CN107623901A - 一种WRSNs中联合数据收集及能量补给方法 - Google Patents
一种WRSNs中联合数据收集及能量补给方法 Download PDFInfo
- Publication number
- CN107623901A CN107623901A CN201710860354.7A CN201710860354A CN107623901A CN 107623901 A CN107623901 A CN 107623901A CN 201710860354 A CN201710860354 A CN 201710860354A CN 107623901 A CN107623901 A CN 107623901A
- Authority
- CN
- China
- Prior art keywords
- node
- cluster
- charger
- energy
- data collection
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000013480 data collection Methods 0.000 title claims abstract description 37
- 230000007246 mechanism Effects 0.000 claims abstract description 32
- 241000854291 Dianthus carthusianorum Species 0.000 claims abstract description 18
- 230000008569 process Effects 0.000 claims abstract description 17
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 14
- 238000004891 communication Methods 0.000 claims description 18
- 239000000463 material Substances 0.000 claims description 10
- 239000002245 particle Substances 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000005265 energy consumption Methods 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 5
- 238000012546 transfer Methods 0.000 claims description 5
- 230000005674 electromagnetic induction Effects 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000013481 data capture Methods 0.000 abstract 1
- 239000013589 supplement Substances 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010291 electrical method Methods 0.000 description 2
- 238000004134 energy conservation Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000452 restraining effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
Landscapes
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明公开了一种WRSNs中联合数据收集及能量补给方法,将充电过程与数据收集过程同时考虑,平衡网络能量并且延迟网络的生命周期。本发明结合无线充电器的充电特点,采用K‑means分簇算法,将网络分为多个簇;每个簇都采用贪婪的数据收集方法、相同的簇头选择机制以及相同的充电器停驻点的选择机制;簇头选择机制以及停驻点选择机制都考虑了簇中节点的位置信息及能量消耗信息。因此,本发明能够有效地进行数据收集及能量补给。
Description
技术领域
本发明属于无线传感器网络充电领域,具体涉及一种WRSNs中联合数据收集及能量补给方法。
背景技术
WSNs是以数据为中心的网络,具有网络规模大、网络拓扑动态变化、节点能量有限、以数据为中心、应用相关等特点。在WSNs发展的过程中存在一个重大的制约因素:能量受限问题。传感器节点一般采用电池供电,电池大小受传感器节点大小的限制,因此电池的能量有限。一旦网络中的传感器节点由于能量耗尽而失效,不仅制约了节点在通信、路由、数据管理与融合、查询处理等方面的性能,更会影响整个网络的持续运行。在大多数情况下,尤其是大范围WSNs中,为所有耗尽能量的节点更换电池非常困难,甚至是不可实现的。
