一种客机货舱WSN动态覆盖部署算法制造技术

本发明专利技术提供了一种客机货舱WSN动态覆盖部署算法，包括：监测WSN的运行状态；当所述WSN开始运行后，动态调整每个火灾传感器节点的节点状态，控制第一类节点为工作状态，控制第二类节点为休眠状态。从而实现对待监测区域的全覆盖并延长WSN寿命。

【技术实现步骤摘要】
一种客机货舱WSN动态覆盖部署算法
本专利技术涉及客机货舱
，特别涉及一种客机货舱WSN动态覆盖部署算法。
技术介绍
由于客机的货舱存在火灾隐患，需要对其进行火灾监测。传统的单点传感器(单点式传感器是指一只传感器以独立的连线接到数据采集器上)存在诸多问题，因此需要在货舱中大量、冗余的部署火灾传感器节点组成无线传感器网络(WSN，wirelesssensornetwork)来实现对货舱内的全覆盖，完成部署后，不需要全部节点同时工作，只需要确定一个工作节点集，该集合中的节点刚好能够实现对货舱的全覆盖即可，因此，提出了一种客机货舱WSN动态覆盖部署算法。
技术实现思路
本专利技术提供一种客机货舱WSN动态覆盖部署算法，用以实现对待监测区域的全覆盖并延长WSN寿命。本专利技术提供一种客机货舱WSN动态覆盖部署算法，包括：监测WSN的运行状态；当所述WSN开始运行后，动态调整每个火灾传感器节点的节点状态，控制第一类节点为工作状态，控制第二类节点为休眠状态。在一种可能实现的方式中，动态调整每个火灾传感器节点的节点状态，控制第一类节点为工作状态，控制第二类节点为休眠状态的过程中包括：由基站集中地管理每个火灾传感器节点的节点状态和簇工作模式，其管理步骤包括：在每轮的簇建立阶段运行，从已有的传感器节点集S中选择一组最优的工作节点子集SD，控制所述最优的工作节点子集SD在本轮处于工作状态，参与对货舱火灾的监测；控制其余节点在本轮处于休眠状态；>其中，所述节点状态包括：工作状态和休眠状态；所述簇工作模式包括：簇首模式和簇成员模式。在一种可能实现的方式中，从已有的传感器节点集S中选择一组最优的节点子集SD的之前包括：将人工蜂群算法融入LEACH协议，获得改进的二进制人工蜂群算法。在一种可能实现的方式中，获得改进的二进制人工蜂群算法之后，包括：在每轮的簇建立阶段运行过程中，基站通过改进的二进制人工蜂群算法按目标函数从已有的传感器节点集S中选择一组最优的工作节点子集SD，并按目标函数通过遍历法选取簇首节点子集SDH,作为本轮簇首节点；指定本轮的成簇形式，并进行广播；WSN节点接收基站的广播消息，并进入相应的工作状态；最优的工作节点子集SD中的簇内节点获得感知数据，并发送给本轮簇首节点；本轮簇首节点融合所述感知数据，发送给所述基站；基于所述基站判断已有的传感器节点集S中的剩余节点能否满足依概率PA的K-覆盖；若能，重新执行上述所有步骤；否则，执行结束。在一种可能实现的方式中，在每轮的簇建立阶段运行过程之前，还包括：判断每轮的簇建立阶段是否满足新的大周期；若是，重置每个所述火灾传感器节点的节点参数；否则，继续执行在每轮的簇建立阶段运行过程中的所有步骤；同时，当基于所述基站判断出已有的传感器节点集S中的剩余节点满足依概率PA的K-覆盖之后，还包括重新执行在每轮的簇建立阶段运行过程之前的步骤。