CN108769944A - 面向桥梁结构健康监测的mp-mr-mc无线传感器网络数据收集方法 - Google Patents
面向桥梁结构健康监测的mp-mr-mc无线传感器网络数据收集方法 Download PDFInfo
- Publication number
- CN108769944A CN108769944A CN201810697001.4A CN201810697001A CN108769944A CN 108769944 A CN108769944 A CN 108769944A CN 201810697001 A CN201810697001 A CN 201810697001A CN 108769944 A CN108769944 A CN 108769944A
- Authority
- CN
- China
- Prior art keywords
- link
- node
- indicate
- sensor network
- population
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
- H04W40/04—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources
- H04W40/10—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources based on available power or energy
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
- H04W40/12—Communication route or path selection, e.g. power-based or shortest path routing based on transmission quality or channel quality
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
- H04W40/12—Communication route or path selection, e.g. power-based or shortest path routing based on transmission quality or channel quality
- H04W40/16—Communication route or path selection, e.g. power-based or shortest path routing based on transmission quality or channel quality based on interference
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/50—Allocation or scheduling criteria for wireless resources
- H04W72/54—Allocation or scheduling criteria for wireless resources based on quality criteria
- H04W72/542—Allocation or scheduling criteria for wireless resources based on quality criteria using measured or perceived quality
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L45/00—Routing or path finding of packets in data switching networks
- H04L45/48—Routing tree calculation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/24—Connectivity information management, e.g. connectivity discovery or connectivity update
- H04W40/248—Connectivity information update
