范珍珍，黄小华
(江西科技学院人工智能学院，江西 南昌 330098)
当前微机械传感器网络使用广泛，微机械传感器大致分为微机械陀螺、基于MEMS 的微气体传感器、微机械温度传感器、微机械压力传感器、基于MEMS 的微加速度传感器、基于MEMS 的微流量传感器和其他微机械传感器。通过微机械传感器网络采集和探索数据信息，信息的采集能力得到了显著提升[1]，但是由于微机械传感器网络区域存在重叠节点，数据繁杂且调度难度大，导致在节点调度过程中出现能耗开销大的问题[2]，因此为了减少微机械传感器网络节点耗能多的问题，需要对微机械传感器网络区域重叠节点优化调度方法做出研究。
秦宁宁等[3]提出一种随机异构无线传感器网络节点能耗控制算法。在网络原型拓扑的支持下构建Delaunary 三角剖分，规划节点的任务，利用重叠区域约束节点调度半径，实现无线传感网络区域重叠节点调度。但该方法调度后的节点寿命存有误差，影响了无线传感网络生存时间。李伟等[4]提出基于数据相似度的节点能耗控制策略，构建重叠区域的节点模糊等价矩阵，通过聚类分析得到冗余节点，进一步筛选出重叠区域的休眠节点并进行休眠调度。该方法获取的调度节点能量不够理想，导致节点能耗控制效果较差。Shah 等[5]提出低能耗的无线传感网络分层聚类与节点管理机制方法，基于距离的动态占空比分配(Distance Based Dynamic Duty Cycle Assignment，DBDDCA)算法实现无线传感网络节点调度。该方法能够提升无线传感网络节点寿命，但节点调度能耗量仍较大。
为了解决上述方法中存在的问题，提出微机械传感器网络区域重叠节点优化调度方法。构建微机械传感器网络节点分布模型，通过解耦控制方法对区域重叠节点进行动态均衡寻优，实现重叠节点的均衡部署；
在此基础上通过组合加权分簇对区域重叠的节点进行能耗控制，划分簇内节点布局重叠的区域，采用分簇方法解决簇内与簇间能耗的差异性，使得重叠的节点实现能量均衡分布，利用加权项的最小节点作为簇首，通过新一轮分簇实现区域重叠节点调度，能够有效提升节点生存时间、降低簇内节点能耗，实现微机械传感器网络区域重叠节点优化调度。
1.1 微机械传感器网络节点分布模型
对微机械传感器网络节点进行均衡部署，构建的节点部署模型如图1 所示。
图1 微机械传感器网络节点部署模型
如图1 所示，利用有向图模型设计微机械传感器网络节点部署模型，模型中A、B、C、D、E、X、Y、Z、U、V 表示不同的微机械传感器网络节点。模型(a)代表多节点状态下的节点概率分布情况，模型(b)代表少节点状态下的节点概率分布情况。
利用有向图模型方法对微机械传感器网络节点能耗进行均衡控制，这时的目标函数定义如下:
式中:Ts为目标函数，T为时刻，tnow为当前时刻，Tdelay为时间延迟，i为节点，Tp为能耗控制耗时，λ为系数，范围为[0，1]，W为均衡函数，W2i及W2i＋1分别表示2i、2i＋1 时刻的微机械传感器网络节点能耗函数，data 为网络节点能耗数据。
空间坐标系(xs，ys)中，将G＝(V，E)二元有向图标记为微机械传感器网络根节点，利用能量均衡调度模型对微机械传感器网络节点进行均衡调度，从中获取均衡信道模型，定义如下:
式中:Si、Si－1分别为i时刻、i－1 时刻的能耗调度耗时，d为距离，E为路由，l为最优节点数，N为节点总数量。
微机械传感器网络节点的发射功率较稳定时，它的最小能量损失范围定义如下:
式中:hi，hj分别代表能量损失范围及优先级控制级别，M为损失范围，N为优先级控制，Rc标记为指定范围。根据上式，从中获取到微机械传感器网络功率开销P(t)。
当发射功率为最优时，获取的节点低能耗控制集为(xp，yp)，采用基于模糊信息优化算法实现了在低功耗条件下任意点P的调度与平衡。
1.2 区域重叠节点优化部署
在部署微型机械传感器网络的区域交叠节点时，必须结合解耦控制技术对其进行控制[6]，建立了传输链路平衡调度模型，利用空间均衡聚类分析法[7]调整节点输出的稳定性，在部署过程中，其迭代方式如下:
式中:F为迭代式，mj、Dj为惩罚项，Li为空间部署时间带宽，j为聚类分析的迭代次数。
