隋竹翠， 韓 磊， 熊 暢， 翁新?tīng)q

(武漢大學(xué) 電子信息學(xué)院，湖北 武漢430072)

0 引 言

隨著生活水平的提高，人們對(duì)家居舒適度、方便性、實(shí)用性和智能化等需求逐漸增強(qiáng)，靠人用遙控器控制空調(diào)、調(diào)節(jié)室溫的傳統(tǒng)方式已經(jīng)難以滿足人們的需求［1］。因此，需要開(kāi)發(fā)一套智能化的、方便與實(shí)用的溫度控制系統(tǒng)對(duì)空調(diào)進(jìn)行控制來(lái)實(shí)現(xiàn)家居溫度控制的智能化。

本文提出了一種基于ZigBee 無(wú)線通信的智能溫度控制系統(tǒng)。系統(tǒng)集信息顯示、人工溫度控制和智能溫度控制功能于一體，通過(guò)收集分布在室內(nèi)的溫度傳感器與人體紅外傳感器的監(jiān)測(cè)數(shù)據(jù)，結(jié)合用戶自身的溫度設(shè)置偏好，采用反向傳播(back propagation，BP)神經(jīng)網(wǎng)絡(luò)算法對(duì)用戶的溫度控制操作作出預(yù)測(cè)，智能地為用戶控制空調(diào)調(diào)節(jié)室溫。系統(tǒng)采用ZigBee 無(wú)線通信技術(shù)減少系統(tǒng)的布線復(fù)雜度，同時(shí)采用紅外遙控技術(shù)來(lái)控制空調(diào)，兼具智能、方便和實(shí)用的特點(diǎn)。

1 系統(tǒng)總體設(shè)計(jì)

系統(tǒng)主要分為傳感終端、控制終端和主控制臺(tái)，它們之間通過(guò)ZigBee 無(wú)線方式通信，可分置于室內(nèi)不同的地方［2］。

系統(tǒng)主控制臺(tái)的輸入來(lái)自傳感終端，傳感終端分為兩種，①人體紅外傳感器終端，放置于家中各處用于檢測(cè)用戶在家與否;②溫度傳感器終端，分置室內(nèi)不同地方處，用于采集室溫。所有的傳感終端采集的傳感信息通過(guò)ZigBee 無(wú)線方式發(fā)送至ZigBee 協(xié)調(diào)器，再由協(xié)調(diào)器傳給主控制臺(tái);主控制臺(tái)負(fù)責(zé)存儲(chǔ)、顯示并結(jié)合智能處理方案來(lái)處理傳感信息，發(fā)出控制信息;控制信息通過(guò)協(xié)調(diào)器以無(wú)線方式發(fā)送至控制終端，控制終端實(shí)現(xiàn)對(duì)空調(diào)的控制。系統(tǒng)主體結(jié)構(gòu)如圖1 所示。

圖1 系統(tǒng)的主體結(jié)構(gòu)

系統(tǒng)主控制臺(tái)的智能處理方案分為智能預(yù)測(cè)和突發(fā)情況處理兩種。智能預(yù)測(cè)是通過(guò)BP 神經(jīng)網(wǎng)絡(luò)算法找出用戶有規(guī)律的溫度設(shè)定特征和關(guān)閉(或開(kāi)啟)空調(diào)的時(shí)間段，并預(yù)測(cè)在接下來(lái)的具有相似特征的時(shí)間段內(nèi)，是否要提前關(guān)閉(或開(kāi)啟)空調(diào)或設(shè)定空調(diào)溫度。突發(fā)情況處理是指基于人體紅外傳感器、溫度傳感器的監(jiān)測(cè)信息，對(duì)于特殊情況，系統(tǒng)將在智能預(yù)測(cè)的結(jié)果上，對(duì)控溫操作進(jìn)行調(diào)整。主控制臺(tái)處理溫度控制操作的優(yōu)先級(jí)為人工操作高于突發(fā)情況處理高于智能預(yù)測(cè)。

2 實(shí)現(xiàn)方案

2.1 系統(tǒng)硬件設(shè)計(jì)

