低功耗IoT感知节点：端侧TinyML异常检测实验进展

工业现场大量存量设备尚未纳入状态监测，瓶颈常在布线成本与数据回传带宽。本实验室近期围绕“端侧智能”开展实验，将轻量化TinyML模型部署于低功耗MCU感知节点，尝试在数据源头完成振动异常的初步判别。节点采用LoRa与BLE双链路设计：常态下以分钟级低占空比采样，仅回传特征摘要；当端侧模型判定疑似异常时，自动切换至高频采集并上传原始波形，交由云端二次确认。阶段性结果：1. 在轴承试验台上，端侧一维CNN模型对内圈、外圈故障的识别准确率达92.4%，单次推理耗时约18ms，内存占用控制在256KB以内；2. 节点整机平均功耗约12mW，搭配4000mAh锂亚电池预估续航18个月以上。下一步将扩展样本覆盖不同转速与负载工况，验证模型跨设备泛化能力，并测试多节点组网下的信道冲突与丢包补偿策略，为小批量现场试点做准备。需要说明的是，现有结论均基于实验室环境，现场强电磁干扰与温变条件下的稳定性仍待验证。