基于UWB與物聯(lián)網(wǎng)的移動式溫室環(huán)境監(jiān)測系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)

侯加林，蒲文洋，李天華，丁小明，張觀山

基于UWB與物聯(lián)網(wǎng)的移動式溫室環(huán)境監(jiān)測系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)

侯加林1,2，蒲文洋1，李天華1,2，丁小明3，張觀山1,2

（1. 山東農(nóng)業(yè)大學(xué)機(jī)械與電子工程學(xué)院，泰安 271018； 2. 山東省農(nóng)業(yè)裝備智能化工程實(shí)驗(yàn)室，泰安 271018；3.農(nóng)業(yè)農(nóng)村部規(guī)劃設(shè)計(jì)研究院設(shè)施農(nóng)業(yè)研究所，北京 100125）

為低成本實(shí)現(xiàn)對溫室不同區(qū)域環(huán)境的全面感知，該研究設(shè)計(jì)了移動式溫室環(huán)境監(jiān)測系統(tǒng)，其采用超寬帶（Ultra Wide Band，UWB）網(wǎng)狀拓?fù)浣Y(jié)構(gòu)進(jìn)行分布式組網(wǎng)，節(jié)點(diǎn)設(shè)備以一主多從的形式對移動工作臺實(shí)時定位。利用優(yōu)化后的雙向雙邊測距算法計(jì)算各基站與標(biāo)簽之間的距離，通過距離的歸一化殘差分布判斷是否存在非視距（Non Line of Sight, NLOS）誤差，利用改進(jìn)后的增量卡爾曼濾波算法消除NLOS誤差，通過Chan算法解算標(biāo)簽準(zhǔn)確位置。移動工作臺以Arduino控制器為核心，搭載溫度、濕度、二氧化碳和光照度傳感器，實(shí)現(xiàn)對溫室環(huán)境的實(shí)時監(jiān)測和對移動工作臺的遠(yuǎn)程控制。測試結(jié)果表明，系統(tǒng)靜態(tài)定位最大橫向偏差為7.92 cm，最大縱向偏差為7.98 cm，橫向和縱向偏差的平均值均<5 cm；移動工作臺以0.4 m/s的平均速度行駛，動態(tài)定位最大橫向偏差為8.7 cm，平均橫向偏差為4.7 cm；采集參數(shù)上傳平均丟包率為2.78%；溫度、濕度、光照度和二氧化碳濃度監(jiān)測相對誤差分別低于0.63%、0.34%、0.70%和0.67%，滿足溫室環(huán)境信息移動監(jiān)測要求。該研究對溫室環(huán)境調(diào)控和溫室內(nèi)作業(yè)機(jī)具精準(zhǔn)定位技術(shù)的發(fā)展具有一定的理論意義和參考價(jià)值。

溫室；環(huán)境調(diào)控；物聯(lián)網(wǎng)；UWB；移動工作臺；定位

0 引 言

在世界園藝發(fā)達(dá)國家向信息化、智能化加速升級的大背景下，中國設(shè)施園藝面積快速持續(xù)增加[1-4]，2019年，中國設(shè)施園藝規(guī)模達(dá)到370萬hm2，占世界設(shè)施園藝面積的80%[5-7]。溫室可使農(nóng)作物不受地理環(huán)境、氣候以及季度交替變化的影響，提高作物產(chǎn)量，節(jié)約種植成本，提高經(jīng)濟(jì)效益[8-10]。環(huán)境監(jiān)測作為現(xiàn)代化溫室的一項(xiàng)重要功能，對溫室內(nèi)農(nóng)作物的生長起著關(guān)鍵作用。通過環(huán)境監(jiān)測，用戶可根據(jù)溫室中的環(huán)境變化調(diào)控環(huán)境，為種植作物提供適宜生長條件[11-14]。

目前，溫室內(nèi)環(huán)境監(jiān)測方式主要為布點(diǎn)式[15-16]，即在固定環(huán)境監(jiān)測點(diǎn)安裝傳感器[17]，此種環(huán)境監(jiān)測方式覆蓋范圍有限[18-19]，當(dāng)監(jiān)測較大區(qū)域時需增加測量點(diǎn)即增加傳感器的數(shù)量，安裝和維護(hù)工作繁瑣且成本較高[20-21]。Nair等[22]針對此問題研制了可移動環(huán)境監(jiān)測平臺，可移動的特性是低成本實(shí)現(xiàn)對大型溫室不同區(qū)域環(huán)境全面感知的關(guān)鍵。張慶雷[23]設(shè)計(jì)出基于紅外遙控的移動式環(huán)境監(jiān)測平臺，紅外遙控的方式可實(shí)現(xiàn)對移動平臺的運(yùn)動控制但通信距離有限；張世昂等[24]設(shè)計(jì)了基于樹莓派的智能巡檢車，控制端與巡檢車連接相同的無線保真（Wireless Fidelity, WiFi）信號后通過安全外殼協(xié)議（Secure Shell, SSH）建立通信，與紅外通信相比，此通信增加了通信距離，但通信距離仍有限。物聯(lián)網(wǎng)技術(shù)的發(fā)展解決了通信距離有限的弊端，實(shí)現(xiàn)對溫室環(huán)境信息的實(shí)時獲取和對移動工作臺的遠(yuǎn)程控制。

為控制移動工作臺準(zhǔn)確到達(dá)溫室中的環(huán)境監(jiān)測點(diǎn)還需對移動工作臺實(shí)時定位。在室內(nèi)定位技術(shù)的選擇上，全球衛(wèi)星定位系統(tǒng)（Global Positioning System, GPS）通常用于室外定位，室內(nèi)環(huán)境下由于遮擋物較多，衛(wèi)星信號易丟失[25-26]。實(shí)際室內(nèi)定位過程中，定位精度主要受三方面影響：試驗(yàn)設(shè)備的制造誤差、安裝誤差和室內(nèi)環(huán)境內(nèi)部對信號的遮擋等影響；傳感器偏差、靈敏度誤差、噪聲等其他隨機(jī)誤差的影響；信號傳播特性和測距方式的影響[27-28]。因此，提高定位精度必須提高抗干擾能力，解決信號衰減、多徑效應(yīng)、視距傳播和信號振蕩校準(zhǔn)等傳統(tǒng)問題。除了定位精度問題，能耗和成本也是室內(nèi)定位不可忽視的考慮因素。目前大部分定位技術(shù)通過在環(huán)境中安裝輔助節(jié)點(diǎn)，增加位置信息的方式提高精度，增大了系統(tǒng)建設(shè)成本和能耗[29]。在測量誤差和能耗不可避免的情況下，盡可能減小測量誤差和控制能耗顯得尤為重要。超寬帶（Ultra Wide Band，UWB）技術(shù)是一種短距離內(nèi)在寬頻帶上低功率發(fā)送數(shù)據(jù)的無線通信技術(shù)，與傳統(tǒng)通信技術(shù)相比，UWB通過發(fā)送納秒級或者納秒級以下的超窄脈沖傳輸數(shù)據(jù)，可獲得吉赫級的數(shù)據(jù)帶寬，時間分辨率強(qiáng)[30]。UWB技術(shù)因其穿透力強(qiáng)、功耗低、抗多徑效果好、安全性高、系統(tǒng)復(fù)雜度低、對應(yīng)用環(huán)境無苛刻要求等優(yōu)點(diǎn)，適用于對室內(nèi)靜態(tài)或動態(tài)物體的定位跟蹤，定位精度高[31-32]。

