0 引 言
近些年来温湿度、二氧化硫等环境因素逐渐成为博物馆内文物保护工作的最大难题。温湿度过高或过低会造成文物干燥或高湿，加速文物的老化，故当温湿度超标时应加快反馈速度并报警。由于我国文物保护起步较晚，温湿度检测装置大多数从国外进口，且价格昂贵，仅在一些发达城市有应用，而在欠发达地区仍普遍由人工记录和反馈当前的温湿度信息，这不仅极大地损耗人力物力，缺乏科学性，而且一些精度更高的算法和性能更好的传感器也没能在文物保护装置中发挥效应[1-3]。
要想实现文物的有效保护，故当温湿度超标时要快速给出反馈。近几年来，物联网的兴起和传感器的快速发展可以有效地解决上述问题。本文提出一种基于物联网的准确度高、操作简单、功耗低、便携性好的温湿度检测装置设计方案，该装置采用MSP430单片机和SHT11芯片设计温湿度检测模块，用ZigBee技术实现数据从检测模块到终端的传送。由于测量过程易受到外界环境因素的干扰，数据处理时需要添加优化算法进行补偿。文中采用精确度高、计算量小、收敛迅速的RLSBP算法进一步保证温湿度数据的准确性[4]。
1 系统总体设计方案及原理
1.1 系统功能设计
据研究℃，湿度应保持在2%RH内。因此，需要传感器对温湿度进行实时采集，并把采集的数据经过单片机处理后发送到后台管理系统上，由工作人员进行处理[5]。
1.2 系统总体结构与工作原理
按照上述要求可把整个硬件系统划分为三部分:底层的数据采集模块、中间的数据传输及处理模块、后端显示模块。底层的数据采集模块选择温湿度传感器SHT11负责外部数据的感应；中间的数据传输及处理部分选择MSP430芯片，负责接收传感器发送的数据，并将数据通过ZigBee组成的无线网络发送到后台管理系统上；后台显示模块则根据预先设置的温湿度要求进行处理。系统总体结构如图1所示。
图1 系统总体结构
工作原理如下:传感器SHT11感知外部环境温湿度并将其转换为数字量信号，通过I2C通信接口发送给MSP430单片机；单片机对数据进行滤波处理，再根据预先设置的精度范围判断温湿度数据是否正常，若温湿度超过精度范围则向后台发送请求，由后端控制系统打开相关设备进行调节，若仍超过允许的最大精度范围，报警器开始报警，同时，后台主机屏幕显示温湿度超标信息，通知工作人员进行处理，处理完毕后解除警报。
2 硬件电路介绍
2.1 主控电路
主控电路主要由单片机、时钟电路和保护电路等构成。单片机选择MSP430芯片，主要完成数据的收集、处理、发送和报警等任务。系统采用电池进行供电，电池电压经芯片L6920升压后，使输出电压保持在3.3 V。休眠时电流设置为50 μA左右，而平均工作电流设置为700～800 μA，极大地降低了功耗，在速度和可靠性方面也有保障[6]。
2.2 温湿度采集模块
温湿度采集模块采用瑞士Sensirion半导体公司的温湿度传感器SHT11，内含温度感应模块、湿度感应模块、14位的A/D转换单元、放大器、OTP内存和I2C总线接口，该总线接口只包含DATA数据线和SCK时钟线，接口简单可靠。为保证通信能正常进行，分别在数据线和时钟线上加入10 kΩ的上拉电阻。
2.3 网络通信模块与网络节点设置
网络通信模块采用ZigBee无线传输模块，由于文物位置保持不变，数据传输量相对较少，故采用网状型网络结构[7]。网络主要由终端节点、路由器节点和协调器节点构成。温湿度传感器作为终端节点，均匀分布在要测量的各个位置，完成数据的感应、预处理和传输等工作；主控电路作为协调器，负责开启和维护整个网络。工作流程如图2所示。
图2 传感器节点流程图
3 系统软件设计
3.1 硬件电路控制程序
系统程序设计采用模块化结构，主要包括主控电路的控制程序[8]、温湿度传感器的访问程序和网络传输程序。系统软件工作流程如图3所示。
图3 系统软件流程图
3.2 RLS-BP算法及其实现
