文摘

convergecasting频繁的数据从传感器节点网关可能导致不平衡的能源消耗在无线高速公路可寻址远程传感器(WirelessHART)网络,产生一个简短的网络寿命和频繁失败的数据采集。现有的解决方案总是倾向于硬件成本之间的权衡,路由的复杂性,和能源消费,使得传感器节点受昂贵的硬件投资,重载的网络计算,或不平衡的能源消耗。在本文中,自适应Freeshape集群(AFC)协议开发的储蓄和平衡能耗WirelessHART网络。在亚足联,感兴趣的区域(RoI)首先分成若干个扇形集群。传感器节点在每个扇形集群竞争单元节点的位置(CN)和节点成功地竞争半径的调整他们的保险覆盖的扇形集群自适应最小重叠区域。通过这种方式,每个扇形集群可以细分为几个freeshape区关于每个CN的覆盖率,和每个集群的CN负责convergecasting CH。模拟的数据表明,亚足联可以37%延长网络寿命与其他相关计划相比,例如,谨慎,洪水,和直接,而它可以减少1.29%的能量不平衡的程度。

1。介绍

无线高速公路可寻址远程传感器(WirelessHART)网络是广泛用于数据convergecasting地址需要在工业应用中,通常包含许多低功耗和短程节点的传感和监控的工业环境(1]。如图1,从节点获得的数据路由到网关,然后上传到主机应用程序事件的全面监测,状态和行动感兴趣的预定义的统治(RoI)。这些节点随机分布在RoI和负责传感、处理和交换传感器周围的物理信息,通常被称为传感器节点在WirelessHART网络。WirelessHART网络中的网关配备更多的片上资源的电池容量,传输范围、数据存储、计算能力等,它们通常被称为的水槽WirelessHART网络,负责收集、分析,从传感器节点转发的物理信息和与宿主应用程序进行交互的网络管理(2]。

WirelessHART网络可以部署在不同的应用领域,例如,气象环境监测、智能家居、汽车工业和军事防御等。3]。由于节点通常是分布在严酷的环境没有出席,一个共同的缺点是不能充电或更换电池嵌入到节点有效、方便。因此,节能已成为首要任务WirelessHART网络设计中,旨在延长网络的生命周期(即。,the time duration between the instant when the network is initiated and the instant when the nodes fail to cover the RoI in the network) by improving the efficiency of energy utilization in the batteries embedded in the nodes. However, only executing the procedure of energy saving in the nodes is not sufficient as the nodes may suffer from unbalanced energy consumption in the WirelessHART networks [4]。例如,一些传感器节点可能消耗的能量迅速和产量WirelessHART网络寿命很短,而其他传感器节点可能会慢慢消耗能量,产生长寿命的WirelessHART网络。高度注意,网络寿命取决于传感器节点的最短寿命因为任何节点包含一个死去的电池可能会导致失败当convergecasting WirelessHART网络中的数据(5]。因此,平衡节点能耗的分布,这被称为消费平衡在本文的其余部分,已成为一个关键因素,应考虑在执行过程中的节能WirelessHART网络。

节能提出了许多方案来解决这个问题,比如能量收获,路由优化、节点休眠等。6]。然而,这些计划需要硬件投资的高成本或增加传感器节点的网络复杂性需要消耗更多的能量计算最优的解决方案。这是高度对节能的原始目的WirelessHART网络。在本文中,我们提出了一个显著的节能协议,即自适应Freeshape集群(亚),延长的寿命WirelessHART网络不平衡的能源消耗。在亚足联的RoI WirelessHART网络划分为若干个扇形集群和每个扇形集群分为几个freeshape区关于节点的覆盖范围。每个节点继续调整的半径范围,确保扇形集群中的所有其他节点可以覆盖的最小传输范围节能的目的。除此之外,网络复杂性和性能之间的关系的能量储蓄和消费平衡研究,和仿真表明,该方案能使能耗均衡的分布在时间和空间中,产生一个高效的能源消耗和机制很长的网络寿命WirelessHART网络。

