大规模多任务传感网中面向移动数据收集的辅助充电方法技术

本发明专利技术公开了大规模多任务传感网中面向移动数据收集的辅助充电方法，通过在数据收集点以经济的方式选择性地部署无线充电器解决移动收集器电力短缺问题。首先将目标问题建模成基于电容约束的无线充电器最小成本部署辅助充电问题，电容约束意味着移动收集器在充电时电量可能会溢出；然后证明此问题等价于无电容约束的无线充电器最小成本部署辅助充电问题并将其建模成一个0

【技术实现步骤摘要】
大规模多任务传感网中面向移动数据收集的辅助充电方法


[0001]本专利技术涉及大规模多任务传感网中面向移动数据收集的辅助充电方法，属于无线传感器网络


技术介绍

[0002]无线传感器网络(Wireless Sensor Networks，WSNs)作为物联网的一项核心技术，在过去的时间里取得了长足的发展。对于面向周期性数据收集的WSNs应用(例如环境监测)，如何高效地从传感器节点获取数据是一个关键问题。通常，监控区域中的每个传感器节点周期性地感知本地数据，然后通过单跳或多跳路径将其转发到基站。尽管如此，这样的传统数据收集模式在大规模多任务无线传感器网络(Large
‑
Scale Multitask Wireless Sensor Networks，LSM
‑
WSNs)中可能会产生较低的效率。在LSM
‑
WSNs中，大量的传感器节点部署在一个较大的监测区域中，并且每个节点负责执行多个任务(例如温湿度感知任务、光强感知任务、音频收集任务、图像收集任务、视频收集任务等)，在这种情况下，传统数据收集模式在数据传输上可能需要花费更多的能量消耗，这是因为大规模多任务的场景(即较大面积的监控区域，大量的传感器节点，具有较大数据量的复杂任务)可能会导致数据传输出现更高的数据包冲突概率，尤其是在恶劣的监测环境中。
[0003]许多典型的面向周期性数据收集的应用(例如环境监测)通常要求传感器节点部署在难以更换设备的恶劣环境中，同时要求网络系统具有较长的运行周期。因此，尽可能延长此类应用的网络生存期具有非常重要的意义。移动数据收集是延长LSM
‑
WSNs网络生存期的一种有效的数据收集方式。通过让传感器节点在本地存储感知数据并且周期性地调度移动收集器(移动小车或无人机)以移动
‑
停留结合的方式从网络中主动收集数据，可以极大地延长网络生存期，这是因为传感器节点只需要局部地将感知数据传递给移动收集器，大大降低了数据传输的能耗。虽然移动数据收集模式可能会带来数据时延的增加，但对于周期性数据收集应用而言是可以容忍的，这是因为周期性数据收集应用在实际中通常都是对数据延迟不敏感的。尽管如此，在大规模多任务场景下，移动收集器由于其电池容量有限有可能会出现电力短缺的问题，即移动收集器有限的电池容量可能无法满足其较长距离移动和较大数据量收集所带来的能耗需求，从而导致其在一个数据收集周期结束之前就耗尽电量。通过在数据收集点部署无线充电器来补充移动收集器的电量是解决电力短缺问题的一种可行方案，但是这种方案会带来额外的充电器部署成本。因此，如何在保证网络中多个移动收集器能够持续供能的前提下优化这种充电器部署成本是一个重要且具有挑战性的问题。

