NanoEdgeAIStudio案例之----电机故障诊断
[backcolor=rgba(255, 255, 255, 0.86)]
- 内容：电机在多种应用中被广泛使用，并且其性能正在不断提高。由于它们在运行过程中提供的数据，我们可以非常精确地监控这些系统。此外，这些数据还可以用于通过预测性维护技术来提升系统的性能。电机系统的诊断涉及到11种不同的故障类型，这些故障类型与负载和速度的不同组合有关。每个类别都有48个信号（1轴），总共有5300个信号。通过对这些信号进行分类，我们可以得到98.56%的平衡准确率。
- 方法：诊断的基本组件包括待测试的驱动电机（永磁同步电机）、扭矩测量轴、测试模块和负载电机（同步伺服电机）。测试在不同的轴承负载、扭矩负载和速度下进行。不同的故障、负载和速度的组合产生了11个类别。信号是基于电流的。传感器使用的是通用电流传感器。这种电流传感器可以用于各种电动汽车驱动系统的诊断和预测性维护。
- 结果：11 classes classification: 98.56% Balanced accuracy, 0.5 KB RAM, 140.6 KB Flash
- 心得：从这个文档中我们可以看出，电机系统的诊断是一个复杂的过程，需要对各种故障类型、负载和速度的组合有深入的理解。同时，使用电流传感器可以大大提高诊断的准确性和效率。
| 
楼主
标题置顶
标题高亮
