(扬州大学 信息工程学院,江苏 扬州225127)
陈泽宇,陈舒涵,杨钦榕,陈万培
电力行业是物联网的一个新的应用领域,基于电力物联网的各类传感器被用于监测输电线路运维安全。
电力物联网产品可以全天候、全方面监控输电线路状态,具有不可替代性。
杆塔倾斜度监测传感器是电力物联网产品中用于实时监测杆塔倾斜度,防止因杆塔倾倒而出现安全事故。
杨洪磊等[1]提出使用对中心波长变化敏感的光纤传感技术来测量杆塔倾斜度,然而由于光纤传感技术设备的昂贵很难普遍使用。
王榆夫等[2]指出可以使用无人机航拍提取杆塔的中轴线与地面法线之间的夹角来确定杆塔的倾斜度,航拍无法做到实时监测,同时在恶劣复杂的环境中无法使用。
穆晓辰等[3]提出可以使用北斗与GPS 双系统来监测杆塔的滑移状态,提前报告防止安全事故发生,然而在一些地质灾害易发生地段由于安装条件的限制无法安装。
笔者认为可以使用铅锤法、经纬仪测量以及激光雷达测量,但这些方式不仅需要人工测量,无法实时监测,而且检测设备昂贵且高功耗,难以实现大范围内的推广与应用[4-5]。
针对以上问题,本文提出了一种基于惯性传感器的低功耗杆塔倾斜度测量设备,其特点有:(1)体积小巧,便于安装,电池供电方便维护;(2)采用远距离通信协议LoRa 传输数据,并在硬件与软件上满足低功耗要求;(3)对加速度计采集到的原始数据先低通滤波去除高频部分,再使用改进型滑动平均值滤波计算较高精确度的综合倾斜度。
确定杆塔倾斜度,可以避免输电杆塔因局部环境或者外力因素而导致倒塔断线造成的安全隐患。
如图1 所示,OX 为顺线方向,OY 为垂直导线方向(横线方向),OZ 为垂直方向,即可建立一个三维笛卡尔坐标系。
OB 在平面YOZ、平面XOZ、平面XOY 上的投影分别为OA、OC、OB′,OD 为测量点距离地面的高度,OD 与OC 的夹角θ1称为顺线倾斜角,OD 与OA 的夹角θ2称为横向倾斜角,OD 与OB 的夹角θ3称为综合倾斜角。
可以得到以下几种几何关系。
图1 杆塔倾斜度测量模型
式(6)中的Gx为顺线倾斜度,式(7)中的Gy为横向倾斜度式(8)中的Gz为综合倾斜度。
2.1 倾角计算
检测物体倾角的传感器一般有两种,陀螺仪与加速度计。
陀螺仪可以检测物体的角速度,再将角速度积分便可以得到倾角,该方式虽然简单,但误差也会随着积分次数的增加而不断累积。
加速度计则是通过重力矢量及其在加速度计轴上的投影来确定物体倾角。本文中使用的是3 轴MEMS 倾角传感器村田SCL3300。
如图2 所示,假设传感器的X 轴与水平面xOy 之间的夹角称为俯仰角α,Y 轴与xOy 之间的夹角称为滚转角β,Z 轴与重力加速度g 方向夹角为γ。
图2 三轴加速度计倾角计算模型
由于3 个轴的读数ax,ay,az为重力加速度在3 个轴上的投影,因此可得:
再根据平行四边形法则可得:
从而得到:
在理想的状态下,加速度计的精度直接决定倾角测量的精度,而重力加速度是影响加速度计精度的唯一因素。
但杆塔上的情况复杂,会因风力等因素影响而在加速度计测量的信号上叠加干扰信号,因此,需要对原始加速度信号进行处理,使用低通滤波去除信号中的高频噪声。
然后再使用改进型的滑动平均值滤波进行综合倾斜度的计算。
2.2 改进型滑动平均值滤波
虽然加速度计的原始数据经过低通滤波去除高频噪声,但依旧会有原理性导致的误差需要去除或降低,从而得到更接近于真实值的数据。
当前处理数据的常用方法一般有限幅平均滤波、卡尔曼滤波等,但这类算法比较复杂,比如卡尔曼滤波的计算时间较长,占用大量CPU 资源,不适用于低功耗、低成本的实时嵌入式系统。
考虑到效率问题,本文使用实时性较好的滑动平均滤波,虽然数据经过滑动滤波后可以去除干扰,可以稳定平滑,但该滤波方式需要占用RAM 的资源,同时无法处理突变的数据。
