Hai mai collegato un aspirapolvere, solo per averlo spento senza preavviso prima che il lavoro sia finito? O forse la tua lampada da scrivania funziona bene, finché non accendi il condizionatore che è collegato alla stessa ciabatta.

Queste interruzioni sono probabilmente "viaggi fastidiosi, " in cui un rilevatore installato dietro il muro fa scattare il circuito elettrico di una presa quando rileva qualcosa che potrebbe essere un arco elettrico, una scintilla potenzialmente pericolosa nella linea elettrica.

Il problema con i rilevatori di guasti d'arco odierni, secondo un team di ingegneri del MIT, è che spesso sbagliano per eccesso di sensibilità, spegnere l'alimentazione di una presa in risposta a segnali elettrici che sono effettivamente innocui.

Ora il team ha sviluppato una soluzione che chiamano "presa di corrente intelligente, " sotto forma di un dispositivo in grado di analizzare l'utilizzo della corrente elettrica da una o più prese, e può distinguere tra archi benigni - picchi elettrici innocui come quelli causati dai comuni elettrodomestici - e archi pericolosi, come le scintille che derivano da un cablaggio difettoso e potrebbero provocare un incendio. Il dispositivo può anche essere addestrato per identificare cosa potrebbe essere collegato a una particolare presa, come un ventilatore rispetto a un computer desktop.

Il design del team comprende hardware personalizzato che elabora i dati della corrente elettrica in tempo reale, e un software che analizza i dati tramite una rete neurale, un insieme di algoritmi di apprendimento automatico ispirati al funzionamento del cervello umano.

In questo caso, l'algoritmo di apprendimento automatico del team è programmato per determinare se un segnale è dannoso o meno confrontando un segnale catturato con altri che i ricercatori hanno precedentemente utilizzato per addestrare il sistema. Maggiore è il numero di dati a cui è esposta la rete, più accuratamente può apprendere le caratteristiche "impronte digitali" utilizzate per differenziare il bene dal male, o anche per distinguere un apparecchio da un altro.

Giosuè Siegel, un ricercatore presso il Dipartimento di Ingegneria Meccanica del MIT, dice che la presa di corrente intelligente è in grado di connettersi ad altri dispositivi in ​​modalità wireless, come parte dell'"Internet delle cose" (IoT). Alla fine immagina una rete pervasiva in cui i clienti possono installare non solo una presa di corrente intelligente nelle loro case, ma anche un'app sul telefono, attraverso il quale possono analizzare e condividere dati sul loro consumo elettrico. Questi dati, ad esempio quali elettrodomestici sono collegati dove, e quando una presa è effettivamente scattata e perché, sarebbero stati condivisi in modo sicuro e anonimo con il team per perfezionare ulteriormente il loro algoritmo di apprendimento automatico, facilitando l'identificazione di una macchina e la distinzione di un evento pericoloso da uno benigno.

"Rendendo l'IoT in grado di apprendere, sei in grado di aggiornare costantemente il sistema, in modo che l'aspirapolvere possa attivare l'interruttore di circuito una o due volte la prima settimana, ma diventerà più intelligente nel tempo, " dice Siegel. "Quando avrai 1, 000 o 10, 000 utenti che contribuiscono al modello, pochissime persone sperimenteranno questi viaggi fastidiosi perché ci sono così tanti dati aggregati da così tante case diverse".

Siegel e i suoi colleghi hanno pubblicato i loro risultati sulla rivista Engineering Applications of Artificial Intelligence. I suoi coautori sono Shane Pratt, Yongbin Sole, e Sanjay Sarma, il professore di ingegneria meccanica Fred Fort Flowers e Daniel Fort Flowers e vice presidente dell'open learning al MIT.

Impronte digitali

Per ridurre il rischio di incendio, le case moderne possono utilizzare un interruttore di circuito di guasto d'arco (AFCI), un dispositivo che interrompe i circuiti difettosi quando rileva determinati schemi elettrici potenzialmente pericolosi.

"Tutti i modelli AFCI che abbiamo smontato contenevano piccoli microprocessori, e stavano eseguendo un algoritmo regolare che sembrava abbastanza primitivo, semplici firme di un arco, "dice Pratt.

Pratt e Siegel hanno deciso di progettare un rilevatore più perspicace in grado di discriminare tra una moltitudine di segnali per distinguere un modello elettrico benigno da uno potenzialmente dannoso.

La loro configurazione hardware consiste in un microcomputer Raspberry Pi Model 3, a basso costo, processore ad alta efficienza energetica che registra i dati della corrente elettrica in ingresso; e una pinza amperometrica induttiva che si fissa attorno al filo di una presa senza toccarlo effettivamente, che rileva la corrente che passa come un campo magnetico variabile.

Tra la pinza amperometrica e il microcomputer, il team ha collegato una scheda audio USB, hardware di base simile a quello che si trova nei computer convenzionali, che hanno usato per leggere i dati correnti in entrata. Il team ha scoperto che tali schede audio sono ideali per catturare il tipo di dati prodotti dai circuiti elettronici, poiché sono progettati per raccogliere segnali molto piccoli a velocità di trasmissione dati elevate, simile a quello che verrebbe emesso da un filo elettrico.

La scheda audio ha anche altri vantaggi, compreso un convertitore analogico-digitale integrato che campiona i segnali a 48 kiloherz, il che significa che prende le misure 48, 000 volte al secondo, e un buffer di memoria integrato, consentendo al dispositivo del team di monitorare continuamente l'attività elettrica, in tempo reale.

Oltre a registrare i dati in entrata, gran parte della potenza di elaborazione del microcomputer è dedicata all'esecuzione di una rete neurale. Per il loro studio, hanno addestrato la rete a stabilire "definizioni, " o riconoscere schemi elettrici associati, prodotto da quattro configurazioni di dispositivi:un ventilatore, un computer iMac, un fornello da cucina, e un generatore di ozono, un tipo di purificatore d'aria che produce ozono caricando elettricamente l'ossigeno nell'aria, che può produrre una reazione simile a un pericoloso arco elettrico.

Il team ha eseguito ogni dispositivo numerose volte in una serie di condizioni, raccogliendo dati che immettevano nella rete neurale.

"Creiamo le impronte digitali dei dati attuali, e li etichettiamo come buoni o cattivi, o quale dispositivo individuale sono, " dice Siegel. "Ci sono le buone impronte digitali, e poi le impronte digitali delle cose che bruciano la tua casa. Il nostro compito a breve termine è capire cosa ti brucerà la casa e cosa no, e a lungo termine, capire esattamente cosa è collegato e dove."

"Intelligenza in movimento"

Dopo aver addestrato la rete, hanno eseguito l'intera configurazione, hardware e software, su nuovi dati dagli stessi quattro dispositivi, e ha scoperto che era in grado di distinguere tra i quattro tipi di dispositivi (ad esempio, una ventola rispetto a un computer) con una precisione del 95,61%. Nell'identificare i segnali positivi da quelli negativi, il sistema ha raggiunto una precisione del 99,95%, leggermente superiore rispetto agli AFCI esistenti. Il sistema è stato anche in grado di reagire rapidamente e far scattare un circuito in meno di 250 millisecondi, abbinando le prestazioni del contemporaneo, rivelatori d'arco certificati.

Siegel afferma che il design della loro presa di corrente intelligente diventerà solo più intelligente con l'aumento dei dati. Immagina di far funzionare una rete neurale su Internet, dove altri utenti possono collegarsi e riferire sul loro consumo elettrico, fornendo dati aggiuntivi alla rete che la aiutano ad apprendere nuove definizioni e ad associare nuovi schemi elettrici a nuovi apparecchi e dispositivi. Queste nuove definizioni verrebbero quindi condivise in modalità wireless con i punti vendita degli utenti, migliorare le proprie prestazioni, e riducendo il rischio di viaggi fastidiosi senza compromettere la sicurezza.

"La sfida è se stiamo cercando di rilevare un milione di dispositivi diversi che vengono collegati, devi incentivare le persone a condividere queste informazioni con te, " Dice Siegel. "Ma ci sono abbastanza persone come noi che vedranno questo dispositivo e lo installeranno nella loro casa e vorranno addestrarlo".

Al di là delle prese elettriche, Siegel vede i risultati del team come una prova del concetto di "intelligenza pervasiva, " e un mondo fatto di dispositivi ed elettrodomestici di uso quotidiano che sono intelligenti, autodiagnosi, e rispondente ai bisogni delle persone.

"Tutto questo è spostare l'intelligenza al limite, rispetto a un server o un data center o un computer desktop, " Dice Siegel. "Penso che l'obiettivo più grande sia avere tutto collegato, tutto il tempo, per uno più intelligente, mondo più interconnesso. Questa è la visione che voglio vedere".

Questa storia è stata ripubblicata per gentile concessione di MIT News (web.mit.edu/newsoffice/), un popolare sito che copre notizie sulla ricerca del MIT, innovazione e didattica.