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FFT窗函数选择与调参实战

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 · 学习路径与实战项目总览
课程导入TinyML
02
振动信号基础
振动产生的机理 · 常见振动类型（正弦 · 冲击
振动信号基础振动产生的机理
03
信号采集与预处理
加速度计/振动传感器选型 · 采样率与分辨率设置 · 去噪与归一化基础
信号采集预处理
04
FFT原理与频谱分析
离散傅里叶变换（DFT）到FFT的推… · 频谱分辨率 · 幅值谱与功率谱
FFT原理
05
窗函数的作用与必要性
频谱泄漏的成因 · 窗函数如何抑制泄漏 · 窗函数对幅值和频率精度的影响
窗函数的作用必要性
06
常用窗函数详解
矩形窗 · 汉宁窗 · 海明窗
常用窗函数详解矩形窗
07
窗函数选择准则
根据信号类型（稳态 · 瞬态 · 随机）
窗函数选择准则根据信号类型
08
窗函数参数调优
窗长（N）与FFT点数（NFFT）的… · 重叠率（overlap）对频谱平均的…
窗函数参数调优FFT
09
TinyML环境搭建
嵌入式平台（如Arduino Nan… · ESP32）与TensorFlow…
TinyML环境搭建
10
振动数据采集实战
使用传感器采集正常与异常振动数据 · 标注数据集 · 划分训练/验证/测试集
振动数据采集实战使用传感器采集正…
11
FFT特征提取流程
对振动信号分帧 · 加窗 · FFT
FFT特征提取流程
12
窗函数对FFT特征的影响实验
同一信号使用不同窗函数 · 对比频谱图与特征差异
FFT窗函数对
13
异常检测方法概述
基于阈值 · 统计方法（如Z-score） · 机器学习分类器（如决策树
异常检测方法概述基于阈值
14
基于FFT特征的简单异常检测
设定频带能量阈值 · 实现规则引擎检测异常振动
FFT基于
15
基于TinyML的神经网络分类
构建小型全连接网络或CNN · 输入FFT特征 · 训练并部署到嵌入式设备
TinyML基于
16
窗函数与模型性能的关系
不同窗函数提取的特征对模型准确率 · 鲁棒性的影响实验
窗函数模型性能的关系
17
调参实战
窗长 · 重叠率 · FFT点数
调参实战窗长
18
模型压缩与量化
将训练好的模型转换为TFLite格式 · 进行8位量化 · 适配TinyML内存限制
模型压缩量化
19
嵌入式部署与推理优化
在MCU上运行FFT与模型推理 · 优化计算效率与功耗
嵌入式部署推理优化
20
实时异常检测系统设计
数据流处理 · 滑动窗口 · 实时FFT与模型推理的流水线架构
实时异常检测系统…数据流处理
21
案例实战
旋转机械轴承故障检测——使用不同窗函… · 完成调参报告
案例实战旋转机械轴承故障…
22
案例实战
电机振动异常分类——从数据采集到模型…
案例实战电机振动异常分类
23
案例实战
泵体空化检测——利用窗函数优化频谱特… · 提高小样本下的检测率
案例实战泵体空化检测
24
常见问题与调试
频谱泄漏严重 · 频率分辨率不足 · 模型过拟合
常见问题调试
25
窗函数选择的自动化
基于数据特征自动选择窗函数与参数的启…
窗函数选择的自动…基于数据特征自动…
26
性能评估与指标
准确率 · 召回率 · F1分数
性能评估指标
27
综合项目
设计一个完整的TinyML振动异常检… · 要求对比至少三种窗函数 · 并给出调参结论
综合项目TinyML
28
进阶话题
时频分析（短时傅里叶变换STFT）与… · 以及在小内存设备上的实现技巧
进阶话题STFT
29
课程总结与知识图谱
回顾核心知识点 · 窗函数选择决策树 · 调参经验总结
课程总结知识图谱
30
结课实战考核
独立完成一个振动异常检测任务 · 提交报告 · 包括窗函数选择理由
结课实战考核独立完成一个振动…