[发明专利]一种基于改进粒子群算法的原烟托盘无线传感器布局优化方法

说明书

本发明公开了一种基于改进粒子群算法的原烟托盘无线传感器布局优化方法，属于烟草养护领域，所述的布局优化方法根据烟草物流中心提供的某一时间段内的温湿度信息，及其监测覆盖率等构建多目标传感器布局优化模型，以降低传感器布置成本，增大温、湿度信的息监测覆盖率，通过基于自适应策略改进的粒子群优化算法求解，确定传感器的布置位置，实现低成本高覆盖率的无线传感器布局优化。本发明提供的传感器优化方法，考虑了温湿度对烟垛内部霉变的影响，建立的模型能够最大化的覆盖监测区域，有效减少布置传感器的成本，在烟草企业的烟叶养护环节中对霉变信息的管控方面具有较高的应用价值。

技术领域

本发明涉及传感器布局的领域，涉及一种基于改进粒子群算法的原烟托盘无线传感器布局优化方法。

背景技术

传感器布局规划是原烟货场对烟草信息监测的重要环节，由于原烟烟叶在养护过程中需要对烟垛内部的温湿度变化进行严格监控，以避免烟垛内部发生霉变等情况以造成烟叶在养护过程中无法达到最好的醇化工艺。

目前大多数的研究没有结合实际的应用背景，这对模型及算法的实际应用造成了较大困难。

现阶段对大多数研究主要集中在WSN模型和算法的研究上，而在烟叶霉变信息监测等方面的传感器布局优化的研究近乎缺失。在传感器布局规划的研究中，考虑模型约束时不够具体完善。

发明内容

本发明针对现阶段原烟烟叶养护过程中对温/湿度信息的监测不够全面，设备投入成本高等问题，本发明提供一种改进的粒子群算法对无线传感器布局的优化方法。

为了实现上述目的，本发明采用以下技术复方案实现的：所述的方法啊包括以下步骤：

步骤1.建立无线传感器模型；

步骤2.利用改进的粒子群算法对模型求解；

步骤3.优化传感器在原烟烟垛中的位置，通过LSTM算法对温度信息进行预测，对传感器布局方案进行二次优化。

优选地，所述的步骤1.建立无线传感器模型具体方式如下：

其中R为无线传感器的感知半径，为两次监测间隔的时长，α为烟叶的热扩散率，λ为烟叶的导热系数，C_V为容积比热且C_V＝ρ·C_P。

任意传感器位置与任意烟垛栅格点的位置采用欧式距离表示为：

其中为原烟烟垛内部空间栅格点的集合，为任意栅格点在原烟烟垛空间中的位置，是原烟烟垛内无线传感器的集合，是任意传感器在原烟烟垛空间中的位置。

定义原烟烟垛内部每个栅格点的覆盖率权重，即：

其中C₀、C₁、C₂为系数，T为储藏温度/℃，ln(u_i)为第i个栅格点受该点温度影响下的比生长速率。

定义传感器在原烟烟垛中对栅格点的覆盖权重，即：

其中为传感器j在原烟烟垛中对栅格点的覆盖权重，为0-1变量，当原烟烟垛中任意栅格位置点到传感器j的距离小于传感器的感知半径时否则

无线传感器对原烟烟垛的总覆盖率为：

优选地，所述的步骤2详细如下；引入差分交叉策略，生成变异种群的方法为：其中F表示差分系数，r3,r4为介于1到NP之间的随机整数。在得到变异种群后，与原始种群进行交叉操作得到交叉种群：

优选地，所述的步骤3：引入觅食选择策略方法。在位置更新之前，将原种群的结构和信息完全复制得到一个新的种群，新的种群将会代替原种群进行差分与交叉，原种群仍然执行传统粒子群算法的更新策略。在位置更新完毕后，新种群会与原种群合并，组成一个种群规模为2NP的选择种群，通过对适应度值进行排序，通过贪婪策略选出较优的NP个个体，进入下一次迭代。