Ho pensato ai collettori solari in cui diversi specchi indipendenti hanno focalizzato la luce su un collettore solare, in modo simile al seguente design di Energy Innovations.
Poiché ci saranno difetti nell'assemblaggio di questo array solare, sto procedendo con i seguenti presupposti (o mancanza di questi):
Il software conosce la "posizione" di ciascun mirror, ma non sa come questa posizione si collega al mondo reale o ad altri mirror. Ciò spiegherà la scarsa calibrazione del mirror o altri fattori ambientali che possono influenzare un mirror ma non gli altri.
Se uno specchio muove di 10 unità in una direzione e quindi di 10 unità nella direzione opposta, finirà dove è iniziato in origine.
Vorrei utilizzare l'apprendimento automatico per posizionare correttamente gli specchi e focalizzare la luce sul collettore. Mi aspetto di affrontare questo problema come un problema di ottimizzazione, ottimizzando le posizioni dello specchio per massimizzare il calore all'interno del collettore e la potenza erogata.
Il problema è trovare un bersaglio piccolo in uno spazio rumoroso ad alta dimensione (considerando che ogni specchio ha 2 assi di rotazione). Alcuni dei problemi che prevedo sono:
giorni nuvolosi, anche se inciampi sul perfetto allineamento dello specchio, al momento potrebbe essere nuvoloso
dati del sensore rumorosi
il sole è un bersaglio mobile, si muove lungo un sentiero e segue un percorso diverso ogni giorno - anche se potresti calcolare l'esatta posizione del sole in qualsiasi momento, non sapresti come questa posizione si collega ai tuoi specchi
La mia domanda non riguarda l'array solare, ma le possibili tecniche di apprendimento automatico che potrebbero aiutare in questo problema del "piccolo obiettivo in un rumoroso spazio ad alta dimensione". Ho citato l'array solare perché era il catalizzatore di questa domanda e un buon esempio.
Quali tecniche di apprendimento automatico possono trovare un target così piccolo in uno spazio rumoroso ad alta dimensione?
MODIFICARE:
Alcuni pensieri aggiuntivi:
Sì, puoi calcolare la posizione dei soli nel mondo reale, ma non sai come la posizione degli specchi è correlata al mondo reale (a meno che tu non l'abbia imparato in qualche modo). Potresti sapere che l'azimut dei soli è di 220 gradi e l'altezza dei soli di 60 gradi e potresti sapere che uno specchio è in posizione (-20, 42); ora dimmi, quello specchio è correttamente allineato con il sole? Non lo sai.
Supponiamo che tu abbia alcune misurazioni di calore molto sofisticate, e sai "con questo livello di calore, ci devono essere 2 specchi allineati correttamente". Ora la domanda è: quali due mirror (su 25 o più) sono allineati correttamente?
Una soluzione che ho preso in considerazione è stata quella di approssimare la corretta "funzione di allineamento" usando una rete neurale che avrebbe preso i soli azimut ed elevazione come input ed emesso un grande array con 2 valori per ogni specchio che corrispondono ai 2 assi di ciascun mirror. Non sono sicuro di quale sia il miglior metodo di allenamento.
Più pensieri:
I mirror hanno un sistema di coordinate a cui il software ha accesso, ma il software non sa in che modo questo sistema di coordinate mette in relazione il mondo reale. Diciamo che uno specchio è in posizione (4, 42); cosa significa? Non lo so e nemmeno il software. Ma so che se muovo lo specchio e poi lo sposto su (4, 42) lo specchio sarà nella stessa posizione che era in precedenza. Inoltre, due specchi possono essere in posizione (4, 42) ma puntare in direzioni opposte nel mondo reale.
Sì, con molti sensori di qualità il problema è facile da risolvere. Energy Innovations è fuori mercato come meglio posso dire, probabilmente perché hanno usato un sacco di sensori davvero fantastici e la gente ha detto "Comprerò solo pannelli solari, sono più economici".
Gli unici sensori nel sistema sono nella testa del collettore.