CN111624908B - 一种基于物联网技术的智能冷藏车车载数据采集终端系统 - Google Patents
一种基于物联网技术的智能冷藏车车载数据采集终端系统 Download PDFInfo
- Publication number
- CN111624908B CN111624908B CN202010418138.9A CN202010418138A CN111624908B CN 111624908 B CN111624908 B CN 111624908B CN 202010418138 A CN202010418138 A CN 202010418138A CN 111624908 B CN111624908 B CN 111624908B
- Authority
- CN
- China
- Prior art keywords
- data
- temperature
- carriage
- compartment
- real time
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000005516 engineering process Methods 0.000 title abstract description 11
- 238000000034 method Methods 0.000 claims abstract description 38
- 230000008569 process Effects 0.000 claims abstract description 28
- 230000001133 acceleration Effects 0.000 claims abstract description 18
- 238000007405 data analysis Methods 0.000 claims abstract description 7
- 230000005540 biological transmission Effects 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 14
- 230000003993 interaction Effects 0.000 claims description 13
- 238000005057 refrigeration Methods 0.000 claims description 10
- 238000012417 linear regression Methods 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000009826 distribution Methods 0.000 claims description 8
- 230000002093 peripheral effect Effects 0.000 claims description 8
- 238000005457 optimization Methods 0.000 claims description 6
- 238000012803 optimization experiment Methods 0.000 claims description 5
- 238000001816 cooling Methods 0.000 claims description 4
- 238000002474 experimental method Methods 0.000 claims description 4
- 238000010219 correlation analysis Methods 0.000 claims description 2
- 230000001419 dependent effect Effects 0.000 claims description 2
- 230000007613 environmental effect Effects 0.000 claims description 2
- 238000011156 evaluation Methods 0.000 claims description 2
- 239000000463 material Substances 0.000 claims description 2
- 238000007789 sealing Methods 0.000 claims description 2
- 230000033228 biological regulation Effects 0.000 abstract description 4
- 238000007726 management method Methods 0.000 abstract description 3
- 238000013528 artificial neural network Methods 0.000 description 11
- 230000007246 mechanism Effects 0.000 description 10
- 230000008859 change Effects 0.000 description 9
- 238000003860 storage Methods 0.000 description 9
