基于物联网的室内微环境智能监测系统*

叶廷东 彭选荣 高艺康 梁豪

（广东轻工职业技术学院计算机工程系）

基于物联网的室内微环境智能监测系统*

叶廷东 彭选荣 高艺康 梁豪

（广东轻工职业技术学院计算机工程系）

针对现代生产生活对室内微环境实时多参数监测的需求，设计一种微环境监测系统模型及软件结构，以DSP、ARM为核心芯片实现系统自校正、多传感、存储和无线通信等功能。该系统利用TEDS校正引擎实现多传感自校正；利用基于时间同步的传感网络信息预测技术，改善了由于网络不确定性造成的传感器信号采样延时问题；基于SVM模型的舒适度评价方法实现了综合舒适度评价，以此作为室内环境自动调节控制的指导依据。应用实验研究表明，温度检测误差±1.0%，湿度检测误差±3%RH，噪声检测误差±2 dB，光照检测误差±4%，气体甲醛检测分辨率0.01 mg/m3，具有良好准确度，可实现多终端实时监测。

物联网；环境监测；多传感信息；舒适度

0 引言

现代社会人们85%以上的时间都在室内度过，尤其是职业工作者，因此室内环境的好坏对人体的身心健康、工作效率都有直接的影响，研究表明适宜的热环境可提高生产率达18%[1-2]。另外一些公共的室内场所，如办公楼、商场、机房等，可通过对室内环境监测，进行通风优化控制，消除室内空气污染源头，降低空气传播性疾病的危害，产生健康效应的同时实现节能。随着经济发展和人们生活水平的提高，各种建筑材料大量应用于室内装饰，造成一定程度的空气污染，威胁人们的生命和财产安全。随着智能家居的发展与应用，市场上出现了很多类型的室内环境监测装置与系统，但现有的室内环境监测装置大多是针对温度、湿度、甲醛等的监测。

本系统将基于物联网技术，综合监测温度、湿度、噪声、光照、烟雾、挥发性气体甲醛，风速（新风量）等参数，基于多传感自校正技术、传感网络信息预测技术、基于SVM模型的舒适度评价方法等，研发一个具有室内环境监测、舒适度评价等功能一体化的室内微环境监测系统，实现室内环境监测、警报。

1 多参数网络化智能监测系统模型

室内微环境监测需要监测的参数众多，决定了接口的多样性，是一个典型的多输入多输出系统。为此，基于IEEE 1451.0标准，采用数字、模拟信号混合接口模式，进行系统模型架构设计，使传感器快速接入到监测网络[3]。系统模型应该具备多种类型接口的传感器（执行器）配置和数据采集能力，同时可实现对传感检测数据的自校正、网络化传输、显示等功能，对此，设计了如图1所示的多参数网络化智能监测系统模型架构。

图1 多参数网络化智能监测系统模型架构

图1中智能变送器接口模块（smart transducer interface module，STIM）用于多参数采集与A/D转换，实现温度、湿度、噪声、光照、烟雾、挥发性气体、风速（新风量）、大气压等参数的监测；变送器电子数据表格（transducerselectronic data sheet，TEDS）实现各种不同接口模式传感器的快速接入；网络适配器（network capable application processor，NCAP）模块用于实现自校正、数据存储和网络通信等功能，它在运行中通过装载嵌入式系统实现。NCAP与STIM模块间通过变送器独立接口（transducer independent interface，TII）实现短距离的数据通信。由图1可知，所设计的系统模型架构具有多传感、自校正、存储和无线通信等功能。

