دانلود مقاله ISI انگلیسی شماره 28368 + ترجمه فارسی
عنوان فارسی مقاله

مدیریت تحرک شبکه‎های حسگر بی‎سیم با استفاده از منطق فازی

کد مقاله سال انتشار مقاله انگلیسی ترجمه فارسی
28368 2014 18 صفحه PDF 46 صفحه WORD
خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
عنوان انگلیسی
Wireless sensor networks mobility management using fuzzy logic
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Ad Hoc Networks, Volume 16, May 2014, Pages 70–87

فهرست مطالب ترجمه فارسی
چکیده
معرفی
پیش‎زمینه و کارهای مرتبط

کنترل تحرک مبتنی بر شبکه
کنترل تحرک مبتنی برMAC
راه‎اندازی تعویض کانال

کنترل تعویض کانال در WSN های صنعتی
تصمیم‎گیری تعویض کانال مبتنی بر آستانه‎ی  RSSI
تصمیم‎ تعویض کانال مبتنی بر منطق فازی
نمودار 1:
 رفتار RSSI در بستر آزمایشی پالایشگاه
نمودار 2: اتلاف نقطه-به-نقطه، اتلاف لینک و نسبت RSSI.
کنترلر تحرک مبتنی بر منطق فازی - FLMC
انتخاب ورودی-خروجی و مقیاس‎گذاری
نمودار 3: کنترلر تحرک مبتنی بر منطق فازی (FLMC)
انتخاب پایگاه قاعده، متغیرهای زبانی و مقادیر
جدول 1. قواعد زبانی FLMC– پایگاه قاعده
انتخاب توابع عضویت
نمودار 4: ورودی زبانی RSSI
نمودار 5: ورودی زبانی اتلاف لینک
نمودار6: خروجی زبانی احتمال تصمیم
نمودار 7: سطح تصمیم
تصمیم تعویض کانال
ارزیابی عملکرد
سناریوی آزمایش
سناریوی تحرک

جدول 2. فرضیات/الزامات ایمنی پرسنل
برپاسازی سیستم و شبکه
نمودار 9: توپولوژی منطقی درخت
نمودار 10: قرارگیری گره
ارزیابی
جدول 3. پارامترهای تجربی
نمودار 11: عملکرد کنترلر تحرک فازی
نمودار12: مقایسه‎ی میانگین اتلاف بسته‎ی نقطه-به-نقطه
نمودار 13: مقایسه‎ی مصرف توان
نمودار 14: راه‎اندازی‎ها و تعویض کانال‎ها برای راهکارهای تحرک
نمودار15: تأخیر تحویل بسته
مقایسه با راهکارهای سنتی مبتنی بر متریک منفرد
جدول 4. پارامترهای شبیه‎سازی
جدول 5. نتایج تجربی
پایداری و استواری سیستم
سیستم مبتنی بر منطق فازی

