WISE-750是一款集成机器学习功能的以太网高速同步采集模块,集AI采集、PHM健康检测、数据上传功能于一身,只需使用配置软件进行参数修改配置即可使用。
1 WISE-750特性
WISE-750按照功能区分为数据采集、健康检测、上传三个方面,以下就各方面进行特性说明
1.1 数据采集DAQ
1.1.1模拟量输入
通道:4路单端同步采集通道
输入范围:±10 V, 0 ~ 20 mA n
分辨率:16bit
采样频率:每通道200KS/s
采样时钟源:内部
最大工作电压:±15 V
积分非线性误差(INLE): ± 2 LSB
微分非线性误差(DNLE): ± 1 LSB
电压输入阻抗:1 MΩ 并联5 pF电容
电流输入阻抗:500 Ω
内建内存:4096 采样点
触发:支持AI、DI触发
触发功能:delay to start、delay to stop
1.1.2 隔离数字量输入
通道:4路
逻辑0电平:0 – 3 VDC
逻辑1电平:10 – 30 VDC
输入电阻:3.2 KΩ
接线方式:干接点、湿节点
隔离保护:2,500 VDC
光耦响应时间:100 us
1.1.3隔离数字量输出
通道:4路
输出类型:sink(NPN)
Sink电流:500 mAmax./channel
隔离保护:2,500 VDC
光耦响应时间:100 us
1.2 PHM健康检测
此部分可以提供PHM应用领域的机器学习算法(model)和基于规则的条件检测(insight)功能,对应软件中的Machine Learning modeling和Feature Extraction
支持LED状态指示
支持数字量输出报警和网络报警
1.3 数据上传(网络)
网络接口:2个RJ45 菊花链以太网接口
网络报警:支持网络报警
通讯协议:Modbus/TCP
图1.1 菊花链连接
1.4 一般特性
电源输入:10~30VDC
功耗:+24 V: 70 mA typ. / 250mA max. (without sensors connected)
尺寸:133 × 40 x98 mm
IO连接器:4 x 4-pin &1 x12-pin 连接器
操作温度:0 to 60°C (32 to 140 °F)
存储温度:-40 to70 °C (-40 to 158 °F)
操作湿度:10 to90% RH, non-condensing
存储湿度:5 to 95%RH, 无冷凝
1.5 标配配件
接线端子:1 x 2-pin, 1 x 12-pin n 4 x4-pin connectors
安装套件:1 x DIN Rail kit with 3 x screws
可选套件:2 x PCL-M10-3E sensor
图1.2 配件
2 硬件指示灯
WISE-750有两种状态的指示灯,一个是WISE-750自身工作的状态(Module Status)。另一个是每个采集通道状态(Channel Status)
2.1 Module Status
图2.1 Module Status指示灯状态列表
2.2 Channel Status
图2.2Channel Status指示灯状态列表
3 硬件接线
3.1 模拟量输入
WISE-750采集0-20mA信号 接线图和接线端子管脚定义如下
图3.1 AI 接线图
图3.2 AI接线端子管脚定义
3.2 PCL-10M
PCL-10M是配备的振动传感器,可以同Wise-750直接连接,其管脚遵循AI管脚定义。
图3.3 PCL-10M连接图
3.3 隔离数字量输入
支持双向10-30V直流输入,同时支持干湿接线输入
图3.4 隔离数字量输入接线图
3.4 隔离数字量输出
WISE-750支持DO报警,DO的接线图如下,通道限流500 mA max./channel
图3.5隔离数字量输除接线图
4 安装与测试
4.1 WISE-750 Utility安装与功能
WISE-750 Utility是WISE-750的配置工具软件,其所有功能都是在此软件中配置,配置后set to device无需其他编程即可投入使用。
4.1.1软件下载
Utility安装程序名称pkg_wise750下载链接:WISE-750- 研华科技 - 全球智能系统产业的领导厂商,专注智慧城市&物联网产业产业解决方案提供及技术创新(advantech.com.cn)
4.1.2系统需求
安装包会安装所有组件,包括Python和Tensorflow,所以系统需要64位系统,至少是win7,建议使用win10。(Python用于Machine Learning modeling部分的算法计算)
4.1.3设备检测
安装完成后,桌面生成快捷方式,运行Wise750 Utility,可以在device下显示所有连接的WISE-750及其IP地址,即便当前PC和WISE-750不在同一网段。
图4.1 桌面快捷菜单
图4.2 WISE设备检测页面
4.2 Utility功能测试
4.2.1 Configuration页面
IP configuration:data destination IP为上位PC IP、Fixed IP为WISE-750 IP、掩码、网关设定
修改后需点击Set and Restard生效
Run mode:Feature Extraction和Machine Learning modeling、Raw datalogger是默认基础功能,无需勾选。
Acquisition:设置采样频率Sampling Rate、section length和cycle count
Channel Setting:使能通道采集、DO报警。Trigger属性设置
Set to device:修改参数后,需要操作此健保存参数到硬件
Load/Save:保存当前参数设置到配置文件和加载已有配置文件(文件类型为.hex)
Firmware Download:固件升级
图4.3 Configuration页面
4.2.2 Device Test
当在configuration中设置了Acquisition、channel setting信息后,切换到Device Test页面即可查看到相应通道的数据采集波形。
4.2.2.1软件触发
在channelsetting中,不进行触发配置,进入Devcie Test页面,设置采集的信号范围,点击start开始采集,AI0接入PCL-10M传感器,并进行拍打,可以看到各通道采集数值和特征曲线的动态变化。
图4.4 Devcie Test页面
4.2.2.2 外部触发
在channelsetting中,进行触发配置(图2.5),进入Devcie Test页面,设置采集的信号范围,点击start开始采集,AI0信号接入信号,当信号没有超出6V时,采集处于等待状态,只有当AI0信号超出6V时,采集才启动,AI0接入PCL-10M传感器,只有对传感器进行拍打使信号超出6V时,采集才启动,并看到各通道采集数值和特征曲线的动态变化。
Trigger Source:Analog input0和Digital input0
Trigger Action:>和<
Level:触发信号阈值
Filter:即对触发信号过滤 只有连续 该设定值 个时间内,触发信号都满足设置的触发阈值的情况下,才可触发,否则认为触发信号无效
图4.5 Trigger setting页面
图4.6 等待触发信号
图4.7 触发有效后的采集画面
4.2.3 Feature Extraction
Feature Extraction功能为:设置各通道的报警参数,并启动采集,当采集数值满足报警条件时,即产生报警,且可以选择记录报警数据或全部数据。
此页面只有在configuration页面中 设置运行模式为Feature Extraction才可以进入操作,否否灰显
图4.8 Run mode设置为Feature Extraction
页面包含Datalogging、Status和Alarm Setting三个功能设定
图4.9 FeatureExtraction页面配置
Datalogging:保存采集数据存入文件的相关设置,包括文件数量和存储路径,且可以选
择RawData或Feature Values两种数据保存方式,Raw Data是把所有的采集数据都写入
文件,而Feature Values则把产生报警后的数据写入文件。
Raw Data:设定文件个数和路径后,如果个数设定为50,是指每个channel都保寸50个
文件,每个文件为一秒钟的数据。点击右侧Start启动采集,当完成50个文件的采集时,
自动停止。也可以手动点击Stop停止,查看数据如下截图。整个过程状态在Statue窗口
中都有显示。
图4.10 设置Raw Data保存测试图
图4.11 RawData文件保存情况
Feature Values:此方式不能设定文件个数,只能设置路径。另外,还需要进行报警设
置。此种保存方式,只有报警后的特征值保存。如下截图,设置channel0最大值报警。
set to device后,点击右侧Start启动采集,当停止采集前,有报警产生则会有保存的数
据文件产生且显示保存数据个数,否则保存数据个数为0,整个过程状态在Statue窗
口都有显示。
Alarm Setting:设定报警条件
图4.12 AlarmSetting设置
图4.13 Feature Values保存测试图
图4.14 Feature Values文件保存情况
4.2.4 ML Modeling
MachineLearning modeling的功能是:预先对正常振动状况进行采集,然后根据采集的数据,通过Utility附带安装的Python语言进行算法运算后,生成一个标准模型,之后所有采集都会同标准模型进行对比,并统计同标准模型的拟合百分比。AlarmSetting中可以设置报警的拟合百分比数值,如果拟合百分比低于此设定值,即产生报警。
具体流程为:先要采集并保存正常的数据(Data Acquisition配置),然后根据保存的数据文件(data Selection)进行算法计算并生成Trianing,最后下载Trianing到Wise-750硬件。每个 channel都有自己的Training。每个步骤的执行状态都会在相应的Status中显示。
此页面只有在configuration页面中 设置运行模式为Machine Learning modeling才可以进入操作,否否灰显
图4.15设置运行模式为Machine Learning modeling
页面包含DataAcquisition、Trianing Model Download和Alarm Setting三个功能设定
DataAcquisition:设定采集数据保存的文件个数和保存路径,而且数据采集保存进度和状态都有在Staus中显示。
Trianing Model Download:设置生成Training的参数
Alarm Setting:设定数据拟合百分比报警参数
图4.16设置Machine Learning modeling data Acquisition参数击状态显示
图4.17 MachineLearning modeling采集数据保存文件情况
图4.18选取采集文件 生成Training
图4.19 启动Training 显示信息
图4.20 Training生成 下载、完成 状态显示
图4.21 设置Training贴合报警比例
4.2.5 Run
此页面显示Wise-750的各通道运行状态,如果产生报警,相应通道显示NG,否则为OK
图4.22 Channel产生报警状态
图4.23 Channel无报警产生状态
5 数据上传
Wise-750可以通过网口支持Modbus/TCP协议数据,实现采集等数据的上传。设备对应的Modbus地址表如下,上位机可以通过地址访问数据。
图5.1 Wise-750 Modbus地址表
参考资料
本文分享自 智能制造预测性维护与大数据应用 微信公众号,前往查看
如有侵权,请联系 cloudcommunity@tencent.com 删除。
本文参与 腾讯云自媒体同步曝光计划 ,欢迎热爱写作的你一起参与!