綜上，本研究基于UWB與物聯(lián)網(wǎng)技術(shù)研制移動式溫室環(huán)境監(jiān)測系統(tǒng)，實(shí)現(xiàn)了溫室環(huán)境下對移動工作臺的精準(zhǔn)定位和遠(yuǎn)程控制，兼具定點(diǎn)監(jiān)測和移動監(jiān)測功能，可穩(wěn)定可靠的監(jiān)測溫室環(huán)境，對溫室環(huán)境調(diào)控和溫室內(nèi)作業(yè)機(jī)具精準(zhǔn)定位技術(shù)的發(fā)展具有一定的理論意義和參考價(jià)值。

1 系統(tǒng)組成與設(shè)計(jì)

1.1 系統(tǒng)組成

移動式溫室環(huán)境監(jiān)測系統(tǒng)由遠(yuǎn)程監(jiān)控平臺、移動工作臺和UWB定位模塊3部分組成。遠(yuǎn)程監(jiān)控平臺包括電腦控制端和手機(jī)控制端，電腦控制端實(shí)時顯示移動工作臺位置，手機(jī)控制端控制移動工作臺運(yùn)動，顯示溫室環(huán)境監(jiān)測信息。移動工作臺接收并執(zhí)行監(jiān)控平臺發(fā)布的控制指令，實(shí)時采集溫室環(huán)境參數(shù)并通過無線網(wǎng)絡(luò)發(fā)送到監(jiān)控平臺。UWB定位模塊包括標(biāo)簽、基站和計(jì)算單元，標(biāo)簽安裝于移動工作臺上以實(shí)時標(biāo)記移動工作臺位置，基站計(jì)算與標(biāo)簽之間的距離并通過主基站上傳計(jì)算單元，計(jì)算單元根據(jù)各基站與標(biāo)簽間的距離利用定位算法解算標(biāo)簽在溫室中的實(shí)時位置并顯示，系統(tǒng)組成如圖1所示。

1.移動工作臺 2.超寬帶定位模塊 3.計(jì)算單元 4.WiFi模塊 5.服務(wù)器 6.數(shù)據(jù)庫 7.電腦控制端 8.手機(jī)控制端

1.2 移動工作臺硬件設(shè)計(jì)

移動工作臺長255 mm、寬165 mm、高275 mm，由移動底盤、驅(qū)動模塊、控制模塊、環(huán)境信息監(jiān)測模塊、UWB定位標(biāo)簽和通信模塊組成，硬件結(jié)構(gòu)如圖2所示。

1.移動底盤 2.光照度測量傳感器 3.二氧化碳濃度傳感器 4.Arduino控制器 5.超寬帶定位標(biāo)簽 6.溫濕度傳感器 7.WiFi模塊 8.電池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

環(huán)境信息監(jiān)測模塊：移動工作臺上安裝BH1750FVI光照度傳感器，光照度測量范圍為0～65 535 lx；SGP30二氧化碳濃度監(jiān)測傳感器，測量范圍為600～24 000 mg/m3；DHT11溫濕度傳感器，溫度和相對濕度的測量精度分別為±2 ℃和±5%，分辨率分別為1 ℃和1%。

控制模塊：使用Arduino Uno控制器解析運(yùn)動控制指令并執(zhí)行，上傳環(huán)境信息監(jiān)測模塊采集的溫室環(huán)境信息。

驅(qū)動模塊：本系統(tǒng)以地面硬化條件較好的無土栽培溫室為主要應(yīng)用對象而設(shè)計(jì)，移動工作臺采用2輪驅(qū)動，使用L298N電機(jī)驅(qū)動模塊控制電機(jī)轉(zhuǎn)向和轉(zhuǎn)速，低成本實(shí)現(xiàn)了對移動工作臺的完整運(yùn)動控制。

UWB定位標(biāo)簽：基于STM32F104RC和DWM1000定位模塊開發(fā)定位功能板，型號為D-DWM-PG1.7V，具體參數(shù)如表1所示。通過計(jì)算單元配置功能板的工作類型（基站或標(biāo)簽），功能板兼具一對一測距和二維定位功能。

通信模塊：通過WiFi模塊實(shí)現(xiàn)遠(yuǎn)程監(jiān)控平臺與移動工作臺間的遠(yuǎn)程通信，移動工作臺通過WiFi模塊接收運(yùn)動控制指令，反饋工作狀態(tài)和溫室環(huán)境參數(shù)。遠(yuǎn)程監(jiān)控平臺和計(jì)算單元之間通過互聯(lián)網(wǎng)遠(yuǎn)程通信，WiFi模塊和遠(yuǎn)程監(jiān)控平臺、遠(yuǎn)程監(jiān)控平臺和計(jì)算單元之間的通信均采用4G技術(shù)，滿足實(shí)時性通信需求。

表1 定位基站及標(biāo)簽規(guī)格參數(shù)

1.3 移動式溫室環(huán)境監(jiān)測系統(tǒng)軟件設(shè)計(jì)

移動式溫室環(huán)境監(jiān)測系統(tǒng)軟件由位置信息交互層、環(huán)境信息監(jiān)測層和運(yùn)動控制層構(gòu)成。位置信息交互層為基于Windows的實(shí)時定位程序，解算并實(shí)時顯示移動工作臺在溫室中的位置。環(huán)境信息監(jiān)測層為基于安卓（Android）手機(jī)的環(huán)境信息解析及顯示程序，實(shí)時顯示溫室中的溫濕度、二氧化碳濃度和光照度。運(yùn)動控制層為基于Android的移動工作臺遠(yuǎn)程控制程序，通過微信公眾平臺向移動工作臺發(fā)送運(yùn)動控制遠(yuǎn)程通信協(xié)議，遠(yuǎn)程控制移動工作臺運(yùn)動。

2 移動式環(huán)境監(jiān)測功能實(shí)現(xiàn)

2.1 實(shí)時定位功能實(shí)現(xiàn)

