2、工业节点基础：典型工业监测场景（振动、温度、电流）与节点硬件组成

工业节点是TinyML落地的最小物理单元，它直接面对传感器信号、完成数据采集与推理，并在本地输出告警或控制指令。理解工业节点的硬件组成与功能划分，是后续进行MCU选型、采样配置、模型部署和功耗优化的前提。本章从典型工业监测场景出发，梳理振动、温度、电流三类信号的物理特征与采集要求，再拆解节点硬件的模块化架构，明确各功能单元的职责与接口关系。

2.1 典型工业监测场景的信号特征

工业设备的状态信息最终以物理量的形式呈现，TinyML节点需要针对不同物理量设计差异化的采集策略。振动、温度、电流是工业现场最常用的三类监测参数，它们的信号带宽、动态范围、采样要求截然不同。

2.1.1 振动监测

振动信号反映旋转机械（电机、泵、风机、压缩机）的动平衡、轴承磨损、齿轮啮合状态。工业振动监测通常使用IEPE型压电加速度传感器，输出电荷经内置放大器转换为电压信号。振动信号的频率范围从数Hz到数十kHz，但工业设备的主要故障特征集中在10Hz~10kHz区间。根据奈奎斯特采样定理，采样率至少为信号最高频率的2倍，实际工程中通常取5~10倍以保证波形还原精度。例如，监测电机轴承故障时，若关注频率为2kHz，采样率应设置为10kHz~20kHz，单次采样点数建议1024或2048点，以便后续FFT分析获得足够的频率分辨率。

2.1.2 温度监测

温度信号是慢变物理量，工业现场常用PT100铂电阻或K型热电偶。PT100在0℃时阻值100Ω，灵敏度约0.385Ω/℃，需要恒流源激励并测量电压降；热电偶输出毫伏级电压，需要冷端补偿和放大。温度监测的采样率要求很低，通常1Hz~10Hz即可满足绝大多数场景。但温度传感器安装在电机绕组、轴承座、管道表面等位置时，热传导延迟会导致信号滞后，因此TinyML模型需要处理时间序列趋势而非瞬时值。温度监测的精度要求通常为±0.5℃~±2℃，ADC分辨率12bit在0~200℃量程下理论分辨率约0.05℃，满足要求。

2.1.3 电流监测

电流信号反映电机的负载状态、堵转、缺相、绕组老化等异常。工业电流监测使用电流互感器（CT）或霍尔传感器，输出交流或直流信号。对于交流电机，电流信号频率为50Hz/60Hz工频，但故障特征常体现在谐波分量（如3次、5次、7次谐波）和启动电流包络中。电流采样率建议1kHz~5kHz，以捕捉谐波和暂态过程。电流信号的动态范围大，从空载的额定电流10%到堵转的600%，需要ADC具备足够的动态范围或采用可编程增益放大器（PGA）。

2.2 节点硬件组成与功能划分

一个完整的TinyML工业节点，从硬件角度可划分为四个功能域：传感器域、信号调理与采集域、计算与通信域、支撑域（电源与时钟）。每个域承担明确的职责，域间通过标准接口衔接，便于模块化设计和故障隔离。

2.2.1 传感器域

传感器域负责将物理量转换为电信号。工业节点通常集成1~3种传感器，根据监测对象选择。振动传感器需考虑安装共振频率，IEPE传感器通过恒流源供电（典型2mA~4mA），输出偏置电压约8~12V，需要隔直处理。温度传感器PT100采用三线制或四线制接法消除导线电阻影响。电流传感器选择开环霍尔或闭环霍尔，开环适合低成本、低精度场景，闭环适合高精度、宽频带场景。传感器域的输出接口应统一为模拟电压（0~3.3V或0~5V）或数字信号（I2C/SPI），便于后级处理。

2.2.2 信号调理与采集域

信号调理是保证采样精度的关键环节。振动信号需要隔直电路去除IEPE偏置电压，再经可编程增益放大器（PGA）调整到ADC满量程附近；抗混叠滤波器（低通）截止频率设为采样率的0.4~0.5倍，防止高频分量混叠。温度信号需要精密仪表放大器放大毫伏级信号，并做冷端补偿。电流信号需进行电平偏移，将双极性信号转换为单极性（0~3.3V）供ADC采样。ADC采样建议使用MCU内置的12~16bit逐次逼近型ADC，配合DMA实现多通道循环采样，减少CPU干预。

// 典型ADC+DMA配置（以STM32L4为例）
ADC_HandleTypeDef hadc1;
DMA_HandleTypeDef hdma_adc1;

void MX_ADC1_Init(void) {
    hadc1.Instance = ADC1;
    hadc1.Init.ClockPrescaler = ADC_CLOCK_SYNC_PCLK_DIV4;
    hadc1.Init.Resolution = ADC_RESOLUTION_12B;
    hadc1.Init.DataAlign = ADC_DATAALIGN_RIGHT;
    hadc1.Init.ScanConvMode = ENABLE;      // 多通道扫描
    hadc1.Init.ContinuousConvMode = ENABLE; // 连续转换
    hadc1.Init.DMAContinuousRequests = ENABLE;
    hadc1.Init.NbrOfConversion = 3;         // 3个通道：振动/温度/电流
    HAL_ADC_Init(&hadc1);
}

