本发明属于无线可充电传感器网络能量供应技术领域,具体涉及一种非固定周期无线可充电传感器网络充电方法。
背景技术
由于一般的无线传感器网络中的无线传感器节点体积很小,所带的电池能量有限,使传感器节点的工作时间受到限制。为了解决传感器能量不足的问题,具有能量收集技术的无线传感网络,即无线可充电传感器网络(wirelessrechargeablesensornetwork,wrsn)应运而生,并得到了相关学者的极大关注和研究。对于一个部署好的传感器网络来说,找寻一种合理高效的充电方式给传感器节点充电,是使传感器网络持续生存下去的一种合理方式。徐向华等人在专利《无线可充电传感网络的全向充电基站部署方法》(专利号:201610274160.4)中提出一种在传感器网络中建立全充电基站,通过对整个的传感器网络进行充电覆盖的方式,对传感器进行充电,但这种远距离的充电方式充电效率较低,对传感器的能量补充效果不理想。
为找寻一种有效的传感器能量补充方式,在无线可充电传感器网络中放置一个可移动的充电小车,根据传感器的能耗不同,确定不同剩余生命周期的节点集合,按需给传感器节点进行充电,在一定周期内保证每个传感器都能够得到能量补充,使wrsn能够正常工作。在相关研究中,王珺等人在专利《一种无线传感网络节点的充电控制方法》(专利号:201611042178.8)按照传感器节点的剩余能量将整个网络分为不同优先级的扇形区域,根据传感器节点的充电紧急程度进行充电,但此方法的分级策略并不能保证每个传感器节点都刚好按照需求的不同分别在不同的扇形中,使得充电小车的移动路径未能得到合理规划。
技术实现要素:
本发明提供了一种非固定周期无线可充电传感器网络充电方法。
本发明的具体步骤如下:
步骤1、建立平面直角坐标系,以平面直角坐标系内的基点对应小车基站的位置,以平面直角坐标系内的n个节点分别对应n个无线可充电传感器的位置。
步骤2、根据总生命周期的长短,对n个节点进行分类。
2-1.计算n个节点的总生命周期ti,i=1,2,…,n,得到总生命周期集合t={t1,t2,…,tn}。
ti=(esi-ethi)/ei。
其中,esi为第i个节点内的初始能量(即电池满电时的电量);ei为第i个节点内的功率;ethi为第i个节点内的能量阈值,ethi=10%·esi。
2-2.计算分级数
2-3.i=1,2,…,n,依次执行步骤2-4。得到总分类点集c={c1,c2,…,ch}。
2-4.若
步骤3、确定充电小车对总分类点集c内各分类点集充电的路径。
3-1.k=1,2,…,h,依次执行步骤3-2。
3-2.通过蚁群算法确定充电小车对第k分类点集ck进行充电的路径ak;路径ak以基点为起点和终点、经过第k分类点集ck内所有节点。
步骤4、为n个节点对应的无线可充电传感器进行充电。
4-1.计算n个节点的剩余生命周期ti′,i=1,2,…,n,得到生命周期集合ti′={t1′,t2′,...,tn′}。
ti′=(eri-ethi)/ei。
其中,eri为第i个节点内的剩余的能量。
以剩余生命周期集合ti′中的最小值t′min对应的那个节点作为特征节点。
4-2.t′min时间后,充电小车按照对第k分类点集ck进行充电的路径az行进,为第z分类点集cz内所有节点对应的无线可充电传感器进行充电。第z分类点集cz内含有特征节点。之后,进入步骤4-3。
4-3.重复执行步骤4-1和4-2。
本发明具有的有益效果是:
1、本发明通过能耗分级来实现无线可充电传感器的分类,进行实现无线可充电传感器的分批充电,进而减少充电小车的移动能量损耗。
2、本发明中充电小车单次仅遍历一个分类点集内的节点,大大降低了对充电小车续航能力的要求,进而降低了充电成本。
3、本发明能够保障各无线可充电传感器稳定持续工作。
附图说明
图1为本发明的一个实例中无线可充电传感器、小车基站的分布示意图;
图2(a)、图2(b)、图2(c)、图2(d)为本发明的一个实例在执行步骤2后的得到的四张小车路径图。
具体实施方式
以下结合附图对本发明作进一步说明。
本发明一种非固定周期无线可充电传感器网络充电方法,针对无线传感器网络内所有的无线可充电传感器均设置在同一平面上,且各无线可充电传感器除了各自消耗功率不同之外其它的规格均相同的情况。充电方式为充电小车从小车基站中驶出,并逐个移动到需要无线可充电传感器处进行近场磁耦合谐振无线充电,具有较高的充电效率。
