李少年李 毅魏列江李金平楊 攀包尚令

(蘭州理工大學(xué)能源與動(dòng)力工程學(xué)院，甘肅 蘭州 730050)

農(nóng)業(yè)現(xiàn)代化是國家現(xiàn)代化的基礎(chǔ)和支撐，目前仍是我國農(nóng)業(yè)發(fā)展的突出短板，發(fā)展設(shè)施農(nóng)業(yè)是實(shí)現(xiàn)現(xiàn)代化農(nóng)業(yè)的重要途徑之一，而溫室大棚則是設(shè)施農(nóng)業(yè)的重要組成部分[1]。 溫室是一個(gè)內(nèi)部參數(shù)時(shí)刻在動(dòng)態(tài)變化著的系統(tǒng)。 溫室中的空氣溫濕度、二氧化碳濃度、光照強(qiáng)度、土壤濕度等環(huán)境因素與作物的生長情況密切相關(guān)[2－4]。 同時(shí)，溫室也是一個(gè)多變量、非線性的不確定系統(tǒng)[5]，因此，對環(huán)境參數(shù)的精確采集就顯得尤為重要。

利用物聯(lián)網(wǎng)實(shí)現(xiàn)信息采集和傳輸?shù)募夹g(shù)已經(jīng)日漸成熟，將ZigBee 無線傳感網(wǎng)絡(luò)應(yīng)用在溫室控制系統(tǒng)中已成為大量學(xué)者的研究方向之一[6－8]。 無線傳感技術(shù)可節(jié)省線纜、變送器和采集卡等硬件設(shè)備，而且具有功率小、可靠性高的特點(diǎn)[9]，它對單個(gè)節(jié)點(diǎn)的精度要求不高，同時(shí)也增強(qiáng)了系統(tǒng)的容錯(cuò)性。

我國大多數(shù)地區(qū)溫室數(shù)據(jù)采集的方法比較落后，存在設(shè)施結(jié)構(gòu)簡單、采集精度低等問題。 一些發(fā)達(dá)國家如日本、荷蘭、美國等在溫室研究方面取得了顯著的成果，采取多傳感器數(shù)據(jù)融合的方法，對采集到的環(huán)境信息通過多種途徑進(jìn)行融合，有效地提高了數(shù)據(jù)的傳輸效率和信息的準(zhǔn)確性[10]。 張平川等人[11]設(shè)計(jì)了卡爾曼濾波、歐幾里德距離公式及多元聚類統(tǒng)計(jì)相結(jié)合的多傳感器數(shù)據(jù)融合算法，這種方法對傳感器的分組方式依賴較強(qiáng)，分組不同，數(shù)據(jù)融合的結(jié)果不同，誤差也會(huì)不同。 王振等人[12]提出了一種基于狄克遜準(zhǔn)則的卡爾曼數(shù)據(jù)融合算法，但狄克遜準(zhǔn)則的計(jì)算量較大，會(huì)導(dǎo)致系統(tǒng)功耗增大。 高昕等人[13]在采集參數(shù)時(shí)引入了卡爾曼濾波器，對數(shù)據(jù)進(jìn)行實(shí)時(shí)動(dòng)態(tài)處理，每次濾波只進(jìn)行一次卡爾曼循環(huán)，只能有限地減少誤差，且未考慮傳感器故障等情況。 目前多傳感器數(shù)據(jù)融合的方法有加權(quán)平均法、貝葉斯估計(jì)法、D－S 論證法、卡爾曼濾波法、模糊邏輯推理法等[14－15]。

另一方面，由于溫室面積較大，同一環(huán)境參數(shù)需要在不同區(qū)域布置多個(gè)傳感器來進(jìn)行檢測，因此會(huì)存在大量傳感器冗余數(shù)據(jù)。 當(dāng)因傳感器精度不高而導(dǎo)致誤差較大或測量波動(dòng)明顯時(shí)，會(huì)直接導(dǎo)致系統(tǒng)的控制效果不佳。

