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振动异常检测阈值自适应调整方法课程

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与振动异常检测的背景 · 课程目标 · 学习路径与整体框架
课程导入TinyML
02
振动信号基础
振动的基本概念 · 常见振动类型 · 振动传感器原理与选型
振动信号基础振动的基本概念
03
异常检测概述
异常检测的定义 · 分类（点异常 · 上下文异常
异常检测概述异常检测的定义
04
TinyML基础
TinyML的定义 · 边缘计算优势 · 典型硬件平台（MCU
TinyML的定义
05
振动数据采集与预处理
采样率选择 · 去噪 · 滤波
振动数据采集预处理
06
振动特征工程
时域特征（均值 · 方差 · 峰值
振动特征工程时域特征
07
经典异常检测方法
基于统计（均值方差 · 3σ） · 基于距离（KNN）
经典异常检测方法基于统计
08
机器学习异常检测模型
One-Class SVM · 孤立森林 · 自编码器在振动异常检测中的应用
机器学习异常检测…One-Class
09
深度学习与TinyML
轻量化神经网络（CNN · LSTM · TinyML专用架构）在振动异常检测…
TinyML深度学习
10
阈值自适应调整的必要性
固定阈值的局限性 · 环境变化与设备退化对阈值的影响
阈值自适应调整的…固定阈值的局限性
11
阈值自适应调整方法分类
基于统计 · 基于机器学习 · 基于在线学习
阈值自适应调整方…基于统计
12
基于滑动窗口的阈值动态更新
窗口大小选择 · 更新频率 · 统计量（均值
基于滑动窗口的阈…窗口大小选择
13
基于EWMA（指数加权移动平均）的阈值自适应
EWMA原理 · 平滑系数选择 · 阈值上下界动态调整
EWMA基于
14
基于分位数估计的阈值自适应
分位数回归 · 滚动分位数计算 · 异常判定与参数调优
基于分位数估计的…分位数回归
15
基于在线学习的阈值自适应
在线梯度下降 · 在线异常分数归一化 · 模型增量更新策略
基于线学习的阈值自适…
16
基于贝叶斯变化的阈值自适应
贝叶斯变点检测 · 后验概率更新 · 阈值动态调整流程
基于贝叶斯变化的…贝叶斯变点检测
17
基于强化学习的阈值自适应
状态 · 动作 · 奖励设计
基于强化学习的阈…状态
18
多传感器融合下的阈值自适应
多通道振动信号融合 · 联合阈值调整与异常综合判定
多传感器融合下的…多通道振动信号融…
19
TinyML模型压缩与部署
量化 · 剪枝 · 知识蒸馏
TinyML模型压缩
20
案例实战
使用公开振动数据集（如CWRU轴承数…
案例实战CWRU
21
案例实战
基于Arduino Nano 33…
案例实战Arduino
22
案例实战
基于ESP32和加速度计的工业设备振… · 阈值自适应调整与告警
案例实战ESP32
23
案例实战
边缘设备上的自编码器异常检测与阈值动… · 实现低功耗持续监测
案例实战边缘设备上的自编…
24
常见问题与调试
阈值震荡 · 误报漏报平衡 · 数据漂移
常见问题调试
25
模型评估与验证
异常检测评价指标（精确率 · 召回率 · F1
模型评估验证
26
系统集成与优化
传感器数据流管理 · 低功耗设计 · 无线通信与云端协同
系统集成优化
27
综合项目
设计一个完整的TinyML振动异常检… · 包含阈值自适应模块 · 从需求分析到部署测试
综合项目TinyML
28
前沿与扩展
联邦学习 · 持续学习 · 边缘-云协同在阈值自适应中的新趋势
前沿扩展
29
课程总结
核心知识点回顾 · 常见误区 · 学习资源推荐与进阶方向
课程总结核心知识点回顾
30
结业考核
综合测试题与项目答辩 · 评估学员对阈值自适应调整方法的掌握程…
结业考核综合测试题