基于Zigbee技术的机坪移动目标监控网络能量优化方法研究

针对机坪移动目标监测网络在天津机场现场应用测试中暴露的能耗及相关问题,在原有网络MAC层协议基础上,提出了一种基于网络数据分类处理思想的网络节点自适应能量优化机制,对网络原有的CSMA/CA算法、ACK帧、数据碰撞等方面做了调整;进行了数学建模和分析;同时利用OPNET软件建立场景进行网络仿真,仿真结果表明优化后的网络在网络生命周期、吞吐量等指标方面均优于原有的网络,较好地解决了系统在现场应用中暴露的能量问题。     

民航机场特种车辆监控网络MAC层节能设计

针对机场特种车辆监控系统在现场测试中能量消耗快所造成的定位计算精度和实时性下降等问题,在原有网络MAC层基础上,提出了一种基于网络环境、电池和车辆状态监测的对超帧占空比动态控制的网络能量优化方法,是一种闭环控制.利用OPNET软件建立场景进行网络仿真,结果表明,基于此方法设计的网络协议较原MAC协议在延长网络生命周期、优化网络性能方面都有显著提高,解决了实际应用问题.     

一种应用于机场廊桥监控网络的路由算法

针对民航机场廊桥监控网络在机场停机坪现场测试中暴露的网络节点过早死亡、网络生命周期短的问题,对该系统无线网络架构中路由层算法进行优化,采用基于剩余能量和位置的改进LEACH算法,根据网络环境的因素综合考虑节点剩余能量、网络平均剩余能量以及节点位置,分步选出最优簇头,同时,采用能量估算方法确定网络平均剩余能量,达到均衡网络能耗且延长网络生命周期的目的.最终利用Matlab软件对民航机场廊桥监控管理系统建模仿真,仿真结果表明：提出的算法比网络原有路由层LEACH算法在均衡网络能耗和提高网络生命周期上均具有优越性.     

基于物联网的机场桥载设备监控网络优化设计

针对民航桥载设备监控管理系统BLEMAS在机场停机坪现场测试中暴露的网络延迟问题,对该系统物联网架构中M AC层的碰撞退避算法进行优化。采用改进截断二指数退避算法ITBEB ,根据网络环境的多方面因素,对CSM A／CA的退避指数BE进行动态调节,使网络节点合理设置随机退避时间,减少退避饱和,充分利用空闲信道,达到数据快速传输的目的。利用OPNET软件对BLEMAS建模仿真,仿真结果表明,相比系统原有MAC层退避方法BEB ,ITBEB算法在网络时延和吞吐量等网络性能上均具有优越性。     

基于NS3的水下LEER协议优化与分析

水下无线传感器网络作为无线传感器网络在水下的应用扩展,成为当今研究的热点。在水下通信中能量补给困难、能量均衡性差、网络生存周期短的问题依然没有得到解决。为了提高水下无线传感器网络数据交付率,延长网络生存期,设计一种适用于水下拓扑动态变化、能量均衡性高的路由协议极为重要。基于层级节能的路由（LEER）协议有效解决了路由空旷问题。优化后的LEER协议采用多sink的拓扑,从单跳延迟、剩余能量、节点密度以及水下节点发生移动层级随之更新的角度,提出基于NS3的水下LEER协议能量均衡优化策略。仿真结果表明,优化后的LEER协议在能量均衡性、数据交付率和适应动态拓扑等方面均优于LEER协议。     

一种应用于桥载设备监控网络CSMA/CA机制算法

在机场桥载设备在线监测管理网络的现场应用测试中,针对网络突发事件中高优先级节点传输延时长,节点能耗利用率低的问题,采用基于优先级调度策略思想的网络节点能量优化机制,对网络MAC层协议中的CSMA/CA算法参数做出调整,达到数据快速传输的目的,利用NS2软件进行网络仿真,结果表明该方法提高了高优先级节点的信道访问率,均衡了网络能耗并延长了网络生命周期.     

一种基于能量和位置的LEACH协议优化

由于传感器节点电池能量有限,研究在无线传感器网络中节能是关键问题。根据经典的LEACH协议,提出了一种新型的簇首选择机制,算法通过加权思想综合考虑了节点的剩余能量和地理位置参数来优化簇首的选择。权衡考虑能量负载平衡和网络生存时间之间的关系,以得到较为理想的加权因子。针对网络节点初始能量分布均衡与否,用ns2进行仿真,证明算法可收集更多的现场数据,并有效地延长了网络生存周期,仿真结果表明改进后的协议适合在初始节点能量不均衡的网络中应用,节能效果明显。     

一种基于功率控制的WSN分簇路由算法研究

针对无线传感器网络研究领域中能量均衡性难以控制的问题,在LEACH协议的基础上提出了一种功率控制的分簇路由算法(PCRA算法).该算法基于最优连通功率,同时考虑节点的剩余能量、相对距离以及最优的邻居节集合对簇头的选择机制进行优化,从而实现网络稳定成簇和数据传输方式上的优化.通过结合距离、路径损耗和剩余能量等因数,使用权值来选择下一跳节点,实现了簇间通信,有效地避免了分簇协议应用被网络区域大小局限的问题.仿真数据显示,PCRA算法可使全网节点间的冲突区间变少,降低节点之间的竞争强度,进一步提高网络能量的有效性和吞吐量.     

