基于无线设备需求的传感器能源供应网络建设研究.pdf

2023年第3期（总第30 3期）doi:10.3969/j.issn.1009-3230.2023.03.001应用能源技术1基于无线设备需求的传感器能源供应网络建设研究熊伟，杨凯（湖北第二师范学院，湖北武汉430 2 0 5）摘要：为探究无线设备下传感器动力能源的供应问题，构建出一种基于无线设备需求的传感器能源供应网络。运用集中式算法解决小规模传感器充电的安全调度问题，通过非均匀分簇多节点算法（NonuniformClusteringMultiNodeAlgorithm，NC M NA）计算出无线传感器运动路径与充电运行周期。仿真结果表示，与其他两种网络相比，平均充电次数能够降低至32.3%和58.7%，证明该能源供应网络能够满足无线设备对能源供应的需求。关键词：无线设备；能源供应；传感器网络；非均匀分簇多节点算法中图分类号：TK01Research on the Construction of Sensor Energy SupplyNetwork Based on Wireless Device Requirements(Hubei University of Education,Wuhan 430205,China)Abstract:In order to explore the power supply problem of sensors under wireless devices,a sensorenergy supply network based on wireless device requirements was constructed.A centralized algorithmwas used to solve the safety scheduling problem of charging small-scale sensors.The non-uniformclustering multi-node algorithm(NCMNA)was used to calculate the motion path and chargingoperation cycle of wireless sensors.The simulation results show that compared with the other twonetworks,the average number of charging times can be reduced to 32.3%and 58.7%,which provesthat the energy supply network can meet the energy supply needs of wireless devices.Key words:wireless devices;energy supply;sensor network;non-uniform clustering multi-nodealgorithm00引言无线设备传感器能源供应网络是一种由众多具有感知能力的传感器节点所组成的网络，它能够实现对系统环境的监测,对能源供应与使用的记录与分析。国内外有关学者已经对该领域做出相关研究,文献1 通过建立多目标一对多的设备充电与数据收集模型的方式实现对无线设备充电路径收稿日期：2 0 2 3-0 2-0 8 修订日期：2 0 2 3-0 2-2 6基金项目：2 0 2 3年湖北省教育厅科学技术研究计划指导性项目（船舶轴系磨损监测系统研究）作者简介：熊伟（19 7 9）,男,硕士，讲师,研究方向为传感器、无线电能传输等。文献标志码：AXIONG Wei,YANG Kai文章编号：10 0 9-32 30(2 0 2 3)0 3-0 0 0 1-0 4规划与均衡设计;文献2 通过Harris 的hawks 优化(HHO)算法和最短路径算法重构传感器网络，解决大规模无线传感器网络节点能耗与定位误差的问题；文献3 针对无线传感器网络能量贮存有限问题提出解决策略，提出一种以稀疏结构字典学习为基础的数据压缩算法（DSSDL)。本文通过优化传感器充电调度与充电优先权的方式解决无线传感器下节点存活率低的问题,利用集中式算法解决有效充电最大化(ROCK-R)和充电电能极值点的问题,再通过非均匀分簇多节点算法实现对传感器能源供应的优化，解决无线传感器内置节点存活问题。经仿真实验，本文2构建的传感器能源供应网络比其它充能技术的节点充电次数相比，降低至32.3%和58.7%，与EEUC算法相比网络节能效果能够降低约15%。1最大化有效充电能量无线传感器最大化有效充电能量供应问题是解决充电效率的重要技术，常用区域离散化技术将最大化有效充能转变成非线性问题,再将该问题变为可求解的线性规划问题。1.1区域离散化构建分段常量函数的方式建立非线性最大化充能函数模型,在模型中将二维区域划分为若干个离散化与电磁辐射形式的常数区域。划分时以充电器为圆心，充电递减波长为半径画圆，并用常数表示其圆环上的电磁辐射。