基于遗传算法的热能搜集系统物联网控制平台设计

戴立坤

摘 要： 物联网的基础框架选择性较多，导致热能搜集系统物联网控制平台的工作能耗较高，并无法有效提高热能搜集系统热能转化率。为此，设计基于遗传算法的热能搜集系统物联网控制平台。平台中的物联网基础框架使用WMNBM14s芯片和STM32F103芯片进行热能搜集系统中热能数据的采集和处理，得到热能数据处理结果。热能数据处理结果通过BCM43362无线芯片传输到物联网控制端。物联网控制端将遗传算法热能转化率优化函数、热能数据处理结果同时输入控制电路，经由控制电路对热能数据处理结果进行分类、解析和热能转化率的优化，给出控制指令，并通过BCM43362无线芯片，将控制指令反馈到热能搜集系统相应的被控区域，实现对被控区域的持续、高效控制。实验结果表明，所设计平台工作能耗低，可使热能搜集系统的热能转化率明显提高。

关键词： 遗传算法； 热能搜集系统； 物联网控制平台； BCM43362

中图分类号： TN915?34； TN913.6 文献标识码： A 文章编号： 1004?373X（2017）06?0021?04

Abstract： The selectivity of IOT infrastructures is more， which causes a high energy consumption of IOT control platform for heat collecting system， and results in a fact that the heat energy conversion rate of the heat collecting system cannot be improved effectively. Therefore， an IOT control platform for the heat collecting system based on genetic algorithm was design. IOT infrastructure frameworks in the platform employ WMNBM14s chip and STM32F103 chip to conduct acquisition and processing of the heat energy data in the heat collection system， and obtain the processing results of the heat energy data. The results are transmitted to the IOT control end through the wireless chip BCM43362. The IOT control end transmits the heat conversion rate optimization function of the genetic algorithm and the processing results of heat energy data into the control circuit simultaneously. The control circuit undertakes classification and analysis of the data processing results， and optimization of thermal energy conversion rate， and then gives out the control instruction， which is fed back to the corresponding controlled areas of the thermal energy gathering system through the wireless chip BCM43362 to realize the sustainable and efficient control to the controlled areas. The experimental result shows that the platform has low energy consumption， and can make the heat energy conversion rate of the heat collecting system increased significantly.

Keywords： genetic algorithm； heat energy collection system； IOT control platform； BCM43362

0 引 言

近年来，热能搜集系统以其低耗、环保的优势在电力、机械、电子等领域得到了广泛应用，为进一步提高热能搜集系統的热能转化率，热能搜集系统物联网控制平台随之产生。物联网控制平台的成本低、控制效果好且控制流程简单，是较为普遍的控制实现方案[1?3]。但物联网的基础框架选择性较多，导致热能搜集系统物联网控制平台的工作能耗较高，并无法有效提高热能搜集系统的热能转化率。为此，科研组织正致力于设计一种工作能耗低、热能搜集系统热能转化率提高能力强的物联网控制平台[4?6]。

文献[7]进行基于极限动态编程的热能搜集系统物联网控制平台的设计，此平台针对耗能较低的极限动态编程进行重点设计，并将它使用于物联网控制平台中，提高热能搜集系统的热能转化率。但极限动态编程较为复杂，需要花费较多的时间和金钱。文献[8]进行基于Scrum的热能搜集系统物联网控制平台的设计，Scrum是一种迭代式的物联网基础框架，具有较强的控制效果，可有效提高热能搜集系统的热能转化率，但导致平台耗能较高。文献[9]进行基于敏捷算法的热能搜集系统物联网控制平台的设计，这个平台的工作能耗低，且能够使热能搜集系统的热能转化率明显提高，但要求后台开发人员具有较强的个人能力，导致平台价格昂贵。文献[10]进行基于极限静态编程的热能搜集系统物联网控制平台的设计，比起文献[7]中的平台，此平台的实现较为容易，且耗能较低，但无法有效提高热能搜集系统的热能转化率。

通过分析上述热能搜集系统物联网控制平台的优缺点，设计基于遗传算法的热能搜集系统物联网控制平台，其通过对物联网基础框架进行能耗优化设计，有效减少了平台能耗，并利用遗传算法对热能搜集系统的热能转化率进行合理优化。

