現(xiàn)有自供能無(wú)線傳感器網(wǎng)絡(luò)（WSN）分簇算法較少考慮網(wǎng)絡(luò)最優(yōu)分簇?cái)?shù),導(dǎo)致網(wǎng)絡(luò)能量消耗過(guò)快,全網(wǎng)能耗不均衡。針對(duì)這個(gè)問(wèn)題,提出了基于模糊控制的自供能WSN分簇算法（EH-FLC）。首先,在網(wǎng)絡(luò)能量消耗模型中引入太陽(yáng)能補(bǔ)給模型,得出每一輪次網(wǎng)絡(luò)能量總消耗與網(wǎng)絡(luò)分簇?cái)?shù)目的函數(shù)關(guān)系,并對(duì)其求導(dǎo)從而得到網(wǎng)絡(luò)的最佳分簇?cái)?shù)。然后,利用雙層模糊決策系統(tǒng)來(lái)評(píng)定網(wǎng)絡(luò)中的節(jié)點(diǎn)能否成為簇頭節(jié)點(diǎn)。先將節(jié)點(diǎn)剩余能量、相鄰節(jié)點(diǎn)數(shù)作為判定指標(biāo)輸入第一層（能力層）對(duì)所有節(jié)點(diǎn)進(jìn)行篩選,得到備選簇頭節(jié)點(diǎn);再將中心度參數(shù)、鄰近度參數(shù)作為判定指標(biāo)輸入第二層（協(xié)作層）對(duì)備選簇頭節(jié)點(diǎn)進(jìn)行篩選,得到網(wǎng)絡(luò)簇頭節(jié)點(diǎn)。最后,通過(guò)Matlab仿真分析了該算法的網(wǎng)絡(luò)生存周期、網(wǎng)絡(luò)能量消耗和網(wǎng)絡(luò)吞吐量等性能指標(biāo),與低功耗自適應(yīng)集簇分層型協(xié)議（LEACH）、改進(jìn)的非均勻分簇路由算法（WUCH）和利用雙層模糊控制的簇頭選擇算法（CTLFL）相比,該算法在網(wǎng)絡(luò)工作壽命上分別提高了約1.4倍、0.4倍和0.6倍,網(wǎng)絡(luò)吞吐量上分別提高了約20倍、1.5倍和1.28倍。仿真結(jié)果表明所提算法在網(wǎng)絡(luò)生存周期和網(wǎng)絡(luò)吞吐量方面的性能較優(yōu)。 

【文章來(lái)源】：計(jì)算機(jī)應(yīng)用. 2020年09期 北大核心

【文章頁(yè)數(shù)】：7 頁(yè)

【部分圖文】：

太陽(yáng)能補(bǔ)給模型

本文通過(guò)模糊決策系統(tǒng)（Fuzzy Inference System,FIS）和太陽(yáng)能補(bǔ)給模型提出基于模糊控制的自供能無(wú)線傳感器網(wǎng)絡(luò)分簇算法EH-FLC來(lái)提高無(wú)線傳感器網(wǎng)絡(luò)工作周期并減少網(wǎng)絡(luò)能量消耗。不同于傳統(tǒng)的LEACH算法，該算法只有在第一次分簇后，有節(jié)點(diǎn)死亡時(shí)才開(kāi)始重新分簇，而不是每一輪都進(jìn)行分簇，節(jié)省網(wǎng)絡(luò)成簇時(shí)各個(gè)節(jié)點(diǎn)廣播信息，從而延長(zhǎng)網(wǎng)絡(luò)壽命。結(jié)合最佳分簇?cái)?shù)，得出如圖2所示的基于太陽(yáng)能補(bǔ)給的無(wú)線傳感器網(wǎng)絡(luò)分簇圖。EH-FLC算法采用了雙層模糊決策方法來(lái)確定簇頭節(jié)點(diǎn)，利用常用的Mamdani模糊控制系統(tǒng)[6,11,13]來(lái)計(jì)算網(wǎng)絡(luò)中所有節(jié)點(diǎn)成為簇頭節(jié)點(diǎn)的閾值。其中第一層模糊決策稱為能力層，在第一層模糊決策中選擇在密集區(qū)域并具有充足能量的節(jié)點(diǎn)作為備選簇頭節(jié)點(diǎn)。第二層模糊決策稱為協(xié)作層，在這一層模糊決策中，需要在備選簇頭節(jié)點(diǎn)中選出的節(jié)點(diǎn)作為最終的簇頭節(jié)點(diǎn)。

