감지기
개인 CO2를 포함한 국제 우주 정거장(ISS)의 센서 모니터는 타임 스탬프 데이터와 위치 정보의 상관 관계를 파악하기 위해 위치 추적이 필요합니다. 육안 검사를 기반으로 데이터에 레이블을 지정하는 것은 많은 센서를 추적하는 데 비용이 많이 들고 비실용적입니다. 저렴하고 효율적인 솔루션은 이러한 센서에 있는 하나의 추가 측정 장치를 활용하는 것입니다. 즉, WiFi 또는 Bluetooth 신호 강도 판독값입니다.
이러한 신호 강도 판독값을 사용하여 이 소프트웨어는 개별 센서 장치에 대한 대략적인 위치 정보를 제때에 제공하는 것을 목표로 합니다. 모듈 수준 ISS 센서 추적기(MIST) 프로젝트의 목적은 나중에 ISS에 탑재된 센서를 찾는 데 사용할 수 있도록 WiFi 신호 강도 정보를 기록하기 위한 표준 데이터 형식 및 프로토콜을 설정하는 것입니다. Google과 Apple은 GPS 데이터와 WiFi 강도 판독값을 결합하여 휴대폰 위치를 정확하게 추정하는 위치 서비스용 독점 솔루션을 보유하고 있습니다. 그러나 ISS에서 WiFi 지원 장치를 추적하는 방법은 없습니다.
지원 벡터 머신(SVM)이 추구할 알고리즘으로 선택되었습니다. 주요 동기는 훈련 데이터가 ISS의 주요 비용이기 때문에 훈련에 필요한 샘플 수에 비해 높은 정확도입니다. WiFi 정보를 기록하고 위치를 예측하기 위한 Python 응용 프로그램 및 라이브러리가 개발되었습니다. 수집된 데이터 세트에 대해 매우 정확한 성능을 제공하는 기술 파이프라인이 구성되었습니다. 간단한 이동 창 필터를 사용하여 예측기는 센서가 있는 모듈을 95% 이상의 정확도로 정확하게 식별할 수 있습니다. 추가 개선을 통해 이를 100%에 훨씬 더 가깝게 만들 수 있습니다.
소프트웨어 프로그램은 교육 및 런타임의 두 가지 작동 모드로 구성됩니다. 교육을 위해 WiFi RSSI 데이터는 표준 Linux 명령줄 유틸리티를 사용하여 수집되고 csv 형식으로 저장됩니다. 각 시간 단계의 RSSI 판독값은 번호가 매겨진 위치와 연관됩니다. 이 경우 ISS 모듈입니다. 이 데이터는 불량/희소 판독값을 제거하고 데이터를 SVM 알고리즘에 사용할 수 있는 형식으로 정렬하는 일련의 전처리 기능을 통해 실행됩니다. 그런 다음 SVM은 손으로 조정한 매개변수 세트에 따라 훈련 데이터 세트에 대해 훈련됩니다.
런타임 작동 모드에서 데이터는 훈련 모드와 매우 유사하지만 순차적으로 수집됩니다. 이 데이터는 훈련 데이터와 동일한 전처리기를 통해 실행되므로 훈련 데이터와 런타임 데이터 모두 동일한 평균과 분산으로 조정됩니다. 그런 다음 SVM은 이 사전 처리된 데이터를 가져와서 샘플이 수집된 모듈/위치에 대한 조정된 매개변수를 기반으로 최상의 추측을 합니다. 5~10개 샘플에 대한 이동 창 평균을 사용하여 95% 이상의 추적 정확도를 달성할 수 있습니다. .
서브루틴의 특정 파이프라인이 있을 수 있지만 알고리즘의 개별 측면 중 어느 것도 완전히 새로운 것으로 알려져 있지 않습니다. 다른 유사한 상업 프로젝트가 있지만 GPS 정보 없이 작업할 수 있는 유연성을 명확하게 제공하는 프로젝트는 없습니다.
개발자는 ISS에서 수집된 교육 데이터로 시스템을 테스트하여 시스템 매개변수를 조정하고 진정한 고반사 환경에서 SVM WiFi 추적의 가치를 확인할 수 있는 방법을 찾고 있습니다.
NASA는 이 소프트웨어에 대한 라이선스를 무료로 제공하고 오픈 소스 프로젝트에 일반적으로 사용할 수 있도록 하려고 합니다. 이 이메일 주소는 스팸봇으로부터 보호됩니다. 이를 보려면 JavaScript를 활성화해야 합니다. 라이선스 논의를 시작하려면 202-358-7432로 전화해 주십시오.
감지기
데이터 전송이 어떻게 작동하는지 궁금하신가요? 아니면 구성 요소 간에 데이터를 전송하는 컴퓨터의 기능이 호기심을 유발합니까? 데이터 버스는 기적을 일으키는 것입니다. 흥미롭게도 다양한 유형의 데이터 버스가 있습니다. 그리고 이러한 변종에는 다양한 데이터 전송 기능이 있습니다. 그러나 여기서 질문은 다음과 같습니다. 데이터 버스는 어떻게 작동합니까? 이 기사는 데이터 버스와 작동 방식에 대한 모든 것을 알려줄 것입니다. 또한 데이터베이스와 데이터 버스의 차이점도 배우게 됩니다. 시작하겠습니다! 데이터 버스란 무엇입니까 데이터
오비탈 용접 교육:신흥 용접 인력을 위한 도구 제이슨 밀러, 용접 숙련된 용접공을 찾는 것이 점점 더 어려워지고 있으며 가까운 장래에 더 어려워질 것입니다. 미국 용접 협회(AWS)에 따르면 기존 용접공 인력의 절반 이상이 퇴직을 앞두고 있습니다. 용접공의 평균 연령은 55세입니다. 2020년까지 이 나라는 용접공이 291,000명이나 줄어들 수 있습니다. 이 부족을 해결하는 한 가지 방법은 더 적은 사람으로 더 많은 작업을 수행하는 자동화된 시스템을 사용하는 것입니다. 1960년대에 도입된 이후 자동 궤도식 GTAW(Gas