基于萤火虫算法优化FCM的WSN路由算法

针对无线传感器网络节点能源有限,容易出现能量负载不均衡的问题,提出了一种基于萤火虫算法优化模糊C均值(FCM)的无线传感器网络(WSN)路由算法(FFACM),优化了分簇路由算法中的分簇阶段和簇间路由建立阶段。在分簇阶段,使用萤火虫算法计算初始聚类中心,避免模糊C均值算法因初始聚类中心而陷入局部最优的问题。在选择簇首节点上,建立关于剩余能量和距离的适应度函数,选取适应度值最大的节点作为簇首节点并动态更新。通过计算节点间的链路代价并根据剩余能量和到sink节点的距离建立代价函数,选择代价函数值最小的节点建立簇间多跳路由,使得簇首节点的负载降到最低。从仿真实验结果可知,相比于其他无线传感器网络的路由算法,FFACM算法能有效均衡网络负载,降低节点能耗,从而延长网络的使用周期。     

基于多路径的非均匀分簇路由协议

为提高无线传感器网络的存活时间和可扩展性,解决簇首节点因大量转发数据而负载过重、过早死亡的问题,基于已有的路由协议,提出一种改进的基于多路径的非均匀分簇能量优化路由协议.该协议以节点的剩余能量、簇内成员数目、可用缓存大小、节点间信道质量、节点间距离作为参数,计算出多条传输路径.节点采用多路径传输数据,达到了更佳的传输效果.仿真分析表明:此协议能减少网络延迟和阻塞,均衡网络的能耗,提高传输效率,延长网络的生存周期.     

一种改进的ZigBee网络能量均衡簇树路由算法

针对ZigBee网络中的簇树路由算法存在网络节点能量消耗不均衡造成网络过早瘫痪的问题,提出一种改进的能量均衡簇树路由算法.该算法综合考虑单个节点生存周期和整个网络能量消耗,定义了节点能量水平以及节点权值,根据节点父子关系和权值建立了一种分簇机制,避免单个节点的不必要能量消耗和死亡,并优化AODVjr算法缩短路由距离,降低簇间通信延迟和路由开销.仿真结果表明,该算法相较于簇树路由算法减小了3.6％的网络整体能量消耗,延长了约15％的网络生命周期.     

无线传感器网络中基于机会策略的蚁群路由协议

针对无线传感器网络节点能量受限的局限性,以设计高能效路由协议为目标,提出了一种基于机会策略的蚁群分簇路由协议.在分簇算法中引入能量估计的概念,优化网络分簇;融合能量等级及路由跳数,改进蚁群多跳路由的信息素更新规则,设计机会路由策略,降低额外网络控制开销.仿真实验结果表明,基于机会策略的蚁群路由协议能够提高网络使用效率,...     

能量高效均衡的动态分簇路由设计

针对无线传感器网络中存在的能量空洞现象,基于能量高效均衡的思想提出了一种新的动态路由非均匀分簇算法,在均匀间隔圆环的网络模型中,通过分析单跳和多跳的能耗划分网络,并计算网络全局能耗得出最优簇首个数,从而构建非均匀分簇网络,以解决能量空洞现象.在数据传输阶段,簇首节点综合考虑能耗和剩余能量,依概率选择下一跳节点.仿真实验结果表明,该算法有效地延长了网络的生存周期.     

基于蚁群算法的WSN路由协议研究

针对层次路由LEACH协议存在簇头分布不均,并且每次簇头轮换均在整个网络内进行,会造成耗能过多以及蚁群算法应用于LEACH协议建立簇间多跳路由仍存在能耗不均衡的问题,采用将网络节点进行区域划分,并将节点剩余能量作为参考因素,在区域内进行簇头节点的轮换选取的方法改进,并通过将节点能量引入到转移概率和信息素更新公式中,对蚁群路由算法进行改进,利用其建立从簇头节点到汇聚节点的多跳路由的最优路径.实验验证表明:与LEACH协议相比,改进协议整体上减少并均衡了能量的消耗,延长了无线传感器网络的生命周期.     

