Hệ thống giám sát chất lượng không khí trong khu công nghiệp sử dụng công nghệ LoRaMesh

Đồ án hệ thống giám sát chất lượng không khí khu công nghiệp bằng LoRa Mesh - ĐH SPKT TP.HCM

• Tác giả: Bùi Thị Yến
• Người hướng dẫn: TS. Phạm Văn Khoa
• Trường học: Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh
• Chuyên ngành: Công nghệ Kỹ thuật Điện tử - Viễn thông
• Đề tài: Hệ thống giám sát chất lượng không khí trong khu công nghiệp sử dụng công nghệ LoRaMesh
• Loại tài liệu: Đồ án tốt nghiệp
• Năm xuất bản: 2024
• Địa điểm: Hồ Chí Minh

Tóm tắt

I. Tổng quan về giám sát chất lượng không khí bằng LoRa Mesh

Đề tài nghiên cứu tại ĐH Sư phạm Kỹ thuật TP.HCM xây dựng mô hình giám sát môi trường tiên tiến cho các khu công nghiệp. Quá trình công nghiệp hóa nhanh chóng dẫn đến nguy cơ ô nhiễm bầu khí quyển nghiêm trọng. Phương pháp quan trắc truyền thống thường đòi hỏi kinh phí lớn và nhân lực vận hành phức tạp. Việc lắp đặt dây dẫn tín hiệu trong nhà máy thường xuyên gặp rào cản vật lý và can nhiễu điện từ. Công nghệ LoRa Mesh xuất hiện như một phương án thay thế tối ưu và linh hoạt. Mô hình kết hợp khả năng phát sóng xa của chuẩn vô tuyến LoRa và tính linh động của cấu trúc mạng lưới Mesh. Các nút cảm biến đóng vai trò mắt xích truyền nhận dữ liệu thông minh. Hệ thống thiết lập liên kết tự động giữa thiết bị Master điều phối và các thiết bị Slave đo lường. Thông số chất lượng không khí được cập nhật đa điểm liên tục về cơ sở dữ liệu. Nghiên cứu tập trung giải quyết bài toán đo đạc bụi mịn, khí độc hại và các yếu tố vi khí hậu. Cấu trúc mạng này giúp giảm thiểu chi phí đầu tư ban đầu, đồng thời duy trì độ ổn định liên tục trong môi trường nhà xưởng khắc nghiệt.

1.1. Bối cảnh nghiên cứu đề tài tại ĐH Sư phạm Kỹ thuật TP.HCM

Đề tài tốt nghiệp ngành Công nghệ Kỹ thuật Điện tử - Viễn thông tại ĐH Sư phạm Kỹ thuật TP.HCM xuất phát từ đòi hỏi thực tế. Các cụm công nghiệp phát thải lượng lớn khói bụi và khí độc mỗi ngày. Việc kiểm soát nồng độ ô nhiễm bảo vệ sức khỏe người lao động là ưu tiên hàng đầu. Sinh viên thực hiện đề tài dưới sự hướng dẫn chuyên môn của TS. Phạm Văn Khoa. Mục tiêu nghiên cứu hướng đến chế tạo một thiết bị quan trắc nội địa có chi phí hợp lý. Thiết bị sử dụng linh kiện phổ biến nhưng đạt độ chính xác cao. Hệ thống đáp ứng nhu cầu giám sát môi trường tự động, liên tục và không phụ thuộc vào hạ tầng mạng Internet dây cáp phức tạp.

1.2. Khái niệm và nguyên lý hoạt động của cấu trúc LoRa Mesh

LoRa Mesh là sự kết hợp giữa kỹ thuật điều chế vô tuyến LoRa và kiến trúc mạng Mesh. LoRa hoạt động ở dải tần số dưới 1GHz, cho phép tín hiệu truyền xa hàng kilomet với công suất cực thấp. Cấu trúc liên kết Mesh cho phép các nút mạng đóng vai trò trạm chuyển tiếp trung gian. Khi một nút đo không thể gửi tin trực tiếp đến máy chủ trung tâm, gói dữ liệu sẽ nhảy qua các nút lân cận. Cơ chế định tuyến này loại bỏ hiện tượng nghẽn mạng và khắc phục góc khuất địa hình. Nhờ vậy, mạng truyền thông luôn duy trì tính liên tục và độ tin cậy vượt trội. Toàn bộ thông tin môi trường luôn tìm được đường truyền tối ưu về trạm thu.

II. Thách thức trong giám sát chất lượng không khí bằng LoRa Mesh

Môi trường khu công nghiệp đặt ra nhiều thách thức nghiêm trọng đối với việc quan trắc không khí. Các nhà xưởng kim loại và cấu trúc bê tông dày đặc tạo ra rào cản phản xạ sóng vô tuyến mạnh. Sóng Wi-Fi tiêu chuẩn hoặc sóng di động thường xuyên đối mặt với hiện tượng suy hao và mất gói tin. Bên cạnh đó, bụi bẩn, nhiệt độ cao và độ ẩm lớn dễ làm sai lệch kết quả cảm biến. Việc cung cấp nguồn điện lưới liên tục cho từng cảm biến ngoài trời rất tốn kém và bất tiện. Hệ thống quan trắc truyền thống bằng phương pháp lấy mẫu thủ công tốn thời gian và không cung cấp dữ liệu tức thời. Khi xảy ra sự cố rò rỉ khí gas hoặc hỏa hoạn, thời gian phát hiện trễ có thể gây ra thiệt hại nghiêm trọng. Do đó, hệ thống đo lường không khí cần duy trì khả năng hoạt động độc lập và chịu đựng môi trường khắc nghiệt. Sự biến thiên liên tục của các chất khí đòi hỏi chu kỳ đo đạc phải diễn ra liên tục. Các nút cảm biến phải tối ưu hóa năng lượng để vận hành bền bỉ bằng pin dự phòng. Đây chính là những vấn đề kỹ thuật trọng tâm cần phân tích và giải quyết triệt để.

2.1. Hạn chế của hạ tầng viễn thông và truyền dữ liệu thông thường

Các chuẩn truyền thông không dây phổ thông như Wi-Fi, Bluetooth hay ZigBee có tầm phủ sóng rất ngắn. Sóng vô tuyến ở tần số cao 2.4GHz dễ bị suy giảm nghiêm trọng khi gặp tường bê tông và khung thép. Trong khi đó, việc sử dụng mạng di động 4G hoặc 5G đòi hỏi đăng ký SIM và phát sinh cước phí duy trì hàng tháng cho từng thiết bị. Nếu triển khai hàng chục nút cảm biến trên diện rộng, chi phí vận hành sẽ tăng cao. Ngoài ra, việc kéo dây mạng cáp quang đến các khu vực nguy hiểm, góc xa của nhà máy tiềm ẩn nguy cơ chập cháy và đứt gãy. Khi xuất hiện sự cố mất điện lưới, toàn bộ hệ thống quan trắc truyền thống có thể ngừng hoạt động ngay lập tức.

