一、如何合理选择传感器（论文文献综述）
马健欣[1]（2021）在《面向物联网移动数据采集的多目标路径规划算法研究》文中认为物联网不仅在智能家居、智慧城市、车联网等基础设施完备的领域有广泛应用,其在基础设施不完备的军事、安全监测、环境监测、公共设施保护、抢险救灾等场景中也有重要的应用价值。在基础设施不完备场景下,链路不可靠、电力供应不足、时效性无法保证等问题是制约物联网发展的重要瓶颈。高能效、高时效的信息采集策略是解决上述问题的关键。本文主要针对基础设施不完备场景下物联网采集信息的收集问题,以提高网络能效和信息采集及能量补给的时效为目标,对传感器节点远距离无线信息传输问题中的任务调度、轨迹规划问题进行研究。在归纳总结国内、外最新相关研究成果的基础上,分别设计了基于波束形成的和基于以机器人、车辆、无人机等可移动设备作为移动节点访问的传感器节点任务分配的分簇算法。在此基础上,构建了离线调度场景下的基于汇合点优化的多移动节点轨迹规划问题的最优化模型,设计了启发式轨迹规划算法对所提出的最优化问题进行求解。进一步的,考虑在线调度场景下移动节点实时轨迹调度问题,构建了相应的最优化模型,设计了基于强制合作博弈的移动节点轨迹调度算法对该最优化问题进行求解。首先,为了解决无附加设备可进入感应区域的场景条件下的物联网中传感器节点监测信息远程传输的问题。本文将阵列信号处理中的波束形成技术移植到了物联网中,利用传感器节点间聚簇协作形成的天线阵列实现监测信息的远程传输。为了实现传感器节点的聚簇协作、降低能量损耗,设计了基于传感器节点波束形成事件触发的分簇算法,对每次聚簇的传感器节点数量及范围都做了严格约束。此外,在考虑有附加设备,如机器人、车辆、无人机等移动节点,可进入监测区域的场景条件下,设计了适用于可充电网络的基于传感器节点能量损耗率的分簇算法,优化移动节点的任务调度,使传感器节点能够及时、合理的得到能量补给。两种算法分别从聚簇成功率、节点充电延迟等方面分别验证了其在各自适应场景中的优势。其次,针对移动节点可进入的场景条件下的离线调度场景,即移动节点可预知网络拓扑、能量损耗率等信息的场景下,对移动节点的轨迹规划问题进行研究。在给出网络模型、能量损耗模型、移动节点数量约束模型和满足网络能量中性条件的基础上,将最小化移动节点总移动轨迹长度为目标函数的轨迹规划问题建模成一个混合整数规划问题。鉴于该最优化模型所描述的数学问题为NP-hard问题,借助于无线信息传输技术和无线充电技术,本文设计了一种启发式多移动节点数据采集轨迹规划算法。通过邻居节点的判定,设计了网络分层、分簇和轨迹规划三个步骤,优化了移动节点的任务分配、汇合点和轨迹。最后,仿真结果从移动节点轨迹长度、数据采集延迟、访问率等多方面综合验证了所提出的启发式多移动节点数据采集轨迹规划算法的性能表现。最后,针对移动节点可进入的场景条件下的在线调度场景,即移动节点无法预知网络拓扑、能量损耗率等信息的场景下,移动节点的轨迹无法提前规划,在进入监测区域后,根据接收到的传感器节点的请求信息,按照传感器节点的需求进行实时调度的调度策略问题进行研究。在给出网络模型、信息年龄模型和博弈模型的基础上,以满足网络能量中性条件为约束条件的情况下,将最小化信息年龄和最大化网络能效为目标函数的移动节点轨迹调度策略问题建模成一个多目标规划问题。为了对所提出的问题进行求解,设计了一种多移动节点间的强制合作博弈策略。通过使用该策略,优化了移动节点间的实时任务分配与轨迹调度。仿真结果从平均信息年龄、网络能效和成功访问率这三个方面验证了所提出的移动节点轨迹调度策略的优势。
冯勋勋[2]（2021）在《车辆目标跟踪系统设计与交互行为预测方法研究》文中提出随着自动驾驶车辆上路测试,暴露出一些突出问题。如在感知方面,由于真实交通环境复杂多变,越来越复杂的感知算法,使得在进行目标跟踪时易出现不稳定现象,导致对场景信息的错误理解;在行为预测方面,目前自动驾驶车辆的驾驶行为过于保守,不具备与他车进行交互的能力。针对以上问题,本文从车辆目标跟踪系统的设计、交互目标选择、交互行为预测等方面对自动驾驶车辆相关技术进行研究。（1）车辆目标跟踪系统设计。对跟踪系统的坐标系进行选择,设计了跟踪的数据关联算法、基于匀加速（CA）运动模型的无迹卡尔曼滤波（UKF）跟踪算法,以及轨迹的管理规则。通过仿真和实验的方式,对所设计的目标跟踪系统的有效性进行了验证。结果表明,所设计的车辆目标跟踪系统能够有效解决传感器在目标跟踪时存在的误检和漏检问题,提高跟踪的稳定性;当目标进行曲线变加速运动时,也能获得良好的跟踪效果。（2）车辆交互目标选择。为了提高自动驾驶系统工作的实时性、稳定性和有效性,对车辆间是否存在交互作用进行判断,以滤除跟踪系统返回的不重要的跟踪目标。基于对人类驾驶员交互车辆目标选择行为的分析,以轨迹分类和风险评估为依据,针对交叉口场景建立了面向自动驾驶车辆的交互目标选择方法。对于轨迹分类,分析了豪斯多夫（Hausdorff）距离、时间规整算法（DTW）和最长公共子序列（LCSS）在进行轨迹分类时的有效性。结果显示,最长公共子序列具有优异的分类性能,准确率可达82.25%。对于碰撞风险评估,基于道路结构建立了行车参考路径,在Frenet坐标系中表示车辆的位置和状态,将车辆的相对位置关系和碰撞时间作为是否存在交互的判断依据。在真实的交通流数据上对所建立的车辆交互目标选择方法进行了验证,结果显示,选择出的车辆交互目标较为合理。（3）车辆交互行为预测。为了使自动驾驶车辆具备与人类驾驶员相似的场景预测能力,以实现在交互场景中与人类驾驶员协作驾驶,采用深度生成模型条件变分自编码器（CVAE）对人类驾驶员的行为预测能力进行建模。分析了使用CVAE进行建模的合理性,建立了基于CVAE的车辆交互行为预测模型。使用真实交通场景中的车辆交互数据,并将其转换到Frenet坐标系中对模型进行了训练。测试结果显示,所搭建的行为预测模型具有良好的预测精度,且预测结果考虑了人类驾驶行为的不确定性;使用Frenet坐标系描述车辆运动状态,使得行为预测模型具有良好的泛化性。比较了考虑和不考虑交互目标车辆的行为预测结果,结果显示,当考虑交互目标车辆时,行为预测更加准确合理。
邹宜轩[3]（2021）在《高大建筑空间突发性空气污染高效监测与应急响应》文中研究说明随着建筑技术的不断发展,各类建筑的整体规模日趋庞大,在满足人们生产生活需要的同时,高大空间建筑突发性污染释放事件时有发生,这类事件往往会对人员的生命健康造成巨大的危害,并带来严重的社会影响,受到了国际各界的广泛关注。因此,保证高大建筑内人居环境的安全具有重要意义。由于高大空间建筑具有高度高、跨度大的特点,现有针对住宅、办公室等小型建筑室内污染物控制的研究方法存在无法适用的情况。本文基于Fluent仿真平台,提出了针对高大建筑空间污染事件控制的全过程方案,包括前期优化设计高效传感器网络,事件发生时快速准确辨识污染源信息,以及确定最佳应急响应方案。主要的研究内容如下:（1）提出了将伴随概率方法与遗传算法相结合对高大建筑空间传感器网络布局优化设计的方案。整个方案包括两个部分:针对高大建筑空间监测区域的全覆盖设计和针对高释放概率的重点区域污染释放的最快响应设计,并分别阐述了两部分的目标函数和设计步骤。以厂房局部工作区二维模型为研究对象,对所提出的设计方案进行了演示和验证,并与传统工程设计方法进行对比,证明了本方案所设计传感器网络在搭建成本、覆盖范围以及响应时效上具有优势。（2）在伴随概率法污染源辨识理论的基础上,提出了基于高大建筑空间传感器实时监测数据的污染源逆向辨识策略,包括传感器数据的选择方法以及记录过程。在二维空间中,通过正向模拟单污染源释放场景获取传感器网络的“实时数据”,对溯源策略进行了演示和验证,计算得到的污染源位置相对误差在5%以下。（3）在获取污染源辨识结果的基础上,提出了高大建筑空间污染事件应急响应方案的优选策略。根据空间内人员分布情况,确定最佳疏散路径,并结合污染事件的实际发展过程,考虑污染释放和探测时间对于污染物传播和人员疏散的影响,通过数值模拟对不同应急方案进行比较,确定最佳应急响应方案。在办公室污染释放案例中,对应急响应方案的优选过程进行了演示,证明了本方案在实际问题的处理上具有应用价值。（4）在实际的工业厂房高大空间案例模型中,分别设计了实现监测区域全覆盖和对储罐区域气体泄漏最快响应的最佳传感器网络。在工作台区设置污染源,正向模拟污染物传播过程,获取传感器“实时数据”,并根据数据确定了污染源的位置、释放强度和释放时间,基于溯源结果,优选了配合人员疏散的最佳应急通风方案,验证了本研究在真实高大建筑空间中应用的可行性。
