CN113507172B - 基于移动充电车的无线传感器网络节点充电方法 - Google Patents
基于移动充电车的无线传感器网络节点充电方法 Download PDFInfo
- Publication number
- CN113507172B CN113507172B CN202110700795.7A CN202110700795A CN113507172B CN 113507172 B CN113507172 B CN 113507172B CN 202110700795 A CN202110700795 A CN 202110700795A CN 113507172 B CN113507172 B CN 113507172B
- Authority
- CN
- China
- Prior art keywords
- sensor
- charging
- path
- coverage
- time
- 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
- 230000008901 benefit Effects 0.000 claims abstract description 97
- 230000007958 sleep Effects 0.000 claims description 42
- 238000003780 insertion Methods 0.000 claims description 34
- 230000037431 insertion Effects 0.000 claims description 30
- 238000012217 deletion Methods 0.000 claims description 14
- 230000037430 deletion Effects 0.000 claims description 14
- 230000004622 sleep time Effects 0.000 claims description 11
- 238000005304 joining Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 5
- 101100272279 Beauveria bassiana Beas gene Proteins 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 description 70
- 238000004088 simulation Methods 0.000 description 13
- 230000007423 decrease Effects 0.000 description 12
- 238000012544 monitoring process Methods 0.000 description 11
- 230000000694 effects Effects 0.000 description 9
- 230000008569 process Effects 0.000 description 6
- 238000005265 energy consumption Methods 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 238000012271 agricultural production Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005059 dormancy Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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
- H02J50/00—Circuit arrangements or systems for wireless supply or distribution of electric power
-
- 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
- H02J7/00032—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries characterised by data exchange
-
- 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
- H02J7/0013—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries acting upon several batteries simultaneously or sequentially
-
- 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
- H02J7/0047—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with monitoring or indicating devices or circuits
- H02J7/0048—Detection of remaining charge capacity or state of charge [SOC]
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Computer Networks & Wireless Communication (AREA)
- Mobile Radio Communication Systems (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明公开了一种基于移动充电车的无线传感器网络节点充电方法，包括以下步骤，S1：移动充电车评估充电请求队列Q和已规划充电路径P中每个传感器的覆盖范围收益，确定从充电路径P中删除的传感器组和充电请求队列Q中要添加到充电路径中的传感器组构建新的充电候选传感器集；S2：为新的充电候选传感器集建立新的充电路径S3：移动充电车沿着新的充电路径移动，并为路径中的第一个传感器充电；S4：移动充电车完成对路径中第一个传感器节点充电后，重复执行步骤S1～S3，直至完成对Q中所有传感器的充电。本发明中的方法考虑每个请求充电的传感器的覆盖贡献，最大化网络覆盖范围，降低传感器电量不足导致的覆盖范围损失，提高充电效率。
Description
技术领域
本发明涉及无线充电技术领域，尤其涉及基于移动充电车的无线传感器网络节点充电方法。
背景技术
无线传感器网络(WSN)已广泛应用于各个领域，包括医疗保健，智能运输，工业应用，环境监测，辅助农业生产以及军事领域。由于无线传感器主要由能量有限的电池供电，这导致了网络寿命有限的问题。近年来，随着无线充电技术的飞速发展，为无线传感器网络的能量供应提供了有效的解决方案。无线充电技术允许移动能源站在传感器之间移动，并在一定的充电范围内以无线方式为传感器充电补充能量。
