На сегодняшний день узлы беспроводных сенсорных

Исследование и разработка методов распределенных вычислений в
беспроводных сенсорных сетях
студентки группы № СБ-71 Герасименко Марии Андреевны
АННОТАЦИЯ
В работе проводится исследование и разработка методов распределенных
вычислений на основе технологии энергоэффективных протоколов для
беспроводных сенсорных сетей. Предлагается модель беспроводной сенсорной
сети, учитывающая подзарядку от окружающей среды, метод распределения
нагрузки на узлы беспроводной сенсорной сети на основе нечеткой логики и
его реализация. Приводится экспериментальное исследование предложенной
модели и метода.
2
ANNOTATION
This work provides a research and development of the methods of the distributed
computing in wireless sensor network. Methods are based on the energy efficient
protocols. This work offers a model of the wireless sensor network. The offering
model supports energy harvesting, method for distributing computing, which is based
on the neural networks algorithms and a realization of this method. There is an
experiment and verification of the offering model and method in this work.
3
Оглавление
ВВЕДЕНИЕ .............................................................................................................. 5
ГЛАВА 1. ТЕХНОЛОГИЯ БЕСПРОВОДНЫХ СЕНСОРНЫХ СЕТЕЙ И ЕЕ
ПРАКТИЧЕСКОЕ ПРИМЕНЕНИЕ ...................................................................... 7
ГЛАВА 2. ЭНЕРГОЭФФЕКТИВНЫЕ ПРОТОКОЛЫ ДЛЯ БЕСПРОВОДНЫХ
СЕНСОРНЫХ СЕТЕЙ .......................................................................................... 10
ГЛАВА 3. ВВЕДЕНИЕ В РАСПРЕДЕЛЕННЫЕ ВЫЧИСЛЕНИЯ .................. 18
3.1
Применение распределенных систем ..................................................... 18
3.2
Удаленный вызов процедур ..................................................................... 19
3.3
Критерии .................................................................................................... 20
ГЛАВА 4. ПРИНЦИП ПОДЗАРЯДКИ ОТ ОКРУЖАЮЩЕЙ СРЕДЫ .......... 23
4.1
Технология Заимствования Энергии ...................................................... 23
4.2
Заимствование энергии солнечного света .............................................. 26
4.3
Заимствование энергии от вибрации ...................................................... 28
4.4
ZigBee Green Power ................................................................................... 29
ГЛАВА 5. МОДЕЛИРОВАНИЕ БЕСПРОВОДНОЙ СЕНСОРНОЙ СЕТИ ... 32
5.1
Инструменты моделирования .................................................................. 32
5.2
Моделируемая система ............................................................................. 37
5.3
Различные подходы .................................................................................. 38
5.4
Интерпретация распределенных вычислений........................................ 41
5.5
Модель подзарядки узла........................................................................... 49
5.6
Описание модели ...................................................................................... 49
5.7
Ограничения эксперимента на модели ................................................... 53
5.8
Эксперимент .............................................................................................. 54
ЗАКЛЮЧЕНИЕ ..................................................................................................... 64
СПИСОК ЛИТЕРАТУРЫ..................................................................................... 66
4
ВВЕДЕНИЕ
Работа проводится в контексте развития современных технологий
организации сетей, результатом которого является появление и широкое
применение
беспроводных
беспроводных
сенсорных
сенсорных
взаимодействие
между
сетей
от
собой
сетей.
Основными
компьютерных
большого
отличиями
сетей
количества
является
маломощных
интеллектуальных компонентов сети, а не высокоинтеллектуальных и
производительных вычислительных устройств. В случае сенсорной сети, к ней
предъявляются высокие требования к энергоэффективности и длительному
времени автономной работы сети.
В работе исследуется проблема повышения энергоэффективности
сенсорной сети, актуальности выполнения распределенных вычислений в и
использования технологии заимствования энергии от окружающей среды.
Одной из задач исследования является определение актуальности
подхода распределённых вычислений с точки зрения энергопотребления, то
есть насколько больше потребуется энергии для распределенных вычислений и
возможна ли компенсация затрат за счет использования альтернативных
источников энергии.
Объектом исследования является алгоритм взаимодействия узлов
беспроводной сенсорной сети.
Предметом
исследования
является
возможность
организации
энергоэффективных распределенных вычислений, а также актуальность их
применения именно в сенсорной сети.
Целью выпускной квалификационной работы является изучение
алгоритмов работы сенсорной сети (существующих протоколов), определение
целесообразности и необходимости организации распределенных вычислений
в сенсорной сети, определение факторов, влияющих на энергоэффективность
системы, определение набора методов по управлению распределенной
сенсорной сетью.
5
Для достижения поставленной цели необходимо решить следующие
задачи:
1.
Провести обзор и анализ методов получения энергии от
окружающей среды и энергоэффективных протоколов для беспроводных
сенсорных сетей.
2.
Разработать модель беспроводной сенсорной сети, учитывающую
основные
параметры
БСС,
поддерживающую
распределенные
вычисления, возможность подзарядки узлов от окружающей среды.
3.
Предложить и реализовать метод повышения энергоэффективности
сенсорной сети за счет использования распределенных вычислений и
заимствования энергии от окружающей среды.
4.
Верифицировать разработанные модель и метод.
Методами решения поставленной задачи является имитационное
моделирование в среде Matlab, которое предполагает моделирование
расположения узлов в сети, а также методов автоматического управления
сенсорной сетью с помощью Matlab. С помощью моделирования производится
сравнение предлагаемого метода управления сетью с привычной клиентсерверной моделью по параметрам энергопотребления.
Научная новизна работы:
1.
Дано определение распределенных вычислений в беспроводной
сенсорной сети.
2.
Разработана модель беспроводной сенсорной сети, которая
учитывает основные параметры.
3. Разработан энергоэффективный метод распределения вычислительной
нагрузки на узлы сенсорной сети.
6
ГЛАВА 1. ТЕХНОЛОГИЯ БЕСПРОВОДНЫХ СЕНСОРНЫХ
СЕТЕЙ И ЕЕ ПРАКТИЧЕСКОЕ ПРИМЕНЕНИЕ
Беспроводная сенсорная сеть – основа для построения интеллектуальных
систем мониторинга, которые уже применяются на предприятиях. Примером
является беспроводная система охраны труда на вредном производстве, а также
беспроводная система мониторинга параметров машин и механизмов на стадии
приемо-сдаточных испытаний.
Технология беспроводных сенсорных сетей хорошо сочетается с агентно
ориентированным подходом в программировании [1], который пришел на
смену объектно-ориентированному. Агентная модель подразумевает, что
способные адаптироваться под изменение окружающей среды, а также
взаимодействовать с ней. Подробнее принципы агентного моделирования
будут изложены в главе 5.
Компоненты беспроводной сенсорной сети:

Сенсоры - источники данных в сенсорной сети; служат
посредником между физическими процессами, происходящими в
окружающей среде и представлением этих процессов в цифровом виде
показаний сенсоров.

Узлы передачи данных – микроконтроллеры, оснащенные
приемопередатчиком, аккумулятором, процессором, памятью. Задача
узлов – передавать данные друг другу последовательно, причем каждая
следующая итерация передачи должна наименее энергозатратна и
являться шагом, на бути к базовой станции. Для того, чтобы максимально
эффективно выбрать путь от узла до базовой станции, разрабатываются
специальные протоколы маршрутизации для сенсорных сетей, которые
будут рассмотрены в главе 2.

Сток
является
накопителем
данных.
Это
специализированный тип компонента сети, которые получает данные от
сенсоров и занимается агрегированием. От расположения стока, в
7
большей степени, зависят основные параметры сенсорной сети, такие как
расход энергии сети, время ее жизни, количество «мертвых» узлов.
При передаче данных базовой станции, могут быть задействовано
различное количество узлов. Определением маршрута передачи занимается
протокол, на основе которого работает сенсорная сеть. Аналогичный подход
используется для маршрутизации в компьютерных сетях.
Сейчас, наибольшая часть исследований в области сенсорных сетей
направлена на разработку протоколов, которые смогут выбирать маршруты
передачи, оптимальные по энергопотреблению, времени жизни и другим
критериям, необходимым для конкретной задачи.
Сенсорные сети по типу архитектуры можно разделить на:

слоистую архитектуру;

кластерную архитектуру;

