基于禁忌搜索算法的AUV动态路径规划策略

为有效提高水下传感器网络中未知节点的定位效率并降低网络能耗,提出一种改进禁忌搜索算法的Autonomous Underwater Vehicle(AUV)动态路径规划策略.所提出的算法和策略,采用六边形部署算法,寻找合适的虚拟锚节点位置,以达到最佳覆盖效果;然后通过在AUV节点上配置定向天线,获取未知节点方位信息;再次,利用改进的禁忌搜索算法,选定AUV节点下一步目标虚拟锚节点,引导AUV节点移动.该文通过改进的禁忌搜索算法设置两个禁忌集,防止AUV节点重复搜索,并辅助AUV节点移动方向判定,保证未知节点的定位覆盖率.为验证所提策略有效性,对所提该策略和静态路径规划算法中的典型算法Scan算法进行对比分析计算.仿真表明,基于禁忌搜索算法的AUV动态路径规划策略较Scan算法移动路径长度明显减少,虚拟锚节点数目有所降低,能有效降低能耗,延长网络寿命.同时,由于Received Signal Strength Indicator(RSSI)测距法存在误差,误差值设置为虚拟锚节点到未知节点的真实距离的10%,仿真得出基于禁忌搜索算法的AUV动态路径规划策略较Scan算法,定位精度有所提高.     

基于最佳位置点的移动代理路由算法

针对多移动代理访问数据源节点数增加而出现的传感器节点能量负载不均衡和通信时延等问题。采用基于改进粒子群算法为移动代理规划路径,在网络进行六边形划分的基础上,找到所有可能成为移动代理收集数据的最佳位置点以及最合理的移动代理数,结合网络的能量消耗、通信延时和移动代理负载均衡为目标函数,寻找最优的移动代理移动路径。实验结果表明,该方法在缩短移动代理路径长度和降低通信时延的同时可以有效地均衡网络能耗,达到延长网络寿命的目的。     

Voronoi-BFO水面移动基站路径规划算法

在水面无线传感器网络(surface wireless sensor networks,SWSNs)中,传感器节点布置稀疏,节点间距离大于节点通信距离,移动基站需有效收集节点数据信息。完整收集节点数据,使基站移动路径最短或近似最短是一个关键问题。文章在节点间距离大于节点通信距离的前提下,利用Voronoi图理论生成基站移动候选子路径,并使用细菌觅食优化(bacterial foraging optimization,BFO)算法求解,以使规划路径最短或近似最短,网络通信能耗降低。结果表明,该方法在不同网络规模情况下均具有最短或近似最短的路径长度,且网络通信能耗低。     

利用侧扫声呐的自主定位导航技术研究

同步定位和地图构建(simultaneous localization and mapping, SLAM)与路径规划在陆地上的自主定位导航上被广泛应用,而自主式水下航行器(autonomous underwater vehicle, AUV)在实现真正的自主定位导航方面还有待提升.提出将侧扫声呐传感系统、SLAM技术和路径规划技术三者结合的自主定位导航技术.该技术先对原始声呐图像数据的杂波、异常值、噪声等进行预处理,再将预处理后的数据格式转换成适用于SLAM算法的激光雷达数据格式,并在此基础上进行全局路径规划和局部路径规划相结合的完整路径规划研究.仿真结果表明,该技术可以更好的使AUV在复杂水下环境实现真正的自主定位导航,并提高了AUV定位与环境建图的精度.     

一种基于能量受限的移动 sink 数据收集策略

针对无线传感器网络中基于移动sink的节能数据收集问题,综合考虑传感器节点和移动sink的能耗,提出一种基于能量受限的移动sink数据收集策略（DC-ECMS）。 DC-ECMS包括3个阶段：①采用图论中最小支配集思想构建sink的驻留点;②采用蚁群算法规划sink访问驻留点的巡游路径;③sink沿规划路径周期性进行数据收集。仿真实验结果表明,DC-ECMS可有效延长网络寿命和提高网络的能量利用率,并且可扩展为多个sink进行数据收集,进一步延长网络寿命。     

基于群智能算法的WSNs动态联盟任务协同

针对无线传感器网络(Wireless sensor networks,WSNs)中单个节点的计算能力有限、完成数据发送任务比较困难的问题,提出一种协同处理的方式传送数据,可以将协同任务分为感知子任务和计算子任务。在传感节点任务协同的动态联盟中,引入基于粒子群算法优化蚁群算法(Particle swarm optimization ant colony algorithm,PSO-ACO)构建传感网的数据汇集路由树。利用传感器网络在采集数据之间的相关性,运用群智能算法来优化节点发送数据的传输路径,以保证动态联盟执行任务时的连续性,在一定程度上保证传感网的性能,从而降低了通信能耗。仿真实验表明:当传感器网络的感知节点与网络节点总数的比值小于28%时,网络监测性能最优,该文方案可以消除同一任务检测传感器节点冗余、降低系统能量消耗。     

