仿蛛网农田无线传感器网络抗毁性量化指标体系构建

王 俊，杜壮壮，贺智涛，姬江涛，王甲甲

仿蛛网农田无线传感器网络抗毁性量化指标体系构建

王 俊1,2，杜壮壮1，贺智涛1，姬江涛1,2，王甲甲1

（1.河南科技大学农业装备工程学院，洛阳 471003；2.机械装备先进制造河南省协同创新中心，洛阳 471003）

为解决传统抗毁性量化指标无法准确描述网络组件失效的耦合关系和全局作用，难以有效归纳、继承蛛网抗毁性机制与规律的问题，该文提出了一套基于节点平均路径数和节点、链路平均使用次数的人工蛛网模型抗毁性量化指标体系，评测失效网络组件的全网影响度和权重等指标。仿真试验表明该指标体系可有效量化评价不同规模的人工蛛网模型的抗毁性，测评各网络组件的抗毁性权重占比，其中，节点、弦链、辐链分别占50%、39.44%、10.56%，同时与传统抗毁性量化指标相比，该文提出的指标具有独特的优势。田间试验结果表明节点遭受不同程度损坏时，仿蛛网部署仍可通过备用链路进行数据传输，相较非交叠分簇部署、栅格部署具有更优的抗毁性。人工蛛网模型抗毁性量化分析可为优化农田无线传感器网络部署，实现规模化可靠应用提供参考。

仿生；模型；传感器；农田无线传感器网络；人工蛛网；抗毁性；量化指标

0 引 言

农田无线传感器网络节点众多，具有多对一的通信特征，恶劣的部署环境易引起网络组件故障，致使拓扑结构遭到破坏，路由动态重构，导致难以有效完成环境监测任务[1]。开展农田无线传感器网络拓扑结构的抗毁性量化研究，对提高网络适应性和生存能力具有重要参考价值。

现有农田无线传感器网络的研究工作主要集中于节点部署、组网设计、分簇路由算法开发等方面[2-6]，而对于提高网络的抗毁性研究较少。具有自适应性、鲁棒性和自修复等特点的生物智能系统，对提高农田无线传感器网络抗毁性研究具有重要意义。蜘蛛网是一种集优雅、超轻、抗毁于一体的网状结构，受其结构启发的人工蛛网模型具有分层分簇和中心对称性等特点，继承了蜘蛛网独特的结构优势，具有极高的网络抗毁能力[7-8]，为农田无线传感器网络高抗毁性模型研究提供了新的参考。刘晓胜等人利用平均端到端延时和丢包率作为指标评价网络的抗毁性，表明人工蛛网相比星形网络具有更优异的连通度和抗毁能力，但未量化分析人工蛛网模型的抗毁性机制[9]。Mocanu B等[10]提出一种基于蜘蛛网自然结构的新型点对点覆盖结构，进而分析两节点之间的链路总数和跳数，表明蛛网结构覆盖类型下数据传播性能优于蜂窝和弦状结构。已有研究主要集中于人工蛛网拓扑结构优势继承方面[11-14]，而对其抗毁性量化的探讨尚为空白。通过对人工蛛网模型中节点、链路的抗毁性进行比较，可优化节点、链路分层部署，为建立仿蛛网的农田无线传感器网络多路径分层分簇路由协议提供决策依据。开展人工蛛网模型组件抗毁性量化研究是实现该目标的前提基础。

已有的网络模型抗毁性量化研究主要通过描述网络拓扑结构的基本统计特征表征其抗毁性，具体包括节点的度、簇系数、介数、平均路径长度、连通度等[15-17]，但存在网络抗毁性刻画简单，缺乏对网络拓扑结构中节点和链路间的层间耦合关系、级联失效情况综合考虑等问题，难以准确反映人工蛛网模型中节点、链路失效及其耦合效应引起的抗毁性能动态演化。具体表现在：1）传统抗毁性量化指标主要用于评价去中心性网络[18]，人工蛛网模型则属于有中心网络，中心节点采用集中式通信控制策略，经由链路和中继节点与外部节点通信，节点、链路的耦合关系易引起级联失效，现有指标无法量化各组件抗毁能力和定量分析级联失效的影响；2）传统分析指标主要集中对同一类型组件量化评价[19-21]，未能对网络内部组件进行全局综合考虑，无法解析人工蛛网模型组件重要程度。因此，需要定义一种适应人工蛛网模型的抗毁性量化指标。

