CN111629345B - 基于太阳能补给的多媒体传感网节点任务分配方法 - Google Patents

基于太阳能补给的多媒体传感网节点任务分配方法 Download PDF

Info

Publication number
CN111629345B
CN111629345B CN202010427808.3A CN202010427808A CN111629345B CN 111629345 B CN111629345 B CN 111629345B CN 202010427808 A CN202010427808 A CN 202010427808A CN 111629345 B CN111629345 B CN 111629345B
Authority
CN
China
Prior art keywords
task
node
energy
capacitor
nodes
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.)
Active
Application number
CN202010427808.3A
Other languages
English (en)
Other versions
CN111629345A (zh
Inventor
韩崇
石一鹭
王新蕊
丁蕾蕾
孙力娟
郭剑
王娟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Posts and Telecommunications
Original Assignee
Nanjing University of Posts and Telecommunications
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing University of Posts and Telecommunications filed Critical Nanjing University of Posts and Telecommunications
Priority to CN202010427808.3A priority Critical patent/CN111629345B/zh
Publication of CN111629345A publication Critical patent/CN111629345A/zh
Application granted granted Critical
Publication of CN111629345B publication Critical patent/CN111629345B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J1/00—Circuit arrangements for dc mains or dc distribution networks
    • H02J1/10—Parallel operation of dc sources
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J1/00—Circuit arrangements for dc mains or dc distribution networks
    • H02J1/10—Parallel operation of dc sources
    • H02J1/109—Scheduling or re-scheduling the operation of the DC sources in a particular order, e.g. connecting or disconnecting the sources in sequential, alternating or in subsets, to meet a given demand
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/34—Parallel operation in networks using both storage and other dc sources, e.g. providing buffering
    • H02J7/345—Parallel operation in networks using both storage and other dc sources, e.g. providing buffering using capacitors as storage or buffering devices
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/34—Parallel operation in networks using both storage and other dc sources, e.g. providing buffering
    • H02J7/35—Parallel operation in networks using both storage and other dc sources, e.g. providing buffering with light sensitive cells
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/02—Traffic management, e.g. flow control or congestion control
    • H04W28/0215—Traffic management, e.g. flow control or congestion control based on user or device properties, e.g. MTC-capable devices
    • H04W28/0221—Traffic management, e.g. flow control or congestion control based on user or device properties, e.g. MTC-capable devices power availability or consumption
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W84/00—Network topologies
    • H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2207/00—Indexing scheme relating to details of circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J2207/50—Charging of capacitors, supercapacitors, ultra-capacitors or double layer capacitors

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Photovoltaic Devices (AREA)

Abstract

基于太阳能补给的多媒体传感网节点任务分配方法。基于太阳能补给的分布式多媒体传感网在运动目标检测应用场景中，节点通过红外探测装置检测运动目标是否到达其监测范围内，若处于其监测范围内，则激活任务竞标功能模块。所有可检测到目标的节点根据当前自身能量、能量预测模块计算所得的在任务执行时间内节点可获取的能量和任务能源成本三个因素将任务进行分类。不同种类的任务赋予权重因子，各节点计算加入权重后自身的预期利润，若预期利润大于等于期望利润，则加入候选集。候选集中节点互相比较自己可为任务提供的利润，选择可提供最大利润的节点执行任务。节点完成监测任务后，通过多跳中继方式将感知到的数据传到信息汇聚中心，汇聚中心再对监测数据进行分析。

