基于WSN的室内光照强度感应控制方法仿真.pdf

360第40 卷第6 期2023年6 月真机仿算文章编号：10 0 6-9 348（2 0 2 3)0 6-0 36 0-0 4基于WSN的室内光照强度感应控制方法仿真徐鹤桐，杜状,孙杨（长春工业大学人文信息学院，吉林长春130 0 0 0）摘要：针对外界环境掺杂因素过多而导致的光强控制效果不佳及控制效率不高的问题，提出一种基于WSN的室内光照强度感应控制方法。利用粗大误差剔除技术，并通过重复迭代计算原始数据中噪声及异常数据。建立基于光照强度参数的动态向量以及状态向量控制模型，根据模型中的无线传感器、事件触发器、执行器以及控制器对室内环境中光照强度实现数据采集，同时模拟控制信号传输通道及反馈通道，并通过动态补偿函数改善信号发送时延误差，完成光强感应的高效控制。仿真结果证明，所提方法感应机制的触发时间较短、灵敏度较高，对光强信号的控制效果较好、稳定性较强、整体算法表现较为优异。关键词：光强感应；粗大误差剔除技术；反馈通道；动态补偿函数中图分类号：TP212.3文献标识码：BSimulation of Indoor Light Intensity SensingControl Method Based on WSNXU He-tong,DU Zhuang,SUN Yang(College of Humanities&Information Changchun University of Technology,Changchun Jilin 130000,China)ABSTRACT:External factors can lead to poor light intensity control effect and low control efficiency.This paper pro-poses an indoor light intensity sensing control method based on WSN.According to the error elimination technologyand the principle of repeated iteration,the noise and abnormal data in the original data were calculated.The dynamicvector and state vector control models based on llumination intensity parameters were built.The data of illuminationintensity in the indoor environment was collected via the wireless sensor,event trigger,actuator and controller in themodel.Meanwhile,the signal transmission channel and feedback channel were simulated and controlled.By using dy-namic compensation functions to improve signal transmission delay error,efficient control of light intensity inductionhas been achieved.The simulation results show that this method has a shorten triggering time and higher sensitivity forthe induction mechanism,and has excellent control effect and stability.KEYWORDS:Optical intensity sensing;Coarse error elimination technology;Feedback channel;Dynamic compensa-tion function1引言近年来，随着无线传感技术的不断发展，我国的生活及工业领域都离不开其技术支持，同时人们生活及工作质量的要求也越来越高，而此时普通的照明技术已经不能满足大部分人们的需求。更多的群体开始享受便捷化、舒适化的智能照明环境，但由于技术发展的不成熟，导致多数照明机制都是通过一根传感总线来控制与之相连的所有控制器，这使得基金项目：基于当代形势下的艺术设计实践课程教学研究(JGJX2018D441)收稿日期：2 0 2 1-0 7-0 2修回日期：2 0 2 1-0 8-19传感器之间的通信速度非常慢，并且容易出现断连现象。