胡青松, 王勝男
(1.中國礦業(yè)大學(xué) 地下空間智能控制教育部工程研究中心, 江蘇 徐州 221116; 2.中國礦業(yè)大學(xué) 信息與控制工程學(xué)院, 江蘇 徐州 221116; 3.中國礦業(yè)大學(xué) 徐州市智能安全與應(yīng)急協(xié)同工程研究中心, 江蘇 徐州 221116)
煤礦巷道中部署有大量有線通信網(wǎng)絡(luò)和無線通信節(jié)點(diǎn),它們是地面與井下的信息傳遞橋梁,對(duì)于保障煤礦安全高效生產(chǎn)至關(guān)重要。在災(zāi)害情況下,這些通信設(shè)施常受到不同程度的破壞,導(dǎo)致原有網(wǎng)絡(luò)拓?fù)鋼p毀,無法快速準(zhǔn)確感知、傳輸災(zāi)情信息,使得救援工作難以開展或效率不高[1]。但此時(shí)仍有許多殘存節(jié)點(diǎn)可繼續(xù)工作,若能利用殘存節(jié)點(diǎn)和救援人員新布設(shè)的少量節(jié)點(diǎn)(簡稱新設(shè)節(jié)點(diǎn))重構(gòu)應(yīng)急通信網(wǎng)絡(luò),不但能夠感知災(zāi)害現(xiàn)場態(tài)勢,而且可為確定受困人員位置提供條件[2]。其中,通過構(gòu)造局部虛擬骨干網(wǎng)以輔助重構(gòu)礦山救援網(wǎng)絡(luò)(Coal Mine Rescue Network,CMRN)[3]能夠顯著降低網(wǎng)絡(luò)能量開銷,增強(qiáng)連通覆蓋控制能力。
礦井通信系統(tǒng)通常包括1個(gè)骨干網(wǎng)、多個(gè)分支、若干專線。CMRN重構(gòu)的目的是利用無線重構(gòu)手段恢復(fù)網(wǎng)絡(luò)連通。需要說明的是,本文中虛擬骨干網(wǎng)與礦井通信系統(tǒng)中的骨干網(wǎng)概念不同。它是一種基于支配集的重構(gòu)方法,旨在建立一種分層的拓?fù)潢P(guān)系,負(fù)責(zé)全網(wǎng)的路由分發(fā)和管理,使一些原本由有線骨干網(wǎng)處理的網(wǎng)絡(luò)功能轉(zhuǎn)為由無線通信節(jié)點(diǎn)來維護(hù),從而恢復(fù)該部分網(wǎng)絡(luò)的連通性。虛擬骨干網(wǎng)的主要研究工具是圖論中的連通支配集(Connected Dominating Set,CDS)[4]。顧劍峰等[5]提出了一種基于代數(shù)連通度的虛擬骨干網(wǎng)構(gòu)造算法,其核心是維護(hù)虛擬骨干網(wǎng)的穩(wěn)定性。閻新芳等[6]采用獨(dú)立支配集為移動(dòng)自組織網(wǎng)絡(luò)(Mobile Ad-hoc Network,MANET)快速重構(gòu)骨干網(wǎng),重構(gòu)網(wǎng)絡(luò)具有自恢復(fù)能力,同時(shí)針對(duì)簇頭間長距離傳輸導(dǎo)致能量消耗過大問題,進(jìn)一步提出了一種基于多級(jí)簇樹的虛擬骨干網(wǎng)構(gòu)造算法。
在外部環(huán)境大幅改變(如發(fā)生事故)致使信道條件惡化情況下,如何維護(hù)網(wǎng)絡(luò)有效性仍是一大挑戰(zhàn)。當(dāng)?shù)V井發(fā)生事故后,煤礦巷道中的通信節(jié)點(diǎn)發(fā)生移位或失效,部分通信鏈路損壞,殘存節(jié)點(diǎn)間平均通信距離增大、分布呈不均勻性,網(wǎng)絡(luò)連通性急劇惡化。該情況下在部分區(qū)域仍有可能利用殘存節(jié)點(diǎn)有效構(gòu)造虛擬骨干網(wǎng),以輔助恢復(fù)CMRN連通性。為此,本文提出一種基于多維度虛擬骨干網(wǎng)構(gòu)造的煤礦井下無線自組網(wǎng)災(zāi)后重構(gòu)算法,在部分網(wǎng)絡(luò)設(shè)施損毀情況下,最大限度地恢復(fù)該部分網(wǎng)絡(luò)的連通性,為災(zāi)后搶險(xiǎn)救援提供通信保障。