本文组织如下。一些相关工作进行了综述2节中,给出了网络模型3。部分4介绍了无线网络的路由算法的预赛,和部分5提出了一种自适应freeshape集群协议。部分6证明了提出集群协议可以节省能源和网络消费的分配平衡。部分7说明了仿真结果和部分8总结了纸。

2。相关工作

作为一个传统的研究课题WirelessHART领域的网络,很多工作已经进行储蓄和消费的能量平衡。这些作品可以分为三类:能量收获,路由优化和节点休眠。

(1)能量收获。延长电池的寿命,传感器节点可以配备一些能量收集装置将环境中的太阳能和风能转化为电能,充电电池。在[7),硬件系统环境能量收集,旨在电荷传感器节点的电池通过收集一些电能从自然环境,例如,太阳能和风能。在[5),能量采集系统收集电磁能量从商业开发射频广播电台,例如,GSM,广播电台,等等。然而,由于能源采集设备和硬件成本低效率将太阳能和风能转化为电能,能源获取的方法不符合要求的低成本、高效率的能源消耗在WirelessHART网络。

(2)路由优化。与能量收获的方法相比,路由优化不需要昂贵的硬件环境能源转换成电能的设备给电池充电。相反,它会保存能量通过优化网络中数据传输的路径。在[8),提出了一种路由算法称为直接延长网络生命周期。然而,仿真结果表明,网络的生命周期将大大缩短当水槽和传感器节点之间的距离增加。另一种方法是优化数据传输的路径基于低能量自适应聚类层次结构(LEACH)算法。在[9),一个基于路由优化算法称为模糊滤(LEACH-F)。LEACH-F,水槽为每个集群提供了传感器节点的列表,这些传感器节点帮助收集和数据转发到水槽为节能的目的。然而,LEACH-F假定每个传感器节点可以直接与下沉,这并非如此在现实世界的工业环境。为了解决这个问题,基于混合动力节能分布式(注意)聚类算法的节能。注意建立算法定期选举一些集群头在传感器节点中,集群头相互合作和数据转发到水槽。因为并不是所有集群头必须直接传输数据到水槽(在一跳),传输的能耗数据可以显著减少。

(3)节点休眠。节点休眠是另一个常用的方法来减少能源消耗,在传感器节点之间将睡眠和保持活跃的状态。由于能源消耗在睡眠状态,远低于活动状态,适当的节点休眠调度可以节省能源消耗和平衡消费WirelessHART网络。在[10),低能量的自适应聚类分层中央睡眠协议(LEACH-CS)提出了一个调度函数来决定哪些传感器节点应该睡醒了数据传输和哪一个应该保持睡眠的状态。然而,节能和数据采集性能高度依赖调度机制。如果传感器节点不能被唤醒,它可能导致传输数据失败。在[11),一个显著的方案提出了传感器节点的动态休眠,睡眠间隔的不同实时根据传感器节点的估计停留时间。缺点是频繁调度传感器节点的状态将介绍大型通信开销WirelessHART网络。特别是当传感器节点的数量很小,所形成的网络结构有限数量的传感器节点可以实现是很脆弱的小改进能源储蓄和消费的平衡。

3所示。网络模型

以抽象的能源消耗的特点在不同的应用程序中,我们作为一个层次模型WirelessHART网络集群网络如图2,WirelessHART网络被定义为一个圆的RoI区域的半径米。考虑一组节点分布在WirelessHART网络监控的物理信息的RoI,水槽和一个位于中心的RoI。每个节点配备一个无线电收发器与传播的半径范围米,可采用不同的传动功率调整。我们假设该频道是对称的,网络拓扑结构为无向图模型 ,顶点的地方 代表WirelessHART网络中传感器节点和边缘在 表示节点之间的无线通信链路和 。

WirelessHART网络的RoI是首先划分为若干个扇形集群,集群和节点在每个扇形分为两组:一个集群头(CH)和一些集群成员(CMs)。CMs负责感知周围环境的物理信息和CH传输数据,而从CMs CH负责收集数据集群中,与洗手盆和其他数据convergecasting CHs和网络管理。CH动态当选中传感器节点的集群基于一些预定义的度量标准,例如,最大的能量,最大的传播范围等。当选的CHs应该能够与集群中的每个CM,确保获得的数据CMs可以可靠地收集并上传至水槽。

