استراتژي هوشمند و انرژي كارآمد اطفاي حريق در شبكه‌هاي حسگر بي‌سيم متحرك

An Intelligent Energy-Efficient Firefighting Strategy in Mobile WSNs

پژوهشگران در سال‌هاي اخير با افزايش دامنة آتش‌سوزي‌ها و به‌همراه آن تخريب گستردة محيط زيست و مناطق شهري پرتراكم، به به‌كارگيري راهكارهاي سريع و مؤثر در مقابله با حريق، به‌ويژه براساس شبكه‌هاي حسگر بي‌سيم توجه ويژه‌اي داشته‌اند. درواقع، با تحليل داده‌هاي آماري مختلف و طراحي يك مدل نوين از حسگرها، تجهيزات و تكنولوژي‌هاي هوشمند در يك شبكة حسگر آتشنشان مي‌توان گام مؤثري در راستاي كنترل آتش‌سوزي‌هاي مكرر در سطح گسترده و نيز كاهش خسارت‌هاي زيست‌محيطي آن برداشت. در مدل پيشنهادي، حسگرهاي متحرك يا روبوت‌هاي اطفاي حريق بر پاية الگوريتم يادگيري فازي - كيو و به كمك دو سياست يادگيري كامل و جزئي در شبكة حسگر به محاصرة آتش در عمليات اطفاي حريق قادر خواهند بود. در اين مدل، محدوديت‌هاي انرژي در حسگرهاي متحرك نيز با طراحي مسئلة بهينة انتخاب مُد عملكرد و با فرض قابليت برداشت انرژي‌هاي محيطي قبل از كنترل حركت به سمت حريق در نظر گرفته شده‌اند كه با محاسبة كران‌هاي بالا و پايين براي تعداد حسگرهاي ثابت فعال در تصميم‌گيري مشاركتي، ميزان مطلوب احتمالات آشكارسازي و اعلام اشتباه حريق نيز تضمين‌شدني است. نتايج شبيه‌سازي‌هاي كامپيوتري، مؤثربودن اعمال چنين راهكاري در انتخاب بهينة حسگرهاي متحرك و همچنين تعيين مسير حركت در اطفاي سريع حريق را نشان مي‌دهند.

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 Q-learning (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 harvesting-enabled 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.