CN109946432B - 一种基于改进细菌趋化算法的二维水污染源定位方法 - Google Patents

Abstract

本发明公开了一种基于改进细菌趋化算法的二维水污染源定位方法，提供了移动传感器在未知环境中的运动方案，方案基于细菌趋化觅食算法，将单个传感器节点类比为大肠杆菌向着浓度更高更适宜的方向运动；同时本发明将节能和节点耗能的稳定性作为评价指标，使得节点在运动过程中耗能更低、节点电池寿命更长。方案中将传感器采集的污染物浓度、运动方向上的污染物浓度梯度、节点电池剩余能量作为对移动传感器的运动控制量，通过这些量来调节传感器运动时间、运动速度和转动角度，最终达到快速、节能的探索到污染源的目的。通过实验可知，本发明做到快速对污染源定位，且保证节点耗能稳定，提高节点电池寿命。

Description

一种基于改进细菌趋化算法的二维水污染源定位方法

技术领域

本发明涉及水污染源定位领域，更具体地说，涉及一种基于改进细菌趋化算法的二维水污染源定位方法。

背景技术

水是人类赖以生存的重要资源，也是所有生物维持生命的基本物质。同时在工业、农业、生活等各个领域起着重大的作用。另一方面，我国的淡水资源总体储量不多，属于水资源缺乏的一个国家。在这样的情况下，随着我国工业化的水平不断提到，水环境受到的污染也越来越严重。我们将工业、农业以及生活中未经处理的废水直接排到干净的水资源中，我国主要的七大江河都分别受到不同程度的污染。

在水环境问题日益突出的今天，研究污染监测与污染源定位问题对环境保护有重要意义。若能及时获取污染源位置，则可立即采取补救措施，并进一步治理污染，所以需要方便有效的方法来进行水环境中污染源的探测与定位。常用污染源定位与追踪方法有遥感探测、移动机器人探测、人工探测等，但这些技术在水污染源探测与定位应用中，有许多局限性。例如，遥感技术只能观测到扩散较为缓慢的水体表面污染；人工探测成本较高，且受地形限制。无线传感器网络具有节点分布密集、多节点协同工作、成本相对低廉、监测范围广、地理位置限制小等诸多优点。细菌算法构造直观且易于理解，所以该算法常被用于局部搜索和全局搜索，将单个传感器节点类比为大肠杆菌向着浓度更高更适宜的方向运动。本设计就是基于细菌算法进行设计，利用移动传感器更快更准确的搜索到污染物源头。

大部分的移动传感器节点都是以电池供电，但电池的电量有限，传感器节点可以移动的距离受到能量限制。相对于节点运动消耗的能量，传感器采集所耗费的能量我们可以忽略不计，我们应该使我们的算法更快速的探索到污染源，让节点在一次运行中减少运动距离，从而使能耗降低，延长电池的使用寿命。同时不同的节点耗能不同将大大的增加节点的维护成本，所以我们应该增强节点能耗的稳定性，因此设计中我们考虑了移动传感器的能量问题，将能耗小、使节点能耗稳定也作为设计指标。

发明内容

本发明要解决的技术问题在于，针对现有技术的传感器节点可以移动的距离受到能量限制的缺陷，提供一种基于改进细菌趋化算法的二维水污染源定位方法。

本发明解决其技术问题所采用的技术方案是：构造一种基于改进细菌趋化算法的二维水污染源定位方法，包括以下步骤：

S1、在一被污染的水域中，选定测试区域；

S2、在选定的测试区域中，随机放置m个可向任意位置处移动的传感器；

S3、设定污染物浓度阈值

每过一段时间，控制并停止传感器运动，每个传感器将所在位置处采集得到的污染物浓度ω＝[ω₁,ω₂,...,ω_m]，与污染物浓度阈值

进行比较；若

则认为传感器节点i处于污染区域内，执行步骤S4；否则，执行步骤S5；其中，ω_i为传感器节点i所在位置处的污染物浓度值，i∈m；

S4、结合污染物的浓度差值ΔC_i,j，在浓度差值ΔC_i,j趋近于零时，则认为传感器节点i当前所处位置即为污染源，此时传感器节点i停止运动；其他情况下，执行步骤S5；其中ΔC_i,j＝ω_i,j-ω_i,j-1，ω_i,j为传感器节点i在第j次运动时所处位置的污染物浓度值，ω_i,j-1为传感器节点i在第j-1次运动时所处位置的污染物浓度值；

