摘 要：針對建筑結(jié)構(gòu)健康監(jiān)測（SHM）場景中無線傳感器網(wǎng)絡(luò)（WSNs）的能耗優(yōu)化與生命周期拓展問題進(jìn)行了深入研究。針對LEACH協(xié)議在能量調(diào)度和簇首選取策略上的局限性，提出了一種創(chuàng)新的ACPSO-LEACH融合算法，該算法能夠?qū)⒆赃m應(yīng)混沌粒子群優(yōu)化方法與細(xì)粒度簇首更新機(jī)制相結(jié)合，系統(tǒng)地考慮節(jié)點(diǎn)間傳輸距離、剩余能量分配以及公平的簇首選擇原則，旨在實(shí)現(xiàn)網(wǎng)絡(luò)能耗的高效均衡分布并顯著延長網(wǎng)絡(luò)的整體運(yùn)行壽命。利用MATLAB仿真平臺對一階無線電能消耗模型及實(shí)際構(gòu)建的SHM-WSN網(wǎng)絡(luò)模型進(jìn)行實(shí)驗(yàn)驗(yàn)證，實(shí)驗(yàn)結(jié)果表明，所提出的ACPSO-LEACH優(yōu)化協(xié)議在提升監(jiān)測效能和節(jié)能效果方面展現(xiàn)出了優(yōu)越性能。

關(guān)鍵詞：建筑結(jié)構(gòu)健康監(jiān)測；PSO算法；無線傳感器網(wǎng)絡(luò)；LEACH協(xié)議；混沌序列；能耗優(yōu)化

中圖分類號：TP929.5 文獻(xiàn)標(biāo)識碼：A 文章編號：2095-1302（2025）05-00-06

0 引 言

建筑安全對于民眾福祉及社會穩(wěn)定具有深遠(yuǎn)影響。近年來，國內(nèi)外發(fā)生的一系列觸目驚心的建筑物坍塌事件揭示出：構(gòu)件潛在損傷的檢測不及時(shí)以及監(jiān)測手段的局限性是引發(fā)這類悲劇的重要原因[1-3]。建筑結(jié)構(gòu)健康監(jiān)測（Structural Health Monitoring， SHM）通過對建筑物進(jìn)行實(shí)時(shí)的監(jiān)測與分析，能夠有效地控制建筑結(jié)構(gòu)在運(yùn)行中可能出現(xiàn)的微小變動和潛在的安全風(fēng)險(xiǎn)。然而，SHM的關(guān)鍵是要構(gòu)建性能均衡、節(jié)能高效的無線傳感器網(wǎng)絡(luò)（Wireless Sensor Networks， WSNs）。因此，在確保網(wǎng)絡(luò)穩(wěn)定運(yùn)行的前提下，如何平衡傳感器網(wǎng)絡(luò)以及各個(gè)節(jié)點(diǎn)的能量消耗進(jìn)行網(wǎng)絡(luò)協(xié)議優(yōu)化，對大規(guī)模SHM部署有很大參考意義。圖1所示為典型SHM平臺中所采用的網(wǎng)絡(luò)模型實(shí)例，直觀地展現(xiàn)了這一集成化監(jiān)測體系的內(nèi)在構(gòu)造與運(yùn)作機(jī)制。本文聚焦層次路由協(xié)議的優(yōu)化研究，以應(yīng)對這一領(lǐng)域內(nèi)持續(xù)且深入的探討需求[4]。

近些年，相關(guān)領(lǐng)域的研究成果不斷涌現(xiàn)，文獻(xiàn)[5]利用改進(jìn)后的K-means聚類方法對網(wǎng)絡(luò)進(jìn)行初期分簇，并通過模糊層次綜合評價(jià)（FAHP）進(jìn)一步提升簇首選擇的有效性，從而有效解決了能耗問題并延長了網(wǎng)絡(luò)生存周期[6]；文獻(xiàn)[7]則采用FCM聚類算法優(yōu)化簇首分布均勻性；文獻(xiàn)[8]創(chuàng)新性地改良布谷鳥搜索算法，引入節(jié)點(diǎn)離散度作為選取簇首的重要因子，并結(jié)合節(jié)點(diǎn)剩余能量，實(shí)現(xiàn)了簇首節(jié)點(diǎn)的高效選擇[9]；文獻(xiàn)[10]推導(dǎo)出最優(yōu)簇首比例，并運(yùn)用粒子群優(yōu)化算法（PSO）優(yōu)化簇首生成過程；文獻(xiàn)[11]將PSO與改進(jìn)后的蟻群算法（ACO）相結(jié)合，提出一種混合啟發(fā)式數(shù)據(jù)融合協(xié)議HHDAP，顯著提升了協(xié)議性能。

