CN112055393B - 基于AI优化的Zigbee大规模路由方法及系统 - Google Patents

基于AI优化的Zigbee大规模路由方法及系统 Download PDF

Info

Publication number
CN112055393B
CN112055393B CN202010767499.4A CN202010767499A CN112055393B CN 112055393 B CN112055393 B CN 112055393B CN 202010767499 A CN202010767499 A CN 202010767499A CN 112055393 B CN112055393 B CN 112055393B
Authority
CN
China
Prior art keywords
node
zigbee
network
routing
information
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.)
Active
Application number
CN202010767499.4A
Other languages
English (en)
Other versions
CN112055393A (zh
Inventor
周宇航
李吉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Bouffalo Lab Nanjing Co ltd
Original Assignee
Bouffalo Lab Nanjing Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Bouffalo Lab Nanjing Co ltd filed Critical Bouffalo Lab Nanjing Co ltd
Priority to CN202010767499.4A priority Critical patent/CN112055393B/zh
Publication of CN112055393A publication Critical patent/CN112055393A/zh
Application granted granted Critical
Publication of CN112055393B publication Critical patent/CN112055393B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W40/00Communication routing or communication path finding
    • H04W40/02Communication route or path selection, e.g. power-based or shortest path routing
    • H04W40/04Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W24/00Supervisory, monitoring or testing arrangements
    • H04W24/06Testing, supervising or monitoring using simulated traffic
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W40/00Communication routing or communication path finding
    • H04W40/24Connectivity information management, e.g. connectivity discovery or connectivity update
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W84/00Network topologies
    • H04W84/18Self-organising networks, e.g. ad-hoc networks or sensor networks
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02DCLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00Reducing energy consumption in communication networks
    • Y02D30/70Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明揭示了一种基于AI优化的Zigbee大规模路由方法及系统,所述方法包括:获取路由网络中各节点的重要节点;若第一节点的后续某重要节点处于设定条件,则获取第一节点的其他重要节点,切换至其他重要节点进行通讯。本发明提出的基于AI优化的Zigbee大规模路由方法及系统,可以有效提高Zigbee路由网络的效率与稳定性。