Description

基于太阳能补给的多媒体传感网节点任务分配方法
技术领域
本发明属于多媒体传感网中节点的任务分配技术领域，具体涉及基于太阳能补给的多媒体传感网节点任务分配方法。
背景技术
无线多媒体传感器网络(Wireless Multimedia Sensor Networks，WMSN)是由一组具有计算、存储和通信能力的多媒体传感器节点组成的分布式感知网络。它是在传统无线传感器网络的基础上增加了节点的多媒体感知功能，节点具有感知周边环境中多种媒体信息(音频、视频、图像、数值等)的能力。节点通过多跳中继方式，将感知到的数据传到信息汇聚中心，信息汇聚中心对监测数据进行分析，实现全面而有效的环境监测。
传感器节点通常使用能量有限且无法充电的普通锂电池供电，在特殊环境下无法及时地进行电池更换。因此节点的能量供给持久性问题成为传感器网络广泛应用的一个制约因素。目前太阳能光伏产业较为成熟，且拥有广阔的发展前景，因此研究人员提出了带有能量转换模块，能够进行能量补给的传感器节点。具有太阳能补给的传感器网络中的每个节点，都配备光能-电能转换模块，将太阳能转化为电能对节点进行能量供给。这样可以大大延长网络节点寿命，减少网络维护成本，但是太阳能收集具有不规律性，天气状况良好时各节点都能收集足够的太阳能并储存能量，天气状况不理想时各节点的能量收集率不高。因此需要在太阳能收集功率预测的基础上进行传感器节点的任务分配问题研究。
尽管针对能量问题已经提出了具有收集能量操作的节点模型的解决方案，但是没有关注任务到达网络时如何进行任务分配，从而尽可能提高网络对任务的利润。
发明内容
本发明所要解决的技术问题是克服现有技术的不足，提供基于太阳能补给的多媒体传感网节点任务分配方法，基于太阳能补给传感器节点，针对监测目标的有效性，并考虑有向覆盖，以及任务与节点间的位置关系，分析节点竞标因素，完善多媒体传感器网络性能。
本发明提供基于太阳能补给的多媒体传感网节点任务分配方法，包括如下总部后，步骤S1、部署节点后，每个节点获取自身节点信息，并将节点能源分为当前电容能量和电池能量两个部分；
步骤S2、当待监测目标进入节点监测范围后，节点获取待监测运动目标信息；
步骤S3、根据太阳能收集预测模型计算在任务执行时间内节点可获取的能量；
步骤S4、可监测到目标的各节点根据自身当前电容器能量、当前电池能量以及预期在任务执行期间可获得能量与监测任务预期所需能量进行比较，将任务进行分类；
步骤S5、计算每个节点自身可为任务提供的利润pij *，节点根据任务分类计算加入权值w后的pij *，将加入权值w后的pij *与预设的期望利润
Figure BDA0002497850740000021
进行比较，若pij *大于等于
Figure BDA0002497850740000022
则向该任务投标，向周围节点发送自身pij *；否则，不参与投标；
步骤S6、候选集中节点互相交换节点i对任务j的利润pij *后，pij *最大的节点激活监测功能执行任务。
作为本发明的进一步技术方案，步骤S1中节点获取的自身节点信息包括节点位置和节点覆盖角度。
进一步的，步骤S2中待监测运动目标信息包括运动目标位置，预期监测运动目标时间，目标运动方向，预期监测目标所需能量和监测目标预期利润；进行该目标的监测为待执行任务。
进一步的，步骤S4中，任务可分为四类：
第一类为节点能量无法满足执行任务所需能量，节点不向该任务竞标；
第二类为免费任务：只需要光伏面板所获得的太阳能便可满足任务能源成本；或者在节点电容器满时到达的任务；因为在节点电容器满时，太阳能光伏面板获取的能量会被浪费，所以节点倾向于接受这种任务；
第三类为电容器参与任务：需要光伏面板收获太阳能和电容器共同供能可满足任务能源成本；
第四类为电池参与任务：预期收获太阳能和电容器当前能量之和无法满足任务能源成本，需要电池提供能量；
具体分类过程如下：
若未来可获取能量与当前电容器能量，电池能量之和不能满足任务所需能量，则任务对于该节点为第一类任务。