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及一种面向桥梁结构健康监测的MP‑MR‑MC无线传感器网络数据收集方法,获取桥梁无线传感器网络模型,每个传感器工作模式为多功率级数、多收发器、多信道;构建(收发器‑信道‑功率)组件,组件数目为D;将组件数目定义为BFPA‑PSO种群中花配子数目;根据组件激活状态,构建激活组件冲突图模型;构建时隙路由树,节点之间无干扰通信;采用BFPA‑PSO混合优化算法寻找无线传感器网络最优链路调度。本发明提供的面向桥梁结构健康监测的MP‑MR‑MC无线传感器网络数据收集方法,能够有效提高桥梁结构健康监测无线传感器网络数据容量的同时,降低系统总能量消耗。
Description
技术领域
本发明涉及三维长链状桥梁结构健康监测中数据收集领域,特别是一种面向桥梁结构健康监测的MP-MR-MC无线传感器网络数据收集方法。
背景技术
结构健康监测(SHM)广泛应用于大型民用基础设施,特别是广泛应用于大跨度桥梁和高层建筑监测中,用于检测损害并提高公共安全。由于安装、成本、系统扩展和维护方面的优越性,无线传感器网络(WSN)正在逐渐取代传统的有线监测网络在SHM中的应用。与常规WSN监测系统不同的是,面向桥梁的SHM无线传感器网络系统具有节点数量多、传感数据量异构、网络跳数大等特点,目前针对桥梁结构健康监测无线传感器网络的数据收集方式,主要包括两种:分别是单收发器单信道数据收集方式(SR-SC)和单收发器多信道(SR-MC)的数据收集方式。这两种方式都为半双工工作,严重限制网络容量的提高。幸运的是,随着硬件成本的降低和微电子技术的发展,在一个传感器节点上安装多个收发器成为可能。这一进展,使传感器节点可以工作在全双工通信模式,这有效地提高了网络容量。本发明受多收发器多信道(MR-MC)通信优势的启发,研究MP-MR-MC无线传感器网络模型,能较好地满足桥梁结构健康监测高网络带宽要求,并提出一种融合PSO和FPA优点的新的混合算法BFPA-PSO来解决链路调度问题。目前公开发表的文献及专利中尚未见将BFPA-PSO用于优化桥梁结构健康监测MP-MR-MC无线传感器网络链路调度问题的研究。
发明内容
本发明的目的在于提供一种面向桥梁结构健康监测的MP-MR-MC无线传感器网络数据收集方法,以克服现有技术中存在的缺陷。
为实现上述目的,本发明的技术方案是:一种面向桥梁结构健康监测的MP-MR-MC无线传感器网络数据收集方法,按照如下步骤实现:
步骤S1:获取桥梁无线传感器网络模型,每个传感器工作模式为多功率级数、多收发器、多信道;
步骤S2:根据桥梁无线传感器网络模型中传感器节点通信链路情况,构建收发器-信道-功率组件,组件数目为D;
步骤S3:将组件数目记为BFPA-PSO种群中花配子数目,根据花配子取值判断组件激活状态;
步骤S4:根据组件激活状态,构建激活链路冲突图模型;
步骤S5:基于信号与干扰加噪声比SINR和MajorLink方法构建时隙路由树,实现节点之间无干扰通信;
步骤S6:采用BFPA-PSO混合优化算法获取无线传感器网络最优链路调度。
在本发明一实施例中,在所述步骤S1中,记所述桥梁无线传感器模型为:G=(V,L),V={v1,v2,...,vn},表示网络中传感器节点集合,L={luv=(u,v)|u∈V,v∈V)}表示节点间通信链路集合;将节点u上部署H个收发器记为其可切换的K个信道表示为集合C={c1,c2,...,cK};同时,将λ个可选择的功率级数,记为P={p1,p2,...,pλ},pi<pi+1,i=1,2,...,λ-1,也即,节点有λ个相应的传输半径,表示为R={r1,r2,...,rλ},ri<ri+1,i=1,2,..,λ-1;
记节点剩余能量为Ev(τ),v∈V,τth为时隙τ,e°表示接收一个分组的能量消耗,tuv为链路luv传输时间,p(uv)∈P表示链路luv有效的能量级数,传输能量消耗表示为eu=p(uv)τuv;发送节点u在时隙τ+1的剩余能量可更新为Eu(τ+1)=Eu(τ)-eu;同样,接收节点v更新为Ev(τ+1)=Ev(τ)-e°;{Q1,Q2,...,Qn}分别表示n个节点的缓存的数据包数目,每个数据包包含b比特数据,则sink节点的容量为其中,∑τ表示收集的总时隙数。
在本发明一实施例中,在所述步骤S2中,记组件表示链路luv在给定时隙的功率、信道和收发器分配情况,并简写为其中,表示节点u的γi收发器被调用,则表示未被调用。
在本发明一实施例中,在所述步骤S3中,花配子取值仅能为1或0,1表示组件被激活,0表示未被激活。
在本发明一实施例中,在所述步骤S4中,还包括如下步骤:
步骤S41:比较所有激活组件中,链路收发器分配情况;如果一个收发器同时被两条链路调用,即表示链路luv和链路lwu存在冲突,表示只考虑组件中收发器分配情况;
步骤S42:比较所有激活组件中,信道分配情况;如果节点在一个时隙多次使用同一信道,即表示这两条链路存在冲突,表示只考虑组件中信道分配情况。
在本发明一实施例中,在所述步骤S5中,还包括如下步骤:
步骤S51:记信号与干扰加噪声比为: 表示在τth时隙可并行传输链路集合,表示只考虑组件中功率分配情况,p(ij)表示链路lij传输功率,d(u,v)表示节点u和节点v的欧几里德距离,η表示参考损失因子,κ是路径损失指数,N0表示环境噪声,δ表示节点v成功接收数据包阈值;
步骤S52:用sink节点的数据接收率衡量网络容量;在构建路由树时,若存在以sink节点为接收节点的激活链路,则将sink节点作为路由树的根节点;若不存在,则随机选择一个节点作为根节点,用Γ表示根节点;
步骤S53:基于Major Link方法选择传输链路;利用贪心法则,选择发送节点的剩余能量与数据包比值最小的链路作为传输链路,表示为:其中,为与根节点Γ有关的激活链路集合,l(u*,Γ)表示发送节点为u*(u*∈V),接收节点为Γ的传输链路,和分别表示发送节点u*的剩余能量和数据包大小;并将lmajor存入可并行传输链路集合记下一跳节点为u*,则将其存入孩子节点集合,即CID={u*};同时,将链路lmajor从集合中去除;
步骤S54:若不为空,根据冲突图模型和信号与干扰加噪声比,去除中链路与集合中链路存在冲突干扰和不满足SINR阈值的所有链路;然后基于Major Link方法,搜索其它lmajor,存储lmajor和下一跳节点,并从去除被选的lmajor的链路;重复该步骤,直到为空;
步骤S55:从CID中取出孩子节点,寻找与其有关的激活链路集合,去除存在干扰和不满足SINR阈值的所有链路,并为该孩子节点分配lmajor链路,直到CID为空;
步骤S56:执行步骤S51~步骤S55,直到所有桥梁健康监测系统中所有传感器数据都被sink节点收集。
在本发明一实施例中,在所述步骤S6中,采用BFPA-PSO混合优化算法获取无线传感器网络最优容量和总能量消耗的链路调度方案,具体方法如下:
步骤S61:初始化种群、全局授粉和局部授粉的转换概率p∈[0,1]和每个花配子的速度vi;
步骤S62:产生0~1之间的随机数Rd;
步骤S63:若Rd>p,进行局部授粉;首先更新花配子速度,然后更新种群,如下所示:
其中,c1和c2为加速因子,r1和r2为0到1之间的随机值,和Gbest分别表示个体当前最佳种群和全局最佳种群;为t+1代花配子速度,和分别为t代和t+1代种群的解;
步骤S64:若Rd≤p,进行全局授粉;首先计算步长L,然后更新种群,如下所示:
其中,α为控制步长的比例因子,是标准的伽马函数,ξ为步长;
步骤S65:检查更新后的种群是否满足约束条件,即种群中花配子取值是否满足二进制条件,替换不满足条件的花配子;
步骤S66:执行步骤S51~步骤S55,得到更新后的链路调度方案;
步骤S67:使用双目标适应度函数评价种群适应度,Fitness=w1*ω+w2*θ,ω和θ分别表示网络容量和完成数据收集的能量总消耗,w1和w2分别表示ω与θ的权重;
步骤S68:将更新后的种群适应度与当前种群适应度作比较,若更好,则更新当前花朵配子同时更新当前最优链路调度方案;
步骤S69:将更新后的种群适应度与当前最优种群适应度作比较,若更好,则更新全局最优花朵群体Gbest和全局最优调度方案;
步骤S610:当迭代次数或者适应度值满足条件,则终止迭代,获得全局最佳链路调度方案;否则,返回步骤S62。
相较于现有技术,本发明具有以下有益效果:本发明提出的面向桥梁结构健康监测的MP-MR-MC无线传感器网络数据收集方法,针对桥梁结构健康监测无线传感器网络高带宽要求,设计MP-MR-MC无线传感器网络系统,并提出BFPA-PSO混合算法,通过与遗传算法(GA)、二进制蝙蝠算法(BBA)、二进制花授粉算法(BFPA)、二进制引力搜索算法(BGSA)和二进制粒子群算法(BPSO)进行比较,发现提出的BFPA-PSO混合算法收敛速度快,寻优能力强,能较好解决MP-MR-MC无线传感器网络调度问题。而且,实验结果显示,MP-MR-MC无线传感器网络在提高三维长链状桥梁结构健康监测无线传感器网络容量同时降低系统总能耗方面具有较好的性能。
附图说明
图1是本发明中面向桥梁结构健康监测的MP-MR-MC无线传感器网络数据收集优化方法的流程框图。
图2是本发明一实施例中的三维长链状桥梁结构健康监测无线传感器网络系统拓扑图。
图3(a)是第一个时隙链路调度情况。
图3(b)是第二个时隙链路调度情况。
图3(c)是第三个时隙链路调度情况。
图3(d)是第四个时隙链路调度情况。
图4是本发明一实施例中BFPA-PSO寻优适应度曲线与算法BPSO、BBA、GA、BGSA、BFPA寻优适应度曲线比较图。
图5(a)是三种通信模式网络容量对比图。
图5(b)是三种通信模式网络总能量消耗对比图。
图6(a)是算法BFPA-PSO和算法MMDC网络容量对比图。
图6(b)是算法BFPA-PSO和算法MMDC网络总能量消耗对比图。
具体实施方式