基于以上分析，本文研制了一種基于改進(jìn)卡爾曼數(shù)據(jù)融合算法的溫室物聯(lián)網(wǎng)采集系統(tǒng)，借助傳感器技術(shù)、ZigBee 技術(shù)和卡爾曼濾波技術(shù)對各類傳感器測得的數(shù)據(jù)進(jìn)行采集、傳輸和融合處理，在此基礎(chǔ)上可提高系統(tǒng)的控制精度，是一種高效的溫室數(shù)據(jù)采集模式。

1 系統(tǒng)總體設(shè)計(jì)

1.1 系統(tǒng)框架

數(shù)據(jù)采集系統(tǒng)的總體框圖如圖1 所示，系統(tǒng)整體框架分為三部分:ZigBee 無線傳感模塊、STM32 主控平臺模塊和遠(yuǎn)程監(jiān)控模塊。 系統(tǒng)選用DHT11 空氣溫濕度傳感器、GM5516 光敏電阻、SGP30 氣體濃度傳感器和KTR-TW 傳感器，分別對溫室中的空氣溫濕度、光照強(qiáng)度、二氧化碳濃度和土壤濕度進(jìn)行檢測。

圖1 數(shù)據(jù)采集系統(tǒng)的總體框圖

數(shù)據(jù)采集的流程為:各類傳感器分別對溫室中的空氣溫濕度、光照強(qiáng)度、二氧化碳濃度和土壤濕度進(jìn)行檢測，通過串口將測得的數(shù)據(jù)上傳給ZigBee 終端節(jié)點(diǎn)，ZigBee 終端節(jié)點(diǎn)再將數(shù)據(jù)通過路由器中轉(zhuǎn)發(fā)送至協(xié)調(diào)器，協(xié)調(diào)器將數(shù)據(jù)進(jìn)行處理、打包并上傳給STM32 微處理器，STM32 微處理器對數(shù)據(jù)進(jìn)行一系列有規(guī)律的存儲(chǔ)和分析后，通過TCP/IP 協(xié)議將數(shù)據(jù)信息傳遞給上位機(jī)端，在上位機(jī)界面上進(jìn)行顯示，這樣，操作人員可直接監(jiān)測溫室內(nèi)各類參數(shù)的變化，并且可以進(jìn)行適當(dāng)?shù)恼{(diào)控。

1.2 系統(tǒng)軟件開發(fā)

系統(tǒng)的軟件設(shè)計(jì)分為ZigBee 無線傳感網(wǎng)絡(luò)的軟件設(shè)計(jì)、STM32 主控平臺的軟件設(shè)計(jì)和遠(yuǎn)程監(jiān)控端的軟件設(shè)計(jì)三部分。

選擇Keil5 軟件作為ZigBee 無線傳感網(wǎng)絡(luò)節(jié)點(diǎn)的開發(fā)平臺。 ZigBee 終端節(jié)點(diǎn)負(fù)責(zé)對溫室內(nèi)的環(huán)境參數(shù)進(jìn)行采集，根據(jù)傳感器自帶的數(shù)據(jù)手冊，可將程序移植到APP 層，使用Z-Stack 提供的API 工具對函數(shù)進(jìn)行調(diào)用后，在Keil 軟件中進(jìn)行程序的調(diào)試，Keil調(diào)試程序如圖2 所示。 為減少系統(tǒng)的功耗，將終端節(jié)點(diǎn)的喚醒周期設(shè)置為15 min，即每15 min 進(jìn)行一次數(shù)據(jù)的采集與上傳，在工作周期外終端節(jié)點(diǎn)為休眠狀態(tài)。 終端節(jié)點(diǎn)的工作流程為:初始化終端節(jié)點(diǎn)后加入?yún)f(xié)調(diào)器網(wǎng)絡(luò)，在工作周期內(nèi)，每15 min 調(diào)用一次GetTemp( )函數(shù)用來采集各類傳感器測得的環(huán)境參數(shù)，將數(shù)據(jù)進(jìn)行封裝后發(fā)送數(shù)據(jù)幀到路由器或協(xié)調(diào)器。 ZigBee 協(xié)調(diào)器是整個(gè)ZigBee 網(wǎng)絡(luò)的核心，它負(fù)責(zé)組建網(wǎng)絡(luò)、接收各個(gè)節(jié)點(diǎn)發(fā)送的數(shù)據(jù)、處理數(shù)據(jù)并通過串口上傳給STM32 微處理器。 協(xié)調(diào)器節(jié)點(diǎn)的工作流程為:系統(tǒng)初始化后進(jìn)行通道掃描，當(dāng)有空閑通道時(shí)，給其配置網(wǎng)絡(luò)參數(shù)并組建網(wǎng)絡(luò)，在此之后進(jìn)入監(jiān)控狀態(tài)，隨時(shí)等待節(jié)點(diǎn)申請入網(wǎng)或?qū)K端節(jié)點(diǎn)發(fā)送的數(shù)據(jù)進(jìn)行接收，若收到數(shù)據(jù)，則將數(shù)據(jù)運(yùn)用其內(nèi)置算法進(jìn)行處理后打包發(fā)送給主控制器。

