冷库氨气无线监测系统与泄漏点定位方法*

王 华，杨祥龙，李 琦，曹 泓，王立人

（浙江大学生物系统工程与食品科学学院，浙江杭州 310029）

0 引言

近年来随着我国农产品、水产品和肉类加工等食品冷链行业的快速发展，冷库氨气泄漏事故发生更加频繁，极大地影响了人民健康与社会安全。冷库泄漏事故不同于一般的环境污染，事故发生的时间、地点、环境具有很大的不确定性。因而，该事故具有发生突然、处理处置艰巨等特点［1］。目前，我国大部分地区遇到此类突发事故都是由消防人员去现场关闭阀门，很难做到及早发现和快速解决。

随着无线传感器网络技术在环境监测、目标定位等领域的广泛应用，国内外近几年都开始采用无线技术来实现污染气体在线监测。韩国的Kwon Jong-won等人［2］2007年设计了一个基于Zig Bee技术的城市监测系统，实现了粉尘、CO2的在线监测。李勋涛等人［3］2010年设计了有毒气体无线监测网络，采用了Zig Bee技术结合电化学传感器阵列，实现了甲醛气体的监测。

应用无线传感器网络来监测环境已经成为趋势［4］，但是上述研究都没有引入无线传感器网络自身的技术优势，并且位置信息对于监测活动至关重要，目标事件发生的位置或者节点位置信息是环境监测信息的重要组成部分［5］。本文在设计了冷库氨气无线监测系统的基础上，并结合无线传感器网络在目标定位方面的优势，对比了最近点法和质心算法的定位效果，为冷库氨气泄漏事故的及早解决奠定了基础。

1 氨气无线监测系统设计

Zig Bee技术是一种低速率、低功耗、低成本的无线网络协议，特别适用于构建环境监测系统。Zig Bee标准支持三种主要的自组织无线网络类型，即星型网络、Mesh网络和簇状网络。星型网络是构建大规模监测网络的基础，本文根据氨气泄漏范围不大、所需要的节点个数不多的实际情况，采用了星型的网络拓扑结构，构建了氨气无线监测系统。该氨气监测系统由多个氨气传感器节点和一个协调器组成。协调器负责建立网络，与传感器节点进行通信，接收传感器节点采集的数据，显示各个节点的连接状态，并在LCD屏上显示。氨气传感器节点负责实时采集氨气体积分数信息，并将采集到的数据经过初步处理，发给协调器。氨气无线监测系统如图1所示。

图1 氨气无线监测系统架构Fig 1 Ammonia wireless monitoring system architecture

系统采用JN5139无线微处理器芯片，这是一种兼容IEEE 802.15.4的低功耗，低成本无线微型控制器。该模块内置一种16 MHz、32位的 RISC处理器，集成了工作于2.4 GHz频段的射频模块，同时提供了4路ADC输入、异步串行口、SPI接口等，为无线传感器网络应用提供了集成化解决方案。系统硬件设计框图如图2所示，传感器数据采集模块通过氨气传感器对周围环境中的氨气体积分数信息进行采样，然后通过信号调理电路对采集到的电流信号进行放大处理，最后经过A/D转换将信号数字化，便于控制芯片进行处理。针对氨气泄漏场所环境复杂，存在低温等因素，本文选用基于电化学原理的氨气传感器，由瑞士Membrapor公司生产的，型号为NH3/MR—100，测量范围是0～100×10－6，适用于 －10～40℃。氨气传感器的输出信号经过调理电路接入JN5139的AD通道，然后经过初步的数据处理，发送给协调器。协调器配置了液晶和按键，能够显示环境参数值和各个节点的连接状态，也可以通过串口将数据传送到计算机进行处理。

图2 节点硬件结构框图Fig 2 Hardware structure block diagram of node

2 泄漏源定位算法原理

2.1 氨气扩散模型的简化

如果冷库机房的某个未知位置发生氨气泄漏事故，氨气从泄漏点扩散到远处的过程是浓度呈梯度下降的过程。国内外学者对气体扩散规律进行了大量研究，提出了很多扩散模型。其中高斯扩散模型（Gaussian dispersion model）的试验数据较为充分，计算结果与试验值能较好吻合，使用最为广泛［6］。冷库中，管道破裂、阀门泄漏或储罐穿孔时的扩散模式属于连续点源扩散，符合建立高斯扩散模型的条件。

