Tổng quan luận án
Đề tài luận án tiến sĩ: "Nghiên cứu giải pháp tối ưu hóa hiệu quả sử dụng năng lượng trong mạng cảm biến"
Cơ sở đào tạo: Trường Đại học Bách khoa Hà Nội
Thời gian hoàn thành: Tháng 3 năm 2022
Tính cấp thiết và khoảng trống nghiên cứu
Mạng cảm biến không dây (Wireless Sensor Networks - WSNs) là tập hợp phân tán các nút cảm biến có khả năng tự tổ chức và phối hợp hoạt động linh hoạt, phục vụ thu thập dữ liệu trong nhiều ứng dụng như điều tiết giao thông, tự động hóa tòa nhà, giám sát môi trường, nông nghiệp, y tế, an ninh và quân sự. Nguồn cung cấp năng lượng chính cho các nút cảm biến là pin với dung lượng giới hạn. Khi pin cạn kiệt, nút ngừng hoạt động dẫn đến mất vùng phủ sóng, suy giảm chức năng, phá vỡ cấu trúc liên kết và có thể làm ngừng trệ toàn bộ mạng.
Các giải pháp năng lượng hiện nay được tiếp cận theo hai cấp độ:
- Cấp độ nút: Bao gồm thiết kế phần cứng, sử dụng linh kiện công suất thấp, điều khiển chế độ làm việc tiết kiệm năng lượng và thu thập năng lượng từ môi trường (mặt trời, nhiệt, rung động, sóng vô tuyến RF). Hạn chế của hướng tiếp cận này là nguồn thu từ môi trường phụ thuộc vào thời tiết, không gian, thời gian và mật độ năng lượng không liên tục, chỉ mang tính chất bổ sung cục bộ.
- Cấp độ mạng: Bao gồm phát triển giao thức kiểm soát truy cập môi trường (MAC), giao thức định tuyến (như LEACH, DEEC, DDEEC, SEP) và các cơ chế lập lịch. Tuy nhiên, các giải pháp này thường tiêu tốn năng lượng trong việc trao đổi thông tin điều khiển của giao thức, hoặc chỉ giải quyết các bài toán đơn lẻ với các giả định cố định, chưa xem xét toàn diện quá trình biến thiên năng lượng trong từng chế độ hoạt động cụ thể của từng nút mạng.
Khoảng trống nghiên cứu được luận án xác định là: Tối ưu hóa mạng cảm biến cho các ứng dụng thực tế là bài toán tối ưu hóa tổ hợp đa mục tiêu với nhiều ràng buộc phức tạp đan xen. Hiện thiếu một công cụ mô phỏng chuyên dụng có khả năng mô hình hóa chi tiết quá trình thu nạp và tiêu thụ năng lượng theo từng chế độ hoạt động của nút, đồng thời thiếu một giải thuật tối ưu hóa lịch trình có khả năng thích ứng linh hoạt với các ràng buộc biến đổi để duy trì hoạt động lâu dài của mạng.
Mục tiêu nghiên cứu
Luận án xác lập hai mục tiêu nghiên cứu cụ thể:
- Nghiên cứu, thiết kế và phát triển nền tảng mô phỏng mạng cảm biến chuyên dụng có tính đến yếu tố năng lượng, cho phép mô phỏng, giám sát trạng thái và mức tiêu thụ năng lượng ở từng chế độ làm việc (ngủ, chờ, đo lường, truyền thông) của từng nút mạng, hỗ trợ điều phối năng lượng.
- Đề xuất và phát triển biến thể mới của giải thuật di truyền với nhiễm sắc thể có chiều dài thay đổi (Variable Length Chromosome Genetic Algorithms - VLC-GA) nhằm giải bài toán tối ưu hóa lịch trình hoạt động của mạng cảm biến, giải quyết bài toán đa mục tiêu và đa ràng buộc năng lượng, sau đó kiểm chứng và cài đặt lịch trình tối ưu cho mạng hoạt động.
