孔 兵,喬 欣,余 梅

(1.巢湖學院電子工程學院,安徽 合肥 238000；2.巢湖學院化學與材料工程學院,安徽 合肥 238000)

隨著產(chǎn)業(yè)鏈的完善，煤炭在我國一次能源的生產(chǎn)和消費中占有非常重要地位，然而在其開采中，頂板冒落、放炮事故、瓦斯爆炸、機電事故等時有發(fā)生，其中頂板事故發(fā)生率居于首位[1-2]。因此，準確有效地監(jiān)測礦井頂板具有重要意義。

頂板壓力、頂板位移等參數(shù)是監(jiān)測頂板的重要指標[3-4]，傳統(tǒng)頂板壓力監(jiān)測主要利用人工和機械式頂板離層儀，需工作人員現(xiàn)場觀測、手動記錄數(shù)據(jù)，但存在數(shù)據(jù)精確度不高、實時分析性差等缺點[5]。隨著傳感器技術(shù)及無線通信的發(fā)展，井下頂板監(jiān)測采取有線通信方式傳輸信息，該方式要求在巷道布設(shè)通信線路，不僅布線難度大、工序繁雜，而且在采煤過程中線路易遭到破壞，會使監(jiān)測系統(tǒng)局部乃至全部癱瘓，可靠性較低。目前無線頂板監(jiān)測裝置多數(shù)采用藍牙技術(shù)[6]和紫蜂技術(shù)(ZigBee)[7-10]，兩者主要用于距離短、功耗低的電子儀器間的信息傳輸。ZigBee由于協(xié)議開發(fā)歷時周期長、難度系數(shù)大、穿透能力薄弱且占帶寬開銷量對信道帶寬有較高的要求，影響了通訊距離以及環(huán)境適應性，造成實際應用時長距離、低功耗不可兼具的缺點。

LoRa技術(shù)是一種面向無線傳感網(wǎng)絡(luò)和應用控制的通信技術(shù)，集成了數(shù)字擴頻、數(shù)字信號處理及前向糾錯編碼3種技術(shù)，具有功耗低、傳輸距離遠、抗干擾性強等優(yōu)點，可以在實現(xiàn)最遠距離傳輸和最低功率消耗的同時盡可能地簡化系統(tǒng)，達到降低成本的目的[11]。

因此，本文設(shè)計了一種基于LoRa組網(wǎng)技術(shù)的礦井頂板監(jiān)測系統(tǒng)，首先根據(jù)井下巷道結(jié)構(gòu)，設(shè)計了星型組網(wǎng)結(jié)構(gòu)，然后搭建了監(jiān)測系統(tǒng)整體框架，并對數(shù)據(jù)采集模塊進行軟硬件設(shè)計。最后，進行系統(tǒng)定位及雞群優(yōu)化(Chicken swarm optimization，CSO)算法優(yōu)化設(shè)計，以期對礦井頂板進行大范圍實時監(jiān)測，為頂板監(jiān)測系統(tǒng)的后續(xù)無線控制研究及定位提供理論基礎(chǔ)。

1 井下無線組網(wǎng)設(shè)計

礦井頂板監(jiān)測系統(tǒng)可以穩(wěn)定運行的前提是構(gòu)建適合的礦井無線通信網(wǎng)絡(luò)，而技術(shù)的選擇與組網(wǎng)方案則是搭建適合的礦井無線通信網(wǎng)絡(luò)的核心。該組網(wǎng)構(gòu)架由終端節(jié)點、網(wǎng)關(guān)、NS、應用服務(wù)器組成。根據(jù)煤礦安全生產(chǎn)要求和井下巷道結(jié)構(gòu)，結(jié)合LoRa技術(shù)特點設(shè)計了一種星型組網(wǎng)方式。該方式能夠通過集中器節(jié)點個數(shù)減少來降低無線網(wǎng)絡(luò)里通信鏈路的個數(shù)[12]，多個終端節(jié)點和1個集中器節(jié)點互相通信構(gòu)成星型網(wǎng)絡(luò)，集中器節(jié)點和終端節(jié)點直接傳輸數(shù)據(jù)，但終端節(jié)點之間相互獨立；若個別終端節(jié)點由于故障而無法工作時，不會對其他終端節(jié)點造成影響，所以該方式有利于維護和管理監(jiān)測系統(tǒng)，方便解決終端節(jié)點出現(xiàn)的問題，增強了系統(tǒng)的穩(wěn)定性[13]。

