大规模集群无线传感器网络的同步数据采集外文翻译资料

 2022-09-01 06:09

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


大规模集群无线传感器网络的同步数据采集

Mo Haghighi1, Mateusz Bocian2,3, Olafur Oddbjornsson2, John H.G. Macdonald2 and Jeremy F. Burn3

Departments of Computer Science1, Civil Engineering2 and Mechanical Engineering3 University of Bristol

Bristol, UK

{Mo.Haghighi, Mateusz.Bocian, O.Oddbjornsson, John.Macdonald, J.F.Burn}@bristol.ac.uk

摘要—无线传感器网络(无线传感器网络)已经成为一种观测各种应用中多种变量之间的相互关系的主流手段,从监测环境参数,到医疗、军事和结构健康状况。资源被严重约束的

无线传感器网络需要一个高效的软件层,它作为一个介于应用程序和硬件资源的媒介,用以调节能源消耗和优化传感器节点的寿命。大多数现有的软件解决方案缺少对同步数据采集任务至关重要的几个功能,包括协同数据分布,分散的任务执行和最重要的基于应用时空需求和操作需求的数据融合,因此,无线传感器网络的应用往往无法远程完成他们的数据汇总/挖掘需求。Sensomax是基于代理的无线传感器网络中间设备,它通过一个分散的和自适应的方式,有利于多个并发应用程序的并行数据采集。它能自动分散相关需求的多目标源程序(传感器)的数据,然后会在子代理进一步处理(潜在的计算算法),然后捕获来自多个源的数据并返还给对应的应用程序,无论是在批处理的原始数据还是汇总表。本文Sensomax的数据收集机制应用于人类-结构相互作用模型,从单一的主体捕捉多个数据流,并对它的多主体进行复制和改造。

关键词 --无线传感器网络;结构健康监测;同步;数据采集;并发;人力结构;Sensomax;

  1. 简介

无线传感器网络是一种分散在一个环境中的小型和嵌入式设备的集合,用于监测环境参数或观察感兴趣的现象。无线传感器网络已经吸引了大量的关注,在过去的十年中,他们的应用程序包括结构监测,军事解决方案,健康和医疗观察,火灾探测,监测火山和空间工程的栖息地监测。结构健康监测(SHM)是无线传感器网络的一个最重要的应用,其中感兴趣的多个参数需要同步捕获和输出到一个中央单元进一步处理。处理多个数据流经常需要多个算法同时应用于不同的数据部分。这个过程需要由无线传感器网络的中间件,这是一个软件层之间的应用程序和硬件资源。Sensomax [1,2]是WSN中间设备,它最初被设计为Sun Spot传感器设备[ 10 ],用以同步数据采集,而且能够同时应用多个算法以个人应用的形式捕获的数据。在这里,我们提供了一种新的无线传感器网络应用用以调查人-建筑物的相互作用。

自从千禧年[3,4]伦敦千禧桥(LMF)的可维护性减弱,由行人交通造成的结构侧向激励已经成为工程界重视的一个领域.这个享有盛誉的结构,由于其突出的位置和历史意义(伦敦市中心第一条跨国泰晤士河的桥,自从1894年伦敦塔桥第一次开通),当人们庆祝开业时,承载着很大的横向振动,所以赢得摇摆桥这个臭名昭著的绰号。这种高度关注的事件将对建筑物侧面力更高的特性需求体现了出来,这种侧面力由行人行走引起(地面反作用力,GRFS),可以通过修改结构设计参考极值达到。特别是,频率的内容和由地面反作用力产生的大量频率分量,以及不同的行走速度特性,没有在模拟结构振幅响应中考虑到的可能产生深远影响的潜在因素。群众对土木工程结构的行为的测定主要是从测量的动态行为的大型桥梁或在实验室环境中测试。前一种方法的优点是它允许人类行为的全部复杂性被捕获,包括主体间的相互作用,而由于实验室研究环境的人为偏差。缺点是,个别行人的行为是未知的,从而使基准的理论模型困难。后者的方法允许一个单独的行人的行为,以测量在各种条件下一个行为产生的连续结果。从实验室调查的结果的准确性的不确定性涉及到他们是否是现实生活中的行为的代表。如果提出一种方法,能同时采集行人在人群中的个人行为和建筑物响应的数据,这在解决复杂问题中将是一个相当大的进步。检测行人和一个无线传感器能够捕捉运动数据桥是一个明显的可选解决方案。

  1. 方法论和个案研究

在这一节中,我们描述了如何多个数据流同时进行时间标记和从多个来源进行同步。我们也将解释如何Sensomax数据采集可应用于研究人-建筑物相互作用。Sensomax的架构和操作细节已在[1,2]。然而,为读者提供概述其工作模式和多集群方案,这里对Sensomax的架构进行了简要描述。

为了同时运行多个应用程序,Sensomax将网络分成若干组,称为集群,其中一个节点作为簇头,其它节点作为成员。每个群集维护其成员之间的相互作用的专用通信通道。然而,多个应用程序可以共存于一个单一的节点,同时保持他们的通信和执行领域隔离。因此,多个集群可能重叠的物理,而不干扰彼此的操作。

无线传感器网络应用的特点是基于它们的嵌入式要求,可以缩小到查询;数据;时间和事件条件。基于这些,每一个应用程序最终都符合一个或一个组合的四个主要类别的查询驱动,数据驱动,时间驱动和事件驱动。上述类别决定了应用程序需要执行的操作范例。Sensomax延伸这一机制进一步整合业务模式为上述多群集执行方案,在某种程度上,每个应用程序,基于嵌入式的要求的数量和类型,被分配到一个或多个集群(S),其要求得到部署的每个集群成员的独立的子任务。这种机制创建了一个集中和协同执行环境下执行任务自己独立(分散),只报告他们的结果或响应查询