Đối tượng và phạm vi nghiên cứu
- Đối tượng nghiên cứu: Mạng cảm biến không dây hỗn tạp (bao gồm các nút không dây dùng pin, nút có dây cấp nguồn lưới, các nút khác nhau về khả năng thu năng lượng từ môi trường và đặc tính truyền thông); mô hình động học năng lượng của nút cảm biến (pin, khối thu năng lượng, khối đo lường, khối vi điều khiển, khối truyền thông); giải thuật tối ưu hóa tổ hợp lịch trình mạng.
- Phạm vi không gian và ứng dụng: Môi trường ứng dụng trong nhà và ngoài trời, trọng tâm là bài toán tự động hóa tòa nhà (Building Management Systems) và giám sát thông số môi trường (nhiệt độ, độ ẩm).
- Phạm vi thời gian: Chu kỳ lập lịch hoạt động theo ngày (24 giờ), chu kỳ 3 ngày, và các khoảng thời gian đánh giá thực nghiệm (500 giây, 1 giờ, 6 giờ).
Tổng quan tài liệu và vị trí của luận án
Các hướng nghiên cứu trước đây
Tác giả luận án tổng hợp các công trình nghiên cứu liên quan theo các nhóm vấn đề:
1. Mô hình hóa năng lượng tiêu thụ tại nút cảm biến
- Halgamuge và cộng sự (2009) [39]: Mô hình hóa chi tiết các thành phần tiêu hao năng lượng của nút cảm biến. Kết quả phân tích tỷ lệ tiêu thụ năng lượng trung bình gồm: truyền thông chiếm 51%, lưu trữ dữ liệu 14%, xử lý và điều khiển 12%, chuyển đổi trạng thái 10%, biến đổi tín hiệu 8%, và thu thập dữ liệu 6%. Năng lượng truyền gói tin $b$ bit qua khoảng cách $d_{ij}$ được xác định theo mô hình:
$$E_{txN}(b, d_{ij}) = b \cdot E_{elec} + b \cdot d_{ij}^n \cdot E_{amp}$$
Trong đó $E_{elec}$ là năng lượng tiêu hao mạch điện tử, $E_{amp}$ là hệ số khuếch đại, và $n$ là số mũ suy hao đường truyền.
- Jan M. Rabaey và cộng sự (2002) [40]: Phân tích phân phối năng lượng trong tác vụ truyền thông, chỉ ra rằng xử lý chiếm 30%, cấu hình 25%, đồng bộ hóa 14%, truyền thông băng tần cơ sở 13%, nhận tin 12%, truyền tin 5%, và đáp ứng nhận tin 1%.
2. Giao thức truyền thông và định tuyến tiết kiệm năng lượng
- A. El-Hoiydi và cộng sự [41]: Mô hình hóa công suất tiêu thụ của các giao thức năng lượng thấp gồm WiseMAC, PTIP (Periodic Terminal Initiated Polling) và PSM (Power Save Mode), xác định công suất tiêu thụ lý tưởng qua các khoảng thời gian chuyển đổi trạng thái ($T_S$), đóng gói dữ liệu ($T_D$), kiểm soát gói tin ($T_C$), và truyền nhận ($T_T$).
- Các giao thức MAC và định tuyến [13, 14, 42, 43]: Sử dụng kỹ thuật lấy mẫu trường mở đầu (preamble sampling) để đánh thức nút nhận từ trạng thái ngủ; giao thức phân cụm thích ứng LEACH [14], DEEC, DDEEC, SEP tối ưu hóa việc lựa chọn nút trưởng cụm (Cluster Head) để cân bằng tải năng lượng.
3. Kỹ thuật thu thập năng lượng từ môi trường
- Năng lượng mặt trời: Oscar López-Lapeña và cộng sự [56] đề xuất mạch điều khiển DC-DC với tụ điện ngõ vào $C_{in}$ hoạt động qua hai chu kỳ sạc ($T_{charge}$) và xả ($T_{disch}$). FK. Shaikh và cộng sự [61] khảo sát các nút cảm biến thu năng lượng mặt trời: nút IRN (kích thước tấm pin $3.5\text{ in} \times 3.5\text{ in}$, công suất 400 mW, lưu trữ bằng tụ), nút BLSH ($44\text{ in} \times 44\text{ in}$, 50 mW, lưu trữ bằng tụ), nút LTSN ($4.5\text{ in} \times 4.5\text{ in}$, 190 mW, lưu trữ bằng pin).
