【《基于LoRa集成网关的大棚蔬菜监控系统的设计案例》6300字】

基于LoRa集成网关的大棚蔬菜监控系统的设计案例目录TOC\o"1-3"\h\u99891.1监控系统设计要求 241231.2系统总体构架 251091.2硬件系统设计 3251561.2.1控制模块设计 3256521.2.2网关模块设计 4267511.2.3节点模块设计 528781.3软件系统的设计 6272171.3.1软件系统方案设计 6134611.3.2多传感器融合算法 799841.3.4节点调参及串口调试 812941.4测试与分析 941331.1.1节点稳定性分析 9285571.1.2系统运行效果 10为有效优化之后总结的水肥响应规律，需要将测得的数据上传到云平台，结合大数据进行分析。云平台的加入，加深了数据采集的科学性、便捷性，方便进行实时分析，有利于水肥响应模型的优化。因此，本章设计了一种基于物联网、嵌入式技术、LoRa技术、可视化技术的云平台监控系统。该系统采用LoRa低功耗物联网技术配合RaspberryPi微处理器、RAK2245网关、RAK5205节点等，来实现对温室作物生长环境的监控。使用python与C#编写系统与管理平台程序，采用多传感器融合算法对环境数据进行处理，实现了对环境信息监测的可视化。针对温室的工作环境，综合考虑了本系统的成本、可靠性、扩展性等。1.1监控系统设计要求图物联网远程监控图Fig.IoTremotemonitoringdiagram(1)数据无线传输：搭建一套无线信息采集设备，能够采集大棚中得环境信息，并通过无线的方式通过网关传输到云平台进行监控。(2)信号稳定性：在园区及周围地区500m以内保持信号传输的稳定性，即节点丢包率与数据传输误差在较低的范围内。(3)兼容性：网关的设计要与水肥实施测控系统、互联网终端相兼容，实现底层设备与用户之间的数据交换。(4)云平台设计：要求在PC端与手机端能够显示上传的数据，并能通过不同的功能化模块对大棚中的蔬菜进行全方面监控。1.2系统总体构架本系统的整体结构包括了四个部分：控制模块、网关模块、节点模块、PLC执行模块，如图4-1所示。在控制模块中，主控制器采用RaspberryPi4B(树莓派)，其CSI(CameraSerialInterface)接口连接RaspberryPiCamera摄像头，将拍摄的图像、视频存储到主控制器的内存中，再通过HDMI接口由IPS触摸屏显示。在网关模块中，采用RAK2245PiHAT，它可以作为一个完整的LoRa网关射频前端嵌入到RaspberryPi中，并且将节点模块采集到的温室环境信息上传到云端进行查看。在节点模块中，采用RAK5205LoRaTracker，系统工作时，将各传感器采集的数据通过无线传输的方式上传到网关模块中。PLC执行模块中，由用户通过APP对HMI(人机交互界面)进行远程操控，HMI通过RS485连接PLC来控制喷灌装置、侧帘、顶帘、内遮阳等执行机构，对温室的环境进行调整，最终可以实现对大棚环境实时监控。图4-1大棚LoRa测控系统结构框图Fig.4-1BlockdiagramofgreenhouseLoRameasurementandcontrolsystem1.2硬件系统设计1.2.1控制模块设计主控制器采用RaspberryPi4B。其开发主板基于ARM，内存硬盘采用SD/MicroSD卡，并提供如USB、HDMI等多种接口与各种设备相连。其系统Raspbian基于Linux，目前也可以在Windows10上运行。支持Python作为主要的编程语言，还同时支持Java、BBCBASIC、C#和Python等编程语言。内核SOC(SystemonChip系统级芯片)采用BCM2711，64-位1.5GHz四核CPU，GPU采用BroadcomVideoCoreVI@500MHz。数据传输接口支持蓝牙5.0，USB2.0与3.0，microHDMI，千兆以太网口，802.11AC无线，2.4GHz/5GHz双频Wifi。其模块实物如图4-2所示。图4-2Pi4B模块实物图Fig.4-2Pi4Bmodulephysicalmap作为温室大棚环境测控系统的主控制器，负责将作物的影像资料、传感器采集的数据进行数据处理与显示，必须具备一定的数据运算能力。其CortexA72具有15指令流水线深度，并且提供无序执行功能，其性能满足测控系统的要求，基于此选择Pi4B作为主控制模块。1.2.2网关模块设计考虑到温室环境下组网的不便性及灵活的需求性，网关模块选择RAK2245PiHAT。该开发板能够以超高速来提供低速率的LoRa无线线路，并基于SemtechSX1301的集中器板，来管理许多远程分散端点的数据包，集成的两个SemtechSX125X用于射频前端I/Q收发器。RAK2245PiHAT具备将串口数据转化为IP数据以及无线通讯的能力，触摸屏可以通过ModBus-RTU协议实现通讯，进而实现远程操控。RAK2245PiHAT具有组网快速灵活，建设周期短简便、低成本、网络覆盖的范围广阔、安全性保密性好与简化编程过程的优势，因此选其作为本系统的网关。SX1301数字基带芯片包含10个可编程接收路径，这些路径具有不同程度的可编程性，并允许不同的用例。