增加本文主要研究内容部分

main.adoc

@@ -78,10 +78,22 @@ Ince 等提出了一种使用一维 CNN 进行实时电机故障检测的方法
 
 === 本论文主要研究内容
 
-
+本论文主要针对上述加速度传感器价格昂贵，外围电路复杂以及使用中心服务器进行计算或使用传统边缘计算终端进行计算的种种问题进行改进，提出了一种使用微机电 (MEMS) 传感器进行振动信号采集，使用通用微控制器 (MCU) 部署使用卷积神经网络 (CNN) 的振动筛故障检测设备。并讨论了该设备硬件设计、卷积神经网络的训练和部署以及应用程序的设计等问题。
 
 === 论文结构
 
+论文主要分为五个部分。
+
+第一个部分介绍基于 MEMS 和 CNN 的振动筛故障检测设备的总体设计方案。主要针对总体技术架构、需求分析、总体方案几个方面进行讨论和设计。确定该设备定位为低成本和易部署，并根据该需求划分软件层次以及选定相关传感器、微控制器等硬件方案。
+
+第二个部分介绍故障检测设备的硬件设计方案。分别对故障检测设备中数据处理主控、蓝牙主控、传感器及外围、电源和保护、通信转换几个部分的硬件方案进行设计和计算。同时设计使用印刷电路板 (PCB) 的故障检测设备原型，以及设计过程中的布局布线问题。
+
+第三个部分介绍基于卷积神经网络的振动筛故障检测分类模型设计，该部分比较常见时间序列分类问题的解决方案，介绍使用卷积神经网络进行故障分类的原因。同时介绍本设计中训练数据的采集、预处理和划分。最后介绍所使用的神经网络主要的结构设计以及相关特点。
+
+第四个部分介绍故障检测设备的程序开发。该部分中先介绍故障检测设备程序的层次分划。然后对于主控程序，主要设计传感器驱动层以及数据预处理部分。然后着重介绍使用 X-CUBE-AI 框架进行分类网络部署的步骤。最后介绍蓝牙主控使用广播模式进行数据传输的程序设计。
+
+第五个部分为总结和展望。总结本设计中所进行的主要工作和相关成果，并对于本设计仍未完成和存在缺陷的地方提出了展望。
+
 == 基于 MEMS 和 CNN 的振动筛故障检测设备总体方案
 
 === 总体技术架构
@@ -94,7 +106,7 @@ image::doc_attachments/2024-03-29T09-55-39-990Z.png[总体技术架构]
 
 - 主要利用基于 MEMS 技术的加速度计和温湿度计实现被检测对象的振动和环境温湿度感知，实现对工况数据的初步收集。
 
-=== 处理层
+==== 处理层
 
 - 对感知层采集的到的数据进行预处理。通过滤波去除噪声，尖峰或者平滑数据波形等。根据情况对采样数据进行插值处理，以弥补传感器采样频率不足的缺陷。根据实际特征情况，选择识别频域或者时域信号（由于性能限制，无法同时部署两个推理模型）。
 
@@ -104,7 +116,7 @@ image::doc_attachments/2024-03-29T09-55-39-990Z.png[总体技术架构]
 
 - 将需要上报的数据按格式打包，传输到传输层模块或者设备中。
 
-=== 传输层
+==== 传输层
 
 - Modbus 从设备将数据分类存储并分配寄存器地址，等待主机查询后回报。