测量过程中，传感器探头要接触外界环境，测量结果易受到外界因素的影响，而且温湿度之间也会相互形成干扰。为进一步保障温湿度数据的准确性，在软件设计中加入RLS-BP神经网络算法对数据进行滤波处理，RLS-BP算法是使用递归最小二乘（RLS）算法来优化BP神经网络中的权值和阈值[9]。
RLS是一种指数加权的最小二乘方法，它依据每个时刻对全部原始信号的平方误差和最小的准则，使代价函数最小并实现最优滤波。代价函数为Jn=，其中，λ为遗忘因子，作用是越靠近n时刻时赋予较大的权重，越远离n时刻时赋予较小的权重，常取 0.5～0.998；e(i)=di-yi，为后验估计误差；n为问题规模。RLS算法有效解决了最小均方算法（LMS）收敛速度慢、信号非平稳适应差的缺点[10]。
BP神经网络是信号的正向输入，误差反向传播多层前馈网络，具有简单、易行、计算量小、并行性强等优点。但是，BP神经网络依然存在缺陷:它需要大量的数据来求解阈值y和权值w，容易陷入局部极小点而得不到全局最优值；当以不同的权值来训练网络时，其可能收敛于不同的局部极小点。故采用RLS算法来优化BP神经网络的权值和阈值，然后进行数据训练。设计过程如图4所示。
图4 RLS-BP神经网络设计流程
RLS-BP算法的具体步骤如下:
1）更新输出层增益矢量:
由式（1）可得更新权值矩阵:
根据增益矢量来更新输出层矢量:
再由式（3）计算估计误差:
根据式（4）计算误差能量函数:
2）进入中间层后，重复上述过程，先更新增益矢量:
然后更新权值矩阵:
式中z(M1)( k )为输出层的输入值。
根据式（7）更新中间层矢量:
依据式（8）计算输出误差矢量:
计算输出误差矢量后，更新误差能量函数:
3）将误差能量函数值与能量终止值进行比较，若满足条件则停止迭代，不满足条件则重新计算。
参数说明:k为递推步长；f(x )为传递函数；f′(x)为f(x)的求导函数；y(1)( k )为中间层第k个输入时的实际输出值；x(k)为输入层的输入值；P1(k),P2( k )为中间层和输出层的逆相关矩阵；g1(k),g2( k )为中间层和输出层的卡尔曼增益( k )( k )为中间层和输出层第j个节点的第k个输入时的误差信号。
4 实验验证
4.1 数据测量
本系统的数据经过中国计量院温湿度露点仪标定，测量时分别读取露点仪的示值与温湿度检测装置的数据。测量湿度时，保持温度在25℃；测量温度时，保持湿度在20%RH，分别如表1，表2所示。
4.2 网络参数设置
RLS-BP网络输入神经元个数为2个，中间层输入神经元个数为5个，输出神经元个数为1个，网络层数为3层。遗忘系数λ=0.998。结果如图5，图6所示，分别为湿度误差曲线和温度误差曲线。
表1 湿度测量数据 %RH标准环境湿度未加入优化算法的仪器示数测量误差加入优化算法的仪器示数测量误差
表2 温度测量数据 ℃标准环境温度未加入优化算法的仪器示数测量误差加入优化算法的仪器示数测量误差-
图5 湿度误差曲线
图6 温度误差曲线
4.3 测量精度设置
%RH。
根据表1，表2，图5，图6结果可知:加入优化算法后湿度偏?RH，温度偏馈妫蟛蠲飨越档停山虾玫芈悴┪锕莩【跋碌挠τ帽曜肌? 5 结 论
本系统使用MSP430芯片和SHT11温湿度传感器设计温湿度检测装置，并结合ZigBee技术进行网络传输，完成网络区域内温湿度参数的感应、处理及传输等工作，并且加入基于RLS-BP神经网络的滤波算法对温湿度数据进行滤波矫正。实验测试结果证明，湿度偏?RH，温度偏馈妫闶笛楸曜迹蟠筇岣吡耸笛榫龋捎行Щ航馕率榷晕奈锏乃鸹傥侍狻Ｋ杓葡低彻δ芮看蟆⒔峁辜虻ァ⒐慕系汀⒙嘲粜院谩⒂τ贸【笆视π郧浚咕弑噶己玫目衫┱剐裕稍诘テ霞尤攵喔霾饬看衅鳎直鸾涓秤璨煌娜ㄖ睾蟮贸鲎钪战峁徊礁慕觳庑Ч? 注：本文通讯作者为焦文潭。
[1]郑晓茜，马朝华，赵方，等.基于MSP430和GSM技术的粮仓温湿度监控系统设计[J].粮食与油脂，2017，30（3）:87-90.
