基于ZigBee无线传感器网络的智能节水灌溉系统设计

郭国法　许萌　张开生

摘要：针对当前我国农业灌溉用水利用率低下的现状，设计了1套基于ZigBee无线传感器网络（ZigBee WSN）的智能节水灌溉系统。系统通过田间数据采集终端采集土壤墒情信息，经ZigBee WSN传送至上位机系统，由上位机分析并作出相应的灌溉决策，继而命令相应的灌溉设备实施灌溉作业。通过引入传感器权值自适应融合算法，在一定程度上提升了系统的决策精度和决策合理性。仿真验证表明，传感器权值自适应融合算法能够明显地降低系统获取信息的冗余性、矛盾性、不确定性，从而较好地提升了系统观测数据的一致性和可靠性。

关键词：ZigBee技术；节水灌溉；数据融合；无线传感器网络

中图分类号： S126；S274.2文献标志码： A文章编号：1002-1302（2015）11-0513-06

收稿日期：2014-11-07

基金项目：陕西省西安市科技局项目[编号：CXY1343（6）]；陕西省西安市未央区科技局项目（编号：2012-03）。

作者简介：郭国法（1962—），男，山西陵川人，硕士，教授，研究方向为电气控制。E-mail：849738384@qq.com。

通信作者：许萌，硕士，研究方向为嵌入式物联网。E-mail：sine1991@foxmail.com。目前，我国绝大多数地区的农业依旧处于粗犷型经营管理方式之下，科技含量和自动化程度普遍偏低，这不仅大大地制约了我国农业的可持续发展，而且造成了各种资源的极大浪费。就农业灌溉而言，我国普遍采用落后的大水漫灌方式，加上灌溉设施的老化、损毁和缺乏科学的灌溉量化指标，致使相当一部分的灌溉用水在灌溉过程中损耗[1]。研究表明，我国灌溉用水的有效利用率仅为40%左右，远低于发达国家70%～80%的水平。这种高消耗、低效率的灌溉方式已成为制约我国农业健康发展的瓶颈之一[2]。

1系统总体设计方案

针对当前现状，本研究设计了1种基于ZigBee无线传感器网络的智能节水灌溉系统，该系统主要由田间数据采集终端、ZigBee无线传感器网络、上位机系统、灌溉执行机构以及远程控制终端（可选）组成（图1）。其中，上位机系统通过ZigBee无线传感器网络获取田间数据采集终端所监测到的土壤墒情信息，并结合不同的作物种类以及作物生长阶段，分析和制订出不同的灌溉方案，达到合理调配水源、提高水源利用率的目的。上位机系统可以通过与Internet之间的联通，实现远程终端对系统的控制，用户可使用远程计算机或手持设备（智能手机、掌上电脑等）通过Internet方便地操控系统[1-2]，提升了系统使用的灵活性和便利性。同时，在土壤墒情数据的采集过程中引入数据融合技术，可以显著增强和提升系统在野外恶劣工况下对噪声的抵御能力和监测精度，使得系统具有较高的推广和实用价值。

2硬件系统设计

2.1ZigBee网络拓扑结构的设计

ZigBee网络拓扑结构可分为以下3种类型：星型（Star）网络、网型（Mesh）网络、树簇型（Cluster Tree）网络。其中网型网络的各路由节点之间彼此建立对等连接，终端节点的信息可通过多条不同的路由到达协调器（图2）。该拓扑结构不仅可以有效地均衡网络负载，而且具有较强的网络自愈能力，即使某个路由器发生故障，数据也可通过其他路由器送达目的地。此外，网形网络组网方便、适应性强，能够自动感测网络拓扑变化并调整通信路由以获取最有效的传输路径，且整个过程无需人工干预。最后，得益于网络中众多的路由节点，终端节点可以用较低的功率将数据发送到邻近路由节点，从而降低了节点之间的干扰，提高了信道的质量和利用率。综上，网型网络拓扑是较为理想的选择。

2.2无线收发芯片的选型

系统采用Chipcon公司生产的CC2530无线收发芯片。该芯片是一颗专为2.4 GHz IEEE802.15.4以及ZigBee应用而设计的片上系统（SoC）解决方案。基于该芯片，可以用比较低廉的成本搭建起各类型的网络节点，只需极少的外围元件便可确保短距离通信的有效性和可靠性。因此，系统中的终端、路由和协调器节点的硬件架构均基于CC2530芯片进行设计。CC2530集优越的RF收发性能、工业标准增强型8051CPU、系统内可编程闪存、8 kB RAM等优秀特性于一体，并兼具多种工作模式，使其尤为适合对功耗有着苛刻要求的系统。芯片传输数据率最高可达250 kb/s，可以满足系统对数据率的要求。且使用该芯片组成的设备具有体积小、功耗低，组网灵活、抗毁坏性强等优点，能够较好地适应野外复杂多变的工作环境。