2.2. Vấn đề trôi dạt cảm biến và yêu cầu tiêu thụ năng lượng

Cảm biến môi trường làm việc trong điều kiện công nghiệp thường chịu ảnh hưởng bởi bụi bẩn, hơi ẩm và nhiệt độ thất thường. Tình trạng trôi dạt cảm biến khiến sai số đo lường gia tăng theo thời gian nếu không có thuật toán hiệu chuẩn phù hợp. Đồng thời, các vi điều khiển và module truyền sóng tiêu thụ lượng điện đáng kể nếu duy trì phát sóng liên tục. Vấn đề năng lượng trở thành rào cản lớn đối với các trạm đo sử dụng pin độc lập. Nếu phải thay pin thường xuyên, chi phí nhân công bảo trì sẽ đội lên cao. Do đó, thiết kế hệ thống đòi hỏi phải tối ưu hóa phần cứng, lựa chọn mức điện áp thích hợp và áp dụng thuật toán ngủ sâu cho thiết bị đo.

III. Giải pháp kỹ thuật giám sát chất lượng không khí bằng LoRa Mesh

Nhóm nghiên cứu tại ĐH Sư phạm Kỹ thuật TP.HCM đề xuất giải pháp kiến trúc phần cứng và phần mềm phân tầng hoàn chỉnh. Hệ thống tổ chức theo mô hình mạng gồm một thiết bị Master đóng vai trò bộ tập trung và hai thiết bị Slave đóng vai trò nút đo quan trắc. Thiết bị Slave sử dụng vi điều khiển Arduino Nano kết nối đa cảm biến: ENS160 đo chất lượng không khí, GP2Y1010AU0F đo bụi mịn PM2.5, MQ-2 phát hiện khí gas, DHT11 đo nhiệt độ độ ẩm và cảm biến lửa. Dữ liệu từ các nút Slave đóng gói và truyền qua sóng vô tuyến bằng module LoRa E32 chuẩn giao tiếp UART. Khi tín hiệu tới khối Master, vi điều khiển ESP8266 tiếp nhận và phân tích thông tin. Khối Master hiển thị số liệu trực tiếp trên màn hình màu LCD TFT, đồng thời đẩy dữ liệu lên cơ sở dữ liệu thời gian thực Firebase qua Wi-Fi. Nguồn nuôi Master sử dụng pin Lithium 18650 3.7V kết hợp mạch tăng áp BOOST 2A để duy trì mức công suất ổn định 1W. Giao diện Web trực quan hỗ trợ người quản lý theo dõi biểu đồ nồng độ khí thải mọi lúc mọi nơi.

3.1. Thiết kế phần cứng khối trạm Master và nút cảm biến Slave

Khối trạm Master giữ vai trò trung tâm điều hành toàn mạng. Bộ vi xử lý ESP8266 tiêu thụ công suất 400mW, màn hình hiển thị LCD TFT tiêu thụ 500mW và module LoRa E32 tiêu thụ 100mW. Tổng công suất tiêu thụ tối đa của trạm Master đạt ngưỡng 1000mW tương đương 1W. Pin Lithium 18650 dung lượng cao kết hợp mạch tăng áp BOOST 2A 5V bảo đảm nguồn cấp năng lượng liên tục. Tại các nút Slave, vi điều khiển Arduino Nano kết nối trực tiếp với module LoRa E32 qua giao thức UART. Các cảm biến ENS160, GP2Y1010AU0F, MQ-2 và DHT11 liên tục thu thập chỉ số môi trường. Bo mạch được thiết kế tối giản, hàn nối cẩn thận và đóng hộp bảo vệ chống bụi ẩm, giúp thiết bị hoạt động ổn định lâu dài trong khu công nghiệp.

3.2. Đồng bộ dữ liệu đám mây Firebase và giao diện giám sát Web

Sau khi nhận bản tin từ các Slave qua LoRa, vi điều khiển ESP8266 tiến hành giải mã và xác thực gói tin. Dữ liệu chuẩn hóa gồm nồng độ PM2.5, mức rò rỉ khí gas, nhiệt độ và độ ẩm không khí. ESP8266 kích hoạt kết nối mạng Wi-Fi và đẩy dữ liệu trực tiếp lên Firebase Realtime Database. Nền tảng đám mây này đảm bảo tốc độ phản hồi nhanh và khả năng lưu trữ nhật ký an toàn. Giao diện Web được xây dựng với phong cách thiết kế hiện đại và thân thiện. Người phụ trách an toàn lao động dễ dàng theo dõi tình trạng môi trường theo thời gian thực. Hệ thống tự động kích hoạt cảnh báo đổi màu trên màn hình khi các chỉ số vượt ngưỡng an toàn quy định.

IV. Ứng dụng thực tế giám sát chất lượng không khí bằng LoRa Mesh

Kết quả kiểm thử mô hình thực tế chứng minh tính khả thi và độ chính xác cao của hệ thống. Dữ liệu từ các nút Slave phân tán truyền về Master đạt độ trễ thấp và tỷ lệ mất gói dưới ngưỡng cho phép. Cấu trúc mạng Mesh tự phục hồi duy trì đường truyền thông suốt ngay cả khi có vật cản xuất hiện. Ứng dụng không chỉ giới hạn trong các phân xưởng sản xuất mà còn mở rộng hiệu quả ra toàn bộ khu công nghiệp. Mô hình đáp ứng tiêu chí chuyển đổi số môi trường theo định hướng thành phố thông minh. Chi phí chế tạo thiết bị nội địa thấp hơn nhiều so với việc nhập khẩu các trạm quan trắc công nghiệp đắt đỏ. Khả năng mở rộng quy mô linh hoạt cho phép bổ sung thêm hàng chục nút cảm biến mà không cần thay đổi hạ tầng cốt lõi. Ban quản lý nhà máy có thể chủ động phòng ngừa rủi ro cháy nổ, bảo vệ sức khỏe công nhân và tuân thủ các quy chuẩn xả thải môi trường quốc gia. Đồ án khẳng định năng lực ứng dụng công nghệ viễn thông hiện đại vào việc giải quyết các thách thức xã hội cấp bách.

4.1. Hiệu quả vận hành tại các khu công nghiệp và đô thị

Việc lắp đặt hệ thống LoRa Mesh mang lại giải pháp toàn diện cho công tác quản trị môi trường. Các nút mạng tự động gửi cảnh báo tức thì khi nồng độ bụi PM2.5 hoặc khí độc vượt ngưỡng. Doanh nghiệp kịp thời đưa ra biện pháp xử lý và kích hoạt hệ thống thông gió công nghiệp. Điều này giúp ngăn chặn triệt để các tai nạn lao động liên quan đến ngạt khí hoặc hỏa hoạn. Trong đô thị thông minh, hệ thống hỗ trợ các cơ quan chức năng theo dõi bản đồ ô nhiễm không khí theo thời gian thực. Nguồn dữ liệu số hóa tin cậy giúp xây dựng chính sách quy hoạch bền vững và nâng cao chất lượng cuộc sống cho cư dân đô thị.

4.2. Hướng phát triển và tích hợp trí tuệ nhân tạo trong tương lai

Đề tài tốt nghiệp tại ĐH Sư phạm Kỹ thuật TP.HCM mở ra nhiều tiềm năng phát triển trong tương lai. Hướng mở rộng tiếp theo bao gồm việc tích hợp pin năng lượng mặt trời cho các nút cảm biến Slave ngoài trời. Giải pháp này giúp các trạm đo tự chủ hoàn toàn về mặt năng lượng. Bên cạnh đó, việc ứng dụng các mô hình học máy (Machine Learning) sẽ hỗ trợ dự báo xu hướng ô nhiễm dựa trên dữ liệu lịch sử và điều kiện thời tiết. Thuật toán thông minh có thể nhận diện sớm nguy cơ phát tán khí độc trước khi xảy ra sự cố nghiêm trọng. Hệ sinh thái này hứa hẹn trở thành nền tảng IoT công nghiệp chuẩn mực cho nhiều lĩnh vực sản xuất.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Trong xu thế phát triển công nghiệp hóa, các thiết bị và hệ thống máy móc vận hành liên tục tại các nhà xưởng, khu chế xuất làm gia tăng nguy cơ rò rỉ khí thải độc hại, phát tán bụi mịn và tiềm ẩn hiểm họa cháy nổ. Việc vận hành không đúng quy trình, thiếu bảo dưỡng thiết bị định kỳ hoặc sơ suất trong quản lý chất thải công nghiệp có thể gây tổn hại nghiêm trọng đến sức khỏe người lao động và suy thoái môi trường sống xung quanh. Để phòng ngừa và xử lý kịp thời các sự cố môi trường, việc thiết lập một hệ thống quan trắc và cảnh báo tự động là yêu cầu cấp thiết.

Trong bối cảnh đó, các giải pháp giám sát ứng dụng Internet vạn vật (IoT) đóng vai trò trung tâm nhờ khả năng thu thập dữ liệu phân tán và xử lý tập trung. Tuy nhiên, các chuẩn truyền thông không dây phổ biến bộc lộ nhiều hạn chế khi áp dụng vào môi trường công nghiệp có không gian rộng lớn và nhiều vật cản:

• Chuẩn Wi-Fi (IEEE 802.11) có băng thông cao nhưng phạm vi phủ sóng hẹp (30–300 m) và tiêu thụ nhiều điện năng, không phù hợp cho các điểm đo ngoài trời không có sẵn nguồn điện lưới.
• Chuẩn Zigbee và Bluetooth chỉ hỗ trợ cự ly ngắn (10–100 m).
• Mạng diện rộng công suất thấp LoRa (Long Range) theo cấu trúc hình sao (Star topology) truyền thống đòi hỏi số lượng cổng thông tin (gateway) lớn để bao phủ toàn bộ các góc khuất hoặc tòa nhà cách biệt, làm gia tăng chi phí phần cứng và công tác bảo trì hạ tầng.

Nhằm giải quyết bài toán trên, đồ án tốt nghiệp ngành Công nghệ Kỹ thuật Điện tử, Viễn thông tại Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh (thực hiện từ ngày 28/02/2024 đến ngày 21/06/2024) thực hiện đề tài: "Hệ thống giám sát chất lượng không khí trong khu công nghiệp sử dụng công nghệ LoRaMesh".

Mục tiêu và nhiệm vụ nghiên cứu cụ thể của đề tài bao gồm:

1. Nghiên cứu nguyên lý truyền thông LoRa và cấu trúc liên kết mạng lưới (Mesh topology) để mở rộng cự ly truyền nhận mà không cần bổ sung gateway.
2. Thiết kế và chế tạo các trạm đo đạc ngoại vi (nút Slave) tích hợp đa cảm biến nhằm đo nhiệt độ, độ ẩm, nồng độ khí gas rò rỉ, tia lửa và các chỉ số chất lượng không khí (bụi mịn, TVOC, eCO2).
3. Thiết kế trạm điều khiển trung tâm (nút Master) có nhiệm vụ thu thập gói tin từ các nút Slave thông qua mạng LoRa Mesh, điều phối dữ liệu và hiển thị trực quan tại chỗ.
4. Xây dựng kênh đồng bộ dữ liệu thời gian thực lên hệ thống cơ sở dữ liệu đám mây (Firebase Realtime Database) và thiết kế giao diện web giám sát từ xa cho người quản trị.
5. Kiểm thử mô hình thực tế, đánh giá độ ổn định của liên kết vô tuyến và thời gian phản hồi của mạng.

• Đối tượng nghiên cứu: Hệ thống mạng cảm biến không dây giám sát môi trường không khí sử dụng kỹ thuật truyền thông LoRa Mesh và nền tảng điện toán đám mây.
• Phạm vi nghiên cứu: Giới hạn thực nghiệm mô hình phần cứng bao gồm 1 trạm trung tâm Master và 2 trạm đo Slave; kiểm thử hoạt động đo lường và chuyển tiếp gói tin tại khuôn viên thực tế.