Description

基于AI优化的Zigbee大规模路由方法及系统
技术领域
本发明属于电子通讯技术领域,涉及一种路由系统,尤其涉及一种基于AI优化的Zigbee大规模路由方法及系统。
背景技术
现有大规模Zigbee网络通常只能支持200-500个节点,在网络规模超过1000个物理节点以上时网络的搭建与维护都较为困难,主要体现在:1.最优路由路径无法稳定搭建;2.出现路由断开时,Zigbee网络没有报备能力,人力根本无法检测;3.网络复杂,路由算法不够支持路由恢复速度,导致Zigbee网络在超过1000个节点以上时变得不稳定、不可控,甚至关键节点丢失后,整个Zigbee网络出现灾难性故障。
现有Zigbee路由网络通常采用Many-to-One/Source Routing技术,many-to-one/source routing即以网络中中心节点为核心,所有其他节点通过路由算法命令(routediscovery)建立一条通向中心节点的路径,每个节点会维护一套自己的路由表,该路由表特点为只记录向中心节点发送数据时,自己对应的下一跳路由节点信息,该方法有效节约了每个节点的存储空间,但却引入了如下问题:
当节点的下一跳路由节点失效时,该节点需要向整个网络发起路由建立请求,进而找到最合适自己的新的下一跳路由节点,而鉴于路由建立请求本身会引起网络中大规模的数据波动,因此当zigbee网络规模陡然增大时,造成的网络波动将急剧增大,甚至影响网络的稳定性与其他节点的安全性,尤其是当多个节点同时发起路由建立请求时,该影响更为显著;
临近中心节点的附近节点,本身对信息转发承载了网络中大部分的信息量,当网络规模增大时,原有路由路径很可能出现集中在某几个附近节点,进而造成信息堵塞与发送失败,而实际上其余附近节点却处于空闲的情况,网络路由转发的整体效率并不高。
如图1所示,当附近节点A处于繁忙状态应对其左半部节点的信息转发,附近节点B处于空闲状态,此时中心节点需要向目标节点D发送数据时,仍采用先前记录的由A向D的路由路径,但此时A已经很繁忙,因此整个路由网络效率不高。
有鉴于此,如今迫切需要设计一种新的Zigbee路由系统,以便克服现有Zigbee路由系统存在的上述至少部分缺陷。
发明内容
本发明提供一种基于AI优化的Zigbee大规模路由方法及系统,可有效提高Zigbee路由网络的效率与稳定性。
为解决上述技术问题,根据本发明的一个方面,采用如下技术方案:
一种基于AI优化的Zigbee大规模路由方法,所述方法包括:
步骤S1、Zigbee网络预建立步骤;
Zigbee控制模块预建立Zigbee网络,预建立的Zigbee网络中Zigbee中心节点记录所有路由信息;预建立Zigbee网络完毕后,Zigbee控制模块发送设定命令给AI数据统计与计算模块,AI数据统计与计算模块发起自主学习过程,搭建初始化的AI路由优化模型,并将搭建好的最初的AI路由优化模型发送至Zigbee控制模块;
AI数据统计与计算模块获取每个节点的最终得分;所述AI数据统计与计算模块向网络中的所有节点逐一发起失效评估,即让单个节点失效,记录该失效节点为A,此时Zigbee网络会自动发生网络路由重建,若代替失效的A节点的A’节点出现,对A’节点做加ADD1处理;维持父节点不变的节点,同样做加ADD2处理;除代替A的A’外,父节点改变的节点需要记录成功改变的第一时间T1,做减SUB1处理;无儿子节点的最末节点分数不变;若A’节点未出现,意味着所有A节点的儿子节点将全部失效,对A节点做减SUB2处理;将该过程对网络中除中心节点的每一个节点轮询一遍,统计每一个节点最终得分;其中,上述描述参数ADD1、ADD2、SUB1、SUB2为计算权重,根据系统所处环境系统动态调整改变;
上述过程结束后,恢复每个节点的路由状态,AI数据统计与计算模块向每一个节点进行路由发起,每个节点做N次路由发起,并记录每条链路LA1,LA2,LA3,…;
LA1发生次数记录为N1,则LA1=N1,LA2=N2,LA3=N3,…,N1+N2+N3+…=N,Ni越大,则认为对于节点A链路LAi越优;路由发起结束后,AI数据统计与计算模块将链路信息发送给Zigbee控制模块,并由Zigbee控制模块做好记录;其中,上述描述参数N为计算权重,需要根据系统所处环境系统动态调整改变;
上述过程结束后,重启zigbee网络,即完成AI数据统计与计算模块的路由优化初始化学习;
步骤S2、Zigbee网络正式建立步骤;
