Ⅰ 為什麼在WSN中需要時間同步請舉出至少三個例子。
因為WSN在物理上的分散性，加上其他因素的影響使得本地時鍾與全局時鍾存在失步。時間同步不僅是無線感測器網路各種應用正常運行的必要條件，並且還直接決定了其他服務的質量。一、在以廣播的方式向很多接收者發送參考報文的時候二、在一個目標跟蹤系統中,可能存在下面的潛在時 間同步要求:通過波束陣列確定聲源位置進行目標監測,波束陣列需 要使用公共基準時間.如果用分布式無線感測器節點實現波 束陣列,就需要局部節點間的瞬時時間同步,允許的最大誤 差為100s.通過目標相鄰位置的連續檢測,估計目標的運動 速率和方向.這種時間同步機制要求的時間同步長度和地理 范圍都要比波束陣列大,精度相應有所降三、在戰場通信、搶險救災和公共集會等突發性、臨時性場合。保持節點之間時間上的同步在無線感測器網路中非常重要，它是保證無線感測網路中其他通信協議的前提因為WSN在物理上的分散性，加上其他因素的影響使得本地時鍾與全局時鍾存在失步。時間同步不僅是無線感測器網路各種應用正常運行的必要條件，並且還直接決定了其他服務的質量。
Ⅱ 以下哪些是無線感測網的關鍵技術
網路拓撲控制、網路安全技術。無線感測網的關鍵技術包括有網路拓撲控制、網路安全技術、時間同步技術和定位技術，此類技術對於無線感測網的正常運作起到重要作用，如減少能量消耗、優化網路性能等。
Ⅲ 無線感測器網路的理論及應用的目錄
第1篇總論
第1章無線感測器網路概述
1.1無線感測器網路介紹1
1.1.1無線感測器網路的概念1
1.1.2無線感測器網路的特徵2
1.1.3無線感測器網路的應用4
1.2無線感測器網路的體系結構7
1.2.1無線感測器網路的系統架構7
1.2.2感測器節點的結構7
1.2.3無線感測器網路的體系結構概述8
1.3無線感測器網路的研究進展10
1.3.1無線感測器網路的發展歷程10
1.3.2無線感測器網路的關鍵技術14
1.3.3無線感測器網路所面臨的挑戰14
參考文獻16
第2篇無線感測器網路的通信協議
第2章無線感測器網路的物理層
2.1無線感測器網路物理層概述19
2.1.1無線感測器網路物理層的研究內容19
2.1.2無線感測器網路物理層的研究現狀20
2.1.3無線感測器網路物理層的主要技術挑戰22
2.2無線感測器網路的調制與編碼方法22
2.2.1Mary調制機制22
2.2.2差分脈沖位置調制機制23
2.2.3自適應編碼位置調制機制24
2.3超寬頻技術在無線感測器網路中的應用25
2.3.1超寬頻技術概述25
2.3.2超寬頻技術的基本原理26
2.3.3超寬頻技術的研究現狀29
2.3.4基於超寬頻技術的無線感測器網路31
參考文獻35
第3章無線感測器網路的數據鏈路層
3.1無線感測器網路數據鏈路層概述37
3.1.1無線感測器網路數據鏈路層的研究內容37
3.1.2無線感測器網路數據鏈路層的研究現狀38
3.1.3無線感測器網路數據鏈路層的主要技術挑戰39
3.2無線感測器網路的MAC協議40
3.2.1基於競爭機制的MAC協議40
3.2.2基於時分復用的MAC協議47
3.2.3其他類型的MAC協議54
參考文獻58
第4章IEEE802.15.4標准
4.1IEEE802.15.4標准概述60
4.2IEEE802.15.4的物理層60
4.2.1物理層概述60
4.2.2物理層服務規范61
4.2.3物理層幀結構65
4.3IEEE802.15.4的MAC子層65
4.3.1MAC層概述65
4.3.2MAC層的服務規范66
4.3.3MAC幀結構69
4.3.4MAC層的功能描述70
4.4基於IEEE802.15.4標準的無線感測器網路70
4.4.1組網類型70
4.4.2數據傳輸機制71
參考文獻72
第5章無線感測器網路的網路層
5.1無線感測器網路網路層概述73
5.1.1網路層的研究內容73
5.1.2網路層的研究現狀74
5.1.3網路層的主要技術挑戰75
5.2無線感測器網路的路由協議75
5.2.1以數據為中心的平面路由75
5.2.2網路分層路由77
5.2.3基於查詢的路由79
5.2.4地理位置路由81
5.2.5能量感知路由84
5.2.6基於QoS的路由87
5.2.7路由協議的優化88
5.3無線感測器網路中的數據包轉發策略90
5.3.1包轉發策略的研究背景90
5.3.2基於價格機制的包轉發博弈模型91
5.3.3自發合作的包轉發博弈模型93
參考文獻94
第6章無線感測器網路的傳輸層
6.1無線感測器網路傳輸層概述97
6.1.1無線感測器網路傳輸層的研究內容97
6.1.2無線感測器網路傳輸層的研究現狀98
6.1.3無線感測器網路傳輸層的主要技術挑戰99
6.2無線感測器網路的傳輸協議99
6.2.1PSFQ傳輸協議99
6.2.2ESRT傳輸協議101
6.3無線感測器網路與其他網路的互聯103
6.3.1無線感測器網路與Internet互聯103
6.3.2無線感測器網路接入到網格105
參考文獻109
第7章ZigBee協議規范
7.1ZigBee概述111
7.1.1ZigBee與IEEE802.15.4111
7.1.2ZigBee協議框架112
7.1.3ZigBee的技術特點113
7.2網路層規范113
7.2.1網路層概述113
7.2.2服務規范114
7.2.3幀結構與命令幀115
7.2.4功能描述116
7.3應用層規范117
7.3.1應用層概述117
7.3.2ZigBee應用支持子層117
7.3.3ZigBee應用層框架結構118
7.3.4ZigBee設備協定（profile）119
7.3.5ZigBee目標設備（ZDO）119
7.4ZigBee系統的開發119
7.4.1開發條件和注意事項119
7.4.2軟體開發120
7.4.3硬體開發121
7.5基於ZigBee規范的無線感測器網路122
7.5.1無線感測器的構建122
7.5.2無線感測器網路的構建123
7.5.3基於ZigBee的無線感測器網路與RFID技術的融合124
參考文獻124
第3篇無線感測器網路的核心支撐技術
第8章無線感測器網路的拓撲控制
8.1無線感測器網路的拓撲控制技術概述125
8.1.1無線感測器網路拓撲控制的研究內容125
8.1.2無線感測器網路拓撲控制的研究現狀126
8.1.3無線感測器網路拓撲控制的主要技術挑戰126
8.2無線感測器網路的拓撲控制演算法127
8.2.1功率控制演算法127
