CN112135328B - 基于物联网的人工智能监测系统 - Google Patents

基于物联网的人工智能监测系统 Download PDF

Info

Publication number
CN112135328B
CN112135328B CN202011015800.2A CN202011015800A CN112135328B CN 112135328 B CN112135328 B CN 112135328B CN 202011015800 A CN202011015800 A CN 202011015800A CN 112135328 B CN112135328 B CN 112135328B
Authority
CN
China
Prior art keywords
cluster head
nodes
node
sensor
cluster
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
CN202011015800.2A
Other languages
English (en)
Other versions
CN112135328A (zh
Inventor
李振权
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.)
Kuaizhu Intelligent Technology Suzhou Co Ltd
Original Assignee
Kuaizhu Intelligent Technology Suzhou 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 Kuaizhu Intelligent Technology Suzhou Co Ltd filed Critical Kuaizhu Intelligent Technology Suzhou Co Ltd
Priority to CN202011015800.2A priority Critical patent/CN112135328B/zh
Publication of CN112135328A publication Critical patent/CN112135328A/zh
Application granted granted Critical
Publication of CN112135328B publication Critical patent/CN112135328B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • H04W40/20—Communication route or path selection, e.g. power-based or shortest path routing based on geographic position or location
    • 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
    • H04W40/08—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources based on transmission power
    • 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
    • H04W40/24—Connectivity information management, e.g. connectivity discovery or connectivity update
    • H04W40/32—Connectivity information management, e.g. connectivity discovery or connectivity update for defining a routing cluster membership
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Selective Calling Equipment (AREA)
  • Arrangements For Transmission Of Measured Signals (AREA)
  • Mobile Radio Communication Systems (AREA)
  • Telephonic Communication Services (AREA)

Abstract

基于物联网的人工智能监测系统，包括设置在智能电器内部的控制器单元、设置在室内用于对室内环境进行监测的环境监测单元、用于采集所述环境监测单元获得的环境监测数据的数据采集单元。本发明在传感器节点的成簇过程中，引入了簇头节点的成员接纳度H的概念，所述簇头节点的成员接纳度值有效的反应了簇头节点可接纳的簇内传感器节点数目，选取成员接纳度较大的簇头节点加入，能够避免个别簇头节点因能量耗尽或者簇内成员数较多而引起的过早死亡，从而造成网络瘫痪，影响网络的使用性能；在对成员接纳度进行计算时，采用传感器节点监测其通信半径内加入簇头节点中的传感器节点数进行估算，使得成员接纳度在成簇过程中随着簇头节点中实际加入的传感器节点数进行调整，相较于传统的簇内节点控制放法，采用本优选实施例的成员接纳度对簇内节点数进行控制，具有较高的准确性。

