文摘

趋势与无线传感器网络实现监控系统已成为迫切由于保证飞行安全和乘客舒适的旅行。本文提出了一种新的动态路由算法来延长的生命周期与一个基于分布式网络监控系统K覆盖方法,滤波算法用于数据融合。最后,仿真结果验证了该方法的有效性。

1。介绍

近年来,在中国民航行业发展迅速。客运和货运转换保持快速增长从2014年到2018年。在这种情况下,航空旅行被认为是优先选择(1]。飞行安全、环境质量和舒适的小屋被乘客集中。(2]。以满足飞行安全的极高要求,避免错过警报,使用的传感器监测系统总是有严格的敏感性。然而,这种系统将导致假警报。为例,在2017年11月13日,中国南方航空公司的航班CZ6406转移到长沙机场由于火假警报在货物在飞行。2019年3月19日,英国航空公司的一架波音777飞机迫降在圣约翰,加拿大,起飞后,因为同样的问题(3]。虚惊事件的频繁发生会造成很大的经济损失,给乘客不舒服的旅行体验。因此,它是非常重要的,以减少火灾在飞机误警率。目前,单点连接传感器飞机再也不能满足实际需求。无线传感器网络包括大量的节点与一个特定的算法可以用来发挥重要作用比单点连接传感器(4]。此外,这种网络可以应用于不同的无人机系统和环境监测等领域。(5- - - - - -8]。王等人设计了一个小屋的污染物监测系统(7)和分析网络故障情况下(8]。他们还建议使用传感器网络监测火灾在商用飞机的货舱和部署传感器的基础上K覆盖索引多余地。然而,他们没有讨论飞机应用的能源消耗和一生的基础(9]。在这篇文章中,讨论了动态部署方法的基础。这种方法主要是集中在动态传感器网络的覆盖和能耗平衡飞机环境应用程序。

监控区域的覆盖范围和网络的可用的服务时间是两个重要指标需要考虑传感器网络操作。所以一个节能的方法应用在WSN基于客舱低能自适应聚类层次结构(LEACH)协议是考虑10]。然而,由于强烈的随机性集群中LEACH协议的建立阶段,它将导致创建合理的拓扑(11]。很多文章结合浸出与其他算法来提高整体性能。袋鼠Kaddi等人提出了一个基于方法的LEACH协议,具有良好的性能和能耗可以延长WSN一生(12]。Mohapatra等人提出了一个partitioned-based energy-efficient-LEACH (PE-LEACH)协议往往能源容错技术,和它执行比LEACH协议(13]。

因此,在这篇文章中,一个小说覆盖指数,K报道,有一定概率的标准提出了网络生命周期。然后一种改进的二进制人工蜜蜂colony-LEACH (LEACH, LEACH-IBABC)与上述指数算法。这种方法使得活跃节点和簇头节点的全局优化,以减少能源消耗和延长网络的生命周期。本文的结构安排如下:首先,用一个动态概率感知模型K提出了覆盖部署指数有一定概率。其次,一个新的LEACH-IBABC动态算法K覆盖部署传感器网络应用于飞机客舱。第三,讨论了仿真验证和分析。最后,得出结论。本文的主要贡献是将经典的LEACH协议与一个新的IBABC算法降低传感器网络能量消耗,延长网络的生命周期基于约束的新覆盖指数,动态的K覆盖。

2。遥感模型和无线传感器网络的覆盖率指标

2.1。概率感知模型的无线传感器节点

在实际应用中,传感监控网格点的概率并不简单地跟随一个布尔模型。它是由距离,d_毫升传感器节点之间(SN)和监控目标,节点的物理参数,和周围环境的干扰。检测概率可以更准确地反映无线传感器节点的覆盖能力的实际环境中(14]。上面提到的概率随着距离的变化d_毫升被称为概率感知模型(PSM)。

