Revision: Smart Wireless Transducer Dedicated for Use in Aviation Laboratories

 

Problema que plantea: La calidad de las pruebas aeronáuticas depende de la funcionalidad y fiabilidad de los sistemas de medición. Los sistemas convencionales son laboriosos, requieren muchos cables y tienen limitaciones en la flexibilidad de la configuración de los bancos de pruebas.

Aplicaciones: El sistema propuesto es aplicable en laboratorios de pruebas de componentes aeronáuticos, especialmente en pruebas de rendimiento y resistencia de componentes, como termopares, RTD, sensores de deformación y celdas de carga.

Dificultades/Limitaciones: Los sistemas convencionales de medición utilizan cables, lo que limita la flexibilidad en la configuración de los bancos de prueba. Además, la mayoría de los sistemas de telemetría inalámbrica existentes son costosos y no utilizan protocolos de red estándar.

Teoría (Conceptos relacionados y complementarios a la WPT y EH que se mencionan):

• WPT (Wireless Power Transfer): Utilización de ondas electromagnéticas para transferir energía de forma inalámbrica a distancias más largas que los sistemas inductivos tradicionales.

• EH (Energy Harvesting): Aprovechamiento de fuentes de energía ambiental, como energía solar o vibraciones, para alimentar dispositivos de bajo consumo.

Estructura del sistema: El sistema se compone de un transductor inteligente inalámbrico con un módulo de comunicación, un ADC (Convertidor Analógico a Digital) y una unidad de gestión de energía (PMU). La energía se transmite de forma inalámbrica o mediante una batería como respaldo.

Funcionamiento del sistema: El sistema realiza mediciones con sensores comunes en pruebas aeronáuticas, como RTD, termopares y celdas de carga, y transmite los datos de forma inalámbrica usando comunicación Bluetooth de baja energía (BLE). El sistema se alimenta mediante WPT o batería.

Parámetros obtenidos: Medición de temperatura, deformación, y otros parámetros físicos según el tipo de sensor utilizado. Los datos son procesados y enviados a un sistema de adquisición.

Software que usa: El software implementado se basa en el stack de BLE para la comunicación y control de dispositivos. Se utilizan herramientas como el kit de desarrollo nRF52840 y el software de visualización de datos "nRF Connect for Desktop".

Resultados: El transductor inteligente mostró una alta precisión de medición (menos de 1°C de error) y bajo consumo energético, lo que permite su operación durante varios meses con una batería pequeña.

Aporte: La propuesta ofrece una solución de telemetría inalámbrica de bajo consumo, fácil de implementar y con flexibilidad en la configuración de los sistemas de prueba, lo que mejora la eficiencia de los laboratorios de pruebas aeronáuticas.

Investigaciones futuras: Las futuras investigaciones se enfocarán en la expansión de las capacidades de la red de sensores inalámbricos y en mejorar el diseño de bajo consumo para actuar sobre dispositivos adicionales en las pruebas de componentes aeronáuticos, como las válvulas de control de aceite y flujo de aire.

Revision: Phonemeter: Bringing EMF Detection to Smartphones

 

Tipo de WPT/EH: Energía de radiofrecuencia (RF) aprovechada para medir la intensidad del campo electromagnético (EMF) a través de un sensor EMF y una interfaz de audio en smartphones.

Problema que plantea: La detección y medición de la intensidad de la energía inalámbrica (RF) es costosa y precisa utilizando analizadores de espectro industriales, que son caros y complejos.

Aplicaciones: Se utiliza en redes de sensores recargables inalámbricos (WRSNs) para medir la potencia inalámbrica, especialmente en aplicaciones de detección de campos electromagnéticos (EMF) en interiores.

Dificultades/Limitaciones: La precisión de la medición de la potencia inalámbrica puede verse afectada por fenómenos de múltiples trayectorias, lo que invalida el modelo de transmisión de Friis en escenarios de aplicación.

Teoría (Conceptos relacionados y complementarios a la WPT y EH que se mencionan):

• Modelos de transmisión inalámbrica, como el modelo de Friis.

• Fenómenos de múltiples trayectorias que afectan la precisión de la medición.

• Tecnologías de cosecha de energía RF para redes de sensores.

• Conversión de señales de RF a DC mediante un circuito multiplicador de voltaje.

