设施温室节能型传感器节点的选型与设计

王建春+钱春阳+王艳+张雪飞+单婧

摘要：以设施温室传感器节点的绿色节能为设计理念，以降低系统功耗和高效利用能量为目标。采用绿色可再生的太阳能资源作为节点的能量来源；采用功耗低、性价比高的MSP430芯片作为处理器单元主控芯片；采用具有功耗低、信号强度高、传输距离远、传输过程中信号衰减小等特点的433 MHz频率作为无线传输单元传输频率；采用单晶硅太阳能板和高性能锂充电电池组成供电系统单元。详细阐明各单元选型依据，并通过硬件电路和软件程序进行优化，进一步降低功耗。通过试验对节点的功耗进行了计算，并对节点使用太阳能充电情况进行测试。试验结果表明，通过选型与设计，系统能够实现设定目標。

关键词：设施温室；低功耗；WSN节点；太阳能

中图分类号： S126；TP23文献标志码： A文章编号：1002-1302（2017）12-0148-04

随着“互联网+”现代农业概念的提出，农业信息技术与智能装备将成为我国“十三五”规划中用于改造传统农业、装备现代农业的重要推手和关键突破点。设施温室中无线传感器网络（wireless sensor network，简称WSN）节点是设施农业、信息和智能控制等技术相结合的产物，是设施农业物联网系统中的重要组成部分，它通过实时监测、感知和采集各种环境和监测对象信息[1-5]，已经成为现代农业中提高管理质量和种养质量的有效工具和必要手段。

设施温室建设中电气等基础设施建设程度往往参差不齐，温室管理制度较为松散，导致棚内供电连续性较差，甚至难以供电的现象也时有发生，加上设施温室具有温度高、湿度大的农业小气候环境特点，给现代农业中的智能设施装备设计和制造带来如线路易老化、能量输送困难等问题。因此，采用绿色可持续利用的能源并对其进行高效利用，已成为解决设施温室中WSN节点能源供应问题的关键。在设施温室建设中，太阳光不仅能够作为绿色植物光合作用的能量来源，同时也能为设施智能装备提供大量能量，具有绿色可再生、安全可靠、低污染、无燃料消耗等特点，对太阳光进行合理的设计和利用，对于解决设施温室WSN节点的上述问题起到了至关重要的作用。

1系统整体设计

设施温室中WSN节点由4个单元组成，每个单元分别由支撑其正常运行的外围电路或功能模块组成，如图1所示。节点中各模块相互配合，并作为设施农业物联网的感知层设备，同时也是农业大数据平台重要的数据来源，最终完成数据的预处理及上传等功能。

本系统以WSN节点的绿色节能为设计理念，分别从芯片选型、无线传输方式选择、电路优化等方面降低系统功耗；同时通过对供电系统单元的选型，以及太阳能电池板及太阳能充电管理单元的优化来提高系统的能量存储和利用，从降低能耗和高效利用能量2个方面来实现WSN的绿色节能效果，另外通过系统软硬件设计进一步降低系统功耗。

2采集节点硬件选型与设计

2.1处理器单元

微处理器在整个采集节点硬件系统中的作用主要是准确地控制程序运行和适时地调度外围器件模块，采集节点硬件结构见图1。根据本设计中对于功耗较为严格的要求，选取TI公司的MSP430F149处理器，其工作电压范围在1.8～3.6 V，与同类型芯片产品相比具有较低的工作电流和价格，其活跃模式下工作电流为 0.1～400 μA，待机模式下工作电流（LPM3）可达到1.6 μA。

2.2无线传输单元

根据节点低功耗、稳定传输等技术要求，从传输距离、信号接收强度、组网方式3个方面对433 MHz和2.4 GHz 2种频率下的传输情况进行对比分析。

2.2.1传输距离根据无线信号在空气中传输时的损耗采用式（1）表示自由空间损耗：

Los=32.44+20lgD+20lgF。（1）

式中：Los为自由空间损耗，dB；D为传输距离，km；F为频率，MHz。

与目前2.4 GHz设备相比较，当Los24 G=Los433 M时，传输距离D与频率F成反比，即F433 MD2.4 G；当传输同样距离D433M=D2.4 G时，Los433 M

