英语原文共 5 页，剩余内容已隐藏，支付完成后下载完整资料

基于无线传感器网络和移动机器人的室内环境远程监测设计

Joshua D Freeman, Simi S

Amrita Center for Wireless Networks and Applications,

AMRITA Vishwa Vidyapeetham (Amrita University)

Kollam, Kerala, India

joshdfreeman@am.amrita.edu, simi.surendran@gmail.com

摘要：远程环境监测是无线传感器网络技术的重要应用领域之一。其中，按空间分布的传感器采样节点通过网络把监测到的数据传输出去。本设计混合无线传感器网络和多机器人平台实现室内环境变化的实时监测。系统包括一套静态无线传感器节点，一组移动机器人和中央控制器。移动机器人有助于减少采集区域的重复率，极大地提高监测能力。为了有效地为机器人进行导航，系统使用已知的地图环境。多种算法结合而成的导航算法显著地降低了移动机器人在路径规划中可能发生错误的几率。网络中的感应节点将转发一定时间的所有数据给中央控制器进行分析。该中央控制器将根据不同的数据进行划分阈值级别并记录数据。如果系统检测到数据超过阈值，则会提供给系统报警信号，然后系统给用户提供警告信息。

关键词：无线传感器网络；机器人导航；环境监测

1 介绍

无线传感器网络在中远程距离测量领域中最有效的方法之一，而且可以确保测量的精度满足设计要求^[1]。设计中的传感器节点是为了达到监测系统中信息传输和对信息预处理的目的而被制造出来的。这些节点可以是固定节点也可以是移动节点。移动节点有助于预防和减少网络中的信息拥塞的问题和提高监测能力。本设计介绍了混合无线传感器网络的静态节点监测和移动节点监测，使对监测环境中被监测量的测量值的精度和可靠性更高。一组自动导航机器人是移动的无线传感器网络中的节点。这些机器人将会在充满未知障碍的室内移动。它们会探测划定的区域，捕获需要的信息并通过网络发送给远程控制器。

在移动节点的导航中，躲避障碍的路径规划是主要难题之一。路径规划^[2,3]指计算初始位置和目标位置之间的无碰撞路径。正在监测的室内区域包含了一些可能是静态，也可能是动态的障碍或者其它形式的障碍。移动机器人必须不差分毫地避过这些障碍，并能够在这种环境内准确的从起始位置到达指定位置。

自主监测有障碍环境的路径规划算法和无线传感器数据传输是本文的研究重点。

在本设计中，我们介绍了无线传感器的设计网络和移动机器人的路径规划算法无线传感器网络。该路径规划算法使用已知地图的测试环境，移动机器人中嵌入放入传感器的读数和静态无线传感器节点的信号强度来进行移动机器人的导航。结合多个正交技术的路径规划有助于减少位置的计算错误问题。移动机器人彼此之间能够通过无线传感器网络进行沟通。实现无论何时何地，移动机器人在复杂环境中的移动都能动态协调的目的，避免对同一区域的重复采集或发生碰撞。无线传感器网络的中央控制节点负责协调在机器人之间的移动。网络的授权用户可以通过网络向机器人发出命令。通过发出专门的指令，设计者和用户可以命令移动机器人移动到指定的监测区域并进行监测。

本文的组织结构如下：第二节相关研究的简单概括。第三节介绍系统模型。第四节系统中使用的算法。第五节实施该研究后得到的结果和结论。

2 相关研究

通过查阅文献找到许多解决机器人路径问题的算法，根据各个算法的原理可以简单分类，如模糊逻辑^[3]，神经网络^[4]等。Byoung-Tak Zhang^[5]等人提出了优化机器人路径规划的新算法。 它可以应用在无线传感器网络和要求实时性的设计中。给定一个源-目的数据对，路径规划器搜索地图并找到匹配度最佳的路线。 如果找不到最佳路径，计划者使用另一种优化算法来生成在源路径上的源-目的新的数据对。整个系统可以做到实时的自主探索在复杂环境中的路径规划并将其保存在中央控制节点以备以后使用。多机器人路径规划问题可以使用解决集中式或分布式的方法去解决。一方面，在集中式方法^[6]中，为了计算最佳路径，将标准函数和约束条件将同时发送到所有机器人中。另一方面，分布式方法通过自主规划每个机器人的路径减少了设计的复杂性。R. Regele, P. Levi ^[7]探索了一种通过多机器人合作来规划路径的新算法。该算法使用没有任何中央实例的分布式路径规划。 该算法中，路径规划是通过各个机器人之间的通信实现在本地完成对环境的测量时间、空间划分。