S5、在未定位到污染源的情况下，根据当前污染物的浓度差值ΔC_i,j，未定位成功的传感器调整自身的移动角度，并进入到下一次运动过程中；

S6、重复步骤S3至步骤S5，直到所有传感器均成功定位到污染源。

进一步的，步骤S5中，在未定位到污染源的情况下，未定位成功的传感器的移动角度调整公式为：

其中α_i,j和β_i,j分别传感器节点i第j次运动时随机调整的角度值；θ_i，j和θ_i，j-1分别为传感器节点i在第j次和第j-1次运动时的运动角度；ΔC_i,j＝ω_i,j-ω_i,j-1，其中ω_i,j为传感器节点i在第j次运动时所处位置的污染物浓度值，ω_i,j-1为传感器节点i在第j-1次运动时所处位置的浓度值。

进一步的，结合传感器的移动角度，每个传感器停止运动时，所处的位置坐标(x_i,j,y_i,j)计算公式为：

其中，坐标(x_i,j-1,y_i,j-1)为传感器节点i第j-1次运动时所处的位置，且坐标(x_i,j-1,y_i,j-1)由传感器节点i在第j-1次运动时的运动速度v_i,j-1和运动时间t_i,j-1确定；d为传感器节点i在第j次运动时的运动距离。

进一步的，基于上述位置坐标(x_i,j,y_i,j)计算公式，传感器节点i第j次运动时的运动速度v_i,j计算公式为：

其中，ΔC_max为传感器节点i在整个运动过程中取到的浓度差值ΔC_i,j的最大值；E_r和E₀分别为传感器的剩余能量和运动初始能量，E_th为供应传感器节点运动的最低能量阈值，v_max为传感器的最大运动速度，α为能量控制的权重系数。

进一步的，基于上述位置坐标(x_i,j,y_i,j)计算公式，传感器节点i第j次运动时的运动时间t_i,j计算公式为：

其中，t_max为传感器运动的最大时间，E_r和E₀分别为传感器的剩余能量和运动初始能量，E_th为供应传感器节点运动的最低能量阈值。

进一步的，步骤S4中，传感器停止运动还包括传感器能量耗尽的情况；其中，传感器节点i移动过程中，通过计算传感器节点i的消耗能量，进一步判断传感器节点i的能量是否耗尽，能量消耗的计算公式为：

E_cost＝λ×d；

其中，E_cost为传感器节点i运动后消耗的能量，λ为能量消耗系数，d为传感器节点i的运动距离。

在本发明所述的一种基于改进细菌趋化算法的二维水污染源定位方法中，将单个传感器节点类比为大肠杆菌向着浓度更高更适宜的方向运动；同时本发明将节能和节点耗能的稳定性作为评价指标，使得节点在运动过程中耗能更低、节点电池寿命更长。

实施本发明提出的一种基于改进细菌趋化算法的二维水污染源定位方法，具有以下有益效果：

1、运动时间控制是运动控制的另一部分，为了更好的提升节能效果，本发明通过对传感器的消耗能量的控制，进一步达到对传感器运动时间的控制。

2、由于传感器在实际工作中通常是由电池供电，造成了其能量资源变得十分有限。同时本发明中将能量消耗与传感器运动路程作为正比例关系，当传感器的运动路程越长，传感器消耗的能量越多，为了使传感器耗能更少，也为了使传感器的耗能更加稳定，从而提高电池寿命，设计中将传感器的剩余能量作为运动速度控制的另一因素。当剩余能量较多时，使传感器快速运动，更快的找到污染源；当剩余能量减少，应当使传感器运动速度降低，减小探索范围，避免能量浪费；

3、为了使传感器节点更准确的找到污染源位置，设计中采用浓度差值作为速度的控制量。根据环境变化，浓度差值越大，传感器运行速度越快；浓度差值越小，传感器节点运行速度越慢；当传感器运行至污染源附近，浓度差值越来越小，速度越来越慢，浓度差值趋近于零，使得传感器节点停在污染源。

附图说明

下面将结合附图及实施例对本发明作进一步说明，附图中：

图1是本发明的整体流程图；

图2m个传感器节点第一次运行的能量消耗图；

图3m个传感器节点的运动轨迹图。

具体实施方式

为了对本发明的技术特征、目的和效果有更加清楚的理解，现对照附图详细说明本发明的具体实施方式。

请参考图1，其为本发明的整体流程图，在本发明提出的一种基于改进细菌趋化算法的二维水污染源定位方法，具体包括如下步骤，

S1、在一被污染的水域中，选定测试区域；本实施例中，将水环境设置在2000×2000m的区域，水环境中的污染物浓度分布符合高斯分布，设置污染源中心最大浓度为800，污染源的坐标位置(x₀,y₀)固定在(1000，1000)处。具体参考图2的水环境污染物分布图。

