2024年1月23日发(作者：彤光霁)
全面感知
Comprehensive PerceptionDOI：10.16667/.2095-1302.2021.12.009基于WiFi智能小车的远程温湿度测量系统刘静琦，阮煜婕，吴 胜，时 飞，周振虎，刘静波（南京工程学院，江苏 南京 211167）文中设计了一种基于WiFi智能小车的温湿度测量系统，以实现通过远程或移动方式对仓储场所进行摘 要：温湿度测量的目的。采用STM32F103RCT6作为主控，将智能小车作为载具，选用高精度传感器HDC1080测量温湿度，通过ESP8266模块将数据传输至云平台，用户在网页和手机APP端实时接收测量数据，并控制小车运行。采用中移动OneNET作为物联网云平台构建远程访问与控制系统，该系统可选用远程和超声波避障模式控制小车，远程获取温湿度数据。通过实际测试，系统实现了对仓储场所循环多次测量、动态多点实时测量与数据传输的目的。两种模式能够可靠切换，具有较好的灵活性和适应性，可有效提高仓储场所的实时监测水平，具有较高的实用价值。温湿度；智能小车；远程数据；物联网；单片机；云平台关键词：TP23；TP311 A 2095-1302（2021）12-0036-04中图分类号：文献标识码：文章编号：0 引 言温湿度是仓储场所的重要环境参数，对温湿度的测量一般选用传感器进行单点静态测量[1]，或在某一个区域内布置多个节点，采用无线网络方式实现多点温湿度测量[2]，也有采用一组总线下挂载多个传感器进行测量的方式[3]。这些方法运行成本高，测量点布置工作量大，有线测量方式后期维护改造困难，无线组网多点方式则需要配置若干个无线组网模块与处理器单元，特别是测量点数较多时，造价较高。因此，本系统采用WiFi智能小车作为载具，搭载温湿度传感器，远程控制小车运行，可实时测量数据，并将数据远程传输至OneNET云平台。系统具备远程与超声波避障两种运行模式，可实现对仓储场所动态多点循环测量，把传统静态测量转变为一定范围内的多点动态测量。系统选用OneNET物联网云平台，使小车具备远程控制与数据测量传输功能[4]，拓宽其应用范围。OneNET是较成熟的物联网云平台，本系统采用OneNET云平台提供的网页应用控件、命令下发控件等实现了数据接收和远程指令下发等应用。通过网页端和手机APP端的同步应用，可快速方便地构建远程、移动多点智能小车温湿度测量系统。系统运行时，智能小车在远程指令的控制下，实现前进、后退、转弯，同时还会测量温湿度数据，并以间隔5 s的时间传输至云平台，网页和手机APP接收数据。小车动态运行，对仓储场所实现多点测量。通过发送指令，可以将小车切换为超声波避障模式，还可优化避障程序，使小车具有更好的适应性。图1所示为系统结构。1 系统总体设计系统由智能小车部分及OneNET物联网云平台控制和数据传输部分组成。智能小车部分采用STM32F103RCT6作为主控，借助温湿度传感器HDC1080测量温湿度数据。小车组件包括底盘、电机和车轮等。电机驱动采用L298N模块，超声波模块安装于舵机控制单元，实现左、中、右三个方向的避障距离测量。智能小车与云平台之间通过ESP8266模块实现远程控制与数据传输。图1 系统结构2 硬件设计2.1 OneNET云平台OneNET是中国移动推出的物联网开放平台，该平台屏蔽了复杂的技术细节，提供多种协议类型，支持多种智能硬件的接入和大数据服务。用户按照OneNET云平台的规范接入平台，上传数据，实现数据传输与存储管理功能，同时平台还支持MQTT、EDP、HTTP等接入协议[5]。用户在官网注册账号后即可进入云平台创建项目。数据上传完成后，用户可以在网页和手机APP端查看数据和对应的变化曲线，也可以下发控制指令，控制智能设备的运行。系统硬件接口电收稿日期：修回日期：2021-03-24 2021-04-3036物联网技术
2021年 /
第12期
Copyright©博看网 . All Rights Reserved.
