路径优化的移动汇聚节点在无线传感器网络监测系统

文摘

在水域监测的传统无线传感器网络(网络),监控数据主要是通过多次反射传输到基站。然而,有许多问题在多次反射传播在传统的无线传感器网络中,例如能源洞,不均匀的能源消耗,不可靠的数据传输,等等。基于高机动性的无人机(UAV),提出了一种移动数据收集计划,它使用无人机移动汇聚节点在WSN水监测和无线数据传送收集监测节点数据有效和灵活。为了进一步减少能源消耗的无人机,终端节点分组根据动态聚类算法和节点剩余能量高集群选为簇头节点。然后,根据传感器节点的特点与一定范围的无线信号覆盖,角对分法的基础上,介绍了传统蚁群算法计划无人机的路径,进一步缩短移动路径的长度。最后,证明了该方法的有效性和正确性仿真和实验测试。

1。介绍

无线传感器网络由大量的静止或移动的传感器以自组织和多次反射的方式,广泛应用于军事、医疗卫生、智能家居、建筑物监测、环境监测等领域(1]。的水域检测传统的无线传感器网络中,一个终端节点传输数据到汇聚节点通过多次反射(2]。然而,多次反射传播往往导致能量洞。换句话说,在水槽节点,节点进行数据转发任务太多,因此消耗大量的能量,甚至耗尽能量,会损害整个无线网络的连通性。同时,多次反射传输也会产生额外的通信开销由于碰撞引起的频繁的节点之间的通信和数据传输。

为了解决上述问题,无线传感器网络与移动节点诞生了。水槽节点是由移动终端进行收集数据,不仅避免了能源洞和不均匀的能源消耗,延长整个网络的生命周期,也提高了灵活性的数据收集和数据传输的可靠性3- - - - - -14]。在文献[2),移动汇聚节点的数据采集战略研究,提高工作的效率,但具体的并购路径没有计划和研究。在文献[3],蚁群算法优化规划的路径移动水槽节点,解决问题,传统蚁群算法的全局搜索能力较弱,容易陷入局部最优解,但不能利用无线信号覆盖的特点在WSN节点。文献[4),考虑到部署范围宽的特点和不规则位置移动终端的农田信息采集系统,提出了一种节能的数据收集方案。根据节点能量和位置等因素,节点可以选择簇头优化,但这个方案不能用于现场实时要求高。在文献[5),最大最小能耗提出了概率模型来优化网络中子水槽节点和节点之间的路径,但能量限制移动水槽本身并不考虑。的基础上引入移动数据收集器,一个算法最大化的缓存机制提出了文献[6)避免簇头的溢出由于缓存空间不足和延长网络的生命周期,但移动数据收集器的能源消耗也不考虑。移动数据收集策略结合DSDV路由协议提出了(7),提高了数据传输的可靠性和延长网络生命周期,然而,及时性和适应性的水平不高。在文献[8),移动数据发射机(联合化疗)用作移动汇聚节点,和启发式离散萤火虫算法,可以用来收集数据从传感器节点最优。在文献[9),为了解决能源的问题孔在传统无线传感器网络,提出了一种新的路径规划方案。它形成一个生成树连接传感器,然后选择显示每个收敛点的数量和距离啤酒花在树上和转发其他传感器的数据,并提出了一个改进算法来进一步减少路径的距离。本文提出了一种新的移动节点的路径优化方法,原理简单,具有较高的实用性,可以为这些问题提供一些参考。

本文主要考虑了自动的能源消耗在移动移动汇聚节点的数据收集的实际环境。无人机应用于无线传感器网络移动汇聚节点,提出了一种新的路径优化算法来优化其移动路径和减少能源消费总量。根据动态聚类算法,网络分为簇和簇头节点选择根据能量水平。每个集群的簇头节点成为无人机的居住点。无人机从基站遍历每个簇头节点,收集数据,并返回到基站。能源消耗主要由两部分组成:第一部分是移动能源消耗;第二部分是消费由于数据收集。接收数据的能耗相比,无人机的移动能源消耗总能源消耗的一个重要组成部分。因此,如何计划无人机并减少其移动的移动路径长度尽可能已成为移动数据收集的问题的一个重要组成部分。本文考虑了路径规划的移动水槽节点传感器网络节点的无线信号覆盖特点,进一步减少了线移动水槽节点的距离,提高了数据提取的效率,增加耐力能力的移动水槽节点。

