СУЧАСНИЙ СТАН РОЗВИТКУ ІНТЕЛЕКТУАЛЬНИХ ІНФОРМАЦІЙНО-ВИМІРЮВАЛЬНИХ СИСТЕМ ЕКОЛОГІЧНОГО МОНІТОРИНГУ З МУЛЬТИСЕНСОРНОЮ КОНФІГУРАЦІЄЮ
DOI:
https://doi.org/10.35546/kntu2078-4481.2022.2.7Ключові слова:
мультисенсор, бездротовий датчик, мультисенсорна система моніторингу, розумний дім, штучний інтелект, штучна нейронна мережа , IoTАнотація
В роботі представлено аналіз літературних джерел (літературний огляд) із застосування методів та засобів інтелектуалізації інформаційно-вимірювальних систем з мультисенсорною конфігурацією. Потреба у постійному моніторингу параметрів якості життя в режимі реального часу передбачає використання недорогих інформаційно-вимірювальних систем моніторингу на основі IoT. Кожен пристрій має унікальну ідентифікацію можливість автономного збору даних у режимі реального часу. Основні конструктивні блоки IoT складаються з датчиків, процесорів, шлюзів та додатків. Інформаційно – вимірювальні системи виконують функції контролю та регулювання в будинку – освітленням, температурою, безпекою, акустикою, пожежною безпекою. У цій ситуації розумний будинок нагадує екосистему, якою керує центральний «мозок» і керується за допомогою смартфона. Для контролю за безпекою будинку – на переході до системи виявлення пожежі, несанкціонованого проникнення, із застосуванням декількох технологій, заснованих на соціальних мережах. Для контролю параметрів сприятливих для росту рослин у теплицях, та забезпечення максимальній врожайності плодів та квітів контролюють температуру ґрунту і його вологість, температуру та вологість повітря, вміст вуглекислого газ (CO2) у повітрі та інтенсивністю освітлення. Нечітка логіка забезпечує високу точність отримання даних. Процес встановлює зв'язок із середнього діапазону і надсилає повідомлення в короткий період часу на смартфон для повідомлення про ті чи інші ситуації. Ця система також може використовуватися для спостереження, змінивши модуль BLE на модуль GSM і змінивши деякі оператори, особливо AT-команду. Також розглядається архітектури мультисенсорного злиття даних є одним із ключових завдань при проектуванні мультисенсорної системи. Поява систем з великою кількістю датчиків, наприклад Інтернет речей, може ввести новинку в цю добре вивчену тему. У цьому дослідженні ми розглядаємо три аспекти архітектури MSDF: класифікацію, оптимальний вибір та стандартизовану презентацію. На основі проведеного аналізу запропоновано власні структурні та архітектурні рішення для аналогічних мультисенсорних систем.
Посилання
Rostami Shahrbabaki M ., Safavi A.A., Papageorgiou M ., Papamichail I. A data fusion approach for real-time traffic state estimation in urban signalized links. Transp. Res. 2018. Vol. 92, P. 525–548.
Vu A., Ramanandan A., Chen A., Farrell J.A., Barth M . Real-time computer vision/DGPS-aided inertial navigation system for lane-level vehicle navigation IEEE Trans. Intell. Transp. Syst. 2012. Vol. 13, No 2., P. 899–913.
Guo K., Xu T., Kui X., Zhang R., Chi T. iFusion: Towards efficient intelligence fusion for deep learning from realtime and heterogeneous data. Inf. Fusion, . 2019. Vol. 51, P. 215–223.
Wyk F., Wang Y ., Khojandi A., M asoud N. Eal-time sensor anomaly detection and identification in automated vehicles. IEEE Trans. Intell. Transp. Syst. 2020, Vol. 21, No 3. P. 1264–1276.
Salpietro R., Bedogni L., Di Felice M ., Bononi L. Park here! a smart parking system based on smartphones’ embedded sensors and short range communication technologies. IEEE 2nd World Forum on Internet of Things (WF-IoT), IEEE.2015, P. 18–23.
Bosi I., Ferrera E., Brevi D., Pastrone C. In-vehicle IoT platform enabling the virtual sensor concept: A pothole detection use-case for cooperative safety IoTBDS. 2019. P. 232–240.
Alam F., M ehmood R., Katib I., Albogami N.N., Albeshri A. Data fusion and IoT for smart ubiquitous environments: A survey IEEE Access. 2017. Vol. 5, P. 9533–9554.
Schwarzbach P., M ichler A., M ichler O. Tight integration of GNSS and WSN ranging based on spatial map data enhancing localization in urban environments. International Conference on Localization and GNSS (ICL-GNSS), IEEE . 2020. P. 1–6.
Gulati, K., Boddu, R. S. K., Kapila, D., Bangare, S. L., Chandnani, N., & Saravanan, G.. A review paper on wireless sensor network techniques in Internet of Things (IoT). Materials Today: Proceedings. 2022. No 51. P. 161–165.
