CN110518940B - 不完美充电信道与有限能量存储下的可充电传感器网络的充电方法 - Google Patents

Abstract

本发明公开了一种不完美充电信道与有限能量存储下的可充电传感器网络的充电方法，涉及无线能量传输技术领域，该不完美充电信道与有限能量存储下的可充电传感器网络的充电方法实现一个自持续可充电的无线传感器网络。在WCV容量有限和CCQ不完美两种限制下，提出了一种求解方法，并利用最近邻居算法求出了WCV的旅行路径。提出了扩展性节点动态替换策略，避免了未充电的生命临界的节点的死亡。大量仿真结果表明该方法能较好地降低浪费率。同时，还可以尽可能地减少总充电时间。

Description

不完美充电信道与有限能量存储下的可充电传感器网络的充 电方法

技术领域

本发明涉及无线能量传输技术领域，特别涉及一种不完美充电信道与有限能量存储下的可充电传感器网络的充电方法。

背景技术

无线传感器网络(WSNs)在军事检测，环境监测，灾难预警以及智能家居等方面有广泛的应用。传统的WSNs中节点的能量由电池提供，尺寸有限导致了有限的电池容量，因此节点的可用能量是不充足的，这将极大地限制WSNs的应用。同时，节点部署的位置通常是人力不可及，更换电池的成本是非常大。无线能量传输技术在为无线传感器节点充电这一方面备受关注。由于能量传输需要无线信道，充电效率受到无线移动充电小车与节点之间充电质量的影响。此外，在实际生活中，无线移动充电小车的容量是有限的。但是，在当前的工作中并没有很好的考虑这两种因素。

发明内容

本发明所要解决的技术问题是提供一种不完美充电信道与有限能量存储下的可充电传感器网络的充电方法，有效提高充电速率，节点的成本以及能量管理的复杂度可以被有效降低。

为实现上述目的，本发明提供以下的技术方案：

该不完美充电信道与有限能量存储下的可充电传感器网络的充电方法包括一组分布在有限二维区域上的传感器节点V，传感器节点的二维坐标为(/>，/>)，在传感器网络中，有一个固定的基站S用来收集传感数据的汇聚节点，E集合构成在彼此传输范围内的两个节点之间的边，每个传感器节点/>的电池的最大容量为/>，节点正常工作的最低能量水平为/>，传感器节点/>的初始能量为/>，并且/>；/>为节点/>在时刻t的剩余能量，当t＝0，/>。当剩余能量小于/>时，传感器节点/>停止工作；

传感器节点消耗的能量可以分为三个部分：和/>，分别表示传感器节点/>在/>时间内发送数据、感知数据和接收数据时消耗的能量。其中，/>和/>包括：(1)自身节点收发数据所消耗的能量；(2)由于网络工作在多跳模式下，一些能量被用来接收和传输来自相邻传感器节点的数据。传感器节点/>的能量消耗率定义为传感器节点在单位时间内消耗的能量。设t时刻前传感器节点的能耗率为/>，可表示为

.（1）

有限容量的WCV从基站出发，依次对算法选择的最优传感器节点进行充电，将这些传感器节点充电后返回基站，WCV的行走路径形成一个循环路径；

表示在WCV与传感器节点/>之间的充电速率。充电时延/>是WCV为节点/>充电花费的时间，可定义为

.（2）

是WCV离开节点/>到离开节点/>的总时间，可表示为

, （3）

其中，表示WCV从节点/>到节点/>的旅行时间,可以转换成距离和速度的函数。我们用/>代表节点的位置坐标/>，/>是节点/>与节点/>之间的水平距离，我们使用欧几里得公式，距离可表示为/>./>是WCV的速度，,我们在仿真中定义/>；

