基于物联网的自组网拓扑控制方法及协同监测方法

1.本发明涉及物联网领域，尤其涉及一种基于物联网的自组网拓扑控制方法及协同监测方法。


背景技术：

2.物联网作为融合多学科的复杂综合体，其应用对象正不断融入到社会的各个领域，并且在实现万物互联中发挥着越来越重要的作用。
3.在由大规模的无线传感器设备所形成的物联网中，由于受到无线传感器设备自身硬件缺陷以及环境因素等诸多因素影响，导致原有的所有无线传感器所形成的网络拓扑结构发生变化，无法通过相互协作实现对所形成网络拓扑结构的自学习控制，难以自动地优化已形成的网络拓扑结构，影响正常的数据传输。


技术实现要素：

4.本发明所要解决的技术问题是针对上述现有技术提供一种基于物联网的自组网拓扑控制方法及协同监测方法。该基于物联网的自组网拓扑控制方法及协同监测方法可以实现网络拓扑结构内网络拓扑节点之间的相互协作，完成对网络拓扑结构的自动优化控制。
5.本发明解决上述技术问题所采用的技术方案为：基于物联网的自组网拓扑控制方法及协同监测方法，适用于边缘计算设备对多个无线传感器设备所形成的无线传感器网络做拓扑控制，其特征在于，包括如下步骤：
6.步骤1，边缘计算设备获取加入到无线传感器网络内的新无线传感器设备节点在该无线传感器网络中的连接关系，并且刷新该无线传感器网络中的全局传感器网络拓扑信息；其中，该全局传感器网络拓扑信息为该无线传感器网络中所有无线传感器设备节点之间的当前拓扑连接关系；
7.步骤2，边缘计算设备对无线传感器网络中所有无线传感器设备节点的拓扑连接关系做优化处理，并产生新拓扑连接关系；
8.步骤3，边缘计算设备将该新拓扑连接关系与所述当前拓扑连接关系做比较，得到拓扑连接关系差别，并且将该拓扑连接关系差别作为拓扑关系更改命令信息发送给需要更改拓扑连接关系的无线传感器设备节点；
9.步骤4，边缘计算设备针对每一条拓扑关系更改命令信息，计算各拓扑关系更改命令信息所对应无线传感器设备节点到该边缘计算设备的最优路径；
10.步骤5，接收到拓扑关系更改命令信息的无线传感器设备节点判断自身在其所对应最优路径中的位置，并且根据判断出的该位置做出处理：
11.当该无线传感器设备节点为其所对应最优路径中的非最后一个节点时，该无线传感器设备节点将该最优路径转发给其后一个位置的无线传感器设备节点，完成对该无线传感器设备节点的拓扑关系的自学习拓扑控制；否则，该无线传感器设备节点根据该拓扑关
系更改命令信息更改自身的直连节点列表以及经该无线传感器设备节点直接转发的数据的下一跳的无线传感器设备节点的节点地址，完成对该无线传感器设备节点的拓扑关系的自学习拓扑控制；
12.步骤6，针对无线传感器网络中的所有无线传感器设备节点，依次执行步骤4～5，完成对该无线传感器网络内所有无线传感器设备节点之间的拓扑关系做自学习拓扑控制。
13.改进地，在所述基于物联网的自组网拓扑控制方法及协同监测方法中，所述无线传感器网络中的各无线传感器设备节点之间采用自组网方法实现数据上传；其中，该自组网方法包括如下步骤s1～s8：
14.步骤s1，在每一个无线传感器设备节点内预先存储直连节点列表；其中，任一个无线传感器设备节点内的直连节点列表包括与该任一个无线传感器设备节点直接相连的无线传感器设备节点、该无线传感器设备节点的节点地址以及经该无线传感器设备节点直接转发的数据的下一跳的无线传感器设备节点的节点地址；
15.步骤s2，将无线传感器网络内的任一个无线传感器设备节点作为自组网的起始节点，并且对该任一个无线传感器设备节点做标记化处理；其中，标记化处理包括将该任一个无线传感器设备节点的状态标记为已入网、将该任一个无线传感器设备节点的直连节点列表初始化为零以及将该任一个无线传感器设备节点的节点地址设置为边缘计算设备地址；
16.步骤s3，任一个新节点加入到无线传感器网络内时，该任一个新节点对其自身通信范围内的已入网节点做搜索判断处理：
17.当不存在已入网节点时，转入步骤s4；否则，转入步骤s5；