نمودار 17: RSSI در مقابل LL با استفاده از FLMC
نمودار18: RSSI در مقابل LL بدون FLMC
نمودار19: چگالی اتلاف لینک با FLMC
نمودار20: چگالی اتلاف لینک بدون FLMC
نمودار21: چگالی RSSI با FLMC
نمودار22:  چگالی RSSI بدون FLMC
جدول 6: مقایسه‎ی آمار اتلاف لینک
جدول 7: مقایسه‎ی آمار RSSI
نتیجه‎گیری
کلمات کلیدی
شبکه های حسگر بی سیم - تحرک - کنترل دست به دست کردن - کنترل عملکرد - منطق فازی - ارزیابی صنعتی
ترجمه چکیده
این مقاله کنترلری نوآورانه و هوشمند را ارائه می‎کند، که تحرک در شبکه‎های حسگر بی‎سیم را پشتیبانی می‎کند. تمرکز این مقاله به خصوص روی گسترش چنین راهکار تحرکی در کاربردهای حساسی مثل امنیت پرسنل در محیط صنعتی می‎باشد. کنترلر تحرک مبتنی بر منطق فازی‎ای پیشنهاد شده است تا حسگر گره‎های متحرک (MN: Mobile Nodes) را در تصمیم‎گیری درمورد راه‎اندازی کردن یا نکردن فرآیند تعویض کانال و اجرا یا عدم اجرای تعویض کانال به یک موقعیت اتصال دیگر، یاری کند. برای این کار، ترکیبی از دو متریکی که در اختیار داریم، یعنی RSSI و اتلاف لینک را به کار می‎بریم، تا اتلاف‎های نقطه به نقطه را "پیشبینی" کنیم و فرآیند راه‎اندازی تعویض کانال را پشتیبانی نماییم. از یک تأسیسات صنعتی واقعی (پالایشگاه نفت) به عنوان محیط ارزیابی عملکرد استفاده شده است. بر اساس آزمایشات انجام شده در منطقه‎ی مورد آزمایش در پالایشگاه نفت، کنترل تحرک پیشنهاد شده مزایای چشمگیری را در مقایسه با سایر راهکارهای سنتی در زمینه‎ی اتلاف بسته، تأخیر تحویل بسته، مصرف انرژی، و نرخ تعویض کانال‎های موفق نشان داده است،
ترجمه مقدمه
در سال‎های اخیر، کاربردهای شبکه‎های حسگر در زمینه‎های بسیاری رشد داشته‎اند و این از جهت قابلیت کاربرد و امکان ارتقای گسترده‎ی آن، به خصوص در زمینه‎ی شبکه‎های حسگر بی‎سیم (WSN) می‎باشد. تحقیقات روی WSN عمدتاً بر پروتکل‎ها و الگوریتم‎هایی متمرکز شده است که برای کاربردهایی می‎باشند که معیار آن‎ها پیاده‎سازی در ابعاد بزرگ، تصادفی و ایستا است و در آن‎ها تحرک گره و اطمینان عملکرد شبکه، عواملی حیاتی در نظر گرفته نمی‎شوند. علاوه بر کاربردهای متنوع، شبکه‎های حسگر به علت آرایش ادهاک، عملکرد خودکار و تغییرات پویایی که دارند، در تعدادی از چالش‎های فنی نقشی بی‎همتا بازی می‎کنند. بیشتر کاربردهای حسگر، نیاز به به‎کارگیری بدون زیرساخت و بدون دخالت بشر دارند. این مسئولیت شبکه‎ی حسگر است که نسبت به هر تغییر فیزیکی‎ای که در شبکه رخ می‎دهد، مثل اضافه شدن گره‎های جدید یا نقص تعدادی از آن‎ها، وفق‎پذیر باشد. علاوه بر این، منبع انرژی محدود است، و باید از آن به طور بهینه برای پردازش و ارتباطات استفاده کرد. امروزه حسگرهای کاربردی متعددی مثل مراقبت بهداشتی، اتوماسیون صنعتی، حس‎کردن/محاسبه‎ی ‎شهری، و شبکه‎های حسگر مربوط به وسائط نقلیه، استفاده از MN به صورت