现有技术中已经提出了许多充电机制来延长传感器网络的寿命，这些研究主要可以分为两类：按固定顺序充电的方法和按实际需求充电的方法。在按固定顺序充电方法中，假设移动充电车知道包括能耗率、上次充电时间和传感器位置在内的信息，移动充电车沿着监视器场景中的固定路径行走，为传感器充电，该充电机制要解决的核心问题是如何规划移动充电车的充电路径，以满足传感器的充电需求，从而实现整个传感器网络的高充电效率。但是，监视环境的实际特征和传感器的特定要求将导致某些信息不确定或不可预测。这就产生了一个问题，即预定路径不能满足传感器的充电需求，由于传感器没有及时充电，导致了传感器的故障，影响网络的监视性能。
由于按序充电方法的缺点是导致充电路径过长、充电效率低，因此，出现了按需充电方法。按需充电机制允许能量不足的传感器随时向移动充电车发送充电请求，移动充电车动态规划传感器的充电顺序，并构造充电路径以执行充电任务。由于在充电车执行充电任务过程中，信息的充电请求不断产生，因此充电路径要不断更新。按需充电机制考虑了每个传感器不同的充电需求，并采用有效的方法来提高传感器的充电效率。但是，现有技术都只考虑了所需传感器和移动充电车之间的距离，目的是最大化充电传感器的数量，并没有考虑传感器的覆盖范围，这就使得现有充电机制难以网络覆盖范围最大化。
发明内容
针对上述存在的问题，本发明旨在提供一种基于移动充电车的无线传感器网络节点充电方法，考虑每个请求充电的传感器的覆盖范围贡献，基于移动充电车动态调度，评估每个请求充电的传感器的覆盖范围贡献，并选择覆盖范围贡献大且距离较近的传感器作为下一个充电路径的候选充电对象，从而提高充电效率。
为了实现上述目的，本发明所采用的技术方案如下：
基于移动充电车的无线传感器网络节点充电方法，其特征在于，包括以下步骤，
S1：移动充电车评估充电请求队列Q和已规划充电路径P中每个传感器的覆盖范围收益，确定从充电路径P中删除的传感器组和充电请求队列Q中要添加到充电路径中的传感器组构建新的充电候选传感器集；
S2：为步骤S1中构建的新的充电候选传感器集建立新的充电路径
S3：移动充电车沿着步骤S2中建立的新的充电路径移动，并为路径中的第一个传感器充电；
S4：移动充电车完成对路径中第一个传感器节点充电后，重复执行步骤S1～S3，直至完成对Q中所有传感器的充电。
进一步的，步骤S1的具体操作包括以下步骤，
S101：设时间t为当前时刻，令表示已经发送充电请求的传感器组，也即充电请求队列，Q中任何一个候选传感器记为其中，i＝1,2，…，y；代表已规划的充电路径；
S102：令表示新的充电路径，通过在P中加入传感器或者将传感器从P中删除后而获得，假设传感器被部署在新的充电路径中的第k个位置处，则新的充电路径可表示为
S103：令li＝(xi，yi)和lj＝(xj，yj)表示传感器和的位置，d(si，sj)表示传感器和之间的距离，则
S104：令表示传感器的覆盖范围收益，即移动充电车每移动单位距离所获得的覆盖贡献，传感器的覆盖范围收益表示为式中，是将传感器添加到充电路径中后引起路径长度增加量，若将插入到传感器s1和s2之间，则导致的路径的增加量表示为为传感器在t时刻的独立覆盖贡献；
S105：计算上一轮计划的充电路径P中每个传感器的覆盖范围收益
S106：令和分别表示Q中覆盖范围收益最大的传感器和P中覆盖范围收益最小的传感器，也即
S107：令表示Q中所有传感器的平均覆盖范围收益，则式中，|Q|表示充电请求队列Q中传感器的数量；令表示路径P中所有传感器的平均覆盖范围收益，则式中，|P|表示已规划充电路径P中传感器的数量；
S108：将作为阈值，判断是否将传感器添加到新的充电路径中；同时，将作为阈值，判断是否将传感器从路径P中删除。
进一步的，步骤S104中传感器在t时刻的独立覆盖贡献的计算方法为：令Ni代表的邻居传感器，ai表示的覆盖面积，和分别表示邻居传感器的覆盖面积和覆盖贡献，则表示为
令表示传感器在t时刻的工作状态，表示为式中，表示的睡眠时间；的邻居传感器在t时刻的覆盖贡献表示为则传感器的独立覆盖贡献表示为的覆盖区域减去与邻居传感器重叠的覆盖区域，即
进一步的，步骤S108的具体操作包括，令和分别表示传感器和的覆盖范围收益，则当时，将传感器添加到新的充电路径中，此时，传感器成为加入路径P的候选传感器组的一个成员；当时，将传感器从路径P中删除，传感器成为从路径P中候选删除的传感器组的一个成员。
进一步的，步骤S108的具体操作包括，根据计算出来的充电请求队列Q中每个传感器对应的覆盖范围收益以及充电路径P中每个传感器对应的覆盖范围收益所有符合的传感器构成加入路径P的候选传感器组所有符合的传感器构成路径P中候选删除的传感器组
进一步的，步骤S1的具体操作包括，
S101：设时间t为当前时间，令表示已经发送充电请求的传感器组，称为充电请求队列，Q中任何一个传感器记为其中，i＝1,2，…，y；代表已规划的充电路径；
S102：令E和分别表示传感器满电量时的能量和在t时刻的剩余能量，αch和αdisch分别代表传感器的充电速率和放电速率，表示传感器的充电时间，表示传感器发送充电请求后等待充电的时间，称为充电等待时间，则令li＝(xi，yi)和lj＝(xj，yj)表示传感器和的位置，d(xi，sj)表示传感器和之间的距离，则d(si，sj)＝((xi-xj)2+(yi-yj)2)1/2假设移动充电车以恒定的速度v沿着充电路径移动，则充电车从传感器到所需要的时间表示为
S103：已知已规划的充电路径表示传感器的充电等待时间，则的充电等待时间由两部两部分构成，一部分为充电路径P中传感器之前所有传感器的充电时间之和；另一部分为充电车从当前位置行走至传感器所耗费的时间之和；则传感器的充电等待时间表示为其中，表示充电路径P中第j个传感器的充电时间，表示传感器和之间的距离；
设路径P中最后一个传感器编号为传感器的充电等待时间和充电时间分别可通过公式和来获得，因此，移动充电车完成一轮充电任务所需的总充电时间
S104：令表示传感器进入睡眠状态之前的最大连续工作时间，其表示为为传感器的睡眠阈值，当传感器剩余电量为时，将进入睡眠状态；
令表示传感器的睡眠时间，将传感器的睡眠时间平均划分为多个时间槽，记为则在给定的时间段T范围内，传感器的睡眠时间根据传感器的睡眠时间，进一步定义传感器在t时刻的状态当时刻t落在睡眠时间范围内时，传感器处于睡眠状态，否则，传感器处于其他状态；
S105：令表示在时间段T内，路径P中所有传感器获得的覆盖范围收益，时间段T可以平均的划分为tx个时间槽，即T＝{t1，...tx}，令|P|表示路径P中传感器的数量，则表示为其中表示t时刻传感器si的独立覆盖贡献；令表示新的充电路径，它是根据当前传感器的充电请求情况和充电路径覆盖范围收益最大的原则，在已规划充电路径P中添加或者删除传感器而构成；表示在时间段T内，新的路径中所有传感器获得的覆盖范围收益，则表示为
S106：计算充电请求队列Q中每个传感器在时间段T中对应的覆盖范围收益令表示列队Q中传感器的覆盖范围收益，令表示传感器加入路径P后的覆盖范围收益，则
S107：计算路径P中所有传感器sj∈P的覆盖范围收益；令表示路径P中去掉传感器sj后的路径的覆盖范围收益，则sj的覆盖范围收益表示为：
S108：令和分别表示Q中覆盖范围收益最大的传感器和P中覆盖范围收益最小的传感器，二者分别表示为
S109：令和分别表示Q和P中传感器在T时间内的平均充电收益，则
S1010：将作为阈值，判断是否将传Q中的感器添加到充电路径P中，同时，将作为阈值，判断是否将P中的传感器从路径P中删除。
进一步的，步骤S1010的具体操作包括，令和分别表示传感器和的覆盖范围收益，和表示网络工作过程中的平均充电收益；则当时，传感器添加到新的充电路径中；当时，将传感器从路径P中删除。
