Алгоритм взаимодействия узлов беспроводной сенсорной сети
Анализ методов получения энергии от окружающей среды и энергоэффективных протоколов для беспроводных сенсорных сетей. Характеристика особенностей имитационного моделирования в среде Matlab. Изучение привычной клиент-серверной модели управления сетью.
| Рубрика | Программирование, компьютеры и кибернетика |
| Вид | дипломная работа |
| Язык | русский |
| Дата добавления | 08.11.2015 |
| Размер файла | 789,8 K |
Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
На рис. 4 изображен алгоритм работы системы в случая отсутствия распределенных вычислений.
Рисунок 4 - Случай наличия распределенных вычислений
5.4 Интерпретация распределенных вычислений
В разделе Критерии [Глава 3. Введение в распределенные вычисления] было дано определение распределенных вычислений и определены критерии распределенных систем, основная черта которых - коммуникация между компонентами системы.
Теперь необходимо определить понятие распределенных вычислений в рамках моделируемой системы. Согласно данному определению, моделируемой системой является совокупность узлов, окружающей среды, сценария поведения узлов, цели, которую необходимо достигнуть моделируемой системе в процессе своей работы. На данный момент, наиболее важна последняя часть предоставленного определения, поскольку целью работы сети является выполнение вычислительной задачи, или распределенного вычисления, таким образом, чтобы достигнуть минимального значения расхода энергии узлами сети.
Задача, которая возникает в сети в режиме реального времени, может быть разбита на нескольких подзадач разных типов, различных по энергозатратам.
Рассмотрим пример. Моделируемой системой является система управления центральным тепловым пунктом на основе беспроводной сенсорной сети. Контроллеры размещаются в точках учёта (пар, холодная вода, горячая вода) и точках управления (входные и выходные задвижки). Целью работы сети или распределенной задачей является определение является ли температура в помещении комфортной, а также определение степени управляющего воздействия в механизмах подачи тепла.
Цель или вычислительную задачу необходимо разбить на подзадачи:
1. Сбор данных с датчиков.
2. Анализ данных, которые были собраны с датчиков путем расчета формулы в соответствии с выбранным методом.
3. Сравнение результата формулы с априорным значением, характерным для помещения.
4. Определение степени управляющего воздействия в точках управления.
5. Коммуникация между узлами.
Помимо вычислений самой задачи, необходимо учесть энергетические затраты на коммуникацию между узлами. Поэтому добавлен пункт 5. Коммуникация между узлами, который отражает затраты на передачу данных от датчиков на шаге подзадачи 1, а также передачи управляющего воздействия на шаге подзадачи 4. Подзадачу 1 распределить невозможно, поскольку данные от датчика хранятся на каждом узле. И слишком затратно осуществлять считывание показаний с датчиков соседним узлом сети. Для этого придется воспользоваться механизмом вызова удаленной процедуры, рассмотренным в разделе Удаленный вызов процедур главы 3. Введение в распределенные вычисления. Удаленный вызов сложен в реализации и нецелесообразно использовать его для такой легкой задачи.
Подзадачи 2, 3, 4 теоретически возможно распределить между узлами, так как неважно каким из узлов они будут выполнены. Следовательно, распределенные вычисления будут подразумевать под собой передачу по сети данных, необходимых для вычисления, формул, которые необходимо рассчитать, априорных значений, с которыми будет производиться сравнение. при наличии данных, собранных датчиками. Каждая подзадача будет отсылаться узлу, у которого достаточно памяти, зарядка аккумулятора и прочих характеристик, чтобы выполнить подзадачу.
Распределенные вычисления в рамках моделируемой сети имеют следующие характеристики:
- одна общая задача для всей сети;
- наличие взаимосвязи между общей задачей и узлами сети;
- возможность разбиение общей задачи на подзадачи;
- приоритезация подзадач;
- различное энергопотребление подзадачами;
- учет энергопотребления на передачу подзадачи;
- динамический определяемый алгоритм поведения узлов.
Существуют подзадачи различных типов, характеризующиеся различными энергозатратами, требованиями к памяти узла сети, степенью необходимости выполнения подзадачи (приоритетом), территориальным местоположением (в случае задачи передачи данных):
- тип 1 «Передача данных «cluster head»;
- тип 2 «Передача от «cluster head» на сервер;
- тип 3 «Затратное вычисление»;
- тип 4 «Стандартное вычисление»;
- тип 5 «Простое вычисление»
Обоснование метода управления узлом сенсорной сети
Метод разрабатывается на основе нейронных сетей, с учетом технологии Заимствования Энергии от окружающей среды, которая, за счет специально встраиваемых модулей для сенсорной сети, позволяет преобразовывать различные типы возобновляемой энергии в электрическую, для подзарядки узлов сети от окружающей среды. Разработанный алгоритм работы сенсорной сети основывается на математическом аппарате раздела теории автоматического управления под названием «Нейронные сети» и дополнен возможностью Заимствования энергии от окружающей среды.
