旋转设备IoT振动监测试点：边缘AI异常识别进展

针对车间电机、风机、水泵等旋转设备普遍缺乏状态感知的现状，智能硬件实验室近期完成了低功耗振动监测节点与边缘AI异常识别的阶段性联合验证。节点采用MEMS加速度计与低功耗MCU，在端侧完成时域指标与包络谱频带能量提取，经LoRa上云，电池供电设计目标续航一年以上。台架与一台车间风机上为期四周的初步测试要点如下：① 边缘端以滚动RMS、峭度与特征带能量为输入，轻量自编码器输出异常评分，正常工况下误报约0.3次/天，人为注入的轴承外圈故障样本可在劣化早期触发告警；② LoRa在金属机柜与车间隔断环境下丢包率约2%，经重传机制与网关补点后降至0.5%以内，数据完整率满足趋势分析需求。下一步计划扩展至水泵与空压机辅助设备场景，验证不同转速、负载下的阈值自适应策略，并评估电池在低温车间的真实续航，为小批量部署形成工程化方案。团队同时将持续记录特征漂移情况，作为后续模型迭代的数据积累。