Cơ sở lý thuyết và phương pháp

Khung lý thuyết và mô hình kỹ thuật

Nghiên cứu dựa trên các nền tảng kỹ thuật và công nghệ truyền thông cốt lõi:

• Công nghệ LoRa (Long Range Radio): Hoạt động ở tầng vật lý, sử dụng kỹ thuật điều chế trải phổ Chirp (Chirp Spread Spectrum - CSS). Kỹ thuật này biểu diễn dữ liệu bằng các tín hiệu chirp có tần số biến thiên liên tục theo thời gian, đem lại khả năng chống nhiễu cao, độ nhạy thu đạt đến -130 dBm và cự ly truyền xa (từ 1 km đến 10 km tùy thuộc địa hình) với mức tiêu hao năng lượng thấp. Các thông số điều chế cơ bản gồm:
  • Hệ số trải phổ (Spreading Factor - SF): Từ SF6 đến SF12.
  • Băng thông (Bandwidth - BW): Biên độ biến thiên tần số của tín hiệu chirp.
  • Tỷ lệ mã hóa (Coding Rate - CR): Bổ sung các bit kiểm tra lỗi (CR 4/5 đến 4/8) nhằm khôi phục gói tin bị suy hao.
  • Cấu trúc khung gói tin LoRa: Preamble (chuỗi đồng bộ phát hiện tín hiệu), Header (tùy chọn, chứa kích thước và mã phát hiện lỗi), Payload (dữ liệu từ tầng MAC), và PayloadCRC (mã kiểm tra vòng để sửa lỗi).
• Mô hình mạng LoRa Mesh: Khác với kiến trúc mạng sao điểm - đa điểm của LoRaWAN, mạng Mesh cho phép các nút cảm biến đóng vai trò chuyển tiếp (router/relay), truyền gói tin qua nhiều bước nhảy (multi-hop) về nút gốc. Đề tài kế thừa phát hiện từ các công trình nghiên cứu đi trước:
  • Lee, Ke và cộng sự: Triển khai mạng LoRa Mesh dạng cây (tree-based) trên khuôn viên (800 × 600) m² gồm 19 nút, sử dụng cơ chế polling và lựa chọn nút cha dựa trên chỉ số cường độ tín hiệu nhận được (RSSI) và số bước nhảy để cải thiện tỷ lệ phân phối gói tin (PDR).
  • Nunez Ochoa và cộng sự: Phân tích mức tiêu thụ năng lượng giữa mạng hình sao và mạng Mesh dưới các tham số vô tuyến khác nhau, chứng minh việc tối ưu công suất phát trước khi tăng SF giúp tiết kiệm pin hiệu quả.
  • Dinh Loc Mai và Myung Kyun Kim: Đề xuất giao thức mạng Multi-hop LoRa tối thiểu hóa độ trễ, lập lịch truyền song song không gây xung đột dựa trên thông tin nút lân cận.
• Các chuẩn giao tiếp nội vi:
  • UART: Truyền dữ liệu nối tiếp bất đồng bộ qua 2 chân Tx/Rx giữa vi điều khiển và module RF LoRa. Khung truyền chuẩn gồm 1 bit Start, 8 bit dữ liệu, 1 bit Parity và 1 bit Stop.
  • SPI: Chuẩn giao tiếp đồng bộ bốn dây (MOSI, MISO, SCLK, SS/CS) ở chế độ song công toàn phần, tốc độ cao giữa vi điều khiển và màn hình hiển thị.
  • I2C: Giao tiếp hai dây (SDA, SCL) kết nối vi điều khiển với cảm biến chất lượng không khí, hoạt động theo cơ chế định địa chỉ thiết bị 7-bit hoặc 10-bit kèm tín hiệu phản hồi ACK/NACK.
• Nền tảng lưu trữ Firebase Realtime Database: Cơ sở dữ liệu đám mây phi máy chủ (NoSQL) phát triển bởi Google, lưu trữ dữ liệu dưới định dạng JSON và tự động đồng bộ thời gian thực đến các giao diện ứng dụng qua giao thức TCP/Websocket.

Phương pháp nghiên cứu

• Phương pháp phân tích - tổng hợp tài liệu: Thu thập, đối chiếu đặc tính kỹ thuật của các dòng vi điều khiển, module truyền thông RF và các dòng cảm biến môi trường trên thị trường.
• Phương pháp thiết kế và thi công hệ thống kỹ thuật: Thiết kế nguyên lý, phân bổ tài nguyên phần cứng, lập trình firmware cho vi điều khiển bằng Arduino IDE, xây dựng giao diện hiển thị web.
• Phương pháp thực nghiệm kiểm định: Lắp ráp mô hình thực tế, bố trí các nút Slave và Master tại các khoảng cách khác nhau nhằm kiểm tra khả năng truyền dữ liệu qua mạng Mesh, đo đạc thời gian đáp ứng và ghi nhận độ nhạy của các cảm biến.

Thiết kế và triển khai

Hệ thống được thiết kế theo cấu trúc phân tầng rõ ràng từ phần cứng ngoại vi đến hệ thống giám sát trên đám mây:

[Các cảm biến đo đạc]
 (DHT11, LM393, MQ-2, ENS160, PM2.5)
[Nút Slave (Arduino Nano)]
[Module LoRa E32-433T20DC]
      (Sóng LoRa 433MHz - Đa bước nhảy Mesh)
         (Wi-Fi / TCP / HTTP)
[Firebase Realtime Database (JSON)]
[Giao diện Web giám sát người dùng]

Thiết kế phần cứng trạm trung tâm (Master)

Trạm Master đóng vai trò nút gốc thu thập toàn bộ dữ liệu từ mạng LoRa, xử lý hiển thị và làm cổng kết nối Internet:

• Khối xử lý trung tâm: Sử dụng vi điều khiển ESP8266EX (NodeMCU Lua CP2102) tích hợp Wi-Fi chuẩn IEEE 802.11 b/g/n băng tần 2.4 GHz, điện áp hoạt động 3.3V, bộ nhớ Flash 4 MB, SRAM 64 KB, hỗ trợ các giao thức mạng IPv4, TCP/UDP/HTTP.
• Khối truyền thông: Tích hợp module RF UART LoRa E32-433T20DC sử dụng chip Semtech SX1278 dải tần 410–441 MHz, công suất phát 20 dBm (100 mW), độ nhạy thu -130 dBm, bộ đệm dữ liệu 512 bytes, kết nối ăng-ten SMA 433 MHz độ lợi 3 dBi. Module giao tiếp với ESP8266 qua cổng UART.
• Khối hiển thị: Màn hình LCD TFT kích thước 1.8 inch, độ phân giải 160x128 pixel, điều khiển bởi driver đơn chip ST7735 qua giao tiếp SPI, hiển thị 65.536 màu.
• Tính toán nguồn cấp: Tổng công suất tiêu thụ tối đa của các thành phần khối Master được tính toán như sau:

Thành phần linh kiện	Công suất tiêu thụ tối đa
Module ESP8266	400 mW
Màn hình LCD TFT ST7735	500 mW
Module LoRa E32-433T20DC	100 mW
Tổng công suất tiêu thụ	1000 mW (1.0 W)

Để cung cấp nguồn độc lập, nhóm thiết kế sử dụng cell pin sạc Lithium 18650 điện áp danh định 3.7V kết hợp mạch tăng áp DC-DC Boost Converter MT3608 (tần số chuyển mạch 1.2 MHz, hiệu suất 93%, dòng tải tối đa 2A) nâng điện áp lên mức ổn định 5V cấp cho toàn bộ khối Master.

