低功耗IoT终端边缘AI异常检测实验进展

工业现场大量旋转设备尚未接入状态监测，核心瓶颈在于有线部署成本高、电池供电终端难以支撑持续推理。本实验室近期围绕“低功耗IoT终端+边缘AI”开展实验性探索，验证在MCU级硬件上直接运行异常检测模型的可行性。实验基于Cortex-M4级低功耗模组，采用振动信号时域特征与轻量自编码器结合的方案，经INT8量化后模型体积压缩至约40KB，单次推理耗时约15ms。阶段性进展：一是在实验室轴承试验台上，模型对早期故障特征的检出率约92%，误报率约3%；二是通过间歇采样与深度睡眠调度，终端整机平均功耗降至约8mW，估算两节干电池可续航12个月以上。下一步计划在真实车间部署10个节点，重点验证无线丢包、现场温湿度变化对模型稳定性的影响，并沉淀一套“特征选择—模型量化—功耗评估”的边缘AI落地方法论，为后续低成本无线状态监测方案提供工程依据。