本發(fā)明涉及一種無線網(wǎng)絡(luò)結(jié)構(gòu)及網(wǎng)絡(luò)節(jié)點部署方法，特別是一種礦井無線傳感器網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)及網(wǎng)絡(luò)節(jié)點部署方法。

背景技術(shù)：

目前國內(nèi)外專家對無線傳感器網(wǎng)絡(luò)進行了大量的研究，研究多集中在地面wsn，但是對地下的wsn尤其是煤礦井下應(yīng)用的wsn系統(tǒng)研究較少。將wsn和地理信息系統(tǒng)相結(jié)合對煤礦安全生產(chǎn)和信息管理有著極其重要的意義。應(yīng)用井下無線傳感器網(wǎng)絡(luò)將井下環(huán)境、工況、人員定位信息進行采集和進行壓縮預(yù)處理之后，將它與節(jié)點的位置和信息采集時間等信息通過網(wǎng)絡(luò)實時地傳輸?shù)降孛?，再由mgis進行分析處理并對異常進行報警、預(yù)測。

現(xiàn)有節(jié)點部署方法有很多種，但無線傳感器網(wǎng)絡(luò)節(jié)點部署的研究大部分是基于假設(shè)節(jié)點是通過飛機或炮彈隨機部署的,如文獻interactivevisualizationofmarinepollutionmonitoringandforecastingdataviaaweb-basedgis中所提。在現(xiàn)有的實際應(yīng)用中，很少使用隨機部署節(jié)點，無線傳感器網(wǎng)絡(luò)現(xiàn)在的應(yīng)用大部分是商用，比如路燈監(jiān)控系統(tǒng)，公交車監(jiān)控系統(tǒng)等，作為商用系統(tǒng)第一個要考慮的就是成本，大范圍的隨機部署成本太高。

技術(shù)實現(xiàn)要素：

本發(fā)明的主要目的是提供一種礦井無線傳感器網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)及網(wǎng)絡(luò)節(jié)點部署方法，解決大范圍的隨機部署無線傳感器網(wǎng)絡(luò)節(jié)點成本太高的問題。

本發(fā)明是這樣實現(xiàn)的：本發(fā)明包括網(wǎng)絡(luò)結(jié)構(gòu)以及網(wǎng)絡(luò)節(jié)點部署方法。

網(wǎng)絡(luò)結(jié)構(gòu)：巷道間的基本拓撲關(guān)系，以中點為出發(fā)點，圖論為理論基礎(chǔ)，基于鄰接表的巷道拓撲二維結(jié)構(gòu)圖的自動生成算法，通過巷道中點得到一系列具有相同屬性的巷道中線，經(jīng)過優(yōu)化處理，構(gòu)成巷道弧以及巷道線的基本結(jié)構(gòu)，形成一個由巷道中所組成的巷道二維結(jié)構(gòu)拓撲圖；

網(wǎng)絡(luò)節(jié)點部署方法：依據(jù)煤礦井下的通信環(huán)境，采用確定性部署策略，針對井下信號衰減因素提出了基于最大通信距離的礦井無線傳感器網(wǎng)絡(luò)連通節(jié)點集生成算法和骨干網(wǎng)備用節(jié)點集生成算法；形成礦井監(jiān)測的骨干網(wǎng)絡(luò)；進而又通過部署備用節(jié)點對網(wǎng)絡(luò)進行優(yōu)化，當(dāng)網(wǎng)絡(luò)中的骨干節(jié)點由于某種原因不能正常工作時，這些備用節(jié)點可以維持網(wǎng)絡(luò)的正常通信，提高了網(wǎng)絡(luò)的健壯性；所述的節(jié)點集生成是指將巷道中離散的節(jié)點集經(jīng)過算法后形成連通的節(jié)點集。

網(wǎng)絡(luò)結(jié)構(gòu)的具體描述如下：包括數(shù)據(jù)輸入和巷道二維拓撲結(jié)構(gòu)圖輸出；其中，

巷道二維結(jié)構(gòu)圖(tts)由三個集合組成：tts＝(v，e，w)，其中點集為：v＝{v1，v2，v3，…，vn}，邊集為：e＝{e1，e2，e3，…，en}，各條邊的權(quán)值的集合為：w＝{w1，w2，w3，…，wn}；

(1)數(shù)據(jù)輸入：

a)各導(dǎo)線點的坐標及其對應(yīng)的左右?guī)途啵涀骷蟰，其中：

v＝{(x1,y1,z1,dl1,dr1),((x2,y2,z2,dl2,dr2),…,((xn,yn,zn,dln,drn)}，其中，xn,yn,zn分別表示導(dǎo)線點的三維坐標，dln，drn分別表示導(dǎo)線點的左右?guī)途啵?/p>

b)各原始巷道線的編碼id，記作集合e，其中：

e＝{id1,id2,…,idn}，id表示各原始巷道線的編碼；

(2)巷道二維拓撲結(jié)構(gòu)圖輸出：

基于鄰接表的巷道二維拓撲結(jié)構(gòu)圖的自動生成算法，具體算法步驟如下：

a)按照導(dǎo)線點編碼方案對所有導(dǎo)線點及巷道線進行連續(xù)編碼，將編碼存放在導(dǎo)線點的id屬性域中；

b)依據(jù)中點所屬巷道線id對中點進行配對，即將屬于同一巷道線的中點放在同一個集合中，分別記為e1，e2，…,en,其中：

e1＝{(x11,y11),(x12,y12),…,(x1n,y1n)}，

e2＝{(x21,y21),(x22,y22),…,(x2n,y2n)}，

…

en＝{(xn1,yn1),(xn2,yn2),…,(xnn,ynn)}；

上式中，xnn，ynn分別表示第n條巷道的第n個中點的二維坐標；

c)依據(jù)巷道中點映射算法計算出每一個導(dǎo)線點對應(yīng)的中點坐標，得到中點集記為midv，其中midv＝{(x1’,y1’),(x2’,y2’),…,(xn’,yn’)}，并且將確定的中點坐標以及判斷出來的折線點標識存入中點數(shù)據(jù)結(jié)構(gòu)；上式中，xn'，yn'表示每一個導(dǎo)線點對應(yīng)的中點二維坐標；

所述的巷道中點映射算法是在已有的巷道中點的求解算法的基礎(chǔ)上，以導(dǎo)線點的坐標和左或右?guī)蜑樵紨?shù)據(jù)，基于坐標公式法的巷道中線自動求解算法求解巷道壁的直線方程，通過點至直線的距離公式求解出導(dǎo)線點與巷道壁的距離，進而得出巷道中點的位置坐標；對于巷道折線點的判斷，依據(jù)導(dǎo)線點與巷道壁間的位置關(guān)系，逐個判別各個導(dǎo)線點是否為折線點，直至發(fā)現(xiàn)折線點；

d)順次連接各巷道中點，得到巷道二維拓撲輪廓圖；

e)依據(jù)巷道線編碼得出巷道間的連通關(guān)系，進而對節(jié)點、弧段間存在的拓撲關(guān)系進行處理，得到中點—弧段網(wǎng)絡(luò)拓撲結(jié)構(gòu)；

f)對巷道中的一些特殊位置點，即折點進行直線化；

g)遍歷各中點的曲線弧段標記屬性，若為1則該中點所在巷道弧段內(nèi)的角點應(yīng)按照巷道弧優(yōu)化算法順次連接；

h)輸出巷道二維拓撲結(jié)構(gòu)圖。

所述的網(wǎng)絡(luò)節(jié)點部署方法：在巷道二維拓撲結(jié)構(gòu)圖的基礎(chǔ)上，針對井下信號衰減因素，提出基于最大通信距離的礦井無線傳感器網(wǎng)絡(luò)連通節(jié)點集生成算法和骨干網(wǎng)備用節(jié)點集生成算法，形成礦井監(jiān)測的骨干網(wǎng)絡(luò)，算法以井下信號屏蔽和衰減為約束條件，建立連通節(jié)點集，該節(jié)點集合構(gòu)建井下無線傳感器骨干網(wǎng)絡(luò)，骨干網(wǎng)絡(luò)中的每個節(jié)點作為匯聚節(jié)點，將接收到的信息傳遞到地面進行分析和處理，在環(huán)境比較惡劣的條件下，保證信息的可靠傳輸。

