基于滑模控制律的wsn數據反步融合算法

1數據融合和控制無線傳感器網絡廣泛應用于數據采集、通信、局域通信網絡和跟蹤觀測等領域。WSN具有高度的自組織性,適應性強,此類研究很多。典型的有:文獻對無線傳感器網絡應用的自適應調試方法進行研究;文獻對無線自組網式能耗監測系統及路由選擇方案作了詳細闡述;文獻對無線傳感器網絡密鑰管理和分層協作問題進行研究。目前WSN已成為智能交通系統采集數據的有效工具,通過WSN采集和獲取交通實時數據參數,如車速、交通流量和道路飽和度等信息,實現對道路交通系統的智能控制和調度。研究WSN交通控制系統的著眼點在于WSN采集數據的融合處理和控制律設計方面。然而,由于道路交通信息呈現隨機分布和多源信息狀態,WSN采集的道路交通數據處理是數據信息處理的難點。WSN節點通過傳感器采集到控制信息需要進行融合處理,否則無法有效實現系統管理和控制。傳統的滑模控制算法控制無線傳感器網絡數據,在數據融合和控制中出現非限定穩態誤差,控制效果不好。文獻提出一種基于FPGA的交通流量視頻檢測系統,但監測準確度有待提高;文獻提出一種基于可信度的WSN安全路由算法,使得WSN數據融合效果有所改善,但節點利用效率不高;關于滑模控制律的研究,文獻提出一種直線反饋線性化補償控制系統,但沒能解決交通控制系統在呈現阻尼振蕩影響時如何提高動態穩定性的問題;文獻提出一種靜止無功率補償器的非線性控制設計方法,比傳動的PID無功率補償控制有一定的改進,但其超負荷狀態使控制性能受限;文獻采用儲能逆變的方式對控制誤差進行抑制控制,穩態誤差大幅度降低,但系統的動態響應特性和穩態誤差抑制效果不明顯;文獻提出一種基于相鄰節點WSN節點定位分布信任值提取算法,提高了道路交通調度效率,但是算法沒有有效解決滑模干擾控制的非限定穩態誤差,使得在較大的初始誤差條件下控制系統出現不穩定現象［10-18］。針對上述問題,本文提出一種基于滑模干擾控制律的WSN數據反步融合算法,使得WSN節點之間數據傳輸效率大幅度提高,在智能交通控制中的控制效率和控制精度顯著提高,從而推動交通控制系統實現智能化和精準化。2滑模干擾控制和改進2.1滑模控制狀態轉換滑模干擾控制實現了交通控制系統WSN節點數據融合傳輸,保證了交通智能調度控制的穩定性和實時性。滑模干擾控制律設計采用微分方程形式進行數學建模,根據文獻[19,20],得到滑膜干擾控制律的非線性微分方程表達式為其中,,fx(X,t),fθ(X,t),gx(X,t),gθ(X,t)表示滑模控制干擾項。通過各干擾項對控制律進行自適應修正,實現滑模控制狀態轉移。各干擾項對控制狀態貢獻權重系數計算式為-η|S/μ|-α|λμ|-β|μ|≤0(2)式中,Km為控制律導引曲線偏差,δ為控制系統滑模干擾線性化處理融合度(在WSN多傳感器系統中表示為簇頭節點的數據偏移向量),θ為滑模誤差偏移角度,sinθp=θp,cosθp=1。從式(2)可見,狀態δ與WSN系統狀態參數XＲM,VＲM,θP,ωP是互不相關的,所以可以將控制系統解耦,得到2個獨立的控制子系統,得到設計的滑模干擾面為式中,α>0,β>0。滑模面等效控制律表示為整個控制系統的切換控制律表達式為對上述形式表達的滑模面,控制滑模面的變量邊界在有限時間內達到WSN邊界層。可見采用傳統的滑模控制方法,無法有效限制系統的非限定穩態誤差。本文對傳統的滑模干擾控制律進行改進,并應用于WSN數據融合和智能控制。2.2基于約束的wsn融合模型根據上述研究分析,滑模干擾控制算法控制無線傳感器網絡數據,在數據融合和控制中會出現非限定穩態誤差。為此,本文對控制律進行改進設計,改進思路和算法描述如下:首先,定義σi表示WSN節點數據的不確定時間序列編碼,表述為σx和σθ,ei表示WSN節點在滑模控制面上的系統融合參量,μ表示節點連通狀態用戶制定參數值。選取根據式(7),若μ>0,則得到候選WSN節點在滑模控制面的狀態,三分量轉移概率分別表示為以上式為基礎,在常規的滑模控制律下加入一個控制干擾補償項,并對WSN數據進行逆序排列反步融合,以有效抑制穩態誤差。控制干擾補償項為把上式代入式(8),對式(8)描述的系統全局控制律進行修正。當t→∞時,干擾為常值,穩態誤差將趨于0。