本发明涉及水处理技术领域，具体涉及一种无线传感器网络水质监控系统。
背景技术：
水资源是人类赖以生存和发展的重要自然资源之一，水资源的可持续利用是社会、经济可持续发展的重要保证。近年来随着水资源的污染日益严重，水质监测作为水污染控制工作中的基础性工作，为水环境管理、污染源控制以及环境规划提供科学依据，其意义和作用也变得更加重要。
相关技术中，进行水质监测时，常采用便携式水质监测仪进行人工取样、实验室分析的方式，取样频率为每月数次到每日数次，是重点流域断面采样的主要方法。这种方法分析精度高，但存在监测周期长，劳动强度大，数据采集和传输速度慢，难以发现突发性污染情况等问题。
技术实现要素：
针对上述问题，本发明提供一种无线传感器网络水质监控系统。
本发明的目的采用以下技术方案来实现：
提供了一种无线传感器网络水质监控系统，包括监控平台、水质监测无线传感器网络和用户终端；所述的水质监测无线传感器网络、用户终端与监控平台通信连接；所述的水质监测无线传感器网络包括汇聚节点和多个对水质进行监测的传感器节点，传感器节点将由汇聚节点确定的多个优选路由路径作为水质数据传输的路径，确定每条优选路由路径的合理负载，将采集的水质数据按照合理负载比例分割后分配给各优选路由路径进行传输至所述汇聚节点，进而由汇聚节点汇聚水质数据并发送至监控平台；所述的监控平台用于对水质数据进行分析处理，并在水质异常时向用户终端发送报警信号。
其中，用户终端可以通过实时访问监控平台查询监测区域的水质数据和异常状况。
其中，传感器节点包括传感器，传感器包括光学探头和清洗刷；所述的光学探头用于对水质数据进行采集；所述的清洗刷安装在光学探头上，用于清洗光学探头。
优选地，所述的监控平台在水质数据超出设定的阈值时判定水质为异常。
优选地，所述监控平台包括依次连接的数据库、处理器、异常报警装置，还包括显示器，显示器与数据库、处理器连接。
本发明的有益效果为：能够实时监测到水质数据，监管人员可以远程监测水质信息，可以有效弥补传统技术的缺点，满足水质监测信息化、网络化的要求，同时具有费用低、功耗低、可靠性高、使用方便等优点，可带来强大的经济和社会效益。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1是本发明一个示例性实施例无线传感器网络水质监控系统的结构框图；
图2是本发明一个示例性实施例的监控平台的连接框图。
附图标记：
监控平台1、水质监测无线传感器网络2、用户终端3、数据库10、处理器20、异常报警装置30、显示器40。
具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1，本实施例提供的一种无线传感器网络水质监控系统，包括监控平台1、水质监测无线传感器网络2和用户终端3；所述的水质监测无线传感器网络2、用户终端3与监控平台1通信连接；所述的水质监测无线传感器网络2包括汇聚节点和多个对水质进行监测的传感器节点，传感器节点将由汇聚节点确定的多个优选路由路径作为水质数据传输的路径，确定每条优选路由路径的合理负载，将采集的水质数据按照合理负载比例分割后分配给各优选路由路径进行传输至所述汇聚节点，进而由汇聚节点汇聚水质数据并发送至监控平台1；所述的监控平台1用于对水质数据进行分析处理，并在水质异常时向用户终端3发送报警信号。
其中，用户终端3可以通过实时访问监控平台1查询监测区域的水质数据和异常状况。
在一个实施例中，传感器节点包括传感器，传感器包括光学探头和清洗刷；所述的光学探头用于对水质数据进行采集；所述的清洗刷安装在光学探头上，用于清洗光学探头。
在一个实施例中，所述的监控平台1在水质数据超出设定的阈值时判定水质为异常。所述的水质数据包括水体温度、酸碱度及电导率值。如图2所示，所述监控平台1包括依次连接的数据库10、处理器20、异常报警装置30，还包括显示器40，显示器40与数据库10、处理器20连接。
本发明上述实施例基于无线传感器网络技术提出了远程水质监测系统，能够实时监测到水质数据，监管人员可以远程监测水质信息，可以有效弥补传统技术的缺点，满足水质监测信息化、网络化的要求，同时具有费用低、功耗低、可靠性高、使用方便等优点，可带来强大的经济和社会效益。
在一个实施例中，汇聚节点在确定传感器节点的多个优选路由路径时，具体执行：
(1)汇聚节点在网络初始化阶段向网络广播初始化信息，获取各传感器节点到汇聚节点的最小跳数，接收传感器节点发送的多个路径探测包，设始发路径探测包的传感器节点为源节点，通过处理路径探测包得到源节点到汇聚节点的多条路由路径，其中每个路径探测包携带了一条路由路径的基本信息，所述的基本信息包括该路由路径中包含的传感器节点、链路状态信息及带宽需求信息，所述的传感器节点为负责转发水质数据的传感器节点；
(2)将不满足设定的路径筛选条件的路由路径剔除，根据源节点的带宽需求估计需要的路由路径数k，对将剩余的路由路径进行k均值聚类，根据聚类结果将将剩余的路由路径分成k个种群；
(3)对各种群依次采用粒子群优化算法进行路径优化，得到每个种群的优选路由路径；
(4)沿每条优选路由路径将对应的优选路由路径信息发送给源节点并更新源节点的路由表，进而源节点得到多个优选路由路径。
本实施例设定了多路由路径的选择机制，汇聚节点根据该选择机制来确定传感器节点的多个优选路由路径，可有效地减少传感器节点的负担。
其中，设定的路径筛选条件为：
式中，p(c)为路由路径c中剩余能量最小的传感器节点的剩余能量，pmin是为满足网络服务质量要求而设定的能量下限，a(c)为路由路径c的总时延，amax是为满足网络服务质量要求而设定的时延上限，x[p(c)-pmin]、x[amax-a(c)]皆为设定的判断取值函数，且满足：当p(c)-pmin≥0时，x[p(c)-pmin]＝1，当p(c)-pmin<0时，x[p(c)-pmin]＝0，当amax-a(c)≥0时，x[amax-a(c)]＝1，当amax-a(c)<0时，x[amax-a(c)]＝0。
本实施例在确定要聚类的路由路径时，创新性地设定了路径筛选条件，预先将不满足路径筛选条件的路由路径进行剔除，可有效地提高了路由路径确定的速度，降低粒子搜索的复杂度，为后续采用粒子群优化算法进行路径优化奠定良好的基础。
上述实施中，汇聚节点每接收到源节点发送的一个路径探测包，则得到一条路由路径。其中，路径探测包从源节点到汇聚节点的过程，具体包括：
源节点向网络广播路径探测包，收到路径探测包的传感器节点确定路径探测包中包含的传感器节点个数是否超过预设的个数阈值，当超过时舍弃该路径探测包，当没有超过时将自身的id、当前剩余能量以及与上一跳传感器节点间的单跳链路信息加入到接收的路径探测包中，形成新的路径探测包，并随机选择一个邻居节点作为下一跳节点，将该新的路径探测包发送至下一跳节点，直至路径探测包到达汇聚节点。
本实施例设计了从传感器节点向汇聚节点发送路径探测包的具体机制，该机制简单高效，能够全面准确地获取路径探测包经过的路由路径的相关信息，其中在路径探测包中包含的传感器节点id个数超过预设的个数阈值时对路径探测包进行舍弃，能够防止形成过长的路由路径，通过随机选择邻居节点的方式，能够确保探测的路由路径是随机的。通过上述机制获取路由路径，能够使获取到的路由路径满足实时性需求，提高水质数据采集的效率，保障水质监控系统运行的稳定性。
其中，邻居节点指的是位于传感器节点通信范围内的其他传感器节点。
在一个实施例中，所述的粒子群优化算法为改进的粒子群优化算法，对种群采用该改进的粒子群优化算法进行路径优化，具体包括：
(1)将种群中的路由路径作为粒子，并按照顺序存储在堆栈结构中，为每个存储的路由路径赋予一个指针，且指针按照顺序连续编排，提取与堆栈相应的指针值作为优化变量，其中指针值包括路由路径中剩余能量最小的传感器节点的剩余能量及初始能量、总链路开销和路径包含的传感器节点个数；
(2)初始化粒子群算法的参数，随机初始化种群中每个粒子的位置和速度；
(3)根据适应度函数计算每个粒子的适应度值，保存每个粒子的最优位置，保存种群中所有粒子的最佳适应度值和种群最好位置，根据速度更新公式、位置更新公式来更新粒子的速度和位置；
(4)计算更新后每个粒子的适应度值，将每个粒子的最佳适应度值与其历史最优位置时的适应度值比较，如果较好，则将其当前的位置作为该粒子的最优位置；
(5)对每个粒子，将它的最优位置对应的适应度值与种群最佳适应度值对比，如果更优，则更新种群的全局最优位置和最佳适应度值；
(6)判断搜索到的结果是否达到设定的最大迭代次数，若满足则输出最优值，否则转到(3)继续执行直到达到设定的最大迭代次数；
(7)提取与最优值相应堆栈中的路由路径作为优选路由路径。
本实施例改进了粒子群优化算法，在现有的粒子群算法中引入了堆栈和指针的科学概念，堆栈是一种按照顺序排列存储数据的结构，这种结构的特点是只在栈顶插入或者删除数据。通过堆栈和指针的引入，使得改进的粒子群优化算法的搜索速度更快，更为适用于路由路径的优化，且不会陷入局部最优值。
在一个实施例中，对粒子的速度更新公式进行改进，具体为：
其中
式中，wi(y+1)表示粒子i在y+1时刻的速度，wi(y)表示粒子i在y时刻的速度，qi(y)为粒子i在y时刻的位置，eibest为粒子i的历史最优位置，egbest表示粒子i所在种群的全局最优位置，egbest(j)表示第j个种群的全局最优位置，其中j＝1,…,k，α1、α2、α3皆为加速常数，β1、β2、β3皆为在区间[0,1]内均匀分布的随机数，b(y)为惯性权重，bmax为设定的权重最大值，bmin为设定的权重最小值，ymax为设定的时间阈值。
其中，位置更新公式为：
qi(y+1)＝qi(y)+wi(y+1)
式中，qi(y+1)表示粒子i在y+1时刻的位置。
本实施例对粒子群优化算法中的速度更新公式进行了改进。在现有的粒子群算法的速度更新公式中，惯性权重被设为固定值，由于惯性权重直接影响到粒子全局和局部搜索能力的分配，将惯性权重直接设为固定值不利于粒子全局和局部搜索能力的提高。本实施例将惯性权重定义为随着时间变化的系数，从而在算法初期惯性权重设为较大值，使得粒子搜索范围更大，而在后期惯性权重设为较小值，使得算法能够收敛，提高了算法的全局和局部搜索能力。
本实施例在另一方面考虑了各种群全局最优位置的交集，使不同种群的粒子能够向不同的方向飞行，避免相互交叉，从而减少种群粒子交叉的概率，保证任意两条优选路由路径之间不存在共同的传感器节点，从而为后续的水质数据的传输奠定良好的基础。
其中，设定适应度函数为：
式中，h(c)表示路由路径c的适应度值，p(c)为路由路径c中剩余能量最小的传感器节点的剩余能量，p(c)0为该剩余能量最小的传感器节点的初始能量，z(c)为路由路径c的总链路开销，s(c)为路由路径c包含的传感器节点个数，s为部署的传感器节点个数，pmin是为满足网络服务质量要求而设定的能量下限，zmax为满足网络服务质量要求而设定的链路开销上限；f1、f2、f3为设定的权重值。
本实施例在设计适应度函数时，考虑了传感器节点的当前剩余能量、总链路开销和节点数量，能够使得得到的多个优选路由路径具备更高的路由成功率和水质数据发送速率。
最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。