陈露[4]（2021）在《基于协作通信的水下传感器网络路由优化技术研究》文中指出水下无线传感器网络（UWSN）是一种有效获取海洋数据的方法之一,针对水下路由技术的研究已成为热点。但是,在水下网络中,网络的生命周期是影响路由协议整体性能的重要因素。由于嘈杂的水下环境和较差的链路质量,水下网络的数据完整性和生存性都会受到影响。然而,协作通信却是解决此类问题的优秀技术。在协作通信中,源节点通过协作路径转发数据提高网络吞吐量,而目标节点接收不包含明显错误的数据包。因此,本文采用一种协作通信的方法来进行水下传感网的路由优化,解决UWSN的丢包问题和生命周期,并加入了接收数据包准确率的验证。本文首先展开绪论,阐述海底观测网的研究背景及意义。介绍相关国内外研究现状,了解现如今海底组网的发展前景。然后,针对本文主要的研究方向水下路由协议,进行概念阐述介绍相关协议分类,概括各类水下协作路由。然后,本文在基于以往水下传感网的网络模型基础上构建出一种分层式的网络架构。本文将水下网络进行分层操作,节点划分成簇。在簇内,加入协作通信模型合理均衡网络能耗,构建水下能量损耗模型进行分析。紧接着,本文提出了一种基于协作通信的水下传感网路由优化协议。相比于传统水下路由协议,优化后的路由协议分为两个工作阶段:网络分层阶段和数据传输阶段。在网络分层阶段中,k-means算法用于对节点进行聚类操作,而条件概率可用于选择簇头,防止簇头节点的随机性。在数据传输过程中,簇头负责向上转发数据至水面sink节点。簇内负责彼此间的协作传输,并加入中继节点选择标准选择合适中继,以避免数据丢包率。合理的网络分层对节点功能进行了明确分工,利用分层成簇的网络优势来减轻能量的负担提高能量利用率。优化后的水下路由协议利用协作通信代替普通的多跳传输,得以更好地保证水下链路质量。本文还将所提出的协议与其他协议进行了仿真比较,结果表明所提协议有效延长了网络生命周期,提高了接收数据包的正确率,并增加了网络利用率。最后,利用实验室中自主研发的水声节点进行海上试验通信,介绍相关水声通信原理和水声节点的硬件设计。本文加入对照组实验,证明加入协作通信模型后,水声数据包的传输成功率均维持在98%以上,通信状态良好,解决了数据失真率较高的问题。
王创[5]（2021）在《智能电网中WSN能耗优化机制与覆盖算法研究》文中认为智能电网作为下一代电力系统能够有效提升传统电网性能。无线传感器网络技术（Wireless Sensor Network,WSN）技术与通信技术、计算机技术并称为当代信息技术的三大支柱之一,是一门新兴的、面向应用的多交叉学科。将两种先进技术相融合已成为未来发展趋势,WSN在智能电网电力数据采集、电力运行监测及电力故障诊断等方面具有广阔发展前景。传感器节点能耗问题目前是智能电网研究热点问题,节点间的通讯产生大量能耗,能耗的高低与节点之间的距离、传输数据量密切相关。优化路由算法可以有效降低网络能量损耗,防止关键节点因为能量耗尽而退出网络。合理的节点覆盖分布既能延长网络寿命又能促进节点之间通信,同时为了提升智能电网中通信服务质量,本文在智能电网网络路由和覆盖算法两个方面进行了研究,主要研究工作为:1)针对智能电网感知层的WSN路由优化问题,本文提出了一种基于能量和密度的LEACH-ED算法。该路由算法在原有LEACH算法基础之上进行改进,重新优化了监测区域最优簇首数、基于节点密度对最优子区域块进行划分。同时改进了子区域阈值公式,对簇首选举方式进行了优化,引入了能量因子和密度因子两个概念,最后对簇首和基站之间的数据传输方式进行优化。通过仿真结果可以看出,LEACH-ED算法有效的避免了传统算法极易陷入局部最优的缺陷,极大的降低了节点能耗损耗,延长了 WSN使用寿命。2)针对智能电网WSN传感器布放密度、协同通信的路由选择及优化、节点能耗等问题,提出了一种基于LEACH算法的WSN节点分布优化策略。I-LEACH算法结合了传统LEACH算法、拟物力算法和质心算法在节点分布方面具备的优势,实现了区域节点部署优化。首先I-LEACH算法选取合理个数和位置的传感器节点,将复杂的NP问题转化为线性问题;接着运用拟物力算法对LEACH算法选中节点进行位置优化,同时引入边界约束力的概念对设定范围的边界区域再次进行位置优化,防止边界节点被排斥到边界之外;最后利用Voronoi图的固有特性,采用质心算法进一步提升节点位置精度。实验结果表明,I-LEACH算法可以有效改善WSN当中的节点冗余情况,大幅度提升网络节点覆盖效率。3)根据本文改进的路由算法模拟设计了智能电网感知层的应用环境,其中包含系统整体模型结构、相关应用技术、硬件结构设计及相应系统实现。通过比较传统智能电网模拟系统和使用本文改进算法后的智能电网模拟系统WSN节点能耗情况,进一步验证了本文改进算法应用到智能电网的可行性及优越性。图[65]表[7]参[80]
陈战胜[6]（2021）在《无线传感器网络中高效能数据收集算法的研究》文中认为作为一项二十一世纪信息感知和数据收集的重要新兴技术,无线传感器网络已经成为国际工业界和学术界的研究热点。在能量有限的传感器节点随机部署应用中,最大限度的延长网络生命期是无线传感器网络应用中的重要研究课题之一,尽可能提升网络能量效率是延长无线传感器网络生命期的关键。本文围绕网络通信低能耗和能量均衡两个方面,构建环境自适应的节能高效数据收集算法来提高网络能量效率。围绕能量效率优化问题,本文通过简化网络成簇、优化簇首选举、确保网络覆盖、协调簇间数据转发、利用移动Sink节点以及调度充电小车恢复节点能量等方式来实现网络数据收集的可持续化,完成了如下创新研究成果。在基站固定的WSNs应用中,网络数据流向的汇聚性使得基站近邻节点通信负荷过重,能量空洞现象不可避免。针对固定基站应用场景中“热点问题”引发的能耗不均衡问题,提出了一种能量高效的簇首多跳数据收集算法EEMR。通过融入能量的近邻传播聚类方法来增强网络成簇的能量内聚性,提出联合距离和能量因素的簇首选举策略,采用基于能量等级的簇首轮循机制,设计基于“能量-距离-偏向角”的中继节点胜任力计算并择优选取的数据转发策略。仿真实验结果表明,EEMR算法具有首节点失效晚、节点失效集中且呈递减收敛的优点,有效提高了网络能量效率并延长网络生命期。为了解决EEMR算法中基站参与网络成簇决策过多的问题,提出了固定分簇的动态迁移数据收集算法FGMRP。借鉴簇首数量最优理论成果,通过近邻传播算法辅助网络一次成簇,采用“能量-位置-节点密度”的簇首选举方法,提出“成簇数量不变-区域动态迁移”的动态迁移成簇策略,优化数据转发次数,设计存活节点数量多的节点优先转发数据的中继策略,并构建一种多指标综合评价模型来衡量算法性能。仿真实验结果表明,FGMRP算法降低网络成簇能耗并进一步优化了网络生命期。针对传感器节点密集部署的应用场景,提出一种基于虚拟格的节能可靠数据收集算法GRMRP。通过可靠连通虚拟网格方法划分网络,基于节点感知能力确保网络全覆盖,引入节点休眠机制降低密集区域能量消耗,采用能量阈值触发的格头轮循机制,利用“共生死”期望寿命的区域博弈协商策略加强区G域RM能R量P的局部认知进行格间数据转发,拉近格间能耗均衡。仿真实验结果表明,算法显着降低每轮数据收集的网络能量,缩短数据收集时延并大幅度延长网络生命期。在基站移动WSNs应用中,网络节点从“边缘节点”切换为“近邻节点”,能量效率提高且数据传输可靠,不足是网络拓扑变更频繁且数据收集时延明显增大。针对时延受限的应用场景,提出一种延迟容忍的基站移动协助数据收集算法GES-DGS。通过四分虚拟格方法设置虚拟停留点级别,采用跟随系统容忍时延变化的停留点自适应选择方法,启用基于区域数据采集量的停留时间分配策略,借鉴Hilbert曲线的象限移动规则构建基于虚拟点的自适应巡逻路线。仿真实验结果表明,GES-DGS算法具有容忍时延自适应性,降低每轮数据收集能量消耗并延长网络生命期。针对中小规模WSNs工作可持续化应用场景,提出了一种自适应实时按需充电调度算法CSS-MEE。通过基于层次的对称路径构建方法解决移动小车调度路径最优化的NP-hard问题,联合考虑移动小车的可利用能量与网络请求节点的需求能量的供需关系,交替使用完全充电模式和自适应充电模式,启用考虑新请求紧急程度及充电服务成本代价的调度路径更新算法,实现移动小车服务效率和网络请求充电吞吐量的双赢。仿真实验表明,CSS-MEE算法在移动小车充电效率、服务请求吞吐量和平均充电服务时延方面性能较佳。
