基于单神经元PID的WSNs邻居节点级功率控制算法

针对无线传感器网络(WSNs)中功率控制算法不能实时地调整节点功率和能量消耗较大等问题,提出了一种基于单神经元PID的邻居节点级功率控制算法.该算法结合WSNs传输功率模型,通过实时地控制邻居节点的数量,调整每个节点的功率,动态控制网络的能耗.仿真结果表明:该算法能根据网络连通性要求调整传感器节点的功率,实时性好,收敛速度快,有效地降低了网络的整体能耗.     

一种基于迭代投票的无线传感器网络安全定位算法

绝大多数的定位算法都是基于信标节点的坐标信息计算未知节点的坐标信息,因此,信标节点的可信性至关重要.无线传感器网络在敌对环境中易受攻击,由此提出了一种安全定位算法.在算法中,节点间无需坐标交换,可直接迭代投票选出可信的信标节点进行定位,并通过仿真验证算法有效性.     

一种基于多波束转换天线的WSNs跨层集成协议

针对无线传感器网络中(WSNs)随Sink节点位置移动带来的网络连通、能耗等问题,提出一种采用多波束转换天线的跨层集成协议(IMRPSB),协议充分利用了多波束转换天线优势,并将MAC层与路由层层间融合.利用移动Sink节点场景模型进行仿真,结果表明:IMRPSB在保证网络连通性的同时,提高了网络的寿命,增强了网络性能.     

一种水下无线传感器网络节点的三维部署算法

从水环境监测的应用需求出发,提出了水下空间节点三维部署的目标和约束条件.同时,为了解决在三层水下无线传感器网络结构模型下,节点稀疏部署后,网络存在的能耗不均衡问题,提出一种非均匀简单立方格节点部署算法.该算法结合节点水声通信能耗模型,通过增加各层节点数目和调整节点间通信距离来控制节点能耗.从网络的生存时间和网络的能量消耗两方面对算法进行了分析和仿真,结果表明:本算法可以在保证网络覆盖要求的前提下,控制节点部署的密度,均衡节点的能量消耗,延长网络寿命.     

一种无线传感器网络故障节点检测算法

提出一种无线传感器网络故障节点的检测方法,无需事件或模型假设,通过识别节点序列中违反排名的节点找到故障节点.算法对实际应用中的噪声环境和子序列估计问题分别提出了相应的解决方法.仿真实验表明:在不同的网络设置下,漏检率和误检率均较低,算法具有良好的性能.     

大型起重机械在线监测的无线传感器网络节点设计

从大型起重机械结构健康监测的实际应用出发,结合无线传感器网络分布式、高鲁棒性的特点,设计了一种基于Zig Bee的可对大型起重机械长期在线监测的无线传感器节点系统,并结合LabVIEW针对节点的通信距离、数据传输可靠性以及功耗等进行了现场实验,证明了节点能够很好地完成结构健康监测数据的采集与发送,能够满足在实际现场环境中大型起重机械结构健康监测对通信距离和可靠性以及节点功耗的要求.     

基于云模型的无线传感器网络链路质量的预测

无线传感器网络中,节点通过单跳或多跳传递信息.如能提前获知链路质量信息,为上层路由选择链路提供参考,是感知信息实时、准确地送达监控中心的基础.在分析现有基于智能学习链路质量预测方法的基础上,提出一种基于云模型的链路质量预测机制.通过收集不同场景下的链路质量样本,采用自适应高斯云变换对训练样本中的 RSSI(received signal strength indication),LQI(link quality indicator),SNR(received signal strength indication)及PRR(packet reception rate)进行链路划分;考虑到传感器节点的资源受限问题,采用 Apriori 算法对划分后的链路质量参数 RSSI,LQI,SNR 及 PRR 进行关联规则挖掘;在此基础上,基于三维云正向发生器预测链路质量.仿真结果表明,与基于 BP 神经网络的预测方法相比,提出的链路质量预测机制具有较高的预测精度.     

基于区间多目标量子文化算法的无线传感器网络覆盖能效优化

针对不确定环境下无线传感器网络覆盖能效优化问题,提出一种传感器节点区间感知模型;进而考虑网络覆盖率和节点冗余率,将其转化为区间多目标优化问题。基于一种新型区间个体依可能度占优关系,提出区间多目标量子文化算法,根据区间占优个体信息提取隐含知识,用于指导量子个体更新及进化个体变异与选择。不同环境下的仿真结果表明：基于所提出算法获得的Pareto解具有更好的收敛性、分布性和延展性;相应的无线传感器网络布局更合理。     

一种用于软测量建模的增量学习集成算法

针对软测量模型在实际应用中遇到的问题, 结合AdaBoost 集成学习思想, 提出适用于软测量回归的集成学习算法, 以提高传统软测量模型的精度. 为了克服模型更新技术对软测量实际应用的制约, 将增量学习机制加入软测量集成建模中, 使软测量模型具有在线实时更新的增量学习能力. 对浆纱过程使用新方法建立上浆率软测量模型, 并使用实际生产数据对模型进行检验, 检验结果表明, 该模型具有很好的预测精度, 并能够较好地实现在线更新.

     

红外瓦斯传感器检测中噪声点研究

针对红外瓦斯传感器检测瓦斯浓度时易受到温度、压力等物理环境的影响而存在检测浓度值不准确的问题,提出一种结合分化距离与K-means算法方法找出瓦斯浓度数据集中的噪声点.该方法混合了分化距离和K-means算法的优点.对实验设计的传感器采集的瓦斯浓度数据集进行距离分化;运用K-means算法与孤立度系数结合法找出采集数据集中的噪声点并直接丢弃噪声点;通过均值法计算瓦斯浓度.实验结果表明:测量误差小于1％,精度高.