为解决人工蛛网模型抗毁性量化指标缺失的问题，针对人工蛛网模型中心对称性、分层分簇、链路冗余等特点，利用节点、链路的使用频次与重要性程度呈现显著正相关关系，建立人工蛛网模型抗毁性量化指标体系，描述网络组件失效前后系统抗毁性能的动态演化，总结节点、链路的耦合、级联失效规律，用于指导仿蛛网农田无线传感器网络部署策略和分层路由协议的建立。

1 相关工作

1.1 人工蛛网模型

圆网蛛网结构在蛛网进化过程中占据着核心地位，本文基于圆网蛛网螺旋放大结构建立人工蛛网模型拓扑结构如图1所示[22-23]，该模型由节点和连接节点的链路组成，分别与农田无线传感器网络的节点和通信链路对应，节点分为中心节点和普通节点2种类型，对应农田无线传感器网络的汇聚节点和普通节点。中心节点位于模型中心，负责发送控制信息和汇总各节点的信息，普通节点围绕中心节点同心层次分布，负责向中心节点发送信息和接收中心节点的控制信息。链路分为弦链和辐链，弦链用于同层节点通信，辐链用于邻层节点通信，人工蛛网模型拓扑结构参数定义如表1所示。

表1 人工蛛网模型拓扑结构参数定义

1.2 人工蛛网模型组件抗毁性能评价指标

人工蛛网模型拓扑结构是由星形拓扑和环形拓扑有机结合的特殊结构，属于典型的有中心分层网络，具有一对多、多对一的通信特点，各节点与中心节点通信的所有不重复路径中，经过一个节点或者链路的次数越大，则该节点和链路愈重要[24]。节点路径数、节点和链路被使用次数能很好反映其重要程度，据此定义抗毁性量化指标为

失效组件的全网影响度η定义为

式中η越大，表明该组件失效对网络抗毁性影响越大。

结合各组件对全网影响度的基础上，建立人工蛛网各组件的抗毁性权重。各失效组件权重WW定义为

式中η、η和η分别表示节点、弦链和辐链在拓扑层的影响度；WW可以综合评价模型各组件对全网抗毁性重要程度，WW越大，则该组件抗毁性能影响越重要。

2 仿真与比较分析

本文在MATLAB 2016 a软件环境下对人工蛛网模型抗毁性进行系列仿真试验。试验分为2部分，第1部分为全网试验，通过比较3种不同规模人工蛛网模型是否具有一致的抗毁性规律，验证所提指标的合理性；第2部分为失效试验，为验证所提指标有效性，以58的人工蛛网模型为例，分析全局范围内组件的耦合关系，验证所提指标有效性。

2.1 全网仿真试验

注：模型1：q=4，p=7；模型2：q=5，p=8；模型3：q=6，p=9。图中节点平均路径数显示至第5层。

为检验不同规模人工蛛网模型节点、链路平均使用次数是否具有一致规律，分别对3种模型仿真分析，结果如图3所示。由图3可知，3种模型中抗毁性指标均表现出相同的变化规律，随着层号的增大，节点、弦链、辐链平均使用次数逐渐下降，模型1、2、3中内层节点平均使用次数下降幅度为0.42‰；弦链平均使用次数下降幅度为0.018 4‰；辐链平均使用次数下降幅度为 0.000 66‰；最外层节点、弦链、辐链对应的下降幅度依次是7.1%、6.3%、55.3%，内层下降幅度较小，外层下降趋势显著，且随着模型规模增大，下降趋势愈加明显。结果表明不同规模人工蛛网模型节点、链路平均使用次数具有一致规律，可用于评价人工蛛网模型抗毁性。

