李富強(qiáng)+鄭寶周+豆根生+林愛英

摘 要： 在溫室溫度控制系統(tǒng)中，針對無線傳感器網(wǎng)絡(luò)的通信帶寬及節(jié)點(diǎn)資源受限問題，提出分布式事件觸發(fā)控制方案。在分布式事件觸發(fā)機(jī)制下，各傳感器節(jié)點(diǎn)基于自身信息，僅在系統(tǒng)有控制需求時發(fā)送狀態(tài)采樣值，有效地節(jié)約了系統(tǒng)資源。因?yàn)樗惴ê唵吻夷芨纳圃缡焓諗繂栴}，采用基于混沌變異的粒子群算法計算最優(yōu)控制量，仿真表明，分布式事件觸發(fā)機(jī)制下節(jié)點(diǎn)數(shù)據(jù)發(fā)送率大大降低，系統(tǒng)仍能達(dá)到滿意的控制效果。

關(guān)鍵詞： 無線傳感器網(wǎng)絡(luò)； 分布式事件觸發(fā)； 粒子群； 混沌變異

中圖分類號： TN876.3?34； TP273.5 文獻(xiàn)標(biāo)識碼： A 文章編號： 1004?373X（2015）15?0015?03

Research on distributed event?triggered control system based on

WSN for greenhouse temperature

LI Fuqiang1，2， ZHENG Baozhou1， DOU Gensheng1， LIN Aiying1

（1. College of Sciences， Henan Agricultural University， Zhengzhou 450002， China；

2. School of Mechatronic Engineering and Automation， Shanghai University， Shanghai 200072， China）

Abstract： In greenhouse temperature control system， since communication bandwidth and node resources in wireless sensor network （WSN） are constrained， a distributed event?triggered control scheme is proposed. In the scheme， each sensor node in combination with its own information transmits state sampling values only when system has control requirements， which saves system resources effectively. Particle swarm optimization （PSO） based on chaos variation was adopted to calculate optimum control quantity， which is simple and can improve premature convergence. Simulation results show that data transmission rate of sensor nodes is reduced greatly under distributed event?triggered control mechanism， but system still achieves satisfied control effect.

Keywords： wireless sensor network； distributed event?triggered； particle swarm； chaos variation

0 引 言

近年來，現(xiàn)代化溫室發(fā)展迅速，其面積已超過350萬公頃[1]。溫室作物生產(chǎn)與大田作物生產(chǎn)的最大區(qū)別是溫室中的小氣候環(huán)境可以根據(jù)作物生長的需要進(jìn)行實(shí)時控制。據(jù)統(tǒng)計，目前現(xiàn)代化溫室的生產(chǎn)運(yùn)行成本有50%用于環(huán)境調(diào)控，導(dǎo)致成本過髙。解決這一問題的關(guān)鍵技術(shù)之一是高效的溫室環(huán)境調(diào)控，而溫度控制是環(huán)境控制的重要組成部分。

目前，在溫室溫度控制系統(tǒng)方面已有很多研究，如：盛平等構(gòu)建了基于ZigBee與3G技術(shù)的溫室遠(yuǎn)程測控系統(tǒng)[2]，并采用改進(jìn)的Smith算法構(gòu)建專家系統(tǒng)進(jìn)行溫室環(huán)境精準(zhǔn)調(diào)控。張榮標(biāo)等針對無線傳感網(wǎng)絡(luò)節(jié)點(diǎn)溫室環(huán)境中溫濕度的強(qiáng)耦合特性[3]，提出了一種基于動態(tài)矩陣控制算法的自適應(yīng)解耦方法。齊凱等建立了受控的自回歸積分滑動平均模型[4]，并將預(yù)測控制算法引入溫室溫度環(huán)境控制系統(tǒng)中。張軍等利用灰色補(bǔ)償控制算法[5]，對溫室溫度控制系統(tǒng)中的不確定成分及干擾進(jìn)行了預(yù)測，克服了常規(guī)控制算法控制效果對被控對象模型精確度及干擾精確量測的依賴。李永博等建立了基于CFD模型的溫室溫度多指標(biāo)優(yōu)化閉環(huán)控制系統(tǒng)[6]，并采用GA優(yōu)化算法，通過循環(huán)迭代構(gòu)建了溫度系統(tǒng)的閉環(huán)形式，使得系統(tǒng)在多指標(biāo)條件下達(dá)到最優(yōu)。劉淵等設(shè)計了一種基于物聯(lián)網(wǎng)的連棟蔬菜溫棚環(huán)境監(jiān)控系統(tǒng)[7]，并結(jié)合專家系統(tǒng)進(jìn)行反饋調(diào)控。

