聲音預(yù)測性維護(hù)開源硬件

描述

每個制造環(huán)境都配備了機(jī)器。對于性能更好的制造單元，機(jī)器的健康起著重要作用，因此維護(hù)也起著重要作用。我們有三種維護(hù)策略，即預(yù)防性維護(hù)、糾正性維護(hù)和預(yù)測性維護(hù)。

如果您想在防止故障和避免過度維護(hù)之間找到最佳平衡點(diǎn)，PdM 是必經(jīng)之路。為您的工廠配備相對實(shí)惠的傳感器來跟蹤溫度、振動和運(yùn)動數(shù)據(jù)，使用預(yù)測技術(shù)在即將發(fā)生故障時(shí)安排維護(hù)，您會發(fā)現(xiàn)運(yùn)營成本大幅降低。

在最新的技術(shù)時(shí)代，教計(jì)算機(jī)理解聲學(xué)世界現(xiàn)在是一個熱門的研究課題。所以在這個項(xiàng)目中，我們使用聲音對 Nano 33 BLE Sense 進(jìn)行一些預(yù)測性維護(hù)。

?

它是如何工作的？

我們使用 Nano 33 BLE Sense 持續(xù)聆聽機(jī)器。MCU 運(yùn)行一個 ML 模型，該模型接受兩組聲學(xué)異常和正常操作模式的訓(xùn)練。當(dāng) ML 模型發(fā)現(xiàn)異常時(shí)，會立即通知操作員，并在適當(dāng)檢查后關(guān)閉機(jī)器進(jìn)行維護(hù)。因此，我們可以減少可能造成的損壞并減少停機(jī)時(shí)間。

硬件要求

• Nano 33 BLE 感知
• 引領(lǐng)

軟件要求

• 邊緣脈沖
• 開發(fā)環(huán)境

硬件設(shè)置

硬件設(shè)置包括一個 Nano 33 BLE Sense，它被放置在一個舊的交流電機(jī)旁邊。

?

?

?

軟件設(shè)置

如果您尚未將設(shè)備連接到 Edge Impulse 儀表板，請按照本教程進(jìn)行連接。成功連接后，它應(yīng)該出現(xiàn)在“設(shè)備”選項(xiàng)卡中。

?

或者，最新版本的 Google Chrome 和 Microsoft Edge 可以直接從您的開發(fā)板收集數(shù)據(jù)，而無需 Edge Impulse CLI。按照本教程了解更多信息。

TinyML 模型生成

成功設(shè)置硬件和軟件后，現(xiàn)在我們已準(zhǔn)備好進(jìn)行模型生成，其中包括許多步驟。讓我們從收集一些數(shù)據(jù)開始。

1. 數(shù)據(jù)收集

清潔數(shù)據(jù)是訓(xùn)練性能良好的模型的最重要要求。在我們的例子中，我們收集了 3 類聲音 - 兩類異常，一類正常操作，顯然還有一類噪音。每個樣本長 2 秒。這些類的原始數(shù)據(jù)如下所示。

?

?

?

?

?

?

?

如果數(shù)據(jù)沒有拆分成訓(xùn)練和測試數(shù)據(jù)集，則將數(shù)據(jù)集按80:20的比例拆分成訓(xùn)練和測試數(shù)據(jù)集，形成一個很好的模型訓(xùn)練數(shù)據(jù)集。

2. 沖動設(shè)計(jì)

脈沖是機(jī)器學(xué)習(xí)管道，它獲取原始數(shù)據(jù)，使用信號處理來提取特征，然后使用學(xué)習(xí)塊對新數(shù)據(jù)進(jìn)行分類。

?

這里我們使用時(shí)間序列數(shù)據(jù)作為輸入塊。現(xiàn)在，我們有兩種處理塊的選擇——MFCC 和 MFE。由于我們正在處理非人聲音頻，而 MFE 在處理非人聲音頻方面表現(xiàn)良好，因此我們選擇MFE作為我們的處理塊。我們使用分類作為我們的學(xué)習(xí)塊，因?yàn)槲覀儽仨殞W(xué)習(xí)模式并將它們應(yīng)用于新數(shù)據(jù)以將音頻分類為給定的 4 個類之一。

?

在MFE選項(xiàng)卡中，如果您擅長音頻處理，則可以調(diào)整參數(shù)，否則保持設(shè)置不變并生成功能。

?

3. 模型訓(xùn)練與測試

現(xiàn)在我們已經(jīng)設(shè)計(jì)了沖動，讓我們繼續(xù)訓(xùn)練模型。我們用于模型訓(xùn)練的設(shè)置如圖所示。您可以嘗試調(diào)整模型訓(xùn)練設(shè)置，使訓(xùn)練后的模型表現(xiàn)出更高的準(zhǔn)確性，但要注意不要過度擬合。

?

經(jīng)過訓(xùn)練的模型達(dá)到了高達(dá) 94.7% 的準(zhǔn)確率。

?

現(xiàn)在讓我們使用一些未知數(shù)據(jù)來測試模型的功能。要評估模型的性能，請轉(zhuǎn)到模型測試和全部分類。

?

我們得到了 95.07% 的測試準(zhǔn)確率，這非常棒。現(xiàn)在讓我們用一些真實(shí)世界的數(shù)據(jù)來測試模型。導(dǎo)航到實(shí)時(shí)分類并從連接的設(shè)備收集一些數(shù)據(jù)。

好的

?

?

異常 1

?

?

異常2

?

我們分別收集了Normal Operation Mode 、Anomaly 1和Anomaly 2的一些真實(shí)世界數(shù)據(jù)，它們都被正確分類了。因此我們的模型已準(zhǔn)備好部署。

部署

對于部署，導(dǎo)航到部署選項(xiàng)卡，選擇Arduino 庫并構(gòu)建庫。它將輸出一個 zip 庫，可以將其添加到Arduino IDE中。

?

完成品

Nano 33 BLE Sense 連同一個 LED 封裝在一個 3D 打印的外殼中，這是我們的最終產(chǎn)品。該設(shè)備能夠識別機(jī)器中的聲音異常，并使用警報(bào) LED 向用戶發(fā)出警報(bào)。

?

?

?

?