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频谱分析入门教程

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
学习目标 · 适用人群 · 课程整体框架与学习路径
课程导入学习目标
02
振动基础
振动的基本概念 · 振动类型（自由振动 · 受迫振动）
振动基础振动的基本概念
03
异常检测概述
异常检测的定义 · 常见方法（统计 · 距离
异常检测概述异常检测的定义
04
TinyML简介
TinyML的定义 · 特点 · 典型硬件平台（Arduino Nan…
TinyML简介
05
传感器与数据采集
加速度计 · 陀螺仪 · 振动传感器的工作原理
传感器数据采集
06
信号预处理
去噪 · 去趋势 · 归一化
信号预处理去噪
07
傅里叶变换基础
时域与频域的概念 · 傅里叶级数 · 连续傅里叶变换
傅里叶变换基础时域
08
快速傅里叶变换（FFT）
FFT的原理 · 计算复杂度 · 常见FFT库（如ArduinoFFT
FFT快速傅里叶变换
09
频谱分析
频谱图解读 · 频率分辨率 · 频谱泄漏
频谱分析频谱图解读
10
特征提取
从频谱中提取关键特征（峰值频率 · 幅值 · 能量
特征提取从频谱
11
振动异常特征
正常与异常振动的频谱差异 · 常见故障特征（不平衡 · 不对中
振动异常特征正常
12
数据集构建
数据标注 · 数据划分（训练/验证/测试） · 数据平衡
数据集构建数据标注
13
TinyML模型选择
适合TinyML的模型（决策树 · 随机森林 · KNN
TinyML模型选择
14
模型训练基础
训练流程 · 损失函数 · 优化器
模型训练基础训练流程
15
模型压缩与量化
剪枝 · 权重量化 · 知识蒸馏
模型压缩量化
16
部署流程
将模型转换为TensorFlow L… · 在微控制器上部署 · 内存与功耗优化
部署流程TensorFlow
17
实时推理
实时数据流处理 · 滑动窗口推理 · 阈值设定
实时推理实时数据流处理
18
案例实战一
使用Arduino Nano 33… · 进行FFT频谱分析并识别简单异常
案例实战一Arduino
19
案例实战二
基于ESP32和加速度计构建振动异常… · 使用决策树模型进行故障分类
案例实战二ESP32
20
案例实战三
使用Autoencoder进行无监督… · 在STM32上部署
案例实战三Autoencoder
21
常见问题与调试
采样率不足 · 频谱泄漏 · 模型过拟合
常见问题调试
22
性能优化
降低功耗 · 减少延迟 · 优化内存占用
性能优化降低功耗
23
安全性与可靠性
模型鲁棒性 · 传感器故障处理 · 异常检测的误报与漏报权衡
安全性可靠性
24
进阶工具
Edge Impulse · TensorFlow Lite fo… · ArduinoBLE库
进阶工具Edge
25
综合项目设计
从需求分析 · 硬件选型 · 数据采集
综合项目设计从需求分析
26
项目评估与调优
评估指标 · 混淆矩阵 · ROC曲线
项目评估调优
27
实际应用场景
旋转机械 · 电机 · 泵
实际应用场景旋转机械
28
前沿趋势
TinyML与边缘AI的发展 · 联邦学习 · 持续学习
前沿趋势TinyML
29
课程总结
核心知识点回顾 · 常见误区 · 学习资源推荐
课程总结核心知识点回顾
30
结业项目
独立完成一个振动异常检测项目 · 包括数据采集 · 频谱分析
结业项目独立完成一个振动…