VIP20

本课程属于：017-NXP eIQ边缘AI部署 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

基于NXP eIQ的TinyML振动故障诊断实战讲义

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

学习目标 · 课程结构 · TinyML与振动故障诊断的行业价值

课程导入学习目标

振动故障诊断基础

振动信号特征 · 常见故障类型（不平衡 · 不对中

振动故障诊断基础振动信号特征

TinyML与边缘AI概述

TinyML定义 · 边缘计算优势 · 在工业预测性维护中的应用场景

NXP eIQ平台介绍

eIQ Toolkit · eIQ ML 工作流 · 支持的硬件（i.MX RT系列

开发环境搭建

安装MCUXpresso SDK · eIQ工具链 · 配置调试器与串口终端

开发环境搭建MCUXpresso

振动数据采集

加速度传感器选型（如MMA8652 · FXLS8974） · I2C/SPI接口

振动数据采集MMA8652

数据预处理与特征工程

时域特征（均值 · 峰值 · RMS）

数据预处理特征工程

数据集构建与标注

数据采集实验设计 · 故障模拟方法 · 数据分割（训练/验证/测试）与标签管…

数据集构建标注

经典机器学习方法

基于特征的传统分类器（SVM · 决策树 · 随机森林）在振动诊断中的应用

经典机器学习方法SVM

深度学习基础

CNN · LSTM等模型在振动信号处理中的原理…

深度学习基础CNN

TinyML模型选型

轻量化网络（MobileNetV1 · TinyCNN · DS-CNN）对比与选择策略

TinyML模型选型

模型训练与优化

使用TensorFlow Lite或… · 量化（INT8） · 剪枝与知识蒸馏

模型训练优化

模型转换与部署

将训练好的模型转换为TensorFl… · 生成C数组并集成到MCUXpress…

模型转换部署

NXP eIQ推理引擎

使用eIQ TensorFlow L… · Glow等推理引擎 · 配置运行时环境

实战项目一

基于i.MX RT1060的轴承故障…

实战项目一i.MX

实战项目二

电机振动异常检测——使用无监督学习（…

实战项目二电机振动异常检测

实战项目三

多传感器融合诊断——融合加速度计与温…

实战项目三多传感器融合诊断

实时性优化

推理延迟优化 · 内存占用控制 · DMA与中断处理

实时性优化推理延迟优化

系统集成与通信

通过UART · BLE或Wi-Fi将诊断结果上传至云…

系统集成通信

模型评估与验证

混淆矩阵 · 准确率/召回率/F1-score · 在真实硬件上的性能测试

模型评估验证

常见问题与调试技巧

数据漂移 · 过拟合 · 量化精度损失

常见问题调试技巧

工业泵振动故障诊断实战——从数据采集…

案例研究工业泵振动故障诊…

风力发电机齿轮箱故障预测——基于Ti…

安全性与可靠性

模型鲁棒性 · 故障注入测试 · 看门狗与错误处理机制

安全性可靠性

功耗与能效优化

低功耗模式配置 · 动态电压频率调整（DVFS） · 电池供电设计

功耗能效优化

边缘-云协同

本地推理与云端再训练 · 模型更新机制（OTA）

边缘云协同

课程综合实战

设计一个完整的振动故障诊断系统 · 包括硬件选型 · 算法设计

课程综合实战设计一个完整的振…

项目答辩与评审

展示项目成果 · 讲解设计思路 · 回答评审问题

项目答辩评审

TinyML在工业4.0中的未来趋势 · 神经形态计算 · 超低功耗芯片

前沿拓展TinyML

课程总结与资源推荐

核心知识点回顾 · 学习路径建议 · 开源社区与参考书籍

课程总结资源推荐