- 238000012544 monitoring process Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 238000005265 energy consumption Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000001413 cellular effect Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 238000013523 data management Methods 0.000 description 2
- 238000013524 data verification Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000002542 deteriorative effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000009123 feedback regulation Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
- G05B19/0423—Input/output
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/21—Pc I-O input output
- G05B2219/21119—Circuit for signal adaption, voltage level shift, filter noise
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Abstract
本发明涉及冷藏车技术领域，具体涉及一种基于物联网技术的智能冷藏车车载数据采集终端系统，车载数据采集终端包含可扩展的12路温湿度传感器，一路图像传感器，实时采集车厢内部图片信息；两路霍尔传感器，实时检测车厢门的开启关闭信息；GPS卫星定位系统实时定位车辆在行驶过程中的位置；MPU6050传感器实时采集车辆行驶的加速度以及车厢行驶过程中的车体角度信息；两路继电器控制系统控制冷机系统，能打印出冷藏车行驶过程中的数据信息，并保存在U盘里，4G模块通过物联网协议把采集终端接入物联网云平台，在云平台实现对数据展示和大数据分析以及智能决策。该系统实现了对冷链物流的透明化管理，实现对冷藏车温度的智能调控。
Description
技术领域
本发明属于冷藏车技术领域，尤其涉及一种基于物联网技术的智能冷藏车车载数据采集终端系统。
背景技术
随着人们生活水平的提高与社会的不断发展，物流行业已经逐渐成了生活中保障人们正常生活必不可缺少的行业。冷藏车作为冷链物流的主要运输工具，在整个冷链中发挥着巨大的作用，冷藏车的冷藏性能好坏以及制冷系统性能的优劣会直接影响到冷藏物品的质量。因此，冷藏车在运输过程的状态检测与冷藏系统的控制就显得格外重要。冷藏车的状态检测与控制能有效解决冷链物流运输中的盲区问题，使运输过程物品的实时状态透明化，降低物品变质的情况产生，避免不必要的物品损失纠纷，同时使控制可靠。然而传统的冷藏车厢监测系统有众多缺陷，控制简陋，无法实时监控车厢内部的实际状态，只能检测车厢内部的某个部分的温度，来控制制冷系统，控制策略不具备科学性和代表性，在车厢内部的温度场分布不均匀的情况下，反馈控制冷机系统策略不可靠，当车厢内部温度过高时既没有及时启动制冷系统，内部温度适宜时也没有及时关闭制冷系统，不仅过多使用能耗，而且容易使得部分冷气不易到达的区域内的物品温升过高而变质。并且在进行车厢内部温度点布置时，传统方法是布置在车厢内部冷机部位，传感器数量没有考究。另外，在运输过程中，无法实现透明化管理，冷藏车和车厢内部实时状态无法提供给运输人员，商家以及客户，出了问题无法得到及时的解决同时责任无法明确。所以需要更加智能可靠的智能监控系统来检测与控制冷藏车运输过程中的实时状态以及对冷藏车内部测温点的进行优化组合。
发明内容
本发明的目的是提供一种基于物联网平台设计的车载终端系统。
为实现上述目的，本发明采用的技术方案是：一种基于物联网技术的智能冷藏车车载数据采集终端系统，采集终端外接继电器控制系统，包括数据采集层、数据处理层、数据传输层、数据分析层云平台和人机交互层。
在上述的基于物联网技术的智能冷藏车车载数据采集终端系统中，数据采集层包括用于实现数据交互的可扩展的N路温湿度传感器，用于实时采集车厢内部图片信息的图像传感器，用于实时检测车厢门的开关状态的两路霍尔传感器，用于实时检测车厢行驶过程中的位姿以及加速度数据的六轴加速度传感器，用于实时采集冷藏车行驶过程中的位置信息的GPS卫星定位系统；数据处理层包括STM32控制单元；数据传输层包括4G模块；数据分析层云平台采用阿里云平台；人机交互层包括U盘，打印机和智能触摸屏。
在上述的基于物联网技术的智能冷藏车车载数据采集终端系统中，STM32控制单元在任务内周期性采集数据，保存到U盘，打印到打印机，展示到智能触摸屏，同时推送到云平台进行数据展示与分析以及供用户调用查看；采用温度优化实验算法，确定车厢测温点；采用神经网络算法，预测车厢内部温度数据的变化趋势，调控冷机的开启与关闭；采用多元线性规划算法拟合出车厢冷藏性能的曲线，实时评估车厢的冷藏性能；冷藏性能下降到阈值之下，则进行报警。
