基于模糊約束控制的WSN功率分配均衡器設計

陳曉生

(廣東工業大學華立學院 機電與信息工程學部，廣州　511325)

基于模糊約束控制的WSN功率分配均衡器設計

陳曉生

(廣東工業大學華立學院 機電與信息工程學部，廣州511325)

摘要：對無線傳感器網絡(WSN)進行功率分配均衡控制設計，提高無線傳感器網絡的壽命，降低傳感器網絡節點的能量損耗，當前的WSN功率分配采用自組網交叉均衡機制，隨著組網節點的增多導致功率分配不均衡。提出了一種基于模糊約束控制的WSN功率分配均衡器設計方法，首先進行WSN功率分配均衡組網設計，采用模糊約束PID神經網絡控制算法進行WSN的功率分配均衡控制，進行功能模塊化設計整個控制系統包括了預處理機模塊、A/D轉換模塊、動態增益控模塊、放大器模塊、濾波模塊和電源模塊。采用ADSP-BF537程序加載方式對控制算法進行DSP加載，實現均衡器的集成電路設計。仿真結果表明，該系統能有效實現WSN的功率分配均衡，節點剩余能量方差一直維持在最低，對WSN節點的能耗控制精度較高，降低了WSN的節點能量開銷。

關鍵詞：模糊約束控制；無線傳感器網絡；功率分配；均衡

無線傳感器網絡(Wireless Sensor Network， WSN)作為物聯網技術的一個重要分支，在數據采集和遠程監測等領域具有重要的應用價值。無線傳感器網絡的節點的能量是有限的，節點功耗的大小決定了傳感器網絡的壽命長短，需要對無線傳感器網絡的節點功率分配進行優化設計，降低節點的能量開銷，從而提高傳感器網絡的壽命。傳統方法中，對無線傳感器網絡節點的功率分配采用自組網交叉均衡機制[1-2]，隨著WSN節點因電池耗盡而壽命終結，隨著組網節點的增多導致功率分配不均衡。對此，相關文獻進行了算法改進設計，其中，文獻[3]提出一種基于大角度的負載平衡的無線傳感器網絡路由算法實現信道均衡，通過路由修復機制實現WSN的功率均衡分配，但是該算法計算開銷較大，應用性不好。文獻[4]提出的WSN功耗平衡技術采用分布傳感器隨機共振方法，實現對WSN節點的功耗均衡設計，降低了WSN功耗，提高壽命，但是該算法簇頭節點生成過程中需要傳感器網絡的信道帶寬作為代價開銷，降低了傳感器網絡的數據感知能力。

針對這些問題，本文提出一種基于模糊約束控制的WSN功率分配均衡器設計方法。首先進行了無線傳感器網絡的功率分配均衡下的組網設計，采用模糊約束PID神經網絡控制算法進行WSN的功率分配均衡控制，以此為基礎，進行了分配均衡器的硬件模塊化設計，最后通過仿真實驗進行了性能測試和驗證，展示了算法在實現WSN功率分配均衡中的優越性能。

1WSN功率分配均衡組網設計及控制算法描述

1.1WSN功率分配均衡組網設計

在物聯網環境下，通過無線傳感器網絡模型構建，基于多傳感器對功率分配系統進行遠程控制，提高系統的面向對象性和可靠性，減低系統的負載開銷，提高無線傳感器網絡的性能。WSN模型的分簇設計采用自組網功率均衡設計方法，WSN節點分布模型如圖1所示。

圖1　WSN節點分布模型

圖1中，Z1，Z2…ZN為傳感器節點。典型的無線傳感器網絡功率均衡分配模型中，假設網網絡覆蓋區域是一個邊長為M的正方形區域，共有N個覆蓋區域隨機地分布著傳感器節點，每個無線傳感器網絡節點的能量感知半徑為，在簇頭節點形成個幀(Frame)的中繼神經元控制終端，無線傳感器網絡進行數據信息采樣的時間間隔為Tf，WSN節點融合的信道帶寬為Ts=NfTf，此時WSN基站收集到含有帶寬為Tp的節點電位勢能為：