RAK2245具有出色的发射器与接收器RF性能，考虑到在监测系统中RF平均输出功率和电流功耗的稳定性，对功率配置使用优化配制。OFFSET是ADC的电压偏置设置，改变OFFSET值，可以改变CCD视觉检测系统增益，使得CCD的输出信号范围与ADC的量化范围相匹配，从而获得最好的动态范围，RSSI-Offset校准值设置为-169.0。表4-1为RAK2245的最大绝对额定值系统(IEC134)，在“最大绝对额定值”表中列出的压力超过一个或多个限定值时，可能会对模块造成永久性损坏。表4-1最大绝对额定值Tab.4-1Maximumabsoluterating参数描述最小值典型值最大值电源电压(VDD)输入直流电压-0.3V5.0V5.5V工作温度温度范围-40℃+85℃RF输入功率-15dBm1.2.3节点模块设计节点模块采用RAK5025LoRaTracker。它以SX1276LoRaWAN调制解调器为核心，采用低功耗单片机STM32L1，支持低功耗模式，可以低至11.5μA。其供电接口采用2-pin太阳能充电板插入接口(5V)，妥善的解决了温室布线问题[41]。工作温度为-35℃-+60℃，可以很好地适应温室环境。RAK5025为一个功能封装的传感器版，为应用程序开发提供各种接口，并支持IAR/Keil/Linux/Mbed多种开发环境，为将来应用于不同场景提供了便利性。通过SMA接口与UbloxMax7QGPS模块连接，获得温室实时的地理位置。3-axisMEMS传感器通过测量目标给定方向的力来测出其加速度。将其固定在温室喷灌设备的喷头上，3轴传感器可以测量出喷灌装置移动时力的方向，进而确定其目前状态的移动方向。在进行喷灌操作时，可以根据传感器提供的移动方向与角度信息，调整喷头的位置，实现对温室作物的精准喷灌。其模块电路如图3所示。环境传感器采用了BME680环境传感器、土壤电导率传感器、土壤EC值传感器等。其中BME680环境传感器凭借内部补偿算法以及对其气体、压力、温度和湿度传感器的精确出厂校准，提供卓越的环境测量性能。此款气体传感器可以在十亿分之一(ppb)范围内检测挥发性有机化合物(VOC)及其他气体，如一氧化碳和氢气。BME680的压力测量精度为±12Pa，亦即可提供±1m的精确高度信息，非常适合温室内作物生长环境信息的跟踪。此外，BME680还能测量相对湿度和环境温度，偏置温度系数仅为1.5Pa/K，响应时间为同类产品最佳。其模块电路如图4-3所示。图4-33-axisMEMS与BEM680传感模块电路图Fig.4-33-axisMEMSandBEM680sensingmodulecircuitdiagram1.3软件系统的设计1.3.1软件系统方案设计为了便于各模块的功能实现，系统连接，软件交互等，设计了系统软件方案[42]，整个系统软件设计流程图如图4-4所示。SSH(安全外壳协议)服务是开启远程登陆的前提，利用该协议可以有效防止远程管理过程中信息泄露的问题。网关频段的选择为CN470，并使其工作在客户端模式中接入无线网络。在配置LoRa节点模块时，系统读取脚本文件RAKwirelessUpdateRAK5205.json对信道参数、传感器功能定义、数据类型等进行配置，然后写入官方RAK5205.beta3.hex固件，对射频板硬件监测。若监测数据正常，则开启上下行处理线程：thread_up与thread_down。thread_up可以监测来自各个信道数据包，进行CRC校验，并定时向服务器更新日志。thread_down可以监测来自服务器的数据，并同时调用射频板将这些数据向各个节点发送。图4-4系统软件设计流程图Fig.4-4FlowchartofSystemSoftwareDesign1.3.2多传感器融合算法在温室大棚中，由于传感器节点的数量、分布位置与监测范围受到限制，使得各传感器节点在各个位置采集的环境参数分配不均匀，传感器节点与目标的位置关系会影响最终数据的精度，对作物生长模型环境参数影响较大。为了有效的融合多个传感器的观测数据，实现对温室环境中各个环境参数的精确跟踪，本文中采用多传感器自适应融合算法[43]来处理最终测量的数据。将N个传感器节点分布在温室不同的空间下，每个传感器节点真实测量值为Xi(i=0，1，2，⋯，N-1)，方差为σi(i=0，1，2，⋯，N-1)，所有的测量值之间相互独立，且为Ｘ的无偏估计。此次测量采用自适应加权算法，为每一个传感器节点分配权值为ωi(i=0，1，2，⋯，N-1)，根据传感器节点测量的数据Xi来自适应计算获取信息融合中的最优参数ωi。计算该最优参数的前提条件是令σ2总体平均方差的值最小，这样使得融合得到的结果X=i=0N−1ωi×X&minσ2=EX−X2对目标函数有：σ2=EX−X2=i=0当计算得出的总均方差σ2最小时，求对应的ωi，由多元函数求极值理论可以得到式(4-3)最优的加权因子。QUOTEωj=1σj×i=0N−11根据式(4-3)，得到每个传感器方差σi(i=0，1，2，⋯N-1)，便可以获得X的最优估计QUOTEXX。