a. 模型1仿真结果

a. Simulation results of model 1

b. 模型2仿真结果

b. Simulation results of model 2

c. 模型3仿真结果

综合分析上述2个仿真试验可知，人工蛛网模型中：1）模型1、2、3节点平均使用次数依次是弦链平均使用次数的1.31、1.27、1.24倍，是辐链平均使用次数的4.23、4.73、5.24倍，表明相同层号时，节点的重要性最大，弦链次之，辐链最小。2）节点路径数，节点、弦链、辐链平均使用次数4个指标，在评价不同规模人工蛛网模型时具有相同的变化规律，表明本文所提指标能有效评估人工蛛网模型抗毁性。

2.2 破坏试验仿真分析

为了验证本文所提指标的有效性，以模型2为例，逐层破坏第四条辐线上节点、弦链、辐链，仿真试验结果如图4所示，可知： 1）图4a中，节点、弦链、辐链失效时，失效位置内层的节点平均路径数和全网保持一致，失效位置及其外层分别下降至全网的40.8%、53.3%、87.5%，表明组件失效对失效位置所在层及其外层的节点平均路径数均有影响，影响程度从高到低为：节点>弦链>辐链。2）图4b中，节点、弦链、辐链失效时，失效位置所在层节点平均使用次数依次下降至28.3%、40.8%、87.5%，其余各层分别下降至全网的40.8%、53.3%、88.3%，表明组件失效对节点平均使用次数具有全网性的影响，失效位置所在层影响程度大于其余各层，影响程度按：节点>弦链>辐链的规律排列，图4c和图4d中，弦链平均使用次数和辐链平均使用次数具有与节点平均使用次数相同的规律。

注：图4a、4b、4c与 4d为逐层破坏第4条辐线上节点、弦链、辐链。

分析可知，节点、弦链、辐链失效时，节点平均路径数衰减具有单向扩散性，即只对失效位置外层产生影响，节点、弦链、辐链平均使用次数衰减则具有双向扩散性，即对失效位置所在层内、外两侧均产生影响，表明层间节点、链路存在明显的相交耦合关系和层间耦合关联特征。通过对人工蛛网模型不同组件失效激励，量化分析网络动态演化规律，对开发高抗毁性路由协议，提高网络抗毁性具有重要意义。

为探究人工蛛网模型组件失效的耦合影响规律，进行5组试验：1）试验1失效第1层节点（（1,1）－（6,1）），弦链（（1,1）－（6,1）），辐链（（1,1）－（6,1））2）试验2、3、4、5分别失效2、3、4、5层对应位置的组件。仿真试验结果表明，各组试验呈现一致的变化规律，以第3层为例进行分析。从图5a中可以看出，第3层部分组件失效时，失效节点的节点路径数下降至0，同层相邻节点的节点路径数下降至全网的13.33%，失效位置内层节点的节点路径数与全网时保持一致，外层节点的节点路径数分别下降至全网的约3.56%和3.32%，结果表明，受失效组件影响，同层及外层节点的节点路径数下降显著。从图5b中可以看出，第3层部分组件失效导致全网节点使用次数具有明显的波动规律，失效节点的节点使用次数下降至0，其同层位置下降至全网的4.23%，相邻内外层分别下降至全网的3.03%和3.00%，次内层和次外层分别下降至3.38%和3.36%，试验表明，失效组件对网络抗毁性的影响具有同层耦合和减弱扩散的特征。从图5c中可以看出，第3层部分组件失效后，弦链（7,3）保持有效且使用次数明显高于其他各层弦链，在维持人工蛛网模型的稳定性方面发挥重要的作用，受失效组件影响，失效位置内外层弦链使用次数下降程度显著。从图5d中可以看出，第3层部分组件失效后，与其相邻的内层辐链使用次数明显高于其余各层，而外层相邻的第4层部分组件同步失效，失效位置所在层有效辐链的辐链使用次数达全网的13.33%，结果表明，辐链的失效可提高内层组件的使用频次，严重损毁外层组件的网络通信功能，辐链在内外层间联系方面起着关键作用。

Note: In Fig. 5a, (3.32%) 25 200 respectively represents number of node paths as a percentage of the total network and number of node paths, same as below.

