CN112118583A - 一种基于目标覆盖的可充电小车移动最优路径规划方法 - Google Patents

Abstract

一种基于目标覆盖的可充电小车移动最优路径规划方法，包括以下步骤：(1)、构建网络模型并根据网络中传感器节点和覆盖目标的位置构建网络图；(2)、构造互不相交覆盖集；(3)、从互不相交覆盖集中选出关键覆盖目标t_j，实现区域内的目标都能被覆盖；(4)、调度关键目标的覆盖目标集实现最大化网络寿命；(5)、在网络区域中心部署基站BS，引入移动充电小车MC，对覆盖目标集中的传感器节点进行无线充电。本发明通过联合考虑目标覆盖问题和传感器节点能量问题，确保目标全覆盖的条件下，进行最大化覆盖目标的传感器节点的同时最大化网络寿命，在此基础上引入移动充电小车MC。

Description

一种基于目标覆盖的可充电小车移动最优路径规划方法

技术领域

本发明涉及无线传感器网络技术领域，尤其是涉及一种基于目标 覆盖的可充电小车移动最优路径规划方法。

背景技术

近些年来，无线传感器网络的迅速发展，随着信息技术的发展更 好地改善人们的生活，也将成为当代社会发展的重要推动力量。由大 量传感器节点组成，通过自组织的方式建立连接的无线传感器网络 WSNs满足了人们对于感知问题的要求。随着微机电系统、无线通信和 低功耗嵌入式技术的发展和成熟，无线传感器网络技术在功耗、性能 及通信方式等各方面得到了有效的改善，这为无线传感器网络WSN开 启了广阔的发展前景和应用空间，使无线传感器网络WSNs的应用遍及 军事侦察、搜索救援、环境监测、智能交通、医疗护理、工业控制和 灾难管理等各个领域。

无线传感器网络领域的一个关键问题是网络覆盖优化问题。网络 覆盖优化是指通过一定传感器节点的位置实现对无线传感器网络 WSNs的检测对象或监测区域的有效覆盖最大化，这将直接影响到无线 传感器网络WSNs的各项性能指标，如网络连通性、网络覆盖率和网络 生命周期等。无线传感器网络WSNs覆盖研究的重要部分专门针对目标 覆盖问题。目标覆盖率的主要目标是监视区域中的离散目标集，使得 在尽可能完成对目标点的覆盖前提下使用尽可能少的传感器节点。传 感器节点在进行覆盖工作时，其能量消耗也越来越大。然而，传感器 节点所携带的电池容量是有限的，这导致传感器节点的生命周期有限，成为限制无线传感器网络WSNs大规模广泛应用的瓶颈问题。因此， 越来越多的研究人员开始着眼于延长无线传感器网络WSNs的生命周 期问题的研究，其研究的方向主要包括两个方面：节能和补充能量。

以前的大多数工作都主要考虑永久的网络运行视为最终目标，但 通常造成最终的代价很高。目前，国内外众多学者从跨层资源配置、 机会传输方案、唤醒休眠机制、路由协议、覆盖和连通优化部署、网 络编码、数据相关性、能量收集、能量补充等不同方面开展了无线传 感器网络WSNs能耗优化的研究。而目标覆盖、能量补充、数据传输又 是其中的热点和难点。

发明内容

为了克服现有技术中传感器节点能量有限的缺陷，本发明提供了 一种基于目标覆盖的可充电小车移动最优路径规划方法，通过联合考 虑目标覆盖问题和传感器节点能量问题，确保目标全覆盖的条件下， 进行最大化覆盖目标的传感器节点的同时最大化网络寿命，在此基础 上引入移动充电小车MC,以簇为单位设计移动充电小车MC充电规划， 使得移动充电小车MC的充电路线最短，提高了移动充电小车MC的充 电效率，延长无线传感器网络WSNs的网络寿命。