8.2.2層次拓撲結構控制演算法129
8.3無線感測器網路的密度控制135
8.3.1連通支配集構造演算法135
8.3.2基於概率覆蓋模型的無線感測器網路密度控制演算法138
參考文獻140
第9章無線感測器網路的節點定位
9.1無線感測器網路的節點定位技術概述142
9.1.1無線感測器網路節點定位的研究內容142
9.1.2無線感測器網路節點定位的研究現狀143
9.1.3無線感測器網路節點定位的主要技術挑戰146
9.2無線感測器網路的定位機制147
9.2.1基於測距的定位演算法147
9.2.2非基於測距的定位演算法151
9.3一種基於測距的協作定位策略159
9.3.1剛性圖理論簡介159
9.3.2基於剛性圖的協作定位理論160
9.3.3LCB定位演算法161
9.4節點位置估計更新策略162
9.4.1動態網路問題162
9.4.2更新策略163
參考文獻164
第10章無線感測器網路的時間同步
10.1無線感測器網路的時間同步概述167
10.1.1無線感測器網路時間同步的研究內容167
10.1.2無線感測器網路時間同步的研究現狀168
10.1.3無線感測器網路時間同步的主要技術挑戰169
10.2無線感測器網路的時間同步機制170
參考文獻180
第11章無線感測器網路的網內信息處理
11.1無線感測器網路的網內信息處理概述182
11.1.1無線感測器網路網內信息處理的研究內容182
11.1.2無線感測器網路網內信息處理的研究現狀183
11.1.3無線感測器網路網內信息處理的主要技術挑戰184
11.2無線感測器網路的數據融合技術184
11.2.1與路由相結合的數據融合184
11.2.2基於反向組播樹的數據融合186
11.2.3基於性能的數據融合187
11.2.4基於移動代理的數據融合189
11.3無線感測器網路的數據壓縮技術191
11.3.1基於排序編碼的數據壓縮演算法191
11.3.2分布式數據壓縮演算法192
11.3.3基於數據相關性的壓縮演算法194
11.3.4管道數據壓縮演算法194
11.4無線感測器網路的協作信號信息處理技術195
11.4.1網元層的CSIP技術195
11.4.2網路層的CSIP技術196
11.4.3應用層的CSIP技術196
11.4.4CSIP技術展望197
參考文獻198
第12章無線感測器網路的安全技術
12.1無線感測器網路的安全問題概述201
12.1.1無線感測器網路安全技術的研究內容201
12.1.2無線感測器網路安全技術的研究現狀202
12.1.3無線感測器網路安全技術的主要技術挑戰205
12.2無線感測器網路的安全問題分析205
12.2.1無線感測器網路物理層的安全策略206
12.2.2無線感測器網路鏈路層的安全策略207
12.2.3無線感測器網路網路層的安全策略207
12.2.4無線感測器網路傳輸層和應用層的安全策略209
12.3無線感測器網路的密鑰管理和入侵檢測技術209
12.3.1無線感測器網路的密鑰管理209
12.3.2無線感測器網路的入侵檢測技術211
參考文獻214
第4篇無線感測器網路的自組織管理技術
第13章無線感測器網路的節點管理
13.1無線感測器網路的節點管理概述216
13.1.1無線感測器網路節點管理的研究內容216
13.1.2無線感測器網路節點管理的研究現狀217
13.1.3無線感測器網路節點管理的主要技術挑戰218
13.2無線感測器網路的節點休眠/喚醒機制218
13.2.1PEAS演算法218
13.2.2基於網格的調度演算法219
13.2.3基於局部圓周覆蓋的節點休眠機制220
13.2.4基於隨機休眠調度的節能機制221
13.3無線感測器網路的節點功率管理222
13.3.1動態功率管理和動態電壓調節222
13.3.2基於節點度的演算法224
13.3.3基於鄰近圖的演算法224
13.3.4基於二分法的功率控制224
13.3.5網路負載自適應功率管理演算法226
參考文獻227
第14章無線感測器網路的資源與任務管理
14.1無線感測器網路的資源與任務管理概述229
14.1.1無線感測器網路資源與任務管理的研究內容229
14.1.2無線感測器網路資源與任務管理的研究現狀230
14.1.3無線感測器網路資源與任務管理的主要技術挑戰230
14.2無線感測器網路的資源管理技術231
14.2.1自組織資源分配方式231
14.2.2計算資源分配232
14.2.3帶寬資源分配235
14.3無線感測器網路的任務管理技術237
14.3.1任務分配237
14.3.2任務調度239
14.3.3負載均衡243
參考文獻245
第15章無線感測器網路的數據管理
15.1無線感測器網路的數據管理概述248
15.1.1無線感測器網路數據管理的研究內容248
15.1.2無線感測器網路數據管理的研究現狀249
15.1.3無線感測器網路數據管理的主要技術挑戰249
15.2無線感測器網路的數據管理系統250
15.2.1TinyDB系統250
15.2.2Cougar系統251
15.2.3Dimensions系統252
15.3無線感測器網路數據管理的基本方法253
15.3.1數據模式253
15.3.2數據存儲254
15.3.3數據索引255
15.3.4數據查詢257
參考文獻260
第16章無線感測器網路的部署、初始化和維護管理
16.1無線感測器網路的部署、初始化和維護管理概述261
16.1.1無線感測器網路部署、初始化和維護管理的研究內容261
16.1.2無線感測器網路部署、初始化和維護管理的研究現狀262
16.1.3無線感測器網路部署、初始化和維護管理的主要技術挑戰263
16.2無線感測器網路的部署技術264
16.2.1採用確定放置的部署技術264
16.2.2採用隨機拋撒且節點不具移動能力的部署技術265
16.2.3採用隨機拋撒且節點具有移動能力的部署技術265
16.3無線感測器網路的初始化技術266
16.3.1UDG模型266
16.3.2基於MIS的初始化演算法266
16.3.3基於MDS的初始化演算法268
16.4無線感測器網路的維護管理技術270
16.4.1覆蓋與連接維護技術270
16.4.2性能監測技術271
參考文獻272
第5篇無線感測器網路的開發與應用
第17章無線感測器網路的模擬技術
17.1無線感測器網路的模擬技術概述275
17.1.1網路模擬概述275
