基于CFD和聚类算法的无线传感器网络节点部署方法技术

本发明专利技术涉及一种基于CFD和聚类算法的无线传感器网络节点部署方法，属于无线传感器网络部署及建筑节能技术领域。该方法包括以下步骤：步骤一：从实际建筑环境中，采用实验和调研方法获取建筑物的环境参数；步骤二：利用CFD(Computational Fluid Dynamics，计算流体动力学)相关技术建立建筑空间的环境信息分布云图模型；步骤三：基于聚类算法对建筑空间的环境信息分布云图模型的数据进行聚类；步骤四：结合数理分析界定敏感性的等级约束；步骤五：运用敏感性分析确定最终的节点部署策略。本发明专利技术融合CFD、聚类算法和敏感性分析等技术方法进行的感知层布局策略优化，以此方法可准确反映建筑环境的感知层信息，进而对环境控制系统的稳定性和低能耗具有积极的作用。

Wireless sensor network node deployment method based on CFD and clustering algorithm

The invention relates to a wireless sensor network node deployment method based on CFD and a clustering algorithm, belonging to the wireless sensor network deployment and the building energy conservation technical field. The method comprises the following steps: from the actual construction environment, environmental parameters by experiment and survey of buildings; step two: the use of CFD (Computational Fluid Dynamics, computational fluid dynamics) technology building space environment information distribution model; step three: clustering algorithm of building space the environmental information distribution model based on the data; step four: combined with mathematical analysis and definition of sensitivity level constraints; step five: use sensitivity analysis to determine the final node deployment strategy. The fusion CFD, clustering algorithm and sensitivity analysis methods such as the perception layer layout optimization strategy, this method of information perception layer can accurately reflect the architectural environment, which has a positive effect on the stability of the environmental control system and low energy consumption.

