一种无线可充电传感器网络按需充电调度方法与流程

1.本发明涉及无线传感网充电研究技术领域，具体为一种无线可充电传感器网络按需充电调度方法。


背景技术：

2.无线传感器网络部署灵活，使用便捷，应用范围极其广泛，如建筑结构监测、野生动物保护、军事、医疗健康、智能交通、环境监测等领域，基于人工智能等技术，可以实现传感器数据高效分析利用，从传感器网络从物理世界感知到的海量数据中发掘出有价值的信息，算力的进步及算法的优化使得对于传感器数据的处理能力不断增强，对传感数据的精度，实时性等方面的性能提出了更高的需求，伴随而来的是传感器能耗的不断增加，传感器节点的能量问题逐渐凸显。
3.传统的方案如能量节约方法和能量收集方法都能一定程度上延长无线传感器网络的工作时间，但是当需要传感器网络持续的提供高质量的监测，追踪等服务时,只有无线充电方法有望保证充电的及时性和节点的平稳永续工作，进而保证传感器网络的服务质量，通过在无线传感器网络中部署可以自由移动的充电设备，以无线充电的方式向电量不足的传感器节点补充能量，该种结合无线充电模块的无线传感器网络也称为无线可充电传感器网络 (wireless rechargeable sensor networks,wrsn)，同时无人机技术不断发展成熟，将无人机用于无线可充电传感器网络中充电设备的想法近年来受到学界的关注，其具有天然的优势如充电环境更优、不受地形的约束、可以更快速的抵达充电区域等，按需充电调度wrsn中的典型形式，指传感器网络中的节点实时监测自身能量状况，并在能量低于一定阈值的时候向基站发出充电请求，后者基于充电请求对充电设备进行调度，为节点充电，各充电设备的状态各不相同，有些设备闲置而有些在执行充电任务而网络中持续性的产生充电请求，故在按需充电调度中的一大问题在于结合可用充电设备数量的动态性，考虑调度的执行，同时，引入无人机作为充电设备也带来了诸多新的问题与挑战，首先是无人机成本相较传统充电小车更高，因以尽量少的无人机数目完成充电请求是必要的，这对充电能量的使用效率提出的更高的要求，而不同于充电车可以随停随走，无人机的移动包含起飞、悬停、降落等多种行为，且各部分能耗均不可忽略，此时对无人机做合理的行为调度便更为重要，因此针对这些问题，如何设计多无人机按需充电调度方案，合理分配任务，规划充电路径，是一个关键的挑战性问题。


技术实现要素：

4.(一)解决的技术问题
5.本发明的目的是为了解决了首先是无人机成本相较传统充电小车更高，因以尽量少的无人机数目完成充电请求是必要的，这对充电能量的使用效率提出的更高的要求，而不同于充电车可以随停随走，无人机的移动包含起飞、悬停、降落等多种行为，且各部分能耗均不可忽略，此时对无人机做合理的行为调度便更为重要，因此针对这些问题，如何设计
多无人机按需充电调度方案，合理分配任务，规划充电路径，是一个关键的挑战性问题，而提出的一种无线可充电传感器网络按需充电调度方法。
6.(二)技术方案
7.本发明解决上述技术问题的技术方案如下：
8.一种无线可充电传感器网络按需充电调度方法，包括以下步骤：
9.步骤(1)、等待队列维护，所有充电请求在被分配给具体无人机执行服务之前，先进入等待队列，由等待队列维护算法进行请求的调度，基于最小生成树预估访问访问所有节点的路径成本，结合实时闲置无人机数量决定执行步骤(2)的时机；
10.步骤(2)、任务分区，对步骤(1)中等待队列的待充电节点执行改进 k-means算法，以无人机数量为分区数，各无人机负责对应分区内的充电任务；
11.步骤(3)、分区内路径规划，根据步骤(2)获得分区结果，应用基于贪婪策略的启发式算法规划无人机充电任务分区内节点的访问顺序，辅以节点淘汰策略，将无法服务的节点放回等待队列，最终完成无人机的充电调度规划。
12.在上述技术方案的基础上，本发明还可以做如下改进。