Estructura del sistema: El sistema Phonemeter consta de tres módulos principales: un sensor EMF, una interfaz de auriculares y una aplicación en el smartphone.

Funcionamiento del sistema:

1. El sensor EMF mide la intensidad del campo electromagnético y convierte esta información en una señal de voltaje DC.

2. La señal DC se procesa mediante un circuito multiplicador de voltaje para mejorar la sensibilidad.

3. La señal se transmite al smartphone mediante la interfaz de audio, donde se muestra la intensidad EMF en una aplicación.

Parámetros obtenidos: La intensidad del campo electromagnético (EMF) medida en unidades de v/m.

Software que usa: Una aplicación en el smartphone que decodifica los datos transmitidos a través de la interfaz de audio, convirtiendo la señal de voltaje en intensidad de EMF.

Resultados: Phonemeter muestra una precisión promedio de 13.7% de error relativo al compararlo con un analizador de espectro industrial, pero con un costo mucho más bajo (aproximadamente 32 USD frente a 13000 USD).

Aporte: Phonemeter ofrece una solución de bajo costo para medir la intensidad del campo electromagnético utilizando un smartphone, lo que puede tener un gran impacto en la investigación de redes de sensores recargables inalámbricos.

Investigaciones futuras: Se sugiere la expansión de la implementación de Phonemeter en sistemas de localización interior para mejorar la visualización de la distribución de la intensidad EMF de cargadores inalámbricos.

Bibliografía: Se mencionan varias referencias a investigaciones relacionadas con el uso de tecnologías de cosecha de energía RF y sistemas de localización, como G-Loc y otras fuentes en la literatura científica.

Revision Sustainable Radio Frequency Wireless Energy Transfer for Massive Interne

 

Revision: Robotic Wireless Energy Transfer in Dynamic Environments: System Design and Experimental Validation

 

Problema que plantea: El principal desafío es la dificultad de determinar una estrategia de carga robótica en un entorno dinámico y desconocido debido a la incertidumbre en los obstáculos, lo que hace que la planificación global y local de la carga sea compleja.

Aplicaciones:

• Transferencia de energía inalámbrica (WET) para dispositivos IoT.

• Aplicaciones en ciudades inteligentes mediante la provisión de energía a sensores móviles sin necesidad de cables.

Dificultades/Limitaciones:

• Los modelos matemáticos de los algoritmos de planificación pueden no ser precisos en entornos dinámicos.

• La optimización conjunta de anclajes, rutas y recursos puede ser costosa computacionalmente.

• Los algoritmos existentes para la transferencia de energía robótica no abordan adecuadamente la adaptación a diferentes entornos y la evitación de colisiones de forma conjunta.

Teoría (Conceptos relacionados y complementarios a la WPT y EH que se mencionan):

• WET (Wireless Energy Transfer): Transferencia de energía sin cables mediante señales de radiofrecuencia.

• EH (Energy Harvesting): Recogida de energía, especialmente utilizando señales RF para alimentar dispositivos IoT.

• Modelos de canales inalámbricos, modelos de tiempo de movimiento de robots, y modelos de energía recolectada.

Estructura del sistema: El sistema propuesto se basa en un enfoque de optimización conjunta que incluye planificación global (anclajes, rutas, recursos) y planificación local (evitación de colisiones), validado mediante simuladores de alta fidelidad como Gazebo y entornos reales.

Turtlebot2:

• Función: Este robot móvil es el encargado de moverse por el entorno para realizar la transferencia de energía. Está equipado con sensores y controla su movimiento a través de una computadora industrial integrada.

2. Sensor Ultra-Wide-Band (UWB):

• Función: El sensor UWB proporciona la localización precisa del robot, lo que permite el mapeo y la planificación de rutas utilizando la tecnología SLAM (Simultaneous Localization and Mapping).

3. Powercast Transmitter TX91503:

• Función: Este módulo es el encargado de transmitir energía de manera inalámbrica a los dispositivos de cosecha de energía (EHs). Se utiliza una antena direccional con un ángulo de cobertura de 130 grados. El robot ajusta la dirección del haz de energía para cargar los dispositivos en las posiciones de anclaje seleccionadas.

4. Batería Móvil:

• Función: Alimenta al robot, sus sensores, la computadora industrial y el transmisor de Powercast. Es crucial para mantener la operación del robot durante las misiones de transferencia de energía.

5. ROS (Robot Operating System):

• Función: Es un sistema de comunicación distribuida que gestiona la interacción entre todos los dispositivos del sistema. Utiliza un modelo de nodos para la ejecución de tareas y la transmisión de datos entre los módulos. Permite que el robot se comunique con la computadora industrial, el transmisor Powercast, y otros sensores.

6. Gazebo Simulator:

• Función: Gazebo es una plataforma de simulación de alta fidelidad que modela el comportamiento físico del robot y el entorno. Utiliza motores como el Open Dynamics Engine para generar movimientos y Open Graphics Library Engine para visualizar el mundo. Permite probar los algoritmos del sistema en un entorno simulado antes de llevar a cabo las pruebas en el mundo real.

7. Modelo de Canal Inalámbrico:

• Función: Utiliza un modelo de propagación de señales para estimar la potencia recibida por los dispositivos de cosecha de energía (EHs). Este modelo tiene en cuenta factores como la distancia y la pérdida de señal.

8. Modelo de Tiempo de Movimiento del Robot:

• Función: Este modelo calcula el tiempo que el robot tarda en moverse entre puntos de anclaje. Se utiliza para la planificación de rutas y la optimización de tiempos.

9. Modelo de Cosecha de Energía (Energy Harvesting Model):

• Función: Estima la cantidad de energía que puede ser cosechada por los dispositivos IoT a partir de la energía recibida del transmisor Powercast. Este modelo es crucial para garantizar que los dispositivos reciban suficiente energía.

10. Modelo de Optimización Conjunta:

• Función: El sistema utiliza un enfoque de optimización conjunta para seleccionar los puntos de anclaje, planificar las rutas y asignar recursos (como el tiempo de carga y el ángulo del haz). La optimización se realiza de manera iterativa para adaptarse a las condiciones cambiantes del entorno.

11. Módulo de Evitación de Colisiones (Local Planning):

• Función: El robot ajusta su ruta en tiempo real para evitar obstáculos. Utiliza algoritmos de planificación local que consideran la cinemática del robot y las posiciones de los obstáculos. Si los obstáculos son dinámicos (es decir, si se mueven), se utilizan técnicas como la extrapolación de velocidades observadas para evitar colisiones.

12. Reoptimización Basada en Hardware-in-the-loop (HIL):

• Función: Este enfoque permite realizar actualizaciones del modelo y reoptimización del sistema basándose en datos experimentales previos. La información sobre el tiempo real de movimiento, la pérdida de señal y la cosecha de energía se utiliza para ajustar los parámetros y mejorar el rendimiento del sistema.

Funcionamiento del sistema: El robot móvil sigue una ruta optimizada para cargar dispositivos IoT, adaptándose dinámicamente a obstáculos mediante una planificación local que evita colisiones. El sistema realiza optimización y re-optimización de los parámetros según los datos experimentales.

, el robot WET encuentra todos los EH mediante SLAM, compara  os resultados de la optimización conjunta y la optimización secuencial en el caso perfecto. 

e el robot se encuentra con otros robots en el camino en Gazebo y  Necesita encontrar un equilibrio entre evitar la colisión y alcanzar el siguiente punto de anclaje 

Parámetros obtenidos:

• Tiempo de movimiento del robot entre puntos de anclaje.

• Potencia cosechada por los dispositivos IoT.

• Ángulo y dirección del haz de energía.

Software que usa:

• Gazebo para simulación.

• ROS (Robot Operating System) para la comunicación e integración de los componentes del sistema.

Resultados: Los resultados experimentales muestran que la optimización conjunta mejora significativamente el tiempo de misión en comparación con otros enfoques, y la reoptimización basada en hardware-in-the-loop (HIL) mejora la robustez en entornos dinámicos.

Aporte: El trabajo propone un marco de optimización conjunta basado en HIL que mejora la eficiencia en la transferencia de energía robótica en entornos dinámicos y reales. Integra la planificación global y local para optimizar el tiempo de misión y garantizar la seguridad del robot.

Investigaciones futuras:

• Uso de múltiples robots colaborativos para mejorar el rendimiento del sistema.

• Aplicación de técnicas de integración de sensores y comunicaciones (ISAC) para mejorar la creación de mapas globales en entornos desconocidos.

