无线传感器网络客机舱内覆盖部署的研究
发布时间：2020-12-14 12:41
目前,随着民航业的蓬勃发展,飞机逐渐成为一种舒适、可靠、经济实惠的交通运输工具。但是,自民航飞机诞生起,一直存在火灾的安全隐患,并且始终没有得到很好的解决。由于民航飞机的火灾突发性强、隐蔽性高、发展速度快、扑救困难的特点,因而一旦发生会造成严重损失。当前对飞机火灾的监测主要是基于单点的传感器,存在误报警和漏报警的问题,而通过大量传感器节点组成的无线传感器网络则可以有效解决上述问题。因此,如何部署一个没有监测漏洞、监测准确度高、抗故障能力强、持续服务时间足够长的无线传感器网络成为了当下的研究重点。本文主要研究无线传感器网络在机舱内的部署问题。本文将无线传感器网络在客机机舱内的部署问题分为静态部署和动态部署两个分支。在静态部署中,通过线性极限值蒙特卡罗人工蜂群（LLMCABC）算法完成了K-覆盖指标的网络部署,该算法加强了经典ABC算法的后期挖掘能力,以更少的传感器节点数量的实现K-覆盖指标;在动态部署中,从延长网络寿命的角度出发,通过改进的二进制人工蜂群-LEACH（LEACH-IBABC）算法动态分配节点的工作状态,实现了对待监测区域依概率pA的K-覆盖。该算法从全局最优的角度生成工作...
【文章来源】：中国民航大学天津市
【文章页数】：72 页
【学位级别】：硕士
【部分图文】：
LEACH-Cell拓扑结构示意图
中国民航大学硕士学位论文10单元头在TDM帧中接收它所连接的节点的数据。单元头接收到簇内节点的数据后，将数据进行聚合，并删除冗余数据，然后将数据传输到簇首。簇首再次聚合数据并将该数据发送到基站。（5）LEACH-EEnergybalanced-LEACH（能量平衡的LEACH）协议通过将剩余能量作为主要指标，从根本上改进了簇首选择过程[40]。在第一轮，所有节点具有相同的剩余能量，因此随机选择簇首。从下一轮开始，选择概率是根据节点的剩余能量来计算的。这意味着具有更多能量的节点将成为簇首，具有更少能量的节点成为簇首的概率下降。其次，E-LEACH还会选择一个簇首作为MCH来提供中继，以便于距离基站较远的簇首传输数据包。其他簇首则可以直接与基站间进行通讯。LEACH-E算法的拓扑结构如图1-3所示。图1-3LEACH-E拓扑结构示意图（6）LEACH-FLEACH-F（Fixednumberofclusters-LEACH）算法固定了簇数目。该算法提供了簇数目作为输入，并且在整个生命周期中它都是固定的。因此，每轮开始时没有太多的成簇开销。它使用与LEACH-C相同的成簇方式。LEACH-F减少了LEACH簇建立的开销，但在许多方面都无法扩展[36,41]。①无法将新节点添加到系统，也不能在有节点死亡后调整节点的行为。②若存在可移动的节点，该算法无法处理。
中国民航大学硕士学位论文11由于簇是固定的，只有簇中的节点能够充当簇头。因此该算法能否节省能量完全取决于所应用的场景。（7）LEACH-Multi-Hop在经典的LEACH协议中，无论距离是多少，每个节点都与簇首进行通信，每个簇首都与基站进行通信，并且路由跳数被限制为两跳（从节点到簇首以及从簇首到基站）。多跳LEACH（LEACH-Multi-Hop）算法消除了LEACH协议的这一缺点，并具有可扩展性，大大丰富了经典LEACH协议。LEACH-Multi-Hop算法为节点和基站之间的数据传输选择了一条最佳路径，它选择多个簇首作为整个网络通信的中继节点[42-46]。该算法在簇首之间采用多跳通信，这些簇首根据选择的最佳路径将数据发送到距离基站最近的那个簇首，最后，此簇首将数据发送到基站。该算法的簇建立阶段与LEACH协议相同，只是加入了对多跳的特性支持。其拓扑结构如图1-4所示。图1-4LEACH-Multi-Hop拓扑结构示意图（8）LEACH-S在LEACH-S中引入了具有太阳能供电的节点，基站借助改进的控制算法优先选择那些具有最大剩余能量的太阳能供电节点作为簇首[36]。在LEACH-S中，太阳状态与剩余能量一起由节点传输到基站，作为基站选择簇首的依据。当增加太阳能节点的数量时，传感器网络的性能也会提高。通过延长日照时间能够延长传感器网络的寿命。如果日照持续时间较短，则簇头的切换会比较频繁。
