基于遗传算法和蚁群算法的LEACH改进协议

针对无线传感器网络低功耗自适应集簇分层(Low Energy Adaptive Clustering Hierarchy,LEACH)路由协议因能耗不均衡导致节点过早死亡的问题,提出了一种基于遗传算法和蚁群算法改进的LEACH路由协议。在分簇阶段,通过遗传算法选举合理的簇头节点并根据节点的分布划分簇群;在数据传输阶段,通过蚁群算法使簇头节点尽可能选择能量充足且距离较短的路径进行数据传输。仿真结果表明,与传统的分簇路由协议LEACH和LEACH-C相比,改进算法可以使网络的能量消耗更加均衡,并延长网络的生命周期。

无线传感器网络LEACH协议的改进

为提高经典LEACH路由协议的功能表现,解决因选取过程中簇头节点过于集中带来的相关问题,对LEACH协议中簇首的选取以及簇首到基站的通信进行优化。从原理上详细分析LEACH的算法原理,并在此基础上提出改进的LEACH路由算法。改进算法在簇首选取过程中考虑节点的剩余能量和空间位置,在数据稳定传输阶段采用多跳方式传递数据。通过MATLAB进行仿真实验,结果显示改进后的LEACH算法有助于减少节点的能量消耗,延长了网络节点的生命周期。

金氰化浸出过程非线性预测控制方法及仿真算法分析研究

针对某金氰化浸出过程建立动态机制模型,提出了一种基于全局正交配置法的非线性预测浸出率的算法。根据动态机制模型的预测控制需求在采样点构造插值多项式,近似状态变量和控制变量,同时通过离散化得到非线性规划问题,再对其进行求解得到最优输出量及控制量,最后与线性预测算法进行仿真对比分析,验证算法的有效性。结果表明,非线性的预测控制算法在鲁棒性、跟踪性及抗扰性3方面更具优势,控制过程中系统稳定性更高,更适合实际生产应用。

金氰化浸出过程混合建模及仿真算法分析研究

针对某金氰化浸出过程,首先建立了多级动态机制模型,并在此基础上采用基于免疫原理的RBF神经网络数据模型的学习算法,计算实际生产过程中难以测量的动力学反应速度,从而估算动态机制模型中的未知参数,再与物料守恒方程串联,建立了预测金浸出率的串联型混合模型。其次与基于免疫原理的RBF神经网络建立的纯数据模型对比仿真来验证模型的有效性;最后根据实际生产过程的实际值与预测值之间的偏差进行模型更新,并通过仿真分析验证了更新机制的准确性。结果表明:串联混合模型大大提高了浸出过程浸出率的预测精度,模型的更新机制提高了模型的精准性与泛化能力。

基于物联网的自动气象信息采集设计及仿真分析

该文基于物联网设计一种自动气象信息采集系统,可以实时获取气象信息,保证终端显示结果与真实情况具有一致性。该文首先介绍自动气象信息采集系统的整体设计思路,以及智能传感器节点及其硬件电路和软件程序的设计要点;随后对比了常规Leach算法和改进Leach算法在传感网节能方面的优劣势,并设计仿真试验验证2种算法的节能效果。仿真结果表明,相比于常规Leach算法,使用改进Leach算法的传感网,在无数据融合时数据采集总量可提升11.35%;有数据融合时,数据采集总量可提升30.27%。由此可见,使用改进Leach算法的自动气象信息采集系统在运行时能耗更低,节能效果更好。

融合浸出过程流程特性的梯形LSTM终点pH值模型预测控制

在锌冶炼浸出过程中,pH值的稳定控制是影响生产成本和产品质量的关键。针对浸出过程连续反应搅拌釜(CSTR)机理复杂、入口条件波动大、反应大滞后的问题,提出了融合流程特性的梯形长短期记忆网络模型预测控制(TLSTM-MPC)算法。首先,分析了影响浸出过程pH值稳定控制的关键因素,结合CSTR的级联特性,提出一种表征CSTR物理特性的梯形长短期记忆网络结构(TLSTM)模型,使预测模型具有较好的物理可解释性。其次,针对入口条件波动和反应过程大滞后的问题,提出了TLSTM-MPC算法,并采用粒子群算法进行优化求解。最后,采用某大型浸出过程现场运行数据进行验证。结果表明,该算法的超调量和调节时间相对传统控制方法分别降低了51.2%和57.4%,且在入口波动的情况下能够快速地稳定pH值。该方法对浸出过程的稳定、高质量生产具有较大的工程实践应用价值。