系統(tǒng)選用德州儀器公司的CC2530 片上系統(tǒng)(SoC)［3］解決方案來(lái)構(gòu)建ZigBee 無(wú)線網(wǎng)絡(luò)。CC2530集成了一個(gè)8051 單片機(jī)和IEEE 802.15.4 兼容無(wú)線收發(fā)器，RF 內(nèi)核控制模擬無(wú)線模塊，通過(guò)擴(kuò)展引出通用接口來(lái)與外部器件連接［4］。在本系統(tǒng)的ZigBee 網(wǎng)絡(luò)中，連接傳感器或控制器的CC2530 模塊叫做ZigBee 終端，連接主控制臺(tái)的CC2530 模塊叫做ZigBee 協(xié)調(diào)器。協(xié)調(diào)器建立ZigBee 無(wú)線通信網(wǎng)絡(luò)，終端加入該網(wǎng)絡(luò)后實(shí)現(xiàn)數(shù)據(jù)的無(wú)線傳輸［5］。

ZigBee 終端與傳感器共同組成傳感終端。傳感器分為溫度傳感器與人體紅外傳感器兩種，各傳感器將實(shí)時(shí)采集的信息通過(guò)I/O 接口發(fā)送給CC2530 微處理器，再無(wú)線發(fā)送至ZigBee 協(xié)調(diào)器。

溫度傳感器采用一線器件DSl8b20，其溫度測(cè)量范圍為55 ～125℃，它本身輸出數(shù)字信號(hào)，無(wú)需外部信號(hào)放大調(diào)理電路，以單總線方式通信［6］;人體紅外傳感器采用HC-SR501 人體感應(yīng)模塊，3 ～7 m 感應(yīng)距離，100°感應(yīng)錐角。人進(jìn)入其感應(yīng)范圍則輸出高電平，人離開(kāi)感應(yīng)范圍則自動(dòng)延時(shí)關(guān)閉高電平，輸出低電平［7］。為了更加準(zhǔn)確地測(cè)得整個(gè)空間的溫度，溫度傳感終端要分多個(gè)放置在室內(nèi)不同的地方。人體紅外傳感終端也要有放置多個(gè)，覆蓋室內(nèi)各區(qū)域。

ZigBee 協(xié)調(diào)器與搭載ARM9 芯片的嵌入式設(shè)備組成主控制臺(tái)。由于ARM9 嵌入式設(shè)備上的RS232串口為CMOS 電平，故需先經(jīng)過(guò)一個(gè)CMOS 轉(zhuǎn)TTL 接口電路，再以UART 方式與ZigBee 協(xié)調(diào)器連接。

ZigBee 終端與控制器(空調(diào)紅外控制模塊)共同組成控制終端。其中，空調(diào)紅外控制模塊以UART 串口方式與ZigBee 終端的CC2530 連接，它接收到控制信息后進(jìn)行分析和實(shí)現(xiàn)輸出控制紅外信號(hào)編碼，紅外發(fā)射電路將信號(hào)編碼轉(zhuǎn)變成紅外載波信號(hào)以實(shí)現(xiàn)對(duì)空調(diào)的控制［8］。

系統(tǒng)硬件結(jié)構(gòu)圖如圖2 所示(由于篇幅限制，各傳感終端只畫一個(gè)，實(shí)際有多個(gè))。

2.2 系統(tǒng)軟件設(shè)計(jì)

主控制臺(tái)的軟件開(kāi)發(fā)基于Linux 操作系統(tǒng)［9-10］。通過(guò)主控制臺(tái)的觸控屏幕可以實(shí)現(xiàn)人機(jī)交互，人機(jī)交互的圖形用戶界面GUI 使用Qt 軟件進(jìn)行開(kāi)發(fā)［11］，軟件的前臺(tái)部分包含顯示區(qū)與控制區(qū):顯示區(qū)對(duì)室內(nèi)溫度、室內(nèi)是否有人等信息進(jìn)行顯示;控制區(qū)則是相關(guān)的空調(diào)控制按鍵，方便用戶實(shí)現(xiàn)人工操作。