В качестве метода управления поведением узла выбраны нейронные сети. Метод предоставляет следующие преимущества:
- интеллектуальное управление узлом;
- возможность самостоятельного обучения сети;
- выявление неизвестных закономерностей путем обобщения;
- адаптация под различные входные данные;
- быстродействие (распараллеливание обработки информации за счет одновременной проверки всех параметров узла: выбор состояния узла производится после 1 проверки параметров, вместо 5 проверок в случае использования протокола LEACH);
- высокая отказоустойчивость при аппаратной реализации.
В качестве основного метода описания поведения сложных технических объектов традиционно используется шаблон проектирования, называемый конечным автоматом - FSM (Finite state machine). FSM - алгоритм поведения технического объекта, который характеризуется наличием множества состояний, условных переходов между состояниями в зависимости от входных сигналов. То есть переход между состояниями осуществляется, при получении входного сигнала. Глобально, FCM делятся на детерминированные (сколько входных сигналов, столько и переходов) и недетерминированные (на каждый входной сигнал возможен переход в несколько состояний). Существуют, также автоматы Мили, Мура, которые используются, в основном, при проектировании цифровой аппаратуры.
В разрабатываемой модели беспроводной сенсорной сети узел рассматривается, как самостоятельный интеллектуальный объект, который меняет свое состояние в зависимости от изменений параметров самого узла или параметров окружающей среды. На первый взгляд, идеально было бы представить сеть, состоящую из такого типа узлов, в виде конечного автомата. Но для решения поставленной задачи управления переходами межу возможными состояниями узла выбран метод нейронных сетей, то есть другая абстракция описания поведения технического объекта.
Субъективно, метод нейронных сетей полагается более удобным, так как при разработке FCS возможны ошибки, поскольку автоматное проектирование предоставляет разработчику более свободное описание поведения технического объекта, в то время, как решение поставленной задачи с помощью нейронных сетей сводится к задачи классификации произвольного сочетания входных данных в соответствии с набором состояний, аналогичным FCM. Сравнение подходов приведено в таблице 3.
Таблица 3 Сравнение методов FCM и нейронные сети
|
Характеристики |
Метод конечного автомата |
Метод нейронные сети |
|
|
Форма представления начального состояния |
Вершина графа |
Вектор из значений текущих параметров |
|
|
Форма представления алгоритма |
Граф |
Нейронная сеть (абстракция) |
|
|
Суть метода |
Переходы между состояниями осуществляются на основе теории множеств. |
Решение задачи классификации по набору состояний на основе математических формул |
|
|
Наличие набора состояний |
Да, в виде вершин графа |
Да, да в виде значений выходного вектора |
|
|
Наличие переходов между состояниями |
Да, в зависимости от прихода нового сигнала |
Да, в зависимости от изменения начальных значений вектора параметров |
Не смотря на то, что при моделировании поведения узла выбран метод нейронные сети, необходимо рассмотреть оба метода для более точного определения достоинств и недостатков.
В таблице 4 приведены идентификаторы состояний, которые используются в предлагаемом методе.
Таблица 4 Набор возможных состояний узла
|
Состояния |
Идентификатор (для метода нейронных сетей) |
|
|
Receiver |
0 |
|
|
Transmitter |
1 |
|
|
Computer |
2 |
|
|
Scavenger |
3 |
В таблице 5 приведен набор параметров, влияющих на переход между состояниями, которые должны быть учтены при моделировании.
Таблица 5 Набор параметров, влияющих на переход между состояниями
|
Описание вектора параметров |
Имя параметра |
Диапазон значений |
|
|
Уровень заряда аккумулятора |
Energy |
[-5;5] |
|
|
Приоритет выполнения задачи |
Task_Necessary |
{1,2,3} |
|
|
Тип задачи по энергозатратности (стандартное, затратное, простое) |
Task_EnergyNeeds |
{1,2,3} |
|
|
Расстояние до соседнего узла |
Distance_To_Node |
{0,1,2,3,4} |
|
|
Флаг завершения вычислений |
End_Computing |
{0, 1} |
|
|
Флаг завершения передачи |
End_Transmitting |
{0, 1} |
|
|
Флаг появления задачи |
Is_Task |
{0, 1} |
|
|
Флаг появления данных |
Is_Data |
{0, 1} |
Разработка FCM необходима для более качественного описания метода функционирования узла сенсорной сети с помощью нейронных сетей. У обоих методов есть особенности, которые будут рассмотрены в текущем разделе.
