深圳网站官网建设方案,安阳做网站电话,WordPress如何做多语言版本,常用的seo查询工具1. 简介
基于监督学习的神经网络算法需要大量数据作为输入#xff0c;模型完全由数据驱动#xff0c;其数据质量是算法有效的必要条件#xff0c;所以如何高效的采集到数据#xff0c;以及正确的标注或分析是极其重要的#xff0c;如果第一步有问题#xff0c;后续的所有…1. 简介
基于监督学习的神经网络算法需要大量数据作为输入模型完全由数据驱动其数据质量是算法有效的必要条件所以如何高效的采集到数据以及正确的标注或分析是极其重要的如果第一步有问题后续的所有工作都是徒劳。
本文将介绍 PECC 的数据采集板以及来自 GPM China 的数据采集工具简单分析数据质量的一些方法以及需要注意的一些事项。 图1.PECC 硬件 V1.0
2. 上位机介绍 图2.上位机主界面
2.1. 打开串口
单击①找到相应的串口号并通过②选择合适的波特率点击③打开串口。注意
如果连接设备是串口USB 虚拟串口则需要选择正确的波特率才能正常通讯。如果连接设备是 USB 虚拟串口比如 PECC 的开发板则波特率可以随便选择。
2.2. 数据采集
通过④设置标签⑤设置采样率最高 400KHz⑥设置采样时间⑦选择通道目前上位机支持四个通道选择⑧开始数据采集。
2.2.1. 数据标注方法与原则 ④中设置的是文件标签也可以理解为文件保存路径python 脚本会根据保存的文件路径来给数据进行打标。 文件夹中必须有且仅有 “Arc”“Normal”字符串大小写无关。其中“Arc”表示该文件夹下的数据全为有弧信号 “Normal”表示该文件夹下的数据全为无弧信号。参看下文一个比较好的数据标注的例子。 “Normal”信号的采集。无弧信号采集较简单只需要关注不同的采集条件让数据分布更广即可。为了确保无弧所有线头连接部分必须保证充分接触防止接触不良导致接头内部产生电弧而肉眼无法看到的情况发生拉弧机两端最好有接示波器电压必须为 0以确保拉弧机接头内部没有肉眼无法看到的电弧。 “Arc”信号的采集。为了保证采集到的数据全部为有弧信号需要先打开拉弧机产生电弧再点击⑧开始采集待上位机采集完成再断开拉弧机。 由于拉弧与非常多的因素相关所以数据采集应当在各个不同条件下采集。目前已知能影响拉弧效果的因素包括且不限于是否有关断器是否有优化器电流等级逆变器通道硬件采集电路拉弧距离等。在数据标注时需要对这些情况进行相应的标注方便以后分析。电流等级可以以 2-3A 为一个步长采集所有电流等级内的数据。 采集时长或数据大小。没有明确规定的大小建议每个电流等级总时长不低于 30s。 同一条件也不建议太大因为数据量太多可能导致内存不足无法训练或训练时间过长。
2.2.2. 数据文件夹
文件夹设置好后采集数据会自动在上位机同目录下生成文件夹。在 Chart 页面下左键点击文件夹会将文件夹路径更新到④中方便采集
2.2.3. 采集板供电
PECC 板子使用 USB 供电可以连接笔记本但是 USB 供电会引入工频噪声在采集阶段和验证阶段必须保证环境的一致性所以在采集和验证阶段都需要使用统一的设备进行供电不能切换电脑或电源。建议使用同一台电脑采集数据和验证并且连接电源不使用电池。 图3.数据标注 图4.数据采集 Log
2.2.4. 采集日志
Log 信息会自动保存在上位机同目录下以当前时间作为文件名以.log 作为结尾。如果 Log 信息中出现了丢包或其他错误信息最好删掉采集保存下来的这条数据。从上文数据采集 log 中可以看出 ① 400KHz 采样率下数据有丢包。那么可以在 Chart 界面下找到该条数据点击 delete 删除。 ② 400KHz 正常的数据采集 Log。 目前仅在 400KHz 采样率下发现小概率有丢包情况其他情况未发现未来提高USB 通信速率应该可以解决该问题不过串口通讯仍然有误码率的可能性。
2.3. 数据分析
2.3.1. 数据显示 图5.Chart 页面
1点击采集到的数据①会在右边绘制出波形图。
2②时域图形横坐标表示采样点数纵坐标表示 ADC 值。③频域图形横坐标表示 N ×采样率如果采样率为 250KHz则 0.5 表示 125KHz纵坐标表示幅值。
3设置帧长⑤拖动④可以看到不同帧长窗口下的时域和频域图形。
2.3.2. 数据对比 图6.上位机软件的时域和频域对比功能 选择①痕迹再选择其他数据文件则可以对比不同数据的波形上图为有弧和无弧信号的对比。 检查②时域部分查看是否有异常点是否有样本点超过最大幅值的情况中心点是否在 2048 附近12 位 ADC 最大值为 4096中心点为 2048可以看出硬件是否有设计问题比如放大倍数不正确或者中心点不正确。还可以和示波器进行对比看采集到的数据是否和示波器上的一致来检查硬件或固件。 检查③频域部分查看滤波器的滤波范围是否正确限波点是否正确上图可以看到数据在相对低频部分有比较好的分辨能力。
2.4. 在线识别 图7.识别结果
选择好①采样率和③通道点击开始识别就可以让开发板进入 AFCI 识别模式识别中会输出 图中④类似的 Log 信息表示采样率已经设置为 250KHzCH2 通道已经打开并输出了 normal 和 arc 的百分比信息代表是的无弧和有弧的概率。
2.5. 文件验证
文件验证功能指的是将采集到的 csv 格式的原始数据文件下载到开发板中进行验证 从而判断固件部分 AI 功能是否正常如果固件和模型正确输出结果应当和标记的内容一样。 图8.文件验证 图9.Log 信息
图 8在 Chart 界面下选择需要验证的文件双击会弹出验证对话框点击 Yes 进行验证。 图 9显示的输出结果信息以及剩余验证数据通道信息可忽略因为数据是从上位机下载的 和通道无关。
2.6. 通讯协议
在 Note 界面下有相应的串口通讯协议和 Release 信息。 图10. Note 界面
3. 总结
数据采集和标注是做好神经网络的第一步需要格外小心和谨慎不然其中有脏数据通 过肉眼十分难以清理出来脏数据过多会导致模型泛化能力很差。
其中一个办法是用模型对所有数据进行验证然后挑选出验证结果失败的数据然后 Plot 出来。若通过肉眼分辨其工作量非常巨大和繁琐还是应当在数据收集的过程中保证数据 的有效性。
文档中所用到的工具及版本
serialTool.exe2.0.0 本文档参考ST官方的《【应用笔记】LAT1322AFCI应用笔记二、数据采集》文档。 参考下载地址https://download.csdn.net/download/u014319604/89083015