因此,本文对滑动平滑滤波进行了改进:(1)直接使用一个变量保存所有数据的累加和,再用累加和除以数据个数得到滤波后的平均值;(2)对数据进行限制,即设定阈值,超过阈值时立即更新平均值。
经过改进的滑动平均值滤波器兼顾了实时性与稳定性,流程如图3 所示。
图3 改进型滑动平均值滤波算法流程
3.1 总体设计
杆塔倾斜测量设备需要上传的数据量较少,因此数据传输速率可以较低。
工程上常用的无线通信协议有NB-IoT,ZigBee,LoRa 等。
Zigbee 传输距离短而且芯片价格较贵,NB-IoT 传输距离远但需要移动通信网络的支持,LoRa 既可以实现远距离通信,又可以使用免费的频段,因此杆塔倾斜测试设备使用LoRa 进行报文传输,具体流程如图4 所示。
图4 LoRa 协议下杆塔倾斜系统整体设计
倾斜测量设备采用的加网方式为OTAA(空中激活方式),设备加网后将采集的数据发给网关,网关通过4G 将数据发至服务器。
3.2 硬件单元设计
基于LoRa 的杆塔倾斜测量设备如图5 所示,倾斜度传感器使用STM32L051C6T6 芯片、SX1280 以及SCL3300 倾斜传感器。
STM32L051C6T6 是一款低功耗芯片,内核为Corte-M3,在复杂环境下可正常工作,时间信号由32.768 kHz 的外部晶振提供,ADC 口监测电池电压。
通信使用Semtech 公司低功耗收发一体的LoRa 模块SX1280,可在2.4 GHz 下达到2 km 的远距离通信,抗干扰能力强,接收灵敏度可达-132 dBm,倾斜度测量传感器使用的是SCL3300,精度可以达到±0.5°,因此其通信距离、精度、功耗等方面均满足设计需要。
LoRa 协议中对终端节点分类,本传感器为Class A,也是功耗最低的。
图5 基于LoRa 的杆塔倾斜测量设备
式(12)、式(13)、式(14)分别计算数据传输速率、接收灵敏度、传输距离,SF为扩频因子、BW为信道带宽、CR为编码率、Pt为发射功率、L0 为介质损耗,f为中心频率。
经过理论计算与实验后,为满足低功耗需求,选择的SF为8,BW为125 kHz,CR为4/5,此时的传输距离测得为1.4 km 左右。
3.3 软件单元设计
3.3.1 杆塔倾斜度报文设计
报文设计如表1 所示,LoRa 使用的是OTAA 加网方式,因此报文中有DevEUI,APPEUI,APPKey 3 个参数,其中DevEUI 为测量设备唯一ID,除此以外还包括综合倾斜度,顺线倾斜度,横向倾斜度,以及用于监测传感器电池状态的电池电压。
表1 ZigBee 杆塔倾斜系统报文
3.3.2 传感器、网关与服务器
LoRa 通信协议下设备、网关与服务器数据交互如图6 所示。
设备发出的加网命令通过网关送至网络服务器(NS),NS 确认后在加网回复时分配网络地址,双方使用AppKey 与加网回复信息计算出NwkSKey 与AppSKey 对数据加密、解密与校验,传感器可以请求加网3 次。
传感器加网后将加密的采集数据通过网关发至服务器。
服务器收到加密报文后,会使用NwkSKey与AppSKey 对报文进行校验与解密,解密后的数据会存储到本地方便用户后台查询。
图6 传感器、网关、服务器交互
设备使用电池供电,因此不仅要在硬件选材设计上达到低功耗的要求,还需要在软件设计上满足低功耗需要。
对于杆塔这类倾斜变化缓慢的物体,并不需要测量设备不间断监测,基于此,杆塔倾斜设备可以每间隔一定的时间进行采样与数据处理,这种方式不仅可以降低功耗,而且可以定时与服务器取得通信,以防设备出现故障而掉线,可以随时检修。
