基于WSN动态协调节点优化的猪舍环境监控系统研究

韩国鑫，谢秋菊，许译丹，王莉薇

（肇庆学院 计算机科学与软件学院，广东 肇庆 526061）

猪舍环境的实时监测与智能控制已经成为保障生猪健康养殖和生产力的重要环节和技术手段[1].目前，国内猪舍环境监控处于相对落后的状态，多数猪舍还在采用人工监控与调节的养殖方式，不仅消耗大量人力资源，而且在舍内环境控制的准确性、实时性等方面都存在着明显的不足[2].针对猪舍环境采用物联网等现代化手段进行实时监控能够有效地解决这一问题，但由于在猪舍环境监控系统中环境感知节点与控制端之间往往采用有线接入的方式，需要在现场布置大量的电源和信号线路，造成系统整体的建设成本高、维护难度大.

近年来，无线传感器网络（WSN）因其方便安装、易维护等特性，在农业环境监测领域逐渐得到广泛应用.WSN作为一种通过无线通信的方式利用大量的传感器节点组成的分布式多跳自组织网络系统，能够通过组合多源传感器将属于网络覆盖空间内的监测指标进行协同感知、传输和处理，并以无线通信的方式将处理好的信息传输给服务器或客户端[3-4].

WSN多节点的能量消耗一直是制约无线传感网络应用和发展的重要因素.过度的能量消耗极大地降低了WSN节点的使用寿命，各节点能耗低且平均是延长节点使用寿命、保障监测系统高效稳定进行数据采集的基础.WSN选用的通信技术、传输协议、节点间的布局和传输距离都是影响节点能量消耗的关键.目前，在WSN耗能的优化方面，有国内外学者进行了一系列的研究.Ahmed等[5]通过优化不同环境下WSN布局结构降低节点能耗，针对自适应WSN网络的智能预构建进行了研究；Hong等[6]通过优化WSN的整体传输性能，构建了无线信号传输损耗模型；蔡磊等[7]基于树形路由算法平衡了WSN节点的能量消耗；PratyayKuilan 等[8]通过分簇粒子群优化算法均衡了节点的传输能耗；王莹莹等[9]提出一种BUCA非均匀节点分簇算法以缓解数据传输过程中能量消耗不均的情况.上述研究中，针对WSN节点能量均衡消耗展开了相关研究，但是如何进一步降低WSN路由节点的能量消耗还需要进行深入研究.

本文在LEACH节点分簇算法的基础上采用动态的协调节点针对路由节点与协调节点间的通信距离进行实时优化，提出一种基于动态协调节点的低能耗无线传感器网络分簇路由算法LDCN，解决簇头能量消耗过快的问题，提高WSN的传输效率和节点的使用寿命、为猪舍环境实时监控系统感知层节点的优化管理提供可行的参考方案.

1 猪舍环境监控系统的设计

1.1 监控系统结构设计

猪舍环境监控系统结构如图1所示，该系统主要由感知层、环控执行机构、传输层和应用层四个部分组成.

图1 猪舍环境监控系统结构图

感知层主要由多源感知无线传感器构成，包括温度、湿度、氨气、二氧化碳、硫化氢等传感器.环境控制执行机构主要由负压风机、加热器和湿帘构成.传输层主要以协调器和控制器为核心，应用层主要包括服务器和移动客户端。

感知层的各传感器构成WSN的子节点，针对舍内环境数据进行实时监测和采集，节点之间的通讯利用Zigbee无线通信技术实现，各终端子节点将采集的环境数据通过路由节点发送至协调器进行汇聚，现场控制器获取协调器的数据后通过无线路由利用3G/4G或Wifi信号发送给服务器进行分析、计算和存储，同时移动客户端可以利用Socket通信调用服务器数据或发出环境控制决策命令，环控执行机构中采用了HLK-SW04型可无线控制继电器，现场控制器根据服务器反馈的环境控制决策命令利用无线信号对湿帘、风机等舍内环控设施进行合理控制.为了实现协调节点的动态优化，将传输层部署在小型自走机器人上，同时现场控制器与控制各设施启停的继电器进行无线连接.通过自走机器人能够高效实现全覆盖的猪舍内环境监控，进而实现协调节点最优的动态实时变化，降低了各路由节点的能量消耗.

1.2 无线传感网络结构设计

猪舍内Zigbee 无线传感网络由簇状拓扑结构组成，每间栏舍内的节点分别由路由节点和终端节点组成，并通过计算能量消耗将各栏舍内温度、湿度、氨气、二氧化碳、硫化氢等传感器的节点类型进行合理配置，从而稳定高效的监测猪舍内的多源环境因子数据，通过无线传感网络构建的环境智能感知与闭环控制用以共同实现舍内环境的精准监控，无线传感网络结构如图2 所示.本系统的无线传感网络采用簇状网络拓扑模型，并在此基础上针对网络节点传输的路由算法进行了优化.