主控制臺(tái)的后臺(tái)智能處理方案包括智能預(yù)測(cè)、突發(fā)情況處理。首先系統(tǒng)會(huì)有一套默認(rèn)的溫度設(shè)定方案，從用戶第一天使用該系統(tǒng)起，系統(tǒng)便開(kāi)始記錄用戶近50 天每天每半小時(shí)的設(shè)置數(shù)據(jù)，包括用戶對(duì)空調(diào)的開(kāi)關(guān)、開(kāi)空調(diào)時(shí)設(shè)置的溫度、以及當(dāng)時(shí)的時(shí)間、室內(nèi)氣溫和用戶是否存在等數(shù)據(jù)。每更新一次數(shù)據(jù)，后臺(tái)便將這些數(shù)據(jù)送入BP 神經(jīng)網(wǎng)絡(luò)算法中處理并預(yù)測(cè)接下來(lái)是否需要為用戶提前打開(kāi)空調(diào)或設(shè)定溫度，此為智能預(yù)測(cè)。當(dāng)主控制臺(tái)發(fā)現(xiàn)預(yù)測(cè)的結(jié)果與來(lái)自傳感終端的實(shí)際情況不符合時(shí)(例如用戶生病未能正常上班而在家休養(yǎng)，或氣溫反常等)，系統(tǒng)會(huì)相應(yīng)的調(diào)整控制空調(diào)的操作，這是突發(fā)情況處理。

圖2 系統(tǒng)硬件結(jié)構(gòu)圖

圖3 是主控制臺(tái)智能化處理機(jī)制原理圖。

圖3 智能化處理機(jī)制邏輯圖

2.3 溫度預(yù)測(cè)算法

為了實(shí)現(xiàn)上述的智能預(yù)測(cè)功能，本系統(tǒng)采用BP神經(jīng)網(wǎng)絡(luò)算法［12-13］。該算法基于非線性不確定性數(shù)學(xué)模型，是一種具有連續(xù)傳遞函數(shù)的多層前饋人工神經(jīng)網(wǎng)絡(luò)，訓(xùn)練方式為誤差反向傳播算法，并以均方誤差最小化為目標(biāo)不斷修改網(wǎng)絡(luò)的權(quán)值和閾值，最終能高精度地?cái)M合數(shù)據(jù)［14］。BP 算法由兩部分組成:信息的前向傳遞和誤差的逆向傳播。

2.3.1 信息的前向傳遞

設(shè)輸入層神經(jīng)元為X =［x1，x2，…，xp］，隱含層神經(jīng)元為S=［s1，s2，…，sq］，輸出層神經(jīng)元為Y =［y1，y2，…，yr］。表示輸入層第k 個(gè)神經(jīng)元與隱含層第j個(gè)神經(jīng)元的連接權(quán)值，表示隱含層第j 個(gè)神經(jīng)元與輸出層第i 個(gè)神經(jīng)元的連接權(quán)值，φ()為激活函數(shù)。隱單元的輸入

相應(yīng)的輸出狀態(tài)

隱含層以同樣方式傳遞至輸出層

網(wǎng)絡(luò)的最終輸出

其中:激活函數(shù)φ()常取階躍函數(shù)、分段線性函數(shù)、對(duì)數(shù)S 型傳遞函數(shù)等。

2.3.2 誤差的逆向傳播

輸入具有p 維輸入q 維輸出的N 個(gè)樣本進(jìn)入輸入層，計(jì)算實(shí)際輸出與期望輸出均方跟誤差。將第h 個(gè)樣本的理想輸出計(jì)為{}，

如果E(W)沒(méi)有達(dá)到誤差要求ε，則進(jìn)入反向傳播過(guò)程，把輸出誤差信號(hào)E 以梯度形式，按原來(lái)正向傳播的通路逐層反向傳回，并將誤差信號(hào)E 分?jǐn)偨o各層的所有神經(jīng)元作為修正各連接權(quán)值和閾值的依據(jù)對(duì)其修改，并反復(fù)運(yùn)行信息的正向傳播和誤差逆向傳播兩過(guò)程，直至誤差信號(hào)E 收斂于ε［15］。

