基于差分進化算法的大規模工業無線傳感器網絡最優部署方法

專利名稱：基于差分進化算法的大規模工業無線傳感器網絡最優部署方法
技術領域：
本發明涉及工業無線傳感器網絡和智能計算兩大領域，具體涉及一種基于差分 進化算法的大規模工業無線傳感器網絡最優部署方法。
背景技術：
隨著工業系統不斷大型化、復雜化，工業控制系統的規模不斷擴大，其安裝、 布線成本也不斷增加。據統計2001年工業用傳感器市場份額為110億美元，而其安裝 和使用成本(主要是布線成本)超過1000億美元。因此，無線傳感器網絡(Wireless Sensor Networks, WSNs)的低成本、易用等特征引起了工業界的廣泛關注，國際知名控 制系統公司，如愛默生、霍尼韋爾、通用電氣等均開展了工業無線傳感器網絡(Industrial Wireless Sensor Networks，IWSNs)技術的研發。IWSNs是由具有無線通信與計算能力的 傳感器節點構成、部署在工業現場環境為某種工業應用提供解決方案的自組織分布式網 絡智能系統，是繼現場總線技術之后工業控制領域的一個熱點技術。IWSNs可以降低工 業測控系統成本，提高工業測控系統應用范圍和可靠性。愛默生公司在北美和歐洲幾個 現場試驗的結果證實，采用工業無線技術數據傳輸的可靠性在99%以上，而安裝成本比 同等有線方案要低90%。針對工業無線技術的巨大前景，美國能源部在2004年發布的 “未來工業計劃”中指出這種基于工業無線技術的低成本測控系統是實現到2020年美 國工業整體能耗降低5%目標的主要手段，代表著工業自動化系統技術的發展方向。IWSNs中通常包含三類節點，即傳感器節點，簇頭和sink節點，其中傳感器節 點負責現場數據的采集，簇頭接收傳感器節點發送過來的數據并將數據整合發送給sink 節點，最后sink節點將數據發送到基站。雖然IWSNs的主要組成部分也是無線傳感器節 點，但是與一般的非工業WSN不同，IWSNs的傳感器節點部署與工業環境有關，需人工 安裝到需要檢測的工業設備上，強調對指定點的可靠檢測。相比于傳統有線網絡，一方 面，IWSNs更容易受網絡拓撲、環境等因素的影響而發生故障，實際應用中故障也不可 避免。另一方面，IWSNs多跳的通訊方式也導致系統實時性下降，愛默生公司的工業實 驗中顯示當跳步數超過6時數據的實時性將不能保證。IWSNs作為控制系統的重要組成 部分，一旦其可靠性和實時性得不到保證將直接影響產品質量，甚至產生嚴重事故，造 成巨大經濟損失。因此對于大規模工業應用，特別是閉環控制應用，IWSNs的可靠性和 實時性至關重要。另外，傳感器節點一般都采用電池供電，能量非常有限。在大規模工業應用 中，一旦節點能量耗盡，要更換電池必須先對失效節點進行定位，這顯然會增大網絡維 護的工作量。為了延長傳感器節點電池的使用壽命，網絡采用分簇結構，使簇內傳感器 節點只與本簇簇頭通訊，這樣傳感器節點發送數據只需1跳，降低了能耗。通過布置簇 頭收集簇內節點發送來的數據并通過其余簇頭以多跳的方式傳送到基站。在簇內配置冗 余簇頭可以在一個工作簇頭出現故障時快速切換到備用簇頭使其工作，這樣可以提高系統的可靠性。另外，盡管單個的傳感器節點并不貴，但是在工業應用中特別是大規模流 程工業中，需要檢測和采集的設備和參量都比較多，因此在工業監控現場部署的簇頭數 量對網絡構建的成本也會有一定的影響。同時由于工業設備都占有一定的空間，工業 現場也存在墻壁等其他障礙物，這些都會影響節點與簇頭間的通信，因此，在布置簇頭 時，也必須考慮這些障礙物約束。因此，IWSNs冗余節點配置問題實際上是一個帶約束的組合優化問題，即在滿 足系統冗余需求的約束下，實現系統能耗的均衡與系統構建成本的最小化。相關工作已 經表明，IWSNs節點部署問題是一類NP難問題，傳統的確定性優化方法并不能實現對 這一類問題的高效求解。近年來，智能優化算法在求解NP難問題時體現出比傳統方法 更大的優勢，其中差分進化(Differential Evolution，DE)算法以其強大的全局搜索能力和 魯棒性，簡單易實現的特點引起了研究者的廣泛關注。DE是Storn和Price于1995年提 出的一種隨機并行搜索算法，是一種基于群體變異的進化算法，包含三個算子，即變異 算子，交叉算子和選擇算子。DE的基本思想是首先根據個體之間的差異得到變異種群， 然后變異個體與父代個體進行重組得到中間個體，最后中間種群的個體與父代種群的個 體通過一對一優勝劣汰的競爭進入新一代種群。DE具有實現簡單，控制參數少，穩定性 強，全局收斂的優點，目前已廣泛應用于約束優化計算，模糊控制器優化設計，神經網 絡優化，濾波器設計等方面。然而，基本的DE算法采用的是實數編碼，它只能在連續空間進行搜索，因而基 本的DE算法并不能被直接用來求解離散組合優化問題。因為IWSNs冗余節點配置問題 是一類0/1規劃問題，為了使DE能夠求解該問題，本發明設計了一種概率預測算子來生 成二進制個體，從而提出了一種全新的二進制DE算法。

發明內容