本发明解决其技术问题所采用的技术方案是：

一种基于目标覆盖的可充电小车移动最优路径规划方法，包括以 下步骤：

(1)、构建网络模型并根据网络中传感器节点和覆盖目标的位置 构建网络图；

(2)、通过构造互不相交覆盖集，将大规模的无线传感器网络WSNs分解成若干个独立的局部无线传感器网络WSNs；

(3)、从互不相交覆盖集中选出关键覆盖目标t_j，对剩余未覆盖 的目标t_k，选取离目标最近的传感器节点s_i，扩大它的覆盖半径R_S， 使得传感器节点s可以覆盖目标t_k，致使区域内的目标都能被覆盖；

(4)、调度关键覆盖目标中的覆盖目标集，实现最大化目标集的 覆盖寿命，通过计算关键覆盖目标中的传感器节点的权值，通过优先 级调度的传感器节点轮流进行检测工作，其他节点处于睡眠状态，使 得覆盖目标的覆盖寿命最大化同时最大化网络寿命；

(5)、在网络区域中心部署基站BS，引入移动充电小车MC，对覆 盖目标集中的传感器节点进行无线充电。

进一步，所述步骤(1)中还包括以下步骤：

1.1)在一个感兴趣的平面区域M*Mm内，随机分布了m个覆盖目 标T＝{t₁,t₂,…,t_m}，为最大时间地监测这些覆盖目标，在整个M*Mm 区域内随机部署n个传感器节点，即S＝{s₁,s₂,…,s_n}，每个传感器节 点被部署后通过某种方式可以获知他们的位置信息，目标位置信息已 知；

1.2)传感器节点的感知半径，即覆盖半径为R_S，初始能量都为 E₀＝1，传感器节点能量的大小体现了传感器节点寿命的大小；

1.3)传感器节点工作以轮为时间单位，每轮可以处于工作状态或 者休眠状态；

1.4)无线传感器网络WSNs用图G＝(S,T,E,P)表示,其中S表示 n个传感器节点的集合；T表示m个目标的集合，E＝{e₁,…,e_n}表示传 感器节点的初始能量集合；P＝{p_ij|i∈1,…,n,j∈{1,…,m}}表示传感 器节点与目标之间的覆盖关系；

1.5)基站位于区域的中心位置，能够获取到图G＝(S,T,E,P)的 相关信息。

再进一步，所述步骤(2)还包括以下步骤：

2.1)计算出每个传感器节点与每个目标之间的欧式距离d_ij；欧 式距离公式如下所示：

2.2)根据传感器节点对目标的覆盖概率随着目标和传感器节点 之间的距离成指数变化，传感器节点概率覆盖模型如下：

2.3)权衡计算复杂度和目标覆盖精度，设置α＝0.05，从而将连 续的概率覆盖模型简化成一个离散概率覆盖模型，如下式：

2.4)在随机部署的无线传感器网络WSNs中，有存在大量冗余传 感器节点，使得一个目标可能被多个传感器节点所覆盖，则可以通过 离散概率覆盖模型计算每个目标的累积目标覆盖概率P_cum，公式如下：

其中，n为覆盖该目标的传感器节点个数，P_i为传感器节点i单 独覆盖目标的概率；

2.5)给定图G＝(S,T,E,P)，如果某一传感器节点的子集满足条件：

S_t(j)＝{s_i|e_i＞0&&P_cum(j)≥T_p,i∈{i,...,n},j∈{1,...,m}}；

其中P_cum(j)是目标t_j的累积目标覆盖概率，T_p满足目标全覆盖的覆 盖概率阈值，则称S_t(j)是目标t_j的目标覆盖集；

2.6)构造互不相交覆盖集：首先确定每个目标t_j(j∈{1,…,20}) 的目标覆盖集θ_j，判断若两个相邻目标t_j,t_k(j≠k,k∈{1,…,20})的目 标覆盖集θ_j和θ_k的交集不为空，即θ_j∩θ_k≠φ，也就是说存在某一传感器 节点可以同时覆盖目标t_j和t_k，则将目标t_j和目标t_k合并成一个新的 目标子集t_(j)(k)，它们覆盖集合并成一个新的目标覆盖集θ_(j)(k)，依次遍历每个目标，直到该目标子集的覆盖集与其他目标子集的覆盖集互不 相交。