然而，面對能耗控制、網(wǎng)絡(luò)生命周期延長以及節(jié)點(diǎn)存活率提升等挑戰(zhàn)，應(yīng)用需求的復(fù)雜性日漸增加，傳統(tǒng)優(yōu)化算法不再能夠滿足這些需求。基于此，本文提出一種新型融合策略，將自適應(yīng)混沌粒子群算法與引入了簇首更新機(jī)制的LEACH相結(jié)合。這種方法旨在克服局部最優(yōu)陷阱，同時(shí)促使LEACH協(xié)議實(shí)現(xiàn)更優(yōu)的簇首選擇，力求在降低傳輸能耗的同時(shí)大幅度提高網(wǎng)絡(luò)的整體效能[12]。

1 能耗模型與網(wǎng)絡(luò)模型建立

1.1 基于LEACH的能耗模型

本文采用如圖2所示的能耗模型。圖中接收端的能耗指無線電設(shè)備從開啟到數(shù)據(jù)解碼完成所需的能量。發(fā)送端能耗包含節(jié)點(diǎn)在發(fā)送數(shù)據(jù)過程中無線電設(shè)備運(yùn)行的基本功耗及天線輻射等步驟的能耗。

隨著傳輸距離的增大，尤其是當(dāng)其超過某一特定閾值時(shí)，節(jié)點(diǎn)的能耗將呈現(xiàn)明顯的指數(shù)級增長趨勢。為了管理能耗，應(yīng)保持各節(jié)點(diǎn)通信距離小于閾值，以此應(yīng)對遠(yuǎn)程通信導(dǎo)致能源消耗急劇上升的問題。同時(shí)，在實(shí)施網(wǎng)絡(luò)部署和優(yōu)化過程中，還應(yīng)充分考慮各節(jié)點(diǎn)的實(shí)際剩余能量狀況。

1.2 網(wǎng)絡(luò)模型

本文以建筑結(jié)構(gòu)健康監(jiān)測系統(tǒng)作為平臺展開研究。在整個(gè)網(wǎng)絡(luò)體系中，各個(gè)節(jié)點(diǎn)均被賦予相同的初始能量儲備，一旦能量耗盡，則視為此節(jié)點(diǎn)將失效或者“死亡”，為模擬和評估網(wǎng)絡(luò)壽命奠定基礎(chǔ)。為了保障各傳感器節(jié)點(diǎn)之間的信息傳輸獨(dú)立性及可追溯性，本文為每個(gè)節(jié)點(diǎn)都提供了特殊且獨(dú)一無二的標(biāo)識符（ID）?？紤]到網(wǎng)絡(luò)整體效能的一致性與穩(wěn)定性，所有WSN節(jié)點(diǎn)在計(jì)算處理能力方面保持一致。傳感器節(jié)點(diǎn)遵循隨機(jī)部署準(zhǔn)則，且為了適應(yīng)實(shí)際應(yīng)用環(huán)境的需求，這些信息節(jié)點(diǎn)在部署完畢后其位置將不再發(fā)生改變。這一策略遵循實(shí)際場景中的布設(shè)要求，同時(shí)又有利于模擬不同部署環(huán)境下網(wǎng)絡(luò)性能的變化規(guī)律，為后續(xù)優(yōu)化WSN架構(gòu)與協(xié)議提供科學(xué)依據(jù)。

