GithubHelp home page GithubHelp logo

encom2023-modelo-de-descarga-de-bateria's Introduction

Modelo de descarga de bateria para dispositivo IoT

Projeto destinado à participação no ENCOM 2023.

Objetivo: Extrair dados provenientes de um cenário proposto de rede IoT, que consiste dos valores de uma bateria recarregável acoplado ao end-node, que pode estar conectado a diferentes sensores que irão gerar diferentes consumos de energia. A partir desses dados, treinar modelos RNA para estimar o tempo a partir de um segmento observado até o ponto de descarga.

Todas as análises realizadas, modelos implementados e resultados obtidos estão disponíveis no arquivo ENCOM_2023_-_Modelo_de_descarga.ipynb.

Informações da publicação:

  • Título: Modelo de Descarga para Dispositivo IoT Usando Redes Neurais Artificiais
  • Autores: W. A. C. Macedo, T. F. Balbinot, S. B. Santos, W. L. Louzada, V. A. Chaves, E. F. F. de L. Santos, R. T. J. Ramos, F. J. B. Barros
  • Disponível em: https://www.iecom.org.br/encom2023/autores.html#anais

Componentes da rede IoT

End-node:

  • RAK5005-O
  • RAK4630
  • RAK5811
  • Bateria recarregável
  • Termopar
  • Sensor de tensão

Gateway:

  • TTGO T-Beam ESP32
  • Fonte DC genérica (5V, 1A)

Implementação do cenário proposto

Parâmetros da trasmissão LoRa:

  • Frequência: 915 MHz
  • Fator de Espalhamento (SF): 12
  • Potencia de transmissão: 22 dBm
  • Tamanho do pacote: 59 quilobytes
  • Tempo entre transmissões: 60 segundos

Topologia da implementação da rede IoT:

Alt text

End-node utilizado:

Alt text

Gateway:

Alt text

Base de dados

Os dados utilizados são provenientes da API Thingspeak, e encontram-se no diretório base_de_dados, consistindo de informações dos sensores coletados pelo end-node ao longo do processo de descarga, incluindo o próprio valor de tensão da bateria acoplada ao mesmo. No presente trabalho analisou-se somente a porção dos dados correspondente à referida tensão da bateria, que resultam nas seguintes curvas de descarga:

Alt text

A forma como os dados foram extraídos e visualizados pode ser consultada em ENCOM_2023_-_Modelo_de_descarga.ipynb.

Datasheets/Referência técnica

Recommend Projects

  • React photo React

    A declarative, efficient, and flexible JavaScript library for building user interfaces.

  • Vue.js photo Vue.js

    🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.

  • Typescript photo Typescript

    TypeScript is a superset of JavaScript that compiles to clean JavaScript output.

  • TensorFlow photo TensorFlow

    An Open Source Machine Learning Framework for Everyone

  • Django photo Django

    The Web framework for perfectionists with deadlines.

  • D3 photo D3

    Bring data to life with SVG, Canvas and HTML. 📊📈🎉

Recommend Topics

  • javascript

    JavaScript (JS) is a lightweight interpreted programming language with first-class functions.

  • web

    Some thing interesting about web. New door for the world.

  • server

    A server is a program made to process requests and deliver data to clients.

  • Machine learning

    Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.

  • Game

    Some thing interesting about game, make everyone happy.

Recommend Org

  • Facebook photo Facebook

    We are working to build community through open source technology. NB: members must have two-factor auth.

  • Microsoft photo Microsoft

    Open source projects and samples from Microsoft.

  • Google photo Google

    Google ❤️ Open Source for everyone.

  • D3 photo D3

    Data-Driven Documents codes.