直流电弧故障检测

您知道吗？每四起火灾中就有一起是由电气故障引发的？ 其中大部分是由电弧引起的。 因此，快速检测电弧并做出反应至关重要。

随着市场不断发展，许多不同的新型应用涌现出来，这些应用（太阳能电池板、电池、电动工具、电动自行车等）需要越来越多的创新技术来防范电弧。

目前已有基于规则的算法可用于提高电气设备的安全性，但其适应性有限，并会产生大量误报，从而降低机器产量。 此外，还有基于云的AI解决方案，该解决方案提高了准确性，但也带来了延迟和隐私问题。

在这种情况下，边缘AI解决方案可提供理想的折衷方案。 这类解决方案无需连接或外部处理，支持即时检测与响应，同时，由于在设备本地对数据进行处理，消除了隐私和安全问题。 它们能够持续学习并适应不同的环境，降低误报率，提高效率。

在本使用案例中，我们将向您展示如何利用边缘 AI 和 STM32 简单地构建自己的弧线检测机制。 STM32！

在这里，我们选择了 NanoEdge AI Studio工具，因为它的用户界面友好且易于使用。 NanoEdge可根据用户数据自动选择并生成最适合的模型。 如果我们有一个预先训练好的神经网络模型，我们可以使用 STM32Cube.AI对其进行压缩和优化，以便在嵌入式环境中使用。

我们的方法如下：

• 在此演示中，我们使用了以STM32G4为核心的定制电弧故障电路断路器 (AFCI) 开发板。
• 首先，我们从设备中收集正常运行数据，总计约1000个信号。
• 然后，我们收集电弧故障数据，同样约1000个信号。
• 将两组信号都导入NanoEdge AI Studio中的一个分类项目。
• 随后，该工具会生成适用于此项目的最佳AI库，我们将其集成到代码中，以监测电流并在检测到电弧时触发警报。

电流传感器。