Anwendungsübersicht
Erkennt unrundes Laufen und Unwuchten von Gebläseflügeln in Echtzeit mit einer stromsignalbasierten Methode, ohne Daten an die Cloud zu senden. Anstelle der Festfrequenzanalyse erkennt Edge-KI Unwuchten über unterschiedliche Geschwindigkeiten und Betriebsbedingungen hinweg ohne Neukalibrierung. Unsere Echtzeit-Mikrocontroller (MCUs) für Motorsteuerung & Automatisierung ermöglichen eine solche Erkennung, indem Modelle auf der Haupt-CPU oder TinyEngine™-NPU zusätzlich zur Motorsteuerung auf einem einzigen Baustein ausgeführt werden.
Evaluierung zum Einstieg
Datensammlung
LAUNCHXL-F2800137 EVM wird für diese Aufgabe verwendet. Ein auf dem Launchpad eingestecktes Motorantriebs-BoosterPack wird zur Ansteuerung des Motors eines Gebläses verwendet. F2800137 auf dem Launchpad wird zur Steuerung des Betriebs von Motor und Gebläse sowie zur Erfassung von Sensordaten verwendet. Die Registerkarte „Daten erfassen & anzeigen“ in CCStudio Edge AI Studio wird verwendet, um die Launchpad-Hardware zu steuern und die Datenerfassung abzuschließen. Die erfassten Sensordaten werden für das Training des Modells verwendet.
Bewertung der Datenqualität
Erfasste Vibrationsdaten können in Edge AI Studio sowohl nach Zeit- als auch nach Frequenzdomäne angezeigt und in Diagrammen dargestellt werden, um sicherzustellen, dass die Vibrationsdatensätze anhand ihrer Merkmale getrennt werden können. Die Anpassungsgüte-Analyse kann ebenfalls in diesem Tool für die erfassten Daten durchgeführt werden, um zu prüfen, ob die erfassten Daten eine ausreichende Trennung der Eigenschaften aufweisen.
Abbildung 1.1 – FFT-Heatmap, wenn keine Unwucht vorhanden ist
Abbildung 1.2 – FFT-Heatmap, wenn Unwucht vorhanden ist
Erstellen und trainieren Sie Ihr Modell
Edge AI Studio ermöglicht die Durchführung von Modelltraining, -tests und -implementierung über eine intuitive Benutzeroberfläche.
- Entdecken und trainieren Sie mehrere Modelloptionen mithilfe eines benutzerfreundlichen GUI-basierten Workflows.
- Steigen Sie mit dem Beispielprojekt Motorlagerschäden mit einem vorinstallierten Datensatz schnell ein.
- Nutzen Sie Ihre eigenen Daten dank integrierter Erfassungs- und Hosting-Tools.
Finden Sie das richtige Modell für Ihre Anforderungen
Greifen Sie auf die TI-Bibliothek mit optimierten und konfigurierbaren Modellen zur Erkennung von Motorlagerschäden zu. In Edge AI Studio gibt es einen Link zu ModelZoo (URL). Dort kann eine spezifische Anwendung ausgewählt werden. Eine Tabelle wie die untenstehende kann dann genutzt werden, um die Modellauswahl zu treffen. Vier Modelle können in EdgeAI Studio oder in der Befehlszeile ModelMaker untersucht werden.
Implementierung Ihres Modells
Edge AI Studio bietet einen kompletten Workflow für die Bereitstellung trainierter Modelle direkt auf eingebetteten Zielen.
Für Entwickler, die eine tiefere Anpassung und Steuerung wünschen, bietet das C2000WARE-MOTORCONTROL-SDK ein umfassendes Framework für die Erstellung und Integration von Edge-KI-Funktionen für Ihre eigenen Embedded-Anwendungen.
Finden Sie den richtigen Baustein für Ihre Zwecke
Die c28-DSPs und Arm®-Cortex®-M33-basierten MCUs von TI bieten skalierbare Leistung zur Ausführung und Beschleunigung von Modellen zur Erkennung von Störlichtbögen sowie wichtige SoC-Funktionen, die für Ihre Anwendung entscheidend sind.
Die untenstehenden Daten beruhen auf: 4 kHz Abtastfrequenz und 256 Abtastungen
| Ausführungszeit des Modells (ms) | Flash (kB) | SRAM (kB) | ||||
|---|---|---|---|---|---|---|
| Produktnummer | Verarbeitungskern | NPU verfügbar | Taktfrequenz (MHz) | Benchmark-Metriken für Lichtbogenerkennung | ||
| TMS320F28P550x | C28x-DSP-Kern | Ja | 150 | 0,17 | 1,8 | 1,1 |
| TMS320F2800137 | C28x-DSP-Kern | Nein | 120 | 0,42 | 1,2 | 1 |
| TMS320F28P650 | C28x-DSP-Kern | Ja | 200 | 0,25 | 1,2 | 1 |
| AM13E23019 | Cortex-M33-Kern | Ja | 200 | ~0,13* | 3 | 0,9 |
Alles an Hardware, Software und Ressourcen, was Sie zum Einstieg benötigen
Hardware
C2000-TMS320F28P550x-SOM-Platine. Bundle mit TIEVM-ARC-AFE (separat erhältlich) für vollständige KI-Lösung zur Erkennung von Störlichtbögen.
Beginnen Sie Ihre Evaluierung mit DC-Lichtbogenerkennungs-Hardware mit der Referenz TIDA-010955, die ein analoges Frontend für die DC-Lichtbogenerkennung enthält.
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
Eine Befehlszeilen-Schnittstelle für fortgeschrittene Benutzer, die ihr eigenes Modell entwickeln möchten. Dieses End-to-End-Modellentwicklungstool umfasst die Handhabung von Datensätzen, Modelltraining und -kompilierung.
AM13E2X-SDK
Eine vereinheitliche Softwareplattform für die MCU-Familie AM13E23x von TI. Sie ist einfach einzurichten und bietet schnellen Zugriff auf Benchmarks und Demonstrationen mit.
Unterstützende Ressourcen
Referenzdesign für KI-basierte Lichtbogenerkennung in Solaranwendungen.
Industrieautomatisierung | Motordiagnose & -überwachung
Schützen Sie AC-Motorantriebsdesigns mit hochgenauer KI-basierter Motorfehlerklassifizierung.