无线传感器网络中基于服务质量管理的多目标优化控制*

韩安太，彭 慧，李剑锋，游来健

(中国计量学院电工与电子技术研究所，杭州310018)

无线传感器网络［1］可有效满足设施农业［2］等应用领域中远程监测系统智能化、精准化、分布式的发展需要，因此受到研究人员持续关注［3－5］。然而，无线传感器网络固有的时变传输延时、丢包等现象严重影响基于无线传感器网络构建的远程监测系统性能，甚至导致系统不稳定［6］;因此，必须采取措施减少这些现象对系统整体性能的影响，即提高网络服务质量［7］(Qualilty of Service，简称 QoS)。

为提高网络QoS，研究人员从设计系统控制器、修改网络协议等角度提出解决方法［8－11］，由于难以得到无线传感器网络应用系统的精确数学模型、标准化网络协议修改困难等原因，这些方法的实用性和使用效果仍需进一步探索。在此基础上，一些研究人员从网络资源调度角度提出了根据网络QoS变化动态调整传感器节点采样周期的自适应采样方法［12－15］，然而，采样周期一般根据信号特点和设计要求确定，只允许围绕设定值微小波动，否则将使系统性能严重退化［16］，这就严重影响了自适应采样方法的实用性。

针对上述问题，本文在自适应采样方法基础上，通过分析传感器节点数据包发送周期与采样周期之间关系，提出一种基于网络QoS管理的多目标优化控制策略，目的是提高网络QoS，进而提高系统整体性能。

1 控制器设计

1．1 系统体系结构

考虑图1所示基于星形拓扑结构无线传感器网络构建的远程监测系统;该系统主要由分布在监测区域内的传感器节点，对数据进行收集和处理的汇聚节点，对系统运行进行协调、优化、管理的基站构成;传感器节点采用时间触发，汇聚节点采用事件触发［1］。

图1 系统体系结构

1．2 基本设计思路

在图1系统中，传感器节点周期性采样、处理被监测信号，然后通过无线网络将采样数据包发往汇聚节点，如图2所示。

图2 信号采样与数据包发送之间的关系

由图2可知，传感器节点周期性采样触发周期性数据发送，且采样周期与数据包发送周期具有如下关系(不失一般性，此处忽略传感器节点对采样数据的处理时间或认为采样周期中已包含这些处理时间):

式中，si(k)表示传感器节点i的采样周期;hi(k)表示传感器节点i的数据包发送周期;a表示采样数据长度;b表示数据包中的有效数据域长度;k表示采样时间顺序值，k=0，1，…，∞。

由式(1)及网络控制系统中关于网络延时的相关结论［8－9］可知，当 a、b 为定值时，hi(k)与 si(k)之间保持线性关系，即

式中，Δsi(k)表示传感器节点i的采样周期变化值;Δhi(k)表示传感器节点i的数据包发送周期变化值。

这就意味着si(k)变化导致hi(k)发生相同变化，hi(k)变化可看作是由si(k)变化引起的，自适应采样方法［12－15］要达到的目的可通过自适应改变hi(k)来实现。

一般来说，只要网络带宽足够充分或网络负载足够小，任何网络都可达到满意的QoS;然而，实际网络带宽总是有限的，需要对其进行合理分配才可保证一定QoS。根据式(2)，当Δhi(k)减小时(其效果等同于Δsi(k)减小)，传感器节点的数据包发送请求增加，带宽要求增加，网络负载增加，网络利用率较高，截止期错失率［17］较大，网络QoS下降;为提高网络QoS，需要减少节点带宽要求，可通过增加Δhi(k)(其效果等同于Δsi(k)增加)来实现;但是，过大hi(k)将引起数据包在传感器节点处堆积，且造成网络利用率不足，网络带宽浪费。

根据上述分析，针对图1系统，本文设计了图3所示基于QoS管理的多目标优化控制策略。

图3 基于QoS管理的多目标优化控制策略

图3的优化控制策略是在原系统上增加的一个反馈控制闭环，保存、运行在汇聚节点中。优化控制策略使用截止期错失率作为网络QoS评价指标，在每一个控制器调用周期结束时，PID控制器根据截止期错失率测量误差计算下一个调用周期内所有传感器节点的带宽要求，以此为约束条件，多目标优化控制器通过最小化某个优化目标，使各传感器节点的数据包发送周期值最优化，从而实现网络带宽合理分配、网络利用率最大化且网络QoS维持在一定水平;然后，新数据包发送周期值被发送给各传感器节点，在下一个调用周期内，各传感器节点按新数据包发送周期值进行数据包发送。