定量描述过程的能源消耗WirelessHART网络,我们使用公式(1)来计算传感器节点的能量消耗。 在哪里 的能源消耗从发送节点传输一个比特的数据接收节点 ; 的能源消耗是在发送节点硬件电路;传输数据时是功率放大器系数;发送节点之间的传播距离吗和接收节点 ; 是不同的路径损耗因子,2和4之间关于传播路径上的信号块,如植被、建筑物等。

评估能源储蓄和消费平衡的性能WirelessHART网络,下面的关键指标是用来计算网络寿命和能量平衡。

(1)的覆盖率,用 ,之间的比率被定义为传感器节点所覆盖的面积和整个地区的RoI WirelessHART网络。

(2)网络生命周期,用 ,计算之间的时间时,即时WirelessHART网络覆盖率时,即时发起的已经下降到一个预定义的阈值。

(3)第一个死亡节点的一生WirelessHART网络,用 ,被定义为即时当WirelessHART网络之间的时间启动和即时当一个节点首先耗尽精力。

(4)WirelessHART网络中能量不平衡的程度,用 ,计算除以区别网络寿命和第一个死亡节点的生命周期的网络生命周期。

4所示。初步在路由算法

WirelessHART网络的路由算法可分为两类关于传感器节点之间的跳数和下沉当convergecasting数据,例如,单跳路由算法(12)和多次反射路由算法(13]。一个经典的单跳路由算法是DIERCT [14),它通常被看作一个广播机制,发送节点传输的数据直接水槽。直接算法容易实现,但通常用于网络小roi由于节点传输范围。因此,他们常常被雇佣为基准的模拟和实验性能比较的目的。因为WirelessHART网络的投资回报率通常覆盖大面积的工业环境中,我们专注于多次反射路由算法,可以远距离输送数据通过数据转发跳了跳。考虑到网络结构,多次反射算法可以分为平面路由算法和分层路由算法。

4.1。平面路由算法

洪水(15和闲聊16)两组WirelessHART平面路由算法的网络,传感器节点在哪里同样享有特权,均等的参与网络。基于洪水的路由算法中,传感器节点发送的数据通过广播,所有相邻节点和邻近的节点将数据转发给他们的邻居。通过这种方式,可以将数据转发跳了跳,直到它到达下沉。基于洪水的路由算法执行的所有节点转发数据,产生一个高包convergecasting交货率的数据。然而,基于洪水中的冗余数据转发的路由算法将导致高阻塞的风险沟通渠道,和节点需要消耗更多的能量重新发送数据,甚至可能演变成一个DoS攻击在特定条件下。为了解决这个问题,提出了基于闲聊的路由算法,节点只将数据转发到有限数量的邻居。这样可以缓解交通拥堵的压力数据WirelessHART网络,减少节点的能量消耗。然而,冗余数据转发的固有缺点仍未解开,而且它也可能产生不可预知的交付时间延迟WirelessHART网络中的数据。

4.2。层次路由算法

不同的平面路由算法,分层路由算法将传感器节点划分为若干角色,例如,集群,集群成员,路由器、网关、等,和传感器节点的数据用不同的角色承担不同的任务convergecasting WirelessHART网络。例如,利奇是一个典型的分层路由算法将RoI划分为几个集群通过运行定期CH选举的过程。所有节点的位置竞争CHs基于一些预定义的度量标准,例如,能源最优覆盖优化等等。CMs的CHs收集数据,然后将其转发给水槽。以来所有的CMs的数据压缩成一个数据包转发到水槽CHs,没有必要为CMs与水槽直接通信。虽然CHs往往会消耗更多的能量比CMs由于数据转发,CHs的选举将定期执行和剩余的低能源将取代其他CMs。这样,整个能源消耗将均匀地分布到所有的CMs WirelessHART网络有助于避免在某些节点连续的能源消耗。然而,CH选举中浸出过程的执行没有任何CHs的分布,控制机制和高密度的CHs可能出现在一些区域,而他们很少出现在其他区域。此外,浸出假设所有的CHs可以与接收一跳,这不是在真实世界的场景。

