1. Feldetektering och förutsägelse med hjälp av maskinintelligens.Alla system måste upptäcka eller förutse möjliga problem innan de går fel och leder till allvarliga konsekvenser.För närvarande finns det ingen exakt definierad modell för onormalt tillstånd, och onormal detekteringsteknik saknas fortfarande.Det är angeläget att kombinera sensorinformation och kunskap för att förbättra maskinens intelligens.
2. Under normala förhållanden kan de fysiska parametrarna för målet avkännas med hög precision och hög känslighet;dock har små framsteg gjorts när det gäller att upptäcka onormala tillstånd och funktionsfel.Därför finns det ett akut behov av feldetektering och förutsägelse, som bör utvecklas och tillämpas kraftfullt.
3. Den nuvarande avkänningsteknologin kan noggrant känna av fysikaliska eller kemiska storheter vid en enda punkt, men det är svårt att känna av flerdimensionella tillstånd.Till exempel är miljömätning, vars karakteristiska parametrar är vitt spridda och har rumsliga och tidsmässiga korrelationer, också ett slags svårt problem som måste lösas omgående.Därför är det nödvändigt att stärka forskningen och utvecklingen av multidimensionell tillståndsavkänning.
4. Fjärravkänning för målkomponentanalys.Analys av kemisk sammansättning baseras till största delen på provämnen, och ibland är provtagningen av målmaterial svår.Precis som vid mätning av ozonnivåer i stratosfären är fjärranalys oumbärlig, och kombinationen av spektrometri med radar- eller laserdetekteringstekniker är ett möjligt tillvägagångssätt.Analys utan provkomponenter är mottaglig för störningar av olika brus eller media mellan avkänningssystemet och målkomponenterna, och avkänningssystemets maskinintelligens förväntas lösa detta problem.
5. Sensorintelligens för effektiv återvinning av resurser.Moderna tillverkningssystem har automatiserat produktionsprocessen från råvara till produkt och den cirkulära processen är varken effektiv eller automatiserad när produkten inte längre används eller kasseras.Om återvinningen av förnybara resurser kan utföras effektivt och automatiskt kan miljöföroreningar och energibrist effektivt förebyggas, och förvaltningen av livscykelresurser kan realiseras.För en automatiserad och effektiv cykelprocess är det en mycket viktig uppgift för intelligenta avkänningssystem att använda maskinintelligens för att särskilja målkomponenter eller vissa komponenter.
Posttid: Mar-23-2022