Современная электроника №8/2026

ИНЖЕНЕРНЫЕ РЕШЕНИЯ 8 WWW.CTA.RU СОВРЕМЕННАЯ ЭЛЕКТРОНИКА • № 8 / 2026 ние и распознавание MML). Результат (например, состояние оборудования) записывает в регистры модели. Задача 4. Поток MODBUS-RTU (сред- ний/низкий приоритет). Функция: обрабатывает запросы от мастер-устройства по UART. Чита- ет данные из общей карты регистров MML и отправляет обратно. Важно: поток USB работает асин- хронно по отношению к другим зада- чам программы. Скорость потока пакетов составляет 60–50 пакетов в секунду, что составля- ет от 16 до 20 миллисекунд на пакет. В пакетах передаются данные для визу- ального отображения на экране ПК. Модель MML – обнаружение вибраций На рис. 2 представлена работа моде- ли MML NanoEdge AI Studio. На экра- не четырёхканального осциллографа отображаются сигналы с трёх измери- тельных осей акселерометра X, Y, Z и результирующий вектор схожести: ● ось X – красного цвета; ● ось Y – зелёного цвета; ● ось Z – светло-голубого цвета. Схожесть сигналов – жёлтый цвет (0–100%). Значение более 90% – мож- но считать, что модель MML распоз- нала совокупный сигнал. Сигналы на экране разнесены по оси Y на несколько пикселей для лучше- го наблюдения, чтобы они как мож- но меньше перекрывали друг друга. Методика измерений. ● Движение графиков происходит справа налево. ● В начале осциллограммы идёт сум- марный сигнал из трёх осей. Это часть сигналов, на которую обуче- на модель MML. ● В средней части происходит изме- нение сигналов от воздействия ви- браций или программной подме- ны значений. Последовательное программное изменение значений осей применяется для визуального отклика модели. ● В конце графиков суммарный сиг- нал осей восстанавливается до об- ученного моделью уровня. Таким образом, на одном экране можно наблюдать реакцию модели на обученный и альтернативный сигнал. Время движения графиков справа налево занимает 40 секунд. Этого достаточно для того, чтобы оценить поведение модели MML. Следует отметить, что значения схо- жести появляются с некоторой задерж- кой по отношению к изменению сиг- налов осей X, Y, Z. Это происходит потому, что программный сбор сигна- лов акселерометра в буфер для после- дующего анализа методом БПФ [6] занимает примерно 1,3 с и отстаёт по времени от изменения сигналов по осям: 20 мс × 64 = 1280 мс, где: ● 20 мс – это период опроса датчика акселерометра; ● 64 – количество значений окна для анализа FFT-преобразований [6]. В качестве источника вибраций будем использовать вентилятор от блока питания ПК, который име- ет небольшой радиальный люфт в роторе. Будем располагать плату контролле- ра с датчиком на вентиляторе в раз- ных точках для того, чтобы получить разные значения на осях акселероме- тра. На рис. 2 модель NanoEdge AI Studio обучена на сигналах с некоторым пре- обладанием значений на оси X. Затем происходит остановка вращения вен- тилятора, и суммарный сигнал на гра- фике не превышает амплитуды шума состояния покоя. Модель правильно определяет схо- жесть и различие сигналов. На рис. 3 модель NanoEdge AI Studio обучена на сигнале оси X = 55 и зна- чениях шума на осях Y, Z. При изменении значения на оси X = шум, а на оси Y = 55 модель не реагирует на изменения сигналов. То же происходит и при изменении зна- чений на осях Z = 55, Y = шум. Только при общем снижении амплитуд сигна- лов модель MML показывает отсутствие схожести. Модель неправильно опреде- ляет схожесть и различие сигналов. На рис. 4 модель NanoEdge AI Studio обучена на сигнале оси Y = 55 и зна- чениях шума на осях X, Z. Поведе- ние модели такое же, как и на рис. 3. Модель не распознаёт равные взаим- ные изменения на осях. Только при общем снижении амплитуд сигналов модель MML показывает отсутствие схожести. Модель неправильно опре- деляет схожесть и различие сигналов. Наша модель MML Цель: ● различать данные, генерируемые во время нормальной работы ма- шины (двигателя), и данные, указы- вающие на наличие проблем. Для этого требуется генерировать и ана- лизировать оба типа данных: дан- ные, отражающие нормальную ра- боту или состояние покоя, и данные, полученные в моменты возникно- вения аномалий в работе объекта наблюдения; ● необходимо объединить данные осей X, Y, Z без потери их уникаль- ности, сохранив независимость каж- дой из них. Обычное сложение уничтожает дан- ные. Когда мы складываем значения трёх осей арифметически, мы стира- ем границы между пространственны- Рис. 2. Модель MML NanoEdge AI Studio в работе Рис. 3. Модель NanoEdge AI Studio, обученная на сигнале оси X = 55 и значениях шума на осях Y, Z