石拓[7]（2021）在《无源传感器网络的覆盖问题》文中提出无线传感器网络是帮助人们认知、探索物理世界的重要工具,也帮助人们打破了信息世界与物理世界之间的壁垒。然而,由于传感器节点的供电单元一般为电池,使得传感器网络的网络寿命受限。同时,废弃的传感器节点中的电池也会对环境造成不可逆的污染。这两点严重阻碍了传感器网络的进一步发展。为了解决这个问题,研究者提出了无源传感器网络。无源传感器网络是由无源传感器组成的网络。无源传感器节点自身不携带电源,但可以从周围环境能源（太阳能、风能、射频能量等）中获取能量。由于这些能量源具有绿色环保,能量供给持久的特点,使得无源传感器网络具有环境友好,寿命无限的特点。本文主要研究无源传感器网络中的覆盖问题。网络覆盖是传感器网络中保障网络连通、感知数据完整、网络功能完善的重要指标。但由于周围环境能源具有供给持久、分布失衡、变化难测等特点,使得无源传感器网络中的覆盖问题更为复杂。本文针对不同类型的无源传感器网络中的覆盖问题进行了深入研究,主要研究成果如下:第一,本文研究了基于绿色能源的无源传感网的覆盖问题。在这种网络中,无源传感器节点通过环境中的绿色能源——太阳能、风能等获能。由于绿色能源具有分布失衡、能量波动等特点,导致无源节点的工作状态不稳定,网络的全覆盖很难保证。这使得,传统传感器网络中对网络覆盖的度量标准无法应用。另一方面,由于绿色能源的能量供给是持久的,使得网络不存在生命受限的问题,这也使得传感器网络中现存的以网络生命周期为优化目标的算法无法应用。为了应对以上两个挑战,本文首先重新定义了网络覆盖的度量,将网络覆盖质量定义为对监控区域的平均覆盖率。其次,本文以网络覆盖质量为优化目标,定义了覆盖质量最大化问题,并证明了该问题是NP-难的,给出了该问题解的代价的上界。同时,本文也给出了该问题具有多项式时间最优解的充分条件。当该条件不满足时,本文提出了两个集中式近似算法和一个分布式近似算法对该问题进行求解,并从理论与实验两个角度对所提的三种算法的有效性进行了分析验证。第二,本文研究了绿色能源分布敏感的无源传感网的覆盖问题。在这一问题中,本文主要研究如何通过部署传感网节点的地理位置和工作状态来适应绿色能源分布,最大化网络覆盖质量。通过节点地理位置的部署可以适应绿色能源在空间上的分布,而节点工作状态的调度则可以适应绿色能源在时间上的分布。然而,节点的能量获取状态与节点的工作状态相互影响,这使得如何合理地部署、调度无源节点,并最大化网络覆盖质量成为了一个复杂的问题。本文将节点的地理位置部署和工作状态调度合称为节点的联合部署,而本问题的目的就是通过网络的联合部署最大化网络的覆盖质量。本文证明了该问题为NP-难问题,同时也给出了该问题解的代价的上界。为了解决该问题,本文提出了一个基于放缩策略的近似算法。本文证明了该问题的近似比,也通过实验验证了该算法的有效性。第三,本文研究了基于无线充电的无源传感器网络的覆盖问题。在基于无线充电的无源传感器网络中,存在充电桩和基于被动RFID标签的无源传感器节点。在这种网络结构中,充电桩通过旋转有向天线来为不同方向的无源传感器节点充电,并获取节点上的感知数据。由于充电桩在旋转天线和为节点充电时均需要耗费能量,且在单位时间内,有向天线只能收取单一角度上的感知数据,因此,如何合理地调度充电桩的天线,在最小耗能的情况下收集足够的感知数据,保障网络的有效覆盖成为了一个重要问题。为此本文定义了适应该网络拓扑结构的时隙支配集来保障网络的数据覆盖。并提出了最优化时隙支配集构造问题,同时证明了该问题是NP-难的。本文从不同的需求（快照需求和连续需求）和网络规模（小规模网络和大规模网络）出发,提出了三种近似算法,并从理论上证明了这三种近似算法的时间复杂度、通信复杂度和近似比。同时,本文也通过大规模的模拟实验验证了三种算法的正确性和有效性。第四,本文研究了基于混合能源的无源传感网的覆盖问题。在基于混合能源的无源传感器网络中部署有充电桩,节点既可以从无线充电源中获取能量,也可以从绿色能源中获取能量。本文在这种网络中提出了数据-能量双覆盖的概念。能量覆盖是指通过合理地部署充电桩来对无源传感器节点构成覆盖,通过稳定的能量供给弥补绿色能源分布失衡、能量波动的缺点。数据覆盖是指通过调度无源节点工作对监控区域构成覆盖,有效地监控、收集区域中的感知数据。然而,由于充电桩的部署成本较高,且节点调度严重依赖于区域中的能量分布,使得如何合理地部署充电桩,调度节点工作,降低充电桩部署成本,提高网络覆盖质量成为了一个重要问题。本文通过以下两个子问题来解决这一问题。第一个问题主要研究如何构造数据-能量覆盖,使得网络覆盖质量达到给定阈值,并最小化充电桩部署成本。第二个问题主要研究如何构造数据-能量覆盖,使得充电桩部署成本在不超过给定阈值的前提下最大化网络覆盖质量。本文证明了这两个问题均为NP-难问题。并证明了数据覆盖与能量覆盖之间的关系。同时,依据以上关系,本文针对这两个问题提出了两个近似算法。最后本文通过理论分析和实验模拟对以上两个算法的有效性进行了验证。第五,本文研究了基于部分无源节点的传感网中的覆盖问题。基于部分无源节点的传感网是指,网络中既包括传统有源传感器节点,也包括无源传感器节点。由于现存有大量的传统无线传感器网络,本文考虑在传统的传感器网络中加入无源传感器节点,并通过构造覆盖,保证网络功能完善的前提下,进一步提高传统传感器网络的寿命。本文通过构造连通支配集来保障网络的覆盖与连通,并将网络寿命重新定义为网络中可工作连通支配集个数。这种新型的网络寿命定义方式充分地考虑到了感知数据的空间相关性。基于该定义,本文提出了无源传感器网络中的连通支配集构造问题,并证明了该问题为NP-难问题。为了解决该问题,本文首先提出了一个基于重构网络的集中式算法。其次,对于大规模的传感器网络,本文提出了一个基于局部信息的分布式算法。本文证明了以上两个算法的近似比,并通过实验进一步验证了文中提出算法的有效性。
杜雪峰[8]（2021）在《矿井主通风机监测和健康状态评估方法与系统研究》文中研究表明矿井主通风机是煤矿安全生产不可缺少的重要设备,一旦出现异常,会对煤矿生产和井下人员的安全造成巨大威胁,对其进行有效的监测、健康状态评估以及科学维护是矿井通风安全的重要保证。本文以煤矿主通风机为对象,研究其主要参数测量方法和健康状态评估方法,并基于此开发了监测与评估系统,论文研究对提高矿井主通风机监测和健康状态评估水平,保证矿井通风安全生产具有重要的现实意义。论文主要研究内容和取得结果:（1）确定矿井主通风机运行状态监测参数,对主要参数测试方法进行研究。针对风量目前采用的方法中因安装方式造成测量误差大的问题,建立了常见三种风硐的仿真模型,分析传感器安装所造成的风流分布变化规律,得到传感器安装支架截面处受支架干扰风流分布变化剧烈,超前支架截面200mm后,风速分布趋于均匀,影响减小,超前支架250 mm影响最小。以方形风硐为例进行实验验证,结果表明:在选取的8个工况点,传感器测头安装在支架截面处测量误差均最大,250mm处最小,此处可作为传感器测头安装参考位置。（2）研究多元状态估计法对矿井主通风机健康状态的评价和应用方法。分析多元状态估计算法原理,将该算法应用到主通风机健康状态评估,以陕西彬长小庄矿业有限公司2#主通风机为例,选取合理的变量,建立矿井主通风机健康状态评估模型。利用风机正常工作时的监测数据对模型的有效性进行验证得到各变量估计值,并与观测值对比,结果表明MSET模型估计精度高,可以满足主通风机健康评估的要求。（3）开发了矿井主通风机监测与健康状态评估系统。构建了基于PXI总线,以NI PXIe-1062Q&NI PXIe-8106主机为核心,NI PXIe-6259数据采集卡,振动、温湿度、压力、风速、电压和电流传感器组成的硬件平台。以LabVIEW2017为开发平台,采用面向组件和面向过程的程序设计方法,开发了矿井主通风机振动、温度、风压、风量及电机功率监测程序,风机健康状态评估程序,数据存储回放等程序。（4）搭建实验平台,对矿井主通风机监测系统的振动、温度、风压、风量监测功能和数据存储回放功能进行验证,实验结果表明系统可满足主通风机运行状态实时监测的需求。以陕西彬长小庄矿业有限公司2#主通风机运行数据结合DHVTC振动实验台的振动异常数据对MSET模型健康评估效果和系统健康评估功能进行验证,结果表明:当振动速度值超过2.07mm/s时模型就开始健康预警,表明该方法可以有效地对矿井主通风机的故障信息进行预警并且系统健康评估模块也可以实现对风机健康状态的评估功能。