2 系統(tǒng)整體設(shè)計

系統(tǒng)整體架構(gòu)如圖1所示，主要由平臺展示、集中器節(jié)點、終端節(jié)點及礦井頂板數(shù)據(jù)采集模塊等組成，具有礦井頂板數(shù)據(jù)采集、無線組網(wǎng)傳輸以及平臺展示等功能，能夠?qū)ΦV井頂板進行多點實時監(jiān)控。該系統(tǒng)的主控芯片選用STM32單片機，完成對礦井頂板參數(shù)數(shù)據(jù)上傳及對礦井監(jiān)測系統(tǒng)的下行控制；在通信設(shè)置范圍內(nèi)，終端節(jié)點廣泛分布于礦井頂板支撐柱上，彼此獨立沒有干擾，將采集的礦井頂板數(shù)據(jù)參數(shù)組網(wǎng)發(fā)送給集中器節(jié)點；集中器節(jié)點是終端節(jié)點與服務(wù)器間的紐帶，它將采集的信息，經(jīng)過處理后利用WiFi傳至服務(wù)器端。

圖1 系統(tǒng)整體架構(gòu)

2.1 硬件結(jié)構(gòu)設(shè)計

系統(tǒng)硬件由數(shù)據(jù)采集模塊、LoRa通信節(jié)點模塊(包括終端及集中器)組成，其中數(shù)據(jù)采集模塊利用串口和 LoRa通信終端傳輸數(shù)據(jù)，而 LoRa通信終端利用 LoRa射頻技術(shù)和集中器節(jié)點連接[14]。

系統(tǒng)硬件總體結(jié)構(gòu)如圖2所示，數(shù)據(jù)采集端模塊主要由電源模塊、信號采集模塊、STM32單片機、串口通訊模塊及存儲模塊等組成，其中信號采集模塊包含測量礦井頂板壓力的礦用壓力傳感器、判斷頂板是否透水的煤層濕度傳感器、預防火災的煙霧傳感器以及判斷井下通風條件預防瓦斯爆炸的風速傳感器。

圖2 系統(tǒng)硬件總體結(jié)構(gòu)

2.2 數(shù)據(jù)采集端程序設(shè)計

數(shù)據(jù)采集端程序設(shè)計主要對STM32微處理進行編程，包括系統(tǒng)初始化、數(shù)據(jù)采集及處理存儲等部分，程序總體框架如圖3所示。系統(tǒng)開啟后，先執(zhí)行系統(tǒng)初始化(對時鐘、定時器、IIC與SPI總線、SD卡等參數(shù)初始化配置)，然后通過兩個定時函數(shù)(對應時間為1min和10min)，為系統(tǒng)采集數(shù)據(jù)設(shè)定時間標準，即系統(tǒng)程序每10min循環(huán)1次，在10min內(nèi)，每隔1min系統(tǒng)采集1次數(shù)據(jù)，然后將數(shù)據(jù)臨時保存于結(jié)構(gòu)體數(shù)組中，待10次數(shù)據(jù)采集完成后，求其平均值并保存至SD卡內(nèi)，最后利用串口通信傳送到 LoRa無線通信模塊。當數(shù)據(jù)處理結(jié)束時，系統(tǒng)將重新循環(huán)等待下一指令。

圖3 數(shù)據(jù)采集模塊軟件整體框架圖

針對傳感器輸出量類型，程序設(shè)計如下：一是模擬電壓量，包含AD采集初始化、底層驅(qū)動、通道選擇等程序塊。二是數(shù)字量，根據(jù)其通信接口形式不同，又分為RS485、IIC總線形式，其中RS485通信接口選用ModBus-RTU標準協(xié)議，具體編寫的程序塊包括 485協(xié)議初始化、CRC數(shù)據(jù)校驗、實時數(shù)據(jù)讀取、接收、處理等；IIC通信接口選用IIC 通信標準協(xié)議，需要處理的底層程序塊包括IIC協(xié)議初始化、讀取數(shù)據(jù)、數(shù)據(jù)接收等。若同時選用上述3類傳感器時，須設(shè)置設(shè)備地址。

3 系統(tǒng)定位及算法優(yōu)化設(shè)計

3.1 傳感器節(jié)點分區(qū)

