Myślałem o kolektorach słonecznych, w których kilka niezależnych luster skupia światło na kolektorze słonecznym, podobnie jak poniższy projekt Energy Innovations.
Ponieważ w montażu tego układu słonecznego wystąpią wady, przyjmuję następujące założenia (lub ich brak):
Oprogramowanie zna „pozycję” każdego lustra, ale nie wie, w jaki sposób ta pozycja odnosi się do świata rzeczywistego lub innych lusterek. Przyczyni się to do złej kalibracji lustra lub innych czynników środowiskowych, które mogą wpływać na jedno lustro, ale nie na inne.
Jeśli lustro przesunie 10 jednostek w jednym kierunku, a następnie 10 jednostek w przeciwnym kierunku, zakończy się w miejscu, w którym się pierwotnie zaczęło.
Chciałbym użyć uczenia maszynowego do prawidłowego ustawienia lusterek i skupienia światła na kolektorze. Spodziewam się, że podchodzę do tego jako do problemu optymalizacji, optymalizacji pozycji lustra, aby zmaksymalizować ciepło wewnątrz kolektora i moc wyjściową.
Problemem jest znalezienie małego celu w hałaśliwej, przestrzennej przestrzeni (biorąc pod uwagę, że każde lustro ma 2 osie obrotu). Niektóre przewidywane przeze mnie problemy to:
pochmurne dni, nawet jeśli natkniesz się na idealne ustawienie lustra, może być wtedy pochmurno
zaszumione dane czujnika
słońce jest ruchomym celem, porusza się po ścieżce i podąża inną ścieżką każdego dnia - chociaż możesz w dowolnym momencie obliczyć dokładną pozycję słońca, nie wiedziałbyś, w jaki sposób ta pozycja odnosi się do twoich lusterek
Moje pytanie nie dotyczy układu słonecznego, ale możliwych technik uczenia maszynowego, które pomogłyby w rozwiązaniu problemu „małego celu w hałaśliwym, dużym wymiarze przestrzeni”. Wspomniałem o układzie słonecznym, ponieważ był on katalizatorem tego pytania i dobrym przykładem.
Jakie techniki uczenia maszynowego mogą znaleźć tak mały cel w hałaśliwej, przestrzennej przestrzeni?
EDYTOWAĆ:
Kilka dodatkowych myśli:
Tak, możesz obliczyć pozycję słońca w prawdziwym świecie, ale nie wiesz, w jaki sposób pozycja lusterek jest powiązana ze światem rzeczywistym (chyba, że w jakiś sposób się nauczyłeś). Być może wiesz, że azymut słońca wynosi 220 stopni, a wzniesienie słońca wynosi 60 stopni, i możesz wiedzieć, że lustro jest w pozycji (-20, 42); powiedz mi teraz, czy to lustro jest prawidłowo ustawione względem Słońca? Nie wiesz
Załóżmy, że masz bardzo wyrafinowane pomiary ciepła i wiesz „przy tym poziomie ciepła muszą być poprawnie ustawione 2 zwierciadła”. Teraz pytanie brzmi: które dwa zwierciadła (spośród 25 lub więcej) są prawidłowo wyrównane?
Jednym z rozważanych przeze mnie rozwiązań było przybliżenie poprawnej „funkcji wyrównania” za pomocą sieci neuronowej, która przyjmowałaby azymut i elewację Słońca jako dane wejściowe i wyjściowe dużej tablicy z 2 wartościami dla każdego lustra, które odpowiadają 2 osiom każdego lustra. Nie jestem jednak pewien, jaka jest najlepsza metoda treningu.
Więcej myśli:
Lustra mają układ współrzędnych, do którego oprogramowanie ma dostęp, ale oprogramowanie nie wie, w jaki sposób ten układ współrzędnych odnosi się do prawdziwego świata. Powiedzmy, że lustro jest w pozycji (4, 42); co to znaczy? Nie wiem, podobnie jak oprogramowanie. Ale wiem, że jeśli przesunę lustro wokół, a następnie przeniosę je z powrotem do (4, 42), lustro będzie w tej samej pozycji, w jakiej było wcześniej. Dodatkowo dwa zwierciadła mogą znajdować się w pozycji (4, 42), ale w prawdziwym świecie wskazują w przeciwnych kierunkach.
Tak, przy wielu czujnikach jakości problem jest łatwy do rozwiązania. Energy Innovations nie działa, co mogę powiedzieć, prawdopodobnie dlatego, że zastosowali naprawdę niesamowite czujniki, a ludzie powiedzieli: „Po prostu kupię panele słoneczne, są tańsze”.
Jedyne czujniki w systemie znajdują się w głowicy kolektora.