CN115022892A - 基于改进虚拟力的化工厂环境中传感器节点部署方法 - Google Patents

基于改进虚拟力的化工厂环境中传感器节点部署方法 Download PDF

Info

Publication number
CN115022892A
CN115022892A CN202210607620.6A CN202210607620A CN115022892A CN 115022892 A CN115022892 A CN 115022892A CN 202210607620 A CN202210607620 A CN 202210607620A CN 115022892 A CN115022892 A CN 115022892A
Authority
CN
China
Prior art keywords
sensor node
nodes
ith
node
sensor
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
Application number
CN202210607620.6A
Other languages
English (en)
Other versions
CN115022892B (zh
Inventor
周剑
杜守都
李鑫
汤柯
章博文
李群
肖甫
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.)
Nanjing University of Posts and Telecommunications
Original Assignee
Nanjing University of Posts and Telecommunications
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 Nanjing University of Posts and Telecommunications filed Critical Nanjing University of Posts and Telecommunications
Priority to CN202210607620.6A priority Critical patent/CN115022892B/zh
Publication of CN115022892A publication Critical patent/CN115022892A/zh
Application granted granted Critical
Publication of CN115022892B publication Critical patent/CN115022892B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/18—Network planning tools
    • H04W16/20—Network planning tools for indoor coverage or short range network deployment
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/08—Configuration management of networks or network elements
    • H04L41/0803—Configuration setting
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/08—Configuration management of networks or network elements
    • H04L41/0889—Techniques to speed-up the configuration process
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W84/00—Network topologies
    • H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
    • 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
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)

Abstract

基于改进虚拟力的化工厂环境中传感器节点部署方法，首先，在化工厂环境中随机部署传感器节点，并对化工厂环境中各区域通过风险矩阵法计算出其风险值。然后，通过传感器节点之间的虚拟力更新传感器节点的位置。接着，通过空白节点对传感器节点施加的吸引力更新周围的传感器节点的位置。其次，通过化工厂环境内设施对传感器节点施加的吸引力更新周围的传感器节点的位置。此方法可以使得化工厂环境内的传感器节点部署地更加快速、合理。

