瑞萨展示AI皮带监测方案：无需额外传感器，提前识别皮带损伤
2026/08/03 16:00阅读量 2
瑞萨电子发布基于AI的无传感器皮带监测方案，利用逆变器电压和电流反馈训练模型，能够识别皮带微小撕裂。模型交叉验证准确率达98%，内存占用仅9KB RAM和4.8KB ROM，可在嵌入式环境运行，帮助工业系统减少意外停机并优化维护。
事件概述
瑞萨电子提出一种基于AI的皮带损伤检测方法，用于工业电机驱动系统。该方法无需额外外部传感器，仅利用逆变器电压和电流反馈训练AI模型，即可在皮带运行中识别细微损伤，避免因皮带突然失效导致的生产中断。
核心信息
- 检测原理：采用完全无传感器的方案，从逆变器的电压和电流反馈中提取信号特征，用于训练AI模型区分正常皮带与带撕裂的皮带。
- 测试平台：使用瑞萨RA6T2电机控制套件搭建双轴测试台，一个轴由低压无刷直流电机驱动，另一个轴通过皮带驱动。对比了完好皮带和带可见撕裂的皮带。
- 模型训练：数据集分为“正常皮带”和“损坏皮带”两类，通过瑞萨的Reality AI Tools云平台和Data Storage Tool（集成于e² studio）完成数据处理、训练与优化。
- 模型指标：交叉验证准确率为98%，RAM占用9KB，ROM占用4.8KB，适合嵌入式部署。
- 实际验证：在冷启动（环境温度短时运行）和热稳定（电机升温后的长时间运行）两种工况下测试，检测性能保持一致。
值得关注
该方案将工业皮带维护从定期人工检查转变为连续状态监测，有助于降低非计划停机、提升设备可靠性、优化维护周期并减少总运营成本。其无传感器特性降低了系统复杂度和成本，为现有电机驱动系统提供了低门槛的智能化升级路径。