基于改进AFSA算法的智慧农业监测网络研究

智慧化农业监测实际上是将无线传感器网络应用于农业监测场景中实时采集农田、气象、养殖等方面的数据。多个微小型嵌入式系统相互协作共同构成无线传感器网络,可实时监测、感知、收集和处理环境信息,并以无线通信方式进行信息交互。无线传感器网络覆盖是无线传感器网络监测的基础,直接影响网络感知质量。建立了面向农业场景的无线传感器网络覆盖问题模型,提出了一种基于改进人工鱼群算法的覆盖优化策略,提高了网络覆盖率和算法收敛性,得到最优网络传感器节点覆盖。     

基于IPSO算法的制造车间物料配送路径优化

针对制造车间物料供应路径复杂多变问题,建立了以物料配送路径最短为优化目标的物料配送模型,并提出了一种改进粒子群优化算法(Improved Particle Swarm Optimization Algorithm,IPSO)旨在解决此问题模型。IPSO算法可以在运行过程中自适应地以正切函数的变化方式调整惯性权重系数,同时构建基于惯性权重系数自行调整的加速度因子c_1、c_2的变化关系式。通过仿真实验与基本及其他典型改进PSO算法进行比较,实验结果表明,IPSO算法具有良好的全局搜索能力与较高的搜索精度,可以有效对制造车间物料配送路线进行优化。     

交通信息采集无线传感器网络节点部署的微粒群优化方法

针对城市道路交通信息采集无线传感器网络节点部署优化问题,采用传感器网络连通性和覆盖性作为综合评价函数,以满足网络连通性和覆盖性为约束,建立节点部署的约束优化数学模型,并用罚函数法将其转化为无约束优化模型。采用微粒群算法求解,并用动态改变惯性权重方法作为改进算法解决微粒群算法的早熟收敛。以北京市二环以内的道路为例进行模拟实验,结果表明,微粒群算法及其改进算法使优化布局的评价函数值比初始手动布局提高1.71%和3.18%。微粒群算法及其改进算法能够优化交通信息采集的无线传感器网络节点布局。     

二进制检测模型耦合离散加权帝国竞争算法的WSN覆盖机制研究

针对当前无线传感器网络(WSN-Wirelessless Sensor Network)覆盖优化机制都忽略了节点检测误差,且其感知重叠区与覆盖空洞面积大,易陷入局部最优等不足,并同时兼顾高的覆盖率和较低的能耗,提出了二进制检测模型耦合离散加权帝国竞争算法的WSN覆盖优化机制。引入误差检测因子,设计二进制检测模型,构建WSN联合覆盖率模型;并定义了均匀三点交叉算子,嵌入权重理论,以节点利用率和联合覆盖率构造适应度函数,提出了离散加权帝国竞争算法,显著提高了收敛速度。通过仿真手段检验了机制的优越性。仿真结果表明:与其他几种机制相比,机制覆盖质量最好,显著降低了感知重叠区与覆盖空洞面积;其收敛速度与覆盖率更高,且稳定性更好。     

一类异类无线传感器网络节点调度问题研究

针对一类以配置了多种传感器的节点组成的,部分传感器完全覆盖,部分传感器局部覆盖的异类无线传感器网络节点调度问题,提出了一种基于改进遗传算法的优化策略.在构建网络模型的基础上,建立了节点调度分化策略,提出了冗余信息度的概念来描述网络能耗效率,并设计了以冗余信息度和不同传感器目标区域感知覆盖率为优化目标的改进多目标遗传算法NSGAⅡ,用于求解节点分化策略.仿真结果表明,该方法可以通过迭代得到收敛的Pareto最优解,并为传感器网络提供一个多目标Pareto最优节点分化策略方案集,供不同应用选择.     

