一种广域无线传感网络移动Sink节点路径规划方法

在广域无线传感网络中,大量Sink节点处在移动状态,路径规划过程易受其他节点特征的干扰,导致规划效果较差,提出一种针对广域无线传感网络的移动Sink节点路径规划方法。利用Sink数据采集协议确定节点的最佳位置,通过计算最大网络寿命成本比确定节点的最佳数量后,根据节点的最佳位置和数量规划出最大容量路径。依据最大容量路径计算出Sink节点在四个方向上的权值系数,并沿着最大权值系数的方向移动,完成广域无线传感网络移动Sink节点路径规划。仿真结果表明,所提方法的运行时间低于6 s、路径长度最长为53 cm、拐点数量少于9个、迭代次数高达69次。

基于冗余节点过滤机制的IBRRT^(*)机械臂路径规划

针对传统的RRT^(*)和双向RRT^(*)规划算法在复杂环境存在下规划效率低、探索时间长、规划路径曲折等问题,提出了一种基于冗余节点过滤机制的IBRRT^(*)机械臂路径规划算法。在IBRRT^(*)规划算法基础上,引入局部节点替代机制避免节点的冗余拓展,当首次探索到起始点到目标点的初始路径,将椭圆状态子集采样算法引入后续的迭代中,对采样区域施加约束,避免冗余节点生成。最后针对迭代过程中对路径优化没有贡献的边缘冗余节点进行逐轮剔除。二维仿真实验结果表明,提出的算法收敛速度快效率高,相比IBRRT^(*)算法在时间上减少50%左右,节点个数减少75%以上,并且通过机械臂路径规划实验证明了算法的有效性和实用性。

基于关键节点的改进A^(*)无人车路径规划算法

针对传统A^(*)算法在结构化道路场景下进行无人车路径规划时存在搜索路径多曲折、紧贴障碍物边界、不平滑及搜索时间随栅格规模增大而呈现指数型增长趋势等缺陷,提出一种改进A^(*)算法,首先应用地图预览模块提取栅格地图关键节点,同时引入基于安全距离的碰撞场模型改进代价函数,基于关键节点信息判断开启增量扩展搜索,直至搜索到目标节点,最后应用准均匀三次B样条曲线对生成路径进行平滑得到最终的规划路径。仿真结果表明,与传统A^(*)算法和Weighted-A^(*)算法相比,改进A^(*)算法提高了搜索效率,改善了路径的安全性和可行性。

一种无线传感网的Sink节点移动路径规划算法研究

为寻找传感节点均匀分布时Sink节点的最优移动路径和最大网络生存时间,提出一种无线传感网的Sink节点移动路径规划算法(MPOA)。在MPOA算法中,将Sink节点的数据收集范围分解成多个圆环,将监测区域分解成多个网格。根据Sink节点的停留位置和多跳通信方式,采用数学公式表示每一个网格的单位节点能耗,从而获得Sink节点移动的网络生存时间优化模型。采用修正的混合粒子群算法求解该优化模型,获得网络生存时间、Sink节点的停留位置和移动路径的最优方案。仿真结果表明:MPOA算法可寻找到Sink节点的最优移动路径,从而平衡网络能耗,提高网络生存时间。在一定的条件下,MPOA算法比Circle,Rect和Rand算法更优。

复杂环境下的改进RRT算法路径规划

针对快速扩展随机树算法(rapidly-exploring trees,RRT)在一些复杂环境中存在搜索效率低、收敛速度慢、生成的路径冗余节点多等问题,提出一种改进的RRT算法。首先引入自适应目标概率策略,实时调整对目标点的采样概率;其次引入节点转向策略,提高单次采样的成功率;最后对生成的路径进行冗余节点裁剪,使路径更符合实际应用需求。在MATLAB中进行仿真实验,并与RRT算法、RRTGoalBias算法进行对比。实验结果表明,改进算法在多种不同环境下具有较好的适应性,在寻路时间、采样次数和采样成功率3个方面均有较大提升,最终平均路径长路降低了21.1%,平均节点数降低了75.3%,证明了改进算法的优越性和实用性。

基于RRT^(*)改进的移动机器人路径规划算法

针对RRT^(*)算法在复杂环境路径规划中存在的盲目搜索、冗余节点及路径较长等问题,提出一种融合树扩展策略和采样策略的改进RRT^(*)算法(AF-RRT^(*))。通过创造父节点改进RRT^(*)扩展树的结构,缩小路径长度;引入自适应探索,增加采样导向的选择性,减少路径搜索时间,同时不会陷入局部最优陷阱;通过动态步长,减少冗余节点。仿真结果表明,AF-RRT^(*)算法在多种环境下,路径获取效率和路径质量均优于RRT^(*)和F-RRT^(*)。消融实验验证了AF-RRT^(*)算法和算法各功能模块的有效性。