【参考文献】：
期刊论文
[1]基于WSN数据融合的室内环境监控系统设计[J]. 周彬彬,俞建定,袁飞,陈翔. 无线电通信技术. 2018(04)
[2]一种优化WSNs节点部署的变步长虚拟力算法[J]. 张俏薇,陈俊杰. 传感器与微系统. 2018(05)
[3]无线传感器网络三维表面k覆盖多连通部署方法[J]. 王丹丹,徐汀荣. 计算机应用研究. 2018(07)
[4]基于LEACH协议的无线传感网能效分簇算法[J]. 韩广辉,张丽翠. 吉林大学学报(信息科学版). 2017(01)
[5]三维无线传感器网络K重覆盖机制研究[J]. 王军,孙小玲,程勇. 电子技术应用. 2015(11)
[6]我国飞机客舱空气质量监测的抽样分析[J]. 邱兵,白国银,朱东山,李丽丽,范锦辉,刘铁兵. 环境卫生学杂志. 2014(02)
[7]基于轮盘赌反向选择机制的蜂群优化算法[J]. 向万里,马寿峰. 计算机应用研究. 2013(01)
[8]网格法在无线传感器网络部署中的应用[J]. 李海华,范娟,陈利. 传感器与微系统. 2012(03)
[9]基于ZigBee无线传感器网络的飞机状态监测系统[J]. 张莹,张国强. 计算机测量与控制. 2010(11)
[10]基于boltzmann选择策略的人工蜂群算法[J]. 丁海军,冯庆娴. 计算机工程与应用. 2009(31)
博士论文
[1]基于人工蜂群算法的无线传感器网络部署问题研究[D]. 于文杰.电子科技大学 2018
硕士论文
[1]基于WSN的客舱污染物参数容错估计研究[D]. 王先禹.中国民航大学 2019
[2]人工蜂群算法及其在无线传感器网络动态部署中的应用[D]. 贺培玉.山东大学 2014
[3]三维环境下无线传感器网络覆盖方法研究[D]. 孙振龙.大连理工大学 2013
[4]基于WSN的民航飞机火灾探测系统的研究[D]. 吴国民.南京航空航天大学 2011
本文编号：2916427
【文章来源】：中国民航大学天津市
【文章页数】：72 页
【学位级别】：硕士
【部分图文】：
LEACH-Cell拓扑结构示意图
中国民航大学硕士学位论文10单元头在TDM帧中接收它所连接的节点的数据。单元头接收到簇内节点的数据后，将数据进行聚合，并删除冗余数据，然后将数据传输到簇首。簇首再次聚合数据并将该数据发送到基站。（5）LEACH-EEnergybalanced-LEACH（能量平衡的LEACH）协议通过将剩余能量作为主要指标，从根本上改进了簇首选择过程[40]。在第一轮，所有节点具有相同的剩余能量，因此随机选择簇首。从下一轮开始，选择概率是根据节点的剩余能量来计算的。这意味着具有更多能量的节点将成为簇首，具有更少能量的节点成为簇首的概率下降。其次，E-LEACH还会选择一个簇首作为MCH来提供中继，以便于距离基站较远的簇首传输数据包。其他簇首则可以直接与基站间进行通讯。LEACH-E算法的拓扑结构如图1-3所示。图1-3LEACH-E拓扑结构示意图（6）LEACH-FLEACH-F（Fixednumberofclusters-LEACH）算法固定了簇数目。该算法提供了簇数目作为输入，并且在整个生命周期中它都是固定的。因此，每轮开始时没有太多的成簇开销。它使用与LEACH-C相同的成簇方式。LEACH-F减少了LEACH簇建立的开销，但在许多方面都无法扩展[36,41]。①无法将新节点添加到系统，也不能在有节点死亡后调整节点的行为。②若存在可移动的节点，该算法无法处理。