分组学习的多目标萤火虫算法

针对多目标萤火虫算法寻优策略单一,没有充分挖掘不同个体的寻优潜力、开发能力弱、易出现早熟现象,最终导致算法综合性能不佳的问题,本文提出一种分组学习的多目标萤火虫算法(MOFA-GL)。基于支配关系划分占优种群和非占优种群,同时在进化阶段划分教师教导和学生自学两个学习阶段。教师教导阶段,根据Pareto等级选定教师个体,非占优个体朝着教师个体学习,快速提高非占优种群的收敛性;占优个体在教师个体和代表种群平均水平的个体共同引导下学习,提升种群的整体性能。学生自学阶段,添加莱维飞行(Lévy flight)策略扰动占优个体以提高算法全局开发能力;非占优个体随机选择两名占优个体学习,进一步提升算法的整体性能。种群进行一轮迭代后,将当前种群进行变异操作提升算法的局部开发能力,同时采用精英选择策略保留父代优良基因,保证算法的优化性能。在实验部分,将MOFA-GL与几种经典及新兴的多目标进化算法比较,结果表明MOFA-GL能有效提高收敛性和多样性。

窄长空间无线传感器网络节点部署策略研究

针对井下窄长空间无线传感器网络节点能耗不均衡问题,提出了3D线型WSNs等距不均匀分层部署策略。根据无线电通信原理,建立WSNs能量消耗模型和ITU-R P.1238路径损耗模型,将窄长空间抽象成线型网络空间,建立WSNs节点部署空间模型;基于能耗模型对空间进行等距分区,各分区采用分层部署网络拓扑结构即:窄长空间顶部节点采用不等密度部署方式,侧壁节点采用矩形结构部署方式,基于路径损耗模型,分析障碍物对本研究部署策略影响;结合传统LEACH协议,引入了一种概率函数,计算每个节点成为簇首节点的概率,利用改进的路由协议对分区内节点分簇;通过Matlab平台对所部署策略及空间存障的影响进行仿真分析。结果表明:所部署策略相较于其他的部署方式其网络能耗更低,各分区节点能耗更均衡,在部署节点数量上相较于其他部署方式节约了6%~7%,降低了部署成本及网络的能量消耗,解决了“能量空洞”的问题。

煤矿巷道无线传感器网络的LEACH协议改进

将LEACH协议应用于环境复杂的煤矿巷道中存在不足,为了使LEACH协议更适用于煤矿巷道,对LEACH协议进行改进。首先,本文对选择簇头的阈值函数进行调整,加入节点剩余能量、位置信息以及邻节点数量因素;其次,改进建簇算法,节点通过计算与簇头节点和汇聚节点之间的距离来判断加入簇头还是与汇聚节点直接通信;最后,改进簇间通信机制,簇头之间通过多跳方式进行数据传输,并根据能量和距离信息选择下一跳簇头节点,提高簇间数据传输的可靠性。仿真实验表明,改进后的LEACH协议可以有效降低煤矿巷道无线传感器网络能耗,延长网络生命周期。

利用铅锌尾矿制备低碳混凝土试验研究

基于黄氏致密配比理论与火山灰材料应用的双重设计理念,旨在利用铅锌尾矿制备低碳混凝土。为评估混凝土性能,进行了抗压强度试验、冻融试验、抗硫酸盐侵蚀试验及有毒物浸出检测。结果显示,通过调整火山灰材料掺量,铅锌尾矿的耐久性得以满足,并使混凝土无害化。本研究不仅达到节约资源的目的,还满足了混凝土的安全性、耐久性、工作性、经济性和生态性要求。

农田信息采集单多跳共存LEACH算法

针对农田环境信息量丰富的特点,提出一种基于LEACH算法的改进型无线传感器网络路由算法——LEACH-SMC。在LEACH-SMC算法的稳态阶段,簇头节点到基站间通信采用临界距离来判断和选择多跳或单跳方式,在多跳方式中采用基于最小能量消耗的路由方式。应用M atlab对LEACH-SMC算法和LEACH算法进行仿真对比分析,结果表明,LEACH-SMC算法能提高网络有效覆盖面积并延长整个网络的寿命。

基于LEACH的WSNs分簇优化策略

针对LEACH算法中能量消耗不均匀的缺陷,本文提出了一种改进的路由协议来提高无线传感器网络的能量效率。在簇首选择阶段,引入节点剩余能量和初始能量来调节传感器节点随机数的大小;在成簇阶段,该算法将节点的剩余能量和距离汇聚节点的远近作为成簇的依据,使簇首的分布更加合理;在数据传输阶段,将节点与汇聚节点之间的距离及节点的剩余能量相结合,提出一种单跳与多跳相结合的传输方式,从而减少了能量消耗。仿真实验表明,改进后的算法能够更好的减少能耗,延长无线传感器网络的生命周期。

一种基于遗传算法的无线传感器网络LEACH路由协议的改进算法

针对LEACH协议存在的簇首数目与最优簇数目不一致,随机选择簇首,未考虑节点剩余能量、节点位置和节点密集度等问题,提出了一种基于遗传算法的新型路由算法LEACH-GEC,算法首先利用最优簇数目与遗传算法的结合对网络节点进行分簇,然后利用节点剩余能量、距簇内质心的距离、节点覆盖度和共享密钥数目等约束条件来选择簇首.仿真表明:改进后的路由算法较LEACH协议分簇更均匀,簇首选取更合理,有效延长了网络寿命,同时还可以确保簇内通信的安全性.

