基于加权质心算法的气体源定位系统

郑艳华 潘新平 林荣列 王婉芝 陆奕海 黄清辉 陈锐贤

摘 要： 为了快速准确地确定气体泄漏源的位置，提出基于加权质心算法的气体源定位法。采用气敏传感器对目标区域的气体浓度进行检测，并通过无线传感器网络把收集的数据反馈给协调器，协调器把打包好的数据传递给主处理器，处理器依靠测量的结果计算出气体源位置，并可视化显示。以乙醇蒸汽为实验目标气体，平均定位相对误差小于5.9%，验证了该方法的准确性。

关键词： 气敏传感器； 加权质心算法； STM32处理器； ZigBee无线传感器网络； 气体源定位； 相对误差

中图分类号： TN99?34； TP391 文献标识码： A 文章编号： 1004?373X（2018）11?0073?04

Gas source location system based on weighted centroid algorithm

ZHENG Yanhua， PAN Xinping， LIN Ronglie， WANG Wanzhi， LU Yihai， HUANG Qinghui， CHEN Ruixian

（School of Physics and Electronic Engineering， Guangzhou University， Guangzhou 510006， China）

Abstract： The gas source location method based on weighted centroid algorithm is proposed to determine the position of gas leakage source quickly and accurately. The gas sensor is used to detect the gas concentration of the target area. The wireless sensor network is used to feed the collected data back to the coordinator. The data after packaging is transmit to the main processor by means of the coordinator. The processor can calculate the gas source location for visual display according to the measured results. The experiment of taking the ethanol vapor as the target gas is performed， which can prove that the average relative error of location is less than 5.9%， and the gas source position algorithm is correct.

Keywords： gas sensor； weighted centroid algorithm； STM32 processor； ZigBee wireless sensor network； gas source position； relative error

随着工业的迅速发展，存储气体的仓库越来越多，当发生意外事件导致气体发生泄漏，或者一些工厂的有毒危险气体发生偷排时，如不能及时寻找泄漏的地点，将给人们的生活和安全带来极大的隐患[1?4]。从20世纪60年代开始就有众多研究人员对危险气体的扩散规律进行了研究。现有的气体扩散模型主要有高斯模型、BM 模型、FEM3模型、箱及相似模型、三维现象传递模型、浅层模型以及板块模型等[5?9]。上述模型都有各自的局限性，不同的扩散模型适用于不同类型的气体。只有通过实验测试才能找出特定气体泄漏规律适用的模型[9?10]。本文利用传感器网络和加权质心算法对气体进行定位研究，并进行了实验验证。

1 气体扩散模型

在无风连续泄漏点源的扩散模型中，由菲克扩散定律可知[11]，扩散过程中浓度随时间的变化率等于该处的扩散通量随距离变化率的负值。进而得经典的扩散方程：

[?C?t+u?C?x=Kx?2C?x2+Ky?2C?y2+Kz?2C?z2] （1）

式中：[C]为[C（x，y，z，t）]，表示[t]时刻[（x，y，z）]处气体浓度，单位为mg/m3；[u]表示风速，单位为m/s；[t]表示泄漏气体扩散时间，单位为s；[Kx，Ky，Kz]分别表示[x，y，z]轴方向上的湍流扩散系数，单位为m2/s。

当气体恒以泄漏速度[Q]在[t0]时刻开始扩散，[Kx=Ky=Kz=K]，风速[u=]0时，并设气体泄漏源与坐标系原点重合，则无风连续泄漏点源的扩散模型可简化为微分方程：

[?C?t=K?2C?x2+?2C?y2+?2C?z2] （2）

在初始条件[x=y=z=0]，[C→∞]和边界条件[x=y=z=]0，[C→∞]下的解為：

[C（x，y，z，t）=Q4Kπd2πd2K（t-t0）∞e-?2d?] （3）

这里用[d]表示测量点到源点的距离。

又因研究的是稳态下的模型，即达到平衡状态，等价于[t→∞]时的情况，这时有：

[2πd2K（t-t0）∞e-?2d?=1] （4）

而在稳态下，浓度仅是位置的函数，与时间[t]无关，定义[P=QK]为环境场源参数，所以式（3）转化为：

[C（x，y，z）=P4πd] （5）

2 系统硬件设计

系统总体的硬件结构框图如图1所示。在终端处包括ZigBee节点和气敏传感器；在客户端处包括STM32F407核心处理器、SD卡模块、温度传感器和TFT触摸显示屏。每个节点配置2个气敏传感器，通过节点处自身的CC2530处理器使用内部ADC采集气敏传感器的电压，把数据传递到协调器，协调器把每个节点的数据按顺序打包压缩，通过串口通信发送到STM32F407处理器。STM32通过中断接收到串口传递的数据，再根据定位算法进行信号处理，将状态信息和处理的结果保存在SD卡内并在TFT屏幕上实时显示。