李海啸[9]（2021）在《面向智能工厂的无线传感器网络定位技术研究》文中认为随着传感技术、无线通信技术、嵌入式技术、分布式处理技术和微电子技术等快速发展和成熟,无线传感器网络应运而生并广泛应用在智慧医疗、智能交通、军事侦查、智能家居、绿色环保、智能工业等领域。无线传感器网络由大量传感器节点组成,形成一个自组织、可扩展、点到点通信、多跳传输的无线网络,通过环境感知、信息融合和数据传输,将大量感知信息传递给观测者。在无线传感器网络的众多应用中,感知信息不仅仅包括感知数据,还应包括感知数据所在的具体位置信息,没有具体位置信息的感知数据是毫无意义的,因此节点定位技术是无线传感器网络的重要的、基础性的技术之一。而以无线传感器网络为主体的泛在感知计算网络是智能工厂的重要感知和监测基础。在智能工厂中,决策者或智能分析系统能够准确分析当前情况和决策采取下一步有效措施的重要依据是需要感知、采集大量的环境、人员、设备和能源等重要参数信息。大部分感知信息都是位置相关的,所以在智能工厂中,对自动引导小车的定位和轨迹追踪、对内部人员或外来人员的定位、对监测区域特征参数或事件的定位都离不开无线传感器网络定位技术。根据监测对象的数量和性质以及采用定位技术的不同,无线传感器网络定位算法主要分为:静态定位和动态定位、基于测距定位和基于非测距定位、单目标定位和多目标定位。此外定位技术还应满足定位时间和定位精度的要求。通过对国内外大量关于无线传感器网络定位技术相关文献的研究,掌握了当前备受大家认可的无线传感器网络定位技术,对无线传感器网络在智能工厂的不同应用领域中如何提高定位精度、减小定位时间、如何改善算法鲁棒性等方面进行研究。本文主要的研究内容和改进如下:（1）基于非测距的距离矢量—跳段（Distance Vector-Hop,DV-Hop）定位算法的研究。针对DV-Hop定位算法定位误差大的问题,本文提出了基于一般误差向量修正和基于模糊聚类的误差向量修正的DV-Hop定位算法。改进算法根据无线传感器网络拓扑结构（节点单一区域分布和节点分区域分布）构建相似度函数,利用锚节点与未知节点的最小跳数得到节点间的相似度值,再利用预设的相似度阈值选择与未知节点相似度达到一定条件的锚节点组成锚节点集合,对集合中的锚节点进行重定位得到锚节点的位置估计值,根据锚节点的真实位置和估计位置依据仿射空间原理得到每个锚节点的定位误差向量或修正向量,最后利用多个锚节点的误差向量或修正向量加权平均得到未知节点的定位误差向量或修正向量,进一步优化未知节点的估计位置。实验表明,改进算法能有效提高无线传感器网络不同网络拓扑下DV-Hop非测距定位算法的定位精度。（2）基于测距的三边加权质心定位算法的研究。针对基于RSSI测距的定位算法的定位精度受信号噪声和环境干扰较大的问题,对基于RSSI测距定位算法进行了三个方面的改进:首先,针对传统三边加权质心定位算法锚节点的选择不当导致定位误差大的问题,提出了双集合组合法寻找满足一定条件的三个锚节点用于三边定位。其次,针对RSSI测距容易受到环境噪声和设备脉冲信号的小概率大干扰事件影响造成RSSI测距精准度低的问题,提出了结合量子粒子群优化的模糊C均值聚类过滤算法以消除基于RSSI测距的小概率大干扰事件,再利用假设检验方法检验过滤后的RSSI三元组的准确性。最后,提出参考点加权质心定位算法解决了传统三边加权质心算法在噪声和脉冲干扰下定位成功率不高且误差较大的问题。实验通过CC2530传输模块和Tiny OS2开发平台验证了改进的三边加权质心定位算法的有效性。（3）针对移动无线传感器网络的蒙特卡罗定位盒子算法的研究。蒙特卡罗定位盒子算法是一种基于锚节点信息限制的蒙特卡罗样本抽样定位算法,可用于智能工厂中对移动目标的定位和跟踪。为解决蒙特卡罗盒子定位算法的采样效率低、迭代次数多、样本退化、采样随机性的问题,本文在传统蒙特卡罗定盒子定位算法的采样阶段,根据灰色系统预测理论增加了灰色模型预测采样功能,将在样本盒子中随机采样过程改进为根据前期的样本位置进行灰色模型预测采样,使预测样本与未知节点当前的真实位置更接近,因此采样预测更具有目的性、针对性和方向性,提高了采样效率,减少了迭代次数。实验仿真表明,改进算法能够有效防止随着时间段的增加而采样样本退化,显着提高智能工厂移动目标的定位精度,减少定位响应时间。（4）基于压缩感知的稀疏多目标定位算法研究。针对传统基于压缩感知多目标定位算法感知矩阵维数大、计算复杂度高、网格边长难以细化等问题,本文提出了基于压缩感知的两阶段多目标定位算法。在大规模定位阶段,将监测区域依据部署的传感器进行Voronoi图划分,将多目标确定在每个子区域中,并在所有子区域中进行贪婪匹配追踪算法重构目标稀疏位置向量,得到包含目标的候选网格。在精细定位阶段,对选出的候选网格依据网格最小边长定理进行细化,对每个子区域中候选网格组成的本地区域内采用1-稀疏度位置向量贪婪匹配重构算法得到目标所在的细化网格,并以细化网格作为目标的最终位置。基于压缩感知的两阶段多目标定位算法既提高了的定位精度,也减小了稀疏重构感知矩阵的维数,降低了算法复杂度,减小了定位响应时间。最后通过实验仿真验证了改进算法的效果,可以用于对智能工厂监测区域的稀疏多目标进行有效定位。（5）基于多维标度的协作式多目标定位算法研究。为解决无线传感网络多维标度定位精度容易受最短路径估计距离误差影响的问题,改善多维标度定位算法的初始估计位置,提出一种基于模拟退火优化的无线传感器网络多维标度定位算法。首先利用RSSI接受信号强度测距并建立距离矩阵,使用多维标度方法和锚节点信息得到节点的初始估计绝对坐标,再利用测距信息和节点的权重系数构造模拟退火优化算法的胁强系数,通过模拟退火优化算法良好的全局搜索能力不断迭代优化求解节点的最优位置。通过实验仿真验证了基于模拟退火优化的多维标度定位算法即使在C型网络和测距噪声存在的情况下也能够具有较低的平均定位误差和较高的网络覆盖率,而且非常适于应用在智能工厂基站数量少的环境。本文系统地研究了无线传感器网络基于测距定位和基于非测距定位、静态定位和动态定位、单目标定位和多目标定位的相关技术,提出了5种创新和改进方案,并通过大量的实验验证了所提算法的有效性和可行性。实验结果表明,本文所提的5种定位方案是无线传感器网络定位技术的重要创新和改进,可以应用在智能工厂无线传感器网络多个定位领域,有非常重要的现实意义和应用价值。
赵彬[10]（2021）在《具有中继和能量收集的传感器网资源分配研究》文中研究指明无线传感器网络（Wireless sensor network,WSN）由许多且数量有限的传感器节点组成,传感器节点可以从环境中感知大量的信息,经过处理传输到数据中心。随着传感器感知技术的迅速发展,传感器网络的应用越来越广泛,比如工业、天气探测、防火救灾、军事国防,特别是对偏远、环境恶劣的地区以及战场进行环境监测和感知。由于传感器网络的覆盖范围大,节点分布范围广,数量多,且通常处于较差的环境,因此当节点的能量不足时,人工更换电池是一件费时、费力,甚至是不可能的事情。近年来,绿色无线通信在无线传感网中得到了广泛的应用,包括新能源、可再生能源的使用以及低功耗节能等技术,能量收集（Energy harvesting,EH）技术也逐渐兴起,从自然环境中收集能量（如风能、太阳能等）,并转化为电能,这种新的供电方式不仅可以使用当下收集到的能量,还能够将能量保存到电池中,这是节点补充能量最环保方便的方法之一。由于传感器网络用能量收集的方式自己去延长生存时间,具有不需要人工干预的优点,现已经在工程实践上得到了大量的应用。但是在实际中,能量收集技术在应用中依然会受到很多的限制。由于能量的来源为自然环境,受天气、地理等环境因素的影响较大,节点能够收集到的能量大小无法提前预测,这样就造成了各个节点能量收集速率的差异。与此同时,节点之间的信道状况（Channel state information,CSI）也受环境的影响而不断发生变化,再加上一些传感器可能部署不良等原因,传感器节点之间的通信有时不可避免地会受到影响甚至中断,这可能会导致整个网络性能的下降。因此,如何有效地使用收集到的能量,来提升系统长期吞吐量等性能指标是WSN在未来发展中必不可少的挑战之一。为了解决这一问题,我们提出了一种由多个子网络组成的放大转发（Amplification and forwarding,AF）无线传感器网络和对应该网络的资源分配策略,用来管理功率和时间等资源,以实现网络通信吞吐量的最大化。依据马尔可夫决策过程（Markov decision process,MDP）的模型,利用了深度强化学习（Deep Reinforcement Learning,DRL）来制定我们的资源分配策略。主要工作如下:首先,为了提高整个网络的吞吐量性能,我们提取传感器网络中带有放大转发AF中继和能量收集的一部分作为子网络,给出了该子网络的优化问题以及优化条件。我们发现,由于该子网络的结构具有通用性,因此当系统得到一个最优的传输策略来更好地在子传感器网络进行资源分配,提高子网络吞吐量时,整体传感器网络的吞吐量也会随之提高。传感器节点的状态转移过程是一个具有未知状态转移概率的马尔可夫过程,并且节点的电量受到自身和外界环境条件的约束,因此,多时隙的资源分配被定义为一个序列多次进行决策的过程。因此,我们提出了一个在单个时隙内调整两类参数来进行能量和时间分配的策略,来实现更有效的资源分配。然后,我们提出了两种传输策略,一个是基于Deep Q-Learning（DQN）的离散状态情况下的资源分配策略,另一个是用于连续状态情况基于Actor-critic（AC）的连续资源分配策略。在连续状态和动作空间中,我们采用AC策略来寻找最优解,并基于能量收集、电池状态的因果信息和信道增益,自适应地获得网络的最大吞吐量。仿真结果表明,所提出两种传输策略都能使子网络中的传感器节点依据长期的状态转移,去自适应改变自身的功耗,进而使长期吞吐量在多种不同的状态下中均优于传统策略,最终提高整体系统的吞吐量性能。
