CN113837452B - 一种面向水下无线传感器网络的移动充电路径规划方法 - Google Patents

一种面向水下无线传感器网络的移动充电路径规划方法 Download PDF

Info

Publication number
CN113837452B
CN113837452B CN202111044348.7A CN202111044348A CN113837452B CN 113837452 B CN113837452 B CN 113837452B CN 202111044348 A CN202111044348 A CN 202111044348A CN 113837452 B CN113837452 B CN 113837452B
Authority
CN
China
Prior art keywords
node
charging
energy
mobile
underwater
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
CN202111044348.7A
Other languages
English (en)
Other versions
CN113837452A (zh
Inventor
殷波
魏志强
杜泽华
张少娟
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.)
Ocean University of China
Original Assignee
Ocean University of China
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 Ocean University of China filed Critical Ocean University of China
Priority to CN202111044348.7A priority Critical patent/CN113837452B/zh
Publication of CN113837452A publication Critical patent/CN113837452A/zh
Application granted granted Critical
Publication of CN113837452B publication Critical patent/CN113837452B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • 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
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Mobile Radio Communication Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Primary Health Care (AREA)

Abstract

本发明公开了一种面向水下无线传感器网络的移动充电路径规划方法，包括传感器节点信息收集、网络分区、节点能量阈值设置、充电路径规划、节点充电时间控制、充电结果分析步骤。本发明首先综合考虑到节点的位置、剩余电量和能量消耗率因素对充电规划性能影响，设计路径规划函数进行充电路径规划；然后针对移动式水下充电站具体为节点补充多少电量的问题，设计基于实时能量动态的节点充电时间控制方法，降低移动式水下充电站行驶总能耗与网络中传感器节点的充电延迟的目的，实现对水下无线传感器网络高效的能源调度。

