基于卷积神经网络与 STM32 微控制器的轴承故障实时诊断
机器学习
2023-04-19 v1 系统与控制
系统与控制
摘要
随着大数据与边缘计算的快速发展，许多研究者致力于利用深度学习模型提高轴承故障分类的准确率，并将深度学习分类模型部署于 STM32 等资源受限平台。为此，本文基于卷积神经网络实现了轴承故障振动信号的识别，优化后模型的故障识别准确率可达 98.9%。此外，本文成功将卷积神经网络模型应用于 STM32H743VI 微控制器，每次诊断运行时间为 19ms。最后，设计了上位机与 STM32 之间完整的实时通信框架，可通过串口完美完成数据传输并在 TFT-LCD 屏上显示诊断结果。
引用
@article{arxiv.2304.09100,
title = {Real Time Bearing Fault Diagnosis Based on Convolutional Neural Network and STM32 Microcontroller},
author = {Wenhao Liao},
journal= {arXiv preprint arXiv:2304.09100},
year = {2023}
}
备注
6 pages, 9 figures