Getriebeschadenerkennung mittels Vibrationssensoren mit einer Genauigkeit von über 99,9 %

Bei komplexen Industriesystemen wie Getrieben ist es wichtig, unerwartete Ausfälle zu verhindern und Wartungspläne zu optimieren. Mithilfe der Überwachung von Vibrationsmustern durch Sensoren und maschinelles Lernen können Anomalien erkannt werden, bevor sie zu kostspieligen Ausfällen werden. Dies ermöglicht den Wechsel von der reaktiven oder planmäßigen Wartung zu einem effizienteren vorausschauenden Ansatz, der Ausfallzeiten reduziert und die Lebensdauer der Technik verlängert.

Edge-KI ermöglicht die Erkennung von Anomalien in Echtzeit, indem Vibrationsdaten lokal auf Maschinenebene verarbeitet werden. Dadurch werden Cloud-Abhängigkeit und Latenz eliminiert, während kontinuierlich normale Muster erlernt und Abweichungen erkannt werden. Die Lösung transformiert die Wartung von festen Zeitplänen hin zu zustandsbasierten Interventionen, verbessert die Reaktionszeiten und ermöglicht eine skalierbare Bereitstellung über mehrere Industriemaschinen hinweg.

Dieser Anwendungsfall basiert auf dem proprietären Anomalie-Erkennungsmodell von TI, das für die energieeffiziente MCU-Architektur von TI kooptimiert wurde. Die MSP-Mikrocontrollerfamilie von TI baut auf der TinyEngine™-NPU auf, und das Modell zur Erkennung von Anomalien ist auf eine Genauigkeit von über 99,9 % optimiert.

Datensammlung

Der Datensatz für die Getriebeschadenerkennung enthält den im SpectraQuest-Simulator für die Getriebeschadendiagnose aufgezeichneten Vibrationsdatensatz. Der Datensatz wurde mit 4 Schwingungssensoren aufgezeichnet, die in vier verschiedene Richtungen und unter Lastschwankungen von 0 bis 90 Prozent platziert wurden. Zwei verschiedene Szenarien sind enthalten: Schadloser Zustand und Zustand mit gebrochenem Zahn.

Insgesamt gibt es 20 Dateien, 10 für ein schadloses Getriebe und 10 für ein defektes. Jede Datei entspricht einer bestimmten Last von 0 % bis 90 % in Schritten von 10 %. Dieser Open-Source-Datensatz ist auf Kaggle verfügbar.

Bewertung der Datenqualität

Stellen Sie sicher, dass Ihr KI-Modell auf Daten basiert, die wirklich wichtig sind. Hier wird die Visualisierung des Testdatensatzes mit LDA- (Linear Discriminant Analysis) und PCA-Komponenten (Principal Component Analysis) dargestellt. 

Beschleunigen Sie die Entwicklung mit fortschrittlichen Optimierungs- und Suchalgorithmen für Design, Training und Implementierung von KI-Modellen mit überlegener Leistung. 

CCStudio™ Edge AI Studio bietet einen kompletten Workflow für die Implementierung trainierter Modelle auf Embedded-Zielen. Für Entwickler, die eine tiefere Anpassung und Steuerung suchen, bietet das MSPM0-SDK ein umfassendes Framework für die Erstellung und Integration von Edge-KI-Funktionen für Ihre eigenen Embedded-Anwendungen.

Die MCUs der MSP-Serie bieten eine hervorragende Leistung für die Ausführung und Beschleunigung von Modellen zur Erkennung von Getriebeschäden sowie wichtige SoC-Funktionen, die für Ihre Anwendung entscheidend sind.