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

2. TinyML预测性维护：电机、泵与风扇故障监测场景

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

预测性维护的价值 · TinyML在工业场景中的定位 · 课程学习路径与目标

课程导入预测性维护的价值

故障监测基础

电机 · 泵 · 风扇的常见故障类型（轴承磨损

故障监测基础电机

传感器与数据采集

加速度计 · 电流传感器 · 温度传感器的选型

传感器数据采集

信号处理基础

时域特征（RMS · 峰值 · 峰峰值

信号处理基础RMS

从原始振动/电流信号中提取有效特征 · 降维方法（PCA · t-SNE）在故障监测中的应用

特征工程从原始振动

TinyML与边缘计算概述

TinyML的定义 · 微控制器资源限制 · 典型硬件（STM32

TinyML边缘计算概述

数据标注与数据集构建

故障模拟实验设计 · 数据分割（训练/验证/测试） · 类别不平衡处理

数据标注数据集构建

经典机器学习模型

决策树 · 随机森林 · SVM在嵌入式端的部署可行性及模型压…

经典机器学习模型决策树

深度学习模型

CNN · LSTM · Transformer轻量化变体在时…

深度学习模型CNN

模型训练与优化

量化（INT8） · 剪枝 · 知识蒸馏

模型训练优化

Edge Impulse实战

从数据上传 · 特征设计 · 模型训练到部署的完整流程（以电机振动…

TensorFlow Lite for Microcontrollers实战

将训练好的模型转换为.tflite并…

电机故障监测案例

使用加速度计采集振动数据 · 构建二分类（正常/异常）模型并部署

电机故障监测案例使用加速度计采集…

泵故障监测案例

结合电流与振动信号 · 识别气蚀 · 叶轮磨损

泵故障监测案例结合电流

风扇故障监测案例

基于声音或振动信号 · 检测叶片断裂 · 电机过热

风扇故障监测案例基于声音或振动信…

多传感器融合

融合振动 · 电流 · 温度

多传感器融合融合振动

异常检测方法

基于自编码器 · 孤立森林 · One-Class SVM的异常检测

异常检测方法基于自编码器

剩余使用寿命（RUL）预测

回归模型 · 退化轨迹拟合 · 在TinyML上的简化实现

RUL剩余使用寿命

边缘-云协同

边缘端实时推理与云端模型更新 · 联邦学习在预测性维护中的潜力

边缘云协同

模型部署与推理优化

内存管理 · 算子优化 · 低功耗设计

模型部署推理优化

系统集成与通信

MQTT · BLE · Modbus等协议

系统集成通信

模型验证与测试

在真实设备上的鲁棒性测试 · 对抗样本 · 环境变化影响

模型验证测试

常见问题与调试

数据漂移 · 过拟合 · 部署后精度下降

常见问题调试

从数据采集到部署的完整项目复盘 · 包括时间线 · 成本

案例复盘从数据采集到部署…

工业标准与安全

设备安全 · 数据隐私 · 工业自动化标准（如ISO 10816…

工业标准安全

TinyML工具链进阶

使用CMSIS-NN · ARM Compute Librar… · Cube.AI等优化推理

TinyML工具链进阶

低功耗与能量采集

电池供电设备的功耗优化 · 能量采集技术（振动 · 太阳能）在无线传感器中的应用

低功耗能量采集

综合实战项目

设计一个多设备（电机+泵+风扇）的预… · 从需求分析到部署演示

综合实战项目设计一个多设备

课程总结与进阶路径

回顾核心知识点 · 推荐学习资源 · 开源项目

课程总结进阶路径

完成一个端到端的TinyML故障监测… · 提交报告并答辩

结业考核TinyML