本文的其余部分如下:在第二部分,我们提出问题的模型和分析它。第三部分,提出优化方案,进行仿真和实验证明该方案的有效性和可靠性。第四部分,提出工作的总结。

2。问题建模和配方

2.1。问题建模

水域监测系统的无线传感器网络中,传感器监测节点收集的数据发送到每个簇头节点,然后是无人机收集每个簇头节点的数据(15- - - - - -17]。整个网络模型如图1。

结合给定的网络模型,提出了模型的无人机路径规划问题,以下假设的问题,便于分析和计算。(1)监控节点的高度将不同区域监测节点排列。为了简化问题不失其通用性,它假定监测节点都在同一平面上。(2)的无线信号覆盖区域移动汇聚节点和监控节点圆,和具体范围由半径决定的稳定传输数据无线通信模块的硬件。每个监测节点和移动水槽节点分别为圆的中心。同时,监测节点和移动汇聚节点抽象为点。

基于上述假设,考虑到移动汇聚节点和监控节点的覆盖,移动汇聚节点的原理图线进行分析,如图2。

在图2,的初始位置移动汇聚节点, 是每个监测节点的位置。如果有两个节点之间的重叠区域,选中的节点数量之间的中点作为提取直线上点,如果没有,覆盖范围的边缘被选中的停止点,表示为 ,和它被称为中间选择。 是考虑到无线信号覆盖的点。因此,线是传统的旅行商问题的路线(8- - - - - -14),表示为TS;中间选择的线点表示为女士,是最好的停止点考虑无线信号的覆盖范围,表示为党卫军。我们可以看到从图吗2,党卫军线短的比其他两个。

2.2。问题公式化

这个问题下面详细模型进行了分析和解释。

传统的旅行商TS是更好的线没有无线信号的覆盖范围。女士一行,无线信号覆盖的半径通常是小于的间隔距离节点安排,最后线不如学生即使有一个十字路口。因此,移动汇聚节点的线路规划考虑无线信号的覆盖转化为党卫军的解决方案。同时,党卫军线,最好停止点的位置可以找到策略,最后党卫军线段由初始位置的移动汇聚节点和每一个令人满意的解决方案。最短的线路规划主要是确定每个最好停止点的位置和它们之间的访问顺序通过联合编程构造优化表达式(18- - - - - -24]。

在最短的路线规划问题的飞行路径移动汇聚节点,有直接连接道路部分的起源点和最好的停止点之间移动汇聚节点和最好的停止点而不考虑障碍。因此,初始位置点和最好的停止点的移动汇聚节点形成一个有向图,即表示如下:G= (V,E), ,E的一组行图吗G,年代矩阵是用来指示的线段是否E选择最优线路断面;如果 ,这条线 被选中时,如果 ,它的意思是 不选择最优线路断面。

通过上面的定义和解释的符号,移动汇聚节点的飞行路径规划问题考虑到无线信号覆盖范围将表示如下:

在上面的模型中,是目标函数。参数是位置Y最好的停止点和道路选择矩阵年代。同时,模型是解释如下:(1)表达式1是模型的目标函数,表示的长度旅游移动聚合节点的路径。与此同时,在公式,指示是否一段线段的旅行路径移动聚合节点。之间的距离最好停止点我最好的停止点j表示为 。(2)表达式2是一个移动聚合节点的约束条件和最好的停止点,表明移动聚合节点需要满意的路径对应的有效的沟通范围每个传感器监测节点和移动聚合节点,和范围是一个圆圈围绕着和半径是有效的沟通r。(3)表达式3和4代表的访问限制每一个令人满意的解决方案。的飞行线移动汇聚节点,只有一行,叶子和进入每一个令人满意的解决方案。(4)表达5代表路段的选择矩阵,对不选择1和0。