为了提出高斯模型，还需要做如下假设:

1）假定燃气在扩散的过程中没有沉降、化合、分解及地面吸收的发生;

2）泄漏气体连续均匀地排放;

3）扩散空间的风速、大气稳定度都均匀、稳定;

当平均风速低于0.5 m/s时，根据以上假设条件，则距离泄漏点r气体质量浓度为

式中C（ri）为距离泄漏点r处的传感器节点i浓度测量值，kg/m3;Q为气体源的泄漏速率，m3/s;r为空间内任意一点到泄漏点的距离，m;a，b为扩散系数，m;t为静风持续时间，s;h为泄漏点的高度，m。

根据Pasquill-Gifford模型扩散系数方程，在大气稳定度级别为F左右情况下，距离泄漏源r处的扩散系数a和b的值为

式中m，n为常数。

假设泄漏点和传感器位置在同一水平面上，周围环境处于静风状态。并且在实际应用环境中，由于传感器测得的氨气体积分数总会伴有测量误差和噪声，通常将噪声假定为加性高斯白噪声，背景噪声wi，满足正态分布N（μ，δ），其中，μ为0。式（2）可以简化为［7］

式中C（ri）为距离泄漏点r处的传感器节点i浓度测量值;

u为扩散系数;α为扩散衰减因子;wi为加性高斯白噪声。

2.2 泄漏源定位算法

实际应用中广泛采用的是氨气体积分数超限报警方式，但某个氨气传感器检测到氨气超过安全范围时，监测系统发出报警信号，让工作人员来进行处理。这种超限报警方法数学模型是最近节点法（closest point method，CPM），其原理就是假设泄漏点就在传感器附近，最近点的计算模型如下

C（rm）就是所有传感器节点中最大的测量值，则气体泄漏源的位置坐标（xo，yo）可由下式得出

基于无线传感器网络的定位技术分为基于测距方法和基于非测距方法。基于测距方法的原理是通过监测物理量获得节点与目标之间的距离信息，其定位结果的精度在一定程度上依赖于被测物理量的测量精度。几种常见的测距技术有基于到达时间（ToA）、到达角度（AoA）、节点接收信号强度（RSSI）。常见的非测距方法有近似三角形内点测试法（APIT）、质心算法等。

为了便于在协调器上实现泄漏源定位算法，本文采用了组合三边测量法和质心算法来预估泄漏源的位置信息。假设传感器节点个数为N个，任意3个节点根据三边测量法就可以确定一个泄漏点，这样N个节点就可以预估个泄漏点。然后根据质心算法，求的个泄漏点组成的多边形的质心就是预估泄漏点的最终坐标（xo，yo）［8］。令n=，则质心算法的计算方法如下

3 模拟实验与结果分析

实验场地选在一个7 m×8 m的空旷房间，房间内放置一个装有氨水的烧杯模拟氨气泄漏源，实验使用了5个氨气传感器节点和1个协调器节点。实验包括两部分，一是进行氨气挥发量实验，测定烧杯中氨水的氨气排放系数，二是进行氨气泄漏定位实验，根据传感器节点监测到的氨气体积分数值，预估泄漏点的位置。

3.1 氨气挥发量实验

在进行泄漏源定位实验之前，需要先测定一定时间内氨气的挥发量。氨气挥发量实验在相同的环境下进行。挥发量测定的方法是先在烧杯中加入40mL体积分数为25%的氨水和40 mL蒸馏水，然后每隔0.5 h取样一次测定氨水的浓度，最后根据氨水浓度变化值确定氨气挥发量。氨水浓度变化曲线如下图所示。

图3 氨水浓度与时间关系Fig 3 Relation between ammonia solution concentration and time

从图中可知，氨水浓度随着时间不断下降，但是下降的速度越来越慢。氨气泄漏定位实验集中在前面1 h，因此，取开始1 h内的氨水浓度变化做为挥发量计算的依据，进行线性拟合，如图4所示，相关系数0.94，模型拟合效果较好。最终得到氨水浓度变化方程为