2 改進(jìn)型ACPSO-LEACH協(xié)議

傳統(tǒng)粒子群優(yōu)化算法（PSO）在面對較為復(fù)雜的優(yōu)化問題時(shí)，會出現(xiàn)陷入局部最優(yōu)解的問題。為克服這一局限性，引入了混沌理論的隨機(jī)性和遍歷性特點(diǎn)，通過將粒子的搜索軌跡進(jìn)行混沌化處理，有效地拓寬了搜索空間，還全面提升了全局尋優(yōu)的能力并有效降低了陷入局部最優(yōu)陷阱的風(fēng)險(xiǎn)。同時(shí)，對LEACH協(xié)議中的簇首選擇策略進(jìn)行了針對性改進(jìn)，充分考慮了節(jié)點(diǎn)的能量消耗和與其他節(jié)點(diǎn)間的傳輸距離等因素。這種改進(jìn)使得簇首的選擇更加均衡且節(jié)能，能夠更合理地分配網(wǎng)絡(luò)資源，從而使整個(gè)無線傳感器的生存期大幅度延長[13]。簡而言之，改進(jìn)型ACPSO-LEACH算法既充分利用了混沌優(yōu)化的優(yōu)越特性以增強(qiáng)全局尋優(yōu)能力，又結(jié)合了能量感知的簇首更新策略來優(yōu)化網(wǎng)絡(luò)性能，實(shí)現(xiàn)了建筑結(jié)構(gòu)健康監(jiān)測系統(tǒng)中WSN能耗的有效管理和壽命的極大提升。

2.1 引入簇首更新的LEACH改進(jìn)

LEACH通信過程包括簇構(gòu)造與數(shù)傳階段。涉及多個(gè)相關(guān)環(huán)節(jié)，如簇首選舉、廣播通知、簇結(jié)構(gòu)形成和數(shù)據(jù)調(diào)度機(jī)制等[14-16]。在每一輪開始時(shí)隨機(jī)生成0到1的概率值。若該節(jié)點(diǎn)生成的概率值小于預(yù)先設(shè)定的閾值，則此節(jié)點(diǎn)將在本輪中被選為簇首節(jié)點(diǎn)。這一過程在每一輪迭代中重復(fù)進(jìn)行，直到所有節(jié)點(diǎn)都有至少一次機(jī)會成為簇首。LEACH協(xié)議通過隨機(jī)選擇的方式使各節(jié)點(diǎn)有相對均衡的機(jī)會成為簇首。T（n）公式如下：

在改進(jìn)后的簇首更新公式中，摒棄了單純隨機(jī)選取簇首的方式，轉(zhuǎn)而在決策過程中加入節(jié)點(diǎn)間的距離及剩余能量因素。這一策略旨在確保簇首節(jié)點(diǎn)的選擇更加合理且節(jié)能，同時(shí)降低了因?yàn)殡S機(jī)性所導(dǎo)致的能耗不均和網(wǎng)絡(luò)性能下降問題的出現(xiàn)概率。在新的計(jì)算公式中，通過引入與節(jié)點(diǎn)間的距離及節(jié)點(diǎn)能量相關(guān)的參數(shù)，同時(shí)借助于特定調(diào)節(jié)比例因子η的設(shè)定，可以精確且細(xì)致地控制簇首選擇的優(yōu)先級和權(quán)重分配，從而在滿足通信效率的同時(shí)優(yōu)化能源利用，并延長了無線傳感器網(wǎng)絡(luò)運(yùn)行周期，提升了穩(wěn)定性。

2.2 PSO優(yōu)化算法

標(biāo)準(zhǔn)PSO是在PSO研究的基礎(chǔ)上進(jìn)行的改進(jìn)，其特點(diǎn)是借助速度和位置來定位搜索的距離和方向，且速度更新時(shí)引入了慣性系數(shù)ω。本文引入標(biāo)準(zhǔn)粒子群算法，原始更新公式如下：

2.3 自適應(yīng)慣性權(quán)重

在粒子群算法的速度更新過程中對慣性權(quán)重ω進(jìn)行優(yōu)化調(diào)整。在初始階段，為了增強(qiáng)算法的全局探索能力，需要先設(shè)置一個(gè)較大的初始慣性權(quán)重值；而在搜索后期，則逐步傾向于強(qiáng)化局部尋優(yōu)性能。在速度更新公式中引入了一個(gè)動態(tài)調(diào)整的自適應(yīng)慣性權(quán)重ω：

