Використання машинного навчання для націлювання дзеркал у сонячному масиві?

Я думав про сонячні колектори, де кілька незалежних дзеркал для фокусування світла на сонячному колекторі, подібно до наступної конструкції від Energy Innovations.

Оскільки в складанні цього сонячного масиву будуть недоліки, я переходжу до таких припущень (або їх відсутності):

• Програмне забезпечення знає "положення" кожного дзеркала, але не знає, як ця позиція стосується реального світу чи інших дзеркал. Це спричинить погану калібрування дзеркала або інші фактори навколишнього середовища, які можуть впливати на одне дзеркало, а не на інші.

• Якщо дзеркало рухається 10 одиниць в одному напрямку, а потім 10 одиниць у протилежному напрямку, воно закінчиться там, де воно спочатку почалося.

Мені хотілося б використовувати машинне навчання для правильного розташування дзеркал та фокусування світла на колекторі. Я очікую, що я підходитиму до цього як до проблеми оптимізації, оптимізації дзеркальних положень для максимізації тепла всередині колектора та вихідної потужності.

Проблема полягає у знаходженні невеликої цілі у галасливому просторовому просторі (якщо врахувати, що кожне дзеркало має 2 осі обертання). Деякі з проблем, які я передбачаю:

• похмурі дні, навіть якщо ви натрапите на ідеальне дзеркальне вирівнювання, на той час може бути хмарно

• шумні дані датчика

• сонце - це рухома ціль, вона рухається по стежці і щодня йде іншим шляхом - хоча ви могли в будь-який час обчислити точне положення Сонця, ви б не знали, як це положення стосується ваших дзеркал

Моє запитання не стосується сонячного масиву, а можливих методів машинного навчання, які допоможуть у цій "маленькій цілі в галасливій проблемі з високим розмірним простором". Я згадав про сонячний масив, тому що він був каталізатором цього питання і гарним прикладом.

Які методи машинного навчання можуть знайти таку маленьку ціль у галасливому просторовому просторі?

Редагувати:

Кілька додаткових думок:

• Так, ви можете обчислити положення сонця в реальному світі, але ви не знаєте, як розташування дзеркал пов'язане з реальним світом (якщо ви чомусь цього не дізналися). Ви можете знати, що азимут сонця становить 220 градусів, а висота сонця - 60 градусів, і ви можете знати, що дзеркало знаходиться в положенні (-20, 42); тепер скажіть мені, чи це дзеркало правильно вирівняне із сонцем? Ви не знаєте.

• Припустимо, у вас є дуже складні вимірювання тепла, і ви знаєте, "при цьому рівень тепла повинен бути 2 дзеркала, правильно вирівняні". Тепер питання в тому, які два дзеркала (з 25 і більше) правильно вирівняні?

• Я розглядав одне рішення - наблизити правильну "функцію вирівнювання", використовуючи нейронну мережу, яка сприймає азимут і висоту сонця як вхід і виводить великий масив з 2 значеннями для кожного дзеркала, що відповідають 2 осі кожного дзеркала. Я не впевнений, який найкращий метод тренувань, хоча.

Більше думок:

• Дзеркала мають систему координат, до якої програмне забезпечення має доступ, але програмне забезпечення не знає, як ця система координат співвідноситься з реальним світом. Скажімо, дзеркало знаходиться в положенні (4, 42); що це означає? Я не знаю, як і програмне забезпечення. Але я знаю, що якщо я переміщу дзеркало навколо, а потім поверну його назад до (4, 42), дзеркало буде в тому ж положенні, яке було раніше. Крім того, два дзеркала можуть бути в положенні (4, 42), але вказувати в протилежних напрямках у реальному світі.

• Так, з великою кількістю датчиків якості проблема вирішується легко. Енергетичні інновації не працюють, як я можу сказати, можливо, тому, що вони використовували купу справді чудових датчиків, і люди сказали: "Я просто куплю сонячні батареї, вони дешевші"

• Єдині датчики в системі - в колекторній головці.

Сонцеві шляхи можна передбачити , тому, я думаю, ви зможете досить точно вирівняти дзеркало, якщо ви знаєте час доби, день року, широту та довготу.

Для цього вам не потрібно машинне навчання.

Якщо у вас є дзеркала, які не знають, куди вони спрямовані (тобто ви не можете співвідносити їх положення з вимірюванням висоти та азимуту), ви можете спробувати використовувати камеру з широким полем зору, підмітаючи небо до яскравого на фотоапараті з’являється біла пляма. Потім можна перемістити дзеркало до цього місця (використовуючи кілька простих обчислень x / y), поки світла пляма не буде зосереджена у поле зору камери. Покладіть темний фільтр на камеру, щоб усе, що вона бачила, - сонце.

Однак у вашому запитанні зазначено, що ви точно знаєте, де дзеркала вказані. Якщо у вас є датчики на дзеркалах, які говорять вам про те, як вони розташовані, то ви маєте можливість співвідносити ці вимірювання положення з фактичними числами азимута та висоти.

Я б міг уявити, що було б досить просто виявити похмурі дні за допомогою однієї сонячної комірки або відсутність тепла на дзеркалі.

Для цього типу додатків, у поле дзеркал, що намагаються вказувати на сонячний колектор, ви можете дуже багато порахувати, де ви думаєте, яке має бути сонце, де повинні бути дзеркала, під яким кутом вони повинні бути і як їх розташувати вони вказують на вашого колекціонера. Знаєте, математична модель. Це буде близько. Напевно, досить близько.