اتصال مستقیم (روی هاپ) از نقطه‎ی جمع‎آوری داده (سینک) را در نظر گرفته و اجرا می‎کنند. با این حال انتظار می‎رود در آینده‎ای نه چندان دور، قابلیت تحرک شبکه و گره‎ها در شبکه‎های حسگر بی‎سیم نیز متداول گردد. بعلاوه، با وجود پتانسیل‎های شبکه‎های WSN، به‎کارگیری واقعی آن‎ها به ندرت انجام شده و هنگامی که قابلیت حرکت کاربر لحاظ شود، مجازاً همه‎ی آن‎ها محدودیت‎های قابل توجهی دارند. در میان سایرین، این محدودیت‎ها شامل نیاز به تجهیزات سخت‎افزاری اضافه‎ای مثل آنتن‎های جهت‎دار یا GPS، و/یا وجود روش‎های موقعیت‎یابی می‎شوند. در محیط‎های پرتنش، فراهم کردن نتایج مورد انتظار برای این راهکارها، به علت خصوصیات مدل انتشار ناشی از محیط فیزیکی، مشکل است [1]. گذشته از این، بیشتر راهکارهای کنونی بر پایه‎ی نتایج شبیه‎سازی هستند؛ چیزی که به معنی عدم تطابق بین تحقیق و واقعیت است. پشتیبانی حرکتی انجام شده در این کار، در اصل با انگیزه‎ی رفع نیاز به نظارت بر سلامت و وضعیت کارگران در حال حرکت در محیط‎های صنعتی انجام گرفته است. فعالیت‎های خطرناک بسیاری در واحدهای صنعتی وجود دارد که نظارت بر ایمنی در آن‎ها ضروری است. به عنوان یک فعالیت این چنینی، می‎توان از تمیزکاری و ارزیابی شرایط تانکرهایذخیره در پالایشگاه نفت نام برد. تانکرها محیط‎های بسیار خطرناکی هستند که معمولاً دارای جوی سمی بوده و حاوی پسماند محتویات قبلی خود هستند. هنگامی که کارکنان وارد چنین محیط‎های سمی‎ای می‎شوند، ممکن است هوشیاری خود را از دست بدهند. بااستفاده از سیستم تعیین موقعیت و متصل کردن حسگرهای ضربان قلب یا فشار خون به کارکنان، می‎توان بر وضعیت سلامت آن‎ها نظارت نمود، تا در صورت وقوع وضعیت اورژانسی آلارم‎ها فعال شوند. در اطراف تانکرهایی که در حال تمیز شدن هستند، حسگرهای معمول دیگری برای سایر سناریوهایی مثل نظارت بر تولید، کار گذاشته می‎شوند. هنگامی که یک کارگر متحرک به سمت تانکر حرکت می‎کند، پیام‎های موقعیت از حسگر به سینک فرستاده شده، و از طریق گره‎های میانی فوروارد می‎شود. داده ممکن است بسته به موقعیت کارگر متحرک، از طریق گره‎های میانی متفاوتی ارسال گردد. برای این که به طور پیوسته اطلاعات مربوط به کارگر متحرک را دریافت کنیم، یک تکنیک مدیریت تحرک باید پیاده سازی شود، تا بدین ترتیب امکان تعویض کانال بین اکسس‎پوینت‎های متفاوت فراهم گردد، در حالی که به طور همزمان ضمانت عملکرد بی‎نقص را برای کاربردهای حساس حفظ کند. پشتیبانی از گره‎های متحرک در محیط‎های صنعتی چیزی است که استانداردهای صنعتی کنونی مثل WirelessHart [2, 3] و ISA100 [4] توجهی خاصی به آن ندارند. WirelessHART و ISA100.11a رویکرد مدیریت شبکه‎ی متمرکز را برای زمانبندی ارتباط و مدیریت مسیرها در به کار می‎گیرند. با وجود این که چنین رویکردی هنگامی که توپولوژی شبکه و الزامات کاربردی ساکن بوده و