下面结合附图,对本发明的技术方案进行具体说明。
本发明提供面向桥梁结构健康监测的MP-MR-MC无线传感器网络数据收集方法,流程框图如图1所示。图2为三维长链状桥梁结构网络拓扑图。为了满足桥梁结构健康监测网络高带宽要求,本发明提供了MP-MR-MC无线传感器网络,sink节点和传感器节点都工作在多功率级数、多收发器、多信道模式,通过多跳方式,完成数据收集。同时,本发明提出BFPA-PSO高效混合算法,用于解决MP-MR-MC无线传感器网络最优链路调度问题,具体包括以下步骤:
步骤S1:获取桥梁无线传感器网络模型,每个传感器工作模式为多功率级数、多收发器、多信道;
步骤S2:构建(收发器-信道-功率)组件,组件数目为D;
步骤S3:将组件数目定义为BFPA-PSO种群中花配子数目;
步骤S4:根据组件激活状态,构建激活链路冲突图模型;
步骤S5:构建时隙路由树,节点之间无干扰通信;
步骤S6:采用BFPA-PSO混合优化算法寻找无线传感器网络最优链路调度。
进一步的,在本实例中,网络模型参数设置如表1所示,通信模式设置如表2所示。其中,2R5C2P通信模式设置,表示网络中所有传感器节点和sink节点上配置2个收发器,每个收发器的信道数目为5,并且有2个功率级数。
进一步的,在本实例中,在步骤S1中,记网络模型被为G=(V,L),V={v1,v2,...,vn},表示网络中传感器节点集合,L={luv=(u,v)|u∈V,v∈V)}表示节点间通信链路集合。若节点u上部署H个收发器,用集合来表示,其可切换的K个信道表示为集合C={c1,c2,...,cK},同时有λ个功率级数可选择,被表示为P={p1,p2,...,pλ},(pi<pi+1,i=1,2,...,λ-1),即节点有λ个相应的传输半径,表示为:R={r1,r2,...,rλ},(ri<ri+1,i=1,2,..,λ-1)。较佳的,本实例中每个节点配置2个收发器。
表1网络模型参数设置
表2通信模式设置
进一步的,在本实施例中,考虑节点能量模型,定义节点剩余能量为Ev(τ),v∈V,τth为时隙τ,e°表示接收一个分组的能量消耗,tuv为链路luv传输时间,p(uv)∈P表示链路luv有效的能量级数,因此传输能量消耗可表示为eu=p(uv)τuv。发送节点u在时隙τ+1的剩余能量可更新为Eu(τ+1)=Eu(τ)-eu,同样,接收节点v可更新为Ev(τ+1)=Ev(τ)-e°。{Q1,Q2,...,Qn}表示分别表示n个节点的缓存的数据包数目,每个数据包包含b比特数据,则sink节点的容量计算公式为其中∑τ表示收集的总时隙数,本次仿真中b=512bit。
进一步的,在本实施例中,在步骤S2中,根据网络中传感器节点通信链路情况,构建(收发器-信道-功率)组件。如组件表示链路luv在给定时隙的功率、信道和收发器分配情况,可简写为其中,表示节点u的γi收发器被调用,则表示未被调用。
进一步的,在本实施例中,在步骤S3中,将组件数目定义为BFPA-PSO种群中花配子数目,且花配子取值只能为1或0,1表示组件被激活,0表示未被激活。
进一步的,在本实施例中,在步骤S4中根据组件激活状态,构建激活链路冲突图模型具体方法为:
步骤S41:比较所有激活组件中,链路收发器分配情况,如果一个收发器同时被两条链路调用,即表示链路luv和链路lwu存在冲突,表示只考虑组件中收发器分配情况;
步骤S42:比较所有激活组件中,信道分配情况,若节点在一个时隙多次使用同一信道,即表示这两条链路存在冲突,表示只考虑组件中信道分配情况。
进一步的,在本实施例中,步骤S5利用信号与干扰加噪声比SINR和Major Link(ML)方法,构建时隙路由树,实现节点无干扰通信,其方法如下:
步骤S51:信号与干扰加噪声比计算公式为: 表示在τth时隙可并行传输的链路集合,表示只考虑组件中功率分配情况,p(ij)表示链路lij传输功率,d(u,v)表示节点u和节点v的欧几里德距离,η表示参考损失因子,κ是路径损失指数,N0表示环境噪声,δ表示节点v成功接收数据包阈值。较佳的,将路径损失指数κ设置为3。
步骤S52:用sink节点的数据接收率来衡量网络容量。为了最大化sink数据接收率,要充分利用sink的收发器,因此,在构建路由树时,若存在以sink为接收节点的激活链路,则将sink作为路由树的根节点,若不存在,则随机选择一个节点作为根节点。用Γ表示根节点;
步骤S53:大多数情况下,同一个节点有不止一条的链路被激活,本发明提出MajorLink(ML)方法选择传输链路。利用贪心法则,选择发送节点的剩余能量与数据包比值最小链路作为传输链路,公式表示为其中为与根节点Γ有关的激活链路集合。l(u*,Γ)表示发送节点为u*(u*∈V),接收节点为Γ的传输链路,和分别表示发送节点u*的剩余能量和数据包大小。并将lmajor存入可并行传输链路集合假设下一跳节点为u*,则将其存入孩子节点集合,即CID={u*};同时将链路lmajor从集合中去除。
