VIP14

本课程属于：008-设备状态监测、维修与预测维护 智能制造_工业装备与数字化生产工程 · 共 14 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

Edge Impulse振动故障分类模型训练课程

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

学习目标 · 课程结构 · 振动故障分类的应用价值与Edge I…

课程导入学习目标

振动信号基础

振动的基本概念 · 常见故障类型（不平衡 · 不对中

振动信号基础振动的基本概念

传感器与数据采集

加速度计 · 振动传感器选型 · 采样率设置

传感器数据采集

Edge Impulse平台入门

注册 · 创建项目 · 界面导航

数据预处理

去噪 · 滤波 · 归一化

数据预处理去噪

特征工程基础

时域特征（均值 · 峰值 · RMS

特征工程基础时域特征

Edge Impulse中的特征生成

使用DSP模块自动提取振动信号特征 · 配置窗口大小与步长

分类模型（决策树 · 随机森林 · 神经网络）在Edge Impulse…

模型选择分类模型

在Edge Impulse中配置训练… · 迭代次数 · 批大小）

模型训练Edge

混淆矩阵 · 精确率 · 召回率

模型评估混淆矩阵

特征选择 · 超参数调优 · 数据增强（如添加噪声）提升模型泛化能…

模型优化特征选择

模型量化 · 内存与计算资源评估 · Edge Impulse的部署目标（…

部署准备模型量化

案例实战一

轴承故障分类——从数据采集到模型部署…

案例实战一轴承故障分类

案例实战二

电机振动故障诊断——多类别分类（正常 · 不平衡 · 轴承故障）的实现

案例实战二电机振动故障诊断

案例实战三

齿轮箱故障检测——处理复杂振动信号与…

案例实战三齿轮箱故障检测

在Edge Impulse中配置实时… · 使用开发板或模拟器进行实时振动监测

实时推理Edge

Edge Impulse与Arduino集成

将训练好的模型部署到Arduino · 编写推理代码并测试

Edge Impulse与树莓派集成

在Linux设备上部署模型 · 实现振动故障实时分类

数据管理技巧

处理不平衡数据集 · 数据标注 · 数据增强策略

数据管理技巧处理不平衡数据集

模型鲁棒性提升

对抗噪声 · 变工况下的模型稳定性优化方法

模型鲁棒性提升对抗噪声

常见问题排查

数据上传失败 · 训练报错 · 模型准确率低等问题的解决方案

常见问题排查数据上传失败

模型压缩 · 剪枝 · 量化对推理速度和准确率的影响

性能优化模型压缩

多传感器融合

结合加速度计 · 陀螺仪等多源数据提升故障分类精度

多传感器融合结合加速度计

边缘计算与云协同

Edge Impulse与云服务（如… · 实现远程监控与模型更新

边缘计算云协同

从零构建一个完整的振动故障分类系统 · 包括硬件选型 · 数据采集

项目实战从零构建一个完整…

核心知识点回顾 · 常见误区 · 学习路径建议

课程总结核心知识点回顾

给定一组振动数据 · 独立完成特征提取 · 模型训练与评估

综合练习给定一组振动数据

迁移学习在振动故障分类中的应用 · 使用预训练模型加速训练

进阶话题迁移学习

行业应用案例

工业设备预测性维护 · 智能工厂中的振动监测与故障诊断

行业应用案例工业设备预测性维…

Edge Impulse新特性 · 边缘AI在振动分析中的发展趋势与学习…

未来展望Edge