[发明专利]一种井下无线传感网络的定位方法

权利要求书

1.一种井下无线传感网络的定位方法，其特征在于：本系统由井下传感网系统、工人携带未知节点、上位机监控系统三大板块组成，其中井下传感网由已知坐标信息的一定数量的固定传感器模块和ZigBee模块组成，构成无线传感网锚节点；本定位测试方法为：通过未知节点传送的唤醒信号使处于通信范围内的锚节点由休眠状态置于唤醒状态，随之，锚节点接收到未知节点传来的方位信号，对未知节点进行坐标计算，并由锚节点中的中央处理器进行处理后通过ZigBee无线通信技术传入上位机中进行移动坐标的位置显示，上位机可实现双向数据传输，实现整个无线网络与上位机监控软件交互；该定位方法的具体步骤为：第一步，利用ME-VHA算法对井下进行最大效率化的锚节点布置，先根据井下环境进行等间距锚节点布置，间距值取决于锚节点的最佳通讯距离，完成等间距布置后，再计算各个锚节点之间的欧式距离d_ij、锚节点到障碍物之间的距离d_io；然后根据d_ij、d_io确定某节点i所受其他单一节点的力，其中ω_A为系数，所受合力式中：d_th为传感器工作距离的1.7倍值，α_ij为节点i与节点j的夹角值，k为节点数的总数；由各节点所受合力的不同，首先对节点位置进行移动，通过计算各点合力相等，确定出各节点的移动距离L_n与移动角度θ_n；然后由于各节点的能量存在差异，通过节点能量值E_i与平均能量值相比较，得到该节点的移动概率p_i，即根据各节点的能量值E_i确定出移动概率最终移动距离L＝p_i×L_n求得；接着对每个传感器节点的感知概率进行计算，式中k表示为节点数的总数，S_i(p_j)为感知概率模型；最后为保证所求移动距离的移动值的准确性，再对所求值进行检验验证，判断感知覆盖率与门限值C_(th)的大小，若则符合要求，否则从计算节点合力开始重新进行节点移动距离的值计算；第二步再采用AOA技术进行初步定位：先由节点布置方法确定各已知节点坐标(x_i,y_i)，且每个已知节点可被随机唤醒，用于未知节点的监测；随后，井下人员携带未知节点在井下移动并发送唤醒指令，锚节点接收到唤醒信号就被唤醒，由传感器模块测出角度信息，根据未知节点到达各锚节点的角度信息，若未知节点出现，当前唤醒节点m(x_m,y_m)可计算出未知节点发出信号到达的相应于x轴方向的角度，记为α，并将本数据保存为(x_m,y_m，α)；然后所有布置节点依次被唤醒，并保存自身位置坐标及角度信息，同第一个被唤醒节点格式；再根据相邻两个锚节点m(x_m,y_m，α)，n(x_n,y_m，β),根据夹角射线原理有：再将其他多个未知节点的相邻两锚节点进行组合，可得到未知节点的初始估计值(x_x，y_x)：最后将多个锚节点两两一组进行组合，重复以上步骤即可测得多组数据，记为(x_x,y_y)＝H_i(x_xi,y_yi)；第三步，以第二步得到的多组估计值作为初步定位值，完成初始化；再利用未知节点与锚节点的距离得到变量界限A和B，对初始解加入标准正态分布N(0,1)，是期望为0、标准差为1的概率分布，来实现种群在二维空间(D＝2)的初始化：

X_1i,0＝rand[0,N(0,1)(B-A)](B-A)+H_ix_xi

X_2i,0＝rand[0,N(0,1)(B-A)](B-A)+H_iy_yi

X_1i,0，X_2i,0是种群变量,再在初始化产生差变量的基础上，产生一扰动量去获得最佳解：式中：x_r1,G表示第G代种群中的第r1个个体，x_r(n),G表示第G代种群中的第r(n)个个体，x_r(n+1),G表示第G代种群中的第r(n+1)个个体，F∈[0,2]为一个缩放因子，作用是对差向量产生扰动,v_i,G+1为第i个节点的第G+1代突变量，i≠r1≠r(n)≠r(n+1)，G为进化代数；然后利用差分进化法进行精确定位，先对目标函数最佳值搜寻,采用交叉机制来进行每一代的演进，尝试向量u_i,G+1如下：

u_i,G+1＝(u_1i,G+1，u_2i,G+1，……u_Di,G+1)