式中y为烧杯中氨水浓度值，g/L;t为时间，h。

图4 开始1 h氨水浓度变化Fig 4 Change of ammonia solution concentration in the first hour

对方程y进行求导，可以得出烧杯中80 mL氨水开始1 h内氨气挥发量Q为 3.68 g/h，即 1.022 mg/s。

3.2 氨气泄漏定位模拟实验

模拟实验采用自己研发的氨气无线监测系统，在传感器节点密度不同的情况下，进行定位误差对比实验。首先5个传感器节点分别均匀布置在区域是9，16，25，36 m2的面积内进行定位实验，模拟泄漏源的烧杯随机放置在场地内坐标为（x，y）的位置;然后根据5个传感器节点监测的实时数据，采用最近节点法和质心算法来预估泄漏源的位置;最后根据定位的结果与实际的泄漏源之间的距离计算定位误差。

假设实验重复进行了k次，则定位误差

3.3 实验结果分析

结果如图5所示。当监测面积增大的时候，最近点法和质心法的定位误差都会增加，但是相对于最近点法，质心算法在相同面积的情况下能减少50%左右的定位误差。虽然质心算法增加了实现的复杂度和计算量，但在面积较大的情况下也能保持很高的定位精度。

图5 定位误差与监测面积Fig 5 Localization error vs monitoring area

定位误差是反应定位精确度的重要指标，但是定位误差的绝对距离不能反应不同监测面积下的定位精度。因此，比较合理地方法是采用相对定位误差来比较不同面积下的定位精度。相对定位误差为定位误差与监测区域边长的比值。实验结果显示，质心算法的相对定位误差为11%左右，并且随着面积增大，相对定位误差基本保持稳定，而最近点法相对定位误差约为24%，并且随着面积增大，相对定位误差也在增大。因而，在实际生产中，采用质心算法能有效地改进目前超限报警方式的氨气监测系统。

图6 监测面积与相对定位误差Fig 6 Relative localization error vs monitoring area

4 结论

危险气体泄漏事故威胁到人民群众的身体健康和生命安全，目前的气体监测系统都有一定的局限性，只是简单地进行监测和报警，没有发挥在事故预防和处理上的优势。本文针对冷库氨气泄漏的实际情况，设计了一种基于WSNs的氨气监测系统，详细介绍了传感器节点、协调器节点的软硬件设计，提出了适用于氨气泄漏定位的扩散模型和定位算法，最后对最近点法和质心算法进行了模拟实验和分析，为今后的实际应用奠定了基础。本文将无线传感器网络的定位技术应用到氨气泄漏定位中，大大地发挥了无线传感器网络的优势，为今后改进冷库氨气监测系统提供了技术参考。

［1］沈立峰，赵凌宇.大气污染事故预测系统的研究［J］.污染防治技术，2006，19（5）:3 －6.

［2］Kwon Jong-won，Park Yong-man，Koo Sang-jun，et al.Design of air pollution monitoring system using Zig Bee networks for ubiquitous-city［C］//2007 International Conference on Convergence Information Technology，2007:1024 －1031.

［3］李勋涛，余晓芬，胡佳文，等.有毒气体无线监测网络设计［J］.传感技术学报，2010，23（6）:888 －892.

［4］张 潜，杨祥龙，郭希山，等.低成本适用型温室环境测控系统［J］.农业机械学报，2008，39（2）:195 －198.

［5］Chen Huimin，Rong L X.Source parameter estimation of atmospheric pollution using regularized least squares［C］//2008 11th International Conference on Information Fusion，2008.

［6］Sahyoun S S，Djouadi S M，Qi Hairong.Source localization using stochastic approximation and least squares methods［C］//2nd Mediterranean Conference on Intelligent Systems and Automation，Zarzis，Tunisia，2009.

［7］Michaelides M P，Panayiotou C G.Plume source position estimation using sensor networks［C］//Proceedings of the 13th Mediterranean Conference on Control and Automation，Limassol，Cyprus，2005.

［8］陈维克，李文锋，首 珩，等.基于RSSI的无线传感器网络加权质心定位算法［J］.武汉理工大学学报:交通科学与工程版，2006，30（2）:265 －268.