通過邊緣學(xué)習(xí)對產(chǎn)生振動的機(jī)器進(jìn)行異常行為檢測。

工業(yè)類家電NanoEdge AI Studio預(yù)測性維護(hù)加速度計

預(yù)測性維護(hù)是一種維護(hù)策略，利用機(jī)器學(xué)習(xí)來預(yù)測設(shè)備何時可能發(fā)生故障。

水泵等工業(yè)設(shè)備在運行過程中會產(chǎn)生不同的信號。 在這些設(shè)備上安裝傳感器來采集相關(guān)數(shù)據(jù)，就可以通過機(jī)器學(xué)習(xí)來識別出正常和異常的行為模式。 這種預(yù)測方法旨在程度地縮短停機(jī)時間，提高效率，延長設(shè)備使用壽命。

我們針對水泵應(yīng)用了以下方法：采集水泵的振動數(shù)據(jù)并加以分析，然后利用機(jī)器學(xué)習(xí)模型檢測異常。 該方法經(jīng)過調(diào)整，可輕松適用于很多其他工業(yè)機(jī)器。

方法

項目目標(biāo)：

• 利用泵的振動來檢測裝有該泵的液壓回路中的異常情況。

• 說明設(shè)計的模型可以用在不同的集成回路中，并且由于采用邊緣AI學(xué)習(xí)技術(shù)，在其他回路中依然能夠檢測出異常。

在該項目中，我們使用第一個回路，通過加速度計來記錄泵的振動數(shù)據(jù)。 我們收集了正常和異常信號，這些信號是通過關(guān)閉分流水閥而產(chǎn)生的。

然后，我們使用NanoEdge AI Studio創(chuàng)建了一個異常檢測模型。 該軟件工具根據(jù)我們的學(xué)習(xí)數(shù)據(jù)生成了模型。

創(chuàng)建的模型載入Proteus板，并連接到第一個回路。 該原型可用來實時檢測正常和異常數(shù)據(jù)。

然后，我們將包含該模型的Proteus板移到第二個回路中。 通過邊緣學(xué)習(xí)，我們使用新電路的信號在數(shù)秒內(nèi)對同一模型進(jìn)行重新訓(xùn)練。 雖然該模型最初是針對第一個回路進(jìn)行的優(yōu)化，但在新回路中依然表現(xiàn)良好。

傳感器

加速度計（三軸）

齒輪特性研究 

多場耦合模擬實驗運算平臺  

異常環(huán)境下設(shè)備狀態(tài)研究  

高速列車傳動模擬實驗臺 

齒輪箱阻尼特性研究 

船槳推進(jìn)器振動耦合實驗臺 

轉(zhuǎn)子外部激勵轉(zhuǎn)子動力學(xué)研究 

齒輪箱故障機(jī)理齒輪特性研究 

齒輪模塊之間位置可調(diào) 

雙跨彈性支撐滑動軸承實驗臺 

轉(zhuǎn)子動力學(xué)研究 

電機(jī)對托故障模擬實驗臺     

電機(jī)故障機(jī)理電機(jī)特性電機(jī)傳動研究 

軸承壽命預(yù)測機(jī)理研究模擬實驗臺  

壽命周期研究高載荷 

多跨船舶尾軸傳動故障模擬實驗臺 

轉(zhuǎn)子齒輪箱故障機(jī)理研究 

雙跨雙轉(zhuǎn)子教學(xué)實驗臺  

滑動軸承故障機(jī)理研究  

多點位激振平臺