假設(shè)煤礦災(zāi)后局部受損區(qū)域?yàn)橐粋€(gè)矩形空間。該區(qū)域內(nèi)有1個(gè)目標(biāo)節(jié)點(diǎn)和n個(gè)可用節(jié)點(diǎn)(包括殘存節(jié)點(diǎn)與新設(shè)節(jié)點(diǎn)),如圖1所示。每個(gè)節(jié)點(diǎn)具有唯一的ID,目標(biāo)節(jié)點(diǎn)ID為0,可用節(jié)點(diǎn)ID為i(i=1,2,…,n)。各節(jié)點(diǎn)初始能量不同且能量受限。假設(shè)可用節(jié)點(diǎn)具有相同的傳輸半徑,各節(jié)點(diǎn)可根據(jù)接收信號(hào)強(qiáng)度指示(Received Signal Strength Indication,RSSI)計(jì)算節(jié)點(diǎn)間距離。
圖1 煤礦災(zāi)后無線自組網(wǎng)Fig.1 Wireless ad hoc network after coal mine disaster
可用節(jié)點(diǎn)在網(wǎng)絡(luò)重構(gòu)過程中被分為感知節(jié)點(diǎn)、統(tǒng)治節(jié)點(diǎn)和中繼節(jié)點(diǎn)3類。感知節(jié)點(diǎn)負(fù)責(zé)感知災(zāi)害區(qū)域態(tài)勢信息。統(tǒng)治節(jié)點(diǎn)接收其通信范圍內(nèi)感知節(jié)點(diǎn)傳遞的信息,融合壓縮后傳輸給下一跳中繼節(jié)點(diǎn),構(gòu)成虛擬骨干網(wǎng)[7]。網(wǎng)絡(luò)以周期性方式工作,完成虛擬骨干網(wǎng)構(gòu)造、數(shù)據(jù)收集與轉(zhuǎn)發(fā)工作。
CDS用簡單無向圖G=(V,F)表示,其中V為可用節(jié)點(diǎn)集合,F(xiàn)為節(jié)點(diǎn)之間的連通邊集[8]。設(shè)D為G的一個(gè)非空子集,對(duì)于G中的任一頂點(diǎn)v,若滿足v屬于D或與D中的1個(gè)頂點(diǎn)相鄰,則D稱為G的支配集。如果由D導(dǎo)出的子圖為連通圖,則D稱為連通支配集。D中的節(jié)點(diǎn)稱為統(tǒng)治節(jié)點(diǎn)(支配節(jié)點(diǎn)),不屬于D的節(jié)點(diǎn)稱為成員節(jié)點(diǎn)(被支配節(jié)點(diǎn))。
因事故而損壞的通信節(jié)點(diǎn)或鏈路,其位置具有隨機(jī)性[9],可用節(jié)點(diǎn)在進(jìn)行網(wǎng)絡(luò)連通性恢復(fù)時(shí)重要程度存在差異,需要對(duì)可用節(jié)點(diǎn)的重要性進(jìn)行評(píng)估。本文提出以無線傳感器網(wǎng)絡(luò)(Wireless Sensor Network,WSN)介數(shù)中心度[10]、節(jié)點(diǎn)緊密度[9]為基礎(chǔ),輔以節(jié)點(diǎn)剩余能量篩選機(jī)制的多維度綜合評(píng)價(jià)指標(biāo)。構(gòu)造虛擬骨干網(wǎng)時(shí),順序選取綜合評(píng)價(jià)指標(biāo)大的節(jié)點(diǎn)作為統(tǒng)治節(jié)點(diǎn),以增強(qiáng)局部重構(gòu)網(wǎng)絡(luò)的魯棒性,延長網(wǎng)絡(luò)壽命。
