ESTIMAÇÃO DE DESCARGA DE DISPOSITIVO IOT USANDO DEEP LEARNING COM OTIMIZAÇÃO NSGA-II
IoT, LoRa, Bateria, Descarga, Deep Learning, NSGA-II
O aumento das aplicações de redes IoT (Internet das Coisas) destaca a necessidade de otimizar a gestão de energia nestes sistemas pois a eficiência energética é crucial para sua adaptabilidade. Este estudo analisa as curvas de descarga de uma bateria recarregável em um contexto de rede IoT que utiliza comunicação LoRa (Long Range) e vários sensores, com o objetivo de gerar múltiplas curvas de descarga para estimar o comportamento da bateria nesse cenário. Essas curvas foram utilizadas para treinar uma Rede Neural Artificial (RNA) de várias camadas, implementando técnicas de Deep Learning, na qual a arquitetura da RNA foi delineada usando o algoritmo de Otimização Multiobjetivo NSGA-II (Non-dominated Sorting Genetic Algorithm II), o que resultou em um modelo com capacidade de estimar o tempo de descarga da bateria ao analisar um segmento do processo de descarga observado pelo modelo, com um resultado satisfatório dentro da métrica definida.