基于WSN的室内光照强度感应控制方法仿真

徐鹤桐,杜 状,孙 杨

(长春工业大学人文信息学院,吉林 长春 130000)

1 引言

近年来,随着无线传感技术的不断发展,我国的生活及工业领域都离不开其技术支持,同时人们生活及工作质量的要求也越来越高,而此时普通的照明技术已经不能满足大部分人们的需求。更多的群体开始享受便捷化、舒适化的智能照明环境,但由于技术发展的不成熟,导致多数照明机制都是通过一根传感总线来控制与之相连的所有控制器,这使得传感器之间的通信速度非常慢,并且容易出现断连现象。所以就需要一种完善且高效的光强感应控制技术来提高智能化控制的灵活性及准确性。

文献[1]提出一种基于光伏阵列的照明强度控制方法,主要将原始的光强数据输入到光伏阵列中,通过光伏特征判定与其相似的强度参数,对此参数进行剔除操作。该方法虽然检测效率较高,但忽略了原始数据的自身误差影响,导致控制误差较大,影响整体过程的准确性。文献[2]采集大量波段信息,分析特定波段频谱,并与强度参考阈值进行逐一对比,完成控制。该方法的计算基数较大、耗能较高,整体算法的实用性不强,且数据太多容易造成控制误差。

综合上述问题,本文提出了一种基于WSN的室内光照强度感应控制方法。利用WSN的感应触发技术帮助强度数据的高效检测,通过无线传感器完成控制信号的传输,利用执行器完成有效控制。整体方法控制误差较小、感应触发灵敏度较高。

2 光强数据预处理

为保证光照强度感应控制的质量,需要对原始数据进行粗大误差[3]剔除,清除异常或噪声数据,在最大程度上降低计算及控制误差,处理公式为

|vi|≻3λ

(1)

(2)

式中,ζ表示计算偏差,在数据集Mn中采集30组原始光强数据,利用上述规则进行重复迭代计算,直至没有误差为止,迭代公式为

(3)

基于此公式就可将原始数据的误差控制在可承受范围之内,保证控制方法的质量及效率。

3 基于无线传感的光强感应控制方法

采用WSN(Wireless Sensor Networks无线传感器[4])方法,并结合感应触发机制实现光照强度的有效控制。

首先,利用数据采样器对室内的光强信息进行采样收集,通过事件触发器判定该光照强度是否超出规定指标,如果超出,立即通过执行器将信息发送至终端控制器中;如果未超出规定指标,那么将改变地理位置重新进行检测判定。为了确保控制器接收到的是实时有效的光强信息,需要不断进行更新,及多次迭代计算来保证数据的更新频率,这样才能降低控制误差,提高整体效率。

建立光强控制的时间动态模型为

(4)

设光强传感器的采样周期为T;数据采样的时间序列ψ公式表示为

ψp={T,2T,3T,…,kp,…}

(5)

式中,kp表示采样的常数值,kp∈A,当光照强度达到既定标准时,事件触发器就会发送当前的采样数值,并标记当下的时间序列表示为ψt={t1,t2,t3,…,tk,…},可以看出ψt⊆ψp。为了保证无线控制器的信号状态稳定,所以需要设立一定的触发条件,来提高控制的灵敏性

eT(t)Ωe(t)≻σxT(t)ξx(t)

(6)

式中,t∈[tk,tk+1],σ表示可控制阈值;ξ表示序列呈正向对称的时间矩阵,此时的误差向量表示为

e(t)=x(tk)-x(t),t∈[tk,tk+1]

(7)

通过对上述式(3)的代入计算,可得出光强的控制量[6]表达式为

u(t)=f(x(tk))=f(x(t)+e(t)),t∈[tk,tk+1]

(8)

(9)

式中,|·|表示欧式范数[8](取常数值),通过上述推导可得出以下关系

(10)

由上述计算过程可知,|ei(t)|2≻σ|xi(t)|2+θi表示分布式控制机制的光强感应触发条件,在无线传感器的第i个触发时刻下的表达式为

σ|xi(tk+mT)|2+θi|}

(11)

(12)

式中,min表示最优目标;J(t)表示光强控制的最优节点。为了保证光强控制算法的准确性及时效性,以上述传感器节点为例,用|e1(t)|2表示基于动态向量[9]的光强感应触发条件;σ|x1(t)|2表示基于状态向量[10]的光强感应触发条件,给出基于二者关系下的控制条件变化示意图,如下图1所示。

图1 光强感应控制的触发条件变化图

从图1中可以看出,基于状态触发条件σ|x1(t)|2的变化曲线整体保持在上方,而动态触发条件|e1(t)|2则在阈值线下方。说明想要控制机制保持稳定,就需要二者符合此规则σ|x1(t)|2≤|e1(t)|2,这样就能确保光强控制算法的最大触发率,减少误判率、增强整体的控制效率。

4 光照强度控制的动态补偿

上述过程通过无线传感完成了室内光照强度感应的有效控制,同时为了保证光强控制的准确性及时效性。将通过补偿函数减少控制信号的传输时延,以及计算误差,进一步提高系统的整体运行效率,实现控制机制的高效运作。

首先,设E(s)为控制机制的初始输入值;建立信号传输通道F1(s)用来表达不确定的时延因素;F2(s)表示不确定时延因素的反馈通道;Go(s)表示被控对象;Y(s)表示系统的初始输出数值;Gδf(s)表示传输通道时延的函数补偿环节;Gδq(s)表示反馈通道时延的函数补偿环节;e-c1s、e-c2s分别表示控制机制的传输时延;c1、c2分别表示控制机制中随机出现的不确定时延量。