به طور سنگینی از پیش پیکربندی شده‎اند مزایایی دارد، اما هیچ اطمینانی وجود ندارد که این استانداردها در شرایط پویا که شامل گره‎های متحرک است چه عملکردی داشته باشند. عدم قابلیت کنترل مناسب تحرک ممکن است به مشکلاتی چون افزایش اتلاف بسته، تحویل با تأخیر داده، و افزایش زمان قطعی بی‎انجامد، که همه‎ی آن‎ها در نهایت باعث افزایش مصرف کلی انرژی می‎شوند. بی‎همتایی این کار سه برابر است. اول، یک کنترلر هوشمند مبتنی بر منطق فازی پیشنهاد می‎شود. این کنترلر به حسگر MN این قابلیت را می‎دهد که به صورت هوشمند تصمیم بگیرد که آیا باید فرآیند تعویض کانال را راه بی‎اندازند و عمل تعویض کانال به یک موقعیت جدید را انجام دهند یا خیر. دوم، یک مکان صنعتی واقعی (پالایشگاه نفت) برای ارزیابی محیط به کار گرفته شده است؛ چیزی که باعث بروز چالش‎های جدیدی در زمینه‎ی طراحی پشتیبانی تحرک می‎گردد. سوم، به علت این حقیقت که این سیستم بر اساس پارامترهای حالت شبکه که برای همه‎ی حسگرهای MN در دسترس هستند طراحی شده، این رویکرد قابلیت اعمال بسیار بیشتری بر هر محیط WSN صنعتی یا مکان آزمایشی با الزامات تحرکی دارد. انتخاب سیستم منطق فازی به دو دلیل انجام شده است؛ سادگی، و این حقیقت که از آن‎جا که این سیستم قواعد تعریف‎شده توسط خبره‎ها که بر سیستم کنترل نظارت می‎کنند را پردازش می‎کند، می‎تواند برای بهبود عملکرد سیستم تغییر داده شود. سیستم کلی در زمینه‎ی پروژه‎ی GINSENG سرمایه‎گذاری‎شده توسط EU ارزیابی و پیاده‎سازی شده است [5, 6]. کاربر نهایی این پروژه، کمپانی فعال در پالایشگاه نفت Petrogal در Sines پرتغال بوده است. پالایشگاه Petrogal تأسیسات صنعتی پیچیده‎ای است که شامل گستره‎ی وسیعی از واحدهای در حال کار می‎باشد، که نیاز به نظارت دقیق و کنترل عملیات حساس دارند. در حال حاضر این پالایشگاه کاملاً خودکار است، اما تماماً مبتنی بر اتصالات سیمی است. امکان ارتقای سیستم سیمی فعلی برای پشتیبانی از کاربرهای متحرک غیرممکن است. بنابراین، یک WSN واقعی در پالایشگاه به کار گرفته شده، که چندین سناریوی خاص که شامل نظارت بر کارگرهای متحرک می‎شوند را هدف گرفته است (سناریوی ایمنی پرسنل). در نهایت، تا آنجا که می‎دانیم، GINSENG تنها کاری است که استفاده از MN درون یک منطقه‎ی صنعتی را درملاحظه می‎کند. این مقاله به شکلی که در ادامه می‎خوانید منظم شده است. در بخش 2 اطلاعات پیش‎زمینه و کارهای مرتبط ارائه می‎شود، و در بخش 3 روش‎های اساسی کنترل تعویض کانال در WSNهای صنعتی بحث شده است. بخش 4 رویکرد تحرک مبتنی بر منطق فازی پیشنهاد شده را مورد آزمایش قرار می‎دهد. در بخش 5 ارزیابی تجربی و آنالیز عملکرد ارائه شده است، و در نهایت در بخش 6 نتیجه‎گیری درمورد این کار را می‎خوانید.
پیش نمایش مقاله
پیش نمایش مقاله مدیریت تحرک شبکه‎های حسگر بی‎سیم با استفاده از منطق فازی

