基于无线传感网络的大水域移动污染源排放监测系统设计

朱荣军, 金 璐

(1.安徽工业经济职业技术学院 电气工程学院, 安徽 合肥 230051; 2.中国电信股份有限公司 江苏分公司 智能云网调度运营中心, 江苏 南京 210096)

0 引言

随着我国城镇化和工业化进程的日益加快,部分城市和城镇的水域出现污染．其中,大部分污染源来自化学品和重金属,严重威胁了人类的生命安全[1-2]．进行水域污染治理的主要工作是监测水质的变化情况,同时掌握污染源的具体位置,以便相关部门根据已有的情况制定对应的防护措施．在实际应用的过程中,由于污染事件初期的污染信息一般难以获取,且监测成本较高.因此，研制一种低成本的大水域移动污染源排放监测系统尤为必要[3-4]．

本文在传统监测系统的基础上,提出一种基于无线传感网络的大水域移动污染源排放监测系统．该系统主要由感知层、传输层和应用层3个部分组成，其中：感知层主要负责采取大水域内的环境数据；传输层负责数据的交互，同时构建无线传感网络；应用层负责环境数据的接收以及存储等操作.构建BP神经网络模型对污染源进行识别，对采集到的大水域移动污染源数据进行处理和分析.实验结果表明,所设计系统能够降低响应时间和运营成本,同时还能提升监测精度、扩大监测范围．

1 无线传感网络监测系统

无线传感器网络是一种分布式传感网络,可以根据网络末端对外部传感器进行感知和检测．其中,网络中的传感器主要通过无线方式进行通信,同时设定灵活的网络,可以实时更改设备通信位置．

对于大水域移动污染源排放监测系统而言,核心的功能就是采集数据,同时将数据显示出来,需要结合环境需要对水域情况进行调整．

1.1 系统结构组成

结合无线传感器网络进行大水域移动污染源排放监测系统设计. 整个系统由3个部分组成:

1) 感知层： 主要由采集大水域移动污染源信息的传感器组成；

2) 传输层： 主要由无线传感网络终端节点和协调器组成,借助无线传感网络进行数据传输；

3) 应用层： 主要包含云平台和微信小程序,可以有效实现人机交互．

将无线传感技术和Wi-Fi技术设定为数据传输的基础,主要是因为距离监测点较近[5],空间相对集中,传输距离较短,整体成本较低．

监测终端在系统的最前端,连接对应的传感器,每一个终端节点等同于一个传感器节点,分布在需要数据采集的水域实时进行数据采集．其中,数据采集模块的主要作用就是采集不同区域内的水域数据[6];无线传感网络模块主要负责对采集的数据进行处理和存储,然后将数据发送至协调器,为系统提供合适的电压,确保各个端点的正常工作．其中,终端节点的组成结构如图1所示.

图1 终端节点组成结构图

1.2 系统模块设计

无线传感网络模块的设计主要包含模板的核心设计以及模块的底板设计.无线传感网络模块需要结合系统需求设定对应的电路图,主要包含主控芯片以及外围电路,同时将主控芯片设定为连接口．无线传感网络底板模块主要是电源模块以及指示灯等模块组成,其中各个模块的功能如下:

1) 电源模块: 主要负责为电路进行供电,同时设置底板电源,有效确保系统的稳定运行[7-8]．针对不同的连接设备,需要制订不同的电源接入方案．

2) 按键模块和LED灯: 在按键模块中主要包含3个按键,通常情况下S1和S2为一般按键,同时还具有编写功能．如果底板成功连接电源后,电源上的PWR指示灯就会长亮,假设熄灭,则说明连接存在问题．

3) 下载模块和接口模块: 下载模块主要负责连接Smart下载器,下载器的另外一端连接USB接口,将电脑程序下载到无线传感网络模块上运行．接口模块为芯片的IO接口,在本地系统主要借助传感器采集大水域数据,同时将数据上传至服务器．

4) 数据采集模块: 由3个不同的传感器组成,主要负责采集水域的温度、湿度、污染源以及有害气体．Wi-Fi模块选用ESP8266,是一款超低能耗的模块,提供高度集成的Wi-Fi解决方案．

1.3 系统底层程序设计

系统底层程序设计主要包含终端节点的程序设计以及协调器的程序设计．终端节点上连接的传感器主要负责完成大水域污染源的实时采集,当经过节点的主控芯片经过存储以及处理,借助无线传感网络上传至系统协调器．其中,协调器主要负责获取全部终端的大水域移动污染源数据,同时将其传输至云平台,通过云平台对全部数据进行显示和存储,利用微信小程序向云平台发送相关命令,对得到的数据进行分析和显示．

系统在自组网时,主要采用Z-Stack协议,实现各个终端阶段到协调器的数据传输,同时遵循相关的规范．Z-Stack协议栈主要是将各个层次全部的协议聚集在一起,以函数的形式实现,为用户提供API,方便用户直接进行调用．

终端节点位于大水域移动污染源排放监测系统的底层,分布在不同的监测房间内,上部分连接含有大水域移动污染源的传感器．对应的程序设计还包含不同传感器信息采集的相关设计,可以更好地实现不同设备之间的通信设计．

