Cri$que #5 Due November 27 th (Tuesday) O. Chipara, C. - - PowerPoint PPT Presentation

Cri$que ¡#5 ¡

• Due ¡November ¡27th ¡(Tuesday) ¡
• O. ¡Chipara, ¡C. ¡Lu, ¡T.C. ¡Bailey ¡and ¡G.-­‑C. ¡Roman, ¡Reliable ¡Clinical ¡

Monitoring ¡using ¡Wireless ¡Sensor ¡Networks: ¡Experience ¡in ¡a ¡Step-­‑ down ¡Hospital ¡Unit, ¡ACM ¡Conference ¡on ¡Embedded ¡Networked ¡Sensor ¡ Systems ¡(SenSys'10), ¡November ¡2010. ¡

1 ¡

Video ¡of ¡the ¡Day ¡

• Cisco ¡to ¡Buy ¡Meraki ¡for ¡$1.2 ¡Billion ¡
• CEO ¡Sanjit ¡Biswas ¡talks ¡about ¡founding ¡and ¡developing ¡Meraki ¡

2 ¡

Cyber-­‑Physical ¡Codesign ¡of ¡ ¡ Distributed ¡Structural ¡Health ¡Monitoring ¡ with ¡Wireless ¡Sensor ¡Networks ¡

Chenyang ¡Lu ¡ Computer ¡Science ¡and ¡Engineering ¡

Structural ¡Health ¡Monitoring ¡

Wireless ¡Sensor ¡Networks ¡

• Detect ¡and ¡localize ¡damages ¡

to ¡structures ¡

• Wireless ¡sensor ¡networks ¡

monitor ¡at ¡high ¡temporal ¡and ¡ spaWal ¡granulariWes ¡

• Key ¡Challenges ¡



ComputaWonally ¡intensive ¡



Resource ¡constraints ¡



Long-­‑term ¡monitoring ¡ ¡

4 ¡

Related ¡Work ¡

• Wisden ¡[Xu, ¡SenSys ¡04] ¡



Services ¡for ¡reliable ¡transmission ¡of ¡raw ¡data ¡

• Golden ¡Gate ¡Bridge ¡[Kim, ¡IPSN ¡07] ¡



46-­‑hop ¡network ¡deployed ¡along ¡Golden ¡Gate ¡Bridge ¡

• BriMon ¡[Chebrolu, ¡MobiSys ¡08] ¡



Trains ¡as ¡data ¡mules ¡

• Torre ¡Aquila ¡[Ceriob, ¡IPSN ¡09] ¡



Heterogeneous ¡sensors, ¡most ¡with ¡low ¡data ¡rate ¡

• Key ¡limitaWon: ¡separate ¡the ¡designs ¡of ¡



Cyber ¡(data ¡transport) ¡components ¡



Physical ¡(damage ¡detecWon) ¡components ¡

5 ¡

Cyber-­‑Physical ¡Codesign ¡Approach ¡

• Centralized ¡approaches ¡suffer ¡high ¡energy ¡consumpWon ¡
• But ¡damage ¡detecWon ¡is ¡too ¡complex ¡to ¡run ¡enWrely ¡on ¡

sensors ¡

• Co-­‑design ¡WSN ¡architecture ¡and ¡SHM ¡approach ¡



Embed ¡processing ¡into ¡a ¡hierarchical ¡architecture ¡



Send ¡(smaller!) ¡parWal ¡results ¡between ¡layers ¡of ¡hierarchy ¡



MulW-­‑level ¡damage ¡localizaWon ¡

6 ¡

Prior ¡Work: ¡DLAC ¡ ¡

• Pushed ¡porWons ¡of ¡Damage ¡LocaWon ¡Assurance ¡Criterion ¡

(DLAC) ¡algorithm ¡into ¡network ¡[Hackmann, ¡RTSS ¡08] ¡

• Highlights ¡potenWal ¡gains ¡for ¡cyber-­‑physical ¡co-­‑design ¡



66% ¡lower ¡latency ¡and ¡71% ¡lower ¡energy ¡consumpWon ¡than ¡ centralized ¡scheme ¡

• But ¡a ¡limited ¡architecture ¡with ¡no ¡collaboraWon ¡among ¡

sensors ¡=> ¡limitaWons ¡in ¡SHM ¡capabiliWes ¡

7 ¡

Flexibility-­‑Based ¡Methods ¡

• Structures ¡flex ¡slightly ¡when ¡a ¡force ¡is ¡applied ¡

¡

• Structural ¡weakening ¡=> ¡decreased ¡sWffness ¡
• Flexibility ¡acts ¡as ¡a ¡“signature” ¡of ¡the ¡structure’s ¡health ¡
• Two ¡flexibility-­‑based ¡methods ¡of ¡interest ¡for ¡our ¡work ¡