模型中电磁辐射具有可加性质，子区域下的电磁辐射值是区域下所有充电器电磁辐射的总和,最大化有效充能的安全限制即为所有子区域的电磁辐射峰值。1.2可行解正则化传感器能源供应效率会随时间的变化而变化，充电器有效充能功率也会随之发生改变,以上述电磁辐射为基础构建一个动态的充能模型,研究随时间变化的充电器充能功率问题。在计算过程中利用哈密顿雅可比贝尔曼方程（Hamil-ton-Jacobi-Bellman equation,简称HJB方程)解决连续时间系统下某元素的最佳控制问题。通过HJB方程能够准确控制变量函数,获得充电性能的最小指标,只要确保ROCK-R问题能够转化成与正则化形式等价，便可以分析出最大化有效充能的变化曲线。2集中式算法从宏观角度看上述模型可以发现，虽然上述模型在一定程度上对ROCK-R问题进行拆解，但是ROCK-R的主要问题仍为非线性问题，,因此还要通过引人参数的方式将ROCK-R问题转化为线性规划问题,即可获得目标方程的最优解。2.1二次约束优化模型在上述可行解正则化动态充能模型中,整个计算过程与有效充能效率的表述仍比较模糊，因此还需要进一步优化，从而得到一个二次约束的应用能源技术线性优化模型。由于充电的时间为变量,因此基于无线设备需求的传感器能源供应网络实际有效充能会分为以下两种情况：第一，实际充电时间大于充满时间,那么基于无线设备的可充电传感器网络会继续保持充电状态，此时会得到10 0%的有效充电能量总值；第二,充电时间等于或小于充满时间,那么实际有效充电效率将会受到时间的直接影响，而出现不稳定变化。2.2以线性规划为基础的集中式算法为解决上述问题将采用集中式算法降低求解过程的复杂性，提高对能源供应网络的收敛时间与求解精度。该算法利用传感器有效充能与充能时间呈现逐级递减的性质，实现当无线设备传感器网络充电结束后即可得到全部能源供应信息,并锁定电能供应实现充满即停的目的。此时，需要通过集中式算法的方式对有效充能极大值拐点进行求解，得出的相应充能时间便是求解数值的最短充电时间。另外，通过该算法还可以实现在固定线性时间内获得最大有效充能，由此可方便设计人员规划无线设备传感器的能源供应方案设计。3非均匀分簇多节点算法3.1网络的非均匀分簇3.1.1簇半径的确定非均匀分簇多节点算法为传感器网络下的每一个能源供应候选簇头都进行竞争半径设定，竞争范围用“R”表示，即公式为：R=(1-dmx-(s,BS)dmmaxmax-d.min式中,R表示竞争范围的最大半径；dmax表示节点到达BS的最大距离；dmin表示节点到达BS的最小距离;BS表示能源供应模型的基站；Eres表示节点实际剩余能量；Erae表示规定范围下所有节点的平均剩余能量；与表示竞争半径取值范围且均为常数,取值范围在0 1之间。3.1.2簇头节点的确定在传感器能源供应网络下每个候选簇首均需要在涉及范围内进行节点ID、竞争半径以及剩余2023年第3期（总第30 3期）+RErave(1)2023年第3期（总第30 3期）能量等信息的广播。此时,簇头会将广播信息进行收集，并对比每个节点下的剩余能量，节点剩余能量最大簇头担任总簇头节点，明确总簇头信息，此时其余簇头节点会自动退出竞选4。3.2能源供应设备路径规划当基站接收能源供应命令后会指派能源供应设备（Energy supply equipment,Ese）前往待充能节点所在簇,Ese 能够同时为该簇下的所有节点提供能源供应服务，Ese在指定簇下停留的时间表达式为：T,=maxito,t,式中，t.表示Ese为单个节点供应能源的时间。t的表达式为：=Eo-(Em-P)式中,E.表示节点的初始能量；Ete.表示能源供应请求发出后节点的剩余能量；”表示能源供应请求发出后节点的等待时间；pi表示节点自运转下的能耗速度;ui表示Ese 的充电速度。可上一能源供给簇等待Ese的时间而得出Ese到达当前簇的时间5。节点剩余能量的支持生存时间公式为：P3.3时间与位置的优先权设计为确保传感器各节点不会进入能源耗尽状态,构建的能源供应网络将引入优先权理念,虽然该理念的引人可能会增加能源供应的路径6 与等待时间,但却可以保障低能量存储节点能够及时的能源补充。因此需要以线性规划为基础的集中式算法对所有簇进行扫描,获取最大化有效充能时间比，通过系统的递减法计算实现对所有簇的能耗排序。此过程需要对簇剩余工作时间进行定义，定义公式为：P,(j)应用能源技术无线设备传感器能源供应网络下的地理位置优先权是指，目标簇与上一充电簇的距离与Ese移动距离的比，表达式为：I(Cj,Ci-1)Pa(i)=(岁)+(M+6)V（2）式中，Cj-1表示上一充电簇Ese停留的位置;M表示监测范围的周长;b表示检测范围外基站位置。由此可得出公式(6)中的分母为Ese 移动的最大距离,簇与簇间的直线距离越短,其地理优先权值(2)就越小。考虑到节点剩余电量优先权与地理位置优先权后得出，两者间比值越大越需要放置在能源供给前列,表达式为：(3)P()=P,()+PC)式中,与均表示优先权的系数,系数值取=0.6,=0.4。