（农业电气化与自动化专业论文）wsn土壤湿度采集节点电压补偿方法研究

《（农业电气化与自动化专业论文）wsn土壤湿度采集节点电压补偿方法研究》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、江苏大学硕士学位论文摘要准确、及时地掌握农嘲一卜壤水分含量信息，提高灌溉用水效率，对农业生产和经济发腱意义十分重人。将无线传感器网络(WSN)技术应用于农rfl土壤水分检测j：，制定合理的节水灌溉方案，受到越来越多的研究人员的重视。依据农业IL-I_的特点，本文采用低电压、低功耗的EC．5七壤湿度传感器和CC2430片上系统，设计了适合于农}}l土壤湿度信息采集的WSN节点。针对节点传感器检测误差的来源，重点分析了节点电挫对EC一5传感器检测结果的影响，从硬件和软件两个方面研究电膻补偿的方法。如

2、果采用硬件稳压措施，虽然节点成本增加有限，但是稳压电路的额外能耗会大幅增加节点的能耗，缩短节点电池使用寿命，不符合WSN没计要求。由于神经网络具有很强的逼近任意连续非线性函数的能力，能够对节点中非线性传感器系统进行逆向建模，且考虑到WSN节点硬件资源有限、计算能力差，本文利用神经网络的基本理论，提出一种不需要增加通信代价和传感器节点能耗的有效电压补偿方法，在上位机上将采集到的土壤湿度和节点电压数据经过预处理后作为神经网络的训练样本，构建节点电压补偿模型。通过组建星型结构的WSN节点电压补偿实验平

3、台进行实验，理论分析和实验结果表明，该补偿方法可有效地消除节点电压变化对采集到的土壤湿度信息的影响。当节点电压从3．2V下降到2．1V时，补偿后士壤湿度信息误差减少到1V01．％以内。关键词：无线传感器网络；土壤湿度传感器；神经网络；电压补偿江苏大学硕士学位论文ABSTRACTDetectingthesoilwatercontentinformationoffarmlandaccuratelyandtimelytOimprovetheefficiencyofirrigationisverysig

4、nificanttoagricultureproductionandeconomicdevelopment．Establishingreasonablewater-savingirrigationschemebyapplyingwirelesssensornetwork(WSN)technologytOtestsoilwatercontenthavebeengotattentionbymoreandmoreresearchers．AccordingtOthecharacteristicofagr

5、icultureproduction，CC2430andEC·5soilmoisturesensorwithlow—voltageandlow-powerareused，andWSNnodeswhicharesuitableforcollectingsoilmoistureinformationaledesignedinthispaperVoltagecompensationmohodwasresearchedfromhardwareandsoftwareafteranalyzingthesou

6、rceofdetectionerror,especiallytheinfluenceofEC一5sensor’Soutputcausedbynodevoltagevariety．IfhardwaremethodofvoltagestabilizerWasused，thenodecostincreaseslimitedly,buttheadditionalenergyconsumptionintroducedbyvoltagestabilizingcircuitwillgreatlyincreas

7、ethesensornode’Senergyconsumption，reducethelifeofnodebakery,thisdoesn’tmeetthedesignrequirementsofWSN．Theneuralnetworkhasastrongabilitytoapproximateanycontinuousnonlinearfunction，anditcanperformtheinversemodelingofnonlinearsensorsystem．Consideringthe

8、limitedresourcesandweakcomputingabilityofWSNnodeS，aneffectivecompensationmethodispresentedaccordingtOthebasictheoryofneuralnetwork，itestablishesthevoltagecompensationmodelofWSNnodeafterthedataofsoilmoistureandnodevoltageispretreatedasthetrainingsampl