В случае использования FCM, переход из одного состояние в другое происходит по приходу конкретного сигнала, например, уменьшению значения параметра Energy, то есть, когда Energy становится меньше порогового значения. В случае нейронных сетей, смена состояний происходит после оценки всего вектора параметров одновременно. То есть, если наряду с уменьшением энергии, пришла новая задача, требующая срочной передачи или вычисления, узел перейдет п состояние Node_Transmitter, Node_computer, а не Node_Scavenger. Для того, чтобы грамотно описать подобную ситуацию с помощью конечного автомата, требуется использовать недетерминированный автомат, разработка которого гораздо более трудоемка, чем использование метода нейронных сетей. В случае использования нейронных сетей, задача сводится к линейной задаче классификации и субъективно является более легким способом решения поставленной задачи. Но этап разработки конечного автомата необходим для более точного понимания разрабатываемого алгоритма функционирования узла сети.
Рисунок 5 - Алгоритм управления узлом сети в форме FCM
5.5 Модель подзарядки узла
Периодом подзарядки считается количество раундов, которое узел находится в состоянии Scavenger и не выполняет других действий соответственно. Подход считается субъективным и выбран для того, чтобы четко разделить энергопотребление узлов в различных состояниях. То есть, наиболее удобно провести моделирование.
В реальности технически возможна подзарядка устройства и одновременное выполнение стандартных функций, но реализация подобного подхода на данный момент, в рамкам проводимого исследования, не произведена. Это является одним из ограничений модели, приведенных в разделе Ограничения разработанной модели. Такой сценарий процесса подзарядки является авторским допущением и выбран для упрощения процесса моделирования.
На данный момент подзарядка происходит в момент, когда сочетание параметров из табл. 4 характерно для состояния Scavenger. За каждый раунд узел повышает значение энергии на величину, равную E0*0.05 в Дж, где E0 - начальное значение энергии узла в Дж, которое различно для узлов сети различных типов. То есть, если изначально узел не обладает большим запасом энергии (имеет скромные технические характеристики), то и заряжаться он будет на меньшее количество Дж за раунд, чем соседние узлы, технические характеристики которых выше.
За каждый раунд узел подзаряжается на фиксированное количество Дж, то есть не происходит зарядка аккумулятора до максимального уровня. Таким образом, если узел сильно разряжен, то ему потребуется несколько раундов для того, чтобы зарядиться. Данный метод подзарядки выбран для того, чтобы приблизить процесс подзарядки к реальности, и одновременно упростить моделирование сенсорной сети.
5.6 Описание модели
Входные данные:
- размеры помещения;
- количество узлов в помещении;
- закон распределения узлов;
- начальный запас энергии узлов;
- константы для расчета формул в соответствии с протоколом;
- параметры передатчика и приемника.
Выходные данные:
- значения энергии, оставшейся на узлах сети;
- количество переданных пакетов;
- количество узлов, энергия которых исчерпана раньше заявленного количества раундов работы.
Функции:
- инициализация входных данных;
- создание, обучение нейронной сети;
- инициализация сенсорной сети;
- анализ параметров узлов;
- выбор состояния для каждого узла сети;
С точки зрения технико-экономических показателей, ожидается снижение энергопотребления за счет использования энергоэффективного алгоритма, поддерживающего Заимствование энергии окружающей среды.
Сравнение производится с протоколом LEACH, дополненным Заимствованием энергии от окружающей среды.
Узлами сети самостоятельно выбирается 1 из 4 состояний: computer, receiver, transmitter, scavenger в зависимости от текущего значения параметров узлов сети. Параметры узлов в зависимости от текущего состояния хранится на узле в виде атрибутов выбранного класса. В зависимости выбранного состояния один из блоков атрибутов активируется, а остальные блокируются. Выбор состояния узла в текущий момент времени производится методом нейронных сетей, в зависимости от параметров узла в текущий момент и параметров задачи, которая требует вычислений. После завершения обучения, сенсорная сеть самостоятельно подберет параметры в соответствии с возможной энергией от окружающей среды и требований задачи в любой момент времени.
Разработана диаграмма классов модели беспроводной сети с поддержкой распределенных вычислений приведена на рис.6.
Рисунок 6 - Диаграмма классов модели беспроводной сети с поддержкой распределенных вычислений
Согласно рис. 6, классом является базовым классом Node. Расширенные классы NodeScavenger, NodeComputer, NodeReceiver, NodeTransmitter вступают в отношение обобщения с базовым классом Node.
Окружающая среда, в которой находится узел, обозначена классами Room и Enviroment и связана с классом Node. Можно сказать, что класс Room включает в себя несколько узлов и, таким образом, вступает в отношение агрегации с классом Node. Класс Enviroment взаимодействует, как с NoseScavenger (в процессе подзарядки), так и с Node (в процессе сбора данных датчиками узла).
