نشان دادن استراتژی شارژ مبتنی بر تقاضا برای انتقال انرژی بی سیم توسط پهپاد با کمک الگوریتم gbo و منطق فازی در wrsn

تعداد گسترده‌ای از گره‌های حسگر با انرژی محدود با پراکندگی در یک منطقه محدود جغرافیایی در شبکه‌های سنسور بی‌سیم وجود دارد. افزایش طول عمر شبکه از مسائلی است که در این شبکه‌ها بیش از همه مورد توجه است. شارژ مستمر و بیسیم از اشکالی است که طول عمر شبکه را افزایش می‌دهد. در صورتی که شبکه‌های سنسور شارژپذیر، بیسیم باشند (wrsn)، جبران انرژی گره‌های حسگر بدین شکل است که یک شارژر متحرک (mc)از طریق یک رسانه بیسیم بکار می‌رود. یکی از چالشهای مهم در این حوزه این است که یک راهبرد شارژ برای طولانی کردن بهینه طول عمر شبکه طراحی شود. این مقاله به دنبال ارائه راهبرد شارژ تقاضامحور به کمک پهباد است که برای شبکه‌های سنسور قابل شارژ بی‌سیم کاربرد دارد. نیل به این حاصل، در وهله اول مستلزم استفاده از الگوریتم خوشه‌بندی k-means است تا سنسورها را طبق محل آنها خوشه‌بندی کند. در گام بعد، خوشه‌های حاصل شده، به کمک سیستم منطق فازی، طبق پارامترهای میانگین درصد توان باقیمانده در باتری گره‌های سنسور و تعداد سنسورها و بخصوص سنسورهای بحرانی معد اخذ شارژ و فاصله مرکز خوشه با ایستگاه شارژ mc برای هر خوشه اولویت‌بندی می‌شود. در ادامه، یک الگوریتم مسیریابی که بر کوتاهترین و بحرانی‌ترین مسیر در هر خوشه تمرکز دارد، برای انتخاب گره‌های حسگر بحرانی، موقعیت‌های پهپاد را نشان می‌دهد. برای اینکه بتوان درون خوشه‌ها، مسیریابی کرد از الگوریتم بهینه‌سازی مبتنی بر گرادیان (gbo) استفاده شد. آزمودن کارکرد طرح پیشنهاد شده، تحت matlab، مطالعه موردی نسبت به شبکه حسگر قابل شارژ بیسیم صورت گرفت.

demonstrating a demand-based charging strategy for wireless energy transfer by uav with the help of gbo algorithm and fuzzy logic in wrsn

wireless sensor networks (wsns) comprise many geographically dispersed, energy-limited sensor nodes. one major challenge these networks face is maintaining their network lifetime. a promising solution to extend this lifetime is wirelessly charging the sensors. in order to address this, a mobile charger (mc) can be deployed to wirelessly replenish the energy of sensor nodes in wireless rechargeable sensor networks (wrsns). however, designing an efficient charging scheme that maximizes network lifetime remains complex.this paper proposes a demand-based charging method for wrsns using unmanned aerial vehicles (uavs). initially, sensors are grouped based on their geographic locations using the k-means clustering technique. following this, a fuzzy logic system prioritizes these clusters by evaluating parameters such as the average battery life remaining in sensor nodes, the number of sensors, critical sensors requiring immediate charging, and the distance between each cluster's center and the mc charging station. hence, a routing algorithm selects the crucial sensor nodes in each cluster by identifying the shortest and most vital paths. the gradient-based optimization (gbo) algorithm is applied to improve intracluster routing efficiency.our proposed method has been rigorously tested in a matlab case study.