定义1。有效的传感半径:在概率感知模型的条件,当d_毫升小于有效传感半径R_{年代,马克斯}无线传感器的节点,要监视的目标点(TPM)可以有效地监控和覆盖,所以传感概率p_毫升是1。否则,概率p_毫升小于1。R_{年代,马克斯}是一个阈值的d_毫升。此外,概率指数减少之间的欧几里得距离SN和TPM增加。
假设已部署的传感器节点是均匀的在这篇文章中,传感模型优化和获得的(1从模型提出了[派生出来的)15]: 在哪里米是SN的索引。lTPM的指数。和参数α(α>0)描述的下降率遥感(监控)概率p_毫升当距离d_毫升增加。作为d_毫升不断增加,直到p_毫升小于一个预定义的阈值p_用力推,TMP成功监控的可能性太小,使错误监测结果。因此,p_毫升在这种情况下是零。p_用力推(0 <p_用力推< 1)是一个相对较小的值接近于0。
计算的阈值d_毫升,让 ,的阈值d_毫升可以得到如下方程所示: 用(2)(1),我们可以得到以下方程: 方程(3)显示了一个完整的分段函数p_毫升根据变量d_毫升。
采取一个有效的传感半径R_{年代,马克斯}= 1.5作为一个例子,图1显示监控概率的变化p_毫升的距离d_毫升各不相同。
如图1(α= 0.3),如果SN之间的距离和TPM是0,TPM的检测概率是1。如果SN和TPM之间的距离大于R_{年代,马克斯}的概率值p_毫升减少顺利。和开始的概率大幅降低,下降速度更快的比后者的早期阶段。当距离大于 p_毫升是0。

2.2。概率感知模型的动态K覆盖部署有一定概率的基础在飞机客舱

一般来说,无线传感器网络的覆盖率的定义如下所示: 要监视区域的长度在哪里l。宽度是W。高度是H。和所有传感器节点的集合年代= {年代₁,年代₂、…年代_Ns}。区(年代_我)代表了SN的覆盖范围,这是一个球体的中心与传感半径。由于计算的复杂性,一个区域的三维网格方法用于在飞机客舱找到部署解决方案。在图2,固体点无线传感器节点。空心点网格点。在本文中,考虑每个网格点作为一个TPM在飞机的环境中。

如前所述,监测概率矩阵P= (p_毫升]_{NS×N全科医生}在哪里米= 1,2,…N_年代,N_年代传感器节点的数量,l= 1,2,…N_全科医生,N_全科医生是网格点的总数(相当于TPM)。所有传感器节点的集合表示为年代={年代_问|问∈(1,N_年代]}。

对于任何网格点l,覆盖概率是联合概率如下所示:

在本文中,一个常数值,p_一个,被定义为监测精度。和所有的联合概率监控系统及不应小于p_一个。的参数p_一个应该为环境的更高要求更大。

当K=1, 无线传感器网络实现了网格点的覆盖范围l与联合概率p_一个。

当K>1,假设传感器节点子集的森_问⊆年代包含n_年代传感器节点(≤1n_年代≤N_年代),每个传感器节点子集的与众不同。每个子集森_问独立于他人:

如果至少有K森_问子集,每个子集的所有传感器节点覆盖网格点l的联合概率p_一个,所有的节点集年代实现K覆盖在网格点l的概率p_一个。此外,如果每个网格点在该地区被监控K覆盖的概率p_一个无线传感器网络可以实现K覆盖的概率p_一个在这一领域。通过改变的值监测精度p_一个和覆盖程度K,网络的覆盖指数可以调整。

在这篇文章中,当大量的传感器节点被部署在飞机机舱,动态K覆盖率和部署算法来决定哪些传感器节点被激活在每一个周期,这样的活动节点无线传感器网络应该确保每个网格点的小屋被至少覆盖K组织传感器节点的概率p_一个。

参数K和p_一个是两个重要的覆盖率指标的基础。更大的值K和p_一个所需的节点越多,更准确的火灾监控,然而,能耗越高。相反,它是不可能满足覆盖率和精度要求,如果这两个参数太小了。在下一节中,提出了一种新的路由协议来节约能源。

