无线传感器网络节点的加权定位研究

根据实际工程提出一种基于加权定位算法的粮库压力传感器网络模型。运用数学建模、数学分析、最优化理论知识,根据浅圆粮仓粮堆底部力场特性,提出一种加权定位算法,根据此算法构建压力传感器网络模型。对比文献中提出的几种传感器网络模型,该方法优化了传感器节点的布置,提高了监测精度。实验显示该方法具有很高可靠性和适用性。     

基于虚拟压力传感器补偿的传感器网络模型 *

传感器网路布置模型是整个传感器网络监测系统的关键技术,直接影响网络成本及性能。目前研究者 提出很多传感器布置模型,但这些模型在实际工程中实用性差、成本高。在软传感器启发下,根据实际监测环境 特点,运用数学分析方法,提出一种虚拟传感器补偿算法,该方法大大地提高了传感器网络的性能,降低了成本。 实验显示,基于虚拟压力传感器补偿的压力传感器网络具有很高的工程实用价值。     

基于网格划分的传感器网络定位方法的研究*

根据实际工程提出一种基于网格划分的粮库压力传感器网络布置模型。该方法根据浅圆仓粮库底部压力场特点进行了区域划分及网格划分密度控制函数的设定,然后对不同区域进行网格划分,在网格化后的仓底进行了传感器节点布置。对比文献中提出的几种模型,该模型既保证了传感器区域无盲区即实现了完全无缝覆盖,又使其所使用的传感器数量最少,监测精度最高。     

压电智能结构损伤检测传感器优化配置的遗传神经网络方法

基于损伤检测的智能结构传感器优化配置的研究工作较少,问题在于难以找到理想的关联损伤物理力学特征的损伤检测目标函数.提出了一种基于损伤检测的压电智能结构传感器优化配置的遗传神经网络(GANN)方法.该方法采用最小二乘支持向量机(LS-SVM)网络建立损伤检测目标函数,运用改进的遗传算法对目标函数进行优化,从而实现不同数目传感器的优化布置,并综合考虑成本与效益的因素,确定传感器的最优配置数目.论文对该遗传神经网络方法的具体实现过程及其可行性进行了分析,结果表明,该方法是可行的,可用于实现传感器对应于其初始布置模式下的最优配置.对于更多传感器的初始布置模式,采用该方法可有效减少更多传感器的数量,从而降低成本.     

粮库无线压力传感器网络模型的研究

根据浅圆粮仓粮堆底部力场分布,结合无线传感器网络的自身特点,设计一种测量粮库粮堆压力的无线压力传感器网络模型.利用偏微分方程建立浅圆粮仓底面的数学模型,运用有限元网格划分技术对仓底进行区域划分,在已被区域分解的仓底布置压力传感器节点并建立PWNS模型,分析该模型的性能并且进行仿真实验.粮库PWNS目前未见报到,该模型的研究对具体工程实施具有很重要的参考价值.     

WSNs中基于PMP的多SINK节点布局研究与实现

针对sink节点可布置的无线传感器网络应用,提出了一种基于PMP模型的多sink节点布局策略.该策略在桌面电脑上计算出sink节点的最优位置集来指导sink节点的布局.本文使用该策略结合一种启发式算法实现了无线传感器网络的仿真布局.仿真结果表明,该布局策略能够有效降低无线传感器网络的能量消耗,提高网络服务效率,延长网络的生存期.     

基于水平集的围猎式水下传感器节点布置研究

水下传感器网络作为一种探索和开发海洋的新方法,在人类不易接触的水下区域的探测和监测中发挥着重要作用,是无线传感器网络领域研究的热点.在水下空间中传感器节点如何自主调整位置实现对“兴趣域”的覆盖和监视是一个重要课题.该文引入水平集理论LSM,提出了一种基于水平集的围猎式水下传感器节点布置方法.在该方法中网关节点根据传感器节点的位置信息和可能感知到的兴趣域信息,以能量泛函计算兴趣域边缘参数,传感器节点以此参数为根据,完成趋向兴趣域边缘的迁移;大量节点的迁移可逐步演化成对兴趣域的围猎式布置.同时,该文建立了结构相似度SSIM和网络能耗均衡度两个性能评价指标,以评估该文方法在实现兴趣域驱动的水下节点布置的综合性能.大量仿真实验结果表明,该方法在不同节点规模、节点密度和兴趣域形状情况下均可实现对兴趣域边缘的动态地、围猎式地覆盖,从而达到对兴趣域的有效跟踪和监视.     

大型复杂系统的动态SDG模型及传感器布置问题

符号有向图(SDG: signed directed graph)可以用于描述大型复杂系统及其变量之间的因果影响关系, 但是在描述故障传递关系时不能表示其动态传播规律. 本文在SDG支路上引入时间参数, 用于近似描述变量的变化在系统中的传递时间, 由此构建的SDG模型称为动态SDG模型. 另外, 要实现故障检测需要有传感器的信息, 传感器的布置直接影响着故障检测的性能. 本文在动态SDG框架下, 研究了故障的可检测性和可分辨性问题, 提出了一些一般性的结论, 并给出通过正向推理来求故障传播过程和传感器布置方案的方法. 最后, 通过实例验证该方法的有效性.     

一种基于虚拟菱形网格的传感器节点布置算法

传感器的布置方式有两种,即确定性的和自组织的。通过分析两种布置方式,提出了一个基于虚拟菱形网格的传感器节点布置算法。该算法把两种布置方式综合在一个统一的平台内,能够形成一个最小连通支配集;保证传感器区域内无“盲区”;对不同的应用,可设置不同的感知或连通覆盖度。该算法在性能和效率上优于基于虚拟力的移动传感器布置算法,其灵活性使网络具有更广泛的适应性。     

基于SVR的传感器Hammerstein模型辨识

提出一种基于支持向量回归机的非线性动态传感器Hammerstein模型辨识方法并给出了相关的数学理论及学习算法.在该模型中,用非线性静态子环节和线性动态子环节串联来描述传感器的非线性动态特性.再利用函数展开将模型的非线性传递函数转换为等价的线性中间模型,并通过SVR求取中间模型参数.最后,推导出中间模型参数与传感器Hammerstein模型参数之间的关系,并由该关系实现非线性静态环节和线性动态环节的同时辨识.用实际力传感器动态标定实验数据进行测试,结果表明与常规非线性传感器辨识方法不同,所提方法只需进行一次动态标定实验就能给出非线性动态模型的数学解析表达式.且建立的力传感器Hammerstein模型阶次为4,而线性动态系统模型则需要6阶才能达到相同的精度.因此该研究为传感器非线性动态系统辨识又提供了一种可选方法.