通过估算扭矩和转子温度提升电机性能
利用人工智能推断扭矩和转子温度值，提高电机性能。
精确的电机控制对于制造工厂和运输系统等应用有着至关重要的意义。 扭矩和转子温度是电机的两个主要参数，对其进行监测有助于实现更加精确高效的电机控制、降低功率损耗并最终达到减少热量积聚的目的。
人工智能 (AI) 不仅有助于提高各个领域的效率，而且能够实现多种新功能（例如用于估算数值的外推功能），从而在不添加任何硬件组件的情况下有效优化设备性能。 对扭矩和转子温度实施有效的估算有助于减少制造电机的用料和实施更加高效的控制策略，从而确保电机发挥出最大性能。
人工智能 (AI) 不仅有助于提高各个领域的效率，而且能够实现多种新功能（例如用于估算数值的外推功能），从而在不添加任何硬件组件的情况下有效优化设备性能。 对扭矩和转子温度实施有效的估算有助于减少制造电机的用料和实施更加高效的控制策略，从而确保电机发挥出最大性能。
方法
此用例的数据来源为 Kaggle上的 “电机温度”数据集。
我们的目标是仅使用现有信息（电机转速、冷却液温度、电压等）完成扭矩和转子温度的估算。
我们创建了两个子数据集，一个用于估算扭矩，另一个用于估算转子温度。
接下来，我们利用 NanoEdge AI Studio创建了两个外推项目，以便根据这些输入信息来估算扭矩和转子温度。
传感器
通用传感器。
数据
外推目标扭矩和转子温度
信号长度10（多传感器）
数据速率2 Hz
信号长度10（多传感器）
数据速率2 Hz
结果
扭矩外推法（左）：
98.77% 的精确度，0.1 Kbytes的 RAM，0.3Kbytes 的 闪存
转子温度外推法（右）：
98.81% 精确度，0.1Kbytes RAM，0.3Kbytes 闪存
资源 ![NanoEdge AI Studio]()
![NanoEdge AI Studio]()
![任何STM32 MCU]()
![任何STM32 MCU]()
模型创建工具 NanoEdge AI Studio
一款免费的AutoML软件，用于向嵌入式项目添加AI，并逐步引导用户轻松找到符合其需求的最佳AI模型。
兼容 任何STM32 MCU
STM32系列32位微控制器基于Arm Cortex®-M处理器，旨在为MCU用户提供新的开发自由度。它包括一系列产品，集高性能、实时功能、数字信号处理、低功耗/低电压操作、连接性等特性于一身，同时还保持了集成度高和易于开发的特点。