UWB定位精度的影響因素主要為傳感器布設(shè)位置、多路徑效應(yīng)、信號衰減和非視距（Non Line of Sight, NLOS）誤差，當(dāng)室內(nèi)遮擋非常嚴(yán)重時，超寬帶定位誤差較大，僅靠優(yōu)化算法難以有效消除。因此在溫室布置節(jié)點(diǎn)位置時應(yīng)盡可能避開作物冠層等對信號遮擋較嚴(yán)重的障礙物，本系統(tǒng)采取措施如下：

1）根據(jù)移動工作臺的實(shí)際高度，將4個基站分別豎直放置在溫室四角距地面10 cm處，使得移動工作臺與基站之間在溫室內(nèi)大部分活動范圍內(nèi)為視距條件；

2）增強(qiáng)DW1000芯片的信號發(fā)射和接收功率，提高靈敏度，通過該方式增大測量范圍，減少信號衰減導(dǎo)致的定位偏差。

使用UWB技術(shù)作為無線載波通信技術(shù)，通過優(yōu)化后的雙向雙邊測距（Double-Side-Two-Way-Ranging，DS-TWR）算法計(jì)算基站與標(biāo)簽之間的距離，利用Chan算法初步求解標(biāo)簽位置，通過基站與標(biāo)簽間距離的歸一化殘差是否服從中心卡方分布判斷是否存在NLOS誤差，對存在NLOS誤差的距離值利用改進(jìn)后的增量式卡爾曼濾波算法修正，將修正后的距離值再次通過Chan算法解算，獲得移動工作臺準(zhǔn)確位置。定位流程如圖3所示。

圖3 定位功能實(shí)現(xiàn)流程圖

2.1.1 雙向雙邊測距算法測距原理及改進(jìn)

通過雙向雙邊測距算法計(jì)算標(biāo)簽與基站之間的距離，為減少由時鐘偏差引起的誤差，雙向雙邊測距采用2個往返時間計(jì)算飛行時間。2次往返時間間隔對結(jié)果無影響，飛行時間（prop, s）的計(jì)算如式（1）所示：

式中round1為第一次通訊設(shè)備A接收到設(shè)備B信號的時間與設(shè)備A發(fā)送信號的時間差，s；reply1為第一次通訊設(shè)備B在收到設(shè)備A的信號后，延遲固定時間回發(fā)信號與收到設(shè)備A信號時的時間差，s；round2為第二次通訊設(shè)備A接收到設(shè)備B信號的時間與設(shè)備A發(fā)送信號的時間差，s；reply2為第二次通訊設(shè)備B在收到設(shè)備A的信號后，延遲固定的時間回發(fā)信號與收到設(shè)備A信號時的時間差，s。

計(jì)算單元向主基站下達(dá)測距指令，主基站收到指令后立刻發(fā)送信號，接收基站收到信號立刻回傳，主基站收到回傳信號后再次發(fā)送信號，計(jì)算的飛行時間取平均值，帶入電磁波傳輸速度即可得到2個基站的距離如式（2）所示：

=?prop（2）

式中為2個基站間距離，m；為電磁波傳輸速度，數(shù)值為300 000 000m/s。

時鐘引入誤差（Error，s）計(jì)算如式（3）所示：

式中f為設(shè)備A時鐘的實(shí)際頻率和預(yù)期頻率的比值；f為設(shè)備B時鐘的實(shí)際頻率和預(yù)期頻率的比值。

改進(jìn)前與改進(jìn)后的雙向雙邊測距算法測距過程如圖4所示。由圖4a可知，A設(shè)備為主動端，B設(shè)備為被動端，雙向雙邊測距方式是A設(shè)備主動訪問，并且由B設(shè)備計(jì)算距離，基站第二次數(shù)據(jù)包發(fā)出時間戳（5）時間由基站第一次數(shù)據(jù)包接收時間戳（4）加延時估算得出。實(shí)際二維定位中，基站為主動端A，標(biāo)簽為被動端B，標(biāo)簽安裝于移動工作臺上處于不斷運(yùn)動的狀態(tài)，標(biāo)簽與計(jì)算單元串口通信以使標(biāo)簽計(jì)算距離后將距離值上傳到計(jì)算單元，這就要求移動工作臺有足夠大的空間和載重來運(yùn)載計(jì)算單元，因此如果直接使用雙向雙邊測距算法則存在以下缺點(diǎn)：1）計(jì)算單元為一臺筆記本電腦，不易攜帶；2）增加了移動工作臺研制成本；3）計(jì)算單元對標(biāo)簽與基站之間的信號傳遞存在遮擋作用，增加定位誤差；4）5時間戳由估算得出，增加了飛行時間計(jì)算誤差。為了解決上述問題，提高距離計(jì)算精度，本研究對雙向雙邊測距算法進(jìn)行了改進(jìn)（圖4b），其優(yōu)勢在于1）增加一次被動端B向主動端A數(shù)據(jù)包回傳過程，并讓主動端A（基站）計(jì)算距離；2）真實(shí)讀取5時間戳。這雖然延長了數(shù)據(jù)處理時間，增加了計(jì)算量，但提高了測距的穩(wěn)定性和精度。

基站處于固定狀態(tài)，計(jì)算單元與主基站連接，定位過程以基站主動掃描標(biāo)簽的方式進(jìn)行，發(fā)送測距命令和測距數(shù)據(jù)處理均由主基站負(fù)責(zé)（圖5）。以本研究實(shí)際采用的4基站1標(biāo)簽為例，圖5中編號代表通信行為，行為反應(yīng)了基站與標(biāo)簽間的測距流程，具體說明如表2所示。

注：T1、T4、T5和T8分別為主動端A第一次數(shù)據(jù)包發(fā)出、第一次數(shù)據(jù)包接收、第二次數(shù)據(jù)包發(fā)出和第二次數(shù)據(jù)包接收時間戳；T2、T3、T6和T7分別為被動端B第一次數(shù)據(jù)包接收、第一次數(shù)據(jù)包發(fā)出、第二次數(shù)據(jù)包接收和第二次數(shù)據(jù)包發(fā)出時間戳。

圖5 4基站1標(biāo)簽測距示意圖

表2 4基站1標(biāo)簽間測距步驟

2.1.2 非視距誤差判斷

本研究對基站與標(biāo)簽之間的距離值是否存在非視距誤差的判斷方法參考吳承鈺[33]的研究，通過基于距離殘差的識別算法判斷處于非視距誤差下的基站，首先利用Chan算法初步解算標(biāo)簽位置，Chan算法通過2次加權(quán)最小二乘法的計(jì)算，在噪聲服從零均值的高斯分布的環(huán)境下，能夠利用所有的測量值獲得較好的計(jì)算結(jié)果，但是在 NLOS環(huán)境的信道下，定位精度會顯著下降，Chan算法具體實(shí)現(xiàn)過程參考孫頂明[34]的研究。為Chan算法提供測量數(shù)據(jù)的一組基站若均處于視距（Line Of Sight, LOS）條件，則其距離的歸一化殘差應(yīng)當(dāng)服從中心卡方分布[33]，通過這一特性使用距離殘差算法可以有效的完成對NLOS基站的識別工作。以本系統(tǒng)所用4基站1標(biāo)簽為例，具體做法為獲取4基站與標(biāo)簽之間的測距信息，使用Chan算法對待測目標(biāo)的位置進(jìn)行估計(jì)，判斷是否存在非視距誤差，如存在非視距誤差，再選取3個基站，重新進(jìn)行位置解算，每3個基站作為一組定位組合，共有5組對待測目標(biāo)的估計(jì)，結(jié)果如式（4）所示：

