健康教育网
一支用于麻省理工学院工程师的团队开发了一种设备形式的“智能电源插座”，可以从单个或多个插座分析电流使用情况。图像：麻省理工学院的克里斯汀·丹尼洛夫（Christine Daniloff）
你有没有插入真空吸尘器，只有在工作完成之前没有警告就关闭了它？或者也许您的桌子灯正常工作，直到您打开插入相同电源条的空调。
这些中断可能是“滋扰之旅”，其中安装在墙壁后面的探测器在感应为弧形故障的东西时驾驶出口的电路 - 电线中的潜在危险的火花。
根据麻省理工学院工程师团队的情况，今天的弧形故障探测器的问题在于它们经常在过度敏感的一侧错误，响应实际无害的电信号关闭出口的电源。
现在，该团队开发了一种解决方案，他们正在调用“智能电源插座”，以可以从单个或多个插座分析电流使用的设备的形式，并且可以区分良性弧 - 诸如这些的无害电气尖峰由普通家用电器和危险弧引起的，如引发来自接线的引发，可能导致火灾。还可以训练该设备以识别可能插入特定插座的内容，例如风扇与台式计算机。
该团队的设计包括定制硬件，该硬件在实时处理电流数据，以及通过神经网络分析数据的软件 - 一组机器学习算法被人类大脑的工作启发。
在这种情况下，该团队的机器学习算法被编程为确定信号是否是有害的，而不是通过将捕获的信号与先前用于训练系统的研究人员进行比较。网络接触到的数据越多，可以准确地学习用于区分良好的特征“指纹”，甚至将一个设备与另一个设备区分开来。
Joshua Siegel是MIT机械工程系的研究科学家表示，智能电源插座能够无线连接到其他设备，作为“物联网”（IOT）的一部分。他最终设想了一个普遍的网络，客户不仅可以在他们的家中安装智能电源插座，还可以在他们的手机上安装一个应用程序，他们可以通过它分析和分享数据的电气使用情况。这些数据，例如插入何处，当出口实际绊倒的东西以及为什么，将与团队安全地共享为什么，以进一步完善其机器学习算法，使其更容易识别机器并区分来自良性的危险事件。
“通过使IOT能够学习，您可以不断更新系统，使您的吸尘器可以在第一周触发一次或两次，但随着时间的推移，它会变得更聪明，”Siegel说。“当你有1000或10,000名贡献模型的用户来说，很少有人会遇到这些滋扰之旅，因为这是从这么多不同的房屋中汇总的那么多的数据。”
Siegel和他的同事们在人工智能的期刊工程应用中发表了他们的结果。他的共同作者是Shane Pratt，Yongbin Sun和Sanjay Sarma，弗雷德堡鲜花和Daniel Fort Flowers机械工程和副总裁MIT。
电指纹
为了降低火灾风险，现代房屋可能利用电弧故障电路断路器（AFCI），当感测某些潜在的危险电气模式时，可以使用断路器的设备。
“我们分开的所有AFCI模型都有很少的微处理器，他们正在运行一个常规算法，这些算法寻找相当原始的，弧形的简单签名，”Pratt说。
Pratt和Siegel旨在设计一个更辨别的探测器，可以区分多个信号，以从潜在的有害的探测良性的电气模式。
它们的硬件设置包括Raspberry PI型号3微型计算机，一种低成本，功率高效的处理器，记录了电流数据;和一个围绕出口导线固定的电感电流夹，而无需实际触摸它，这意味着作为改变磁场的通过电流。
在目前的钳位和微计算机之间，团队连接了USB声卡，商品硬件类似于传统计算机中的发现，它们用于读取传入的当前数据。该团队发现这种声卡非常适合捕获电子电路产生的数据类型，因为它们被设计成在高数据速率下拾取非常小的信号，类似于电线将被释放的内容。
声卡也带来了其他优点，包括一个内置的模数转换器，它在48千赫中的信号采样信号，这意味着它需要测量48,000次，以及集团的设备监控电气的集成内存缓冲区在实时活动的活动。
除了记录传入数据之外，大部分微型计算机的处理能力都致力于运行神经网络。对于他们的研究，他们培训了网络建立了“定义”或识别相关的电气模式，由四个设备配置产生：风扇，IMAC计算机，炉灶燃烧器和臭氧发生器 - 一种产生臭氧的空气净化器通过在空气中充电氧，这可以产生类似于危险的弧形故障的反应。
该团队在一系列条件下无数次运行每个设备，收集他们馈入神经网络的数据。
“我们创建了当前数据的指纹，我们将它们标记为好坏，或者是他们所在的算法，”Siegel说。“有良好的指纹，然后是燃烧房子的东西的指纹。我们在近期的工作是p出来将要烧掉你的房子，并且不会在长期，并且在长期，究竟是插入的地方。“
“转移智慧”
培训网络后，他们运行了整个设置 - 硬件和软件 - 在同一四个设备的新数据上，发现它能够在四种类型的设备（例如，风扇与计算机）之间辨别，95.61％准确性。在识别不良信号的好处，系统的精度达到99.95％ - 略高于现有的AFCIS。该系统还能够快速反应并跳闸250毫秒的电路，匹配现代认证弧探测器的性能。
Siegel说他们的智能电源插座设计只会在增加数据时获得更加智能。他想象在互联网上运行神经网络，其他用户可以连接到它并报告它们的电气用途，为网络提供额外的数据，帮助它学习新的定义并将新的电气模式与新设备和设备联系起来。然后，这些新定义将无线地分享给用户的网点，提高其性能，并降低滋扰旅行的风险而不会损害安全性。
“挑战是，如果我们试图检测到已插入的一百万个不同的设备，您必须激励人们与您分享该信息，”Siegel说。“但是有足够的人喜欢我们会看到这个设备并在他们的房子里安装它，并希望训练它。”
超越电气插座，Siegel将团队的结果视为“普遍智力”的概念证明，以及由日常设备和设备组成的世界，这些设备和家电都符合智能，自我诊断，响应于人们的需求。
“这就是边缘的所有智能，而不是在服务器或数据中心或台式计算机上，”Siegel说。“我认为较大的目标是让所有时间都有一切，因为更聪明，更加互联的世界。这是我想要看到的愿景。“
