| Summary: | Οι πρόσφατες εξελίξεις τόσο στο υλικό όσο και στο λογισμικό έχουν διευκολύνει το ερευνητικό πεδίο της ενσωματωμένης νοημοσύνης και έχουν επιτρέψει τη χρήση της μηχανικής μάθησης σε συσκευές και συστήματα IoT περιορισμένων πόρων, υλοποιώντας «συνειδητά» και αυτοεξηγούμενα αντικείμενα (έξυπνα αντικείμενα). Στο πλαίσιο της ευρείας χρήσης των ασύρματων δικτύων αισθητήρων σε προηγμένες εφαρμογές IoT, αυτή είναι η πρώτη εργασία που παρέχει ένα σύστημα στο edge, για την παρακολούθηση της υγείας μίας κατασκευής (SHM) από πολυμεθυλομεθακρυλικό (PPMA). Σύμφωνα με την μέχρι τώρα βιβλιογραφία, οι σύγχρονες λύσεις χρησιμοποιούν κυρίως τη μέθοδο τριγωνισμού με βάση το χρόνο άφιξης του κύματος στον αισθητήρα για την εκτίμηση της θέσης της πρόσκρουσης, ενώ την τελευταία δεκαετία πραγματοποιείται ανάλυση δεδομένων μηχανικής μάθησης, από πιο ακριβό και άφθονο σε πόρους εξοπλισμό από μια συσκευή IoT γενικού/αναπτυξιακού σκοπού, τόσο για τα στάδια συλλογής δεδομένων όσο και για τα στάδια εξαγωγής συμπερασμάτων. Σε αντίθεση με τα υπάρχοντα συστήματα, προτείνεται μια μεθοδολογία και ένα σύστημα, που υλοποιείται από συσκευή χαμηλού κόστους, για την εκτέλεση του εντοπισμού των κρούσεων επί της συσκευής με μια αγνωστικιστική προοπτική, όσον αφορά το υλικό και τη θέση των αισθητήρων (καθώς δεν χρησιμοποιείται κανένα από αυτά τα χαρακτηριστικά). ΄Ετσι, προτείνεται ένας σχεδιασμός πειραμάτων και η αντίστοιχη μεθοδολογία για τη δημιουργία ενός πειραματικού συνόλου δεδομένων χρονοσειρών για την ανίχνευση και τον εντοπισμό κρούσεων, με τη χρήση κεραμικών πιεζοηλεκτρικών αισθητήρων. Το σύστημα διεγείρεται με μια χαλύβδινη σφαίρα, μεταβάλλοντας το ύψος από το οποίο απελευθερώνεται. Χρησιμοποιώντας τη τεχνολογία TinyML για την ενσωμάτωση νοημοσύνης σε συσκευές χαμηλής κατανάλωσης ενέργειας, υλοποιούνται και επικυρώνονται μοντέλα Random Forest και Shallow Neural Network για τον εντοπισμό της τοποθεσίας σε πραγματικό χρόνο (λιγότερο από 400µs) οποιωνδήποτε κρούσεων που συμβαίνουν στη δομή, επιτυγχάνοντας ακρίβεια μεγαλύτερη από 90%.
|
|---|