17.1.2無線感測器網路模擬研究概述275
17.2常用網路模擬軟體276
17.2.1OPNET簡介276
17.2.2NS279
17.2.3TOSSIM280
17.3OMNeT++模擬軟體281
17.3.1OMNeT++概述281
17.3.2NED語言282
17.3.3簡單模塊/復合模塊287
17.3.4消息290
17.3.5類庫291
17.4模擬示例296
參考文獻303
第18章無線感測器網路的硬體開發
18.1無線感測器網路的硬體開發概述304
18.1.1硬體系統的設計特點與要求304
18.1.2硬體系統的設計內容304
18.1.3硬體系統設計的主要挑戰305
18.2感測器節點的開發305
18.2.1數據處理模塊設計305
18.2.2換能器模塊設計307
18.2.3無線通信模塊設計307
18.2.4電源模塊設計309
18.2.5外圍模塊設計309
18.3感測器節點原型的開發實例Mica310
18.3.1Mica系列節點簡介310
18.3.2Mica系列處理器/射頻板設計分析313
18.3.3Mica系列感測板設計分析315
18.3.4編程調試介面板介紹317
參考文獻318
第19章無線感測器網路的操作系統
19.1無線感測器網路操作系統概述320
19.1.1無線感測器網路操作系統的設計要求320
19.1.2幾種典型的無線感測器網路操作系統介紹321
19.1.3無線感測器網路操作系統設計的主要技術挑戰321
19.2TinyOS操作系統322
19.2.1TinyOS的設計思路322
19.2.2TinyOS的組件模型322
19.2.3TinyOS的通信模型324
19.3基於TinyOS的應用程序運行過程解析324
19.3.1Blink程序的配件分析325
19.3.2BlinkM模塊分析327
19.3.3ncc編譯nesC程序的過程329
19.3.4Blink程序的運行跟蹤解析329
19.3.5TinyOS的任務調度機制的實現338
19.3.6TinyOS的事件驅動機制的實現342
19.4TinyOS的使用346
19.4.1TinyOS的安裝346
19.4.2創建應用程序348
19.4.3使用TOSSIM模擬調試應用程序348
19.4.4使用TinyViz進行可視化調試349
19.4.5將應用程序導入節點運行350
參考文獻351
第20章無線感測器網路的軟體開發
20.1無線感測器網路軟體開發概述353
20.1.1無線感測器網路軟體開發的特點與設計要求353
20.1.2無線感測器網路軟體開發的內容354
20.1.3無線感測器網路軟體開發的主要技術挑戰355
20.2nesC編程語言355
20.2.1nesC語言介紹355
20.2.2nesC的語法規范356
20.2.3nesC應用程序開發364
20.3無線感測器網路的應用軟體開發367
20.3.1無線感測器網路的編程模式367
20.3.2無線感測器網路的中間件設計370
20.3.3無線感測器網路的服務發現372
參考文獻373
第21章無線感測器網路應用於環境監測
21.1環境監測應用概述375
21.1.1環境監測應用的場景描述375
21.1.2環境監測應用中無線感測器網路的體系架構375
21.2關鍵技術377
21.2.1節點部署377
21.2.2能量管理377
21.2.3通信機制378
21.2.4任務的分配與控制379
21.2.5數據采樣與收集379
21.3無線感測器網路用於環境監測的實例380
21.3.1公路交通監測380
21.3.2建築物健康狀況監測384
21.3.3「狼群計劃」385
參考文獻387
第22章無線感測器網路應用於目標追蹤
22.1目標追蹤應用概述388
22.1.1目標追蹤應用的場景描述388
22.1.2目標追蹤應用的特點與技術挑戰388
22.1.3目標追蹤應用中的無線感測器網路系統架構389
22.2無線感測器網路用於目標追蹤的關鍵技術390
22.2.1追蹤步驟390
22.2.2追蹤演算法392
22.2.3面向目標追蹤的網路布局優化400
22.3基於無線感測器網路的車輛追蹤系統實例402
22.3.1系統架構402
22.3.2關鍵問題403
22.3.3關鍵技術404
參考文獻407
附錄英漢縮略語對照表410
Ⅳ 感測器網路中常見的時間同步機制有哪些它們有什麼特點
一、感測器網路中常見的時間同步機制有：
1、感測器節點通常需要彼此協作，去完成復雜的監測和感知任務數據融合是協作操作的典型例子，不同的節點採集的數據最終融合形成了一個有意義的結果。
2、感測器網路的一些節能方案是利用時間同步來實現的。
二、特點：
1、感測節點體積小，成本低，計算能力有限。
2、感測節點數量大、易失效，具有自適應性。
3、通信半徑小，帶寬很低。
4、電源能量是網路壽命的關鍵。
5、數據管理與處理是感測器網路的核心技術。
感測器網路
綜合了感測器技術、嵌入式計算技術、現代網路及無線通信技術、分布式信息處理技術等，能夠通過各類集成化的微型感測器協作地實時監測、感知和採集各種環境或監測對象的信息，通過嵌入式系統對信息進行處理，並通過隨機自組織無線通信網路以多跳中繼方式將所感知信息傳送到用戶終端。從而真正實現「無處不在的計算」理念。
Ⅳ 無線感測器網路中的部署問題，200分！！追加！！
無線感測器網路是近幾年發展起來的一種新興技術,在條件惡劣和無人堅守的環境監測和事件跟蹤中顯示了很大的應用價值。節點部署是無線感測器網路工作的基礎,對網路的運行情況和壽命有很大的影響。部署問題涉及覆蓋、連接和節約能量消耗3個方面。該文重點討論了網路部署中的覆蓋問題,綜述了現有的研究成果,總結了今後的熱點研究方向,為以後的研究奠定了基礎。
基於虛擬勢場的有向感測器網路覆蓋增強演算法
摘 要: 首先從視頻感測器節點方向性感知特性出發,設計了一種方向可調感知模型,並以此為基礎對有向感測器網路覆蓋增強問題進行分析與定義;其次,提出了一種基於虛擬勢場的有向感測器網路覆蓋增強演算法PFCEA (potential field based coverage-enhancing algorithm).通過引入「質心」概念,將有向感測器網路覆蓋增強問題轉化為質心均勻分布問題,以質心點作圓周運動代替感測器節點感測方向的轉動.質心在虛擬力作用下作擴散運動,以消除網路中感知重疊區和盲區,進而增強整個有向感測器網路覆蓋.一系列模擬實驗驗證了該演算法的有效性.