圖2 Keil 調(diào)試程序

STM32 主控制器是主控平臺的核心，選擇Keil5作為它的軟件開發(fā)平臺。 STM32 主控制器軟件在設(shè)備上電后進(jìn)行串口和環(huán)境調(diào)控的初始化，串口1收到協(xié)調(diào)器節(jié)點(diǎn)發(fā)送的數(shù)據(jù)后將其上傳給主控制器，當(dāng)數(shù)據(jù)超出系統(tǒng)在遠(yuǎn)程監(jiān)控端設(shè)定的閾值時(shí)，STM32 控制繼電器動(dòng)作。 數(shù)據(jù)封裝后通過4G 模塊發(fā)送給遠(yuǎn)程監(jiān)控中心，監(jiān)控中心通過控制繼電器動(dòng)作對環(huán)境進(jìn)行調(diào)控。

采用NI 公司研發(fā)的LabVIEW 軟件進(jìn)行PC 端的上位機(jī)程序開發(fā)，它是一個(gè)面向最終用戶的工具，使用圖形化的編程方式，易學(xué)習(xí)且功能強(qiáng)大。 程序設(shè)計(jì)包括登錄界面、用戶管理、密碼修改、參數(shù)設(shè)置、繼電器動(dòng)作、實(shí)時(shí)數(shù)據(jù)顯示、歷史數(shù)據(jù)查看等功能，LabVIEW 程序開發(fā)如圖3 所示。

圖3 LabVIEW 程序開發(fā)

1.3 系統(tǒng)硬件開發(fā)

在溫室中，ZigBee 模塊的協(xié)調(diào)器、路由器、傳感器和主控制器等部分構(gòu)成了系統(tǒng)的硬件平臺，對系統(tǒng)硬件部分的設(shè)計(jì)應(yīng)遵循穩(wěn)定性高、功耗低的條件。

使用Altium Designer 軟件進(jìn)行系統(tǒng)硬件電路設(shè)計(jì)。 ZigBee 的硬件包括傳感器模塊、CC2530 芯片、電源和頻射天線等部分。 STM32 主控平臺的硬件結(jié)構(gòu)包括晶振電路、電源穩(wěn)壓電路、電源濾波電路、JLINK 接口電路、BOOT 選擇電路、USB 接口電路、復(fù)位電路等。 在選擇STM32 芯片時(shí)，需考慮系統(tǒng)的整體功耗大小、成本高低和開發(fā)周期的問題，本次設(shè)計(jì)選擇STM32F103C8T6 芯片，它具有豐富的I/O 接口，支持多路串行通訊，可滿足設(shè)計(jì)需求。

2 數(shù)據(jù)預(yù)處理

傳感器在工作時(shí)可能會(huì)出現(xiàn)故障，導(dǎo)致測量數(shù)據(jù)異常而攜帶粗大誤差，嚴(yán)重影響了數(shù)據(jù)融合結(jié)果的精度[16－18]。 因此，需要對初始數(shù)據(jù)進(jìn)行預(yù)處理，剔除對系統(tǒng)造成影響的粗大誤差。