所以就需要一种完善且高效的光强感应控制技术来提高智能化控制的灵活性及准确性。文献1 提出一种基于光伏阵列的照明强度控制方法，主要将原始的光强数据输人到光伏阵列中，通过光伏特征判定与其相似的强度参数，对此参数进行剔除操作。该方法虽然检测效率较高，但忽略了原始数据的自身误差影响，导致控制误差较大,影响整体过程的准确性。文献2 采集大量波段信息，分析特定波段频谱，并与强度参考阈值进行逐一对比，完成控制。该方法的计算基数较大、耗能较高，整体算法的实用性不强，且数据太多容易造成控制误差。361综合上述问题，本文提出了一种基于WSN的室内光照强度感应控制方法。利用WSN的感应触发技术帮助强度数据的高效检测，通过无线传感器完成控制信号的传输，利用执行器完成有效控制。整体方法控制误差较小、感应触发灵敏度较高。2光强数据预处理为保证光照强度感应控制的质量，需要对原始数据进行粗大误差3 剔除，清除异常或噪声数据，在最大程度上降低计算及控制误差，处理公式为1013入(1)式中，入表示粗大误差概率；Iu;1表示计量残差，且,=;-v，其中，表示测量数据的平均值。设数据集M中含有粗大误差值，数据剔除的表达公式为1M(2)n-1式中，表示计算偏差，在数据集M中采集30 组原始光强数据，利用上述规则进行重复送代计算，直至没有误差为止，送代公式为M=(,-)2+(-)2+(,-),(.-)n(3)基于此公式就可将原始数据的误差控制在可承受范围之内，保证控制方法的质量及效率。3基基于无线传感的光强感应控制方法采用WSN（W i r e l e s s Se n s o r Ne t w o r k s 无线传感器4）方法，并结合感应触发机制实现光照强度的有效控制。首先，利用数据采样器对室内的光强信息进行采样收集，通过事件触发器判定该光照强度是否超出规定指标，如果超出，立即通过执行器将信息发送至终端控制器中；如果未超出规定指标，那么将改变地理位置重新进行检测判定。为了确保控制器接收到的是实时有效的光强信息，需要不断进行更新，及多次迭代计算来保证数据的更新频率，这样才能降低控制误差，提高整体效率。建立光强控制的时间动态模型为x(t)=Ax(t)+Bu(t)(4)式中,x(t)表示控制模型的动态向量；u(t)表示控制模型的状态向量且u(t)=f(x(t)）,其中,f为状态参数;用n表示传感器的节点数目，其集合A表示为AeRxn2用nz表示执行器5 的节点数目，其集合B表示为BeRm2设光强传感器的采样周期为T；数据采样的时间序列出公式表示为,=T,2T,3T,k,(5)式中，k，表示采样的常数值，k,EA,当光照强度达到既定标准时，事件触发器就会发送当前的采样数值，并标记当下的时间序列表示为=t,t2,t3，,t，可以看出,。为了保证无线控制器的信号状态稳定，所以需要设立一定的触发条件，来提高控制的灵敏性e(t)Qe(t)x(t)x(t)(6)式中,tet,tk+1,表示可控制阈值;表示序列呈正向对称的时间矩阵，此时的误差向量表示为(t)=x(t)-x(t),t Eth,th+1(7)通过对上述式(3)的代人计算，可得出光强的控制量6)表达式为u(t)=f(x(th)=f(x(t)+e(t),t E t,t+)(8)通过此公式就可能得出具体的光强控制量，以此控制量为参考标准，并利用无线传感器作为控制信号的传输媒介，与全局的状态信息进行关联，这样可以增强算法的实用性。采取分布式的触发条件7 可提高光强控制准确性及时效性，设有关光强信息的定义集合为 e.|Ze:=0,:=R)，当i=0该集合符合时间矩阵的正向表达时，表达公式如下：1e(t)12 0/(t)2-Z(1 e(t)12-01 x(t)12)i=1n20.29.0,1(9)i=2i=3式中，11表示欧式范数8 （取常数值），通过上述推导可得出以下关系A(1 e(t)12-/x(t)12 0,)=/e(t)12-/x(t)12i=1(10)由上述计算过程可知，le（t)1lx（t)1+o,表示分布式控制机制的光强感应触发条件，在无线传感器的第i个触发时刻下的表达式为th+1=ti+min(mTIl e;(t+mT)1?g1 x;(t+mT)12+0,1)(11)式中,m表示光强控制的触发阈值,在普通的室内环境中,控制器的目标是可以定位在不同对象上，所以需要提前通过初始设定值x*=xi，x 2，x 来寻找最优目标，表达式为1min:J(t)I*-x(t)I(12)n式中，min表示最优目标；J(:)表示光强控制的最优节点。为了保证光强控制算法的准确性及时效性，以上述传感器节点为例,用le（t)1表示基于动态向量9 的光强感应触发条件;o|xi(t)1表示基于状态向量10 的光强感应触发条件，给出基于二者关系下的控制条件变化示意图，如下图1所示。从图1中可以看出，基于状态触发条件lx（t）1的变化曲线整体保持在上方，而动态触发条件le,（t)1则在阈值线下方。