一种基于蚂蚁费洛蒙算法的无线传感器网络的充电方法

1.本发明属于无线可充电传感器网络能量供应技术领域，具体涉及一种基于蚂蚁费洛蒙算法的无线传感器网络的充电方法。


背景技术：

2.无线传感器网络是由许多传感器组成的自组织网络，广泛应用于许多领域，如环境监测、工业监测、沙漠管理、军事管理和交通管理等，但是传感器是由电池供电的，其生命周期是有限的，这就限制了无线传感器网络的应用。为了打破这个限制，近几年，许多研究者开始致力于研究怎样能够延续无线传感器网络的生命周期问题。这些研究主要分为两大类：能源收集技术和无线充电技术。能源收集技术能够收集自然界的能源，如风能、水能和太阳能等，并将自然界能源转换成电能供传感器使用。然而，自然界能源受环境影响较大，不稳定，这将导致无线传感器网络不稳定。相反，无线充电技术能源相对稳定，近几年得到了快速发展。无线充电技术一般采用充电车给传感器充电。当传感器剩余能量达到门限值时，会给充电车发送充电请求，充电车会根据发送充电请求的传感器的位置和剩余能量来规划充电路径并给传感器充电。
3.无线充电技术主要有离线充电技术和在线充电技术两类。离线充电技术中，充电车在收到传感器的充电请求后，首先进行充电排序，并且构建充电路径；然后，充电车沿着充电路径完成传感器的充电。在离线充电技术中，一旦制订好了充电排序，充电车就不会考虑其它传感器的充电请求，直至完成本次充电，导致充电率较低。
4.为了改善离线充电技术的缺点，出现了在线充电技术。在线充电技术会实时考虑传感器的充电请求，并实时调整充电路径，跟离线充电技术相比，有更好的充电效率。在在线充电技术中，如果新发出充电请求的传感器的位置离已构建路径很近，这个传感器会被加入到充电排序中进行充电，这样缩短了充电车的充电路径，降低了充电成本，增强了充电效率。但是，充电车依然需要走到已排程的传感器旁，逐个完成充电。充电车移动和给传感器充电都要消耗时间，所以许多传感器不能被及时充电，因此最终耗完电而死亡，导致监测区域的监测质量较低。
5.一些研究考虑到了移动的无线传感器网络，在移动无线传感器网络中，部分或者所有的传感器都会移动，传感器可以移动到指定的地点，等待充电车充电，这样降低了充电车的工作量。但是尽管充电车的工作量降低了，仍然需要考虑怎样提高监测区域的监测品质，因为充电车和传感器间的合作非常重要，其严重影响监测品质。


技术实现要素：

6.本发明的目的是解决现有无线传感器网络中传感器不能移动，仅依靠充电车的移动进行传感器充电，存在充电效率低、监测品低的问题，而提供了一种基于蚂蚁费洛蒙算法的无线传感器网络的充电方法。
7.为达到上述目的，本发明采用的技术方案为：
8.一种基于蚂蚁费洛蒙算法的无线传感器网络的充电方法，其特殊之处在于，包括以下步骤：
9.步骤1)、传感器网络初始化
10.将监测区域划分成若干个子区域，确定监测区域内充电站的数量与位置，选择任一子区域为传感器网络基站，且为第一个被充电的子区域，充电车以规则路径对所有子区域进行充电，计算每个子区域的开始充电时间，并广播给监测区域中的每个传感器；
11.步骤2)、传感器第一个工作周期
12.根据传感器所在子区域的开始充电时间，计算单个传感器的工作时间，保证传感器可以按时到达子区域进行充电；按照监测区域内在时间轴上监测品质最大化的原则，将单个传感器的感测频率均调整为最佳感测频率，传感器开始工作，并按时到达子区域进行充电；充电完成后，按照监测区域内在空间轴上监测品质最大化的原则，分配并使传感器移动至新工作位置；
13.步骤3)、传感器正常的工作周期
14.计算单个传感器在新工作位置的需充电的出发时间、工作时间和感测频率，并根据计算结果执行监测任务，并按时到达子区域进行充电，且监测区域内传感器的监测品质最大。
15.进一步地，步骤1)中，所述若干个子区域面积相等；所述规则路径为蛇形。
16.进一步地，步骤1)具体为：
