朱達榮，張建輝，申興發(fā)，戴國駿

(1. 合肥工業(yè)大學(xué)計算機與信息學(xué)院 合肥 230009; 2. 安徽建筑工業(yè)學(xué)院電子與信息工程學(xué)院 合肥 230022;3. 杭州電子科技大學(xué)計算機學(xué)院 杭州 310018)

無線傳感器網(wǎng)絡(luò)受到廣泛的關(guān)注和研究，成為IT領(lǐng)域的一個研究熱點[1]。而能量有限是無線傳感器網(wǎng)絡(luò)明顯的不足[2]，為克服上述不足，研究者研制了新一代傳感器節(jié)點——可充電傳感器節(jié)點[3]。可充電傳感器節(jié)點充分利用自然界的能源，如太陽能、風(fēng)能等，對節(jié)點自帶的可充電電池進行充電。由于自然能量對充電電池充電具有時間和充電電量不確定等不可控因素，利用可充電傳感器節(jié)點構(gòu)建無線傳感器網(wǎng)絡(luò)將帶來如能量管理策略等許多新問題。在自然能量嚴重缺乏環(huán)境(如室內(nèi)環(huán)境)，充分利用充電電池儲存從自然界所獲得的電能，保證傳感器節(jié)點持續(xù)穩(wěn)定供電，無線傳感器節(jié)點的自然能量供電方式尤為重要。

1 相關(guān)研究工作

能量收集將自然界的能量轉(zhuǎn)化成電能，并加以儲存?，F(xiàn)有研究表明，可以將太陽能[3]、風(fēng)能[4]、動力和振動能量[5]，以及電磁能[6]等的收集技術(shù)應(yīng)用于傳感器網(wǎng)絡(luò)。基于能量收集技術(shù)，研究者設(shè)計了一些平臺從人類活動和自然環(huán)境中獲取能量[3,7-9]。其中為傳感器網(wǎng)絡(luò)而設(shè)計的平臺有Heliomote[8]、Prometheus[3]、 Trio[7]、 AmbiMax[9]和 PUMA[10]。Heliomote利用充電電池進行蓄電，Trio利用超大電容和充電電池進行聯(lián)合蓄電，但也有只用超大電容進行蓄電的平臺[11]。

在Heliomote平臺中，充電電板直接與其電池連接[8,12]。蓄電池被反復(fù)地頻繁充電，由于蓄電池固有的物理特性，充電電池可充電的次數(shù)非常有限[11]。鋰電池一般可以充電500次，而電容可以充電達百萬次[11]。

在超級電容和蓄電池混用的平臺中，如Prometheus[3]，一般有一個或者多個超級電容和蓄電池組成的蓄電設(shè)備序列。從太陽能電池板中獲得的能量首先被存儲在主超級電容中，而蓄電池作為備用，就可以減少蓄電池的充電次數(shù)，利用超級電容具有更多充電次數(shù)的優(yōu)勢。但是，通過測量充電電池的電壓并不能準確地獲知電池剩余能量，而通過測量電壓卻能很準確地獲知電容的剩余能量。

為了進一步解決使用單一自然能量造成不足，AmibMax平臺從多種自然能量中獲取電能，如太陽能、風(fēng)能。PUMA平臺針對多能量源設(shè)計了一種分布式功率切換機制和能耗比較算法，以此最大化所獲自然能量的使用效率。然而AmiMax平臺中使用風(fēng)能的裝置需要強勁的風(fēng)力才能獲得電能，但在很多環(huán)境下風(fēng)能非常少。

2 可充電傳感器節(jié)點供電設(shè)計

單用蓄電池會受到有限充電次數(shù)的限制，配合使用超大電容可以解決充電次數(shù)受限的問題。但是電容有漏電嚴重、電源不穩(wěn)定、體積過于龐大等不足。在自然能量充裕的環(huán)境下，蓄電池并不需要反復(fù)充電，無需電容。而在自然能量不充裕的情況下，如在室內(nèi)，相對充電電容的漏電問題顯得突出，此時增加電容量不是一個有效的方案。

