工业无线可充电传感网的数据收集及充电优化

随着工业的快速发展,其对工业无线可充电传感网的运行提出了更高要求,如海量传感器需要保持长时间的高强度工作状态;数据的传输需要更高的可靠性和实时性.然而,在利用多跳数据传输的工业传感网络中,传感器的转发负载极不均衡.这进一步加快了部分传感器的耗电速度,使得它们较其他传感器更快耗尽电量,并导致数据丢失和网络运行中断.针对这些问题,本文提出一种结合强化学习和边际效益近似算法的方案,以优化工业无线可充电传感网中移动充电车的移动数据收集及充电调度策略,使得每个传感器有足够的电量工作和提高数据传输的可靠性和实时性,并最大化系统效益.实验结果表明,本文所提出的方案在系统效益、移动充电车收集的数据总质量方面的性能明显优于其他对比算法.

无人机辅助的无线可充电传感网充电路径规划方案

针对传统无线可充电传感网(WRSNs)存在传感器节点较为分散导致的充电效率低问题,提出了一种基于对WRSN进行分簇的无人机(UAV)充电路径优化方案(Optimized Charging Path Scheme, OCPS).方案首先将目标区域根据聚类算法划分为不大于充电器最大可覆盖范围的子区域并称其为簇;然后确定各簇区域锚点以及优先级并对充电最优路径进行选择;最后借助无人机给所有簇内传感器节点充能并返回充电中心(Charge Center, CC).仿真实验验证了方案的可行性,实验结果与AEC、MUC方案相比,OCPS方案的充电效率分别提高了约19.5%、27.9%,平均饿死节点数分别降低0.3、1.2个.与CRP、HCCA方案相比,OCPS的飞行长度与充电时长都有明显缩短.

电力物联网建设环境下可充电无线传感器网络能效与路由优化策略

电力物联网的建设可以全方位提高电力系统各个环节信息感知的深度和广度,实时监测和掌控各环节重要设备的运行参数,提升电力系统的分析、预警、自愈及灾害防范能力;传感器件是对电力物联网各环节信息进行深度掌握最关键的环节,然而,复杂的工作环境增加了更换传感器件电池以及人工维护的难度,网络节点供能成为制约电力物联网发展的关键问题;针对此,根据电力物联网建设形势下智能巡检的场景特点,选择具备较强抗电磁环境干扰能力的磁共振充电方式,设计了面向电力物联网的可充电无线传感器网络架构,研究传感器节点的能量管理策略,提出变电站智能巡检场景下可充电WSN的负载均衡路由优化算法,并通过仿真验证在可充电条件下提升无线传感器网络工作寿命的有效性,解决传感器节点能量受限的难题,从而提升传感网络的可靠性和稳定性,为电力智能巡检的开展创造有利条件。

无线可充电传感网的高能效移动充电策略

采用无线能量传输技术的移动充电在无线可充电传感网的能量供给中扮演着重要角色。现有相关研究通常忽略了节点在等待充电时的能耗,简化对节点剩余能量阈值的假设,容易使节点耗尽能量而暂停工作。针对这一问题,文中提出一种新的移动充电策略,建立一种节点剩余能量预测模型以匹配节点的充电需求,分别构建了带权路径最小化以及基于带权路径的能量分配最大化问题,并分别采用遗传算法与线性规划对两者进行求解。通过仿真对所提移动充电策略进行了评估并与现有研究进行了对比。结果显示,所提移动充电策略有更高的移动充电能效,可维持网络长期正常工作。

无线可充电传感器网络能耗分级充电策略

在传统的无线传感器网络中,有限的电池能量会限制传感器网络的寿命。而在无线可充电传感器网络中,能量可以通过无线方式给传感器充电,延长传感器网络的寿命。利用充电小车等移动设备对无线传感器网络进行能量补充时,在一个充电周期内减小充电小车的移动总路径,可以有效减少经济成本。基于无线可充电传感网中各节点的能耗差异性,结合蚁群算法和对旅行商(TSP)问题的研究,提出了基于能耗分级的非固定周期和固定周期两种小车充电策略。仿真结果表明,与传统的充电策略相比,两种新策略均能有效减少充电小车的移动总路径。

基于强化学习的无线可充电传感网移动充电路径优化

无线传感器网络在环境感知、目标跟踪等方面占据了重要地位。为了能够及时地为传感器节点补充能量,提出了一种基于强化学习的低功耗、高能效的移动路径充电算法。无线传感器网络采用移动充电车对传感器节点进行充电,将Q-Learning算法与epsilon-greedy算法相结合,以最短路径依次完成所有传感器节点的充电。现有的相关研究通常忽略了传感器节点自身所能承受电量的最大值,容易导致传感器节点因充电过程中电量超出最大值而暂停工作,因此限制了移动充电车的充电时间。结果表明,所提移动充电策略的效用更高,与传统的Q-Learning算法和贪心算法相比,训练周期大幅度下降且实现了能量利用率最大化。

可充电概率传感网络中的充电小车休息时间最大化方法

在保证无线可充电传感网中目标点持久覆盖的情况下,基于概率监测模型和多节点充电模型,对最大化传感网络中充电小车休息时间比例问题进行研究。文中通过放宽节点不可死亡的限制,提出基于单位子簇的充电选择算法和基于全局的重聚类启发式算法。将目标点周围冗余的传感器构建成目标簇并根据贪心思想划分子簇。充电小车以子簇为单位服务覆盖过程中的充电请求,通过调整子簇内距离要求并对全局请求节点重聚类来选择锚点进行充电,从而降低子簇的混合增益,减少锚点数量。仿真实验表明,与单节点充电模型相比,新算法可将充电小车的休息时间提升10%~15%。

基于中继多跳模型的传感网络充电方法研究

在保证无线可充电网络能够持久运行的情况下,文中基于中继多跳充电模型,研究了最大化传感网络中充电小车的能量利用率问题。针对该问题,提出了中继节点选择算法和路径规划算法。中继节点选择算法用于从传感器节点中选择中继节点,并作为充电小车的停靠点,将节点在中继范围内的覆盖数量作为选择依据。路径规划算法基于哈密顿回路再优化为充电小车规划移动路径。得益于中继多跳充电模型和上述算法,充电小车能够减少移动能量损耗,提高能量利用率。通过仿真实验对比了NJNP、TADP这两种策略以及不同规模网络下的效果。结果表明,所提出的方案在能量利用率方面提高了约15%~25%,并且在大规模传感器网络下有良好的效果。

基于定向充电模型的最大化网络累计充电增益

在保证无线可充电传感器网络持续运行的前提下,基于移动定向充电模型,文中研究了最大化网络中传感器节点累计充电增益的充电小车优化调度问题。针对提出的问题,系统化地设计了停靠点选择和路径规划的近似算法。停靠点选择算法在最大化充电覆盖效用方向的基础上,为充电小车选择最佳充电方向,采用最大化覆盖效用总和为充电小车选择停靠点。基于TSP的路径规划算法,为充电小车规划移动路径,可以显著减少行驶消耗。文中通过模拟仿真实验对比了不同因素的影响。实验结果表明,相比于全向充电,在不同网络规模与传感器密度的环境下,文中所提出的充电策略可以提升10%~60%的网络累计充电增益。

基于强化学习的多无人机WRSN充电路径规划方案

针对无线可充电传感网(WRSNs)存在的充电难、效率低等问题,提出了一种多无人机协同无线可充电传感网充电路径规划方案(MC-CPP).首先描述了多无人机路径规划问题并建立了数学模型,然后针对问题模型提出了相应的深度强化学习(DRL)算法,算法借助了神经网络、贪婪策略和经验回放等获取无人机的充电飞行路径;最后无人机沿着规划的路径为网络中各待充电节点进行充电.实验结果表明,与传统Q学习方案相比,MC-CPP方案在获得了较优规划路径的同时,不仅能够减少充电无人机的数量和强化学习迭代次数,而且提高了无人机的能量利用率;与TSCA、NJNP、GC等方案相比,该方案能有效减少无人机飞行时间、节点死亡的数量及无人机能量消耗.

基于中继充电模型的充电小车休息时间最大化方法

文中基于中继充电模型,研究了在保证无线可充电传感器网络持久运行的情况下,最大化充电小车在服务基站休息时间的优化调度问题。针对该问题,文中提出的近似算法包括3个部分:基于充电效益的锚点选择算法为充电小车选择停靠点、基于TSP的路径规划算法为充电小车规划移动路径以及基于充电集合再优化算法进一步提升充电小车的休息时间。通过仿真实验对比不同的充电策略,结果显示相比AASA算法,在不同传感器分布密度下,文中提出的充电策略可以将充电小车在服务基站的休息时间提升15%~88%。

一种基于贪婪算法的WRSN基站部署新方法

能源供应问题制约了传统无线传感器网的发展。利用无线电能传输技术实现的无线可充电传感器网(Wireless rechargeable sensor network,WRSN),摆脱了这一限制。最小化充电基站的数量对于降低WRSN的部署成本很重要。本文提出了一种贪婪重叠圆算法,使用最小贪婪圆覆盖的思想来优化基站的部署。仿真结果表明,相比现有算法,不仅可以达到更少数量的充电基站,而且不需要将基站固定到某些网格点,给出基站的具体位置信息。