6. Cấu trúc luận văn
3.2. MÔ PHỎNG VÀ KẾT QUẢ
Về mặt lý thuyết ở những nội dung của các chương đã trình bày rất cụ thể ở trên, có thể nói mạng cảm biến không dây hiện nay vẫn đang tồn tại với rất nhiều thách thức, nhưng thách thức quan trọng đáng phải kể đến đó chính là nguồn năng lượng nhằm duy trì sự hoạt động của các nodes trong hệ thống mạng. Để duy trì sự hoạt động của hệ thống trong môi trường thì đồng nghĩa với việc chúng ta cần phải xác định được tối đa mức năng lượng còn lại của các node Sensors trong mạng để xác định được thời gian sống (hay tuổi thọ) tối đa của hệ thống trong môi trường.
Riêng đối với việc mô phỏng trong luận văn này, tác giả chỉ tập trung thể hiện sự nghiên cứu của mình thông qua các kịch bản mô phỏng để nhằm khảo sát, đánh giá mức tiêu hao năng lượng của mạng cảm biến không dây, đồng thời đối với sự nghiên cứu này chủ yếu dựa vào các thông số đầu vào đã thiết kế trong bộ điều khiển mờ.
Đối với những kịch bản thể hiện sự mô phỏng trong luận văn này, em đã xây dựng và thiết kế một hệ thống logic mờ gồm nhiều đầu vào và một đầu ra. Chúng ta có thể hình dung thông qua mô hình sau:
Hệ mờ nhiều - một x1 trong U1 x2 trong U2 ... xn trong Un Y trong V
Hình 3.4. Hệ mờ gồm n đầu vào – 1 đầu ra
Trong đó, đầu vào hệ thống là một vector 𝑥 = (𝑥1, 𝑥2, … , 𝑥𝑛) trong không gian
𝑈 = 𝑈1× 𝑈2× … × 𝑈𝑛, và một đầu ra tương ứng chính là biến y trong không gian V. Dựa trên cơ sở lý thuyết như vậy, nhằm xác định thời gian sống của hệ thống mạng cảm biến không dây, trong luận văn này tác giả thiết kế một hệ thống mô phỏng gồm 5 đầu vào và 1 đầu ra như sau.
Hình 3.5. Hệ thống mờ TWSN – 2 với 5 Input – 1 Output
Sau khi chúng ta đã thiết kế xong hệ thống logic mờ như trên, tiếp tục chúng ta sẽ xây dựng một hệ thống cơ sở luật sẽ gồm m luật If – then với cấu trúc như sau.
Trong đó, 𝑥𝑖 là các biến đầu vào, 𝐴𝑗𝑖 là các tập mờ trên 𝑈𝑖, (𝑖 = 1 ÷ 𝑚), y là biến đầu ra và 𝐵𝑗, (𝑗 = 1 ÷ 𝑛) là tập mờ trên V.
Cụ thể hơn, tập luật cơ sở của hệ thống mô phỏng này đối với mô hình 3.5 trên gồm có tối đa sẽ xây dựng là 1125 luật được minh họa như sau.
Hình 3.6. Mô hình hệ thống điều khiển mờ
Như vậy có thể nói đối với tập luật cơ sở đã được định nghĩa như trên, chúng ta có thể có nhiều cách thực hiện khác nhau nhằm định nghĩa nguồn năng lượng của các nodes trong mạng cảm biến không dây, mỗi định nghĩa cần phải xây dựng phù hợp với từng bối cảnh cụ thể trong mỗi ứng dụng của mạng [8], [12]. Đồng thời, với các chức năng đầu vào của hệ thống mô phỏng chính là sự thể hiện việc nghiên cứu nhằm khảo sát, đánh giá nguồn năng lượng của mạng dựa trên các tiêu chí về hiệu suất tiêu hao năng lượng của các nodes với nhau trong hệ thống mạng và mật độ phân bố khu vực phân tán của các node Sensors trong môi trường phân bố.
