基于振动进行泵异常检测

预测性维护是一种维护策略，利用机器学习来预测设备何时可能发生故障。

水泵等工业设备在运行过程中会产生不同的信号。 在这些设备上安装传感器来采集相关数据，就可以通过机器学习来识别出正常和异常的行为模式。 这种预测方法旨在最大程度地缩短停机时间，提高效率，延长设备使用寿命。

我们针对水泵应用了以下方法：采集水泵的振动数据并加以分析，然后利用机器学习模型检测异常。 该方法经过调整，可轻松适用于很多其他工业机器。

方法

项目目标：

• 利用泵的振动来检测装有该泵的液压回路中的异常情况。
• 说明设计的模型可以用在完全不同的集成回路中，并且由于采用边缘AI学习技术，在其他回路中依然能够检测出异常。

在该项目中，我们使用第一个回路，通过加速度计来记录泵的振动数据。 我们收集了正常和异常信号，这些信号是通过关闭分流水阀而产生的。

然后，我们使用NanoEdge AI Studio创建了一个异常检测模型。 该软件工具根据我们的学习数据生成了最优模型。

创建的模型载入Proteus板，并连接到第一个回路。 该原型可用来实时检测正常和异常数据。

然后，我们将包含该模型的Proteus板移到第二个回路中。 通过边缘学习，我们使用新电路的信号在数秒内对同一模型进行重新训练。 虽然该模型最初是针对第一个回路进行的优化，但在新回路中依然表现良好。

传感器

加速度计（三轴）： ISM330DHCX