- Năng lượng rung động cơ học: N. Stephen [64] xây dựng mô hình máy phát điện quán tính tuyến tính dựa trên hệ dao động khối lượng $m$, độ cứng lò xo $k$, và hệ số giảm chấn $c$. Các nghiên cứu [63, 65, 66, 67, 68, 69] ứng dụng trên vỏ máy công nghiệp, mũ, giày dép và thiết bị y tế cấy ghép. Bảng khảo sát thiết bị thu rung động [63] ghi nhận: VIBES Mk2 EM (52 Hz, khối lượng rung 0.15 g, công suất 46 $\mu\text{W}$), Glynne-Jones EM (99 Hz, 2.08 g, 4990 $\mu\text{W}$), Perpetuum EM (100 Hz, 50 g, 4000 $\mu\text{W}$), Ching EM (110 Hz, 0.8 g, 1052 $\mu\text{W}$).
- Năng lượng nhiệt: Dựa trên hiệu ứng Seebeck (Tomas Seebeck, 1821). FK. Readally [48] tổng hợp: Room heater TEG ($\Delta T = 55/21^\circ\text{C}$, công suất 150 mW, lưu trữ pin/tụ), Flex TEG ($22/16^\circ\text{C}$, 100 mW), Wearable TEG ($36/30^\circ\text{C}$, 0.026 mW, lưu trữ pin).
- Năng lượng sóng vô tuyến (RF): Phân tích của [72, 74, 75] về mạch thu anten, phối hợp trở kháng và chỉnh lưu AC-DC. Bảng công suất thu RF [75] chỉ ra: máy phát đẳng hướng 4 W (902–928 MHz) tại 15 m thu được 5.5 $\mu\text{W}$, tại 27 m thu được 1.3 $\mu\text{W}$; máy phát 1.78 W (868 MHz) tại 27 m thu được 2 $\mu\text{W}$; máy phát Powercaster TX91501 3 W (915 MHz) tại 5 m thu được 189 $\mu\text{W}$, tại 11 m thu được 1 $\mu\text{W}$; trạm truyền hình KING-TV 960 kW (674–680 MHz) tại 4.1 km thu được 60 $\mu\text{W}$.
| Nguồn năng lượng |
Mật độ năng lượng |
Điều kiện thu thập |
Hiệu suất chuyển đổi |
Thời gian thu trong ngày |
| Mặt trời |
$100\text{ mW/cm}^2$ |
Ánh sáng trực tiếp, diện tích tấm pin phù hợp |
5% – 30% |
Ban ngày (8h – 10h) |
| Nhiệt |
$100\text{ mW/cm}^2$ |
Chênh lệch nhiệt độ $\Delta T \ge 5^\circ\text{C}$ |
Khoảng 3% |
Mọi thời điểm khi có chênh lệch nhiệt |
| Rung động |
$200\ \mu\text{W/cm}^2$ |
Môi trường có rung động cơ học liên tục |
1% – 10% |
Mọi thời điểm khi có rung động |
| Sóng vô tuyến (RF) |
$1\ \mu\text{W/cm}^2$ |
Phụ thuộc công suất nguồn phát và cự ly |
Khoảng 50% |
Mọi thời điểm có sóng RF |
Nguồn: Tổng hợp từ tài liệu tham khảo [76] trong văn bản luận án.
4. Cấu trúc nút và công cụ mô phỏng mạng cảm biến
- Kiến trúc nút: Mark Hempstead và cộng sự [77] đề xuất kiến trúc phần cứng hướng sự kiện với các bus chuyên trách, cho phép tắt nguồn các khối không hoạt động. Ahmed S. và cộng sự [81] khảo sát dòng tiêu thụ ở các chế độ của MicaZ, Sunspot, WiSMote, IRIS, IMote2, Waspmote (dòng ngủ dao động từ 8 $\mu\text{A}$ đến 390 $\mu\text{A}$, dòng truyền nhận từ 15 mA đến 44 mA). Sordiashie E. [82] khảo sát các mô-đun RCS-S09U, G-Link, DataBridge, Apex, Si4420.
