一种基于存算一体技术的设备故障诊断方法及装置制造方法及图纸

本发明专利技术提供了一种基于存算一体技术的设备故障诊断方法及装置，装置包括三轴加速度芯片、4路ADC芯片、MCU芯片及电源模块，所述MCU芯片上连接有存算一体AI芯片和通讯模块，所述三轴加速度芯片和4路ADC芯片电路连接，所述4路ADC芯片与存算一体AI芯片电路连接，所述电源模块与三轴加速度芯片、4路ADC芯片、MCU芯片及AI芯片和通讯模块均连接供电，所述通讯模块上连接有存储模块和信息识别交互模块且通讯模块与信息识别交互模块电路连接。通过三轴加速度芯片的信号获取及存算一体AI芯片和MCU芯片的信息处理达到故障确定和诊断。本发明专利技术提供了一种基于存算一体技术的设备故障诊断方法及装置，具有成本低、低功耗、高效率、高算力及高识别率的优点。

【技术实现步骤摘要】
一种基于存算一体技术的设备故障诊断方法及装置
本专利技术涉及故障诊断领域，特别涉及一种基于存算一体技术的设备故障诊断方法及装置。
技术介绍
各种大型设备在日常生活和生产中的应用越来越广泛，为了能提前检测到设备的故障隐患，获取设备运行状态，人们专利技术了以机械设备振动信号为状态参量的设备故障检测方法。目前，利用设备振动信号检测设备故障隐患的方法，一般是基于平稳过程的传统信号处理方法，如信号滤波法、时域平均法、自适应消噪法等，这些处理方法的采用使故障的早期诊断取得了许多进展。但上述处理方法也存在缺陷如信号滤波法一般不能同时得到滤波通带以外的信息；时域平均法要求信号平稳并严格按周期采样，这在实际应用中受到运行工况非平稳的限制，难以实施；自适应消噪法要求信号和噪声平稳且相互独立，在现场信号和噪声不仅是非平稳，而且存在不同程度的相关性，因此，目前的设备振动信号处理方法对于变工况设备振动信号处理不理想，影响诊断设备故障隐患的准确性。现有技术中，针对旋转设备状态的监测大多采用在旋转设备两端轴座上设置两组三维(X、Y、Z方向)加速度振动传感器，测量振动位移矢量，监测主轴与轴瓦(轴座)之间的轴向、径向游离与波动情况，振动传感器利用压电晶体的正压电效应，当压电晶体在一定方向的外力作用下，它的晶体面产生电压，采集电路检测出这个电压值后换算成受力大小F，由公式a＝F/m可以得出瞬间加速度大小a，对加速度二次积分得出瞬间位移量，从而得出被测对象振动频谱和振动位移。然后，由技术专家对振动频谱、振动位移进行人工分析，得出旋转设备的运行状态。但是，现有技术中的监测方法，采用的压电式传感器体积大，供电电压高，电池供电不方便，并且低频响应性能差。数据分析及运行状态的确定需要根据工人经验进行判断，主观性强，判断结果不准确，不适合大批量推广。
技术实现思路
针对现有技术中的上述不足，本专利技术提供了一种基于存算一体技术的设备故障诊断方法及装置，低成本、低功耗、高效率、高算力、高识别率、无需单独布置存储芯片的边缘端布置。为了达到上述专利技术目的，本专利技术采用的技术方案为：一种基于存算一体技术的设备故障诊断装置，包括三轴加速度芯片、4路ADC芯片、MCU芯片及电源模块，所述MCU芯片上连接有存算一体AI芯片和通讯模块，所述三轴加速度芯片和4路ADC芯片电路连接，所述4路ADC芯片与存算一体AI芯片电路连接，所述电源模块与三轴加速度芯片、4路ADC芯片、MCU芯片及AI芯片和通讯模块均连接供电，所述通讯模块上连接有存储模块和信息识别交互模块且通讯模块与信息识别交互模块电路连接。作为改进，所述电源模块选用外置电池供电。作为改进，所述通讯模块包括蜂窝网模块和非蜂窝网模块。作为改进，所述存储模块为存储芯片或移动式硬盘或算存一体AI存储芯片。一种基于存算一体技术的设备故障诊断方法，包括以下步骤：1)三轴MEMS加速度传感器，获取振动信号，频响范围最低响应频率低至0Hz；2)4路ADC进行振动数据采集，对三轴MEMS加速度传感器采集的模拟信号进行数字化处理；3)存算一体AI芯片负责接收ADC输出的数字化数据，并将数据存储在芯片内部，存算一体AI芯片利用内部大型降噪、滤波、语音识别、声纹识别算法对采集的振动数据进行分析、计算，实现机器设备故障识别、诊断、设备区分、定位功能，并将计算结果发送给MCU；4)MCU接收到信息进行各个系统流程控制，并将信息传输给通讯模块，通讯模块将信息传输给存储模块进行存储并将信息记录传输给信息识别交互模块进行记录故障信息，当出现故障时，通讯模块将信息出输给信息识别交互模块，信息识别交互模块判断是否出现相同或相似故障，若出现将访问存储模块将故障信息和判断处理方法导出，若没有相同或者类似的故障出现，则对故障信息重新记录，处理方法和信息也一并存入到存储模块内。本专利技术的有益效果为：本专利技术采用三轴MEMS加速度传感器，成本低，频响范围相较于压电式传感器最低响应频率低至0Hz，4路高精度ADC芯片，节约线路空间，成本低，将算存一体AI芯片及语音识别深度学习算法应用于设备振动监测，实现设备状态诊断，基于存算一体AI芯片实现设备故障诊断人工智能算法低成本、低功耗、高效率、高算力、高识别率、无需单独布置存储芯片的边缘端布置，采用电池供电，解决特殊行业无电、供电困难、电源布设成本高的问题，采用MCU和存算一体AI芯片双大脑故障识别架构，提高故障识别准确率，算存一体AI芯片不仅对三轴MEMS加速度传感器采集的振动数据进行阵列存储，同时利用本地神经网络对振动数据实现网络推理，识别设备振动状态。附图说明图1为本专利技术的系统结构示意图；具体实施方式下面结合附图来进一步说明本专利技术的具体实施方式。其中相同的零部件用相同的附图标记表示。需要说明的是，下面描述中使用的词语“前”、“后”、“左”、“右”、“上”和“下”指的是附图中的方向，词语“内”和“外”分别指的是朝向或远离特定部件几何中心的方向。为了使本专利技术的内容更容易被清楚地理解，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述。如图1所示，一种基于存算一体技术的设备故障诊断装置，包括三轴加速度芯片、4路ADC芯片、MCU芯片及电源模块，所述MCU芯片上连接有存算一体AI芯片和通讯模块，所述三轴加速度芯片和4路ADC芯片电路连接，所述4路ADC芯片与存算一体AI芯片电路连接，所述电源模块与三轴加速度芯片、4路ADC芯片、MCU芯片及AI芯片和通讯模块均连接供电，所述通讯模块上连接有存储模块和信息识别交互模块且通讯模块与信息识别交互模块电路连接。所述电源模块选用外置电池供电。所述通讯模块包括蜂窝网模块和非蜂窝网模块。所述存储模块为存储芯片或移动式硬盘。一种基于存算一体技术的设备故障诊断方法，包括以下步骤：1)三轴MEMS加速度传感器，获取振动信号，频响范围最低响应频率低至0Hz；2)4路ADC进行振动数据采集，对三轴MEMS加速度传感器采集的模拟信号进行数字化处理；3)存算一体AI芯片负责接收ADC输出的数字化数据，并将数据存储在芯片内部，存算一体AI芯片利用内部大型降噪、滤波、语音识别、声纹识别算法对采集的振动数据进行分析、计算，实现机器设备故障识别、诊断、设备区分、定位功能，并将计算结果发送给MCU；4)MCU接收到信息进行各个系统流程控制，并将信息传输给通讯模块，通讯模块将信息传输给存储模块进行存储并将信息记录传输给信息识别交互模块进行记录故障信息，当出现故障时，通讯模块将信息出输给信息识别交互模块，信息识别交互模块判断是否出现相同或相似故障，若出现将访问存储模块将故障信息和判断处理方法导出，若没有相同或者类似的故障出现，则对故障信息重新记录，处理方法和信息也一并存入到存储模块内。该装置使用过程中将存算一体AI芯片创造性的应用到振动检测、故障识别行业，算法低成本、低功本文档来自技高网...

【技术保护点】
1.一种基于存算一体技术的设备故障诊断装置，包括三轴加速度芯片、4路ADC芯片、MCU芯片及电源模块，所述MCU芯片上连接有存算一体AI芯片和通讯模块，所述三轴加速度芯片和4路ADC芯片电路连接，所述4路ADC芯片与存算一体AI芯片电路连接，所述电源模块与三轴加速度芯片、4路ADC芯片、MCU芯片及AI芯片和通讯模块均连接供电，所述MCU芯片连接通讯模块及存储模块和信息识别交互模块且通讯模块与云端服务器实现信息交互。/n

【技术特征摘要】
1.一种基于存算一体技术的设备故障诊断装置，包括三轴加速度芯片、4路ADC芯片、MCU芯片及电源模块，所述MCU芯片上连接有存算一体AI芯片和通讯模块，所述三轴加速度芯片和4路ADC芯片电路连接，所述4路ADC芯片与存算一体AI芯片电路连接，所述电源模块与三轴加速度芯片、4路ADC芯片、MCU芯片及AI芯片和通讯模块均连接供电，所述MCU芯片连接通讯模块及存储模块和信息识别交互模块且通讯模块与云端服务器实现信息交互。


2.根据权利要求1所述的一种基于存算一体技术的设备故障诊断装置，其特征在于：所述电源模块选用外置电池供电。


3.根据权利要求1所述的一种基于存算一体技术的设备故障诊断装置，其特征在于：所述通讯模块包括蜂窝网模块和非蜂窝网模块。


4.根据权利要求1所述的一种基于存算一体技术的设备故障诊断装置，其特征在于：所述存储模块为存储芯片或移动式硬盘或算存一体AI存储芯片。
一种基于存算一体技术的设备故障诊断方...

【专利技术属性】
技术研发人员：李文彬，
申请(专利权)人：李文彬，
类型：发明
国别省市：河北;13