Samma lilla bit teknik som en dag kan hjälpa till att träna svetsrobotar och övervaka elfordon skulle kunna göra det möjligt för energibolag att bättre driva smarta hem och fabriker.

Purdue Universitys innovatörer har utvecklat en avkänningsmodul som fungerar med maskininlärning för applikationer som sträcker sig från elbilar till tillverkning och hemdesign. Tekniken är en liten och icke-invasiv sensor som övervakar elektriska strömmar.

"Vi har skapat den första i sitt slag strömsensor som är icke-invasiv, säkert och mycket mer exakt än andra alternativ, sa Kaushik Roy, Purdues Edward G. Tiedemann Jr. Distinguished Professor of Electrical and Computer Engineering, som hjälper till att leda forskargruppen.

Alternativ för strömavkänning i applikationer som elfordon inkluderar att använda ett motstånd som en strömsensor eller att använda en icke-invasiv Hall-sensor, som inte kan mäta små strömmar. Purdue-teamet använder en maskininlärningsalgoritm med sensorn för att hjälpa till att tolka och samla in data som energianvändning, problem med nuvarande och de bästa metoderna för tillverkning.

"Vår teknik gör det möjligt för någon att upptäcka genom nuvarande, " sa Byunghoo Jung, en professor i el- och datorteknik vid Purdue's College of Engineering, ytterligare en medlem av forskargruppen. "Denna sensor kan användas med maskininlärning för att träna tillverkningsrobotar, ge exakta tips till husägare om hur de kan minska sin energianvändning eller hjälpa till att diagnostisera problem med elfordon och skotrar."

Roy sa att andra fördelar med Purdue-sensorn inkluderar enkel installation och underhåll, eftersom den lilla sensorn är virad runt en central tråd för att övervaka strömmen. Sensorn kan överföra den uppmätta ströminformationen till vilket datorsystem som helst via Bluetooth, USB eller andra metoder, och kan tränas genom maskininlärning för att upptäcka något så exakt som mikrovågsmärket som används vid en viss tidpunkt och om den tiden på dygnet är optimal för energiförbrukningen.