一种非固定周期无线可充电传感器网络充电方法,具体步骤如下:
步骤1、如图1所示,建立一个wrsn模型,即平面直角坐标系,使得小车基站的坐标为(r,r),所有的n个无线可充电传感器均位于平面直角坐标系第一象限的充电正方形内。坐标点(0,0)、(0,2r)、(2r,0)、(2r,2r)分别为充电正方形的四个顶点。小车基站的位置对应基点,n个无线可充电传感器的位置对应n个节点。n个节点在平面直角坐标系内的坐标分别为(xi,yi),i=1,2,…,n。对n个节点进行排序。
步骤2、根据总生命周期的长短,对n个节点进行分类。
2-1.计算n个节点的总生命周期ti,i=1,2,…,n,ti的单位为天,得到总生命周期集合t={t1,t2,…,tn}。
ti=(esi-ethi)/ei。
其中,esi为第i个节点内的初始能量(即电池满电时的电量)ei为第i个节点内的功率;ethi为第i个节点内的能量阈值,ethi=10%·esi。
当一个节点的能量小于能量阈值ethi时,则认为该节点对应的无线可充电传感器死亡(无法工作)。
2-2.计算分级数
2-3.i=1,2,…,n,依次执行步骤2-4。得到总分类点集c={c1,c2,…,ch}。
2-4.若
步骤3、确定充电小车对总分类点集c内各分类点集充电的路径。
3-1.k=1,2,…,h,依次执行步骤3-2。
3-2.通过蚁群算法确定充电小车对第k分类点集ck进行充电的路径ak,并计算充电小车对第k分类点集ck进行充电的路径长度lk=acatsp(ck);acatsp(ck)为通过蚁群算法计算出的,以小车基站为起点和终点、经过第k分类点集ck内所有节点的路径对应的长度。蚁群算法采用许能闯在《软件导刊》发表的“基于改进蚁群算法的tsp问题研究”中提出的算法。
步骤4、为n个节点对应的无线可充电传感器进行充电。
4-1.计算n个节点的剩余生命周期ti′,i=1,2,…,n,ti′的单位为天,得到生命周期集合ti′={t1′,t2′,...,tn′}。
ti′=(eri-ethi)/ei。
其中,eri为第i个节点内的剩余的能量(即电池当前剩余的电量)。
以剩余生命周期集合ti′中的最小值t′min对应的那个节点作为特征节点。
4-2.t′min时间后,充电小车按照对第z分类点集cz进行充电的路径az行进,为第z分类点集cz内所有节点对应的无线可充电传感器进行充电。第z分类点集cz内含有特征节点。之后,进入步骤4-3。
4-3.重复执行步骤4-1和4-2。
以n=10,r=50m,且各个无线可充电传感器的初始能量均为47300j,能量阈值均为4730j为例,进行计算。
各个无线可充电传感器对应的节点坐标如下表:
经过步骤2的分类,第一分类点集c1内包含节点s1和节点s2。第二分类点集c2内包含节点s3、节点s4和节点s5。第三分类点集c3内包含节点s6。第四分类点集c4内包含节点s7、节点s8、节点s9和节点s10。
步骤3所得的l1、l2、l3、l4对应的路径分别如图2(a)、图2(b)图2(c)图2(d)所示。
以所有无线可充电传感器均进行一次充电为一个充电周期。
在一个充电周期内,按照本发明对实例进行充电的具体情况如下:系统运行的第10天,给第一分类点集c1内所有节点充电;系统运行的第20天,给第一分类点集c1内所有节点充电;系统运行的第21天,给第二分类点集c2内所有节点充电;系统运行的第30天,给第一分类点集c1内所有节点充电;系统运行的第35天,给第三分类点集c3内所有节点充电;系统运行的第40天,给第一分类点集c1内所有节点充电;系统运行的第41天,给第四分类点集c4内所有节点充电。总路径为ltsp=4*l1+l2+l3+l4=985.1m。
运用传统的节点全部遍历算法时,充电小车完成一个周期的充电需要行驶1098.2m。可见,本发明能够大大提高充电小车的效率,降低充电小车的损耗。此外,运用本发明时的一个充电周期必然大于运用传统的节点全部遍历算法时的一个充电周期。本发明中,充电小车单次仅遍历一个分类点集内的节点,大大降低了对充电小车续航能力的要求,进而降低了充电成本。