關鍵詞: 有向感測器網路;有向感知模型;虛擬勢場;覆蓋增強
中圖法分類號: TP393 文獻標識碼: A
覆蓋作為感測器網路中的一個基本問題,反映了感測器網路所能提供的「感知」服務質量.優化感測器網路覆蓋對於合理分配網路的空間資源,更好地完成環境感知、信息獲取任務以及提高網路生存能力都具有重要的意義[1].目前,感測器網路的初期部署有兩種策略:一種是大規模的隨機部署;另一種是針對特定的用途進行計劃部署.由於感測器網路通常工作在復雜的環境下,而且網路中感測器節點眾多,因此大都採用隨機部署方式.然而,這種大規模隨機投放方式很難一次性地將數目眾多的感測器節點放置在適合的位置,極容易造成感測器網路覆蓋的不合理(比如,局部目標區域感測器節點分布過密或過疏),進而形成感知重疊區和盲區.因此,在感測器網路初始部署後,我們需要採用覆蓋增強策略以獲得理想的網路覆蓋性能.
目前,國內外學者相繼開展了相關覆蓋增強問題的研究,並取得了一定的進展[25].從目前可獲取的資料來看,絕大多數覆蓋問題研究都是針對基於全向感知模型(omni-directional sensing model)的感測器網路展開的[6],
即網路中節點的感知范圍是一個以節點為圓心、以其感知距離為半徑的圓形區域.通常採用休眠冗餘節點[2,7]、
重新調整節點分布[811]或添加新節點[11]等方法實現感測器網路覆蓋增強.
實際上,有向感知模型(directional sensing model)也是感測器網路中的一種典型的感知模型[12],即節點的感知范圍是一個以節點為圓心、半徑為其感知距離的扇形區域.由基於有向感知模型的感測器節點所構成的網路稱為有向感測器網路.視頻感測器網路是有向感測器網路的一個典型實例.感知模型的差異造成了現有基於全向感知模型的覆蓋研究成果不能直接應用於有向感測器網路,迫切需要設計出一系列新方法.
在早期的工作中[13],我們率先開展有向感測器網路中覆蓋問題的研究,設計一種基本的有向感知模型,用以刻畫視頻感測器節點的方向性感知特性,並研究有向感測器網路覆蓋完整性以及通信連通性問題.同時,考慮到有向感測器節點感測方嚮往往具有可調整特性(比如PTZ攝像頭的推拉搖移功能),我們進一步提出一種基於圖論和計算幾何的集中式覆蓋增強演算法[14],調整方案一經確定,網路中所有有向感測器節點並發地進行感測方向的一次性調整,以此獲得網路覆蓋性能的增強.但由於未能充分考慮到有向感測器節點局部位置及感測方向信息,因而,該演算法對有向感測器網路覆蓋增強的能力相對有限.
本文將基本的有向感知模型擴展為方向可調感知模型,研究有向感測器網路覆蓋增強問題.首先定義了方向可調感知模型,並分析隨機部署策略對有向感測器網路覆蓋率的影響.在此基礎上,分析了有向感測器網路覆蓋增強問題.本文通過引入「質心」概念,將待解決問題轉化為質心均勻分布問題,提出了一種基於虛擬勢場的有向感測器網路覆蓋增強演算法PFCEA(potential field based coverage-enhancing algorithm).質心在虛擬力作用下作擴散運動,逐步消除網路中感知重疊區和盲區,增強整個網路覆蓋性能.最後,一系列模擬實驗驗證了PFCEA演算法的有效性.
1 有向感測器網路覆蓋增強問題
本節旨在分析和定義有向感測器網路覆蓋增強問題.在此之前,我們對方向可調感知模型進行簡要介紹.
1.1 方向可調感知模型
不同於目前已有的全向感知模型,方向可調感知模型的感知區域受「視角」的限制,並非一個完整的圓形區域.在某時刻t,有向感測器節點具有方向性感知特性;隨著其感測方向的不斷調整(即旋轉),有向感測器節點有能力覆蓋到其感測距離內的所有圓形區域.由此,通過簡單的幾何抽象,我們可以得到有向感測器節點的方向可調感知模型,如圖1所示.
定義1. 方向可調感知模型可用一個四元組P,R, ,
表示.其中,P=(x,y)表示有向感測器節點的位置坐標;R表示節
點的最大感測范圍,即感測半徑;單位向量 = 為扇形感知區域的中軸線,即節點在某時刻t時的感測方向; 和 分別是單位向量 在X軸和Y軸方向上的投影分量;表示邊界距離感測向量 的感測夾角,2代表感測區域視角,記作FOV.
特別地,當=時,傳統的全向感知模型是方向可調感知模型的一個特例.
若點P1被有向感測器節點vi覆蓋成立,記為viP1,當且僅當滿足以下條件:
(1) ,其中, 代表點P1到該節點的歐氏距離;
(2) 與 間夾角取值屬於[,].
判別點P1是否被有向感測器節點覆蓋的一個簡單方法是:如果 且 ,那麼,點P1
被有向感測器節點覆蓋;否則,覆蓋不成立.另外,若區域A被有向感測節點覆蓋,當且僅當區域A中任何一個點都被有向感測節點覆蓋.除非特別說明,下文中出現的「節點」和「感測器節點」均滿足上述方向可調感知模型.
1.2 有向感測器網路覆蓋增強問題的分析與定義
在研究本文內容之前,我們需要作以下必要假設:
A1. 有向感測器網路中所有節點同構,即所有節點的感測半徑(R)、感測夾角()參數規格分別相同;
A2. 有向感測器網路中所有節點一經部署,則位置固定不變,但其感測方向可調;
A3. 有向感測器網路中各節點都了解自身位置及感測方向信息,且各節點對自身感測方向可控.
