計(jì)算機(jī)中已經(jīng)安裝了機(jī)器手臂的正常運(yùn)動(dòng)波形的學(xué)習(xí)模型，AI單元對(duì)采集到的實(shí)時(shí)波形和正常波形數(shù)據(jù)進(jìn)行比較判斷，從而檢測(cè)出機(jī)器運(yùn)動(dòng)中的任何異常。

AI單元具有多個(gè)輸入和輸出，它可以用于預(yù)先判斷的數(shù)據(jù)處理（預(yù)處理），例如使用多個(gè)傳感器進(jìn)行感應(yīng)，并通過(guò)其采集的觸發(fā)信號(hào)進(jìn)行波形生成。

在本演示中，機(jī)械手臂的運(yùn)動(dòng)波形并不是整個(gè)運(yùn)動(dòng)過(guò)程都會(huì)顯示，只有當(dāng)機(jī)械手臂放置物體的過(guò)程中，才會(huì)記錄并顯示其振動(dòng)波形，這是通過(guò)一個(gè)鉗位傳感器來(lái)檢測(cè)觸發(fā)實(shí)現(xiàn)的。

如上圖所示，該演示應(yīng)用中通過(guò)一個(gè)電機(jī)分別聯(lián)動(dòng)3個(gè)不同的齒輪轉(zhuǎn)動(dòng)，其中有一個(gè)是正常齒輪，另外兩個(gè)是有缺陷的齒輪，通過(guò)AI單元來(lái)判斷并識(shí)別出其中的2個(gè)缺陷齒輪，同樣在PC上位機(jī)軟件上面進(jìn)行顯示信息，并且可以在軟件中根據(jù)自定義設(shè)置，來(lái)優(yōu)化整個(gè)異常判斷系統(tǒng)。

演示應(yīng)用首先會(huì)通過(guò)振動(dòng)傳感器來(lái)采集齒輪運(yùn)動(dòng)的振動(dòng)信號(hào)，將信號(hào)傳輸給AI單元，并深度學(xué)習(xí)框架來(lái)自我學(xué)習(xí)正常齒輪轉(zhuǎn)動(dòng)的運(yùn)動(dòng)模型，模型一旦生成好之后，就可以用來(lái)檢測(cè)其他有缺陷的齒輪運(yùn)動(dòng)，從而識(shí)別出缺陷齒輪。

在這里，我們將正常的齒輪聯(lián)動(dòng)電機(jī)轉(zhuǎn)動(dòng)，有缺陷的2個(gè)齒輪先放置在電機(jī)驅(qū)動(dòng)齒輪箱內(nèi)以便之后使用，正常齒輪轉(zhuǎn)動(dòng)后將振動(dòng)傳感器連接到AI單元并記錄正常齒輪的振動(dòng)波形。

通過(guò)學(xué)習(xí)框架，AI單元學(xué)習(xí)并記錄振動(dòng)的波形。在上位機(jī)軟件中，可以設(shè)置需要學(xué)習(xí)的波形時(shí)間段，來(lái)執(zhí)行傳感器輸入的濾波處理和FFT處理等，并且能使用PC上的工具修改這些過(guò)程的各種設(shè)置。

齒輪的運(yùn)動(dòng)模型的自我學(xué)習(xí)是在PC上位機(jī)軟件上完成，因?yàn)橛捎谛枰罅康挠?jì)算而無(wú)法在微控制器上完成。如果用戶能夠創(chuàng)建經(jīng)驗(yàn)豐富的人工智能模型，它可以轉(zhuǎn)換為AI參數(shù)，通過(guò)使用e-AI轉(zhuǎn)換器將應(yīng)用代碼下載到AI單元中，并在微控制器中執(zhí)行。

將參數(shù)寫入到AI單元完成后，通過(guò)使用工具并判斷振動(dòng)傳感器的波形，將波形數(shù)據(jù)與正常齒輪運(yùn)行模型數(shù)據(jù)進(jìn)行比對(duì)，如果齒輪沒(méi)有損壞，則判斷它們?yōu)椤罢！?，如果切換到有缺陷的齒輪，則判斷它們?yōu)椤爱惓！薄?/span>