[2]戴建华.基于MSP430无线温湿度监测系统设计[J].苏州市职业大学学报，2015，26（4）:18-24.
[3]丁月林.基于STM32的低功耗温湿度采集器实现[J].软件，2015，36（5）:84-88.
[4]邓书辉，施正香，李保明.低屋面横向通风牛舍温湿度场CFD模拟[J].农业工程学报，2015，31（9）:209-214.
[5]程艳，任勇峰，文丰，等.基于MSP430的低功耗温湿度计设计[J].电子器件，2015，38（2）:382-385.
[6]化腾飞.基于MSP430F149单片机与AM2301传感器的温湿度计设计[J].山东农业大学学报（自然科学版），2015，46（1）:143-147.
[7]周海鸿，周嘉奉.基于ZigBee技术的温湿度监测系统[J].国外电子测量技术，2015，34（7）:75-79.
[8]姜钧严，郭艳玲，杨冬霞，等.基于ZigBee技术的温室温湿度检测系统[J].森林工程，2014，30（2）:105-108.
[9]朱振国，田松禄.基于权值变化的BP神经网络自适应学习率改进研究[J].计算机系统应用，2018，27（7）:205-210.
[10]崔大鹏.神经网络在自适应噪声抵消中的应用研究[J].电子技术与软件工程，2015（16）:36-37.
王 琦（1992—），男，河南洛阳人，硕士研究生，主要研究方向为嵌入式系统。
焦文潭（1982—），男，河南洛阳人，硕士，讲师，主要从事嵌入式技术应用及自动化系统研究。
高向川（1981—），男，河南南阳人，硕士生导师，主要从事无线通信理论及定位技术。
0 引 言近些年来温湿度、二氧化硫等环境因素逐渐成为博物馆内文物保护工作的最大难题。温湿度过高或过低会造成文物干燥或高湿，加速文物的老化，故当温湿度超标时应加快反馈速度并报警。由于我国文物保护起步较晚，温湿度检测装置大多数从国外进口，且价格昂贵，仅在一些发达城市有应用，而在欠发达地区仍普遍由人工记录和反馈当前的温湿度信息，这不仅极大地损耗人力物力，缺乏科学性，而且一些精度更高的算法和性能更好的传感器也没能在文物保护装置中发挥效应[1-3]。要想实现文物的有效保护，故当温湿度超标时要快速给出反馈。近几年来，物联网的兴起和传感器的快速发展可以有效地解决上述问题。本文提出一种基于物联网的准确度高、操作简单、功耗低、便携性好的温湿度检测装置设计方案，该装置采用MSP430单片机和SHT11芯片设计温湿度检测模块，用ZigBee技术实现数据从检测模块到终端的传送。由于测量过程易受到外界环境因素的干扰，数据处理时需要添加优化算法进行补偿。文中采用精确度高、计算量小、收敛迅速的RLSBP算法进一步保证温湿度数据的准确性[4]。1 系统总体设计方案及原理1.1 系统功能设计据研究℃，湿度应保持在2%RH内。因此，需要传感器对温湿度进行实时采集，并把采集的数据经过单片机处理后发送到后台管理系统上，由工作人员进行处理[5] 系统总体结构与工作原理按照上述要求可把整个硬件系统划分为三部分:底层的数据采集模块、中间的数据传输及处理模块、后端显示模块。底层的数据采集模块选择温湿度传感器SHT11负责外部数据的感应；中间的数据传输及处理部分选择MSP430芯片，负责接收传感器发送的数据，并将数据通过ZigBee组成的无线网络发送到后台管理系统上；后台显示模块则根据预先设置的温湿度要求进行处理。系统总体结构如图1所示。图1 系统总体结构工作原理如下:传感器SHT11感知外部环境温湿度并将其转换为数字量信号，通过I2C通信接口发送给MSP430单片机；单片机对数据进行滤波处理，再根据预先设置的精度范围判断温湿度数据是否正常，若温湿度超过精度范围则向后台发送请求，由后端控制系统打开相关设备进行调节，若仍超过允许的最大精度范围，报警器开始报警，同时，后台主机屏幕显示温湿度超标信息，通知工作人员进行处理，处理完毕后解除警报。