Parámetros de uso:

1. Potencia de transmisión de Powercast TX91501: 3 Watts a 915 MHz.

2. Antena direccional: Beamwidth de 130 grados.

3. Patrones de haz: El código de la antena contiene 3 patrones de haz:

   • -65 a 65 grados

   • 55 a 185 grados

   • 175 a 305 grados

4. Ganancia del receptor: 6 dBi en Powercast P2110.

5. Velocidad máxima del robot WET: 0.2 m/s.

6. Energía mínima cosechada por dispositivo IoT: 20 mJ.

7. Pérdida de trayectoria a 1 m: -31.6284 dB.

8. Exponente de pérdida de trayectoria: 1.73 (según el modelo de canal In-H especificado en 3GPP TR 38.901).

9. Modelo de cosecha de energía basado en sensibilidad: Utiliza el modelo de cosecha de energía basado en sensibilidad especificado en el documento citado [14].

Resultados:

1. Tiempo de misión en Gazebo:

   • Sin reoptimización HIL: 147 s (50% más que el caso ideal de 110.369 s).

   • Después de la reoptimización HIL: 150 s en el mundo real.

2. Comparación de tiempos de misión:

   • Secuencial optimizado (caso perfecto): 110.369 s.

   • Optimización conjunta + HIL reoptimización (caso perfecto): 184.3 s.

   • Optimización conjunta (Gazebo, 1 robot): 193.4 s.

   • Optimización conjunta (Gazebo, 6 robots): 213.9 s.

   • Optimización conjunta (mundo real, 6 robots): 223.9 s.

   • Optimización conjunta + HIL reoptimización (Gazebo, 6 robots): 208.4 s.

   • Optimización conjunta + HIL reoptimización (mundo real, 6 robots): 213 s.

3. Tiempo de misión para UAV WET (vuelo y carga): 78.38 s.

4. Consumo energético:

   • UAV WET: 7838 Joules (más alto debido a la energía de vuelo).

   • Robot WET: 1714 Joules (bajo consumo debido a que no requiere vuelo).

5. Impacto del número de robots en Gazebo:

   • A medida que se incrementa de 1 a 6 robots, el tiempo de misión aumenta, lo que indica que la condición de tráfico en el entorno afecta el rendimiento del sistema.

6. Desviación entre el tiempo de misión en Gazebo y el mundo real:

   • El tiempo en el mundo real es ligeramente mayor que en Gazebo debido a las incertidumbres de la posición y la sincronización del tiempo en el entorno distribuido.

7. Impacto de la reoptimización HIL:

   • Sin HIL: La optimización teórica puede fallar en entornos prácticos debido a la desajuste entre los modelos y los entornos reales.

   • Con HIL: El tiempo de misión es más corto en experimentos del mundo real y en simuladores Gazebo, demostrando la robustez del marco HIL en entornos dinámicos reales.

Revision: RF energy harvested sensory headwear for quadriplegic people

 Problema que plantea: Las tecnologías portátiles están reemplazando cada vez más los dispositivos voluminosos, introduciendo características innovadoras y sorprendentes. Las personas con discapacidades, especialmente aquellos con movimientos residuales limitados, valoran mucho el tamaño pequeño, el peso ligero y una larga duración de la batería de estos dispositivos. Los cuadripléjicos requieren dispositivos portátiles específicos para aprovechar su capacidad residual de movimiento, por lo que se desarrolló un sistema de cabeza sensorial para automatización del hogar.  

Aplicaciones: Este sistema está diseñado para ayudar a las personas cuadripléjicas a aumentar su autonomía mediante la automatización del hogar, utilizando un sensor cinemático único que captura los movimientos de la cabeza para controlar actuadores y dispositivos.

Dificultades/Limitaciones: Una de las limitaciones es el consumo de energía, ya que las baterías más pequeñas son necesarias para reducir el peso y las dimensiones del dispositivo, pero esto limita el tiempo de uso del sistema. Además, la recuperación de energía en entornos urbanos es limitada debido a la baja cantidad de energía disponible en las ondas electromagnéticas.

Teoría: Se emplean técnicas de recolección de energía por radiofrecuencia (RF-EH) para recuperar energía de los campos electromagnéticos de las transmisiones de telecomunicaciones y la radiodifusión inalámbrica, especialmente en áreas urbanas. Esta energía recuperada se convierte en energía eléctrica utilizable para alimentar dispositivos de baja potencia o almacenarse en una batería para extender la duración del dispositivo.

Estructura del sistema: El sistema está compuesto por dos bloques principales: el primero se encarga de la alimentación, utilizando una antena optimizada para captar ondas electromagnéticas, y el segundo bloque adquiere los datos del movimiento de la cabeza y los transmite por Bluetooth para su uso en la automatización del hogar.

Funcionamiento del sistema: El sistema utiliza una antena que recoge las ondas electromagnéticas en el rango de frecuencia de 900 a 930 MHz, las cuales se convierten en energía continua para alimentar la electrónica. Un sensor de movimiento BMI055 mide los movimientos de la cabeza, y los datos se transmiten mediante Bluetooth Low Energy (BLE) a un dispositivo para la automatización del hogar.

Parámetros obtenidos: Se obtiene energía de radiofrecuencia, que se convierte en energía eléctrica para alimentar el sistema. El sensor mide los movimientos de la cabeza, y los datos sobre esos movimientos se transmiten a través de Bluetooth.

Software que usa: El sistema utiliza un microcontrolador ATmega328PB y el chip nRF8001 para la comunicación Bluetooth Low Energy. Se utiliza también un sistema de gestión de energía Powerharvester®.

Resultados: El sistema muestra un buen rendimiento en la recuperación de energía, con una eficiencia máxima del 70% cuando la potencia de entrada es de 5 dBm. La recarga eficiente de la batería y el uso de componentes electrónicos de bajo consumo permiten que el sistema funcione durante aproximadamente 37 horas sin necesidad de recargar, y con el uso del sistema de recolección de energía, se puede extender este tiempo. La reducción del consumo y el uso de una batería más pequeña reducen el peso y las dimensiones del dispositivo.

Aporte: El sistema propuesto mejora la autonomía de los cuadripléjicos al permitirles realizar actividades diarias de forma más independiente mediante la automatización del hogar, y la integración de la recolección de energía por RF ayuda a prolongar la duración de la batería y reducir el peso total del dispositivo.

Investigaciones futuras: Las investigaciones futuras pueden centrarse en optimizar aún más la eficiencia de recolección de energía, mejorar la integración de la comunicación inalámbrica y explorar el uso de diferentes fuentes de energía para alimentar dispositivos portátiles de baja potencia.

Revision: Understanding Concurrent Radiative Wireless Power Transfer in the IoT: Out of Myth, into Reality

 

1. Estructura del Artículo:

• Resumen: El artículo aborda la transferencia de energía inalámbrica radiativa (WPT) y su impacto en el Internet de las Cosas (IoT), enfocándose en desmontar algunos mitos comunes sobre su funcionamiento.

• Introducción: Presenta los desafíos del IoT relacionados con el suministro de energía, como el reemplazo frecuente de baterías y el desecho electrónico.

• Direcciones de Investigación: Revisión de investigaciones previas en WPT concurrente, incluyendo modelos teóricos, protocolos MAC y programación de carga.

• Estudio Experimental: Descripción de los experimentos realizados para observar la variabilidad de la potencia recibida, el impacto de las antenas y la interferencia entre nodos vecinos.

• Observaciones y Resultados: Se presentan los resultados experimentales que muestran la fluctuación de la potencia recibida, la influencia de las antenas y la interferencia energética entre nodos.

• Discusión e Implicaciones: Análisis de las implicaciones de los hallazgos y las direcciones futuras de investigación.

• Conclusiones: Resumen de los hallazgos, con énfasis en los aportes del estudio.

2. Funcionamiento del Sistema:

• Transmisores de Energía: Se utilizan dos tipos de transmisores Powercast (TX91501B y TX91503) que operan a 915 MHz, entregando 3 W de potencia.

• Receptores de Energía: Los receptores IoT están equipados con antenas dipolo y de parche (PA-915-01), y utilizan módulos de recolección de energía (P2110-EVB) para convertir RF en energía DC.

• Interferencia Energética: El artículo explora la interferencia entre nodos vecinos durante la recepción de energía inalámbrica, un fenómeno que afecta la distribución de la energía recibida.

3. Parámetros del Sistema:

• Frecuencia: Los transmisores operan a 915 MHz.

• Potencia de Salida: 3 W EIRP.

• Antenas: Antena dipolo con ganancia de 1 dBi (omnidireccional) y antena de parche con ganancia de 6.1 dBi (direccional).

• Capacitores: 50 mF para almacenar la energía recolectada.