所述的網(wǎng)絡(luò)節(jié)點部署方法，具體步驟如下：

第一步，基于鄰接表的巷道拓撲結(jié)構(gòu)圖的自動生成算法，算法通過巷道中點得到一系列具有相同屬性的巷道中線，經(jīng)過優(yōu)化處理，構(gòu)成巷道弧以及巷道線的基本結(jié)構(gòu)，形成一個由巷道中所組成的巷道二維結(jié)構(gòu)拓撲圖；

第二步，設(shè)定礦井巷道為縱橫交錯的網(wǎng)絡(luò)，將巷道網(wǎng)絡(luò)中的各巷道抽象為空間弧段，形成由弧段和結(jié)點組成的巷道網(wǎng)絡(luò)數(shù)據(jù)結(jié)構(gòu)與模型；

第三步，將巷道抽象為沿著這些巷道的導(dǎo)線，巷道的空間分布圖采用巷道網(wǎng)絡(luò)拓撲關(guān)系來描述；將實際的礦井巷道抽象為巷道弧段，所述的巷道弧段是由巷道中點連接而成的中線弧，準確地描述礦區(qū)中所有巷道；

第四步，經(jīng)過以上步驟得到的圖形中，由于測量誤差或者計算誤差導(dǎo)致圖形的結(jié)果與預(yù)期的結(jié)果不一致，分別為：三條中線弧沒有相交于一點、巷道線分裂處節(jié)點移位；針對這兩種情況，給出相應(yīng)的節(jié)點間吻合與節(jié)點和線之間吻合的兩種處理算法，從而獲得節(jié)點間吻合之間的關(guān)系、節(jié)點和線之間吻合之間的關(guān)系；

第五步，經(jīng)過以上幾個步驟得到的巷道弧是由中線弧構(gòu)成的折線，由于折線會對無線傳感器的部署和礦井?dāng)?shù)據(jù)的監(jiān)測帶來不便，現(xiàn)在需要對弧段進行直線化，對巷道中的每一個中點進行遍歷，將折線點標識域為true的中點記錄下來，同時將這一巷道弧的兩個端點處的巷道中點的位置也記錄下來，連接這兩個巷道中點的折線點，就形成了一條直線形狀的巷道?。唤?jīng)過這樣處理后的巷道拓撲結(jié)構(gòu)圖可以反映出巷道的基本結(jié)構(gòu)和整體形狀；對曲線弧巷道的處理可根據(jù)工程設(shè)計圖所提供的信息可以找到對應(yīng)弧的圓心坐標位置，將它存儲在中點屬性的“圓心”域中，利用圓心位置來對巷道曲線弧段進行優(yōu)化；

第六步，經(jīng)過以上處理，將輸入的導(dǎo)線點的坐標和相關(guān)的屬性繪制出巷道的二維拓撲結(jié)構(gòu)圖；

第七步，在礦井拓撲結(jié)構(gòu)圖的基礎(chǔ)上，采用基于最大通信距離的礦井無線傳感器網(wǎng)絡(luò)連通節(jié)點集生成算法mcpga，按照得到的點集進行傳感器的部署，形成礦井監(jiān)測通信的骨干網(wǎng)絡(luò)，輸出礦井無線傳感器網(wǎng)絡(luò)感知節(jié)點集；

第八步，在此基礎(chǔ)上，采用骨干網(wǎng)備用節(jié)點集生成算法，即r-mcpga算法，保證網(wǎng)絡(luò)的健壯性；

第九步，結(jié)合特征權(quán)重，采用改進的dbscan算法—m-dbscan算法，輸出礦井無線傳感器網(wǎng)絡(luò)感知節(jié)點集，降低網(wǎng)絡(luò)能耗；所述的dbscan算法—m-dbscan算法為改進的基于密度的聚類算法；

第十步，根據(jù)無線傳感器網(wǎng)絡(luò)節(jié)點部署圖的生成算法；以巷道拓撲結(jié)構(gòu)圖、連通節(jié)點集和感知節(jié)點集為基礎(chǔ)，采用網(wǎng)絡(luò)部署圖生成算法，得到的礦井無線傳感器網(wǎng)絡(luò)部署圖。

步驟4中，節(jié)點間吻合與節(jié)點和線之間吻合的兩種處理算法；

(1)節(jié)點間吻合處理算法：

三個巷道中點a、b、c沒有吻合的三個點的情況，同在一點，坐標一致，但由于數(shù)據(jù)的誤差，三點坐標不完全一致，造成它們之間不能建立關(guān)聯(lián)關(guān)系；為此需要經(jīng)過人工或自動編輯，將這三點匹配一致，或者說三點吻合成一個點；

節(jié)點匹配有多種方法來完成，在這里給出一種自動匹配和人工修正相結(jié)合的方法：

首先給定一個容差δ，在生成基本的圖形之后，將在同一容差范圍內(nèi)的節(jié)點自動吻合在一起；這種方法完成大部分位情況的處理，但對于個別點還需要手工處理，建立一個矩形，將落入這個矩形內(nèi)的的坐標吻合成一致的，用求平均值的方法求出它們的中點坐標，并建立它們之間的關(guān)系；

(2)節(jié)點和線之間吻合處理算法：

對于一個中點和一條中線弧相交的情況，由于測量誤差的影響，巷道中點也可能不完全相交于弧上，需要繼續(xù)對其進行處理，將這種修改稱為點線吻合，對此情況設(shè)置一定的容差δ，將它們自動求交并吻合在一起，若還不能到達預(yù)訂的目標則需要手工對節(jié)點進行移動操作，將節(jié)點移動到弧段目標上；

點與點的吻合以及點與弧段的吻合還需要考慮下面兩種情況，一是坐標一致，而不需要建立關(guān)聯(lián)；弧段ab不變，弧段co’與o’d中，由于o’與弧段ab之間的距離在容差δ的范圍內(nèi)，所以將o’點的坐標修改，使之位于弧段ab上，即將o’修改為o，o位于弧段ab上；

另一種情況是不僅坐標一致，而且要建立它們之間的關(guān)聯(lián)關(guān)系；對于這種情況，由于o’與弧段ab之間的距離在容差δ的范圍外，所以不能對o’的坐標做修改而達到點線吻合的效果，因此這里需要將ab所在的弧段目標要分裂成兩段，即增加一個點o，再與點o’進行吻合，并建立它們之間的關(guān)聯(lián)關(guān)系。

步驟5中；

對一般的巷道弧的優(yōu)化處理：一段巷道內(nèi)有a、b、c、d、e、f、g、h、i、j、k、l、m幾個不在同一條直線上的點，其中g(shù)為折線點，可直接將a與g相連，g與m相連，構(gòu)成直線化；

對曲線弧巷道的處理根據(jù)工程設(shè)計圖所提供的信息找到對應(yīng)弧的圓心坐標位置，將它存儲在中點屬性的“圓心”域中，利用圓心位置來對巷道曲線弧段進行優(yōu)化；

對巷道曲線弧的優(yōu)化處理：有a、b、c、d、e、f、g、h、i九個巷道中點確定的弧段，經(jīng)過中點“圓心”域所提供的圓心坐標位置為o、o’，分別以o、o’為圓心做弧，兩段弧分別與圖中的部分點吻合，利用這樣的方法確定巷道曲線弧的位置和形狀關(guān)系；

經(jīng)過以上處理，將輸入的導(dǎo)線點的坐標和相關(guān)的屬性繪制出巷道的二維拓撲結(jié)構(gòu)圖，這種對巷道結(jié)構(gòu)的抽象和優(yōu)化，保障了無線傳感器的部署和礦山環(huán)境的監(jiān)測、保障安全生產(chǎn)。

步驟7中，基于最大通信距離的礦井無線傳感器網(wǎng)絡(luò)連通點集生成算法的描述如下：

當(dāng)?shù)V井巷道拓撲結(jié)構(gòu)圖中v代表結(jié)點集；兩相鄰結(jié)點用弧段連接起來，e(i,j)表示連接結(jié)點i和j的弧段；弧段上的數(shù)字代表該弧段的權(quán)值，用w(i,j)表示；圖就可以表示成g＝(v,e,w)；

輸入：

礦井二維拓撲結(jié)構(gòu)圖:g＝(v,e,w)