Beam-­‑like ¡structures: ¡Angles-­‑Between-­‑String-­‑and-­‑Horizon ¡ flexibility ¡method ¡(ASHFM) ¡[Duan, ¡J. ¡Structural ¡Engineering ¡and ¡ Mechanics ¡09] ¡



Truss-­‑like ¡structures: ¡Axial ¡Strain ¡flexibility ¡method ¡(ASFM) ¡[Yan, ¡J. ¡ Smart ¡Structures ¡and ¡Systems ¡09] ¡

8 ¡ θ

Hierarchical ¡Architecture ¡1 ¡

• Sensors ¡form ¡physically ¡co-­‑located ¡

groups ¡

• Group ¡members ¡collect ¡raw ¡

vibraWon ¡data ¡ ¡power ¡spectrum ¡

• Group ¡leaders ¡collect ¡and ¡

correlate ¡power ¡spectrum ¡from ¡ children ¡ ¡modal ¡parameters ¡ (natural ¡frequencies ¡+ ¡mode ¡ shapes) ¡

9 ¡ Base ¡ Sta$on ¡ Group ¡ Leader ¡ Group ¡ Leader ¡

Group ¡ Member ¡ Group ¡ Member ¡ Group ¡ Member ¡ Group ¡ Member ¡ Group ¡ Member ¡

Hierarchical ¡Architecture ¡2 ¡

• Base ¡sta<on ¡collects ¡modal ¡

parameters ¡from ¡group ¡ leaders ¡ ¡structural ¡ flexibility ¡

• Output ¡is ¡compared ¡against ¡

“baseline” ¡collected ¡when ¡ structure ¡was ¡known ¡to ¡be ¡ healthy ¡

• Differences ¡in ¡flexibility ¡can ¡

be ¡used ¡to ¡detect ¡and ¡ localize ¡damage ¡

10 ¡

Distributed ¡Data ¡Flow ¡

11 ¡

Sensing ¡ FFT ¡ Power ¡Spectrum ¡ Cross ¡Spectral ¡ Density ¡ Singular ¡Value ¡ DecomposiWon ¡ 2 x D ints D floats Group Leader Flexibility ¡ Base Station D matrices Group Member D floats P natural frequencies + mode shapes D: # of samples P: # of natural freq. (D » P)

Enhanced ¡Distributed ¡Data ¡Flow ¡

12 ¡

Sensing ¡ FFT ¡ Power ¡Spectrum ¡ 2 x D ints D floats Peak ¡Picking ¡ D floats Cross ¡Spectral ¡ Density ¡ Singular ¡Value ¡ DecomposiWon ¡ Group Leader Flexibility ¡ Base Station P matrices P natural frequencies + mode shapes P floats Group Member D: # of samples P: # of natural freq. (D » P)

Mul$-­‑Level ¡Damage ¡Localiza$on ¡

• Under ¡ASHFM ¡and ¡ASFM, ¡only ¡a ¡handful ¡of ¡sensors ¡are ¡

needed ¡to ¡detect ¡damage ¡

• As ¡more ¡sensors ¡are ¡added, ¡localizaWon ¡gets ¡more ¡fine-­‑

grained ¡

• Significant ¡energy ¡savings ¡by ¡exploiWng ¡localized ¡nature ¡of ¡

flexibility-­‑based ¡approach ¡

13 ¡

Implementa$on ¡

• Hardware ¡platorm: ¡Intel/Crossbow ¡

Imote2 ¡+ ¡ITS400 ¡sensorboard ¡



13 ¡– ¡416 ¡MHz ¡PXA271 ¡XScale ¡CPU ¡



32 ¡MB ¡ROM, ¡32 ¡MB ¡SDRAM ¡



CC2420 ¡802.15.4-­‑compliant ¡radio ¡



3-­‑axis ¡accelerometer ¡on ¡sensor ¡board ¡

• Sowware ¡platorm ¡



TinyOS ¡1.1 ¡operaWng ¡system ¡



UIUC’s ¡ISHM ¡toolsuite ¡used ¡for ¡sensing, ¡ reliable ¡communicaWon, ¡and ¡Wme ¡sync ¡ ¡

