基于UWB与物联网的移动式温室环境监测系统设计与实现

侯加林，蒲文洋，李天华，丁小明，张观山

基于UWB与物联网的移动式温室环境监测系统设计与实现

侯加林1,2，蒲文洋1，李天华1,2，丁小明3，张观山1,2

（1. 山东农业大学机械与电子工程学院，泰安 271018； 2. 山东省农业装备智能化工程实验室，泰安 271018；3.农业农村部规划设计研究院设施农业研究所，北京 100125）

为低成本实现对温室不同区域环境的全面感知，该研究设计了移动式温室环境监测系统，其采用超宽带（Ultra Wide Band，UWB）网状拓扑结构进行分布式组网，节点设备以一主多从的形式对移动工作台实时定位。利用优化后的双向双边测距算法计算各基站与标签之间的距离，通过距离的归一化残差分布判断是否存在非视距（Non Line of Sight, NLOS）误差，利用改进后的增量卡尔曼滤波算法消除NLOS误差，通过Chan算法解算标签准确位置。移动工作台以Arduino控制器为核心，搭载温度、湿度、二氧化碳和光照度传感器，实现对温室环境的实时监测和对移动工作台的远程控制。测试结果表明，系统静态定位最大横向偏差为7.92 cm，最大纵向偏差为7.98 cm，横向和纵向偏差的平均值均<5 cm；移动工作台以0.4 m/s的平均速度行驶，动态定位最大横向偏差为8.7 cm，平均横向偏差为4.7 cm；采集参数上传平均丢包率为2.78%；温度、湿度、光照度和二氧化碳浓度监测相对误差分别低于0.63%、0.34%、0.70%和0.67%，满足温室环境信息移动监测要求。该研究对温室环境调控和温室内作业机具精准定位技术的发展具有一定的理论意义和参考价值。

温室；环境调控；物联网；UWB；移动工作台；定位

0 引 言

在世界园艺发达国家向信息化、智能化加速升级的大背景下，中国设施园艺面积快速持续增加[1-4]，2019年，中国设施园艺规模达到370万hm2，占世界设施园艺面积的80%[5-7]。温室可使农作物不受地理环境、气候以及季度交替变化的影响，提高作物产量，节约种植成本，提高经济效益[8-10]。环境监测作为现代化温室的一项重要功能，对温室内农作物的生长起着关键作用。通过环境监测，用户可根据温室中的环境变化调控环境，为种植作物提供适宜生长条件[11-14]。

目前，温室内环境监测方式主要为布点式[15-16]，即在固定环境监测点安装传感器[17]，此种环境监测方式覆盖范围有限[18-19]，当监测较大区域时需增加测量点即增加传感器的数量，安装和维护工作繁琐且成本较高[20-21]。Nair等[22]针对此问题研制了可移动环境监测平台，可移动的特性是低成本实现对大型温室不同区域环境全面感知的关键。张庆雷[23]设计出基于红外遥控的移动式环境监测平台，红外遥控的方式可实现对移动平台的运动控制但通信距离有限；张世昂等[24]设计了基于树莓派的智能巡检车，控制端与巡检车连接相同的无线保真（Wireless Fidelity, WiFi）信号后通过安全外壳协议（Secure Shell, SSH）建立通信，与红外通信相比，此通信增加了通信距离，但通信距离仍有限。物联网技术的发展解决了通信距离有限的弊端，实现对温室环境信息的实时获取和对移动工作台的远程控制。

为控制移动工作台准确到达温室中的环境监测点还需对移动工作台实时定位。在室内定位技术的选择上，全球卫星定位系统（Global Positioning System, GPS）通常用于室外定位，室内环境下由于遮挡物较多，卫星信号易丢失[25-26]。实际室内定位过程中，定位精度主要受三方面影响：试验设备的制造误差、安装误差和室内环境内部对信号的遮挡等影响；传感器偏差、灵敏度误差、噪声等其他随机误差的影响；信号传播特性和测距方式的影响[27-28]。因此，提高定位精度必须提高抗干扰能力，解决信号衰减、多径效应、视距传播和信号振荡校准等传统问题。除了定位精度问题，能耗和成本也是室内定位不可忽视的考虑因素。目前大部分定位技术通过在环境中安装辅助节点，增加位置信息的方式提高精度，增大了系统建设成本和能耗[29]。在测量误差和能耗不可避免的情况下，尽可能减小测量误差和控制能耗显得尤为重要。超宽带（Ultra Wide Band，UWB）技术是一种短距离内在宽频带上低功率发送数据的无线通信技术，与传统通信技术相比，UWB通过发送纳秒级或者纳秒级以下的超窄脉冲传输数据，可获得吉赫级的数据带宽，时间分辨率强[30]。UWB技术因其穿透力强、功耗低、抗多径效果好、安全性高、系统复杂度低、对应用环境无苛刻要求等优点，适用于对室内静态或动态物体的定位跟踪，定位精度高[31-32]。

综上，本研究基于UWB与物联网技术研制移动式温室环境监测系统，实现了温室环境下对移动工作台的精准定位和远程控制，兼具定点监测和移动监测功能，可稳定可靠的监测温室环境，对温室环境调控和温室内作业机具精准定位技术的发展具有一定的理论意义和参考价值。

1 系统组成与设计

1.1 系统组成

移动式温室环境监测系统由远程监控平台、移动工作台和UWB定位模块3部分组成。远程监控平台包括电脑控制端和手机控制端，电脑控制端实时显示移动工作台位置，手机控制端控制移动工作台运动，显示温室环境监测信息。移动工作台接收并执行监控平台发布的控制指令，实时采集温室环境参数并通过无线网络发送到监控平台。UWB定位模块包括标签、基站和计算单元，标签安装于移动工作台上以实时标记移动工作台位置，基站计算与标签之间的距离并通过主基站上传计算单元，计算单元根据各基站与标签间的距离利用定位算法解算标签在温室中的实时位置并显示，系统组成如图1所示。

