L'embarqué > Logiciel > Algorithmes > Renesas détecte les pannes des moteurs des appareils électroménagers avant qu’elles ne se produisent

Renesas détecte les pannes des moteurs des appareils électroménagers avant qu’elles ne se produisent

Publié le 22 janvier 2019 à 12:22 par Pierrick Arlot        Algorithmes Renesas

Renesas détecte les pannes des moteurs des appareils électroménagers avant qu’elles ne se produisent

Renesas a développé une solution de détection de défaillances reposant sur l’intelligence artificielle embarquée (e-AI) qui cible plus particulièrement les appareils électroménagers dotés de moteurs comme les réfrigérateurs, les climatiseurs ou les machines à laver. Selon la société de semi-conducteurs, cette solution qui se satisfait d’un microcontrôleur unique, en l’occurrence le microcontrôleur 32 bits RX66T du Japonais, surveille l’état du courant et de la vitesse de rotation du (ou des) moteur(s) pour détecter directement un fonctionnement anormal. Il est ainsi possible d’implémenter à la fois les algorithmes de commande moteur et d’apprentissage machine sur le même circuit en éliminant le recours à des capteurs supplémentaires et en réduisant d'autant la facture matérielle, assure Renesas.

La détection de défaillances peut être mise en œuvre non seulement pour générer des alarmes lorsqu’une anomalie apparaît mais aussi pour assurer une maintenance préventive. La solution e-AI est ainsi capable d’estimer à quels moments une maintenance ou une réparation doivent être envisagées et d’identifier l’endroit précis d’apparition des défaillances.

Selon Renesas, le logiciel de détection d'anomalies à intelligence artificielle embarquée est apte à contrôler jusqu’à quatre moteurs simultanément du fait qu’il s’appuie sur le microcontrôleur RX66T pour son exécution.

La solution proposée par le Japonais s’appuie sur une carte de développement RX66T et le système d’évaluation de commande moteur de Renesas. Ces ressources matérielles sont associées à des exemples de programmes qui s’exécutent sur le microcontrôleur et à un outil graphique qui permet la collecte et l’analyse de données représentatives des états du moteur. Afin de pouvoir détecter les défaillances, il est en effet nécessaire d’apprendre les caractéristiques de l’état « normal ». En utilisant l’outil graphique, les ingénieurs système peuvent immédiatement commencer à développer l’apprentissage IA et la fonction de détection d'anomalies. Une fois les modèles IA élaborés, l’environnement de développement e-AI de Renesas (e-AI Translator, e-AI Checker, e-AI Importer) peut être utilisé pour importer les modèles préalablement entraînés sur le microcontrôleur.   

Sur le même sujet