Pengesan Saliran Saliran: 11 Langkah (dengan Gambar)

2024 Pengarang: John Day | [email protected]. Diubah suai terakhir: 2024-01-30 11:12

Jangan biarkan saluran air yang tersumbat melambatkan anda! Sekembalinya dari percutian kami, saya dan isteri dikejutkan dengan air yang menutupi lantai pangsapuri kami, dan kami mendapat tahu bahawa itu bukan air bersih, ia mengalir ke mana-mana. Setelah membersihkan longkang dan membersihkan lantai, saya mempunyai soalan ini: mengapa kita tidak mempunyai sistem penggera untuk penyumbatan saliran yang berpotensi? Saliran yang tersumbat bukan sahaja dapat menghentikan rumah anda, tetapi akan memakan kos tambahan dari poket anda, rata-rata $ 206 adalah kos membersihkan longkang yang tersumbat menurut HomeAdvisor, selain kos tersembunyi dari permaidani yang rosak, perabot kayu, dll. Idea kami adalah untuk membiarkan pemilik rumah serta perusahaan seperti jabatan penyelenggaraan bandar / kompaun dan penyedia perkhidmatan khusus untuk mempunyai sistem yang cekap dan cerdas yang memberi amaran kepada sesiapa yang bertugas seawal mungkin untuk mengambil tindakan, yang menyumbang dalam memperkayakan bandar pintar dengan yang penting ciri.

Idea Walaupun pengesanan tersumbat dapat dilakukan melalui beberapa teknik, seperti menggunakan sensor gas atau mekanisme dalaman, pasukan kami fokus menggunakan suara sebagai input kami, kerana kami tahu bahawa mengetuk tiub di mana ia dibuka adalah bunyi yang berbeza dari yang berlaku semasa ditutup. Mengikut konsep sederhana ini, jika kita dapat melatih model, corak bunyi yang berlaku di permukaan tiub semasa tersumbat dan juga corak itu terjadi pada paip yang terbuka, kita kemudian dapat menerapkan model tersebut untuk mengesan secara proaktif ketika penyumbatan mulai menyusun, dan kita kemudian membunyikan beberapa bil.

Kredit untuk

• Mohamed Hassan
• Ahmed Emam

Projek secara terperinci3 fasa dilaksanakan dalam projek ini: Mengumpulkan data, Pembelajaran & ramalan.

Sebelum menerapkan sistem ini dalam kehidupan nyata, kita perlu membuat persekitaran simulasi yang kuat, di mana kita mempunyai paip, air yang mengalir, dan entah bagaimana untuk mensimulasikan penyumbatan. Oleh itu, kami mendapat tiub, selang air dengan sumber air yang melakukan ini di tab mandi, dan menggunakan permukaan bak untuk menutup tiub yang mewakili penyumbatan. Dalam video ini, kami menerangkan bagaimana kami membina persekitaran dan bagaimana kami mengumpulkan data untuk latihan model.

Dalam video seterusnya, menunjukkan bagaimana kami melakukan pengujian untuk sistem dan model, dalam mod terbuka, kemudian dalam mod tersumbat dan kembali ke mod terbuka, namun

Oleh itu, mari kita terokai pelaksanaan kami langkah demi langkah:

Langkah 1: Eksperimen

Dalam senario ini, kami menggunakan paip air kecil yang disambungkan ke perkakasan dan sensor bunyi kami. Perkakasan membaca nilai sensor dan menghantarnya kembali ke Cloud. Ini telah dilakukan selama 10 minit untuk tiub tersekat dan 10 minit lagi untuk tiub yang tidak tersekat.