Класс Task находится в отношении ассоциации с NodeComputer и классом Package. Класс Task характерен только для состояния NodeComputer, поскольку вычисление задачи недопустимо при нахождении узла в других состояниях, аналогично тому, как описывается процесс подзарядки узла в разделе Модель подзарядки узла главы 5 (узел не может заряжаться, находясь не в состоянии NoseScavenger). Отношение ассоциации с классом Package объясняется тем, что сама задача передается по сети в структуре широковещательного пакета.
Класс Package находится в ассоциирован только с классами NodeReceiver и NodeTransmitter, поскольку, находясь в одном из этих состояний, узел может принимать или передавать пакеты с данными.
Предлагаемый метод для беспроводной сети можно разбить на шаги, представленные на рис. 7.
Рисунок 7 - Шаги разработанного метода для беспроводной сенсорной сети
5.7 Ограничения эксперимента на модели
- не поддерживается подзарядка узла совместно с другими режимами работы;
- учтены не все физические характеристики канала передачи данных;
- используются модельные значения заимствования энергии, которые получает узел;
- экспериментальная модель требует уточнений;
- сравнение с существующим протоколом весьма условно, необходимо стандартизировать проводимые измерения.
5.8 Эксперимент
Входные параметры
Параметры для расчета расхода энергии приведены в таблице 6 и являются не неизменяемыми. Эти параметры используются для расчета расхода энергии в протоколе LEACH, с которым производится сравнение. Расчет расхода энергии происходит по формуле (8), согласно которой текущее значение энергии уменьшается на величину, зависящую от параметра distance. Параметр distance, в свою очередь, изменяется в зависимости от расположения узлов по формуле (8).
Таблица 6 Данные для расчета расхода энергии
|
ETX |
50*0.000000001; |
|
|
ERX |
50*0.000000001 |
|
|
Efs |
10*0.000000000001 |
|
|
Emp |
0.0013*0.000000000001 |
|
|
EDA |
5*0.000000001 |
(8)
(9)
В процессе исследования разработанной модели планируется изменять следующие входные параметры для того, чтобы выявить тенденцию в расходовании энергии сетью:
- плотность узлов;
- количество узлов:
- число раундов работы;
К примеру, расположение и плотность узлов может варьироваться от 9 узлов, представленного на рис. 8 до 40 узлов и плотности их расположения, представленной на рис. 9.
Рисунок 8 - Расположение узлов сенсорной сети для n=9
Рисунок 9 - Расположение узлов сенсорной сети для n=40
Исследовать и проводить сравнение предложенного метода на основе нейронных сетей и существующего протокола LEACH предлагается путем оценки следующих выходных характеристик:
- суммарные значения энергии, оставшейся на узлах сети в зависимости от изменяющихся входных параметров;
- количество узлов, энергия которых исчерпана раньше заявленного количества раундов работы.
Результаты эксперимента
Результаты эксперимента приведены по пунктам:
1. Зависимость остаточной энергии от количества и плотности расположения узлов.
2. Зависимость остаточной энергии от увеличения площади помещения.
3. Зависимость остаточной энергии от количества раундов.
Зависимость энергии от количества узлов
Изменяемым параметром в этом случае является количество узлов моделируемой сети при неизменяемой площади помещения, в котором они находятся. То есть исследуется повышение плотности расположения узлов сенсорной сети. Также, в зависимости от количества узлов, меняется количественное соотношение между узлами различных типов: NodeScavenger, NodeReceiver, NodeTransmitter, NodeComputer, за счет чего изменяются данные потребления энергии.
Исследование закономерностей проводится в соответствии с исходными данными из таблицы 7.
Таблица 7 Данные для исследования зависимости энергии от числа узлов
|
Количество узлов |
9 |
15 |
20 |
25 |
30 |
40 |
45 |
|
|
Размер помещения |
10х20 |
|||||||
|
Число раундов |
50 |
Результаты исследования приведены в таблице 8, которой соответствует график на рис.10.
Метод 1 - разрабатываемый метод с поддержкой распределенных вычислений, метод 2 - метод без поддержки распределенных вычислений на основе протокола LEACH.