1 系统物联网控制平台设计

所设计的基于遗传算法的热能搜集系统物联网控制平台由物联网基础框架和物联网控制端组成。

1.1 物联网基础框架设计

基于遗传算法的热能搜集系统物联网控制平台通过对物联网基础框架进行能耗优化设计，减少平台工作能耗，并为物联网控制端提供基础硬件支持，是实现热能搜集系统与物联网控制平台有效连接的“桥梁”。

物联网基础框架负责采集、处理热能搜集系统中的热能数据，并对热能搜集系统与物联网控制端的数据交互进行实现。

物聯网基础框架由采集处理模块和通信模块组成，现对这两个模块进行设计。

1.1.1 采集处理模块

物联网基础框架的采集处理模块的核心硬件为WMNBM14s芯片和STM32F103芯片。WMNBM14s芯片负责进行热能搜集系统中热能数据的采集，以及采集处理模块同通信模块的连接；STM32F103芯片负责进行热能数据的处理。整个采集处理模块所选用的元件工作能耗均较低，能够满足设计初衷，图1是采集处理模块硬件结构图。

图1中，WMNBM14s芯片与热能搜集系统和通信模块通过通用异步收发传输器进行连接。WMNBM14s芯片与STM32F103芯片则通过串行外设接口（Serial Peripheral Interface，SPI）进行连接。SPI是一种双全工的通信接口，可使WMNBM14s芯片和STM32F103芯片之间能够相互进行热能数据的调出和读取。STM32F103芯片拥有协议分析、数据拆装和定时处理等功能，能够低耗、高效地进行热能数据处理工作。STM32F103芯片给出的热能数据处理结果将经由WMNBM14s芯片传输到通信模块中。

1.1.2 通信模块

物联网基础框架的通信模块负责将采集处理模块的热能数据处理结果安全传输到物联网控制端，并有效维持物联网控制端对热能搜集系统的持续、高效控制。物联网基础框架通信模块的硬件结构如图2所示。

由图2可知，物联网基础框架使用BCM43362无线芯片作为通信模块的核心元件，用户节点、软件开发工具包和核心防火墙则作为BCM43362无线芯片的通信支持组件，为其提供通信控制协议。BCM43362无线芯片拥有高水准的通信支持协议，以及较强的兼容性和稳定性，并且能耗较低，善于处理流程复杂的通信工作。通信支持组件拥有4种通信接口，可减轻BCM43362无线芯片的通信压力、避免BCM43362无线芯片发热现象的产生，进而节约通信模块能耗。

通信模块将采集处理模块的热能数据处理结果传输到物联网控制端，再将物联网控制端给出的控制指令直接反馈到热能搜集系统的被控区域。对于上述复杂的通信流程，所设计的通信模块能够较好地对其进行实现。

1.2 物联网控制端设计

在物联网控制端中，遗传算法的热能转化率优化函数将与热能数据处理结果同时输入到控制电路中，对热能搜集系统的热能转化率进行优化。随后，控制电路对热能搜集系统的控制指令进行制定，控制指令将经由物联网基础框架反馈到热能搜集系统的被控区域。

1.2.1 基于遗传算法的热能转化率优化函数

遗传算法于1975年在美国被提出，它以“物竞天择，适者生存”为计算依据，形成了自适应、高级并列的随机搜索算法，拥有较强的稳定性和扩展性。在所设计的热能搜集系统物联网控制平台中，遗传算法将对热能搜集系统进行约束，实现热能转化率的优化。

在热能搜集系统中，遗传算法先对导致系统热能转化率偏低的系统节点进行统计，构建热能优化集合[maxf]，用[fn（x）]表示系统节点，有：

[maxf=[f1（x）f2（x）…fn（x）]] （1）

将式（1）中的某一系统节点设为重点优化项目，为了保证基于遗传算法的热能搜集系统物联网控制平台的整体控制性能，重点优化项目的阈值[F]应满足下式：

[0.9

设[F]的实时热能转化率为[pon]。以重点优化项目中的系统节点为圆心，将[maxf]中剩余的[n-1]个系统节点有序排列在圆心周围，设其中的有效节点有[m]个。当热能搜集系统工作时，设有[k]个节点正在进行热能转化。此时，遗传算法将对[pon]进行如式（3）所示的热能转化率优化。