3所示。路径优化算法

鉴于上述分析,可以看出,的主要问题移动水槽节点的最短路径规划需要确定最好的停止点的位置在每个节点的无线信号覆盖范围及其存取顺序(也就是说,每个监测的数据节点的顺序提取)。摘要问题分为三个步骤:一是集群节点通过动态聚类算法,并选择簇头节点,另一个是确定每个簇头节点的访问顺序,第三是确定每个最优停止点的位置。

3.1。优先级计划

3.1.1。改进的K——聚类算法

为了将网络中的节点划分为均匀和平衡集群网络的能源消耗和集群的每个集群,我们使用动态聚类算法集群中的节点监控区域。

在实际应用中,K则算法简单、实用,具有较高的效率对邻居等聚类算法聚类和模糊聚类。的K算法是基于最小化则聚类函数(25),而聚类函数被定义为 在哪里是J集群设置,是一个聚类中心,样本中包含的数量吗J集群设置和选择的集群中心应该最小化 ,所以= 0,所以

算法流程如下:(1)可选K初始聚类中心:(2)根据最小距离原则(欧氏距离),剩余的样品被分配到一个K聚类中心(3)得到 ,j= 1,2,…k(4)如果 ,然后回到(2)样品和重复迭代计算,直到重新分类 ,该算法是收敛的,结果计算和保留

然而,最终的聚类结果K算法则会受初始聚类中心的位置和数量,而且它很容易收敛于局部最优,而不是全局最优。因此,我们使用二进制K则算法,可以克服的收敛K——局部最优聚类算法。基本的想法是,首先,所有的点都被当作一个集群,集群执行(K= 2),然后可以最小化误差平方的总和的集群(SES)选择分裂(K= 2),直到集群的数量等于我们指定的数量26- - - - - -29日]。该地区分为K集群的动态聚类算法;与能源竞争的重量,每个集群的节点能量最高的是选为簇头节点。

3.1.2。确定的顺序访问节点

的研究和讨论分析每个监测节点的数据提取顺序,可以归类为旅行商问题(30.,31日),因为无线信号的覆盖范围不考虑。同时,为下面的研究,发现监控节点的访问顺序;也就是说,最好停止点的访问顺序对应监控节点发现。

通过分析,可以看出,无人机是遍历路径规划的最优路径问题的离散区域(32]。因此,在确定的顺序从每个监测节点提取数据,蚁群算法(33)是用于实现最优路径规划的移动汇聚节点,这里的线是作为每个传感器监测节点的连接,节点的访问顺序也确定。

在上面的分析中,蚁群算法用于计划飞行路径,和访问的节点序列确定数据提取,如图3。因此,当解决移动汇聚节点的最短路线规划考虑无线信号的覆盖范围,初步规划和行访问序列得到根据蚁群算法,然后确定最佳的访问顺序停止点。本文根据约束的访问节点1,监控节点对应于最佳停止点,所以监测节点的访问顺序确定;也就是说,最好停止点的访问顺序。在这一点上,我们可以把它归类为一个简化的NP问题[34]。在下一步中,需要一个合适的和可行的方法来解决最好停止点的位置。

3.1.3。确定最佳停止点

最好停止点的位置不仅定性分析,还需要一个量化的解决方案。由于无线信号覆盖范围的传感器监测节点和移动汇聚节点是圆形,圆的中心是自己的位置,根据航线的初步规划在前一节中,初步原理图包含无线信号的覆盖范围,如图4:

结合问题的模型图和定量的需求解决方案的最佳停止点,一个角二等分的方法提出解决的具体位置点令人满意的解决方案。具体实施方法如下:

从初步路径线路图计划的蚁群算法,l用于表示最初计划的距离和路径,还有吗 在哪里路的部分吗 , 路的部分吗 , 路的部分吗 ,和路的部分吗

平分角(下角),是由两条路径在一个节点的中心。和扩展的边界交点的无线信号覆盖范围,此时的交点确定为是最好的停止点,和直观的效果如图5:

然后交叉点角二分的剪辑之间的和 ,角平分线的延长线相交的通信边界点点 ,以同样的方式,交叉点角的角二分之间的和 ,角平分线的延长线相交的通信边界点点和连接和并指出和点 。在这一点上,第一个优化线段可以达到最好的停止点连接,也就是说,最终规划的路径移动汇聚节点后考虑到无线信号覆盖范围。线段连结点吗和 ,和 。如图5在这一点上的长度可以表示:

联立公式可以得到:

因为 ,

所以我们可以算出的长度 :

以同样的方式,有

其中 。

最后,

最后的停止节点后,有必要回到原始节点的位置。因此,对于任何线段连接最好停止点,它可以获得通过角二分角由每个线段后,初步计划由蚁群算法路径图,并可以获得每个线段的长度。本节主要关注无人机的飞行路径提取监控节点数据。首先,通过分析传统的路径规划算法,然后根据实际情况,道路系统与无线信号覆盖区域构造模型图,并建立了合理的系统模型和目标函数。然后提出解决方案,介绍了角对分法定量计算最优停止点的位置,并证明了该方法的合理性和可行性,公式推导。

3.2。路径优化的仿真结果

在这一部分中,我们模拟和分析上述优化方案。仿真的主要参数及其值表1。

首先,我们随机部署100名监测节点在监测区域,如图6。然后,改进K——动态聚类算法用于集群100个节点,而集群剩余能量最大的节点作为簇头节点。聚类结果和簇头选择结果如图所示7。

在确定簇头节点,然后使用蚁群算法计划十簇头节点的路径根据十个簇头节点的位置,如图8和平均路径距离和最终的迭代优化给定的十节点的算法。最短路径的收敛图所示9。

根据上一节的分析,在考虑节点的无线信号的覆盖范围,初步获得的十个簇头节点,如图10。

十的路径优化簇头节点后再进行角度对分法的引入。优化结果如图11和12。

通过仿真结果的比较数据9和12可以看出,路径最短的距离是695.3米没有考虑到无线信号覆盖,最后距离路径重新计划的角度对分法是602.1没有考虑无线信号覆盖范围。然后,我们模拟获得的路径优化不同的聚类结果和结果表2和图13。

从上面的结果,我们可以看到,它是可行的,使用角二分法的优化路径根据无线信号覆盖的特点(10个节点的位置设置在仿真,和无线信号覆盖范围的半径r15米时,路径由角二分法的时候,计划的价值r由无线通信模块,测量的大小r是衡量无线模块的硬件)。

3.3。验证实验结果

根据仿真结果,计划进行的实际测试验证的可靠性数据收集。数据收集的工作流程如图14。

由于实验条件有限,我们选择代表温度和PH值作为监测指标。DS18B20温度传感器的探测距离与防水类型是55 - 125。检测精度是0.5。我们使用了EPH值201 - c复合电极,其探测范围是0 - 14。物理图如图15。

整个测试过程进行视觉环境水域的边缘,和测试距离是在测试过程中不断扩大。通过接待1000包的测试,测试结果如表所示3。从表中可以看出,测试距离的增加,丢包率和数据包出错率也会增加,传输质量不能得到保证后超过30 m和40米后基本上不能传播,因此应控制在20米的距离当部署节点,可以满足数据传输的要求。

数据收集系统的每30分钟,和实验数据进行的统计分析得到的实验值和实际测量值系统(表4)。结果表明,温度误差在0.81%和1.24%之间,以及误差范围是合理的。因此,该系统可以收集数据的水域监测更准确。

4所示。结论

在本文中,一个新的移动数据收集方案的WSN水监测,提出了与网络相结合无人机。根据水监测网络的特点,移动汇聚节点的路径规划问题的基础上进行了探讨。针对无线信号覆盖传感器网络中的节点,节点分为簇和簇头节点选择的居住点移动水槽节点根据剩余能量。然后,在蚁群算法的基础上,添加了角对分法找到最好的停止点的覆盖区域,再计划和新路径。推导和仿真结果表明,最优停止点位置和新路径,和新路径的距离小于传统规划的算法。最后,实验进行进一步验证的可靠性提出了收集数据路径规划方案。