分析可知，人工蛛网模型中，局部组件失效产生的影响会波及整网，同层及相邻层影响效果更加显著，表明人工蛛网模型组件失效过程表现出明显的级联扩散特征，因此，开展全局式量化分析，有助于人工蛛网模型抗毁性能动态演化过程与级联失效机理的深入研究。

2.3 蛛网模型组件量化结果分析

表2为人工蛛网模型各组件破坏后各组件权重WW的仿真分析结果，其中，节点、弦链、辐链分别占50%、39.44%、10.56%，同层弦链、辐链相较于节点权重占比依次衰减约21%和79%，表明同层组件中节点具有更重要的地位；第1层节点、弦链、辐链权重占比达到全网的33.28%，最外层仅占全网的6.72%，表明靠近中心节点的各组件具有更为重要的地位。

2.4 抗毁性量化对比

为验证本文所提抗毁性量化指标的优越性，将提出的指标与部分传统评价指标进行比较，为使其概念适应人工蛛网模型结构特征，首先对传统指标的定义进行扩展补充。

表2 人工蛛网模型各组件破坏时仿真结果

度：网络中某个节点的度k定义为与该节点相连接的其他节点数目[25]，本文将节点度的定义扩展到链路，某一条链路的度定义为将该链路收缩成为一个新的节点，该新节点的度即为链路的度。一个节点、链路度越大，意味着该节点或链路属于网络中的关键部件，在某种意义上也越“重要”。链路收缩过程如图6所示。

簇系数：假设网络中的一个节点有k条边将它与其他节点相连，这k个节点称为节点的邻居节点，在这k个邻居节点之间最多可能有k(k–1)/2条边。节点的k个邻居节点之间实际存在的边数N和最多可能有的边数k(k–1)/2之比定义为节点的簇系数[26]，记为c，本文将节点簇系数的定义扩展到链路，某一条链路的簇系数定义为将该链路收缩成为一个新的节点，该新节点的簇系数即为链路的簇系数。节点的簇系数取值越大，表示节点周围的邻居连接越紧密，节点越重要。

图6 链路收缩过程

介数：节点的介数定义为网络中所有的最短路径中，经过节点的数量，用B表示，同理，某一链路的介数定义为网络中所有的最短路径中，经过链路的数量[27]，用B表示，本文中所有的最短路径数即为各层节点与中心节点的最短通信路径数。节点、链路的介数反映了该节点、链路在网络中的影响力，影响力大小与介数大小正相关。

表3为本文所提出的各组件权重指标与部分传统指标在评价模型2时的对比结果。可以看出，传统指标中，度、簇系数均无法有效评价各组件的重要性程度，介数在评价节点和弦链上有较好的效果，但无法对辐链进行准确的评价，而本文所提指标在评价各组件时具有明显的优势，可以精确量化任意位置组件，可为深入解析人工蛛网模型结构特征，优化节点、链路部署，提升网络的抗毁性提供有益借鉴。

表3 本文指标和传统指标的比较

3 田间试验

3.1 试验场景

为检验本文人工蛛网模型抗毁性量化研究用于优化农田无线传感器网络部署的可行性，在试验农田分别开展仿蛛网部署、非交叠分簇部署、栅格部署的无线传输试验，田间试验方案如图7所示，中心位置为汇聚节点，仿蛛网部署和栅格部署中节点1～4、节点5～8、节点9～12分别对应1-3层，相邻节点通信距离为50 m、非交叠分簇部署中节点1～3、节点4～7、节点8～12分别对应1～3层，相邻簇间通信距离为50 m，试验时间为2019年6月5日至2019年6月7日（09:00-18:00），各网络部署分别试验1 d。