若未来可获取能量大于等于任务所需能量，或者电容器已满，则任务对于该节点为第二类任务。
若未来可获取能量小于任务所需能量，而且未来可获取能量与当前电容器能量之和满足任务所需能量，则任务对于该节点为第三类任务。
若未来可获取能量与当前电容器能量、电池能量之和满足任务所需能量。则任务对于该节点为第四类任务。
进一步的，步骤S5中计算每个节点自身可为任务提供的利润pij *具体为，所有竞标节点自动形成候选集N(n1,n2,...,nm)，候选集中各节点计算自身可为任务提供的利润pij *，则公式为
Figure BDA0002497850740000031
其中，eij为节点能给为该任务提供的效用，dj为任务的需求，pij为节点ni为任务Mj提供的实际利润，P为任务的最大利润；根据任务的效用eij与任务和节点的地理位置关系，即：传感器节点的方向向量
Figure BDA0002497850740000032
与任务的运动速度向量
Figure BDA0002497850740000033
的夹角越接近180°效用越高；传感器节点的方向向量
Figure BDA0002497850740000034
与从传感器位置指向任务位置的向量的夹角越接近0°效用越高；从传感器位置指向任务位置的向量绝对值
Figure BDA0002497850740000041
越大效用越高；则任务的效用eij的公式为
Figure BDA0002497850740000042
Figure BDA0002497850740000043
Figure BDA0002497850740000044
其中，wa为
Figure BDA0002497850740000045
与
Figure BDA0002497850740000046
的夹角对总效用影响权重，wb为
Figure BDA0002497850740000047
与
Figure BDA0002497850740000048
的夹角对总效用影响权重，wc为任务与节点举例对总效用影响权重，c为防止分式出现分母为0的常数，
Figure BDA0002497850740000049
为传感器节点的方向向量，
Figure BDA00024978507400000410
为任务的运动速度，
Figure BDA00024978507400000411
为从传感器位置指向任务位置的向量；
定义各节点对任务实际利润pij和最大利润P，则
Figure BDA00024978507400000412
Figure BDA00024978507400000413
其中，L为扇形的半径，是任务在监测区域内最理想的运动路径长度，l为任务实际在网络中的运动路径长度。
进一步的，步骤S5中预设的期望利润
Figure BDA00024978507400000414
由节点根据以往历史学习或根据应用特性在任务到来时获得。
进一步的，步骤S5中，节点根据任务分类计算加入权值w后的pij *。具体为，
免费任务时，
Figure BDA00024978507400000415
电容器参与任务时，
Figure BDA00024978507400000416
电池参与任务时，
Figure BDA0002497850740000051
其中，Cmax为电容器容量，Eci为电容器当前能量，EBi为电池当前能量，Ej为任务所需能量，Ef为电容器未来可获取能量，er(t)为节点在期望生命周期内运行所需能量，wfree为免费任务权重，wcapacitor为电容器任务的权重，wbattery为电池任务的权重。
进一步的，还包括步骤S7、下一个任务到来时，循环步骤S2～步骤S5，构造新的候选集，并选择最佳节点执行任务。
与现有方案对比，本发明在任务到来时各节点考虑节点自身当前能量，预测可获得的太阳能以及任务所需能量，选择是否加入候选集。候选集中节点根据任务的运动方向与节点监测方向，任务与节点的距离，计算自身可为任务提供的利润。候选集中节点互相交换自身可提供利润后，选择利润最大节点执行任务