正式建立Zigbee网络,实现基于所述AI路由优化模型的Zigbee网络,AI数据统计与计算模块根据实际节点路由信息的变动动态学习与更新各节点信息;
系统启动后,Zigbee控制模块向路由网络中每个节点发送在预建立网络系统中得分最高的m个父节点的信息,并由该节点进行保存,当节点当前的父节点失效时,从得分最高到最低,依次选择作为该节点的新的父节点;同时,当Zigbee网络运行时,AI数据统计与计算模块依据获取每个节点最终得分的方法实时更新节点最终得分信息,并在网络空闲时更新给需要的节点;
在网络运行时,AI数据统计与计算模块统计每个节点当前的工作负荷,工作负荷为每分钟信息流通个数,当节点A在设定路径上工作负荷超过权重H时,则发送消息给需要经过A节点的设定节点,使其更换路径至其他空闲路径,进而提高网络整体节点使用效率。
根据本发明的另一个方面,采用如下技术方案:一种基于AI优化的Zigbee大规模路由方法,所述方法包括:
获取路由网络中各节点的重要节点;以及
若第一节点的后续某重要节点处于设定条件,则获取第一节点的其他重要节点,切换至其他重要节点进行通讯。
作为本发明的一种实施方式,所述重要节点指各节点至中心节点的链路中出现次数最多的p个父节点。
作为本发明的一种实施方式,所述方法包括:建立AI路由优化模型,通过AI路由优化模型获取路由网络中各节点的重要节点。
作为本发明的一种实施方式,建立AI路由优化模型步骤中,AI数据统计与计算模块获取每个节点的最终得分;
所述AI数据统计与计算模块向网络中的所有节点逐一发起失效评估,即让单个节点失效,记录该失效节点为A,此时Zigbee网络会自动发生网络路由重建,若代替失效的A节点的A’节点出现,对A’节点做加ADD1处理;维持父节点不变的节点,同样做加ADD2处理;除代替A的A’外,父节点改变的节点需要记录成功改变的第一时间T1,做减SUB1处理;无儿子节点的最末节点分数不变;若A’节点未出现,意味着所有A节点的儿子节点将全部失效,对A节点做减SUB2处理;将该过程对网络中除中心节点的每一个节点轮询一遍,统计每一个节点最终得分;其中,上述描述参数ADD1、ADD2、SUB1、SUB2为计算权重,根据系统所处环境系统动态调整改变。
作为本发明的一种实施方式,若第一节点的后续某重要节点处于无效或负荷高于设定阈值,则获取第一节点的其他重要节点,切换至其他重要节点进行通讯。
作为本发明的一种实施方式,Zigbee控制模块预建立Zigbee网络,预建立的Zigbee网络中Zigbee中心节点记录所有路由信息;预建立Zigbee网络完毕后,Zigbee控制模块发送设定命令给AI数据统计与计算模块,AI数据统计与计算模块发起自主学习过程,搭建初始化的AI路由优化模型,并将搭建好的最初的AI路由优化模型发送至Zigbee控制模块。
作为本发明的一种实施方式,所述方法包括:
正式建立Zigbee网络,实现基于所述AI路由优化模型的Zigbee网络,AI数据统计与计算模块根据实际节点路由信息的变动动态学习与更新各节点信息;
系统启动后,Zigbee控制模块向路由网络中每个节点发送在预建立网络系统中得分最高的m个父节点的信息,并由该节点进行保存,当节点当前的父节点失效时,从得分最高到最低,依次选择作为该节点的新的父节点;同时,当Zigbee网络运行时,AI数据统计与计算模块依据获取每个节点最终得分的方法实时更新节点最终得分信息,并在网络空闲时更新给需要的节点。
作为本发明的一种实施方式,在网络运行时,AI数据统计与计算模块统计每个节点当前的工作负荷,工作负荷为每分钟信息流通个数,当节点A在设定路径上工作负荷超过权重H时,则发送消息给需要经过A节点的设定节点,使其更换路径至其他空闲路径,进而提高网络整体节点使用效率。
根据本发明的又一个方面,采用如下技术方案:一种基于AI优化的Zigbee大规模路由系统,所述系统包括:AI数据统计与计算模块及Zigbee控制模块;
所述Zigbee控制模块用以预建立Zigbee网络,预建立的Zigbee网络中Zigbee中心节点记录所有路由信息;建立完毕后,Zigbee控制模块发送设定命令给AI数据统计与计算模块,AI数据统计与计算模块发起自主学习过程,搭建初始化的AI路由优化模型,并将搭建好的最初的AI路由优化模型发送至Zigbee控制模块;
