Skip to main content

振动异常检测

正如最小的病变可能导致致命疾病一样，最严重的工程灾难往往源于看似微不足道的异常。振动是一个关键指标——裂缝、堵塞、过载和磨损都会表现出不同的振动模式。

本教程介绍了振动异常检测套件。这是一个轻量级智能解决方案，旨在实时监控和识别异常振动模式。通过使用最少的训练数据学习设备的正常振动特征，它可以为机械故障提供早期预警。

1. 准备工作​

在开始检测异常之前，请确保您已准备好以下硬件和软件环境。

硬件要求​

该解决方案由 3 个硬件模块组成。

获取完整套件： XIAO ESP32-S3 振动异常检测套件

软件设置​

  1. 打开浏览器并访问SenseCraft AI。
  2. 使用您的账户登录（如果没有账户请先注册）。
  3. 进入XIAO ESP32S3 Sense工作区并选择**"Vibration"**。

2. 分步指南​

按照以下步骤训练您的设备识别"正常"振动并检测异常。

步骤 1：连接和初始化​

  1. 组装： 通过 Grove Shield 将加速度计连接到 XIAO ESP32-S3。将传感器牢固地附着到您的目标对象上。
  2. 连接： 通过 USB 将 XIAO ESP32S3 插入您的计算机。在 SenseCraft AI 界面上点击**"Connect"**按钮。
  1. 验证： 系统将显示设备信息。
    • 注意： 如果固件不正确，请使用界面上的烧录按钮更新为振动异常检测（VAD）固件。

步骤 2：配置​

连接后，您将看到参数设置区域。

  • Window Size： 默认为192。现在保持此默认值。
    • 提示： 窗口太小可能导致学习不足，而窗口太大会增加推理时间。您可以稍后调整此参数。

步骤 3：训练（收集正常数据）​

设备需要学习什么是"正常"的感觉。

  1. 确保您的目标对象在其正常状态下运行。
  2. 点击**"Collect Normal Vibration"**。
  3. 等待成功消息："Normal vibration collection succeeded"。
  4. 点击**"Save"**。这会将模型存储到 MCU 的闪存中。

步骤 4：检测异常​

  1. 点击**"Detect"**开始实时监控。
  2. 观察检测输出区域：
    • Normal： 振动模式与学习的模型匹配。
    • Abnormal： 检测到潜在异常（显示警报）。

步骤 5：部署和 GPIO​

您可以配置设备在发生异常时触发外部硬件。

  1. 找到GPIO Configuration部分。
  2. 选择一个引脚（例如，Pin 21 上的 LED）并为异常状态设置有效电平。
  3. 启用**"Default Power-On Inference Mode"**。这允许设备在电池供电时自动运行，无需计算机连接。

3. 参数调优指南​

如果您发现检测过于敏感（误报）或不够敏感，您需要调整参数。

调优界面概览​

界面帮助您可视化数据：

  1. 设备信息： 顶部区域。
  2. 设置： 参数和收集设置。
  3. 可视化： 实时波形（时间 vs 加速度）。
  4. 输出： 检测结果（0 表示正常，1 表示异常）。

关键参数​

1. Window Size​

定义一个分析"周期"的采样点数量。

  • 默认： 192（在 100Hz 下约 1.92 秒）。
  • 如何调整： 窗口必须覆盖至少一个完整的振动周期。使用波形图测量您机器振动的周期。如果机器振动缓慢，请增加 Window Size。

2. Anomaly Threshold​

定义检测的敏感度。

  • 范围： 0.0 到 1.0（默认：0.5）。
  • 如何调整：
    • 误报太多？ 增加阈值（例如，到 0.6 或 0.7）。
    • 漏检异常？ 降低阈值（例如，到 0.3 或 0.4）。

4. 算法与原理​

本节解释"Collect"和"Detect"按钮背后的技术。对于基本使用是可选的。

系统使用**陀螺仪欧几里得距离异常检测（GEDAD）**算法，适用于 3 轴加速度计。它包含两个阶段：

阶段 1：学习​

算法建立正常振动的基线模板。

  1. 模板生成： 收集一组正常的 3 轴加速度数据。
  2. 阈值计算： 算法在模板上滑动数据"块"，计算欧几里得（L2）距离。然后统计确定一个将正常变化与异常分离的阈值。

阶段 2：推理​

在实时检测期间，传入数据与学习的模板进行比较。

  • 如果实时数据相对于模板的欧几里得距离低于阈值，则为正常。
  • 如果距离保持在阈值之上，则标记为异常。

优势：

  • 训练速度快。
  • 计算开销低（适合 ESP32S3）。
  • 训练所需数据量少。

5. 应用场景​

振动异常检测套件非常适合各个领域的预测性维护和安全监控：

  • 工业： 泵、空气压缩机、风扇、电机、齿轮箱。
  • 暖通空调： 制冷压缩机、冷却塔。
  • 机器人： AGV/AMR 系统、农用拖拉机。
  • 数据中心： 冷水机组、服务器冷却。
  • 消费级： 洗衣机平衡警报、车库门机构。

开源与支持​

源代码： GitHub - Seeed-Studio/AcousticsLab

我们的算法和固件是开源的。我们正在积极开发 WiFi + MQTT 报告和 FFT 分析等功能。欢迎提交Issue或Pull Request。

技术支持：

Loading Comments...