ПРОТОТИП КІБЕРФІЗИЧНОЇ СИСТЕМИ МОНІТОРИНГУ ФІЗИЧНОГО СТАНУ ОПЕРАТОРА ЛІТАЛЬНОГО АПАРАТА
Ключові слова:
біомедичний комплекс, WEB-сервер, IoT пристрій, кібернетична система, Arduino, ESP, програмне рішення, апаратне рішення
Анотація
Телефони, персональні комп’ютери, машини, потяги, літаки у всіх цих пристроях є величезна кількість датчиків, що дозволяють визначити поточний стан майже кожної системи апарату. Але зовсім не досліджують психоемоційний та фізичний стан операторів під час керування такою комплексною технікою. За статистикою, більше половини авіакатастроф стається через людський фактор. Щоб зменшити кількість авіакатастроф пов’язаних з погіршенням стану оператора літального апарату пропонується використовувати мобільний біомедичний комплекс з програмною та апаратною частинами. Розроблюваний комплекс має знімати основні біологічні показники оператора у реальному часі, зберігати та оброблювати їх, щоб за цими даними було можна давати поради операторові задля покращення його стану. Апаратна частина включає наступні блоки обробки даних з датчиків: кардіограф; чотири міографи; пульсоксиметр; температури та вологості; визначення опору шкіри. Дані від блоків обробників даних збираються мікроконтролером-обробником, який може додатково перетворювати дані у адекватні фізичні величини. Мікроконтролер-обробник обмінюється даними з мікроконтролером-сервером, що призначений для буферизації та виведення даних на пристрій користувача чи у хмарні WEB-сервіси. Програмна частина включає програми нижнього рівня для збирання даних вимірів, їх обробку, формування у пакети, обмін пакетами між мікроконтролерами та вивід даних на WEB-сервіси, а також Backend WEB-сторінок користувацького інтерфейсу. Програмування верхнього рівня включає розробку WEB-сторінок де відображається поточна інформація про стан досліджуваного користувача. На даний момент створена модель біомедичного комплексу на базі платформ Arduino UNO та NodeMCU, яка може вимірювати опір шкіри, вологість та температуру дихання, а також передавати їх клієнтам що знаходяться в локальній мережі. У майбутньому планується: розробка системи збереження даних та їх надсилання під’єднаним користувачам; удосконалення користувацького інтерфейсу та реалізація функціоналу швидкого переналаштування моніторингових функцій комплексу; створення системи обробки даних на основі інформаційно-аналітичних інструментів підтримки прийняття рішень, щоб формувати індивідуальні рекомендації щодо покращення фізичного стану оператора.Завантаження
Дані про завантаження поки що недоступні.
Посилання
1. Rodríguez-Jorge, R., De León-Damas, I., Bila, J., & Škvor, J. (2021). Internet of things-assisted architecture for QRS complex detection in real time. Internet of Things, 14, 100395. doi: https://doi.org/10.1016/j.iot.2021.100395
2. De Giovanni, E., Forooghifar, F., Surrel, G., Teijeiro, T., Peon, M., Aminifar, A., & Atienza Alonso, D. (2022). Intelligent Edge Biomedical Sensors in the Internet of Things (IoT) Era. In Emerging Computing: From Devices to Systems (pp. 407-433). Springer, Singapore. doi: https://doi.org/10.1007/978-981-16-7487-7_13
3. Mora, H., Gil, D., Munoz Terol, R., Azorín, J., & Szymanski, J. (2017). An IoT-based computational framework for healthcare monitoring in mobile environments. Sensors, 17(10), 2302. doi: https://doi.org/10.3390/s17102302
4. ESP32/ESP8266 Plot Sensor Readings in Real Time Charts | Random Nerd Tutorials. (n.d.). Random Nerd Tutorials. https://randomnerdtutorials.com/esp32-esp8266-plot-chart-web-server/
