巡线机器人延迟容忍传感器网络数据传输策略

工程科学学报，第40卷，第11期：1412-1421,2018年11月 Chinese Joural of Engineering,Vol.40,No.11:1412-1421,November 2018 DOI:10.13374/j.issn2095-9389.2018.11.015;http://journals.ustb.edu.cn 巡线机器人延迟容忍传感器网络数据传输策略 樊飞)，吴功平1)区，王满)，徐青山2)，曹琪)，杨松) 1)武汉大学动力与机械学院，武汉4300722)国网吉林省电力有限公司，长春1300003)国网吉林省电力有限公司白山供电公司，白山 134300 ☒通信作者，E-mail:即wu@whu.cd.cm 摘要巡线机器人延迟容忍传感器网络(delay tolerant mobile sensor networks for inspection robot,DTMSNR)用于输电线路巡 线机器人远程电网数据收集，具有节点稀疏、异构、随机移动性、间歇连通性和延迟容忍性.针对传统传感器网络数据传输算 法机器人数据传输成功率低与网络可靠性差等问题.提出一种基于巡线机器人位姿信息的数据传输(mobile robot position- based delivery,MPD)策略.为准确计算巡线机器人网络位姿信息，建立机器人路径约束随机运动模型.MPD采用机器人相对 网络位姿信息计算传输概率，进行消息传输路径选择.对网络异构消息引入机器人消息优先传输、消息失效机制进行消息队 列管理.仿真实验表明，相较现有的几种延迟容忍传感器网络(delay tolerant mobile sensor network,DTMSN)数据传输策略，针 对巡线机器人网络MPD能在适当的传输能耗下达到更高的传输成功率与更低的传输延迟. 关键词巡线机器人：延迟容忍传感器网络：数据传输：队列管理：输电线路监控 分类号TP393.1 Date delivery scheme of delay-tolerant mobile sensor networks for high-voltage power transmission line inspection robot FAN Fei),WU Gong-ping,WANG Man),XU Qing-shan2),CAO Qi),YANG Song) 1)School of Power and Mechanical Engineering,Wuhan University,Wuhan 430072,China 2)State Grid Jilin Electric Power Co.,Ltd.,Changchun 130000,China 3)Baishan Power Supply Company,State Grid Jilin Electric Power Co.,Ld.,Baishan 134300,China Corresponding author,E-mail:gpwu@whu.edu.cn ABSTRACT To improve the level of intelligent monitoring,maintenance,and management of transmission lines,research on inspec- tion robots,and key technologies of overhead transmission line have attracted wide attention.With the breakthrough of the theory and technology of the internet of things,robot data transmission based on wireless sensor networks has become an active research area in the field of inspection robotics.Several researchers assume that robots are mobile nodes in wireless sensor networks,and the non-mobile communication node in the network is considered as a static node.The most crucial and difficult aspect of this research is coordinating the relationship among transmission success rate,transmission energy consumption,and delay of dynamic sensors networks.To address this difficulty,a novel method was proposed for the intelligent monitoring and communication system of power grids based on inspection robots.This method aims to realize the remote data collection of inspection robot by delay-tolerant mobile sensor networks for inspection robot (DTMSNR),which is featured by nodes heterogeneity,sparse sensor fields,random mobility,intermittent connectivity,and delay tolerance.It adopts the mobile robot position-based delivery (MPD)method to solve the inadaptability of the traditional methods of sensor networks.A path-constrained random motion model was established,in order to accurately calculate the network pose infor- mation of the inspection robot.The MPD adopts the relative position information of the robot and other nodes to compute transmission 收稿日期：2017-10-31 基金项目：广东省科技计划专项资助项目(2015B090922007):国网吉林省电力有限公司资助项目(JDK2015-21)

工程科学学报,第 40 卷,第 11 期:1412鄄鄄1421,2018 年 11 月 Chinese Journal of Engineering, Vol. 40, No. 11: 1412鄄鄄1421, November 2018 DOI: 10. 13374 / j. issn2095鄄鄄9389. 2018. 11. 015; http: / / journals. ustb. edu. cn 巡线机器人延迟容忍传感器网络数据传输策略 樊 飞1) , 吴功平1)苣 , 王 满1) , 徐青山2) , 曹 琪3) , 杨 松3) 1) 武汉大学动力与机械学院, 武汉 430072 2) 国网吉林省电力有限公司, 长春 130000 3) 国网吉林省电力有限公司白山供电公司, 白山 134300 苣 通信作者, E鄄mail: gpwu@ whu. edu. cn 摘 要 巡线机器人延迟容忍传感器网络(delay tolerant mobile sensor networks for inspection robot, DTMSNR)用于输电线路巡 线机器人远程电网数据收集,具有节点稀疏、异构、随机移动性、间歇连通性和延迟容忍性. 针对传统传感器网络数据传输算 法机器人数据传输成功率低与网络可靠性差等问题. 提出一种基于巡线机器人位姿信息的数据传输(mobile robot position鄄 based delivery, MPD)策略. 为准确计算巡线机器人网络位姿信息,建立机器人路径约束随机运动模型. MPD 采用机器人相对 网络位姿信息计算传输概率,进行消息传输路径选择. 对网络异构消息引入机器人消息优先传输、消息失效机制进行消息队 列管理. 仿真实验表明,相较现有的几种延迟容忍传感器网络(delay tolerant mobile sensor network, DTMSN)数据传输策略,针 对巡线机器人网络 MPD 能在适当的传输能耗下达到更高的传输成功率与更低的传输延迟. 关键词 巡线机器人; 延迟容忍传感器网络; 数据传输; 队列管理; 输电线路监控 分类号 TP393郾 1 收稿日期: 2017鄄鄄10鄄鄄31 基金项目: 广东省科技计划专项资助项目(2015B090922007); 国网吉林省电力有限公司资助项目(JDK2015鄄鄄21) Date delivery scheme of delay鄄tolerant mobile sensor networks for high鄄voltage power transmission line inspection robot FAN Fei 1) , WU Gong鄄ping 1)苣 , WANG Man 1) , XU Qing鄄shan 2) , CAO Qi 3) , YANG Song 3) 1) School of Power and Mechanical Engineering, Wuhan University, Wuhan 430072, China 2) State Grid Jilin Electric Power Co. , Ltd. , Changchun 130000, China 3) Baishan Power Supply Company, State Grid Jilin Electric Power Co. , Ltd. , Baishan 134300, China 苣 Corresponding author, E鄄mail: gpwu@ whu. edu. cn ABSTRACT To improve the level of intelligent monitoring, maintenance, and management of transmission lines, research on inspec鄄 tion robots, and key technologies of overhead transmission line have attracted wide attention. With the breakthrough of the theory and technology of the internet of things, robot data transmission based on wireless sensor networks has become an active research area in the field of inspection robotics. Several researchers assume that robots are mobile nodes in wireless sensor networks, and the non鄄mobile communication node in the network is considered as a static node. The most crucial and difficult aspect of this research is coordinating the relationship among transmission success rate, transmission energy consumption, and delay of dynamic sensors networks. To address this difficulty, a novel method was proposed for the intelligent monitoring and communication system of power grids based on inspection robots. This method aims to realize the remote data collection of inspection robot by delay鄄tolerant mobile sensor networks for inspection robot (DTMSNR), which is featured by nodes heterogeneity, sparse sensor fields, random mobility, intermittent connectivity, and delay tolerance. It adopts the mobile robot position鄄based delivery (MPD) method to solve the inadaptability of the traditional methods of sensor networks. A path鄄constrained random motion model was established, in order to accurately calculate the network pose infor鄄 mation of the inspection robot. The MPD adopts the relative position information of the robot and other nodes to compute transmission

樊飞等：巡线机器人延迟容忍传感器网络数据传输策略 ·1413· probability and selects the message transmission path.This method uses mechanisms of robot message priority transfer and failure time to manage the message queue,considering the different delay requirements for messages.Multiple simulation scenarios were performed,and the influences of different parameters with four routing algorithms were discussed.The results indicate that compared with the commonly used DTMSN data transmission methods,the proposed method can provide a higher delivery ratio and lower transport delay under appropriate transmission energy consumption. KEY WORDS inspection robot;delay-tolerant sensor networks;data delivery;queue management;transmission lines monitoring 近年来，为提高输电线路智能化监控、维护与管 了基于节点运动状态的数据传输(motion state-based 理水平，工作于架空高压输电线路的巡线机器人及 delivery,MSD)策略与基于相对距离感知的动态数 其关键技术研究获得广泛关注).随着物联网技术 据传输策略(relative distance-aware data delivery 突破，特别是无线传感器网络面向机器人等移动对 scheme,RDAD),对节点位置关系进行计算，但缺乏 象数据传输相关理论与应用的创新，基于无线传感 对异构网络的分析.文献[14]提出基于转发概率的 器网络的巡线机器人数据传输问题已成为巡线机器 动态数据转发策略(forwarding probability-based 人领域深入研究热点.巡线机器人及无线传感器网 adaptive data delivery algorithm,FPAD),采用能耗及 络作为物联网技术在智能电网的新应用，是智能电 延迟因子对异构网络进行研究，但节点消息传输只 网系统智能化向输电线路巡检设备智能化的延伸与 发生在相对距离最短时刻，缺乏普遍性.以上方法 发展[].大量研究学者将机器人假设为无线传感器 均未针对输电线路特征及巡线机器人作业方式进行 网络中的移动节点，网络中不可移动通讯节点视作 网铬建模，缺少一种符合架空输电线路与巡线机器 静态节点，以形成动态无线传感器网络.在深入研 人作业特点的数据传输算法 究中如何协调此类网络传输成功率、传输能耗与延 本文提出一种基于机器人位姿信息的巡线机器 迟的关系是研究的重点内容 人延迟容忍无线传感器网络(DTMSNR)及其数据传 普通动态无线传感器网络基于多跳网络实时性 输策略.网络中机器人与静态节点、中心节点组成 要求设计[3).由于传输路径的频繁变更，增加了网 异构网络.策略基本方法是通过机器人在网络中的 络能量空洞几率与网络延迟，降低了传输成功率与 位姿信息计算出机器人与中心节点的传输概率，获 网络可靠性-刀.巡线机器人在输电线路巡检等工 取网络中其他可感知节点转发概率，经过比较将数 作中的运动随机性和沿线路部署节点的分散性、稀 据传递给转发概率大于传输概率的节点.在算法中 疏性必然导致机器人与静态节点间通讯短时非连通 通过特征因子保证数据能以相对更稳定的网络链路 状态，即间歇连通的出现.输电线路巡检数据传输 连接、较小的能量损耗和更低的传输延迟发送到网 是延迟容忍的，非实时信息也可对线路运行进行诊 络其他节点.针对网络中消息不同延迟要求采用机 断评估.在延迟容忍无线传感器网络(DTMSN)中 器人消息优先传输、失效时间机制进行消息队列管 巡线机器人与静态节点形成一个间歇连通无线传感 理，提高传输成功率，控制消息副本与传输能量，增 器网络，传统数据传输方法难以满足DTMSN数据 强网络性能 传输延迟、传输成功率、传输能耗的良好平衡关系. 目前，针对DTMSN的数据传输问题，一些学者进行 1机器人网络模型与传输策略问题描述 了相关研究.这些研究中比较典型的传输策略为文 1.1机器人网络模型 献[8-l1]提出的直接传递算法(direct)、泛洪传递 巡线机器人系统由机器人、普通静态通信节点、 算法(flood)及容错自适应策略(FAD).Direct策略 中心通信节点、集控中心、在线充电装置组成.机器 中网络节点只与中心节点通讯，网络消耗少，但传输 人进行架空输电线路巡检工作时可由在线充电装置 成功率及消息延迟依赖移动节点与中心节点的相遇 进行能量补给，同时其他通它节点可采集机器人、充 概率，网络传输性能受限.Food策略中网络节点与 电装置等数据并传输至集控中心.为满足实际需 所有相邻节点发送消息传递，降低了网络延迟，但在 求，本文定义了基于线路信息与机器人系统特征的 大规模网络中消息量的激增严重影响网络能耗与寿 无线传感器网络.网络初始部署时所有静态节点 命.FAD策略使网络节点有选择的传递消息，基于 (含中心节点)沿输电线路分布并配置于架空输电 历史消息转发记录来计算传输概率，在稀疏网络环 线路杆塔上.网络模型如图1所示，其通信节点满 境中传输概率计算精确性有限.文献[12-13]提出 足以下性质

