改進的邊緣計算和全生命周期的排水管網監測方法*

韓麗明，張艷玲，趙 瑤，劉林越

(1.西安工業大學 電子信息工程學院,西安 710021;2.西安工業大學 計算機科學與工程學院,西安 710021)

在智慧城市的建設中,城市排水管網的智能監測體系的構建是智慧城市的重要組成部分,其中智慧管網中水情和井蓋狀態的監測是重中之重。管網異常無法發現,不僅會發生溢流的情況,還會嚴重危害人員生命安全,給社會帶來非常大的生命財產損失[1-2]。

由于管網環境的惡劣性,傳統的管網監測方法存在極大的誤差,并且由于管網監測節點一般都采用電池供電,隨著時間的變化,監測節點生命周期后期由于電池電壓衰減導致監測數據傳輸丟包率增大,甚至停止工作。目前針對上述問題有以下幾種解決方案:1) 通過能量采集來補償電壓,文獻[3]利用溫差能量來實現胎壓的全生命周期監測,文獻[4]利用風能為環境監測系統供能,延長其生命周期,文獻[5]利用鈸式壓電發電來為智能井蓋提供全生命周期能量;2) 采用多傳感數據融合的方式節約節點能量,從而降低電壓衰減并提高監測精度,文獻[6]采用一種分布式傳感器管理算法來降低傳感器網的負載,文獻[7]通過多傳感數據融合來減小電壓衰減,延長傳感網的生命周期,文獻[8]通過融合溫濕度傳感器數據,降低了電壓對溫室監測系統的影響,提高采集精度;3)使用低功耗的傳感網和降低數據采集頻率的方式來減小監測節點生命周期內的電壓衰減,文獻[9]、文獻[10]通過降低采集頻率來對環境進行長期監測。這些方法雖然一定程度上提高了監測精度,并降低了電池電壓衰減對監測生命周期的影響,但魯棒性很差,受工作環境尤其是溫度和海拔的影響較大。

本文根據井下環境的特性[11-13]以及實現全生命周期高精度監測的目標,對監測誤差來源進行分析,構建反射式超聲測距誤差補償模型與基于Manony濾波算法的管網井蓋姿態解算模型,以提高測量精度;引入邊緣計算,以降低云端的數據壓力;通過研究電池電壓衰減對監測節點的影響,設計雙電源穩壓平衡電路,對GPRS模塊進行單獨穩壓供電,以期解決傳統電源供電下電壓衰減導致監測不穩定以及魯棒性差的問題,實現對排水管網全生命周期監測。

1 邊緣計算和全生命周期的排水管網監測方法

所提出的排水管網監測方法具體步驟為

① 數據采集:使用超聲波和陀螺儀對管網水位和井蓋姿態進行監測;

② 邊緣計算:對超聲波進行溫度補償計算,對陀螺儀的6軸加速度與角速度數據進行姿態解算;

③ 數據傳輸:將監測的管網數據通過GPRS無線通信上傳到云平臺服務器進行存儲展示;

④ 云平臺接收:云平臺選用ONENET平臺來實現監測數據的存儲、展示以及告警信息的推送;

⑤ 異常告警部分:當數據異常時,在上位機端顯示告警信息,并推送郵件告知相關人員,同時在下位機端進行聲光告警提醒過往行人車輛;

⑥ 雙電源穩壓:設計雙供電穩壓電路,對GPRS模塊進行單獨供電,采用穩壓模塊對電源輸出的電壓進行控制,保證輸入GPRS模塊的電壓不會隨著時間的推移發生電壓不足的情況,從而增加了模塊的穩定性。監測過程如圖1所示。