2.1 干電池和充電電池的放電特性

將自然能量轉(zhuǎn)化成電能的技術(shù)很多[11]，本文以自然能量——光能為例。設(shè)計前對干電池和充電電池的放電特性進行了實驗觀察。

實驗中，干電池的容量為1 500 mAh，充電電池的容量為1 700 mAh，都為同樣的傳感器節(jié)點TelosB使節(jié)點供電，節(jié)點以1 min的周期和1%的占空比使LED工作，測量周期(sequence)為3 min。兩種電池的端電壓特性實驗曲線如圖1所示。從圖1a可以看到，充電電池的放電特性沒有干電池好。干電池在放電起初階段電壓下降緩慢；在中間較長的供電階段，供電電壓非常平穩(wěn)，梯度幾乎為零；在電池電量接近放盡時，電池端電壓才開始大幅度地下降。而充電電池從放電開始，電壓就開始緩慢下降；當接近電量放盡時，電壓下降梯度急劇增加，端電壓開始大幅度地下降。

圖1 干電池和充電電池的特性對比

在充電和放電同時進行的情況下，充電電池的電壓特性變得更復(fù)雜。充電電池同時充電和放電的實驗結(jié)果如圖1b所示。由圖可見，充電電池的電壓非常不穩(wěn)，變化幅度很大。單用充電電池不穩(wěn)定的電壓供電，難以保證傳感器節(jié)點的正常工作。

2.2 新版可充電傳感器節(jié)點供電設(shè)計原理

基于2.1節(jié)的實驗結(jié)果，新版可充電傳感器節(jié)點的供電應(yīng)采取不同于常規(guī)的設(shè)計方案。初版充電傳感器節(jié)點原理如圖2a所示，設(shè)計非常簡單，太陽能板直接對節(jié)點供電或?qū)π铍姵爻潆姟Ｐ掳婵沙潆妭鞲衅鞴?jié)點原理如圖2b所示，充電電源和傳感器節(jié)點兩個部分之間增加了用于能量管理的控制線路，充電電源由充電電池、干電池、太陽能板和控制電路4個部分組成。太陽能板可對充電電池充電，也可對傳感器節(jié)點供電；同樣，充電電池和干電池也可以對傳感器節(jié)點供電。微處理器采集太陽能板、充電電池和干電池的端電壓值，根據(jù)特定的算法和控制策略，將反饋信息傳輸給控制電路。控制電路根據(jù)微處理器的信息執(zhí)行供電和充電方案，有效地解決蓄電池被反復(fù)頻繁充電的問題。

圖2 初版和新版充電傳感器節(jié)點對比

在圖2b的充電電源部分，將干電池替換成充電電池，可讓太陽能充電板直接對兩對充電電池輪流充電。考慮到干電池優(yōu)良的供電特性，在設(shè)計時，充電電源部分使用干電池，原因是：1) 干電池的供電電壓相對穩(wěn)定，有較好的電壓特性，穩(wěn)定的電壓對于傳感器節(jié)點穩(wěn)定傳輸信號強度及提高數(shù)據(jù)采集精度都有重要的作用；2) 成本低；3) 在自然能量不足的情況下，太陽能充電電板所獲得的能量是匱乏的，往往無法給單對充電電池充滿電能。在該方案中，節(jié)點可以控制太陽能板、充電電池和干電池的動態(tài)供電。

2.3 新版可充電傳感器節(jié)點工作原理及供電策略

可充電傳感器節(jié)點主要由數(shù)據(jù)采集單元、數(shù)據(jù)處理單元、無線通信單元以及電源管理單元4個部分組成，如圖3所示。

數(shù)據(jù)采集單元主要由各種傳感器構(gòu)成，負責(zé)對外界信息的采集與傳輸。為了盡量降低能量消耗，設(shè)計為對傳感器子板與母板分別供電，傳感器子板的供電可控，傳感器能進入“睡眠”狀態(tài)。

本文選用鋰離子電池作為充電電池，它具有自放電率低的優(yōu)點。充電采用3段式充電方式，即預(yù)充電、恒流充電和恒壓充電3個過程。

圖3 新版充電傳感器節(jié)點結(jié)構(gòu)圖

電源管理及鋰電池的充電控制采用Fuzzy控制策略[13]，如圖4所示。在保證連續(xù)供電的情況下，供電優(yōu)先順序為太陽能板、鋰電池、干電池。若鋰電池充電沒有飽和，太陽能板同時對鋰離子電池充電；在日照不足或沒有日照時，鋰電池補充供電或單獨供電；極端情況下，由干電池供電。

圖4 Fuzzy控制策略

3 實驗評估

按照上述設(shè)計方案，本文制作兩版可充電傳感器節(jié)點。初版和新版充電傳感器節(jié)點同時在室內(nèi)、室外進行對比實驗。兩個環(huán)境分別是陽光充足的室外露天場所和裝有日光燈的實驗室，實驗時間為2 d。