樊 飞等: 巡线机器人延迟容忍传感器网络数据传输策略 probability and selects the message transmission path. This method uses mechanisms of robot message priority transfer and failure time to manage the message queue, considering the different delay requirements for messages. Multiple simulation scenarios were performed, and the influences of different parameters with four routing algorithms were discussed. The results indicate that compared with the commonly used DTMSN data transmission methods, the proposed method can provide a higher delivery ratio and lower transport delay under appropriate transmission energy consumption. KEY WORDS inspection robot; delay鄄tolerant sensor networks; data delivery; queue management; transmission lines monitoring 近年来,为提高输电线路智能化监控、维护与管 理水平,工作于架空高压输电线路的巡线机器人及 其关键技术研究获得广泛关注[1] . 随着物联网技术 突破,特别是无线传感器网络面向机器人等移动对 象数据传输相关理论与应用的创新,基于无线传感 器网络的巡线机器人数据传输问题已成为巡线机器 人领域深入研究热点. 巡线机器人及无线传感器网 络作为物联网技术在智能电网的新应用,是智能电 网系统智能化向输电线路巡检设备智能化的延伸与 发展[2] . 大量研究学者将机器人假设为无线传感器 网络中的移动节点,网络中不可移动通讯节点视作 静态节点,以形成动态无线传感器网络. 在深入研 究中如何协调此类网络传输成功率、传输能耗与延 迟的关系是研究的重点内容. 普通动态无线传感器网络基于多跳网络实时性 要求设计[3鄄鄄4] . 由于传输路径的频繁变更,增加了网 络能量空洞几率与网络延迟,降低了传输成功率与 网络可靠性[5鄄鄄7] . 巡线机器人在输电线路巡检等工 作中的运动随机性和沿线路部署节点的分散性、稀 疏性必然导致机器人与静态节点间通讯短时非连通 状态,即间歇连通的出现. 输电线路巡检数据传输 是延迟容忍的,非实时信息也可对线路运行进行诊 断评估. 在延迟容忍无线传感器网络(DTMSN) 中 巡线机器人与静态节点形成一个间歇连通无线传感 器网络,传统数据传输方法难以满足 DTMSN 数据 传输延迟、传输成功率、传输能耗的良好平衡关系. 目前,针对 DTMSN 的数据传输问题,一些学者进行 了相关研究. 这些研究中比较典型的传输策略为文 献[8鄄鄄11]提出的直接传递算法( direct)、泛洪传递 算法(flood)及容错自适应策略(FAD). Direct 策略 中网络节点只与中心节点通讯,网络消耗少,但传输 成功率及消息延迟依赖移动节点与中心节点的相遇 概率,网络传输性能受限. Flood 策略中网络节点与 所有相邻节点发送消息传递,降低了网络延迟,但在 大规模网络中消息量的激增严重影响网络能耗与寿 命. FAD 策略使网络节点有选择的传递消息,基于 历史消息转发记录来计算传输概率,在稀疏网络环 境中传输概率计算精确性有限. 文献[12鄄鄄13]提出 了基于节点运动状态的数据传输(motion state鄄based delivery, MSD)策略与基于相对距离感知的动态数 据 传 输 策 略 ( relative distance鄄aware data delivery scheme, RDAD),对节点位置关系进行计算,但缺乏 对异构网络的分析. 文献[14]提出基于转发概率的 动 态 数 据 转 发 策 略 ( forwarding probability鄄based adaptive data delivery algorithm, FPAD),采用能耗及 延迟因子对异构网络进行研究,但节点消息传输只 发生在相对距离最短时刻,缺乏普遍性. 以上方法 均未针对输电线路特征及巡线机器人作业方式进行 网络建模,缺少一种符合架空输电线路与巡线机器 人作业特点的数据传输算法. 本文提出一种基于机器人位姿信息的巡线机器 人延迟容忍无线传感器网络(DTMSNR)及其数据传 输策略. 网络中机器人与静态节点、中心节点组成 异构网络. 策略基本方法是通过机器人在网络中的 位姿信息计算出机器人与中心节点的传输概率,获 取网络中其他可感知节点转发概率,经过比较将数 据传递给转发概率大于传输概率的节点. 在算法中 通过特征因子保证数据能以相对更稳定的网络链路 连接、较小的能量损耗和更低的传输延迟发送到网 络其他节点. 针对网络中消息不同延迟要求采用机 器人消息优先传输、失效时间机制进行消息队列管 理,提高传输成功率,控制消息副本与传输能量,增 强网络性能. 1 机器人网络模型与传输策略问题描述 1郾 1 机器人网络模型 巡线机器人系统由机器人、普通静态通信节点、 中心通信节点、集控中心、在线充电装置组成. 机器 人进行架空输电线路巡检工作时可由在线充电装置 进行能量补给,同时其他通它节点可采集机器人、充 电装置等数据并传输至集控中心. 为满足实际需 求,本文定义了基于线路信息与机器人系统特征的 无线传感器网络. 网络初始部署时所有静态节点 (含中心节点)沿输电线路分布并配置于架空输电 线路杆塔上. 网络模型如图 1 所示,其通信节点满 足以下性质. ·1413·

.1414. 工程科学学报，第40卷，第11期 巡线机器人 ○杆塔。中心通信节点④静态通信节点口巡线机器人塔上通讯节点及充电装置 一机器人运动轨迹------一节点通信链路 图1巡线机器人网络模型 Fig.1 Network model of inspection robot for high-voltage power transmission line (1)节点具有异构的通信能力，为降低能耗，机2中Dx+,表示第X+x(x,X∈N)次运动的终点 器人与普通静态节点通信半径较小为R,中心节点 网络中所有机器人遵循上述运动过程，它们之间 可同时具有两种通信半径：普通静态节点通讯半径 运动相互独立. R、大功率通讯半径C,其中2R<C. 1.2数据传输策略问题描述 (2)机器人具有异构运动速度，机器人巡检作 基于DTMSN与巡线机器人网络特点，高效的 业时根据线路环境、数据采集、能耗等因素调节运动 数据传输策略与路由算法应考虑以下问题： 速度.网络信息、巡检数据具有异构的数据容量与 (1)传输策略应满足机器人网络多跳分布式要 传输延迟要求. 求，网络所有节点都具有独立传输数据的能力和 机器人在网络中简化运动规律如图2所示，机 方式； 器人在输电线路杆塔间移动，杆塔P,到P、+n(n, (2)机器人网络应能动态地根据机器人位姿信 N∈N·)的档段内做匀速直线运动，越过杆塔时作 息、传输延迟、能量损耗综合选择最佳传输节点与 低速越障运动或线路巡检任务.其运动符合沿输电 路径； 线路上的随机运动模型(random waypoint)【s),即路 (3)传输策略应充分满足机器人网络异构特 径约束随机运动模型(path-constraint random way- 性，提出满足异构网络特性的自适应算法； point).模型描述如下：假设运动区域为A,以杆塔 (4)制定高效的消息队列管理机制，合理控制 直线段组成约束路径为S,杆塔P,机器人单次运 消息副本数量，确定优先传输、失效时间等消息更新 动为匀速直线运动，在S上随机选取运动起点B 原则 与终点D且B、D应在同一直线段内，随机取运动 2消息传递机制 速率ue（vn,vm）作为此次运动速率.在D处 机器人随机取时间Tp∈（Tn,T)保持静止， 网络节点传输概率与转发概率表明机器人与中 完成一次运动过程.重复此运动过程并选定前次 心节点及其他节点通信的可能性，节点间的消息转 运动终点Dx点为下次运动起点Bx+1(X∈N),图 发机制依此进行.机器人根据接收其他节点广播能 回杆塔Pw O杆塔 量度量自身在网络中的位姿信息，并预测能量损耗 杆塔P 。运动端点 与传输延迟来计算机器人在网络中的传输概率与转 Q杆塔Pat 发概率 ○约束路径S 2.1机器人位姿信息计算 机器人利用网络中各节点信号强度感知机器人 D (Bxa 与广播节点相对位姿信息.假设机器人在一次运动 中接收3次中心节点定时广播，根据接收信号强度 计算机器人移动速率、网络相对位置、运动趋势等位 可运动区域A 姿信息.第i个机器人M,在线路杆塔P,处结束上 图2巡线机器人运动规律 次运动，设为下次运动起点B(x6,y。),任取从杆塔 Fig.2 Inspection robot movement rule Pw至Pwtn(n,N∈N)的直线路径，设杆塔Pxn为

