Pular para o conteúdo principal

Detecção de Anomalia de Vibração

Assim como a menor lesão pode levar a uma doença fatal, os desastres de engenharia mais graves geralmente surgem de anomalias aparentemente insignificantes. A vibração é um indicador crucial — fraturas, bloqueios, sobrecargas e desgaste manifestam padrões de vibração distintos.

Este tutorial apresenta o Vibration Anomaly Detection Kit. É uma solução inteligente e leve projetada para monitorar e identificar padrões de vibração anormais em tempo real. Ao aprender a assinatura de vibração normal de um dispositivo com dados mínimos de treinamento, ele fornece alertas antecipados para falhas mecânicas.

1. Preparação​

Antes de começar a detectar anomalias, certifique-se de que você tenha os seguintes ambientes de hardware e software prontos.

Requisitos de Hardware​

A solução é composta por 3 módulos de hardware.

Obtenha o Kit completo: Vibration Anomaly Detection Kit for XIAO ESP32-S3

Configuração de Software​

  1. Abra o navegador e visite SenseCraft AI.
  2. Faça login com sua conta (cadastre-se se você ainda não tiver uma).
  3. Entre no workspace XIAO ESP32S3 Sense e selecione "Vibration".

2. Guia Passo a Passo​

Siga estes passos para treinar seu dispositivo a reconhecer vibrações "normais" e detectar anomalias.

Passo 1: Conectar e Inicializar​

  1. Montagem: Conecte o acelerômetro ao XIAO ESP32-S3 através do Grove Shield. Prenda o sensor firmemente ao seu objeto alvo.
  2. Conectar: Conecte o XIAO ESP32S3 ao computador via USB. Clique no botão "Connect" na interface do SenseCraft AI.
  1. Verificar: O sistema exibirá as informações do dispositivo.
    • Observação: Se o firmware estiver incorreto, use o botão de gravação na interface para atualizar para o Vibration Anomaly Detection (VAD) firmware.

Passo 2: Configuração​

Após a conexão, você verá a área de Configurações de Parâmetros.

  • Window Size: O padrão é 192. Mantenha este padrão por enquanto.
    • Dica: Uma janela muito pequena pode levar a aprendizado insuficiente, enquanto uma janela muito grande aumenta o tempo de inferência. Você pode ajustá-la depois.

Passo 3: Treinar (Coletar Dados Normais)​

O dispositivo precisa aprender como é o estado "Normal".

  1. Certifique-se de que seu objeto alvo esteja funcionando em estado normal.
  2. Clique em "Collect Normal Vibration".
  3. Aguarde a mensagem de sucesso: "Normal vibration collection succeeded".
  4. Clique em "Save". Isso armazena o modelo na memória flash da MCU.

Passo 4: Detectar Anomalias​

  1. Clique em "Detect" para iniciar o monitoramento em tempo real.
  2. Observe a Detection Output Area:
    • Normal: O padrão de vibração corresponde ao modelo aprendido.
    • Abnormal: Uma possível anomalia é detectada (Alerta exibido).

Passo 5: Implantação & GPIO​

Você pode configurar o dispositivo para acionar hardware externo quando ocorrer uma anomalia.

  1. Localize a seção GPIO Configuration.
  2. Selecione um pino (por exemplo, LED no Pino 21) e defina o nível ativo para o estado anormal.
  3. Ative o "Default Power-On Inference Mode". Isso permite que o dispositivo seja executado automaticamente quando alimentado por bateria, sem conexão com o computador.

3. Guia de Ajuste de Parâmetros​

Se você perceber que a detecção está muito sensível (falsos alarmes) ou pouco sensível, será necessário ajustar os parâmetros.

Visão Geral da Interface para Ajustes​

A interface ajuda você a visualizar os dados:

  1. Device Info: Área superior.
  2. Settings: Configurações de Parâmetro e Coleta.
  3. Visualization: Forma de onda em tempo real (Tempo vs. Aceleração).
  4. Output: Resultados da detecção (0 para Normal, 1 para Abnormal).

Principais Parâmetros​

1. Window Size​

Define o número de pontos de amostra para um "ciclo" de análise.

  • Padrão: 192 (aprox. 1,92 segundos a 100Hz).
  • Como Ajustar: A janela deve cobrir pelo menos um ciclo completo de vibração. Use o gráfico de forma de onda para medir o período de vibração da sua máquina. Se a máquina vibrar lentamente, aumente o Window Size.

2. Anomaly Threshold​

Define a sensibilidade da detecção.

  • Faixa: 0,0 a 1,0 (Padrão: 0,5).
  • Como Ajustar:
    • Muitos falsos alarmes? Aumente o limiar (por exemplo, para 0,6 ou 0,7).
    • Anomalias não detectadas? Reduza o limiar (por exemplo, para 0,3 ou 0,4).

4. Algoritmo & Teoria​

Esta seção explica a tecnologia por trás dos botões "Collect" e "Detect". Ela é opcional para o uso básico.

O sistema utiliza o algoritmo Gyroscope Euclidean Distance Anomaly Detection (GEDAD), adaptado para acelerômetros de 3 eixos. Ele consiste em duas fases:

Fase 1: Aprendizado​

O algoritmo estabelece um modelo de referência de vibração normal.

  1. Geração de Modelo: Coleta um conjunto de dados normais de aceleração em 3 eixos.
  2. Cálculo do Limiar: O algoritmo desliza "blocos" de dados sobre o modelo, calculando a distância Euclidiana (L2). Em seguida, determina estatisticamente um limiar que separa variações normais de anomalias.

Fase 2: Inferência​

Durante a detecção em tempo real, os dados recebidos são comparados com o modelo aprendido.

  • Se a distância Euclidiana dos dados em tempo real estiver abaixo do limiar em relação ao modelo, ele é considerado Normal.
  • Se a distância permanecer acima do limiar, é marcado como Abnormal.

Vantagens:

  • Alta velocidade de treinamento.
  • Baixa sobrecarga computacional (adequado para ESP32S3).
  • Requer dados mínimos para treinamento.

5. Cenários de Aplicação​

O Vibration Anomaly Detection Kit é ideal para manutenção preditiva e monitoramento de segurança em vários campos:

  • Industrial: Bombas, Compressores de Ar, Ventiladores, Motores, Caixas de Engrenagens.
  • HVAC: Compressores de Refrigeração, Torres de Resfriamento.
  • Robótica: Sistemas AGV/AMR, Tratores Agrícolas.
  • Data Centers: Unidades de Resfriamento (Chillers), Resfriamento de Servidores.
  • Consumo: Alertas de balanceamento de Máquina de Lavar, mecanismos de porta de garagem.

Código Aberto & Suporte​

Código-fonte: GitHub - Seeed-Studio/AcousticsLab

Nossos algoritmos e firmware são de código aberto. Estamos trabalhando ativamente em recursos como relatório via WiFi + MQTT e análise FFT. Sinta-se à vontade para enviar um Issue ou um Pull Request.

Suporte Técnico:

Loading Comments...