二、如何合理选择传感器（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、如何合理选择传感器（论文提纲范文）
（1）面向物联网移动数据采集的多目标路径规划算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题背景及研究目的和意义 |
| 1.1.1 课题背景 |
| 1.1.2 研究的目的和意义 |
| 1.2 物联网发展现状 |
| 1.3 相关技术研究现状 |
| 1.3.1 移动节点的数据采集 |
| 1.3.2 移动节点路径规划 |
| 1.3.3 移动节点任务分配 |
| 1.4 本论文主要研究内容及组织结构 |
| 第2章 系统模型与研究基础 |
| 2.1 引言 |
| 2.2 移动数据采集的网络模型分析 |
| 2.3 轨迹优化与最优化理论 |
| 2.3.1 整数规划 |
| 2.3.2 旅行商人问题 |
| 2.3.3 分支定界算法 |
| 2.3.4 多旅行商人问题 |
| 2.4 信息与功率联合传输 |
| 2.5 博弈论方法 |
| 2.5.1 非合作博弈 |
| 2.5.2 合作博弈 |
| 2.5.3 强制合作博弈 |
| 2.6 本章小结 |
| 第3章 基于传感器节点远距离数据传输的分簇算法 |
| 3.1 引言 |
| 3.2 基于波束形成事件触发的传感器节点分簇算法 |
| 3.2.1 网络模型与假设 |
| 3.2.2 算法中涉及的相关概念 |
| 3.2.3 分簇算法 |
| 3.2.4 仿真及结果分析 |
| 3.3 采用移动节点访问的基于传感器节点能耗率的分簇算法 |
| 3.3.1 网络模型与假设 |
| 3.3.2 分簇算法 |
| 3.3.3 轨迹规划 |
| 3.3.4 仿真及结果分析 |
| 3.4 本章小结 |
| 第4章 基于汇合点优化的移动节点离线轨迹规划算法 |
| 4.1 引言 |
| 4.2 系统模型 |
| 4.2.1 网络模型 |
| 4.2.2 能量模型 |
| 4.2.3 移动节点数量约束模型 |
| 4.3 多移动节点轨迹规划问题的数学建模 |
| 4.4 启发式移动数据采集轨迹优化算法 |
| 4.4.1 基于多移动节点数据采集的传感器节点分簇算法 |
| 4.4.2 基于汇合点优化的路径规划算法 |
| 4.5 仿真与性能分析 |
| 4.5.1 参数设置 |
| 4.5.2 网络划分实现及结果示例 |
| 4.5.3 基于TSP的松弛算法正确性验证 |
| 4.5.4 移动速度 |
| 4.5.5 传感器节点数量 |
| 4.5.6 移动节点数量 |
| 4.5.7 第二步中两种分簇算法的对比 |
| 4.5.8 访问率 |
| 4.6 本章小结 |
| 第5章 基于AoI优化的移动节点在线轨迹调度算法 |
| 5.1 引言 |
| 5.2 系统模型 |
| 5.2.1 网络模型 |
| 5.2.2 博弈模型 |
| 5.2.3 信息年龄模型 |
| 5.3 基于信息年龄的移动节点调度问题的数学建模 |
| 5.4 基于信息年龄优化的移动节点调度算法 |
| 5.4.1 访问竞争博弈 |
| 5.4.2 冲突避免 |
| 5.4.3 跳跃和重排 |
| 5.4.4 返回策略 |
| 5.4.5 分析 |
| 5.5 仿真与性能分析 |
| 5.5.1 参数设置 |
| 5.5.2 移动节点访问调度实现及示例 |
| 5.5.3 网络尺寸 |
| 5.5.4 移动节点数量 |
| 5.5.5 移动速度 |
| 5.5.6 通信半径 |
| 5.6 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其他成果 |
| 致谢 |
| 个人简历 |
（2）车辆目标跟踪系统设计与交互行为预测方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 目标跟踪研究现状 |
| 1.2.2 车辆行为预测研究现状 |
| 1.3 研究内容及论文章节安排 |
| 2 车辆目标跟踪系统设计 |
| 2.1 目标跟踪原理概述 |
| 2.2 车辆目标跟踪系统设计 |
| 2.2.1 坐标系的选择 |
| 2.2.2 数据关联算法设计 |
| 2.2.3 跟踪滤波算法设计 |
| 2.2.4 数据融合模型选择 |
| 2.2.5 轨迹管理规则设计 |
| 2.3 车辆目标跟踪系统仿真验证 |
| 2.3.1 传感器的选择 |
| 2.3.2 单传感器单目标跟踪仿真 |
| 2.3.3 多传感器融合目标跟踪仿真 |
| 2.4 车辆目标跟踪系统现场实验验证 |
| 2.4.1 相机内外参数的标定 |
| 2.4.2 车辆目标跟踪实验 |
| 2.5 本章小结 |
| 3 车辆交互目标选择 |
| 3.1 车辆交互的定义和量化 |
| 3.2 车辆交互目标选择算法设计 |
| 3.3 车辆行驶参考路径的识别 |
| 3.3.1 豪斯多夫距离 |
| 3.3.2 动态时间规整算法 |
| 3.3.3 最长公共子序列 |
| 3.3.4 轨迹相似性度量标准的选择 |
| 3.4 基于风险评估的车辆交互目标选择 |
| 3.4.1 Frenet坐标系简介 |
| 3.4.2 笛卡尔坐标和Frenet坐标之间的转换 |
| 3.4.3 基于Frenet坐标系的车辆交互目标选择 |
| 3.5 车辆交互目标选择算法验证 |
| 3.6 本章小结 |
| 4 车辆交互行为预测 |
| 4.1 条件变分自编码器基本原理 |
| 4.1.1 自编码器 |
| 4.1.2 变分自编码器 |
| 4.1.3 条件变分自编码器 |
| 4.2 车辆交互行为预测建模 |
| 4.2.1 问题描述 |
| 4.2.2 建模分析及模型构建 |
| 4.3 车辆交互行为预测模型训练 |
| 4.3.1 数据集的选择 |
| 4.3.2 数据预处理 |
| 4.3.3 模型的搭建和训练 |
| 4.4 车辆交互行为预测 |
| 4.5 本章小结 |
| 5 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
（3）高大建筑空间突发性空气污染高效监测与应急响应（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 室内空气污染传感器网络设计的研究现状 |
| 1.2.2 室内污染源逆向辨识的研究现状 |
| 1.2.3 室内空气污染事件应急响应的研究现状 |
| 1.3 研究思路与内容 |
| 2 基本理论与计算平台 |
| 2.1 伴随概率法基本理论 |
| 2.2 ANSYS Fluent计算平台 |
| 2.2.1 控制方程 |
| 2.2.2 湍流模型 |
| 2.3 本章小结 |
| 3 高大建筑空间传感器网络优化设计 |
| 3.1 基于伴随概率方法的传感器覆盖范围计算 |
| 3.2 遗传算法 |
| 3.3 全域覆盖优化设计方案 |
| 3.3.1 目标函数 |
| 3.3.2 设计步骤 |
| 3.4 重点区域快速响应优化设计方案 |
| 3.4.1 目标函数 |
| 3.4.2 设计步骤 |
| 3.5 方案演示与验证 |
| 3.5.1 模型及参数设置 |
| 3.5.2 全域覆盖优化设计 |
| 3.5.3 重点区域快速响应优化设计 |
| 3.6 与工程设计方法的对比 |
| 3.6.1 全域覆盖设计的对比 |
| 3.6.2 重点区域快速响应设计的对比 |
| 3.7 本章小结 |
| 4 高大建筑空间污染溯源及应急响应 |
| 4.1 基于传感器数据的高大建筑空间污染溯源 |
| 4.1.1 伴随概率方法溯源理论 |
| 4.1.2 基于实时传感器数据的污染溯源策略 |
| 4.1.3 传感器实时监测数据的获取 |
| 4.1.4 方案演示与验证 |
| 4.2 基于源辨识结果的应急响应方案选择策略 |
| 4.2.1 应急通风基本理论与研究内容 |
| 4.2.2 人员占据密度 |
| 4.2.3 应急通风方案的选择策略 |
| 4.2.4 方案演示与验证 |
| 4.3 本章小结 |
| 5 工业厂房高大空间应用实例 |
| 5.1 物理模型 |
| 5.2 数值模型 |
| 5.2.1 数值模拟方法 |
| 5.2.2 边界条件 |
| 5.3 流场模拟 |
| 5.4 全域覆盖设计 |
| 5.5 重点区域快速响应设计 |
| 5.6 污染源逆向溯源 |
