Koncepcja środowiska symulacyjnego do oceny samoorganizacji trasowania w sieci sensorycznej

• Autorzy: Stankiewicz K.

Warianty tytułu

EN

The concept of the simulation environment designed to evaluate the self-organizing process of the sensors network routing

• Języki publikacji: PL

Abstrakty

PL

Techniki Internetu Rzeczy (IoT – Internet of Things) oraz komunikacji bezpośredniej Maszyna do Maszyny (M2M - Machine to Machine) coraz mocniej wpływają na strukturę i funkcjonalność systemów sterowania stosowanych w maszynach, kształtując przy tym ideę Przemysłu 4.0 (Industry 4.0). Systemy sterowania zgodne z IoT wykorzystują sieci komunikacyjne, często o dużym stopniu komplikacji, łącząc poszczególne podzespoły, moduły, elementy wykonawcze i sensory. W artykule przedstawiono zagadnienie symulacji samoorganizacji ścieżek komunikacyjnych (trasowanie, routing) w złożonej sieci sensorycznej monitorującej działanie krążników przenośnika taśmowego. Poszczególne sensory tworzące sieć są niezależne i wyposażone w elektroniczny układ pomiarowy oraz transmisyjny MTU (Measuring and Transmitting Unit). W celu utworzenia i optymalizacji ścieżek transmisyjnych, w proponowanej strukturze komunikacyjnej, zaproponowano algorytm klasy SA (Swarm Algorithm) bazujący na zachowaniu roju.

EN

Assumptions of an IoT (Internet of Things) and direct communication M2M (Machine to Machine) got strong influence on the structure and functionality of the control systems of machines, shaping at once an idea of the Industry 4.0 (Industry 4.0). All control systems, in accordance with the IoT, use communication networks, often with a high degree of complexity, combining the various components, modules, actuators and sensors. The paper presents the simulation problem of self-organization communication paths in a complex network of sensory monitoring of operation of the conveyor belt rollers, in which each sensor is equipped with an independent, electronic measuring and transmission unit (MTU). In order to create and optimize the communication structure an algorithm of class SA (Swarm Algorithm), based on the behavior of the swarm, was proposed.

Słowa kluczowe

PL

trasowanie; samoorganizacja; algorytm roju; sieć sensoryczna

EN

routing; self-organization; swarm algorithm; sensors networks

• Wydawca: Instytut Techniki Górniczej KOMAG
• Czasopismo: Maszyny Górnicze
• Rocznik: 2015
• Tom: R. 33, nr 2
• Strony: 3--8
• Opis fizyczny: Bibliogr. 18 poz.

Twórcy

autor

Stankiewicz K.

• Instytut Techniki Górniczej KOMAG

Bibliografia

• 1. Bartoszek S.: Metoda pozycjonowania górniczych maszyn mobilnych w wyrobiskach korytarzowych. W: Innowacyjne techniki i technologie dla górnictwa. Bezpieczeństwo – Efektywność – Niezawodność. KOMTECH 2012, Instytut Techniki Górniczej KOMAG, Gliwice 2012 s. 387 - 399.
• 2. Bartoszek S ., Jagoda J., Jura J., Latos M. : Systemy wbudowane w zespołach sterowania, diagnostyki oraz wizualizacji dla górnictwa. W: Innowacyjne techniki i technologie dla górnictwa. Bezpieczeństwo – Efektywność – Niezawodność. KOMTECH 2014, Instytut Techniki Górniczej KOMAG, Gliwice 2014, ISBN 978-83-60708-83–5
• 3. Eberhart R ., Shi Y., Kennedy J.: Swarm Intelligence. Morgan Kaufman, San Francisco, 2001.
• 4. Gong T., Tuson A.L.: Particle swarm optimization for quadratic assignment problems - a formal analysis approach. International Journal of Computational Intelligence Research, 4, 2008, 177 185.
• 5. Kennedy J., Eberhart R.: Particle Swarm Optimization. Materiały IEEE International Conference on Neural Networks, 4, 1995, 1942-1948.
• 6. Jonak J., Prostański D., Jasiulek D., Rogala-Rojek J., Puchała B.: Koncepcja adaptacyjnego układu sterowania w kombajnach chodnikowych REMAG SA. Problemy bezpieczeństwa w budowie i eksploatacji maszyn i urządzeń górnictwa podziemnego. Monografia pod redakcją Krzysztofa Krauze, Centrum Badań i Dozoru Górnictwa Podziemnego sp. z o.o., Lędziny 2010 s. 115-123.
• 7. Jonak J., Rogala-Rojek J.: System doradczy wspomagający operatora kombajnu chodnikowego. Prace Naukowe - Monografie KOMAG nr 38, Instytut Techniki Górniczej KOMAG, Gliwice 2012.
• 8. Latos M., Bartoszek S., Rogala-Rojek J.: Diagnostics of underground mining machinery. Proceedings of the 19th International Conference on Methods and Models in Automation and Robotics (MMAR), Międzyzdroje, 2014, s. 782-787.
• 9. Latos M., Stankiewicz K.: Studies on the effectiveness of noise protection for an enclosed industrial area using global active noise reduction systems. Low Frequency Noise, Vibration and Active Control Journal, 2015, vol. 34, nr 1, s. 9-20 2.
• 10. Lian Z., Gu X., Jiao B., A similar particle swarm optimization algorithm for permutation flow - shop scheduling to minimize makespan. Applied Mathematics and Computation, 175, 2006, 773 785.
• 11. Sha D.Y., Hsu Ch.Y., A new particle swarm optimization for the open shop scheduling problem. Computers & Operations Research, 3 5, 2008, 3243-3261.
• 12. Stankiewicz K.: Koncepcja metody samo-organizacji złożonego systemu komunikacyjnego do zastosowań w górnictwie, W: Innowacyjne techniki i technologie dla górnictwa. Bezpieczeństwo – Efektywność – Niezawodność KOMTECH 2012, Instytut Techniki Górniczej KOMAG, Gliwice 2012 s. 329–338
• 13. Świder J., Woszczyński M.: Zastosowanie układu rekuperacji energii w silniku spalinowym maszyny górniczej. Prace Naukowe - Monografie KOMAG nr 43, Instytut Techniki Górniczej KOMAG, Gliwice 2014 s. 1 - 106; 6,69 ark. wyd., ISBN 978-83-60708-82–8
• 14. Świder J., Woszczyński M.: Use of the System for Energy Recuperation and Control in Diesel Machines. Machine Dynamics Research 2014, Vol. 38, No 1
• 15. Tlaga J., Tlaga W.: Samoorganizujący się system roju - nowe podejście w projektowaniu systemów zabezpieczeń (cz. 2), Ochrona Mienia i Informacji, nr 6/2007, str. 38–42
• 16. Tasgetiren M.F., Liang Y.C., Sevkli M., Gencyilmaz G.: A particle swarm optimization algorithm for makespan and total flowtime minimization in the permutation flowshop sequencing. European Journal of Operational Research, 177, 2007, 1930-1947.
• 17. Wang L., Wang X., Fu J., Zhen L.: A novel probability binary particle swarm optimization algorithm and its application. Journal of Software, 3, 2008, 28-35.
• 18. Zhu Q., Qian L., Li Y., Zhu S.: An improved particle swarm optimization algorithm for vehicle routing problem with time windows. Materiały IEEE Congress on Evolutionary Computation, 2006, 1386-1390.