Tối Ưu Chiến Lược Sạc Cho Các Cảm Biến Để Kéo Dài Thời Gian Sống Của Mạng WRSNs

• Tác giả: Trần Thị Hương
• Người hướng dẫn: PGS. Huỳnh Thị Thanh Bình
• Trường học: Đại Học Bách Khoa Hà Nội
• Chuyên ngành: Khoa học máy tính
• Đề tài: Tối Ưu Chiến Lược Sạc Cho Các Cảm Biến Để Kéo Dài Thời Gian Sống Của Mạng WRSNs
• Loại tài liệu: Luận án Tiến sĩ
• Năm xuất bản: 2024
• Địa điểm: Hà Nội

• LỜI CAM ĐOAN
• 1. MỞ ĐẦU
• 2. CHƯƠNG 2: TỐI ƯU CHIẾN LƯỢC SẠC CHO MÔ HÌNH SẠC TỪNG CẢM BIẾN
• 3. CHƯƠNG 3: TỐI ƯU CHIẾN LƯỢC SẠC CHO MÔ HÌNH SẠC NHIỀU CẢM BIẾN ĐỒNG THỜI
• KẾT LUẬN
• DANH MỤC CÁC CÔNG TRÌNH ĐÃ CÔNG BỐ
• TÀI LIỆU THAM KHẢO

I. Tổng quan Mạng Cảm Biến Không Dây WRSNs Tiềm năng Ứng dụng

Mạng Cảm Biến Không Dây (WRSNs) đang bùng nổ mạnh mẽ, đóng vai trò then chốt trong sự phát triển của Internet of Things (IoT). Với khả năng thu thập, xử lý dữ liệu thông minh, WRSNs được ứng dụng rộng rãi từ cảnh báo cháy rừng, giám sát giao thông thông minh đến các ứng dụng quân sự như theo dõi mục tiêu. Đặc trưng của WRSNs là các nút cảm biến hoạt động bằng pin, giới hạn về năng lượng. Khi pin cạn kiệt, cảm biến trở thành nút chết, gây gián đoạn kết nối và ảnh hưởng nghiêm trọng đến hoạt động của mạng. Do đó, kéo dài tuổi thọ mạng là một thách thức lớn khi triển khai WRSNs vào thực tế. Các giải pháp truyền thống tập trung giảm thiểu tiêu thụ năng lượng như tối ưu vị trí, lập lịch hoạt động. Tuy nhiên, năng lượng vẫn cạn kiệt theo thời gian.

1.1. Kiến trúc và Nguyên lý hoạt động của Mạng WRSNs

Mạng Cảm Biến Không Dây (WRSNs) kết nối các nút cảm biến qua sóng vô tuyến hoặc hồng ngoại. Các cảm biến thu thập dữ liệu từ môi trường và chuyển về trạm cơ sở (BS). Từ đó, người dùng có thể xử lý, phân tích dữ liệu qua Internet. Năng lượng là yếu tố sống còn của WRSNs. Các giải pháp quản lý năng lượng đóng vai trò quan trọng trong việc kéo dài thời gian hoạt động của mạng, đảm bảo tính liên tục của các ứng dụng. Theo nghiên cứu của Trần Thị Hương (2024), các giải pháp giảm tiêu thụ năng lượng tuy hiệu quả nhưng không giải quyết triệt để vấn đề.

1.2. Các Ứng dụng Thực tiễn của WRSNs trong Đời sống và Sản xuất

Ứng dụng của WRSNs vô cùng đa dạng. Trong nông nghiệp, WRSNs giám sát độ ẩm đất, nhiệt độ để tối ưu tưới tiêu. Trong công nghiệp, WRSNs theo dõi tình trạng máy móc, dự đoán hỏng hóc. Trong y tế, WRSNs theo dõi sức khỏe bệnh nhân từ xa. Internet of Things (IoT) và WRSNs có mối quan hệ mật thiết. WRSNs cung cấp dữ liệu cho các ứng dụng IoT, tạo ra các giải pháp thông minh và hiệu quả hơn. Ứng dụng còn mở rộng sang quân sự và cảnh báo thiên tai.

