Department InformatikTechnical Reports / ISSN 2191-5008

Juergen Eckert, Abdalkarim Awad,Kai-Steffen Hielscher, David Eckhoff (Hrsg.)

14. GI/ITG KuVS Fachgesprach Sensornetze

Technical Report CS-2015-06

23.-24. September 2015

Please cite as:Juergen Eckert, Abdalkarim Awad, Kai-Steffen Hielscher, David Eckhoff (Eds.), Proceedings of the 14. GI/ITG KuVSFachgesprach Sensornetze, Friedrich-Alexander-Universitat Erlangen-Nurnberg, Dept. of Computer Science, TechnicalReports, CS-2015-06, September 2015.

Friedrich-Alexander-Universitat Erlangen-NurnbergDepartment Informatik

Martensstr. 3 91058 Erlangen Germany

www.cs.fau.de

14. GI/ITG KuVS FachgesprachSensornetze

der GI/ITG Fachgruppe

Kommunikation und Verteilte Systeme

23.-24. September 2015 in Erlangen

Organisation

General ChairJuergen Eckert

Technical ProgramAbdalkarim Awad

Kai-Steffen Hielscher

PublicationDavid Eckhoff

Local ArrangementsChristian Gotz

Social EventSebastian Schellenberg

Inhaltsverzeichnis

Session 1.1: Anwendungen

Octocoper Based Autonomous Cost over Coverage Deployment of Wireless SensorNetworks . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1Rafael Funke und Hannes Frey

Verteilte Sensor-Signalverarbeitung fur die Impedanzspektroskopie von vielzelligenBatterien . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5Nico Sassano, Valentin Roscher und Karl-Ragmar Riemschneider

PotatoNet Outdoor WSN Testbed for Smart Farming Applications . . . . . . . . . . 11Ulf Kulau, Sebastian Schildt, Stephan Rottmann, Bjorn Gernert und Lars Wolf

Ein Internet-gestutztes Sensornetz zur Erhebung von Mikroklimadaten in Weinbergen 15Frank Bohdanowicz und Hannes Frey

Session 1.2: Internet of Things

Leistungsmessung eines modularen Netzwerk-Stacks fur das IoT-BetriebssystemRIOT . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19Peter Kietzmann, Martin Landsmann, Thomas Schmidt, Hauke Petersen, Martine Lenders undMatthias Wahlisch

cowbusconfig Ansatz zur dezentralen Konfiguration von Gebaudeautomation . . . . 23Patrick Kanzler und Michael Zapf

RESTful Services fur 6LoWPAN Networks . . . . . . . . . . . . . . . . . . . . . . . . . . . 27Thomas Scheffler

Session 1.3: Quo Vadis?

20 Jahre Sensornetze - Praxisorientierte Forschung? . . . . . . . . . . . . . . . . . . . . . 33Alexander von Bodisco

Session 2.1: Sicherheit

Evaluation der Kryptografiebibliothek NaCl im Kontext drahtloser Sensornetze . . . 37Markus Jung, Anton Hergenroder und Katharina Mannle

Design Space of Smart Home Networks from a Security Perspective . . . . . . . . . . . 41Philipp Morgner, Zinaida Benenson, Christian Muller und Frederik Armknecht

Protecting Smart Objects from Denial-of-Service Attacks against SNMP . . . . . . . . 45Samir Sharma und Thomas Scheffler

Session 2.2: Zuverlassigkeit

Ausfalltolerante Datenhaltung durch Multicast Growth Codes . . . . . . . . . . . . . . . 49Isabel Madeleine Grimm, Max van gen Hassend und Reiner Kolla

Beobachtbarkeit und Nachrichtenverteilung fur ein drahtloses Sensornetz . . . . . . . 53Florian Evers und Patrick Kalka

Exploiting Already Deployed Sensor Networks for Opportunistic EmergencyCommunication Services . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57Silvia Krug und Jochen Seitz

Towards an OS-independent Code-Update Function for WSN . . . . . . . . . . . . . . . 61Thomas Basmer, Ievgen Kabin und Mario Scholzel

Octocopter Based Autonomous Cost over CoverageDeployment of Wireless Sensor Networks

Rafael FunkeUniversity of Koblenz-LandauEmail: rfunke@uni-koblenz.de

Hannes FreyUniversity of Koblenz-Landau

Email: frey@uni-koblenz.de

AbstractWe present a prototype implementation for au-tonomous sensor network deployment. The utilized deploymentalgorithm considers two conflicting goals: (1) maximizing thecoverage area while (2) maintaining good multi-hop connectivityfrom sensor nodes to a data sink. In an interdisciplinary researchproject we have built tiny sensor nodes fitting into bionic wingedseeds that can be deployed with a flying drone. We had a coupleof successful test flights with 15 nodes deployed on a soccer field.In this work we present these preliminary results as a proof ofconcept to demonstrate the principal applicability of the system.

I. INTRODUCTION

Wireless sensor networks usually have two main functions.First, they shall monitor an area with their sensors. Second,they shall send sensor readings multi-hop to a sink. Bothproperties depend on the deployment of the sensor network.In our previous work [1] we proposed to use channel qualityfeedback within the deployment process to improve commu-nication properties of the network. The idea is that whenevera node is deployed, the channel qualities are measured withinthe partially deployed network and used by the autonomousdeployment device as feedback to determine the next bestdeployment position.

In this paper we consider a similar but improved deploy-ment algorithm. We define a cost function that minimizesthe ratio of expected multi-hop transmission costs to the sinkover the sensor network coverage. For transmission costs weconsider that each node must send one packet (containingits sensing values) multi-hop over erroneous channels to thesink. For computing sensor coverage we assume a uniformsensing disk around each sensor node that is larger than halfthe communication range. The covered area is the union overall disks.

We present the system implementation, simulation resultsthat show the benefits of our algorithm and preliminary outdoordeployment experiments. We ran our algorithm on a flyingcopter which autonomously deployed sensor nodes on a soccerfield. With these experiments we show that in principle ouralgorithm is applicable in the real world, provide a proofof concept that our implemented system is useful for testingautonomous deployment algorithms in a real world experiment,and, furthermore, share our experiences and encountered prob-lems which should be valuable for other researchers who planto do outdoor experiments with autonomous sensor networkdeployments.

II. RELATED WORK

Deployment algorithms for wireless sensor networks caneither be static or dynamic and as well either be controlledor random. The difference between static and dynamic de-ployments is whether nodes can be repositioned once theyare deployed. Controlled and random deployments differ inwhether the nodes are positioned individually or whether theyare just dropped randomly.

In this work we consider static controlled deployments.Existing work uses regular patterns known in advance todeploy nodes. One approach is the regular triangle tesselation,which builds a lattice of equilateral triangles. It has beenshown that it provides optimal coverage with least number ofnodes [2], [3] when the sensing range is given as binary sensingdisk. In the case that communication and coverage range areequal, Kar and Banerjee showed that the pattern r-strip [4]provides near-optimum solution. However, this assumes thenetwork to be a unit disk graph (UDG) which a real-worldtopology will not be like.

An entirely different approach for static controlled de-ployment was given by Al-Turjman et al. [5]. They proposeto do a so called leaser scan from an airplane to get a 3Dmodel of the ground. With this model they predict channelqualities between positions offline. We see disadvantages inthis approach compared to ours as it relies on a channelmodel, which is always an abstraction of the reality. Further,deviations from planned deployment distances to real distancesmay impact the predicted channel qualities. This especiallyholds if nodes are dropped from a flying drone rather thanfrom a ground robot.

III. COST-BASED DEPLOYMENT ALGORITHM WITHFEEDBACK

The considered deployment algorithm initially deploys twonodes. The first is put in the center of the deployment area andthe second at static distance from it. After that, successively amesh of triangles is set up such that the union over all sensingdisks contains no holes (see Fig. 1 for an example deploymentwith 80 nodes; to avoid clutter only one sensing disk is shown).In each iteration the algorithm determines the position of thenode on the border of the current triangle mesh that is closest tothe center. That node, its right or left neighbor node (dependingon which is closer to the center), and the next node v to bedeployed form the next triangle to be added to the trianglemesh. The deployment position of v will be the position whichminimizes the ratio between added costs over coverage gain.The costs are the expected number of transmissions for sending

FGSN 2015

1

the nodes packet to the sink including retransmissions dueto lossy channels when following the shortest path alongthe edges of the constructed triangle graph. The coverage gainis found geometrically. It is the area of the newly deployednodes sensing disk minus the overlapping parts of the othernodes sensing disks.

The rationale behind transmission cost over coverage gainratio is to consider two conflicting goals in one cost function.On the one hand reducing the number of nodes on a coveredarea reduces the number of sensor readings and their requiredtransmissions. On the other hand reducing the number of nodesincreases the distance between nodes and thus increases thenumber of required retransmissions to get the readings multi-hop from the sensor to the sink.

In our scenario, each deployed node introduces the costsof one more measurement sample that is sent via shortest pathrouting to the sink over erroneous channels. The shortest pathis computed using the number of expected transmissions aslink costs (per link one transmission plus the costs for retrans-missions due to packet errors). The number of transmissionsof each hop is derived from the channel quality in terms ofsignal-to-noise ratio (SNR) using outage probability. That givesus the bit error probability, which leads us to the packet errorprobability and the expected number of transmissions:

The outage probability in Equation 11 gives us the proba-bility Pe of a bit error for given linear SNR value :

Pe =1

2(1+) (1)

The probability Pc for the successful reception of a packetwith length n bits is the probability of n correct bits, givenby:

Pc = (1 12(1+) )n (2)We assume no error correction and thus one bit error results ina packet error. The expected number of packet retransmissionson one hop is then for n and given by 1/Pc.

With each newly deployed node the actual channel qualityin terms of SNR of that node to all its neighbors is measuredand the transmission costs according to 1/Pc from Equation 2are calculated. These values are then used to find the shortestpath from a potential next deployment location to the datasink. This however requires an estimate of the SNR betweenthe deployment position to be tested and its two neighbors inthe triangle mesh. Since we need these values before a nodeis deployed, we estimate the SNR using a log-distance path-loss model and subsequently estimate the expected number ofretransmissions based on Equation 2.

IV. REAL-WORLD PROTOTYPE, EXPERIENCES ANDCHALLENGES

So far we have implemented a preliminary prototype sys-tem consisting of a UAV for sensor node deployment and a setof lightweight sensor nodes which can be deployed from theair2. The system is planned to be used for prototype tests ofsensor deployment algorithms. In this short paper we present

1assuming differential binary phase shift keying (BPSK) on slow flat-fadingchannels (Rayleigh distributed), which is used for example in sub-1GHZ IEEE802.15.4 transceivers [6, p. 341]

2An advertising film can be found at http://URL

sensing disc

Fig. 1: Sample deployment graph for a simulation with 80nodes. The border is shown as thick blue line.

measurements of the deployment algorithm briefly sketched inthe previous section. The results shown are preliminary andof no statistical relevance. We present the results to sketchthe current version of our system implementation, show theprincipal applicability of the system as a proof of concept,and to discuss aspects of our prototype system which still needimprovement to be finally used as real system for autonomoussensor deployments.

We use a MikroKopter octocopter equipped with GlobalPositioning System (GPS), an additional microcontroller, aradio for interaction with the sensor network and a coupleof wireless sensor nodes inside a magazine used to deploy thesensor network. The system autonomously3 flies to certain GPSpositions according to the deployment algorithm and drops anode at these positions. Whenever the magazine is empty, thecopter returns to its starting position and has to be manuallyrefilled. It then continues the deployment process where itpreviously stopped.

In an interdisciplinary research project together with theSystem and Circuit Technology group of the Electrical En-gineering department and the Direct Manufacturing ResearchCenter of the Mechanical Engineering department at the Uni-versity of Paderborn, the required hardware parts were devel-oped and built by researchers and students. The System andCircuit Technology group built tiny sensor nodes with IEEE802.15.4 transceiver, see Figure 2d. The Direct ManufacturingResearch Center group built winged bionic seeds where thesensor nodes with batteries could be sticked into (see Figure2c). The purpose of the seeds is to soften the impact on hittingthe ground and to have a protective casing. Furthermore, theybuilt a deployment mechanism which is the magazine we usefor dropping nodes from the flying drone (see Figure 2b).