| 5.6.1 污染物正向模拟计算 |
| 5.6.2 污染源逆向辨识 |
| 5.7 应急响应方案的选择 |
| 5.7.1 空间分区 |
| 5.7.2 应急通风方案的制定 |
| 5.7.3 应急通风方案的选择 |
| 5.8 本章小结 |
| 结论 |
| 展望 |
| 参考文献 |
| 攻读硕士学位期间发表专利情况 |
| 致谢 |
（4）基于协作通信的水下传感器网络路由优化技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 论文内容和创新点 |
| 1.4 论文章节安排 |
| 第2章 水下传感器网络和水下路由协议概述 |
| 2.1 水下传感器网络简介 |
| 2.2 水下传感器网络路由协议简介 |
| 2.3 水下传感网路由协议分类 |
| 2.3.1 水下普适性路由协议 |
| 2.3.2 水下协作路由协议 |
| 2.4 本章小结 |
| 第3章 水下路由协议的模型构建 |
| 3.1 水下传感器网络模型 |
| 3.2 水下协作通信模型 |
| 3.3 水下能量损耗模型 |
| 3.4 本章小结 |
| 第4章 基于协作通信的水下传感网路由协议优化 |
| 4.1 问题的阐述 |
| 4.2 基于协作通信的水下路由协议分层阶段 |
| 4.2.1 K-means分簇区域 |
| 4.2.2 贝叶斯公式选举簇头节点 |
| 4.3 基于协作通信的水下路由协议传输阶段 |
| 4.3.1 中继节点选择策略 |
| 4.3.2 路由协议传输过程 |
| 4.4 仿真结果分析 |
| 4.4.1 网络生存时间 |
| 4.4.2 网络吞吐量 |
| 4.4.3 接收数据包的准确率 |
| 4.4.4 网络剩余能量 |
| 4.5 本章小结 |
| 第5章 基于协作通信的水下路由优化协议的节点验证 |
| 5.1 问题阐述 |
| 5.2 水声通信 |
| 5.2.1 水声通信原理 |
| 5.2.2 水声信道均衡 |
| 5.3 水声节点 |
| 5.3.1 水声节点硬件介绍 |
| 5.3.2 水声节点通信方案 |
| 5.3.3 实验验证 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 论文总结 |
| 6.2 论文展望 |
| 参考文献 |
| 致谢 |
| 在学期间主要科研成果 |
| 一、发表学术论文 |
| 二、其它科研成果 |
（5）智能电网中WSN能耗优化机制与覆盖算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 本文研究内容 |
| 1.4 论文章节安排 |
| 2 智能电网和WSN相关理论 |
| 2.1 智能电网简介 |
| 2.2 WSN的应用领域及特点 |
| 2.2.1 WSN的应用领域 |
| 2.2.2 WSN的特点 |
| 2.3 无线传感器网络路由算法 |
| 2.3.1 路由算法的特点分析 |
| 2.3.2 路由算法性能评价指标 |
| 2.3.3 路由算法的分类 |
| 2.3.4 典型路由算法的研究与比较 |
| 2.4 无线传感器网络覆盖问题概述 |
| 2.4.1 覆盖算法性能评价指标 |
| 2.4.2 典型覆盖算法的介绍 |
| 2.4.3 典型覆盖算法的比较 |
| 2.5 本章小结 |
| 3 智能电网中基于能量和密度的LEACH-ED算法 |
| 3.1 LEACH算法概述 |
| 3.1.1 LEACH算法模型 |
| 3.1.2 LEACH算法运行机制 |
| 3.1.3 LEACH算法的不足 |
| 3.2 最优簇首数优化 |
| 3.2.1 簇首节点能量消耗 |
| 3.2.2 非簇首节点能量消耗 |
| 3.2.3 最优簇首数优化计算方法 |
| 3.3 基于监测区域和节点密集度划分最优区域块 |
| 3.4 子区域内成簇方式优化 |
| 3.4.1 改进阈值公式 |
| 3.4.2 邻居节点 |
| 3.4.3 改进簇首与基站之间的通信 |
| 3.4.4 数据传输路径优化 |
| 3.5 实验仿真 |
| 3.5.1 仿真工具简介 |
| 3.5.2 仿真环境与实验参数设置 |
| 3.5.3 仿真结果与分析 |
| 3.6 本章小结 |
| 4 智能电网中WSN节点覆盖优化策略 |
| 4.1 问题模型 |
| 4.1.1 算法思想 |
| 4.1.2 节点覆盖范围 |
| 4.1.3 节点最佳部署方式 |
| 4.2 改进后的节点覆盖算法 |
| 4.2.1 I-LEACH算法的WSN节点选择 |
| 4.2.2 拟物力算法原理 |
| 4.2.3 Voronoi图 |
| 4.3 实验仿真 |
| 4.3.1 有效节点的选择 |
| 4.3.2 算法综合对比 |
| 4.4 本章小结 |
| 5 WSN应用系统设计 |
| 5.1 应用场景及系统架构 |
| 5.1.1 应用场景 |
| 5.1.2 系统架构 |
| 5.2 应用系统设计 |
| 5.2.1 相关技术 |
| 5.2.2 采集节点设计方案 |
| 5.2.3 开发系统及参数 |
| 5.3 实验结果分析 |
| 5.3.1 一般情况下节点能耗 |
| 5.3.2 改进后的节点能耗 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介及读研期间主要科研成果 |
（6）无线传感器网络中高效能数据收集算法的研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 问题提出 |
| 1.1.1 研究背景 |
| 1.1.2 研究项目 |
| 1.1.3 研究应用 |
| 1.1.4 研究意义 |
| 1.2 研究进展 |
| 1.2.1 基站固定的数据收集模式 |
| 1.2.2 移动元素协助的数据收集模式 |
| 1.2.3 补充能量的移动充电调度算法 |
| 1.3 研究内容 |
| 1.3.1 研究工作思路 |
| 1.3.2 具体研究内容 |
| 2 基于簇的WSNs数据收集算法研究 |
| 2.1 引言 |
| 2.2 相关研究 |
| 2.2.1 LEACH协议 |
| 2.2.2 基于LEACH的改进算法 |
| 2.3 系统建模及问题描述 |
| 2.3.1 问题陈述 |
| 2.3.2 网络模型 |
| 2.3.3 能量模型 |
| 2.3.4 运行模型 |
| 2.3.5 数据融合技术 |
| 2.4 研究基础 |
| 2.4.1 经典数据转发模式 |
| 2.4.2 性能衡量指标 |
| 2.4.3 性能比较分析 |
| 2.5 基于近邻动态分簇的数据收集算法 |
| 2.5.1 基本思想 |
| 2.5.2 网络动态成簇 |
| 2.5.3 路由构建与数据收集 |
| 2.5.4 实例分析 |
| 2.5.5 算法仿真 |
| 2.6 基于固定分组的动态迁移数据收集算法 |
| 2.6.1 基本思想 |
| 2.6.2 网络动态成簇 |
| 2.6.3 路由构建与数据收集 |
| 2.6.4 算法性能仿真 |
| 2.7 本章小结 |
| 3 基于虚拟格的无线传感器网络数据收集算法 |
| 3.1 引言 |
| 3.2 相关研究 |
| 3.2.1 覆盖策略与格内簇首选举 |
| 3.2.2 格间数据转发 |
| 3.3 系统建模及问题描述 |
| 3.3.1 问题陈述 |
| 3.3.2 网络模型 |
| 3.4 基于虚拟格的节能可靠数据收集算法 |
| 3.4.1 基本思想 |
| 3.4.2 基于虚拟格的网络划分 |
| 3.4.3 格头选举 |
| 3.4.4 格间数据转发策略 |
| 3.4.5 数据收集与传输 |
| 3.4.6 算法性能分析 |
| 3.4.7 仿真结果与分析 |
| 3.5 本章小结 |
| 4 移动元素协助的高效能数据收集算法 |
| 4.1 引言 |
| 4.2 相关研究 |
| 4.2.1 数据骡子调度方案 |
| 4.2.2 基于汇合点的方案 |
| 4.2.3 局部数据收集 |
| 4.3 系统建模及问题描述 |
| 4.3.1 MEs功能分类 |
| 4.3.2 问题陈述 |
| 4.3.3 网络模型 |
| 4.4 延迟容忍WSNs基站移动辅助的数据收集算法 |
| 4.4.1 基本思想 |
| 4.4.2 网络划分 |
| 4.4.3 能耗与时延分析 |
| 4.4.4 基于虚拟点的调度路径构建 |
| 4.4.5 局部路由策略及实例分析 |
| 4.4.6 仿真结果与分析 |
| 4.5 本章小结 |
| 5 自适应按需充电调度算法 |
| 5.1 引言 |
| 5.2 相关研究 |