假設目標區域的面積為S,隨機部署的感測器節點位置滿足均勻分布模型,且目標區域內任意兩個感測器節點不在同一位置.感測器節點的感測方向在[0,2]上也滿足均勻分布模型.在不考慮感測器節點可能落入邊界區域造成有效覆蓋區域減小的情況下,由於每個感測器節點所監控的區域面積為R2,則每個感測器節點能監測整個目標區域的概率為R2/S.目標區域被N個感測器節點覆蓋的初始概率p0的計算公式為(具體推導過程參見文獻[14])
(1)
由公式(1)可知,當目標區域內網路覆蓋率至少達到p0時,需要部署的節點規模計算公式為
(2)
當網路覆蓋率分別為p0和p0+p時,所需部署的感測器節點數目分別為ln(1p0)/,ln(1(p0+p))/.其中, =ln(SR2)lnS.因此,感測器節點數目差異N由公式(3)可得,
(3)
當目標區域面積S、節點感測半徑R和感測夾角一定時,為一常數.此時,N與p0,p滿足關系如圖2所示(S=500500m2,R=60m,=45º).從圖中我們可以看出,當p0一定時,N隨著p的增加而增加;當p一定時,N隨著p0的增加而增加,且增加率越來越大.因此,當需要將覆蓋率增大p時,則需多部署N個節點(p0取值較大時(80%),p取值每增加1%,N就有數十、甚至數百的增加).如果採用一定的覆蓋增強策略,無須多部署節點,就可以使網路覆蓋率達到p0+p,大量節省了感測器網路部署成本.
設Si(t)表示節點vi在感測向量為 時所覆蓋的區域面積.運算操作Si(t)Sj(t)代表節點vi和節點vj所能覆蓋到的區域總面積.這樣,當網路中節點感測向量取值為 時,有向感測器網路覆蓋率可表
示如下:
(4)
因此,有向感測器網路覆蓋增強問題歸納如下:
問題:求解一組 ,使得對於初始的 ,有 取值
接近最大.
Fig.2 The relation among p0, p and N
圖2 p0,p和N三者之間的關系
2 基於虛擬勢場的覆蓋增強演算法
2.1 傳統虛擬勢場方法
虛擬勢場(virtual potential field)的概念最初應用於機器人的路徑規劃和障礙躲避.Howard等人[8]和Pori等人[9]先後將這一概念引入到感測器網路的覆蓋增強問題中來.其基本思想是把網路中每個感測器節點看作一個虛擬的電荷,各節點受到其他節點的虛擬力作用,向目標區域中的其他區域擴散,最終達到平衡狀態,即實現目標區域的充分覆蓋狀態.Zou等人[15]提出了一種虛擬力演算法(virtual force algorithm,簡稱VFA),初始節點隨機部署後自動完善網路覆蓋性能,以均勻網路覆蓋並保證網路覆蓋范圍最大化.在執行過程中,感測器節點並不移動,而是計算出隨機部署的感測器節點虛擬移動軌跡.一旦感測器節點位置確定後,則對相應節點進行一次移動操作.Li等人[10]為解決感測器網路布局優化,在文獻[15]的基礎上提出了涉及目標的虛擬力演算法(target involved virtual force algorithm,簡稱TIVFA),通過計算節點與目標、熱點區域、障礙物和其他感測器之間的虛擬力,為各節點尋找受力平衡點,並將其作為該感測器節點的新位置.
上述利用虛擬勢場方法優化感測器網路覆蓋的研究成果都是基於全向感知模型展開的.假定感測器節點間存在兩種虛擬力作用:一種是斥力,使感測器節點足夠稀疏,避免節點過於密集而形成感知重疊區域;另一種是引力,使感測器節點保持一定的分布密度,避免節點過於分離而形成感知盲區[15].最終利用感測器節點的位置移動來實現感測器網路覆蓋增強.
2.2 基於虛擬勢場的有向感測器網路覆蓋增強演算法
在實際應用中,考慮到感測器網路部署成本,所有部署的感測器節點都具有移動能力是不現實的.另外,感測器節點位置的移動極易引起部分感測器節點的失效,進而造成整個感測器網路拓撲發生變化.這些無疑都會增加網路維護成本.因而,本文的研究工作基於感測器節點位置不變、感測方向可調的假設.上述假設使得直接利用虛擬勢場方法解決有向感測器網路覆蓋增強問題遇到了麻煩.在傳統的虛擬勢場方法中,感測器節點在勢場力的作用下進行平動(如圖3(a)所示),而基於本文的假設,感測器節點表現為其扇形感知區域在勢場力的作用下以感測器節點為軸心進行旋轉(如圖3(b)所示).
為了簡化扇形感知區域的轉動模型,我們引入「質心(centroid)」的概念.質心是質點系中一個特定的點,它與物體的平衡、運動以及內力分布密切相關.感測器節點的位置不變,其感測方向的不斷調整可近似地看作是扇形感知區域的質心點繞感測器節點作圓周運動.如圖3(b)所示,一個均勻扇形感知區域的質心點位於其對稱軸上且與圓心距離為2Rsin/3.每個感測器節點有且僅有一個質心點與其對應.我們用c表示感測器節點v所對應的質心點.本文將有向感測器網路覆蓋增強問題轉化為利用傳統虛擬勢場方法可解的質心點均勻分布問題,如圖4所示.
Fig.3 Moving models of sensor node
圖3 感測器節點的運動模型
Fig.4 The issue description of coverage enhancement in directional sensor networks
圖4 有向感測器網路覆蓋增強問題描述
2.2.1 受力分析
利用虛擬勢場方法增強有向感測器網路覆蓋,可以近似等價於質心點-質心點(c-c)之間虛擬力作用問題.我們假設質心點-質心點之間存在斥力,在斥力作用下,相鄰質心點逐步擴散開來,在降低冗餘覆蓋的同時,逐漸實現整個監測區域的充分高效覆蓋,最終增強有向感測器網路的覆蓋性能.在虛擬勢場作用下,質心點受來自相鄰一個或多個質心點的斥力作用.下面給出質心點受力的計算方法.
如圖5所示,dij表示感測器節點vi與vj之間的歐氏距離.只有當dij小於感測器節點感測半徑(R)的2倍時,它們的感知區域才存在重疊的可能,故它們之間才存在產生斥力的作用,該斥力作用於感測器節點相應的質心點ci和cj上.
定義2. 有向感測器網路中,歐氏距離不大於節點感測半徑(R)2倍的一對節點互為鄰居節點.節點vi的鄰居節點集合記作i.即i={vj|Dis(vi,vj)2R,ij}.
我們定義質心點vj對質心點vi的斥力模型 ,見公式(5).