Description

基于物联网的人工智能监测系统
技术领域
本发明创造涉及智能家居领域，具体涉及一种基于物联网的人工智能监测系统。
背景技术
家居是整个社会人民生活的重要一部分内容，当前随着经济的不断发展，国民生活方式与观念日益产生较大的变化，人们对家居智能化生活环境的要求不断提高。互联网技术的发展带来了物联网技术的革命，它的出现给人们的生活带来了翻天覆地的变化，通过互联网远程控制智能家电以及采集智能家居的各种信息，从而实现家用电器的网络化、智能化管理。
发明内容
针对上述问题，本发明旨在提供一种基于物联网的人工智能监测系统。
本发明创造的目的通过以下技术方案实现：
基于物联网的人工智能监测系统，包括设置在智能电器内部的控制器单元、设置在室内用于对室内环境进行监测的环境监测单元、用于采集所述环境监测单元获得的环境监测数据的数据采集单元，所述数据采集单元和环境监测单元采用分簇结构的无线传感器网络进行通信，数据采集单元连接有物联网智能监测平台，所述物联网智能监测平台根据数据采集单元获得的环境监测数据对室内环境进行分析和评估，根据评估结果制定对智能电器的控制指令，并将所述控制指令发送至控制器单元，由控制器单元根据所述控制指令控制智能电器的运行。
本发明创造的有益效果：通过传感器节点实时感知室内环境数据，并通过无线传感器网络进行环境数据的实时传输，实现了家居环境数据的实时采集和有效传输；对所述家居环境数据进行分析和评估，实现了对家居环境的实时掌握和对智能家居的远程控制。
附图说明
利用附图对发明创造作进一步说明，但附图中的实施例不构成对本发明创造的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1是本发明结构示意图；
附图标记：
控制器单元1；环境监测单元2；数据采集单元3；物联网智能监测平台4；本地数据库5。
具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1，本实施例的基于物联网的人工智能监测系统，包括设置在智能电器内部的控制器单元1、设置在室内用于对室内环境进行监测的环境监测单元2、用于采集所述环境监测单元2获得的环境监测数据的数据采集单元3，所述数据采集单元3和环境监测单元2采用分簇结构的无线传感器网络进行通信，数据采集单元3连接有物联网智能监测平台4，所述物联网智能监测平台4根据数据采集单元3获得的环境监测数据对室内环境进行分析和评估，根据评估结果制定对智能电器的控制指令，并将所述控制指令发送至控制器单元1，由控制器单元1根据所述控制指令控制智能电器的运行。
优选地，还包括本地数据库5，所述本地数据库5与数据采集单元3相连，用于将数据采集单元3获得的环境监测数据进行保存。
优选地，物联网智能监测平台4采用4G或者WiFi的通信方式将控制指令发送至控制器单元1。
本优选实施例通过传感器节点实时感知室内环境数据，并通过无线传感器网络进行环境数据的实时传输，实现了家居环境数据的实时采集和有效传输；对所述家居环境数据进行分析和评估，实现了对家居环境的实时掌握和对智能家居的远程控制
优选地，在无线传感器网络中，当传感器节点i满足{rand(i)＜fi,i∈G}时，则传感器节点i为簇头节点，其中，rand()为产生[0,1]范围内的随机数，fi为传感器节点i对应的阈值，且
Figure BDA0002699021250000021
式中，Ni为传感器节点i的剩余能量值，Ni(0)为传感器节点i的初始能量值，t为当前轮数，P为预期簇头节点的百分比，即每个传感器节点成为簇头节点的概率，G是最近1/(P×βi)轮内未当选簇头节点的传感器节点集合，βi为预期簇头节点百分比的调节参数，βi的表达式为：