所述AI数据统计与计算模块获取每个节点的最终得分;所述AI数据统计与计算模块向网络中的所有节点逐一发起失效评估,即让单个节点失效,记录该失效节点为A,此时Zigbee网络会自动发生网络路由重建,若代替失效的A节点的A’节点出现,对A’节点做加ADD1处理;维持父节点不变的节点,同样做加ADD2处理;除代替A的A’外,父节点改变的节点需要记录成功改变的第一时间T1,做减SUB1处理;无儿子节点的最末节点分数不变;若A’节点未出现,意味着所有A节点的儿子节点将全部失效,对A节点做减SUB2处理;将该过程对网络中除中心节点的每一个节点轮询一遍,统计每一个节点最终得分;其中,上述描述参数ADD1、ADD2、SUB1、SUB2为计算权重,根据系统所处环境系统动态调整改变;
各节点最终得分获取过程结束后,恢复每个节点的路由状态,AI数据统计与计算模块向每一个节点进行路由发起,每个节点做N次路由发起,并记录每条链路LA1,LA2,LA3,…;
LA1发生次数记录为N1,则LA1=N1,LA2=N2,LA3=N3,…,N1+N2+N3+…=N,Ni越大,则认为对于节点A链路LAi越优;路由发起结束后,AI数据统计与计算模块将链路信息发送给Zigbee控制模块,并由Zigbee控制模块做好记录;其中,上述描述参数N为计算权重,需要根据系统所处环境系统动态调整改变;
所述Zigbee控制模块还用以正式建立Zigbee网络,实现基于所述AI路由优化模型的Zigbee网络,所述AI数据统计与计算模块根据实际节点路由信息的变动动态学习与更新各节点信息;
系统启动后,所述Zigbee控制模块向路由网络中每个节点发送在预建立网络系统中得分最高的m个父节点的信息,并由该节点进行保存,当节点当前的父节点失效时,从得分最高到最低,依次选择作为该节点的新的父节点;同时,当Zigbee网络运行时,AI数据统计与计算模块依据获取每个节点最终得分的方法实时更新节点最终得分信息,并在网络空闲时更新给需要的节点;
在网络运行时,所述AI数据统计与计算模块统计每个节点当前的工作负荷,工作负荷为每分钟信息流通个数,当节点A在设定路径上工作负荷超过权重H时,则发送消息给需要经过A节点的设定节点,使其更换路径至其他空闲路径,进而提高网络整体节点使用效率。
根据本发明的又一个方面,采用如下技术方案:一种Zigbee路由系统,所述系统包括:
重要节点获取模块,用以获取路由网络中各节点的重要节点;
节点切换模块,用以在第一节点的后续某重要节点处于设定条件时,获取第一节点的其他重要节点,切换至其他重要节点进行通讯。
本发明的有益效果在于:本发明提出的Zigbee路由方法及系统,可以有效提高Zigbee路由网络的效率与稳定性;本发明支持Zigbee网络可以连接1000个以上的节点。同时,本发明改进部分对Zigbee网络中心节点的组成,而网络中其他每个节点均不需要做硬件改动,可以在商业中有效节省成本与替换效率。
本发明通过引入添加AI数据统计与计算模块到Zigbee网络的中心节点,使用改进的基于AI动态路由的计算,提高与优化了zigbee路由网络特性,使zigbee网络可以在实际使用中支持1000个以上节点,有效提高zigbee路由效率与稳定性。
附图说明
图1为现有Zigbee路由系统的组成示意图。
图2为本发明一实施例中Zigbee路由方法的流程图。
图3为本发明一实施例中Zigbee路由系统的组成示意图。
图4为本发明一实施例中Zigbee路由方法的流程图。
图5为本发明一实施例中Zigbee路由系统的组成示意图。
具体实施方式
下面结合附图详细说明本发明的优选实施例。
为了进一步理解本发明,下面结合实施例对本发明优选实施方案进行描述,但是应当理解,这些描述只是为进一步说明本发明的特征和优点,而不是对本发明权利要求的限制。
该部分的描述只针对几个典型的实施例,本发明并不仅局限于实施例描述的范围。相同或相近的现有技术手段与实施例中的一些技术特征进行相互替换也在本发明描述和保护的范围内。
说明书中的“连接”既包含直接连接,也包含间接连接。
本发明揭示了一种基于AI优化的Zigbee大规模路由方法,图2揭示了本发明一实施例中Zigbee路由方法的流程图;请参阅图2,并结合图3,在本发明的一实施例中,所述Zigbee路由方法包括:
【步骤S1】Zigbee网络预建立步骤。
Zigbee控制模块20预建立Zigbee网络,预建立的Zigbee网络中Zigbee中心节点记录所有路由信息;预建立Zigbee网络完毕后,Zigbee控制模块20发送设定命令给AI数据统计与计算模块10,AI数据统计与计算模块10发起自主学习过程,搭建初始化的AI路由优化模型,并将搭建好的最初的AI路由优化模型发送至Zigbee控制模块20;