The architecture of our experiments is shown in Figure 3.We have 48 sensor nodes which are flashed with a softwarethat allows to read out channel qualities wireless. Our drone isan octocopter (MikroKopter platform) with a maximal payload

3Due to legal constraints, the mentioned autonomous flights still require apilot to hold a remote control in his hand. In case of an algorithm failure, thepilot can immediately take over and safely land the octocopter by hand.

FGSN 2015

2

(a) Copter (b) Filled deployment mechanism

(c) Bionic seeds (d) Sensor nodes

Fig. 2: Hardware

BeagleBoard

802.15.4IEEE WLAN

Step motor+ Deploy mech.

GPSCopter

Sensor network Laptop computer

AirGround

Fig. 3: Diagram of components used in experiments

of 2.5 kg. Attached to it is the deployment mechanism, aBeagleBoard running Linux and a GPS unit. The Linux boardis connected to the octocopter via an interface which allowsit to instruct the copter to fly to certain GPS positions and todrop sensor nodes. Further, it is connected to one sensor nodevia UART interface which allows it to send and receive datato and from other sensor nodes. The deployment algorithm isimplemented on the Linux board, such that it can instruct thecopter to fly to the deployment position, read out the currentposition of the copter, trigger the deployment of one seed andquery channel quality feedback from already deployed nodes.We have small rechargeable batteries for each sensor nodewhich powers them for about 2 hours if fully charged. Wehave five powerful rechargeable batteries for the octocopterwhere each gives it approximately 15 minutes of flight time,if fully charged. The testbed site we used was a soccer fieldat our university, which gave us an relatively large flat areawithout obstacles.

Due to the nodes communication range of approx 30 metersand due to the limited space on the soccer field, our experi-ments were limited to 15 nodes. Though the hardware allows toreduce communication range our current deployments requirea distance of at least 15 m between the nodes to accountfor deviations in deployment positions. There are two majorcauses for such deviation. First, the impreciseness of GPS incombination with limited maneuverability of the copter. Dueto that we had to set a tolerance range of 6 m around the targetdeployment position and drop the node when the copter got inthat range. Second, the sensor nodes with the winged bionicseeds started rotating and floating slowly to the ground, asintended. However, affected by wind that further increased thevariability of the deployment position.

A problem in producing statistical relevant data sets is thatthe experiments are very time consuming. Battery capacity isstill very limited. In our case we have three chargers and witheach charger we can charge either one copter battery or sevensensor node batteries at a time. The charging takes about 1hour for copter batteries and 2 hours for sensor node batteries.In each flight, we can deploy five sensor nodes. Then the copterhas to land and to be refilled. With one copter battery, at most15 nodes can be deployed, at the moment. This number evenreduces in windy conditions. The copter needs more powerto stabilize. Typically, we can only deploy around 10 nodesthen. One experiment with 15 nodes takes about 20 30minutes, including the time to change copter battery, refill thedeployment mechanism in between and collecting all nodes

FGSN 2015

3

after finishing the experiment. So doing at most 5 experimentswith 15 nodes is already half a day of work. Including alladditional preparation this significantly limits the number ofexperiments one can do at one day.

0 1 2 3

x 104

0

2000

4000

6000

8000

Covered Area

Nu

mb

. o

f re

tra

nsm

issio

ns

Regular triangle tess.

Costbased dynamic

(a) Sum of number of(re)transmissions to center-based sink (Simulation)

0 50 100 150 200 250 3000

0.02

0.04

0.06

0.08

0.1

0.12

Number of nodes

Avg

mu

lti

ho

p B

ER

to

sin

k

Regular triangle tess.

Costbased dynamic

(b) Avg. Multi-hop BER to sinkfor given number of nodes (Sim-ulation)

0 200 400 600 800 10000

10

20

30

40

Covered Area

Nu

mb

er

of

(Re

)T

ran

sm

issio

ns

Cost1Cost2Cost3Cost4Reg1Reg2

(c) (Re)transmissions over cov-ered area (outdoor experiment)

0 5 10 150

0.05

0.1

0.15

0.2

0.25

0.3

0.35

Number of nodes

Avg

mu

lti

ho

p B

ER

to

sin

k

Cost1Cost2Cost3Cost4Reg1Reg2

(d) Average multi-hop BER tosink (outdoor experiment)

Fig. 4: Results of simulations (4a and 4b) and six outdoor ex-periment runs (4 cost-based deployment, 2 regular triangletesselation in 4c and 4d).

In the end we had six successful experiment runs, fourwith our cost-based algorithm and two with the regular triangletesselation. The measurements do not allow to compare bothapproaches to each other, but they give a range in which themetrics will be. The results for multi-hop BER to sink overnumber of nodes and (re-)transmissions over area are shownin Figure 4. We measured after deployment of 5, 7, 10 and 15nodes, unless the experiment was aborted before. Each curveshows one experiment. We see that multi-hop BER rangesbetween 5 and 35%. In Figure 4c we see that the networkwas partitioned in three experiments, resulting in an infinitesum of transmission costs. In the other three experiment runs,the number of transmissions were in the range between 20 and35 retransmissions.

For comparison and to show that our algorithm works wellin principle, we show simulation results in Figure 4a and 4b.The simulation is implemented such that the deployment algo-rithm has perfect knowledge about the deterministic behaviourof the channel, i.e. the path loss exponent and the loss atreference distance. The non-deterministic log-normal shadow-ing is not known until nodes are deployed. The simulationis parametrized with path loss exponent = 4.2, path lossat reference distance 1 being 39.15 dB, a variance of 8.0 forthe log normal distribution, the transmit power being 1 dBm,the noise floor being 100 dBm and the packet length being64 bits. In Figure 4a we see that our cost-based deploymentreduces the number of required transmissions by 5 to 28%.

Further, we can see a reduction in multi-hop BER for ourcost-based deployment in Figure 4b. Thus, simulations showthat our cost-based algorithm is beneficial.

V. CONCLUSION

We introduce a novel approach for the deployment ofsensor networks which achieves full coverage of an area andaims in providing cheap multi-hop transmissions from allnodes to sink in terms of number of transmissions on erroneouschannels. We make use of the concept of iterative deploymentwith channel quality feedback, which we introduced in ourprevious work[1]. Our major new contribution in this work isthe cost-based approach, where possible deployment positionsare assessed according to the ratio of transmission costs to cov-erage gain. We evaluated our algorithm in outdoor experimentsand in a graph-based simulation and compared it to the regulartriangle tesselation which is optimal in terms of coverage.

We built a hardware prototype for outdoor real-worldtesting of deployment algorithms. It consists of a flying copterdrone equipped with sensor nodes which it drops accordingto the deployment algorithm. Using this prototype, we didthe proof of concept that our algorithm works in the realworld. Due to limited space for deployment in combinationwith limited positioning accuracy of our practical deployment,we did not get statistically meaningful data, but we providesamples of a real-world measurement.

The simulation results show that our cost-based deploy-ment algorithm reduces the number of (re-)transmissions forcollecting sensing values from each node to a center-basedsink by 5 to 28% compared to the regular triangle tesselation.Further, our algorithm reduces the average multi-hop BERconsiderably. Thus, our cost-based approach is beneficial fordeploying sensor networks.

REFERENCES[1] R. Funke and H. Frey, Iterative Sensor Node Deployment with

Channel Quality Feedback, in 2013 IEEE International Conferenceon Distributed Computing in Sensor Systems. IEEE, May 2013, pp.402408. [Online]. Available: http://ieeexplore.ieee.org/lpdocs/epic03/wrapper.htm?arnumber=6569463

[2] S. Slijepcevic and M. Potkonjak, Power efficient organization of wirelesssensor networks, in ICC 2001. IEEE International Conference onCommunications., vol. 2. IEEE, 2011, pp. 472476.

[3] R. Kershner, The Number of Circles Covering a Set, AmericanJournal of Mathematics, vol. 61, no. 3, pp. pp. 665671, 1939. [Online].Available: http://www.jstor.org/stable/2371320

[4] K. Kar and S. Banerjee, Node Placement for Connected Coverage inSensor Networks, in WiOpt03: Modeling and Optimization in Mobile,Ad Hoc and Wireless Networks, Mar. 2003.

[5] F. Al-Turjman, H. S. Hassanein, and M. A. Ibnkahla, Connectivity Op-timization for Wireless Sensor Networks Applied to Forest Monitoring,in 2009 IEEE International Conference on Communications. IEEE, Jun.2009, pp. 16.

[6] T. S. Rappaport, Wireless Communications: Principles and Practice,2nd ed. Prentice Hall PTR, 2002.

We acknowledge all persons involved in the prototype implementation of thesensor deployment system. This includes in particular our collaborators fromthe Electrical Engineering and Mechanical Engineering departments at theUniversity of Paderborn and all students participating in the semester projectsFlynet I, II and III.

Most notably, we want to acknowledge Ivan Stojmenovic who contributedto this work as part of a Humboldt Research Award.

FGSN 2015

4

Verteilte Sensor-Signalverarbeitung fr dieImpedanzspektroskopie von vielzelligen Batterien

Nico Sassano, Valentin Roscher, Karl-Ragmar RiemschneiderHochschule fr Angewandte Wissenschaften Hamburg

nico.sassano@haw-hamburg.de valentin.roscher@haw-hamburg.de karl-ragmar.riemschneider@haw-hamburg.de

Kurzfassung Groe Batterien mit vielen Zellen werdenin Fahrzeugen als Starter-, Puffer- und als Antriebsbatterienverwendet. Um diese Zellen einzeln zu berwachen, wurdenbereits drahtlose Sensorsysteme im Detail vorgestellt [1][6].Dieser Artikel soll sich auf die dezentrale Signalverarbeitungin diesem verteilten System fokussieren. Insbesondere sollam Beispiel der Berechnung der Impedanzspektroskopie frBatteriezustands- und Alterungsanalyse dargestellt werden,dass ein Teil der Signalverarbeitungsaufgabe vorteilhaft injedem Zellensensor zeitlich parallel erfolgen kann. Weil jedeZelle ber einen eigenen Controller im Sensor verfgt, istdie Bearbeitungszeit weitgehend unabhngig von der Zellen-zahl der Batterie. Da durch die verteilte Signalverarbeitungbereits verdichtete Ergebniswerte vom Sensor anstelle vonRohdatenblcken bertragen werden, wird der Funkkanalerheblich entlastet. Es werden praktische Ergebnisse einerImplementierung mit eigener Hardware und proprietremProtokoll ebenso wie eine Funktionsdemonstration vorgestellt.Die Methode der Impedanzspektroskopie wird heute in auf-wendigen Laboruntersuchungen fr Batterien verwendet. Dievorgestellten Lsungen sollen ein Beitrag sein, dieses aussage-krftige Verfahren auch in der tglichen Fahrzeuganwendungzu ermglichen.

I. EINFHRUNG

Bisher war die robuste Blei-Sure-Technologie im Fahr-zeug de facto Standard, sowohl als Starterbatterie frden Verbrennungsmotor als auch als Antriebsbatterie frGabelstapler. Die Entwicklung der Lithium-Technologie inden 1990er Jahren erlaubte eine drei- bis fnffach hhereEnergiedichte, allerdings zum Preis eines viel aufwendi-geren Batteriemanagements. Zunchst waren kleine, meisteinzellige Batterien fr mobile Gerte im Fokus. Die Mas-senproduktion ermglichte stark sinkende Batteriekostenfr diese Technologie, so dass der Elektroantrieb von Stra-enfahrzeugen aktuell eine Renaissance erlebt. In aktuellenElektrofahrzeugen werden Hochvoltbatterien mit typisch50-200 Zellen verwendet. Zunehmend werden Lithiumbat-terien fr alle Einsatzgebiete in Fahrzeugen geplant, auchfr Starter-/Pufferbatterien und sogar fr Gabelstapler. DieLeistungsfhigkeit, Sicherheit und Lebensdauer von Bat-terien wird essentiell vom Batteriemanagement bestimmt.Dabei ist es zwingend notwendig, jede einzelne Zelle zuberwachen.

