مدیریت توان در شبکه های حسگر بیسیم با استفاده از سیستم فازی نوع 2

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 677

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CBCONF01_0822

تاریخ نمایه سازی: 16 شهریور 1395

چکیده مقاله:

مدیریت توان در شبکه های حسگر بی سیم بدلیل محدودیت توان در مصرف انرژی حسگرها از اهمیت بالایی برخورداراست. امروزه پروتکل های فراوانی برای مدیریت توان در این شبکه ها توسط محققان ارائه شده است. مهمترین روش برایمدیریت توان، استفاده از پروتکل های خوشه بندی در این شبکه ها می باشد. در پروتکل های خوشه بندی، ابتدا سرخوشه ها ازبین حسگرها انتخاب شده و سپس خوشه ها بر اساس سرخوشه های انتخاب شده شکل می گیرند. کارایی مدیریت توان،طول عمر شبکه و عدم قطعیت، مهمترین نقاط ضعف در روشهای مدیریت توان بر اساس خوشه بندی می باشند. در اینمقاله روشی جدید برای خوشه بندی حسگرها بر اساس سیستم های فازی نوع 2 ارائه شده است. در روش پیشنهادی برایهر حسگر احتمالی برای انتخاب آن حسگر بعنوان سرخوشه در نظر گرفته می شود. در این روش مقدار انرژی مانده حسگر،فاصله از ایستگاه پایه و نزدیکی حسگرها بعنوان ورودی سیستم فازی در نظر گرفته می شوند. در ادامه بمنظور افزایشکارایی روش پیشنهادی، به بهبود کارایی آن توسط الگوریتم خفاش پرداخته شده است. در این قسمت پارامترهای سیستمفازی بهبود داده می شوند. در انتها، نتایج حاصل از شبیه سازی و مقایسه آن با پروتکل های دیگر، بهبود کارایی روشپیشنهادی را نشان می دهد.

کلیدواژه ها:

شبکه های حسگر بی سیم ، مدیریت توان ، انتخاب سرخوشه ، سیستم فازی نوع 2 ، الگوریتم خفاش

نویسندگان

مریم صالحی

کارشناسی ارشد دانشگاه صنعتی خواجه نصیرالدین طوسی

محمدیوسف درمانی

استادیار دانشکده برق دانشگاه صنعتی خواجه نصیرالدین طوسی

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • cluster head election mechanism using fuzzy :CHEFه Kim, J.-M., et ...
  • Shokouhifar, M. and Jalali. A. (2015), _ evolutionary based application ...
  • Anastasi, G., et al., (2009), "Energy conservation in wireless sensor ...
  • Di, X.(2012) _ C overage -Preserving Clustering Algorithm for Wireless ...
  • Zhang, P., G. Xiao, and H.-P. Tan (2013), "Clustering algorithms ...
  • Min, X., et al. (2010) "Energy efficient clustering algorithm for ...
  • C O mmunications _ 64(4): pp. 289-298. ...
  • Darabkh, K.A., et al. (2012), "Performance evaluation of selective and ...
  • Qing, L, Q. Zhu, and M. Wang, (2006) "Design of ...
  • C O mmunications _ 29(12), pp. 2230-2237. ...
  • Zhang, Q.-y., et al. (2013), "Node correlation clustering algorithm for ...
  • Lindsey, _ C. Raghavendra, and K.M. Sivalingam (2002), "Data gathering ...
  • Naghshin, V., et al. (2012) "Lifetime maximization in cluster-based outage- ...
  • Zadeh, L.A., (1975)"The concept of a linguistic variable and its ...
  • wireless Sensor networks", AEU C O mmunications _ 64(4): pp. ...
  • clustering algorithm for heterogeneous wireless sensor C O mmunications _ ...
  • Zhang, F., Q.-Y. Zhang, and Z.-M. Sun, (2013), "ICT2TSK: An ...
  • Xie, W.-X., et al., (2015) _ Clustering Routing Protocol for ...
  • Lindsey, S. and C.S. Raghavendra, (2002) "PEGASIS: P ower-efficient gathering ...
  • Tian, Y., Y. Wang, and S.-F. Zhang, (2007) _ chain-cluster ...
  • Jia, J.-G., et al, (2010) _ energy consumption balanced clustering ...
  • Kang, S.H. and T. Nguyen, (2012) "Distance based thresholds for ...
  • Ran, G., H. Zhang, and S. Gong, (2010) "Improving On ...
  • Bagci, H. and A. Yazici, (2013) _ energy awar fuzzy ...
  • Sert, S.A., H. Bagci, and A. Yazici, (2015) "MOFCA: Multi-obj ...
  • Mendel, J.M., R.I. John, and F. Liu, (2006) Interval type-2 ...
  • Yang, X.-S. and X. He, (2013) "Bat algorithm: literature review ...
  • نمایش کامل مراجع