本發明設計了一種基于差分進化算法的大規模工業無線傳感器網絡最優部署方 法，針對工業監測系統的可靠性需求，以及工業現場障礙物的存在，建立了工業無線傳 感器網絡優化部署模型，同時提出了一種新的二進制差分進化算法對節點部署模型進行 優化，從而在保證系統可靠性要求的基礎上進一步平衡系統能耗，延長網絡生存期，并 降低系統構建成本。為達到上述目的，本發明采用下述技術方案一種基于差分進化算法的大規模工業無線傳感器網絡最優部署方法，其特征在 于具體操作步驟如下(1)首先根據工業現場實際空間、障礙物的大小及位置、無線傳感器功率、精度 要求，將監測區域劃分為MXNXP三維網格并自動坐標化，M、N、P分別對應橫、縱、 豎坐標上劃分段數，傳感器節點和簇頭都布置在網格交叉點上。假設在監測區域內隨機 布置了 傳感器節點，則還有MXNXP-NsA網格點可以用來布置簇頭，所以個體的 長度為MXNXP_NS。(2)個體i 表示為向量X1 = [xu，xl2, Lxm], Xij e {0, 1}，V/e {1,2,Le {1,
2，L，η},這里NP是種群規模，η = MXNXP-Ns表示可以用來布置簇頭的網格總數， Xj = 1表示在第j個空網格點上布置簇頭，& = 0表示不布置簇頭。因此，每個個體表示一種節點部署方案。(3)設定二進制差分進化算法的各個控制參數，包括種群規模NP，縮放系數F， 交叉概率CR，實數區間[Rmm，Rmax],并隨機初始化二進制種群，初始化種群計數器G = O0(4)設定傳感器節點的通信半徑為Rs，簇頭的通信半徑為Rch,通常^^^&， 當傳感器節點與簇頭之間的距離小于等于Rs，并且兩者通訊鏈路之間不存在障礙物時， 認為該節點可以與該簇頭通訊，并將此節點作為該簇頭的一個負載，否則認為其不能與 該簇頭通訊；另外，當兩個簇頭間的距離小于等于Rcs時，則認為這兩個簇頭都作為彼 此的負載，簇頭的總負載為簇內傳感器節點數與可通訊的簇頭數之和。(5)根據每個個體χ對應的布置方案，計算所有簇頭數量NeH，簇頭負載的標準
差 LCH ο(6)判斷是否每個傳感器節點都至少能與2個簇頭通訊，若不滿足約束條件，則 計算懲罰值POO。(7)評價每個個體的目標值，目標函數為minf (χ) = w*NCH+ (l_w) *LCH+P (χ)其中w，1-w分別是子函數Nch，Lch的權值，0 < w < 1，懲罰項
P(x) = Pc χ |>ax(0，(2 - M)}，其中 pc 是懲罰系數。 /=1(8)生成臨時變異個體，公式為/^^+“兄-義？山其中!^，r2, r3為[1，
NP]內的隨機整數，且T1^r2 ^r3 #i，BP T1, r2, r3是除了當前個體i之外的3個不同個 體。(9)采用概率預測算子將Inut1轉換為二進制變異個體《f，轉換公式為
權利要求
1. 一種基于差分進化算法的大規模工業無線傳感器網絡最優部署方法，其特征在 于，該方法包括以下步驟a.首先根據工業現場實際空間、障礙物大小及位置、無線傳感器功率、精度要求， 將監測區域劃分為MXNXP三維網格，M、N、P分別對應橫、縱、豎坐標上劃分段數， 傳感器節點及簇頭都分別部署在網格交叉點上，假設在監測區域內有Ns個傳感器節點， 則剩下的MXNXP-Ns個網格點可以用來布置簇頭；b.解的表示
2.根據權利要求1所述的一種基于差分進化算法的大規模工業無線傳感器網絡最優部 署方法，其特征在于該方法根據工業現場實際情況，考慮了工業設備及墻壁等障礙物的 位置及大小對節點與簇頭之間通訊鏈路的影響。
3.根據權利要求1所述的一種基于差分進化算法的大規模工業無線傳感器網絡 優化部署方法，其特征在于步驟(9)引進了一種新的線性轉換算子L(x)，將實數轉 換為對應元素取“1”的概率，從而得到二進制變異個體，該線性轉換算子公式為和，其中R·，Rmax分別為實數區間的上下界。
4.根據權利要求1所述的一種基于差分進化算法的大規模工業無線傳感器網絡最優部 署方法，其特征在于傳感器節點至少可以與2個簇頭通訊，這樣當一個工作簇頭的能量 耗盡或遭遇故障時，可以切換到備用簇頭使其工作，這樣可以提高系統的可靠性。
全文摘要
本發明公開了一種基于差分進化算法的大規模工業無線傳感器網絡最優部署方法，通過對節點進行優化部署以保證系統可靠性，涉及工業無線傳感器網絡和智能計算兩個領域。本方法首先根據工業現場實際空間、障礙物、無線傳感器功率、精度要求，對空間進行自動坐標化，然后以總節點數和簇頭負載標準差最小為目標，冗余需求為約束條件建立節點部署模型，“1”表示在對應網格點布置簇頭，“0”表示不布置，并提出了一種新的二進制差分進化算法對該模型進行優化求解。本算法采用一種新的概率預測算子來生成二進制變異個體對種群進行更新。本方法通過對節點進行優化部署，可以在保證系統可靠性的同時降低系統構建成本，并平衡系統能耗，延長網絡生命期。
文檔編號H04W16/18GK102014398SQ20101029070
公開日2011年4月13日 申請日期2010年9月21日 優先權日2010年9月21日
發明者付敬奇, 付細平, 王靈 申請人:上海大學