在上述的基于物联网技术的智能冷藏车车载数据采集终端系统中，STM32控制单元的驱动层包括基于modbus协议驱动温湿度传感器，基于485总线协议驱动图像传感器、IIC协议驱动六轴加速度传感器、私有协议的GPS卫星定位驱动、232串口协议的打印机驱动和智能触摸屏驱动，USB2.0的U盘FATFS文件系统驱动，以及霍尔传感器的开关量采集驱动；温湿度传感器与图像传感器共用一个串口，数据传送机制采用串口空闲中断和DMA机制；GPS卫星定位系统每隔一秒主动向STM32控制单元发送数据，数据传输采用串口协议，同样使用串口空闲中断和DMA机制，智能触摸屏和打印机采用MAX232电平与STM32控制单元进行数据交互，采用MAX232做电平转换，串口使用空闲中断和DMA机制，六轴加速度传感器采用模拟IIC协议进行数据传输，数据采集在任务里采用轮询的方式，霍尔传感器采用定时器输入捕获中断方式采集开关量，U盘存储采用FATFS文件系统进行读写操作。
在上述的基于物联网技术的智能冷藏车车载数据采集终端系统中，STM32控制单元的操作系统层将各个传感器数据进行解析提取整合校验和决策，负责与数据驱动层和数据传输层通信；在操作系统里采用任务和中断并行机制，中断分为两种类型，一种是串口空闲中断，进行数据流的读写，一种是定时器中断，包括定时器溢出中断和定时器输入捕获中断；当中断产生时会打断任务进程，处理中断的任务；在操作系统的任务划分为七个任务，各任务之间并行运行，采用标志位，信号量，事件标志组进行任务间的通信；任务一分别是摄像头拍照准备任务，此任务负责开始拍照，在摄像头拍完照片后，数据传输来时，会进入任务三，任务三负责解析摄像头数据，并把摄像头数据保存到本地上传到云端；任务二是U盘任务存储进程，U盘存储进程必须一毫秒扫描一次，快速扫描当U盘就绪时，会产生U盘中断，执行U盘存储的应用程序；任务四负责获取六轴加速度传感器的数据，轮询的查询六轴加速度传感器数据，保存到全局变量内，供应用程序调用；任务五负责周期性接收来自GPS的数据；任务六负责获取温湿度数据，发送modbus指令，一次获取一组温湿度数据，并进行传感器的硬件校验和数据校验，当硬件和数据有误时，会进行报警处理，任务七获取从中断里，得到的开关门状态并记录此时开关门的时间，以及开门持续时间，保存到本地同时将数据流发送到外设。
在上述的基于物联网技术的智能冷藏车车载数据采集终端系统中，STM32控制单元的应用层负责与各个外设进行数据交互，把数据处理层中处理后的数据流转到各个外设；其数据包括温湿度数据，图像传感器数据，GPS数据，六轴加速度传感器数据，开关门状态数据，冷机运行信息数据；这些数据周期性上传并保存到本地，对温湿度数据进行分析和决策，以控制冷机的运行状态；大数据通过MQTT协议与物联网平台进行交互。
在上述的基于物联网技术的智能冷藏车车载数据采集终端系统中，温度优化实验算法优化车厢温度测点包括：进入Fluent流场分析，初步选择测温点，大于6个，枚举6个测温点所有组合，采用组合优化算法优化测温点，当可决系数满足精度时，待定满足精度的测温点；当可决系数不满足精度时，增加枚举测温点个数，再次采用组合优化算法优化测温点直到可决系数满足精度；
在上述的基于物联网技术的智能冷藏车车载数据采集终端系统中，神经网络预测算法预测车厢内部温度数据的变化趋势，调控冷机的开启与关闭包括：采集温度时间序列，建立神经网络训练预测模型，若精确度符合要求，智能控制制冷机周期运行和温度报警，若精确度不符合要求，改进网络参数重建神经网络训练预测模型，直到精确度符合要求。
在上述的基于物联网技术的智能冷藏车车载数据采集终端系统中，多元线性规划算法拟合出车厢冷藏性能的曲线包括：定义车厢冷藏性能指标Y，定性确定Y与车厢参数变量关系，建立多元线性回归求解模型，若拟合度符合则结束，若拟合度不符合则改变变量，重建多元线性回归求解模型。
本发明的有益效果：实时采集数据信息获得冷藏车在运输过程中的状态，包括温湿度，GPS数据，车体加速度以及位姿，车门的状态，车厢环境情况，车厢的冷藏性能，实现数据管理透明化；采集终端进行初步的数据分析和决策，在云平台进一步数据分析，对冷藏车环境的智能反馈调控，实现冷机低功耗运行以及温度控制可靠的目标；采用测温点优化算法，优化车厢环境内部温度监测点位置以及个数，采用神经网络预测算法，智能预测下一时刻的温度；拟合出车厢冷藏性能曲线，实时评估车厢的冷藏性能，避免劣质车厢对物品的损害。
附图说明
图1是本发明一个实施例车载终端功能示意图；
图2是本发明一个实施例温度优化实验算法流程图；
图3是本发明一个实施例建立温度预测模型流程图；
图4是本发明一个实施例车厢温度场内各测点温度均值变化简化图；
图5是本发明一个实施例建立车厢冷藏性能模型流程图。
图6是本发明一个实施例车载终端整体架构示意图；
图7是本发明一个实施例硬件平台架构图；
图8是本发明一个实施例软件架构图；
图9是本发明一个实施例软件流程图。
具体实施方式
下面结合附图对本发明的实施方式进行详细描述。
本实施例是一种基于物联网技术的智能冷藏车车载数据采集终端系统，该系统能实时监控车厢内部各个区域的状态以及冷藏车运输过程中的实时信息，通过蜂窝网络传输到云平台，数据在云平台得到处理分析后展示到云平台和用户的应用程序内，云平台经过算法分析数据后的决策结果下发到车载终端，然后车载终端智能控制车厢内部的冷机运行，用户同时可以远程控制与监视车厢内部的状态以及整个冷藏车的运输状态，达到远程监控的目的。车厢内部温度点布置是根据车厢内部温度场分析后得出的结果，对测温点进行优化组合，既找出车厢内部温度特征点，又能尽量减少传感器数量，检测具有代表性和经济性。同时利用神经网络预测车厢内部温度的变化趋势，预测出下一时刻温度数据，智能决策冷机的间歇性启停，可以可靠的控制车厢内部温度在一个适宜的范围，并节省能耗。并且利用多元线性回归理论，拟合出车厢的冷藏性能函数，在运输过程中智能评估车厢的冷藏性能，在车厢冷藏性能下降过低时，发出报警信息，提示工作人员及时处理。本实施例能够有效解决当前冷藏车物品状态监测的不足，具有较大的实用性和经济性。