工程科学学报,第 40 卷,第 11 期 图 1 巡线机器人网络模型 Fig. 1 Network model of inspection robot for high鄄voltage power transmission line (1)节点具有异构的通信能力,为降低能耗,机 器人与普通静态节点通信半径较小为 R,中心节点 可同时具有两种通信半径:普通静态节点通讯半径 R、大功率通讯半径 C,其中 2R < C. (2)机器人具有异构运动速度,机器人巡检作 业时根据线路环境、数据采集、能耗等因素调节运动 速度. 网络信息、巡检数据具有异构的数据容量与 传输延迟要求. 图 2 巡线机器人运动规律 Fig. 2 Inspection robot movement rule 机器人在网络中简化运动规律如图 2 所示,机 器人在输电线路杆塔间移动,杆塔 PN 到 PN + n ( n, N沂N * )的档段内做匀速直线运动,越过杆塔时作 低速越障运动或线路巡检任务. 其运动符合沿输电 线路上的随机运动模型(random waypoint) [15] ,即路 径约束随机运动模型( path鄄constraint random way鄄 point) . 模型描述如下:假设运动区域为 A,以杆塔 直线段组成约束路径为 S,杆塔 P,机器人单次运 动为匀速直线运动,在 S 上随机选取运动起点 B 与终点 D 且 B、D 应在同一直线段内,随机取运动 速率v沂( vmin , vmax) 作为此次运动速率. 在 D 处 机器人随机取时间 Tpause沂 (Tmin , Tmax) 保持静止, 完成一次运动过程. 重复此运动过程并选定前次 运动终点 DX点为下次运动起点 BX + 1 ( X沂N) ,图 2 中 DX + x表示第 X + x ( x, X沂N) 次运动的终点. 网络中所有机器人遵循上述运动过程,它们之间 运动相互独立. 1郾 2 数据传输策略问题描述 基于 DTMSN 与巡线机器人网络特点,高效的 数据传输策略与路由算法应考虑以下问题: (1)传输策略应满足机器人网络多跳分布式要 求,网络所有节点都具有独立传输数据的能力和 方式; (2)机器人网络应能动态地根据机器人位姿信 息、传输延迟、能量损耗综合选择最佳传输节点与 路径; (3)传输策略应充分满足机器人网络异构特 性,提出满足异构网络特性的自适应算法; (4)制定高效的消息队列管理机制,合理控制 消息副本数量,确定优先传输、失效时间等消息更新 原则. 2 消息传递机制 网络节点传输概率与转发概率表明机器人与中 心节点及其他节点通信的可能性,节点间的消息转 发机制依此进行. 机器人根据接收其他节点广播能 量度量自身在网络中的位姿信息,并预测能量损耗 与传输延迟来计算机器人在网络中的传输概率与转 发概率. 2郾 1 机器人位姿信息计算 机器人利用网络中各节点信号强度感知机器人 与广播节点相对位姿信息. 假设机器人在一次运动 中接收 3 次中心节点定时广播,根据接收信号强度 计算机器人移动速率、网络相对位置、运动趋势等位 姿信息. 第 i 个机器人 Mi在线路杆塔 PN处结束上 次运动,设为下次运动起点 B( xb, yb),任取从杆塔 PN至 PN + n (n, N沂N * )的直线路径,设杆塔 PN + n为 ·1414·

樊飞等：巡线机器人延迟容忍传感器网络数据传输策略 ·1415· 下次运动终点D(xu,ya).为简化，计算中设中心节 动模型计算得： 点布置在运动区域原点O(0,0),其他第i个静态节 r-a√-din 点坐标为Z(x,ya).在运动开始后机器人分别接 t= (6) 收到第a次，第b次，第c次，共3次间隔时长为 式中：r为通信距离：v为机器人移动速率；d,为当 、发送能量为E的中心节点与静态节点广播信号， 前通信距离，dn为最小通信距离；a为运动趋势系 机器人接收信号强度En分别为Eree、 数，当机器人趋近节点a=1,当机器人趋离节点 EaEe山Ea,其中，如Enn表示机器人接收中 a=-1. 心节点c的第a次的信号强度，En表示机器人接 针对中心节点与其他节点计算得，机器人与中 收普通静态节点z的第a次的信号强度，其余含义 心节点通信时长t,与第i个其他节点（除去中心节 类似.表示根据信号强度传播公式[6)： 点)通信时长t,综合机器人运动趋势条件结论 KE. 如下： (1) 由运动模型可知机器人t时间内运动位移相 2R--d正，当dEd 0 d.·则机器人运动速率v为： (7) din da -2d R+C--d,当dmE (2) (8) 机器人与其他节点最小距离为da,其中与中 _2√(R+C)产-d (9) 心节点与静态节点距离分别为diin计算得： -2Eeea(Eeb+Eee） 2√AR-d= (10) diae2 式(9)~(10)中，tmm与t表示机器人由起点 1 (3) B(xb,yb)运动至终点D(x4,ya)过程中分别与中心 -2EE) 节点、第i个节点Z(x,y:)通信链路连接最大 dm=（+EE-2EEd 时长. E-y'kE. 111 在时间度量下的网络中节点利用率为剩余通信 (4) 时长占总通信时长的比例： 2.2消息传递算 刃=5 (11) 机器人由起点B(x6,y)运动至终点D(x,y) 过程中与第i个节点Z(x:,y:)通信链路连接最大 当满足条件m>0,t>0且-> 时长ts,根据运动模型计算得： 2E- -时，第i个机器人M,相比与中心节点通信， (5) 与邻居节点Z(x,y)通信能提高网络利用率、降 式中：d为节点到机器人运动轨迹最小通信距离， 低消息冲突、提高传输成功率，即满足公式(12)时， 普通静态节点取dmia,中心节点取dmn;rmm为最大 第i个机器人M,消息通过第i个节点Z(xa,y:)转 通信距离，普通静态节点通信距离取2R,中心节点 发比机器人M,与中心节点通信更有利于提高网络 取R+C. 节点利用率、网络消息负载均衡.由式(2)~ 设第i个机器人M,在作BD匀速直线运动过程 (11)得： 中，在时刻入与周围节点进行简单通信获取彼此基 2R+B R+C+aBa (12) 本信息，在入前与其他节点保持通信时长为t,由运 2√4R-dn2√(R+C)'-dn

樊 飞等: 巡线机器人延迟容忍传感器网络数据传输策略 下次运动终点 D(xd , yd ). 为简化,计算中设中心节 点布置在运动区域原点 O(0,0),其他第 i 个静态节 点坐标为 Z(xzi, yzi). 在运动开始后机器人分别接 收到第 a 次, 第 b 次, 第 c 次,共 3 次间隔时长为 t驻、发送能量为 Es的中心节点与静态节点广播信号, 机器人接收信号强度 Erec分别为 Erec鄄ca 、Erec鄄cb、Erec鄄cc、 Erec鄄za 、Erec鄄zb、Erec鄄zc,其中,如 Erec鄄ca表示机器人接收中 心节点 c 的第 a 次的信号强度,Erec鄄za表示机器人接 收普通静态节点 z 的第 a 次的信号强度,其余含义 类似. 表示根据信号强度传播公式[16] : d = 酌 KEs Erec (1) 由运动模型可知机器人 t驻 时间内运动位移相 等,设为 s;由公式(1)计算出第 a 次, 第 b 次, 第 c 次,共 3 次接收信号时刻距中心节点距离为 dca 、dcb、 dcc . 则机器人运动速率 v 为: v = s t驻 = d 2 ca + d 2 cb - 2d 2 cc 2 t驻 = 酌 2 KEs ( 1 Erec鄄ca + 1 Erec鄄cb - 2 Erec ) 鄄cc t驻 (2) 机器人与其他节点最小距离为 dmin ,其中与中 心节点与静态节点距离分别为 dcmin 、dzmin计算得: d 2 cmin = ( - 2Erec鄄ca (Erec鄄cb + Erec鄄cc) Erec鄄caErec鄄cc + Erec鄄cbErec鄄cc - 2Erec鄄caErec鄄cb + 1 Erec鄄ca - ) 1 4 酌 2KEs (3) d 2 zmin = ( - 2Erec鄄za (Erec鄄zb + Erec鄄zc) Erec鄄zaErec鄄zc + Erec鄄zbErec鄄cc - 2Erec鄄zaErec鄄zb + 1 Erec鄄za - ) 1 4 酌 2KEs (4) 2郾 2 消息传递算法 机器人由起点 B(xb, yb)运动至终点 D(xd , yd ) 过程中与第 i 个节点 Z(xzi, yzi)通信链路连接最大 时长 tmax,根据运动模型计算得: tmax = 2 r 2 max - d 2 min v (5) 式中:dmin为节点到机器人运动轨迹最小通信距离, 普通静态节点取 dzmin ,中心节点取 dcmin ;rmax为最大 通信距离,普通静态节点通信距离取 2R,中心节点 取 R + C. 设第 i 个机器人 Mi在作 BD 匀速直线运动过程 中,在时刻 姿 与周围节点进行简单通信获取彼此基 本信息,在 姿 前与其他节点保持通信时长为 t姿 ,由运 动模型计算得: t姿 = r - a d 2 姿 - dmin v (6) 式中:r 为通信距离;v 为机器人移动速率;d姿为当 前通信距离,dmin为最小通信距离;a 为运动趋势系 数,当机器人趋近节点 a = 1,当机器人趋离节点 a = - 1. 针对中心节点与其他节点计算得,机器人与中 心节点通信时长 t c姿 ,与第 i 个其他节点(除去中心节 点)通信时长 t zi姿 ,综合机器人运动趋势条件结论 如下: t zi姿 = 2R - d 2 zi姿 - d 2 zimin v ;当 dcmin Erec ì î í ï ïï ï ïï 鄄cb (7) t c姿 = R + C - d 2 c姿 - d 2 cmin v ;当 dcmin Erec ì î í ï ïï ï ïï 鄄cb (8) t cmax = 2 (R + C) 2 - d 2 cmin v (9) t zimax = 2 4R 2 - d 2 zimin v (10) 式(9) ~ (10)中,t cmax与 t zimax表示机器人由起点 B(xb, yb)运动至终点 D(xd , yd )过程中分别与中心 节点、第 i 个节点 Z ( xzi, yzi ) 通信链路连接最大 时长. 在时间度量下的网络中节点利用率为剩余通信 时长占总通信时长的比例: 浊 = tmax - t姿 tmax (11) 当满足条件 t zimax > 0, t cmax > 0 且 t zimax - t zi姿 t zimax > t cmax - t c姿 t cmax 时,第 i 个机器人 Mi相比与中心节点通信, 与邻居节点 Z( xzi, yzi)通信能提高网络利用率、降 低消息冲突、提高传输成功率,即满足公式(12)时, 第 i 个机器人 Mi消息通过第 i 个节点 Z( xzi, yzi)转 发比机器人 Mi与中心节点通信更有利于提高网络 节点利 用 率、 网 络 消 息 负 载 均 衡. 由 式 ( 2 ) ~ (11)得: 2R + 琢茁zi姿 2 4R 2 - d 2 zimin < R + C + 琢茁c姿 2 (R + C) 2 - d 2 cmin (12) ·1415·

