مشخصات

زبان

بانک اطلاعاتی

فایل ها

توضیحات

فایل های شبیه سازی شده در NS2 ، نمودارها ، خروجی های به دست آمده و فیلم نحوه اجرا و خروجی گرفتن دارد

۲۴۰,۰۰۰ تـــــومان

مطالب مرتبط

جمع آوری داده توسط پهپادها برای اینترنت اشیا با الگوریتم TSP در NS2

جمع آوری داده توسط پهپادها برای اینترنت اشیا با الگوریتم TSP در NS2

جمع آوری داده توسط پهپادها برای اینترنت اشیا در NS2

در این بخش پروژه شبیه سازی جمع آوری داده توسط پهپادها برای پلت فرم های اینترنت اشیا با الگوریتم TSP در نرم افزار NS2 آماده کرده ایم که براساس مقاله Data collection using unmanned aerial vehicles for Internet of Things platforms انجام شده است. در ادامه توضیحاتی از چکیده مقاله و روش کار الگوریتم ارائه شده و فیلم و تصاویر خروجی این پروژه شبکه FANET قرار داده شده است.

جمع آوری داده های IOT

در بسیاری از برنامه های اینترنت اشیا (IOT)، وجود شبکه ای از حسگرها که به صورت بی سیم به یکدیگر متصل هستند، بسیار حیاتی است زیرا تصویر بهتری از محیط های سنجش از راه دور ارائه می دهد. با این حال، جمع آوری داده های شبکه سنتی مقدار زیادی انرژی مصرف می کند، زیرا بسته های داده ای باید بر اساس هاپ به هاپ به ایستگاه پایه هدایت شوند. برای رفع این مشکل، از وسایل نقلیه هوایی بدون سرنشین (UAV) به منظور سفر در محیط حس شده جهت جمع آوری داده استفاده شده است. محدودیت های زمانی و حرکتی پهپادها به این معناست که برای رفع این محدودیت‌ها به کوتاه ترین و هموار ترین مسیرها نیاز دارند. بنابراین، کوتاه ترین مسیر بر اساس مسئله فروشنده دوره گرد (TSP) برنامه ریزی شده و برای هموارسازی مسیر نیز از منحنی بزیه (Bezier curve) جهت تبدیل مسیرهایی که قابل پرواز هستند استفاده شده است. الگوریتم پیشنهادی در مقایسه با راه حل‌ های دیگر، جمع آوری داده های سریع تر را نشان می دهد، در حالی که به نرخ تحویل بسته و مصرف انرژی کمتر دست می یابد.

جمع آوری داده توسط پهپادها برای اینترنت اشیا با الگوریتم TSP در NS2

شکل جمع آوری داده ها توسط پهپادها

الگوریتم BL-TSP پیشنهادی

در این الگوریتم در مرحله اول، پهپاد باید در محدوده انتقال هر دروازه (gateway) برای انجام جمع آوری داده ها بماند. محدوده انتقال به صورت دایره ای در نظر گرفته می شود. محدوده آستانه به عنوان حداقل کیفیت لینک ارتباطی تعریف می شود. در این مقاله یک دایره حداقلی در نظر گرفته می شود. همچنین ما فرض می کنیم که هر دروازه قبلاً داده های خود را دریافت کرده است. همینطور فرض براین است که جمع آوری داده ها در زمان برنامه ریزی شده به پایان می رسد. پس از آن، پهپاد با انجام یک کنترل محلی به مسیر ترتیب داده شده و در جهت گره بعدی حرکت را آغاز می کند. در مرحله بعد، متغیرهای اصلی را طوری تنظیم کردیم که زمان ماموریت برای شبیه سازی مسیر پرواز تعیین شود که این بخش مسیر را در ایستگاه پایه برنامه ریزی می کند. فرض بر این است که پهپاد در هر زیرسطحی با زاویه ای یک سان پرواز می کند. برای کنترل و تعیین فاصله بین دو نقطه، از الگوریتم جستجوی الگو استفاده می شود. همچنین تابع هزینه این تکنیک، مجموع طول مسیرهای فرعی می باشد. تکنیک جستجوی الگو یک روش بهینه سازی و به طور خاص یک روش جستجوی مختصات است که همگرایی نقاط ثابت و نقاط اولیه دلخواه را تضمین می کند. روش جستجوی الگو با ماتریس فاصله اولیه شروع می شود که برای تعیین فواصل بین شهرها در مسئله TSP مورد استفاده قرار می گیرد. ما همچنین نشان می دهیم که الگوریتم BL-TSP نرخ تحویل بسته را بهبود بخشیده و به ما توانایی بهبود مسافت طی شده را هنگامی که مقدار کمی داده در یک گره ورودی وجود دارد، می دهد.