如图1所示，本实施例集成了可拓展个数的温湿度传感器，图像传感器，霍尔传感器以及六轴加速度传感器。GPS实时跟踪冷藏车行驶轨迹和地理位置信息，温湿度传感器实时检测车厢内部的温湿度状态，有效的实时监测物品运输保存状态，六轴加速度传感器能够实时监测冷藏车的行驶状态和位姿信息，霍尔传感器能够记录冷藏车开关门状态并记录其时长，图像传感器传感器能够通过视频监控保证驾驶员安全驾驶，便于落实运输责任。数据在采集终端进行处理，智能决策控制制冷系统，同时也对超限告警值进行实时响应和提醒，然后把各种数据加工处理后保存到本地U盘内存的同时，也通过4G模块推送到云端，进行数据展示分析以及供用户调用和查看，另外数据也可通过车载终端上布置的微型打印机打印，方便用户留存。
本实施例实时采集车厢内部温度场的数据，智能调控温度场温度，保证车厢内部货物不变质，实时采集车辆行驶过程中的位置信息，保证冷链物流运输透明化，图像传感器采集车厢内部的物品信息，霍尔传感器检测冷藏车的门状态，防止运输过程中，车门开启造成货物变质，采用神经网络算法，智能预测车厢内部温度数据的变化趋势，来调控冷机的开启与关闭，采用多元线性规划算法拟合出车厢冷藏性能的曲线，车载终端根据冷藏性能函数，来实时评估车厢的冷藏性能，保证在运输过程中冷藏性能良好，如果冷藏性能下降到阈值之下，则进行报警。
本实施例通过以下技术方案来实现，一种基于物联网技术的智能冷藏车车载数据采集终端，包括可扩展的N路温湿度数据传感器采用mudbus协议实现数据交互，一路图像传感器实时采集车厢内部图片信息，两路霍尔传感器实时检测车厢门的开关状态，MPU6050六轴加速度传感器实时检测车厢行驶过程中的位姿以及加速度数据，GPS卫星定位系统实时采集冷藏车行驶过程中的位置信息，U盘和打印机为数据存储与展示设备，一个智能触摸屏作为人机交互系统，4G网络实现采集终端与物联网平台的数据传输，一个嵌入式操作系统freertos。在任务内周期性采集数据，数据保存到U盘，打印到打印机，展示到智能触摸屏，同时推送到云端进行数据展示与分析；通过物联网协议把数据推送到云平台在云平台进行图片的展示在操作系统任务里周期采集数据，展示在云平台和触摸屏，同时保存到U盘。两路继电器控制系统，智能反馈控制冷机系统，提升对车厢内部温度控制的可靠性。
本实施例可拓展的温度传感器接口，利用modbus协议传输数据，具有温度硬件自检和软件自检功能。采集车体位姿，车体爬坡时的角度，车体侧翻的角度，采集GPS数据信息，开关门信息，保存本地U盘同时展示到智能触摸屏上，并通过蜂窝网络发送到云平台，云平台可解析来自终端数据，并智能做出决策。
本实施例可智能预测车厢内部温度场变化，根据温度变化趋势来控制冷机，达到温度控制可靠，冷机运行低功耗的目的；评估车厢内部的冷藏性能，冷藏性能下降到一定程度后，报警处理。
具体实施时：1、测温点优化方案：
初步安装12路(车厢体积较小时可减少初始测点的个数)传感器测量十二个区域的温度，车厢内部温度场设定阈值，采集终端控制冷机开始工作，温度降低到最低阈值时开始测量(使温度场温度稳定)。检测一段时间内各测点的温度变化情况，计算温度不均匀系数(约束条件)。
一个时间段内全测点测温，得到N组温度数据，每组温度数据计算所有测点的温度分布不均匀系数，然后穷举该组的所有6个组合的测温点，计算每组的温度分布不均匀系数，其中每组的温度分布不均匀系数越靠近总系数的就提取出来(可能有多个组合)，计算每组的不均匀系数与总系数的差值的平均值平方，越小则获胜。按此方法，若6组温度数据的精度达不到则增加测温点个数，温度优化实验算法流程如图2所示。
2、温度预测方案
由于目前冷藏车内部冷机采用连续工作方式，这样不仅会降低冷机使用寿命，也会大大增加能耗，为了合理有效的对冷藏物流的温度进行监测预警，并智能控制冷机运行，通过BP神经网络对温度进行预测，预测结果智能调控冷机运行。采集终端取得对制冷系统的控制，冷机降温到合适冷藏的最低的温度阈值，让温度自然升高(此时冷机不工作，采集终端采集数据并保存文档，升到最高耐受温度阈值则启动冷机降温)。连续采集N组数据(N>1000)，2秒采集一次。
采集终端在各个温度点采集的温度的算数平均值与历史时间组成一个时间温度序列，利用BP神经网络算法，将温度时间序列作为神经网络的输入，将一段时间后的温度值作为输出，根据经验公式选定隐藏层的层数，确定神经元的激活函数，定义神经网络的训练次数训练精度，学习率等参数，训练出预测模型，预测出下一时刻的温度场内所有采集点的算数平均值。算法流程如图3所示。
3、冷藏车厢冷藏性能模型建立方案
在冷藏车实际运输过程中，如果冷藏车车厢的冷藏性能下降到一定程度，将会对货品和冷机造成损坏，为了监控货品运输质量与冷藏车工作情况，本文拟构建一个车厢故障预测模型实时评估车厢的冷藏性能，当性能下降到阈值时发出报警，并通过车厢冷藏性能模型评估车厢的问题原因。
车厢温度场内各测点的温度均值变化可以简化表示为图4所示。
在一个温度上升和下降的周期内，根据温度场的不均匀系数以及温度均值上升与下降的时间比定义车厢内部的温度特性，温度特性值越大冷藏车车厢冷藏性能越好，温度均值上升时间越大，下降时间越小，温度场分布不均匀系数越小，车厢温度特性值越大，在研究车厢内部参数与车厢的温度特性时做如下假设，在该假设条件下不影响实验结果的准确性。