2 软件设计及关键技术

根据网络化智能监测系统模型架构和室内微环境监测的需求，设计如图2所示的软件系统结构，它包括多传感信息自校正模块、网络传感信息预测补偿模块和舒适度评价模块等。

图2 软件结构

在室内环境监测中，存在大量的信息耦合问题，如湿度传感器受到温度的影响、气体传感器受到温度、湿度和其它气体的影响等，因此需要在实验标定的基础上，在DSP处理单元中利用TEDS对多传感信息进行自校正；另外在传感器网络中，传输的信息绝大部分是各种传感器实时采集的数据，在一些应用中，它的时间特性显得特别重要，因为网络的不确定性，在一定程度引入了传输的不确定性，如数据帧丢失、网络拥塞、延时等问题，极大地影响了传感器信号的实时性和可靠性。为此基于通信实现时间校正，然后基于统一的时间基准，通过预测的方法，改善由于网络不确定性造成的传感器信号采样延时问题。室内微环境监测系统在获得准确的实时环境监测参数后，利用舒适度评价模块对室内环境舒适度进行综合评价，以作为室内环境自动调节控制的指导依据。

2.1 多传感信息自校正模块

传感信号自校正是智能传感技术重要的功能特点，对于基于IEEE 1451的智能传感系统来说，传感信息的校正主要采用基于特定TEDS格式校正引擎的方式，其校正TEDS包括最后校准日期、校准周期和校正算法涉及的校准参数等[4-6]。图1所示智能传感系统模型的校正引擎运行在NCAP，通过读取STIM中的校正TEDS系数，应用分段线性插值函数，对多个STIM通道传感数据进行校正。对于一个k通道的传感系统模型，其校正公式为

其中，Xk为传感器输出向量；Hk为输出向量的修正值向量；D(k)为输出向量的阶数；Ci，j，…，p为分段线性插值函数系数。

从校正引擎公式来看，校正模型的参数来自于TEDS，它通过实验标定把各传感器的标定点数据Xl（1

数据结构如图3所示，其中Calibration TEDS用于校正，使用设置的TEDS校正系数实现对传感原始数据的校正。Channel TEDS用于描述传感通信通道，包括检测对象的数据模型等。

图3 电子数据表格TEDS构成框图

2.2 网络传感信息预测补偿模块

在应用中，传感网络的时钟同步信息由报文进行传递，报文的传递必然带来延时抖动，需通过传输延迟测算方法计算出时间偏移，进而实现基于时钟偏移修正的时间同步。基于延迟测算的时间同步过程如图4所示，其实现过程为：各节点获得参考时间、测算时间传输误差、修正本地时钟[7]。该方法为了消除发送端发送时延和MAC访问时延的影响，汇聚节点在发送数据时，给同步广播分组在MAC层加上时间标记Ti(i=1,2,…,n)。这时为了便于子节点的同步，需要发送同步前导码，根据发送数据比特数k和每个比特的传输时间t，可以计算出同步前导码的发送时间为kt。子节点j在接收完同步前导码后，打上第一个本地时间标记t1_ji，待子节点接收并处理完同步信息后，再加上第二个本地时间标记t2_ji，则子节点处理延迟为t2_ji- t1_ji。那么子节点从Ti到调整时钟前，经历的时间延迟为

那么子节点j的本地时钟tji调整为

图4 基于延迟测算的时间同步过程

传感网络经过一个时间周期就会进行一次时间同步，通过时间同步，不仅可以使整个系统有一个统一的时间基准，还可以获得网络的传输延迟tNW。在一个同步周期内，可认为网络传输延迟基本相同，这样可对传感采样通过多项式预测来解决延迟补偿问题。

设汇聚节点根据时间标记，分别获得了最近M个网络传感信息Y(t)=[xi,M,xi,M-1,...,xi,1]T（i为传感器编号，1

其中，AN为多项式模型阶次；aN,l为多项式模型参数。设模型参数A=[aN,AN,...,aN,1,aN,0]T，且有则由最小二乘方法，可求出模型参数A为

式中W-1XT只与ni（i=1,2,…,K）有关，一旦确定ni，就可以预先计算出W-1XT。在预测计算中只需将新获得的网络传感信息，更新到矩阵Y就可用式(5)进行参数估计，即可实现传感信息的实时预测，同样基于该多项式模型，可通过插值来补充网络丢失的数据。