Wei, X., Guo, H., Wang, X., Wang, X., & Qiu, M.). Reliable data collection techniques in underwater wireless sensor networks: A survey. IEEE Communications Surveys & Tutorials. 2021. Vol.24,No1. P. 404–431.
.Zhu, X. Complex event detection for commodity distribution Internet of Things model incorporating radio frequency identification and Wireless Sensor Network. Future Generation Computer Systems. 2021. No125. P. 100–111.
Jangra, V., & Kumar, M . A 0.28 GHz to 3.84 GHz low power differential ring oscillator design using crosscoupled transistors for radio frequency identification (RFID). In 9th International Conference on Reliability, Infocom Technologies and Optimization (Trends and Future Directions)(ICRITO) . 2021. P. 1–5.
Zanella, A., Bui, N., Castellani, A., Vangelista, L., & Zorzi, M. Internet of things for smart cities. IEEE Internet of Things journal. 2014. Vol. 1, P. 22–32.
Choi, M., Gu, J., Blaauw, D., & Sylvester, D. Wide input range 1.7 μW 1.2 kS/s resistive sensor interface circuit with 1 cycle/sample logarithmic sub-ranging. In 2015 Symposium on VLSI Circuits (VLSI Circuits).2015, June. P. 330–331.
Doni, A., Murthy, C., & Kurian, M. ZSurvey on multi sensor based air and water quality monitoring using IoT. Indian J. Sci. Res. 2018. V ol. 17, No2. P. 147–153.
Gupta, G. S., & Quan, V. M.. Multi-sensor integrated system for wireless monitoring of greenhouse environment. In 2018 IEEE sensors applications symposium (SAS). 2018., March. P. 1–6). IEEE.
Sridharan, S. Water quality monitoring system using wireless sensor network. International Journal of Advanced Research in Electronics and Communication Engineering (IJARECE). 2014. Vol. 3, No4. P. 399–402.
Kumar, R. K., Mohan, M. C., Vengateshapandiyan, S., Kumar, M. M., & Eswaran, R. Solar based advanced water quality monitoring system using wireless sensor network. International Journal of Science, Engineering and Technology Research (IJSETR). 2014. Vol 3, Vol. 3. P. 385–389.
Zhang, Y., & Thorburn, P. J. Handling missing data in near real-time environmental monitoring: A system and a review of selected methods. Future Generation Computer Systems. 2022. Vol. 128, P. 63–72.
Kirankumar G. Sutar , Prof. Ramesh T. Patil , “Wireless Sensor Network System to Monitor The Fish Farm” – Int. Journal of Engineering Research and Applications. 2013 Vol. 3, P. 194–197.
AYu, Q., Xiong, F., & Wang, YIntegration of wireless sensor network and IoT for smart environment monitoring system. Journal of Interconnection Networks. 2022. V ol. 22. P. 214–230.
Das, B., & Jain, P. CReal-time water quality monitoring system using Internet of Things. In 2017 International conference on computer, communications and electronics (Comptelix). 2017. P. 78–82.
Saravanan, M., Das, A., & Iyer, VSmart water grid management using LPWAN IoT technology. In 2017 Global Internet of Things Summit (GIoTS). 2017. P. 1–6.
Yoddumnern, A., Chaisricharoen, R., & Yooyativong, T. A smart WiFi multi-sensor node for fire detection mechanism based on social network. iJOE. 2018. V ol. 14. No10.
Encinasn, C., & Ruizy, E. IoT system for the monitoring of water quality in aquaculture. Cesar Encinas_, Erica Ruizy, Joaquin Cortezz and Adolfo Espinozax Dept. Electrical and Electronic Engineering, Instituto Tecnologico de Sonora Cd. Obregon, Sonora, Mexico. 2017.
Konyha, J. (2016, May). Grid-based wide area water quality measurement system for surface water. In 17th international carpathian control conference (ICCC). 2016 . P. 341–344.
Rasin, Z., & Abdullah, M. R. Water quality monitoring system using zigbee based wireless sensor network. International Journal of Engineering & Technology.2009. V ol.9, No10. P. 24–28.
Raja Vara Prasad Y, Mirza Sami Baig, Rahul K.Mishra, P. Rajalakshmi, U. B. Desai5 And S.N.Merchant„ Real Time Wireless Air PollutionMonitoring System” Ictact Journal On Communication Technology: On Next Generation Wireless Networks And Applications. 2011. Vol. 2, Issue2, June.
Devarakonda, S., Sevusu, P., Liu, H., Liu, R.,Iftode, L., &Nath, B., “Real-time Air QualityMonitoring Through Mobile Sensing inMetropolitan Areas”, in Proceedings of the 2ndACM SIGKDD International Workshop on Urban Computing. 2013. P. 15.
Torfs, T., Sterken, T., Brebels, S., Santana, J., van den Hoven, R., Spiering, V., Bertsch, N., Trapani, D., Zonta, D.: Low power wireless sensor network for building monitoring. IEEE Sens. J. 2012. Vol.1 3, No3. P. 909–915.