圖1 基于邊緣計算和全生命周期的排水管網監測流程

2 反射式超測距誤差補償與三軸姿態解算模型

2.1 超聲波測距誤差分析及建模

2.1.1 超聲波誤差分析

超聲波頻率較高,在直線方向上有著很強的傳播能力,傳輸過程中衰減比較小,并且受介質的干擾較小,因此其傳播距離非常遠;同時超聲波監測功耗很低,正常工作電流在2 mA以下,配合休眠模式的使用,功耗能進一步降低,有助于監測節點的全生命周期監測,非常適合在戶外惡劣壞境下進行全天候的長距離監測;并且利用超聲波來監測管網的水位,精度要高于傳統的紅外測距[14]。

超聲波測距分為直射和反射兩種[15],由于管網水位監測依靠水面反射聲波來進行距離的監測,直射式超聲波其工作方式需要在測量的起點和終點分別安裝一個超聲波探頭,并不適合排水管網的水位監測,因此本文采用反射式超聲波測距,反射式超聲波測距的工作原理如圖2所示,圖中d為探頭到水面的距離、H為探頭到水底的距離,h為水深。

圖2 反射式超聲波測距原理

聲波發射后定時器開始計時,當聲波遇到水面反射回發射位置時,捕獲口捕獲到回波信號,定時器停止計時,記錄的這一段時間為聲波發射到返回的時間。初始化后,再一次發射聲波,判斷回波是否到達。管網井蓋到水面的距離為

(1)

式中:d為測量的距離;t為聲波從發射到返回的時間;v為聲音在空氣中的傳播速度。但是由于水面與空氣屬于不同介質,導致v在實際應用中并不是一個常量,這是因為超聲波在介質中傳輸會產生部分衰減,導致超聲波實際傳播速度與介質的彈性模量存在一定的函數關系[16],為了描述上述特性,引入一個傳播常數為

(2)

式中:ω為角頻率;c為平面行波中的相速度;a為衰減常數,故排水管網的超聲波的聲學特性可以用c和a來描述,這兩個量為頻率、壓力和溫度的函數,其中,排水管網的液體為單一介質水,超聲波在水中的聲學特性幾乎不受頻率變化,而排水管網的預埋深度嚴格遵守國家相關標準,其深度對排水管網水位監測影響為單一誤差,故不考慮管網深度對超聲波測距的影響,將不同地區之間的氣壓差距作為壓力誤差的主要來源;溫度方面,主要受a的影響,a與介質的熱傳導性有關,與頻率的平方成正比,因此在排水管網監測中可以用a/f2和c來描述超聲波在排水管網中不同溫度下的聲學特性。綜上,可以建立排水管網中超聲波速度與溫度、氣壓之間的關系為

v=∑i,jYijTipj=Y00+Y10T1+Y20T2+…+Y01p1+Y11T1p1+Y21T2p1+…+YijTipj,

(3)

式中:Yij為介質的非零系數,水的非零系數見表1,T為溫度,p為管網所在地區大氣壓強,v為超聲波速度。為了便于后計算,文中在p為一個標準大氣壓,即P=101.325 kPa的條件下進行后續建模仿真。當水溫T為0～100 ℃、氣壓P=101.325 kPa時,水溫T與超聲波傳播速度v的關系,以及水溫T<40 ℃時的線性擬合關系如圖3所示。

表1 水的非零系數

圖3 超聲波傳播速度與溫度的關系

由圖3可以看出,在溫度高于40度的情況下,壓強為一個標準大氣壓的時候,溫度對超聲波速度的影響程度逐漸減小,將表1中非零系數以及標準大氣壓式帶入到式(3)中,由于T4項以后對于排水管網的監測影響小于0.002 m·s-2,因此忽略不計,可以得到超聲波在介質中的傳播速度與溫度的關系如下

v1=1401.97+5.4886T-6.0479×10-2T2-3.3634×10-4T3,

(4)

