CN112578813B - 一种无线传感器网络中无人机辅助充电的方法 - Google Patents
一种无线传感器网络中无人机辅助充电的方法 Download PDFInfo
- Publication number
- CN112578813B CN112578813B CN202011456140.1A CN202011456140A CN112578813B CN 112578813 B CN112578813 B CN 112578813B CN 202011456140 A CN202011456140 A CN 202011456140A CN 112578813 B CN112578813 B CN 112578813B
- Authority
- CN
- China
- Prior art keywords
- aerial vehicle
- unmanned aerial
- sensor
- sensor node
- node
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 230000005059 dormancy Effects 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 claims description 8
- 238000004891 communication Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 238000005265 energy consumption Methods 0.000 abstract description 4
- 230000002035 prolonged effect Effects 0.000 abstract description 2
- 230000007958 sleep Effects 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
Images
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
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/4185—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by the network communication
- G05B19/41855—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by the network communication by local area network [LAN], network structure
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
-
- 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
- G05D1/0005—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots with arrangements to save energy
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/02—Power saving arrangements
- H04W52/0209—Power saving arrangements in terminal devices
- H04W52/0261—Power saving arrangements in terminal devices managing power supply demand, e.g. depending on battery level
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种无线传感器网络中无人机辅助充电的方法，无线传感器网络包括传感器节点、SDN控制器，在传感器网络中，当传感器电量低于某个阈值时，向无人机发出充电请求，无人机从基站出发，在传感器网络中移动，无人机通过对多个传感器传送的信息进行分析，进行无人机充电路径和各个节点充电时间的决策规划，综合考虑无人机剩余电量、传感器剩余电量、充电移动距离等因素，使用“虚拟距离”对充电紧急程度进行评价，保证网络中没有传感器因为电量过低而宕机、无人机在整个充电过程中能量损耗最小，本发明在无线传感器网络能量受限的情况下对节点进行调度，节约能量消耗，延长网络寿命。
Description
