拖拉机智能定位监测系统设计—基于粒子群优化和WSN

甘沛沛

(陕西航空职业技术学院 电子工程学院，陕西 汉中　723102)

0　引言

随着互联网、半导体技术、计算机技术和物联网技术的快速发展，人们对特定目标进行监控、定位及导航的需求逐渐加大。近年来，无线通讯技术的迅猛发展，使得远程智能控制获得了长足的发展，无线传感网络备受人们关注。为此，本文引入粒子群优化算法和无线传感技术，提出了一种拖拉机智能定位监测系统。该系统将无线传感网络与智能控制算法相结合，应用于拖拉机的实时定位，具有可靠性高和实时性强等优势。

1　粒子群优化算法

粒子群(PSO)是追踪鸟群寻觅食物过程得出的一种求优算法，其模拟鸟群在飞行过程中方向和速度不可知的特性，从一个初始点向其他地方飞行。在求优算法中，“粒子”作为研究对象，与种群中的鸟一一对应，但这种粒子和生活中颗粒没有任何关系，其无质与量的概念，而仅仅代表全局求优过程中一个带求解问题。速度和位置是粒子的两要素，二者都可用向量来表示(即粒子状态由位置和速度两种向量表示)，所有粒子的共同目标是根据已设定函数求解最优目标解。其中，速度要素主要是把控粒子的方向和位移量。鸟群寻找的食物目标就是所需解决问题的最优解，粒子群体间通过相互交流、相互传递信息确定最终找到食物的位置。因此，在求解过程中，所有粒子都应该记下当前寻找到的最优位置信息，也就是其中一个最优解，并获得除自己以外所有粒子的最佳位置信息(即全局最优解)。粒子根据这两个最优解，判断自己当前位置到食物位置的最佳路线，然后去寻找食物。

粒子群优化算法原理描述：假设在一个n维立体空间中鸟群数量为M(即粒子数为M)，第i个粒子的位置Xi=[xi1,xi2,…,xin]，速度Vi=[vi1,vi2,…,vin]，根据目标函数求出Xi，便可以确定粒子的优劣程度；Pi为第i个粒子的最优值，Pi=[pi1,pi2,…,pin]；Pg为此刻搜索得出的全局最优值，Pg=[pg1,pg1,…,pgn]。那么粒子位置和速度之间的调整表达式为

(1)

(2)

其中，d为小于等于n的正整数；k为求解次数；r1、r2∈[0,1]，表示群里的多样性；ω为惯性系数；c1和c2为学习因子，分别控制和个体和全局最优位置的位置远近关系。

每个粒子个体最优解更新表达式为

(3)

所有粒子的全局最优解更新表达式为

f(Pg)=min[f(pi)]

(4)

粒子群优化算法流程如图1所示。

2　WSN技术

由于农业车辆常常在收获季节高强度大面积的工作，因此往往需要对其作业地点进行定位追踪，车辆定位也是车联网重要的技术之一。定位系统是车辆路径规划的基础，WSN作为农业车辆路径规划和导航的移动节点，各个无线传感器通过附件节点位置进行位置追踪。根据定位精度和实时性的区别，WSN主要包括RSSI、TDOA、AOA和TOA4种算法，并且各有各的优势与不足。

2.1　RSSI测距法

RSSI测距原理：将节点发射功率值与实际节点测量信号强度值进行对比，以信号传播衰减为依据确定距离。由于拖拉机工作环境复杂多变，天气变化多端，外界干扰多，系统不太稳定；而RSSI测距可以通过传感节点测量感知到的功率，根据信号传播模型确定节点之间的距离，抗干扰性强。因此，采用RSSI算法是最佳的测距方法。其信号衰减模型公式为

(5)

其中，p(d)为距离为d时节点测得的信号值；p(d0) 为节点与基站相距d0时节点测得的信号值；n为比例系数，与障碍物大小、形状以及材料相关；nW为节点与基站二者中间的障碍物数量；WAF为无线信号损耗值；C为信号穿过障碍物的个数。在节点和另一附近节点进行通讯时，信号强度值可以被其他节点测得，并且不会消耗信号带宽能量值。

2.2　三边测量法

在WSN定位过程中，信息不明的节点能够以与其他3个参考节点之间的距离，采用三边、多变坐标法求出其坐标。当定位的3个节点位置为线性时，无法采用该算法进行计算，因此常常采用参考节点中二次迭代法进行计算决策。