1.移动工作台 2.超宽带定位模块 3.计算单元 4.WiFi模块 5.服务器 6.数据库 7.电脑控制端 8.手机控制端

1.2 移动工作台硬件设计

移动工作台长255 mm、宽165 mm、高275 mm，由移动底盘、驱动模块、控制模块、环境信息监测模块、UWB定位标签和通信模块组成，硬件结构如图2所示。

1.移动底盘 2.光照度测量传感器 3.二氧化碳浓度传感器 4.Arduino控制器 5.超宽带定位标签 6.温湿度传感器 7.WiFi模块 8.电池1.Mobile chassis 2.Illuminance measurement sensor 3.Carbon dioxide concentration sensor 4.Arduino controller 5.Ultra Wide Band (UWB) positioning label 6.Temperature and humidity sensor 7.WiFi module 8.Battery

环境信息监测模块：移动工作台上安装BH1750FVI光照度传感器，光照度测量范围为0～65 535 lx；SGP30二氧化碳浓度监测传感器，测量范围为600～24 000 mg/m3；DHT11温湿度传感器，温度和相对湿度的测量精度分别为±2 ℃和±5%，分辨率分别为1 ℃和1%。

控制模块：使用Arduino Uno控制器解析运动控制指令并执行，上传环境信息监测模块采集的温室环境信息。

驱动模块：本系统以地面硬化条件较好的无土栽培温室为主要应用对象而设计，移动工作台采用2轮驱动，使用L298N电机驱动模块控制电机转向和转速，低成本实现了对移动工作台的完整运动控制。

UWB定位标签：基于STM32F104RC和DWM1000定位模块开发定位功能板，型号为D-DWM-PG1.7V，具体参数如表1所示。通过计算单元配置功能板的工作类型（基站或标签），功能板兼具一对一测距和二维定位功能。

通信模块：通过WiFi模块实现远程监控平台与移动工作台间的远程通信，移动工作台通过WiFi模块接收运动控制指令，反馈工作状态和温室环境参数。远程监控平台和计算单元之间通过互联网远程通信，WiFi模块和远程监控平台、远程监控平台和计算单元之间的通信均采用4G技术，满足实时性通信需求。

表1 定位基站及标签规格参数

1.3 移动式温室环境监测系统软件设计

移动式温室环境监测系统软件由位置信息交互层、环境信息监测层和运动控制层构成。位置信息交互层为基于Windows的实时定位程序，解算并实时显示移动工作台在温室中的位置。环境信息监测层为基于安卓（Android）手机的环境信息解析及显示程序，实时显示温室中的温湿度、二氧化碳浓度和光照度。运动控制层为基于Android的移动工作台远程控制程序，通过微信公众平台向移动工作台发送运动控制远程通信协议，远程控制移动工作台运动。

2 移动式环境监测功能实现

2.1 实时定位功能实现

UWB定位精度的影响因素主要为传感器布设位置、多路径效应、信号衰减和非视距（Non Line of Sight, NLOS）误差，当室内遮挡非常严重时，超宽带定位误差较大，仅靠优化算法难以有效消除。因此在温室布置节点位置时应尽可能避开作物冠层等对信号遮挡较严重的障碍物，本系统采取措施如下：

1）根据移动工作台的实际高度，将4个基站分别竖直放置在温室四角距地面10 cm处，使得移动工作台与基站之间在温室内大部分活动范围内为视距条件；

2）增强DW1000芯片的信号发射和接收功率，提高灵敏度，通过该方式增大测量范围，减少信号衰减导致的定位偏差。

使用UWB技术作为无线载波通信技术，通过优化后的双向双边测距（Double-Side-Two-Way-Ranging，DS-TWR）算法计算基站与标签之间的距离，利用Chan算法初步求解标签位置，通过基站与标签间距离的归一化残差是否服从中心卡方分布判断是否存在NLOS误差，对存在NLOS误差的距离值利用改进后的增量式卡尔曼滤波算法修正，将修正后的距离值再次通过Chan算法解算，获得移动工作台准确位置。定位流程如图3所示。

图3 定位功能实现流程图

2.1.1 双向双边测距算法测距原理及改进

通过双向双边测距算法计算标签与基站之间的距离，为减少由时钟偏差引起的误差，双向双边测距采用2个往返时间计算飞行时间。2次往返时间间隔对结果无影响，飞行时间（prop, s）的计算如式（1）所示：

式中round1为第一次通讯设备A接收到设备B信号的时间与设备A发送信号的时间差，s；reply1为第一次通讯设备B在收到设备A的信号后，延迟固定时间回发信号与收到设备A信号时的时间差，s；round2为第二次通讯设备A接收到设备B信号的时间与设备A发送信号的时间差，s；reply2为第二次通讯设备B在收到设备A的信号后，延迟固定的时间回发信号与收到设备A信号时的时间差，s。

计算单元向主基站下达测距指令，主基站收到指令后立刻发送信号，接收基站收到信号立刻回传，主基站收到回传信号后再次发送信号，计算的飞行时间取平均值，带入电磁波传输速度即可得到2个基站的距离如式（2）所示：

=∙prop（2）

式中为2个基站间距离，m；为电磁波传输速度，数值为300 000 000m/s。

时钟引入误差（Error，s）计算如式（3）所示：

式中f为设备A时钟的实际频率和预期频率的比值；f为设备B时钟的实际频率和预期频率的比值。

改进前与改进后的双向双边测距算法测距过程如图4所示。由图4a可知，A设备为主动端，B设备为被动端，双向双边测距方式是A设备主动访问，并且由B设备计算距离，基站第二次数据包发出时间戳（5）时间由基站第一次数据包接收时间戳（4）加延时估算得出。实际二维定位中，基站为主动端A，标签为被动端B，标签安装于移动工作台上处于不断运动的状态，标签与计算单元串口通信以使标签计算距离后将距离值上传到计算单元，这就要求移动工作台有足够大的空间和载重来运载计算单元，因此如果直接使用双向双边测距算法则存在以下缺点：1）计算单元为一台笔记本电脑，不易携带；2）增加了移动工作台研制成本；3）计算单元对标签与基站之间的信号传递存在遮挡作用，增加定位误差；4）5时间戳由估算得出，增加了飞行时间计算误差。为了解决上述问题，提高距离计算精度，本研究对双向双边测距算法进行了改进（图4b），其优势在于1）增加一次被动端B向主动端A数据包回传过程，并让主动端A（基站）计算距离；2）真实读取5时间戳。这虽然延长了数据处理时间，增加了计算量，但提高了测距的稳定性和精度。

