reklama
reklama
reklama
reklama
reklama
reklama
reklama
reklama
© adam121 dreamstime.com Przemys艂 elektroniczny | 16 lipca 2018

Dwa projekty rozwojowe w AMCTech

AMCTech na realizacj臋 obu projekt贸w, wsp贸艂finansowanych przed UE, wyda 3.6 mln PLN.
SOLAR LINK 鈥 Usieciowiony Sterownik Lamp Solarnych

Przedmiotem projektu jest opracowanie usieciowionego sterownika lamp solarnych i hybrydowych SOLAR LINK, kt贸ry zapewni lepsze sterowanie lampami oraz energooszcz臋dn膮 i bezprzewodow膮 艂膮czno艣膰 pomi臋dzy lampami, a ich u偶ytkownikami, w艂a艣cicielami i serwisantami.

W bilansie energetycznym istotn膮 funkcj臋 pe艂ni膮 systemy o艣wietleniowe, kt贸re w skali globalnej konsumuj膮 1/5 energii. Od pewnego czasu w艣r贸d system贸w o艣wietleniowych wzrasta rola system贸w off-grid, kt贸re s膮 zasilane z paneli PV lub turbinek wiatrowych i nie wymagaj膮 pod艂膮czenia do sieci energetycznej. Dzi臋ki temu ich instalacja jest znacznie prostsza i szybko zyskuj膮 na popularno艣ci. Systemy te nie s膮 jednak w stanie spe艂nia膰 wymaga艅 norm o艣wietleniowych (PKN-CEN/TR-13201-1) przez ca艂y okres u偶ytkowania 鈥 od zmierzchu do 艣witu przez ca艂y rok. Tymczasem obowi膮zuj膮ce normy o艣wietleniowe dopuszczaj膮 w pewnych warunkach obni偶enie wymaga艅 o艣wietleniowych o 2 klasy. Przeprowadzone analizy wykaza艂y, 偶e redukcja taka w powi膮zaniu z wykorzystaniem w o艣wietleniu 艣wiat艂a naturalnego pozwala na redukcj臋 zu偶ycia energii o ponad 30%.

Warto艣膰 projektu to 1.471 tys PLN, w tym dofinansowanie z Funduszy Europejskich to 1.074 tys PLN.

Badanie skuteczno艣ci algorytm贸w samoucz膮cych dla inteligentnych system贸w monitorowania i diagnostyki maszyn

Przedmiotem projektu jest opracowanie technologii, kt贸re umo偶liwi膮 samouczenie si臋 system贸w monitorowania i diagnostyki maszyn. Na podstawie analizy zapotrzebowania rynku stwierdzono, i偶 obecnie istnieje wyra藕ne zapotrzebowanie na samouczenie si臋 system贸w w obszarze detekcji anomalii oraz w procesie konfiguracji systemu, gdy偶 te dwie czynno艣ci w ramach obs艂ugi system贸w monitorowania i diagnostyki maszyn s膮 wyj膮tkowo pracoch艂onne i kosztowne, przez co cz臋sto stanowi膮 barier臋 dla wdro偶enia.

Z drugiej strony, brak wystarczaj膮cej uwagi w analizie danych lub w konfiguracji systemu, np. podczas ustawiania prog贸w alarmowych, cz臋sto obni偶a efektywno艣膰 systemu, znacznie poni偶ej oczekiwa艅. W projekcie zostanie zbadana rzeczywista przydatno艣膰 r贸偶nych metod znanych og贸lnie jako 鈥濪ata Science” ze szczeg贸lnym uwzgl臋dnieniem metod uczenia maszynowego. Opracowane algorytmy zostan膮 nast臋pnie zaadoptowane do implementacji w 艣rodowiskach wbudowanych, a w przypadku urz膮dze艅 bezprzewodowych, dodatkowo zoptymalizowane pod wzgl臋dem zu偶ycia energii.

Jednym z najbardziej pracoch艂onnych zada艅 b臋dzie badanie efektywno艣ci wykonywania poszczeg贸lnych etap贸w samouczenia na kolejnych poziomach systemu, tj. zasadno艣ci wykonywania kolejnych zada艅 systemu na przetworniku, na bramie sieciowej, na jednostce akwizycji oraz w jednostce centralnej, np. w chmurze. Modu艂y samoucz膮ce w systemach monitorowania s膮 obecnie najbardziej po偶膮dane przez du偶e koncerny energetyczne i petrochemiczne ze wzgl臋du na potrzeb臋 oceny stanu technicznego setek, b膮d藕 nawet tysi臋cy podzespo艂贸w przy jednoczesnym wymaganiu minimalnego nak艂adu pracy na skonfigurowanie oraz obs艂ug臋 systemu.
Projekt realizowany jest w konsorcjum naukowym wraz z Akademi膮 G贸rniczo-Hutnicz膮 im. Stanis艂awa Staszica w Krakowie.

Warto艣膰 projektu to 2.169 tys PLN, w tym dofinansowanie z Funduszy Europejskich 1.801 tys PLN.
reklama
reklama
reklama
reklama
Za艂aduj wi臋cej news贸w
December 12 2018 02:03 V11.10.8-1