如果某個(gè)節(jié)點(diǎn)被較多的最短路徑經(jīng)過,那么該節(jié)點(diǎn)在數(shù)據(jù)傳輸中的作用較重要。采用WSN介數(shù)中心度來描述這一特性。節(jié)點(diǎn)i的WSN介數(shù)中心度為
(1)
式中:nk(i)為任意可用節(jié)點(diǎn)k(k=1,2,…,n,k≠i)到目標(biāo)節(jié)點(diǎn)最短路徑中經(jīng)過節(jié)點(diǎn)i的條數(shù);nk為節(jié)點(diǎn)k到目標(biāo)節(jié)點(diǎn)最短路徑的條數(shù)。
不同于尋常的WSN節(jié)點(diǎn)分布,局部災(zāi)后可用節(jié)點(diǎn)分布通常呈現(xiàn)聚集性或稀疏性,節(jié)點(diǎn)緊密度反映了這一特性。節(jié)點(diǎn)緊密度用于表征某節(jié)點(diǎn)通過網(wǎng)絡(luò)到達(dá)其他節(jié)點(diǎn)的難易程度,以此衡量節(jié)點(diǎn)的重要性,定義為該節(jié)點(diǎn)到達(dá)所有其他節(jié)點(diǎn)的距離之和的倒數(shù)。節(jié)點(diǎn)i的緊密度為
(2)
式中dij為節(jié)點(diǎn)i,j之間的距離。
WSN介數(shù)中心度和節(jié)點(diǎn)緊密度只考慮了節(jié)點(diǎn)某方面的重要性,本文將這2種指標(biāo)與節(jié)點(diǎn)剩余能量篩選機(jī)制結(jié)合,得到多維度綜合評(píng)價(jià)指標(biāo),步驟如下。
(1) 構(gòu)建指標(biāo)矩陣:
(3)
式中xir為節(jié)點(diǎn)i的第r項(xiàng)指標(biāo),r=1,2,…,h,h為評(píng)價(jià)指標(biāo)數(shù),本文中h=3,r=1表示W(wǎng)SN介數(shù)中心度,r=2表示節(jié)點(diǎn)緊密度,r=3表示節(jié)點(diǎn)剩余能量。
(2) 歸一化處理。虛擬骨干網(wǎng)評(píng)價(jià)指標(biāo)越大,越有益于重構(gòu)網(wǎng)絡(luò)的健壯性,因此對(duì)指標(biāo)矩陣中的元素進(jìn)行正向歸一化處理。
(4)
(3) 指標(biāo)變異性處理。以標(biāo)準(zhǔn)差體現(xiàn)指標(biāo)的變異性,標(biāo)準(zhǔn)差越大則指標(biāo)差異越大,反映出的信息越多,該指標(biāo)本身的評(píng)價(jià)強(qiáng)度越大,應(yīng)該給該指標(biāo)分配更大的權(quán)重。第r項(xiàng)指標(biāo)的標(biāo)準(zhǔn)差為
(5)
(4) 構(gòu)建多維度綜合評(píng)價(jià)指標(biāo)。設(shè)Rmr為第m,r項(xiàng)指標(biāo)之間的相關(guān)系數(shù),m=1,2,…,h,則第r項(xiàng)指標(biāo)用于指標(biāo)沖突性分析的相關(guān)系數(shù)為
(6)
指標(biāo)相關(guān)系數(shù)越大,則該指標(biāo)與其他指標(biāo)的相關(guān)性越強(qiáng)、沖突性越小,反映出的相同信息越多,所評(píng)價(jià)內(nèi)容越有重復(fù)之處,應(yīng)在一定程度上削弱該指標(biāo)的評(píng)價(jià)強(qiáng)度,減小該指標(biāo)分配的權(quán)重。