WSN数据收集中移动Sink的路径规划和簇头节点选取问题的综合研究

针对较大规模的无线传感器网络通过多跳传输进行数据收集而引起的能量空洞问题,提出了一种基于移动Sink的簇头节点数据收集算法(MSRDG),该算法基于图论原理,在满足时延性的条件下,综合考虑了普通节点到簇头节点路由和移动Sink遍历路经选取的问题,构建了一条通过的簇头节点尽可能多的移动轨迹。通过NS-2仿真软件对算法的性能进行评估,结果显示出该算法能减少数据的多跳传输,降低无线传感器网络节点的能量消耗,延长网络寿命。

面向无线传感器网络节点定位的移动锚节点路径规划

针对无线传感器网络定位的需求,对移动节点的路径进行了分析与规划。首先设计了移动锚节点与传感器节点间的通信过程,使锚节点获得足够的局部邻居信息,作为后续动态选择目标子区域的基础。然后设计了一种动态、静态轨迹相结合的移动路径,在保证定位率的同时,可以有效避开网络中的空白区域。仿真结果表明:在不同的节点分布下,本工作的算法在定位率和路径长度等方面有良好的表现。

基于改进A星算法的无人车路径规划研究

为了让无人车能够在复杂多变的环境中安全高效地行驶,现设计一种路径规划算法。即对A星算法进行改进优化并应用到路径规划中,使其符合设计要求。首先,通过对h(n)进行改进加入权重系数,然后,对搜索邻域进行优化,剔除多余的方向;其次,使用关键点提取策略去除冗余节点;最后,设置障碍物安全距离,避免无人车在路径规划中过度靠近障碍物产生碰撞风险。对改进优化后的A星算法进行路径规划并与优化前的传统A星算法进行对比,实验结果表明,提出的改进算法可以明显提升整体效率。

基于节点优化的改进全局路径规划A^(*)算法

目前越来越多的领域使用移动机器人代替人工工作;路径规划就是移动机器人正常工作的保障之一,A^(*)算法就是一种路径规划算法;针对A^(*)算法生成路径拐点多、路径较长的问题,提出了一种基于将搜索邻域扩大至5×5的随机数去除节点的改进A^(*)算法;首先,将3×3的搜索邻域扩大至5×5,从而减少拐点个数,改善转折角度,去除冗余点;其次,引入一种随机数去除冗余节点的方法,该方法是通过随机连接节点判定其是否穿过障碍物来去除冗余节点,从而进一步去除A^(*)算法路径列表的冗余点;最后,将改进的算法与A^(*)算法在30×30的栅格地图中进行仿真比较,实验结果表明,改进的算法在多组路径中都有很好的优化效果,路径长度、运行时长和访问节点数分别平均减少了4.46%、24.83%和39.93%,从而有效改善A^(*)算法生成拐点多、路径较长的问题。

基于改进RRT^(*)算法的机械臂路径规划研究

RRT(Rapidly exploring Random Tree)是一种基于采样的路径规划算法,非常适用于机器人的路径规划中,但是传统RRT^(*)算法存在耗时长、占用内存较大等缺点。所以针对这些问题提出一种改进RRT^(*)算法,该算法优化了父节点选取范围,在传统随机采样机制的基础上引入了目标偏置采样和启发式策略,减少了算法耗时且缩短了路径长度;引入了节点拒绝策略,消除转弯角太大的冗余路径的同时也进一步提升了算法效率。利用MATLAB进行了仿真实验验证,结果表明改进RRT^(*)算法能在更短的时间内搜索到一条从起点到终点的最短无碰路径,并且可以很好地应用于机械臂的路径规划中。

无线传感器网络中移动sink节点的路径规划

在无线传感器网络中,大量感知数据汇集到sink节点的采集方法会导致sink节点附近的节点能量耗尽,造成能量空洞。针对该问题,利用移动的sink节点进行数据收集是一种解决方法,其中移动sink的路径规划成为一个重要的问题。提出了一个移动sink路径规划算法,将无线传感器中随机分布的节点划分为不同的子区域,寻找sink节点移动的最佳转向点,最终得到最优的移动路径,以实现无线传感器网络生命周期最大化。仿真实验表明,与现有方案相比,该算法能显著延长网络的生命周期。

引入必经点约束的智能汽车全局路径规划

目前对于智能车全局路径规划的研究多数只针对从起点到终点的情况。针对该问题,本文中融合改进A*和模拟退火算法,设计了一种引入必经点约束的全局路径规划算法。首先,基于A*算法计算关键节点间的最短路径并保存。然后,基于启发式算法中的模拟退火算法对过必经节点的全局路径进行迭代随机优化。接着,基于真实高精度地图对算法的有效性以及时间复杂度进行实验分析。结果表明,设计的算法在求解质量和求解速度方面都有较好的表现。最后,通过实车实验,进一步验证了算法的有效性和适应性。

面向无线传感器网络节点定位的移动锚节点路径规划

节点定位是无线传感器网络技术研究的一个基本问题,大多数无线传感器网络的应用和中间件技术都需要节点的位置信息.目前比较实用的定位方法是利用一些移动锚节点(如安装有GPS)根据有效的规划路径移动,通过发送包含其自身坐标的信息来定位其他节点,该方法不过多地增加无线传感器网络成本,还可以获得较高的定位精度.在该方法中,移动锚节点的路径规划问题是需要解决的基本问题.主要研究移动锚节点的路径规划问题,把图论引入到无线传感器网络节点定位系统.把无线传感器网络看成一个连通的节点无向图,路径规划问题转化为图的生成树及遍历问题,提出了宽度优先和回溯式贪婪算法.仿真实验和真实系统实验结果表明,该方法能够很好地适应无线传感器网络节点随机分布的节点定位,可以取得较高的定位精度.