全面感知
Comprehensive Perception路如图2所示。2.2 硬件设计针对智能小车的分层结构，硬件设计采取模块化设计方法。智能小车系统硬件分为微控制器主控单元、四驱电机驱动模块、舵机模块、超声波单元模块、温湿度测量模块和WiFi模块。图2表示了各单元与主控单元的连接，根据不同模块的应用特点，合理分配主控单元的外设资源，实现对智能小车的硬件资源配置。图2 系统硬件接口电路智能小车微控制器采用STM32F103RCT6，这是基于Cortex-M3架构的高性能处理器[6]，主频达72 MHz，具备48 KB SRAM，256 KB FLASH，2个基本定时器，4个通用定时器，2个高级定时器，5个串口及51个通用I/O口，同时还具有ADC、SPI、DMA控制器等资源，满足了智能小车的应用需求。高级定时器TIME8有4个通道（CH1～CH4）的PWM波形输出，非常适用于智能小车的四轮驱动速度控制。此外，STM32F103RCT6其他定时器也为舵机驱动和超声波信号的产生奠定了基础。ESP8266是一款高集成度的WiFi模块，其本身是一个32位的MCU单元，可以独立访问网络，也可以搭配其他主控芯片，帮助主控芯片接入互联网。ESP8266提供串口与主控芯片进行数据交换。ESP8266允许配置为热点（AP）、客户端（STA），热点+客户端（AP+STA）等三种模式，本系统把ESP8266配置为STA模式，连接主控芯片的串口2。该模块通过路由器接入网络，实现远程控制与数据传输。小车车轮电机驱动采用L298N模块，内含两组双H桥驱动器，每个L298N模块可以驱动两组电机，电机驱动的输入信号由使能端EN，输入端IN1和IN2组成。EN端一般接入主控输出的PWM波形，控制电机的转速，IN1和[7]IN2接主控的2个I/O口，控制电机的正反转。因此，选择TIME8高级定时器的CH1～CH4通道配置4个PWM波形，PC6～PC9分别接入L298N四组EN端，电机正反转信号接到主控芯片的I/O端口，如图2表示。舵机接入PA8，这是TIME1的CH1通道输出接口，输出PWM波形控制舵机的运行。HDC1080温湿度传感器具有高精度、低功耗等特点，可同时进行温度与湿度测量，温度精度为±0.2℃，湿度精度为±2％，采用I2C总线方式与主控芯片连接，SDA和SCL分别接主控芯片的PB11和PB10，其设备地址为0x80（写）和0x81（读）。3 软件设计3.1 数据流智能小车与OneNET间通过MQTT协议传输数据，该协议支持数据双向传输，实时性高，具有长时间稳定连接等优点[8]，是为物联网场景而设计的基于TCP的一种轻量级发布／订阅消息传输协议。可用于计算能力有限，低带宽且不可靠的网络远程传感器和控制设备[9]。设备登录OneNET平台后，选择在此协议下创建“智能小车”产品，添加设备后，2021年 /
第12期
物联网技术37Copyright©博看网 . All Rights Reserved.
全面感知
Comprehensive Perception对智能小车的数据流进行规划。数据流是设备属性，可为设备单项数据属性，也可为设备属性的组合。本系统数据流根据数据传输方向分为两类：（1）上行数据流，即智能小车测量的数据，主要包括连接于主控芯片I2C接口上的温湿度传感器HDC1080测得的温度和湿度数据。（2）下行数据流，即网页和手机APP端发出的控制指令，通过OneNET云平台发送给智能小车，控制小车的运行。包括前进、后退、左转、右转、停止，以及运行模式的改变。这些数据流封装为完整的数据包，通过ESP8266发送至OneNET云平台。OneNET为数据流的封装提供了多种形式，本系统采用数据类型3（TYPE=3，JSON格式）
模式。3.2 主程序设计程序首先对智能小车系统各模块初始化，包括串口初始化、温湿度传感器I2C接口初始化、电机和舵机端口初始化、电机和舵机PWM波初始化。之后，经串口2发送AT指令给ESP8266模块，设置ESP8266为STA模式，连接WiFi后，等待接收OneNET云平台的回应信号，确认连接OneNET服务器。程序按照MQTT协议TYPE3格式对数据流数据进行封装，每5 s便将测量的温湿度数据传输至云平台，同时对接收的云平台控制指令进行解析并执行，控制小车运行。当接收到小车运行模式改变为超声波避障模式的指令后，智能小车执行避障程序。系统主流程如图3所示，数据解析流程如图4所示，超声波避障流程如图5所示。mode=0x00时表示转换开始。图4 接收数据解析流程完整测量温湿度的过程：启动总线、发送设备写地址0x80、检测器件应答是否正常、发送触发测量命令字（mode）、检测器件应答是否正常、重新启动总线、发送设备读地址0x81、检测器件应答正否正常、读高8位温度字节、主机应答、读低8位温度字节、主机应答、读高8位湿度字节、主机应答、读低8位湿度字节、主机非应答、结束总线，最后把读取的字节组合为完整的温度*temp_value和湿度*humi_value。温湿度字节数据读取后，可以得到实际温湿度数值，具体代码和注释（wendu和shidu是全局变量，用于存放读取的温湿度数据）如下所示：
图3 系统主流程void Hdc1080_Temp_Humi()
{
u16 val_temp,val_humi;
u8 flag=0;//定义局部变量//温湿度数据读取3.3 HDC1080测量程序HDC1080的测量数据程序按照I2C协议编写。测量函数为u8 Measure_Hdc1080（u8 mode，u16 *temp_value，u16 *humi_value），在调用此函数时，mode为模式参数，38物联网技术
2021年 /
第12期
flag=Measure_Hdc1080(0x00,&val_temp,&val_humi); //执行转换同时检查器件应答Copyright©博看网 . All Rights Reserved.
