ПРИКЛАДНЫЕ ИССЛЕДОВАНИЯ

Оптимизация энергопотребления вычислительных устройств интернета вещей с использованием адаптивных методов обработки данных

Авторы

  • Андрей Викторович Иващенко Московский технический университет связи и информатики, 111024, Россия, г. Москва, ул. Авиамоторная, д. 8a

Как цитировать

ГОСТ Иващенко А. В. Оптимизация энергопотребления вычислительных устройств интернета вещей с использованием адаптивных методов обработки данных // СТРОИТЕЛЬНЫЕ И ДОРОЖНЫЕ МАШИНЫ. 2026. Т. 70. № 7. С. 209-219. DOI: 10.25726/l2655-8014-1564-l
APA Иващенко, А. В. (2026). Оптимизация энергопотребления вычислительных устройств интернета вещей с использованием адаптивных методов обработки данных. СТРОИТЕЛЬНЫЕ И ДОРОЖНЫЕ МАШИНЫ, 70(7), 209-219. https://doi.org/10.25726/l2655-8014-1564-l

Аннотация

Автономные вычислительные узлы интернета вещей питаются от первичных химических источников ограниченной ёмкости, и доминирующей статьёй расходования заряда остаётся радиоканал. Периодический сбор данных с фиксированным шагом порождает избыточный по информативности трафик при жёстко ограниченном ресурсе элемента питания. Цель работы – количественно оценить выигрыш по среднему току и календарному ресурсу узла от переноса обработки данных на сам узел через адаптивные механизмы: выборку по значимому приращению, сжатие полезной нагрузки и локальную агрегацию событий. Построена авторская энергетическая модель узла на базе приёмопередатчика LoRa и микроконтроллера низкого энергопотребления; для четырёх сценариев рассчитан суточный баланс заряда по подсистемам и ресурс при питании от элемента Li-SOCl2 ёмкостью 2600 мА·ч. Средний ток снижается со 141,5 до 40,6 мкА, что соответствует сокращению энергопотребления на 71,3% и продлению ресурса с 1,94 до 6,75 года. Основной вклад вносит сокращение числа и длительности передач, а не сжатие; после устранения избыточного трафика радиоканал удерживает около 88% суточного заряда.

Ключевые слова

интернет вещей энергопотребление адаптивная обработка данных беспроводная сенсорная сеть выборка по приращению сжатие данных ресурс элемента питания LoRa

Библиографические ссылки

Аль-Обайди А.М.Ж., Аль-Маави Х.М.А., Аль-Жанзир М.З., Заливин А.Н. Повышение энергоэффективности беспроводной сенсорной сети на основе адаптивного планирования времени работы узлов // Современная наука: актуальные проблемы теории и практики. Серия: Естественные и технические науки. 2023. № 6. С. 57-60.

Верзун Н.А., Колбанёв А.М., Колбанёв М.О. Энергетическая эффективность помехоустойчивого кодирования в беспроводных сетях интернета вещей // Известия высших учебных заведений. Приборостроение. 2017. Т. 60. № 2. С. 143-149.

Воробьев А.И., Колбанёв А.М., Колбанёв М.О. Модель оптимизации энергопотребления умными вещами // Известия СПбГЭТУ ЛЭТИ. 2015. № 7. С. 46-49.

Глушак Е.В., Михайлова П.Д. Обзор адаптивных алгоритмов распределения потоков данных интернета вещей в облачных и туманных средах // Инфокоммуникационные технологии. 2024. Т. 22. № 4 (88). С. 15-22.

Дашицыренов Э.А. Адаптивные протоколы маршрутизации для масштабируемых IoT-сетей // Информационные системы и технологии в образовании, науке и бизнесе: материалы международной научно-практической конференции. Улан-Удэ, 2025. С. 102-106.

Ефимов М.М., Киричек Р.В. Интернет вещей: перспективы адаптивных систем // Информационные технологии и телекоммуникации. 2020. Т. 8. № 1. С. 55-66.

Исаева О.С., Исаев С.В., Кулясов Н.В. Формирование адаптивных рассылок брокера данных интернета вещей // Информационно-управляющие системы. 2022. № 5 (120). С. 23-31.

Карпов А.В., Восков Л.С., Ефремов С.Г. Метод повышения энергоэффективности беспроводной сенсорной сети фотокамер // Датчики и системы. 2016. № 11 (208). С. 23-27.

Коськин А.В., Федоров В.И., Джаббар Ясир Я.М., Алгазали С. Энергосберегающий метод управления формированием передаваемых сигналов в беспроводной сенсорной сети // Экономика. Информатика. 2023. Т. 50. № 4. С. 901-912.

Петренко В.И., Сутормин М.П. Повышение энергоэффективности криптографических алгоритмов в системах интернета вещей (IoT) // Интеграция наук – 2024: материалы V Международной научно-практической конференции. Краснодар, 2024. С. 440-448.

Поливаев И.А., Якунин А.Г. Разработка и исследование адаптивного алгоритма сжатия данных для систем температурного мониторинга // Технические и естественно-научные достижения современности: актуальные вопросы и разработки: сборник научных статей. Волгоград, 2024. С. 144-147.

Соколов В.А., Савинков А.Ю. Методы оптимизации энергопотребления в беспроводной сети сбора данных // Информатика: проблемы, методы, технологии: материалы XXV Международной научно-практической конференции им. Э.К. Алгазинова. Воронеж, 2025. С. 1163-1168.

Терехов В.И., Мялкин М.П. Прогнозирование ускорения решения оптимизационных задач большой размерности устройствами интернета вещей // Динамика сложных систем – XXI век. 2017. Т. 11. № 3. С. 79-84.

Хатуев Д.И., Магомадов Р.А.М. Внедрение умных сетей (Smart Grids) с использованием интернета вещей для оптимизации распределения энергии // Экономика и управление: проблемы, решения. 2024. Т. 12. № 11 (152). С. 188-194.

Шувалов В.П., Юрченко Е.В. Оптимизация энергопотребления шлюза интернета вещей беспроводной сети Wi-Fi // I-methods. 2024. Т. 16. № 2.

Выпуск

Раздел

ПРИКЛАДНЫЕ ИССЛЕДОВАНИЯ

Метрики

48 просмотров
0 скачиваний
Хотите опубликоваться?
Подать статью

Машиночитаемые метаданные

Похожие статьи

<< < 1 2 3 4 5 6 

Вы также можете начать расширеннвй поиск похожих статей для этой статьи.