AI数据统计与计算模块10获取每个节点的最终得分;所述AI数据统计与计算模块10向网络中的所有节点逐一发起失效评估,即让单个节点失效,记录该失效节点为A,此时Zigbee网络会自动发生网络路由重建,若代替失效的A节点的A’节点出现,对A’节点做加ADD1处理;维持父节点不变的节点,同样做加ADD2处理;除代替A的A’外,父节点改变的节点需要记录成功改变的第一时间T1,做减SUB1处理;无儿子节点的最末节点分数不变;若A’节点未出现,意味着所有A节点的儿子节点将全部失效,对A节点做减SUB2处理;将该过程对网络中除中心节点的每一个节点轮询一遍,统计每一个节点最终得分;其中,上述描述参数ADD1,ADD2,SUB1,SUB2为计算权重,根据系统所处环境系统动态调整改变;
上述过程结束后,恢复每个节点的路由状态,AI数据统计与计算模块10向每一个节点进行路由发起,每个节点做N次路由发起,并记录每条链路LA1,LA2,LA3,…;
LA1发生次数记录为N1,则LA1=N1,LA2=N2,LA3=N3,…,N1+N2+N3+…=N,Ni越大,则认为对于节点A链路LAi越优;路由发起结束后,AI数据统计与计算模块10将链路信息发送给Zigbee控制模块20,并由Zigbee控制模块20做好记录;其中,上述描述参数N为计算权重,需要根据系统所处环境系统动态调整改变;
上述过程结束后,重启zigbee网络,即完成AI数据统计与计算模块10的路由优化初始化学习。
【步骤S2】Zigbee网络正式建立步骤。
正式建立Zigbee网络,实现基于所述AI路由优化模型的Zigbee网络,AI数据统计与计算模块10根据实际节点路由信息的变动动态学习与更新各节点信息;
系统启动后,Zigbee控制模块20向路由网络中每个节点发送在预建立网络系统中得分最高的m个父节点的信息,并由该节点进行保存,当节点当前的父节点失效时,从得分最高到最低,依次选择作为该节点的新的父节点;同时,当Zigbee网络运行时,AI数据统计与计算模块10依据获取每个节点最终得分的方法实时更新节点最终得分信息,并在网络空闲时更新给需要的节点;
在网络运行时,AI数据统计与计算模块10统计每个节点当前的工作负荷,工作负荷为每分钟信息流通个数,当节点A在设定路径上工作负荷超过权重H时,则发送消息给需要经过A节点的设定节点,使其更换路径至其他空闲路径,进而提高网络整体节点使用效率。
图4为本发明一实施例中Zigbee路由方法的流程图;请参阅图4,在本发明的一实施例中,Zigbee路由方法包括:
步骤S1、获取路由网络中各节点的重要节点;
步骤S2、若第一节点的后续某重要节点处于设定条件,则获取第一节点的其他重要节点,切换至其他重要节点进行通讯。
在本发明的一实施例中,所述重要节点指各节点至中心节点的链路中出现次数最多的p个父节点。
在本发明的一实施例中,所述方法包括:建立AI路由优化模型,通过AI路由优化模型获取路由网络中各节点的重要节点。
在本发明的一实施例中,建立AI路由优化模型步骤中,AI数据统计与计算模块获取每个节点的最终得分;所述AI数据统计与计算模块向网络中的所有节点逐一发起失效评估,即让单个节点失效,记录该失效节点为A,此时Zigbee网络会自动发生网络路由重建,若代替失效的A节点的A’节点出现,对A’节点做加ADD1处理;维持父节点不变的节点,同样做加ADD2处理;除代替A的A’外,父节点改变的节点需要记录成功改变的第一时间T1,做减SUB1处理;无儿子节点的最末节点分数不变;若A’节点未出现,意味着所有A节点的儿子节点将全部失效,对A节点做减SUB2处理;将该过程对网络中除中心节点的每一个节点轮询一遍,统计每一个节点最终得分;其中,上述描述参数ADD1、ADD2、SUB1|SUB2为计算权重,根据系统所处环境系统动态调整改变。
在本发明的一实施例中,若第一节点的后续某重要节点处于无效或负荷高于设定阈值,则获取第一节点的其他重要节点,切换至其他重要节点进行通讯。
在本发明的一实施例中,Zigbee控制模块预建立Zigbee网络,预建立的Zigbee网络中Zigbee中心节点记录所有路由信息;预建立Zigbee网络完毕后,Zigbee控制模块发送设定命令给AI数据统计与计算模块,AI数据统计与计算模块发起自主学习过程,搭建初始化的AI路由优化模型,并将搭建好的最初的AI路由优化模型发送至Zigbee控制模块。
