基于智能優(yōu)化算法的移動(dòng)無線傳感器網(wǎng)絡(luò)可靠性研究.pdf

1、物聯(lián)網(wǎng)是繼計(jì)算機(jī)、互聯(lián)網(wǎng)之后信息技術(shù)的第三次革命，受到世界各國(guó)政府、企業(yè)和學(xué)術(shù)界的高度重視。無線傳感器網(wǎng)絡(luò)作為物聯(lián)網(wǎng)的“末梢神經(jīng)”，綜合了信息感知、無線通信、分布式信息處理等技術(shù)，實(shí)現(xiàn)物理世界、計(jì)算世界和人類社會(huì)三元世界的互聯(lián)互通。隨著移動(dòng)終端技術(shù)的發(fā)展與普及，移動(dòng)無線傳感器網(wǎng)絡(luò)已經(jīng)成為當(dāng)前無線傳感器網(wǎng)絡(luò)技術(shù)演進(jìn)的一個(gè)新趨勢(shì)。可靠性是評(píng)價(jià)移動(dòng)無線傳感器網(wǎng)絡(luò)性能的一個(gè)重要指標(biāo)，決定了移動(dòng)無線傳感器網(wǎng)絡(luò)的實(shí)際應(yīng)用價(jià)值。本文以復(fù)雜工業(yè)應(yīng)用環(huán)境

2、為研究背景，著重從適用于大規(guī)模、信息較簡(jiǎn)單且時(shí)延容忍的移動(dòng)無線傳感器網(wǎng)絡(luò)，開展移動(dòng)無線傳感器網(wǎng)絡(luò)可靠性關(guān)鍵問題研究。通過引入智能學(xué)習(xí)方法和群智能仿生優(yōu)化算法，解決工業(yè)應(yīng)用環(huán)境下的移動(dòng)無線傳感器網(wǎng)絡(luò)故障預(yù)測(cè)方法和拓?fù)浣Y(jié)構(gòu)可靠性評(píng)估方法、移動(dòng)無線傳感器網(wǎng)絡(luò)的移動(dòng)路徑優(yōu)化對(duì)數(shù)據(jù)收集效率和網(wǎng)絡(luò)可靠性的影響、基于數(shù)據(jù)融合方法的數(shù)據(jù)可靠傳輸、多路徑路由智能容錯(cuò)策略等可靠性問題，保證移動(dòng)無線傳感器網(wǎng)絡(luò)在復(fù)雜工業(yè)應(yīng)用環(huán)境下節(jié)能、高效、可靠地運(yùn)行。

3、>　　本研究主要內(nèi)容包括：⑴針對(duì)外界干擾造成節(jié)點(diǎn)失效、網(wǎng)絡(luò)鏈路質(zhì)量變差、數(shù)據(jù)傳輸失敗等故障影響，為了及時(shí)、正確地給出修補(bǔ)方案來預(yù)防和消除故障，提出一種基于核函數(shù)的移動(dòng)無線傳感器網(wǎng)絡(luò)故障預(yù)測(cè)算法。選用徑向基函數(shù)作為核函數(shù)的故障預(yù)測(cè)模型，分別從節(jié)點(diǎn)硬件故障和網(wǎng)絡(luò)故障兩個(gè)方面進(jìn)行故障預(yù)測(cè)。實(shí)驗(yàn)結(jié)果表明，提出的故障預(yù)測(cè)方法實(shí)現(xiàn)對(duì)MWSN節(jié)點(diǎn)硬件故障和網(wǎng)絡(luò)故障較好地預(yù)測(cè)，提高M(jìn)WSN運(yùn)行的可靠性。同時(shí)針對(duì)MWSN可靠性難以準(zhǔn)確、全面、系統(tǒng)地評(píng)估，