2 硬件电路介绍2.1 主控电路主控电路主要由单片机、时钟电路和保护电路等构成。单片机选择MSP430芯片，主要完成数据的收集、处理、发送和报警等任务。系统采用电池进行供电，电池电压经芯片L6920升压后，使输出电压保持在3.3 V。休眠时电流设置为50 μA左右，而平均工作电流设置为700～800 μA，极大地降低了功耗，在速度和可靠性方面也有保障[6] 温湿度采集模块温湿度采集模块采用瑞士Sensirion半导体公司的温湿度传感器SHT11，内含温度感应模块、湿度感应模块、14位的A/D转换单元、放大器、OTP内存和I2C总线接口，该总线接口只包含DATA数据线和SCK时钟线，接口简单可靠。为保证通信能正常进行，分别在数据线和时钟线上加入10 kΩ的上?网络通信模块与网络节点设置网络通信模块采用ZigBee无线传输模块，由于文物位置保持不变，数据传输量相对较少，故采用网状型网络结构[7]。网络主要由终端节点、路由器节点和协调器节点构成。温湿度传感器作为终端节点，均匀分布在要测量的各个位置，完成数据的感应、预处理和传输等工作；主控电路作为协调器，负责开启和维护整个网络。工作流程如图2所示。图2 传感器节点流程图3 系统软件设计3.1 硬件电路控制程序系统程序设计采用模块化结构，主要包括主控电路的控制程序[8]、温湿度传感器的访问程序和网络传输程序。系统软件工作流程如图3所示。图3 系统软件流程图3.2 RLS-BP算法及其实现测量过程中，传感器探头要接触外界环境，测量结果易受到外界因素的影响，而且温湿度之间也会相互形成干扰。为进一步保障温湿度数据的准确性，在软件设计中加入RLS-BP神经网络算法对数据进行滤波处理，RLS-BP算法是使用递归最小二乘（RLS）算法来优化BP神经网络中的权值和阈值[9]。RLS是一种指数加权的最小二乘方法，它依据每个时刻对全部原始信号的平方误差和最小的准则，使代价函数最小并实现最优滤波。代价函数为Jn=，其中，λ为遗忘因子，作用是越靠近n时刻时赋予较大的权重，越远离n时刻时赋予较小的权重，常取 0.5～0.998；e(i)=di-yi，为后验估计误差；n为问题规模。RLS算法有效解决了最小均方算法（LMS）收敛速度慢、信号非平稳适应差的缺点[10]。BP神经网络是信号的正向输入，误差反向传播多层前馈网络，具有简单、易行、计算量小、并行性强等优点。但是，BP神经网络依然存在缺陷:它需要大量的数据来求解阈值y和权值w，容易陷入局部极小点而得不到全局最优值；当以不同的权值来训练网络时，其可能收敛于不同的局部极小点。故采用RLS算法来优化BP神经网络的权值和阈值，然后进行数据训练。设计过程如图4所示。图4 RLS-BP神经网络设计流程RLS-BP算法的具体步骤如下:1）更新输出层增益矢量:由式（1）可得更新权值矩阵:根据增益矢量来更新输出层矢量:再由式（3）计算估计误差:根据式（4）计算误差能量函数:2）进入中间层后，重复上述过程，先更新增益矢量:然后更新权值矩阵:式中z(M1)( k )为输出层的输入值。根据式（7）更新中间层矢量:依据式（8）计算输出误差矢量:计算输出误差矢量后，更新误差能量函数:3）将误差能量函数值与能量终止值进行比较，若满足条件则停止迭代，不满足条件则重新计算。参数说明:k为递推步长；f(x )为传递函数；f′(x)为f(x)的求导函数；y(1)( k )为中间层第k个输入时的实际输出值；x(k)为输入层的输入值；P1(k),P2( k )为中间层和输出层的逆相关矩阵；g1(k),g2( k )为中间层和输出层的卡尔曼增益( k )( k )为中间层和输出层第j个节点的第k个输入时的误差信号。