(1)

式中ASM——WSN節點的功耗幅值；

ρSM為WSN中繼節點的基底核采樣周期；

DSM——WSN進行數據采集的持續時間。

每個簇頭節點幀分為Nc個帶寬，在相同帶寬下進行自組織定位的時間為：

Tc=ent(Tf/Nc)

(2)

(3)

(4)

式中bj——過程噪聲；

Ts——初始狀態的功率大小；

Tc——量化閾值。

WSN路由分配過程中通過決策樹進行路徑損耗的調制，進行基站和傳感器節點的信道均衡設計，由此實現WSN優化組網分配。

1.2模糊約束PID神經網絡控制算法

在組網設計和功率分配的基礎上，提出一種基于模糊約束控制的WSN功率分配均衡器設計方法。在進行了無線傳感器網絡的功率分配均衡下的組網設計的基礎上，采用模糊約束PID神經網絡控制算法進行WSN的功率分配均衡控制[5-8]， 算法描述如下，在無線傳感器網絡分簇設計中，采用模糊神經網絡控制系統進行數據信息的分層控制，連通圖G，V表示網絡節點集，網絡節點的歐式距離為d，設計WSN功率分配模糊約束PID神經結構模型，如圖2所示。

圖2　WSN功率分配模糊約束PID神經結構模型

圖2中為一個三層神經網絡結果模型，其中輸入層的神經元為WSN的功率分配的參考向量，第i個測量點的神經元輸入為：

mi(k)=zi(k)+qi(k)

=Hi(k)x(k)+ui(k)+qi(k)

=Hi(k)x(k)+vi(k)

(5)

其中，WSN的功率分配的干擾噪聲qi(k)的方差滿足：

(6)

式中Δi(k，r)——k時刻WSN功率分配量化步長，r=1，2，…p。

為便于分析，對功率分配節點進行量化約束，得到約束函數為：

(7)

U={U1，U2，…，UN}

(8)

而網絡能量消耗w(k)與V(k)的相關性為：

E[w(k)VT(k)]=[B1(k)B2(k)…BN(k)]

=B(k)

(9)

其中，發射信號能量脈沖c(k)=tr[N(k)]/tr[C(k)]，此時的能耗系數是εmp，G為負載—功耗聯合特征，且：

(10)

其中

(11)

(12)

通過模糊約束控制，得到無線傳感器網絡任意兩點邊集為V2，設路由節點之間的單元間距d，把WSN的功率分配的狀態數據流在PID神經網絡系統中進行隨機分簇處理，通過上述處理，實現了功率分配優化控制。

2WSN功率分配均衡器硬件設計與實現

在控制算法設計的基礎上，進行WSN功率分配均衡器硬件模塊設計與實現，傳統的WSN均衡器硬件設計采用分離元件D/A轉換輸出的控制系統設計方法，受到分離元件的溫度漂移和基線漂移影響較大，控制性能不好。提出一種基于PLC邏輯編程控制的WSN均衡器硬件設計方法，在上述模糊約束PID控制方法的基礎上，進行功能模塊化設計，設定PLL_LOCKCNT寄存器進行控制程序時鐘采樣，整個控制系統包括了預處理機模塊、A/D轉換模塊、動態增益控模塊、放大器模塊、濾波模塊和電源模塊。均衡器的設計框圖如圖3所示。

圖3　均衡器總體設計框圖

在總體設計基礎上，進行功能模塊化設計，將PLC上的串口與WIFI(或者4G)設備服務器相連，讀取地址0x20000000處的WSN功率損耗值，使用惟一的ID0x5F來選擇DSP得到均衡器的A/D轉換模塊電路如圖4所示。