基站处于固定状态，计算单元与主基站连接，定位过程以基站主动扫描标签的方式进行，发送测距命令和测距数据处理均由主基站负责（图5）。以本研究实际采用的4基站1标签为例，图5中编号代表通信行为，行为反应了基站与标签间的测距流程，具体说明如表2所示。

注：T1、T4、T5和T8分别为主动端A第一次数据包发出、第一次数据包接收、第二次数据包发出和第二次数据包接收时间戳；T2、T3、T6和T7分别为被动端B第一次数据包接收、第一次数据包发出、第二次数据包接收和第二次数据包发出时间戳。

图5 4基站1标签测距示意图

表2 4基站1标签间测距步骤

2.1.2 非视距误差判断

本研究对基站与标签之间的距离值是否存在非视距误差的判断方法参考吴承钰[33]的研究，通过基于距离残差的识别算法判断处于非视距误差下的基站，首先利用Chan算法初步解算标签位置，Chan算法通过2次加权最小二乘法的计算，在噪声服从零均值的高斯分布的环境下，能够利用所有的测量值获得较好的计算结果，但是在 NLOS环境的信道下，定位精度会显著下降，Chan算法具体实现过程参考孙顶明[34]的研究。为Chan算法提供测量数据的一组基站若均处于视距（Line Of Sight, LOS）条件，则其距离的归一化残差应当服从中心卡方分布[33]，通过这一特性使用距离残差算法可以有效的完成对NLOS基站的识别工作。以本系统所用4基站1标签为例，具体做法为获取4基站与标签之间的测距信息，使用Chan算法对待测目标的位置进行估计，判断是否存在非视距误差，如存在非视距误差，再选取3个基站，重新进行位置解算，每3个基站作为一组定位组合，共有5组对待测目标的估计，结果如式（4）所示：

式中()表示第种组合的基站测量结果解算得到的位置估计；()表示第种组合的基站测量结果解算得到的横坐标；()表示第种组合的基站测量结果解算得到的纵坐标；表示种组合包含的基站数量；为基站总数量，本研究中设置为4。归一化距离残差定义如式（5）和式（6）所示：

由式（5）和式（6）可知各基站组合均为视距情况时各基站与标签间距离的归一化残差服从中心卡方分布，存在非视距误差时不再服从中心卡方分布。

2.1.3 非视距误差消除

对非视距条件下产生的基站与标签距离值中包含的NLOS误差，参考蔡博等[35]的研究，通过改进后的增量式卡尔曼滤波算法消除。主要实现过程为建立测距模型，如式（7）所示：

式中()、()是时刻基站与标签之间的测量距离和真实距离，m；()是非视距误差；()是标准测量误差；()是测量系统误差。

传统卡尔曼滤波不适用于非高斯分布条件下的NLOS误差和实际中存在的测量系统误差模型，根据线性系统的特点，建立增量卡尔曼滤波状态方程，其空间模型描述如式（8）和式（9）所示：

式中S和S-1分别是时刻和-1时刻目标状态矩阵；ΔZ是时刻测量增量矩阵；Φ-1是-1时刻状态转移矩阵；H和H-1分别是时刻和-1时刻测量矩阵；Γ-1为-1时刻噪声驱动矩阵；W-1是-1时刻过程噪声矩阵；V为时刻测量噪声矩阵。

测量增量计算如式（10）所示：

式中Z和Z-1分别是时刻和-1时刻测量矩阵；V-1是-1时刻测量噪声矩阵。

由于UWB信号很高的采样率，因而V−V-1为相对小量，可以忽略不计。对于式（8）和式（9）构成的增量系统模型可以有效消除未知的系统误差。增量卡尔曼滤波的迭代过程如式（11）~ 式（14）所示，其中：

状态一步预测方程如式（11）所示：

式中S|k-1是-1时刻对时刻目标状态的一步预测矩阵。

一步预测误差均方差如式（12）所示：

状态估计方程为如式（13）所示：

式中K是时刻滤波增益矩阵；ΔZ|k-1是-1时刻对时刻的预测测量增量矩阵。

滤波均方误差更新如式（14）所示：

由傅惠民等[36]研究可知增量卡尔曼滤波具有无偏性。基于标准测量误差和NLOS误差之间的无关性，将NLOS误差加入到状态变量中，经过增量卡尔曼滤波器处理后得到估计出的NLOS误差，用实际测量值减去NLOS误差即可得到消除NLOS误差的超宽带模块测距值。在卡尔曼滤波迭代过程中，基于NLOS误差的正值性，将可能出现负的NLOS估计值置0，从而得到NLOS误差估计值，进一步可以获得两点之间精确的距离值R()。在消除掉NLOS后，采用Chan算法对移动工作台进行重新定位，可以得到较高的定位精度。

2.1.4 系统性能评价方法

系统定位偏差分为横向偏差和纵向偏差，横向偏差（1，cm）计算如式（15）所示：

式中1是计算坐标中的横坐标值，cm；2是实际测量坐标中的横坐标值，cm。

纵向偏差（2，cm）计算如式（16）所示：

式中1是计算坐标中的纵坐标值，cm；2是实际测量坐标中的纵坐标值，cm。

为评价系统定位的精度和稳定性，本研究对定位偏差进行统计学分析，通过标准差判断系统定位的稳定性，通过均方根误差评估系统定位精度，标准差（）和均方根误差（Root Mean Square Error，RMSE）的计算方法分别如式（17）和式（18）所示：

式中表示目标点的总数量；X表示第个目标点处的偏差（纵向偏差或横向偏差），cm；表示各目标点处偏差（纵向偏差或横向偏差）的平均值，cm；X表示第个目标点的计算坐标（横坐标或纵坐标），cm；X表示第个目标点的实际测量坐标（横坐标或纵坐标），cm。

