基于移動執行器的無線傳感器和執行器網絡充電方法

蘇州博睿測控設備有限公司 韓會榮

本文設計了一種無線傳感器與執行器網絡的移動充電方法，根據節點的能量情況和當前位置正確選擇下一個充電候選節點。本文算法在保證執行器節點不發生故障的前提下，盡量減少故障傳感器節點的數量。仿真實驗證明了本文算法的優勢，有效降低了傳感器節點的故障率，并實現延遲充電與成本的平衡。

1 介紹

無線傳感器與執行器網絡(WSANs)是無線傳感器網絡(WSNs)的衍生產品。除了傳感器外，還有一些具有計算和通信能力的執行器節點加入到網絡中。執行器節點被組織成一個內部網絡，執行器可以相互合作和通信。此外，每個執行器覆蓋一個特定的區域，負責該區域的事件。通常，傳感器節點將事件傳送到最近的執行器節點，執行器節點對事件進行初步處理，然后將處理后的數據通過內部網絡發送給基站（BS）。傳感器節點一般是不動的，但執行器可以隨機移動。執行器節點的電池容量比傳感器節點大得多，故執行器節點需要更多的充電時間才能變成滿能量。

在WSANs中，執行器節點與傳感器節點都有能量約束。雖然WSNs的能量補充已有深入研究，但WSNs的充電方法不能很好地應用于WSANs。其主要原因是：第一，執行器節點在整個網絡中起著至關重要的作用。一旦執行器節點死亡，整個網絡的性能將受到很大影響。第二，與傳感器相比，執行器完全充電的時間要長得多，在這種情況下，我們要保證執行器節點不死，并保證沒有及時充電而死亡的傳感器節點數量降到最低。第三，執行器節點在網絡中是可移動的。因此，應該考慮執行器的精確跟蹤問題從而有效的對其進行充電。

圖1 WSANs網絡模型

2 基于能耗估計的網絡模型

如圖1所示，網絡由一個BS、一個MV、一組傳感器節點和若干執行器節點組成。集合S={s1，s2，s3，...，sn}表示傳感器節點集，集合A={a1，a2，a3，...，am}中的節點為執行器節點，其中m遠小于n。整個網絡被劃分為若干個子網，每個子網中部署一個執行器節點，每個執行器節點根據隨機航點移動模型在自己的區域內移動。傳感器節點在整個網絡中隨機分布，不可移動。BS位于網絡中心，其具有足夠的能量和較強的通信能力，可以直接與MV通信。MV是一種強大的充電設備，它以恒定的速度V在網絡中移動以便及時為每個節點充電。在這里，我們假設MV的能量足以為網絡中的節點充電。

在這個網絡中，每個節點都持續監測自己的能量情況。一旦它檢測到能量小于閾值，它就會將充電信息及時發送給BS，BS及時轉發給MV，MV負責選擇下一個充電節點。

每個節點的能耗率和同一節點在不同時間的能耗是不同的。為了避免節點死亡，及時掌握能耗尤為重要。為了讓BS掌握每個節點的當前能源狀況，每個節點定期向BS傳遞包含消息。例如，來自節點i的消息格式可以表示為＜IDi,REin,tin,task>，其中IDi代表節點i，REin代表其第n條記錄的當前能量值，tin代表該消息的時間標記，task是要執行的任務信息。對于節點i，讓Rin代表其當前能耗率的估計值，當n=1時：

代入根據指數加權平均法，得：

3 充電算法設計

3.1 算法流程

第一步：計算每個請求節點等待的最小值。當一個節點(如節點j)被收取為候選節點時，MV將計算其他剩余請求節點的最短等待時間。如果j是一個傳感器節點，則節點i的最小等待時間命名為W(j,i)，如式(3)：

當j是一個執行器節點時，為了減少該執行器充電過程中的死節點數量，有w(j,i)：

其中t(M V,j)和t(j,i)分別代表M V從M V當前位置到節點j的行駛時間和M V從節點j到節點i的行駛時間。、分別表示MV對傳感器節點和執行器節點的充電時間，E和E'代表傳感器節點和執行器節點的電池容量。α為0～1之間的參數，aE'代表執行器的充電上限。REj(t)表示節點i的最新剩余能量值，Rj為其能量消耗率，tj為節點j發送最后一次充電請求的時間，μ為MV的充電速率。