Що стосується калібрування дзеркал для усунення недосконалостей та відхилень від вашої моделі:
Помахуйте по черзі дзеркалом. Якщо ваш вихід збільшується, продовжуйте зміни. Збережіть зміну як calOffset. Назвіть це зроблено.

Я погоджуюся з Харві, машинне навчання для цього є надмірним.

Але ей, скажімо, ви хочете мобільну автономну систему, яка зможе прокинутися після довгого дрімоти і піти знайти сонце . І ми не можемо дозволити собі акумулятор 0,05 доларів, щоб зберегти час. А оскільки він мобільний, сонце могло бути в бога-знає, в якому напрямку. І всі люди мертві. А наші роботодавці з сонячними елементами мали серйозного бінга, і вони не знають, в якій частині світу вони прокинулися. І їх GPS не може приймати сигнал. І ніхто з їхніх приятелів не знає, що сталося.

1) Підмітайте область одним дзеркалом і відзначте будь-які сплески в потужності. Повторіть це кілька разів, щоб переконатися, що це не хмара чи щось таке.
2) Ви тепер знаєте положення сонця. Іди гуди.
3) Зачекайте годину.
4) Знову протріть дзеркалом всю область. Шипи. Хмари. Яда яда.
5) Тепер ви знаєте шлях сонця. Дотримуйтесь цього, поки ви не досягнете ліміту ваших сервоприводів або поки потужність не знизиться
.
7) Робіть підмітання.
8) Із різниці у встановленому сонцем і піднімається, ви тепер приблизно знаєте свою широту / сезон *. (Принаймні, ваше зміщення від екватора. Ще не знаю північ з півдня). Відповідно відрегулюйте.
9) Зачекайте день. Зверніть увагу на різницю в місці сходу сонця. Тепер ви знаєте, на якій стороні сонцестояння ви перебуваєте.
10) Зачекайте вгору до 6 місяців. Зверніть увагу, куди досягає напрямок сходу сонця. Тепер ви знаєте, перебуваєте ви взимку чи влітку, і можете сміливо визначити шлях сонця для наступного EON.

Якщо будь-який з кроків із "тепер ви знаєте" не зрозумілий, відповідь - MATH (і орбітальна механіка Землі **). Містер Мат - ваш друг. Він може розповісти вам речі. І якщо аксіома рівності чи щось подібне не виявиться помилковим, можна навіть довіряти йому.

* Пропозиція не дійсна в арктичних або антарктичних колах.
** Пропозиція також не дійсна на Марсі, Венері, Титані, Іо та інших обраних місцях.

Схоже, ваше запитання не стосується машинного навчання настільки, як автоматичного калібрування групи пристроїв. У вас є пристрій (дзеркало) з датчиками положення, і ви знаєте, куди хочете вказати пристрій, але ви не знаєте, як вихід датчика стосується реального світу. Тож вам справді просто потрібно відкалібрувати пристрій - знайти правильне положення, щоб ви могли визначити, як показання датчика відносяться до фактичного положення. Після калібрування це здається, що ви можете покластися на датчики для позиціонування пристрою.

Враховуючи все це, ви, мабуть, повинні калібрувати кожен з пристроїв окремо . Ви можете зробити це автоматично, використовуючи якийсь алгоритм пошуку. Гілберт Ле Блан описує той, який повинен працювати. Іншим способом було б припустити, що дані датчика є правильними, і використовувати їх для орієнтування дзеркала приблизно в потрібне положення; потім перемістіть дзеркало за малюнком, який спіралізується назовні, поки ви не потрапите в ціль.

Якщо ви дійсно хочете відрегулювати всі дзеркала одразу , може бути використаний генетичний алгоритм:

• Виберіть випадкове налаштування для кожного дзеркала та зберігайте їх у масиві. Повторіть, щоб у вас була деяка кількість конфігурацій дзеркального поля.
• Далі проведіть конфігурації дзеркального поля, встановивши всі дзеркала для кожного з них, а потім виміряйте вироблене тепло.
• Видаліть зі списку конфігурації дзеркального поля, які генерують найменше тепла.
• Створіть кілька нових конфігурацій шляхом рекомбінації частин конфігурацій, які залишаються у списку.
• Повторюйте, поки конфігурації не сходяться до єдиного рішення або поліпшення при кожній ітерації не опуститься нижче деякого порогового значення (тобто ви досягли "достатнього рівня").

Також я повинен зазначити, що якщо ви спробуєте метод, описаний вище, те, що ви намагаєтеся оптимізувати, - це калібрування дзеркального датчика, а не положення. Кожен крок займе певний час, тому вам потрібно буде враховувати рух сонця в міру продовження процесу. "Налаштування" для кожного дзеркала - це не положення, а помилка датчика, тобто різниця між показанням датчика та ідеальним показанням.

Я майже не люблю писати це.

• Визначте із сонячної комірки, чи світить сонце.
• Якщо світить сонце, почніть з дзеркала з (0, 0).
• Поверніть дзеркало на 0 на осі х.
• Поверніть дзеркало по всій осі Y. На кожному кроці вимірюйте, чи збільшується тепловіддача сонячного колектора. Якщо так, зупиніться, і перейдіть до наступного дзеркала в масиві.
• Поверніть дзеркало вздовж осі X на один крок. Повторіть попередній крок.
• Якщо дзеркало було обернено по всій осі x і y, не збільшуючи тепловіддачу, позначте дзеркало як потребує технічного обслуговування і перейдіть до x = 0 і y = 0.
• Повторіть усі дії з кожним дзеркалом у масиві дзеркал.
• Зачекайте годину і повторіть усі дії.