式中:v1為超聲波在介質中的傳播速度;T為介質當前的溫度。

2.1.2 誤差補償

對于管網監測中的實際情況,不同管網的溫度、壓強往往都不同,由于管網深度都遵循同一安裝標準,因此實際監測中不同管網的壓強主要與當地所處海拔高度有關,故在誤差補償中取管網當地所對應的大氣壓作為壓強參數,為了更加準確并節約能耗,大氣壓強通過調用中國氣象站提供的測量數據獲得;而溫度不僅與季節有關,還與日夜間、以及排水管網的所處位置有關,因此溫度通過監測節點上的溫度傳感器進行實時采集,以此來保證誤差補償的準確。

由式(3)可知,當超聲波的傳播介質為水的時候,超聲波的聲速與水的溫度呈正相關,實際應用中,在溫度小于40度并且海拔低于2000米的情況下,壓力幾乎對管網監測無影響,為進一步節約能耗,可以不用考慮海拔的影響,因此超聲波傳播速度在要求不高的常規管網環境下如圖3所示可以擬合成線性方程進行誤差補償,線性方程如下

v=3.15T+1428,

(5)

則實際水位應該為

(6)

而對于特種、高海拔地區管道情況,超聲波管網水位監測,應采用動態誤差補償,當溫度大于40的時候,對監測結果采用式(5)進行誤差補償,對于壓強的影響。則采用如式(3)所示的誤差關系進行誤差計算,則實際測量距離如下

(7)

2.2 基于Manony濾波算法的管網井蓋姿態解算模型

2.2.1 四元數的測量

陀螺儀可以監測井蓋姿態三個軸向的加速度和角速度,通過姿態解算可以反應出井蓋的姿態變化。其硬件DMP可以將測得的角速度和加速度數據轉換為4元組數據輸出[17];陀螺儀與MCU通過IIC建立通信以后,會將DMP解算后的4元組數據傳輸到MCU中進行處理,通過下列公式可以將4元組數據進行計算從而得到歐拉角(俯仰角、橫滾角、航向角):

(8)

式中:q0,q1,q2,q3為四元組數據,且四元組數據的平方和為1。

(9)

式中:roll為橫滾角;pitch為俯仰角;yaw為航向角;q0,q1,q2,q3為四元組數據。

2.2.2 一階龍格庫塔法更新四元數

由于需要動態的對管網井蓋姿態數據進行監測,因此需要對式(9)計算出的歐拉角進行實時更新,由于陀螺儀測量的原始數據為井蓋三個軸向的角速度與加速度,故可利用測量的角速度來更新歐拉角,本文利用一階龍格庫塔法[18]對四元數的微分方程進行求解,一階龍格庫塔法方程如下

(10)

由上文可知四元數向量為Q=[q0,q1,q2,q3],將其帶入式(10)所示的一階龍格庫塔法方程可得

(11)

式中:Δt為陀螺儀的測量時間間隔,從而進一步計算出對Q的時間導數如下

(12)

式中:ω為機體坐標系下的角速度,即陀螺儀的測量值;ωb為導航坐標角速度,根據一階龍格庫塔法,可以得到四元數的更新方程如下

(13)

上述四元數更新方程可以實時的更新陀螺儀測量的四元數,但是隨著測量時間的增長,陀螺儀的實測數據會不斷累積積分誤差,會增大測量誤差,因此本文利用Manony互補濾波算法做進一步的誤差補償。

2.2.3 Manony互補濾波算法

由于陀螺儀在長時間的測量中會不斷累積積分誤差,而MPU6050自身配置有一個加速度計,可以實時采集管網井蓋運動的加速度,因此,為了糾正長時間測量的累積誤差,采用Manony濾波算法將管網井蓋水平面的加速度與重力進行對比、補償,從而對陀螺儀測量過程中的積分誤差進行彌補,具體過程如圖4所示。

