遗传禁忌搜索的能量均衡深井安全监测WSN分簇路由算法

针对深井巷道无线传感器网络（Wireless Sensor Networks,WSN）安全监测中节点能量消耗不均匀导致网络生命周期较短的问题,在分析低功耗自适应集簇分层型算法（Low Energy Adaptive Clustering Hierarchy,LEACH）、遗传算法（Genetic Algorithm,GA）和禁忌搜索算法（Tabu Search Algorithm,TS）的基础上,提出遗传禁忌搜索的能量均衡深井安全监测WSN分簇路由算法（GTSR-EB）,以分簇方式来减少数据发送量与寻优开销,利用优化GA算法和TS算法进行多路径搜索以选出一条能耗均衡、路径传输距离最短的最优路径。仿真实验表明:GTSR-EB算法网络存活周期为LEACH算法的2.17倍、GA算法的1.18倍,GTSR-EB网络能量利用率更高、生存周期更长。     

基于铀尾矿库核素监测的WSN粒子群优化路由算法

为提高铀尾矿库无线传感器网络(WSN)现有路由算法的网络寿命,提出一种基于铀尾矿库核素监测的WSN粒子群优化路由算法(EBPSO)。首先,在簇头(CH)选举阶段,考虑传感器节点的能量、簇内节点距离、CH到基站的距离等参数,利用粒子群优化(PSO)算法选出最合理的CH,并将筛选出来的CH节点应用于铀尾矿库核素监测组建WSN;其次,在数据传输阶段,提出转发节点的选择方法;然后,用能量阈值重分簇方案来减少能量消耗;最后,对比基于PSO优化模糊C均值的分簇路由算法(POFCA)、低功耗自适应分簇(LEACH)以及高效非均匀分簇算法(EEUC)性能。结果表明：在网络生命周期上,EBPSO算法比POFCA、LEACH、EEUC分别提升1.7%、24.7%、9.2%。EBPSO算法能够延长网络生命周期,适用于铀尾矿库核素监测应用场景。     

基于网络分区和路径能耗的深井无线传感器网络多簇首路由算法

为解决深部矿井无线传感器网络因节点能量受限导致网络生存时间短及由多跳传输引起的“热区”问题,提出1种以分区结构和能量多路径为基础的带状无线传感器网络多簇首路由算法(NPPEC)。算法采用跳数泛洪方式建立带状网络分区结构,将节点分布密度加入主簇首竞选机制中,通过主簇首和副簇首的分工配合,使簇首能量更均衡地消耗;依据路径能耗、节点当前能量及位置计算路径选择概率,并通过控制跳数改善数据传输的实时性。经仿真比较,NPPEC算法网络生存时间约为LEACH算法的1.807 2倍、HEED-EELD算法的1.198 4倍,同时也有效改善了网络“热区”问题,为深部矿井无线传感器网络的构建提供1种更有效的解决方案。     

无线传感器网络基于分簇路由的火灾探测

无线传感器网络节点能量消耗是其路由协议设计的重要目标.分簇式的拓扑结构使网络中的节点相对均衡地消耗能量,显著地延长整个网络的生存时间.在大范围的防火区域中安放传感器节点,通过具有明确位置信息的节点采集并向簇头传送,可有效地发现及控制火灾.     

基于煤矿安全监测的ZigBee路由协议改进

针对基于煤矿安全监测的Zig Bee网络中数据传输的特点,对Zig Bee原有路由算法进行改进,提出了一种多路径路由协议。在协议中,重点考虑煤矿发生突发事件时大量紧急数据的传输问题,在事发节点与协调器节点之间建立多条路径并发地传输数据,提高数据的传输速率和可靠性,并且在寻找多条路径时,只将RREQ分组转发给父节点或者满足能量和广播半径要求的网络深度更低的邻居节点。仿真结果显示,改进后的路由协议在数据量大、发包速率更快的情况下表现出更优的性能,满足煤矿安全监测的要求。     

移动Ad hoc网络路由协议的安全性分析与对策

移动Ad hoc网络是一种自组织、多跳的无线网络,由于其独特性能使移动Adhoc网络面临着比现有网络具有更大的安全挑战,其中路由安全对该网络的安全性起着关键性的作用。在介绍移动Ad hoc网络主要路由协议及其特点的基础上,笔者深入研究了移动Ad hoc网络路由协议中存在的黑洞、拒绝服务等安全漏洞;详细分析了几种主要的Ad hoc路由协议的安全性增强方案;根据不同路由协议的特点,分别提出了利用单向散列链改进距离矢量路由协议安全性的两种方案;分析了一种用于改善源路由协议安全性的方案的可行性。最后,指出了移动Ad hoc网络路由协议安全性问题的进一步改进和研究方向。     