Als Lsungskonzept wurden von der Arbeitsgruppe ander HAW Hamburg drahtlos kommunizierende Zellensen-soren vorgestellt [1][6]. Auf diese Weise knnen vieleNachteile der verkabelten Sensorik vermieden werden. Ei-ne Reihe von Arbeiten anderer Gruppen verfolgt hnlicheAnstze [7][11]. Das Verbundprojekt IntLiIon setzt Zel-lensensoren mit Powerline Communication ein [12][14].

Abbildung 1. Drahtloser Zellensensor montiert auf eine groe Lithium-Batteriezelle (45 Ah LiFePO4-Zelle, ECC Batteries). In diesem Zellen-sensor ist bereits ein Teil der Signalverarbeitung zur Zellzustandsanalyseimplementiert.

II. MODULARE FUNKTIONEN DES ZELLENSENSORS

Die Zellensensoren sind in mehreren Versionen ent-standen, in denen schrittweise erweiterte Funktionen inSoftware und Module in Hardware umgesetzt wurden:

Mehrere Sensorcontroller aus der MSP430-Familie Transmitter-IC ohne Quarz und entsprechendes ber-

tragungsverfahren Transceiver-IC mit Kommunikationsprotokollen Konverter fr die Versorgungsspannung (Step

Up/Down), dazu passend zeitlich gesteuerteStrunterdrckung sowie Referenzspannungsquellen

Wake-Up-Funktion (passiver Empfnger) Temperaturerfassung mit Warnfunktion Schaltbarer Strompfad fr die Ladungsbalancierung Hochdynamische Ereigniserfassung mit Zwischen-

speicherung und Zeitstempeln (z.B. Motorstart) Mikrosekundengenaue funksynchronisierte Messung

durch zentrale Triggerpulse an alle Sensoren Impedanzspektroskopie

Fr das Batteriesteuergert wurden zunchst verbrauchs-sparsame Controller des Typs MSP430F169 eingesetzt.Im Projektverlauf wurde sich fr einen Controller ARMCortex-M4 (Texas Instruments TM4C1294) mit 120 MHzTakt entschieden, um erweiterte Signalverarbeitung, kom-plexe Batteriemodelle und verschiedene Schnittstellen ver-fgbar zu machen. Es ist ein Kommunikationskonzeptmit Kommandos, Nachrichten und Broadcastfunktionen

FGSN 2015

5

zentrales Batterie-steuergert

Lade-station

opt. mit Anrege-schaltung

Anrege-schaltung

z.B. imHeizsteuer-gert

3~

ohm

sche

Las

t

weitereSteuer-gerteund Lasten

Drahtlose Zellensensoren

mag. Strom-sensor (Hall)

Ladung Entladung

......

Zellspannung V1

Zellspannung V2

Zell-spannung Vn

Batteriestrom ibat

C

CdrahtloseKommunikationund Synchronisation(Broadcast + P2P)

Synchronisierte Steuerung der Messungen und der Frequenz-Anregungensowie verteilte Signalverarbeitung zur Impedanzspektroskopie

CC

Antriebssteuergertund DC/ACUmrichter

ff

Abbildung 2. Schematischer berblick einer Anordnung fr die Impedanzspektroskopie im Elektroauto

entwickelt worden. Dabei wurden verschiedene Verfahrenwie adressierte synchronisierte Kommunikation, sternfr-mige Broadcast- und Multicastfunktionen sowie ein ver-lustbehaftetes Aloha-Konzept erprobt. Wegen des Aufwan-des und der Zeitanforderungen wurden die Sende- undEmpfangs-ICs mit proprietren bertragungsprotokollengesteuert. Als Modulationsart wurde OOK mit 433 MHzTrger verwendet, die Bandbreite entspricht der Datenrateund wird auf die jeweils genutzte Empfngerbandbreiteoptimiert.

Mit in der Arbeitsgruppe praktisch umgesetzten Modu-len knnen Sensoren verschiedener Klassen zusammenge-stellt werden, die unterschiedliche Anforderungen in derFunktion und an den Kostenrahmen abdecken [2], [4].

III. ANWENDUNGSBEISPIEL FR DEZENTRALESIGNALVERARBEITUNG

Nachdem der Aufbau der Sensoren und die Kommuni-kation bereits dargestellt worden sind, soll ein Beispielder Funktionsverteilung diskutiert werden. Hierzu wirddie Signalverarbeitung eines Verfahrens zur Bestimmungdes Lade- und insbesondere des Alterungszustandes aus-gewhlt. Dieses Verfahren ist als elektrochemische Impe-danzspektroskopie (EIS) in der Batterieforschung bekannt.Normalerweise werden hierfr spezielle Labor-Grogertegenutzt, die mehrere zehntausend Euro kosten.

Die Motivation, dieses Verfahren auf das Zellensensor-system zu bertragen, war es, diese Mittel der Batterie-Befundung in jedem Elektrofahrzeug verfgbar zu ma-chen. Damit kann im tglichen Betrieb der Zellzustand mitguter Aussagekraft ermittelt werden.

A. Elektrochemische Impedanzspektroskopie

Mit Hilfe der elektrochemischen Impedanzspektrosko-pie (EIS) kann der Zellzustand unter verschiedenen Ge-sichtspunkten beurteilt werden. Dabei flieen Kenngr-en der Elektrodenoberflchen, des Elektrolyten, des aktiv

speichernden Materials, der ohmschen Widerstnde derStromsammler/Leitfolien und der Anschlsse sowie derTemperatur ein, die zu Aussagen ber den Lade- undAlterungszustand verdichtet werden.

Die EIS basiert auf synchronen Spannungs- und Strom-messungen der Zelle, wenn diese mit einer bestimmen An-regung aus Gleich- und Wechelstromanteilen beaufschlagtwird. Przise Messungen der Reaktion der Zellspannungauf einen extern angelegten Batteriestrom liefern den kom-plexen Zellinnenwiderstand, bestehend aus ohmschen undkapazitiven Widerstandsanteilen. Trgt man den komplexenZelleninnenwiderstand mit Real- und Imaginrteil ber vie-le Anregefrequenzen auf, entsteht das Impedanzspektrum.Es kann als Nyquist-Plot (Abb. 4) dargestellt werden.

Entsprechend der Kinetik der Batterieprozesse knnendie Effekte bestimmten Anregungsfrequenzen zugeordnetwerden. Diese Zuordnung und die chemisch/physikalischeInterpretation ist ausfhrlich in der Fachliteratur dargestellt[15][18] (Abb. 4). Das Impedanzspektrum kann heran-gezogen werden, um auf Oberflcheneffekte, Alterungs-erscheinungen an den Elektroden, den Ladezustand u.a.schlieen zu knnen.

B. AC-Anregung im Lade- und Entladebetrieb

Die Wechselstromanregung fr die Impedanzspektrosko-pie kann auf verschiedene Arten erzeugt werden. Im ein-fachsten Fall wird nur bei wenigen Frequenzen gemessen,es kann aber auch ein breites Frequenzspektrum durch-fahren werden. Oft wird aber nur eine begrenzte Anzahlan Frequenzwerte ausgewhlt. Zudem kann die Anregungauf einen positiven oder negativen Offset gelegt werden,was einer Ladung bzw. Entladung der Zelle entspricht.Eingesetzt werden Sinusanregungen mit Frequenzen ab10 mHz, typischerweise ab 100 mHz. Als obere Frequenzsind maximal 30 kHz bekannt, typischerweise beschrnktman sich auf wenige kHz. Bei hheren Frequenzen treten

FGSN 2015

6

Zellensensoren

Broadcast-Downlink:- Kommandierung- Synchronisationstrigger

Sequentieller Uplink (P2P):- Spektrallinie(n) vom Sensor 1- Spektrallinie(n) vom Sensor 2...- Spektrallinie(n) vom Sensor n

Spektrale Analyse ibat

Synchr.Sampling ibat+ Speichern

Impedanzspektrum

Synchr.Sampling Vn+ Speichern

Synchr.Sampling V2- - - - - - - - -Spektrale Analyse "On the fly"

Synchr.Sampling V1- - - - - - - - -Spektrale Analyse "On the fly"

Synchr.Sampling Vn- - - - - - - - -Spektrale Analyse "On the fly"

Spektrale Analyse ibat

Spektrale Analyse V1

Synchr.Sampling ibat+ Speichern

Spektrale Analyse Vn-1

Spektrale Analyse Vn

...

Sequentieller Uplink (P2P):- Rohdatenblock vom Sensor 1- Rohdatenblock vom Sensor 2...- Rohdatenblock vom Sensor n

Spektrale Analyse ibat

Spektrale Analyse V1

Synchr.Sampling ibat+ Speichern

Spektrale Analyse Vn-1

Spektrale Analyse Vn

...

Batteriesteuergert

Batteriestrom ibat = iDC + iAC

Spektrale Analyse ibat

Spektrale Analyse V1

Synchr.Sampling ibat+ Speichern

Spektrale Analyse V2

Spektrale Analyse Vn

...

Impedanzspektrum

Synchr.Sampling Vn+ Speichern

Synchr. Sampling VnSpeichern

Synchr. Sampling VnSpeichern

Synchr.Sampling Vn+ Speichern

Synchr. Sampling VnSpeichern

Broadcast-Downlink:- Kommandierung- Synchronisationstrigger

zentrale Signalverarbeitung:dezentrale Signalverarbeitung:

ImpedanzspektrumImpedanzspektrumImpedanzspektrum

An-regung

ff

Batteriestrom ibat = iDC + iAC An-regung

ff

Zellensensoren Batteriesteuergert

Abbildung 3. Links: Zellensensoren ohne Signalverarbeitung speichern die Spannungswerte und bertragen groe Rohdatenblcke. Die Blockgreist durch den Speicher des Sensorcontrollers begrenzt. Die gesamte Signalverarbeitung erfolgt auf dem Batteriesteuergert, der Zeitaufwand steigt mitder Zellenzahl fast proportional. Rechts: Zellensensoren mit Signalverarbeitung verarbeiten die Spannungswerte fortlaufend (on-the-fly) und wenigeSpektraldaten werden bertragen. Die Netto-bertragungszeit ist mehr als zwei Grenordnungen kleiner als die der Rohdaten. Die Blockgre wirddurch den Speicher des Sensorcontrollers nicht mehr begrenzt.

vermehrt induktive Anteile auf, welche der Schaltung abernicht der Batteriezelle zuzuordnen sind.

Es gibt auch Varianten, in denen die Anregung imFrequenzbereich pseudozufllig gespreizt wird (Multifre-quenzanregung [17]). Diese erfordern typischerweise er-hhten Rechenaufwand und sind bisher nicht umgesetztworden.

Da die Zellen sehr niedrige Innenwiderstnde aufweisen,mssen erhebliche Anregestrme eingesetzt werden, umgnstig messbare Spannungseffekte an den Zellen hervor-zurufen. Der Wechselstromanteil bei EIS-Messungen istso zu whlen, dass die Spannungsauslenkung im linearenBereich verbleibt (bis zu 10 mV Auslenkung [16]), dieskann Strom-Amplituden von mehreren Ampere fr groeBatteriezellen erfordern, da ihre Innenwiderstnde bei nur0,1 bis 20 m liegen. Im Versuchsaufbau wurden alsQuellen fr die AC-Anregung ein Leistungsoperations-verstrker (Kepco BOP36-5M) sowie alternativ der Aus-gang eines Labor-EIS-Meters (Fuelcon TrueEIS) verwen-det. Mit beiden Quellen waren mehrere Ampere AC- undDC-Anregungsanteile frei whlbar mglich. Im Fahrzeugund/oder an der Ladestation muss eine vergleichbare An-regeschaltung spter realisiert werden.