S2、本实施例中，在选定的测试区域中，随机放置30个可向任意位置处移动的传感器。

S3、设定污染物浓度阈值

每过一段时间，控制并停止传感器运动，每个传感器将所在位置处采集得到的污染物浓度ω＝[ω₁,ω₂,...,ω_m]，与污染物浓度阈值

进行比较；若

则认为传感器节点i处于污染区域，并执行步骤S4；否则，执行步骤S5；其中，ω_i为传感器节点i所在位置处的污染物浓度值，i∈m；

S4、结合污染物的浓度差值ΔC_i,j，在浓度差值ΔC_i,j趋近于零时，则认为传感器节点i当前所处位置即为污染源，此时传感器节点i停止运动；其他情况下，执行步骤S5；其中：

浓度差值ΔC_i,j＝ω_i,j-ω_i,j-1，ω_i,j为传感器节点i在第j次运动时所处位置的污染物浓度值，ω_i,j-1为传感器节点i在第j-1次运动时所处位置的污染物浓度值；

特殊情况下，传感器停止运动还包括传感器能量耗尽的情况；其中，传感器节点i移动过程中，通过计算传感器节点i的消耗能量，进一步判断传感器节点i的能量是否耗尽，能量消耗的计算公式为：

E_cost＝λ×d；

其中，E_cost为传感器节点i运动后消耗的能量，λ为能量消耗系数，d为传感器节点i的运动距离。本实施例中能量消耗系数λ的取值为0.005。

S5、在未定位到污染源的情况下，根据当前污染物的浓度差值ΔC_i,j，未定位成功的传感器调整自身的移动角度，并进入到下一次运动过程中；其中：

在未定位到污染源的情况下，为了根据当前环境而确定传感器的运动方向，本实施例中采用浓度差值的正负性作为判断传感器转向方向的前提依据。根据测得的当前浓度与前一次浓度的差值ΔC_i,j，若差值ΔC_i,j大于等于0，说明当前方向所指向的测试区域的污染物浓度呈递增的趋势，将传感器沿着当前方向微调角度θ_i，j；若差值小于0，说明当前方向所指向的测试区域的污染物浓度呈递减的趋势，将传感器沿反方向调整角度θ_i，j。具体的，未定位成功的传感器的移动角度调整公式为：

其中α_i,j和β_i,j分别传感器节点i第j次运动时随机调整的角度值；本实施例中α_i,j的取值范围为α_i,j∈[-30,30]，β_i,j的取值范围为β_i,j∈[-150,150]；θ_i，j和θ_i，j-1分别为传感器节点i在第j次和第j-1次运动时的运动角度；

结合传感器的移动角度调整公式，每个传感器停止运动时，所处的位置坐标(x_i,j,y_i,j)计算公式为：

其中，坐标(x_i,j-1,y_i,j-1)为传感器节点i第j-1次运动时所处的位置，且坐标(x_i,j-1,y_i,j-1)由传感器节点i在第j-1次运动时的运动速度v_i,j-1和运动时间t_i,j-1确定；d为传感器节点i在第j次运动时的运动距离。

基于上述位置坐标(x_i,j,y_i,j)计算公式，为了使节点更准确的找到污染源位置，本实施例中采用浓度差值ΔC_i,j作为传感器运动速度的控制量。传感器节点i第j次运动时的运动速度v_i,j计算公式为：

其中，ΔC_max为传感器节点i在整个运动过程中取到的浓度差值ΔC_i,j的最大值；E_r和E₀分别为传感器的剩余能量和运动初始能量，E_th为供应传感器节点运动的最低能量阈值，v_max为传感器的最大运动速度，α为能量控制的权重系数。本实施例中，能量阈值Eth为20％，初始能量E0为100％，权重系数α取值为0.95，传感器的最大运动速度v_max取值为6m/s。

通过上述计算公式，可反映的实际情况是：当浓度差值ΔC_i,j越大时，传感器运行速度越快；当浓度差值ΔC_i,j越小时，传感器运行速度越慢；当传感器运行至污染源附近时，浓度差值ΔC_i,j越来越小且趋近于零，此时传感器的运行速度越来越慢；在传感器到达污染源时，浓度差值ΔC_i,j为0，此时传感器的运行速度控制为0，即传感器停止运动并停留在污染源处。而传感器在实际工作中通常是由电池供电，造成了其能量资源变得十分有限。同时本实施中将传感器的能量消耗值与节点运动路程作为正比例关系，当节点的运动路程越长，节点消耗的能量越多；为了使传感器耗能更少，本实施例中将传感器的剩余能量E_r作为运动速度控制的另一因素。当剩余能量E_r较多时，提高传感器的运动速度，使其更快的找到污染源；当剩余能量E_r较少时，降低传感器的运动速度，并减小探索范围。

基于上述位置坐标(x_i,j,y_i,j)计算公式，本实施例中采用能量对运动时间控制，进一步提升节能效果；传感器节点i第j次运动时的运动时间t_i,j计算公式为：