式中()表示第種組合的基站測量結(jié)果解算得到的位置估計(jì)；()表示第種組合的基站測量結(jié)果解算得到的橫坐標(biāo)；()表示第種組合的基站測量結(jié)果解算得到的縱坐標(biāo)；表示種組合包含的基站數(shù)量；為基站總數(shù)量，本研究中設(shè)置為4。歸一化距離殘差定義如式（5）和式（6）所示：

由式（5）和式（6）可知各基站組合均為視距情況時各基站與標(biāo)簽間距離的歸一化殘差服從中心卡方分布，存在非視距誤差時不再服從中心卡方分布。

2.1.3 非視距誤差消除

對非視距條件下產(chǎn)生的基站與標(biāo)簽距離值中包含的NLOS誤差，參考蔡博等[35]的研究，通過改進(jìn)后的增量式卡爾曼濾波算法消除。主要實(shí)現(xiàn)過程為建立測距模型，如式（7）所示：

式中()、()是時刻基站與標(biāo)簽之間的測量距離和真實(shí)距離，m；()是非視距誤差；()是標(biāo)準(zhǔn)測量誤差；()是測量系統(tǒng)誤差。

傳統(tǒng)卡爾曼濾波不適用于非高斯分布條件下的NLOS誤差和實(shí)際中存在的測量系統(tǒng)誤差模型，根據(jù)線性系統(tǒng)的特點(diǎn)，建立增量卡爾曼濾波狀態(tài)方程，其空間模型描述如式（8）和式（9）所示：

式中S和S-1分別是時刻和-1時刻目標(biāo)狀態(tài)矩陣；ΔZ是時刻測量增量矩陣；Φ-1是-1時刻狀態(tài)轉(zhuǎn)移矩陣；H和H-1分別是時刻和-1時刻測量矩陣；Γ-1為-1時刻噪聲驅(qū)動矩陣；W-1是-1時刻過程噪聲矩陣；V為時刻測量噪聲矩陣。

測量增量計(jì)算如式（10）所示：

式中Z和Z-1分別是時刻和-1時刻測量矩陣；V-1是-1時刻測量噪聲矩陣。

由于UWB信號很高的采樣率，因而V?V-1為相對小量，可以忽略不計(jì)。對于式（8）和式（9）構(gòu)成的增量系統(tǒng)模型可以有效消除未知的系統(tǒng)誤差。增量卡爾曼濾波的迭代過程如式（11）~ 式（14）所示，其中：

狀態(tài)一步預(yù)測方程如式（11）所示：

式中S|k-1是-1時刻對時刻目標(biāo)狀態(tài)的一步預(yù)測矩陣。

一步預(yù)測誤差均方差如式（12）所示：

狀態(tài)估計(jì)方程為如式（13）所示：

式中K是時刻濾波增益矩陣；ΔZ|k-1是-1時刻對時刻的預(yù)測測量增量矩陣。

濾波均方誤差更新如式（14）所示：

由傅惠民等[36]研究可知增量卡爾曼濾波具有無偏性?；跇?biāo)準(zhǔn)測量誤差和NLOS誤差之間的無關(guān)性，將NLOS誤差加入到狀態(tài)變量中，經(jīng)過增量卡爾曼濾波器處理后得到估計(jì)出的NLOS誤差，用實(shí)際測量值減去NLOS誤差即可得到消除NLOS誤差的超寬帶模塊測距值。在卡爾曼濾波迭代過程中，基于NLOS誤差的正值性，將可能出現(xiàn)負(fù)的NLOS估計(jì)值置0，從而得到NLOS誤差估計(jì)值，進(jìn)一步可以獲得兩點(diǎn)之間精確的距離值R()。在消除掉NLOS后，采用Chan算法對移動工作臺進(jìn)行重新定位，可以得到較高的定位精度。

2.1.4 系統(tǒng)性能評價(jià)方法

系統(tǒng)定位偏差分為橫向偏差和縱向偏差，橫向偏差（1，cm）計(jì)算如式（15）所示：

式中1是計(jì)算坐標(biāo)中的橫坐標(biāo)值，cm；2是實(shí)際測量坐標(biāo)中的橫坐標(biāo)值，cm。

縱向偏差（2，cm）計(jì)算如式（16）所示：

式中1是計(jì)算坐標(biāo)中的縱坐標(biāo)值，cm；2是實(shí)際測量坐標(biāo)中的縱坐標(biāo)值，cm。

為評價(jià)系統(tǒng)定位的精度和穩(wěn)定性，本研究對定位偏差進(jìn)行統(tǒng)計(jì)學(xué)分析，通過標(biāo)準(zhǔn)差判斷系統(tǒng)定位的穩(wěn)定性，通過均方根誤差評估系統(tǒng)定位精度，標(biāo)準(zhǔn)差（）和均方根誤差（Root Mean Square Error，RMSE）的計(jì)算方法分別如式（17）和式（18）所示：

式中表示目標(biāo)點(diǎn)的總數(shù)量；X表示第個目標(biāo)點(diǎn)處的偏差（縱向偏差或橫向偏差），cm；表示各目標(biāo)點(diǎn)處偏差（縱向偏差或橫向偏差）的平均值，cm；X表示第個目標(biāo)點(diǎn)的計(jì)算坐標(biāo)（橫坐標(biāo)或縱坐標(biāo)），cm；X表示第個目標(biāo)點(diǎn)的實(shí)際測量坐標(biāo)（橫坐標(biāo)或縱坐標(biāo)），cm。

通過計(jì)算丟包率評估系統(tǒng)上傳溫室環(huán)境采集信息的穩(wěn)定性，丟包率（，%）計(jì)算如式（19）所示：

式中表示數(shù)據(jù)丟失數(shù)量；表示數(shù)據(jù)采集時間段內(nèi)應(yīng)上傳的數(shù)據(jù)總數(shù)量。

通過計(jì)算相對誤差驗(yàn)證環(huán)境信息測量精度，相對誤差（，%）計(jì)算如式（20）所示：

式中表示各測量點(diǎn)處測量值與對比值之間的絕對誤差；表示對比值。

2.1.5 計(jì)算單元操作界面設(shè)計(jì)