18.步骤s4，该任一个新节点对其自身通信范围内的已入网节点再次持续搜索预设时间，并且根据该再次搜索结果做判断处理：
19.当不存在已入网节点时，该任一个新节点将自身标记为自组网的起始节点，转入步骤s2；否则，转入步骤s5；
20.步骤s5，该任一个新节点锁定存在的该已入网节点，并且与其锁定的该已入网节点执行交互；
21.步骤s6，对该任一个新节点与该已入网节点能否建立连接关系做出判断处理：
22.当两者能建立连接关系时，将该任一个新节点状态标记为已入网，并且将其锁定的该已入网节点的节点地址设置为经过该任一个新节点直接转发的数据的下一跳的无线传感器设备节点的节点地址，转入步骤s7；否则，步骤s8；
23.步骤s7，已入网的所有无线传感器设备节点分别将各自监测到的环境数据经连接与传输层上传至边缘计算设备；其中，未长传环境数据的无线传感器设备节点处于休眠状态；
24.步骤s8，该任一个新节点放弃该已入网节点，并且转入步骤s3。
25.进一步地，在所述基于物联网的自组网拓扑控制方法及协同监测方法中，无线传感器网络中的各无线传感器设备节点按照如下步骤a1～a4的节点监测方式实现节点故障监测和上报处理：
26.步骤a1，在每一个无线传感器设备节点内预先存储节点监测列表；其中，任一个无线传感器设备节点内的节点监测列表包括该任一个无线传感器设备节点所需要监测的无线传感器设备节点序列，无线传感器设备节点序列内至少包括一个需要该任一个无线传感
器设备节点监测的无线传感器设备节点；
27.步骤a2，无线传感器网络中的任一个无线传感器设备节点执行节点监测时，该任一个无线传感器设备节点向其存储的节点监测列表内无线传感器设备节点序列中的所有无线传感器设备节点发送探测帧；
28.步骤a3，节点监测列表内无线传感器设备节点序列中的无线传感器设备节点接收到探测帧后，将发送确认帧给发送该探测帧的无线传感器设备节点；
29.步骤a4，发送探测帧的该任一个无线传感器设备节点根据接收到无线传感器设备节点序列中各无线传感器设备节点反馈的确认帧情况做出判断处理：
30.当该任一个无线传感器设备节点连续n次未收到无线传感器设备节点序列中任一无线传感器设备节点的确认帧时，判定无线传感器设备节点序列中的该无线传感器设备节点出现故障；否则，判定无线传感器设备节点序列中的该无线传感器设备节点未出现故障；其中，n≥2。
31.再改进地，在所述基于物联网的自组网拓扑控制方法及协同监测方法中，所述边缘计算设备按照如下步骤b1～b4的方法完成对无线传感器网络的监测网络拓扑的部署：
32.步骤b1，所述边缘计算设备将线传感器网络中的所有无线传感器设备节点分为不同的层级；
33.步骤b2，所述边缘计算设备根据各无线传感器设备节点的通信范围，生成与该无线传感器网络相对应的监测网络拓扑关系；其中，无线传感器设备节点对其通信范围内的同层级的无线传感器设备节点进行监测；
34.步骤b3，所述边缘计算设备根据生成的监测网络拓扑关系，生成针对每一个无线传感器设备节点的改变节点监测列表命令；
35.步骤b4，所述边缘计算设备将改变节点监测列表命令发送给无线传感器网络中的所有无线传感器设备节点，完成监测网络拓扑的部署。
36.再改进地，在所述基于物联网的自组网拓扑控制方法及协同监测方法中，在步骤2中，所述边缘计算设备对无线传感器网络中所有无线传感器设备节点的当前拓扑结构执行鲁棒性能提高优化，得到最优拓扑结构，并且将该最优拓扑结构所对应的拓扑连接关系作为产生的所述新拓扑连接关系。如此，可以提高无线传感器网络抵抗网络攻击的能力，确保数据传输的效率和可靠性。
37.与现有技术相比，本发明的优点在于：
38.该发明针对多个无线传感器设备节点所形成的无线传感器网络，采用了自组网方法上传数据以及由边缘计算设备对该无线传感器网络中所有无线传感器设备节点之间的拓扑关系做自学习拓扑控制，以在保证网络连通性和覆盖性的前提下，充分考虑无线传感器网络特点，根据不同应用场景，通过针对不同无线传感器设备节点的选择来优化网络结构，保证完成预定的数据传输任务；