2.2.2信号接收强度信号接收强度是指接收站设备接收到的无线信号的强度，计算公式见式（2）：

RSS=Pt+Gr+Gt-Lc-Los。（2）

自由空间损耗Los是指电磁波在传输路径中的衰落，在气温25 ℃、1个标准大气压的理想情况下的计算公式如式（1）所示，根据天津农业创新基地设施温室建造尺寸，设施温室内最大距离为70 m，采用433 MHz的SX1212芯片进行传输，自由空间损耗Los=62.07 dB，采用2.4 GHz的CC2530芯片进行传输，自由空间损耗Los=76.94 dB。

433 MHz、2.4 GHz 2种频率与RSS有关参数如表1所示。

2.2.3组网方式该设备主要针对设施温室中的小气候环境数据采集，日光温室建设中东西长度70 m，南北跨度 9 m（以天津市农业创新基地温室为例），SX1212无线传输模块发射功率为10 dBm，接收灵敏度为-105 dBm。通过计算可知，理论传输距离d约为30 km，排除各种外界因素影响，如大气、遮挡等造成的损耗，可估计实际通信距离约为1 km，足以满足单体温室内对传输距离的要求，并且单体温室内传感器布置数量有限，在设施温室大棚内建立以耳房控制器为中心节点、WSN节点为子节点的星型网络，能够使网络更加简洁，进而为系统节省能耗。同时，也可在此星型网络基础上构建更加复杂的网络结构，以满足大型农业基地或农业园区的组网需求。

通过分别采用定性、定量方式分析，最终选定具有 433 MHz 传输频率的SX1212芯片作为系统无线模块主芯片。其芯片接收功耗低，典型接收功耗可以达到2.6 mA，远低于同类收发器的接收功耗；工作电压为2.1～3.6 V，最大发射功率+12.5 dBm，最小-8.5 dBm。

2.3太阳能储存与电量监控单元

选择合适的太阳能电池板材料，以及匹配电池板的功率与面积，不仅能够降低设备成本，还可以充分地利用能量。该节点中太阳能电池板选择一款单晶硅电板。单晶硅太阳能电池是发展最快、最稳定、转化效率最高、一直以来占据太阳能电池市场主导地位的硅基太阳能电池，单晶硅太阳能电池多用于光照时间短、光照度小的区域[6]，因此单晶硅具有在强光环境下吸收能力强的特点，与多晶硅充电效果相比更适用于连续阴雨等弱光环境下的吸收，非常适合设施温室内使用。

本设计选用单晶硅电池板参数如表2所示，满足单位面积内的辐射能量（即辐照度）P=P电池板/S电池板，P=120.1 W/m2，采用美国HOBO辐照度传感器（测量范围为 0～1 280 W/m2，分辨率1.25 W/m2），测得棚内7月份全天各时段平均辐照度值，采用6次多项式对曲线进行拟合，其中r2=0.987，如图2所示。因此可见，选择的太阳能电池板能够满足9 h以上的满功率转换（8：00—17：00），其他时间段由于太阳光照射强度变弱，太阳能板吸收阳光转换为电能储存在内置电池的效率也就相应降低。

2.4电池与电压转换单元

本设计选用18650型3 400 mAh 3.7 V高性能锂充电电池，电池作为太阳能供电系统的重要环节，其性能的优劣关系到整个系统安全以及充电质量。

采用NICJOY L2000锂离子电池智能充电器对所选电池的性能进行评估，该电池具有智能控制芯片，支持电池容量、内阻测试，具有可调充电电流和反接、短路及过流保护。其中放电过程为防止过放电，设备放电截止电压为2.8 V。对1节18650型3 400 mAh 3.7 V高性能锂充电电池进行充放电试验，测量可知，该电池连续以0.5 A的电流放电可放电 3.3 h，从截止电压开始充电至饱和电压需要3.9 h，测试参数如表3所示。

同时，采用TP4065单节锂离子电池恒压/恒流线性充电芯片，对太阳能充电系统进行过放电、过充电及短路控制。充电截止电压为4.2 V，可编程充电电流高达1 A。同时配合DW01和8205A在电芯电压为2.5～4.3 V之间进行进一步过放和过充保护。

3.1节点软件低功耗设计

MSP430多作为手持式仪器仪表控制芯片的主要原因是其超低的功耗，它具有5种不同级别的低功耗状态，即LPM0～LPM4，本节点采用LPM3低功耗模式，时钟系统中MCLK与SMCLK皆被关闭，仅留ACLK活动，以ACLK为时钟源设备会继续工作。该模式下功耗仅1.6 μA，且活动的ACLK可以为TIME_A提供计数时钟。

该节点工作时数据采样采用MCU自带的12位A/D采样器，并通过内置的16位定时器TIME_A进行精确定时，同时利用该中断唤醒低功耗状态，实现了系统的定时采样和片内设备间歇性工作，在1个采样周期内最大限度地缩短工作时间，提高低功耗状态级别[7]。

采用定时器中断优先于A/D采样中断的方式，在定时器中断程序中启动A/D转换，由于A/D转换器对直流并不需要太高的采样速率[8]，因此设定A/D对直流电压采样16次并取平均值计算送入发射芯片，当程序执行完毕，退出中断后，返回LPM3低功耗模式（图3）。

3.2节点硬件低功耗设计

（1）节点采用具有3.3 V稳定供电电压的MSP430F149芯片，除去其自身低功耗特性外，与相同主频的其他芯片相比具有更低的功耗，此外其片内资源丰富，能够充分利用自身的资源代替其他硬件电路来降低功耗。

（2）节点通过A/D接口与传感器相连，同时采用光耦将传感器供电引脚与节点供电单元进行隔离，当软件启动A/D转换之前20 ms启动光耦，给传感器充分的时间进行初始化，采集结束后关闭光耦，以降低外部传感器工作产生的能量损耗。

（3）节点采用LTC3129-1同步升压-降压DC/DC转换器为系统提供稳定的3.3 V电压，它具有1.3 μA静态电流，当VINVout时能提供200 mA电流，转换效率高达95%，具有电源良好输出、小于10 nA的停机电流以及热停机功能。

（4）合理配置全控IO口，将其配置成输出模式来避免外部电压浮动对MCU的影响。

4系统测试分析

节点实物如图4所示。为评估系统的能耗、可靠性等参数和系统寿命之间的关系，需对节点进行能耗测试[9]。

4.1功耗计算

监测节点的功耗主要由MCU功耗PMCU、射频模块收发功耗PRF和传感器功耗PSEN等组成。P=PMCU+PRF+PSEN，根据功率P=UI，可得：

P=UMCUIMCU+URF（ITX+IRX）+USENISEN。

式中：IMCU为MCU的工作电流，A；UMCU為MCU的工作电压，V；ITX为射频发射电流，A；IRX为射频接收电流，A；URF为射频工作电压，V；ISEN为传感器的工作电流，A；USEN为传感器的工作电压，V。

在WSN监测节点中MCU使用MSP430系列芯片，其工作电压为3.3 V，工作电流为400 μA（1 MHz时钟条件下），休眠电流为1.6 μA。射频模块使用SX1212芯片，工作电压为3.3 V，发射电流为35 mA，接收电流为3.2 mA，休眠电流仅为1.5 μA。土壤温湿度传感器采用TDR型，其工作电压为3.3 V，工作电流为10 mA。由于节点通过定时器定时发送测量值，因此，节点总功耗即为节点发射时的功耗，则根据上面的数据参考，节点总功耗可以按照如下计算得到：