进一步的，步骤S1010的具体操作包括，根据计算出来的充电请求队列Q中每个传感器在时间段T中的覆盖范围收益和已规划的充电路径P中每个传感器在时间段T中对应的覆盖范围收益所有符合条件的传感器构成加入路径P的候选传感器组所有符合条件的传感器构成路径P中候选删除的传感器组
进一步的，步骤S2的具体操作包括以下步骤，
S201：从路径P中删除传感器组中的传感器；令表示路径P的子路径，每个被删除后，子路径由变为
S202：将传感器组中的传感器插入到新的充电路径中；
S203：为新加入的传感器节点寻找插入位置，在充电路径P中，寻找与插入传感器距离最近的线段进而将传感器组插入到和之间，此时，充电路径由变为
S204：令d(sx，sy)表示两个传感器sx,sy之间的距离，令表示将传感器插入充电路径后导致充电路径长度的增加量，则
S205：假设是插入传感器的最佳位置，则传感器的最佳插入位置必须满足的条件，即传感器加入到该位置后所产生的路径增加量最小；因此，按照该原则，为每个传感器寻找最佳插入位置，并加入到路径P中，再结合S201中对路径P中传感器的删除结果，从而构造新的充电路径
本发明的有益效果是：
1、本发明中基于移动充电车的无线传感器网络节点充电方法每完成一个传感器的充电工作后，都将会根据传感器的充电请求情况重新规划充电路径，并且在路径规划过程中充分考虑每个请求充电的传感器的覆盖范围，基于充电排程的动态更新方法，评估每个请求充电的传感器所产生的连锁效应，并选择覆盖范围贡献大且距离短的传感器作为下一轮充电候选充电对象，从而有效的提高了充电效率，最大程度地提高网络的时间和空间监控质量。
2、本发明中基于移动充电车的无线传感器网络节点充电方法在计算每个请求充电的传感器的覆盖范围时，提出了两种不同的算法，包括基本充电覆盖收益(S-RCB)算法和连锁效应充电覆盖收益(CE-RCB)算法；S-RCB算法将传感器的充电收益作为评估传感器能否加入充电路径的条件；CE-RCB算法进一步考虑每个传感器的连锁效应，即传感器插入路径后导致后续传感器等待时间和休眠时间的增加，从而影响网络覆盖范围；在此基础上，还使用两种传感器更新策略(包括单传感器更新(single update,SU)和多传感器更新(multiple-update,MU))，从当前充电路径和充电请求队列中选取传感器节点，定期更新充电路径，从而最大化网络的总体覆盖范围，本方法在覆盖效率和成本效益指标等方面均优于现有的充电方法。
附图说明
图1为本发明中移动充电车已完成上一轮充电，检查当前队列Q中充电请求充电传感器的场景；
图2为本发明每个传感器的状态转换图；
图3为本发明实施例三中部署多个传感器的监视区域情况；
图4为本发明实施例三中传感器s8加入充电路径前、后示意图；
图5为本发明仿真实验中监视区域A内传感器随机部署的场景；
图6为本发明仿真实验中在传感器数量和睡眠阈值不同的情况下，CAERM、MERSH和JESRP算法在覆盖率方面的性能比较结果；
图7为本发明仿真实验中在传感器的数量和充电率/放电率不同的情况下，CAERM、MERSH和JESRP算法在覆盖率方面的性能比较结果；
图8为本发明仿真实验中在充电率/放电率和经过时间不同的情况下，CAERM、MERSH和JESRP算法在覆盖率方面的性能比较结果；
图9为本发明仿真实验中在经过时间和睡眠阈值不同的情况下，CAERM、MERSH和JESRP算法在覆盖率方面的性能比较结果；
图10为本发明仿真实验中在睡眠阈值和充电率/放电速率不同的情况下，CAERM、MERSH和JESRP算法在充电覆盖贡献方面的性能比较结果；
图11为本发明仿真实验中在睡眠阈值和充电率/放电速率不同的情况下，CAERM、MERSH和JESRP算法的覆盖范围损失的比较结果；
图12为本发明仿真实验中在睡眠阈值和传感器数量不同的情况下，CAERM、MERSH和JESRP算法成本效益指数的比较结果；
图13为本发明仿真实验中在充电率/放电速率和传感器数量不同的情况下，CAERM、MERSH和JESRP算法成本效益指数的比较结果。
具体实施方式
为了使本领域的普通技术人员能更好的理解本发明的技术方案，下面结合附图和实施例对本发明的技术方案做进一步的描述。
实施例一：
基于移动充电车的无线传感器网络节点充电方法，包括以下步骤，
S1：移动充电车评估充电请求队列Q和已规划充电路径P中每个传感器的覆盖范围收益，确定从充电路径P中删除的传感器组和充电请求队列Q中要添加到充电路径中的传感器组构建新的充电候选传感器集；
令代表上一轮已计划的充电路径，并且移动充电车已完成第一个传感器的充电任务。在网络初始化阶段，移动充电车将所有已发送充电请求的传感器作为一组候选节点，并使用汉密尔顿路径构造初始路径。从而，得到初始路径P。由于每个传感器所承担的代传数据量不同，导致它们的能量消耗率也是不同。因此，不同的传感器发送充电请求的时间不同步，这使得移动充电车在执行充电任务过程中不断接收传感器的充电请求。令Ri＝(si,(xi，yi),ti)表示在ti时刻由传感器si发送的充电请求，其中，li＝(xi，yi)表示传感器si的位置坐标。移动充电车从t时刻开始，移动充电车开始接收传感器发送的充电请求。在充电路径中，移动充电车每完成一个传感器节点的充电任务后，重新检查充电队列Q中的充电请求，选择下一轮充电的传感器。附图1显示了移动充电车在路径中，完成第一个传感器充电后检查当前队列Q中传感器的充电请求的场景。
具体的，本实施例中采用基本充电覆盖范围收益(S-RCB)算法评估充电请求队列Q，以及上一轮计划的充电路径P中每个传感器的覆盖范围收益，具体操作包括以下步骤，
S101：设时间t为当前时刻，令表示已经发送充电请求的传感器组，也即充电请求队列，Q中任何一个候选传感器记为其中，i＝1,2，…，y；代表已规划的充电路径；
S102：令表示新的充电路径，通过在P中加入传感器或者将传感器从P中删除后而获得，假设传感器被部署在新的充电路径中的第k个位置处，则新的充电路径可表示为
S103：令li＝(xi，yi)和lj＝(xj，yj)表示传感器和的位置，d(si，sj)表示传感器和之间的距离，则d(si，sj)＝((xi-xj)2+(yi-yj)2)1/2；
S104：令表示传感器的覆盖范围收益，即移动充电车每移动单位距离所获得的覆盖贡献，传感器的覆盖范围收益表示为式中，是将传感器添加到充电路径中后引起路径长度增加量，若将插入到传感器s1和s2之间，则导致的路径的增加量表示为为传感器在t时刻的独立覆盖贡献；
传感器在t时刻的独立覆盖贡献的计算方法为：令Ni代表的邻居传感器，ai表示的覆盖面积，和分别表示邻居传感器的覆盖面积和覆盖贡献，则表示为
令表示传感器在t时刻的工作状态，表示为式中，表示的睡眠时间；的邻居传感器在t时刻的覆盖贡献表示为则传感器的独立覆盖贡献表示为的覆盖区域减去与邻居传感器重叠的覆盖区域，即
S105：计算上一轮计划的充电路径P中每个传感器的覆盖范围收益计算方法与步骤S104中的相同；
S106：令和分别表示Q中覆盖范围收益最大的传感器和P中覆盖范围收益最小的传感器，也即
S107：令表示Q中所有传感器的平均覆盖范围收益，则式中，|Q|表示充电请求队列Q中传感器的数量；令表示路径P中所有传感器的平均覆盖范围收益，则式中，|P|表示已规划充电路径P中传感器的数量；
S108：将作为阈值，判断是否将传感器添加到新的充电路径中；同时，将作为阈值，判断是否将传感器从路径P中删除。
在判断将Q中传感器添加到新的充电路径和路径P中传感器从删除的过程中，可采用单传感器更新(SU)和多传感器更新(MU)策略来实现。