Description

一种面向水下无线传感器网络的移动充电路径规划方法
技术领域
本发明属于水下无线充电技术领域，特别涉及一种面向水下无线传感器网络的移动充电路径规划方法。
背景技术
水下无线传感器网络的能量问题可以分为能量供给问题和能量调度问题，由于无线充电技术的发展，水下无线传感器网络的能量供给问题已经得到了解决，但是，能量调度仍是水下无线传感器网络中的核心问题之一。
水下无线传感器网络中的移动能源调度问题开始受到关注。移动能源调度的目标就是优化无线充电站的充电路径，提高网络的能源利用率，及时有效的为传感器节点补充能量。在按需移动充电的水下无线传感器网络中，传感器节点的剩余能量可以由节点自己监测，也可以采用专门附属的能量监测模块来提高对节点能量监测的精度。当节点开始有能量消耗或者节点剩余能量低于一定阈值时，节点会向移动式水下充电站发出充电请求。节点的请求充电这种轻量级通信与移动式水下充电站的航行和节点的充电时间相比，被认为是可以忽略不计的。移动式水下充电站将接收到的所有充电请求存储在一个列表中，然后按照系统的能源调度方案规划充电的路径，移动到相应的节点对其充电。
抢占最近邻节点的充电方案和紧急充电方案是水下无线传感器网络中的两种基准的按需能量调度方案。在抢占最近邻节点的充电方案中，每一个节点充电完成后，新的充电请求到达都会触发下一个待充电节点的重新选择，移动式水下充电站选择此时空间上距离最近的请求节点作为下一个待充电的节点。移动式水下充电站的节点充电请求列表不断更新，如果新的请求节点距离移动式水下充电站更近，抢占最近邻节点的充电方案要求移动式水下充电站切换到空间上更近的传感器节点。显然，在基于接触式的无线充电系统中，只有在移动充电器到达目标节点之前，才会发生抢占充电任务的情况，到达目标节点后，两者之间的距离在数学上可以视为零。紧急充电方案采用最小电量节点优先充电算法，当节点电池的能量即将耗尽时，节点将会向顶层的汇聚节点发送紧急充电请求，此类节点被定义为紧急节点。当移动式水下充电站处于空闲状态时，会对汇聚节点进行轮询以获取紧急事件，如果有紧急充电请求发生便会列出待充值节点列表。
传统的水下传感器网络中的充电规划方法存在两个方面的不足，一是在规划移动式水下充电站的充电路径时，忽略了节点的位置、剩余电量、能量消耗率对充电结果的影响，剩余电量较少且距离移动式水下充电站较远的节点会被放在充电列表的末端，并且有可能在等待充电的过程中耗尽电量而死亡，从而增加了网络的节点死亡率，降低网络的生命周期；二是缺少对传感器节点的能量阈值和充电时间的合理控制，移动式水下充电站将当前节点的能量补充到满容量时才会为下一节点补充能量，使得移动式水下充电站的充电行驶距离和节点的平均等待时间大大增加。
发明内容
针对现有技术存在的不足，本发明提供一种面向水下无线传感器网络的移动充电路径规划方法，综合考虑到节点的位置、剩余电量和能量消耗率等因素对充电规划性能影响，设计了一个路径规划函数进行充电路径规划；除此之外，针对传感器节点何时向移动式水下充电站发出充电请求，移动式水下充电站到达每个传感器节点后具体为节点补充多少电量的问题，设计了一种基于实时能量动态的节点充电时间控制方法，降低移动式水下充电站行驶总能耗与网络中传感器节点的充电延迟的目的，实现对水下无线传感器网络高效的能源调度。
为了解决上述技术问题，本发明采用的技术方案是：
一种面向水下无线传感器网络的移动充电路径规划方法，包括以下步骤：步骤1、传感器节点信息收集：包括节点自身的位置坐标、剩余电量和能量消耗率的数据；
步骤2：网络分区：采用改进的K-Means聚类算法来均衡水下无线传感器网络的负载，改进的K-Means聚类算法在每次聚类结束之前判断结果是否满足能量约束条件；
步骤3：节点能量阈值设置：为节点设置剩余能量的上阈值和下阈值，当节点的能量减少至上阈值时，节点向移动式水下充电站发起充电请求；当节点的能量减少至下阈值时，节点不能正常工作，进入睡眠模式，被视为死亡节点；
步骤4：充电路径规划：构造路径规划函数，基于多参数对移动式水下充电站进行充电路径规划；
步骤5：节点充电时间控制：当节点的能量减少至上阈值时，节点向移动式水下充电站发起充电请求，移动式水下充电站沿充电路径行驶到传感器节点后，根据节点的实时能量动态控制在当前节点的充电时间；
步骤6：充电结果分析。