针对WSNs能量问题,不少研究人员提出了解决方案,主要分为能量收集法、节能法和无线充电法。能量收集法是指利用环境条件收集地热能、太阳能、光能等转化为电能给传感器节点充电使其可以持续运行。这种方法的弊端是要求传感器节点配备体积较大的能量转换器,对环境的依赖性较强,能量转换效率低。节能法一般是指采用能量高效的路由协议或者计算复杂度低的算法以尽可能减少传感器节点的能耗,从而延长网络寿命。但是使用这类方案不能从根本上解决传感器节点能量短缺的问题。近年来无线充电技术的迅速发展启发了研究人员将这一技术应用于传统的无线传感器网络中,称为无线充电法,引入无线充电器为节点补充能量的无线传感器网络称为无线可充电传感器网络(WirelessRechargeable Sensor Networks,WRSNs)。WRSNs中配备主动性的充电设备,可以对传感器节点进行充电以延长其生命期。相比于能量收集法,WRSNs技术不仅能保证传感器节点持久、正常地工作,还可以实现充电过程精确控制和预测,进而保证传感器网络的服务质量。因此,本文主要考虑传感器网络中采用无线充电方法的研究,即WRSNs充电算法的研究。
针对无线可充电网络的相关研究文献如下:
1.Liguang Xie等在2012年的《IEEE/ACM Transactions on Networking(ToN)》上发表的文章“Making sensor networks immortal:An energy-renewal approach withwireless power transfer”,首次提出了能量补充周期的概念,着力解决充电最优化问题,其目标是最大化充电器的休息时间和整个能量补充周期的比例[37],以提高充电器的充电效率。在充电器最佳移动路径方面,证明了只有当充电器沿着最短哈密顿循环经过所有节点和基站时,才能使得充电器休息时间和整个能量补充周期的比值达到最大值,也就是求得最优解。但是这种算法的计算复杂度较高,在大规模网络中应用时,计算代价太大。
2.Constantinos Marios Angelopoulos等在2014年的《Constantinos MariosAngelopoulos》上发表的文章“Wireless energy transfer in sensor networks withadaptive,limited knowledge protocols”,作者针对节点部署不均匀的网络提出三种充电协议,分别是GKP(Global Knowledge Protocol),LRP(Limited Reporting Protocol)和RTP(Reactive Trajectory Protocol)[38]。网络模型将圆形网络平均划分为多个圆环和切片,交叉形成的区域称为扇区,如扇区A和扇区B。每个节点根据自己承担的通信任务、数据包产生速率和实际能耗速率计算能量紧急程度。GKP是一种集中式的充电协议,需要知道网络所有节点的信息,然后以节点能量紧急程度和到充电器的距离确定遍历节点的优先级,能耗较大,不适用于大规模网络。LRP协议中,在每个扇区中按一定概率选择代表节点,将自己的能量紧急程度发送给移动充电器作为对网络全局信息的采样,为充电器移动提供参考,大大减少了网络的通信代价。RTP协议通过建树的方式选出网络中承担了较大通信量、能耗较大的节点并优先给它们充电。节点只需要和周围的邻居节点进行通信,即信息只在小范围内广播,进一步减小了通信量。文献中充电协议的缺点在于没有考虑到充电器在节点之间移动花费的时间以及充电延迟问题,有可能导致后充电的节点提前死亡。
3.Zi Li等在2011年的“2011 19th IEEE International Conference on.IEEE”上发表的文章“J-RoC:a joint routing and charging scheme to prolong sensornetwork lifetime”,综合考虑了节点路由和充电(ML-JRC)问题,即通过这两种手段的共同作用来延长网络生命周期。作者认为节点的路由选择和充电器的充电顺序互相关联,具体体现为:根据节点路由选择不同,充电器对应地确定节点的充电顺序;而根据充电器当前的位置,节点可能调整路由选择,出于能效的考虑选择更远的但是距离充电器更近的路由路径。Zi Li等人用数学语言描述了ML-JRC问题,证明这是一个NP完全问题,并用最优化理论计算得到了网络生命周期的上限值,从而可以确定充电策略。但是用该方法求得最优解的计算复杂度很高。因此作者提出了三种计算复杂度较低的启发式算法:LRE(最低剩余能量优先法),LEL(固定路由下最短预测生命周期优先算法)和AEA(动态路由下能量自适应分配算法)。仿真结果表明本文提出的这三种启发式充电算法能有效提高网络生命周期且计算代价较小。但是充电器需掌握整个网络的信息,包括节点的位置及能量,通信代价较高。另外作者假设充电器移动无延迟和能量损耗,不符合实际应用情况。
