CN110662175B - 一种基于无线可充电传感器网络的移动车速度控制方法 - Google Patents

Abstract

本发明提供了一种基于无线可充电传感器网络的移动车速度控制方法，属于无线可充电传感器网络领域。流程如下：1.无线传感器网络的分簇处理；2.规划移动车的路径。3.控制移动车的速度。移动车在规划好的固定轨迹下移动，并在移动过程中对周围的节点补充电量同时收集簇头节点数据。本发明的有益效果在于：移动车沿簇头节点组成的最短有向哈密顿路径移动，有效地降低了移动车行驶过程中的能量消耗；本发明解决了由于靠近接收器的传感器节点需要转发其他传感器节点的数据，导致无线可充电传感器网络中存在节点能量消耗不平衡的问题；还解决了采集的数据若不及时上传到基站易造成缓存溢出的问题。

Description

一种基于无线可充电传感器网络的移动车速度控制方法

技术领域

本发明属于无线可充电传感器网络领域，主要涉及一种移动车辆速度控制方法。

背景技术

在无线传感器网络中，能量是决定传感器网络生存时间的关键性因素。随着无线电能传输技术的发展，无线可充电传感器网络克服了传感器能量有限的约束，有效地延长了网络的生存时间，成为各国研究者关注的热点问题。由于在无线可充电传感器网络中，靠近接收器的传感器以及接收器自身转发的数据量更多，能量消耗更快可能导致节点过早死亡，影响整个网络的连通性，造成能量空洞问题的产生。因此，本发明采用带有数据收集与充电功能的移动车，为传感器节点充电的同时对传感器节点的数据进行收集。

目前研究的主要问题是高效的充电策略以及降低网络能耗的方法，达到延长传感器网络寿命的目的。第一类研究提出充电基站部署方法。由于无线充电基站的造价一般都很高，通过充电基站的合理部署，在满足对传感器节点进行高效的能量补充的同时最小化充电基站的数量。专利“一种无线可充电传感器网络的充电基站部署方法”(CN109246602A)与本专利的关注点不同，本发明关注移动充电以及数据采集过程。第二类研究移动充电器对传感器的充电策略。移动充电器周期性地对所有的传感器节点补充电量，在保证所有节点能量自维持的条件下，最大化完成任务的效用。但由于没有对传感器节点进行分簇处理，移动充电器为所有传感器节点补充能量将导致充电总时延的增加。(Wang X,Dai H,HuangH,et al.Robust Scheduling for Wireless Charger Networks[C]//IEEEINFOCOM.2019.)。第三类研究提出对移动数据采集与充电进行联合优化，根据节点剩余电量确定节点充电的紧急程度，进一步确定充电锚点的位置。通过对移动车充电路径进行合理规划，移动车在充电锚点处对传感器节点进行充电同时采集传感器节点的数据。但是没有考虑到移动车在移动过程中对传感器节点充电的情况，造成充电完成时间增加。(HuangH,Li C,Liu F,et al.Mobile Data Gathering and Charging in WirelessRechargeable Sensor Networks 2018International Conference on Cyber-EnabledDistributed Computing and Knowledge Discovery(CyberC).IEEE,2018:378-3786.)。

综上所述，目前的研究工作主要存在以下问题：

在无线可充电传感器网络中，现存的大部分研究考虑移动车行驶到指定位置后停下给传感器充电，忽略了移动车在行驶过程中对传感器节点的能量补充，这将导致充电完成时间的增加。

由于现实场景中的实际地形的限制以及障碍物的存在，移动车的行驶路径受到限制。现存的研究对于移动车的路径规划过于理想化，缺乏对于实际环境的考虑。

发明内容

本发明提供了一种基于无线可充电传感器网络的移动车速度控制方法，目的是通过在固定轨迹下控制移动车的速度，移动车对传感器节点补充能量的同时收集簇头节点数据，在保证传感器节点缓存不溢出以及传感器能量自维持的条件下，最大化数据收集量。

