NGHIÊN CỨU VÀ PHÁT TRIỂN CÁC THUẬT TOÁN MỚI CHO TRUYỀN THÔNG TRONG MẠNG ROBOT NHẰM GIẢM NĂNG LƯỢNG TIÊU THỤ VÀ NÂNG CAO THỜI GIAN PHỤC VỤ CỦA MẠNG

ĐẠI HỌC THÁI NGUYÊN TRƯỜNG ĐẠI HỌC KỸ THUẬT CÔNG NGHIỆP BÁO CÁO TÓM TẮT ĐỀ TÀI KHOA HỌC VÀ CÔNG NGHỆ CẤP ĐẠI HỌC NGHIÊN CỨU VÀ PHÁT TRIỂN CÁC THUẬT TỐN MỚI CHO TRUYỀN THƠNG TRONG MẠNG ROBOT NHẰM GIẢM NĂNG LƯỢNG TIÊU THỤ VÀ NÂNG CAO THỜI GIAN PHỤC VỤ CỦA MẠNG Mã số: ĐH2017-TN02-05 Chủ nhiệm đề tài: TS Nguyễn Tuấn Minh Thái Nguyên, 6/2019 ĐẠI HỌC THÁI NGUYÊN TRƯỜNG ĐẠI HỌC KỸ THUẬT CÔNG NGHIỆP BÁO CÁO TĨM TẮT ĐỀ TÀI KHOA HỌC VÀ CƠNG NGHỆ CẤP ĐẠI HỌC NGHIÊN CỨU VÀ PHÁT TRIỂN CÁC THUẬT TỐN MỚI CHO TRUYỀN THƠNG TRONG MẠNG ROBOT NHẰM GIẢM NĂNG LƯỢNG TIÊU THỤ VÀ NÂNG CAO THỜI GIAN PHỤC VỤ CỦA MẠNG Mã số: ĐH2017-TN02-05 Xác nhận tổ chức chủ trì KT HIỆU TRƯỞNG PHĨ HIỆU TRƯỞNG PGS.TS Vũ Ngọc Pi Chủ nhiệm đề tài (ký, họ tên) TS Nguyễn Tuấn Minh Thái Nguyên, 6/2019 I Danh sách thành viên tham gia nghiên cứu đề tài Chủ nhiệm đề tài: TS Nguyễn Tuấn Minh Đơn vị: Trung tâm Hợp tác Đào tạo Quốc tế Các thành viên khác: Đơn vị công tác TT Họ tên lĩnh vực chuyên môn Đinh Văn Nghiệp Bộ mơn Tự động hóa, khoa Điện, ĐH KTCN Phan Thanh Hiền Bộ môn Điện tử Viễn thông, khoa Điện tử, ĐH KTCN Trần Anh Thắng Bộ môn Điện tử Viễn thông, khoa Điện tử, ĐH KTCN Trần Văn Linh Trung tâm sáng tạo sản phẩm, khoa Quốc tế, ĐH KTCN Vũ Quốc Đông Bộ mơn Kỹ thuật Điện Máy tính giảng dạy tiếng Anh, khoa Quốc tế, ĐH KTCN Nguyễn Đăng Bộ môn Cơ điện tử, khoa Điện tử, ĐH Hào KTCN Trần Quế Sơn Bộ môn Kỹ thuật Điện Máy tính giảng dạy tiếng Anh, khoa Quốc tế, ĐH KTCN II Mục lục MỞ ĐẦU … … … …… … …… …… … …… …… ……… ………… 1- Giới thiệu chung ……………………………………………………….3 2- Ứng dụng mạng cảm biến không dây kết hợp cảm biến di động robot ……… ……… ……… ………… ………… ……… ……5 2.1 Ứng dụng nông nghiệp …… ……… ……… ………… .5 2.2 Ứng dụng hỗ trợ y tế …… …… ……… ……… … …… 2.3 Ứng dụng giám sát khơi ……… ……… ……… ……… 2.4 Ứng dụng lĩnh vực quân ………… ……… … ……… 2.5 Ứng dụng hỗ trợ giám sát bảo vệ môi trường ………… …….10 2.6 Ứng dụng công nghiệp …… ……… ……… ……… … 12 3- Thách thức mạng cảm biến ……… ………… …… 13 4- Các phương pháp thu thập liệu mạng cảm biến không dây 16 4.1 Các phương pháp phân cấp ………… …… ……… …… … 17 4.2 Phương pháp thu thập mặt phẳng ……… …… ……… …… 21 4.3 Phương pháp thu thập liệu dựa vị trí ……… …… …… 28 5- Các phương pháp nghiên cứu phổ biến ……………… …… …32 6- Xây dựng tốn ……………………………………………………34 6.1 Cơng nghệ nén cảm biến ………………………………… … …34 6.2 Xây dựng hệ thống …………………………………………… 35 6.3 Thu thập liệu …………………………………………………36 6.4 Các robot trao đổi liệu ………… ………… …… ……… ….36 6.5 Các robot tiếp tục tạo mẫu nén cảm biến … ……… 37 6.6 Khôi phục liệu robot ………………………… …… 37 7- Thuật tốn điều khiển nhóm tiên tiến ……… … …… … …… … …37 8- Phân tích hệ thống …… ……… ……………… …………………… 43 8.1 Phân tích độ bao phủ giám sát …………… …………… ……… 43 III 8.2 Phân tích lượng tiêu thụ …… …………… ………… …… 44 8.3 Phân tích ma trận lấy mẫu ……… ………… ………… ……… 46 8.4 Phân tích thuật tốn CCMS ………………… ………… ……… 48 9- Một số kết triển khai mô ………………………………49 9.1 Kết thử nghiệm thuật tốn điều khiển nhóm … …… 49 9.2 Kết mô thực việc lấy mẫu khơi phục tín hiệu 50 KẾT LUẬN …… …… ……… … … …… …… …… …… …… … … 59 TÀI LIỆU THAM KHẢO ……… ……… …… ………… … … …….60 IV Danh mục bảng biểu, hình vẽ Hình 1: Mạng robot thu thập liệu vùng cảm biến (màu xanh), điều kiện có nhiều vật cản (màu đỏ) ……… …… ……………… ……… …4 Hình 2: Các hàm thực việc điều khiển đàn robot di chuyển miền cảm biến tránh vật cản (3 vật cản màu đỏ) …… ………… ………… …… 39 Hình 3: 50 cảm biến di động triển khai đơn vị vùng cảm biến (300 × 300) với phạm vi giao tiếp Rc = 60 …… … ……… … …… …… 41 Hình 4: Rovio robot thực thuật tốn điều khiển nhóm chạy nhà tránh vật cản ………… ………… ………… ………… … ……50 Hình 5: 50 robots triển khai miền cảm biến kích thước 300*300 Các hướng di chuyển đàn robots mô (xanh) miền cảm biến với 04 vật cản (đỏ) ………… ……… ……… ……… ……… … ….51 Hình 6: Số lượng POIs thu/đo liệu robot … ……… … 52 Hình 7: Thời gian hội tụ với hai nhóm robots khác nhau, nhóm 50 robots nhóm 100 robots, khác nhau……… … …… ……… ……… ……… 53 Hình 8: Tổng lượng tiêu thụ tương ứng với khoảng giao tiếp robots … …… ……… ……… ……… ……… …… … … ….54 Hình 9: Tổng lượng tiêu thụ tương ứng với số lượng mẫu cảm biến thu lượm toàn robots mạng … ………… … .…… ……… 55 Hình 10: Lỗi khơi phục liệu cảm biến tương ứng với số lượng mẫu cảm biến CS thu từ robot Kết so sánh nhiều nhóm với số lượng robots khác … ……… ……… ……… …… … …… …… 56 Hình 11: So sánh kết liệu khôi phục (màu xanh) liệu gốc (màu đỏ) … … ………… ………… ………… …………… ……… ….… 57 Hình 12: Hình 3D (a): đồ cảm biến gốc, (b) đồ khôi phục, (c) đồ thể lỗi khôi phục ………… ……………… …… …………… …… 58 V Danh mục chữ viết tắt AFC: Advanced Flocking Control – Điều khiển nhóm tiến tiến ANN: Artificial Neural Networks – Mạng nơ ron nhân tạo BS: Base Station – Trạm gốc CS: Compressive sensing – Nén cảm biến CCMS: Collaborative and Compressed Mobile Sensing – Liên kết cảm biến di động CH: Cluster Head – Trưởng nhóm/cụm DCT: Discrete Cosine Transform – Biến đổi Cosine rời rạc FWI: Fire Weather Index – Chỉ số báo cháy thời tiết IOT: Internet of Things – Vạn vật kết nối Internet IWSN: Industrial Wireless Sensor Networks – Mạng cảm biến không dây công nghiệp GPRS: General Packet Radio Service – Dịch vụ vơ tuyến gói tổng hợp GSM: Global System for Mobile communication – Hệ thống thông tin di động toàn cầu MS: Mobile Sensor – Bộ cảm biến di động MSN: Mobile Sensor Network – Mạng cảm biến di động POI: Points of Interest: Các điểm cần quan tâm SASA: Self-Aware Self-Adaptive sensors network – Mạng cảm biến không dây tự nhận thức WSN: Wireless Sensor Network – Mạng cảm biến không dây VI ĐẠI HỌC THÁI NGUYÊN Đơn vị: Trường ĐH KTCN THÔNG TIN KẾT QUẢ NGHIÊN CỨU Thông tin chung: - Tên đề tài: Nghiên cứu phát triển thuật toán cho truyền thông mạng robot nhằm giảm lượng tiêu thụ nâng cao thời gian phục vụ mạng - Mã số: ĐH2017-TN02-05 - Chủ nhiệm đề tài: TS Nguyễn Tuấn Minh - Tổ chức chủ trì: Trường Đại học Kỹ thuật Công nghiệp – Đại học Thái Nguyên - Thời gian thực hiện: 24 tháng Mục tiêu: Đưa số thuật toán phục vụ cho truyền thông mạng robot công việc thu thập thơng tin cảm biến Mục đích để giảm khối lượng phải di chuyển đàn robot giảm nhẹ lượng thông tin cần truyền robot Trên sở này, đàn robot giảm lượng tiêu thụ robot mạng robot Tính sáng tạo: - Thuật tốn giảm mạnh khối lượng di chuyển đàn robot - Dữ liệu truyền mạng robot giảm mà đảm bảo chất lượng thu thập liệu - Mạng robot khơng cần trì kết nối liên tục mạng cũ Kết nghiên cứu: - Thuật toán triển khai sở mô thực nghiệm - Các kết vượt trội đưa - Khắc phục, cải thiện thuật tốn trước Sản phẩm: 5.1 Sản phẩm khoa học: Hai báo quốc tế (trong có SCI) a M T Nguyen, H M La and K A Teague (2018), "Collaborative and Compressed Mobile Sensing for Data Collection in Distributed Robotic Networks", IEEE Transactions on Control of Network Systems, vol 5, no 4, pp 1729-1740 b Minh Nguyen (2018), "Advanced Flocking Control Algorithms in Mobile Sensor Networks," ICSES Interdisciplinary Transactions on Cloud Computing, IoT, and Big Data (IITCIB), vol 2, no 4, pp 4-9 5.2 Sản phẩm đào tạo Phương thức chuyển giao, địa ứng dụng, tác động lợi ích mang lại kết nghiên cứu: Các sản phẩm làm tài liệu tham khảo cho giảng viên sinh viên Ngày 20 tháng năm 2019 Tổ chức chủ trì KT HIỆU TRƯỞNG PHÓ HIỆU TRƯỞNG Chủ nhiệm đề tài PGS.TS Vũ Ngọc Pi TS Nguyễn Tuấn Minh (ký, họ tên) VII INFORMATION ON RESEARCH RESULTS General information: Project title: Research on developing new algorithms for data transmission in robotic networks to reduce energy consumption and prolong the network lifetime Code number: DH2017-TN02-05 Principal Investigator: Nguyen Tuan Minh Institution: Thai Nguyen University of Technology - Thai Nguyen University Duration: from 6/2017 to 6/2019 Objective(s): Propose new algorithms for data communication in robotic networks in collecting sensing data The main goal is to reduce energy for robots moving in the sensing fields and to reduce data transmission between them The total enegy consumption can be reduced not only for robots but also for the network Creativeness and innovativeness: - The robotic network does not need to move as before - Data transmitting among the network reduces significantly - The network does not need to maintain the connectivity all the time Research results: - A new algorithm is proposed including simulation and experimental results - The results overcome existing work in the literature review - Refine some existing problems and show promise Products: Two published international journals (including one SCI journal) a M T Nguyen, H M La and K A Teague (2018), "Collaborative and Compressed Mobile Sensing for Data Collection in Distributed Robotic Networks", IEEE Transactions on Control of Network Systems, vol 5, no 4, pp 1729-1740 b Minh Nguyen (2018), "Advanced Flocking Control Algorithms in Mobile Sensor Networks," ICSES Interdisciplinary Transactions on Cloud Computing, IoT, and Big Data (IITCIB), vol 2, no 4, pp 4-9 Transfer alternatives, application institutions, impacts and benefits of research results: The results would be used as good research references for teachers and students MỞ ĐẦU Thu thập liệu mạng cảm biến vấn đề cần thiết nhiều ứng dụng bật lĩnh vực khác nhau, từ lĩnh vực dân dụng, công nghệ cao quân Triển khai mạng robot cần thiết phức tạp khơng phần điều khiển đàn robot mà vấn đề truyền thơng mạng robot Mục đích đề tài nghiên cứu đề xuất thuật toán thu thập liệu làm giảm đáng kể lượng tiêu thụ mạng cảm biến không dây hay mạng robot thu thập liệu Điều có nghĩa tuổi thọ mạng dài Các thuật tốn hỗ trợ làm giảm số lượng cảm biến hay số robot kết hợp với thuật toán điều khiển Nói chung, chi phí cho mạng giảm đáng kể Trong báo cáo này, khai thác tích hợp tính di động robot hợp tác chúng để lấy mẫu khu vực cảm biến cần giám sát thu thập liệu Một thuật toán cảm biến di động hợp tác nén (CCMS) đề xuất cho mạng robot phân tán để xây dựng đồ trường vô hướng Để di chuyển trường cảm biến tránh va chạm với chướng ngại vật với nhau, luật điều khiển, gọi “flocking”, đưa vào robot Những robot thu thập liệu, kết hợp công nghệ cảm biến nén để truyền, nhận, khôi phục liệu từ vùng cảm biến Phương pháp làm giảm đáng kể lưu lượng liệu robot Chúng tơi tiếp tục phân tích hình thành mức tiêu thụ lượng cho robot đề xuất số trường hợp tối ưu để robot tiêu thụ lượng 46 tạo thành phép đo CS giúp đơn giản hóa quy trình Sau thu thập phép đo M mẫu cảm biến nén vector Y, ma trận lấy mẫu xây dựng dạng ma trận nhị phân thưa thớt Phương trình Mỗi hàng ma trận tương ứng với phép đo CS Các mục nhập khác không hàng biểu thị POI lấy mẫu nhóm robot kết nối Điều có nghĩa nhóm robot có số đo CS thu thập từ POI (18) Nếu tất robot phân phối L kết nối thành nhóm suốt thời gian lấy mẫu, trọng lượng hàng trung bình ma trận đo tính Điều có nghĩa robot có liệu từ tất hàng khác hàng tương ứng có số khơng ('1') ( ) hàng Theo cách xếp lấy mẫu liệu (X), loại ma trận coi nhị phân thưa thớt ngẫu nhiên triệu chứng Điều kiện đẳng hình (RIP) ma trận nhị phân thưa thớt ( ) thiết lập chức quan trọng hiệu suất CS RIP ma trận nhị phân ngẫu nhiên nghiên cứu kỹ Loại ma trận đáp ứng RIP chúng sử dụng làm ma trận lấy mẫu hiệu lượng Các ma trận ( ) thực ma trận Gaussian ngẫu nhiên dày đặc q trình tái tạo tín hiệu CS Điều có nghĩa ma trận tạo thông qua phương pháp thu thập liệu đề xuất không làm giảm hiệu suất CS hiển thị phần mơ Như đề cập, có đánh đổi độ thưa ma trận đo số lượng phép đo CS số hàng ma trận đo Theo trực giác, ma trận thưa 47 thớt, hiệu suất CS giảm Điều có nghĩa chúng tơi triển khai robot, số lượng phần tử khác không hàng nhỏ số phép đo CS cố định khơng chứa đủ thơng tin để tái tạo tín hiệu Để đảm bảo lỗi nhỏ làm mục tiêu, robot cần thu thập thêm phép đo CS để giảm lỗi tái thiết Chúng ta cần triển khai số robot định xây dựng ma trận đo lường phù hợp không làm giảm hiệu suất CS 5.4 Phân tích thuật tốn CCMS Trong Phase {Giai đoạn bắt đầu}, tất robot phân tán thu thập liệu cảm biến từ POI phạm vi cảm biến chúng thêm liệu dạng giá trị vô hướng Như đề cập, số POI trung bình lấy mẫu robot tính Trong giai đoạn thứ hai, Phase{Giai đoạn chia sẻ liệu}, sau tìm thấy hàng xóm phạm vi liên lạc, nhóm robot kết nối trao đổi liệu họ với nhóm khác để xây dựng phép đo CS t Những robot di động phân tán hợp tác với hàng xóm chúng để chia sẻ liệu Các robot nhận thêm liệu từ người khác công nhận số họ Tất số nhận tạo thành ma trận đo lường robot cho trình tái tạo liệu Sau lần chia sẻ, thời gian hội tụ tăng thêm Trong giai đoạn thứ ba, Phase{Giai đoạn di chuyển}, nhóm robot dẫn dắt thuật toán hợp tác để di chuyển trường, đề cập Nó phụ thuộc vào chất lượng dự kiến đồ vô hướng tái cấu trúc robot, robot cần truy cập POI để xây dựng đủ số lượng phép đo CS Số lượng phép đo CS tạo robot nhiều, chất lượng đồ phục hồi tốt Như đề cập, liệu cảm biến thường có mối tương quan cao, robot khơng cần phải truy cập tất POI Để 48 đáp ứng mục tiêu lỗi, robot định số lần lấy mẫu số lần đo CS tương ứng Trong giai đoạn cuối, Phase {Giai đoạn tái tạo liệu}, robot dành khe thời gian M hoàn thành việc tạo phép đo M CS để tự xây dựng đồ vô hướng Trong thực tế, phép đo thu thập có tiếng ồn phụ gia Thuật tốn phục hồi CS làm việc với phép đo nhiễu việc tái tạo liệu Trong số trường hợp, nhóm robot di động tách thành nhóm nhỏ để tránh chướng ngại vật giới hạn phạm vi giao tiếp Điều có nghĩa phép đo CS thu thập thời điểm lấy mẫu khơng với tất robot L Các phép đo từ nhóm kết nối khác khác Robot từ khu phố nên có số đo CS Nếu robot có số đo CS khác với loại khác, điều có nghĩa trọng lượng hàng hàng tương ứng ma trận đo khác Như đề cập, điều khơng ảnh hưởng đến thuật tốn khơi phục CS tùy thuộc vào độ thưa cho phép ma trận Với kết hợp CS robot hợp tác, robot phân tán cần tạo phép đo M CS để tự xây dựng đồ vô hướng Điều giúp tiết kiệm đáng kể lượng tiêu thụ không cho việc liên lạc robot mà cho chuyển động chúng 9- Một số kết triển khai mô 9.1 Kết thử nghiệm thuật tốn điều khiển nhóm Trong phần này, triển khai robot Rovio để áp dụng thuật tốn điều khiển đổ xơ xử lý 49 Hình cho thấy kết thử nghiệm luật điều khiển áp dụng cho nhóm robot di động để hợp tác hình thành thay đổi hình dạng để vượt qua chướng ngại vật cách hiệu mà không bị va chạm Như thể ba ảnh chụp nhanh, robot Rovio liên lạc với hàng xóm để vượt qua chướng ngại vật Mối liên hệ họ hình dạng nhóm thay đổi họ vượt qua chướng ngại vật Hình 4: Rovio robot thực thuật tốn điều khiển nhóm chạy nhà tránh vật cản 9.2 Kết mô thực việc lấy mẫu khơi phục tín hiệu Chúng tơi xem xét 5000 POI phân phối ngẫu nhiên thống khu vực cảm biến vuông lần đơn vị vng Hai nhóm robot khác triển khai khu vực cảm biến, 50 robot 100 robot Chúng dẫn dắt thuật toán điều khiển giải 50 Chúng sử dụng liệu thực thu thập từ Sensorscope Chúng chọn ma trận thưa thớt làm biến đổi cosine rời rạc (DCT) Như đề cập, ma trận thưa thớt DCT cung cấp hiệu suất CS tốt Hình 5: 50 robots triển khai miền cảm biến kích thước 300*300 Các hướng di chuyển đàn robots mô (màu xanh) miền cảm biến với 04 vật cản (đỏ) Hình mơ tả ảnh chụp nhanh 50 robot làm việc theo nhóm để lấy mẫu khu vực vào thời điểm khác để tạo phép đo CS phép đo 51 CS tạo robot kết nối tách rời Các robot tiếp tục di chuyển lấy mẫu để thu thập thêm phép đo CS để tái tạo lại tất liệu từ 5000 POI Điều cho thấy robot không kết nối, chúng tạo phép đo CS cho q trình khơi phục chúng Với phạm vi cảm biến , biểu đồ số lượng POI cảm nhận robot trường hiển thị Hình Điều cung cấp cho tổng số POI robot L lấy mẫu Chúng ta tính tốn số POI trung bình Hình 6: Số lượng POIs thu/đo liệu robot 52 Hình 7: Thời gian hội tụ với hai nhóm robots khác nhau, nhóm 50 robots nhóm 100 robots, khác Như đề cập, việc thay đổi phạm vi giao tiếp không thay đổi thời gian hội tụ robot hình thành dạng mạng tinh thể Như hiển thị Hình 7, số lượng robot nhóm nhỏ, thời gian hội tụ nhỏ Vì vậy, nhóm 50 robot ưu tiên để giảm mức tiêu thụ điện Câu hỏi liệu nhóm 50 robot hoạt động tốt nhóm 100 robot việc xây dựng đồ trường vô hướng trả lời sau 53 Tổng mức tiêu thụ lượng để truyền liệu mạng gồm 50 robot để tạo 800 phép đo CS với phạm vi giao tiếp khác ( ) mơ tả Hình Phạm vi giao tiếp nhỏ nhất, cơng suất tiêu thụ nhỏ Hình 8: Tổng lượng tiêu thụ tương ứng với khoảng giao tiếp robots 54 Hình 9: Tổng lượng tiêu thụ tương ứng với số lượng mẫu cảm biến thu lượm tồn robots mạng Hình mô tả tổng mức tiêu thụ lượng cho tất giao tiếp mạng 50 robot với số lượng đo khác với phạm vi giao tiếp cố định 55 Hình 10: Lỗi khơi phục liệu cảm biến tương ứng với số lượng mẫu cảm biến CS thu từ robot Kết thực so sánh nhiều nhóm với số lượng robots khác Như đề cập, ma trận đo nhị phân thưa thớt hoạt động tốt ma trận Gaussian dày đặc đầy đủ Lỗi tái cấu trúc chuẩn hóa xem xét tất q trình khơi phục Hình 10 mơ tả lỗi tái cấu trúc khác cung cấp hai ma trận nhị phân thưa thớt ma trận Gaussian dày đặc Nó cho thấy 50 100 robot có ma trận ngẫu nhiên thưa thớt hoạt động tốt trường hợp phép đo CS thu thập từ tất POI (N = 5000) tương ứng với ma trận Gaussian dày đặc Để giảm tổng chi phí cho mạng, chúng tơi chọn mạng 50 robot dựa điểm 56 Hình 11: So sánh kết liệu khôi phục (màu xanh) liệu gốc (màu đỏ) So sánh lần đọc xây dựng lại đồ vô hướng xây dựng robot đồ thật trình bày 2-D Hình X Sau thu thập 800 phép đo CS, robot khơi phục đồ với lỗi tái cấu trúc chuẩn hóa 0,1 Hình 11 mơ tả đồ thực, đồ xây dựng lại đồ lỗi 3D Bản đồ thực đại diện cho liệu thực cần thu thập Bản đồ xây dựng lại xây dựng robot dựa 800 phép đo CS thu thập cung cấp cho đồ lỗi tái cấu trúc chuẩn hóa 0,1 Bản đồ thứ ba đồ lỗi cho thấy khác biệt liệu thật liệu phục hồi Bản đồ lỗi đồng cho thấy thuật tốn khơi phục CS tái cấu trúc liệu từ tất POI trường vô hướng 57 (a) (b) (c) Hình 12: (a): đồ cảm biến gốc, (b) đồ khôi phục, (c) đồ lỗi khôi phục 58 KẾT LUẬN Trong báo cáo, thuật toán cảm biến di động hợp tác nén (CCMS) đề xuất cho robot di động phân tán để thu thập liệu mạng robot để xây dựng đồ vô hướng robot Sự kết hợp lạ hợp tác robot cảm biến di động nén giảm mức tiêu thụ lượng cho chuyển động liên lạc robot Các robot cần di chuyển để thu thập truyền lượng liệu cảm biến định tương ứng với số lượng nhỏ phép đo CS để xây dựng đồ trường vô hướng đầy đủ Tiêu thụ lượng cho robot vùng phủ sóng cảm biến phân tích xây dựng chi tiết Cả hai kết thử nghiệm mô cung cấp thấy hiệu phương pháp đề xuất Nên sử dụng phạm vi liên lạc nhỏ số lượng robot nhỏ để giảm thiểu tổng mức tiêu thụ điện cho mạng Do thưa thớt cần thiết cho ma trận đo lường, số lượng robot giảm để tối ưu hóa chi phí mạng Trong cơng việc tương lai, chúng tơi triển khai thuật tốn đề xuất vào hệ thống thực xem xét tất mức tiêu thụ lượng phát sinh từ robot để đánh giá chi phí mạng Dựa vào đó, xác định số thơng số chính, chẳng hạn số lượng robot, phạm vi giao tiếp, v.v để tối ưu hóa chi phí 59 TÀI LIỆU THAM KHẢO P Ogren, E Fiorelli, and N E Leonard (2004), “Cooperative Control of Mobile Sensor Networks: Adaptive Gradient Climbing in a Distributed Environment”, IEEE Transactions on Automatic Control, vol 49, no 8, pp 1292–1302 R Olfati-Saber (2006), “Flocking for Multi-Agent Dynamic Systems: Algorithms and Theory”, IEEE Transactions on Automatic Control, vol 51, no 3, pp 401–420 H M La and Weihua Sheng (2009), “Moving targets tracking and observing in a distributed mobile sensor network,” 2009 American Control Conference Hung Manh La and Weihua Sheng (2013), “Distributed Sensor Fusion for Scalar Field Mapping Using Mobile Sensor Networks,” IEEE Transactions on Cybernetics, vol 43, no 2, pp 766–778 Wei Ren, R W Beard, and E M Atkins (2005), “A survey of consensus problems in multi-agent coordination”, Proceedings of the 2005 American Control Conference E Kokiopoulou and P Frossard (2011), “Distributed Classification of Multiple Observation Sets by Consensus,” IEEE Transactions on Signal Processing, vol 59, no 1, pp 104–114 Donoho, David L (2006), "Compressed sensing." IEEE Transactions on information theory, 52.4: 1289-1306 Candès, Emmanuel J., Justin Romberg, and Terence Tao (2006), "Robust uncertainty principles: Exact signal reconstruction from highly incomplete frequency information." IEEE Transactions on information theory, 52.2: 489-509 Minh T Nguyen and K A Teague (2014), “Tree-based energy-efficient data gathering in wireless sensor networks deploying compressive sensing,” 23rd Wireless and Optical Communication Conference (WOCC) 10 M T Nguyen, K A Teague, and N Rahnavard (2016) "CCS: Energy-efficient data collection in clustered wireless sensor networks utilizing block-wise compressive sensing." Computer Networks 106: 171-185 11 Nguyen, Minh T., and Keith A Teague (2017) "Compressive sensing based random walk routing in wireless sensor networks." Ad Hoc Networks, 54: 99-110 12 Y Mostofi (2011), “Compressive Cooperative Sensing and Mapping in Mobile Networks,” IEEE Transactions on Mobile Computing, vol 10, no 12, pp 1769– 1784 13 M T Nguyen and K A Teague (2015), “Random sampling in collaborative and distributed mobile sensor networks utilizing compressive sensing for scalar field mapping,” 2015 10th System of Systems Engineering Conference (SoSE) 60 14 M T Nguyen and K A Teague (2015), “Compressive and cooperative sensing in distributed mobile sensor networks,” MILCOM 2015 - 2015 IEEE Military Communications Conference 15 Minh Nguyen (2018), "Compressed Sensing based Data Collection Algorithms in Wireless Ad-hoc/Mobile Sensor," ICSES Transactions on Computer Networks and Communications (ITCNC), vol 4, no 3, pp 1-4 16 F Bullo, J Cortés, and S Martínez (2012), “Robotic Networks, Distributed Algorithms for,” Mathematics of Complexity and Dynamical Systems, pp 1489– 1504 17 M T Nguyen, H M La and K A Teague (2018), "Collaborative and Compressed Mobile Sensing for Data Collection in Distributed Robotic Networks", IEEE Transactions on Control of Network Systems, vol 5, no 4, pp 1729-1740 18 Minh Nguyen (2018), "Advanced Flocking Control Algorithms in Mobile Sensor Networks," ICSES Interdisciplinary Transactions on Cloud Computing, IoT, and Big Data (IITCIB), vol 2, no 4, pp 4-9 ... giải cao dẫn đến giám sát chất lượng cao tiêu thụ điện thấp Người dùng hy vọng lợi ích việc sử dụng thời gian dài độ phân giải cao Nhưng tiêu thụ lượng khiến chất lượng thấp chất lượng cao tiêu... quan cao nén Các thiết bị cảm biến thường gắn vào robot phương tiện di chuyển điều khiển thuật toán Để xây dựng đồ đầy đủ, tất robot cần phải truy cập vào toàn trường cảm biến với chi phí lượng cao. .. tài: Nghiên cứu phát triển thuật toán cho truyền thông mạng robot nhằm giảm lượng tiêu thụ nâng cao thời gian phục vụ mạng - Mã số: ĐH2017-TN02-05 - Chủ nhiệm đề tài: TS Nguyễn Tuấn Minh - Tổ