1．3 控制器设计

在控制器调用周期T(k)中，汇聚节点与传感器节点i对应的截止期错失事件个数［12］为

T(k+1)开始之前，汇聚节点与传感器节点i对应的截止期错失率和网络截止期错失率为

式中，di(k)表示在T(k)内，传感器节点i的截止期错失率测量值;D(k)表示在T(k)内，向汇聚节点发送数据的所有传感器节点的截止期错失率测量值，表示当前网络QoS状态。

为消除无线通讯内在不确定性和测量噪声的影响，采用式(6)计算截止期错失率误差

式中，Dr表示截止期错失率设定值;e(k)表示在T(k)内的截止期错失率误差;λ表示遗忘因子，满足0≤λ≤1。

式(6)包含一个数字低通滤波器，λ决定滤波性能;当λ=1时，式(6)即可转换为一般误差计算公式:

将e(k)代入PID控制器式(8)，即可得到在T(k+1)内所有传感器节点的带宽要求。

式中，u(k+1)表示在T(k+1)内所有传感器节点的带宽要求，满足 0≤u(k+1)≤1;KP、KI、KD表示PID控制器参数，通过仿真或实验得到。

将u(k+1)代入优化方程(9)，即可将网络带宽分配给所有传感器节点，且使hi(k)最优化。

1．4 优化目标选择

优化目标Ji(k)应根据实际需求确定，且考虑hi(k)变化的影响;由于§1．3算法已包含网络QoS管理，因此，不管Ji(k)采用哪种形式，优化问题(9)都可看作一个基于QoS管理的多目标优化控制问题。

对于数据采集类应用，采用优化目标式(10)，则算法可同时兼顾全局网络和单个传感器节点对网络QoS的要求。

式中，dir表示传感器节点i的截止期错失率设定值，一般可取dir=Dr。

对于闭环控制类应用，采用优化目标式(11)，则算法同时考虑了hi(k)对控制系统性能和网络性能两方面的影响。

式中，Vi(hi(k))表示数字控制系统与相应模拟控制系统之间的控制性能差距［19］，hi(k)越小，二者性能差距越小;αi表示放大系数;βi表示衰减率。

如果将图1系统看作基于无线传感器网络的多闭环控制系统(闭环数等于传感器节点数)，并取优化目标为式(12)，则算法可看作是从控制和网络协同设计的角度来提高系统性能［15］。

式中，eci(k)表示第i个控制环的控制误差。

除上述优化目标外，可采用加权方法构成其它形式优化目标

式中，Jji(k)表示优化目标Ji(k)中的第j个分量;ηj表示Jj

1．5 其它关键问题

为减少算法实现对原系统影响，可在传感器节点原发送数据缓冲区前增加待发送数据缓冲区;传感器节点先将采样数据包送入待发送数据缓冲区，然后根据hi(k)取值，将数据包送入发送数据缓冲区，此后操作(网络竞争、拥塞控制等)即与原系统相同，如图4所示。

图4 使用本文方法时的存储器结构及数据流向

在 si(k)、a、b、vn为常数且 himax取较大值时，大量采样数据包保存在传感器节点的待发送数据缓冲区中，有可能引起缓冲区溢出，并增加数据包传输延时;因此，himax的确定应考虑si(k)、存储容量、传输延时等多种因素。

较小的T(k)可提高响应速度，但导致di(k)、D(k)等参数计算误差增加，调节精度下降，较大的T(k)可减少di(k)、D(k)等参数计算误差，但降低了响应速度，造成较大超调量、较长调节时间;因此，T(k)的选择应考虑响应速度、调节精度、调节时间的相互影响。

2 实验验证与分析

2．1 实验方案

在杭州市某农场的番茄培养温室中进行模拟实验。该日光温室长70 m、宽8．2 m、檐高4．9 m、脊高6．2 m;温室内布置12个网络节点，构成图5所示实验系统，设计目标是实现不同位置土壤湿度检测，且传输检测值到汇聚节点。实验系统具体软硬件实现，参数设置方法等见文献［14，20］。