本实验采用FIGARO公司设计的酒精传感器TGS2620。为了使输入阻抗同其匹配，因而在传感器模拟量输出口加入跟随器MCP6022，高阻抗信号输入跟随器阻抗变换后，输出和A/D相匹配的低阻抗信号，将输入对A/D的影响降至最低，提高对负载电阻电压的采样精度。

ZigBee节点的控制芯片使用TI公司的CC2530，内部集成了以8051内核为处理器和高性能的射频收发器，内置8通道12位A/D转换器、看门狗和睡眠定时器等。其UART0引脚是P0_2，P0_3，用于和外部芯片进行通信，本实验用其与核心处理器STM32串口通信。

中央控制器采用STM32F407单片机，可以运行μC/OS等实时操作系统和GUI图形库。而且其自带的FSMC复用接口、SDIO接口和USB HOST接口有利于本设计高效快速地刷新TFT显示和读取SD卡/U盘文件。

3 系统的软件设计

系统软件设计分为无线传感网络的搭建、数据的采集与接收、数据处理方法和用户界面设计4个部分。

3.1 无线传感网络的搭建

系统上电后，协调器开始工作，首先硬件以及软件架构的各模块初始化，建立传感器网络。协调器完成初始化工作后就处于等待状态，当收到其他节点请求入网时，允许该节点入网并且为该节点分配网络地址，其流程图如图2所示。一般来说，协调器的初始化工作包括硬件初始化、接口初始化以及软件架构各模块的初始化。

3.2 数据的采集、传送和接收

终端传感器节点最重要的功能便是采集现场环境数据并且发送给协调器。根据终端传感器节点的功能，可以将其软件设计分为五个部分：系统初始化、时间同步、数据采集、传输以及睡眠。终端传感器节点工作流程图如图3所示。

终端节点在网络中除了选择数据传输路径、转发数据包、延长通信距离外还有一个功能是网络管理，维护无线传感网络的正常工作。终端节点上电后，发现网络便请求入网并与第一个响应它的协调器节点绑定，然后作为网络中的路由节点等待其他的节点加入。

协调器节点收到终端传感器节点与路由节点的数据信息后，通过数据包解析确定该数据为有效数据信息后，通过串口上传给核心处理器。

3.3 基于加权质心定位算法

定位算法步骤如下：

1） 设传感器[i]的位置已知，为[（xi，yi，zi）]，测量浓度为[Ci，]则传感器的权重为[qi=Cii=1nCi]，[n]为参与定位传感器的个数。

可得预测的源点坐标[（x，y，z）]为：

[x=i=1nxiqi=i=1nxiCii=1nCiy=i=1nyiqi=i=1nyiCii=1nCiz=i=1nziqi=i=1nziCii=1nCi] （6）

2） 求出各传感器节点[（xi，yi，zi）]到预测源点[（x，y，z）]的距离[di]，由式（5）可得气体环境场源参数：

[Pi=4πdiCi] （7）

最终，气体环境场源参数可取为：

[P0=1ni=1nPi] （8）

3） 以初步定位坐标[（x，y，z）]为中心，以定位区域边长的10%为边长画出一个矩形区域作为精细定位区域，将此区域划分为边长为1 cm的网格，格点坐标记为[（x，y，z）]。

4） 将由初步定位中预测所得的环境场源参数[P0]及测得的浓度值[Ci]代入式（6）分别计算理想源点[（x，y，z）]和每个格点[（x，y，z）]到各传感器节点[（xi，yi，zi）]的距离[di]和[d′i]，记误差为[E=i=1nd′i-di]。

5） 遍历格点[（x，y，z）]，寻找使得[E]取最小值的格点，其坐标[（x，y，z）]即为精细定位结果。

3.4 用户界面设计

本系统采用ST_emWin图形库实现GUI界面。操作界面一共有5个应用窗口，分别是实时数据采集窗口、浓度变化曲线窗口、定位结果二维平面显示窗口、系统信息设置窗口和SD卡文件管理窗口。

4 氣体源定位实验结果及分析

气体源定位实验在25 m×10 m的实验室内进行，密封实验室门窗，形成相对稳定的密闭实验环境。在直径为9 cm的容器内倒入25 ml的酒精形成乙醇蒸汽源。传感器阵列等距离放置在正方形四边。检测区域面积分别为2 m×2 m，3 m×3 m和4 m×4 m。在相同的检测区域下改变气体源坐标，实验结果与误差如表1所示（[误差=定位结果坐标到实际坐标的距离检测区域的边长]）。

系统每5 s采集数据并定位计算，结果以二维平面坐标显示在用户界面上。定位结果如图4所示，检测区域为3 m×3 m，气体源坐标为（2.50，1.20） m，2次计算结果分别为（2.47，1.34） m和（2.65，1.23） m。