基于MOOS的自主式水下机器人导航系统

针对自主式水下机器人(autonomous underwater vehicle,AUV)的试验成本极高,水下机器人的应用与算法验证都需要在一个理想的仿真环境中进行测试,且仿真环境的建模较为困难等问题,提出了应用MOOS软件系统对AUV导航系统进行导航位姿、通讯及三维信息的仿真,对MOOS软件系统的通信方法、软件架构、数据采集方式和传感器数据类型等方面进行了参数配置和仿真说明.面对工程导向,从数据产生机制、数据发布订阅和数据解析处理等角度,对MOOS软件系统进行论证分析.分析结果表明,MOOS系统可根据AUV导航系统的预设轨迹信息产生相关环境传感器数据,有效地进行多源信息融合与导航位姿解算.     

基于单波束测距声呐的水下机器人避障仿真研究

针对多波束声纳体积大,成本高的局限,利用单波束声呐的探测波束依次旋转,依次获取自主式水下航行器(autonomous underwater vehicle,AUV)前方的左、中、右3个区域的障碍物距离信息.通过设计合适的环境障碍状态与有效的避障行为集合,并利用强化学习选择适合AUV自主避障的障碍状态-行为组合.仿真实验表明,根据单波束传感器提供的障碍物信息,通过强化学习获得的状态-动作组合,可以保证AUV躲避前方90°开角的障碍物,达到安全航行的要求.     

基于人工势场的水下传感器网络部署优化策略

对水下传感器网络移动节点的位置进行调整以提高传感器网络的有效覆盖率具有重要现实意义.根据水下传感器网络的特点,提出基于人工势场的分布式水下传感器网络部署优化算法UPFA(Underwater deployment based on Potential Field Approach).混合传感器网络部署优化问题可以转化为漏洞修复问题,覆盖的漏洞会对移动节点产生虚拟吸引力.仿真结果表明,UPFA算法能够引导水下的移动节点修复水下传感器网络的覆盖漏洞,显著提高水下传感器网络的有效覆盖率.     

大规模无线传感网络数据收集的无人机路径规划

针对部署在地表交通困难的大规模无线传感网络,采用目前可控无人机(unmanned aerial vehicles, UAV)进行数据收集能够达到更好的效果. 然而,考虑到无人机自身有限的资源,以及网络中存在大量传感器节点的情况,无人机飞行路径规划对于顺利完成数据收集任务具有重要作用. 无人机路径规划可以看作经典的旅行商问题(traveling salesman problem,TSP). 针对部署具有均匀性特点的大规模无线传感网络,提出了一种规则化快速路径规划(fast path planning with rules, FPPWR)算法. 该算法通过网格划分,将全局区域飞行路径的求解划分到多个较小的方格中进行,并通过成对算子路径优化算法在初等飞行路径上将方格区域中的路径合并为全局路径. 实验证明,该算法在保证了较高精度的同时,显著提升了路径规划的效率.      

全驱动AUV动力定位系统滑模控制研究

针对自主水下机器人(autonomous underwater vehicle,AUV)动力定位控制易受浪流扰动影响的问题,提出了一种基于扩张状态观测器的全驱动AUV动力定位系统滑模控制(sliding mode control,SMC)方法.结合团队设计的"探海Ⅰ型"自主水下机器人,建立AUV空间运动模型,以滑模控制...     

一种基于遗传算法的两层扫描覆盖机制

针对无线传感器网络中的覆盖问题,提出一种基于遗传算法和移动辅助节点的两层扫描覆盖机制（GATSC）.首先,GATSC利用遗传算法将POI分配给移动传感器节点进行覆盖,生成多条移动节点路径;然后,在移动节点路径上选取距离汇聚节点最近的一个点作为移动节点和移动辅助节点的交汇点（POB）.最后,利用移动辅助节点将数据传输到汇聚节点,完成最终的数据采集.仿真结果表明,本机制不仅比以往的覆盖机制具有更好的性能表现,而且能很好地适应不同的网络环境     

基于自适应阈值的自主水下机器人温跃层探测方法研究

海洋温跃层是一种重要的海洋现象。基于自主水下机器人(autonomous underwater vehicle,AUV),提出了一种梯度阈值可调的温跃层探测方法,其阈值可根据海洋温跃层分布特性自适应修改,同时针对AUV温跃层探测中水体分层厚度选取的问题,提出了一种根据温度梯度峰值点个数自主确定其大小方法,可实现AUV完全自主探测温跃层。根据AUV外场实验数据,同峰值法、平均梯度法以及最优分割法进行了比较分析,结果表明此方法简单、有效。     

水环境中移动传感器节点研究及设计

随着人们对水环境的日益关注,以及无线传感器网络技术的不断成熟,如何设计一种不受能量限制,并能解决一些覆盖盲点或当静态节点能量用尽时进行替代的水面移动节点成为一个新的热点.针对这一现象设计了一种采用太阳能供电的四轮驱动适应水环境的移动传感器节点,它能够自主采集信息,同时当接受到指令时自主规划路径移动到相关位置.经实验证明此节点能够延长相关网络寿命或到达特定地方进行信息收集,同时在移动过程中可以躲避障碍物减少移动时间.     

