Je pensais aux capteurs solaires où plusieurs miroirs indépendants pour concentrer la lumière sur un capteur solaire, semblable à la conception suivante d'Energy Innovations.
Parce qu'il y aura des défauts dans l'assemblage de ce générateur solaire, je fais les hypothèses suivantes (ou leur absence):
Le logiciel connaît la "position" de chaque miroir, mais ne sait pas comment cette position se rapporte au monde réel ou à d'autres miroirs. Cela explique le mauvais étalonnage du miroir ou d'autres facteurs environnementaux qui peuvent affecter un miroir mais pas les autres.
Si un miroir se déplace de 10 unités dans une direction, puis de 10 unités dans la direction opposée, il finira là où il a commencé à l'origine.
Je voudrais utiliser l'apprentissage automatique pour positionner correctement les miroirs et concentrer la lumière sur le collecteur. Je pense que j'aborderais cela comme un problème d'optimisation, en optimisant les positions du miroir pour maximiser la chaleur à l'intérieur du collecteur et la puissance de sortie.
Le problème est de trouver une petite cible dans un espace bruyant de haute dimension (en considérant que chaque miroir a 2 axes de rotation). Certains des problèmes que j'anticipe sont:
jours nuageux, même si vous tombez sur l'alignement parfait du miroir, il peut être nuageux à l'époque
données de capteur bruyantes
le soleil est une cible en mouvement, il se déplace le long d'un chemin et suit un chemin différent chaque jour - bien que vous puissiez calculer la position exacte du soleil à tout moment, vous ne sauriez pas comment cette position se rapporte à vos miroirs
Ma question ne porte pas sur le panneau solaire, mais sur d'éventuelles techniques d'apprentissage automatique qui pourraient aider dans ce problème de "petite cible dans un espace dimensionnel élevé bruyant". J'ai mentionné le panneau solaire parce qu'il était le catalyseur de cette question et un bon exemple.
Quelles techniques d'apprentissage automatique peuvent trouver une cible aussi petite dans un espace bruyant de grande dimension?
ÉDITER:
Quelques réflexions supplémentaires:
Oui, vous pouvez calculer la position des soleils dans le monde réel, mais vous ne savez pas comment la position des miroirs est liée au monde réel (sauf si vous l'avez appris d'une manière ou d'une autre). Vous savez peut-être que l'azimut du soleil est de 220 degrés et que l'élévation du soleil est de 60 degrés, et vous savez peut-être qu'un miroir est en position (-20, 42); dis-moi maintenant, ce miroir est-il correctement aligné avec le soleil? Tu ne sais pas.
Supposons que vous ayez des mesures de chaleur très sophistiquées, et vous savez "avec ce niveau de chaleur, il doit y avoir 2 miroirs correctement alignés". Maintenant, la question est de savoir quels miroirs (sur 25 ou plus) sont correctement alignés?
Une solution que j'ai envisagée était d'approximer la "fonction d'alignement" correcte en utilisant un réseau neuronal qui prendrait l'azimut et l'élévation du soleil en entrée et produirait un grand tableau avec 2 valeurs pour chaque miroir qui correspondent aux 2 axes de chaque miroir. Je ne sais pas quelle est la meilleure méthode d'entraînement.
Plus de réflexions:
Les miroirs ont un système de coordonnées auquel le logiciel a accès, mais le logiciel ne sait pas comment ce système de coordonnées relie le monde réel. Disons qu'un miroir est en position (4, 42); Qu'est-ce que ça veut dire? Je ne sais pas et le logiciel non plus. Mais je sais que si je déplace le miroir, puis le ramène à (4, 42), le miroir sera dans la même position qu'il était auparavant. De plus, deux miroirs peuvent être en position (4, 42) mais pointer dans des directions opposées dans le monde réel.
Oui, avec beaucoup de capteurs de qualité, le problème est facile à résoudre. Energy Innovations est en faillite du mieux que je peux dire, probablement parce qu'ils ont utilisé un tas de capteurs vraiment géniaux et les gens ont dit "Je vais juste acheter des panneaux solaires, ils sont moins chers."
Les seuls capteurs du système se trouvent dans la tête de capteur.