Разработка интеллектуальной климатической системы для умного дома

Д М Нечеухина; Мхд Айман Аль Аккад

doi:10.22213/2410-9304-2022-3-76-87

Авторы

Д. М. Нечеухина ИжГТУ имени М. Т. Калашникова
М. А. Аль Аккад ИжГТУ имени М. Т. Калашникова

DOI:

https://doi.org/10.22213/2410-9304-2022-3-76-87

Ключевые слова:

климатическая система, интернет вещей, управление, искусственный интеллект, нейронные сети, машинное обучение

Аннотация

Эта статья посвящена решению проблемы оптимизации и автоматизации процесса подбора температуры для помещения с возможностью учета других параметров. Климатическая система должна подбирать комфортную температуру для пользователя путем анализа взаимодействия пользователя с оборудованием климатической системы; поддерживать комфортную температуру в помещении; информировать пользователя об аномальных ситуациях, таких как неисправность оборудования, и возможном пожаре. Человеку сложно определить точную температуру в помещении и, как следствие, конкретно для себя, какая температура для него комфортна, данная климатическая система призвана оптимизировать и автоматизировать процесс подбора температуры для помещения. Для работы системы необходимо любое климатическое оборудование (обогреватель, кондиционер и стационарный компьютер), на которое будет установлено разрабатываемое приложение для управления системой и микроконтроллер, подключенный к компьютеру. К микроконтроллеру должны быть подсоединены три датчика температуры и климатическое оборудование, каждое из которых подсоединено через коммутационное устройство. Для достижения цели необходимо выполнить следующие задачи: осуществить сбор данных для прогнозирования; разработать нейронную сеть для прогнозирования комфортного климата в доме; разработать приложение для управления системой и информирования о текущей температуре; разработать систему оповещений в аномальных ситуациях. Данная тема дипломного проекта выбрана с целью изучения процессов автоматизации дома и работы нейронных сетей. В результате получилась работоспособная климатическая система с использованием микроконтроллера Arduino. Основными критериями этой работы являются: обеспечение энергоэффективности, масштабируемости и простоты использования. Предлагаемая климатическая система призвана предоставить пользователю возможность выбирать любое оборудование для его системы и не утруждаться настройкой системы, так как она будет оснащена интеллектуальным модулем, который за счет включения и выключения пользователем оборудования подберет комфортный климат.

Биографии авторов

Д. М. Нечеухина, ИжГТУ имени М. Т. Калашникова

студент, прикладной разработчик

М. А. Аль Аккад, ИжГТУ имени М. Т. Калашникова

кандидат технических наук, доцент кафедры «Программное обеспечение»

Библиографические ссылки

The Internet of Things: The Future of Consumer adoption. (2014). https://www.accenture.com/t20150624T211456__w__/us-en/_acnmedia/Accenture/Conversion-Assets/DotCom/Documents/Global/PDF/Technology_9/Accenture-Internet-Things.pdf.

Alaa M., Zaidan A., Zaidan B., Talal M. and Kiah M. (2017). A review of smart home applications based on Internet of Things. Journal of Network and Computer Applications, vol. 97, p.p.48-65.

Spacecontrol. URL: https://spacecontrol.ru/o-kompanii (дата обращения: 12.04.2021).

Умный обогреватель Smart 1S. URL: https://xiaomi-smarthome.ru/umnyj-obogrevatel-smartmi-1s (дата обращения: 12.04.2021).

Умный кондиционер Xiaomi Mijia Fresh Air Conditioner Pro. URL: https://rozetked.me/news/16697-xiaomi-mijia-fresh-air-conditioner-umnyy-kondicioner-s-pritochnoy-ventidyaciey (дата обращения: 12.04.2021).

Zhongwang L., Bin D. (2021). A networked smart home system based on recurrent neural networks and reinforcement learning. Systems Science and Control Engineering, vol 9(1), p.p. 775-783.

Wilson H. (2018). Artificial intelligence. Grey House Publishing. ISBN 978-1-68217-867-6.

Arduino Uno R3, Программируемый контроллер на базе ATmega328. URL: https://www.chipdip.ru/product/arduino-uno-r3.

Manohar, S. (2017). Mastering Machine Learning with Python in Six Steps. Apress.

Программирование Arduino. URL: https://arduinomaster.ru/program.

Блум Д. Изучаем Arduino: инструменты и методы технического волшебства / пер. с англ. СПб. : БХВ-Петербург, 2015.

Rezaul, B., Rafiul, H. (2006). Artificial Neural Networks in Smart Homes. Designing Smart Homes, pp. 146-164.

Teich, T., Roessler, F., Kretz, D., Franke, S. (2014). Design of a Prototype Neural Network for Smart Homes and Energy Efficiency, Procedia Engineering, vol. 69, p.p. 603-608.

Монк С. Программируем Arduino. Профессиональная работа со скетчами. СПб. : Питер, 2017.

Nicholas L. (2021). Anomaly Detection in Process Control Data with Machine Learning. URL: https://towardsdatascience.com/anomaly-detection-inprocess-control-data-with-machine-learning-35056a867f5b (дата обращения: 01.03.2021).