判別粗大誤差常用的方法有羅曼諾夫斯基準(zhǔn)則、格羅布斯準(zhǔn)則和狄克松準(zhǔn)則等[19]，本次研究選擇羅曼諾夫斯基準(zhǔn)則來判別粗大誤差，它適合在采樣次數(shù)較少時(shí)使用。 羅曼諾夫斯基準(zhǔn)則又稱t檢驗(yàn)準(zhǔn)則，用于測量次數(shù)在4～30 次之內(nèi)的測量過程，其特點(diǎn)是先剔除一個(gè)可疑測量值，然后應(yīng)用t檢驗(yàn)準(zhǔn)則來檢測這個(gè)可疑值是否包含粗大誤差，判斷過程如下:

對某個(gè)量進(jìn)行多次獨(dú)立的等精度測量，測得結(jié)果為:

若認(rèn)為測量值xj為可疑數(shù)據(jù)，則將其剔除，即xj不參與計(jì)算，其余測量值的平均值:

設(shè)第i次測量結(jié)果的誤差vi＝xi－，則利用貝塞爾公式計(jì)算測量結(jié)果的標(biāo)準(zhǔn)差為:

根據(jù)測量次數(shù)n和選取的顯著度α，通過查表法可獲取t分布的檢驗(yàn)系數(shù)K(n，α)的值，α取值一般為0.05 或0.01，表1 為檢驗(yàn)系數(shù)K取值表，其中測量次數(shù)n的范圍為13～20 次。

表1 檢驗(yàn)系數(shù)K 取值表

若xj滿足式(4)關(guān)系:

就認(rèn)為第j次測量結(jié)果xj含有粗大誤差，應(yīng)該剔除，否則認(rèn)為xj不含粗大誤差，應(yīng)予保留。 以此類推，可將每個(gè)測量參數(shù)逐個(gè)進(jìn)行檢驗(yàn)，直至測量數(shù)據(jù)組不再含有粗大誤差為止[20]。

3 卡爾曼濾波

雖然進(jìn)行了數(shù)據(jù)預(yù)處理，但由于無線傳感器本身存在測量精度不高的問題，會(huì)產(chǎn)生測量誤差，通過采集節(jié)點(diǎn)采集到的數(shù)據(jù)也存在著大量的數(shù)據(jù)冗余和噪聲干擾[21－23]，會(huì)使系統(tǒng)的控制精度下降。 卡爾曼濾波器是一種最優(yōu)化遞歸數(shù)字處理算法[24－26]，它十分適合使用在溫室系統(tǒng)中，適合卡爾曼濾波算法的系統(tǒng)特點(diǎn)為:系統(tǒng)不存在完美的數(shù)學(xué)模型或系統(tǒng)模型難以建立、系統(tǒng)擾動(dòng)是不可控的且系統(tǒng)中的傳感器測量存在著誤差[27]。 卡爾曼濾波器的狀態(tài)空間方程如下所示:

狀態(tài)方程:

觀測方程:

式中:k為離散時(shí)間，X(k)為系統(tǒng)在k時(shí)刻的狀態(tài)，Y(k)為系統(tǒng)在k時(shí)刻的觀測信號，W(k)∈N(0，Q)為系統(tǒng)在k時(shí)刻的過程噪聲，V(k)∈N(0，R)為系統(tǒng)在k時(shí)刻的觀測噪聲，U(k)為系統(tǒng)在k時(shí)刻的輸入信號，A為狀態(tài)轉(zhuǎn)移矩陣，B為控制矩陣，Γ為噪聲驅(qū)動(dòng)矩陣，H為觀測矩陣，P為協(xié)方差矩陣，R為觀測噪聲方差，Q為過程噪聲方差。

卡爾曼濾波器的實(shí)現(xiàn)過程為:使用上一次的最優(yōu)結(jié)果(k－1 ｜k－1)預(yù)測當(dāng)前的先驗(yàn)值(k｜k－1)，同時(shí)使用當(dāng)前的觀測值Y(k)修正當(dāng)前的先驗(yàn)值(k｜k－1)，得到當(dāng)前的最優(yōu)結(jié)果(k｜k)。 卡爾曼濾波流程如圖4 所示。

