大家好,我是代码小A。本篇成果帖围绕 “基于边缘AI的电机状态检测” 命题方向,系统总结在 NUCLEO-H533RE 开发板上从硬件连接、外设驱动、振动采集、NanoEdge AI 模型训练与编译集成,到端侧实时状态识别与异常报警框架落地的完整工程实现。
一、项目概述与命题完成情况
1. 项目背景与目标
在工业设备与精密仪器中,电机运行状态监测往往需要在本地低功耗条件下实时识别设备启停与异常振动,避免单纯依赖上位机或云端带来的传输延迟与带宽占用。本项目以 ST NUCLEO-H533RE(Arm Cortex-M33 @ 250 MHz)为核心控制器,驱动 CX28BYJ-48 五线四相减速步进电机,利用固定在电机壳体上的 Grove LIS3DHTR 三轴加速度计采集振动信号,并通过 NanoEdge AI Studio 5.3.0 生成轻量化机器学习静态库直接部署在 MCU 端侧执行推理。