Rtone是一家产品开发工作室，也是意法半导体的授权合作伙伴，其主营业务是在智能联网解决方案的研究、设计、工业化、生产和维护等方面为客户提供支持。
作为物联网领域的专业集成商，Rtone积累了大量的嵌入式机器学习相关技能，并利用我们的NanoEdge AI Studio工具快速开发了发动机和泵的异常检测演示内容。
凭借该工具，用户无需具备深厚的数据科学知识，即可根据指南快速运用即用型ML模型。
方法
该演示可在STEVAL-STWINKT1B上运行，其中包含的机器学习模型可利用3轴加速度计来检测振动异常。振动可由以下两类执行器生成：
- 装有磁化装置的引擎，用于生成变化的不平衡状态。
- 配有空气软管的泵，其流量由水龙头控制。
首先，我们需要启动引擎，并在正常运行工况下启动第一个训练阶段。学习过程将在STM32L4R9 MCU上实时完成，共包含50个信号。当我们模拟运行中的引擎出现故障时，系统会立即检测到异常情况。
上述配置同样适用于泵。在正常运行工况下进行训练后，所生成的振动干扰也会触发异常检测。
我们还可以对模型进行训练，以检测引擎或泵在运行过程中是否存在异常。
传感器
3轴加速度计（参考：ISM330DHCX）
数据
- 采样频率：3.3 kHz
- 分辨率：2G
- 轴数：3
- 每个信号的值数量：3*1024
- 每个子数据集的信号数量：2*300
- 子数据集数量：10
- 信号总数：6000
结果
- 推理时间：7 ms
- Flash存储器：3.7 KB
- RAM：12.2 KB