面向工业预测性维护的端侧超轻量声发射异常检测加速器设计.docxVIP

  • 0
  • 0
  • 约1.59万字
  • 约 24页
  • 2026-11-17 发布于北京
  • 举报

面向工业预测性维护的端侧超轻量声发射异常检测加速器设计.docx

PAGE2

面向工业预测性维护的端侧超轻量声发射异常检测加速器设计

摘要

随着工业4.0时代的到来,旋转机械的健康监测成为保障生产线安全与效率的关键环节,轴承作为核心部件,其早期故障特征微弱,传统振动检测手段难以捕捉。

针对现有工业端侧设备算力不足、功耗高及实时性差等问题,本课题设计并实现了一款面向工业预测性维护的端侧超轻量声发射异常检测加速器。

该设计采用软硬件协同架构,硬件端利用FPGA并行计算优势,设计了声发射信号时频域特征并行提取单元与超轻量一维卷积神经网络推理加速器,实现了轴承异常状态的极低功耗识别。

论文首先分析了工业预测性维护的需求背景,确立了低功耗、高实时性的设计目标;其次,构建了基于FPGA的端侧硬件总体架构,完成了数据采集、特征提取与神经网络推理模块的详细设计;随后,通过VerilogHDL实现了关键逻辑,并在Zynq平台上完成了系统集成;最后,通过实验验证了系统的准确性与能效比。

测试结果表明,该加速器在保证识别准确率超过96%的前提下,推理延迟低于5ms,功耗控制在2W以内,满足工业端侧部署要求。

关键词:预测性维护;声发射;FPGA;一维卷积神经网络;异常检测;边缘计算

第一章绪论

1.1研究背景

在现代工业生产体系中,旋转机械扮演着至关重要的角色,而轴承作为旋转机械中应用最广泛的零部件,其运行状态直接关系到整条生产线的安全与效率。

据统计,旋

您可能关注的文档

文档评论(0)

1亿VIP精品文档

相关文档