在受高地壓應(yīng)力、高溫濕、線路供電長(zhǎng)等的影響的深井中,現(xiàn)有有線礦井安全監(jiān)測(cè)系統(tǒng)制約了深井開采安全監(jiān)控水平。無(wú)線傳感器網(wǎng)絡(luò)（WSN）靈活多變的自組織網(wǎng)絡(luò)方式可以在深井安全監(jiān)測(cè)中大規(guī)模部署,對(duì)深井環(huán)境、生產(chǎn)設(shè)備的運(yùn)行狀態(tài)和工作人員位置進(jìn)行實(shí)時(shí)監(jiān)測(cè)預(yù)警,傳感器節(jié)點(diǎn)采集監(jiān)測(cè)數(shù)據(jù),并經(jīng)融合處理后傳輸至匯聚節(jié)點(diǎn)進(jìn)行研究分析,并告知用戶。為了改進(jìn)WSN中的節(jié)點(diǎn)的能量消耗、網(wǎng)絡(luò)壽命、帶寬擁堵,針對(duì)數(shù)據(jù)傳輸和融合,分別提出了兩種不同的算法。在數(shù)據(jù)傳輸時(shí),提出了一種非均勻的分簇算法,該算法是通過改進(jìn)螢火蟲算法來(lái)優(yōu)化WSN非均勻成簇的,利用螢火蟲算法中熒光素濃度更新原則與WSN中的局部簇首密度、簇首臨近距離、簇首位置、節(jié)點(diǎn)距離等因素相結(jié)合進(jìn)行優(yōu)化分簇,簇間采用代價(jià)函數(shù)構(gòu)造轉(zhuǎn)發(fā)樹,形成離基站距離兩級(jí)梯度單、多跳傳輸。根據(jù)適應(yīng)度函數(shù)形成的網(wǎng)絡(luò)分簇能獲得較小簇內(nèi)能耗,并在基站較近的地方形成較多分散的簇首和尺寸較小的簇,有效的平衡簇間能耗。在數(shù)據(jù)融合時(shí),提出了一種基于改進(jìn)蟻群算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)模型的數(shù)據(jù)融合算法,分析已有的蟻群算法,結(jié)合前人優(yōu)化過的蟻群算法,并將能量加入進(jìn)行考慮;對(duì)螞蟻運(yùn)動(dòng)方向進(jìn)行規(guī)劃,使得螞蟻群朝... 

【文章來(lái)源】：南華大學(xué)湖南省

【文章頁(yè)數(shù)】：73 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景與研究意義
    1.2 無(wú)線傳感器網(wǎng)絡(luò)監(jiān)測(cè)數(shù)據(jù)處理研究綜述
        1.2.1 監(jiān)測(cè)數(shù)據(jù)傳輸研究綜述
        1.2.2 監(jiān)測(cè)數(shù)據(jù)融合研究綜述
    1.3 應(yīng)用場(chǎng)景
    1.4 主要研究?jī)?nèi)容及論文組織結(jié)構(gòu)
        1.4.1 主要研究?jī)?nèi)容
        1.4.2 論文組織結(jié)構(gòu)
        1.4.3 技術(shù)路線
第2章 基礎(chǔ)理論及技術(shù)
    2.1 無(wú)線傳感器網(wǎng)絡(luò)
        2.1.1 無(wú)線傳感器網(wǎng)絡(luò)體系結(jié)構(gòu)
        2.1.2 無(wú)線傳感器網(wǎng)絡(luò)特征
    2.2 無(wú)線傳感器網(wǎng)絡(luò)路由技術(shù)
        2.2.1 數(shù)據(jù)路由算法
        2.2.2 數(shù)據(jù)路由類型
        2.2.3 典型路由算法分析
    2.3 無(wú)線傳感器網(wǎng)絡(luò)數(shù)據(jù)融合技術(shù)
        2.3.1 數(shù)據(jù)融合算法
        2.3.2 數(shù)據(jù)融合類型
    2.4 本章小結(jié)
第3章 非均勻分簇UCRA-GSO數(shù)據(jù)傳輸算法
    3.1 數(shù)據(jù)傳輸模型
        3.1.1 網(wǎng)絡(luò)模型
        3.1.2 能耗模型
    3.2 UCRA-GSO算法
        3.2.1 螢火蟲優(yōu)化理論
        3.2.2 分簇構(gòu)建階段
        3.2.3 數(shù)據(jù)傳輸階段
    3.3 仿真與性能分析
    3.4 本章小結(jié)
第4章 改進(jìn)蟻群BP神經(jīng)網(wǎng)絡(luò)IFA-IACOBP數(shù)據(jù)融合算法
    4.1 融合理論及模型
        4.1.1 基本蟻群算法
        4.1.2 改進(jìn)蟻群算法
        4.1.3 BP神經(jīng)網(wǎng)絡(luò)模型
    4.2 IACOBP算法
        4.2.1 算法網(wǎng)絡(luò)模型
        4.2.2 蟻群BP神經(jīng)網(wǎng)絡(luò)
        4.2.3 算法神經(jīng)元
    4.3 仿真與性能分析
    4.4 本章小結(jié)
第5章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
攻讀學(xué)位期間的科研及成果
致謝



本文編號(hào)：3153370