基于TiTan(RA8P1) BLDC电机运行状态缺陷AI监测系统

概述

[1 系统介绍](#1 系统介绍)

[1.1 背景介绍](#1.1 背景介绍)

[1.2 主要技术和难点](#1.2 主要技术和难点)

[1.2.1 Titan Board 使用的主要技术](#1.2.1 Titan Board 使用的主要技术)

[1.2.2 电机控制板相关技术](#1.2.2 电机控制板相关技术)

[1.2.3 上机位控制软件](#1.2.3 上机位控制软件)

[1.2.4 使用的主要开发工具](#1.2.4 使用的主要开发工具)

[2 系统框架结构](#2 系统框架结构)

[2.1 Titan Board实现主要功能](#2.1 Titan Board实现主要功能)

[2.2 电机控制板功能](#2.2 电机控制板功能)

[2.3 电机驱动板功能](#2.3 电机驱动板功能)

[3 系统软件架构](#3 系统软件架构)

[3.1 Titan Board 主控软件架构](#3.1 Titan Board 主控软件架构)

[3.1.1 主程序软件结构](#3.1.1 主程序软件结构)

[3.1.2 UI软件设计结构](#3.1.2 UI软件设计结构)

[3.1.3 TiTan上验证UI和数据显示](#3.1.3 TiTan上验证UI和数据显示)

[3.2 电机控制模块软件结构](#3.2 电机控制模块软件结构)

[3.2.1 电机六步换向控制模块](#3.2.1 电机六步换向控制模块)

[3.2.2 电机参数采样模块](#3.2.2 电机参数采样模块)

[3.2.3 板级传感器模块](#3.2.3 板级传感器模块)

[3.3 上位机控制软件结构](#3.3 上位机控制软件结构)

[3.3.1 数据结构设计](#3.3.1 数据结构设计)

[3.3.2 软件结构](#3.3.2 软件结构)

[4 AI模型设计和应用](#4 AI模型设计和应用)

[4.1 AI模型创建和训练](#4.1 AI模型创建和训练)

[4.2 AI模型移植和应用](#4.2 AI模型移植和应用)

[4.3 编译AI模型](#4.3 编译AI模型)

[4.4 AI模型核心代码介绍](#4.4 AI模型核心代码介绍)

[5 应用测试](#5 应用测试)

[5.1 实时性分析](#5.1 实时性分析)

[5.2 Alarm验证](#5.2 Alarm验证)

[5.3 与传统方法对比](#5.3 与传统方法对比)

概述

针对直流无刷电机（BLDC）在工业应用中故障隐蔽性强、传统阈值监控方法适应性不足等问题，本系统设计并实现了一种基于TiTan（RA8P1）开发板的BLDC电机运行状态缺陷AI监控系统。系统以瑞萨RA8P1微控制器为核心硬件平台，该芯片采用1GHz Arm Cortex-M85与250MHz Cortex-M33双核架构，并集成Ethos-U55神经处理单元（NPU），单芯片可实现256 GOPS的AI推理性能。系统通过电机驱动板采集三相电流、母线电压及逆变器温度等多维传感信号，在Cortex-M85核心上将获取到传感数据，并对这些数据预处理后输入部署于Ethos-U55 NPU的轻量化卷积神经网络（CNN）模型，完成电机运行状态的实时缺陷识别与分类。

1 系统介绍

1.1 背景介绍

直流无刷电机（Brushless DC Motor, BLDC）凭借高效率、高可靠性、长寿命及低维护成本等优势，已在工业自动化、新能源汽车、机器人、家电等领域得到广泛应用。然而，BLDC电机在长期运行过程中不可避免地面临多种故障风险，包括定子绕组匝间短路、转子永磁体退磁、轴承磨损以及逆变器功率器件开路等。这些缺陷若不能及时发现和处理，将导致设备性能下降、非计划停机甚至重大安全事故，造成巨大的经济损失。

传统的电机状态监控主要依赖阈值比较和定期维护策略，通过监测电流、温度、振动等参数是否超过预设门限来判断异常。这类方法虽然实现简单，但存在明显局限：固定阈值难以适应负载变化和工况波动，容易导致漏报或误报；同时，传统方法无法有效识别早期微弱故障特征，往往在故障已发展到较严重阶段时才能检测到。