移动小车通过对传感器进行充电以及收集传感器的数据，保证网络的长久运行，实现网络效益最大化。无线可充电传感器网络的结构为分簇结构，簇头负责收集簇内传感器节点的数据。移动车上装有充电器以及数据采集设备，在移动车移动的过程中对传感器节点充电同时对簇头节点的数据进行采集，减少由于簇头节点转发数据到基站造成能量消耗过多的问题。本发明采用在固定轨迹下对移动车速度控制的方法，保证传感器节点能量自维持以及节点缓存不溢出的前提下，最大化采集数据量。

本发明的具体流程如下：

步骤一：无线传感器网络的分簇处理。采用低能耗自适应聚类路由协议(TEEN)选择簇头以及簇内成员，该协议具有低功率、聚类自适应和节点平等的特点。

步骤二：规划移动车的路径。根据选出的簇头节点的位置信息，使得移动车可以遍历所有的簇头节点，并且保证移动车的行驶总路程最小，最小化移动车的行驶能耗。本发明利用最短有向哈密顿路径算法规划移动车行驶的路径。

步骤三：控制移动车的速度。移动车在规划好的固定轨迹下移动，并在移动过程中对周围的节点补充电量同时收集簇头节点数据。移动车的移动速度由簇头节点的剩余缓存容量以及剩余电量共同决定。

本发明还包括：

步骤一的具体实现步骤如下：

步骤1.1：确定传感器节点能量补充方式。在无线可充电传感器网络中，所有传感器节点随机分布且位置固定，每个传感器上装有射频信号接收标签，可以接收移动车的射频信号补充电量。移动车在移动过程中为在其射频信号传输半径内的传感器节点补充电量。与移动车的距离为d的传感器节点充电功率P_r表达式如下：

其中，d表示节点和充电器之间的距离，P₀表示充电器的充电功率，G_s表示源天线增益，G_r表示接收天线增益，L_p表示极化损耗，λ表示波长，η表示节点的整流效率，β表示近距离时用于调整Friis自由空间方程的参数,d是等式中唯一的变量，该距离可由欧几里得公式根据移动车与传感器之间的距离求出。

步骤1.2：根据低能耗自适应聚类路由协议(TEEN)选出无线可充电传感器网络的簇头节点。簇头节点在每个轮次会进行更换，在每个轮次中所有传感器节点都会产生一个随机数x(0＜x＜1)，将产生的随机数x与阈值Y(m)进行比较，若x＜Y(m)，则该传感器节点成为簇头节点，并采用广播的方式通知其他所有非簇头的传感器节点，非簇头传感器节点根据收到的簇头广播信号强度决定自己的归属簇，最终完成簇的生成，生成的簇头节点集合为S＝{s₁,s₂,…,s_n}。

阈值Y(m)表达式如下：

其中p为簇头节点占节点总数的比例，r为当前执行的轮数，G为前r-1轮未成为簇头的节点集合。

步骤二的具体实现步骤如下：

利用最短有向哈密顿路径算法生成移动车行驶路径。根据步骤一得到的n个簇头节点的位置信息，利用最短有向哈密顿路径算法，使得移动车经过所有簇头节点一次且仅一次，得出n个簇头节点的遍历顺序，移动车在相邻簇头之间沿直线行走。有向图G＝{S,L}表示移动车行驶路径图，其中S＝{s₁,s₂,…,s_n}表示由所有簇头节点组成的有向图G的顶点集合，并根据小车遍历传感器的顺序为传感器节点编号，经过的第一个传感器节点序号为s₁，经过的第n个传感器节点的序号为s_n；L＝{l₁,l₂,…l_n}表示有向图的有向边的集合，其中当i＝1,2,…n-1时，l_i表示从顶点s_i到顶点s_i+1之间的有向边；l_n表示顶点s_n到顶点s₁之间的有向边。