- Công cụ mô phỏng: Tác giả điểm lại các phần mềm mô phỏng phổ biến gồm NS-2, NS-3, SENS, OMNeT++, OPNET, J-Sim, SENSE và NETSIM. Các phần mềm này chủ yếu tập trung vào mô phỏng giao thức truyền thông, thông lượng và trễ mạng, chưa hỗ trợ mô hình hóa chi tiết động học pin, quá trình nạp xả thực tế và các chế độ tiêu thụ năng lượng đa trạng thái của nút.
Khoảng trống luận án lựa chọn giải quyết
Luận án tập trung giải quyết việc kết hợp công cụ mô phỏng động học năng lượng chuyên biệt với giải thuật tối ưu hóa lịch trình hoạt động cho mạng cảm biến. Thay vì tối ưu hóa đơn lẻ giao thức truyền thông, luận án tối ưu hóa sự luân chuyển giữa 4 chế độ làm việc (ngủ, chờ, đo lường, truyền thông) của từng nút mạng theo các ràng buộc ứng dụng và điều kiện thu nạp năng lượng thực tế.
Cơ sở lý thuyết và phương pháp nghiên cứu
Khung lý thuyết và mô hình phân tích
Luận án xây dựng khung mô hình hóa nút cảm biến gồm 5 mô-đun chức năng:
- Mô-đun nguồn dự trữ (Pin): Mô hình hóa trạng thái sạc (State of Charge - SOC), điện áp cực, nội trở và đặc tính phóng nạp phi tuyến của pin sạc (thực nghiệm trên pin Panasonic BK-60AAAH).
- Mô-đun nguồn năng lượng môi trường: Mô hình hóa công suất thu nhận từ năng lượng mặt trời theo thời gian thực và cường độ bức xạ.
- Mô-đun đo lường (Cảm biến): Thu thập dữ liệu môi trường (nhiệt độ, độ ẩm), tiêu thụ dòng điện $BM$.
- Mô-đun truyền thông: Thực hiện thu phát gói tin không dây theo cấu trúc cây hoặc mạng lưới, tiêu thụ dòng điện $BC$.
- Mô-đun điều khiển (MCU): Điều phối trạng thái hoạt động của nút qua các biến chọn: ngủ ($BS$), chờ ($BI$), đo lường ($BM$), và truyền thông ($BC$).
Phương pháp nghiên cứu
Luận án kết hợp giữa phương pháp thực nghiệm phần cứng và phương pháp mô phỏng số tối ưu hóa:
[Mô hình hóa 5 mô-đun nút cảm biến]
Nội dung chính theo từng chương
Chương 1. Mạng cảm biến không dây và nhu cầu về năng lượng
Chương 1 thiết lập bối cảnh nghiên cứu, phân tích kiến trúc mạng và đặc tính tiêu thụ năng lượng:
- Hệ thống hóa cấu trúc mạng cảm biến gồm 5 lớp giao thức (vật lý, liên kết dữ liệu, mạng, truyền tải, ứng dụng) và 3 mặt phẳng quản lý (năng lượng, di động, dịch vụ).
- Phân tích các dạng cấu trúc liên kết mạng: hình sao (Star), hình cây (Tree), mạng lưới (Mesh), vòng tròn (Ring), trục tuyến (Bus). Luận án xác định cấu trúc cây và cấu trúc lưới là hai cấu trúc chủ đạo cho các ứng dụng thực tế.
- Phân tích nhu cầu năng lượng và nguyên nhân gây lãng phí năng lượng ở cấp độ nút (dòng rò vi điều khiển, mạch cảm biến không tắt khi nghỉ) và cấp độ mạng (xung đột gói tin, lắng nghe nhàn rỗi, bản tin điều khiển giao thức dư thừa).
- Đặt ra bài toán cần giải quyết: Điều phối hoạt động đa trạng thái của từng nút dựa trên mô hình hóa quá trình năng lượng.
Chương 2. Các nghiên cứu liên quan
Chương 2 tổng quan toàn diện các giải pháp năng lượng hiện có:
- Phân tích các công nghệ pin lưu trữ: Pin Nickel-Metal Hydride (Ni-MH), Pin Lithium-ion, khảo sát đặc tính nạp/xả và hiện tượng tự phóng điện.
