课程文献中心 更多>>

关键词： 滚动轴承   故障诊断   嵌入式系统   卷积神经网络   轻量化  

摘要： 电机作为现代工业和社会生产生活中重要的动能设备,其应用十分广泛。滚动轴承作为电机中最关键的零件之一,其故障会严重影响电机的正常运行和使用寿命。目前轴承故障诊断方法存在以下问题:传统基于信号处理技术的轴承故障诊断方法存在先验知识要求高、依赖专家经验等问题;基于深度学习的轴承故障诊断模型存在尺寸大、参数量多等问题;主流轴承故障诊断系统存在数据上传量大、诊断速度慢等问题,无法满足对故障诊断响应要求高的实际工业场景。针对以上问题,本文主要的研究工作和成果如下:(1)研究了轻量化轴承故障诊断模型。该诊断模型基于卷积神经网络,通过使用深度可分离卷积替换标准卷积,并使用全局平均池化层替换全连接层作为模型的输出单元,有效地减少模型的参数量从而降低模型占用的内存,为模型能够移植嵌入式设备提供保障。(2)设计了基于嵌入式设备的轴承故障诊断系统。该系统由STM32微控制器作为主控平台,其上部署了轴承故障诊断模型,振动采集模块采集轴承振动数据,经过数据格式重构后输入诊断模型,在LCD屏显示实时的故障诊断结果,蜂鸣器报警模块实现轴承故障警示功能,Wi Fi无线通信模块通过将轴承故障数据上传至物联网平台,以Web界面的形式实现数据展示和远程监测。实验结果表明,该系统具有较好的轴承故障诊断精度,且诊断速度快。便携式嵌入式设备易部署在工业现场,采集的数据存储在设备,免去数据上传后台或云端过程,满足工业的轴承故障诊断实时性需求。

关键词： 人机交互   嵌入式系统   深度学习   可穿戴设备   表面肌肉电信号  

摘要： 肌肉电信号作为一种与人体运动密切相关的生理信号,可以被应用到人机交互技术当中。肌电交互通过将肌电信号作为输入,实现人与计算机或其他设备之间的直接沟通。例如,人们可以通过手势或动作来控制外部机器运行。在元宇宙、医疗健康与工业等领域,肌电交互有着广阔应用前景和巨大市场潜力。然而,目前的肌电交互系统仍然存在一些的不足之处,这些问题阻碍着肌电交互的落地与推广。因此,本文将对肌电交互技术进行研究,讨论目前存在的问题,并结合深度学习技术与嵌入式技术实现一套功能集成化的表面肌电交互系统。主要工作如下:深度神经网络作为一种强大的算法模型,能够用于解码肌电信号中的交互信息。然而,常见的深度神经网络复杂度较高,将深度学习算法集成到微控制器上存在一定难度。尽管神经网络在各类通用计算平台与信息系统中受到了广泛的使用,但关于微型嵌入式平台的应用还相当不成熟。因此,本文提出了一套面向微型嵌入式系统的神经网络模型部署框架——emb AI(embedded Artificial Intelligence),emb AI包含网络模型的优化部署工具与运行在微控制器上的神经网络推理引擎。emb AI能帮助微型嵌入式系统快速的实现“端到端”的智能化应用。与目前主流的X-CUBE-AI和TFlite-micro框架相比较,emb AI框架适用平台更广,移植难度更低。就本文讨论的肌电交互应用而言,尽管在推理时间上emb AI与其他框架存在17.52%～45.65%的差距,但存储占用却能相对减少68.27%～78.63%。也就是说,emb AI能够运行在更多资源受限的硬件平台上。本文将肌电交互系统的工作都集成到了微控制器上运行,这无疑会增加嵌入式系统的复杂度,而传统的嵌入式软件系统设计框架在面对越复杂的任务时将会产生越多的弊端。此外,目前的肌电交互技术尚不完善,未来可能仍需要进行迭代改进。因此,设计时还需要好好考虑系统复用性与扩展性。为了处理好这些问题,本文提出了一套面向微型嵌入式系统的设计框架。该框架同时包含软件设计策略与硬件设计策略。软件框架源于面向对象设计原则,是一种改良的基于微服务的设计模式。通过将功能逻辑与参数细节分别抽象为微服务和代理,软件框架可以使系统具备清晰的设计逻辑并且易于维护升级。同时,硬件方面采用了模块化的设计思想,引入了适配器的设计。适配器可以为嵌入式系统提供更加灵活的底层硬件支持,使其功能更丰富多变。最后,本文根据上述研究成果设计并实现了一套功能集成化的智能肌电交互设备。该设备可以通过蓝牙协议与现有的许多电子信息系统直接交互,并非只是单纯的肌电信号数据采集设备。与那些将“采集”和“交互”分离开的肌电交互系统相比,功能集成化的肌电交互系统有三个优势:(1)可以免去不同平台的驱动适配工作;(2)能延长穿戴设备的工作时间;(3)增强用户隐私数据的安全性。实验表明,一旦不需要持续给交互对象传输采集的肌电数据,就能明显的减少无线通讯所产生能耗并使得穿戴设备的平均工作时间延长33.25%。

