基于WSN的客舱污染物参数容错估计研究

发布时间：2020-10-26 12:37

　　 飞机客舱狭小封闭,空气流动性差,不当的污染物浓度将影响乘客的舒适度与健康。目前对于客舱环境的监测,普遍采用的是有线单传感器测量的方法,有时会造成误报警,对人力物力造成大量不必要的损失,因此有必要开展一种新的测量方法,能够在一些突发事件下,依旧能够实现对污染物浓度的准确估计。为此,本文建立基于无线传感网络的污染物参数的监测模型,并从容错角度对参数状态估计算法进行研究,目的在于为客舱污染物浓度的监测提供具有实际工程意义的估计算法。本文为解决单传感器测量误差大的问题,采用输出校正的主辅传感器节点,建立基于无线传感网络的组合传感监测模型。针对无线传感网络中存在的丢包与路径损耗,提出了一种基于事件触发机制的一致性卡尔曼滤波算法进行状态估计,并给出算法最优增益,并采用李雅普诺夫第二法证明了算法的稳定性条件。并且,考虑实际应用环境中能耗的限制,对算法能耗建立了模型,并分析了触发阈值对能耗的影响。最后,为了减轻信号传输带宽负担,对节点的测量值和估计值做量化处理,提出了量化后的状态估计算法。仿真结果验证了上述各算法的有效性及准确性,与传统的局部卡尔曼滤波器相比,本文所提出的次优事件触发一致性卡尔曼滤波器具有更高的容错度,在存在丢包的环境下能够准确地进行状态估计且各传感器间的一致性误差较低,有效解决了误报警问题;与一致性卡尔曼滤波器相比,在合适的触发阈值下可以达到与一致性卡尔曼滤波器几乎相同的精度,而在有丢包的情况下,一致性卡尔曼滤波器会发散,该算法则能稳定收敛;与时间触发类算法相比,该算法大幅降低了传输能量的消耗,减小通讯负担,并在此基础上,考虑实际带宽的需求,对算法做量化处理,降低了带宽的压力。
【学位单位】：中国民航大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：V223.2;TN929.5;TP212.9
【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 国内外研究现状
    1.3 本文的主要内容和结构安排
第二章 基于WSN的客舱污染物浓度监测模型
    2.1 多传感器组合测量结构
    2.2 客舱污染物浓度监测模型
    2.3 一致性卡尔曼滤波
        2.3.1 卡尔曼滤波
        2.3.2 经典一致性卡尔曼滤波算法
    2.4 本章小结
第三章 基于WSN的客舱污染物浓度估计算法
    3.1 丢包与路径损耗下的估计算法
        3.1.1 问题描述
        3.1.2 考虑丢包与路径损耗的卡尔曼一致性滤波算法
    3.2 算法稳定性分析
    3.3 算法能耗分析
    3.4 量化通信下的卡尔曼一致性滤波算法
        3.4.1 均匀量化器
        3.4.2 对数量化器
        3.4.3 量化通信下的卡尔曼一致性滤波算法
    3.5 本章小结
第四章 仿真结果分析
    4.1 仿真参数
    4.2 算法性能仿真分析
    4.3 能耗仿真结果分析
    4.4 量化仿真结果分析
    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
攻读硕士学位期间公开发表的学术论文情况

【相似文献】

相关期刊论文 前10条

1 陈明;陈向东;陈一健;于祥;付建平;;基于WSN的气体钻井地层出水模拟监测系统[J];仪表技术与传感器;2016年12期

2 冯笑;李西安;;基于WSN的气象数据采集系统设计[J];智能城市;2016年08期

3 何碧漪;周国平;丁健强;仲骥;邢苏;;一种基于WSN和GPRS的箱式变电站监控系统设计[J];现代电子技术;2016年17期

4 刘开南;韩旭;;基于人工蜂群寻优算法的WSN中继节点布局方案[J];电信科学;2016年09期

5 汤震;蔺莉;;基于位置感知和代理的WSN多径路由方案[J];电视技术;2015年11期

6 尚庆生;郭建文;;一种基于消息队列的WSN观测数据自动入库方法[J];自动化与仪器仪表;2015年08期

7 孔令富;景荣;赵逢达;解娜;;动态分簇的多移动机器人WSN数据收集方法研究[J];小型微型计算机系统;2014年04期

8 郑学伟;;面向WSN的安全范围查询协议研究[J];现代电子技术;2014年11期

9 何磊;郭晓军;赵江波;练侃;;WSN经典路由协议比较[J];智能计算机与应用;2014年02期

10 耿建宇;;一种基于WSN的氧化锌避雷器在线监测方法[J];黑龙江科技信息;2012年29期

相关博士学位论文 前10条

1 付帅;能量有效的WSN数据聚合技术及其安全问题研究[D];西安电子科技大学;2015年

2 徐晓斌;基于群体智能的WSN信任管理关键技术研究[D];北京邮电大学;2014年

3 古沐松;基于WSN的分布式自适应交通监控系统的关键技术研究[D];西南交通大学;2014年

4 李云鹤;基于压缩网络编码的高能效WSN数据汇集方法研究[D];哈尔滨工业大学;2014年

5 石佐辰;WSN无线收发机中模拟基带的设计与研究[D];西安电子科技大学;2016年

6 马守明;基于WSN的普适计算情景感知关键技术研究[D];南京邮电大学;2011年

7 杜轶波;基于RFID与WSN的危化品物流智能监测与应用研究[D];西南交通大学;2015年

8 方旭明;基于自适应卡尔曼滤波器的WSN定位算法研究[D];南京大学;2017年

9 祁浩;基于WSN的田野文物入侵侦测系统设计与关键技术研究[D];西北工业大学;2014年

10 岳国栋;基于WSN的铁路钢轨振动监测及特征识别研究[D];大连理工大学;2016年

相关硕士学位论文 前10条

1 张鹏飞;基于地理位置的WSN节点分化低功耗路由算法研究[D];沈阳航空航天大学;2019年

2 王先禹;基于WSN的客舱污染物参数容错估计研究[D];中国民航大学;2019年

3 公博健;停车场内基于WSN的指纹定位算法研究[D];大连理工大学;2019年

4 朱剑云;粒子群和狼群算法混合研究及其在WSN网络覆盖率优化中的应用[D];东华理工大学;2019年

5 孙俊生;一种能耗均衡的WSN路由协议研究[D];浙江工业大学;2019年

6 诸葛福金;基于WSN的风电母线槽健康状态监测与评估系统[D];哈尔滨工业大学;2018年

7 刁亚萍;基于WSN的集约化猪舍多环境因子监测及CFD模拟的研究[D];华中农业大学;2018年

8 董雨晴;基于同调理论的WSN覆盖空洞检测算法研究[D];东南大学;2018年

9 赵蒙;WSN验证技术及其在智慧校园中的应用研究[D];湘潭大学;2018年

10 杨佩茹;面向森林环境监测的WSN定位技术研究[D];南京航空航天大学;2018年

本文编号：2857009