3.1 實驗設(shè)計

為了方便實驗數(shù)據(jù)的采集和處理，能量管理方案的調(diào)試，本文構(gòu)建了一個可充電傳感器網(wǎng)絡(luò)。網(wǎng)絡(luò)平臺包括軟硬件兩個部分，硬件部分由可充電傳感器節(jié)點、中繼節(jié)點、Sink和上位機組成，上位機的軟件包含數(shù)據(jù)采集、數(shù)據(jù)處理與存儲、數(shù)據(jù)的可視化3個部分。在實驗中，每個節(jié)點設(shè)置任務(wù)以消耗蓄電池的電能或者太陽能充電板所采集的能量。由于只觀察節(jié)點耗能的情況，節(jié)點所執(zhí)行的任務(wù)性質(zhì)對本文的實驗并無影響。節(jié)點的任務(wù)是讓LED燈以30 s的周期和2%的占空比進行工作。同時，節(jié)點以1 min的周期對充電電池和節(jié)點供給電壓值進行采樣。節(jié)點將數(shù)據(jù)打包傳輸?shù)絊ink節(jié)點，收集到PC機上。

3.2 實驗結(jié)果與分析

初版充電傳感器節(jié)點室內(nèi)和室外實驗所獲得的實驗結(jié)果如圖5所示，新版充電傳感器節(jié)點室內(nèi)實驗所獲得的實驗結(jié)果如圖6所示。

在圖5a中，當時間t>210 min時，天色逐漸轉(zhuǎn)明，照度增強，充電電板的電壓也逐漸升高。在時間t<420 min時，實驗室沒有人，燈未開，因此為1 098 lx，電壓為0.155 V。當時間t>420 min時，實驗室的燈全部打開，照度瞬間增強，因而圖中電壓和照度的測量值都瞬間跳變增大。照度增加到1 200 lx，電壓增加到0.768 V。在t>460 min時，照度開始下降，相應(yīng)的電壓也隨著降低。第二天的試驗結(jié)果如圖5b所示，在400 min820 min時，照度開始下降，電壓逐漸降低。

室外的充放電實驗如圖5c、5d所示。在圖5c中，充電電壓變化除了有拋物線形狀的整體特性以外，中間有很多采樣周期的充電電壓突然下降，這是由于當天是多云天氣，云朵不時遮擋了光線的緣故。而第二天的天氣較好，充放電曲線是一個較完整的拋物線形狀，如圖5d所示。

在圖5中，電壓的拋物線形狀的電壓變化，正好隱含了自然照度的強弱變化，并且都有電壓最高峰滯后于照度最高峰的現(xiàn)象。在圖5d中，照度最高峰的時間是t=310，而電壓最高峰的時間是t= 420 min。造成這種滯后現(xiàn)象是由于傳感器節(jié)點同時還在放電。對于更復(fù)雜的耗電情況，充電電壓的變化將更復(fù)雜。比較室內(nèi)室外兩種環(huán)境下的充電狀況，室內(nèi)充電電壓最高值很難達到1 V，一般可以達到0.6～0.8 V，太陽能板能有效地供電的時間非常短。而在室外環(huán)境，光能比較充裕，充電電壓在1.5 V以上的時間也只能達到150～200個周期。由此可見，該形式的可充電傳感器節(jié)點并不能穩(wěn)定持續(xù)工作，尤其是室內(nèi)情況更差。

圖5 初版節(jié)點室內(nèi)外的供電特性

圖6 新版節(jié)點室內(nèi)供電特性

新版可充電傳感器節(jié)點實驗的時間同上。在圖6a中，直到時間t=429 min時，充電電池的充電仍不足，未能對傳感器節(jié)點供電，在該時間內(nèi)都由干電池供電。在圖6a中，在t>429 min時，充電電池開始供電，干電池停止供電；但是由于充電電池的能量有限，到時間t=620 min時，充電電池停止供電，繼續(xù)由干電池供電。在429 min

圖6b描述了實驗第二天的供電情況。在該圖中，t<850 min的時間段內(nèi)，傳感器節(jié)點都由干電池供電，供電電壓穩(wěn)定在2.44 V。而t>850 min時，充電電池開始供電，開始時供電電壓為2.68 V，供電直到整個實驗結(jié)束，結(jié)束時供電電壓為2.4 V。相對實驗第一天的結(jié)果，在第二天中，充電電池供電時間比較長。其原因可以從圖6b中看出，第二天中充電電池有較長的充電時間。從實驗結(jié)果可見，新版可充電傳感器節(jié)點的供電方式即使在室內(nèi)都能保障傳感器節(jié)點持續(xù)穩(wěn)定地工作。

4 總結(jié)與展望

基于干電池和充電電池的特性分析，采用充電電池、干電池、太陽能板組合供電方式，配合能源管理模糊控制策略，本文設(shè)計并實現(xiàn)了新型的可充電傳感器節(jié)點，并利用該傳感器節(jié)點構(gòu)建了可充電傳感器網(wǎng)絡(luò)平臺，進行了相關(guān)實驗。對該新型的可充電傳感器節(jié)點能在室內(nèi)的低自然能量環(huán)境下穩(wěn)定持續(xù)地工作，實驗驗證了該設(shè)計對解決無線傳感器網(wǎng)絡(luò)節(jié)點能量受限問題有一定的實際意義。

在大型可充電傳感器網(wǎng)絡(luò)中，采用整體能源調(diào)度和節(jié)點能量管理相結(jié)合的方案，使節(jié)點部分休眠、部分工作地交替進行，會大大延長網(wǎng)絡(luò)的有效生命周期。從自然環(huán)境中獲取能量，將其轉(zhuǎn)化成電能，理論上，其生命周期可以沒有上限，但充電電池供電受到外界環(huán)境影響非常大，具有明顯的不可靠性，如何利用好充電電池的優(yōu)點，需要深入的研究。另外，大規(guī)模的可充電傳感器網(wǎng)絡(luò)超長期工作時的能量采集、消耗情況，以及在自然能量供電情況下的路由、能量管理策略等新課題都需要深入的研究。

[1] AKYILDIZ I F, KASIMOGLUI H. Wireless sensor and actor networks: research challenges[J]. Ad hoc Networks Journal, 2004, 2(4): 351-367.

[2] CHEN J J, KUO C F. Energy-efficient scheduling for real-time systems on dynamic voltage scaling (DVS)platforms[C]//13th IEEE International Conference on Embedded and Real-Time Computing Systems and Applications, RTCSA 2007. [S.l.]: IEEE, 2007.

[3] JIANG X, POLASTRE J, CULLER D. Perpetual environmentally powered sensor networks[C]//Fourth International Symposium on Information Processing in Sensor Networks, IPSN 2005, [S.l.]: [s.n.], 2005.

[4] GANESAN D, CRISTESCU R, BEFERULL-LOZANO B.Power-efficient sensor placement and transmission structure for data gathering under distortion constraints[J]. ACM Transactions on Sensor Networks (TOSN), 2006, 2(2):155-181.

[5] MENINGER S, JO M, AMIRTHARAJAH R, et al. MIT vibration-toelectric energy conversion[J]. IEEE Transactions on Very Large Scale Integration (VLSI) Systems, 2001, 9(1):64-76.

[6] WANT R, RES I, SANTA CLARA C A. An introduction to RFID technology[J]. IEEE Pervasive Computing, 2006, 5(1):25-33.

[7] DUTTA P, HUI J, JEONG J, et al. Trio: Enabling sustainable and scalable outdoor wireless sensor network deployments[C]//Proceedings of the 5th International Conference on Information Processing in Sensor Networks. New York:ACM, 2006.

[8] LIN K, YU J, HSU J, et al. Heliomote:enabling long-lived sensor networks through solar energy harvesting[C]//Proceedings of the 3rd International Conference on Embedded Networked Sensor Systems. New York: ACM,2005.

[9] PARK C, CHOU P H. Ambimax: Autonomous energy harvesting platform for multi-supply wireless sensor nodes[C]//2006 3rd Annual IEEE Communications Society on Sensor and Ad hoc Communications and Networks,SECON’06. [S.l.]: IEEE, 2006.

[10] PARK C, CHOU P H. Power utility maximization for multiple-supply systems by a load-matching switch[C]//Proceedings of the 2004 International Symposium onIn Low Power Electronics and Design, ISLPED’04. [S.l.]:[s.n.], 2004.

[11] ZHU T, ZHONG Z, GU Y, et al. Leakage-aware energy synchronization for wireless sensor networks[C]//Proceedings of the 7th International Conference on Mobile Systems, Applications, and Services. New York: ACM,2009.

[12] KANSAL A, HSU J, ZAHEDI S, et al. Srivastava, power management in energy harvesting sensor networks[J].ACM Trans on Embedded Computing Sys, 2007, 6(4): 32.

[13] 石辛民, 郝整清. 模糊控制及其MATLAB仿真[M]. 北京: 清華大學(xué)出版社, 2008.SHI xin-min, HAO zheng-qing. Fuzzy control and MATLAB simulation[M]. Beijing: Tsinghua University Press, 2008.