步骤S54:若不为空,根据冲突图模型和SINR计算公式,去除中链路与集合中链路存在冲突干扰和不满足SINR阈值的所有链路。然后根据ML法则,搜索其它lmajor,存储lmajor和下一跳节点,并从去除被选的lmajor的链路。重复该步骤,直到为空;
步骤S55:从CID中取出孩子节点,寻找与其有关的激活链路集合,去除存在干扰和不满足SINR阈值的所有链路,并为该孩子节点分配lmajor链路,直到CID为空;
步骤S56:执行步骤S51~步骤S55,直到所有桥梁健康监测系统中所有传感器数据都被sink节点收集。
进一步的,在本实施例中,在步骤S6中,采用BFPA-PSO混合优化算法寻找无线传感器网络最优容量和总能量消耗的链路调度方案,具体方法如下:
步骤S61:初始化种群、全局授粉和局部授粉的转换概率p=0.85和每个花配子的速度vi;
步骤S62:由系统产生0~1之间的随机数Rd;
步骤S63:若Rd>p,进行局部授粉,首先更新花配子速度,然后更新种群。其公式可表示为:
式中,c1和c2为加速因子,r1和r2为0到1之间的随机值,和Gbest分别表示个体当前最佳种群和全局最佳种群,为t+1代花配子速度,和分别为t代和t+1代种群的解。
步骤S64:若Rd≤p,进行全局授粉,首先计算步长L,然后更新种群。其公式可表示为:
式中,α为控制步长的比例因子,是标准的伽马函数,ξ为步长;
步骤S65:检查更新后的种群是否满足约束条件,即种群中花配子取值是否满足二进制条件,替换不满足条件的花配子。
步骤S66:执行步骤S51~步骤S55,得到更新后的链路调度方案。
步骤S67:使用双目标适应度函数评价种群适应度,Fitness=w1*ω+w2*θ,ω和θ分别表示网络容量和完成数据收集的能量总消耗,w1和w2分别表示ω与θ的权重。
步骤S68:将更新后的种群适应度与当前种群适应度作比较,若更好,则更新当前花朵配子同时更新当前最优链路调度方案。
步骤S69:将更新后的种群适应度与当前最优种群适应度作比较,若更好,则更新全局最优花朵群体Gbest和全局最优调度方案。
步骤S610:终止条件的满足:当迭代次数或者适应度值满足条件,则终止迭代,获得全局最佳链路调度方案;否则返回步骤S62。
进一步的,本实例中,以5节点网络为例,其4个时隙链路调度情况分别如图3(a)、图3(b)、图3(c)和图3(d)所示。
进一步的,在本实施例中,将提出的BFPA-PSO混合算法与BBA、GA、BGSA、BFPA多种算法做比较,实验结果如图4显示,提出的BFPA-PSO混合算法在寻优过程中收敛性好,能得到较好的适应度值。各个算法参数设置如表3所示。
进一步的,在本实例中,将不同通信模式的网络容量和总能量消耗作比较,如图5(a)和图5(b)所示,MP-MR-MC通信方式下,网络容量较高,而且网络总能量消耗低。
进一步的,在本实例中,将提出的BFPA-PSO混合算法与MMDC算法作比较,如图6(a)和图6(b)所示,提出的BFPA-PSO混合算法在提高网络容量和减低能量消耗方面具有较好性能。
表3算法参数设置
算法 | 参数设置 |
GA | Pc=0.6,Pm=0.01 |
BBA | A=0.25,r=0.1,fmin=0,fmin=1 |
BFPA | α=0.01,p=0.8 |
BGSA | G0=1,ε=0.0007 |
BPSO | c1=c2=1.49445 |
BFPA-PSO | c1=c2=1.49445,α=0.01,p=0.85 |
以上是本发明的较佳实施例,凡依本发明技术方案所作的改变,所产生的功能作用未超出本发明技术方案的范围时,均属于本发明的保护范围。
Claims (7)
1.一种面向桥梁结构健康监测的MP-MR-MC无线传感器网络数据收集方法,其特征在于,按照如下步骤实现:
步骤S1:获取桥梁无线传感器网络模型,每个传感器工作模式为多功率级数、多收发器、多信道;
步骤S2:根据桥梁无线传感器网络模型中传感器节点通信链路情况,构建收发器-信道-功率组件,组件数目为D;
步骤S3:将组件数目记为BFPA-PSO种群中花配子数目,根据花配子取值判断组件激活状态;
步骤S4:根据组件激活状态,构建激活链路冲突图模型;
步骤S5:基于信号与干扰加噪声比SINR和MajorLink方法构建时隙路由树,实现节点之间无干扰通信;
步骤S6:采用BFPA-PSO混合优化算法获取无线传感器网络最优链路调度。
