Heb je ooit een stofzuiger aangesloten, alleen om het zonder waarschuwing uit te schakelen voordat de klus is geklaard? Of misschien werkt je bureaulamp wel prima, totdat u de airconditioner inschakelt die op dezelfde stekkerdoos is aangesloten.

Deze onderbrekingen zijn waarschijnlijk "hinderlijke reizen, " waarbij een detector die achter de muur is geïnstalleerd, het elektrische circuit van een stopcontact activeert wanneer het iets detecteert dat een boogfout zou kunnen zijn - een potentieel gevaarlijke vonk in de elektrische leiding.

Het probleem met de huidige boogfoutdetectoren, volgens een team van MIT-ingenieurs, is dat ze vaak de fout maken overgevoelig te zijn, het uitschakelen van de stroom van een stopcontact in reactie op elektrische signalen die eigenlijk onschadelijk zijn.

Nu heeft het team een ​​oplossing ontwikkeld die ze een "slim stopcontact, " in de vorm van een apparaat dat het stroomverbruik van een of meerdere stopcontacten kan analyseren, en kan onderscheid maken tussen goedaardige bogen - ongevaarlijke elektrische pieken zoals die veroorzaakt worden door gewone huishoudelijke apparaten - en gevaarlijke bogen, zoals vonken die het gevolg zijn van defecte bedrading en die tot brand kunnen leiden. Het apparaat kan ook worden getraind om te identificeren wat er op een bepaald stopcontact is aangesloten, zoals een ventilator versus een desktopcomputer.

Het ontwerp van het team omvat aangepaste hardware die elektrische stroomgegevens in realtime verwerkt, en software die de gegevens analyseert via een neuraal netwerk - een reeks algoritmen voor machinaal leren die zijn geïnspireerd op de werking van het menselijk brein.

In dit geval, het machine-learning-algoritme van het team is geprogrammeerd om te bepalen of een signaal schadelijk is of niet door een vastgelegd signaal te vergelijken met anderen die de onderzoekers eerder gebruikten om het systeem te trainen. Hoe meer gegevens het netwerk krijgt, hoe nauwkeuriger het karakteristieke "vingerafdrukken" kan leren die worden gebruikt om goed van slecht te onderscheiden, of zelfs om het ene apparaat van het andere te onderscheiden.

Joshua Siegel, een onderzoeker bij de afdeling Werktuigbouwkunde van het MIT, zegt dat het slimme stopcontact draadloos verbinding kan maken met andere apparaten, als onderdeel van het "internet of things" (IoT). Hij stelt zich uiteindelijk een alomtegenwoordig netwerk voor waarin klanten niet alleen een slim stopcontact in hun huis kunnen installeren, maar ook een app op hun telefoon, waarmee ze gegevens over hun elektriciteitsverbruik kunnen analyseren en delen. Deze data, zoals welke apparaten waar zijn aangesloten, en wanneer een stopcontact daadwerkelijk is gesprongen en waarom, veilig en anoniem zouden worden gedeeld met het team om hun algoritme voor machine learning verder te verfijnen, waardoor het gemakkelijker wordt om een ​​machine te identificeren en een gevaarlijke gebeurtenis van een goedaardige te onderscheiden.

"Door IoT in staat te stellen te leren, je bent in staat om het systeem constant te updaten, zodat uw stofzuiger de eerste week een of twee keer de stroomonderbreker kan activeren, maar het zal in de loop van de tijd slimmer worden, "zegt Siegel. "Tegen de tijd dat je er 1, 000 of 10, 000 gebruikers die bijdragen aan het model, heel weinig mensen zullen deze hinderlijke reizen ervaren omdat er zoveel gegevens zijn verzameld van zoveel verschillende huizen."

Siegel en zijn collega's hebben hun resultaten gepubliceerd in het tijdschrift Engineering Applications of Artificial Intelligence. Zijn co-auteurs zijn Shane Pratt, Yongbin Zon, en Sanjay Sarma, de Fred Fort Flowers en Daniel Fort Flowers hoogleraar Werktuigbouwkunde en vice-president open leren aan het MIT.

Elektrische vingerafdrukken

Om het risico op brand te verminderen, moderne huizen kunnen gebruik maken van een boogfoutcircuitonderbreker (AFCI), een apparaat dat defecte circuits onderbreekt wanneer het bepaalde potentieel gevaarlijke elektrische patronen detecteert.

"Alle AFCI-modellen die we uit elkaar haalden, hadden kleine microprocessors, en ze voerden een regelmatig algoritme uit dat op zoek was naar vrij primitieve, eenvoudige handtekeningen van een boog, ' zegt Pratt.

Pratt en Siegel wilden een meer onderscheidende detector ontwerpen die onderscheid kan maken tussen een groot aantal signalen om een ​​goedaardig elektrisch patroon te onderscheiden van een potentieel schadelijk patroon.

Hun hardware setup bestaat uit een Raspberry Pi Model 3 microcomputer, een goedkope, energiezuinige processor die binnenkomende elektrische stroomgegevens registreert; en een inductieve stroomtang die om de draad van een stopcontact wordt bevestigd zonder deze daadwerkelijk aan te raken, die de passerende stroom waarneemt als een veranderend magnetisch veld.

Tussen de stroomtang en de microcomputer, het team heeft een USB-geluidskaart aangesloten, standaard hardware vergelijkbaar met wat wordt gevonden in conventionele computers, die ze gebruikten om de inkomende actuele gegevens te lezen. Het team ontdekte dat dergelijke geluidskaarten bij uitstek geschikt zijn voor het vastleggen van het type gegevens dat wordt geproduceerd door elektronische circuits, omdat ze zijn ontworpen om zeer kleine signalen met hoge datasnelheden op te vangen, vergelijkbaar met wat zou worden afgegeven door een elektrische draad.

De geluidskaart had ook andere voordelen, inclusief een ingebouwde analoog-naar-digitaal omzetter die signalen op 48 kiloherz samplet, wat betekent dat er metingen nodig zijn 48, 000 keer per seconde, en een geïntegreerde geheugenbuffer, waardoor het apparaat van het team de elektrische activiteit continu kan volgen, live.

Naast het opnemen van inkomende gegevens, een groot deel van de verwerkingskracht van de microcomputer wordt besteed aan het runnen van een neuraal netwerk. Voor hun studie ze trainden het netwerk om "definities, " of bijbehorende elektrische patronen herkennen, geproduceerd door vier apparaatconfiguraties:een ventilator, een iMac-computer, een kookplaatbrander, en een ozongenerator - een type luchtreiniger die ozon produceert door zuurstof in de lucht elektrisch op te laden, die een reactie kan veroorzaken die lijkt op een gevaarlijke boogfout.

Het team heeft elk apparaat meerdere keren gebruikt onder verschillende omstandigheden, het verzamelen van gegevens die ze in het neurale netwerk hebben ingevoerd.

"We maken vingerafdrukken van actuele gegevens, en we labelen ze als goed of slecht, of welk individueel apparaat ze zijn, "zegt Siegel. "Er zijn de goede vingerafdrukken, en dan de vingerafdrukken van de dingen die je huis platbranden. Onze taak op de korte termijn is om erachter te komen wat je huis zal afbranden en wat niet, en op de lange termijn, erachter te komen wat waar is aangesloten."

"Verschuivende intelligentie"

Na het trainen van het netwerk, ze draaiden hun hele installatie - hardware en software - op nieuwe gegevens van dezelfde vier apparaten, en ontdekte dat het onderscheid kon maken tussen de vier soorten apparaten (bijvoorbeeld een ventilator versus een computer) met een nauwkeurigheid van 95,61 procent. Bij het onderscheiden van goede van slechte signalen, het systeem behaalde een nauwkeurigheid van 99,95 procent - iets hoger dan bestaande AFCI's. Het systeem was ook in staat om snel te reageren en een circuit in minder dan 250 milliseconden uit te schakelen, passend bij de prestaties van hedendaagse, gecertificeerde boogdetectoren.

Siegel zegt dat hun slimme stopcontactontwerp alleen maar intelligenter zal worden met toenemende gegevens. Hij stelt zich een neuraal netwerk voor via internet, waar andere gebruikers er verbinding mee kunnen maken en verslag kunnen uitbrengen over hun elektriciteitsverbruik, het leveren van aanvullende gegevens aan het netwerk die het helpen nieuwe definities te leren en nieuwe elektrische patronen te associëren met nieuwe apparaten en apparaten. Deze nieuwe definities zouden dan draadloos worden gedeeld met de verkooppunten van gebruikers, het verbeteren van hun prestaties, en het risico op hinderlijke ritten te verkleinen zonder de veiligheid in gevaar te brengen.

"De uitdaging is als we een miljoen verschillende apparaten proberen te detecteren die worden aangesloten, je moet mensen stimuleren om die informatie met je te delen, "zegt Siegel. "Maar er zijn genoeg mensen zoals wij die dit apparaat zullen zien en in hun huis zullen installeren en het willen trainen."

Naast stopcontacten, Siegel ziet de resultaten van het team als een proof of concept voor "doordringende intelligentie, " en een wereld die bestaat uit alledaagse apparaten en apparaten die intelligent zijn, zelfdiagnose, en inspelen op de behoeften van mensen.

"Dit is allemaal het verschuiven van intelligentie naar de rand, in tegenstelling tot op een server of een datacenter of een desktopcomputer, "zegt Siegel. "Ik denk dat het grotere doel is om alles met elkaar te verbinden, de hele tijd, voor een slimmere, meer onderling verbonden wereld. Dat is de visie die ik wil zien."

Dit verhaal is opnieuw gepubliceerd met dank aan MIT News (web.mit.edu/newsoffice/), een populaire site met nieuws over MIT-onderzoek, innovatie en onderwijs.