圖4 卡爾曼濾波圖示

式中:I為單位矩陣，K(k)為系統(tǒng)在k時(shí)刻的卡爾曼增益，(k｜k－1)為系統(tǒng)在k時(shí)刻的先驗(yàn)值，(k－1 ｜k－1)為系統(tǒng)在k－1 時(shí)刻的最優(yōu)估計(jì)值，(k｜k)為系統(tǒng)在k時(shí)刻的最優(yōu)估計(jì)值。

4 改進(jìn)的卡爾曼數(shù)據(jù)融合算法

以溫室中的溫度作為觀測對象，在測量時(shí)，由于人體干擾，陽光照射，風(fēng)力干擾等因素，溫室中的溫度會(huì)存在波動(dòng)，且溫室中存在通風(fēng)裝置，會(huì)與外界產(chǎn)生空氣流通和交換，在此過程中會(huì)存在過程噪聲，方差為Q。 在傳感器測量時(shí)，由于精度影響會(huì)存在測量誤差V(k)，方差為R。 由于溫室中的溫度變化為一維系統(tǒng)，即X(k)為一維變量，相應(yīng)地A＝Γ＝H＝1，系統(tǒng)無控制輸入，控制量U(k)＝0。 化簡后，溫室的狀態(tài)空間方程為:

狀態(tài)方程:

觀測方程:

卡爾曼濾波器核心公式為:

4.1 方案分析與選擇

本次方案分為兩種:取一個(gè)傳感器在不同的時(shí)刻對同一區(qū)域內(nèi)的溫度進(jìn)行測量，使用卡爾曼濾波算法進(jìn)行動(dòng)態(tài)濾波，觀察其誤差情況；取一組傳感器在同一時(shí)刻對同一區(qū)域內(nèi)的溫度進(jìn)行測量，使用卡爾曼濾波算法進(jìn)行靜態(tài)濾波，觀察其誤差的情況。

選取溫度作為觀測量并使用MATLAB 軟件進(jìn)行編程和仿真，假設(shè)溫室內(nèi)的初始溫度為24.5 ℃，室溫內(nèi)的期望溫度為25 ℃，初始測量誤差為2 ℃，卡爾曼濾波初始估計(jì)誤差為5 ℃，由于溫室是封閉的狀態(tài)，與外界的能量交換十分微弱，取Q＝0.01。查閱產(chǎn)品的說明書，DHT11 溫度傳感器的方差為0.25，即R＝0.25。

將初始參數(shù)帶入式(11)～式(17)中進(jìn)行仿真，動(dòng)態(tài)卡爾曼數(shù)據(jù)融合曲線如圖5 所示，誤差曲線如圖6 所示。

由圖5 和圖6 可看出，在動(dòng)態(tài)測量中使用卡爾曼算法進(jìn)行濾波時(shí)的估計(jì)值和真實(shí)值較為接近，但溫度誤差的波動(dòng)較大，多次達(dá)到了0.5 ℃。

圖5 動(dòng)態(tài)卡爾曼數(shù)據(jù)融合曲線

圖6 動(dòng)態(tài)卡爾曼數(shù)據(jù)融合誤差曲線

取20 組傳感器測量的溫度數(shù)據(jù)進(jìn)行靜態(tài)的卡爾曼數(shù)據(jù)融合，測量數(shù)據(jù)為:[24.5 ℃；25.7 ℃；24.9 ℃；26.5 ℃；24.3 ℃；26.8 ℃；25.4 ℃；26.6 ℃；25.2 ℃；23.9 ℃；24.6 ℃；24.9 ℃；25.6 ℃；26.3 ℃；23.8 ℃；24.7 ℃；26.1 ℃；25.5 ℃；25.7 ℃；23.4 ℃]。 靜態(tài)卡爾曼數(shù)據(jù)融合曲線和誤差曲線如圖7 和圖8 所示。

圖7 靜態(tài)卡爾曼數(shù)據(jù)融合曲線

圖8 靜態(tài)卡爾曼數(shù)據(jù)融合誤差曲線

從圖7 可以看出，經(jīng)過靜態(tài)卡爾曼數(shù)據(jù)融合后，在第十次濾波后就得到了較為穩(wěn)定的溫度值，與真實(shí)值較接近。 由圖8 可以看出，隨著采樣次數(shù)的增加，溫度誤差逐漸減小，最終接近0.1 ℃。 也就是說，隨著測量次數(shù)的增加，測量結(jié)果逐漸趨近于真實(shí)值。