17.1.1)、确定监测区域内充电站的数量与位置
18.1.1.1)、将监测区域划分为等面积的m
×
m个子区域，每个子区域的中心设为虚拟的充电中心，选择任一子区域为传感器网络基站，且为第一个被充电的子区域，充电车以规则路径对所有子区域进行充电；
19.1.1.2)、计算监测区域内充电车的行走时间
[0020][0021]
其中，为监测区域的长度；w为监测区域的宽度；vm为充电车的行走速度；
[0022]
1.1.3)、计算所有子区域内传感器充电时间之和
[0023][0024]
其中，为第i个子区域内所有传感器的充电时间；1≤i≤m2；
[0025]
1.1.4)、计算监测区域内充电站的数量
[0026][0027]
计算得到m的最大值为划分的子区域的个数；
[0028]
其中，tf为监测数据新鲜度的限制时间；
[0029]
1.2)、计算每个子区域的开始充电时间
[0030]
第i个子区域的虚拟充电站rsi的开始充电时间为：
[0031][0032]
其中，为第i-1个子区域的虚拟充电站rs
i-1
的开始充电时间；为第i-1个子区域内所有传感器的充电时间；为充电车从第i-1个子区域的虚拟充电站rs
i-1
到第i个子区域的虚拟充电站rsi的行走时间；
[0033]
1.3)、充电车将每个子区域的开始充电时间广播给监测区域中的每个传感器。
[0034]
进一步地，步骤2)具体为：
[0035]
2.1)、根据传感器所在第i个子区域的虚拟充电站rsi的开始充电时间计算第i个子区域内的第k个传感器的工作时间
[0036][0037]
其中，为传感器从初始位置移动到虚拟充电站rsi的时间；
[0038][0039]
其中，为传感器初始位置与虚拟充电站rsi的距离；
[0040]vs
为传感器的移动速度；
[0041]
2.2)、按照监测区域内在时间轴上监测品质最大化的原则，将单个传感器的感测频率均调整为最佳感测频率
[0042][0043]
其中，为传感器的总的感测次数；
[0044][0045][0046][0047][0048]
其中，为传感器在初始位置所预留的用于工作的能量；
[0049]esensor
为传感器的电池容量；
[0050]
为传感器初始位置移动至虚拟充电站rsi所需要的能量；
[0051]
为传感器的单位距离移动耗电率；
[0052]
为传感器感测一次的能量消耗率；
[0053]
为传感器单位时间工作耗电率；
[0054]
为传感器初始感测频率；
[0055]
2.3)、充电车给每一个子区域中传感器充电；
[0056]
2.4)、充电完成后，按照监测区域内在空间轴上监测品质最大化的原则，分配并使传感器移动至新工作位置。
[0057]
进一步地，步骤3)具体为：
[0058]
3.1)计算传感器在新工作位置的需充电的出发时间
[0059][0060]
其中，为第i个子区域的虚拟充电站rsi第二个充电周期的开始充电时间；
[0061]
为传感器从新工作位置移动至虚拟充电站rsi的时间；
[0062][0063]
其中，为传感器新工作位置与虚拟充电站rsi的距离；
[0064]
3.2)计算传感器在新工作位置的工作时间
[0065][0066]
3.3)、计算传感器在新工作位置的感测频率
[0067][0068]
其中，为传感器在新工作位置的总的感测次数；
[0069][0070][0071][0072]
[0073]
其中，为传感器在新工作位置所预留的用于工作的能量；
[0074]
为传感器从新工作位置移动至虚拟充电站rsi的所需要的能量；
[0075]
为传感器从新工作位置感测一次的能量消耗率。
[0076]
进一步地，其特征在于：
[0077]
步骤2)中，所述监测区域内在时间轴上监测品质最大化指在监测区域内所有传感器在任意时间点的监测品质最大；
[0078]
传感器在时间点t的监测品质
[0079][0080]
其中，d(t,t1)为传感器相邻两次执行监测时间点之差；σ为传感器每单位时间监测品质的损失率；
[0081]
所述监测区域内在空间轴上监测品质最大化指在监测区域内所有传感器在任意空间点的监测品质最大；
[0082]
传感器在空间点p的监测品质
[0083][0084]
其中，为传感器与空间点p的距离；ε为传感器单位距离的监测品质损失率。
[0085]
进一步地，步骤3)中，所述监测区域内传感器的监测品质最大指在监测区域内所有传感器在任意空间点、任意时间点的监测品质q最大；
[0086]
传感器在空间点p、时间点t的监测品质
[0087][0088][0089]
其中，r为总监测的监测区域；t为总监测时间。
[0090]
进一步地，步骤2.4)中，分配传感器新工作位置具体为：
[0091]
将传感器所在的子区域划分为等面积的若干个网格，每个网格至少分配一个传感器；分别计算每个网格中心到该网格所有边界点的距离均方差，并按从小到大；将子区域内的传感器按其单位时间工作耗电率从小到大排序，依次将低工作耗电率的传感器移动至均方差大的网格中心，此网格中心为传感器的新工作位置，实现传感器在子区域内新的工作地点的监测品质最大。
[0092]
与现有技术相比，本发明具有的有益技术效果如下：
[0093]
1、本发明提出的基于蚂蚁费洛蒙算法的无线传感器网络的充电方法，将传统无线传感器网络中传感器仅依靠充电车的移动进行充电的方式，改为充电车和传感器均移动的
方式进行充电，分析充电车和传感器间的合作关系，保证了在永续传感器生命周期的前提下，最大化监测区域的监测品质，提高充电效率。
[0094]
2、本发明提出的基于蚂蚁费洛蒙算法的无线传感器网络的充电方法，将监测区域划分成若干个子区域，在每个子区域设立了虚拟的充电站，子区域内的传感器会在约定的时间在虚拟充电站等待充电车来充电，缩短了充电车的充电行走路径，而且可以同时给多个传感器充电，提高了充电效率。
[0095]
3、本发明提出的基于蚂蚁费洛蒙算法的无线传感器网络的充电方法，同时考虑时间点与空间点上的监测品质，通过调整传感器的感测频率，使其在时间轴上监测品质最大化；通过按照传感器工作能量消耗率最低和划分子区域的网格质量最低原则，在子区域内重新分配传感器的工作位置，使其在空间轴上监测品质最大化，进而使监测区域内的传感器在任意时间点与空间点上的监测品质最大化。
附图说明
[0096]
图1为本发明实施例中无线传感器网络环境示意图；
[0097]
图2为本发明实施例中移动充电车充电路径示意图；
[0098]
图3为本发明实施例中传感器工作时规则感测频率和不规则感测频率示意图。
具体实施方式
[0099]
为使本发明的目的、优点和特征更加清楚，以下结合附图和具体实施例对本发明提出的一种基于蚂蚁费洛蒙算法的无线传感器网络的充电方法作进一步详细说明。本领域技术人员应当理解的是，这些实施方式仅仅用来解释本发明的技术原理，目的并不是用来限制本发明的保护范围。
[0100]
本发明提出的基于蚂蚁费洛蒙算法的无线传感器网络的充电方法，主要分为三个阶段：
[0101]
第一阶段：初始化
[0102]
在初始化阶段，移动充电车需要将充电区域划分成等面积的子区域，以此来决定充电站的数量和位置。然后移动充电车将会计算每个子区域的开始充电时间并且广播给监测区域中的每个传感器。
[0103]
假设监测区域为矩形区域，长宽分别为l和w，整个监测区域随机部署了n个传感器，用s＝{s1,s2,
…
,sn}来表示，传感器执行感测任务，目的是最大化监测数据的质量。然而，传感器是电池供电的，在电量耗完前，需要用移动充电车给传感器充电。因为监测区域传感器数量非常大，充电车一个一个去拜访传感器并给其充电需要花费很多的时间，而充电车的电量是有限的，根本无法满足。所以，一个好的充电算法需要决定充电站的数量和位置。
[0104]
本实施例的网络环境如图1所示，基站设置在监测区域的左上方，负责收集所有传感器的监测数据并且给移动充电车充电；圆形节点表示传感器；右上角节点表示正在被充电车充电的传感器，传感器在被移动充电车充电的同时，把感测数据传输给移动充电车；实线表示充电车已经完成的充电路径，虚线表示充电车规划的即将充电路径，充电路径上设有子区域充电站。当充电车到达第3个子区域的时候，所有待充电的传感器已经到达了子区
域，等待充电车充电。充电车访问每一个子区域时，执行两个工作：给子区域的传感器充电和收集传感器感测数据。在返回到基站时，充电车将数据传输给基站，并且为自己充电。
[0105]
初始化阶段，具体步骤如下：
[0106]
1、确定充电站的数量和位置
[0107]
将监测区域划分为等面积的m2个子区域，每个子区域的中心设为虚拟的充电中心，如图2所示。移动充电车的充电路径，用rsi表示第i个子区域的虚拟充电站，左上角第一个子区域的虚拟充电站rs1同时充当基站，且是第一个被充电的子区域，充电路径呈蛇形。用表示第i个子区域中的传感器，则l/m和w/m分别表示每个子区域的长和宽。
[0108]
移动充电车的充电行走时间
[0109][0110]
为了让传感器有更多的能量用于感测工作，设置第一个子区域开始充电的时间为该子区域中最后一个传感器抵达充电中心的节点的到达时间。同时设置每个传感器到达充电中心时，其电量都已耗尽。
[0111]
第i个子区域内传感器的充电时间为：
[0112][0113]
其中，e
sensor
表示传感器电池容量；表示移动充电车的充电率；
[0114]
监测区域内传感器的总的充电时间为：
[0115][0116]
为了满足数据新鲜度的限制，充电车为了充电所移动的时间和充电时间总和应该不大于数据新鲜度的限制时间tf，即满足：
[0117][0118]
其中，通过上式计算得到m的最大值即为划分的子区域的个数。
[0119]
2、确定子区域开始充电时间
[0120]
为了确定每个子区域的开始充电时间并且广播给每个子区域，充电车需要收集第一个子区域中所有传感器的id、位置和耗电率，计算第一个子区域的虚拟充电站rs1的开始充电时间，下一个子区域虚拟充电站的开始充电时间可由第一个子区域虚拟充电站的开始充电时间得到。
[0121]
下面首先计算第一个子区域的开始充电时间
[0122]
用表示第一个子区域中的传感器，用表示第一个子区域中的传感器，用表示子区域中传感器的初始位置，其中表示第i个子区
域中第k个传感器的初始位置。
[0123]
传感器从工作位置移动到第一个子区域的虚拟充电站rs1所花费的时间
[0124][0125]
其中，为传感器初始位置到第一个子区域的虚拟充电站rs1的距离；vs为传感器的移动速度。
[0126]
传感器从原始工作位置移动到第一个子区域的虚拟充电站rs1所消耗的能量
[0127][0128]
其中，为传感器的单位距离移动耗电率。
[0129]
传感器用于监测工作的能量
[0130][0131]
其中，e
sensor
为传感器的电池容量。
[0132]
则传感器的工作时间
[0133][0134]
其中，为传感器的单位时间工作耗电率。
[0135]
传感器抵达第一个子区域的虚拟充电站rs1的时间
[0136][0137]
为了让传感器有更多的剩余能量用于监测工作，第一个子区域的虚拟充电站rs1的开始充电时间设置为该子区域最后一个传感器抵达充电中心的到达时间，则第一个子区域的虚拟充电站rs1开始充电时间为：
[0138][0139]
依据第一个子区域的开始充电时间可以推断出其他子区域的开始充电时间。第i个子区域的虚拟充电站rsi的开始充电时间等于第i-1个子区域的虚拟充电站rs
i-1
的开始充电时间加上子区域的虚拟充电站rs
i-1
的充电时间，再加上充电车从第i-1子区域到第i个子区域的移动时间，即：第i个子区域的虚拟充电站rsi的开始充电时间