C. Funksynchronisierte Messung

An zentraler Stelle im Batteriesteuergert wird der An-regestrom erfasst. In jedem Zellensensor wird die Zellen-spannung erfasst, dabei werden zwei Messungen durchge-fhrt. Zum einen wird die Spannung mit grober Auflsung(12 bit entspr. Ulsb = 1.25 mV) im vollen Messbereichvon 0 bis 5 V abgetastet. Zum anderen wird mit einerfeinen Auflsung gemessen, jedoch mit reduziertem Mess-bereich um einen vom Controller vorgebbaren DC-Offset-Spannungswert. Zu diesem Zweck wird bereits in der ana-logen Vorverarbeitung die DC-Offset-Spannung abgezogenund um den Faktor 10 bis 100 verstrkt. Damit sind auch

mit dem 12 bit ADC des Controllers Spannungen bisUlsb = 10V auflsbar. Alternativ erprobt wurden auchSchaltungen mit einem hochauflsenden ADC (bis 24 bit)als externer IC. Diese litten jedoch unter der geringenAbtastrate und schwierig umsetzbaren Anforderungen andie Schaltungstechnik.

Fr die Messung entscheidend ist die przise zeitlichebereinstimmung aller Abtastwerte im gesamten Sensor-system. Der Zeitpunkt der zueinander gehrenden Mes-sungen sollte nur maximal eine Mikrosekunde voneinan-der abweichen. Hierzu ist eine besondere Betriebsart, diefunksynchronisierte Messung, in Hard- und Software reali-siert worden. Die Spannungsabtastung auf allen einzelnenZellensensoren wird durch den Empfang eines sehr kurzeingeschalteten Triggerpulses des 433-MHz-Trgersignalsausgelst. Dazu wird der Trger ohne Daten-Protokollunmittelbar demoduliert. Der Triggerpuls wird vom Steuer-gert synchron zur Abtastung der Strommessung gesendet.Die Details dazu sind bereits publiziert worden [3]. Eswurde dort zunchst dargestellt, dass alle Rohdaten alsBlock vom Steuergert abgerufen werden. Diese Lsungist in der Anwendung der EIS zugunsten einer Signalver-arbeitung auf dem Sensor abgelst worden. Abb. 3 stelltdies gegenber und verdeutlicht den Vorteil der verteiltenSignalverarbeitung.

D. Verteilte Signalverarbeitung im Frequenzbereich

Das synchronisierte Abtasten der Zellspannungen unddes Anregestroms erfolgt blockweise getrennt fr jedegewhlte Anregefrequenz. Jeder Block wird vom Zeitbe-reich in den Frequenzbereich transformiert. Generell ste-hen dafr als Verfahren die diskrete Fouriertransformation(DFT), die schnelle Fouriertransformation (FFT) oder derGoertzel-Algorithmus (GA) [19] zur Verfgung. Sie liefernkomplexwertige Spektren bzw. Spektrallinien. Das erlaubtdie genaue Berechnung der Phasenverschiebung zwischen

FGSN 2015

7

RE

ZWRct

Cdl

kleine

r

-Im

Re

1Hz100Hz

1kHz

Ladungsaustausch DiffusionderLadungstrger

RE RE+Rct

Imag

inr

teil

Realteil

Ohm`scherWiderstand

Abbildung 4. Ersatzschaltbild der elektrochemischen Impedanzspektro-skopie und schematischer Nyquist-Plot der komplexem Impedanz einerBatteriezelle. Die Effekte werden entsprechend ihrer Geschwindigkeitdrei verschiedenen Bereichen zugeordnet. ZW : Warburg-Impedanz, Cdl:Doppelschicht-Kapazitt Rct: Ladungstransferwiderstand (Elektronen)RE : Ohmsche Leitungswiderstnde.

2.000Hz

1Hz

100Hz

100mHz

Abbildung 5. Fortschreitende Alterung LiFePO4-Zelle (A123ANR26650M1-B). Diese Zelle wurde bei einer Temperatur von 55Cber 7 Wochen hinweg knstlich gealtert. In dieser Zeit wurden 700 volleZyklen geladen und entladen. Einmal pro Woche wurde das Impedanz-spektrum vermessen.

Strom und Spannung, und damit des Real- und Imagi-nrteils der Impedanz. Das Impedanzspektrum ergibt sichdann fr jeden Punkt durch den Vergleich der Phase desStroms mit den verschiedenen Phasen der Zellspannungenim Frequenzbereich. Der Gleichspannungsanteil jeder Zelleist fr EIS nicht relevant, allerdings muss der Arbeitspunktdurch den Gleichstromanteil (bzw. Gleichspannungsanteil)whrend der Messung festgehalten werden.

Weil die Anregung im quasilinearen Bereich erfolgt,wurde entschieden, Harmonische (Oberwellen) zu vernach-lssigen. Auerdem wurde fr jeden Messabschnitt nur eineSinus-Anregefrequenz angelegt und damit nur eine Spek-trallinie bestimmt. Daher wurde der Goertzel-Algorithmusausgewhlt und implementiert [19]. Dieser ist in diesemSpezialfall am wenigsten aufwendig und ist auch von denSensorcontrollern zu leisten.

Realteil in m5 6 7 8 9 10 11 12 13

Imag

inr

teil

in -m

0

0.5

1

1.5

2

2.5ZellsensorEIS-Meter

2.000Hz

100Hz

1Hz

100mHz

Abbildung 6. Vergleich einer Impedanzmessung zwischen einem La-bormessgert (Typ Fuelcon TrueEIS) und einer Messung mittels einesZellensensors an einer A123 ANR26650M1-B LiFePO4-Zelle im Bereichvon 100 mHz bis 2 kHz.

IV. ANWENDUNG UND ERPROBUNG

Um die Verwendung fr die Alterungszustandsbestim-mung zu demonstrieren, wurden 700 Zyklen an Zellenmit erhhter Umgebungstemperatur angelegt. Durch dieseknstliche Alterung sank die Kapazitt der Zellen innerhalbvon 7 Wochen auf 20% der Nennkapazitt. Der Alterungs-prozess war im Impedanzspektrum deutlich zu verfolgen,insbesondere bei einer Anregefrequenz um 1 Hz. Hier isteine Verschiebung des Minimums gut zu sehen (Abb. 5).Um die korrekte Funktion der EIS auf dem Sensorsystemzu demonstrieren, wurden Messungen mit den Sensorenund dem kommerziellen EIS-Meter zeitgleich, d.h. bei je-weils gleichen Zellzustnden, vorgenommen. Dabei wurdeeine gute bereinstimmung erreicht (Abb. 6). Die De-monstration an Lithium-Starterbatterien ist geplant. Hierbeisoll das Messsystem im Rahmen einer Fahrzeugerprobunginsbesondere bei Startvorgngen und tiefen Temperaturengetestet werden.

V. FORMALE BESCHREIBUNG

A. Impedanzwerte und Impedanzspektrum

Die Impedanz ist der komplexe Widerstand aus einemrealen ohmschen Anteil (Re) und einem imaginren Anteil(Im), der je nach Vorzeichen kapazitiv oder induktiv ist.Er kann als komplexer Quotient einer Wechselspannungund eines Wechselstroms definiert werden und ist allgemeinauch von der Frequenz abhngig.

Z(t, f) = Re(t, f) + Im(t, f) =u(t, f)

i(t, f)

Weil das Batterieverhalten fr die Erfassung eines Daten-blocks der Lnge n an den quidistanten Abtastzeitpunktent0, ..., tn als stationr angesehen wird, kann vereinfachtwerden:

Z(f) Z(t, f)Ebenso wird vereinfachend der Parameter t bei u(t, f) undi(t, f) weggelassen. Das Impedanzspektrum wird als eineReihe von komplexen Widerstandswerten fr eine diskrete

FGSN 2015

8

Anzahl m ausgewhlter (nicht unbedingt quidistanten)Anregungsfrequenzen bestimmt. Die Blocklnge n derSpannungs- und Stromabtastungen bleibt typischerweisekonstant, entsprechend wird der Abstand der Abtastzeit-punkte ti ti+1 der jeweiligen Frequenz fx angepasst,sodass mehrere Perioden erfasst werden:

Z(f) = Re(fx) + Im(fx) =u(fx)

i(fx)

mit fx = f1, .., fm

Um den ganzen Block der Spannungs- und Stromabtas-tungen zusammenfassend zu betrachten, wird dieser vomZeitbereich in den Frequenzbereich berfhrt. Dabei ist ins-besondere die jeweilige Anregungsfrequenz fx interessant(Linearittsannahme, Kleinsignalanregung). Wenn nur eineFrequenz (d.h. die Antwort auf die Anregungsfrequenz)bentigt wird, ist der Goertzel-Algorithmus fr die Trans-formation dieser Spektrallinie i.d.R. vorteilhaft [20]. DasSymbol fr die Transformation ist c s.

u(fx) c s F(u(fx)) (1)i(fx) c s F(i(fx)) (2)

Aus diesen nur noch zwei komplexen Werten wird nunein komplexer Impedanzwert Z(t, f) mit den Real- undImaginrteilen errechnet.

Z(fx) =F(u(fx))F(i(fx))

(3)

B. Impedanzspektren von vielen Zellen

Fr eine p-zellige Batterie wird fr jede Zelle mit demIndex k = 0, ..., p ein Impedanzspektrum ermittelt. Dafrwird die Lokalisation der Operationen und die notwendigebertragung mit betrachtet. Dazu werden zwei verschie-dene Transportoperatoren eingefhrt. Sie verndern dieWerte nicht, verlagern diese aber durch eine rumlichebertragung. Der Transportoperator A = B bezeichnetdie Funkbertragung von n Spannungsabtastwerten einesBlocks vom Ort A zum Ort B. Der TransportoperatorA B bezeichnet die Funkbertragung von lediglichzwei Werten einer komplexen Spektrallinie. Die Lokalisa-tion kann mit diesen Transport- und den mathematischenOperatoren symbolisch dargestellt werden.

Die Gleichung 4 beschreibt die Variante mit zentralerSignalverarbeitung einer Batteriezelle. Fr eine p-zelligeBatterie muss dieser Vorgang p-mal wiederholt werden.Weiterhin muss fx alle Anregefrequenzen durchlaufen. Esgilt x = 1, ...,m.

u0(fx) = u0(fx) c sF(u0(fx))...

...... (4)

up(fx) = up(fx) c sF(up(fx))

in den n p m seriell imZellensensoren Werte Batteriesteuergert

Die verteilte Variante der Signalverarbeitung kann wiein Gleichung 5 dargestellt werden.

u0(fx)c sFu0(fx)) F(u0(fx))

......

... (5)up(fx)

c sF(up(fx)) F(up(fx)) parallel in den 2 p m imZellensensoren Werte Batteriesteuergert

Fr beide Flle werden im zentralen Batteriesteuergertdie Stromwerte erfasst bzw. deren Fouriertransformierte(komplexe Spektrallinienwerte) berechnet. Auch im Fallder verteilten Signalverarbeitung verbleibt die Berechnungnach Gleichung 2 im Steuergert. Da der Strom fr alleZellen identisch ist, gibt es keine Abhngigkeit von derAnzahl der Zellen in der Batterie. Diese Berechnung wirdalso nur m-fach durchgefhrt.

i(fx) c sF(i(fx)) (6)m-fach im Batteriesteuergert

Die Berechnung der Impedanz nach Gleichung 3 erfolgtfr alle Anregefrequenzen fx mit x = 1, ...,m zentral imBatteriesteuergert.

Z(fx) =F(u(fx))F(i(fx))

(7)

m-fach im Batteriesteuergert

Die Berechnungen nach Gl. 6 und 7 haben in beidenVarianten den gleichen Zeitaufwand. Ebenso ist der Auf-nahmezeitbedarf gleich1. Das gilt zumindest bei geringenAbtastraten.

Der entscheidende Unterschied ist also in Gleichung 4und 5 zu finden. In Gleichung 5 sinkt der Bedarf derbertragungszeit von n auf 2, wobei n typischerweisezwischen 100 und 2000 liegt. Der Zeitbedarf einer Trans-formation (ohne bertragungszeit) steigt jedoch erheblich,da die Controller der Zellensensoren leistungsschwcherals der eingesetzte Controller des Batteriesteuergerts sind.Jedoch werden alle Transformationsberechnungen paralleldurchgefhrt. Dies bringt erst bei einer sehr groen Anzahlvon parallel rechnenden Zellensensoren (ab ca. 400) einenVorteil, diese Anzahl wird praktisch nicht erreicht.

