WISE-750功能测试与快速入门手册

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

1. WISE-750||集成机器学习芯片的以太网高速同步采集模块
2. 研华测试测量解决方案与应用案例2022.1