圖4　WSN功率分配均衡器的A/D轉換電路

圖4中，假設CC為10nF，電阻R為200Ω。當信號快速下降時，運放處于閉環狀態實現對WSN功耗的快速采集和數據檢測。在此基礎上進行放大器模塊設計，設計的WSN功率分配均衡器的放大器電路如圖5所示。D1的正極電位為0，輸出信號VOUT為電容CC提供了三極管集的電源，采用ADM706芯片進行主控控制，當看門狗輸出將變為低電平，按下開關S1后實現WSN功率分配均衡器的數字復位，當輸入信號為1的三角波信號，WDO引腳將產生低電平輸出。

圖5　WSN功率分配均衡器的放大器電路

通過上述功能模塊化設計，采用ADSP-BF537程序加載方式對控制算法進行DSP加載，程序加載過程中，SPI存儲器可以是8位、16位，通過控制算法的程序加載，實現均衡器的集成電路設計，整個電路設計結果如圖6所示。

圖6　WSN功率分配均衡器電路設計結果

3系統仿真實驗

在上述進行系統設計的基礎上，基于VisualDSP++ 4.5軟件開發環境下進行系統軟件開發，實現了控制系統的硬件和軟件設計。通過Matlab編程進行程序加載，將PLC上的串口與WIFI(或者4G)設備服務器相連，接入無線傳感器網絡實驗平臺，進行系統仿真，仿真實驗，通過仿真實驗測試本文設計的控制算法和WSN功率分配均衡器在實現功率優化分配中的性能。實驗中，系統的驅動模塊文件AD7656.ko，基于Qt的XWindow程序進行算法價值，WSN功率分配控制的步長設為100步，采樣頻率為102kHz，初始能耗為1 093kJ，帶寬限制為12Bit，在上述參量設計和仿真環境設計的基礎上，采用本文算法進行功率分配均衡仿真，調試的過程輸入三角波波形，進行系統上電，得到輸出的功率譜分配能譜如圖7所示。

圖7　輸出的WSN功率均衡分配能譜

從圖7可見，采用本文方法能有效實現對WSN中路由節點的功率優化分配，降低能量開銷，最后得到功率均衡分配輸出如圖8所示。

圖8　WSN功率分配均衡調試輸出

從圖8可見，采用本文算法，系統對WSN的功率和功耗具有較好的控制精度和性能，有效抑制了溫度漂移和基線漂移，節點剩余能量方差一直維持在最低，實現了WSN整個網絡的能量均衡。

4結語

對無線傳感器網絡進行功率分配均衡控制設計，提高無線傳感器網絡的壽命，降低傳感器網絡節點的能量損耗，當前的WSN功率分配采用自組網交叉均衡機制，隨著組網節點的增多導致功率分配不均衡。提出一種基于模糊約束控制的WSN功率分配均衡器設計方法。本文提出一種基于模糊約束控制的WSN功率分配均衡器設計方法。首先進行了無線傳感器網絡的功率分配均衡下的組網設計，采用模糊約束PID神經網絡控制算法進行WSN的功率分配均衡控制，以此為基礎，進行了分配均衡器的硬件模塊化設計，最后通過仿真實驗進行了性能測試和驗證，研究結果表明，采用本設計方法進行WSN優化功率分配，能量均衡性能較好，控制精度較高，降低了WSN的節點能量開銷。

參考文獻：

[1]陳志, 駱平, 岳文靜, 等. 一種能量感知的無線傳感網拓撲控制算法[J]. 傳感技術學報, 2013, 26(3): 382-387.

CHENZhi,LUOPing,YUEWen-jing,etal.Anenergy-awaretopologycontrolalgorithmforwirelesssensornetworks[J]．ChineseJournalofSensorsandActuators，2013，26(3)：382-387．

[2]王辛果, 張信明, 陳國良. 時延受限且能量高效的無線傳感網絡跨層路由[J]. 軟件學報, 2011, 22(7): 1626-1640.

WANGXin-Guo,ZHANGXin-Ming,CHENGuo-Liang.Delay-constrainedandenergy-efficientcross-layerroutinginwirelesssensornetworks[J].JournalofSoftware,2011,22(7):1626-1640.

