面向移动目标的WSN单个检测模式覆盖问题

基于能量暴露模型,分析了环境噪声、传感器和被测移动目标物理参数节点检测半径的影响,提出了一种大规模无线传感器网络(WSN)在二维平面上节点归一化密度的三角形分析模型(TAM).以检测概率为覆盖性能评价指标,采用归一化分析方法,用TAM分析了归一化路径长度小于1时归一化密度与单个检测模式的检测概率关系,得到了最坏情况下节点归一化临界密度上限.仿真实验结果表明归一化临界密度可较为准确地由检测概率和归一化路径长度确定,可为大规模无线传感器网络的传感器参数选择和部署提供参考.     

无线传感器网络关键区域覆盖优化算法

针对无线传感器网络中的关键区域覆盖NP完全问题,提出了一种启发式的关键区域覆盖优化算法CACOA.该算法对关键区域格点与一般区域格点,分配不同的权值创建感知区域图和终端集合,并以迭代合并方式创建加权节点Steiner树,进而形成具有最少数量的格点集合,并以格点集合中优化的格点位置来构建覆盖关键区域的传感器放置方法.理论分析证明了提出的CACOA算法一定能完全覆盖关键区域并形成一个有效的无线传感器网络,且算法的复杂度为O(n4).详细的仿真实验及与现有覆盖机制NPCC的比较表明,提出的覆盖优化算法CACOA在关键区域格点数、感知范围、发送范围和关键区域格点选择分布概率变化时放置的传感器数量明显少于NPCC覆盖机制.     

基于移动节点的无线传感器网络覆盖优化

为了提高无线传感器网络监测区域的覆盖率,研究了节点随机部署的无线传感器网络的覆盖优化问题．在含有移动节点的混合无线传感器网络中,采用更符合实际情况的基于误警率的概率探测感知模型,以区域覆盖率评价覆盖效果．通过计算节点的联合探测概率寻找覆盖空洞,提出了基于最佳概率的移动节点优化策略．仿真结果表明：所提方法能够有效探测覆盖...     

无线传感器网络覆盖优化策略

针对无线传感器网络节点覆盖容易出现空洞和盲区的问题,提出一种基于改进人工鱼群算法的无线传感器网络覆盖优化算法.首先构建网络节点的信任度模型,进行节点轮换调度修复路由,然后采用改进人工鱼群算法进行无线传感器网络节点的自适应定位寻优,以人工鱼群优化的节点分布模型重构无线传感器网络(WSN)节点覆盖连通图,实现优化网络覆盖.仿真实验结果表明,利用覆盖优化算法进行WSN网络节点设计,明显地改善了网络节点的覆盖质量,提高了无线传感器网络的安全性能.     

基于深度Q学习的无线传感器网络目标覆盖问题算法

针对求解无线传感器网络目标覆盖问题过程中存在的节点激活策略机理不明确、可行解集存在冗余等问题,提出一种基于深度Q学习的目标覆盖算法,学习无线传感器网络中节点的调度策略.首先,算法将构建可行解集抽象成Markov决策过程,智能体根据网络环境选择被激活的传感器节点作为离散动作;其次,奖励函数从激活节点的覆盖能力和自身剩余能量考虑,评价智能体选择动作的优劣.仿真实验结果表明,该算法在不同规模的网络环境下均有效,网络生命周期均优于3种贪婪算法、最大寿命覆盖率算法和自适应学习自动机算法.     

基于Voronoi图的无线传感器网络覆盖算法研究

网络覆盖技术决定了无线传感器网络对物理世界和目标区域的监测能力.对于给定的被监测区域,如何达到最大的覆盖率,提高布撒方的防御能力,是覆盖控制中必须考虑的问题.Voronoi图具有良好的邻近性、邻接性、最大圆、快速划分区域和增删节点的特性.本文提出了一种基于Voronoi图的无线传感器网络覆盖算法,来定位覆盖漏洞区域,将未被覆盖的Voronoi图顶点加入到监测点中以提高被监测区域的覆盖率,并且研究了不同感知半径下传感器节点数量和覆盖率的关系.仿真结果表明,基于Voronoi图的覆盖算法有效的提高了网络覆盖率,从35.41％提高到了100.02％,且网络覆盖率随着传感器节点的感知半径的增大而提高.该算法容易实现,复杂度低,实验结果验证了算法的正确性.     

无线传感器网络中一种基于节点序列的覆盖算法

针对覆盖问题是无线传感器网络中的一个基本问题.不同的应用场景对网络的覆盖度有不同的要求,提出一种基于节点序列的覆盖算法(CNS)来判断网络的覆盖情况、消除覆盖漏洞.算法首先讨论如何判断网络1度覆盖情况,然后通过调整距离覆盖漏洞最近的传感器节点的感应半径来动态提高网络的1度覆盖率.同时,还对CNS算法进行扩展,用来解决多度覆盖问题.模拟结果表明:CNS算法在性能上要比现有覆盖算法优越.     

面向目标覆盖的无线传感器网络确定性部署方法

针对无线传感器网络中随机部署节点集划分法不能保证离散目标点优化部署的问题,利用目标点最多层交叠域及遗传算法设计了一种面向目标覆盖的最优确定性部署方法.该方法通过目标点最多层交叠域寻找监测目标点集的传感器节点候选位置,基于候选位置点并利用遗传算法找出实现目标监测的最少节点数及节点位置.所提算法中候选位置点的选取简化了遗传算法中的编码工作,且与适应度函数相结合加速了算法的收敛,而遗传算法提供了最佳位置点的寻求方式.仿真试验表明,所提方法在满足用户感知需求的基础上具有较少的部署节点数,通常被控制在目标点个数的30%以内,极大地降低了网络部署成本,实现了无线传感器网络空间资源的优化分配.     

基于遗传算法的无线传感器网络最小覆盖集算法

降低能耗以延长网络生存时间是无线传感器网络设计中的一个研究热点.提出一种利用遗传算法实现的"密度控制"策略.该策略利用无线传感器工作节点的最小节点子集(最小覆盖集),达到覆盖整个传感器网络区域的目的.所提出的算法能够较好地调和无线传感器网络寿命和网络覆盖率之间的矛盾,仿真实验证明了算法的有效性.     

边缘节点的自适应半径调整算法

降低覆盖冗余度是提高无线传感器网络覆盖度的一种措施.在DCAC(Dynamicadaptive coverageadjustingscheduling)的算法的基础上,给出了边缘节点和局部全约束状态的定义,并且提出了边缘节点的自适应半径调整的算法.与DCAC算法进行比较其仿真结果表明,无线传感器网络的覆盖冗余度相对降低,提高了网络的覆盖度,并且活跃节点的个数相对减少.     

基于改进RRT*FN的移动机器人路径规划算法

针对复杂环境下移动机器人的全局最优路径规划,提出一种基于目标偏置扩展和贝塞尔(Bezier)插值方法的改进RRT*FN路径规划算法.改进算法在未找到初始路径时采用一定概率进行随机点的目标偏置选择,确定初始路径后使用启发式采样方法,使随机采样点围绕初始路径进行迭代选择,提高路径规划的导向性.当改进算法还未找到初始路径时,删除树中远离目标点并且没有子节点的节点;当改进算法找到初始路径时,删除树中远离最优路径且没有子节点的节点,保留高性能节点,提高算法收敛到最优路径的效率.利用贝塞尔(Bezier)插值方法平滑路径.在MATLAB仿真平台和ROS机器人仿真平台分别进行2D和3D的对比实验,结果验证了所提算法的有效性和优越性.     

基于改进双向RRT*的移动机器人路径规划算法

针对复杂环境下移动机器人的局部最优路径规划,提出一种基于目标偏置扩展和Cantmull-Rom样条插值的双向RRT^*路径规划算法.双向RRT^*算法同时创建两颗搜索树,交替进行相向搜索,同时以一定的概率进行随机点的目标偏置选择,以提高算法的整体收敛效率;再对当前节点重选父节点和重布线,以增强算法对环境的敏感程度.为确保路径安全可行,对环境中的障碍物进行膨胀处理,再对初始路径进行碰撞检测;修剪冗余节点,缩短可行路径长度,再利用Cantmull-Rom样条插值法平滑路径.在Matlab仿真平台和ROS机器人仿真平台分别进行2D和3D的对比实验,验证了改进双向RRT^*算法的有效性和优越性.     

基于OBB与八叉树的数控加工碰撞干涉算法的研究

为了提高碰撞干涉的检测速度,在构造层次包围盒时融合OBB与包围球的优点,能首先将多数明显不相交物体对快速排除。干涉检测分为快速检测和详细检测两阶段,先采用分层OBB结合八叉树的算法,快速检测出可能存在干涉碰撞的叶子节点;再在包含干涉叶子节点的三角面片和OBB的三角面片之间采用基于三角面—三角形相交检测算法,实现详细干涉检测。由于刀具路径离散点具有连续性,可以设置缓冲区来减少需要处理的节点数。这些改进有效简化算法,从而提高了碰撞干涉检测的效率。     

应用于移动节点行为检测的基于PPM中继路径构造

在无线接入网环境下,移动节点采用AODV路由协议,提出一种基于PPM(Probabilistic packet marking)的中继路径构造方法。移动节点以一定概率标记它中继的包,无线接入点收集被标记的包,1个专门服务器根据一定数量的被标记的包头中所含信息,依据一定算法构造中继路径。该方法的关键是一旦前1个节点标记了包,随后若干节点将针对被标记的包增添自身标记信息,以加快构造算法的收敛速度。研究结果表明:不同标记概率和标记次数对收敛包数和收敛时间有影响,当标记概率为0.2以及标记次数为4时可获得较好的仿真结果;与利用DSR(Dynamic source routing)的源路由信息来获得中继路径的方法相比,本文方法的IP包头开销明显降低。     

水下无线传感器网络节点覆盖及其自定位

节点自定位技术是水下无线传感器网络应用的关键技术之一,较高的覆盖概率能够提高节点自定位的精度。节点定位精度受到很多因素的影响,本文通过采用感知概率模型模拟传感节点测量概率分布模型,再对覆盖概率较高的传感器节点进行定位误差迭代,最后采用遗传算法对定位误差进行优化。仿真结果表明,覆盖概率受感知半径和迭代次数影响,定位误差受信标节点密度影响,采用遗传算法的优化能够实现水下传感器节点的自定位精度。     

三维空间中异构传感器网络的目标覆盖

在传感器随机分布的目标覆盖问题中,针对由感知属性不同的普通节点和超级节点构成的异构传感器网络,在三维空间中基于概率感知模型,结合免疫优势克隆算法来进行目标覆盖问题的优化．由免疫优势克隆算法提供的传感器节点最少等效个数的寻求方法,保证了随机分布于三维空间里的可感知的目标点能够全部被覆盖到．实验结果表明,与目前解决此问题最好的遗传算法相比,在达到与遗传算法相同覆盖质量的条件下,免疫优势克隆算法有效提高了实时性,明显降低了寻优时间．     

基于平滑A~*算法的移动机器人路径规划

栅格环境下A*算法规划出的移动机器人路径存在折线多、转折次数多、累计转折角度大等问题.为获得较优路径,提出平滑A*算法.在A*算法规划的路径基础上,遍历路径中的所有节点,当某一节点前后节点连线上无障碍物时,将延长线路的这一中间节点删除,建立平滑A*模型.仿真结果表明,平滑A*算法优于Ant(蚁群),Anyti me D*算法.平滑A*算法路径长度降低约5%,累计转折次数降低约50%,累计转折角度减少30%～60%.平滑A*算法能处理不同栅格规模下、障碍物随机分布的复杂环境下移动机器人路径规划问题.     

PRM路径规划算法优化研究

针对限定环境下移动机器人路径规划问题,运用PRM(probabilistic roadmap method)算法进行初始路径规划,并提出一种基于改进的节点增强法与几何平滑策略的路径优化算法.利用节点增强法对初始规划路径进行优化处理,采用新增节点逐步取代原路径节点,减小路径中的拐点个数,从而缩短路径长度.同时采用一个基于几何平滑策略对优化路径进行平滑处理,以达到路径平滑的目的.仿真结果表明,该优化算法不仅能有效降低搜索路径的长度,而且能大幅度提高路径的平滑度.     

基于多优化快速扩展随机树算法的足球机器人路径规划

研究RoboCup比赛未知环境中足球机器人的路径规划问题。提出一种多优化设计快速扩展随机树(rapidly exploring random tree,RRT)的足球机器人路径规划算法,解决了足球机器人在路径规划中存在的速度慢、效果差的问题。依据基本RRT算法原理,针对其随机性强、收敛速度慢以及路径平滑效果差的缺点,提出了随机采样点处增加引力分量、多步扩展逼近目标点以及冗余节点的剪裁与路径平滑等优化方式。在不同障碍物地图中的仿真实验表明,优化的规划路径长度比基本快速扩展随机树算法所得路径缩短约20%～30%,采样点数量减少45%～65%。最终将优化算法移植到SimRobot仿真平台,结果表明多优化设计RRT算法在未知环境中具备良好的实时性和鲁棒性,能够满足机器人在赛场上的路径规划要求。