单传感器更新(SU)策略：令和分别表示传感器和的覆盖范围收益，则当时，将传感器添加到新的充电路径中，此时，传感器成为加入路径P的候选传感器组的一个成员；当时，将传感器从路径P中删除，传感器成为从路径P中候选删除的传感器组的一个成员。由此，完成了基于SU策略的充电路径更新。
多传感器更新(MU)策略：步骤S108的具体操作包括，根据计算出来的充电请求队列Q中每个传感器对应的覆盖范围收益以及充电路径P中每个传感器对应的覆盖范围收益所有符合的传感器构成加入路径P的候选传感器组依据每一轮更新传感器的数量n，将中n个传感器按照覆盖范围收益由大到小的次序依次加入路径P。
同理，所有符合的传感器构成路径P中候选删除的传感器组依据每一轮更新传感器的数量n，将中n个传感器按照覆盖范围收益由小到大的次序依次从路径P中删除。
S2：为步骤S1中更新后的充电传感器建立充电路径
具体的，S201：从路径P中删除传感器组中的传感器；令表示路径P的子路径，每个被删除后，子路径由变为
S202：将传感器组中的传感器插入到新的充电路径中；
S203：为新加入的传感器节点寻找插入位置，在充电路径P中，寻找与插入传感器距离最近的线段进而将传感器组插入到和之间，此时，充电路径由变为
S204：令d(sx，sy)表示两个传感器sx,sy之间的距离，令表示将传感器插入充电路径后导致充电路径长度的增加量，则
S205：假设是插入传感器的最佳位置，则传感器的最佳插入位置必须满足的条件，即传感器加入到该位置后所产生的路径增加量最小；因此，按照该原则，为每个传感器寻找最佳插入位置，并加入到路径P中，再结合S201中对路径P中传感器的删除结果，从而构造新的充电路径
S3：移动充电车沿着步骤S2中建立的新的充电路径移动，并为路径中的第一个传感器充电。
在这个操作步骤中，移动充电车以恒定的速度沿着充电路径移动，并为路径中的第一个传感器充电。
附图2描绘了每个传感器的状态转变图，网络初始运行时，每个传感器为满电量并处于在强工作状态。由于传感器在执行监测和数据代传任务过程中不断消耗能量，导致自身剩余能量不断降低。传感器在工作过程中不断检查其剩余能量并判断其剩余电量是否到达充电阈值一旦剩余电量小于传感器将向基站发送充电请求，并切换到弱工作状态。在此状态下，传感器继续执行感测和数据代传任务并检查其是否满足睡眠状态，如果其剩余能量下降到预定的睡眠阈值则传感器切换到睡眠状态。传感器一旦进入睡眠状态，将不再执行监测任务，等待移动充电车为其充电。充电车到达并完成对传感器的充电后，传感器将再次切换为强工作状态。
S4：移动充电车完成对路径中第一个传感器节点充电后，重复执行步骤S1～S3，直至完成对Q中所有传感器的充电。
当移动充电车完成一个传感器的充电任务时，将重新检查其请求队列Q并重复步骤S1-步骤S3的操作，其目的是确定新的一组充电传感器并重建充电路径，重复执行上述三个步骤，实现对无线传感器网络中能量不足的节点充电，从而延长网络生命周期。
实施例二：
基于移动充电车的无线传感器网络充电方法，包括以下步骤，
S1：移动充电车评估充电请求队列Q和已规划充电路径P中每个传感器的覆盖范围收益，确定从充电路径P中删除的传感器组和充电请求队列Q中要添加到充电路径中的传感器组构建新的充电候选传感器集；
令代表上一轮已计划的充电路径，并且移动充电车已完成第一个传感器的充电任务。在网络初始化阶段，移动充电车将所有已发送充电请求的传感器作为一组候选节点，并使用汉密尔顿路径构造初始路径。从而，得到初始路径P。由于每个传感器所承担的代传数据量不同，导致它们的能量消耗率也是不同。因此，不同的传感器发送充电请求的时间不同步，这使得移动充电车在执行充电任务过程中不断接收传感器的充电请求。令Ri＝(Si，(xi，yi)，ti)表示在ti时间传感器si发送的充电请求，其中，li＝(xi，yi)表示传感器si的位置坐标。移动充电车从t时刻开始，接收传感器发送的充电请求。在充电路径中，移动充电车每完成一个传感器节点的充电任务后，重新检查充电队列Q中的充电请求，选择下一轮充电的传感器。附图1显示了移动充电车在路径中，完成第一个传感器充电后检查当前队列Q中传感器的场景。
具体的，本实施例中采用连锁效应充电覆盖效益(CE-RCB)算法评估充电请求队列Q和已规划的充电路径P中每个传感器的覆盖范围收益。连锁效应是指传感器si插入路径后，导致路径中si后面传感器等待时间和睡眠时间的增加。从而增加了这些传感器的睡眠时间，进而导致网络覆盖率的下降。
连锁效应充电覆盖率效益(CE-RCB)算法的具体操作包括以下步骤，
S101：设时间t为当前时间，令表示已经发送充电请求的传感器组，称为充电请求队列，Q中任何一个传感器记为其中，i＝1,2，…，y；代表已规划的充电路径；
S102：令E和分别表示传感器满电量时的能量和在t时刻的剩余能量，αch和αdisch分别代表传感器的充电速率和放电速率，表示传感器的充电时间，表示传感器发送充电请求后等待充电的时间，称为充电等待时间，则；令li＝(xi，yi)和lj＝(xj，yj)表示传感器和的位置，d(si，sj)表示传感器和之间的距离，则d(si，sj)＝((xi-xj)2+(yi-yj)2)1/2假设移动充电车以恒定的速度v沿着充电路径移动，则充电车从传感器到所需要的时间表示为
S103：已知已规划的充电路径表示传感器的充电等待时间，则的充电等待时间由两部两部分构成，一部分为充电路径P中传感器之前所有传感器的充电时间之和；另一部分为充电车从当前位置行走至传感器所耗费的时间之和；则传感器的充电等待时间表示为其中，表示充电路径P中第j个传感器的充电时间，表示传感器和之间的距离；
设路径P中最后一个传感器编号为传感器的充电等待时间和充电时间分别可通过公式和来获得，因此，移动充电车完成一轮充电任务所需的总充电时间
S104：令表示传感器进入睡眠状态之前的最大连续工作时间，其表示为为传感器的睡眠阈值，当传感器剩余电量为时，将进入睡眠状态；
令表示传感器的睡眠时间，将传感器的睡眠时间平均划分为多个时间槽，记为则在给定的时间段T范围内，传感器的睡眠时间根据传感器的睡眠时间，进一步定义传感器在t时刻的状态当时刻t落在睡眠时间范围内时，传感器处于睡眠状态，否则，传感器处于其他状态。
S105：令表示在时间段T内，路径P中所有传感器获得的覆盖范围收益，时间段T可以平均的划分为tx个时间槽，即T＝{t1，...tx}，令|P|表示路径P中传感器的数量，则表示为其中表示t时刻传感器si的独立覆盖贡献；令表示新的充电路径，它是根据当前传感器的充电请求情况和充电路径覆盖范围收益最大的原则，在已规划充电路径P中添加或者删除传感器而构成；表示在时间段T内，新的路径中所有传感器获得的覆盖范围收益，则表示为
S106：计算充电请求队列Q中每个传感器在时间段T中对应的覆盖范围收益令表示列队Q中传感器的覆盖范围收益，令表示传感器加入路径P后的覆盖范围收益，则
S107：计算路径P中所有传感器sj∈P的覆盖范围收益；令表示路径P中去掉传感器sj后的路径的覆盖范围收益，则sj的覆盖范围收益表示为：
S108：令和分别表示Q中覆盖范围收益最大的传感器和P中覆盖范围收益最小的传感器，二者分别表示为
S109：令和分别表示Q和P中传感器在T时间内的平均充电收益，则
S1010：将作为阈值，判断是否将传Q中的感器添加到充电路径P中，同时，将作为阈值，判断是否将P中的传感器从路径P中删除。
在确定将Q中的传感器添加到新的充电路径和将路径P中传感器删除的过程中，可采用单传感器更新(SU)和多传感器更新(MU)策略来实现。
