CN103096437B - 物联网微能源自采集mems传感预储存系统 - Google Patents
物联网微能源自采集mems传感预储存系统 Download PDFInfo
- Publication number
- CN103096437B CN103096437B CN201110341279.6A CN201110341279A CN103096437B CN 103096437 B CN103096437 B CN 103096437B CN 201110341279 A CN201110341279 A CN 201110341279A CN 103096437 B CN103096437 B CN 103096437B
- Authority
- CN
- China
- Prior art keywords
- data
- energy
- module
- micro
- fusion
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000003860 storage Methods 0.000 title claims abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 16
- 230000005540 biological transmission Effects 0.000 claims abstract description 10
- 230000007774 longterm Effects 0.000 claims abstract description 10
- 238000004891 communication Methods 0.000 claims abstract description 5
- 238000000034 method Methods 0.000 claims description 67
- 230000008569 process Effects 0.000 claims description 45
- 238000004458 analytical method Methods 0.000 claims description 41
- 230000004927 fusion Effects 0.000 claims description 31
- 238000007726 management method Methods 0.000 claims description 25
- 150000001875 compounds Chemical class 0.000 claims description 24
- 239000010409 thin film Substances 0.000 claims description 20
- 229910001416 lithium ion Inorganic materials 0.000 claims description 19
- 238000004146 energy storage Methods 0.000 claims description 18
- 238000007499 fusion processing Methods 0.000 claims description 17
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 claims description 16
- 238000007906 compression Methods 0.000 claims description 15
- 230000006835 compression Effects 0.000 claims description 15
- 238000005516 engineering process Methods 0.000 claims description 12
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical group [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 claims description 11
- 229910052710 silicon Inorganic materials 0.000 claims description 11
- 239000010703 silicon Substances 0.000 claims description 11
- 238000012098 association analyses Methods 0.000 claims description 10
- 230000035945 sensitivity Effects 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 6
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 5
- 229910052744 lithium Inorganic materials 0.000 claims description 5
- 238000012913 prioritisation Methods 0.000 claims description 4
- 230000004913 activation Effects 0.000 claims description 3
- 238000013473 artificial intelligence Methods 0.000 claims description 3
- 238000013500 data storage Methods 0.000 claims description 3
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000007405 data analysis Methods 0.000 claims description 2
- 238000013523 data management Methods 0.000 claims description 2
- 238000007418 data mining Methods 0.000 claims description 2
- 238000003745 diagnosis Methods 0.000 claims description 2
- 230000015572 biosynthetic process Effects 0.000 claims 1
- 238000005065 mining Methods 0.000 claims 1
- 238000002156 mixing Methods 0.000 claims 1
- 238000003032 molecular docking Methods 0.000 claims 1
- 238000003786 synthesis reaction Methods 0.000 claims 1
- 239000002131 composite material Substances 0.000 abstract description 3