39.另外，该发明还对无线传感器网络中的所有无线传感器设备节点之间的协作方式设置了不同层级的协同感知监测机制，即通过对不同无线传感器设备节点自身通信范围的判断，分别生成对应不同无线传感器设备节点的改变节点监测列表命令，以完成针对无线传感器网络的监测网络拓扑的部署，提高无线传感器设备节点之间的监测效率。
附图说明
40.图1为本发明实施例中的基于物联网的自组网拓扑控制方法及协同监测方法流程示意图。
具体实施方式
41.以下结合附图实施例对本发明作进一步详细描述。
42.本实施例提供一种基于物联网的自组网拓扑控制方法及协同监测方法，适用于边缘计算设备对多个无线传感器设备所形成的无线传感器网络做拓扑控制。参见图1所示，该实施例的基于物联网的自组网拓扑控制方法及协同监测方法，包括如下步骤1～6：
43.步骤1，边缘计算设备获取加入到无线传感器网络内的新无线传感器设备节点在该无线传感器网络中的连接关系，并且刷新该无线传感器网络中的全局传感器网络拓扑信息；其中，该全局传感器网络拓扑信息为该无线传感器网络中所有无线传感器设备节点之间的当前拓扑连接关系；
44.步骤2，边缘计算设备对无线传感器网络中所有无线传感器设备节点的拓扑连接关系做优化处理，并产生新拓扑连接关系；其中，在该步骤2中，边缘计算设备对无线传感器网络中所有无线传感器设备节点的当前拓扑结构执行鲁棒性能提高优化，得到最优拓扑结构，并且将该最优拓扑结构所对应的拓扑连接关系作为产生的所述新拓扑连接关系。具体地，在该实施例中，边缘计算设备优化无线传感器网络的当前拓扑结构，以得到最优拓扑结构的过程包括如下步骤c1～c7
45.步骤c1，针对无线传感器网络中所有无线传感器设备节点，基于无标度网络模型的规则生成初始化的物联网拓扑结构，并在该物联网拓扑结构内随机部署多个网络拓扑节点；其中，在该初始化的物联网拓扑结构中，每一个网络拓扑节点(即无线传感器网络中的无线传感器设备节点)分别对应有一个固定的地理位置，并且所有的网络拓扑节点具有相同的属性；并且，加入物联网拓扑结构中的新网络拓扑节点连接之前网络拓扑节点的概率与该之前网络拓扑节点的度数大小呈正相关；
46.例如，假设在该初始化的物联网拓扑结构中，随机部署了m个网络拓扑节点，第m个网络拓扑节点标记为g
m
，该网络拓扑节点的地理位置坐标是1≤m≤m；
47.步骤c2，按照网络motif，在初始化的物联网拓扑结构中提取出所有符合4个节点的网络motif，且将提取到的每一个网络motif分别作为物联网拓扑结构优化过程中的最小操作单元；其中，在该技术领域中，网络motif或称motif是一个本领域技术人员熟知的技术术语，motif是指一种类型的子图，该子图在复杂网络中发现的某种相互连接的模式个数显著高于随机网络中该某种相互连接的模式个数。此处所说的符合4个节点的网络motif就是指，由4个节点(即四个网络拓扑节点)所组成的无向图；
48.假设经过该步骤c2针对符合4个节点的网络motif的提取操作，得到了q个符合4个节点的网络motif，第q个符合4个节点的网络motif标记为motif
q
，1≤q≤q，每一个motif
q
均被作为物联网拓扑结构优化过程中的最小操作单元，此处的最小操作单元标记为unit
q
，即unit
q
＝motif
q
；
49.步骤c3，在提取的所有最小操作单元中选取出所有具有可重连接边的最小操作单
元作为操作单元；
50.通过步骤c2的提取操作，假设得到了q个最小操作单元unit1～unit
q
，然后该步骤c3再在这q个最小操作单元中选取出所有具有可重连接边的最小操作单元作为操作单元，假设选出的所有具有可重连接边的最小操作单元分别是unit1、unit3、unit4和unit5，那么，此处就再将最小操作单元unit1作为操作单元unit1、将最小操作单元unit3作为操作单元unit3、将最小操作单元unit4作为操作单元unit4以及将最小操作单元unit5作为操作单元unit5；
51.步骤c4，对在初始化的物联网拓扑结构中已提取的部分操作单元更改边连接关系，且将更改了边连接关系后的物联网拓扑结构作为新物联网拓扑结构；
