无线通信技术、微电子技术、传感器技术以及计算机技术的飞速发展与日益成熟,推动了低成本、低功耗并能进行短距离无线通信的无线传感器网络技术的发展。工业无线网络技术是一种应用于工业现场环境中的网络测控技术,它的出现正是源于无线传感器网络技术的飞速发展。平面型结构和层次型结构是工业无线网络常用的两种结构组织方式。在平面型结构的网络中,所有的传感器节点都具有平等的地位,因此也常称作对等结构。而在层次结构中,网络包含两种不同类型的节点：普通节点和簇首节点,簇首节点之间可以组成更高层次的网络结构。平面结构的缺点是不能应用在大规模的工业无线网络结构中,因为在这种类型的结构中,每个节点必须保存并维护到达所有其他节点的路由信息。在大规模的网络中,如果网络中存在移动的节点,维护这些动态变化的路由信息的控制开销将变得非常大。在工业无线网络中,层次型的网络结构与平面型的网络结构相比,具有比较好的可扩展性、伸缩性、以及灵活性,采用层次型的网络结构能够大大的提高网络的整体性能。因此,工业无线技术的飞速发展以及工业无线网络应用环境的多样化,使得网络分簇算法的研究也逐渐成为工业无线网络中的研究热点。分簇算法的合理高效,能够使得网络的资源调度和管理、路由、信道接入控制以及功率控制等更容易实现,并且良好的分簇结构为数据包的融合提供了基础,有利于减少网络中数据的通信量,节约整个网络的能量消耗,从而延长整个网络的生命周期。本文主要研究WirelessHART网络的分簇算法。首先,分析了传统无线传感器网络中典型的分簇算法,并对比了这些分簇算法的性能。其次,将K-means算法的思想引入到WirelessHART网络的分簇操作中,将WirelessHART网络中的传感器节点当作数据对象,采用K-means聚类分析的方法将网络中的所有节点根据我们设定的某种准则进行聚类划分,从而实现工业无线网络的分簇。针对基于K-means的算法CAKM(Clustering Algorithm based on K-means)存在的一些固有缺点：(1)初始聚类中心的选择对算法的性能影响很大,对于初始聚类中心的随机选择,通常会导致算法在同一数据集的情况下,产生不同的聚类划分,并且经常得不到理想的聚类划分结果。(2)算法采用的是梯度法求解目标函数的极值,容易使算法陷入局部极值点,得不到问题的最优解。我们提出采用粒子群算法来优化CAKM分簇算法,提出了K-means和粒子群算法混合的KMPSO(K-means and Particle Swarm Optimization)分簇算法。最后,为了验证本文提出的CAKM算法和KMPSO算法的性能,根据本文中的仿真参数设置网络仿真环境,采用MATLAB仿真工具验证算法的性能。仿真结果显示,对于FND(First Node Died)、HND(Half of the Nodes Died)及LND(Last Node Died), CAKM算法比LEACH算法分别提高了12%、12.2%和20.9%；而KMPSO算法比LEACH算法分别提高了23.1%、26.5%和24.1%；KMPSO算法比CAKM算法分别提高了9.9%、12.8%和2.7%。在网络的生命周期内,网关接收到的总数据量CAKM算法比LEACH算法提高了11.3%,KMPSO算法比LEACH算法提高了24.8%,KMPSO算法比CAKM算法提高12.2%。相比LEACH算法,由于CAKM分簇算法以及KMPSO分簇算法在选择簇首节点时,同时考虑了网络中节点的地理位置和当前剩余能量,降低能量很低的节点当选为簇首节点的机会,从而更能均衡整个网络的能量消耗,延长了网络的生命周期。而KMPSO算法,由于结合了PSO算法和K-means算法的优势,相比CAKM算法,更能找到全局最优的分簇结构,将网络的生命周期提高10%以上。