煤矿井下全覆盖移动传感器网络拓扑管理机制研究

杨大禹，李敬兆，任 萍

(1. 安徽理工大学电气与信息工程学院,安徽 淮南 232001；2. 安徽理工大学计算机科学与工程学院,安徽 淮南 232001)

物联网技术的不断发展使得机器与人类社会之间的联系更为紧密，在大多数情况下，建立合理的协调无线信道访问机制方式，能够实现无线介质与物理设备之间的信息共享。然而，对于特殊环境下的监测如煤矿井下，该场景下周围环境相对复杂，需要监测的目标往往是每时每刻动态变化，并且无线介质在与物理设备协调多次的访问过程中，依然存在着数据包的转发冲突，导致分组数据转发成功率较低，网络延迟增加等现象。因此，关于煤矿井下无线网络实时通信能耗优化问题的研究值得重视。煤矿井下监控系统一般是以星型拓扑的网络结构部署方式，该部署方式下的监测网络具有以下的特点：(1)煤矿井下工作面与运输巷道一般布置在离地表数百米之下，距离地表较深，一般卫星信号无法检测；(2)煤矿井下环境条件恶劣，脱落的岩石和煤炭容易造成已布置好的传感器节点被遮盖，影响节点间的信号传输；(3)煤矿井下地理空间狭小，巷道蜿蜒曲折，且分支较多，地势高低起伏，不利的地形因素往往对电磁波的传输起到一定影响，信号传输衰耗较大；(4)矿用机电设备之间产生的不同频率电磁干扰；(5)无线信号会因为矿用水帘材料所发出的水蒸气产生复折射现象，影响信号传输。

为了实现煤矿井下实时监控系统的信息高效且稳定传输，目前广大煤矿领域相关科研工作者主要还是从设计路由协议，优化网络拓扑结构和节点间时间同步技术的实现等方面进行了研究。

目前新兴无线通信网络技术和精密微型传感器节点设计提高了煤矿井下复杂环境组网的效率，然而在煤矿井下监控拓扑控制研究方面节点的稀缺以及能量资源优化问题仍然存在，文献[1]采用ZigBee组网的方式构建了煤矿井下空间监测网络通信系统，通过对比分析多节点场景下不同拓扑结构的网络性能，得出了优化端到端最大数据延迟模型和能量损耗模型，实验结果表明群集树状网络拓扑结构能够很好的提高隧道环境下的数据传输性能。文献[2]针对煤矿安全监测网络结构特点得出采用混合线性拓扑结构网络控制的方式在提高网络性能方面具有较强的优势。文献[3]通过构建最大后验估计马尔科夫随机场的方式，实现了传感器节点信息发送的高精度时间同步，所提出的算法对不同时钟条件下的相位误差估计做到了跟踪消除，满足了煤矿井下实际场景的需求。考虑到隧道环境下的噪声干扰对节点的行为状态存在一定的影响，文献[4]提出了一种基于贝叶斯估计干扰噪声误差修正模型的访问控制时间同步模型，有效协调了不同节点应对噪声干扰的能力，实验结果表明，随着外界不确定扰动因素的增加，提出的优化算法通信负载收敛的速度较快，在系统开销方面具有明显的优势。

本文基于煤矿井下无线通信场景的应用实际需求，对煤矿井下实时通信能耗优化问题进行探究。

1 网络模型与目标节点移动状态分析

1.1 网络模型

为了能够对适用于煤矿井下实际应用的场景下的网络模型进行描述，本文采用低数据率传输的数据收集型传感器网络，网络模型如图1所示，在这类网络中，不仅需要对所监测的目标对象进行实时反馈，而且需要时刻对设备运行状态及周围环境有关参数进行相关数据的收集，传输至数据中心进处理。为此，该网络模型具有以下特征：

1) 所部署的传感器网络均为能量有限型网络，在节点部署阶段，所有节点都拥有相同的初始能量，需要睡眠/唤醒机制来节省能量消耗，并且当能量耗尽时节点将会停止工作；

2) 所有传感器节点随机部署在狭长的井下巷道环境之中，且每个节点都具有表征自身信息的唯一标识ID，部分节点在部署之后将不再移动将作为汇聚节点，从而保证网络具有比较稳定的拓扑结构；

3) 网络具备一定的工作周期，一个节点在一个周期内完成对被监测对象进行监测并将所获得的数据包发往基站BS。

1.2 目标节点移动状态分析

为了提高对目标节点追踪的可靠性，满足系统对日常监测的需求，在相应的时间段移动节点移动到某一位置，这些位置将会被定义为候选位置(见图1)。图1中，可利用目标估计相关理论对目标节点追踪存在问题进行分析，进而对节点完全分布选择最佳候选位置制定解决方法。

图1 煤矿井下环境下移动节点拓扑控制

在离散时间序列t下，目标节点的位置状态定义为xi∈dx，对于煤矿井下巷道场景下的目标节点移动情形，xt可定义为列向量(vx，vy)；(ax，ay)，其中vx，vy和ax，ay分别表示目标节点在水平方向和垂直方向上的移动速度和加速度，因此，目标节点的移动观测模型可表示为

xt=ft(xt-1,wt-1)

(1)

(3)

(4)