Description

基于改进虚拟力的化工厂环境中传感器节点部署方法
技术领域
本发明涉及传感器部署领域，具体涉及一种基于改进虚拟力的化工厂环境中传感器节点部署方法。
背景技术
随着化工厂的发展，意外事故的种类和范围都在不断扩大，各种危险设备包含高温，高电压，一旦发生事故后，将造成不可估量的后果，所以这就要求化工厂环境的传感器节点必须迅速可靠地检测出事故发生的位置，并能及时发出报警和采取快速有效措施进行补救。
传统的虚拟力算法部署传感器节点通过给化工厂环境内的传感器节点施加吸引力和排斥力，使得节点不断更新自己的位置，提高自己的覆盖率，但是这种方式并没有结合化工厂环境内具体情况，没有区分高风险地区和低风险地区的优先级，传感器节点的部署缺乏合理性。
发明内容
本发明提出了基于改进虚拟力的化工厂环境中传感器节点部署方法，首先，在化工厂环境中随机部署传感器节点，并对化工厂环境中各区域通过风险矩阵法计算出其风险值。然后，通过传感器节点之间的虚拟力更新传感器节点的位置。接着，通过空白节点对传感器节点施加的吸引力更新周围的传感器节点的位置。其次，通过化工厂环境内设施对传感器节点施加的吸引力更新周围的传感器节点的位置。此方法可以使得化工厂环境内的传感器节点部署地更加快速、合理。
基于改进虚拟力的化工厂环境中传感器节点部署方法，包括如下步骤：
步骤1，在化工厂环境中随机部署传感器节点并计算不同区域的风险值；
步骤2，根据其他传感器节点对第i个传感器节点的虚拟力，结合风险值和节点之间的距离，更新第i个传感器节点的位置；
步骤3，根据空白节点对第i个传感器节点的吸引力，结合风险值和节点之间的距离，更新第i个传感器节点的位置；
步骤4，根据设施对第i个传感器节点的吸引力，结合风险值和节点与设施之间的距离，更新第i个传感器节点的位置；
步骤5，迭代i，得到所有传感器节点更新后的位置；
步骤6，迭代M轮，得到所有传感器节点最终的部署位置。
进一步地，所述步骤1具体步骤如下：
步骤1-1，通过随机布点在长为X，宽为Y，有T个设施包括管线和储油罐的化工厂区域中部署N个传感器节点，传感器节点的感知半径为R；将化工厂区域离散成X*Y个节点，将与任一传感器节点的距离都大于感知半径的节点称为空白节点，将与任一传感器节点的距离小于感知半径的节点为可被感知节点；
步骤1-2，将化工厂区域通过其危害后果性和危害发生可能性分成若干区域，并给不同的区域赋风险值，使得风险值高的地方传感器节点越密集。
进一步地，步骤1-2中，通过风险矩阵法的危害后果性和危害发生可能性评级划分来对不同地区的风险值进行判断，判断步骤如下：
步骤1-2-1，确定危害事件发生的严重程度S，从人员伤亡情况、财产损失、法律法规符合性、环境破坏和对企业声誉损坏五个方面对后果的严重程度进行评价取值；
步骤1-2-2，确定危害事件发生的可能性L，从偏差发生的频率、安全检查、操作规程、员工胜任程度、操作措施五个方面对危害事件发生的可能性进行评价取值；
步骤1-2-3，加权考虑危害事件的严重程度，不同区域的风险值A的计算公式如下：
A＝L*eS。
进一步地，所述步骤2中，根据虚拟力算法，传感器节点会互相施加引力或斥力，在传感器节点部署优化过程中，通过施加的虚拟力来更新传感器节点的位置；在虚拟力算法基础上考虑不同区域的风险值，具体步骤如下：
步骤2-1，第i个传感器节点受到第j个传感器节点的虚拟力后，第i个传感器节点的新位置
Figure BDA0003671992840000031
的计算如下：
Figure BDA0003671992840000032
Figure BDA0003671992840000033
其中，
Figure BDA0003671992840000034
代表第i个传感器节点移动前的位置，Cij表示第i个传感器节点受到第j个传感器节点产生的虚拟力作用后移动的最大值，计算公式如下：
Figure BDA0003671992840000041
其中，Ai表示第i个传感器节点所在区域的风险值，
Figure BDA0003671992840000042
表示第i个传感器节点和第j个传感器节点间的距离，计算如下：
Figure BDA0003671992840000043
其中，(xj,yj)表示第j个传感器节点的位置；
Figure BDA0003671992840000044
表示第i个传感器节点受到第j个传感器节点的虚拟力，计算公式如下：
Figure BDA0003671992840000045
其中，
Figure BDA0003671992840000046
表示
Figure BDA0003671992840000047
在x轴方向上的分量，
Figure BDA0003671992840000048
表示
Figure BDA0003671992840000049
在y轴方向上的分量，计算公式如下：
Figure BDA00036719928400000410
Figure BDA00036719928400000411
其中，Rhigh表示设置的传感器节点间距离的上限阈值，Rlow表示设置的传感器节点间距离的下限阈值；