技术实现思路

[0004]本专利技术所要解决的技术问题是：提供一种大规模多任务传感网中面向移动数据收集的辅助充电方法，通过在数据收集点以经济的方式选择性地部署无线充电器来解决移动收集器的电力短缺问题，相比于其他启发式方法，在充电器部署成本方面具有显著优势。
[0005]本专利技术为解决上述技术问题采用以下技术方案：
[0006]大规模多任务传感网中面向移动数据收集的辅助充电方法，所述方法针对大规模多任务传感网，通过以最小的充电部署成本在候选数据收集点部署无线充电器对移动收集器提供辅助充电服务，使得网络中的各移动收集器能够持续不断电地执行各自的周期性数据收集任务，其中每个移动收集器的电池容量有限且其在每个数据收集周期内经过预先确定的数据收集点收集任务数据，具体包括如下步骤：
[0007]步骤1，针对大规模多任务传感网中面向移动数据收集的无线充电器最小成本部署辅助充电目标问题，构建基于电容约束的0
‑
1整数规划模型；
[0008]步骤2，将基于电容约束的0
‑
1整数规划模型等价转换为无电容约束的0
‑
1整数规划模型；
[0009]步骤3，对无电容约束的0
‑
1整数规划模型进行冗余约束剪枝；
[0010]步骤4，构造非负且单调非递减的子模函数，将冗余约束剪枝后的0
‑
1整数规划模型转换为等价的最小成本子模覆盖优化模型；
[0011]步骤5，基于步骤4构造的子模函数，采用贪婪策略迭代式地选出部署无线充电器的数据收集点位置，从而得到最终的解决方案。
[0012]作为本专利技术的一种优选方案，所述步骤1的具体过程如下：
[0013]步骤11，给定网络中的候选数据收集点集合S＝{S1,S2,...,S
n
}和用户终端集合U＝{u1,u2,...,u
m
}，设定每个移动收集器MC
i
从对应的用户终端u
i
出发，周期性地经过一系列预先确定的数据收集点收集任务数据，路径为其中和k
i
分别表示移动收集器MC
i
在一个数据收集周期内经过的第j个数据收集点和在一个数据收集周期内经过的数据收集点数量，j∈{1,...,k
i
}，i∈{1,...,m}；用τ
i
和分别表示移动收集器MC
i
在其经过的任意数据收集点的停留时间和数据收集能量消耗率，并假设如果在数据收集点部署无线充电器，则移动收集器MC
i
在的停留时间内将以固定的充电接收功率P
r
进行充电；
[0014]步骤12，定义E
i
(l
p
,l
q
)为移动收集器MC
i
从位置l
p
移动到位置l
q
的能量消耗，并用和分别表示移动收集器MC
i
在每个数据收集周期内到达数据收集点时的剩余能量和离开数据收集点时的剩余能量；对于任意移动收集器MC
i
，定义其电池容量为C
i
且初始为满电量状态，并且假设其在每个数据收集周期结束后将会回到用户终端o
i
，补充满电能后再准备下一个周期的数据收集；则表达为：其中表示是否在数据收集点部署一个无线充电器的0
‑
1二元决策变量，表示部署，表示不部署，且
[0015][0016]步骤13，为了保证大规模多任务传感网中每个移动收集器能够持续不断电地执行
各自的周期性数据收集任务，需要满足每个移动收集器在其离开经过的数据收集点时的剩余能量能够支持它移动到下一个数据收集点，即对于任意移动收集器MC
i
必须满足和对于任意数据收集点s∈S，用c(s)表示在s部署一个无线充电器的成本，则目标问题是如何确定0
‑
1二元决策变量x(S1),x(S2),...,x(S
n
)以最小化充电器部署成本从而保证网络中每个移动收集器能够持续不断电地执行各自的周期性数据收集任务；因此，将目标问题建模成如下基于电本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.大规模多任务传感网中面向移动数据收集的辅助充电方法，其特征在于，所述方法针对大规模多任务传感网，通过以最小的充电部署成本在候选数据收集点部署无线充电器对移动收集器提供辅助充电服务，使得网络中的各移动收集器能够持续不断电地执行各自的周期性数据收集任务，其中每个移动收集器的电池容量有限且其在每个数据收集周期内经过预先确定的数据收集点收集任务数据，具体包括如下步骤：步骤1，针对大规模多任务传感网中面向移动数据收集的无线充电器最小成本部署辅助充电目标问题，构建基于电容约束的0
‑
1整数规划模型；步骤2，将基于电容约束的0
‑
1整数规划模型等价转换为无电容约束的0
‑
1整数规划模型；步骤3，对无电容约束的0
‑
1整数规划模型进行冗余约束剪枝；步骤4，构造非负且单调非递减的子模函数，将冗余约束剪枝后的0
‑
1整数规划模型转换为等价的最小成本子模覆盖优化模型；步骤5，基于步骤4构造的子模函数，采用贪婪策略迭代式地选出部署无线充电器的数据收集点位置，从而得到最终的解决方案。2.根据权利要求1所述的大规模多任务传感网中面向移动数据收集的辅助充电方法，其特征在于，所述步骤1的具体过程如下：步骤11，给定网络中的候选数据收集点集合S＝{S1，S2，...，S
n
}和用户终端集合U＝{u1，u2，...，u
m
}，设定每个移动收集器MC
i
从对应的用户终端u
i
出发，周期性地经过一系列预先确定的数据收集点收集任务数据，路径为其中和k
i
分别表示移动收集器MC
i
在一个数据收集周期内经过的第j个数据收集点和在一个数据收集周期内经过的数据收集点数量，j∈{1，
…
，k
i
}，i∈{1，
…
，m}；用τ
i
和分别表示移动收集器MC
i
在其经过的任意数据收集点的停留时间和数据收集能量消耗率，并假设如果在数据收集点部署无线充电器，则移动收集器MC
i
在的停留时间内将以固定的充电接收功率P
r
进行充电；步骤12，定义E
i
(l
p
，l
q
)为移动收集器MC
i
从位置l
p
移动到位置l
q
的能量消耗，并用和分别表示移动收集器MC
i
在每个数据收集周期内到达数据收集点时的剩余能量和离开数据收集点时的剩余能量；对于任意移动收集器MC
i
，定义其电池容量为C
i
且初始为满电量状态，并且假设其在每个数据收集周期结束后将会回到用户终端u
i
，补充满电能后再准备下一个周期的数据收集；则表达为：其中表示是否在数据收集点部署一个无线充电器的0
‑
1二元决策变量，表示部署，表示不部署，且步骤13，为了保证大规模多任务传感网中每个移动收集器能够持续不断电地执行各自的周期性数据收集任务，需要满足每个移动收集器在其离开经过的数据收集点时的剩余能
量能够支持它移动到下一个数据收集点，即对于任意移动收集器MC
i
必须满足和对于任意数据收集点s∈S，用c(s)表示在s部署一个无线充电器的成本，则目标问题是如何确定0
‑
1二元决策变量x(S1)，x(S2)，...，x(S
n
)以最小化充电器部署成本从而保证网络中每个移动收集器能够持续不断电地执行各自的周期性数据收集任务；因此，将目标问题建模成如下基于电容约束的0
‑
1整数规划模型：1整数规划模型：其中，3.根据权利...

【专利技术属性】
技术研发人员：徐力杰，张佳垒，沙浩冬，高小唤，徐佳，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：