【技术实现步骤摘要】
基于CFD和聚类算法的无线传感器网络节点部署方法
本专利技术属于无线传感器网络部署及建筑节能
，涉及一种基于CFD和聚类算法的无线传感器网络节点部署方法。
技术介绍
无线传感器网络正成为全球关注的热点领域，节点部署是无线传感器网络工作的基础，它直接关系到网络监测信息的准确性、完整性和时效性。无线传感器网络的节点部署是在具体应用时首先需要解决的问题，是网络正常工作的基础，只有把传感器节点在监测区域布置好，才能进一步进行其它的工作。合理的节点部署不仅可以提高网络工作效率、优化利用网络资源，还可以根据应用需求的变化改变活跃节点的数目，以动态调整网络的节点密度。此外，在某些节点发生故障或能量耗尽失效时，通过一定策略重新部署节点，可保证网络性能不受大的影响，使网络具有较强的鲁棒性。节点部署的好坏直接影响着网络的寿命和性能。有效的部署方案，依赖于一套完整的节点部署评价体系。结合WSN的应用特点和系统特性，现有WSN的节点部署主要考虑以下3个方面：1)采集信息的完整性和精确性。要求节点能够覆盖监测区域，并且综合考虑节点的冗余和信息的容错。2)信息可传输性。要求采集到的信息能够准确及时的传递到信息的使用终端。3)系统能耗(网络寿命)。由于WSN与其它网络的最大区别之一就是能量受限的问题，在完成任务的前提下需要最大限度的延长整个网络的寿命。相应的，评价节点部署算法的性能主要包括覆盖、连通和能耗三类指标。但是，对于无线传感器网络的节点部署问题忽略了最相关的环境问题，尤其是在建筑领域，建筑环境对WSN节点部署具有最为直接的指导意义。仅考虑覆盖、连通和能耗等方面的因素来部署传感层节点，并不能准确反映实际的建筑环境，进而带来环境控制系统的不稳定性和高能耗等问题。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种基于CFD和聚类算法的无线传感器网络节点部署方法，该方法能够解决建筑空间中难以确定实际WSN环境监测点，不能准确反映实际环境情况，影响控制系统的稳定性与能耗等问题。该方法基于计算流体动力学(CFD)技术研究建筑环境内温湿度场的分布特性，构建建筑环境的温湿度场分布云图，运用聚类算法对温湿度场分布云的数据模型进行分析，得到建筑环境的需求特征点，解决无线传感器网络节点的精准监测部署问题，进而对提高控制系统稳定性和降低生产能耗有一定的积极作用。为达到上述目的，本专利技术提供如下技术方案：一种基于CFD和聚类算法的无线传感器网络节点部署方法，该方法包括以下步骤：步骤一：从实际建筑环境中，采用实验和调研方法获取建筑物的环境参数；步骤二：利用CFD(ComputationalFluidDynamics，计算流体动力学)相关技术建立建筑空间的环境信息分布云图模型；步骤三：基于聚类算法对建筑空间的环境信息分布云图模型的数据进行聚类；步骤四：结合数理分析界定敏感性的等级约束；步骤五：运用敏感性分析确定最终的节点部署策略。进一步，在步骤一中，所述建筑物的环境参数包括地理位置信息、建筑物进出口大小、建筑朝向、建筑高度、窗墙比、制冷(热)量、风量、出风温度以及建筑物内部冷热源布局。进一步，在步骤二中，建立建筑物热湿环境有限元模型，设置模型仿真参数，确定边界条件，选取合适的湍流模型算法，对建筑物进行温湿度场建模与仿真，得到三维温湿度分布云图模型。进一步，在步骤四中，结合数据统计方法，包括但不限于均值、标准差、变异系数、众数分析各类的数据特征，根据不同环境以敏感性程度为基准划分各类的敏感等级。进一步，在步骤五中，根据步骤四中的敏感性等级约束情况，结合建筑环境需求，确定以敏感性区域为基准或者是以非敏感性区域为标准，得到最终的节点部署区域。本专利技术的有益效果在于：本专利技术针对无线传感器网络的节点部署过程中忽略最相关的环境问题，融合CFD、聚类算法和敏感性分析等技术方法进行的感知层布局策略优化，在建筑领域中，对只考虑覆盖、连通和能耗等方面因素来部署传感层节点具有颠覆性的实际意义和实用价值，以此策略可准确反映建筑环境的感知层信息，进而对环境控制系统的稳定性和低能耗具有积极的作用。附图说明为了使本专利技术的目的、技术方案和有益效果更加清楚，本专利技术提供如下附图进行说明：图1为本专利技术所述方法的流程示意图；图2为实施例中三维温湿度分布云图；图3为温度数据聚类后各个类别的温差图；图4为实施例中建筑物的节点部署区域图。具体实施方式下面将结合附图，对本专利技术的优选实施例进行详细的描述。图1为本专利技术所述方法的流程示意图，如图所示，本专利技术提供的基于CFD和聚类算法的无线传感器网络节点部署方法具体包括以下步骤：步骤一：从实际建筑环境中，采用实验和调研方法获取建筑的环境参数；在本实施例中，建筑的环境参数包含地理位置信息、建筑物进出口大小、建筑朝向、建筑高度、窗墙比、制冷(热)量、风量、出风温度等，同时还需要获取建筑内部冷热源布局。步骤二：利用CFD相关技术建立建筑空间的环境信息分布云图；在本步骤中，建立建筑热湿环境有限元模型，设置模型仿真参数，确定边界条件，选取合适的湍流模型算法，对建筑物进行温湿度场建模与仿真，得出初步的三维温湿度分布云图。湍流模型的种类众多，有Spalart-Allmaras模型、k-ε模型、k-ω模型、雷诺应力模型(RSM)和大涡模拟模型(LES)。一般来说，DES和LES是最为精细的湍流模型，但是它们需要的网格数量大，计算量和内存需求都比较大，计算时间长，目前工程应用较少。S-A模型适用于翼型计算、壁面边界层流动，不适合射流等自由剪切流问题。标准K-Epsilon模型有较高的稳定性、经济性和计算精度，应用广泛，适用于高雷诺数湍流，在建筑环境模拟中经常使用。RNGK-Epsilon模型可以计算低雷诺数湍流，其考虑到旋转效应，对强旋流计算精度有所提供。RealizableK-Epsilon模型较前两种模型的有点是可以保持雷诺应力与真实湍流一致，可以更加精确的模拟平面和圆形射流的扩散速度，同时在旋流计算、带方向压强梯度的边界层计算和分离流计算等问题中，计算结果更符合真实情况，同时在分离流计算和带二次流的复杂流动计算中也表现出色。但是此模型在同时存在旋转和静止区的计算中，比如多重参考系、旋转滑移网格计算中，会产生非物理湍流粘性。因此需要特别注意。标准K-W模型包含了低雷诺数影响、可压缩性影响和剪切流扩散，适用于尾迹流动、混合层、射流、以及受壁面限制的流动附着边界层湍流和自由剪切流计算。SSTK-W模型综合了K-W模型在近壁区计算的有点和K-Epsilon模型在远场计算的优点，同时增加了横向耗散导数项，在湍流粘度定义中考虑了湍流剪切应力的输运过程，适用更广，可以用于带逆压梯度的流动计算、翼型计算、跨声速带激波计算等。雷诺应力模型没有采用涡粘性各向同性假设，在理论上比前面的湍流模型要精确的多，直接求解雷诺应力分量输运方程，适用于强旋流动，如龙卷风、旋流燃烧室计算等。在本实施例中以某建筑空间的温度模拟为例，建立建筑空间的环境信息，选取标准K-Epsilon模型进行计算，得到初步的三维温度分布云图，如图2所示。步骤三：基于聚类算法对建筑环境云模型的数据进行聚类；运用相应的聚类算法对环境云模型数据进行聚类，在本实施例中以环境的温湿度为例，利用K均值聚类算法，将温度和湿度的数据本文档来自技高网...

