一种基于NB-IoT的智能井盖监测系统设计

针对城市井盖保有量大、安全事故频发、人工巡检困难、管理组织混乱等问题,提出一种基于窄带物联网(NB-IoT)技术的窨井盖自动监测系统。该系统以STM32作为主控模块,包含倾角、水位等传感器,实现对井盖状态以及井内重点数据的采集,配合云端服务器和客户端完成井盖数据远程可视化显示。结果表明,所提系统可以实现故障井盖自动报警、精确定位,降低人工巡检的难度,让城市井盖管理更加智能化,让故障检修更加便捷化,提高城市管理的智能化水平。

基于NB-IoT技术的天然气管道泄漏监测系统

为了对天然气管道运行情况进行实时监测,在发生泄漏时能够及时做出反应,设计了基于NBIoT技术的天然气管道泄漏监测系统。系统利用压力变送器、DHT11温湿度传感器和GPS/北斗定位系统分别对管道的内部压力、设备周围的温湿度和经纬度位置进行采集,将采集的数据通过STM32控制NBIoT物联网模块上传至OneNET物联网云平台,最终通过云平台对天然气管道进行实时监测。实验表明:该系统能够对天然气管道的数据进行实时上传,能够通过云平台进行天然气管道状态的实时监测。

面向NVM的IoT时序数据多态协作压缩策略

压缩策略是影响IoT时序数据存储系统性能的重要因素,而现有压缩策略缺乏针对NVM与IoT时序数据特性的优化机制。因此,提出了面向NVM的IoT时序数据多态协作压缩策略。首先,给出了IoT时序数据的组织结构。然后,针对IoT时序数据在一段时间内较稳定以及在用户态与内核态读写NVM适合的粒度差异较大的情况,设计了分层压缩策略。在用户态接收数据时,采用轻量级的数据压缩算法减少需存储的数据量,也减小了对IoT时序数据的存储效率的影响;针对IoT系统以查询和分析异常时序数据为主的特性,设计了深度压缩算法,在内核态对历史IoT时序数据进行深度压缩。其次,针对深度压缩历史IoT时序数据与存储新接收的IoT时序数据之间对NVM带宽的竞争,提出了写带宽保证的动态调整算法。最后,构建了面向NVM的IoT时序数据多态协作压缩策略原型PCCTSMS,并使用YCSB-TS工具进行测试与分析。实验结果表明,与InfluxDB、OpenTSDB、KairosDB和TVStore相比,PCCTSMS最高能提升161.3%的写吞吐率以及减少14.6%的存储空间。

元宇宙IoT场景化阅读行为研究

文章基于元宇宙IoT场景化阅读行为具有的互动感知、体验沉浸和生态社群特征,构建元宇宙IoT场景化阅读行为理论模型并对其进行检验,研究元宇宙IoT场景化阅读行为形成机理,分析其与普通网络数字阅读行为的区别,进而提出元宇宙IoT场景化阅读行为促进策略,即以空间有用感知为中心建立用户感知到认知的意愿引导策略,以互动体验沉浸为核心构建信息偶遇的互动触发策略,基于社群生态环境设计社区阅读领袖培养策略。

IoT安全课程的“实战化”教材建设

针对当前网络空间安全教学内容正向多逆向少、理论多实践少、案例旧复现难的现状,以IoT安全课程教材建设为例,提出采用理论知识加实践指导、传统纸质加视频教程、实践操作加硬件在环的方式打造新型立体化教材,以覆盖IoT安全中的固件安全、硬件安全以及无线电安全等全链条知识,并阐述物联网安全“实战化”教材规划和建设内容。

CARINA:一种高效的解决IoT互操作性的应用层协议转换方案

为了解决物联网设备众多、协议众多,以及协议架构和应用场景不同引发的物联网设备互操作性问题,针对应用层使用广泛的HTTP等4种协议,提出了一种基于协议包解析和关键方法映射的高效可扩展的应用层协议转换方案。考虑到4种协议的基础架构、消息格式、通信模式以及应用场景具有较大差异,该方案通过对协议原始数据包进行解析和关键信息提取,然后统一以键值对的形式进行信息存储,解决了不同协议信息存储的统一性问题。通过构造关键方法映射表,将不同协议的方法进行映射,实现了不同协议之间的互联。实验结果表明,基于所提方案实现的协议转换系统能很好地完成4种协议之间的消息转换。相比同类型的Ponte方法,在相同实验条件下,所提方案的转换速度都优于Ponte,甚至在某些情况下表现出了将近10倍的速度差距,同时支持多出一倍的转换类型。实验结果验证了所提方法在可扩展性和转换时间等效率方面相比同类型的协议转换算法具有显著提升。

