关键词:
物联网
压力监测
温度补偿
NB-IoT
摘要:
为了解决压力监测系统信息采集终端在有线连接时存在的成本过高、部署和维护困难等问题,如今普遍采用以电池方式供电的无线终端,因此低功耗技术成为了保障电池寿命的关键。另外,由于系统使用的压阻式压力传感器具有的温度漂移和零点漂移特性会给测量结果引入严重误差,在测量终端数量较多情况下,进行温度补偿的同时还需要兼顾传感器个体间存在的差异性,因此温度补偿算法同样成为研究重点。为了进一步改善这些问题,结合当今前沿的物联网技术、机器学习技术,提出了一种具有温度补偿和低功耗的无线压力监测系统,能够更好地满足目前和未来行业需求。无线压力监测系统包含信息采集终端和数据监测平台,其中,信息采集终端由六个模块组成,它们分别为主控模块、NB-Io T模块、传感器模块、显示模块、485模块和电源模块。电源模块使用电池供电,为了尽可能延长电池的使用寿命,终端采用低功耗设计,并对NB-Io T模块和主控模块中微控制器的功耗情况进行了详细分析,结合其他模块和所需功能制定了最佳方案,最大化降低了终端设备工作时产生的功耗。数据监测平台负责数据处理、展示和控制等,数据处理方面针对压阻式压力传感器的特性提出了DE-SVM温度补偿算法模型,其中支持向量机(SVM)为机器学习领域经典算法,在小样本、非线性问题上具有突出的优势,能较好地解决传感器之间随机性差异,而差分进化(DE)算法则能够解决SVM参数选取问题,二者结合可以快速找到最优参数以保证算法模型的准确度。在最后,针对无线压力监测系统的温度补偿和低功耗特点,分别设计实验进行测试和验证,根据实验结果,使用DE-SVM温度补偿算法模型对单个传感器压力值进行校正,最大误差和均方误差分别下降了93.87%和99.89%;在七块硅基压阻式压力传感器构成的多传感器情况下,最大误差和均方误差分别下降了93.17%和99.27%,平均相对误差由14.06%下降至1.20%;此外,选取训练数据不包含的温度点使用所建立的模型进行测试,模型仍能够较好地进行温度补偿。信息采集终端的功耗测量实验显示,在休眠模式下终端平均电流值仅为4.16μA,在每10分钟为一个周期进行一次采集和上传的情况下,平均电流仅为0.5813m A,用规格为14500m Ah的电池供电,则电池寿命约为2.84年;周期增加到半小时,则寿命理论值能达到8年以上,满足低功耗的设计要求。