Home Automation Based on Android System Using Artificial Neural Network with GSM Notification
| العنوان بلغة أخرى: |
اتمته المنزل مبنية على اساس نظام الاندرويد باستخدام الشبكة العصبية الصناعية مع اشعار GSM |
|---|---|
| المؤلف الرئيسي: | راضي، ساره عباس (مؤلف) |
| مؤلفين آخرين: | جمعة، أسامة قاسم (مشرف) |
| التاريخ الميلادي: |
2017
|
| موقع: | الحلة |
| التاريخ الهجري: | 1438 |
| الصفحات: | 1 - 89 |
| رقم MD: | 1022574 |
| نوع المحتوى: | رسائل جامعية |
| اللغة: | الإنجليزية |
| الدرجة العلمية: | رسالة ماجستير |
| الجامعة: | جامعة بابل |
| الكلية: | كلية الهندسة |
| الدولة: | العراق |
| قواعد المعلومات: | Dissertations |
| مواضيع: | |
| رابط المحتوى: |
الناشر لهذه المادة لم يسمح بإتاحتها. |
| المستخلص: |
إن مفهوم الأتمتة المنزلية تم استخدامه في السنوات الأخيرة ضمن تشكيل البيوت المستقبلية، حيث أن توفير الطاقة، الوقت والأمن هي الأسباب الرئيسية في تصميم هذه الأنظمة من خلال استخدام التطبيقات النقالة المتطورة. وبناء على هذه التطبيقات، يتم اقتراح نظام أتمتة المنزل لغرض: المراقبة المنزلية وخاصة أثناء غياب صاحبه لاكتشاف الحركات غير المرغوب فيها والسيطرة على بعض الأجهزة المنزلية تلقائيا. ويتكون النظام من ثلاث عقد تعمل كوحدات استشعار وتحكم، ومنسق. وبالإضافة إلى ذلك، هناك ثلاث كاميرات نوع IP للمراقبة تم توزيعها على غرفتين. شبكة زيجبي لاسلكية متكونه من ثلاث عقد ومنسق تم استخدامها لجمع البيانات من الغرفتين. وتتكون كل عقدة من مجموعة من أجهزة الاستشعار لجمع معلومات الحرارة، الإضاءة، والغاز، والحركات باستخدام متحكم ثم سيتم إرسال هذه البيانات إلى منسق من أجل أن يتم جمعها وترتيبها. أن بيانات الشبكة يتم إرسالها من المنسق لاسلكيا إلى المحطة الأساسية (الجوال اندرويد ذكي) من خلال Wi Fi shield من أجل أن تتم معالجتها باستخدام قاعدة دلتا للتعليم. يتم استخدام الشبكة العصبية الاصطناعية لجعل هذا النظام الآلي أكثر ذكاءاً في اتخاذ القرارات المناسبة لقراءات أجهزة الاستشعار من أجل تشغيل بعض الأجهزة المنزلية وإرسال رسالة نصية قصيرة لإبلاغ صاحب المنزل حول الوضع الجديد، وإذا كان هنالك خطر أم لا. يتم إرسال خمسة عشر عينة من البيانات لاسلكياً من منسق إلى المحطة الأساسية، يتم جمع هذه العينات من ثلاث عقد تحتوي على اثني عشر جهاز استشعار. تتم معالجة هذه البيانات باستخدام الشبكات العصبية عن طريق مقارنتها مع قاعدة البيانات التي تم تعلمها في وقت سابق. ومن النتائج، أن عملية التعليم تحتاج حوالي 2280.78 ثانية مع 113259 تكرار لإعطاء قيمة الخطأ المساواة ل 3-10 *1. يتم استخدام مجموعة تتكون من ثلاث كاميرات نوع IP في هذا النظام لمراقبة المنزل، والتي تستخدم لالتقاط صور في حالة الكشف عن حركة وإرسال الصور إلى المحطة الأساسية عن طريق جهاز التوجيه (router)، ويمكن الوصول إليها أيضا عن بعد من قبل صاحب المنزل باستخدام الإنترنت. اعتمادا على بيانات الاستشعار التي تم جمعها ومعالجتها يتم اتخاذ قرارين. القرار الأول هو السيطرة على الأجهزة المنزلية مثل سخان، مروحة، مضخات مكافحة الحرائق ومصابيح الإضاءة. أما القرار الثاني فهو للتحقق من أمن المنزل بمساعدة استخدام الكاميرات. يمكن الملاحظة من النتائج أن النظام يعطي تعامل جيد في حالات الخطر. البرنامج المستخدم لعملية المعالجة هو Eclipse JUNO نسخة 2013، كذلك المتحكم هو اردوينو مع Wi-Fi shield و XBee shield. |
|---|
عناصر مشابهة
-
Gold Detection Using Remote Sensing and Artificial Neural Networks
بواسطة: Ibrahim, Ahmed Dawod Mohammed منشور: (2017) -
Classification of Brain Tumor Using Artificial Neural Network
بواسطة: داخل ، نور حيدر منشور: (2017) -
Using Artificial Neural Networks "ANN" to Control Chaos
بواسطة: Ighneiwa, Ibrahim منشور: (2017) -
Modeling of Photovoltaic System Output Using Artificial Neural Network
بواسطة: عيسى، صهيب زكريا حسن منشور: (2017) -
Palmprint Recognition System By Using Contourlets Transform And Artificial Neural Network
بواسطة: Abu Kmeil, Mohanad A. M. منشور: (2013)
