在前天“恩智浦MCU加油站”公眾號給出了一篇使用跨界單片機RT1010通過深度神經網絡算法進行三相電機運行缺相故障檢測的應用案例。顯示了RT1010強大的算力可以支持AI邊緣計算的能力，并給出了將PC訓練的網絡模型快速移植并部署到MCU的開發工具“NNCU:NN toolkit for mCU”的下載方式，幫助感興趣的同學快速開發嵌入式神經網絡算法。
三相電流缺相檢測實驗系統
三相電機，特別是鼠籠感應電機，在啟動之后如果因為突然電源變動，或者負載波動，或者器件老化，使得三相供電中某一相回路斷路，此時電機就只在兩相電供電下工作。
在兩項電壓激勵下，電機內部不再是旋轉磁場，而是振蕩磁場，根據感應電動機的負載特性，已經啟動的電機仍然可以旋轉，只是工作輸出力矩減小，效率大大降低，進而增加系統工作電流，對電機和供電系統帶來危險。
鼠籠式感應電機由于保險損壞產生缺相
在給出的推文視頻中，顯示做實驗的小型電機應該是一種永磁同步電機（BLDC），這種電機運行在與外加旋轉磁場相同轉速下。在缺相的情況下，電機也會同步運行，只是此時輸出力矩降低很多。
對于電機三相供電時的缺相檢測，是保護電機和驅動電路重要方法。
手動斷開運行中電機一路電線，產生缺相故障
電機驅動電路中通常帶有三相電流檢測電路，可以實時獲得電機三相電流的數值。如果在運行中發現某一項電流在驅動電壓下電流消失，可以判斷電機出現缺相故障。
如果檢測的電流如下圖所示，是非常干凈標準的正弦信號，似乎進行缺相檢測并不困難。
理想的三相正弦電流波形
但實際上電機三相中的電流波形由于電機本身磁場不均勻，負載的變化，信號采集電路中的干擾等因素影響，使得采集到的電流波形出很大的干擾變形，與理想的正弦波信號相去甚遠。
高速空載下實際三相電機電流波形
根據電機的負載不同，三相電機的工作電流也會在很大范圍內波動。
因為電機工作電流本身是呈現正弦波動，加上采集數據的失真，因此簡單根據某一相的電流的有無來判斷缺陷會存在很大的風險。
低速下三相電機電流波形
通過和推文作者宋巖工程師的進一步交流，他詳細介紹了使用神經網絡Auotencoder算法，來檢測三相電機缺相故障的一些技術細節。
他通過采集三相電流若干個周期 （大概三個周期）20組三相電流數值，每組包括U、V、W三相電流數值，來判斷是否產生了電機缺相故障。
缺相后電機三相電流波形
為了抑制采數據中的噪聲，首先對采集到的電流噪聲進行了一階低通濾波。下面是低通濾波器的系統函數和相應的濾波迭代算法：
低通濾波之后，三相電流波形中的高頻噪聲被大大抑制了。電流中只包含有基波電流和它的三次諧波。
猜想該電機應該是直流永磁同步電機，為了增加電機的驅動電壓范圍，所以在其驅動電壓中引入了三次諧波。所以從下圖來看，電流中的三次諧波分量還是非常明顯。
低通濾波后的正常三相電流波形
下圖顯示了缺相的電機電流在濾波后的電流波形。由于只有兩項工作，所以它們兩之間的電流呈現反相的關系。另外一路的電流很小，在零點附近波動。
低通濾波之后缺相電流波形
說實在的，看到上面濾波后的電流信號，我想應該通過簡單的數值判斷，就應該能夠得到電機缺相的判據了。但誰讓我們的RT1010單片機的計算能力強大呢，所剩下的計算能力不用白不用，推文作者于是選擇了一個神經網絡對上述電流波形序列數據來完成缺相的判斷。
為了消除由于電機負載不同所帶來的電流幅值的變化。在送入神經網絡之前，進行了數據的歸一化。算法采用了三相電流數據兩兩相除之后完成歸一化的方法。
電流數據歸一化公式
為了避免數據相除中會遇到除以0（或者非常小的數字）所帶來的結果發散問題，因此在上述除法公式中，分母上增加了一項正則項，取當前三相電流絕對值之和的八分之一作為分母的最低基準。
通過這樣處理，無論原始數據多大范圍，歸一化結果都在正負4之間。
歸一化之后的正常電流數據波形
應該說上述方法完成數據的歸一化處理是作者比較想當然選擇的方法，究竟如何對測量數據進行預處理，這是使用神經網絡過程中的需要依靠工程師“靈感”的部分，究竟方法的好壞往往需要根據實際測量數據和運行結果進行多次的調整。
歸一化之后的缺相電流波形
在原文中給出了所使用的AutoEncoder神經網絡原理的詳細介紹，這種網絡工作原理在很多相關的文獻都有介紹，這里就不再累述。
很可惜，在原文中沒有特別詳細介紹網絡的結構參數，訓練的數據集的情況（電機轉速范圍、電機負載不同情況），訓練網絡的超參、最終判斷的效果如何，這些留給讀者去想想。
AutoEncoder完成對數據異常的檢測
現在的微控制器，微處理的性能增加很大，留給算法肆意妄為空間也在不斷的開展。通過深度神經網絡對三相電流檢測波形數據是否缺相進行判斷，的確可以省略原本需要人工來制定判斷規則的繁瑣過程，但這種只通過現象（數據）而不通過第一原理（機制）來檢測的方法究竟可靠性如何？適用范圍多大？這也同樣留下了很多的疑難問題需要去驗證。
我與古人面對面
注：感謝宋巖提供的相關電機電流數據和對算法的詳細討論。
關注以下小程序，提升自己的技能！
硬件工程師的設計助手
成為精英工程師的精品技能學堂