Figure BDA0002699021250000022
式中，ri为传感器节点i的通信半径，Si为传感器节点i所在监测区域面积，Li表示传感器节点i的通信半径内的传感器节点数，A和B为权重系数，且A+B＝1。
本优选实施例在簇头节点的选取过程中，引入了调节参数βi对预期簇头节点的百分比进行调节，使得能够在满足最大监测区域覆盖的情况下选取较少的簇头节点数，从而节约资源。
优选地，簇头节点选取完成后，当选为簇头的传感器节点广播通告消息，普通传感器节点接收到簇头节点广播的通告消息后选择簇头节点加入，定义簇头节点的成员接纳度为H，设传感器节点j的通信半径内的簇头节点集合为{CHx,x＝1,2,…,Kj}，其中，Kj为传感器节点j的通信半径内的簇头节点总数，传感器节点j在簇头节点集合{CHx}中选择成员接纳度H值最大的簇头节点加入，设簇头节点CHi为集合{CHx}中的簇头节点，则簇头节点CHi对应的成员接纳度H(CHi)的计算公式为：
Figure BDA0002699021250000031
式中，
Figure BDA0002699021250000032
为簇头节点CHi的剩余能量值，rj表示传感器节点j的通信半径，
Figure BDA0002699021250000033
表示簇头节点CHi的通信半径，
Figure BDA0002699021250000034
为传感器节点j在其通信半径内监测到的簇头节点CHi中加入的传感器节点的数量，ERx表示簇头节点接收每个传感器节点的数据需要耗费的能量，ETx表示簇头节点向汇聚节点发送数据需要消耗的能量。
本优选实施例在传感器节点的成簇过程中，引入了簇头节点的成员接纳度H的概念，所述簇头节点的成员接纳度值有效的反应了簇头节点可接纳的簇内传感器节点数目，选取成员接纳度较大的簇头节点加入，能够避免个别簇头节点因能量耗尽或者簇内成员数较多而引起的过早死亡，从而造成网络瘫痪，影响网络的使用性能；在对成员接纳度进行计算时，采用传感器节点监测其通信半径内加入簇头节点中的传感器节点数进行估算，使得成员接纳度在成簇过程中随着簇头节点中实际加入的传感器节点数进行调整，相较于传统的簇内节点控制放法，采用本优选实施例的成员接纳度对簇内节点数进行控制，具有较高的准确性。
优选地，在所述分簇结构的无线传感器网络中，在簇头节点采用模糊C均值聚类算法对簇内采集得到的环境监测数据进行聚类，并将聚类结果传输至汇聚节点，由汇聚节点发送至数据采集单元进行处理。
优选地，对簇头节点采用的模糊C均值聚类算法中的隶属度函数进行改进，设uil表示第l个数据属于第i类的隶属度，uil的表达式为：
Figure BDA0002699021250000035
式中，sl表示第l个数据，vi表示第i类的中心，vk表示第k类的中心，V表示类别数，sl(x,y)表示数据sl所对应的位置，vi(x,y)表示类中心vi所对应的位置，m是模糊因子，β为调节参数；
本优选实施例在对模糊C均值聚类算法中的隶属度函数进行定义时，根据传感器节点采集数据的特性，引入了传感器节点的位置信息作为调节参数，相较于传统的隶属度函数，本优选实施例的隶属度函数中既考虑了传感器节点感知数据的相似性，又考虑了传感器节点的位置信息对聚类结果的影响，因此相较于传统的隶属度函数，采用本优选实施例的隶属度函数对传感器节点采集的数据进行聚类，具有较好的聚类效果。
最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。