当迭代后的节点调度能耗小于其最小能量损失范围的最大值时，即可停止迭代，根据多模分组交换控制方法，就可以按照节点调度能耗与最小能量损失范围的分布情况完成对无线传感区域重叠节点的均衡配置。
通过以上对微机械传感器网络区域重叠节点的优化及部署，采用基于组合加权分簇[8]方法对区域重叠的节点进行能耗优化调度，具体流程共有四个步骤，分别是:分簇、分组、深度调度、优化循环等。
在微机械传感器网络的区域重叠节点中，将重叠的邻居节点作为簇，最大ID 就是簇首节点；
对簇内节点布局重叠的区域进行划分，并对其进行深度调节；
深度调节后需要对部署完成的节点重叠部分实行优化，此时设置节点坐标由(xi，yi，hi)来标记，它的ID 由i来描述，属于簇C内部的G(n)组。
对簇首节点进行随机选取期间，节点能耗会产生不均衡现象，这时重叠区域节点调度会导致微机械传感器网络的生存时间降低。为了解决这种情况，采用分簇方法解决区域重叠节点簇内与簇间能耗的差异性。
首先，对微机械传感器网络节点输送一个具有节点能耗差异性的参数S.Ecita，此时的节点i定义如下:
式中:S.E(i)为节点能量值，S.Eever(i)为平均能量值，S.Ecita(i)标记为最小节点。若节点i的所属簇内具有M个节点，那么S.Eever(i)表示为:
式中:节点j与节点i属于同一个簇内。
为了解决区域重叠节点生存时间问题，首先将最小簇内节点S.Ecita作为簇首节点C.head，其次拉进节点可用能耗与最大能耗之间的距离，并对网络能量能耗进行均衡，从而达到区域重叠节点工作时间短、网络生存时间多的目的[9]。并平衡网络的能耗，实现节点长时间工作及生存。
首先要确立与簇内距离相近的节点，并对它的平均距离dis(i，C)进行选取，用作簇首。平均距离dis(i，C)可以通过下式表达:
式中:(xi－xj)和(yi－yj)分别为在同一簇内任意两个节点坐标，sqrt 标记为剩余簇内节点。
对dis(i，C)中的最小节点进行选取，将选取结果中的最小节点用作簇首，以此减小了簇内信息发送与接收之间的传播距离，通过式(8)计算区域重叠节点的距离，降低簇内节点能耗[10]。
为了实现区域重叠节点调度，首先以减少节点数量为原则，选择节点连通性的最大值作为簇头，其余与簇首节点连接的节点也会被输送到该簇最大值中，降低簇数的同时也减少了节点通信转发延时[11]。
根据上述两点分析，将区域重叠节点能耗差异S.Ecita、簇内节点平均距离dis(i，C)和节点度数d相结合，组成加权项δsum，节点簇首的选取主要根据加权项数值的大小来决定。设置微机械传感器节点由i来表示，那么三个参数的加权系数就由a，b，c来标记。由下述方程对该节点的加权项进行获取，定义如下:δsum(i)＝aS.Ecita(i)＋bdis(i，C)＋c/d(i)。其中，0≤a，b，c≤1，同时a＋b＋c＝1。依据权重的大小值对权重值进行与其对应的设置，设置完成后从中取得每个节点的加权值δsum。
上述权重项在不同环境中起到的作用也大不相同，因此会根据它们的作用重要程度对其进行设定，取得不同情况下区域重叠节点的加权值[12]。这时的簇首节点可以用在任意网络中。若将b＝c＝0，a＝1 标记为节点组合加权项，而a＝c＝0，b＝1 为只对节点和邻节点距离进行考虑的影响因素下取得的加权值。那么此时的剩余节点能量取值为:a＝0.7，b＝0.15，c＝0.15。将加权项δsum的最小节点用作簇首，这时该簇首可用能量为最大值，通过新一轮的分簇实现重叠节点的剔除，同时与邻节点距离最近、连通度最高，降低了节点能耗，实现基于组合加权分簇的微机械传感器网络区域重叠节点能耗控制。
为了验证微机械传感器网络区域重叠节点优化调度方法的整体有效性，需要对微机械传感器网络节点调度性能进行测试。
采用微机械传感器网络区域重叠节点优化调度方法(本文方法)、基于数据相似度的无线传感网络分层聚类与节点管理机制方法(Data Similarity Method，DSM)[4]和低能耗的无线传感网络分层聚类与节点管理机制方法(Hierarchical Clustering Method，HCM)[5]进行有效测试。仿真选择MATLAB 为仿真平台，选择微机械压力传感器为实验对象，在200 m×200 m 范围内，随机布置200～500 个节点，每个节点的初始能量为0.5 J。利用本文算法对随机生成的节点进行组合加权值划分，采用加权项的最小节点为簇首，完成微机械传感器网络区域重叠节点优化调度。
