▼點(diǎn)擊下方名片，關(guān)注公眾號，獲取更多精彩內(nèi)容▼
大家好，我是賀老師，嵌入式 AI工程師，《嵌入式AI：讓單片機(jī)學(xué)會思考》課程主理人，專注AI在MCU上的落地實(shí)踐。
攝像頭識別很吸引人，但不適合作為新手入門。新手還沒搞懂模型輸入是什么，就會被攝像頭初始化、幀緩存、顏色格式、LCD 顯示、外部 RAM 拖走。最后看起來是在學(xué) TinyML，實(shí)際是在修硬件接口。
電機(jī)振動異常檢測更干凈。輸入是三軸加速度，數(shù)據(jù)量??；異?，F(xiàn)象可以人為制造；特征可以打印出來；模型可以很?。徊渴鸬?STM32 后，也能用串口把每一步結(jié)果查清楚。
本文中賀老師給大家提供一個“通過部署AI模型實(shí)現(xiàn)電機(jī)震動異常檢測的簡化版步驟”。其中含有了：
可落地的硬件和參數(shù)
如何做特征提??？
如何穩(wěn)定采樣？
應(yīng)該驗(yàn)證哪些參數(shù)？
入門學(xué)習(xí)可以不用一開始就追求工業(yè)級?？梢韵劝焰溌放芡?，再談傳感器帶寬和安裝結(jié)構(gòu)。
開發(fā)板：STM32F401、STM32F411、STM32G4、STM32U5 都可以做入門版本。只要能穩(wěn)定采樣、能跑一個小模型、串口日志夠用，就能講清楚核心問題。
傳感器：課堂演示可以用 MPU6050、ADXL345、LIS3DH、LSM6DSOX。真正做工業(yè)振動，要看帶寬和噪聲密度，ST 的 IIS3DWB 這類寬帶振動傳感器更合適。
電機(jī)：5V 或 12V 小直流電機(jī)即可。正常狀態(tài)采一組；螺絲輕微松動采一組；軸上貼一點(diǎn)偏心膠帶采一組；用紙片輕觸外殼制造摩擦再采一組。不要一開始就搞復(fù)雜故障，先讓數(shù)據(jù)差異可見。
推薦起步參數(shù)：采樣率 800 Hz 或 1000 Hz，窗口長度 512 點(diǎn)，步長 256 點(diǎn)，三軸同時采樣。這樣每個窗口約半秒，延遲可接受，頻域分辨率也夠做入門演示。
振動項目第一版，先做特征工程。不是因?yàn)樯窠?jīng)網(wǎng)絡(luò)不重要，而是因?yàn)樘卣髂茏寣W(xué)生看懂“模型到底吃了什么”。如果第一步就把 512 × 3 的原始數(shù)據(jù)塞進(jìn) 1D CNN，效果可能也能出來，但實(shí)際學(xué)習(xí)到的東西也不多。
一個窗口里至少算這些特征：每個軸的均值、標(biāo)準(zhǔn)差、RMS、峰峰值、最大值、最小值；再加上合加速度模長的 RMS、峰值因子、主要頻段能量。最后得到二十多個特征，一個小 MLP 或異常檢測模型就夠用了。
單窗口特征建議：
x_mean, y_mean, z_mean
x_std, y_std, z_std
x_rms, y_rms, z_rms
x_p2p, y_p2p, z_p2p
mag_rms = rms(sqrt(x*x + y*y + z*z))
crest_factor = peak(abs(mag)) / rms(mag)
band_energy_1, band_energy_2, band_energy_3數(shù)據(jù)少的時候，先做異常檢測。正常數(shù)據(jù)很容易收集，故障數(shù)據(jù)很難收集，這是工業(yè)現(xiàn)場的常態(tài)。先讓模型學(xué)會“什么是正常振動”，再用異常分?jǐn)?shù)判斷偏離程度，比硬湊三四類故障更靠譜。
如果必須做分類，建議先只做三類：正常、松動、摩擦。每類至少采 3 到 5 分鐘，按時間段切分訓(xùn)練集和測試集，不要把連續(xù)窗口隨機(jī)打散。連續(xù)窗口太像了，隨機(jī)切分會讓準(zhǔn)確率虛高。
這個項目成敗，第一看采樣。模型再好，輸入窗口如果時間間隔亂、樣本丟失、DMA 覆蓋未處理數(shù)據(jù)，結(jié)果都會飄。
建議用定時器驅(qū)動采樣。低速演示可以 I2C，高一點(diǎn)的采樣率盡量用 SPI。采樣數(shù)據(jù)放進(jìn)環(huán)形緩沖區(qū)，湊夠一個窗口再計算特征。不要在中斷里做模型推理，中斷里只做標(biāo)記或搬運(yùn)數(shù)據(jù)。
#define FS_HZ 1000
#define WIN_SIZE 512
#define HOP_SIZE 256
static float ax[WIN_SIZE];
static float ay[WIN_SIZE];
static float az[WIN_SIZE];
static volatile uint16_t wr = 0;
static volatile uint8_t window_ready = 0;
void imu_sample_tick(void)
{
read_accel_g(&ax[wr], &ay[wr], &az[wr]);
wr++;
if (wr >= WIN_SIZE) {
wr = WIN_SIZE - HOP_SIZE;
memmove(ax, &ax[HOP_SIZE], wr * sizeof(float));
memmove(ay, &ay[HOP_SIZE], wr * sizeof(float));
memmove(az, &az[HOP_SIZE], wr * sizeof(float));
window_ready = 1;
}
}
void main_loop(void)
{
if (window_ready) {
window_ready = 0;
make_features(ax, ay, az, features);
run_model(features, &score);
update_alarm_state(score);
}
}上面的代碼只表達(dá)結(jié)構(gòu)，產(chǎn)品里不要在采樣函數(shù)里直接 memmove 大數(shù)組。更好的做法是雙緩沖或環(huán)形緩沖。課堂第一版可以先這樣講清楚窗口和步長，第二版再優(yōu)化成 DMA + double buffer。
板上驗(yàn)證至少打印四類信息：窗口編號、特征摘要、異常分?jǐn)?shù)、連續(xù)觸發(fā)次數(shù)。只打印“normal”或“fault”意義不大，因?yàn)槟悴恢厘e在傳感器、特征、模型還是閾值。
推薦串口日志：
[WIN 128] rms=0.182 p2p=0.734 crest=3.21 e1=0.44 e2=0.18 e3=0.05
[MODEL] anomaly_score=0.71 threshold=0.65
[STATE] hit=2/3 alarm=0
[WIN 129] rms=0.196 p2p=0.801 crest=3.48 e1=0.51 e2=0.21 e3=0.07
[MODEL] anomaly_score=0.76 threshold=0.65
[STATE] hit=3/3 alarm=1報警不要單窗口觸發(fā)。需要在檢測到連續(xù) 3 個窗口都超過閾值時再報警，低于閾值連續(xù) 3 個窗口再恢復(fù)。
最后一定要做“同一條數(shù)據(jù)對齊”：
（1）把 STM32 采到的原始窗口導(dǎo)出到 Python，算一遍特征和模型輸出；
（2）再把 STM32 端算出的特征打印出來。當(dāng)兩邊特征差異很大時，先修采樣和預(yù)處理，不需要急著換模型。
本文參考資料的鏈接
ST：Condition Monitoring and Predictive Maintenance
ST：Condition monitoring solution
ST：STM32 Edge AI tools
Edge Impulse：Brushless DC Motor Anomaly Detection
