【源码】基于Edge Impulse和Arduino的机器状态分类系统

项目简介

本项目构建了一个嵌入式机器学习系统，利用加速度计的振动数据对机器的不同运行状态进行分类。其主要目标是区分机器的关机、开机、轻负载、重负载等正常运行模式，同时识别潜在异常，这对于工业环境中的预测性维护和运营效率提升至关重要。

项目的主要特性和功能

1. 数据采集与预处理：通过智能手机应用模拟机器状态，收集加速度计数据并精确标注，保证训练集和测试集平衡，为后续模型训练与测试做准备。
2. 特征提取：运用频谱分析将原始加速度计数据转化为适合机器学习算法的抽象表示，利用神经网络学习特征，通过K - means聚类进行异常检测。
3. 模型训练与测试：精心调整超参数训练神经网络模型进行机器状态分类，严格监控模型精度。训练单独的异常检测模型增强预测能力，并对模型进行严格测试，确保在真实场景中的准确性和可靠性。
4. 部署：将训练好的模型部署到Arduino设备上，实现实时对机器状态进行分类。

安装使用步骤

1. 连接Arduino板：把Arduino板连接到系统，作为数据采集设备的基础。
2. 加载固件：使用提供的脚本（Windows下为.bat文件）将Edge Impulse固件加载到Arduino板上，使板子与Edge Impulse兼容。
3. 系统验证：加载固件后，对Arduino板进行复位操作，在Edge Impulse项目中验证连接性，确保其准备好进行数据采集。
4. 数据采集：使用智能手机应用模拟不同机器状态，收集加速度计数据并进行标注。
5. 特征提取与模型训练：使用频谱分析等方法提取特征，训练神经网络模型和异常检测模型。
6. 模型测试：使用新数据对训练好的模型进行严格测试，评估其性能。
7. 部署：将训练好的模型部署到Arduino板上，实现实时机器状态分类。

下载地址

点击下载 【提取码: 4003】【解压密码: www.makuang.net】