关键词： 化学仪表   多参数校准仪   嵌入式系统   自动配药装置   仪表校准  

摘要： 电导率、pH值、钠离子、硅酸盐离子和磷酸盐离子含量是电厂用水中的几个常用参数。而测量这些参数的电厂在线化学仪表由于电厂的工作环境、工作人员的误操作及检测装置本身的损耗等原因,会造成仪表的测量误差,这种误差会随着时间而增加,需要定期对这些在线仪表进行校验。本课题完成了一款集电导率、p H值和温度测量,与p H表校准、钠表校准、硅表校准、磷表校准和温度校准于一体的电厂化学仪表多参数校准仪的研究与设计。本文分析了国内外电厂化学仪表多参数校准仪的发展现状,研究了溶液电导率和p H值测量影响因素,提出了使用电导率来测量和校准溶液p H值、钠离子、硅酸盐离子和磷酸盐离子含量的方法。仪表设计的流路和电路可以完成检测和校准功能。按照功能不同,多参数校准仪系统可以划分为四个部分,分别为电导率与温度测量功能,三角波发生器,通讯功能和校准功能。在测量时,三角波发生器自动调节换档后,由激励源激励电导池产生一个电压信号经过模拟放大、RC电路滤波后再被AD电路进行模数转换,转换后送入微处理器再发送到上位机进行数据分析与处理,在上位机中显示溶液的比电导率和氢电导率,通过两种电导率可以计算出溶液的p H值。校准时,校准仪通过内置的超纯水中氯化钠浓度与电导率关系,测量出溶液的电导率后换算为氯化钠浓度,与电厂在线钠表测量结果进行对比校准;全自动的配药装置在封闭的条件下配出不同浓度的硅酸盐和磷酸盐标准溶液,电厂在线硅表和电厂在线磷表对标准溶液进行测量即可校准。系统经过硬件与软件的调试,实现了数据实时显示、自动测量、电导率标定、温度补偿、电厂在线p H表校准、电厂在线钠表校准、电厂在线磷表校准和温度校准等功能。在对多参数校准仪系统的整机测试过程中,对其进行了测量精度试验和重复性试验,并对试验结果进行了数据分析,试验结果表明,多参数校准仪系统具有较高的测量精度和较好的重复性,达到了设计的要求。