52.假设该实施例中的初始化的物联网拓扑结构标记为c0，然后针对上述已选出的四个操作单元中的操作单元unit4和操作单元unit5这两个操作单元执行更改边连接关系的第一次更改操作，如此，初始化的物联网拓扑结构c0在经过这次更改操作后，拓扑结构就会发生变化，然后此时就将更改了边连接关系后的物联网拓扑结构作为新物联网拓扑结构，并且将该第一次更改操作后得到的该新物联网拓扑结构标记为c1；
53.步骤c5，分别多次重复执行步骤c4的操作，得到多个新物联网拓扑结构，且由该多个新物联网拓扑结构组成一个种群；其中，每次操作中针对边连接关系的更改操作不完全相同，且将该种群中的每一个新物联网拓扑结构作为一个个体；
54.然后，按照上述步骤c4所示例的，在针对初始化的物联网拓扑结构c0执行针对部分操作单元的第二次更改操作，并且将该第一次更改操作后得到的该新物联网拓扑结构标记为c2；假设经过了5次更改操作，并且每次操作均不完全相同，就会得到5个新物联网拓扑结构，分别是新物联网拓扑结构c1、新物联网拓扑结构c2、新物联网拓扑结构c3、新物联网拓扑结构c4和新物联网拓扑结构c5，并且再由这5个新物联网拓扑结构c1～c5一起组成一个种群s，s＝{c1,c2,c3,c4,c5}；这样，该种群s中的每一个新物联网拓扑结构c1～c5作为一个个体；
55.步骤c6，构建衡量物联网拓扑结构鲁棒性能的鲁棒性能衡量指标；其中，此处鲁棒性能衡量指标的构建过程包括如下步骤c61～c65：
56.步骤c61，对初始化的物联网拓扑结构在遭受每次网络攻击后的物联网拓扑结构中所包含符合3个节点的网络motif数量做累计统计；
57.步骤c62，获取初始化的物联网拓扑结构的总边数以及该初始化的物联网拓扑结构的网络拓扑节点总数量；其中，初始化的物联网拓扑结构的总边数标记为e，该初始化的物联网拓扑结构的网络拓扑节点总数量标记为v，v>3；
58.步骤c63，获取经第k次网络攻击后，物联网拓扑结构中的所有符合3个节点的网络motif所组成的并集的总边数；其中，此处的该所有符合3个节点的网络motif所组成的并集的总边数标记为mc(k)，k≥1；
59.需要说明的是，在该步骤c63中，物联网拓扑结构经过第k次网络攻击，我们将所有符合3个节点的网络motif的边集进行并集操作，然后去除重复边，得到一个网络拓扑结构，统计该网络拓扑结构包含的边数，统计所得到的该边数就是此处的该所有符合3个节点的网络motif所组成的并集的总边数mc(k)；
60.步骤c64，根据统计所得符合3个节点的网络motif数量做出判断处理：
61.当符合3个节点的网络motif数量为零时，转入步骤c65；否则，转入步骤c61；
62.步骤c65，对统计所得符合3个节点的网络motif数量做归一化，并且将归一化后所得到的数值作为所述的鲁棒性能衡量指标；其中，鲁棒性能衡量指标标记为i：
[0063][0064]
步骤c7，利用分布式人工免疫优化算法对形成的该种群内每一个新物联网拓扑结构做优化，将具有最优鲁棒性能衡量指标的物联网拓扑结构作为最优物联网拓扑结构输出。其中，此处具有最优鲁棒性能衡量指标的物联网拓扑结构作为最优物联网拓扑结构的输出过程包括如下步骤c71～c77：
[0065]
步骤c71，设置n个本地优化程序和1个全局优化程序；其中，各本地优化程序之间相互独立，每一个本地程序运行一个种群p，且每一个本地程序对其运行的种群p分别进行种群交叉操作、变异操作和选择操作，第n个本地优化程序标记为l
n
，1≤n≤n，全局优化程序标记为gl；
[0066]
步骤c72，定义交叉操作策略：
[0067]
motif
i
,motif
j
←
g
i
(,loc),g
j
(,loc)；
[0068]
其中，g
i
(,loc)和g
j
(,loc)分别表示同一个种群中的相互交叉位置在loc处的两个不同个体，并且选择交叉位置染色体短的一侧进行搜索，染色体是由所有符合4个节点的网络motif组成的，且将该染色体中的其中一个motif称之为motif碱基，motif