چکیده انگلیسی

This paper presents a novel, intelligent controller to support mobility in wireless sensor networks. In particular, the focus is on the deployment of such mobility solution to critical applications, like personnel safety in an industrial environment. A Fuzzy Logic-based mobility controller is proposed to aid sensor Mobile Nodes (MN) to decide whether they have to trigger the handoff procedure and perform the handoff to a new connection position or not. To do so, we use a combination of two locally available metrics, the RSSI and the Link Loss, in order to “predict” the End-to-End losses and support the handoff triggering procedure. As a performance evaluation environment, a real industrial setting (oil refinery) is used. Based on on-site experiments run in the oil refinery testbed area, the proposed mobility controller has shown significant benefits compared to other conventional solutions, in terms of packet loss, packet delivery delay, energy consumption, and ratio of successful handoff triggers.

مقدمه انگلیسی

In recent years, applications of sensor networks have evolved in many areas due to their large applicability and development possibilities, especially in the Wireless Sensor Networks (WSN) area. Research on WSN has mainly been focused on protocols and algorithms for applications, in which large, random, and static deployment is the norm and in which node mobility and network performance assurances are not considered critical. In addition to the diverse applications, sensor networks pose a number of unique technical challenges because of their ad hoc deployment, unattended operation, and dynamic changes. Most sensor applications need the deployment to be infrastructure-less, without any human intervention. It is the responsibility of the sensor network to be adaptable to any physical changes like the addition of extra nodes or the failure of a number of them. In addition, there is only a finite source of energy, which must be optimally used for processing and communication. Nowadays, several application sectors like healthcare, industrial automation, urban sensing/computing, and vehicular sensor networks assume and incorporate the use of MN, usually in direct connection (one hop) from the data collection point (sink). However, it is expected that, in the near future, node and network mobility will become common for wireless sensor networks as well. In addition, in spite of the potential of WSNs, real deployments are rare and virtually all have considerable limitations when user mobility is concerned. These limitations include, among others, the need of extra hardware like directional antennas or GPS, and/or the existence of positioning methods. These solutions are difficult to provide the expected results in the case of harsh environments due to the propagation model characteristics arising from the physical environment [1]. Furthermore, the majority of the existing solutions are based on simulation results, something that usually denotes a mismatch between research and reality. Mobility support in this work has been mainly motivated by the need to monitor the health and status of mobile workers in industrial settings. There are many hazardous activities in an industrial plant that need to be monitored for safety. One such activity is the cleaning and condition assessment of storage tanks in an oil refinery. Tanks are very hazardous environments and typically contain a toxic atmosphere and residues of their previous contents. When employees enter such hazardous areas there is a possibility to loose consciousness. Using orientation and heart or pressure monitoring sensors attached to employees, their condition can be monitored and alarms can be signaled when an emergency occurs. Surrounding the tank that is being cleaned are usual sensors deployed for other scenarios, e.g. production monitoring. As the mobile worker moves around the tank, orientation messages are sent from the sensor to the sink forwarded by intermediate nodes. Data may be sent via different intermediate nodes based on the location of the mobile worker. In order to continuously receive information from the mobile workers a mobility management technique must be implemented so as to enable the handoff between different access points, while at the same time maintaining strict performance guarantees for the critical application. Supporting mobile nodes in an industrial environment is something that the existing industrial standards like WirelessHart [2] and [3] and ISA100 [4] do not give special attention to. WirelessHART and ISA100.11a use a centralized network management approach for communication scheduling and managing routes. Despite the advantages of such approach when the network topology and application requirements are static and heavily pre-configured, it is not certain how these standards perform in dynamic situations involving node mobility. The inability to properly handle mobility may result in problems, including increased packet loss, delayed data delivery, and increased downtime, all of which increase the overall energy consumption. The uniqueness of this work is threefold. Firstly, an intelligent controller, based on fuzzy logic is proposed. This controller enables sensor MN to decide intelligently whether they have to trigger the handoff procedure and perform the handoff to a new position or not. Secondly, a real industrial setting (oil refinery) is used as the evaluation environment, something that poses new challenges regarding the design of mobility support. Thirdly, the approach taken has greater applicability to any WSN industrial environment or testbed setting with mobility requirements, due to the fact that it was designed based on network state parameters that are available to all sensor MN. The selection of fuzzy logic system was based on its simplicity and the fact that, since it processes experts-defined rules governing the target control system, it can be modified to improve system performance. The overall system was implemented and evaluated in the context of the EU-funded GINSENG project [5] and [6]. The end user of the project was the company operating the Petrogal oil refinery at Sines, Portugal. The Petrogal refinery is a complex industrial facility, which includes a wide range of processing units that need careful monitoring and control of critical operations. Currently, the refinery is completely automated, but totally wired-based. Upgrades to the current wired system are impossible to perform in order to support mobile users. Therefore, a real WSN has been deployed in the refinery, targeting several specific scenarios including the monitoring of mobile workers (personnel safety scenario). Finally, to the best of our knowledge, GINSENG is the only work that considers the use of MN inside an industrial area. The paper is organized as follows. In Section 2 background information and related work are presented and in Section 3 the basic methods for handoff control in industrial WSNs are discussed. Section 4 examines the proposed fuzzy logic-based mobility approach. In Section 5 the experimental evaluation and performance analysis are presented and, finally, in Section 6 the conclusions of this work are offered.

نتیجه گیری انگلیسی

In this work a holistic approach to designing and implementing a mobility management solution in WSN, to support mobile workers inside an industrial environment, was taken. The proposed mobility solution efficiently maintains the connectivity of the mobile node by controlling the handoff procedure. In the design of this solution network state variables which are readily available at all sensor MNs were used. Thus, the proposed mechanism is generically applicable to any industrial WSN or testbed with mobility requirements. This work moves beyond single metric (RSSI-based) mobility solutions by proposing an intelligent controller, based on fuzzy logic, in order to help sensor MNs to control handoffs with a need for performance guarantees. The applicability of the proposed mobility solution was validated in a real testbed scenario inside the industrial environment of an oil refinery. The results clearly show that the proposed mobility solution outperforms the RSSI-based mobility solution in terms of packet loss, packet delivery delay, energy consumption, and ratio of successful handoff triggers. As future work, an adaptive way of selecting the handoff trigger threshold could be helpful in reducing the power consumption of the Fuzzy Logic-based mobility solution.

خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.