图7 试验设备及方案

3.2 试验设置

试验设备包括12个普通节点、1个汇聚节点和1台笔记本电脑。汇聚节点与普通节点均采用Freescale公司MC13213无线通信模块，普通节点具备中继路由和终端设备功能，设置发射功率为1 dBm，有效通信半径为70 m，试验中节点通信波特率设置为57 600 B/s，8位数据位，无奇偶效验位，1位停止位，采用5 dBi增益棒状天线，天线中心高度为1.0 m。网络采用无线信道时分复用（TDMA）方式为各节点分配固定的无线信道使用时段，避免节点之间相互干扰，节点采用最短路径主动向汇聚节点发送包含自身ID的数据包，发包频率1 Hz。笔记本电脑通过串口连接汇聚节点，接收各节点发送的数据包信息。3种田间部署方案分别进行全网、节点1～3失效、节点5～7失效、节点9～11失效试验，全网和节点失效试验时间分别设置为60和45 min，各个节点分配固定时段5 min，重复试验5次得出各节点耗能平均值，并计算出仿蛛网部署丢包率、延迟、跳数等网络性能指标的平均值。

3.3 试验结果分析

由表4可知，3种田间部署条件下，全网部署时节点均沿径向以多跳或单跳的形式进行数据传输，3种部署方案中节点耗能基本相同。节点1～3失效时，3种部署方案最外层节点耗能与全网时基本保持一致，仿蛛网部署因节点4、节点8承担较多的数据收发任务，耗能相比全网增加了约14个百分点，非交叠分簇部署和栅格部署中节点5、6、7需增大发射功率以直接与汇聚节点通信，此时耗能相较全网增加了约38个百分点。节点5、6、7失效时，仿蛛网部署中节点4、节点8需要承担更多的收发任务，耗能相较全网显著升高，非交叠分簇部署和栅格部署中9、10、11节点耗能相较全网增加了约40个百分点。最外层节点9、10、11失效时，对内层节点能量损耗影响较小，剩余节点耗能与全网基本保持一致。试验结果表明，全网部署时3种网络部署节点能耗差异较小；当网络遭受不同程度损坏时，仿蛛网部署仍可通过备用链路进行同层数据传输，继而将数据沿径向链路发送，仅有少数节点耗能有所增加，且耗能增加速度缓慢，非交叠分簇部署和栅格部署则需要提高部分节点的发射功率以增大传输距离，实现数据有效传输，致使多数节点能耗显著增加，表明仿蛛网部署具有更优的网络抗毁与节能性能。

从表5中可知，仿蛛网部署条件下，全网时节点距离汇聚节点越远，丢包率愈大，随着跳数的增多，延迟逐渐增大；1、2、3节点失效时，第2、3层节点丢包率约是全网的2.5和3.5倍，延迟时间分别增加了约150%和120%；5、6、7节点失效时，第3层节点丢包率约是全网的1.8倍，延迟时间增加了约120%，9、10、11节点失效时，内层节点丢包率和延迟基本与全网保持一致。田间试验结果表明，失效节点造成外层相邻节点的丢包率约是全网的1.8～3.5倍、延迟时间增加1.2～1.5倍、跳数在全网的基础上增加1～2跳，内层节点几乎未受到影响。对比可知，该结果与仿真分析中节点、弦链、辐链失效时，内层的节点平均路径数与全网保持一致，失效位置外层的节点平均路径数显著下降，具有高度的一致性，表明人工蛛网模型抗毁性量化研究可为农田无线传感器网络部署提供新的理论依据。

表4 不同部署方案下各节点耗能

表5 仿蛛网部署网络性能指标对比

4 结 论

为提高农田无线传感器网络的抗毁性，本文针对人工蛛网模型提出基于节点平均路径数和节点、链路平均使用次数的抗毁性量化指标，试验表明所提指标合理有效，相较于其他传统指标表现较为优越，能够用于改善农田无线传感器网络的生存能力，主要表现为以下几点：