  1. Sensomax数据分布/采集模型

一旦包括所有的传感器节点的网络被初始化,一个时钟同步代理以one-hop的方式部从网关站署到网络上。接收该代理的节点将其内部时钟与代理中的注册时间进行比较,如果他们的时钟不同于一毫秒,他们请求数据流通道到网关。一旦数据流被授予,节点请求时钟调整代理,这是交付给他们的网关。数据流通道是确保代理是实时收到的。

同样的过程会被重复用于每一个新的集群的形成,介于簇头和他们的成员之间。这个过程非常重要,因为所有感知到的数据在采集之后都会立即被加上一个时间标记。值得一提的是,这个过程在Sun Spots传感器节点上通常不作要求,因为已经具备了硬件时间同步功能。同样,节点利用已经初始化的Sensomax中间设备通过USB连接主机PC也能实现同步。

下一步需确保数据以500ms的间隔储存到闪存中,在我们的实验中,通过无线传输在隐含/后台处理中具有更小的相位滞后和时间延迟。在本文提到的实验目的中,节点每5秒刷新一次数据,也是为了尽量减少延迟。需要强调的是,研究重点是每个数据的时间戳而不是代理/数据包收到的时间。

Sensomax的应用执行机制已经建立在我们以前的出版物[1,2]。本文涉及时间驱动的应用程序,在那里测量需要定期采取。时间驱动的应用程序有特定的要求,它被分解成几个定时器,设置和触发用于测量,数据存储和传输。

通过簇首得到的数据之后会被绑定,并且会准备用计算机算法处理。Sensomax基于组件的结构和Java强大的API,很容将多算法模块和无缝数学运算结合起来。在先前的出版物[8]中,以市场为基础的技术被嵌入到每一个节点中,为的是协调多范式应用的资源分配。人-建筑物结构同步数据采集

实验是在一个位于布里斯托大学地震实验室定制的允许侧起的直接测量的仪表跑步机进行。一个没有任何运动障碍的男性(1米83,81千克)参与实验。经过一段时间的习惯性的收集资料,在跑步机上每5分钟至少走两分钟,其运动速度由速度控制器设置。身体上放置了十四标记,捕获运动动作数据(MCS)由六个红外摄像机采集(国度,瑞典)。

表格1.身体段定义

定义

上臂*

盂肱关节轴/肘为轴

前臂和手*

肘为轴/尺骨茎突

大腿*

大粗隆/股骨髁

脚和腿*

股骨髁/内踝

中继线头颈部

大粗隆/肩关节

*表示一倍段

图1. 在定制仪表跑步机测试期间的测试者

本研究采用的九体段定义(其中4个是因为身体关于中线对称)是基于表格中标记的数据得出来的如表1所示,应当注意,为了建立表1中的定义,标记处会进行多次采集。这个程序可通过逆动力学[5]和脚踝样本确定体中心。脚后跟的垂直速度信号由连接的侧踝装置检测,类似于Orsquo;Connor等人在文献[6]中提出的方法。

所有数据的采样速率为128Hz,所有的后期处理都是自己用Matlab编写的程序处理的,以下是空间和时间步态的建立:

  • 跨步频率()- 取行走频率的一半(等于时间的倒数介于两个连续脚踝运动),定义为行人步态周期的倒数
  • 行走速度(v) - 跑步机皮带标记测得速度的平均值(不是直接从电机速度控制器获得)

横向反作用力是直接从跑步机压力传感器采集的,采集到的信号会经过一个截至频率为40Hz的八阶巴特沃兹低通滤波器,然后再进行更进一步的数据分析,对力的信号数据进行傅里叶变换从而得到频率成分和内容。在分析频率之前,为了避免遗漏(在实际过程中主要器件产生的不需要的频谱成分转移至其它附近的频率),为了包含不行步态周期的整数,这个力的信号可能被截断,这是通过两次脚踝休息的时间间隔的最大值得到的,为了获取横向力的时间历史,信号会经过一个截止频率为6Hz的双向八阶巴特沃斯低通滤波器。利用间接链段建模方法获得侧向分力的反作用力[5]。简单地说,这个过程依赖于使用从MCS处获取的厨具,对已知位置和长度的身体部位进行划分,并且使用人体测量数据测定其质量和质量中心。基于这些数据,将人体作为一组相互关联的部分(运动链)进行模拟,就可以推断出身体重心的运动,这就可以按照牛顿第二定律算出反作用力。

实验期间,测试的主体如图一所示。实验活动被授予由布里斯托尔大学的研究伦理委员会批准。

其主要结果摘要见表2。三阶和五阶频谐波()分别用表示。注意,第一列中的值为谐波频率、二阶和三阶的值,括号中显示并由斜杠分隔的是谐波频率的幅值,分别使用直接(传感器)和间接(MCS)方法。

表2.结果汇总

图2和图3是横向反作用力的间接测量法(黑色的直线)和直接测量法(红色的虚线)的比较。图2显示了截断时程,可以看出两种方法的共同点:在测量力的尖峰时通常都是不错的,间接测量法与直接测量法得到的结果吻合的较好。如图3介绍了单面功率保持力的FFT幅度。可以看出直接和间接测量法在测量频谱成分时比较吻合,效果大体上都不错。然而,相比于直接测量法,检测测量法在测量一次谐波时较低,而测量高次谐波时又较高。

图2 步行速度为1.55m/s是的典型横向力截断时程

图3 对应图6中的

剩余内容已隐藏,支付完成后下载完整资料


资料编号:[147604],资料为PDF文档或Word文档,PDF文档可免费转换为Word

原文和译文剩余内容已隐藏,您需要先支付 30元 才能查看原文和译文全部内容!立即支付

以上是毕业论文外文翻译,课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。