基于WSN的仓储环境监测与预警机制研究与实现

发布时间：2023-03-26 16:32

　　近年来,随着我国物流的快速发展。物品数量增加导致物品在仓储中的停滞情况经常发生,而一些粮食、食品、药物、烟草、果蔬和容易腐烂的物品对仓储的环境有较高的要求。要求仓储系统实现采集、显示、控制环境参数,并且满足更快速、更简便、更稳定的特点。为了解决上述问题,本文构建了一种基于WSN的仓储环境监测与预警系统。一方面采用了基于WSN的物联网技术监测的方式,实时准确采集影响仓储状态的重要参数,进而有效监测环境中的温湿度、气体烟雾、二氧化碳浓度、氧气浓度、乙烯浓度和光照强度等参数。另一方面,建立了一个预测模型,来有效且准确地预测WSN所监测到的环境信息。首先,为解决监测效率不高、节点覆盖率不高的问题,本文提出了一种基于PSO-IWOA的算法对无线传感器网络节点部署进行优化,PSO算法和WOA算法两者优势互补组合为一个新的PSO-IWOA算法,从节点覆盖率与收敛性能测试两方面进行实验分析。最终提高了网络的覆盖率和收敛速度,增加传感器网络的使用寿命,使得WSN监测到的环境数据更加准确。其次,对传感器采集到的数据进行预处理,并针对BP神经网络中存在的不足,通过WOA算法优化BP神经网络的权值和阈值的方法...

【文章页数】：66 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章
    1.2
        1.2.3 仓储环境预警的研究现状
        1.2.4 相关智能优化算法研究现状
    1.3 论文主要研究内容
    1.4 论文的结构安排
第二章 相关技术理论
    2.1 物联网技术
        2.1.1 物联网体系框架
    2.2 ZigBee技术
        2.2.1 ZigBee协议架构
        2.2.2 ZigBee网络设备类型
    2.3 WSN技术
    2.4 环境监测关键参数
    2.5 本章小结
第三章 基于PSO-IWOA算法的WSN监测节点覆盖优化
    3.1 WSN覆盖分类
        3.1.1 按节点可移动性分类
        3.1.2 按覆盖目标分类
        3.1.3 按节点感知类型分类
    3.2 WSN的节点覆盖模型
    3.3 PSO算法及改进
        3.3.1 PSO基础算法
        3.3.2 PSO算法改进
    3.4 WOA算法及改进
        3.4.1 WOA基础算法
        3.4.2 WOA算法改进
    3.5 改进的PSO-IWOA算法
    3.6 PSO-IWOA算法节点覆盖结果分析
    3.7 PSO-IWOA收敛性能测试
        3.7.1 测试函数
        3.7.2 评价指标
        3.7.3 收敛性能实验分析
    3.8 本章小结
第四章 仓储环境预警模型
    4.1 数据集处理
        4.1.1 数据来源
        4.1.2 数据预处理
        4.1.3 预警指标
    4.2 人工神经网络概述及BP神经网络模型
        4.2.1 人工神经网络概念
        4.2.2 BP神经网络模型及算法步骤
    4.3 WOA-BP神经网络的研究与仿真
        4.3.1 WOA算法
        4.3.2 WOA-BP神经网络结构设计
        4.3.3 WOA-BP网络算法的参数设置
        4.3.4 WOA算法优化BP神经网络预测的步骤与流程图
    4.4 实验及结果分析
        4.4.1 WOA-BP神经网络训练过程分析
        4.4.2 WOA-BP神经网络训练结果分析
    4.5 本章小结
第五章 系统设计与实现
    5.1 系统总体结构设计
    5.2 仓储环境监测的硬件设计与实现
        5.2.1 系统整体设计
        5.2.2 模块介绍
        5.2.3 硬件系统实现
    5.3 仓储环境监测的软件设计与实现
        5.3.1 仓储环境监测的软件设计
        5.3.2 仓储环境监测的软件实现
    5.4 本章小结
第六章 总结与展望
    6.1 总结
    6.2 展望
参考文献
致谢
个人简介



本文编号：3771307