井下巷道是長為幾百米甚至幾千米、寬與高為3～5m的拱形截面，具有封閉及半封閉的特點，與平面區(qū)域相比較具有一定的不同。因此需考慮在井下區(qū)域覆蓋率及連通性的條件下，利用最低傳感器節(jié)點數(shù)目達到最有效的監(jiān)測目的。

由于各類傳感器的感知范圍有限且不相同，所以，傳感器節(jié)點分區(qū)需結(jié)合巷道頂板實際情況，首先將傳感器節(jié)點間的距離及信號強度當作已知條件，再對巷道頂板連續(xù)分布的兩個傳感器節(jié)點之間的水平區(qū)域進行等距離分割，最后利用傳播信號損耗模型得出傳感器節(jié)點發(fā)出的信號到達各分區(qū)時的信號強度值(received signal strength indication，RSSI)，根據(jù)該值的高低劃分不同等級區(qū)域。本研究最終利用傳感器節(jié)點接收數(shù)值的等級來確定問題區(qū)域。

圖4為巷道頂板分區(qū)模型，傳感器節(jié)點水平等距離分布，分別用1-6順次表示，其對應中點位置依次表示為1′-5′。令任意相鄰傳感器節(jié)點間距為Lm，則3點到傳感器節(jié)點2′和3′的水平距離均L/2m，由此可知其他各點間的距離。

圖4 巷道頂板分區(qū)模型

若待求節(jié)點α收到來自傳感器節(jié)點的RSSI，由公式(1)求得兩點間的距離d，如公式(2)所示。

RSSI(d)=RSSI(d0)-10δlg(d/d0)+N(0,σ)

(1)

d=10[RSSI(d0)-RSSI(d/d0)+N(0,σ)]/10δ

(2)

其中：RSSI(d)表示距傳感器節(jié)點dm處收到的信號強度值；d0表示距離傳感器節(jié)點1m；N(0，σ)表示正態(tài)分布函數(shù)；δ表示路徑衰減因子， 取值為2～6。

假設(shè)傳感器節(jié)點3與α待求節(jié)點收到傳感器節(jié)點1的信號，則由公式(1) 可得，節(jié)點3和α的接收RSSI分別為

RSSI(d13)=RSSI(d0)-10δlg(d13)+N(0,σ1)

(3)

RSSI(d1α)=RSSI(d0)-10δlg(d1α)+N(0,σ2)

(4)

由于N(0，σ)很小，由公式(3)、(4)化簡得

(5)

由公式(5) 可得，點 1′、2、 2′接收到1節(jié)點的RSSI為

RSSI(d11′)=RSSI(2L)-10δlg(1/4)

RSSI(d12)=RSSI(2L)-10δlg(1/2)

RSSI(d12′)=RSSI(2L)-10δlg(3/4)

(6)

由公式(6)得知1′點RSSI最大，2點次之，2′點最小。因此，根據(jù)RSSI大小劃分區(qū)域，當未知節(jié)點α收到傳感器節(jié)點1的RSSI(d1α)≥RSSI(d11′)，標記為一等強度1A；假如RSSI(d12)≤RSSI(d1α)≤RSSI(d11′)，標記為二等強度1B；假如RSSI(d12′)≤RSSI(d1α)≤RSSI(d12) ，標記為三等強度3C，當比RSSI(d12′)小時，忽略不計。由此，得到待求節(jié)點α的區(qū)域編碼是2B3A4C，其他區(qū)域編碼分別是1B2A3C、1C2A3B等。待求節(jié)點可根據(jù)自身接收到周圍傳感器節(jié)點的RSSI及對應的編碼得知其所處位置。

3.2 定位算法與優(yōu)化

雞群優(yōu)化(Chicken swarm optimization，CSO)屬于群智能優(yōu)化算法的一種，它是利用雞群的覓食行蹤提出的算法。此算法利用雄雞數(shù)目確定雞群由數(shù)個子群構(gòu)成，雌雞與小雞可以隨機進入各個子群內(nèi)。其中，雄雞的適應度值最優(yōu)，覓食空間較大; 雌雞次之，跟隨所處子群內(nèi)的雄雞覓食; 小雞最差，追隨雞媽媽覓食，子群內(nèi)雌雞群中隨機選出雞媽媽且隨機和多只小雞形成母子。待進化G代時，須重新配置雞群等級。