1）本文所提指标可以有效量化网络模型中不同组件失效时对网络抗毁性能的影响，获得不同组件失效影响量化分布规律，能够精细刻画层间节点、链路存在的耦合关系和级联扩散特征。

2）通过指标评价体系分析得出全网任意组件重要度，组件重要性排布具有内层>外层、同层节点>同层弦链>同层辐链的规律，可为仿蛛网农田无线传感器网络的构建提供理论基础。

3）田间试验表明，节点失效会导致相邻外层节点丢包率、延迟时间、跳数增加，与理论仿真结果相近似，相较于其他田间网络部署方案，仿蛛网部署在节约能耗和数据可靠传输方面具有更大优势，本文开展的仿蛛网农田无线传感器网络抗毁性量化研究，可为农田无线传感器网络部署、组网提供高抗毁性的解决方案。

[1] 雷刚，王卫星，孙宝霞，等. 大面积水稻田无线传感器网络组网设计与优化[J]. 农业工程学报，2014，30(11)：180－187.

Lei Gang, Wang Weixing, Sun Baoxia, et al. Design and optimization of wireless sensor networking in big paddy field[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE) , 2014, 30(11): 180－187.(in Chinese with English abstract)

[2] 江冰，毛天，唐大卫，等. 基于农田无线传感网络的分簇路由算法[J]. 农业工程学报，2017，33(16)：182－187.

Jiang Bing, Mao Tian, Tang Dawei, et al. Clustering routing algorithm based on farmland wireless sensor network[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(16): 182－187. (in Chinese with English abstract)

[3] 张波，罗锡文，兰玉彬，等. 基于无线传感器网络的无人机农田信息监测系统[J]. 农业工程学报，2015，31(17)：176－182.

Zhang Bo, Luo Xiwen, Lan Yubin, et al. Agricultural environment monitor system based on UAV and wireless sensor networks[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(17): 176－182. (in Chinese with English abstract)

[4] 杜克明，褚金翔，孙忠富，等. Web GIS在农业环境物联网监测系统中的设计与实现[J]. 农业工程学报，2016，32(4)：171－178.

Du Keming, Zhu Jinxiang, Sun Zhongfu, et al. Design and implementation of monitoring system for agricultural environment based on Web GIS with Internet of Things[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(4): 171－178. (in Chinese with English abstract)

[5] 刘卉，孟志军，徐敏，等. 基于规则网格的农田环境监测传感器节点部署方法[J]. 农业工程学报，2011，27(8)：265—270.

Liu Hui, Meng Zhijun, Xu Min, et al. Sensor nodes deployment based on regular patterns in farmland environmental monitoring[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2011, 27(8): 265－270. (in Chinese with English abstract)

[6] 孙玉文，沈明霞，周良，等. 农田无线传感器网络的节点部署仿真与实现[J]. 农业工程学报，2010，26(8)：211－215.

Sun Yuwen, Shen Mingxia, Zhou Liang, et al. Simulation and realization of farmland wireless sensor networks nodes deployment[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2010, 26(8): 211－215. (in Chinese with English abstract)

[7] Qin Z, Compton B G, Lewis J A, et al. Structural optimization of 3D-printed synthetic spider webs for high strength[J]. Nature Communications, 2015, 6: 7038.

[8] Yu H, Yang J L, Sun Y X. Energy absorption of spider orb webs during prey capture: A mechanical analysis[J]. Journal of Biomimetic Engineering, 2015, 12(3): 453－463.

[9] 刘晓胜，林建伟，徐殿国. 基于标签交换的蜘蛛网路由策略及其性能分析[C]//第五届中国高校电力电子与电力传动学术年会，2011：1－5.

Liu Xiaosheng, Lin Jianwei, Xu Dianguo. Spider webs routing strategies based on the label switching[C]// The 5th China University Power Electronics and Electric Drive Academic Annual Conference, 2011: 1－5. (in Chinese with English abstract)

[10] Mocanu B, Pop F, Mocanu A M, et al. Spider: A bio-inspired structured peer-to-Peer overlay for data dissemination[C]// 2015 10th International Conference on P2P, 2015: 291－295.

