软稻田地基上模块化组合钢临时桥梁的设计方法与力学行为

《Applied Sciences》：Design Method and Mechanical Behavior of Modular Composite Steel Temporary Bridges on Soft Paddy Field Foundations

　　

部署自主水下航行器（Autonomous Underwater Vehicle，AUV）集群对于海洋勘探至关重要。然而，集群编队控制受到恶劣的水下声学通信网络（Underwater Acoustic Communication Networks，UACNs）的限制，特别是在动态的、非全连通拓扑中。为了解决现有介质访问控制（Medium Access Control，MAC）协议中高分组碰撞率和过多信令开销的问题，研究人员提出了一种新颖的基于簇的移动MAC（Cluster-based Mobile MAC，CM-MAC）协议，用于分层簇化的AUV网络。该协议在去中心化的三层架构下运行，利用本地状态信息协调传输。研究人员建立传输约束以防止移动节点间的分组碰撞。基于传输约束，研究人员在各层应用遗传算法（Genetic Algorithms，GA）进行传输调度优化，以优化发送顺序和时间，降低整体延迟。仿真结果表明，与传统时分多址（Time Division Multiple Access，TDMA）、纯Aloha和随机接入CM-MAC相比，CM-MAC协议显著提高了网络吞吐量并减少了信息共享更新间隔。本研究为复杂水下环境中协调大规模AUV集群提供了一个鲁棒的通信框架。

研究背景方面，近年来自主水下航行器（Autonomous Underwater Vehicle，AUV）集群已成为海洋探索的变革性技术，其在协同目标跟踪、海洋制图和分布式传感方面优于单载体系统。有效的AUV集群编队控制关键取决于分布式节点间状态信息的及时可靠交换。不同于陆地无线网络，水下环境依赖声波进行远距离通信，但水下声学信道具有有限带宽、高传播延迟、严重多径效应和快速时变衰落的特点，这对定义共享有限水下声学通信网络（Underwater Acoustic Communication Networks，UACNs）资源的传输规则的介质访问控制（Medium Access Control，MAC）协议施加了严格约束。现有研究探索了基于竞争和非竞争的MAC机制。基于竞争的协议包括随机接入和握手类型，但受隐藏终端问题和控制分组交换延长等待时间影响，信道利用率低且不适合高网络流量负载。非竞争的MAC协议多基于时分多址（Time Division Multiple Access，TDMA）框架，但大多数现有调度方案依赖完整拓扑知识，在大规模AUV集群和非全连通网络中全局时隙分配不切实际，且静态分配不适应高度动态的AUV移动。簇化网络架构虽被采用，但现有簇化UACN的非竞争MAC研究分为分配正交载波频率或扩频码和利用图着色或冲突图最大化空间复用两类，前者减少每簇带宽限制容量，后者依赖全局拓扑和复杂计算导致开销过高。因此，设计支持高并发组播交互同时减轻簇间干扰的去中心化基于调度的MAC协议仍是开放挑战。为此，研究人员提出了一种针对簇化AUV网络的分层基于调度的MAC协议即簇基移动MAC（Cluster-based Mobile MAC，CM-MAC），该协议在去中心化三层架构下运行，建立传输约束保证无碰撞通信，引入基于遗传算法（Genetic Algorithms，GA）的调度机制优化传输顺序和时间，仿真验证其优于传统协议，为大规模AUV集群提供鲁棒通信框架，论文发表在《Applied Sciences》。

研究人员开展研究用到的主要关键技术方法包括：构建由一级簇头、二级簇头和周边节点组成的三层分层簇化网络模型；设计CM-MAC协议工作流程包括一级簇头调度二级簇头传输、二级簇头调度子簇周边节点传输及下一调度周期发起；推导移动节点无碰撞邻域组播传输约束及分层簇中四类碰撞的避免约束；采用改进遗传算法进行传输调度优化包括染色体编码、优秀个体选择、交叉重组、变异和精英策略；在MATLAB R2020b中进行仿真对比CM-MAC与传统TDMA、纯Aloha、随机接入randCM-MAC的性能指标包括网络吞吐量、平均更新间隔、平均分组碰撞率及类别特定分组碰撞率。

