2. 中国科学院大学, 北京 100049;
3. 哈尔滨工程大学 信息与通信工程学院, 黑龙江 哈尔滨 150001
2. University of Chinese Academy of Sciences, Beijing 100049, China;
3. College of Information and Communication Engineering, Harbin Engineering University, Harbin 150001, China
水是人类赖以生存的资源, 但随着城市化进程的加快, 水资源污染日益严重, 给人类的生活和健康带来威胁[1], 所以实时监测水体质量具有十分重要的意义.传统的人工监测方式需要先去目的地采样, 然后运输回实验室通过试剂进行多参数分析, 这样效率低而且成本高, 不能及时地发现水体是否被污染.
随着无线通信技术的发展, 吴键等[2]提出传感器技术、中央处理器技术以及无线通信技术相融合的无线传感器网络技术.无线传感器网络具备强大的数据采集和远程实时监测能力, 在水质监测领域中得到了广泛的应用.通常, 用于水质监测的无线传感器网络包含传感器数据采集节点、通信节点、网关节点以及远程计算机监测中心4个部分[3].其中, 传感器数据采集节点是水质监测无线传感器网络的最底层, 其准确性和实时性决定整个网络的监测效果.
目前, 已有工作对水质监测传感器数据采集节点的方案设计和具体实现进行研究.在采集方案设计方面, Lambrou等[4-7]采用一个信号通路监测一个参数的方式, 然而当监测多个参数时, 需要使用数量较多的微控制器(micro controller unit, MCU).Rao等[8-9]采用传感器与MCU多路输入通道直接连接的方式, 但该方式对传感器和MCU的输入输出方式提出了较高要求, 如传感器须采用4~20 mA的工业输出标准, 限制了该方案的使用范围.Deng等[10-11]采用多路开关的方式, 实现了一个MCU监测多个参数, 但只复用了模数转换器(analog to digital converter, ADC)和MCU, 复用的信号通路转换范围受ADC输入范围的限制.
在数据采集节点的具体电路实现方面, 存在以下不足:1) 信号检测通路的实现方式由分立元器件搭建[3-6, 11-12], 导致模拟信号的传输路径较长, 易受到外界噪声和电磁等干扰, 且集成度差、成本高;2) 通信模块多采用Zigbee无线通信模块[3-7, 9, 12], 少数采用通用分组无线服务技术(general packet radio service, GPRS)无线通信模块[11, 13], 在传输速度和覆盖范围上均不及3G无线通信模块, 并且需要一定的组网技术.
综上所述, 如何实现集成化、快速、广覆盖范围的多参数监测是目前该类研究的关键问题.针对上述问题, 本文设计新型的水质传感器数据采集节点.提出新型的信号调理及检测通路复用的方式, 信号调理模块的加入使复用通路的输入范围不受限于ADC输入范围的限制.复用的信号调理及检测通路采用单芯片集成的实现方式, 使用了自主研发的传感器信号调理电路芯片.芯片提供了可配置输入范围和完整的信号处理平台, 输出为数字信号, 能够直接与MCU连接并方便后续运算处理.本文通过使用3G无线通信模块, 实现了远程在线实时数据快速上传, 使节点更适用于野外监测的应用环境.
1 传感器数据采集方案设计 1.1 监测参数的选择许多水质参数都能够在一定程度上反映水体是否被污染, 但监测单一参数的变化只能从有限的方面反映水体质量, 所以同时监测多种参数的变化能够全面反映当前监测水体的污染情况.监测相应的参数需要采用对应参数的传感器.目前, 在水质监测领域常用的传感器如下:1) 温度;2) 溶解氧(dissolved oxygen, DO);3) 酸碱度(potential of hydrogen, pH);4) 氧化还原电位(oxidation-reduction potential, ORP);5) 电导率(electrical conductivity, EC);6) 浊度(turbidity, TU)等[3-13].Lambrou等[4-5]提供了测量上述6种参数的测量成本, 考虑到实际水质监测需求和设计成本的因素, 该设计选取了5种参数进行监测, 分别为温度、DO、pH、ORP和EC.
1.2 传感器数据采集信号通路模型目前, 从已报道的文献[3~13]来看, 应用于水质监测领域的传感器数据采集的信号通路结构如图 1所示.通路的信号处理过程如下.1) 读出电路:由于水质监测的传感器多为微弱电流或微弱电压输出, 需要通过读出电路将传感器的微弱信号放大至合适范围.2) 信号调理:经过读出电路后的信号多为电压信号, 但可能会超出ADC的线性转换范围, 须经过信号调理电路将信号调理到ADC的输入范围之内.3) ADC:由于MCU只能对数字信号进行运算处理, 需要ADC完成从模拟信号到数字信号的转换.