无线传感器网络路由协议LEACH的研究与改进

无线传感器网络(WSN)数据传输离不开路由协议,路由协议是其组网的基础.由于WSN是一种资源受限网络,尤其是能量的受限,因此路由协议必须维持较小的路由信息并尽可能的减少能耗.文中从其体系结构、协议栈、网络层次等几个方面分析介绍了无线传感器网络,在对传感器网络路由协议作了充分了解的基础上深入研究了经典的聚类路由算法——LEACH(Low Energy Adaptive Clustering Hierarchy),提出了对它的改进方案并用OPNET对改进前后的算法进行了仿真比较.仿真结果证明了改进后算法的有效性,并且在能耗和网络生存时间上比LEACH有了提高.

基于剩余能量和位置的LEACH改进算法

在无线传感器网络中,不合理的分簇算法导致节点过早死亡、区域信息无法完全感知。针对该问题,提出一种基于剩余能量和位置的LEACH改进算法。改进算法将选簇过程分为临时簇头选择和正式簇头选择两步,以传感器节点的节点剩余能量值和几何平均位置作为选簇的重要因素,在此基础上选出区域内最佳簇头。通过OMNET++网络模拟器的仿真结果表明,改进算法的节点利用率和网络可靠性更高。

基于LEACH的簇树网络路由算法研究

分簇算法是目前无线传感器网络(WSN)研究的重点之一;在对LEACH算法(低功耗自适应聚类路由算法)进行研究分析的基础之上,针对LEACH算法中簇头节点与基站(BS)之间单跳通信能耗较大的问题,采用连通网络中最小生成树的Prim算法,提出了一种簇树网络路由算法;该算法使得簇头节点间通信代价耗费降低,仿真结果说明了该算法的可行性和有效性。

无线传感器网络路由优化中的能量均衡LEACH改进算法

详细分析了LEACH算法,并介绍了LEACH算法的优缺点。针对LEACH算法选择簇头没有考虑剩余能量,提出一种改进后的算法LEACH-N。主要节点利用剩余能量和特定范围内相邻节点数的不同,给予不同成为簇头的概率;同时,增加普通节点可以直接发送数据到汇聚节点(Sink),减少能量的消耗。仿真结果表明,与传统LEACH算法相比,LEACH-N算法能均衡节点能量消耗,延长网络的生命周期。

基于细胞膜优化算法的WSN分簇协议研究

针对无线传感器网络能量受约束的问题,为实现节点均衡能耗,平衡网络簇头分布,并最大限度地延长网络寿命,提出一种基于细胞膜优化算法的无线传感器网络能量均衡分簇协议。细胞膜优化算法具有良好的全局寻优和快速收敛能力,通过浓度与能量因素对节点进行划分,并结合距离因素完成全局均衡分簇,能够解决传感器网络中簇头分布不均匀、全局能耗不均衡等问题。实验结果表明,该协议具有对无线传感器网络进行快速全局均衡分簇的能力,且与LEACH算法和LEAH-C算法相比,在均衡节点能耗和延长网络生存周期等方面具有更好的性能。

基于事件驱动和神经网络的无线传感器网络数据融合算法研究

为降低突发事件监测的无线传感器网络(WSN)的能量消耗和数据冗余,设计并实现一种基于事件驱动的动态分簇BP神经网络数据融合算法(EBPDF)。其中动态成簇以及簇头选举过程基于事件严重程度和节点剩余能量,簇的生命周期和簇的覆盖范围根据事件紧急程度和节点剩余能量进行动态调整。同时,为减少网络通信量,将神经网络层次结构与WSN的簇结构相结合,在动态形成的簇结构中应用三层神经网络模型,通过神经网络算法从采集到的大量原始数据中提取出少量特征值,并发送到汇聚节点,从而延长网络生命周期,降低数据传输的冗余度。理论仿真实验证明,与LEACH算法相比,该算法既能有效降低网络通信流量,又能减少节点通信次数。

节点分布不均匀的无线传感网络低功耗算法

针对低功耗自适应分簇(LEACH)路由算法存在节点分布不均匀导致远离Sink节点的簇头能量消耗很大以及簇首选择的问题,提出一种改进的LEACH算法.在簇首选举过程中,通过引入节点剩余能量因素,有效降低了剩余能量过低节点成为簇首的几率,并且在簇首与基站通信过程中,采用多跳路的通信方式,降低节点能量消耗.实验证明,改进后的LEACH算法可有效提高网络的能量均衡性,延长无线传感网络的生存时间.