通过边缘学习对产生振动的机器进行异常行为检测。

工业类家电NanoEdge AI Studio预测性维护加速度计

预测性维护是一种维护策略，利用机器学习来预测设备何时可能发生故障。

水泵等工业设备在运行过程中会产生不同的信号。 在这些设备上安装传感器来采集相关数据，就可以通过机器学习来识别出正常和异常的行为模式。 这种预测方法旨在程度地缩短停机时间，提高效率，延长设备使用寿命。

我们针对水泵应用了以下方法：采集水泵的振动数据并加以分析，然后利用机器学习模型检测异常。 该方法经过调整，可轻松适用于很多其他工业机器。

方法

项目目标：

• 利用泵的振动来检测装有该泵的液压回路中的异常情况。

• 说明设计的模型可以用在不同的集成回路中，并且由于采用边缘AI学习技术，在其他回路中依然能够检测出异常。

在该项目中，我们使用第一个回路，通过加速度计来记录泵的振动数据。 我们收集了正常和异常信号，这些信号是通过关闭分流水阀而产生的。

然后，我们使用NanoEdge AI Studio创建了一个异常检测模型。 该软件工具根据我们的学习数据生成了模型。

创建的模型载入Proteus板，并连接到第一个回路。 该原型可用来实时检测正常和异常数据。

然后，我们将包含该模型的Proteus板移到第二个回路中。 通过边缘学习，我们使用新电路的信号在数秒内对同一模型进行重新训练。 虽然该模型最初是针对第一个回路进行的优化，但在新回路中依然表现良好。

传感器

加速度计（三轴）

齿轮特性研究 

多场耦合模拟实验运算平台  

异常环境下设备状态研究  

高速列车传动模拟实验台 

齿轮箱阻尼特性研究 

船桨推进器振动耦合实验台 

转子外部激励转子动力学研究 

齿轮箱故障机理齿轮特性研究 

齿轮模块之间位置可调 

双跨弹性支撑滑动轴承实验台 

转子动力学研究 

电机对托故障模拟实验台     

电机故障机理电机特性电机传动研究 

轴承寿命预测机理研究模拟实验台  

寿命周期研究高载荷 

多跨船舶尾轴传动故障模拟实验台 

转子齿轮箱故障机理研究 

双跨双转子教学实验台  

滑动轴承故障机理研究  

多点位激振平台