步骤2-2，迭代j，计算所有传感器节点对第i个传感器节点产生的虚拟力带来的位置变换，得到更新后的第i个传感器节点位置
Figure BDA00036719928400000412
进一步地，所述步骤3中，将未被覆盖的第t个空白节点对周围半径Rb内的传感器节点增加吸引力，Rb表示设置的空白节点和传感器节点距离的阈值，使传感器节点快速准确地覆盖工厂区域，提高覆盖率，具体步骤如下：
步骤3-1，第i个传感器节点受到第t个空白节点的吸引力后，第i个传感器节点的新位置
Figure BDA0003671992840000051
的计算如下：
Figure BDA0003671992840000052
Figure BDA0003671992840000053
其中，Cit表示第i个传感器节点受到第t个空白节点的吸引力后移动的最大值，计算公式如下：
Figure BDA0003671992840000054
其中，Ai表示第i个传感器节点所在区域的风险值，
Figure BDA0003671992840000055
表示第i个传感器节点和第t个空白节点的距离，计算如下：
Figure BDA0003671992840000056
其中，
Figure BDA0003671992840000057
表示第t个空白节点的位置；
Figure BDA0003671992840000058
表示第t个空白节点对第i个传感器节点的吸引力，计算公式如下：
Figure BDA0003671992840000059
其中，
Figure BDA00036719928400000510
表示
Figure BDA00036719928400000511
在x轴方向上的分量，
Figure BDA00036719928400000512
表示
Figure BDA00036719928400000513
在y轴方向上的分量，计算公式如下：
Figure BDA0003671992840000061
Figure BDA0003671992840000062
步骤3-2，迭代t，计算所有空白节点对第i个传感器节点产生的吸引力带来的位置变换，得到更新后的传感器节点位置
Figure BDA0003671992840000063
进一步地，所述步骤4中，当传感器节点处于化工厂设施的周边时，优先向它们靠齐。为化工厂设施增添对半径Rhigh范围内传感器节点的吸引力，Rhigh表示设置的设施和传感器节点的距离阈值，具体步骤如下：
步骤4-1，第i个传感器节点受到第k个设施的吸引力后，第i个传感器节点的新位置
Figure BDA0003671992840000064
的计算如下：
Figure BDA0003671992840000065
Figure BDA0003671992840000066
其中，Cik表示第i个传感器节点受到第k个设施的吸引力作用后移动的最大值，计算公式如下：
Figure BDA0003671992840000067
其中，Ai表示第i个传感器节点所在区域的风险值，
Figure BDA0003671992840000068
表示第i个传感器节点和第k个设施的距离，计算如下：
Figure BDA0003671992840000069
其中，(xw,yw)表示第i个传感器节点在第k个设施上的垂点；
Figure BDA00036719928400000610
表示第k个设施对第i个传感器节点的吸引力，计算公式如下：
Figure BDA0003671992840000071
其中，
Figure BDA0003671992840000072
表示
Figure BDA0003671992840000073
在x轴方向上的分量，
Figure BDA0003671992840000074
表示
Figure BDA0003671992840000075
在y轴方向上的分量，计算公式如下：
Figure BDA0003671992840000076
Figure BDA0003671992840000077
其中，
Figure BDA0003671992840000078
表示
Figure BDA0003671992840000079
在x轴方向上的分量，
Figure BDA00036719928400000710
表示
Figure BDA00036719928400000711
在y轴方向上的分量；
步骤4-2，迭代k，计算所有设施对第i个传感器节点产生的吸引力带来的位置变换，得到更新后的第i个传感器节点的位置
Figure BDA00036719928400000712
将
Figure BDA00036719928400000713
作为第i个传感器节点这一轮后的移动位置。
进一步地，所述步骤5中，判断i的迭代次数是否达到N次；若没有，则重复步骤2-4；若达到N次，得到所有N个传感器节点经过一轮后的移动位置。
进一步地，所述步骤6中，判断上述过程的迭代次数是否达到M次；若没有，则重复步骤2-5；若达到M次，得到M轮后所有传感器节点的最终部署位置。
本发明达到的有益效果为：本方法通过计算化工厂环境中各区域的风险值和添加空白节点和化工厂环境内的设施对传感器节点的吸引力，可以使得传感器节点可以更加快速、合理的部署在化工厂环境内，可行性高同时实现成本低，同时具有很强的实际价值。