基于Visual Studio 2017本研究設(shè)計(jì)了計(jì)算單元操作界面（圖6）。操作界面主要包括標(biāo)簽位置坐標(biāo)實(shí)時顯示區(qū)、標(biāo)簽與基站相對距離顯示區(qū)、地圖屬性設(shè)置區(qū)、串口配置與設(shè)備連接區(qū)、設(shè)備配置區(qū)、設(shè)備狀態(tài)顯示區(qū)和基站坐標(biāo)設(shè)置區(qū)。其中，定位功能中實(shí)現(xiàn)計(jì)算單元設(shè)置的步驟為1）獲取溫室二維俯視圖并導(dǎo)入上位機(jī)，圖像像素大小要求為800×450；2）搜索并打開電腦驅(qū)動串口，設(shè)置串口通信波特率，使主基站與電腦驅(qū)動串口波特率一致，數(shù)值為115 200 bps；3）掃描串口上的串行通信協(xié)議（MODBUS）設(shè)備并連接；4）與設(shè)備建立串口通信后設(shè)置設(shè)備類型（主基站、次基站或標(biāo)簽）及定位模式（一對一測距或二維定位）；5）設(shè)置地圖中的坐標(biāo)原點(diǎn)及主基站和各次基站的位置坐標(biāo)；6）設(shè)置標(biāo)簽數(shù)量；7）點(diǎn)擊開始定位，界面顯示定位標(biāo)簽在建立坐標(biāo)系中的實(shí)時位置坐標(biāo)及定位標(biāo)簽與各基站之間的相對距離；8）點(diǎn)擊取消定位，定位結(jié)束。

1.標(biāo)簽位置坐標(biāo)實(shí)時顯示區(qū) 2.標(biāo)簽與基站相對距離顯示區(qū) 3.地圖屬性設(shè)置區(qū) 4.串口配置與設(shè)備連接區(qū) 5.設(shè)備配置區(qū) 6.設(shè)備狀態(tài)顯示區(qū) 7.基站坐標(biāo)設(shè)置區(qū)

2.2 基于物聯(lián)網(wǎng)的移動工作臺遠(yuǎn)程控制

本研究通過WiFi模塊實(shí)現(xiàn)遠(yuǎn)程監(jiān)測平臺與移動工作臺之間的遠(yuǎn)程通信，WiFi模塊作為一個站點(diǎn)去連接其他設(shè)備（路由器等）發(fā)出的無線信號，每一個連接到無線網(wǎng)絡(luò)中的終端都為一個站點(diǎn)，各站點(diǎn)之間可通過數(shù)據(jù)通信協(xié)議進(jìn)行信息交互。

WiFi模塊和安卓（Android）手機(jī)控制端通過連接路由器等設(shè)備發(fā)出的無線信號連接互聯(lián)網(wǎng)，WiFi模塊與手機(jī)控制端之間可作為兩站點(diǎn)實(shí)時通信。Android手機(jī)控制端通過微信公眾平臺向移動工作臺發(fā)布遠(yuǎn)程控制協(xié)議，實(shí)現(xiàn)對移動工作臺的運(yùn)動控制。作為服務(wù)器端的移動工作臺通過Arduino控制器與WiFi模塊串口通信，對接收到的控制協(xié)議進(jìn)行解析，完成相應(yīng)動作，相應(yīng)動作通過編程實(shí)現(xiàn)。

Android手機(jī)控制端控制移動工作臺運(yùn)動的基本流程如圖7所示，具體步驟為1）Android手機(jī)控制端與移動工作臺WiFi模塊分別進(jìn)行配網(wǎng)連接互聯(lián)網(wǎng)；2）Android手機(jī)控制端打開微信公眾平臺，輸入移動工作臺設(shè)備號，與移動工作臺建立通信；3）初始化Arduino控制器串口，將串口波特率設(shè)置為9 600 bps，與WiFi模塊默認(rèn)的串口波特率一致，監(jiān)聽串口是否有數(shù)據(jù)，如果沒有，則繼續(xù)等待；4）Android手機(jī)控制端通過微信公眾平臺向移動工作臺發(fā)送控制協(xié)議，控制協(xié)議通過互聯(lián)網(wǎng)傳輸?shù)絎iFi模塊后，通過串口轉(zhuǎn)發(fā)到移動工作臺上的Arduino控制器，在成功接收控制協(xié)議后解析；5）如果解析后的控制指令準(zhǔn)確無誤，則驅(qū)動L298N電機(jī)驅(qū)動模塊，控制移動工作臺執(zhí)行相應(yīng)的操作，并向Android手機(jī)控制端發(fā)送執(zhí)行指令成功的反饋信息（如前進(jìn)動作正常執(zhí)行）。如果解析后的控制指令不符合設(shè)定的通信協(xié)議，則移動工作臺繼續(xù)保持當(dāng)前狀態(tài)，并向Android手機(jī)控制端發(fā)送控制指令有誤的反饋信息。

圖7 移動工作臺運(yùn)動控制流程圖

2.3 基于微信公眾平臺的環(huán)境信息監(jiān)測功能設(shè)計(jì)

環(huán)境信息監(jiān)測應(yīng)包括人機(jī)交互界面、存儲溫室環(huán)境參數(shù)的數(shù)據(jù)庫和負(fù)責(zé)數(shù)據(jù)傳輸?shù)姆?wù)器。服務(wù)器與數(shù)據(jù)庫的穩(wěn)定性、方便性和廣泛實(shí)用性顯得尤為重要，本系統(tǒng)選用MySQL數(shù)據(jù)庫和阿里云服務(wù)器進(jìn)行數(shù)據(jù)傳送、存儲和管理，通過微信公眾平臺實(shí)現(xiàn)人機(jī)交互。

安裝在移動工作臺上的環(huán)境信息監(jiān)測傳感器采集的溫濕度等數(shù)據(jù)通過WiFi模塊連接互聯(lián)網(wǎng)以從指定的資源請求數(shù)據(jù)的方式發(fā)送到阿里云服務(wù)器中，阿里云服務(wù)器通過超文本預(yù)處理器（Hypertext Preprocessor, PHP）腳本語言與SQL語句連接以實(shí)現(xiàn)數(shù)據(jù)的存儲與管理，服務(wù)器與數(shù)據(jù)庫間通過HTTP協(xié)議的GET請求方式將傳感器發(fā)送來的數(shù)據(jù)進(jìn)行傳輸。為使微信公眾平臺發(fā)送的請求命令能被響應(yīng)，需將微信公眾號與服務(wù)器綁定，綁定后，微信公眾平臺發(fā)送請求指令到服務(wù)器，服務(wù)器讀取數(shù)據(jù)庫中的數(shù)據(jù)反饋到微信公眾平臺，實(shí)現(xiàn)信息交互。

3 移動式溫室環(huán)境監(jiān)測系統(tǒng)性能測試試驗(yàn)

