VIP20

本课程属于：010-Edge Impulse端侧AI数据采集与模型部署 嵌入式边缘AI与TinyML · 共 20 门相关课程，组合学习更完整。

查看所属VIP全部课程 →

← 返回所属目录咨询 / 购买

10. Edge Impulse振动异常检测：设备状态监测项目实战

共计 30 章节

点击此处阅读海量试读课程：100+行业、1000+细分领域

学习目标 · 课程适用人群 · 振动异常检测在工业设备状态监测中的价…

课程导入学习目标

振动基础与异常检测概念

振动信号的基本物理量（振幅 · 频率 · 相位）

振动基础异常检测概念

异常检测方法概述

监督学习 · 无监督学习 · 半监督学习在异常检测中的区别

异常检测方法概述监督学习

Edge Impulse平台入门

平台功能 · 架构 · 数据流（数据采集→特征工程→模型训练…

振动数据采集与传感器选型

加速度计 · 压电式传感器 · MEMS传感器的工作原理

振动数据采集传感器选型

数据采集硬件与连接

使用Arduino · ESP32 · 树莓派等常见开发板连接振动传感器

数据采集硬件连接

数据采集实验设计

如何规划振动数据采集实验（正常状态 · 故障状态 · 不同工况）

数据采集实验设计如何规划振动数据…

数据标注与数据集构建

在Edge Impulse中创建数据… · 标注正常/异常样本 · 处理不平衡数据

数据标注数据集构建

数据预处理与清洗

去噪 · 滤波（低通/高通/带通） · 去除趋势项

数据预处理清洗

时域特征提取

均值 · 方差 · 峰值

时域特征提取均值

频域特征提取

傅里叶变换（FFT） · 功率谱密度 · 频谱峰值

频域特征提取FFT

时频域特征提取

短时傅里叶变换（STFT） · 小波变换 · 梅尔频谱在振动信号中的应用

时频域特征提取STFT

Edge Impulse特征工程工具

使用Edge Impulse的自动特… · 自定义特征块 · 特征可视化与特征重要性分析

异常检测模型选择

适合振动异常检测的模型（如K-mea… · GMM · Autoencoder

异常检测模型选择K-mea

无监督异常检测实战

使用Edge Impulse的Ano… · GMM）训练正常状态模型 · 并检测异常

无监督异常检测实…Edge

监督分类模型实战

使用Edge Impulse的神经网… · CNN）对正常/多种故障类型进行分类 · 并比较与无监督方法的差异

监督分类模型实战Edge

模型训练与调参

学习率 · 批大小 · 训练轮数

模型训练调参

模型评估与验证

混淆矩阵 · 准确率 · 精确率

模型评估验证

模型优化与压缩

量化 · 剪枝 · 知识蒸馏

模型优化压缩

部署到边缘设备

将训练好的模型部署到Arduino · ESP32 · 树莓派

部署到边缘设备Arduino

实时推理与数据流

在设备端实现实时振动数据采集 · 预处理 · 特征提取和推理

实时推理数据流

旋转机械轴承故障检测 · 使用公开数据集或自采数据 · 实现轴承正常/异常检测

项目实战旋转机械轴承故障…

电机状态监测：针对电机振动信号 · 识别转子不平衡 · 定子故障

项目实战电机状态监测

泵/风机异常检测 · 构建异常检测系统 · 处理变工况和噪声干扰

项目实战风机异常检测

Edge Impulse与云平台集成

将Edge Impulse项目导出并… · Azure IoT · Google Cloud IoT等云…

常见问题与调试技巧

数据采集中的噪声干扰 · 传感器安装不当 · 采样率不足

常见问题调试技巧

模型可解释性与可视化

使用SHAP · LIME等工具解释模型决策 · 可视化特征空间和异常分数

模型可解释性可视化

多传感器融合与高级应用

结合温度 · 电流 · 声学等多模态数据

多传感器融合高级应用

综合项目挑战

设计一个完整的设备状态监测系统 · 从需求分析 · 数据采集

综合项目挑战设计一个完整的设…

课程总结与进阶方向

回顾核心知识点 · 总结实战经验 · 介绍Edge Impulse新特性

课程总结进阶方向