时频域自适应故障诊断模型

诊断提速4至10倍

该模型通过小波变换与掩码填补保持时间一致性，并利用分块处理框架在边缘计算平台上实现在线故障诊断，兼具高精度与高抗噪能力。

Huanan, Hu · 高经纬 · Xiangpo, Zhang · Zhang, Xiaofei · Qu, Yinpeng · 秦国军 · Qiang, Liu

IEEE Sensors Journal 2024

参数信息

诊断速度提升倍数

4-10 ×

技术优势

诊断提速4至10倍

通过分块处理框架和边缘计算平台优化推理流程，在保证精度的前提下显著减少诊断耗时。

适应非平稳信号

利用小波变换对非平稳数据进行时频分析，突破了传统方法仅适用于平稳信号的局限。

可部署于边缘设备

模型成功移植到边缘计算平台，配合分块处理框架，实现了电机的在线故障诊断，无需依赖高性能计算机。

应用场景

• 电机在线状态监测：在边缘端实时处理电机运行数据，无需上传云端即可快速诊断故障。
• 机器人关节电机健康管理：可嵌入机器人关节控制器，实时监测关节电机状态，预防突发故障。
• 电动车辆电机健康监测：部署于车载边缘设备，在线诊断驱动电机故障，提升行车安全性。
• 工业物联网边缘诊断：作为工业物联网边缘节点，本地执行诊断推理，降低通信延迟和数据传输量。