сенсорные узлы с мобильным стоком;
Общий принцип работы беспроводной сенсорной сети схож с алгоритмом
работы локальной сети. Сток или базовая станция рассылает всей сети
широковещательный пакет. Каждый узел добавляет адрес, от которого
получено широковещательное сообщение, в свою таблицу маршрутизации.
Также в таблицу добавляются поля ID, уровень заряда аккумулятора, число
промежуточных узлов (хопов) [2].
Важным параметром, который узлы
передают своим соседям, является уровень заряда аккумулятора, поскольку от
этого значения зависит балансировка энергии всей сети. Каждый узел
широковещательно передает информацию о заряде аккумулятора своим
соседям. Таким образом, все узлы знают о количестве хопов и расходе энергии
своих соседей.
Сток занимается обновлением таблиц узлов с помощью повторной
широковещательной рассылки, при добавлении или исчезновении элементов
сети.
8
На сегодняшний день узлы беспроводных сенсорных сетей используются
только лишь для сбора данных об окружающей среде и передачи их на
централизованное вычислительное устройство, которое занимается обработкой
этих данных.
Существуют готовые интеллектуальные системы на базе беспроводных
сенсорных сетей, такие как: система технологического учета электроэнергии,
система
управления
центральным
тепловым
пунктом,
система
технологического учета водоснабжения, система охраны труда на вредном
производстве и прочие системы, контролирующие деятельность предприятий.
Беспроводная сенсорная сеть для промышленного мониторинга строится на
основе узлов передачи данных, которые могут быть подключены к датчикам,
измеряющим различные типы показаний. Узлы передачи данных получают
показания от датчиков и отправляют их в централизованную систему для
последующей обработки, то есть являются промежуточным звеном между
данными,
которые
отражают
состояние
окружающей
среды
и
централизованной системой, которая это состояние может изменить, например,
повысить температуру в помещении. В стандартный набор компонентов сети
входят: координатор, сервер, узел передачи данных.
9
ГЛАВА 2. ЭНЕРГОЭФФЕКТИВНЫЕ ПРОТОКОЛЫ ДЛЯ
БЕСПРОВОДНЫХ СЕНСОРНЫХ СЕТЕЙ
LEACH (Low Energy Adaptive Clustering Hierarchy). Протокол с
контролем топологии и кластеризацией. Подходит для сетей с иерархической
структурой. Протокол является самоорганизующимся и адаптирующимся под
различные состояния сети для распределения энергии по сети [3]. Узлы
полагаются однородными и имеют ограниченный запас энергии. В сети имеется
базовая станция и все узлы знают о ее физическом местоположении. Узлы
динамически объединяются в кластеры, внутри которых происходит выбор
главного узла (cluster head), для предотвращения чрезмерного потребления
энергии. Протокол включает в себя агрегирование данных и сокращение
рассеивания энергии в 8 раз [3].
Все операции разбиваются на раунды. На начальной фазе для передачи
каждый раз заново выбирается главный узел в кластере (головной узел), для
чего происходит объявление выбора главного узла в кластере. Решение о
выборе принимается независимо всеми узлами в одно и то же время. Решение
о выборе головного узла принимается на основе:
1.
Предполагаемый процент головных узлов принимается априорным.
2.
Количество раз, когда узел был головным длительное время.
3.
Количество энергии узла в текущий момент.
Принятие решения производится узлом n, который произвольно
выбирает символ между 0 или 1, происходит расчет формулы (1).
𝑃
𝑇(𝑛) =
{1−𝑃∗(𝑟 𝑚𝑜𝑑 𝑛)
,𝑛 ∈ 𝐺
(1),
0, ∉ 𝐺
где:
r – текущий раунд;
P – вероятность выбора головным узлом;
n – указатель на текущий узел.
10
Если сгенерированный символ меньше T(n), то узел становится головным
узлом.
Узлы, которые были cluster head в нулевом раунде, не могут быть ими
снова в течении раундов 1/Р. После 1/Р -1, Т=1. После этого все узлы могут
становиться головным узлом. В фаза steady-state данные передаются базовой
станции. По сравнению с фазой setup, steady-state более продолжительна для
того, чтобы минимизировать расход энергии.
В протоколе используется CSMA (Carrier Sense Multiple Access) –
протокол MАС-уровня, в котором каждый узел проверяет отсутствие передачи
другими узлами, до начала передачи на транспортном уровне.
Критическим параметром сети является процент узлов, которые являются
головным узлом (в иностранной литературе употребляется термин cluster head).
В случае среднего и большого процента, и если расстояние до головного узла
длиннее, чем между узлами и стоком, то тратится больше энергии.
Оптимальным считается 5% головных узлов от количества всех узлов сети. В
таком случае протокол помогает достигнуть уменьшение общей энергии сети в
7-8 раз в случае однонаправленной передачей, в 4-8 раз, при передаче пакетов
по нескольким узлам сразу.
Если требуется, то все узлы погибают, в одно время благодаря
справедливому разделению ролей головных узлов.
Минимизируется общий расход энергии сети с помощью разделения
нагрузки между всеми узлами в разные моменты времени. Превосходит
статические
кластеризующие
алгоритмы.
Необходим
выбор
наиболее
энергичного узла, так называемого cluster-head. Узлы не обязаны знать о
топологии всей глобальной сети. Подходит для мало удаленных друг от друга
узлов.
Протокол распространен в сенсорных сетях, но, к сожалению, стремится
только лишь сохранить энергию, но не распределить ее между уздами. В
литературе образовалось два типа энергосберегающих протоколов для
11
сенсорных сетей: так называемые energy saver protocols и energy manager
(balancing) protocols.
SEER (Simple energy efficient routing protocol) [4]. Протокол для
одноранговых сетей. Цель работы протокола – повысить время жизни сети,
путем сокращения числа передающихся между узлами сообщений. Не
подразумевает управление и балансировку энергии. Выбор маршрута
базируется как на расстоянии до базовой станции, так и на остатке заряда
аккумуляторной батареи узлов, которые расположены на пути проложенного
маршрута. Снижение коммуникации между узлами за счет SEER, сокращает
общее потребление энергии. Результат симуляции показал, что SEER
выполняет оптимизацию по времени жизни только в специфических условиях.
Авторы статьи выделяют следующие условия функционирования
протокола:

инициатором протокола является источник, то есть базовая станция
самостоятельно выбирает какие данные ему нужны, и от каких узлов он
хочет их получить;

к
узлы
передают данные,
только
если
получают
новую
информацию от сенсоров;

данные передаются по одному маршруту, который динамически
определяется;

узел может передавать сообщение только одному из своих соседей;

алгоритм выбора маршрута должен быть максимально простым в
вычислении;
Алгоритм работы сенсорной сети согласно SEER следующий:
1.
После
развертывания
сети,
происходит
рассылка
широковещательного пакета, содержащего следующий заголовок: адрес
источника, адрес назначения, номер последовательности, число хопов,
уровень заряда аккумулятора. Узел заполняет эти данные и вносит
сведения в таблицу маршрутизации.
12
2.
Если сенсоры узла получают новые значения, то начинается
процесс передачи. Пакеты от узлов делятся на обычные и критические (в
случае стремительного изменения параметров, которое может привести к
серьезным последствиям). Пакет с критическими данными посылается
двум соседям вместо одного, для более быстрого достижения базовой
станции. Вот поля для пакета данных сети: адрес источника, адрес
назначения, адрес инициатора, критический флаг, число хопов, уровень
заряда аккумулятора.
3.
При получении пакета с данными, узлы обновляют свои значения
оставшейся энергии и энергии своих соседей. Построение маршрута
происходит на основе числа хопов и остатка заряда узла, причем
выбирается узел с наименьшими значениями этих полей.
4.
Если 1 узел используется более, чем в одном маршруте, то
информация о его энергии у соседних узлов может быть неточной.
Поэтому, когда энергия узла приближается к пороговому значению, он
отсылает всем соседям предупреждающее оповещение, в котором
указано текущее значение, для того, чтобы соседи смогли обновить свои
таблицы.
5.
Происходит периодическая рассылка широковещательных пакетов,
а также пакетов с информацией о состоянии оставшейся энергии между
узлами.
Результаты работы протокола показывают, что протокол имеет хорошую
масштабируемость, и, действительно, уменьшает энергопотребление сети за
счет сокращения передающихся сообщений. Проблемой данного протокола
является то, что нагрузка на узлы распределяется неравномерно, то есть узлам,
находящимся около sink node приходится обрабатывать больше информации, и
они чаще выходят из строя.
FEAR (Fuzzy-based Energy-Aware Routing protocol)
13
По аналогии с другими протоколами для сенсорных сетей, FEАR состоит
из трех стадий [5]:
1.
обнаружение
соседних
узлов,
путем
широковещательного
рассылки пакета базовой станцией;
2.
пересылка данных; причем, построение маршрута основывается на
принципах нечетного управления;
3.
обновление данных об остатке энергии;
Задача протокола не только в сохранении энергии сети, но в большей
степени в ее балансировке между узлами. Применяется концепция fuzzy set
(нечеткого
набора
данных)
для
определения
следующего
хопа
при
маршрутизации. Fuzzy set, в данном случае, является нечеткий вектор А из
показателей энергии соседних узлов (2) и вектор В из показателей количества
хопов до базовой станции (3).
𝐴 = {𝑒1 , 𝑒2 , … 𝑒𝑛 }, 𝑛 ∈ [1; 𝑛]
(2)
𝐵 = {ℎ1 , ℎ2 , … ℎ𝑖 }, 𝑖 ∈ [1; 𝑛]
(3)
Функции принадлежности для обоих наборов векторов высчитываются
согласно формулам (4) и (5):
𝑚𝐴(𝑒𝑖 ) = 𝛼 ∗ 𝑒𝑖 , 𝑖 ∈ 𝑍
(4)
где:
α – параметр для определения лимита энергии ∈ [0;1];
𝑒1 – значение энергий.
𝑚𝐵(ℎ𝑖 ) =
1−ℎ𝑖
𝑀𝑎𝑥𝐻𝑜𝑝
, 𝑖 ∈ [1; 𝑛]
(5),
где:
n – число соседних узлов;
hi – число хопов до sink node от i-го узла.
Для определения порога расхода энергии предлагается формула (6).
𝛾=
∑𝑛
`𝑖=1 𝑚𝐴(𝑒𝑖 )
𝑛
(6)
14
Решение принимается на основе расчета формулы (7). После расчета
формулы (7) для всех i-х соседних узлов, выбирается узел с наибольшим C(i).
𝐶(𝑖) = {
𝑚𝐴(𝑒𝑖 ) ∗ 𝑚𝐵(ℎ𝑖 ), 𝛼 ∗ 𝑒𝑖 > 𝛾
(7)
0, 𝛼 ∗ 𝑒𝑖 ≤ 𝛾
Результаты работы протокола FEAR более успешны в балансировке
энергии, чем результаты работы SEER и подходит для сетей с высокой
плотностью.
LABER. Один из протоколов балансировки энергопотребления сети.
Недостатком данного протокола является неточность при обновлении значений
энергии узлов и их контроля. Подтверждающий пакет возвращается к
предыдущему отправителю, но соседние узлы не могут обновить значение
энергии
отправителя
завершающего
пакета.
В
большинстве
случаев
подтверждающий пакет требует дополнительного контроля «сверху».
Беспроводные сенсорные сети неразрывно связаны с обработкой
больших объемов данных (в виде показаний датчиков узлов), которые
постоянно циркулируют в сети. Концепцию Big Data, в этом случае, хорошо
дополняет стратегия распределенных вычислений, поскольку клиент-серверная
модель имеет существенные недостатки случае в использования для сенсорных
сетей, а именно [6]:

необходимость наличия узлов с дополнительными возможностями
– super nodes, который координирует сеть и выбирает путь до сервера;

сильная зависимость от пропускной способности сервера и супер
узла снижает производительность сети;

неравномерное потребление энергии, поскольку узлы, находящиеся
вблизи сервера должны передавать больше данных, так как им
передаются весь объем данных с узлов в некоторой области.
15
Можно выделить дополнительный ряд преимуществ выполнения
распределенных вычислений всеми узлами сенсорной сети, а не вычисления на
централизованном сервере:
1.
Возможность
повысить
энергоэффективность,
за
счет
использования модулей, преобразовывающих энергию окружающей
среды в электрическую.
2.
Отсутствие проблем с передачей данных на большие расстояния в
случае неблагоприятных условий окружающей среды.
Допустим, что сенсорная сеть организована на предприятии, которое
расположена в зоне пониженной температуры. То есть в самом помещении
сохраняются нормальные температурные условия, за счет системы отопления,
а за его пределами, температура понижена настолько, что это вызывает
дополнительные трудности для работы передающего оборудования. Если
сервер находится в другом здании, или еще дальше, то требуется
дополнительная производительность оборудования и компонентов сети, для
передачи всех данных на сервер. А это сказывается на стоимости сети и
качестве ее работы.
Концепция динамических узлов в сети и наличие возможности
распределенных вычислений должно положительно влиять на недостатки
клиент-серверной модели. Основным отличием модели распределенных
вычислений является отсутствие супер узлов.
Одной из проблем, решаемых в процессе выполнения выпускной
квалификационной работы, является разработка модели узла сенсорной сети,
поддерживающей распределенные вычисления. Полностью отказаться от
сервера не имеет большого смысла, но посылка данных будет осуществляться
редко и только в том случае, когда распределенная сеть сочтет это
необходимым, например:

в случае инцидента;
16

согласно составленному заранее расписанию, для добавления
статистики в интерфейс пользователя.
Наличие больших массивов данных требует пересмотра алгоритмов
работы сенсорных сетей и обязательного наличия некоего распределенного по
всей сети алгоритма сбора данных. Необходима разработка алгоритмов выбора
последовательности узлов для сбора данных и передачи их в вычислительный
узел.
17
ГЛАВА 3. ВВЕДЕНИЕ В РАСПРЕДЕЛЕННЫЕ ВЫЧИСЛЕНИЯ
Распределенные
вычисления
–
обособленный
раздел
теории
вычислительных сетей, который направлен на поиск методов решения
трудоемких
задач
путем
объединения
вычислительных
мощностей
компонентов одной сети. В случае использования подобного подхода, решение
задачи находится путем дробления ее на части и вычислением частей
независимо друг от друга, в различные промежутки времени.
Распределенная обработка данных, наряду с параллельной, является
обязательным требованием для создания качественного программного
обеспечения. В некоторых случаях, параллельные вычисления могут считаться
частным случаем распределенных вычислений, если подзадачи выполняются
одновременно.
Темой
работы
является
исследование
методов
организации
распределенных вычислений в беспроводных сенсорных сетях и в рамках
выполняемой работы, распределенными вычислениями будут считаться
вычисления, производимые в распределенной системе. В главе 3 используется
3 термина: распределенная система, сеть и вычисление. Субъективно, в рамках
выполнения исследования, для терминов система и вычисление дается
определение и критерии, термины сеть и система являются эквивалентными.
3.1
Применение распределенных систем
Преимущественно, распределенные системы применяются в случае
необходимости решения трудоемких, объемных вычислительных задач по
обработке данных. Применение распределенных вычислений существенно
ускоряет процесс обработки данных, что является основным стимулом к их
применению.
Таким образом, можно сформулировать следующие отличительные
черты распределенных сетей:

повышенные требования к производительности сети;

сеть распределена по большой территории;
18

наличие коммуникационной среды между компонентами сети;

независимость компонентов сети;

отсутствие заранее определенного алгоритма функционирования;

поведение компонентов сети основывается
на совокупных
параметрах сети;

отказоустойчивость;

наличие и использование общедоступных ресурсов.
Примером распределенной системы можно считать глобальную службу
управления доменными именами DNS (Domain Name System), поскольку
пространство доменных адресов не обслуживается централизованно, а делится
на зоны, для каждой из который существует собственный DNS-сервер [7]. В
случае использования централизованного сервера, служба DNS не справилась
бы с обработкой большого объема адресов.
Распределенная система может представлять собой, как сложный
многомашинный комплекс или глобальную службу, так и совокупность
маломощных узлов, выполняющих единую задачу. Для того, чтобы систему
можно было считать распределенной, компоненты системы должны быть
независимыми. Доступ и редактирование параметров состояния каждого
компонента распределенной системы недоступно для всех остальных
элементов сети [7]. В случае беспроводной сенсорной сети это компенсировано
наличием возможности широковещательной рассылки параметров узла.
В рамках проведения исследования необходимо определить требования к
сети, которую можно считать распределенной сетью вычислений.
3.2
Удаленный вызов процедур
Для того, чтобы удовлетворить нужды распределенной системы, в
частности беспроводной сенсорной сети существует класс технологий под
названием Удалённым вызов процедур (Remote Procedure Call (RPC)).
Например, в сенсорной сети может потребоваться управление переключателем
для того, чтобы изменить температуру в помещении. Методы RPC позволяют
19
вызывать процедуры в другом адресном пространстве (в случае компьютерных
сетей это подходит для управления удаленными компьютерами) с помощью
передачи данных и команд внутри программы с одного компонента сети на
другой [8]. Удаленный вызов процедур может быть использован, как к
компьютерных сетях, так и в беспроводных сенсорных сетях. Поскольку такой
подход наиболее эффективен в случаях, когда время ответа и количество
передаваемых данных невелико, то для того, чтобы использовать его в
беспроводных сенсорных сетях, необходимо разработать такой метод, чтобы
минимизировать передаваемые данные для вызова удаленной процедуры.
Необходимо учитывать, что реализация и поддержка удалённого вызова
процедуры гораздо сложнее в реализации, чем вызов локальной процедуры и
учитывать следующие особенности:

обязательное использование транспортного уровня для передачи
данных и команд;

унификация операционных сред и языков программирования,
которые используются узлами сети;

алгоритм работы в случае аварийного завершения процедуры,
которая не была выполнена до конца.
3.3
Критерии
Характеристики компонентов сети (доступных устройств, выполняющих
вычисления) могут отличаться друг от друга, и этот фактор необходимо
учитывать при проектировании распределенной системы наряду с временными
задержками, связанными с передачей сообщений между процессами. Наиболее
важным аспектом распределенной системы является алгоритм, согласно
которому происходит разбиение задач на подзадачи. Этот алгоритм или метод
является ядром любого распределенного программного обеспечения.
Для обеспечения возможности дробления одной задачи на несколько
подзадач и распределения их по нескольким процессам, необходим устойчивый
механизм взаимодействия. Например, взаимодействие с помощью переменных,
20
к
которым
могут
получить
доступ
процессы,
а
затем
произвести
последовательное изменение разделяемых переменных после выполнения
вычислений. Также в системах распределенных вычислений распространен
механизм обмена сообщениями между процессами для синхронизации
действий процессов.
Согласно проведённому обзор технологии распределенных систем и
вычислений, необходимо выделить критерии распределенной системы в рамках
исследования для того, чтобы в процессе моделирования обосновать
принадлежность разработанной модели к классу распределенных систем.
Критерии распределенных вычислений будут даны на подготовительном этапе
к моделированию в разделе Интерпретация распределенных вычислений
[ГЛАВА 5. МОДЕЛИРОВАНИЕ БЕСПРОВОДНОЙ СЕНСОРНОЙ СЕТИ].
Критерии распределенной сети:
1.
Наличие коммуникационной среды между компонентами сети.
2.
Компоненты сети независимы, имеют алгоритм поведения в
зависимости от различных входных данных.
3.
Алгоритм функционирования сети не предопределён.
4.
Влияние параметров компонента (узла) на общее состояние сети;
5.
Наличие у сети общей цели.
6.
Сеть распределена по большой территории.
В главе было дано базовое определение распределенных вычислений,
которое
необходимо
в
рамках
исследования,
определены
критерии
распределенных систем, а также определена технология вызова удаленных
процедур, которая применяется в распределенных системах.
Для системы распределенных вычислений обязательно наличие среды
коммуникации между компонентами системы. Это является основным
аргументом к тому, чтобы рассматривать беспроводную сенсорную сеть в
качестве сети распределенных вычислений, поскольку механизм обмена
21
сообщениями
может
быть
легко
реализован
за
счет
наличия
широковещательной рассылки пакетов в сети.
В ГЛАВА 3. ВВЕДЕНИЕ В РАСПРЕДЕЛЕННЫЕ ВЫЧИСЛЕНИЯ
сформулированы критерии распределенных систем и вычислений, которые
необходимы для дальнейшего проведения исследования. Разрабатывать модель
и метод распределенных вычислений в беспроводной сенсорной сети
необходимо с учетом выдвинутых критериев. Верификация предлагаемого
подхода является одной из целей проводимого исследования.
22
ГЛАВА 4. ПРИНЦИП ПОДЗАРЯДКИ ОТ ОКРУЖАЮЩЕЙ СРЕДЫ
Бережный
расход
ресурсов
является
отличительным
признаком
современного поколения. Во всех сферах жизни общества существует
тенденция к экономии ресурсов: природных, человеческих, технологических,
производственных и прочих. Естественно, в сфере технических систем стоит
вопрос о экономии ресурсов.
Появление множества исследований на тему подзарядки электронных
устройств
от
альтернативных
возобновляемых
источников
энергии
обусловлено несколькими факторами:

широким распространением беспроводных сенсорных сетей,
причем
этот
фактор
является
наиболее
весомым
по
оценкам
специалистов.

4.1
снижением энергопотребления микроконтроллерами.
Технология Заимствования Энергии
В иностранной литературе существует специальный термин Energy
Harvesting,
который
используется
для
обозначения
преобразования
возобновляемой энергии окружающей среды в электрическую. Официального
перевода на русский язык этого термина не существует. Возможны различные
варианты обозначения этой технологии, например, «сбор энергетического
урожая», [10] но в дальнейшем тексте работы вместо термина Energy Harvesting
будет употребляться термин «Заимствование энергии».
Таким образом,
Заимствование Энергии – это возможность повысить энергоэффективность
беспроводной сенсорной сети, за счет преобразования энергии окружающей
среды в электрическую, которая может быть использована для нужд узла
беспроводной сенсорной сети. Устройства с возможностью заимствовать
энергию окружающей среды не только генерируют, но и сохраняют
электроэнергию, а значит они смогут заменить сложные аккумуляторы там, где
потребление электроэнергии невелико.
23
Технологии
по
направлению
Заимствования
Энергии
сейчас
стремительно развиваются, и к микроконтроллерам, которые являются
компонентами сенсорных сетей, можно подключать специализированные
модули, забирающие энергию у окружающей среды (рис. 1, 2, 3). В случае
большого числа узлов с модулями energy scavenging, необходимо выяснить,
какую энергетическую выгоду дает использование альтернативных источников
энергии, и при каком количестве узлов энергии будет забираться достаточно
для несложных операций, и покроет ли стоимость приобретаемых модулей,
выгоду в энергии.
Рисунок 1 - ECO 200 - Motion Energy
Harvesting.
Рисунок 2 - ECT 310 Perpetuum Thermo Energy Harvesting.
Тепловой преобразователь для
модулей сенсорной сети.
24
Рисунок 3 – ECS 300/ ECS 310 - Solar cells.
Основные методы Заимствования Энергии основаны на преобразовании
световой, кинетической энергии и энергии разности температур среды и
источника тепла в электрическую или "полезную" энергию. Компания Texas
провела оценку уровней энергии в мкВт/см2. Характеристики каждого из
способов Заимствования Энергии приведены в таблице 1. Помимо стандартных
общепризнанных методов, развивается метод получения электрической
энергии из высокочастотного излучения.
Таблица 1
Методы заимствования энергии окружающей среды
Метод заимствования
Вибрации/перемещения человека (в ГЦ диапазоне)
Значение
Единица
измерения
4
мкВт/см2
800
мкВт/см2
60
мкВт/см2
1-10
мкВт/см2
10000
мкВт/см2
Световое излучение в помещении
100
мкВт/см2
GSM (900 МГц)
0,1
мкВт/см2
0,001
мкВт/см2
Вибрации/перемещения промышленных систем (в
кГц диапазоне)
Изменение температуры человека
Изменение температуры промышленных систем
Световое излучение наружное
WiFi (2,4 ГГц)
25
Многие крупные компании занимаются исследованиями и разработкой
систем и стандартов с наличием возможности подзарядки от окружающей
среды.
Например,
EnOcean
уже
выпустила
3
поколения
систем,
поддерживающих Заимствование Энергии.
4.2
Заимствование энергии солнечного света
Для заимствования энергии от солнечного света используется кремниевая
солнечная батарея. С помощью нее можно получить напряжение до 0,6 В,
коэффициент полезной мощности (отношение полученной средней мощности
к мощности, которая может быть получена при постоянном преобразовании
солнечной энергии) равен 15–20%. Батареи могут, также, выполняться на
органических атериалах и оптоволокна на основе сенсибилизированных
красителей (Dye-sensitized solar cells, DSSC) [10].
Значение генерируемого тока зависит от интенсивности падающего
света. Cрок службы батарей составляет от 1 до 5 лет. Преимуществами
использования является низкая стоимость, прозрачность работы, работа при
низких уровнях освещенности.
Среди
компаний
и
исследовательских
центров,
занимающихся
разработкой технологий для солнечных батарей, можно выделить: Konarka
Technologies (США), Advanced Industrial Science and Technology, ASIT.
Компания Silicon Lab’s разработала узел беспроводной сенсорной сети с
экстремально низким энергопотреблением, который заимствует и преобразует
солнечную энергию, тем самым демонстрируя, что подобное решение является
удобным для приложений беспроводной сенсорной сети [11]. Заимствование
энергии окружающей среды в беспроводной сети, особенно актуально, если
аккумуляторы узлов сложно заменяемы или имеют большую стоимость.
Узел, заимствующий солнечную энергию, на примере продукта Silicon
Lab’s энергию состоит из чипа серии Si10xx MCUs, который выполняет
контроль и поддерживает функции беспроводного интерфейса на уровнях,
требующих низкого энергопотребления. Наличие дополнительного источника
26
ввода, позволяет на шаге управления энергией принимать энергию от других
альтернативных источников энергии (радиочастотное излучение, вибрации и
прочее), в том случае, если солнечные батареи не заряжены или доступ к ним
невозможен в данный момент.
Процесс заимствования солнечной энергии с помощью Si1012 MCU с
трансивером, который происходит в узле беспроводной сенсорной сети,
показан на рис. 4.
Si1012 MCU с
трансивером
Дополнительный
источника ввода
Световой
уровень
Солнечная
батарея
Уровень
заряда
Энергия
Уровень
управления
энергией
Энергия
Энергия Тонкослойный
аккумулятор
Рисунок 4 - Схема заимствования энергии с помощью Si1012 MCU с
использованием трансивера
Предлагаемая схема может быть применено в следующих областях:

автоматизированные сети зданий;

индустриальные сенсорные сети;

системы телемедицины;

инфраструктурные сенсорные системы;

охранные системы.
Преимущества:

наличие интерфейса USB для удобной передачи данных для
последующей обработки;

гибкая структура, позволяющая заимствовать энергию у различных
источников.
27
4.3
Заимствование энергии от вибрации
По направлению заимствования энергии проводятся многочисленные
конференции и выставки. Например, выставка Energy Harvesting & Storage
Europe, на которой компания Perpetuum показала беспроводной датчик
Vibration Energy Harvester (VEH). VEH предназначен для установки на
вращающиеся детали, например на подшипники колёс поездов [12] и
выполняет несколько функций: измерение температуры, передача измеренных
данных оператору, выработка необходимой электроэнергии из механических
колебаний. Согласно информации от разработчиков, VEH
не требует
дополнительного обслуживания, и идеально подходит для установки в колёсах
поездов, так как помимо Заимствования энергии датчик мгновенно фиксирует
критическое повышение температуры
в подшипниках. Это помогает
предотвратить масштабный ремонт.
Компания Cherry [13] предлагает беспроводной выключатель Cherry
Energy Harvesting Wireless Switch, который вырабатывает электроэнергию,
достаточную для передачи сигнала включения или краткой ретрансляции.
Расстояние, на которое можно передать сигнал за счет выработанной энергии
зависит от рабочей частоты. Для передачи на 10 метров используется частота
2,4 ГГц, для передачи на 300 метров используется частота 868 МГц. Мощность,
вырабатываемая от нажатия на кнопку может достигать 0,5 мВт. В качестве
дополнительных возможностей Energy Harvesting Wireless Switch можно
выделить работу в составе беспроводных сенсорных сетей (для этого в
переключателе реализован уникальный идентификатор, который исключает
ошибочные срабатывания), функцию «спаривания», которая позволяет
использовать для одного приёмника несколько выключателей или наоборот.
Существует специальный консорциум Wibrate [14], который создан для
того, чтобы объединить разработчиков промышленных систем, которые
питаются за счет самостоятельного преобразования энергии вибрации в
электрическую энергию. Среди таких систем можно выделить системы
28
беспроводного промышленного мониторинга и управления. Компания
Perpetuum входит в состав консорциума Wibrate.
4.4
ZigBee Green Power
Ассоциация ZigBee Alliance, которая является активным разработчиком
станартов и решений именно для беспроводных сенсорных сетей, в 2009 году,
объявила о намерении выпустить стандарт ZigBee Green Power (GP) для
устройств с собственными альтернативными источниками питания на основе
технологии Заимствования Энергии. Основываясь на стандарте ZigBee GP, в
2014 году NXP Laboratories, UK [15] выпустила руководство для использования
стандарта ZigBee Green Power (GP) при работе с микроконтроллерами NXP
серии JN516x. ZigBee Green Power (GP) – опционный кластер, цель
использования которого – минимизация расходуемой сетью энергии. Это
может быть достигнуто за счет:

использования
более
короткого
формата
кадров
GP
и,
соответственно, меньшего времени на передачу, чем в случае кадров
ZigBee стандартного формата IEEE 802.15.4а, что позволяет сэкономить
затраты энергии на передачу;

узлы
не
обязательно
должны
являться
полноценными
компонентами беспроводной сенсорной сети, возможна ситуация, когда
узлы только передают данные, если в этом есть необходимость
(например, если нажата специальная кнопка).
Кадр GP посылается на прокси узел, являющийся компонентом
сенсорной сети и оснащен «туннелем», преобразующим кадр GP в формат
обычного кадра ZigBee для повторной передачи в сенсорную сеть. Кластер GP
не нуждается в узле-источнике, но обязан взаимодействовать как с прокси
узлом, так и со стоком для получения интерпретированных GP кадров [15].
Базовый алгоритм стандарта ZigBee GP изображен ниже (рис. 5), где кадр 1 –
кадр GP, кадр 2 – туннелированный кадр GP.
29
Кадр 2
Сеть ZigBee PRO
Узел N
Сток
Кадр 2
Кадр 1
Узел источник
(заряжающийся от
окружающей среды)
Кадр 2
Прокси узел
Узел 1
Кадр 2
Узел 2
Рисунок 5 - Базовый механизм ZigBee GР
Преимуществами использования ZigBee GP являются [15]:

возможность использования узлов, чьи основные источники
энергии, аккумуляторы должным образом незащищены или недоступны,
а также использования изолированных узлов, или узлов опасно
расположенных;

возможность ликвидации потребности в аккумуляторе у узлов
сенсорной сети, коллективное поддержание работоспособности, расход и
возобновление энергии;

использование узлами источниками используют возобновляемых
источников энергии;

дешевая, быстрая и простая установка узлов источников;

подходит для узлов, расположенных с возможностью поддержки
работоспособности.
В главе дано определение технологии Заимствования Энергии или Energy
Harvesting, которая позволяет преобразовывать возобновляемую энергию
окружающей среды в электрическую, рассмотрены различные способы
Заимствования Энергии и их характеристики, приведены преимущества
Заимствования Энергии на примере использования стандарта ZigBee Green
Power.
30
В качестве сфер применения данной технологии рассматривается
создание энергонезависимых модулей для беспроводной сенсорной сети,
которые позволяют повысить энергетический потенциал сенсорной сети.
Разработчики предлагают, как готовые решения для оснащения сенсорной сети
возможностью заимствования энергии от окружающей среды (на примере
компании Silicon Lab’s), так и стандарты для создания собственных модулей
заимствования энергии от окружающей среды.
Среди разработчиков решений для Заимствования Энергии выделяется
ZigBee Alliance, который разработал специализированный стандарт ZigBee
Green Power для дополнения стандартной сети источниками возобновляемой
энергии.
31
ГЛАВА 5. МОДЕЛИРОВАНИЕ БЕСПРОВОДНОЙ СЕНСОРНОЙ СЕТИ
Объектом моделирования является сеть с автономными источниками
питания.
Предметом моделирования являются протоколы распределения нагрузки
на компоненты сети.
Разработка проводится в контексте развития технологий организации
сетей, результатом которого является появление и широкое применение
беспроводных сенсорных сетей. Результатом главы 5 являются требования к
программе на языке Matlab и первичная реализация предъявленных
требований. Программа учитывает основные параметры сети, каналов передачи
данных, реализует возможность заимствования энергии окружающей среды,
работает на основе предложенных автором алгоритмов. Выполнение
распределенных вычислений узлами сенсорной сети на текущий момент не
используется
и
применение
разрабатываемой
программы
позволит
распределить вычислительные задачи между узлами сенсорной сети таким
образом,
чтобы
обеспечить
надежность
работы
сети,
повышенную
энергоэффективность за счет использования технологии заимствования
энергии от окружающей среды и специально метода распределения нагрузки на
основе нейронных сетей.
После
получения
результатов
моделирования
необходимо
характеризовать энергетические затраты в зависимости от сложности передачи
распределенной задачи и результата задачи в сенсорную сеть.
5.1
Инструменты моделирования
Для моделирования концепции беспроводных сенсорных сетей хорошо
подходит агентно ориентированное моделирование. Согласно определению
[15], агентное моделирование можно определить, как частный случай
имитационного моделирования, в котором основное внимание уделяется
исследованию состояния глобальной системы в зависимости от поведения
агентов, которые являются компонентами системы [15]. В случае сенсорных
32
сетей наблюдается аналогичный подход, поскольку узлы сети распределены по
территории, активно взаимодействуют с окружающей средой (сбор параметров
окружающей среды является основной задачей сенсорной сети) и соседними
узлами, а также поведение и технические характеристики отдельного узла
сенсорной сети влияют на производительность все сенсорной сети. В случае
традиционного
имитационного
моделирования,
моделируемая
система
рассматривается как линейная совокупность пассивных элементов в общем
процессе, и поведение элементов заранее установлено. При дискретнособытийном подходе внимание уделяется конкретному процессу, который уже
рассматривается нелинейно, анализируются стадии конкретного процесса.
В случае агентного каждый компонент сети имеет собственный сценарий
поведения, который влияет на качество выполнения поставленной задачи.
Таким образом, агентное моделирование является удобным подходом для
описания систем, состоящих компонентов, чье поведение неоднозначно и
зависит от многих факторов.
Для выполнения моделирования необходимо определить инструмент, с
помощью которого будет разработана модель и протестирован метод.
Anylogic
Среда моделирования Anylogic – продукт компании XJ Technologies.
Среда прелоставляет возможность использования различных подходов в
современном
имитационном
моделировании,
а
именно:
дискретно-
событийный, агентный, моделирование системной динамики.
Anylogic имеет удобный интерфейс и средства для анализа данных и
презентации результатов моделирования: гистограммы, наборы данных,
статистика, графики, диаграммы [10].
Субъективно,
для
моделирования
беспроводной
сенсорной
сети
AnyLogic не так удобна, как для моделирования бизнес-процессов или систем
массового обслуживания. В виду отсутствия специализированной библиотеки
33
необходимо много программировать, а Anylogic не предоставляет возможность
отладки кода Java.
Glomosim
GloMoSim (Global Mobile Information System Simulator) – среда
моделирования использующая Си подобный язык программирования Parsec.
При моделировании используются понятия: сущность, обмен сообщениями,
ресурсы. – сущности обмениваются сообщениями и запрашивают ресурсы,
возможно распараллеливание исполнения программы и поддерживает свыше
1000 узлов в модели. GloMoSim является представителем моделирования
дискретных
событий.
GloMoSim
–
специализированная
среду
для
моделирования беспроводных и ad-hoc сетей.
GPSS World
GPSS World, (General Purpose System Simulator) - система имитационного
моделирования дискретных и непрерывных систем, разработанная компанией
Minuteman Software. Основное применение в моделировании систем, которые
можно свести к системам массового обслуживания. Основными компонентами
моделирования являются очереди, заявки, обслуживающие приборы, и прочее.
Задачу моделирования протокола сенсорной сети достаточно сложно
свести к СМО, но использование GPSS World будет актуально при
исследовании потока информации, который обрабатывается каждым узлом
сети.
Matlab
Matlab – высокоуровневый язык программирования и одноименная среда
для моделирования, а для также научных и инженерных расчетов, в основе
которой лежит интерпретатор собственного языка Matlab. Алгоритмы,
выполняемые в Matlab, по большей части, используют векторы и матрицы для
обработки больших массивов данных.
Привлекательность среды для решения задач текущей ВКР заключается
в наличии инструментов и toolboxes и визуального редактора моделирования.
34
Matlab позволяет решать широкий спектр задач от обработки больших
массивов данных, до моделирования СМО, сетей, алгоритмов автоматического
управления. Именно наличие специализированных инструментов для работы с
ТАУ является главным основанием для выбора Matlab в качестве инструмента
моделирования распределенных вычислений в беспроводной сенсорной сети.
Возможность обработки больших массивов данных позволит оценить
разработанный метод на большом количестве узлов.
Поскольку в качестве метода автоматического управления беспроводной
сенсорной сетью, поддерживающей распределенные вычисления, выбраны
нейронные сети, наличие с среде Matlab специализированного toolbox для
разработки алгоритма ТАУ на основе нейронных сетей, а также возможность
работы с нейронными сетями из текста основной программы на языке Matlab,
является мощным преимуществом среды по сравнению с перечисленными
ранее.
Таким образом, можно выделить следующие преимущества Matlab по
сравнению с другими средами моделирования:

наличие инструмента для работы с нейронными сетями, которые
выбраны в качестве метода автоматического управления;

наличие инструмента для работы с большими объемами данных;

наличие инструментов для визуализации сенсорной сети;

наличие инструментов для работы со статистикой, графиками.
Сравнительная таблица рассмотренных сред моделирования
представлена в таблице 2.
35
Таблица 2
Инструменты моделирования
Виды
Способы
Разработчик,
Среда
Специфика
Anylogic
Моделирование
ИМ, ДСМ, ГИ, ЯП Java XJ
бизнес процессов,
СДМ, АМ
Technologies,
СМО
Glomosim
Локальные/бепро-
дата выпуска
2000
ИМ
Parsec
водные сети
Parallel
Computing
Laboratory
UCLA, USA
GPSS
СМО
ИМ
ЯП GPSS
IBM,
Wolverine
World
Software,
Minuteman
Software,
USA, 1996
Matlab
Анализ больших
ИМ
данных, разработка
ГИ, ЯП
MathWorks,
Matlab
USA, 1984
алгоритмов ТАУ
Для удобства визуального восприятия таблицы, введены следующие
сокращения:
ГИ – графический интерфейс;
ЯП – язык программирования;
ТАУ – теория автоматического управления;
ИМ – имитационное моделирование;
АМ – агентное моделирование;
ДСМ – дискретно-событийное моделирование;
36
СДМ – моделирование системной динамики.
В результате проведения обзора и анализа инструментов моделирования,
была выбрана среда Matlab, из-за наличия инструментов для работы с
нейронными
сетями,
большими
объемами
данных,
инструментов
визуализации, работы со статистикой.
5.2
Моделируемая система
В разделе "Инструменты моделирования» приведено описание нового
подхода в моделировании под названием агентное моделирование, приводятся
его характеристики и преимущества для использования применительно к
моделированию беспроводных сенсорных сетей, проведен выбор описание
обоснование
выбранного
инструмента
моделирования.
Агентное
моделирование как обособленный вид присутствует в среде моделирования
ANYLOGIC, но другие характеристики этой среды не позволяют выбрать ее в
качестве
основного
инструмента
разработки.
В
качестве
основного
инструмента моделирования выбран Matlab. Несмотря на то, что явно в
инструментарии
Matlab
не
присутствует
агентное
моделирование,
предполагается сохранить основные принципы агентного моделирования,
такие как:

большое количество агентов моделируемой системы;

взаимосвязь каждого из агентов с окружающей средой;

наличие у системы общей цели;

влияние поведения каждого агента на степень достижения
поставленной цели;
Моделируемой системой, в данном случае, считается совокупность узлов
сенсорной сети, окружающей среды, в которой они находятся, сценария их
поведения, цели, которую необходимо достигнуть моделируемой системе в
процессе своей работы.
Узел сенсорной сети является обособленным классом и характеризуется
индивидуальными параметрами, зависящими и независящими от состояния
37
окружающей среды. В случае моделирования сенсорной сети этими
параметрами являются технические характеристики узла сети. Параметрами,
зависящими от состояния окружающей среды, можно считать тип, память,
уровень заряда аккумулятора узла и прочие. Параметрами, независящими от
состояния окружающей среды, можно считать расстояние между узлами,
(поскольку оно фиксировано), значения вероятностей, необходимые для
расчета формул и прочие.
Окружающая среда является обособленным классом и характеризуется
индивидуальными параметрами, такими как размер рассматриваемой области,
параметр, который измеряется датчиками (например, температура, влажность,
передвижение объектов по площади заданного размера).
Цель
является
обособленным
классом
и
характеризуется
индивидуальными параметрами. В случае моделируемой системы, целью
является задача, которую необходимо распределенно вычислить узлам
сенсорной сети. Цель или задача может характеризоваться количеством
подзадач, на которое задача может быть разделена, приоритетом задачи,
необходимыми требованиями к памяти, заряду аккумулятора узла, который
будет выполнять ее.
Сценарием поведения является последовательность действий узла
сенсорной сети, которая меняется в зависимости от состояния окружающей
среды.
5.3
Различные подходы
В
качестве
примера,
рассмотрим
моделируемую
систему,
как
беспроводную систему управления центральным тепловым пунктом на основе
беспроводной сенсорной сети. Моделирование проводится для того, чтобы
определить целесообразность организации распределенных вычислений в
беспроводной сенсорной сети. Для этого необходимо провести моделирование
системы с отсутствием и поддержкой распределенных вычислений и провести
сравнительный анализ полученных результатов.
38
В случае отсутствия возможности распределенных вычислений система
работает по следующему алгоритму:
1.
Данные снимаются с датчиков, расположенных в контроллерах.
2.
Полученные параметры по беспроводной сети передаются в
SCADA-систему
[17].
SCADA-система
получает
информацию
с
конкретных мест отопления и оптимизирует расход тепловой энергии.
SCADA-система
посылает
управляющие
воздействия
через
беспроводные контроллеры на исполнительные механизмы.
3.
Также
система поддерживает
режим «гибкого»
механизма
управления, заключающийся в сокращении подачи тепла в нерабочие
часы и восстановления в рабочие. Одновременно осуществляется
технологический учёт потреблённого тепла.
На рис. 6 изображены шаги работы системы в случая отсутствия
распределенных вычислений.
39
Начало
Снятие данных с датчиков,
расположенных в контроллерах
Передача данных в SCADAсистему
Выполнение вычислений в SCADA
на основе полученных данных.
Поддержание «гибкого» режима.
Посылка управляющих
воздействий на контроллеры
Конец
Рисунок 6 – Случай отсутствия распределенных вычислений
В случае наличия возможности распределенных вычислений система
работает по следующему алгоритму:
1.
Данные снимаются с датчиков, расположенных в контроллерах.
2.
Распределенным вычислениям подлежит задача определения
степени управляющего воздействия в механизмах подачи тепла.
3.
Часть полученных параметров по беспроводной сети для (с
помощью нечеткой логики) передается в SCADA-систему [17].
4.
Как SCADA, так и сама сеть посылает управляющие воздействия
через контроллеры на исполнительные механизмы.
На рис. 7 изображен алгоритм работы системы в случая отсутствия
распределенных вычислений.
40
Начало
Распределенные вычисления в
БСС для определения степени
управляющих воздействий
Снятие данных с датчиков,
расположенных в контроллерах
Передача части данных в SCADAсистему
Вычисления в SCADA для
поддержания «гибкого» режима
Распределение степени
управляющих воздействий на
контроллеры
Конец
Рисунок 7 – Случай наличия распределенных вычислений
5.4
Интерпретация распределенных вычислений
В разделе Критерии [ГЛАВА 3. ВВЕДЕНИЕ В РАСПРЕДЕЛЕННЫЕ
ВЫЧИСЛЕНИЯ] было дано определение распределенных вычислений и
определены критерии распределенных систем, основная черта которых –
коммуникация между компонентами системы.
Теперь необходимо определить понятие распределенных вычислений в
рамках
моделируемой
системы.
Согласно
данному
определению,
моделируемой системой является совокупность узлов, окружающей среды,
сценария
поведения
узлов,
цели,
которую
необходимо
достигнуть
моделируемой системе в процессе своей работы. На данный момент, наиболее
важна последняя часть предоставленного определения, поскольку целью
работы
сети
является
выполнение
вычислительной
задачи,
или
41
распределенного вычисления, таким образом, чтобы достигнуть минимального
значения расхода энергии узлами сети.
Задача, которая возникает в сети в режиме реального времени, может
быть разбита на нескольких подзадач разных типов, различных по
энергозатратам.
Рассмотрим
пример.
Моделируемой
системой
является
система
управления центральным тепловым пунктом на основе беспроводной
сенсорной сети. Контроллеры размещаются в точках учёта (пар, холодная вода,
горячая вода) и точках управления (входные и выходные задвижки). Целью
работы сети или распределенной задачей является определение является ли
температура в помещении комфортной, а также определение степени
управляющего воздействия в механизмах подачи тепла.
Цель или вычислительную задачу необходимо разбить на подзадачи:
1.
Сбор данных с датчиков.
2.
Анализ данных, которые были собраны с датчиков путем расчета
формулы в соответствии с выбранным методом.
3.
Сравнение
результата
формулы
с
априорным
значением,
характерным для помещения.
4.
Определение
степени
управляющего
воздействия
в точках
управления.
5.
Коммуникация между узлами.
Помимо вычислений самой задачи, необходимо учесть энергетические
затраты на коммуникацию между узлами. Поэтому добавлен пункт 5.
Коммуникация между узлами, который отражает затраты на передачу данных
от датчиков на шаге подзадачи 1, а также передачи управляющего воздействия
на шаге подзадачи 4.
Подзадачу 1 распределить невозможно, поскольку данные от датчика
хранятся на каждом узле. И слишком затратно осуществлять считывание
показаний
с
датчиков
соседним
узлом
сети.
Для
этого
придется
42
воспользоваться механизмом вызова удаленной процедуры, рассмотренным в
разделе Удаленный вызов процедур главы 3. Введение в распределенные
вычисления. Удаленный вызов сложен в реализации и нецелесообразно
использовать его для такой легкой задачи.
Подзадачи 2, 3, 4 теоретически возможно распределить между узлами,
так как неважно каким из узлов они будут выполнены. Следовательно,
распределенные вычисления будут подразумевать под собой передачу по сети
данных, необходимых для вычисления, формул, которые необходимо
рассчитать, априорных значений, с которыми будет производиться сравнение.
при наличии данных, собранных датчиками. Каждая подзадача будет
отсылаться узлу, у которого достаточно памяти, зарядка аккумулятора и прочих
характеристик, чтобы выполнить подзадачу.
Распределенные вычисления в рамках моделируемой сети имеют
следующие характеристики:

одна общая задача для всей сети;

наличие взаимосвязи между общей задачей и узлами сети;

возможность разбиение общей задачи на подзадачи;

приоритезация подзадач;

различное энергопотребление подзадачами;

учет энергопотребления на передачу подзадачи;

динамический определяемый алгоритм поведения узлов.
Существуют
подзадачи
различных
типов,
характеризующиеся
различными энергозатратами, требованиями к памяти узла сети, степенью
необходимости выполнения подзадачи (приоритетом), территориальным
местоположением (в случае задачи передачи данных):

тип 1 «Передача данных «cluster head»;

тип 2 «Передача от «cluster head» на сервер;

тип 3 «Затратное вычисление»;

тип 4 «Стандартное вычисление»;
43

5.5
тип 5 «Простое вычисление»
Обоснование метода управления узлом сенсорной сети
Метод разрабатывается на основе нейронных сетей, с учетом технологии
Заимствования Энергии от окружающей среды, которая, за счет специально
встраиваемых модулей для сенсорной сети, позволяет преобразовывать
различные типы возобновляемой энергии в электрическую, для подзарядки
узлов сети от окружающей среды. Разработанный алгоритм работы сенсорной
сети
основывается
на
математическом
аппарате
раздела
теории
автоматического управления под названием «Нейронные сети» и дополнен
возможностью Заимствования энергии от окружающей среды.
В качестве метода управления поведением узла выбраны нейронные
сети. Метод предоставляет следующие преимущества:

интеллектуальное управление узлом;

возможность самостоятельного обучения сети;

выявление неизвестных закономерностей путем обобщения;

адаптация под различные входные данные;

быстродействие (распараллеливание обработки информации за
счет одновременной проверки всех параметров узла: выбор состояния
узла производится после 1 проверки параметров, вместо 5 проверок в
случае использования протокола LEACH);

высокая отказоустойчивость при аппаратной реализации.
В качестве основного метода описания поведения сложных технических
объектов традиционно используется шаблон проектирования, называемый
конечным автоматом - FSM (Finite state machine). FSM – алгоритм поведения
технического
объекта,
который
характеризуется
наличием
множества
состояний, условных переходов между состояниями в зависимости от входных
сигналов. То есть переход между состояниями осуществляется, при получении
входного сигнала. Глобально, FCM делятся на детерминированные (сколько
входных сигналов, столько и переходов) и недетерминированные (на каждый
44
входной сигнал возможен переход в несколько состояний). Существуют, также
автоматы
Мили,
Мура,
которые
используются,
в
основном,
при
сенсорной сети
узел
проектировании цифровой аппаратуры.
В разрабатываемой
модели беспроводной
рассматривается, как самостоятельный интеллектуальный объект, который
меняет свое состояние в зависимости от изменений параметров самого узла или
параметров окружающей среды. На первый взгляд, идеально было бы
представить сеть, состоящую из такого типа узлов, в виде конечного автомата.
Но для решения поставленной задачи управления переходами межу
возможными состояниями узла выбран метод нейронных сетей, то есть другая
абстракция описания поведения технического объекта.
Субъективно, метод нейронных сетей полагается более удобным, так как
при разработке FCS возможны ошибки, поскольку автоматное проектирование
предоставляет
разработчику
более
свободное
описание
поведения
технического объекта, в то время, как решение поставленной задачи с помощью
нейронных сетей сводится к задачи классификации произвольного сочетания
входных данных в соответствии с набором состояний, аналогичным FCM.
Сравнение подходов приведено в таблице 3.
45
Таблица 3
Сравнение методов FCM и нейронные сети
Характеристики
Метод конечного
Метод нейронные сети
автомата
Форма представления
Вершина графа
начального состояния
Форма представления
Вектор из значений
текущих параметров
Граф
Нейронная сеть
алгоритма
(абстракция)
Суть метода
Наличие набора
Переходы между
Решение задачи
состояниями
классификации по
осуществляются на
набору состояний на
основе теории
основе математических
множеств.
формул
Да, в виде вершин графа Да, да в виде значений
состояний
выходного вектора
Наличие переходов
Да, в зависимости от
Да, в зависимости от
между состояниями
прихода нового сигнала изменения начальных
значений вектора
параметров
Не смотря на то, что при моделировании поведения узла выбран метод
нейронные сети, необходимо рассмотреть оба метода для более точного
определения достоинств и недостатков.
В
таблице
4
приведены
идентификаторы
состояний,
которые
используются в предлагаемом методе.
46
Таблица 4
Набор возможных состояний узла
Состояния
Идентификатор (для метода
нейронных сетей)
Receiver
0
Transmitter
1
Computer
2
Scavenger
3
В таблице 5 приведен набор параметров, влияющих на переход между
состояниями, которые должны быть учтены при моделировании.
Таблица 5
Набор параметров, влияющих на переход между состояниями
Описание вектора параметров
Имя параметра
Диапазон
значений
Уровень заряда аккумулятора
Energy
[-5;5]
Приоритет выполнения задачи
Task_Necessary
{1,2,3}
Тип задачи по энергозатратности
(стандартное, затратное, простое)
Task_EnergyNeeds {1,2,3}
Расстояние до соседнего узла
Distance_To_Node {0,1,2,3,4}
Флаг завершения вычислений
End_Computing
{0, 1}
Флаг завершения передачи
End_Transmitting
{0, 1}
Флаг появления задачи
Is_Task
{0, 1}
Флаг появления данных
Is_Data
{0, 1}
Разработка FCM необходима для более качественного описания метода
функционирования узла сенсорной сети с помощью нейронных сетей. У обоих
методов есть особенности, которые будут рассмотрены в текущем разделе.
47
В случае использования FCM, переход из одного состояние в другое
происходит по приходу конкретного сигнала, например, уменьшению значения
параметра Energy, то есть, когда Energy становится меньше порогового
значения (рис.1). В случае нейронных сетей, смена состояний происходит после
оценки всего вектора параметров одновременно. То есть, если наряду с
уменьшением энергии, пришла новая задача, требующая срочной передачи или
вычисления, узел перейдет п состояние Node_Transmitter, Node_computer, а не
Node_Scavenger. Для того, чтобы грамотно описать подобную ситуацию с
помощью конечного автомата, требуется использовать недетерминированный
автомат, разработка которого гораздо более трудоемка, чем использование
метода нейронных сетей. В случае использования нейронных сетей, задача
сводится к линейной задаче классификации и субъективно является более
легким способом решения поставленной задачи. Но этап разработки конечного
автомата необходим для более точного понимания разрабатываемого
алгоритма функционирования узла сети.
Node_Sca
venger
Energy == max_energy
Energy <= min_energy
Is_Data == 1
INIT
Node_Rec
eiver
(Is_Task == 1) &&
(Eneggy<=min_ener
gy)
Energy <=
min_energy
Node
Is_Task ==
1
Energy <= min_energy
End_Transmitting
== 1
Energy <=
min_energy
Node_Co
mputer
Node_Tra
nsmitter
(End_Computing == 1) ||
(Distance_To_Node <=2 )
Рисунок 8 – Алгоритм управления узлом сети в форме FCM
48
5.5
Модель подзарядки узла
Периодом подзарядки считается количество раундов, которое узел
находится в состоянии Scavenger и не выполняет других действий
соответственно. Подход считается субъективным и выбран для того, чтобы
четко разделить энергопотребление узлов в различных состояниях. То есть,
наиболее удобно провести моделирование.
В
реальности
технически
возможна
подзарядка
устройства
и
одновременное выполнение стандартных функций, но реализация подобного
подхода на данный момент, в рамкам проводимого исследования, не
произведена. Это является одним из ограничений модели, приведенных в
разделе Ограничения разработанной модели.
Такой сценарий процесса
подзарядки является авторским допущением и выбран для упрощения процесса
моделирования.
На данный момент подзарядка происходит в момент, когда сочетание
параметров из табл. 4 характерно для состояния Scavenger. За каждый раунд
узел повышает значение энергии на величину, равную E0*0.05 в Дж, где E0 –
начальное значение энергии узла в Дж, которое различно для узлов сети
различных типов. То есть, если изначально узел не обладает большим запасом
энергии (имеет скромные технические характеристики), то и заряжаться он
будет на меньшее количество Дж за раунд, чем соседние узлы, технические
характеристики которых выше.
За каждый раунд узел подзаряжается на фиксированное количество Дж,
то есть не происходит зарядка аккумулятора до максимального уровня. Таким
образом, если узел сильно разряжен, то ему потребуется несколько раундов для
того, чтобы зарядиться. Данный метод подзарядки выбран для того, чтобы
приблизить процесс подзарядки к реальности, и одновременно упростить
моделирование сенсорной сети.
5.6
Описание модели
Входные данные:
49

размеры помещения;

количество узлов в помещении;

закон распределения узлов;

начальный запас энергии узлов;

константы для расчета формул в соответствии с протоколом;

параметры передатчика и приемника.
Выходные данные:

значения энергии, оставшейся на узлах сети;

количество переданных пакетов;

количество узлов, энергия которых исчерпана раньше заявленного
количества раундов работы.
Функции:

инициализация входных данных;

создание, обучение нейронной сети;

инициализация сенсорной сети;

анализ параметров узлов;

выбор состояния для каждого узла сети;
С
точки
зрения
технико-экономических
показателей,
ожидается
снижение энергопотребления за счет использования энергоэффективного
алгоритма, поддерживающего Заимствование энергии окружающей среды.
Сравнение
производится
с
протоколом
LEACH,
дополненным
Заимствованием энергии от окружающей среды.
Узлами сети самостоятельно выбирается 1 из 4 состояний: computer,
receiver, transmitter, scavenger в зависимости от текущего значения параметров
узлов сети. Параметры узлов в зависимости от текущего состояния хранится на
узле в виде атрибутов выбранного класса. В зависимости выбранного состояния
один из блоков атрибутов активируется, а остальные блокируются. Выбор
состояния узла в текущий момент времени производится методом нейронных
сетей, в зависимости от параметров узла в текущий момент и параметров
50
задачи, которая требует вычислений. После завершения обучения, сенсорная
сеть самостоятельно подберет параметры в соответствии с возможной энергией
от окружающей среды и требований задачи в любой момент времени.
Разработана диаграмма классов модели беспроводной сети с поддержкой
распределенных вычислений приведена на рис.9.
Room
-GetSignalFrom
Enviroment
-Temperature : double = 25
-Motions : double = 0
-Size_x : int
-Size_y : int
1
IsLocated
1
-Scavenge from
1
1
NodeScavenger
-energyScavenged : int = 0
-deadSvavengers : int = 0
+spendEnergyScavenger() : double
NodeComputer
Node
-distanceToNeighbour : double
-energy : double
-probabilityReceiver : char = 0,25
-probabilityTransmitter : char = 0,25
-probabilityComputer : char = 0,25
-probabilityScavenger : char = 0,25
-memory : double = 1000
-xCoord : double
-yCoord : double
NodeReceiver
-receivedPachages : int = 0
-deadReceivers : int = 0
+spendEnergyReceiver() : double
-deadComputers : int = 0
+Calculate() : double
+spendEnergyComputer() : double
«signal»-Sensor1()
«signal»-Sensor2()
«signal»-Sensor3()
«signal»-Sensor4()
«signal»-Sensor5()
1
NodeTransmitter
-packageToNode : int = 0
-packagesToSink : int = 0
-deadTransmitters : int = 0
+spendEnergyTransmitter() : double
1
1
11
-Has a
-Include
Task
-taskNessesary : char = 0
-taskMemoryRequirements : double = 0
-Receive
1
1
-Transmit
Package
1
-isData : bool = 0
-isTask : bool = 0
-packageSize : double = 0
Рисунок 9 – Диаграмма классов модели беспроводной сети с поддержкой
распределенных вычислений
Согласно рис. 9, классом является базовым классом Node. Расширенные
классы NodeScavenger, NodeComputer, NodeReceiver, NodeTransmitter вступают
в отношение обобщения с базовым классом Node.
Окружающая среда, в которой находится узел, обозначена классами
Room и Enviroment и связана с классом Node. Можно сказать, что класс Room
включает в себя несколько узлов и, таким образом, вступает в отношение
51
агрегации с классом Node. Класс Enviroment взаимодействует, как с
NoseScavenger (в процессе подзарядки), так и с Node (в процессе сбора данных
датчиками узла).
Класс Task находится в отношении ассоциации с NodeComputer и классом
Package. Класс Task характерен только для состояния NodeComputer, поскольку
вычисление задачи недопустимо при нахождении узла в других состояниях,
аналогично тому, как описывается процесс подзарядки узла в разделе Модель
подзарядки узла главы 5 (узел не может заряжаться, находясь не в состоянии
NoseScavenger). Отношение ассоциации с классом Package объясняется тем,
что сама задача передается по сети в структуре широковещательного пакета.
Класс Package находится в ассоциирован только с классами NodeReceiver
и NodeTransmitter, поскольку, находясь в одном из этих состояний, узел может
принимать или передавать пакеты с данными.
Предлагаемый метод для беспроводной сети можно разбить на шаги,
представленные на рис. 10.
52
Определение параметров
Создание нейронной сети
Обучение нейронной сети
Создание сенсорной сети
(инициализация полей)
Первичное распределение ролей
между узлами сенсорной сети
Определение значений полей узлов
сенсорной сети (цикл по всем)
Проверка «умерших» узлов
Изменение значений полей узлов
сенсорной сети (цикл по всем)
Вызов нейронной сети для
определения типов узлов (цикл по
всем)
Зарядка
Передача
Прием
Вычисления
Рисунок 10 – Шаги разработанного метода для беспроводной сенсорной сети
5.7
Ограничения эксперимента на модели

не поддерживается подзарядка узла совместно с другими режимами
работы;

учтены не все физические характеристики канала передачи данных;

используются модельные значения заимствования энергии, которые
получает узел;

экспериментальная модель требует уточнений;

сравнение с существующим протоколом весьма условно, необходимо
стандартизировать проводимые измерения.
53
5.8
Эксперимент
Входные параметры
Параметры для расчета расхода энергии приведены в таблице 6 и
являются не неизменяемыми. Эти параметры используются для расчета расхода
энергии в протоколе LEACH, с которым производится сравнение. Расчет
расхода энергии происходит по формуле (8), согласно которой текущее
значение энергии уменьшается на величину, зависящую от параметра distance.
Параметр distance, в свою очередь, изменяется в зависимости от расположения
узлов по формуле (8).
Таблица 6
Данные для расчета расхода энергии
ETX
50*0.000000001;
ERX
50*0.000000001
Efs
10*0.000000000001
Emp
0.0013*0.000000000001
EDA
5*0.000000001
𝑁𝑜𝑑𝑒(𝑖). 𝐸𝑛𝑒𝑟𝑔𝑦 = 𝑁𝑜𝑑𝑒(𝑖). 𝐸𝑛𝑒𝑟𝑔𝑦 − ((𝐸𝑇𝑋 + 𝐸𝐷𝐴)(4000)𝐸𝑚𝑝 ∗ 4000 ∗
( 𝑑𝑖𝑠𝑡𝑎𝑛𝑐𝑒 ∗ 𝑑𝑖𝑠𝑡𝑎𝑛𝑐𝑒 ∗ 𝑑𝑖𝑠𝑡𝑎𝑛𝑐𝑒 ∗ 𝑑𝑖𝑠𝑡𝑎𝑛𝑐𝑒))
(8)
𝑑𝑖𝑠𝑡𝑎𝑛𝑐𝑒 =
√(𝑁𝑜𝑑𝑒(𝑖). 𝑥𝑑 − 𝑁𝑜𝑑𝑒(𝑛 + 1). 𝑥𝑑)2 + (𝑁𝑜𝑑𝑒(𝑖). 𝑦𝑑) − (𝑁𝑜𝑑𝑒(𝑛 + 1). 𝑦𝑑)2
(9)
В процессе исследования разработанной модели планируется изменять
следующие входные параметры для того, чтобы выявить тенденцию в
расходовании энергии сетью:

плотность узлов;

количество узлов:

число раундов работы;
54
К примеру, расположение и плотность узлов может варьироваться от 9
узлов, представленного на рис. 11 до 40 узлов и плотности их расположения,
представленной на рис. 12.
Рисунок 11 – Расположение узлов сенсорной сети для n=9
Рисунок 12 – Расположение узлов сенсорной сети для n=40
55
Исследовать и проводить сравнение предложенного метода на основе
нейронных сетей и существующего протокола LEACH предлагается путем
оценки следующих выходных характеристик:

суммарные значения энергии, оставшейся на узлах сети в
зависимости от изменяющихся входных параметров;

количество узлов, энергия которых исчерпана раньше заявленного
количества раундов работы.
Результаты эксперимента
Результаты эксперимента приведены по пунктам:
1.
Зависимость остаточной энергии от количества и плотности
расположения узлов.
2.
Зависимость остаточной энергии от увеличения площади
помещения.
3.
Зависимость остаточной энергии от количества раундов.
Зависимость энергии от количества узлов
Изменяемым параметром в этом случае является количество узлов
моделируемой сети при неизменяемой площади помещения, в котором они
находятся. То есть исследуется повышение плотности расположения узлов
сенсорной сети. Также, в зависимости от количества узлов, меняется
количественное соотношение между узлами различных типов: NodeScavenger,
NodeReceiver, NodeTransmitter, NodeComputer, за счет чего изменяются данные
потребления энергии.
Исследование закономерностей проводится в соответствии с исходными
данными из таблицы 7.
Таблица 7
Данные для исследования зависимости энергии от числа узлов
Количество узлов
9
Размер помещения
10х20
Число раундов
50
15
20
25
30
40
45
56
Результаты исследования приведены в таблице 8, которой соответствует
график на рис.13.
Метод 1 – разрабатываемый метод с поддержкой распределенных
вычислений, метод 2 – метод без поддержки распределенных вычислений на
основе протокола LEACH.
Таблица 8
Результаты исследования
Число узлов
Метод
1
Метод
2
9
Остаток энергии,
20
25
30
40
45
29,46 46,08 62,08 79,42 98,9
130,5 148,8
«Мертвых» узлов
0
0
Остаток энергии,
9,204 15,94 20,65 26
30,62 41,08 46,61
0
0
Дж
0
0
0
0
0
Дж
«Мертвых» узлов
Остаточная энергия, Дж
15
0
0
0
160
140
120
100
80
60
40
20
0
0
0
Метод 1
Метод 2
0
10
20
30
Количество узлов
40
50
Рисунок 13 – График зависимости энергопотребления сети от плотности
расположения узлов для Метода 1, Метода 2
57
Исходя из полученных результатов в таблице 9, можно сделать вывод, что
с увеличением количества узлов сенсорной сети, которые способны
подзаряжаться от окружающей среды, растет количество энергии на узлах
сенсорной сети, остающееся после истечения заявленного количества раундов.
То есть, с точки зрения энергоэффективности, выгодно повышать плотность
расположения узлов сенсорной сети.
Зависимость остаточной энергии от увеличения площади помещения
Изменяемым параметром в этом случае является площадь помещения, где
располагаются узлы сенсорной сети. Причем, количество узлов моделируемой
сети остается неизменным. То есть исследуется понижение плотности
расположения
узлов
сенсорной
сети.
Исследование
закономерностей
проводится в соответствии с исходными данными из таблицы 9.
Таблица 9
Данные для исследования зависимости энергии от площади помещения
Количество узлов
30
Размер помещения, 5х5 5х10 10х10 10х20 10х30 20х20 20х30 30х40
м
Площадь, м2
25
Число раундов
50
50
100
200
300
400
600
1200
Метод 1 – разрабатываемый метод с поддержкой распределенных
вычислений, метод 2 – метод без поддержки распределенных вычислений на
основе протокола LEACH.
Результаты позволяют сделать вывод о том, что площадь помещения от 50
до 150 м2. Пи дальнейшем увеличении плотность узлов уменьшается и
энергопотребление возрастает. Об этом свидетельствует возрастающий график
до значения 150 м2 и убывающий после этой границы.
Таким образом, с точки зрения энергоэффективности, для распределения 30
узлов выгодно выбирать размер помещения что площадь помещения от 50 до
150 м2.
58
Результаты исследования приведены в таблице 10, которой соответствует
график на рисунке 14.
Таблица 10
Результаты исследования
Метод
1
Метод
2
Площадь, м2
25
50
Остаток энергии,
96.61
98.14 99.64 99.16 97.5169 94.25
«Мертвых» узлов
0
0
0
Остаток энергии,
30.6642
30.9
30.75 30.49 30.8887 30.89
0
0
0
100
200
300
400
Дж
0
0
0
Дж
«Мертвых» узлов
0
0
0
Остаточная энергия, Дж
120
100
80
Метод 1
60
Метод 2
40
20
0
0
100
200
300
Площадь помещения
400
500
Рисунок 14 – График зависимости энергопотребления сети от площади
помещения для Метода 1, Метода 2
Зависимость остаточной энергии от количества раундов
Изменяемым параметром в этом случае является количество раундов
моделируемой сети при неизменяемой площади помещения и количестве узлов
в сети. То есть, исследуется расход энергии в зависимости от времени ее
работы. Логичным будет предположить, что при увеличении раундов, сеть
59
будет расходовать больше энергии. Но необходимо исследовать на сколько
сильно влияет на энергопотребление наличие возможности заимствования
энергии от окружающей среды, а также сравнить значения остаточной энергии
сравниваемых подходов.
Метод 1 – разрабатываемый метод с поддержкой распределенных
вычислений, метод 2 – метод без поддержки распределенных вычислений на
основе протокола LEACH.
Исследование закономерностей проводится в соответствии с исходными
данными из таблицы 11.
Таблица 11
Данные для исследования зависимости энергии от числа раундов
Количество узлов
30
Размер помещения, м
10х20
Число раундов
15
25
50
100
200
300
400
Результаты позволяют сделать вывод о том, что с увеличением
количества раундов работы сенсорной сети и наличии заимствования энергии,
энергопотребление падает, а при достижении 400-500 раундов начинает
повышаться. Об этом свидетельствует возрастающий график остаточной
энергии на узлах сети от количества раундов работы. То, есть полученный
результат не совпадает с ожидаемым.
Интересно заметить, что после достижения количества раундов значения
100, рост выигрыша в энергопотреблении замедляется.
Таким образом, с точки зрения энергоэффективности, выгодно повышать
количество раундов примерно до значения 350.
Полученные результаты приведены в таблице 12 и на рис. 15, 16.
60
Таблица 12
Результаты исследования
Количество
15
25
50
100
200
300
400
раундов
Остаток
Метод 1
64,94 75,25 95,96 116,27 121,07 122,58 121,92
энергии, Дж
«Мертвых»
0
0
0
0
0
0
0
узлов
Остаток
Метод 2
20,06 22,75 30,84 56,72
190,65 649,48 2196
0
0
энергии, Дж
«Мертвых»
0
0
0
0
0
узлов
Остаточная энергия, Дж
140
120
100
80
60
40
20
0
0
100
200
300
Количество раундов
400
500
Рисунок 15 – График зависимости энергопотребления сети от количества
раундов для Метода 1
61
Остаточная энергия, Дж
2500
2000
Метод 1
1500
Метод 2
1000
500
0
0
100
200
300
400
Площадь помещения
500
Рисунок 16 – График зависимости энергопотребления сети от количества
раундов для Метода 1, Метода 2
Применение беспроводных сенсорных сетей широко распространено в
современном мире и предоставляет существенные преимущества, среди
которых: оперативность и простота развертывания и обслуживания сети,
надежность и отказоустойчивость, легкая масштабируемость, стойкость к
электромагнитным
помехам,
длительное
время
автономной
работы,
возможность зарядки аккумулятора от окружающей средыВ выпускной
квалификационной работе исследуется возможность организации вычислений
непосредственно на самих узлах передачи данных, для того чтобы отойти от
клиент-серверной модели в пользу децентрализованной модели сети,
поддерживающей
распределенные
вычисления.
Таким
образом,
разрабатываемая модель сети содержит узлы передачи данных, которые
взаимодействуют преимущественно между собой, а не с сервером, и
отправляют данные без участия координатора.
Исследования в области БСС ведутся, в основном, с целью разработать
наиболее энергоэффективные протоколы маршрутизации, которые стремятся
решить проблему неравномерного потребления энергии узлами сети. Во всех
энергоэффективных протоколах используется динамическая реконфигурация
62
топологии сети. В предложенном методе также использована динамическая
реконфигурация, так как состояние, в котором находится каждый узел
сенсорной сети изменяется с течением времени, и это изменение влияет на
состояние сети.
В
работе
исследуется
проблема
актуальности
выполнения
распределенных вычислений в беспроводной сенсорной сети. Реализованная
модель с поддержкой распределенных вычислений, в рамках эксперимента,
имеет ограничения, которые касаются физической составляющей передачи
данных. Подробно ограничения описаны в разделе 5.7 Ограничения
эксперимента на модели [Глава 5]. В связи с этим необходимо уделить
дополнительное внимание доработки модели беспроводной сенсорной сети
распределенных вычислений.
63
ЗАКЛЮЧЕНИЕ
Разработана модель БСС и метод для модели, которые содержат
следующие наиболее важные аспекты:

все узлы равноправны;

узлы могут подзаряжаться от окружающей среды;

вычисления производятся непосредственно на самих узла;

метод распределения нагрузки между узлами выбирается с
помощью математического аппарата ТАУ;
Объектом исследования является алгоритм взаимодействия узлов
беспроводной сенсорной сети.
Предметом
исследования
является
возможность
организации
энергоэффективных распределенных вычислений, а также актуальность их
применения именно в сенсорной сети.
Теоретическая значимость работы заключается в разработке основ
имитационного моделирования динамического распределения вычислительной
нагрузки на узлы сенсорных сетей, способных подзаряжаться от окружающей
среды, которые включают:
1.
Вывод о том, что текущие энергоэффективные протоколы для
сенсорных сетей не учитывают подзарядку узлов сенсорной сети от
окружающей среды.
2.
Новое
определение
распределенных
вычислений
в
рамках
беспроводной сенсорной сети, которое позволяет исследовать сенсорную
сеть с точки зрения энергопотребления в случае наличия возможности
подзарядки узлов от окружающей среды.
3.
Модель беспроводной сенсорной сети, позволяющая оценивать
потребление энергии узлами сенсорной сети, в зависимости от
изменяющихся характеристик сети.
64
4.
Метод распределения вычислительной нагрузки на узлы сенсорной
сети, позволяющий решить задачу распределения нагрузки с помощью
нейронных сетей, как одного из методов машинного обучения.
Научная новизна работы заключается в следующем:
1.
Дано определение распределенных вычислений в беспроводной
сенсорной сети, позволяющее выполнять вычисления непосредственно
узлами сенсорной сети.
2.
Разработана модель беспроводной сенсорной сети в форме
конечного автомата, которая, во-первых, учитывает основные параметры
беспроводной сенсорной сети, во-вторых, позволяет подзаряжать узлы от
окружающей среды, в-третьих, позволяет динамически распределять
вычислительную нагрузку на узлы сенсорной сети.
3.
Разработан
энергоэффективный
метод
распределения
вычислительной нагрузки на узлы сенсорной сети, для изменяющихся
входных данных, позволяющий решить задачу энергоэффективной
работы
сети,
поддерживающей
распределенные
вычисления
и
подзарядку от окружающей сети.
65
СПИСОК ЛИТЕРАТУРЫ
1. Инструмент имитационного моделирования AnyLogic: обзор //AnyLogic
web site. —
URL: http://www.anylogic.ru/overview (Дата обращения
16.05.2015).
2. Fengchao С. Single sink node placement strategy in wireless sensor networks//
Electric Information and Control Engineering – 2011. – р. 1700 – 1703.
3. Tao L. Improvement for LEACH Algorithm in Wireless Sensor Network
Industrial Electronics and Applications, the 5th IEEE Conference 2010 p.15-17.
4. Gerhard P. Hancke, C. Leuschner J., SEER: A Simple Energy Efficient Routing
Protocol for Wireless Sensor Networks// University of Pretoria, Reviewed Article
— SACJ – 2007 – №39.
5. Ahvar E., Pourmoslemi A., Piran Md. J. FEAR A Fuzzy-based Energy-Aware
Routing Protocol for Wireless Sensor Networks// International Journal of
Communications, Network & System Science – 2011. – №4 – p. 403 – 415.
6. Kiran M., Kamal K., Nitin G. Wireless Sensor Network: A Review on Data
Aggregation// International Journal of Scientific & Engineering Research – 2011.
– Vol. 2, Issue 4. – p.1–6.
7. Косяков М.С. Распределенные вычисления// НИУ ИТМО С-Петербург
2014 – 155 с.
8. Жердев А.В. Вызов удаленных процедур в сенсорных сетях решетчатой
архитектуры: дисс. канд. техн. наук: 2009 / А.В. Жердев, Москва 2009. —
123 с.
9. Ting D., Haiping H., Yang L., Ruchuan W., Xinxing P. Research on Migration
Strategy of Nobile Agent in Wireless Sensor Network//International Journal of
Distributed Sensor Networks – 2013. – article ID 642986.
10. Майская В. Альтернативные источники энергии. Освоение "даровой"
энергии// Электроника: НТБ — 2009. — №8 — с. 72-21.
11. Silicon Labs Energy Harvesting Applications // Silicon Labs Home page. –
URL: www.silabs.com/energy-harvesting (Дата обращения 15.05.2015).
66
12. Нечай О. Еnergy harvesting: энергия из ничего// Компьютерра
электронный журнал. — URL: http://www.computerra.ru/65628/energyharvesting-energiya-iz-nichego/ URL: (Дата обращения 10.05.2015).
13. Cherry // Cherry Home page. – URL: http://cherryswitches.com/us/ (Дата
обращения 17.05.2015).
14. Wibrate // Wibrate Home Page. – URL: http://wibrate.eu/ (Дата обращения
17.05.2015).
15. ZigBee Green Power User Guide // NXP Semiconductors. – URL:
http://www.nxp.com/documents/user_manual/JN-UG-3095.pdf
(Дата
обращения 05.05.2015).
16. Баскаков С. Беспроводные сенсорные сети на базе платформы
Meshlogic// Электронные компоненты — 2008. — №8. — с. 65—69.
17. Paradiso J. A., Starner T. Energy Scavenging for Mobile and Wireless
Electronics // PERVASIVE computing – 2005. – p.18–36.
18. Системы диспетчерского управления и сбора данных // SCADA-системы.
— URL: http://www.mka.ru/?p=41524 (Дата обращения 10.05.2015).
19. Boisseau S. Energy harvesting, wireless sensor networks & opportunities for
industrial
applications
//
Boisseau
S.
–
URL:
http://www.embedded.com/design/smart-energy-design/4237022/Energyharvesting--wireless-sensor-networks---opportunities-for-industrial-applications
(Дата обращения 17.05.2015).
67