![]() |
图 1 传感器数据采集信号通路模型 Fig. 1 Circuit model of sensor data acquisition |
由于多参数监测的需求, 将多个水质传感器数据采集通路集成在同一个传感器数据采集节点中.传统的一个传感器对应一个信号通路的设计思想不利于节点在多参数监测应用时进一步提高集成度.在提高节点集成度的方面, 需要使用信号通路的复用技术.相应地, 复用的信号通路需要满足多种水质传感器的输入范围要求.在目前已报道的采用复用技术的文献中, Deng等[10-11]的设计方案复用了信号通路中的ADC和MCU, 如图 2(a)所示, 但复用信号通路的前级模块为ADC, 输入范围不能变化和调整.
![]() |
图 2 多传感器信号通路复用结构图 Fig. 2 Reuse structure of multi-sensor signal path |
由于上述复用信号通路设计存在不足, 提出新型的信号调理和检测通路复用的方式, 增加信号调理为复用的模块, 从而复用的模块为信号调理、ADC和MCU, 如图 2(b)所示.相比已有的设计方案, 复用信号通路的前级转变为信号调理模块, 由信号调理模块决定复用信号通路的输入范围.由于有前端读出电路模块的隔离, 信号调理模块的设计不会受限于所使用的具体传感器类型, 复用信号通路的通用性得到提高, 能够进一步节省硬件资源.
在复用通路的电路实现上, 采用与已有的复用方案中不同的单芯片集成的实现方式.复用信号通路中的信号调理模块和ADC模块由自主研发的传感器信号调理芯片实现.与市场上现有的芯片不同, 自主研发芯片提供了完整的信号处理平台, 包括前级输入范围可配置模块、可编程增益模块、高精度ADC以及数字寄存器模块等, 并具备了标准I2C接口和采用SPI协议的串行数字化输出.芯片的内部电路参数(如输入范围、放大倍数等)可以通过MCU以读写寄存器的方式进行调整, 使得复用的信号通路适用于前端读出电路不同电压范围输出.
2 设计实现 2.1 整体电路设计数据采集节点的整体结构图和实物图如图 3所示.由于测量DO参数时需要检测溶液温度, 温度传感器的选择为DO电极内部的NTC热敏电阻, 这样可以精确测量该温度下的DO参数.同时, 温度参数可以单独测试.传感器电极通过板上的接线柱与电路板连接, 为即插即用的连接方式[12].各传感器经过前端读出电路后, 均转换为电压信号输出, 通过多选一的模拟开关, 输入复用的信号通路.
![]() |
图 3 传感器数据采集节点的结构图和实物图 Fig. 3 Structure and photograph of sensor data acquisition node |
复用的信号通路使用了自主研发的传感器信号调理芯片中的信号调理通路部分.芯片的内部原理图和封装图如图 4所示.前端读出电路为电压输出信号, 经过芯片内部V2I模块转为电流信号, 并输入两个交替工作的信号通路, 分别为ITGR通路和TIA通路.
![]() |
图 4 传感器信号调理电路芯片原理图和封装图 Fig. 4 Schematic diagram and package photograph of sensor signal conditioning circuit chip |
芯片为3.3 V供电, 正常工作时的共模电平Vcm为1.65 V.当输入电压范围与Vcm的差值为0~100 mV时, ITGR通路工作.通路的基本电路形式为积分器电路, 输入与输出的关系如下:
$ {V_{{\rm{ITGR}}}} =-\frac{{\left( {{V_{{\rm{in}}}}-{V_{{\rm{cm}}}}} \right)t}}{{{R_{{\rm{V2I}}}}C}} + {V_{{\rm{cm}}}}. $ | (1) |
式中:Vin为输入电压, t为积分时间, C为积分电容, RV2I为V2I模块等效电阻, Vcm为共模电平.
当输入电压范围与Vcm的差值大于100 mV时, 正向最大差值为0.85 V, 负向最大差值为1.65 V, TIA通路工作.通路的基本电路形式为跨阻放大器电路, 输入与输出的关系如下:
$ {V_{{\rm{TIA}}}} =-\frac{{\left( {{V_{{\rm{in}}}}-{V_{{\rm{cm}}}}} \right)R}}{{{R_{{\rm{V2I}}}}}} + {V_{{\rm{cm}}}}. $ | (2) |
式中:R为TIA跨接电阻.
通过两个交替工作的信号通路, 有效地将芯片的电压输入可配置范围扩展至0 ~2.5 V.
