智能硬件的续航标称值往往只在固定工况下成立，一旦用户开启高频定位或连续心率采集，实际可用时长就会明显偏离标称。本期智能硬件实验室把问题拆成两层：先做功耗画像，再做策略调节。
做法上，我们在样机上以 10 Hz 采样电流与电压，同时记录传感器、射频、屏幕等模块的开关事件，用轻量模型把整机电流拆解到模块级别，得到「模块—工况」功耗画像；再结合用户行为序列（唤醒间隔、上报频次、连接状态）预测未来 12 小时剩余电量，据此动态调整采样与上报节奏。
阶段性进展：在两款可穿戴样机（心率带、定位手表）上，剩余续航预测的平均相对误差由 ±18% 收敛到 ±6% 上下；在关键事件不漏报的前提下，无效唤醒次数下降约三成；模型体积控制在 200 KB 以内，可直接运行在端侧 MCU 上。
下一步计划把电池老化与温度维度纳入画像，验证半年使用周期后的预测稳定性，并把该流程整理为可复用的端侧功耗评测模板，供更多硬件项目复用。
评论