模型应用及电机状态的识别
OK,终于到最后一步了。
前面小编实现了模型的训练,在将模型的库下载并添加到工程路径后,调用库,实现对LIS3DH三轴数据的读取并根据模型训练情况判断当前电机状态。

实现功能的部分代码如下:
例 1)传感器数据处理:
int LIS3DH_App_ReadAcceleration(LIS3DH_Acceleration_t *acceleration)
{
uint8_t sample_count = 0;
if (!lis3dh_ready || acceleration == NULL)
{
return -1;
}
/* FIFO 为 Stream 模式,读空 FIFO 会得到 0,因此先确认有新样本 */
if (lis3dh_fifo_data_level_get(&lis3dh_ctx, &sample_count) != 0 ||
sample_count == 0U)
{
return -1;
}
/* 丢弃旧样本,只保留最新一组,避免数据滞后 */
while (sample_count-- > 0U)
{
if (lis3dh_acceleration_raw_get(&lis3dh_ctx, acceleration_raw) != 0)
{
return -1;
}
}
acceleration->x_mg = lis3dh_from_fs2_hr_to_mg(acceleration_raw[0]);
acceleration->y_mg = lis3dh_from_fs2_hr_to_mg(acceleration_raw[1]);
acceleration->z_mg = lis3dh_from_fs2_hr_to_mg(acceleration_raw[2]);
return 0;
}例 2)读取传感器数据并做出状态判断:
if (lis3dh_sample_flag)/*主循环读取到标志位,处理数据不阻塞中断进行*/
{
lis3dh_sample_flag = 0;
LIS3DH_Acceleration_t acc;
if (LIS3DH_App_ReadAcceleration(&acc) == 0)
{
/* 推理窗口:与训练数据同量纲(取整 mg),交错存放 x,y,z */
neai_in[3 * neai_n + 0] = (float)lroundf(acc.x_mg);
neai_in[3 * neai_n + 1] = (float)lroundf(acc.y_mg);
neai_in[3 * neai_n + 2] = (float)lroundf(acc.z_mg);
if (++neai_n >= NEAI_INPUT_SIGNAL_LENGTH) /* 满256组判断一次状态 */
{
neai_n = 0;
if (neai_classification(neai_in, neai_prob, &neai_id) == NEAI_OK)
{
const char *class_name = neai_get_class_name(neai_id);
printf("motor state: %srn", class_name);/* 打印对应电机状态 */
neai_apply_action(class_name);
}
}
}
}例 3):TIMER1的10ms定时中断:
实现不同状态LED的快慢闪和传感器读取状态使能
void HAL_TIM_PeriodElapsedCallback(TIM_HandleTypeDef *htim)
{
static int count1=0;
static int sensor_count=0;
static uint8_t last_led_state=0;
if(htim->Instance == TIM1)
{
count1++;//led
if (LED_lightState != last_led_state)
{
count1 = 0;
last_led_state = LED_lightState;
}
switch (LED_lightState) {
case 0: BSP_LED_Off(LED_GREEN); break;
case 1:
BSP_LED_On(LED_GREEN);
break;
case 2:
case 3:
if (count1 >= (LED_lightState == 2 ? 50 : 15))
{
count1 = 0;
BSP_LED_Toggle(LED_GREEN);
}
break;
default:break;
}
/* TIM 1:100Hz,每4次中断读取一组25HzLIS3DH样本*/
if (lis3dh_sampling_enabled && ++sensor_count >= 4) {
sensor_count = 0;
lis3dh_sample_flag = 1;//flag置为1,交给while循环处理,避免在中断中阻塞程序读取
}
}
__HAL_TIM_CLEAR_FLAG(&htim1,TIM_FLAG_UPDATE);
}将传感器获得的数据收集完一组后对状态识别,将识别到的结果通过串口打印到屏幕。
共有 stop、slow、medium、rapid 四种状态,
分别对应 停转、慢速、中速、快速 四种状态
下表说明板载LED(LD2)的状态和电机运行状态的对应:
| LED状态 | 熄灭 | 常亮 | 慢闪 | 快闪 |
| 电机运行状态 | stop | slow | medium | rapid |
下图说明:电机慢速转动,同时模型检测到慢速转动,将LED置为常亮

经验证,在输出25Hz时均能识别正常,不过,缺点就是太慢了,更新一次状态需要 十秒钟

输出50Hz时只能识别出stop和slow状态,medium和rapid都识别到了转动,但是识别成了slow状态。
100Hz时的现象同50Hz,反馈只能识别到转与不转,但是究竟是怎么转,就只停留在slow状态检测了。
对于原因,应该是在训练模型时就应用25Hz的数据形式,若使用其它频率的数据格式,则识别就会受到影响,解决方法嘛,重新训练。
至此,通过训练模型实现了对电机工作状态的识别。
成果视频:
Letsdo|2026年第3期:边缘AI的电机状态检测成果_哔哩哔哩_bilibili
此贴完结,本次活动收获颇多,有机会的话希望下次吸取经验做得更好。
欢迎大佬们留言指教。
我要赚赏金
