无线可充电传感器网络路径规划研究

来源 :太原科技大学 | 被引量 : 0次 | 上传用户:liyang0ly
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
无线传感器网络是一种新型的信息获取和信息处理技术,可广泛应用于环境监测、目标跟踪、信息安全、智能医疗等领域。传感器节点一般通过电池供电,由于电池的能量有限并在恶劣环境下不能够及时更换,所以传感器的能量限制成为传感器网络持续运行的障碍。为了解决能量不足问题,研究人员主要从三个方面研究:一方面是设计低功耗路由协议,另一方面是进行能量收集,还有新兴的一方面是能量补给的充电规划研究。随着无线充电的快速发展,无线可充电传感器网络成为未来发展趋势,而充电小车的路径规划问题已成为该领域研究的热点。如何通过一个合理的充电顺序依次为传感器节点充电,即设计一条合理的充电路径规划。为此,本文拟针对在不同的场景下设计合理的路径规划模型。首先,在单小车的充电场景下,综合考虑节点生命周期、充电时间、路径距离和小车能耗四个方面,设计高维多目标路径规划模型,将充电路径作为种群的个体,通过高维多目标进化算法进行模型求解,最后将充电性能指标和路径距离作为路径规划是否合理的主要判断标准。其次,当传感器网络中存在大量传感器节点并且一个充电小车不足以满足充电需求时,我们将考虑多种多辆小车的充电场景,当使用多辆小车时,需要注意的是成本问题,所以我们考虑了路径距离、时间成本和车辆成本三个要素构成多目标路径规划模型,将三个目标线性加权为一个成本目标,通过单目标混合算法求解出最佳路径。最后,对于实际条件下的多充电小车充电场景,充电小车的能量利用率和充电是否均衡是我们考虑的重点,我们期望可以尽可能多的得到小车的能量补给,并且每个小车负责承担的节点数量尽可能均衡,但同时我们需要考虑充电小车的路径距离和小车数量成本。所以通过能量利用率、路径距离、小车数量和充电均衡四方面来设计多充电小车的高维多目标路径规划模型,设计高维多目标进化算法对模型进行求解,以此获得合理的充电路径。
其他文献
大规模MIMO是提升5G频谱效率的关键技术之一。然而大规模MIMO系统天线数的增加,使得传统信号检测器难以在良好的性能与复杂度之间取得平衡。深度学习的深层网络结构使其具备强大的数据学习能力。对此,本论文研究了深度学习技术在大规模MIMO信号检测中的应用,具体的研究工作及创新点如下:第一,改进了Det Net检测网络的结构以提升检测性能。首先,深入分析了Det Net的检测原理,采取去除冗余输入项的
公共安全是国家和社会稳定的基石。近年来,随着城市人口的迅速增长,因密集人群相互拥挤所诱发的拥堵踩踏事故时有发生,不仅给社会带来巨额经济损失,而且对人们的生命造成严重威胁。因此在突发事件时,如何确保大量聚集人群迅速、有序、安全疏散是亟需解决的重大问题。本文在现有行人流元胞自动机模型的基础上,针对环境中存在吸引源情况,考虑吸引源的数量、行人结伴行为以及环境中出口设置不同等因素,分别建立了相应的基于移动
滚动轴承是旋转机械的重要部件,由于机械部件集成度高,轴承故障监测系统的采样点和采样周期不断增加,处理大量数据的能力已经成为现代故障诊断方法的必要要求。传统的机器学习故障诊断模型为浅层网络结构,若模型输入特征表示不足,可能会导致误诊断。滚动轴承在高维数据下存在特征选取困难导致分类结果不准确问题,深度学习虽然能够自动从原始数据中学习基本特征,但标准的深度学习的方法只考虑了单一的深层次特征,忽略了浅层特
近年来,随着我国特高压电网投运的规模日益增大,人工巡检输电线路的方式已经无法适应我国电网发展的实际需求。目前,大部分地区输电线路巡检采用传统的人工巡检方式,该方式存在成本高、安全系数低及故障反馈时效性差等问题。另外,少部分地区采用无人机航拍巡检,该方式有效地弥补了人工巡检存在的一些缺陷和不足,但是就目前而言,无人机在远距离巡检方面还存在一些不足:一方面是电池续航问题;另一方面是与地面站通信距离问题
针对永磁同步电机无传感器技术设计了反电势观测器。对存在电流测量误差的情况下,提出了一种复合观测器设计方法。通过调节闭环系统中观测器参数,保证了所设计观测器的有效性。分析了存在测量误差环境下复合观测器的鲁棒性,并基于复合观测器在速度环PI调节器中搭建了模糊PI控制。论文具体研究工作如下:(1)为了得到电机的位置信号和速度信号设计了反电势观测器。根据电机实际数学模型构造电机参考模型,利用得到的误差信号
法医同一认定是一种法医通过对已知和未知客体的两个或多个特征之间的异同点进行比较和鉴别,推断出所研究客体是否来自同一客体的认识活动。该技术中较常采用的生物特征指标主要有人脸、指纹、掌纹、虹膜、牙齿、颅面形态和DNA等,但是在极端环境中,人脸、指纹、掌纹、虹膜等指标可能会受到诸如火灾、化学腐蚀或外部创伤等环境因素的制约,导致信息缺失,且环境和经济因素也常常限制大规模遇难者DNA的测定。因此,研究一种不
人工智能时代,无人驾驶汽车是汽车工业的研究热点,能大幅提高交通系统的安全性和效率性。在无人驾驶领域,图像信息采集和处理十分关键,直接影响无人驾驶系统对路面信息的判断。因此,图像的质量对无人驾驶汽车而言至关重要,然而其经常会受到天气(如雨、雾天气)等不定因素的影响而大打折扣。近年来,随着深度学习的兴起,智能交通(如机动车窗、监控镜头等)图像处理的重要理论和相关技术的研究成果已收获颇丰,能够较好的去除
近些年来,深度学习发展迅速,研究者开始利用卷积神经网络来进行目标跟踪。另外,随着无人机技术的飞速发展,现有的无人机产品具有操作简便和成本较低等优点,采用无人机进行视频目标跟踪已成为新的研究热点。比如在公共安全监控领域,与固定摄像头监控相比,无人机运动灵活,可以获得更加丰富的目标信息,从而更容易持续地锁定跟踪目标。然而,由于无人机飞行的姿态、飞行速度以及飞行高度的快速变化,在信息采集过程中会出现相机
机车发展至今它已经是现代运输网络和物流网络中必不可少的一环,在世界各国中铁路运输是重要的一环。自从我国开始“一带一路”的国际项目,我国的铁路机车因为其性能优越出口各国。但由于各国的铁路轨距有差别,我国在机车设计时要适应出口国家的标准要求。悬挂系统是机车的必不可缺的组成,它的参数选择是否合理对机车的运行起着重要作用。以往的研究中将机车悬挂系统进行简化研究,如一系悬挂简化为具有较大刚度的一个弹簧、其它
计算机和信息技术的飞速发展促进了三维模型在各个领域(包括制造业、娱乐业,甚至军事等领域)中的广泛应用,因而三维模型的数据安全及版权保护问题也受到了人们更多的关注。为了防止非法用户对三维模型数据的盗用以及对其内容的非法访问,本论文以秘密共享和数字水印技术为基础,深入研究了三维模型的数据特点,提出了基于秘密共享的三维模型共享算法和不可见三维模型盲水印算法,实现了三维模型数据及版权的安全保护。本文的主要