研究结果部分保留小标题并说明如下。

2. Hierarchical Clustered Network Model，研究人员描述N个AUV节点作为集群迁移到指定目标区域的网络场景，在非全连通网络中相邻节点共享状态信息，主要通信需求是确保每个节点状态信息尽快成功传输到所有相邻节点即邻域组播，提出CM-MAC协议管理节点传输时机分配，考虑三层分层簇化网络包括一级簇头CH₁、二级簇头CH_2,i和周边节点SN_i,j，定义各层包长和符号集。

3. Overview of the CM-MAC Protocol，研究人员假设AUV网络从全连通过渡到非全连通，全连通阶段由现有全局调度协议如AB-MAC确定传输时间，当节点超出通信范围时控制节点广播状态转换包指令一级簇头使用CM-MAC管理调度。具体包括3.1一级簇头调度二级簇头传输，计算距离识别单跳相邻节点分配时间并取消超范围节点，确定二级簇头并广播自身及二级簇头状态信息和传输时间；3.2二级簇头调度子簇周边节点传输，接收一级簇头广播获取其他二级簇头信息，识别未被更早传输二级簇头覆盖的周边节点并调度其时间，广播自身及周边节点信息；3.3下一调度周期发起，一级簇头收集所有周边节点传输时间计算自身下一轮传输时间为最晚传输时间加最大传播延迟，网络周期性执行CM-MAC，利用分层簇架构减少信令开销基于本地信息确定性调度消除全网广播需求。

4. Collision-Free Neighborhood Multicast Constraints for Mobile Nodes，研究人员分析移动节点无碰撞邻域组播通信，确保任意发射节点包不与干扰节点在相邻接收节点碰撞，推导两节点i和j传输时间需满足的约束条件，考虑均匀直线运动最大速度v_max和最大相对速度v_rel，代入边界得到松弛条件，基于三角不等式总结移动节点对碰撞避免传输约束为|t_i- t_j| ≥ (d_ij(t_i) + 2R_max+ L_maxc) / c，其中距离参数基于已知传输时间估计，估计误差由保护时间间隔Δt补偿。

5. Collision Avoidance Constraints in Hierarchical Clusters，研究人员定义分层簇中四类分组碰撞即二级簇头间、二级簇头与其他子簇周边节点间、同子簇周边节点间、不同子簇周边节点间，分别推导传输约束。5.1二级簇头间传输约束要求所有二级簇头在接收一级簇头广播后传输且满足与先前调度节点的时间约束|t_k- t_j| ≥ (d_CH1,CH2,k(t_CH1) + d_CH1,CH2,j(t_j) + L_CH1/R + L_CH2/R) / c；5.2周边节点与二级簇头间约束要求周边节点传输时间满足与已知其他子簇二级簇头的|t_SN- t_CH2,j| ≥ (d_CH2,j,SN(t_SN) + d_CH2,j,SN(t_CH2,j) + L_CH2/R + L_SN/R) / c；5.3同子簇周边节点间要求所有周边节点在接收二级簇头广播后传输且满足与先前调度节点的约束|t_k- t_j| ≥ (d_CH2,SN,k(t_CH2) + d_CH2,SN,j(t_j) + L_CH2/R + L_SN/R) / c；5.4不同子簇周边节点间要求当二级簇头间在通信范围内时可获取对方周边节点信息，分配时间需满足|t_SN,i- t_SN,j| ≥ (d_SN,j,SN,i(t_SN,i) + d_SN,j,SN,i(t_SN,j) + 2L_SN/R) / c，若超出通信范围则无法避免碰撞。

6. Transmission Scheduling Optimization Algorithm，研究人员为解决组合优化问题采用改进遗传算法（Genetic Algorithm，GA），6.1二级簇头传输调度优化包括染色体编码为相邻节点全排列、适应度函数定义为归一化调度跨度F = N_valid/ (t_latest+ ε)以最小化跨度、选择优秀个体按概率选两个个体、交叉重组交换序列段并修正重复索引、变异反转序列段、精英策略保留高适应度个体，迭代至最大代数输出最优序列，仅保留通信范围内节点及时间；6.2周边节点传输调度优化类似但染色体为周边节点全排列且约束需满足式(14)至(17)；6.3计算复杂度与可扩展性分析单个体评估复杂度O(m²)，总体时间复杂度O(MGm²)，随集群规模增加仍可行。