[3]陳永銳, 易衛東. 最大網絡生存周期的無線傳感網協作路由算法[J]. 軟件學報, 2011, 22(1): 122-130.

CHENYong-rui,YIWei-dong.Cooperativeroutingalgorithmfornetworklifetimemaximizationinwirelesssensornetworks[J]．JournalofSoftware，2011，22 (1)：122-130．

[4]任智, 王青明, 郭曉金. 無線傳感器網絡中基于最小跳數路由的節點休眠算法[J]. 計算機應用, 2011, 31(1): 194-197，201.

RENZhi,WANGQing-ming,GUOXiao-jin.Nodesleepingalgorithmforwirelesssensornetworksbasedonminimalhoproutingprotocol[J].JournalofComputerApplications, 2011,31(1):194-197,201.

[5]NATHR.ATOSSIMbasedimplementationandanalysisofcollectiontreeprotocolinwirelesssensornetworks[C]//CommunicationsandSignalProcessing(ICCSP), 2013InternationalConferenceon.IEEE, 2013: 484-488.

[6]GADALLAHY,ElmorsyM,IbrahimMN,etal.ECTP:EnhancedCollectionTreeProtocolforpracticalwirelesssensornetworkapplications[C]//WirelessCommunicationsandMobileComputingConference(IWCMC), 2013 9thInternational.IEEE, 2013: 165-170.

[7]李少雷.基于Zigbee技術的無線智能照明控制系統[J].電子設計工程,2015(19):125-126.

LIShao-lei.Wirelessintelligentlightingsystembasedonzigbeetechnology[J].ElectronicDesignEngineering, 2015(19)：125-126.

[8]段奇智,袁勇,張毅,等.天然氣管道遠程聲通信接收機系統設計方法研究[J].計算機與數字工程,2013,41(11): 1835-1829.

DUANQi-zhi,YUANYong,ZHANGYi,etal.Designmethodofremoteacousticcommunicationreceiverforgaspipeline[J]．ComputerandDigitalEngineering，2013，41(11)：1835-1829.

(本文編輯：趙艷粉)

Design of WSN Power Allocation Equalizr Based on Fuzzy Constraint Control

CHEN Xiao-sheng

(Huali College, Guangdong University of Technology, Guangzhou 511325, China)

Abstract:Power allocation equalization for wireless sensor networks (WSN) can be designed to improve the WSN lifetime, and reduce the energy loss of sensor network nodes. The current WSN power allocation adopts ad-hoc network cross balancing mechanism, along with the increase in network nodes leading to uneven power distribution. This paper porposes a design method of WSN power allocation equalizer based on fuzzy constraint control. First of all, the WSN power distribution network is designed, and the power allocation equilibrium control of WSN is carried out by using the fuzzy PID neural network control algorithm. The whole control system includes the pre-processor module, A/D conversion module, dynamic gain control module, amplifier module, filter module and power module. The ADSP-BF537 program is used to load the control algorithm in DSP. Simulation test results show that the system can effectively achieve the power allocation of WSN, the residual energy of the node has been maintained at a minimum, the energy consumption control of WSN nodes is higher, and the energy consumption of WSN nodes is reduced.

Key words:fuzzy control; wireless sensor networks; power allocation; equalization

DOI：10.11973/dlyny201601010

基金項目：2012廣東省質量工程項目“獨立學院電子信息創新人才培養實驗區”(粵教高函[2012]204號)；2013年廣東省高等學校專業綜合改革試點項目“電氣工程及其自動化”(粵財教[2013]329號)；2012廣東省質量工程項目“機電綜合技能實訓中心”(粵教高函[2012]204號)

作者簡介：陳曉生(1989)，男，碩士，助教，技師，主要研究領域為檢測技術和控制工程。

中圖分類號：TN911.4

文獻標志碼：A

文章編號：2095-1256(2016)01-0047-05

收稿日期：2015-10-22