由于本发明提出的方法基于太阳能补给的多媒体传感网，为依赖于方向的任务监测提供了一种任务分配算法，不仅提高了可充电多媒体传感网的能量利用率，而且对于方向敏感的监测任务提高了监测利润，即在节点可以完成任务的前提下，倾向于使用监测方向正对于任务运动方向的节点执行任务，从而可以获得更大的任务利润。
附图说明
图1为本发明的方法流程示意图；
图2为本发明的方法中任务分布模型图；
图3为本发明的方法中节点感知模型图。
具体实施方式
本实施例中在一个监测区域内部署了若干个摄像头传感器节点，方向和位置随机。传感器节点配有红外探测装置。传感器节点的监测任务为沿着一定方向持续运动的目标，例如一个正在的行驶的汽车，为了对其运动进行追踪，本发明倾向于以正对任务行驶方向的角度进行监测。
该监测场景的传感器网络由多个节点组成，为分布式网络。当目标到达节点感测范围内，各节点可通过红外探测装置检测到。所有检测到目标的节点对任务的执行进行竞标，各节点互相交换信息，选出最佳执行任务节点。执行任务的节点通过多跳中继方式将感知到的数据传到信息汇聚中心，汇聚中心再对监测数据进行分析；任务分布模型如图2所示。
在传感器网络中的每个节点都配备一次性锂电池，一个超级电容器，一个太阳能光伏面板。一次性锂电池用于在没有或几乎没有能量从环境中获取的情况下对节点进行供电。超级电容器用于节点在太阳能充电过程中存储能量。一次性锂电池，超级电容器和太阳能光伏面板共同构成节点的能量系统。
节点感知范围是一个半径为L,角度为θ的扇形。图示中
Figure BDA0002497850740000061
为传感器节点的方向向量，
Figure BDA0002497850740000062
为任务的运动速度，
Figure BDA0002497850740000063
为从传感器位置指向任务位置的向量，gj(xj,yj)为任务位置。gi(xi,yi)为传感器位置；节点感知模型如图3所示。
请参阅图1，本实施例提供一种基于太阳能补给的多媒体传感网节点任务分配方法，包括如下总部后，步骤S1、部署节点后，每个节点获取自身节点信息，并将节点能源分为当前电容能量和电池能量两个部分；
步骤S2、当待监测目标进入节点监测范围后，节点获取待监测运动目标信息；
步骤S3、根据自适应的季节性ARIMA太阳能收集功率预测模型计算在任务执行时间内节点可获取的能量；
步骤S4、可监测到目标的各节点根据自身当前电容器能量、当前电池能量以及预期在任务执行期间可获得能量与监测任务预期所需能量进行比较，将任务进行分类；
步骤S5、计算每个节点自身可为任务提供的利润pij *，节点根据任务分类计算加入权值w后的pij *，将加入权值w后的pij *与预设的期望利润
Figure BDA0002497850740000071
进行比较，若pij *大于等于
Figure BDA0002497850740000072
则向该任务投标，向周围节点发送自身pij *；否则，不参与投标；
步骤S6、候选集中节点互相交换节点i对任务j的利润pij *后，pij *最大的节点激活监测功能执行任务。
步骤S1中节点获取的自身节点信息包括节点位置和节点覆盖角度。
步骤S2中待监测运动目标信息包括运动目标位置，预期监测运动目标时间，目标运动方向，预期监测目标所需能量和监测目标预期利润；进行该目标的监测为待执行任务。
进一步的，步骤S4中，任务可分为四类：
第一类为节点能量无法满足执行任务所需能量，节点不向该任务竞标；
第二类为免费任务：只需要光伏面板所获得的太阳能便可满足任务能源成本；或者在节点电容器满时到达的任务；因为在节点电容器满时，太阳能光伏面板获取的能量会被浪费，所以节点倾向于接受这种任务；
第三类为电容器参与任务：需要光伏面板收获太阳能和电容器共同供能可满足任务能源成本；
第四类为电池参与任务：预期收获太阳能和电容器当前能量之和无法满足任务能源成本，需要电池提供能量。
具体分类过程如下：
若未来可获取能量与当前电容器能量，电池能量之和不能满足任务所需能量，则任务对于该节点为第一类任务。
若未来可获取能量大于等于任务所需能量，或者电容器已满，则任务对于该节点为第二类任务。