巷道中點集：v＝{v1，v2，v3，…，vn}

巷道中線集：e＝{e1，e2，e3，…，en}

各條邊的距離的集合：w＝{w1，w2，w3，…，wn}

輸出：

骨干網(wǎng)節(jié)點的連通點集v’＝{v1’，v2’，v3’，…，vn'}

步驟：

step1：輸入各邊e及其權(quán)值w，為每個節(jié)點建立頭結(jié)點headnode和表節(jié)點node，并建立鄰接鏈表，形成圖的拓撲結(jié)構(gòu)；

step2：找到副井所在的位置，并按照一定順序判斷每一個巷道；

step3：建立連通點集v’，按照公式(1)(2)規(guī)則進行計算，并遍歷每一條巷道，并將符合要求的節(jié)點加入到連通點集v’當(dāng)中；

在公式(1)和公式(2)中，s為需要布置通信節(jié)點的巷道的長度，rc為傳感器節(jié)點的通信半徑，n為此條巷道段上應(yīng)部署的節(jié)點個數(shù)，l為實際部署節(jié)點時兩節(jié)點之間的距離，α為兩個傳感器節(jié)點之間的環(huán)境因子；

step4：重復(fù)步驟3，直到圖中不存在沒有找到點的巷道；

step5：算法結(jié)束，將連通點集v’返回。

步驟8中，骨干網(wǎng)備用節(jié)點集生成算法描述如下：

(1)輸入：

點集：v＝{v1，v2，v3，…，vn}

邊集：e＝{e1，e2，e3，…，en}

各條邊的權(quán)值的集合：w＝{w1，w2，w3，…，wn}

連通點集：v’＝{v1’，v2’，v3’，…，vn'}；

(2)輸出：

備用節(jié)點部署點集v＝{v1，v2，v3，…，vn}；

(3)步驟：

step1：輸入各節(jié)點的編號nodeid并建立頭節(jié)點鏈表headlist；

step2：輸入各邊e及其權(quán)值w，為每個節(jié)點建立頭結(jié)點headnode和表節(jié)點node，并建立鄰接鏈表，形成圖的拓撲結(jié)構(gòu)；

step3：從根節(jié)點開始，深度優(yōu)先遍歷每一個節(jié)點，并記錄與節(jié)點相連的兩條邊的權(quán)值；

step4：建立備用節(jié)點部署點集v，考慮每個相鄰的三個骨干節(jié)點，并判斷中間的節(jié)點和兩邊節(jié)點的位置，分別尋找節(jié)點部署備用節(jié)點的合適位置，并記錄該位置；

step5：重復(fù)步驟4，直到中不再有新的節(jié)點位置加入；

step6：算法結(jié)束，將備用節(jié)點部署點集v返回。

步驟9中，改進的dbscan算法—m-dbscan算法的描述如下：

數(shù)據(jù)輸入：

x＝{x1，x2…xm}空間數(shù)據(jù)集，其中xi表示空間位置，對象的x坐標、對象的y坐標、風(fēng)速、溫度、濕度、瓦斯?jié)舛葘傩灾?；ε表示鄰域半徑的值；minpts表示最小數(shù)目的值；

數(shù)據(jù)輸出：

礦井無線傳感器網(wǎng)絡(luò)感知點集；

算法描述：

step1:對輸入的空間數(shù)據(jù)集進行預(yù)處理，計算對象的屬性的個數(shù)q；

step2:根據(jù)空間屬性個數(shù)q和公式(3)計算不同空間屬性sp的重要因子αp，該重要因子反應(yīng)了各個屬性在參與聚類劃分中的權(quán)重的值，其和為1；

當(dāng)0≤hi≤1，在q維的空間屬性中，第i維空間屬性的熵權(quán)定義為：

上式中，0≤wi≤1，w＝(w1，w2，…，wi)i＝1，2，…，q即為空間對象的空間屬性所對應(yīng)重要因子a＝(a1，a2，…，ai)i＝1，2，…，q；q表示決定空間鄰居權(quán)重系數(shù)的特征屬性的最大數(shù)目；

step3:利用改進的對象間距離計算公式，根據(jù)輸入的空間數(shù)據(jù)集x中的空間關(guān)系和ε的值計算每一個對象的ε鄰域；

step4:檢查每一個對象的ε鄰域是否包含多于minpts的對象，若包含則需要創(chuàng)建包含該對象的新聚類；

step5:根據(jù)創(chuàng)建的核對象，循環(huán)收集直接密度可達的對象，其中合并密度可達的聚類；

step6:重復(fù)步驟5，直到各個聚類再無新的對象加入；

step7:輸出礦井無線傳感器網(wǎng)絡(luò)感知節(jié)點集。

所涉及的名詞定義如下：

ε鄰域：給定一個ε和對象p∈db，以對象p為中心，以ε為半徑的區(qū)域為對象p的ε鄰域，用nε(p)來表示，即

nε(p)＝{q∈db|dist(p,q)≦ε}

特征鄰域：對象xi的特征鄰域sn(xi)是指對象xi的所有鄰居集合，即

特征鄰居：對象xi的特征鄰居是指與對象xi在特定條件c下，存在鄰接關(guān)系σc的對象xj；且s(xj)σcs(xi)為真，則對象xj為對象的xi的特征鄰居；

特征對象間的距離：設(shè)xi，xj是對象集x上的兩個對象，xi，xj∈x，且xi，xj的其它屬性表示為f(xi)(f(xi1),f(xi2),…,f(xig)),f(xj)(f(xj1),f(xj2),…,f(xjg))，其中，f(xik)和f(xjk)是xi和xj的第k(k＝1,2,…,g)維屬性，g為其它屬性的維數(shù)，則數(shù)據(jù)對象xi和xj之間的距離(歐氏距離)為：

核對象：若一個對象的ε鄰域至少包含一定數(shù)目(minpts)的對象，該對象就被稱為核對象；

直接密度可達：在對象集db中，若對象p為另一個對象q的ε鄰域中的對象，且q為核對象，那么就說p是從q可以直接密度可達；對一個ε而言，一個對象p是從對象q可“密度可達”；一組對象集db有minpts個對象；若有一系列對象p1，p2，…，pn，其中p1＝q且pn＝p，從而使得pi+1是從pi可直接密度可達；

密度連接：對于ε和minpts來講，若存在一個對象o(o∈db)，使得從o密度可達對象p和對象q，對象p是密度連接對象q。

步驟10中，礦井無線傳感器網(wǎng)絡(luò)部署圖生成算法的步驟：

step1：使用中點映射算法，將輸入的導(dǎo)線點集v轉(zhuǎn)化為巷道中點集v'；

step2：在巷道中點集v'的基礎(chǔ)上，利用巷道拓撲結(jié)構(gòu)圖生成算法，得到礦井巷道拓撲結(jié)構(gòu)圖；

step3：根據(jù)礦井巷道拓撲結(jié)構(gòu)圖g，從副井標識處開始，利用基于最大通信距離的礦井無線傳感器網(wǎng)絡(luò)連通點集生成算法mcpga算法和骨干網(wǎng)備用節(jié)點集生成算法r-mcpga算法得到礦井無線傳感器網(wǎng)絡(luò)的連通節(jié)點集v1和備用節(jié)點集v2，并在礦井巷道二維結(jié)構(gòu)圖上標出；

step4：在礦井歷史監(jiān)測信息的基礎(chǔ)上，利用基于m-dbscan算法的無線傳感器網(wǎng)絡(luò)覆蓋點集生成算法，得到礦井無線傳感器網(wǎng)絡(luò)的感知點集v3，并在礦井巷道二維結(jié)構(gòu)圖上標出；

step5：對各個節(jié)點進行優(yōu)化，得到的礦井無線傳感器網(wǎng)絡(luò)部署圖g'，輸出最后的結(jié)果。

有益效果，由于采用了上述技術(shù)方案，煤礦井下巷道環(huán)境特殊，需要借助其它方法的輔助進行傳感器網(wǎng)絡(luò)的部署。將煤礦地理信息系統(tǒng)與無線傳感器網(wǎng)絡(luò)結(jié)合進行研究，在分析了巷道基礎(chǔ)數(shù)據(jù)的基礎(chǔ)上，結(jié)合礦井巷道狹長、自然環(huán)境復(fù)雜，以及傳感器節(jié)點能量有限等因素，應(yīng)用mgis等相關(guān)技術(shù)及理論，對井下無線傳感器網(wǎng)絡(luò)節(jié)點部署的關(guān)鍵技術(shù)進行了研究。設(shè)計了面向wsn部署的礦山巷道空間數(shù)據(jù)模型及數(shù)據(jù)結(jié)構(gòu)。針對巷道間的基本拓撲關(guān)系，以圖論為理論基礎(chǔ)，提出了一種巷道網(wǎng)絡(luò)拓撲圖的自動生成算法。在巷道網(wǎng)絡(luò)拓撲圖的基礎(chǔ)上，提出了基于最大通信距離的礦井無線傳感器網(wǎng)絡(luò)連通節(jié)點集生成及優(yōu)化算法。優(yōu)點是該算法以礦井安全監(jiān)測數(shù)據(jù)為基礎(chǔ)，結(jié)合煤礦安全監(jiān)測的特點，即便是在環(huán)境比較惡劣的條件下，也能夠保證信息的可靠傳輸。該部署策略可以保證將礦井所需監(jiān)測的位置完全覆蓋，同時也可在一定程度上降低網(wǎng)絡(luò)節(jié)點能耗。