- Đánh giá 4 phương pháp thu hồi năng lượng môi trường: Mặt trời (hiệu ứng quang điện), Rung động cơ học (hiệu ứng áp điện và cảm ứng điện từ theo mô hình N. Stephen [64]), Nhiệt điện (hiệu ứng Seebeck), và Sóng vô tuyến RF.
- Khảo sát các nút cảm biến thương mại và thực nghiệm về mức tiêu thụ dòng điện (MicaZ, Waspmote, TelosB, IRIS, G-Link, Si4420).
- Đánh giá các công cụ mô phỏng mạng (NS-2, NS-3, OMNeT++, SENS, SENSE, J-Sim), chỉ ra sự thiếu hụt khả năng mô phỏng động học pin gắn liền với lịch trình chuyển mạch trạng thái.
| Tên nút cảm biến |
Dòng chế độ ngủ |
Dòng chế độ xử lý |
Dòng chế độ nhận |
Dòng chế độ truyền |
Điện áp nguồn |
| MicaZ |
$15\ \mu\text{A}$ |
8 mA |
19.7 mA |
17.4 mA |
2.7 V – 3.3 V |
| Sunspot |
$33\ \mu\text{A}$ |
104 mA |
16 mA |
15 mA |
3.7 V |
| WiSMote |
$12\ \mu\text{A}$ |
2.2 mA |
44 mA |
44 mA |
3.0 V |
| IRIS |
$8\ \mu\text{A}$ |
8 mA |
30 mA |
30 mA |
2.7 V – 3.3 V |
| IMote2 |
$390\ \mu\text{A}$ |
31 – 53 mA |
44 mA |
44 mA |
3.2 V – 4.5 V |
| Waspmote |
$55\ \mu\text{A}$ |
15 mA |
30 mA |
30 mA |
3.3 V – 4.2 V |
Nguồn: Tổng hợp từ số liệu nghiên cứu của Ahmed S. và cộng sự [81] trích trong luận án.
Chương 3. Thiết kế và triển khai nền tảng mô phỏng mạng cảm biến không dây có tính đến yếu tố năng lượng
Chương 3 trình bày việc xây dựng nền tảng mô phỏng chuyên dụng:
- Thiết kế kiến trúc phần mềm hướng đối tượng theo cơ chế hướng sự kiện, gồm 3 chức năng chính: thiết lập cấu hình mạng, thiết lập tham số môi trường (cường độ ánh sáng, nhiệt độ), và thực thi mô phỏng.
- Xây dựng 4 lớp mô-đun cốt lõi: Mô-đun Pin (Battery Module), Mô-đun Nguồn năng lượng (Energy Harvester Module), Mô-đun Truyền thông (Communication Module), và Mô-đun Cảm biến (Sensor Module).
- Kiểm nghiệm tính đúng đắn của nền tảng mô phỏng thông qua đối chứng thực nghiệm phần cứng:
- Tiến hành 10 lần đo ngẫu nhiên công suất tiêu thụ của nút cảm biến thực nghiệm đo nhiệt độ - độ ẩm ở các chế độ hoạt động.
- So sánh đường cong tiêu hao năng lượng giữa mô phỏng và thực nghiệm trong các khoảng thời gian 500 giây, 1 giờ và 6 giờ. Kết quả cho thấy độ lệch giữa mô phỏng và thực nghiệm nằm trong giới hạn sai số cho phép, phản ánh chính xác động thái năng lượng thực tế.
- Mô phỏng quá trình năng lượng của các kịch bản mạng: mạng không truyền thông, mạng truyền thông quảng bá, mạng truyền thông cấu trúc cây đa bước (5 bước cự ly 5m, 10 bước cự ly 10m) có kết hợp thu năng lượng mặt trời.
Chương 4. Tối ưu hóa lịch trình mạng cảm biến
Chương 4 tập trung vào giải thuật tối ưu hóa lịch trình hoạt động:
- Mô hình hóa bài toán tối ưu hóa lịch trình mạng dưới dạng bài toán quy hoạch toán học đa mục tiêu: Tối đa hóa số lượng mẫu đo hữu ích, tối thiểu hóa sai số đo lường $\Delta$ với xác suất $P(\Delta)$, tối thiểu hóa mức suy giảm dung lượng pin $\Delta Q$, và tối đa hóa thời gian sống của mạng ($T$).
