基于智能大數據的礦井突發事件定位技術研究

梁華

摘要：當礦井下瓦斯濃度超標等事件發生時，如果不能及時檢測到事件發生的位置，通常會帶來非常嚴重的人員傷亡和經濟損失。因此，我們考慮采用基于智能大數據的礦井監控系統對突發事件進行準確及時地定位操作。目前，在無限傳感器網絡中使用較多的定位算法是DV-Hop算法，但定位精度較差。因此本文提出了一種基于粒子群優化的改進PDV-Hop算法。實驗表明，相比于原有的DV-Hop算法，PDV-Hop算法大大降低了突發事件的平均定位誤差。

關鍵詞：定位問題；DV-Hop算法；無線傳感器網絡；粒子群優化

引言

在礦井生產作業過程中，當某些特定事件，如礦井下瓦斯濃度超標、礦井塌陷、管道泄漏等事件發生時，如果不能及時檢測到事件發生的位置，通常會帶來非常嚴重的人員傷亡和經濟損失。本文考慮采用基于無線傳感器網絡技術[1] （Wireless Sensor Network， WSN）的礦井監控系統對礦井的生產作業進行實時監測。在監測活動中，對象的位置信息對整個監測活動起著非常重要的作用。因此，如何及時準確地對突發事件進行定位是WSN監控系統中最急需研究的問題之一。

1無線傳感器網絡節點定位問題

在WSN中，現在主要的定位技術分為節點自身定位和移動目標定位，而當前提出的定位算法主要基于無需測距的算法。在無需測距的算法研究中，DV-Hop[2]算法是目前被研究得最多的算法，其主要原理是基于跳段的方式，來估算未知節點和錨結點之間的距離。目前很多的定位算法都是基于此進行改進，常見的用遺傳算法 [3]、禁忌搜索[4]等算法對其做優化，也有研究采用多種混合算法，來對其做全局的優化，以增強其全局搜索能力。本文也在此基礎上，提出了一種基于粒子群優化（Particle Swarm Optimization， PSO） [5]來對DV-Hop算法進行改進，以提高定位的精度。

2 DV-HOP算法

DV-Hop算法具有方法簡單，定位精度較高的特點，它主要依賴節點間的信息交換和協調，由節點自行計算定位。它的實現主要分為以下三步：

（1） 計算未知節點與每個錨節點的最小跳數。信標節點向鄰居節點廣播自身位置信息的分組，其中包括跳段信息，且將該值初始化為0，并接受其他錨節點的最小跳數信息，忽略來自同一個錨節點的較大跳數的信息，然后將跳數值加1轉發給鄰居節點。

（2） 計算平均每跳距離。一旦一個錨節點得到了其他所有錨節點的信息，該錨節點就會計算平均每跳距離HopSizei，HopSizei被未知節點用來粗略估算到每個錨節點的歐式距離，即每個錨節點估計平均每跳的距離，并廣播該值。

（3） 對未知節點進行定位計算。當未知節點接收到3個及以上的HopSizei值后，就可使用極大似然估計法或三邊測量法來進行數學運算，估算未知節點的坐標值。當未知節點與所有錨節點的估計距離已知時，我們便可對未知節點的位置進行計算。

3 PDV-HOP算法

因為距離為預測值，因此存在一定的誤差。定位問題的實質就是要盡量減小誤差，該問題可用公式（3）表示為：

其中為位置節點的預估值，AT為錨節點的坐標位置。

本文提出的PDV-Hop算法是使用PSO算法對原有的DV-HOP算法進行優化和改進，該算法的適應度函數可用公式（4）表示：

第一步：計算每一個節點到每一個錨節點的最小跳數值和平均單跳距離，并根據最小二乘法求解未知節點的位置。

第二步：根據DV-Hop求解得出的未知節點位置初始化粒子群。

第三步：使用粒子群優化算法，計算當前粒子群的適應函數值。

第四步：根據Gbest和pbesti計算粒子群中成員新的速度，并根據該速度求得新的位置。

第五步：對新的粒子群成員進行測試，看是否符合接受標準，以此跳出局部最小值。

終止標準：當迭代次數達到我們預先設定的最大值的值時，循環停止。

4實驗和結果分析

我們將基于PSO算法改進的PDV-Hop算法應用到基于WSN的礦井監控系統仿真實驗中，使用Matlab 7.0對該算法進行仿真，并和現有的DV-Hop算法及MEDV-Hop算法進行比較。仿真場景設置如下：模擬在礦井下部署100個傳感器節點，其中信標節點為60個，區域范圍為100米×100米?？刂茀当辉O置為：通信半徑R = 15米， c1 = c2 = 2， ω = 0.6；對定位問題主要的檢測標準為平均定位誤差。因此本文將從定位誤差上對比DV-Hop算法和PDV-Hop算法，仿真結果如圖1所示：

其中1（a）圖為DV-Hop算法下未知節點的定位誤差，范圍在3%-45%之間，平均誤差在20%左右；1（b）圖為PDV-Hop算法下未知節點的定位誤差，范圍在1%-17%之間，平均誤差在9%左右。從1（a），（b）圖對比可知，通過PDV-Hop算法，未知節點的定位誤差降低到17%以下。

5 結論

在本文中，我們使用基于WSN的礦井監控系統對礦井下的突發事件進行監測和定位。為了提高定位的精度，我們在原有的DV-Hop算法基礎上，采用PSO（Particle Swarm Optimization）算法對其進行改進，提出PDV-Hop算法。通過仿真實驗結果可知，在基于WSN的礦井監控系統中PDV-Hop算法相比于傳統的DV-Hop算法，平均定位誤差減少了55%，在不需增加額外硬件支持的情況下，大大降低定位誤差。因此，在實際的基于WSN的礦井監控系統中使用該算法，可以大大提高監控系統的定位精確度。

參考文獻：

[1] Akyildiz IF， Su W， Sankarasubramaniam Y， Cayirci E. A survey on sensor networks [J]. IEEE Communications Magazine， 2002， 40（8）：102-114.

[2] D. Niculescu and B. Nath. DV Based Positioning in Ad hoc Networks. Journal of Telecommunication Systems[J]， 27（5）， 136-142， 2003.

[3] D. E. Goldberg. Genetic Algorithms in Search， Optimization and Machine Learning[M]， Reading， Mass. Addison Wesely， 1989.

[4] J. A. Bland and G. P. Dawson， Tabu Search and Design Optimization[J]， 1991， 23（3）：195-201.

[5] 葉蓉，趙靈鍇. 基于蟻群粒子群混合的無線傳感器網絡定位算法[J] . 數據測量與控制，2011，19（3）：732-735.