- 239000010408 film Substances 0.000 description 11
- 230000005611 electricity Effects 0.000 description 8
- 238000006243 chemical reaction Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000004134 energy conservation Methods 0.000 description 5
- 238000012546 transfer Methods 0.000 description 5
- 230000006399 behavior Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 239000012528 membrane Substances 0.000 description 4
- 238000005265 energy consumption Methods 0.000 description 3
- 239000011521 glass Substances 0.000 description 3
- 230000010365 information processing Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 2
- 229910021417 amorphous silicon Inorganic materials 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 238000000151 deposition Methods 0.000 description 2
- 230000008021 deposition Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000003792 electrolyte Substances 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000005357 flat glass Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 229910021420 polycrystalline silicon Inorganic materials 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 230000002035 prolonged effect Effects 0.000 description 2
- 238000004549 pulsed laser deposition Methods 0.000 description 2
- 238000004544 sputter deposition Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 229910013716 LiNi Inorganic materials 0.000 description 1
- 229910012305 LiPON Inorganic materials 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 239000007772 electrode material Substances 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 150000002500 ions Chemical class 0.000 description 1
- 238000001459 lithography Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 150000002739 metals Chemical class 0.000 description 1
- 238000004377 microelectronic Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000000465 moulding Methods 0.000 description 1
- VIKNJXKGJWUCNN-XGXHKTLJSA-N norethisterone Chemical compound O=C1CC[C@@H]2[C@H]3CC[C@](C)([C@](CC4)(O)C#C)[C@@H]4[C@@H]3CCC2=C1 VIKNJXKGJWUCNN-XGXHKTLJSA-N 0.000 description 1
- 239000003921 oil Substances 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 238000007747 plating Methods 0.000 description 1
- 229920005591 polysilicon Polymers 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000010278 pulse charging Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000004062 sedimentation Methods 0.000 description 1
- 239000000377 silicon dioxide Substances 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- Y02B60/50—
Landscapes
- Arrangements For Transmission Of Measured Signals (AREA)
Abstract
本发明公开一种物联网微能源自采集MEMS传感预储存系统，包括：复合微能源电源模块、传感器模块、微处理器模块和无线收发模块，其中，所述微处理器模块用于协调所述WSN节点的工作，处理所述传感器模块发送的数据并控制所述无线收发模块的工作；所述无线收发模块用于所述WSN节点与其他WSN节点、所述WSN节点与网关以及所述WSN节点与云端间的数据通信。本发明中，对多个主要模块进行优化，即从多个角度降低整个系统的功耗，同时又提供了一种能有效为整个系统供电的复合微能源电源模块，从而保证了WSN节点电源的长期使用，提高了WSN节点的工作性能和稳定性。
Description
技术领域
本发明涉及物联网技术领域，特别涉及一种物联网微能源自采集MEMS传感预储存系统。
背景技术
WSN(Wireless Sensor Network，无线传感网络)主要由三个部分组成：WSN节点、WSN网关和服务器。WSN节点的主要功能为：将传感器与空间分布的各待监测装置相连，通过传感器对待监测装置进行监控，并将监测到的数据无线发送给WSN网关，WSN网关通过有线或无线方式与服务器相连接，服务器通过对WSN网关上传的数据进行加工、分析并显示，从而便于操作人员对分布在不同区域的与传感器相连接的设备进行实时监控。