PGA为可编程增益放大器, 设置了4档增益用来调整上述两个通路的输出电压, 分别为0.25、0.5、1和2, 以避免超出ADC的线性转换范围, 并完成单转差的功能.输入与输出的关系如下:
$ {V_{{\rm{PGA + }}}}-{V_{{\rm{PGA-}}}} = \left( {{V_{\rm{i}}}-{V_{{\rm{cm}}}}} \right) \times {A_{{\rm{PGA}}}}. $ | (3) |
式中:Vi为两通路其中之一的输出电压, APGA为PGA的可调增益, VPGA+和VPGA-分别为PGA的正端差分输出电压和负端差分输出电压.
ADC为全差分的精度16位的模数转换器, 使用Incremental sigma-delta的结构, 实现高绝对精度和线性度.SPI为并转串模块, 将ADC并行输出的信号转换成串行输出, 减少了芯片引脚数目.芯片采用标准I2C接口和SPI接口, 便于与MCU相连.MCU可以实时调整ITGR通路的积分时间和积分电容、TIA通路的跨接电阻以及PGA的增益, 从而将两个通路的输入电压范围进行更细致的划分.
无线通信模块采用3G无线数据终端单元(data terminals units, DTU), 与GPRS无线数据终端单元的功能相同[13].MCU通过UART协议实时地将采集的传感器数据传送给DTU, 以无线的方式发送数据, 同时通过DTU接收来自监测中心的指令.
2.2 软件设计在硬件上, 5种参数监测复用了同一个信号通路, 不能同时监测5种参数.在软件上设计了两种方式来保证监测数据的实时性:1) 加入外部按键的方式;2) 在串口通信中断时轮询检测的方式.第一种方式通过在软件上给外部按键定义功能, 可以在5种监测参数之间实时相互切换, 并完成部分传感器的校准.按键开关的功能定义如表 1所示.第2种方式在串口通信模式中介绍.
![]() |
表 1 按键的功能描述 Table 1 Function descriptions of buttons |
在软件设计流程上, 设计循环检测中断的方式.通过循环检测监测模式按键中断、校正模式按键中断和串口通信中断这3种中断, 使程序进入相应的模式, 程序流程如图 5所示.
![]() |
图 5 数据采集节点的软件流程图 Fig. 5 Software flow diagram of data acquisition node |
当5种参数其中一个按键被按下时, 进入对应参数的监测模式.程序将LCD屏幕划分为5个区域, 当其中一个监测模式的按键被按下时, 例如TEMP按键, LCD在TEMP的位置显示当前实时测量的温度.
需要校正的两个参数分别为DO和pH.DO参数每次使用前需要根据此时大气压下空气中氧浓度进行斜率校正.pH参数因为标准曲线零点容易漂移, 故在每次测量前, 先测量标准pH溶液的pH值, 然后进行曲线校准.
由于MCU和DTU之间基于串口进行通信, DTU在接收无线指令之后, 将无线的指令信息通过串口传输给MCU.MCU接收指令信息后, 按照轮询检测的方式, 逐个采集每个传感器的数据.根据实际指令的内容, MCU可以采集两种类型的监测数据并上传至监测中心:1) 实时数据, 程序以双方约定好的时间间隔实时地将数据上传至监测中心;2) 一段时间长度的数据, 是一段时间内各监测数据的平均值, 默认时间长度为1 min.
3 测试结果和分析 3.1 5种参数对比测试结果节点监测参数的准确性决定整个无线传感器网络的监测效果, 所以监测精度是传感器数据采集节点的主要指标.测试了前文选择的5个监测参数的精度.
对于温度测量的结果如表 2所示, 使用6种不同温度的水样进行多次测试, 并与EUTECH DO100便携式溶氧仪[14]的测量结果进行对比, 温度偏差为±0.4 ℃, 接近DO100的温度测量精度(±0.3 ℃), 并且数据一致性较好.由于温度传感器为传感器电极中的热敏电阻部分, 在高温时电阻较小, 只有几百欧姆, 导致小幅度的电阻变化能够造成较大幅度的温度波动, 故在测量40 ℃以上高温时, 显示的温度相对波动较大.
