APP下载

基于电力载波的畜舍二氧化碳浓度监测系统设计*

2023-01-22王润涛岑杰涓何子明

南方农机 2023年1期
关键词:卡尔曼滤波载波二氧化碳

王润涛 ,岑杰涓 ,李 明 ,何子明

(1.岭南师范学院电子与电气工程学院,广东 湛江 524048;2.广东湛数大数据有限公司,广东 湛江 524000)

0 前言

我国中小型养殖场进行粗放式管理,对畜舍的环境监测往往沿用传统的人工观测方法。但依靠人工对畜舍内的光照、气体浓度、温度、湿度等环境参数进行观测和管理,不仅观测到的环境数据不够实时和准确,还浪费人力,增加生产成本,禽畜的健康也得不到有效的保障。同时,我国中小型养殖场畜舍密集,重新铺设监测信息传输电力线路网络的成本高,可行性低,容易造成安全隐患[1-3]。

考虑到我国电力线路网络分布广泛,畜舍里也铺设有电力线路网络,且均属于同一供电系统,满足电力载波通信的要求,因而可利用电力载波通信技术作为监测装置的通信方式,免去重新铺设电力线路网络的问题[4-5]。同时,利用电力载波通信技术对畜舍内各种环境参数进行监测,能够使得通信方便快捷,实时传输畜舍环境信息[6-7]。

因此,课题组设计了一种方便快捷、实时准确、低成本的二氧化碳浓度监测装置,为实现畜舍环境的自动监测提供了技术支撑。

1 硬件结构设计

本装置的硬件主要由51单片机最小系统、电力载波模块、SGP-30气体传感器、液晶屏显示模块等组成。二氧化碳浓度采集模组采用SGP-30气体传感器,其SCL和SDA引脚与单片机的引脚相连,通过IIC总线实现对畜舍二氧化碳浓度数据的采集;电力载波模块采用东软公司生产的SC1642型芯片,其TXD、RXD与单片机的串口引脚相连,通过电力线L/N接口将二氧化碳浓度数据传输给远端;液晶屏选择LCD1602液晶模块,通信方式采用并行总线,将二氧化碳浓度数据通过液晶显示。系统过程为SGP-30气体传感器先采集数据,51单片机最小系统再将这些数据通过电力载波通信技术传给另一个51单片机最小系统,液晶屏显示该数据并通过串口上传给电脑存储。主控硬件系统结构框图如图1所示。

图1 硬件系统结构框图

2 软件设计

该监测系统的软件设计采用主从结构,分为二氧化碳浓度数据的接收与发送两个部分。系统设置定时器中断,在规定的时间内完成数据的采集和收发。发送部分在系统和二氧化碳传感器初始化后,开始进行二氧化碳气体浓度采集,并对采集后的数据进行滤波处理,再通过电力载波模块在交流电压220 V的电力线上发送给接收端;接收部分在系统初始化后,通过电力载波模块接收发送端传输的二氧化碳浓度数据,将数据显示在液晶屏上并通过RS232串口总线传输给电脑进行存储。虚线部分代表系统通过电力载波模块进行数据传输,具体软件流程如图2所示。

图2 系统软件流程图

3 滤波算法

卡尔曼滤波具有预算快、实时性高的特点,是最为广泛的滤波方法之一,在通信、导航、制导与控制等多个领域取得了较好的应用效果[7-9]。本文根据二氧化碳浓度监测系统的特点,采用卡尔曼滤波滤除信号干扰噪声。系统的状态方程(1)和观测方程(2)为:

式中,Xk表示k时刻的系统状态变量;Xk-1表示k-1时刻的系统状态变量;Uk表示k时刻的系统控制量;Wk表示系统固有扰动;A、B表示系统参数;Zk表示k时刻的测量值;H表示测量系统的参数;Vk表示测量的噪声。

通过上面两个方程,假设现在的系统状态是k,根据系统的模型,可以由系统的上一状态的估计值预测出现在状态的估计值同时也可推出新的协方差矩阵卡尔曼滤波更新方程(3)和(4)为:

综合方程(1)至(7),参数A取1、B取0、H取1,Vk是均值为0、预测方差Rk为1,Wk是均值为0、观测方差Qk为0.1。

4 数据分析

将二氧化碳浓度监测装置安装在畜舍内,分别将电力载波模块L/N端口与电力线的零线和火线相连,监测系统部分使用5 V直流电压供电,电力传输部分使用220 V交流电压。为验证二氧化碳浓度采集系统的稳定性和滤波效果,分别在二氧化碳浓度约为528 ppm和612 ppm时各取200个采样数据进行滤波和数据分析。滤波效果如图3所示,其中的测量值为SGP-30气体传感器的原始读取数据,滤波值为原始数据经卡尔曼滤波后的处理数据,实际值为鑫思特HT-2000型二氧化碳气体监测仪获取的数据。从图中可以看出,经卡尔曼滤波后的曲线比测量曲线的误差更小,更加接近实际曲线。

为了准确计算误差,分别对图3中528 ppm二氧化碳浓度和612 ppm二氧化碳浓度的曲线进行数据统计分析,得出数据误差如表1和表2所示。在528 ppm的数据误差表中,计算得出经卡尔曼滤波后的二氧化碳浓度数据的最大误差、平均误差与均方根误差分别比未滤波的数据小了3.229 ppm、0.637 ppm和0.887 ppm;在612 ppm的数据误差表中,计算得出经卡尔曼滤波后的二氧化碳浓度数据的最大误差、平均误差与均方根误差分别比未滤波的数据小了4.391 ppm、0.815 ppm和1.062 ppm。

表1 528 ppm的数据误差

表2 612 ppm的数据误差

图3 二氧化碳数据卡尔曼滤波图

5 结论

本文设计的基于电力载波的畜舍二氧化碳浓度监测系统有效地解决了我国中小型养殖场通过人工方式观测畜舍环境信息时,不仅费时费力且监测结果不准确、不方便的问题。采用卡尔曼滤波模型,通过硬件与软件的结合,有效地滤除了外界干扰噪声。在畜舍安装采集装置,设计现场试验,验证了系统的稳定性和卡尔曼滤波效果。在二氧化碳浓度分别约为528 ppm和612 ppm时进行试验分析,结果表明该系统具有工作稳定和大幅度减少噪声干扰的性能。本系统的设计为畜舍环境自动监测提供了技术支撑。

猜你喜欢

卡尔曼滤波载波二氧化碳
水声单载波扩频均衡技术研究
扬眉吐气的二氧化碳
基于深度强化学习与扩展卡尔曼滤波相结合的交通信号灯配时方法
“抓捕”二氧化碳
如何“看清”大气中的二氧化碳
历元间载波相位差分的GPS/BDS精密单点测速算法
卡尔曼滤波在信号跟踪系统伺服控制中的应用设计
用于SAR与通信一体化系统的滤波器组多载波波形
低载波比下三电平NPC逆变器同步SVPWM算法
基于递推更新卡尔曼滤波的磁偶极子目标跟踪