以上研究的共同特點(diǎn)是控制系統(tǒng)采用時間觸發(fā)模式，傳感器周期采樣并發(fā)送采樣值，控制器周期更新控制率。當(dāng)溫室溫度值波動不大時，時間觸發(fā)模式將造成不必要的節(jié)點(diǎn)資源和網(wǎng)絡(luò)帶寬浪費(fèi)。為了延長節(jié)點(diǎn)壽命并高效利用網(wǎng)絡(luò)帶寬，本文引入了分布式事件觸發(fā)機(jī)制，傳感器節(jié)點(diǎn)基于自身信息，僅在有控制需求時發(fā)送采樣值，控制器僅在收到新采樣信息時更新控制率?？紤]到節(jié)點(diǎn)資源有限，選用算法簡單且搜索效率高的改進(jìn)粒子群算法進(jìn)行控制率更新。

1 分布式事件觸發(fā)控制系統(tǒng)

基于事件觸發(fā)機(jī)制的溫度網(wǎng)絡(luò)控制系統(tǒng)如圖1所示。首先，傳感器節(jié)點(diǎn)周期采樣溫度值，事件觸發(fā)器判斷觸發(fā)條件，若滿足觸發(fā)條件，則通過無線傳感器網(wǎng)絡(luò)發(fā)送當(dāng)前采樣值至執(zhí)行器節(jié)點(diǎn)；否則，丟棄當(dāng)前采樣值，不進(jìn)行發(fā)送。當(dāng)執(zhí)行器節(jié)點(diǎn)接收到新的采樣信息時，內(nèi)嵌的控制器立即更新控制率，并通過零階保持器發(fā)送至執(zhí)行器，執(zhí)行器輸出更新后作用于對象上。

圖1 基于事件觸發(fā)的溫度網(wǎng)絡(luò)控制系統(tǒng)

對象連續(xù)時間動態(tài)模型為：

[xt=Axt+But] （1）

式中：[xt，ut=fxt]分別是狀態(tài)向量及控制向量；[A∈Rns×ns， B∈Rns×na]，[ns]和[na]分別為傳感器節(jié)點(diǎn)及執(zhí)行器節(jié)點(diǎn)數(shù)目。

設(shè)傳感器采樣周期為[T，]采樣時間序列為[Ss=][T，2T，3T，…，ksT，…，ks∈N]。若觸發(fā)條件滿足則發(fā)送當(dāng)前采樣值，觸發(fā)時間序列[7]記為[St=t1，t2，t3，…，tk，…]，顯然[St?Ss。]

為了保證閉環(huán)控制系統(tǒng)輸入狀態(tài)穩(wěn)定，選擇觸發(fā)條件為[8]：

[eTtΩet>σxTtΩxt， t∈tk，tk+1] （2）

式中：[0<σ<1]為閾值系數(shù)；[Ω]為正定對稱矩陣。誤差向量為：

[et=xtk-xt， t∈tk，tk+1] （3）

則對象模型（1）中的控制量可以表示為：

[ut=fxtk=fxt+et， t∈tk，tk+1] （4）

若要判斷觸發(fā)條件（2），需要每個傳感器與其他傳感器周期通信以獲取全局狀態(tài)信息，這將造成不必要的節(jié)點(diǎn)能量及通信帶寬浪費(fèi)。為了使傳感器能夠僅利用自身節(jié)點(diǎn)信息進(jìn)行觸發(fā)條件判斷，本文采用分布式觸發(fā)條件如下：