5. Olkhova, Y., Guchenko, M. (2015). Creation of a Local Model of a Neuron-Controlled Process Network. Electromechanical Systems, Modeling and Optimization Methods (p. 318). KrNU, Ukraine. URL: http://www.kdu.edu.ua/statti/Tezi/Tezi_EES_%20pdf/318.PDF
6. Guchenko, M., Kostenko P., Slavko O., Sokhin N. (2015). A Formal Model of Information Technology for Improving the Quality of Service of Data Flows Based on a Local Model of The Controlled Process. Problems of informatization and management, 3(51), KrNU, Ukraine. URL: https://jrnl.nau.edu.ua/index.php/PIU/article/view/10305/13567
7. Zagirnyak, M., Perekrest, A., Ogar, V., Chebotarova, Y., & Mur, O. (2021). Segmentation of heat energy consumers based on data on daily power consumption. Natsional’nyi Hirnychyi Universytet. Naukovyi Visnyk, (2), 89-96. URL: http://www.nvngu.in.ua/jdownloads/pdf/2021/2/02_2021_Zagirnyak.pdf
8. Perekrest, A., Chenchevoi, V., Chencheva, O., Kovalenko, A., Kushch-Zhyrko, M., Kalizhanova, A., & Amirgaliyev, Y. (2022). Prediction Model of Public Houses’heating Systems: a Comparison of Support Vector Machine Method and Random Forest Method. Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska, 12(3), 34-39. URL: https://ph.pollub.pl/index.php/iapgos/article/view/3032/2723
2. De Giovanni, E., Forooghifar, F., Surrel, G., Teijeiro, T., Peon, M., Aminifar, A., & Atienza Alonso, D. (2022). Intelligent Edge Biomedical Sensors in the Internet of Things (IoT) Era. In Emerging Computing: From Devices to Systems (pp. 407-433). Springer, Singapore. doi: https://doi.org/10.1007/978-981-16-7487-7_13
3. Mora, H., Gil, D., Munoz Terol, R., Azorín, J., & Szymanski, J. (2017). An IoT-based computational framework for healthcare monitoring in mobile environments. Sensors, 17(10), 2302. doi: https://doi.org/10.3390/s17102302
4. ESP32/ESP8266 Plot Sensor Readings in Real Time Charts | Random Nerd Tutorials. (n.d.). Random Nerd Tutorials. https://randomnerdtutorials.com/esp32-esp8266-plot-chart-web-server/
5. Olkhova, Y., Guchenko, M. (2015). Creation of a Local Model of a Neuron-Controlled Process Network. Electromechanical Systems, Modeling and Optimization Methods (p. 318). KrNU, Ukraine. URL: http://www.kdu.edu.ua/statti/Tezi/Tezi_EES_%20pdf/318.PDF
6. Guchenko, M., Kostenko P., Slavko O., Sokhin N. (2015). A Formal Model of Information Technology for Improving the Quality of Service of Data Flows Based on a Local Model of The Controlled Process. Problems of informatization and management, 3(51), KrNU, Ukraine. URL: https://jrnl.nau.edu.ua/index.php/PIU/article/view/10305/13567
7. Zagirnyak, M., Perekrest, A., Ogar, V., Chebotarova, Y., & Mur, O. (2021). Segmentation of heat energy consumers based on data on daily power consumption. Natsional’nyi Hirnychyi Universytet. Naukovyi Visnyk, (2), 89-96. URL: http://www.nvngu.in.ua/jdownloads/pdf/2021/2/02_2021_Zagirnyak.pdf
8. Perekrest, A., Chenchevoi, V., Chencheva, O., Kovalenko, A., Kushch-Zhyrko, M., Kalizhanova, A., & Amirgaliyev, Y. (2022). Prediction Model of Public Houses’heating Systems: a Comparison of Support Vector Machine Method and Random Forest Method. Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska, 12(3), 34-39. URL: https://ph.pollub.pl/index.php/iapgos/article/view/3032/2723
Опубліковано
2022-11-29
Як цитувати
Vadurin Kyrylo Прототип кіберфізичної системи моніторингу фізичного стану оператора літального апарата / Kyrylo Vadurin, Andriy Perekrest, Mykola Guchenko // Системи управління, навігації та зв’язку. Збірник наукових праць. – Полтава: ПНТУ, 2022. – Т. 4 (70). – С. 57-65. – doi:https://doi.org/10.26906/SUNZ.2022.4.057.
Розділ
Інформаційні технології
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