附图说明
图1为本发明实施例中所述的基于改进虚拟力的化工厂环境中传感器节点部署方法流程示意图。
具体实施方式
下面结合说明书附图对本发明的技术方案做进一步的详细说明。
基于改进虚拟力的化工厂环境中传感器节点部署方法，参照图1，包括如下步骤：
步骤1：在化工厂环境中随机部署传感器节点并计算不同区域的风险矩阵值。具体步骤如下：
步骤1-1：通过随机布点在长为X，宽为Y，有T个设施(管线和储油罐)的化工厂区域中部署N个传感器节点。传感器节点的感知半径为R。将化工厂区域离散成X*Y个节点，将与任一传感器节点的距离都大于感知半径的节点称为空白节点，将与任一传感器节点的距离小于感知半径的节点为可被感知节点。
步骤1-2：将化工厂区域通过其危害后果性和危害发生的可能性分成若干区域，并给不同的区域赋风险值，使得风险值高的地方传感器节点越密集。参考,风险矩阵法的后果性和事件发生可能性评级划分来对不同地区的风险值进行判断，判断步骤如下：
步骤1-2-1：确定危害事件发生的严重程度(S)，对照表1从人员伤亡情况、财产损失、法律法规符合性、环境破坏和对企业声誉损坏五个方面对后果的严重程度进行评价取值，取五项得分最高的分值作为其最终的S值。
表1危害事件发生的严重程度(S)
Figure BDA0003671992840000081
Figure BDA0003671992840000091
步骤1-2-2：确定危害事件发生的可能性(L)，对照表2从偏差发生的频率、安全检查、操作规程、员工胜任程度、操作措施五个方面对危害事件发生的可能性进行评价取值，取五项得分的最高的分值作为其最终的L值。
表2危害事件发生的可能性(L)
Figure BDA0003671992840000092
Figure BDA0003671992840000101
Figure BDA0003671992840000111
步骤1-2-3：考虑到化工厂区域生产处理的物质往往具有易燃、易爆、腐蚀性强和有害物质多等特点，且生产装置往往趋向大型化，一旦发生事故，波及面很大，加权考虑危害事件的严重程度。
不同区域的风险值A的计算公式如下：
A＝L*eS。
步骤2：根据其他传感器节点对第i个传感器节点的虚拟力，更新第i个传感器节点的位置。
根据虚拟力算法，传感器节点会互相施加引力或斥力，在传感器节点部署优化过程中，通过施加的虚拟力来更新传感器节点的位置。本发明在虚拟力算法基础上考虑不同区域的风险值，其计算传感器节点对第i个传感器节点的虚拟力和更新第i个传感器节点的具体步骤如下：
步骤2-1：第i个传感器节点受到第j个传感器节点的虚拟力后，第i个传感器节点的新位置
Figure BDA0003671992840000112
的计算如下：
Figure BDA0003671992840000113
Figure BDA0003671992840000114
其中，
Figure BDA0003671992840000115
代表第i个传感器节点移动前的位置，Cij表示第i个传感器节点受到第j个传感器节点产生的虚拟力作用后移动的最大值，它的计算公式如下：
Figure BDA0003671992840000121
其中，Ai表示第i个传感器节点所在区域的风险值，
Figure BDA0003671992840000122
表示第i个传感器节点和第j个传感器节点间的距离，它的计算如下：
Figure BDA0003671992840000123
其中，(xj,yj)表示第j个传感器节点的位置。
Figure BDA0003671992840000124
表示第i个传感器节点受到第j个传感器节点的虚拟力，它的计算公式如下：
Figure BDA0003671992840000125
其中，
Figure BDA0003671992840000126
表示
Figure BDA0003671992840000127
在x轴方向上的分量，
Figure BDA0003671992840000128
表示
Figure BDA0003671992840000129
在y轴方向上的分量，它们的计算公式如下：
Figure BDA00036719928400001210
Figure BDA00036719928400001211
其中，Rhigh表示设置的传感器节点间距离的上限阈值，Rlow表示设置的传感器节点间距离的下限阈值。比如，Rhigh设为3R，Rlow设为R。其中，R为传感器节点的感知半径。
步骤2-2：迭代j，计算所有传感器节点对第i个传感器节点产生的虚拟力带来的位置变换，得到更新后的第i个传感器节点位置
Figure BDA0003671992840000131
步骤3：根据空白节点对第i个传感器节点的吸引力，更新第i个传感器节点的位置。
本实施例将未被覆盖的第t个空白节点对周围(半径Rb内)的传感器节点增加吸引力，Rb表示设置的空白节点和传感器节点距离的阈值，使传感器节点可以更快速准确地覆盖工厂区域，有效提高覆盖率；其计算空白节点对第i个传感器节点的吸引力和更新第i个传感器节点的位置的具体步骤如下：