![]() |
表 2 温度测量结果 Table 2 Measurement results of temperature |
溶解氧测量结果如表 3所示.使用3种测量实物, 分别为空气、常温水、盐水, 并与EUTECHDO100便携式溶氧仪进行对比测试, 最大的偏差为±0.37 mg/L, 1.85%FS(full scale, 满量程), 接近DO100的溶解氧测量精度(±1.5%FS).由于溶解氧浓度属于温度敏感的参数, 程序设计上是先得到温度参数, 再通过计算得到溶解氧参数.通过对比空气中氧的溶解度标准表可以发现, 在20~25 ℃下, 若温度相差0.4 ℃左右, 溶解氧浓度相差约为0.08 mg/L.节点在监测温度上与DO100存在0.4 ℃左右的偏差, 有望通过提高温度监测精度来继续间接提高溶解氧的监测精度.
![]() |
表 3 溶解氧测量结果 Table 3 Measurement results of DO |
余下的3种参数由于都有标称值溶液, 采取通过测量标称值溶液的对比方式.对于pH值的测量如图 6(a)所示, 使用了3种标称值溶液, 分别为pH=4、6.86、9.18.测试方式为每隔30 s记录一次LCD显示结果, 持续记录10 min, 最大的显示偏差约为±0.15, 接近便携式pH仪±0.1的测量精度.
![]() |
图 6 pH、ORP以及EC参数对比测试结果 Fig. 6 Measurement results of pH, ORP and EC |
对于ORP的测量如图 6(b)所示, 使用了2种标称值溶液, 分别为86和256 mV, 记录方式同pH值, 最大显示偏差约为±5 mV.该偏差小于部分工业在线ORP仪表±10 mV的测量精度, 与ORP仪表为±1 mV的测量精度存在一定的差距.
由于电导率只有1种标称值溶液, 增加了与阻抗分析仪对比的测试结果, 测量了自来水的电导率, 测试结果如图 6(c)所示.记录方式同pH值, 最大显示偏差约为±10 μS/cm, 则与满量程的对比偏差为±0.5%FS, 小于工业在线电导率仪表±1.0%FS的测量精度.
3.2 3G无线通信测试无线数据传输能够保证节点采集的监测数据实时地发送至远程计算机监测中心.为了验证无线通信的功能, 使用阿里云服务器作为虚拟的远程计算机监测中心, 在服务器上通过TCP/UDP测试工具模拟数据请求指令的发出以及接收来自数据采集节点的实时数据.监测中心可以请求实时数据和时间段数据, 指令格式分别如下.
1) ##0021QN=20150202102030001;ST=21;CN=2011;PW=123456;MN=50880001;CP= & & SystemTime=20160102030405002 & & .
2) ##0021QN=20150805103030001;ST=21;CN=2051;PW=123456;MN=50880001;CP= & & BeginTime=20160102030405002, EndTime=20160102031100002 & & .
其中, QN为请求指令编号, ST为系统编号, CN为命令编号, PW为访问密码, MN为设备标识, CP为指令参数, 以 & & 作为指令内容开头和结束, SystemTime为时间.
以发送1) 为例, 模拟监测中心请求实时数据, 在服务器上接收的返回数据格式为
##0021QN=20150202102030001;ST=21;CN=2011;PW=123456;MN=50880001;CP= & & DataTime=20160102030405002;301-Rtd=24.5;315-Rtd=8.33;302-Rtd=4.01;316-Rtd=260;463-Rtd=381 & & .
其中, 301表示温度, 315表示溶解氧浓度, 302表示pH, 316表示ORP, 463表示电导率, 返回的参数与LCD显示屏实时显示的数据一致, 验证了3G无线通信的功能.
表 4列举了与参考文献[4, 7, 11]已有的指标对比, 包括监测参数的种类n、范围、精度以及所采用的无线通信技术.可以看出, 在温度、EC和ORP的监测精度方面, 均优于文献[4, 7, 11]的结果;在监测的参数种类和范围方面与已有的传感器节点相当.由于信号通路复用了更多模块, 本文设计的节点更容易扩展监测参数, 集成的方式更加简单, 只需增加相应传感器的读出电路以及软件上增加相应的监测模式.由于采用不需要组网的3G无线通信技术, 节点更适合于用于野外独立监测.
![]() |
表 4 传感器数据采集节点对比 Table 4 Comparisons of sensor acquisition nodes |
本文设计新型的水质监测的传感器数据采集节点.在节点结构设计上, 提出信号调理和检测通路复用的方式, 与其他文献的设计方案相比, 从提高集成度的方面, 节省了硬件资源开销, 并增加了复用通路的通用性.复用的信号通路采用集成的传感器信号调理芯片, 实现了一种输入范围可调整的复用信号通路设计, 能够支持多种水质参数的实时监测.通过对比测试表明, 节点能够正确监测温度、DO、pH、ORP以及EC这5种水质参数, 并结合3G移动通信网络技术, 使得数据采集节点能够实时快速地上传监测数据.