(5)
其中,Dij表示質心點ci和cj之間的歐氏距離;kR表示斥力系數(常數,本文取kR=1);ij為單位向量,指示斥力方向(由質心點cj指向ci).公式(5)表明,只有當感測器節點vi和vj互為鄰居節點時(即有可能形成冗餘覆蓋時),其相應的質心點ci和cj之間才存在斥力作用.質心點所受斥力大小與ci和cj之間的歐氏距離成反比,而質心點所受斥力方向由ci和cj之間的相互位置關系所決定.
質心點ci所受合力是其受到相鄰k個質心點排斥力的矢量和.公式(6)描述質心點ci所受合力模型 .
(6)
通過如圖6所示的實例,我們分析質心點的受力情況.圖中包括4個感測器節點:v1,v2,v3和v4,其相應的質心
點分別為c1,c2,c3和c4.以質心點c1為例,由於d122R,故 ,質心點c1僅受到來自質心點c3和c4的斥力,其所受合力 .感測器節點感測方向旋轉導致質心點的運動軌跡並不是任意的,而是固定繞感測器節點作圓周運動.因此,質心點的運動僅僅受合力沿圓周切線方向分量 的影響.
Fig.6 The force on centroid
圖6 質心點受力
2.2.2 控制規則(control law)
本文基於一個虛擬物理世界研究質心點運動問題,其中作用力、質心點等都是虛擬的.該虛擬物理世界的構建是建立在求解問題特徵的基礎上的.在此,我們定義控制規則,即規定質心點受力與運動之間的關系,以達到質心點的均勻分布.
質心點在 作用下運動,受到運動學和動力學的雙重約束,具體表現如下:
(1) 運動學約束
在傳統感測器網路中利用虛擬勢場方法移動感測器節點的情況下,由於感測器節點向任意方向運動的概率是等同的,我們大都忽略其所受的運動學約束[8].而在轉動模型中,質心點的運動不是任意方向的,受合力沿圓
周切線方向分量 的影響,只能繞其感測器節點作圓周運動.
質心點在運動過程中受到的虛擬力是變化的,但對感測器網路系統來說,感測器節點之間每時每刻都交換鄰居節點位置及感測方向信息是不現實的.因此,我們設定鄰居節點間每隔時間步長t交換一次位置及感測方向信息,根據交換信息計算當前時間步長質心點所受合力,得出轉動方向及弧長.同時,問題求解的目的在於將節點的感測方向調整至一個合適的位置.在此,我們不考慮速度和加速度與轉動弧長之間的關系.
(2) 動力學約束
動力學約束研究受力與運動之間的關系.本運動模型中的動力學約束主要包含兩方面內容:
• 每個時間步長t內,質心點所受合力與轉動方向及弧長之間的關系;
• 質心點運動的靜止條件.
在傳統感測器網路中利用虛擬勢場方法移動感測器節點的情況下,在每個時間步長內,感測器節點的運動速度受限於最大運動速度vmax,而不是隨感測器節點受力無止境地增加.通過此舉保證微調方法的快速收斂.在本轉動模型中,我們同樣假設質心點每次固定以較小的轉動角度進行轉動,通過多次微調方法逐步趨向最優解,即在每個時間步長t內,質心點轉動的方向沿所受合力在圓周切線方向分量,轉動大小不是任意的,而是具有固定轉動角度.採用上述方法的原因有兩個:
• 運動過程中,質心點受力不斷變化,且變化規律很難用簡單的函數進行表示,加之上述運動學約束和問題特徵等因素影響,我們很難得出一個簡明而合理的質心點所受合力與轉動弧長之間的關系.
• 運動過程中,質心點按固定角度進行轉動,有利於簡化計算過程,減少節點的計算負擔.同時,我們通過分析模擬實驗數據發現,該方法具有較為理想的收斂性(具體討論參見第3.2節).
固定轉動角度取值不同對PFCEA演算法性能具有較大的影響,這在第3.3節中將加以詳細的分析和說明.
當質心點所受合力沿圓周切線方向分量為0時,其到達理想位置轉動停止.如圖7所示,我們假定質心點在圓周上O點處合力切向分量為0.由於質心點按固定轉動角度進行轉動,因此,它
未必會剛好轉動到O點處.當質心點處於圖7中弧 或 時,會
因合力切向分量不為0而導致質心點圍繞O點附近往復振動.因此,為避免出現振動現象,加速質心點達到穩定狀態,我們需要進一步限定質心點運動的停止條件.
當質心點圍繞O點附近往復振動時,其受合力的切向分量很
小.因此,我們設定受力門限,當 (本文取=10e6),即可認
定質心點已達到穩定狀態,無須再運動.經過數個時間步長t後,當網路中所有質心點達到穩定狀態時,整個感測器網路即達到穩定狀態,此時對應的一組 ,該
組解通常為本文覆蓋增強的較優解.
2.3 演算法描述
基於上述分析,本文提出了基於虛擬勢場的網路覆蓋增強演算法(PFCEA),該演算法是一個分布式演算法,在每個感測器節點上並發執行.PFCEA演算法描述如下:
輸入:節點vi及其鄰居節點的位置和感測方向信息.
輸出:節點vi最終的感測方向信息 .
1. t0; //初始化時間步長計數器
2. 計算節點vi相應質心點ci初始位置 ;
3. 計算節點vi鄰居節點集合i,M表示鄰居節點集合中元素數目;
4. While (1)
4.1 tt+1;
4.2 ;
4.3 For (j=0; j<M; j++)
4.3.1 計算質心點cj對ci的當前斥力 ,其中,vji;
4.3.2 ;
4.4 計算質心點ci當前所受合力 沿圓周切線分量 ;
4.5 確定質心點ci運動方向;
4.6 If ( ) Then
4.6.1 質心點ci沿 方向轉動固定角度;
4.6.2 調整質心點ci至新位置 ;
4.6.3 計算節點vj指向當前質心點ci向量並單位化,得到節點vi最終的感測方向信息 ;
4.7 Sleep (t);
5. End.
3 演算法模擬與性能分析
我們利用VC6.0自行開發了適用於感測器網路部署及覆蓋研究的模擬軟體Senetest2.0,並利用該軟體進行了大量模擬實驗,以驗證PFCEA演算法的有效性.實驗中參數的取值見表1.為簡化實驗,假設目標區域中所有感測器節點同構,即所有節點的感測半徑及感測夾角規格分別相同.