·1416· 工程科学学报，第40卷，第11期 式中， 3消息队列管理 l;当dmn或Eeah a--l,当dEme 无线传感器网络中，消息在传递至下一节点后 B=-心，B=Y延-心，其中a、 自动删除.由于动态节点的存在，DTMSN消息的传 递不同于前者，节点消息传递后仍以消息副本的形 BB为简化公式(12)的计算过程变量，无物理含 式存储在原节点.DTMSNR大量的消息副本保存在 义，变量中的i表示第i个静态节点的相关变量值， 消息队列中，需对网络节点消息合理分类与管理. 如En表示机器人接收第i个普通静态节点z的 本文采用消息失效时间、机器人消息优先传输机制 第a次的信号强度，变量Eea表示机器人接收第i 进行队列管理 个普通静态节点z的当前时刻信号强度，变量Ea 3.1消息丢弃原则 表示机器人接收中心节点的当前时刻信号强度，变 消息失效时间(out of survival time,OT)即消息 量E。、E分别表示当前时刻静态节点与中心节点 在网络中生存时间(survival time,ST)超过网络延 广播信号的发送能量. 迟容忍限度(delay tolerant value,DTV)的时间.消 巡线机器人DTMSN中第i个机器人M,消息依 息失效时间在网络中随着消息的传播增大，同时消 据传输概率进行转发，其通信范围内有n(n>1,n 息传输成功率逐步加大，同时产生更多的消息副本. ∈N)个邻居节点.第i个机器人M的直接传输概 机器人网络中节点容量一定，当节点消息队列容量 率u表明机器人直接与中心节点O通信的可能性， 达到上限且收到新消息，节点依据消息失效时间大 机器人M,由第i个静态节点Z,转发概率u表明机 小，对最大OT消息进行清空.同时节点定时对消息 器人静态节点Z转发消息给中心节点通信的可能 队列进行筛查，完成消息队列的更新.节点在新消 性.u。4由机器人位姿信息ω(Z)决定： 息生成时，在消息头部加入消息DTV与ST,且ST 4:=w(Z) (13) 初值为0.DTMSN节点的定时器触发一次，ST自增 由公式(11)可知，第i个机器人的相对中心节 1,当ST值超过DTV后，0T自增1，由于消息在空气 点位姿因子w(Z.)与静态节点位姿因子w(Z)分 中传播时间非常短，则消息转发过程不影响ST及 别为： 0T. 3.2机器人消息优先原则 w(Z.)=1- R+C+aB (14) 2R+C)'-d 在DTMSNR中，来自机器人的消息，如线路信 息、机器人状态信息等总是最重要的信息.为提高 w(Za)=1 2R+aBi (15) 2√4R-dmn 机器人消息传输成功率，消息的传输采用机器人消 第i个机器人M,在消息j传输前，先与k(k≥1， 息优先原则，即节点先传输机器人消息，再发送自身 消息，最后传递其他节点消息，且消息在队列中的次 k∈N)个邻居节点Z,Z2,…,Z进行握手通信，其 中邻居节点集合为Φ={Z:I1≤i≤k,i∈N,k∈ 序依据ST值由小及大排列. 3.3消息队列管理方法 N},获得直接传输概率u。及转发概率u:,机器人 M将邻居节点传输、转发概率进行大小比较后，按 巡线机器人DTMSN中，节点消息队列消息来 照概率由大到小依次将消息传输给第；个邻居节点 源如图4所示，主要分3个部分. (1)节点接收到机器人消息后，将机器人消息 Z.传输算法如图3所示 巾=0 插入到消息队列头部： for i=l:i<k:i++do (2)节点自身传感器发来消息后，依次插入到 if4a<μthen 消息队列尾部： 小=中UZ (3)节点接收到其他非机器人节点产生的消息 end if 后，依次插入到消息队列尾部 end for 消息在消息队列中传递按列头至列尾进行，消 forj=1;j≤lhl++do 息被传递至下一节点，将以消息副本形式保存至队 forward message (j.) end for 列尾部.消息ST值大于DTV后OT值增长，OT值 图3传输算法伪码 越大消息被丢弃概率越高.消息寿命通过赋予不同 Fig.3 Pseudo-code of the transmission algorithm DTV值调节OT增长来控制.对于紧急消息可直接

工程科学学报,第 40 卷,第 11 期 式中, 琢 = 1;当 dcmin Erec鄄cb或 dzimin Erec鄄zib - 1;当 dcmin Erec { 鄄zib , 茁zi姿 = 酌 2KEsz姿 Erec鄄zi姿 - d 2 zimin , 茁c姿 = 酌 2KEsc姿 Erec鄄c姿 - d 2 cmin ,其中 琢、 茁zi姿 、茁c姿为简化公式(12)的计算过程变量,无物理含 义,变量中的 i 表示第 i 个静态节点的相关变量值, 如 Erec鄄zia表示机器人接收第 i 个普通静态节点 z 的 第 a 次的信号强度,变量 Erec鄄zi姿表示机器人接收第 i 个普通静态节点 z 的当前时刻信号强度,变量 Erec鄄c姿 表示机器人接收中心节点的当前时刻信号强度,变 量 Esz姿 、Esc姿分别表示当前时刻静态节点与中心节点 广播信号的发送能量. 巡线机器人 DTMSN 中第 i 个机器人 Mi消息依 据传输概率进行转发,其通信范围内有 n( n > 1, n 沂N)个邻居节点. 第 i 个机器人 Mi的直接传输概 率 滋ci表明机器人直接与中心节点 O 通信的可能性, 机器人 Mi由第 i 个静态节点 Zi转发概率 滋zi表明机 器人静态节点 Zi转发消息给中心节点通信的可能 性. 滋ci、滋zi由机器人位姿信息 棕(Z)决定: 滋i = 棕(Z) (13) 由公式(11)可知,第 i 个机器人的相对中心节 点位姿因子 棕(Zci)与静态节点位姿因子 棕(Zzi)分 别为: 棕(Zci) = 1 - R + C + 琢茁c姿 2 (R + C) 2 - d 2 cmin (14) 棕(Zzi) = 1 - 2R + 琢茁zi姿 2 4R 2 - d 2 zimin (15) 第 i 个机器人 Mi在消息 j 传输前,先与 k(k逸1, k沂N)个邻居节点 Z1 , Z2 , …, Zk进行握手通信,其 中邻居节点集合为 椎 = {Zi | 1臆i臆k, i沂N, k沂 N},获得直接传输概率 滋ci 及转发概率 滋zi,机器人 Mi将邻居节点传输、转发概率进行大小比较后,按 照概率由大到小依次将消息传输给第 i 个邻居节点 Zi . 传输算法如图 3 所示. 椎 = 0 for i = 1;i < k;i + + do if 滋ci < 滋zi then 椎 = 椎胰Zi end if end for for j = 1; j臆| 椎 | ;j + + do forward message (j,椎n ) end for 图 3 传输算法伪码 Fig. 3 Pseudo鄄code of the transmission algorithm 3 消息队列管理 无线传感器网络中,消息在传递至下一节点后 自动删除. 由于动态节点的存在,DTMSN 消息的传 递不同于前者,节点消息传递后仍以消息副本的形 式存储在原节点. DTMSNR 大量的消息副本保存在 消息队列中,需对网络节点消息合理分类与管理. 本文采用消息失效时间、机器人消息优先传输机制 进行队列管理. 3郾 1 消息丢弃原则 消息失效时间(out of survival time, OT)即消息 在网络中生存时间( survival time, ST) 超过网络延 迟容忍限度( delay tolerant value, DTV)的时间. 消 息失效时间在网络中随着消息的传播增大,同时消 息传输成功率逐步加大,同时产生更多的消息副本. 机器人网络中节点容量一定,当节点消息队列容量 达到上限且收到新消息,节点依据消息失效时间大 小,对最大 OT 消息进行清空. 同时节点定时对消息 队列进行筛查,完成消息队列的更新. 节点在新消 息生成时,在消息头部加入消息 DTV 与 ST,且 ST 初值为 0. DTMSN 节点的定时器触发一次,ST 自增 1,当 ST 值超过 DTV 后,OT 自增 1,由于消息在空气 中传播时间非常短,则消息转发过程不影响 ST 及 OT. 3郾 2 机器人消息优先原则 在 DTMSNR 中,来自机器人的消息,如线路信 息、机器人状态信息等总是最重要的信息. 为提高 机器人消息传输成功率,消息的传输采用机器人消 息优先原则,即节点先传输机器人消息,再发送自身 消息,最后传递其他节点消息,且消息在队列中的次 序依据 ST 值由小及大排列. 3郾 3 消息队列管理方法 巡线机器人 DTMSN 中,节点消息队列消息来 源如图 4 所示,主要分 3 个部分. (1)节点接收到机器人消息后,将机器人消息 插入到消息队列头部; (2)节点自身传感器发来消息后,依次插入到 消息队列尾部; (3)节点接收到其他非机器人节点产生的消息 后,依次插入到消息队列尾部. 消息在消息队列中传递按列头至列尾进行,消 息被传递至下一节点,将以消息副本形式保存至队 列尾部. 消息 ST 值大于 DTV 后 OT 值增长,OT 值 越大消息被丢弃概率越高. 消息寿命通过赋予不同 DTV 值调节 OT 增长来控制. 对于紧急消息可直接 ·1416·