2.3数据采集终端节点的设计

在ZigBee无线网络中，通常有全功能设备（FFD）和简化功能设备（RFD）2种类型的设备。由于数据采集终端只进行数据采集和处理，无需承担额外的路由转发任务，因此可将数据采集终端节点设置为RFD类型，以降低设备成本和功耗。

终端节点的原理是外部晶振为CC2530芯片的工作提供基准时钟频率，射频天线与CC2530之间的LC网络则用于阻抗匹配[3]，传感器与CC2530相连接，并由CC2530完成A/D转换（图3）。由于终端节点在空闲时间可以进入深度睡眠状态（PM3模式），仅在工作时由外部定时器产生中断将其唤醒至正常工作状态（PM0模式），因此功耗极低，仅靠2节串联的5号1.5 V干电池即可维持设备正常工作至少半年以上。

2.4路由节点的设计

由于路由节点负责众多终端节点的数据转发、路由的维持和发现，因此路由节点的工作负荷较重，应优先考虑设备性能而非设备功耗，故将路由节点设置为FFD设备类型，其硬件架构与图3所示的数据采集终端基本一致，只是去除传感器和外部定时器部分并改变芯片供电方式。由于优先考虑设备性能，因此路由节点采用较为稳定的太阳能电池板加蓄电池的供电方式：当日间阳光较强时，通过太阳能电池对设备供电，同时将多余电能存储到蓄电池；当光线不足时，则使用蓄电池供电[1-3-4]。为防止过度充电对蓄电池带来的损害，系统采用CN3063充电管理芯片对充电过程进行管控（图4）。此外，针对某些路由节点距离协调器节点较远这一实际情况，

在这些路由节点上额外配备了CC2592射频前端（RF Front）芯片以扩展通信范围（图5）。

2.5协调器节点的设计

在1个ZigBee网络中，至少存在1个FFD设备充当整个网络的协调器。协调器通常负责开始（建立）1个网络，当网络建立完成之后，协调器一般会作为一个普通的路由节点而

继续存在于网络中。因此，协调器节点的硬件设计与路由节点的硬件设计基本一致，其主要不同之处在于协调器负责将来自于各终端设备的数据通过RS-232串行口传送至上位机[5]。考虑到RS-232接口与CC2530所使用的逻辑电平之间并不兼容，故需进行必要的电平转换，本系统采用MAXIM公司生产的MAX232作为电平转换芯片（图6）。

3系统软件设计

系统采用IAR Workbench 7.0进行ZigBee无线传感器网络中各类型节点的软件部分设计。由于各节点之间的通讯遵循TI公司推出的Z-Stack 2007通讯协议栈，故所有节点软件均在Z-Stack 2007所提供的SampleApp程序框架之下进行设计，以降低开发难度、缩短开发周期。

3.1数据采集终端程序设计

数据采集终端完成初始化设置之后，随即加入到ZigBee无线传感器网络并执行定时采集和发送土壤墒情信息的任务。当数据采集终端对土壤墒情数据进行采集并向父级路由节点发送完成之后，即可进入休眠模式（PM3）以节省电池电力（图7）。待下一采样时刻来临时，通过来自于定时器的外部中断信号将节点从休眠模式中唤醒至正常工作状态（PM0），执行新一轮的采集和发送任务[6]。

3.2路由节点程序设计

路由节点通过多跳路由将来自于各个终端节点的数据转发至协调器，对于来自于其他路由节点的数据，还应视情况进行转发或广播。此外，路由节点还担负着路由的发现和维持任务，因此路由节点的功能相对复杂。在系统所使用的ZigBee无线网络中，存在多个路由节点，这些路由节点之间通过路由表和路由发现功能构成了一个具有相当稳定性和较强自愈能力的无线网络，从而保证了系统的稳定性（图8）。

3.3协调器节点程序设计

在ZigBee网络的建立过程中，协调器在完成自身必要的硬件初始化工作以后，随即初始化通讯协议栈并检视当前无线电环境，然后选择一个可用的信道（Channel）和网络标识（PAN ID）并开始这个网络，1个ZigBee网络中通常只允许有1个协调器（图9）。在网络建立完成之后，协调器将会以路由节点的身份继续工作，所有终端节点的数据都在协调器节点汇聚，并通过RS-232串口发送至上位机[4]。

3.4上位机程序设计

上位机系统是整个节水灌溉系统的控制、决策和管理中心。通过模式切换指令，上位机可以在自动和人工2种模式之间自由切换。在自动模式下，上位机系统通过数据库程序和数据分析程序，对终端节点回传的数据进行各种处理：包括对灌溉执行机构的指令控制[7]、节点数据的融合、存储及分析等（图10）。通过信息反馈程序将土壤墒情数据、系统工况等信息以图表的形式直观地显示出来，方便用户查看[8]。在人工模式下， 用户可以通过本地或远程的方式登录到系统并对系统的运行状况进行监视和干预，例如查看当前系统工况，通过数据库查询作物生长的历史数据等（图10）。登录控制程序负责用户鉴权，防止系统的关键参数设置遭受到来自管理员以外的人恶意修改。