圖4 Manony濾波過程

綜上所述,利用上述方法可以極大的提高井蓋姿態監測的精度,并且能夠顯著降低功耗,增加監測終端的續航,從而實現對管網的全生命周期監測。

3 邊緣計算終端

管網監測往往有著節點數量龐大,監測數據量巨大,云端計算壓力大的“三大問題”,而傳統的監測方法通常采用“采集-傳輸-計算”的監測模式,這就導致后期的計算量壓力非常大,為了解決這一難題,文中引入了邊緣計算,極大的降低了數據的傳輸量,提高了管網監測的效率,邊緣計算終端主要由數據輸入,模型計算,誤差補償,結果輸出,數據發送幾部分組成,如圖5所示為邊緣計算終端的工作流程。

圖5 邊緣計算終端工作流程

終端利用超聲波和陀螺儀對管網的水位和井蓋姿態數據進行采集,并將數據傳輸到主控進行邊緣計算,首先對原始數據進行歸一化操作,去除離群值,然后將處理后的數據輸入到反射式超聲波誤差補償測距與三軸姿態監測模型中進行誤差分析和誤差補償,以矯正傳感器監測過程中產生的誤差,提高監測精度,最后將經過邊緣計算處理過的數據通過無線通訊傳輸到云端,終端各部分具體構成如下。

1) 邊緣計算MCU:以STM32F103C8T6作為監測節點的MCU,用于監測節點數據的邊緣計算處理。MCU分別以I2C和SPI協議接收超聲波和陀螺儀采集的數據,并在本地進行誤差分析、誤差補償后,將最終的監測數據通過UART傳輸到無線通信模塊再發送到ONENET云平臺上[19]。

2) 數據采集:通過HC-SR04以反射式測距方法對管網水位進行測量,使用MPU6050對管網井蓋姿態的加速度和角速度進行測量,如圖6(a)所示為HC-SR04電路圖。通過MPU6050采集井蓋姿態數據,它內部具有一個1KB的FIFO寄存器,能夠緩存收集到的數據。只有當數據達到設置的閾值或者FIFO溢出(FIFO overflow)時才會觸發MPU6050的中斷系統,當再次靜止時,陀螺儀加速度計的數據會達到寄存器ZRMOT_THR的靜止閾值,MPU6050退出中斷再次進入低功耗模式[20]。如圖6(c)所示為MPU6050電路圖。

圖6 傳感器與主控的連接

3) 數據傳輸:以MQTT協議利用SIM800C上傳邊緣計算終端采集的數據,如圖6(b)所示為SIM800C的電路圖。邊緣計算終端會將傳感器采集到的水位和井蓋姿態數據處理后以MQTT協議上傳到云服務器中進行存儲展示[21],存儲起來以便后期查詢使用。云平臺一個頁面可以添加多個圖表,每個圖表綁定對應的管網監測數據流后可以將數據以可視化圖表動態顯示出來,如圖7所示為數據展示頁面。

4) 雙電源穩壓電路部分:MCU和采集部分對電壓的要求要低于GPRS部分,GPRS對電壓的要求較高,當GPRS的電壓小于正常工作電壓時,無線通訊的信號會受到很大干擾,數據發送的丟包率會隨著電源電壓的降低而增大,因此采用雙電源加穩壓電路方法來作為系統的供電方式,以此來保證在監測節點的全生命周期內都能夠穩定的監測管網數據。

4 實驗測試及結果分析

為了測試本文提出的方法對管網的監測效果,分別采用本文提出的基于邊緣計算和全生命周期的排水管網監測方法和傳統的監測方法對某A地區部分管網進行監測,該地區平均海拔397 m,大氣壓95.92 kPa,最熱均溫度為35.5 ℃,在測試中記錄了各項評價指標,對兩種方法的測試結果進行對比分析,從而對本文監測方法的效果進行評估。

4.1 數據監測精度測試

4.1.1 水位監測

在水面平靜和水面波動的情況下采用傳統紅外測距和本文的反射式超聲波測距方式測量同一位置的水位到井蓋的距離,通過與人工測量的實際數據對比,進而判斷本文超聲波測距方法的精度,如表2所示為不同場景、測試方式下測量數據的對比。