13.优选地，所述步骤(1)中，等待队列维护方法决定充电任务分配时机的具体方法为：基于能量信息，预估响应当前等待队列中所有充电请求任务所需能量，并结合无人机电池容量，在当前所有无人机总能量刚好满足充电请求所需能量时执行调度，记eqi为等待队列qw中各个节点的能量需求，η为无线充电效率，总体表示无人机向节点充电耗费的能量；emove为预估的充电路径耗费能量；elanding为无人机单次起飞降落过程所耗费能量；k为闲置无人机数量，eu为无人机电池容量，充电调度条件表示为：
[0014][0015]
其中emove借助所有节点的最小生成树预估，记最小生成树路径长度为h，则预估路径能耗e
move
＝h
·
p
move
。
[0016]
优选地，所述步骤(1)中，等待队列维护方法插入紧急充电请求的具体方法为：记节点oi的功率qi，其当前剩余电量eri，无人机uj预计返回时间 tbj，当节点预计缺电死亡时间早于最早无人机返回时间即：视为该充电任务存在缺电风险，紧急任务插入算法将任务插入于节点所在分区的uav的充电队列中，后者如果因无法调度被再次放回等待队列则进行标记，不再对其执行插入算法，避免来回移动。
[0017]
优选地，所述步骤(2)中改进k-means算法基于改进的分区距离，综合考虑节点能量及地理位置，其推导步骤如下：
[0018]
步骤(2.1)、计算各分区的平均能量需求平均请求数
[0019]
步骤(2.2)、记能量偏移s
i,k
，分区ck的当前分区内节点数nk，当前区内总能量需求eck，对于节点oi插入分区ck后的能量偏移s
i,k
，其取值分两种情况：当eck+eqi《ea时，取分区内节点的能量平均值并乘以平均请求数，即为分区ck的期望能量需求，其与平均能量需求ea只差的绝对值为能量偏移；当eck+eqi≥ea时，则可直接相减得到实际能量偏移，s
i,k
取值公
式表示如下：
[0020]
步骤(2.3)、记分区距离d’i,k
，其为能量偏移s
i,k
与欧氏距离d
i,k
加权求和所得，记分区ck的质心为对于节点qi(xi,yi)，将能量偏移s
i,k
与欧氏距离d
i,k
归一化后加权求和，计算改进的分区距离d’i,k
：
[0021][0022]d′
i,k
＝αd
i,k
+(1-α)s
i,k (4)。
[0023]
优选地，所述步骤(3)的具体方法如下：
[0024]
步骤(3.1)、节点状态更新，根据节点剩余电量与节点功率计算各节点电量耗尽时间，即死亡时间，记节点i的死亡时间将充电分区内所有节点的预计电量耗尽时间按由近及远排序为序列qd；
[0025]
步骤(3.2)、确定初步候选节点，若c中存在已死亡节点，则从已死亡节点中选取距当前位置最近的节点作为候选节点，否则直接选取最近节点，记候选节点为c，计算无人机预计为节点c充电结束的时间
[0026]
步骤(3.3)、充电紧迫性判断，考虑到无人机为节点充电的时间远大于无人机在节点间路径上的时间，因此以充电时间视为无人机为节点服务的总时间，判断以候选节点c作为下一充电节点是否会造成qd中靠前的节点死亡，即是否早于qd中的最早死亡时间：
[0027][0028]
若上式成立，向节点c充电的时段不会有其他节点死亡，则直接以节点c 作为下一节点，若上式不成立，说明选择节点c充电会造成其他节点死亡，从死亡时间早于的节点集合中选择距当前位置最近的节点作为下一节点n；
[0029]
步骤(3.4)、将节点n加入充电路径path，根据当前位置到n的路程及节点n的能耗需求，更新无人机服务n之后的剩余能量，以节点n作为当前位置，返回步骤(3.1)，直至集合c中的所有节点均放入path中，或无人机预计电量不再足够支撑更多的充电请求，将c中未进入路径path的节点放回等待队列再次调度；
[0030]
步骤(3.5)、无人机按路径path的访问顺序为节点充电，直至执行完毕，返回基站，当等待队列维护算法传入紧急充电请求时，返回步骤(3.1)。
[0031]