3.1 节点控制覆盖率
为了验证微机械传感器网络区域重叠节点调度后的覆盖效果，利用本文方法、DSM 方法和HCM 方法分别对调度后的节点控制覆盖率进行对比测试，节点控制覆盖率是指有效节点的覆盖占比。设置网络节点数量为1 000 个，共进行5 次测试，具体测试结果如图2 所示。
图2 节点控制覆盖率对比测试
根据图2 中的数据可知，当节点数量逐次增多时，三种方法的控制覆盖率都呈现出下降趋势，从整体来看，本文方法的节点控制覆盖率平均在85%～90%之间，要高于DSM 方法和HCM 方法。上述仿真结果表明经本文方法调度后节点的覆盖效果较好，即本文方法对重叠节点调度的准确性较好。
3.2 网络生存时间测试
在上述分析结果的基础上，采用本文方法、DSM方法和HCM 方法分别对网络生存时间进行测试，网络生存时间越长，说明经过区域重叠节点调度后节点的工作效率越高；
网络生存时间越低，说明节点工作效率越差，测试结果如图3 所示。
图3 网络生存时间测试
分析图3 中的数据可知，随着节点数量的不断提升，本文方法的网络生存时间在50 min～55 min之间，要高于DSM 方法和HCM 方法，可见本文方法的网络生存时间高，节点工作效率强。综上所述，本文方法的网络生存时间最高，这是因为本文方法利用网络节点分布模型对微机械传感器网络节点进行优化和部署，对区域重叠节点能耗进行了均衡控制，实现了节点均衡调度，进而提升了节点网络生存时间，增强了节点工作效率。
3.3 能耗测试
分别对调度后的节点进行两次抛洒、一次抛洒和均匀抛洒，利用本文方法、DSM 方法和HCM 方法对三次抛洒的能耗情况进行对比测试，能耗越低，说明微机械传感器网络区域重叠节点调度效果越好。
均匀抛洒即节点既发送数据又接收数据。一次抛洒即节点只发送数据而不接收数据。两次抛洒相比均匀抛洒额外增加的节点不具备传感功能，仅作为中继站转发数据。测试结果如图4 所示。
根据图4 中的数据可以看出，随着测试时间逐渐增加，本文方法的能耗始终保持最低，在测试时间为12 s 时，节点两次抛洒、一次抛洒、和均匀抛洒情况下区域重叠节点调度能耗分别为13 μJ、15 μJ 及14 μJ。本文方法利用解耦控制技术对微机械传感器网络节点进行动态均衡化，以权重最小的结点作为簇头，减少了节点集中的收发信息传输距离。由此可见本文方法对区域重叠节点调度效果更好，微机械传感器网络区域重叠节点优化调度效果更佳。
图4 三种节点抛洒情况下的能耗测试
传统的微机械传感器网络区域重叠节点调度方法存在覆盖率低、网络生存时间短、节点抛洒情况下能耗较高的问题。为此本文提出微机械传感器网络区域重叠节点优化调度方法，构建网络节点分布模型对微机械传感器网络节点进行优化部署，采用组合加权分簇方法对微机械传感器网络区域重叠节点进行调度。仿真分析结果表明，该方法对微机械传感器网络区域重叠节点调度的准确性较好，调度后节点覆盖率平均在85%～90%之间、生存时间在50 min～55 min 之间，区域重叠节点调度能耗控制在0～15 μJ 之间，效果有了显著的提升，为今后微机械传感器网络区域重叠节点优化调度提供了一定的理论支持。
猜你喜欢能耗调度机械120t转炉降低工序能耗生产实践昆钢科技(2022年2期)2022-07-08能耗双控下，涨价潮再度来袭！当代水产(2021年10期)2022-01-12探讨如何设计零能耗住宅建材发展导向(2021年23期)2021-03-08调试机械臂当代工人(2020年8期)2020-05-25《调度集中系统(CTC)/列车调度指挥系统(TDCS)维护手册》正式出版铁道通信信号(2020年10期)2020-02-07电力调度自动化中UPS电源的应用探讨电子制作(2019年20期)2019-12-04基于强化学习的时间触发通信调度方法北京航空航天大学学报(2019年9期)2019-10-26日本先进的“零能耗住宅”华人时刊(2018年15期)2018-11-10CTC调度集中与计算机联锁通信接口的分析铁道通信信号(2018年2期)2018-04-18简单机械小溪流（画刊）(2017年12期)2018-01-10