Avez-vous déjà branché un aspirateur, seulement pour qu'il s'éteigne sans avertissement avant que le travail ne soit terminé ? Ou peut-être que votre lampe de bureau fonctionne bien, jusqu'à ce que vous allumiez le climatiseur branché sur la même multiprise.

Ces interruptions sont vraisemblablement des « voyages de nuisance, " dans lequel un détecteur installé derrière le mur déclenche le circuit électrique d'une prise lorsqu'il détecte quelque chose qui pourrait être un arc électrique, une étincelle potentiellement dangereuse dans la ligne électrique.

Le problème avec les détecteurs de défaut d'arc d'aujourd'hui, selon une équipe d'ingénieurs du MIT, c'est qu'ils pèchent souvent par excès de sensibilité, couper l'alimentation d'une prise en réponse à des signaux électriques qui sont en fait inoffensifs.

Maintenant, l'équipe a développé une solution qu'ils appellent une "prise de courant intelligente, " sous la forme d'un appareil capable d'analyser l'utilisation du courant électrique d'une ou de plusieurs prises, et peut faire la distinction entre les arcs bénins - les pointes électriques inoffensives telles que celles causées par les appareils électroménagers courants - et les arcs dangereux, comme des étincelles résultant d'un câblage défectueux et pouvant provoquer un incendie. L'appareil peut également être formé pour identifier ce qui pourrait être branché sur une prise particulière, comme un ventilateur par rapport à un ordinateur de bureau.

La conception de l'équipe comprend du matériel personnalisé qui traite les données de courant électrique en temps réel, et un logiciel qui analyse les données via un réseau de neurones, un ensemble d'algorithmes d'apprentissage automatique inspirés du fonctionnement du cerveau humain.

Dans ce cas, l'algorithme d'apprentissage automatique de l'équipe est programmé pour déterminer si un signal est nocif ou non en comparant un signal capturé à d'autres que les chercheurs utilisaient auparavant pour entraîner le système. Plus le réseau est exposé aux données, plus il peut apprendre avec précision les « empreintes digitales » caractéristiques utilisées pour différencier le bien du mal, ou même de distinguer un appareil d'un autre.

Josué Siegel, chercheur au département de génie mécanique du MIT, indique que la prise de courant intelligente est capable de se connecter sans fil à d'autres appareils, dans le cadre de "l'internet des objets" (IoT). Il envisage finalement un réseau omniprésent dans lequel les clients peuvent installer non seulement une prise de courant intelligente dans leur maison, mais aussi une application sur leur téléphone, grâce auquel ils peuvent analyser et partager des données sur leur consommation électrique. Ces données, tels que quels appareils sont branchés où, et quand une prise s'est réellement déclenchée et pourquoi, seraient partagés de manière sécurisée et anonyme avec l'équipe pour affiner davantage leur algorithme d'apprentissage automatique, facilitant l'identification d'une machine et la distinction entre un événement dangereux et un événement bénin.

"En rendant l'IoT capable d'apprendre, vous pouvez constamment mettre à jour le système, pour que votre aspirateur déclenche le disjoncteur une à deux fois la première semaine, mais ça deviendra plus intelligent avec le temps, " dit Siegel. " Au moment où vous avez 1, 000 ou 10, 000 utilisateurs contribuant au modèle, très peu de gens vivront ces voyages intempestifs car il y a tellement de données agrégées à partir de tant de maisons différentes."

Siegel et ses collègues ont publié leurs résultats dans la revue Engineering Applications of Artificial Intelligence. Ses co-auteurs sont Shane Pratt, Soleil de Yongbin, et Sanjay Sarma, le professeur Fred Fort Flowers et Daniel Fort Flowers de génie mécanique et vice-président de l'apprentissage ouvert au MIT.

Empreintes électriques

Pour réduire les risques d'incendie, les maisons modernes peuvent utiliser un interrupteur de circuit de défaut d'arc (AFCI), un dispositif qui interrompt les circuits défectueux lorsqu'il détecte certains schémas électriques potentiellement dangereux.

"Tous les modèles AFCI que nous avons démontés comportaient de petits microprocesseurs, et ils exécutaient un algorithme régulier qui cherchait assez primitif, signatures simples d'un arc, " dit Pratt.

Pratt et Siegel ont entrepris de concevoir un détecteur plus perspicace capable de distinguer une multitude de signaux pour distinguer un modèle électrique bénin d'un modèle potentiellement dangereux.

Leur configuration matérielle se compose d'un micro-ordinateur Raspberry Pi modèle 3, un petit prix, processeur économe en énergie qui enregistre les données de courant électrique entrantes ; et une pince à courant inductif qui se fixe autour du fil d'une prise sans réellement le toucher, qui détecte le courant passant comme un champ magnétique changeant.

Entre la pince ampèremétrique et le micro-ordinateur, l'équipe a connecté une carte son USB, matériel de base similaire à ce que l'on trouve dans les ordinateurs conventionnels, qu'ils utilisaient pour lire les données actuelles entrantes. L'équipe a découvert que ces cartes son sont parfaitement adaptées à la capture du type de données produites par les circuits électroniques, car ils sont conçus pour capter de très petits signaux à des débits de données élevés, semblable à ce qui serait émis par un fil électrique.

La carte son est également venue avec d'autres avantages, y compris un convertisseur analogique-numérique intégré qui échantillonne les signaux à 48 kiloherz, ce qui signifie qu'il prend les mesures 48, 000 fois par seconde, et une mémoire tampon intégrée, permettre au dispositif de l'équipe de surveiller en permanence l'activité électrique, en temps réel.

En plus d'enregistrer les données entrantes, une grande partie de la puissance de traitement du micro-ordinateur est consacrée au fonctionnement d'un réseau de neurones. Pour leur étude, ils ont formé le réseau à établir « des définitions, " ou reconnaître les schémas électriques associés, produit par quatre configurations d'appareils :un ventilateur, un ordinateur iMac, un brûleur de cuisinière, et un générateur d'ozone - un type de purificateur d'air qui produit de l'ozone en chargeant électriquement de l'oxygène dans l'air, qui peut produire une réaction similaire à un défaut d'arc dangereux.

L'équipe a fait fonctionner chaque appareil plusieurs fois dans diverses conditions, recueillir des données qu'ils ont introduites dans le réseau de neurones.

« Nous créons des empreintes digitales des données actuelles, et nous les étiquetons comme bons ou mauvais, ou de quel appareil il s'agit, " dit Siegel. " Il y a les bonnes empreintes digitales, et puis les empreintes digitales des choses qui brûlent votre maison. Notre travail à court terme est de déterminer ce qui va brûler votre maison et ce qui ne le fera pas, et à long terme, comprendre exactement ce qui est branché où.

« Intelligence changeante »

Après avoir formé le réseau, ils ont exécuté toute leur configuration (matériel et logiciel) sur de nouvelles données provenant des quatre mêmes appareils, et a découvert qu'il était capable de discerner entre les quatre types d'appareils (par exemple, un ventilateur par rapport à un ordinateur) avec une précision de 95,61 %. En identifiant les bons des mauvais signaux, le système a atteint une précision de 99,95 %, soit légèrement plus que les AFCI existants. Le système a également été capable de réagir rapidement et de déclencher un circuit en moins de 250 millisecondes, correspondant aux performances du contemporain, détecteurs d'arc certifiés.

Siegel dit que leur conception de prise de courant intelligente ne fera que devenir plus intelligente avec l'augmentation des données. Il envisage de faire fonctionner un réseau de neurones sur Internet, où d'autres utilisateurs peuvent s'y connecter et rendre compte de leur consommation électrique, fournir des données supplémentaires au réseau qui l'aident à apprendre de nouvelles définitions et à associer de nouveaux modèles électriques avec de nouveaux appareils et dispositifs. Ces nouvelles définitions seraient ensuite partagées sans fil avec les points de vente des utilisateurs, améliorer leurs performances, et réduire le risque de déplacements intempestifs sans compromettre la sécurité.

"Le défi est, si nous essayons de détecter un million d'appareils différents qui se branchent, vous devez inciter les gens à partager cette information avec vous, " dit Siegel. "Mais il y a suffisamment de gens comme nous qui verront cet appareil et l'installeront dans leur maison et voudront le former."

Au-delà des prises électriques, Siegel considère les résultats de l'équipe comme une preuve de concept pour « l'intelligence omniprésente, " et un monde fait d'appareils et d'appareils du quotidien intelligents, auto-diagnostique, et à l'écoute des besoins des gens.

"C'est tout un déplacement de l'intelligence vers le bord, par opposition à sur un serveur ou un centre de données ou un ordinateur de bureau, " dit Siegel. " Je pense que l'objectif plus large est d'avoir tout connecté, tout le temps, pour un plus intelligent, monde plus interconnecté. C'est la vision que je veux voir."

Cette histoire est republiée avec l'aimable autorisation de MIT News (web.mit.edu/newsoffice/), un site populaire qui couvre l'actualité de la recherche du MIT, innovation et enseignement.