随着无线通信和低功耗嵌入式技术的迅速发展，WSN广泛应用于军事、环境、医疗、工业和商业等各个领域，具有广阔的发展前景。
现有技术中，WSN节点主要采用能量有限的电池供电，由于WSN节点数量众多、分布区域较广，并且应用环境通常较复杂，所以当WSN节点的电池电量用尽后，为WSN节点更换电池成本很高。因此，为解决这一技术问题，出现了由交流电变换所产生的直流稳压电源为WSN节点供电的方案，但这一方案存在以下两方面问题：(一)各WSN节点需要较长的供电线缆与电源连接，在具体实现上，安装供电线缆的工作量仍然很大，且成本较高；(二)由于供电电源模块的体积较大，并且线路连接较复杂，所以容易对WSN节点数据传输产生较大的干扰，从而提高了数据传输时的出错率。
因此，WSN节点能源问题已成为限制WSN广泛应用的关键问题，解决这一问题具有重要的现实意义。
发明内容
针对现有技术存在的缺陷，本发明提供一种物联网微能源自采集MEMS(Micro-Electro-Mechanical Systems，微机电系统)传感预储存系统，对多个主要模块进行优化，即从多个角度降低整个系统的功耗，同时又提供了一种能有效为整个系统供电的复合微能源电源模块，从而保证了WSN节点电源的长期使用，提高了WSN节点的工作性能和稳定性。
本发明采用的技术方案如下：
本发明提供一种物联网微能源自采集MEMS传感预储存系统，包括：复合微能源电源模块、传感器模块、微处理器模块和无线收发模块；其中，所述复合微能源电源模块用于向所述传感器模块、所述微处理器模块和所述无线收发模块供电；所述传感器模块用于采集被测目标的相关信息，并将该信息发送给所述微处理器模块；所述微处理器模块用于协调WSN节点的工作，处理所述传感器模块发送的数据并控制所述无线收发模块的工作；所述无线收发模块用于所述WSN节点与其他WSN节点、所述WSN节点与网关以及所述WSN节点与云端间的数据通信。
优选的，所述复合微能源电源模块包括：微型太阳能电池模块、微型环境振动能量采集模块、微型薄膜锂离子电池储能系统和微能量管理系统，其中，所述微能量管理系统用于根据负载和外界环境的变化智能化和最优化管理电能的储存和释放。
优选的，所述微型太阳能电池模块、所述微型环境振动能量采集模块、所述微型薄膜锂离子电池储能系统和所述微能量管理系统集成到所述复合微能源电源模块中，并且具有统一标准能量输出端口。
优选的，所述微型太阳能电池模块为硅光伏电池微能源系统。
优选的，所述微型环境振动能量采集模块包括压电能量转换模块和可变电容。
优选的，所述微型薄膜锂离子电池储能系统采用全固态薄膜锂离子电池。
优选的，所述微能量管理系统所使用的管理芯片为MAX1586B。
优选的，所述无线收发模块包括：发射机和接收机，其中，所述发射机包括：依次相连的数模转换器、重构滤波器和功率放大器；所述接收机包括依次相连的模数转换器、低噪声放大器、混频器和抗混叠滤波器。
优选的，所述微处理器模块还用于：对接收到的来自所述传感器模块的数据依次进行数据级处理、特征级处理、融合级处理，并将融合级处理后的数据发送给云端；所述云端对接收到的所述融合级处理后的数据进行语义级处理。
优选的，所述数据级处理具体为：所述微处理器模块对所采集到的原始数据进行数据预处理后，选择性的进行分布式存储或集总式存储，并根据可用的资源状况，有针对性的进行数据备份，然后进行所述特征级处理；
所述特征级处理为对接收到的数据依次进行特征提取、特征分析与选择、数据分类和优先级分类；
所述融合级处理为对接收到的特征级处理后的数据依次进行敏感性分析、智能分级动态加密、以及关联分析与数据融合；
所述语义级处理具体为：云端对接收到的经过融合级处理后的数据依次进行数据重构、模糊分类与语义分析，并对语义分析后的数据进行语义级压缩。
与现有技术相比，本发明提供的物联网微能源自采集MEMS传感预储存系统具有以下优点：(1)本发明提供的复合微能源电源模块中，微型太阳能电池模块与微型环境振动能量采集模块相互配合采集能量，并将剩余能量存储在微型薄膜锂离子电池储能系统中，从而保证长期有效为WSN节点供应能量；(2)本发明提供的无线收发模块为低功耗的无线收发模块，从而有效降低了WSN节点的功耗，达到节能目的；(3)本发明提供的微处理器模块中，对传感器采集到的信息依次进行数据级处理、特征级处理、融合级处理，云端对接收到的数据进行语义级处理，通过对海量数据信息进行上述各种处理，即能保证数据传输的安全性，同时又能减轻微处理器模块和云端的计算负担和存储负担，从而降低微处理器模块和云端的功耗，达到节能目的。总之，通过本发明提供的物联网微能源自采集MEMS传感预储存系统，对多个主要模块进行优化，即多个角度降低整个系统的功耗，同时又提供了一种能有效为整个系统供电的复合微能源电源模块，从而保证了WSN节点电源的长期使用，提高了WSN节点的工作性能和稳定性。
附图说明
图1为本发明提供的物联网微能源自采集MEMS传感预储存系统的结构示意图；
图2为本发明提供的复合微能源电源模块的结构示意图；
图3为本发明提供的无线收发模块的系统架构图；
图4为现有技术中WSN节点各模块的功耗对比图；
图5为本发明提供的微处理器模块对传感器上传的数据进行数据级处理的流程图；
图6为本发明提供的特征级处理过程流程示意图；
图7为本发明提供的融合级处理过程流程示意图；
图8为本发明提供的语义级处理过程流程示意图；
图9为本发明提供的数据处理整体结构示意图。
具体实施方式
如图1所示，为本发明提供的物联网微能源自采集MEMS传感预储存系统的结构示意图，包括：复合微能源电源模块、传感器模块、微处理器模块和无线收发模块；其中，所述复合微能源电源模块用于向所述传感器模块、所述微处理器模块和所述无线收发模块供电；所述传感器模块用于采集被测目标的相关信息，并将该信息发送给所述微处理器模块；所述微处理器模块用于协调所述WSN节点的工作，处理所述传感器模块发送的数据并控制所述无线收发模块的工作；所述无线收发模块用于所述WSN节点与其他WSN节点、所述WSN节点与网关以及所述WSN节点与云端间的数据通信。
下面对这四个模块分别进行介绍：
(一)复合微能源电源模块
如图2所示，为本发明提供的复合微能源电源模块的结构示意图，包括：微型太阳能电池模块、微型环境振动能量采集模块、微型薄膜锂离子电池储能系统和微能量管理系统，其中，所述微能量管理系统用于根据负载和外界环境的变化智能化和最优化管理电能的储存和释放。
本发明中，所述微型太阳能电池模块、所述微型环境振动能量采集模块、所述微型薄膜锂离子电池储能系统和所述微能量管理系统集成到所述复合微能源电源模块中，并且具有统一标准能量输出端口。
因此，本发明将微型太阳能电池模块和微型环境振动能量采集模块复合到一个电源模块中，晴天的情况下，由微型太阳能电池模块向WSN节点提供能量并进行能量存储；同时，为预防出现连绵阴雨天气时，微型太阳能电池模块无法采集能量，而微型薄膜锂离子电池储能系统所储存的能量难以满足WSN节点正常工作需求，所以，本发明提供的电源模块中还复合有微型环境振动能量采集模块作为补充。
因此，本发明将不同类型的MEMS微能源复合到一个电源模块中，集合多种能量采集器件和一个能量存储器件，实现统一标准能量输出端口，既能实现WSN节点能源有效供应及长期使用的问题，同时又具有轻巧便携、占用空间小、系统自身功耗低及使用方便的特点，从而保证了WSN节点的工作性能和稳定性。
下面分别介绍本发明提供的复合微能源电源模块中各模块的功能：