其中，zt=ht(xt,vt)表示观测模型xt的递归估计函数，在传感器网络中，普通节点观测到的先验信息最终都会发送至数据融合中心进行处理，一般通过设计选择相应的汇聚节点作为为数据处理中心以汇聚集中的方式实现，或者通过基于区域划分簇首节点的方式。第一种方式通常选取或者设计比普通节点更具有计算和信息处理能力的特殊节点，普通节点将会向该节点发送所收集到的感知数据。第二种方式主要是通过以动态簇首选择算法为依据，选择合适的簇首节点作为数据汇聚中心。当目标节点移动导致网络拓扑结构发生变化时，将该簇首节点的先验信息传递给下一簇头完成持续的追踪。考虑到煤矿井下这一特殊环境，关于传感器网络的拓扑控制主要面临以下几个问题：

(1) 当检测目标移动过快时，感知节点可能无法及时从数据处理中心或者簇头上等待完全的测量结果并进行验证，因此汇聚节点必须要具备及时做出执行决定的能力；

2 信号强度辅助下中继节点优选法

在煤矿井下的实际工程应用场景中，由于传感器节点部署的环境往往较为复杂，无线信号可能会受到来自各方面因素的影响，如本文引言当中所提到的，其他未知节点之间的信息传输，不仅会对汇聚节点接收的数据产生干扰，而且还会增加数据的传输误差。数据传输误差随着汇聚节点与中继节点之间距离越远而逐渐增大，当中继节点与汇聚节点之间的距离越近时，接收到的信号强度RSSI值就越大，数据转发的随机偏差就越小，因此可以通过分析RSSI值来筛选出较优的中继节点，实现对煤矿井下通信网络拓扑结构的稳定与完全覆盖。一般而言，在无线传感器网络中，节点之间的信号强度随着距离的增加而不断的减弱，不同传播模型下的信号衰减公式各不相同，典型信号传播模型主要包括[5]：FreeSpace，Two-Ray Ground和Shadowing模型，由于井下巷道地形蜿蜒曲折，对于长距离传输情况下的移动节点与中继节点之间信号传输采用Two-Ray Ground模型较为精确[6]，其中路径损耗模型可以用公式(5)表示

PL(d)=40logd-(10logGt+10logGr+

20loght+20loghr)

(5)

式中：PL为接收功率；d为发送端与接收端之间的水平距离；Gt，Gr为发送与接收天线增益，ht，hr表示发送与接收天线的高度。为了实现网络整体能量消耗的均衡，设计算法的伪代码实现如图2所示，筛选后的中继节点将接收到来目标节点的确认请求信息之后，将决定是否参与数据的收集与传输过程，通过该方法，每轮的循环中只有部分传感器节点参与了数据的传输任务，有效维持网络的生命周期，使网络的拓扑结构更为稳定。

图2 算法1 基于RSSI优选中继节点伪代码

3 系统平均能耗模型

(6)

在组播环境下的煤矿井下无线传感器网络中，其各链路之间的数据传输的相对独立的，且存在损耗，令节点单位bit成功发送数据包的能耗为ε，因此，历经k跳之后，系统总能耗可表示为

(7)

(8)

4 仿真结果及分析

为了验证本文提出算法的可行性，作者在Windows 10 Professional下Vmware Pro虚拟机Ubuntu16.04系统下搭建的NS2作为本次实验仿真平台，部分相关仿真参数设置及部分代码如表1和图3所示，其中无线信号传播模型采用双路径Two-Ray ground传播的方式，并采用Drop Tail队列管理机制减少端到端的数据包传输等待延迟，发送数据包仿真区域大小为1 000mm×1 000m。

表1 部分仿真参数选取

图3 相关仿真参数的设置界面

本节将同时模拟在相同机会路由环境下的基于速率组合的低平均时延网络编码LADRC算法[7]，组播环境下网络编码队列管理NBM算法[8]与本文提出低数据率信号强度辅助下的中继节点优选机制RALDR进行网络能耗的对比仿真。

图4 不同数目节点下的网络平均能耗百分比

图4显示了相同仿真环境下不同节点下三种算法的网络平均能耗结果，可以看出，当节点数量增加时，节点之间的消息交换的次数也随之增加，但RALDR算法下的网络平均能耗增加的速度低于对比算法，相比较LADRC和NBM算法平均能耗分别降低了23.6%，9.6%。这是因为在信息传输过程中，作为网络中少数群体的移动节点发布请求确认消息，不要求所有中继节点参与信息交换的整个过程，而只是在接收目标节点请求消息的候选阶段，本文提出RALDR算法可以使用更少数量的请求确认消息来完成整体网络的拓扑控制过程。

5 结论

本文针对煤矿井下节点间因通信距离过长，目标节点不同时间情况下的移动，导致的数据包在转发过程中效率偏低问题，在分析煤矿井下网络拓扑控制面临主要问题的基础上，通过协调网络中节点间的空间位置关系，提出低数据率信号强度辅助下的中继节点优选机制，实现了目标节点的数据转发效率的提高和相对稳定网络拓扑结构的构建，对比实验结果表明，RALDR算法下的网络平均能耗增加速度较慢，且筛选后的中继节点只需要少量的请求确认消息即可维持网络拓扑的完整，具有较强的适应性。