本发明还揭示一种基于AI优化的Zigbee大规模路由系统,图2为本发明一实施例中Zigbee路由方法的示意图;请参阅图2,所述系统包括:AI数据统计与计算模块10及Zigbee控制模块20。
所述Zigbee控制模块20用以预建立Zigbee网络,预建立的Zigbee网络中Zigbee中心节点记录所有路由信息;建立完毕后,Zigbee控制模块20发送设定命令给AI数据统计与计算模块10,AI数据统计与计算模块10发起自主学习过程,搭建初始化的AI路由优化模型,并将搭建好的最初的AI路由优化模型发送至Zigbee控制模块20。
所述AI数据统计与计算模块10获取每个节点的最终得分;所述AI数据统计与计算模块10向网络中的所有节点逐一发起失效评估,即让单个节点失效,记录该失效节点为A,此时Zigbee网络会自动发生网络路由重建,若代替失效的A节点的A’节点出现,对A’节点做加ADD1处理;维持父节点不变的节点,同样做加ADD2处理;除代替A的A’外,父节点改变的节点需要记录成功改变的第一时间T1,做减SUB1处理;无儿子节点的最末节点分数不变;若A’节点未出现,意味着所有A节点的儿子节点将全部失效,对A节点做减SUB2处理;将该过程对网络中除中心节点的每一个节点轮询一遍,统计每一个节点最终得分;其中,上述描述参数ADD1、ADD2、SUB1|SUB2为计算权重,根据系统所处环境系统动态调整改变。
各节点最终得分获取过程结束后,恢复每个节点的路由状态,AI数据统计与计算模块10向每一个节点进行路由发起,每个节点做N次路由发起,并记录每条链路LA1,LA2,LA3,…。
LA1发生次数记录为N1,则LA1=N1,LA2=N2,LA3=N3,…,N1+N2+N3+…=N,Ni越大,则认为对于节点A链路LAi越优;路由发起结束后,AI数据统计与计算模块将链路信息发送给Zigbee控制模块20,并由Zigbee控制模块20做好记录;其中,上述描述参数N为计算权重,需要根据系统所处环境系统动态调整改变。
所述Zigbee控制模块20还用以正式建立Zigbee网络,实现基于所述AI路由优化模型的Zigbee网络,所述AI数据统计与计算模块10根据实际节点路由信息的变动动态学习与更新各节点信息。
系统启动后,所述Zigbee控制模块20向路由网络中每个节点发送在预建立网络系统中得分最高的m个父节点的信息,并由该节点进行保存,当节点当前的父节点失效时,从得分最高到最低,依次选择作为该节点的新的父节点;同时,当Zigbee网络运行时,AI数据统计与计算模块10依据获取每个节点最终得分的方法实时更新节点最终得分信息,并在网络空闲时更新给需要的节点。
在网络运行时,所述AI数据统计与计算模块10统计每个节点当前的工作负荷,工作负荷为每分钟信息流通个数,当节点A在设定路径上工作负荷超过权重H时,则发送消息给需要经过A节点的设定节点,使其更换路径至其他空闲路径,进而提高网络整体节点使用效率。
图5为本发明一实施例中Zigbee路由系统的组成示意图;请参阅图5,在本发明的一实施例中,Zigbee路由系统包括:重要节点获取模块30及节点切换模块40;重要节点获取模块30用以获取路由网络中各节点的重要节点;节点切换模块40用以在第一节点的后续某重要节点处于设定条件时,获取第一节点的其他重要节点,切换至其他重要节点进行通讯。
综上所述,本发明提出的基于AI优化的Zigbee大规模路由方法及系统,可以有效提高Zigbee路由网络的效率与稳定性;本发明支持Zigbee网络可以连接1000个以上的节点。同时,本发明改进部分对Zigbee网络中心节点的组成,而网络中其他每个节点均不需要做硬件改动,可以在商业中有效节省成本与替换效率。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
这里本发明的描述和应用是说明性的,并非想将本发明的范围限制在上述实施例中。实施例中所涉及的效果或优点可因多种因素干扰而可能不能在实施例中体现,对于效果或优点的描述不用于对实施例进行限制。这里所披露的实施例的变形和改变是可能的,对于那些本领域的普通技术人员来说实施例的替换和等效的各种部件是公知的。本领域技术人员应该清楚的是,在不脱离本发明的精神或本质特征的情况下,本发明可以以其它形式、结构、布置、比例,以及用其它组件、材料和部件来实现。在不脱离本发明范围和精神的情况下,可以对这里所披露的实施例进行其它变形和改变。

