センサーとモノのインターネットを使用したオイルパイプライン監視システムのエネルギーとQラーニングベースのエリアカバレッジ

パイプラインは、石油とガスを輸送するための最も安全なツールです。しかし、敵対的な人々の環境への影響と妨害は、経済的および環境的損害をもたらすパイプラインの腐食と崩壊を引き起こします。今日、モノのインターネット（IoT）やワイヤレスセンサーネットワーク（WSNS）などの新しいテクノロジーは、オイルパイプラインの腐食を監視およびタイムリーに検出するソリューションを提供できます。カバレッジは、オイルの漏れとパイプラインの腐食をタイムリーに検出および解決するためのパイプライン監視システムの基本的な課題です。パイプライン監視システムの適切なカバレッジを確保するために、1つのソリューションは、エネルギー消費を削減するためのノードのスケジューリングメカニズムを設計することです。この論文では、石油とガスのパイプラインをインテリジェントに監視するために、COWSNと呼ばれる補強学習ベースのエリアカバレッジ技術を提案します。COWSNでは、各センサーノードのセンシング範囲がデジタルマトリックスに変換され、他の隣接ノードとのこのノードのオーバーラップを推定します。次に、Qラーニングベースのスケジューリングメカニズムは、重複、エネルギー、およびベースステーションまでの距離に基づいてセンサーノードのアクティビティ時間を決定するように設計されています。最後に、COWSNはセンサーノードの死亡時間を予測し、適切なタイミングでそれらを交換できます。この作業では、センサーノードとBS間のデータ送信プロセスを混乱させることはできません。COWSNはNS2を使用してシミュレートされます。次に、私たちのスキームは、Rahmani et al。、CCM-RL、およびCCAのスキームを含む3つの領域カバレッジスキームと比較されます。。シミュレーション結果は、CowsNが他の方法よりも優れたパフォーマンスを持っていることを示しています。

Pipelines are the safest tools for transporting oil and gas. However, the environmental effects and sabotage of hostile people cause corrosion and decay of pipelines, which bring financial and environmental damages. Today, new technologies such as the Internet of Things (IoT) and wireless sensor networks (WSNs) can provide solutions to monitor and timely detect corrosion of oil pipelines. Coverage is a fundamental challenge in pipeline monitoring systems to timely detect and resolve oil leakage and pipeline corrosion. To ensure appropriate coverage on pipeline monitoring systems, one solution is to design a scheduling mechanism for nodes to reduce energy consumption. In this paper, we propose a reinforcement learning-based area coverage technique called CoWSN to intelligently monitor oil and gas pipelines. In CoWSN, the sensing range of each sensor node is converted to a digital matrix to estimate the overlap of this node with other neighboring nodes. Then, a Q-learning-based scheduling mechanism is designed to determine the activity time of sensor nodes based on their overlapping, energy, and distance to the base station. Finally, CoWSN can predict the death time of sensor nodes and replace them at the right time. This work does not allow to be disrupted the data transmission process between sensor nodes and BS. CoWSN is simulated using NS2. Then, our scheme is compared with three area coverage schemes, including the scheme of Rahmani et al., CCM-RL, and CCA according to several parameters, including the average number of active sensor nodes, coverage rate, energy consumption, and network lifetime. The simulation results show that CoWSN has a better performance than other methods.