基于ZigBee 的钨矿井下矿车定位监测系统研究与设计

何学文 曹清梅 樊宽刚

(江西理工大学机电工程学院，江西 赣州341000)

矿车是矿山生产的一种重要纽带运输装备，国内外关于ZigBee 无线网络(ZigBee Wireless Network)应用于矿井下安全监测的应用研究有许多，但主要以煤矿及矿井的环境或井下人员定位跟踪的应用研究为主，针对钨矿及井下矿车的定位研究及应用技术不是很成熟，当前安全监测水平低，存在监控死角，实时性、鲁棒性差［1］。造成矿车在矿井安全生产调度不当，存在盲目性和随意性，引起很大的安全隐患，矿车监测和管理存在严重失误等一系列的问题。目前，如何合理调配和安全管理矿车是钨矿矿井安全生产需亟待解决的问题［2］。随着微电子技术、ZigBee 无线通信技术、信号处理技术、微机电系统技术、片上系统SOC、分布式并行信息处理等技术的快速发展，无线传感器网络技术逐渐为解决金属矿井安全监控提供了解决方法和技术方案。ZigBee 无线通信技术具有结构简单、组网灵活、布置方便、适应性强、信息传输可靠的特点。ZigBee 无线传感器网络具有低功耗、高容错性，高灵活性和高自主性的优点［1-2］。将其应用到复杂的钨矿矿井环境下矿车的定位安全监测系统中具有十分广阔的应用前景，也是未来应用和发展的趋势。

1 系统设计

1.1 系统总体结构设计

定位监测系统的网络结构由各个ZigBee 子网、打印机终端设备、接收服务器、中心协调器、网关、终端监控中心、数据库、有线网络等部分组成。其中，各个独立的ZigBee 无线定位网络由路由节点、终端节点、协调器节点组成。路由节点的主要作用是控制协调节点加入网络、进行数据路由、辅助其他节点通信;协调器节点主要是在网络建立、网络配置方面起作用，二者为全功能设备(FFD);安放在矿车上的终端节点为带定位引擎的精简功能设备(RFD)［5］;由这3类节点组成以数据为中心对矿车监测的ZigBee 无线定位网络［3］。ZigBee 各子网间通过自由组网采集传输信息。协调器节点通过网关与中心协调器连接，将采集的信息通过RS－485 串口上传至井上终端监管主机中。然后中心计算机负责对采集到的信息进行综合汇总、分析和处理，并存储在数据库当中，以便监控人员调用查询等，同时在上位机界面的大屏幕上动态实时显示跟踪矿车速度和作业位置情况。结合钨矿井下的分布和ZigBee 网络特点，其井下监控系统总体平面架构方案设计如图1 所示。

1.2 节点硬件设计

结合系统总体架构方案设计，系统硬件设计的主要工作是各个独立的ZigBee 无线传感网络节点设计，本设计采用模块化、集成化特点，节点硬件设计的核心是微处理器芯片。本设计方案为在一个芯片上融合有数据处理功能的微处理器模块和无线通信功能的无线射频收发模块。ZigBee 网络主要由协调器节点、路由器节点和安装在矿车上的终端定位节点组成，3 种节点在ZigBee 网络中的功能不同，硬件设计有所差别。ZigBee 网络终端定位节点的设计由数据采集模块、报警电路、其他一些外设电路、通用接口、微处理器模块、无线通信模块和电源模块组成［4］，其结构组成原理如图2 所示。

图2 ZigBee 终端定位节点设计原理Fig.2 Illustrative diagram of ZigBee terminal positioning node design

1.3 节点主要软件设计

本系统设计的主要软件设计是ZigBee 各个子网络中协调器节点、路由节点、待定位终端节点的设计，协调器节点(主节点)主要完成组网、网络参数配置、管理子节点入网和维护网络稳定等功能，同时接受子节点上传的数据，通过串口实现与上位机的通信［4］。子节点(包括路由器和终端定位节点)主要功能是接受主节点的采集信息控制，完成数据的采集、转换、传输。路由节点起到传输信息的中转作用，以增加无线发送距离。本系统ZigBee 无线网络系统中心软件设计流程如图3 所示，其中数据信息传输过程中，Zig-Bee 无线传感网络的组建标准过程如图4 所示。

2 钨矿井下矿车定位算法

图3 ZigBee 无线网络系统中心软件设计流程Fig.3 Software design flow chart of ZigBee wireless network system center

图4 ZigBee 无线传感网络的建立过程Fig.4 The establishment process of ZigBee wireless sensor network

式中，P(d)为传输距离d 后的路径消耗;P(d0)表示节点在单位距离间路径损耗量的大小;n 表示路径损耗指数，其取值范围为2 ～6;d 表示接收点与信源距离;d0为参考距离;xσ为平均值为零的高斯随机变量值，其取值范围为4 ～10［5］。

