应用原理
该分类基于电机振动强度,该振动强度由可在STWIN.box开发板上获取的ISM330DHCX IMU(惯性测量单元)的加速度计部分进行检测。



方法
通过ISM330DHCX的机器学习内核 (MLC) 配置,可识别三类状态:静止、低振动、高振动。
加速度计数据速率设置为6667 Hz,量程为16 g。
ISM330DHCX MLC中运行的决策树可识别这三个类别。
传感器
ISM330DHCX是一种带有机器学习内核、有限状态机和数字输出功能的惯性测量单元 (IMU),适用于工业应用。
该传感器包含在STWIN.box开发板中。该开发板是一款开发套件,用于原型开发和测试物联网环境中的工业传感应用,如状态监控和预测性维护。
数据集和模型
数据集 三个类别:静止、低振动、高振动。
加速度计数据速率设置为6667 Hz,量程为16 g。
模型 模型基于约740秒的数据集进行训练,三个类别的数据量均衡。
结果
由此生成的决策树模型显示出99.35%的准确率。



使用以下资源轻松重现这一用例:
- 使用ST AIoT Craft打开用例。
- 将项目克隆到您的工作区,这样您就可以重新训练传感器内AI,使其适用于其他机械,如电机或泵。
- 要使用此示例,请确保开发板稳固地固定在风扇的正面,即向外送风的一侧。为了准确分类,开发板的按钮应朝外(远离风扇方向),有USB接口的一面应朝向地面。
其他资源:
作者:Michele FERRAINA | 最后更新时间:2025年2月
资源
使用ST AIoT Craft进行优化
ST AIoT Craft支持利用传感器内AI和意法半导体组件开发物联网解决方案。它能够在意法半导体MEMS传感器的机器学习内核中分析决策树算法,并部署从传感器到云的解决方案。
最适用于ISM330DHCX
ISM330DHCX是一种系统级封装器件,它具有专为工业4.0应用而量身定制的高性能3D数字加速度计和3D数字陀螺仪。 它还配有MLC(机器学习内核),可在传感器内嵌入机器学习算法。