进一步的，步骤2中，所述改进的K-Means聚类算法通过最小化区域内传感器节点与区域中心距离平方和的方法将网络划分为不同区域，流程步骤是：首先，从所有的N个节点中随机抽取M个节点作为初始聚类的子区域中心，然后计算节点到每个子区域中心的距离，并将节点划分到距离上最近的中心点所在的子区域，在所有节点都被划分到子区域之后，重新计算每个子区域新的中心；这个步骤重复进行，直到子区域中心不再改变；得到的子区域中心是一个虚拟位置，它与区域中所有节点距离的平方和最小；子区域中心不再改变时，再判断结果是否满足能量约束条件，满足该条件时，表示移动式水下充电站携带有足够的电量能完成一轮充电，并且在充电完成之后能够返回服务站点进行能量补充，则聚类完成。
更进一步的，所述能量约束条件为：
Figure GDA0004243909050000031
式中，s(i).el为传感器节点的剩余能量下阈值，e0表示节点的初始能量值，Ed(0i)是移动式水下充电站航行到传感器节点消耗的能量值，Ed’是移动式水下充电站从距离服务站点最远的节点航行到服务站点消耗的电量。
进一步的，步骤3中，节点的能量下阈值计算公式为：
Figure GDA0004243909050000032
其中，s(i).v表示第i个节点的能量消耗率；v表示移动式水下充电站的航行速度，
Figure GDA0004243909050000033
表示传感器网络中任意两个节点之间距离的平均值；
节点的能量上阈值计算公式为：
s(i).eu＝ξi*eu
其中，ξi代表了节点的能量消耗率对节点剩余能量上阈值s(i).eu的影响，eu是一个常量上阈值，公式分别如下：
Figure GDA0004243909050000041
Figure GDA0004243909050000042
其中，e0表示节点的初始能量值，期望值X表示网络中需要充电的节点数目。
进一步的，步骤4中，路径规划函数的定义如下：
Figure GDA0004243909050000043
其中，ω1,ω2,ω3分别表示节点的位置、剩余电量、能量消耗率在路径规划函数中的权重系数，满足0＜ω1＜1，0＜ω2＜1，0＜ω3＜1且ω1+ω2+ω3＝1，Dnor(i)，Enor(i)和Vnor(i)分别是移动式水下充电站与节点s(i)间的距离、节点s(i)的剩余能量和能量消耗率归一化后的结果。
更进一步的，步骤4中，定义Sc为移动式水下充电站要选择的下一站待充电节点，移动式水下充电站的起始位置是其工作区域的中心点；所述路径规划算法的流程为：
首先，根据待充电列表C中存储的节点信息，计算每个传感器节点对应的路径规划函数的值，并求出路径规划函数的最小值；然后，将路径规划函数最小值对应的节点s(i)作为移动充电站的下一站待充电节点Sc；最后，将节点s(i)加入到充电列表R中，并从待充电列表C中删除节点s(i)，完成本次下一站待充电节点的选择；移动式水下充电站行驶到Sc完成能量补充任务后，更新待充电列表C，将新的充电请求信息加入到列表C中，重新选择新的下一站充待电节点Sc。
进一步的，步骤5中，设定某一轮充电过程中一共有m个节点发出充电请求，移动式水下充电站在节点s(i)的充电时间为：
Figure GDA0004243909050000051
Figure GDA0004243909050000052
式中，e0表示传感器节点的初始能量值，s(i).eu为传感器节点剩余能量上阈值，s(i).e为传感器节点的剩余能量，β表示移动式水下充电站对传感器节点充电的速率；g1(i)和g2(i)分别表示传感器节点的剩余能量s(i).e和能量消耗率s(i).v对其充电时间的影响，具体计算方式如下：
Figure GDA0004243909050000053
Figure GDA0004243909050000054
进一步的，步骤6中，在移动式水下充电站完成一个周期的充电任务后，服务器端可以利用数据库中网络的相关数据，分析网络的节点死亡率、能量利用率、节点的充电延迟以及移动式水下充电站的行驶能耗，对充电规划方法的有效性进行评估。
与现有技术相比，本发明优点在于：
(1)考虑到传感器节点能量阈值和充电时间对移动充电站的工作负担和网络中节点的充电延迟的影响，采用根据网络中实时的能量动态优化节点的充电时间控制，可以有效降低充电系统中移动式水下充电站的行驶总能耗与网络节点的充电延迟。