2.4 適應(yīng)度方差設(shè)定

為了衡量粒子群的聚集程度和多樣性，本文采用群體適應(yīng)度方差來解決此問題。設(shè)fi為粒子群中第i個(gè)粒子的當(dāng)前適應(yīng)度值，favg為當(dāng)前狀態(tài)下的適應(yīng)度平均值，σ2為群體適應(yīng)度方差。

2.5 基于Tent映射的混沌序列

混沌序列以其內(nèi)在的持續(xù)無規(guī)律性和非線性特性，為優(yōu)化算法提供高效的隨機(jī)搜索工具。在混沌優(yōu)化方法中，Logistic映射被廣泛應(yīng)用。其表達(dá)式為：

2.6 改進(jìn)ACPSO優(yōu)化算法步驟

3 仿真實(shí)驗(yàn)與性能分析

3.1 仿真參數(shù)設(shè)置

為了驗(yàn)證本文所提出的改進(jìn)協(xié)議在實(shí)際應(yīng)用中的效果，借助MATLAB仿真平臺開展了詳盡的模擬實(shí)驗(yàn)。實(shí)驗(yàn)設(shè)計(jì)將原始LEACH協(xié)議、其增強(qiáng)版LEACH-E、LEACH-CUTOUT變種，以及PSO-LEACH算法與本文提出的改進(jìn)型ACPSO-LEACH協(xié)議進(jìn)行了比較。在對比評估中，包含整個(gè)網(wǎng)絡(luò)生命周期內(nèi)的能耗總和、節(jié)點(diǎn)剩余能量的偏差值、節(jié)點(diǎn)存活數(shù)量等指標(biāo)。具體的各項(xiàng)參數(shù)配置見表1。

3.2 實(shí)驗(yàn)結(jié)果與分析

實(shí)驗(yàn)結(jié)果表明，在仿真過程中，改進(jìn)型ACPSO-LEACH協(xié)議相較于傳統(tǒng)的LEACH、LEACH-E、LEACH-CUTOUT以及PSO-LEACH協(xié)議，在多個(gè)關(guān)鍵性能指標(biāo)上表現(xiàn)出了顯著的優(yōu)化效果。具體體現(xiàn)在：節(jié)點(diǎn)能耗得到大幅降低（如圖3所示），存活節(jié)點(diǎn)數(shù)量有所增加（如圖4所示），網(wǎng)絡(luò)吞吐量也實(shí)現(xiàn)了顯著提升（如圖5所示）。在同樣的運(yùn)行環(huán)境下，采用改進(jìn)ACPSO-LEACH協(xié)議的網(wǎng)絡(luò)整體能耗更低，同時(shí)保持了更高的節(jié)點(diǎn)生存率和更優(yōu)的傳輸效率。

通過引入簇首更新策略和自適應(yīng)混沌粒子群算法的改進(jìn)措施，改善效果顯著并且可以有效地延長其生命周期。分析原因如下：改進(jìn)后的協(xié)議中融入了簇首更新機(jī)制，該機(jī)制充分考慮了各個(gè)節(jié)點(diǎn)的實(shí)際能耗狀況和剩余能量水平，這樣可確保如果每個(gè)節(jié)點(diǎn)成為簇首的話，其概率會更加均衡且節(jié)能，并且提高了整個(gè)網(wǎng)絡(luò)的穩(wěn)定性。對粒子群算法進(jìn)行了創(chuàng)新性改良，引入了自適應(yīng)權(quán)重和混沌序列。在搜索初期階段，加大了對全局范圍內(nèi)的探索力度，而在后期則側(cè)重于對局部最優(yōu)解的精細(xì)化搜尋。本文采用Tent映射的混沌序列的分布比較均勻，并且具有隨機(jī)性，從而有助于降低粒子群在尋優(yōu)過程中過早收斂的可能性。