1、微型太阳能电池模块
本发明提供的微型太阳能电池模块为硅光伏电池微能源系统，包括：光伏电池、能量缓存器、能量存储器、窗口控制器、恒流源等。在该系统中，由单片机构成的最佳电压控制器在软件控制下实现最佳电压控制，将光伏电池输出电压控制在一定范围之间，实现光伏电池最大功率输出。设计中，根据传感器节点连续阴雨天工作时间要求和能量存储器供电模式的能量传输特性，确定能量存储器容量。通过利用脉冲式充电式和设计过充放电保护电路，延长能量存储器工作寿命。
本发明提供的微型太阳能电池模块可以为单晶硅大阳能电池或多晶硅太阳能电池。
在单晶硅大阳能电池方面，采用多种纳米技术，将电池表面织构化，通过改进的电镀过程增加栅极的宽度和高度的比率，采用100nm结构蛾眼型无反射薄膜连续制造技术，极大地提高了光伏电池的光电转化效率。
而在多晶硅太阳能电池方面，通过低成本化学方法，制备有序纳米硅线，降低光在器件表面的反射，固态光伏电池转换效率达到9.3％。
2、微型环境振动能量采集模块
由于微型太阳能电池模块为硅光伏电池微能源系统，即：其发电情况需要依赖太阳光，具有一定的局限性，所以，考虑到在某些极端特殊的情况，譬如长时间的阴雨天气，微型太阳能电池模块可能出现无法充分供给WSN节点能量问题，本发明还提供了微型环境振动能量采集模块，用于弥补微型太阳能电池模块的不足。
微型环境振动能量采集模块是一种将环境中的振动能转化为电能的装置。具体的，该装置是一种将压电式悬臂梁和可变电容器结合起来用于振动能量采集的装置。
本发明中，微型环境振动能量采集模块包括压电能量转换模块和可变电容。具体的，包括依次键合相连的上玻璃片、硅片和下玻璃片，其中，在硅片上制备出质量块和悬臂梁，在上玻璃片和下玻璃片相对表面分别腐蚀出凹槽，从而为硅片处的质量块预留出振动空间。另外，在上玻璃片的凹槽溅射Au金属作为可变电容的上电极，在硅片的表面溅射Pt作为可变电容的下电极，上电极和下电极构成了可变电容。压电能量转换模块为：在悬臂梁表面制备压电材料，质量块上下振动，不但会引起可变电阻的变化，同时也会导致悬臂梁表面出现形变，该种形变通过压电效应转换为电能。
基于MEMS技术的环境振动能量采集模块将环境中的光照、机械振动等能量转换为电能，实现WSN节点的自供电。具体包括：建立振动能量采集器的物理模型，包括拾振系统的物理模型和能量转换系统的物理模型；分析电功率输出与输入振幅、共振频率、阻尼比等因素的关系，建立设计振动能量采集器应遵循的一般原则；利用双面光刻技术、体硅微加工技术和微电镀技术制作振动能量采集结构。
在理想情况下，本发明提供的微型环境振动能量采集模块的功率可达6mW(milliwatt，毫瓦)，并且可以连续工作，每天的总发电量可达144mwh(milliwatt hour，毫瓦时)，约为太阳能电池采集能量的14％。
3、微型薄膜锂离子电池储能系统
本发明提供的微型薄膜锂离子电池储能系统，采用脉冲激光沉积法，使用不同衬底温度、氧偏压、衬底材料及沉积时间沉积薄膜。
负极与电解质的制备：采用脉冲激光沉积法制备非晶硅薄膜负极，以非晶硅薄膜为工作电极组装半电池，测试其充放电及循环性能；采用射频磁控溅射法制备高质量的LiPON电解质薄膜，测量其电导率及电化学窗口。
本发明提供的微型薄膜锂离子电池储能系统采用薄膜锂离子微电池的能量存储技术，主要是基于超薄型全固态锂离子电池的微能源系统的制备技术。与常规的锂电池相比，薄膜锂电池具有非常高的能量密度，约几百Wh/kg(瓦特-小时/千克)；极长的循环寿命，可达几万次；固有高安全性和较高的机械强度，从而方便作出所需的形状和尺寸以及可以在苛刻的条件下工作，例如：工作温度为-40℃～60℃，从而非常适用于做物联网各个节点所用的微型能源系统。
薄膜锂电池主要由薄膜正负极材料和电解质薄膜组成，它们都可以通过溅射、激光沉积和真空沉积等微电子加工技术来获得。通过优化正负极电极材料及电解质的组成、结构参数、取向、表面形貌和厚度来满足芯片系统的能量密度和功率密度需求。
本项目拟采用4.7V电压的LiNi0.5Mn1.5O4材料做正极薄膜，通过Ru掺杂的方式来提高薄膜的导电性能，从而同时获得高能量密度和高功率密度，满足微系统的能量需求。
新型全固态薄膜锂离子电池的制备及表征：设计全固态薄膜电池的结构，按照集流体\正极薄月\电解质薄膜\负极薄膜集流体的顺序，依次在衬底上沉积多层薄膜，制备伞固态薄膜锂离子电池，系统研究及评价薄膜电池系统的电化学性能，如高温、低温的充放电性能，大倍率放电性能，长时间的循环稳定性能，结合薄膜电池的电化学性能，研究薄膜电池微结构的稳定性能，进一步优化薄膜电池的结构。
4、微能量管理系统
本发明提供的微能量管理系统为管理芯片MAX1586B，用于根据负载和外界环境的变化智能化和最优化管理电能的储存和释放。
综上所述，本发明提供的复合微能源电源模块中，微型太阳能电池模块为作主能量采集装置，位于整个微能源系统的外表面，通过光伏发电为WSN节点供给能量；而微型环境振动能量采集模块作为辅助能量采集模块，位于整个微能源系统的底面。微型太阳能电池模块与微型环境振动能量采集模块相互配合采集能量，并将剩余能量存储在微型薄膜锂离子电池储能系统中，从而保证长期有效为WSN节点供应能量。
本设计中的复合微能源电源模块，晴天平均发电功率可达1224mW，为传感器节点功率消耗的6倍；阴天或室内的MEMS发电功率也可达340mW以上，完全满足传感器节点的能源要求。通过结合高性能和长寿命的储能电池体系，完全可以满足物联网中节点的能耗要求，同时也保证在极端的情况下，例如，连续5天阴雨天气时，节点仍然可以正常工作。
高性能微能源系统和低能耗无线收发模块的研制是本项目的两大核心技术，一方面，通过对环境能源的采集，包括光能、振动能等采集实现每天存储不少于1wh的能量，考虑模块的复用、降低模块本身功耗和减少结点工作频次等设计方法，实现每个传感节点每天的能耗不超过0.2wh，保证能源一次满充可以保证节点工作5个工作日的要求，从而实现自采集微能源对传感器节点源源不断的能量供应。
(二)无线收发模块
如图3所示，为本发明提供的无线收发模块的系统架构图，包括：直接变换的发射机和零中频的接收机。
发射机为一发射机构单元，其具有的主要设备的参数见表1。
表1
接收机为一接收机构单元，其具有的主要设备的参数见表2。
表2
具体的，在发射链路中，数据流先经过二进制位流今符号令码片的映射和扩展，由串并转换模块将信号分为I/Q两路，数据速率变为片码速率的一半，在Q路经过一个码片的延迟后，用半波Sine对二进制码流进行成形，然后在经过DAC(Digital to AnalogConverter，数字/模拟转换器)将数字信号变为模拟信号后，低通滤波器用来滤除有用信号频带以外的噪声，然后通过正交上变频混频器将信号上载到一定的信道上，最后通过发射机发射。
在接收链路中，从天线接收回来的信号先经过低噪声放大器对微弱信号进行低噪声放大，提高整个接收机的信噪比，然后正交下变频至直流附近，交替的低通滤波器和可变增益放大器在进行信道选择的同时，完成接收信号的能量检测，直流消除，提供接收机的动态范围，最后通过ADC(Analog to Digital Converter，模拟/数字转换器)将信号变为数字信号进行解扩和解码。