Claims (2)

1.一种基于AI优化的Zigbee大规模路由方法,其特征在于,所述方法包括:
步骤S1、Zigbee网络预建立步骤;
Zigbee控制模块预建立Zigbee网络,预建立的Zigbee网络中Zigbee中心节点记录所有路由信息;预建立Zigbee网络完毕后,Zigbee控制模块发送设定命令给AI数据统计与计算模块,AI数据统计与计算模块发起自主学习过程,搭建初始化的AI路由优化模型,并将搭建好的最初的AI路由优化模型发送至Zigbee控制模块;
AI数据统计与计算模块获取每个节点的最终得分;所述AI数据统计与计算模块向网络中的所有节点逐一发起失效评估,即让单个节点失效,记录该失效节点为A,此时Zigbee网络会自动发生网络路由重建,若代替失效的A节点的A’节点出现,对A’节点做加ADD1处理;维持父节点不变的节点,同样做加ADD2处理;除代替A的A’外,父节点改变的节点需要记录成功改变的第一时间T1,做减SUB1处理;无儿子节点的最末节点分数不变;若A’节点未出现,意味着所有A节点的儿子节点将全部失效,对A节点做减SUB2处理;将该过程对网络中除中心节点的每一个节点轮询一遍,统计每一个节点最终得分;其中,上述参数ADD1、ADD2、SUB1、SUB2为计算权重,根据系统所处环境系统动态调整改变;
上述过程结束后,恢复每个节点的路由状态,AI数据统计与计算模块向每一个节点进行路由发起,每个节点做N次路由发起,并记录每条链路LA1,LA2,LA3,…;
LA1发生次数记录为N1,则LA1=N1,LA2=N2,LA3=N3,…,N1+N2+N3+…=N,Ni越大,则认为对于节点A链路LAi越优;路由发起结束后,AI数据统计与计算模块将链路信息发送给Zigbee控制模块,并由Zigbee控制模块做好记录;其中,上述参数N为计算权重,需要根据系统所处环境系统动态调整改变;
上述过程结束后,重启zigbee网络,即完成AI数据统计与计算模块的路由优化初始化学习;
步骤S2、Zigbee网络正式建立步骤;
正式建立Zigbee网络,实现基于所述AI路由优化模型的Zigbee网络,AI数据统计与计算模块根据实际节点路由信息的变动动态学习与更新各节点信息;
系统启动后,Zigbee控制模块向路由网络中每个节点发送在预建立网络系统中得分最高的m个父节点的信息,并由该节点进行保存,当节点当前的父节点失效时,从得分最高到最低,依次选择作为该节点的新的父节点;同时,当Zigbee网络运行时,AI数据统计与计算模块依据获取每个节点最终得分的方法实时更新节点最终得分信息,并在网络空闲时更新给需要的节点;
在网络运行时,AI数据统计与计算模块统计每个节点当前的工作负荷,工作负荷为每分钟信息流通个数,当节点A在设定路径上工作负荷超过权重H时,则发送消息给需要经过A节点的设定节点,使其更换路径至其他空闲路径,进而提高网络整体节点使用效率。
2.一种基于AI优化的Zigbee大规模路由系统,其特征在于,所述系统包括:AI数据统计与计算模块及Zigbee控制模块;
所述Zigbee控制模块用以预建立Zigbee网络,预建立的Zigbee网络中Zigbee中心节点记录所有路由信息;建立完毕后,Zigbee控制模块发送设定命令给AI数据统计与计算模块,AI数据统计与计算模块发起自主学习过程,搭建初始化的AI路由优化模型,并将搭建好的最初的AI路由优化模型发送至Zigbee控制模块;
所述AI数据统计与计算模块获取每个节点的最终得分;所述AI数据统计与计算模块向网络中的所有节点逐一发起失效评估,即让单个节点失效,记录该失效节点为A,此时Zigbee网络会自动发生网络路由重建,若代替失效的A节点的A’节点出现,对A’节点做加ADD1处理;维持父节点不变的节点,同样做加ADD2处理;除代替A的A’外,父节点改变的节点需要记录成功改变的第一时间T1,做减SUB1处理;无儿子节点的最末节点分数不变;若A’节点未出现,意味着所有A节点的儿子节点将全部失效,对A节点做减SUB2处理;将该过程对网络中除中心节点的每一个节点轮询一遍,统计每一个节点最终得分;其中,上述参数ADD1、ADD2、SUB1、SUB2为计算权重,根据系统所处环境系统动态调整改变;
各节点最终得分获取过程结束后,恢复每个节点的路由状态,AI数据统计与计算模块向每一个节点进行路由发起,每个节点做N次路由发起,并记录每条链路LA1,LA2,LA3,…;
LA1发生次数记录为N1,则LA1=N1,LA2=N2,LA3=N3,…,N1+N2+N3+…=N,Ni越大,则认为对于节点A链路LAi越优;路由发起结束后,AI数据统计与计算模块将链路信息发送给Zigbee控制模块,并由Zigbee控制模块做好记录;其中,上述参数N为计算权重,需要根据系统所处环境系统动态调整改变;
所述Zigbee控制模块还用以正式建立Zigbee网络,实现基于所述AI路由优化模型的Zigbee网络,所述AI数据统计与计算模块根据实际节点路由信息的变动动态学习与更新各节点信息;
系统启动后,所述Zigbee控制模块向路由网络中每个节点发送在预建立网络系统中得分最高的m个父节点的信息,并由该节点进行保存,当节点当前的父节点失效时,从得分最高到最低,依次选择作为该节点的新的父节点;同时,当Zigbee网络运行时,AI数据统计与计算模块依据获取每个节点最终得分的方法实时更新节点最终得分信息,并在网络空闲时更新给需要的节点;
在网络运行时,所述AI数据统计与计算模块统计每个节点当前的工作负荷,工作负荷为每分钟信息流通个数,当节点A在设定路径上工作负荷超过权重H时,则发送消息给需要经过A节点的设定节点,使其更换路径至其他空闲路径,进而提高网络整体节点使用效率。
CN202010767499.4A 2020-08-03 2020-08-03 基于AI优化的Zigbee大规模路由方法及系统 Active CN112055393B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010767499.4A CN112055393B (zh) 2020-08-03 2020-08-03 基于AI优化的Zigbee大规模路由方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010767499.4A CN112055393B (zh) 2020-08-03 2020-08-03 基于AI优化的Zigbee大规模路由方法及系统

