风扇低功耗异常检测

对于设计人员来说，想要监测预示设备即将发生故障的警告信号，先要解决的是如何为预测性维护应用构建可靠的电池供电型传感器节点。例如，可以通过在STM32上运行AI模型，在MCU级别进行监测。然而，将模型运行在传感器级别，可以进一步改善功耗。

在本应用案例中，我们将向您展示如何在 具有嵌入式智能传感器处理单元 (ISPU) 的MEMS传感器上轻松创建异常检测解决方案。

ISPU可直接在传感器内部进行异常检测。一旦ISPU检测到异常，传感器就会唤醒主机处理器执行进一步的分析。

在这里我们使用 NanoEdge AI Studio来生成AI库。它为构建异常检测解决方案提供了一种快速直观的方法，并且可以从一组正常和异常的信号开始，在众多组合中找到可能的最佳库。

具体的进行方法如下：

• 在风扇线圈的不同运行模式下收集加速度数据，以检测不同的行为（如正常行为与异常行为）。
• 然后，我们在NanoEdge AI Studio中创建了一个异常检测项目，并导入两组信号。
• 该工具根据所提供的信号搜索并生成最佳库。
• 为了测试和集成NanoEdge AI Studio生成的库，我们使用了提供固件的X-CUBE-ISPU软件包。

您可以点击 此处查找完整的分步指南以及使用的所有硬件和软件。