← 返回实验室

AI边缘时序压缩定制:有损阈值与还原误差

在硬件IoT场景里,高频匀速上报常常吃掉网关带宽与节点功耗。本期实验把压缩前置到边缘网关:先用旋转门算法(SDT)保留趋势拐点,再叠加定点量化与增量编码,验证"有损但可控"的可行性。

实验平台为24个三轴振动节点,采样1kHz,经RS-485汇聚至边缘网关后上传。固定周期直传时,单节点日均上行约18MB。

连续4周结果:

  • 压缩比稳定在9:1~13:1,日均上行降至1.6MB左右,降幅约91%;
  • 以峰值加速度为基准,还原波形RMSE控制在量程1.2%以内,包络谱主峰频率偏移不超过0.5Hz,未影响轴承特征频段判读;
  • 网关CPU占用上升约7个百分点,节点侧无需改动。

下一步:让压缩阈值随工况自适应——稳态放宽阈值换压缩比,启停与负载突变时自动切回无损通道;同时补充还原误差在线自检,把"压缩是否丢掉了故障特征"变成可观测指标。

评论

更多研究动态

查看全部实验室 →