Anwendungsübersicht
Fehlerlichtbogen-Schutzschalter (AFCIs) spielen eine entscheidende Rolle bei der Verhinderung von elektrischen Bränden, indem sie gefährliche Lichtbögen erkennen und die Stromversorgung unterbrechen, bevor Schäden auftreten. Herkömmliche AFCIs basieren jedoch häufig auf veralteten analogen Schaltkreisen und simpler Signalverarbeitung, was zu komplexen Anforderungen an die Signalerfassung führen kann und möglicherweise Lichtbögen nicht erkennt, bevor sie einen Brand entzünden.
Im Gegensatz dazu nutzt unser innovativer Ansatz ein proprietäres Modell mit Convolutional Neural Network (CNN), das mit umfangreichen Last- und Lichtbogensignatur-Datensätzen trainiert wurde und speziell für den Einsatz auf der in die Mikrocontroller-Familie MSPM0G5187 integrierten TinyEngine™-NPU optimiert ist.
Diese innovative Technologie ermöglicht eine genauere und zuverlässigere Lichtbogenerkennung und setzt neue Maßstäbe für die AFCI-Leistung.
Evaluierung zum Einstieg
Datensammlung
Verwenden Sie das Referenzdesign TIDA-010971, das ein einheitliches Plattformdesign bietet, um mit Live-Wechselstrom- und Lichtbogenspannungsdaten eine zuverlässige Erfassung von Wechselstrom-Störlichtbögen zu ermöglichen.
Bewertung der Datenqualität
Hochwertige Trainingsdaten bilden das Rückgrat jedes erfolgreichen KI-Modells. Die Anpassungsgüte-Evaluierung von TI stellt sicher, dass Ihr Datensatz eine Vielzahl von realen Bewegungsszenarien darstellt, von subtilen Bewegungen bis hin zu Umgebungsveränderungen. Mit unserer Bewertung der Anpassungsgüte wird überprüft, ob Ihr Datensatz reale Störlichtbogen-Bedingungen erfasst, um ein akkurates Training zu ermöglichen. Erfahren Sie mehr über die Anpassungsgüte oder verwenden Sie unseren Muster-Datensatz in CCStudio™ Edge AI Studio.
Abbildung 1.1 – schlechte Datenqualität
Abbildung 1.2 – gut getrennte Merkmalscluster für Lichtbogen und kein Lichtbogen
Anpassungsgüte-Test zur Veranschaulichung des Einflusses der Merkmalsextraktionsschritte während der Vorverarbeitung auf die Datentrennbarkeit.
Erstellen und trainieren Sie Ihr Modell
Sobald Ihr Datensatz bereit ist, können Sie mit dem Softwareentwicklungstool Edge AI Studio Modelle erkunden, trainieren und evaluieren. Dieses intuitive, GUI-basierte Tool vereinfacht den gesamten Prozess der Modellerstellung und -implementierung.
Legen Sie direkt los mit dem Beispielprojekt zur PIR-Bewegungserkennung – komplett mit einem vorinstallierten Datensatz.
Bevorzugen Sie benutzerdefinierte Daten? Die Plattform enthält integrierte Datenerfassungs- und Hosting-Tools in Edge AI Studio.
Modellflexibilität zur Unterstützung Ihrer Anwendungsanforderungen basierend auf den Speicherbeschränkungen und den Rechenanforderungen.
Implementierung Ihres Modells
CCStudio™ Edge AI Studio bietet einen kompletten Workflow für die Implementierung trainierter Modelle auf eingebetteten Zielen. Für Entwickler, die eine tiefere Anpassung und Steuerung wünschen, bietet das Implementierungsleitfäden ein umfassendes Framework für die Erstellung und Integration von Edge-KI-Funktionen für Ihre eigenen Embedded-Anwendungen.
- Implementieren Sie mit den GUI-Tools von EdgeAI Studio Modelle für maschinelles Lernen auf MSPM0-Mikrocontrollern
- Implementieren Sie mit CLI-Tools Modelle für maschinelles Lernen auf MSPM0-Mikrocontrollern
Finden Sie den richtigen Baustein für Ihre Zwecke
| Latenz (ms) | Flash (kB) | SRAM (kB) | ||||
|---|---|---|---|---|---|---|
| Produktnummer | Verarbeitungskern | NPU verfügbar | Taktfrequenz (MHz) | Kennzahlen für Störlichtbogenmodelle | ||
| MSPM0G5187 | Arm®-Cortex®-M0+-Mikrocontroller | Ja | 80 | 0,39 | 5,55 | 2,4 |
| AM13E230x | Arm® Cortex®-M33 | Ja | 200 | 0,2 | 5,8 | 2,4 |
Alles an Hardware, Software und Ressourcen, was Sie zum Einstieg benötigen
Hardware
LP-MSPM0G5187
MSPM0G5187-LaunchPad™-Entwicklungskit-Evaluierungsmodul. Dies ist für die Edge-KI-Inferenzierung erforderlich. Stromdaten werden mit dem ADC erfasst und nach der Merkmalsextraktion an das KI-Modell übergeben.
TIDA 010971
TI-Referenzdesign für die Erfassung von Wechselstromdaten für Störlichtbögen
Software- und Entwicklungstools
CCStudio™ Edge AI Studio
Eine vollständig integrierte Lösung ohne Notwendigkeit von Code zum Training und Kompilieren von PIR-Bewegungserkennungsmodellen, um sie auf Embedded-Mikrocontroller-Bausteinen von TI implementieren.
CLI-Tools
Dieses End-to-End-Modellentwicklungstool umfasst die Handhabung von Datensätzen, Modelltraining und -kompilierung.
MSPM0-SDK
Das MSPM0-SDK bietet die ultimative Sammlung von Software, Tools und Dokumentation zur Beschleunigung der Entwicklung von Anwendungen für die MCU-Plattform MSPM0 in einem einzigen Softwarepaket.