استراتژی هوشمند و انرژی کارآمد اطفای حریق در شبکه‌های حسگر بی‌سیم متحرک

پژوهشگران در سال‌های اخیر با افزایش دامنه آتش‌سوزی‌ها و به‌همراه آن تخریب گسترده محیط زیست و مناطق شهری پرتراکم، به به‌کارگیری راهکارهای سریع و موثر در مقابله با حریق، به‌ویژه براساس شبکه‌های حسگر بی‌سیم توجه ویژه‌ای داشته‌اند. درواقع، با تحلیل داده‌های آماری مختلف و طراحی یک مدل نوین از حسگرها، تجهیزات و تکنولوژی‌های هوشمند در یک شبکه حسگر آتشنشان می‌توان گام موثری در راستای کنترل آتش‌سوزی‌های مکرر در سطح گسترده و نیز کاهش خسارت‌های زیست‌محیطی آن برداشت. در مدل پیشنهادی، حسگرهای متحرک یا روبوت‌های اطفای حریق بر پایه الگوریتم یادگیری فازی کیو و به کمک دو سیاست یادگیری کامل و جزئی در شبکه حسگر به محاصره آتش در عملیات اطفای حریق قادر خواهند بود. در این مدل، محدودیت‌های انرژی در حسگرهای متحرک نیز با طراحی مسئله بهینه انتخاب مُد عملکرد و با فرض قابلیت برداشت انرژی‌های محیطی قبل از کنترل حرکت به سمت حریق در نظر گرفته شده‌اند که با محاسبه کران‌های بالا و پایین برای تعداد حسگرهای ثابت فعال در تصمیم‌گیری مشارکتی، میزان مطلوب احتمالات آشکارسازی و اعلام اشتباه حریق نیز تضمین‌شدنی است. نتایج شبیه‌سازی‌های کامپیوتری، موثربودن اعمال چنین راهکاری در انتخاب بهینه حسگرهای متحرک و همچنین تعیین مسیر حرکت در اطفای سریع حریق را نشان می‌دهند.

An Intelligent EnergyEfficient Firefighting Strategy in Mobile WSNs

With the increased scope of fires and the widespread destruction of the environment and densely populated urban areas in recent years, researchers have investigated the adoption of rapid and effective firefighting solutions, particularly those based on wireless sensor networks (WSNs). In fact, by evaluating various statistical data and developing a new model of sensors, equipment, and intelligent technologies in a fire sensor network, an effective step toward controlling frequent fires on a wide scale and reducing environmental damage can be taken. In the proposed model, the mobile sensors or firefighting robots based on a fuzzy Qlearning (FQL) algorithm and using two learning strategies in the sensor network, namely partial and perfect, could be used to  surround fire in firefighting operations. We also formulate a sensor mode selection strategy as an optimization problem to maximize the lifetime of the energy harvestingenabled WSN. Furthermore, we determine optimal upper and lower bounds for the number of active sensors in the fire detection system, guaranteeing that the target detection and false alarm probabilities are achieved. Computer simulations show that using such a solution in the optimal selection of moving sensors and determining the moving trajectory in rapid firefighting is effective.