Realizzazione di una rete LoRaWAN per il monitoraggio infrastrutturale mediante nodi IoT a basso costo

Abstract

La tesi illustra la progettazione e l'implementazione sperimentale di un sistema IoT end-to-end a basso costo per il monitoraggio delle infrastrutture (Structural Health Monitoring - SHM). L'obiettivo principale è superare i limiti dei tradizionali sistemi cablati, sfruttando la tecnologia wireless a lungo raggio e basso consumo LoRaWAN per operare in ambienti remoti assicurando affidabilità e continuità di servizio. A livello hardware, è stato sviluppato un nodo sensore edge autonomo basato su modulo Heltec ESP32 e accelerometro MEMS, implementando logiche software avanzate per campionamento e filtraggio. I dati acquisiti vengono elaborati massimizzando il payload radio e trasmessi ottimizzando l'efficienza al livello MAC tramite l'uso opportuno dello Spreading Factor, operando nel pieno rispetto dei vincoli normativi di Duty Cycle. Lato server, il flusso dati, instradato tramite il protocollo MQTT, confluisce in un database time-series integrato con un'architettura di elaborazione in Python che, tramite tecniche di Digital Signal Processing, quali il metodo di Welch, lo zero-padding e la FFT, consente l'estrazione precisa delle frequenze di risonanza strutturale. Il sistema è stato validato con successo monitorando la cinematica di un modello di pendolo semplice. Le metriche e i risultati, esposti in tempo reale su una dashboard Grafana interattiva, dimostrano l'affidabilità e l'alta fedeltà del sistema, confermando inoltre la scalabilità delle reti LPWAN per la diagnostica e il rilevamento remoto di anomalie infrastrutturali.

This thesis presents the design and experimental implementation of a low-cost, end-to-end IoT system for infrastructure monitoring within the framework of Structural Health Monitoring (SHM). The main objective is to overcome the limitations of traditional wired systems by leveraging LoRaWAN, a long-range, low-power wireless communication technology, in order to enable operation in remote environments while ensuring reliability and continuity of service.

At the hardware level, an autonomous edge sensor node was developed based on a Heltec ESP32 module and a MEMS accelerometer, incorporating advanced software routines for data sampling and filtering. The acquired data are processed to maximize radio payload utilization and transmitted by optimizing MAC-layer efficiency through the appropriate selection of the Spreading Factor, while fully complying with regulatory Duty Cycle constraints.

On the server side, the data stream, routed through the MQTT protocol, is stored in a time-series database and integrated with a Python-based processing architecture. Through Digital Signal Processing (DSP) techniques, including Welch's method, zero-padding, and the Fast Fourier Transform (FFT), the system enables accurate extraction of structural resonance frequencies.

The system was successfully validated by monitoring the kinematic behavior of a simple pendulum model. The resulting metrics and measurements, displayed in real time through an interactive Grafana dashboard, demonstrate the reliability and high fidelity of the proposed system. The results also confirm the scalability of LPWAN networks for infrastructure diagnostics and remote anomaly detection.