4 結(jié)構(gòu)健康監(jiān)測WSNs模型仿真驗(yàn)證

本研究選取了一座高層醫(yī)院的其中一層的實(shí)際建筑數(shù)據(jù)作為模型參照。該樓層建筑面積超過2 000 m2，內(nèi)部部署了全方位的環(huán)境監(jiān)測系統(tǒng)，包括但不限于溫濕度、PM2.5濃度以及光照強(qiáng)度感應(yīng)器等。此外，本案例中采用了某單位開發(fā)的SHM平臺進(jìn)行建筑物結(jié)構(gòu)健康狀況的監(jiān)測。為了方便本文的模擬和分析，將上述監(jiān)測手段做合理簡化分類：將與環(huán)境相關(guān)的監(jiān)測節(jié)點(diǎn)統(tǒng)一劃分為“普通信息節(jié)點(diǎn)”，其負(fù)責(zé)收集傳統(tǒng)的環(huán)境參數(shù)；而針對建筑結(jié)構(gòu)狀態(tài)進(jìn)行監(jiān)測的節(jié)點(diǎn)則被定義為“結(jié)構(gòu)健康監(jiān)測（SHM）信息節(jié)點(diǎn)”。圖6所示為某超高層建筑信息點(diǎn)位分布圖，其中圖上各個(gè)點(diǎn)位為結(jié)構(gòu)健康監(jiān)測節(jié)點(diǎn)及普通信息節(jié)點(diǎn)。

從圖6中可以看出，在實(shí)際建筑中，普通信息點(diǎn)位的布置位置基本呈現(xiàn)均勻分布；但結(jié)構(gòu)健康監(jiān)測的節(jié)點(diǎn)基本都分布在墻體連接處或是墻體應(yīng)變程度較大的位置，由于各墻受力情況均有所不同，其整體節(jié)點(diǎn)分布具有隨機(jī)性。

為驗(yàn)證所提出的改進(jìn)ACPSO-LEACH協(xié)議的適用性，在MATLAB軟件環(huán)境中進(jìn)行了模擬實(shí)驗(yàn)。實(shí)驗(yàn)布置共計(jì)200個(gè)節(jié)點(diǎn)，其中包含了100個(gè)按均勻規(guī)律分布的普通信息節(jié)點(diǎn)以及100個(gè)根據(jù)實(shí)際受力情況隨機(jī)布局的結(jié)構(gòu)健康監(jiān)測節(jié)點(diǎn)。結(jié)合網(wǎng)絡(luò)模型，運(yùn)用改進(jìn)型自適應(yīng)混沌粒子群優(yōu)化算法（ACPSO-LEACH）對構(gòu)建的無線傳感器網(wǎng)絡(luò)進(jìn)行處理。經(jīng)過算法優(yōu)化后，生成了新的節(jié)點(diǎn)分布模擬結(jié)果，如圖7所示。其中深灰色表示普通信息節(jié)點(diǎn)，黑色代表結(jié)構(gòu)健康監(jiān)測節(jié)點(diǎn)，展現(xiàn)了兩種不同類型的節(jié)點(diǎn)的分布格局。

圖8所示為各個(gè)節(jié)點(diǎn)在成簇過程中的具體情況，清楚地展現(xiàn)了通過改進(jìn)ACPSO-LEACH算法動態(tài)更新后的簇首節(jié)點(diǎn)分布狀況，較為直觀地驗(yàn)證了該算法在復(fù)雜節(jié)點(diǎn)分布場景下的性能優(yōu)勢。

圖9所示為基于所構(gòu)建模型的五種不同協(xié)議在生存周期方面的對比分析。與其他四種算法進(jìn)行比較，可以看到應(yīng)用了改進(jìn)型ACPSO-LEACH協(xié)議的無線傳感器網(wǎng)絡(luò)生命周期顯著延長。實(shí)驗(yàn)結(jié)果表明，在優(yōu)化網(wǎng)絡(luò)資源分配方面，改進(jìn)后的協(xié)議很大程度延長了整個(gè)網(wǎng)絡(luò)系統(tǒng)的運(yùn)行壽命；同時(shí)在實(shí)際工程應(yīng)用層面，對于設(shè)計(jì)和部署高耐久性的無線傳感器網(wǎng)絡(luò)來說，這樣的改進(jìn)具有實(shí)踐指導(dǎo)意義。