[11] Lanzara G, Salowitz N, Guo Z, et al. A spider-web-like highly expandable sensor network for multifunctional materials[J]. Advanced Materials, 2010, 22(41): 4643－4648.

[12] Canovas A, Lloret J, Macias E, et al. Web spider defense technique in wireless sensor networks[J]. International Journal of Distributed Sensor Networks, 2014, 2014(1/2): 1－7.

[13] Ramón Z, Soler A, Teus J. Uncovering changes in spider orb-web topology owing to aerodynamic effects[J]. Journal of the Royal Society Interface, 2014, 11(98): 1－10.

[14] Das R, Kumar A, Patel A, et al. Biomechanical characterization of spider webs[J]. Journal of the Mechanical Behavior of Biomedical Materials, 2017, 67: 101－109.

[15] Chen J, Sun L. Evaluation of node importance in complex networks[J]. Journal of Southwest Jiaotong University, 2009, 44(3): 426－429.

[16] Mao G Y, Zhang N. A multilevel simplification algorithm for computing the average shortest-path length of scale-free complex network[J]. Journal of Applied Mathematics, 2014, 2014(4): 1－6.

[17] Shargel B, Sayama H, Epstein I R, et al. Optimization of robustness and connectivity in complex networks[J]. Physical Review Letters, 2003, 90(6): 068701.

[18] Kremenova I, Gajdos M. Decentralized networks: The future internet[J]. Mobile Networks and Applications, 2019,2: 1－8.

[19] Runlao R Y, Wang S Y, Bai J D, et al. Node importance measurement based on neighborhood similarity in complex network[J]. Acta Physica Sinica, 2017, 66(3): 038902.

[20] 陈勇，胡爱群，蔡天佑，等. 通信网中链路重要性的评价方法[J]. 电子学报，2003，31(4)：573－575.

Chen Yong, Hu Aiqun, Cai Tianyou, et al. Evaluation method for link importance in communication networks[J]. Acta Electronica Sinica, 2003, 31(4): 573－575. (in Chinese with English abstract)

[21] 陈勇，胡爱群，胡啸. 通信网中节点重要性的评价方法[J]. 通信学报，2004，25(8)：129－134.

Chen Yong, Hu Aiqun, Hu Xiao, Evaluation method for node importance in communication networks[J]. Journal on Communications, 2004, 25(8): 129－134. (in Chinese with English abstract)

[22] Hilton F, Japyassú, Caires R A. Hunting tactics in a cobweb spider (Araneae- Theridiidae) and the evolution of behavioral plasticity[J]. Journal of Insect Behavior, 2008, 21(4): 258－284.

[23] Opell B D, Bond J E. Capture thread extensibility of orb-weaving spiders: Testing punctuated and associative explanations of character evolution[J]. Biological Journal of the Linnean Society, 2000, 70(1): 107－120.

[24] Freeman L C, Borgatti S P, White D R. Centrality in valued graphs: A measure of betweenness based on network flow[J]. Social Networks, 1991, 13(2): 141－154.

[25] Zhu T, Zhang S P, Guo R X, et al. Improved evaluation method for node importance based on node contraction in weighted complex networks[J]. Systems Engineering and Electronics, 2009, 31(8): 1902－1905.

[26] Guo L, Harfoush K, Xu H. Distribution of the node degree in MANETs[C]// Fourth International Conference on Next Generation Mobile Applications, 2010: 162－167.

[27] 王亮，刘艳，顾雪平，等. 综合考虑节点重要度和线路介数的网络重构[J]. 电力系统自动化，2010，34(12)：29－33.

