Predikcia izbovej teploty pomocou senzora LM35 a strojového učenia: 4 kroky

2024 Autor: John Day | [email protected]. Naposledy zmenené: 2024-01-30 11:58

Úvod

Dnes sa zameriavame na vybudovanie projektu strojového učenia, ktoré predpovedá teplotu pomocou polynómovej regresie.

Strojové učenie je aplikácia umelej inteligencie (AI), ktorá poskytuje systémom schopnosť automaticky sa učiť a zlepšovať zo skúseností bez toho, aby boli výslovne naprogramované. Strojové vzdelávanie sa zameriava na vývoj počítačových programov, ktoré môžu pristupovať k údajom a používať ich pri učení sa samy.

Polynomiálna regresia: -polynomiálna regresia je forma regresnej analýzy, v ktorej je vzťah medzi nezávislou premennou x a závislou premennou y modelovaný ako polynóm n-tého stupňa v x.

Predikcia:-Strojové učenie je spôsob identifikácie vzorcov v dátach a ich použitia na automatické vytváranie predpovedí alebo rozhodnutí. … Pri regresii sa naučíte merať koreláciu medzi dvoma premennými a vypočítať najvhodnejšiu líniu na vytváranie predpovedí, keď je základný vzťah lineárny.

2. Veci použité v tomto projekte

Hardvérové komponenty

1. Žena/žena prepojovacie vodiče × (podľa potreby)
2. Breadboard (všeobecný) × 1
3. Senzor LM35 × 1
4. Bolt IoT Bolt WiFi modul × 1

Softvérové aplikácie a online služby

1. Bolt IoT Bolt CloudBolt
2. Aplikácia IoT pre Android

Krok 1: Pripojenie snímača LM35 k skrutke

Krok 1: Držte snímač takým spôsobom, aby ste na ňom mohli čítať napísaný LM35.

Krok 2: V tejto polohe identifikujte kolíky senzora ako VCC, Output a Gnd zľava doprava.

Na obrázku hardvéru je VCC pripojený k červenému vodiču, výstup je pripojený k oranžovému vodiču a Gnd je pripojený k hnedému vodiču.

Krok 3: Pripojením 3 vývodov LM35 k káblovému Wifi modulu pomocou mužského a ženského vodiča nasledovne:

• VCC pin LM35 sa pripája k 5v modulu Bolt Wifi.
• Výstupný kolík LM35 sa pripája k A0 (analógový vstupný kolík) modulu Bolt Wifi.
• Gnd pin LM35 sa pripája k Gnd.

Krok 2: Predpovedanie teploty

Krok 1: Vykonajte rovnaké pripojenia ako na obrazovke „Hardvérové pripojenia pre monitor teploty“v téme „Snímač rozhrania cez VPS“modulu „Cloud, API a výstrahy“.

Krok 2: Zapnite obvod a nechajte ho pripojiť sa k cloudu Bolt. (Zelená LED dióda skrutky by mala svietiť)

Krok 3: Prejdite na cloud.boltiot.com a vytvorte nový produkt. Pri vytváraní produktu vyberte typ produktu ako výstupné zariadenie a typ rozhrania ako GPIO. Po vytvorení produktu vyberte nedávno vytvorený produkt a potom kliknite na ikonu konfigurácie.

Krok 4: Na karte hardvéru vyberte prepínač vedľa kolíka A0. Pinu dajte názov „temp“a uložte konfiguráciu pomocou ikony „Save“.

Krok 5: Prejdite na kartu kódu, zadajte pre kód produktu názov „predvídať“a vyberte typ kódu ako js.

Krok 6: Napíšte nasledujúci kód na vykreslenie údajov o teplote, spustenie polynómového regresného algoritmu na údajoch a uloženie konfigurácií produktu.

setChartLibrary ('google-chart');

setChartTitle ('PolynomialRegression');

setChartType ('predictionGraph');

setAxisName ('časová pečiatka', 'teplota');

mul (0,0977);

plotChart ('časová pečiatka', 'teplota');

Krok 7: Na karte produktov vyberte vytvorený produkt a potom kliknite na ikonu odkazu. V rozbaľovacom zozname vyberte svoje zariadenie Bolt a potom kliknite na tlačidlo Hotovo.

Krok 8: Kliknutím na tlačidlo „nasadiť konfiguráciu“a potom na ikonu „zobraziť toto zariadenie“zobrazíte stránku, ktorú ste navrhli. Nasleduje snímka obrazovky konečného výstupu.

Krok 9: Počkajte asi 2 hodiny, kým zariadenie nahrá dostatok dátových bodov do cloudu. Potom môžete kliknutím na tlačidlo predpovedať zobraziť graf predpovedí na základe polynomiálneho regresného algoritmu.