在旋转设备状态监测场景中，我们把振动特征提取与轻量分类模型下沉到边缘采集节点：先在本地完成包络谱与峭度指标计算，再由量化模型判断轴承早期损伤，仅上传异常片段与特征摘要，避免全量波形上云带来的带宽与存储开销。
阶段性进展：
- 在试验台上以正常状态加外圈、内圈、滚动体三类故障共约 2.4 万条样本做交叉验证，模型体积压缩至 180KB 以内，可运行于 Cortex-M4 级 MCU，单次推理约 12ms；
- 引入转速、负载工况标签做分组校准后，空载启停段的误报明显减少，但变转速工况下的召回率仍不稳定。
下一步计划：补充变转速与润滑不良样本，验证网关侧的增量更新与灰度下发流程，并观察边缘节点在高温高湿环境下的长期稳定性。
评论