Fabrication industrielle
Internet des objets industriel | Matériaux industriels | Entretien et réparation d'équipement | Programmation industrielle |
home  MfgRobots >> Fabrication industrielle >  >> Industrial Internet of Things >> Capteur

Traqueur de capteur WiFi RSSI pour l'ISS

Capteurs à bord de la Station spatiale internationale (ISS), y compris le CO2 personnel moniteurs, nécessitent un suivi de localisation afin de corréler leurs données horodatées avec des informations de position. L'étiquetage des données basé sur l'inspection visuelle est coûteux et peu pratique pour le suivi de nombreux capteurs. Une solution bon marché et efficace consiste à utiliser le seul dispositif de mesure supplémentaire dont disposent ces capteurs ; à savoir, leurs lectures de puissance de signal WiFi ou Bluetooth.

En utilisant ces lectures d'intensité de signal, ce logiciel vise à fournir des informations de localisation approximatives dans le temps pour les unités de capteur individuelles. L'objectif du projet Module-level ISS Sensor Tracker (MIST) est de définir un format de données et un protocole standard pour enregistrer les informations sur l'intensité du signal WiFi afin qu'elles puissent ensuite être utilisées pour localiser les capteurs à bord de l'ISS. Google et Apple ont des solutions propriétaires pour les services de localisation qui combinent les données GPS avec les lectures de puissance WiFi pour donner une estimation précise de la position d'un téléphone portable ; cependant, aucune méthode de ce type n'existe pour suivre les appareils compatibles WiFi sur l'ISS.

Les machines à vecteurs de support (SVM) ont été choisies comme algorithme à poursuivre. La principale motivation est la grande précision par rapport au nombre d'échantillons requis pour la formation, car les données de formation représentent le principal coût à bord de l'ISS. Une application et une bibliothèque Python pour l'enregistrement des informations WiFi et la prévision des positions ont été développées. Un pipeline de techniques a été construit qui donne des performances très précises pour les ensembles de données collectés. Avec un simple filtre à fenêtre mobile, le prédicteur peut identifier correctement dans quel module se trouve un capteur avec une précision> 95 %. D'autres améliorations permettront de rapprocher ce chiffre de 100 %.

Le programme logiciel se compose de deux modes de fonctionnement :formation et exécution. Pour la formation, les données WiFi RSSI sont collectées à l'aide d'utilitaires de ligne de commande Linux standard et sont stockées au format csv. Les lectures RSSI à chaque pas de temps sont corrélées à un emplacement numéroté ; dans ce cas, le module ISS. Ces données sont traitées par un ensemble de fonctions de prétraitement qui éliminent les lectures mauvaises/parsemées et organisent les données dans un format prêt pour l'algorithme SVM. Le SVM est ensuite entraîné par rapport à l'ensemble de données d'entraînement conformément à un ensemble de paramètres réglés manuellement.

Dans le mode de fonctionnement d'exécution, les données sont collectées un peu comme dans le mode d'apprentissage mais en série. Ces données sont traitées par le même préprocesseur que les données d'apprentissage, de sorte que les données d'apprentissage et d'exécution sont mises à l'échelle selon la même moyenne et la même variance. Le SVM prend ensuite ces données prétraitées et fait une meilleure estimation en fonction de ses paramètres réglés quant au module/emplacement dans lequel l'échantillon a été collecté. En utilisant une moyenne de fenêtre mobile sur cinq à dix échantillons, une précision de suivi supérieure à 95 % peut être obtenue. .

Aucun des aspects individuels de l'algorithme n'est connu pour être entièrement nouveau, bien que le pipeline spécifique de sous-programmes puisse l'être. D'autres projets commerciaux similaires existent, mais aucun n'offre clairement la possibilité de travailler sans informations GPS.

Les développeurs cherchent à tester le système avec des données de formation collectées sur l'ISS, leur permettant d'ajuster les paramètres du système et de déterminer la valeur du suivi WiFi SVM dans un environnement véritablement à haute réflexion.

La NASA cherche à concéder une licence gratuite pour ce logiciel et à le rendre disponible pour une utilisation générale pour des projets open source. Veuillez contacter le Concierge des licences de la NASA à Cette adresse e-mail est protégée contre les robots spammeurs. Vous devez activer le JavaScript pour la voir., ou appelez-nous au 202-358-7432 pour lancer des discussions sur les licences.


Capteur

  1. L'importance de la formation continue pour votre personnel technique
  2. L'intégration des données du capteur avec le microprocesseur Raspberry Pi
  3. Perspectives de développement de l'IoT industriel
  4. Six éléments essentiels pour réussir les applications basées sur les capteurs
  5. Préparer le terrain pour le succès de la science des données industrielles
  6. Les tendances continuent de pousser le traitement vers la périphérie pour l'IA
  7. DataOps :l'avenir de l'automatisation des soins de santé
  8. Film de capteur pour l'aérospatiale
  9. Un nouvel outil mathématique peut sélectionner les meilleurs capteurs pour le travail