2.根据权利要求1所述的面向桥梁结构健康监测的MP-MR-MC无线传感器网络数据收集方法,其特征在于,在所述步骤S1中,记所述桥梁无线传感器模型为:G=(V,L),V={v1,v2,...,vn},表示网络中传感器节点集合,L={luv=(u,v)|u∈V,v∈V)}表示节点间通信链路集合;将节点u上部署H个收发器记为u∈V,其可切换的K个信道表示为集合C={c1,c2,...,cK};同时,将λ个可选择的功率级数,记为P={p1,p2,...,pλ},pi<pi+1,i=1,2,...,λ-1,也即,节点有λ个相应的传输半径,表示为R={r1,r2,...,rλ},ri<ri+1,i=1,2,..,λ-1;
记节点剩余能量为Ev(τ),v∈V,τth为时隙τ,e°表示接收一个分组的能量消耗,tuv为链路luv传输时间,p(uv)∈P表示链路luv有效的能量级数,传输能量消耗表示为eu=p(uv)τuv;发送节点u在时隙τ+1的剩余能量可更新为Eu(τ+1)=Eu(τ)-eu;同样,接收节点v更新为Ev(τ+1)=Ev(τ)-e°;{Q1,Q2,...,Qn}分别表示n个节点的缓存的数据包数目,每个数据包包含b比特数据,则sink节点的容量为其中,∑τ表示收集的总时隙数。
3.根据权利要求2所述的面向桥梁结构健康监测的MP-MR-MC无线传感器网络数据收集方法,其特征在于,在所述步骤S2中,记组件表示链路luv在给定时隙的功率、信道和收发器分配情况,并简写为其中,表示节点u的γi收发器被调用,则表示未被调用。
4.根据权利要求1所述的面向桥梁结构健康监测的MP-MR-MC无线传感器网络数据收集方法,其特征在于,在所述步骤S3中,花配子取值仅能为1或0,1表示组件被激活,0表示未被激活。
5.根据权利要求2所述的面向桥梁结构健康监测的MP-MR-MC无线传感器网络数据收集方法,其特征在于,在所述步骤S4中,还包括如下步骤:
步骤S41:比较所有激活组件中,链路收发器分配情况;如果一个收发器同时被两条链路调用,即u∈V,v∈V,w∈V,表示链路luv和链路lwu存在冲突,表示只考虑组件中收发器分配情况;
步骤S42:比较所有激活组件中,信道分配情况;如果节点在一个时隙多次使用同一信道,即表示这两条链路存在冲突,表示只考虑组件中信道分配情况。
6.根据权利要求2所述的面向桥梁结构健康监测的MP-MR-MC无线传感器网络数据收集方法,其特征在于,在所述步骤S5中,还包括如下步骤:
步骤S51:记信号与干扰加噪声比为:i∈V,u∈V,i≠u,表示在τth时隙可并行传输链路集合,表示只考虑组件中功率分配情况,p(ij)表示链路lij传输功率,d(u,v)表示节点u和节点v的欧几里德距离,η表示参考损失因子,κ是路径损失指数,N0表示环境噪声,δ表示节点v成功接收数据包阈值;
步骤S52:用sink节点的数据接收率衡量网络容量;在构建路由树时,若存在以sink节点为接收节点的激活链路,则将sink节点作为路由树的根节点;若不存在,则随机选择一个节点作为根节点,用Γ表示根节点;
步骤S53:基于Major Link方法选择传输链路;利用贪心法则,选择发送节点的剩余能量与数据包比值最小的链路作为传输链路,表示为:其中,为与根节点Γ有关的激活链路集合,l(u*,Γ)表示发送节点为u*(u*∈V),接收节点为Γ的传输链路,和分别表示发送节点u*的剩余能量和数据包大小;并将lmajor存入可并行传输链路集合记下一跳节点为u*,则将其存入孩子节点集合,即CID={u*};同时,将链路lmajor从集合中去除;
步骤S54:若不为空,根据冲突图模型和信号与干扰加噪声比,去除中链路与集合中链路存在冲突干扰和不满足SINR阈值的所有链路;然后基于Major Link方法,搜索其它lmajor,存储lmajor和下一跳节点,并从去除被选的lmajor的链路;重复该步骤,直到为空;
步骤S55:从CID中取出孩子节点,寻找与其有关的激活链路集合,去除存在干扰和不满足SINR阈值的所有链路,并为该孩子节点分配lmajor链路,直到CID为空;
步骤S56:执行步骤S51~步骤S55,直到所有桥梁健康监测系统中所有传感器数据都被sink节点收集。
7.根据权利要求5所述的面向桥梁结构健康监测的MP-MR-MC无线传感器网络数据收集方法,其特征在于,在所述步骤S6中,采用BFPA-PSO混合优化算法获取无线传感器网络最优容量和总能量消耗的链路调度方案,具体方法如下:
步骤S61:初始化种群、全局授粉和局部授粉的转换概率p∈[0,1]和每个花配子的速度vi;
步骤S62:产生0~1之间的随机数Rd;
步骤S63:若Rd>p,进行局部授粉;首先更新花配子速度,然后更新种群,如下所示:
其中,c1和c2为加速因子,r1和r2为0到1之间的随机值,和Gbest分别表示个体当前最佳种群和全局最佳种群;为t+1代花配子速度,和分别为t代和t+1代种群的解;
步骤S64:若Rd≤p,进行全局授粉;首先计算步长L,然后更新种群,如下所示:
其中,α为控制步长的比例因子,是标准的伽马函数,ξ为步长;
步骤S65:检查更新后的种群是否满足约束条件,即种群中花配子取值是否满足二进制条件,替换不满足条件的花配子;