IOT2000在高职院校现代电气控制实训中的应用

基于物联网应用的智能网关能够兼容自动控制系统中的不同通信协议及数据源,高效进行数据采集并实现通信互连的特点,研究它在高职自动化专业教育实践中的应用具有非常重要的指导意义。以亚龙YL158GA1为基础构建基于西门子IOT2000的数据采集与传输系统,开展物联网智能网关在高职院校技能训练中的应用研究,并对IOT2000的控制功能进行了探索。最终对IOT2000的优势与不足进行了总结,并结合目前国内高校“双创”教育对IOT2000的应用前景进行了分析。

基于串级模糊PID控制的NB-IoT智能保温箱

针对农产品冷链物流中存在的运力不足和无法混装小批量冷链农产品等问题,提出一种基于NB-IoT技术的智能保温箱解决方案。该方案基于半导体制冷片、PT100温度传感器和NB-IoT技术构建了系统的硬件部分,实现了远程温控和冷链物流追溯,同时利用串级模糊PID算法实现了全程精确控温。此外,基于Simulink搭建了智能保温箱温度控制系统模型,通过仿真对比验证了智能保温箱的温度控制效果。结果显示,与PID算法和模糊PID算法相比,保温箱应用的串级模糊PID算法具有更快的调节速度和更小的超调量,并在受到干扰时表现出更好的稳定性,为农产品冷链物流领域提供了高效可靠的温度控制方案。

基于NB-IoT的智慧健康监测系统设计

人口老龄化导致慢性非传染性的患病率会越来越高,智慧健康养老成为国家应对老龄化的战略目标。针对我国目前的人口结构现状,提出一种基于窄带物联网技术(NB-IoT)的智慧健康监测系统。该系统结合NB-IoT技术、传感器技和软件技术,系统主要包括可穿戴数据采集终端、云服务平台、远程监测平台等3部分。数据采集终端以STM32作为主控制器,实现对用户生理信息的采集,通过NB-IoT网络传输到云平台上,通过远程监测平台实现健康的远程监测,对健康问题进行预警。实验结果表明:系统可以实时采集老年人的生理信息(血压、血氧、心率)、运动轨迹以及定位信息,对老年人进行实时全方位健康监控,提前预防并降低慢性疾病发病率、减小死亡率、延长寿命。

基于NB-IoT的地下管廊环境监测系统设计

城市地下管廊内布设了大量的管线,如燃气管道、网络通讯线路、电力线路等,由于地下环境复杂多变,存在着气体泄漏、爆炸、火灾等安全风险。针对这些问题,提出一种基于窄带物联网技术(Narrow Band Internet of Things,NB-IoT)的地下管廊环境监测系统。该系统采用先进的传感器技术、NB-IoT技术、软件技术,系统主要分为数据采集模块、物联网云平台、远程监测系统三部分。数据采集模块以STM32作为主控单元连接各个传感器,采集温度、湿度、水位、可燃气体等数据,经过处理后利用NB-IoT网络上传到物联网云平台,远程监测系统调用物联网云平台的数据接口进行远程显示与预警。实验结果表明,系统在降低系统总体功耗的同时,能够实时、稳定地进行地下管廊环境监测,提前预防可能存在的风险。

面向物联网的NB-IoT信号优化方法研究

随着物联网技术的飞速发展,窄带物联网(Narrow Band Internet of Things,NB-IoT)作为一种低功耗、广覆盖、大连接的无线通信技术,逐渐成为连接物理世界与数字世界的桥梁。然而,在实际应用中,NB-IoT信号面临着诸如信号衰减、干扰、覆盖不均等挑战。这些挑战不仅影响用户体验,还限制了物联网应用的进一步发展。因此,研究面向物联网的NB-IoT信号优化方法具有重要意义。文章深入研究面向物联网的NB-IoT信号优化方法,提出多种有效的优化策略和技术手段。

基于NB-IoT技术的环境监测系统优化设计

为进一步提升工业生产过程的安全系数,提出一种基于窄带物联网NB-IoT的环境监测系统。其中,以NB-IoT技术作为系统的主要通信,以传感器为主要的环境数据采集工具,以改进的BP神经网络作为预测方法进行环境风险预测。实验结果表明,与传统的BP神经网络相比,经过粒子群算法PSO优化的BP神经网络具有更高的预测精度,且稳定性较好,将其应用于环境风险的预测时误差始终保持在1%的误差范围内。设计的基于NB-IoT的环境监测系统能够进行准确的数据采集和风险预测,能够进一步保障生产安全,可行性较高。

基于NB-IoT的无线抄表系统设计与实现

为了便于管理人员及时准确地采集到用户电能消耗数据,提高工作效率,基于嵌入式与NB-IoT物联网技术,设计出一种无线抄表系统,能够实时采集和监测用户用电情况。该系统以低功耗的STM32系列微控制器作为主控芯片,利用RS485接口的Modbus-RTU通信协议采集电能信息;运用RFID无线射频识别技术进行Mifare卡识别,读取用户信息。基于BC35-G通信模块结合UART串口及AT指令,建立起主控芯片与华为云平台的联系,利用4G网络传输的MQTT通信协议将采集到的数据上传至华为云平台,提高了数据传输的实时性和可靠性,为实现及时准确地采集用户电能消耗数据,提供了解决方案。

低轨卫星物联网下NB⁃IoT时延功耗研究

【目的】在低轨(LEO)卫星物联网(IoT)场景下,广域覆盖范围内窄带物联网(NB⁃IoT)体制终端因为业务场景不同造成时延功耗需求也不相同。然而,地面NB⁃IoT体制终端业务场景单一,采用固定式工作状态定时器参数配置方法,无法满足LEO卫星IoT大尺度地理范围内多场景终端时延功耗的不同需求。【方法】针对LEO卫星IoT广覆盖特性,文章基于简化后随机接入交互流程终端工作状态切换的马尔科夫链模型,提出了以系统下行延迟和终端功耗作为非支配排序遗传算法(NS⁃GA⁃Ⅱ)的目标函数得到多场景帕累托前沿最优解集的方法,进一步从帕累托前沿中选择满足不同场景时延功耗需求的工作状态定时器参数在线配置终端。【结果】仿真结果表明,文章提出的多目标优化方法对工作状态定时器参数进行全局寻优,克服了穷举法等传统方法可能陷入局部最优的不足,并验证了简化随机接入交互流程可以有效降低终端时延功耗。【结论】文章所提多目标优化方法可以得到终端在LEO卫星IoT多场景下的工作状态定时器参数。

IoT感知的业务微流程建模

基于物联大数据赋能的业务流程能够更快更准地感知物理世界并及时做出响应的需求突现,提出一种物联网(Internet of Things,IoT)感知的业务微流程建模方法。首先,以单个IoT对象为中心建模,融合MAPE-K(monitor,analysis,plan,execution and knowledge base,MAPE-K)模型思想,将IoT对象实例生命周期的行为状态与微流程实例状态一一映射,实现对单个IoT对象的环形自动监控和调节;其次,基于从IoT传感设备获取的数据,定义基于SASE+语言的业务规则,提取对业务流程有意义的业务事件,避免了无关事件对宏流程的干扰;最后,通过设计一个微流程建模工具原型系统,结合真实案例分析,验证了提出建模方法的有效性,实现了业务流程与IoT实时流式感知数据的结合,并显著减少了宏流程需要处理的业务事件数量。

基于双模式端址跳变SD-IoT主动防御方法

由于地址跳变是物联网主动防御的一种有效手段,但因跳变资源匮乏、可预见性以及数据包混淆度低已经成为制约物联网地址跳变的主要问题。为此,提出一种基于双模式端址跳变的主动防御方法。该方法设计了双模式端址选择算法,通过动态确定虚拟端址生成策略,以通信时间为阈值,扩大端址跳变空间,从而解决地址池资源受限问题。同时,还构建了双虚拟端址跳变方法,通过动态分配和同步虚拟接收和发送地址,提升数据包混淆度,增强跳变的不可预见性。并且基于SDN(Software Defined Network)设计了流表双向同步机制,实现流表的动态下发和同步,以保证端址跳变的一致性。实验结果表明,该方法能有效提升地址跳变的多样性和不可预测性,显著增强抵御嗅探攻击的能力。

Security and Privacy in Solar Insecticidal Lamps Internet of Things:Requirements and Challenges

Solar insecticidal lamps(SIL) can effectively control pests and reduce the use of pesticides. Combining SIL and Internet of Things(IoT) has formed a new type of agricultural IoT,known as SIL-IoT, which can improve the effectiveness of migratory phototropic pest control. However, since the SIL is connected to the Internet, it is vulnerable to various security issues.These issues can lead to serious consequences, such as tampering with the parameters of SIL, illegally starting and stopping SIL,etc. In this paper, we describe the overall security requirements of SIL-IoT and present an extensive survey of security and privacy solutions for SIL-IoT. We investigate the background and logical architecture of SIL-IoT, discuss SIL-IoT security scenarios, and analyze potential attacks. Starting from the security requirements of SIL-IoT we divide them into six categories, namely privacy, authentication, confidentiality, access control, availability,and integrity. Next, we describe the SIL-IoT privacy and security solutions, as well as the blockchain-based solutions. Based on the current survey, we finally discuss the challenges and future research directions of SIL-IoT.

Enhancing IoT Data Security with Lightweight Blockchain and Okamoto Uchiyama Homomorphic Encryption

Blockchain technology has garnered significant attention from global organizations and researchers due to its potential as a solution for centralized system challenges.Concurrently,the Internet of Things(IoT)has revolutionized the Fourth Industrial Revolution by enabling interconnected devices to offer innovative services,ultimately enhancing human lives.This paper presents a new approach utilizing lightweight blockchain technology,effectively reducing the computational burden typically associated with conventional blockchain systems.By integrating this lightweight blockchain with IoT systems,substantial reductions in implementation time and computational complexity can be achieved.Moreover,the paper proposes the utilization of the Okamoto Uchiyama encryption algorithm,renowned for its homomorphic characteristics,to reinforce the privacy and security of IoT-generated data.The integration of homomorphic encryption and blockchain technology establishes a secure and decentralized platformfor storing and analyzing sensitive data of the supply chain data.This platformfacilitates the development of some business models and empowers decentralized applications to perform computations on encrypted data while maintaining data privacy.The results validate the robust security of the proposed system,comparable to standard blockchain implementations,leveraging the distinctive homomorphic attributes of the Okamoto Uchiyama algorithm and the lightweight blockchain paradigm.

An improved pulse coupled neural networks model for semantic IoT

In recent years,the Internet of Things(IoT)has gradually developed applications such as collecting sensory data and building intelligent services,which has led to an explosion in mobile data traffic.Meanwhile,with the rapid development of artificial intelligence,semantic communication has attracted great attention as a new communication paradigm.However,for IoT devices,however,processing image information efficiently in real time is an essential task for the rapid transmission of semantic information.With the increase of model parameters in deep learning methods,the model inference time in sensor devices continues to increase.In contrast,the Pulse Coupled Neural Network(PCNN)has fewer parameters,making it more suitable for processing real-time scene tasks such as image segmentation,which lays the foundation for real-time,effective,and accurate image transmission.However,the parameters of PCNN are determined by trial and error,which limits its application.To overcome this limitation,an Improved Pulse Coupled Neural Networks(IPCNN)model is proposed in this work.The IPCNN constructs the connection between the static properties of the input image and the dynamic properties of the neurons,and all its parameters are set adaptively,which avoids the inconvenience of manual setting in traditional methods and improves the adaptability of parameters to different types of images.Experimental segmentation results demonstrate the validity and efficiency of the proposed self-adaptive parameter setting method of IPCNN on the gray images and natural images from the Matlab and Berkeley Segmentation Datasets.The IPCNN method achieves a better segmentation result without training,providing a new solution for the real-time transmission of image semantic information.

Exploring Multi-Task Learning for Forecasting Energy-Cost Resource Allocation in IoT-Cloud Systems

Cloud computing has become increasingly popular due to its capacity to perform computations without relying on physical infrastructure,thereby revolutionizing computer processes.However,the rising energy consumption in cloud centers poses a significant challenge,especially with the escalating energy costs.This paper tackles this issue by introducing efficient solutions for data placement and node management,with a clear emphasis on the crucial role of the Internet of Things(IoT)throughout the research process.The IoT assumes a pivotal role in this study by actively collecting real-time data from various sensors strategically positioned in and around data centers.These sensors continuously monitor vital parameters such as energy usage and temperature,thereby providing a comprehensive dataset for analysis.The data generated by the IoT is seamlessly integrated into the Hybrid TCN-GRU-NBeat(NGT)model,enabling a dynamic and accurate representation of the current state of the data center environment.Through the incorporation of the Seagull Optimization Algorithm(SOA),the NGT model optimizes storage migration strategies based on the latest information provided by IoT sensors.The model is trained using 80%of the available dataset and subsequently tested on the remaining 20%.The results demonstrate the effectiveness of the proposed approach,with a Mean Squared Error(MSE)of 5.33%and a Mean Absolute Error(MAE)of 2.83%,accurately estimating power prices and leading to an average reduction of 23.88%in power costs.Furthermore,the integration of IoT data significantly enhances the accuracy of the NGT model,outperforming benchmark algorithms such as DenseNet,Support Vector Machine(SVM),Decision Trees,and AlexNet.The NGT model achieves an impressive accuracy rate of 97.9%,surpassing the rates of 87%,83%,80%,and 79%,respectively,for the benchmark algorithms.These findings underscore the effectiveness of the proposed method in optimizing energy efficiency and enhancing the predictive capabilities of cloud computing systems.The IoT plays a critical role in driving these advancements by providing real-time data insights into the operational aspects of data centers.