步骤三的具体实现步骤如下：

步骤3.1：确定簇头节点剩余可用资源量。本发明主要考虑传感器节点的资源类型是电量以及缓存的存储空间。因此，定义传感器节点的剩余可用资源量由传感器节点的剩余电量以及剩余可用存储空间的大小决定。设每个传感器节点的电池容量为E,缓存的存储空间大小为C，则传感器可用资源量最大值为Q＝E+C。由于在一段时间内每个簇内的成员感知的数据量不同，簇头节点的剩余电量以及剩余可用缓存空间也不同，导致在不同时刻簇头节点的剩余可用资源量不同。设簇头节点s_i的剩余电量为E_i，缓存区的剩余容量为C_i，则簇头节点s_i剩余可用资源量表示为Q_i＝αE_i+βC_i,其中α∈(0，1)，β∈(0,1)为表示权重常量且α+β＝1。

步骤3.2：确定有向边剩余可用资源量。M_i表示边l_i的剩余可用资源量，其数值由该有向边的起始点s_i和终止点s_i+1的剩余可用资源量共同决定。

步骤3.3：确定移动车速度。移动车在同一路段的速度为匀速，在不同路段的速度由有向边剩余可用资源量以及边长共同决定。当移动车经过点s_i时，计算此时该路段l_i的剩余可用资源量M_i，路段l_i的长度为|l_i|，设移动车行驶最大速度为v_max，则移动车在路段l_i的速度为

本发明的有益效果在于：

1.本发明提出一种基于无线可充电传感器网络的移动车速度控制方法，移动车沿簇头节点组成的最短有向哈密顿路径移动，有效地降低了移动车行驶过程中的能量消耗。

2.本发明提出一种基于无线可充电传感器网络的移动车速度控制方法，通过移动车对传感器节点充电同时进行数据采集，首先，解决了由于靠近接收器的传感器节点需要转发其他传感器节点的数据，导致无线可充电传感器网络中存在节点能量消耗不平衡的问题。其次，由于传感器节点的存储空间是有限的，本发明解决了采集的数据若不及时上传到基站易造成缓存溢出的问题。

附图说明

图1一种基于无线可充电传感器网络的移动车速度控制方法流程图。

图2具体实施方式场景模型图。

具体实施方式

下面结合附图对本发明做进一步的说明：

本发明流程如下：

(1)无线传感器网络的分簇处理。采用低能耗自适应聚类路由协议(TEEN)选择簇头以及簇内成员，该协议具有低功率、聚类自适应和节点平等的特点。

(2)规划移动车的路径。根据选出的簇头节点的位置信息，使得移动车可以遍历所有的簇头节点，并且保证移动车的行驶总路程最小，最小化移动车的行驶能耗。本发明利用最短有向哈密顿路径算法规划移动车行驶的路径。

(3)控制移动车的速度。移动车在规划好的固定轨迹下移动，并在移动过程中对周围的节点补充电量同时收集簇头节点数据。移动车的移动速度由簇头节点的剩余缓存容量以及剩余电量共同决定。

前述的基于无线可充电传感器网络的移动车速度控制方法步骤(1)中的具体实现步骤如下：

(1.1)确定传感器节点能量补充方式。在无线可充电传感器网络中，所有传感器节点随机分布且位置固定，每个传感器上装有射频信号接收标签，可以接收移动车的射频信号补充电量。移动车在移动过程中为在其射频信号传输半径内的传感器节点补充电量。与移动车的距离为d的传感器节点充电功率P_r表达式如下：

其中，d表示节点和充电器之间的距离，P₀表示充电器的充电功率，G_s表示源天线增益，G_r表示接收天线增益，L_p表示极化损耗，λ表示波长，η表示节点的整流效率，β表示近距离时用于调整Friis自由空间方程的参数,d是等式中唯一的变量，该距离可由欧几里得公式根据移动车与传感器之间的距离求出。

(1.2)根据低能耗自适应聚类路由协议(TEEN)选出无线可充电传感器网络的簇头节点。簇头节点在每个轮次会进行更换，在每个轮次中所有传感器节点都会产生一个随机数x(0＜x＜1)，将产生的随机数x与阈值Y(m)进行比较，若x＜Y(m)，则该传感器节点成为簇头节点，并采用广播的方式通知其他所有非簇头的传感器节点，非簇头传感器节点根据收到的簇头广播信号强度决定自己的归属簇，最终完成簇的生成，生成的簇头节点集合为S＝{s₁,s₂,…,s_n}。