樊飞等：巡线机器人延迟容忍传感器网络数据传输策略 .1417. 改变消息队列位置来提高消息传输率，降低传输 果若为特别说明，均为100次独立实验结果均值 延迟 表1仿真实验默认参数 本地 Table 1 Default parameters of the simulation 点 消 参数 默认值 其他消息 网络区域大小/m 4×10°(2000×2000) 传输消息 仿真运行时间/s 10000 已传输消总 杆塔间最小间距/m 90 杆塔数量 35 图4节点消息队列结构图 Fig.4 Structure of messages in the queue for node 机器人节点数量 5 静态节点数量 30 4 实验 中心节点坐标 (1000,1000) 中心节点通讯半径，C/m 1000 本文使用OMNET++[]仿真平台进行MPD、 静态节点通讯半径，R/m 120 FAD、Flood和Direct算法仿真，并利用巡线机器人、 机器人移动速度/(ms) 2 太阳能通讯基站、地面监控基站等进行了DTMSNR 运行静止时间，T/s 2000 实际工程试验。按照以下条件对传输策略进行性能 节点队列长度（消息数） 200 分析： 消息长度/bit 200 (1)在默认条件下，比较本文提出的MPD与其 消息生成速率/s1 0.01 他3种策略的性能： 消息失效时间/s 2000 (2)研究网络中移动机器人数量、静态节点密 FAD容错门限 0.9 度对这4种算法性能的影响： FAD历史记录参数 0.1 (3)研究移动机器人不同运动特性，MPD与其 FAD定时器时限参数 50 他3种算法不同性能表现 4.1仿真实验 4.1.1传输策略性能比较分析 本文仿真实验中，为符合实际输电线路远距离 在默认仿真参数下，4种传输算法性能对比如 通讯需求，设定网络区域为2000m×2000m的正方 图5所示.综合图5数据知MPD算法综合性能优 形区域，设中心节点唯一，且位于区域中心，中心节 于其他3种传输策略.默认参数下，MPD算法在4 点通讯半径C=1000m.网络中各节点（包括移动机 种传输策略中具有最高的传输成功率，最低的数据 器人节点)消息生成遵循泊松过程，且平均到达时 传输延迟和适当的网络传输能量损耗（消息平均副 间为100s.网络带宽设为20kbps,网络模拟运行时 本数) 间为10000s.其他相关网络参数见表1，本仿真结 直接传递算法(direct)中，机器人在沿线路移动 100 3000 ☑☑Direct图Flood ☑Direct工均值 ☑Direct工均值 ☐FAD MPD FAD 标准差 FAD 工均值 Flood 2400 Flood 20 MPD MPD 15 1800 40 10 1200 600 1☑ Direet FAD Flood MPD Direet FAD Flood MPD Direct FAD Flood MPD 传输算法种类 传输算法种类 传输算法种类 图5默认参数下仿真结果的对比 Fig.5 Comparison of simulation results by default parameters

樊 飞等: 巡线机器人延迟容忍传感器网络数据传输策略 改变消息队列位置来提高消息传输率,降低传输 延迟. 图 4 节点消息队列结构图 Fig. 4 Structure of messages in the queue for node 4 实验 本文使用 OMNET + + [17] 仿真平台进行 MPD、 FAD、Flood 和 Direct 算法仿真,并利用巡线机器人、 太阳能通讯基站、地面监控基站等进行了 DTMSNR 实际工程试验. 按照以下条件对传输策略进行性能 分析: (1) 在默认条件下,比较本文提出的 MPD 与其 他 3 种策略的性能; (2) 研究网络中移动机器人数量、静态节点密 度对这 4 种算法性能的影响; (3) 研究移动机器人不同运动特性,MPD 与其 他 3 种算法不同性能表现. 图 5 默认参数下仿真结果的对比 Fig. 5 Comparison of simulation results by default parameters 4郾 1 仿真实验 本文仿真实验中,为符合实际输电线路远距离 通讯需求,设定网络区域为 2000 m 伊 2000 m 的正方 形区域,设中心节点唯一,且位于区域中心,中心节 点通讯半径 C = 1000 m. 网络中各节点(包括移动机 器人节点)消息生成遵循泊松过程,且平均到达时 间为 100 s . 网络带宽设为 20 kbps,网络模拟运行时 间为 10000 s. 其他相关网络参数见表 1,本仿真结 果若为特别说明,均为 100 次独立实验结果均值. 表 1 仿真实验默认参数 Table 1 Default parameters of the simulation 参数 默认值 网络区域大小/ m 2 4 伊 10 6 (2000 伊 2000) 仿真运行时间/ s 10000 杆塔间最小间距/ m 90 杆塔数量 35 机器人节点数量 5 静态节点数量 30 中心节点坐标 (1000,1000) 中心节点通讯半径,C/ m 1000 静态节点通讯半径,R/ m 120 机器人移动速度/ (m·s - 1 ) 2 运行静止时间,Tpause / s 2000 节点队列长度(消息数) 200 消息长度/ bit 200 消息生成速率/ s - 1 0郾 01 消息失效时间/ s 2000 FAD 容错门限 0郾 9 FAD 历史记录参数 0郾 1 FAD 定时器时限参数 50 4郾 1郾 1 传输策略性能比较分析 在默认仿真参数下,4 种传输算法性能对比如 图 5 所示. 综合图 5 数据知 MPD 算法综合性能优 于其他 3 种传输策略. 默认参数下,MPD 算法在 4 种传输策略中具有最高的传输成功率,最低的数据 传输延迟和适当的网络传输能量损耗(消息平均副 本数). 直接传递算法(direct)中,机器人在沿线路移动 ·1417·

·1418 工程科学学报，第40卷，第11期 过程中只与中心节点发生信息交互，同时受限于沿 传输概率.此外FAD基于容错的消息队列机制改 输电线路布置节点稀疏性等因素，其与中心节点相 善消息传输延迟与能耗，但并未考虑消息的失效问 遇概率较低，虽然算法使得消息传输能耗极低（恒 题，队列管理效率仍有待提高.MPD采用消息失效 为1)，但传输成功率与传输延迟性能表现很不理 时间、机器人消息优先传输机制来进行队列管理 想.在泛洪算法(ood)中机器人消息能被不同节点 算法通过控制DVT值影响消息寿命，合理利用了网 传输到中心节点，传输成功率优于Direct算法.但 络带宽与能量，减小网络开销.MPD策略优先将机 Food中静态节点消息队列占满后，节点不再接受机 器人消息转发至更多节点，提高机器人消息传输成 器人消息，同时丢弃原队列消息来存放自身消息，使 功率 得Flood算法在队列满后网络传输成功率提升有 4.1.2节点通信半径对性能的影响 限.相比Direct算法，由于Flood策略中节点不加选 机器人节点及静态节点在默认密度下，通信 择的进行消息分发，使得传输能耗（平均消息副本 半径发生变化时，4种传输策略性能对比如图6所 数)急剧增大，同时也限制了消息延迟的降低 示.节点通信半径较小（低于20m)时，节点相遇 由图5可知MPD与FDA算法在适当的消息传 概率较低、相遇时间间隔较长，4种传输策略传输 输能耗（平均消息副本数）下，机器人消息传输成功 成功率均低于35%，都有较高的传输延迟和极低 率与消息传输延迟相较Direct与Flood算法有明显 的能量损耗.随着通信半径增加，由于机器人与中 性能提升.其中MPD策略在消息副本数略高于 心节点和其他节点相遇概率升高，各算法传输成 FAD策略情况下，机器人消息传输成功率与消息传 功率有明显增长，当半径超过100m增幅减小.其 输延迟都具有更好的性能特性.从而更好的实现了 中DA算法在通信半径超过140m时传输成功率 机器人网络消息传输能耗与传输成功率、传输延迟开始下降，同时FDA消息副本也逐步减小.由于 间的平衡.在DTMSN巡线机器人网络中，各节点的 FDA算法中8参数表示节点相遇并发送消息的间 稀疏性、间歇连通性导致机器人与静态节点、中心节 隔，决定了机器人与其他节点的传输与否，当通信 点相遇概率较低，同时网络中机器人的随机移动性 半径超过140m后大部分节点传输间隔都小于 导致网络拓扑结构动态变化，而实际中机器人消息 50s,此时机器人消息被大量的节点相互被转发， 传输的性能更多的取决于机器人与各节点的远近关 而FDA队列管理进行容错筛选后丢弃了大量消息 系、运动趋势等机器人位姿信息.FAD策略依靠对 导致消息副本减少，随后传输成功率受到影响.而 过去传输的记录并不能很好的反映机器人将消息传 MPD算法依据机器人位姿信息更精确的测算传输 输给中心节点的实际能力.MPD策略利用机器人接 概率，确保传输负载均衡与高成功率，同时MPD 收网络广播信号强度计算机器人相对于网络的位姿 中机器人消息优先机制有效降低了机器人消息的 信息，相比FAD策略更精确地反映巡线机器人网络 传输延迟 100 50 90 (a 45 b 36001 -MPD 80 40 --MPD 3200F FAD 35 ◆-FAD 2800 L(c) -Flood 70 Flood -Direct 60 -Direct 12000 50 --MPD 25 40 。-FAD 室1600 Flood 斗1200 30 10 800 0 Direct 400 20406080100120140160180200 20406080100120140160180200 04060801012014016018020 通讯半径，Rm 通讯半径，m 通讯半径，Rm 图6通讯半径对不同传输算法的影响.(a)平均传输成功率：(b)平均副本数：(c)平均传输延迟 Fig.6 Impact of transmission radio on different transmission algorithms:(a)average delivery ratio;(b)average copies;(c)average delay 4.1.3动态节点密度对性能的影响 传输中消息副本的大量增长，传输成功率呈小幅下 默认参数下，机器人节点密度发生变化时，4种 降趋势，其中MPD策略针对机器人消息进行识别与 策略的仿真结果如图7所示.由图7(a)可知随着 优先传输改善了大量信息下的网络性能.同时在图 机器人数量增大，机器人与其他节点相遇时间间隔 7(b)中，除直接传递策略外，平均消息副本数量均 减小，4种算法传输成功率都有小幅提升.但当机 明显增长，在机器人数量超过43后FAD算法因队 器人数量超过40后，由于网络中机器人产生消息与 列管理影响丢弃了部分传输副本，增长幅度减弱，但

工程科学学报,第 40 卷,第 11 期 过程中只与中心节点发生信息交互,同时受限于沿 输电线路布置节点稀疏性等因素,其与中心节点相 遇概率较低,虽然算法使得消息传输能耗极低(恒 为 1),但传输成功率与传输延迟性能表现很不理 想. 在泛洪算法(flood)中机器人消息能被不同节点 传输到中心节点,传输成功率优于 Direct 算法. 但 Flood 中静态节点消息队列占满后,节点不再接受机 器人消息,同时丢弃原队列消息来存放自身消息,使 得 Flood 算法在队列满后网络传输成功率提升有 限. 相比 Direct 算法,由于 Flood 策略中节点不加选 择的进行消息分发,使得传输能耗(平均消息副本 数)急剧增大,同时也限制了消息延迟的降低. 由图 5 可知 MPD 与 FDA 算法在适当的消息传 输能耗(平均消息副本数)下,机器人消息传输成功 率与消息传输延迟相较 Direct 与 Flood 算法有明显 性能提升. 其中 MPD 策略在消息副本数略高于 FAD 策略情况下,机器人消息传输成功率与消息传 输延迟都具有更好的性能特性. 从而更好的实现了 机器人网络消息传输能耗与传输成功率、传输延迟 间的平衡. 在 DTMSN 巡线机器人网络中,各节点的 稀疏性、间歇连通性导致机器人与静态节点、中心节 点相遇概率较低,同时网络中机器人的随机移动性 导致网络拓扑结构动态变化,而实际中机器人消息 传输的性能更多的取决于机器人与各节点的远近关 系、运动趋势等机器人位姿信息. FAD 策略依靠对 过去传输的记录并不能很好的反映机器人将消息传 输给中心节点的实际能力. MPD 策略利用机器人接 收网络广播信号强度计算机器人相对于网络的位姿 信息,相比 FAD 策略更精确地反映巡线机器人网络 传输概率. 此外 FAD 基于容错的消息队列机制改 善消息传输延迟与能耗,但并未考虑消息的失效问 题,队列管理效率仍有待提高. MPD 采用消息失效 时间、机器人消息优先传输机制来进行队列管理. 算法通过控制 DVT 值影响消息寿命,合理利用了网 络带宽与能量,减小网络开销. MPD 策略优先将机 器人消息转发至更多节点,提高机器人消息传输成 功率. 4郾 1郾 2 节点通信半径对性能的影响 机器人节点及静态节点在默认密度下,通信 半径发生变化时,4 种传输策略性能对比如图 6 所 示. 节点通信半径较小(低于 20 m) 时,节点相遇 概率较低、相遇时间间隔较长,4 种传输策略传输 成功率均低于 35% ,都有较高的传输延迟和极低 的能量损耗. 随着通信半径增加,由于机器人与中 心节点和其他节点相遇概率升高,各算法传输成 功率有明显增长,当半径超过 100 m 增幅减小. 其 中 FDA 算法在通信半径超过 140 m 时传输成功率 开始下降,同时 FDA 消息副本也逐步减小. 由于 FDA 算法中 啄 参数表示节点相遇并发送消息的间 隔,决定了机器人与其他节点的传输与否,当通信 半径超过 140 m 后大部分节点传输间隔都小于 50 s,此时机器人消息被大量的节点相互被转发, 而 FDA 队列管理进行容错筛选后丢弃了大量消息 导致消息副本减少,随后传输成功率受到影响. 而 MPD 算法依据机器人位姿信息更精确的测算传输 概率,确保传输负载均衡与高成功率,同时 MPD 中机器人消息优先机制有效降低了机器人消息的 传输延迟. 图 6 通讯半径对不同传输算法的影响. (a) 平均传输成功率; (b) 平均副本数; (c) 平均传输延迟 Fig. 6 Impact of transmission radio on different transmission algorithms: (a) average delivery ratio; (b) average copies; (c) average delay 4郾 1郾 3 动态节点密度对性能的影响 默认参数下,机器人节点密度发生变化时,4 种 策略的仿真结果如图 7 所示. 由图 7( a)可知随着 机器人数量增大,机器人与其他节点相遇时间间隔 减小,4 种算法传输成功率都有小幅提升. 但当机 器人数量超过 40 后,由于网络中机器人产生消息与 传输中消息副本的大量增长,传输成功率呈小幅下 降趋势,其中 MPD 策略针对机器人消息进行识别与 优先传输改善了大量信息下的网络性能. 同时在图 7(b)中,除直接传递策略外,平均消息副本数量均 明显增长,在机器人数量超过 43 后 FAD 算法因队 列管理影响丢弃了部分传输副本,增长幅度减弱,但 ·1418·

樊飞等：巡线机器人延迟容忍传感器网络数据传输策略 ·1419· 导致传输成功率下降更快.除Direct算法中机器人 策略中受传输队列容量限制传输延迟随着机器人数 消息直接传递给中心节点，传输延迟变化不大，其他 量增多也呈现了先降后升的趋势，但总体变化不大 100 50 2800 a b)。-MPD 901 40 ◆-FAD 2400 -Flood 救 2000 -Direct -MPD 70一★一★ 1600 ◆-FAD Flood ·-MPD 20 -Direct ◆-FAD 800 50 --Flood 10 Direct 4001t+1 40L 1020304050607080 0老 1020304050607080 0 1020304050607080 机器人数量 机器人数量 机器人数量 图7动态节点密度对不同传输算法的影响.(a)平均传输成功率：(b)平均副本数：()平均传输延迟 Fig.7 Impact of number of mobile notes on different transmission algorithms:(a)average delivery ratio;(b)average copies;(c)average delay 4.1.4静态节点密度对性能的影响 于节点过于稀疏，MPD算法更精确的传输概率计算 为研究静态节点密度对网络的影响，本仿真实 无法发挥优势，两者表现接近.图8(b)说明随着节 验设置静态节点数由10递增到90.从图8(a)可以 点密度增加，节点相遇概率加大，MPD、FAD、Flood 看出MPD与FAD中机器人消息传输成功率随节点 算法中传输能耗逐渐加大，其中泛洪策略能耗上升 密度增大缓慢上升，而Direct策略中机器人不与其 趋势最明显.图8(c)表明了节点密度对传输延迟 他节点交互，消息传输成功率无明显变化，泛洪策略 影响，由于泛洪算法无差别的传输消息副本，节点密 中传输成功率受大量消息副本的影响提升幅度有 度升高的同时消息队列很快被填满，此时新消息不 限.在静态节点为30至70区间时，MPD与FAD成 会被转发，消息延迟加大.MPD、FAD策略中引入了 功率差值最大，表明MPD更符合此密度的巡线机器 消息丢弃机制，有效抑制队列堵塞，且机器人消息优 人DTMSN网络数据传输.在节点数小于20时，由 先传输方法使得MPD策略在延迟优化上表现最佳 100 50 2800 -(a) 45 (b) (e) --MPD 90 24005 8 40 ·-FAD 富 Flood 2000 7 ￥-Direet 1600 MPD 70 5 ·-FAD 65 20 1200 -Flood -MPD 050 ￥-Direct ◆-FAD 800 --Flood 10 45 Direct 5 400年 4 102030405060708090 010203040506070 8090 002030405060708090 静态节点数量 静态节点数量 静态节点数量 图8静态节点密度对不同传输算法的影响.()平均传输成功率：(b)平均副本数：(c)平均传输延迟 Fig.8 Impact of number of static nodes on different transmission algorithms:(a)average delivery ratio;(b)average copies;(c)average delay 4.1.5机器人移动速率对性能的影响 图9(b)、(c)所示，由于机器人加速后与其他节点 为研究机器人运动速率对4种算法性能影响. 更易相遇，机器人速率与机器人传输能耗正相关，机 本组实验假设机器人运动方向为趋近中心节点，机 器人速率与机器人消息传输延迟负相关 器人速率取值范围为0~4m·s1,其他参数均为默 4.1.6消息队列长度对性能的影响 认参数.由图9(a)可知当机器人静止时其传输成 消息队列是节点存储消息的场所，队列长度表 功率只与机器人在网络中相对位置相关，几种策略 示节点存储消息的容量，为研究消息队列长度对不 结果相近，当机器人加速运动后机器人传输成功率 同算法影响，本组实验设定消息队列长度取值50~ 取决于当前机器人与其他节点的位姿关系，节点运 500范围内，其他参数均为默认参数.如图10(a)所 动速率越快越易与其他节点相遇，且实验中机器人 示，随着消息队列长度增加，不同策略中机器人消息 趋近与中心节点，则4种策略对数据传输成功率均 在失效前被传输到中心节点几率都得到增大.图10 有显著提高，而MPD与FAD间差值主要由算法中 (b)中同样由于节点的存储空间增大，MPD、FAD及 传输概率精准度决定，MPD直接计算机器人位姿信 Flood策略产生更多的能量消耗.如图10(c)所示， 息算法精确度更适合稀疏的DTMSNR网络模型.如 在消息队列较短时，Flood与Direct算法消息队列极