说明想要控制机制保持稳定，就需要二者符合此规则lx(t)1le(t)1,这样就能确保光强控制算法的最大触发率，减少误判率、增强整体的控制效率。3624.5-.s()动态向量的光强感应触发条件4.0o（)状态向量的光强感应触发条件/3.53.02.52.01.51.01-0.500.050.100.150.200.25 0.300.350.40感应时间/s图1光强感应控制的触发条件变化图4光照强度控制的动态补偿上述过程通过无线传感完成了室内光照强度感应的有效控制,同时为了保证光强控制的准确性及时效性。将通过补偿函数减少控制信号的传输时延，以及计算误差，进一步提高系统的整体运行效率，实现控制机制的高效运作。首先，设E(s)为控制机制的初始输入值；建立信号传输通道F,(s)用来表达不确定的时延因素;F(s）表示不确定时延因素的反馈通道;G。（s)表示被控对象;Y(s）表示系统的初始输出数值;Gs（s)表示传输通道时延的函数补偿环节；Gs（s）表示反馈通道时延的函数补偿环节;e1、e 2 分别表示控制机制的传输时延；C1vC2分别表示控制机制中随机出现的不确定时延量。其中，信号传输通道Gsr（s）的函数补偿环节表达关系式为1=1+G,(s)-e-c2G(s)(13)S与上述同理，反馈通道Gs（s)的函数补偿环节表达关系式为Gs(s)=(1-e-cr)G(s)(14)控制过程中的补偿机制需要根据实际情况，对信号传输通道及反馈通道进行实时的补偿，才能弥补控制时延影响的不确定性，保证控制精准度。为此，需要利用差分方程来计算补偿函数的详细参数，从而实现高效的动态补偿设原始被控对象的时延信号传输函数表达关系式为G.(s)(15)2YS将式（15)代人到式（13）、（14）中，就能对信号传递的时间进行延迟计算，得到关于传输通道及反馈通道的补偿传递函数为：Gg(s)=(15c2+(2C2+2%1)s2+(3C2+22)s+23)(1c2s3+(2C2+21)s2+(3C2+22)s+23+28jc2)(16)Gg(s)=2c,8;(c,s3+(2%2+C12)s2+(3Ci+2%2)s+2%3)(17)根据上述传递函数就可实现信号传输通道及反馈通道时延问题的有效改善。5实验分析5.1实验背景为保证实验的准确性及真实性，将在某处居民楼室内进行光照强度控制实验。在住宅室内部署1个传感器总节点、5个光强感应节点以及9 个信号控制节点，并搭载无线传感网络，方便数据的读取和记录。其中，传感器总节点负责采集最新的光照强度以及外界光照参数；感应层的全部节点则负责对采集强度数值进行分类挑选，剔除异常数据，保证实验的准确性、减少计算误差；而控制层的全部节点则利用本文方法实现强度数值的有效控制，并进行数据反馈，确保信息的时效性。另外，由于光强传感器在工作时容易受到自身非线性输人、输出值以及外界环境因素的影响，所以必须在实验前对所有感应、控制节点以及传感器进行敏感性检测。并且对初始数据实现平滑性处理，即对原始数据的输人和输出值进行序列分组，然后再逐一平均化，以便减少外界干扰、降低计算误差、增强数值参数的信噪比，进而提高光强信号检测的时效性以及准确性，完善实验过程。图2 为实验拓扑示意图。传感器总节点感应层节点1节点2节点3节点4节点5控制层节点节点节点节点节点节点节点节点节点67891011121314图2实验拓扑图5.2光强感应控制器的触发时间对比分析通过对比本文方法、光伏阵列控制法以及特定波段控制法下光强感应的触发时间，来判定各方法的信号控制效率，得出具体实验结论，如下图3所示。从图3中可以看出，在同一控制节点数量下，基于光伏阵列控制法以及特定波段控制法的感应触发时间曲线幅度较高，变化较为明显。并且随着节点数量的增加，其所需时间也在不断增大，相邻两次触发间的时间间隔过大，周期性较差。这说明二者方法的触发感应效果较差，控制机制的灵敏性不强，这样就会导致需要大量时间来完成信号的传输，整体效率较低、实验效果较差。相对比下，本文方法所耗用的时间较短、效率较高，并且可以明显看出，在每一节点处的触发时间几乎都是相等的，3630.80光伏阵列法控制方法特定波段法控制方法0.70本文控制方法0.600.500.400.300.200.100 51015202530354045光照强度ed/m2图3光强感应触发时间对比数值间的差异性不大。说明本文可以很好地稳定感应信号传输的时效性，保证在短时间内完成光强信号的感应与控制，在提高整体效率的同时还能增强信息的发送率。5.3基于光强控制信号的对比分析为了进一步验证本文方法的控制效果，对比不同方法控制下的信号变化曲线，结果如下。ZHW/影150100501020304050607080采样时间/s图4原始光强的信号变化曲线由图4可知，没有经过任何技术处理的原始控制信号变化曲线分布相对混乱，光强信号间的差值较大，浮动范围过广，说明检测环境中的影响因素较多。