基于WSN的矿井安全监测系统三个关键技术研究

发布时间：2020-03-21 02:33

【摘要】：近几年以来,随着我国对矿产资源的进一步开采,地表以及浅层矿产资源几乎被开采殆尽,矿产资源的开采由浅层和地表开采转向深部开采。目前,国内许多大型矿山的开采的深度已达到800米,30余座金属矿山进入地下1000米以下的深度。随着开采深度不断提高,井下开采的物理环境如温度、湿度、空气环境等将变的更加恶劣,并且伴随这各种安全风险,如冒顶、岩爆,突水等,对井下安全生产造成了严重的威胁。现阶段常用的安全监测系统大多为有线系统,其环境适应能力,鲁棒性都无法满足目前矿井开采安全监测的要求。因此,本文以矿井为研究对象,采用理论研究与数值模拟仿真相结合,将无线传感器网络(Wireless Sensor Network,WSN)监测技术应用于矿井安全监测。文中主要对矿井无线传感器网络监测系统的节点定位、网络路由以及数据融合三个关键技术进行研究,完成以下工作:(1)基于群居蜘蛛优化的矿井定位算法。该算法利用鲁棒性更高的接收强度差取代接收信号强度作为定位的信息来源,通过动态获取环境参数,结合收敛速度快的群居蜘蛛优化算法更快更优的寻找最佳估计节点,并将定位后的节点作为锚节点,进一步降低定位误差。仿真实验表明,提出算法在定位精度与收敛速度上相比同类型算法有一定的提高。(2)基于区域正向分簇与移动节点巷道WSN路由算法。首先分析了分簇式算法在矿井巷道的空间环境中数据折返现象,针对该现象提出区域正向分簇机制,有效避免了数据折返现象,使得节点将数据以最短路径传输到Sink节点,减少了不必要的能耗。最后利用移动节点中转数据,进一步减少系统能耗。通过建立数学模型和仿真实验证明了该算法能有效减少数据折返的能耗,延长网络寿命。(3)基于无偏灰色马尔科夫预测WSN数据融合算法。为了降低监测数据的冗余性,将无偏灰色预测和马尔可夫链相结合提出无偏马尔可夫预测模型对监测数据进行预测,并设置阈值来控制上传,减少数据在时间维度的冗余,从而减少传输冗余数据的能耗,延长网络寿命。根据仿真实验结果表明该算法在减少冗余数据上传率上优于同类算法,网络寿命得到有效的延长。综合以上三个关键技术,构建能耗低、定位误差小、数据可靠并适应矿井安全监测需求的无线传感器网络监测系统。
【图文】：

无线传感器网络,物理结构,节点结构,数模转换器

无线传感器网络的物理结构图

示意图,无线传感器网络,节点结构,无线通信模块

无线传感器网络节点结构
【学位授予单位】：南华大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TD76

【相似文献】