其中，t_max为传感器运动的最大时间；本实施例中，传感器运动的最大时间t_max取值为4s。

S6、重复步骤S3至步骤S5，直到所有传感器均成功定位到污染源。

另一方面，本发明采用能量平衡因子来衡量节点整体能耗的稳定性。平衡因子(BF)的值越高表示能量消耗在传感器节点之间的平衡程度越高，传感器的寿命越长。其中，具有N个节点的平衡因子(BF)如下式所示：

为了验证本发明设计的有效性，本发明在不同能量条件和不同初始位置情况下进行了测试。根据不同条件下的测试，方案中的传感器节点都能够找到污染源，并且节点能量的BF值较大，较好的保证了节点能耗的稳定性。图2中展示了第一次运行之后，各个传感器节点消耗的能量，节点消耗的能量在8％-16％之间，从图中可以看出，一次运行各个节点的能量消耗比较平稳。

将每一次传感器节点停留的位置连接起来，得到节点运行轨迹图，我们选取第一次运行中的第15号节点展示其运动轨迹，如图3所示，途中圆圈表示传感器节点每次停留的位置，线条代表传感器节点的运动路径。该节点是第一次运行中耗能最少的节点，一共运动54次，耗时205s，耗能8.10％。

上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。

Claims (3)

1.一种基于改进细菌趋化算法的二维水污染源定位方法，其特征在于，包括以下步骤：

S1、在一被污染的水域中，选定测试区域；

S2、在选定的测试区域中，随机放置m个可向任意位置处移动的传感器；

S3、设定污染物浓度阈值

每过一段时间，控制并停止传感器运动，每个传感器将所在位置处采集得到的污染物浓度ω＝[ω₁,ω₂,...,ω_m]，与污染物浓度阈值

进行比较；

若

则认为传感器节点i处于污染区域内，执行步骤S4；否则，执行步骤S5；

其中，ω_i为传感器节点i所在位置处的污染物浓度值，i∈m；

S4、结合污染物的浓度差值ΔC_i,j，在浓度差值ΔC_i,j趋近于零时，则认为传感器节点i当前所处位置即为污染源，此时传感器节点i停止运动；其他情况下，执行步骤S5；

其中ΔC_i,j＝ω_i,j-ω_i,j-1，ω_i,j为传感器节点i在第j次运动时所处位置的污染物浓度值，ω_i,j-1为传感器节点i在第j-1次运动时所处位置的污染物浓度值；

S5、在未定位到污染源的情况下，未定位成功的传感器调整自身的移动角度，进入到下一次运动过程中；其中：

每个传感器停止运动时，所处的位置坐标(x_i,j,y_i,j)计算公式为：

式(1)中，d为传感器节点i在第j次运动时的运动距离；θ_i，j为未定位成功的传感器的移动角度；坐标(x_i,j-1,y_i,j-1)为传感器节点i第j-1次运动时所处的位置，且坐标(x_i,j-1,y_i,j-1)由传感器节点i在第j-1次运动时的运动速度v_i,j-1和运动时间t_i,j-1确定，其中：

传感器节点i第j次运动时的运动速度v_i,j计算公式为：

其中，ΔC_max为传感器节点i在整个运动过程中取到的浓度差值ΔC_i,j的最大值；E_r和E₀分别为传感器的剩余能量和运动初始能量，E_th为供应传感器节点运动的最低能量阈值，v_max为传感器的最大运动速度，α为能量控制的权重系数；

传感器节点i第j次运动时的运动时间t_i,j计算公式为：

其中，t_max为传感器运动的最大时间；

S6、重复步骤S3至步骤S5，直到所有传感器均成功定位到污染源。

2.据权利要求1所述的二维水污染源定位方法，其特征在于，步骤S5中，在未定位到污染源的情况下，未定位成功的传感器的移动角度调整公式为：

其中α_i,j和β_i,j分别传感器节点i第j次运动时随机调整的角度值；θ_i，j和θ_i，j-1分别为传感器节点i在第j次和第j-1次运动时的运动角度；ΔC_i,j＝ω_i,j-ω_i,j-1，其中ω_i,j为传感器节点i在第j次运动时所处位置的污染物浓度值，ω_i,j-1为传感器节点i在第j-1次运动时所处位置的浓度值。

3.根据权利要求1所述的二维水污染源定位方法，其特征在于，步骤S4中传感器停止运动还包括传感器能量耗尽的情况；其中，传感器节点i移动过程中，通过计算传感器节点i的消耗能量，进一步判断传感器节点i的能量是否耗尽，能量消耗的计算公式为：

E_cost＝λ×d；

其中，E_cost为传感器节点i运动后消耗的能量，λ为能量消耗系数，d为传感器节点i的运动距离。

Images