第二步：統計死節點數。當節點j作為候選節點時，在當前時間t內，確保節點i不死，要求，即當節點j即將被充電時，節點i不會死亡。當j要充電時，死掉的節點總數被命名為Nnum,i。

第三步：計算一個節點到另一個節點路程。由于傳感器節點是靜止的，因此可以很容易地計算出任意兩個傳感器之間的距離。但是對于執行器節點而言，為了計算傳感器與執行器之間的路程，首先必須確定執行器的當前位置坐標。讓(xg,yg)、(xp,yp)分別代表執行器節點的起始位置G和下一個目標位置P的坐標。C為執行器節點在時間t的當前位置，有：

其中，yc可以類比得出。tg代表執行器節點離開G的時間，之后可以計算出任意兩個節點之間的距離。

第四步：計算充電度量值。現在我們計算每個節點的充電度量值，用于下一步充電節點的選擇。對于節點i，度量值為的倒數。

其中distance(MV,i)表示MV與節點i之間的距離，β為權重系數。MV根據這個充電指標值選擇下一個節點。通常情況下，選擇度量值最大的節點作為候選節點。因為度量值越大，Nnum,i和distance(MV,i)的值越小。也就是說，造成死節點較少，且距離MV較近的節點更有可能首先被充電。

第五步：考慮應急執行器。在我們的算法中，為了保證應急執行器節點及時充電，每個執行器節點都不斷更新自己的能量數值。一旦它檢測到自己的剩余能量低于臨界閾值δ，它就會及時發送緊急信息給BS，BS立即將緊急信息傳送給MV，然后MV選擇這個執行器作為下一個充電節點。如果有一個以上的執行器節點在緊急情況下，MV優先考慮最先發出緊急信息的執行機構。

圖2 算法的表現評價對比

3.2 執行器節點跟蹤策略

由于執行器節點始終處于移動狀態，因此需要預測執行器的充電位置，然后實行充電。假設選擇執行器i作為下一個充電節點，MV首先會檢查distance(MV,i)是否小于V與Ti,s的乘積。其中，Ti,s為執行器在源點S的停留時間，如果滿足該公式，則說明MV到達S點時，執行器i暫時沒有離開這里，所以MV選擇對S點的執行器節點進行充電；如果不為真，則MV應直接移動到執行器i的下一個目的地點D前，當執行器i到達那里時，對其進行充電。一旦執行器i移動到遠離MV的充電范圍，要繼續進行充電，MV要檢查distance(MV,i)小于V與Ti,s的乘積是否成立。

式(6)中v'為執行機構的移動速度，Ti,D為在D點的停留時間，如果式(6)為真，MV應移動到D點，繼續給執行機構i充電；如果不移動，MV必須停留在S點，因為當MV到達D點時，執行機構i不在那里。只有當MV獲得下一個目的地的地理信息時，它將移動到那里來充電。當執行器i離開時，MV會繼續尋找下一個執行器。根據公式(6)，在充電位置對執行器i進行充電，直到其剩余的電量達到一定程度，能量達到上限。

4 仿真實驗

以Java作為EMC功能測試的對象，與FCFS、NJNP和FEMER相比，從傳感器故障率（%）、平均充電延遲（單位s）兩個方面通過對比來對EMC的性能實行評定。在仿真中，我們將執行器節點的數量從一增加到十個。如圖2所示，四種算法的傳感器故障率隨著執行器節點數量的增長而增長。EMC的表現優于FCFS、NJNP和FEMER策略，首先，這是因為我們設置了執行器的充電上限閾值，可以有效降低執行器充電時間過長而導致的傳感器節點故障。其次，這是因為我們可以對能量貯存的情況進行估計，根據預測值合理選擇下一個充電節點。四種方案的平均充電延時如圖2。除了FCFS的充電延遲先增加后減少外，其他方案的充電延遲隨充電節點數量的增加而增加。在EMC中，由于執行器節點有充電上限，可避免傳感器死亡，所以它在四種算法中具有明顯的優勢。

結論：本文描述了一種新型的移動能量補充方法，根據預測各節點當前的能量狀況及其與MV的距離進行充電節點選擇。EMC有效減少了平均充電延遲，降低了傳感器的故障率。