Der Nachteil der daher niedrigeren Transformationsge-schwindigkeit wird berkompensiert:

a) weil die bertragungsgeschwindigkeit vergleichswei-se niedrig ist;

b) weil die Aufnahmezeit (Sampling) und die Berech-nungszeit (Transformation) sich bei der on-the-flyImplementierung nicht vollstndig addieren mssen1.

1Bei niedrigen Frequenzen kann der Zeitbedarf fr das Samplingeinen Groteil des Gesamtaufwands beitragen, da die Periodendauerund der zeitliche Abstand zw. zwei Abtastwerten entsprechend langist. Daher kann die Transformation des Goertzel-Algorithmus mit demSampling schritthaltend implementiert werden, da ein abgetasteter Wertsofort verarbeitet wird. Diese on the fly-Rechnung macht es mglich,den Aufwand der Transformation in den Lcken des unvermeidlichenSampling-Zeitbedarfs zu verstecken.

FGSN 2015

9

C. Beispiel

Die Nachfolgende Tabelle 1 zeigt einen Vergleich derbentigten Zeiten der beiden Varianten mit zentraler undverteilter Signalverarbeitung. Es wurden im Beispiel Im-pedanzwerte fr 12 Frequenzwerte bestimmt. Diese liegenzw. 2 kHz und 100 mHz und sind in Abbildung 6 durchKreuze gekennzeichnet. Fr die Erfassung der Sample wer-den unterschiedliche Abtastraten benutzt, jedoch werdenimmer 2000 Messwerte pro Block erfasst. Die Summealler Erfassungszeiten betrgt ca. 87 s. Dafr wurde die Be-rechnungszeit des Goertzel-Algorithmus einer Spektrallinieauf dem Zellensensor sowie auf dem Batteriesteuergertgemessen. Die Berechnungszeit des Batteriesteuergertsergab sich zu 9,3 ms, der Zellensensor bentigt fr dieBerechnung 3,79 s. Der Sensorcontroller (Texas Instru-ments CC430F5137) wird dabei mit einer Geschwindigkeitvon 16 MHz betrieben. Der Mikrocontroller des Batte-riesteuergertes (Texas Instruments TM4C1294) ist mit120 MHz getaktet. Fr die bertragung von 2000 Wertenwird eine Zeit von 6,98 s bentigt. Bei einer bertragungvon 2 Werten einer komplexen Zahl werden lediglich40 ms bentigt. Fr beide Varianten wird eine physikali-sche bertragungsrate von 100 kBit/s gewhlt. Diese kannprinzipiell nicht ausgenutzt werden, da Protokolloverheadntig ist (Fehlerschutz, individuelle Adressierung u.a.).Dennoch kann hier noch erheblich optimiert werden, z.B.bei Blockgren, Wartezeiten, Broadcastabfragen und wei-teren Softwareverbesserungen. Um diese Optimierungenumsetzen zu knnen, muss in weiteren Arbeiten festgestelltwerden, welche Blockgren, Frequenzen, Duty Cycle u.afr die Anwendung passen.

zentrale verteilteSignalverarbeitung Signalverarbeitung

4 Zellen 4 ZellenAufnahme fr 12 Freq. zus. 87 s c) fr 12 Freq. zus. 87 s c)bertragung 12 4 6,98 s335 s 12 4 40 ms1,9 sBerechnung 12 (4+1) 9,3 ms500 ms a) 12 1 3,79 s45 s b)Gesamtzeit 422 s 137 s

100 Zellen 100 ZellenAufnahme fr 12 Freq. zus. 87 s c) fr 12 Freq. zus. 87 s c)bertragung 12 100 6,98 s 8376 s 12 100 40 ms48 sBerechnung 12 (100+1) 9,3 ms11,2 s a) 12 1 3,79 s45 s b)Gesamtzeit 8474 s 180 sa) +1 fr die Berechnung des komplexen Stromwertesb) Wegen Parallelverarbeitung wird die lngste Rechenzeit gewertetc) Untersch. Aufnahmezeiten fr die Frequenzen von 2 kHz bis 100 mHz

Tabelle 1: Vergleich zwischen zentraler und verteilter Signalver-arbeitung fr Spektrum mit 12 Impedanzwerten

VI. ZUSAMMENFASSUNG UND AUSBLICKFr das in der Arbeitsgruppe entwickelte Batteriemana-

gementsystem wurde ein neuartiges Verfahren vorgestellt,das ohne aufwendige Laborgerte die individuellen elektro-chemischen Impedanzspektren von in Reihe geschaltetenBatteriezellen bestimmen kann. Die verteilte Signalver-arbeitung findet whrend der Messdatennahme auf denZellensensoren statt (on-the-fly). Damit ist der Speicherdes Sensorcontrollers nicht mehr limitierend. Die bertra-gungskapazitt des Funkkanals wird auch bei Einsatz sehr

vieler Zellen geschont. Im Vordergrund der nchsten Ar-beiten steht die Vorbereitung des Transfers in die Industrie.Das betrifft sowohl technische als auch anwendungsseitigeFragen und die Hochintegration als Chip.

PROJEKTPARTNER UND FRDERUNGDas Projekt Drahtlose Zellensensoren fr Fahrzeug-

batterien - BATSEN wurde vom BMBF gefrdert (FKZ17001X10) und von den Unternehmen Volkswagen AG,Bertrandt AG, Still GmbH, ECC Batteries, Fey ElectronicGmbH und Coilcraft Ltd. untersttzt. Weitere Arbeitenwurden im EU-Projekt E-Mobility NSR und in der Gra-duiertenschule Key Technologies for Sustainable EnergySystems der Universitt und der HAW Hamburg durchge-fhrt.

LITERATUR[1] Krannich T., Plaschke S., Riemschneider K.-R., Vollmer J.: Drahtlose

Sensoren fr Batterie-Zellen - ein Diskussionsbeitrag aus Sicht einerAnwendung; 8. GI/ITG KuVS FGSN, Hamburg-Harburg, 2009

[2] Ilgin, S., Jegenhorst, N., Riemschneider, K.-R., Schneider, M. et al.:Zellenweiser Messbetrieb, Vorverarbeitung und drahtlose Kommuni-kation bei Fahrzeugbatterien; 10. GI/ITG KuVS FGSN, Paderborn,2011

[3] Riemschneider, K.-R., Roscher, V., Sassano, N. et al.: SynchronisierteMessung durch Trigger-Broadcast und weitere Funktionen fr draht-lose Batteriesensorik; 13. GI/ITG KuVS FGSN, Potsdam, 2014

[4] Schneider, M., Ilgin, S., Jegenhorst, N., Kube, R., Pttjer, S., Riem-schneider, K.-R., Vollmer, J.: Automotive Battery Monitoring byWireless Cell Sensors; IEEE I2MTC, Graz, 2012

[5] Riemschneider, K.-R., Roscher, V., Sassano, N. et al.: Synchronisationusing Wireless Trigger-Broadcast for Impedance Spectroscopy ofBattery Cells; IEEE SAS, Zadar, 2015

[6] Riemschneider, K.-R.: Wireless Battery ManagementSystem, Pat.appl. WO2004/047215A1, US020060152190A1,EP000001573851A1

[7] Wenger, M. M., Filimon, R., Lorentz, V. R. H., Marz, M.: A robustcontactless capacitive communication link for high power batterysystems; 23rd IEEE ISIE, 2014

[8] Takeuchi, T., Terada, T.: Evaluation of Wireless CommunicationPerformance in a Li-ion Battery System, J. of Auto. Contr. Eng.;2014

[9] Terada, T., et al.: Low power and high receiving sensitivity wirelesswake-up receiver ... for lithium-ion battery systems; IEEE APEC,2014

[10] Steinhorst, S., et al.: Smart cells for embedded battery management;IEEE CPSNA, 2014

[11] Bacquet, S., Maman, M.: Radio frequency communications for smartcells in battery pack for electric vehicle; IEEE IEVC, 2014

[12] Ouannes, I., Nickel, P., Dostert, K.: Cell-wise monitoring ofLithium-ion batteries for automotive traction applications by usingpower line communication; IEEE ISPLC, 2014

[13] Alonso, D., et al.:Towards a Wireless Battery Management System:Evaluation of Antennas and Radio Channel Measurements Inside aBattery Emulator; IEEE VTC Fall, 2014

[14] Opalko, O., Alonso, D., Dostert, K.: Measurements on Rogowskicoils as coupling elements for power line communication in tractionlithium-ion batteries; IEEE ISPLC, 2015

[15] Huet, F.: A review of impedance measurements for determinationof the state-of-charge or state-of-health of ... batteries; JPS 70, 1998

[16] Macdonald, J. R., Barsoukov, E.: Impedance spectroscopy: theory,experiment, and applications; John Wiley & Sons 2005

[17] Kiel, M.: Impedanzspektroskopie an Batterien unter besondererBercksichtigung von Batteriesensoren...; Diss. Shaker 2013

[18] Bard, A. J., Faulkner, L. R., Electrochemical Methods: Fundamen-tals and Applications, 2nd Edition, Wiley, New York, 2001

[19] Goertzel, G.: An algorithm for the evaluation of finite trigonometricseries; American mathematical monthly, 1958

[20] Sassano, N.: Entwicklung eines Messsystems zur funksynchronisier-ten elektrochemischen Impedanzspektroskopie von Batterie-Zellen;Masterthesis HAW Hamburg, 2015

[21] Bergveld, H. J., Danilov, D., Regtien, P. P., Notten, P. H.: Bat-tery Management Systems: Accurate State-of-Charge Indication forBattery-Powered Applications. Springer, 2008

FGSN 2015

10

PotatoNet Outdoor WSN Testbedfor Smart Farming Applications

Ulf Kulau, Sebastian Schildt, Stephan Rottmann, Bjorn Gernert and Lars WolfInstitute of Operating Systems and Computer Networks

Technische Universitat BraunschweigEmail:[kulau|schildt|rottmann|gernert|wolf]@ibr.cs.tu-bs.de

AbstractWe present PotatoNet, an outdoor testbed for Wire-less Sensor Networks (WSNs). Its primary focus is robustness,reliability and flexibility. PotatoNet is designed to operate withouton-site maintenance for extended periods of time. It can withstandheat, dust and rain and has already been tested running outsidefor several months.

I. MOTIVATION

Many testbeds for WSNs have been proposed with the goalof enabling users to test new methods for such networks in amore realistic environment. However, many of these testbedshave only been developed for indoor use [1], [2], [3], [4]. Thedifference between an outdoor and an indoor testbed is notonly hardware. Of course, nodes in an outdoor testbed need tobe weather proof, and withstand the environmental conditionsspecific to their application. However, because outdoor testbedsmight be installed in remote areas, software and architecturerequirements are equally important: When it is not possibleto perform regular maintenance to the testbed equipment, andany hard- or software failure leads to a prolonged downtime,robustness and reliability become the main focus of hard- andsoftware design.

Nowadays more and more WSN applications operatingoutdoors are developed. Smart Farming is an upcoming appli-cation area for WSNs, which are used to analyze and monitorthe conditions of the soil and crops in order to optimizeyield and minimize the use of fertilizer and pesticides. WhilePotatoNet is currently used for Smart Farming research, it hasbeen developed to be a generic testbed that can be used forany outdoor scenarios. Smart Farming provides an especiallychallenging environment, as nodes not deployed in protectedareas, but sit out in the open field. They are not protected fromdirect sunlight and the environment can get very rough [5].Additionally, they need to be permanently water-proof as theyare exposed to rain and irrigation (see Figure 1).