4、建立網(wǎng)絡(luò)功能值表示MWSN連通狀態(tài)可靠性評(píng)估模型，運(yùn)用基于時(shí)間演迸的狀態(tài)轉(zhuǎn)移蒙特卡羅可靠性評(píng)估方法，應(yīng)用于評(píng)估MWSN三種典型拓?fù)浣Y(jié)構(gòu)（網(wǎng)狀網(wǎng)絡(luò)、樹狀網(wǎng)絡(luò)和帶狀網(wǎng)絡(luò)）的網(wǎng)絡(luò)可靠性。仿真結(jié)果表明，提出的方法可對(duì)網(wǎng)狀、樹狀和帶狀拓?fù)浣Y(jié)構(gòu)的MWSN可靠性快速準(zhǔn)確地評(píng)估，為MWSN可靠性全面、準(zhǔn)確地評(píng)估提供了有效的手段。⑵傳統(tǒng)的數(shù)據(jù)收集方法只考慮提高數(shù)據(jù)采集量或降低網(wǎng)絡(luò)的能耗。通過查閱文獻(xiàn)和研究，證明MWSN數(shù)據(jù)收集問題是一個(gè)NP—難問題。在M

5、WSN數(shù)據(jù)收集過程中，綜合考慮分簇簇頭節(jié)點(diǎn)選取、普通節(jié)點(diǎn)到簇頭節(jié)點(diǎn)傳輸路徑以及移動(dòng)Sink的路徑優(yōu)化，提出一種基于人工蜂群的移動(dòng)Sink數(shù)據(jù)收集啟發(fā)式算法。對(duì)Sink移動(dòng)路徑規(guī)劃使用人工蜂群算法得到訪問各個(gè)簇頭節(jié)點(diǎn)的最短路徑，普通節(jié)點(diǎn)通過多跳路由的方式將數(shù)據(jù)傳送到就近的簇頭節(jié)點(diǎn)暫時(shí)存儲(chǔ)，之后再傳送給移動(dòng)Sink。與隨機(jī)行走和基于蟻群算法的數(shù)據(jù)收集方法相比，仿真結(jié)果表明，提出的算法能有效地減少感知節(jié)點(diǎn)傳送到Sink數(shù)據(jù)量、降低網(wǎng)絡(luò)能耗、提

6、高數(shù)據(jù)收集效率、能耗均衡性和網(wǎng)絡(luò)可靠性、延長(zhǎng)網(wǎng)絡(luò)生存周期。⑶針對(duì)感知節(jié)點(diǎn)采集到的原始數(shù)據(jù)存在高度冗余，冗余數(shù)據(jù)傳輸過程中會(huì)消耗過多的能量，縮短網(wǎng)絡(luò)壽命，提出一種基于極限學(xué)習(xí)機(jī)的移動(dòng)無線傳感器網(wǎng)絡(luò)數(shù)據(jù)融合算法。首先Sink根據(jù)簇頭分簇后的信息構(gòu)造極限學(xué)習(xí)機(jī)網(wǎng)絡(luò)結(jié)構(gòu)，并搜集樣本數(shù)據(jù)庫(kù)中與簇內(nèi)節(jié)點(diǎn)信息相匹配的樣本進(jìn)行訓(xùn)練，得到相關(guān)的極限學(xué)習(xí)機(jī)網(wǎng)絡(luò)參數(shù)。之后將網(wǎng)絡(luò)各層的參數(shù)（權(quán)值、閾值）發(fā)送給對(duì)應(yīng)的簇頭節(jié)點(diǎn)。簇頭節(jié)點(diǎn)利用訓(xùn)練好的網(wǎng)絡(luò)模型進(jìn)行數(shù)據(jù)

7、的融合處理，最后將處理好的數(shù)據(jù)以最短路徑發(fā)送給Sink。與LEACH算法、BP神經(jīng)網(wǎng)絡(luò)、RBF神經(jīng)網(wǎng)絡(luò)算法相比，仿真結(jié)果表明，提出的算法減少數(shù)據(jù)傳輸量和網(wǎng)絡(luò)能耗，延長(zhǎng)網(wǎng)絡(luò)生存周期，提高數(shù)據(jù)融合效率和數(shù)據(jù)傳輸可靠性。⑷針對(duì)移動(dòng)無線傳感器網(wǎng)絡(luò)中的路由容錯(cuò)問題，同時(shí)考慮路由優(yōu)化過程中能量平衡機(jī)制，建立了相應(yīng)的簇內(nèi)路由智能容錯(cuò)模型，提出一種基于人工蜂群優(yōu)化粒子群的移動(dòng)無線傳感器網(wǎng)絡(luò)路由智能容錯(cuò)算法，快速尋找到一條時(shí)延短、可靠性高的替代傳輸路徑。