De demonstrator bestaat uit drie onderdelen: een testbank voor de simulatie van fenomenen die typisch zijn voor het ponsen, een op een grafische processor gebaseerde rekeneenheid voor de centrale verwerking van meetdata en een draadloze grafische HMI voor decentrale visualisering van meetdata.
Bij de huidige stand van de ontwikkeling wordt het ponsproces gesimuleerd zonder het uitvoeren van een echt ponsproces. Dit gebeurt met behulp van een ponsslagsimulator die in intervallen op een strip metaal slaat en daardoor een mechanische impuls (ponsslag) en een akoestisch signaal (ponsgeluid) genereert.
Met behulp van passende sensoren worden ponsslag en ponsgeluid bepaald en draadloos overgedragen naar de centrale grafische processoreenheid. Bovendien worden geselecteerde materiaaleigenschappen van de strip metaal bepaald en gecorreleerd aan ponsslag en ponsgeluid. Met behulp van algoritmes uit de kunstmatige intelligentie is het dan mogelijk real-time te kunnen reageren op onregelmatigheden.
Het tweede onderdeel en hart van de demonstrator is de op een grafische processor gebaseerde centrale rekeneenheid. Een kunstmatig neuraal netwerk correleert de materiaaleigenschappen, procesparameters en de bovengenoemde perceptieve meetgrootheden ponsslag en ponsgeluid.
Google demonstreerde vorig jaar hoe kunstmatige neurale netwerken er in slaagden een mens te kloppen in een partijtje Go. Het ging daarbij niet zozeer over het feit dat, maar de manier waarop de mens werd verslagen.
Vertaald naar het ponsproces is nu het doel om, met behulp van perceptieve meetgrootheden als ponsslag en ponsgeluid en met behulp van kunstmatige neurale netwerken, impliciete procesverbanden zichtbaar te maken. Daardoor wordt een tot nu toe onbekende procesoptimalisatie mogelijk.
Hiertoe wordt in het huidige onderzoekswerk aan het WZL een op kunstmatige neurale netwerken gebaseerd softwareplatform ontwikkeld, dat zulke sensordatastromen in real-time kan analyseren. Zo zal het onder andere mogelijk zijn onregelmatigheden in ponsslag en ponsgeluid real-time te herkennen en hun oorzaken te identificeren. Oorzaken en gevolgen worden dan via een draadloze visualisering zichtbaar gemaakt.
De derde component van de demonstrator is draadloze decentrale visualisering. Met behulp van een HMI wordt gedemonstreerd hoe een machine-operator tijdens het echte proces real-time over de oorzaken en gevolgen van onregelmatigheden in het proces kan worden geïnformeerd.
De ontwikkeling van deze gebruikersinterface is eveneens onderwerp van het onderzoek. Daarbij wordt bijzondere aandacht besteed aan het gemakkelijk begrijpen van de user interface, opdat de machineoperator op eenvoudige wijze de noodzakelijke informatie krijgt om het proces op elk moment optimaal te kunnen besturen.
De Pi-Pop is een e-bike zonder de gewone energiecellen. Hij werkt op kracht zonder lithium-ion,…
Straling vanuit de ruimte is een uitdaging voor kwantumcomputers, omdat hun rekentijd beperkt wordt door…
Na meer dan 40 jaar voor KSB te hebben gewerkt, gaat directeur Nico Gitz binnenkort…
3T Electronics & Embedded Systems, onderdeel van de Kendrion Group, heeft een nieuwe locatie in…
Een nieuw huisbeveiligingssysteem schiet indringers de tuin uit met paintballs of traangas. Het is te…
Om ervoor te zorgen dat er steeds meer hernieuwbare waterstof wordt geproduceerd in Nederland en…