Nevertheless, there are also some outdoor testbeds de-ployed previously. Indeed, [6] reports the experience ofrunning a testbed on a potato field and highlighted manychallenges encountered when operating a testbed outdoors.Due to the complexities involved, many outdoor testbeds arerather special purposes WSN deployments like X-Sense [7] orASWP [8] and do not offer the same flexibility and genericusability like indoor testbeds. With the PotatoNet we combinethe robustness needed for an outdoor testbed with maximumflexibility.

II. IMPLEMENTATION

The overall architecture of PotatoNet is shown in Figure3. The basic architecture consists of a central box provid-ing management functionalities and distributing power to allnodes. For cost-efficiency reasons the nodes are designed to becheap, while complexity and redundancy features are movedto the central component. We are using Ethernet with passivePoE to distribute power and managing field nodes. The sensornodes IEEE 802.15.4 interface is not required for managementor operation of the testbed and can be used exclusively orexperiments.

Several features in the architecture lead to PotatoNets highrobustness and resilience against failures:

Every WSN node is paired with a small embeddedLinux board running OpenWRT Linux. The separateprogramming platform is able to flash the sensor nodeusing ISP. PotatoNet does not rely on bootloaders.This makes it virtually impossible to brick sensornodes by flashing broken firmware.

PotatoNet offers two separate Internet uplinks. Themain uplink is using Ethernet and can be connectedto a standard SOHO router. The management server inthe central box includes a cellular data card. As longas the management server has power, it is possible tolog into PotatoNet remotely.

Power to field nodes can be switched on and off viasoftware individually. In case a short circuit triggersa reboot, all field nodes are powered off. This allowsswitching them one by one identifying the faulty one.Once the faulty node has been identified, PotatoNetcan run with the node powered off until it can bereplaced.

A. Hardware

We use the INGA [9] WSN node version 1.6.1 in Pota-toNets field nodes. This node is a Dynamic Voltage Scaling(DVS) and Undervolting capable sensor node which is basedon a design presented in [10]. However, PotatoNet can beadapted to other WSN nodes easily.

The programming platform inside each field node is basedon the WRTNode1. The WRTNode is a USD 25 MIPS-based(Mediatek MT7620N) embedded Linux board with 680 MHz64 MiB RAM which runs the embedded Linux distribution

1http://wrtnode.com

FGSN 2015

11

(a) Dust during dry days (b) Exposure to direct sunlight (c) Water from irrigation and rain

Figure 1: PotatoNet Environment

OpenWRT2. It supports many GPIO pins which are used forISP programming of the INGAs two microcontrollers. Byusing Linux boards in field, in the testbed you can use thesame software for programming or analyzing logs as youwould do in your test setup on your desk. A large amountof standard Linux software is available for install directlyfrom the OpenWRT repositories. Because each WRTNodeincludes a complete Wi-Fi implementation with PCB antenna,PotatoNet can also double as a Wi-Fi testbed.

We developed a special companion board that provides anefficient DC-DC converter to supply the WRTnode and INGAfrom the PoE supply voltage. The WRTNode and the INGAcan be plugged into the companion board that includes twoRJ45 jacks that can be used to cascade several field nodes.

All components of the central box are mounted inside an73 liter aluminum box (600 x 400 x 410 mm3), We use ruggedindustrial connectors for Ethernet and Power to protect againstdust and humidity (see Figure 2a). For the enclosure of the fieldnodes we use standard PVC-U tubing with 160 mm diameter.The enclosure consists of a drainage double socket closed withtwo socket plugs (see Figure 2b). As only one (or two forcascading) Ethernet cable needs to go into enclosure we usedsimple cable glands to connect the Ethernet cable and sealthe enclosure. By doing so the actual RJ45 connector residesinside the enclosure and thus needs no weather-proofing.

III. LESSONS LEARNED

While developing PotatoNet we tried to keep an eye oncosts, especially for the field nodes as the plan is to increasetheir amount steadily. However, a major cost factor you shouldkeep in mind is the cost for cables. Overall, even in the initialdeployment, PotatoNet includes more than 1 km of cables. Onereason is, that in the deployment area cellular connectivity isvery bad, so that using cellular networks for both uplinks wasnot an option. However, the nearest usable DSL landline was450 meters away. For connecting the main uplink we coveredthat distance with a Wi-Fi bridge over a street and a dedicatedVDSL link through a small forest.

As is common the research field is protected by an electricfence against boars and other animals. They are charged with

2http://openwrt.org/

(a) Central Box (b) Field Node

(c) Companion board front sidewith INGA WSN node (1) andWRTNode (2)

(d) Companion board back sidewith Ethernet jacks (3) and ex-tension headers (4)

Figure 2: PotatoNet Components

short electric pulse up to 10 kV to shock any animal touchingthe fence. It turns out that the shielding of network cableslying near the fence is very good in capturing the jolts anddistributing them throughout the testbed. Small shocks can beexperienced when touching the shielding and ground at thesame time somewhere in the testbed. This is not dangerous,but it shows that robust electrical design is a must.

IV. CONCLUSIONS

We presented the PotatoNet outdoor WSN testbed. Pota-toNet is a generic testbed for outdoor applications of WSNnodes with a strong focus on robustness and availability. It iscurrently deployed in a Smart Farming scenario and will besuccessively extended with more field nodes in the future.

FGSN 2015

12

Main Uplink

24VPower Supply

230 V AC

230 VInverter

24 V DC

Management Network

WRTNode Network

Main Uplink

3GBackup

Reverse SSH tunnel

SOHO Router

Wi-Fi Bridge

VDSL PtP Link

...

Field Node

UART Connection

Power

Network

Other

ISP Connection

I2C Connection

Cen

tral B

oxFi

eld

Nod

e s

Cascading(2 Port Ethernet Switch)

Programming Platform(WRTNode with OpenWRT Linux)

WSN Node(INGA WSN Node)

PotatoScope(Remote Oscilloscope)

Field NodeField Node

Field Node

Passive PoE Injector Array(Switchable via RS232)

Management Server(Linux IPC)

Ethernet Switch(24 Port VLAN-capable )

AC mains

Internet

Figure 3: PotatoNet System Architecture

Software and custom-designed hardware schematics willbe made available at the PotatoNet project page3.

ACKNOWLEDGMENTS

We would like to thank the VSD Dethlingen potato researchstation4 for providing the field and technical support.

REFERENCES

[1] G. Werner-Allen, P. Swieskowski, and M. Welsh, Motelab: a wirelesssensor network testbed, in Fourth International Symposium on Infor-mation Processing in Sensor Networks (IPSN), April 2005.

[2] P. Hurni, M. Anwander, G. Wagenknecht, T. Staub, and T. Braun,Tarwis - a testbed management architecture for wireless sensor networktestbeds, in 7th International Conference on Network and ServiceManagement (CNSM), Oct 2011.

[3] J.-P. Sheu, C.-J. Chang, C.-Y. Sun, and W.-K. Hu, Wsntb: A testbed forheterogeneous wireless sensor networks, in First IEEE InternationalConference on Ubi-Media Computing, July 2008.

[4] H. Hellbruck, M. Pagel, A. Kroller, D. Bimschas, D. Pfisterer, andS. Fischer, Using and operating wireless sensor network testbeds withwisebed, in The 10th IFIP Annual Mediterranean Ad Hoc NetworkingWorkshop (Med-Hoc-Net), June 2011.

[5] H. Wennerstrom, F. Hermans, O. Rensfelt, C. Rohner, and L.-A.Norden, A long-term study of correlations between meteorologicalconditions and 802.15. 4 link performance, in Sensor, Mesh and AdHoc Communications and Networks (SECON), 2013 10th Annual IEEECommunications Society Conference on. IEEE, 2013, pp. 221229.

3https://www.ibr.cs.tu-bs.de/projects/potatonet/4http://www.vsd-dethlingen.de

[6] K. Langendoen, A. Baggio, and O. Visser, Murphy loves potatoes:experiences from a pilot sensor network deployment in precisionagriculture, in 20th International Parallel and Distributed ProcessingSymposium, April 2006.

[7] J. Beutel, B. Buchli, F. Ferrari, M. Keller, M. Zimmerling, and L. Thiele,X-sense: Sensing in extreme environments, in Design, AutomationTest in Europe Conference Exhibition (DATE), 2011, March 2011.

[8] M. Navarro, T. W. Davis, Y. Liang, and X. Liang, A study oflong-term wsn deployment for environmental monitoring, in 24thIEEE International Symposium on Personal Indoor and Mobile RadioCommunications (PIMRC), Sept 2013.

[9] F. Busching, U. Kulau, and L. Wolf, Architecture and Evaluationof INGA - An Inexpensive Node for General Applications, in IEEESensors 2012, October 2012.

[10] U. Kulau, F. Busching, and L. Wolf, Undervolting in WSNs- Theory and Practice, Internet of Things Journal, IEEE, Dec2014. [Online]. Available: http://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=6991505

FGSN 2015

13

FGSN 2015

14

Ein Internet-gesttztes Sensornetz zur Erhebung vonMikroklimadaten in Weinbergen

Frank Bohdanowicz, Hannes FreyUniversitt Koblenz

Email: bohdan@uni-koblenz.de, frey@uni-koblenz.de

ZusammenfassungIm Projekt Weinberg-Sensornetz wird einNetz aus drahtlosen Sensoren zur verteilten Messung von Mi-kroklimadaten in Weinbergen entwickelt. Ziel des Projektes istdie Realisierung eines Sensornetzes bei geringem Kosten- undArbeitsaufwand ber die Programmierumgebung und die Biblio-theken des Arduino-Projektes. Es wurde der Prototyp eines Sen-sorknotens entwickelt der sich zu einem Ad-Hoc Mesh-Sensornetzvernetzen und drahtlos untereinander kommunizieren kann. ZurBestimmung des Mikroklimas werden von den SensorknotenTemperatur- und Luftfeuchtigkeitswerte sowie Helligkeitswertean verschiedenen Stellen innerhalb eines Weinberges in variier-baren Intervallen gemessen und an einen in der Nhe befindlichenGatewayknoten gesendet. Der Gatewayknoten sammelt die Sens-ordaten und bermittelt diese ber Mobilfunk an einen Internets-erver zur weiteren Verarbeitung. Vom Internetserver knnen inGegenrichtung Konfigurationsdaten an den Gatewayknoten undweiter an die Sensorknoten bertragen werden, um beispielsweisedie Messintervalle zu regulieren.

I. EINFHRUNG

Unter Przisionsweinbau wird Weinbaubewirtschaftung un-ter Bercksichtigung kleinrumiger Boden-, Klima und Be-standsunterschiede verstanden. Mittels digitaler Sensortechno-logie erhlt ein Winzer zustzliche Informationen, die auf derdetaillierten Analyse seines Weinbergs beruhen und ihn bei derEntscheidungsfindung fr die nchsten Arbeitsvorgnge unter-sttzen sollen. Im Projekt Weinberg-Sensornetz wird auf Basisder Arduino Programmierumgebung und deren Bibliothekenein batterie- und solarbetriebenes Sensornetz entwickelt, wel-ches verteilt in einem Weinberg Mikroklimawerte als Daten-grundlage fr Przisionsweinbau sammeln soll. Der entwickel-te Sensorknoten misst in variierbaren Intervallen verschiedeneParameter wie Luftfeuchtigkeit, Temperatur und Sonnenein-strahlung und charakterisiert so eine Mikroklimazone inner-halb einer Weinbergsparzelle oder zwischen verschiedenenWeinbergen. Die Sensorknoten eines Sensornetzes verbindensich automatisch mit einem Gatewayknoten, der die erfasstenMessdaten sammelt und zur weiteren Auswertung ber Mo-bilfunk an einen Datenserver im Internet sendet. ber denDatenserver kann ein Weinbaubetrieb so die tagesaktuellen,mikroklimatischen Sensordaten von zentraler Stelle erhalten.Die Auswertung der Daten soll zu einer besseren Koordinie-rung von Beobachtungsfahrten und Arbeitsvorgngen fhren.Beispielsweise mssen fr die Eisweinlese vorgeschriebeneMinustemperaturen erreicht worden sein oder in einem Teilder Weinbergsparzelle soll das vorhandene Pilzrisiko berein strkeres Ausdnnen des Blattwerks zur Erhhung derLuftzirkulation und Verringerung der Luftfeuchtigkeit erreichtwerden. Das Sensornetz soll von zentraler Stelle ber das In-ternet verwalt- und steuerbar sein. So sollen die Messintervallereguliert werden knnen um eine maximale Energieffizienz

mit ausreichend detaillierten Messungen fr jede Jahreszeit zuerreichen. Da die Kosten fr die Herstellung des Sensornetzesfr die Wirtschaftlichkeit eine entscheidende Rolle spielen,wurde ein eigener Sensorknotentyp mit mglichst geringemKostenaufwand entwickelt.

