Publicación semestral • ISSN 2683-2968 • Junio 2022 • Número de revista 5
Publicación semestral • ISSN 2683-2968 • Junio 2022 • Número de revista 5
Miguel Pérez Gaspar
Javier Gómez Castellanos
Everardo Bárcenas Patiño
Luis Francisco García Jiménez
5/8
Una de las principales aplicaciones de las redes inalámbricas (RI) es el sensado en ambientes inteligentes: edificios, aulas, automóviles, entre otros. Las RI están equipadas con múltiples sensores que se encargan de registrar información relevante para la toma de decisiones de los correspondientes sistemas inteligentes. Considere de manera ilustrativa un sistema inteligente encargado del control de la ventilación de cierto espacio. El sistema debe estar equipado con una RI de sensores de humedad y temperatura para determinar de manera autónoma cuando es pertinente y a que temperatura encender el aire acondicionado. Más sensores en la RI pueden ayudar a este sistema a ser más inteligente, por ejemplo, con sensores de agentes contaminantes. A menudo los sistemas no solo están encargados de una sola función, considere la luminosidad y la ventilación, que pueden ser controladas por el mismo sistema inteligente para el correcto desarrollo de actividades en un laboratorio.
A continuación ilustraremos algunos problemas de razonamiento en las RI que requieren modelos difusos. Recapitulemos el sistema de control de ventilación con sensores de temperatura, humedad y algunos agentes contaminantes. El tipo de decisiones que el sistema debe de tomar tiene la siguiente forma:
Si la temperatura ambiental, la humedad y la contaminación, se encuentran en cierto intervalo, respectivamente, entonces los parámetros de velocidad de caudal y temperatura del aire acondicionado se establecen en ciertos valores.
Este tipo de inferencia es claramente clásica. Sin embargo, para determinar el valor de las variables descritas (temperatura, humedad, contaminación), normalmente se cuentan con varios sensores colocados en diversos puntos. Por lo que la determinación de la temperatura debe tomar en cuenta todos los sensores de temperatura, cuyos valores normalmente no coinciden por diversas causas: diferencias reales de temperatura en el ambiente, errores de hardware, errores de comunicación, y demás. Es aquí cuando la lógica difusa nos ayuda a razonar y modelar estas inconsistencias, como en el siguiente apartado:
Si la mayoría de los sensores marcan una temperatura en cierto intervalo de valores I, y algunos otros sensores marcan una temperatura no muy lejana al mismo intervalo I, entonces la temperatura se encuentra en I.
Las nociones “la mayoría de los sensores”, “algunos otros sensores”, “temperatura no muy lejana al mismo intervalo I”, requieren de un modelo difuso de razonamiento. En [22], se describe a detalle un modelo difuso para una RI con sensores de múltiples modalidades.
El consumo de energía en las redes de sensores es probablemente el elemento más importante a considerar. Esto es debido a la complejidad que implica cambiar o recargar las baterías de los dispositivos, por lo que incrementar el tiempo de vida de la red se vuelve un objetivo primordial. La forma tradicional en que se ha abordado este problema es por medio de una jerarquía en la red. En la parte superior de la jerarquía existen nodos especiales llamados clúster head (CH) que se encargan de la comunicación con otros nodos cercanos o vecinos. Estos son responsables de recolectar la información, procesarla, y encaminarla a través de otros CH hacia su destino final. El punto medular de esta estrategia está en identificar a los mejores nodos para ocupar el rol de CH, criterio que normalmente considera la energía restante de cada uno, sus capacidades de transmisión, procesamiento o su posición relativa con respecto a sus vecinos.
Recientemente, la lógica difusa ha mostrado su potencial en las redes inalámbricas. En particular, al seleccionar el conjunto de nodos CH en un sistema multivariable. En los sistemas que usan lógica clásica, un nodo se encuentra asociado a un nodo CH con una función binaria; es decir, tiene un valor de 1 cuando está asociado o un valor de 0 cuando no está asociado. En la lógica difusa, la asociación de un nodo a un CH está en función de una membresía que toma valores continuos en el intervalo [0-1]. Estas funciones, que determinan la membresía de los nodos a los diferentes CH, generalmente usan funciones gaussianas, triangulares, trapezoidales [27], [29], [30]. Mediante membresías difusas, los nodos pueden estar conectados a diferentes CH en diferentes tiempos, o pueden estar conectados a varios CH con diferentes grados de membresía al mismo tiempo. En este sentido, un nodo puede enviar un paquete a un CH, y el siguiente paquete enviarlo a un CH diferente del anterior, dependiendo de los valores que toma la función de membresía [31].
Debido al corto alcance de los radios en este tipo de redes, es necesario que algunos nodos participen en el rol de encaminar información propia y de otros nodos hacia los nodos concentradores. Esto provoca que los nodos encargados de reenviar los mensajes gasten sus recursos energéticos de manera acelerada. Una manera de evitar este problema es cambiar las rutas periódicamente para balancear el gasto energético entre los nodos de la red. Sin embargo, el proceso de cambiar las rutas es, en sí mismo, oneroso desde el punto de vista energético. Existen en la literatura un sin número de algoritmos de encaminamiento para este tipo de redes. Sin embargo, la gran mayoría de ellos consideran una métrica o costo asociado a la ruta de cualquier nodo hacia el nodo concentrador [32], [33]. Por ejemplo, las métricas tradicionales consideran el número de saltos en la ruta, la distancia hacia el concentrador, el retardo, la batería restante, la congestión de la red, etcétera. Aquí, una vez más, la lógica difusa puede presentar formas novedosas de enfrentar este problema mediante el uso de una métrica difusa (con valores en el rango [0-1]), donde los nodos podrían no solo realizar el cambio dinámico de rutas de manera eficiente energéticamente, sino además, podrían generar múltiples rutas paralelas que mejoren la resistencia de la red a ataques, congestión y otros problemas presentes en el encaminamiento [34], [35].
La localización del IoT y redes de sensores es un área de suma importancia, ya que muchas aplicaciones dependen de la estimación de la posición para ejecutar alguna acción. Por ejemplo, activar un área de riego en un viñedo cuando la salinidad del área haya sobrepasado un nivel máximo. Sin embargo, las señales que se usan para alimentar los algoritmos de localización son señales ruidosas (señales GPS o señales RF). En este sentido, nuevamente es posible utilizar el dominio difuso, donde la presencia de un nodo en un lugar se puede representar en el intervalo [0-1]; con un valor de 1 cuando se tiene un 100% de seguridad de encontrarse, y un 0 que representa no estar en ese lugar con 100% de certidumbre [36], [37]. Si bien, ya hemos aprendido a convivir con la imprecisión de sistemas GPS (5-50 metros), dichos sistemas no operan adecuadamente en espacios interiores. Es en estos espacios donde otro tipo de técnicas de localización son usadas (triangulación de señales o detección de huellas de propagación de señales RF) [38]. Un aspecto novedoso de usar lógica difusa en los sistemas de localización es que abre la puerta a nuevas técnicas basadas en lenguaje natural. Imaginemos a una persona que menciona a través de su dispositivo inalámbrico “nos vemos enfrente de la tienda ABC” o “nos vemos en el mismo lugar de la semana pasada”, etcétera. Estas referencias de localización son claramente vagas e imprecisas, sin embargo, resultan perfectamente manejables para un sistema de localización difuso.
Fecha de recepción: 18 de marzo de 2022
Fecha de publicación: junio de 2022
Designed with Mobirise website themes