应用原理
该分类基于电机振动强度，该振动强度由可在STWIN.box开发板上获取的ISM330DHCX IMU（惯性测量单元）的加速度计部分进行检测。
方法
通过ISM330DHCX的机器学习内核 (MLC) 配置，可识别三类状态：静止、低振动、高振动。
加速度计数据速率设置为6667 Hz，量程为16 g。
ISM330DHCX MLC中运行的决策树可识别这三个类别。
传感器
ISM330DHCX是一种带有机器学习内核、有限状态机和数字输出功能的惯性测量单元 (IMU)，适用于工业应用。
该传感器包含在STWIN.box开发板中。该开发板是一款开发套件，用于原型开发和测试物联网环境中的工业传感应用，如状态监控和预测性维护。
数据集和模型
数据集 三个类别：静止、低振动、高振动。
加速度计数据速率设置为6667 Hz，量程为16 g。
模型 模型基于约740秒的数据集进行训练，三个类别的数据量均衡。
结果
由此生成的决策树模型显示出99.35%的准确率。
使用以下资源轻松重现这一用例：
- 使用ST AIoT Craft打开用例。
- 将项目克隆到您的工作区，这样您就可以重新训练传感器内AI，使其适用于其他机械，如电机或泵。
- 要使用此示例，请确保开发板稳固地固定在风扇的正面，即向外送风的一侧。为了准确分类，开发板的按钮应朝外（远离风扇方向），有USB接口的一面应朝向地面。
其他资源：
作者：Michele FERRAINA | 最后更新时间：2025年2月
资源
使用ST AIoT Craft进行优化
ST AIoT Craft支持利用传感器内AI和意法半导体组件开发物联网解决方案。它能够在意法半导体MEMS传感器的机器学习内核中分析决策树算法，并部署从传感器到云的解决方案。
最适用于ISM330DHCX
ISM330DHCX是一种系统级封装器件，它具有专为工业4.0应用而量身定制的高性能3D数字加速度计和3D数字陀螺仪。 它还配有MLC（机器学习内核），可在传感器内嵌入机器学习算法。