图2 猪舍环境监控无线传感网络结构

2 基于动态协调节点的WSN分簇路由算法

基于动态协调节点的低能耗WSN 分簇路由算法LDCN（Low-energy-routing-algorithm based on Dynamic Coordination Node）.在整个WSN 中，协调节点（即协调器）能够根据各路由节点的耗能情况沿预设方式和轨迹进行移动，各种短节点采集舍内多源环境因子的数据，并将数据传输给路由节点，当协调器靠近路由节点至最佳距离，路由节点即可将数据传输给动态协调节点.该算法利用分轮控制策略[10]进行节点属性配置，每一轮中包括分簇阶段和数据传输阶段，其中分簇阶段又分为簇头选择阶段和簇形成阶段.

根据WSN能源计算模型针对节点在数据传输和接收时的能量消耗进行计算，在计算模型中，设全部节点的初始能量均为E0，而本研究中监控系统的动态协调节点由小型自走机器人所携带的锂蓄电池进行供电，可以将动态协调节点的能量认定为无限多.当某路由节点发送1字节的信息至距离为d的目标时，其能量消耗的计算方法如公式（1）所示.

在公式（1）中，ETx代表利用无线网络传输1bit信号所需的能量，d0表示传输距离的阈值，其计算方法如公式（2）所示，其中Efs代表功率放大器在自由空间模型内需要消耗的能量，Eamp代表功率放大器在多路径模型下需要消耗的能量.

路由节点接收1字节的能量消耗如公式（3）所示：

因此，节点发送和接收数据的能量总消耗ET的计算方法如公式（4）所示：

2.1 簇头的选择

WSN将某节点选择为簇头（路由节点）取决于以下三个条件：（1）该节点的剩余能量；（2）当前网络内最优的簇头数量所占比例；（3）该节点是否曾作为簇头.

当某节点的能量高于或等于所有节点的平均能量，该节点才能够作为备选对象参与簇头的选择与分配.在针对簇头进行选择时，需要先设定一个阈值T（n），满足能量条件的节点将在[0，1]之间产生一个随机的数值u，将u与T（n）之间进行对比，如果u的值小于阈值T（n），那么该节点在本轮传输的过程中即作为簇头.阈值T（n）的表达式如公式（5）所示.

其中，p表示无线传感网络内簇头数量所占比例，E0表示节点的初始能量，r表示当前进行的轮次，E′表示节点的剩余能量，r′表示该节点不作为簇头的轮数，n∈G则表示在该轮循环前此节点没有被选为簇头.

2.2 簇的分配与形成

普通节点在成为簇头后会向WSN中的终端节点发送指令，各终端节点根据该指令针对需要加入的簇头进行选择并且向自己所需加入的簇头节点发送请求信号，该信号中的信息包括：节点自身的ID、请求加入的簇头节点ID、该节点所剩余的能量.根据以上信息针对WSN中全部节点的能量平均值进行计算，在下一轮进行簇头选择时，只有能量高于或等于该平均能量的节点才能参与簇头节点的选择.

当各路由节点采集到所属终端节点发送的全部数据后，会根据时分多址通信协议构建一张时序表以针对不同节点的通信时间进行分配.时分多址通信协议又称TDMA协议，能够将时间轴划分为若干时元，再将每个时元划分为多个时隙，通过为每个站点分配时隙的类型和数量控制成员节点数据传输的时间和能量消耗.基于时序表，当成员节点所处的时隙无需发送数据时，即关闭无线通讯，以此减少成员节点的能量损失.

2.3 数据的传输

在簇头的选择和分配完成后开始进行数据传输，装有协调器的小型自走机器人根据与蛇方式和轨迹进行移动，形成动态协调节点.每一轮数据传输开始后都要对协调节点的位置进行自动定位并展开网络重组，以确保在每轮数据传输的过程中路由传输能量的高效利用.簇内每终端子节点将环境数据以单跳方式发送给路由节点，路由节点接收数据后根据自身路由表中的数据传输路径以单跳方式将多源环境数据发送给协调节点.

路由节点利用单跳短距离的方式与协调节点进行通信，以避免在多跳通信下路由节点因大量的数据传输导致自身能量的过度消耗.根据公式（1），当传输距离小于d0时，能量消耗与传输距离d的二次方成正比；当传输距离大于d0时，能量消耗将与d的四次方成正比.故将路由节点与协调节点之间的距离定义为d′，当d′＞d0时，路由节点可以直接将数据发送给协调节点；当d′＜d0时，簇头会将数据进行暂时存储，随着装备有协调器的自走机器人位置的动态变化，当路由节点与协调节点之间的距离小于d0时，再进行数据传输.数据传输的整理流程图如图3所示.

