机构名称：
¥ 1.0
摘要 今天，工业 4.0 和工业物联网 (IIoT) 范式带来的要求代表了无线传感器网络的创新飞跃，从而实现了新颖的智能工业测量系统。事实上，测量能力面临着前所未有的挑战，人们越来越需要从可能覆盖大面积的移动电池供电节点收集可靠而准确的数据。因此，优化能耗和预测电池寿命是这种基于物联网的测量系统中需要准确解决的关键问题。本文考虑的增材制造应用就是这种情况，其中嵌入在制造工件中的智能电池供电传感器需要可靠地传输其测量数据，以更好地控制生产和最终使用，尽管无法物理访问。低功耗广域网 (LPWAN)，尤其是 LoRaWAN (长距离 WAN)，代表了一种有前途的解决方案，可确保上述场景中的传感器连接，经过优化以最大限度地降低能耗，同时保证长距离操作和低成本部署。在所介绍的应用中，配备 LoRa 的传感器嵌入到工件中，以在整个使用寿命期间监控一组有意义的参数。在这种情况下，一旦传感器嵌入，它们就无法访问，它们的唯一电源是最初安装的电池。因此，本文彻底研究了电池寿命预测和估计问题。为此，提出了一种基于人工神经网络 (ANN) 的创新模型，该模型是从增材制造应用中使用的锂亚硫酰氯电池的放电曲线开始开发的。将在真实传感器上进行的实验活动的结果与模型的结果进行比较，并用于对其进行适当调整。获得的结果令人鼓舞，为未来有趣的发展铺平了道路。
LoRa 传感器电池寿命预测的学习模型......
主要关键词
相关文件推荐