3所示。Intelligent-Based动态路由的节能方法

路由协议是无线传感器网络相关技术的关键技术之一。近年来,四种类型的无线传感器网络协议开发。他们是geographic-based路由协议,数据中心的路由协议,基于集群路由协议和混合路由协议。和每种类型的协议产生了许多分支。

基于集群路由协议将传感器节点分为不同的组。和每一组传感器节点由一个簇头(CH)。所有集群头由一个基站(BS)或控制水槽节点。LEACH协议是最基本的和流行的基于集群路由协议。的聚类方法LEACH协议如图3。

3.1。传感器节点的能量消耗模型

延长WSN应用于飞机的寿命,有必要开发一个节能的算法。

在无线传感器网络中,节点的能量消耗主要分为以下类别:(1)固有的操作能耗它从SN创建硬件本身没有与其他节点感知和交流。(2)收集和传感的能源消耗它发生在收集信息和检测环境。收集环境信息的时间间隔,T_感觉,会影响能源消耗的速度。(3)数据传输的能耗它发生在传输传感数据由功率放大器放大。

图4是一个传统的无线传感器网络节点模块的框图。

无线传感器网络节点是由四个硬件模块:传感模块、处理模块、无线通信模块和能量供应模块。

根据能源消耗模型(16),能源消耗的数据从传感器节点发送和接收米₁来米₂可以在视觉上如图5。

如图5,能量消耗的发射机可以使用以下公式计算: 在哪里l的比特数的两个节点之间的数据传输。参数d是任何两个通信节点之间的距离。E_加热器表示电路的能耗。参数ε_fs和ε_国会议员代表了能源消耗的每一点每平方米发射器放大器。d₀中定义的阈值距离和方程(8)。如果d小于d₀采用自由空间信道模型,功率放大器系数ε_fs。否则,使用多路径衰减模型和功率放大器系数ε_国会议员:

接收机的能源消耗所示以下方程:

集群的能源消耗在数据融合可以由以下公式计算: 在哪里E_达每一点代表所需的能源数据融合假设没有收集过程中的能源消耗。

3.2。LEACH-IBABC算法

本节提出了一种新的协议algorithm-LEACH-IBABC基于上述基本LEACH协议和能源消耗模型。

通常情况下,“圆”是一个基本单位的LEACH协议。无线传感器网络的每个节点都有一个特定的概率是一个集群在一个圆的。基于这个观点,网络的负载可以分发给每个节点统一延长网络的生命周期(17]。

无线传感器网络由LEACH协议包括至少一个基站或汇聚节点。基站或汇聚节点收集数据从所有集群头而不考虑能源消耗。在这篇文章中,所有节点都假定拥有相同的初始能量,和通信之间的传输能耗是对称的一对。一个节点可以自动调整传动功率最小化能量消耗通过计算发射机和接收机之间的距离根据接收信号的强度。

参与所有传感器节点覆盖和传感的基本LEACH协议。因此,早期的网络覆盖高操作阶段。然而,当一些节点能量耗尽,网络覆盖率可能不是保证,并可能迅速减少。无线传感器网络的低覆盖率不适合飞机客舱的场景。然而,正如上面提到的,应确保系统满足覆盖的比例K覆盖指数的概率p_一个减少假警报,错过了警报。

受LEACH-C算法的启发,基站可以作为中心来管理每个节点的状态(工作或睡觉)和集群工作模式(集群头或集群成员)18]。这个算法运行在集群中每一轮的建立阶段。在操作过程中,一个最优的节点子集年代_D选择从K覆盖节点集年代设置工作模式和参与的动态覆盖在这一轮的基础。和其他节点处于睡眠模式,节约能源。它是一个NP困难问题选择最优节点子集。为了解决这个问题,人工蜂群算法LEACH协议提出了。在本文中,由于每个节点只有两种状态:工作和睡觉,一个二进制人工蜂群(BABC)算法。与经典的ABC算法相比,改进的BABC算法使用不同的搜索公式在每个阶段。