7. Simulation，7.1仿真设置使用MATLAB R2020b在海底6km深水平面方形区域，节点从海面同点下潜到随机目标子区匀速直线运动最大2.5 m/s，采用D/17换能器参数计算速率1500 bps最大传输范围8 km，包长一级二级簇头4000比特周边节点2000比特，GA参数种群200最大代数1000交叉率0.97变异率0.05继承比5，平均20次重复模拟；7.2性能指标包括网络吞吐量S = N_success/ T、平均更新间隔Δt_ij= (t_i,j,k+1- t_i,j,k) / (K_ij- 1)、平均分组碰撞率R = N_collide/ (N_success+ N_collide)、类别特定碰撞率R_CH1= N_collide,CH1/ N_success,CH1等；7.3仿真结果与讨论，7.3.1分组碰撞缓解有效性显示CM-MAC和randCM-MAC碰撞率显著低于Aloha，一级和二级簇头包碰撞率为零，周边节点碰撞率小于5%源于调度信息不可用的远端子簇；7.3.2调度优化算法效率显示GA收敛于归一化调度跨度，CM-MAC平均更新间隔最短吞吐量最高且随规模扩大优势更明显，randCM-MAC虽随机顺序但因满足约束支持并发仍优于传统TDMA，Aloha最差。

讨论部分总结，研究人员指出CM-MAC通过两层簇架构分解全局协调为局部调度减少信令适应动态拓扑，理论推导移动节点传输约束考虑水下传播延迟，仿真验证相比Aloha显著降低碰撞率，GA优化调度相比随机调度提高吞吐量减少更新间隔。尽管有改进，当前设计存在局限：网络可扩展性与信息约束方面大规模下缺乏全局状态难以仅确定性约束抑制簇间干扰，未来将结合强化学习（Reinforcement Learning，RL）增强鲁棒性；能效与计算开销方面分层调度引入计算开销影响能耗，未来开发轻量级能量感知调度平衡精度与能耗；实际部署与环境鲁棒性方面仿真假设理想同步定位线性轨迹，实际有时钟漂移定位误差海流噪声需建模退化并开展水池和海试验证。

研究结论部分翻译为：本文提出了CM-MAC协议，这是一种分层基于调度的解决方案，旨在支持簇化AUV集群中的可靠邻域组播。通过建立基于两层簇的架构，该协议有效地将全局协调问题分解为局部调度子任务。这种方法减少了控制信令冗余并适应了动态网络拓扑。理论分析确定了避免移动节点间分组碰撞所需的传输约束，考虑了水下传播延迟带来的独特挑战。仿真实验验证了CM-MAC协议的性能，表明与基于竞争的Aloha协议相比分组碰撞率显著降低。此外，基于遗传算法（Genetic Algorithms，GA）的调度优化显示出优于随机调度变体的吞吐量和更短的平均更新间隔。尽管吞吐量和延迟方面有显著改善，研究人员承认当前设计存在某些局限性。未来研究将从以下三个角度解决这些挑战。网络可扩展性和信息约束：当前协议依赖三层架构基于本地信息确保无碰撞调度。然而，随着网络规模扩大，缺乏全局状态信息使得仅通过确定性约束减轻簇间干扰日益困难。为此，未来工作将专注于将确定性调度与数据驱动优化范式如强化学习（Reinforcement Learning，RL）集成。通过利用RL的自适应能力，旨在不依赖严格先验信息的情况下抑制簇间干扰并增强大规模部署的网络鲁棒性。能效和计算开销：虽然分层簇和调度机制确保了可靠性，但引入了影响电池受限AUV能量预算的计算开销。未来研究将优先考虑开发轻量级能量感知调度算法。目标是平衡调度精度和能耗之间的权衡，从而延长集群的操作寿命。实际部署和环境鲁棒性：本工作的仿真假设了理想条件包括完美同步、精确定位和线性轨迹。然而，在实际水下部署中，系统面临时钟同步漂移、声学定位不准确、海流和环境噪声等挑战。这些物理层缺陷可能导致时间失配并需要更大保护时间，潜在降低信道利用率。未来工作将明确建模这些误差以评估性能退化。此外，计划通过水槽实验和开放海域试验验证协议的鲁棒性，以量化其对现实水动力因素和硬件引起延迟的韧性。

要不要我帮你把这篇论文解读里的关键公式和算法流程整理成更简洁的要点笔记？