優(yōu)點：本發(fā)明能有效地克服現(xiàn)有的安全監(jiān)測、定位系統(tǒng)在部署和實時數(shù)據(jù)采集時的困難，提高煤礦安全生產(chǎn)監(jiān)測系統(tǒng)在災(zāi)變條件下的殘存性，實現(xiàn)煤礦采煤、掘進工作面，采空區(qū)瓦斯以及人員定位等無線接入監(jiān)測和災(zāi)變后對安全生產(chǎn)監(jiān)測系統(tǒng)的快速重構(gòu)。

附圖說明

圖1為本發(fā)明的無線傳感器網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)。

圖2是本發(fā)明的巷道二維拓撲結(jié)構(gòu)圖生成算法流程圖。

圖3是本發(fā)明的mcpga算法流程圖。

圖4是本發(fā)明的骨干網(wǎng)r-mcpga算法流程圖。

圖5是本發(fā)明的無線傳感器網(wǎng)絡(luò)控制圖。

圖6是本發(fā)明的無線傳感器網(wǎng)絡(luò)節(jié)點部署圖的生成算法流程圖。

圖7是本發(fā)明的實施方式中沒有吻合的三個點圖。

圖8是本發(fā)明的實施方式中點與點的吻合圖。

圖9是本發(fā)明的實施方式中點與弧段的吻合圖。

圖10是本發(fā)明的實施方式中一般的巷道弧的優(yōu)化處理圖。

圖11是本發(fā)明的實施方式中巷道曲線弧的優(yōu)化處理圖。

具體實施方式

本發(fā)明包括網(wǎng)絡(luò)結(jié)構(gòu)以及網(wǎng)絡(luò)節(jié)點部署方法。

網(wǎng)絡(luò)結(jié)構(gòu)：巷道間的基本拓撲關(guān)系，以中點為出發(fā)點，圖論為理論基礎(chǔ)，基于鄰接表的巷道拓撲二維結(jié)構(gòu)圖的自動生成算法，通過巷道中點得到一系列具有相同屬性的巷道中線，經(jīng)過優(yōu)化處理，構(gòu)成巷道弧以及巷道線的基本結(jié)構(gòu)，形成一個由巷道中所組成的巷道二維結(jié)構(gòu)拓撲圖；

網(wǎng)絡(luò)節(jié)點部署方法：依據(jù)煤礦井下的通信環(huán)境，采用確定性部署策略，針對井下信號衰減因素提出了基于最大通信距離的礦井無線傳感器網(wǎng)絡(luò)連通節(jié)點集生成算法和骨干網(wǎng)備用節(jié)點集生成算法；形成礦井監(jiān)測的骨干網(wǎng)絡(luò)；進而又通過部署備用節(jié)點對網(wǎng)絡(luò)進行優(yōu)化，當(dāng)網(wǎng)絡(luò)中的骨干節(jié)點由于某種原因不能正常工作時，這些備用節(jié)點可以維持網(wǎng)絡(luò)的正常通信，提高了網(wǎng)絡(luò)的健壯性；所述的節(jié)點集生成是指將巷道中離散的節(jié)點集經(jīng)過算法后形成連通的節(jié)點集。

網(wǎng)絡(luò)結(jié)構(gòu)的具體描述如下：包括數(shù)據(jù)輸入和巷道二維拓撲結(jié)構(gòu)圖輸出；其中，

巷道二維結(jié)構(gòu)圖(tts)由三個集合組成：tts＝(v，e，w)，其中點集為：v＝{v1，v2，v3，…，vn}，邊集為：e＝{e1，e2，e3，…，en}，各條邊的權(quán)值的集合為：w＝{w1，w2，w3，…，wn}；

(1)數(shù)據(jù)輸入：

a)各導(dǎo)線點的坐標及其對應(yīng)的左右?guī)途?，記作集合v，其中：

v＝{(x1,y1,z1,dl1,dr1),((x2,y2,z2,dl2,dr2),…,((xn,yn,zn,dln,drn)}，其中，xn,yn,zn分別表示導(dǎo)線點的三維坐標，dln，drn分別表示導(dǎo)線點的左右?guī)途啵?/p>

b)各原始巷道線的編碼id，記作集合e，其中：

e＝{id1,id2,…,idn}，id表示各原始巷道線的編碼；

(2)巷道二維拓撲結(jié)構(gòu)圖輸出：

基于鄰接表的巷道二維拓撲結(jié)構(gòu)圖的自動生成算法，具體算法步驟如下：

a)按照導(dǎo)線點編碼方案對所有導(dǎo)線點及巷道線進行連續(xù)編碼，將編碼存放在導(dǎo)線點的id屬性域中；

b)依據(jù)中點所屬巷道線id對中點進行配對，即將屬于同一巷道線的中點放在同一個集合中，分別記為e1，e2，…,en,其中：

e1＝{(x11,y11),(x12,y12),…,(x1n,y1n)}，

e2＝{(x21,y21),(x22,y22),…,(x2n,y2n)}，

…

en＝{(xn1,yn1),(xn2,yn2),…,(xnn,ynn)}；

上式中，xnn，ynn分別表示第n條巷道的第n個中點的二維坐標；

c)依據(jù)巷道中點映射算法計算出每一個導(dǎo)線點對應(yīng)的中點坐標，得到中點集記為midv，其中midv＝{(x1’,y1’),(x2’,y2’),…,(xn’,yn’)}，并且將確定的中點坐標以及判斷出來的折線點標識存入中點數(shù)據(jù)結(jié)構(gòu)；上式中，xn'，yn'表示每一個導(dǎo)線點對應(yīng)的中點二維坐標；

所述的巷道中點映射算法是在已有的巷道中點的求解算法的基礎(chǔ)上，以導(dǎo)線點的坐標和左或右?guī)蜑樵紨?shù)據(jù)，基于坐標公式法的巷道中線自動求解算法求解巷道壁的直線方程，通過點至直線的距離公式求解出導(dǎo)線點與巷道壁的距離，進而得出巷道中點的位置坐標；對于巷道折線點的判斷，依據(jù)導(dǎo)線點與巷道壁間的位置關(guān)系，逐個判別各個導(dǎo)線點是否為折線點，直至發(fā)現(xiàn)折線點；

d)順次連接各巷道中點，得到巷道二維拓撲輪廓圖；

e)依據(jù)巷道線編碼得出巷道間的連通關(guān)系，進而對節(jié)點、弧段間存在的拓撲關(guān)系進行處理，得到中點—弧段網(wǎng)絡(luò)拓撲結(jié)構(gòu)；

f)對巷道中的一些特殊位置點，即折點進行直線化；

g)遍歷各中點的曲線弧段標記屬性，若為1則該中點所在巷道弧段內(nèi)的角點應(yīng)按照巷道弧優(yōu)化算法順次連接；

h)輸出巷道二維拓撲結(jié)構(gòu)圖。

所述的網(wǎng)絡(luò)節(jié)點部署方法：在巷道二維拓撲結(jié)構(gòu)圖的基礎(chǔ)上，針對井下信號衰減因素，提出基于最大通信距離的礦井無線傳感器網(wǎng)絡(luò)連通節(jié)點集生成算法和骨干網(wǎng)備用節(jié)點集生成算法，形成礦井監(jiān)測的骨干網(wǎng)絡(luò)，算法以井下信號屏蔽和衰減為約束條件，建立連通節(jié)點集，該節(jié)點集合構(gòu)建井下無線傳感器骨干網(wǎng)絡(luò)，骨干網(wǎng)絡(luò)中的每個節(jié)點作為匯聚節(jié)點，將接收到的信息傳遞到地面進行分析和處理，在環(huán)境比較惡劣的條件下，保證信息的可靠傳輸。

所述的網(wǎng)絡(luò)節(jié)點部署方法，具體步驟如下：

第一步，基于鄰接表的巷道拓撲結(jié)構(gòu)圖的自動生成算法，算法通過巷道中點得到一系列具有相同屬性的巷道中線，經(jīng)過優(yōu)化處理，構(gòu)成巷道弧以及巷道線的基本結(jié)構(gòu)，形成一個由巷道中所組成的巷道二維結(jié)構(gòu)拓撲圖；

第二步，設(shè)定礦井巷道為縱橫交錯的網(wǎng)絡(luò)，將巷道網(wǎng)絡(luò)中的各巷道抽象為空間弧段，形成由弧段和結(jié)點組成的巷道網(wǎng)絡(luò)數(shù)據(jù)結(jié)構(gòu)與模型；

第三步，將巷道抽象為沿著這些巷道的導(dǎo)線，巷道的空間分布圖采用巷道網(wǎng)絡(luò)拓撲關(guān)系來描述；將實際的礦井巷道抽象為巷道弧段，所述的巷道弧段是由巷道中點連接而成的中線弧，準確地描述礦區(qū)中所有巷道；

第四步，經(jīng)過以上步驟得到的圖形中，由于測量誤差或者計算誤差導(dǎo)致圖形的結(jié)果與預(yù)期的結(jié)果不一致，分別為：三條中線弧沒有相交于一點、巷道線分裂處節(jié)點移位；針對這兩種情況，給出相應(yīng)的節(jié)點間吻合與節(jié)點和線之間吻合的兩種處理算法，從而獲得節(jié)點間吻合之間的關(guān)系、節(jié)點和線之間吻合之間的關(guān)系；

第五步，經(jīng)過以上幾個步驟得到的巷道弧是由中線弧構(gòu)成的折線，由于折線會對無線傳感器的部署和礦井?dāng)?shù)據(jù)的監(jiān)測帶來不便，現(xiàn)在需要對弧段進行直線化，對巷道中的每一個中點進行遍歷，將折線點標識域為true的中點記錄下來，同時將這一巷道弧的兩個端點處的巷道中點的位置也記錄下來，連接這兩個巷道中點的折線點，就形成了一條直線形狀的巷道?。唤?jīng)過這樣處理后的巷道拓撲結(jié)構(gòu)圖可以反映出巷道的基本結(jié)構(gòu)和整體形狀；對曲線弧巷道的處理可根據(jù)工程設(shè)計圖所提供的信息可以找到對應(yīng)弧的圓心坐標位置，將它存儲在中點屬性的“圓心”域中，利用圓心位置來對巷道曲線弧段進行優(yōu)化；

第六步，經(jīng)過以上處理，將輸入的導(dǎo)線點的坐標和相關(guān)的屬性繪制出巷道的二維拓撲結(jié)構(gòu)圖；

第七步，在礦井拓撲結(jié)構(gòu)圖的基礎(chǔ)上，采用基于最大通信距離的礦井無線傳感器網(wǎng)絡(luò)連通節(jié)點集生成算法mcpga，按照得到的點集進行傳感器的部署，形成礦井監(jiān)測通信的骨干網(wǎng)絡(luò)，輸出礦井無線傳感器網(wǎng)絡(luò)感知節(jié)點集；

第八步，在此基礎(chǔ)上，采用骨干網(wǎng)備用節(jié)點集生成算法，即r-mcpga算法，保證網(wǎng)絡(luò)的健壯性；

第九步，結(jié)合特征權(quán)重，采用改進的dbscan算法—m-dbscan算法，輸出礦井無線傳感器網(wǎng)絡(luò)感知節(jié)點集，降低網(wǎng)絡(luò)能耗；所述的dbscan算法—m-dbscan算法為改進的基于密度的聚類算法；

第十步，根據(jù)無線傳感器網(wǎng)絡(luò)節(jié)點部署圖的生成算法；以巷道拓撲結(jié)構(gòu)圖、連通節(jié)點集和感知節(jié)點集為基礎(chǔ)，采用網(wǎng)絡(luò)部署圖生成算法，得到的礦井無線傳感器網(wǎng)絡(luò)部署圖。

步驟4中，節(jié)點間吻合與節(jié)點和線之間吻合的兩種處理算法；

(1)節(jié)點間吻合處理算法：

三個巷道中點a、b、c沒有吻合的三個點的情況，同在一點，坐標一致，但由于數(shù)據(jù)的誤差，三點坐標不完全一致，造成它們之間不能建立關(guān)聯(lián)關(guān)系；為此需要經(jīng)過人工或自動編輯，將這三點匹配一致，或者說三點吻合成一個點；

節(jié)點匹配有多種方法來完成，在這里給出一種自動匹配和人工修正相結(jié)合的方法：

首先給定一個容差δ，在生成基本的圖形之后，將在同一容差范圍內(nèi)的節(jié)點自動吻合在一起；這種方法完成大部分位情況的處理，但對于個別點還需要手工處理，建立一個矩形，將落入這個矩形內(nèi)的的坐標吻合成一致的，用求平均值的方法求出它們的中點坐標，并建立它們之間的關(guān)系；

(2)節(jié)點和線之間吻合處理算法：

對于一個中點和一條中線弧相交的情況，由于測量誤差的影響，巷道中點也可能不完全相交于弧上，需要繼續(xù)對其進行處理，將這種修改稱為點線吻合，對此情況設(shè)置一定的容差δ，將它們自動求交并吻合在一起，若還不能到達預(yù)訂的目標則需要手工對節(jié)點進行移動操作，將節(jié)點移動到弧段目標上；

點與點的吻合以及點與弧段的吻合還需要考慮下面兩種情況，一是坐標一致，而不需要建立關(guān)聯(lián)；弧段ab不變，弧段co’與o’d中，由于o’與弧段ab之間的距離在容差δ的范圍內(nèi)，所以將o’點的坐標修改，使之位于弧段ab上，即將o’修改為o，o位于弧段ab上；

另一種情況是不僅坐標一致，而且要建立它們之間的關(guān)聯(lián)關(guān)系；對于這種情況，由于o’與弧段ab之間的距離在容差δ的范圍外，所以不能對o’的坐標做修改而達到點線吻合的效果，因此這里需要將ab所在的弧段目標要分裂成兩段，即增加一個點o，再與點o’進行吻合，并建立它們之間的關(guān)聯(lián)關(guān)系。

步驟5中；

對一般的巷道弧的優(yōu)化處理：一段巷道內(nèi)有a、b、c、d、e、f、g、h、i、j、k、l、m幾個不在同一條直線上的點，其中g(shù)為折線點，可直接將a與g相連，g與m相連，構(gòu)成直線化；

對曲線弧巷道的處理根據(jù)工程設(shè)計圖所提供的信息找到對應(yīng)弧的圓心坐標位置，將它存儲在中點屬性的“圓心”域中，利用圓心位置來對巷道曲線弧段進行優(yōu)化；

對巷道曲線弧的優(yōu)化處理：有a、b、c、d、e、f、g、h、i九個巷道中點確定的弧段，經(jīng)過中點“圓心”域所提供的圓心坐標位置為o、o’，分別以o、o’為圓心做弧，兩段弧分別與圖中的部分點吻合，利用這樣的方法確定巷道曲線弧的位置和形狀關(guān)系；

經(jīng)過以上處理，將輸入的導(dǎo)線點的坐標和相關(guān)的屬性繪制出巷道的二維拓撲結(jié)構(gòu)圖，這種對巷道結(jié)構(gòu)的抽象和優(yōu)化，保障了無線傳感器的部署和礦山環(huán)境的監(jiān)測、保障安全生產(chǎn)。

步驟7中，基于最大通信距離的礦井無線傳感器網(wǎng)絡(luò)連通點集生成算法的描述如下：

當(dāng)?shù)V井巷道拓撲結(jié)構(gòu)圖中v代表結(jié)點集；兩相鄰結(jié)點用弧段連接起來，e(i,j)表示連接結(jié)點i和j的弧段；弧段上的數(shù)字代表該弧段的權(quán)值，用w(i,j)表示；圖就可以表示成g＝(v,e,w)；

輸入：

礦井二維拓撲結(jié)構(gòu)圖:g＝(v,e,w)

巷道中點集：v＝{v1，v2，v3，…，vn}

巷道中線集：e＝{e1，e2，e3，…，en}

各條邊的距離的集合：w＝{w1，w2，w3，…，wn}

輸出：

骨干網(wǎng)節(jié)點的連通點集v’＝{v1’，v2’，v3’，…，vn'}

步驟：

step1：輸入各邊e及其權(quán)值w，為每個節(jié)點建立頭結(jié)點headnode和表節(jié)點node，并建立鄰接鏈表，形成圖的拓撲結(jié)構(gòu)；

step2：找到副井所在的位置，并按照一定順序判斷每一個巷道；

step3：建立連通點集v’，按照公式(1)(2)規(guī)則進行計算，并遍歷每一條巷道，并將符合要求的節(jié)點加入到連通點集v’當(dāng)中；

在公式(1)和公式(2)中，s為需要布置通信節(jié)點的巷道的長度，rc為傳感器節(jié)點的通信半徑，n為此條巷道段上應(yīng)部署的節(jié)點個數(shù)，l為實際部署節(jié)點時兩節(jié)點之間的距離，α為兩個傳感器節(jié)點之間的環(huán)境因子；

step4：重復(fù)步驟3，直到圖中不存在沒有找到點的巷道；

step5：算法結(jié)束，將連通點集v^’返回。

步驟8中，骨干網(wǎng)備用節(jié)點集生成算法描述如下：

(1)輸入：

點集：v＝{v1，v2，v3，…，vn}

邊集：e＝{e1，e2，e3，…，en}

各條邊的權(quán)值的集合：w＝{w1，w2，w3，…，wn}

連通點集：v’＝{v1’，v2’，v3’，…，vn'}；

(2)輸出：

備用節(jié)點部署點集v＝{v1，v2，v3，…，vn}；

(3)步驟：

step1：輸入各節(jié)點的編號nodeid并建立頭節(jié)點鏈表headlist；

step2：輸入各邊e及其權(quán)值w，為每個節(jié)點建立頭結(jié)點headnode和表節(jié)點node，并建立鄰接鏈表，形成圖的拓撲結(jié)構(gòu)；

step3：從根節(jié)點開始，深度優(yōu)先遍歷每一個節(jié)點，并記錄與節(jié)點相連的兩條邊的權(quán)值；

step4：建立備用節(jié)點部署點集v，考慮每個相鄰的三個骨干節(jié)點，并判斷中間的節(jié)點和兩邊節(jié)點的位置，分別尋找節(jié)點部署備用節(jié)點的合適位置，并記錄該位置；

step5：重復(fù)步驟4，直到中不再有新的節(jié)點位置加入；

step6：算法結(jié)束，將備用節(jié)點部署點集v返回。

步驟9中，改進的dbscan算法—m-dbscan算法的描述如下：

數(shù)據(jù)輸入：

x＝{x1，x2…xm}空間數(shù)據(jù)集，其中xi表示空間位置，對象的x坐標、對象的y坐標、風(fēng)速、溫度、濕度、瓦斯?jié)舛葘傩灾?；ε表示鄰域半徑的值；minpts表示最小數(shù)目的值；

數(shù)據(jù)輸出：

礦井無線傳感器網(wǎng)絡(luò)感知點集；

算法描述：

step1:對輸入的空間數(shù)據(jù)集進行預(yù)處理，計算對象的屬性的個數(shù)q；

step2:根據(jù)空間屬性個數(shù)q和公式(3)計算不同空間屬性sp的重要因子αp，該重要因子反應(yīng)了各個屬性在參與聚類劃分中的權(quán)重的值，其和為1；

當(dāng)0≤hi≤1，在q維的空間屬性中，第i維空間屬性的熵權(quán)定義為：

上式中，0≤wi≤1，w＝(w1，w2，…，wi)i＝1，2，…，q即為空間對象的空間屬性所對應(yīng)重要因子a＝(a1，a2，…，ai)i＝1，2，…，q；q表示決定空間鄰居權(quán)重系數(shù)的特征屬性的最大數(shù)目；

step3:利用改進的對象間距離計算公式，根據(jù)輸入的空間數(shù)據(jù)集x中的空間關(guān)系和ε的值計算每一個對象的ε鄰域；

step4:檢查每一個對象的ε鄰域是否包含多于minpts的對象，若包含則需要創(chuàng)建包含該對象的新聚類；

step5:根據(jù)創(chuàng)建的核對象，循環(huán)收集直接密度可達的對象，其中合并密度可達的聚類；

step6:重復(fù)步驟5，直到各個聚類再無新的對象加入；

step7:輸出礦井無線傳感器網(wǎng)絡(luò)感知節(jié)點集。

所涉及的名詞定義如下：

ε鄰域：給定一個ε和對象p∈db，以對象p為中心，以ε為半徑的區(qū)域為對象p的ε鄰域，用nε(p)來表示，即

nε(p)＝{q∈db|dist(p,q)≦ε}

特征鄰域：對象xi的特征鄰域sn(xi)是指對象xi的所有鄰居集合，即

特征鄰居：對象xi的特征鄰居是指與對象xi在特定條件c下，存在鄰接關(guān)系σc的對象xj；且s(xj)σcs(xi)為真，則對象xj為對象的xi的特征鄰居；

特征對象間的距離：設(shè)xi，xj是對象集x上的兩個對象，xi，xj∈x，且xi，xj的其它屬性表示為f(xi)(f(xi1),f(xi2),…,f(xig)),f(xj)(f(xj1),f(xj2),…,f(xjg))，其中，f(xik)和f(xjk)是xi和xj的第k(k＝1,2,…,g)維屬性，g為其它屬性的維數(shù)，則數(shù)據(jù)對象xi和xj之間的距離(歐氏距離)為：

核對象：若一個對象的ε鄰域至少包含一定數(shù)目(minpts)的對象，該對象就被稱為核對象；

直接密度可達：在對象集db中，若對象p為另一個對象q的ε鄰域中的對象，且q為核對象，那么就說p是從q可以直接密度可達；對一個ε而言，一個對象p是從對象q可“密度可達”；一組對象集db有minpts個對象；若有一系列對象p1，p2，…，pn，其中p1＝q且pn＝p，從而使得pi+1是從pi可直接密度可達；

密度連接：對于ε和minpts來講，若存在一個對象o(o∈db)，使得從o密度可達對象p和對象q，對象p是密度連接對象q。

步驟10中，礦井無線傳感器網(wǎng)絡(luò)部署圖生成算法的步驟：

step1：使用中點映射算法，將輸入的導(dǎo)線點集v轉(zhuǎn)化為巷道中點集v'；

step2：在巷道中點集v'的基礎(chǔ)上，利用巷道拓撲結(jié)構(gòu)圖生成算法，得到礦井巷道拓撲結(jié)構(gòu)圖；

step3：根據(jù)礦井巷道拓撲結(jié)構(gòu)圖g，從副井標識處開始，利用基于最大通信距離的礦井無線傳感器網(wǎng)絡(luò)連通點集生成算法mcpga算法和骨干網(wǎng)備用節(jié)點集生成算法r-mcpga算法得到礦井無線傳感器網(wǎng)絡(luò)的連通節(jié)點集v1和備用節(jié)點集v2，并在礦井巷道二維結(jié)構(gòu)圖上標出；

step4：在礦井歷史監(jiān)測信息的基礎(chǔ)上，利用基于m-dbscan算法的無線傳感器網(wǎng)絡(luò)覆蓋點集生成算法，得到礦井無線傳感器網(wǎng)絡(luò)的感知點集v3，并在礦井巷道二維結(jié)構(gòu)圖上標出；

step5：對各個節(jié)點進行優(yōu)化，得到的礦井無線傳感器網(wǎng)絡(luò)部署圖g'，輸出最后的結(jié)果。

實施例1：針對巷道間的基本拓撲關(guān)系，以圖論為理論基礎(chǔ)，提出了一種巷道網(wǎng)絡(luò)拓撲圖的自動生成算法。在巷道網(wǎng)絡(luò)拓撲圖的基礎(chǔ)上，提出了基于最大通信距離的礦井無線傳感器網(wǎng)絡(luò)連通節(jié)點集生成及優(yōu)化算法。

對巷道結(jié)構(gòu)進行分析，巷道之間的主要位置關(guān)系是對于巷道相交處、折線點以及中線弧與曲線弧相交這些情況的處理，下面分別對這幾種情況進行詳細討論。

(1)長直巷道的處理

經(jīng)過對實際位置的考察和分析，得出這樣一種判斷方法：對確定的巷道弧，依次利用公式(4)計算其相鄰的兩條中線弧之間的夾角，若兩中線弧的夾角在150°到180°之間那么繼續(xù)考慮接下來的兩條相鄰的中線弧，如果兩中線弧的夾角在150°以下，則記錄該點的值到一個特殊的集合中，以方便后續(xù)巷道內(nèi)折線點的處理。

(2)巷道內(nèi)折線點處的處理

通過計算某節(jié)點到巷道壁的直線距離與其實際的左(右)幫差是否在誤差范圍內(nèi)，即delt≤ε，以此判斷巷道在該節(jié)點處是否發(fā)生轉(zhuǎn)彎。

通過計算點p到巷道壁直線方程ax+by+c＝0的距離d，用d與左(右)幫差的絕對值delt的大小判斷巷道在該點處的實際地貌，是否為長直巷道，或者發(fā)生轉(zhuǎn)彎。

這時如果發(fā)生轉(zhuǎn)彎，則把該點標記為折線點，在巷道中點的數(shù)據(jù)結(jié)構(gòu)中，可以將折線點標識修改為true。

巷道之間交匯處的處理

三條中線弧相交或四條中線弧相交時，可以對位于該巷道內(nèi)的巷道中點的編碼進行運算處理，得到該條中線弧的編號值(即為其所在的巷道弧的編號)。經(jīng)過運算之后，可以發(fā)現(xiàn)與此中點相鄰的三條或者四條中線弧的編號是否相同，進而確定其大致的拓撲結(jié)構(gòu)，從而記錄下這幾條中線弧相交處的位置坐標。

曲線弧的處理

由于巷道線的組成既有直線弧又有曲線弧，使得構(gòu)建巷道平面網(wǎng)絡(luò)時，各元素間的拓撲關(guān)系較為復(fù)雜，尤其是曲線弧的存在，為了wsn節(jié)點部署的方便，通過下述算法將曲線弧作直線化處理。

對特殊節(jié)點進行優(yōu)化，可分為兩種情況。a、節(jié)點的吻合。首先給定一個容差δ，在生成基本的圖形之后，將在同一容差范圍內(nèi)的節(jié)點自動吻合在一起。這種方法可以完成大部分位情況的處理，但對于個別點還需要手工處理，建立一個矩形，將落入這個矩形內(nèi)的的坐標吻合成一致的，可用求平均值的方法求出它們的中點坐標，并建立它們之間的關(guān)系。b、節(jié)點與線的吻合。對此情況設(shè)置一定的容差δ，將它們自動求交并吻合在一起，若還不能到達預(yù)訂的目標則需要手工對節(jié)點進行移動操作，將節(jié)點移動到弧段目標上。

對巷道弧進行直線化處理：對巷道中的每一個中點進行遍歷，將折線點標識域為true的中點記錄下來，同時將這一巷道弧的兩個端點處的巷道中點的位置也記錄下來，連接這兩個巷道中點的折線點，就形成了一條直線形狀的巷道弧。經(jīng)過這樣處理后的巷道拓撲結(jié)構(gòu)圖可以反映出巷道的基本結(jié)構(gòu)和整體形狀。

由于井下的傳感器進行信號監(jiān)測后必須把數(shù)據(jù)傳輸?shù)降孛嫔?，而井下的傳輸線路又是通過副井和地面進行連通的，因此副井的位置必須首先確定，這是保證網(wǎng)絡(luò)連通性的基礎(chǔ)。

連通點集：連通點集是巷道中的一組坐標的集合，按照該點集進行傳感器節(jié)點的部署可以構(gòu)成巷道骨干通信網(wǎng)絡(luò)，連通點集包含了屏蔽位置、信號衰減點的坐標等。

在考慮傳感器節(jié)點的通信隨距離而衰減的基礎(chǔ)上，巷道中的連通點集的生成應(yīng)按照“一方面能夠保持網(wǎng)絡(luò)的通信，另一方面使節(jié)點的數(shù)量最少”的原則進行。節(jié)點之間的間隔和所需節(jié)點的個數(shù)可通過公式(1)和公式(2)求得。

在公式(2)和公式(3)中，s為需要布置通信節(jié)點的巷道的長度，rc為傳感器節(jié)點的通信半徑，n為此條巷道段上應(yīng)部署的節(jié)點個數(shù)，l為實際部署節(jié)點時兩節(jié)點之間的距離，α為兩個傳感器節(jié)點之間的環(huán)境因子。

環(huán)境因子即為綜合考慮影響礦井下節(jié)點連通的各種因素，是一個節(jié)點的實際通信半徑和理想通信半徑的換算系數(shù)?？紤]環(huán)境中的溫度、風(fēng)速、壓力等因素并根據(jù)信號衰減和傳播距離間的關(guān)系，可以得出兩節(jié)點之間的環(huán)境因子：

其中pi是節(jié)點si的接收功率，d0為傳感器參考節(jié)點和錨節(jié)點的距離，dij是傳感器節(jié)點si，sj間距離，dij，d0可以通過測量得到。由此可以得到si，sj兩節(jié)點之間的環(huán)境因子α，每對節(jié)點都可以計算出一個環(huán)境因子。但是因為溫度、濕度不斷變化以及接收功率測量值的波動等因素，每對節(jié)點計算得到的環(huán)境因子的最后結(jié)果也不完全相同。

首先來考慮當(dāng)節(jié)點之間的距離正好等于通信半徑rc時的情況。在圖4中，需要布置節(jié)點的巷道弧ae的長度正好為節(jié)點通信半徑rc的整數(shù)倍。此時，只要在使得每個節(jié)點之間的距離正好等于通信半徑的位置，即在位置a、b、c、d、e處部署傳感器節(jié)點即可。由于此時兩點之間的距離已經(jīng)是傳感器節(jié)點可以通信的最大距離，所以這樣的部署方法是一種最優(yōu)方法。

對礦井拓撲結(jié)構(gòu)圖的每一條巷道利用上述連通點集生成的方法逐個進行，直到獲得整個礦井的連通點集。按照該點集對礦井進行無線傳感器節(jié)點布置，可以得到骨干通信網(wǎng)絡(luò)。

下面給出骨干網(wǎng)魯棒性優(yōu)化方法(robust-improvedmapga)，包含有四個規(guī)則，分別如下：

規(guī)則一：當(dāng)r1＝r2＝rs時，在一條路徑上至少有一個節(jié)點應(yīng)在其左右長度為rs的范圍內(nèi)布置兩個備用節(jié)點。

規(guī)則二：當(dāng)r1＝rc,r2<rc時，應(yīng)在每一個節(jié)點的左邊距離為min{rc-r2,rs/2}的范圍內(nèi)部署備用節(jié)點；當(dāng)r1<rc,r2＝rc時，應(yīng)在每個節(jié)點的右邊距離為min{rc-r1,rs/2}的范圍內(nèi)部署備用節(jié)點。

規(guī)則三：當(dāng)r1<rc,r2<rc時，應(yīng)在節(jié)點的兩邊距離為min{2rc-r1-r2,rs}的范圍內(nèi)部署備用節(jié)點。

規(guī)則四：巷道內(nèi)的折點處，考慮巷道內(nèi)的實際情況，取該節(jié)點的感知半徑rs做弧，取其與兩側(cè)巷道壁上的交點處部署備用節(jié)點。

備用節(jié)點的工作方式按照其部署的位置的不同可以分成兩種工作方式：

(1)部署在骨干網(wǎng)節(jié)點周圍的備用節(jié)點，其主要目的是用來保持網(wǎng)絡(luò)的連通，對其周圍的監(jiān)測信息要求并不是很高，可以使這些備用節(jié)點處于休眠狀態(tài)，一旦需要啟用該節(jié)點則將其喚醒以維持通信。

(2)部署在關(guān)鍵監(jiān)測節(jié)點周圍的備用節(jié)點，由于這些點的信息監(jiān)測要求較高，這部分備用節(jié)點除了要擔(dān)任節(jié)點備份，維持路由的任務(wù)外，還需要持續(xù)保持在監(jiān)聽的狀態(tài)，監(jiān)測自己感知范圍內(nèi)的信息，并傳送給骨干通信節(jié)點，節(jié)點在收到周邊的備用節(jié)點的信息后要在對其進行數(shù)據(jù)融合之后再將其傳送給其它節(jié)點。

部分備用節(jié)點具有監(jiān)測信息的能力，這在一定程度上提高了網(wǎng)絡(luò)的覆蓋率，增加了監(jiān)測數(shù)據(jù)的可靠性。通過對網(wǎng)絡(luò)中備用節(jié)點工作狀態(tài)的分析可知，算法增加了網(wǎng)絡(luò)的連通覆蓋性，提高了網(wǎng)絡(luò)的健壯性。

其中：

圖1中，礦井巷道二維網(wǎng)絡(luò)結(jié)構(gòu)的自動生成算法,其具體描述如下：

輸入：

a)各導(dǎo)線點的坐標及其對應(yīng)的左右?guī)途?，記作集合v，其中：

v＝{(x1,y1,z1,dl1,dr1),((x2,y2,z2,dl2,dr2),…,((xn,yn,zn,dln,drn)}

b)各原始巷道線的編碼id，記作集合e，其中：

e＝{id1,id2,…,idn}

輸出：巷道二維拓撲圖。

具體算法步驟如下：

a)按照導(dǎo)線點編碼方案對所有導(dǎo)線點及巷道線進行連續(xù)編碼，將編碼存放在導(dǎo)線點的id屬性域中；

b)依據(jù)中點所屬巷道線id對中點進行配對，即將屬于同一巷道線的中點放在同一個集合中，分別記為e1，e2，…,en,其中：

e1＝{(x11,y11),(x12,y12),…,(x1n,y1n)},

e2＝{(x21,y21),(x22,y22),…,(x2n,y2n)},

…

en＝{(xn1,yn1),(xn2,yn2),…,(xnn,ynn)}。

c)依據(jù)巷道中點映射算法計算出每一個導(dǎo)線點對應(yīng)的中點坐標，得到中點集記為midv，其中midv＝{(x1’,y1’),(x2’,y2’),…,(xn’,yn’)}，并且將確定的中點坐標以及判斷出來的折線點標識存入中點數(shù)據(jù)結(jié)構(gòu)；

d)順次連接各巷道中點，得到巷道二維拓撲輪廓圖；

e)依據(jù)巷道線編碼得出巷道間的連通關(guān)系，進而對節(jié)點、弧段間存在的拓撲關(guān)系進行處理，得到中點—弧段網(wǎng)絡(luò)拓撲結(jié)構(gòu)；

f)對巷道中的一些特殊位置點，主要是折點進行直線化；

g)遍歷各中點的曲線弧段標記屬性，若為1則該中點所在巷道弧段內(nèi)的角點應(yīng)按照巷道弧優(yōu)化算法順次連接；

h)輸出巷道二維拓撲結(jié)構(gòu)圖。

圖2中，基于最大通信距離的礦井連通點集生成算法mcpga,其步驟：

step1：輸入各邊e及其權(quán)值w，為每個節(jié)點建立頭結(jié)點headnode和表節(jié)點node，并建立鄰接鏈表，形成圖的拓撲結(jié)構(gòu)；

step2：找到副井所在的位置，并按照一定順序判斷每一個巷道；

step3：建立連通點集v’，按照公式4-1、4-2規(guī)則進行計算，并遍歷每一條巷道，并將符合要求的節(jié)點加入到連通點集v’當(dāng)中；

step4：重復(fù)步驟3，直到圖中不存在沒有找到點的巷道。

step5：算法結(jié)束，將連通點集v’返回。

圖3中，在骨干網(wǎng)節(jié)點部署算法和節(jié)點數(shù)據(jù)結(jié)構(gòu)的基礎(chǔ)上，利用備用節(jié)點部署算法對網(wǎng)絡(luò)進行備用節(jié)點的部署，算法的基礎(chǔ)是已經(jīng)得到的連通點集。其步驟：

step1：輸入各節(jié)點的編號nodeid并建立頭節(jié)點鏈表headlist；

step2：輸入各邊e及其權(quán)值w，為每個節(jié)點建立頭結(jié)點headnode和表節(jié)點node，并建立鄰接鏈表，形成圖的拓撲結(jié)構(gòu)；

step3：從根節(jié)點開始，深度優(yōu)先遍歷每一個節(jié)點，并記錄與節(jié)點相連的兩條邊的權(quán)值；

step4：建立備用節(jié)點部署點集v，考慮每個相鄰的三個骨干節(jié)點，并判斷中間的節(jié)點和兩邊節(jié)點的位置，分別尋找節(jié)點部署備用節(jié)點的合適位置，并記錄該位置；

step5：重復(fù)步驟4，直到中不再有新的節(jié)點位置加入；

step6：算法結(jié)束，將備用節(jié)點部署點集v返回。

圖4中，從導(dǎo)線測量數(shù)據(jù)獲得導(dǎo)線基礎(chǔ)信息和導(dǎo)線點詳細信息，設(shè)計一個原始數(shù)據(jù)管理模塊。其主要功能是通過對巷道原始數(shù)據(jù)進行導(dǎo)線計算，來獲得導(dǎo)線的空間信息，剔除粗差，進而繪制草圖。

研究巷道中線計算模塊，并在此基礎(chǔ)上進行巷道數(shù)據(jù)的自動拓撲處理，包括：假節(jié)點、冗余點、臨近點、懸線去除、懸線延伸、求交、重復(fù)線的拓撲處理。選取適合的網(wǎng)絡(luò)拓撲模型，設(shè)計出相應(yīng)的數(shù)據(jù)結(jié)構(gòu)，建立二維巷道空間數(shù)據(jù)庫。

研究礦井巷道無線傳輸環(huán)境，設(shè)計無線傳感器網(wǎng)絡(luò)連通節(jié)點集。得出骨干網(wǎng)絡(luò)節(jié)點空間數(shù)據(jù)集，建立連通節(jié)點數(shù)據(jù)庫。

以礦井監(jiān)測為目標，通過數(shù)據(jù)挖掘算法設(shè)計無線傳感器網(wǎng)絡(luò)覆蓋節(jié)點集。建立覆蓋節(jié)點數(shù)據(jù)庫。

在以上二維網(wǎng)絡(luò)拓撲模型和連通及覆蓋節(jié)點數(shù)據(jù)庫基礎(chǔ)上，通過vc++開發(fā)巷道無線傳感器網(wǎng)絡(luò)節(jié)點部署模塊，對井下導(dǎo)線測量數(shù)據(jù)進行建庫，通過自動拓撲處理并生成相應(yīng)的二網(wǎng)絡(luò)拓撲模型并在此模型基礎(chǔ)上進行礦山生產(chǎn)相關(guān)的空間分析、應(yīng)用。

圖5中，礦井無線傳感器網(wǎng)絡(luò)部署圖的生成是以“分層”的方式來進行，將導(dǎo)線點集轉(zhuǎn)換為巷道中點集，在此基礎(chǔ)上結(jié)合礦井巷道拓撲結(jié)構(gòu)圖生成算法，得到巷道的網(wǎng)絡(luò)拓撲結(jié)構(gòu)圖。其次應(yīng)用mcpga以及r-mcpga算法得到礦井無線傳感器網(wǎng)絡(luò)的連通節(jié)點集，并在道拓撲結(jié)構(gòu)圖的基礎(chǔ)部署連通節(jié)點，得到第二層圖。最后，根據(jù)歷史監(jiān)測信息，通過m-dbscan算法得到礦井無線傳感器網(wǎng)絡(luò)的感知點集進行部署，進而得到整個網(wǎng)絡(luò)部署圖。