电子产品世界 » 论坛首页 » DIY与开源设计 » 电子DIY » 【let'sdo|2026年第3期】基于边缘AI的电机状态检测开箱贴

共1条 1/1 1 跳转至页

【let'sdo|2026年第3期】基于边缘AI的电机状态检测开箱贴

菜鸟
2026-11-17 23:55:14     打赏
【Let’s do 活动】基于边缘AI的电机状态检测——硬件开箱帖

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(2μA2μA)三轴数字加速度计,支持 ±2g±2g 至 ±16g±16g 动态量程调节。

  • 应用场景:采用 I2CI2C 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

0b70e937394c46e7b84390783b2b3592.jpg

  • 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

  1. 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 I2CI2C 读取 LIS3DH 三轴加速度原始数据。

  2. 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。

  3. 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。



共1条 1/1 1 跳转至页

回复

匿名不能发帖!请先 [ 登陆 注册 ]