WSANs分布式智能协同算法研究

发布时间：2021-06-16 19:23

　　通过节点间的协作通信而形成的无线传感执行网络（Wireless Sensor and Actor Networks,WSANs）是传统无线传感器网络（Wireless Sensor Networks,WSNs）的一种创新延续发展,异构执行器节点的加入使WSANs具备了控制和改变物理世界的能力,这一特色也使得WSANs的协同通信方式发生了很大改变。除了传统WSNs具备的传感器节点-传感器节点（S-S）协同通信之外,还增加了传感器节点-执行器节点（S-A）协同通信,执行器节点-执行器节点（A-A）协同通信,高效的协同工作机制是优化节点资源配置、建立可靠通信链路及合理分配执行器节点执行任务的必要条件,是提高网络寿命、增强网络容错能力和鲁棒性的关键,也是使WSANs在民用和军事等领域发挥更有效作用的基础。在国内外研究现状的基础上,本文提出了三种WSANs智能协同控制算法,相关研究工作如下:（1）针对S-S协同工作过程中出现的数据丢包、传输延迟及网络能耗不均衡问题,提出了改进蜂群算法的S-S协同方法。该方法以优化感知节点和中继节点为目标,首先利用能量感知模型及感知协同响应概率完成了对优势感知节点... 

【文章来源】：江南大学江苏省 211工程院校 教育部直属院校

【文章页数】：69 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 课题研究背景及意义
    1.2 无线传感执行网络概述
        1.2.1 无线传感执行网络的节点结构
        1.2.2 无线传感执行网络体系结构
        1.2.3 无线传感执行网络的主要特点
        1.2.4 无线传感执行网络协同机制
    1.3 国内外研究现状
        1.3.1 S-S协同研究现状分析
        1.3.2 S-A协同研究现状分析
        1.3.3 A-A协同研究现状分析
    1.4 协同控制研究当前面临的挑战
    1.5 论文的组织结构
第二章 基于改进蜂群算法的WSANs中S-S协同算法研究
    2.1 引言
    2.2 问题描述
        2.2.1 网络模型
        2.2.2 相关假设与定义
        2.2.3 网络节点能耗模型
    2.3 蜜蜂觅食机理与S-S协作的类比关系
        2.3.1 人工蜂群算法描述
        2.3.2 蜂群觅食机理与S-S协作的对应关系
    2.4 基于改进蜂群算法的S-S协同方法
        2.4.1 感知节点的选择
        2.4.2 适应度函数的求解
        2.4.3 基于改进蜂群算法的中继节点选择
    2.5 仿真实验与性能分析
        2.5.1 仿真环境与参数
        2.5.2 网络性能对比分析
    2.6 本章小结
第三章 面向S-A协同的WSANs动态数据汇集算法研究
    3.1 引言
    3.2 网络模型
        3.2.1 系统拓扑结构
        3.2.2 簇内节点分区
    3.3 问题描述
        3.3.1 相关假设与定义
        3.3.2 网络基本能耗
    3.4 基于生物免疫机制的数据汇集算法
        3.4.1 生物免疫机制
        3.4.2 中继转发节点的优化选择
        3.4.3 代理sink的选择机制
        3.4.4 执行器节点的移动策略
        3.4.5 DDG-BIM算法步骤及流程图
    3.5 仿真实验与性能分析
        3.5.1 仿真环境与参数
        3.5.2 网络性能对比分析
    3.6 本章小结
第四章 基于生物免疫机制的WSANs中A-A智能协同算法研究
    4.1 引言
    4.2 问题描述
        4.2.1 相关假设与定义
        4.2.2 A-A协作机制结构图
        4.2.3 系统状态预测模型
        4.2.4 任务协作时间模型
    4.3 基于生物免疫机制的执行器节点协同算法
        4.3.1 生物免疫机制与A-A协同的类比关系
        4.3.2 候选节点的确定
        4.3.3 协同响应概率的确定
        4.3.4 协同响应概率阈值函数的确定
        4.3.5 参与任务协同的执行器节点数目确定
    4.4 仿真实验与性能分析
        4.4.1 仿真环境与参数
        4.4.2 网络性能对比分析
    4.5 本章小结
第五章 总结与展望
    5.1 总结
    5.2 展望
致谢
参考文献
附录：作者在攻读硕士学位期间的研究成果


【参考文献】：
期刊论文
[1]基于休眠的无线传感器网络机会路由中继节点选择[J]. 齐小刚,董海俊.  信号处理. 2017(S1)
[2]基于目标覆盖的异构有向传感器网络分布式节点调度策略[J]. 王力立,吴晓蓓,黄成,丁旭,王槐元.  控制与决策. 2016(12)
[3]集成无线传感器-执行器网络的主动结构:一种仿生控制框架（英文）[J]. Peng-cheng YANG,Yan-bin SHEN,Yao-zhi LUO.  Journal of Zhejiang University-Science A（Applied Physics & Engineering）. 2016(04)
[4]最大相关熵准则自适应滤波器的分数阶长算法[J]. 刘春辉,齐越,丁文锐,张文秋.  北京航空航天大学学报. 2016(02)
[5]事件驱动传感器网络中基于数据聚合的自适应路由算法[J]. 聂雅琳,刘三阳,陈智斌,齐小刚.  控制与决策. 2014(08)
[6]生物启发的无线传感执行网络协同方法[J]. 王艳,纪志成.  控制理论与应用. 2014(02)
[7]Node coordination mechanism based on distributed estimation and control in wireless sensor and actuator networks[J]. Lei MO,Bugong XU.  Journal of Control Theory and Applications. 2013(04)
[8]无线传感器与执行器网络中协同通信研究综述[J]. 杨杰,冯勇,郑雄奇,卢志强.  计算机应用研究. 2014(03)
[9]面向物联网的无线传感器网络综述[J]. 钱志鸿,王义君.  电子与信息学报. 2013(01)
[10]无线传感器网络多目标跟踪中协同任务分配[J]. 文莎,蔡自兴,刘丽珏,任孝平.  中南大学学报(自然科学版). 2012(08)

博士论文
[1]WSAN中时延约束的协作数据汇聚能效优化研究[D]. 李烁.中南大学 2014
[2]无线传感器/执行器网络协同感知与控制研究[D]. 莫磊.华南理工大学 2013
[3]基于人工免疫系统的无线传感器网络优化与故障诊断研究[D]. 陈拥军.南京航空航天大学 2011
[4]无线传感器/执行器网络协作算法研究[D]. 易军.重庆大学 2010
[5]无线传感器网络负载均衡数据汇集算法研究[D]. 唐云建.重庆大学 2010
[6]面向目标感知的无线传感器网络自组织技术[D]. 王睿.西北工业大学 2007

硕士论文
[1]WSAN中汇聚点负载均衡轨迹规划与动态分区算法研究[D]. 张能.中南大学 2013
[2]低能耗低延时无线传感器执行器网络协作算法研究[D]. 张丹.东北大学 2012
[3]无线传感器网络能量均衡数据汇集算法研究[D]. 王海员.重庆大学 2011
[4]无线传感执行网络中协作机制及算法的研究[D]. 张丽.武汉理工大学 2007



本文编号：3233645