图5 模拟实验系统

传感器节点为 S1 ～S4、S6、S8、S10 ～S12，中继节点为S5、S7和S9，汇聚节点通过串行口和PC进行信息交换;节点间无线通讯使用Zigbee协议，工作频段2．4 GHz，有效传输距离30 m，数据包大小64 byte;si(t)=20 ms表示所有传感器节点具有相同采样周期值;hi(0)=20 ms、himin=20 ms、himax=100 ms表示所有传感器节点具有相同的数据包发送周期初始值、最小值和最大值;KP=0．018、KI=0.009、KD=0．004是通过仿真得到的PID控制器参数;ωi=1表示各传感器节点在整个系统中的地位同等重要;a=b;T(k)=1 s;Dr=10%;λ=1;b+L=64 byte;vn=250 000 bit/s;ci=2．048 ms;ui(0)=0.102表示每个传感器节点的带宽要求初始值;u(0)=0．615表示所有传感器节点的总带宽要求初始值;根据系统设计目标，选择式(10)所示优化目标。

实验时间为180s。开始时，打开汇聚节点和S1 ～S3、S12;60s时，打开中继节点、S4、S6、S8;120s时，打开S10、S11;180s时，停止实验。实验目的是分析在网络负载逐渐增加情况下，使用不同方法对网络截止期错失率D(k)、传感器节点S1的采样周期或数据包发送周期的影响。

2．2 实验结果

主要实验结果见图6、图7;其中，一般方法指节点间使用标准Zigbee协议进行通讯;文献方法指除了使用标准Zigbee协议外，应用层上执行文献［14］提出的自适应采样方法;本文方法指除了使用标准Zigbee协议外，应用层上执行本文提出的多目标优化控制策略。

图6 网络截止期错失率变化曲线

图7 采样周期或数据包发送周期变化曲线

在0～60 s内，使用一般方法、文献方法和本文方法时的D(k)约为1．98% ～11．9%，一般方法中的采样周期固定为20 ms，文献方法中的采样周期在10 ms～20 ms内波动，本文方法中的数据包发送周期20 ms～28 ms内波动。这就表明:在网络负载轻的情况下，由于网络资源相对充分，是否进行QoS控制对D(k)影响不大，网络具有较高QoS。

在60 s～180 s内，网络负载逐步增加，由于一般方法中采样周期固定为20 ms，D(k)迅速增加，在60 s～120 s内，D(k)约为60% ～73%，在120 s～180 s内，D(k)几乎为100%，表明来自传感器节点的绝大多数数据包不能在规定时间内到达汇聚节点，网络具有较低QoS;在文献方法和本文方法中，由于采样周期或数据包发送周期可根据D(k)变化动态调整，D(k)整体变化优于一般方法，表明在网络负载增加的情况下，进行QoS控制可使得D(k)维持在较小的值，明显改善网络QoS，同时也表明，本文方法可达到与自适应采样方法［12－15］相同的效果。

本文方法和文献方法都可通过动态调整采样周期或数据包发送周期来影响D(k)，但二者控制效果不同，由图6可知，除暂态过程外，使用文献方法时，在60 s～120 s内，D(k)约为21% ～38%，在120 s～180 s内，D(k)约为33% ～48%，而使用本文方法时，D(k)始终保持在8% ～14%范围内，控制效果优于文献方法。这主要是由于文献方法仅考虑了各传感器节点的局部QoS要求，没有考虑整个网络的QoS要求，造成某些节点的di(k)可能较低，整个网络的D(k)不一定较低;而本文方法则通过结合一定优化目标，综合考虑了网络全局和各传感器节点的QoS要求，从节点和网络两个层面为高层应用(如系统控制器设计等)提供了具有较高QoS的无线传感器网络，为数据完整性、响应速度、调节时间、稳定性等性能指标的实现提供了保证。

2．3 讨论

和自适应采样方法的实现类似，本文提出的基于QoS管理的多目标优化控制策略的实现是以待发送数据缓冲区的增加、管理为代价的。

在传感器节点上的待发送数据缓冲区可依据先进先出原则并使用双向链表构建;如果网络协议支持数据包大小动态改变，也可通过更改数据包长度的办法来实现数据包发送周期的调整。

