在单片机中应用卷积神经网络实现故障诊断

作者利用深度神经网络进行滚动轴承的智能故障诊断(IFD),将人工智能在低成本小型化平台上实现了应用。作者在文章中优化改进了二维神经网络(CNN2D)的神经网络架构,并将其部署到STM32H743VI单片机,实现了轴承故障振动信号的识别和分类。网络的训练和验证使用凯斯西储大学(CWRU)轴承故障数据集,并获得其中的包含10种故障类型的数据。使用基于Tensorflow深度学习框架的Keras工具对CNN2D的神经网络进行训练。验证可知该改进模型对故障识别准确度可以达到98.90%。利用CubeAI工具将网络部署至单片机内。通过串口与电脑进行通信获取随机轴承数据,实测每次诊断运行时间为约为19 ms。

资料为PDF文档格式.

本文档关键词:卷积,神经网络,单片机,实现,故障诊断