樊 飞等: 巡线机器人延迟容忍传感器网络数据传输策略 导致传输成功率下降更快. 除 Direct 算法中机器人 消息直接传递给中心节点,传输延迟变化不大,其他 策略中受传输队列容量限制传输延迟随着机器人数 量增多也呈现了先降后升的趋势,但总体变化不大. 图 7 动态节点密度对不同传输算法的影响. (a) 平均传输成功率; (b) 平均副本数; (c) 平均传输延迟 Fig. 7 Impact of number of mobile notes on different transmission algorithms: (a) average delivery ratio; (b) average copies; (c) average delay 4郾 1郾 4 静态节点密度对性能的影响 为研究静态节点密度对网络的影响,本仿真实 验设置静态节点数由 10 递增到 90. 从图 8(a)可以 看出 MPD 与 FAD 中机器人消息传输成功率随节点 密度增大缓慢上升,而 Direct 策略中机器人不与其 他节点交互,消息传输成功率无明显变化,泛洪策略 中传输成功率受大量消息副本的影响提升幅度有 限. 在静态节点为 30 至 70 区间时,MPD 与 FAD 成 功率差值最大,表明 MPD 更符合此密度的巡线机器 人 DTMSN 网络数据传输. 在节点数小于 20 时,由 于节点过于稀疏,MPD 算法更精确的传输概率计算 无法发挥优势,两者表现接近. 图 8(b)说明随着节 点密度增加,节点相遇概率加大,MPD、FAD、Flood 算法中传输能耗逐渐加大,其中泛洪策略能耗上升 趋势最明显. 图 8( c)表明了节点密度对传输延迟 影响,由于泛洪算法无差别的传输消息副本,节点密 度升高的同时消息队列很快被填满,此时新消息不 会被转发,消息延迟加大. MPD、FAD 策略中引入了 消息丢弃机制,有效抑制队列堵塞,且机器人消息优 先传输方法使得 MPD 策略在延迟优化上表现最佳. 图 8 静态节点密度对不同传输算法的影响. (a) 平均传输成功率; (b) 平均副本数; (c) 平均传输延迟 Fig. 8 Impact of number of static nodes on different transmission algorithms: (a) average delivery ratio; (b) average copies; (c) average delay 4郾 1郾 5 机器人移动速率对性能的影响 为研究机器人运动速率对 4 种算法性能影响. 本组实验假设机器人运动方向为趋近中心节点,机 器人速率取值范围为 0 ~ 4 m·s - 1 ,其他参数均为默 认参数. 由图 9( a)可知当机器人静止时其传输成 功率只与机器人在网络中相对位置相关,几种策略 结果相近,当机器人加速运动后机器人传输成功率 取决于当前机器人与其他节点的位姿关系,节点运 动速率越快越易与其他节点相遇,且实验中机器人 趋近与中心节点,则 4 种策略对数据传输成功率均 有显著提高,而 MPD 与 FAD 间差值主要由算法中 传输概率精准度决定,MPD 直接计算机器人位姿信 息算法精确度更适合稀疏的 DTMSNR 网络模型. 如 图 9(b)、( c)所示,由于机器人加速后与其他节点 更易相遇,机器人速率与机器人传输能耗正相关,机 器人速率与机器人消息传输延迟负相关. 4郾 1郾 6 消息队列长度对性能的影响 消息队列是节点存储消息的场所,队列长度表 示节点存储消息的容量,为研究消息队列长度对不 同算法影响,本组实验设定消息队列长度取值 50 ~ 500 范围内,其他参数均为默认参数. 如图 10(a)所 示,随着消息队列长度增加,不同策略中机器人消息 在失效前被传输到中心节点几率都得到增大. 图 10 (b)中同样由于节点的存储空间增大,MPD、FAD 及 Flood 策略产生更多的能量消耗. 如图 10( c)所示, 在消息队列较短时,Flood 与 Direct 算法消息队列极 ·1419·

·1420 工程科学学报，第40卷，第11期 100r 3200 a 90 6 2800 话80 2400 12 --MPD ·-FAD 元 -MPD --MPD ▲Flood 6 ◆-FAD 1200 50 ·-FAD -Direet --Flood 800◆ 40 ￥-Direct 2 Direct 400 30 0.51.01.52.02.53.03.54.0 000.510152.0253.0354.0 000510152.02530354.0 机器人移动速率m·s) 机器人移动速率八m·s 机器人移动速率(m·s) 图9机器人移动速率对不同传输算法的影响.(a)平均传输成功率：(b)平均副本数：（©）平均传输延迟 Fig.9 Impact of speed of mobile nodes:(a)average delivery ratio;(b)average copies;(c)average delay 100 30 2400 (a)--MPD b) MPD 90 FAD 25 -Flood ◆FAD 2000 藏20 --Flood (e) -Direct 80 -Direct --MPD 15 ·-FAD 70 F门lood 10 800 Direet 5 400； ￥ 50100150200250300350400450500 50100150200250300350400450500 930100150200250300350400450500 消息队列长度 消息队列长度 消息队列长度 图10存储队列长度对不同传输算法的影响.(a)平均传输成功率：(b)平均副本数：（©）平均传输延迟 Fig.10 Impact of queue size on different transmission algorithms:(a)average delivery ratio;(b)average copies;(c)average delay 易被填满，队列数据更新加快，传输延迟较低，同时4.2现场实验 也会影响传输成功率.当队列增长后数据更新减 为了验证本文无线传感器网络系统的有效性及 慢，Flood与Direct传输延迟随之加大，当消息队列 可靠性，进行了如图11所示的现场实验.在现场实 继续加大更多的副本有利于传输延迟的减小，延迟 验中，模拟线路实验场地共设置了3台巡线机器人、 趋于平稳.MPD、FAD都具有优先传输新消息机制， 2处太阳能通讯基站：同时在线路实验场地1000m 传输延迟变化不大 外架设地面监控基站 图11网络运行现场实验.（a)模拟线路实验场地：(b)地面监控基站 Fig.11 Network operation field experiment:(a)analog line experiment site;(b)ground monitoring base station 现场实验测试时间为2h,在实验过程中3台不 表2现场实验结果 同型号机器人分别运行于3条不同的模拟线路上， Table 2 Field experiment results 利用地面监控基站为中心节点对线路进行远程监 平均传输成功率/% 消息平均副本数消息传输延迟/s 控.网络采用MPD作为数据传输策略，在实验过程 89.3 8.2 345.3 中地面监控基站与网络其他节点能有效建立通讯， 的独特性质提出了一种基于移动机器人位姿信息的 实验结果如表2所示 数据传输策略MPD.主要成果如下. 5结论 针对架空输电线路与巡线机器人作业特点提出 了机器人路径约束随机运动模型，利用运动模型准 本文针对巡线机器人延迟容忍无线传感器网络 确的计算了机器人在网络中的相对位姿信息，并精

工程科学学报,第 40 卷,第 11 期 图 9 机器人移动速率对不同传输算法的影响. (a) 平均传输成功率; (b) 平均副本数; (c) 平均传输延迟 Fig. 9 Impact of speed of mobile nodes: (a) average delivery ratio; (b) average copies; (c) average delay 图 10 存储队列长度对不同传输算法的影响. (a) 平均传输成功率; (b) 平均副本数; (c) 平均传输延迟 Fig. 10 Impact of queue size on different transmission algorithms: (a) average delivery ratio; (b) average copies; (c) average delay 易被填满,队列数据更新加快,传输延迟较低,同时 也会影响传输成功率. 当队列增长后数据更新减 慢,Flood 与 Direct 传输延迟随之加大,当消息队列 继续加大更多的副本有利于传输延迟的减小,延迟 趋于平稳. MPD、FAD 都具有优先传输新消息机制, 传输延迟变化不大. 4郾 2 现场实验 为了验证本文无线传感器网络系统的有效性及 可靠性,进行了如图 11 所示的现场实验. 在现场实 验中,模拟线路实验场地共设置了 3 台巡线机器人、 2 处太阳能通讯基站;同时在线路实验场地 1000 m 外架设地面监控基站. 图 11 网络运行现场实验. (a) 模拟线路实验场地; (b) 地面监控基站 Fig. 11 Network operation field experiment: (a) analog line experiment site; (b) ground monitoring base station 现场实验测试时间为 2 h,在实验过程中 3 台不 同型号机器人分别运行于 3 条不同的模拟线路上, 利用地面监控基站为中心节点对线路进行远程监 控. 网络采用 MPD 作为数据传输策略,在实验过程 中地面监控基站与网络其他节点能有效建立通讯, 实验结果如表 2 所示. 5 结论 本文针对巡线机器人延迟容忍无线传感器网络 表 2 现场实验结果 Table 2 Field experiment results 平均传输成功率/ % 消息平均副本数 消息传输延迟/ s 89郾 3 8郾 2 345郾 3 的独特性质提出了一种基于移动机器人位姿信息的 数据传输策略 MPD. 主要成果如下. 针对架空输电线路与巡线机器人作业特点提出 了机器人路径约束随机运动模型,利用运动模型准 确的计算了机器人在网络中的相对位姿信息,并精 ·1420·