步骤3-1：第i个传感器节点受到第t个空白节点的吸引力后，第i个传感器节点的新位置
Figure BDA0003671992840000132
的计算如下：
Figure BDA0003671992840000133
Figure BDA0003671992840000134
其中，Cit表示第i个传感器节点受到第t个空白节点的吸引力后移动的最大值它的计算公式如下：
Figure BDA0003671992840000135
其中，Ai表示第i个传感器节点所在区域的风险值，
Figure BDA0003671992840000136
表示第i个传感器节点和第t个空白节点的距离，它计算如下：
Figure BDA0003671992840000137
其中，
Figure BDA0003671992840000138
表示第t个空白节点的位置。
Figure BDA0003671992840000139
表示第t个空白节点对第i个传感器节点的吸引力，它的计算公式如下：
Figure BDA0003671992840000141
其中，
Figure BDA0003671992840000142
表示
Figure BDA0003671992840000143
在x轴方向上的分量，
Figure BDA0003671992840000144
表示
Figure BDA0003671992840000145
在y轴方向上的分量，它们的计算公式如下：
Figure BDA0003671992840000146
Figure BDA0003671992840000147
步骤3-2：迭代t，计算所有空白节点对第i个传感器节点产生的吸引力带来的位置变换，得到更新后的传感器节点位置
Figure BDA0003671992840000148
步骤4：根据设施对第i个传感器节点的吸引力，更新第i个传感器节点的位置。
本实施例考虑具体的化工厂设施(管线和储油罐)，由于管道和储油罐处于事件多发地区，当传感器节点处于管道和储油罐的周边时，优先向它们靠齐。为管线和储油罐增添对一定范围(半径Rhigh内)传感器节点的吸引力,Rhigh表示设置的设施和传感器节点的距离阈值；其计算设施对第i个传感器节点的吸引力和更新第i个传感器节点的位置的具体步骤如下：
第i个传感器节点受到第k个设施的吸引力后，第i个传感器节点的新位置
Figure BDA0003671992840000149
的计算如下：
Figure BDA00036719928400001410
Figure BDA00036719928400001411
其中，Cik表示第i个传感器节点受到第k个设施的吸引力作用后移动的最大值，它的计算公式如下：
Figure BDA0003671992840000151
其中Ai表示第i个传感器节点所在区域的风险值，
Figure BDA0003671992840000152
表示第i个传感器节点和第k个设施的距离，它的计算如下:
Figure BDA0003671992840000153
(xw,yw)表示第i个传感器节点在第k个设施上的垂点。
Figure BDA0003671992840000154
表示第k个设施对第i个传感器节点的吸引力，它的计算公式如下：
Figure BDA0003671992840000155
其中，
Figure BDA0003671992840000156
表示
Figure BDA0003671992840000157
在x轴方向上的分量，
Figure BDA0003671992840000158
表示
Figure BDA0003671992840000159
在y轴方向上的分量，它们的计算公式如下：
Figure BDA00036719928400001510
Figure BDA00036719928400001511
其中，
Figure BDA00036719928400001512
表示
Figure BDA00036719928400001513
在x轴方向上的分量，
Figure BDA00036719928400001514
表示
Figure BDA00036719928400001515
在y轴方向上的分量。
步骤4-2：迭代k，计算所有设施对第i个传感器节点产生的吸引力带来的位置变换，得到更新后的第i个传感器节点的位置
Figure BDA00036719928400001516
将
Figure BDA00036719928400001517
作为第i个传感器节点这一轮后的移动位置。
步骤5：迭代i，得到所有传感器节点更新后的位置。
判断i的迭代次数是否达到N次，若没有，则重复步骤2-4；否则，得到所有N个传感器节点经过一轮后的移动位置。
步骤6：迭代M轮后传感器节点的位置。
判断上述过程的迭代次数是否达到M次，若没有，则重复步骤2-5；否则，得到M轮后所有传感器节点的最终部署位置。M是设置的值，可以设为50<M<200。
以上所述仅为本发明的较佳实施方式，本发明的保护范围并不以上述实施方式为限，但凡本领域普通技术人员根据本发明所揭示内容所作的等效修饰或变化，皆应纳入权利要求书中记载的保护范围内。