技术领域
本发明涉及无人机行业以及无线充电技术领域，尤其是无人机给传感器网络充电的过程中合理的路径方法。
背景技术
无线传感器网络(Wireless Sensor Networks,WSN)因为其具有广阔的应用前景而受到越来越多的研究关注，这些应用一般都是基于传感器节点长时间维持有效的工作状态，比如环境监测、目标追踪、室内导航等。虽然目前有固定充电桩及充电车等地面可移动充电装置，但是它们不具备无人机速度快、移动灵活、视距传输、受地形影响较小等一系列优点，因而研究无人机辅助的无线传感器网络的高效充电算法具有很重要的意义。
考虑到无人机工作时自身也存在能量消耗，在实际充电过程中无人机的飞行距离及节点剩余电量情况需要综合考虑。目前已有很多算法研究无线传感器网络中节点的充电问题，但大多为只考虑了某一方面最优解的确定性算法。确定性方法以能量分布模型为基础将能量充电问题转变为TSP问题，节点的位置以及节点的能量消耗比率被认为确定的因素，这在实际应用中存在一定的限制，因为确定的因素并不容易去获得和维持，因而相比于非确定性算法在性能上有一定的劣势。本发明在软件定义网络(Software DefinedNetworking,SDN)技术的基础上，设立NNRF参数为依照，在不破坏无线传感器网络自组织特性的前提下，最小化休眠数量且最大化无人机能效，延长网络寿命，具有可观的应用前景。
发明内容
发明目的：将无人机作为可移动的充电电源，尽可能最小化无线传感器网络中的因为能源不足而失去工作能力的节点(休眠节点)数量以及最大化无人机自身的能效从而为更多的传感器节点传输能量，本发明提供一种无线传感器网络中无人机辅助充电的方法。
技术方案：为实现上述目的，本发明采用的技术方案为：
一种无线传感器网络中无人机辅助充电的方法，无线传感器网络包括传感器节点、SDN 控制器，所述SDN控制器分别与传感器节点、无人机通信连接，在传感器网络中，当传感器电量低于某个阈值时，向无人机发出充电请求，无人机从基站出发，在传感器网络中移动，无人机通过对多个传感器传送的信息进行分析，进行无人机充电路径和各个节点充电时间的决策规划，综合考虑无人机剩余电量、传感器剩余电量、充电移动距离等因素，使用“虚拟距离”对充电紧急程度进行评价，保证网络中没有传感器因为电量过低而宕机、无人机在整个充电过程中能量损耗最小，具体包括以下步骤：
步骤1，网络初始化：所述无线传感器网络在启用前，初始化无线传感器网络中的所有传感器节点为休眠状态。当无线传感器网络开始启用时，无线传感器网络中的传感器节点开始被唤醒工作。被唤醒的传感器节点向SDN控制器发送自身的状态信息，状态信息包括对应传感器节点当前时隙在网络中的地址、初始能量、剩余能量以及与无人机之间的距离。SDN控制器接收到传感器节点的状态信息后，为已被唤醒的传感器节点建立信息表，并将接收到的传感器节点状态信息分别存储在对应信息表中。SDN控制器根据已经建立的信息表为无人机作出第一个充电目标判定。
步骤2，对于无线传感器网络中的任意一个待充电的传感器节点i，无人机在为无线传感器网络充电的过程中，无人机的调度方法包括：
步骤2-1，在每个新时隙开始时，传感器节点i根据自身剩余电量以及无人机的位置向SDN 控制器发送自身的状态信息。当SDN控制器接收到传感器节点i的状态信息时，执行以下步骤：
SDN控制器从接收到的状态信息中提取传感器节点i的剩余电量和距离无人机的实际距离，检索已经建立的信息表，之后SDN控制器将接收到的状态信息更新到传感器节点i对应的信息表中；
步骤2-2，当无人机给一个传感器节点充电完毕，该传感器节点发送状态信息至SDN控制器。SDN控制器更新当前的信息表。如果某个传感器节点的剩余电量小于阈值，则该传感器节点进入休眠状态。否则该传感器节点继续正常工作，并且记录下休眠的传感器节点信息。同时，SDN控制器通过分析传感器节点信息表中的剩余能量以及与无人机之间的距离信息为无人机判断下一个充电节点，无人机将会飞到下一个传感器节点处，对该传感器节点完成充电。
步骤3，对无线传感器网络的所有传感器节点分别执行步骤2，直至无人机的能量耗尽回到基站或者为所有的传感器节点充电完毕。
优选的：步骤2-2中SDN控制器通过分析传感器节点信息表中的剩余能量以及与无人机之间的距离信息为无人机判断下一个充电节点的方法：
定义一个NNRF值作为无人机判定下一个充电目标传感器节点的参量。NNRF矩阵的计算表达式为：
其中，NNRFj表示第j个传感器节点的NNRF值，Ej是第j个传感器节点的剩余电量，Dj是第j个传感器节点距离无人机的实际距离，wj是第j个传感器节点的剩余能量对于被参考选择成为下一个充电目标节点的贡献值，kj是当前时隙下根据第j个传感器节点的剩余电量以及距离无人机的实际距离得到的参数。
优选的：第j个传感器节点的剩余能量对于被参考选择成为下一个充电目标节点的贡献值 wj：
