基于边缘AI的感应电机故障检测与预测系统
Edge-AI-enabled-Induction-Motor-Fault-Detection-and-Prediction
机器人电机驱动板
1/5
🧩 软硬件结合
已发布
项目简介
Edge-AI三相感应电机监控系统，支持实时电气/振动传感与TinyML。
基于边缘AI的三相感应电机监测系统，具备实时电气/振动传感、TinyML故障检测、预测性维护（EMA趋势分析）、TFT界面及WiFi网页仪表板。基于ESP32-S3构建，提供完整开源固件和模型流水线。
标签
项目特点
**边缘AI推理**：在ESP32-S3上直接运行TinyML模型（Edge Impulse），无需云端，低延迟（287ms推理时间）。
**多任务FreeRTOS架构**：数据采集、显示、按键、TinyML推理、Web服务器任务并行运行，充分利用双核。
**实时三相监测**：通过3个PZEM-004T模块测量每相的电压、电流、功率、频率、功率因数、电能。
**振动与温度监测**：801S振动传感器和DS18B20温度传感器提供额外状态信息。
**预测性维护**：基于EMA（指数移动平均）和斜率分析的预后算法，提前预测故障趋势。
**TFT彩色显示屏**：3.5英寸ILI9488屏幕，显示实时数据、ML分类结果、波形图等。
**Web仪表盘**：内置Web服务器，提供REST APhttps://raw.githubusercontent.com/nainaiurk/Edge-AI-enabled-Induction-Motor-Fault-Detection-and-Prediction/main/docs/hardware_setup.md)实数据训练，准确率94.3%，模型大小仅https://raw.githubusercontent.com/nainaiurk/Edge-AI-enabled-Induction-Motor-Fault-Detection-and-Prediction/main/docs/model_training.md) 说明 | |------|------| https://raw.githubusercontent.com/nainaiurk/Edge-AI-enabled-Induction-Motor-Fault-Detection-and-Prediction/main/docs/evaluation_results.md)M | | 显示屏 | 3.5英寸ILI9https://raw.githubusercontent.com/nainaiurk/Edge-AI-enabled-Induction-Motor-Fault-Detection-and-Prediction/main/docs/prognosis_algorithm.md)感器 | 3× PZEM-004T v3（Modbus RTU） | | 温度传感器 | DS18B20（单总线） | | 振动传感器 | 801S（模拟输出） | | 按键 | UP（GPIO 2）、DOWN（GPIO 1） | | 无线通信 | WiFi + Bluetooth | | TinyML模型 | Edge Impulse导出，int8量化，164KB | | 推理时间 | 287ms | | 模型准确率 | 94.3% | | 采样率 | 200Hz，400样本窗口 | | 特征提取 | FFT + 时域特征 | | 故障类别 | 正常、轴承故障、不平衡故障、不对中故障、过载故障 | | 预后算法 | EMA + 斜率趋势分析 | | 固件框架 | PlatformIO + Arduino + FreeRTOS |
项目资源
搜索资源
物料清单 (BOM)
| 物料名称 | 数量 | 参考价格 | 备注 |
|---|---|---|---|
| ESP32-S3开发板 | 1 | — | 双核240MHz，WiFi+蓝牙 |
| ILI9488 TFT LCD 3.5寸 | 1 | — | 480×320，SPI接口 |
| PZEM-004T v3 | 3 | — | 每相一个，Modbus RTU |
| DS18B20 | 1 | — | 单总线数字温度传感器 |
| 801S | 1 | — | 模拟输出振动传感器 |
| CT（与PZEM配套） | 3 | — | 用于电流测量 |
| 轻触开关 | 2 | — | UP/DOWN导航 |
| 5V/2A电源适配器 | 1 | — | 为ESP32和传感器供电 |
| 杜邦线/排线 | 若干 | — | 用于电路连接 |
| 定制PCB（可选） | 1 | — | 原理图见文档 |
能力画像
⚪ 记忆与知识检索: 2/5
🔵 逻辑推演: 4/5
⚪ 表达与交流: 2/5
⚪ 感知与观察: 3/5
🔵 数理与计算: 4/5
🔵 动手与操作: 4/5
⚪ 狂热与坚持: 3/5
🔵 创造与创新: 4/5
项目图库
所需技能
🔧 **动手能力**：中等。需要焊接电子元件、连接传感器和显示屏、组装硬件原型。建议有基本的电子制作经验。
💻 **编程能力**：较高。需要理解C++（Arduino框架）、FreeRTOS多任务编程、TinyML模型集成（Edge Impulse）。需要熟悉PlatformIO开发环境。
⚡ **电子电路**：中等。需要理解三相电测量原理、Modbus通信、SPI接口、传感器接线。建议有基本的电路知识。
适用场景
**工业电机预测性维护**：在工厂环境中实时监测三相感应电机状态，提前发现轴承、不平衡等故障，减少停机损失。
**教学与科研**：作为边缘AI、物联网、故障诊断领域的综合教学项目，展示从数据采集到模型部署的完整流程。
**智能工厂原型**：作为工业4.0的演示系统，展示边缘计算在工业监测中的应用。
**DIY电机监测**：爱好者可以用于监测自家或小作坊的电机设备，实现低成本智能监测。