Thiết kế phần cứng trạm đo đạc (Slave)

Mỗi nút Slave hoạt động như một trạm quan trắc độc lập, đồng thời hỗ trợ chuyển tiếp dữ liệu cho các nút lân cận:

• Khối xử lý trung tâm: Sử dụng board mạch Arduino Nano tích hợp vi điều khiển ATmega328P tần số hoạt động 16 MHz, bộ nhớ Flash 32 KB, SRAM 2 KB, EEPROM 1 KB, 14 chân Digital I/O và 8 chân Analog Input độ phân giải 10-bit.
• Khối truyền thông: Module LoRa E32-433T20DC kết nối qua cổng nối tiếp UART của Arduino Nano.
• Khối cảm biến thu thập:
  • Cảm biến nhiệt độ và độ ẩm DHT11: Dải đo nhiệt độ 0°C – 50°C (sai số ±2°C), độ ẩm 20% – 90% RH (sai số ±5% RH), tần số lấy mẫu 1 Hz.
  • Cảm biến phát hiện tia lửa LM393: Sử dụng đầu thu hồng ngoại YG1006 nhận diện bước sóng 760–1100 nm, góc quét 60 độ, khoảng cách phát hiện 80 cm, tích hợp IC so sánh LM393 xuất cả tín hiệu số (Digital) và tín hiệu tương tự (Analog).
  • Cảm biến khí gas MQ-2: Sử dụng lớp vật liệu bán dẫn SnO2 nhạy cảm với khí dễ cháy như LPG, H2 và khói; công suất tiêu thụ dưới 800 mW, điện áp sấy 5V.
  • Cảm biến chất lượng không khí ENS160: Công nghệ TrueVOC kết hợp oxit kim loại, đo nồng độ hợp chất hữu cơ dễ bay hơi TVOC (dải đo 0 – 65.000 ppb) và nồng độ khí CO2 tương đương eCO2 (dải đo 400 – 65.000 ppm), giao tiếp qua bus I2C với dòng tiêu thụ 29 mA.
  • Cảm biến bụi mịn PM2.5 GP2Y1010AU0F: Cảm biến quang học tích hợp diode phát hồng ngoại và transistor quang, nhận diện mật độ hạt bụi trong không khí với dòng tiêu thụ 10 mA, công suất 0.05 W.

Thiết kế phần mềm và lưu đồ điều khiển

• Thuật toán trạm Master: Sau khi khởi tạo kết nối Wi-Fi, màn hình LCD và module LoRa, Master tiến hành gửi bản tin thăm dò (polling) qua mạng LoRa Mesh đến từng địa chỉ Slave theo chu kỳ. Khi nhận được bản tin phản hồi, Master trích xuất dữ liệu, kiểm tra tính toàn vẹn (CRC), hiển thị lên màn hình TFT và gọi giao thức HTTP gửi đối tượng JSON lên Firebase Realtime Database.
• Thuật toán trạm Slave: Nút cảm biến duy trì chế độ lắng nghe trên kênh vô tuyến. Khi nhận được lệnh yêu cầu từ Master mang đúng địa chỉ định danh (ID), nút Slave kích hoạt đọc dữ liệu từ các cảm biến DHT11, MQ-2, LM393, ENS160, PM2.5, đóng gói dữ liệu thành khung truyền LoRa chuẩn và phát về trạm Master (hoặc chuyển tiếp gói tin của nút khác nếu đóng vai trò router trung gian).
• Giao diện giám sát Web: Kết nối trực tiếp với Firebase Realtime Database, cập nhật liên tục các thông số môi trường của từng điểm quan trắc theo thời gian thực và tự động kích hoạt thông báo cảnh báo khi chỉ số vượt ngưỡng an toàn.

Nội dung chính theo từng chương

Chương 1: Tổng quan

Chương 1 phân tích tính cấp thiết của việc kiểm soát khí thải độc hại, bụi bẩn và rủi ro hỏa hoạn trong môi trường sản xuất công nghiệp hiện đại. Tác giả khảo sát các công nghệ mạng không dây hiện nay và nêu rõ lý do lựa chọn LoRa kết hợp mạng Mesh nhằm giải quyết triệt để vấn đề hạn chế tầm phủ sóng của mạng hình sao mà không tốn kém chi phí lắp đặt nhiều gateway. Chương này cũng phân tích tổng quan các công trình nghiên cứu của Lee & Ke, Nunez Ochoa, Dinh Loc Mai & Myung Kyun Kim để làm nền tảng cho việc triển khai; đồng thời xác định cụ thể mục tiêu, phạm vi giới hạn mô hình (1 Master, 2 Slave) và bố cục gồm 5 chương của đồ án.

Chương 2: Cơ sở lý thuyết

Chương 2 trình bày chi tiết thông số kỹ thuật, cấu tạo và nguyên lý hoạt động của các linh kiện phần cứng được sử dụng trong hệ thống: ESP8266 NodeMCU, Arduino Nano, module LoRa SX1278 E32, màn hình LCD TFT ST7735, cảm biến DHT11, cảm biến lửa LM393, cảm biến gas MQ-2, cảm biến ENS160, cảm biến bụi PM2.5 GP2Y1010AU0F, mạch tăng áp MT3608 và ăng-ten 433 MHz. Chương này tập trung phân tích sâu công nghệ LoRa, kỹ thuật điều chế CSS, cấu trúc gói tin (Preamble, Header, Payload, CRC), ảnh hưởng của các tham số SF, BW, CR; phân biệt rõ giữa tầng vật lý LoRa và tầng mạng LoRaWAN. Ngoài ra, chương 2 tổng hợp nguyên lý hoạt động và khung truyền của các chuẩn giao tiếp nối tiếp UART, SPI, I2C cùng kiến trúc dịch vụ cơ sở dữ liệu thời gian thực Firebase Realtime Database.