优选地，所述步骤(3.4)中基于可调度性进行节点的淘汰，其方法如下：记无人机当前剩余电量emk，无人机当前位置与序列中下一节点距离d
(i,0)
，无人机单次起降能耗e
landing
，判断emk》eri+d
(i,0)
·
p
move
+e
landing
是否成立，若不成立则说明无人机电量不足以支撑后续调度，终止路径规划。
[0032]
(三)有益效果
[0033]
与现有技术相比，本技术的技术方案具有以下有益技术效果：
[0034]
(1)算法逻辑清晰，通用性强，一方面，能够适用于任意按需无线可充电传感器网络，另一方面，由于本发明基于实际情况下通用的网络模型，也能够适用于实际环境中的充电调度，本发明对无人机相关领域的其他应用和研究具有积极意义。
[0035]
(2)无线可充电传感网的关键充电调度性能包括能量效率好，充电成功率高等，现有的按需充电调度策略没有基于动态无人机数量展开考量，等待所有无人机完成充电任务之后再进行下一轮，导致无人机闲置时间长，充电效率低，成功率低，本发明从动态无人机数量入手，以提升充电资源利用率为目标，实现了无人机的动态调度，提升了综合充电表现。
附图说明
[0036]
图1为本发明实现的一种无线可充电传感器网络按需充电调度方法流程图；
[0037]
图2为本发明提供的充电队列维护算法示意图；
[0038]
图3为本发明提供的k-means分区结果示意图
[0039]
图4为本发明提供的spkm分区结果示意图。
具体实施方式
[0040]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0041]
实施例中，由图1-4给出，一种面向无线传感网数据采集的无人机能耗最优飞行控制方法，如图1所示，包括以下步骤：
[0042]
步骤(1)、等待队列维护，所有充电请求在被分配给具体无人机执行服务之前，先进入等待队列，由等待队列维护算法进行请求的调度，基于最小生成树预估访问访问所有节点的路径成本，结合实时闲置无人机数量决定执行步骤(2)的时机；
[0043]
步骤(2)、任务分区，对步骤(1)中等待队列的待充电节点执行改进k-means算法，以无人机数量为分区数，各无人机负责对应分区内的充电任务；
[0044]
步骤(3)、分区内路径规划，根据步骤(2)获得分区结果，应用基于贪婪策略的启发式算法规划无人机充电任务分区内节点的访问顺序，辅以节点淘汰策略，将无法服务的节点放回等待队列，最终完成无人机的充电调度规划。
[0045]
步骤(1)中，等待队列维护方法决定充电任务分配时机的具体方法为：基于能量信息，预估响应当前等待队列中所有充电请求任务所需能量，并结合无人机电池容量，在当前所有无人机总能量刚好满足充电请求所需能量时执行调度，记eqi为等待队列qw中各个节点的能量需求，η为无线充电效率，总体表示无人机向节点充电耗费的能量；emove为预估的充电路径耗费能量； elanding为无人机单次起飞降落过程所耗费能量；k为闲置无人机数量，eu 为无人机电池容量，充电调度条件表示为：
[0046][0047]
其中emove借助最小生成树预估，记最小生成树路径长度为h，则预估路径能耗emove
＝h
·
p
move
。
[0048]
步骤(1)中，等待队列维护方法插入紧急充电请求的具体方法为：记节点 oi的功率qi，其当前剩余电量eri，无人机uj预计返回时间tbj，当节点预计缺电死亡时间早于最早无人机返回时间即：视为该充电任务存在缺电风险，紧急任务插入算法将任务插入于节点所在分区的uav的充电队列中，后者如果因无法调度被再次放回等待队列则进行标记，不再对其执行插入算法，避免来回移动，总体示意图如图2所示。
[0049]
步骤(2)的具体方法如下：
[0050]
步骤(2.1)、计算各分区的平均能量需求平均请求数并随机选取k个质心作为初始质心。
[0051]