基于加权优化树的WSN分簇路由算法

无线传感器网络(WSN)是由大量具有感知和传输数据能力的传感器节点组成的自组织网络,被用来部署监测物理环境.针对无线传感器节点存储空间小、能量有限、路由不稳定、能耗不均衡等问题,提出一种改进的基于加权优化树的路由算法,将树型结构应用于分簇路由算法中.根据节点的剩余能量、可用内存、相邻节点的距离、信道质量设定数据传输代价,并以此为基础对树型拓扑结构进行加权优化,分布式地在簇内创建树型网络拓扑结构.改进的算法降低了网络中数据传输的总代价.仿真实验结果表明:与传统的树结构和分簇路由算法相比较,结合了树型拓扑结构的分簇路由算法,在延长网络生存时间和平衡网络能耗方面更具有优势.     

基于E-CARGO的WSN成簇机制研究

在无线传感器网络中,节点的电量十分有限,降低节点的能耗、延长网络寿命是路由协议设计的重点.针对经典分簇路由协议LEACH(Low-Energy Adaptive Clustering Hierarchy)中簇头选取不合理以及节点能耗不均衡的问题,将传感器节点的剩余能量、分布位置等定义为约束,采用带约束的角色协同模型E-CARGO为分簇型无线传感器网络系统建模,在机制上实现对LEACH协议的改进.在传感器节点角色指派过程中,综合考虑节点的约束并结合LEACH算法为传感器节点进行角色指派.理论分析和仿真实验结果表明,改进后协议在可扩展性、灵活性、均衡节点能耗以及网络生命周期方面优于LEACH协议.     

一种高能效传感网路由控制算法

针对传感网络中节点能耗高的问题,提出了一种基于层次的多跳非均匀分簇路由算法UCER.该算法通过计算各层次中节点的平均剩余能量,挑选剩余能量高于层次平均能量的节点形成候选簇头集合,根据不同层次中候选簇头竞争半径的不同,在局部层次范围内竞争正式簇头,并建立非均匀簇结构.结果表明,与同类型分簇算法相比,UCER可以产生更加合理的簇头数量和簇头间距,并较好地均衡了各个簇及簇头的能耗,延长13. 4%的网络生存时间.     

基于非合作博弈的簇间能量优化路由算法研究

针对无线传感器网络(WSNs)的簇间路由进行详细研究,指出目前簇间路由中存在的能量耗散不均衡问题.通过实际例子指出簇间能耗不均的原因,即各个簇头节点的自私性导致数据流量分布不均,进而引发能耗的分布不均.在此基础之上,提出规范各个簇头节点行为的非合作簇间路由博弈模型,得出并证明该博弈的Nash均衡点(NEP).然后基于此博弈模型提出本文的路由算法——基于非合作博弈的簇间能量优化路由算法EIRNG.最后,进行详尽的仿真实验,分别针对网络的能量效率以及网络性能进行横向及纵向对比,实验结果表明,通过引入平衡因子θ_i,各层簇头可选择最优数据转发量,从而网络中的簇头之间的能量消耗趋于均衡.与经典分簇算法PEGASIS以及作者前期工作EEREG相比,采用EIRNG时网络生命期可延长分别为74.1%及8.6%.因此,基于非合作博弈的簇间路由能量优化算法EIRNG可有效地提高能量效率以及提高网络的性能.     

基于LM-BP神经网络的建筑能耗在线预测

由于神经网络不需要建立复杂的数学模型,因此基于BP神经网络的建筑能耗预测引起广泛关注.但标准BP神经网络收敛速度慢,不适于建筑能耗在线预测,因此采用了LevenbergMarquardts算法对标准BP神经网络加以改进,并将其应用于某建筑未来24小时的整点电量负荷预测.实验结果表明,改进的神经网络明显提高了训练速度,为建筑短期负荷的在线预测提供了一种方法.     