得到此時,系統融合數據處于WSN邊界層,對控制律導引系數進行拉普拉斯變換,得到在外界不定干擾下,取由上式,根據中心極限定理,得到從上式可見,sue57f(t)一致連續,當t→∞時,結合式(12),得到本文根據WSN中交通數據多狀態隨機分布特征,把控制律變換到S域中,得到在S域中,有其中C為非零常數。得到系統的穩態誤差限定在可見,采用本文改進的滑模干擾控制律,能有效去除穩態誤差,提高系統的控制精度和準確性。3無線傳感器數據的反步整合算法和智能交通控制系統的實現本文以上述改進的滑模干擾控制律為基礎,進行WSN數據反步融合和交通智能控制,以改善控制精度,提高交通管理效率。3.1基于滑模干擾控制的交通路網模型基于改進的滑模干擾控制律進行WSN數據反步融合的基本思想為:在每個WSN簇頭節點上,使用導碼、地理位置等參數進行原始數據感知,對數據按照可靠性分配進行序列分區,在數據融合中加入反步融合函數,采用可靠性分配機制使得數據融合接近真實值。算法構建思想用框圖描述如圖1所示。采用文獻的簇頭節點處理方法,WSN簇頭節點上的信息導碼表達為WSN簇頭節點上使用導碼、地理位置等參數進行原始數據感知采用無向圖模型結構表示,WSN網絡智能交通控制模型用一個連通的無向圖G=(V,E,S)表示。其中v0∈V,V為WSN所有節點集合,v0表示Sink節點。無向圖模型的參量分別表示導碼、地理位置參數,所有節點都有相同的傳輸半徑r,WSN網絡的邊(u,v)∈E,當且僅當這2個節點之間的平面幾何距離小于或等于傳輸半徑r,即|uv|≤r。基于上述改進的滑模干擾律模型,對交通采集數據進行反步迭代。結合式(3)進行反步迭代的表達式為最后得到WSN數據反步融合輸出結果為其中,h(·)為同態哈希函數;f(·)是一個偽隨機函數;N為2個不同的大素數p和q生成的參數。本文實際為加入反步融合函數實現WSN交通數據反步融合,采用可靠性分配機制使得數據融合接近真實值,為實現智能交通控制奠定了數據基礎。在上述設計的改進滑模干擾控制律的基礎上,可以有效限定穩態誤差,提高控制精度,實現交通智能控制。將交通路網模型設計為有向圖WSN網絡模型,表達式為其中,Edge表示智能交通控制模型一條有向邊,StartID表示該邊的起始結點的ID,EndID表示有向邊的終止結點的ID。當xa<ca時,WSN滑模干擾控制面阻抗趨近無窮大,WSN簇頭節點徹底阻斷,等同于改變了道路交通滑模控制的結構。當流量xa=ca時,該模型能夠定量地動態模擬路段從正常通行到完全阻斷的演進過程。道路交通WSN節點的直接信任為計算公式為其中,Si，j(t)表示滑模干擾控制數據重復因素;Ti，j(t)表示數據輸出量因素;Ui，j(t)表示數據相似度(相關性);pi，j(t)為t時刻輸出數據數量;spi，j(t)為數據重復量;Δp(t)為交通數據數量動態參照值;zi(t),zj(t)分別為交通信息各自監測值的輸出;b為比較系數。通過上述方法,采用滑模干擾控制律,對融合數據進行指導控制,實現對交通的智能調度和控制。4基于滑模干擾控制的節點數據融合仿真本文基于Matlab平臺進行仿真分析。傳感器節點數設置為1000個,按實際道路交通位置信息分布在2000m×2000m的正方形區域中,節點通信半徑為10m,WSN節點通信輪次為100輪次,帶寬為1Mb,數據包大小為256b。采用滑模干擾控制律對WSN網絡系統數據反步融合,得到數據融合SPE統計量如圖2所示。由圖2可見,通過本文提出的改進的滑模干擾控制律反步融合采樣,SPE統計量低于99%控制限,有效抑制了系統的非限定穩態誤差,從而保證對WSN多傳感器節點交通管理控制精度。采用傳統的滑模干擾控制律、文獻改進的直線反饋線性化補償滑模控制律,以及本文改進的滑模干擾控制律,進行道路交通智能控制數據融合仿真,以道路通行能力、信息導碼和地理位置等參數進行數據融合處理,得到仿真結果如圖3所示。從圖3可見,采用本文算法進行交通智能控制,得到更優越的數據融合結果,使得交通通行能力顯著提高,地理位置等信息參數得到精確反饋和融合處理,在交通管理中能實現精確有效控制與調度,展示了本文數據融合算法和控制系統的優越性能。5基于滑模干擾控制的交通信息數據融合本文對傳統滑模干擾控制律進行改進,并應用于無線傳感器網絡數據融合交通數據智能控制系統中。針對傳統滑模控制算法非限定穩態誤差不能得到有效抑制