樊飞等：巡线机器人延迟容忍传感器网络数据传输策略 .1421· 确地反应了机器人的消息传输概率.MPD利用消息 mobile sensor networks.Ad Hoc Netcorks,2013,11(4):1372 失效时间、机器人消息优先传输机制来进行队列管 [7]Feng W,Li S H.Energy efficient terminal-discovering in mobile 理.降低了机器人消息转发延时，提高了机器人数 delay tolerant ad-hoe networks//2013 International Conference on Cyber-Enabled Distributed Computing and Knowledge Discovery. 据传输成功率，并有效限制消息副本的产生.实验 Beijing,2013:465 显示MPD与现有DTMSN数据传输策略相比，MPD [8]Wu D P,He J,Wang H G.et al.A hierarchical packet forward- 在较小传输能耗下，获得了更好的传输延迟与传输 ing mechanism for energy harvesting wireless sensor networks. 成功率，是一种更适合架空输电线路与巡线机器人 IEEE Commun Mag,2015,53(8)92 作业特点的机器人数据传输算法. [9]Vahdat A,Becker D.Epidemic routing for partially-connected ad hoc neticorks [R/OL].Duke University (2000-04)[2017-10- 实验中，MPD成功实现一种针对巡线机器人的 31].http://issg.cs.duke.edu/epidemie 高效动态路由机制，但存在一些不足.为方便分析 [10]Wu H Y,Wang Y,Dang H,et al.Analytic,simulation,and 本文只假设了一个中心节点，而实际巡线机器人 empirical evaluation of delay/fault-tolerant mobile sensor net- DTMSN中会存在多中心节点，为使MPD更符合实 works.IEEE Trans Wireless Commun,2007,6(9):3287 际需要，应进一步展开更复杂环境的研究工作. [11]Wang Y,Wu H Y,Lin F,et al.Protocol design and optimiza- tion for delay/fault-tolerant mobile sensor networks /27th Inter- MPD算法中对网络传输损耗计算不足，为提升网络 national Conference on Distributed Computing Systems.Toronto, 生存能力应进一步研究降低传输能耗方法. 2007:7 [12]Yang K W.Zheng K F,Yang Y X,et al.Motion state-based da- 参考文献 ta delivery scheme of delay tolerant mobile sensor networks.J Commun,2010,31(11):138 [1]Wu G P,Xiao X H,Xiao H,et al.Development of a mobile in- (杨奎武，郑康锋，杨义先，等.基于运动状态的延迟容忍移 spection robot for high voltage power transmission line.Autom 动传感器网络数据传输策略.通讯学报，2010,31(11)： Electr Pouer Syst,2006,30(13):90 138) (吴功平，肖晓晖，肖华，等.架空高压输电线路巡线机器人 [13]Xu F L,Liu M,Gong H G,et al.Relative distance-aware data 样机研制.电力系统自动化，2006,30(13)：90) delivery scheme for delay tolerant mobile sensor networks.J Sof- [2]Lu J,Zhu Y P,Xu Z Q,et al.A reliable wireless sensor network ae,2010,21(3):490 routing method for power transmission line monitoring.Poer Syst (许富龙，刘明，龚海刚，等.延迟容忍传感器网络基于相对 Technol,.2017,41(2):644 距离的数据传输.软件学报，2010,21(3)：490) (陆俊，朱炎平，徐志强，等.面向输电线路监测的无线传感 [14]Liu T,Peng J,Yang J.Data delivery for heterogeneous delay tol- 网路可靠路由方法研究.电网技术，2017,41(2)：644) erant mobile sensor networks based on forwarding probability.J [3]Yang P,Si SS,Xu W,et al.Data forwarding strategy for wireless Software,2013,24(2):215 network with intermittent connectivity based on energy equilibri- (刘唐，彭舰，杨进.异构延迟容忍移动传感器网络中基于 um.Chin J Eng,2017,39(6):962 转发概率的数据传输.软件学报，2013,24(2)：215) (杨鹏，司书山，许稳，等.能量均衡的间断连接无线网络数 [15]Yasmine-Derdour,Bouabdellah-Kechar,Favcal-Khelfi M.Using 据转发策略.工程科学学报，2017,39(6)：962) mobile data collectors to enhance energy efficiency and reliability [4]Yao H,Huang H W,Zeng D Z,et al.An energy-aware deadline- in delay tolerant wireless sensor networks.J Inf Procession Syst, constrained message delivery in delay-tolerant networks.Wireless 2016,12(2):275 Netcorks,2014.20(7):1981 [16]Doshi S,Bhandare S,Brown T.An on-demand minimum energy [5]Gao W,Li Q H.Wakeup scheduling for energy-efficient communi- routing protocol for a wireless ad hoc network.Mobile Computing cation in opportunistic mobile networks//2013 Proceedings IEEE Commun Rev,2002,6(3):50 NF0C0M.Tuim,2013:2058 [17]Sommer C,Dietrich I,Dressler F.Simulation of ad hoc routing [6]Li Z B,Guo Z W,Hong F,et al.E2 DTS:an energy efficiency protocols using OMNeT ++Mobile Nencorks Appl,2010,15 distributed time synchronization algorithm for underwater acoustic (6):786

樊 飞等: 巡线机器人延迟容忍传感器网络数据传输策略 确地反应了机器人的消息传输概率. MPD 利用消息 失效时间、机器人消息优先传输机制来进行队列管 理. 降低了机器人消息转发延时,提高了机器人数 据传输成功率,并有效限制消息副本的产生. 实验 显示 MPD 与现有 DTMSN 数据传输策略相比,MPD 在较小传输能耗下,获得了更好的传输延迟与传输 成功率,是一种更适合架空输电线路与巡线机器人 作业特点的机器人数据传输算法. 实验中,MPD 成功实现一种针对巡线机器人的 高效动态路由机制,但存在一些不足. 为方便分析 本文只假设了一个中心节点,而实际巡线机器人 DTMSN 中会存在多中心节点,为使 MPD 更符合实 际需要,应进一步展开更复杂环境的研究工作. MPD 算法中对网络传输损耗计算不足,为提升网络 生存能力应进一步研究降低传输能耗方法. 参 考 文 献 [1] Wu G P, Xiao X H, Xiao H, et al. Development of a mobile in鄄 spection robot for high voltage power transmission line. Autom Electr Power Syst, 2006, 30(13): 90 (吴功平, 肖晓晖, 肖华, 等. 架空高压输电线路巡线机器人 样机研制. 电力系统自动化, 2006, 30(13): 90) [2] Lu J, Zhu Y P, Xu Z Q, et al. A reliable wireless sensor network routing method for power transmission line monitoring. Power Syst Technol, 2017, 41(2): 644 (陆俊, 朱炎平, 徐志强, 等. 面向输电线路监测的无线传感 网络可靠路由方法研究. 电网技术, 2017, 41(2): 644) [3] Yang P, Si S S, Xu W, et al. Data forwarding strategy for wireless network with intermittent connectivity based on energy equilibri鄄 um. Chin J Eng, 2017, 39(6): 962 (杨鹏, 司书山, 许稳, 等. 能量均衡的间断连接无线网络数 据转发策略. 工程科学学报, 2017, 39(6): 962) [4] Yao H, Huang H W, Zeng D Z, et al. An energy鄄aware deadline鄄 constrained message delivery in delay鄄tolerant networks. Wireless Networks, 2014, 20(7): 1981 [5] Gao W, Li Q H. Wakeup scheduling for energy鄄efficient communi鄄 cation in opportunistic mobile networks / / 2013 Proceedings IEEE INFOCOM. Turin, 2013: 2058 [6] Li Z B, Guo Z W, Hong F, et al. E 2 DTS: an energy efficiency distributed time synchronization algorithm for underwater acoustic mobile sensor networks. Ad Hoc Networks, 2013, 11(4): 1372 [7] Feng W, Li S H. Energy efficient terminal鄄discovering in mobile delay tolerant ad鄄hoc networks / / 2013 International Conference on Cyber鄄Enabled Distributed Computing and Knowledge Discovery. Beijing, 2013: 465 [8] Wu D P, He J, Wang H G, et al. A hierarchical packet forward鄄 ing mechanism for energy harvesting wireless sensor networks. IEEE Commun Mag, 2015, 53(8): 92 [9] Vahdat A, Becker D. Epidemic routing for partially鄄connected ad hoc networks [R/ OL]. Duke University (2000鄄鄄04) [2017鄄鄄10鄄鄄 31]. http: / / issg. cs. duke. edu / epidemic [10] Wu H Y, Wang Y, Dang H, et al. Analytic, simulation, and empirical evaluation of delay / fault鄄tolerant mobile sensor net鄄 works. IEEE Trans Wireless Commun, 2007, 6(9): 3287 [11] Wang Y, Wu H Y, Lin F, et al. Protocol design and optimiza鄄 tion for delay / fault鄄tolerant mobile sensor networks / / 27th Inter鄄 national Conference on Distributed Computing Systems. Toronto, 2007: 7 [12] Yang K W, Zheng K F, Yang Y X, et al. Motion state鄄based da鄄 ta delivery scheme of delay tolerant mobile sensor networks. J Commun, 2010, 31(11): 138 (杨奎武, 郑康锋, 杨义先, 等. 基于运动状态的延迟容忍移 动传感器网络数据传输策略. 通讯学报, 2010, 31 (11 ): 138) [13] Xu F L, Liu M, Gong H G, et al. Relative distance鄄aware data delivery scheme for delay tolerant mobile sensor networks. J Soft鄄 ware, 2010, 21(3): 490 (许富龙, 刘明, 龚海刚, 等. 延迟容忍传感器网络基于相对 距离的数据传输. 软件学报, 2010, 21(3): 490) [14] Liu T, Peng J, Yang J. Data delivery for heterogeneous delay tol鄄 erant mobile sensor networks based on forwarding probability. J Software, 2013, 24(2): 215 (刘唐, 彭舰, 杨进. 异构延迟容忍移动传感器网络中基于 转发概率的数据传输. 软件学报, 2013, 24(2): 215) [15] Yasmine鄄Derdour, Bouabdellah鄄Kechar, Fay觭al鄄Khelfi M. Using mobile data collectors to enhance energy efficiency and reliability in delay tolerant wireless sensor networks. J Inf Procession Syst, 2016,12(2): 275 [16] Doshi S, Bhandare S, Brown T. An on鄄demand minimum energy routing protocol for a wireless ad hoc network. Mobile Computing Commun Rev, 2002, 6(3): 50 [17] Sommer C, Dietrich I, Dressler F. Simulation of ad hoc routing protocols using OMNeT + + . Mobile Networks Appl, 2010, 15 (6): 786 ·1421·