该采集节点的设计存在有待进一步改进和研究的地方.在整体电路设计上, 采集节点消耗的功耗较大(总功耗约为400 mA, 其中MCU功耗为200 mA, LCD功耗为150 mA), 电路板面积(18 cm×23 cm)较大, 需要进一步对功耗和面积进行优化.在软件设计上, 传感器的计算模型较简单, 通过使用更精确的计算模型, 可以进一步提高监测的精度.该节点通过进一步的改进和完善, 并加入休眠和唤醒的机制, 有望应用于野外无人职守的长时间水质实时监测.若在节点中加入定位功能, 则能够实时地反馈当前监测的位置.
[1] |
周怀东, 彭文启, 杜霞, 等. 中国地表水水质评价[J].
中国水利水电科学研究院学报, 2004, 02(04): 21–30.
ZHOU Huai-dong, PENG Wen-qi, DU Xia, et al. Assessment of surface water quality in China[J]. Journal of China Institute of Water Resources and Hydropower Research, 2004, 02(04): 21–30. |
[2] |
吴键, 袁慎芳. 无线传感器网络节点的设计和实现[J].
仪器仪表学报, 2006, 27(09): 1120–1124.
WU Jian, YUAN Shen-fang. Design and implementation of a general node for wireless sensor network[J]. Chinese Journal of Scientific Instrument, 2006, 27(09): 1120–1124. DOI:10.3321/j.issn:0254-3087.2006.09.033 |
[3] | JI W, XIAO L R, YU L S, et al. A remote wireless sensor network for water quality monitoring [C]//2010 International Conference on Innovative Computing and Communication and 2010 Asia-Pacific Conference on Information Technology and Ocean Engineering (CICC-ITOE). Macao: IEEE, 2010: 7-12. |
[4] | LAMBROU T P, PANAYIOTOU C G, ANASTASIOU C C. A low-cost system for real time monitoring and assessment of potable water quality at consumer sites [C]//2012 IEEE Sensors. Taipei: IEEE, 2012: 1-4. |
[5] | LAMBROU T P, ANASTASIOU C C, PANAYIOTOU C G, et al. A low-cost sensor network for real-time monitoring and contamination detection in drinking water distribution systems[J]. IEEE Sensors Journal, 2014, 14(8): 2765–2772. DOI:10.1109/JSEN.2014.2316414 |
[6] | AMRUTA M K, SATISH M T. Solar powered water quality monitoring system using wireless sensor network [C]//2013 International Multi-Conference on Automation, Computing, Communication, Control and Compressed Sensing (iMac4s). Kottayam: IEEE, 2013:281-285. |
[7] | JIN N, MA R, LV Y F, et al. A novel design of water environment monitoring system based on WSN [C]//2010 International Conference on Computer Design and Applications (ICCDA). Qinhuangdao: IEEE, 2010: V2-593-V2-597. |
[8] | RAO A S, MARSHALL S, GUBBI J, et al. Design of low-cost autonomous water quality monitoring system [C]//2013 International Conference on Advances in Computing, Communications and Informatics (ICACCI). Mysore: IEEE, 2013: 14-19. |
[9] |
武静涛, 马长宝, 刘永波. 水质监测无线传感器网络节点的设计[J].
计算机测量与控制, 2009, 17(12): 2575–2578.
WU Jing-tao, MA Chang-bao, LIU Yong-bo. Design of wireless sensor network node for water quality monitoring[J]. Computer Measurement and Control, 2009, 17(12): 2575–2578. |
[10] | DENG S C, YANG J, WU Y, et al. Research on small mobile water quality online monitoring device [C]//2013 10th IEEE International Conference on Control and Automation (ICCA). Hangzhou: IEEE, 2013: 351-356. |
[11] | MO D Q, ZHAO Y, CHEN S S. Automatic measurement and reporting system of water quality based on GSM [C]//2012 2nd International Conference on Intelligent System Design and Engineering Application (ISDEA). Sanya: IEEE, 2012: 1007-1010. |
[12] | O'FLYRM B, MARTINEZ R, CLEARY J, et al. SmartCoast: a wireless sensor network for water quality monitoring [C]//32nd IEEE Conference on Local Computer Networks. Dublin: IEEE, 2007: 815-816. |
[13] | WU Q L, LIANG Y, SUN Y X, et al. Application of GPRS technology in water quality monitoring system [C]//World Automation Congress (WAC). Kobe: IEEE, 2010: 7-11. |
[14] | 标准型智能溶氧仪DO100[OL]. 2008-01-01. http://www.eutech.cn/cn/product/out.asp?id=113. |