Langkah 2: Perkakasan

Saya- Arduino

Untuk mengesan bunyi air di dalam paip, kita memerlukan sensor bunyi. Walau bagaimanapun, Raspberry Pi 3 tidak mempunyai GPIO Analog. Untuk mengatasi masalah ini, kami menggunakan Arduino kerana Arduino mempunyai GPIO analog. Oleh itu, kami menyambungkan sensor Grove Sound ke perisai Grove Arduino dan menghubungkan Shield ke Arduino UNO 3. Kemudian kami menyambungkan Arduino & Raspberry menggunakan kabel USB. Untuk mendapatkan lebih banyak maklumat mengenai sensor Grove Sound, anda boleh menyemak lembaran datanya. Anda dapat mencari dalam lembaran data contoh kod bagaimana membaca nilai sensor. Contoh Kod hampir digunakan akan perubahan kecil. Dalam kod di bawah ini kami menyambungkan sensor ke perisai A0. Untuk menulis secara bersiri, kami menggunakan fungsi Serial.begin (). Untuk berkomunikasi dengan Raspberry baud rate yang ditetapkan ke 115200Data akan dihantar ke Raspberry jika lebih besar daripada ambang tertentu untuk mengurangkan kebisingan. Banyak percobaan telah dilakukan untuk memilih nilai ambang & kelewatan yang diinginkan. Ambang didapati 400 & nilai Kelewatan 10 milisaat. Ambang dipilih untuk menyaring kebisingan normal & memastikan bahawa hanya data yang bermakna akan dihantar ke awan. Penundaan telah dipilih jauh untuk memastikan bahawa sensor dapat segera mengesan perubahan suara aliran di dalam tiub.

II- Raspberry Pi 3Untuk memuat turun perkara android di Raspberry, anda boleh memuat turun versi terkini dari Android Things Console. Dalam projek ini kami menggunakan versi: OIR1.170720.017. ikuti langkah-langkah di laman Raspberry untuk memasang sistem operasi pada raspberry, untuk windows anda boleh menggunakan langkah-langkah ini Selepas pemasangan anda boleh menyambungkan Raspberry ke komputer anda menggunakan USB. Kemudian di konsol komputer anda gunakan arahan di bawah untuk mendapatkan Raspberry IP

nmap -sn 192.168.1. *

Setelah mendapat IP, sambungkan ke Raspberry anda menggunakan arahan di bawah

adb sambung

Untuk menyambungkan Raspberry anda ke Wifi (tambahkan SSID & kata laluan anda)

adb am beginervice

-n com.google.wifisetup /. WifiSetupService

-a WifiSetupService. Hubungkan

-e ssid *****

- frasa laluan ****

Langkah 3: Awan Google - Pendaftaran

Google menawarkan tahap percuma untuk semua pengguna selama satu tahun dengan siling 300 $, Terima kasih kepada Google:). Ikuti skrin untuk membuat projek baru di Google Cloud

Langkah 4: Awan Google - Pub / Sub

Google Cloud Pub / Sub adalah perkhidmatan pesanan masa nyata yang dikendalikan sepenuhnya yang membolehkan anda menghantar dan menerima mesej antara aplikasi bebas.

Langkah 5: Awan Google - Teras IOT

II- IOT CoreA perkhidmatan yang dikendalikan sepenuhnya untuk menghubungkan, mengurus, dan menelan data dari peranti yang tersebar di dunia dengan mudah dan selamat. Core IOT masih Beta, untuk mengaksesnya, anda perlu membuat permintaan dengan Justifikasi ke Google. Kami membuat permintaan, justifikasi kami adalah pertandingan ini. Google meluluskan, Terima kasih kepada Google sekali lagi:). Raspberry akan menghantar data sensor ke IOT Core yang akan meneruskan bacaan ke topik PubSub yang dibuat pada langkah sebelumnya

Langkah 6: Awan Google - Fungsi Awan

Cloud Functions adalah persekitaran tanpa pelayan untuk membina dan menghubungkan perkhidmatan awan. Pencetus untuk fungsi ini adalah topik PubSup yang dibuat pada langkah 1.;; Fungsi ini akan dicetuskan apabila nilai baru ditulis di PubSup dan menulisnya di Cloud DataStore dengan Jenis "SoundValue"