Chương 3: Thiết kế và thi công hệ thống

Chương 3 thiết lập các yêu cầu kỹ thuật đối với hệ thống giám sát môi trường công nghiệp và xây dựng sơ đồ khối tổng quát. Tác giả thiết kế chi tiết phần cứng cho trạm Master và trạm Slave: phân tích cấu trúc mạch, vẽ sơ đồ nguyên lý kết nối giữa vi điều khiển với các linh kiện ngoại vi, tính toán nhu cầu công suất phụ tải (khối Master tiêu thụ tối đa 1 W) để lựa chọn giải pháp pin sạc 18650 kèm mạch tăng áp MT3608. Về phần mềm, chương 3 mô tả cấu trúc lưu trữ dữ liệu JSON trên Firebase, lập trình giao diện giám sát web và xây dựng lưu đồ thuật toán điều khiển chi tiết cho thiết bị Master và Slave.

Chương 4: Kết quả thực hiện, nhận xét đánh giá

Chương 4 công bố kết quả gia công phần cứng hoàn chỉnh của trạm Master và 2 trạm Slave dưới dạng mô hình đóng gói thực tế. Tác giả trình diễn dữ liệu hoạt động thực tế của hệ thống: hiển thị thông số cảm biến tại chỗ trên màn hình LCD TFT, đồng bộ thông tin lên giao diện web và kiểm tra các trạng thái cảnh báo khi môi trường có khói hoặc lửa. Nội dung trọng tâm của chương là quá trình kiểm thử mạng LoRa Mesh thông qua việc đánh giá thời gian phản hồi gói tin của các thiết bị Slave, từ đó rút ra các nhận xét thực nghiệm về độ ổn định truyền thông.

Chương 5: Kết luận và hướng phát triển

Chương 5 tóm tắt các kết quả đạt được: hoàn thành việc thiết kế, chế tạo mạch phần cứng, thiết lập thành công mạng truyền thông LoRa Mesh giữa 1 Master và 2 Slave, hiển thị và lưu trữ dữ liệu môi trường thông suốt trên đám mây. Đồng thời, chương này chỉ ra các mặt hạn chế còn tồn đọng và đề xuất các giải pháp nâng cấp hệ thống trong tương lai.

Kết quả và đóng góp

Kết quả kỹ thuật đạt được

1. Chế tạo phần cứng hoàn chỉnh: Thi công thành công mạch trạm Master (ESP8266 kết hợp LoRa E32 và màn hình LCD TFT 1.8 inch) và 2 mạch trạm Slave (Arduino Nano kết hợp LoRa E32 và cụm cảm biến) với kết cấu chắc chắn, đảm bảo hoạt động độc lập và ổn định bằng nguồn pin sạc 18650 qua mạch boost MT3608.
2. Thu thập đa chỉ số môi trường: Hệ thống đọc và xử lý chính xác dữ liệu từ các cảm biến chuyên dụng:
   • Nhiệt độ (0–50°C) và độ ẩm (20–90% RH) từ DHT11.
   • Nhận diện nguy cơ cháy nổ thông qua cảm biến khí gas MQ-2 và cảm biến lửa hồng ngoại LM393 (góc quét 60 độ, khoảng cách phản hồi 80 cm).
   • Đo lường nồng độ khí độc hữu cơ TVOC (lên đến 65.000 ppb) và khí carbonic tương đương eCO2 (lên đến 65.000 ppm) qua cảm biến ENS160.
   • Định lượng hạt bụi lơ lửng trong không khí bằng cảm biến quang PM2.5 GP2Y1010AU0F.
3. Hiển thị và đồng bộ dữ liệu thời gian thực: Trạm Master hiển thị dữ liệu trực quan trên màn hình màu LCD TFT ST7735; đồng thời truyền dữ liệu qua Wi-Fi lên Firebase Realtime Database với cấu trúc JSON tối ưu, cho phép cập nhật liên tục lên bảng điều khiển (web dashboard) để giám sát từ xa.
4. Kiểm thử hiệu năng mạng LoRa Mesh: Kết nối vô tuyến giữa các nút hoạt động ổn định ở tần số 433 MHz, công suất phát 20 dBm (100 mW). Dữ liệu kiểm thử tại Bảng 4.1 trong văn bản xác nhận thời gian phản hồi gói tin của các nút Slave trong hệ sinh thái mạng Mesh được duy trì ở mức chấp nhận được, đảm bảo độ trễ phù hợp cho việc cảnh báo sự cố môi trường.

Bảng tổng hợp so sánh các chuẩn truyền thông không dây (trích xuất từ Bảng 2.12 của văn bản):

Chuẩn mạng	Tốc độ dữ liệu	Phạm vi phủ sóng	Mức tiêu thụ năng lượng	Dải tần số hoạt động
LoRa	0.3 Kbps – 100 Kbps	1 – 10 km	Rất thấp	430 MHz, 433 MHz, 868 MHz, 915 MHz
Wi-Fi	300 Mbps – 9.6 Gbps	30 – 300 m	Cao	2.4 GHz, 5 GHz
Bluetooth	3 Mbps – 50 Mbps	10 – 100 m	Trung bình	2.4 GHz
Zigbee	20 Kbps – 250 Kbps	50 – 100 m	Thấp	868 MHz, 900 MHz, 2.4 GHz

Đóng góp thực tiễn của đề tài

• Hiện thực hóa mô hình mạng LoRa kết hợp cấu trúc lưới (Mesh) trong bài toán quan trắc môi trường công nghiệp, giúp loại bỏ điểm nghẽn về tầm phủ sóng của mạng hình sao mà không cần lắp đặt thêm gateway LoRa đắt tiền.
• Cung cấp giải pháp phần cứng mở, chi phí thấp, tối ưu hóa công suất tiêu thụ (khối Master chỉ tiêu thụ 1 W ở chế độ tối đa), cho phép triển khai linh hoạt tại các vị trí phân tán trong nhà xưởng hoặc ngoài trời.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế được ghi nhận

• Quy mô thử nghiệm phần cứng: Do giới hạn về thời gian và kinh phí thực hiện, hệ thống chỉ mới chế tạo và kiểm thử trên mô hình thu nhỏ gồm 1 trạm Master và 2 trạm Slave, chưa phản ánh đầy đủ tác động của mật độ nút dày đặc trong thực địa khu công nghiệp quy mô lớn.
• Độ trễ truyền tin trong mạng Mesh: Đúng như các phân tích lý thuyết đã nêu, khi tín hiệu phải chuyển tiếp qua nhiều bước nhảy (multi-hop), thời gian trễ của gói tin tăng lên và thông lượng mạng bị giới hạn do cơ chế chuyển tiếp liên tiếp.
• Cấp độ chính xác của cảm biến: Các cảm biến được lựa chọn (như DHT11, MQ-2) thuộc dòng phổ thông với dải đo và độ chính xác ở mức cơ bản (sai số nhiệt độ ±2°C, sai số độ ẩm ±5% RH), phục vụ mục đích kiểm chứng giải pháp thiết kế thay vì đo lường chuẩn công nghiệp.
• Phụ thuộc vào hạ tầng Wi-Fi tại Master: Trạm Master cần kết nối Wi-Fi sẵn có để đồng bộ dữ liệu lên Firebase; nếu mất kết nối Internet, việc giám sát chỉ có thể thực hiện cục bộ trên màn hình LCD.