4. Software Utilizado:

• MATLAB: Para interpolación de datos y análisis de interferencia energética entre nodos, utilizando el ajuste de curvas con interpolación cúbica.

• HyperTerminal: Utilizado para registrar y analizar los valores de la intensidad de señal recibida (RSSI) y el intervalo de paquetes.

5. Resultados Obtenidos:

• Fluctuaciones en la Potencia Recibida: Durante la transferencia de energía concurrente, la potencia recibida varía ampliamente, lo que contrasta con la suposición común de que la potencia es constante.

• Impacto de las Antenas: Las antenas direccionales permiten una mayor intensidad de potencia, pero su recepción está muy influenciada por la orientación y la ubicación del transmisor.

• Interferencia entre Nodos: Se identificó un patrón de interferencia energética entre nodos vecinos, que se denominó "Zona Octopus". Esta interferencia es una combinación de penetración de señales, zona de Fresnel e interferencia de ondas.

6. Aporte del Artículo:

• Desmitificación de Modelos Comunes: El artículo cuestiona varios mitos sobre la transferencia de energía inalámbrica concurrente, como la constancia de la potencia recibida, la independencia de los nodos vecinos y la no importancia de las antenas direccionales.

• Avances en el Entendimiento de WPT Concurrente: Los hallazgos experimentales proporcionan nuevas perspectivas sobre cómo la potencia recibida varía con el tiempo y cómo los nodos vecinos interactúan entre sí, lo cual tiene implicaciones importantes para el diseño de redes IoT basadas en WPT.

• Patrón de Interferencia Energética: Introducción del concepto de "Zona Octopus" para describir la interferencia energética entre nodos durante la recepción concurrente.

conceptos

Internet de las Cosas (IoT)

Ciudades Inteligentes (Smart Cities)

Industria 4.0

Agricultura 4.0

Sistemas IoT de bajo consumo

Sistemas IoT implantables y en ambientes peligrosos

Operación sin batería (battery-free)

Supercondensadores (supercapacitors)

Carga inalámbrica concurrente

Relaciones de carga (uno a uno, uno a muchos, muchos a uno, muchos a muchos) 

Transferencia de energía por radiación electromagnética (frecuencia de radio)

Ondas electromagnéticas RF (Radiofrecuencia)

Interferencia constructiva y destructiva

Antenas direccionales y omnidireccionales

Distribución dinámica de la energía recibida

Interferencia energética entre nodos vecinos

Zona Fresnel

Zona Octopus (patrón de interferencia energética identificado en el estudio)

Modelos teóricos de propagación energética 2D y 3D

Control de acceso al medio (MAC) en redes con WPT

Protocolos MAC específicos para WPT (como RF-MAC y RF-DiPaQ)

Programación de carga (Charging Scheduling)

Efectos de superposición no lineal de energía

Transferencia de energía de precisión (Precision Energy Transfer)

Sistemas como Energy-Ball e In-N-Out

Seguimiento de dispositivos móviles (tracking)

Beamforming coherente

Sincronización de transmisores de energía

Redes distribuidas aleatorias (en lugar de redes maestro-esclavo)

Evaluación experimental con transmisores Powercast (TX91501B y TX91503)

Polarización de la señal (vertical y horizontal)

Uso de modulación DSSS (Direct Sequence Spread Spectrum)

Placas de evaluación de recolección de energía (P2110-EVB)

Sensores inalámbricos (WSN-EVAL-01)

Medición de la intensidad de señal recibida (RSSI)

Intervalos de paquetes como métrica de estabilidad energética

UAV Remotely-Powered Underground IoT for Soil Monitoring

 El artículo menciona conceptos relacionados y complementarios a EH (Energy Harvesting) y WPT (Wireless Power Transfer) como:

1. RF Energy Harvesting: La recolección de energía de radiofrecuencia para alimentar dispositivos IoT sin necesidad de baterías ni componentes sobre el suelo. En este caso, se usa energía RF para cargar nodos subterráneos de IoT.

2. UAV (Unmanned Aerial Vehicle): Un vehículo aéreo no tripulado que actúa como fuente de energía para cargar los nodos subterráneos a través de transmisión de RF.

3. MIMO (Multiple Input, Multiple Output): Aunque no se menciona directamente, el principio de comunicación eficiente y de largo alcance usando RF puede implicar técnicas de MIMO en aplicaciones avanzadas.

4. Control de energía en dispositivos IoT: El uso de circuitos dedicados para gestionar la energía recolectada de forma eficiente, incluyendo el arranque de los nodos y su control de energía durante la operación.

5. ZigBee: Un protocolo de comunicación utilizado por los nodos subterráneos para transmitir los datos recolectados hacia el UAV.

Componentes del sistema:

El sistema se compone de los siguientes elementos:

• Nodo RF-UIoT: Un sensor subterráneo que recoge parámetros del suelo como humedad, pH, etc., sin necesidad de batería ni componentes externos (panel solar).

• UAV con transmisor RF: Vehículo aéreo no tripulado que transmite energía en la banda UHF (915 MHz) a los nodos subterráneos.

• Circuitos de gestión de energía: Incluyen los circuitos de arranque, conducción y gestión de energía para garantizar el funcionamiento fiable de los nodos con energía de RF.

• Capacitores: Usados como almacenamiento de energía para los nodos, con un valor de 1 mF en los experimentos.

Funcionamiento del sistema:

1. Paso 1 - Carga inalámbrica: El UAV transmite energía a los nodos subterráneos utilizando ondas de radiofrecuencia a 915 MHz.

2. Paso 2 - Monitoreo y transmisión de datos: Los nodos subterráneos, al recibir la energía, realizan mediciones del suelo (como humedad y pH) y transmiten los datos al UAV utilizando el protocolo ZigBee.

3. Paso 3 - Envío a la nube: El UAV recoge los datos de los nodos y los envía a un servidor en la nube para análisis en tiempo real.

Parámetros tomados:

• Frecuencia: 915 MHz para la transmisión de energía.

• Potencia: La potencia de transmisión del UAV es de 2 W (36 dBm).

• Capacidad de almacenamiento de energía: Los nodos subterráneos usan un capacitor de 1 mF para almacenar la energía recolectada.

Este sistema es capaz de operar a una profundidad de hasta 15 cm y transmitir más de 1 kilobyte de datos después de 10 segundos de carga inalámbrica

Dificultades mencionadas en el artículo:

1. Caída de voltaje en el arranque: Debido a la limitada capacidad de almacenamiento de energía de los nodos RF-UIoT (por ejemplo, un condensador de 1 mF), el voltaje de suministro puede caer significativamente durante el arranque, las mediciones y la transmisión de datos .

2. Alta atenuación de señal en el suelo: Las ondas de radio se atenúan considerablemente cuando viajan a través del suelo, lo que hace necesario un poder de transmisión alto por parte del UAV para garantizar que las ondas lleguen a los nodos subterráneos .

3. Consumo dinámico de energía: Las operaciones que consumen mucha energía, como la comunicación, pueden causar caídas significativas de voltaje en los nodos, lo que es un desafío exclusivo de los sistemas de recolección de energía RF, a diferencia de los dispositivos alimentados por batería .

Software utilizado:

El artículo menciona que se utilizó una placa inalámbrica Microchip ATmega256RFR2 con el protocolo ZigBee para la transmisión de datos desde los nodos subterráneos hacia el UAV .

Resultados obtenidos:

1. Eficiencia de carga: Los experimentos demostraron que los nodos RF-UIoT, al recibir energía de un transmisor RF de 2 dBm, pueden iniciar su funcionamiento en 10 segundos. Después de este tiempo, el nodo transmite más de 1 kilobyte de datos y puede transmitir 1.7 kilobytes adicionales con 1.6 segundos de carga adicional .

2. Consumo energético: Se observó que el consumo de energía en los nodos es eficiente, y con una potencia de transmisión de solo 2 W desde el UAV, los nodos pueden funcionar a una profundidad mínima de 15 cm bajo el suelo .

Aportes:

1. Circuitos de arranque y gestión de energía: El desarrollo de circuitos específicos para el arranque y la gestión de energía permite que los nodos RF-UIoT inicien su funcionamiento con poca energía incidente y gestionen la energía de manera eficiente .

2. Estrategia de carga por pulsos: Se propone una estrategia de carga por pulsos que mejora la eficiencia de carga, reduciendo el tiempo necesario para cargar los nodos .

3. Mejora en la eficiencia de transmisión de datos: Los resultados mostraron que, con las estrategias de gestión de energía implementadas, los nodos pueden transmitir datos de manera continua y eficiente, incluso con poca energía disponible .

