一项基于强化学习的新型中等访问政策,用于收集能源的水下传感器网络
Çiğdem Eriş1, Ömer Melih Gül1,2, Pınar Sarısaray Bölük3,4
1Department of Computer Engineering, Bahcesehir University, Istanbul 34353, Turkey.
Sensors (Basel, Switzerland)
|September 14, 2024
概括
这项研究提高了水下传感器网络的寿命,使用压电能收获和一种新的多代理增强学习算法. 这种方法优化了TDMA时间段,大大提高了传感器的运行寿命和网络性能.
科学领域:
- 海洋技术 海洋技术
- 传感器网络 传感器网络
- 收集能源 收集能源
背景情况:
- 水下声学传感器网络 (UASN) 对于海底勘探和长期任务至关重要.
- 电池依赖性限制了水下无线传感器网络的运行寿命.
- 有效的能源管理对于持续的水下运营至关重要.
研究的目的:
- 通过优化TDMA时段调度来最大限度地提高UASN中收集的能量.
- 通过智能能源管理,延长水下传感器的使用寿命.
- 调查压电能收获和空间资源不确定性对网络性能的影响.
主要方法:
- 研究了压电能量采集的随机模型,考虑到水下资源的空间不确定性.
- 一个新的多代理强化学习 (MARL) 算法被提议用于自主TDMA时段调度.
- 马尔算法使传感器节点能够根据实时能源采集条件调整通信槽.
主要成果:
- 节能能源采集改善了网络寿命指标:第一节点死亡 (FND) 的4%,半节点死亡 (HND) 的14%,最后节点死亡 (LND) 的22%.
- 收获意识的TDMA-RL方法进一步提高了HND的17%和LND的38%.
- 拟议的方法提高了集群内部通信时间间隔的利用率,在吞吐量和能源采集效率方面超过了传统方法.
结论:
- 开发的采集意识的TDMA-RL方法显著延长了水下声学传感器网络的运行寿命.
- 基于能源采集条件的通信槽的自主调整是提高网络效率的关键.
- 这项研究为依赖电池的水下无线传感器网络的能源管理提供了强大的解决方案.