阈值Y(m)表达式如下：

其中p为簇头节点占节点总数的比例，r为当前执行的轮数，G为前r-1轮未成为簇头的节点集合。

前述的基于无线可充电传感器网络的移动车速度控制方法的步骤(2)中的具体实现步骤如下：

利用最短有向哈密顿路径算法生成移动车行驶路径。根据步骤(1)得到的n个簇头节点的位置信息，利用最短有向哈密顿路径算法，使得移动车经过所有簇头节点一次且仅一次，得出n个簇头节点的遍历顺序，移动车在相邻簇头之间沿直线行走。有向图G＝{S,L}表示移动车行驶路径图，其中S＝{s₁,s₂,…,s_n}表示由所有簇头节点组成的有向图G的顶点集合，并根据小车遍历传感器的顺序为传感器节点编号，经过的第一个传感器节点序号为s₁，经过的第n个传感器节点的序号为s_n；L＝{l₁,l₂,…l_n}表示有向图的有向边的集合，其中当i＝1,2,…n-1时，l_i表示从顶点s_i到顶点s_i+1之间的有向边；l_n表示顶点s_n到顶点s₁之间的有向边。

前述的基于无线可充电传感器网络的移动车速度控制方法的步骤(3)中的具体实现步骤如下：

(3.1)确定簇头节点剩余可用资源量。本发明主要考虑传感器节点的资源类型是电量以及缓存的存储空间。因此，定义传感器节点的剩余可用资源量由传感器节点的剩余电量以及剩余可用存储空间的大小决定。设每个传感器节点的电池容量为E,缓存的存储空间大小为C，则传感器可用资源量最大值为Q＝E+C。由于在一段时间内每个簇内的成员感知的数据量不同，簇头节点的剩余电量以及剩余可用缓存空间也不同，导致在不同时刻簇头节点的剩余可用资源量不同。设簇头节点s_i的剩余电量为E_i，缓存区的剩余容量为C_i，则簇头节点s_i剩余可用资源量表示为Q_i＝αE_i+βC_i,其中α＝0.4，β＝0.6。

(3.2)确定有向边剩余可用资源量。M_i表示边l_i的剩余可用资源量，其数值由该有向边的起始点s_i和终止点s_i+1的剩余可用资源量共同决定。

(3.3)确定移动车速度。移动车在同一路段的速度为匀速，在不同路段的速度由有向边剩余可用资源量以及边长共同决定。当移动车经过点s_i时，计算此时该路段l_i的剩余可用资源量M_i，路段l_i的长度为|l_i|，设移动车行驶最大速度为v_max，则移动车在路段l_i的速度为

移动车沿簇头节点组成的最短有向哈密顿路径移动，有效地降低了移动车行驶过程中的能量消耗；通过移动车对传感器节点充电同时进行数据采集，首先，解决了由于靠近接收器的传感器节点需要转发其他传感器节点的数据，导致无线可充电传感器网络中存在节点能量消耗不平衡的问题。其次，由于传感器节点的存储空间是有限的，本发明解决了采集的数据若不及时上传到基站易造成缓存溢出的问题。

Claims (4)

1.一种基于无线可充电传感器网络的移动车速度控制方法，其中，无线可充电传感器网络的结构为分簇结构，移动车上装有充电器以及数据采集设备，在移动车移动的过程中对传感器节点充电同时对簇头节点的数据进行采集，其特征在于：具体流程如下：

步骤一：无线传感器网络的分簇处理：采用低能耗自适应聚类路由协议选择簇头以及簇内成员；

步骤二：规划移动车的路径：根据选出的簇头节点的位置信息，使得移动车可以遍历所有的簇头节点，利用最短有向哈密顿路径算法规划移动车行驶的路径；

步骤三：控制移动车的速度：移动车在规划好的固定轨迹下移动，并在移动过程中对周围的节点补充电量同时收集簇头节点数据，移动车的移动速度由簇头节点的剩余缓存容量以及剩余电量共同决定。