14 ¡

Evalua$on: ¡Truss ¡

• SimulaWon ¡of ¡5.6 ¡m, ¡14-­‑member ¡steel ¡truss ¡structure ¡at ¡

UIUC ¡

• Simulated ¡sensor ¡data ¡generated ¡in ¡MATLAB ¡and ¡injected ¡

into ¡live ¡applicaWon ¡using ¡“fake” ¡sensor ¡driver ¡



Intact ¡data ¡set: ¡no ¡damages ¡



Damaged ¡data ¡set: ¡three ¡members ¡reduced ¡on ¡lew ¡side ¡of ¡truss, ¡ four ¡on ¡right ¡side ¡

15 ¡

Evalua$on: ¡Truss ¡

• Level ¡1: ¡nine ¡sensors ¡at ¡uniform ¡points ¡along ¡truss’s ¡length ¡

16 ¡

2 4 6 8 1 2 3 4x 10

−6

Element Number Damage Indicator

Damage identified

• n left half

Damage identified

• n right half

Evalua$on: ¡Truss ¡

• Level ¡2: ¡move ¡all ¡nine ¡sensors ¡to ¡respecWve ¡halves ¡(higher ¡

density) ¡

17 ¡

1 2 3 4 5 6 7 8 9 10111213 1 2 3 Element Number Damage Indicator 1 2 3 4 5 6 7 8 9 10111213 1 2 3 Element Number Damage Indicator

Damage localized correctly to all seven members

Evalua$on: ¡Truss ¡

• Codesigned ¡architecture ¡reduces ¡

communicaWon ¡latency ¡from ¡ esWmated ¡87 ¡s ¡to ¡0.21 ¡s ¡

• 78.9% ¡of ¡energy ¡axributable ¡to ¡

synchronizaWon ¡and ¡sensing ¡

• Compare ¡to ¡theoreWcal ¡energy ¡

supply ¡of ¡20,250 ¡J ¡(3x ¡1.5 ¡V, ¡1250 ¡ mAh ¡AAA ¡baxeries) ¡

18 ¡

Cluster ¡Member ¡ SynchronizaWon ¡ 12.1 ¡J ¡ Sensing ¡ 23.0 ¡J ¡ ComputaWon ¡ 9.28 ¡J ¡ CommunicaWon ¡ 0.08 ¡J ¡ Cluster ¡Head ¡ SynchronizaWon ¡ 16.2 ¡J ¡ Sensing ¡ 21.2 ¡J ¡ ComputaWon ¡ 8.52 ¡J ¡ CommunicaWon ¡ 0.76 ¡J ¡

19 ¡

Image source: Zhuoxiong Sun, Purdue University

Full-­‑Scale ¡Truss ¡

Test ¡Results: ¡Full-­‑Scale ¡Truss ¡

• Two ¡levels ¡of ¡damage ¡localizaWon ¡
• Level ¡1: ¡localized ¡

damage ¡to ¡bay ¡9 ¡

• Level ¡2: ¡localized ¡

damage ¡to ¡element ¡42 ¡

20 ¡

2 3 4 5 6 7 8 910 20 31 32 42 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 x 10

−6

Truss Element Number AS Flexibility Damage Indicator

Conclusion ¡

• Cyber-­‑physical ¡co-­‑design ¡for ¡wireless ¡structural ¡health ¡

monitoring ¡



Distribute ¡flexibility-­‑based ¡damage ¡localizaWon ¡methods ¡in ¡a ¡ hierarchical ¡architecture ¡



MulW-­‑level ¡search ¡strategy ¡only ¡acWvates ¡sensors ¡in ¡area ¡of ¡ interest; ¡many ¡sensors ¡remain ¡asleep ¡

• Localize ¡damage ¡to ¡a ¡simulated ¡truss ¡and ¡a ¡real ¡full-­‑size ¡

truss ¡with ¡low ¡energy ¡consumpWon ¡

• Long-­‑term ¡goal: ¡a ¡general ¡cyber-­‑physical ¡co-­‑design ¡

approach ¡to ¡integrated ¡sensing ¡and ¡control ¡ ¡

21 ¡

References ¡

• G. ¡Hackmann, ¡W. ¡Guo, ¡G. ¡Yan, ¡C. ¡Lu ¡and ¡S. ¡Dyke, ¡Cyber-­‑Physical ¡

Codesign ¡of ¡Distributed ¡Structural ¡Health ¡Monitoring ¡with ¡Wireless ¡ Sensor ¡Networks, ¡ACM/IEEE ¡InternaWonal ¡Conference ¡on ¡Cyber-­‑ Physical ¡Systems ¡(ICCPS'10), ¡April ¡2010. ¡

• hxp://bridge.cse.wustl.edu ¡

¡

22 ¡