基于AI优化的Zigbee大规模路由方法及系统技术方案

本发明专利技术揭示了一种基于AI优化的Zigbee大规模路由方法及系统，所述方法包括：获取路由网络中各节点的重要节点；若第一节点的后续某重要节点处于设定条件，则获取第一节点的其他重要节点，切换至其他重要节点进行通讯。本发明专利技术提出的基于AI优化的Zigbee大规模路由方法及系统，可以有效提高Zigbee路由网络的效率与稳定性。

【技术实现步骤摘要】
基于AI优化的Zigbee大规模路由方法及系统
本专利技术属于电子通讯
，涉及一种路由系统，尤其涉及一种基于AI优化的Zigbee大规模路由方法及系统。
技术介绍
现有大规模Zigbee网络通常只能支持200-500个节点，在网络规模超过1000个物理节点以上时网络的搭建与维护都较为困难，主要体现在：1.最优路由路径无法稳定搭建；2.出现路由断开时，Zigbee网络没有报备能力，人力根本无法检测；3.网络复杂，路由算法不够支持路由恢复速度，导致Zigbee网络在超过1000个节点以上时变得不稳定、不可控，甚至关键节点丢失后，整个Zigbee网络出现灾难性故障。现有Zigbee路由网络通常采用Many-to-One/SourceRouting技术，many-to-one/sourcerouting即以网络中中心节点为核心，所有其他节点通过路由算法命令(routediscovery)建立一条通向中心节点的路径，每个节点会维护一套自己的路由表，该路由表特点为只记录向中心节点发送数据时，自己对应的下一跳路由节点信息，该方法有效节约了每个节本文档来自技高网...

【技术保护点】
1.一种基于AI优化的Zigbee大规模路由方法，其特征在于，所述方法包括：/n步骤S1、Zigbee网络预建立步骤；/nZigbee控制模块预建立Zigbee网络，预建立的Zigbee网络中Zigbee中心节点记录所有路由信息；预建立Zigbee网络完毕后，Zigbee控制模块发送设定命令给AI数据统计与计算模块，AI数据统计与计算模块发起自主学习过程，搭建初始化的AI路由优化模型，并将搭建好的最初的AI路由优化模型发送至Zigbee控制模块；/nAI数据统计与计算模块获取每个节点的最终得分；所述AI数据统计与计算模块向网络中的所有节点逐一发起失效评估，即让单个节点失效，记录该失效节点为A，...

【技术特征摘要】
1.一种基于AI优化的Zigbee大规模路由方法，其特征在于，所述方法包括：
步骤S1、Zigbee网络预建立步骤；
Zigbee控制模块预建立Zigbee网络，预建立的Zigbee网络中Zigbee中心节点记录所有路由信息；预建立Zigbee网络完毕后，Zigbee控制模块发送设定命令给AI数据统计与计算模块，AI数据统计与计算模块发起自主学习过程，搭建初始化的AI路由优化模型，并将搭建好的最初的AI路由优化模型发送至Zigbee控制模块；
AI数据统计与计算模块获取每个节点的最终得分；所述AI数据统计与计算模块向网络中的所有节点逐一发起失效评估，即让单个节点失效，记录该失效节点为A，此时Zigbee网络会自动发生网络路由重建，若代替失效的A节点的A’节点出现，对A’节点做加ADD1处理；维持父节点不变的节点，同样做加ADD2处理；除代替A的A’外，父节点改变的节点需要记录成功改变的第一时间T1，做减SUB1处理；无儿子节点的最末节点分数不变；若A’节点未出现，意味着所有A节点的儿子节点将全部失效，对A节点做减SUB2处理；将该过程对网络中除中心节点的每一个节点轮询一遍，统计每一个节点最终得分；其中，上述描述参数ADD1、ADD2、SUB1、SUB2为计算权重，根据系统所处环境系统动态调整改变；
上述过程结束后，恢复每个节点的路由状态，AI数据统计与计算模块向每一个节点进行路由发起，每个节点做N次路由发起，并记录每条链路LA1,LA2,LA3,…；
LA1发生次数记录为N1，则LA1＝N1，LA2＝N2，LA3＝N3，…，N1+N2+N3+…＝N，Ni越大，则认为对于节点A链路LAi越优；路由发起结束后，AI数据统计与计算模块将链路信息发送给Zigbee控制模块，并由Zigbee控制模块做好记录；其中，上述描述参数N为计算权重，需要根据系统所处环境系统动态调整改变；
上述过程结束后，重启zigbee网络，即完成AI数据统计与计算模块的路由优化初始化学习；
步骤S2、Zigbee网络正式建立步骤；
正式建立Zigbee网络，实现基于所述AI路由优化模型的Zigbee网络，AI数据统计与计算模块根据实际节点路由信息的变动动态学习与更新各节点信息；
系统启动后，Zigbee控制模块向路由网络中每个节点发送在预建立网络系统中得分最高的m个父节点的信息，并由该节点进行保存，当节点当前的父节点失效时，从得分最高到最低，依次选择作为该节点的新的父节点；同时，当Zigbee网络运行时，AI数据统计与计算模块依据获取每个节点最终得分的方法实时更新节点最终得分信息，并在网络空闲时更新给需要的节点；
在网络运行时，AI数据统计与计算模块统计每个节点当前的工作负荷，工作负荷为每分钟信息流通个数，当节点A在设定路径上工作负荷超过权重H时，则发送消息给需要经过A节点的设定节点，使其更换路径至其他空闲路径，进而提高网络整体节点使用效率。


2.一种基于AI优化的Zigbee大规模路由方法，其特征在于，所述方法包括：
获取路由网络中各节点的重要节点；
若第一节点的后续某重要节点处于设定条件，则获取第一节点的其他重要节点，切换至其他重要节点进行通讯。


3.根据权利要求2所述的Zigbee路由方法，其特征在于：
所述重要节点指各节点至中心节点的链路中出现次数最多的p个父节点。


4.根据权利要求2所述的基于AI优化的Zigbee大规模路由方法，其特征在于：
所述方法包括：建立AI路由优化模型，通过AI路由优化模型获取路由网络中各节点的重要节点。


5.根据权利要求4所述的基于AI优化的Zigbee大规模路由方法，其特征在于：
建立AI路由优化模型步骤中，AI数据统计与计算模块获取每个节点的最终得分；
所述AI数据统计与计算模块向网络中的所有节点逐一发起失效评估，即让单个节点失效，记录该失效节点为A，此时Zigbee网络会自动发生网络路由重建，若代替失效的A节点的A’节点出现，对A’节点做加ADD1处理；
维持父节点不变的节点，同样做加ADD2处理；除代替A的A’外，父节点改变的节点需要记录成功改变的时间T，做减SUB1处理；
无儿子节点的最末节点分数不变；若A’节点未出现，意味着所有A节点的儿子节点将全部失效，对A节点做减SUB2处理；将该过程对网络中除中心节点的每一个节点轮询一遍，统计每一个节点最终得分；
其中，上述描述参数ADD1、ADD2、SUB1、SUB2为计算权重，根据系统所处环境系统动态调整改变。


6.根据权利要求2所述的基于AI优化的Zigbee大规模路由方法，其特征在于：
若第一节点的后续某重要节点处于无效或负荷高于...

【专利技术属性】
技术研发人员：周宇航，李吉，
申请(专利权)人：博流智能科技南京有限公司，
类型：发明
国别省市：江苏;32