Stratégies de configuration pour l optimisation de la consommation énergétique dans les réseaux de capteurs

Au cours de ces dernières années, les réseaux sans fil n ont cessé de croître grâce aux développements technologiques de divers domaines liés à l informatique et à la micro-électronique. La mise en réseaux des capteurs sans fil permet la couverture de vastes territoires ainsi que l'obtention rapide et fiable de résultats même pour des zones hostiles ou inaccessibles pour les être humains. Cependant, avant de voir ces réseaux atteindre un niveau de pénétration identique à celui des téléphones portables, un certain nombre de problématiques doivent être résolues. Ajoutées aux limites traditionnelles des réseaux ad-hoc, les contraintes très strictes liées aux caractéristiques matérielles des capteurs, telles que la puissance de calcul, la mémoire et surtout l alimentation en énergie, rendant les algorithmes existants inadaptés. En effet, le déploiement de ces réseaux dans des zones sensibles ou éloignées rend impossible le rechargement ou le remplacement des batteries. Il est donc impératif que les noeuds s auto-configurent afin de maximiser la durée de vie du réseau. Cette configuration inclut les décisions d'activation et la détermination des chemins connectant chaque noeud à la station de base. Pendant qu'une partie des noeuds assurent la réalisation de l'application, les autres se désactivent pour préserver leur énergie. Les noeuds actifs doivent observer une surface aussi large que celle couverte par l'ensemble des noeuds déployés initialement. Afin de pouvoir transmettre leurs données, les noeuds actifs doivent déterminer les chemins les connectant à la station de base. La contrainte d'énergie doit être prise en compte à tous les niveaux : les noeuds les plus épuisés doivent être les plus privilégiés à se désactiver et les chemins doivent les éviter sans pour autant augmenter considérablement les coûts de transmission des données. Ces prises de décisions doivent minimiser le nombre de messages de contrôle vue que la transmission de messages consomme le plus d'énergie. Pour ne pas augmenter les coûts énergétiques de transmission de message, en passant par des chemins trop longs, les chemins déterminés doivent garantir un compromis entre les deux critères antagonistes : coût de transmission et minimum d'énergie. Rare sont les travaux qui considèrent plus d'un critère à la fois et quand c'est le cas ils les combinent en une fonction objective en leur associant des poids statiques. Pour garantir une certaine flexibilité entre ces deux critères, l'algorithme proposé ne leur associe aucun poids. La comparaison des chemins est basée sur le concept de la dominance Pareto. Une priorité de désactivation introduite entre les noeuds voisins permet d'éviter les phases de négociation (nécessitant l'échange de plusieurs messages de contrôle) et ainsi réduire les coûts énergétiques des prises de décision. Cette priorité est basée sur les énergies résiduelles des noeuds. Après le développement de ces algorithmes, vient la phase de validation qui consiste à observer la façon dont les algorithmes proposés permettent de préserver l'énergie des noeuds et ainsi augmenter la durée de vie du réseau. La validation de ces algorithmes s'est faite dans un premier temps à travers des simulations. Cependant, les simulations ne permettent pas d'observer tous les scénarios possibles par lesquels le système peut passer au cours de son évolution. Afin de palier ce problème, une validation plus exhaustive a été réalisée, dans un deuxième temps, en se basant sur un nouveau modèle de réseaux de Petri de haut niveau (RdPHN). Ce modèle est hiérarchique, global et générique. Étant hiérarchique le modèle permet d'inclure différents niveaux d'abstraction. Il est global car il intègre le comportement de tous les composants constituant le réseau de capteurs : noeuds et stations de base. Ainsi, le modèle RdPHN développé permet de valider le comportement global du réseau et non le comportement de protocoles particuliers comme c'est le cas de la plupart des travaux existants. Ce modèle est générique puisqu'il est indépendant des spécificités des composants du réseau. Le modèle retenu intègre une modélisation de la consommation d'énergie. Ceci rend possible la validation de différents critères relatifs à cette consommation comme la durée de vie pire cas (qui ne peut pas être obtenue à travers les simulations). Le modèle inclut aussi une image de l'environnement comme il est perçu par les noeuds, ce qui n'est pas le cas des modèles existants. Cette image permet d'interfacer le modèle proposé avec tout autre modèle représentant le comportement de l'environnement.Because of their miniature size, the sensors are highly constrained on energy. The deployment of these networks in remote or sensitive areas makes impossible the recharge or the replacement of the batteries. It is therefore imperative that the nodes configure them-self to maximize the lifetime of the network. This configuration includes the decisions of activation and the determination of the paths connecting each node to the base station. While part of the nodes ensures the achievement of the application, others are deactivated to conserve their energy. The active nodes must covert an area as wide as that covered by the set of initially deployed nodes. To maximize the lifetime of the network, which is a function of the node's energy, the premature loss of a subset of highly used nodes must be avoided. Consequently, the proposed algorithms are based on energy criteria. The nodes having a minimum energy are more privileged to be deactivated and the determiner paths must avoid them. The determined paths seek a compromise between two conflicting criteria: cost of transmission and minimum energy belonging to the path. No weight is associated with these criteria. The comparison of the paths is based on the concept of Pareto dominance. A deactivation priority, introduced between neighboring nodes, avoids the phases of negotiation and thus reduced energy costs for decision making. Validation of these algorithms was initially done through simulations. In a second step, a more comprehensive validation was performed based on a new model of high level Petri nets (RdPHN). This model is hierarchical, global and generic. The hierarchical model includes different levels of abstraction. It is global as it incorporates the behavior of various components forming the sensor network: nodes and base stations. Thus, it validates the overall behavior of the network and not the conduct of specific protocols as is the case with most of the existing work. This model is generic because it is independent of the network component's specificity. In addition, the used model incorporates a model of energy consumption. What makes possible the validation of different criteria for this use: as the worst case lifetime (which can not be obtained through simulations). The model also included an image of the environment as it is perceived by the nodes. This image can interface the proposed model with other models representing the behavior of the environment.VILLEURBANNE-DOC'INSA LYON (692662301) / SudocSudocFranceTunisiaFRT