基于LEACH克服缺点,注意开发算法可以减少WirelessHART网络中的冗余数据转发(17]。如图3CHs收集数据从每个集群中所有的CMs。不同的是接近的CHs水槽将帮助其他CHs远离水池转发数据。换句话说,并不是所有的CHs必须直接与水槽,和接近的CHs下沉将帮助转发数据,这可以节省能源数据covergecasting。类似于浸出,注意基础的CHs选择算法是基于节点的剩余能量,和剩余的能量高于一个预定义的阈值将被选为CH。考虑传感器节点在WirelessHART网络。表示初始选举传感器节点的概率 ,和传感器节点的剩余能量吗 ,而电池的最大能量能力的传感器节点 。然后,传感器节点的概率被选为CH,用 ,可以计算为 。

自从CHs互相帮助转发数据并不是所有CHs都直接与汇通信,基于谨慎的路由算法可以节省更多的能量与LEACH相比在数据convergecasting。然而,仍有许多改进的空间在节能和消费平衡。例如,数据转发的任务将导致额外的能源消耗在CHs, CMs可以节省能源和平衡分布的集群中的消费。在下面几节中,我们提出一个新的路由协议基于谨慎的结构,即,亚足联,节能能源和消费平衡WirelessHART网络。在亚足联,CH选举的程序修改,一个新的角色单元节点(CN)是补充道。中枢神经系统可以可靠的覆盖CMs多余地交付的数据,而且还可以帮助CHs收集数据从CMs短距离数据传输。

5。基于自适应Freeshape集群

基于谨慎的结构,层次聚类路由协议AFC提出提高能源效率的储蓄和消费的平衡WirelessHART网络。在亚足联,RoI分为几个扇形集群,集群,每个扇形定期选举CH基于竞争机制。与此同时,所有的传感器节点扇形集群竞争对中枢神经系统的作用,它负责帮助CMs的CH收集数据。把它用另一种方式,亚足联的三层网络结构,例如,上层的CHs,中间的中枢神经系统层和底层的CMs。CMs负责感应周围的物理信息和发送数据到中枢神经系统,而中枢神经系统负责收集所有的数据在它的覆盖率和转发CH。由于CMs之间的距离和中枢神经系统通常短于,CMs和CH的能源消耗数据convergecasting亚足联可以减少。在以下小节中,我们将亚足联的过程分为三个阶段,例如,扇形聚类的自适应freeshape细分,和数据convergecasting。

5.1。第一阶段:扇形聚类

阶段的扇形集群、WirelessHART网络的RoI分成若干个扇形集群。每个集群的RoI,只有一个CH会当选,负责收集数据从集群的CMs并转发下沉或其他CHs。考虑一个节点这是争夺CH,选举取决于以下三个因素。

(1)剩余的能量(重新)。当选举在集群中的CH,剩余能量节点越多,越高概率将当选为CH。这是因为CHs往往会消耗更多的能量收集和转发数据时,和选举更多的剩余能量的节点避免重载其他节点剩余能量更少。

(2)链接连接到CHs (LCC)。LCC的定义是良好的链接节点的数量其他CHs,水槽可以被视为一种特殊的CH。该节点与其他更多的好链接CHs应该给一个更高的优先级选择CH。这样可以确保节点可以可靠传递的数据包直接水槽或其他CHs转发。

(3)达到能源消费(REC)。矩形被定义为平均能耗从每个其他节点传输一比特的数据在当前集群节点 。不同的选举CHs的注意算法为基础,剩下的能量并不是唯一的因素,在选举中被认为是矩形的选举也将影响CHs旨在平衡集群中CHs的分布。