【技术保护点】
一种基于CFD和聚类算法的无线传感器网络节点部署方法，其特征在于：该方法包括以下步骤：步骤一：从实际建筑环境中，采用实验和调研方法获取建筑物的环境参数；步骤二：利用CFD(Computational Fluid Dynamics，计算流体动力学)相关技术建立建筑空间的环境信息分布云图模型；步骤三：基于聚类算法对建筑空间的环境信息分布云图模型的数据进行聚类；步骤四：结合数理分析界定敏感性的等级约束；步骤五：运用敏感性分析确定最终的节点部署策略。

【技术特征摘要】
1.一种基于CFD和聚类算法的无线传感器网络节点部署方法，其特征在于：该方法包括以下步骤：步骤一：从实际建筑环境中，采用实验和调研方法获取建筑物的环境参数；步骤二：利用CFD(ComputationalFluidDynamics，计算流体动力学)相关技术建立建筑空间的环境信息分布云图模型；步骤三：基于聚类算法对建筑空间的环境信息分布云图模型的数据进行聚类；步骤四：结合数理分析界定敏感性的等级约束；步骤五：运用敏感性分析确定最终的节点部署策略。2.根据权利要求1所述的基于CFD和聚类算法的无线传感器网络节点部署方法，其特征在于：在步骤一中，所述建筑物的环境参数包括地理位置信息、建筑物进出口大小、建筑朝向、建筑高度、窗墙比、制冷(热)量、风量、出风温度以及建筑物内部冷热源布局。3...

【专利技术属性】
技术研发人员：石欣，付佳蕾，赵莹，张宏祥，曾兴旺，陆未定，王梨，秦鹏杰，邱雷，梁妙姝，韩可松，魏跃东，刘昱岑，
申请(专利权)人：重庆大学，
类型：发明
国别省市：重庆,50