Claims (8)

1.基于改进虚拟力的化工厂环境中传感器节点部署方法，其特征在于：所述方法包括如下步骤：
步骤1，在化工厂环境中随机部署传感器节点并计算不同区域的风险值；
步骤2，根据其他传感器节点对第i个传感器节点的虚拟力，结合风险值和节点之间的距离，更新第i个传感器节点的位置；
步骤3，根据空白节点对第i个传感器节点的吸引力，结合风险值和节点之间的距离，更新第i个传感器节点的位置；
步骤4，根据设施对第i个传感器节点的吸引力，结合风险值和节点与设施之间的距离，更新第i个传感器节点的位置；
步骤5，迭代i，得到所有传感器节点更新后的位置；
步骤6，迭代M轮，得到所有传感器节点最终的部署位置。
2.根据权利要求1所述的基于改进虚拟力的化工厂环境中传感器节点部署方法，其特征在于：所述步骤1具体步骤如下：
步骤1-1，通过随机布点在长为X，宽为Y，有T个设施包括管线和储油罐的化工厂区域中部署N个传感器节点，传感器节点的感知半径为R；将化工厂区域离散成X*Y个节点，将与任一传感器节点的距离都大于感知半径的节点称为空白节点，将与任一传感器节点的距离小于感知半径的节点为可被感知节点；
步骤1-2，将化工厂区域通过其危害后果性和危害发生可能性分成若干区域，并给不同的区域赋风险值，使得风险值高的地方传感器节点越密集。
3.根据权利要求2所述的基于改进虚拟力的化工厂环境中传感器节点部署方法，其特征在于：步骤1-2中，通过风险矩阵法的危害后果性和危害发生可能性评级划分来对不同地区的风险值进行判断，判断步骤如下：
步骤1-2-1，确定危害事件发生的严重程度S，从人员伤亡情况、财产损失、法律法规符合性、环境破坏和对企业声誉损坏五个方面对后果的严重程度进行评价取值；
步骤1-2-2，确定危害事件发生的可能性L，从偏差发生的频率、安全检查、操作规程、员工胜任程度、操作措施五个方面对危害事件发生的可能性进行评价取值；
步骤1-2-3，加权考虑危害事件的严重程度，不同区域的风险值A的计算公式如下：
A＝L*eS。
4.根据权利要求1所述的基于改进虚拟力的化工厂环境中传感器节点部署方法，其特征在于：所述步骤2中，根据虚拟力算法，传感器节点会互相施加引力或斥力，在传感器节点部署优化过程中，通过施加的虚拟力来更新传感器节点的位置；在虚拟力算法基础上考虑不同区域的风险值，具体步骤如下：
步骤2-1，第i个传感器节点受到第j个传感器节点的虚拟力后，第i个传感器节点的新位置
Figure FDA0003671992830000021
的计算如下：
Figure FDA0003671992830000022
Figure FDA0003671992830000031
其中，
Figure FDA0003671992830000032
代表第i个传感器节点移动前的位置，Cij表示第i个传感器节点受到第j个传感器节点产生的虚拟力作用后移动的最大值，计算公式如下：
Figure FDA0003671992830000033
其中，Ai表示第i个传感器节点所在区域的风险值，
Figure FDA0003671992830000034
表示第i个传感器节点和第j个传感器节点间的距离，计算如下：
Figure FDA0003671992830000035
其中，(xj,yj)表示第j个传感器节点的位置；
Figure FDA0003671992830000036
表示第i个传感器节点受到第j个传感器节点的虚拟力，计算公式如下：
Figure FDA0003671992830000037
其中，
Figure FDA0003671992830000038
表示
Figure FDA0003671992830000039
在x轴方向上的分量，
Figure FDA00036719928300000310
表示
Figure FDA00036719928300000311
在y轴方向上的分量，计算公式如下：
Figure FDA00036719928300000312
Figure FDA00036719928300000313
其中，Rhigh表示设置的传感器节点间距离的上限阈值，Rlow表示设置的传感器节点间距离的下限阈值；
步骤2-2，迭代j，计算所有传感器节点对第i个传感器节点产生的虚拟力带来的位置变换，得到更新后的第i个传感器节点位置
Figure FDA0003671992830000041
5.根据权利要求1所述的基于改进虚拟力的化工厂环境中传感器节点部署方法，其特征在于：所述步骤3中，将未被覆盖的第t个空白节点对周围半径Rb内的传感器节点增加吸引力，Rb表示设置的空白节点和传感器节点距离的阈值，使传感器节点快速准确地覆盖工厂区域，提高覆盖率，具体步骤如下：
步骤3-1，第i个传感器节点受到第t个空白节点的吸引力后，第i个传感器节点的新位置
Figure FDA0003671992830000042
的计算如下：
Figure FDA0003671992830000043
Figure FDA0003671992830000044
其中，Cit表示第i个传感器节点受到第t个空白节点的吸引力后移动的最大值，计算公式如下：
Figure FDA0003671992830000045
其中，Ai表示第i个传感器节点所在区域的风险值，
Figure FDA0003671992830000046
表示第i个传感器节点和第t个空白节点的距离，计算如下：
Figure FDA0003671992830000047
其中，
Figure FDA0003671992830000048
表示第t个空白节点的位置；
Figure FDA0003671992830000049
表示第t个空白节点对第i个传感器节点的吸引力，计算公式如下：
Figure FDA0003671992830000051
其中，
Figure FDA0003671992830000052
表示
Figure FDA0003671992830000053
在x轴方向上的分量，
Figure FDA0003671992830000054
表示
Figure FDA0003671992830000055
在y轴方向上的分量，计算公式如下：
Figure FDA0003671992830000056
Figure FDA0003671992830000057
步骤3-2，迭代t，计算所有空白节点对第i个传感器节点产生的吸引力带来的位置变换，得到更新后的传感器节点位置
Figure FDA0003671992830000058
6.根据权利要求1所述的基于改进虚拟力的化工厂环境中传感器节点部署方法，其特征在于：所述步骤4中，当传感器节点处于化工厂设施的周边时，优先向它们靠齐。为化工厂设施增添对半径Rhigh范围内传感器节点的吸引力，Rhigh表示设置的设施和传感器节点的距离阈值，具体步骤如下：
步骤4-1，第i个传感器节点受到第k个设施的吸引力后，第i个传感器节点的新位置
Figure FDA0003671992830000059
的计算如下：
Figure FDA00036719928300000510
Figure FDA00036719928300000511
其中，Cik表示第i个传感器节点受到第k个设施的吸引力作用后移动的最大值，计算公式如下：
Figure FDA0003671992830000061
其中，Ai表示第i个传感器节点所在区域的风险值，
Figure FDA0003671992830000062
表示第i个传感器节点和第k个设施的距离，计算如下：
Figure FDA0003671992830000063
其中，(xw,yw)表示第i个传感器节点在第k个设施上的垂点；
Figure FDA0003671992830000064
表示第k个设施对第i个传感器节点的吸引力，计算公式如下：
Figure FDA0003671992830000065
其中，
Figure FDA0003671992830000066
表示
Figure FDA0003671992830000067
在x轴方向上的分量，
Figure FDA0003671992830000068
表示
Figure FDA0003671992830000069
在y轴方向上的分量，计算公式如下：
Figure FDA00036719928300000610
Figure FDA00036719928300000611
其中，
Figure FDA00036719928300000612
表示
Figure FDA00036719928300000613
在x轴方向上的分量，
Figure FDA00036719928300000614
表示
Figure FDA00036719928300000615
在y轴方向上的分量；
步骤4-2，迭代k，计算所有设施对第i个传感器节点产生的吸引力带来的位置变换，得到更新后的第i个传感器节点的位置
Figure FDA00036719928300000616
将
Figure FDA00036719928300000617
作为第i个传感器节点这一轮后的移动位置。
7.根据权利要求1所述的基于改进虚拟力的化工厂环境中传感器节点部署方法，其特征在于：所述步骤5中，判断i的迭代次数是否达到N次；若没有，则重复步骤2-4；若达到N次，得到所有N个传感器节点经过一轮后的移动位置。
8.根据权利要求1所述的基于改进虚拟力的化工厂环境中传感器节点部署方法，其特征在于：所述步骤6中，判断上述过程的迭代次数是否达到M次；若没有，则重复步骤2-5；若达到M次，得到M轮后所有传感器节点的最终部署位置。
CN202210607620.6A 2022-05-31 2022-05-31 基于改进虚拟力的化工厂环境中传感器节点部署方法 Active CN115022892B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210607620.6A CN115022892B (zh) 2022-05-31 2022-05-31 基于改进虚拟力的化工厂环境中传感器节点部署方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210607620.6A CN115022892B (zh) 2022-05-31 2022-05-31 基于改进虚拟力的化工厂环境中传感器节点部署方法