3 實(shí)驗(yàn)分析

我們?cè)贛atlab 中對(duì)該算法進(jìn)行了如下驗(yàn)證［16］:

3.1 選取樣本數(shù)據(jù)

用于訓(xùn)練網(wǎng)絡(luò)的樣本數(shù)據(jù)由5 個(gè)部分組成:時(shí)間段，是否檢測(cè)到人，氣溫，空調(diào)開(kāi)關(guān)，空調(diào)設(shè)定溫度。其中時(shí)間段，是否檢測(cè)到人，氣溫為神經(jīng)網(wǎng)絡(luò)輸入量，空調(diào)開(kāi)關(guān)，空調(diào)設(shè)定溫度為輸出量。將24 h 進(jìn)行48 等分，每一部分為30 min，作為一個(gè)控制周期。人物存在與否的概率依賴于時(shí)間段。空調(diào)開(kāi)關(guān)和人物存在，氣溫相關(guān)。空調(diào)設(shè)定溫度為氣溫的函數(shù)。一共選取了2 400個(gè)樣本作為訓(xùn)練數(shù)據(jù)。

3.2 神經(jīng)網(wǎng)絡(luò)的選取

采用BP 神經(jīng)網(wǎng)絡(luò)，分成三層:輸入成3 個(gè)結(jié)點(diǎn)，分別對(duì)應(yīng)3 個(gè)輸入變量;輸出層2 個(gè)結(jié)點(diǎn)，對(duì)應(yīng)2 個(gè)輸出變量;中間層經(jīng)過(guò)優(yōu)化，選取20 個(gè)結(jié)點(diǎn)用于訓(xùn)練。相鄰兩層之間激活函數(shù)均采用對(duì)數(shù)S 形轉(zhuǎn)移函數(shù)，訓(xùn)練函數(shù)采用梯度下降自適應(yīng)學(xué)習(xí)率訓(xùn)練函數(shù)，迭代次數(shù)為1 000 次。

3.3 選取測(cè)試數(shù)據(jù)進(jìn)行測(cè)試

測(cè)試數(shù)據(jù)的生成方法同樣本數(shù)據(jù)，共2 400 個(gè)測(cè)試樣本。將測(cè)試數(shù)據(jù)中的“時(shí)間段”，“是否檢測(cè)到人”和“氣溫”輸入到由樣本訓(xùn)練出的神經(jīng)網(wǎng)絡(luò)中，得到2個(gè)輸出量空調(diào)開(kāi)關(guān)和空調(diào)設(shè)定溫度。將輸出結(jié)果和測(cè)試數(shù)據(jù)作比較，開(kāi)關(guān)預(yù)測(cè)誤差和溫度預(yù)測(cè)誤差如圖4所示。

圖4 預(yù)測(cè)誤差

經(jīng)計(jì)算，神經(jīng)網(wǎng)絡(luò)對(duì)空調(diào)開(kāi)關(guān)預(yù)測(cè)的準(zhǔn)確度為92%，對(duì)溫度控制預(yù)測(cè)的平均誤差為0.846 8 ℃。由此可見(jiàn)，采用BP 神經(jīng)網(wǎng)絡(luò)模型可以實(shí)現(xiàn)較高精度的智能預(yù)測(cè)。

在系統(tǒng)中，通過(guò)持續(xù)將用戶設(shè)定數(shù)據(jù)放入神經(jīng)網(wǎng)絡(luò)中進(jìn)行訓(xùn)練，網(wǎng)絡(luò)會(huì)逐漸訓(xùn)練成型，并可進(jìn)入自動(dòng)運(yùn)行狀態(tài)。同時(shí)，來(lái)自各傳感器的數(shù)據(jù)也將在系統(tǒng)自動(dòng)運(yùn)行時(shí)幫助修正控制偏差，進(jìn)一步完善網(wǎng)絡(luò)。

4 結(jié) 語(yǔ)

