襄阳无线位移传感器厂家

统功耗问题


无线传感器网络应用于特殊场合时，电源不可更换，因此功耗问题显得至关重要。


在系统的功耗模型中，我们较关心的是：


（1） 微控制器的操作模式（休眠模式、操作模式、，潜在的减慢时钟速率等），无线前端的工作模式（休眠、空闲、接收、发射等）；
（2）在每种模式中，每个功能块的功耗量，及它与哪些参数有关；
（3）在发射功率受限的情况下，发射功率和系统功耗的映射关系；
（4）从一种操作模式转换到另外一种操作模式(假设可以直接转换)的转换时间及其功耗；
（5）无线调制解调器的接收灵敏度和较大输出功率；
（6）附加的品质因数（如发射前端的温漂和频稳度、接收信号场强指示(RSSI)信号的标准等）。


基于以上考虑，文献[14]提出了一种自组织低功耗网络的协议i-Beans，并具体说明了此网络的功耗。比如，用一个220mAh的小纽扣电池供电，网络的平均消耗电流是100µ;A，取样率是每秒1次，则电池可以持续80天；如果抽样率是每两分钟一次，平均消耗电流降到1.92µ;A，则电池寿命可以延长到13.1年。


为了克服远程无线传感器网络面临的电池工作时间短的问题，美国Millennial Net公司已经将其i-Bean无线技术与来自新兴公司Ferro Solutions的“能量获得（energy harvesting）”技术结合在一起，双方较近展示了一个靠感应振荡能量转换器工作的i-Bean无线发射机。这种转换器能由在50mg至100mg力作用下的28Hz至30Hz振荡产生1.2mV至3.6mV的电压，并允许在30m距离上以115Kb/s速率发送数据（无电池）。该公司还与其他公司合作开发太阳能电池板来给无线传感器供电。


在能量优化研究方面，西安交通大学的黄进宏等在文献[15]中提出了一种基于能量优化的无线传感网络自适应组织结构和协议ALEP。与传统的无线微传感器网络协议相比，ALEP更加充分地考虑到实际应用。它将一种高效能量控制算法引入组网协议，提高了网络的能量利用率，**延长了无线网络的生命周期，增强了网络的健壮性。通过对ALEP协议进行OPNET仿真，结果显示该协议与传统模式的无线微传感器网络协议相比，在传送相同的数据量的条件下有更高效的能量特性和信息传输特性。

位移传感器的无线远程监控案例
该案例使用拓普瑞GPRS-RTU无线采集模块和0-5V输出型位移传感器，


然后使用TLINK云平台作为远程监控平台。


第一步、在TLINK云平台创建设备


进入www.tlink.io平台，登录账号，添加设备
各参数填完成以后，点击页面下方的“创建设备”按钮，即创建完成。


然后进入“设置连接”，配置协议如下图所示

第二步、配置GPRS-RTU无线采集模块


将RTU进行通电，USB配置线与电脑进行连接，安装驱动后，打开GPRS RTU配置工具，


将参数按照下图进行配置，详细配置说明请参照GPRS RTU使用说明书。

第三步、接线


按照下图方式进行接线，接线方式可参照GPRS RTU使用说明书进行

第四步、量程配置


根据位移传感器的0-100mm的量程进行配置，如下图所示

所有步骤完成后，设备开始正常工作，如下图所示

位移传感器
位移传感器又称为线性传感器，传感器的作用是把各种被测物理量转换为电量。它分为电感式位移传感器，电容式位移传感器，光电式位移传感器，超声波式位移传感器，霍尔式位移传感器。


有许多物理量（例如压力、流量、加速度等）在转换过程中常常需要先变换为位移，然后再将位移变换成电量。因此位移传感器是一类重要的基本传感器。在生产过程中，位移的测量一般分为测量实物尺寸和机械位移两种。按被测变量变换的形式不同，位移传感器可分为模拟式和数字式两种。模拟式又可分为物性型（如自发电式）和结构型两种。常用位移传感器以模拟式结构型居多，包括电位器式位移传感器、电感式位移传感器、自整角机、电容式位移传感器、电涡流式位移传感器、霍尔式位移传感器等。相较于模拟式位移传感器，数字式位移传感器的一个重要优点是便于将信号直接送入计算机系统。这种传感器发展迅速，应用日益广泛。

大规模传感器网络中的节点移动性管理


这个问题实质上就是没有无线基础设施的无线传感器网络中的节点查询问题。较简单的资源查询方式是全局泛洪法，但是对于资源有限的无线传感器网络不适用，因此在设计工作中应该尽量避免使用全局泛洪法。扩展环搜索法（expanding ring search）用增加生存时间（Time-To-Live， TTL）的方式重复泛洪，这种方式和由此派生出来的方式也不适合无线传感器网络。在改善泛洪法的效率方面，文献[6]中提出的方案是通过减少查询每个节点时出现的多余消息去减少泛洪法固有的冗余，在没有出现明显的冗余情况下，这种方案对提高效率没有太多贡献。在ad hoc网络中，查询节点是通过基于簇（clusters）和界标（landmarks）的层次表来实现的，这种方式需要在节点之间设置复杂的协调机制，当节点移动时或者簇头（cluster-head）或界标失败时，层次表需要重新配置。而且，通常簇头会成为一个瓶颈，所以我们通常避免这种分层次的协调表，也避免使用簇头。


GLS[7]中提出的技术是基于一种所有节点都已知的网络网格图。节点使用位置服务器保存它们的位置，并用一种基于ID号的算法去更新它们的位置，当节点寻找*ID号的节点位置时，也用这种算法去服务器寻找目标节点的位置。对于知道网络的网格图和它们自己的位置并且知道目标节点的ID号的节点，这种方法是一个好方法。


文献[8]中介绍了一种针对大规模移动传感器网络的查询方法，这种方法借用了小世界（small worlds）的概念，利用节点的移动性去提高查询效率，并引入了关联（contacts）的概念。其工作原理是首先在相邻节点间建立关联，当它们移动时，再关联新的相邻节点，这样提高了查询的效率。与传统的路由查询方式不同，这种设计基本目标不是去优化路由或者响应延时，而是去减少通信的系统开销，这一点在能量受限的环境中非常重要，特别是对于传感器数量众多的网络中的一次性查询(通信的生存时间很短)。文中给出的协议是可升级的（scalable）、自动配置的，非常适应节点的移动性要求。仿真结果显示它比边缘泛洪法提高效率60-70％，比泛洪法提高效率80-90％，比扩展环搜索法则有更大的改善。


针对无线传感器网络中的分布式定位，文献[9]比较了三种定位算法：ad hoc、鲁棒定位、N跳多向法（N-hop multilateration）。具体选择哪种算法要取决于某些网络参数，比如差错分布和连通性等。

-/gjjici/-