4.2.2 基于基準、粗放和集約利用等三種情景的各類用地面積SD模型仿真結(jié)果中城市土地利用預測總面積年均增長率分別為0.305%、0.761%和0.163%，且其中年均用地面積占比最大的兩類建設(shè)用地是粗放利用方案中的住宅用地和交通運輸用地面積，其值分別達到12.416%和10.090%；基于三種情景的SD-MOP模型的仿真結(jié)果中預測用地總面積年均增長率分別為0.743%、2.551%和2.210%，且其中年均面積占比最大兩類建設(shè)用地則為粗放利用情景下的工礦倉儲用地和集約利用情景下的商服用地，其值分別達到16.924%和13.811%。

雄雞的活動決定了整個雞群的活動，雄雞局部最優(yōu)化容易導致整個雞群也處于局部最優(yōu)。由CSO優(yōu)化規(guī)則可知，若個體擁有更優(yōu)的適應度值時，說明它距食物更近，這時應該縮小范圍才有利于尋找食物，所以雄雞應該縮小覓食范圍。原有算法雄雞更新位置時，未考慮和其他個體交換信息，但通過觀察整個雞群，數(shù)量處于首位的雌雞，不僅是聯(lián)系雄雞與小雞的紐帶，在雞群內(nèi)起著承上啟下的作用，而且對CSO的尋優(yōu)速度和精度方面也起著非常重要的作用[15-17]。在原有的雄雞位置更新公式中引入雌雞活動的反饋信息，降低陷入局部最優(yōu)的幾率。

雄雞位置更新公式

F=exp(fmean-fi)

(7)

雌雞位置更新公式

(8)

式中：rand表示[0，1]間的任意數(shù)；r1表示第i只雌雞個體所屬子群內(nèi)雄雞個體；r2表示不包括r1的全體雄雞與雌雞的隨機個體。

小雞位置更新公式

(9)

式中：雞媽媽用q表示，F(xiàn)L則為跟隨系數(shù)(取值為[0，2])。

3.3 適應度函數(shù)設(shè)計

在頂板監(jiān)測系統(tǒng)中，令未知節(jié)點與信標傳感器節(jié)點的坐標分別對應(x，y)、(xg，yg) (g取1，2，…，m)，那么未知節(jié)點到信標節(jié)點的距離di可以表示如下

(10)

系統(tǒng)中節(jié)點定位算法的適應度函數(shù)表達式為

(11)

利用上式把定位問題成功地轉(zhuǎn)成最小值求解，在此過程中把所有可能解視為雞群內(nèi)個體所在位置，從而求出個體的適應度值，再利用不斷的迭代尋優(yōu)，得到適應度值最佳的個體，它所在的位置就是未知節(jié)點的坐標。

3.4 節(jié)點定位

經(jīng)過頂板分區(qū)后能夠得知未知節(jié)點所處區(qū)域，在此區(qū)域內(nèi)，再使用CSO進行整體搜尋，從而精確定位未知節(jié)點。通過計算節(jié)點的定位誤差來評價本文算法的定位效果。公式如下

(12)

4 系統(tǒng)測試與分析

本文旨在設(shè)計定位精度較高的礦井頂板無線監(jiān)測系統(tǒng)，因而定位精確度屬于重要的評判標準。結(jié)合遠程監(jiān)測要求，無線通信的距離將對節(jié)點及網(wǎng)關(guān)的數(shù)量產(chǎn)生直接影響。系統(tǒng)設(shè)計結(jié)束后，需測試以下指標。

4.1 定位精度仿真

通過MATLAB對本文CSO算法與朱光的RSSI加權(quán)質(zhì)心定位算法[18]以及趙佳奇的卡爾曼濾波優(yōu)化定位精度算法[19]進行仿真對比。該實驗在圖5所示巷道頂板中進行，未知節(jié)點數(shù)為60，節(jié)點通信半徑取40m，雞群總數(shù)目為60，迭代最大次數(shù)取100，最終值選取重復40次的均值。

