基于平衡脉冲神经网络的振动异常在线检测

振动模式蕴含了运行机器健康状态的宝贵信息，这在大型工业系统的预测性维护任务中常被加以利用。然而，经典方法利用该信息所需的体积、复杂度和功耗开销，对于自动驾驶汽车、无人机或机器人等小规模应用而言往往过高。在此我们提出一种神经形态方法，使用脉冲神经网络进行振动分析，可应用于广泛场景。我们提出了一种基于脉冲的端到端流水线，能够利用与模数神经形态电路兼容的构建模块，从振动数据中检测系统异常。该流水线以在线无监督方式运行，并依赖于耳蜗模型、反馈适应以及平衡脉冲神经网络。我们表明，所提方法在两个公开数据集上达到了最先进性能或更优。此外，我们展示了在异步神经形态处理器设备上实现的可行概念验证。本工作朝着设计和实现用于在线振动监测的自主低功耗边缘计算设备迈出了重要一步。