全面感知
Comprehensive Perception if(flag==1)
{ wendu=0.0;shidu=0.0;
}else //器件正常{
wendu=((float)val_temp*165.0)/65536.0-40.0; //换算成温度 shidu=((float)val_humi)/65536.0*100.0;
} }//换算成湿度//数值记为0//如果器件无应答建的可视化应用网页端界面和手机APP端界面分别如图6和图7所示。图6 网页端可视化界面图7 手机APP端可视化界面4 实际测试智能小车的软硬件系统经过调试，搭建完成后，打开OneNET网页端和手机APP端进行联合运行，小车通过WiFi连接，登录OneNET云平台即可看到设备由离线状态转为在线状态。此时，小车将测量的温湿度数据上传到网页端和手机APP端。智能小车的模式选择由“模式选择”开关控制，每按一次开关，智能小车切换一次运行模式。系统开机后，默认为远程控制模式。当切换到超声波避障模式时，小车在舵机的图5 超声波避障流程控制下，分别测量左、中、右三个方向是否有障碍物，并测量相应的距离，按照最优程序方法选择避开障碍。测试结果表明，传感器采集数据准确，网页和手机APP控制端运行稳定，数据接收和指令下发功能正常。可视化界面可由使用者自行编辑、设计、发布，内容简洁，显示效果良好。3.4 可视化用户应用界面设计OneNET平台为用户提供了数据可视化应用，用户可通过OneNET提供的可视化工具[10]，根据自身需求设计用户操作界面。OneNET创建的产品含有应用管理编辑功能，用户可将仪表盘、折线图、开关、命令框等控件拖拽至页面，对每个控件的属性和样式进行编辑，特别是对属性中的数据流刷新频率、数值设置等进行配置。控件与数据流建立关联，待产品创建完成后保存并发布，用户就可在网页和手机APP端访问OneNET平台，接收数据并发送控制指令。本系统创5 结 语本系统在智能小车上搭载温湿度传感器HDC1080测量数据，通过ESP8266上传数据到OneNET云平台，构建了远程多点、可移动的温湿度测量系统。通过OneNET云平台创（下转第42页）2021年 /
第12期
物联网技术39Copyright©博看网 . All Rights Reserved.