数据可用性

使用的数据来支持本研究的结果包括在本文中。如果使用其他数据或程序来支持本研究的发现是必须的,你可以获得他们从相应的作者。

的利益冲突

作者宣称没有利益冲突。

确认

这项工作是支持部分由中国国家自然科学基金(51867005)(61861007),贵州省科技创新人才团队项目([2018]5615号),和贵州省的科学和技术基础([2018]5781)。

引用

1. t·肖,c .光华,d .清华“水文化的设计基于无线传感器网络的环境监测系统,”计算机测量与控制,26卷,不。10日,第四,2018页。视图:谷歌学术搜索
2. l .翳风和f . Haihong基于无线传感器的水质监测系统”,电子技术和软件工程,24卷,59-60,2018页。视图:谷歌学术搜索
3. c . k . Yinghui l . Peiyu Zhixiong,问:琼,“设计自适应无线传感器网络监测系统的网关,”计算机测量与控制,23卷,不。9日,第3181 - 3178页,2015年。视图:谷歌学术搜索
4. x, f .鑫y富贵,w . Chuanping和w·Ruzhuan”移动水槽无线传感器网络数据收集方法与最大最小能耗概率,”《电子科学,43卷,不。12日,第2475 - 2470页,2015年。视图:谷歌学术搜索
5. l .名洲Mingxia,宇文,l .广西x英俊(音译)和l . Xiangze”领域的无线传感器网络移动终端数据收集计划,”农业工程学报,27卷,不。8,242 - 246年,2011页。视图:谷歌学术搜索
6. l .栓h . Ren, y琮、“运动策略的移动数据收集器在WSN研究,“计算机工程,45卷,不。1,第90 - 84页,2019。视图:谷歌学术搜索
7. g . Pinfan l .栓w .阳春、l . Shuri x和,“传感器网络节能策略与移动数据收集器,”无线电通信技术,45卷,不。2、150 - 155年,2019页。视图:谷歌学术搜索
8. g . Yogarajan和t . Revathi自然启发离散萤火虫算法最优移动无线传感器网络数据收集,”无线网络,24卷,不。8,2993 - 3007年,2018页。视图:出版商的网站|谷歌学术搜索
9. 研究。小王和K.-C。陈,“有效的路径规划移动水槽可靠地从传感器收集数据率不同的传感和有限的缓冲区,”IEEE移动计算,18卷,不。7,1527 - 1540年,2019页。视图:出版商的网站|谷歌学术搜索
10. y . j . Wang高,a . k . Sangaiah w . Liu和周宏儒。金”,一个智能数据采集与数据融合模式支持移动水槽在无线传感器网络中,“国际期刊的分布式传感器网络,15卷,不。第三条ID 155014771983958, 2019。视图:出版商的网站|谷歌学术搜索
11. y . j . Wang高,x, f·李,周宏儒。金”,一个增强pegasi算法与移动水槽对无线传感器网络的支持,“无线通信和移动计算卷,2018篇文章ID 9472075、9页,2018。视图:出版商的网站|谷歌学术搜索
12. 曹j . j . Wang, r . s中,j . h .公园,“一种改进蚁群文中针对方法为无线传感器网络与移动下沉,“《华尔街日报》的超级计算,卷74,不。12日,第6645 - 6633页,2018年。视图:出版商的网站|谷歌学术搜索
13. l . i Hai-Po和d Qing-Wei”节能覆盖控制算法对无线传感器网络来说,“《中国计算机系统,32卷,不。2、233 - 236年,2011页。视图:谷歌学术搜索
14. w . y . j . Wang高,w . Liu,和S.-J。Lim:“异步集群和移动数据采集模式基于定时器机制在无线传感器网络中,“电脑,材料和连续,卷。58岁的没有。3、711 - 725年,2019页。视图:出版商的网站|谷歌学术搜索
15. c .新港、z . Tang和m .君”的设计温度的真空断路器在线监测系统基于ZigBee无线网络,“仪表技术与传感器,8卷,39-42,2018页。视图:谷歌学术搜索
