11、人工智能在电机故障检测与半导体行业的应用

人工智能在电机故障检测与半导体行业的应用

1. 电机故障检测中的人工智能应用

在电机故障检测领域，为了实现实时检测电动马达和轴承的意外行为，设计了两个人工神经网络（ANN）。

1.1 永磁同步电机（PMSM）匝间短路检测

对于PMSM的匝间短路检测，由于电机的对称性，采用了MNN（可能是某种特定的神经网络）。同时，使用了高度详细的无因果电动马达模型，该模型有两个重要作用：
- 替代在定制真实电机上无法到达的运行点的测量。
- 减少在真实电机上进行实验的次数。

在诊断匝间短路故障时，处理时间是一个重要因素。通过使用特定的计算硬件，处理时间缩短到了1.1毫秒，这对于普通电动马达的实时诊断来说是非常有前景的，应该足以满足实时诊断的需求。

1.2 轴承故障异常振动分析

用于分析由于轴承故障引起的异常振动的第二个ANN是多层感知器（MLP）。该MLP经过特殊设计，其计算可以直接部署在振动传感器的微控制器上。这是因为采用了低规模且高效的MLP网络，该网络在轴承故障分类方面能取得良好的效果。

以下是CatE设备占用内存的评估表格：
| 层 | 内存 |
| ---- | ---- |
| 输入特征 | 8 x 4字节 |
| 输入层与隐藏层之间的权重向量 | 162 x 4字节 |
| 隐藏层与输出层之间的权重向量 | 90 x 4字节 |
| 输出层 | 5 x 4字节 |
| 中间临时变量 | 30 x 4字节 |
| 总计 | ∼1200字节 |

需要注意的是，分类的准确性在很大程度