当设备采样、数据处理与发送完成后,单片机没有计算任务,此时可以将设备设置为睡眠状态,降低功耗。
因此,可以使用定时中断模式,通过定时器,定时唤醒设备执行数据读取、计算、通信等任务。
为防止设备睡眠期间倾角发生变化,允许倾角传感器在检测到角度变化时通过中断引脚向单片机发送信号,将设备从睡眠中唤醒,所以在设备睡眠之前需要单片机开启外部中断串口。
通过以上操作基本可以在硬件与软件两个层面满足设备低功耗的要求。
为测试杆塔倾斜设备的功耗情况与倾角测量准确度,本文设置了两个实验。
倾角测量对比实验方法如下:首先将两个杆塔倾斜设备固定在同一铁杆上,其中一个数据无滤波处理,接着使用铅垂线确定垂直线,之后以铁杆与地面接触点为圆心慢慢旋转铁杆。
假设铁杆安全倾角为0 ～45°,每旋转5°对倾角进行一次测量,同时轻微晃动铁杆模拟风中杆塔微微晃动的情况,实验测量数据如表2所示。
表2 有无滤波处理的倾角数据对比
数据有滤波处理的设备测量的倾角相对于没有滤波处理的设备误差要小,相对精度控制在1.0%左右,满足杆塔倾斜监测的需求。
功耗对比实验如下:将本设备定时唤醒时间设置为10 分钟,以ZigBee 协议的杆塔倾斜设备作对比,使用电流表监测两设备在睡眠状态与工作状态下的电流大小,结果如表3 所示。
表3 中,在同样的工作电压下,LoRa 设备的功耗微大于ZigBee 设备,这是由于LoRa 模块需要通过STM32芯片驱动,但 LoRa 设备的传输距离与穿透能力却是ZigBee 设备不能相比的。
此时可以计算LoRa 设备的传输速率:
表3 两种协议下传感器各项数据比较
而ZigBee 设备的传输速率可以达到250 kbps,可以看出LoRa 通过牺牲传输速率来达到远距离通信,所以LoRa 的速率越快,传输距离反而会缩短。
表3 中LoRa 的发射功率为ZigBee 的两倍,功耗也差不多为两倍。
并且杆塔上干扰多,ZigBee 传输距离急剧缩短,存在较多丢包现象,LoRa 表现比较稳定,丢包率极低,采用2 500 mah 电池ZigBee 理论能工作12 年,LoRa 能工作8 年,均能满足国网要求,综合考虑稳定性及工作年限后,LoRa 设备更适用于输电线路杆塔倾角测量。
本文从低功耗和精确测量角度两方面出发,设计杆塔倾斜监测设备。
为满足设备低功耗的需求,在硬件设计与软件设计都做了处理。
软件设计不仅设置了定时唤醒工作模式,而且使用低通滤波与改进型滑动平均值滤波处理原始数据,使得设备测量的倾角更加准确。
论文实现了对输电杆塔倾斜的实时监测,却没有实现对输电杆塔倾斜趋势的预测,这是今后研究方向。
猜你喜欢 加速度计倾角滤波 基于HP滤波与ARIMA-GARCH模型的柱塞泵泄漏量预测农业工程学报(2022年10期)2022-08-22基于改进自适应中值滤波的图像降噪方法*舰船电子工程(2022年6期)2022-08-02乘用车四轮定位参数设计时代汽车(2022年14期)2022-07-06系列长篇科幻故事，《月球少年》之八：地球轴倾角的改邪归正科学大众·小诺贝尔(2021年10期)2021-01-22基于CMAES算法的加速度计多位置新型标定方法智能计算机与应用(2018年2期)2018-05-23基于非下采样剪切波变换与引导滤波结合的遥感图像增强计算机应用(2016年10期)2017-05-12两轮自平衡车姿态参数检测研究科技视界(2016年20期)2016-09-29汽车行驶性能中车轮的重要影响速读·中旬(2015年10期)2015-10-21导航算法对捷联惯导系统精度的影响分析计算技术与自动化(2014年1期)2014-12-12合成孔径雷达图像的最小均方误差线性最优滤波西安交通大学学报(2009年12期)2009-02-08