4数据融合算法设计

通常在一段时间内，某一区域内土壤的温度或湿度会处于相对恒定的状态，但由于户外复杂的工作环境和传感器制造过程中存在的工艺分散性，使得各传感器之间的性能有所差异，导致多个数据采集终端在对同一区域的土壤墒情数据采集过程中，往往获得多个不同的测量值。由于这些测量值之间的冗余、矛盾和不确定性，使系统难以获得对被测对象较为一致的描述，也给灌溉系统决策和规划的正确性造成不利影响。为了减弱这种影响，本系统采用传感器权值自适应融合算法，在不增加系统成本的前提下，通过计算机程序对同一被测区域内的多个终端节点测量数据进行融合，以提升系统的可靠性和精确度[9]。这种算法的优势在于：无需任何与传感器有关的先验知识，仅依靠各传感器测量方差的变化，动态地调整各传感器的权值，使得融合结果的整体均方误差总是保持最小，避免了因先验知识不准确而出现的融合精度降低甚至算法发散现象，而且较常规的算术平均值融合算法而言，该算法具有更高的融合精度。

4.1传感器权值自适应融合算法原理

假设用N个传感器同时测量某一真值为Y的被测对象，设每个传感器的测量值分别为Yj （j=1，2，…，N） （图11）。

综上所述，传感器权值自适应权值融合算法的计算机软件实现可依照图12所示的流程进行。

4.3算法仿真与分析

以测量土壤湿度为例，设有3个湿度传感器同时测量某一区域的土壤湿度，设该区域的土壤湿度真值为23%相对湿度（在某一时段内可认为恒定），在此真值的基础上分别加入均值为0，方差为0.1、0.3、0.5的高斯白噪声序列， 用来模拟

3个具有不同测量精度的传感器的测量数据。利用计算机仿真100次融合过程，同时分析融合过程中传感器权值随传感器方差的变化情况和融合输出的结果。

传感器的测量方差越大，其对应的传感器权值就越小，从而有效地避免了误差较大的传感器对融合精确度所造成的不利影响。并且在融合过程中，传感器权值紧随方差的变化而变化，充分体现了“传感器权值自适应于传感器测量方差”的算法特点（图13至图14）。因此，算法的融合精确度非常明显地优于常规的平均值融合算法，也使得系统对噪声的容限能力显著增强（图15）。

5结论

本研究基于ZigBee无线传感器网络设计了1套智能节水灌溉系统，充分利用了ZigBee设备组网方便灵活、低能耗、低成本、高可靠性的优点，使系统在一定灌溉范围内具有较好的伸缩性，能够满足不同种植规模的灌溉需求。同时结合现代数据融合技术，提升了系统的容错性、决策和规划的合理

性。仿真结果表明，使用传感器权值自适应数据融合算法能够使系统获得更接近于真值的数据，在提升系统精确度的同时，降低了对噪声的敏感度。系统整体设计符合现代农业智能化、精细化、数字化的发展趋势，具有一定的推广前景和应用价值。

参考文献：

[1]安进强，魏凯，王立乾，等. 基于物联网的精确灌溉控制技术研究[J]. 西北农林科技大学学报：自然科学版，2013，41（12）：220-221.

[2]赵晓顺，桑永英，于华丽. 无线传输及太阳能技术在农田喷灌系统中的应用[J]. 农机化研究，2011（12）：172-174，178.

[3]陈思琦，张清波，隋斌雁，等. 基于ZigBee农田自动灌溉信号采集及数据传输系统[J]. 上海工程技术大学学报，2013（12）：370-371.

[4]刘俊岩，张海辉，胡瑾，等. 基于ZigBee的温室自动灌溉系统设计与实现[J]. 农机化研究，2012，34（1）：111-114，118.

[5]刘江沙，雷伟，尹酉. 基于CC2430 的串口无线模块的设计[J]. 国外电子元器件，2007（4）：47-48.

[6]贾科进，王文贞，杜太行，等. 基于ZigBee无线传感器网络的土壤墒情监测系统[J]. 节水灌溉，2014（3）：69-71，74.

[7]方旭杰，周益明，程文亮，等. 基于ZigBee技术的无线智能灌溉系统的研制[J]. 农机化研究，2009（1）：114-118.

[8]赵震奇. 智能灌溉系统上位机软件的设计与实现[J]. 计算机时代，2012（12）：63.

[9]党宏社，寇强，杨红喜. 工业测控系统中的数据融合方法与应用[J]. 陕西科技大学学报，2006（10）：68-71.

[10]李媛媛，张立峰. 多传感器自适应加权融合算法及其应用研究[J]. 自动化仪器与仪表，2008（2）：10-13.梁琨，肖宏伟，杜莹莹，等. 基于物联网技术的果蔬冷链物流实时监测系统[J]. 江苏农业科学，2015，43（11：519-521.