We consider a two-tiered Wireless Sensor Network (WSN) consisting of sensor clusters deployed around strategic locations and base-stations (BSs) whose locations are relatively flexible. Within a sensor cluster, there are many small sensor nodes (SNs) that capture, encode and transmit relevant information from the designated area, and there is at least one application node (AN) that receives raw data from these SNs, creates a comprehensive local-view, and forwards the composite bit-stream toward a BS. In practice, both SN and AN are battery-powered and energy-constrained, and their node lifetimes directly affect the network lifetime of WSNs. In this paper, we focus on the topology control process for ANs and BSs, which constitute the upper tier of a two-tiered WSN. We propose approaches to maximize the topological network lifetime of the WSN, by arranging BS location and inter-AN relaying optimally. Based on an algorithm in Computational Geometry, we derive the optimal BS locations under three topological lifetime definitions according to mission criticality. In addition, by studying the intrinsic properties of WSNs, we establish the upper and lower bounds of their maximal topological lifetime. When inter-AN relaying becomes feasible and favorable, we continue to develop an optimal parallel relay allocation to further prolong the topological lifetime of the WSN. An equivalent serialized relay schedule is also obtained, so that each AN only needs to have one relay destination at any time throughout the mission. The experimental performance evaluation demonstrates the efficacy of topology control as a vital process to maximize the network lifetime of WSNs.

Recently, adopting mobile energy chargers to replenish the energy supply of sensor nodes in wireless sensor networks has gained increasing attention from the research community. Different from energy harvesting systems, the utilization of mobile energy chargers is able to provide more reliable energy supply than the dynamic energy harvested from the surrounding environment. While pioneering works on the mobile recharging problem mainly focus on the optimal offline path planning for the mobile chargers, in this work, we aim to lay the theoretical foundation for the on-demand mobile charging (DMC) problem, where individual sensor nodes request charging from the mobile charger when their energy runs low. Specifically, in this work, we analyze the on-demand mobile charging problem using a simple but efficient Nearest-Job-Next with Preemption (NJNP) discipline for the mobile charger, and provide analytical results on the system throughput and charging latency from the perspectives of the mobile charger and individual sensor nodes, respectively. To demonstrate how the actual system design can benefit from our analytical results, we present two examples on determining the essential system parameters such as the optimal remaining energy level for individual sensor nodes to send out their recharging requests and the minimal energy capacity required for the mobile charger. Through extensive simulation with real-world system settings, we verify that our analytical results match the simulation results well and the system designs based on our analysis are effective.

Insulators are key components to ensure the normal operation of power facilities in transmission corridors. Existing insulator identification methods mainly use image data and lack the acquisition of three-dimensional information. This paper proposes an efficient insulator extraction method based on UAV (unmanned aerial vehicle) LiDAR (light detection and ranging) point cloud, using five histogram features: horizontal density (HD), horizontal void (HV), horizontal width (HW), vertical width (VW) and vertical void (VV). Firstly, a voxel-based method is employed to roughly extract power lines and pylons from the original point cloud. Secondly, the VV histogram is used to categorize the pylons into suspension and tension types, and the HD histogram is used to locate the tower crossarm and further refine the roughly extracted powerlines. Then, for the suspension tower, insulators are segmented based on the HV histogram and HD difference histogram. For the tension tower, the HW histogram is used to recognize the jumper conductor (JC) and transmission conductor (TC) from the power line. The HW histogram and VW histogram are used to extract the tension insulator in the TC and suspension insulator in the JC, respectively. Finally, considering the problem of setting a suitable grid width when constructing the feature histogram, an adaptive method of multi-scale histograms is proposed to refine the extraction result. Two 220 kV long transmission lines are used for the validation, and the overall object-based accuracy for suspension and tension towers are 100% and 97.3%, respectively. Compared with the point feature-based method, the mean F1 score of the proposed method improved by 0.3, and the runtime for each tower is within 2 s.