AI技术专题之十：​NanoEdge AI实践示例——风扇堵塞检测

该应用的目的是基于电机控制板的电流信号来检测风扇滤网的堵塞百分比。我们知道，当风扇堵塞时，电机的电流信号形状会与正常情况不同，而传统算法很难检测到这种差异。因此，机器学习算法成为解决该问题的明智选择。

该示例既可以应用于许多其他类似的情况，比如空调滤网堵塞检测和吸尘器过滤网堵塞检测，也可以推广到电动马达的其他异常检测应用。

P-NUCLEO-IHM03电机控制套件，用于驱动风扇，它包括一块NUCLEO-G431RB主板、一块电机控制扩展板，以及一台无刷电机。

NanoEdge AI studio用于自动生成机器学习库，该库将会集成到由STM32 Motor Control Workbench生成的电机控制基础软件中。

在主窗口中选择“Anomaly Detection”，然后新建一个项目。

在“Project Settings”这一步，需要对以下配置项进行设置：

• Name：项目的名称

• Max RAM：用户希望分配给AI库的最大RAM存储空间。该工具在“Benchmark”步骤中将只搜索符合该约束条件的库。

• Max Flash：用户希望分配给AI库的最大Flash存储空间，类似于Max RAM。此配置项仅在选中“Limit Flash”后才会激活。

• Target：该项目的目标MCU或板件。用户可以选择任意STM32 MCU或直接选择相应的开发板。

• Sensor type：用于数据集收集的传感器类型。在此项目中，我们使用电机控制板内置的电流传感器。

• “正常信号”文件，对应风扇的正常行为。这些数据是在风扇过滤网没有堵塞的情况下收集的，如下图所示。

• “异常信号”文件，对应风扇的异常行为。这些数据是在风扇过滤网完全堵塞的情况下收集的，如下图所示。

• “Balanced accuracy”，表示正确分类的样本数与输入总样本数的比率。此参数是机器学习领域最常用的评价指标之一。

• “Confidence”，表示我们对结果的置信度。正确分类的正负样本之间的距离越大，置信度就越高。

• “RAM”，表示候选库所需的RAM存储大小

• “Flash”，表示候选库所需的Flash存储大小