Hướng nghiên cứu tiếp

• Mở rộng số lượng nút Slave trong mạng Mesh để đánh giá chi tiết tỷ lệ phân phối gói tin (PDR) và thuật toán định tuyến tự động khi có nút bị mất kết nối.
• Nâng cấp các đầu đo cảm biến chuyên dụng có chứng nhận hiệu chuẩn công nghiệp để tăng cường độ chính xác cho việc phân tích khí độc.
• Thiết kế vỏ hộp bảo vệ cơ khí đạt chuẩn kháng nước, kháng bụi (IP65/IP67) và tích hợp thêm pin mặt trời để các nút Slave hoạt động tự chủ hoàn toàn ngoài trời trong thời gian dài.
• Tích hợp thêm các kênh truyền dữ liệu dự phòng cho Master (như module 4G/LTE) khi mất tín hiệu Wi-Fi.

Giá trị tham khảo

Đồ án là tài liệu tham khảo có giá trị ứng dụng cao đối với:

• Sinh viên chuyên ngành Công nghệ Kỹ thuật Điện tử - Viễn thông, Kỹ thuật Máy tính và Hệ thống IoT: Cung cấp tài liệu hoàn chỉnh về quy trình thiết kế từ sơ đồ khối, sơ đồ nguyên lý mạch phần cứng đến lập trình nhúng cho vi điều khiển họ ESP8266 và ATmega328P.
• Người nghiên cứu các đề tài mạng cảm biến không dây (WSN): Cung cấp cơ sở thực tiễn về việc cấu hình module RF Semtech SX1278 (E32-433T20DC), kỹ thuật trải phổ CSS và nguyên lý vận hành mạng LoRa đa bước nhảy.
• Kỹ sư triển khai hệ thống nhúng quan trắc môi trường: Cung cấp phương pháp tính toán phụ tải công suất nguồn cấp cho hệ thống nhúng dùng pin, phương thức giao tiếp ngoại vi (UART, SPI, I2C) và cách thức đồng bộ dữ liệu vi điều khiển lên Firebase Realtime Database kết hợp giao diện web giám sát.

Câu hỏi thường gặp

1. Tại sao đề tài lại lựa chọn mô hình mạng LoRa Mesh thay vì kiến trúc LoRaWAN truyền thống?

Trong các khu công nghiệp có diện tích rộng lớn, nhiều nhà xưởng kim loại và cấu trúc bê tông dày gây suy hao tín hiệu nghiêm trọng. Nếu sử dụng LoRaWAN với cấu trúc hình sao (Star topology), hệ thống đòi hỏi phải lắp đặt mật độ cổng thông tin (gateway) rất cao để phủ sóng tới tất cả các nút ở góc khuất, làm gia tăng chi phí phần cứng và công tác bảo trì. Mô hình LoRa Mesh cho phép các nút đo đạc (Slave) tự liên kết và chuyển tiếp gói tin của nhau qua nhiều bước nhảy để về trạm trung tâm (Master), giúp mở rộng cự ly truyền thông và khắc phục vật cản mà không cần bổ sung thêm gateway đắt tiền.

2. Trạm điều khiển trung tâm (Master) có cấu hình phần cứng và công suất tiêu thụ như thế nào?

Trạm Master sử dụng module ESP8266 NodeMCU Lua CP2102 làm bộ xử lý trung tâm, tích hợp module LoRa SX1278 E32-433T20DC (công suất 20 dBm, tần số 433 MHz) để nhận dữ liệu từ các Slave qua UART và màn hình LCD TFT ST7735 1.8 inch qua giao tiếp SPI. Tổng công suất tiêu thụ tối đa của trạm Master được tính toán là 1000 mW (1.0 W), bao gồm 400 mW từ ESP8266, 500 mW từ LCD TFT và 100 mW từ module LoRa. Nguồn cấp cho Master sử dụng 1 cell pin sạc Lithium 18650 điện áp 3.7V kết hợp mạch tăng áp DC-DC MT3608 nâng lên 5V ổn định.

3. Hệ thống giám sát những chỉ số môi trường nào và thông qua các cảm biến cụ thể nào?

Tại các trạm Slave (sử dụng Arduino Nano), hệ thống tích hợp cụm cảm biến để đo lường các thông số:

• Nhiệt độ và độ ẩm không khí: Cảm biến DHT11 (đo 0–50°C, 20–90% RH).
• Khí dễ cháy (LPG, H2, khói): Cảm biến khí gas MQ-2 sử dụng chất bán dẫn SnO2.
• Nguy cơ bùng phát ngọn lửa: Cảm biến quang hồng ngoại LM393 (nhận diện bước sóng 760–1100 nm, cự ly 80 cm, góc quét 60 độ).
• Chất lượng không khí chuyên sâu: Cảm biến ENS160 đo TVOC (0–65.000 ppb) và eCO2 (400–65.000 ppm) qua I2C.
• Mật độ bụi mịn: Cảm biến quang học PM2.5 GP2Y1010AU0F.

4. Cơ chế lưu trữ và hiển thị dữ liệu của hệ thống được thực hiện bằng cách nào?

Sau khi trạm Master tiếp nhận dữ liệu từ mạng LoRa, dữ liệu được hiển thị trực tiếp lên màn hình màu LCD TFT ST7735 tại chỗ. Đồng thời, ESP8266 sử dụng bộ thu phát Wi-Fi tích hợp (IEEE 802.11 b/g/n) đẩy dữ liệu theo định dạng JSON lên Firebase Realtime Database. Từ nền tảng đám mây này, giao diện web giám sát tự động đồng bộ và hiển thị các biểu đồ, thông số môi trường của từng trạm đo theo thời gian thực và kích hoạt cảnh báo khi phát hiện sự cố nguy hiểm.