綜合指標(biāo)的標(biāo)準(zhǔn)差和相關(guān)系數(shù),構(gòu)建第r項(xiàng)指標(biāo)的信息量:
(7)
cr越大,則第r項(xiàng)指標(biāo)在整個(gè)評(píng)價(jià)指標(biāo)體系中的作用越大,應(yīng)給其分配更大的權(quán)重。
第r項(xiàng)指標(biāo)的客觀權(quán)重為
(8)
礦井災(zāi)后節(jié)點(diǎn)i的多維度綜合評(píng)價(jià)指標(biāo)為
Hi=W1Mi+W2Ci+W3Ei
(9)
式中Ei為節(jié)點(diǎn)剩余能量。
經(jīng)過處理后的指標(biāo)權(quán)重Wr為正向指標(biāo),即Hi越大,節(jié)點(diǎn)i當(dāng)選為統(tǒng)治節(jié)點(diǎn)的優(yōu)先級(jí)越高。
初始階段礦井局部區(qū)域所有可用節(jié)點(diǎn)都為普通節(jié)點(diǎn)(感知節(jié)點(diǎn))。設(shè)置20個(gè)可用節(jié)點(diǎn)隨機(jī)分布于巷道中,如圖2所示。虛擬骨干網(wǎng)構(gòu)造過程將經(jīng)歷若干輪統(tǒng)治節(jié)點(diǎn)選舉,每一輪根據(jù)多維度綜合評(píng)價(jià)指標(biāo)選舉出合適的統(tǒng)治節(jié)點(diǎn)并更新支配集,直至網(wǎng)絡(luò)呈現(xiàn)收斂狀態(tài)[11]。
圖2 虛擬骨干網(wǎng)構(gòu)造初始狀態(tài)Fig.2 The initial state of virtual backbone network construction
統(tǒng)治節(jié)點(diǎn)選舉步驟如下。
(1) 各節(jié)點(diǎn)與1跳內(nèi)鄰居節(jié)點(diǎn)交互ID和綜合評(píng)價(jià)指標(biāo),生成1跳鄰居列表Neighbour_hop1。Neighbour_hop1內(nèi)各節(jié)點(diǎn)再與其1跳內(nèi)鄰居節(jié)點(diǎn)交互信息,生成2跳鄰居列表Neighbour_hop2。
(2) 在第1次統(tǒng)治節(jié)點(diǎn)選舉過程中,綜合評(píng)價(jià)指標(biāo)最大的節(jié)點(diǎn)傳輸半徑內(nèi)ID最小的節(jié)點(diǎn)被選舉為初始統(tǒng)治節(jié)點(diǎn),其廣播自身成為統(tǒng)治節(jié)點(diǎn)的信息。
(3) 收到該信息的感知節(jié)點(diǎn)將自身設(shè)置為被支配節(jié)點(diǎn),并廣播自身成為被支配節(jié)點(diǎn)的信息,不參與下一次統(tǒng)治節(jié)點(diǎn)的選舉。
(4) 其余節(jié)點(diǎn)重復(fù)上述步驟,直至各節(jié)點(diǎn)通信范圍內(nèi)不存在孤立的感知節(jié)點(diǎn)。
圖2中的各節(jié)點(diǎn)與其通信范圍內(nèi)的鄰居節(jié)點(diǎn)交互自身ID和綜合評(píng)價(jià)指標(biāo),經(jīng)過多次選舉后,節(jié)點(diǎn)3,5,8,9,14,18當(dāng)選為統(tǒng)治節(jié)點(diǎn),處于其通信范圍內(nèi)的其他節(jié)點(diǎn)為感知節(jié)點(diǎn),如圖3所示。初始階段結(jié)束后通過該選舉方式產(chǎn)生的統(tǒng)治節(jié)點(diǎn)可覆蓋全部可用節(jié)點(diǎn)。