在无线设备需求的传感器能源供应网络调度上采用高优先权先供给方式设计Ese供给路线，运用最高优先权优先算法获得各簇下节点的最大优先权值，以权值大小为标准排列到待充电簇集合 s中,S=S(1),S(2),S(j)。Es e 依据(4)集合规划能源供应路线,即L=S(0）,S(1)，,S(n）,S(O)l,其中 S(O)表示起始点基站。为确保该设计方式下簇内节点的充能不会产生冲突问题，即排列较后的节点不会出现能源耗尽问题,还要设计Ese路线规划约束公式，即：min=(t,tt若由公式(7)为基础设计的能源供给路线不满足约束条件，则需要将集合S进行分割，从而获得能源供给需要的最小Ese个数与供给路线条数。多Ese 和路线数只能保障在当前能源供给周期下所有节点的“存活率”7 ，不能确保下一轮能源供给下所有节点的“存活率”,因此需要对Ese的供给规划设计进行周期性的刷新,公式限制为：(5)3(6)1(7)(8)由公式(5)能够得出,簇内节点剩余的能量越(9)V少其剩余的工作时间就越短，P（j）的值就越小。式中,T表示无线设备需求的传感器能源供应网4络一次充电周期时长，公式右侧分式代表Ese从基站出发行驶到最远节点的用时。4仿真实验与结果分析4.1方法与参数设计通过MATLAB软件对PACA、EEU C 与NCM-NA算法的性能进行验证，将某无线设备下传感器的40 0 个节点部署在一个40 0 m的监测区域内，节点分布均匀,基站坐标为（2 0 0,2 50），且能量充足。为探究Ese 的路径问题,将三种算法设计的能源供给网络分别置于节点数为50、10 0、150、2 0 0 的环境中进行仿真实验，记录Ese行动轨迹。4.2实验结果在上述环境下，本文建立的能源供给设计与其他算法相比,能够在节点数为2 0 0 个时8 ,分别实现32.3%和58.7%的充电次数降低。用实验初始能量与网络总能比值作为网络能量效用，并使用该比值作为实验测试下能源供应的可利用率。NCMNA算法设计的能源供应网络与EEUC算法相比,NCMNA算法的网络效用提高约15%，能够实现节点能源完全耗尽之前及时的能量补充,降低因节点失能而出现的效率问题。三种能源供给设备的行动轨迹实验结果数据,如图1 所示。60050040030050图1三种能源供给设备的供给路径证明本文建立的基于无线设备需求的传感器能源供应网络与其它两种相比，能够降低同等条件下能源供应的路径。5结束语通过本文建立的传感器能源供给网络，使用应用能源技术NCMNA算法的方式实现了能源供给的能耗均衡，降低节点的充电次数与能源供给路径,显著提高传感器节点能源供给效率，实现对多节点下能源供给的合理分配，解决无线设备传感器能源供给网络有效充能问题。传感器能源供给网络的建设研究思路，不仅契合了互联网+智慧能源发展的国家战略，还对新工科背景下专业课程建设和智能制造产业学院建设、人才培养新模式的探索，促进传感器与能源、能源与互联网的深度融合，提供了探索的途径和思路。参考文献1吕增威，魏振春，韩江洪，等.基于多目标优化的无线传感器网络移动充电及数据收集算法J.电子与信息学报,2 0 19,41(8):18 7 7-18 8 4.2Houssein E H,Saad M R,Hussain K,et al.OptimalSink Node Placement in Large Scale Wireless SensorNetworks Based on Harris Hawk Optimization Algo-rithmJ.IEEE Access,2020,8(99):19381-19397.3Chen J,Guo Z,Zhou F,et al.A novel double sparsestructure dictionary learning-based compressive data-gathering algorithm in wireless sensor networks J.Sensor Review,2021,ahead-of-print(ahead-of-print).4李安超，陈桂芬.能量异构无线传感器网络分簇路由改进算法J.传感技术学报,2 0 17,30（11)：17 12-1718.5郑翔，孙霞，许彤彤.无线可充电传感器网络充电调度算法研究J.廊坊师范学院学报（自然科学版),2 0 2 0,2 0(1):35-39.-OPACA6吴宝瑜，万鹏，王高峰，等.无线可充电传感器网-.EEUC-NCMNA100150传感器节点数2023年第3期（总第30 3期）络能耗分级充电策略J.传感技术学报,2 0 19,32200(8):1253-1260.7韦荣桃，李舒，张艳玲，等.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J.电测与仪表,2 0 19,56(2 2):31-36.8夏静山，庄哲民，AlexNoelJosephraj，等，多汇聚节点无线传感网络充电路径多目标优化方法J.传感技术学报,2 0 19,32(3)：444-450.