通过计算丢包率评估系统上传温室环境采集信息的稳定性，丢包率（，%）计算如式（19）所示：

式中表示数据丢失数量；表示数据采集时间段内应上传的数据总数量。

通过计算相对误差验证环境信息测量精度，相对误差（，%）计算如式（20）所示：

式中表示各测量点处测量值与对比值之间的绝对误差；表示对比值。

2.1.5 计算单元操作界面设计

基于Visual Studio 2017本研究设计了计算单元操作界面（图6）。操作界面主要包括标签位置坐标实时显示区、标签与基站相对距离显示区、地图属性设置区、串口配置与设备连接区、设备配置区、设备状态显示区和基站坐标设置区。其中，定位功能中实现计算单元设置的步骤为1）获取温室二维俯视图并导入上位机，图像像素大小要求为800×450；2）搜索并打开电脑驱动串口，设置串口通信波特率，使主基站与电脑驱动串口波特率一致，数值为115 200 bps；3）扫描串口上的串行通信协议（MODBUS）设备并连接；4）与设备建立串口通信后设置设备类型（主基站、次基站或标签）及定位模式（一对一测距或二维定位）；5）设置地图中的坐标原点及主基站和各次基站的位置坐标；6）设置标签数量；7）点击开始定位，界面显示定位标签在建立坐标系中的实时位置坐标及定位标签与各基站之间的相对距离；8）点击取消定位，定位结束。

1.标签位置坐标实时显示区 2.标签与基站相对距离显示区 3.地图属性设置区 4.串口配置与设备连接区 5.设备配置区 6.设备状态显示区 7.基站坐标设置区

2.2 基于物联网的移动工作台远程控制

本研究通过WiFi模块实现远程监测平台与移动工作台之间的远程通信，WiFi模块作为一个站点去连接其他设备（路由器等）发出的无线信号，每一个连接到无线网络中的终端都为一个站点，各站点之间可通过数据通信协议进行信息交互。

WiFi模块和安卓（Android）手机控制端通过连接路由器等设备发出的无线信号连接互联网，WiFi模块与手机控制端之间可作为两站点实时通信。Android手机控制端通过微信公众平台向移动工作台发布远程控制协议，实现对移动工作台的运动控制。作为服务器端的移动工作台通过Arduino控制器与WiFi模块串口通信，对接收到的控制协议进行解析，完成相应动作，相应动作通过编程实现。

Android手机控制端控制移动工作台运动的基本流程如图7所示，具体步骤为1）Android手机控制端与移动工作台WiFi模块分别进行配网连接互联网；2）Android手机控制端打开微信公众平台，输入移动工作台设备号，与移动工作台建立通信；3）初始化Arduino控制器串口，将串口波特率设置为9 600 bps，与WiFi模块默认的串口波特率一致，监听串口是否有数据，如果没有，则继续等待；4）Android手机控制端通过微信公众平台向移动工作台发送控制协议，控制协议通过互联网传输到WiFi模块后，通过串口转发到移动工作台上的Arduino控制器，在成功接收控制协议后解析；5）如果解析后的控制指令准确无误，则驱动L298N电机驱动模块，控制移动工作台执行相应的操作，并向Android手机控制端发送执行指令成功的反馈信息（如前进动作正常执行）。如果解析后的控制指令不符合设定的通信协议，则移动工作台继续保持当前状态，并向Android手机控制端发送控制指令有误的反馈信息。

图7 移动工作台运动控制流程图

2.3 基于微信公众平台的环境信息监测功能设计

环境信息监测应包括人机交互界面、存储温室环境参数的数据库和负责数据传输的服务器。服务器与数据库的稳定性、方便性和广泛实用性显得尤为重要，本系统选用MySQL数据库和阿里云服务器进行数据传送、存储和管理，通过微信公众平台实现人机交互。

安装在移动工作台上的环境信息监测传感器采集的温湿度等数据通过WiFi模块连接互联网以从指定的资源请求数据的方式发送到阿里云服务器中，阿里云服务器通过超文本预处理器（Hypertext Preprocessor, PHP）脚本语言与SQL语句连接以实现数据的存储与管理，服务器与数据库间通过HTTP协议的GET请求方式将传感器发送来的数据进行传输。为使微信公众平台发送的请求命令能被响应，需将微信公众号与服务器绑定，绑定后，微信公众平台发送请求指令到服务器，服务器读取数据库中的数据反馈到微信公众平台，实现信息交互。

3 移动式温室环境监测系统性能测试试验

试验地点为农业农村部规划设计研究院设施农业研究所河北永清科研基地芬洛（Venlo）型温室的番茄种植区。番茄种植区总长40 m、宽16 m，占地面积为640 m2，其中栽培区长34 m、宽15 m，占地面积为510 m2，番茄植株定植于番茄架上，共9行，行间距为1.4 m，番茄架长30 cm、宽34 m，单行番茄架上层面积为10.2 m2（图8a）。采用4基站1标签式布置方式对移动工作台定位，4基站分别竖直放置在温室4角距地面10 cm处，各基站距离最近的温室墙面的水平和垂直距离均为2 m，标签安装在移动工作台上，通过远程监测平台监控移动工作台的实时位置（图8b）。

图8 基站、目标点分布和试验实景图

试验内容包括移动工作台远程控制及定位（动态和静态）精度测试试验、环境信息采集稳定性测试试验和环境参数测量精度测试试验。

1）移动工作台远程控制及静态定位精度测试试验过程为在温室内选择12个目标点，以主基站为坐标原点建立坐标系，测量各目标点与主基站之间的水平和垂直距离作为该目标点的实际坐标，测量后各目标点的实际坐标如图8a所示。为计算移动工作台的定位偏差，需确保移动工作台准确到达目标点，由于定位偏差的影响，通过远程控制移动工作台准确到达目标点难以实现，需要在试验现场增加一名辅助实验员。因此试验由2人共同完成，1号实验员在试验温室中负责辅助2号实验员将移动工作台准确移动到各目标点处并处理试验过程中的突发状况，2号实验员位于山东农业大学8号楼通过Android手机控制端对移动工作台进行远程控制，2号实验员通过远程监控平台上显示的移动工作台的位置及在1号实验员的辅助指挥下使移动工作台依次经过标记的目标点，每到达一个目标点记录远程监测平台显示的标签坐标，将计算坐标与实际测量坐标对比，计算定位偏差，试验重复3次。3次试验计算结果取平均值作为各目标处的定位偏差。