在支配集連接階段,虛擬骨干網(wǎng)篩選支配節(jié)點(diǎn)并為各支配節(jié)點(diǎn)建立連接,形成連通支配集。具體步驟如下。
圖3 統(tǒng)治節(jié)點(diǎn)選舉Fig.3 Election of dominant nodes
(1) 各感知節(jié)點(diǎn)監(jiān)測Neighbour_hop1內(nèi)的初始統(tǒng)治節(jié)點(diǎn)數(shù)量,如大于1,即該節(jié)點(diǎn)位于2個(gè)或2個(gè)以上統(tǒng)治節(jié)點(diǎn)覆蓋范圍的交集內(nèi),則該節(jié)點(diǎn)被選為候選中繼節(jié)點(diǎn),否則距離2個(gè)不相交統(tǒng)治節(jié)點(diǎn)最近的感知節(jié)點(diǎn)被選為候選中繼節(jié)點(diǎn)。
(2) 經(jīng)步驟(1)篩選出的候選中繼節(jié)點(diǎn)可能有多個(gè),將處于交集內(nèi)的候選中繼節(jié)點(diǎn)根據(jù)綜合評(píng)價(jià)指標(biāo)排序,指標(biāo)最大的節(jié)點(diǎn)被選為中繼節(jié)點(diǎn),其他候選中繼節(jié)點(diǎn)退化為感知節(jié)點(diǎn)。
(3) 其余感知節(jié)點(diǎn)選擇距離自身最近的統(tǒng)治節(jié)點(diǎn)加入其統(tǒng)治集合,向其發(fā)送數(shù)據(jù)。
(4) 各統(tǒng)治節(jié)點(diǎn)與其通信范圍內(nèi)的統(tǒng)治節(jié)點(diǎn)或中繼節(jié)點(diǎn)建立虛擬骨干網(wǎng)鏈路,將采集數(shù)據(jù)以多跳形式傳輸至目標(biāo)節(jié)點(diǎn)。
(5) 考慮到生成的虛擬骨干網(wǎng)可能存在閉合回路,引入Dijkstra算法[12]在網(wǎng)絡(luò)中生成較優(yōu)的樹形多跳網(wǎng)絡(luò)結(jié)構(gòu)。
考慮統(tǒng)治節(jié)點(diǎn)長期處于工作狀態(tài),能耗較大,而被統(tǒng)治節(jié)點(diǎn)具有間歇性休眠模式,且只需與所屬的統(tǒng)治節(jié)點(diǎn)通信,能耗較小,因此設(shè)置1個(gè)能量閾值,當(dāng)統(tǒng)治節(jié)點(diǎn)能量低于閾值時(shí)觸發(fā)重新選舉過程,選舉出的新統(tǒng)治節(jié)點(diǎn)接替自身后主動(dòng)退出連通支配集,避免因能量耗盡死亡而造成更大的網(wǎng)絡(luò)空洞。
中繼節(jié)點(diǎn)選舉如圖4所示。節(jié)點(diǎn)6處于統(tǒng)治節(jié)點(diǎn)9,14的支配范圍內(nèi),且該范圍只有其1個(gè)節(jié)點(diǎn)可承擔(dān)中繼節(jié)點(diǎn)角色,因此當(dāng)選為中繼節(jié)點(diǎn)。而統(tǒng)治節(jié)點(diǎn)8,14支配范圍內(nèi)的節(jié)點(diǎn)2,7,13,17,20均可作為候選中繼節(jié)點(diǎn),因此選取綜合評(píng)價(jià)指標(biāo)最大的節(jié)點(diǎn)20作為中繼節(jié)點(diǎn),其他節(jié)點(diǎn)退化為感知節(jié)點(diǎn)。