Table 1 Experimental parameters
表1 實驗參數
Parameter Variation
Target area S 500500m2
Area coverage p 0~1
Sensor number N 0~250
Sensing radius Rs 0~100m
Sensing offset angel 0º~90º
3.1 實例研究
在本節中,我們通過一個具體實例說明PFCEA演算法對有向感測器網路覆蓋增強.在500500m2的目標區域內,我們部署感測半徑R=60m、感測夾角=45º的感測器節點完成場景監測.若達到預期的網路覆蓋率p=70%, 通過公式(1),我們可預先估算出所需部署的感測器節點數目,
.
針對上述實例,我們記錄了PFCEA演算法運行不同時間步長時有向感測器網路覆蓋增強情況,如圖8所示.
(a) Initial coverage, p0=65.74%
(a) 初始覆蓋,p0=65.74% (b) The 10th time step, p10=76.03%
(b) 第10個時間步長,p10=76.03%
(c) The 20th time step, p20=80.20%
(c) 第20個時間步長,p20=80.20% (d) The 30th time step, p30=81.45%
(d) 第30個時間步長,p30=81.45%
Fig.8 Coverage enhancement using PFCEA algorithm
圖8 PFCEA演算法實現覆蓋增強
直觀看來,質心點在虛擬斥力作用下進行擴散運動,逐步消除網路中感知重疊區和盲區,最終實現有向感測器網路覆蓋增強.此例中,網路感測器節點分別經過30個時間步長的調整,網路覆蓋率由最初的65.74%提高到81.45%,網路覆蓋增強達15.71個百分點.
圖9顯示了逐個時間步長調整所帶來的網路覆蓋增強.我們發現,隨著時間步長的增加,網路覆蓋率也不斷增加,且近似滿足指數關系.當時間步長達到30次以後,網路中絕大多數節點的感測方向出現振動現象,直觀表現為網路覆蓋率在81.20%附近在允許的范圍振盪.此時,我們認定有向感測器網路覆蓋性能近似增強至最優.
網路覆蓋性能可以顯著地降低網路部署成本.實例通過節點感測方向的自調整,在僅僅部署105個感測器節點的情況下,最終獲得81.45%的網路覆蓋率.若預期的網路覆蓋率為81.45%,通過公式(1)的計算可知,我們至少需要部署148個感測器節點.由此可見,利用PFCEA演算法實現網路覆蓋增強的直接效果是可以節省近43個感測器節點,極大地降低了網路部署成本.
3.2 收斂性分析
為了討論本文演算法的收斂性,我們針對4種不同的網路節點規模進行多組實驗.我們針對各網路節點規模隨機生成10個拓撲結構,分別計算演算法收斂次數,並取平均值,實驗數據見表2.其他實驗參數為R=60m,=45º, =5º.
Table 2 Experimental data for convergence analysis
表2 實驗數據收斂性分析
(%)
(%)
1 50 41.28 52.73 24
2 70 52.74 64.98 21
3 90 60.76 73.24 28
4 110 65.58 78.02 27
分析上述實驗數據,我們可以得出,PFCEA演算法的收斂性即調整的次數,並不隨感測器網路節點規模的變化而發生顯著的改變,其取值一般維持在[20,30]范圍內.由此可見,本文PFCEA演算法具有較好的收斂性,可以在較短的時間步長內完成有向感測器網路的覆蓋增強過程.
3.3 模擬分析
在本節中,我們通過一系列模擬實驗來說明4個主要參數對本文PFCEA演算法性能的影響.它們分別是:節點規模N、感測半徑R、感測夾角和(質心點)轉動角度.針對前3個參數,我們與以往研究的一種集中式覆蓋增強演算法[14]進行性能分析和比較.
A. 節點規模N、感測半徑R以及感測角度
我們分別取不同節點規模進行模擬實驗.從圖10(a)變化曲線可以看出,當R和一定時,N取值較小導致網路初始覆蓋率較小.此時,隨著N的增大,p取值呈現持續上升趨勢.當N=200時,網路覆蓋率增強可達14.40個百分點.此後,p取值有所下降.這是由於當節點規模N增加導致網路初始覆蓋率較高時(如60%),相鄰多感測器節點間形成覆蓋盲區的概率大為降低,無疑削弱了PFCEA演算法的性能.另外,部分感測器節點落入邊界區域,也會間接起到削弱PFCEA演算法性能的作用.
另外,感測半徑、感測角度對PFCEA演算法性能的影響與此類似.當節點規模一定時,節點感測半徑或感測角度取值越小,單個節點的覆蓋區域越小,各相鄰節點間形成感知重疊區域的可能性也就越小.此時,PFCEA演算法對網路覆蓋性能改善並不顯著.隨著感測半徑或感測角度的增加,p不斷增加.當R=70m且=45º時,網路覆蓋率最高可提升15.91%.但隨著感測半徑或感測角度取值的不斷增加,PFCEA演算法帶來的網路覆蓋效果降低,如圖10(b)、圖10(c)所示.