移动参考节点动态路径最优规划

在利用移动参考节点对无线传感器网络进行时间同步或定位的过程中,参考节点的移动路径规划,直接影响节点同步精度、定位精度和能量损耗.将移动节点的移动路径规划转化为对广播点的选取及广播点间路径规划,对应数学模型为经典的选址问题和旅行商问题.通过建立两者的最优联合数学模型,提出利用贪婪算法寻找最优的广播点并获得最优移动路径的方法.仿真结果表明:该路径能够覆盖整个网络,同时缩短参考节点的移动距离.

优化网络生命周期和最短化路径的WSN移动sink路径规划算法

为了缓解无线传感器网络(WSN)中传感器节点分布不均匀、传感器节点感知数据量不同而造成能耗不均衡、"热区"等问题,提出一种优化网络生命周期和最短化路径的WSN移动sink路径规划算法(MSPPA)。首先,通过监测区域网格化,在每个网格内分布若干个移动sink候选访问站点,sink在每个网格中选择一个站点停留收集网格中节点数据;然后,分析所有传感器节点的生命周期与sink站点选择的关系,建立权衡网络生命周期和sink移动路径的优化模型;最后,使用双链遗传算法规划移动sink遍历网格的顺序和选择每个网格中移动sink访问站点,得到移动sink节点遍历所有网格收集数据的路径。仿真结果显示,与已有的低功耗自适应分簇(LEACH)算法与基于移动sink节点与集合节点(RN)的优化LEACH分簇算法(MS-LEACH-RN)相比,MSPPA在网络生命周期方面提高了60%,且具有良好的能耗均衡性。实验结果表明,MSPPA能有效缓解能量不均衡、"热区"问题,延长网络生命周期。

随机分布的无线传感器网络中移动sink的路径规划

针对大量节点正态分布的无线传感器网络,为了提高网络的寿命,提出了一种移动sink的高效路径规划方案。首先由节点的分布规律将网络划分为多个子区域,然后在此基础上以最大化网络寿命为目标找到sink的最佳转折点,最后得到一条最优路径。通过NS-2中大量的仿真实验结果表明,与已有的类似方案相比,该方案可以有效均衡网络能耗,延长网络的生命周期,同时取得较好的网络性能。

无线传感器网络节点定位中移动信标的路径规划

分别研究了2种不同确定路径下(SCAN轨迹和HILBERT轨迹)的节点定位性能。通过Enthought Canopy软件仿真试验得到结果表明:和信标的随机移动相比,任何覆盖整个区域的确定的信标移动路径具有明显的优势;当移动信标以小于通讯范围的分辨率遍历节点网络区域时,SCAN路径具有更低的定位误差;当轨迹的分辨率大于通讯范围时,HILBERT轨迹提供的精度明显更高。

无线传感器网络节点定位的移动信标节点路径规划

为了进一步提高无线传感器网络节点定位精度和覆盖率,本文在采用移动信标节点来对未知节点进行定位方面,提出了信标节点向最大覆盖未定位节点方向移动的路径规划算法,解决了信标节点的移动路径规划问题。仿真实验表明,和信标节点随机方向移动算法相比,该算法具有较好的定位性能,能很好地适应大规模随机不均匀撒布节点的应用需求。

辅助定位信标节点的移动路径规划算法研究

为快速实现监控区域内所有传感节点的定位,利用辅助定位信标节点的移动,提出无线传感网中辅助定位信标节点的移动路径规划算法(MPPA)。在MPPA算法中,考虑由多个六边形网格组成的监控区域,分析sink节点的移动特点,考虑其移动路径中停留位置只是六边形网格的顶点和中心,不在同一位置停留,相邻3个停留位置不共线以及每一个网格至少被3个以上不同停留位置覆盖等约束条件,提出信标节点的移动路径约束和传感节点定位约束,并建立其移动路径规划模型。根据邻居停留位置的信息素浓度决定下一个停留位置,根据蚂蚁选择的路径释放和挥发信息素。经过蚁群算法的多次迭代,可获知能覆盖所有网格的信标节点最优移动路径。信标节点沿着该路径移动时,传感节点可获知信标节点的不同位置信息,收集通信时的RSSI值,采用Kalman滤波算法降低通信噪声,采用最大似然估计算法计算自身位置坐标。仿真结果表明:MPPA算法可根据网格中心和顶点的位置,收敛于移动距离最短且能实现监控区域任何位置上传感节点定位的最优移动路径。MPPA算法降低了信标节点的移动路径长度和停留位置个数,降低了网络启动后所有传感节点获知自身位置所需要的时间,并将传感节点平均定位误差保持在较低的水平。在一定的条件下,MPPA算法比SCAN、DOUBLE_SCAN、HILBERT、CIRCLES和ZSCAN算法更优。