Maxim A^[8]等人设计了一种使用传感器网络机器人导航算法。此方法不使用任何地图。他们使用传感器网络节点来查找机器人的路径。路径的判断是基于对最近的节点的功率的计算。O. Hachour ^[9]提出了路径规划的算法便于机器人在未知的环境中找到指定的目标。实验结果是在充满静态未知障碍的网格图形式环境中记录机器人的实际路线并结算得来的。实验证明，机器人会自主寻找一个最佳或可行的路径，以避免其中的障碍物造成的影响，有反应时间短，功耗小和缩小测量实际距离等优点。

3 系统设计

本设计采用无线传感器与静态和移动节点相结合实现对环境的实时监测。一套自我导航的机器人作为系统中的移动节点。每个机器人都嵌入障碍物传感器和环境参数监控传感器。有一个集中的服务器来协调机器人的活动。考虑用于监视的总面积会被分为若干区域。中央控制器会分配每个机器人的操作区域，从而平衡传感器的测量负荷并提供对整个区域的监测。

图1 系统设计

选用Pololu 1060作为移动机器人的操作平台。Crossbow生产的Micaz motes作为测量静态的节点。系统中的感应节点将收集环境参数并发送到无线传感器网络。无线传感器网络中接收节点会用接收的数据与预设的数据接收标准做比较。如果传入的数据超过门槛，将允许该数据通过网络传入控制中心。为了机器人能够快速高效地计算路径，系统使用已知的环境地图，障碍识别传感器和无线传感器节点。机器人利用距离传感器测得的数据来判断障碍物位置的过程优先先于它对环境质量测量的过程。我们使用概率法来降低可能发生错误的几率。假设机器人的距离传感器发送一个测量量X。，我们必须通过X计算这是一个障碍的几率。我们可以假设P（obstacle）=P（Ī obstacle）= 0.5。我们也知道P（x |obstacle）来自传感器的读数范围。在情景应用中，我们知道环境的局部地图是以网格的形式表示的。更新地图和选择机器人的下一步，我们可以应用贝叶斯的可能性。使用贝叶斯公式，我们可以写

我们也可以通过测量陀螺仪的值去了解车轮旋转和方向变化。让机器人移动从（x1，y1，theta;1）到（x2，y2，theta;2），传感器将收集变化在两个轮子的旋转角度和方向的变化（delta;rtheta;w1，delta;rtheta;w2，delta;trans）。这些值计算为：

4 程序设计

在提出的系统中，我们使用两种主要算法，一个用于该区域内的移动节点的导航，另一个用于无线传感器网络的建立和通信。

A 移动节点导航算法

为了系统正常运行，机器人需要从起始点到目的地的最佳路径。需要测量的室内区域被采样到一组单元格中，每个单元都标记有或没有已知的障碍。另外该地区还配有无线传感器节点和正在该无线传感器内移动所有机器人。网络系统中的一些传感器节点作为位置查找器，其主要功能是显示机器人的位置信息。一个传感器节点作为主节点，它的信号要强到足以覆盖整个测量区域。位置寻找者的部署方式应该是覆盖整个区域并做到区域的最小重叠。利用位置查找器节点，整个区域被分为R个不同区域。移动机器人的数量为N。机器人状态可以在程序中以set state = {idle, pathfinding, sensing, advanced- sensing}表示。最初的机器人状态设置为空闲。系统中的每个机器人都被分配一个随机目标，并将其状态更改为路径查找。路径发现功能可能会产生一棵树（左，右，上，下）从当前位置到目标位置。一个比较函数用于估计每个路径的成本。最靠近的目标位置的机器人将分配最高等级。使用反向传播方法，最低排名被分配到远离目标的机器人或附近障碍物最多的机器人。如果从找到了从当前位置到目标位置的路径，路径查找功能将返回一个节点树，即带有等级的路径的具体数据。

找到目标的路径后，机器人的状态是更新到感应。在这个阶段，它将探查各个路径和比较其中的最大值作为首要任务。与此同时机器人中的传感器，感测环境参数并与无线传感器网络通信。机器人会继续此操作直到达到目标或接收来自无线传感器网络或其他机器人的命令。如果在机器人的前方出现任何未在当前计算路径中存在的障碍物，它将返回到节点树的前一个节点，并选择一个替代的最短路径。如果没有这样的路径存在，它可以重新计算路径。