(c) The effect of sensing offset angle , other parameters meet N=100, R=40m, =5º
(c) 感測角度的影響,其他實驗參數滿足:N=100,R=40m,=5º
Ⅵ 什麼是無線感測技術
早在上世紀70年代，就出現了將傳統感測器採用點對點傳輸、連接感測控制器而構成感測網路雛形，我們把它歸之為第一代感測器網路。隨著相關學科的不斷發展和進步，感測器網路同時還具有了獲取多種信息信號的綜合處理能力，並通過與感測控制的相聯，組成了有信息綜合和處理能力的感測器網路，這是第二代感測器網路。而從上世紀末開始，現場匯流排技術開始應用於感測器網路，人們用其組建智能化感測器網路，大量多功能感測器被運用，並使用無線技術連接，無線感測器網路逐漸形成。
無線感測器網路是新一代的感測器網路，具有非常上世紀70年代，其發展和應用，將會給人類的生活和生產的各個領域帶來深遠影響。
無線感測器網路可以看成是由數據獲取網路、數據頒布網路和控制管理中心三部分組成的。其主要組成部分是集成有感測器、處理單元和通信模塊的節點，各節點通過協議自組成一個分布式網路，再將採集來的數據通過優化後經無線電波傳輸給信息處理中心。
Ⅶ 什麼是工業物聯網
工業物聯網是將具有感知、監控能力的各類採集或控制感測或控制器以及泛在技術、移動通信、智能分析等技術不斷融入到工業生產過程各個環節，從而大幅提高製造效率，改善產品質量，降低產品成本和資源消耗，最終實現將傳統工業提升到智能化的新階段。從應用形式上，工業物聯網的應用具有實時性、自動化、嵌入式(軟體)、安全性、和信息互通互聯性等特點。
工業物聯網的關鍵技術
工業物聯網技術的研究是一個跨學科的工程，它涉及自動化、通信、計算機以及管理科學等領域。工業物聯網的廣泛應用需要解決眾多關鍵技術問題(見下圖)
●感測器技術：價格低廉、性能良好的感測器是工業物聯網應用的基石，工業物聯網的發展要求更准確、更智能、更高效以及兼容性更強的感測器技術。智能數據採集技術是感測器技術發展的一個新方向。信息的泛在化對工業感測器和感測裝置提出了更高的要求。具體如，微型化：元器件的微小型化，要求節約資源與能源；智能化：具備自校準、自診斷、自學習、自決策、自適應和自組織等人工智慧技術；低功耗與能量獲取技術：供電方式為電池、陽光、風、溫度、振動等多種方式。
●設備兼容技術：大部分情況下，企業會基於現有的工業系統建造工業物聯網，如何實現工業物聯網中所用的感測器能夠與原有設備已應用的感測器相兼容是工業物聯網推廣所面臨的問題之一。感測器的兼容主要指數據格式的兼容與通信協議的兼容，兼容關鍵是標準的統一。目前，工業現場匯流排網路中普遍採用的如Profibus、Mos協議，已經較好地解決了兼容性問題，大多數工業設備生產廠商基於這些協議開發了各類感測器、控制器等。近年來，隨著工業無線感測器網路應用日漸普遍，當前工業無線的WirelessHART、ISA100．11a以及wIA—PA3大標准均兼容了IEEE802．15．4無線網路協議，並提供了隧道傳輸機制兼容現有的通信協議，豐富了工業物聯網系統的組成與功能。
●網路技術：網路是構成工業物聯網的核心之一，數據在系統不同的層次之間通過網路進行傳輸。網路分為有線網路與無線網路，有線網路一般應用於數據處理中心的集群伺服器、工廠內部的區域網以及部分現場匯流排控制網路中，能提供高速率高帶寬的數據傳輸通道。工業無線感測器網路則是一種新興的利用無線技術進行感測器組網以及數據傳輸的技術，無線網路技術的應用可以使得工業感測器的布線成本大大降低，有利於感測器功能的擴展，因此吸引了國內外眾多企業和科研機構的關注。
傳統的有線網路技術較為成熟，在眾多場合已得到了應用驗證。然而，當無線網路技術應用於工業環境時，會面臨如下問題：工業現場強電磁干擾、開放的無線環境讓工業機器更容易受到攻擊威脅、部分控制數據需要實時傳輸。相對於有線網路，工業無線感測器網路技術則正處在發展階段，它解決了傳統的無線網路技術應用於工業現場環境時的不足，提供了高可靠性、高實時性以及高安全性，主要技術包括：自適應跳頻、確實性通信資源調度、無線路由、低開銷高精度時間同步、網路分層數據加密、網路異常監視與報警以及設備入網鑒權等。
●信息處理技術：工業信息出現爆炸式增長，工業生產過程中產生的大量數據對於工業物聯網來說是一個挑戰，如何有效處理、分析、記錄這些數據，提煉出對工業生產有指導性建議的結果，是工業物聯網的核心所在，也是難點所在。
當前業界大數據處理技術有很多，如SAP的BW系統在一定程度上解決了大數據給企業生產運營帶來的問題。數據融合和數據挖掘技術的發展也使海量信息處理變得更為智能、高效。工業物聯網泛在感知的特點使得人也成為了被感知的對象，通過對環境數據的分析以及用戶行為的建模，可以實現生產設計、製造、管理過程中的人一人、人一機和機一機之間的行為、環境和狀態感知，更加真實地反映出工業生產過程中的細節變化，以便得出更准確的分析結果。
●安全技術：工業物聯網安全主要涉及數據採集安全、網路傳輸安全等過程，信息安全對於企業運營起到關鍵作用，例如在冶金、煤炭、石油等行業採集數據需要長時問的連續運行，如何保證在數據採集以及傳輸過程中信息的准確無誤是工業物聯網應用於實際生產的前提。
工業物聯網的應用
●製造業供應鏈管理：企業利用物聯網技術，能及時掌握原材料采購、庫存、銷售等信息，通過大數據分析還能預測原材料的價格趨向、供求關系等，有助於完善和優化供應鏈管理體系，提高供應鏈效率，降低成本。空中客車通過在供應鏈體系中應用感測網路技術，構建了全球製造業中規模最大、效率最高的供應鏈體系。
●生產過程工藝優化：工業物聯網的泛在感知特性提高了生產線過程檢測、實時參數採集、材料消耗監測的能力和水平，通過對數據的分析處理可以實現智能監控、智能控制、智能診斷、智能決策、智能維護，提高生產力，降低能源消耗。鋼鐵企業應用各種感測器和通信網路，在生產過程中實現了對加工產品的寬度、厚度、溫度實時監控，提高了產品質量，優化了生產流程。
●生產設備監控管理：利用感測技術對生產設備進行健康監控，可以及時跟蹤生產過程中各個工業機器設備的使用情況，通過網路把數據匯聚到設備生產商的數據分析中心進行處理，能有效地進行機器故障診斷、預測，快速、精確地定位故障原因，提高維護效率，降低維護成本。GEOil&Gas集團在全球建立了13個面向不同產品的i-Center(綜合服務中心)，通過感測器和網路對設備進行了在線監測和實時監控，並提供了設備維護和故障診斷的解決方案。
●環保監測及能源管理：工業物聯網與環保設備的融合可以實現對工業生產過程中產生的各種污染源及污染治理環節關鍵指標的實時監控。在化工、輕工、火電廠等企業布署感測器網路，不僅可以實時監測企業排污數據，而且可以通過智能化的數據報警及時發現排污異常並停止相應的生產過程，防止突發性環境污染事故發生。電信運營商已開始推廣基於物聯網的污染治理實時監測解決方案。
●工業安全生產管理：「安全生產」是現代化工業中的重中之重。工業物聯網技術通過把感測器安裝到礦山設備、油氣管道、礦工設備等危險作業環境中，可以實時監測作業人員、設備機器以及周邊環境等方面的安全狀態信息，全方位獲取生產環境中的安全要素，將現有的網路監管平台提升為系統、開放、多元的綜合網路監管平台，有效保障了工業生產安全。
參考文獻
1.0 1.1 李士寧,羅國佳.工業物聯網技術及應用概述.電信網技術.2014,3