II. Vấn đề then chốt Làm sao kéo dài Tuổi thọ Mạng Cảm Biến

Kéo dài tuổi thọ mạng WRSNs là bài toán quan trọng. Các giải pháp truyền thống tập trung vào giảm tiêu thụ năng lượng, nhưng chưa đủ. Sự ra đời của công nghệ sạc không dây mở ra hướng đi mới. Mạng cảm biến sạc không dây (WRSNs) sử dụng thiết bị sạc di động (Mobile Chargers - MCs) để cung cấp năng lượng cho các nút cảm biến. MC có thể là robot hoặc xe tự hành, trang bị bộ sạc không dây. Các cảm biến cũng được trang bị bộ phận nhận năng lượng không dây. Chiến lược sạc của MC quyết định thời gian sống của cảm biến, do MC cần nạp năng lượng trước khi chúng cạn kiệt.

2.1. Hạn chế của Các Giải pháp Quản lý Năng lượng Truyền thống

Các giải pháp truyền thống như tối ưu vị trí cảm biến, lập lịch hoạt động, sử dụng nút chuyển tiếp dữ liệu giúp kéo dài tuổi thọ mạng một phần. Tuy nhiên, năng lượng vẫn tiêu hao liên tục. Các nghiên cứu về tiết kiệm năng lượng cho thấy cần một giải pháp triệt để hơn để đảm bảo tính bền vững của WRSNs trong thời gian dài. Các phương pháp truyền thống có thể kết hợp với sạc không dây để tối ưu hiệu quả.

2.2. Sự ra đời của Mạng Cảm Biến Sạc Không Dây WRSNs Giải pháp tiềm năng

Mạng cảm biến sạc không dây (WRSNs) là bước tiến vượt bậc. Công nghệ truyền năng lượng không dây (Wireless Power Transfer - WPT) cho phép cung cấp năng lượng cho cảm biến từ xa. MCs đóng vai trò quan trọng trong việc di chuyển và sạc pin cho các nút cảm biến. Điều này giúp giảm thiểu sự phụ thuộc vào pin và kéo dài đáng kể thời gian hoạt động của mạng.

III. Cách Tối Ưu Chiến Lược Sạc WRSNs để Kéo Dài Tuổi Thọ Mạng

Tối ưu chiến lược sạc là chìa khóa để kéo dài tuổi thọ mạng WRSNs. Một chiến lược sạc hiệu quả cần tối ưu cả hành trình sạc và thời gian sạc. Hành trình sạc là chuỗi vị trí các điểm sạc theo thứ tự dừng sạc của MC. Thời gian sạc là khoảng thời gian MC sạc tại mỗi điểm. Điểm sạc có thể là vị trí của cảm biến hoặc một vị trí xác định trong mạng. Tối ưu chiến lược sạc là bài toán NP-khó, liên quan đến cả yếu tố không gian (hành trình) và thời gian (thời gian sạc).

3.1. Phân tích Bài toán Tối ưu Chiến lược Sạc Hành trình và Thời gian

Bài toán tối ưu chiến lược sạc bao gồm hai yếu tố chính: Hành trình sạc tối ưu cho MC và thời gian sạc tối ưu tại mỗi điểm sạc. Bài toán tối ưu này là NP-khó, đòi hỏi các thuật toán thông minh để tìm ra giải pháp hiệu quả trong thời gian chấp nhận được. Các nghiên cứu cần xem xét cả hai yếu tố để đảm bảo hiệu quả cao nhất.

3.2. Hai Mô hình Sạc trong WRSNs Sạc Từng Cảm Biến và Sạc Đồng thời

Có hai mô hình sạc chính trong WRSNs: Mô hình sạc từng cảm biến, MC dừng tại mỗi cảm biến để sạc. Mô hình sạc nhiều cảm biến đồng thời, MC di chuyển đến vị trí sạc và truyền năng lượng cho nhiều cảm biến cùng lúc. Lựa chọn mô hình sạc phù hợp phụ thuộc vào kiến trúc mạng, quy mô triển khai và công nghệ truyền năng lượng không dây (WPT).

IV. Phương Pháp Tối Ưu Thuật Toán Sạc WRSNs Giải pháp Hiệu Quả

Có hai cách tiếp cận để giải bài toán tối ưu chiến lược sạc: giải chính xác và giải gần đúng. Giải chính xác đảm bảo tìm ra lời giải tối ưu, nhưng tốn kém thời gian. Giải gần đúng tìm lời giải gần đúng trong thời gian ngắn hơn. Các thuật toán tối ưu đề xuất sẽ được cài đặt, thực nghiệm trên các kịch bản mạng mô phỏng.