[max0，k-10m

将式（1）～式（3）所示的遗传算法热能转化率优化函数输入到控制电路中，对物联网基础框架的热能数据处理结果进行优化。

1.2.2 控制电路

在物联网控制端控制电路的设计中，由于热能搜集系统中各被控区域所需要的控制方案不同，故要求控制电路应具有较强的灵活性，可对不同类型的热能数据处理结果进行解析，并依据解析结果制定正确、有效的控制指令。根据以上要求，设计如图3所示的控制电路。

由图3可知，物联网基础框架通信模块中的4种通信接口分别与物联网控制端控制电路的相应接口进行连接，这种设计可令控制电路在接收热能数据时同时进行热能数据处理结果的分类，提高电路解析效率。

分类后的热能数据处理结果将全部汇集于正向放大器中进行信号放大和解析。遗传算法热能转化率优化函数将通过联合测试工作组接口传输到函数生成器，用于对解析后的热能数据处理结果进行热能转化率优化。控制电路根据优化结果给出热能搜集系统相应区域的控制指令。控制指令经由反向放大器将信号缩小至初始状态，再通过通用异步收发传输器向物联网基础框架的通信模块传输，最终反馈到热能搜集系统响应的被控区域进行控制。

2 实验分析

实验在如图4所示的实验室中，使用本文平台、Scrum平台和极限静态编程平台，对如图5所示的热能搜集系统进行物联网控制。实验室中，上午10点—下午3点均有太阳光照射到热能搜集系统上。

实验首先在不使用任何控制平台进行控制的前提下，用热能搜集系统搜集太阳光热能。搜集过程中，每隔1 h调节一次实验室的温湿度。此时热能搜集系统的热能转化率如表1所示。

使用本文平台、Scrum平台和极限静态编程平台对实验中的热能搜集系统进行物联网控制。在三个平台控制下，热能搜集系统热能转化率如表2所示，三个平台的工作能耗曲线如图6所示。

对比表1、表2可知，Scrum平台和极限静态编程平台虽然可在一定程度上提高热能搜集系统的热能转化率，但提高幅度不大。本文平台则能够将热能搜集系统的热能转化率全面提高到90%以上，提升幅度较为明显。由图6可知，本文平台的工作能耗明显低于Scrum平台和极限静态编程平台，可较好地实现设计初衷。

3 结 论

为进一步提高热能搜集系统的热能转化率、降低热能搜集系统物联网控制平台的工作能耗，本文设计基于遗传算法的热能搜集系统物联网控制平台，其由物联网基础框架和物联网控制端组成。平台通过对物联网基础框架进行能耗优化设计，有效减少了平台耗能量，并利用遗传算法优化热能搜集系统的热能转化率，对设计初衷进行了较好地实现。实验结果表明，本文平台工作能耗低，可明显提高热能搜集系统的热能转化率。

参考文献

[1] 王傳东.基于遗传算法的物联网视频多跳中继无线通信路由技术改进[J].潍坊学院学报，2014，14（2）：13?17.

[2] 皮春春，李文翔，韩梅，等.基于物联网的云视频监控平台实现与调度方法[J].软件导刊，2015，14（11）：14?16.

[3] 李昂，李楠，高远，等.基于遗传算法的稳定平台控制系统研究[J].舰船电子工程，2016，36（3）：42?46.

[4] 郑佳焜，杨雅君，廖瑛.基于遗传算法的导弹控制系统设计与仿真[J].弹箭与制导学报，2014，34（5）：33?36.

[5] 张金良.基于优化遗传算法的股票选择规划研究[J].物联网技术，2015，5（9）：95?97.

[6] 冯鑫，段培永，段晨旭，等.基于云平台的建筑室内舒适度监控系统[J].建筑电气，2016，35（3）：65?68.

[7] 戴文婷，王亚刚，蔡杰杰.基于物联网技术的LED灯光智能控制系统设计[J].电子科技，2016，29（3）：93?96.

[8] 邓荣.物联网故障设备检测系统的设计与实现[J].现代电子技术，2015，38（22）：108?110.

[9] 周伯俊，姜平.物联网家用太阳能热水控制系统的设计[J].现代电子技术，2015，38（22）：73?74.

[10] 王颖，李鹏飞.印花织物自动分色系统[J].西安工程大学学报，2016，30（1）：52?57.