13 总结

本应用手册介绍了一个完整的参考设计，用于在具有集成神经处理单元 (NPU) 的低成本 MSPM0G5187 微控制器上使用边缘 AI 实现交流电弧故障检测。该设计解决了一个关键的安全挑战：电弧故障每年导致 30,000 多起家庭火灾，但传统的断路器和保险丝无法检测到这些故障，因为串联电弧可能比正常负载消耗更少的电流，并在热保护器件不监测的频率（kHz 至 MHz）下工作。

该设计方案利用机器学习推理来克服固定模拟电路的局限性。通过将硬件加速的神经网络处理与 TIDA-010971 模拟前端的复杂信号调节相结合，该系统可实现 >99% 的检测精度，<10ms 的响应时间和 >99% 的特异性来屏蔽负载，符合 UL 1699 安全标准。该架构采用四系列 CNN 模型集，推荐的 ArcFault_model_1400_t 可提供 99.88%的精度，而仅消耗 5.6KB 闪存和 2.4KB SRAM。

固件实现使用 107kSps 的连续 ADC 采样和乒乓 DMA 传输来实现不间断数据采集。通过 512 点 FFT 进行实时特征提取，每个推理周期可生成 256 个时间频率特征，由 NPU 在大约 0.7ms 内处理。多数表决算法（8 帧中的 5 个）可确保可靠检测，同时更大限度地减少干扰性跳变。总端到端延迟保持在 150ms 以下，MCU 的有功功耗约为 8mW，整个系统的有功功耗约为 55mW。该参考设计包括有关模型开发的全面指导，涵盖从数据收集和标记策略到通过 TI 神经网络编译器进行量化、训练和部署的各种指导。支持帧模式和窗口模式标记方法，以适应不同的数据集和前端架构。借助提供的示例、固件代码和性能基准，工程师能够以最少的开发工作量开发用于住宅和商业电气系统的生产 AFCI 产品，同时保持符合美国国家电气规范 (NEC) 要求和 UL 1699 标准。虽然该参考设计为 AFCI 开发提供了坚实的基础，但量产器件需要经过正式的 UL 认证测试和验证。模块化架构和可扩展模型选项支持在各种性能和成本要求下进行部署，从超低尺寸实施到适用于复杂电气环境的高精度配置，不一而足。