Voorspelling van kamertemperatuur via LM35 -sensor en masjienleer: 4 stappe

2024 Outeur: John Day | [email protected]. Laas verander: 2024-01-30 07:25

Inleiding

Ons fokus vandag op die bou van 'n masjienleerprojek wat temperatuur voorspel deur middel van polinoom regressie.

Masjienleer is 'n toepassing van kunsmatige intelligensie (AI) wat stelsels die vermoë bied om outomaties uit ervaring te leer en te verbeter sonder om uitdruklik geprogrammeer te word. Masjienleer fokus op die ontwikkeling van rekenaarprogramme wat toegang tot data het en dit self kan leer.

Polinoom Regressie: -polinoom regressie is 'n vorm van regressie-analise waarin die verhouding tussen die onafhanklike veranderlike x en die afhanklike veranderlike y as 'n nde-graad polinoom in x gemodelleer word.

Voorspelling: -Masjienleer is 'n manier om patrone in data te identifiseer en dit te gebruik om outomaties voorspellings of besluite te neem. … Vir regressie leer u hoe u die korrelasie tussen twee veranderlikes kan meet en 'n lyn kan vind wat die beste pas by die voorspelling wanneer die onderliggende verhouding lineêr is.

2. Dinge wat in hierdie projek gebruik word

Hardeware komponente

1. Trui vir vroue/vroue × (volgens behoefte)
2. Broodbord (generies) × 1
3. LM35 -sensor × 1
4. Bolt IoT Bolt WiFi -module × 1

Sagteware -programme en aanlyndienste

1. Bolt IoT Bolt CloudBolt
2. IoT Android -app

Stap 1: Koppel die LM35 -sensor aan die bout

Stap 1: Hou die sensor so vas dat u LM35 daarop kan lees.

Stap 2: Identifiseer in hierdie posisie die penne van die sensor as VCC, Output en Gnd van links na regs.

In die hardeware -beeld is VCC gekoppel aan die rooi draad, die uitvoer is aan die oranje draad gekoppel en Gnd aan die bruin draad.

Stap 3: Verbind die drie penne van die LM35 met die manlike tot vroulike draad soos volg met die Bolt Wifi -module:

• Die VCC -pen van die LM35 kan gekoppel word aan 5v van die Bolt Wifi -module.
• Uitgangspen van die LM35 kan gekoppel word aan A0 (analoog invoerpen) van die Bolt Wifi -module.
• Gnd -pen van die LM35 sluit aan by die Gnd.

Stap 2: Voorspel die temperatuur

Stap 1: Maak dieselfde verbindings as die skerm 'Hardewareverbindings vir temperatuurmonitor' in die 'Interfacing sensor over VPS' onderwerp van die module 'Cloud, API en Alerts'.

Stap 2: Skakel die kring aan en laat dit aansluit by die Bolt Cloud. (Die groen LED van die bout moet aan wees)

Stap 3: Gaan na cloud.boltiot.com en skep 'n nuwe produk. Terwyl u die produk skep, kies die produktipe as uitvoerapparaat en die koppelvlaktipe as GPIO. Nadat u die produk geskep het, kies die produk wat onlangs geskep is en klik dan op die konfigurasie -ikoon.

Stap 4: Kies op die hardeware -oortjie die radioknoppie langs die A0 -pen. Gee die speld die naam 'temp' en stoor die konfigurasie met die ikoon 'Stoor'.

Stap 5: Gaan na die oortjie kode, gee die produkkode die naam 'voorspel' en kies die kodesoort as js.

Stap 6: Skryf die volgende kode om die temperatuurdata te teken en die polinoom -regressie -algoritme op die data uit te voer en die produkkonfigurasies te stoor.

setChartLibrary ('google-chart');

setChartTitle ('PolinoomRegressie');

setChartType ('predictionGraph');

setAxisName ('time_stamp', 'temp');

mul (0,0977);

plotChart ('tydstempel', 'temp');

Stap 7: Kies die geskepte produk op die oortjie produkte en klik dan op die skakelikoon. Kies u Bolt -toestel in die opspringvenster en klik dan op die 'Klaar' -knoppie.

Stap 8: Klik op die 'ontplooi konfigurasie' -knoppie en dan op die' bekyk hierdie toestel' -ikoon om die bladsy wat u ontwerp het, te sien. Hieronder is die skermkiekie van die finale uitset.

Stap 9: Wag ongeveer 2 uur totdat die toestel genoeg datapunt na die wolk opgelaai het. U kan dan op die voorspellingsknoppie klik om die voorspellingsgrafiek te sien wat gebaseer is op polinoom -regressie -algoritme.