| 5.2.2 按需充电方案 |
| 5.3 系统建模及问题描述 |
| 5.3.1 问题陈述 |
| 5.3.2 网络模型 |
| 5.4 自适应实时按需充电调度算法 |
| 5.4.1 基本思想 |
| 5.4.2 下一个充电节点的选择 |
| 5.4.3 抢占机制 |
| 5.4.4 基于层次的对称路径构建方法 |
| 5.4.5 案例分析 |
| 5.4.6 仿真结果与分析 |
| 5.5 本章小结 |
| 6 结论 |
| 6.1 本文研究成果 |
| 6.2 未来研究展望 |
| 参考文献 |
| 作者简历及攻读博士学位期间取得的研究成果 |
| 学位论文数据集 |
（7）无源传感器网络的覆盖问题（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 无源传感器网络 |
| 1.1.2 无源传感器网络中的覆盖问题 |
| 1.2 研究现状及分析 |
| 1.2.1 无线传感器网络中的覆盖算法 |
| 1.2.2 无源传感器网络中的覆盖算法 |
| 1.3 本文主要研究工作 |
| 1.3.1 本文主要研究问题 |
| 1.3.2 本文的主要贡献 |
| 1.4 本文章节安排 |
| 第2章 基于绿色能源的无源传感网的覆盖问题 |
| 2.1 引言 |
| 2.2 问题描述 |
| 2.2.1 网络模型 |
| 2.2.2 问题定义 |
| 2.2.3 MC-BF问题的复杂度 |
| 2.2.4 MC-BF问题所得覆盖质量的上界 |
| 2.3 不相交集合调度算法 |
| 2.3.1 不相交集合构造 |
| 2.3.2 构造覆盖 |
| 2.3.3 时间复杂性 |
| 2.3.4 近似比 |
| 2.4 自适应局部覆盖质量最大化算法 |
| 2.4.1 局部工作状态预测 |
| 2.4.2 最大化局部覆盖质量 |
| 2.4.3 局部覆盖修正 |
| 2.4.4 时间复杂性 |
| 2.5 分布式不相交集合调度算法 |
| 2.5.1 分布式不相交集合构造 |
| 2.5.2 构造覆盖 |
| 2.5.3 通信复杂度 |
| 2.6 实验分析 |
| 2.6.1 模拟环境实验 |
| 2.6.2 真实环境实验 |
| 2.7 本章小结 |
| 第3章 绿色能源分布敏感的无源传感网的覆盖问题 |
| 3.1 引言 |
| 3.2 问题描述 |
| 3.2.1 网络模型 |
| 3.2.2 问题定义 |
| 3.3 JOB问题近似算法 |
| 3.3.1 放松JOB问题 |
| 3.3.2 转换relaxed-JOB问题的解 |
| 3.3.3 性能分析 |
| 3.4 实验分析 |
| 3.4.1 模拟实验 |
| 3.4.2 真实实验 |
| 3.5 本章小结 |
| 第4章 基于无线充电的无源传感网的覆盖问题 |
| 4.1 引言 |
| 4.2 问题描述 |
| 4.2.1 网络模型 |
| 4.2.2 问题定义 |
| 4.3 基于快照需求的时隙支配集构造 |
| 4.3.1 确定潜在支配集 |
| 4.3.2 构造时隙支配集的贪心算法 |
| 4.4 基于连续需求的时隙支配集构造 |
| 4.4.1 基于时隙的COTI问题求解 |
| 4.4.2 方向角重置 |
| 4.5 实验分析 |
| 4.5.1 基准算法 |
| 4.5.2 实验设置 |
| 4.5.3 基于快照需求的时隙支配集构造 |
| 4.5.4 基于连续需求的时隙支配集构造 |
| 4.6 本章小结 |
| 第5章 基于混合能源的无源传感网的覆盖问题 |
| 5.1 引言 |
| 5.2 问题定义 |
| 5.2.1 系统模型 |
| 5.2.2 问题定义 |
| 5.2.3 计算复杂性 |
| 5.3 MIN-PS问题的近似算法 |
| 5.3.1 构造数据覆盖 |
| 5.3.2 构造能量覆盖 |
| 5.4 MAX-CQ问题的近似算法 |
| 5.4.1 构造能量覆盖 |
| 5.4.2 构造数据覆盖 |
| 5.5 实验分析 |
| 5.5.1 实验设置 |
| 5.5.2 验证MIN-PS问题相关算法 |
| 5.5.3 验证MAX-CQ问题相关算法 |
| 5.6 本章小结 |
| 第6章 基于部分无源节点的传感网的覆盖问题 |
| 6.1 引言 |
| 6.2 问题定义 |
| 6.3 集中式算法 |
| 6.3.1 集中式连通支配集构造算法 |
| 6.3.2 连通支配集调度算法 |
| 6.4 分布式算法 |
| 6.4.1 核心数据结构 |
| 6.4.2 改进型LMW算法 |
| 6.4.3 性能分析 |
| 6.5 实验分析 |
| 6.5.1 实验设置 |
| 6.5.2 实验结果 |
| 6.6 本章小节 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其他成果 |
| 致谢 |
| 个人简历 |
（8）矿井主通风机监测和健康状态评估方法与系统研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 选题背景及研究意义 |
| 1.1.1 选题背景 |
| 1.1.2 研究意义 |
| 1.2 课题国内外研究现状 |
| 1.2.1 通风机性能测试的研究现状 |
| 1.2.2 设备健康状态评估的研究现状 |
| 1.2.3 多元状态估计技术的应用 |
| 1.2.4 矿井通风机监测系统的研究现状 |
| 1.3 课题研究内容 |
| 1.4 本章小结 |
| 2 矿井主通风机与主要监测参数测量方法 |
| 2.1 矿井通风系统与风机结构 |
| 2.1.1 矿井主通风系统 |
| 2.1.2 风机结构 |
| 2.2 主要监测参数及测量方法 |
| 2.2.1 风量测量 |
| 2.2.2 风压测量 |
| 2.2.3 振动测量 |
| 2.2.4 温湿度测量 |
| 2.2.5 功率测量 |
| 2.3 本章小结 |
| 3 风量测量影响因素分析与测点位置优化 |
| 3.1 基于风速法的风量测量 |
| 3.2 测风截面及测量点位置确定 |
| 3.2.1 风硐内部风流分布 |
| 3.2.2 测风截面确定 |
| 3.2.3 风硐测量点位置 |
| 3.3 风道风流的建模与仿真分析 |
| 3.3.1 三种形状风硐仿真三维模型建立 |
| 3.3.2 巷道风流仿真分析 |
| 3.4 传感器布置位置优化 |
| 3.5 实验分析与验证 |
| 3.6 本章小结 |
| 4 基于多元状态估计的主通风机健康评估 |
| 4.1 多元状态估计算法原理 |
| 4.2 基于MSET的主通风机健康评估模型 |
| 4.2.1 建模变量选取 |
| 4.2.2 数据预处理 |
| 4.2.3 模型建立及有效性验证 |
| 4.3 模型健康预警阈值设置 |
| 4.3.1 滑动窗口统计法 |
| 4.3.2 健康预警阈值设置 |
| 4.4 本章小结 |
| 5 主通风机监测与健康状态评估系统 |
| 5.1 监测系统硬件设计 |
| 5.1.1 传感器选择与信号变换 |
| 5.1.2 数据采集卡选择 |
| 5.1.3 监测主机选择 |
| 5.2 监测与评估系统软件设计 |
| 5.2.1 软件开发平台 |
| 5.2.2 软件设计方法 |
| 5.2.3 系统软件设计 |
| 5.3 本章小结 |
| 6 实验验证 |
| 6.1 通风机监测功能验证 |
| 6.1.1 实验平台搭建 |
| 6.1.2 监测系统管理功能验证 |
| 6.1.3 监测功能验证 |
| 6.1.4 数据回放功能验证 |
| 6.2 通风机健康状态评估功能验证 |
| 6.3 本章小结 |
| 7 结论与展望 |
| 7.1 研究结论 |
| 7.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（9）面向智能工厂的无线传感器网络定位技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 论文研究背景 |
| 1.1.1 智能工厂概述 |
| 1.1.2 智能工厂实时定位系统 |
| 1.2 无线传感器网络技术 |
| 1.2.1 无线传感器网络概述 |
| 1.2.2 无线传感器网络组成 |
| 1.2.3 无线传感器网络特点 |
| 1.3 无线传感器网络定位技术 |
| 1.3.1 无线传感器网络定位原理 |
| 1.3.2 无线传感器网络定位种类 |
| 1.3.3 测距和非测距定位技术 |
| 1.3.4 无线传感器网络定位算法的性能指标 |
| 1.4 本文的研究内容及结构安排 |
| 1.4.1 研究内容及意义 |
| 1.4.2 本文的组织结构 |