試驗(yàn)地點(diǎn)為農(nóng)業(yè)農(nóng)村部規(guī)劃設(shè)計(jì)研究院設(shè)施農(nóng)業(yè)研究所河北永清科研基地芬洛（Venlo）型溫室的番茄種植區(qū)。番茄種植區(qū)總長40 m、寬16 m，占地面積為640 m2，其中栽培區(qū)長34 m、寬15 m，占地面積為510 m2，番茄植株定植于番茄架上，共9行，行間距為1.4 m，番茄架長30 cm、寬34 m，單行番茄架上層面積為10.2 m2（圖8a）。采用4基站1標(biāo)簽式布置方式對移動工作臺定位，4基站分別豎直放置在溫室4角距地面10 cm處，各基站距離最近的溫室墻面的水平和垂直距離均為2 m，標(biāo)簽安裝在移動工作臺上，通過遠(yuǎn)程監(jiān)測平臺監(jiān)控移動工作臺的實(shí)時位置（圖8b）。

圖8 基站、目標(biāo)點(diǎn)分布和試驗(yàn)實(shí)景圖

試驗(yàn)內(nèi)容包括移動工作臺遠(yuǎn)程控制及定位（動態(tài)和靜態(tài)）精度測試試驗(yàn)、環(huán)境信息采集穩(wěn)定性測試試驗(yàn)和環(huán)境參數(shù)測量精度測試試驗(yàn)。

1）移動工作臺遠(yuǎn)程控制及靜態(tài)定位精度測試試驗(yàn)過程為在溫室內(nèi)選擇12個目標(biāo)點(diǎn)，以主基站為坐標(biāo)原點(diǎn)建立坐標(biāo)系，測量各目標(biāo)點(diǎn)與主基站之間的水平和垂直距離作為該目標(biāo)點(diǎn)的實(shí)際坐標(biāo)，測量后各目標(biāo)點(diǎn)的實(shí)際坐標(biāo)如圖8a所示。為計(jì)算移動工作臺的定位偏差，需確保移動工作臺準(zhǔn)確到達(dá)目標(biāo)點(diǎn)，由于定位偏差的影響，通過遠(yuǎn)程控制移動工作臺準(zhǔn)確到達(dá)目標(biāo)點(diǎn)難以實(shí)現(xiàn)，需要在試驗(yàn)現(xiàn)場增加一名輔助實(shí)驗(yàn)員。因此試驗(yàn)由2人共同完成，1號實(shí)驗(yàn)員在試驗(yàn)溫室中負(fù)責(zé)輔助2號實(shí)驗(yàn)員將移動工作臺準(zhǔn)確移動到各目標(biāo)點(diǎn)處并處理試驗(yàn)過程中的突發(fā)狀況，2號實(shí)驗(yàn)員位于山東農(nóng)業(yè)大學(xué)8號樓通過Android手機(jī)控制端對移動工作臺進(jìn)行遠(yuǎn)程控制，2號實(shí)驗(yàn)員通過遠(yuǎn)程監(jiān)控平臺上顯示的移動工作臺的位置及在1號實(shí)驗(yàn)員的輔助指揮下使移動工作臺依次經(jīng)過標(biāo)記的目標(biāo)點(diǎn)，每到達(dá)一個目標(biāo)點(diǎn)記錄遠(yuǎn)程監(jiān)測平臺顯示的標(biāo)簽坐標(biāo)，將計(jì)算坐標(biāo)與實(shí)際測量坐標(biāo)對比，計(jì)算定位偏差，試驗(yàn)重復(fù)3次。3次試驗(yàn)計(jì)算結(jié)果取平均值作為各目標(biāo)處的定位偏差。

動態(tài)定位精度測試試驗(yàn)中，設(shè)置上位機(jī)為路徑跟蹤模式，即上位機(jī)跟蹤標(biāo)簽的行走軌跡并標(biāo)記。在試驗(yàn)溫室中測量并標(biāo)記第④行和第⑤行之間與第⑤行和第⑥行之間道路的中心線作為規(guī)劃路徑（圖8a），實(shí)驗(yàn)員在試驗(yàn)溫室中控制移動工作臺分別以0.4、0.8和1.2 m/s的平均速度沿規(guī)劃路徑行走，以1 m為間隔，記錄上位機(jī)中的實(shí)際跟蹤路徑與規(guī)劃路徑間的橫向偏差，以圖8a中標(biāo)記的方位為準(zhǔn)，若實(shí)際跟蹤路徑在規(guī)劃路徑的東側(cè)，則橫向偏差為正，若實(shí)際跟蹤路徑在規(guī)劃路徑的西側(cè)，則橫向偏差為負(fù)。

2）環(huán)境信息采集穩(wěn)定性測試試驗(yàn)中，選擇2019年11月12日—2019年11月14日3 d測量并保存環(huán)境參數(shù)，記錄數(shù)據(jù)連續(xù)性，試驗(yàn)期間，給鋰電池持續(xù)充電以保證移動工作臺持續(xù)采集環(huán)境信息。

3）環(huán)境參數(shù)測量精度測試試驗(yàn)時間為2019年11月15日—2019年11月17日，共3 d，在試驗(yàn)溫室中選擇3個測量點(diǎn)（圖8a），11月15日在測量點(diǎn)1采集環(huán)境參數(shù)，11月16日在測量點(diǎn)2采集環(huán)境參數(shù)，11月17日在測量點(diǎn)3采集環(huán)境參數(shù)。為了驗(yàn)證移動工作臺環(huán)境信息測量的準(zhǔn)確性。選用武漢漢秦信通科技有限公司生產(chǎn)的HQZDZ型數(shù)據(jù)采集器采集各測量點(diǎn)環(huán)境參數(shù)，室內(nèi)空氣溫濕度傳感器型號為HQWD，溫度測量精度和測量范圍分別為±0.3 ℃和?50～100 ℃，相對濕度測量精度和測量范圍分別為±1%和0～100%；光照度傳感器型號為HQZD，測量范圍0～200 000 lx；二氧化碳傳感器型號為HQCO2-W，量程為0～8 000 mg/m3，測量精度為±160 mg/m3，以上數(shù)據(jù)每1 h存儲到數(shù)據(jù)采集器中，各傳感器與數(shù)據(jù)采集器串口通信，通過RS485通信可將存儲數(shù)據(jù)從數(shù)據(jù)采集器中讀出。移動工作臺測量的環(huán)境參數(shù)為實(shí)測值，數(shù)據(jù)采集器測量的環(huán)境參數(shù)為對比值。

3.1 移動工作臺遠(yuǎn)程控制及靜態(tài)定位精度測試試驗(yàn)