i
表示在一个类型个体中的其中一个符合4个节点的网络motif，motif
j
表示在与motif
i
所处个体类型相同的另一个类型个体中，其中的一个符合4个节点的网络motif且与motif
i
可交叉的网络motif；
[0069]
对两个网络motifmotif
i
与motif
j
的类型做出判断处理：当motif
i
与motif
j
为同类型时，对该两个网络motif执行交叉操作；否则，继续在同一个种群中搜索可交叉操作的两个网络motif；
[0070]
步骤c73，定义变异操作策略：
[0071]
针对种群p中的一个个体g，提取其所有符合4个网络motif的操作单元组成一个染色体；
[0072]
随机指定部分可变异的染色体motif碱基位置；其中，如果该染色体motif碱基位置为具有可重复连接边关系的motif，则进行重连边；否则，继续随机指定下一个碱基位置做判断；
[0073]
步骤c74，定义选择操作策略：
[0074]
p
gl
＝{l
r
,l
t
,
…
,l
z
}；
[0075]
其中，p
gl
表示全局优化程序gl运行的种群，该种群p
gl
由本体优化程序gl分别对应采用不同的选择策略选出来的精英种群个体l
r
、l
t
、
…
、l
z
所组成；当本地优化程序gl执行完交叉变异操作后，计算每一个个体的鲁棒性能指标，并且，选择鲁棒性能指标值最大的2个精英个体传送到全局优化程序gl中，由全局优化程序gl接收精英种群个体，再继续进行优化操作；同时，全局优化程序gl设置了一个通信队列q存放本地优化程序选择出来的精英种群个体；其中，精英种群个体是在在一个种群里面具有最大鲁棒性能指标的个体，也即最好的物联网拓扑结构；
[0076]
在全局优化程序gl中，初始的全局优化程序直接选择通信队列q中的2个种群；然后，从该通信队列q中选出一个种群个体；
[0077]
如果选出的该种群个体的鲁棒性能衡量指标优于全局种群的鲁棒性能衡量指标平均值，则将该种群个体选出来；否则，继续选择该通信队列q中的下一个种群个体；
[0078]
步骤c75，定义“联邦
‑
州”通信机制与全局优化机制：
[0079]
在全局优化程序gl设置一个通信队列q存放本地优化程序选择出来的精英种群个体；以及，在每次迭代过程中，全局优化程序gl从通信队列q中选择一个精英种群个体，并且将选择的该精英种群个体替换掉全局优化程序gl所对应原始种群中具有最低鲁棒性能衡量指标的种群个体；此处所说的“迭代”为重复执行步骤d7的操作；
[0080]
步骤c76，对输出的鲁棒性能衡量指标和迭代次数做出判读处理：
[0081]
当输出的鲁棒性能衡量指标的浮动范围位于预设浮动范围内，例如预设浮动范围不高于0.001，并且当前已执行的迭代次数未超过预设的最大迭代次数时(例如将该预设的最大迭代次数设置为1000次)，保存该鲁棒性能衡量指标，转入步骤c77；否则，继续执行迭代，直达已执行的迭代次数达到预设的最大迭代次数时，终止迭代过程；
[0082]
步骤c77，将保存的该鲁棒性能衡量指标所对应的物联网拓扑结构作为具有最优鲁棒性能衡量指标的物联网拓扑结构；
[0083]
步骤3，边缘计算设备将该新拓扑连接关系与所述当前拓扑连接关系做比较，得到拓扑连接关系差别，并且将该拓扑连接关系差别作为拓扑关系更改命令信息发送给需要更改拓扑连接关系的无线传感器设备节点；
[0084]
步骤4，边缘计算设备针对每一条拓扑关系更改命令信息，通过dijkstra算法(即戴克斯特拉算法)计算各拓扑关系更改命令信息所对应无线传感器设备节点到该边缘计算设备的最优路径；
[0085]
步骤5，接收到拓扑关系更改命令信息的无线传感器设备节点判断自身在其所对应最优路径中的位置，并且根据判断出的该位置做出处理：
[0086]