全面感知
Comprehensive Perception明显看出，该模型很好地实现了对13种人体活动的预测分类。图4是BP神经网络模型在测试集的预测分类混淆矩阵，其底侧数字和左侧数字的1～13分别代表待分类的13种人体活动和预测分类出的13种人体活动。最后一行格子（右下角格子除外）上方和下方的百分比分别表示模型对某一人体活动做出正确或错误分类的准确率和错误率。最后一列格子（右下角格子除外）上方和下方的百分比分别表示模型预测分类为某一人体活动的准确率和错误率。右下角格子上方的百分比代表模型对13种人体活动做出正确分类的总体准确率，下方的百分比为总体分类错误率。从混淆矩阵中可以看出，该方法对13种人体活动的总体识别率达到了96.6%，证明了我们所提方法的有效性。试集上预测分类混淆矩阵展现出的高识别率，表明了该模型用于人体活动识别的高效性。未来的研究中，应当充分考虑人体活动识别的时效性，找到识别速度和识别准确率的最佳平衡，更好地实现实时分类监测。参考文献图4 BP神经网络模型测试集的预测分类混淆矩阵4 结 语本文建立了BP神经网络模型用于人体活动识别，实验中提取了样本数据的方差、平均绝对值等时域参数作为分类特征，并采用PCA实现特征向量降维。利用DaLiAc公开数据集，通过对比样本标签的预测值和实际值，以及模型在测[1] Xie L，Tian J，Ding G，et al. Human activity recognition method
based on inertial sensor and barometer [C]// 2018 IEEE International
Symposium on Inertial Sensors and Systems
（INERTIAL）. IEEE，2018：1-4.[2] WANG J，CHEN Y，HAO S，et al. Deep learning for sensor-based
activity recognition： A survey [J]. Pattern recognition letters，2017，119：3-11.[3] GAO L，BOURKE A K，NELSON J. Evaluation of accelerometer
based multi-sensor versus single-sensor activity recognition systems
[J]. Medical engineering & physics，2014，36（6）：779-785.
[4] ESCALANTE H J，EDUARDO F，MORALES L，et al. A naïve
bayes baseline for early gesture recognition[J].Pattern recognition
letters，2016，73：91-99.[5] WANG Y，CANG S，YU H. A survey on wearable sensor modality
centred human activity recognition in health care [J]. Expert systems
with applications，2019，137
（12）：167-190.[6]孙佳亨，孟晓亮，梁豪，等.基于MEMS传感器的体操动作识别
[J].电子测量与仪器学报，2020，34（3）：94-99.[7] THARWAT A，MAHDI H，ELHOSENY M，et al. Recognizing
human activity in mobile crowdsensing environment using optimized
k-NN algorithm [J]. Expert systems with applications，2018，107：32-44.[8]张烈平，匡贞伍，李昆键，等.基于加速度传感器和神经网络的人体活动行为识别[J].现代电子技术，2019，42（16）：71-74.[9] LEUTHEUSER H， SCHULDHAUS D， ESKOFIER B M.
Hierarchical， multi-sensor based classification of daily life activities：
Comparison with state-of-the-art algorithms using a benchmark
dataset [J]. Plos one，2013，8（10）：75196.[10]王崇，李雯雯，张露，等.基于人工神经网络的室内自然光照度预测[J].物联网技术，2020，10（9）：52-53.（上接第39页）建了可视化应用界面，使得数据接收和下发控制指令的远程控制变得简单易操作。系统运行稳定，功能正常，可适用于不同的场合。参考文献子测量技术，2019，42（24）：6-11.[5]张萍.基于OneNET云平台的智能空调控制系统[J].计算机系统应用，2019，28（12）：118-122.[6]曾凯，朱城，朱泽德，等.基于LabVIEW和GPRS的远程土壤参数监测系统[J].制造业自动化，2019，41（10）：83-86.[7]张启龙，陈湘萍.OneNET云平台WiFi远程控制的智能家居系统[J].现代电子技术，2020，43（14）：25-29.[8]赵小强，权恒，晏珠峰，等.面向智慧农业的分层土壤墒情监测仪的设计及应用[J].物联网学报，2020，4（4）：43-50.
[9]王瑞，兀玉洁，李燕苹.基于MQTT协议的物联网实训云平台设计[J].工业控制计算机，2018，31（9）：101-103.[10]杨芸.基于Arduino与OneNET的家居环境远程监测系统设计[J].物联网技术，2020，10（9）：11-13.[1]杜海龙，张靖宇，王启鑫，等.基于SHT75的温湿度检测系统的设计[J].物联网技术，2021，11（1）：10-12.[2]莫芸熙，秦月.基于ZigBee技术的多点温湿度测量系统的设计
[J].工业控制计算机，2019，32（12）：129-130.[3]顾剑，李彬.基于DS18B20的多点测温监测系统设计[J].电子科技，2018，31（3）：61-64.[4]胡显桂，秦飞舟.基于STC89C52单片机的遥控小车设计[J].电作者介绍：刘静琦（2000—），女，吉林吉林人，就读于南京工程学院信息与通信工程学院，研究方向为电子技术。42物联网技术
2021年 /
第12期
Copyright©博看网 . All Rights Reserved.
2024年1月23日发(作者：彤光霁)
全面感知
Comprehensive PerceptionDOI：10.16667/.2095-1302.2021.12.009基于WiFi智能小车的远程温湿度测量系统刘静琦，阮煜婕，吴 胜，时 飞，周振虎，刘静波（南京工程学院，江苏 南京 211167）文中设计了一种基于WiFi智能小车的温湿度测量系统，以实现通过远程或移动方式对仓储场所进行摘 要：温湿度测量的目的。采用STM32F103RCT6作为主控，将智能小车作为载具，选用高精度传感器HDC1080测量温湿度，通过ESP8266模块将数据传输至云平台，用户在网页和手机APP端实时接收测量数据，并控制小车运行。采用中移动OneNET作为物联网云平台构建远程访问与控制系统，该系统可选用远程和超声波避障模式控制小车，远程获取温湿度数据。通过实际测试，系统实现了对仓储场所循环多次测量、动态多点实时测量与数据传输的目的。两种模式能够可靠切换，具有较好的灵活性和适应性，可有效提高仓储场所的实时监测水平，具有较高的实用价值。温湿度；智能小车；远程数据；物联网；单片机；云平台关键词：TP23；TP311 A 2095-1302（2021）12-0036-04中图分类号：文献标识码：文章编号：0 引 言温湿度是仓储场所的重要环境参数，对温湿度的测量一般选用传感器进行单点静态测量[1]，或在某一个区域内布置多个节点，采用无线网络方式实现多点温湿度测量[2]，也有采用一组总线下挂载多个传感器进行测量的方式[3]。这些方法运行成本高，测量点布置工作量大，有线测量方式后期维护改造困难，无线组网多点方式则需要配置若干个无线组网模块与处理器单元，特别是测量点数较多时，造价较高。因此，本系统采用WiFi智能小车作为载具，搭载温湿度传感器，远程控制小车运行，可实时测量数据，并将数据远程传输至OneNET云平台。系统具备远程与超声波避障两种运行模式，可实现对仓储场所动态多点循环测量，把传统静态测量转变为一定范围内的多点动态测量。系统选用OneNET物联网云平台，使小车具备远程控制与数据测量传输功能[4]，拓宽其应用范围。OneNET是较成熟的物联网云平台，本系统采用OneNET云平台提供的网页应用控件、命令下发控件等实现了数据接收和远程指令下发等应用。通过网页端和手机APP端的同步应用，可快速方便地构建远程、移动多点智能小车温湿度测量系统。系统运行时，智能小车在远程指令的控制下，实现前进、后退、转弯，同时还会测量温湿度数据，并以间隔5 s的时间传输至云平台，网页和手机APP接收数据。小车动态运行，对仓储场所实现多点测量。通过发送指令，可以将小车切换为超声波避障模式，还可优化避障程序，使小车具有更好的适应性。图1所示为系统结构。1 系统总体设计系统由智能小车部分及OneNET物联网云平台控制和数据传输部分组成。智能小车部分采用STM32F103RCT6作为主控，借助温湿度传感器HDC1080测量温湿度数据。小车组件包括底盘、电机和车轮等。电机驱动采用L298N模块，超声波模块安装于舵机控制单元，实现左、中、右三个方向的避障距离测量。智能小车与云平台之间通过ESP8266模块实现远程控制与数据传输。图1 系统结构2 硬件设计2.1 OneNET云平台OneNET是中国移动推出的物联网开放平台，该平台屏蔽了复杂的技术细节，提供多种协议类型，支持多种智能硬件的接入和大数据服务。用户按照OneNET云平台的规范接入平台，上传数据，实现数据传输与存储管理功能，同时平台还支持MQTT、EDP、HTTP等接入协议[5]。用户在官网注册账号后即可进入云平台创建项目。数据上传完成后，用户可以在网页和手机APP端查看数据和对应的变化曲线，也可以下发控制指令，控制智能设备的运行。系统硬件接口电收稿日期：修回日期：2021-03-24 2021-04-3036物联网技术
2021年 /
第12期
Copyright©博看网 . All Rights Reserved.
全面感知
Comprehensive Perception路如图2所示。2.2 硬件设计针对智能小车的分层结构，硬件设计采取模块化设计方法。智能小车系统硬件分为微控制器主控单元、四驱电机驱动模块、舵机模块、超声波单元模块、温湿度测量模块和WiFi模块。图2表示了各单元与主控单元的连接，根据不同模块的应用特点，合理分配主控单元的外设资源，实现对智能小车的硬件资源配置。图2 系统硬件接口电路智能小车微控制器采用STM32F103RCT6，这是基于Cortex-M3架构的高性能处理器[6]，主频达72 MHz，具备48 KB SRAM，256 KB FLASH，2个基本定时器，4个通用定时器，2个高级定时器，5个串口及51个通用I/O口，同时还具有ADC、SPI、DMA控制器等资源，满足了智能小车的应用需求。高级定时器TIME8有4个通道（CH1～CH4）的PWM波形输出，非常适用于智能小车的四轮驱动速度控制。此外，STM32F103RCT6其他定时器也为舵机驱动和超声波信号的产生奠定了基础。ESP8266是一款高集成度的WiFi模块，其本身是一个32位的MCU单元，可以独立访问网络，也可以搭配其他主控芯片，帮助主控芯片接入互联网。ESP8266提供串口与主控芯片进行数据交换。ESP8266允许配置为热点（AP）、客户端（STA），热点+客户端（AP+STA）等三种模式，本系统把ESP8266配置为STA模式，连接主控芯片的串口2。该模块通过路由器接入网络，实现远程控制与数据传输。小车车轮电机驱动采用L298N模块，内含两组双H桥驱动器，每个L298N模块可以驱动两组电机，电机驱动的输入信号由使能端EN，输入端IN1和IN2组成。EN端一般接入主控输出的PWM波形，控制电机的转速，IN1和[7]IN2接主控的2个I/O口，控制电机的正反转。因此，选择TIME8高级定时器的CH1～CH4通道配置4个PWM波形，PC6～PC9分别接入L298N四组EN端，电机正反转信号接到主控芯片的I/O端口，如图2表示。舵机接入PA8，这是TIME1的CH1通道输出接口，输出PWM波形控制舵机的运行。HDC1080温湿度传感器具有高精度、低功耗等特点，可同时进行温度与湿度测量，温度精度为±0.2℃，湿度精度为±2％，采用I2C总线方式与主控芯片连接，SDA和SCL分别接主控芯片的PB11和PB10，其设备地址为0x80（写）和0x81（读）。3 软件设计3.1 数据流智能小车与OneNET间通过MQTT协议传输数据，该协议支持数据双向传输，实时性高，具有长时间稳定连接等优点[8]，是为物联网场景而设计的基于TCP的一种轻量级发布／订阅消息传输协议。可用于计算能力有限，低带宽且不可靠的网络远程传感器和控制设备[9]。设备登录OneNET平台后，选择在此协议下创建“智能小车”产品，添加设备后，2021年 /
第12期
物联网技术37Copyright©博看网 . All Rights Reserved.
全面感知
Comprehensive Perception对智能小车的数据流进行规划。数据流是设备属性，可为设备单项数据属性，也可为设备属性的组合。本系统数据流根据数据传输方向分为两类：（1）上行数据流，即智能小车测量的数据，主要包括连接于主控芯片I2C接口上的温湿度传感器HDC1080测得的温度和湿度数据。（2）下行数据流，即网页和手机APP端发出的控制指令，通过OneNET云平台发送给智能小车，控制小车的运行。包括前进、后退、左转、右转、停止，以及运行模式的改变。这些数据流封装为完整的数据包，通过ESP8266发送至OneNET云平台。OneNET为数据流的封装提供了多种形式，本系统采用数据类型3（TYPE=3，JSON格式）
模式。3.2 主程序设计程序首先对智能小车系统各模块初始化，包括串口初始化、温湿度传感器I2C接口初始化、电机和舵机端口初始化、电机和舵机PWM波初始化。之后，经串口2发送AT指令给ESP8266模块，设置ESP8266为STA模式，连接WiFi后，等待接收OneNET云平台的回应信号，确认连接OneNET服务器。程序按照MQTT协议TYPE3格式对数据流数据进行封装，每5 s便将测量的温湿度数据传输至云平台，同时对接收的云平台控制指令进行解析并执行，控制小车运行。当接收到小车运行模式改变为超声波避障模式的指令后，智能小车执行避障程序。系统主流程如图3所示，数据解析流程如图4所示，超声波避障流程如图5所示。mode=0x00时表示转换开始。图4 接收数据解析流程完整测量温湿度的过程：启动总线、发送设备写地址0x80、检测器件应答是否正常、发送触发测量命令字（mode）、检测器件应答是否正常、重新启动总线、发送设备读地址0x81、检测器件应答正否正常、读高8位温度字节、主机应答、读低8位温度字节、主机应答、读高8位湿度字节、主机应答、读低8位湿度字节、主机非应答、结束总线，最后把读取的字节组合为完整的温度*temp_value和湿度*humi_value。温湿度字节数据读取后，可以得到实际温湿度数值，具体代码和注释（wendu和shidu是全局变量，用于存放读取的温湿度数据）如下所示：
图3 系统主流程void Hdc1080_Temp_Humi()
{
u16 val_temp,val_humi;
u8 flag=0;//定义局部变量//温湿度数据读取3.3 HDC1080测量程序HDC1080的测量数据程序按照I2C协议编写。测量函数为u8 Measure_Hdc1080（u8 mode，u16 *temp_value，u16 *humi_value），在调用此函数时，mode为模式参数，38物联网技术
2021年 /
第12期
flag=Measure_Hdc1080(0x00,&val_temp,&val_humi); //执行转换同时检查器件应答Copyright©博看网 . All Rights Reserved.