动态定位精度测试试验中，设置上位机为路径跟踪模式，即上位机跟踪标签的行走轨迹并标记。在试验温室中测量并标记第④行和第⑤行之间与第⑤行和第⑥行之间道路的中心线作为规划路径（图8a），实验员在试验温室中控制移动工作台分别以0.4、0.8和1.2 m/s的平均速度沿规划路径行走，以1 m为间隔，记录上位机中的实际跟踪路径与规划路径间的横向偏差，以图8a中标记的方位为准，若实际跟踪路径在规划路径的东侧，则横向偏差为正，若实际跟踪路径在规划路径的西侧，则横向偏差为负。

2）环境信息采集稳定性测试试验中，选择2019年11月12日—2019年11月14日3 d测量并保存环境参数，记录数据连续性，试验期间，给锂电池持续充电以保证移动工作台持续采集环境信息。

3）环境参数测量精度测试试验时间为2019年11月15日—2019年11月17日，共3 d，在试验温室中选择3个测量点（图8a），11月15日在测量点1采集环境参数，11月16日在测量点2采集环境参数，11月17日在测量点3采集环境参数。为了验证移动工作台环境信息测量的准确性。选用武汉汉秦信通科技有限公司生产的HQZDZ型数据采集器采集各测量点环境参数，室内空气温湿度传感器型号为HQWD，温度测量精度和测量范围分别为±0.3 ℃和−50～100 ℃，相对湿度测量精度和测量范围分别为±1%和0～100%；光照度传感器型号为HQZD，测量范围0～200 000 lx；二氧化碳传感器型号为HQCO2-W，量程为0～8 000 mg/m3，测量精度为±160 mg/m3，以上数据每1 h存储到数据采集器中，各传感器与数据采集器串口通信，通过RS485通信可将存储数据从数据采集器中读出。移动工作台测量的环境参数为实测值，数据采集器测量的环境参数为对比值。

3.1 移动工作台远程控制及静态定位精度测试试验

分析后的定位偏差数据如表3所示，试验表明可远程控制移动工作台顺利到达各目标点，控制指令发出（按键按下）与移动工作台指令执行之间的延迟时间为2～3 s；移动工作台在各目标点处的最大横向偏差为7.92 cm，最大纵向偏差为7.98 cm，平均值均<5 cm，标准差<4 cm，均方根误差<5 cm，定位精度较高。

表3 定位偏差数据分析

3.2 动态定位精度测试试验

不同速度下实际跟踪路径与规划路径间的横向偏差对比结果如表4所示。移动工作台分别以0.4、0.8和1.2 m/s的平均速度沿规划路径行驶，最大定位偏差分别为8.7、13.3和19.2 cm，平均偏差分别为4.7、7.8和14.5 cm。结果表明，当移动工作台速度增加时，定位精度明显下降。原因可能是使用改进增量式卡尔曼滤波算法消除非视距误差，需要获取实时数据作为观测值经计算得到最终值，因此会使计算的时间复杂度增加，上位机计算位置与移动工作台实际位置之间在时间上会产生一定的滞后性，当移动工作台速度增加时，滞后性更加明显，因此由于滞后性造成的定位误差也会增大，使定位精度下降。

王俊等[37]针对温室移动节点定位的需求，提出了一种基于遗传误差反向传播（Error Back Propagation，BP）的温室无线传感器网络定位方法，试验结果表明，该方法具有较高的鲁棒性和定位精度，定位结果波动范围小，且超过86%的试验数据的定位误差<3.5 m，相对定位误差低于4.8%；王新等[38]将惯性传感技术与基于无线传感器网络的接收信号强度（Received Signal Strength Indication, RSSI）技术相结合，利用卡尔曼滤波算法进行定位信息最优化计算，提出多源数据融合温室作业机具定位算法，试验测量的最大定位误差<12.5 cm，平均定位误差为6.9 cm，标准差为4.4 cm。与基于遗传误差反向传播算法的温室无线传感器网络定位算法和多源数据融合温室作业机具定位算法相比，本研究提出的定位算法在定位精度上具有一定的优越性，能够较好地满足温室内作业机具的定位及作业轨迹实时获取与监测的需求。

表4 实际跟踪路径与规划路径间横向偏差统计

3.3 环境信息采集稳定性测试试验

环境参数测量连续性记录结果如表5所示。其中，11月12日各项环境参数数据缺失量均为0，11月13日环境参数数据缺失量为16，11月14日环境参数数据缺失量为8，原因应与网络波动有关，但总体数据完整，环境信息采集稳定。

分析试验期间共72 h的测量数据，Arduino控制器通过WiFi模块连接互联网每1 h向服务器发送一次环境参数，3 d理论上共采集864条记录。试验结果全部保存在数据库中，试验后统计数据库共存储840条记录且无异常数据，缺失24条数据，根据张传帅等[39]丢包率计算方法，3 d平均丢包率为2.78 %，环境信息上传稳定。

表5 连续性测量各环境参数的数据总数量和数据丢失数量

3.4 环境参数测量精度测试试验

通过温室环境参数实测值与对比值的比较（图9），由定性分析可知，移动工作台采集数据随时间变化曲线与采集器采集的温室环境参数随时间变化趋势的一致性表明移动工作台采集的环境参数具有一定的准确性；由定量分析可知，在72 h的采样时间段内，温度实测值与对比值之间差值的最大值为1.6 ℃，最大相对误差为0.63%；相对湿度实测值与对比值之间的最大值为2.3%，最大相对误差为0.34%；光照度实测值与对比值之间的最大值为320 lx，最大相对误差为0.70%；二氧化碳浓度实测值与对比值之间的最大值为136 mg/m3，最大相对误差为0.67%。

