VIP20
本课程属于：018-Edge AI传感器融合与多模态推理 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

13. Edge AI工业多传感器监测：温度、振动与电流联合诊断

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
学习目标 · 课程结构 · 工业多传感器监测的价值与挑战
课程导入学习目标
02
工业传感器基础
温度 · 振动 · 电流传感器的工作原理
工业传感器基础温度
03
信号采集与预处理
采样率 · 量程 · 滤波
信号采集预处理
04
温度监测核心概念
热电阻 · 热电偶 · 红外测温
温度监测核心概念热电阻
05
振动监测核心概念
加速度计 · 速度 · 位移
振动监测核心概念加速度计
06
电流监测核心概念
电流互感器 · 电机电流特征 · 电流谐波与故障关联
电流监测核心概念电流互感器
07
多传感器融合基础
数据级 · 特征级 · 决策级融合策略与优势
多传感器融合基础数据级
08
Edge AI概述
边缘计算 · 嵌入式AI · 模型压缩
EdgeAI
09
边缘端数据同步与时间对齐
多源数据时间戳处理 · 插值与重采样方法
边缘端数据同步时间对齐
10
特征工程实战
从温度 · 振动 · 电流信号中提取有效特征
特征工程实战从温度
11
故障诊断方法
基于阈值 · 统计过程控制 · 机器学习与深度学习的诊断流程
故障诊断方法基于阈值
12
经典机器学习模型
SVM · 随机森林 · XGBoost在多传感器诊断中的应用
经典机器学习模型SVM
13
深度学习模型
CNN · LSTM · Transformer在时序信号联合…
深度学习模型CNN
14
迁移学习与少样本学习
利用预训练模型解决工业数据稀缺问题
迁移学习少样本学习
15
边缘端模型部署
TensorFlow Lite · ONNX Runtime · OpenVINO等工具链
边缘端模型部署TensorFlow
16
模型量化与剪枝
降低模型大小和推理延迟 · 保持诊断精度
模型量化剪枝
17
实时推理与流处理
边缘流式数据处理 · 滑动窗口 · 在线诊断架构
实时推理流处理
18
案例实战一
电机轴承故障诊断——温度 · 振动 · 电流联合监测
案例实战一电机轴承故障诊断
19
案例实战二
泵类设备健康监测——多传感器特征融合…
案例实战二泵类设备健康监测
20
案例实战三
工业机器人关节监测——电流与振动协同…
案例实战三工业机器人关节监…
21
案例实战四
变压器温度与电流联合过热预警
案例实战四变压器温度
22
边缘-云协同
边缘端实时诊断与云端模型更新 · 数据回传策略
边缘云协同
23
系统集成与通信协议
Modbus · OPC UA · MQTT在边缘设备中的应用
系统集成通信协议
24
数据安全与隐私
边缘端数据加密 · 访问控制与合规性
数据安全隐私
25
模型评估与验证
混淆矩阵 · ROC曲线 · F1-score
模型评估验证
26
常见问题与调试
传感器噪声 · 数据缺失 · 时间不同步
常见问题调试
27
模型持续学习与自适应
在线学习 · 概念漂移检测与模型更新机制
模型持续学习自适应
28
项目实战
从需求分析 · 传感器部署 · 数据采集
项目实战从需求分析
29
性能优化与功耗管理
边缘设备资源限制下的推理加速与功耗控…
性能优化功耗管理
30
综合提升与前沿展望
数字孪生 · 联邦学习 · 智能维护与未来趋势
综合提升前沿展望