公开(公告)号：CN105933397A

公开(公告)日：2016-09-07

申请号：CN201610238072.9

申请日：2016-04-15

Applicant: 河海大学常州校区

Inventor： 苗红霞 ,  苗雪娇 ,  齐本胜 ,  萧旋旋 ,  韩燕 ,  贾澜 ,  孙宁

IPC: H04L29/08

CPC classification number: H04L67/10 ,  H04L67/12 ,  H04L67/327

Abstract: 本发明公开了一种WSAN中任务分配的改进分布式竞拍Ik‑SAAP算法，包括以下步骤：1）建立执行器协作的任务分配的数学模型；2）初始化网络参数；3）选取决策节点，发起竞拍节点；4）设定跳步数；5）计算竞拍节点的效用值，并回传到决策节点；6）判断决策节点是否满足最佳执行器节点的条件，若不满足，则返回步骤4），若满足，一次任务分配结束；7）被选中的执行器节点执行当前任务;8）将Ik‑SAAP算法执行200次，仿真得到数据包转发个数对比图，剩余能量方差对比图，平均任务完成时间对比图。本方法在保证任务分配率高的前提下，能够减少执行器节点数据包转发的数量，缩短任务完成时间，均衡WSAN网络能耗。

公开(公告)号：CN105933397B

公开(公告)日：2019-04-12

申请号：CN201610238072.9

申请日：2016-04-15

Applicant: 河海大学常州校区

Inventor： 苗红霞 ,  苗雪娇 ,  齐本胜 ,  萧旋旋 ,  韩燕 ,  贾澜 ,  孙宁

IPC: H04L29/08

Abstract: 本发明公开了一种WSAN中任务分配的改进分布式竞拍Ik‑SAAP算法，包括以下步骤：1）建立执行器协作的任务分配的数学模型；2）初始化网络参数；3）选取决策节点，发起竞拍节点；4）设定跳步数；5）计算竞拍节点的效用值，并回传到决策节点；6）判断决策节点是否满足最佳执行器节点的条件，若不满足，则返回步骤4），若满足，一次任务分配结束；7）被选中的执行器节点执行当前任务;8）将Ik‑SAAP算法执行200次，仿真得到数据包转发个数对比图，剩余能量方差对比图，平均任务完成时间对比图。本方法在保证任务分配率高的前提下，能够减少执行器节点数据包转发的数量，缩短任务完成时间，均衡WSAN网络能耗。

公开(公告)号：CN106095555A

公开(公告)日：2016-11-09

申请号：CN201610440742.5

申请日：2016-06-17

Applicant: 河海大学常州校区

Inventor： 齐本胜 ,  苗雪娇 ,  苗红霞 ,  韩燕 ,  萧旋旋 ,  贾澜 ,  孙宁

IPC: G06F9/48 ,  G06N3/00

CPC classification number: Y02D10/24 ,  G06F9/4881 ,  G06N3/006

Abstract: 本发明公开了一种基于蚁群算法的WSAN中执行器任务调度方法，包括以下步骤：1)建立执行器协作任务分配及调度的数学模型；2)采用分布式竞拍算法对任务进行分配；3)初始化蚁群；4)各只蚂蚁按概率选择下一任务；5)各只蚂蚁遍历所有任务，并释放信息素；6)更新信息素；7)若不满足算法终止条件，则返回步骤4)，若满足，则返回任务调度表，即为最佳任务调度表。本方法可实现对WSAN中任务的合理调度，减少执行器节点的移动距离，缩短任务完成时间，减少网络能耗。

公开(公告)号：CN106384153B

公开(公告)日：2019-03-15

申请号：CN201610828651.9

申请日：2016-09-18

Applicant: 河海大学常州校区

Inventor： 齐蔚然 ,  苗红霞 ,  刘娟 ,  苗雪娇 ,  胡刚 ,  江冰

IPC: G06N3/00 ,  G06N3/08

Abstract: 本发明公开了一种基于BA‑BPNN数据融合的WSAN执行器任务分配方法,该方法采用BA优化的BP神经网络建立数据融合模型。具体是采用蝙蝠算法优化BP神经网络的权值和阈值，构建数据融合模型，对传感器节点信息进行数据融合，从而得出执行器节点的任务分配信息。蝙蝠算法是一种元启发式群体智能优化算法，它利用微型蝙蝠在不同发射速度和响度情况下的回声定位方法，从而能够实现精准捕猎、避开障碍的随机搜索算法。BP神经网络是一种在训练过程中能够寻找全局最优值的多层前馈神经网络，可以加速网络收敛速率。该方法通过蝙蝠个体的位置更新来寻找BP神经网络的最优参数，数据融合更加精确，执行器任务分配更合理。

公开(公告)号：CN106384153A

公开(公告)日：2017-02-08

申请号：CN201610828651.9

申请日：2016-09-18

Applicant: 河海大学常州校区

Inventor： 齐蔚然 ,  苗红霞 ,  刘娟 ,  苗雪娇 ,  胡刚 ,  江冰

IPC: G06N3/00 ,  G06N3/08

CPC classification number: G06N3/006 ,  G06N3/084

Abstract: 本发明公开了一种基于BA-BPNN数据融合的WSAN执行器任务分配方法,该方法采用BA优化的BP神经网络建立数据融合模型。具体是采用蝙蝠算法优化BP神经网络的权值和阈值，构建数据融合模型，对传感器节点信息进行数据融合，从而得出执行器节点的任务分配信息。蝙蝠算法是一种元启发式群体智能优化算法，它利用微型蝙蝠在不同发射速度和响度情况下的回声定位方法，从而能够实现精准捕猎、避开障碍的随机搜索算法。BP神经网络是一种在训练过程中能够寻找全局最优值的多层前馈神经网络，可以加速网络收敛速率。该方法通过蝙蝠个体的位置更新来寻找BP神经网络的最优参数，数据融合更加精确，执行器任务分配更合理。

公开(公告)号：CN206020982U

公开(公告)日：2017-03-15

申请号：CN201620867872.2

申请日：2016-08-11

Applicant: 河海大学常州校区

Inventor： 齐蔚然 ,  倪瑞 ,  苗红霞 ,  陈伟旭 ,  苗雪娇 ,  齐本胜 ,  萧旋旋 ,  贾澜

IPC: G05B19/042

Abstract: 本实用新型公开了一种基于WSAN的预装式变电站在线监控装置，其特征在于：包括传感器模块、微处理器模块、无线通信模块、执行器模块和监控中心PC机；所述传感器模块通过引脚与微处理器模块连接；所述微处理器模块包括cc2530微处理器和EB2530底板，所述微处理器模块通过UART与Zigbee无线通信装置相连；所述Zigbee无线通信装置通过与Zigbee协调器节点无线连接至监控中心PC机；所述执行器模块与微处理器模块通过引脚连接。本实用新型可以满足预期的监控及应答需求，并能保证监控系统稳定运行。