選舉出中繼節(jié)點(diǎn)后,退化為感知節(jié)點(diǎn)的節(jié)點(diǎn)2,7加入距離自身較近的統(tǒng)治節(jié)點(diǎn)14,成為其成員節(jié)點(diǎn),節(jié)點(diǎn)13,17成為統(tǒng)治節(jié)點(diǎn)8的成員節(jié)點(diǎn),如圖5所示。類似地,節(jié)點(diǎn)4成為統(tǒng)治節(jié)點(diǎn)3的成員節(jié)點(diǎn),節(jié)點(diǎn)1成為統(tǒng)治節(jié)點(diǎn)5的成員節(jié)點(diǎn)。各統(tǒng)治節(jié)點(diǎn)、中繼節(jié)點(diǎn)之間建立連接,將收集的災(zāi)情數(shù)據(jù)傳輸至目標(biāo)節(jié)點(diǎn)。
圖4 中繼節(jié)點(diǎn)選舉Fig.4 Election of relay nodes
圖5 虛擬骨干網(wǎng)構(gòu)造完成Fig.5 Finished virtual backbone network construction
采用文獻(xiàn)[13]中的一階無線電能耗模型分析虛擬骨干網(wǎng)能耗。節(jié)點(diǎn)能耗由發(fā)射電路損耗和功率放大損耗組成。設(shè)置距離閾值d0,當(dāng)節(jié)點(diǎn)通信距離小于d0時(shí)采用自由空間模型,否則使用多徑衰落模型。
(10)
式中εfs,εamp分別為自由空間模型和多徑衰落模型的功率放大損耗。
節(jié)點(diǎn)發(fā)送能耗為
(11)
式中:s為數(shù)據(jù)長度;Eelec為節(jié)點(diǎn)收發(fā)單位比特?cái)?shù)據(jù)的電路能耗;d為通信距離。
節(jié)點(diǎn)接收能耗為
Esm=sEelec
(12)
統(tǒng)治節(jié)點(diǎn)可接收并轉(zhuǎn)發(fā)前一跳節(jié)點(diǎn)傳來的數(shù)據(jù)。統(tǒng)治節(jié)點(diǎn)轉(zhuǎn)發(fā)能耗為
Etrans=Erm+Esm=
(13)
式中dtrans為統(tǒng)治節(jié)點(diǎn)間距離。
假設(shè)某區(qū)域內(nèi)共有w個(gè)節(jié)點(diǎn),其中1個(gè)為統(tǒng)治節(jié)點(diǎn),其余w-1個(gè)為成員節(jié)點(diǎn)。若每個(gè)數(shù)據(jù)包大小均為s,在1個(gè)收發(fā)周期內(nèi)統(tǒng)治節(jié)點(diǎn)接收w-1次數(shù)據(jù),融合w-1次數(shù)據(jù),則其能耗為
Etrans_cs=(w-1)sEda+(w-1)sEelec
(14)
式中Eda為統(tǒng)治節(jié)點(diǎn)融合單位比特?cái)?shù)據(jù)的能耗。
在每個(gè)收發(fā)周期內(nèi),虛擬骨干網(wǎng)中節(jié)點(diǎn)能耗分為以下3種情況:
(1) 若節(jié)點(diǎn)為統(tǒng)治節(jié)點(diǎn)且承擔(dān)中繼功能,則節(jié)點(diǎn)能耗包括融合數(shù)據(jù)能耗、發(fā)送融合數(shù)據(jù)能耗、轉(zhuǎn)發(fā)數(shù)據(jù)能耗。
(2) 若節(jié)點(diǎn)為統(tǒng)治節(jié)點(diǎn)但不參與中繼過程,則節(jié)點(diǎn)能耗包括融合數(shù)據(jù)能耗和發(fā)送融合數(shù)據(jù)能耗。