CH选举的详细过程中可以概括以下步骤:(i)扇形集群中的每个节点计算其剩余能量和生成一个随机数。剩余的能量节点越多,大随机数将生成;(2)节点的数量大于一个预定义的阈值将被选为CH候选人;(3)CH候选人未能达到其他CH或水槽将被排除在外;(iv)如果CH候选人只有一个扇形的集群,它将自动被选为CH;如果存在两个或两个以上的CH候选人扇形集群中,有一个更小的矩形将选为CH。

5.2。第二阶段:自适应Freeshape细分

为了节约能源和平衡分布的消费,每个集群进一步划分为若干个freeshape区。如图4,许多CMs将当选为集群中的其他CMs,这被称为单元节点在WirelessHART网络。中枢神经系统可能使用不同的传输半径范围覆盖集群合作,扇形的集群将分为一些freeshaped区关于每个CN的传输半径范围内。现在的问题是如何选择集群中的中枢神经系统。为了解决这个问题,我们首先给完全约束圆(FCC)的定义,然后描述CN选举的过程基于FCC的概念。

定义1。考虑一个扇形WirelessHART网络集群,假设每个传感器节点的传输范围扇形集群是一个圆的面积。如果任意弧节点的周长是由至少一个传感器节点的传输范围,然后节点的周长被定义为一个完全约束周长(FCC)。

假设节点的半径的传输范围米。如果不是FCC周长,然后节点应该保持传输范围不变。如果周长是FCC。上的任意弧节点的周长是由至少一个节点的周长,然后节点应该使用以下规则探索潜在的盲区和调整其传输范围的半径为能源储蓄和消费平衡集群中。

规则1。考虑一个传感器节点完全约束周长,认为它不是一个扇形集群中的CH。让是一个横点内的节点的周长传感器节点的数量,覆盖了交叉点内部的传输范围。
如果只有两个传感器节点覆盖的交叉点在传输范围,也就是说, ,盲人的交叉点是一个顶点。
如果两个以上的传感器节点覆盖的交叉点在传输范围,也就是说, ,然后交叉点的节点内部是一个通用的顶点的传输范围,而不是一个顶点的盲区。
让 是盲目的顶点区域内节点的周长。表示节点的中心意义的周长, ,和 中心之间的欧几里得距离点吗和顶点 。然后,节点应该调整传输半径范围 。

的半径调整节点在图5为例。 十字架上点了两个传感器节点,标明顶点的盲目区(阴影块如图5)。相比之下, 叉点是由三个传感器节点,标明在节点一般顶点吗的周长,而不是盲目的顶点。然后,节点应该调整传输半径范围 在阴影块覆盖盲区,减少传输的能耗通过使用一个小半径范围内。注意,可能会存在一些场景没有十字架的点的顶点是一个盲区。换句话说,没有盲目的区域节点的复苏 ,和节点可以设置传输范围的半径吗 。然后,节点与一个非零半径将当选为CN;否则,它仍然是一个厘米。请注意,规则1不适合CHs的扇形集群和CH的半径不能减少即使满足规则的要求吗1;否则,它可能无法接收数据包从集群中的其他CMs。提出了算法的伪代码1。

5.3。第三阶段:Convergecasting

convergecasting的阶段,每一厘米负责感应周围的物理信息和数据传送到中枢神经系统,而中枢神经系统帮助CMs的CH收集数据。具体地说,在选举后的CH集群,中枢神经系统收集数据的CMs freeshape区和内锋CHs。从中枢神经系统获取数据后,CH将直接传送到水槽如果水槽内的覆盖;否则,CH将数据转发给其他CHs靠近水槽,以便与低能耗数据可以传送。

6。平衡节能分析

在亚足联,CHs不仅要收集数据从中枢神经系统还帮助其他CHs的数据转发到水槽。在本节中,我们证明,如果满足一定的条件下,自适应聚类和数据转发在亚足联可以节省能源和平衡节点的消费。

