基于WSN的污水处理系统的监测研究

2020-11-02黄炜

电脑知识与技术 2020年25期

黄炜

摘要：针对传统污水处理过程中的花费造价高，监测数据不准确等缺点，该文在污水处理中引入了基于WSN的方法，对WSN中的数据融合，压缩重构和信号传输方式分别采用了改进的Leach协议，新的重构算法以及多跳的传输方式进行改进，仿真实验说明了基于改进后的WSN的污水处理系统具有较好的效果。

关键词：WSN;污水处理;Leach协议

中图分类号：TP311 文献标识码：A

文章编号：1009-3044（2020）25-0039-04

近年来，随着国家对环保事业越来越重视，污水处理事业得到了迅速的发展，全国各地的污水处理都引起了政府的高度重视，成为国家重点的民生工程[1]。在环保监测方面，传统的系统具有花费造价高，人工需求数量大，监测数据不能及时采集等缺点，因此越来越多的人将研究的方向集中在无线传感网络上，通过部署在监测区域中的无线传感器来监测各项污水指标的变化，从而对污水实施监测[2-3]。文献[4]提出一种将改进遗传算法和BP神经网络相结合对工厂污水的水质进行评价的方法，采用自适应算法对GA的交叉率和变异率进行改进，用GA优化BP的权值和阈值，将最优权值和阈值送给BP神经网络进行训练、预测，并与传统BP进行比较，该方法用于污水水质评价具有应用推广价值;文献[5]设计了一种基于Zig Bee无线传感器的污水监测系统。该系统以微处理器STM32为控制核心，利用无线Zig Bee芯片CC2420以及各种测量传感器，设计了污水处理过程中多参数的监测系统。实际实验表明，该系统传输速率快、实时性强、稳定性高，可以有效地对工业污水进行远程监测;文献[6]设计了一种基于无线传感器网络的污水监测系统，通过在采样区域内布置若干pH值传感器、电导率传感器、溶解氧传感器、氨氮NH3-N传感器、浊度传感器、温度传感器获得相关水质信息，利用ZigBee技术传输至无线网关节点，再由无线网关节点通过GPRS技术传输至远程监控中心进行数据分析，从而达到污水监测的目的;文献[7]提出在水环境中运用生物传感器进行研究，取得了较好的监测效果;文献[8]利用虚拟现实和物联网技术，根据传感器采集的水量和水质以及污染物等信息，在虚拟现实环境中实时展示水环境现状，并通过传感器对实时获取的数据和实际水量调度方案进行一致性监测，对异常信息进行捕获和定位，实现自动监控;文献[9]提出一种基于无线传感器网络及地理信息系统相结合的蓝藻水华爆发动态监测与模拟方法，利用水质传感器组成多源异构水环境感知单元，获取湖泊水质数据;将改进的灰色理论及BP人工神经网络相结合进行预测监控，取得了较好的效果;文献[10]设计了基于新型湿度传感器和Zig Bee无线传感网技术的气体钻井地层出水模拟监测系统。

本文在无线压缩传感理论[11]的基础上，对无线传感网络中的数据融合，压缩重构和传输方式进行改进，构建基于无线传感网络的污水监控的系统，具有一定的应用价值。

1 基于WSN的污水处理系统

无线传感网络（Wireless Sensor Networks， WSN））即无线传感网络，是一种自组织，多条通信的网络系统，通过分布在大量无人监控的区域具有通信与计算能力的微小传感器组成，部署在监测网络范围内的微型传感器通过无线通信的方式进行联系，能够对监测区域中的数据实时采集和融合处理，并将融合后的数据发送给服务端。对于污水处理的系统来说，水质的PH值，温度，浊度和溶解氧作为污水处理排水指标的重要部分。在污水监测区域中放满传感器节点，污水监测系统所传输的数据信息均来源于监测区域中的传感器节点，通过这些传感器节点，以自组网的方法，通过ZigBee无线通信技术将采集的监测数据发送到网关节点，通过4G网络将相关数据传送到基站，以实现远程动态检测和信息发布功能。但同时需要注意以下三个方面：（1）数据融合，在监测的过程中，传感器所处在不同的位置，传输信息都需要消耗大量的能量，传输距离远，导致耗能相对大一些，而处于网络边界中的节点，耗能相对小一些，因此为了降低能量消耗，检测节点应该在数据传输之前，先对信息进行简单的融合分析，并将信息量进行压缩，能够有效地达到节能目的;（2）压缩重构，信号在传递的过程中可能需要进行压缩，这样能够降低在传递过程中的耗时，采用良好的压缩重构方法是信号传递过程中的不可忽视的内容;（3）信号传输方式，在无线传感网络中一般采用单跳或者多跳的通信方式进行信号的传递，显然对于污水处理系统来说，需要采集的数據更加准确，快速的传输。因此传输方式的选择就显得比较重要。

2 改进的WSN

2.1 数据融合算法

本文选择基于LEACH路由协议的数据融合方式，这是因为该协议中的簇头的选择是采用随机的方式，每一个节点都有机会成为簇头，因此，网络负载变得均衡;使用分层结构能够最大程度地保证路由结构的清晰，便于统一进行管理，

