Analiza sygnału drganiowego, mikrokontroler realizujący lokalne przetwarzanie danych, transformacja Fouriera umożliwiająca identyfikację zmian widma częstotliwościowego – przeciętny człowiek nie ma pojęcia, co to znaczy. Julia Biały, uczennica Zespołu Szkół Mechaniczno - Elektrycznych w Tarnowie pojęcie nie tylko ma, ale też została laureatką Olimpiady Innowacji Technicznych w Elektronice i Mechatronice, zajmując trzecie miejsce. Tytuł zwycięskiej pracy brzmi równie niezrozumiale - „ALP – Acoustic Leak Positioning (Akustyczny Lokalizator Przecieków)".
We wtorek, 19 maja, w warszawski Domu Technika NOT odbyło się uroczyste podsumowanie Olimpiady Innowacji Technicznych w Elektronice i Mechatronice.
Olimpiada ma charakter naukowo - techniczny i ma na celu zainteresowanie młodzieży ze szkół ponadgimnazjalnych tematyką innowacyjności, nabyciem praktycznych umiejętności związanych z dokonywaniem i zgłaszaniem projektów wynalazczych, aktywizacją twórczego myślenia oraz edukacją o charakterze badawczym, usprawniającym, konstrukcyjnym bądź technologicznym.
W tegorocznym finale olimpiady znalazła się Julia Biały, uczennica Zespołu Szkół Mechaniczno - Elektrycznych w Tarnowie. Julia nie tylko doszła do finału, trafiła także do ścisłej czołówki, zajęła trzecie miejsce i tym samym została laureatką olimpiady.
Dla przeciętnego człowieka zwycięska praca Julii jest, oględnie mówiąc, niezrozumiała. Niezrozumiały jest już sam tytuł - „ALP – Acoustic Leak Positioning (Akustyczny Lokalizator Przecieków)". Innowacyjny projekt uczennicy z Tarnowa to autorski, rozproszony system diagnostyczny służący do wykrywania oraz lokalizacji mikro-nieszczelności w instalacjach rurowych. Rozwiązanie opiera się na analizie sygnału akustycznego i drganiowego rejestrowanego bezpośrednio z powierzchni instalacji, bez ingerencji w jej strukturę. System wykorzystuje inteligentne moduły pomiarowe oraz mikrokontroler realizujący lokalne przetwarzanie danych (Edge Computing). Kluczowym elementem analizy jest transformacja Fouriera (FFT), umożliwiająca identyfikację zmian widma częstotliwościowego sygnału. Wykrywanie anomalii wspierane jest przez elementy uczenia maszynowego, które klasyfikują stan instalacji (praca normalna, nieszczelność, zakłócenia). Istotnym elementem projektu jest autorski program umożliwiający integrację systemu z dokumentacją CAD, co pozwala na odwzorowanie instalacji oraz wspiera lokalizację potencjalnych wycieków. Opiekunem projektu była Edyta Kowalska.