再进一步，所述步骤(3)中还包括以下步骤：

3.1)计算每个目标的目标覆盖能量，目标t_j的覆盖能量e_t(j)是其 目标覆盖集中所有传感器节点的能量之和，即：

3.2)计算关键覆盖目标，即目标集中具有最小能量的目标t_j,

也就是说关键覆盖目标的覆盖寿命最小；

3.3)对剩余未覆盖的目标t_k，选取离目标t_k最近的传感器节点s_i扩大它的覆盖半径R_S，使得传感器节点s可以覆盖目标t_k， 致使区域内的目标都能被覆盖；

3.4)再计算一遍互不相交覆盖集，同时将没有覆盖任何目标的传 感器节点从传感器节点集合S中删除。

再进一步，所述步骤(4)中还包括以下步骤：

4.1)计算关键覆盖目标t_j的目标覆盖集中的传感器节点的权值， 求传感器节点的权值的公式如下：

其中，ω₁+ω₂＝1,d_ij为关键覆盖目标t_j与其覆盖目标集中的传感 器节点s_i的距离，e_i为其覆盖目标集中的传感器节点s_i的剩余能量；

4.2)工作状态下的传感器节点检测目标消耗的能量为δi,计算得 到传感器节点的剩余能量为

4.3)根据其传感器节点的权值进行排序，权值越高，传感器节点 的优先级越高；再根据优先级对传感器节点进行调度传感器节点工作， 其他节点处于休眠状态，使得传感器节点的能量消耗降低；因为关键 覆盖目标的覆盖目标集的传感器节点消耗能量是传感器节点集合S中 消耗最多的，保证其寿命最大化，就是网络的寿命最大化；因此使得 关键目标覆盖集中的传感器节点寿命最大化，就是关键覆盖目标的覆 盖寿命最大化。

更进一步，所述步骤(5)中还包括以下步骤：

5.1)新的基于目标覆盖的无线可充电传感器网络模型，在网络 区域中心部署基站BS用来收集传感器的状态等信息，并进行充电路径 规划；同时以目标为簇心，R_s为半径形成簇，并根据权值选出簇中锚 点，移动充电小车MC为簇中传感器节点充电的停靠站点，权值计算公 式为：

其中，ω₁+ω₂＝1,d_ij簇中传感器节点到簇心的距离，e_i为传感器 节点的剩余能量；

5.2)设计移动充电小车MC的充电模型：首先，移动充电小车 MC携带电池容量为B_MC，该电池为移动充电小车MC提供行驶驱动能量 以及为传感器节点充电能量；移动充电小车MC在行驶过程中单位距离 耗能为δ_MC；移动充电小车MC根据预先规划好的路径，从基站出发前 往第一个簇，并依次前往下一个簇，直到回到基站，此过程称为一次 充电回合；

5.3)基站根据获取到每个传感器节点的信息，该信息包括剩余 能量和与基站距离，规划设计出移动充电小车MC的最短充电路径。

本发明的有益效果主要表现在：本发明在无线传感器网络的覆盖 优化和能量补充方面等两方面进行研究，通过综合考虑传感器节点充 电和目标覆盖问题，在保证网络中目标全覆盖的情况下，合理地调度 无线充电设备WCE为传感器节点充电，降低网络能量消耗的同时延长 整个网络的网络寿命。

附图说明

图1为本发明采用的无线传感器网络示意图。

图2为本发明的目标的离散概率覆盖模型图。

图3为本发明具体流程图。

图4为本发明新的基于目标覆盖的无线可充电传感器网络模型 图。

图5为本发明移动充电小车最优路径图。

具体实施方式

下面结合附图对本发明作进一步描述。

参照图1～图5，一种基于目标覆盖的可充电小车移动最优路径规 划方法，包括以下步骤：

(1)、构建网络模型并根据网络中传感器节点和目标的位置构建 网络图；

(2)、通过构造互不相交覆盖集，将大规模的无线传感器网络 WSNs分解成若干个独立的局部无线传感器网络WSNs；

(3)、从互不相交覆盖集中选出关键覆盖目标t_j，对剩余未覆盖 的目标t_k，选取离目标最近的传感器节点s_i，扩大它的覆盖半径R_S， 使得传感器节点s可以覆盖目标t_k，致使区域内的目标都能被覆盖；