在主程序代码中主要调用3种不同传感器的接口函数,获取对应的环境数据．当污染源数据获取成功后,需要直接读取并转化,通过传感器的相关定义将数据格式进行整合打包[10-11],放入到已经定义好的数组中．最终,借助无线数据传输函数,同时将其发送到协调器中,协调器接收到后返回至响应信号,最终到达终端节点,实现真正意义上的数据上传．

云平台是连接数据的中心,能够实现不同类型设备的通信,搭建一个高效稳定地应用平台,同时还可以下载多种不同的数据流．

2 大水域移动污染源排放监测方法

大水域移动污染源排放监测系统是建立在智能监测设备的基础上．随着全球化网络的飞速发展,需要及时对大水域移动污染源进行实时采集,具体的监测步骤如下:

1) 实时采集大水域移动污染源的不同参数；

2) 分别计算不同流域的参数差值；

3) 判断污染源是否出现异常；

4) 计算各个参数的谐波系数,获取不同的信息组帧；

5) 将信息组帧上传．

谐波系数主要通过快速傅里叶变换得到．需要针对研究区域的实际情况对监测系统的电流和波动阈值取值范围进行设定[12-13]．如果监测设备的电流超过设定的波动阈值,则代表电路中有电设备的启动和关停,具体的计算式为:

ΔI=|I2-I1|

(1)

式中,I1和I2分别代表监测设备功率波动前后的电路总电流;ΔI代表波动阈值．

采用上述方法对不同监测设备的用电情况进行采集,同时手动标记不同污染源的类型,构建大水域移动污染源特征数据集,借助BP神经网络构建识别分类模型．

以下给出部分重点参数的选择过程:

1) 确定隐含层数量: BP神经网络包含多个隐含层,结合实际需求设定隐含层的数量．

2) 确定神经元的数量: 对于输入层而言,需要选取污染源特征对应的维度和神经元,将其表示为多个不同的分类标准,使其能够满足实际需求[14-15]．对于隐含层而言,需要选取4个神经元,主要采用公式(2)进行计算:

(2)

式中,m代表输入层节点数量;p代表输出层节点数量;α代表任意常数．

3) 转移函数的选取: 为了有效避免异常函数对分类精度产生的影响,需要将Sigmoid函数设定为转移函数．

4) 初始权值的确定: 利用BP神经网络中的反向误差方法进行迭代,最终获取权值．由于初始权值的选取会对整个算法的监测性能产生影响,需要结合实际情况设定初始权值．

5) 学习速率选择: 设定学习速率的初始值为0～0.8,选择合适的学习速率可以全面提升网络学习速度以及学习稳定性,同时还能够确保整个网络的正常运行．

6) 全局误差选择: 在BP神经网络训练的过程中,将输出结果和期望结果两者进行对比,实际误差和设定误差进行对比,假设实际误差小于阈值,则输出;反之,则返回上一操作步骤．

在上述分析的基础上,根据构建的BP神经网络对大水域移动污染源排放特征进行识别,判定系统中监测设备的启停状态,全天候监测大水域移动污染源的排放情况,及时掌握污染源的变化情况,相关工作人员根据监测结果制定对应的防护措施．

3 仿真实验

为了验证所提基于无线传感网络的大水域移动污染源排放监测系统的有效性,结合实际环境,选取J城市作为测试对象,对2018年10月份J城市A水域移动污染源排放情况进行监测．

3.1 系统监测误差分析

优先分析本文所设计监测系统前后的监测误差变化情况,仿真实验结果如表1和表2所示.

表1 使用监测系统前监测误差变化情况

表2 使用监测系统后监测误差变化情况

由表1和表2能够看出,在使用所设计监测系统后,监测误差相比之前得到明显降低,且具有较好的识别精度．

3.2 监测系统响应时间分析

分别选取所设计系统、文[3]和文[4]系统对J城市A水域移动污染源在2018年10月5日、10日、15日、20日、25日以及30日的系统响应时间进行测试, 实验结果如图2所示.

图2 不同监测系统的响应时间测试结果对比

分析图2中的实验数据可知,与另外两种监测系统相比,所设计系统的响应时间更短,能够以更快的速度监测到水域中的污染源变化情况．

3.3 监测系统运营成本分析

为了进一步验证所设计监测系统的有效性,对本文所提方法与文[3]、文[4]方法进行系统运营成本对比测试. 结果表明本文所提基于无线传感网络的大水域移动污染源排放监测系统的运营成本明显低于另外两种系统．

3.4 监测系统的监测范围分析

由于不同监测系统的组成结构存在差异,导致各个监测系统的监测范围也会有所不同，对本文所提方法与文[3]、文[4]方法进行监测范围对比测试. 结果表明本文所提监测系统能够监测较大范围,另外两种系统的监测范围具有一定的局限性．

4 结束语

针对已有监测系统存在的问题,提出了一种基于无线传感网络的大水域移动污染源排放监测系统．优先借助无线传感网络对系统进行设计,对各个模块的主要功能进行较详细的描述,同时借助相关方法对大水域移动污染源排放情况进行实时监测和记录．与已有监测系统相比,所设计系统能够有效降低监测误差并缩短响应时间,同时也会相应减少运营成本,监测范围相比之前得到明显扩大．