H/150100501020304050607080采样时间/s图5光伏阵列法的控制信号变化曲线从图5 中可以看出，光伏阵列法对光强信号的控制效果较差，与原始数据相比只完成了局部改善，并且图中的部分区域发生了严重干扰情况。出现这种现象的原因主要就是，没有对原始信号值进行动态补偿，导致信号在控制器的输人与输出时受到二次干扰，影响方法控制性能。从图6 中可以看出，相比于光伏阵列控制法该方法对信号控制的效果要相对优异一些，但整体分布不够均匀、数值间的差异性大，对于受干扰情况的处理效果不明显，没有实ZHW/150100501020304050607080采样时间/s图6特定波段法的控制信号变化曲线现有效解决。150100501020304050607080采样时间/s图7基于本文方法的控制信号变化曲线从图7 中可以看出，本文方法下信号变化曲线整体呈稳定波动趋势，并且相邻采样时间内的信号差值不大，波动幅度基本保持一致。这说明本方法对光强信号的控制效果较佳，有效改善了原始数据中出现的异常噪声及外界干扰问题，提高了光强检测的准确性及时效性。这主要是因为，本文不仅在检测前对光强数据方差进行了预处理，还实行了动态误差补偿，最大程度上降低检测误差、提高控制准确率、增强算法鲁棒性，并缩短了所需时间。说明本方法具有较高的实用性，可具体应用在公共安全、智能环保、智能交通、智能消防等多个领域。6丝结论通过分析室内光照强度的分布状况，本文给出一种基于WSN无线传感器的方法实现有效控制。通过数据剔除的方式改善原始数据粗大误差问题、提高算法的鲁棒性及准确率。通过无线传感器、光强数据采样器、执行器以及控制器，实现基于不同光强感应触发条件下的高效控制，保证控制质量、降低时间耗用。最后，利用动态补偿减少计算及判定误差，增强算法的实用性。仿真结果证明，本文方法检测误差较小、控制质量较高，可为各智能控制领域提供有效帮助。参考文献：【1】闫群民，王俊杰，朱娟娟，等.随机光照强度下光伏阵列的MPPT控制研究J.电力电容器与无功补偿，2 0 2 0,41（5）：19 2-197.2张婷，张德干，高瑾馨一种基于WSN的室内日光自适应控制方法J.控制工程,2 0 2 0,2 7(1)：8-12.3朱赞生，董秋仙，余红梅，等.基于B样条曲线的异常数据剔除与修复J.统计与决策,2 0 2 0,36(6)：15-19.（下转第434页）434上接第36 3页）信息系统）为可视化分析平台、以神经网络和遗传算法为分析模型的综合选址方法；孙艺等16 在一种非线性金融风险模型中引人改进后的粒子群算法选择最优控制参数，最大程度降低金融系统的总风险值。今后研究方向主要是拓展EtHCS算法优化神经网络参数在量化投资方面的应用。参考文献：1Mirjalili S,Mirjalili S M,Lewis A.Grey Wolf Optimizer J.Ad-vancesin Engineering Software,2014,69:46-61.2Mirjalili S,Lewis A.The Whale Optimization Algorithm J.Ad-vances in Engineering Software,2016,95:51-67.3Mirjalili S.Moth-flame optimization algorithm:A novel nature-in-spired heuristic paradigm J.Knowledge-Based Systems,2015,89:228-249.4Mirjalilis SSCA.A sine cosine algorithm for solving optimizationproblemsJ.Knowledge-Based System,2016,96(3):120-133.5Yang-Yu Tao,Chen-Hui Ling,Heidari Ali Asghar,Gandomi AmirH.Hunger games search:Visions,conception,implementation,deep analysis,perspectives,and towards performance shifts J.Ex-pert Systems With Applications,2021,177.6Hoang Nguyen,Xuan-Nam Bui.A Novel Hunger Games SearchOptimization-Based Artificial Neural Network for PredictingGround Vibration Intensity Induced by Mine BlastingJ.NaturalResources Research,2021,(prepublish).7Fahim Samuel Raafat,Hasanien