步骤S66:执行步骤S51~步骤S55,得到更新后的链路调度方案;
步骤S67:使用双目标适应度函数评价种群适应度,Fitness=w1*ω+w2*θ,ω和θ分别表示网络容量和完成数据收集的能量总消耗,w1和w2分别表示ω与θ的权重;
步骤S68:将更新后的种群适应度与当前种群适应度作比较,若更好,则更新当前花朵配子同时更新当前最优链路调度方案;
步骤S69:将更新后的种群适应度与当前最优种群适应度作比较,若更好,则更新全局最优花朵群体Gbest和全局最优调度方案;
步骤S610:当迭代次数或者适应度值满足条件,则终止迭代,获得全局最佳链路调度方案;否则,返回步骤S62。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810697001.4A CN108769944B (zh) | 2018-06-29 | 2018-06-29 | 面向桥梁结构健康监测的mp-mr-mc无线传感器网络数据收集方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810697001.4A CN108769944B (zh) | 2018-06-29 | 2018-06-29 | 面向桥梁结构健康监测的mp-mr-mc无线传感器网络数据收集方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108769944A true CN108769944A (zh) | 2018-11-06 |
CN108769944B CN108769944B (zh) | 2020-12-25 |
Family
ID=63975030
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810697001.4A Active CN108769944B (zh) | 2018-06-29 | 2018-06-29 | 面向桥梁结构健康监测的mp-mr-mc无线传感器网络数据收集方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108769944B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111444569A (zh) * | 2020-04-01 | 2020-07-24 | 南通大学 | 一种基于改进粒子群算法的梁结构测点优化方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090198396A1 (en) * | 2008-02-04 | 2009-08-06 | Fernando Rodriguez | Adaptive control strategy and method for optimizing hybrid electric vehicles |
CN106198651A (zh) * | 2016-08-31 | 2016-12-07 | 成都市和平科技有限责任公司 | 一种高精度湿度传感器 |
CN106358302A (zh) * | 2016-09-22 | 2017-01-25 | 福州大学 | 一种无线传感器网络多收发器多信道分配算法 |
CN107356905A (zh) * | 2017-08-18 | 2017-11-17 | 华南理工大学 | 一种基于混沌粒子群优化的可见光定位方法及其系统 |
-
2018
- 2018-06-29 CN CN201810697001.4A patent/CN108769944B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090198396A1 (en) * | 2008-02-04 | 2009-08-06 | Fernando Rodriguez | Adaptive control strategy and method for optimizing hybrid electric vehicles |
CN106198651A (zh) * | 2016-08-31 | 2016-12-07 | 成都市和平科技有限责任公司 | 一种高精度湿度传感器 |
CN106358302A (zh) * | 2016-09-22 | 2017-01-25 | 福州大学 | 一种无线传感器网络多收发器多信道分配算法 |
CN107356905A (zh) * | 2017-08-18 | 2017-11-17 | 华南理工大学 | 一种基于混沌粒子群优化的可见光定位方法及其系统 |
Non-Patent Citations (2)