Publications (2)

Publication Number Publication Date
CN115022892A true CN115022892A (zh) 2022-09-06
CN115022892B CN115022892B (zh) 2023-12-01

Family

ID=83070464

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210607620.6A Active CN115022892B (zh) 2022-05-31 2022-05-31 基于改进虚拟力的化工厂环境中传感器节点部署方法

Country Status (1)

Country Link
CN (1) CN115022892B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7275014B1 (en) * 2005-02-10 2007-09-25 At&T Corporation Distributed graph layout for sensor node networks
CN103997747A (zh) * 2014-05-14 2014-08-20 浪潮电子信息产业股份有限公司 一种基于虚拟力的空间网络节点均匀部署方法
CN104185310A (zh) * 2013-05-27 2014-12-03 南京邮电大学 一种基于蜂拥控制的移动传感器目标跟踪的方法
US20160127916A1 (en) * 2014-10-31 2016-05-05 Fujitsu Limited Wireless network deployment method, apparatus and system
US20170246742A1 (en) * 2016-02-25 2017-08-31 King Fahd University Of Petroleum And Minerals Apparatus and method of sensor deployment
US20180059685A1 (en) * 2016-08-23 2018-03-01 King Fahd University Of Petroleum And Minerals Gps-free robots
US20180352414A1 (en) * 2017-06-01 2018-12-06 Arizona Board of Regents on behalf of Arizona Stat e University Distributed network center and area estimation
CN111132258A (zh) * 2019-12-30 2020-05-08 南京航空航天大学 一种基于虚拟势场法的无人机集群协同机会路由方法
CN112423270A (zh) * 2020-10-12 2021-02-26 南京航空航天大学 一种基于虚拟力和波束参数优化的无人机集群低截获部署方法
CN114489147A (zh) * 2021-12-28 2022-05-13 中国人民解放军国防科技大学 无人机集群自组织区域覆盖方法、装置和设备

