论文部分内容阅读
通过节点间的协作通信而形成的无线传感执行网络(Wireless Sensor and Actor Networks,WSANs)是传统无线传感器网络(Wireless Sensor Networks,WSNs)的一种创新延续发展,异构执行器节点的加入使WSANs具备了控制和改变物理世界的能力,这一特色也使得WSANs的协同通信方式发生了很大改变。除了传统WSNs具备的传感器节点-传感器节点(S-S)协同通信之外,还增加了传感器节点-执行器节点(S-A)协同通信,执行器节点-执行器节点(A-A)协同通信,高效的协同工作机制是优化节点资源配置、建立可靠通信链路及合理分配执行器节点执行任务的必要条件,是提高网络寿命、增强网络容错能力和鲁棒性的关键,也是使WSANs在民用和军事等领域发挥更有效作用的基础。在国内外研究现状的基础上,本文提出了三种WSANs智能协同控制算法,相关研究工作如下:(1)针对S-S协同工作过程中出现的数据丢包、传输延迟及网络能耗不均衡问题,提出了改进蜂群算法的S-S协同方法。该方法以优化感知节点和中继节点为目标,首先利用能量感知模型及感知协同响应概率完成了对优势感知节点的选择;然后,利用改进的蜜蜂觅食机理,把寻找最优中继节点的过程类比于蜜蜂寻找蜜源筑巢的过程,经过有限的循环迭代,完成了优势中继节点的选取;最后,仿真实验表明,相比典型的S-S协同算法,所提算法的网络性能有了很大改善,网络寿命明显提高;(2)针对S-A协同过程中由数据汇集引起的丢包、时延及“能量空洞”问题,提出一种基于生物免疫机制的动态数据汇集算法。该算法以优化中继节点、代理sink节点及设计执行器节点的移动轨迹为目标,首先,在学习因子作用下,利用亲和度和节点剩余能量计算出中继节点的选择概率,并且由信息失真度动态修正协同响应概率阈值来优化选择被激活的节点数;进而由亲和度、节点剩余能量及负载情况计算代理sink的选择概率;最后,移动执行器采用竞标机制对代理sink进行动态招标,并根据代理sink竞选成功概率大小决定其移动方向,完成动态数据收集。仿真实验表明,所提算法的负载均衡及网络寿命较其他算法都有更好表现;(3)针对A-A协同过程中出现的任务完成时间长和节点能耗不均衡问题,受生物免疫机理启发,提出一种基于生物免疫机制的A-A协同方法,该方法以求解系统最大约束时间及参与任务协同节点数为目标,在任务协作时间模型中引入状态预测函数得出系统最大约束时间,并运用生物免疫机理求解参与协同工作的节点数,然后利用功率控制技术动态改变节点协同范围,执行器节点自主决策选择优势节点参与任务处理。最后,仿真验证了所提算法相比典型的RC和MOTS算法,任务平均完成时间减少,网络寿命得到明显提高。