如图6,假设发送节点和吗是一个沉在WirelessHART网络。一个转发节点位于发送节点和水槽之间的直线。设置路径损耗因子2、功率放大器系数是1的能量传播模型。然后,消耗的能量传输的数据直接从节点的水槽可以计算为 ,在哪里是能量消耗的传感器节点的硬件电路;是发送节点之间的传播距离和水槽。注意,数据也可以通过节点交付给水槽的转发,这是位于节点之间的直线和水槽 。消耗的能量通过转发节点转发数据是计算 。表示不同的定向传输之间的能源消耗和数据转发 ,也就是说, ,我们可以有 敌我识别 。

如果不转发节点发送节点和水槽之间的直线,说转发节点在图6,然后通过计算数据转发节点的能量消耗 ,在哪里节点之间的距离吗和 ; 节点之间的水平投影的距离和 。通过比较的能源消耗和 ,我们可以得出的结论是,数据转发可以节约能源超过传输数据沿直线敌我识别条件 是满意的。

在亚足联,每个集群WirelessHART网络细分为几个freeshape区。中枢神经系统收集数据从其他CMs的内部区域和CH。自从CMs freeshape区只需要内部沟通与中枢神经系统和中枢神经系统的距离CMs通常是短于CH,传输的能耗数据可以显著减少。假设 是一组在一个集群和节点当选的CH。 是一组集群中的中枢神经系统,结合每个CN的传播应该覆盖整个区域的集群。表示CMs的数量在每一个CN的报道 ,和CH的覆盖范围内的节点数量 。然后,可以按照亚足联的能源消耗 在哪里CN的距离吗CH;在传输数据消耗的能量从每厘米内的的报道 ; 每个节点的距离在CH CH的覆盖率;里面每一厘米的距离吗的报道 。

与此同时,能源消耗在注意基础算法可以计算 在哪里厘米的距离吗CH。

比较的能源消耗和 ,我们泼能耗分为三个部分:(1)中枢神经系统的能源消耗:由于中枢神经系统在亚足联还可以被视为一般传感器节点在注意基础算法,亚足联的中枢神经系统消耗的能量,也就是说, ,必须包含,也等于在吗 ;(2)内部节点消耗的能量CH的报道:由于注意基础算法和亚足联CH相同,例如,报道,传播范围,覆盖,内部节点的数目等,CH的内部节点消耗的能量在亚足联的报道一样,注意基础算法,也就是说, ;(3)节点的能量消耗每一厘米的范围内:为每个节点以外的CH的报道,距离CN小于,CH,也就是说, 。根据能源消耗的模型部分3可以看出,能源消耗每厘米内的传输数据的覆盖率小于注意基础的算法。总之,注意基础算法相比,亚足联可以减少传输的能耗数据,也就是说, 。

7所示。模拟和分析

评估性能的方案,我们基于Cooja Contiki 3.0运行模拟。Cooja Contiki网络模拟器能够检查无线网络中传感器节点的行为,例如,能源消费,网络寿命,接待,等。模拟传感器节点的能量消耗在现实世界的工业环境中,我们使用Init /工厂数据集配置无线通信链接WirelessHARTs [18]。自Init /工厂包含一组数据集记录频道收益与多个距离在工厂环境中,我们可以把这些数据集的通道在Init /工厂每个链接在我们的模拟传感器节点之间的距离。因此,我们可以获得品质真实WirelessHART无线连接的网络。

如图7,我们设置WirelessHART网络作为一个圆的RoI区域的半径500米。WirelessHART网络中的网关充当convergecasting水槽的数据包,它位于中心的RoI。一组500个传感器节点随机分布在WirelessHART网络,和每个传感器节点的传输范围的半径是最初设置为50米。每个节点嵌入与电池容量为1 。根据实验(19),我们 , , 。为了使一个高效convergecast WirelessHART数据包的网络,我们设置了时间的阶段convergecasting 40倍之和扇形聚类和自适应细分阶段。以来第一个死亡节点的生命周期和网络寿命很大程度上取决于槽长度的广播,例如,第一个死亡节点的生命周期等于槽长度的产品和它的广播,我们使用广播轮的数量显示第一个死亡节点和网络的生命周期生活,这有助于消除槽长度的影响。