4.Miao Zhao等在2011年的“Proceedings of the 23rd InternationalTeletraffic Congress”上发表的文章“Joint Mobile Energy Replenishment and DataGathering in Wireless Rechargeable Sensor Networks”,创新性地提出了一种使用SenCar在网络中移动收集数据并给节点充电的算法J-MERDG(Joint Mobile EnergyReplenishment and Data Gathering)。首先,选择网络中承担路由任务较多的节点的位置为锚点;然后,SenCar依次为锚点位置上的节点补充能量,同时以多跳方式收集锚点附近的数据。为达到能量补充和数据收集延迟之间的平衡,提出二分查找法以寻求最大数目的锚点,使得这些锚点上的节点能量最低,并保证访问完所有锚点时SenCar的路径长度不超过一定阈值。SenCar在选定锚点上的遍历顺序用旅行商问题TSP(Traveling SalesmanProblem)的近似解得到。该充电算法的缺点在于,没有考虑SenCar为节点补充能量消耗的时间,即假设节点能瞬间充满电,而实际上充电过程消耗的时间较长,不可忽略不计。
5.Lingkun Fu等在2013年的《INFOCOM,Proceedings IEEE》上发表的文章“Minimizing charging delay in wireless rechargeable sensor networks”以最小化充电延迟为目标设计充电算法MCD(Minimizing Charging Delay Algorithm)。该算法假设只要充电器在网络中,节点就能被充电,只是随着距离的增减而变化。节点接收到的能量为充电器在网络中各处为节点补充能量的总和。根据节点位置、节点在各个位置可以获得的接收功率等已知条件,利用线性规划法求得充电总时间最短时充电器的驻留位置及在各个驻留点的驻留时间。但是由于充电器可能的驻留位置有无限多个,利用线性规划法求解计算复杂度太高,文章提出利用数学离散化的思想,将无限个连续的位置离散化为有限个位置,代入线性规划方程以求得最优解。同时由于这种方法求得的驻留位置过多,利用聚类分簇的思想将驻留点进行分簇,并选出代表性的节点作为新的驻留位置,这样虽然增大了充电延迟,但是仍处于能接受的范围中,能保证不超过一定阈值。
综上所述,虽然无线可充电网络取得了很大进展,但仍有一些问题需要进一步研究:
(1)充电器的部署和移动路径规划问题;
(2)充电时间的分配;
(3)充电延迟问题。
发明内容
针对上述问题,本发明提出一种WRSNs中联合数据收集及能量补给方法,该方法在为节点进行能量补给的过程中同时进行数据收集,每个簇的停驻点的选择都考虑了能量因素与路由因素,使得能量补给更为有效,同时为了下轮的停驻点的选择更为精确,引入了半马尔科夫预测模型进行能量预测。
实现上述技术目的,达到上述技术效果,本发明通过以下技术方案实现:
一种WRSNs中联合数据收集及能量补给方法,包括以下步骤:
(1)确定节点的通信半径r和移动充电器的充电半径R;
(2)根据移动充电器的充电半径R确定网络中簇的个数C,采用K-means方法对网络进行分簇,并确定担任首轮簇头的各节点,且各簇中的首轮停驻点也为前述的簇头节点;
(3)依照设定的充电器的遍历顺序机制得到充电器的遍历顺序,按照设定的簇中节点的数据收集机制进行数据收集和能量补给;并根据设定的充电器轮换机制确定是否需要更换新的充电器;
(4)预测充电器离开该簇后,簇中节点的能量消耗;
(5)根据设定的一轮过后簇头节点的确定机制确定下一轮数据收集过程中每个簇的簇头节点,然后根据充电器在每个簇中停驻的位置的机制确定出停驻位置;
(6)重复步骤(3)-(5),直至完成WRSNs中联合数据的收集。
进一步地,所述步骤(2)中的簇的个数C的计算公式为:
其中,L为监测区域的边长,R为移动充电器的充电半径,r为节点的通信半径。
进一步地,所述步骤(2)中的确定担任首轮簇头的节点的确定方法如下:
选择每个簇中距离聚类中心最近的节点作为首轮的簇头节点。
进一步地,所述步骤(3)中充电器的遍历顺序机制具体为:
利用每个簇中的停驻点形成最短的汉密尔顿环,有两个充电器同时出发,到平均剩余能量最低的两个相邻簇的停驻点,一个顺时针方向行进,一个逆时针方向行进,依次在各个停驻点进行充电和数据收集。
进一步地,所述步骤(3)中的设定的簇中节点的数据收集机制为贪婪路由算法,即:节点每次选择自己通信范围内距离簇头节点最近的节点进行数据传输直到到达簇头。
进一步地,所述步骤(3)中的能量补给具体包括以下步骤:
移动充电器采用电磁感应方法对节点进行无线能量补给,充电时节点的接收功率Pr和充电器的充电功率P0的关系为:
其中,λ是电子波信号的波长,d是发送端与接收端之间的距离,发送端为充电器,接收端为节点,充电器的充电阈值为R
进一步地,所述步骤(3)中的充电器轮换机制具体为:
当充电器的能量仅能够满足与基站的通信以及回到基站的需求时,充电器将会向基站发出轮换的请求,一个充满电的充电器将会从基站出发到充电器发出轮换请求的簇中进行充电器的替换,待新充电器到达后,旧充电器将会返回基站对自身能量进行补给。
进一步地,所述步骤(4)中预测充电器离开该簇后,簇中节点的能量消耗,具体步骤如下:
无线通信模块的工作状态主要分为发送、接收、空闲、睡眠4种状态,在获知节点状态转化概率的前提下,采用半马尔科夫模型对节点能耗进行预测;睡眠、发送、接收、空闲状态分别用数字1、2、3、4表示,由4种状态构成的节点状态转移矩阵有:
其中P1,1,P2,2,P3,3,P4,4是节点在四种状态下的稳态概率,节点在四种状态下的能耗分别为E1,E2,E3,E4,单位时间内,每个节点只能处于其中一种状态,当网络流量为Y的情况下,时间t内节点的能量消耗可以表示为:
Econs=t×[P1,1×E1+Y×(P2,2×E2+P3,3×E3)+P4,4×E4]。
进一步地,所述步骤(5)中的一轮过后簇头节点的确定机制具体为:
对于一个簇中的每个节点都产生一个判断值C(n):
其中,Eresi(n)是节点n的剩余能量,Eaver是簇中节点的平均剩余能量,daver是簇中节点到充电器停驻点的平均距离,d(n)是节点n到停驻点的距离,α代表一个设定阈值;
对于一轮过后的簇头,选择C(n)值大的作为簇头节点。
进一步地,所述步骤(5)中确定充电器在每个簇中停驻的位置的具体过程为:
每个簇中有一个停驻点供充电器充电和进行数据收集,节点的位置信息都是已知的,每个节点的能量消耗被认为是这个节点的“质量”,借助质心的思想,来计算停驻点的位置,假设一个簇中有n个节点,停驻点的计算公式为:
其中,Ei是节点i的能量消耗,Etotal是一个簇中所有节点的能量消耗,(xi,yi)是节点i的坐标,Ey是质点系中各质点关于y轴的静力矩mi×xi之和,Ex是质点系中各质点关于x轴的静力矩mi×yi之和,(xC,yC)则为一个簇中的停驻点的位置坐标。
本发明的有益效果:
(1)将数据收集过程与能量补给过程综合考虑,减轻了网络的负担;
(2)根据充电器的充电半径对网络进行分簇,使得充电器在停驻点能够为多个传感器节点进行充电;
(3)停驻点的选择考虑了每个节点的能量消耗,使得能量补给更为均衡。
(4)在数据收集的过程中,簇头节点的选择是根据节点的剩余能量以及距离停驻点的远近综合考虑的。
(5)针对充电器走后节点会继续进行能量消耗,引入半马尔科夫预测模型对剩余时间内节点的能量消耗进行一个预测。
附图说明
图1为本发明一种实施例的流程图;
图2为本发明一种实施例的网络分簇及路由转发示意图;
图3为本发明一种实施例的以其中一个簇为例充电器选择停驻点示意图;
图4为本发明一种实施例的充电器行进路径以及替换示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
下面结合附图对本发明的应用原理作详细的描述。
实施例1
如图1所示,一种WRSNs中联合数据收集及能量补给方法,包括以下步骤:
(1)确定节点的通信半径r和移动充电器的充电半径R;
(2)根据移动充电器的充电半径R确定网络中簇的个数C,采用K-means方法对网络进行分簇,并确定担任首轮簇头的节点,且各簇中的首轮停驻点也为前述的簇头节点;
其中,所述簇的个数C的计算公式为:
其中,L为监测区域的边长,R为移动充电器的充电半径,r为节点的通信半径。
所述的确定担任首轮簇头的节点的确定方法为:选择每个簇中距离聚类中心最近的节点作为首轮的簇头节点。
(3)依照设定的充电器的遍历顺序机制得到充电器的遍历顺序,按照设定的簇中节点的数据收集机制进行数据收集和能量补给;并根据设定的充电器轮换机制确定是否需要更换新的充电器;
所述的充电器的遍历顺序机制具体为:
利用每个簇中的停驻点形成最短的汉密尔顿环,有两个充电器同时出发,到平均剩余能量最低的两个相邻簇的停驻点,一个顺时针方向行进,一个逆时针方向行进,依次在各个停驻点进行充电和数据收集。
所述的能量补给具体包括以下步骤:
移动充电器采用电磁感应方法对节点进行无线能量补给,充电时节点的接收功率Pr和
充电器的充电功率P0的关系为:
其中,λ是电子波信号的波长,d是发送端与接收端之间的距离,发送端为充电器,接收端为节点,充电器的充电阈值为R。
所述的充电器轮换机制具体为:
当充电器的能量仅能够满足与基站的通信以及回到基站的需求时,充电器将会向基站发出轮换的请求,一个充满电的充电器将会从基站出发到充电器发出轮换请求的簇中进行充电器的替换,待新充电器到达后,旧充电器将会返回基站对自身能量进行补给。
所述的充电器在每个簇中停驻的位置的机制的具体为:
每个簇中有一个停驻点供充电器充电和进行数据收集,节点的位置信息都是已知的,每个节点的能量消耗被认为是这个节点的“质量”,借助质心的思想,来计算停驻点的位置,假设一个簇中有n个节点,停驻点的计算公式为:
其中,Ei是节点i的能量消耗,Etotal是一个簇中所有节点的能量消耗,(xi,yi)是节点i的坐标,Ey是质点系中各质点关于y轴的静力矩mi×xi之和,Ex是质点系中各质点关于x轴的静力矩mi×yi之和,(xC,yC)则为一个簇中的停驻点的位置坐标。
所述的一轮过后簇头节点的确定机制具体为:
对于一个簇中的每个节点都产生一个判断值C(n):
其中,Eresi(n)是节点n的剩余能量,Eaver是簇中节点的平均剩余能量,daver是簇中节点到充电器停驻点的平均距离,d(n)是节点n到停驻点的距离,α代表一个设定阈值;
对于一轮过后的簇头,选择C(n)值大的作为簇头节点。
(4)预测充电器离开该簇后,簇中节点的剩余能量;由于充电器离开一个簇后,节点依然处于工作的状态中,因此在计算节点总的能量消耗时除了充电器收集到的能量消耗信息还需要加上充电器离开后到新一轮充电开始这段时间内节点的能量消耗,簇中的簇头节点和停驻点的选择都用到了节点的能量消耗信息,如果采用充电器收集回的,这个信息仅是之前采集时间段的能量消耗,并不是新一轮开始前的最新能量消耗,因此需要采用节点能量消耗预测机制对这段时间内的能量消耗进行预测,这样可以防止新一轮停驻点以及簇头节点选择的不准确,
所述的预测充电器离开该簇后,簇中节点的能量消耗,具体步骤如下:
无线通信模块的工作状态主要分为发送、接收、空闲、睡眠4种状态,在获知节点状态转化概率的前提下,采用半马尔科夫模型对节点能耗进行预测;睡眠、发送、接收、空闲状态分别用数字1、2、3、4表示,由4种状态构成的节点状态转移矩阵有:
其中P1,1,P2,2,P3,3,P4,4是节点在四种状态下的稳态概率,节点在四种状态下的能耗分别为E1,E2,E3,E4,单位时间内,每个节点只能处于其中一种状态,当网络流量为Y的情况下,时间t内节点的能量消耗可以表示为:
Econs=t×[P1,1×E1+Y×(P2,2×E2+P3,3×E3)+P4,4×E4]。
(5)根据设定的一轮过后簇头节点的确定机制确定下一轮数据收集过程中每个簇的簇头节点,然后根据充电器在每个簇中停驻的位置的机制确定出停驻位置;
所述的一轮过后簇头节点的确定机制具体为:
对于一个簇中的每个节点都产生一个判断值C(n):
其中,Eresi(n)是节点n的剩余能量,Eaver是簇中节点的平均剩余能量,daver是簇中节点到充电器停驻点的平均距离,d(n)是节点n到停驻点的距离,α代表一个设定阈值;
对于一轮过后的簇头,选择C(n)值大的作为簇头节点;
所述的确定充电器在每个簇中停驻的位置的具体过程为:
每个簇中有一个停驻点供充电器充电和进行数据收集,节点的位置信息都是已知的,每个节点的能量消耗被认为是这个节点的“质量”,借助质心的思想,来计算停驻点的位置,假设一个簇中有n个节点,停驻点的计算公式为:
其中,Ei是节点i的能量消耗,Etotal是一个簇中所有节点的能量消耗,(xi,yi)是节点i的坐标,Ey是质点系中各质点关于y轴的静力矩mi×xi之和,Ex是质点系中各质点关于x轴的静力矩mi×yi之和,(xC,yC)则为一个簇中的停驻点的位置坐标。
(6)重复步骤(3)-(5),直至完成WRSNs中联合数据的收集。
实施例2
在节点通信半径为r,充电器的充电范围为R的情况下,网络采用K-means方法分簇,簇的个数根据公式:得到,分簇的结果如图2所示。
第一轮数据收集过程中,各个簇的簇头是由距离聚类中心最近的节点担任的,一轮过后每个簇的簇头节点的选择根据公式为:
其中Eresi(n)是节点n的剩余能量,Eaver是簇中节点的平均剩余能量,daver是簇中节点到充电器停驻点的平均距离,d(n)是节点n到停驻点的距离,α代表一个阈值;一轮过后,选择C(n)值大的作为簇头。
对于数据收集,簇间采取贪婪路由转发机制,如图2所示。对于移动充电器在每个簇停驻点的位置,是根据以下公式得到的:
其中,Ei是节点i的能量消耗,Etotal是一个簇中所有节点的能量消耗,(xi,yi)是节点i的坐标,Ey是质点系中各质点关于y轴的静力矩mi×xi之和,Ex是质点系中各质点关于x轴的静力矩mi×yi之和,(xC,yC)则为一个簇中的停驻点的位置坐标。以其中一个簇为例,选出来停驻点的示意图如图3所示,即,停驻点的位置选择综合考虑簇中各节点的能量消耗以及距离停驻点位置的远近。
待充电器在各簇停驻点的位置确定后,需要确定充电器的行进路径,如图4所示。由每个簇中的停驻点共同形成路径最短的汉密尔顿环,有两个充电器同时从基站出发,选择平均剩余能量最低的相邻簇的停驻点,沿相反的方向行进,依次遍历各个簇中的停驻点进行充电和数据收集,从而减少充电延迟,在每个停驻点停相同的时间T,当充电器的剩余能量不足时,向基站请求一个新的充电器,待新充电器到达当前簇后,旧充电器返回基站对自身进行能量补给。当还有一个簇没有进行能量补给时会出现三种情况,情况1:当两个充电器都能够为最后一个簇充电时,选择离簇最近的充电器为之充电;情况2:当只有一个充电器能够为最后一个簇充电时,基站会指派这个充电器为最后一个簇充电,另外一个充电器将会回到基站进行自身能量的补给;情况3:当两个充电器都不能为最后一个簇充电时,基站将会指派一个新的充电器去给最后一个簇充电,另外两个充电器回到基站进行能量的补给。
综上所述:
本发明可以在对网络进行能量补给的同时进行数据收集,并且两个过程都考虑了节点的能量消耗,使得充电器停驻点的选择更为合理。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (10)
1.一种WRSNs中联合数据收集及能量补给方法,其特征在于,包括以下步骤:
(1)确定节点的通信半径r和移动充电器的充电半径R;
(2)根据移动充电器的充电半径R确定网络中簇的个数C,采用K-means方法对网络进行分簇,并确定担任首轮簇头的各节点,且各簇中的首轮停驻点也为前述的簇头节点;
(3)依照设定的充电器的遍历顺序机制得到充电器的遍历顺序,按照设定的簇中节点的数据收集机制进行数据收集和能量补给;并根据设定的充电器轮换机制确定是否需要更换新的充电器;
(4)预测充电器离开该簇后,簇中节点的能量消耗;
(5)根据设定的一轮过后簇头节点的确定机制确定下一轮数据收集过程中每个簇的簇头节点,然后根据充电器在每个簇中停驻的位置的机制确定出停驻位置;
(6)重复步骤(3)-(5),直至完成WRSNs中联合数据的收集。
2.根据权利要求1所述的一种WRSNs中联合数据收集及能量补给方法,其特征在于:所述步骤(2)中的簇的个数C的计算公式为:
其中,L为监测区域的边长,R为移动充电器的充电半径,r为节点的通信半径。
3.根据权利要求1所述的一种WRSNs中联合数据收集及能量补给方法,其特征在于:所述步骤(2)中的确定担任首轮簇头的节点的确定方法如下:
选择每个簇中距离聚类中心最近的节点作为首轮的簇头节点。
4.根据权利要求1所述的一种WRSNs中联合数据收集及能量补给方法,其特征在于:所述步骤(3)中充电器的遍历顺序机制具体为:
利用每个簇中的停驻点形成最短的汉密尔顿环,有两个充电器同时出发,到平均剩余能量最低的两个相邻簇的停驻点,一个顺时针方向行进,一个逆时针方向行进,依次在各个停驻点进行充电和数据收集。
5.根据权利要求1所述的一种WRSNs中联合数据收集及能量补给方法,其特征在于:所述步骤(3)中的设定的簇中节点的数据收集机制为贪婪路由算法,即:节点每次选择自己通信范围内距离簇头节点最近的节点进行数据传输直到到达簇头。
6.根据权利要求1所述的一种WRSNs中联合数据收集及能量补给方法,其特征在于:所述步骤(3)中的能量补给具体包括以下步骤:
移动充电器采用电磁感应方法对节点进行无线能量补给,充电时节点的接收功率Pr和充电器的充电功率P0的关系为:
其中,λ是电子波信号的波长,d是发送端与接收端之间的距离,发送端为充电器,接收端为节点,充电器的充电阈值为R 。
7.根据权利要求1所述的一种WRSNs中联合数据收集及能量补给方法,其特征在于:所述步骤(3)中的充电器轮换机制具体为:
当充电器的能量仅能够满足与基站的通信以及回到基站的需求时,充电器将会向基站发出轮换的请求,一个充满电的充电器将会从基站出发到充电器发出轮换请求的簇中进行充电器的替换,待新充电器到达后,旧充电器将会返回基站对自身能量进行补给。
8.根据权利要求1所述的一种WRSNs中联合数据收集及能量补给方法,其特征在于:所述步骤(4)中预测充电器离开该簇后,簇中节点的能量消耗,具体步骤如下:
无线通信模块的工作状态主要分为发送、接收、空闲、睡眠4种状态,在获知节点状态转化概率的前提下,采用半马尔科夫模型对节点能耗进行预测;睡眠、发送、接收、空闲状态分别用数字1、2、3、4表示,由4种状态构成的节点状态转移矩阵有:
其中P1,1,P2,2,P3,3,P4,4是节点在四种状态下的稳态概率,节点在四种状态下的能耗分别为E1,E2,E3,E4,单位时间内,每个节点只能处于其中一种状态,当网络流量为Y的情况下,时间t内节点的能量消耗可以表示为:
Econs=t×[P1,1×E1+Y×(P2,2×E2+P3,3×E3)+P4,4×E4]。
9.根据权利要求1所述的一种WRSNs中联合数据收集及能量补给方法,其特征在于:所述步骤(5)中的一轮过后簇头节点的确定机制具体为:
对于一个簇中的每个节点都产生一个判断值C(n):
其中,Eresi(n)是节点n的剩余能量,Eaver是簇中节点的平均剩余能量,daver是簇中节点到充电器停驻点的平均距离,d(n)是节点n到停驻点的距离,α代表一个设定阈值;
对于一轮过后的簇头,选择C(n)值大的作为簇头节点。
10.根据权利要求1所述的一种WRSNs中联合数据收集及能量补给方法,其特征在于:所述步骤(5)中确定充电器在每个簇中停驻的位置的具体过程为:
每个簇中有一个停驻点供充电器充电和进行数据收集,节点的位置信息都是已知的,每个节点的能量消耗被认为是这个节点的“质量”,借助质心的思想,来计算停驻点的位置,假设一个簇中有n个节点,停驻点的计算公式为:
其中,Ei是节点i的能量消耗,Etotal是一个簇中所有节点的能量消耗,(xi,yi)是节点i的坐标,Ey是质点系中各质点关于y轴的静力矩mi×xi之和,Ex是质点系中各质点关于x轴的静力矩mi×yi之和,(xC,yC)则为一个簇中的停驻点的位置坐标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710860354.7A CN107623901B (zh) | 2017-09-21 | 2017-09-21 | 一种WRSNs中联合数据收集及能量补给方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710860354.7A CN107623901B (zh) | 2017-09-21 | 2017-09-21 | 一种WRSNs中联合数据收集及能量补给方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107623901A true CN107623901A (zh) | 2018-01-23 |
CN107623901B CN107623901B (zh) | 2020-02-04 |
Family
ID=61090549
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710860354.7A Expired - Fee Related CN107623901B (zh) | 2017-09-21 | 2017-09-21 | 一种WRSNs中联合数据收集及能量补给方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107623901B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109922492A (zh) * | 2019-02-28 | 2019-06-21 | 福建师范大学 | 基于移动充电传感器的无线传感器故障检测方法 |