其中,信号传输通道Gδf(s)的函数补偿环节表达关系式为

(13)

与上述同理,反馈通道Gδq(s)的函数补偿环节表达关系式为

Gδq(s)=(1-e-c1s)Go(s)

(14)

控制过程中的补偿机制需要根据实际情况,对信号传输通道及反馈通道进行实时的补偿,才能弥补控制时延影响的不确定性,保证控制精准度。为此,需要利用差分方程来计算补偿函数的详细参数,从而实现高效的动态补偿。

设原始被控对象的时延信号传输函数表达关系式为

(15)

将式(15)代入到式(13)、(14)中,就能对信号传递的时间进行延迟计算,得到关于传输通道及反馈通道的补偿传递函数为:

Gδf(s)=(γ1s3c2+(γ2c2+2γ1)s2+(γ3c2+2γ2)s+2γ3)

(γ1c2s3+(γ2c2+2γ1)s2+(γ3c2+2γ2)s+2γ3+2δ1c2)

(16)

Gδq(s)=2c1δ1(c1s3+(2γ2+c1γ2)s2+(γ3c1+2γ2)s+2γ3)

(17)

根据上述传递函数就可实现信号传输通道及反馈通道时延问题的有效改善。

5 实验分析

5.1 实验背景

为保证实验的准确性及真实性,将在某处居民楼室内进行光照强度控制实验。在住宅室内部署1个传感器总节点、5个光强感应节点以及9个信号控制节点,并搭载无线传感网络,方便数据的读取和记录。其中,传感器总节点负责采集最新的光照强度以及外界光照参数;感应层的全部节点则负责对采集强度数值进行分类挑选,剔除异常数据,保证实验的准确性、减少计算误差;而控制层的全部节点则利用本文方法实现强度数值的有效控制,并进行数据反馈,确保信息的时效性。

另外,由于光强传感器在工作时容易受到自身非线性输入、输出值以及外界环境因素的影响,所以必须在实验前对所有感应、控制节点以及传感器进行敏感性检测。并且对初始数据实现平滑性处理,即对原始数据的输入和输出值进行序列分组,然后再逐一平均化,以便减少外界干扰、降低计算误差、增强数值参数的信噪比,进而提高光强信号检测的时效性以及准确性,完善实验过程。图2为实验拓扑示意图。

图2 实验拓扑图

5.2 光强感应控制器的触发时间对比分析

通过对比本文方法、光伏阵列控制法以及特定波段控制法下光强感应的触发时间,来判定各方法的信号控制效率,得出具体实验结论,如下图3所示。

图3 光强感应触发时间对比

从图3中可以看出,在同一控制节点数量下,基于光伏阵列控制法以及特定波段控制法的感应触发时间曲线幅度较高,变化较为明显。并且随着节点数量的增加,其所需时间也在不断增大,相邻两次触发间的时间间隔过大,周期性较差。这说明二者方法的触发感应效果较差,控制机制的灵敏性不强,这样就会导致需要大量时间来完成信号的传输,整体效率较低、实验效果较差。

相对比下,本文方法所耗用的时间较短、效率较高,并且可以明显看出,在每一节点处的触发时间几乎都是相等的,数值间的差异性不大。说明本文可以很好地稳定感应信号传输的时效性,保证在短时间内完成光强信号的感应与控制,在提高整体效率的同时还能增强信息的发送率。

5.3 基于光强控制信号的对比分析

为了进一步验证本文方法的控制效果,对比不同方法控制下的信号变化曲线,结果如下。

由图4可知,没有经过任何技术处理的原始控制信号变化曲线分布相对混乱,光强信号间的差值较大,浮动范围过广,说明检测环境中的影响因素较多。

图4 原始光强的信号变化曲线

从图5中可以看出,光伏阵列法对光强信号的控制效果较差,与原始数据相比只完成了局部改善,并且图中的部分区域发生了严重干扰情况。出现这种现象的原因主要就是,没有对原始信号值进行动态补偿,导致信号在控制器的输入与输出时受到二次干扰,影响方法控制性能。

图5 光伏阵列法的控制信号变化曲线

从图6中可以看出,相比于光伏阵列控制法该方法对信号控制的效果要相对优异一些,但整体分布不够均匀、数值间的差异性大,对于受干扰情况的处理效果不明显,没有实现有效解决。

图6 特定波段法的控制信号变化曲线

从图7中可以看出,本文方法下信号变化曲线整体呈稳定波动趋势,并且相邻采样时间内的信号差值不大,波动幅度基本保持一致。这说明本方法对光强信号的控制效果较佳,有效改善了原始数据中出现的异常噪声及外界干扰问题,提高了光强检测的准确性及时效性。这主要是因为,本文不仅在检测前对光强数据方差进行了预处理,还实行了动态误差补偿,最大程度上降低检测误差、提高控制准确率、增强算法鲁棒性,并缩短了所需时间。说明本方法具有较高的实用性,可具体应用在公共安全、智能环保、智能交通、智能消防等多个领域。

图7 基于本文方法的控制信号变化曲线

6 结论

通过分析室内光照强度的分布状况,本文给出一种基于WSN无线传感器的方法实现有效控制。通过数据剔除的方式改善原始数据粗大误差问题、提高算法的鲁棒性及准确率。通过无线传感器、光强数据采样器、执行器以及控制器,实现基于不同光强感应触发条件下的高效控制,保证控制质量、降低时间耗用。最后,利用动态补偿减少计算及判定误差,增强算法的实用性。仿真结果证明,本文方法检测误差较小、控制质量较高,可为各智能控制领域提供有效帮助。