分析后的定位偏差數(shù)據(jù)如表3所示，試驗(yàn)表明可遠(yuǎn)程控制移動工作臺順利到達(dá)各目標(biāo)點(diǎn)，控制指令發(fā)出（按鍵按下）與移動工作臺指令執(zhí)行之間的延遲時間為2～3 s；移動工作臺在各目標(biāo)點(diǎn)處的最大橫向偏差為7.92 cm，最大縱向偏差為7.98 cm，平均值均<5 cm，標(biāo)準(zhǔn)差<4 cm，均方根誤差<5 cm，定位精度較高。

表3 定位偏差數(shù)據(jù)分析

3.2 動態(tài)定位精度測試試驗(yàn)

不同速度下實(shí)際跟蹤路徑與規(guī)劃路徑間的橫向偏差對比結(jié)果如表4所示。移動工作臺分別以0.4、0.8和1.2 m/s的平均速度沿規(guī)劃路徑行駛，最大定位偏差分別為8.7、13.3和19.2 cm，平均偏差分別為4.7、7.8和14.5 cm。結(jié)果表明，當(dāng)移動工作臺速度增加時，定位精度明顯下降。原因可能是使用改進(jìn)增量式卡爾曼濾波算法消除非視距誤差，需要獲取實(shí)時數(shù)據(jù)作為觀測值經(jīng)計(jì)算得到最終值，因此會使計(jì)算的時間復(fù)雜度增加，上位機(jī)計(jì)算位置與移動工作臺實(shí)際位置之間在時間上會產(chǎn)生一定的滯后性，當(dāng)移動工作臺速度增加時，滯后性更加明顯，因此由于滯后性造成的定位誤差也會增大，使定位精度下降。

王俊等[37]針對溫室移動節(jié)點(diǎn)定位的需求，提出了一種基于遺傳誤差反向傳播（Error Back Propagation，BP）的溫室無線傳感器網(wǎng)絡(luò)定位方法，試驗(yàn)結(jié)果表明，該方法具有較高的魯棒性和定位精度，定位結(jié)果波動范圍小，且超過86%的試驗(yàn)數(shù)據(jù)的定位誤差<3.5 m，相對定位誤差低于4.8%；王新等[38]將慣性傳感技術(shù)與基于無線傳感器網(wǎng)絡(luò)的接收信號強(qiáng)度（Received Signal Strength Indication, RSSI）技術(shù)相結(jié)合，利用卡爾曼濾波算法進(jìn)行定位信息最優(yōu)化計(jì)算，提出多源數(shù)據(jù)融合溫室作業(yè)機(jī)具定位算法，試驗(yàn)測量的最大定位誤差<12.5 cm，平均定位誤差為6.9 cm，標(biāo)準(zhǔn)差為4.4 cm。與基于遺傳誤差反向傳播算法的溫室無線傳感器網(wǎng)絡(luò)定位算法和多源數(shù)據(jù)融合溫室作業(yè)機(jī)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優(yōu)越性，能夠較好地滿足溫室內(nèi)作業(yè)機(jī)具的定位及作業(yè)軌跡實(shí)時獲取與監(jiān)測的需求。

表4 實(shí)際跟蹤路徑與規(guī)劃路徑間橫向偏差統(tǒng)計(jì)

3.3 環(huán)境信息采集穩(wěn)定性測試試驗(yàn)

環(huán)境參數(shù)測量連續(xù)性記錄結(jié)果如表5所示。其中，11月12日各項(xiàng)環(huán)境參數(shù)數(shù)據(jù)缺失量均為0，11月13日環(huán)境參數(shù)數(shù)據(jù)缺失量為16，11月14日環(huán)境參數(shù)數(shù)據(jù)缺失量為8，原因應(yīng)與網(wǎng)絡(luò)波動有關(guān)，但總體數(shù)據(jù)完整，環(huán)境信息采集穩(wěn)定。

分析試驗(yàn)期間共72 h的測量數(shù)據(jù)，Arduino控制器通過WiFi模塊連接互聯(lián)網(wǎng)每1 h向服務(wù)器發(fā)送一次環(huán)境參數(shù)，3 d理論上共采集864條記錄。試驗(yàn)結(jié)果全部保存在數(shù)據(jù)庫中，試驗(yàn)后統(tǒng)計(jì)數(shù)據(jù)庫共存儲840條記錄且無異常數(shù)據(jù)，缺失24條數(shù)據(jù)，根據(jù)張傳帥等[39]丟包率計(jì)算方法，3 d平均丟包率為2.78 %，環(huán)境信息上傳穩(wěn)定。

表5 連續(xù)性測量各環(huán)境參數(shù)的數(shù)據(jù)總數(shù)量和數(shù)據(jù)丟失數(shù)量

3.4 環(huán)境參數(shù)測量精度測試試驗(yàn)

通過溫室環(huán)境參數(shù)實(shí)測值與對比值的比較（圖9），由定性分析可知，移動工作臺采集數(shù)據(jù)隨時間變化曲線與采集器采集的溫室環(huán)境參數(shù)隨時間變化趨勢的一致性表明移動工作臺采集的環(huán)境參數(shù)具有一定的準(zhǔn)確性；由定量分析可知，在72 h的采樣時間段內(nèi)，溫度實(shí)測值與對比值之間差值的最大值為1.6 ℃，最大相對誤差為0.63%；相對濕度實(shí)測值與對比值之間的最大值為2.3%，最大相對誤差為0.34%；光照度實(shí)測值與對比值之間的最大值為320 lx，最大相對誤差為0.70%；二氧化碳濃度實(shí)測值與對比值之間的最大值為136 mg/m3，最大相對誤差為0.67%。

圖9 溫室環(huán)境參數(shù)實(shí)測值和對比值對比曲線

4 結(jié) 論

1）研制了基于超寬帶（Ultra Wide Band，UWB）技術(shù)與物聯(lián)網(wǎng)的移動式溫室環(huán)境監(jiān)測系統(tǒng)，可移動監(jiān)測溫室環(huán)境。該系統(tǒng)采用模塊化的硬件結(jié)構(gòu)設(shè)計(jì)、分層式的軟件結(jié)構(gòu)設(shè)計(jì)，兼顧了系統(tǒng)對數(shù)據(jù)通量與響應(yīng)速度的要求。結(jié)合遠(yuǎn)程監(jiān)測平臺，實(shí)現(xiàn)了對移動工作臺的遠(yuǎn)程控制、精準(zhǔn)定位和對溫室環(huán)境的遠(yuǎn)程實(shí)時監(jiān)測。