基于Modbus通讯的智能疏散指示系统研究

研究了以蚁群算法为决策分析基于Modbus通讯的智能疏散指示系统。该系统可实时检测建筑内火灾报警器的状态,通过改进的蚁群算法得到最优疏散路径,并通过现场总线及Modbus通讯协议将决策结果发送给各疏散指示器,从而引导人员安全的离开火灾现场。通过实例模拟验证了该系统的实用性和可靠性。结果表明,该系统可根据火灾发展的进程,动态改变疏散指示方向,保证疏散人员的安全,具有广泛的应用前景。     

基于Dijkstra算法的火灾环境下人员疏散仿真方法

模拟建筑物内火灾情况下人员安全疏散,提出一种基于Dijkstra算法的人员疏散仿真方法。该方法借鉴网络路由的思想,综合考虑在人员动态疏散过程中发生的通道、路口损坏,人员拥堵等情况,采用RIP选路协议中的DV算法,实时计算最佳逃离路径(最低耗费路径);同时,利用路由转发机制,辅助人员决策疏散方向。     

基于蚁群算法的石化项目应急路径规划研究

蚁群算法是一种智能仿生优化算法,实际运用仿真模拟时具有良好的寻优性和高效性。将蚁群算法与石化项目的路径规划结合,借鉴蚁群算法解决旅行商问题TSP的思路并将之运用于应急路径规划,利用MATLAB仿真软件,以某石化项目的应急路径规划为实例,较好地实现了有关应急路径模拟图,可为有关石化项目的安全规划提供借鉴和参考。     

基于改进蚁群算法的应急救援最优路径选择

蚁群算法最早成功应用于解决著名的旅行商问题(TSP),但基本蚁群算法在解决大型优化问题时,搜索时间长,易陷入局部最优解.针对基本蚁群算法的不足之处,对该算法的数学模型以及参数组合选择方法进行了改进研究,将改进后的蚁群算法应用于事故应急救援各受灾点救灾物资的配送问题中,取得了较好的运行结果.     

基于蚁群神经网络的煤矿瓦斯预测模型

为了提高煤矿瓦斯涌出量的预测精度和预测速度,用蚁群算法和神经网络相结合的方法进行预测模型设计。选择瓦斯涌出的重要影响因素,建立其神经网络的预测模型。以网络的均方误差为目标函数,通过蚁群算法的迭代运算,实现BP网络的权值优化,并用优化好的BP网络进行瓦斯涌出预测。仿真结果表明,该方法具有较高的拟合预测精度。     

基于自适应蚁群算法的化工园区毒气泄漏事故疏散路径规划*

为了降低人员在化工园区毒气泄漏事故中的伤亡风险,提出1种综合考虑疏散路径距离和毒性负荷值的自适应蚁群算法。通过建立路径评价函数,将疏散路径的毒性负荷值引入蚁群算法中,改进算法的信息素更新策略,采用启发式因子自适应调整策略并改进算法的启发式函数。运用Matlab软件进行仿真,将算法应用到某化工园区毒气泄漏事故中。研究结果表明:该自适应蚁群算法可以保持较高的搜索速度,在寻找距离最短道路的同时避开毒性负荷较高的疏散路径,可为化工园区毒气泄漏事故的应急疏散路径规划提供参考。     

基于遗传-蚁群算法的单层建筑火灾疏散路径规划研究

为解决如何快速、有效地找出单层建筑火灾最佳疏散路径问题,分析火灾发生时可能影响人员逃生及最佳路径生成的因素。提出基于遗传-蚁群算法求解火灾时期人员疏散路径。运用遗传算法的快速全局搜索能力,对蚁群算法初期所需要的信息素进行快速处理;利用蚁群算法的正反馈机制,快速找出可行路径,缩短搜索时间;并运用Matlab软件对其进行仿真。结果表明:遗传-蚁群算法所求得的路径生成质量有明显提高,并缩短路径生成时间,有助于提高人员逃生效率,降低人员伤亡率。     

基于蚁群算法的烟气中人员疏散路径选择优化

针对火灾烟气环境下的人员疏散问题,分析人员密度以及烟气能见度对疏散速度以及最佳疏散路径的影响。首先,得到烟气及人员密度对疏散速度的修正函数,并将该函数同蚁群算法的启发式信息函数进行耦合;其次,改进蚁群算法求解最佳路径的局限性,建立1种基于蚁群算法的人员疏散路径算法模型;最后,将算法模型应用于实例研究。研究结果表明:所提出的模型可较好地优化人员疏散路径,并进一步提高人员疏散效率。     

基于改进SIFT算法的交通事故图像匹配

为解决无人机航拍交通事故现场图像特征点数量较少、匹配成功率较低、耗时过长的问题,提出1种改进的SIFT算法,使用Gabor滤波对图像进行特征提取,基于改进的高斯金字塔和多方向多尺度Gabor频谱特点提取出具有尺度、旋转不变性的特征点,结合LLE算法对特征描述符进行降维处理,通过DBSCAN算法对特征点进行密度聚类,计算...