Tuy nhiên đối với luận văn nghiên cứu này, em chỉ tập trung xây dựng việc mô phỏng gồm 2 kịch bản nhằm mục tiêu khảo sát năng lượng của mạng dựa trên sự tiêu hao năng lượng gửi và nhận dữ liệu của các nodes trong các cụm đến node
Sink. Sau khi chúng ta đã xác định được số nodes của các cụm, tiếp tục áp dụng các quy tắc suy diễn mờ tức là thực thi sự định nghĩa cơ sở luật mà chính tác giả đã xây dựng đồng thời cũng đã trình bày rất chi tiết ở những nội dung trên, cụ thể hơn đối với những kịch bản mô phỏng được minh họa như hình 3.7 nhưng mới định nghĩa minh họa 19 luật trong tổng số 1125 luật nhằm tiến hành mô phỏng và đánh giá kết quả.
Hình 3.7. Hệ thống sinh luật với minh họa 19 luật trong cơ sở luật
Mặc dù mới chỉ minh họa 19 luật trong tập luật cơ sở, nhưng có thể nói việc sinh luật thì chúng ta cứ tiếp tục thực hiện như lý thuyết mà tác giả đã trình bày cụ thể ở nội dung các chương. Nhìn chung với mỗi luật trong tập luật cơ sở chúng ta có thể xem chúng dưới các cách nhìn nhận khác nhau, một là nó được xem như là các luật độc lập với nhau, như vậy khi điều kiện của mỗi luật thỏa mãn thì luật sẽ sinh ra một hệ quả tương ứng, tức là 𝑅 = ∪19
𝑖=1 𝑅𝑖. Lúc này, quan hệ R chính là giao của các luật mà chúng ta định nghĩa. Tuy nhiên, dưới một cách nhìn khác chính là chúng ta cũng có thể xem tất cả các điều kiện trong cơ sở luật được thõa mãn thì hệ luật mới cho ra kết quả như vậy chính là 𝑅 = ∩19
𝑖=1 𝑅𝑖.
Dựa trên những góc nhìn nhận về các luật thành viên như vậy, sau khi chúng ta đã định nghĩa các luật thành viên trong tập luật cơ sở và chọn một cách thể hiện
quan hệ R phù hợp trong tập luật xây dựng. Tiếp tục lúc này, chúng ta sẽ chọn một phương pháp kéo theo như đã trình bày rất chi tiết ở những nội dung chương 1. Riêng đối với phần nghiên cứu trong luận văn này, tác giả sử dụng hàm kéo theo Mamdani. Khi đó, tập mờ đầu ra B’ tương ứng sẽ được xác định cụ thể như sau.
STT Cấu trúc luật 𝑅1 𝑅2 ... 𝑅𝑛 Nếu 𝑥1 là 𝐴11 và ... và 𝑥𝑚 là 𝐴𝑚1 thì y là 𝐵1 Nếu 𝑥2 là 𝐴12 và ... và 𝑥𝑚 là 𝐴𝑚2 thì y là 𝐵2 ... Nếu 𝑥1 là 𝐴1𝑛 và ... và 𝑥𝑚 là 𝐴𝑚𝑛 thì y là 𝐵𝑛 Cho Nếu 𝑥1 là 𝐴1∗ và ... và 𝑥𝑚 là 𝐴𝑚∗ Tính y là 𝐵′
Trong đó, 𝐴1∗, 𝐴2∗, … , 𝐴𝑚∗ là các giá trị đầu vào có thể mờ hoặc rõ. Theo luật suy diễn xấp xỉ, tập mờ 𝐵′ có thể suy diễn theo các bước như sau:
- Đầu tiên, tìm quan hệ thành phần 𝑅𝑖 là quan hệ được định nghĩa như sau:
𝑅𝑖 = (𝐴1𝑖 ∩ 𝐴2𝑖 ∩ … ∩ 𝐴𝑚𝑖) 𝐵𝑖
- Sau đó, xác định quan hệ tích hợp R từ các quan hệ thành phần 𝑅𝑖 qua phép hợp thành sau:
𝑅 = ∪19 𝑖=1 𝑅𝑖
- Cuối cùng xác định tập mờ đầu ra 𝐵′ thông qua toán tử hợp thành sau:
𝐵′ = [𝐴1∩ 𝐴2∩ … ∩ 𝐴𝑚] 𝑅
Trong đó, tập mờ đầu ra 𝐵′ chính là những giá trị mờ. Tuy nhiên, trong thực tế dữ liệu mà hệ cho ra cũng cần phải là những giá trị rõ chứ không thể là những giá trị mờ. Vì vậy, với tập mờ 𝐵′ tương ứng chính là kết quả đầu ra của bộ suy diễn trong hệ thống logic mờ. Sau khi đã xác định được tập mờ đầu ra 𝐵′, nó sẽ tiếp tục được khâu giải mờ xử lý để cho ra kết quả với những giá trị rõ mà có thể đáp ứng được những yêu cầu của con người.