Wang Liang, Liu Yan, Gu Xueping, et al. Skeleton-network reconfiguration based on node importance and line betweenness[J]. Automation of Electric Power Systems, 2010, 34(12): 29－33. (in Chinese with English abstract)

Construction of quantitative indicator system of invulnerability for bionic spider-web farmland wireless sensor network

Wang Jun1,2, Du Zhuangzhuang1, He Zhitao1, Ji Jiangtao1,2, Wang Jiajia1

(1.,,471003,;2,471003,)

Combining the unique advantages of spider web with communication technology of wireless sensor network, presents high research value and broad development prospects. Nevertheless, the traditional quantitative index of invulnerability can not accurately describe the coupling relationship and overall function of failed network components, which leads to the difficulty in effectively inheriting the invulnerability mechanism of the artificial spider web model. In this paper, a sort of quantitative index system of invulnerability was proposed based on average number of node paths and average usage number of nodes and links, as the indicators for evaluating the impact degree and weight assignment of failed network components. In order to investigate effectiveness and availability of the index system, 3 independent artificial spider web models were involved in simulation analysis. The simulation experiment showed that the average number of node paths, the average usage number of nodes, chord chains and spoke chains were in consistent with the approximate regulations for different scale artificial spider-web models. Among them, in the case of the failure of nodes, chord chains and spoke chains, the attenuation of average number of node paths had unidirectional diffusion, namely the failure only affected the outer layers of failure location. Meanwhile, the attenuation of average usage number of nodes, chord chains and spoke chains had bidirectional diffusivity, and the failure affected both inside and outside of the layer where it was located. It showed that there were obvious cross-coupling relations and inter-layer coupling correlation between nodes and links. At the same time, the failure of local components would affect the whole network, and the effect of the same layer and the adjacent layer was more significant, indicating that the failure process of artificial spider-web model had obvious cascade diffusion characteristics. Moreover, the number of node paths of any node was exponentially positively correlated with the scale of the model and the number of layers in which it was located. As the layer number increasing, the average usage times of nodes, chord chains and spoke chains gradually decreased, the inner layers decreased slightly, and the outer layers had significant downward trend. In conclusion, the index system could effectively quantify the invulnerability of artificial spider web model, and evaluate the weight proportion of each network component, and the nodes, chord and spoke chains account for 50%, 39.44% and 10.56% respectively. The weight ratio of the first layer node, chord chain and spoke chain reached 33.28%, and the outermost layer only accounted for 6.72%. It manifested that the importance of nodes and chord chains was much higher than that of spoke chains, and the components closer to the network center had had higher value. Compared with the traditional index, the index system proposed in this paper had unique advantages. Field experiment adopted 3 network deployment schemes consisting of one sink node and 12 common nodes respectively. Node energy consumption, packet loss rate, delay and hops were applied as the indicators. The results showed that spider web deployment had better invulnerability than non-overlapping clustering deployment and grid deployment. In addition, the failure of nodes would cause the increase of packet loss rate, delay time and hops of adjacent outer nodes, which was similar to the theoretical simulation results. Quantitative analysis of the invulnerability of artificial spider web model can provide useful guidance for optimizing the deployment of farmland wireless sensor network and achieving reliable applications.

bionic; models; sensors; farmland wireless sensor network; artificial spider web; invulnerability; quantitative index

2019-05-22

2019-06-15

国家自然科学基金（61771184）；河南省高等学校青年骨干教师培训计划2016GGJS-063

王 俊，副教授，博士，主要从事精细农业系统集成研究。Email：wj@haust.edu.cn

姬江涛，教授，博士，主要从事智能农业装备技术研究。Email：jjt0907@163.com

10.11975/j.issn.1002-6819.2019.14.022

S24

A

1002-6819(2019)-14-0174-09

王 俊，杜壮壮，贺智涛，姬江涛，王甲甲. 仿蛛网农田无线传感器网络抗毁性量化指标体系构建[J]. 农业工程学报，2019，35(14)：174－182. doi：10.11975/j.issn.1002-6819.2019.14.022 http://www.tcsae.org

Wang Jun, Du Zhuangzhuang, He Zhitao, Ji Jiangtao, Wang Jiajia. Construction of quantitative indicator system of invulnerability for bionic spider-web farmland wireless sensor network[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(14): 174－182. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2019.14.022 http://www.tcsae.org