Die weitere Beschreibung des Projektes ist wie folgt auf-gebaut. Im nchsten Kapitel folgt eine kurze Beschreibungverwandter Arbeiten aus dem Bereich Agrarsensortechnologie.Danach wird das Projekt mit seinen Komponenten beschrieben.Es folgt eine Evaluation des bisher entwickelten Prototypen.Diese Ausarbeitung schliet mit einer Zusammenfassung undeinem Ausblick zur weiteren Vorgehensweise.

II. VERWANDTE ARBEITEN UND STAND DER FORSCHUNG

Die Anzahl der Verffentlichungen, die sich mit drahtlo-sen Sensornetzen in der Przisionslandwirtschaft beschftigen,steigt seit einigen Jahren kontinuierlich. Viele dieser Arbeitengreifen auf den IEEE 802.15.4 Standard zurck, wie beispiels-weise in [1], [2]. In [2] wird ein drahtloses Sensornetz in einemWeinberg auf Sizilien mit 30 TelosB Sensorknoten der FirmaMoteiv aufgebaut. Das Sensornetz nutzt IEEE 802.15.4 im 2,4GHz Band. Die spanische Firma Libellium baut kleine Sensor-stationen zum Erfassen jeglicher Daten in einem wie auch im-mer gearteten Umfeld. Libellium stellt einige Einsatzbeispielefr den Einsatz der Sensorknoten im Przisionsweinbau aufseiner Webseite vor [3], [4]. Diese Projekte nutzen generischeHardware oder investieren hohen Entwicklungsaufwand und-kosten in das Design eines neuen Sensorknotens. Ziel deshier beschriebenen Weinberg-Sensornetz Projektes ist die Ver-wendung mglichst kostengnstiger Hardware. Darber hinaussoll ein Sub-GHz Band fr die Kommunikation im Sensornetzverwendet werden. Form und Gre eines Sensorknotens sollso gestaltet sein, dass er den Betriebsablauf im Weinberg nichtstrt und minimal-invasiv ausgebracht werden kann.

III. PROJEKTBESCHREIBUNG

Das Ziel des Projektes ist die Entwicklung komplexerSensornetze bestehend aus verschiedenen Sensorknontentypenauf der Basis erweiterbarer Sensorknoten. Beim Bau des Sen-sorknoten wurde auf Kriterien wie die Verfgbarkeit der Ein-zelteile in beliebiger Menge und ein mglichst gnstiger Preisgeachtet. Im folgenden werden die Kosten fr die Sensorkno-ten nach oben gerundet angegeben (Stand 01.07.2015). AlleEinzelteile wurden ber im Internet zugngliche Auktions- undHandelsplattformen von meist asiatischen Versendern bezogen.Das Sensornetz ist hierarchisch aufgebaut. Es besteht ausmindestens einem Gateway und mehreren Sensorknoten. InAbb. 1 ist ein Sensorknoten (1a) sowie das Datenmodul

FGSN 2015

15

und ein Gateway (1b) abgebildet. Die Sensorknoten sammelnMessdaten und senden diese in regelmigen Abstnden anden Gateway, der die Daten zuerst lokal auf eine SD-Kartespeichert bevor er sie ber Mobilfunk an einen Datenserverim Internet zur Auswertung weitersendet. Der entwickelteSensorknotentyp lsst sich in die folgenden Funktionseinheitenaufteilen

1 Basismodul - Mikrocontroller und 433MHz-Funkmodul2 Sensormodul - Temperatur-, Luftfeuchtigkeits- und Hel-

ligkeitssensor3 Datenmodul - SD-Karten-Modul und GSM-Modul

Ein Sensorknoten besteht dabei aus den ersten beiden Ein-heiten, whrend ein Gatewayknoten zustzlich noch aus demDatenmodul besteht.Zur Erreichung einer mglichst langen Betriebszeit verbringenSensorknoten und Gateway den Groteil der Zeit im Schlaf-modus, in dem sie nur wenig Energie verbrauchen. Wh-rend dieser Schlafzyklen ist das Funk- und das Datenmodulausgeschaltet, es knnen aber Sensormessungen stattfinden.Die Wachzyklen, in denen die Sensorknoten die Sensorwertean den Gateway senden, werden von diesem ber Hello-Nachrichten bekannt gegeben. Die Sensorknoten synchroni-sieren sich dann mit den Aufwachzeitpunkten des Gateways.Wird ein Sensorknoten initial aktiviert, so sendet er in kurzenregelmigen Abstnden eine Hello-Nachricht aus und wartetauf die Beantwortung durch den Gateway oder einen anderenSensorknoten, der den Aufwachzeitpunkt des Gateways bereitskennt. Erst wenn der Sensorknoten einen Aufwachzeitpunkt er-halten hat, geht er bis zu diesem Zeitpunkt in den Schlafzyklusber. Der Gateway errechnet den nchsten Aufwachzeitpunktimmer am Anfang des aktuellen Wachzyklus. Neben demAufwachzeitpunkt teilt der Gateway auch die lnge des Schlaf-und des Wachzyklus mit. Sollte ein Sensorknoten einmal keineVerbindung zum Gateway herstellen knnen, so kann er sichden Zeitraum, in dem der nchste Wachzyklus stattfindensollte, errechnen. Wenn auch das mehrere Male gescheitert ist,geht der Sensorknoten wieder in den Initialzustand ber undsendet in kurzen regelmigen Abstnden Hello-Nachrichtenaus. Die Synchronisation zwischen Sensorknoten und Gatewaywird schwieriger je lnger sie sich im Schlafzyklus befinden,da die Uhren auseinanderlaufen knnen.

(a) Sensorknoten (b) Datenmodul und GatewayAbbildung 1: Sensorknoten und Gatewayknoten

A. Sensorknoten

In Abb. 1a (links) ist der Sensorknoten des Projektesabgebildet. Er besteht aus einem Atmel Atmega 328P-PU undeinem HOPE RF 69HW Sendemodul (433 MHz). Auf derUnterseite befindet sich ein DHT22 Temperatur- und Luft-feuchtigkeitssensor sowie ein Photowiderstand zur Messungder Helligkeit. Die Sensoren sind auf der Unterseite ange-bracht, da sie aus dem Gehuse herausschauen und so vordirekten Wettereinflssen geschtzt sind. Eine Solarzelle kann

zustzlich angeschlossen werden, welche die Batterie entlastetaber nicht ldt. Als Gehuse wurde ein handelsbliches Klein-gehuse (72x50x40mm) mit Laschen verwendet. Die Kostenfr den prototypischen Sensorknoten belaufen sich auf ca. 25e ohne Batterien wobei Gehuse und Solarzelle davon ca. dieHlfte betragen und die eigentlichen Sensoren ca. ein Vierteldes Preises ausmachen.

B. Gateway

Der Gateway ist ein Sensorknoten, der mit einem zustz-lichen Datenmodul ausgestattet ist. Das Datenmodul verfgtber eine eigene Batterieleitung und eigene Solarzelle aufgrunddes modularen Aufbaus und des hheren Leistungsbedarfs.Das Datenmodul ist mit einem SIM800L GSM-Modul vonSIMCOM und einem Micro-SD Kartenmodul von LC Tech-nology ausgestattet. Sowohl dem Micro-SD Kartenmodul alsauch dem GSM-Modul sind Spannungswandler vorgeschaltet,da der hhere Leistungsbedarf ber hhere Spannungen zurVerfgung gestellt wird. So bentigt das GSM-Modul bis zu 2Ampere fr eine stabile GPRS-Verbindung ins Internet. Auchdie Solarzelle des Datenmoduls darf eine hhere Spannungals die des Sensormoduls liefern. Die Kosten fr den pro-totypischen Gatewayknoten belaufen sich auf ca. 60 e. Sieentsprechen den Kosten fr einen Sensorknoten mit greremGehuse (128x59x47mm), den Kosten fr das Datenmodul vonca. 25 e sowie den Kosten fr eine Solarzelle mit hhererSpannungsausbeute und einem greren Batteriehalter.

C. Internetserver

Der Gatewayknoten baut in variablen Intervallen eineGPRS-Verbindung auf und sendet die Daten via UDP anden Internetserver. Das Transportprotokoll UDP erlaubt einschnelles Versenden der Daten, so kann die GPRS-Verbindungso kurz wie mglich gehalten werden. Die bertragung beginntmit einer Statusnachricht die vom Internetserver besttigt wer-den muss. Im Anschluss wird der aktuelle Inhalt der SD-Karteausgelesen und gesendet. Danach wird erneut eine Statusnach-richt vom Gateway gesendet die beantwortet werden muss. BeiAusbleiben einer Besttigung wird die bertragung der Datendurch den Gateway wiederholt. Bei korrekter bertragungwerden die Daten auf der SD-Karte des Gateways gelscht.Beim Internetserver handelt es sich um einen einfachen UDP-Server geschrieben in Python, der die Daten entgegennimmtund derzeit an die freie Hausautomationssoftware FHEM 1zur Anzeige in Diagrammen weiterleitet. Der Internetserverantwortet auf die Statusnachrichten des Gateways zu Beginnund am Ende einer jeden Verbindung mit der Serversystemzeit.Auch andere Konfigurationsdaten und eine Besttigung deskorrekten Empfangs der Daten knnen so bermittelt werden.

D. Nachrichtenprotokoll im Sensornetz

Das Protokoll zwischen den Sensorknoten und dem Ga-teway besteht aus zwei verschiedenen Nachrichtenformaten,Hello-Nachrichten fr die Synchronisation (HelloValues) undDaten-Nachrichten fr die bermittlung der eigentlichen Sen-sorwerte (SensorValues). Zum Zwecke der Eniergieeffizienzsynchronisiert der Gateway seine Wach- und Schlafzyklen mitden Sensorknoten ber Hello-Nachrichten. Nach dem Aufwa-chen aus dem Schlafzyklus versucht jeder Sensorknoten den

1http://www.fhem.de

FGSN 2015

16

Gateway mit einer Hello-Nachricht zu erreichen (SYN). DerGateway antwortet auf jede Hello-Nachricht (SYN) mit einereigenen Hello-Nachricht (SYN_ACK). Anschlieend sendetder angesprochene Sensorknoten seine gemessenen Mikrokli-mawerte ber mehrere Daten-Nachrichten an den Gateway. Diebertragung der Werte wird mit einer Hello-Nachricht (FIN)vom Sensorknoten abgeschlossen, die der Gateway mit einerHello-Nachricht beantwortet (FIN_ACK).Ein Sensorknoten setzt whrend des Schlafmodus alle Netz-werkeinstellungen zurck. Nach dem Aufwachen versucht ersich ber eine Default Netzwerk-ID mit dem Gateway zusynchronisieren. Dabei nutzt er die Default Netzwerk-ID alsSender-ID und als Empfnger-ID, bis er vom Gateway eineNetzwerk-ID zugeteilt bekommt, die fr diesen Wachzyklusgilt. Die eigentliche Identifikation eines Sensorknotens findetber eine feste Knoten-ID und eine Gruppen-ID statt, die beideim EEPROM des Knotens fest eingespeichert sind. Eine Ver-schlsselung der bertragung wre eine weitere Mglichkeitder Gruppierung oder Identifizierung von Sensorknoten.Der Gateway besitzt die feste Netzwerk-ID 1 und dieKnoten-ID 000 und empfngt alle eingehenden Nachrich-ten (promiscouos-mode). Bei der Beantwortung von Hello-Nachrichten belsst er die in der Nachricht enthaltene Knoten-ID und Gruppen-ID fr die Identifikation des Empfngers.

