Drain Clog Detector: 11 Mga Hakbang (na may Mga Larawan)

2024 May -akda: John Day | [email protected]. Huling binago: 2024-01-30 13:15

Huwag hayaan ang isang baradong alisan ng tubig na makapagpabagal sa iyo! Pagbalik mula sa aming bakasyon, ako at ang aking asawa ay nagulat sa tubig na sumasaklaw sa sahig ng aming apartment, at nalaman namin na hindi ito kahit malinis na tubig, umaagos saanman. Matapos malinis ang alisan ng tubig at linisin ang sahig, mayroon akong tanong na ito: bakit wala kaming isang sistema ng alarma para sa mga potensyal na clog ng alisan ng tubig? Ang mga baradong kanal ay hindi lamang maaaring tumigil sa iyong bahay, ngunit gugugol ng mga karagdagang gastos mula sa iyong mga bulsa, $ 206 sa average ay gastos sa paglilinis ng isang baradong alisan ng tubig ayon sa HomeScore, bilang karagdagan sa mga nakatagong gastos ng mga nasirang karpet, kasangkapan sa kahoy,… atbp. Ang aming ideya ay hayaan ang mga may-ari ng bahay pati na rin ang mga negosyo tulad ng mga departamento ng pagpapanatili ng lungsod / compound at mga dalubhasang tagapagbigay ng serbisyo na magkaroon ng isang mahusay at matalinong sistema na nagbabala sa sinumang namamahala nang maaga hangga't maaari upang kumilos, na nag-aambag sa pagpapayaman ng mga matalinong lungsod na may isang mahalagang tampok

Kahit na ang pagtuklas ng mga clog ay maaaring gawin sa pamamagitan ng maraming mga diskarte, tulad ng paggamit ng mga gas sensor o panloob na mekanismo, nakatuon ang aming koponan sa paggamit ng tunog bilang aming input, dahil alam namin na ang katok sa isang tubo kung saan ito binuksan ay magkakaibang tunog mula sa nangyari kapag sarado. Ayon sa simpleng konsepto na ito, kung maaari naming sanayin ang isang modelo ng mga pattern ng tunog na nagaganap sa ibabaw ng tubo sa panahon ng mga clogs pati na rin ang mga pattern na nangyayari sa mga bukas na tubo, maaari naming mailapat ang modelo upang makita nang aktibo kapag nagsimula nang bumuo ng isang clog, at pagkatapos ay mag-ring ng ilang bayarin.

Mga Kredito para sa

• Mohamed Hassan
• Ahmed Emam

Ang proyekto nang detalyado3 mga phase ay ipinatupad sa proyektong ito: Ang pangangalap ng data, Pag-aaral at hula.

Bago ilapat ang sistemang ito sa totoong buhay, kailangan naming lumikha ng isang ipinapatupad na simulasi na kapaligiran, kung saan mayroon kaming tubo, dumadaloy na tubig, at kahit papaano upang gayahin ang bakya. Kaya, nakuha namin ang isang tubo, isang hose ng tubig na may mapagkukunan ng tubig na ginagawa ito sa bath tub, at ginagamit ang ibabaw ng tub upang isara ang tubo na kumakatawan sa bara. Sa video na ito, ipinapaliwanag namin kung paano namin binuo ang kapaligiran at kung paano kami nakolekta ng data para sa pagsasanay sa modelo.

At sa susunod na video na ito, ipinapakita kung paano namin ginawa ang pagsubok para sa system at modelo, sa bukas na mode, pagkatapos ay sa clog mode at bumalik sa bukas na mode, subalit

Kaya, hinayaan nating tuklasin ang aming pagpapatupad nang paunahin:

Hakbang 1: Ang Eksperimento

Sa senaryong ito gumagamit kami ng isang maliit na tubo ng tubig na konektado sa aming hardware at sound sensor. Binabasa ng hardware ang halaga ng sensor at ibalik ito sa Cloud. Ginawa ito para sa 10 minuto para sa naka-block na tubo pagkatapos ng isa pang 10 minuto para sa tubo na hindi na-block.

Hakbang 2: Hardware

Ako- Arduino

Upang makita ang tunog ng tubig sa loob ng tubo kailangan namin ng isang sensor ng tunog. Gayunpaman ang Raspberry Pi 3 ay walang Analog GPIO. Upang hawakan ang isyung ito ginagamit namin ang Arduino dahil ang Arduino ay may analog GPIO. Kaya kinokonekta namin ang sensor ng Grove Sound sa kalasag ng Grove Arduino at ikinonekta ang Shield sa Arduino UNO 3. Pagkatapos ay ikonekta namin ang Arduino at Raspberry gamit ang USB cable. Upang makakuha ng karagdagang impormasyon tungkol sa sensor ng Grove Sound, maaari mong suriin ang sheet ng data nito. Maaari mong makita sa sheet ng data ang isang sample code kung paano basahin ang mga halaga ng sensor. Halimbawang Code ay halos gamitin ay maliit na pagbabago. Sa ibaba ng code ay ikonekta namin ang sensor sa A0 sa kalasag. Upang magsulat sa serial, gumagamit kami ng Serial.begin () function. Upang makipag-usap sa Raspberry baud rate na itinakda sa 115200Data ay ipapadala sa Raspberry kung ito ay mas malaki kaysa sa ilang mga threshold upang maputol ang ingay Maraming mga pagsubok ang nagawa upang mapili ang nais na mga halagang threshold at antala. Natagpuan ang threshold na 400 at Pag-antala ng halaga na 10 millisecond. Napili ang threshold upang salain ang normal na ingay at tiyakin na ang makahulugang data lamang ang ipapadala sa cloud. Napili ang dray sa malayo upang matiyak na nakita ng sensor ang anumang mga pagbabago sa tunog ng daloy sa loob ng tubo kaagad.

II- Raspberry Pi 3 Upang mag-download ng mga bagay na android sa Raspberry, maaari mong i-download ang pinakabagong bersyon mula sa Android Things Console. Sa proyektong ito gumagamit kami ng bersyon: OIR1.170720.017. sundin ang mga hakbang sa site ng Raspberry upang mai-install ang operating system sa raspberry, para sa mga bintana maaari mong gamitin ang mga hakbang na ito Pagkatapos ng pag-install maaari mong ikonekta ang Raspberry sa iyong computer gamit ang USB. Pagkatapos sa iyong computer console gamitin ang utos sa ibaba upang makakuha ng Raspberry IP

nmap -sn 192.168.1. *

Matapos makuha ang IP, kumonekta sa iyong Raspberry gamit ang ibaba na utos

adb kumonekta

Upang ikonekta ang iyong Raspberry sa Wifi (idagdag ang iyong SSID at password)

adb am startservice

-n com.google.wifisetup /. WifiSetupService

-WifiSetupService. Connect

-e ssid *****

-e passphrase ****

Hakbang 3: Google Cloud - Pagpaparehistro

Nag-aalok ang Google ng isang libreng baitang para sa lahat ng mga gumagamit para sa isang taon na may kisame ng 300 $, Salamat sa Google:). Sundin ang mga screen upang lumikha ng bagong proyekto sa Google Cloud

Hakbang 4: Google Cloud - Pub / Sub

Ang Google Cloud Pub / Sub ay isang ganap na namamahala ng serbisyong real-time na pagmemensahe na nagbibigay-daan sa iyo upang magpadala at makatanggap ng mga mensahe sa pagitan ng mga independiyenteng application.

Hakbang 5: Google Cloud - IOT Core

II- IOT CoreAng isang ganap na pinamamahalaang serbisyo upang madali at ligtas na kumonekta, pamahalaan, at ingest data mula sa mga global na nakakalat na aparato. IOT Core pa rin ang Beta, upang magkaroon ng pag-access dito kailangan mong gumawa ng isang kahilingan gamit ang Justification sa Google. Namin ang kahilingan, ang aming pagbibigay-katwiran ay ang paligsahan na ito. Naaprubahan ng Google, Salamat muli sa Google:). Ang Raspberry ay magpapadala ng data ng sensor sa IOT Core na magpapasa ng mga pagbabasa sa paksa ng PubSub na nilikha sa nakaraang hakbang

Hakbang 6: Google Cloud - Mga Pag-andar ng Cloud

Ang Cloud Function ay isang walang server na kapaligiran upang mabuo at ikonekta ang mga serbisyong cloud. Ang nag-trigger para sa pagpapaandar na ito ay ang paksang PubSup na nilikha sa hakbang 1.;; Ang pag-andar na ito ay mai-trigger kapag ang bagong halaga na nakasulat sa PubSup at isulat ito sa Cloud DataStore na may Kind na "SoundValue"

Hakbang 7: Google Cloud - Cloud DataStore

Ang Google Cloud Datastore ay isang database ng dokumento ng NoSQL na binuo para sa awtomatikong pag-scale, mataas na pagganap, at kadalian ng pagbuo ng application. Habang ang interface ng Cloud Datastore ay may maraming mga parehong tampok tulad ng tradisyunal na mga database, bilang isang database ng NoSQL naiiba ito sa kanila sa paraang inilalarawan nito ang mga ugnayan sa pagitan ng mga object ng data. Hindi na kailangan para sa anumang pag-set up tulad ng pagsulat ng mga Cloud Function ng mga halaga ng sensor sa DataStore, idaragdag ang data sa DataStore