Publications (2)

Publication Number Publication Date
CN112055393A CN112055393A (zh) 2020-12-08
CN112055393B true CN112055393B (zh) 2023-03-17

Family

ID=73602335

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010767499.4A Active CN112055393B (zh) 2020-08-03 2020-08-03 基于AI优化的Zigbee大规模路由方法及系统

Country Status (1)

Country Link
CN (1) CN112055393B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116095781B (zh) * 2023-02-10 2023-08-15 惠州市源医科技有限公司 一种信道切换方法及5g智能路由器

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101013993A (zh) * 2007-02-12 2007-08-08 北京航空航天大学 优化树形拓扑覆盖网络路由的方法
CN107920368A (zh) * 2016-10-09 2018-04-17 郑州大学 一种无线传感网中基于生命周期的rpl路由优化方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007065987A1 (fr) * 2005-12-05 2007-06-14 France Telecom Procede de reconstruction d'un reseau ad hoc et des nœuds du reseau correspondant
CN102404817B (zh) * 2011-10-25 2015-04-01 中国科学院计算技术研究所 多汇聚节点无线传感器网络组网方法及其系统
CN102711209B (zh) * 2012-06-01 2015-02-11 广州市香港科大霍英东研究院 一种适用于无线传感器网络的动态自组织分层次路由方法
CN103051531B (zh) * 2012-12-03 2015-05-27 无锡交大联云科技有限公司 一种基于统计优化的ZigBee层级路由组网方法
CN105050149A (zh) * 2015-06-01 2015-11-11 苏州博联科技有限公司 用于解决Zigbee树型网络拥塞问题的路由方法
CN106332213B (zh) * 2016-08-24 2019-07-12 河海大学 一种减少ZigBee无线传输网络路由跳数的方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101013993A (zh) * 2007-02-12 2007-08-08 北京航空航天大学 优化树形拓扑覆盖网络路由的方法
CN107920368A (zh) * 2016-10-09 2018-04-17 郑州大学 一种无线传感网中基于生命周期的rpl路由优化方法

Also Published As

Publication number Publication date
CN112055393A (zh) 2020-12-08

Similar Documents

Publication Publication Date Title
US9077608B2 (en) Route calculation method and master node device in virtual network element
CN101304340B (zh) 一种资源状态监控方法及装置以及通信网络
US6898189B1 (en) Restartable spanning tree for high availability network systems
EP2472795B1 (en) Method and system for re-building single ring network topology
WO2017092400A1 (zh) 故障恢复方法及装置、控制器、软件定义网络
CN104468163B (zh) 容灾网络组网的方法、装置及容灾网络
JPH0450780B2 (zh)
CN101305559A (zh) 无线网络中的路由选择
CN112055393B (zh) 基于AI优化的Zigbee大规模路由方法及系统
CN114866365B (zh) 仲裁机选举方法、装置、智能设备及计算机可读存储介质
CN114726772B (zh) 一种基于优化网络拓扑结构的路由保护方法
TWI638550B (zh) 軟體定義網路的樹狀網路恢復方法、控制器以及記錄媒體
CN114461428A (zh) 一种用于双机集群脑裂的仲裁方法
CN101969682B (zh) 发现源节点和目的地节点之间的路由的方法和系统
KR101075462B1 (ko) 서브넷에서 마스터 노드를 선출하는 방법
CN101340377A (zh) 一种用于二层网络数据传输的方法、装置及其系统
US9246796B2 (en) Transmitting and forwarding data
CN114339931A (zh) 一种基于分簇的无人机自组网主动路由方法
CN111405489B (zh) 一种应用于无线网络的组播树构建方法
CN113037798B (zh) 多网关通信方法、系统、电子设备及存储介质
CN114727354B (zh) 一种基于虚拟骨干网的分簇最优链路状态路由方法
US8514876B2 (en) Method and apparatus for sequencing operations for an incoming interface check in data center ethernet
CN103634218A (zh) 路由快速收敛的方法及装置
CN116545842A (zh) 一种通信故障网络重构方法、系统、电子设备及存储介质
EP2479942A1 (en) Method and system for discovering ring network protection information

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