Розроблення IoT-системи сенсорного аналізу газового середовища для управління екологічними ризиками на заводах з утилізації відходів
Автор: Телятник Юрій Андрійович
Кваліфікаційний рівень: магістр
Спеціальність: Системне проєктування
Інститут: Інститут комп'ютерних наук та інформаційних технологій
Форма навчання: денна
Навчальний рік: 2025-2026 н.р.
Мова захисту: українська
Анотація: Телятник Ю.А., Корпильов Д.В. (керівник). Розроблення ІоТ-системи сенсорного аналізу газового середовища для управляння екологічними ризиками на заводах з утілізації відходів. Магістерська кваліфікаційна робота – Національний університет «Львівська політехніка», Львів, 2025. Розширена анотація. У роботі розглянуто підхід до створення системи моніторингу газового середовища, що поєднує сенсорний масив та інфраструктуру Інтернету речей. Мета полягає у розробленні прототипу, здатного визначати склад газових сумішей, класифікувати їх за рівнем небезпеки та передавати результати у режимі реального часу для контролю екологічної ситуації на підприємствах із переробки відходів. У межах дослідження проаналізовано існуючі сенсорні технології, побудовано математичну модель масиву, сформовано алгоритми обробки даних та класифікації, реалізовано апаратну й програмну частини прототипу та виконано експериментальні випробування. Результати показують можливість використання системи як інструмента оперативного екологічного моніторингу. Метою роботи є створення IoT-системи сенсорного аналізу, що принцип роботи подібний до систем типу “електронний ніс”, яка здатна працювати з багатокомпонентними газовими сумішами та визначати потенційно небезпечні стани у виробничому середовищі. Основна увага приділяється підприємствам з утилізації відходів, де характер викидів часто є змінним і складним для традиційних методів вимірювання. Для досягнення поставленої мети виконано кілька етапів. Спершу проведено огляд технологій сенсорного аналізу, визначено групи газів, що мають найбільше значення з точки зору екологічної безпеки, і обґрунтовано вибір сенсорів для побудови масиву. Подальша частина роботи присвячена математичному опису поведінки сенсорів, формуванню вектора ознак та розробленню алгоритмів попередньої обробки сигналів. У роботі також розглянуто методи машинного навчання, що застосовуються для класифікації газових сумішей. Використання алгоритмів зменшення розмірності, статистичних моделей та нейронних мереж дозволило підвищити точність визначення стану середовища та зменшити вплив шумів і перехресної чутливості сенсорів. Технічна частина включає проєктування архітектури системи на основі мікроконтролерів ESP32, інтеграцію сенсорного модуля, організацію передачі даних через Wi-Fi/MQTT і створення серверної частини для збереження та аналізу інформації. Окремо розроблено веб-інтерфейс, який дає змогу візуалізувати показники та стежити за змінами у режимі реального часу. Актуальність роботи зумовлена, тим що сучасна промисловість, зокрема підприємства з утилізації та переробки відходів, є одним із ключових джерел утворення газових викидів, що містять широкий спектр летких органічних сполук (ЛОС), метану, аміаку, сірководню та інших токсичних речовин. Ці компоненти становлять серйозну загрозу як для здоров’я працівників, так і для довкілля загалом, оскільки здатні спричиняти корозію обладнання, забруднення атмосферного повітря та підвищувати ризик виникнення пожеж і вибухів. Традиційні методи моніторингу, засновані на використанні окремих газоаналізаторів, мають суттєві обмеження: вони орієнтовані на виявлення лише конкретних сполук, часто потребують ручного відбору проб та лабораторного аналізу, що унеможливлює оперативне реагування на аварійні ситуації. Водночас у сучасних умовах дедалі більшої уваги потребує своєчасне виявлення комплексних газових сумішей та їх класифікація в режимі реального часу. Технологія сенсорного аналізу газового середовища дає змогу імітувати роботу біологічної системи аналізу шляхом застосування масиву сенсорів із частковою селективністю та алгоритмів розпізнавання патернів. Завдяки цьому можливо не лише виявити присутність певних сполук, але й визначити їх якісний склад і віднести пробу до певної категорії (наприклад, "норма", "підвищений рівень ризику", "критична ситуація"). Поєднання сенсорного аналізу газового середовища з сучасними технологіями Інтернету речей (IoT) відкриває нові можливості для створення розподілених систем моніторингу. Використання бездротових сенсорних вузлів на базі мікроконтролерів (ESP32, ESP8266) з передачею даних через Wi-Fi/MQTT до серверів обробки дозволяє реалізувати інтелектуальну екологічну інфраструктуру, здатну працювати у безперервному режимі. Таким чином, розробка IoT-системи електронного сенсорного аналізу та управління екологічними ризиками на заводах з утилізації відходів є актуальною науковою та прикладною задачею, що відповідає сучасним тенденціям у сфері промислової безпеки, екологічного моніторингу та цифровізації виробничих процесів. Її вирішення сприятиме підвищенню рівня техногенної безпеки, зменшенню негативного впливу на довкілля та створенню передумов для впровадження "розумних" екологічних технологій у промисловості. Наукова новизна роботи полягає в обґрунтуванні та реалізації підходу до побудови ІоТ-системи сенсорного аналізу газового середовища, що використовує принципи багатосенсорних систем типу “електронний ніс”. У межах дослідження сформовано конструкцію сенсорного масиву, у якій поєднано напівпровідникові, оптичні та електрохімічні сенсори. Важливим результатом стало визначення того, як їхнє взаємне позиціювання та індивідуальні характеристики впливають на точність і стабільність розпізнавання газових сумішей у змінних промислових умовах. Запропоновано математичну модель багатовимірного сенсорного простору, що дозволяє представити відгуки сенсорів у формі векторів ознак та відтворювати закономірності формування “сенсорних відбитків”. Така модель створює основу для аналітичних процедур класифікації джерел газових викидів та виявлення ситуацій, що свідчать про потенційну небезпеку. Розвинено методи обробки сенсорних сигналів із використанням алгоритмів машинного навчання, які забезпечують зменшення впливу шумів, підвищують роздільну здатність масиву та компенсують перехресну чутливість окремих сенсорів. Завдяки цьому система здатна виділяти малопомітні відмінності між газовими сумішами та робити висновки за умов, близьких до реальних виробничих. У роботі вперше сформовано ІоТ-архітектуру, орієнтовану на специфіку підприємств з утилізації відходів. Запропонований підхід поєднує сенсорні вузли на базі ESP32 із передаванням даних через протоколи Wi-Fi/MQTT та серверною частиною, що забезпечує агрегацію та аналіз інформації в режимі реального часу. Окремим результатом є метод інтеграції сенсорного аналізу в систему підтримки рішень. Такий підхід дозволяє генерувати попереджувальні повідомлення, визначати критичні концентрації окремих газів і автоматизувати реагування на небезпечні ситуації, що формує практичний інструмент для управління екологічними ризиками. Дипломна робота містить: 153 ст., __ рис., _ табл., 33 посилань на використані джерела. Ключові слова: Сенсорний аналіз газового середовища, Електронний ніс (Electronic Nose, E-nose), Інтернет речей (Internet of Things, IoT), Екологічні ризики, Утилізація відходів, Газові сенсори (MOS, MQ-135, MQ-7, BME688), Машинне навчання (Machine Learning), Класифікація газових сумішей, ESP32, MQTT, Моніторинг повітря, Леткі органічні сполуки (VOCs). Перелік використаних літературних джерел: Selectivity in Chemiresistive Gas Sensors: Strategies and Challenges. Peresi Majura Bulemo, Dong-Ha Kim, Hamin Shin, Hee-Jin Cho, Won-Tae Koo, Seon-Jin Choi, Chungseong Park, Jaewan Ahn, Andreas T. Guntner, Reginald M. Penner, Il-Doo Kim. https://pubs.acs.org/doi/10.1021/acs.chemrev.4c00592? A Comprehensive Review on Sensor-Based Electronic Nose for Food Quality and Safety. Teodora Sanislav, George D Mois, Sherali Zeadally, Silviu Folea, Tudor C Radoni, Ebtesam A Al-Suhaimi. https://pmc.ncbi.nlm.nih.gov/articles/PMC12301011/? A Review of Machine Learning-Assisted Gas Sensor Arrays in Medical Diagnosis. https://www.mdpi.com/2079-6374/15/8/548? Electronic Noses and Their Applications for Sensory and Analytical Measurements in the Waste Management Plants—A Review. Justyna Jonca, Marcin Pawnuk, Adalbert Arsen, and Izabela Sowka.