定義集合[θi i=0nsθi=0，θi∈R，]且當(dāng)[Ω]為單位陣時，觸發(fā)條件（2）可以描述為：

[et2>σxt2? i=1nseit2-σxit2>i=1nsθi] （5）

式中：[·] 代表歐式范數(shù)，所以，得到以下推導(dǎo)：

[∧i=1nseit2-σxit2>θi? et2>σxt2] （6）

由上可知，[eit2>σxit2+θi]可以作為分布式事件觸發(fā)條件，則第[i]個傳感器觸發(fā)時刻可以表示為：

[tik+1=tik+minmTeitk+mT2>σxitk+mT2+θi] （7）

在大規(guī)模連棟溫室中，系統(tǒng)控制目標(biāo)是將不同位置的溫度控制到設(shè)定值[x*=x*1，x*2，…，x*nsT]上，即尋找最優(yōu)控制量使得以下控制目標(biāo)函數(shù)值最小：

[min： Jt?1nsx*-xt] （8）

2 混沌變異PSO算法

PSO是1995年由Kennedy和Eberhart提出的模仿鳥群覓食行為的群智能算法。在PSO中，每個解是給定搜索空間的一個粒子，每個粒子有自己的位置和速度。在群進(jìn)化過程中，每個粒子通過自己和群體經(jīng)驗(yàn)改變速度，進(jìn)而改變位置，直到粒子群收斂到最優(yōu)解[9]。

粒子群的迭代公式如下：

[vid=wvid+c1r1pPbestid-pid+c2r2pGbestgd-pid] （9）

[pid=pid+vid] （10）

式中：[vid]和[pid]代表第[i]個粒子的第[d]個分量的速度和位置，[i=1，2，…，Ni，][d=1，2，…，Nd，][Ni]表示粒子群中的粒子數(shù)目，[Nd]表示搜索空間的維數(shù)；[r1]和[r2]是[0，1]區(qū)間內(nèi)的隨機(jī)數(shù)；[c1]和[c2]是加速因子；[pPbestid]是第[i]個粒子經(jīng)歷的最優(yōu)位置；[pGbestgd]是粒子群經(jīng)歷的最優(yōu)位置。

為了提高粒子群的多樣性和全局尋優(yōu)性能，基于混沌的遍歷性、隨機(jī)性和規(guī)律性，根據(jù)替換概率[P，]一定數(shù)量的粒子將被隨機(jī)替換為混沌變異粒子，混沌變異粒子定義如下：

[pid=γ?cn?pGbestgd， i=1，2，…，Ni×P] （11）

式中：[γ]是常系數(shù)，用來指定映射后的搜索空間。很明顯，如果[γ]取值較大，則映射搜索空間較大?；煦缦到y(tǒng)[cn]由經(jīng)典的Logistic映射產(chǎn)生：

[cn+1=μcn1-cn ， n=0，1，2，…] （12）

式中：[cn]是[0，1]內(nèi)的混沌變量；[μ]是[0，4]內(nèi)取值的Logistic參數(shù)，其值常被設(shè)定為4。

3 數(shù)值仿真

為了重點(diǎn)說明分布式事件觸發(fā)機(jī)制，以具有兩個傳感器和兩個執(zhí)行器的WSAN為例，即[ns=na=2]?；煦缱儺怭SO參數(shù)為：[c1=c2=2]，[w=0.8]，[Ni=50]，[Nd=2]，[P=0.08]，[γ=0.8]。觸發(fā)條件中，[Ω]為單位陣，閾值[σ=0.75，][θi=0]。設(shè)兩個對象的初始溫度值為[14 ℃ 12 ℃]，目標(biāo)設(shè)定值為[16 ℃ 16 ℃]，對象動態(tài)方程為：

[xt=3.65003.65xt+8.75027.3514.22ut] （13）

以傳感器節(jié)點(diǎn)[s1]為例，其他傳感器節(jié)點(diǎn)類似。圖2描繪了觸發(fā)條件中[e1t2]和[σx1t2]的變化曲線，誤差變化曲線一直保持在閾值曲線下方。在觸發(fā)時刻[tk]，測量誤差[e1tk=x1tk-x1tk=0]，然后[e1t]根據(jù)式（3）變化，直到下次觸發(fā)又被重置為0，從而保證了[e1t2≤σx1t2]及整個系統(tǒng)輸入狀態(tài)的穩(wěn)定性。

