首页
›
嵌入式边缘AI与TinyML
›
016-TinyML异常检测与预测性维护
›
《TinyML工业低功耗监测:周期采样与事件触发上报》
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
📘
19. TinyML工业低功耗监测:周期采样与事件触发上报
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
TinyML在工业低功耗监测中的价值 · 学习目标 · 课程整体框架与适用场景
课程导入
TinyML
02
工业监测基础
常见工业参数(振动 · 温度 · 电流等)
工业监测基础
常见工业参数
03
低功耗设计原理
功耗来源分析 · 低功耗模式(睡眠 · 深度睡眠
低功耗设计原理
功耗来源分析
04
TinyML核心概念
模型压缩 · 量化 · 剪枝
TinyML
核心概念
05
硬件平台选型
常见低功耗MCU(如STM32L系列 · ESP32 · nRF52)
硬件平台选型
MCU
06
开发环境搭建
嵌入式开发工具链 · TinyML框架(TensorFlo… · Edge Impulse等)安装与配…
开发环境搭建
嵌入式开发工具链
07
数据采集与预处理
传感器数据采集策略 · 采样率选择 · 滤波与特征提取(时域
数据采集
预处理
08
周期采样策略
固定周期采样的设计 · 采样窗口与休眠调度 · 功耗与数据量的权衡
周期采样策略
固定周期采样的设…
09
事件触发机制
阈值触发 · 变化检测 · 基于简单模型的异常触发
事件触发机制
阈值触发
10
混合模式设计
周期采样与事件触发结合的策略 · 状态机设计 · 动态切换逻辑
混合模式设计
周期采样
11
模型训练与优化
使用边缘设备数据训练模型 · 模型大小与精度平衡 · 量化感知训练
模型训练
优化
12
模型部署
将TFLite模型转换为C数组 · 部署到MCU · 内存管理与推理优化
模型部署
TFLite
13
低功耗通信
无线协议(BLE · LoRa · Zigbee)选择
低功耗通信
BLE
14
实时时钟与同步
RTC使用 · 低功耗定时唤醒 · 时间同步与事件时间戳
实时时钟
同步
15
电源管理
电池供电设计 · 能量收集(太阳能 · 振动)
电源管理
电池供电设计
16
案例实战
基于加速度计的工业设备振动监测 · 实现周期采样与阈值触发上报
案例实战
基于加速度计的工…
17
案例实战
基于温度传感器的电机过热监测 · 使用事件触发上报异常
案例实战
基于温度传感器的…
18
案例实战
多传感器融合(温度+振动)的异常检测 · 结合周期与事件模式
案例实战
多传感器融合
19
常见问题与调试
功耗异常 · 误触发 · 数据丢失
常见问题
调试
20
性能评估
功耗实测 · 上报延迟 · 检测准确率
性能评估
功耗实测
21
安全与可靠性
数据加密 · 通信安全 · 看门狗
安全
可靠性
22
系统集成
与云平台或边缘网关对接 · 数据可视化 · 远程配置与OTA更新
系统集成
云平台或边缘网关…
23
进阶优化
自适应采样率 · 动态阈值调整 · 在线学习与模型更新
进阶优化
自适应采样率
24
实战项目
设计一个完整的工业低功耗监测节点 · 从需求分析到部署
实战项目
设计一个完整的工…
25
实战项目
实现一个事件触发上报的异常检测系统 · 并优化功耗
实战项目
实现一个事件触发…
26
实战项目
对比不同采样策略(纯周期 · 纯事件 · 混合)的功耗与效果
实战项目
对比不同采样策略
27
综合提升
如何将课程知识迁移到其他工业场景(如… · 设备预测性维护)
综合提升
如何将课程知识迁…
28
前沿趋势
TinyML在工业物联网中的最新进展 · 边缘AI芯片 · 低功耗技术展望
前沿趋势
TinyML
29
课程总结
核心知识点回顾 · 常见误区 · 学习路径建议与资源推荐
课程总结
核心知识点回顾
30
结业考核
完成一个综合项目 · 要求实现周期采样与事件触发上报 · 并提交设计文档与演示
结业考核
完成一个综合项目
所属VIP或分类
同VIP:TinyML分类式故障识别:正常、磨损与不平衡状态分类
同VIP:TinyML工业节点部署:MCU采样、推理与本地告警
同VIP:TinyML异常检测排错:采样漂移、安装松动与噪声干扰