如何使用Psoc6 AI驱动完成预测性工业机器维护

在这个项目中，我将开发一个使用IMU传感器来预测机器维护和潜在故障的系统

1. 介绍

该项目旨在使用英飞凌PSoC6 AI Kit和DeepCraft Studio为工业机器开发基于AI的预测性维护系统。系统将：

•从内置的IMU传感器(加速度计和陀螺仪)收集实时振动数据。

•将这些数据流式传输到DeepCraft Studio进行人工智能模型训练。

•训练人工智能模型来检测异常并预测机器故障。

•使用ModusToolbox将训练好的模型部署到PSoC6 AI Kit。

•向用户提供早期维护提醒。

2. 硬件和软件要求

硬件:

•英飞凌PSoC6 AI套件(带IMU传感器)

•工业机械(用于振动数据采集)

•USB/UART连接数据流

软件:

•DeepCraft Studio (AI模型训练)

•ModusToolbox (PSoC6固件开发)

我很惊讶地发现一个现成的例子在DeepCraft工作室异常振动检测

这个项目将分为两个部分

第一节

首先，我将开始测试现成的模型。

第二节

然后我将制作我的模型，并使用我的流IMU数据集训练它。

这两种模型都将在PSOC 6 AI KIT上进行部署和测试。

3. 第一节

使用现成模型实施项目的步骤。

在本节中，我将使用DeepCraft Studio生成现成模型的代码

a-生成Model.c和.h文件

在架构中选择英飞凌PSOC，在目标设备中选择PSOC6，输出文件夹并按“生成代码”

在生成model.c和model.h文件之后，您可以在infineon文件夹中找到模型文件，复制Both files model.c和model.h，然后我们将使用modulebox进行部署

b-创建模块工具箱部署模型：

1-打开模块工具箱软件，选择你的工作空间

2-使用新建应用程序向导创建新项目

3 .选择CY8CKIT-062S2-AI PSOC作为您的BSP

4-在机器学习部分，只需选择DEEPCRAFT部署模型运动，并按您喜欢的重命名项目并按创建

5-创建Modus项目后，打开models文件夹，用DeepCraft Studio生成的文件替换model.c和model.h

你可以将你的自定义代码添加到main， c文件中，当模型成功运行时，在这个项目中，红色LED将在异常检测时打开

现在我想只运行准备好的模型来测试它的工作，只是构建项目并等待完成，没有错误

6-编程您的工具包，并从modstoolbox或putty或Tera Term打开串行控制台，您喜欢(波特：115200,8,none, 1)

Ready振动模型部署

正如在视频中注意到的，试剂盒必须与原始训练模型处于相同的方向，如下面的截图所示，所以这个模型只在这个方向上训练;任何其他方向的工具包将给我们一个异常的振动，即使没有振动。所以我将以不同的方向训练我的模型来避免这种情况。

4. 第二节

使用我自己的模型实现项目的步骤。

a-步骤1：收集和流IMU传感器数据到DeepCraft工作室

1. -配置IMU传感器(加速度计和陀螺仪)

•使用PSoC6的SPI接口读取IMU数据。

•样本振动数据在100赫兹(根据机器振动调整)。

•应用FFT(快速傅立叶变换)提取频域特征。

2 -。流数据到DeepCraft工作室

•使用流媒体协议V2。

3 -。培训标签数据

•收集正常和异常的振动模式。

•使用时间戳标记故障条件。

•为这个模型创建的标签是(正常、需要维护、严重故障)。

b-步骤2：在DeepCraft Studio中构建和训练AI模型

1.导入数据到DeepCraft工作室

使用流协议V2流IMU数据到DEEPCRAFT STUDIO的图形UX项目。

创建一个新的GRAPH UX项目

如果需要，对数据进行预处理(归一化，噪声滤波)。

设置IMU输入数据频率为100hz，以获得更好的高速振动数据采集

添加预定义的标签(正常、需要维护、严重故障)

之后，我将开始为不同的情况构建我的数据集，以确保模型将有一个好的训练数据集

所以对于normal，我将从不同位置的IMU获得流数据(水平位置-不同垂直位置)

在完成收集数据会话之后，我们将创建我们的分类项目

2-创建空分类项目

3-添加数据

在我们分类项目的数据部分，我们将使用---- b>添加数据按钮将收集到的振动数据添加到数据的文件夹位置

将数据分成训练(70%)、验证(20%)和测试(10%)。

4. 预定义的标签

添加预定义标签(正常-需要维护，严重故障)

5. 预处理器

在预处理器选项卡中创建一个滑动窗口大小=[128*3]。数据点数步幅= 6缓冲乘数= (1)

-从预处理器创建轨道(等待完成)

然后构建预处理器。

6. 设计AI模型

使用1D CNN或LSTM(适用于时间序列振动数据)。

示例模型结构：

输入：6个功能(3轴加速+ 3轴陀螺)

隐藏层：Conv1D→LSTM→Dense

输出：二分类(正常/异常)。

7. 训练模型

设置好模型参数后，开始新的训练作业

等待Job完成

然后下载最好的训练模型

C-步骤3：将模型部署到PSoC6 AI工具包

1. 从模型生成C代码

2. 重复第1节中的步骤来部署我们的模型

3 .整合AI模型

将model.h model.c复制到modulestoolbox项目中。

在main.c中加载模型

步骤4：测试和验证系统

1. 台架测试

•用吸尘器或马达模拟振动。

•验证AI模型是否检测到异常。

2.真实的测试

•将PSoC6连接到工业机器上。

•监控

•我的训练模型部署

•预测vs.实际失败。

3.优化

•调整采样率。

•微调AI模型阈值。

4. 预期的输出

•PSoC6将持续监测振动。

•如果检测到异常模式，它将触发警报(LED/UART消息)。

用户可以收到早期的维护预警。

5. 结论

本项目演示如何：

•流实时IMU数据到DeepCraft Studio。

•为预测性维护训练人工智能模型。

•使用ModusToolbox将模型部署到PSoC6上。

•及早发现机器故障并提醒用户。

本文编译自hackster.io