当该无线传感器设备节点为其所对应最优路径中的非最后一个节点时，该无线传感器设备节点将该最优路径转发给其后一个位置的无线传感器设备节点，由该后一个位置的无线传感器设备节点执行与该无线传感器设备节点相同的自身位置判断处理操作，直到传输到该最优路径的最后一个节点，即目的节点，完成对该无线传感器设备节点的拓扑关系的自学习拓扑控制；否则，该无线传感器设备节点根据该拓扑关系更改命令信息更改自身的直连节点列表以及经该无线传感器设备节点直接转发的数据的下一跳的无线传感器设备节点的节点地址，完成对该无线传感器设备节点的拓扑关系的自学习拓扑控制；其中，拓扑关系更改命令信息中将给出对应目的节点的新的直连节点列表，用该新列表直接覆盖掉目的节点中的该列表，以及，拓扑关系更改命令信息中给出的新节点地址覆盖原节点地址；
[0087]
步骤6，针对无线传感器网络中的所有无线传感器设备节点，依次执行步骤4～5，完成对该无线传感器网络内所有无线传感器设备节点之间的拓扑关系做自学习拓扑控制。其中，在该实施例中，无线传感器网络中的各无线传感器设备节点之间采用自组网方法实现数据上传；其中，该自组网方法包括如下步骤s1～s8：
[0088]
步骤s1，在每一个无线传感器设备节点内预先存储直连节点列表；其中，任一个无
线传感器设备节点内的直连节点列表包括与该任一个无线传感器设备节点直接相连的无线传感器设备节点、该无线传感器设备节点的节点地址以及经该无线传感器设备节点直接转发的数据的下一跳的无线传感器设备节点的节点地址；
[0089]
步骤s2，将无线传感器网络内的任一个无线传感器设备节点作为自组网的起始节点，并且对该任一个无线传感器设备节点做标记化处理；其中，标记化处理包括将该任一个无线传感器设备节点的状态标记为已入网、将该任一个无线传感器设备节点的直连节点列表初始化为零以及将该任一个无线传感器设备节点的节点地址设置为边缘计算设备地址；
[0090]
步骤s3，任一个新节点加入到无线传感器网络内时，该任一个新节点对其自身通信范围内的已入网节点做搜索判断处理：
[0091]
当不存在已入网节点时，转入步骤s4；否则，转入步骤s5；
[0092]
步骤s4，该任一个新节点对其自身通信范围内的已入网节点再次持续搜索预设时间，例如此处再次搜索预设时间设置为5～10s，并且根据该再次搜索结果做判断处理：
[0093]
当不存在已入网节点时，该任一个新节点将自身标记为自组网的起始节点，转入步骤s2；否则，转入步骤s5；
[0094]
步骤s5，该任一个新节点锁定存在的该已入网节点，并且与其锁定的该已入网节点执行交互；
[0095]
步骤s6，对该任一个新节点与该已入网节点能否建立连接关系做出判断处理：
[0096]
当两者能建立连接关系时，说明该已入网节点是工作正常的，该已入网节点可以执行数据包的接收和转发工作，该任一个新节点可以将该已入网节点设为数据发送的目标，从而完成数据上传的功能，将该任一个新节点状态标记为已入网，即该任一个新节点已经加入到了无线传感器网络，并且将其锁定的该已入网节点的节点地址设置为经过该任一个新节点直接转发的数据的下一跳的无线传感器设备节点的节点地址，转入步骤s7；否则，步骤s8；
[0097]
步骤s7，已入网的所有无线传感器设备节点分别将各自监测到的环境数据经连接与传输层上传至边缘计算设备；其中，未长传环境数据的无线传感器设备节点处于休眠状态；
[0098]
步骤s8，该任一个新节点放弃该已入网节点，并且转入步骤s3。
[0099]
另外，考虑到无线传感器网络内各无线传感器设备在工作过程中的状态情况，在该实施例中，无线传感器网络中的各无线传感器设备节点按照如下步骤a1～a4的节点监测方式实现节点故障监测和上报处理：
[0100]
步骤a1，在每一个无线传感器设备节点内预先存储节点监测列表；其中，任一个无线传感器设备节点内的节点监测列表包括该任一个无线传感器设备节点所需要监测的无线传感器设备节点序列，无线传感器设备节点序列内至少包括一个需要该任一个无线传感器设备节点监测的无线传感器设备节点；
[0101]
步骤a2，无线传感器网络中的任一个无线传感器设备节点执行节点监测时，该任一个无线传感器设备节点向其存储的节点监测列表内无线传感器设备节点序列中的所有无线传感器设备节点发送探测帧；