2.2.3 计算与通信域

计算域的核心是MCU，TinyML推理对MCU的要求集中在三点：算力（DMIPS/MHz）、存储（Flash/RAM）和低功耗。Cortex-M4或M7内核带FPU和DSP指令，适合做FFT、滤波和矩阵运算。典型选型如STM32L4系列（80MHz，512KB Flash，160KB RAM）可运行轻量级CNN或决策树模型。通信接口根据现场条件选择：RS485（Modbus RTU）适合工业总线组网，CAN适合车载或分布式控制，WiFi/4G适合远程监控。本地告警通过GPIO驱动LED、蜂鸣器或继电器，实现三级告警逻辑。

2.2.4 支撑域：电源与时钟

工业节点供电通常为24V DC（工业标准），需经DC-DC降压至5V，再经LDO稳压至3.3V供MCU和传感器使用。DC-DC效率高但纹波大（约50mV），LDO纹波小（<1mV）但效率低，因此采用两级供电架构：DC-DC负责粗调压，LDO负责精稳压。时钟系统包括外部晶振（8MHz~25MHz）提供MCU主时钟，32.768kHz RTC晶振用于低功耗定时唤醒。看门狗定时器（IWDG）在程序跑飞时自动复位，是工业节点可靠性的最后防线。电源入口需加TVS管和共模电感，抑制浪涌和EMI干扰。

2.3 案例拆解：电机轴承振动监测节点

以某化工厂循环水泵电机（额定功率45kW，转速1480rpm）为例，设计一个TinyML振动监测节点，实现轴承故障的本地预警。

背景与约束：该电机位于防爆区域，不允许无线通信，只能通过RS485有线组网；现场电磁干扰强，电源波动大；要求节点在本地完成故障判断，仅将告警结果上传DCS系统。

硬件配置：

• 传感器：IEPE加速度计（灵敏度100mV/g，量程±50g），磁吸式安装于电机轴承座水平方向。
• 信号调理：隔直电路+二阶巴特沃斯低通滤波器（截止频率5kHz）+PGA增益1/10/100可调。
• MCU：STM32L431（Cortex-M4，80MHz，256KB Flash，64KB RAM）。
• 通信：RS485收发器（隔离型，波特率9600bps，Modbus RTU从站）。
• 电源：24V DC输入，DC-DC降至5V，LDO降至3.3V；传感器独立LDO供电（+5V）。

采样参数设置：采样率fs=10kHz，单次采样点数N=2048，采样时长约0.2s，每5分钟采集一次。ADC分辨率12bit，量程±3.3V，实际振动信号经PGA放大后峰峰值约±1.5V，有效利用ADC量程的45%。

TinyML模型：在MCU上运行一个轻量级1D-CNN模型，输入为2048点振动波形，先计算时域特征（RMS、峰值、峭度），再经2层卷积提取频域特征，最终输出三类结果：正常、轴承磨损、轴承缺油。模型参数量约32KB，Flash占用约45KB，RAM占用约18KB，单次推理耗时约85ms。

实施过程与结果：

1. 在实验室用振动台标定节点，输入已知频率和幅值的正弦振动，验证采样精度（幅值误差<2%）。
2. 现场安装后连续运行7天，采集正常工况数据500组，建立基线。
3. 第9天，模型输出“轴承磨损”概率达87%，同时时域RMS值从0.8g升至1.4g，节点触发本地预警（黄色LED闪烁）。
4. 第11天，RMS继续升至2.1g，模型输出“轴承磨损”概率95%，触发报警（红色LED+蜂鸣器），并通过RS485上报DCS。
5. 停机检修发现轴承滚道出现明显剥落，更换轴承后振动恢复至0.7g，模型输出恢复正常。

2.4 常见误区与设计复盘

在工业节点硬件设计中，以下问题值得特别注意：

• 误区一：采样率越高越好。高采样率带来数据量剧增，MCU存储和功耗压力成倍上升。应根据信号带宽合理选择采样率，振动10kHz、电流2kHz、温度1Hz是经验上限。
• 误区二：忽略抗混叠滤波。若ADC前没有低通滤波，高于fs/2的频率分量会折叠到低频段，污染有效信号。这是TinyML推理准确率下降的常见隐性原因。
• 误区三：电源纹波影响被低估。DC-DC的开关噪声会耦合到模拟信号链路，导致ADC采样值抖动。建议模拟电路和数字电路分区布局，模拟电源单独用LDO。
• 误区四：传感器安装不规范。振动传感器安装共振频率应高于被测频率5倍以上，磁吸安装的共振频率约2kHz，胶粘约5kHz，螺纹安装可达10kHz。安装方式不当会导致高频信号失真。