X=i=0N−1ωi×X当对融和精度进行评价时，通常使用计算均方误差的方式，最优加权因子对应的均方加权误差：σmin1.3.4节点调参及串口调试在本次温室环境监测系统中，BME680传感器程序需要定义其温度、湿度、气体、等环境参数，并按照传感器融合算法将其导入标准功能的配置中，其中所用到的编程语言为python与C#。在设备开发页面上调整设备数据分析。RAK节点提供的数据为二进制格式，云平台的数据格式为JSON格式。LoRa设备不适用于JSON格式的直接数据传输。因此，要写入原始数据，必须将数据分析脚本设备写入JSON数据。流量分析脚本的主要功能是RawToProtocol，它具有两个输入参数fPort和字节：fPort是设备报告的LoRaWAN协议数据的字段FPR。字节是LoRaWAN协议数据字段FRMPayload字段。主脚本函数的输出参数是产品数据模板协议格式的对象。为了使节点以OTTA方式入网并观察节点的运行状况，需要对节点进行串口调试。三元组参数设置：at+get_config=dev_euiat+get_config=app_euiat+get_config=app_key异频参数配置：at+set_config=ch_mask:0，ff00at+set_config=ch_mask:1，0at+set_config=ch_mask:2，0at+set_config=ch_mask:3，0at+set_config=ch_mask:4，f000at+set_config=ch_mask:5，000f参数设置完成后，设备会自动以OTAA方式入网。1.4测试与分析1.1.1节点稳定性分析试验在大棚中进行，共分为1、2、3、4号地。每块大棚都按垄面宽1.2m，垄面高0.25-0.3m，各垄之间沟渠宽0.25m整地。为探究节点的有效通讯距离，在距离地面以上1.2m处，空间围绕中心分别以200m为间隔布置4个BME680环境传感节点；地面以下0.2m处分别布置4个土壤EC和4个土壤电导率传感节点。终端节点可以实现光照、温湿度、CO2浓度、土壤电导率度等环境参数的采集。RAK2245网关模块安装在中心处负责接收、处理和发送来自终端节点的环境数据到服务器。由于在温室中节点传输数据的稳定性与节点的分布和所在的应用场景有关，因而现在不同线程数和不同通讯距离下，对传感器节点进行稳定性传输测试。采用自动化测试工具ApatheJMeter与抓包工具Simplicitystudio对系统进行稳定性测试。JMeter可用于模拟服务器，网络或对象上的重负载，测试其在不同电压类别下的强度，并分析整体性能。为了防止网络波动影响测试结果，网关和JMeterLAN测试仪都在同一交换机上运行。以不同请求量下服务器平均响应时间、吞吐量、请求响应数据速率间、请求失败率的关系来反映节点的请求反应性能。Simplicitystudio可以根据节点的通信距离测试节点传输性能，节点通信频段采用2.4GHz。将节点设置在每5min采集一次数据并上传，测试发送数据300次，以信号接收率来代表传感节点通讯距离的稳定性。网关RF的平均发射功率15dBm，接收灵敏度-136dBm，传播带宽250KHz。测试结果如表4-2所示。表4-2传感节点稳定性能测试表Tab.4-2Testtableforstabilityperformanceofsensornode节点通信距离/m线程数发送次数接收次数平均延迟吞吐量/sec接收速率/(KB/sec-1)失败率/%丢包率/%1号BME20030003003009423296.436.112.2102号BME40025003003009374245.335.36.2403号BME60020003003009156200.331.40.7604号BME80015003003008578701号土壤电导20030003003009723121.317.635.1202号土壤电导40025003002949522107.611.221.4823号土壤电导6002000300282931291.711.812.5764号土壤电导8001500300263901412.31号土壤EC20030003003009846118.916.842.3502号土壤EC4002500300291974198.912.128.6933号土壤EC6002000300275944581.410.718.678.34号土壤EC80015003002519103116.3测试结果表明，随着通信距离的增加，各传感节点的丢包率也随之上升；随着测试主机连接线程增多，服务器负荷增大，使各个节点平均响应时间、请求失败率、吞吐量、请求响应数据速率升高。BME680传感节点在测试距离内的稳定性优于土壤电导传感节点与土壤EC传感节点。产生这样的原因一是BME680传感节点采用了超低功耗微处理器ARMCortex-M3STM32L1，数据处理能力强，RF接收灵敏度高；二是在土壤介质中的传感节点数据传输效率会受到一定的影响。总体来说，当线程数维持在1500以下时，各节点请求失败率在3.41%以内，各传感节点具有不错的请求响应及传输速率；各节点通讯距离在600m以内时，数据的传输误差在8.3%以内，基本保证了数据不丢失。1.1.2系统运行效果云平台对外开放API、SDK以及opcserver数据接口，便