基于以上討論，本系統(tǒng)選擇多傳感器在協(xié)調(diào)器端進(jìn)行靜態(tài)卡爾曼數(shù)據(jù)融合的方法。

4.2 改進(jìn)的卡爾曼數(shù)據(jù)融合算法

卡爾曼濾波器會(huì)根據(jù)上一時(shí)刻的估計(jì)值和當(dāng)前的測量值來估算下一刻的估計(jì)值[28－29]，由此可以看出，當(dāng)某個(gè)傳感器出現(xiàn)故障而導(dǎo)致其測量值攜帶粗大誤差時(shí)，會(huì)對卡爾曼濾波的數(shù)據(jù)融合的效果產(chǎn)生影響。

為了分析卡爾曼濾波算法受到含有粗大誤差的數(shù)據(jù)干擾時(shí)的數(shù)據(jù)融合效果，在第7 次和第18 次測量結(jié)果中加入粗大誤差，分別將25.4 ℃、25.5 ℃變?yōu)楹写执笳`差的30.4 ℃、30 ℃后，再使用卡爾曼濾波算法進(jìn)行數(shù)據(jù)融合，觀察其數(shù)據(jù)處理的效果。

加入粗大誤差時(shí)，得到的卡爾曼數(shù)據(jù)融合曲線如圖9 所示，誤差曲線如圖10 所示。

圖9 加入含粗大誤差數(shù)據(jù)時(shí)卡爾曼數(shù)據(jù)融合曲線

圖10 加入含粗大誤差數(shù)據(jù)時(shí)卡爾曼數(shù)據(jù)融合誤差曲線

由圖9、圖10 可以看出:在第7 組和第18 組數(shù)據(jù)含有粗大誤差時(shí)，卡爾曼數(shù)據(jù)融合曲線和誤差曲線均在7 次和第18 次測量后出現(xiàn)了較大波動(dòng)，溫度誤差達(dá)到了1.1 ℃和0.86 ℃，最終的融合結(jié)果也受到了影響。 由此可以得出:攜帶粗大誤差的測量數(shù)據(jù)會(huì)對卡爾曼濾波器的數(shù)據(jù)融合效果產(chǎn)生較大的干擾，應(yīng)當(dāng)剔除。

選取顯著度α的值為0.05，檢驗(yàn)系數(shù)K(0.05，20)＝2.16，使用羅曼諾夫斯基準(zhǔn)則對含有粗大誤差的數(shù)據(jù)進(jìn)行處理和濾除后，再使用卡爾曼濾波算法進(jìn)行數(shù)據(jù)融合，得到濾除粗大誤差前后的誤差對比曲線如圖11 所示。

圖11 濾除粗大誤差前后的誤差對比

從圖11 可以看出，使用改進(jìn)的卡爾曼濾波算法進(jìn)行數(shù)據(jù)融合后得到溫度的誤差由0.57 ℃降為0.089 ℃。 數(shù)據(jù)預(yù)處理的方法可以有效地解決測量數(shù)據(jù)攜帶粗大誤差的問題。

5 實(shí)驗(yàn)驗(yàn)證

對甘肅省蘭州市甲子山上搭建的溫室大棚內(nèi)的溫度進(jìn)行測量，測量時(shí)間選擇為6 月份某天的7:00～14:00，DHT11 溫度傳感器每15 分鐘測量一次溫度值并通過ZigBee 無線通訊模塊將測量數(shù)據(jù)傳輸給STM32 微處理器，STM32 微處理器再將數(shù)據(jù)傳送給上位機(jī)進(jìn)行顯示。 實(shí)驗(yàn)測量圖如圖12 所示，遠(yuǎn)程監(jiān)控界面如圖13 所示。