(3) 中繼節(jié)點(diǎn)能耗包括發(fā)送自身數(shù)據(jù)能耗和轉(zhuǎn)發(fā)其他節(jié)點(diǎn)數(shù)據(jù)能耗。
統(tǒng)治節(jié)點(diǎn)采用多跳形式將融合數(shù)據(jù)通過虛擬骨干網(wǎng)傳輸至目標(biāo)節(jié)點(diǎn),其能耗與數(shù)據(jù)傳輸跳數(shù)有關(guān)[14-15]。虛擬骨干網(wǎng)多跳傳輸鏈路如圖6所示,統(tǒng)治節(jié)點(diǎn)A的融合數(shù)據(jù)經(jīng)T跳到達(dá)目標(biāo)節(jié)點(diǎn)。
圖6 虛擬骨干網(wǎng)多跳傳輸鏈路Fig.6 Multi-hop transmission link of virtual backbone network
執(zhí)行第T跳轉(zhuǎn)發(fā)任務(wù)的節(jié)點(diǎn)能耗為
ET=Enet(T,T)+(T-1)Enet(T,T-1)
(15)
式中:Enet(T,T)為節(jié)點(diǎn)發(fā)送自身數(shù)據(jù)的能耗;Enet(T,T-1)為節(jié)點(diǎn)轉(zhuǎn)發(fā)第T-1跳數(shù)據(jù)的能耗。
除目標(biāo)節(jié)點(diǎn)外,虛擬骨干網(wǎng)在1個(gè)傳輸周期內(nèi)的能耗為
Enet=Enet(T,T)+Enet(T-1,T-1)+…+Enet(1,1)+(T-1)×Enet(T,T-1)+(T-2)Enet(T-1,T-2)+…+Enet(2,1)
(16)
采用Matlab R2017A平臺(tái)對(duì)基于本文算法重構(gòu)的網(wǎng)絡(luò)能耗、規(guī)模、節(jié)點(diǎn)覆蓋率等指標(biāo)進(jìn)行驗(yàn)證,并與考慮鄰居節(jié)點(diǎn)數(shù)的基于休眠機(jī)制和能量均衡的連通支配集(Sleep and Energy Balance-based Connected Dominating Set,SEBCDS)算法[16]和能量均衡的最小連通支配集(Energy Balance Minimum Connected Dominating Set,EBMCDS)算法[17]進(jìn)行比較。3種算法采用相同的初始?xì)埓婢植烤W(wǎng)絡(luò)節(jié)點(diǎn)模型,參數(shù)見表1。為排除隨機(jī)因素影響,每種算法均重復(fù)300次實(shí)驗(yàn),取平均值作為實(shí)驗(yàn)結(jié)果。
表1 實(shí)驗(yàn)參數(shù)Table 1 Experimental parameters
設(shè)Eelec=5 nJ/bit,εfs=50 pJ/(bit·m2),εamp=1.3 nJ/(bit·m2),Eda=5 nJ/bit,各節(jié)點(diǎn)1輪傳輸數(shù)據(jù)大小為200 bit。網(wǎng)絡(luò)剩余能量如圖7所示??煽闯鼍W(wǎng)絡(luò)運(yùn)行300輪時(shí),基于SEBCDS算法構(gòu)建的網(wǎng)絡(luò)剩余能量趨近于0,而基于EBMCDS算法和本文算法構(gòu)建的網(wǎng)絡(luò)仍有少量剩余能量,網(wǎng)絡(luò)生命周期較長。另外,基于本文算法構(gòu)建的網(wǎng)絡(luò)能耗速率小于其他2種算法,原因是本文算法不僅引入節(jié)點(diǎn)剩余能量篩選機(jī)制,且考慮了對(duì)能耗影響較大的WSN介數(shù)中心度和節(jié)點(diǎn)緊密度因素。
