ಜಿಎಸ್ ಐ ವಿದ್ಯುತ್ ಟ್ರಾನ್ಸ್‌ಫಾರ್ಮರ್ ಬುದ್ಧಿಮತ್ತೆ ಪರಿಹರಣೆ: ವಿಬ್ರೇಶನ್-ವಿದ್ಯುತ್ ಸಂಪರ್ಕದ ಆಧಾರದ ಮೇಕಾನಿಕ ದೋಷ ಹಿಂಭಟ್ಟ ಚೆಚ್ಚು ಪದ್ಧತಿ

18yrs 500-1000 employees 108000m²+m² US$150,000,000+ China

ಮುಖ್ಯ ಸಮಸ್ಯೆ: ಭೂಕಂಪ ಪ್ರವಣ ಪ್ರದೇಶಗಳಲ್ಲಿ ಮತ್ತು ಹೊಸಗಾಗಿರುವ ಜಿಇಎಸ್ ಉತ್ಪನ್ನ ಕೇಂದ್ರಗಳಲ್ಲಿ ವಿದ್ಯುತ್ ಟ್ರಾನ್ಸ್‌ಫಾರ್ಮರ್ (CTs) ಗಳ ಯಾಂತ್ರಿಕ ರಚನೆಗಳು (ಉದಾಹರಣೆಗಳು: ನಿರ್ದೇಶಕ ಅಂಗಗಳು, ಅನಿರೋಧನ ಸ್ಥಾಪಕಗಳು) ನಿರಂತರ ಚಲನೆ ಅಥವಾ ಅನಾವಶ್ಯ ಪ್ರಭಾವಗಳಿಂದ ದೋಷಗೊಳಿಸುತ್ತವೆ. ಇದು ತೆರೆದು ಹೋಗುವುದು, ವಿಘಟನೆಯಾಗುವುದು ಅಥವಾ ವಿಕ್ಷೇಪಣೆಯಾಗುವುದು ರೂಪದ ದೃಷ್ಟಿಗೊಂಡಿರುವ ದೋಷಗಳನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ, ಅದರ ಅಂತ್ಯದಲ್ಲಿ ಅನಿರೋಧನ ದೋಷ ಅಥವಾ ಅನಾವಶ್ಯ ವಿದ್ಯುತ್ ಟ್ರಾನ್ಸ್‌ಫಾರ್ಮರ್ ದೋಷ ಹೊಂದಿ ಗ್ರಿಡ್ ಯೋಗ್ಯತೆಯನ್ನು ಆಧಾರ ಮಾಡುತ್ತದೆ. ಪರಂಪರಾಗತ ಶಕ್ತಿ ನಿರೋಧನ ಪರಿಶೀಲನೆ ವಿಧಾನಗಳು ಅನುಕೂಲವಾಗಿಲ್ಲ ಮತ್ತು ಬಹು ಖರ್ಚು ಹೊಂದಿವೆ.

ನವೀಕರಣಾತ್ಮಕ ಪರಿಹಾರ: ಚಲನೆ ಮತ್ತು ವಿದ್ಯುತ್ ಎರಡೂ ಪಾರಮೆಟರ್‌ಗಳ ನಿರೀಕ್ಷಣೆಯನ್ನು ಸಂಯೋಜಿಸಿ, AI ಇಂಜಿನ್ ನಿಂದ CT ಯಾಂತ್ರಿಕ ದೋಷಗಳ ಮುನ್ನಿರ್ದೇಶ ಮತ್ತು ಬುದ್ಧಿಮತ್ತು ವಿಶ್ಲೇಷಣೆಯನ್ನು ಸಾಧಿಸುತ್ತದೆ.