CN110175865A (zh) * | 2019-04-23 | 2019-08-27 | 国网浙江省电力有限公司湖州供电公司 | 基于泛在感知技术的电动汽车充电实时定价方法 |
CN111277951A (zh) * | 2020-02-13 | 2020-06-12 | 南京邮电大学 | 基于贪婪子模的无线可充电传感器网络充电器部署方法 |
CN113179456A (zh) * | 2021-03-09 | 2021-07-27 | 杭州电子科技大学 | 基于多节点可调功率充电模型的安全充电延迟最小化方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101227413A (zh) * | 2008-02-22 | 2008-07-23 | 北京交通大学 | 一种应用于无线传感器网络的分簇节能路由算法 |
US20110148349A1 (en) * | 2009-12-17 | 2011-06-23 | Electronics And Telecommunications Research Institute Of Daejeon | Apparatus and method for charging internal battery in wireless sensor network |
CN103228022A (zh) * | 2013-01-21 | 2013-07-31 | 南京邮电大学 | 一种基于能量采集的概率式无线传感器网络路由方法 |
CN104734372A (zh) * | 2015-03-16 | 2015-06-24 | 河海大学常州校区 | WRSNs中联合地理位置路由的能量自适应充电方法 |
CN105072656A (zh) * | 2015-07-10 | 2015-11-18 | 桂林电子科技大学 | 基于K-means聚类和蚁群算法的多级异构无线传感器网络分簇路由方法 |
CN106452513A (zh) * | 2016-10-09 | 2017-02-22 | 华侨大学 | 一种基于时延受限的无线传感网中移动式能量补充方法 |
-
2017
- 2017-09-21 CN CN201710860354.7A patent/CN107623901B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101227413A (zh) * | 2008-02-22 | 2008-07-23 | 北京交通大学 | 一种应用于无线传感器网络的分簇节能路由算法 |
US20110148349A1 (en) * | 2009-12-17 | 2011-06-23 | Electronics And Telecommunications Research Institute Of Daejeon | Apparatus and method for charging internal battery in wireless sensor network |
CN103228022A (zh) * | 2013-01-21 | 2013-07-31 | 南京邮电大学 | 一种基于能量采集的概率式无线传感器网络路由方法 |
CN104734372A (zh) * | 2015-03-16 | 2015-06-24 | 河海大学常州校区 | WRSNs中联合地理位置路由的能量自适应充电方法 |
CN105072656A (zh) * | 2015-07-10 | 2015-11-18 | 桂林电子科技大学 | 基于K-means聚类和蚁群算法的多级异构无线传感器网络分簇路由方法 |
CN106452513A (zh) * | 2016-10-09 | 2017-02-22 | 华侨大学 | 一种基于时延受限的无线传感网中移动式能量补充方法 |
Non-Patent Citations (1)
Title |
---|
吕杨: "无线可充电传感器网络充电规划研究", 《吉林大学硕士论文》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109922492A (zh) * | 2019-02-28 | 2019-06-21 | 福建师范大学 | 基于移动充电传感器的无线传感器故障检测方法 |
CN110175865A (zh) * | 2019-04-23 | 2019-08-27 | 国网浙江省电力有限公司湖州供电公司 | 基于泛在感知技术的电动汽车充电实时定价方法 |
CN111277951A (zh) * | 2020-02-13 | 2020-06-12 | 南京邮电大学 | 基于贪婪子模的无线可充电传感器网络充电器部署方法 |
CN111277951B (zh) * | 2020-02-13 | 2021-04-06 | 南京邮电大学 | 基于贪婪子模的无线可充电传感器网络充电器部署方法 |
CN113179456A (zh) * | 2021-03-09 | 2021-07-27 | 杭州电子科技大学 | 基于多节点可调功率充电模型的安全充电延迟最小化方法 |
CN113179456B (zh) * | 2021-03-09 | 2022-05-27 | 杭州电子科技大学 | 基于多节点可调功率充电模型的安全充电延迟最小化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107623901B (zh) | 2020-02-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107835499B (zh) | 一种WSNs中基于分簇和能量中继的移动充电方法 | |
CN107623901A (zh) | 一种WRSNs中联合数据收集及能量补给方法 | |
Liu et al. | Movement-based solutions to energy limitation in wireless sensor networks: State of the art and future trends | |
Zhao et al. | A framework of joint mobile energy replenishment and data gathering in wireless rechargeable sensor networks | |
CN109495945B (zh) | 一种WSNs中基于聚类分簇的协同充电方法 | |
Han et al. | A multicharger cooperative energy provision algorithm based on density clustering in the industrial Internet of Things | |
CN108448731B (zh) | 一种协作式无线传感网能量补充方法及其无线传感网 | |
Kaswan et al. | A survey on mobile charging techniques in wireless rechargeable sensor networks | |
Gharaei et al. | Energy-efficient tour optimization of wireless mobile chargers for rechargeable sensor networks | |
CN106887887B (zh) | 一种无线可充电传感网中移动充电车调度方法 | |
CN109451556A (zh) | 基于uav对无线传感网充电的方法 | |
CN106714222A (zh) | 无线可充电传感网络节点充电次序调度方法 | |
CN105025528A (zh) | 一种无线充电传感器网络总效用最大化方法 | |
Yang et al. | Wireless Rechargeable Sensor Networks-Current Status and Future Trends. | |
Chen et al. | Collaborative mobile charging policy for perpetual operation in large-scale wireless rechargeable sensor networks | |
Yoon et al. | Adaptive data collection using UAV with wireless power transfer for wireless rechargeable sensor networks | |
CN109275170A (zh) | 一种无线可充电传感网络的充电方法及系统 | |
Li et al. | Cooperative recharge scheme based on a Hamiltonian path in mobile wireless rechargeable sensor networks | |
CN112702688A (zh) | 结合能量补充和数据收集的移动小车规划方法 | |
CN113837452B (zh) | 一种面向水下无线传感器网络的移动充电路径规划方法 | |
CN110248330A (zh) | 一种基于中继充电模型最大化充电小车休息时间调度方法 | |
CN115190560A (zh) | 基于簇的自适应充电路径优化方法 | |
Chen et al. | Improve the quality of charging services for rechargeable wireless sensor networks by deploying a mobile vehicle with multiple removable chargers | |
Li et al. | Mobility assisted data gathering with solar irradiance awareness in heterogeneous energy replenishable wireless sensor networks | |
CN108738099A (zh) | 一种移动接收无线传感器网络最优充电策略及其制定系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200204 |
|
CF01 | Termination of patent right due to non-payment of annual fee |