研究对车厢冷藏性能影响车厢的内部参数包括：内外厢壁环境温差，车厢材料系数，车厢密封条间隙，车壁间隙。
冷藏车车厢实验采集数据后，利用多元线性回归理论来拟合模型，要求每个自变量之间，各个样本数据之间都是独立的，残差需服从正态分布(散乱分布)，残差的绝对值不超过一个常量3。
先分析车厢内部参数与车厢温度特性的变量关系，定性分析得到初步的设定回归模型，把每个自变量与因变量之间先做相关性分析，把相关系数小的自变量剔除，由于一般线性回归自变量为3到5个，所以根据相关系数把相关性差的剔除掉，自变量保持在3到5个之间，之后通过多元线性回归分析该模型自变量的显著性，判断模型是否有意义，分析各个自变量的共线性，各个样本的独立性，然后数据进一步处理，求得模型里的各个参数的值，建立预测模型，验证模型精度，改进模型直到达到精度为止。
在得到模型后，冷藏车实际工作过程中，当车厢内部温度特性(监测温度特性用定义式计算)下降到指定阈值时，进行故障预测和故障报警，预测出导致物品冷藏出问题的原因，给出评估结果和建议，为运送人员以及冷藏车的制造商提供数据支持。建立车厢冷藏性能模型流程如图5所示。
4、车载终端的设计
根据系统的功能需求，开发基于物联网的冷藏车监控系统，搭建车载终端的硬件平台。数据采集图像采集与数据流转硬件平台包括STM32，4G模块，GPS模块，小型打印机终端，摄像头，温湿度传感器，霍尔传感器，速度加速度传感器，智能触摸屏，继电器控制系统。传感器采集数据经过STM32处理后通过4G模块传输到云端，并周期性在终端打印机上打印出历史数据，智能触摸屏作为人机交互界面，继电器控制冷机的智能运行。
使用KEIL5以及STM32Cubemx软件进行终端程序开发，各个传感器任务，数据解析，数据发布任务在Freertos操作系统里实现，使用阿里云平台与采集终端进行数据交互，采集终端把数据初步处理通过物联网协议把数据周期性传输到云平台，并在云平台进行数据集中分析处理，指令下发智能控制采集终端的运行状态，实现冷藏车运输过程的透明可控。车载终端整体架构如图6所示。
4.1、车载终端的硬件设计
图7为冷藏车车载终端硬件平台架构，冷藏车车载终端数据采集层包括可扩展的N路温湿度传感器，图像传感器，GPS卫星定位系统，霍尔传感器，速度加速度六轴传感器；数据处理层为STM32控制单元，数据传输层位4G模块，物联网协议采用MQTT协议，云端平台采用阿里云平台，数据展示交互与存储单元为U盘，打印机和智能触摸屏。传感器周期性的采集冷藏车信息数据，数据经过STM32处理单元经过处理后通过蜂窝网络传输到云端，同时把数据流转到U盘，打印机以及智能触摸屏。采集终端外接继电器控制系统，根据采集得到数据智能控制冷机运行。
4.2、车载终端的软件设计
冷藏车软件设计分为驱动层，操作系统，应用层。
数据驱动层包括基于modbus协议的温湿度传感器驱动，基于485总线协议的图像传感器驱动，基于IIC协议的MPU6050驱动，私有协议的GPS驱动，232串口协议的打印机驱动和智能触摸屏驱动，USB2.0的U盘FATFS文件系统驱动，以及霍尔传感器的开关量采集驱动。温湿度传感器与图像传感器共用一个串口，数据传送机制采用串口空闲中断和DMA机制，可有效降低内核使用率和数据的丢失。GPS模块每隔一秒主动向MCU发送数据，数据传输采用串口协议，同样使用串口空闲中断和DMA机制，DGUS智能触摸屏和打印机采用232电平与MCU进行数据交互，所以采用MAX232做电平转换，串口使用空闲中断和DMA机制，MPU6050采用模拟IIC协议进行数据传输，数据采集在任务里采用轮询的方式，霍尔传感器采集开关量，对实时性要求比较高所以采用定时器输入捕获中断方式采集开关量，U盘存储采用FATFS文件系统进行读写操作。
操作系统层负责把各个传感器数据进行解析提取整合校验和决策，负责与数据驱动层和数据传输层通信。在操作系统里采用任务和中断并行机制，中断分为两种类型，一种是串口空闲中断，进行数据流的读写，一种是定时器中断，包括定时器溢出中断和定时器输入捕获中断。当中断产生时会打断任务进程，处理中断的任务；在操作系统的任务里，划分了七个任务，任务之间并行运行，可以采用标志位，信号量，事件标志组进行任务间的通信。七个任务分别是摄像头拍照准备任务，此任务负责开始拍照，在摄像头拍完照片后，数据传输来时，会进入任务三，任务三负责解析摄像头数据，并把摄像头数据保存到本地上传到云端。任务二是U盘任务存储进程，U盘存储进程必须一毫秒扫描一次，快速扫描当U盘就叙时，会产生U盘中断，执行U盘存储的应用程序；任务四负责获取MPU6050的数据，轮询的查询MPU6050数据，保存到全局变量内，供应用程序调用；任务五负责周期性接收来自GPS的数据；任务六负责获取温湿度数据，发送modbus指令，一次获取一组温湿度数据，并进行传感器的硬件校验和数据校验，当硬件和数据有误时，会进行报警处理，任务七获取从中断里，得到的开关门状态并记录此时开关门的时间，以及开门持续时间，保存到本地同时将数据流发送到外设。
应用层负责与各个外设进行数据交互，把数据管理层中处理后的数据流转到各个外设。具体数据包括温湿度数据，图像传感器数据，GPS数据，MPU6050数据，开关门状态数据，冷机运行信息数据。这些数据周期性上传并保存到本地，部分数据，如温湿度数据进行分析和决策，以控制冷机的运行状态。大数据通过MQTT协议与物联网平台进行交互。如图8所示为整个采集终端的软件架构。
本实施例软件流程如图9所示。