- Đề xuất giải thuật VLC-GA với nhiễm sắc thể chiều dài thay đổi. Nhiễm sắc thể biểu diễn lịch trình của nút $i$ là chuỗi các cặp gen $(m_j^i, t_j^i)$. Nhờ các toán tử $MC, MI, MR, MS$, giải thuật tự động co giãn số lượng điểm chuyển trạng thái, tránh việc cố định số lượng chu kỳ cứng nhắc như trong FLC-GA.
- Kết quả thử nghiệm và đánh giá so sánh:
- Kịch bản 1 nút cảm biến: VLC-GA tìm ra lịch trình tối ưu giúp dung lượng pin duy trì ở mức an toàn ($Q_{min}, Q_{max}$ ổn định), đáp ứng đầy đủ số lần đo yêu cầu trong chu kỳ 24 giờ.
- Kịch bản nhiều nút cảm biến (mạng 3 nút theo cấu trúc phân cấp): Trong thử nghiệm mô phỏng 3 ngày liên tục, VLC-GA đạt giá trị hàm mục tiêu tốt nhất (Best Fitness Value - BFV) vượt trội so với FLC-GA sau 100 thế hệ tiến hóa. Độ suy giảm dung lượng pin $\Delta Q$ của các nút chạy lịch trình VLC-GA thấp hơn, đồng thời phân bổ thời gian giữa hai lần đo liên tiếp ($\Delta t_{max}$) đều đặn hơn, đảm bảo mạng duy trì hoạt động không bị gián đoạn do kiệt nguồn.
Kết quả và những đóng góp mới
Đóng góp về mặt lý luận và khoa học
- Mô hình hóa động học năng lượng đa trạng thái: Xây dựng khung mô hình hóa năng lượng toàn diện cho nút cảm biến không dây, tích hợp đồng thời 5 mô-đun chức năng (pin, thu năng lượng, cảm biến, truyền thông, điều khiển) và 4 chế độ làm việc ($BS, BI, BM, BC$), khắc phục hạn chế của các mô hình ước lượng tĩnh trước đây.
- Đề xuất giải thuật di truyền biến thể mới (VLC-GA): Phát triển cấu trúc nhiễm sắc thể có chiều dài thay đổi cùng hệ toán tử di truyền chuyên biệt ($MC, MI, MR, MS$) cho bài toán lập lịch mạng cảm biến. Giải thuật giải quyết được sự đánh đổi giữa mục tiêu thu thập dữ liệu và ràng buộc bảo toàn năng lượng trong môi trường nguồn thu biến đổi.
Đóng góp về mặt thực tiễn và giải pháp kỹ thuật
- Nền tảng mô phỏng mạng cảm biến chuyên dụng: Xây dựng công cụ phần mềm cho phép thiết lập tham số mạng, cấu hình môi trường đặt mạng, mô phỏng quá trình sạc/xả pin và giám sát dòng năng lượng chi tiết của từng nút. Nền tảng đã được kiểm chứng thực nghiệm đạt độ chính xác cao so với phần cứng thực tế.
- Quy trình tối ưu hóa và cài đặt lịch trình cho mạng thực: Thiết lập quy trình hoàn chỉnh từ mô phỏng, chạy thuật toán tối ưu hóa VLC-GA trên máy tính đến trích xuất và nạp lịch trình làm việc tối ưu vào bộ nhớ vi điều khiển của các nút trong mạng thực tế, nâng cao thời gian hoạt động của hệ thống cảm biến phục vụ tự động hóa tòa nhà.
Hạn chế và hướng nghiên cứu tiếp
Hạn chế của đề tài
- Các kịch bản thực nghiệm và mô phỏng tối ưu hóa trong luận án chủ yếu tập trung vào mạng có quy mô vừa và nhỏ (kịch bản thử nghiệm chuyên sâu trên 1 nút và 3 nút cảm biến theo cấu trúc phân cấp).