表2 水位監測精度對比

從表2中可知,在水面平靜的情況下,本文方法測量的水位數據與實際測量的數據誤差控制在1 cm以內,而紅外測距的誤差在1.5 cm以上;在水面波動的情況下,超聲波測量數據誤差在2 cm以內,紅外測距在水面波動的情況下誤差更大,在3.5 cm以上?？梢哉f明本文采用的反射式超聲波測距誤差補償模型更適合在井下環境工作,干擾較小,測量穩定。

4.1.2 井蓋姿態監測

分別選擇不同的方向以不同的角度傾斜管網井蓋,同時觀察監測數據曲線是否發生變化,以及靈敏程度,以此來判斷基于Manony濾波算法的管網井蓋姿態解算模型對井蓋姿態的測量精度,如表3所示為不同傾斜角度下MPU6050采集的數據,如圖7所示為管網井蓋歐拉角的變化曲線圖。

表3 管網井蓋傾斜角度與三軸數據

測試結果表明,當管網井蓋傾斜時,三軸姿態數據有非常明顯的線性變化,能夠很清楚的反映管網井蓋姿態變化,并且經過邊緣計算進行誤差補償后,三軸的精度進一步的提高,極大的提高了姿態監測靈敏度;同時如圖8表明,在管網井蓋姿態發生變化時,陀螺儀采集的數據曲線會發生突變,可見本文采用的基于Manony濾波算法的管網井蓋姿態解算模型能夠精確的反映井蓋姿態變化。

圖8 管網井蓋歐拉角變化

4.2 全生命周期監測穩定性測試

分別選擇傳統單電源供電和本文提出的的雙電源穩壓供電的監測節點,同時為了模擬監測節點全生命周期下的電壓變化情況,需要先測量監測節點各模塊在工作和低功耗狀態下的平均電流,監測節點全生命周期不同時間節點的電源剩余容量為

(14)

文中采用18 650電池,水溫為10 ℃、充放電次數為0～200次的電壓與放電電量的估算模型[22],計算出對應的衰減電壓,從而模擬監測節點在18個月的生命周期內隨著使用時間增加導致電源電壓發生衰減的情況,統計同一工作時間下兩種監測節點發送數據量和云服務器收到的數據量,計算丟包率,以此來判斷監測節點全生命周期的監測穩定性,如表4為丟包率對比。

表4 丟包率測試

從表4可知,傳統的單電源監測節點隨著工作時間的增加,電壓很快會降到3.3 V以下,而隨著電壓的下降,丟包率也會明顯增大。在生命周期后期,當電壓低于3.3 V時,丟包率快速增加,監測非常不穩定;而采用本文雙電源穩壓電路的監測節點全生命周期保持穩定的電壓輸入,抗干擾性較強,丟包率趨于穩定,在長期的使用下電壓干擾較小,丟包率能維持在0.33%以下,可以說明該方法能夠有效的解決監測節點全生命周期內電壓衰減對監測穩定性的影響,延長系統使用時間。

5 結 論

1) 本文提出了一種基于邊緣計算和全生命周期的排水管網監測方法,構建了反射式超聲測距誤差補償模型與基于Manony濾波算法的管網井蓋姿態解算模型,相較于傳統的管網監測方法,本文提出的方法通過對超聲波與陀螺儀的誤差進行分析補償,能夠有效的提高測量精度,并降低海拔對管網監測的影響;同時引入了邊緣計算,不僅能夠極大的降低管網監測的數據量,還增加了邊緣計算終端的續航時間,從而減輕后期數據處理壓力實現對管網的全生命周期長期穩定的監測。

2) 文中方法在全生命周期內,能夠精確測量管網水位和井蓋姿態并進行異常告警,數據丟包率維持在0.33%以下,水位測量精度小于2 cm,系統運行非常穩定,并且具有良好的魯棒性。為智慧城市建設以及智慧管網監測體系的構建提供了技術支撐,這將有廣闊的應用前景,會使城市排水管網監測邁入一個智能化的時代。