中国民航大学硕士学位论文11由于簇是固定的，只有簇中的节点能够充当簇头。因此该算法能否节省能量完全取决于所应用的场景。（7）LEACH-Multi-Hop在经典的LEACH协议中，无论距离是多少，每个节点都与簇首进行通信，每个簇首都与基站进行通信，并且路由跳数被限制为两跳（从节点到簇首以及从簇首到基站）。多跳LEACH（LEACH-Multi-Hop）算法消除了LEACH协议的这一缺点，并具有可扩展性，大大丰富了经典LEACH协议。LEACH-Multi-Hop算法为节点和基站之间的数据传输选择了一条最佳路径，它选择多个簇首作为整个网络通信的中继节点[42-46]。该算法在簇首之间采用多跳通信，这些簇首根据选择的最佳路径将数据发送到距离基站最近的那个簇首，最后，此簇首将数据发送到基站。该算法的簇建立阶段与LEACH协议相同，只是加入了对多跳的特性支持。其拓扑结构如图1-4所示。图1-4LEACH-Multi-Hop拓扑结构示意图（8）LEACH-S在LEACH-S中引入了具有太阳能供电的节点，基站借助改进的控制算法优先选择那些具有最大剩余能量的太阳能供电节点作为簇首[36]。在LEACH-S中，太阳状态与剩余能量一起由节点传输到基站，作为基站选择簇首的依据。当增加太阳能节点的数量时，传感器网络的性能也会提高。通过延长日照时间能够延长传感器网络的寿命。如果日照持续时间较短，则簇头的切换会比较频繁。
【参考文献】：
期刊论文
[1]基于WSN数据融合的室内环境监控系统设计[J]. 周彬彬,俞建定,袁飞,陈翔. 无线电通信技术. 2018(04)
[2]一种优化WSNs节点部署的变步长虚拟力算法[J]. 张俏薇,陈俊杰. 传感器与微系统. 2018(05)
[3]无线传感器网络三维表面k覆盖多连通部署方法[J]. 王丹丹,徐汀荣. 计算机应用研究. 2018(07)
[4]基于LEACH协议的无线传感网能效分簇算法[J]. 韩广辉,张丽翠. 吉林大学学报(信息科学版). 2017(01)
[5]三维无线传感器网络K重覆盖机制研究[J]. 王军,孙小玲,程勇. 电子技术应用. 2015(11)
[6]我国飞机客舱空气质量监测的抽样分析[J]. 邱兵,白国银,朱东山,李丽丽,范锦辉,刘铁兵. 环境卫生学杂志. 2014(02)
[7]基于轮盘赌反向选择机制的蜂群优化算法[J]. 向万里,马寿峰. 计算机应用研究. 2013(01)
[8]网格法在无线传感器网络部署中的应用[J]. 李海华,范娟,陈利. 传感器与微系统. 2012(03)
[9]基于ZigBee无线传感器网络的飞机状态监测系统[J]. 张莹,张国强. 计算机测量与控制. 2010(11)
[10]基于boltzmann选择策略的人工蜂群算法[J]. 丁海军,冯庆娴. 计算机工程与应用. 2009(31)
博士论文
[1]基于人工蜂群算法的无线传感器网络部署问题研究[D]. 于文杰.电子科技大学 2018
硕士论文
[1]基于WSN的客舱污染物参数容错估计研究[D]. 王先禹.中国民航大学 2019
[2]人工蜂群算法及其在无线传感器网络动态部署中的应用[D]. 贺培玉.山东大学 2014
[3]三维环境下无线传感器网络覆盖方法研究[D]. 孙振龙.大连理工大学 2013
[4]基于WSN的民航飞机火灾探测系统的研究[D]. 吴国民.南京航空航天大学 2011
本文编号：2916427
本文链接：https://www.wllwen.com/shoufeilunwen/boshibiyelunwen/2916427.html