基于改进蚁群的BP神经网络WSN数据融合算法

为了保证无线传感器网络（WSN）在深井中能有效地工作,提出了一种改进蚁群的反向传播（BP）神经网络WSN数据融合算法（IFA-IACOBP）.通过规划蚂蚁运动方向和引入节点剩余能量对蚁群算法启发因子进行改进,优化蚂蚁下一跳节点选择概率,利用改进后的蚁群算法对BP神经网络进行优化,引入井下WSN数据融合,数据经两级融合处理后,能去除大部分冗余信息.仿真实验结果表明,IFA-IACOBP算法能有效减少网络数据通信量,提高数据实时性,降低网络能耗,延长网络寿命.     

EMD遗传神经网络方法

针对BP(back propagation)神经网络搜索速度慢、容易陷入局部最小的缺陷,提出了经验模态分解(EMD)遗传神经网络方法,首先用对带噪的信号进行分解,得到信号的各阶本征模函数分量,每个本征模函数分量对应着一个能量不同的频段,即一种故障特征,将各频段能量的特征向量作为优化神经网络的输入样本;其次用遗传算法对神经网络的初始权值和阈值进行优化.利用EMD遗传神经网络方法对滚动轴承多类故障信号进行分析,可提高故障识别能力.     

BP神经网络预测技术在企业能源管理系统中的应用

针对企业能源管理系统(EMS)开发过程中的问题,提出了一种基于BP神经网络的预测技术,并运用BP神经网络算法对某钢铁企业能源管理系统能源消费量进行建模与分析。将MATLAB算法工具箱和编译技术开发组件嵌入到系统中实现实时在线计算。结果显示算法达到了很好的预测效果。可以让企业能源管理者预先掌握企业能耗动态趋势,指导企业生产和调度,保障企业能源供需平衡。     

神经网络在短期电力负荷预测中的应用

给出了改进的BP网络和RBF网络的构造过程和训练方法.在改进的BP网络中不仅加入了动量项和变步长法，而且在模型中合理地考虑了影响负荷变化的主要气象因素，使其能够适应天气的变化.在RBF网络中，为了克服传统K均值聚类法局部寻优的缺陷，采用了正交最小二乘法选取RBF中心.利用改进的BP网络和RBF网络进行了短期电力负荷预测，并对训练的收敛速度和预测精度进行了分析.比较两种模型，RBF网络比BP网络更具有实用性和可开发性.     

基于 ANN 的 FMS 故障诊断模型及其学习算法

讨论了基于前馈型神经网络的ＦＭＳ故障诊断模型，并提出一种用于前馈型神经网络训练的改进ＢＰ算法和基于遗传算法的网络初始点获取策略，给出一种通用前馈型神经网络结构和学习参数自整定学习算法，最后应用上述方法建立了基于前馈型神经网络的ＦＭＳ机器人故障诊断模型，并用所提出的新的学习算法对网络进行了学习，与传统ＢＰ算法比较，学习速度较快，且不易陷入局部极小点     

BP算法在欠驱动机械臂平衡控制中的应用

欠驱动机械臂是一类控制器数目少于系统自由度的非完整系统.针对欠驱动机械臂Acrobot,采用标准BP算法和改进BP算法设计了神经网络平衡控制器,仿真实验结果表明,改进的BP算法能有效地克服标准BP算法的缺陷,使系统的均方误差大大减小,并具有容易实现以及计算量小的优点.     

基于一类改进遗传算法的进化神经网络研究

分析传统遗传算法易早熟收敛的主要原因,提出一类改进的遗传算法以及一种基于改进遗传算法的前馈神经网络设计方法,用以同时完成对网络结构空间和权值空间的搜索。该算法将普通遗传算法的交叉算子和遗传算子进行改进,利用模拟退火算法、BP算法和小生境技术来加快算法的收敛速度,改善解的性能。通过对异或(XOR)、噪声模式识别等前馈神经网络性能的一组测试,与BP算法进行比较,实验结果表明,该算法能够有效抑制遗传算法初期收敛的发生,有效地提高多层前馈神经网络的收敛精度和收敛速度,由此得到的神经网络的泛化能力也较好,能够达到根据训练样本自动优化设计多层前馈式神经网络的目的,并可获得更为简洁的网络结构。