基于STM32的冷链物流监测系统的设计

张凯+陈令芳+张恒+杨靖+张姗姗

摘 要： 针对目前冷链物流运输过程中食品和车辆的安全问题及实时性，设计一种基于STM32的车载监测系统。利用RFID技术、北斗技术及传感器采集车厢内温湿度信息及车辆行驶状态，并根据容许函数阈值和分批估计加权自适应融合算法得出某一时间段的最优估计值；同时，通过驾驶室的串口屏对采集到的信息进行显示；最后将采集到的信息通过3G通信技术发送至远端服务器对数据进行保存和分析。试运行结果表明，该系统能实时地监测运输车在行驶过程中的车厢环境和车辆行驶状态。

关键词： 北斗导航； 3G无线通信； 射频识别； 容许函数； 分批估计； 融合算法

中图分类号： TN931+.3?34； TP23 文献标识码： A 文章编号： 1004?373X（2018）04?0023?04

Abstract： Aiming at problems of safety and real?time performance of food and vehicle in the current cold chain logistics transportation， a vehicle?mounted monitoring system based on STM32 was designed. The RFID technology， Beidou technology and sensors are adopted to collect the temperature and humidity information and vehicle driving status. The optimal estimated value in a certain time period is obtained according to the threshold of admissible function and the batch estimation adaptive weighted fusion algorithm. The collected information is displayed on the serial screen in the cab and finally sent to the remote server by using 3G communication technology for data saving and analysis. The results of the trial operation show that the system can monitor the carriage environment and driving status of the running transport vehicle in real time.

Keywords： Beidou navigation； 3G wireless communication； radio frequency identification； admissible function； batch estimation； fusion algorithm

0 引 言

我國果蔬、水产品、肉类冷链流通率分别为5%，23%，15%，冷藏运输率分别为15%，40%，30%，使用全程冷链运输的禽蛋制品比率[1]不足1%。我国现有的冷藏车占运输车的比例极低，使用冷藏车运输的食品只占运输总量的20%，且车辆的制冷技术和工艺比较落后，缺乏规范的保鲜冷链运输车厢和温度检测与自动控温设备，与发达国家相比，在硬件设施和运输效率方面存在较大的差距，无法为农产品的流通提供质量保证。

随着人们生活水平的日渐提高，食品安全问题越来越得到人们的重视，特别需要低温保存的食品，在运输过程中对食品的保存有着严格的要求，如果在运输过程中由于保存不当，不但会造成经济损失，还会对人们的身体健康造成损害。同时，由于运输过程的不可追溯性，还常常对运输过程和车辆事故无法做出准确的判断，还有部分物流企业为了节省运输成本，在运输过程中关掉制冷设备，造成物流运输过程中的冷链断链[2]。

为了保证农产品在运输过程中的质量和车辆在行驶过程中的安全以及全程的实时监测，结合运输过程中对农产品质量和对车辆行驶安全的影响因素，开发了基于STM32的车载监测系统，完成了车厢环境和车辆状态的信息采集，并通过数据融合算法得到较为精确的数据，最后通过驾驶室的汇聚节点完成数据的存储、显示及向服务器发送信息。

1 系统架构

车载监测系统主要分为三个部分：车厢数据采集部分、基于STM32处理器的汇聚节点、3G无线通信模块。车载物流监控系统的系统架构如图1所示。

车厢数据采集部分由分布于车厢内的有源射频模块和传感器组成，主要负责采集车厢内部的温湿度环境和车辆倾斜度。位于驾驶室的汇聚节点主要由STM32主控制器、北斗模块、3G无线通信模块、串口屏模块、SD存储模块和传感器等组成，负责对车辆定位，采集车辆的速度和加速度，近期数据可存储于SD卡并显示于串口屏上，驾驶员可通过串口屏查询历史数据并可通过串口屏添加个人信息以便于监控中心进行联系。3G远距离无线通信模块主要负责数据的远距离无线传输，将采集到的车厢和车辆信息通过TCP/IP传送到远距离的服务器。

2 系统硬件设计

物流车载检测系统主要由STM32主控制、NRF24

LE1射频模块[3?4]、传感器模块、北斗模块[5]、3G通信模块[6?7]、串口屏模块及相关外围电路组成。硬件电路示意图如图2所示。

3 系统软件设计

该系统程序流程主要包括：嵌入式开发环境的搭建、系统初始化、文件系统的移植、串口屏显示及输入程序、北斗定位信息解析、数据采集、解析及打包程序、3G数据传输、车厢环境和车辆状态危险预警等。软件设计流程图如图3所示。endprint

串口屏模块在系统启动时首先读取SD卡内的信息对串口屏进行初始化，随后每次接收到新的数据，对数据进行换算后进入中断对串口屏上的信息进行更新。当驾驶员在串口屏上输入个人信息后，就会存入SD卡并发送至监控中心，若需查询历史数据，会提取SD卡内的数据换算后进行显示。

3G模块主要用来连接因特网进行数据传输，采用TCP/IP协议。每次发送数据前与监控中心的域名建立连接，然后将自定义的数据格式打包后发送。同时，利用心跳包保证数据传输的可靠性，每次发送数据后等待服务器返回一个字符串YES，如果接收不到将数据重传，3次后，若都不能接收到数据YES，则跳过本次传输，等待下一组数据的传输。其通信数据帧的格式如表1所示。

北斗定位模块的软件程序主要是针对北斗信息的解析。在启动系统时首先利用北斗对系统时间进行校准，随后会定时提取北斗的信息并分离出经纬度、车速等有用信息。在以帧头“$BDRMC”开始的数据中包含有时间、日期、经纬度和速度等信息，只需解析该帧中的信息即可。

