使用電流傳感器高效地采集數(shù)據(jù)，實(shí)現(xiàn) AI 預(yù)測(cè)性維護(hù)

作者：Clive “Max” Maxfield

物聯(lián)網(wǎng) （IoT） 引發(fā)了人們對(duì)使用人工智能 （AI） 和機(jī)器學(xué)習(xí) （ML）技術(shù)來(lái)監(jiān)視機(jī)器（包括電機(jī)、發(fā)電機(jī)和泵）運(yùn)行狀況以及提醒維護(hù)工程師任何隱現(xiàn)問(wèn)題的廣泛興趣。AI/ML系統(tǒng)設(shè)計(jì)人員要想實(shí)現(xiàn)此類預(yù)測(cè)性維護(hù)，面臨的難題之一是為應(yīng)用選擇最合適的傳感器。另一個(gè)問(wèn)題是，只有相對(duì)較少的設(shè)計(jì)人員擁有構(gòu)建 AI/ML 應(yīng)用的經(jīng)驗(yàn)。

為了獲得可供 AI/ML系統(tǒng)使用的數(shù)據(jù)，設(shè)計(jì)人員往往選擇將復(fù)雜的傳感器（例如三軸加速計(jì)）與高性能的微控制器開發(fā)平臺(tái)搭配使用。但在許多情況下，將簡(jiǎn)單的電流傳感器與更普通且成本更低的微控制器開發(fā)平臺(tái)結(jié)合使用，也能實(shí)現(xiàn)需要的目標(biāo)。

本文介紹使用電流互感器獲取必要的數(shù)據(jù)，從而以簡(jiǎn)單且經(jīng)濟(jì)實(shí)惠的方式實(shí)現(xiàn) AI/ML 應(yīng)用的思路。本文還利用低成本的 Arduino IoT微控制器開發(fā)平臺(tái)和 CR Magnetics的電流互感器，提出了一種簡(jiǎn)單的采用電流傳感器的電路，來(lái)監(jiān)視帶有一體式過(guò)濾器的真空泵的運(yùn)行狀況，并在過(guò)濾器出現(xiàn)堵塞時(shí)提醒用戶。最后，本文還概要性介紹了創(chuàng)建相關(guān)AI/ML 應(yīng)用的過(guò)程。

適合 AI/ML 的簡(jiǎn)單傳感器

為了采集用于 AI/ML應(yīng)用的數(shù)據(jù)，設(shè)計(jì)人員往往選擇三軸加速計(jì)等復(fù)雜的傳感器；但這種類型的傳感器可能會(huì)生成大量難以操作和理解的數(shù)據(jù)。要避免這種復(fù)雜性，值得記住的一點(diǎn)是，萬(wàn)事萬(wàn)物都是相互關(guān)聯(lián)的。正如人體某個(gè)部位受到傷害可能導(dǎo)致其他身體部位感受到牽涉性疼痛一樣，電機(jī)中的軸承故障也會(huì)改變驅(qū)動(dòng)該電機(jī)的電流。類似地，進(jìn)氣口堵塞除了導(dǎo)致過(guò)熱之外，也會(huì)改變驅(qū)動(dòng)電機(jī)的電流。

因此，通過(guò)監(jiān)視機(jī)器運(yùn)行的一個(gè)方面，可以間接了解機(jī)器工作的其他方面?；诖耍梢酝ㄟ^(guò)使用簡(jiǎn)單得多的傳感器來(lái)觀察某個(gè)相關(guān)的參數(shù)，來(lái)實(shí)現(xiàn)所需的監(jiān)視和感測(cè)目標(biāo)，例如CR Magnetics 的小巧、低成本 CR3111-3000 可拆式電流互感器（圖 1）。

CR3111-3000 可用于檢測(cè)高達(dá) 100 安培 （A） 的電流（CR31xx 系列的其他成員可用于檢測(cè)更小或更大的電流值）。該系列的所有成員都支持20 赫茲 （Hz） 到 1 千赫茲 （kHz） 的頻率范圍，涵蓋了大多數(shù)工業(yè)應(yīng)用。此外，所有 CR31xx器件均采用鉸鏈和鎖扣機(jī)構(gòu)，可以在不中斷載流電線的情況下進(jìn)行連接。

Arduino Nano 33 物聯(lián)網(wǎng)

Arduino 的 ABX00032 Arduino Nano 33 IoT 便是一個(gè)適用于簡(jiǎn)單 AI/ML 應(yīng)用原型設(shè)計(jì)的低成本微控制器開發(fā)平臺(tái)示例（圖2）。Arduino Nano 33 IoT 采用一個(gè)以 48 兆赫 （MHz） 頻率運(yùn)行的 Arm? Cortex?-M0+ 32 位ATSAMD21G18A 處理器，具有 256 KB 閃存和 32 KB SRAM，而且配備了 Wi-Fi 和藍(lán)牙連接。

數(shù)據(jù)采集電路

本次討論目的所用電路如下圖 3 所示。CR3111-3000 使用 1000:1 的比率將所測(cè)的機(jī)器驅(qū)動(dòng)電流轉(zhuǎn)換為小得多的電流。

電阻器 R3 跨接在 CR3111-3000 的次級(jí)（輸出）線圈兩端，用作負(fù)載電阻器，從而根據(jù)流經(jīng)它的電流量產(chǎn)生與電阻值成比例的輸出電壓。

電阻器 R1 和 R2 充當(dāng)分壓器，形成具有 1.65 伏電壓值的“虛擬接地”。這使得 CR111-3000的值可以正負(fù)擺動(dòng)而仍不會(huì)碰到零電壓軌，因?yàn)槲⒖刂破鞑荒芙邮茇?fù)電壓。電容器 C1 構(gòu)成 RC 噪聲濾波器的一部分，可減少 3.3伏電源和附近雜散場(chǎng)產(chǎn)生的混入測(cè)量的噪聲，從而幫助分壓器起到更好的接地作用。

為了提供演示測(cè)試臺(tái)，使用了具有集成式過(guò)濾器的真空泵。出于此原型的目的，在電源和真空泵之間插入一根 Tripp Lite 的 P006-001 1英尺延長(zhǎng)電源線（圖 4）。

該原型電路使用作者的零備件庫(kù)中的元器件實(shí)現(xiàn)（圖 5）?，F(xiàn)成的等效元器件如下：

（1） Adafruit 的 64 試驗(yàn)板

（1） 與試驗(yàn)板搭配使用的 Twin Industries 的 TW-E012-000 預(yù)成型電線套件

（1） Stackpole Electronics 的 RNMF14FTC150R 150 歐姆 （Ω） ±1% 0.25 瓦 （W） 通孔電阻器

（2） Stackpole Electronics 的 RNF14FTD10K0 10 千歐 （kΩ） ±1% 0.25 W 通孔電阻器

（1） KEMET 的 ESK106M063AC3FA 10 微法拉 （μF） 63 伏鋁電解電容器

至于電流傳感器的引線，則是將 Pololu Corp. 的 1931 22-28 AWG 壓接引腳壓接在兩端來(lái)實(shí)現(xiàn)。然后將這些引腳插入同樣來(lái)自Pololu 的具有 0.1 英寸 （in.）（2.54 毫米 （mm））間距的 1904 5 x 1 黑色矩形外殼中。

創(chuàng)建 AI/ML 應(yīng)用

為了創(chuàng)建 AI/ML 應(yīng)用，請(qǐng)先從 Cartesium 的網(wǎng)站獲取免費(fèi)的 NanoEdge AI Studio
試用版（另請(qǐng)參閱“輕松將人工智能植入任何工業(yè)系統(tǒng)”）。

啟動(dòng) NanoEdge AI Studio 后，程序會(huì)邀請(qǐng)用戶創(chuàng)建新項(xiàng)目并為其命名。然后將詢問(wèn)用戶所用的處理器（使用 Arduino Nano 33IoT 開發(fā)板時(shí)為 Arm Cortex-M0+）、所用的傳感器類型（在本例中為電流傳感器），以及專門用于此 AI/ML 模型的最大內(nèi)存量（此演示選擇了 6KB）。

為了創(chuàng)建 AI/ML 模型，首先有必要采集良好數(shù)據(jù)和不良數(shù)據(jù)的代表性樣本（圖 6）。接著創(chuàng)建一個(gè)簡(jiǎn)單的 Arduino草圖（程序），從電流傳感器讀取值。該數(shù)據(jù)可以從微控制器的 USB 端口直接“實(shí)時(shí)”加載到 NanoEdge AI Studio中?；蛘?，也可以將數(shù)據(jù)采集到文本文件中，進(jìn)行編輯（以刪除運(yùn)行開始和結(jié)束時(shí)的雜散樣本），然后加載到 NanoEdge AI Studio 中。

良好數(shù)據(jù)是從正常模式下運(yùn)行的真空泵收集而來(lái)。為了收集不良數(shù)據(jù)，用紙盤阻塞泵的空氣過(guò)濾器。

通過(guò)利用良好數(shù)據(jù)和不良數(shù)據(jù)，NanoEdge AI Studio 從 5 億種可能的組合中生成了最佳的 AI/ML庫(kù)解決方案。以多種不同的方式顯示其進(jìn)行中的進(jìn)度，包括一個(gè)散點(diǎn)圖，其中顯示了正常信號(hào)（藍(lán)色）與異常信號(hào)（紅色）在閾值方面的區(qū)別程度，本例中閾值設(shè)為 90%（圖7）。

早期的模型通常很難區(qū)分正常數(shù)據(jù)和異常數(shù)據(jù)，但是系統(tǒng)會(huì)評(píng)估算法元素的不同組合，通過(guò)迭代獲得越來(lái)越精確的解決方案。在本例中，該過(guò)程在評(píng)估 58，252個(gè)庫(kù)后停止。生成的庫(kù)（模型）大小僅為 2 KB。

值得注意的是，現(xiàn)階段的模型仍處于未訓(xùn)練的形式。許多不同的因素都有可能影響機(jī)器的運(yùn)行方式。例如，兩個(gè)看似相同的真空泵可能安裝在不同的位置：一個(gè)可能在混凝土板上，另一個(gè)在懸浮的地板上。或者其中一臺(tái)機(jī)器可能位于炎熱潮濕的環(huán)境中，而另一臺(tái)機(jī)器可能處于寒冷干燥的環(huán)境中。此外，一個(gè)可能連接到較長(zhǎng)的金屬管，而另一個(gè)可能連接到較短的塑料管。

因此，下一步是針對(duì)真實(shí)世界中部署的機(jī)器上所連接的微控制器和傳感器，將該庫(kù)合并到在其上運(yùn)行的應(yīng)用程序中。然后，不同機(jī)器上的 AI/ML模型將使用來(lái)自這些真實(shí)設(shè)備中的良好數(shù)據(jù)進(jìn)行自我訓(xùn)練。在此自我訓(xùn)練期之后，可以保留 AI/ML模型來(lái)監(jiān)視機(jī)器的運(yùn)行狀況，查找異常和趨勢(shì)，并將其發(fā)現(xiàn)和預(yù)測(cè)結(jié)果報(bào)告給人類主管。

結(jié)語(yǔ)

利用 AI/ML進(jìn)行預(yù)測(cè)性維護(hù)，工程師便可在實(shí)際發(fā)生故障之前解決問(wèn)題。但是，在實(shí)現(xiàn)預(yù)測(cè)性維護(hù)系統(tǒng)時(shí)，所用的硬件必須盡可能地簡(jiǎn)單且經(jīng)濟(jì)實(shí)惠；此外，設(shè)計(jì)人員還需要隨時(shí)訪問(wèn)所需的軟件以執(zhí)行分析。

如上所示，與其選擇復(fù)雜的多軸加速計(jì)和相關(guān)的硬件，不如將簡(jiǎn)單小巧的低成本 CR3111-3000可拆式電流互感器連接到低成本的微控制器平臺(tái)，同樣可以執(zhí)行所需的感測(cè)和數(shù)據(jù)收集。結(jié)合 AI/ML 工具和算法的進(jìn)步，非 AI/ML 專家現(xiàn)在也可以創(chuàng)建復(fù)雜的AI/ML 模型，并將其部署在各種簡(jiǎn)單和復(fù)雜的感測(cè)應(yīng)用中。