当rand(j)≤CR时，u_ji,G+1＝v_1i,G+1；当rand(j)＞CR时，x_ji,G+1＝v_1i,G+1；(i＝l,2…,NP；j＝l,2,…D)上式中rand(j)生成0至l之间随机数发生器的第j个估计值，CR为交叉算子,CR∈[0，l]，式中：u_1i,G+1表示初始化为1的第G+1代序列为i，u_2i,G+1表示初始化为2的第G+1代序列为i，u_Di,G+1表示初始化为D的第G+1代序列为i，NP表示种群规模，D表示一个随机产生的序列，经过G步迭代可求得未知节点的最优解；最后将最优解对应的坐标信息作为目标未知节点的定位坐标，然后升级该节点为已定位节点,广播该节点的坐标,以实现迭代循环来协助定位其他未知节点，本方法中每个节点设置了泛洪控制变量,当达到泛洪控制条件时所有节点不再广播消息,方法结束，获得最终未知节点坐标信息(x_x,y_x)。

2.根据权利要求1所述的定位方法，其特征是：所述第一步节点布置中，所述ω_A为系数，根据不同障碍物、节点系数有差异，由查表可得；d_th为传感器工作距离的1.7倍值；a_ij为节点i与节点j的夹角值；其中根据求得；感知概率模型S_i(p_j)根据所选概率模型确定，位于p_j点的传感器节点对于s_i点的感知概率的0～1模型：式中λ、β为衰减系数，为s_i点与p_j点的直线距离，r为传感半径，r_c为节点感知概率为1的最大半径；根据权利要求1所述的定位方法，其特征是：所述第三步精确定位中，目标函数最佳值的搜寻，所述j取值为1～n，n为节点数目，为了减少计算量,在选择时使用目标函数:F＝(x_m-x_x)+(y_m-y_y)-d，其中，(x_m,y_m)为距未知节点最近的锚节点坐标,(x_x，y_x)为未知节点坐标即优化的差分进化算法中的每代目标向量或实验向量，d为锚节点与未知节点的测距，首先，在节点坐标优化处理中，先将锚节点前三点人为布置并移至预定坐标点：第一点(3.00,3.00)；第二点：(-3.00,3.00)；第三点：(0.00,3.00)，工作人员携带定位模块作为未知节点移动到设定坐标，并假定未知节点第4点到第10点的坐标值：(1.20,1.42)；(2.40,2.67)；(-1.60,-1.43)；(-2.40,-2.37)；(1.60,1.91)；(-3.20,-3.34)；(0.25,0.10)；先定位第四点坐标，此时的目标函数中距未知节点最近的锚节点坐标(x_m,y_m)即为已确定的第三点坐标(0.00,3.00)，锚节点与未知节点的测距d即为设定的第四点(1.20,1.42)到确定的第三点(0.00,3.00)的距离，在定位模块的软件设计时用d＝sqrt((data(i,1)-data(i-1,1))^2+(data(i,2)-data(i-1,2))^2)表示，式中：data(i,1)表示未知节点横坐标，同理data(i-1,1)表示锚节点横坐标，data(i,2)表示未知节点纵坐标，data(i-1,2)表示锚节点纵坐标；利用差分进化法对目标函数最佳值的搜寻，通过定位模块中差分进化算法的变异、杂交、竞争操作，靠着交叉的机制来进行每一代的演进，生成0至1之间随机数发生器的第j个估计值；CR为交叉算子，CR属于[0,1]；最后经过G步迭代可求得未知节点的最优坐标；最终找到第四点的最优解(x_x，y_x)，升级该节点用于协助定位剩余未知节点，然后由唤醒节点决定求第五点坐标时距未知节点最近的锚节点坐标(x_m,y_m)，同理按照之前方法一步步将各个坐标的最优解得到；根据优化坐标和初始坐标的对比，由程序运行结果及对比可知，最大误差出现在第8点坐标，第8点优化坐标值为(1.60,1.60)，其绝对误差为sqrt((1.60-1.60)^2+(1.91-1.60)^2)＝0.31，相对误差为sqrt((1.60-1.60)^2+(1.91-1.60)^2)/sqrt(1.60^2+1.60^2)＝0.137，误差在可允许范围。