Sensing -teknologi kan forbedre maskinlæringspræcisionen til fremstilling, elektriske køretøjer, smarte hjem

Det samme lille stykke teknologi, som en dag kan hjælpe med at træne svejserobotter og overvåge elektriske køretøjer, kunne gøre energiselskaber bedre i stand til at drive smarte hjem og fabrikker.

Purdue University innovatører har udviklet et sensormodul, der arbejder med maskinlæring til applikationer lige fra elbiler til fremstilling og hjemmedesign. Teknologien er en lille og ikke -invasiv sensor, der overvåger elektriske strømme.

"Vi har skabt den første af sin slags nuværende sensor, der er ikke-invasiv, sikker og meget mere præcis end andre muligheder, "sagde Kaushik Roy, Purdues Edward G. Tiedemann Jr. der hjælper med at lede forskerteamet.

Muligheder for strømføling i applikationer såsom elektriske køretøjer omfatter brug af en modstand som en strømsensor eller brug af en ikke-invasiv Hall-sensor, som ikke kan måle små strømme. Purdue -teamet bruger en maskinlæringsalgoritme med sensoren til at hjælpe med at fortolke og indsamle data såsom energiforbrug, problemer med den nuværende og den bedste fremgangsmåde til fremstilling.

"Vores teknologi gør det muligt for nogen at opdage gennem nuværende, "sagde Byunghoo Jung, professor i elektroteknik og computerteknik i Purdue's College of Engineering, et andet medlem af forskergruppen. "Denne sensor kan bruges til maskinlæring til at træne fremstillingsrobotter, give præcise tips til husejere om at reducere deres energiforbrug eller hjælpe med at diagnosticere problemer med elektriske køretøjer og scootere. "

Roy sagde, at andre fordele ved Purdue -sensoren omfatter nem installation og vedligeholdelse, da den lille sensor er viklet omkring en central ledning for at overvåge strømmen. Sensoren kan overføre de målte aktuelle oplysninger til ethvert computersystem via Bluetooth, USB eller andre metoder, og kan trænes gennem maskinlæring til at opdage noget så præcist som mikrobølgeovnen, der bruges på et bestemt tidspunkt, og hvis det tidspunkt på dagen er optimalt til energiforbrug.