16. g . Xuezhong z丽丽,c .粉丝,“地面监测系统基于STM32的无人机,“化工自动化和仪器,44卷,不。3、277 - 278年,2017页。视图:谷歌学术搜索
17. y, z Shaowei、美国Peizhuang和g .君”无人机农业监控系统基于STM32 OV5640,”物联网技术,8卷,不。7日,22日至25日,2018页。视图:谷歌学术搜索
18. w·Haizhen l z郑,t .砚”Cc2530单片机多点温度采集实验设计,“实验室研究与探索,37卷,不。12日,第101 - 98页,2018年。视图:谷歌学术搜索
19. l .中华“新蚁群算法的研究和应用进展,”计算机工程与科学第41卷。。1,第184 - 173页,2019。视图:谷歌学术搜索
20. 刘x、b . Zhang和f·杜”集成相对坐标与模拟退火解决旅行商问题,”学报2014年第七次国际联合会议上计算科学和优化,IEEE,北京,中国,2014年7月。视图:出版商的网站|谷歌学术搜索
21. l .小明:“增强定向graphs-an适当问题导向教学的例子,”计算机教育,卷2,页1 - 4,2019。视图:谷歌学术搜索
22. s . m . Hosseinirada m·阿里Mohammadib s . k . Basua和a . a . Pouyanb“LEACH路由算法优化通过帝国主义的方法,”国际工程杂志,27卷,不。1,2014。视图:出版商的网站|谷歌学术搜索
23. f·h·l·z蜀”,Delay-based跨层QoS方案在无线Ad hoc网络视频流,”中国通信,15卷,不。9日,第234 - 215页,2018年。视图:谷歌学术搜索
24. c . Yourong l .李金坤和l .野牛”移动感应路径选择算法对移动无线传感网络,”传感技术学报,32卷,不。1,第126 - 117页,2019。视图:谷歌学术搜索
25. w·Jianren m . j .鑫和d . j . Ganglong”提高K聚类则k价值选择算法”,计算机工程与应用,55卷,不。8,即,2019页。视图:谷歌学术搜索
26. 的c . c .渊源,z Yun, d . Yuelin”移动水槽节点的自适应数据采集策略。”计算科学,39卷,不。11日,45 - 50,2012页。视图:谷歌学术搜索
27. f . Shumin w·海悦,w . Dixin”解决方案多目标最短路径算法研究基于理想点的方法,”道路交通技术,33卷,不。3、97 - 101年,2016页。视图:谷歌学术搜索
28. t . Jiqiang线规划移动水槽节点在无线传感器网络中、重庆大学、重庆,中国,2016。
29. l .鑫和w . Yajuan轨迹设计的基础移动汇聚节点基于希尔伯特空间填充曲线”现代电子技术,39卷,不。2016年23岁,17 - 21页。区间。视图:谷歌学术搜索
30. m .寸金、d . Qingzhi和h . Bingqian“基于无线传感器网络的移动节点路径规划算法”,信息技术11卷,第120 - 117页,2018年。视图:谷歌学术搜索
31. y迎迎,c .燕和l . Taoying“改进的遗传算法在旅行商问题,”控制与决策卷,29号8,1483 - 1488年,2014页。视图:谷歌学术搜索
32. h·傅Shuyun、t . Shoufeng和t .探月”的自主移动机器人路径规划方法,”软件指南,17卷,不。10、1 - 5,2018页。视图:谷歌学术搜索
33. m . Jinke和w·智”,路径规划计算机器人基于改进蚁群算法,”计算机技术与发展7卷,1 - 4,2019页。视图:谷歌学术搜索
34. w·Xiaochu研究四驱无人机的飞行控制系统、大连理工大学、大连,中国,2018。

版权

版权©2019粉丝曹国伟等。这是一个开放分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。