TU BRAUNSCHWEIG
| Carl Friedrich Gauß Faculty | Department of Computer Science
Informatikzentrum

Dynamic Sample Rate Adaptation by Sensor Linkage in WSNs

Student(anonymous, Login required)
SupervisorJan Schlichter
ProfessorProf. Dr.-Ing. Lars Wolf
Project3demo
IBR GroupCM (Prof. Wolf)
TypeMaster Thesis
Statusrunning
Start2020-03-16

Einleitung und Motivation

Sensornetze oder Wireless Sensor Networks (WSNs) bestehen aus mehreren (drahtlos) verbundenen Mikrocontrollern, die mit unterschiedlichen Sensoren ausgestattet sein können (daher auch als Sensorknoten bekannt). Damit sind sie flexibel einsetzbar, um unterschiedliche Werte zu erfassen, zum Beispiel Temperatur, Luftfeuchtigkeit oder auch Kohlenstoffdioxid (CO2). Die eingesetzten Sensoren benötigen Energie, die von dessen Stromversorgung geliefert werden muss. Im Falle eines nicht kabelgebundenen Gerätes sollte daher der Energieverbrauch minimiert werden. Dadurch vergrößern sich die Wartungszyklen, bei denen die Batterie gewechselt werden muss. Durch Energy Harvesting besteht außerdem die Möglichkeit die Lebensdauer weiter zu erhöhen. Zur Reduktion des Energieverbrauchs kann man verschiedene Methoden anwenden und zum Beispiel die Messperiode der Sensoren vergrößern, sodass diese seltener aktiv werden und Strom verbrauchen. Gleichzeitig sollte darauf geachtet werden, dass Schwankungen in den Messwerten trotzdem beobachtet werden und der Genauigkeitsverlust der Messungen möglichst gering ist. Ein Ansatz, der hierzu bereits entwickelt wurde, ist der mithilfe von angepassten Bollinger-Bändern die Schwankungen vorauszusagen und die Abtastrate anzupassen. Dabei wird die Abweichung des Messwerts von der interpolierten Geraden als Schwankung definiert, wobei bei hoher Schwankung die Abtastrate erhöht wird. Dadurch konnte schon eine große Verringerung der Abtastrate erreicht werden. Die Multisensor Data Fusion (MDF) wird verwendet, um Bezüge zwischen Sensoren herzustellen und dadurch Ereignisse zu erkennen. Dadurch kann zum Beispiel durch einen Licht- und einen Temperatur-Sensor ein Sonnenaufgang erkannt werden. Diese Verknüpfungen können auch betrachtet werden, um Messwertänderungen vorauszusagen. In dieser Arbeit werden nun unter anderem diese Methoden betrachtet werden, um Bezüge zwischen verschiedenen Sensoren herzustellen. Mittels dieser sollen dann Messungen von Sensoren mit hohem Energieverbrauch durch Messungen von energiesparenderen Sensoren approximiert und eingespart werden. Im speziellen soll dies im 3DEMO-Projekt eingesetzt werden, wo verschiedene Emissionen und deren Ausbreitung im Raum gemessen werden sollen. In vielen Fabrikgebäuden wird die Raumbelüftung meist durch Erfahrungswerte und Normen ausgelegt. Dies führt dazu, dass diese meist überdi- mensioniert ist und mehr Energie benötigt als sie müsste. Um dies zu verbessern könnten die Anlagen erst aktiviert werden, wenn Sensoren Schadstoffe messen. Diese Messungen müssen dabei möglichst häufig stattfinden, um eine schnelle Reaktionsfähigkeit der Belüftung zu gewährleisten. Gleichzeitig führt dies allerdings zu einer erhöhten Aktivität des Sensorknotens und dadurch erhöhtem Energieverbrauch. Um den Sensorknoten effizient zu betreiben, muss also ein Kompromiss zwischen möglichst langer Schlafphase und annähernd Echtzeitdaten gefunden werden. In der Regel werden daher kabelgebundene Knoten genutzt, die über ein zentrales System miteinander verbunden sind und mit Energie versorgt werden. Um einen flexibleren Aufbau zu ermöglichen, sollen aber kabellos frei verteilbare Sensorknoten verwendet werden. Da diese batteriebetrieben sind oder über Energy Harvesting versorgt werden, muss der Energieverbrauch hier optimiert werden. Besonders müssen hierbei Sensoren betrachtet werden, deren Messungen mit hohem Energieverbrauch verbunden sind. Im 3DEMO-Projekt besitzen die eingesetzten Mikrocontroller dabei unter anderem einen CO2-Sensor. Dieser hat einen deutlich höheren Energieverbrauch als andere vorhandene Sensoren. Daher würde er sich dafür eignen ihn auf Beziehungen zu anderen Sensoren zu untersuchen. Durch diese Beziehungen kann dann versucht werden Messwertverläufe des CO2-Sensors vorauszusagen oder zumindest anzunähern. Hierbei sollten jedoch keine signifikanten Wertänderungen verloren gehen und eine minimale Abtastrate darf nicht unterschritten werden. Sobald die Effizienz dieses Prinzips gezeigt wurde, soll es verallgemeinert werden und zwischen beliebigen Sensorpaaren Anwendung finden.


last changed 2020-03-27, 16:05 by Jan Schlichter
printemailtop