基于STM32嵌入式处理器的机电设备轻量化故障诊断方法技术

本发明专利技术提供一种基于STM32嵌入式处理器的机电设备轻量化故障诊断方法，涉及故障诊断领域，更具体的涉及基于嵌入式处理器的机电设备轻量化故障诊断应用领域。该方法使用基于BP神经网络+支持向量机(SVM)的模型结构和方法，并在嵌入式端应用上进行了一定程度优化与压缩，如特征降维、属性离散化优化和神经网络端模型的压缩等，使得模型更能适应嵌入式端的实时需求。设计了上位机端软件界面和STM32下位机通信诊断的系统，通过NASA作动器数据集进行测试验证，系统采用的BP神经网络与支持向量机相结合的数据融合方式能够实现机电系统在线实时故障诊断，提高了故障诊断系统的实用性和有效性，最大限度地避免了故障造成的资源浪费和经济损失。济损失。济损失。

【技术实现步骤摘要】
基于STM32嵌入式处理器的机电设备轻量化故障诊断方法


[0001]本专利技术涉及故障诊断领域，更具体的涉及基于嵌入式处理器的机电设备轻量化故障诊断应用领域。
现有技术
[0002]在机电设备故障诊断应用方面，状态监视和预测性维护已成为可行的解决方案，从而最大程度地降低运营和维护成本，同时提高安全性。嵌入式故障诊断强调设备管理中的状态感知，监控设备运行状态、故障频发区域与周期，通过数据监控与分析，预测故障的发生，从而大幅度提高运维效率。
[0003]通过对目前的文献检索发现，基于嵌入式处理器的设备故障诊断方法的研究仍处于起步阶段，是当前学术界和工业界研究的热点。如同济大学的李云朋等人在《嵌入式轴承故障诊断系统的设计与实现》提出了一种基于ARM+FPGA的异构架构，采用CNN 诊断轴承故障，提高了并行计算的能力。此类研究现处于初始阶段，在设备的通用性上还需要进一步的研究。谢光强等人在《微型嵌入式系统故障诊断方法综述》中指出将机器学习的计算过程尽可能地在传感器端完成，可以将数据带宽降到最低，从而提高系统的响应能力，满足实时需求。此外，嵌入式本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于STM32嵌入式处理器的机电设备轻量化故障诊断方法，其特征在于，包括如下步骤：步骤1：原始数据的采集：通过传感器采集机电设备的数据或通过仿真软件仿真，得到原始数据集；步骤2：数据的预处理：(1)数据的清洗对原始数据集进行数据的清洗，用邻近值填充法填补缺失值，即使用相邻的数据来代替缺失值；(2)数据集的划分将原始数据集随机划分为训练集和测试集两部分，训练集占原始数据集的80％～90％，测试集占原始数据集的10％～20％；步骤3：数据的特征提取及降维：(1)数据的特征提取通过信号处理提取故障特征，得到由时域数据和频域数据组成的高维特征数据集；(2)数据的降维对高维特征数据集使用主成分分析法进行数据降维，得到低维度特征数据集；步骤4：数据集的属性离散化及模型的移植部署：(1)属性离散化对低维度特征数据进行属性离散化，将属性值分割成多个子域，然后用这些子域替代原始实值，从而对决策表进行泛化；它的实质是选择适当的断点，并对条件属性空间进行划分，把由n个条件属性组成的n维空间划分为有限个区域，使对象的属性值在每个区域中保持一致；离散化连续属性有两个基本原则：离散化后损失决策表信息最少，离散化后损失决策表信息最小；每个属性包含的属性值类型最小，即离散化后空间维数最小；(2)BP神经网络模型的移植部署对低维特征数据进行属性离散化...

【专利技术属性】
技术研发人员：陈绍炜，刘恒宇，黄岩平，温鹏飞，赵帅，窦智，李毅，薛峰，李勇，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：