图9 温室环境参数实测值和对比值对比曲线

4 结 论

1）研制了基于超宽带（Ultra Wide Band，UWB）技术与物联网的移动式温室环境监测系统，可移动监测温室环境。该系统采用模块化的硬件结构设计、分层式的软件结构设计，兼顾了系统对数据通量与响应速度的要求。结合远程监测平台，实现了对移动工作台的远程控制、精准定位和对温室环境的远程实时监测。

2）系统静态定位最大横向偏差为7.92 cm，最大纵向偏差为7.98 cm，横向和纵向偏差的平均值均<5 cm；移动工作台以0.4 m/s的速度行驶，动态定位最大横向偏差为8.7 cm，平均横向偏差为4.7 cm，当移动工作台速度增加时，定位精度下降。采集的温室环境参数上传远程监控平台时的平均丢包率为2.78%，环境信息采集稳定。温度、相对湿度、光照度和二氧化碳浓度实测值与对比值之间最大相对误差分别为0.63%、0.34%、0.70%和0.67%，环境监测精度较高。该系统对远程环境调控技术和温室内作业机具精准定位技术的发展具有一定的理论意义和参考价值。

[1]刘霓红，蒋先平，程俊峰，等. 国外有机设施园艺现状及对中国设施农业可持续发展的启示[J]. 农业工程学报，2018，34(15)：1-9. Liu Nihong, Jiang Xianping, Cheng Junfeng, et al. Current situation of foreign organic greenhouse horticulture and its inspiration for sustainable development of Chinese protected agriculture[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(15): 1-9. (in Chinese with English abstract)

[2]侯加林，蒲文洋，李天华，等. 双激光雷达温室运输机器人导航系统研制[J]. 农业工程学报，2020，36(14)：80-88. Hou Jialin, Pu Wenyang, Li Tianhua, et al. Development of dual-lidar navigation system for greenhouse transportation robot[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(14): 80-88. (in Chinese with English abstract)

[3]郭世荣，孙锦，束胜，等. 国外设施园艺产业概况、特点及趋势分析[J]. 南京农业大学学报，2012，35(5)：43-52. Guo Shirong, Sun Jin, Shu Sheng, et al. General situation’ characteristics and trends of protected horticulture in foreign[J]. Journal of Nanjing Agricultural University, 2012, 35(5): 43-52. (in Chinese with English abstract)

[4]毛罕平，晋春，陈勇. 温室环境控制方法研究进展分析与展望[J]. 农业机械学报，2018，49(2)：1-13. Mao Hanping, Jin Chun, Chen Yong. Research progress and prospect on control methods of greenhouse environment[J]. Transactions of the Chinese Society for Agricultural Machinery, 2018, 49(2): 1-13. (in Chinese with English abstract)

[5]孙锦，高洪波，田婧，等. 我国设施园艺发展现状与趋势[J]. 南京农业大学学报，2019，42(4)：594-604. Sun Jin, Gao Hongbo, Tian Jing, et al. Development status and trends of protected horticulture in China[J]. Journal of Nanjing Agricultural University, 2019, 42(4): 594-604. (in Chinese with English abstract)

[6]付学谦，周亚中，孙宏斌，等. 园区农业能源互联网：概念、特征与应用价值[J]. 农业工程学报，2020，36(12)：152-161. Fu Xueqian, Zhou Yazhong, Sun Hongbin, et al. Park-level agricultural energy internet: Concept, characteristic and application value[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(12): 152-161. (in Chinese with English abstract)

[7]李萍萍，王纪章. 温室环境信息智能化管理研究进展[J].农业机械学报，2014，45(4)：236-243. Li Pingping, Wang Jizhang. Research progress of intelligent management for greenhouse environment information[J]. Transactions of the Chinese Society for Agricultural Machinery, 2014, 45(4): 236-243. (in Chinese with English abstract)

[8]Konstantinos P F, Nikolaos K, Antonis T, et al. Wireless sensor networks for greenhouse climate and plant condition assessment[J]. Biosystems Engineering, 2017, 153: 70-81.

[9]范治慧. 农业温室智能控制系统的设计与开发[D].大连：大连海洋大学，2019. Fan Zhihui. Design and Development of Intelligent Control System for Agricultural Greenhouse[J]. Dalian: Dalian Ocean University, 2018. (in Chinese with English abstract)

[10]Soiket M I H, Oni A O, Kumar A. The development of a process simulation model for energy consumption and greenhouse gas emissions of a vapor solvent-based oil sands extraction and recovery process[J]. Energy, 2019,173: 799-808.

[11]雷钧，殷国鑫. 基于太阳能的大棚温控系统设计与试验[J].农机化研究，2021，43(6)：210-213，218. Lei Jun, Yin Guoxin. Design and experiment of greenhouse temperature control system based on solar energy[J]. Journal of Agricultural Mechanization Research, 2021, 43(6): 210-213, 218. (in Chinese with English abstract)

[12]张猛，房俊龙，韩雨. 基于ZigBee和Internet的温室群环境远程监控系统设计[J]. 农业工程学报，2013，29(25)：171-176. Zhang Meng, Fang Junlong, Han Yu. Design on remote monitoring and control system for greenhouse group based on ZigBee and Internet[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2013, 29(25): 171-176. (in Chinese with English abstract)

[13]Liang Meihui, He Yaofeng, Chen Lijun, et al. Greenhouse environment dynamic monitoring system based on WIFI[J]. IFAC-PapersOnLine, 2018, 51(17): 736-740.