前已述及，WSN节点主要包括：电源及电源管理模块、传感器模块、微处理器模块和无线收发模块，如图4所示，为现有技术中WSN节点各模块的功耗对比图，从图6可以看出，传感器模块、微处理器模块和电源及电源管理模块的功耗相对很小，而无线收发模块(包括进行数字信号处理的基带部分和进行数据发送与接收的射频前端)的功耗较高，通常占整个节点功耗的60％～80％，而其中90％以上的功耗又是由其射频通道产生。本发明提供的无线收发模块的架构简单，因为没有中频，所以本振在发送和接收模式之间切换时，无需在两个频率点差一个中频之间进行频繁的跳动；无需镜像抑制的混频器或高Q值的滤波器；无需高采样频率的ADC；上述技术方案的采用均有效的降低了无线收发模块的功耗，达到节能的目的。
(三)传感器模块
本发明提供的传感器模块包括：传感器和模数转换器，其中，传感器用于对被测目标相关信息的采集，根据具体应用环境和参数的不同，对于传感器的选择也有所区别，例如：传感器模块可以为：温度传感器、湿度传感器或压力传感器等。传感器将采集到的相应物理量发送给模数转换器，模数转换器将该物理量转换为相应的电信号后发送给微处理器模块。
(四)微处理器模块
本发明提供的微处理器模块可以对海量数据信息进行智能处理，具体为：对接收到的来自所述传感器模块采集的数据依次进行数据级处理、特征级处理、融合级处理。语义级数据主要在云端完成。并且，数据加密过程置于融合级，特征级与融合级共同完成短期决策，语义级主要针对长期决策以及趋势分析。以下对上述各数据处理过程进行介绍：
1、数据级处理
数据级处理主要功能为数据存储和数据备份等。如图5所示，为微处理器模块对传感器上传的数据进行数据级处理的流程图。具体的，微处理器模块对所采集到的原始数据进行数据预处理后，选择性的进行分布式存储或集总式存储，并根据可用的资源状况，有针对性的进行数据备份。这一级别的处理对运算能力需求相对较低，处理过程在采集端进行。
2、特征级处理
特征级处理由微处理器模块中安装的基于DSP(Digital Signal Processing，数字信号处理)的嵌入式系统执行。
如图6所示，为本发明提供的特征级处理过程流程示意图。
所述特征级处理包括以下步骤：(1)经数据级处理的数据，根据提供数据的传感节点类型对数据进行特征提取；(2)然后，采用属于filter类型的特征选择算法对步骤(1)得到的数据进行特征分析与选择；(3)然后，按数据需求、数据属性、数据内容规则对步骤(2)得到的数据进行数据分类，得到不同类别的数据；(4)然后，对步骤(3)得到的不同类别的数据首先对类别进行数据传输的优先级排序，然后再对属于同一类别内的数据间进行传输的优先级排序，按优先级顺序进行所述融合级处理。
具体的，驱动方式：采用数据驱动方式，当采集到的数据达到预设规模时产生中断启动DSP。
特征提取：根据提供数据的传感节点类型(电、水、煤、气、油)对数据进行特征提取。
特征分析与选择：为在降低DSP运行时间以节省能耗与信息处理性能之间获得综合优化结果，特征分析与选择采用属于filter类型的特征选择算法进行，如基于ReliefF算法的组合式特征选择算法，其中，ReliefF算法是目前效果较好的filter式特征评估方法，是Kononenko于1994年对Relief进行扩展后提出的算法，可以解决多类别数据、噪声数据和不完整数据的特征选择算法。
数据分类：将数据按不同需求整理分类，按数据属性、数据内容等多种规则进行分类与多层次筛选；
优先级分类方法：本项目在特征级处理中对数据进行优先级分类，采用KNN方法与聚类方法相结合的无监督学习算法，对所采集数据作出优先级划分，舍弃冗余数据，并决定所保留数据在后级处理时的优先级，以最大限度的以最小的计算负担和存储负担进行海量信息处理。
3、融合级处理：本级处理主要在采集端或云端执行。
如图7所示，为融合级处理过程流程示意图。
融合级处理：主要功能为数据融合，包括数据加密、数据关联分析、数据合并。根据特征级处理所获得的数据，首先需要对分类为敏感数据的部分进行加密。关联分析即为挖掘数据中的隐藏信息，以综合方式表示物体特性，同时根据某些关联规则对相关数据进行合并。这一级别的处理主要利用智能加密技术以及人工智能中的数据挖掘、数据融合等技术，处理过程需要根据数据情况、运算资源状况等在采集端和云端进行动态分配。
其中，敏感性分析与智能分级动态加密：为避免传统网络传输中出现的各种安全问题，物联网智能信息处理部分由采集端在数据进入传输网络之前进行智能分级动态加密。本级首先对从特征级接收到的经过优先级分类的数据进行敏感性分析，对于不同优先级、不同敏感性级别的进行分级加密。加密过程主要采用无密钥加密模式，减小泄漏密钥的风险，同时节省密钥管理与传送的成本。
关联分析与数据融合：本级处理包含两级数据管理分析与融合，其中第一级关联分析与融合针对来自于不同传感节点的同一类型数据，而第二级关联分析与融合针对不同能源类型的数据进行综合分析。数据融合主要采用基于Dempster-Shafer证据理论的融合算法，两级融合中均对相似数据进行合并压缩，第二级融合结果可直接作为能效管理的短期决策来源。需要说明的是，本段提出的Dempster-Shafer证据理论是Shafer在Dempster提出的概率区间度量理论的基础上进一步发展的不确定性推理理论。
数据反馈：两级数据融合过程中进行的数据合并与压缩信息反馈给数据级，定期以合并、压缩后的数据替代部分原始数据备份。
本级处理算法所需的平均计算能力，对应于每次数据采集小于2×107运算周期，对应于TI TMS320C5505以46mW功耗低速运行，例如：功率为60MHz时的运行时间小于400ms。特征级、融合级对应于每次数据采集综合需要的TI TMS320C5505低功耗处理总时间小于500ms。
4、语义级处理：本级处理主要目标为对数据信息的深层次分析，在云端执行。
如图8所示，为语义级处理过程流程示意图。
语义级处理，主要功能为语义分析和信息压缩，包括数据重构、信息的语义表示、信息压缩编码等。根据应用需求，对数据信息进行深层次分析至语义表达的级别，用于为数据融合的决策阶段提供依据。同时，按照特定的编码规则进行信息压缩，便于作为长期备份，提供长期综合数据分析的资源。这一级别的处理主要利用模糊识别、语义分析等现代人工智能技术。
具体的，包括：
数据重构：本级首先根据融合级处理的输出结果、预定的标准语义库以及在执行过程中不断更新的参考语义库进行数据重构，从面对原始数据的分析转向面对接近于自然语言的语义表述的数据结构。
模糊分类与语义分析：经过重构的数据在语义分析前先进行进化式核聚类模糊分类；模糊分类的结论用于语义级分析，分析目标为对数据的语义级表达。语义级表达为接近于自然语言的表达方式，可用于能效管理系统的直观输出。同时，由于参考语义库根据语义分析结果不断更新，因此语义级分析对采集数据的长期决策和未来趋势分析具有重要意义。
语义级压缩：语义级压缩存储数据经语义分析后的结果而非原始数据信息，压缩后的数据量极小，可作为月级/年级的长期备份数据。
这种新型数据处理系统除了存储密度高，设备体积、重量小，以及读写、传输速度快之外，相对于传统磁盘存储设备还具有极低功耗的优势，采用自采集微能源系统即可满足对其的能源供应。
如图9所示，为本发明提供的数据处理整体结构示意图。