- Nguồn năng lượng môi trường thử nghiệm chính trong mô hình thực nghiệm và mô phỏng là năng lượng mặt trời; các nguồn năng lượng khác (nhiệt điện, rung động, RF) mới dừng lại ở mức độ khảo sát lý thuyết và tổng hợp số liệu.
- Lịch trình hoạt động tối ưu sau khi giải bằng thuật toán VLC-GA được nạp cố định cho chu kỳ hoạt động, chưa hỗ trợ cơ chế tự động tái cấu trúc lịch trình thích ứng theo thời gian thực (online dynamic rescheduling) khi có sự cố nút mạng bất thường.
Hướng nghiên cứu tiếp theo
- Mở rộng quy mô thử nghiệm mô phỏng và thực nghiệm trên các mạng cảm biến quy mô lớn với hàng trăm nút hoạt động trong không gian rộng.
- Tích hợp thêm các mô-đun thu năng lượng nhiệt điện (TEG) và rung động cơ học vào nền tảng mô phỏng và bài toán tối ưu hóa lịch trình.
- Phát triển cơ chế lập lịch thích ứng phân tán, cho phép các nút mạng tự điều chỉnh tham số gen cục bộ khi điều kiện thời tiết hoặc lưu lượng truyền thông thay đổi đột ngột.
Giá trị tham khảo
Đối tượng thụ hưởng
- Nghiên cứu sinh, học viên cao học và giảng viên: Thuộc các chuyên ngành Kỹ thuật Điều khiển và Tự động hóa, Kỹ thuật Điện tử, Viễn thông, Công nghệ Thông tin và Khoa học Máy tính. Luận án cung cấp tài liệu chi tiết về mô hình hóa năng lượng WSN và ứng dụng giải thuật di truyền metaheuristic trong bài toán kỹ thuật.
- Kỹ sư nghiên cứu và phát triển (R&D): Các kỹ sư thiết kế phần cứng IoT, hệ thống nhúng thu thập năng lượng môi trường (Energy Harvesting Systems), và lập trình hệ thống quản lý năng lượng tòa nhà thông minh (Smart BMS).
Các nội dung đáng tham khảo
- Mô hình mạch tương đương, đặc tính phóng nạp của pin sạc và các công thức toán học tính toán tổn thất năng lượng do dòng rò, chuyển mạch vi điều khiển ($E_{proN}$), năng lượng lưu trữ ($E_{loggN}$) và năng lượng truyền sóng ($E_{txN}$).
- Thiết kế phần mềm nền tảng mô phỏng hướng sự kiện và phương pháp thiết lập các lớp đối tượng mô phỏng pin, nguồn thu năng lượng.
- Cơ chế mã hóa nhiễm sắc thể chiều dài thay đổi và các toán tử $MC, MI, MR, MS$ trong thuật toán VLC-GA, có thể áp dụng cho các bài toán tối ưu hóa lịch trình và điều độ trong các lĩnh vực kỹ thuật khác.
Câu hỏi thường gặp
1. Luận án giải quyết vấn đề cốt lõi nào của mạng cảm biến không dây?
Luận án giải quyết vấn đề giới hạn nguồn năng lượng hoạt động của các nút mạng cảm biến không dây. Bằng cách kết hợp nền tảng mô phỏng động thái năng lượng chuyên dụng và giải thuật di truyền biến thể mới VLC-GA, luận án tìm ra lịch trình chuyển đổi tối ưu giữa 4 chế độ làm việc (ngủ, chờ, đo lường, truyền thông) cho từng nút, đảm bảo mạng hoàn thành nhiệm vụ đo lường với sai số nhỏ nhất trong khi vẫn duy trì mức năng lượng pin ổn định dài hạn.
2. Điểm khác biệt giữa giải thuật VLC-GA được đề xuất và giải thuật FLC-GA truyền thống là gì?
Giải thuật FLC-GA truyền thống sử dụng nhiễm sắc thể có chiều dài cố định, quy định số lượng khoảng thời gian chuyển đổi trạng thái bằng nhau và cố định từ trước. Điều này làm giảm không gian tìm kiếm và hạn chế tính linh hoạt khi điều kiện năng lượng môi trường biến thiên. Giải thuật VLC-GA sử dụng nhiễm sắc thể có chiều dài thay đổi, tích hợp 4 toán tử di truyền ($MC$ - sao chép, $MI$ - chèn, $MR$ - loại bỏ, $MS$ - dịch chuyển), cho phép số lượng trạng thái và khoảng thời gian giữa các lần đo tự co giãn linh hoạt theo nhu cầu thực tế.
