基于WSN的高速汽车动态载荷信号处理方法

针对高速动态称重中低频动态载荷严重影响真实轴重称量的问题,通过引入无线传感器网络(WSN)技术,构建智能化称重传感器网络,提出了一种测量高速汽车载荷的系统方案及数据处理方法。分析称重系统采集的汽车动态载荷的振动频率,并构建信号模型,通过基于三参数对动态载荷正弦波曲线进行拟合,建立线性方程组,采用高效算法和信息处理得到精确的称重数据。仿真实验结果表明,该方法平均误差低,数据稳定性较高,而且对高速具有很好适应性,对解决高速动态汽车称重精度问题具有一定的意义。

一种无线传感器网络动态称重系统传感器自诊断方法

在无线传感器网络动态称重(Wireless sensor networks-weighing-in-move,WSN-WIM)系统中,传感器的校验是一个关键性问题。本文提出一种基于灰色预测理论的传感器故障诊断方法,同时对灰色预测模型进行了优化,避免了由于预测模型中的理论缺陷给第一个传感器的故障诊断带来的错误假定。在WSN-WIM系统环境下的仿真实验中,取得了小于0.3%的平均误差,100%的诊断精度。此外,该方法还具有计算量小(计算时间在ms级)、实时性强、自适应自诊断能力强等特点,非常适合应用于嵌入式、分布式高速动态多传感器称重系统中。

高斯分布下的WSN能量均衡算法

针对无线传感器网络能量有限的问题,从稳定性的角度出发,提出一种在低功耗自适应分簇路由算法(LEACH)的基础上的改进算法。该算法首先确定高斯分布下最优簇头数目,在一个周期内,节点能量高于网内平均可用能量可以多次竞选簇头,并相应地延长周期的轮数。经仿真结果表明,在高斯分布下每一轮簇头的数量保持在最优簇头数目上下,改进协议能获得比LEACH协议更长的网络稳定期,更高的能量利用率。