B 基于RSSI的区域定位技术

这是一种将指定测量区域的机器人本地化的替代机制。无线传感器网络中的向导传感器将定期广播其位置信息和身份信息。机器人将能够接收到传感器广播的消息并计算该信息的信号强度。每个机器人都有一个数据库，其中包含向导传感器的位置信息和身份信息。运用三角测量方法，机器人可以通过静态向导传感器的位置三角定位自己的位置。

C 无线传感器网络中的集群设置

为了机器人和无线传感器网络可以做到正常地通信，无线传感器网络中的节点会形成不同群体。根据相邻节点的信号强度，它们形成簇。如图2所示显示网络拓扑。

图2 网络拓扑图

有一个主节点作为这些节点中央控制器。群集设置算法将选择其中一个可用的特殊节点作为簇头。在算法的这个阶段，网络中的节点将交换一组消息。这些消息是邀请消息，回复消息，同意消息，谈判消息和确认。邀请讯息是广播讯息由节点发送以邀请其他节点进行通信范围的确立来创建集群。此消息包含簇头的ID。收到邀请消息的节点将会发送回复信息。这表明节点是可以从该节点访问，并准备加入集群。该消息包括节点ID，邀请数量和邀请节点的ID和相应的信号强度。谈判消息在簇头之间传输，以确定每个集群中集群成员数量和链路节点的数量。限制在集群中节点数最小值和最大值。同意信息由集群头发送，通过确认簇头的ID肯定集群中的成员身份。收到同意消息后，集群成员将发送确认给集群头。

在集群生成的过程中，节点将广播一个邀请消息给所有相邻节点。在该节点通信范围内的所有节点都将接收这条信息。节点可能会收到来自多个簇头的邀请信息。收到邀请的节点将发送给所有邀请节点一个回复消息。如果信号强度任何一个邀请信息都会少一点，会忽略邀请函发送回复。接收到最多回复信息的节点的将被选为集群头。在每个簇中选择至少一个节点作为中间节点，该节点和相邻集群存在一定的信号范围重叠。这些中间节点作为两个簇头通信的中间桥梁。簇头会和簇中的每一个成员进行通信，将整个簇联系起来。通过接受这个同意消息，成员节点将存储簇头的ID并向集群头发送确认。如果簇头在一定时限内没有收到确认信息，将重新发送回复消息。

网络中的所有簇头都知道任意节点到汇聚节点的跳数。这些簇头必须将聚合的数据转发到汇聚节点。为了快速和有效地转发，数据包应该少一些。我们用Dijkstra的最短路径算法找到从每个簇头到汇节点的最短路径。 它使用跳数到汇点的度量算法。 最短路径信息被添加到每个簇头和中间节点的路由表。集群建立之后，节点将发生真实的信息沟通。消息可以是同步消息，数据消息，信标消息。基于接收到的消息类型，接收节点进行处理的数据，回复相应的信息，更新自己的状态，或者转发。

5 实施

为该项目选择的机器人平台是Pololu 1060与ATmega微控制器。为了实现预计目标，我们选择AVR studio 4并使用嵌入式C编程。机器人导航算法的仿真表明，系统在存在不同数量障碍的环境中工作稳定。我们基于硬件测试导航算法平台Pololu 1060创建了一个测试台。移动机器人能够在测试区中避免障碍正常行动。机器人捕捉到环境数据后发送给中央控制器网络进行分析。 图3显示了机器人的模拟路径规划算法。

为了实现无线传感器网络，我们使用了MicaZmotes和ZigBee技术。系统中的每个集群成员可以测量数据并和更高级的节点进行通信。他们也可以接收到来自上级节点或其他控制部件的同步消息。通过MicaZ mote嵌入ZigBee兼容RF收发器进行消息的发送和接收。 操作系统使用TinyOS，便于以后拓展。TinyOS的组件和接口用于在网络中传递消息。在试验台上我们实施了无线传感器网络。测试了所有节点的测量功能和信息发送操作。在中央控制器中，数据进行实时分析和绘制图表。图4显示了测量的时间/数据图。多种传感器嵌入在传感器网络中，实时监测不同的环境参数。系统的授权用户可以通过互联网查看部署在网络中的任意一个传感器的实时数据图。

图3 机器人路径演示

图4 实时数据绘制

6 结论

自主导航机器人是机器人设计中最困难的。在设计的系统中，机器人在带有无线传感器网络的室内环境中工作。机器人中嵌入的传感器可以实时的监控室内环境的各项参数

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[26841]，资料为PDF文档或Word文档，PDF文档可免费转换为Word