全面感知
Comprehensive Perception if(flag==1)
{ wendu=0.0;shidu=0.0;
}else //器件正常{
wendu=((float)val_temp*165.0)/65536.0-40.0; //换算成温度 shidu=((float)val_humi)/65536.0*100.0;
} }//换算成湿度//数值记为0//如果器件无应答建的可视化应用网页端界面和手机APP端界面分别如图6和图7所示。图6 网页端可视化界面图7 手机APP端可视化界面4 实际测试智能小车的软硬件系统经过调试，搭建完成后，打开OneNET网页端和手机APP端进行联合运行，小车通过WiFi连接，登录OneNET云平台即可看到设备由离线状态转为在线状态。此时，小车将测量的温湿度数据上传到网页端和手机APP端。智能小车的模式选择由“模式选择”开关控制，每按一次开关，智能小车切换一次运行模式。系统开机后，默认为远程控制模式。当切换到超声波避障模式时，小车在舵机的图5 超声波避障流程控制下，分别测量左、中、右三个方向是否有障碍物，并测量相应的距离，按照最优程序方法选择避开障碍。测试结果表明，传感器采集数据准确，网页和手机APP控制端运行稳定，数据接收和指令下发功能正常。可视化界面可由使用者自行编辑、设计、发布，内容简洁，显示效果良好。3.4 可视化用户应用界面设计OneNET平台为用户提供了数据可视化应用，用户可通过OneNET提供的可视化工具[10]，根据自身需求设计用户操作界面。OneNET创建的产品含有应用管理编辑功能，用户可将仪表盘、折线图、开关、命令框等控件拖拽至页面，对每个控件的属性和样式进行编辑，特别是对属性中的数据流刷新频率、数值设置等进行配置。控件与数据流建立关联，待产品创建完成后保存并发布，用户就可在网页和手机APP端访问OneNET平台，接收数据并发送控制指令。本系统创5 结 语本系统在智能小车上搭载温湿度传感器HDC1080测量数据，通过ESP8266上传数据到OneNET云平台，构建了远程多点、可移动的温湿度测量系统。通过OneNET云平台创（下转第42页）2021年 /
第12期
物联网技术39Copyright©博看网 . All Rights Reserved.
