光纤光栅传感器与传感网络

本文介绍了光纤光栅传感器的发展、原理及应用,重点介绍了上海紫珊光电技术有限公司最新推出的光纤光栅传感网络解决方案。     

光纤光栅传感器传感网络

一、概述 随着光通信技术的发展,光通信中的一些技术逐渐为传感领域中的应用提供了技术平台,光纤光栅就是其中之一.以光纤光栅技术为基础的光纤光栅传感器正成为传感器研究领域中的又一大热点.     

基于嵌入式的布里渊分布式光纤传感远程网络控制系统

光纤传感器正向多点检测、远程控制、网络化方向发展,本文提出一种基于嵌入式的光纤传感远程网络控制系统设计方案,对传感原理、FPGA控制、数据的远程传输和采集参数控制进行了分析,并针对分布式光纤传感节点多、数据流量大的特点,应用多线程和线程槽技术到系统构建,完成了光纤传感网络的实际检测.     

基于人工鱼群算法的光纤应变传感网络布置优化

为了提高光纤传感网络测量精度,对传感器的节点布置进行优化研究。根据光纤应变传感器检测区域模型,确定优化问题的目标函数,使用全局人工鱼群算法建立布置优化模型。通过实验方法对布置优化结果进行分析。结果表明:优化后,传感器测量应变误差最大值为8. 72×10~(-6),最小值为2. 54×10~(-6),平均误差为6. 61×10~(-6)。相比优化前分别降低了68. 9%,82. 9%和70. 8%。优化后,使得测量的应变相比人工随机布置传感器测量值更接近真实值,具有较好的测量精度。     

无线传感执行网络的协调机制研究*

主要研究了无线传感执行网络中执行节点之间的协调,提出了基于单执行节点任务的分布式协调机制。在多执行节点协调算法中,建立了多执行节点协调的数学模型,引入基于进化算法的多目标优化,提高了系统的最优性能。     

BP网络在光纤传感对复合材料损伤定位中的应用研究

为了对复合材料进行结构健康和损伤监测 ,减少由于复合材料裂缝、应力集中、疲劳等导致的事故 ,建立了光纤传感系统 ,引入神经网络算法 ,并介绍了其在损伤程度和位置分类中的实现。     

基于蚁群算法的无线传感网络稳定簇路由研究

针对蚁群算法在无线传感网络中应用时收敛速度慢、最优路径不稳定进行改进,提出优化簇头的个数、不均匀成簇、保持优化簇的稳定算法,在优化簇中利用改进的蚁群算法进行路由选择。仿真实验表明,稳定簇蚁群算法在节省能耗、数据传递速度方面有一定提高。     

分布式光纤振动传感信号的采集与处理

以分布式振动传感在周界安防中的应用为研究对象,简述了一个全光纤扰动传感与定位系统。分布式光纤传感与定位系统主要由光发射模块,传感光路模块,光接收模块,信号采集模块,信号传输模块及信号处理模块构成。振动信号的采集与处理决定着系统报警及定位的实时性和准确性,主要研制了振动传感系统中的数据采集与处理系统。     

基于改进蚁群算法的无线传感网络路由算法研究

针对无线传感网络能量消耗不均及节点过早死亡等问题,提出一种新的基于改进蚁群算法的路由算法。在网络结构方面,加入网络分隔带和搜索角,并结合节点剩余能量,共同限制下一跳节点的转移概率;同时改进启发函数,加入能量影响因子,增强算法寻优,避免陷入局部最优;在信息素更新方面,引入阈值机制并设立最优路径权重值来寻找最优路径。仿真结果表明,改进后的算法能够进一步降低网络能耗,延长网络生命周期。     

基于YoloV3的分布式光纤传感振动识别

油气行业在长距离管线运行中需要监测各种数据和运行状态,传统基于信号分析的算法存在着灵敏性低、误检率高、漏检等问题。针对以上问题,本文提出一种基于图像分类网络yolov3来实现对分布式光纤振动传感网络事件的分类方法。通过搜集现场人工挖掘和机械挖掘事件地信号,信号经过转换后制作数据集,加载数据集,训练模型,在Yolov3图像分类网络中训练,达到了在信号瀑布图中可以快速准确地识别挖掘事件类型的目标。结果表明,利用计算机视觉来对分布式光纤传感网络中的挖掘事件类型进行检测是可行的,且相较于传统算法有着更高的灵敏性和准确率。     

基于改进蚁群优化的无线传感器网络路由算法

针对无线传感器网络节点能量、通信能力有限等特点,提出了一种改进蚁群优化的路由算法,算法对下一节点的选择充分考虑了通信距离和剩余能量等因素,将蚂蚁搜索行为集中到最优解附近,为避免早熟收敛行为的发生,将信息素轨迹的值域范围进行限制,通过对信息素轨迹的平滑化,快速逼近无线传感器网络最优路径;仿真结果证明,该算法有效地减少了网络能量消耗、节点死亡数量和链路长度,延长了网络生命期。     

基于改进蚁群算法的WSN能量均衡路由算法

WSN节点大都分布散乱，无法及时进行电池的更换，所以易出现网络能耗不均，重要节点过早消耗殆尽，故提出一种优化改进蚁群算法的路由算法，运用网络分层带和限制搜索角，引入介能距离和梯度函数，并在概率函数中加入能量因子等，来增长网络周期，增强寻优能力，降低能量消耗，避免先行陷入局部最优。通过仿真实验表明，该改进算法确实能够克服经典蚁群算法的缺陷，实现高效实时的优化路由。     

基于蚁群算法的WSN移动信标路径获取研究

根据ROI（Region of Interest）面积给出了等距三重优化覆盖此ROI所需要的信标发射位置数量计算方法;随后对矩形ROI提出了一种简单的信标发射位置确定方法;针对现有的遍历发射位置点的路径遍历算法的不足,提出了一种新的应用蚁群算法的信标发射位置点的遍历算法,并利用该算法对基于三边测量方法进行传感器节点定位。仿真实验表明,采用该文提出的方法对传感器节点进行定位,在定位的精度和定位的效率方面与现存的方法相比有明显的提高。     

基于改进蚁群算法的无线传感器网络路由的优化

为了延长无线传感器网络(wireless sensor network,WSN)的生命周期,均衡各个节点间能量消耗,针对现有的WSN路由优化算法存在的问题,提出了一种基于改进蚁群算法的路由优化算法;首先通过对蚁群算法和遗传算法的优劣性比较,在蚁群算法的基础上,结合遗传算法的选择、交叉和变异的操作,从而提高蚁群算法的搜索速度和寻优能力;最优路径评价函数综合考虑节点能耗及节点的剩余能量,使剩余能量多的节点优先参与数据转发,均衡节点间的能量消耗;通过与经典蚁群算法及遗传算法的对比实验表明,随着数据转发轮数增加,改进的蚁群算法能耗小,剩余能量多,网络生命周期明显延长;随着整个网络运行时间的增长,改进的蚁群算法,节点均衡能耗性好,最优路径搜索的成功率也明显优于其他两种算法。     

基于目标覆盖的无线传感器网络的连通性优化部署方法

覆盖控制技术研究无线传感器网络空间资源的优化分配,以满足用户的感知需求.覆盖节点的连通性是覆盖研究的关键问题,决定了感知数据能否最终传递给用户.已知的研究并未涉及目标覆盖确定部署应用的连通性问题.因此,分析了目标覆盖中的连通性问题,首次提出针对目标全覆盖与维护节点集连通性关系的连通临界条件;针对连通性条件无法满足的情况,提出了一个维护连通性的优化部署方案.该方案首先建立连通子集间的最小生成树,构造连通候选集;然后,基于连通候选集,利用遗传算法得到优化候选位集.仿真实验表明,提出的优化部署方案既实现了对目标集的全覆盖,又维护了连通性,并使候选位集的元素个数更少.     

移动传感器网络中目标跟踪与监测的同步优化

针对移动传感器网络(Mobile sensor networks, MSNs)中动态目标(事件源)的监测优化问题, 为提高网络覆盖质量, 建立基于Voronoi剖分的监测性能(Quality of monitoring, QoM)评价函数, 提出基于群集控制的传感器节点部署分布式控制算法. 每个节点在本地结合最小二乘法和一致性算法来估计目标相对位置. 相比传统算法, 本文算法只需本地和单跳通信(可观测)邻居的信息, 从而减小通信时长和能耗. 算法在提高以目标为中心的一定区域监测性能的同时, 使全体传感器速度趋于一致, 从而在尽量保持网络拓扑结构的同时减少了整体移动能耗. 在目标匀速或目标加速度信息全网可知的情况下, 全体传感器速度渐近收敛至目标速度, 且监测性能收敛至局部最优. 所采用的目标位置估计滤波算法计算简单、切实可行.     

基于位置预测的无线传感器网络目标跟踪算法

针对现有的基于位置预测的目标跟踪算法还不完善问题,提出了一种新的基于目标位置预测的分布式无线传感器网络目标跟踪算法(location-based prediction,LBP)。LBP算法包括3部分,即基于自相似技术的目标位置预测算法(prediction based self-si m-lar,PBSS)、基于动态唤醒簇(dynamic wakeup cluster,DWC)的目标跟踪和三级目标恢复机制。实验结果表明:LBP算法的目标预测精度高、跟踪过程中的节点能量消耗小、目标跟踪误差小,并且目标丢失率低;其三级目标跟踪恢复机制,通过逐步扩大激活节点的范围来寻找目标。由此可见采用这种方法,无线传感器网络跟踪目标能量消耗更小,目标丢失率更低。     

浅析无线传感器网络及其在目标跟踪中的应用

无线传感络(WSN,Wireless Sensor Networks)是新兴的下一代传感器网络,是当前在国际上备受关注的、涉及多学科高度交叉、知识高度集成的前沿热点研究领域。该文简要介绍无线传感器网络的体系结构,对无线传感器网络的特点及节点定位、时间同步等支撑技术进行了探讨。最后阐述了无线传感器网络在目标跟踪中的应用。     

基于目标定位的低功耗无线传感器网络节点设计

介绍了一种具有目标定位功能的新型无线传感器网络节点,通过该节点可以确定目标节点(以下简称为目标)的方位和距离,对目标方位的确定基于四元十字阵列的时延估计法,对目标距离的确定采用TDOA的射频+音频信号的测距机理;硬件电路以Micro-chip公司的dsPIC微处理器芯片和Altera公司的MAXⅡ系列CPLD为核心,包括4路音频信号采集调理单元、一个外部SRAM存储器、一个2.4G频段的无线收发单元和一个电源管理单元,实验数据表明,该节点测距误差小于2.5%,角度误差小于±3°。     

蚁群算法的BP网络优化算法

利用蚁群算法和BP网络训练算法相结合的方法对无线传感网络节点路由路径搜索展开了分析研究,简单分析了蚁群算法实现的基本原理,在此基础上重点给出了基于蚁群算法的BP网络优化算法的基本原理及其实现步骤,并对该优化算法与传统的BP网络训练算法的性能进行了对比仿真测试。