基于STM32的电机实时状态监测系统设计

针对电机发生故障无法精准定位这一问题,设计一款基于STM32F407的电机状态监测系统。首先,系统利用加速度传感器ADXL345与温度传感器DS18B20采集振动信号和温度信号;其次,将预处理后的数据通过快速傅里叶变换得到相应的频域数据;最后,将全部数据通过串口传输到屏幕上进行显示。实验结果表明:系统具有良好的实用性,不仅能够实时采集电机运行状态,还能将数据以直观的形式显示,以便工作人员随时查看。

基于小波时频图和多尺度卷积神经网络的发动机工况识别研究

针对传统工况识别方法对非平稳的汽车发动机音频信号难以准确识别的问题,提出一种基于小波时频图和多尺度卷积神经网络的发动机工况识别方法。首先,将原始信号通过连续小波转化为小波时频图,其次,对小波时频图进行统一的预处理,最后将处理好的图片输入到卷积神经网络中提取多尺度特征并分类识别。该方法有效结合了具有处理非线性平稳信号优势的小波时频分析和卷积神经网络的图像分析能力。在测试集数据转速不同的情况下,识别准确率和鲁棒性更好。