圖2 觸發(fā)條件變化圖

定義采樣值發(fā)送率為：

[ρ=發(fā)送次數(shù)Nt采樣次數(shù)Ns×100%] （14）

顯然，在周期觸發(fā)模式中，每次采樣值均需要發(fā)送，[ρ=]100%。而在事件觸發(fā)模式下，觸發(fā)時間信息如圖3所示，橫坐標(biāo)描述了觸發(fā)時刻，縱坐標(biāo)描述了當(dāng)前觸發(fā)時刻與上次觸發(fā)時刻之間的時間間隔，顯然具有非周期觸發(fā)特征。兩個傳感器總采樣次數(shù)分別為39次，傳感器[s1]觸發(fā)次數(shù)為16次，發(fā)送率[ρ1=][41]%；傳感器[s2]觸發(fā)次數(shù)為12次，發(fā)送率[ρ2=]31%。顯然，與時間觸發(fā)模式比較，事件觸發(fā)模式下采樣值發(fā)送率顯著降低。

圖3 觸發(fā)時間圖

圖4描述了兩個對象的動態(tài)響應(yīng)過程，0.15 s后兩狀態(tài)均收斂到設(shè)定值16 ℃。說明分布式事件觸發(fā)模式下，雖然采樣值發(fā)送率顯著下降了，但閉環(huán)系統(tǒng)仍然能夠收斂到控制目標(biāo)。

圖4 對象動態(tài)響應(yīng)曲線

4 結(jié) 論

為了節(jié)約網(wǎng)絡(luò)資源并延長網(wǎng)絡(luò)壽命，同時考慮單個傳感器節(jié)點(diǎn)難于獲取全局狀態(tài)信息因素，本文引入了分布式事件觸發(fā)機(jī)制，仿真表明兩傳感器的采樣值發(fā)送率分別為41%和31%，顯著降低了數(shù)據(jù)發(fā)送量。因?yàn)樗惴ê唵吻夷芨纳圃缡焓諗繂栴}，本文采用了基于混沌變異的PSO算法更新控制量。最后，在分布式事件觸發(fā)機(jī)制下，雖然數(shù)據(jù)發(fā)送率顯著降低了，但控制系統(tǒng)仍然能夠達(dá)到設(shè)定控制目標(biāo)。

參考文獻(xiàn)

[1] 李中華，王國占，齊飛.我國設(shè)施農(nóng)業(yè)發(fā)展現(xiàn)狀及發(fā)展思路[J].中國農(nóng)機(jī)化，2012（1）：7?10.

[2] 盛平，郭洋洋，李萍萍.基于ZigBee和3G技術(shù)的設(shè)施農(nóng)業(yè)智能測控系統(tǒng)[J].農(nóng)業(yè)機(jī)械學(xué)報，2012，43（12）：229?233.

[3] 張榮標(biāo)，褚夫環(huán)，黃賢林，等.WSN節(jié)點(diǎn)溫室環(huán)境試驗(yàn)系統(tǒng)的預(yù)測解耦控制[J].農(nóng)業(yè)機(jī)械學(xué)報，2012，43（1）：192?196.

[4] 齊凱，陳一飛.溫室溫度環(huán)境的隱式廣義預(yù)測自校正控制研究[J].沈陽農(nóng)業(yè)大學(xué)學(xué)報，2013，44（3）：337?340.

[5] 張軍，張侃諭.溫室溫度控制系統(tǒng)不確定性與干擾的灰色預(yù)測補(bǔ)償算法[J].農(nóng)業(yè)工程學(xué)報，2013，29（10）：225?233.

[6] 李永博，孫國祥，樓恩平，等.基于CFD模型的溫室溫度多指標(biāo)GA優(yōu)化控制[J].農(nóng)業(yè)機(jī)械學(xué)報，2013，44（3）：186?191.

[7] 劉淵，王瑞智，楊澤林.基于物聯(lián)網(wǎng)的連棟蔬菜溫棚環(huán)境監(jiān)測系統(tǒng)設(shè)計[J].農(nóng)機(jī)化研究，2014（1）：121?126.

[8] MAZO M， TABUADA P. Decentralized event?triggered control over wireless sensor/actuator networks [J]. IEEE Transactions on Automatic Control， 2011， 56（10）： 2456?2461

[9] 劉愛軍，楊育，李斐，等.混沌模擬退火粒子群優(yōu)化算法研究及應(yīng)用[J].浙江大學(xué)學(xué)報：工學(xué)版，2013，47（10）：1722?1730.