(2)考虑到节点的位置、剩余电量和能量消耗率等因素对充电规划性能影响，基于多参数的充电路径规划方法可以有效的降低移动式水下充电站在充电过程中的行驶能耗和网络的节点死亡率，延长了网络寿命、提高网络能量利用率。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的方法流程图。
具体实施方式
下面结合附图及具体实施例对本发明作进一步的说明。
结合图1所示的流程，一种面向水下无线传感器网络的移动充电路径规划方法，包括以下步骤：
步骤1、传感器节点信息收集：包括节点自身的位置坐标、剩余电量和能量消耗率的数据；
步骤2：网络分区：采用改进的K-Means聚类算法来均衡水下无线传感器网络的负载，改进的K-Means聚类算法在每次聚类结束之前判断结果是否满足能量约束条件；
步骤3：节点能量阈值设置：为节点设置剩余能量的上阈值和下阈值，当节点的能量减少至上阈值时，节点向移动式水下充电站发起充电请求；当节点的能量减少至下阈值时，节点不能正常工作，进入睡眠模式，被视为死亡节点；
步骤4：充电路径规划：构造路径规划函数，基于多参数对移动式水下充电站进行充电路径规划；
步骤5：节点充电时间控制：当节点的能量减少至上阈值时，节点向移动式水下充电站发起充电请求，移动式水下充电站沿充电路径行驶到传感器节点后，根据节点的实时能量动态控制在当前节点的充电时间；
步骤6：充电结果分析。
下面就每个步骤进行详细介绍。
步骤1、传感器节点信息收集
传感器节点随机部署在无线传感器网络区域中，通过配备的定位装置获得自身位置信息，并以自组织方式形成网络，节点会向基站发送包含节点自身的位置坐标、剩余电量和能量消耗率的数据，基站将采集到的传感器节点信息传入数据库进行存储。
步骤2：网络分区
移动式水下充电站能够携带的能量是有限的，为了保证移动式水下充电站有足够的电量为其工作区域内的节点充电，本发明采用改进的K-Means聚类算法来均衡水下传感器网络的负载，对K-Means算法改进的地方就是在每次聚类结束之前判断结果是否满足能量约束条件，满足能量约束条件的定义如下所示：
Figure GDA0004243909050000071
式中，s(i).el为传感器节点的剩余能量下阈值，e0表示节点的初始能量值，Ed(0i)是移动式水下充电站航行到传感器节点消耗的能量值，Ed’是移动式水下充电站从距离服务站点最远的节点航行到服务站点消耗的电量。
改进的K-Means聚类算法通过最小化区域内传感器节点与区域中心距离平方和的方法将网络划分为不同区域，流程步骤是：
首先，从所有的N个节点中随机抽取M个节点作为初始聚类的子区域中心，然后计算节点到每个子区域中心的距离，并将节点划分到距离上最近的中心点所在的子区域，在所有节点都被划分到子区域之后，重新计算每个子区域新的中心；这个步骤重复进行，直到子区域中心不再改变；得到的子区域中心是一个虚拟位置，它与区域中所有节点距离的平方和最小；子区域中心不再改变时，再判断结果是否满足能量约束条件，满足该条件时，表示移动式水下充电站携带有足够的电量能完成一轮充电，并且在充电完成之后能够返回服务站点进行能量补充，则聚类完成。算法的伪代码如下:
Figure GDA0004243909050000072
(M,P,v,c,β)为网络充电模型，其中M表示整个网络中移动式水下充电站的数量，P表示移动式水下充电站水下的储能容量，v表示移动式水下充电站在水下航行的速度，c表示移动式水下充电站在水下航行单位距离所消耗的能量，β表示移动式水下充电站对传感器节点充电的速率。(S,D)为网络节点分布模型，其中，S表示UWRSNs中传感器节点的集合，D表示网络中节点之间距离的集合。(S.E,S.V,S.T)为节点能量模型，集合S.E＝(s(1).e,s(2).e,…,s(n).e)表示网络中节点的剩余能量，S.T表示移动式水下充电站在每个传感器节点驻留时间的集合，集合S.V＝(s(1).v,s(2).v,…,s(n).v)为网络中传感器节点能量消耗率的集合。s(i).el为传感器节点的剩余能量下阈值，e0表示节点的初始能量值。Ed’是移动式水下充电站从距离服务站点最远的节点航行到服务站点消耗的电量。
步骤3：节点能量阈值设置
为了避免移动式水下充电站过多的为能量足够的节点充电，同时防止剩余能量低的节点因不能及时得到能量补充而死亡，需要为节点设置剩余能量的上阈值和下阈值。
节点的能量下阈值计算公式为：
Figure GDA0004243909050000081
其中，s(i).v表示第i个节点的能量消耗率；v表示移动式水下充电站的航行速度，
Figure GDA0004243909050000082
表示传感器网络中任意两个节点之间距离的平均值；
节点的能量上阈值计算公式为：
s(i).eu＝ξi*eu
其中，ξi代表了节点的能量消耗率对节点剩余能量上阈值s(i).eu的影响，eu是一个常量上阈值，公式分别如下：
Figure GDA0004243909050000083
Figure GDA0004243909050000091
其中，e0表示节点的初始能量值，期望值X表示网络中需要充电的节点数目。
步骤4：充电路径规划
考虑到节点的位置、剩余电量和能量消耗率等因素会影响充电规划的性能，因此，本发明在进行路径规划时，基于多参数的路径规划函数的定义如下：
Figure GDA0004243909050000092
其中，ω1,ω2,ω3分别表示节点的位置、剩余电量、能量消耗率在路径规划函数中的权重系数，满足0＜ω1＜1，0＜ω2＜1，0＜ω3＜1且ω1+ω2+ω3＝1，Dnor(i)，Enor(i)和Vnor(i)分别是移动式水下充电站与节点s(i)间的距离、节点s(i)的剩余能量和能量消耗率归一化后的结果。充电路径规划算法的伪代码如下：
Figure GDA0004243909050000093
Figure GDA0004243909050000101
定义Sc为移动式水下充电站要选择的下一站待充电节点，移动式水下充电站的起始位置是其工作区域的中心点。所述路径规划算法的流程为：
首先，根据待充电列表C中存储的节点信息，计算每个传感器节点对应的路径规划函数的值，并求出路径规划函数的最小值；然后，将路径规划函数最小值对应的节点s(i)作为移动充电站的下一站待充电节点Sc；最后，将节点s(i)加入到充电列表R中，并从待充电列表C中删除节点s(i)，完成本次下一站待充电节点的选择；移动式水下充电站行驶到Sc完成能量补充任务后，更新待充电列表C，将新的充电请求信息加入到列表C中，重新选择新的下一站充待电节点Sc。
步骤5：节点充电时间控制
假设某一轮充电过程中一共有m个节点发出充电请求，移动式水下充电站在节点s(i)的充电时间为：
Figure GDA0004243909050000102
Figure GDA0004243909050000103
式中，e0表示传感器节点的初始能量值，s(i).eu为传感器节点剩余能量上阈值，s(i).e为传感器节点的剩余能量，β表示移动式水下充电站对传感器节点充电的速率；s(i).e′表示移动式水下充电站充电时损耗的能量值，g1(i)和g2(i)分别表示传感器节点的剩余能量s(i).e和能量消耗率s(i).v对其充电时间的影响，具体计算方式如下：
Figure GDA0004243909050000111
Figure GDA0004243909050000112
当节点的能量阈值确定之后，传感器节点将在剩余能量减少至s(i).eu时，向移动式水下充电站发出充电请求，移动式水下充电站沿充电路径行驶到传感器节点后，根据节点的实时能量动态控制在当前节点的充电时间。
步骤6：充电结果分析
在移动式水下充电站完成一个周期的充电任务后，服务器端可以利用数据库中网络的相关数据，分析网络的节点死亡率、能量利用率、节点的充电延迟以及移动式水下充电站的行驶能耗，对充电规划方法的有效性进行评估。
综上所述，本发明提出了一种面向水下无线传感器网络的移动充电路径规划方法，首先利用改进的K-Means算法，确定网络中需要的移动式水下充电站的个数，均衡网络的能量负载，其次根据每个传感器节点的剩余能量和平均能量消耗率确定传感器节点的能量阈值，然后构造了基于多参数的路径规划函数，为移动式水下充电站规划充电路径，并根据节点的实时能量动态控制在当前节点的充电时间。
当然，上述说明并非是对本发明的限制，本发明也并不限于上述举例，本技术领域的普通技术人员，在本发明的实质范围内，做出的变化、改型、添加或替换，都应属于本发明的保护范围。

Claims (5)

1.一种面向水下无线传感器网络的移动充电路径规划方法，其特征在于，包括以下步骤：
步骤1、传感器节点信息收集：包括节点自身的位置坐标、剩余电量和能量消耗率的数据；
步骤2：网络分区：采用改进的K-Means聚类算法来均衡水下无线传感器网络的负载，改进的K-Means聚类算法在每次聚类结束之前判断结果是否满足能量约束条件；
步骤3：节点能量阈值设置：为节点设置剩余能量的上阈值和下阈值，当节点的能量减少至上阈值时，节点向移动式水下充电站发起充电请求；当节点的能量减少至下阈值时，节点不能正常工作，进入睡眠模式，被视为死亡节点；
步骤4：充电路径规划：构造路径规划函数，基于多参数对移动式水下充电站进行充电路径规划；
路径规划函数的定义如下：
Figure FDA0004243909040000011
其中，ω1,ω2,ω3分别表示节点的位置、剩余电量、能量消耗率在路径规划函数中的权重系数，满足0＜ω1＜1，0＜ω2＜1，0＜ω3＜1且ω1+ω2+ω3＝1，Dnor(i)，Enor(i)和Vnor(i)分别是移动式水下充电站与节点s(i)间的距离、节点s(i)的剩余能量和能量消耗率归一化后的结果，s(i).e为传感器节点的剩余能量，s(i).el为传感器节点的剩余能量下阈值；
定义Sc为移动式水下充电站要选择的下一站待充电节点，移动式水下充电站的起始位置是其工作区域的中心点；路径规划的流程为：
首先，根据待充电列表C中存储的节点信息，计算每个传感器节点对应的路径规划函数的值，并求出路径规划函数的最小值；然后，将路径规划函数最小值对应的节点s(i)作为移动充电站的下一站待充电节点Sc；最后，将节点s(i)加入到充电列表R中，并从待充电列表C中删除节点s(i)，完成本次下一站待充电节点的选择；移动式水下充电站行驶到Sc完成能量补充任务后，更新待充电列表C，将新的充电请求信息加入到列表C中，重新选择新的下一站充待电节点Sc；步骤5：节点充电时间控制：当节点的能量减少至上阈值时，节点向移动式水下充电站发起充电请求，移动式水下充电站沿充电路径行驶到传感器节点后，根据节点的实时能量动态控制在当前节点的充电时间；
设定某一轮充电过程中一共有m个节点发出充电请求，移动式水下充电站在节点s(i)的充电时间s(i).t为：
Figure FDA0004243909040000021
Figure FDA0004243909040000022
式中，e0表示传感器节点的初始能量值，s(i).eu为传感器节点剩余能量上阈值，s(i).e为传感器节点的剩余能量，β表示移动式水下充电站对传感器节点充电的速率，s(i).e'表示充电时传感器节点的消耗能量；g1(i)和g2(i)分别表示传感器节点的剩余能量s(i).e和能量消耗率s(i).v对其充电时间的影响，具体计算方式如下：
Figure FDA0004243909040000023
Figure FDA0004243909040000024
步骤6：充电结果分析。
2.根据权利要求1所述的面向水下无线传感器网络的移动充电路径规划方法，其特征在于，步骤2中，所述改进的K-Means聚类算法通过最小化区域内传感器节点与区域中心距离平方和的方法将网络划分为不同区域，流程步骤是：首先，从所有的N个节点中随机抽取M个节点作为初始聚类的子区域中心，然后计算节点到每个子区域中心的距离，并将节点划分到距离上最近的中心点所在的子区域，在所有节点都被划分到子区域之后，重新计算每个子区域新的中心；这个步骤重复进行，直到子区域中心不再改变；得到的子区域中心是一个虚拟位置，它与区域中所有节点距离的平方和最小；子区域中心不再改变时，再判断结果是否满足能量约束条件，满足该条件时，表示移动式水下充电站携带有足够的电量能完成一轮充电，并且在充电完成之后能够返回服务站点进行能量补充，则聚类完成。
3.根据权利要求2所述的面向水下无线传感器网络的移动充电路径规划方法，其特征在于，所述能量约束条件为：
Figure FDA0004243909040000031
式中，s(i).el为传感器节点的剩余能量下阈值，e0表示节点的初始能量值，Ed(0i)是移动式水下充电站航行到传感器节点消耗的能量值，Ed′是移动式水下充电站从距离服务站点最远的节点航行到服务站点消耗的电量。
4.根据权利要求1-3任一项所述的面向水下无线传感器网络的移动充电路径规划方法，其特征在于，步骤3中，节点的能量下阈值计算公式为：
Figure FDA0004243909040000032
其中，s(i).v表示第i个节点的能量消耗率；v表示移动式水下充电站的航行速度，
Figure FDA0004243909040000033
表示传感器网络中任意两个节点之间距离的平均值；
节点的能量上阈值计算公式为：
s(i).eu＝ξi*eu
其中，ξi代表了节点的能量消耗率对节点剩余能量上阈值s(i).eu的影响，eu是一个常量上阈值，公式分别如下：
Figure FDA0004243909040000034
Figure FDA0004243909040000035
其中，e0表示节点的初始能量值，期望值X表示网络中需要充电的节点数目。
5.根据权利要求1所述的面向水下无线传感器网络的移动充电路径规划方法，其特征在于，步骤6中，在移动式水下充电站完成一个周期的充电任务后，服务器端可以利用数据库中网络的相关数据，分析网络的节点死亡率、能量利用率、节点的充电延迟以及移动式水下充电站的行驶能耗，对充电规划方法的有效性进行评估。
CN202111044348.7A 2021-09-07 2021-09-07 一种面向水下无线传感器网络的移动充电路径规划方法 Active CN113837452B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111044348.7A CN113837452B (zh) 2021-09-07 2021-09-07 一种面向水下无线传感器网络的移动充电路径规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111044348.7A CN113837452B (zh) 2021-09-07 2021-09-07 一种面向水下无线传感器网络的移动充电路径规划方法

Publications (2)

Publication Number Publication Date
CN113837452A CN113837452A (zh) 2021-12-24
CN113837452B true CN113837452B (zh) 2023-06-23

Family

ID=78958508

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111044348.7A Active CN113837452B (zh) 2021-09-07 2021-09-07 一种面向水下无线传感器网络的移动充电路径规划方法

Country Status (1)

Country Link
CN (1) CN113837452B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117689096B (zh) * 2024-01-25 2024-04-19 武汉科技大学 一种具有避障功能的移动充电调度方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108900996A (zh) * 2018-07-04 2018-11-27 中国海洋大学 一种基于双层模糊算法的无线传感器网络数据传输方法
CN111724273A (zh) * 2020-05-09 2020-09-29 中国大唐集团科学技术研究院有限公司火力发电技术研究院 采用大容量风电机组的海上风电场自动规划集电线路方法
CN112235744A (zh) * 2020-10-15 2021-01-15 广西师范大学 Wrsn中联合在线和离线调度的能量补给方法
CN112788560A (zh) * 2020-12-18 2021-05-11 昆明理工大学 一种基于深度强化学习的时空充电调度方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108900996A (zh) * 2018-07-04 2018-11-27 中国海洋大学 一种基于双层模糊算法的无线传感器网络数据传输方法
CN111724273A (zh) * 2020-05-09 2020-09-29 中国大唐集团科学技术研究院有限公司火力发电技术研究院 采用大容量风电机组的海上风电场自动规划集电线路方法
CN112235744A (zh) * 2020-10-15 2021-01-15 广西师范大学 Wrsn中联合在线和离线调度的能量补给方法
CN112788560A (zh) * 2020-12-18 2021-05-11 昆明理工大学 一种基于深度强化学习的时空充电调度方法

Also Published As

Publication number Publication date
CN113837452A (zh) 2021-12-24

Similar Documents

Publication Publication Date Title
CN111862579B (zh) 一种基于深度强化学习的出租车调度方法及系统
CN107835499B (zh) 一种WSNs中基于分簇和能量中继的移动充电方法
EP2760696B1 (en) Method and system for charging electric vehicles
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
CN109495945B (zh) 一种WSNs中基于聚类分簇的协同充电方法
CN107657374B (zh) 一种基于能耗和距离动态变化的按需充电调度方法
CN107623901B (zh) 一种WRSNs中联合数据收集及能量补给方法
WO2019135330A1 (ja) エネルギー需給システム
CN112193116A (zh) 一种考虑奖励机制的电动汽车充电优化引导策略
CN112381398B (zh) 考虑用户有限理性出行的电动汽车充电站选址方法及系统
CN113837452B (zh) 一种面向水下无线传感器网络的移动充电路径规划方法
CN115361689B (zh) 固定站点与无人机搭载边缘服务器的协同部署方法
CN113887138A (zh) 一种基于图神经网络和强化学习的wrsn充电调度方法
Li et al. Predicting-scheduling-tracking: Charging nodes with non-deterministic mobility
Ullah et al. Optimal deployment of electric vehicles’ fast-charging stations
CN115130779A (zh) 一种基于移动充电桩的智能调度方法
Zhou et al. Design and optimization of solar-powered shared electric autonomous vehicle system for smart cities
Zhao et al. Hybrid scheduling strategy of multiple mobile charging vehicles in wireless rechargeable sensor networks
CN106096793A (zh) 基于拥塞感知的周期性优化的电动汽车充电决策方法
Zhu Optimization strategies for real-time energy management of electric vehicles based on LSTM network learning
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
CN114626762B (zh) 移动换电网络选址方法、电池调度方法、装置及系统
Chen et al. Improve the quality of charging services for rechargeable wireless sensor networks by deploying a mobile vehicle with multiple removable chargers
Yang et al. Battery-powered automated guided vehicles scheduling problem in automated container terminals for minimizing energy consumption
CN113448707A (zh) 在边缘计算中在线批并行任务调度方法

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