2.3 舒适度评价模块

从人体角度，对室内环境进行主观感觉评判是当

前室内环境研究的方向之一[8-9]。为更好表征环境指标参数对舒适度的影响，利用e-SVM模型具有全局最优、结构简单、泛化（推广）能力强等优点，将传感器采集到的温度、湿度、风速、空气质量、噪声和光照等环境参数作为SVM模型的输入参量；利用实验得到生理参数作为输出训练e-SVM模型；利用训练得到的e-SVM模型实现对室内环境舒适度值的综合评价。具体实施步骤如下：

1)利用室内微环境参数监测系统，使用实验方法，监测人在不同温度、湿度、风速、空气质量、噪声和光照环境参数下的手部皮肤平均温度[10]；

2)利用e-SVM支持向量机模型，确定e-SVM模型的RBF核函数损失函数参数其中，x¢=0.2；s为输入样本的标准偏差；l为样本数；y为训练样本输出均值；sy为输出值标准偏差；

3)根据实验得到的环境监测参数作为输入，监测到的生理参数手部温度作为输出，利用e-SVM模型进行训练；

4)由传感器采集室内温度、湿度、风速、空气质量、噪声和光照参数，构成向量作为输入数据，其中为传感器监测到的一组数据；利用训练好的模型进行在线评价，再利用公式

可获得在[0,1]间变化的舒适度值，式(6)中y为e-SVM模型输出，其拟合曲线如图5所示。

图5 手部温度与舒适度关系图

3 监测试验

基于多参数网络化智能监测系统模型，采用美国德州仪器TMS320LF2812芯片和意法半导体公司的STM32F205RGT6芯片分别作为DSP和ARM模块的主控芯片，开发了如图6所示的室内微环境监测系统。

图6 室内微环境监测系统

监测节点如图6(a)所示，具有ZigBee和Wi-Fi通信模式，ZigBee通信模式用于室内监测节点组网，同时充分利用室内Wi-Fi无线通信的优势，将室内环境监测参数通过Wi-Fi网络传输到远端的系统服务器

上；服务器采用阿里云服务，可以随时随地进行数据存取，它保存终端节点工作中的所有数据以供用户查询。终端监测节点通过插座由室内供电线路供电，通过设置的汇聚节点可以实现时间同步，如图6(b)所示，同时实现了手机端的实时查询服务（如图6(c)所示）。该室内微环境监测系统通过传感元件的显示测试，实验测试数据如表1所示，关联的各传感元件通过TEDS可以自动识别，并初步获得如下性能指标：1)准确监测室内微环境参数，温度检测误差±1.0%，湿度检测误差±3%RH，大气压力检测误差±1%，空气流速检测误差±0.1 m/s，气体烟雾检测误差±4%，噪声检测误差可达±2 dB，光照检测误差±4%，气体甲醛检测误差±5%，分辨率为0.01 mg/m3；2)以人的生理感受为评价标准，利用e-SVM模型得到的舒适度，综合考量了热环境、空气质量环境、声环境和光环境等因素的影响，具有良好的适用性；3)系统选用ZigBee/Wi-Fi网络模式和阿里云服务，实现监测参数远程检测与通信，实现了Web和手机端的多终端监测。

表1 实验测试数据

4 结语

针对室内微环境网络化监测，建立一种具有自校正、多传感、存储和网络化通信等功能的多参数网络化智能监测系统模型，并开发了室内微环境监测系统，实现了对室内多环境参数的准确实时监测：

1)基于特定TEDS格式校正引擎，通过实验标定把各传感器的标定点数据作为校正参数，以矩阵数据表格形式输入TEDS中，应用分段线性插值函数，实现了多传感信息的自校正，提高了系统参数检测的准确性。

2)基于延迟测算的时间同步方法，为微环境监测系统建立了一个统一的时间基准，然后通过多项式预测补偿的方法，改善由于网络不确定性造成的传感器信号采样延时问题，在时间校正的同时，实现延时补偿。