Hany M,Turky Rania A,AlkuhayliAbdulaziz,AlShammaa Abdullrahman A,Noman Abdullah M,TostadoVeliz Marcos,Jurado Francisco.Parameter Identification ofProton Exchange Membrane Fuel Cell Based on Hunger GamesSearch AlgorithmJ.Energies,2021,14(16).8Tizhoosh H R.Opposition-based learning:a new scheme for ma-chine intelligence C.International Conference on ComputationalIntelligence for Modelling,Control and Au-tomation,2005 and In-ternational Conference on Intelligent Agents,Web Technologies and4段莹，李文锋.工业物联网推动智能制造一一解读工业无线传感器网络抗毁性关键技术研究J.中国机械工程，2 0 19，30(18):2263-2267.5李聪波，杨青山，陈文倩，等。面向响应性能的集成式电子液压制动系统执行器参数优化J.计算机集成制造系统，2 0 19,2 5(11):2710-2719.6文俊浩，万园，曾骏，等.光照度聚类和支持向量机在路灯节能控制策略中的应用J.计算机科学，2 0 19,46（7）：32 7-332.7蔡文波，张亚.带虚假数据注入攻击识别和通信触发机制的传感器网络分布式估计J.东南大学学报（自然科学版），2 0 19，49(5):890-896.8田艳军，高皓楠，王毅，等.光照不均时独立输入串联输出型光伏直流汇集系统分层优化MPPT控制策略J.高电压技术，2020,46(10):3552-3562.Intermet Commerce,Vienna,Austria:IEEE,2005:695-701.9郭雨鑫，刘升，张磊，黄倩.精英反向与二次插值改进的黏菌算法J.计算机应用研究，2 0 2 1，（12）：36 51-36 56.10刘琨，赵露露，王辉。一种基于精英反向和纵横交叉的鲸鱼优化算法J.小型微型计算机系统，2 0 2 0,41（10)：2 0 92-2 0 97.11韩江，闵杰.基于精英反向学习的烟花爆炸式免疫遗传算法J.合肥工业大学学报（自然科学版），2 0 2 0，43（4）：433-437.12Ali Asghar Heidari et al.Harris hawks optimization:Algorithmand applicationsJ.Future Generation Computer Systems,2019,97:849-872.13Li S,Chen H,Wang M,el al.Slime mould algorithm:A newmethod for stochastic optimization J.Fu t u r e G e n e r a t i o nComputer System,2020,111:300-323.14肖子雅，刘升.精英反向黄金正弦鲸鱼算法及其工程优化研究J.电子学报,2 0 19,47(10)：2 17 7-2 18 6.15柳宗伟，毛蕴诗.基于CIS与神经网络的商业银行网点选址方法研究J.商业经济与管理，2 0 0 4，（9）：55-59.16孙艺，宋振铭，赵佳琪.粒子群算法在金融风险模型中的研究与改进J.吉林大学学报（信息科学版），2 0 2 0，38（2）：192-198.作者简介徐亦凤（1998-），女（汉族），江苏省无锡市人，硕士研究生，主要研究领域为智能算法、金融，刘升（196 6-），男（汉族），江西省南昌市人，教授，硕士研究生导师，主要研究领域为智能计算，群智能系统，进化算法。张伟康（1996-），男（汉族），山东省临沂人，硕士研究生，研究方向：商务统计、智能计算。刘宇淞（1997-），男（汉族），内蒙古包头人，硕士研究生，主要研究领域为智能算法。9吴耀，杨瑞峰，郭晨霞，等.基于GA-BP神经网络的光纤位移传感器光强补偿研究J.电光与控制,2 0 19,2 6（4）：111-114.10赵亮，张鸿.基于循环生成对抗网络的光照补偿方法J.计算机工程与设计,2 0 2 0,41（9）：2 56 6-2 57 3.作者简介徐鹤桐（1991-），女（汉族），吉林长春人，硕士，讲师，研究方向：设计艺术学。杜状(198 7-），男（汉族），吉林长春人，硕士，讲师，研究方向：设计艺术学。孙杨（198 3-），女（汉族），吉林长春人，硕士，副教授，研究方向：设计艺术学。