其中，E为传感器节点的总电量，Ej表示第j个传感器节点的剩余电量。
优选的：当前时隙下根据第j个传感器节点的剩余电量以及距离无人机的实际距离得到的参数kj：
其中，N是无线传感器网络中传感器节点总的数量。
优选的：步骤2-1中由于无人机处于移动状态，因此每个时隙的开始，每个信息表中每一个传感器节点的剩余电量以及距离无人机的实际状态信息都需要更新。
优选的：步骤2-2中，SDN控制器通过分析传感器节点信息表中的剩余能量以及与无人机之间的距离信息为无人机判断下一个充电传感器节点前，首先给已经休眠的传感器节点充电。
优选的：在出现休眠的传感器节点之后，面对两个或两个以上的已休眠传感器节点，无人机的下一个充电传感器节点将会选择是已休眠的传感器节点中距离无人机最近的传感器节点。已休眠的传感器节点在补充电量后将重新被唤醒，正常工作。在无人机将所有已休眠传感器节点唤醒后，SDN控制器在通过分析传感器节点信息表中的剩余能量以及与无人机之间的距离信息为无人机判断下一个充电传感器节点。
本发明相比现有技术，具有以下有益效果：
本发明基于软件定义网络的架构，利用SDN控制器，通过对每个传感器节点设立NNRF参量，对其进行集中式调度。在传感器节点的充电过程中，依据NNRF值得到充电优先级并按从高到低的顺序充电，从而降低网络中的休眠节点数，减少能量消耗，延长网络寿命。
附图说明
图1是无人机辅助的无线传感器网络充电算法流程图。
图2是无人机为无线传感器网络充电的场景图。
图3是SDN控制器为传感器节点建立的信息表的示意。
具体实施方式
下面结合附图和具体实施例，进一步阐明本发明，应理解这些实例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
一种无线传感器网络中无人机辅助充电的方法，如图1-3所示，无线传感器网络包括传感器节点、SDN控制器，所述SDN控制器分别与传感器节点、无人机通信连接，基于软件定义网络(Software Defined Networking,SDN)技术的集中式调度方法，SDN控制器计算传感器节点的NNRF值并与设立的阈值进行比较，从而决定传感器节点在每个时隙的状态，具体包括以下步骤：
步骤1，网络初始化：所述无线传感器网络在启用前，初始化无线传感器网络中的所有传感器节点为休眠状态。当无线传感器网络开始启用时，无线传感器网络中的传感器节点开始被唤醒工作。被唤醒的传感器节点向SDN控制器发送自身的状态信息，状态信息包括对应传感器节点当前时隙在网络中的地址、初始能量、剩余能量以及与无人机之间的距离。SDN控制器接收到传感器节点的状态信息后，为已被唤醒的传感器节点建立信息表，并将接收到的传感器节点状态信息分别存储在对应信息表中。SDN控制器根据已经建立的信息表为无人机作出第一个充电目标判定。
如图1所示，假设网络中有n个
传感器节点，传感器节点的集合记为：
N＝{1,2,…,n}
节点在网络中的位置记为：
其中xi和yi是Xi在二维场景下的坐标，节点i与无人机之间的距离用Di表示。
步骤2，对于无线传感器网络中的任意一个待充电的传感器节点i，无人机在为无线传感器网络充电的过程中，无人机的调度方法包括：
步骤2-1，在每个新时隙开始时，传感器节点i根据自身剩余电量以及距离无人机的距离向SDN控制器发送自身的状态信息。当SDN控制器接收到传感器节点i的状态信息时，执行以下步骤：
SDN控制器从接收到的状态信息中提取传感器节点i的剩余电量和距离无人机的实际距离，检索已经建立的信息表，SDN控制器将接收到的状态信息更新到传感器节点i对应信息表中。
由于无人机处于移动状态，因此每个时隙的开始，每个信息表中每一个传感器节点的剩余电量以及距离无人机的实际状态信息都需要更新。
步骤2-2，当无人机给一个传感器节点充电完毕，该传感器节点发送状态信息至SDN控制器。SDN控制器更新当前的信息表。如果某个传感器节点的剩余电量小于阈值，则该传感器节点进入休眠状态。否则该传感器节点继续正常工作，并且记录下休眠的传感器节点信息。同时，SDN控制器通过分析传感器节点信息表中的剩余能量以及与无人机之间的距离信息为无人机判断下一个充电节点，无人机将会飞到下一个传感器节点处，对该传感器节点完成充电。
定义一个NNRF值作为无人机判定下一个充电目标传感器节点的参量。NNRF矩阵的计算表达式为：
其中，NNRFj表示第j个传感器节点的NNRF值，Ej是第j个传感器节点的剩余电量，Dj是第j个传感器节点距离无人机的实际距离，wj是第j个传感器节点的剩余能量对于被参考选择成为下一个充电目标节点的贡献值，kj是当前时隙下根据第j个传感器节点的剩余电量以及距离无人机的实际距离得到的参数。
其中，E为传感器节点的总电量，Ej表示第j个传感器节点的剩余电量，N是无线传感器网络中传感器节点总的数量。
