电机振动TinyML监测：传感器端异常检测实验

本实验围绕离散制造车间的设备状态感知展开，探索在低功耗MCU上直接运行轻量模型的可行性，让振动、温度信号在传感器端完成异常判别，降低网关与云端的数据传输压力。实验平台采用MEMS加速度计，采样率1kHz，特征提取结合时域统计量与频域包络，模型经剪枝与量化后固件体积控制在百KB级。
· 在风机轴承故障注入测试中，外圈缺陷与不平衡两类工况的初步识别准确率约92%，经阈值调整后误报率可控制在5%以内；
· 下一阶段计划在两台空压机电机上开展为期四周的在线验证，重点评估车间电磁干扰与安装方式对信号质量的影响，并以磁吸底座统一安装规范。
上述结论仍限于受控环境，距离规模化部署还需解决传感器供电、固件远程升级与模型版本管理等工程问题。我们将持续记录实验数据与失败案例，为后续硬件选型与落地方法提供参考。