图8比较广播轮的数量的一生第一个死亡节点和网络生命周期在不同的路由协议,在CH的数量设置为6 WirelessHART网络。基于洪水的路由方案第一个死亡节点的最短寿命的大部分能源消费盲目转发数据,以及节点消耗能源的速度快。基于直接的路由算法具有更多的广播轮在第一个死亡节点的生命周期,随着传感器节点只需要convergecast自己的数据包而不是转发其他传感器节点的数据包。注意基础算法具有更大数量的广播轮的一生第一个死亡节点由于CHs的定期选举,只有更高的剩余能源将当选。把它用另一种方式,具有高剩余能量的节点将有助于数据convergecasting,一旦剩余的能量下降水平低于其他传感器节点,他们将取代通过选举CH。与基于谨慎的路由算法相比,亚足联取代了intercluster通信通过圆形分割与短的星团内通信、数据转发的路径更短。因此,它可以改善广播轮第一个死亡节点的生命周期能源消耗37%,显示了更好的特点。

评估WirelessHART网络能耗的分布,我们为每个算法计算能量不平衡的程度。如图9,亚足联的最低能量不平衡度1.35%,原因是双重的。首先,它得益于CHs的定期选举,使高优先级消耗能源有更多的剩余能量的节点的电池。第二,集群的内部细分使得convergecasting数据节点消耗更少的能量。事实上,它是中枢神经系统convergecast数据包,它消耗更少的能量由于短距离CH。注意更高程度的能量不平衡的6.49%,但仍远低于直接和洪水算法的能量不平衡度分别为24.5%和29.2%,分别。这主要从CHs的定期选举结果,这有助于平衡能源消耗更多的剩余能源将当选为CH。

注意,传感器节点的半径可能影响网络寿命。例如,一个小半径可以覆盖较少的低覆盖率冗余的传感器节点。然而,大多数的传感器节点必须直接与下沉,产生大量能耗。图10 ()说明了传感器节点的半径之间的关系,没有覆盖冗余,网络寿命循环集群执行。由于每个节点将数据发送给直接CH,网络生命周期变化小的半径增加传感器节点。然而,覆盖率大幅增加冗余节点往往有一个大的重叠区域的覆盖。图10 (b)说明了传感器节点的半径之间的关系,覆盖冗余,网络的生命周期的循环集群是集群中执行的。当半径很小,集群的区域没有完全覆盖。换句话说,节点必须和CH直接交流,这产生一个短的网络生命周期。当半径增加集群完全覆盖的面积,节点可以发送数据到CN而不是直接与CH。因此,网络寿命增加convergecast由于节能的数据。当半径大,中枢神经系统的数量减少,大多数传感器节点仍然CMs。这就解释了为什么亚足联总能保持覆盖冗余大致不变,这有助于延长网络生命周期的低覆盖率冗余。

8。结论

储蓄和消费的能量平衡是两个WirelessHART网络结合问题。基于谨慎的结构,我们提出了一种自适应freeshape集群协议,也就是说,亚足联,能源储蓄和消费平衡,每个扇形集群分为几个freeshape区。自从convergecasting CN负责数据,传感器节点不需要直接与CH,这有助于减少网络的能量消耗。同时,定期选举CH有助于平衡能耗的分布的剩余能量较低的电池将被其他的有更多的剩余能源所取代。仿真结果表明,亚足联可以有效地降低能耗,延长网络的生命周期与平衡的能源消耗。

数据可用性

实际工业数据痕迹(Init /工厂)用于支持本研究的发现是由RAWDAD(存档无线数据达特茅斯的社区资源,www.crawdad.org/Init/factory)在许可证,所以不能免费提供。请求访问这些数据向网络管理员应通过(电子邮件保护)。Init /工厂包含一组记录频道收益与不同距离工厂环境。测量的数据/时间发布在2016-06-13。

的利益冲突

作者宣称没有利益冲突。

确认

作者要感谢中国国家自然科学基金(61803206),江苏的主要研发项目(BE2017008-2)和南京林业大学青年科技创新基金(CX2017013)部分资助这个项目。