全面感知
Comprehensive Perception明显看出，该模型很好地实现了对13种人体活动的预测分类。图4是BP神经网络模型在测试集的预测分类混淆矩阵，其底侧数字和左侧数字的1～13分别代表待分类的13种人体活动和预测分类出的13种人体活动。最后一行格子（右下角格子除外）上方和下方的百分比分别表示模型对某一人体活动做出正确或错误分类的准确率和错误率。最后一列格子（右下角格子除外）上方和下方的百分比分别表示模型预测分类为某一人体活动的准确率和错误率。右下角格子上方的百分比代表模型对13种人体活动做出正确分类的总体准确率，下方的百分比为总体分类错误率。从混淆矩阵中可以看出，该方法对13种人体活动的总体识别率达到了96.6%，证明了我们所提方法的有效性。试集上预测分类混淆矩阵展现出的高识别率，表明了该模型用于人体活动识别的高效性。未来的研究中，应当充分考虑人体活动识别的时效性，找到识别速度和识别准确率的最佳平衡，更好地实现实时分类监测。参考文献图4 BP神经网络模型测试集的预测分类混淆矩阵4 结 语本文建立了BP神经网络模型用于人体活动识别，实验中提取了样本数据的方差、平均绝对值等时域参数作为分类特征，并采用PCA实现特征向量降维。利用DaLiAc公开数据集，通过对比样本标签的预测值和实际值，以及模型在测[1] Xie L，Tian J，Ding G，et al. Human activity recognition method
based on inertial sensor and barometer [C]// 2018 IEEE International
Symposium on Inertial Sensors and Systems
（INERTIAL）. IEEE，2018：1-4.[2] WANG J，CHEN Y，HAO S，et al. Deep learning for sensor-based
activity recognition： A survey [J]. Pattern recognition letters，2017，119：3-11.[3] GAO L，BOURKE A K，NELSON J. Evaluation of accelerometer
based multi-sensor versus single-sensor activity recognition systems
[J]. Medical engineering & physics，2014，36（6）：779-785.
[4] ESCALANTE H J，EDUARDO F，MORALES L，et al. A naïve
bayes baseline for early gesture recognition[J].Pattern recognition
letters，2016，73：91-99.[5] WANG Y，CANG S，YU H. A survey on wearable sensor modality
centred human activity recognition in health care [J]. Expert systems
with applications，2019，137
（12）：167-190.[6]孙佳亨，孟晓亮，梁豪，等.基于MEMS传感器的体操动作识别
[J].电子测量与仪器学报，2020，34（3）：94-99.[7] THARWAT A，MAHDI H，ELHOSENY M，et al. Recognizing
human activity in mobile crowdsensing environment using optimized
k-NN algorithm [J]. Expert systems with applications，2018，107：32-44.[8]张烈平，匡贞伍，李昆键，等.基于加速度传感器和神经网络的人体活动行为识别[J].现代电子技术，2019，42（16）：71-74.[9] LEUTHEUSER H， SCHULDHAUS D， ESKOFIER B M.
Hierarchical， multi-sensor based classification of daily life activities：
Comparison with state-of-the-art algorithms using a benchmark
dataset [J]. Plos one，2013，8（10）：75196.[10]王崇，李雯雯，张露，等.基于人工神经网络的室内自然光照度预测[J].物联网技术，2020，10（9）：52-53.（上接第39页）建了可视化应用界面，使得数据接收和下发控制指令的远程控制变得简单易操作。系统运行稳定，功能正常，可适用于不同的场合。参考文献子测量技术，2019，42（24）：6-11.[5]张萍.基于OneNET云平台的智能空调控制系统[J].计算机系统应用，2019，28（12）：118-122.[6]曾凯，朱城，朱泽德，等.基于LabVIEW和GPRS的远程土壤参数监测系统[J].制造业自动化，2019，41（10）：83-86.[7]张启龙，陈湘萍.OneNET云平台WiFi远程控制的智能家居系统[J].现代电子技术，2020，43（14）：25-29.[8]赵小强，权恒，晏珠峰，等.面向智慧农业的分层土壤墒情监测仪的设计及应用[J].物联网学报，2020，4（4）：43-50.
[9]王瑞，兀玉洁，李燕苹.基于MQTT协议的物联网实训云平台设计[J].工业控制计算机，2018，31（9）：101-103.[10]杨芸.基于Arduino与OneNET的家居环境远程监测系统设计[J].物联网技术，2020，10（9）：11-13.[1]杜海龙，张靖宇，王启鑫，等.基于SHT75的温湿度检测系统的设计[J].物联网技术，2021，11（1）：10-12.[2]莫芸熙，秦月.基于ZigBee技术的多点温湿度测量系统的设计
[J].工业控制计算机，2019，32（12）：129-130.[3]顾剑，李彬.基于DS18B20的多点测温监测系统设计[J].电子科技，2018，31（3）：61-64.[4]胡显桂，秦飞舟.基于STC89C52单片机的遥控小车设计[J].电作者介绍：刘静琦（2000—），女，吉林吉林人，就读于南京工程学院信息与通信工程学院，研究方向为电子技术。42物联网技术
2021年 /
第12期
Copyright©博看网 . All Rights Reserved.