3. Nền tảng mô phỏng do tác giả phát triển gồm những mô-đun nào và được kiểm chứng ra sao?
Nền tảng mô phỏng gồm 4 mô-đun chính: Mô-đun Pin (mô phỏng SOC, điện áp, nội trở), Mô-đun Nguồn năng lượng (mô phỏng thu nạp năng lượng môi trường), Mô-đun Cảm biến (mô phỏng hoạt động đo lường) và Mô-đun Truyền thông (mô phỏng gửi nhận gói tin). Nền tảng được kiểm chứng bằng cách so sánh dữ liệu mô phỏng với dữ liệu thực nghiệm đo đạc từ mạch phần cứng đo nhiệt độ - độ ẩm thực tế trong các khoảng thời gian 500 giây, 1 giờ và 6 giờ, xác nhận sai số giữa mô phỏng và thực tế ở mức thấp.
4. Năng lượng tiêu thụ của nút cảm biến phân bổ như thế nào qua các hoạt động theo các nghiên cứu được luận án trích dẫn?
Theo nghiên cứu của Halgamuge và cộng sự [39] được luận án trích dẫn: Hoạt động truyền thông tiêu thụ năng lượng lớn nhất, chiếm 51% tổng năng lượng; tiếp theo là lưu trữ dữ liệu chiếm 14%; xử lý và điều khiển chiếm 12%; chuyển đổi trạng thái chiếm 10%; biến đổi tín hiệu cảm biến chiếm 8%; và thu thập dữ liệu chiếm 6%. Trong tác vụ truyền thông, nghiên cứu của Jan M. Rabaey [40] chỉ ra vi xử lý chiếm 30%, cấu hình 25%, đồng bộ 14%, băng tần cơ sở 13%, nhận tin 12%, truyền tin 5%, và đáp ứng nhận tin 1%.
5. Kết quả so sánh giữa các phương pháp thu năng lượng môi trường trong luận án cho thấy điều gì?
Kết quả tổng hợp cho thấy năng lượng mặt trời có mật độ năng lượng cao nhất ($100\text{ mW/cm}^2$) với hiệu suất 5–30% nhưng chỉ thu được vào ban ngày (8–10 giờ/ngày). Năng lượng nhiệt có mật độ $100\text{ mW/cm}^2$ nhưng hiệu suất thấp (~3%) và đòi hỏi chênh lệch nhiệt $\Delta T \ge 5^\circ\text{C}$. Năng lượng rung động có mật độ $200\ \mu\text{W/cm}^2$ (hiệu suất 1–10%) và sóng vô tuyến RF có mật độ rất nhỏ ($1\ \mu\text{W/cm}^2$, hiệu suất ~50%). Do mật độ năng lượng không đồng đều và phụ thuộc vị trí, việc thu năng lượng chỉ đóng vai trò bổ trợ và bắt buộc phải kết hợp giải pháp tối ưu hóa lịch trình sử dụng năng lượng.
Kết luận
Luận án tiến sĩ của tác giả tại Trường Đại học Bách khoa Hà Nội đã giải quyết bài toán tối ưu hóa hiệu quả sử dụng năng lượng trong mạng cảm biến không dây thông qua cách tiếp cận kết hợp giữa công cụ mô phỏng chuyên dụng và giải thuật tối ưu hóa lịch trình. Việc phát triển nền tảng mô phỏng có tính đến yếu tố năng lượng cùng biến thể giải thuật di truyền với nhiễm sắc thể có chiều dài thay đổi (VLC-GA) đã tạo ra công cụ hỗ trợ thiết kế, đánh giá và lập lịch hoạt động cho các nút cảm biến một cách linh hoạt. Các kết quả thực nghiệm phần cứng và mô phỏng số đã kiểm chứng tính đúng đắn của mô hình, mở ra khả năng ứng dụng trong các hệ thống tự động hóa tòa nhà và giám sát môi trường.