圖12 實(shí)驗(yàn)測量圖

圖13 遠(yuǎn)程監(jiān)控界面

由于難以獲得環(huán)境參數(shù)的真實(shí)值，選用Ametek公司的DTI-1000 數(shù)字測溫儀測量的溫度近似代替溫室內(nèi)溫度的真實(shí)值，它具有低漂移校準(zhǔn)性、可靠性好和準(zhǔn)確性高的特點(diǎn)， DTI-1000 分辨率高達(dá)0.001 ℃，可用于驗(yàn)證任何類型的溫度校準(zhǔn)儀器的溫度真值。

選取一組溫室內(nèi)DHT11 溫度傳感器測得的數(shù)據(jù)和在同一時(shí)間同一區(qū)域內(nèi)使用DTI-1000 數(shù)字測溫儀測量的數(shù)據(jù)，再將溫度傳感器測得的數(shù)據(jù)組經(jīng)過預(yù)處理后使用卡爾曼濾波算法進(jìn)行數(shù)據(jù)融合，得到一組新的數(shù)據(jù)，將這三組數(shù)據(jù)進(jìn)行擬合，溫度數(shù)據(jù)擬合曲線如圖14 所示。

從圖14 可以看出，將溫度傳感器測得的數(shù)據(jù)組經(jīng)過改進(jìn)卡爾曼數(shù)據(jù)融合算法處理后，與專業(yè)溫度測量儀器測得的數(shù)值重合度很高，變化幾乎一致。

圖14 溫度數(shù)據(jù)擬合曲線

為了驗(yàn)證處理結(jié)果的合理性，同時(shí)使用改進(jìn)卡爾曼數(shù)據(jù)融合算法對溫室中的濕度數(shù)據(jù)進(jìn)行處理和擬合，得到的濕度數(shù)據(jù)擬合曲線如圖15 所示。

圖15 濕度數(shù)據(jù)擬合曲線

由圖14、圖15 可看出，通過改進(jìn)卡爾曼數(shù)據(jù)融合算法可有效地提高系統(tǒng)的采集精度，從而可提升系統(tǒng)的控制精度，有利于系統(tǒng)下一步的控制操作和執(zhí)行操作。

6 結(jié)論

為解決傳統(tǒng)溫室中環(huán)境數(shù)據(jù)采集精度不高、能耗大、監(jiān)測靈活度差等問題，本文研制了一種基于改進(jìn)卡爾曼數(shù)據(jù)融合算法的溫室物聯(lián)網(wǎng)采集系統(tǒng)，具有功耗低、擴(kuò)展性強(qiáng)、數(shù)據(jù)采集精度高等特點(diǎn)。 并針對數(shù)據(jù)預(yù)處理后的卡爾曼數(shù)據(jù)融合效果進(jìn)行了仿真分析和實(shí)驗(yàn)驗(yàn)證，得到如下結(jié)果:

①使用羅曼諾夫斯基準(zhǔn)則對測量數(shù)據(jù)進(jìn)行預(yù)處理，去除數(shù)據(jù)組中含有粗大誤差的數(shù)據(jù)，可以有效地解決傳感器測量數(shù)據(jù)波動(dòng)大的問題，對后續(xù)的操作起到了較好的預(yù)處理作用。

②對數(shù)據(jù)進(jìn)行預(yù)處理后，再進(jìn)行靜態(tài)的卡爾曼數(shù)據(jù)融合，得到數(shù)據(jù)的誤差更小，溫度誤差可減小到0.089 ℃，更加趨近于環(huán)境的真實(shí)值。

③通過對測量數(shù)據(jù)進(jìn)行融合的方法，可有效減小傳感器的冗余數(shù)據(jù)，降低系統(tǒng)功耗。

溫室是一個(gè)多輸入、多輸出、多變量的系統(tǒng)，其中各類環(huán)境參數(shù)相互耦合，在本系統(tǒng)研究的基礎(chǔ)上，下一步可研究將不同類別的測量數(shù)據(jù)如空氣溫濕度、土壤濕度、二氧化碳濃度等多種信息進(jìn)行融合，只輸出一個(gè)綜合性的量進(jìn)行調(diào)控，從而使系統(tǒng)的采集和控制更加精確和智能，系統(tǒng)功耗更低。