ಮುಖ್ಯ ತಂತ್ರಜ್ಞಾನ ಅನುವಾದ:

ಬಹು-ಪಾರಮೆಟರ್ ಸಹಕಾರಿ ಸೆನ್ಸಿಂಗ್:

ಉನ್ನತ-ತರಂಗ ಚಲನೆ ನಿರೀಕ್ಷಣೆ: ಮುಖ್ಯ ಟ್ರಾನ್ಸ್‌ಫಾರ್ಮರ್ ಅಂಗಗಳಿಂದ (ಫ್ಲಾಂಜ್‌ಗಳು, ಸ್ಥಾಪಕಗಳು) ವಿಸ್ತೃತ ಬೈಡ್ ಪೈಜೋಇಲೆಕ್ಟ್ರಿಕ್ ಅಕ್ಸೆಲೆರೋಮೀಟರ್ (5Hz-10kHz) ಗಳನ್ನು ನಿರ್ದೇಶಿಸಿ, ಯಾಂತ್ರಿಕ ತೆರೆದು ಹೋಗುವುದು, ಅಂಗ ವಿಕ್ಷೇಪಣೆ, ಅನಿರೋಧನ ದೋಷ ಅಥವಾ ಬಾಹ್ಯ ಚಲನೆಗಳಿಂದ (ಭೂಕಂಪ ತರಂಗಗಳು) ಉತ್ಪಾದಿಸಿದ ಅಸಾಮಾನ್ಯ ರಚನಾ ಚಲನೆ ಸಂಕೇತಗಳನ್ನು ಸರಿಯಾಗಿ ಗ್ರಹಣ ಮಾಡಿ.
ಅನಿಯತ ಪ್ರವೇಶ ವಿದ್ಯುತ್ ಸಂಗ್ರಹ: ಪಾಸಿವ್ ರೋಗೋವ್ಸ್ಕಿ ಕೋಯಲ್ ಗಳನ್ನು ಉಪಯೋಗಿಸಿ, CT ಪ್ರಾಥಮಿಕ ಪಾರ್ಶ್ವ ಸ್ವಿಚಿಂಗ್ ಕ್ರಿಯೆಯ ವಿದ್ಯುತ್ ತರಂಗ ರೂಪಗಳನ್ನು ಸಂಚರಿಸುವಂತೆ ನಿರೀಕ್ಷಿಸಿ. ಸರ್ಕ್ಯುಯಿಟ್ ಬ್ರೇಕರ್ ಕ್ರಿಯೆಯ ಸಂಕೇತಗಳೊಂದಿಗೆ ಸಂಯೋಜಿಸಿ, ಸ್ವಿಚಿಂಗ್ ಕ್ರಿಯೆಗಳನ್ನು ಸರಿಯಾಗಿ ಗುರುತಿಸಿ ಮತ್ತು ಪ್ರವೇಶ ಲಕ್ಷಣಗಳನ್ನು ಮತ್ತು ಅವುಗಳ ಪ್ರಭಾವ ಬಲಗಳನ್ನು CT ಯಾಂತ್ರಿಕ ರಚನೆಯ ಮೇಲೆ ವಿಶ್ಲೇಷಿಸಿ.

AI-ನಿರ್ದೇಶಿತ ಅಂತಃಪ್ರದೇಶ ಬುದ್ಧಿಮತ್ತು ವಿಶ್ಲೇಷಣ ಇಂಜಿನ್:

ಲೋಕೋ ಡೆವೈಸ್ ಮೇಲೆ ಸ್ಥಾಪಿಸಲಾದ ಮೋಟ ತಾಪಮಾನ ಮತ್ತು ಚಲನೆ ಪ್ರತಿರೋಧಕ ಎಡ್ಜ್ ಕಂಪ್ಯೂಟಿಂಗ್ ಮಾಡ್ಯೂಲ್ ನಿಂದ ಚಲನೆ ಮತ್ತು ವಿದ್ಯುತ್ ತರಂಗ ಡೇಟಾ ನಿಂದ ನಿರಂತರ ಪ್ರಕ್ರಿಯೆಯನ್ನು ನಿರ್ವಹಿಸುತ್ತದೆ.
ಮುಖ್ಯ ಕಾರ್ಯ ಒಂದು ಸ್ವಾಧೀನ 1D-CNN (1D ಕನ್ವೋಲ್ಯೂಷನಲ್ ನ್ಯೂರಲ್ ನೆಟ್‌ವರ್ಕ್) ಬುದ್ಧಿಮತ್ತು ವಿಶ್ಲೇಷಣ ಮಾದರಿಯನ್ನು ಉಪಯೋಗಿಸುತ್ತದೆ:

ಇನ್‌ಪುಟ್: ಚಲನೆ ಅಕ್ಸೆಲೆರೇಶನ್ ಕಾಲ-ತರಂಗ ಲಕ್ಷಣಗಳು (FFT ವಿಶ್ಲೇಷಣೆ) + ಸ್ವಿಚಿಂಗ್ ಪ್ರವೇಶ ತರಂಗ ಲಕ್ಷಣಗಳು.
ಆઉಟ್‌ಪುಟ್: 92% ವಿಶ್ವಾಸ ಶೇಕಡಾ ನಿಂದ "ಬಾಲ್ಟ್ ತೆರೆದು ಹೋಗುವುದು," "ಅನಿರೋಧನ ಸ್ಥಾಪಕ ವಿಕ್ಷೇಪಣೆ," "ಯಾಂತ್ರಿಕ ಸಂವಾದ" ರೀತಿಯ ಮುಖ್ಯ ಯಾಂತ್ರಿಕ ದೋಷ ಮಾದರಿಗಳನ್ನು ಸರಿಯಾಗಿ ಗುರುತಿಸುತ್ತದೆ.
ಬಹು ಟ್ರಾನ್ಸ್‌ಫಾರ್ಮರ್ ರಚನೆಗಳ ಮತ್ತು ಪ್ರತಿ ಉತ್ಪನ್ನ ಕೇಂದ್ರದ ಪ್ರಾರಂಭಿಕ ಚಲನೆ ಲಕ್ಷಣಗಳಿಗೆ ಅನುಕೂಲವಾಗಿ ಸ್ವಯಂಚಾಲಿತ ಕಲಿಕೆ ಕ್ಷಮತೆಯನ್ನು ಹೊಂದಿದೆ.

ನಿರೀಕ್ಷಣ ಮತ್ತು ಸಂವಾದ ನಿಂದ ಅನುಕೂಲ ಅನುವರ್ತನ:

ಹಂತದ ನಿರೀಕ್ಷಣ ಮೆಕಾನಿಸಮ್: ದೋಷ ಸಂಕೇತಗಳನ್ನು ಗುರುತಿಸಿದ ನಂತರ, ಎಡ್ಜ್ ಇಂಜಿನ್ ನಿಂದ ನಿರಂತರ ನಿರೀಕ್ಷಣ/ನಿರ್ದೇಶ ಸಂಕೇತಗಳನ್ನು (ಉದಾಹರಣೆಗಳು: ನಿರೀಕ್ಷಣ, ಗುರುತಾರ್ಥ, ಪ್ರಮುಖ) ಉತ್ಪಾದಿಸುತ್ತದೆ.
ಸರಳ ವೈರಿಯಲ್ ಸಂವಾದ: ಲೋರಾ LPWAN ತಂತ್ರಜ್ಞಾನ ಮೂಲಕ ಉತ್ಪನ್ನ ಕೇಂದ್ರದ ಸ್ಥಳೀಯ HMI ಪ್ಲಾಟ್‌ಫಾರ್ಮ್ ಗೆ ಮುಖ್ಯ ನಿರ್ದೇಶ ಸಂಕೇತಗಳನ್ನು (ರಾವ್ ಡೇಟಾ ಆದರೆ ಕೆಲವು ನಿರ್ದಿಷ್ಟ ಮಾಹಿತಿ ಹೊಂದಿರುವ ನಂತರ) ಎನ್ಕ್ರಿಪ್ಟ್ ಮಾಡಿ ಸಂವಹನ ಮಾಡುತ್ತದೆ, ಸಂವಹನ ಬೇರೆಯನ್ನು ಮತ್ತು ದೀರ್ಘಕಾಲ ಕಡಿಮೆ ಮಾಡುತ್ತದೆ.
ಸ್ಥಳೀಯ HMI ಪ್ರದರ್ಶನ: ನಿರೀಕ್ಷಣ ಆಧಾರದ ನಕ್ಷೆಯನ್ನು ನಿರಂತರ ಪ್ರದರ್ಶಿಸುವುದು, ದೋಷ ಹೊಂದಿರುವ CT ಸಂಖ್ಯೆ, ದೋಷ ರೀತಿ, ನಿರ್ದೇಶ ಮಟ್ಟ ಮತ್ತು ಸೂಚಿತ ಕ್ರಿಯೆಗಳನ್ನು ಪ್ರದರ್ಶಿಸುತ್ತದೆ.

ಮುಖ್ಯ ಅನ್ವಯ ಪ್ರದೇಶಗಳು