近年来，人工智能技术的快速发展为电机故障诊断提供了新的思路。深度学习模型能够从原始传感数据中自动学习复杂的故障特征模式，实现端到端的智能诊断。与此同时，TinyML技术的兴起使得AI模型能够直接在资源受限的嵌入式微控制器上部署运行，实现了低延迟、低功耗的边缘智能推理。瑞萨电子推出的RA8P1系列MCU正是面向这一趋势的产物，其首次在微控制器领域实现了1GHz主频与256 GOPS AI算力的融合突破。

本系统基于TiTan（RA8P1）开发板，设计并实现了一套BLDC电机运行状态缺陷AI监控系统。系统将实时电机控制与边缘AI推理深度融合，在无需额外传感器的情况下，通过对驱动电流和电压的实时分析实现电机运行状态的在线缺陷识别，为工业电机预测性维护提供了一种高效、低成本的解决方案。

1.2 主要技术和难点

1.2.1 Titan Board 使用的主要技术

1）基于瑞萨RA8P1设计AI模型，完成通过RUHMI工具将TFLite模型转为C代码 -> 集成到电机控制工程中 -> MCU实时采集数据、预处理、推理并做出决策的整个流程

2）Titan Board 和电机控制板之间通讯，通过定义的通信协议完成数据交互，并将解析的数据传递给UI模块进行实时显示，同时AI模块处理这些数据完成推理；

3）使用RT-Thread 实现多线程，系统使用3个核心线程：UI显示线程，数据通信线程，AI推理线程

基于LVGL设计UI，并将电机控制传输的数据实时显示到UI

5）使用RT-Thread- studio开发软件使能和配置板卡的相关软件模块

1.2.2 电机控制板相关技术

其主要实现BLDC电机的控制，通过采集电机驱动板的相关的参数，并将这些参数发送给上位机和Titan board，其使用到的相关技术如下：

1）使用6步换向技术驱动BLDC电机

2）使用定时器输入捕获功能，实现电机速度值的监测

3）实时采集电机驱动板上电机工作的反电动势电压信号和电机工作时的电流信号，通过DMA方式实现多通道实时数据采集功能

4）实现与上位机控制软件交互，使用AT指令实时解析上位发送的指令，执行相关的功能操作

5）采用二值进数据传输模型和Titan Board之间实现实时数据交互

1.2.3 上机位控制软件

该软件使用Python语言开发，其完成的功能如下：

1）通过串口和电机控制板之间通讯，接收电机运行的参数，包括电机的工作电压，电机温度，运行时的反电动势电压，工作电流参数

2）解析电机参数，同时将这些参数在各个面板上实时显示处理

3）发送触发指令，用于控制电机的运行状态。

1.2.4 使用的主要开发工具

1）RT-Thread studio集成开发软件

其主要用于开发TiTan（RA8P1）开发板上相关的应用程序

2）Keil 集成开发环境，其主要用于开发电机控制板相关功能

3）Pycharm工具，用于开发上位机控制软件和训练AI模型

4）E2S和RUHMI工具，其主要用于转化AI模型

5）使用GUI Guider设计系统的UI

2 系统框架结构

整个系统分为3大模块：数据处理和显示控制模块（Titan Boad），电机控制板卡模块，电机驱动模块

1) 系统框图：

2）硬件 结构图 ：

3）Titan Board内部详细结构

2.1 Titan Board实现主要功能

系统以TiTan 作为主控板块，其通过CAN总线接收电机控制传送的电机工作参数数据。在主控芯片RA8P1内部实现AI算法，其通过处理电机控制板传送的实时电流，电压，温度信号，计算当前电机的运行状态。TiTan控制板还实现将计算结果实时显示在LCD屏幕上，系统的UI设计基于LVGL模块。