汇聚节点应具有较丰富计算资源，以支持算法中涉及的所有计算和数据存储，特别是优化问题的迭代计算。

当系统长时间处于稳态时，周期性调用优化控制策略将造成计算、通讯资源浪费，可引入事件驱动机制来减少这种资源消耗。

3 结论

针对基于无线传感器网络构建的远程测控系统，为减少无线传感器网络固有的时变传输延时、丢包等现象对系统性能的影响，从提高网络QoS的角度，本文提出一种基于QoS管理的多目标优化控制策略。该优化控制策略以截止期错失率作为QoS评价指标，使用PID控制器和多目标优化控制器来动态调整各传感器节点的数据包发送周期，使网络带宽分配可适应截止期错失率的变化，保证QoS维持在一定水平;在温室土壤湿度监测系统中的使用结果表明，在网络负载变动的情况下，该优化控制策略可有效提高网络QoS，从而表明了本文方法的有效性。

［1］ Cullar D，Estrin D，Strvastava M．Overview of Sensor Networks［J］．Computer，2004，37(8):41 －49．

［2］ Sigrimis N，Antsaklis P，Groumpos P．Special Issue on Control Advances in Agriculture and the Environment［J］．IEEE Control System Maganize，2001，(21):8 －85．

［3］ Pawlowski A，Guzman J L，Rodriguez F，et al．Simulation of Green-house Climate Monitoring and Control with Wireless Sensor Network and Event-Based Control［J］．Sensors，2009，9(1):232 －252．

［4］ 高峰，俞立，张文安，等．基于茎直径变化的无线传感器网络作物精量灌溉系统［J］．农业工程学报，2008，24(11):7 －12．

［5］ 韩华峰，杜克明，孙忠富，等．基于Zigbee网络的温室环境远程监控系统设计与应用［J］．农业工程学报，2009，25(7):158 －163．

［6］ Rezgui A，Eltoweissy M．Service-Oriented Sensor-Actuator Networks:Promises，Challenges，and the Road Ahead［J］．Computer Communications，2007，30(13):2627 －2648．

［7］ Feng X．QoS Challenges and Opportunities in Wireless Sensor/Actuator Networks［J］．Sensors，2008，8(2):1099 －1110．

［8］ Ploplys N，Kawka P，Alleyne A．A Closed-Loop Control Over Wireless Networks［J］．IEEE Control Systems Magazine，2004，24(3):58－71．

［9］ 韩安太，郭小华．基于无线传感器网络的LQR输出反馈控制器设计［J］．计算机测量与控制，2009，17(1):53 －56．

［10］王毅，张德运，张栋．无线传感器网络满足QoS带宽需求的能量最优路由方案［J］．传感技术学报，2006，19(6):2754－2759．

［11］ Felemban E，Lee C，Ekici E．MMSPEED:Multipath Multi-SPEED Protocol for QoS Guarantee of Reliability and Timeliness in Wireless Sensor networks［J］．IEEE Transactions on Mobile Computing，2007，5(6):738 －754．

［12］ Feng X，Yu Chu T，Yanjun L，et al．Wireless Sensor/Actuator Network Design for Mobile Control Applications［J］．Sensors，2007，7(3):2157－2173．

［13］ Colandairaj J，Irwin G W，Scanlon W G．Wireless Networked Control Systems with QoS-Based Sampling［J］．IET Control Theory and Applications，2007，1(1):430 －438．

［14］韩安太，郭小华，吴秀山．温室环境控制无线传感器网络的服务质量管理［J］．农业工程学报，2010，26(1):216 －220．

［15］ Feng X，Youxian S，Yuchu T．Feedback Scheduling of Priority-Driven Control Networks［J］．Computer Standards and Interfaces，2009，31(3):539 －547．

［16］程佩青．数字信号处理教程［M］．第二版．北京:清华大学出版社，2001:30－41．

［17］ Feng X，Zhao W H，Sun Y X，et al．Fuzzy Logic Control Based QoS Management in Wireless Sensor/Actuator Networks［J］．Sensors，2007，7(12):3179 －3191．

［18］ Walsh G C，Hong Ye．Scheduling of Networked Control System［J］．IEEE Control System Magazine，2001，21(1):57 －65．

［19］毛剑琳，吴智铭，王四平．基于无线传感器网络的控制系统采样频率优化算法［J］．控制与决策，2007，22(1):45 －48．

［20］韩安太，何勇，李剑锋，等．基于无线传感器网络的粮虫声信号采集系统设计［J］．农业工程学报，2010，26(6):181 －187．