2.根据权利要求1所述的一种基于无线可充电传感器网络的移动车速度控制方法，其特征在于：步骤一的具体实现步骤如下：

步骤1.1：确定传感器节点能量补充方式：在无线可充电传感器网络中，所有传感器节点随机分布且位置固定，每个传感器上装有射频信号接收标签，可以接收移动车的射频信号补充电量，移动车在移动过程中为在其射频信号传输半径内的传感器节点补充电量，与移动车的距离为d的传感器节点充电功率P_r表达式如下：

其中，d表示节点和充电器之间的距离，P₀表示充电器的充电功率，G_s表示源天线增益，G_r表示接收天线增益，L_p表示极化损耗，λ表示波长，η表示节点的整流效率，β表示近距离时用于调整Friis自由空间方程的参数，d是等式中唯一的变量，该距离可由欧几里得公式根据移动车与传感器之间的距离求出；

步骤1.2：根据低能耗自适应聚类路由协议选出无线可充电传感器网络的簇头节点：簇头节点在每个轮次会进行更换，在每个轮次中所有传感器节点都会产生一个随机数x(0＜x＜1)，将产生的随机数x与阈值Y(m)进行比较，若x＜Y(m)，则该传感器节点成为簇头节点，并采用广播的方式通知其他所有非簇头的传感器节点，非簇头传感器节点根据收到的簇头广播信号强度决定自己的归属簇，最终完成簇的生成，生成的簇头节点集合为S＝{s₁,s₂,…,s_n}；

阈值Y(m)表达式如下：

其中p为簇头节点占节点总数的比例，r为当前执行的轮数，G为前r-1轮未成为簇头的节点集合。

3.根据权利要求1所述的一种基于无线可充电传感器网络的移动车速度控制方法，其特征在于：步骤二的具体实现步骤如下：

利用最短有向哈密顿路径算法生成移动车行驶路径：根据步骤一得到的n个簇头节点的位置信息，利用最短有向哈密顿路径算法，使得移动车经过所有簇头节点一次且仅一次，得出n个簇头节点的遍历顺序，移动车在相邻簇头之间沿直线行走；有向图G＝{S,L}表示移动车行驶路径图，其中S＝{s₁,s₂,…,s_n}表示由所有簇头节点组成的有向图G的顶点集合，并根据小车遍历传感器的顺序为传感器节点编号，经过的第一个传感器节点序号为s₁，经过的第n个传感器节点的序号为s_n；L＝{l₁,l₂,…l_n}表示有向图的有向边的集合，其中当i＝1,2,…n-1时，l_i表示从顶点s_i到顶点s_i+1之间的有向边；l_n表示顶点s_n到顶点s₁之间的有向边。

4.根据权利要求1所述的一种基于无线可充电传感器网络的移动车速度控制方法，其特征在于：步骤三的具体实现步骤如下：

步骤3.1：确定簇头节点剩余可用资源量：定义传感器节点的剩余可用资源量由传感器节点的剩余电量以及剩余可用存储空间的大小决定，设每个传感器节点的电池容量为E，缓存的存储空间大小为C，则传感器可用资源量最大值为Q＝E+C；设簇头节点s_i的剩余电量为E_i，缓存区的剩余容量为C_i，则簇头节点s_i剩余可用资源量表示为Q_i＝αE_i+βC_i，其中

α∈(0，1)，β∈(0,1)为表示权重常量且α+β＝1；

步骤3.2：确定有向边剩余可用资源量：M_i表示边l_i的剩余可用资源量，其数值由该有向边的起始点s_i和终止点s_i+1的剩余可用资源量共同决定，

步骤3.3：确定移动车速度：移动车在同一路段的速度为匀速，在不同路段的速度由有向边剩余可用资源量以及边长共同决定，当移动车经过点s_i时，计算此时该路段l_i的剩余可用资源量M_i，路段l_i的长度为|l_i|，设移动车行驶最大速度为v_max，则移动车在路段l_i的速度为

其中n是簇头节点数，

Images