本实施例实时采集各种冷藏车运行必需的数据，供用户查阅，并进行大数据分析，实现对冷链物流的透明化管理，可有效避免由于冷藏性能下降造成能耗过多以及物品损坏的问题。提出车厢温度多测点优化算法，以及温度智能预测算法，对冷机的智能控制，实现对温度的智能调控，提高了车厢温度调控可靠性。
应当理解的是，本说明书未详细阐述的部分均属于现有技术。
虽然以上结合附图描述了本发明的具体实施方式，但是本领域普通技术人员应当理解，这些仅是举例说明，可以对这些实施方式做出多种变形或修改，而不背离本发明的原理和实质。本发明的范围仅由所附权利要求书限定。
Claims (1)
1.一种基于物联网技术的智能冷藏车车载数据采集终端系统的采集方法，该方法基于采集终端实现，采集终端系统包括：采集终端外接继电器控制系统，包括数据采集层、数据处理层、数据传输层、数据分析层云平台和人机交互层；
数据采集层包括用于实现数据交互的可扩展的N路温湿度传感器，用于实时采集车厢内部图片信息的图像传感器，用于实时检测车厢门的开关状态的两路霍尔传感器，用于实时检测车厢行驶过程中的位姿以及加速度数据的六轴加速度传感器，用于实时采集冷藏车行驶过程中的位置信息的GPS卫星定位系统；数据处理层包括STM32控制单元；数据传输层包括4G模块；数据分析层云平台采用阿里云平台；人机交互层包括U盘，打印机和智能触摸屏；
STM32控制单元的应用层负责与各个外设进行数据交互，把数据处理层中处理后的数据流转到各个外设；其数据包括温湿度数据，图像传感器数据，GPS数据，六轴加速度传感器数据，开关门状态数据，冷机运行信息数据；这些数据周期性上传并保存到本地，对温湿度数据进行分析和决策，以控制冷机的运行状态；大数据通过MQTT协议与物联网平台进行交互；
温度优化实验算法优化车厢温度测点包括：进入Fluent流场分析，初步选择测温点，大于6个，枚举6个测温点所有组合，采用组合优化算法优化测温点，当可决系数满足精度时，待定满足精度的测温点；当可决系数不满足精度时，增加枚举测温点个数，再次采用组合优化算法优化测温点直到可决系数满足精度；
其特征是，该采集方法包括包括：
在一个温度上升和下降的周期内，根据温度场的不均匀系数以及温度均值上升与下降的时间比定义车厢内部的温度特性，温度特性值越大冷藏车车厢冷藏性能越好，温度均值上升时间越大，下降时间越小，温度场分布不均匀系数越小，车厢温度特性值越大，在研究车厢内部参数与车厢的温度特性时做如下假设，在该假设条件下不影响实验结果的准确性；
车厢冷藏性能影响车厢的内部参数包括：内外厢壁环境温差，车厢材料系数，车厢密封条间隙，车壁间隙；
冷藏车车厢实验采集数据后，利用多元线性回归理论来拟合模型，要求每个自变量之间，各个样本数据之间均独立，残差服从正态分布，残差的绝对值不超过一个常量3；
车厢内部参数与车厢温度特性的变量关系，定性分析得到初步的设定回归模型，把每个自变量与因变量之间做相关性分析，把相关系数小的自变量剔除，线性回归自变量为3到5个，根据相关系数把相关性差的剔除掉，自变量保持在3到5个之间，通过多元线性回归分析该模型自变量的显著性，判断模型是否有意义，分析各个自变量的共线性，各个样本的独立性，数据进一步处理，求得模型里的各个参数的值，建立预测模型，验证模型精度，改进模型直到达到精度为止；
在得到模型后，冷藏车实际工作过程中，当车厢内部温度特性下降到指定阈值时，进行故障预测和故障报警，预测出导致物品冷藏出问题的原因，给出评估结果和建议，为运送人员以及冷藏车的制造商提供数据支持。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010418138.9A CN111624908B (zh) | 2020-05-18 | 2020-05-18 | 一种基于物联网技术的智能冷藏车车载数据采集终端系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010418138.9A CN111624908B (zh) | 2020-05-18 | 2020-05-18 | 一种基于物联网技术的智能冷藏车车载数据采集终端系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111624908A CN111624908A (zh) | 2020-09-04 |
| CN111624908B true CN111624908B (zh) | 2024-01-23 |
Family
ID=72258960
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010418138.9A Active CN111624908B (zh) | 2020-05-18 | 2020-05-18 | 一种基于物联网技术的智能冷藏车车载数据采集终端系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111624908B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113091925B (zh) * | 2021-04-06 | 2022-04-29 | 中国农业科学院农业资源与农业区划研究所 | 一种冷链物流中温度断点的处理方法和装置 |
| BR102021011440A2 (pt) * | 2021-06-11 | 2022-12-27 | Inst Hercilio Randon | Sistema e método de gerenciamento de energia em veículo provido com um ambiente de temperatura controlada |
