当工厂内嵌的传感器在夜间触发警报时，维护团队必须立即做出响应，但是总有可能这只是另一个错误的警报。4月24日消息，据外媒报道，萨尔大学（Saarland University）开发的新传感器系统能够分析信号模式并确定干扰的确切原因，该团队由萨尔大学的实验物理系教授Uwe Hartmann博士领导，在开发传感器系统和分析信号模式方面拥有多年的经验，当他们的系统用于外围围栏的远程监控时，它可以精确地区分有用信号和虚假信号。
该团队进行了一系列测试，他们模拟了几种类型的干扰，例如由不同的球撞击围栏引起的干扰。
现代风力发电机配备了大量传感器，用于监视各种系统参数，如果这些传感器在涡轮叶片中产生较大的振动，则需要通知维护团队。大振幅振动可能有多种原因：叶片上可能积聚冰块，导致转子质量失衡，或者齿轮箱可能损坏。但是，振动的原因可能是完全无害的，例如强烈的阵风冲击机舱，涡轮机的部分容纳了所有发电组件。如果振动仅是由于强阵风引起的，则将不必要地关闭涡轮机，并且维护团队将不必要地跳出塔架。
当旨在警告风力发电机、其他难以接近的工厂或机械中潜在危险振动的传感器产生错误警报时，结果可能会造成破坏性的运营，并且成本很高。萨尔大学为新传感器系统开发的软件现在可以为该问题提供解决方案。由Uwe Hartmann教授领导的研究小组开发了一种系统，该系统能够自动将传入的传感器数据分配给潜在的振动物理原因。
纳米结构研究和纳米技术教授Uwe Hartmann解释说：“这里的关键要素是模式识别，传感器产生的信号模式将根据干扰的性质而有所不同。我们较早的研究使我们处于一个位置，现在我们可以区分许多不同类型的振动或环境磁场的变化，并可以为其根源分配特定的信号模式，这反过来又使我们能够识别并标记任何虚假的信号警报。现在，这些知识已通过使用AI方法转移到其他应用程序中。”
Hartmann和他的团队已经对数据模式进行了将近20年的研究，包括围栏振动时记录的数据。他们开发了传感器系统电缆，可用于监视大面积站点（例如机场或仓库）周围的围栏。这些系统能够区分当有人试图爬过或穿过篱笆时产生的振动类型与风或动物引起的振动类型。Hartmann教授及其研究团队使用的磁场传感器的灵敏度和选择性已经过多年优化，现在可以检测到距电缆长达几米的环境地磁场中的最小变化。这些传感器可以检测到比地球磁场小一百万倍的磁信号，并且无需真空，低温或特殊屏蔽即可做到这一点。
该小组现在已经安装了加速度传感器进一步提高测量的灵敏度。该团队进行了大量测试，他们模拟了一系列导致磁场和加速度发生变化的不同事件，记录在不同情况下出现的典型信号模式，并将其分配给导致那些特征变化的事件。
哈特曼研究小组成员物理学家高滨斌解释说：“我们已经花费了数年的时间优化系统，以便我们可以将重要信号与噪声以及所产生的众多干扰因素完全分离开。通过分析特征信号和数据模式，研究人员可以判断出振动是由篡改围栏的人、由动物摩擦围栏、一阵风还是由击中围栏结构的球引起的。”
计算机科学与电气专业的学生Melvin Chelli解释说：“我们正在开发的模型现在使用机器学习技术来识别传感器数据模式。该系统可以识别典型的信号模式，并使用智能算法将其独立分配给其不同的根本原因。由于信号分析是计算机辅助的模块化过程，它可以很容易地适应不同的应用。智能传感器阵列可以有效地实时自学，以识别表征特定应用的振动模式。”
自新型冠状病毒肺炎疫情爆发以来，传感器专家网一直密切关注疫情进展，根据国家及地方政府的最新调控与安排，为更好的服务相关企业，在疫情期间，传感器专家网免费发布企业相关文章，免费成为传感器专家网认证作者，请点击认证，大家同心协力，抗击疫情，为早日打赢这场防控攻坚战贡献自己的一份力量。