记能量偏移si,k，分区ck的当前分区内节点数nk，当前区内总能量需求eck，对于节点oi插入分区ck后的能量偏移si,k，其取值分两种情况：当 eck+eqi《ea时，取分区内节点的能量平均值并乘以平均请求数，即为分区 ck的期望能量需求，其与平均能量需求ea只差的绝对值为能量偏移；当 eck+eqi≥ea时，则可直接相减得到实际能量偏移，si,k取值公式表示如下：
[0052][0053]
记分区距离d’i,k，其为能量偏移si,k与欧氏距离di,k加权求和所得，记分区ck的质心为对于节点qi(xi,yi)，将能量偏移si,k与欧氏距离di,k归一化后加权求和，计算改进的分区距离d’i,k：
[0054][0055]d′
i,k
＝αd
i,k
+(1-α)s
i,k (4)
[0056]
对于所有节点，计算其与各个质心的分区距离，并将其分区到距离最近的质心。
[0057]
步骤(2.3)、更新质心，基于欧式距离对各分区的质心坐标进行更新。
[0058]
步骤(2.4)、若达到收敛目标，则停止分区，否则返回步骤(2.2)。
[0059]
最终分区效果与传统k-means对比如图3。
[0060]
步骤(3)的具体方法如下：
[0061]
步骤(3.1)、节点状态更新，根据节点剩余电量与节点功率计算各节点电量耗尽时间，即死亡时间，记节点i的死亡时间将充电分区内所有节点的预计电量耗尽时间按由近及远排序为序列qd；
[0062]
步骤(3.2)、确定初步候选节点，若c中存在已死亡节点，则从已死亡节点中选取距当前位置最近的节点作为候选节点，否则直接选取最近节点，记候选节点为c，计算无人机预计为节点c充电结束的时间
[0063]
步骤(3.3)、充电紧迫性判断，考虑到无人机为节点充电的时间远大于无人机在节点间路径上的时间，因此以充电时间视为无人机为节点服务的总时间，判断以候选节点c作
为下一充电节点是否会造成qd中靠前的节点死亡，即是否早于qd中的最早死亡时间：
[0064][0065]
若上式成立，向节点c充电的时段不会有其他节点死亡，则直接以节点c 作为下一节点，若上式不成立，说明选择节点c充电会造成其他节点死亡，从死亡时间早于的节点集合中选择距当前位置最近的节点作为下一节点n；
[0066]
步骤(3.4)、将节点n加入充电路径path，根据当前位置到n的路程及节点n的能耗需求，更新无人机服务n之后的剩余能量，以节点n作为当前位置，返回步骤(3.1)，直至集合c中的所有节点均放入path中，或无人机预计电量不再足够支撑更多的充电请求，将c中未进入路径path的节点放回等待队列再次调度；
[0067]
步骤(3.5)、无人机按路径path的访问顺序为节点充电，直至执行完毕，返回基站，当等待队列维护算法传入紧急充电请求时，返回步骤(3.1)；
[0068]
步骤(3.4)中，基于可调度性进行节点的淘汰，其方法如下：记无人机当前剩余电量emk，无人机当前位置与序列中下一节点距离d
(i,0)
，无人机单次起降能耗e
landing
，判断emk》eri+d
(i,0)
·
p
move
+e
landing
是否成立，若不成立则说明无人机电量不足以支撑后续调度，终止路径规划。
[0069]
本发明着重解决无线可充电传感器网络按需充电调度的问题，逻辑上主要包括三个部分，分别是调度时机选择、多无人机充电任务分区确定和分区内路径规划，本发明首先根据等待队列中的最小生成树路径，并结合实时闲置无人机数量预估调度时机，然后利用改进k-means算法均衡划分多无人机的充电任务分区，最后基于贪婪策略的启发式算法规划无人机充电任务分区内节点的访问顺序，辅以节点淘汰策略，将无法服务的节点放回等待队列，最终完成无人机的充电调度规划。
[0070]
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0071]
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。