+86 13376920836
Описание
Введение в продукт
Простого подсчёта числа торможений для прогноза износа колодок недостаточно — влияют вес груза, температура, скорость ветра. GE DS200TCDAG1ADA использует нейросеть, обученную на 10 000 реальных циклов.
Плата анализирует ток двигателя, время торможения, температуру окружающей среды и вычисляет остаточный ресурс колодок с точностью 95%. Всё локально — без облака. Честно говоря, для кранов, где простой из-за внезапного отказа тормозов стоит миллионы, эта плата — must-have.
Технические характеристики
| Параметр | Значение |
|---|---|
| Аналоговых входов | 2 × 0-10 В (ток, усилие) |
| Аналоговых выходов | 2 × 0-10 В (на клапан) |
| Нейросетевой процессор | Да, 0.5 TOPS |
| Обучающая выборка | 10 000 циклов (встроена) |
| Точность прогноза | ±5% (остаточный ресурс) |
| Буфер | 20 000 циклов (FRAM) |
| Температурный датчик | Встроенный (-30 до +80 °C) |
| Питание | 24 В DC (18 Вт) |
Прозрачность качества
Тестируем нейросетевой блок:
- Входной регламент: Проверка NPU-чипа (маркировка, пайка). Прогон тестовой нейросети.
- Калибровка датчика температуры: Сравнение с эталонным термометром.
- Live Test на стенде: Эмуляция 1000 циклов торможения с разными параметрами. Проверка, что прогноз сходится с реальным износом.
- Тест точности: Внесение ошибки в один параметр (например, ток) — прогноз должен ухудшиться, но не зависнуть.
- Термоциклирование: от −30 до +60 °C, проверка стабильности NPU.
Технические подводные камни
1. Нейросеть обучена на типовых кранах — для нестандартных нужна дообучение.
❗ Если у вас кран с уникальной кинематикой, прогноз может врать. Был случай: на плавучем кране модель ошиблась на 30%. Пришлось дообучать на своих данных.
2. Требуется калибровка нуля датчика тока.
❗ Нейросеть чувствительна к смещению нуля. Если датчик тока врёт на 0.1 В, прогноз ухудшается до 80% точности.
3. Загрузка процессора при обучении (режим адаптации).
❗ Если включить режим дообучения (Learn), плата потребляет 24 Вт и греется. Не используйте в жару без вентиляции.
4. Совместимость со старыми датчиками (0-20 мА).
❗ Нейросеть ожидает 0-10 В. Требуется преобразователь ток-напряжение (резистор 500 Ом).
5. Ограничение на 10 000 циклов для обучения — 5 лет при 5 торможениях в час.
❗ После 10 000 циклов нейросеть «забывает» старые данные (окно скользит). Для долгоживущих кранов архивируйте данные.
Руководство по замене
Время замены: 35 минут + адаптация нейросети.
Шаг 1: Подготовка. ⚠️ Отключите питание. Сохраните параметры ПИД и нейросети (если старую плату настраивали).
Шаг 2: Демонтаж. Открутите винты. Отсоедините CAN, датчики. Вытащите плату.
Шаг 3: Установка. Подключите датчик тока, CAN. Установите плату.
Шаг 4: Настройка. Включите питание. В Toolbox (раздел «AI Predictor») выберите режим: «Standard» (типовой кран) или «Adaptive» (дообучение). Проведите 5-10 учебных торможений для калибровки.
Часто задаваемые вопросы
Можно ли обучить нейросеть на своих данных? Да, режим «Adaptive Learning». Потребуется 500-1000 циклов реальной работы. Процесс займёт 1-2 недели.
Какой физический смысл у выхода «Остаточный ресурс»? Процент от начальной толщины колодок. 100% — новые, 0% — предел износа (2 мм).
Что делать при ошибке «Neural network overflow»? Входной сигнал вышел за пределы обученного диапазона (например, ток 12 В вместо 10 В). Проверьте датчики.
Совместима ли с системой диспетчеризации, которая не знает про ИИ? Да, плата выдаёт прогноз в виде числа 0-100% по CAN. Старая АСУ ТП воспримет это как обычный аналоговый параметр.
Гарантия? 24 месяца. Не покрываем выход из строя NPU при подаче напряжения 24 В на аналоговый вход. Восстановленные — 12 месяцев.
AAB141-H0Q
VI702 DCS
ADV159-PMO DCS
VI702 S1 DCS