| CN114475480A (zh) * | 2022-02-17 | 2022-05-13 | 江苏科技大学 | 一种一体化监控冷藏车信息的终端系统 |
| CN116047271A (zh) * | 2023-01-16 | 2023-05-02 | 荣湃半导体（上海）有限公司 | 一种自动化测试系统以及自动化测试方法 |
| CN117114352B (zh) * | 2023-09-15 | 2024-04-09 | 北京阿帕科蓝科技有限公司 | 车辆维护方法、装置、计算机设备和存储介质 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004108703A (ja) * | 2002-09-19 | 2004-04-08 | Horiba Ltd | 保冷車両用運行管理計 |
| JP2004295743A (ja) * | 2003-03-28 | 2004-10-21 | Yokogawa Electric Corp | 多点データ収集装置 |
| US6817757B1 (en) * | 2002-05-10 | 2004-11-16 | A La Cart, Inc. | Food information monitoring system |
| CN101685391A (zh) * | 2002-01-04 | 2010-03-31 | 微软公司 | 管理计算系统中协处理器的计算资源的方法和系统 |
| CN102902247A (zh) * | 2012-09-06 | 2013-01-30 | 南京物泰信息科技有限公司 | 基于云计算的冷链物流监测系统 |
| CN103995553A (zh) * | 2014-06-14 | 2014-08-20 | 福建农林大学 | 一种灰树花菇房温湿度传感器的布点方法 |
| CN104359565A (zh) * | 2014-10-17 | 2015-02-18 | 中国农业大学 | 一种冷链运输温度监测与预警的方法及系统 |
| CN104503309A (zh) * | 2014-12-03 | 2015-04-08 | 天津科技大学 | 一种新型网络化冷藏车厢多环境参数检测装置及检测方法 |
| CN105096073A (zh) * | 2014-05-09 | 2015-11-25 | 青岛友明伟业信息技术有限公司 | 基于物联网的冷链运输追溯系统 |
| CN204946077U (zh) * | 2015-09-17 | 2016-01-06 | 南京科睿博电气科技有限公司 | 电力测温系统管理平台 |
| CN207336757U (zh) * | 2017-11-15 | 2018-05-08 | 北京环宇易流科技有限公司 | 一种实时监控冷藏车厢温湿度的车载北斗终端 |
| CN108773315A (zh) * | 2018-05-25 | 2018-11-09 | 天津商业大学 | 基于实时气象信息的智能控温冷藏车 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10180680B2 (en) * | 2015-03-30 | 2019-01-15 | Uop Llc | Tuning system and method for improving operation of a chemical plant with a furnace |
| US10146237B2 (en) * | 2017-04-28 | 2018-12-04 | Johnson Controls Technology Company | Smart thermostat with model predictive control |
-
2020
- 2020-05-18 CN CN202010418138.9A patent/CN111624908B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101685391A (zh) * | 2002-01-04 | 2010-03-31 | 微软公司 | 管理计算系统中协处理器的计算资源的方法和系统 |
| US6817757B1 (en) * | 2002-05-10 | 2004-11-16 | A La Cart, Inc. | Food information monitoring system |
| JP2004108703A (ja) * | 2002-09-19 | 2004-04-08 | Horiba Ltd | 保冷車両用運行管理計 |
| JP2004295743A (ja) * | 2003-03-28 | 2004-10-21 | Yokogawa Electric Corp | 多点データ収集装置 |
| CN102902247A (zh) * | 2012-09-06 | 2013-01-30 | 南京物泰信息科技有限公司 | 基于云计算的冷链物流监测系统 |
| CN105096073A (zh) * | 2014-05-09 | 2015-11-25 | 青岛友明伟业信息技术有限公司 | 基于物联网的冷链运输追溯系统 |
| CN103995553A (zh) * | 2014-06-14 | 2014-08-20 | 福建农林大学 | 一种灰树花菇房温湿度传感器的布点方法 |
