一种基于TinyML的超低功耗高可靠端侧预测性维护系统技术方案

本发明专利技术公开了一种基于TinyML的超低功耗高可靠端侧预测性维护系统。考虑到如今工业监测领域没有一个完整的高效的不依赖云计算的低成本可靠系统，本发明专利技术基于最新的TinyML技术，为低成本的单片机嵌入神经网络模型，使其能本地进行复杂的数据处理，低延时地完成振动、温湿度、图片、声音等传感器信息的综合分析，从而在端侧完成对工业设备全方位状态诊断，高精度地捕获机器的异常状态，实现高效的低功耗预测性维护，为边缘计算、工业监测领域提供了一种新思路。提供了一种新思路。提供了一种新思路。

【技术实现步骤摘要】
一种基于TinyML的超低功耗高可靠端侧预测性维护系统


[0001]本专利技术涉及一种基于TinyML的超低功耗高可靠端侧预测性维护系统，属于工业设备监测领域。

技术介绍

[0002]工业4.0是一个正在蓬勃发展的数字化和自动化过程，是一个崭新的工业时代，智能工厂正受益于无处不在的连接和制造系统之间的无缝数据交换。其中工业设备的维护是一个关键环节，影响着设备的运行时间和效率，且维修的影响占所有制造业运营总成本的15
‑
60％。所以高效的设备监测系统能促进智能制造的发展。
[0003]预测性维护是最前沿的工业监测技术，它可以通过统计学或机器学习模型来预测趋势、行为模式和相关性，以提前预测即将发生的机器故障，在停机等严重后果发生之前就能采取有效措施，从而改善维护活动的全过程。但是现在的预测性维护系统基于的人工智能技术要依赖额外的、强大的服务器。这意味着要实现实时监测，大量的原始数据要上传至云平台，云平台分析后才能得出结果。这样的系统导致了高功耗、高成本、高延时和信息泄露等后果，不是长远之计。
[0004]近年来由谷本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于TinyML的超低功耗高可靠端侧预测性维护系统，其特征在于，包括布置在本地的智能监测终端以及位于远端的云平台：智能监测终端嵌入了多种低功耗传感器能够在端侧采集工厂设备的多维原始状态信息，智能监测终端的低功耗SoC中布置有生成低功耗高可靠的TinyML模型，智能监测终端在本地对多维原始状态信息进行预处理后，将数据送入TinyML模型，由TinyML模型在本地进行分析，所得出的推理结果用于状态诊断，仅当TinyML模型发现异常情况时，智能监测终端才会与远端的云平台进行数据通信，在没有发现异常时，只有再经过了一段时间后，智能监测终端才会与远端的云平台进行数据通信，该时间长度取决于用户和应用的要求。2.如权利要求1所述的一种基于TinyML的超低功耗高可靠端侧预测性维护系统，其特征在于，所述智能监测终端将采集到的多维原始状态信息上传至远端，或者保存至本地的存储单元中。3.如权利要求1所述的一种基于TinyML的超低功耗高可靠端侧预测性维护系统，其特征在于，所述智能监测终端与所述云平台之间的无线通信通信协议选择低功耗Wifi。4.如权利要求1所述的一种基于TinyML的超低功耗高可靠端侧预测性维护系统，其特征在于，将所述智能监测终端采集的多维原始状态信息收集起来...

【专利技术属性】
技术研发人员：陈梓杰，梁俊睿，
申请(专利权)人：上海科技大学，
类型：发明
国别省市：