在一种可能实现的方式中，所述改进的二进制人工蜂群算法包括四个阶段，分别为：初始化阶段、雇佣蜂阶段、跟随蜂阶段和侦查蜂阶段；首先，最优的工作节点子集的选取问题的目标函数f如公式(1)所示；f＝(maxErest_sum,minns),COV(S)≥K·pA(1)；其中，Erest_sum为本轮工作状态节点的剩余总能量，ns为本轮工作状态的节点总数；K·PA为已有的传感器节点集S中的剩余节点满足依概率PA的K-覆盖；S为当前工作状态的传感器节点集合；COV(S)为集合S对待监测区域的覆盖率；minns为使得本轮处于工作状态的传感器节点最少，用最少数量的节点达到覆盖率指标；在初始化阶段，确定人工蜂群中的食物源对应的可行解的纬度，并通过公式(2)确定所述维度的取值；其中，i＝1,2,...,NP，j＝1,2,...,D，D＝Ns，vij是第i个可行解的第j个维度，rij∈[0,1]；其中，NP为食物源的数量，D为食物源对应的问题的维度，Ns为火灾传感器节点的数量；为每个食物源分配一个雇佣蜂，且所述雇佣蜂数量等于食物源数量；为初始化阶段的每个食物源分配完雇佣蜂后，通过公式(3)计算每个可行解的适应度值；fiti(k)＝Esum(k)×COV(k)-0.1ns(k)(3)；其中，fiti(k)为第k次迭代中第i个可行解的适应度值，COV(k)为WSN对待监测区域的覆盖率；Esum(k)为在人工蜂群算法进行拓扑优化过程中，第k次迭代网络预计消耗的总能量；ns(k)指在人工蜂群算法进行拓扑优化过程中，第k次迭代时网络唤醒的节点总数；在雇佣蜂阶段，每个雇佣蜂i随机挑选一个邻居雇佣蜂u，并生成范围在[0,1]的随机数将可行解vi(k,t)和vu(k,t)的第j个维度根据公式(4)进行计算，从而生成当前可行解的候选可行解vu(k,t+1)；其中，k为当前迭代的次数，i≠u，即随机挑选的邻居不能与当前可行解重复，vij(k,t)为第i个解的第j个维度，vuj(k,t)为随机挑选的邻居可行解的第j个维度，vij(k,t+1)为根据vij(k,t)和邻居vuj(k,t)生成的候选可行解，是一个随机生成的数；雇佣蜂采取贪婪选择的原则，当候选可行解优于原可行解时，则替代原可行解；否则，保持原状态，同时，食物源不活跃变量增加1；在跟随蜂阶段，通过公式(5)计算每个食物源被跟随蜂选择的概率；其中，k为当前迭代的次数，pi(k)为在第k次迭代中，第i个可行解被一只跟随蜂选择的概率；fitn(k)为第k次迭代中第n个可行解的适应度值；若候选可行解的质量优于当前可行解的质量，则替代当前可行解，即雇佣蜂转向新生成的候选可行解；否则，保持原状态不变，食物源不活跃变量增加1；在侦查蜂阶段，计算每个食物源的不活跃变量是否达到极限值Limit，当所述不活跃变量超过阈值Limit时，经当前可行解的雇佣蜂变成一个侦查蜂，通过公式(2)在全局范围内生成新食物源，并重置所述不活跃变量，且所述侦查蜂变为雇佣蜂。在一种可能实现的方式中，在侦查蜂阶段执行完成之后，还包括：当侦查蜂阶段结束后，记录所有可行解中的最优解，进而构成相应的最优的工作节点子集SD。在一种可能实现的方式中，按目标函数通过遍历法选取簇首节点子集SDH,作为本轮簇首节点的过程中，还包括：获取所有可行解的适应度值，其获取步骤包括：根据能耗模型预测本轮每个火灾传感器节点的能耗，求得每个火灾传感器节点的剩余能耗；在SDH的网络层次下，根据公式(6)确定本轮最优的工作节点子集中的工作节点的最低总能耗minEsum以及每个工作节点能耗的最小标准差minSD(Em_sum)，fDH＝(minEsum,min本文档来自技高网...

