XiaoMi-AI文件搜索系统
World File Search SystemWSN
桥梁结构损伤检测：一种边缘计算...
与传统的有线 SHM 系统相比，基于无线传感器网络 (WSN) 的 SHM 系统在成本、准确性和监测可靠性方面有显著改善。然而，由于传感器节点的资源受限，实时处理大量感测到的振动数据是一项挑战。现有的数据处理机制是集中式的，使用云或远程服务器来分析数据以表征桥梁的状态，即健康或受损。这些方法对于有线 SHM 系统是可行的，然而，在 WSN 中传输大量数据集已被发现是艰巨的。在本文中，我们提出了一种名为“网络内边缘损伤检测 (INDDE)”的机制，该机制从原始加速度测量中提取与桥梁健康状况相对应的统计特征，并使用它们来训练概率模型，即估计多元高斯分布的概率密度函数 (PDF)。训练后的模型有助于实时识别从桥梁未知状况中收集的新数据点的异常行为。每个边缘设备根据其各自的训练模型将桥梁状况分类为部署区域周围的“健康”或“受损”。实验结果展示了约 96-100% 的损伤检测准确率，其优势是无需从传感器节点传输数据到云端进行处理。
无线磁传感器在城市环境中的应用及其准确性验证
摘要：在智慧城市中，传感器是必不可少的元素——最新交通信息的来源。本文讨论连接到无线传感器网络 (WSN) 的磁传感器。它们投资成本低、使用寿命长且易于安装。但是，在安装过程中仍需要局部扰动路面。往返日利纳市中心的所有车道都配有传感器，每五分钟发送一次数据。它们发送有关交通流强度、速度和成分的最新信息。LoRa 网络确保数据传输，但在发生故障时，4G/LTE 调制解调器可实现备用传输。这种传感器应用的缺点是其准确性。研究任务是将 WSN 的输出与交通调查进行比较。在选定的道路剖面上进行交通调查的适当方法是使用 Sierzega 雷达进行视频录制和速度测量。结果显示值失真，主要是在短时间间隔内。磁传感器最准确的输出是车辆数量。另一方面，交通流组成和速度测量相对不准确，因为不容易根据动态长度识别车辆。传感器的另一个问题是频繁的通信中断，这会导致中断结束后值的累积。本文的第二个目标是描述交通传感器网络及其可公开访问的数据库。最后，有几种数据使用建议。
无线传感器网络在船舶监控系统中的应用
第 13 章 无线传感器网络在船舶监控系统中的应用 Hussein Kdouh、Gheorghe Zaharia、Christian Brousseau、Hanna Farhat、Guy Grunfelder、Ghaïs El Zein 雷恩电子与电信研究所，UMR CNRS 6164 雷恩，法国 1. 简介 近年来，无线传感器网络 (WSN) 引起了全世界的关注，尤其是随着微机电系统 (MEMS) 技术的普及，这促进了智能传感器的发展。智能传感器是由一个或多个传感器、存储器、处理器、电源和无线电单元组成的小型设备。它们可以感知环境、测量并通过无线方式将数据发送到控制单元进行进一步处理和决策。 WSN 在许多应用领域具有巨大潜力，例如栖息地监测 (Polastre 等，2004)、入侵检测和目标跟踪与监视 (Arora 等，2004)、海洋学 (Tateson 等，2005)、环境监测 (Barrenetxea 等，2008a、2008b；Padhy 等，2005；Selavo 等，2007)、结构健康监测 (Paek 等，2005)、基础设施监测 (Stoianov 等，2007)、精准农业 (Langendoen 等，2006)、生物医学健康监测 (Gao 等，2005) 以及危险环境探索和地震感知 (Werner-Allen 等，2006)。结构，包括桥梁、建筑物、水坝、管道、飞机、船舶等，都是确保社会
文章 无线磁传感器在城市环境中的应用及其准确性验证
摘要：在智慧城市中，传感器是必不可少的元素，是最新交通信息的来源。本文介绍了连接到无线传感器网络 (WSN) 的磁传感器。它们投资成本低、使用寿命长、安装方便。然而，在安装过程中仍需要对路面进行局部扰动。往返于日利纳市中心的所有车道都配有传感器，每隔五分钟发送一次数据。它们发送有关交通流强度、速度和成分的最新信息。LoRa 网络确保数据传输，但如果发生故障，4G/LTE 调制解调器可实现备用传输。这种传感器应用的缺点是其准确性。研究任务是将 WSN 的输出与交通调查进行比较。在选定的道路轮廓上进行交通调查的适当方法是使用 Sierzega 雷达进行视频录制和速度测量。结果显示值失真，主要是在短间隔内。磁传感器最准确的输出是车辆数量。另一方面，交通流量组成和速度测量相对不准确，因为基于动态长度识别车辆并不容易。传感器的另一个问题是频繁的通信中断，这会导致中断结束后值的累积。本文的第二个目标是描述交通传感器网络及其可公开访问的数据库。最后，有几种数据使用建议。
lora在冰上 - 使用IoT Technologies