5. Các tham số kỹ thuật vô tuyến nào quyết định cự ly và chất lượng truyền tin của sóng LoRa trong đề tài?

Chất lượng truyền tin LoRa phụ thuộc vào ba tham số điều chế chính:

• Hệ số trải phổ (SF): Xác định số lượng tín hiệu chirp mã hóa cho mỗi bit dữ liệu (từ SF6 đến SF12); giá trị SF càng cao thì cự ly truyền càng xa và độ nhạy càng tốt nhưng thời gian truyền gói tin càng lâu.
• Băng thông (BW): Xác định dải tần số quét của tín hiệu chirp; băng thông càng rộng thì tốc độ truyền càng nhanh nhưng cự ly suy giảm.
• Tỷ lệ mã hóa (CR): Tỷ lệ bit kiểm tra lỗi được chèn vào gói tin (từ 4/5 đến 4/8) để nâng cao khả năng khôi phục dữ liệu bị lỗi trong môi trường nhiễu công nghiệp.

Kết luận

Đồ án tốt nghiệp "Hệ thống giám sát chất lượng không khí trong khu công nghiệp sử dụng công nghệ LoRaMesh" đã hoàn thành việc nghiên cứu, thiết kế và chế tạo thành công mô hình thực nghiệm gồm 1 trạm Master và 2 trạm Slave thu thập đa thông số môi trường. Bằng việc kết hợp kỹ thuật điều chế tầm xa LoRa với cấu trúc mạng lưới Mesh, hệ thống giải quyết hiệu quả bài toán truyền dữ liệu qua vật cản mà không đòi hỏi hạ tầng gateway dày đặc, tối ưu hóa mức tiêu thụ năng lượng và chi phí chế tạo. Dữ liệu quan trắc được hiển thị đồng thời tại màn hình LCD cục bộ và đồng bộ thời gian thực lên cơ sở dữ liệu Firebase phục vụ công tác giám sát qua web, tạo tiền đề vững chắc cho việc phát triển các giải pháp quan trắc công nghiệp diện rộng trong tương lai.

Trích đoạn nội dung tài liệu

CHƯƠNG 1. TỔNG QUAN polling để yêu cầu dữ liệu từ các thiết bị con. Điều này giúp tối ưu hóa việc sử dụng gateway mà không cần triển khai quá nhiều thiết bị. Thêm vào đó, hệ thống mạng Mesh của chúng tôi cho phép các thiết bị mới có thể lắng nghe các gói tin từ gateway hoặc các thiết bị khác trong mạng và tự động tham gia vào mạng bằng cách chọn nút gốc phù hợp.

Quá trình lựa chọn nút gốc dựa trên nhiều yếu tố quan trọng như chỉ số độ mạnh tín hiệu nhận được (RSSI) và số bước nhảy. Điều này đảm bảo rằng mạng Mesh của chúng tôi tự tổ chức và linh hoạt, đồng thời tối ưu hóa việc sử dụng tài nguyên mạng. Với việc gateway giữ một cái nhìn toàn diện về cấu trúc mạng, chúng tôi có khả năng điều chỉnh và cải thiện mạng bằng cách chuyển đổi các thiết bị con thành các nút cha nhỏ hơn, dựa trên thông tin chi tiết về tình trạng mạng và hiệu suất của từng thiết bị.1 mô tả các thiết bị LoRa Mesh của họ tạo thành cấu trúc liên kết mạng dạng cây để cho phép tất cả các nút giao tiếp với gateway [2].1: Cấu trúc liên kết mạng của các thiết bị LoRa Mesh [2]. Lee, Ke và cộng sự của họ đã thành công triển khai một hệ thống mạng Mesh LoRa độc đáo.

Họ đã thực hiện thí nghiệm trên một khuôn viên trường đại học có 5 CHƯƠNG 1. TỔNG QUAN diện tích (800 × 600) m2 với 19 nút. Kết quả đo đạc cho thấy các biến thể trong cấu trúc mạng và tác động của Mesh đến tỷ lệ phân phối gói tin (PDR) của từng nút tới gateway. Hệ thống Mesh đã cải thiện PDR của tất cả các nút, đặc biệt là những nút nằm ngoài phạm vi của gateway.

Tuy nhiên, tác giả nhận thấy số lượng nút tối đa mà hệ thống có thể phục vụ sẽ ít hơn so với cấu trúc liên kết hình sao thông thường do thời gian truyền tăng lên do chuyển tiếp gói tin liên tiếp [2]. Nunez Ochoa và đồng nghiên cứu đã phân tích các tham số vô tuyến LoRa khác nhau như hệ số trải phổ, công suất truyền và băng thông. Họ tính toán mức tiêu thụ điện năng của bộ thu phát cho cả cấu trúc liên kết hình sao và Mesh. Họ cũng tìm hiểu tính linh hoạt của LoRa trong việc cấu hình các tham số vô tuyến cho các tình huống triển khai khác nhau và tác động của chúng đến tiêu thụ năng lượng của truyền và nhận vô tuyến.

Họ đề xuất các giải pháp khác nhau để giảm thiểu tiêu thụ năng lượng. Đối với cấu trúc liên kết hình sao, tác giả nhận thấy việc tăng hệ số trải phổ có tác động lớn hơn đến tiêu thụ năng lượng so với việc tăng công suất truyền. Do đó, họ khuyên nên điều chỉnh công suất truyền trước và sau đó tăng hệ số trải phổ để giảm thiểu tiêu thụ năng lượng. Đối với cấu trúc liên kết Mesh, họ tối ưu hóa tiêu thụ năng lượng bằng cách áp dụng các cấu hình vô tuyến khác nhau cho các bố cục mạng khác nhau, trong đó mật độ nút quyết định vùng phủ sóng và số bước nhảy [2].

Tác giả Dinh Loc Mai và Myung Kyun Kim thuộc bộ phận kỹ sư Điện và Máy Tính của đại học Ulsan đã thiết kế giao thức mạng Multi-hop LoRa với độ trễ tối thiểu. Giao thức này cho phép các nút trong mạng tạo lịch trình mà không cần biết toàn bộ thông tin về cấu trúc mạng, chỉ cần biết thông tin về các nút lân cận. Giao thức đề xuất này cho phép truyền dữ liệu song song trong mạng mà không gây xung đột.