3)研究了一种室内环境舒适度评价方法，它将传感器采集到的温度、湿度、风速、空气质量、噪声和光照等环境参数作为输入参量，利用实验得到生理参数作为输出训练e-SVM模型，利用训练得到的e-SVM模型可得到室内综合环境舒适度值。该方法以人的生理感受为评价标准，得到的舒适度，综合考量了热环境、空气质量环境、声环境和光环境等因素的影响，具有良好的适用性。

4)本监测系统基于多参数网络化智能监测系统模型，采用IEEE 1451混合标准架构设计，采用DSP和ARM芯片开发，使其具有快速数据处理能力、丰富的接口、良好的通用性和扩展性。该模型和相应的关键技术，可以应用在生态环境监测、农林生产和化工医药制造等场合。

[1]李婷.基于能耗最小的室内环境控制研究[D].广州:华南理工大学,2011.

[2]Seung-Chul Lee,Young-Dong Lee,Wan-Young Chung. Design and implementation of reliable query process for indoor environmental and healthcare monitoring system[J]. Convergence and Hybrid Information Technology,2008,11: 398-402.

[3]叶廷东,程韬波,周松斌,等.海洋水环境网络化智能监测系统的建模设计研究[J].计算机测量与控制,2014,22(6):1697-1699.

[4]Jin H Z，Lu H，Cho S K，et al．Nonlinear compensationfor non-contact electronic joystick with a single Hall sensor[J]. Science,Measurement＆Technology，2008，2(1):9-17.

[5]Eniz Gurkan,Xiaojing Yuan,Driss Benhaddou,et al. UH-ToSS:A sensor networking testbed with IEEE 1451 compatibility for space exploration[C]..3rd International Conference on Testbeds and Research Infrastructure for the Development of Networks and Communities,Lake Buena Vista,FL,USA:IEEEPress,2007:144-149.

[6]黄国健,刘桂雄,洪晓斌,等.IEEE1451网络化智能传感器的通用建模方法及应用[J].光学精密工程,2010,18(8): 1914-1921.

[7]韩永朋,安勇,牟荣增,等.基于自动校准的WSNs时间同步算法[J].传感器与微系统,2013,32(8):128-130.

[8]ConceiçãoEusébio Z E,Nunes Abel R L,Gomes,João M M, et al.Application of a school building thermal response numerical model in the evolution of the adaptive thermal comfortlevelintheMediterraneanenvironment[J]. InternationalJournal ofVentilation,2010,9(3):287-304.

[9]Liu W W,Lian Z W,Zhao B.A neural network evaluation modelforindividualthermalcomfort[J].Energyand Buildings,2007,39(10):1115-1122.

[10]王冠.基于数据的乘车环境舒适度评价方法[D].北京:北京交通大学,2013.

Indoor Micro Environment Monitoring System Based on Internet of Things

Ye TingdongPeng XuanrongGao YikangLiang Hao
(Computer Engineering Department,Guangdong Industry Polytechnic)

The paper introduces a kind of micro environmental monitoring system model and its software structure design. The monitoring system with ARM and DSP has achieved functions of self-calibration,multi-sensing,storage and wireless communications,etc.,and uses TEDS correction engine to implement the self-calibration of multi-sensing information.It uses prediction technology of sensor network information to improve the delay of the sensor signal sampling caused by network uncertainty,and uses SVM model to realize the comprehensive comfort assessment,which can be used as a guide for the automatic control of the indoor environment.The application experiment showed that its temperature measurement error is±1.0%,humidity measurement error is±3%RH,noise measurement error is±2dB,illumination measurement error is±4%,formaldehyde measurement resolution is 0.01mg/m3.

Internet of Things;Environmental Monitoring;Multi-Sensing Information;Comfort

叶廷东，男，1976年生，博士后，副教授，主要研究方向：多维传感信息建模方面的研究。E-mail:yuetd@163.com

广东省科技计划项目（2015A020214025，2015A070710030）；广州市科技计划项目（2013J4100077）；创新强校工程项目（2A11105）。