P=0.4 mA×3.3 V+35 mA×3.3 V+10 mA×3.3 V=0.149 8 W。

充电电池选择容量为3 400 mA·h的可充电锂电池，其工作电压为3.2～4.2 V。节点工作1次的消耗电流测量值为47.1 mA；通过软件设置节点间隔10 min采集1次数据，每次采集时间为120 ms，则1 h采集6次所需功耗为 0.009 42 mA·h；睡眠状态的功耗测量值为632 μA，则睡眠总功耗为0.631 9 mA·h；1 h内总功耗为0.641 3 mA·h。因此，本设计中使用的锂电池一共可用时间为3 400/（0.641 3×24）=221 d，但考虑到锂电池自身放电等因素[10]，没有太阳能电池板充电也至少可以工作4个月以上。因此，即使在连续阴天的情况下，本设计依然可以满足节点供电需求。

4.2太阳能充电情况分析

在试验中对电池电压及太阳能电池板电压进行监测，选择室内朝阳落地窗房间进行试验，室内环境温度为27～37 ℃，进行连续1周的监测。监测结果如图5所示，其中在1周的测量中，晴天3 d，其余均为多云，甚至阴雨天气，锂电池依然能够保持良好的供电效果。

5结语

本研究提出了设施温室内WSN节点的绿色节能设计方案，从降低功耗和提高能量利用2个方面，对节点控制芯片、无线模块、锂电池及太阳能电池板进行了选型与设计，并阐明了选型依据。通过系统软件程序和硬件电路的优化进一步实现节点的低功耗设计，并对系统功耗和系统供电情况进行了试验和总结。试验结果表明，本设计的设施农业低功耗WSN节点，在棚内能够利用太阳能独立工作，无需连接电缆及线路，具有移动灵活、操作简便的特点，基本实现了绿色节能的目的。下一步还可以对系统电路和程序进一步改进和优化，对于降低系统休眠时间和系统整体功耗仍有很大的空间。

参考文献：

[1]王向军，刘志刚，李荣，等. 日光温室物联网设计研究[J]. 农机化研究，2014（8）：189-192.

[2]马少华，张兴，韩冬，等. 基于ECDSA优化算法的智能农业无线传感器节点的网络安全认证[J]. 江苏农业科学，2015，43（4）：389-392.

[3]张恩迪，雷思君. 基于GPRS的物联网农业虫害防治监测系统设计[J]. 农机化研究，2015（3）：91-94.

[4]周原，温金芳. 基于无线传感器能量消耗的智慧农业异构网络优化[J]. 江苏农业科学，2016，44（7）：425-428.

[5]宋庆恒，刘英德，马源，等. 基于多传感器数据融合的温室温湿度控制系统设计[J]. 江苏农业科学，2015，43（6）：394-396.

[6]张秀清，李艳红，张超. 太阳能电池研究进展[J]. 中国材料进展，2014，33（7）：436-441.

[7]曹琛，李元章，马忠梅. 基于MSP430的无线充電器系统设计[J]. 单片机与嵌入式系统应用，2016，16（2）：66-69.

[8]陶劲松，曹大平. 基于MSP430的磁梯度仪数据采集系统[J]. 仪表技术与传感器，2015（12）：36-38，41.

[9]王丙元，刘锡盟，吕忠义. 低功耗无线传感器网络节点的实现与寿命评估[J]. 中国民航大学学报，2016，34（2）：32-35.

[10]陈岩，高峰，谭婷，等. 基于WSN的墒情检测节点双电源设计[J]. 仪表技术与传感器，2015（12）：117-119.瞿国庆，施佺. 采用广义预测控制与物联网的智能温室灌溉[J]. 江苏农业科学，2017，45（12）：152-156，162.endprint