【技术保护点】
1.一种客机货舱WSN动态覆盖部署算法，其特征在于，包括：/n监测WSN的运行状态；/n当所述WSN开始运行后，动态调整每个火灾传感器节点的节点状态，控制第一类节点为工作状态，控制第二类节点为休眠状态。/n

【技术特征摘要】
1.一种客机货舱WSN动态覆盖部署算法，其特征在于，包括：
监测WSN的运行状态；
当所述WSN开始运行后，动态调整每个火灾传感器节点的节点状态，控制第一类节点为工作状态，控制第二类节点为休眠状态。


2.如权利要求1所述的部署算法，其特征在于，动态调整每个火灾传感器节点的节点状态，控制第一类节点为工作状态，控制第二类节点为休眠状态的过程中包括：
由基站集中地管理每个火灾传感器节点的节点状态和簇工作模式，其管理步骤包括：
在每轮的簇建立阶段运行，从已有的传感器节点集S中选择一组最优的工作节点子集SD，控制所述最优的工作节点子集SD在本轮处于工作状态，参与对货舱火灾的监测；
控制其余节点在本轮处于休眠状态；
其中，所述节点状态包括：工作状态和休眠状态；
所述簇工作模式包括：簇首模式和簇成员模式。


3.如权利要求2所述的部署算法，其特征在于，从已有的传感器节点集S中选择一组最优的节点子集SD的之前包括：
将人工蜂群算法融入LEACH协议，获得改进的二进制人工蜂群算法。


4.如权利要求3所述的部署算法，其特征在于，获得改进的二进制人工蜂群算法之后，包括：
在每轮的簇建立阶段运行过程中，基站通过改进的二进制人工蜂群算法按目标函数从已有的传感器节点集S中选择一组最优的工作节点子集SD，并按目标函数通过遍历法选取簇首节点子集SDH,作为本轮簇首节点；
指定本轮的成簇形式，并进行广播；
WSN节点接收基站的广播消息，并进入相应的工作状态；
最优的工作节点子集SD中的簇内节点获得感知数据，并发送给本轮簇首节点；
本轮簇首节点融合所述感知数据，发送给所述基站；
基于所述基站判断已有的传感器节点集S中的剩余节点能否满足依概率PA的K-覆盖；
若能，重新执行上述所有步骤；
否则，执行结束。


5.如权利要求4所述的部署算法，其特征在于，在每轮的簇建立阶段运行过程之前，还包括：
判断每轮的簇建立阶段是否满足新的大周期；
若是，重置每个所述火灾传感器节点的节点参数；
否则，继续执行在每轮的簇建立阶段运行过程中的所有步骤；
同时，当基于所述基站判断出已有的传感器节点集S中的剩余节点满足依概率PA的K-覆盖之后，还包括重新执行在每轮的簇建立阶段运行过程之前的步骤。


6.如权利要求3-4任一所述的部署算法，其特征在于，所述改进的二进制人工蜂群算法包括四个阶段，分别为：初始化阶段、雇佣蜂阶段、跟随蜂阶段和侦查蜂阶段；
首先，最优的工作节点子集的选取问题的目标函数f如公式(1)所示；
f＝(maxErest_sum,minns),COV(S)≥K·pA(1)；
其中，Erest_sum为本轮工作状态节点的剩余总能量，ns为本轮工作状态的节点总数；K·PA为已有的传感器节点集S中的剩余节点满足依概率PA的K-覆盖；S为当前工作状态的传感器节点集合；COV(S)为集合S对待监测区域的覆盖率；minns为使得本轮处于工作状态的传感器节点最少，用最少数量的节点达到覆盖率指标；
在初始化阶段，确定人工蜂群中的食物源对应的可行解的纬度，并通过公式(2)确定所述维度的取值；



其中，i＝1,2,...,NP，j＝1,2,.....

【专利技术属性】
技术研发人员：王蕊，白城睿，王宇，孙辉，
申请(专利权)人：中国民航大学，
类型：发明
国别省市：天津;12