(4)、调度关键覆盖目标中的覆盖目标集，实现最大化目标集的 覆盖寿命，通过计算关键覆盖目标中的传感器节点的权值，通过优先 级调度的传感器节点轮流进行检测工作，其他节点处于睡眠状态，使 得覆盖目标的覆盖寿命最大化同时最大化网络寿命；

(5)、在网络区域中心部署基站BS，引入移动充电小车MC，对覆 盖目标集中的传感器节点进行无线充电。

进一步，所述步骤(1)中还包括以下步骤：

1.1)在一个感兴趣的平面区域M*Mm内，随机分布了m个覆盖目 标T＝{t₁,t₂,…,t_m}，为最大时间地监测这些覆盖目标，在整个M*Mm 区域内随机部署n个传感器节点，即S＝{s₁,s₂,…,s_n}，每个传感器节 点被部署后通过某种方式可以获知他们的位置信息，目标位置信息已 知；

1.2)传感器节点的感知半径，即覆盖半径为R_S，初始能量都为 E₀＝1，传感器节点能量的大小体现了传感器节点寿命的大小；

1.3)传感器节点工作以轮为时间单位，每轮可以处于工作状态或 者休眠状态；

1.4)无线传感器网络WSNs用图G＝(S,T,E,P)表示,其中S表示 n个传感器节点的集合；T表示m个目标的集合，E＝{e₁,…,e_n}表示传 感器节点的初始能量集合；P＝{p_ij|i∈1,…,n,j∈{1,…,m}}表示传感 器节点与目标之间的覆盖关系；

1.5)基站位于区域的中心位置，能够获取到图G＝(S,T,E,P)的 相关信息。

再进一步，所述步骤(2)还包括以下步骤：

2.1)计算出每个传感器节点与每个目标之间的欧式距离d_ij；欧 式距离公式如下所示：

2.2)根据传感器节点对目标的覆盖概率随着目标和传感器节点 之间的距离成指数变化，传感器节点概率覆盖模型如下：

2.3)权衡计算复杂度和目标覆盖精度，设置α＝0.05，从而将连 续的概率覆盖模型简化成一个离散概率覆盖模型，如下式：

2.4)在随机部署的无线传感器网络WSNs中，有存在大量冗余传 感器节点，使得一个目标可能被多个传感器节点所覆盖，则可以通过 离散概率覆盖模型计算每个目标的累积目标覆盖概率P_cum，公式如下：

其中，n为覆盖该目标的传感器节点个数，P_i为传感器节点i单 独覆盖目标的概率；

2.5)给定图G＝(S,T,E,P)，如果某一传感器节点的子集满足条 件：

S_t(j)＝{s_i|e_i＞0&&P_cum(j)≥T_p,i∈{i,...,n},j∈{1,...,m}}；

其中P_cum(j)是目标t_j的累积目标覆盖概率，T_p满足目标全覆盖的覆 盖概率阈值，则称S_t(j)是目标t_j的目标覆盖集；

2.6)构造互不相交覆盖集：首先确定每个目标t_j(j∈{1,…,20}) 的目标覆盖集θ_j，判断若两个相邻目标t_j,t_k(j≠k,k∈{1,…,20})的目 标覆盖集θ_j和θ_k的交集不为空，即θ_j∩θ_k≠φ，也就是说存在某一传感器 节点可以同时覆盖目标t_j和t_k，则将目标t_j和目标t_k合并成一个新的 目标子集t_(j)(k)，它们覆盖集合并成一个新的目标覆盖集θ_(j)(k)，依次遍历每个目标，直到该目标子集的覆盖集与其他目标子集的覆盖集互不 相交。

再进一步，所述步骤(3)中还包括以下步骤：

3.1)计算每个目标的目标覆盖能量，目标t_j的覆盖能量e_t(j)是其 目标覆盖集中所有传感器节点的能量之和，即：

3.2)计算关键覆盖目标，即目标集中具有最小能量的目标t_j,

也就是说关键覆盖目标的覆盖寿命最小；

3.3)对剩余未覆盖的目标t_k，选取离目标t_k最近的传感器节点s_i扩大它的覆盖半径R_S，使得传感器节点s可以覆盖目标t_k，致使区 域内的目标都能被覆盖；