Claims (5)

1.基于物联网的人工智能监测系统，其特征是，包括设置在智能电器内部的控制器单元、设置在室内用于对室内环境进行监测的环境监测单元、用于采集所述环境监测单元获得的环境监测数据的数据采集单元，所述数据采集单元和环境监测单元采用分簇结构的无线传感器网络进行通信，数据采集单元连接有物联网智能监测平台，所述物联网智能监测平台根据数据采集单元获得的环境监测数据对室内环境进行分析和评估，根据评估结果制定对智能电器的控制指令，并将所述控制指令发送至控制器单元，由控制器单元根据所述控制指令控制智能电器的运行；
其中，在无线传感器网络中，当传感器节点
Figure DEST_PATH_IMAGE002
满足
Figure DEST_PATH_IMAGE004
时，则传感器节点
Figure 231930DEST_PATH_IMAGE002
为簇头节点，其中，
Figure DEST_PATH_IMAGE006
为产生
Figure DEST_PATH_IMAGE008
范围内的随机数，
Figure DEST_PATH_IMAGE010
为传感器节点
Figure 45341DEST_PATH_IMAGE002
对应的阈值；
且
Figure DEST_PATH_IMAGE012
，式中，
Figure DEST_PATH_IMAGE014
为传感器节点
Figure 277608DEST_PATH_IMAGE002
的剩余能量值，
Figure DEST_PATH_IMAGE016
为传感器节点
Figure 610501DEST_PATH_IMAGE002
的初始能量值，
Figure DEST_PATH_IMAGE018
为当前轮数，
Figure DEST_PATH_IMAGE020
为预期簇头节点的百分比，即每个传感器节点成为簇头节点的概率，
Figure DEST_PATH_IMAGE022
是最近
Figure DEST_PATH_IMAGE024
轮内未当选簇头节点的传感器节点集合，
Figure DEST_PATH_IMAGE026
为预期簇头节点百分比的调节参数，
Figure 270545DEST_PATH_IMAGE026
的表达式为：
Figure DEST_PATH_IMAGE028
式中，
Figure DEST_PATH_IMAGE030
为传感器节点
Figure 968374DEST_PATH_IMAGE002
的通信半径，
Figure DEST_PATH_IMAGE032
为传感器节点
Figure 173091DEST_PATH_IMAGE002
所在监测区域面积，
Figure DEST_PATH_IMAGE034
表示传感器节点
Figure 542630DEST_PATH_IMAGE002
的通信半径内的传感器节点数，
Figure DEST_PATH_IMAGE036
和
Figure DEST_PATH_IMAGE038
为权重系数，且
Figure DEST_PATH_IMAGE040
；
在簇头节点的选取过程中，引入了调节参数
Figure 821295DEST_PATH_IMAGE026
对预期簇头节点的百分比进行调节；
簇头节点选取完成后，当选为簇头的传感器节点广播通告消息，普通传感器节点接收到簇头节点广播的通告消息后选择簇头节点加入，定义簇头节点的成员接纳度为
Figure DEST_PATH_IMAGE042
，设传感器节点
Figure DEST_PATH_IMAGE044
的通信半径内的簇头节点集合为
Figure DEST_PATH_IMAGE046
，其中，
Figure DEST_PATH_IMAGE048
为传感器节点
Figure 129173DEST_PATH_IMAGE044
的通信半径内的簇头节点总数，传感器节点
Figure 86765DEST_PATH_IMAGE044
在簇头节点集合
Figure DEST_PATH_IMAGE050
中选择成员接纳度
Figure 856400DEST_PATH_IMAGE042
值最大的簇头节点加入，设簇头节点
Figure DEST_PATH_IMAGE052
为
Figure 158548DEST_PATH_IMAGE050
集合中的簇头节点，则簇头节点
Figure 385130DEST_PATH_IMAGE052
对应的成员接纳度
Figure DEST_PATH_IMAGE054
的计算公式为：
Figure DEST_PATH_IMAGE056
式中，
Figure DEST_PATH_IMAGE058
为簇头节点
Figure 111909DEST_PATH_IMAGE052
的剩余能量值，
Figure DEST_PATH_IMAGE060
表示传感器节点
Figure 590295DEST_PATH_IMAGE044
的通信半径，
Figure DEST_PATH_IMAGE062
表示簇头节点
Figure 171449DEST_PATH_IMAGE052
的通信半径，
Figure DEST_PATH_IMAGE064
为传感器节点
Figure 680184DEST_PATH_IMAGE044
在其通信半径内监测到的簇头节点
Figure 815630DEST_PATH_IMAGE052
中加入的传感器节点的数量，
Figure DEST_PATH_IMAGE066
表示簇头节点接收每个传感器节点的数据需要耗费的能量，
Figure DEST_PATH_IMAGE068
表示簇头节点向汇聚节点发送数据需要消耗的能量。
2.根据权利要求1所述的基于物联网的人工智能监测系统，其特征是，还包括本地数据库，所述本地数据库与数据采集单元相连，用于将数据采集单元获得的环境监测数据进行保存。
3.根据权利要求2所述的基于物理网的智能监测系统，其特征是，物联网智能监测平台采用4G或者WiFi的通信方式将控制指令发送至控制器单元。
4.根据权利要求1-3任一项所述的基于物联网的人工智能监测系统，在所述分簇结构的无线传感器网络中，在簇头节点采用模糊C均值聚类算法对簇内采集得到的环境监测数据进行聚类，并将聚类结果传输至汇聚节点，由汇聚节点发送至数据采集单元进行处理。
5.根据权利要求4所述的基于物联网的人工智能监测系统，对簇头节点采用的模糊C均值聚类算法中的隶属度函数进行改进，设
Figure DEST_PATH_IMAGE070
表示第
Figure DEST_PATH_IMAGE072
个数据属于第
Figure 769811DEST_PATH_IMAGE002
类的隶属度，
Figure 798947DEST_PATH_IMAGE070
的表达式为：
Figure DEST_PATH_IMAGE074
式中，
Figure DEST_PATH_IMAGE076
表示第
Figure 413337DEST_PATH_IMAGE072
个数据，
Figure DEST_PATH_IMAGE078
表示第
Figure 301658DEST_PATH_IMAGE002
类的中心，
Figure DEST_PATH_IMAGE080
表示第
Figure DEST_PATH_IMAGE082
类的中心，
Figure DEST_PATH_IMAGE084
表示类别数，
Figure DEST_PATH_IMAGE086
表示数据
Figure 92153DEST_PATH_IMAGE076
所对应的位置，
Figure DEST_PATH_IMAGE088
表示类中心
Figure 382320DEST_PATH_IMAGE078
所对应的位置，
Figure DEST_PATH_IMAGE090
是模糊因子，
Figure DEST_PATH_IMAGE092
为调节参数。
CN202011015800.2A 2019-06-04 2019-06-04 基于物联网的人工智能监测系统 Active CN112135328B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011015800.2A CN112135328B (zh) 2019-06-04 2019-06-04 基于物联网的人工智能监测系统