一种无线传感器网络能量模型的评估及改进

无线传感器网络节点能量受限,部署环境复杂.如何提高网络工作时的能效一直是研究无线传感器网络的热点,而能量模型的建立与优化是进行能效分析的基础.就网络通信中,点到点的单跳传输网络模型进行了总结分析,讨论了其中的两种主要传输模式及可靠传输的能量模型,在原有可靠传输能量模型的基础上,采用基于传输失败概率的新模型参数对原有模型进行了重新设计,同时增加了非可靠传输能量模型,并对所提出的新模型做了仿真实验及评估比较.仿真结果显示新模型能很好反映网络的能耗特性,而非可靠传输模型比可靠传输模型有更低的能耗.     

面向无线传感器网络的无线携能通信研究

能量受限是无线传感器网络应用的瓶颈问题,为了使无线传感器网络获得稳定持续的能量来源,提出将无线携能通信（ SWIPT）技术应用到无线传感器网络中。基于时分多址（ TDMA）的通信方式建立了适应于无线传感器网络的无线携能通信系统新优化模型。通过凸优化问题的求解得到该优化模型的最优分配策略。利用仿真实验对无线携能通信在无线传感器网络中应用的可行性进行了分析,对方法的有效性进行了验证。     

Study on the algorithm for smart community sensor network routing with adaptive optimization via cluster head election

To reduce the uneven energy consumption for the data transmission and extend network life of intelligent community sensor network, an adaptive routing optimized algorithm for intelligent community sensor networks with cluster head election is proposed. In this algorithm, a three-dimensional clustering method adapted to the structure of intelligent community sensor network is proposed. The three-dimensional clustering method uses the cluster head election mechanism based on minimizing the total transmission loss to optimize the energy of the intelligent community sensor network. Second, an adaptive ant colony propagation method is proposed to solve the problem of intercluster data propagation after clustering. With the best path finding algorithm of ant colony algorithm, energy balance routing with lower energy loss and lower packet error rate is proposed. Finally, the simulation results show that the algorithm has better performance in reducing energy consumption and delay, improving transmission efficiency and node survival time.     

基于自学习边权重图卷积网络的用户用能分类

用户分类是用能分析的一种重要方法, 而智能电表的广泛应用为用户用能分析提供了大量的可用数据. 为进一步提高用户分类精度与用能特征的提取能力, 本文提出了一种自学习边权重的图卷积网络. 所提出的网络通过具有注意力机制的特殊初始化层将原始能耗数据转换为图, 并从生成的图中提取能耗特征, 最终根据图的学习特征输出用户类. 为证明所提出方法的有效性, 本文在实际用能数据集上进行了对比实验. 实验结果表明, 本文方法不仅能够更好地提取用户特征, 而且取得了更好的分类性能.     

一种基于非参数回归的交通速度预测方法

非参数回归模型是近年来提出的一种交通状态预测模型。为进一步提高预测精度,基于非参数回归模型的特点,针对近邻状态的选取问题,提出了基于速度变化趋势和密集度的变K近邻精确搜索策略,对原有模型的近邻匹配方式进行了改进和优化,进而提出了一种短时交通平均速度预测模型。利用北京市浮动车系统数据对算法精度进行了验证,结果表明,该模型的预测精度优于基础的非参数回归和BP神经网络模型,并能为短时交通速度预测提供可行的结果。     

基于深度SSD改进模型的传动设备状态在线监测研究

针对现有传动设备在线监测算法存在的检测精度地、效率差等问题,提出一种基于改进SSD网络模型的在线检测算法。先对故障集进行预处理,通过滤波调制、共振解调等环节滤除原始故障集的噪声干扰;以VGG-16为基础设计了SSD网络结构,同时增加了辅助卷积层和预测层;对SSD网络模型进行改进,引入了注意力机制模块和特征增强模块,改善模型各层的数据共享性能同时提高了模型的数据训练效率;基于通道拼合方式对故障数据进行多尺度特征融合,并优化SSD模型的各层金字塔结构,以更好的匹配先验框及选择最佳的损失函数。实验结果显示,提出算法的传动设备故障检测率达到98.8%,同时算法的检测效率也优于现有算法。     

Prediction interval of wind power using parameter optimized Beta distribution based LSTM model