综上所述，本发明提供的物联网微能源自采集MEMS传感预储存系统具有以下优点：(1)本发明提供的复合微能源电源模块中，微型太阳能电池模块与微型环境振动能量采集模块相互配合采集能量，并将剩余能量存储在微型薄膜锂离子电池储能系统中，从而保证长期有效为WSN节点供应能量；(2)本发明提供的无线收发模块为低功耗的无线收发模块，从而有效降低了WSN节点的功耗，达到节能目的；(3)本发明提供的微处理器模块中，对传感器采集到的信息依次进行数据级处理、特征级处理、融合级处理，云端对接收到的数据进行语义级处理，通过对海量数据信息进行上述各种处理，即能保证数据传输的安全性，同时又能减轻微处理器模块和云端的计算负担和存储负担，从而降低微处理器模块和云端的功耗，达到节能目的。总之，通过本发明提供的物联网微能源自采集MEMS传感预储存系统，对多个主要模块进行优化，即多个角度降低整个系统的功耗，同时又提供了一种能有效为整个系统供电的复合微能源电源模块，从而保证了WSN节点电源的长期使用，提高了WSN节点的工作性能和稳定性。
以上公开的仅为本发明的几个具体实施场景，但是，本发明并非局限于此，任何本领域的技术人员能思之的变化都应落入本发明的保护范围。
Claims (1)
1.一种物联网微能源自采集MEMS传感预储存系统，其特征在于，包括：复合微能源电源模块、传感器模块、微处理器模块和无线收发模块；其中，所述复合微能源电源模块用于向所述传感器模块、所述微处理器模块和所述无线收发模块供电；所述传感器模块用于采集被测目标的相关信息，并将该信息发送给所述微处理器模块；所述微处理器模块用于协调WSN节点的工作，处理所述传感器模块发送的数据并控制所述无线收发模块的工作；所述无线收发模块用于所述WSN节点与其他WSN节点、所述WSN节点与网关以及所述WSN节点与云端间的数据通信；
其中，所述微处理器模块还用于：对接收到的来自所述传感器模块的数据依次进行数据级处理、特征级处理、融合级处理，并将融合级处理后的数据发送给云端；所述云端对接收到的所述融合级处理后的数据进行语义级处理；
其中，所述数据级处理具体为：所述微处理器模块对所采集到的原始数据进行数据预处理后，选择性的进行分布式存储或集总式存储，并根据可用的资源状况，有针对性的进行数据备份，然后进行所述特征级处理；
所述特征级处理为对接收到的数据依次进行特征提取、特征分析与选择、数据分类和优先级分类；特征级处理包括以下步骤：(1)经数据级处理的数据，根据提供数据的传感节点类型对数据进行特征提取；(2)然后，采用属于filter类型的特征选择算法对步骤(1)得到的数据进行特征分析与选择；(3)然后，按数据需求、数据属性、数据内容规则对步骤(2)得到的数据进行数据分类，得到不同类别的数据；(4)然后，对步骤(3)得到的不同类别的数据首先对类别进行数据传输的优先级排序，然后再对属于同一类别内的数据间进行传输的优先级排序，按优先级顺序进行所述融合级处理；
所述融合级处理为对接收到的特征级处理后的数据依次进行敏感性分析、智能分级动态加密、以及关联分析与数据融合；融合级处理具体为：根据特征 级处理所获得的数据，首先需要对分类为敏感数据的部分进行加密，关联分析即为挖掘数据中的隐藏信息，以综合方式表示物体特性，同时根据某些关联规则对相关数据进行合并，这一级别的处理主要利用智能加密技术以及人工智能中的数据挖掘、数据融合技术，处理过程需要根据数据情况、运算资源状况在采集端和云端进行动态分配；
其中，本级首先对从特征级接收到的经过优先级分类的数据进行敏感性分析，对于不同优先级、不同敏感性级别的进行分级加密，加密过程采用无密钥加密模式，减小泄漏密钥的风险，同时节省密钥管理与传送的成本；
关联分析与数据融合：本级处理包含两级数据管理分析与融合，其中第一级关联分析与融合针对来自于不同传感节点的同一类型数据，而第二级关联分析与融合针对不同能源类型的数据进行综合分析；数据融合采用基于Dempster-Shafer证据理论的融合算法，两级融合中均对相似数据进行合并压缩，第二级融合结果可直接作为能效管理的短期决策来源；
数据反馈：两级数据融合过程中进行的数据合并与压缩信息反馈给数据级，定期以合并、压缩后的数据替代部分原始数据备份；
所述语义级处理具体为：云端对接收到的经过融合级处理后的数据依次进行数据重构、模糊分类与语义分析，并对语义分析后的数据进行语义级压缩；
语义级处理，主要功能为语义分析和信息压缩，包括数据重构、信息的语义表示、信息压缩编码；根据应用需求，对数据信息进行深层次分析至语义表达的级别，用于为数据融合的决策阶段提供依据，同时，按照特定的编码规则进行信息压缩，便于作为长期备份，提供长期综合数据分析的资源；
这一级别的处理主要利用模糊识别、语义分析现代人工智能技术；
具体的，包括：
数据重构：本级首先根据融合级处理的输出结果、预定的标准语义库以及在执行过程中不断更新的参考语义库进行数据重构，从面对原始数据的分析转向面对接近于自然语言的语义表述的数据结构；
模糊分类与语义分析：经过重构的数据在语义分析前先进行进化式核聚类模糊分类；模糊分类的结论用于语义级分析，分析目标为对数据的语义级表达；语义级表达为接近于自然语言的表达方式，可用于能效管理系统的直观输出，同时，由于参考语义库根据语义分析结果不断更新，因此语义级分析对采集数据的长期决策和未来趋势分析具有重要意义；
语义级压缩：语义级压缩存储数据经语义分析后的结果而非原始数据信息，压缩后的数据量极小，可作为月级/年级的长期备份数据；
其中，所述复合微能源电源模块包括：微型太阳能电池模块、微型环境振动能量采集模块、微型薄膜锂离子电池储能系统和微能量管理系统，其中，所述微能量管理系统用于根据负载和外界环境的变化智能化和最优化管理电能的储存和释放；
其中，所述微型太阳能电池模块、所述微型环境振动能量采集模块、所述微型薄膜锂离子电池储能系统和所述微能量管理系统集成到所述复合微能源电源模块中，并且具有统一标准能量输出端口；
其中，所述微型太阳能电池模块为硅光伏电池微能源系统；
其中，所述微型环境振动能量采集模块包括压电能量转换模块和可变电容；
其中，所述微型薄膜锂离子电池储能系统采用全固态薄膜锂离子电池；
其中，所述微能量管理系统所使用的管理芯片为MAX1586B；
其中，所述无线收发模块包括：发射机和接收机，其中，所述发射机包括：依次相连的数模转换器、重构滤波器和功率放大器；所述接收机包括依次相连 的模数转换器、低噪声放大器、混频器和抗混叠滤波器。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201110341279.6A CN103096437B (zh) | 2011-11-02 | 2011-11-02 | 物联网微能源自采集mems传感预储存系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201110341279.6A CN103096437B (zh) | 2011-11-02 | 2011-11-02 | 物联网微能源自采集mems传感预储存系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103096437A CN103096437A (zh) | 2013-05-08 |
| CN103096437B true CN103096437B (zh) | 2017-03-22 |
Family
ID=48208417
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201110341279.6A Active CN103096437B (zh) | 2011-11-02 | 2011-11-02 | 物联网微能源自采集mems传感预储存系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103096437B (zh) |
Families Citing this family (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104952227A (zh) * | 2014-03-31 | 2015-09-30 | 鸿富锦精密工业（深圳）有限公司 | 数据的传输装置及方法 |
| CN104219224B (zh) * | 2014-07-30 | 2017-08-25 | 南京邮电大学 | 基于优先级的ipv6异构传感网数据安全通信方法 |
| CN104219682B (zh) * | 2014-08-20 | 2017-10-31 | 北京农业信息技术研究中心 | 农田混合供电无线传感器网络的网络层次构建方法及系统 |
| CN104377380B (zh) * | 2014-09-18 | 2017-07-04 | 深圳鸿源博得新能源技术发展有限公司 | 板块式集成动力电池模组的制作方法 |
| CN107223299A (zh) * | 2017-03-23 | 2017-09-29 | 深圳市浩博高科技有限公司 | 基于微能量采集的混合供电方法、装置及微能量供电器 |
| JP7052218B2 (ja) * | 2017-05-19 | 2022-04-12 | コニカミノルタ株式会社 | エッジコンピューティングシステム、通信制御方法及び通信制御プログラム |
| CN107086657B (zh) * | 2017-06-21 | 2019-05-31 | 温州大学 | 可携式物联网多重充电机制充电桩 |
| CN107483358A (zh) * | 2017-08-24 | 2017-12-15 | 深圳市盛路物联通讯技术有限公司 | 一种基于物联网的数据传输方法及装置 |
| CN108964603A (zh) * | 2018-07-06 | 2018-12-07 | 常书豪 | 一种人工智能控制室内环境无线光伏自供能传感器系统 |
| CN109005188A (zh) * | 2018-08-23 | 2018-12-14 | 郑州云海信息技术有限公司 | 一种数据传输装置及方法、系统、设备、计算机存储介质 |
| CN109613843B (zh) * | 2019-01-14 | 2020-08-14 | 清华大学 | 复合微能源系统的仿真优化平台 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW200923401A (en) * | 2007-11-16 | 2009-06-01 | Higher Way Electronic Co Ltd | Using solar energy and wireless sensor network on the establishment of real-time monitoring system and method |
| CN101718818A (zh) * | 2009-12-08 | 2010-06-02 | 苏州比锝电子技术有限公司 | 一种用于无线传感器网络的电导率传感器节点 |
| CN102074981A (zh) * | 2010-11-30 | 2011-05-25 | 武汉理工大学 | 基于光伏-振动能的无线传感器网络节点电源系统 |
-
2011
- 2011-11-02 CN CN201110341279.6A patent/CN103096437B/zh active Active
Non-Patent Citations (3)
| Title |
|---|
| 煤矿监测监控系统信息融合结构的研究;张晓强;《工矿自动化》;20070831;全文 * |
| 物联网技术在智能电网的应用;吴睿;《智能电网技术专题》;20100930;全文 * |
| 面向智能电网的物联网信息聚合技术;李娜;《信息通信技术》;20100415;21-28页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103096437A (zh) | 2013-05-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103096437B (zh) | 物联网微能源自采集mems传感预储存系统 | |
| Akinyele et al. | Battery storage technologies for electrical applications: Impact in stand-alone photovoltaic systems | |
| Peng et al. | Optimization of a hybrid system for solar-wind-based water desalination by reverse osmosis: Comparison of approaches | |
| Calautit et al. | Low power energy harvesting systems: State of the art and future challenges | |
| Rekioua | Energy storage systems for photovoltaic and wind systems: A review | |
| Ram et al. | Energy perspectives in IoT driven smart villages and smart cities | |
| CN103390116B (zh) | 采用分步方式的光伏电站发电功率预测方法 | |
| CN103762616B (zh) | 一种基于功率预测方法的混合储能光伏发电系统 | |
| Bai et al. | Hybrid, multi-source, and integrated energy harvesters | |
| CN108288855A (zh) | 一种基于微电网的动态策略仿真与优化方法 | |
| Kolhe et al. | Techno-economic optimum sizing of hybrid renewable energy system | |
| CN117175694B (zh) | 一种基于新能源消纳的微电网优化调度方法及系统 | |
| CN107273968A (zh) | 一种基于动态模糊混沌粒子群的多目标调度方法及装置 | |
| CN106684913A (zh) | 一种基于多代理的储能电站跟踪发电计划控制系统和方法 | |
| Dhillon et al. | A review on precision agriculture using wireless sensor networks incorporating energy forecast techniques | |
| Ananda-Rao et al. | Battery energy storage system assessment in a designed battery controller for load leveling and peak shaving applications | |
| Sarjana et al. | Hybrid energy to drive renewable energy diversity in bibliometric analysis | |
| Elabbassi et al. | Evaluating and comparing machine learning approaches for effective decision making in renewable microgrid systems | |
| CN113488990B (zh) | 基于改进的蝙蝠算法的微电网优化调度方法 | |
| Ehlali et al. | Towards improved lifespan for wireless sensor networks: a review of energy harvesting technologies and strategies | |
| Hussain et al. | A Comprehensive Review on Techniques and Challenges of Energy Harvesting from Distributed Renewable Energy Sources for Wireless Sensor Networks | |
| CN104598687B (zh) | 水质监测用小型浮标动力源之光伏蓄电池供电系统的优化构建方法 | |
| CN117236638B (zh) | 基于多模态网络的运河微电网分布式能量管理系统 | |
| CN117332918A (zh) | 一种基于改进粒子群算法的公路光伏声屏障储充系统优化配置方法 | |
| Khan | Innovations in Battery Technology: Enabling the Revolution in Electric Vehicles and Energy Storage |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C53 | Correction of patent for invention or patent application | ||
| CB02 | Change of applicant information |
Address after: 310 building -18, No. 8, West Lake Road, Wujin hi tech Industrial Development Zone, Jiangsu, Changzhou 213164, China Applicant after: CHANGZHOU JIEANDE ENERGY TECHNOLOGY CO., LTD. Address before: 8 building 18, No. 310, West Lake Road, Wujin hi tech Industrial Development Zone, Jiangsu, Changzhou 213164, China Applicant before: Changzhou Jieande Energy Technology Co., Ltd. |
|
| COR | Change of bibliographic data |
Free format text: CORRECT: APPLICANT; FROM: CHANGZHOU JIEANDE ENERGY TECHNOLOGY CO., LTD. TO: JIANGSU JIEANDE ENERGY TECHNOLOGY CO., LTD. |
|
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20170515 Address after: 213003 67 electromechanical tower, Tianning Road, Tianning District, Jiangsu, Changzhou, 4021 Patentee after: Jiangsu Electric Power Technology Service Co., Ltd. Address before: 310 building -18, No. 8, West Lake Road, Wujin hi tech Industrial Development Zone, Jiangsu, Changzhou 213164, China Patentee before: CHANGZHOU JIEANDE ENERGY TECHNOLOGY CO., LTD. |
|
| TR01 | Transfer of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Micro energy self acquisition MEMS sensor pre storage system for Internet of things Effective date of registration: 20200730 Granted publication date: 20170322 Pledgee: Bank of China Limited by Share Ltd. Nanjing City South Branch Pledgor: JIANGSU DIANWUYOU ELECTRIC TECHNOLOGY SERVICE Co.,Ltd. Registration number: Y2020980004559 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PC01 | Cancellation of the registration of the contract for pledge of patent right |
Date of cancellation: 20210914 Granted publication date: 20170322 Pledgee: Bank of China Limited by Share Ltd. Nanjing City South Branch Pledgor: JIANGSU DIANWUYOU ELECTRIC TECHNOLOGY SERVICE Co.,Ltd. Registration number: Y2020980004559 |
|
| PC01 | Cancellation of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Micro energy self acquisition MEMS sensing pre storage system of Internet of things Effective date of registration: 20210930 Granted publication date: 20170322 Pledgee: Bank of China Limited by Share Ltd. Nanjing City South Branch Pledgor: JIANGSU DIANWUYOU ELECTRIC TECHNOLOGY SERVICE Co.,Ltd. Registration number: Y2021980010263 |