一种基于改进粒子群算法的原烟托盘无线传感器布局优化方法技术

本发明专利技术公开了一种基于改进粒子群算法的原烟托盘无线传感器布局优化方法，属于烟草养护领域，所述的布局优化方法根据烟草物流中心提供的某一时间段内的温湿度信息，及其监测覆盖率等构建多目标传感器布局优化模型，以降低传感器布置成本，增大温、湿度信的息监测覆盖率，通过基于自适应策略改进的粒子群优化算法求解，确定传感器的布置位置，实现低成本高覆盖率的无线传感器布局优化。本发明专利技术提供的传感器优化方法，考虑了温湿度对烟垛内部霉变的影响，建立的模型能够最大化的覆盖监测区域，有效减少布置传感器的成本，在烟草企业的烟叶养护环节中对霉变信息的管控方面具有较高的应用价值。用价值。用价值。

【技术实现步骤摘要】
一种基于改进粒子群算法的原烟托盘无线传感器布局优化方法


本专利技术涉及传感器布局的领域，涉及一种基于改进粒子群算法的原烟托盘无线传感器布局优化方法。

技术介绍

传感器布局规划是原烟货场对烟草信息监测的重要环节，由于原烟烟叶在养护过程中需要对烟垛内部的温湿度变化进行严格监控，以避免烟垛内部发生霉变等情况以造成烟叶在养护过程中无法达到最好的醇化工艺。目前大多数的研究没有结合实际的应用背景，这对模型及算法的实际应用造成了较大困难。现阶段对大多数研究主要集中在WSN模型和算法的研究上，而在烟叶霉变信息监测等方面的传感器布局优化的研究近乎缺失。在传感器布局规划的研究中，考虑模型约束时不够具体完善。

