使用精度超过 99.9% 的振动传感器进行变速箱故障检测

对于变速箱等复杂的工业系统，防止意外设备故障和优化维护计划至关重要。通过传感器和机器学习技术监测振动模式，可以及时检测出异常，避免发展成代价高昂的故障，从而实现从反应式或定期维护转变为更高效的预测性方法，减少停机时间并延长设备寿命。

边缘 AI 通过在机器本地处理振动数据，实现实时异常检测。这不仅消除了对云端的依赖和传输延迟，还能持续学习正常模式并识别偏差。它将维护方式从固定计划转变为基于状态的干预，不仅缩短了响应时间，更可支持在众多工业机器上规模化部署。

此用例由 TI 专有的异常检测模型提供支持，该模型已针对 TI 的低功耗 MCU 架构进行了协同优化。TI 的 MSP 系列微控制器采用 TinyEngine™ NPU 技术，异常检测模型经过优化，精度可达 99.9% 以上。

数据收集

变速箱故障检测数据集包括 SpectraQuest 变速箱故障诊断模拟器记录的振动数据集。数据集使用置于四个不同方向的振动传感器进行记录，负载在 0% 到 90% 之间变化。包括两种不同的场景：正常运行状态和齿断裂状态。

共有 20 个文件，10 个用于运行正常的变速箱，10 个来自损坏的变速箱。每个文件对应于 0% 到 90% 的给定负载，步长为 10%。此开源数据集可在 Kaggle 上获得。

数据质量评估

确保您的 AI 模型基于真正重要的数据构建。以下是使用 LDA（线性判别分析）和 PCA（主成分分析）组件对测试数据集进行的可视化呈现。 

利用高级优化与搜索算法，加速完成 AI 模型的设计、训练与部署，实现卓越性能，从而加快开发进程。 

CCStudio™ Edge AI Studio 为将经过训练的模型部署至嵌入式目标平台提供从起点到终点的完整工作流程。对于寻求更深入定制和控制的开发人员，MSPM0-SDK 提供了一个全面的框架，助力在您自己的嵌入式应用中构建并集成边缘 AI 功能。

MSP 系列 MCU 提供了可扩展的性能，可执行并加速变速箱故障检测模型，同时集成了对您的应用至关重要的主要 SoC 特性。