基于改进粒子群算法的车间作业排序的优化设计

兼顾车间作业排序中的制造周期和机器利用率,建立了以最小化最大完工时间为主目标、以最大化机器利用率为从目标的优化模型。设计了引入自适应技术的惯性权重,使基本粒子群算法的学习因子可动态变化地改进粒子群算法,并用该改进后的算法对车间作业排序进行了优化设计。实例研究表明:改进后的粒子群算法在收敛速度和收敛可靠性上均优于未改进的粒子群算法,在求解车间作业排序问题的应用中具有更高的求解质量。     

基于改进粒子群算法的车间作业排序的优化设计

兼顾车间作业排序中的制造周期和机器利用率,建立了以最小化最大完工时间为主目标、以最大化机器利用率为从目标的优化模型。设计了引入自适应技术的惯性权重,使基本粒子群算法的学习因子可动态变化地改进粒子群算法,并用该改进后的算法对车间作业排序进行了优化设计。实例研究表明：改进后的粒子群算法在收敛速度和收敛可靠性上均优于未改进的粒子群算法,在求解车间作业排序问题的应用中具有更高的求解质量。     

WSN中节点分布的协方差矩阵自适应优化策略

针对无线传感器网络(WSNs)中传感器节点的分布优化问题,提出了一种基于协方差矩阵自适应进化策略(CMA-ES)的网络节点分布优化方法。首先,以最大化网络的区域覆盖率为目标建立问题的求解模型,然后,采用CMA-ES算法对模型求解得到网络最优的节点位置分布方案。仿真对比实验表明:CMA-ES算法可以很好地解决无线传感器网络节点的分布优化问题,相比于传统遗传算法、基本粒子群算法和差分进化算法,表现出较快的寻优速度和更高的区域覆盖率。     

无线传感网络APIT定位算法的改进

通过对无线传感网络APIT定位算法的研究,知道该算法在定位精确度、定位覆盖率等方面存在较严重的问题。利用移动锚节点在异构传感器网络中的优势,结合TDOA测距算法,并综合考虑整个网络的锚节点部署及优化方法,提出一种APIT定位算法的改进算法。通过仿真实验对改进后的定位算法的性能进行定性分析。改进后的算法在定位精确度、定位覆盖率等方面要明显优于传统定位算法。     

外推人工蜂群算法在WSN部署优化中的应用研究

为解决无线传感器网络(WSN)覆盖部署优化的问题,提出了一种基于外推人工蜂群算法的节点部署优化方法。首先,设定网络系统基本假设,并以使网络覆盖率最大化为目标建立网络覆盖优化基本模型,再者,利用外推人工蜂群算法代入模型进行求解,获得覆盖最优的节点部署位置。仿真实验结果表明:外推人工蜂群算法能够很好地解决无线传感网络覆盖优化问题,相比于传统的遗传算法、人工鱼群算法、粒子群算法和人工蜂群算法,表现出更快的寻优速度和更高的覆盖率。     

基于分布式压缩感知重构算法的应用

针对无线传感器网络通信功耗大、导致节点寿命短的问题,引入压缩感知算法进行数据压缩,减小传输数据量、降低通信能耗。通过对无线传感器网络的分布式信号进行分析,提出了针对分布式压缩感知联合稀疏模型1的正交匹配追踪法的改进算法,减少重构算法计算量,使其适用于无线传感器网络。文中把改进算法用于处理温室大棚中所检测的温度信息,并进行性能分析。实验结果验证了理论分析结论,在保证复原信号精确度的前提下减少了计算量。     

基于TinyOS2.x的WSN图形化仿真平台设计与实现

由于无线传感器网络(WSN)规模大、难以人工维护等特点,仿真实验成为评价大规模无线传感器网络性能指标的重要方法。TinyOS2.x仿真工具TOSSIM只能在字符界面中进行无线传感器网络仿真,并且TOSSIM无法实现节点能量监测。针对现有TOSSIM的不足,根据改进的能耗模型,提出了一种无线传感器节点的剩余能量计算算法;并根据剩余能量计算算法,设计了TinyOS2.x传感器节点剩余能量计算组件和传感器节点应用程序,通过Qt软件开发技术设计了图形化仿真软件。实验结果表明,改进的仿真工具可以直观、准确地实现无线传感器网络实时仿真。     

萤火虫算法优化神经网络的无线传感器网络数据融合

为了降低无线传感器网络中收集数据的冗余性,提高网络的生存周期,并且针对无线传感器网络数据融合算法中使用单层BP神经网络与SOFM神经网络收敛慢、易出现局部最优解的缺点,设计了一种萤火虫算法优化神经网络的无线传感器网络数据融合的策略FA-BPNN。首先,每个簇首节点接收该簇内感知节点监测到的数据,并根据相关性,提取相关的特征数据;然后,依据萤火虫算法优化BP神经网络进行数据融合;最后,通过仿真实验对其可行性进行测试。仿真结果表明,FA-BPNN算法提高了网络数据融合的效率,减少了网络的能量消耗,延长了网络的生命周期。     

基于复杂网络理论的离散制造车间生产物流网络建模与分析

针对离散制造车间生产环境复杂、加工任务多变、生产异常频发等特点致使车间生产物流难以支撑产线优化运行与任务高效执行的问题,提出一种基于复杂网络理论的离散制造车间生产物流网络建模与性能分析方法。根据典型离散制造车间生产物流业务运行特点,构建一种以工位和存储单元为节点、物料流向为边的带时间窗的车间生产物流双权重有向网络模型;分析所构建模型的动态演化驱动因素和网络特征,研究车间生产物流网络的节点重要性、稳定性、自修复能力等性能指标,为离散制造车间生产物流业务的优化稳定运行提供理论支撑。以重庆某发动机箱体机加车间生产物流业务为实例,验证了所提方法的有效性和适用性。     

模具车间MES系统的研究与应用CSCD

针对模具生产制造过程,研发了基于RFID的模具制造过程精益管控系统。首先,构建基于固定式RFID、手持式RFID、电子标签和无线路由硬件架构的数据采集系统,设计车间生产过程动态MES系统;然后建立车间优化调度模型,采用改进的鸡群算法,进行车间排产优化系统的设计与研发。最后,通过系统上线前的仿真测试和上线后的实际运行效果证明,示范企业模具车间的加工效率有了明显提升。     

模具车间MES系统的研究与应用

针对模具生产制造过程,研发了基于RFID的模具制造过程精益管控系统。首先,构建基于固定式RFID、手持式RFID、电子标签和无线路由硬件架构的数据采集系统,设计车间生产过程动态MES系统;然后建立车间优化调度模型,采用改进的鸡群算法,进行车间排产优化系统的设计与研发。最后,通过系统上线前的仿真测试和上线后的实际运行效果证明,示范企业模具车间的加工效率有了明显提升。     

刀具磨损感知数据驱动下的DBN预测模型研究

针对制造车间数控刀具在连续作业过程中易出现过度使用或提前置换的现状,对刀具磨损感知数据获取方法和磨损预测模型构建进行研究.为避免传感器噪声影响,采用OPC技术直接与机床协同完成数控通信,并设计一套双镜头垂直分布的感知数据获取系统;为增强预测模型泛化能力,采用Dropout优化后深度信念网络(DBN)作为预测模型,先在特征提取阶段重构出优化权值,再引入标签量训练特征匹配阶段.结果 显示,改进的DBN算法平均预测准确度约96.0％,在预测精度和稳定性方面较传统模型显著改善.     

WSN数据监听系统查询优化算法研究

无线传感器网络已广泛应用于诸多领域,相应的数据监听系统也随之产生。设计并实现了一套专用于监听无线传感器网络通信数据的监听系统,通过调整数据库存储结构、引入记忆模块、改进查询算法,优化了系统的查询显示算法,实现了对目标无线传感器网络通信数据的有效管理,并将数据快速、准确地反馈给用户。     

基于一种深度调节机制的UWSNs节点部署算法研究

水下无线传感器网络(UWSNs)的节点部署方式很大程度上决定了整个网络的寿命和性能,针对水下特殊的三维环境,采用0-1感知模型的各节点以其沃罗诺伊多边形面积为考量依据,提出一种深度调节机制以实现对目标水域的分层覆盖,该策略在降低节点部署复杂度的同时有效提高了网络的覆盖率。仿真实验中,通过考察网络覆盖率和节点间的连通率验证了该部署算法的有效性。结果表明,当节点感知半径达到60 m时可以实现95%以上的覆盖范围,同时,节点通信半径与感知半径的比值很大程度决定了网络连通性能。     

基于量子遗传算法的WSN定位算法

针对无线传感网络由于位置信息等原因造成的定位误差较大、精度不高等问题,在继承DVHop定位算法优点的基础上对其进行改进,提出了一种基于量子遗传算法的无线传感器网络节点定位技术。将其应用于DV—Hop算法的第3阶段,对节点的位置进行校正,利用量子遗传算法求解模型的最优解,从而得到未知节点的最优估计位置。改进的DV—Hop定位算法与原算法相比,改进的算法能够改善定位覆盖率低的问题,在锚节点比例较低的情况下有更高的定位精度。