在单片机中应用卷积神经网络实现故障诊断
CNN Based Fault Diagnosis of R oll ing Bearings Using MCU作者机构:西华大学电气与电子信息学院成都610039
出 版 物:《机械科学与技术》 (Mechanical Science and Technology for Aerospace Engineering)
年 卷 期:2024年第43卷第2期
页 面:282-290页
核心收录:
学科分类:080503[工学-材料加工工程] 08[工学] 0805[工学-材料科学与工程(可授工学、理学学位)] 0802[工学-机械工程] 080201[工学-机械制造及其自动化]
摘 要:作者利用深度神经网络进行滚动轴承的智能故障诊断(IFD),将人工智能在低成本小型化平台上实现了应用。作者在文章中优化改进了二维神经网络(CNN2D)的神经网络架构,并将其部署到STM32H743VI单片机,实现了轴承故障振动信号的识别和分类。网络的训练和验证使用凯斯西储大学(CWRU)轴承故障数据集,并获得其中的包含10种故障类型的数据。使用基于Tensorflow深度学习框架的Keras工具对CNN2D的神经网络进行训练。验证可知该改进模型对故障识别准确度可以达到98.90%。利用CubeAI工具将网络部署至单片机内。通过串口与电脑进行通信获取随机轴承数据,实测每次诊断运行时间为约为19 ms。