基于Zigbee的智能环境控制系统

夏中林

摘要：本文根据某电子集团工作环境的问题，提出并实现了基于Zigbee、神经网络技术的智能环境监控调节系统，并简略介绍系统中Zigbee节点的硬件构成和软件实现，以及神经网络算法的训练实现。经实践表明，该系统能根据工作环境中温度、湿度、VOC气体浓度、当班职员信息，辅助管理人员分析制定中央空调等设备控制策略并执行，能显著提高工作环境的舒适性，降低空调等设施的能耗。

关键词：Zigbee；神经网络；CC2530

中图分类号：TM63 文献标识码：A 文章编号：1007-9416（2018）07-0010-01

1 引言

环境是人们工作、生活的重要基础条件，但在工业环境中大量存在焊接、粘合、老化测试等制造环节，造成一些区域存在温度较高、有害气体浓度较大等情况。对此某电子集团启动了智能环境监控调节系统项目，该项目使用Zigbee技术监测环境的温湿度、挥发性有机化合物（VOC）等信息，使用神经网络技术根据环境和人力数据对中央空调、新风风量等进行动态辅助调节，为员工提供了一个健康、舒适的环境，并显著降低了相关设备能耗。

2 系统总体设计

本系统分为感知控制层、连接处理层、展示控制层。感知控制层由具有多种感知控制模块的ZigBee节点组成，该层传感器节点通过自组网的方式向连接处理层网关传送感知信息并获取控制信息。连接处理层由网关和数据中间件组成，用于对数据和控制信息进行转换解释，以及对接考勤系统获取人员信息。展示控制层由数据库服务、智能控制核心和web服务组成，可将环境、设备信息通过图表等的方式向用户展示运行情况，并通过智能控制核心分析制定控制策略，辅助管理人员控制执行。

3 Zigbee节点设计

3.1 节点硬件设计

节点的微处理器需要完成Zigbee网络的组建与维护，各个节点间、节点与网关之间的无线通讯，以及传感器数据的采集、外设的控制等工作，并需考虑维护、抗干扰能力等因素。因此，选用TI公司的CC2530F128做为核心处理器，该芯片自带无线收发，从硬件上支持IEEE 802.15.4、Zigbee和RF4CE应用，自带低功耗的8051内核、高性能RF收发器。本次将CC2530与外围晶振电路、巴伦匹配电路和天线组成高灵敏、抗干扰强的最小化系统。

节点以CC2530微处理器为核心，可根据不同需求挂接不同功能器件，包括温湿度传感器、VOC气体传感器、光敏传感器、继电器控制和485通讯接口。其中温湿度传感器通过单通道串行方式与CC2530连接提供温湿度数据，VOC气体传感器通过CC2530的ADC接口经模数转换提供气体浓度信息，光敏传感器通过上连上拉电阻连接到CC2530的输入引脚提供环境工作状态，继电器控制电路通过下拉电阻连接到CC2530输入引脚驱动外部电机设备。

温湿度传感器选用DHT11，用于系统判断是否处于合适的人体舒适环境。这是一种含有已校准数字信号输出的温湿度传感器，可测量相对湿度20%-90%RH、摄氏温度0-50℃，传感器包括一个电阻式感湿元件和一个NTC测温元件，并与一个高性能8位单片机相连接[1]。同时DHT11具有响应速度快、抗干扰强等优点。

VOC气体传感器选用MS1100来感知周围环境中的挥发性有机物（VOCs）浓度，用于系统判断是否需要置换空气。MS1100是一种VOC电阻型传感器，对甲苯、甲醛、酒精等有机气体灵敏度高，能达到0.1ppm，并具有稳定性高、连续工作时间长等优点。

光敏传感器选用GL5516光敏电阻获取环境明暗信息，用于系统判断是否有人在工作。继电器控制电路选用ULN2003驱动继电器控制外设电机工作，用于系统控制新风系统换气、区域送风量。485通讯接口选用MAX3488E将CC2530的串行信号转换成标准485信号，用于系统控制中央空调。

3.2 节点软件设计

传感器网络节点分为两类：簇头节点和普通节点，其具体类型通过自由竞争决定。普通节点功能较少，仅有比较加入附近簇、定期将VOC浓度等环境信息上传、按控制指令进行外部设备控制等功能。簇头节点较普通节点增加建立簇、管理簇内节点的功能以及簇内数据融合等功能。

本系统中节点的软件采用TI的Z-Stack-CC2530协议栈开发。该协议栈是TI公司推出的遵守Zigbee2007规范的协议栈，它可以兼容IEEE802.15.4/Zigbee的CC2530片上系统解决方案[2]。节点在通电启动后，通过ZMain中的main函数依次对底层硬件和软件系统进行初始化，然后载入OSAL任务，初始化各感知控制模块、进行自组网管理、数据收发以及外设控制等。

4 智能控制核心

智能控制核心采用基于BP多层神经网络算法来制定系统调节策略。本次BP算法采用三层神经网络，包括输入层、输出层以及一层隐层。对于厂房环境主要考虑温度因素，由于厂房环境相对封闭应遵循能量守恒定律：

房间内热量=进入室内空气热量+室内外交换热量+设备人员的散热量-外排空气热量

而人体热量模型参考静态热舒适方程：

人体新陈代谢率-人体所做功率=呼吸散热量+皮肤散热量+人体蓄热率。

因此，输入层输入仅从全局考虑当班人员数量、人体散热、机械和电脑等设备散热以及设备工艺的VOC等数据即可。控制模型训练初期使用历史天气、人员和能耗数据进行，试运行阶段直接使用真实数据训练。经多种方法比较以及权重、阀值、神经元数量和训练次数等参数的调整和对比，最终使用自适应学习率加速BP算法收敛，确定隐层神经元为16以及散热权重等。

5 结语

本系统虽然在智能控制核心未训练好前出现较大电能消耗和局部舒适度不佳的情况，但经四个月个多月的试运行优化调整后，误差和预测效果趋于稳定，能有效根据厂房环境中的温度、湿度、VOC气体参数、当班职员等信息，分析并辅助控制中央空调、风阀、风机等，为工作人员提供舒适的工作环境，并显著降低中央空调等设备能耗。

参考文献

[1]王志宏，白翠珍.基于DHT11的实验室多点温湿度报警系统设计[J].山西电子技术，2011，（4）：45-46.

[2]龙惟定，潘毅群，白玮.智能建筑的室内生态环境[J].暖通空调，2001，31（4）：75-78.

[3]蒲泓全，贾军营，张小娇，等.Zigbee网络技术研究综述[J].计算机系统应用，2013，（9）：6-11.

[4]赵李明.基于遗传算法和BP神经网络的广州市空气质量预测与时空分布研究[D].江西理工大學，2016.