Детальная информация

Выпускная квалификационная работа посвящена проектированию и разработке системы «Умный дом» для частного жилого дома. Объектом исследования является система автоматизации жилого коттеджа. Тема и цель работы – разработка системы на базе платформы arduino. Методология работы включает анализ существующих платформ, выбор оптимальной архитектуры, светотехнический расчёт, расчёт электрических нагрузок и проектирование защитных мер. Для повышения эффективности предложен предиктивный метод управления освещением на основе логистической регрессии (машинное обучение), оценивающий вероятность присутствия человека по временным и средовым признакам. Спроектировано электроснабжение коттеджа общей площадью 349,3 м². Разработана структурная схема управления. Научная новизна заключается в демонстрации применимости методов машинного обучения на контроллерах для прогнозирования присутствия человека. Экспериментально подтверждено снижение ложных срабатываний в 3,7 раза и сокращение работы освещения в отсутствие человека в 4,2 раза. Область применения – индивидуальное жилое строительство, модернизация существующих систем автоматизации без замены датчиков. Прогнозные предположениями является дальнейшее развитие системы в сторону интеграции с внешними погодными сервисами и накопления долговременных поведенческих паттернов для повышения точности прогноза присутствия.

The final qualifying work is devoted to the design and development of a Smart Home system for a private residential building. The object of the study is the automation system of a residential cottage. The topic and purpose of the work is to develop a system based on the arduino platform. The methodology of the work includes the analysis of existing platforms, the choice of optimal architecture, lighting engineering calculation, calculation of electrical loads and design of protective measures. To increase efficiency, a predictive lighting control method based on logistic regression (machine learning) is proposed, estimating the probability of human presence based on temporal and environmental characteristics. The power supply of the cottage with a total area of 349.3 m2 has been designed. A structural control scheme has been developed. The scientific novelty lies in demonstrating the applicability of machine learning methods on controllers to predict human presence. A 3.7-fold reduction in false alarms and a 4.2-fold reduction in lighting operation in the absence of a person have been experimentally confirmed. The scope of application is individual residential construction, modernization of existing automation systems without replacing sensors. Forward–looking assumptions are the further development of the system towards integration with external weather services and the accumulation of long-term behavioral patterns to improve the accuracy of the presence forecast.