产品概述

意法半导体（ST）推出的基于振动分析的泵异常检测系统，通过边缘AI技术与三轴加速度计传感器（如ISM330DHCX）结合，实现对工业泵运行状态的实时监测与异常预警。该方案依托ST的NanoEdge AI Studio工具生成轻量化机器学习模型，可直接部署于STM32微控制器，无需云端依赖，适用于液压回路、化工流程泵等复杂工业场景。

核心功能与技术亮点

1. 边缘AI驱动的实时检测

· 采用NanoEdge AI Studio自动生成优化模型，支持在STM32 MCU上本地运行，模型大小仅7.8KB RAM、6.1KB Flash，实现低功耗、高效率的实时推理。

· 通过三轴加速度计采集振动数据（采样率6667Hz，单轴256点），模型可识别泵运行中的正常与异常模式，准确率达100%。

2. 跨场景自适应能力

· 模型具备**边缘学习（On-Device Learning）**能力，可在数秒内通过新场景数据重新训练。例如，原针对液压回路优化的模型，迁移至另一回路后仍保持高精度检测。

· 支持动态调整检测阈值，适应不同泵型、工况及故障类型（如轴承磨损、气蚀、对中偏差）。

3. 硬件与工具链整合

· 硬件：兼容STM32G4、STM32N6等系列MCU，支持硬件NPU加速（如STM32N6的0.6TOPS算力），提升复杂模型推理速度。

· 软件工具：

· NanoEdge AI Studio：自动化模型训练与部署，支持无代码开发。

· STEdgeAI-Core：提供模型优化、基准测试功能，兼容TensorFlow Lite、PyTorch等框架。

· MEMS Studio：辅助传感器数据采集与分析。

4. 可视化与预警系统

· 实时输出振动信号的预测置信度（横轴为信号值，纵轴为置信度），通过蓝点（正常）、红点（异常）直观区分状态。

· 支持串口通信、WiFi模块（如ESP32）传输数据至云端或手机APP，实现远程监控与报警。

应用场景与案例

1. 液压回路泵监测

· 案例：在液压系统中，通过关闭分流水阀模拟异常（如回路阻塞），采集440组异常振动信号与640组正常信号训练模型。部署后，系统成功识别异常并触发预警，避免设备损坏。

2. 化工流程泵预测性维护

· 案例：某石化企业流程泵振动值突增至9.2mm/s，传统方法需停机拆解检查。采用ST方案后，通过频谱分析快速定位轴承外圈故障与对中问题，维修后振动值降至1.5mm/s，非计划停机时间减少80%。

3. 跨行业适配性

· 方案可扩展至风机、压缩机等旋转机械，仅需调整传感器布置与训练数据。例如，2025年嵌入式竞赛中，基于STM32G474RE的风机振动监测系统采用类似架构，实现98.7%的异常识别准确率。

技术优势与行业价值

· 成本效益：无需额外传感器（利用现有振动/电流信号），模型部署成本低于传统振动分析仪（如Viber X5的1/5）。

· 响应速度：边缘推理延迟<10ms，较云端方案提升10倍以上。

· 可靠性：模型在高温、强电磁干扰工业环境中稳定运行，误报率<0.3%。

生态支持与开发资源

· 免费工具链：NanoEdge AI Studio、STEdgeAI-Core对STM32用户免费开放，提供案例库与开发指南。

· 硬件兼容性：支持STM32全系列MCU/MPU，及智能传感器（如配备ISPU的LIS2DW12）。

· 社区与支持：ST官方论坛、技术文档及本地化FAE团队，加速项目落地。

总结

意法半导体的泵异常检测方案通过边缘AI+轻量级传感器的创新组合，为工业设备提供高精度、低成本的预测性维护能力。其跨场景自适应特性与完整的开发生态，使其成为智能制造、能源管理等领域旋转机械健康监测的理想选择。