为：
[0140][0141]
3、移动充电车向每个子区域中的传感器广播该区域的开始充电时间。
[0142]
第二阶段：第一个工作周期
[0143]
在工作阶段，传感器执行自己的监测任务，并根据所在子区域的开始充电时间，来确定自己的工作时间，如此才能保证传感器能够准时到达所在子区域的充电中心进行充电，并且能够预留最大的剩余能量去执行监测任务。在这个阶段，另外一个重要的任务就是计算每个传感器的感测频率，提高监测品质。
[0144]
1、计算传感器的工作时间
[0145]
为了计算传感器的工作时间，传感器首先要预留从初始工作位置到充电站rsi所消耗的能量。
[0146]
传感器从自己的初始工作位置移动到虚拟充电站rsi所花费的时间
[0147][0148]
其中，为传感器初始位置与虚拟充电站rsi的距离；vs为传感器的移动速度；
[0149]
传感器从自己的初始工作位置移动到虚拟充电站rsi所花费的能量
[0150][0151]
传感器在初始位置所预留的用于工作的能量
[0152][0153]
传感器离开初始位置去充电的时间
[0154][0155]
则传感器的工作时间
[0156][0157]
2、修改传感器的感测频率
[0158]
依据工作时间修改传感器的感测频率，目的是最大化时间监测品质，指在监测区域内所有传感器在任意时间点的监测品质最大。
[0159]
传感器在时间点t的监测品质
[0160][0161]
其中，d(t,t1)为传感器相邻两次执行监测时间点之差；σ为传感器每单位时间监测品质的损失率。
[0162]
下面给出一个例子，解释感测频率对时间监测品质的影响。假设如图3(a)所示的任意一个子区域，这个子区域中随机部署了3个传感器，分别为s1、s2和s3，将该子区域随机分为3个泰森多边形，用p表示传感器s1的泰森多边形中的一点，这样和其它两个传感器节点s2和s3相比，传感器s1是离p点最近的传感器，可以用传感器s1的感测数据去表示p点的感测信息。
[0163]
给定一个时间周期t，用表示长度为ω的感测频率模式，其中ti(1≤i≤ω)表示在时间周期t中，第i次感测的时间点。用t
i,i+1
＝[ti,t
i+1
]表示时间点ti和t
i+1
之间的时间差。如果t
i-1,i
＝t
i,i+1
(2≤i≤ω-1)，则模式被称为规则的感测频率；反之，称之为不规则的感测频率。
[0164]
假设传感器s1分别在时间点t1,t2和t3执行感测任务。如图3(b)所示，case1为传感器使用不规则感测频率执行感测任务，case2为传感器使用规则感测频率执行感测任务，可以看出，传感器s1使用规则感测频率时，监测品质要高于使用不规则感测时。
[0165]
在case1中，非常明显t
1,2
≠t
2,3
，用和分别表示[t1,t2]和[t2,t3]的中间点。假设t
1,3
被等分为10等份，用τ表示每一等份。因此，时间点1≤i≤5，更接近于t2；而时间点6≤i≤9，更接近于t3。
[0166]
用和分别表示case1和case2的监测品质。
[0167]
在时间点1≤i≤9的监测品质其结果如表1所示。
[0168]
表1 case1中p点的时间监测品质
[0169][0170]
在case2中，传感器s1采用规则监测频率，即t
1,2
＝t
2,3
，在时间点1≤i≤9的监测品质如表2所示。
[0171]
表2 case2中p点的时间监测品质
[0172][0173]
传感器在时间点t1和t3执行感测任务，因此在t1和t3的监测品质为1，case1中监测品质等于所有时间点t∈t
1,3
的监测品质的平均值：
[0174][0175]
在case2中，在时间t
1,3
的时间监测品质
[0176][0177]
因为0≤σ≤1，函数(1-σ)
xτ
(0≤x≤1)是一个递减函数。
[0178]
因此，大于传感器s1使用规则感测频率时，监测品质要高于使用不规则感测时。
[0179]
可见，基于规则频率特性，在整个工作时间段内，传感器应该平均分配其感测任务。
[0180]
已知传感器的感测频率传感器感测一次的能量消耗率为：
[0181][0182]
传感器的总的感测次数为：
[0183][0184]
传感器的最佳感测频率为：
[0185][0186]
当传感器的感测频率调整为最佳感测频率时，其监测品质在时间维度上最大。
[0187]
3、充电车给每一个子区域中的传感器充电；
[0188]
4、充电完成后，因为传感器是随机部署在监测区域的，为了提高监测品质，依据传感器的能量消耗率给其分配合适的工作位置。按照监测区域内在空间轴上监测品质最大化的原则，分配并使传感器移动至新工作位置，即传感器在子区域内新的工作地点的监测品质最大。
[0189]
传感器在空间点p的监测品质
[0190][0191]
其中，为传感器与空间点p的距离；ε为传感器单位距离的监测品质损失率。
[0192]
可以看出，空间点p的监测品质是由p点到传感器之间的距离决定的，如果p点离传感器越远，则p点处的空间轴上监测品质就越低。为了提高每一个传感器的空间轴上监测品质，要使单位时间工作耗电率最小的传感器最远，单位时间工作耗电率最大的传
感器最近。
[0193]
因此，将传感器所在的子区域划分为等面积的若干个网格，每个网格至少分配一个传感器，分别计算每个网格中心到该网格所有边界点的距离均方差，并从小到大排序，再将子区域内的传感器按其单位时间工作耗电率从小到大排序，依次将低工作耗电率的传感器移动至均方差大的网格中心，此网格中心为传感器的新工作位置，实现了传感器在子区域内新的工作地点的监测品质最大。
[0194]
第三阶段：正常工作周期
[0195]
至此，移动充电车结束了它第一个周期的充电工作，在第一个周期确定了许多参数。从第二个充电周期开始，进入正常工作周期，需计算每个传感器在新工作位置的工作时间、感测频率和出发时间。
[0196]
用表示传感器重新分配的位置，其中表示子区域中传感器被分配的新工作位置。将依据传感器的耗电率来决定充完电后每个传感器的位置，目的是最大化空间监测品质。传感器需要预留从工作地点到充电站往返的能量。
[0197]
传感器从新工作位置到虚拟充电站rsi所消耗的时间为：
[0198][0199]
传感器从新工作位置到虚拟充电站rsi所消耗的能量为：
[0200][0201]
传感器在新工作位置所预留的用于工作的能量为：
[0202][0203]
传感器在新工作位置的需充电的出发时间
[0204][0205]
其中，为第i个子区域的虚拟充电站rsi第二个充电周期的开始充电时间；
[0206]
传感器在新工作位置的工作时间为：
[0207][0208]
其中，为在第i个子区域的虚拟充电站rsi的第一个充电周期的开始充电时间；
[0209]
传感器在新工作位置感测一次的能量消耗率为：
[0210][0211]
传感器在新工作位置的总的感测次数为：
[0212][0213]
传感器在新工作位置的最佳感测频率为：
[0214][0215]
至此，获得了单个传感器在新工作位置的需充电的出发时间、工作时间和感测频率。
[0216]
移动充电车结束了它第一个周期的充电工作，从第二个充电周期开始，每个传感器可以规则地按照新工作位置的工作时间、感测频率和出发时间循环执行监测任务。
[0217]
本发明提出的基于蚂蚁费洛蒙算法的无线传感器网络的充电方法，将传统无线传感器网络中传感器仅依靠充电车的移动进行充电的方式，改为充电车和传感器均移动的方式进行充电，分析充电车和传感器间的合作关系，保证了在永续传感器生命周期的前提下，最大化监测区域的监测品质，提高充电效率。
[0218]
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明技术方案的范围。