[14]马增炜，马锦儒，李亚敏. 基于WIFI的智能温室监控系统设计[J]. 农机化研究，2011，33(2)：154-157，162. Ma Zengwei, Ma Jinru, Li Yamin. Intelligent greenhouse monitoring and control system design based on wireless fidelity[J]. Journal of Agricultural Mechanization Research, 2011, 33(2): 154-157, 162. (in Chinese with English abstract)

[15]庞子杰. 基于嵌入式智能温室环境监控系统设计[D]. 保定：河北大学，2018. Pang Zijie. Design of Embedded Intelligent Greenhouse Environment Monitoring System[J]. Baoding: Hebei University, 2018. (in Chinese with English abstract)

[16]许朋，孙通，冯国坤，等. 基于STM32的智能温室无线监控系统设计[J]. 农机化研究，2015，37(3)：87-90. Xu Peng, Sun Tong. Feng Guokun, et al. The research of intelligent agricultural wireless monitoring system based on STM32[J]. Journal of Agricultural Mechanization Research, 2015, 37(3): 87-90. (in Chinese with English abstract)

[17]Sangyeon L, Inbok L, Ukhyeon Y, et al. Optimal sensor placement for monitoring and controlling greenhouse internal environments[J], Biosystems Engineering, 2019, 188: 190-206.

[18]Wu Yong, Li Minzan, Zhang Man, et al. Remote-control system for greenhouse based on open source hardware[J]. IFAC-PapersOnLine, 2019, 52(30): 178-183.

[19]赵文兵，毛罕平，马万征. 基于物联网的智能温室远程监控系统设计[J]. 中国农机化学报，2016，37(6)：230-233. Zhao Wenbing, Mao Hanping, Ma Wanzheng. Design of remote monitoring system based on IOT for intelligent greenhouse environment control[J]. Journal of Chinese Agricultural Mechanization, 2016, 37(6): 230-233. (in Chinese with English abstract)

[20]任延昭，陈雪瑞，贾敬敦，等. 基于微信平台的温室环境监测与温度预测系统[J]. 农业机械学报，2017，48(增刊1)：302-307. Ren Yanzhao, Chen Xuerui, Jia Jingdun, et al. Environment monitoring and temperature prediction in greenhouse based on wechat platform[J]. Transactions of the Chinese Society for Agricultural Machinery, 2017, 48(Supp.1): 302-307. (in Chinese with English abstract)

[21]廖建尚. 基于物联网的温室大棚环境监控系统设计方法[J]. 农业工程学报，2016，32(11)：233-243. Liao Jianshang. Design of agricultural greenhouse environment monitoring system based on internet of things[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(11): 233-243. (in Chinese with English abstract)

[22]Nair A S, Bechar A, Tao Y, et al. The HUB-CI model for telerobotics in greenhouse monitoring[J]. Procedia Manufacturing, 2019, 39: 414-421.

[23]张庆雷. 基于物联网架构的可移动温室环境监测系统研究[D]. 泰安：山东农业大学，2018. Zhang Qinglei. Movable Monitoring System for Greenhouse Environment[D]. Taian: Shandong Agricultural University, 2018. (in Chinese with English abstract)

[24]张世昂，付根平. 农业智能巡检小车的设计[J]．中国农机化学报，2018，39(4)：82-89. Zhang Shiang, Fu Genping. Design of intelligent routing inspection car for agricultural[J]. Journal of Chinese Agricultural Mechanization, 2018, 39(4): 82-89. (in Chinese with English abstract)

[25]Alkan R M, Saka M H, Ozulu İ M, et al. Kinematic precise point positioning using GPS and GLONASS measurements in marine environments[J]. Measurement, 2017, 109: 36-43.

[26]Karnik J, Streit J. Summary of available indoor location techniques[J], IFAC-PapersOnLine, 2016, 49(25): 311-317.

[27]Seol S, Lee E K, Kim W. Effects of a WLAN-based real time location system on outpatient contentment in a Level I trauma center[J]. International Journal of Medical Informatics, 2014, 83(1): 19-26.

[28]Stubig T, Zeckey C, Min W, et al. Summary of available indoor location techniques[J]. IFAC-Papers On Line, 2016, 49(25): 311-317.

[29]林相泽，王祥，林彩鑫，等. 基于超宽带的温室农用车辆定位信息采集与优化[J]. 农业机械学报，2018，49(10)：23-29，45. Lin Xiangze, Wang Xiang, Lin Caixin, et al. Location information collection and optimization for agricultural vehicle based on UWB[J]. Transactions of the Chinese Society for Agricultural Machinery, 2018, 49(10): 23-29, 45. (in Chinese with English abstract)

[30]嵇茂祥. UWB室内定位系统研究与实现[D]. 上海：华东师范大学，2017. Ji Maoxiang. Research and Implementation of Indoor Positioning System Based on UWB[D]. Shanghai: East China Normal University, 2017. (in Chinese with English abstract)

[31]徐明生. 基于UWB的智能巡逻机器人设计与实现[D]. 哈尔滨：哈尔滨理工大学，2019. Xu Mingsheng. Design and Realization of Intelligent Patrol Robot Based on UWB[J]. Harbin: Harbin University of Science and Technology, 2019. (in Chinese with English abstract)

[32]Moe Z W, Robert A S. Characterization of ultra-wide bandwidth wireless indoor channels: A communications theoretic view[J]. IEEE Journal on Selected Areas in Communications, 2002, 20(9): 1613-1627.

[33]吴承钰. 基于UWB的室内定位系统设计与实现[D]. 哈尔滨：哈尔滨工业大学，2019. Wu Chengyu. Design and Implementation of Indoor Positioning System Based on UWB[D]. Harbin: Harbin Institute of Technology, 2019. (in Chinese with English abstract)

[34]孙顶明. 基于CHAN-Taylor的室内复杂环境UWB定位算法研究[D]. 南京：南京邮电大学，2019. Sun Dingming. Study on UWB Location Algorithm for Indoor Complex Environment Based on CHAN-Taylor[D]. Nanjing: Nanjing University of Posts and Telecommunications, 2019. (in Chinese with English abstract)

[35]蔡博，高宏力，宋兴国，等. 基于改进增量卡尔曼滤波算法的UWB室内定位研究[J]. 机械设计与制造，2020(2)：22-25. Cai Bo, Gao Hongli, Song Xingguo, et al. Research of UWB indoor location based on improved incremental Kalman filter algorithm[J]. Machinery Design ＆ Manufacture, 2020(2): 22-25. (in Chinese with English abstract)

[36]傅惠民，吴云章，娄泰山. 欠观测条件下的增量 Kalman 滤波方法[J]. 机械强度，2012，34(1)：43-47. Fu Huimin, Wu Yunzhang, Lou Taishan. Incremental Kalman filter method under poor observation condition[J]. Journal of Mechanical Strength, 2012, 34(1): 43-47. (in Chinese with English abstract)

[37]王俊，李树强，刘刚. 基于相似度的温室无线传感器网络定位算法[J]. 农业工程学报，2013，29(22)：154-161. Wang Jun, Li Shuqiang, Liu Gang. Greenhouse wireless sensor network localization method based on similarity[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2013, 29(22): 154-161. (in Chinese with English abstract)

[38]王新，许苗，张京开，等. 温室作业机具室内定位方法研究[J]. 农业机械学报，2017，48(1)：21-28，13. Wang Xin, Xu Miao, Zhang Jingkai, et al. Greenhouse agricultural machinery indoor positioning method[J]. Transactions of the Chinese Society for Agricultural Machinery, 2017, 48(1): 21-28, 13. (in Chinese with English abstract)

[39]张传帅，张天蛟，张漫，等. 基于 WSN 的温室环境信息远程监测系统[J]. 中国农业大学学报，2014，19(5)：168-173. Zhang Chuanshuai, Zhang Tianjiao, Zhang Man, et al. Remote environmental monitoring system for greenhouse based on WSN[J]. Journal of China Agricultural University, 2014, 19(5): 168-173. (in Chinese with English abstract)

Design and implementation of mobile greenhouse environmental monitoring system based on UWB and Internet of Things

Hou Jialin1,2, Pu Wenyang1, Li Tianhua1,2, Ding Xiaoming3, Zhang Guanshan1,2

(1.271018; 2.271018; 3.100125)

To grasp timely and conveniently environmental information such as temperature and humidity in the greenhouse, a mobile greenhouse environment monitoring system was designed, which realized the mobile monitoring of greenhouse environmental parameters. According to the improved double-side-two-way-ranging algorithm, the distance between each base station and the tag was calculated. The NLOS error was judged by the normalized residual distribution of distance, and the improved incremental Kalman filter algorithm was used to eliminate the NLOS error, and the Chan algorithm was used to calculate the accurate tag position. The mobile greenhouse environment monitoring system was composed of a remote monitoring platform, mobile workstation, and UWB positioning module. The remote monitoring platform was responsible for displaying the location information of the mobile workstation in real-time, controlling the movement of the mobile workstation remotely, displaying and storing the environmental information uploaded by the environmental information monitoring module. Mobile workstation mainly included mobile chassis, drive module, control module, environmental information measurement module, UWB positioning label, and communication module. As the specific executor of the command, the mobile workstation was responsible for receiving and executing the mobile command issued by the monitoring platform, collecting and sending the measured temperature and humidity and other environmental parameters to the monitoring platform in real-time. The remote monitoring platform and the mobile workstation communicate timely through the wireless network. The UWB positioning module included a positioning tag, positioning base station, and a computing unit. The positioning tag was installed on the mobile workstation to mark the position of the mobile workstation in the greenhouse. The positioning base station was responsible for calculating the distance between each base station and the tag and sending it to the computing unit by serial communication. The computing unit calculated the position of the tag in the greenhouse and displays it. The software of the environmental monitoring system consisted of a position information interaction layer, environment information monitoring layer, and motion control layer. The position information interaction layer was a real-time positioning program based on windows, which displayed the position of a mobile workstation in the greenhouse. The environmental information monitoring layer was an Android-based program to collect and display environmental information measured by sensors, drawing the hourly temperature and humidity change curve. The motion control layer was an Android-based remote control program, which sent motion instructions to the mobile workstation through the remote communication protocol to control the stable and safe movement of the mobile workstation in the greenhouse. The remote control and positioning accuracy-test showed that the maximum lateral deviation of the system static positioning was 7.92 cm, the maximum longitudinal deviation was 7.98 cm, and the average value of both horizontal and longitudinal deviation was less than 5 cm. When the mobile workstation was running at a speed of 0.4 m/s, the maximum lateral deviation of dynamic positioning was 8.7 cm and the average lateral deviation was 4.7 cm. Through the stability test of environmental information collection, the average data loss rate of the collected greenhouse environmental parameters uploaded to the remote monitoring platform was 2.78%, the environmental information collection was stable. The relative errors of temperature, humidity, light intensity and carbon dioxide concentration were less than 0.63%, 0.34%, 0.70%, and 0.67%, respectively, the environmental monitoring accuracy was high. The system adopted modular hardware structure design and layered software structure design, taking into account the requirements of the system for data through flux and response speed. Combined with the remote monitoring platform, it realized remote control, precise positioning, and remote real-time monitoring of the greenhouse environment. The system could have certain reference significance for the development of remote environmental monitoring technology and greenhouse precise positioning technology.

greenhouse; environmental control; Internet of Thing; UWB; mobile workstation; location

侯加林，蒲文洋，李天华，等. 基于UWB与物联网的移动式温室环境监测系统设计与实现[J]. 农业工程学报，2020，36(23)：229-240.doi：10.11975/j.issn.1002-6819.2020.23.027 http://www.tcsae.org

Hou Jialin, Pu Wenyang, Li Tianhua, et al. Design and implementation of mobile greenhouse environmental monitoring system based on UWB and Internet of Things[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(23): 229-240. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2020.23.027 http://www.tcsae.org

2020-09-09

2020-10-27

十三五国家重点研发计划项目智能农机装备专项“温室智能化精细生产技术与装备研发”（2017YFD0701500）；山东省重大科技创新工程项目（2019JZZY020620）

侯加林，博士，教授，主要从事设施农业研究。Email：jlhou@sdau.edu.cn

10.11975/j.issn.1002-6819.2020.23.027

S625.5

A

1002-6819(2020)-23-0229-12