令傳感器節(jié)點間距依次取20m、25m、30m、35m、40m，其他參數(shù)設(shè)置保持不變，CSO算法、RSSI加權(quán)質(zhì)心算法以及卡爾曼濾波優(yōu)化算法的定位誤差如圖5所示。 節(jié)點間距與定位精度的關(guān)系為，當節(jié)點間距由20m增至40m時，3種算法對應的定位誤差由0.633m、1.631m、2.962m增至1.076m、 2.868m、5.792m，說明傳感器節(jié)點間距對上述算法得到的定位精度產(chǎn)生不同程度的影響，卡爾曼濾波優(yōu)化定位精度算法得到的定位誤差最大，并且該誤差值會隨節(jié)點間距的增大而變大，而RSSI加權(quán)質(zhì)心算法與CSO算法的定位誤差值受節(jié)點間距的影響相對較小；當節(jié)點間距變化時，定位誤差值較平穩(wěn)，其中，CSO算法的定位誤差值最小。由此可知，CSO算法不僅對節(jié)點安置密度標準要求不高，而且定位精度也較高，即CSO算法實現(xiàn)礦井頂板監(jiān)控定位具有很好的效果。

圖5 節(jié)點間距與定位精度的關(guān)系

圖6顯示的是3種算法對應的測量誤差與定位精度的關(guān)系，由圖6可知，雖然標準差(依次取1、1.5、2、2.5、3、3.5、4)增大，但3者得出的定位誤差變化值都不大。這表明3種算法都能夠在一定程度上避免定位精度被測量不準確的影響，且CSO算法較RSSI 加權(quán)質(zhì)心算法以及卡爾曼濾波優(yōu)化算法而言，具有更優(yōu)的定位精度。

圖6 測量誤差與定位精度的關(guān)系

4.2 丟包率測試

丟包率測試之前，先進行無線通信參數(shù)配置如下： SF=10， 發(fā)射信號功率=20dBm， 發(fā)射頻率=433MHz， BW=250kHz，CR=4/5；通信距離，每間隔50m測試1次，最遠距離定于500m，終端節(jié)點每隔10s發(fā)出1個有效字節(jié)至集中器節(jié)點，累計發(fā)出2 000個數(shù)據(jù)包，成功數(shù)據(jù)包1和丟包率1是指在有效數(shù)據(jù)信息為20字節(jié)大小下測試，成功數(shù)據(jù)包2和丟包率2是指在有效數(shù)據(jù)信息為40字節(jié)大小下測試，丟包率測試結(jié)果如表1所示。

表1 丟包率測試

不同距離下的通信效果如圖7所示，數(shù)據(jù)包長度會影響丟包率，在相同環(huán)境下且等距離時，數(shù)據(jù)包增長，丟包率隨之增大，這是因為發(fā)送信號隨數(shù)據(jù)包長度增加受井下環(huán)境影響的衰減率變大。不僅如此，數(shù)據(jù)包的長度還會對收發(fā)時間造成影響，不同長度數(shù)據(jù)包會占用不同的間隔時間(長度和時間間隔成正比)，LoRa芯片解析數(shù)據(jù)時就會受到微干擾，從而影響丟包率。

圖7 不同距離下的通信效果

繼續(xù)分析可知，當距離不超過300m時，丟包率不大于0.05%；當距離越過300m后，丟包率隨距離的增加而變大；當距離大于450m時，丟包率隨距離增加會加速增大，這說明距離對丟包率的影響顯著；當距離為500m時，丟包率不高于3.10%，平均丟包率不大于0.54%，說明系統(tǒng)的穩(wěn)定性和可靠性較好。

5 結(jié)論與展望

(1)本研究以礦井頂板監(jiān)測系統(tǒng)為研究對象，基于LoRa無線通信技術(shù)搭建了系統(tǒng)整體框架，并對數(shù)據(jù)采集模塊進行軟硬件設(shè)計，根據(jù)井下巷道結(jié)構(gòu)建立頂板分區(qū)模型，把頂板定位精度要求轉(zhuǎn)化成尋優(yōu)問題，利用節(jié)點值劃分所屬區(qū)域，通過CSO算法實現(xiàn)未知節(jié)點定位，解決了現(xiàn)有礦井頂板監(jiān)測系統(tǒng)遠距離、低功耗不可兼具及定位不精確的問題。

(2)通過仿真及測試實驗得知， 系統(tǒng)對節(jié)點安置密度標準要求不高，而且定位誤差小，無線傳輸距離半徑不低于300m，系統(tǒng)的穩(wěn)定性和可靠性較好。

(3)系統(tǒng)雖然解決了傳輸距離、定位等問題，但是對大量實時監(jiān)測數(shù)據(jù)的處理、應用等仍需深入研究，隨著數(shù)字孿生、高性能計算、GIS時空數(shù)據(jù)分析等技術(shù)的發(fā)展，提高其在可視化效果、監(jiān)測效率等方面的性能應是未來重點研究方向。