← 返回实验室

AI设备电流指纹辨识定制:非侵入式工况拆分

很多在役设备既没有数据接口,也不方便加装振动、温度传感器。我们尝试只从供电侧取一路电流信号:用开合式电流互感器加自研采样盒,以 4 kHz 采集进线电流波形,在边缘侧完成谐波分解与起停瞬态提取,再由轻量模型把波形映射到设备工况(待机、空载、正常加工、换刀换模、异常堵转)。整个过程不接触设备本体,也不改动原有电气回路。

进展:在同一个车间配电柜下挂 9 台混线设备(空压机、注塑机与输送电机)的现场做了两周连续采集,6 类工况的离线 F1 为 0.91,边缘端单点推理延迟约 12 ms,采样盒整机功耗控制在 1.8 W 以内。多台设备同时启停带来的工况串扰是目前主要误差来源,占误判的一半以上。

下一步:一是把标定流程从「每台设备采集两天」压缩到小时级,用跨设备迁移学习复用已有电流指纹,降低新设备接入门槛;二是把辨识结果通过既有 MQTT 链路写入设备台账,与断网续传策略对齐,先支撑看板与告警,暂不介入控制回路。

评论

更多研究动态

查看全部实验室 →