Таблица 8 Результаты исследования
|
Число узлов |
9 |
15 |
20 |
25 |
30 |
40 |
45 |
||
|
Метод 1 |
Остаток энергии, Дж |
29,46 |
46,08 |
62,08 |
79,42 |
98,9 |
130,5 |
148,8 |
|
|
«Мертвых» узлов |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
||
|
Метод 2 |
Остаток энергии, Дж |
9,204 |
15,94 |
20,65 |
26 |
30,62 |
41,08 |
46,61 |
|
|
«Мертвых» узлов |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
Исходя из полученных результатов в таблице 9, можно сделать вывод, что с увеличением количества узлов сенсорной сети, которые способны подзаряжаться от окружающей среды, растет количество энергии на узлах сенсорной сети, остающееся после истечения заявленного количества раундов. То есть, с точки зрения энергоэффективности, выгодно повышать плотность расположения узлов сенсорной сети.
Рисунок 10 - График зависимости энергопотребления сети от плотности расположения узлов для Метода 1, Метода 2
Зависимость остаточной энергии от увеличения площади помещения
Изменяемым параметром в этом случае является площадь помещения, где располагаются узлы сенсорной сети. Причем, количество узлов моделируемой сети остается неизменным. То есть исследуется понижение плотности расположения узлов сенсорной сети. Исследование закономерностей проводится в соответствии с исходными данными из таблицы 9.
Таблица 9 Данные для исследования зависимости энергии от площади помещения
|
Количество узлов |
30 |
||||||||
|
Размер помещения, м |
5х5 |
5х10 |
10х10 |
10х20 |
10х30 |
20х20 |
20х30 |
30х40 |
|
|
Площадь, м2 |
25 |
50 |
100 |
200 |
300 |
400 |
600 |
1200 |
|
|
Число раундов |
50 |
Метод 1 - разрабатываемый метод с поддержкой распределенных вычислений, метод 2 - метод без поддержки распределенных вычислений на основе протокола LEACH.
Результаты позволяют сделать вывод о том, что площадь помещения от 50 до 150 м2. Пи дальнейшем увеличении плотность узлов уменьшается и энергопотребление возрастает. Об этом свидетельствует возрастающий график до значения 150 м2 и убывающий после этой границы.
Таким образом, с точки зрения энергоэффективности, для распределения 30 узлов выгодно выбирать размер помещения что площадь помещения от 50 до 150 м2.
Результаты исследования приведены в таблице 10, которой соответствует график на рисунке 11.
Таблица 10 Результаты исследования
|
Площадь, м2 |
25 |
50 |
100 |
200 |
300 |
400 |
||
|
Метод 1 |
Остаток энергии, Дж |
96.61 |
98.14 |
99.64 |
99.16 |
97.5169 |
94.25 |
|
|
«Мертвых» узлов |
0 |
0 |
0 |
0 |
0 |
0 |
||
|
Метод 2 |
Остаток энергии, Дж |
30.6642 |
30.9 |
30.75 |
30.49 |
30.8887 |
30.89 |
|
|
«Мертвых» узлов |
0 |
0 |
0 |
0 |
0 |
0 |
Рисунок 11 - График зависимости энергопотребления сети от площади помещения для Метода 1, Метода 2
Зависимость остаточной энергии от количества раундов. Изменяемым параметром в этом случае является количество раундов моделируемой сети при неизменяемой площади помещения и количестве узлов в сети. То есть, исследуется расход энергии в зависимости от времени ее работы. Логичным будет предположить, что при увеличении раундов, сеть будет расходовать больше энергии. Но необходимо исследовать на сколько сильно влияет на энергопотребление наличие возможности заимствования энергии от окружающей среды, а также сравнить значения остаточной энергии сравниваемых подходов. Метод 1 - разрабатываемый метод с поддержкой распределенных вычислений, метод 2 - метод без поддержки распределенных вычислений на основе протокола LEACH. Исследование закономерностей проводится в соответствии с исходными данными из таблицы 11.
Таблица 11 Данные для исследования зависимости энергии от числа раундов
|
Количество узлов |
30 |
|||||||
|
Размер помещения, м |
10х20 |
|||||||
|
Число раундов |
15 |
25 |
50 |
100 |
200 |
300 |
400 |
Результаты позволяют сделать вывод о том, что с увеличением количества раундов работы сенсорной сети и наличии заимствования энергии, энергопотребление падает, а при достижении 400-500 раундов начинает повышаться. Об этом свидетельствует возрастающий график остаточной энергии на узлах сети от количества раундов работы. То, есть полученный результат не совпадает с ожидаемым.
Интересно заметить, что после достижения количества раундов значения 100, рост выигрыша в энергопотреблении замедляется.
Таким образом, с точки зрения энергоэффективности, выгодно повышать количество раундов примерно до значения 350.
Полученные результаты приведены в таблице 12 и на рис. 12, 13.
