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

15. TinyML机械故障案例：轴承异常识别端侧实现

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在工业预测性维护中的价值 · 轴承故障识别的现实意义 · 课程学习目标与整体路线图
课程导入TinyML
02
轴承故障基础
轴承结构 · 常见故障类型（磨损 · 点蚀
轴承故障基础轴承结构
03
振动信号与故障特征
时域特征（峰值 · 均方根 · 峭度）
振动信号故障特征
04
轴承故障数据集
公开数据集（如CWRU · IMS）介绍 · 数据采集方式
轴承故障数据集CWRU
05
端侧TinyML技术栈
微控制器 · 边缘AI芯片 · 传感器选型
TinyML端侧
06
信号预处理方法
去噪 · 滤波 · 重采样
信号预处理方法去噪
07
特征工程与降维
手工特征提取 · 主成分分析 · 自动编码器降维
特征工程降维
08
经典机器学习模型
决策树 · 随机森林 · 支持向量机
经典机器学习模型决策树
09
深度学习模型选择
CNN · LSTM · Transformer轻量化变体
深度学习模型选择CNN
10
模型压缩技术
剪枝 · 量化（INT8 · float16）
模型压缩技术剪枝
11
TinyML开发环境搭建
Arduino · STM32CubeMX · ESP-IDF
TinyML开发环境搭建
12
数据采集与标注实战
使用加速度传感器采集轴承振动数据 · 标注故障类别 · 构建本地数据集
数据采集标注实战
13
端侧特征提取实现
在MCU上实现时域/频域特征计算 · 优化FFT算法 · 降低内存与计算延迟
端侧特征提取实现MCU
14
模型训练与验证
使用Python训练轴承故障分类模型 · 评估指标（准确率 · 召回率
模型训练验证
15
模型转换与部署
将训练好的模型转换为TensorFl… · 生成C数组 · 集成到嵌入式工程
模型转换部署
16
端侧推理优化
内存管理 · 算子优化 · 硬件加速（CMSIS-DSP
端侧推理优化内存管理
17
案例实战
基于CWRU数据集 · 从原始振动信号到端侧部署的完整流程 · 实现轴承故障四分类
案例实战CWRU
18
案例实战
自采数据端到端项目 · 包括数据采集 · 模型训练
案例实战自采数据端到端项…
19
异常检测与故障预警
基于重构误差或单类分类的异常检测方法 · 实现未知故障的识别
异常检测故障预警
20
多传感器融合
多轴加速度 · 温度 · 声发射等多源数据融合
多传感器融合多轴加速度
21
边缘-云协同
端侧初步诊断与云端深度分析结合 · 模型更新与OTA升级机制
边缘云协同
22
功耗与实时性优化
低功耗设计 · 事件驱动采样 · 推理频率调整
功耗实时性优化
23
常见问题与调试
数据不平衡 · 过拟合 · 噪声干扰
常见问题调试
24
模型可解释性
特征重要性分析 · 类激活图 · 决策树可视化
模型可解释性特征重要性分析
25
安全性与可靠性
对抗攻击 · 模型鲁棒性 · 硬件故障处理
安全性可靠性
26
工业标准与合规
ISO 10816振动标准 · 设备健康管理规范 · TinyML在工业中的合规要求
工业标准合规
27
性能评估与测试
端侧推理延迟 · 内存占用 · 精度对比
性能评估测试
28
项目实战
设计一个完整的轴承异常识别系统 · 从需求分析 · 硬件选型
项目实战设计一个完整的轴…
29
前沿趋势
超低功耗AI芯片 · 神经形态计算 · 联邦学习在工业故障诊断中的应用展望
前沿趋势AI
30
课程总结与进阶路径
核心知识回顾 · 常见误区 · 推荐学习资源
课程总结进阶路径