圖7 網(wǎng)絡(luò)剩余能量Fig.7 Network residual energy
為了排除隨機(jī)性影響,研究了可用節(jié)點(diǎn)總數(shù)為20時(shí)的統(tǒng)治節(jié)點(diǎn)變化情況,如圖8所示。由于采用平均值,所以部分結(jié)果為小數(shù)。在相同的節(jié)點(diǎn)分布下,網(wǎng)絡(luò)收斂時(shí)虛擬骨干網(wǎng)規(guī)模越小,則網(wǎng)絡(luò)開銷越小,性能越優(yōu)。從圖8可看出,SEBCDS算法因僅考慮網(wǎng)絡(luò)規(guī)模,選出的統(tǒng)治節(jié)點(diǎn)較少;EBMCDS算法只將節(jié)點(diǎn)能量作為選取條件,易選出較多的冗余統(tǒng)治節(jié)點(diǎn),生成的虛擬骨干網(wǎng)規(guī)模較大,造成能量浪費(fèi);本文算法綜合考慮網(wǎng)絡(luò)的拓?fù)湫远攘亢湍芰恳蛩?,不求取局部最?yōu),因此在統(tǒng)治節(jié)點(diǎn)數(shù)未達(dá)到飽和時(shí)網(wǎng)絡(luò)規(guī)模介于其他2種算法之間;當(dāng)節(jié)點(diǎn)通信半徑大于55 m時(shí),各算法選出的統(tǒng)治節(jié)點(diǎn)數(shù)均趨于飽和,此時(shí)本文算法選出的統(tǒng)治節(jié)點(diǎn)數(shù)略少于SEBCDS算法,從而生成規(guī)模較小且性能較優(yōu)的虛擬骨干網(wǎng)。
圖8 統(tǒng)治節(jié)點(diǎn)數(shù)Fig.8 Number of dominant nodes
可用節(jié)點(diǎn)總數(shù)為50時(shí)網(wǎng)絡(luò)覆蓋率如圖9所示??煽闯鼍W(wǎng)絡(luò)覆蓋率隨節(jié)點(diǎn)通信半徑增大而增大;EBMCDS算法因只考慮節(jié)點(diǎn)剩余能量而忽視了網(wǎng)絡(luò)拓?fù)湟蛩貙?duì)虛擬骨干網(wǎng)的影響,得到的網(wǎng)絡(luò)覆蓋率較低;節(jié)點(diǎn)通信半徑大于27 m時(shí),由于本文算法均衡了能量、WSN中心介數(shù)與節(jié)點(diǎn)緊密度3個(gè)維度,所以生成的網(wǎng)絡(luò)獲得了較優(yōu)的簇樹從屬關(guān)系,節(jié)點(diǎn)覆蓋率優(yōu)于其他2種算法。
圖9 節(jié)點(diǎn)覆蓋率Fig.9 Node coverage
針對(duì)恢復(fù)煤礦災(zāi)后CMRN連通性難題,提出了一種基于多維度虛擬骨干網(wǎng)構(gòu)造的煤礦井下無線自組網(wǎng)災(zāi)后重構(gòu)算法,引入WSN介數(shù)中心度、節(jié)點(diǎn)緊密度及節(jié)點(diǎn)剩余能量篩選機(jī)制3個(gè)維度構(gòu)建虛擬骨干網(wǎng)節(jié)點(diǎn)綜合評(píng)價(jià)指標(biāo)。實(shí)驗(yàn)結(jié)果表明,基于該算法重構(gòu)的網(wǎng)絡(luò)在剩余能量、統(tǒng)治節(jié)點(diǎn)數(shù)、網(wǎng)絡(luò)覆蓋率等方面表現(xiàn)出較優(yōu)性能。在后續(xù)研究中,擬將該算法與礦井災(zāi)后態(tài)勢感知與數(shù)據(jù)傳輸方法結(jié)合,實(shí)現(xiàn)災(zāi)后數(shù)據(jù)高效感知與穩(wěn)定傳輸。