| 第2章 基于非测距的DV-Hop定位算法研究 |
| 2.1 引言 |
| 2.2 基于非测距的定位算法 |
| 2.2.1 非测距定位算法原理 |
| 2.2.2 常见非测距定位算法 |
| 2.2.3 DV-Hop定位算法的相关研究 |
| 2.3 DV-Hop定位算法原理 |
| 2.4 DV-Hop定位算法的误差来源 |
| 2.4.1 网络结构原因 |
| 2.4.2 定位算法原因 |
| 2.4.3 信号传输原因 |
| 2.5 仿射空间原理 |
| 2.6 基于误差向量修正的DV-Hop定位算法 |
| 2.6.1 建立锚节点信息列表 |
| 2.6.2 修正锚节点的选择策略 |
| 2.6.3 修正初始估计位置 |
| 2.6.4 基于误差向量修正的DV-Hop定位算法流程 |
| 2.6.5 基于模糊聚类误差向量修正的DV-Hop定位算法流程 |
| 2.6.6 两种改进的DV-Hop定位算法分析 |
| 2.7 实验分析 |
| 2.7.1 实验环境设置 |
| 2.7.2 实验结果分析 |
| 2.8 本章总结 |
| 第3章 基于测距的三边加权质心定位算法研究 |
| 3.1 引言 |
| 3.2 基于测距的无线传感器网络定位算法 |
| 3.3 三边加权质心定位算法 |
| 3.3.1 基于RSSI测距的定位原理 |
| 3.3.2 三边加权质心定位算法原理 |
| 3.4 量子粒子群优化算法 |
| 3.5 模糊C均值聚类算法 |
| 3.6 改进的三边加权质心定位算法 |
| 3.6.1 双集合组合法 |
| 3.6.2 利用模糊C均值聚类法计算RSSI准确值 |
| 3.6.3 参考点加权质心定位算法 |
| 3.7 实验分析 |
| 3.7.1 实验环境设置 |
| 3.7.2 实验结果分析 |
| 3.8 本章总结 |
| 第4章 基于灰色模型预测的蒙特卡罗盒子定位算法研究 |
| 4.1 引言 |
| 4.2 移动无线传感器网络 |
| 4.2.1 移动无线传感器网络概述 |
| 4.2.2 移动无线传感器网络在智能工厂的应用 |
| 4.2.3 移动无线传感器网络定位 |
| 4.3 动态定位算法和静态定位算法的比较 |
| 4.4 移动无线传感器网络定位算法的研究 |
| 4.5 动态定位算法的特点 |
| 4.6 灰色模型预测原理 |
| 4.7 蒙特卡罗定位和蒙特卡罗定位盒子原理 |
| 4.7.1 蒙特卡罗定位算法 |
| 4.7.2 蒙特卡罗定位盒子算法 |
| 4.8 基于灰色模型预测的蒙特卡罗定位盒子算法 |
| 4.8.1 GMMCB定位算法原理 |
| 4.8.2 GMMCB定位算法流程 |
| 4.9 实验分析 |
| 4.9.1 实验环境设置 |
| 4.9.2 实验结果分析 |
| 4.10 本章总结 |
| 第5章 基于压缩感知的多目标定位算法研究 |
| 5.1 引言 |
| 5.2 无线传感器网络稀疏多目标非协作式定位 |
| 5.3 压缩感知技术原理 |
| 5.3.1 压缩感知技术 |
| 5.3.2 稀疏信号表达 |
| 5.3.3 稀疏信号采样 |
| 5.3.4 稀疏信号重构 |
| 5.4 压缩感知技术的应用 |
| 5.5 基于压缩感知的定位研究 |
| 5.6 基于压缩感知的定位原理 |
| 5.6.1 基于压缩感知的定位模型 |
| 5.6.2 信号传播衰减测距模型 |
| 5.7 基于压缩感知的两阶段定位算法 |
| 5.7.1 大尺度定位阶段 |
| 5.7.2 精细化定位阶段 |
| 5.8 实验分析 |
| 5.8.1 实验环境设置 |
| 5.8.2 实验结果分析 |
| 5.9 本章总结 |
| 第6章 基于模拟退火优化的多维标度定位算法研究 |
| 6.1 引言 |
| 6.2 无线传感器网络少基站多目标协作式定位 |
| 6.3 多维标度定位算法及相关研究 |
| 6.3.1 多维标度定位相关研究 |
| 6.3.2 信号强度距离衰减模型 |
| 6.3.3 多维标度定位原理 |
| 6.3.4 MDS-MAP定位误差分析 |
| 6.4 模拟退火优化算法 |
| 6.5 基于模拟退火优化的多维标度定位算法 |
| 6.5.1 改进定位算法原理 |
| 6.5.2 改进定位算法流程 |
| 6.6 实验分析 |
| 6.6.1 实验环境设置 |
| 6.6.2 实验结果分析 |
| 6.7 本章总结 |
| 第7章 总结和展望 |
| 7.1 全文总结 |
| 7.2 研究展望 |
| 参考文献 |
| 附录 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（10）具有中继和能量收集的传感器网资源分配研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题的研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 研究现状 |
| 1.2.1 能量收集无线传感器网络的研究现状 |
| 1.2.2 中继协作的研究现况 |
| 1.2.3 强化学习在无线传感器网络中的研究现状 |
| 1.2.4 传感器网络中面临的挑战 |
| 1.3 论文的主要研究内容 |
| 1.4 论文结构安排 |
| 第2章 WSN中能量收集与中继协同通信基础理论 |
| 2.1 引言 |
| 2.2 WSN相关技术简介 |
| 2.2.1 WSN的节点结构 |
| 2.2.2 WSN的技术特点 |
| 2.3 WSN中能量收集概述 |
| 2.4 信息与能量同时传输技术 |
| 2.5 协作通信技术 |
| 2.6 信道衰落模型 |
| 2.7 本章小结 |
| 第3章 具有能量收集装置的无线传感器网络 |
| 3.1 引言 |
| 3.2 能量收集与中继协作传感器网络模型 |
| 3.2.1 EH-WSN系统模型 |
| 3.2.2 信道模型 |
| 3.2.3 能量模型 |
| 3.2.4 时间模型 |
| 3.2.5 数学模型 |
| 3.3 算法性能指标分析 |
| 3.4 本章小结 |
| 第4章 基于值函数的强化学习资源分配策略 |
| 4.1 引言 |
| 4.2 马尔可夫决策过程 |
| 4.2.1 马尔可夫决策过程的基本原理 |
| 4.2.2 无模型马尔可夫决策过程的构建 |
| 4.2.3 无模型强化学习方法 |
| 4.3 Deep Q-Network |
| 4.3.1 Q-Learning |
| 4.3.2 神经网络 |
| 4.3.3 DQN特性 |
| 4.3.4 动作的探索与利用 |
| 4.4 仿真实验与结果分析 |
| 4.5 本章小结 |
| 第5章 基于策略和值函数的强化学习资源分配策略 |
| 5.1 引言 |
| 5.2 Actor-critic |
| 5.2.1 Actor过程(策略) |
| 5.2.2 Critic过程(值函数) |
| 5.3 复杂度分析 |
| 5.4 传感器网络中存在多个子系统的分析 |
| 5.4.1 子系统串联模型 |
| 5.4.2 子系统并联模型 |
| 5.4.3 马尔可夫决策过程的维度增加 |
| 5.5 仿真实验与结果分析 |
| 5.6 本章小结 |
| 第6章 总结与展望 |
| 6.1 论文总结 |
| 6.2 工作展望 |
| 参考文献 |
| 作者简介及在学期间的科研表现 |
| 致谢 |
四、如何合理选择传感器（论文参考文献）
- [1]面向物联网移动数据采集的多目标路径规划算法研究[D]. 马健欣. 哈尔滨工业大学, 2021(02)
- [2]车辆目标跟踪系统设计与交互行为预测方法研究[D]. 冯勋勋. 西安理工大学, 2021(01)
- [3]高大建筑空间突发性空气污染高效监测与应急响应[D]. 邹宜轩. 大连理工大学, 2021
- [4]基于协作通信的水下传感器网络路由优化技术研究[D]. 陈露. 齐鲁工业大学, 2021(10)
- [5]智能电网中WSN能耗优化机制与覆盖算法研究[D]. 王创. 安徽理工大学, 2021(02)
- [6]无线传感器网络中高效能数据收集算法的研究[D]. 陈战胜. 北京交通大学, 2021(02)
- [7]无源传感器网络的覆盖问题[D]. 石拓. 哈尔滨工业大学, 2021(02)
- [8]矿井主通风机监测和健康状态评估方法与系统研究[D]. 杜雪峰. 西安科技大学, 2021(02)
- [9]面向智能工厂的无线传感器网络定位技术研究[D]. 李海啸. 中国科学院大学(中国科学院沈阳计算技术研究所), 2021(09)
- [10]具有中继和能量收集的传感器网资源分配研究[D]. 赵彬. 吉林大学, 2021(01)