未知节点接收到的信号强度值RSSI 与路径损耗密切相关，存在一定的转化关系。式(1)中，P(d0)为已知量，P(d)－xσ的关系等价于P －RSSI，其中，P 为节点发射功率，是已知量。d0取值为1 m，对式(1)变形简化成测距模型［5］:

式中，RSSI 为未知节点接收到锚节点的信号强度，A为传输单位距离的路径损耗值。对测距模型进行探讨和仿真，当n 不变，A 值改变时，A 值越大，RSSI 值随距离增大时衰减的越快，其关系曲线如图5 所示;当A 不变，n 值改变时，n 值越大，RSSI 随距离增大时衰减的越快，其对应的关系曲线如图6 所示。

图5 A 值对RSSI 与距离关系曲线的影响Fig.5 Effect of A value on the relationship between RSSI and distance

图6 n 值对RSSI 与距离关系曲线的影响Fig.6 Effect of A value on the relationship between RSSI and distance

结合以上仿真与分析，得出适合钨矿井下无线信号传输路径损耗测距模型中参数优化后的取值为:n取值为2，A 取值为40。综合考虑到实际生产应用中外界因素的影响，得到实际的RSSI 值会存在较大误差，其RSSI 测距模型仿真与实际距离对比如表1 所示。从表1 可以看出，实际测量曲线与RSSI 测距模型理想曲线存在较大偏差，实际测量的RSSI 值不是很稳定和准确。

表1 RSSI 值与距离的转换对比Table 1 The comparison of RSSI value and distance

针对接收到的RSSI 值存在较大误差的问题，采用高斯滤波对RSSI 测距参数修正，针对Filter Solutions Trial 滤波仿真［5］设计参数，设置完成后查看传输函数、时域响应、零极点图、频域响应、滤波电路图。高斯滤波效果好，有效地降低了RSSI 在复杂钨矿井下环境中易受干扰、波动幅度大的缺点。多次测量取得RSSI 的值经过高斯滤波后，RSSI 的取值范围为

［0.15σ + u，3.09σ + u］，

其中，

取得理想RSSI 值后，结合计算量少、简单可行的多边测距的极大似然估计定位算法对节点位置进行精确定位计算，已知参考节点坐标分别为(x1，y1)，(x2，y2)…，(xk，yk)，待测节点坐标为(x，y)，根据RSSI值得到待测节点到已知节点的距离分别为［6-8］:

对式(4)进行线性变换，解后可得:

其中，

得到极大似然估计法解得移动节点的位置坐标:

以上定位算法，在Matlab 软件中节点定位仿真结果如图7 所示，可以看出，节点定位结果与实际位置不是完全重合，有一些节点未能成功加入网络实现定位，可见该算法存在较大误差，定位精度不高。

图7 系统定位仿真图Fig.7 The node localization simulation

针对未知定位节点的移动性，以上方法没有充分考虑信标节点对节点位置的影响力大小，影响了定位精度。本研究提出加权质心(Weighted centroid)定位算法来提高定位精度，利用加权因子来体现这种约束力，利用其中接收到RSSI 值最大的3 个信标节点求得未知节点坐标(xi，yi)为［9］

式中，d1、d2、d3为未知节点获得的与3 个信标节点的近似距离，(x1，y1)、(x2，y2)、(x3，y3)是基于RSSI 和极大似然定位算法求得的近似位置坐标值。基于此方法，针对m 个信标节点可以得到未知节点近似位置坐标集 {k1，k2，k3，…km}，再次求加权质心［9-11］:

其中，d1、d2、d3…dm为未知节点获得的与m 个信标节点的近似距离，(xk1，yk1)、(xk2，yk2)、(xk3，yk3)…(xkm，ykm)是基于RSSI 和极大似然定位算法的求得近似位置坐标值。

该坐标(x，y)就是通过加权质心定位算法计算后的安放在矿车上的未知节点坐标。

对以上方法进行实验仿真对比得到2 种定位算法对应的误差统计表见表2。可以看出，加权质心定位算法有效地降低了定位的平均误差和最大误差，提高了定位的准确性。

3 系统人机界面设计

上位机界面利用LabVIEW 的VISA 串口资源模块设计串口通信部分，登陆系统进行界面各项参数设置。运行程序，即可进行矿车速度数据的实时采集［12］。通过串口传输至上位机监测界面的实时采集速度数据如图8。由图8 可知，终端未知节点在某日较短的时间间隔内所采集的速度值基本稳定。速度阈值可进行手动设置。通过设置数据采集的时间间隔，将当前的采集时间、参数值及其实时曲线图实时显示在当前面板上。当实时参数值超过预设的安全阈值时，则报警灯闪烁，并弹出窗口，发出警报声，提醒工作人员采取相应的措施。

表2 误差统计表Table 2 The error statistics

图8 矿车速度定位监控界面设计Fig.8 The design of tramcar speed positioning and monitoring interface

4 结 论

(1)采用ZigBee 协议，设计了基于ZigBee 无线网络对钨矿井下矿车定位跟踪及安全监测系统。

(2)在矿车定位算法中，分析和仿真了采用基于高斯滤波后修正的RSSI 测距参数和极大似然估计定位算法，针对此定位算法存在的较大误差，提出了加权质心定位算法来提高矿车定位的准确性。