Langkah 7: Awan Google - Cloud DataStore

Google Cloud Datastore adalah pangkalan data dokumen NoSQL yang dibina untuk penskalaan automatik, prestasi tinggi, dan kemudahan pengembangan aplikasi. Walaupun antara muka Cloud Datastore mempunyai banyak ciri yang sama dengan pangkalan data tradisional, sebagai pangkalan data NoSQL, ia berbeza dari mereka dalam cara menggambarkan hubungan antara objek data. Tidak perlu sebarang persediaan kerana begitu Cloud Functions menuliskan nilai sensor ke DataStore, data akan ditambahkan ke DataStore

Langkah 8: Awan Google - BigQuery

Kami mengumpulkan sampel 10 minit dari paip biasa & 10 minit dari paip tersekat dengan perbezaan tepat 1 jam antara 2 lelaran. Setelah memuat turun data DataStore dan membuat beberapa manipulasi untuk menambahkan klasifikasi untuk setiap baris. Sekarang kita mempunyai 2 fail csv satu untuk setiap kategori. Sebagai amalan terbaik muat naik fail CSV data terlebih dahulu ke Cloud Storage. Di skrin di bawah, kami membuat baldi baru & memuat naik 2 fail CSV Oleh kerana baldi ini akan digunakan untuk analisis sahaja, tidak perlu memilih baldi berbilang wilayah Kemudian buat Set data baru & jadual baru di BigQuery dan muat naik fail 2 CSV dari baldi ke jadual baru

Langkah 9: Awan Google - Studio Data

Kemudian kami menggunakan Data Studio untuk menarik beberapa pandangan. Data Studio akan membaca data dari jadual BigQuery. Dari grafik kita dapat melihat perbezaan antara 2 kategori dalam jumlah telemetri dan jumlah nilai per minit. Berdasarkan pandangan ini kita dapat merancang model yang mudah, paip dianggap tersekat jika dalam 3 minit berturut-turut, jumlah nilai telemetri yang lebih tinggi daripada ambang kebisingan (400) melebihi 350 telemetri. dan dalam 3 minit berturut-turut, jumlah nilai telemetri yang lebih tinggi daripada ambang percikan (720) lebih daripada 10 telemetri.

Langkah 10: Fasa Ramalan

Kami merujuk pada bacaan, ketika melebihi nilai tertentu (THRESHOLD_VALUE) yang ditetapkan menjadi 350 yang menyaring kebisingan dan menurunkan kadar aliran air di dalam tabung, dari dianggap sebagai bacaan

Analisis data menunjukkan bahawa dalam mod terbuka jumlah bacaan kurang dari 100, tetapi dalam mod tersumbat, nilainya jauh lebih tinggi (mencapai 900 per minit), tetapi dalam kes yang jarang berlaku juga kurang dari 100. Walau bagaimanapun, kes-kes ini tidak berulang, dan selama tiga minit berturut-turut, jumlah bacaan selalu melebihi 350. Memiliki mod terbuka dalam tiga minit yang sama akan berjumlah kurang dari 300, kita dengan yakin dapat menerapkan peraturan ini: Peraturan # 1 Selama tiga minit dalam jumlah mentah, jika jumlah bacaan > 350, maka tersumbat tersumbat. Kami mendapati nilai maksimum yang dicapai dalam mod terbuka tidak melebihi nilai tertentu (SPARK_VALUE) yang didapati 770, jadi kami menambahkan peraturan ini: Peraturan # 2 Sekiranya nilai membaca> 350, maka tersumbat kebanyakannya terdeteksi.

Menggabungkan kedua-dua peraturan, memberi kami cara mudah untuk menerapkan logik pengesanan, seperti yang ditunjukkan. Perhatikan bahawa kod di bawah digunakan pada Arduino yang kemudian menilai telemetri yang diterima berdasarkan model kami dan hantar ke raspberry jika paip tersumbat atau terbuka.

Langkah 11: Kod

Semua Kod untuk Arduino, Raspberry & Cloud Function boleh didapati di Github.

Untuk maklumat lebih lanjut, anda boleh menyemak pautan ini