一种基于AUV三维移动模型的水下传感网数据收集方法与流程

文档序号:18251183发布日期:2019-07-24 09:45阅读:588来源:国知局
一种基于AUV三维移动模型的水下传感网数据收集方法与流程

本发明属于大规模水下传感网数据收集领域,特别涉及一种基于AUV三维移动模型的 水下传感网数据收集方法。



背景技术:

近年来,伴随着无线传感器网络技术的快速发展,水下传感网广泛应用于海洋资源探测、 水下环境监测、和辅助导航等领域。水下传感网络是由具有通信与计算能力的传感器节点构 成的水下监测网络系统。水下传感器网络的研究已主要包括水下通信技术、网络部署、定位 跟踪和数据收集等方面,其中数据收集至关重要。由于现代水下应用会产生大量高清视频、 音频、图片等数据,且远距离传输数据容易衰弱,且底层传感器节点的电池更换或者充电困 难。当传感器节点收集到数据需交付至水面汇聚节点时,需经过多跳路由转发,耗费大量能 耗,造成部分节点关闭,导致整个网络失效死亡。如何高效收集数据、减少关闭节点、减少 数据延迟成为一个亟需解决的问题。

目前针对水下数据收集主要方法分为两类:多跳路由数据收集方法和AUV数据收集方 法。在多跳路由方法中,源节点收集数据通过选择中继节点向上转发数据,直到水面汇聚节 点接收到数据,如VBF(vector-based forwarding)协议。在AUV数据收集方法中,一般假设 水下传感网是集群化的,有部分簇头节点或者网关节点,其他节点通过多跳将数据转发到簇 头节点或者网关节点,AUV遍历簇头节点或者网关并收集数据,最后AUV上浮将收集到的 数据转发给水面汇聚节点。如AEERP(AUV-aided energy efficient routing protocol),SEDG (Scalable and efficient data gathering)协议等。这些方法中,AUV按照预先规划好的路径匀 速移动,遍历所有簇头或网关节点并收集数据。

但是,这些技术普遍存在以下缺点。其一,陆上传感网主要采用无线电传输数据,而水 下大多数方法通过声波传输数据,虽然声波传播距离远(≤10km),但是声波传输带宽低 (100Kbps)。在多跳传输数据的情况下,部分节点能耗较多,越靠近水面汇聚节点的中继节 点转发数据越多、耗能越多,网络生命周期短。其二,大多数AUV收集数据都是基于匀速 移动收集数据,但是在水下环境中AUV可能会受到水流、水压、障碍物等影响,AUV移动 包括上升、下沉和平移等状态,不同运动方向和位置,速度不同,数据收集情况也会不同, 统一设定相同速度减少了降低AUV移动时间的可能性,降低了收集数据效率。换言之,原 有的水下传感网数据收集方法过于理想化,没有考虑到AUV在水下三维空间移动速度和方 向。



技术实现要素:

本发明的目的在于克服现有技术的不足,提供一种基于AUV三维移动模型的水下传感 网数据收集方法,根据AUV到不同目标节点的方向和速度构造三维移动模型并计算到每个 目标节点的速度和时间,找到高效的收集路径,从而实现高效数据收集的方法。

为了实现上述目的,本发明的技术方案是:

一种基于AUV三维移动模型的水下传感网数据收集方法,包括:

AUV获取所有目标节点的位置;所述目标节点为若干水下传感器组成的簇中的簇头节点;

获取AUV遍历所有目标节点时间和最短的移动路径,根据所述移动路径收集数据;其中, AUV访问任意目标节点的时间为AUV到目标节点的距离与AUV在水中合成速度的商,AUV 到目标节点的距离基于目标节点的位置获取,AUV在水中的合成速度基于AUV的航速与沉浮 速度获取。

优选的,所述AUV在水中合成速度的获取方法包括:

根据两个已知向量vf和vAUV的矢量和得到合成速度矢量vs,如下:

vs=vf+vAUV

其中,vf表示AUV受到自身重力和水对其产生的浮力产生的沉浮速度;vAUV表示航速;

根据向量点乘关系,已知两个向量和两个向量模,由反三角函数关系可以得到目标节点 位置和沉浮速度向量之间的角度β,如下:

其中,L表示AUV到目标节点期望路径的向量;

根据上述两式,获得合成速度的大小,如下:

优选的,AUV到任一目标节点的距离基于欧几里得距离公式获取,如下:

其中,xi、yi和zi表示AUV的三维坐标值;xj、yj和zj表示任意目标节点的三维坐标 值。

优选的,所述AUV访问任意目标节点的时间为AUV到目标节点的距离与AUV在水中合成 速度的商,具体如下:

其中,ti→j表示AUV从某位置到任意目标节点位置的速度vi→j;vi→j表示AUV从某位置 到任意目标节点的合成速度。

采用上述方案后,本发明的有益效果是:

本发明方法根据AUV到位置目标的方向和速度构造三维移动模型,考虑了较为真实 AUV的移动方向和速度,使水下机器人(AUV)移动状态更贴近水下真实情况;同时计算 AUV到所有目标节点间速度和时间,通过最优的调度算法,使AUV保持在预先规划的路径 上移动,提高了数据收集效率。

以下结合附图及实施例对本发明作进一步详细说明,但本发明的一种基于AUV三维移 动模型的水下传感网数据收集方法不局限于实施例。

附图说明

图1为本发明一种基于AUV三维移动模型的水下传感网数据收集方法的流程图;

图2为本发明的模型图;

图3为本发明的基于AUV三维移动模型的数据收集过程(图中显示通过水面固定的漂 浮节点和水底的锚定节点的位置,计算得到其他所有节点的位置;经过聚类得到目标节点, 其他节点将数据发送给目标节点);

图4为本发明的基于三维移动模型的数据收集路径(结合AUV三维移动模型计算得到 每个目标节点的速度和时间,找到花费时间最少的路径,实现最优调度)。

具体实施方式

以下将结合本发明附图,对本发明实施例中的技术方案进行详细描述和讨论。应当理解, 此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。

水下机器人(AUV)收集数据,需要访问部分节点,由于AUV一般都是低航速(约2m/s), 因此会造成严重的延迟。本发明考虑AUV在水下会受到自身重力和水对其产生的浮力,AUV 到不同目标位置速度不同。AUV感知所有目标节点位置,根据位置求出方向和速度,从而构 造AUV三维移动模型。三维移动模型可以根据不同目标节点位置和速度求出访问每个节点 的时间,找到最短遍历时间的路径,从而减少收集数据的周期。

参见图1所示,本发明一种基于AUV三维移动模型的水下传感网数据收集方法,包括:

S101,AUV获取所有目标节点的位置;所述目标节点为若干水下传感器组成的簇中的簇 头节点;

S102,获取AUV遍历所有目标节点时间和最短的移动路径,根据所述移动路径收集数据; 其中,AUV访问任意目标节点的时间为AUV到目标节点的距离与AUV在水中合成速度的商, AUV到目标节点的距离基于目标节点的位置获取,AUV在水中的合成速度基于AUV的航速与 沉浮速度获取。

具体的,包括如下步骤:

(1)构造AUV三维移动模型。为了使AUV运动状态更贴近真实的水下移动情况,假设 在相对稳定的水下环境中,AUV受到自身重力和水对其产生的浮力产生一个沉浮速度vf,结 合速度合成的算法构造AUV三维移动模型。参见图2所示,结合沉浮速度vf和AUV的航速vAUV; AUV到指定目标节点的矢量表示合成速度vs;目标节点位置和沉浮速度向量之间的角度为β, L表示AUV到目标节点期望路径的向量。因此,合成速度可以如下定义:

首先根据两个已知向量vf和vAUV的矢量和得到第三个向量vs,也就是合速度矢量:

vs=vf+vAUV (1)

根据向量点乘关系,已知两个向量和两个向量模,由反三角函数关系可以得到夹角:

最后由公式(1)和公式(2),向量和向量夹角之间的关系得到公式(3),也就是合速度 的大小:

通过上述公式(1)至(3)可以得到AUV的实际速度和方向。需要说明的是,在本发 明方法中,参数化沉浮速度信息,包括沉浮速度的大小和方向,可以设置。此外,运动模型 的实现是基于AUV可控的情况。

(2)找到需要遍历的目标节点。大多数AUV收集数据都是基于聚类算法,参见图3所 示,在给定的监视区域,传感器节点分成若干簇,簇内的传感器节点通过一定规则选择一个 簇头节点,簇内的其他节点称为成员节点。成员节点负责数据采集,并将数据传输到簇头节 点。最后AUV遍历所有簇头节点并收集数据。

(3)结合AUV三维移动模型,确定AUV到每个目标节点的速度和时间。第一步,AUV 得到所有目标节点的位置。第二步,根据目标节点的方向和AUV速度,计算AUV到每个目 标节点的速度和时间。结合AUV三维移动模型可以得知,AUV到达目标节点的移动速度和 时间。首先由欧几里得求距离的公式我们可以求出三维空间中任意两点的距离:

由步骤(1)提出的AUV三维移动模型,得到AUV从某位置到任意位置的速度vi→j。

由距离速度公式得到AUV从某位置访问任意位置的时间ti→j:

(4)利用步骤(1)-(3)计算出花费时间最少路径。参见图4所示,遍历所有簇头节 点最短的时间的AUV移动路径就是最优路径。具体算法描述如下所示:

其中,第4行定义的函数function(TNs),从第5行到第13行,表示每执行一次,移除 一个节点。目的:遍历剩下访问节点不同顺序的所有可能性。算法执行完,最终返回遍历节 点所有可能性中(时间集合中),最小的时间。

以上仅为本发明实例中一个较佳的实施方案。但是,本发明并不限于上述实施方案,凡 按本发明所做的任何均等变化和修饰,所产生的功能作用未超出本方案的范围时,均属于本 发明的保护范围。

当前第1页1 2 3 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1