(3)井上监控主机采用LabVIEW 软件设计了监控界面，将井下上传的矿车速度及定位跟踪信息实时显示在大屏幕和主机上，进行宏观监管，管理人员以良好的视觉化效果智能化实时监管矿车。

(4)通过实验仿真结果及数据分析对比表明，本研究提出的加权质心定位算法比极大似然估计算法定位精度高，定位的平均误差和最大误差都明显地降低了，同时上位机可实时接收并显示井下矿车速度值。系统鲁棒性强、可视化效果好。验证了基于Zig-Bee 无线传感网络在钨矿井下矿车的安全生产监测系统的可行性。

(5)系统灵活性大，可随采矿进度随时跟进，解决了传统有线检测方式烦琐的布线模式。有效地提高了钨矿矿车安全监测的网络化、可视化以及矿井开采的效率。

［1］ 李俊萌.中国钨矿资源浅析［J］.中国钨业，2009，24(6):9-13.

Li Junmeng.On the characteristics and utilization of China' s tungsten resources［J］.China Tungsten Industry，2009，24(6):9-13.

［2］ 袁辉勇，赵晓廉，谢 东.线型无线传感器网络的节点部署策略［J］.计算机工程与应用，2010，46(7):86-88.

Yuan Huiyong，Zhao Xiaolian，Xie Dong. Node deployment strategy in linear wireless sensor networks［J］. Computer Engineering and Application，2010，46(7):86-88.

［3］ 张 猛，房俊龙，韩 雨. 基于ZigBee 和Internet 的温室群环境远程监控系统设计［J］.农业工程学报，2013，29(25):171-176.

Zhang Meng，Fang Junlong，Han Yu. Design on remote monitoring and control system for greenhouse group based on ZigBee and internet［J］. Journal of Agricultural Engineering，2013，29(25):171-176.

［4］ 周岭松，余春暄.基于ZigBee 技术的温、湿度控制系统［J］.电子测量技术，2011，34(6):46-50.

Zhou Lingsong，Yu Chunxuan.Temperature and humidity controlling system based on ZigBee［J］. Electronic Measurement Technology，2011，34(6):46-50.

［5］ 申静涛.基于RSSI 的对数距离路径损耗模型研究［J］. 电子质量，2013(12):15-17.

Shen Jingtao.Research of logarithmic distance path loss model based on RSSI［J］.Electronic Quality，2013(12):15-17.

［6］ 章 磊，黄光明. 基于RSSI 的无线传感器网络节点定位算法［J］.计算机工程与设计，2010，31(2):291-294.

Zhang Lei，Huang Guangming. Localization algorithm for wireless sensor networks based on RSSI［J］. Computer Engineering and Design，2010，31(2):291-294..

［7］ 李文宏，骆科学，张修华，等. 基于ZigBee 的智能矿井机车运输监控系统的研究［J］.煤炭工程，2010(5):118-121.

Li Wenhong，Luo Kexue，Zhang Xiuhua，et al.Research on mine locomotive transportation intelligent monitoring and control system based on ZigBee［J］.Coal Engineering，2010(5):118-121.

［8］ 武丹琛，丁青青，刘志高，等.基于RSSI 方法的井下人员定位系统原理与设计［J］.工矿自动化，2011(11):76-79.

Wu Danchen，Ding Qingqing，Liu Zhigao，et al. Principle of underground personnel positioning system based on RSSI and its design［J］.Industry and Mine Automation，2011(11):76-79.

［9］ 付 华，胡雅馨.无线传感器网络中基于RSSI 的质心定位算法［J］.微计算机信息，2010(22):19-20.

Fu Hua，Hu Yaxin. RSSI-based centroid localization algorithm in Wireless Sensor Network［J］. Microcomputer Information，2010(22):19-20.

［10］ 徐立军，段友莲.基于RFID 与无线传感器网络的矿井安全系统［J］.微处理机，2012(1):34-36.

Xu Lijun Duan Youlian.Safety system of coal mine based on RFID and Wireless Sensor Networks［J］. Microprocessors，2012(1):34-36.

［11］ 刘运杰，金明录，崔承毅.基于RSSI 的无线传感器网络修正加权质心定位算法［J］.传感器学报，2010(5):717-720.

Liu Yunjie，Jin Minglu，Cui Chengyi.Modified weighted centroid localization algorithm based on RSSI for WSN［J］.Chinese Journal of Sensors and Actuators，2010(5):717-720.

［12］ 李江全，刘恩博，胡 蓉，等.LabVIEW 虚拟仪器数据采集与串口通信测控应用实战［M］.北京:人民邮电出版社，2010.

Li Jiangquan，Liu Enbo，Hu Rong，et al. LabVIEW Virtual Instrument Data Acquisition and Serial Port Communication［M］. Beijing:Posts and Telecom Press，2010.