很高兴参加 EEWorld / EEPW 与 DigiKey 联合举办的 Let’s do 活动!本次选择的主题是**「基于边缘AI的电机状态检测」**,目前采购的套件已经顺利到手,先发一篇简单的开箱贴记录一下硬件全家福。
一、 硬件清单与简介
本次活动一共入手了三件核心硬件,涵盖了主控计算、振动采集以及执行机构:
1. 主控板:ST NUCLEO-H533RE
核心配置:基于 ARM Cortex-M33 内核的 STM32H5 系列高性能微控制器(主频高达 250MHz,自带硬件浮点与 DSP 指令集,非常适合跑轻量级边缘 AI 推理)。
板载资源:集成 STLINK-V3EC 调试器,支持 Arduino Uno V3 和 ST morpho 扩展接口,方便后续外接各类传感器与驱动模块。
2. 传感器:LIS3DH 三轴加速度计(Grove 平台评估扩展板)
核心特性:超低功耗(2μA)三轴数字加速度计,支持 ±2g 至 ±16g 动态量程调节。
应用场景:采用 I2C 接口通信,内置 FIFO 与中断检测功能,用来贴合电机外壳采集运行时的多轴振动频谱数据,作为边缘 AI 模型训练与推理的输入源。
3. 执行机构:ULN2003 驱动板 + 28BYJ-48 减速步进电机套装
核心配置:经典的达林顿管驱动芯片 ULN2003 搭配 5V 四相五线减速步进电机(CX28BYJ-48)。
应用场景:作为本次项目的被测目标,通过主控板调节步进电机的转速、正反转以及模拟负载/异常堵转状态,配合加速度计完成不同工况下的数据采集与状态识别验证。
二、 实物开箱展示

合影留念:NUCLEO-H533RE 主控板 + LIS3DH 传感器模块 + 步进电机驱动套装。
三、 下一步计划
基础驱动调试:使用 STM32CubeMX 搭建工程,完成 NUCLEO-H533RE 对 28BYJ-48 步进电机的调速控制,以及通过 I2C 读取 LIS3DH 三轴加速度原始数据。
数据采集与模型训练:采集电机在正常运转、变速及人为制造异常振动等不同状态下的加速度波形,利用 NanoEdge AI Studio 或 Edge Impulse 训练异常检测/分类模型。
边缘端部署验证:将生成的 AI 库部署到 STM32H533RE 上,实现脱机状态下的电机实时状态监测与异常报警。
我要赚赏金