功能总结如下：

1）通过CAN总线实时接收电机控制板传送工作参数数据

2）对电机参数进行AI运算，

3）实现显示电机工作参数和AI运算结果

4）PC端实时监控系统的运行Log

2.2 电机控制板功能

电机控制板实现对直流无刷电机的运行控制和工作参数监控，其和主控板块（TiTan）之间通过参总线通讯，同时接收PC上位机控制信号,用于控制电机的运行状态。

功能总结如下：

1）通过CAN总线与Titan主控板通讯，将采集到的电压，电流，温度等数据传送给TiTan，以进行AI运算。

2）采样电机驱动板的电机反电动势电压，电机工作电流，电机运行时的温度，以及电压电压

3）通过PWM驱动电机运行

4）实时和PC Monitor通讯，发送运行参数，接收控制信号

2.3 电机驱动板功能

电机驱动板主要通过硬件电路驱动电机工作，同时提供信号采集接口，这些接口包括：PWM驱动接口（U，V，W）,反电动势（Ua，Ub, Uc）信号接口，电流信号（Ia,Ib,Ic）接口，电机体表温度接口，电机工作的电源电压接口。

功能总结如下：

1）驱动电机

2）提供电机工作反馈信号

3 系统软件架构

3.1 Titan Board 主控软件架构

3.1.1 主程序软件结构

3.1.2 UI软件设计结构

1) UI 设计介绍

本系统使用Gui Guider设计UI，LVGL版本为V9.1.0，整体结构如下：

2） UI 显示内容

**2-1）状态和数值显示：**顶端左侧显示AI运算后电机的状态，右侧显示当前的实时时间；仪表盘显示当前电机的转动速度，同时通过图标，表明当前电机的旋转方向。

**2-2）参数显示：**左侧显示电机运行的反电动势实时电压值，右侧显示当前电机工作的实时电流值。

2-3） 波形 **显示：**实时绘制反电动势的电压数据，以及电机工作时的电流信号。

3.1.3 TiTan上验证UI和数据显示

1）电机顺时针旋转UI

2）电机逆时针旋转UI

3.2 电机控制模块软件结构

3.2.1 电机六步换向控制模块

文件：bldcMotorCtrl.c

实现 BLDC 的六步换向驱动。核心是通过 霍尔状态查表 确定当前换向步，并驱动对应相的 PWM 和下桥臂 GPIO。

核心设计：

使用两张静态表 motorCtrlForward[6] 和 motorCtrlReverse[6]，分别对应正反转的 6 个换向步骤
每个表项记录：正极性相（positive.A/B/C）、负极性相（negative.A/B/C）、对应的霍尔状态（hall.a/b/c）
运行时读取霍尔状态 → 查表匹配索引 → 调用 motor_CtrlAction() 输出 PWM + GPIO

三相桥驱动宏：

PWM 配置：

定时器：TIM1（高级定时器）
通道：CH1=U，CH2=V，CH3=W
最大频率计数值：PWM_MAX_FREQ = 666（对应 15KHz）
占空比换算：PWM_PULSE_X = plus * _PWM_MAX_PLUS（plus 为百分比 0~100）

3.2.2 电机参数采样模块

文件：bldcSamplePara.c

负责三相电流采样、电流偏置校准、运行参数聚合及对外上报。

ADC 通道分配（ADC3）：

采样配置：

6 通道 × 120 次 = 720 个采样点（DMA 循环）
转换完成中断 HAL_ADC_ConvCpltCallback() 中求平均
电流换算：I = Vdc / 8 / 0.02 * 1000（mA，放大 8 倍，采样电阻 0.02Ω）

电流偏置校准流程：

AT+CALIB=1 → calibration_bldc_trigger() → is_enableCalb = true

│

▼ (主循环 100ms 触发)

calibration_bldc_act()

└── calibration_bldc_parameters()

├── 采样 U/V/W 零电流电压

└── 滑动平均写入 paraStru.body.offset_iu/iv/iw

AT+CALIB=0 → calibration_bldc_save_parameters() → Param_Save() → Flash 持久化

数据帧 打包 bldc_packet_parameter()：

3.2.3 板级传感器模块

文件：bldcSampleBoard.c

负责非电机相关的板级模拟量采集。

ADC 通道分配（ADC1）：

关键算法：

NTC 温度计算（B 常数法）：
Rt = (VREF - vdc) / (vdc / 4700) T = B * T25 / (B + ln(Rt/R25) * T25) - 273.15
1. B = 3950，R25 = 10KΩ，T25 = 298.15K
母线 电压计算：
VBUS = (vdc - FACTOR) * 37.0 // 分压比 1:37，FACTOR=1.6102