设定监测区域中的每一轮的分簇数量期望值为[k]，网络中一共有[N]个传感器节点，因此得到每个簇内有1个簇首节点和[Nk-1]个簇内成员节点。簇首节点消耗的能量是最多的，因为一方面需要接受来自簇内成员的能量消耗，另一方面作为簇首需要进行数据的传输和传递给[Sink]节点。一般来说采用的多路径衰减模型，簇首节点能量消耗为式（1），簇内其他节点的能量消耗为式（2）

2.3 多跳的传输方式

在分簇的控制算法中，要想尽快地减少数据传输的能量消耗，可以采用多跳的通信方式，当由于采用的多径衰减模型，需要消耗更多的簇头节点能量，多跳的通信方式在簇头节点中选出超级簇头节点或者中继节点，在距离[Sink]节点较远的簇头节点可以选择其他的超级簇头节点对其发送信息进行转发，使得通信距离明显变短，能够有效的减少簇头节点的能量损失。当节点向[Sink]节点传输数据包（长度为[k]）的时候，节点通过单跳通信的方式与[Sink]节点传输节点所需要能量为公式（17），节点通过多跳通信方式经过[n]跳向[Sink]节点传输所需要的能量为公式（18）

随着[n]的值逐渐增大，[εampd4]会远远大于[εfsd2]，因此公式（19）必定大于0，因此，对于污水监测系统来说，网络规模越大，多跳通信的跳数[n]取值必定会满足上述条件，能够有效的减少污水监测系统数据传输的能耗值。

3 实验仿真

3.1 环境描述

本文针对污水处理的要求，特选择了本地的一处污水处理场所进行监测。设定检测区域为正方形面积，传感器在检测区域内随机分布，传感器节点的数量为100。按照如表1所示的内容进行参数的初始化，实验的硬件环境为CPU为酷睿i3，内存为4GDDR3，硬盘为1000G，软件采用Windows系统，Matlab2012。

图中的O表示的是传感器节点，+表示[Sink]节点，节点分布如图1所示。

3.2 仿真结果与分析

图2和图3分别显示本文算法，文献[4]算法下的WSN的失效节点和本文算法下的失效节点的分布情况，从图2中发现大部分失效节点都主要集中在监测区域的下方，离[Sink]节点较远的节点。图3是本文算法下的失效节点的情况，从图2-3的对比情况来看，显然，本文算法在改进了Leach算法和信号重构下前提下，算法的性能有了明显的提高，使得失效的节点分布较远，这也说明了本文算法具有的效果。

图4-图6分别表示两种算法下的网络活跃节点数目，[Sink]节点接收数据量和剩余能量的对比效果，图4中发现两种算法随着轮数逐渐增多，网络活跃节点的数目逐渐下降，但本文算法显然优于基本的Leach算法，这说明本文数据融合后的算法具有较好的算法性能，有效的保障了网络的活跃节点。图5比较了两种算法下的[Sink]节点接收数据量的對比情况，显然随着轮数的增多，本文算法对应的[Sink]节点接收数据的程度要明显好于基本Leach算法，这主要是因为采用了新的压缩算法，使得节点的传输效率提高，数据量增大，图6说明了两种算法的剩余节点的能量对比，随着轮数的逐渐增多，本文算法的节点的剩余能量多于文献[4]算法，这主要是因为多跳的传输方式使得节点的能量损失降低。

图7显示了两种算法在PH值，温度，浊度和溶解氧四个指标方面进行对比的效果，从图中满意度效果发现，本文算法要优于参考算法，这说明本文算法在污水处理方面具有较好的效果。

4 结束语

针对基于WSN的污水处理中节点传输信号，能量损失等问题，本文采用了改进的Leach协议，新的重构算法以及多跳的传输方式，实验说明了本文算法能够有效地提高污水处理效果，下一步的研究方向着眼在继续进一步改进Leach协议。

参考文献

[1] 何为，案辉，马琳.水污染在线监测系统的探究田[J].油气田环境保护，2015，25（5）：71-73.

[2] 印士勇.新形势下水环境监测工作思考田[J].人民长江，2012，43（12）：1-3.

[3] 傅其凤，杨亚磊，陈万军，等.工业污水在线监测系统的应用[J].工业水处理，2015，35（3）：106-108.

[4] 诸飞，俞阿龙.基于改进GA-BP神经网络的工厂污水监测系统研究[J].现代电子技术，2018，41（11）：133-138

[5] 杨俊，邹志革.基于ZigBee无线传感器的工业污水监测系统[J].仪表技术与传感器，2018，35（7）：61-63.

[6] 宗峰.基于无线传感器网络的污水监测系统设计[J].中国沼气，2017，35（6）：45-51.

[7] 夏善红，边超，孙楫舟，等.面向水环境监测的生物传感器研究[J].中国科学院院刊，2017， 32（12）：1330-1340.

[8] 邵欣欣，张明会.基于虚拟现实和物联网的水环境监测系统[J].中国科技论文，2017，12（7）：738-742.