Таблица 12 Результаты исследования
|
Количество раундов |
15 |
25 |
50 |
100 |
200 |
300 |
400 |
||
|
Метод 1 |
Остаток энергии, Дж |
64,94 |
75,25 |
95,96 |
116,27 |
121,07 |
122,58 |
121,92 |
|
|
«Мертвых» узлов |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
||
|
Метод 2 |
Остаток энергии, Дж |
20,06 |
22,75 |
30,84 |
56,72 |
190,65 |
649,48 |
2196 |
|
|
«Мертвых» узлов |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
Рисунок 12 - График зависимости энергопотребления сети от количества раундов для Метода 1
Рисунок 13 - График зависимости энергопотребления сети от количества раундов для Метода 1, Метода 2
Применение беспроводных сенсорных сетей широко распространено в современном мире и предоставляет существенные преимущества, среди которых: оперативность и простота развертывания и обслуживания сети, надежность и отказоустойчивость, легкая масштабируемость, стойкость к электромагнитным помехам, длительное время автономной работы, возможность зарядки аккумулятора от окружающей средыВ выпускной квалификационной работе исследуется возможность организации вычислений непосредственно на самих узлах передачи данных, для того чтобы отойти от клиент-серверной модели в пользу децентрализованной модели сети, поддерживающей распределенные вычисления. Таким образом, разрабатываемая модель сети содержит узлы передачи данных, которые взаимодействуют преимущественно между собой, а не с сервером, и отправляют данные без участия координатора.
Исследования в области БСС ведутся, в основном, с целью разработать наиболее энергоэффективные протоколы маршрутизации, которые стремятся решить проблему неравномерного потребления энергии узлами сети. Во всех энергоэффективных протоколах используется динамическая реконфигурация топологии сети. В предложенном методе также использована динамическая реконфигурация, так как состояние, в котором находится каждый узел сенсорной сети изменяется с течением времени, и это изменение влияет на состояние сети.
В работе исследуется проблема актуальности выполнения распределенных вычислений в беспроводной сенсорной сети. Реализованная модель с поддержкой распределенных вычислений, в рамках эксперимента, имеет ограничения, которые касаются физической составляющей передачи данных. Подробно ограничения описаны в разделе 5.7 Ограничения эксперимента на модели [Глава 5]. В связи с этим необходимо уделить дополнительное внимание доработки модели беспроводной сенсорной сети распределенных вычислений.
Заключение
Разработана модель БСС и метод для модели, которые содержат следующие наиболее важные аспекты:
- все узлы равноправны;
- узлы могут подзаряжаться от окружающей среды;
- вычисления производятся непосредственно на самих узла;
- метод распределения нагрузки между узлами выбирается с помощью математического аппарата ТАУ;
Объектом исследования является алгоритм взаимодействия узлов беспроводной сенсорной сети.
Предметом исследования является возможность организации энергоэффективных распределенных вычислений, а также актуальность их применения именно в сенсорной сети.
Теоретическая значимость работы заключается в разработке основ имитационного моделирования динамического распределения вычислительной нагрузки на узлы сенсорных сетей, способных подзаряжаться от окружающей среды, которые включают:
1. Вывод о том, что текущие энергоэффективные протоколы для сенсорных сетей не учитывают подзарядку узлов сенсорной сети от окружающей среды.
2. Новое определение распределенных вычислений в рамках беспроводной сенсорной сети, которое позволяет исследовать сенсорную сеть с точки зрения энергопотребления в случае наличия возможности подзарядки узлов от окружающей среды.
3. Модель беспроводной сенсорной сети, позволяющая оценивать потребление энергии узлами сенсорной сети, в зависимости от изменяющихся характеристик сети.
4. Метод распределения вычислительной нагрузки на узлы сенсорной сети, позволяющий решить задачу распределения нагрузки с помощью нейронных сетей, как одного из методов машинного обучения.
Научная новизна работы заключается в следующем:
1. Дано определение распределенных вычислений в беспроводной сенсорной сети, позволяющее выполнять вычисления непосредственно узлами сенсорной сети.
2. Разработана модель беспроводной сенсорной сети в форме конечного автомата, которая, во-первых, учитывает основные параметры беспроводной сенсорной сети, во-вторых, позволяет подзаряжать узлы от окружающей среды, в-третьих, позволяет динамически распределять вычислительную нагрузку на узлы сенсорной сети.
3. Разработан энергоэффективный метод распределения вычислительной нагрузки на узлы сенсорной сети, для изменяющихся входных данных, позволяющий решить задачу энергоэффективной работы сети, поддерживающей распределенные вычисления и подзарядку от окружающей сети.
Список литературы
1. Инструмент имитационного моделирования AnyLogic: обзор //AnyLogic web site. -- URL: http://www.anylogic.ru/overview (Дата обращения 16.05.2015).
2. Fengchao С. Single sink node placement strategy in wireless sensor networks// Electric Information and Control Engineering - 2011. - р. 1700 - 1703.