技术实现思路

本专利技术针对现阶段原烟烟叶养护过程中对温/湿度信息的监测不够全面，设备投入成本高等问题，本专利技术提供一种改进的粒子群算法对无线传感器布局的优化方法。为了实现上述目的，本专利技术采用以下技术复方案实现的：所述的方法啊包括以下步骤：步骤1.建立无线传感器模型；步骤2.利用改进的粒子群算法对模型求解；步骤3.优化传感器在原烟烟垛中的位置，通过LSTM算法对温度信息进行预测，对传感器布局方案进行二次优化。优选地，所述的步骤1.建立无线传感器模型具体方式如下：优选地，所述的步骤1.建立无线传感器模型具体方式如下：其中R为无线传感器的感知半径，为两次监测间隔的时长，α为烟叶的热扩散率，λ为烟叶的导热系数，C
V
为容积比热且C
V
＝ρ
·
C
P
>。任意传感器位置与任意烟垛栅格点的位置采用欧式距离表示为：其中为原烟烟垛内部空间栅格点的集合，为任意栅
格点在原烟烟垛空间中的位置，是原烟烟垛内无线传感器的集合，是任意传感器在原烟烟垛空间中的位置。定义原烟烟垛内部每个栅格点的覆盖率权重，即：定义原烟烟垛内部每个栅格点的覆盖率权重，即：其中C0、C1、C2为系数，T为储藏温度/℃，ln(u
i
)为第i个栅格点受该点温度影响下的比生长速率。定义传感器在原烟烟垛中对栅格点的覆盖权重，即：定义传感器在原烟烟垛中对栅格点的覆盖权重，即：其中为传感器j在原烟烟垛中对栅格点的覆盖权重，为0
‑
1变量，当原烟烟垛中任意栅格位置点到传感器j的距离小于传感器的感知半径时否则无线传感器对原烟烟垛的总覆盖率为：优选地，所述的步骤2详细如下；引入差分交叉策略，生成变异种群的方法为：其中F表示差分系数，r3,r4为介于1到NP之间的随机整数。在得到变异种群后，与原始种群进行交叉操作得到交叉种群：优选地，所述的步骤3：引入觅食选择策略方法。在位置更新之前，将原种群的结构和信息完全复制得到一个新的种群，新的种群将会代替原种群进行差分与交叉，原种群仍然执行传统粒子群算法的更新策略。在位置更新完毕后，新种群会与原种群合并，组成一个种群规模为2NP的选择种群，通过对适应度值进行排序，通过贪婪策略选出较优的NP个个体，进入下一次迭代。优选地，对所述的步骤2进行求解，[0029]改进的粒子群算法中，引入了差分交叉策略和觅食选择策略，算法步骤如下：步骤2.1：初始化参数，通过随机的方式产生初始种群步骤2.2：计算种群中个体的适应度函数值，更新个体极值与全局极值，并保存相应的极值点步骤2.3：复制种群的结构与信息，得到新种群，新种群代替原种群进行差分交叉操作；
步骤2.4：对原种群中每个个体更新其速度，并对违反边界条件的速度进行重新赋值；步骤2.5：对原种群中每个个体更新其位置，并对违反边界条件的位置进行重新赋值；步骤2.6：对新种群中的每个个体执行差分交叉策略，生成交叉种群。步骤2.7：合并更新后的交叉种群与原种群，对适应度值进行排序，选出较优的个体进入下一次迭代；步骤2.8：达到最大迭代次数则退出循环，否则返回步骤2.2引入差分交叉策略，生成变异种群的方法为：其中F表示差分系数，r3,r4为介于1到NP之间的随机整数在得到变异种群后，与原始种群进行交叉操作得到交叉种群：本专利技术有益效果：本专利技术提供的传感器布局优化方法，设计建立综合考虑原烟烟垛内部每个栅格点的覆盖率权重、传感器的感知半径等条件的无线传感器布局优化模型，使用改进的粒子群算法在求解最优适应度函数值时具有更好的求解能力，且在收敛速率上取得一定的提升。本专利技术的目的是解决当前传感器布置成本过高、烟叶霉变信息监测缺乏等问题。实现覆盖率最大的布局优化，并且对烟垛内部的温湿度变化进行严格监控。
附图说明
[0049]图1为本专利技术优化算法流程图
[0050]图2为单次运行目标函数迭代图
[0051]图3为15次运行目标函数平均值迭代图
[0052]图4为两个算法的位置优化对比图
[0053]图5为温度预测结果
[0054]图6为二次优化后的两个算法传感器优化位置对比图
具体实施方式：
为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述。一种改进的粒子群算法对无线传感器布局的优化方法：包括以下步骤：步骤一：以烟草物流中心烟叶养护为背景，建立无线传感器模型，如下：
其中R为无线传感器的感知半径，为两次监测间隔的时长，α为烟叶的热扩散率，λ为烟叶的导热系数，C
V
为容积比热且C
V
＝ρ
·
C
P
。任意传感器位置与任意烟垛栅格点的位置采用欧式距离表示为：其中为原烟烟垛内部空间栅格点的集合，为任意栅格点在原烟烟垛空间中的位置，是原烟烟垛内无线传感器的集合，是任意传感器在原烟烟垛空间中的位置。定义原烟烟垛内部每个栅格点的覆盖率权重，即：定义原烟烟垛内部每个栅格点的覆盖率权重，即：其中C0、C1、C2为系数，T为储藏温度/℃，ln(u
i
)为第i个栅格点受该点温度影响下的比生长速率。定义传感器在原烟烟垛中对栅格点的覆盖权重，即：定义传感器在原烟烟垛中对栅格点的覆盖权重，即：其中为传感器j在原烟烟垛中对栅格点的覆盖权重，为0
‑
1变量，当原烟烟垛中任意栅格位置点到传感器j的距离小于传感器的感知半径时否则无线传感器对原烟烟垛的总覆盖率为：使用较少数量的无线传感器来监测尽可能多的烟垛温湿度信息，优化目标为：无线传感器的布置数量不能超过每个原烟烟垛的最大布设上限：其中为企业给定的原烟烟垛能布置的最大数量上限无线传感器从的布置应为于原烟烟垛内部，不能超出原烟烟垛空间外：
其中和分别为无线传感器在烟垛空间内的布设边限；任意两无线传感器在原烟烟垛内部的最小距离限制为：其中为任意无线传感器之间的距离步骤二,利用改进的粒子群算法(如图1)对模型求解改进的粒子群算法中，引入了差分交叉策略和觅食选择策略，算法步骤如下：步骤2.1：初始化参数，通过随机的方式产生初始种群步骤2.2：计算种群中个体的适应度函数值，更新个体极值与全局极值，并保存相应的极值点步骤2.3：复制种群的结构与信息，得到新种群，新种群代替原种群进行差本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进粒子群算法的原烟托盘无线传感器布局优化方法，其特征在于：所述的方法啊包括以下步骤：步骤1.建立无线传感器模型；步骤2.利用改进的粒子群算法对模型求解；步骤3.优化传感器在原烟烟垛中的位置，通过LSTM算法对温度信息进行预测，对传感器布局方案进行二次优化。2.根据权利要求1所述的一种基于改进粒子群算法的原烟托盘无线传感器布局优化方法，其特征在于：所述的步骤1.建立无线传感器模型具体方式如下：法，其特征在于：所述的步骤1.建立无线传感器模型具体方式如下：其中R为无线传感器的感知半径，为两次监测间隔的时长，α为烟叶的热扩散率，λ为烟叶的导热系数，C
V
为容积比热且C
V
＝ρ
·
C
P
。任意传感器位置与任意烟垛栅格点的位置采用欧式距离表示为：其中为原烟烟垛内部空间栅格点的集合，为任意栅格点在原烟烟垛空间中的位置，是原烟烟垛内无线传感器的集合，是任意传感器在原烟烟垛空间中的位置。定义原烟烟垛内部每个栅格点的覆盖率权重，即：定义原烟烟垛内部每个栅格点的覆盖率权重，即：其中C0、C1、C2为系数，T为储藏温度/℃，ln(u
i
)为第i个栅格点受该点温度影响下的比生长速率。定义传感器在原烟烟垛中对栅格点的覆盖权重，即：定义传感器在原烟烟垛中对栅格点的覆盖权重，即：其中为传感器j在原烟烟垛中对栅格点的覆盖权重，为0
‑
1变量，当原烟烟垛中任意栅格位置点到传感器j的距离小于传感器的感知半径时否则无线传感器对原烟烟垛的总覆盖率为：
3.根据权利要求1所述的一种基于改进粒子群算法的原烟托盘无线传感器布局优化方法，其特征在于：所述的步骤2详细如...

【专利技术属性】
技术研发人员：徐跃明，陈斌，周继来，方海英，郭绍坤，杨磊，许仁杰，黄纲临，徐勇，周萍，
申请(专利权)人：红云红河烟草集团有限责任公司，
类型：发明
国别省市：