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7275014B1 (en) * 2005-02-10 2007-09-25 At&T Corporation Distributed graph layout for sensor node networks
CN104185310A (zh) * 2013-05-27 2014-12-03 南京邮电大学 一种基于蜂拥控制的移动传感器目标跟踪的方法
CN103997747A (zh) * 2014-05-14 2014-08-20 浪潮电子信息产业股份有限公司 一种基于虚拟力的空间网络节点均匀部署方法
US20160127916A1 (en) * 2014-10-31 2016-05-05 Fujitsu Limited Wireless network deployment method, apparatus and system
US20170246742A1 (en) * 2016-02-25 2017-08-31 King Fahd University Of Petroleum And Minerals Apparatus and method of sensor deployment
US20180059685A1 (en) * 2016-08-23 2018-03-01 King Fahd University Of Petroleum And Minerals Gps-free robots
US20180352414A1 (en) * 2017-06-01 2018-12-06 Arizona Board of Regents on behalf of Arizona Stat e University Distributed network center and area estimation
CN111132258A (zh) * 2019-12-30 2020-05-08 南京航空航天大学 一种基于虚拟势场法的无人机集群协同机会路由方法
CN112423270A (zh) * 2020-10-12 2021-02-26 南京航空航天大学 一种基于虚拟力和波束参数优化的无人机集群低截获部署方法
CN114489147A (zh) * 2021-12-28 2022-05-13 中国人民解放军国防科技大学 无人机集群自组织区域覆盖方法、装置和设备

Non-Patent Citations (8)

* Cited by examiner, † Cited by third party
Title
CHONG HAN ET AL.: "A Distributed Image Compression Scheme for Energy Harvesting Wireless Multimedia Sensor Networks", 《SENSORS》 *
KHALIL MOUGOU ET AL.: "Redeployment of Randomly Deployed Wireless Mobile Sensor Nodes", 《2012 IEEE VEHICULAR TECHNOLOGY CONFERENCE (VTC FALL)》 *
关萌: "基于多源数据协同的危化品泄漏源定位技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
刘军: "基于虚拟力算法的WMSNs覆盖研究", 《传感器与微系统》, no. 11 *
李强懿 等: "基于证据理论的无线传感器网络节点部署算法", 《计算机测量与控制》, no. 06 *
杨一伟: "基于改进虚拟力算法的水质传感器部署", 《信息技术》, no. 08 *
王安琦: "无线传感器网络节点定位若干问题研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
顾晓燕 等: "一种有向传感器网络改进粒子群覆盖增强算法", 《电子学报》 *

Also Published As

Publication number Publication date
CN115022892B (zh) 2023-12-01

Similar Documents

Publication Publication Date Title
Cozzani et al. Quantitative assessment of domino and NaTech scenarios in complex industrial areas
Khan et al. An assessment of the likelihood of occurrence, and the damage potential of domino effect (chain of accidents) in a typical cluster of industries
CN104657810B (zh) 一种石油化工码头储罐区火灾爆炸风险评估方法
CN106501451B (zh) 一种气体传感器的部署优化方法、系统及服务器
CN106600167B (zh) 考虑人因失误和组织缺陷的海洋平台火灾风险评估方法
CN108870090B (zh) 基于最小二乘支持向量机信息融合的管道泄漏检测方法
Zhou et al. Petri-net based cascading effect analysis of vapor cloud explosions
Gharabagh et al. Comprehensive risk assessment and management of petrochemical feed and product transportation pipelines
Rad et al. A risk-based methodology for optimum placement of flammable gas detectors within open process plants
Mousavi et al. A sensitivity analysis of parameters affecting the hydrogen release and dispersion using ANOVA method
Zhou et al. Modeling and analysis of vapour cloud explosions knock-on events by using a Petri-net approach
CN106023035A (zh) 毒气泄漏事故下的人员疏散安全评估方法、装置及设备
Castillo-Borja et al. A resilience index for process safety analysis
CN107871025B (zh) 基于改进人工蜂群算法的气体传感器优化部署方法及系统
Aulia et al. Dynamic reliability model for subsea pipeline risk assessment due to third-party interference
Bai et al. BN & CFD-based quantitative risk assessment of the natural gas explosion in utility tunnels
CN116681292A (zh) 基于深度学习的石化港区安全风险分析及责任划分方法
CN115022892A (zh) 基于改进虚拟力的化工厂环境中传感器节点部署方法
Chen et al. A bayesian network for the transportation accidents of hazardous materials handling time assessment
Qi et al. Flexible alarming mechanism of a general GDS deployment for explosive accidents caused by gas leakage
CN104809599A (zh) 保障石化企业厂际管线防护措施有效性评估方法及系统
Ayello et al. A Bayesian network based pipeline risk management
CN110502836B (zh) 一种气体传感器的部署方法及系统
Men et al. Pareto-based design optimization of chemical tank farm using a trade-off between domino effects related and land resource utilization efficiency
Hamzi et al. Performance assessment of an emergency plan using Petri nets

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