[0102]
步骤a3，节点监测列表内无线传感器设备节点序列中的无线传感器设备节点接收到探测帧后，将发送确认帧给发送该探测帧的无线传感器设备节点；
[0103]
步骤a4，发送探测帧的该任一个无线传感器设备节点根据接收到无线传感器设备节点序列中各无线传感器设备节点反馈的确认帧情况做出判断处理：
[0104]
当该任一个无线传感器设备节点连续n次未收到无线传感器设备节点序列中任一无线传感器设备节点的确认帧时，判定无线传感器设备节点序列中的该无线传感器设备节点出现故障；否则，判定无线传感器设备节点序列中的该无线传感器设备节点未出现故障；其中，n≥2。
[0105]
需要说明的是，在该实施例中，边缘计算设备按照如下步骤b1～b4的方法完成对无线传感器网络的监测网络拓扑的部署：
[0106]
步骤b1，边缘计算设备将线传感器网络中的所有无线传感器设备节点分为不同的层级；其中，此处层级的划分可以根据在数据上传过程中，节点与边缘计算设备地址的跳数和该节点的直连子节点数(即有多少个节点将该节点设为“下一跳”的地址)进行划分，例如，假设某一个节点离边缘计算设备地址跳数越少，并且该某一个节点的直连子节点数越多，就认为该某一个节点越重要，然后该某一个节点的层级也就越高；
[0107]
步骤b2，边缘计算设备根据各无线传感器设备节点的通信范围，生成与该无线传感器网络相对应的监测网络拓扑关系；其中，无线传感器设备节点对其通信范围内的同层级的无线传感器设备节点进行监测；
[0108]
步骤b3，边缘计算设备根据生成的监测网络拓扑关系，生成针对每一个无线传感器设备节点的改变节点监测列表命令；其中，生成的监测网络拓扑关系会给出每个节点需要监测节点，即节点监测列表；针对每个节点，边缘计算设备会对比该节点的新节点监测列表和原来的节点监测列表是否相同：如果相同，则不给该节点发送命令；否则，则将新的节点监测列表置于改变节点监测列表命令中，然后从节点拓扑连接关系中获取最优路径，根据该最优路径将监测列表命令发送至该节点；
[0109]
步骤b4，边缘计算设备将改变节点监测列表命令发送给无线传感器网络中的所有无线传感器设备节点，完成监测网络拓扑的部署。
[0110]
需要说明的是，该实施例的边缘计算设备通过执行自学习拓扑控制机制，可以随时针对新的节点状态，对网络拓扑进行优化，从而实现网络拓扑的自动动态调整，使监测系统保持良好的工作状态，避免实际部署中无线传感器网络内节点随时发生变化或者新节点接入该无线传感器网络而引起的节点状态变化问题；不仅如此，通过执行自学习拓扑控制机制，还可以减小数据包平均传输长度，使数据包的平均传输长度维持在最优状态，均衡能量以及延长无线传感器网络中的各节点的寿命，确保整个无线传感器网络所构建节点网络的维持寿命。
[0111]
边缘计算设备通过执行步骤b1～b4，实际上完成了层级协同感知节点监测机制，各节点之间互相监测其状态，即采用协同感知的方式，可以全面、及时发现无线传感器网络中的故障节点并快速上报，提高节点监测效率，维持监测无线传感器网络的正常运行。
[0112]
针对步骤2需要说明的是，传统的物联网拓扑结构优化方案通常采用利用集中式计算方式的遗传优化算法，存在计算开销大、种群多样性差且容易陷入早熟收敛状态的缺点。不同于传统遗传算法的个体组成，该实施例中采用符合4个节点的网络motif作为个体(即每一个新物联网拓扑结构)的基因组成，减少后续交叉和变异的搜索开销，而且该发明采用分布式人工免疫算法，可以降低计算开销，提高种群多样性，更快地搜索到全局最优解
(即具有最优鲁棒性能衡量指标的物联网拓扑结构)，实现了在充分衡量网络拓扑结构基础上，有效地提高物联网拓扑结构抵抗恶意攻击的能力，降低了物联网因遭受攻击被瘫痪的风险，进而确保数据传输效率和可靠性。
[0113]
尽管以上详细地描述了本发明的优选实施例，但是应该清楚地理解，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。