图3 数据传输流程图

3 路由算法仿真实验与分析

路由算法的仿真实验通过Network SimulatorV2进行，仿真模型由50个WSN节点组成，将其平均部署于100*10米的双摄线组模型网格区域内，同时将传输的无线信号直径范围设置为20 m，并采用100 bit的数据包针对无线网络进行装载，每一轮仿真运行500 s，间隔10 s进行一次更新.将每个节点的初始能量InE设置为10 J，当节点能量消耗至小于2.0 J即视为其失去工作能力，节点每发送或收取一次数据能量消耗为0.1 J.利用相同的仿真环境，以节点能量消耗对比、WSN整体耗能对比和节点存活数量对比为实验的性能指标，将本文提出的动态协调节点优化算法LDCN与传统的LEACH算法进行对比分析.

3.1 节点能量消耗对比分析

LDCN算法与LEACH算法下各节点的能量消耗率如图4所示，其中节点号为2、7、16、22、35、41和47的节点为路由节点，其余节点为终端节点.根据图4可以看出，基于LDCN算法的WSN通过缩短每轮传输过程中路由节点与协调节点之间的通信距离来降低路由节点的能量消耗，其平均能量消耗率为0.013 852 J/sec，传统LEACH算法的WSN其平均能量消耗率为0.019 274 J/sec.在基于LDCN的无线传感网络中，部署协调器的自走机器人按照预设轨迹进行移动，本轮传输当协调节点与路由节点之间的距离处于合理范围内时，两者之间开始通信.因此，相比于传统的LEACH算法LDCN算法的能量利用率更高.

此外，从图4中还可以看出，在两种算法下终端节点的能量消耗率没有明显的差距，但在LDCN算法下路由节点的能量消耗率大幅度低于传统的LEACH算法.

图4 不同路由算法下各节点的能量消耗率

3.2 WSN整体耗能对比分析

基于LDCN算法的无线传感网络采用多跳的通信方式，且路由节点针对环境数据有可暂时存储的功能，极大程度地降低了数据发送所消耗的功率，从而降低了WSN 内各网络节点的平均耗能，使得WSN在运行一定时间后整体能耗低于传统的LEACH算法.两种算法下WSN整体能量消耗的结果对比如图5所示，由图5可以看出，两种算法的能量消耗在整体上随着时间的推移呈对数曲线增涨，LDCN算法能量消耗曲线的平均斜率小于传统的LEACH算法，证明LDCN算法的整体能耗更低，并且随着WSN工作时间的增加，两者之间能量消耗的差距越大，因此LDCN优化算法在WSN整体耗能方面要优于传统的LEACH算法.

图5 不同路由算法下WSN的整体能量消耗

3.3 存活节点数对比分析

在WSN每轮节点属性分配完成后，被选择的路由节点承担的数据传输任务远多于终端节点，因此普通路由算法下路由节点的能耗相比于终端节点要高很多，增加了路由节点因能耗过高而死亡的风险.LDCN算法通过优化簇头与协调器的传输距离以减少路由节点的能量消耗，极大程度地降低了路由节点死亡的风险.

两种算法下WSN中节点存活数量的对比如图6所示，由图6可以看出，两种算法下节点死亡数量随着时间的推移呈指数曲线下降，节点死亡的原因主要与路由节点因能耗过高而死亡相关，而WSN的每轮传输各节点的属性都会重新分配，因此导致网络节点整体死亡率的增高.根据图6所示，随着WSN工作时间的增加，剩余存活节点数量的差距越大，当WSN 运行14 h 后，LDCN 算法下WSN 节点剩余的数量仍为40 个，而LEACH算法下WSN节点剩余的数量已经低于25 个，因此LDCN优化算法在延缓节点死亡、提高网络节点工作寿命方面明显优于传统的LEACH算法.

图6 不同路由算法下WSN中的存活节点数

3 结论

本文提出了一种基于WSN动态协调节点优化的猪舍环境监控系统，主要针对WSN的路由传输优化算法进行研究，建立了LDCN路由优化算法.LDCN路由优化算法利用动态的协调节点针对各路由节点的数据进行接收和传输从而减少了簇头与协调器之间的传输距离，降低了路由节点和WSN总体的能量消耗.通过仿真实验结果表明，相比于传统路由算法，LDCN路由优化算法极大程度的降低了各路由节点以及无线传感器网络整体的能量消耗，延长了无线传感器网络中各节点的使用寿命，为构建高效、低能耗、低成本的猪舍环境监控系统提供可行的参考.