3. Tao L. Improvement for LEACH Algorithm in Wireless Sensor Network Industrial Electronics and Applications, the 5th IEEE Conference 2010 p.15-17.
4. Gerhard P. Hancke, C. Leuschner J., SEER: A Simple Energy Ef?cient Routing Protocol for Wireless Sensor Networks// University of Pretoria, Reviewed Article -- SACJ - 2007 - №39.
5. Ahvar E., Pourmoslemi A., Piran Md. J. FEAR A Fuzzy-based Energy-Aware Routing Protocol for Wireless Sensor Networks// International Journal of Communications, Network & System Science - 2011. - №4 - p. 403 - 415.
6. Kiran M., Kamal K., Nitin G. Wireless Sensor Network: A Review on Data Aggregation// International Journal of Scientific & Engineering Research - 2011. - Vol. 2, Issue 4. - p.1-6.
7. Косяков М.С. Распределенные вычисления// НИУ ИТМО С-Петербург 2014 - 155 с.
8. Жердев А.В. Вызов удаленных процедур в сенсорных сетях решетчатой архитектуры: дисс. канд. техн. наук: 2009 / А.В. Жердев, Москва 2009. -- 123 с.
9. Ting D., Haiping H., Yang L., Ruchuan W., Xinxing P. Research on Migration Strategy of Nobile Agent in Wireless Sensor Network//International Journal of Distributed Sensor Networks - 2013. - article ID 642986.
10. Майская В. Альтернативные источники энергии. Освоение "даровой" энергии// Электроника: НТБ -- 2009. -- №8 -- с. 72-21.
11. Silicon Labs Energy Harvesting Applications // Silicon Labs Home page. - URL: www.silabs.com/energy-harvesting (Дата обращения 15.05.2015).
12. Нечай О. Еnergy harvesting: энергия из ничего// Компьютерра электронный журнал. -- URL: http://www.computerra.ru/65628/energy-harvesting-energiya-iz-nichego/ URL: (Дата обращения 10.05.2015).
13. Cherry // Cherry Home page. - URL: http://cherryswitches.com/us/ (Дата обращения 17.05.2015).
14. Wibrate // Wibrate Home Page. - URL: http://wibrate.eu/ (Дата обращения 17.05.2015).
15. ZigBee Green Power User Guide // NXP Semiconductors. - URL: http://www.nxp.com/documents/user_manual/JN-UG-3095.pdf (Дата обращения 05.05.2015).
16. Баскаков С. Беспроводные сенсорные сети на базе платформы Meshlogic// Электронные компоненты -- 2008. -- №8. -- с. 65--69.
17. Paradiso J. A., Starner T. Energy Scavenging for Mobile and Wireless Electronics // PERVASIVE computing - 2005. - p.18-36.
18. Системы диспетчерского управления и сбора данных // SCADA-системы. -- URL: http://www.mka.ru/?p=41524 (Дата обращения 10.05.2015).
19. Boisseau S. Energy harvesting, wireless sensor networks & opportunities for industrial applications // Boisseau S. - URL: http://www.embedded.com/design/smart-energy-design/4237022/Energy-harvesting-wireless-sensor-networks-opportunities-for-industrial-applications (Дата обращения 17.05.2015).
Размещено на Allbest.ru
...Подобные документы
Беспроводная технология передачи информации. Развитие беспроводных локальных сетей. Стандарт безопасности WEP. Процедура WEP-шифрования. Взлом беспроводной сети. Режим скрытого идентификатора сети. Типы и протоколы аутентификации. Взлом беспроводной сети.
реферат [51,8 K], добавлен 17.12.2010Центральные магистрали передачи данных. Улучшение параметров мультисервисной сети за счет использования имитационного моделирования. Сети с трансляцией ячеек и с установлением соединения. Коммутация в сети Ethernet. Многоуровневая модель протоколов.
курсовая работа [2,3 M], добавлен 25.06.2014Основные характеристики и алгоритмы настройки виртуальной локальной вычислительной сети VLAN, протоколов маршрутизации, системы доменных имен и трансляции сетевых адресов с целью разработки корпоративной сети в среде имитационного моделирования.
курсовая работа [556,1 K], добавлен 23.04.2011Сравнительные характеристика протоколов организации беспроводных сетей. Структура и топология сети ZigBee, спецификация стандарта IEEE 802.15.4. Варианты аппаратных решений ZigBee на кристаллах различных производителей и технология программирования.
дипломная работа [3,0 M], добавлен 25.10.2013Использование базы данных статистики последовательного соединения мобильных узлов беспроводной сети с использованием средств программирования Delphi и языка ADO. Оптимизация, отладка и тестирование программы AD-HOC сетей, решение аномалий в узлах сети.