Consumo de energía:

1. Consumo durante el arranque: El proceso de arranque es uno de los más energéticamente demandantes, ya que el sistema necesita suficiente energía para superar el umbral de voltaje mínimo para arrancar. Se observa que cuando el voltaje de suministro aumenta de 2.7V a 3.2V, el consumo de energía en el arranque aumenta significativamente, llegando hasta 6 mJ, lo que es cinco veces más que con un voltaje de 2.7V .

2. Consumo durante la transmisión de datos: La transmisión de datos también consume energía, y su consumo varía dependiendo de la frecuencia del reloj del microcontrolador (MCU) y la potencia de transmisión. Con un reloj de 1 MHz y una potencia de transmisión de 3.5 dBm, el consumo promedio de corriente es de 15.1 mA. Si la frecuencia del reloj se incrementa a 16 MHz, el consumo aumenta a 18.4 mA .

3. Consumo dinámico: Además de los picos en el consumo de energía durante el arranque y la transmisión, el sistema tiene un consumo dinámico, especialmente durante la transmisión de datos y el muestreo de sensores. A medida que el sistema realiza más operaciones, el consumo de energía fluctúa, lo que requiere una gestión eficiente para mantener la operación estable con energía mínima .

Aporte del artículo:

• Circuitos de arranque y gestión de energía: El desarrollo de circuitos especializados para el arranque y la gestión de energía permite que los nodos RF-UIoT inicien su funcionamiento con baja energía incidente. Además, se ha propuesto una estrategia de carga por pulsos que mejora la eficiencia de carga y reduce el tiempo de carga .

• Optimización del consumo de energía: Se proponen estrategias de gestión de energía para ajustar dinámicamente los tiempos de transmisión y los períodos de reposo en función de la energía residual. Esto permite mejorar la eficiencia energética del sistema y asegurar que los nodos funcionen incluso con bajas cantidades de energía .

1. rcuito de Arranque:
   El circuito de arranque usa un Schmitt trigger para controlar el inicio de la MCU (MicroControlador). Dado que la energía cosechada es muy baja, el capacitor de almacenamiento necesita acumular suficiente energía antes de que la MCU pueda arrancar. El circuito mantiene un voltaje de referencia dinámico usando un diodo (D1) y un capacitor (C1). Cuando el voltaje alcanza el umbral necesario, el Schmitt trigger activa la MCU. Esto asegura que el sistema arranque de manera confiable incluso con energía de baja intensidad. Además, el termo-resistor NTC (Rx) ajusta el voltaje de referencia en función de la temperatura, lo que permite una compensación precisa .

2. Circuito de Accionamiento:
   El circuito de accionamiento se encarga de suministrar corriente suficiente al transistor NPN (T2), que regula la corriente al MCU. En situaciones de bajo voltaje de suministro, la resistencia R3 se ajusta para proporcionar el impulso de corriente necesario para el arranque de la MCU. Esto se maneja usando un transistor T2, que actúa como conductor de corriente a través del MCU dependiendo de su estado (inicio o transmisión). El transistor T2 se controla mediante resistores R3 y R5, y un capacitor (C2) que asegura la duración adecuada de la corriente durante el arranque .

3. Circuito de Gestión de Energía:
   El circuito de gestión de energía optimiza el uso de la energía cosechada. Incluye un comparador (CP2), resistores (R6 a R10), diodo (D3), y un capacitor (C3). La MCU mide el voltaje a través de un divisor de voltaje antes de transmitir datos. Si el voltaje de suministro (Vcc) está por debajo de un umbral predefinido, la MCU entra en un modo de sueño profundo para ahorrar energía. Cuando Vcc alcanza un cierto nivel, el comparador activa un interruptor (INT2) que despierta a la MCU para comenzar la transmisión. Este sistema reduce el consumo de energía, ajustando dinámicamente los períodos de sueño y actividad .

Lógica de funcionamiento:

1. Arranque: La MCU no puede iniciar hasta que el capacitor acumule suficiente energía, lo que se controla mediante un Schmitt trigger.

2. Accionamiento: El transistor T2 asegura que la MCU reciba suficiente corriente para arrancar o realizar transmisiones.

3. Gestión de energía: La MCU controla su consumo energético ajustando sus períodos de actividad y sueño de acuerdo con el voltaje de suministro disponible, asegurando que siempre haya suficiente energía para operar.