VIP20
本课程属于：016-TinyML异常检测与预测性维护 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

7. TinyML分类式故障识别：正常、磨损与不平衡状态分类

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
01
课程导入
明确学习目标 · 课程适用人群 · 整体知识框架与学习路径
课程导入明确学习目标
02
故障识别基础
工业故障类型（正常 · 磨损 · 不平衡）的定义
故障识别基础工业故障类型
03
TinyML概述
TinyML的定义 · 边缘计算优势 · 在故障识别中的应用价值与限制
TinyML的定义
04
传感器与数据采集
常用振动 · 电流 · 温度传感器原理
传感器数据采集
05
信号预处理基础
去噪 · 滤波 · 归一化
信号预处理基础去噪
06
特征工程入门
时域特征（均值 · 方差 · 峰值
特征工程入门时域特征
07
故障特征可视化
使用图表展示正常 · 磨损 · 不平衡状态下的信号差异与特征分布
故障特征可视化使用图表展示正常
08
数据集构建
数据标注 · 类别平衡 · 训练/验证/测试集划分策略
数据集构建数据标注
09
分类模型选型
适用于TinyML的轻量级模型（决策… · SVM · 小型CNN
分类模型选型TinyML
10
模型训练基础
损失函数 · 优化器 · 训练流程与过拟合控制
模型训练基础损失函数
11
模型压缩与量化
剪枝 · 权重量化 · 知识蒸馏在TinyML中的应用
模型压缩量化
12
TinyML框架与工具
TensorFlow Lite Mi… · Edge Impulse · Arduino Nano 33 BL…
TinyML框架
13
端到端实战流程
从传感器数据采集到模型部署的完整流水…
端到端实战流程从传感器数据采集…
14
案例实战（一）
基于振动数据的正常与磨损二分类模型训…
案例实战基于振动数据的正…
15
案例实战（二）
三分类（正常 · 磨损 · 不平衡）模型构建与性能评估
案例实战三分类
16
模型评估指标
准确率 · 精确率 · 召回率
模型评估指标准确率
17
模型优化策略
超参数调优 · 数据增强 · 特征选择对分类性能的影响
模型优化策略超参数调优
18
边缘部署与推理
将训练好的模型部署到微控制器 · 实现实时推理
边缘部署推理
19
功耗与资源约束
内存 · Flash · 计算量
功耗资源约束
20
常见问题与调试
数据不平衡 · 噪声干扰 · 模型过拟合
常见问题调试
21
模型鲁棒性提升
对抗噪声 · 变工况下的泛化能力增强方法
模型鲁棒性提升对抗噪声
22
多传感器融合
融合振动 · 电流 · 温度等多源数据提升故障识别准确率
多传感器融合融合振动
23
实时性设计
流式数据处理 · 滑动窗口更新 · 低延迟推理策略
实时性设计流式数据处理
24
安全性与可靠性
模型故障诊断 · 异常检测 · 边缘设备的安全考虑
安全性可靠性
25
综合项目实战
设计一个完整的TinyML故障识别系… · 从需求分析到部署测试
综合项目实战TinyML
26
性能对比实验
对比不同模型 · 不同特征组合在故障识别任务上的效果
性能对比实验对比不同模型
27
前沿与扩展
联邦学习 · 增量学习 · 自监督学习在TinyML故障识别中的…
前沿扩展
28
课程总结
核心知识点回顾 · 常见误区 · 学习资源推荐与进阶方向
课程总结核心知识点回顾
29
实战考核
完成一个指定数据集的故障分类任务 · 并提交部署报告
实战考核完成一个指定数据…
30
答疑与讨论
针对学员常见问题 · 项目实践中的难点进行深入解答与经验分…
答疑讨论