用于无线传感节点的多能量模式识别方法研究

作     者：赵思成 

作者单位：哈尔滨工业大学 

学位级别：硕士

导师姓名：张雪林

授予年度：2021年

学科分类：080904[工学-电磁场与微波技术] 0810[工学-信息与通信工程] 0809[工学-电子科学与技术（可授工学、理学学位）] 080202[工学-机械电子工程] 08[工学] 0807[工学-动力工程及工程热物理] 080402[工学-测试计量技术及仪器] 0804[工学-仪器科学与技术] 081001[工学-通信与信息系统] 0802[工学-机械工程] 

主      题：复合微能源系统 BP神经网络 自适应 无线传感节点 

摘      要：随着信息化时代的到来,无线传感网络广泛应用于军事、交通、医疗等诸多领域,对人类社会形态产生了深远的影响。随着无线传感节点的功能日渐强大,如何维持节点长时间稳定可靠工作,成为了物联网技术的瓶颈之一。为此,在各种低功耗技术不断发展的同时,适用于无线传感节点的微能源技术蓬勃发展,如微型太阳能电池、微型振动能量收集器、射频能量收集器等。目前常见的具备能量收集功能的无线传感节点通常只使用单一的能量收集技术（通常是太阳能电池）,同时使用锂电池作为储能器件。在一些特定振动环境下,也有一些节点使用各种振动能量收集器采集能量。微能源器件的输出受环境因素影响大,使用单一能量收集方案,无线传感节点的寿命受到很大制约。为此,本论文设计了一种复合微能源管理平台及其自适应算法以应对多路不同微能源同时输入的情况,并以此平台对一个微型气象站节点进行管理。首先,本课题对不同工况下的微能源开路电压进行采样,建立了微能源特征向量数据集;搭建了基于BP神经网络的微能源识别算法,该算法识别正确率可达94%以上;并设计了超级电容优先的电源管理算法。其次,本课题对复合微能源管理平台进行硬件设计,将基于BP神经网络的微能源识别算法和超级电容优先的电源管理算法移植到FPGA上,并对其进行FPAG原型验证。复合微能源管理平台可以灵活适应两路微能源输入,且具有灵活的能量流动路径,在为负载提供稳定的电能输出的同时,为负载提供微能源输入信息及系统能量状态。最后,本课题对复合微能源管理平台的输出性能进行了详尽测试,验证了识别算法的准确性及电源管理算法的可靠性。使用基于STM32L和BME680的微型气象站节点,对复合微能源系统进行验证,验证结果表明节点可以根据复合微能源管理平台提供的能源输入信息及系统能量状态动态调节节点工作模式以最大限度的提高节点寿命。本课题实现了一种基于BP神经网络的复合微能源管理系统,其对太阳能管理效率可达85%,振动能最大输出功率可达7.4mw;相较传统的电源管理系统,该系统可自适应外部输入,拓宽了能量采集范围,丰富了能量流动路径,并可为负载提供丰富的能量信息,形成了新的复合微能源管理方案。