基于零空间行为法的自主水下机器人避障策略

针对自主水下机器人(AUV)在复杂海底环境驶向目标点的过程中可能遇到动静态障碍物的问题,设计了基于零空间行为(NSB)法的避障策略.首先将AUV驶向目标点的整体任务分解成不同的子任务,并把避障子任务设为最高优先级任务;对于多任务控制目标,将由低优先级任务向量向高优先级任务向量的零空间进行投影得到的综合任务向量作为最终输出函数;在完成高优先级任务的同时,部分或全部完成低优先级任务,以避免各任务目标的相互冲突.随后根据不同子任务的优先级设计相应的任务函数,研究了针对静态和动态障碍物的避障策略;推导并建立了AUV运动的综合输出函数,以确保其在驶向目标点的过程中对不同类型障碍物进行有效规避.模拟计算结果证明该方法是有效的和可行的,在复杂障碍物环境中能够达到预期的避障效果.     

无线传感器网络中能量全局优化精确数据收集

在多跳无线传感器网络进行精确数据收集时,靠近汇聚节点(sink节点)的传感器节点因为需转发其他节点的数据,其能量消耗快,容易使网络造成能量空洞,缩短网络寿命。为延长网络寿命,提出一种能量全局优化的精确数据收集算法(EGODGA),有效地收集传感器节点的数据。与经典的最短路径算法Dijkstra不同,EGODGA算法同时考虑链路代价和节点代价,找出从源节点到目的节点的最小代价路径,实现网络能量全局优化。仿真结果表明:在相同的条件下,与经典的最短路径算法Dijkstra和对瓶颈节点能量均衡问题解决较好的MAXLAT算法相比,EGODGA算法可以通过优化网络拓扑子树的节点数目,实现网络的能量均衡,缓解网络瓶颈问题,延长网络的整体寿命。     

介入移动汇聚节点的无线传感器网络高效数据收集方法

引入移动汇聚节点解决无线传感器网络高效数据收集问题.网络中固定汇聚节点与移动汇聚节点共存,全部传感器节点都拥有维护到固定汇聚节点的路由,移动汇聚节点进入网络后定期向其附近小范围内的传感器节点扩散自己的声明信息,传感器节点向距自己跳数最小的汇聚节点发送或转发数据包.移动汇聚节点和距离其一跳的传感器节点之间通过有效的应答机制来保证数据的可靠传输.通过仿真结果显示引入移动汇聚节点的数据收集在节省能耗方面明显优于传统网络.在延长网络生存时间的同时,可以获得较高的数据传输成功率和较短的数据传输延迟.     

一种能耗均衡高效的无线传感器网络数据收集方案

无线传感器网络资源有限,传感器节点之间节点的能量消耗不均衡,使得整体网络生命周期缩短.针对无线传感器网络数据收集过程中能量消耗不均衡的问题,给出一种基于能耗均衡高效的数据收集算法.该算法将网络部署区域划分为大小不等的栅格,并根据节点剩余能量以及采用簇首轮换的方式,然后采用数据融合技术,可以有效提高节点能量消耗均衡度且可以大大延长网络寿命.仿真与性能分析结果表明:与典型数据收集算法相比,该算法在能耗均衡度和网络生命周期方面具有更好的性能.     

基于Voronoi算法的无线多媒体传感器网络覆盖控制研究

无线多媒体传感器网络(Wireless Multimedia Senor Networks,WMSNs)的覆盖控制技术是传感器网络研究的关键问题,只有合理的部署传感器节点,才能达到对目标区域的全面监测。Voronoi图具有良好的区域划分性质,可以将监测区域划分成多个小的区域。所以,提出一种基于Voronoi算法的无线多媒体传感器网络的覆盖策略。通过Voronoi图形寻找新增传感器节点的坐标,计算出节点的质心点坐标,调整节点的方向。实现用比较少的节点,获得较高的覆盖率。     

基于5G通信的多节点无线传感器网络路由算法研究

提出了基于5G通信的多节点无线传感器网络路由算法.通过簇头节点在网格中心的位置以及簇内节点的能量耗损情况,计算5G通信内部产生移动汇聚节点所需的能量,得到无线传感器网格划分的最佳数量.根据网络节点发送过程以及5G通信内部节点数据聚集能力受限状况,计算出最优簇头数目,得出网络分簇结果.选择合适的访问路径,更新多条路径选择策略,增强最优路径内的信息量.实验结果表明,所提算法能有效增加网络密度适应性,降低了数据传输延迟.