дипломная работа [1,7 M], добавлен 13.06.2012Характеристика стандарта IEEE 802.11. Основные направления применения беспроводных компьютерных сетей. Методы построения современных беспроводных сетей. Базовые зоны обслуживания BSS. Типы и разновидности соединений. Обзор механизмов доступа к среде.
реферат [725,9 K], добавлен 01.12.2011Периоды развития и основные стандарты современных беспроводных сетей. История появления и области применения технологии Bluetooth. Технология и принцип работы технологии беспроводной передачи данных Wi-Fi. WiMAX - стандарт городской беспроводной сети.
презентация [1,9 M], добавлен 22.01.2014Моделирование поведения узлов беспроводной ad hoc сети при равномерном движении на плоскости. Разработка базы данных для хранения полученных графов и организация ее взаимодействия с другими приложениями, осуществляющими создание моделей и их анализ.
дипломная работа [1,9 M], добавлен 22.02.2016Изучение истории развития, назначения, архитектуры и протоколов сетевой беспроводной технологии интернет Wi-Fi. Характеристика системы для быстрого обмена сообщениями и информацией Jabber. Анализ методов работы с ней, взаимодействия клиента и сервера.
реферат [756,0 K], добавлен 27.05.2012Беспроводные сенсорные сети: история и использование, алгоритмы канального уровня. Требования к алгоритмам маршрутизации в беспроводных сенсорных сетях, имитационное моделирование. Исследование надежности передачи данных между узлами в системе Castalia.
магистерская работа [2,1 M], добавлен 11.10.2013Способы организации беспроводных сетей по стандартам IEEE 802.16. WiMAX как телекоммуникационная технология, разработанная с целью предоставления универсальной беспроводной связи на больших расстояниях. Этапы построения полносвязной городской Wi-Fi сети.
курсовая работа [1,6 M], добавлен 31.08.2013Особенности проектирования и анализ современных информационных локальных и глобальных вычислительных сетей. Проведение настройки виртуальной локальной вычислительной сети (VLAN), HTTP и DNS серверов, сетевых протоколов OSPF, RIP, STP, технологий NAT.
курсовая работа [182,1 K], добавлен 16.01.2014Типы беспроводных сетей: PAN (персональные), WLAN (беспроводные локальные), WWAN (беспроводные сети широкого действия). Стандарты беспроводной передачи данных. Соединение Ad-Hoc, инфраструктурное соединение, репитер и мост. Безопасность Wi-Fi сетей.
контрольная работа [2,0 M], добавлен 19.01.2011Разработка технологии защиты информации беспроводных сетей, которая может применяться для повышения защиты компьютера пользователя, корпоративных сетей, малых офисов. Анализ угроз и обеспечения безопасности беспроводной сети. Настройка программы WPA.
дипломная работа [2,9 M], добавлен 19.06.2014Анализ цели проектирования сети. Разработка топологической модели компьютерной сети. Тестирование коммутационного оборудования. Особенности клиентских устройств. Требования к покрытию и скорости передачи данных. Виды угроз безопасности беспроводных сетей.
дипломная работа [3,3 M], добавлен 22.03.2017Характеристика модели клиент-сервер как технологии взаимодействия в информационной сети. Разработка и описание алгоритмов работы приложений на платформе Win32 в среде Microsoft Visual Studio, использующих для межпроцессного взаимодействия сокеты.
курсовая работа [544,6 K], добавлен 02.06.2014Возможности программ моделирования нейронных сетей. Виды нейросетей: персептроны, сети Кохонена, сети радиальных базисных функций. Генетический алгоритм, его применение для оптимизации нейросетей. Система моделирования нейронных сетей Trajan 2.0.
дипломная работа [2,3 M], добавлен 13.10.2015Выбор и обоснование технологий построения локальных вычислительных сетей. Анализ среды передачи данных. Расчет производительности сети, планировка помещений. Выбор программного обеспечения сети. Виды стандартов беспроводного доступа в сеть Интернет.
курсовая работа [5,3 M], добавлен 22.12.2010Развитие технологии беспроводных сетей. Оборудование, применяемое в сетях Wi-Fi. Расчет эффективной изотропной излучаемой мощности и зоны действия сигнала. Защита информации. Сравнительный экономический анализ вариантов организации беспроводной связи.
дипломная работа [3,9 M], добавлен 07.05.2015Теоретические основы моделирования систем в среде имитационного моделирования AnyLogic. Средства описания поведения объектов. Анимация поведения модели, пользовательский интерфейс. Модель системы обработки информации в среде компьютерного моделирования.
курсовая работа [1,5 M], добавлен 15.05.2014