2）系統(tǒng)靜態(tài)定位最大橫向偏差為7.92 cm，最大縱向偏差為7.98 cm，橫向和縱向偏差的平均值均<5 cm；移動工作臺以0.4 m/s的速度行駛，動態(tài)定位最大橫向偏差為8.7 cm，平均橫向偏差為4.7 cm，當(dāng)移動工作臺速度增加時，定位精度下降。采集的溫室環(huán)境參數(shù)上傳遠(yuǎn)程監(jiān)控平臺時的平均丟包率為2.78%，環(huán)境信息采集穩(wěn)定。溫度、相對濕度、光照度和二氧化碳濃度實(shí)測值與對比值之間最大相對誤差分別為0.63%、0.34%、0.70%和0.67%，環(huán)境監(jiān)測精度較高。該系統(tǒng)對遠(yuǎn)程環(huán)境調(diào)控技術(shù)和溫室內(nèi)作業(yè)機(jī)具精準(zhǔn)定位技術(shù)的發(fā)展具有一定的理論意義和參考價(jià)值。

[1]劉霓紅，蔣先平，程俊峰，等. 國外有機(jī)設(shè)施園藝現(xiàn)狀及對中國設(shè)施農(nóng)業(yè)可持續(xù)發(fā)展的啟示[J]. 農(nóng)業(yè)工程學(xué)報(bào)，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，李天華，等. 雙激光雷達(dá)溫室運(yùn)輸機(jī)器人導(dǎo)航系統(tǒng)研制[J]. 農(nóng)業(yè)工程學(xué)報(bào)，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]郭世榮，孫錦，束勝，等. 國外設(shè)施園藝產(chǎn)業(yè)概況、特點(diǎn)及趨勢分析[J]. 南京農(nóng)業(yè)大學(xué)學(xué)報(bào)，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，晉春，陳勇. 溫室環(huán)境控制方法研究進(jìn)展分析與展望[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，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]孫錦，高洪波，田婧，等. 我國設(shè)施園藝發(fā)展現(xiàn)狀與趨勢[J]. 南京農(nóng)業(yè)大學(xué)學(xué)報(bào)，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]付學(xué)謙，周亞中，孫宏斌，等. 園區(qū)農(nóng)業(yè)能源互聯(lián)網(wǎng)：概念、特征與應(yīng)用價(jià)值[J]. 農(nóng)業(yè)工程學(xué)報(bào)，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，王紀(jì)章. 溫室環(huán)境信息智能化管理研究進(jìn)展[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，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. 農(nóng)業(yè)溫室智能控制系統(tǒng)的設(shè)計(jì)與開發(fā)[D].大連：大連海洋大學(xué)，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]雷鈞，殷國鑫. 基于太陽能的大棚溫控系統(tǒng)設(shè)計(jì)與試驗(yàn)[J].農(nóng)機(jī)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]張猛，房俊龍，韓雨. 基于ZigBee和Internet的溫室群環(huán)境遠(yuǎn)程監(jiān)控系統(tǒng)設(shè)計(jì)[J]. 農(nóng)業(yè)工程學(xué)報(bào)，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]馬增煒，馬錦儒，李亞敏. 基于WIFI的智能溫室監(jiān)控系統(tǒng)設(shè)計(jì)[J]. 農(nóng)機(jī)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]龐子杰. 基于嵌入式智能溫室環(huán)境監(jiān)控系統(tǒng)設(shè)計(jì)[D]. 保定：河北大學(xué)，2018. Pang Zijie. Design of Embedded Intelligent Greenhouse Environment Monitoring System[J]. Baoding: Hebei University, 2018. (in Chinese with English abstract)

[16]許朋，孫通，馮國坤，等. 基于STM32的智能溫室無線監(jiān)控系統(tǒng)設(shè)計(jì)[J]. 農(nóng)機(jī)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]趙文兵，毛罕平，馬萬征. 基于物聯(lián)網(wǎng)的智能溫室遠(yuǎn)程監(jiān)控系統(tǒng)設(shè)計(jì)[J]. 中國農(nóng)機(jī)化學(xué)報(bào)，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，陳雪瑞，賈敬敦，等. 基于微信平臺的溫室環(huán)境監(jiān)測與溫度預(yù)測系統(tǒng)[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，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. 基于物聯(lián)網(wǎng)的溫室大棚環(huán)境監(jiān)控系統(tǒng)設(shè)計(jì)方法[J]. 農(nóng)業(yè)工程學(xué)報(bào)，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]張慶雷. 基于物聯(lián)網(wǎng)架構(gòu)的可移動溫室環(huán)境監(jiān)測系統(tǒng)研究[D]. 泰安：山東農(nóng)業(yè)大學(xué)，2018. Zhang Qinglei. Movable Monitoring System for Greenhouse Environment[D]. Taian: Shandong Agricultural University, 2018. (in Chinese with English abstract)

[24]張世昂，付根平. 農(nóng)業(yè)智能巡檢小車的設(shè)計(jì)[J]．中國農(nóng)機(jī)化學(xué)報(bào)，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 ? 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]林相澤，王祥，林彩鑫，等. 基于超寬帶的溫室農(nóng)用車輛定位信息采集與優(yōu)化[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，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室內(nèi)定位系統(tǒng)研究與實(shí)現(xiàn)[D]. 上海：華東師范大學(xué)，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的智能巡邏機(jī)器人設(shè)計(jì)與實(shí)現(xiàn)[D]. 哈爾濱：哈爾濱理工大學(xué)，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]吳承鈺. 基于UWB的室內(nèi)定位系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D]. 哈爾濱：哈爾濱工業(yè)大學(xué)，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]孫頂明. 基于CHAN-Taylor的室內(nèi)復(fù)雜環(huán)境UWB定位算法研究[D]. 南京：南京郵電大學(xué)，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，宋興國，等. 基于改進(jìn)增量卡爾曼濾波算法的UWB室內(nèi)定位研究[J]. 機(jī)械設(shè)計(jì)與制造，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，吳云章，婁泰山. 欠觀測條件下的增量 Kalman 濾波方法[J]. 機(jī)械強(qiáng)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，李樹強(qiáng)，劉剛. 基于相似度的溫室無線傳感器網(wǎng)絡(luò)定位算法[J]. 農(nóng)業(yè)工程學(xué)報(bào)，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，許苗，張京開，等. 溫室作業(yè)機(jī)具室內(nèi)定位方法研究[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，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]張傳帥，張?zhí)祢?，張漫，? 基于 WSN 的溫室環(huán)境信息遠(yuǎn)程監(jiān)測系統(tǒng)[J]. 中國農(nóng)業(yè)大學(xué)學(xué)報(bào)，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，李天華，等. 基于UWB與物聯(lián)網(wǎng)的移動式溫室環(huán)境監(jiān)測系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J]. 農(nóng)業(yè)工程學(xué)報(bào)，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

十三五國家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目智能農(nóng)機(jī)裝備專項(xiàng)“溫室智能化精細(xì)生產(chǎn)技術(shù)與裝備研發(fā)”（2017YFD0701500）；山東省重大科技創(chuàng)新工程項(xiàng)目（2019JZZY020620）

侯加林，博士，教授，主要從事設(shè)施農(nóng)業(yè)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