数据的采集、解析及打包，在对车厢内数据进行采集时利用了基于Aloha的防碰撞算法。将数据通过读写器发送至控制器，控制器将有用信息分离；再将从北斗中分离出的有用信息结合，并通过数据融合去除冗余数据；最后以自定义的数據格式进行打包发送。

4 多传感器数据融合算法

考虑到数据的传输成本，同时为了得到较为精确的环境信息，对于采集的温湿度，首先利用容许函数对传感器数据进行一致性处理，剔除具有较大误差的数据，再利用分批估计理论和权值最优分配原则对传感器进行分组的自适应加权融合，得到较为精确的融合值。

4.1 传感器数据预处理

由于传感器本身精度与外界干扰的影响，可能会导致数据的精确度受到影响，产生一定的误差。为了去除较大误差的数据，利用模糊集理论根据容许函数的阈值剔除误差较大的传感器数据。

通过上述过程可得到较为精确的数据，将融合后的数据发送至数据中心可大大减少通信量。

5 测试结果及分析

本文搭建了一个基于STM32的冷藏车物流监测网络系统。该系统完成了对车厢内温湿度，车辆的加速度、倾斜度、速度及位置信息的监测，并对车厢内的温湿度进行数据融合，反映出最真实的温湿度，通过串口屏将数据展现给驾驶员并利用3G无线通信技术发送至监测中心。实时数据显示如图4所示。

本文系统经过大量的数据测试，串口屏稳定的以30 s刷新数据，在网络稳定的情况下，监控中心以3～9 s的延时误差接收到数据，丢包率控制在1‰以内。系统实时性好，数据传输稳定，足以保证运输过程中对食品和车辆安全的监测。

6 结 语

针对目前冷链物流运输过程中存在的问题，设计了一套基于物联网的实时监测装置，实时采集食品存储环境，保证产品质量，减少经济损失，监测车辆状态，提高车辆行驶安全；实时与监测中心通信，实现了对运输车辆的全程监测和车辆跟踪。将运输车辆与食品接入物联网中，对食品安全和车辆安全具有重要的意义。

注：本文通讯作者为杨靖。

参考文献

[1] 孙春华.我国生鲜农产品冷链物流现状及发展对策分析[J].江苏农业科学，2013，41（1）：395?398.

SUN Chunhua. Analysis on the present situation of cold chain logistics and development of fresh produce in China [J]. Jiangsu agricultural science， 2013， 41（1）： 395?398.

[2] 袁学国，邹平，朱军，等.我国冷链物流业发展态势、问题与对策[J].中国农业科技导报，2015，17（1）：7?14.

YUAN Xueguo， ZOU Ping， ZHU Jun， et al. Development trend， problems and countermeasures for cold chain logistic industry in China [J]. China agricultural science and technology guide， 2015， 17（1）： 7?14.

[3] YU M， DENG T， FU J. Application of RFID and GPS technology in transportation vehicles monitoring system for dangerous goods [C]// Proceedings of International Conference on Remote Sensing， Environment and Transportation Engineering. Nanjing： IEEE， 2012： 1?4.

[4] SARBINI M A M， HASSAN S B， TAN S J， et al. Design of a RFID?based speed monitoring system for road vehicles in Brunei Darussalam [C]// Proceedings of International Conference on Computer， Communications， and Control Technology. Langkawi： IEEE， 2014： 219?223.

[5] 程鹏飞，李玮，秘金钟.北斗导航卫星系统测距信号的精度分析[J].测绘学报，2012，41（5）：690?695.

CHENG Pengfei， LI Wei， MI Jinzhong. Precision analysis of Beidou range measurement signals [J]. Acta geodaetica et cartographica sinica， 2012， 41（5）： 690?695.endprint

[6] Li L， WANG T. Design and implement of vehicle monitoring system using 3G technology [C]// Proceedings of International Conference on Industrial Control and Electronics Engineering. Xian： IEEE， 2012： 832?835.

[7] 盛平，郭洋洋，李萍萍.基于ZigBee和3G技术的设施农业智能测控系统[J].农业机械学报，2012，43（12）：229?233.

SHENG Ping， GUO Yangyang， LI Pingping. Intelligent measurement and control system of facility agriculture based on ZigBee and 3G technology [J]. Transactions of the Chinese society for agricultural machinery， 2012， 43（12）： 229?233.

[8] 童树鸿，沈毅，刘志言.数据融合的模糊模型和算法研究[J].哈尔滨工业大学学报，2002，34（1）：7?10.

TONG Shuhong， SHEN Yi， LIU Zhiyan. Fuzzy model and algorithms for data fusion [J]. Journal of Harbin Institute of Technology， 2002， 34（1）： 7?10.

[9] 张捍东，孙成慧，岑豫皖.分布式多传感器结构中的数据融合方法[J].华中科技大学学报（自然科学版），2008，36（6）：37?39.

ZHANG Handong， SUN Chenghui， CEN Yuwan. Data fusion method for the configuration of distributed multi?sensor [J]. Journal of Huazhong University of Science and Technology （Natural science edition）， 2008， 36（6）： 37?39.

[10] 孙克雷，秦汝祥.基于自适应分批估计的瓦斯监测多传感器数据融合研究[J].传感器与微系统，2011，30（10）：47?49.

SUN Kelei， QIN Ruxiang. Study of multi?sensor data fusion based on adaptive batch estimation algorithm for gas monitoring [J]. Transducer and microsystem technologies， 2011， 30（10）： 47?49.endprint