Hakbang 8: Google Cloud - BigQuery

Kinokolekta namin ang isang sampol na 10 minuto mula sa normal na tubo at 10 minuto mula sa naka-block na tubo na may pagkakaiba na eksaktong 1 oras sa pagitan ng 2 pag-ulit. Pagkatapos mag-download ng data DataStore at gumawa ng ilang pagmamanipula upang magdagdag ng pag-uuri para sa bawat hilera. Ngayon mayroon kaming 2 csv file isa para sa bawat kategorya. Bilang pinakamahusay na kasanayan sa pag-upload ng data ng mga CSV file muna sa Cloud Storage. Sa screen sa ibaba lumikha kami ng isang bagong timba at i-upload ang 2 mga file ng CSVs Dahil ang bucket na ito ay gagamitin para sa pagtatasa lamang, hindi na kailangang pumili ng Multi-regional bucket Pagkatapos lumikha ng bagong Dataset & bagong talahanayan sa BigQuery at i-upload ang 2 CSVs file mula sa bucket hanggang sa ang bagong mesa

Hakbang 9: Google Cloud - Data Studio

Pagkatapos ay gumagamit kami ng Data Studio upang gumuhit ng ilang mga pananaw. Magbabasa ang Data Studio ng data mula sa talahanayan ng BigQuery. Mula sa mga graph maaari nating makita ang pagkakaiba sa pagitan ng 2 mga kategorya sa bilang ng mga telemetries at kabuuan ng mga halaga bawat minuto. Batay sa mga pananaw na ito maaari kaming mag-disenyo ng isang simpleng modelo, ang tubo ay itinuturing na naka-block kung sa 3 sunud-sunod na minuto, ang bilang ng mga halaga ng telemetries na mas mataas kaysa sa threshold ng ingay (400) ay higit sa 350 mga telemetryo. at sa 3 sunud-sunod na minuto, ang bilang ng halaga ng telemetries na mas mataas kaysa sa spark threshold (720) ay higit sa 10 telemetries.

Hakbang 10: Phase ng Prediksiyon

Tumutukoy kami sa isang pagbabasa, kapag lumampas ito sa isang tiyak na halaga (THRESHOLD_VALUE) na itinakda sa 350 na nagsasala ng ingay at nagpapababa ng mga rate ng daloy ng tubig sa tubo, mula sa isinasaalang-alang bilang isang pagbabasa

Ipinakita ang pagtatasa ng data na sa bukas na mode ang bilang ng mga pagbasa ay mas mababa sa 100, ngunit sa clog mode, ang mga halaga ay mas mataas (umabot sa 900 bawat minuto), ngunit sa mga bihirang kaso ay mas mababa rin sa 100. Gayunpaman, ang mga kasong ito ay hindi naulit., at para sa tatlong kahihinatnan na minuto, ang kabuuang bilang ng mga pagbasa ay laging lumalagpas sa 350. Ang pagkakaroon ng bukas na mode sa parehong tatlong minuto ay susumahin nang mas mababa sa isang 300, masalig naming mailalagay ang panuntunang ito: Panuntunan # 1 Para sa tatlong minuto sa isang hilaw, kung ang kabuuang pagbabasa > 350, pagkatapos ang isang bakya ay nakita. Natagpuan namin ang maximum na halagang naabot sa bukas na mode ay hindi lalampas sa isang tiyak na halaga (SPARK_VALUE) na napatunayang 770, kaya idinagdag namin ang panuntunang ito: Panuntunan # 2 Kung ang halaga ng pagbabasa> 350, kung gayon ang isang bakya ay karamihan na napansin.

Ang pagsasama-sama ng parehong mga patakaran, binigyan kami ng isang madaling paraan upang maipatupad ang lohika ng pagtuklas, tulad ng ipinakita. Pansinin na sa ibaba ang code ay na-deploy sa Arduino na pagkatapos ay sinusuri ang mga natanggap na telemetries batay sa aming modelo at ipadala sa raspberry kung ang tubo ay barado o bukas.

Hakbang 11: Code

Ang lahat ng Code para sa Arduino, Raspberry at Cloud Function ay matatagpuan sa Github.

Para sa karagdagang impormasyon maaari mong suriin ang link na ito