若未来可获取能量小于任务所需能量，而且未来可获取能量与当前电容器能量之和满足任务所需能量，则任务对于该节点为第三类任务。
若未来可获取能量与当前电容器能量、电池能量之和满足任务所需能量。则任务对于该节点为第四类任务。
步骤S5中计算每个节点自身可为任务提供的利润pij *具体为，所有竞标节点自动形成候选集N(n1,n2,...,nm)，候选集中各节点计算自身可为任务提供的利润pij *，则公式为
Figure BDA0002497850740000081
其中，eij为节点能给为该任务提供的效用，dj为任务的需求，pij为节点ni为任务Mj提供的实际利润，P为任务的最大利润；根据任务的效用eij与任务和节点的地理位置关系，即：传感器节点的方向向量
Figure BDA0002497850740000082
与任务的运动速度向量
Figure BDA0002497850740000083
的夹角越接近180°效用越高；传感器节点的方向向量
Figure BDA0002497850740000084
与从传感器位置指向任务位置的向量的夹角越接近0°效用越高；从传感器位置指向任务位置的向量绝对值
Figure BDA0002497850740000085
越大效用越高；则任务的效用eij的公式为
Figure BDA0002497850740000086
Figure BDA0002497850740000087
Figure BDA0002497850740000088
其中，wa为
Figure BDA0002497850740000089
与
Figure BDA00024978507400000810
的夹角对总效用影响权重，wb为
Figure BDA00024978507400000811
与
Figure BDA00024978507400000812
的夹角对总效用影响权重，wc为任务与节点举例对总效用影响权重，c为防止分式出现分母为0的常数，
Figure BDA00024978507400000813
为传感器节点的方向向量，
Figure BDA00024978507400000814
为任务的运动速度，
Figure BDA00024978507400000815
为从传感器位置指向任务位置的向量；
定义各节点对任务实际利润pij和最大利润P，则
Figure BDA00024978507400000816
Figure BDA00024978507400000817
其中，L为扇形的半径，是任务在监测区域内最理想的运动路径长度，l为任务实际在网络中的运动路径长度。
步骤S5中预设的期望利润
Figure BDA0002497850740000091
由节点根据以往历史学习或根据应用特性在任务到来时获得。
步骤S5中，节点根据任务分类计算加入权值w后的pij *。具体为，
免费任务时，
Figure BDA0002497850740000092
电容器参与任务时，
Figure BDA0002497850740000093
电池参与任务时，
Figure BDA0002497850740000094
其中，Cmax为电容器容量，Eci为电容器当前能量，EBi为电池当前能量，Ej为任务所需能量，Ef为电容器未来可获取能量，er(t)为节点在期望生命周期内运行所需能量，wfree为免费任务权重，wcapacitor为电容器任务的权重，wbattery为电池任务的权重。
还包括步骤S7、下一个任务到来时，循环步骤S2～步骤S5，构造新的候选集，并选择最佳节点执行任务。
以上显示和描述了本发明的基本原理、主要特征和优点。本领域的技术人员应该了解，本发明不受上述具体实施例的限制，上述具体实施例和说明书中的描述只是为了进一步说明本发明的原理，在不脱离本发明精神范围的前提下，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。本发明要求保护的范围由权利要求书及其等效物界定。

Claims (6)

1.基于太阳能补给的多媒体传感网节点任务分配方法，其特征在于，包括如下步骤，
步骤S1、部署节点后，每个节点获取自身节点信息，并将节点能源分为当前电容器能量和电池能量两个部分；
步骤S2、当待监测目标进入节点监测范围后，节点获取待监测运动目标信息；
步骤S3、根据太阳能收集预测模型计算在任务执行时间内节点可获取的能量；
步骤S4、可监测到目标的各节点根据自身当前电容器能量、当前电池能量以及预期在任务执行期间可获得能量与监测任务预期所需能量进行比较，将任务进行分类；
步骤S5、计算每个节点自身可为任务提供的利润pij *，节点根据任务分类计算加入权值w后的pij *，将加入权值w后的pij *与预设的期望利润
Figure FDA0004074268280000011
进行比较，若pij *大于等于
Figure FDA0004074268280000012
则向该任务投标，向周围节点发送自身pij *；否则，不参与投标；
步骤S6、候选集中节点互相交换节点i对任务j的利润pij *后，pij *最大的节点激活监测功能执行任务；
步骤S4中，任务可分为四类：
第一类任务为节点能量无法满足执行任务所需能量，节点不向该任务竞标；
第二类任务为免费任务：只需要光伏面板所获得的太阳能便可满足任务能源成本；或者在节点电容器满时到达的任务；因为在节点电容器满时，太阳能光伏面板获取的能量会被浪费，所以节点倾向于接受这种任务；
第三类任务为电容器参与任务：需要光伏面板收获太阳能和电容器共同供能可满足任务能源成本；
第四类任务为电池参与任务：预期收获太阳能和电容器当前能量之和无法满足任务能源成本，需要电池提供能量；
具体分类过程如下：
若未来可获取能量与当前电容器能量，电池能量之和不能满足任务所需能量，则任务对于该节点为第一类任务；
若未来可获取能量大于等于任务所需能量，或者电容器已满，则任务对于该节点为第二类任务；
若未来可获取能量小于任务所需能量，而且未来可获取能量与当前电容器能量之和满足任务所需能量，则任务对于该节点为第三类任务；
若未来可获取能量与当前电容器能量、电池能量之和满足任务所需能量；则任务对于该节点为第四类任务；
所述步骤S5中，节点根据任务分类计算加入权值w后的pij *；具体为，
免费任务时，
Figure FDA0004074268280000021
电容器参与任务时，
Figure FDA0004074268280000022
电池参与任务时，
Figure FDA0004074268280000023
其中，Cmax为电容器容量，Eci为电容器当前能量，EBi为电池当前能量，Ej为任务所需能量，er(t)为节点在期望生命周期内运行所需能量，wfree为免费任务权重，wcapacitor为电容器任务的权重，wbattery为电池任务的权重。
2.根据权利要求1所述的基于太阳能补给的多媒体传感网节点任务分配方法，其特征在于，所述步骤S1中节点获取的自身节点信息包括节点位置和节点覆盖角度。
3.根据权利要求1所述的基于太阳能补给的多媒体传感网节点任务分配方法，其特征在于，所述步骤S2中待监测运动目标信息包括运动目标位置，预期监测运动目标时间，目标运动方向，预期监测目标所需能量和监测目标预期利润；进行该目标的监测为待执行任务。
4.根据权利要求1所述的基于太阳能补给的多媒体传感网节点任务分配方法，其特征在于，所述步骤S5中计算每个节点自身可为任务提供的利润pij *具体为，所有竞标节点自动形成候选集N(n1,n2,...,nm)，候选集中各节点计算自身可为任务提供的利润pij *，则公式为
Figure FDA0004074268280000024
其中，eij为节点能给为该任务提供的效用，dj为任务的需求，pj为任务Mj的最大利润，P为任务的最大利润；根据任务的效用eij与任务和节点的地理位置关系，即：传感器节点的方向向量
Figure FDA0004074268280000031
与任务的运动速度向量
Figure FDA0004074268280000032
的夹角越接近180°效用越高；传感器节点的方向向量
Figure FDA0004074268280000033
与从传感器位置指向任务位置的向量的夹角越接近0°效用越高；从传感器位置指向任务位置的向量绝对值
Figure FDA0004074268280000034
越大效用越高；则任务的效用eij的公式为
Figure FDA0004074268280000035
Figure FDA0004074268280000036
Figure FDA0004074268280000037
其中，wa为
Figure FDA0004074268280000038
与
Figure FDA0004074268280000039
的夹角对总效用影响权重，wb为
Figure FDA00040742682800000310
与
Figure FDA00040742682800000311
的夹角对总效用影响权重，wc为任务与节点举例对总效用影响权重，c为防止分式出现分母为0的常数，
Figure FDA00040742682800000312
为传感器节点的方向向量，
Figure FDA00040742682800000313
为任务的运动速度，
Figure FDA00040742682800000314
为从传感器位置指向任务位置的向量；
定义各节点对任务实际利润pij和最大利润P，pij为节点ni为任务Mj提供的实际利润，则
Figure FDA00040742682800000315
Figure FDA00040742682800000316
其中，L为扇形的半径，是任务在监测区域内最理想的运动路径长度，l为任务实际在网络中的运动路径长度。
5.根据权利要求1所述的基于太阳能补给的多媒体传感网节点任务分配方法，其特征在于，所述步骤S5中预设的期望利润
Figure FDA00040742682800000317
由节点根据以往历史学习或根据应用特性在任务到来时获得。
6.根据权利要求1所述的基于太阳能补给的多媒体传感网节点任务分配方法，其特征在于，还包括步骤S7、下一个任务到来时，循环步骤S2～步骤S5，构造新的候选集，并选择最佳节点执行任务。
CN202010427808.3A 2020-05-19 2020-05-19 基于太阳能补给的多媒体传感网节点任务分配方法 Active CN111629345B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010427808.3A CN111629345B (zh) 2020-05-19 2020-05-19 基于太阳能补给的多媒体传感网节点任务分配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010427808.3A CN111629345B (zh) 2020-05-19 2020-05-19 基于太阳能补给的多媒体传感网节点任务分配方法

Publications (2)

Publication Number Publication Date
CN111629345A CN111629345A (zh) 2020-09-04
CN111629345B true CN111629345B (zh) 2023-04-25

Family

ID=72260575

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010427808.3A Active CN111629345B (zh) 2020-05-19 2020-05-19 基于太阳能补给的多媒体传感网节点任务分配方法

Country Status (1)

Country Link
CN (1) CN111629345B (zh)

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103298005B (zh) * 2013-05-06 2016-09-14 南京邮电大学 基于粒子群算法的无线传感网多目标跟踪节点任务分配方法
CN103987055B (zh) * 2014-05-27 2017-04-05 北京农业信息技术研究中心 一种无线传感器网络节点部署及供电方法
CN106211214B (zh) * 2016-08-31 2022-11-11 上海交通大学 基于能效预测优化调度的无线传感网络系统
CN107318116B (zh) * 2017-06-09 2020-05-05 浙江工业大学 一种可充电无线传感器网络中最大化异常事件捕捉率的方法
CN107911800A (zh) * 2017-10-09 2018-04-13 南京邮电大学 基于树莓派的太阳能收集视频传感器网络及其供电方法

Also Published As

Publication number Publication date
CN111629345A (zh) 2020-09-04

Similar Documents

Publication Publication Date Title
Han et al. A joint energy replenishment and data collection algorithm in wireless rechargeable sensor networks
Zhao et al. Spatiotemporal charging scheduling in wireless rechargeable sensor networks
Tong et al. Node reclamation and replacement for long-lived sensor networks
Chen et al. Speed control of mobile chargers serving wireless rechargeable networks
Kumar et al. An efficient on-demand charging schedule method in rechargeable sensor networks
Chen et al. Learning aided joint sensor activation and mobile charging vehicle scheduling for energy-efficient WRSN-based industrial IoT
Liu et al. Maximizing sensor lifetime via multi-node partial-charging on sensors
Guo et al. Minimizing redundant sensing data transmissions in energy-harvesting sensor networks via exploring spatial data correlations
Kan et al. Coverage and connectivity aware energy charging mechanism using mobile charger for WRSNs
Zhou et al. Design of self-sustainable wireless sensor networks with energy harvesting and wireless charging
Shih et al. A coverage-aware energy replenishment scheme for wireless rechargeable sensor networks
CN111629345B (zh) 基于太阳能补给的多媒体传感网节点任务分配方法
Wei et al. A multi-objective algorithm for joint energy replenishment and data collection in wireless rechargeable sensor networks
Rao Wireless sensor network routing for life time maximization using ANFIS based decision with low power consumption
CN110248330B (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
Nowrozian et al. A mobile charger based on wireless power transfer technologies: A survey of concepts, techniques, challenges, and applications on rechargeable wireless sensor networks
Wang et al. Research on resource scheduling of cloud based on improved particle swarm optimization algorithm
Huang et al. ACO-based path planning scheme in RWSN
Long et al. Q-learning-based distributed multi-charging algorithm for large-scale WRSNs
Han et al. A Node Task Assignment Algorithm for Energy Harvesting Wireless Multimedia Sensor Networks
Ding et al. An efficient reinforcement learning game framework for uav-enabled wireless sensor network data collection
Mahamat et al. A deep reinforcement learning-based context-aware wireless mobile charging scheme for the internet of things
Jia et al. Long-term energy collection in self-sustainable sensor networks: A deep Q-learning approach
Niu et al. A novel hierarchical charging algorithm for the AGV dispatching problem in a multi-robot system
Vallirathi et al. Joint Energy Predication and Gathering Data in Wireless Rechargeable Sensor Network.

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