实验结束后，由保存在SD卡的坐标数据得到的定位坐标效果如图5所示。

系统在开始定位阶段，气体源还未真正扩散，每个传感器测量的浓度都很低且相近，根据定位算法特性，系统定位的结果为检测区域的正中心周围。随着气体源的泄漏，靠近气体源的传感器浓度慢慢增大，计算的定位结果往气体源点坐标靠近。在气体扩散过程的后期阶段，源头的酒精量减少，场源减弱，浓度下降，则定位结果靠近传感器阵列的几何中心。

在图4中，靠右较大的二维平面图是整个实验过程中定位计算结果显示，左上角小图是第1 143次定位计算的结果坐标显示。在整个定位过程中，因为开始阶段和后期阶段测量浓度很低，导致定位结果靠近检测区域的中心，不是真正定位结果。图5坐标显示的是去除开始和后期阶段数据，红色小方点是整个实验过程定位计算的结果，绿色菱形点是整个过程定位计算结果的平均值，蓝色大方格点是气体源坐标点。

5 结 语

本文基于加权质心算法和无线传感器网络对气体源坐标进行定位。同时设计了分布式气敏传感器阵列以及无线传感器网络采集数据，并使用ST?ewMin图形库设计用户界面，让定位结果以直观的二维平面显示。本实验以酒精蒸汽为目标气体在密闭实验室下进行气体源定位实验。结果证明本系统在一定检测区域内能够进行定位，说明了本系统的可靠性。

参考文献

[1] 陈平，石磊，赵建勇，等.气体变电站故障泄漏预警回收技术研究与应用[J].高压电器，2016，52（12）：244?248.

CHEN Ping， SHI Lei， ZHAO Jianyong， et al. Research on early warning and recovery technology of gas leakage [J]. High voltage apparatus， 2016， 52（12）： 244?248.

[2] 史腾飞，管义锋.基于PHAST的CNG运输船装卸载过程气体泄漏后果评估[J].船舶工程，2016，38（12）：83?87.

SHI Tengfei， GUAN Yifeng. Consequence evaluation of gas leakage in CNG carrier loading and unloading process based on PHAST [J]. Ship engineering， 2016， 38（12）： 83?87.

[3] 孙凯.危险气体无线监测系统的设计及气体源定位算法的研究[D].成都：西南交通大学，2016.

SUN Kai. Design of wireless monitoring system for dangerous gas and study on gas source localization [D]. Chengdu： Southwest Jiaotong University， 2016.

[4] CAO M L， MENG Q H， JING Y Q， et al. Distributed sequential location estimation of a gas source via convex combination in WSNs [J]. IEEE transactions on instrumentation & measurement， 2016， 65（6）： 1484?1494.

[5] 朱伯龄，於孝春，李育娟.气体泄漏扩散过程及影响因素研究[J].石油与天然气化工，2009，38（4）：354?358.

ZHU Boling， YU Xiaochun， LI Yujuan. Study on the diffusion process and influence factors of gas leakage [J]. Chemical engineering of oil and gas， 2009， 38（4）： 354?358.

[6] 林元棣，廖瑞金，夏桓桓，等.油纸绝缘微水二次扩散过渡过程的分析[J].电工技术学报，2016，31（10）：16?25.

LIN Yuandi， LIAO Ruijin， XIA Huanhuan， et al. Analysis of transition process during secondary diffusion of moisture in oil?paper insulation [J]. Transactions of China electrotechnical society， 2016， 31（10）： 16?25.

[7] 潘新平，郑艳华，林荣列，等.基于气体扩散模型的气体源定位系统[J].国外电子测量技术，2017，36（9）：72?76.

PAN Xinping， ZHENG Yanhua， LIN Ronglie， et al. Gas source location system based on gas diffusion model [J]. Foreign electronic measurement technology， 2017， 36（9）： 72?76.

[8] CAO M L， MENG Q H， JING Y Q， et al. Distributed sequential location estimation of a gas source via convex combination in WSNs [J]. IEEE transactions on instrumentation & measurement， 2016， 65（6）： 1484?1494.

[9] WADA Y， MATSUKURA H， ISHIDA H. Estimation of gas source location from fluctuating readings of gas sensors and anemometer on mobile robot in outdoor environment [J]. ECS transactions， 2016， 75（16）： 99?106.

[10] 冯志华，聂百胜.危险气体泄漏扩散的实验方法研究[J].中国安全科学学报，2006，16（7）：18?23.

FENG Zhihua， NIE Baisheng. Experimental methodology for study diffusion of leaked hazardous gas [J]. China safety science journal， 2006， 16（7）： 18?23.

[11] 陈立伟，杨建华，孙亮，等.基于分布式传感器阵列的静态气体源定位方法[J].电子科技大学学报，2014，43（2）：212?215.

CHEN Liwei， YANG Jianhua， SUN Liang， et al. Odor source localization algorithm based on spatially distributed sensors array [J]. Journal of University of Electronic Science and Technology of China， 2014， 43（2）： 212?215.