4.1. Thuật Toán Di Truyền và các Phương Pháp Meta Heuristic trong WRSNs

Thuật toán di truyền (Genetic Algorithm - GA) và các thuật toán meta-heuristic như thuật toán tối ưu bầy đàn (Particle Swarm Optimization - PSO) là những phương pháp hiệu quả để giải bài toán tối ưu chiến lược sạc. Các thuật toán này tìm kiếm lời giải tốt nhất trong không gian giải pháp rộng lớn, mang lại kết quả khả quan trong thời gian hợp lý.

4.2. Học Tăng Cường Reinforcement Learning Lược đồ Sạc phân tán Hiệu quả

Học tăng cường (Reinforcement Learning - RL), đặc biệt là thuật toán Q-learning, là một hướng tiếp cận tiềm năng để xây dựng lược đồ sạc phân tán cho WRSNs. Các thuật toán học tăng cường cho phép MC tự động học hỏi và thích nghi với môi trường mạng, tối ưu chiến lược sạc theo thời gian.

V. Kết quả Nghiên cứu Tối Ưu Sạc BOEDA và thuật toán Tham lam xác định sạc

Luận án của Trần Thị Hương (2024) đã đề xuất thuật toán sạc tối ưu hai mức BOEDA cho mô hình sạc từng cảm biến và thuật toán tham lam xác định điểm sạc cho mô hình sạc nhiều cảm biến đồng thời. Các thuật toán này được đánh giá, so sánh với các nghiên cứu liên quan, cho thấy hiệu quả trong việc kéo dài thời gian sống của mạng WRSNs.

5.1. Thuật toán BOEDA Giải pháp Tối ưu Năng lượng cho WRSNs

Thuật toán sạc tối ưu hai mức BOEDA là một trong những đóng góp chính của luận án. BOEDA tối ưu cả hành trình sạc và thời gian sạc của MC, giảm thiểu sự cạn kiệt năng lượng của cảm biến và kéo dài tuổi thọ mạng. Kết quả thực nghiệm cho thấy BOEDA vượt trội so với các phương pháp truyền thống.

5.2. Thuật toán Tham lam Tìm kiếm điểm sạc Tối ưu cho nhiều cảm biến

Thuật toán tham lam được đề xuất giúp xác định vị trí điểm sạc tối ưu cho mô hình sạc nhiều cảm biến đồng thời. Thuật toán này xem xét yêu cầu năng lượng của các cảm biến và tối ưu hóa vị trí điểm sạc để đảm bảo hiệu quả sạc cao nhất. Kết quả cho thấy thuật toán tham lam giúp tăng độ tin cậy và thời gian hoạt động của mạng.

VI. Tương lai và thách thức Sạc không dây WRSNs Hướng Nghiên Cứu Mới

Tối ưu chiến lược sạc cho WRSNs vẫn là một lĩnh vực đầy tiềm năng. Các nghiên cứu tương lai có thể tập trung vào phát triển các thuật toán thông minh hơn, xem xét các yếu tố động của môi trường mạng, và tích hợp các nguồn năng lượng tái tạo. Việc giải quyết các thách thức về hiệu quả năng lượng và kết nối mạng sẽ mở ra những ứng dụng mới cho WRSNs.

6.1. Tích hợp Năng lượng Tái tạo Giải pháp Bền vững cho WRSNs

Tích hợp năng lượng tái tạo, như năng lượng mặt trời (Solar energy) và năng lượng gió (Wind energy), là một hướng đi đầy hứa hẹn cho WRSNs. Sử dụng nguồn năng lượng tái tạo giúp giảm sự phụ thuộc vào pin và kéo dài tuổi thọ mạng một cách bền vững. Các nghiên cứu cần tập trung vào phát triển các hệ thống quản lý năng lượng hiệu quả để tích hợp năng lượng tái tạo vào WRSNs.

6.2. An ninh và Bảo mật Năng lượng Đảm bảo hoạt động liên tục của WRSNs

An ninh và bảo mật năng lượng là những vấn đề quan trọng cần được quan tâm trong WRSNs. Các cuộc tấn công vào hệ thống sạc có thể làm gián đoạn hoạt động của mạng và gây thiệt hại nghiêm trọng. Cần phát triển các giải pháp bảo mật năng lượng mạnh mẽ để đảm bảo hoạt động liên tục và tin cậy của WRSNs. Các giao thức truyền thông phải được bảo mật để tránh rủi ro về mất mát thông tin.