經(jīng)過(guò)測(cè)試，采用BP 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)算法的智能溫度控制系統(tǒng)運(yùn)行良好，智能化程度高，數(shù)據(jù)傳輸穩(wěn)定，控制精準(zhǔn)，能夠適配大部分空調(diào)。當(dāng)然，該系統(tǒng)離普及使用還有一段距離，將系統(tǒng)精簡(jiǎn)化、美觀化將是我們下一階段的研究重點(diǎn)。

［1］ 萬(wàn)文斌，石 勇.基于ZigBee 的智能開(kāi)關(guān)控制系統(tǒng)的應(yīng)用與設(shè)計(jì)［J］.電氣自動(dòng)化，2010，32(3):57-59.

［2］ 蔣 挺，趙成林.紫蜂技術(shù)及其應(yīng)用［M］.北京:北京郵電大學(xué)出版社，2006.

［3］ Texas Instruments. CC2530 datasheet［EB/OL］. ［2013-01-05］.http://www. ti. com. cn/product/cn/CC2530/technicaldocuments?keyMatch=CC2530＆tisearch=Search-CN-Everything.

［4］ 徐書芳，王金海，宮玉龍，等.基于ZigBee 的智能家居控制系統(tǒng)的研究與設(shè)計(jì)［J］.電子技術(shù)應(yīng)用，2013，39(8):80-83.

［5］ 姜 仲，劉 丹.ZigBee 技術(shù)與實(shí)訓(xùn)教程:基于CC2530 的無(wú)線傳感網(wǎng)技術(shù)［M］.北京:清華大學(xué)出版社，2014.

［6］ 祝良榮，金永敏. 基于ZigBee 無(wú)線技術(shù)的分布式溫度監(jiān)測(cè)系統(tǒng)［J］.機(jī)械與電子，2010(3):49-51，56.

［7］ 深圳市捷深科技有限公司. HC-SR501 人體感應(yīng)模塊說(shuō)明書.［EB/OL］.［2011-06-14］. http://cn. sonhoo. com/company_web/sale-detail-5462755.html.

［8］ 曹 帥，劉純天.基于Zigbee 與紅外遙控技術(shù)的家居無(wú)線控制網(wǎng)絡(luò)設(shè)計(jì)［J］.機(jī)電產(chǎn)品開(kāi)發(fā)與創(chuàng)新，2010，23(1):149-151.

［9］ 胡 衡，梁嵐珍.基于ZigBee 和ARM 的溫室大棚多點(diǎn)溫度采集系統(tǒng)的設(shè)計(jì)［J］.江蘇農(nóng)業(yè)科學(xué)，2014(7):416-419.

［10］ 韋東山.嵌入式Linux 應(yīng)用開(kāi)發(fā)完全手冊(cè)［M］. 北京:人民郵電出版社，2008.

［11］ 韓少云，奚海蛟，諶 利.基于嵌入式Linux 的Qt 圖形程序?qū)崙?zhàn)開(kāi)發(fā)［M］.北京:北京航空航天大學(xué)出版社，2012.

［12］ 蔣宗禮.人工神經(jīng)網(wǎng)絡(luò)導(dǎo)論［M］.北京:高等教育出版社，2001.

［13］ 陳祥光，裴旭東.人工神經(jīng)網(wǎng)絡(luò)技術(shù)及應(yīng)用［M］.北京:中國(guó)電力出版社，2003.

［14］ 李曉峰，劉光中.人工神經(jīng)網(wǎng)絡(luò)BP 算法的改進(jìn)及其應(yīng)用［J］. 四川大學(xué)學(xué)報(bào)(工程科學(xué)版)，2000，32(2):105-109.

［15］ 劉春艷，凌建春.GA-BP 神經(jīng)網(wǎng)絡(luò)與BP 神經(jīng)網(wǎng)絡(luò)性能比較［J］.中國(guó)衛(wèi)生統(tǒng)計(jì)，2013，30(2):173-176，181.

［16］ 劉保柱，蘇彥華，張宏林.MATLAB 7.0 從入門到精通(修訂版)［M］.北京:人民郵電出版社，2010.