1. Виявлення та прогнозування несправностей за допомогою машинного інтелекту.Будь-яка система повинна виявляти або передбачати можливі проблеми, перш ніж вони підуть не так і призведуть до серйозних наслідків.Наразі не існує точно визначеної моделі аномального стану, а технології виявлення аномальних досі відсутні.Необхідно терміново поєднати інформацію датчиків і знання, щоб покращити інтелект машини.
2. За нормальних умов фізичні параметри цілі можна визначити з високою точністю та високою чутливістю;однак у виявленні ненормальних умов і несправностей досягнуто незначного прогресу.Тому існує нагальна потреба у виявленні та прогнозуванні несправностей, які слід активно розвивати та застосовувати.
3. Сучасна технологія зондування може точно відчувати фізичні або хімічні величини в одній точці, але важко відчувати багатовимірні стани.Наприклад, вимірювання навколишнього середовища, характерні параметри якого широко поширені та мають просторові та часові кореляції, також є певним складним завданням, яке потребує термінового вирішення.Тому необхідно посилити дослідження та розробку багатовимірного зондування стану.
4. Дистанційне зондування для аналізу цільових компонентів.Аналіз хімічного складу здебільшого базується на зразках речовин, і іноді відбір зразків цільових матеріалів є складним.Як і у випадку вимірювання рівня озону в стратосфері, дистанційне зондування є незамінним, і поєднання спектрометрії з радіолокаційними або лазерними методами виявлення є одним із можливих підходів.Аналіз без компонентів зразка чутливий до перешкод через різні шуми або середовища між сенсорною системою та цільовими компонентами, і очікується, що машинний інтелект сенсорної системи вирішить цю проблему.
5. Сенсорний інтелект для ефективної переробки ресурсів.Сучасні виробничі системи автоматизували процес виробництва від сировини до продукту, і циклічний процес не є ні ефективним, ні автоматизованим, коли продукт більше не використовується або викидається.Якщо переробка відновлюваних ресурсів може здійснюватися ефективно й автоматично, можна ефективно запобігти забрудненню навколишнього середовища та дефіциту енергії, а також можна реалізувати управління ресурсами життєвого циклу.Для автоматизованого та ефективного процесу циклу використання машинного інтелекту для розрізнення цільових компонентів або певних компонентів є дуже важливим завданням для інтелектуальних сенсорних систем.
Час публікації: 23 березня 2022 р