Lokalisierung mittels gerichteter Antennen im industriellen Internet der Dinge

Von der Digitalisierung von Fabriksanlagen wird insbesondere eine enorme Steigerung der Flexibilität in der Produktion erwartet. Die Vision ist ein anpassungsfähiges industrielles Internet der Dinge, das nur einen marginalen Konfigurations- und Installationsaufwand erfordert. Lokalisierung ist dabei eine Schlüsseltechnologie, um diese Aufwände zu reduzieren, aber auch, um einem Gerät zu ermöglichen sich in seiner Umgebung einzuordnen (location awareness). Dies gilt sowohl für mobile Geräte wie autonome Fahrzeuge (AGV) oder elektronische Produktetiketten (tags) als auch für Maschinen bzw. Maschinenkomponenten, die während ihrer Lebensdauer häufig (physisch) umkonfiguriert werden müssen.

Im Forschungsprojekt PinpointIoT werden neuartige Lokalisierungsalgorithmen untersucht, die eine Lokalisierung auf Basis von Richtantennen ermöglichen. Richtantennen haben dabei die Eigenschaften gängige Störungen wie Mehrwegeausbreitung, Abschattung und Reflexion zu unterdrücken. Die Grundidee ist es, dabei iterativ eine Position zu bestimmen, die den empfangenen RSS-Werten aller gerichteten Antennen am besten entspricht. Dazu wird der Fehler zwischen einer Reihe von berechneten Stützstellen im Lösungsgebiet und dem gemessenen RSS-Wert gebildet und aus dem Ergebnis ein Gradientenfeld erzeugt, das bis zu den (globalen) Fehlerminima verfolgt werden kann. Durch das Clustering von Knoten auf Basis von Qualitätsparametern wie Jitter oder anderen Varianzmetriken werden die Informationen zusätzlich gewichtet, um eine höhere Lokalisierungspräzision und Robustheit zu erreichen.

** Dieses Projekt wird von der NÖ Forschungs- und Bildungsges.m.b.H. (NFB) im Rahmen des Programmes Science Calls Digitalisierung (FTI 2017).

Details

Projektzeitraum 01.01.2019 - 30.09.2021
Fördergeber Bundesländer (inkl. deren Stiftungen und Einrichtungen)
Förderprogramm nfb
Department

Department für Integrierte Sensorsysteme

Zentrum für Verteilte Systeme und Sensornetzwerke

Projekt­verantwortung (Donau-Universität Krems) Dipl.-Ing. Albert Treytl
Projekt­mitarbeit Dipl.-Ing. Thomas Bigler

Publikationen

Nagy, A.; Bigler, T.; Treytl, A.; Stenzl, R.; Wilker, S.; Sauter, T. (2020). RSS-based Localization for Directional Antennas. In: IEEE, 2020 25th IEEE International Conference on Emerging Technologies and Factory Automation (ETFA): 774-781, IEEE, Wien

Stenzl, R.; Wilker, S.; Sauter, T.; Nagy, A.; Bigler, T.; Treytl, A. (2020). Work-in-Progress: Usage of clustering algorithms for analysis of radio maps for localization using directed antennas. In: IEEE, 2020 16th IEEE International Conference on Factory Communication Systems (WFCS): 1-4, IEEE, Porto, Portugal

Nagy, A.; Bigler, T.; Treytl, A.; Sauter, T. (2019). A Radio-Map clustering Algorithm for RSS based Localization using Directional Antennas. In: Proceedings of 2019 15th IEEE International Workshop on Factory Communication Systems (WFCS): 1-4, IEEE, USA

Mironov, K.; Trishin, S.; Makhmutov, A.; Kartak, V.; Sauter, T. (2019). On Application of Distributed Ledgers for Internet of Things in Russia. Atlantis Press, Advances in Intelligent Systems Research: Proceedings of the VIth International Workshop 'Critical Infrastructures: Contingency Management, Intelligent, Agent-Based, Cloud Computing and Cyber Security' (IWCI 2019), 169: 240-245, Atlantis Press, Frankreich

Vorträge

RSS-based Localization for Directional Antennas

ETFA 2020, 10.09.2020

A Radio-Map clustering Algorithm for RSS based Localization using Directional Antennas

IEEE Workshop on Factory Communication Systems (WFCS 2019), Sundsvall, Schweden, 29.05.2019

Team

Projektpartner

Zum Anfang der Seite

 

Zum Glossar

Diese Website verwendet Cookies zur Verbesserung Ihrer Nutzererfahrung und für analytische Zwecke zur Optimierung unserer Systeme, sowie Google Maps zur Darstellung von Plänen. Indem Sie auf „OK" klicken bzw. die Website weiter verwenden, stimmen Sie der Cookie- und Google Maps Nutzung zu. Mehr Information zum Datenschutz.

OK