Alle Sensorknoten, die die Hello-Nachrichten (SYN_ACK)des Gateways empfangen, bernehmen die Uhrzeit und denZeitpunkt des nchsten Aufwachens sowie den Wach- undSchlafzyklus. ber die in der Hello-Nachricht angegebeneKnoten-ID und Gruppen-ID bestimmt der Gateway an welchenSensorknoten die Nachricht eigentlich gerichtet ist. Nur dieserSensorknoten bernimmt dann noch weitere Konfigurationenwie z.B. die bermittelte Netzwerk-ID. Der Gatewayknotenwartet dann auf das Senden der Sensorwerte.Wenn der anfragende Sensorknoten die Hello-Nachricht(SYN_ACK) des Gateways erhalten hat, bernimmt er dieNetzwerk-ID als Sender-ID und sendet die Sensorwerte an dieNetzwerk-ID des Gateway (1). Im Anschluss sendet er wiedereine Hello-Nachricht (FIN) an den Gateway, die von diesemauch wieder beantwortet wird (FIN_ACK). Ein Sensorknotenwird somit initiativ ber den Gateway konfiguriert und nurdie Knoten- und Gruppen-ID muss einmalig vorkonfiguriertwerden.

Die Anzahl der zu bermittelnden Sensorwerte wird demGateway ber die Hello-Nachricht (SYN) mitgeteilt. Die Sen-sorwerte werden dann fr die bertragung zum Gatewaynummeriert. So kann der Gateway den korrekten Empfangaller Sensorwerte berprfen und fehlende Werte erkennen.In der abschlieende Hello-Nachricht (FIN_ACK) teilt derGateway dem Sensorknoten ber eine Bitmaske mit, welcheSensorwerte empfangen (1) oder nicht empfangen (0) wurden.Aufgrund der Bitmaske mit fester Lnge ist die Anzahl aufeinmal empfangbarer Sensorwerte zwar begrenzt. Allerdingskann der Gateway aufgrund seines begrenzten Arbeitsspeichers(SRAM) auch nur eine begrenzte Anzahl an Datennachrichtenmit Sensorwerten auf einmal empfangen. Er speichert dieempfangenen Sensorwerte zunchst in seinem Arbeitsspeicher.Erst nach Abschluss der Kommunikation werden sie auf dieSD-Karte geschrieben. Anschlieend ist der Arbeitsspeicherwieder frei fr den Empfang weiterer Sensorwerte.

Alle Sensorwerte die nicht korrekt empfangen oder nichtgesendet werden konnten sendet der Sensorknoten ber einen

weiteren Kommunikationsaufbau innerhalb des jetzigen odernchsten Wachzyklus erneut.

Ein Sensorknoten der den Gateway erreicht hat, steht freinige Sekunden als alternativer Gateway dem Sensornetzzur Verfgung. Abgeleitet von seiner temporren Netzwerk-ID kann er selbst anderen Sensorknoten temporre Netzwerk-IDs vergeben und wie ein Gateway fr diese Sensorknotenfunktionieren. Eine Distanz-Variable (hop-count metric) sorgtin den Hello-Nachrichten fr einen baumartigen Aufbau desSensornetzes whrend eines Wachzyklus und verhindert inden SensorValue-Nachrichten, dass Sensorwerte im Sensornetzkreisen. Das ermglicht es Sensorwerte via Multi-hop bermehrere Sensorknoten oder zu verschiedenen Gatewayknoteninnerhalb eines Sensornetzes zu senden.

current(A)

time (sec)

time (sec)

current (A)

0

0,01

0,02

0,03

0,04Gateway

0

0,01

0,02

0,03

0,04Sensorknoten

Abbildung 2: Stromverbrauch Sensorknoten

IV. EVALUATION

Im folgenden ist eine kurze Analyse der Sensorknotenaufgefhrt. Zum einen eine Analyse des Stromverbrauchsdes Gateways und eines Sensorknoten und zum anderen derEinsatz der beiden Knoten innerhalb eines Sensornetzes ineinem Weinberg.

A. Energieverbrauch

In Abb. 2 ist der Energieverbrauch des Gateways undeines Sensorknoten dargestellt. Beim Gateway ist lediglichder Verbrauch des Sensormoduls gezeigt. Das Datenmodul desGatways mit dem GSM- und dem SD-Karten-Modul verfgtber eine eigene Stromversorgung. Das Datenmodul ist nursehr kurz whrend des Wachzyklus aktiv, wenn Sensordatenber das Sensornetz empfangen wurden und auf die SD-Kartegeschrieben werden oder wenn das GSM-Modul am Endeeines Wachzyklus aktiviert wird. Fr das folgende Verbrauchs-diagramm wurde ein Sensormessintervall von 5 Minuten, einSendeintervall von Sensor- zu Gatewayknoten von 25 Minuten(sleepCycle) und ein GSM-Intervall von 50 Minuten ( 2 *sleepCycle) gesetzt, d.h. alle 5 Minuten misst der Knoten dieSensorwerte, alle 25 Minuten sendet er die gemessenen Sensor-werte an den Gateway und alle 50 Minuten sendet der Gatewaydie Sensorwerte an den Internetserver. Die Messungen im Dia-gramm in Abb. 2 wurden mit einem Labornetzgert bei 4,2V(ohne Solarzelle) durchgefhrt. Das Diagramm zeigt, dass derVerbrauch des Sensor- und des Gateways fr den Schlafzyklus

FGSN 2015

17

auf unter 1 mA (ca. 15 A ) gesenkt werden kann. DasAuslesen der Temperatur-, Feuchtigkeits- und Helligkeitswertebentigt ca. 5mA und dauert ca. eine Sekunde. Bis zu 35mAwird fr das Senden (Sensorknoten) und Empfangen (Gatway)der Nachrichten bentigt. Die Wachphase des Gateway istdabei voreingestellt und betrgt hier 2 Minuten. Fr die Initia-lisierung des Sensornetzes wird die Zeit verdoppelt, wobei zuBeginn und zum Ende der Initialisierungsphase eine GPRS-Verbindung zum Internetserver aufgebaut wird. Zu Beginnmeldet sich der Gateway beim Internetserver an und erhltso Konfiguratinosdaten wie die aktuelle Uhrzeit. Zum Endewerden alle whrend der Initialisierungsphase erkannten Sen-sorknoten dem Internetserver mitgeteilt. ber eine Messzeitvon 60 Minuten hatte der Sensorknoten einen durchschnitt-lichen Verbrauch von 2mA und der Gatewayknoten einendurchschnittlichen Verbrauch von 5mA gezeigt.

B. Erhebung im Weinberg

Ein prototypisches Sensornetz wurde am 04.07.2015 ineinem Weinberg2 ausgebracht. Die Sensormesswerte der Pro-totypen wurden zuvor unter identischen klimatischen Bedin-gungen auf Gleichheit getestet. Der Sensorknoten wird mitdrei handelsblichen AA Batterien mit jeweils 1,5V und ca.1800mAh in Reihe sowie Solarzellen mit einer Leistung von3,5V und 80mA betrieben. Das Sensormodul des Gatewayswurde mit drei AA Batterien und einer Solarzelle mit 4V und120mA ausgestattet. Das Datenmodul des Gateway hat eineeigene Stromversorgung und wird mit sieben AA Batterien inReihe und einer Solarzelle mit 9V und 40mA betrieben. DerPrototyp bentigt eine Mindestbatteriespannung von 3,6V. Eswurde ein Sensormessintervall von 10 Minuten, ein Sendein-tervall zwischen Sensor- und Gatewayknoten von 60 Minuten(sleepCycle) und ein GSM-Intervall von 6h (6 * sleepCycle)eingestellt. Wobei eine GPRS-Verbindung ins Internet auchimmer dann am Ende eins Wachzyklus aufgebaut wird, wenndie Solarzelle den Gatewayknoten ausreichend betreiben kann.Werden die vorherigen Energiemessungen als Grundlage ge-nommen, so ist bei ausreichend Sonne von einer Laufzeitvon 3-4 Wochen auszugehen. Abb. 3 zeigt das Ergebnis derMessungen bis zum 17.07.2015 fr den Gatewayknoten undden Sensorknoten 001. Die Knoten hngen in diesem Feld-versuch nah beiander (ca. 10 Meter) und es lassen sich daherauch sehr hnliche Verlufe in den Temperatur- und Luftfeuch-tigkeitskurven ablesen. Sehr deutlich ist der starke Fall derBetriebsspannung des Gatewayknotens zu erkennen, der durchdie Solarzelle bedingt aufgehalten wird. Beim Sensorknotensind die Messungen insgesamt ungenauer, was an den grerenSpannungsschwankungen liegt wie im Diagramm zu sehen ist.Hier finden auch Messungen whrend des Wachzyklus statt,was beim Gatewayknoten nicht der Fall ist und sich offenbarnegativ auf die Gltigkeit der Messwerte auswirkt.

V. ZUSAMMENFASSUNG

Das Projekt Weinberg-Sensornetze zeigt die konstengn-stige Entwicklung eines komplexen Sensornetzes. Die grund-legende Funktion des drahtlosen Sensornetzes konnte erreichtwerden. Verbessert werden muss, neben der Ansteuerung dereigentlichen Sensoren und der Erfassung der Sensorwerte,

2http://unikorn.uni-koblenz.de/vineyardwsn/

Abbildung 3: Ausgabe des Diagramms auf dem Internetserver

noch die Betriebszeit der einzelnen Knoten und die Sendereich-weite der Funkmodule. Durch den Austausch des 433MHz-Funkmoduls konnten die letzten beiden Punkte bereits verbes-sert werden. Zur Verbesserung der Sendereichweite wird einanderer Aufbau und ein anderes Gehuse berprft, da diegegenwrtige Form zwar wetterfest ist aber das Funksignalstark abdmpft. Zur Verbesserung der Betriebszeit wird eineSolarladeschaltung und der Betrieb ber Akkus geprft. Freine bessere Synchronisation, gerade bei initialen Sensorkno-ten, wird ein stndig aktives Funkmodul bei ausreichendemSolarstrom fr den Betrieb angestrebt. Grundstzlich ist einsolches Sensornetz auch fr den Einsatz in anderen Dauerkul-turen wie Obst- und Hopfenanbau oder Baumschulen mglich.Insgesamt lsst sich Feststellen, dass die Realisierung einesdrahtlosen Sensornetzes mit berschaubarem Aufwand undgeringem Mitteleinsatz durchfhrbar ist.

LITERATUR[1] I. Cuinas, S. Cervera, and J. A. Gay-Fernandez, Benefits of using

wireless sensor networks to predict plagues in vineyards, in ProgressIn Electromagnetics Research Symposium Proceedings (P. I. E. R. S.Proceedings, ed.), August 2013.

[2] P. Catania, M. Vallone, G. L. Re, and M. Ortolani, A wireless sensornetwork for vineyard management in sicily (italy), in AgriculturalEngineering International: CIGR Journal, Vol 15, No 4 (2013), 2013.

[3] A. Bielsa, Smart agriculture project in galicia to monitor vineyards withwaspmote, June 2012.

[4] J. Martinez, Smart viticulture project in spain uses sensor devices toharvest healthier, February 2014.

[5] R. Morais, M. A. Fernandes, S. G. Matos, C. Serdio, P. J. S. G. Ferreira,and M. J. C. S. Reis, A zigbee multi-powered wireless acquisitiondevice for remote sensing applications in precision viticulture, Comput.Electron. Agric., vol. 62, pp. 94106, July 2008.

[6] F. J. Pierce and T. V. Elliott, Regional and on-farm wireless sensor net-works for agricultural systems in eastern washington, Comput. Electron.Agric., vol. 61, pp. 3243, Apr. 2008.

[7] S. Shanmuganthan, A. Ghobakhlou, and P. Sallis, Sensors for modelingthe effects of climate change on grapevine growth and wine quality, in InProceeding of the 12th WSEAS International Conference on CIRCUITSHerak