Đối với thành phần chính cuối cùng trong mô hình logic mờ đó chính là khâu giải mờ (defuzzification), có thể nói giai đoạn cuối trong hệ thống logic mờ này nó
có rất nhiều phương pháp để thực hiện nhằm hỗ trợ tùy thuộc các công việc của mỗi ứng dụng chẳng hạn như phương pháp cực đại trung bình, phương pháp cực đại trung bình có trọng số hay phương pháp trọng tâm. Tuy nhiên trong luận văn này, tác giả chỉ tập trung nghiên cứu và sử dụng phương pháp trọng tâm (centroid method hay centre of gravity). Phương pháp này xuất phát từ ý tưởng mọi giá trị của U đều được đóng góp với trọng số của nó vào việc xác định giá trị khử mờ của tập mờ đầu vào đối với khâu giải mờ. Giả sử chúng ta có thể hình dung thông qua một minh họa sau, xem tập mờ 𝐴~ trên không gian U được định nghĩa chẳng hạn như.
Năng_lượng(𝐴~) = 0.54/Thấp + 0.82/Tr_bình + 0.18/Cao
Cụ thể, chúng ta có thể biểu diễn sự định nghĩa của tập mờ 𝐴~ thông qua các hàm thành viên được minh họa ở hình bên dưới sau.
Thấp Cao Trung bình 0.54 0.82 0.18 1 0.5 0 100
Hình 3.8. Các hàm thuộc của biến Năng_lượng(𝑨~)
Như vậy, với công thức định nghĩa về tập mờ đối với biến Năng_lượng và được tác giả thể hiện như hình 3.8 trên, chúng ta đều có thể biến đổi về tập mờ có dạng như hình sau: 1 0.5 0 100 23 25 41 59 91
Hình 3.9. Hàm thuộc hợp của 3 hạng tử đối với biến Năng_lượng(𝑨~)
tử đối với biến Năng_lượng(𝐴~), theo công thức tính giá trị khử mờ có dạng tổng quát như sau:
𝐷𝐶𝑒𝑛𝑡𝑟𝑜𝑖𝑑(𝐴~) =∫ 𝑢 ∗ 𝜇(𝑢)𝑑𝑢 𝑏
𝑎
∫ 𝜇(𝑢)𝑑𝑢𝑎𝑏
Theo công thức trên, ta xác định lần lượt:
∫0100𝑢𝜇(𝑢)𝑑𝑢 = ∫ 0,54023 𝑢𝑑𝑢 + ∫ (2325 −150𝑢 + 1) 𝑢𝑑𝑢+ ∫ (2541 501 𝑢) 𝑢𝑑𝑢+ + ∫ 0,82𝑢𝑑𝑢4159 + ∫ (5991 −150𝑢 + 2) 𝑢𝑑𝑢+ ∫911000,18𝑢𝑑𝑢 = 142,83 + 24,946 + + 355,306 + 738 + 1145,386 + 154,71 = 2561,178 ∫0100𝜇(𝑢)𝑑𝑢 = ∫ 0,54023 𝑑𝑢 + ∫ (2325 −150𝑢 + 1) 𝑑𝑢+ ∫ (2541 501 𝑢) 𝑑𝑢+ ∫ 0,82𝑑𝑢4159 + + ∫ (5991 −150𝑢 + 2) 𝑑𝑢+ ∫911000,18𝑑𝑢 = 12,42 + 1,04 + 10,56 + 14,76 + 16 + + 1,62 = 56,4 Do đó, 𝐷𝐶𝑒𝑛𝑡𝑟𝑜𝑖𝑑(𝐴~) =2561,178 56,4 = 45,4.
Dựa trên cơ sở về mặc lý thuyết đã giới thiệu ở trên, đối với sự mô phỏng ở kịch bản 1: Tác giả xây dựng một hệ thống mạng giả sử gồm 101 nodes được định nghĩa nằm trong miền xác định [0 100] và nó được phát tán trong môi trường, để đánh giá được sự tiêu hao năng lượng của các nodes trong hệ thống mạng, điều này sẽ được tác giả nghiên cứu thực hiện bằng cách thay đổi số cụm cũng như số nodes trong các cụm mà tác giả đã định nghĩa nằm trong miền xác định [0 100] cụm. Hay nói các khác hơn, bằng sự thay đổi các giá trị tham số đầu vào trong hệ thống mà tác giả xây dựng nhằm mô phỏng việc thực nghiệm đều được chính tác giả giả định nằm trong miền xác định [0 100].
Đối với kịch bản này, tác giả giả định rằng các nodes truyền dữ liệu ở chế độ single – hop và báo cáo sự kiện là duy nhất, báo cáo sự kiện duy nhất này chính là các nodes Sensors lân cận sẽ gửi và nhận dữ liệu đến node chủ sau đó node chủ sẽ thực hiện việc tổng hợp tất cả các dữ liệu từ chính các nodes lân cận gửi đến, và rồi lúc này nó mới gửi dữ liệu đến node Sink, để người dùng cuối lúc này mới có thể sử dụng dữ liệu nhằm thực hiện các công việc mong muốn của mình. Như vậy, với
kịch bản mô phỏng 1 này tác giả sẽ thiết kế xây dựng minh họa với rất nhiều kịch bản thử nghiệm khác nhau nhằm mục tiêu đánh giả về mức tiêu hao năng lượng của hệ thống mạng cảm biến không dây.
Đối với trường hợp 1, giả sử việc mô phỏng giả định chỉ với 32 cụm minh họa nhưng chúng ta sẽ xác định được mức tiêu hao năng lượng của hệ thống đạt được bởi kết quả minh họa cụ thể như ở hình sau.
Hình 3.10. Mức tiêu hao năng lượng trung bình của mạng WSNs
Ở trường hợp minh họa này, chúng ta thấy rằng với những giá trị tham số đầu vào đã được xác định cụ thể ở từng kịch bản và thể hiện bởi kết quả thực nghiệm cụ thể trên. Lúc này, chúng ta có thể khẳng định chỉ sau khi qua các bước thực thi tuần tự đối với hệ thống logic mờ thì kết quả đạt cuối cùng chính là mức tiêu hao năng lượng của hệ thống mạng với giá trị cụ thể trong trường hợp 1 là 50%.
Còn đối với trường hợp 2, chúng ta sẽ thực hiện việc thử nghiệm với sự giảm diện tích hoạt động còn 1.9, kcNutdenCH = 50, kcCHdenBS = 50, sonutCH = 50, giảm diện tích hoạt động còn 1.9, thời lượng hoạt động là 11.9 thì mức tiêu hao năng lượng là 48.8%, mô phỏng và đồng thời với những tham số của mỗi chức năng đầu vào đã được xác định cụ thể như vậy kết quả tương ứng sau khi thực thi sẽ đạt được như hình sau:
Hình 3.11. Mức tiêu hao năng lượng của mạng WSNs với minh họa 48.8%
Với kết quả mô phỏng cụ thể đã đạt được ở hình biểu diễn trên, chúng ta nhận thấy rằng chỉ với các giá trị tham số đầu vào đã được xác định cụ thể mà tác giả đã định nghĩa. Trong trường hợp này, ta giảm diện tích hoạt động còn các giá trị tham số khác vẫn giữ nguyên như trường hợp 1 trong mô hình thì kết quả sau khi thực thi đạt được như hình trên đã cho chúng ta biết được mức tiêu hao năng lượng của mạng thay đổi, cụ thể là 48.8%.
Đối với trường hợp thứ 3, giả sử việc minh họa mô phỏng trong trường hợp này đối với mô hình logic mờ đã được thiết kế ban đầu với các giá trị sau: giảm khoảng cách nút đến CH còn 18.4, các giá trị khác vẫn giữ nguyên thì mức tiêu hao năng lượng của mạng thay đổi, cụ thể là 48.8%. Bên cạnh đó, chúng ta phải xác định được những giá trị tham số của mỗi chức năng đầu vào phải được định nghĩa cụ thể, thì lúc này có thể nói mức tiêu hao năng lượng được thể hiện toàn bộ thông qua kết quả minh họa ở hình sau.
Hình 3.12. Mức tiêu hao năng lượng sau khi giảm khoảng cách nút đến CH
Trường hợp nếu tăng đồng thời các chỉ số: khoảng cách từ nút đến CH, khoảng cách CH đến BS, số nút CH, thời lượng hoạt động nhưng giữ nguyên diện tích hoạt động thì mức tiêu hoa năng lượng vẫn không thay đổi.
Hình 3.13. Mức tiêu hao năng lượng sau khi giữ nguyên diện tích hoạt động
Trường hợp hệ thống mạng hoạt động với chỉ số tối đa thì mức tiêu hao năng lượng là 90.1%, kết quả mô phỏng đạt được cụ thể ở hình sau:
Hình 3.14. Mức tiêu hao năng lượng khi hệ thống mạng hoạt động tối đa
Mức tiêu hao năng lượng của hệ thống mạng không phụ thuộc vào thời lượng hoạt động của hệ thống mạng, kết quả này được mô tả ở các trường hợp dưới đây:
Hình 3.15. Mức tiêu hao năng lượng khi hệ thống mạng hoạt động 50% thời lượng
Hình 3.16. Mức tiêu hao năng lượng khi hệ thống mạng ngừng hoạt động
Hình 3.17. Mức tiêu hao năng lượng khi hệ thống mạng hoạt động liên tục
Dựa trên cơ sở đối với kết quả đã đạt được mô tả trong các hình mô phỏng thực nghiệm trên, chúng ta có thể nói rằng khi dữ liệu đầu vào được xác định cụ thể
do chúng ta đã định nghĩa trong việc thiết kế mô hình hệ thống thực nghiệm, thì đồng nghĩa lúc này chúng ta sẽ xác định được kết quả cuối cùng đầu ra tương ứng đó cũng chính là mức tiêu hao năng lượng của các nodes trong hệ thống mạng cảm biến không dây sẽ đạt được, và được thể hiện bởi các hình minh họa trên.
Sự tiêu hao năng lượng của hệ thống mạng ít phụ thuộc vào thời lượng hoạt động.
Như thế, có thể nói với rất nhiều kịch bản thử nghiệm mà em đã xây dựng nhằm xác định được mức tiêu hao năng lượng tối đa, mức tiêu hao năng lượng ít nhất và mức tiêu hao năng lượng trung bình của hệ thống mạng cảm biến không dây. Đồng thời với những kết quả đạt được đã chứng minh rằng đối với việc phân các node Sensors thuộc các cụm sử dụng logic mờ cũng là một giải pháp nhằm giúp giải quyết vấn đề phức tạp đối với hệ thống mạng loại này.
Chúng ta có thể nhận thấy rằng, đối với các nodes mạng được phát tán trong một khu vực với mật độ phân bố giảm, đồng thời với các chức năng của mỗi đầu vào đã được xác định với những giá trị tương ứng cụ thể như ở hình trên, thì kết quả đầu ra sẽ cung cấp cho chúng ta biết được chính là sự tiêu hao năng lượng của hệ