最优操作节点子集的目标是选择来满足K覆盖的概率p_一个与大多数E_{休息_总和}和最n_年代。E_{休息_总和}总操作节点的剩余能量是这一轮的末尾,然后呢n_年代是操作节点的总数。在这种情况下,它将不仅能耗平衡网络负载,允许节点能量最高的工作第一,但也确保覆盖率和避免同时引发太多的节点。因此,无线传感器网络的能源消费总量减少。

在初始化阶段,食物源对应一个可行的解决实际问题。在这个阶段,每个维度的可行解生成一个随机数r_ij(0 <r_ij< 1),和维度的价值决定根据方程(11)。然后每一个可行的解决方案是分配给一个雇佣蜂: 在哪里我= 1,2,…,NP,j= 1,2,…,N_年代,是jth的维度我可行的解决方案。NP的数量是可行的解决方案,也代表了雇佣蜂的数量。N_年代传感器节点的数量,也代表了可行解的维数。的初始可行解IBABC算法如图6。

雇佣蜂后分配到每个可行解在初始化阶段,每个解决方案的健身价值计算方程(12)。的健身价值解决方案对应可行解的质量: 在合适的_我(k)代表的健身价值我th解决方案的k迭代。E_休息__总和(k)代表总预测残余能量本轮结束时根据当前拓扑。浸(k,年代)是指网络的覆盖率k迭代。n_年代(k)中的操作节点的数量k迭代。节点数的影响因子,α在本文中,一个常数等于0.1。一般来说,在当前一轮结束时,剩余能量越多,网络覆盖率越大,唤醒节点的数量越少,更大的健身价值和更好的解决方案的质量。覆盖率浸的步骤(年代)基于概率感知模型如表所示1。

在雇佣蜂阶段,每个蜜蜂我选择一个邻居u随机生成一个随机数φ_ij(0 <φ_ij< 1)。然后根据生成的候选人可行解下列方程: 在哪里k代表了当前迭代。我≠u。这意味着选择的邻居不能等同于当前可行的解决方案。 是jth的维度我解决方案。 是jth维度的可行解选择邻居,u。 来自 和 。采用蜜蜂使用贪婪的选择方法来判断选择候选人可行的解决方案。如果候选人可行的解决方案是比原来的可行解,原来的可行的解决方案将被替换。否则,原始的状态保持不变,不活动的累积时间可行解决方案增加1。

在追随者蜜蜂阶段,每个可行解的概率选择的追随者蜜蜂可以由以下公式计算: 在哪里k代表了当前迭代。p_我(k)的概率我th可行解决方案被选中的追随者蜜蜂k迭代。如果一个追随者蜜蜂选择一个可行的解决方案,一个候选人可行解计算使用方程(13)来改善当前的可行解的质量。如果候选人可行解的质量优于当前可行的解决方案,目前可行的解决方案是更换。然后采用蜜蜂使用这个新的候选人可行的解决方案。否则,原始的状态保持不变,不活动的累积时间可行解决方案增加1。这是类似于雇佣蜂阶段。

在侦察蜂阶段,累计时间不活动的可行解与阈值检查限制。如果变量值大于限制,探索当前的雇佣蜂可行解变化成男童子军。和一个新的可行解是由方程(11),和不活动的累积时间重置一个可行的解决方案。然后男童子军变化成一个蜜蜂。在这个过程中,只有一个侦察者的存在。如果男童子军阶段结束后,记录所有可行解的最优解。

在选择最优操作节点子集年代_D,有必要找到一群簇头节点子集年代_DH从年代_D在这一轮作为集群头。自的维数年代_D不是太大,所有的健身价值可以遍历方法获得可行的解决方案。列出的步骤如下:(1)预测每个节点的能量消耗在当前一轮根据能耗模型,并计算每个节点的剩余能量。(2)以确保操作节点的能源消费总量是最低下的年代_DH网络拓扑,并确保节点能耗的标准差是最小的。健身价值计算通过使用以下方程:

在方程(15),适合健身价值_{i_DH}是用来评估拓扑的质量我可行的解决方案。如果整个传感器网络的能源消耗和节点能量消耗的标准差较小的同时,健身值较小,和这种拓扑由LEACH-IBABC质量更好,更平衡的能源消耗。

在飞机的环境中,它是必要的,以确保操作节点能满足覆盖指数。在本文中,网络被认为是获得最大的一生当覆盖指数不能达成由于某些节点的疲劳。图7显示了LEACH-IBABC算法的流程图。

4所示。该方法的模拟和分析

本部分介绍了模拟验证和比较了LEACH和LEACH-IBABC算法之间的一生的基础。本文考虑的基础上K报道(K= 3)指数部署在飞机货物总共有80个传感器节点模型。每个节点有相同的初始能量。仿真参数设置如下:(1)簇头的选择概率p= 0.1(2)每个传感器节点的初始能量E₀J = 0.02(3)发射和接收电路能耗E_加热器= 50 pJ / (m⁻²)(4)发射器放大器能耗参数ε_fs= 10 pJ / (m⁻²),ε_国会议员= 0.0013 pJ / (m⁻⁴)(5)数据融合的能源消耗E_达= 5 pJ /(6)数据包的长度l_d= 4000,和控制数据包的长度l_c= 32位(7)PSM用作传感器节点的传感模型,监测精度p_一个= 0.99(8)覆盖程度K= 1

相应的仿真结果如图8和9。如图8,网络使用LEACH算法不能满足2-coverage第106回合后概率为0.99,不能满足2-coverage第131回合后概率为0.9。然而,网络与LEACH-IBABC算法不能满足2-coverage概率0.99第154回合后,不能满足2-coverage第189回合后概率为0.9。曲线如图8,LEACH-IBABC算法延长网络生命周期。当监控覆盖指数2-coverage概率为0.99,WSN运行48多回合的,所以网络寿命增加了45.3%。当监控覆盖指数2-coverage概率为0.9,WSN分58的更多的子弹,所以网络寿命增加了44.3%。

两种算法之间的残余能量比较活动轮的数量变化如图9。时的106圆,传感器网络使用的剩余能量LEACH-IBABC 2.43 J WSN使用浸出的多。这有助于系统地使用LEACH-IBABC运行48轮。时的131圆,传感器网络使用的剩余能量LEACH-IBABC 3.18 J WSN使用浸出的多。这有助于系统地使用LEACH-IBABC运行58轮。总剩余能量利用LEACH-IBABC算法减少慢比LEACH算法在早期阶段。

因此,LEACH-IBABC方法可以用来组织全局最优拓扑,减少网络的整体能耗。一方面,拓扑的基站处理任务分配的基础,所以节点的计算负担大大降低。另一方面,每个节点只需要选择不同的州根据基站信息,并将收集到的传感信息发送到集群直接负责人。因此,减少节点的能量消耗,延长网络的生命周期。

5。结论

在这篇文章中,动态路由方法,系统LEACH-IBABC算法,提出了飞机环境。在这种方法中,IBABC算法的目的是选择操作节点子集年代_D这是一个全局优化利用人工蜂群算法。在这种情况下,有更多的剩余能量的节点优先参与本轮和满足的要求K覆盖概率指数p_一个。其他人都在睡眠模式。然后最优簇头节点子集年代_DH选择与该算法来减少能源消耗,使一个更好的负载平衡。因此,从节点选择的信息利用卡尔曼滤波器的估计。最后,仿真结果证明该算法可以减少能源消耗,延长网络的生命周期基于约束的覆盖率指标。

数据可用性

这些数字。压缩数据用于支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突有关的出版。

确认

作者致以诚挚感谢张Youmin康科迪亚大学的教授,加拿大,对他有益的建议和意见。这项工作是在天津市自然科学基金的支持下,18 jcybjc42300,天津市教育委员会和科学研究项目,2019 kj143。