Prognostizieren Sie potenzielle Motorausfälle einfach durch die Verwendung von Geräuschen
Prognostizieren Sie potenzielle Motorausfälle einfach durch die Verwendung von Geräuschen
Arduino-Team – 16. Dezember 2022
Fast jeder Hersteller verwendet irgendwann eine Maschine in seinem Prozess, und jede dieser Maschinen enthält fast garantiert mindestens einen Motor. Um Verfügbarkeit und Effizienz zu erhalten, müssen diese Motoren immer einwandfrei funktionieren, denn schon ein kleiner Ausfall kann verheerende Auswirkungen haben. Die vorausschauende Wartung zielt darauf ab, dies zu erreichen, ohne über Bord zu gehen, indem versucht wird, sie vollständig zu verhindern, indem Sensoren mit vorausschauenden Techniken kombiniert werden, die die Wartung planen können, wenn ein Ausfall wahrscheinlich ist.
Die Lösung von Shebin Jose Jacob verwendet den Arduino Nano 33 BLE Sense zusammen mit seinem eingebauten Mikrofon, um Audio aufzunehmen und vorherzusagen, wann ein Motor ausfallen wird. Er erreichte dies, indem er zunächst ein neues Edge-Impulse-Projekt erstellte und Samples für vier Klangklassen sammelte: OK, Anomalie 1 und Anomalie 2 sowie allgemeine Hintergrundgeräusche. Nachdem er einen Impuls entworfen und ein Klassifizierungsmodell mit den Proben trainiert hatte, konnte er eine beeindruckende Genauigkeit von etwa 95 % bei den Testproben erzielen.
Der letzte Schritt bestand darin, das Modell als Firmware für den Arduino bereitzustellen, der es ihm ermöglichen würde, Geräusche in Echtzeit zu klassifizieren, indem er kontinuierlich vom Mikrofon liest. Jedes Mal, wenn eine Anomalie erkannt wird, leuchtet oben eine rote LED auf.
Sie können hier im Edge Impulse-Blog mehr über das Projekt lesen.
Arduino-Team – 16. Dezember 2022
Fast jeder Hersteller verwendet irgendwann eine Maschine in seinem Prozess, und jede dieser Maschinen enthält fast garantiert mindestens einen Motor. Um Verfügbarkeit und Effizienz zu erhalten, müssen diese Motoren immer einwandfrei funktionieren, denn schon ein kleiner Ausfall kann verheerende Auswirkungen haben. Die vorausschauende Wartung zielt darauf ab, dies zu erreichen, ohne über Bord zu gehen, indem versucht wird, sie vollständig zu verhindern, indem Sensoren mit vorausschauenden Techniken kombiniert werden, die die Wartung planen können, wenn ein Ausfall wahrscheinlich ist.
Die Lösung von Shebin Jose Jacob verwendet den Arduino Nano 33 BLE Sense zusammen mit seinem eingebauten Mikrofon, um Audio aufzunehmen und vorherzusagen, wann ein Motor ausfallen wird. Er erreichte dies, indem er zunächst ein neues Edge-Impulse-Projekt erstellte und Samples für vier Klangklassen sammelte: OK, Anomalie 1 und Anomalie 2 sowie allgemeine Hintergrundgeräusche. Nachdem er einen Impuls entworfen und ein Klassifizierungsmodell mit den Proben trainiert hatte, konnte er eine beeindruckende Genauigkeit von etwa 95 % bei den Testproben erzielen.
Der letzte Schritt bestand darin, das Modell als Firmware für den Arduino bereitzustellen, der es ihm ermöglichen würde, Geräusche in Echtzeit zu klassifizieren, indem er kontinuierlich vom Mikrofon liest. Jedes Mal, wenn eine Anomalie erkannt wird, leuchtet oben eine rote LED auf.
Sie können hier im Edge Impulse-Blog mehr über das Projekt lesen.
What's Your Reaction?
