-
在微控制器上實現(xiàn)在設備端訓練的異常檢測
在當前嵌入式系統(tǒng)與人工智能技術(shù)融合的前沿領(lǐng)域，文章聚焦于一種基于單類支持向量機(One-Class SVM)的異常檢測算法，并提供了一套完整的MCU友好的工程實現(xiàn)，不需要依賴于動態(tài)內(nèi)存分配以及文件系統(tǒng)，特別適合于在資源受限的邊緣設備上進行高效、實時的訓練與預測。我們的方法不僅可以實現(xiàn)在MCU上訓練和高效存儲機器學習模型，還支持增量學習，從而在幾乎不增加計算負擔的前提下，持續(xù)改進模型對實際工況的適應能力。我們的實驗裝置是安裝了三軸加速度傳感器的震動源(如風扇)，以模擬在工作期間發(fā)出振動的工業(yè)設備。文章的方法也可以通過替換傳感器和特征計算的預處理算法來實現(xiàn)對其它設備的監(jiān)控，以適應不同的工況環(huán)境和應用的需求。