3.4)再计算一遍互不相交覆盖集，同时将没有覆盖任何目标的传 感器节点从传感器节点集合S中删除。

再进一步，所述步骤(4)中还包括以下步骤：

4.1)计算关键覆盖目标t_j的目标覆盖集中的传感器节点的权值， 求传感器节点的权值的公式如下：

其中，ω₁+ω₂＝1,d_ij为关键覆盖目标t_j与其覆盖目标集中的传感 器节点s_i的距离，e_i为其覆盖目标集中的传感器节点s_i的剩余能量；

4.2)工作状态下的传感器节点检测目标消耗的能量为δ_i,计算得到 传感器节点的剩余能量为

4.3)根据其传感器节点的权值进行排序，权值越高，传感器节点 的优先级越高；再根据优先级对传感器节点进行调度传感器节点工作， 其他节点处于休眠状态，使得传感器节点的能量消耗降低；因为关键 覆盖目标的覆盖目标集的传感器节点消耗能量是传感器节点集合S中 消耗最多的，保证其寿命最大化，就是网络的寿命最大化；因此使得 关键目标覆盖集中的传感器节点寿命最大化，就是关键覆盖目标的覆 盖寿命最大化。

更进一步，所述步骤(5)中还包括以下步骤：

5.1)新的基于目标覆盖的无线可充电传感器网络模型，在网络 区域中心部署基站BS用来收集传感器的状态等信息，并进行充电路径 规划；同时以目标为簇心，R_s为半径形成簇，并根据权值选出簇中锚 点，移动充电小车MC为簇中传感器节点充电的停靠站点，权值计算公 式为：

其中，ω₁+ω₂＝1,d_ij簇中传感器节点到簇心的距离，e_i为传感器 节点的剩余能量；

5.2)设计移动充电小车MC的充电模型：首先，移动充电小车 MC携带电池容量为B_MC，该电池为移动充电小车MC提供行驶驱动能量 以及为传感器节点充电能量；移动充电小车MC在行驶过程中单位距离 耗能为δ_MC；移动充电小车MC根据预先规划好的路径，从基站出发前 往第一个簇，并依次前往下一个簇，直到回到基站，此过程称为一次 充电回合；

5.3)基站根据获取到每个传感器节点的信息，该信息包括剩余 能量和与基站距离，规划设计出移动充电小车MC的最短充电路径。

如图1所示的网络示意图，本发明采用的无线传感网络为：在一 个感兴趣的平面区域M*Mm内，随机分布了m个覆盖目标 T＝{t₁,t₂,…,t_m}，为最大时间地监测这些覆盖目标，在整个M*M区域 内随机部署n个传感器节点，即S＝{s₁,s₂,…,s_n}，这里在100*100m 的区域内部署了10个覆盖目标点和100个传感器节点。

如图2所示，本发明将连续的概率覆盖模型简化成一个离散概率 覆盖模型。

如图3所示，本发明具体流程描述如下：

1)根据网络中传感器和目标的位置信息构建网络图：

给定无线传感器网络WSNs图G＝(S,T,E,P)。其中S表示n个传感 器节点的集合；T表示m个目标的集合，E＝{e₁,…,e_n}表示传感器 节点的初始能量集合；P＝{p_ij|i∈1,…,n,j∈{1,…,m}}表示传感器 节点与目标之间的覆盖关系；

2)计算每个传感器节点与每个目标之间的欧式距离dij；

3)根据传感器节点概率覆盖模型，将连续的概率覆盖模型简化成一个 离散概率覆盖模型，设置α＝0.05；

4)通过概率覆盖模型计算每个目标的累积目标覆盖概率P_cum；

5)计算目标的目标覆盖集；

6)构造互不相交的覆盖集；例如目标t₅和目标t₁₀的覆盖集存在交集， 即θ₅∩θ₁₀＝{s₁₂}，那么将目标t₁₅和t₂₀合并成一个新的目标子集 t_(5)(10)＝{t₅,t₁₀},它们的覆盖集合并成新的目标覆盖集 θ₅∩θ₁₀＝{s₁₀，s₁₂，s₇₉}。

7)找关键覆盖目标，即目标集中具有最小能量的目标；

8)对剩余未覆盖的目标，选取该目标最近的传感器节点并扩大它的覆 盖半径，使得该传感器节点能够覆盖目标为止，实现区域内的目标 全覆盖；

9)判断目标是否全覆盖，若有目标未被覆盖，则重复步骤8)；

10)调度关键目标的覆盖目标集实现最大化网络寿命；例如关键目标 t₇的覆盖集为θ₇＝{s₉，s₅₆}，则进行计算两个传感器节点的权值，权 值高的传感器节点s₉在第一轮优先进行调度，随后s₅₆在下一轮进 入工作状态；

11)图4给出新的基于目标覆盖的无线可充电传感器网络模型，以目标 为簇心,Rs为半径形成簇，并根据权值选出簇中锚点；

12)设计移动充电小车MC的充电模型；

13)基站规划设计出移动充电小车MC的最短充电路径；由图5给出移 动充电小车MC的最优路径。

Claims (6)

1.一种基于目标覆盖的可充电小车移动最优路径规划方法，其特征在于：所述方法包括以下步骤：

(1)、构建网络模型并根据网络中传感器节点和覆盖目标位置构建网络图；

(2)、通过构造互不相交覆盖集，将大规模的无线传感器网络WSNs分解成若干个独立的局部无线传感器网络WSNs；

(3)、从互不相交覆盖集中选出关键覆盖目标t_j，对剩余未覆盖的目标t_k，选取离目标最近的传感器节点s_i，扩大它的覆盖半径R_S，使得传感器节点s_i可以覆盖目标t_k，致使区域内的目标都能被覆盖；

(4)、调度关键覆盖目标中的覆盖目标集，实现最大化目标集的覆盖寿命，通过计算关键覆盖目标中的传感器节点的权值，通过优先级调度的传感器节点轮流进行检测工作，其他节点处于睡眠状态，使得覆盖目标的覆盖寿命最大化同时最大化网络寿命；

(5)、在网络区域中心部署基站BS，引入移动充电小车MC，对覆盖目标集中的传感器节点进行无线充电。

2.如权利要求1所述的一种基于目标覆盖的可充电小车移动最优路径规划方法，其特征在于：对所述步骤(1)中还包括以下步骤：中还包括以下步骤：

1.1)在一个感兴趣的平面区域M*Mm内，随机分布了m个覆盖目标T＝{t₁,t₂,…,t_m}，为最大时间地监测这些覆盖目标，在整个M*Mm区域内随机部署n个传感器节点，即S＝{s₁,s₂,…,s_n}，每个传感器节点被部署后并获知他们的位置信息，目标位置信息已知；

1.2)传感器节点的感知半径，即覆盖半径为R_S，初始能量都为E₀＝1，传感器节点能量的大小体现了传感器节点寿命的大小；

1.3)传感器节点工作以轮为时间单位，每轮可以处于工作状态或者休眠状态；

1.4)给定无线传感器网络WSNs图G＝(S,T,E,P)表示,其中S表示n个传感器节点的集合；T表示m个目标的集合，E＝{e₁,…,e_n}表示传感器节点的初始能量集合；P＝{p_ij|i∈1,…,n,j∈{1,…,m}}表示传感器节点与目标之间的覆盖关系；

1.5)基站位于区域的中心位置，能够获取到图G＝(S,T,E,P)的相关信息。

3.如权利要求2所述的一种基于目标覆盖的可充电小车移动最优路径规划方法，其特征在于：所述步骤(2)还包括以下步骤：

2.1)计算出每个传感器节点与每个目标之间的欧式距离d_ij；欧式距离公式如下所示：

2.2)根据传感器节点对目标的覆盖概率随着目标和传感器节点之间的距离成指数变化，传感器节点概率覆盖模型如下：

2.3)权衡计算复杂度和目标覆盖精度，设置α＝0.05，从而将连续的概率覆盖模型简化成一个离散概率覆盖模型，如下式：

2.4)在随机部署的无线传感器网络WSNs中，有存在大量冗余传感器节点，使得一个目标可能被多个传感器节点所覆盖，则可以通过离散概率覆盖模型计算每个目标的累积目标覆盖概率P_cum，公式如下：

其中，n为覆盖该目标的传感器节点个数，P_i为传感器节点i单独覆盖目标的概率；

2.5)给定图G＝(S,T,E,P)，如果某一传感器节点的子集满足条件：

S_t(j)＝{s_i|e_i＞0&&P_cum(j)≥T_p,i∈{i,...,n},j∈{1,...,m}}；

其中P_cum(j)是目标t_j的累积目标覆盖概率，T_p满足目标全覆盖的覆盖概率阈值，则称S_t(j)是目标t_j的目标覆盖集；

2.6)构造互不相交覆盖集：首先确定每个目标t_j(j∈{1,…,20})的目标覆盖集θ_j，判断若两个相邻目标t_j,t_k(j≠k,k∈{1,…,20})的目标覆盖集θ_j和θ_k的交集不为空，即θ_j∩θ_k≠φ，也就是说存在某一传感器节点可以同时覆盖目标t_j和t_k，则将目标t_j和目标t_k合并成一个新的目标子集t_(j)(k)，它们覆盖集合并成一个新的目标覆盖集θ_(j)(k)，依次遍历每个目标，直到该目标子集的覆盖集与其他目标子集的覆盖集互不相交。

4.如权利要求3所述的一种基于目标覆盖的可充电小车移动最优路径规划方法，其特征在于：所述步骤(3)中还包括以下步骤：

3.1)计算每个目标的目标覆盖能量，目标t_j的覆盖能量e_t(j)是其目标覆盖集中所有传感器节点的能量之和，即：

3.2)计算关键覆盖目标，即目标集中具有最小能量的目标t_j,

也就是说关键覆盖目标的覆盖寿命最小；

3.3)对剩余未覆盖的目标t_k，选取离目标t_k最近的传感器节点s_i扩大它的覆盖半径R_S，使得传感器节点s可以覆盖目标t_k，致使区域内的目标都能被覆盖；

3.4)再计算一遍互不相交覆盖集，同时将没有覆盖任何目标的传感器节点从传感器节点集合S中删除。

5.如权利要求4所述的一种基于目标覆盖的可充电小车移动最优路径规划方法，其特征在于：所述步骤(4)中还包括以下步骤：

4.1)计算关键覆盖目标t_j的目标覆盖集中的传感器节点的权值，求传感器节点的权值的公式如下：

其中，ω₁+ω₂＝1,d_ij为关键覆盖目标t_j与其覆盖目标集中的传感器节点s_i的距离，e_i为其覆盖目标集中的传感器节点s_i的剩余能量；

4.2)工作状态下的传感器节点检测目标消耗的能量为δ_i,计算得到传感器节点的剩余能量为

4.3)根据其传感器节点的权值进行排序，权值越高，传感器节点的优先级越高；再根据优先级对传感器节点进行调度传感器节点工作，其他节点处于休眠状态，使得传感器节点的能量消耗降低。

6.如权利要求5所述的一种基于目标覆盖的可充电小车移动最优路径规划方法，其特征在于：所述步骤(5)中还包括以下步骤：

5.1)新的基于目标覆盖的无线可充电传感器网络模型，在网络区域中心部署基站BS用来收集传感器的状态等信息，并进行充电路径规划；同时以目标为簇心，R_s为半径形成簇，并根据权值选出簇中锚点，移动充电小车MC为簇中传感器节点充电的停靠站点，权值计算公式为：

其中，ω₁+ω₂＝1,d_ij簇中传感器节点到簇心的距离，e_i为传感器节点的剩余能量；

5.2)设计移动充电小车MC的充电模型：首先，移动充电小车MC携带电池容量为B_MC，该电池为移动充电小车MC提供行驶驱动能量以及为传感器节点充电能量；移动充电小车MC在行驶过程中单位距离耗能为δ_MC；移动充电小车MC根据预先规划好的路径，从基站出发前往第一个簇，并依次前往下一个簇，直到回到基站，此过程称为一次充电回合；

5.3)基站根据获取到每个传感器节点的信息，该信息包括剩余能量和与基站距离，规划设计出移动充电小车MC的最短充电路径。

Images