三维坐标系中，必须知道未知点与4个或以上已知几点距离，才能够确定搞点的空间坐标位置。WSN节点坐标中，因为是二维平面，所以只需知道3个点就可以求出该点坐标。三边测量原理如图2所示。

图2　三边测量原理图

设定D(x,y)未知，A(x1,y1)、B(x2,y2)和C(x3,y3)为已知，D与3点之间的距离为 d1、d2和d3。距离计算表达式为

(6)

化简后为

(7)

2.3　三角测量法

由于WSN节点坐标是二维平面，三角测量法只需要两个参考节点便可求出未知节点坐标。设定S(x,y)为未知节点，A(x1,y1)和B(x2,y2)为已知节点，节点S和A、B的角度为α、β。三角测量原理如图3所示。

图3　三角测量原理图

图3中，三角测量法计算公式为

(8)

3　拖拉机智能定位监测系统的实现

3.1　智能定位监测系统硬件设计

智能定位监测系统硬件主要是围绕无线通信模块、Samsung s3c2410A处理器及其他外围电路来实现的，具体包括串行接口、时钟电路、JTAG调试接口、复位电路、AD/电池供电电路和无线传输模块等。系统硬件框架如图4所示。

图4　系统硬件框架图

无线测试模块采用DIGI公司的XBee模块，其支持2.4G Zig Bee 协议，自身资源丰富，接收灵敏度高，抗干扰性强，并且支持低功耗模式。该模块共包含 RS232 串口转换、JTAG、按键和电源等4部分电路。

1)RS232 串口电路。RS232 是一种串行通讯接口，一般以9 PIN管脚的型态出现，由电平转化芯片SP3223EEA驱动控制。通过SP3223EEA芯片的电平转换，可以实现计算机与网关节点的数据信息发送。RS232无线测试接口电路如图5所示。

图5　RS232无线测试接口电路图

2)JTAG电路。JTAG是一种国际标准测试协议，主要用于测试处理器内部的模式选择、时钟信号及数据输入输出等，通过该接口可以实现系统移植和程序在线测试等功能。JTAG电路原理图如6所示。

图6　系统JTAG电路原理图

3)按键电路。按键电路主要有复位和和命令两种模式，其按键值与处理器端口配置有关。系统按键原理如图7所示。

4)电源电路。本系统共有两种供电方案：一种是由电池供电，另一种是通过AMS1084芯片将USB或仿真器提供的电源转化为3.3V电压。无线通信模块需长期供电，当无外部电源供电时采用电池供电模式。另外，因电路对无线通信模块芯片干扰大，因此一般需进行滤波处理。具体电路图如图8所示。

图7　系统按键原理图

图8　系统电源原理图

3.2　智能定位监测系统软件设计

无线通信模块中的网关对整个系统的数据接发具有重要作用，是节点信息交互的枢纽。一般先经由它接收远程后台发送的指令信息，然后实现信标节点和未知节点的通信，并将最终数据信息回发给远程控制中心，方便工作人员实时检测定位情况和了解节点运行状态。无线通信模块网关程序流程如图9所示。

图9　无线通信模块网关程序流程图

4　实验结果与分析

本文为了验证拖拉机智能定位监测系统设计是否可行，利用 MatLab对其进行了系统仿真。仿真过程中假设拖拉机在0dbm下进行作业，无线通讯模块信标节点通信半径为30m。将3次最优结果采用最小二乘法进行拟合，如图10所示。

图10　实验结果拟合图

由图10可以看出：该智能定位监测系统能够准确估计拖拉机的位置，误差系数较小，并能对累计误差进行智能化处理，较大程度减少了累计误差，使得车辆在整个模拟过程中误差在0.5m以内，证实了该定位算法具有较高的准确性和稳定性。

5　结论

首先介绍了粒子群优化算法和WSN技术的特点和原理，然后根据拖拉机在作业过程中的实际需求设计了一种拖拉机智能定位监测系统。利用MatLab对定位算法进行了仿真实验，结果表明：该系统能够准确估计拖拉机的位置，误差系数较小，在满足定位精度的情况下较大程度地减少了累计误差，使得车辆在整个模拟过程中误差在0.5m以内，能够准确完成对目标定位的功能。