VIP20
本课程属于：013-TinyML振动异常检测 工业控制与工业互联网 · 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

TinyML振动异常检测传感器数据流处理指南

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
课程导论
TinyML与振动异常检测的概述 · 应用价值 · 课程目标与学习路径
课程导论TinyML
02
振动信号基础
振动的基本概念 · 常见振动源 · 振动特征（频率
振动信号基础振动的基本概念
03
传感器与数据采集
加速度计 · 陀螺仪等振动传感器的原理 · 选型
传感器数据采集
04
数据流处理基础
数据流的概念 · 窗口化 · 滑动窗口
数据流处理基础数据流的概念
05
信号预处理
去噪 · 滤波（低通/高通/带通） · 去趋势
信号预处理去噪
06
特征工程入门
时域特征（均值 · 方差 · 峰值
特征工程入门时域特征
07
频域特征提取
傅里叶变换 · 频谱分析 · 功率谱密度
频域特征提取傅里叶变换
08
时频域特征
短时傅里叶变换 · 小波变换在振动信号中的应用
时频域特征短时傅里叶变换
09
数据标注与数据集构建
异常类型定义 · 标注策略 · 数据增强与平衡方法
数据标注数据集构建
10
TinyML基础
微控制器资源限制 · 模型量化 · 剪枝
TinyML微控制器资源限制
11
边缘设备与硬件平台
常见TinyML硬件（Arduino… · ESP32 · STM32等）介绍与选型
边缘设备硬件平台
12
开发环境搭建
Arduino IDE · Edge Impulse · TensorFlow Lite fo…
开发环境搭建Arduino
13
数据流管道设计
从传感器读取到预处理 · 特征提取 · 推理的完整流水线架构
数据流管道设计从传感器读取到预…
14
异常检测方法概览
基于阈值 · 统计方法 · 机器学习
异常检测方法概览基于阈值
15
经典机器学习模型
KNN · SVM · 决策树
经典机器学习模型KNN
16
深度学习模型
CNN · LSTM · 自编码器在振动异常检测中的设计与训练
深度学习模型CNN
17
模型训练与验证
数据集划分 · 交叉验证 · 评估指标（准确率
模型训练验证
18
模型压缩与部署
量化 · 剪枝 · 模型转换（TFLite）及在MCU上…
模型压缩部署
19
实时推理优化
内存管理 · 计算优化 · 低功耗策略与实时性保障
实时推理优化内存管理
20
案例实战一
基于Edge Impulse的轴承振…
案例实战一Edge
21
案例实战二
使用TensorFlow Lite…
案例实战二TensorFlow
22
案例实战三
多传感器融合的振动异常检测（加速度+…
案例实战三多传感器融合的振…
23
案例实战四
连续数据流中的在线异常检测与自适应阈…
案例实战四连续数据流
24
常见问题与调试
数据噪声 · 过拟合 · 模型漂移
常见问题调试
25
模型更新与持续学习
在边缘设备上进行增量学习 · 模型热更新与版本管理
模型更新持续学习
26
系统集成与云边协同
边缘设备与云端通信 · 数据上传 · 远程监控与告警
系统集成云边协同
27
性能评估与优化
延迟 · 吞吐量 · 功耗
性能评估优化
28
安全与隐私
传感器数据安全 · 模型保护 · 对抗攻击与防御措施
安全隐私
29
综合项目
设计一个完整的TinyML振动异常检…
综合项目TinyML
30
课程总结与进阶方向
知识回顾 · 常见误区 · 前沿趋势（如tinyMLOps）与学…
课程总结进阶方向