4 实验验证4.1 数据测量本系统的数据经过中国计量院温湿度露点仪标定，测量时分别读取露点仪的示值与温湿度检测装置的数据。测量湿度时，保持温度在25℃；测量温度时，保持湿度在20%RH，分别如表1，表2所示 网络参数设置RLS-BP网络输入神经元个数为2个，中间层输入神经元个数为5个，输出神经元个数为1个，网络层数为3层。遗忘系数λ=0.998。结果如图5，图6所示，分别为湿度误差曲线和温度误差曲线。表1 湿度测量数据 %RH标准环境湿度未加入优化算法的仪器示数测量误差加入优化算法的仪器示数测量误差 表2 温度测量数据 ℃标准环境温度未加入优化算法的仪器示数测量误差加入优化算法的仪器示数测量误差- 图5 湿度误差曲线图6 温度误差曲线4.3 测量?RH。根据表1，表2，图5，图6结果可知:加入优化算法后湿度偏?RH，温度偏馈妫蟛蠲飨越档停山虾玫芈悴┪锕莩【跋碌挠τ帽曜肌? 结 论本系统使用MSP430芯片和SHT11温湿度传感器设计温湿度检测装置，并结合ZigBee技术进行网络传输，完成网络区域内温湿度参数的感应、处理及传输等工作，并且加入基于RLS-BP神经网络的滤波算法对温湿度数据进行滤波矫正。实验测试结果证明，湿度偏?RH，温度偏馈妫闶笛楸曜迹蟠筇岣吡耸笛榫龋捎行Щ航馕率榷晕奈锏乃鸹傥侍狻Ｋ杓葡低彻δ芮看蟆⒔峁辜虻ァ⒐慕系汀⒙嘲粜院谩⒂τ贸【笆视π郧浚咕弑噶己玫目衫┱剐裕稍诘テ霞尤攵喔霾饬看衅鳎直鸾涓秤璨煌娜ㄖ睾蟮贸鲎钪战峁徊礁慕觳庑ЧＷⅲ罕疚耐ㄑ蹲髡呶刮奶丁２慰嘉南譡1]郑晓茜，马朝华，赵方，等.基于MSP430和GSM技术的粮仓温湿度监控系统设计[J].粮食与油脂，2017，30（3）:87-90.[2]戴建华.基于MSP430无线温湿度监测系统设计[J].苏州市职业大学学报，2015，26（4）:18-24.[3]丁月林.基于STM32的低功耗温湿度采集器实现[J].软件，2015，36（5）:84-88.[4]邓书辉，施正香，李保明.低屋面横向通风牛舍温湿度场CFD模拟[J].农业工程学报，2015，31（9）:209-214.[5]程艳，任勇峰，文丰，等.基于MSP430的低功耗温湿度计设计[J].电子器件，2015，38（2）:382-385.[6]化腾飞.基于MSP430F149单片机与AM2301传感器的温湿度计设计[J].山东农业大学学报（自然科学版），2015，46（1）:143-147.[7]周海鸿，周嘉奉.基于ZigBee技术的温湿度监测系统[J].国外电子测量技术，2015，34（7）:75-79.[8]姜钧严，郭艳玲，杨冬霞，等.基于ZigBee技术的温室温湿度检测系统[J].森林工程，2014，30（2）:105-108.[9]朱振国，田松禄.基于权值变化的BP神经网络自适应学习率改进研究[J].计算机系统应用，2018，27（7）:205-210.[10]崔大鹏.神经网络在自适应噪声抵消中的应用研究[J].电子技术与软件工程，2015（16）:36-37.
王 琦（1992—），男，河南洛阳人，硕士研究生，主要研究方向为嵌入式系统。
焦文潭（1982—），男，河南洛阳人，硕士，讲师，主要从事嵌入式技术应用及自动化系统研究。
文章来源：无线通信技术 网址: http://wxtxjs.400nongye.com/lunwen/itemid-42007.shtml
上一篇： LoRa技术在智慧图书馆中的应用研究
下一篇： 教育理论与教育管理论文_基于物联网的校园疫情监控系统设计与实现
