Projek Akhir Tahun TinyML: Pemantauan Getaran Motor
Bina projek TinyML untuk klasifikasi getaran motor menggunakan sensor accelerometer, dataset kecil dan penilaian model yang jujur.
Rectronx
2026-07-14
Ringkasan Cepat
Projek TinyML getaran motor menggabungkan embedded system dan AI secara praktikal. Sistem membaca getaran motor dan cuba mengelaskan keadaan seperti normal, longgar atau getaran tinggi.
Skop Projek
Gunakan accelerometer untuk kumpul data daripada motor kecil. Latih model ringan atau classifier ringkas, kemudian jalankan keputusan pada ESP32 jika sesuai.
Gunakan istilah "klasifikasi keadaan getaran" jika tiada data kegagalan jangka panjang. Ini lebih tepat daripada mendakwa sistem boleh meramal kerosakan sebenar.
Komponen Dicadangkan
Gunakan ESP32, MPU6050 atau ADXL345, motor DC kecil, beban boleh ubah, microSD atau serial logging, Edge Impulse atau Python, dan paparan keputusan.
Langkah Bina
- Kumpul data berlabel untuk setiap keadaan.
- Pisahkan data latihan dan ujian.
- Ambil ciri seperti RMS, peak atau bacaan paksi.
- Latih model atau logik threshold.
- Uji dengan data baru yang tidak digunakan semasa latihan.
Nota Ketepatan
Predictive maintenance sebenar memerlukan data operasi dan kegagalan yang panjang. Untuk PAT, prototaip klasifikasi terkawal tetap bernilai jika laporan jujur.
Kesilapan Biasa
- Data latihan dan ujian bercampur.
- Label data tidak jelas.
- Sensor dipasang longgar.
- Kelajuan motor berubah tanpa direkod.
- Dakwa ramalan kerosakan tanpa bukti.