5 結(jié) 語

本文對LEACH路由協(xié)議進(jìn)行了創(chuàng)新性改進(jìn)，采用了優(yōu)化過的ACPSO算法。這一改進(jìn)的ACPSO-LEACH融合了自適應(yīng)權(quán)重策略與混沌序列機(jī)制，并且融入了節(jié)點(diǎn)簇首更新原則。通過這種方法，不僅能夠在充分考慮簇首節(jié)點(diǎn)剩余能量的基礎(chǔ)上實(shí)現(xiàn)動態(tài)更新，還能引導(dǎo)尋優(yōu)過程向全局最優(yōu)方向發(fā)展，降低簇間通信的能量消耗的同時(shí)，還提升了節(jié)點(diǎn)的存活率，進(jìn)而顯著延長了整個(gè)無線傳感器網(wǎng)絡(luò)的生存周期。

參考文獻(xiàn)

[1]李棟.面向超高層建筑結(jié)構(gòu)健康監(jiān)測的WSNs研究與設(shè)計(jì)[D] .西安：長安大學(xué)，2020.

[2] TONG Y. Research and improvement of energy balance in wireless sensor network based on LEACH [J]. Journal of physics： conference series， 2021， 1738（1）： 012077.

[3]吳天俊.高層建筑結(jié)構(gòu)健康監(jiān)測的研究與應(yīng)用 [J].工程建設(shè)與設(shè)計(jì)， 2020（24）： 22-23.

[4] SUN H， PAN D. Research on optimisation of energy efficient routing protocol based on LEACH [J]. International journal of ad hoc and ubiquitous computing， 2022， 41（2）： 92-107.

[5]賈惠麗，范訓(xùn)禮，呂艷峰.能量高效的無線傳感器網(wǎng)絡(luò)分簇路由協(xié)議[J].傳感器與微系統(tǒng)，2018，37（8）：116-119.

[6] ELSAYED A， SHARAF M. MA-LEACH： energy efficient routing protocol for WSNs using particle swarm optimization and mobile aggregator [J]. International journal of computer networks and applications， 2018， 5（1）： 1-8.

[7] 趙立新，董朝賢，趙麗.基于FCM聚類的WSN加權(quán)概率簇首選擇算法[J].控制工程，2019， 26（6）： 1211-1215.

[8] 包天悅，高劍飛，王永詠，等.基于動態(tài)布谷鳥算法的無線傳感網(wǎng)能量優(yōu)化方法研究[J].自動化與儀器儀表，2022（9）：22-25.

[9] EINAVI P S， REZA J. A new energy aware cluster head selection for LEACH in wireless sensor networks [J]. IET wireless sensor systems， 2021， 11（1）： 45-53.

[10]張德晶. 無線傳感器網(wǎng)絡(luò)節(jié)能分簇路由算法研究[D].西安：長安大學(xué)，2020.

[11]田思琪. 基于粒子群—蟻群算法的無線傳感網(wǎng)絡(luò)路由協(xié)議研究[D].長春：長春理工大學(xué)， 2018.

[12] LIANG Z X， FAN Y Y， YI Y F. Routing algorithm for wireless sensor network based on GA-LEACH [C]// Proceedings of the 11th International Conference on Computer Engineering and Networks（CENet2021）PartII. Hechi， Guangxi， China： [s.n.]， 2021： 166-178.

[13] DU Y， ZHANG Z ， LI Y， et al. Research on edge nodes of substation auxiliary services based on an improved LEACH protocol [J]. Electric power systems research， 2022， 210.

[14] 陳朕浩. 無線傳感器網(wǎng)絡(luò)層次型分簇路由協(xié)議的研究[D].贛州：江西理工大學(xué)，2019.

[15] MAHAK K， ANIL V， NIKHIL M. LEACH based hybrid energy efficient routing algorithm for dynamic cognitive radio networks [J]. Measurement： sensors， 2022， 24.

[16] 鄧斯宇. 基于LEACH協(xié)議的優(yōu)化簇首選擇和平衡網(wǎng)絡(luò)能量的研究[D]. 上海：上海師范大學(xué)，2018.