SDN控制器通过分析传感器节点信息表中的剩余能量以及与无人机之间的距离信息为无人机判断下一个充电传感器节点前，首先给已经休眠的传感器节点充电。在出现休眠的传感器节点之后，面对两个或两个以上的已休眠传感器节点，无人机的下一个充电传感器节点将会选择是已休眠的传感器节点中距离无人机最近的传感器节点。已休眠的传感器节点在补充电量后将重新被唤醒，正常工作。在无人机将所有已休眠传感器节点唤醒后，SDN控制器在通过分析传感器节点信息表中的剩余能量以及与无人机之间的距离信息为无人机判断下一个充电传感器节点。
步骤3，对无线传感器网络的所有传感器节点分别执行步骤2，直至无人机的能量耗尽回到基站或者为所有的传感器节点充电完毕。
在本发明中，我们设计一个基于SDN架构的无人机充电算法，在SDN架构中，控制平面与数据平面分离，控制平面中的控制器掌握整个网络的全局信息，负责所有节点的管理，包括传感器节点的位置计算、状态信息记录等；数据平面则由传感器节点组成，只需根据每个节点上的流表执行包的转发工作。
如附图2所示无人机为传感器节点充电过程，在初始时刻，网络中的传感器节点从休眠状态进行到工作状态，并向SDN控制器发送位置、初始能量、剩余能量以及与无人机之间的距离等信息。控制器接收到这些信息后，为该传感器节点建立一个如附图3所示的信息表，将其相关信息存储在该表中。
某一时刻，当SDN控制器建立的信息表中发现一定数量的传感器节点剩余电量处于电量低状态，SDN控制器将会向基站发出充电请求，携带无线传输技术的无人机将会开始工作。
在信息表中，传感器节点的剩余电量当低于某个阀值时，将不能正常工作，被定义为休眠状态。在传感器网络中出现休眠节点时，无人机将会选择距离自身最近距离的休眠节点作为充电目标，保证传感器网络因为节点的休眠而不能正常工作的概率降低。当无人机为休眠的节点补充电量之后，节点将会被唤醒，进入正常工作状态。无人机将会选择距离它最近的休眠节点作为下一个充电目标。直到传感器网络中所有节点都正常工作。
此时，传感器网络中已不存在休眠节点，所有节点处于正常工作状态。SDN控制器将会根据最新生成的信息表计算得出传感器节点与无人机的距离矩阵，以及节点的剩余电量矩阵。在无人机为其充电完毕后，SDN控制器更新信息表，判断此时传感器网络中是否存在休眠节点，如果存在，将会根据距离最近原则，为休眠节点充电。如果不存在休眠节点，根据最新的信息表，SDN控制器生成最新的NNRF矩阵，根据NNRF矩阵无人机将会确定下一充电目标，循环此过程。
在以上过程中，根据信息表中的无人机位置信息以及无人机剩余电量信息，当无人机自身的剩余电量接近只能满足返回基站补充能量时，无人机将会停止充电过程，返回基站。在补充能量之后，根据最新的信息表，将会重复上述步骤，无人机将会继续为传感器节点充电。
直到传感器网络中的所有节点都被补充能量，无人机返回基站。
以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (4)
1.一种无线传感器网络中无人机辅助充电的方法，无线传感器网络包括传感器节点、SDN控制器，所述SDN控制器分别与传感器节点、无人机通信连接，其特征在于，包括以下步骤：
步骤1，网络初始化：所述无线传感器网络在启用前，初始化无线传感器网络中的所有传感器节点为休眠状态；当无线传感器网络开始启用时，无线传感器网络中的传感器节点开始被唤醒工作；被唤醒的传感器节点向SDN控制器发送自身的状态信息，状态信息包括对应传感器节点当前时隙在网络中的地址、初始能量、剩余能量以及与无人机之间的距离；SDN控制器接收到传感器节点的状态信息后，为已被唤醒的传感器节点建立信息表，并将接收到的传感器节点状态信息分别存储在对应信息表中；SDN控制器根据已经建立的信息表为无人机作出第一个充电目标判定；
步骤2，对于无线传感器网络中的任意一个待充电的传感器节点i，无人机在为无线传感器网络充电的过程中，无人机的调度方法包括：
步骤2-1，在每个新时隙开始时，传感器节点i根据自身剩余电量以及无人机的位置向SDN控制器发送自身的状态信息；当SDN控制器接收到传感器节点i的状态信息时，执行以下步骤：
SDN控制器从接收到的状态信息中提取传感器节点i的剩余电量和无人机的具体位置，检索已经建立的信息表，之后SDN控制器将接收到的状态信息更新到传感器节点i对应信息表中；
步骤2-2，当无人机给一个传感器节点充电完毕，该传感器节点发送状态信息至SDN控制器；SDN控制器更新当前的信息表；如果某个传感器节点的剩余电量小于阈值，则该传感器节点进入休眠状态；否则该传感器节点继续正常工作，并且记录下休眠的传感器节点信息；同时，SDN控制器通过分析传感器节点信息表中的剩余能量以及与无人机之间的距离信息为无人机判断下一个充电节点，无人机将会飞到下一个传感器节点处，对该传感器节点完成充电；
步骤3，对无线传感器网络的所有传感器节点分别执行步骤2，直至无人机的能量耗尽回到基站或者为所有的传感器节点充电完毕；
所述步骤2中SDN控制器通过分析传感器节点信息表中的剩余能量以及与无人机之间的距离信息为无人机判断下一个充电节点的方法：
定义一个NNRF矩阵作为无人机判定下一个充电目标传感器节点的参量；NNRF矩阵的计算表达式为：
其中，NNRFj表示第j个传感器节点的NNRF值，Ej是第j个传感器节点的剩余电量，D j是第j个传感器节点距离无人机的实际距离，wj是第j个传感器节点的剩余能量对于被参考选择成为下一个充电目标节点的贡献值，kj是当前时隙下根据第j个传感器节点的剩余电量以及距离无人机的实际距离得到的参数；
第j个传感器节点的剩余能量对于被参考选择成为下一个充电目标节点的贡献值wj：
其中，E为传感器节点的总电量，Ej表示第j个传感器节点的剩余电量；
当前时隙下根据第j个传感器节点的剩余电量以及距离无人机的实际距离得到的参数kj：
其中，N是无线传感器网络中传感器节点总的数量。
2.根据权利要求1所述无线传感器网络中无人机辅助充电的方法，其特征在于：步骤2-1中由于无人机处于移动状态，因此每个时隙的开始，每个信息表中每一个传感器节点的剩余电量以及距离无人机的实际状态信息都需要更新。
3.根据权利要求2所述无线传感器网络中无人机辅助充电的方法，其特征在于：步骤2-2中，SDN控制器通过分析传感器节点信息表中的剩余能量以及与无人机之间的距离信息为无人机判断下一个充电传感器节点前，首先给已经休眠的传感器节点充电。
4.根据权利要求3所述无线传感器网络中无人机辅助充电的方法，其特征在于：在出现休眠的传感器节点之后，面对两个或两个以上的已休眠传感器节点，无人机的下一个充电传感器节点将会选择是已休眠的传感器节点中距离无人机最近的传感器节点；已休眠的传感器节点在补充电量后将重新被唤醒，正常工作；在无人机将所有已休眠传感器节点唤醒后，SDN控制器在通过分析传感器节点信息表中的剩余能量以及与无人机之间的距离信息为无人机判断下一个充电传感器节点。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011456140.1A CN112578813B (zh) | 2020-12-10 | 2020-12-10 | 一种无线传感器网络中无人机辅助充电的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011456140.1A CN112578813B (zh) | 2020-12-10 | 2020-12-10 | 一种无线传感器网络中无人机辅助充电的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112578813A CN112578813A (zh) | 2021-03-30 |
| CN112578813B true CN112578813B (zh) | 2022-07-19 |
Family
ID=75131724
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011456140.1A Active CN112578813B (zh) | 2020-12-10 | 2020-12-10 | 一种无线传感器网络中无人机辅助充电的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112578813B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113452119B (zh) * | 2021-07-08 | 2024-04-16 | 北京京东乾石科技有限公司 | 充电设备调配方法、装置及系统 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107835499B (zh) * | 2017-10-26 | 2020-01-10 | 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 |
| CN108012345B (zh) * | 2017-12-01 | 2020-08-25 | 昆明理工大学 | 一种无线传感器网络中单对多移动能量补充方法 |
| CN109583665B (zh) * | 2018-12-26 | 2022-03-08 | 武汉烽火凯卓科技有限公司 | 一种无线传感器网络中的无人机充电任务调度方法 |
| CN110418434B (zh) * | 2019-07-08 | 2022-12-06 | 东南大学 | 一种无人机辅助的无线传感器网络充电方法与装置 |
| CN110856134B (zh) * | 2019-10-16 | 2022-02-11 | 东南大学 | 一种基于无人机的大规模无线传感器网络数据收集方法 |
| CN110729783B (zh) * | 2019-10-23 | 2023-05-02 | 吉林大学 | 一种在线可充电传感器网络充电调度系统 |
-
2020
- 2020-12-10 CN CN202011456140.1A patent/CN112578813B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN112578813A (zh) | 2021-03-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2016180004A1 (zh) | 一种多充电节点的无线传感器网络充电方法 | |
| CN108448731B (zh) | 一种协作式无线传感网能量补充方法及其无线传感网 | |
| CN110300418B (zh) | 一种无线可充电传感器网络中按需充电的时空调度算法 | |
| CN109495945A (zh) | 一种WSNs中基于聚类分簇的协同充电方法 | |
| CN109451556A (zh) | 基于uav对无线传感网充电的方法 | |
| Zhong et al. | Ant colony optimization algorithm for lifetime maximization in wireless sensor network with mobile sink | |
| Xu et al. | A wireless sensor network recharging strategy by balancing lifespan of sensor nodes | |
| CN102014344A (zh) | 一种基于dpso的智能无线传感网络分簇控制方法 | |
| CN110418434A (zh) | 一种无人机辅助的无线传感器网络充电方法与装置 | |
| Shi et al. | A two-stage strategy for UAV-enabled wireless power transfer in unknown environments | |
| CN112578813B (zh) | 一种无线传感器网络中无人机辅助充电的方法 | |
| CN111787500B (zh) | 一种基于能量优先的移动充电车辆多目标充电调度方法 | |
| CN107708086B (zh) | 一种无线传感器和执行器网络的移动能量补充方法 | |
| CN113887138A (zh) | 一种基于图神经网络和强化学习的wrsn充电调度方法 | |
| CN110049500B (zh) | 基于模拟退火算法的无线可充电传感网中uav能量补偿方法 | |
| Tian et al. | The charging strategy combining with the node sleep mechanism in the wireless rechargeable sensor network | |
| CN114980252B (zh) | 一种物联网终端设备的低功耗休眠控制方法与系统 | |
| CN110248330A (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 | |
| KR102387106B1 (ko) | 태양 에너지 수집형 무선 센서 네트워크에서 모바일 충전을 이용한 클러스터 관리 방법, 이를 수행하기 위한 기록 매체 및 장치 | |
| CN113891238B (zh) | 一种基于drl的wsn中单对多移动能量补充方法 | |
| CN111601378B (zh) | 一种能量收集不均衡传感网中的富余能量主动分享方法 | |
| KR20140115130A (ko) | 사물지능통신 기기의 전원 관리 방법，및 사물지능통신 기기의 전원 관리를 위한 네트워크 서버 | |
| CN113038569A (zh) | 基于pfcm的无线传感网节点充电方法及系统 | |
| CN113347680A (zh) | 基于ZigBee的群集树形无线传感器网络的节能路由方法 | |
| Zeng et al. | A sleep scheduling algorithm for target tracking in energy harvesting 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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |