陈传祥 李奎山

(1．东莞理工学院 教务处，广东东莞 523808;2．东莞职业技术学院，广东东莞 523808)

一种低风速测量仪的研究与实现

陈传祥1李奎山2

(1．东莞理工学院 教务处，广东东莞 523808;2．东莞职业技术学院，广东东莞 523808)

分析了低风速测量技术的主要功能结构及工作流程，采用GM8120 SoC芯片作为运算单元，通过经验函数对低风速进行测量。

低风速;GM8120;SoC

目前风速计的研究热点主要集中于二维风速风向传感器，一般采用热温差型或热温差、热损失型相结合的工作方式，能够同时测量风速和风向。传统的风速计控制和测量一般采用片内或片外电路方式实现，电路结构复杂，而且系统采用的较多周边元器件，占用面积大［1］。在低风速环境中进行测量时，则容易因测试装置的阻挡而产生干扰，进而增大了测量值的误差。针对这种情况，本文提出了一种能够降低对环境现场干扰，提高测量精度的低风速测量仪。

1 低风速测量技术

1.1 传统测量技术

传统的低风速校准装置可分风洞、旋臂机、直线拖动法及排气法四类。以直线拖动法为例，即在一个与外界隔离的房间或箱体中，用马达拖动测风感应器或铺设轨道座，使感应器在轨道上作匀速直线移动。假设空气是静止的，感应器移动速度即为风速。可见其测量过程需要依赖一定的机械装置。

1.2 软测量技术

软测量技术主要应用在不能直接测量或不宜准确测量参数的领域，通过某种算法对测量对象进行的数学建模从而进行相关研究［2］。本文中的低风速测量仪也采用相关软测量技术，实现降低测量装置对现场的干扰，从而提高测量精度。

2 低风速测量仪的实现

测量仪实现过程主要分为两部分，即首先对测量对象在0.1～0.9 m/s风速环境下进行建模，经过分析优化后再将算法移植到GM8120 SoC芯片上。

2.1 测量对象建模

对测量对象进行准确建模是实现低风速测量的前提环节，是影响测量精度的关键。本模型主要是由一块5 cm×5 cm大小的白色硬塑料板上固定一根长4 cm的特殊黑色纤维线所组成。纤维线及硬塑料板之间不会因摩擦而产生静电造成相对吸引。

该测量对象被沿送风方向竖直放置于在变风速 (0.1～0.9 m/s)环境下，并通过摄像头对纤维线各种形态在640×480分辨率下以每秒30帧的速率进行取样，如图1所示。所得大量数据随后使用Mat-lab软件进行拟合分析后，便能得到一个风速与纤维线形态相关的经验函数，从而实现将低风速的测量转换为对纤维线形态的采样分析。并且在测量过程中，纤维线无需进行加热等辅助处理，能避免因相关器件老化而造成的误差，进一步保障测量精度。

图1 测量对像在0 m/s、0.1 m/s及0.9 m/s风速下的形态

2.2 测量仪的硬件设计

由于测量过程中需要对纤维线形态进行采样，则所选用的硬件架构必须有较高的运算能力才能实现相关视频处理功能，否则无法实现相关算法的移植。GM8120 Soc芯片是台湾升迈推出的一款针对在Internet上传送音/视频数据的SoC芯片、内核为ARM9+DSP、MPEG4实时编码/解码可以达到30fps，是目前业界少见高集成度的硬件MPEG4编/解码芯片。本设计采用GM8120 Soc芯片为系统核心，通过直接连接摄像头即可实现对测量对象进行视频采样，并能立刻通过建模所得经验函数进行分析计算得出对应的风速值。同时由于系统芯片支持网络接口，所以能够便利地实现远程采集。系统结构如图2所示。

图2 系统结构图

2.3 测量仪的软件设计

测试仪软件的简要工作流程如图3所示，其中纤维线视频采集及风速计算为主要功能部分。

图3 简要工作流程示意

2.3.1 纤维线视频采集

纤维线视频采集算法中采用了YUV颜色空间。Y指明视度，即亮度 (数值从0－255，代表亮度从高到低)，而U和V分别为R－Y和B－Y分量，又称色度，它是描述色彩饱和度的属性。YUV的优点是它的亮度信号 (Y)和色度信号 (U，V)相互独立，可以单独编码，方便传输和处理。因此，它被广泛应用于计算机视频和图像处理之中［3］。本纤维线模块中，黑色线的亮度较低，白绝底板的亮度较高，两者之间的亮度对比直接反映于Y信号值上。通过对采集区中的图像进行逐行扫描找出亮度低的点，即可采集出纤维线所处位置。

算法中对纤维线位置由YYY结构体进行描述，代码如下：

2.3.2 风速计算

风速值是将各采样帧中所得的纤维线位置数据代入建模过程中所得的经验函数计算所得的平均值，关键代码如下：

在0.1～0.9 m/s风速范围内，当前经验函数计算所得风速值与专业风速测量仪对比，其误差范围约在±2%。

3 结语

基于对测量对象在不同风速环境下进行建模，将低风速的测量转换为对纤维线形态的采样分析的软测量方法，实现了量程范围内能较好地跟踪风速的变化，快速测量出低风速值。由于目前所建模型仍受一定客观因素的影响，为此将采取相应的软测量模型作进一步校正。

［1］孙凯，秦明，张中平，等．基于微控制器的风速计在线控制和测量系统设计［J］．传感技术学报，2006，19(3)：682－685．

［2］刘震，汪令祥．基于神经网络的风力发电系统风速软测量［J］．中国电力，2010，43(11)：87－91．

［3］马国峰，杨俊红，周兵．基于YUV颜色空间的视频运动检测［J］．计算机工程与设计，2008，29(14)：3700－3702．

Research and Realization of Anemometer for Low Wind Speed

CHEN Chuan-xiang1LI Kui-shan2
(1．Teaching Affairs Office，Dongguan University of Technology，Dongguan 523808，China;2．Dongguan Polytechinic，Dongguan 523808，China)

This paper analyzes the main function structure and work－flow，using GM8120 chip as computing unit with a fitting function for measuring low wind speed．

low wind speed;GM8120;SoC

G40－05

A

1009－0312(2012)01－0053－04

2011－11－17

广东省自然科学基金 (9151170003000011)。

陈传祥 (1983—)，男，广东东莞人，工程师，硕士，主要从事计算机控制及嵌入式系统技术研究。