在细胞结构下，用代表节点/>到其单元中心的距离；认为每一个六角形单元为一个簇组，发送充电请求的节点随机分布在某些簇组内，节点向基站发送充电请求信息，其中包括/>和/>，/>代表了发送请求的节点所在的簇组，/>为在/>簇组内发送充电请求的节点数量，0≤/>≤|V|，|V|是二维平面内节点的最大数量，/>代表了在簇组/>的节点/>在t时的剩余能量，根据簇组内发送充电请求的节点剩余能量，将节点分成三类：a、b、k，a代表在t时剩余能量多于/>但少于/>的节点；b代表在t时剩余能量多于/>但少于/>的节点；k代表在t时剩余能量多于/>但少于/>的节点，同时定义在/>簇组内的不同种类节点的数量分别为/>、/>、/>，并且/>；

结合细胞结构，我们定义每个簇组的优先级为/>簇组的权值，可以表示为

. （4）

在(4), 我们引入了调和系数以及/>，他们满足

(5)

(6)

从(4)中, 可以看出在选择簇组时，调节谐波系数的系数可以实现不同的网络性能，当较大时，主要考虑/>簇组中发送充电请求的传感器节点总数/>。当/>较大时，更多地考虑簇组内剩余能量的分布状况。对于/>，我们主要考虑对不同类型节点的偏向；

发送充电请求的簇组按权重值顺序存储在集合中，/>，其中/>表示发送充电请求的簇组的数量，应先选择权重值较大的簇组进行充电，能量较少、充电请求较多的传感器节点簇组通常具有较高的充电优先级；

选择的充电簇组数量与/>相关，其中，/>为一个充电周期内WCV的最长时间，即，

.(7)

选择的充电簇组存储在集合中,/>. 我们可以得到/>. WCV将根据哈密顿圆对这些簇组中的最优传感器节点进行充电，其停止位置为每个簇组的中心；

表明每个充电周期的总充电时间的范围，我们采取了极限值的方法获得优先充电簇组的数量：(1)簇组内所有发送充电请求的传感器节点的剩余能量为，也就是说，这些传感器节点刚刚满足发送收费请求的阈值；

(8)

(9)

(10)

(11)

(2)簇组中所有请求充电的传感器节点剩余能量都无限接近于0，即所有发送请求的传感器节点都处于死亡边缘，一个传感器节点的，可以从(2)获得，每个充电周期为个节点充电的总时间由(8)表示，因此，充电簇组的数量可以从(9)获得，(9)在(7)的条件下可以转化为(10)，也可以通过(11)，使用能量计算/>，其中/>是WCV的最大电池容量；

每个簇组内节点数量为1～6。对于簇组来说，可以看出/>1，分别设置/>0.7,/>0.1，利用(4)，可以获得/>簇组的权重值/>为2.16，按照以上步骤对各个簇组的权重值逐一计算；

根据各个簇组的权重值，发送充电请求的簇组可以排序为c7＞c2＞c1＞c4＞c9＞c3＞c6 ＞c10＞c8＞c5，即A＝{c7，c2，c1，c4，c9，c3，c6，c10，c8，c5}。由于WCV的容量有限，使用(9)获得选择充电簇组数量，计算结果为5，因此，B＝{c7，c2，c1，c4，c9}，WCV偏向于为簇组，/>簇组，the/>簇组，the/>簇组和/>簇组内的最优充电节点进行充电。

采用以上技术方案的有益效果是：该不完美充电信道与有限能量存储下的可充电传感器网络的充电方法实现一个自持续可充电的无线传感器网络。在WCV容量有限和CCQ不完美两种限制下，提出了一种求解方法，并利用最近邻居算法求出了WCV的旅行路径。提出了扩展性节点动态替换策略，避免了未充电的生命临界的节点的死亡。大量仿真结果表明该方法能较好地降低浪费率。同时，还可以尽可能地减少总充电时间。

附图说明

下面结合附图对本发明的具体实施方式作进一步详细的描述。

图1是该不完美充电信道与有限能量存储下的可充电传感器网络的充电方法的节点替换策略示意图。

具体实施方式

下面结合附图详细说明本发明不完美充电信道与有限能量存储下的可充电传感器网络的充电方法的优选实施方式。

图1出示本发明不完美充电信道与有限能量存储下的可充电传感器网络的充电方法的具体实施方式：

该不完美充电信道与有限能量存储下的可充电传感器网络的充电方法包括一组分布在有限二维区域上的传感器节点V，传感器节点的二维坐标为(/>，/>)，在传感器网络中，有一个固定的基站S用来收集传感数据的汇聚节点，E集合构成在彼此传输范围内的两个节点之间的边，每个传感器节点/>的电池的最大容量为/>，节点正常工作的最低能量水平为/>，传感器节点/>的初始能量为/>，并且/>；/>为节点/>在时刻t的剩余能量，当t＝0，/>。当剩余能量小于/>时，传感器节点/>停止工作；

传感器节点消耗的能量可以分为三个部分：和/>，分别表示传感器节点/>在/>时间内发送数据、感知数据和接收数据时消耗的能量。其中，/>和/>包括：(1)自身节点收发数据所消耗的能量；(2)由于网络工作在多跳模式下，一些能量被用来接收和传输来自相邻传感器节点的数据。传感器节点/>的能量消耗率定义为传感器节点在单位时间内消耗的能量。设t时刻前传感器节点的能耗率为/>，可表示为

.（1）

有限容量的WCV从基站出发，依次对算法选择的最优传感器节点进行充电，将这些传感器节点充电后返回基站，WCV的行走路径形成一个循环路径；

表示在WCV与传感器节点/>之间的充电速率。充电时延/>是WCV为节点/>充电花费的时间，可定义为

.（2）

是WCV离开节点/>到离开节点/>的总时间，可表示为

, （3）

其中，表示WCV从节点/>到节点/>的旅行时间,可以转换成距离和速度的函数。我们用/>代表节点的位置坐标/>，/>是节点/>与节点/>之间的水平距离，我们使用欧几里得公式，距离可表示为/>./>是WCV的速度，,我们在仿真中定义/>；

在细胞结构下，用代表节点/>到其单元中心的距离；认为每一个六角形单元为一个簇组，发送充电请求的节点随机分布在某些簇组内，节点向基站发送充电请求信息，其中包括/>和/>，/>代表了发送请求的节点所在的簇组，/>为在/>簇组内发送充电请求的节点数量，0≤/>≤|V|，|V|是二维平面内节点的最大数量，/>代表了在簇组/>的节点/>在t时的剩余能量，根据簇组内发送充电请求的节点剩余能量，将节点分成三类：a、b、k，a代表在t时剩余能量多于/>但少于/>的节点；b代表在t时剩余能量多于/>但少于的节点；k代表在t时剩余能量多于/>但少于/>的节点，同时定义在/>簇组内的不同种类节点的数量分别为/>、/>、/>，并且/>；

结合细胞结构，我们定义每个簇组的优先级为/>簇组的权值，可以表示为

. （4）

在(4), 我们引入了调和系数以及/>，他们满足

(5)

(6)

从(4)中, 可以看出在选择簇组时，调节谐波系数的系数可以实现不同的网络性能，当较大时，主要考虑/>簇组中发送充电请求的传感器节点总数/>。当/>较大时，更多地考虑簇组内剩余能量的分布状况。对于/>，我们主要考虑对不同类型节点的偏向；

发送充电请求的簇组按权重值顺序存储在集合中，/>，其中/>表示发送充电请求的簇组的数量，应先选择权重值较大的簇组进行充电，能量较少、充电请求较多的传感器节点簇组通常具有较高的充电优先级；

选择的充电簇组数量与/>相关，其中，/>为一个充电周期内WCV的最长时间，即，

.(7)

选择的充电簇组存储在集合中,/>. 我们可以得到/>. WCV将根据哈密顿圆对这些簇组中的最优传感器节点进行充电，其停止位置为每个簇组的中心；

表明每个充电周期的总充电时间的范围，我们采取了极限值的方法获得优先充电簇组的数量：(1)簇组内所有发送充电请求的传感器节点的剩余能量为，也就是说，这些传感器节点刚刚满足发送收费请求的阈值；

(8)

(9)

(10)

(11)

(2)簇组中所有请求充电的传感器节点剩余能量都无限接近于0，即所有发送请求的传感器节点都处于死亡边缘，一个传感器节点的，可以从(2)获得，每个充电周期为个节点充电的总时间由(8)表示，因此，充电簇组的数量可以从(9)获得，(9)在(7)的条件下可以转化为(10)，也可以通过(11)，使用能量计算/>，其中/>是WCV的最大电池容量；

每个簇组内节点数量为1～6。对于簇组来说，可以看出/>1，分别设置/>0.7,/>0.1，利用(4)，可以获得/>簇组的权重值/>为2.16，按照以上步骤对各个簇组的权重值逐一计算；如下表所示。

根据各个簇组的权重值，发送充电请求的簇组可以排序为c7＞c2＞c1＞c4＞c9＞c3＞c6 ＞c10＞c8＞c5，即A＝{c7，c2，c1，c4，c9，c3，c6，c10，c8，c5}。由于WCV的容量有限，使用(9)获得选择充电簇组数量，计算结果为5，因此，B＝{c7，c2，c1，c4，c9}，WCV偏向于为簇组，/>簇组，the/>簇组，the/>簇组和/>簇组内的最优充电节点进行充电。

WCV与传感器节点间的CCQ至于距离有关，因此，节点的浪费率/>表示为

,(12)

其中，是WCV输出的全部能量，/>是节点/>的充电能量，充电能量/>表示为

,(13)

其中，是一个关于距离/>的函数，正如上部分讨论，/>是节点到它簇组中心的距离，并且/>。从(13)可以发现，/>只有距离有关。

由式(13)可以看出，能源浪费率与依赖于距离的CCQ密切相关。也就是说，能量效率与距离有关。由于可以通过最小化能量浪费率来提高能量效率，因此需要优化WCV与传感器节点之间的距离，使能量浪费率最小。需要针对我们的最优目标提出一个最优的充电节点解决方案。

由于传感器节点数量较多，为评价所有节点的浪费率，我们定义最优传感器节点的平均能量浪费率为:

,(14)

式中为最优充电传感器节点个数，为保证WCV充电效率，传感器节点/>处的浪费率/>和传感器节点平均浪费率/>应小于1。

此外，不同的旅行路径会导致不同的旅行距离，那么在不同的旅行路径上花费的时间和能量也会不同。以往的一些工作，虽然对路径规划进行了研究，但没有考虑到WCV的旅行路径所产生的能量浪费。移动路径不仅影响能量的浪费率，而且影响每个节点的充电时间。为了避免不必要的能量损失，我们还考虑在能量浪费率最小的情况下减小WCV的行走路径。为了优化WCV的旅行路径，WCV应沿哈密顿圆运动，即众所周知的旅行商问题(TSP)。

WCV到达簇组的中心位置后，簇组中的发送充电请求的节点分别向WCV发送自己的CCQ,由于WCV的容量是有限的，考虑到CCQ，选择最优充电传感器节点来减少能量浪费率。从整个WRSNs的角度来看，有两个优化目标：(1)期望网络状态稳定，即，传感器节点的策略是稳定的。(2)由于WCV的容量有限，所有平均能量浪费率较低，即，优化对象为：

优化目标是使由式(16)引起的能量浪费率最小化，即，WCV的容量是有限的。(8)可以保证总充电时间小于一个充电周期中WCV的最大充电时间。(15)表明，在实际中，能量浪费率必须大于0，即在一簇组为单位发送充电请求的最优节点的充电效率无法达到。同时，为了保证充电效率，能量浪费率必须小于1。由(14)可知，平均能量浪费率应小于1。

表示为平均能源浪费率。/>由(15)决定。为了满足优化目标，功率接收速率应通过调整传感器节点的距离达到最大值。我们可以从(10)或(11)中得到。对于(13)我们可以通过求导得到最大值。我们认为这个问题可以用我们的解来解决，解由四个步骤组成。

可以通过Algorithm. 2得到最优的传感器节点，通过反证法证明。然后给出了Algorithm. 2复杂度的一个定理，并进行了证明。

Theorem1：通过算法2，我们可以得到最优的充电传感器节点，使能量浪费率最小。

Proof：假设：给出一个优化方法，其中，一些选择的节点不是最优的。

我们构造一个新的方法其中选择的节点均为最优，在/>内的/>是选取节点的集合，其中，一些节点比如/>不是最优的，我们假设在/>和/>内的/>是相同的，即/>。新的方法/>可以构建如下让/>是选择的最优节点的集合，/>是相对应的每个充电周期内总充电时间。因为在/>内的节点是最优的，我们可以得出/>，从(14)可知，/>、/>和/>、/>分别代表了在/>和/>内的节点/>的浪费率。由于/>，我们可以得出，在/>和/>内，节点的平均能量浪费率是不同的，即/>。同时，不同的能量浪费率导致了不同的充电效率，因此导致不同的总充电时间从（2）我们可以得到/>。可以发现，方法/>可以提供一个改善的优化的目标。

证明了方法对我们的优化问题是可行的。为了证明可行，我们需要证明/>满足限制条件(7)，(14)和(15)。因为/>对我们的问题是可行的，它满足限制条件(7)，(14) 和(15)。对于/>，从（7）可知，/>，因此/>，所以满足条件(7)。对于，可以直观地看出/>，满足(14)。我们认为在/>方法节点/>不是最优的，因此/>。因为/>，我们可以得出/>，因此满足(15)。

因此，方法是一个可行的，并且可以改进优化方法/>。

当在簇组中找到最优的充电传感器节点时，最优解可能不是生命临界传感器节点。此时，为了避免充电请求未得到满足的传感器节点死亡，我们还提出了扩展性节点动态替换策略(ENDRS)。

当WCV没有选择生命关键的传感器节点时，由于网络仍在工作，传感器节点仍在感知数据、发送数据和接收数据。随着能量的消耗，剩余的能量很可能被耗尽。

根据上面的讨论，簇组中的每个传感器节点可以相互通信，当单个传感器节点死亡时，可以由其邻居节点替换。虽然单个传感器节点的死亡可能不会造成网络的覆盖漏洞，但是节点的死亡是不可逆转的。当剩余能量小于时，传感器节点停止工作。如果不采取措施，当传感器节点死亡过多时，无线可充电传感器网络极有可能出现覆盖漏洞，影响网络性能。为了避免传感器节点的死亡，保证网络的连通性和稳定性，我们使生命关键的传感器节点睡眠，其工作由充电要求得到满足的传感器节点承担。然后休眠节点等待下一轮充电周期。

如图1所示，假设在充电周期中，WCV选择剩余能量为12％的节点1进行充电，而不是剩余能量为5％的节点2。在网络连续通信的状态下，如果不采取措施，节点2很快就会死亡，在该区域造成覆盖漏洞的概率很大，网络的连通性和稳定性会下降。此时采用ESRN策略来使得该传感器节点进入睡眠，将传感器节点的工作转移到充电要求得到满足的节点，即节点1承担节点2的数据传输工作。节点2停止所有数据传输，等待下一轮充电周期。

以上的仅是本发明的优选实施方式，应当指出，对于本领域的普通技术人员来说，在不脱离本发明创造构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。

Claims (1)

1. 一种不完美充电信道与有限能量存储下的可充电传感器网络的充电方法，其特征在于：所述不完美充电信道与有限能量存储下的可充电传感器网络的充电方法包括一组分布在有限二维区域上的传感器节点V，传感器节点的二维坐标为(/>，/>)，在传感器网络中，有一个固定的基站S用来收集传感数据的汇聚节点， E集合构成在彼此传输范围内的两个节点之间的边，每个传感器节点/>的电池的最大容量为/>，节点正常工作的最低能量水平为/>，传感器节点/>的初始能量为/>，并且/>；/>为节点/>在时刻t的剩余能量，当t＝0，/>，当剩余能量小于/>时，传感器节点/>停止工作；

传感器节点消耗的能量分为三个部分：和/>，分别表示传感器节点/>在/>时间内发送数据、感知数据和接收数据时消耗的能量；其中，/>和/>包括：①自身节点收发数据所消耗的能量；②由于网络工作在多跳模式下，一些能量被用来接收和传输来自相邻传感器节点的数据，传感器节点/>的能量消耗率定义为传感器节点在单位时间内消耗的能量，设t时刻前传感器节点的能耗率为/>，表示为

（1）

有限容量的WCV从基站出发，依次对算法选择的最优传感器节点进行充电，将这些传感器节点充电后返回基站，WCV的行走路径形成一个循环路径；

表示在WCV与传感器节点/>之间的充电速率，充电时延/>是WCV为节点/>充电花费的时间，定义为

（2）

是WCV离开节点/>到离开节点/>的总时间，表示为

,（3）

其中，表示WCV从节点/>到节点/>的旅行时间,可以转换成距离和速度的函数，用/>代表节点的位置坐标/>，/>是节点/>与节点/>之间的水平距离，使用欧几里得公式，距离表示为/>， />是WCV的速度，,在仿真中定义；

在细胞结构下，用代表节点/>到其单元中心的距离；认为每一个六角形单元为一个簇组，发送充电请求的节点随机分布在某些簇组内，节点向基站发送充电请求信息，其中包括和/>，/>代表了发送请求的节点所在的簇组，/>为在/>簇组内发送充电请求的节点数量，0≤/>≤|V|，|V|是二维平面内节点的最大数量，/>代表了在簇组/>的节点/>在t时的剩余能量，根据簇组内发送充电请求的节点剩余能量，将节点分成三类：a、b、k，a代表在t时剩余能量多于/>但少于/>的节点；b代表在t时剩余能量多于/>但少于/>的节点；k代表在t时剩余能量多于/>但少于/>的节点，同时定义在/>簇组内的不同种类节点的数量分别为/>、/>、/>，并且/>；

结合细胞结构，定义每个簇组的优先级为/>簇组的权值，表示为

（4）

在(4), 引入调和系数以及/>，他们满足

(5)

(6)

从(4)中,看出在选择簇组时，调节谐波系数的系数可以实现不同的网络性能，当较大时，主要考虑/>簇组中发送充电请求的传感器节点总数/>；当/>较大时，更多地考虑簇组内剩余能量的分布状况；对于/>，主要考虑对不同类型节点的偏向；

发送充电请求的簇组按权重值顺序存储在集合中，/>，其中/>表示发送充电请求的簇组的数量，应先选择权重值较大的簇组进行充电，能量较少、充电请求较多的传感器节点簇组通常具有较高的充电优先级；

选择的充电簇组数量与/>相关，其中，/>为一个充电周期内WCV的最长时间，即，

(7)

选择的充电簇组存储在集合中, />，得到/>，WCV将根据哈密顿圆对这些簇组中的最优传感器节点进行充电，其停止位置为每个簇组的中心；

表明每个充电周期的总充电时间的范围，采取了极限值的方法获得优先充电簇组的数量：（Ⅰ）簇组内所有发送充电请求的传感器节点的剩余能量为，也就是说，这些传感器节点刚刚满足发送收费请求的阈值；

(8)

(9)

(10)

(11)

（Ⅱ）簇组中所有请求充电的传感器节点剩余能量都无限接近于0，即所有发送请求的传感器节点都处于死亡边缘，一个传感器节点的，从(2)获得，每个充电周期为/>个节点充电的总时间由(8)表示，因此，充电簇组的数量从(9)获得，(9)在(7)的条件下转化为(10)，也可以通过(11)，使用能量计算/>，其中/>是WCV的最大电池容量；

每个簇组内节点数量为1～6，对于簇组来说，可以看出/>1，分别设置0.7,/>0.1，利用(4)，获得/>簇组的权重值/>为2.16，按照以上步骤对各个簇组的权重值逐一计算；

根据各个簇组的权重值，发送充电请求的簇组排序为c7＞c2＞c1＞c4＞c9＞c3＞c6＞c10＞c8＞c5，即A＝{c7，c2，c1，c4，c9，c3，c6，c10，c8，c5}，由于WCV的容量有限，使用(9)获得选择充电簇组数量，计算结果为5，因此，B＝{c7，c2，c1，c4，c9}，WCV偏向于为簇组，簇组， />簇组， />簇组和/>簇组内的最优充电节点进行充电。