关键词： G-M计数器   教学   嵌入式系统   自动测试  

摘要： 盖革米勒计数器(G-M计数器)实验作为近代物理实验中极为经典的一个实验,在全国各大高校均有开设,但由于实验设备的限制,导致该实验存在着许多的不足,如:实验内容较为单一,实验操作较为繁琐,实验误差较大,核辐射安全问题等。为解决当前G-M计数器实验存在的问题和弊端,本文利用无线通信技术,嵌入式技术等,并利用软硬件结合,对G-M计数器实验装置进行改进,设计了可以远程操控的G-M计数器实验装置,并在新装置基础上,对实验内容进行扩展。本文所设计的G-M计数器实验装置可利用无线网络进行远程操控,实验中产生的实验数据也会通过网络发送至上位机软件中,无需来到实验室进行实验。同时实验数据的采集精度也大大提高,为完成本设计,本文首先对当前的实验装置分析,找出存在的问题,并一一找到解决方案,进而进行硬件和软件的设计,其中硬件设计包含机械结构设计和各模块的电路设计,机械结构设计包括铅盒部分的设计和探测器平台的设计,各模块包括主控模块、升压模块、信号处理模块和无线模块。软件设计部分包含下位机程序设计和上位机程序设计,其中下位机程序设计包括主控模块程序设计和无线模块程序设计,主控模块程序设计中包含主程序设计、串口子程序设计和PWM输出子程序设计。上位机程序包含了服务器通信程序、数据可视化程序以及各个实验步骤的界面设计。在完成了整个实验平台的搭建后,对系统进行实机测试并对实验数据进行分析,完成了对整个实验装置的验证。综上所述,本文实现了装置的硬件设计和软件设计并进行了验证,完成了G-M计数器实验的改进。

关键词： 声学回声消除   嵌入式系统   麦克风阵列   深度学习   MP-UNet网络  

摘要： 为了满足人们对通话质量日益增长的需求,以及应对各种通讯设备对算法计算量和实时性等方面的挑战,发掘效果更优、复杂度更低的回声消除算法模型显得尤为必要。然而,基于自适应滤波的传统回声消除算法存在收敛速度慢、对非线性声学回声建模能力不足等问题。为解决以上问题,本文设计了基于深度学习的远场多通道回声消除方法,并成功部署到了不同计算资源的ARM嵌入式平台上,构建了实时回声消除系统。本文的研究工作对在资源受限的嵌入式平台环境下开发实时语音处理系统具有较强的启迪意义。主要工作包括以下三个方面:(1)为了研究室内远场通话的声学回声消除问题,本文采用房间脉冲响应(Room Impulse Response,RIR)的合成方法,生成了一个基于线性麦克风阵列的远场语音数据集。该数据集涵盖三种不同的通话场景(远端单讲、近端单讲和双讲),以及多种不同的房间特征(尺寸、形状、混响时间等)。同时,在合成数据集的过程中,考虑了实际通话环境中可能存在的背景噪声,并根据噪声类型和信噪比进行了适当的调整,以提高数据集的真实性和质量。(2)针对嵌入式平台计算资源有限的问题,本文提出了两种基于UNet网络结构和通道注意力机制的回声消除算法模型:MP-UNet模型和轻量化版MP-UNet S模型。这两种模型能够同时处理语音的幅值和相位信息,并输出消除回声和抑制噪声后的语音,达到高效的回声消除和降噪目标。本文还将MP-UNet模型与传统的自适应滤波方法和其它基于深度学习的方法进行了对比实验,验证了本文方法在性能上的优越性。(3)基于MNN推理引擎,在两种不同性能的嵌入式平台上部署了MP-UNet和MP-UNet S回声消除模型,并对它们进行了转换、量化压缩和优化,以提升其在嵌入式平台上的性能。其中,RK3399是中等资源的ARM平台,RK3308是低资源的ARM平台。对于RK3308,裁剪和移植了Linux系统,并基于ALSA(Advanced Linux Sound Architecture)设计了回声消除系统。对于RK3399,裁剪和移植了Ubuntu系统,并基于Pulse Audio设计了回声消除系统。实验结果表明,两种嵌入式平台上部署的回声消除系统均可在CPU后端实时运行,且RK3399在GPU后端可实现十倍的加速推理,并获得显著的回声消除效果。