在能力層的模糊決策過(guò)程中，網(wǎng)絡(luò)中普通節(jié)點(diǎn)成為備選簇頭節(jié)點(diǎn)的資格是根據(jù)節(jié)點(diǎn)剩余能量和它相鄰的節(jié)點(diǎn)數(shù)來(lái)確定的。由于簇頭節(jié)點(diǎn)不僅需要對(duì)所屬簇的普通節(jié)點(diǎn)發(fā)來(lái)的數(shù)據(jù)進(jìn)行融合，還需要將融合后的數(shù)據(jù)發(fā)送給Sink節(jié)點(diǎn)，因此簇頭節(jié)點(diǎn)必須有充足的能量[5]。此外，如果備選簇頭節(jié)點(diǎn)的相鄰節(jié)點(diǎn)相對(duì)緊密，則能夠縮短節(jié)點(diǎn)間數(shù)據(jù)傳輸?shù)木嚯x，均衡簇內(nèi)平均能耗。由此在能力層的模糊決策過(guò)程中，本文將節(jié)點(diǎn)剩余能量和相鄰節(jié)點(diǎn)數(shù)作為能力層模糊系統(tǒng)的輸入，在通過(guò)模糊化后，輸入的模糊化隸屬模糊集均為{low,medium,high}分別對(duì)應(yīng)的是“低”“中”“高”。再結(jié)合模糊IF-THEN規(guī)則式得到各個(gè)規(guī)則下的模糊評(píng)分，然后通過(guò)集合器得到模糊輸出，即成為簇頭節(jié)點(diǎn)的資格參數(shù)，輸出的模糊化隸屬模糊集為{v-small,small,r-small,med-small,med,med-large,r-large,large,v-large}分別對(duì)應(yīng)的是“非常小”“小”“較小”“一般小”“一般”“一般大”“較大”“大”“非常大”。最后通過(guò)解模糊化得到備選簇頭節(jié)點(diǎn)。能力層的模糊決策系統(tǒng)如圖3[11]所示。該層的模糊決策的輸入隸屬度函數(shù)如圖4、5所示，輸出的隸屬度函數(shù)如圖6所示；模糊IF-THEN規(guī)則如表1所示。

【參考文獻(xiàn)】：
期刊論文
[1]基于分布式模糊控制器的無(wú)線傳感器網(wǎng)絡(luò)容錯(cuò)非均勻分簇算法[J]. 王出航,沈瑋娜,胡黃水.  吉林大學(xué)學(xué)報(bào)(理學(xué)版). 2018(03)
[2]能量高效的無(wú)線傳感器網(wǎng)絡(luò)非均勻分簇路由算法[J]. 張品,王佳佳,占?jí)?  傳感技術(shù)學(xué)報(bào). 2016(12)
[3]一種新的無(wú)線傳感器網(wǎng)絡(luò)非均勻分簇算法[J]. 常雪琴,張道華.  吉林大學(xué)學(xué)報(bào)(理學(xué)版). 2016(06)
[4]改進(jìn)的無(wú)線傳感器網(wǎng)絡(luò)非均勻分簇路由算法[J]. 張文梅,廖福保.  傳感技術(shù)學(xué)報(bào). 2015(05)
[5]能耗均衡的自供能無(wú)線傳感器網(wǎng)絡(luò)分簇路由算法[J]. 姚玉坤,王冠,任智,易建瓊.  傳感技術(shù)學(xué)報(bào). 2013(10)
[6]太陽(yáng)能補(bǔ)給下無(wú)線傳感器網(wǎng)絡(luò)分簇路由算法[J]. 張玉娟,樊曉平,劉少?gòu)?qiáng),陳志杰.  計(jì)算機(jī)應(yīng)用研究. 2012(01)
[7]無(wú)線傳感器網(wǎng)絡(luò)中一種基于簇頭預(yù)測(cè)和功率控制的節(jié)能路由算法[J]. 丁一鳴,吳昊,李承恕.  鐵道學(xué)報(bào). 2010(01)
[8]具有能量補(bǔ)給的無(wú)線傳感器網(wǎng)絡(luò)分簇路由算法[J]. 樊曉平,楊璽,劉少?gòu)?qiáng),瞿志華.  計(jì)算機(jī)工程. 2008(11)

碩士論文
[1]無(wú)線傳感器網(wǎng)絡(luò)智能分簇路由算法研究[D]. 王桂鳳.桂林電子科技大學(xué) 2010
[2]無(wú)線傳感器網(wǎng)絡(luò)節(jié)能路由算法的研究[D]. 丁一鳴.北京交通大學(xué) 2008



本文編號(hào)：2929222