توقع أعطال المحرك المحتملة ببساطة عن طريق استخدام الصوت
توقع أعطال المحرك المحتملة ببساطة عن طريق استخدام الصوت
فريق Arduino - 16 ديسمبر 2022
تستخدم كل شركة مصنعة تقريبًا آلة في مرحلة ما من عملياتها ، ويكاد يكون من المضمون أن تحتوي كل واحدة من هذه الآلات على محرك واحد على الأقل. من أجل الحفاظ على التوافر والكفاءة ، يجب أن تعمل هذه المحركات دائمًا بشكل صحيح ، حتى لو كان عطلًا بسيطًا يمكن أن يكون له آثار كارثية. تهدف الصيانة التنبؤية إلى تحقيق ذلك دون المبالغة في محاولة منعها تمامًا من خلال الجمع بين أجهزة الاستشعار والتقنيات التنبؤية التي يمكنها جدولة الصيانة عند احتمال حدوث عطل.
يستخدم حل Shebin Jose Jacob Arduino Nano 33 BLE Sense ، جنبًا إلى جنب مع الميكروفون المدمج ، لالتقاط الصوت والتنبؤ عندما يكون المحرك على وشك الفشل. لقد حقق ذلك من خلال إنشاء مشروع Edge Impulse جديد أولاً وجمع عينات لأربع فئات من الصوت: OK و Anomaly 1 و Anomaly 2 ، بالإضافة إلى ضوضاء خلفية عامة. بعد تصميم نبضة وتدريب نموذج تصنيف على العينات ، تمكن من تحقيق دقة مذهلة بلغت حوالي 95٪ على عينات الاختبار.
كانت الخطوة الأخيرة هي نشر النموذج كبرنامج ثابت لـ Arduino ، مما يسمح له بتصنيف الأصوات في الوقت الفعلي من خلال القراءة المستمرة من الميكروفون. في كل مرة يتم فيها اكتشاف حالة شاذة ، يضيء مؤشر LED أحمر في الأعلى.
يمكنك قراءة المزيد حول المشروع هنا في مدونة Edge Impulse.
فريق Arduino - 16 ديسمبر 2022
تستخدم كل شركة مصنعة تقريبًا آلة في مرحلة ما من عملياتها ، ويكاد يكون من المضمون أن تحتوي كل واحدة من هذه الآلات على محرك واحد على الأقل. من أجل الحفاظ على التوافر والكفاءة ، يجب أن تعمل هذه المحركات دائمًا بشكل صحيح ، حتى لو كان عطلًا بسيطًا يمكن أن يكون له آثار كارثية. تهدف الصيانة التنبؤية إلى تحقيق ذلك دون المبالغة في محاولة منعها تمامًا من خلال الجمع بين أجهزة الاستشعار والتقنيات التنبؤية التي يمكنها جدولة الصيانة عند احتمال حدوث عطل.
يستخدم حل Shebin Jose Jacob Arduino Nano 33 BLE Sense ، جنبًا إلى جنب مع الميكروفون المدمج ، لالتقاط الصوت والتنبؤ عندما يكون المحرك على وشك الفشل. لقد حقق ذلك من خلال إنشاء مشروع Edge Impulse جديد أولاً وجمع عينات لأربع فئات من الصوت: OK و Anomaly 1 و Anomaly 2 ، بالإضافة إلى ضوضاء خلفية عامة. بعد تصميم نبضة وتدريب نموذج تصنيف على العينات ، تمكن من تحقيق دقة مذهلة بلغت حوالي 95٪ على عينات الاختبار.
كانت الخطوة الأخيرة هي نشر النموذج كبرنامج ثابت لـ Arduino ، مما يسمح له بتصنيف الأصوات في الوقت الفعلي من خلال القراءة المستمرة من الميكروفون. في كل مرة يتم فيها اكتشاف حالة شاذة ، يضيء مؤشر LED أحمر في الأعلى.
يمكنك قراءة المزيد حول المشروع هنا في مدونة Edge Impulse.
What's Your Reaction?