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202011015800.2A CN112135328B (zh) 2019-06-04 2019-06-04 基于物联网的人工智能监测系统
CN201910482477.0A CN110191432B (zh) 2019-06-04 2019-06-04 基于物联网的智能监测系统

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
CN201910482477.0A Division CN110191432B (zh) 2019-06-04 2019-06-04 基于物联网的智能监测系统

Publications (2)

Publication Number Publication Date
CN112135328A CN112135328A (zh) 2020-12-25
CN112135328B true CN112135328B (zh) 2022-08-26

Family

ID=67720279

Family Applications (2)

Application Number Title Priority Date Filing Date
CN201910482477.0A Active CN110191432B (zh) 2019-06-04 2019-06-04 基于物联网的智能监测系统
CN202011015800.2A Active CN112135328B (zh) 2019-06-04 2019-06-04 基于物联网的人工智能监测系统

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN201910482477.0A Active CN110191432B (zh) 2019-06-04 2019-06-04 基于物联网的智能监测系统

Country Status (1)

Country Link
CN (2) CN110191432B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110881173B (zh) * 2019-11-14 2023-05-09 河南工业职业技术学院 一种基于物联网的环境监测系统
CN111669722B (zh) * 2020-06-16 2021-10-01 常熟理工学院 一种基于多路径的物联网智能环境监测系统实现方法
CN114061656A (zh) * 2021-11-05 2022-02-18 宋东梅 基于物联网的人工智能环境监测装置及系统
CN115643123B (zh) * 2022-12-26 2023-03-21 无锡谨研物联科技有限公司 一种物联网多网融合实验系统及方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007300572A (ja) * 2006-05-08 2007-11-15 Hitachi Ltd センサネットシステム、センサネット位置特定方法
CN103209455A (zh) * 2013-01-06 2013-07-17 南昌大学 一种基于节点位置信息的无线传感网路由方法
CN103298054A (zh) * 2013-06-04 2013-09-11 四川大学 一种基于节点深度的无线传感器网络分簇路由协议
CN107102563A (zh) * 2017-06-24 2017-08-29 深圳源广安智能科技有限公司 一种基于云计算的智能家电节能控制系统
CN109031966A (zh) * 2018-07-25 2018-12-18 梧州市兴能农业科技有限公司 智能家居系统
CN109101065A (zh) * 2018-11-08 2018-12-28 广州益牛科技有限公司 智能家居温湿度环境智能调节系统
CN109405194A (zh) * 2018-10-19 2019-03-01 深圳美特优科技有限公司 室内环境智能实时管理系统

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI404357B (zh) * 2008-12-10 2013-08-01 Ind Tech Res Inst 發射功率控制方法與系統
TWI398182B (zh) * 2009-09-01 2013-06-01 Univ Nat Taiwan 應用於無線感測器網路之多跳路由演算法
CN106034280A (zh) * 2015-03-12 2016-10-19 北京信威通信技术股份有限公司 一种自组网中基于节点身份特征的分簇方法
CN106297252B (zh) * 2016-10-10 2019-07-23 重庆玖正环境科技有限公司 一种工业园区大气污染监测系统
CN106899468A (zh) * 2017-04-21 2017-06-27 上海喆之信息科技有限公司 基于物联网的智能家居系统
CN107577153A (zh) * 2017-09-13 2018-01-12 潘金文 一种智能家居设备无线调控系统
CN108430048A (zh) * 2018-03-03 2018-08-21 深圳万发创新进出口贸易有限公司 一种基于wsn技术的酒厂储酒罐温度监测系统
CN108495282A (zh) * 2018-03-06 2018-09-04 深圳汇创联合自动化控制有限公司 一种有效的室内环境舒适度检测系统
CN108366438B (zh) * 2018-03-09 2021-09-07 成都世纪光合作用科技有限公司 大规模自组织无线通信的生成簇组网方法和生成簇网络