| CN104359565A (zh) * | 2014-10-17 | 2015-02-18 | 中国农业大学 | 一种冷链运输温度监测与预警的方法及系统 |
| CN104503309A (zh) * | 2014-12-03 | 2015-04-08 | 天津科技大学 | 一种新型网络化冷藏车厢多环境参数检测装置及检测方法 |
| CN204946077U (zh) * | 2015-09-17 | 2016-01-06 | 南京科睿博电气科技有限公司 | 电力测温系统管理平台 |
| CN207336757U (zh) * | 2017-11-15 | 2018-05-08 | 北京环宇易流科技有限公司 | 一种实时监控冷藏车厢温湿度的车载北斗终端 |
| CN108773315A (zh) * | 2018-05-25 | 2018-11-09 | 天津商业大学 | 基于实时气象信息的智能控温冷藏车 |
Non-Patent Citations (6)
| Title |
|---|
| 冷藏车车厢内温度场均匀问题的分析与解决;闫帅帅;傅星;;装备制造技术(03);全文 * |
| 基于多元线性回归分析的冷链物流需求预测;李隽波;孙丽娜;;安徽农业科学(11);全文 * |
| 多温冷藏车降温影响参数敏感度分析;李锦;谢如鹤;;农业机械学报(07);全文 * |
| 雷春丽 ; 芮执元 ; 赵伟平 ; .高速电主轴单元温度测点优化新方法.兰州理工大学学报.2013,(03),第22-25页. * |
| 面向MES的生产线数据采集系统的研究;盛步云, 苏佳奇, 卢其兵, 丁毓峰, 肖婷;《计算机测量与控制》;第23卷(第09期);全文 * |
| 高速电主轴单元温度测点优化新方法;雷春丽;芮执元;赵伟平;;兰州理工大学学报(第03期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111624908A (zh) | 2020-09-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111624908B (zh) | 一种基于物联网技术的智能冷藏车车载数据采集终端系统 | |
| CN110488841B (zh) | 基于智能机器人的变电设备联合巡检系统及其应用方法 | |
| CN108189043B (zh) | 一种应用于高铁机房的巡检方法及巡检机器人系统 | |
| CN110109445B (zh) | 一种船舶机舱辅机监控系统及监控方法 | |
| US10295284B2 (en) | Model-based method and system to detect heat exchanger fouling | |
| CA2067121C (en) | Vehicular monitoring system | |
| GB2587708A (en) | Method of selecting public transportation route during coordinated monitoring by taxis and public transportation vehicles | |
| CN107247234B (zh) | 一种车用动力电池的soc实时在线估计方法及系统 | |
| US20200409929A1 (en) | Cloud-coupled connected sensor data and telematics | |
| CN106230648B (zh) | 集成数据采集传输装置的门控器及其处理传输方法 | |
| US9418488B1 (en) | Driver productivity snapshots and dynamic capture of driver status | |
| CN110349427A (zh) | 一种基于大数据的智慧交通管理系统 | |
| CN112907173A (zh) | 矿车运行工况的获取方法及装置 | |
| CN111746595B (zh) | 一种快捷货运列车走行部运行安全智能监测系统 | |
| CN116579695A (zh) | 一种基于多模型算法优化的智慧冷链信息管理系统 | |
| CN107347083A (zh) | 一种基于自动驾驶的人车通信系统 | |
| CN115762169A (zh) | 一种环卫车无人驾驶的智能控制系统及方法 | |
| CN114692983A (zh) | 一种特种车辆自动换挡预测方法及系统 | |
| CN115966066B (zh) | 一种矿山车辆安全运行监测预警方法、装置和系统 | |
| CN111090293A (zh) | 一种冷链物流运输车监控系统 | |
| CN117111660A (zh) | 一种无人值守智能粮仓系统及方法 | |
| CN110782200A (zh) | 一种物流车的智能管理系统及方法 | |
| CN111791919A (zh) | 顶盖状态的监测方法和系统 | |
| CN112834079B (zh) | 一种轨道车辆空调机组温度传感器参数漂移判定方法 | |
| CN115730921A (zh) | 一种轨道交通多专业的综合维修方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |