面向WSN的无人机水域监测系统研究与应用

钞凡 何志琴 葛俊杰 胡秀敏

摘  要： 针对水域水质监测数据收集难度较大、数据传输成本高、不灵活等问题，利用无人机的高机动性设计一种在WSN水域监测中以无人机充当移动汇聚节点，通过无线传输数据，来高效灵活地收集监测节点数据的新型系统。根据此系统的特性在传统的路径规划算法上对无人机的飞行路径做进一步的优化研究。实验结果表明，该系统稳定、成本低、实时性强、灵活性高，可准确有效地收集监测节点的数据。

关键词： 水域监测; 无线传感器网络; 无人机; 移动节点; 路径优化; 数据收集

中图分类号： TN931+.3?34; TP273               文献标识码： A                       文章编号： 1004?373X（2020）12?0122?05

Abstract： In allusion to the difficulty of water quality monitoring data acquisition， as well as the high cost and inflexibility of data transmission， a new type of system is designed by utilizing the high maneuverability of UAV， in which the UAV is acted as the mobile sink node in the WSN waters monitoring， and the monitoring node data is collected efficiently and flexibly through wireless transmission of data. According to the characteristics of the system， the flight path of UAV is further optimized on the basis of traditional path planning algorithm. The actual experimental results show that the system is stable， low?cost， strong real?time and high flexible， and can collect data of monitoring nodes accurately and effectively.

Keywords： water monitoring; wireless sensor network; UAV; mobile node; path optimization; data collection

WSN技术的高速发展和应用为水域监测提供了新的研究方向[1]，它具有成本低、组网灵活、对周边环境影响较小等特点，利用WSN技术可以实现对水质的高效、快速、实时和远程监测。对于水域监测节点数据的收集一直是一个难题，人工的收集效率低，建立固定的有线监测基站成本高，同时对于节点监测的无线通信范围要求也高，采用4G通信都会给系统增加功耗与成本[2]。将无人机引入WSN水域监测系统，大大增加了系统的灵活性，优化了飞行路径，在保证检测数据稳定收集的基础上节约了系统的成本。

1  系统整体设计方案

新型水域监测系统主要由水质监测数据采集模块、无线传感器网关[3]，以及携带无线通信模块可存储信息的无人机组成。在水域WSN中各个传感器监测节点数据统一发送到各个区域的汇聚节点，再由无人机通过CC2530统一收集各汇聚节点[4]的数据，以保证数据收集的高效性，然后通过存储单元模块将收集到的数据带回工作基站分析处理。图1为系统总体结构图。

2  新型WSN水域监测系统硬件设计

无人机选型采用可承载一定重量的大四轴旋翼[5]。微处理器STM32F407[6]主要实现对无人机的控制，同时需要搭载气压计MS5611、陀螺仪、加速度计MPU6050以及磁力计AK8975，共同协调保证无人机的平稳飞行。无线通信模块选用CC2530[7]将监测到的数据发送到无人机上保存并带回，存储单元选择容量大、读写方便、应用范围广的USB兼Type C的U盘。系统硬件框图如图2所示。

3  无人机路径规划及避障算法研究

3.1  无人机路径规划

无人机的路径规划问题即选取停留点的问题，本文提出基于二次竞争的停留点选取方法。

首先在第一次竞争中，将节点与基站之间的距离、节点自身能量考虑在内，提出间距因子和能量因子两个概念。

1） 间距因子

由此能够选择相对能量更高、距离基站更近、周围节点密度更大的节点作为无人机的停留点。通过Matlab仿真，选取的停留点如图4所示，节点数n=100，簇头比例0.05。

在确定了停留点后，基本可以将无人机路径规划问题归为旅行商问题，利用蚁群算法初步实现无人机的最短路径规划，此处的线路呈现为以各个传感器监测节点的连线，节点访问顺序也随之确定。通过蚁群算法对选取的停留点位置进行路径规划仿真，如图5所示。

3.2  无人机避障分析

考虑到在水域监测中，系统多处于地形条件复杂的环境，无人机收集数据的过程中能够有效地避开各种各样的障碍物是保证数据传输可靠性的重要因素。因此进一步对无人机的避障行为做了分析与研究。

无人机在飞行途中对于障碍物躲避的规划可分为动态避障与静态避障规划。动态避障是无人机按照先前规划好的路径飞行，在飞行途中碰到障碍物时，利用红外、超声波或图像识别等技术来监测识别障碍物，随后将障碍物信息反馈给飞控，再由飞控发出临时变道指令，无人机绕开障碍物后回到原轨迹继续飞行。动态避障流程框图如图6所示。

静态避障规划则是根据水域环境中已知的障碍物位置，结合监测节点的位置，利用避障算法将障碍物考虑到飞行路径的规划中，对障碍物与监测节点做全局的路径规划。此时无人机就按照做避障规划后的路径飞行即可。在对避障算法规划路径的策略中，应当优先避障路径最短的策略，同时也需要尽量避免搜索路径过多的曲折。过多的曲折可能会增加路径的总长度，由于是无人机飞行，曲折的路径需要无人机多次转向飞行，这对无人机飞行的平稳性有一定的影响;同时由于多次转向，飞行速度也会下降，增加了总的飞行时间。

普通策略的避障路径如图7所示。为利用基础的Q?Learning算法的“横竖”搜索策略所呈现的避障路径仿真图，从可以看出此算法规划的路径较长，路径线路也比较曲折，不适合应用在无人机数据提取的飞行路径规划中。

采用“直线少曲折”线路的策略方法，利用A*算法仿真出的避障路径如图8所示。从图中可以看出，在起始点与目标点之间，路径搜索的大方向倾向于两点之间的连线，基本在当有障碍物阻挡时选择变向，不仅缩短了路径的长度，变向的次数也相对较少。所以通过对比分析，采用“直线少曲折”线路策略相对要更适合于无人机数据提取的飞行路径规划中。

通过以上分析研究，对避障路径的规划可以做出一个概括性的总结：动态避障的优点是有较高的智能化水平与鲁棒性;其缺点是对无人机的传感器性能与相关技术的要求相对较高，在遇到障碍物时，临时的轨迹变动可能会增加了飞行的距离。对静态规划而言，其优点在于监测区域的障碍物位置基本已经确定，利用合适的避障策略对路径做全局规划，可以有效地缩短飞行路径的长度，无人机的工作负担也相对较小，然而其缺点也很明显，在这样的规划中无人机的临时应变能力几乎为0。

所以在环境相对稳定的监测水域中，可以利用避障路径算法规划出全局路径，同时为无人机配备障碍物检测模块，这样既可以达到一个较优的层面，也保证了路径的完整性并使得无人机具有一定的临时应变能力，确保其可以有效稳定地完成任务。在未来的工作中，动态的智能避障与路径在线规划将是发展的主流。

4  系统软件处理

基于WSN水域监测无人机信息收集系统软件设计由两个部分组成：一是无人机飞行收集的设计;二是节点数据无线通信传输的设计。无人机飞行控制主要是完成飞控与无人机上搭载无线通信模块的初始化，定高飞行，飞至采集节点处对汇聚节点发出信号，唤醒节点完成数据传输。为了保证能耗低，监测点与汇聚节点采用定时睡眠模式，可通过外部激励唤醒。数据发送端则是将监测到的节点数据发送到汇聚节点，同时对自身设定为定时采集[11]。软件流程图如图9 所示。

5  系统运行及实验数据分析

系统进行实地运行测试，节点采用浮标[12]的方式固定部署在水面上，同時对节点进行防水性处理，如图10所示。正式测试之前对搭建好的无人机系统进行通信质量测试，实物图如图11所示。

整个测试过程在水域边可视环境下进行，在测试过程中不断拉大测试距离，对1 000个数据包的接收情况进行测试[13]，测试结果如表1所示。从表中可以看出，随着测试距离的增加，丢包率也会上升，并且在超过30 m后的传输质量无法得到保障，在超过40 m后基本无法传输，所以部署节点时距离应该控制在20 m以内，能达到数据传输的要求。

正式收集时系统每30 min收集一次数据，对实验数据统计分析，得到系统的实验值和实际测量值，见表2。通过表2对比分析能够得出，温度误差基本在0.81%～1.24%之间，pH值误差基本在1.3%以下，都为合理的误差范围。因此，本系统可以较为准确地收集水域监测的数据。

6  结  语

本文设计一种新型WSN水域监测数据收集系统，将无人机与WSN相结合，分析水域监测的特点，对无人机的飞行路径做了优化研究，分别从软硬件对系统进行了合理的设计。通过实验对整体系统测试，结果表明，基于WSN的水域监测无人机信息收集系统，工作稳定可靠，并且具有灵活、实时性强、成本低的优点。

注：本文通讯作者为何志琴。

参考文献

[1] 唐逍，陈光化，戴庆华，等.基于WSN的水产养殖环境监测系统设计[J].计算机测量与控制，2018，26（10）：9?13.

[2] 李一峰，樊海红.基于无线传感器的水质监测系统[J].电子技术与软件工程，2018（24）：59?60.

[3] 孔英会，李佩玉，陈智雄，等.一种自适应无线传感器网络监控系统网关设计[J].计算机测量与控制，2015，23（9）：3178?3181.

[4] 陈新岗，赵唐，马骏，等.基于ZigBee无线组网的真空断路器温度在线监测系统设计[J].仪表技术与传感器，2018（8）：39?42.

[5] 关学忠，赵丽丽，崔凡，等.基于STM32的无人机地面监控系统[J].化工自动化及仪表，2017，44（3）：277?278.

[6] 杨颂，张少伟，孙培壮，等.基于STM32和OV5640的无人机农情监测系统[J].物联网技术，2018，8（7）：22?25.

[7] 王海珍，廉佐政，滕艳平.CC2530单片机多点温度采集实验设计[J].实验室研究与探索，2018，37（12）：98?101.

[8] 皇甫淑云，唐守锋，童紫原，等.自主移动机器人路径规划方法研究综述[J].软件导刊，2018，17（10）：1?5.

[9] 唐继强.无线传感器网络中移动汇聚节点的线路规划[D].重庆：重庆大学，2016.

[10] 覃远年，梁仲华.蚁群算法研究与应用的新进展[J].计算机工程与科学，2019，41（1）：173?184.

[11] 李晓明.有向图的增强：一个适合以问题求解为导向教学的例子[J].计算机教育，2019（2）：1?4.

[12] HOSSEINIRADA S M， MOHAMMADIB M A， BASUA S K， et al. Leach routing algorithm optimization through imperialist approach [J]. IJE transactions A： basics， 2014（1）： 39?50.

[13] FAN S， ZHAO H L. Delay?based cross?layer qos scheme for video streaming in wireless ad hoc networks [J]. China communication， 2018， 15（9）： 215?234.

[14] LIU X J， ZHANG B， DU F Y. Integrating relative coordinates with simulated annealing to solve a traveling salesman problem [C]// Seventh International Joint Conference on Computational Sciences & Optimization. Beijing： IEEE， 2014： 217?220.

[15] 李欣，王亚娟.基于Hilbert空间填充曲线的WSN移动汇聚节点轨迹设计[J].现代电子技术，2016，39（23）：17?21.