Title |
---|
ZHI-CONG CHEN 等: "In-Situ Validation of a Wireless Data Acquisition System by Monitoring a Pedestrian Bridge", 《ADVANCES IN STRUCTURAL ENGINEERING》 * |
严龙华: "基于无线传感器网络的桥梁结构数据采集系统的研究与设计", 《中国优秀硕士学位论文全文数据库(电子期刊) 工程科技II辑》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111444569A (zh) * | 2020-04-01 | 2020-07-24 | 南通大学 | 一种基于改进粒子群算法的梁结构测点优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108769944B (zh) | 2020-12-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Arya et al. | Performance analysis of deep learning-based routing protocol for an efficient data transmission in 5G WSN communication | |
CN103052147A (zh) | 一种基于无线传感网的能量有效性多级环形组网的方法 | |
CN103369599B (zh) | 一种多射频多信道无线Mesh网络资源跨层优化方法 | |
CN103747530B (zh) | 部分重叠信道下的无线Mesh网络信道分配系统及方法 | |
CN108882299B (zh) | 无线多跳网络的分布式拥塞控制、路由及功率分配方法 | |
CN105554888A (zh) | 基于链路多速率的多射频多信道无线Mesh网络信道分配算法 | |
CN105873219A (zh) | 基于GASE的TDMA无线Mesh网络资源分配方法 | |
CN110225569A (zh) | 一种基于改进粒子群算法的WSNs分簇多跳路由协议的方法 | |
CN113411766A (zh) | 智慧物联网综合感知系统及方法 | |
CN104185237A (zh) | 一种基于蚁群算法的鲁棒优化算法 | |
CN108513333A (zh) | 一种多跳自组网络的通信方法 | |
CN108769944A (zh) | 面向桥梁结构健康监测的mp-mr-mc无线传感器网络数据收集方法 | |
Varsha et al. | Hybrid TABU-GA search for energy efficient routing in WSN | |
CN106571883A (zh) | 卫星网络性能评价的随机网络演算方法 | |
Mufid et al. | Performance evaluation of PEGASIS protocol for energy efficiency | |
Kumar et al. | Neural network based reliable transport layer protocol for MANET | |
CN115134928A (zh) | 频段路由优化的无线Mesh网络拥塞控制方法 | |
CN105722173A (zh) | 基于双向吸引机制的大规模WSNs拓扑控制方法 | |
Matsuura | Maximizing lifetime of multiple data aggregation trees in wireless sensor networks | |
CN111160513A (zh) | 一种物联网电力宽带载波节能算法 | |
CN104780616B (zh) | 一种基于sinr干扰模型的能量有效的链路调度方法 | |
Yang et al. | A topology control algorithm using power control for wireless mesh network | |
CN112165734B (zh) | 基于WiFi的高效无线组网传输系统 | |
CN113242182B (zh) | 基于SDN的移动自组织网络中QoS敏感的路由分配方法 | |
Wani et al. | Identification of balanced node for data aggregation in wireless sensor network |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |