IBTS-77-RP-1000
La consommation, le stockage et la récupération d’énergie
La consommation d’énergie est en général le paramètre à optimiser à tous les niveaux de la conception d’un nœud de réseau de capteurs sans fils car ces dispositifs sont généralement alimentés par des batteries de petite taille. En outre, les nœuds sont souvent dispersés dans des endroits difficilement accessibles, ce qui rend le remplacement des batteries très compliqué, voire impossible.
La durée de vie d’un nœud de réseau de capteurs sans fil (WSN) est donc avant tout limitée par la capacité de la batterie et la quantité activité liée au type d’application. Des travaux publiés récemment montrent que la durée de vie d’un réseau de capteurs pour le monitoring d’infrastructures (ponts, bâtiments, etc.) est de quelques jours. Ceci est un exemple d’application très gourmande en énergie car les données doivent être mesurées à une fréquence relativement élevée pour que les défauts structurels puissent être détectés. Pour d’autre types d’applications où les échantillons sont collectés à une fréquence plus faible (par exemple le monitoring de la température dans un bâtiment) la durée de vie peut être de l’ordre de plusieurs mois ou années. Pour prolonger l’autonomie d’un nœud au delà de la limite fixée par la capacité de la batterie il est nécessaire d’utiliser un système permettant de récupérer une partie de l’énergie disponible dans l’environnement. Grâce aux avancées technologiques dans la miniaturisation des systèmes de récupération d’énergie, il est aujourd’hui possible d’intégrer ce type d’élément dans un nœud de réseau de capteurs, ce qui permet de repousser la limite de l’autonomie imposée par la capacité de la batterie.
La récupération d’énergie donne un degré de liberté supplémentaire dans la conception des protocoles de communication et des techniques de gestion de la consommation (power management), mais pose aussi de nouvelles problématiques. L’objectif principal dans un réseau de capteurs classique est de maximiser la durée de vie du réseau avec comme contrainte le budget énergétique qui est fixé par la capacité de la batterie. Les techniques de power management doivent satisfaire les contraintes applicatives (data-rate, latence, etc.) et en même temps minimiser la consommation d’énergie tout au long de la durée de vie du réseau. Dans un nœud équipé d’un système de récupération d’énergie, au contraire, le budget énergétique n’est pas fixé a priori.
La communication entre les nœuds
La communication entre les nœuds est l’élément sur lequel se base toute l’infrastructure d’un réseau de capteurs. Pour que les couches protocolaires des niveaux supérieurs tel que le contrôle d’accès au support (MAC) et le routage puissent fonctionner correctement, il faut que les nœuds disposent d’un canal de communication fiable pour échanger les informations. De nos jours, la plupart des réseaux de capteurs utilisent des systèmes de communications à radio fréquence (RF) travaillant dans la bande de fréquence ISM . Les bandes de fréquence ISM disponibles pour les systèmes de télécommunication varient d’un pays à l’autre et leur utilisation est réglementée par l’état. En Europe l’utilisation de ces bandes de fréquence est régie par la directive européenne dite R&TTE. Les avantages principaux liés à l’utilisation des bandes ISM sont : la disponibilité d’un large spectre de fréquences et la possibilité d’utilisation sans demande d’autorisation auprès des autorités. C’est pour cela qu’un grand nombre d’applications utilisent cette bande de fréquence ; les applications domestiques à faible débit comme les télécommandes de voiture ou de portails utilisent généralement la bande à 433 MHz, les réseaux WLAN comme Wi-Fi et les WPAN comme Bluetooth et ZigBee ainsi que d’autres systèmes comme les caméras de vidéo-surveillance utilisent la bande à 2.4 GHz. Les réseaux de capteurs utilisent des techniques de communication très faible consommation (faible puissance d’émission) ce qui les rend très sensibles aux interférences provoquées par la multitude d’objets communicants avec lesquels ils partagent la bande ISM.
La simulation efficace d’un nœud communicant
Pour pouvoir analyser les différents compromis et effectuer une exploration d’architecture en un temps raisonnable, il est désormais indispensable d’utiliser des techniques de conception assistée par ordinateur (CAO) et d’analyse numérique. Dans le domaine des systèmes de communication, de nombreux outils ont été développés ces dernières années.
Quand on parle d’un système de communication, on peut faire référence à un réseau de communication composé de centaines ou de milliers de nœuds, à un système de communication point-à-point comme par exemple une liaison satellitaire ou encore au circuit RF d’un nœud de WSN. représentation hiérarchique d’un système de communication basée sur trois niveaux d’abstraction :
Réseau : à ce niveau, le réseau est constitué de nœuds qui communiquent entre eux via un canal de communication radio ou filaire.
Link : une liaison de communication est composée d’éléments tels que les modulateurs, les démodulateurs, les filtres, les amplificateurs et tous les éléments qui opèrent un traitement sur le signal transmis. Ces éléments peuvent être des circuits analogiques, numérique ou RF.
Dispositifs : les détails d’implémentation des éléments qui composent une liaison de communication sont décrits dans le dernier niveau. Si, par exemple, dans le niveau Link un filtre est décrit par sa fonction de transfert, au niveau Dispositif on donnera une description plus détaillée de son implémentation (analogique ou numérique).
Le choix d’un type de modèle de simulation dépend du type de connaissances qu’on veut acquérir sur le système en cours d’étude. Si on se place au niveau réseau, l’objectif sera d’étudier l’interaction entre les protocoles et le comportement d’un réseau à différentes échelles. La notion de passage à l’échelle est de très grande importance à ce niveau d’abstraction, puisque dans le processus de validation des protocoles, il est souvent indispensable de simuler des scénarios composés de centaines ou de milliers de nœuds.
Classification des technologies de réseaux sans fils
Les réseaux sans fil sont souvent classés selon quatre catégories en fonction de la zone de couverture (portée) d’un nœud communicant :
Réseaux étendus ou WAN (Wide Area Network) : ce réseau couvre une grande surface (centaines de Km), de la taille d’un pays, d’un continent ou mondiale. Les communications satellitaires sont un exemple de ce type de technologie.
Réseaux Métropolitains ou WMAN (Wireless Metropolitan Area Networks) : ils couvrent une zone de la taille d’une ville (plusieurs Km). On peut citer dans cette catégorie la technologie WiMax.
Réseaux locaux ou WLAN (Wireless Local Area Networks) : ils visent à couvrir une région de l’ordre de quelques dizaines de mètres comme l’intérieur d’une maison ou d’une entreprise. Les réseaux Wi-fi font partie de cette catégorie.
Réseaux personnels ou WPAN (Wireless Personal Area Networks) : ces réseaux sont conçus pour couvrir une région de l’ordre de quelques mètres. On peut citer Bluetooth, ZigBee, Z-Wave et IEEE 802.15.3 (UWB).
Dans la suite on s’intéressera plus particulièrement aux réseaux WPAN étant donné que leurs caractéristiques techniques répondent aux besoins des réseaux de capteurs sans fils en termes de vitesse de transfert de données, faible complexité et faible consommation de puissance. Pour cela on analysera deux protocoles de communication très répandus : Bluetooth et Zigbee IEEE 802.15.4.
Les batteries : principe de fonctionnement et évolutions technologiques
Une batterie est un système électrochimique qui convertit l’énergie chimique contenue dans ses matériaux actifs en énergie électrique à travers une réaction d’oxydoréduction. Dans le cas d’une batterie rechargeable, le processus de rechargement est obtenu en inversant la même réaction électrochimique. Ce type de réaction implique le transfert d’électrons d’un matériau à un autre grâce à un circuit électrique. Une batterie est composée de plusieurs cellules élémentaires (cells) qui sont connectées en série ou en parallèle, en fonction de la tension de sortie et de la capacité désirée. Une cellule est composée de trois éléments principaux :
L’anode ou électrode négative : dans cet élément a lieu une réaction électrochimique d’oxydation (émission d’électrons).
La cathode ou électrode positive : où se produit une réaction électrochimique de réduction (absorption d’électrons).
Un électrolyte : qui fournit le medium à travers lequel se transfèrent les ions entre l’anode et la cathode. L’électrolyte utilisé dans les batteries est un conducteur d’ions, mais il a la propriété d’être un isolant électrique.
La meilleure combinaison de matériaux pour l’anode et la cathode est celle qui permet d’avoir des batteries légères, avec une tension de sortie et une capacité élevée. En pratique, on utilise des métaux comme le Zinc, ou le Lithium. Les éléments les plus souvent utilisés pour la cathode sont des oxydes métalliques. L’électrolyte doit être un bon conducteur d’ions et avoir des propriétés d’isolant électrique pour éviter des court-circuits entre l’anode et la cathode. Il doit aussi être stable et ne doit pas réagir avec les matériaux de l’anode et de la cathode.
On classifie les batteries en deux catégories : primaire non rechargeable, ou secondaire rechargeable. A technologie identique les batteries primaires possèdent une densité énergétique supérieure par rapport aux batteries secondaires, ainsi qu’une auto-décharge inférieure (l’auto-décharge est un phénomène qui provoque une réduction de la charge électrique stockée dans la batterie quand la batterie n’est pas utilisée).
Langages de modélisation et outils de simulation pour les réseaux de capteurs
La Simulation dans les réseaux de capteurs : besoins et limitations
A cause du coût élevé et de la complexité liée au déploiement et à la maintenance d’un réseau de capteurs par exemple pour le test de nouveaux protocoles de communication, on s’appuie de plus en plus souvent sur des simulateurs. Par exemple, lors de la conférence MobiHoc en 2005, qui est une des plus importantes conférences sur les réseaux de type MANET (le même discours est valable aussi pour les conférences spécifique aux WSN), 75.5% des travaux présentés utilisèrent des simulations pour valider les protocoles proposés.
La raison a déjà été évoquée précédemment : tester différentes solutions d’implémentation sur des plateformes réelles et sur des réseaux de centaines et milliers de nœuds n’est souvent pas possible pour des raisons de temps, de coût, de logistique, etc. Ceci explique pourquoi de plus en plus d’intérêt est accordé aux outils de simulations pour les WSN. Cependant, pour que les résultats des simulations soient crédibles il est nécessaire que les modèles utilisés soit assez précis. La notion de précision est relative dans ce contexte. Il est évident qu’on ne peut pas se permettre d’avoir des modèles trop détaillés, si l’on veut dans le même temps simuler de larges réseaux dans un temps raisonnable. Il a d’ailleurs été montré que dans certaines cas, si le protocole de communication est assez robuste, on obtiendra les mêmes résultats avec des modèles simplifiés et avec des modèles très détaillés. Au contraire, les auteurs ont montré que le même type de simulation d’un protocole d’acheminement par inondation (Flooding) pour réseaux de capteurs, peut donner des résultats très différents selon le type de simulateur utilisé.
La cause principale de cette divergence dans les résultats, est souvent liée au modèle du canal de communication et à la couche PHY du protocole de communication. Les modèles employés peuvent en effet différer significativement d’un simulateur à l’autre.
Simulateurs Réseau
Dans cette section on décrit les caractéristiques principales des simulateurs pour WSN en terme de techniques de simulation efficace et de précision des modèles utilisés. On résume d’abord les problématiques et les techniques utilisées dans les simulateurs :
Précision : la simulation informatique est par définition une abstraction de la réalité basée sur des modèles théoriques. Comme il a été précédemment discuté, certaines sources d’erreurs peuvent avoir un impact sur les résultats de simulation et elles doivent être prises en compte le plus possible dans les modèles. Le niveau de détail ou granularité avec lequel on peut définir les modèles a un impact important sur la précision des simulations. Il est relativement facile de modéliser le comportement du logiciel en simulation, mais il est beaucoup plus difficile de modéliser de façon précise le matériel, surtout dans le domaine analogique et radiofréquence.
Passage à l’échelle (Scalability) : il est souvent indispensable de tester si un algorithme peut fournir de bons résultats pour des réseaux comportant un grand nombre de nœuds.
Techniques d’accélération de simulation : les simulateurs réseaux utilisent dans la quasi totalité des cas des simulations événementielles (event-driven). Il existe de nombreuses techniques qui permettent d’accélérer ce type de simulation, dont :
Calcul parallèle et distribué : cette technique permet de faire tourner une simulation sur plusieurs processeurs ou plusieurs ordinateurs en même temps. Certains simulateurs sont conçus pour être exécutés sur plusieurs machines en parallèle, comme GloMoSim .
Staged simulation : cette technique permet d’éliminer les calculs redondants en réutilisant des données précédemment calculées qui sont stockées dans une mémoire cache. Il existe une extension de ns-2 appelée SNS qui permet d’accélérer la simulation d’un facteur d’environ 30% utilisant cette technique.
Simulation Hybride : le principe d’une simulation hybride, comme décrit par les auteurs de , est de partitionner le modèle qui doit être simulé en plusieurs parties. Certaines parties seront remplacées par des modèles analytiques, réduisant ainsi le temps de simulation.
|
Table des matières
1 Introduction
1.1 La consommation, le stockage et la récupération d’énergie
1.2 La communication entre les nœuds
1.3 La simulation efficace d’un nœud communicant
1.4 Objectif de la thèse
1.5 Liste de Publications
2 État de l’art
2.1 Classification des technologies de réseaux sans fils
2.1.1 Bluetooth/IEEE 802.15.1
2.1.2 IEEE 802.15.4
2.1.3 Autres types de couches physiques pour réseaux de capteurs sans fil
2.1.4 Comparaison entre les technologies de communication sans fils
2.2 Le front-end RF
2.2.1 Architecture Super-Hétérodyne
2.2.2 Architecture Homodyne
2.2.3 Architecture Low-IF
2.3 Stockage et récupération d’énergie
2.3.1 Les batteries : principe de fonctionnement et évolutions technologiques
2.3.2 Systèmes de récupération d’énergie
2.4 Langages de modélisation et outils de simulation pour les réseaux de capteurs
2.4.1 La Simulation dans les réseaux de capteurs : besoins et limitations
2.4.2 Simulateurs Réseau
2.4.3 Simulation des Systèmes de Communication RF
2.4.4 Conclusion
3 Modélisation Fonctionnelle du Système de Communication RF et du Canal Radio
3.1 Introduction
3.2 Vision d’Ensemble de la Plateforme
3.3 Traitement du signal en bande de base : fonctions DSP
3.3.1 Émetteur
3.4 Conversion Numérique – Analogique
3.5 Conversion Analogique – Numérique
3.6 Traitement du signal radiofréquence : fonctions Analogique et RF
3.6.1 Modèle de bruit pour les composants RF
3.6.2 Modèle du bruit de phase
3.6.3 Modèle du gain et des non-linéarités
3.6.4 Émetteur
3.6.5 Récepteur
3.7 Canal radio
3.7.1 Caractéristiques du canal de communication
3.7.2 Atténuation
3.7.3 Évanouissements à grand échelle (Shadowing)
3.7.4 Évanouissements à petite échelle (Small scale fading)
3.7.5 Modélisation Fonctionnelle du Canal Radio
3.8 Validation des modèles
3.8.1 Équipement utilisé et conditions de test outdoor
3.8.2 Mise en œuvre de la simulation
3.8.3 Comparaison des résultats
3.9 Analyse de différentes configurations du modem
3.9.1 Équations gouvernant le système
3.9.2 Variation de la bande passante Bw
3.9.3 Variation de l’ordre de modulation
3.10 Conclusion
4 Gestion de la Consommation pour un Nœud de Réseaux de Capteurs avec
Récupération d’Énergie
4.1 État de l’art sur les techniques de Power Management pour réseaux de capteurs avec récupération d’énergie
4.2 Vision globale de l’approche de modélisation
4.3 Consommation d’énergie du nœud (α)
4.4 Modélisation de haut niveau du système de récupération d’énergie (β)
4.5 Modélisation de l’état de charge de la batterie pour une charge périodique
4.6 Validation des modèles sur la plateforme TI EZ430
4.6.1 Présentation de la plateforme TI EZ430 avec système de récupération d’énergie solaire
4.6.2 Résultats expérimentaux
4.7 Power management pour réseaux de capteurs avec récupération d’énergie
4.7.1 Open-Loop Energy Neutral Power Manager (OL-PM)
4.7.2 Closed-Loop Energy Neutral Power Manager (CL-PM)
4.8 Résultats de simulation pour une plateforme avec récupération d’énergie solaire
4.8.1 Conditions de simulation et ensemble de données de récupération d’énergie
4.8.2 Paramètres d’évaluation
4.8.3 Comparaison des performances
4.8.4 Analyse de la réactivité du Power manager
4.8.5 Effets de la marge M sur les performances du power manager CL-PM
4.9 Cas d’étude : dimensionnement conjoint du système de récupération d’énergie et de la capacité de la batterie
4.9.1 Analyse du débit pour différents dimensionnements du système
4.10 Conclusion
5 Simulation Globale d’un Nœud de Réseaux de Capteurs : Récupération d’Énergie et Communication RF 1
5.1 Techniques de gestion de la puissance d’émission .
5.1.1 ATPC (111)
5.2 CLPM-ATPC : architecture et principe de fonctionnement
5.2.1 Architecture de ATPC côté ED
5.2.2 Architecture de ATPC côté BS
5.2.3 Initialisation
5.2.4 Calcul de la puissance d’émission
5.2.5 Mise à jour de la loi de contrôle
5.3 Résultats de simulation (CLPM-ATPC) pour des nœuds statiques
5.4 Modèle de mobilité
5.5 Métriques d’évaluation
5.6 Résultats de simulation (CLPM-ATPC) pour des nœuds mobiles
5.7 CLPM-PTPC : architecture et principe de fonctionnement
5.8 Résultats de simulation (CLPM-PTPC)
5.9 Comparaison avec un système à puissance d’émission constante
5.10 Temps de simulation
5.11 Conclusion
6 Conclusion et perspectives
6.1 Conclusion générale
6.2 Perspectives
Bibliographie
Télécharger le rapport complet