Prediction interval of wind power (PIWP) is crucial to assessing the economic and safe operation of the wind turbine and providing support for analysis of the stability of power systems. The hybrid model (Beta-PSO-LSTM) of long short-term memory (LSTM) neural network and Beta distribution function based particle swarm optimization (PSO) is put forward for prediction interval of wind power. In order to enhance the performance of the Beta-PSO-LSTM for PIWP in training process, wind power series are divided into different power intervals, and then the Beta-PSO-LSTM is used to estimate each power interval of the original wind power series. Furthermore, based on the analysis of the interval forecasting error information in wind power training data set, Beta distribution model is proposed to get better PIWP, and PSO is used to optimize the parameters of the model. Finally, the proposed Beta-PSO-LSTM model is compared with the Beta distribution optimized by PSO based the BP neural network (Beta-PSO-BP), the normal distribution based LSTM neural network (Norm-LSTM), Beta distribution based LSTM neural network (Beta-LSTM), and Beta distribution optimized by iterative method based LSTM neural network (Beta-IM-LSTM) for PIWP. The simulation results show that the PIWP obtained by the Beta-PSO-LSTM model has higher reliability and narrower interval bandwidth, which can provide decision support for the safe and stable operation of power systems.     

改进胶囊网络优化分层卷积的亚健康识别算法

针对传统卷积神经网络(CNN)为获得高准确率不断堆叠卷积层、池化层致使模型结构复杂、训练时间长且数据处理方式单一的问题,提出改进胶囊网络优化分层卷积的亚健康识别算法。首先,对原始振动数据进行小波降噪和小波包降噪两种数据处理,更好地保留原始信号中对亚健康识别有用的信息;其次,CNN采用分层卷积的思想,并行3个不同尺度的卷积核,多角度地进行特征提取;最后,将卷积核提取的特征输入到剪枝策略的胶囊网络中进行亚健康识别,改进的胶囊网络在保证准确率的同时加快亚健康识别时间,解决CNN结构过于复杂以及识别效果不佳的问题。实验结果表明,提出算法识别准确率高且识别时间较少。     

一种基于LEACH的异构WSN能量均衡成簇协议

无线传感网络低功耗路由的研究对于延长无线传感网络的生存周期具有重要的意义。针对多种类型数据同时采集的异构无线传感器网络,提出了LEACH改进协议—可变通信周期策略的能量均衡成簇协议ACPSEB-LEACH（Alterable Com?munication Period Strategy and Energy Balanced-LEACH）,该协议从抑制节点数据发送量方面出发,将数据采集周期与数据通信周期分离,采取簇内可变通信周期策略以减少部分节点的能量消耗。在此基础上,引入节点活跃度因子进行簇头选举公式优化和成簇优化,实现全局网络能量均衡。仿真表明,改进后的协议在延长网络生存周期、平衡全局能量上有更好的效果。     

基于分区的能耗均衡路由协议

为了均衡无线传感器网络的节点能耗,增强网络稳定性,设计并实现了一种基于分区的能耗均衡路由协议.该协议设计了一种优化的分区算法,将节点基于分区划分而形成簇,解决了先前协议中簇的个数和分布的随机性问题;在选举簇首时,综合考虑了节点剩余能量、簇内节点能耗均衡、簇内部总能耗三个方面,采用三级簇首选择机制,选择的簇首既能均衡节点能耗,又可以降低簇群总能量消耗;在数据转发时,普通节点选择距离最近的簇首,在不超过通信距离阀值时,簇首可以隔层选择下一跳簇首,有利于缓解无线传感器网络的"热区效应".仿真结果表明:相比MEET和DREEM-ME路由协议,该协议能更好地均衡节点能耗、增强网络稳定性、改善网络服务质量.     

基于能量有效WSN优化覆盖算法的研究*

满足一定的覆盖条件下,有效地进行覆盖控制和减少能量消耗以及延长网络生存周期是无线传感器网络所研究的一项重点课题。为此,提出一种能量有效的优化覆盖算法。该算法利用贪婪算法和几何图形学相关理论知识,把目标覆盖区域节点能量构建成正态分布的网络模型,通过采集和检索数据选择最优子集以及对节点状态调度机制动态转换,可以有效地降低网络能耗,提高了节点覆盖性能的同时优化了节点的数量。仿真实验表明,该算法能够以较小的代价延长整个网络的生存周期,具有更好地适应性和稳定性。     

基于决策树自标识的主动配电网状态估计算法

本文为解决目前配电网前端数据数量大、缺省多、分析复杂等问题,提出一种适用于主动配电网的状态估计算法来管理分析前端数据。本文提出了基于决策树自标识的主动配电网状态估计算法,通过估计前预处理数据,对数据进行分类以及修正,使输入状态估计模型中的数据有更好的相容性。同时,本文针对分布式能源配套量测装置少的问题,建立了考虑分布式电源的状态估计模型,对分布式能源缺省数据进行补全修正,提高输入数据的质量。该方法运用到实际算例中可以看出,对比传统的状态估计,基于决策树自标识的主动配电网状态估计算法有更好的估计效果以及更快的迭代速度。因此本文提出的算法能有效的运用到当前大规模分布式能源接入的配电网状态估计中。