多模式大语言模型启用机器智能故障诊断方法与非接触动态视觉数据.
Zihan Lu1, Cuiying Sun2, Xiang Li1
1Key Laboratory of Education Ministry for Modern Design and Rotor-Bearing System, Xi'an Jiaotong University, Xi'an 710049, China.
Sensors (Basel, Switzerland)
|September 27, 2025
概括
这项研究引入了一种新的非接触方法,用于使用事件摄像头和人工智能进行轴承故障诊断. 它在识别故障方面实现了高精度,提高了智能制造中的设备可靠性.
科学领域:
- 工程 工程师 工程师 工程师
- 人工智能的人工智能
- 传感器技术 传感器技术
背景情况:
- 智能制造需要高设备可靠性和可用性.
- 使用振动传感器的传统故障诊断方法在适应性,维护和预处理方面存在局限性.
- 需要先进的非接触式故障诊断技术.
研究的目的:
- 率先使用事件摄像头数据进行轴承故障分类.
- 使用动态视觉信息进行故障诊断,微调多式大型模型 (Qwen2.5-VL-7B).
- 建立一个新的,端到端的智能分析模式,用于非接触式故障检测.
主要方法:
- 利用来自事件摄像头的高时间分辨率动态视觉信息.
- 通过时间表面处理将稀疏脉冲事件处理成事件框架.
- 重建事件成高时间分辨率视频,使用时空无效化和ROI定义.
- 采用了两种LoRA微调策略 (策略A:OpenCV框架提取;策略B:内置视频管道) 与Qwen2.5-VL-7B用于轴承故障分类.
主要成果:
- 实现了0.9247 (战略A) 和0.9540 (战略B) 的分类准确度.
- 在不同的操作条件和旋转速度下,证明了轴承故障分类的成功.
- 验证了非接触式传感和端到端智能分析用于故障诊断的有效性.
结论:
- 基于事件摄像头的动态视觉信息对于轴承故障诊断是有效的.
- 多式联网大型模型与事件数据进行微调,为智能制造提供了一个有前途的新范式.
- 非接触式传感与先进的人工智能相结合,可实现强大而高效的设备健康监测.