单传感器更新(SU)策略：已知和为Q中覆盖范围收益最大和P中覆盖范围收益最小的传感器节点，令和分别表示传感器和的覆盖范围收益，则当时，将传感器添加到新的充电路径中。当时，将传感器从路径P中删除。由此，完成了基于SU策略的充电路径更新。
多传感器更新(MU)策略：根据充电请求队列Q中每个传感器对应的覆盖范围收益以及充电路径P中每个传感器对应的覆盖范围收益所有符合forsi∈Q的传感器存入传感器组为加入路径P的候选传感器组。依据每一轮更新传感器的数量n，将中n个传感器按照覆盖范围收益由大到小的次序依次加入路径P。同理，所有符合for sj∈P的传感器存入传感器组为路径P中候选删除的传感器组。依据每一轮更新传感器的数量n，将中n个传感器按照覆盖范围收益由小到大的次序依次从路径P中删除。
S2：为步骤S1中更新后的充电传感器建立充电路径
具体的，S201：从路径P中删除传感器组中的传感器；令表示路径P的子路径，每个被删除后，子路径由变为
S202：将传感器组中的传感器插入到新的充电路径中；
S203：为新加入的传感器节点寻找插入位置，在充电路径P中，寻找与插入传感器距离最近的线段进而将传感器组插入到和之间，此时，充电路径由变为
S204：令d(sx，sy)表示两个传感器sx,sy之间的距离，令表示将传感器插入充电路径后导致充电路径长度的增加量，则
S205：假设是插入传感器的最佳位置，则传感器的最佳插入位置必须满足的条件，即传感器加入到该位置后所产生的路径增加量最小；因此，按照该原则，为每个传感器寻找最佳插入位置，并加入到路径P中，再结合S201中对路径P中传感器的删除结果，从而构造新的充电路径
S3：移动充电车沿着步骤S2中建立的新的充电路径移动，并为路径中的下一个传感器充电。
具体的，该操作步骤与实施例一中S3操作相同。
S4：移动充电车完成对路径中第一个传感器节点充电后，重复执行步骤S1～S3，直至完成对Q中所有传感器的充电。
实施例三：
本实施例为实施例一中基本充电覆盖范围收益(S-RCB)算法的具体应用。
如附图3所示，在监视区域中部署了多个传感器。假设传感器sfinished，s1，s2，s3，s4和s5已经规划的充电路径P中，即路径P表示为，
在当前时刻t，移动充电车已经完成了传感器的充电任务，并收到了传感器s6，s8和s10的充电请求，此时充电队列Q为
充电请求队列Q中的这些传感器按充电请求的发出时间排序，为了确定下一轮充电的传感器，移动充电车评估每个传感器的覆盖范围收益，将满足插入条件的传感器添加到充电路径中。本实施例中，充电请求队列Q中传感器的覆盖范围收益计算方法如下。
传感器s8在t时刻的独立覆盖贡献表示为其中a8和分别代表传感器s8的覆盖范围和s8在时间t的工作状态；表示传感器s8与其相邻传感器之间的重叠覆盖贡献。表示由于传感器s8添加到充电路径P而导致的路径长度的增加量，则表示为，由于传感器的覆盖范围收益表示为每增加单位充电路径所获得的覆盖范围，因此，传感器s8的覆盖范围收益可表示为
同理，通过上述方法计算队列Q和路径P中所有传感器的覆盖范围效益，进而得出Q中覆盖范围收益最大的传感器和P中覆盖范围收益最小的传感器其中，
在此基础上，分别计算P和Q中传感器的平均覆盖范围收益，
最后，应用单传感器更新(SU)策略判断需要从P中删除的传感器和Q中添加到新的充电路径中的传感器：对于Q中的传感器，将覆盖范围收益最大的传感器与P中传感器的平均覆盖范围收益进行比较，如果传感器满足则将添加到新的充电路径中；另一方面，将P中覆盖范围收益最小的传感器与Q的平均覆盖范围收益进行比较，如果传感器满足删除条件则将传感器从路径P中删除。通过应用SU策略，获得下一轮充电路径中的传感器，令表示下一轮传感器组，则
类似的，应用多传感器更新(MU)策略，将Q中多个传感器同时加入新的充电路径，同时，将P中多个传感器同时删除，从而构建新一轮充电路径。
仿真实验：
在仿真环境中，一组可充电传感器随机部署在面积为500m×500m的监控区域A中，如图5所示。移动充电车M在区域A中行走，为电量不足的传感器充电。基站B部署在监控区域的中心位置，基站接收传感器的感测数据和充电请求，并将充电请求转发给移动充电车。每个传感器的电池容量设置为3.6kJ，传感器的能耗率为0.05J/s。当传感器的剩余能量降到20％时，传感器向基站发送充电请求。移动充电车以0.5m/s的速度移动，充电速度为2J/s。详细的仿真参数如表1所示。
表1仿真参数
| 参数名称 | 参数值 |
| 监控场景 | 500m×500m |
| 传感器数量 | 200-400个 |
| 部署方式 | 随机部署 |
| 耗电率 | 0.05J/s |
| 传感器电池容量 | 3.6kJ |
| 充电阈值 | 720J |
| 睡眠阈值 | 60J |
| 充电车移动速度 | 0.5m/s |
| 充电率 | 2J/s |
| 充电车移动耗电率 | 0.01J/s |
本实验将本发明中提出的覆盖感知充电算法，简称为CAERM算法，与现有技术中的MERSH算法和JESRP算法的应用效果进行对比。MERSH算法根据请求充电传感器的最大可允许的充电等待时间和最小等待时间来规划充电路径。JESRP算法根据每个传感器的重要参数，包括传感器的剩余能量、未来能耗率等构建充电路径。
本发明的效能分析：
图6比较了在传感器数量和睡眠阈值不同的情况下三种算法所获得的覆盖率。覆盖率定义为每个传感器的独立覆盖区域除以整个监测区域的值来定义。如图6所示，三种比较算法的覆盖率通常随着传感器的睡眠阈值的增大而减小，这是因为传感器的睡眠阈值越小，其可以工作的时间越长，从而增加了覆盖率。图6也反映了传感器数量对覆盖率的影响，三种比较算法的覆盖率随传感器数量的增加而增加；这是因为传感器数量的增加将导致传感器密度增大，传感器之间的平均距离减小，移动充电车从一个传感器到另一个传感器的移动距离也随之减小，从而使得移动充电车耗费在行走上的能量降低，因此提高了充电效率。相比之下，本发明中提出的CAERM算法在覆盖率方面优于其他两种算法，因为本发明中提出的CAERM算法综合考虑传感器覆盖范围和距离来构造充电路径，移动充电车通常选择覆盖范围贡献大和充电成本小的传感器作为下一轮充电对象。
图7比较了CAERM，MERSH和JESRP三种算法在传感器数量和充电率/放电率不同的情况，所获得的覆盖率。部署传感器的数量从200到400不等，充电率/放电率之比在30％到50％之间。令ε表示充电率与放电率之比，即比率ε表示了传感器的充电效率，覆盖率均随比率ε的增加而增加。因为ε越大，其充电时间越短，使得传感器的工作时间越长，因此网络的覆盖率越大。相比之下，本发明中提出的CAERM算法优于其他两种比较算法。因为本发明中提出的CAERM算法在规划充电路径时充分考虑网络的覆盖问题。但是，现有技术中的MERSH和JESRP算法主要参考传感器的电量消耗速度，而没有考虑传感器覆盖问题。
图8通过改变充电率/放电率比值和网络持续工作时间来评估三种算法的覆盖率。ε的值设置为30％至60％，网络持续工作时间设定为10小时至25小时。图8中，三种算法的共同趋势是覆盖率随着网络工作时间的增加而减小，这是因为每个传感器承担的感知和通讯任务随着时间不断，因此传感器的剩余能量会随着工作时间不断减少。此外，覆盖率随着ε的增加而增加，这是因为提高充电率可以加快充电过程，而降低放电率可以减少每个传感器的能耗，从而增加其工作时间。因此，覆盖率随ε增加而增加。相比之下，本发明中提出的CAERM算法在所有情况下均优于其他两种比较算法。这是由于本发明中提出的CAERM算法在选取下一轮充电传感器时，充分考虑了每个传感器的连锁效应，使得本发明与现有的MERSH算法和JESRP算法相比有了显着改进。
图9在网络工作时间和睡眠阈值不同的情况下比较三种算法的覆盖率。如图9所示，三种比较的算法具有相似的趋势，即它们的覆盖率随传感器的睡眠阈值增加而减小，这是由于睡眠阈值的增加导致传感器更早地从工作状态切换到睡眠状态，从而减小了网络覆盖范围。由于在选择充电传感器时，本发明提出的CAERM算法会考虑整个网络的覆盖范围，以最大化网络的整体覆盖范围为目标。因此，本发明中提出的CAERM算法优于MERSH和JESRP算法
图10比较了CAERM，MERSH和JESRP算法在不同传感器睡眠阈值和充电率/放电速率下情况的充电覆盖贡献(RCC)。RCC定义为所有充电传感器获得的覆盖范围之和除以监测区域的总面积。令布林变量表示传感器si在时刻ti(ti∈T)是否被充电，其中T＝{t0，...，ti，...tx}是移动充电车的一个充电周期；令πi表示传感器si一种工作状态持续的时间长度，包括强工作状态和弱工作状态。假设传感器si在时刻ti被充电，则在充电后的πi时间段内，传感器si的覆盖范围是完整的。充电覆盖贡献可以通过以下公式计算，
如附图10所示，三种算法呈现的一个共同的趋势是充电覆盖范围随ε的增加明显增加。ε的增加可以减少充电时间，增加需要充电的传感器数量，从而使得RCC值增加。此外，RCC随着传感器的睡眠阈值的增加而降低。当睡眠阈值增加时，切换到睡眠状态的传感器数量将增加，使得RCC减小。相比之下，所提出的CAERM优于现有的两种比较算法。
图11在传感器的睡眠阈值和充电率/放电速率不同的情况研究了三种算法的覆盖范围损失(UCL)。覆盖范围损失定义为由充电请求传感器引起的覆盖范围损失除以监视区域的总面积，可通过公式计算求得。
在实验中，传感器的睡眠阈值设置为20到100，三种算法的UCL值随传感器睡眠阈值的增加而增加。因为睡眠阈值的增加将减少传感器充电的机会，从而使得UCL值增加。同时，UCL随ε的增加而增加，这是由于较低的ε使传感器更容易保持在睡眠状态，从而增加了UCL的值。相比之下，本发明中提出的CAERM算法相比于其他的两种算法具有较小的UCL。
附图12比较了三种充电算法的成本效益指数(CEI)。所部署传感器的数量在300到700之间，而睡眠阈值设置为20到100。CEI定义为获得的总覆盖率除以已充电传感器的总等待时间。令为一个布林变量，它表示传感器si是否已在时间段T内发送充电请求。CEI的值可以通过公式得出
如附图12所示，三种算法的CEI均随着传感器数量的增加而增加，这是因为传感器数量的增加将减少相邻传感器之间的平均距离，从而减少移动充电车沿充电路径的移动时间，提高了充电传感器所获得的覆盖范围。由图12可知，三种算法的CEI值均随睡眠阈值增加而降低，因为睡眠阈值越高，传感器可能会更早地切换到睡眠状态，从而导致覆盖范围丢失，CEI值降低。相比之下，本发明中提出的CAERM算法在所有情况下都优于其他两个现有算法。
附图13在传感器数量和充电率/放电速率不同的情况下比较了CAERM算法，MERSH算法和JESRP算法的CEI。从图13可以看出，CAERM，MERSH和JESRP算法的CEI值均随ε的增加而增加，因为ε越大其充电时间越短；另一方面，如果放电速率较小，则每个传感器可以工作的时间越长。基于这两个原因，使得三种算法的CEI与ε成正比例关系。三种算法相比之下，本发明所提出的CAERM算法优于其他两种比较算法，因为CAERM算法同时考虑传感器独立覆盖贡献和网络整体覆盖率，因此，CAERM的成本效益大于MERSH和JESRP。
综上所述，本发明中提出的CAERM算法在覆盖率、充电覆盖范围贡献、覆盖损失以及成本效益指数等方面都优于现有技术中的MERSH算法和JESRP算法。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，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。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (7)
1.基于移动充电车的无线传感器网络节点充电方法，其特征在于，包括以下步骤，
S1：移动充电车评估充电请求队列Q和已规划充电路径P中每个传感器的覆盖范围收益，确定从充电路径P中删除的传感器组和充电请求队列Q中要添加到充电路径中的传感器组构建新的充电候选传感器集；
S2：为步骤S1中构建的新的充电候选传感器集建立新的充电路径
S3：移动充电车沿着步骤S2中建立的新的充电路径移动，并为路径中的第一个传感器充电；
S4：移动充电车完成对路径中第一个传感器节点充电后，重复执行步骤S1～S3，直至完成对Q中所有传感器的充电；
步骤S1的具体操作包括以下步骤，
S101a：设时间t为当前时刻，令表示已经发送充电请求的传感器组，也即充电请求队列，Q中任何一个候选传感器记为其中，i＝1,2，…，y；代表已规划的充电路径；
S102a：令表示新的充电路径，通过在P中加入传感器或者将传感器从P中删除后而获得，假设传感器被部署在新的充电路径中的第k个位置处，则新的充电路径可表示为
S103a：令li＝(xi，yi)和lj＝(xj，yj)表示传感器和的位置，d(si，sj)表示传感器和之间的距离，则d(si，sj)＝((xi-xj)2+(yi-yj)2)1/2；
S104a：令表示传感器的覆盖范围收益，即移动充电车每移动单位距离所获得的覆盖贡献，传感器的覆盖范围收益表示为式中，是将传感器添加到充电路径中后引起路径长度增加量，若将插入到传感器s1和s2之间，则导致的路径的增加量表示为 为传感器在t时刻的独立覆盖贡献；
S105a：计算上一轮计划的充电路径P中每个传感器的覆盖范围收益
S106a：令和分别表示Q中覆盖范围收益最大的传感器和P中覆盖范围收益最小的传感器，也即
S107a：令表示Q中所有传感器的平均覆盖范围收益，则式中，|Q|表示充电请求队列Q中传感器的数量；令表示路径P中所有传感器的平均覆盖范围收益，则式中，|P|表示已规划充电路径P中传感器的数量；
S108a：将作为阈值，判断是否将传感器添加到新的充电路径中；同时，将作为阈值，判断是否将传感器从路径P中删除；
或者，步骤S1的具体操作包括以下步骤，
S101b：设时间t为当前时间，令表示已经发送充电请求的传感器组，称为充电请求队列，Q中任何一个传感器记为其中，i＝1,2，…，y；代表已规划的充电路径；
S102b：令E和分别表示传感器满电量时的能量和在t时刻的剩余能量，αch和αdisch分别代表传感器的充电速率和放电速率，表示传感器的充电时间，表示传感器发送充电请求后等待充电的时间，称为充电等待时间，则令li＝(xi，yi)和lj＝(xj，yj)表示传感器和的位置，d(si，sj)表示传感器和之间的距离，则d(si，sj)＝((xi-xj)2+(yi-yj)2)1/2，假设移动充电车以恒定的速度v沿着充电路径移动，则充电车从传感器到所需要的时间表示为
S103b：已知已规划的充电路径 表示传感器的充电等待时间，则的充电等待时间由两部两部分构成，一部分为充电路径P中传感器之前所有传感器的充电时间之和；另一部分为充电车从当前位置行走至传感器所耗费的时间之和；则传感器的充电等待时间表示为其中，表示充电路径P中第j个传感器的充电时间，表示传感器和之间的距离；
设路径P中最后一个传感器编号为传感器的充电等待时间和充电时间分别可通过公式和来获得，因此，移动充电车完成一轮充电任务所需的总充电时间
S104b：令表示传感器进入睡眠状态之前的最大连续工作时间，其表示为 为传感器的睡眠阈值，当传感器剩余电量为时，将进入睡眠状态；
令表示传感器的睡眠时间，将传感器的睡眠时间平均划分为多个时间槽，记为则在给定的时间段T范围内，传感器的睡眠时间根据传感器的睡眠时间，进一步定义传感器在t时刻的状态 当时刻t落在睡眠时间范围内时，传感器处于睡眠状态，否则，传感器处于其他状态；
S105b：令表示在时间段T内，路径P中所有传感器获得的覆盖范围收益，时间段T可以平均的划分为tx个时间槽，即T＝{t1，...tx}，令|P|表示路径P中传感器的数量，则表示为其中表示t时刻传感器si的独立覆盖贡献；令表示新的充电路径，它是根据当前传感器的充电请求情况和充电路径覆盖范围收益最大的原则，在已规划充电路径P中添加或者删除传感器而构成；表示在时间段T内，新的路径中所有传感器获得的覆盖范围收益，则表示为
S106b：计算充电请求队列Q中每个传感器在时间段T中对应的覆盖范围收益令表示列队Q中传感器的覆盖范围收益，令表示传感器加入路径P后的覆盖范围收益，则
S107b：计算路径P中所有传感器sj∈P的覆盖范围收益；令表示路径P中去掉传感器sj后的路径的覆盖范围收益，则sj的覆盖范围收益表示为：
S108b：令和分别表示Q中覆盖范围收益最大的传感器和P中覆盖范围收益最小的传感器，二者分别表示为
S109b：令和分别表示Q和P中传感器在T时间内的平均充电收益，则
S1010b：将作为阈值，判断是否将传Q中的感器添加到充电路径P中，同时，将作为阈值，判断是否将P中的传感器从路径P中删除。
2.根据权利要求1所述的基于移动充电车的无线传感器网络节点充电方法，其特征在于，步骤S104a中传感器在t时刻的独立覆盖贡献的计算方法为：令Ni代表的邻居传感器，ai表示的覆盖面积，和分别表示邻居传感器的覆盖面积和覆盖贡献，则表示为
令表示传感器在t时刻的工作状态，表示为式中，Ti sleep表示的睡眠时间；的邻居传感器在t时刻的覆盖贡献表示为则传感器的独立覆盖贡献表示为的覆盖区域减去与邻居传感器重叠的覆盖区域，即
3.根据权利要求1所述的基于移动充电车的无线传感器网络节点充电方法，其特征在于，步骤S108a的具体操作包括，令和分别表示传感器和的覆盖范围收益，则当时，将传感器添加到新的充电路径中，此时，传感器成为加入路径P的候选传感器组的一个成员；当时，将传感器从路径P中删除，传感器器成为从路径P中候选删除的传感器组的一个成员。
4.根据权利要求1所述的基于移动充电车的无线传感器网络节点充电方法，其特征在于，步骤S108a的具体操作包括，根据计算出来的充电请求队列Q中每个传感器对应的覆盖范围收益以及充电路径P中每个传感器对应的覆盖范围收益所有符合 的传感器构成加入路径P的候选传感器组所有符合 的传感器构成路径P中候选删除的传感器组
5.根据权利要求1所述的基于移动充电车的无线传感器网络节点充电方法，其特征在于，步骤S1010b的具体操作包括，令和分别表示传感器和的覆盖范围收益，和表示网络工作过程中的平均充电收益；则当时，传感器添加到新的充电路径中；当时，将传感器从路径P中删除。
6.根据权利要求1所述的基于移动充电车的无线传感器网络节点充电方法，其特征在于，步骤S1010b的具体操作包括，根据计算出来的充电请求队列Q中每个传感器在时间段T中的覆盖范围收益和已规划的充电路径P中每个传感器在时间段T中对应的覆盖范围收益所有符合条件的传感器构成加入路径P的候选传感器组所有符合条件的传感器构成路径P中候选删除的传感器组
7.根据权利要求1所述的基于移动充电车的无线传感器网络节点充电方法，其特征在于，步骤S2的具体操作包括以下步骤，
S201：从路径P中删除传感器组中的传感器；令表示路径P的子路径，每个被删除后，子路径由变为
S202：将传感器组中的传感器插入到新的充电路径中；
S203：为新加入的传感器节点寻找插入位置，在充电路径P中，寻找与插入传感器距离最近的线段进而将传感器组插入到和之间，此时，充电路径由变为
S204：令d(sx，sy)表示两个传感器sx,sy之间的距离，令表示将传感器插入充电路径后导致充电路径长度的增加量，则
S205：假设是插入传感器的最佳位置，则传感器的最佳插入位置必须满足的条件，即传感器加入到该位置后所产生的路径增加量最小；因此，按照该原则，为每个传感器寻找最佳插入位置，并加入到路径P中，再结合S201中对路径P中传感器的删除结果，从而构造新的充电路径
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110700795.7A CN113507172B (zh) | 2021-06-23 | 2021-06-23 | 基于移动充电车的无线传感器网络节点充电方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110700795.7A CN113507172B (zh) | 2021-06-23 | 2021-06-23 | 基于移动充电车的无线传感器网络节点充电方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113507172A CN113507172A (zh) | 2021-10-15 |
| CN113507172B true CN113507172B (zh) | 2024-05-10 |
Family
ID=78010835
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110700795.7A Active CN113507172B (zh) | 2021-06-23 | 2021-06-23 | 基于移动充电车的无线传感器网络节点充电方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113507172B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113825101B (zh) * | 2021-11-24 | 2022-02-15 | 浙江师范大学 | 一种基于异构无线传感器网络的充电小车轨迹设计方法 |
| CN115759505B (zh) * | 2023-01-10 | 2023-07-11 | 南京邮电大学 | 一种面向任务的多移动充电车调度方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104640180A (zh) * | 2014-08-29 | 2015-05-20 | 湖南信息职业技术学院 | 无线可充电传感器网络中一般随机事件捕获调度 |
| CN107977788A (zh) * | 2017-12-03 | 2018-05-01 | 淮阴工学院 | 基于角度特征计算的wrsn充电调度bar_edf算法 |
| CN110263228A (zh) * | 2019-05-21 | 2019-09-20 | 杭州电子科技大学 | 无线可充电传感网的k-弱栅栏构建与移动充电调度方法 |
| CN112803550A (zh) * | 2021-03-02 | 2021-05-14 | 南京邮电大学 | 基于多重阈值的最大化无线充电车利用率的方法及系统 |
| CN112909928A (zh) * | 2021-01-29 | 2021-06-04 | 华侨大学 | 一种无线传感网移动充电车路径规划与充电调度算法 |
-
2021
- 2021-06-23 CN CN202110700795.7A patent/CN113507172B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104640180A (zh) * | 2014-08-29 | 2015-05-20 | 湖南信息职业技术学院 | 无线可充电传感器网络中一般随机事件捕获调度 |
| CN107977788A (zh) * | 2017-12-03 | 2018-05-01 | 淮阴工学院 | 基于角度特征计算的wrsn充电调度bar_edf算法 |
| CN110263228A (zh) * | 2019-05-21 | 2019-09-20 | 杭州电子科技大学 | 无线可充电传感网的k-弱栅栏构建与移动充电调度方法 |
| CN112909928A (zh) * | 2021-01-29 | 2021-06-04 | 华侨大学 | 一种无线传感网移动充电车路径规划与充电调度算法 |
| CN112803550A (zh) * | 2021-03-02 | 2021-05-14 | 南京邮电大学 | 基于多重阈值的最大化无线充电车利用率的方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113507172A (zh) | 2021-10-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113507172B (zh) | 基于移动充电车的无线传感器网络节点充电方法 | |
| CN105101478B (zh) | 一种无线网络传感器的充电方法及装置 | |
| Rawat et al. | Energy-efficient clusterhead selection scheme in heterogeneous wireless sensor network | |
| CN112437131B (zh) | 物联网中考虑数据相关性的数据动态采集与传输方法 | |
| Zhu et al. | Broadcast scheduling in battery-free wireless sensor networks | |
| Chen et al. | VarLenMARL: A framework of variable-length time-step multi-agent reinforcement learning for cooperative charging in sensor networks | |
| CN114786236B (zh) | 无线传感器网络启发式学习路由协议的方法及装置 | |
| Yu et al. | CAERM: Coverage aware energy replenishment mechanism using mobile charger in wireless sensor networks | |
| Kan et al. | Coverage and connectivity aware energy charging mechanism using mobile charger for WRSNs | |
| Devi et al. | Optimization techniques for spectrum handoff in cognitive radio networks using cluster based cooperative spectrum sensing | |
| Maheswari et al. | Fuzzy based adaptive clustering to improve the lifetime of wireless sensor network | |
| CN101321184A (zh) | 一种实现无线传感器网络查询的方法和数据传回的方法 | |
| Tomar et al. | On-demand energy provisioning in wireless sensor networks with capacity-constrained mobile chargers | |
| Yang et al. | Research on lifetime prediction-based recharging scheme in rechargeable WSNs | |
| Alkadhmawee et al. | Prolonging the network lifetime based on LPA-star algorithm and fuzzy logic in wireless sensor network | |
| Radenkovic et al. | Energy-aware opportunistic charging and energy distribution for sustainable vehicular edge and fog networks | |
| Huang et al. | ACO-based path planning scheme in RWSN | |
| Dongare et al. | Deep reinforcement learning for task allocation in energy harvesting mobile crowdsensing | |
| KR101219052B1 (ko) | 계층적 클러스터 구조의 생성 방법 | |
| Kumar et al. | Fuzzy-based on-demand multi-node charging scheme to reduce death rate of sensors in wireless rechargeable sensor networks | |
| Adetona et al. | A cluster head assisted routing (CHAR) scheme for improved energy load balancing in wireless sensor networks | |
| Dutta et al. | Impact of two-level fuzzy cluster head selection model for wireless sensor network: An Energy efficient approach in remote monitoring scenarios | |
| Tsoumanis et al. | Recharging vehicle distance minimization in wireless sensor networks | |
| Alshawi et al. | Lifetime optimization in wireless sensor networks using FDstar-lite routing algorithm | |
| BATTA et al. | A distributed energy-efficient unequal clustering based kruskal heuristic for iot 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 |