CN110134121A - 一种移动充电器的最优路径规划方法 - Google Patents
一种移动充电器的最优路径规划方法 Download PDFInfo
- Publication number
- CN110134121A CN110134121A CN201910326590.XA CN201910326590A CN110134121A CN 110134121 A CN110134121 A CN 110134121A CN 201910326590 A CN201910326590 A CN 201910326590A CN 110134121 A CN110134121 A CN 110134121A
- Authority
- CN
- China
- Prior art keywords
- cluster
- node
- energy expenditure
- expenditure rate
- density
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 15
- 238000007600 charging Methods 0.000 claims description 13
- 238000005265 energy consumption Methods 0.000 claims description 7
- 238000005457 optimization Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 208000034819 Mobility Limitation Diseases 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
一种移动充电器的最优路径规划方法,采用基于密度的嵌套TSP(Travelling Salesman Problem,旅行商问题)路径优化算法,基于传感器网络中无线通信设备(Wireless Device,WD)的能量消耗率和分布密度对它们进行两次分簇,再对每个簇使用TSP解决方法进行路线的优化,进而构建更优化的嵌套路线。
Description
技术领域
本发明涉及无线传感器网络充电技术,具体涉及一种移动充电器的最优路径规划方法。
背景技术
近年来,随着无线电力传输技术的进展,WPCN(Wireless Powered CommunicationNetwork,无线供电通信网络)成为国内外学者竞相研究的热点。WPCN使用了一种新兴的无线能量传输技术(Wireless Power Transfer,WPT),其WPCN节点,即无线通信设备(Wireless Device,WD),由专门的无线电力发射器供电。目前存在的大部分传感器网络使用电池供能,传感器网络的生存周期也由此被电池的容量所限制。因此,在无线传感器网络中的一个关键问题是能量供应问题,即:如何以最佳的方式来供应网络节点的能量。为了能够解决WDs能量受限的问题,有关于采用移动HAP来补充无线传感器网络中WDs的能量供应的方法和实践,最近也吸引了大量的关注。在实际情况下,由于HAP的移动性限制,传感器网络中WDs的充电任务调度在实现高效供能方面起着至关重要的作用。
发明内容
为解决混合型接入点在移动情况下对设备进行供能,本发明提出了一种移动充电器的最优路径规划方法,采用基于密度的嵌套TSP(Travelling Salesman Problem,旅行商问题)路径优化算法,基于传感器网络中无线通信设备(Wireless Device,WD)的能量消耗率和分布密度对它们进行两次分簇,再对每个簇使用TSP解决方法进行路线的优化,进而构建更优化的嵌套路线。
为了解决上述技术问题本发明提供如下的技术方案:
一种移动充电器的最优路径规划方法,包括以下步骤:
步骤1、收集所有WD的能量消耗率r,并基于能量消耗率r对所有WD进行分簇,生成m个簇。假定在场景中部署若干个能量消耗率随机的相同型号的WD。首先对WDs进行聚类分簇。HAP收集WDs的能量消耗率,并分别假设rmax和rmin为各节点中能量消耗率最大和最小的值。然后基于能量消耗率,进行一次成簇;
步骤2、在基于能量消耗率的一次聚类成簇之后,若干个节点已被分成m个簇。在这m个簇的基础上,进行基于密度的二次分簇的考虑,即:同一个簇中各节点对象和其密度可达的所有节点可以考虑构成一个新的簇;
步骤3、以m个簇和占据能量消耗率区间由高到低的顺序,构建嵌套的TSP路线组;
步骤4、依据路线选择算法对每个充电轮次所行驶的路线进行选择。
本发明的有益效果为:基于传感器网络中无线通信设备(Wireless Device,WD)的能量消耗率和分布密度对它们进行两次分簇,再对每个簇使用TSP解决方法进行路线的优化,进而构建更优化的嵌套路线。
附图说明
图1是p、q和o密度相连的示意图;
图2是经过一次分簇之后,各个簇的能量消耗率范围示意图;
图3是一种移动充电器的最优路径规划方法的原理框图。
具体实施方式
下面结合附图对本发明作进一步的详细说明。
参照图1和图2,一种移动充电器的最优路径规划方法,包括以下步骤:
步骤1、收集所有WD的能量消耗率r,并基于能量消耗率r对所有WD进行分簇,生成m个簇。假定在场景中部署若干个能量消耗率随机的相同型号的WD。首先对WDs进行聚类分簇。HAP收集WDs的能量消耗率,并分别假设rmax和rmin为各节点中能量消耗率最大和最小的值。然后基于能量消耗率,进行一次成簇;
步骤2、在基于能量消耗率的一次聚类成簇之后,若干个节点已被分成m个簇。在这m个簇的基础上,进行基于密度的二次分簇的考虑,即:同一个簇中各节点对象和其密度可达的所有节点可以考虑构成一个新的簇;
步骤3、以m个簇和占据能量消耗率区间由高到低的顺序,构建嵌套的TSP路线组;
步骤4、依据路线选择算法对每个充电轮次所行驶的路线进行选择。
本实施例中,在场景中部署若干个能量消耗率随机的相同型号的WD。首先对WDs进行聚类分簇。HAP收集WDs的能量消耗率,并分别假设rmax和rmin为各节点中能量消耗率最大和最小的值。然后基于能量消耗率,进行一次成簇,根据公式(1),由rmax和rmin计算出能构建的簇的数量m。
表示返回一个大于等于x的最小整数。依据能量消耗率上升的趋势,m个簇的能量消耗率分布区间表示为公式(2):
为了方便表述,能量消耗区间用表示,其中使用Tn,n∈[1,m]表示各个簇。
所述步骤2中,在基于能量消耗率一次成簇的基础上,进行基于密度的二次成簇。在此,首先介绍WSN中的基于密度的聚类算法DBSCAN(Density-based Spatial Clusteringof Application with Noise)。
DBSCAN算法中定义了两个量,邻域半径Eps和指定的数目MinPts。对于一个节点q,与节点q的距离小于Eps的所有点的集合D,表示为NEps(p),即:{q∈D|dist(p,q)≤Eps}。同时DBSCAN算法将WSN的节点分为三类:
核心点:一个节点的半径Eps内含有超过MinPts个节点;
边界点:一个节点的半径Eps内节点的数目小于MinPts,但该节点落在其他核心点的邻域内;
噪音点:既不是核心点也不是边界点的点。
对于以上三类节点,引入三个关于密度的概念。对于两个节点p和q,如果p在核心点q的Eps邻域内,则称p直接密度可达q。而对于i个节点,如果存在对象链<p1,p2,...,pn>,pi+1是从pi关于Eps和MinPts直接密度可达的,则称对象pn是从对象p1关于Eps和MinPts密度可达的。如果存在点o,使得p和q都是关于Eps,MinPts是从o密度可达的,则称点p关于Eps,MinPts与点q是密度相连的。
一个核心对象和其密度可达的所有对象构成一个聚类。而DBSCAN算法将簇定义为密度相连的点的最大集合。如图1所示,p、q和o是密度相连的,因此这些点可以归为一个簇。
当两个节点能量消耗率差别很大的时候,显然是不应该分到同一个簇中的,所以除了考虑各节点地理分布的情况,还需要考虑各节点的能量消耗率相对于各簇所占能量消耗率区间的位置分布。
当具有若干WDs的WPCN在经过一次成簇之后,形成了三个能量消耗率各不相同的簇。每个簇所拥有WD的能量消耗率范围区间分布如图2所示,能量消耗率左低右高,各节点能量消耗率的分布区间为[Rmin,Rmax]。
如图2所示,T1中节点a的能量消耗率明显和T3簇中的节点d、e相差很大,因此在第二次分簇中,T1簇中的节点不应该和T3簇中的节点分进同一个簇。同时,T2簇中各个节点的能量消耗率与T1簇中节点的能量消耗率的差距有大有小,比如a和b的能量消耗率比较相近,而节点a和c的能量消耗率差距很大。当两个能量消耗率相差很大的WD被分到一个簇,这将导致移动HAP在同一充电轮次中访问的WD所拥有的剩余能量可能差距很大,即:移动HAP访问了本来不需要在当前充电轮次进行充电的WD。因此,本文引入能量消耗阈值系数Eα。假设Tn簇所占的能量消耗率区间为则当我们仅考虑能量消耗率高的簇中节点向能量消耗率低的簇进行基于密度的二次成簇时,得到如下公式(3):
s.t.dist(p,q)≤Eps,
p∈Tn,
q∈Tn+1,
Tn,n∈[1,m-1]. (3)
对于Tn簇,n∈[1,m-1]中的一个节点p,Tn+1簇中存在一个节点q使得dist(p,q)≤Eps,并且q处于能量消耗率区间则q从Tn+1簇中转移至Tn簇。即,q∈Tn。依据以上的二次成簇规则,对各个簇中的节点依据能量消耗率从低到高的顺序进行遍历,形成新的Tn′簇,其中n′∈[1,m]。
对于第二次分簇后形成的m个簇,构建嵌套的TSP路线,然后依据嵌套路线选择算法进行每一轮充电轮次执行路线的选择。依据各簇能量消耗率从高到低的顺序构建嵌套的TSP路线组,并在每个充电轮次执行充电任务时进行TSP路线的选择。
Claims (3)
1.一种移动充电器的最优路径规划方法,其特征在于,所述方法包括以下步骤:
步骤1、收集所有WD的能量消耗率r,并基于能量消耗率r对所有WD进行分簇,生成m个簇,假定在场景中部署若干个能量消耗率随机的相同型号的WD,首先对WDs进行聚类分簇,HAP收集WDs的能量消耗率,并分别假设rmax和rmin为各节点中能量消耗率最大和最小的值,然后基于能量消耗率,进行一次成簇;
步骤2、在基于能量消耗率的一次聚类成簇之后,若干个节点已被分成m个簇,在这m个簇的基础上,进行基于密度的二次分簇的考虑,即:同一个簇中各节点对象和其密度可达的所有节点可以考虑构成一个新的簇;
步骤3、以m个簇和占据能量消耗率区间由高到低的顺序,构建嵌套的TSP路线组;
步骤4、依据路线选择算法对每个充电轮次所行驶的路线进行选择。
2.如权利要求1所述的一种移动充电器的最优路径规划方法,其特征在于,所述步骤1中,根据公式(1),由rmax和rmin计算出能构建的簇的数量m;
表示返回一个大于等于x的最小整数,依据能量消耗率上升的趋势,m个簇的能量消耗率分布区间表示为公式(2):
能量消耗区间用表示,其中使用Tn,n∈[1,m]表示各个簇。
3.如权利要求1或2所述的一种移动充电器的最优路径规划方法,其特征在于,所述步骤2中,DBSCAN算法中定义了两个量,邻域半径Eps和指定的数目MinPts,对于一个节点q,与节点q的距离小于Eps的所有点的集合D,表示为NEps(p),即:{q∈D|dist(p,q)≤Eps},同时DBSCAN算法将WSN的节点分为三类:
核心点:一个节点的半径Eps内含有超过MinPts个节点;
边界点:一个节点的半径Eps内节点的数目小于MinPts,但该节点落在其他核心点的邻域内;
噪音点:既不是核心点也不是边界点的点;
对于以上三类节点,引入三个关于密度的概念,对于两个节点p和q,如果p在核心点q的Eps邻域内,则称p直接密度可达q,而对于i个节点,如果存在对象链<p1,p2,...,pn>,pi+1是从pi关于Eps和MinPts直接密度可达的,则称对象pn是从对象p1关于Eps和MinPts密度可达的,如果存在点o,使得p和q都是关于Eps,MinPts是从o密度可达的,则称点p关于Eps,MinPts与点q是密度相连的;
一个核心对象和其密度可达的所有对象构成一个聚类,而DBSCAN算法将簇定义为密度相连的点的最大集合,p、q和o是密度相连的,因此这些点可以归为一个簇;
当具有若干WDs的WPCN在经过一次成簇之后,形成了三个能量消耗率各不相同的簇,能量消耗率左低右高,各节点能量消耗率的分布区间为[Rmin,Rmax];
T1中节点a的能量消耗率明显和T3簇中的节点d、e相差很大,因此在第二次分簇中,T1簇中的节点不应该和T3簇中的节点分进同一个簇;同时,T2簇中各个节点的能量消耗率与T1簇中节点的能量消耗率的差距有大有小,比如a和b的能量消耗率比较相近,而节点a和c的能量消耗率差距很大;当两个能量消耗率相差很大的WD被分到一个簇,这将导致移动HAP在同一充电轮次中访问的WD所拥有的剩余能量可能差距很大,即:移动HAP访问了本来不需要在当前充电轮次进行充电的WD;引入能量消耗阈值系数Eα,假设Tn簇所占的能量消耗率区间为则当考虑能量消耗率高的簇中节点向能量消耗率低的簇进行基于密度的二次成簇时,得到如下公式(3):
s.t.dist(p,q)≤Eps,
p∈Tn,
q∈Tn+1,
Tn,n∈[1,m-1]. (3)
对于Tn簇,n∈[1,m-1]中的一个节点p,Tn+1簇中存在一个节点q使得dist(p,q)≤Eps,并且q处于能量消耗率区间则q从Tn+1簇中转移至Tn簇,即,q∈Tn,依据以上的二次成簇规则,对各个簇中的节点依据能量消耗率从低到高的顺序进行遍历,形成新的Tn′簇,其中n′∈[1,m]。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910326590.XA CN110134121A (zh) | 2019-04-23 | 2019-04-23 | 一种移动充电器的最优路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910326590.XA CN110134121A (zh) | 2019-04-23 | 2019-04-23 | 一种移动充电器的最优路径规划方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110134121A true CN110134121A (zh) | 2019-08-16 |
Family
ID=67570695
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910326590.XA Pending CN110134121A (zh) | 2019-04-23 | 2019-04-23 | 一种移动充电器的最优路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110134121A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115014362A (zh) * | 2022-08-09 | 2022-09-06 | 之江实验室 | 一种基于合成单元的牛耕式全覆盖路径规划方法和装置 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101493518A (zh) * | 2009-02-16 | 2009-07-29 | 中国科学院计算技术研究所 | 无线传感器网络节点定位方法及装置 |
CN105992340A (zh) * | 2016-06-29 | 2016-10-05 | 合肥民众亿兴软件开发有限公司 | 一种基于网络密度分簇的移动信标辅助定位方法 |
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 |
CN107277840A (zh) * | 2017-06-09 | 2017-10-20 | 浙江工业大学 | 一种可充电无线传感器网络数据收集方法 |
CN107613540A (zh) * | 2017-11-07 | 2018-01-19 | 合肥工业大学 | 一种无线可充电传感器网络聚类分簇路由方法 |
CN107835499A (zh) * | 2017-10-26 | 2018-03-23 | 河海大学常州校区 | 一种WSNs中基于分簇和能量中继的移动充电方法 |
CN108512754A (zh) * | 2018-03-23 | 2018-09-07 | 南京邮电大学 | 一种基于移动sink的无线传感网分簇算法 |
US20180338245A1 (en) * | 2017-05-22 | 2018-11-22 | Apple Inc. | Managing moving wireless access points in wireless network positioning system |
CN108882225A (zh) * | 2018-05-07 | 2018-11-23 | 中山大学 | 一种无线传感器网络中基于测距的安全定位方法 |
CN109495945A (zh) * | 2018-12-18 | 2019-03-19 | 河海大学常州校区 | 一种WSNs中基于聚类分簇的协同充电方法 |
-
2019
- 2019-04-23 CN CN201910326590.XA patent/CN110134121A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101493518A (zh) * | 2009-02-16 | 2009-07-29 | 中国科学院计算技术研究所 | 无线传感器网络节点定位方法及装置 |
CN105992340A (zh) * | 2016-06-29 | 2016-10-05 | 合肥民众亿兴软件开发有限公司 | 一种基于网络密度分簇的移动信标辅助定位方法 |
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 |
US20180338245A1 (en) * | 2017-05-22 | 2018-11-22 | Apple Inc. | Managing moving wireless access points in wireless network positioning system |
CN107277840A (zh) * | 2017-06-09 | 2017-10-20 | 浙江工业大学 | 一种可充电无线传感器网络数据收集方法 |
CN107835499A (zh) * | 2017-10-26 | 2018-03-23 | 河海大学常州校区 | 一种WSNs中基于分簇和能量中继的移动充电方法 |
CN107613540A (zh) * | 2017-11-07 | 2018-01-19 | 合肥工业大学 | 一种无线可充电传感器网络聚类分簇路由方法 |
CN108512754A (zh) * | 2018-03-23 | 2018-09-07 | 南京邮电大学 | 一种基于移动sink的无线传感网分簇算法 |
CN108882225A (zh) * | 2018-05-07 | 2018-11-23 | 中山大学 | 一种无线传感器网络中基于测距的安全定位方法 |
CN109495945A (zh) * | 2018-12-18 | 2019-03-19 | 河海大学常州校区 | 一种WSNs中基于聚类分簇的协同充电方法 |
Non-Patent Citations (5)
Title |
---|
吕杨: "无线可充电传感器网络充电规划研究", 《中国优秀博硕士学位论文全文数据库(硕士)》 * |
李轶,等: "一种DBSCAN聚类点密度的加权质心定位算法", 《河南科技大学学报(自然科学版)》 * |
胡诚,等: "无线可充电传感器网络中充电规划研究进展", 《软件学报》 * |
陈飞羽: "无线可充电网络中基于移动充电源的充电规划研究", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
马腾: "无线传感器网络安全数据融合关键技术的研究与应用", 《中国优秀博士学位论文全文数据库》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115014362A (zh) * | 2022-08-09 | 2022-09-06 | 之江实验室 | 一种基于合成单元的牛耕式全覆盖路径规划方法和装置 |
CN115014362B (zh) * | 2022-08-09 | 2022-11-15 | 之江实验室 | 一种基于合成单元的牛耕式全覆盖路径规划方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Han et al. | A joint energy replenishment and data collection algorithm in wireless rechargeable sensor networks | |
Li et al. | Qi-ferry: Energy-constrained wireless charging in wireless sensor networks | |
Xie et al. | Multi-node wireless energy charging in sensor networks | |
CN109862612B (zh) | 基于双功能小车移动路径规划的数据收集和无线充电方法 | |
Wu et al. | An energy-efficient UAV-based data aggregation protocol in wireless sensor networks | |
Chen et al. | Speed control of mobile chargers serving wireless rechargeable networks | |
Gharajeh et al. | DFRTP: dynamic 3D fuzzy routing based on traffic probability in wireless sensor networks | |
Sapre et al. | A differential moth flame optimization algorithm for mobile sink trajectory | |
CN108173664A (zh) | 一种多跳无线可充电传感器网络中谐振中继器部署方法 | |
He et al. | On wireless power transfer and max flow in rechargeable wireless sensor networks | |
CN105451292A (zh) | WRSNs中基于网格结构的分层网络充电方法及系统 | |
Boukerche et al. | A novel joint optimization method based on mobile data collection for wireless rechargeable sensor networks | |
Sha et al. | A periodic and distributed energy supplement method based on maximum recharging benefit in sensor networks | |
Guo et al. | Research on hybrid cooperative charging scheduling schemes in underwater sensor networks | |
Zhang et al. | Energy-efficient renewable scheme for rechargeable sensor networks | |
Aljubaily et al. | Energy sink-holes avoidance method based on fuzzy system in wireless sensor networks | |
Li et al. | Predicting-scheduling-tracking: Charging nodes with non-deterministic mobility | |
CN110134121A (zh) | 一种移动充电器的最优路径规划方法 | |
Wedaj et al. | Reco: On-demand recharging and data collection for wireless rechargeable sensor networks | |
Huong et al. | Optimizing charging locations and charging time for energy depletion avoidance in wireless rechargeable sensor networks | |
Li et al. | Cooperative recharge scheme based on a Hamiltonian path in mobile wireless rechargeable sensor networks | |
Han et al. | CTRA: A complex terrain region-avoidance charging algorithm in Smart World | |
Chen | A novel data collection method with recharge plan for rechargeable wireless sensor networks | |
CN115190560A (zh) | 基于簇的自适应充电路径优化方法 | |
Li et al. | Multi-node energy policy for wireless sensor networks |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190816 |