海冰测量值是理解极地区域的复杂动力学及其对全球气候变化的影响的关键。自主传感器设计用于长时间测量海冰性能，是从远程和无法访问区域获取数据的核心组成部分。虽然卫星通讯在这些自主系统的数据传输中起着重要作用，尤其是在无法检索的情况下，陆地无线电链路和低功率广泛区域网络（LPWAN）并未被广泛使用。在这种情况下，应用技术（IoT）技术的应用具有巨大的潜力，在易于集成，延长的电池寿命和成本效益方面具有优势。在这里，我们介绍了为海冰研究量身定制的无线传感器网络（WSN）的设计和实施。我们的定制传感器采用远距离（LORA）无线电技术和远距离广泛区域（Lorawan）协议。我们利用物联网技术描述了在南极的Neumayer III研究站附近的科学测量系统的部署。在操作的第一年中，进行了多次测试，以验证系统从以前仅依赖卫星连接的现有介绍站点收集和传输数据的能力。数据的简单传感器集成和数据的近实时可用性表明该技术能够提高现场活动的有效性。我们确定了当前的技术局限性，并提出了针对海冰研究的下一代WSN的改进，旨在进一步提高数据质量并减少后勤工作。
研究论文 以建筑绘画为例人工智能技术在美术教学中的应用
在当今的科技时代，人工智能发展迅速，已在各个领域确立了存在。人工智能的目的是减少人为干预，以更好的结果完成任务。在本研究中，我们将以建筑绘画为例，研究人工智能技术在艺术教学中的应用。建筑绘画是一种只关注建筑的绘画，包括建筑物的室内和室外景观。在早期阶段，建筑仅出现在以不同物体为主要主题的绘画背景中。后来，建筑本身成为绘画领域的主流流派。正如其他研究人员所表明的那样，互联网技术、无线传感器网络（WSN）和深度学习技术等人工智能等最新技术都已部署在艺术教学中。人工智能使教学变得更容易。本系统利用互联网技术、WSN、人工智能和轻量级深度学习模型在艺术教学领域。通过采用这项新技术，教学方法得到了增强。为了对所提出的系统进行分析，实施了有限 Broyden-Fletcher-Goldfarb-Shanno (L-BFGS) 艺术算法。该 L-BFGS 算法专注于在任何给定应用中寻找局部最小值。在建筑绘画艺术教学中，所提出的算法将有助于解释在创作艺术品时需要注意的细微工作。然后将所提出的算法与传统的梯度下降、Adam 和 Adadelta 算法进行比较。从结果可以看出，所提出的算法在训练和测试阶段分别实现了 97% 和 98% 的准确率。
利用多普勒效应的线性调频无线传输方法
摘要 基于线性调频扩频(CSS)的无线通信在无线传感器网络(WSN)中得到了广泛的应用,这些传感器一般传输速率较慢,对数据速率的要求越来越高,然而由于CSS的传输速率较低,仍存在许多问题有待研究。本文介绍了一种基于线性调频的调制方法。与BOK(二进制正交键控)和DM(直接调制)方法不同,该调制技术是将多普勒频移植入线性调频信号中。该调制技术在单个脉冲内实现M进制调制。通过计算压缩脉冲峰值在脉冲持续时间内的位置,或通过在匹配滤波器中使用不同的参考线性调频信号来实现解调。
无线传感器网络路由的节能效果
WSN 的主要问题是网络寿命有限，因为传感器的电池寿命有限。能量用于传输和接收数据以及计算。最大的消耗是传输。当一个节点用尽能量时，它就无法再传输自己的传感器数据。它也不能转发来自其他节点的传感器数据。因此，整个网络部分可能会变得孤立。延长网络寿命的方法是优化用于从接收器（请求数据）到源（请求数据）和返回传输和接收数据的路由协议的能量消耗。在本文中，我们确定了源数据检索的次数，直到由于特定协议的节点传输能量不足，数据无法再到达接收器。
分布式能源收集技术与挑战的综合回顾
摘要 — 无线传感器网络 (WSN) 引起了工业自动化、医疗保健和环境监测等各行各业的广泛关注。通常，这些网络由使用电池供电的传感器节点组成，并依靠节能运行来延长其使用寿命。可再生和可持续能源适用于无线传感器网络。从太阳能、风能、生物质能和振动等分散的可再生能源中收集能量已成为一种可能的方法，可以缓解电池寿命有限的限制。本研究全面回顾了无线传感器网络 (WSN) 从各种分布式可再生能源（如太阳能、风能、振动和温度梯度）中收集能量的最新方法和困难。本文讨论了从这些来源提取和转换能量的多种技术，强调了每种技术的优点和缺点。本文探讨了几种能量收集技术和挑战。该研究还讨论了整合能量收集的困难，包括自适应电源管理、能源预测、间歇性能源供应和集成问题。评估还强调了可再生能源能量收集领域的研究空白和未来可能采取的举措。从事可再生能源和无线传感器网络领域的研究人员、技术人员和政策制定者会发现，这项全面的评估非常有见地。它阐明了能量收集技术如何提高传感器网络的自主性和可持续性，从而在环境监测和其他重要应用方面取得突破。对无线传感器网络能量收集方法和障碍的研究，将极大地促进可持续、独立和有效的传感系统的开发。除了解决当前的问题外，这项研究还为创新打开了大门，促进了更可持续的数据收集和监测方法，并对许多行业产生了积极影响。