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007300572A (ja) * 2006-05-08 2007-11-15 Hitachi Ltd センサネットシステム、センサネット位置特定方法
CN103209455A (zh) * 2013-01-06 2013-07-17 南昌大学 一种基于节点位置信息的无线传感网路由方法
CN103298054A (zh) * 2013-06-04 2013-09-11 四川大学 一种基于节点深度的无线传感器网络分簇路由协议
CN107102563A (zh) * 2017-06-24 2017-08-29 深圳源广安智能科技有限公司 一种基于云计算的智能家电节能控制系统
CN109031966A (zh) * 2018-07-25 2018-12-18 梧州市兴能农业科技有限公司 智能家居系统
CN109405194A (zh) * 2018-10-19 2019-03-01 深圳美特优科技有限公司 室内环境智能实时管理系统
CN109101065A (zh) * 2018-11-08 2018-12-28 广州益牛科技有限公司 智能家居温湿度环境智能调节系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Sang Hyuk Lee ; Soobin Lee ; Heecheol Song ; Hwang Soo Lee.Gradual cluster head election for high network connectivity in large-scale sensor networks.《13th International Conference on Advanced Communication Technology (ICACT2011)》.2011, *
无线传感器网络数据融合技术研究;刘晨;《硕士学位论文》;20180501;全文 *

Also Published As

Publication number Publication date
CN110191432A (zh) 2019-08-30
CN110191432B (zh) 2020-12-04
CN112135328A (zh) 2020-12-25

Similar Documents

Publication Publication Date Title
CN112135328B (zh) 基于物联网的人工智能监测系统
CN106870424B (zh) 一种空气导向装置及系统
CN105684524B (zh) 通信系统、接入网络节点和优化通信网络中能耗的方法和装置
CN105959987B (zh) 一种提高无线传感器网络能量利用率和服务性能的数据融合算法
CN108230649A (zh) 基于无线传感器网络的温室精细作物生长环境监测系统及方法
CN110244626A (zh) 基于强化学习的多用户水产养殖自动调控系统及方法
CN109407624A (zh) 一种基于温湿度指数的牛舍环境调控系统及其调控方法
CN116545954B (zh) 基于物联网的通信网关数据传输方法及系统
CN107959729B (zh) 基于无线传感器网络的农作物生长环境监测系统及方法
CN113359486A (zh) 一种基于神经网络算法调控的智能窗户系统及调节方法
Stamenković et al. Advanced wireless sensor nodes and networks for agricultural applications
CN113869482A (zh) 一种基于深度强化学习的智慧路灯自适应节能控制方法及系统
CN109152103A (zh) 一种对无线传感器网络进行组网方法及装置
CN106094762B (zh) 一种基于感应人数的智能家居设备控制方法与系统
CN115390504A (zh) 一种基于5g物联网的智慧农业种植系统
Pandiyaraju et al. An optimal energy utilization model for precision agriculture in WSNs using multi-objective clustering and deep learning
CN108999517A (zh) 智能家居通风调节系统
CN105682179A (zh) 一种基于移动协调节点与数据暂存机制的猪舍监控方法
CN110337082B (zh) 基于环境的家禽饲养监测传感网络的发送速率调整方法
CN108200148A (zh) 应用无线传感器网络的果园监控系统
CN111895584A (zh) 空调器的控制方法及装置、空调器
CN108810845B (zh) 油田输油管道的电热带温度监控系统
CN115086903A (zh) 基于模糊Q-learning的能量收集无线传感器占空比自适应调节方法
CN108828978B (zh) 基于计算机控制的温室智能控制装置
CN106714262A (zh) 一种基于自适应模糊控制的无线传感器网络拓扑控制算法

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
TA01 Transfer of patent application right

Effective date of registration: 20220805

Address after: 215011 No. 209 Chuk Yuen Road, hi tech Zone, Jiangsu, Suzhou

Applicant after: KUAIZHU INTELLIGENT TECHNOLOGY (SUZHOU) Co.,Ltd.

Address before: Government Affairs Service Hall, No. 8, Yantian, Yangpu Economic Development Zone, a county-level administrative division directly under the Central Government of Hainan Province, 578000

Applicant before: Yangpu Keyi Fengrun Technology Co.,Ltd.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant