電気駆動装置の診断（11の故障クラス）
電気駆動装置のさまざまな障害タイプに基づいてデータを分類します。
電気駆動装置はさまざまなアプリケーションに使用されており、ますます高性能化が進んでいます。モータは、動作中に取得されるデータのおかげで非常に正確に監視できます。このデータは、予知保全技術によるアプリケーションの機能強化にも使用できます。
予知保全とは、経年劣化の検出または異常の予測を自動化して保全戦略を最適化することにあります。機械学習は、システムによって生成されたデータを意味のあるデータに変換します。そこで、モータ制御アルゴリズムのすぐ隣にAIソリューションを追加して、異常検出 & 分類とモータ制御の両方を同じマイクロコントローラ上で実行することで、システムのコスト削減とリソースの最適化を実現しました。このアプローチは、多くのモータやさまざまなアプリケーションに容易に適用できます。
予知保全とは、経年劣化の検出または異常の予測を自動化して保全戦略を最適化することにあります。機械学習は、システムによって生成されたデータを意味のあるデータに変換します。そこで、モータ制御アルゴリズムのすぐ隣にAIソリューションを追加して、異常検出 & 分類とモータ制御の両方を同じマイクロコントローラ上で実行することで、システムのコスト削減とリソースの最適化を実現しました。このアプローチは、多くのモータやさまざまなアプリケーションに容易に適用できます。
アプローチ
基本部品は、テスト対象のドライブ･モータ（永久磁石同期モータ）、トルク計測シャフト、テスト･モジュール、および負荷モータ（同期サーボモータ）です。
さまざまな軸受荷重、トルク荷重、速度でテストを実施します。
障害、荷重、速度をさまざまに組み合わせた結果、11クラスに分類されました。
信号は電流値です。
さまざまな軸受荷重、トルク荷重、速度でテストを実施します。
障害、荷重、速度をさまざまに組み合わせた結果、11クラスに分類されました。
信号は電流値です。
センサ
汎用電流センサ
データ
結果
11クラスの分類：
バランス正解率：98.56%、使用RAM：0.5KB、使用Flashメモリ：140.6KB
緑の点は正しく分類された信号を表し、赤い点は誤って分類された信号を表します。横座標はクラス、縦座標は正常状態に対する類似度です。
リソース
組み込みプロジェクトにAIを追加するための無料AutoMLソフトウェアで、ステップ･バイ･ステップのガイドを通じて、要件を満たす最適なAIモデルが簡単に見つかります。
Arm® Cortex®‑Mプロセッサをベースとする32bit汎用マイクロコントローラのSTM32ファミリは、より柔軟かつ自由なアプリケーション開発を実現します。高性能、リアルタイムの処理能力、デジタル信号処理（DSP）、低消費電力 / 低電圧動作、コネクティビティなどのさまざまな機能を集積した製品により、開発をサポートします。