关键词： 车联网   广播技术   自适应调整   仿真平台   嵌入式系统  

摘要： 城镇车联网环境复杂程度较高,车辆节点分布密度与拓扑结构的高动态变化特性对车联网中数据的传输提出了挑战。广播技术是实现车联网节点数据传输的重要手段,能够保证数据传输的实时性与有效性,极大的提高车辆运行效率,避免交通事故。本文从车联网广播算法与硬件仿真平台两个方面对车联网广播技术进行了研究。本文主要研究内容和贡献如下:针对当前车联网分布式广播算法在城镇环境下节点密度动态适应性不高以及在节点产生局部聚集时存在网络性能下降的问题,提出了一种基于概率的分布式竞争转发PLPB(Probability and Local Perception Broadcast)广播算法。该算法在广播报文中嵌入网络收集到的节点位置与局部拓扑信息,以帮助中继节点获得先验拓扑结构来计算转发概率,同时提取局部拓扑中心与边缘节点分布特征信息,辅助中继节点对转发概率进行调整,优化节点分布区域聚集带来的潜在“消息中断”与“局部广播风暴”问题。基于路由建立过程对该算法进行性能验证,仿真结果表明,PLPB广播算法具有良好的网络冗余抑制以及节点密度与节点分布自适应能力,在降低网络平均时延与提高分组投递率方面具有良好的性能,能够很好的满足城镇环境中车联网信息交互需求。针对当前车联网广播实际场景测试成本较高且测试场景较为复杂的问题,设计搭建了基于Open Wrt嵌入式系统的轻量化硬件仿真平台,并在室内与室外多个场景中对PLPB广播算法进行了实际测试,测试结果验证了PLPB广播算法在真实场景下的性能。该平台采用应用层集中控制方案,可扩展性较强,且轻量化的平台结构设计使得实际测试场景布置成本较低。对比分析PLPB广播算法实际测试结果,与软件仿真结论相互照应,共同说明了PLPB广播算法性能的可靠性,证明了该硬件仿真平台具有较好的有效性与实用性。

关键词： 烟丝装箱   自动化生产线   嵌入式系统   Modbus协议  

摘要： 随着工业自动控制技术和互联网的飞速发展,生产线控制系统智能化,网络化已成为智能制造的发展趋势。目前,大多以PLC为控制核心的烟丝自动化装箱生产线,无法满足控制系统日益增长的性能需求,为了提高控制系统可靠性、实时性以及高效性,结合工业现场总线技术和工业以太网技术,对以STM32为控制核心的控制系统进行设计与研究。本文主要研究工作如下:(1)针对某烟草厂烟丝装箱生产线工程改造项目需求,对生产线的工艺流程和生产线布局进行设计,为满足控制系统可靠性、实时性以及高效性要求,选择以ARM为内核的STM32系列作为主控制器搭建嵌入式控制系统,并完成控制系统架构设计。(2)针对STM32可靠性不足的问题,对控制系统硬件模块的抗干扰性进行设计与研究。首先从微处理器性能和系统需求方面考虑,选择STM32F407IGT6微处理器作为控制系统硬件平台的主控芯片;然后采用模块化设计思想完成控制系统各外围模块的设计,并严格考虑各模块在工业环境下的抗干扰性;最后完成硬件电路板的设计与实物制作。(3)针对系统的实时性和高效性要求,对调度算法进行比较研究并分析了原有调度算法的不足,提出EDF和STCF融合调度算法进行系统任务调度。针对控制系统的可靠性和实时性要求,对控制系统软件进行设计。首先从数据传输可靠性方面对Modbus协议通讯模块进行设计,并分析其安全性;其次为保证系统实时性和多任务管理需求,选择Free RTOS作为实时操作系统,在此基础上完成EDF和STCF融合调度算法设计和控制系统子任务设计;最后完成上位机主要界面及模块的开发。(4)搭建烟丝装箱生产线控制系统实验测试平台,对测试平台进行软硬件测试和系统测试。测试结果表明:硬件抗干扰性和网络通讯准确性满足了系统可靠性要求,EDF和STCF融合调度算法提高了系统实时性和高效性,验证了控制系统设计的合理性,为其它自动化生产线控制系统的设计提供参考。

