Використання нейронних мереж для інтеграції з системою «Розумний дім»

Abstract

Об’єктом дослідження є процес автоматизованого керування кіберфізичними системами у сфері «розумного дому». Предметом дослідження виступають методи застосування штучних нейронних мереж для прогнозування, класифікації та адаптивного керування мікрокліматом у автоматизованих тепличних комплексах. Мета кваліфікаційної магістерської роботи полягає у розробці та дослідженні інтелектуальної системи керування «розумною теплицею», що базується на аналізі даних сенсорів, нейромережевому прогнозуванні та адаптивних алгоритмах регуляції температури, вологості та освітлення. Актуальність теми зумовлена зростанням попиту на інтелектуальні автоматизовані системи у сфері сучасного житла та аграрного виробництва, розвитком технологій машинного навчання та їх інтеграцією у побутові й промислові пристрої. Нейромережеві методи дозволяють значно підвищити ефективність роботи тепличних комплексів шляхом точного прогнозування параметрів середовища та економного використання ресурсів. У роботі розроблено повноцінну інтелектуальну систему «Розумна теплиця», яка включає апаратну частину, MQTT-серверну інфраструктуру, програмний комплекс із Python-сервісами для збору даних та навчання моделі, а також блок адаптивного керування. Запропонована система здатна не лише регулювати мікроклімат, а й прогнозувати його зміни та оптимізувати енергоспоживання.

The object of research is the process of automated control of cyberphysical systems within smart-home infrastructures. The subject of research is the application of artificial neural networks for forecasting, classification, and adaptive control of microclimate parameters in automated greenhouse systems. The aim of this work is to develop and investigate an intelligent control system for a smart greenhouse that utilizes sensor data analysis, neural-networkbased forecasting, and adaptive algorithms to regulate temperature, humidity, and lighting. The relevance of the topic is determined by the rapid development of intelligent automation systems, the increased demand for smart-agriculture solutions, and the wide adoption of machine-learning methods in both household and industrial environments. Neural networks enable significant improvements in greenhouse efficiency by providing accurate predictions and optimizing energy consumption. The work presents a fully implemented intelligent Smart Greenhouse system, which includes hardware components, MQTT-based communication infrastructure, Python services for data collection and model training, and an adaptive control module. The developed solution not only regulates the microclimate parameters but also predicts their future changes and automatically optimizes resource usage.