芯文芯事丨瑞薩e-AI異常預(yù)斷，助力實(shí)現(xiàn)智能制造系統(tǒng)

計算機(jī)中已經(jīng)安裝了機(jī)器手臂的正常運(yùn)動波形的學(xué)習(xí)模型，AI單元對采集到的實(shí)時波形和正常波形數(shù)據(jù)進(jìn)行比較判斷，從而檢測出機(jī)器運(yùn)動中的任何異常。

AI單元具有多個輸入和輸出，它可以用于預(yù)先判斷的數(shù)據(jù)處理（預(yù)處理），例如使用多個傳感器進(jìn)行感應(yīng)，并通過其采集的觸發(fā)信號進(jìn)行波形生成。

在本演示中，機(jī)械手臂的運(yùn)動波形并不是整個運(yùn)動過程都會顯示，只有當(dāng)機(jī)械手臂放置物體的過程中，才會記錄并顯示其振動波形，這是通過一個鉗位傳感器來檢測觸發(fā)實(shí)現(xiàn)的。

如上圖所示，該演示應(yīng)用中通過一個電機(jī)分別聯(lián)動3個不同的齒輪轉(zhuǎn)動，其中有一個是正常齒輪，另外兩個是有缺陷的齒輪，通過AI單元來判斷并識別出其中的2個缺陷齒輪，同樣在PC上位機(jī)軟件上面進(jìn)行顯示信息，并且可以在軟件中根據(jù)自定義設(shè)置，來優(yōu)化整個異常判斷系統(tǒng)。

演示應(yīng)用首先會通過振動傳感器來采集齒輪運(yùn)動的振動信號，將信號傳輸給AI單元，并深度學(xué)習(xí)框架來自我學(xué)習(xí)正常齒輪轉(zhuǎn)動的運(yùn)動模型，模型一旦生成好之后，就可以用來檢測其他有缺陷的齒輪運(yùn)動，從而識別出缺陷齒輪。

在這里，我們將正常的齒輪聯(lián)動電機(jī)轉(zhuǎn)動，有缺陷的2個齒輪先放置在電機(jī)驅(qū)動齒輪箱內(nèi)以便之后使用，正常齒輪轉(zhuǎn)動后將振動傳感器連接到AI單元并記錄正常齒輪的振動波形。

通過學(xué)習(xí)框架，AI單元學(xué)習(xí)并記錄振動的波形。在上位機(jī)軟件中，可以設(shè)置需要學(xué)習(xí)的波形時間段，來執(zhí)行傳感器輸入的濾波處理和FFT處理等，并且能使用PC上的工具修改這些過程的各種設(shè)置。

齒輪的運(yùn)動模型的自我學(xué)習(xí)是在PC上位機(jī)軟件上完成，因?yàn)橛捎谛枰罅康挠嬎愣鵁o法在微控制器上完成。如果用戶能夠創(chuàng)建經(jīng)驗(yàn)豐富的人工智能模型，它可以轉(zhuǎn)換為AI參數(shù)，通過使用e-AI轉(zhuǎn)換器將應(yīng)用代碼下載到AI單元中，并在微控制器中執(zhí)行。

將參數(shù)寫入到AI單元完成后，通過使用工具并判斷振動傳感器的波形，將波形數(shù)據(jù)與正常齒輪運(yùn)行模型數(shù)據(jù)進(jìn)行比對，如果齒輪沒有損壞，則判斷它們?yōu)椤罢！?，如果切換到有缺陷的齒輪，則判斷它們?yōu)椤爱惓！薄?/span>