جمع آوری داده توسط پهپادها برای اینترنت اشیا با الگوریتم TSP در NS2

شکل ارتباطات مخفی در شبکه جمع آوری داده توسط پهپاد

زمان بندی جمع آوری داده

از آنجایی که مقدار داده در یک گره دروازه کم است، زمان جمع آوری داده ها نیز در کوتاه ترین مسیر کمتر است. اگر زمان بیشتری برای جمع آوری داده ها نیاز باشد، پهپاد باید دایره ای را در محدوده انتقال سنسور روشن کند تا داده ها را به صورت بی سیم در زمان کافی جمع آوری کند. برعکس، اگر برای جمع آوری داده ها به زمان کمتری نیاز باشد تا در دروازه ای صرف شود، باید طول مسیر را کاهش داد تا زمان سفر نیز کاهش یابد. همچنین کوتاه ترین مسیر را در ناحیه خارج از مناطق مورد نظر کشف می کنیم. سپس الگوریتم بهینه (BL-TSP) در هر سنسور برای ارسال داده ها در طول زمان برنامه ریزی شده اجرا می شود. ورودی های سرعت و ارتفاع به عنوان پارامترهای ثابت در نظر گرفته می شوند. به این ترتیب ما یک طراحی فیلتر کالمن را پیشنهاد می کنیم که در یک شبکه حسگر توزیع می شود که اتصالات آن در معرض خرابی های تصادفی هستند. استفاده از یک طرح کارآمد فیلترینگ داده برای حذف داده های اضافی در سنسورها و همچنین در گره های ورودی به منظور به حداقل رساندن مقدار داده های منتقل شده و صرفه جویی در انرژی گره های سنسور مورد نیاز است. با مزایای فیلتر کالمن در پردازش نویزهای سری داده، مدل ما دقت داده بالا، سربار ارتباطی پایین، و پیچیدگی محاسباتی نسبتا کمتری را نشان می دهد.

جمع آوری داده توسط پهپادها برای اینترنت اشیا با الگوریتم TSP در NS2

شکل ساختار مدل پیشنهادی

استفاده از فیلتر بهره (Filter Gain)

فیلتر بهره (Filter Gain) که خطای کوواریانس را کاهش می دهد با استفاده از نظریه عمومی تخمین حالت محاسبه می شود. در نتیجه، مدل پیشنهادی می تواند طول عمر گره های حسگر را با کاهش افزونگی انتقال داده و حفظ توان در طول جمع آوری مداوم داده ها بهبود بخشد. عملکرد فیلتر کالمن توزیع شده در یک اجماع تکراری بر اساس شبکه حسگر بی سیم (WSN) تحت تأثیر اتصالات غیرقابل اعتماد گره های شبکه مختلف می باشد. از آنجایی که مقدار توافق نهایی یک متغیر تصادفی است، ثابت شده است که فیلتر توزیع شده، به طور کلی کمتر از حد مطلوب است. در نتیجه فیلتر کالمن ویژگی های با داده های گم شده را در الگوریتم برنامه ریزی مسیر ذخیره و ارسال می کند.

 


تصویر 1
تصویر 2
تصویر 3
تصویر 4
تصویر 5
تصویر 6
تصویر 7
تصویر 8
تصویر 9
تصویر 10
تصویر 11
تصویر 12
تصویر 13
تصویر 14
تصویر 15
تصویر 16
تصویر 17
تصویر 18
باکس دانلود
شناسه:
۷۶۴۶
توضیحات:
فایل های شبیه سازی شده در NS2 ، نمودارها ، خروجی های به دست آمده و فیلم نحوه اجرا و خروجی گرفتن دارد
قیمت:
۲۴۰,۰۰۰ تـــــومان
ثبت نظر
ریفریش کنید!
نظرات کاربران (۰ مورد)

هیچ نظری ثبت نشده است