Wu, F., Rüdiger, C., Yuce, M.R.: Real-time performance of a self-powered environmental IoT sensor network system. Sensors. 2017. Vol. 17, No 2. P. 282.
Kim, J.Y., Chu, C.H., Shin, S.M.: ISSAQ: an integrated sensing systems for real-time indoor air quality monitoring. Sens. J. 2014. Vol. 14, No 12. P. 4230–4244.
Silvani, X., Morandini, F., Innocenti, E., Peres, S.: Evaluation of a wireless sensor network with low cost and low energy consumption for fire detection and monitoring. Fire Technol. 2015. Vol. 51, No4. P. 971–993.
Jelicic, V.,Magno, M., Brunelli, D., Paci, G., Benini, L.: Context-adaptive multimodal wireless sensor network for energy-efficient gas monitoring. IEEE Sens. J. 2013. Vol. 13, No 1. P. 328–338.
Sandeep Kumar Polu, Design of a Multi-Sensor based Smart Home System using Artificial Intelligence International Journal for Innovative Research in Science & Technology.2019. Vol. 5 No 10. P. 234–246.
J. Llinas, D. L. Hall, „An Introduction to Multi-sensor Data Fusion,“ in Proc. 1998 IEEE International Symposium on Circuits and Systems (ISCAS ‘98), 1998, Vol. l.6, P. 537–540.
C.Y. Chong, K.C .Chang, S. Mori, “Fundamentals of Distributed Estimation,” in Distributed Data Fusion for Network-Centric Operations, 2013.
Ann, N. Q., Pebrianti, D., Abas, M. F., & Bayuaji, LA New Hybrid Image Encryption Technique Using Lorenz Chaotic System and Simulated Kalman Filter (SKF) Algorithm. In Proceedings of the 6th International Conference on Electrical, Control and Computer Engineering 2022. P. 441–453.
Wu, F., Rüdiger, C., Redouté, J. M., & Rasit Yuce, MA wearable multi-sensor IoT network system for environmental monitoring. In Advances in Body Area Networks I. 2019. P. 29–38.
Bopape, L. P., Nleya, B., & Chidzonga, R. F. A review of IoT enabled networks' architecture and access control. PONTE International Scientific Researches Journal. 2020. Vol. 76, No 4. P. 234–240.
Nascimento, T. P., Dórea, C. E., & Gonçalves, L. M. G. Nonholonomic mobile robots' trajectory tracking model predictive control: a survey. Robotica 2018. V ol. 36, No 5. P. 676–696.
Koulaouzidis, G., Jadczyk, T., Iakovidis, D. K., Koulaouzidis, A., Bisnaire, M., & Charisopoulou, D. Artificial intelligence in cardiology – a narrative review of current status. Journal of Clinical Medicine. 2022. V ol 11, No 13. P. 3910–3924.
Talal, M., Zaidan, A. A., Zaidan, B. B., Albahri, A. S., Alamoodi, A. H., Albahri, O. S., ... & Mohammed, K. ISmart home-based IoT for real-time and secure remote health monitoring of triage and priority system using body sensors: Multi-driven systematic review. Journal of medical systems. 2019. V ol. 43, No3. P. 1–34.
Harris, C. J., Bailey, A., & Dodd, T. J . Multi-sensor data fusion in defence and aerospace. The Aeronautical Journal. 2015. No102. P. 229-244.
Mahmoud, M. S., & Khalid, H. M. (2013). Distributed Kalman filtering: a bibliographic review. IET Control Theory & Applications.2015. Vol 7(,4), 483–501.
Roecker, J. A., & Theisen, D. K. Multiple sensor tracking architecture comparison. IEEE Aerospace and Electronic Systems Magazine. 2014 Vol.29, No9. P. 28–33.
Nigischer, C., Bougain, S., Riegler, R., Stanek, H. P., & Grafinger, M.. Multi-domain simulation utilizing SysML: state of the art and future perspectives. Procedia CIRP. 2021. No 100. P. 319–324.
R. T. Marler, J. S. Arora, “Survey of multi-objective optimization methods for engineering”, Structural and Multidisciplinary Optimization. 2004.Vol.26, No 6. P. 369–395.
Yang, S., Zhang, Y. Wireless Measurement and Control System for Environmental Parameters in Greenhouse. Proceedings of the Measuring Technology and Mechatronics Automation (ICMTMA). 2010. Vol. 2. P. 1099–1102.
K. Anuj et al. Prototype Greenhouse Environment Monitoring System. Proceedings of the International Multi Conference of Engineering and Computer Scientist. 2010, Vol. 2, P. 17–19
Liu, Z., Xiao, G., Liu, H., & Wei, H. Multi-sensor measurement and data fusion. IEEE Instrumentation & Measurement Magazine. 2022. Vol. 25, № 1. P. 28–36.
F. Castanedo, A Review of Data Fusion Techniques. Sci. World J. 2013. Vol. 20, P. 1–19.