关键词： 物联网   嵌入式系统   花卉识别   深度学习   知识蒸馏  

摘要： 随着物联网、深度学习等技术的发展,越来越多的电器开始朝着智能化、人性化的方向发展,同时随着人们生活水平和生活情趣的提高,种植花卉的人也越来越多,而目前在花卉养护方面还存在着诸如浇水不便、健康状况难以辨别等问题。为解决人们在花卉养护方面的难题,本文结合物联网、嵌入式系统、深度学习等技术开发出了一套结合自动灌溉和花卉健康识别的养护系统,同时针对传统花卉识别算法不适合部署在移动端、花卉数据集标注成本较高的问题,提出了基于知识蒸馏和MobileNetV3的轻量化花卉识别算法。本文的主要工作和创新如下:(1)为解决花卉养护中浇水不便的问题,设计自动灌溉系统,该系统可依托阿里云物联网平台实现系统自动联网、移动端控制、多路并行、土壤温湿度感知、实时浇水、定时浇水、低水量自动浇水等功能。(2)为解决花卉养护中难以判断花卉健康状况的问题,以MobileNetV3为平台构建轻量化花卉识别模型,该模型可部署于移动端,具备识别花卉种类和判断健康状况的功能。(3)通过应用软件把自动灌溉、信息感知、远程控制、健康识别等功能在移动端实现整合,从而实现一个完整的花卉养护系统。(4)针对知识蒸馏算法效果有限的问题,提出一种基于指数衰减的知识蒸馏改进方法(EDKD),并将EDKD应用在花卉识别模型的训练中以提高模型的准确率。(5)针对实际工业生产中花卉数据采集及标注成本较高的问题,收集构建无标签花卉数据集,提出一种基于无标签知识蒸馏(NLKD)的花卉识别方法,该方法可利用大量易获取的无标签数据辅助花卉识别模型的训练以提高模型的准确率或节约标注成本。系统实物验证及算法仿真结果表明,本文设计的自动灌溉系统可以有效解决花卉养护中浇水不便的问题,本文提出的花卉识别算法在性能、效率和节约成本方面相比传统方法更具优势。

关键词： 重载货车   状态监测   车载系统   嵌入式系统   时间同步   无损压缩   异常检测  

摘要： 随着我国重载铁路的快速发展,重载货车的运行安全问题成为铁路运输关注的重点。目前主要由地面设备如4T系统监测货车关键零部件的状态,由于轨道旁施工复杂、设备价格等原因,监测设备都是按照一定里程进行布点,无法实现实时全过程的监测。近年来随着铁路货车供电电源问题的逐步解决,基于车载方式进行重载货车状态监测受到了国内外众多研究机构的关注。本文围绕重载货车关键部件车载在线监测系统开展研究,实现对轴承温度、车体、构架及轴箱振动加速度以及制动系统关键位置压力监测,通过异常检测算法实时进行危情信息预警,并实现运行过程中全过程监测数据的存储,供地面数据中心进行进一步智能分析。该系统的研制对于保障重载铁路货车运行安全具有重要意义。根据重载货车状态监测需求,明确了状态监测参数类型,包括轴承温度、车体、构架、轴箱振动加速度和列车管、制动缸管、副风缸管、加速缓解风缸管压力,提出了基于嵌入式系统的重载货车状态监测车载系统总体方案。设计了基于ARM核心架构的硬件处理系统,为实现数据采集、缓存、分析和处理提供了硬件平台。基于监测数据特征分析,确定其监测指标,设计了基于单总线协议的多路数字信号采集电路,实现轴温数据的同步采集;根据多个模拟信号来源,合理分配AD资源,设计了多通道不同频率的模拟信号同步采集电路,最多可允许输入24通道模拟量,实现100Hz、200Hz、5k Hz三种不同的采样速率,同步精度可达毫秒级,能够满足货车轴箱异常高频振动下的采集要求。根据分布式多节点系统工作要求,设计了基于GPS/北斗双模授时技术的内外协同同步工作机制,内以GPS/北斗模块的标准UTC时间为系统的本地实时时钟进行同步校准;外以GPS/北斗模块输出的高精度PPS信号通过外部中断触发多节点系统同步采集任务。基于重载货车状态监测车载系统硬件平台,设计了ARM端软件系统,实现货车状态的实时监测、多状态数据同步采集与存储。为避免系统运行过程中采集的数据量超出系统自身存储容量(32G),研究了适用于嵌入式系统的基于字典编码的LZO无损数据压缩算法。该算法可在系统多频率数据采集情况下,完成连续工作20天的数据存储任务。提出了基于时间序列的数据异常检测算法,算法采用滑动窗口形成历史监测数据的时间子序列,在时间子序列数据组中通过点异常和序列异常两方面的异常数据检测实现货车运行过程异常情况的实时预警提示。最后设计了测试实验验证了系统功能、同步性能、数据无损压缩算法和异常检测算法性能。其中,系统功能测试实验完成了系统硬件功能测试,包括数字信号和模拟信号采集功能验证、GPS/北斗模块功能检测;通过同步性能测试完成了对系统同步精度的评估,实验结果表明当GPS信号有效时,系统同步精度可达微秒级;当GPS信号无效时,系统仍继续实时状态数据采集任务,并由本地时钟为此阶段采集的数据文件生成时间戳。数据无损压缩算法测试实验表明系统能够以MB/s的速度实现实时数据压缩和解压缩,解压缩后的数据还原程度为100%,其压缩率为0.47,符合系统存储能力。设计了基于轴承温升和轴箱垂向振动数据的异常检测算法,实现了轴承温升和轴箱垂向振动的点异常和序列异常检测,记录异常数据和异常定位、时间信息,实现货车运行过程的异常预警提示,为重载货车基于状态监测的维护提供数据支撑。

关键词： 嵌入式系统   高性能计算   分数阶微积分   基于形状的模板匹配   神经网络剪枝  

摘要： 生产自动化和产业升级需要计算机视觉算法在工业嵌入式环境下的应用。然而,嵌入式平台的算力往往较弱,应用计算机视觉算法会受到算力的制约。研究计算机视觉算法在嵌入式平台的应用必须解决算力短缺的关键问题。一般而言,可以将计算机视觉算法大致分为用于精确测量的传统计算机视觉算法和用于数据输入灵活多变场景的基于深度学习的计算机视觉算法。本文以实际项目为背景,在解决问题的同时分别给出了在弱算力平台上应用传统计算机视觉算法和基于深度学习的计算机视觉算法的解决方案。针对传统计算机视觉算法在弱算力平台上的算力受限问题研究,本文的研究重点在于结合Arm V8体系结构对计算机视觉算法进行针对性的优化和硬件适配。本文以水下传感器拆除项目为背景,首先结合分数阶微积分理论提出了一种使用像素分数阶微分特征、适用于检测物体表面带有高反光的基于形状的模板匹配算法。该算法匹配误差大部分在4像素以内,总体精度符合实际精度需求。为了减少模板匹配的问题规模,本文结合实际场景,提出了一种对搜索图像分数阶微分边缘特征图进行平均池化、最大池化和RANSAC圆形检测的预检测算法。预检测的像素位置128像素半径范围内能够覆盖真实物体中心,极大地减少了匹配问题规模。分数阶微分工具相比于整数阶微分工具具有更好的效果,但是却需要更多的计算,为了在Arm嵌入式控制板上运行匹配算法,本文将Arm V8体系结构纳入到算法优化和设计的考虑中,通过图像金字塔、多线程、内存打包、SIMD、特征量化、内联汇编等方式对算法优化4000余倍。针对基于深度学习的计算机视觉算法在弱算力平台上的算力受限问题研究,重点研究卷积神经网络模型的通道剪枝。本文以传感器拆除后的卷绕图像分类为背景,针对真实数据缺乏的问题,构建了传感器卷绕模拟数据集,使用模拟数据训练,真实数据微调的方式训练模型,达到识别精度98.475%。针对Efficient Net-b1计算量较大的问题,本文结合实际场景,提出了一种适用于训练数据和测试数据分布差异较大场景下的Efficient Net-b1通道剪枝算法。相比于原始模型,剪枝后的模型加速2.2倍。在剪枝模型的基础上,本文使用神经网络编译器NCNN对模型进行量化和部署,最终实现在树莓派CM4上以35FPS的帧率实时分类224x224分辨率的卷绕图像,分类精度达到98.2%。