1   濾波

這里用到了卡爾曼濾波，卡爾曼濾波是一種利用線性系統(tǒng)狀態(tài)方程，通過(guò)系統(tǒng)輸入輸出觀測(cè)數(shù)據(jù)，對(duì)系統(tǒng)狀態(tài)進(jìn)行最優(yōu)估計(jì)的算法。它在信號(hào)處理、控制理論、導(dǎo)航等領(lǐng)域有著廣泛應(yīng)用。

1.1 核心思想與基本假設(shè)

核心思想：通過(guò)融合系統(tǒng)的動(dòng)態(tài)模型（預(yù)測(cè)）和實(shí)際觀測(cè)數(shù)據(jù)（校正），以遞歸方式估計(jì)系統(tǒng)狀態(tài)，最小化估計(jì)誤差的方差。

基本假設(shè)：系統(tǒng)是線性的（或可近似線性化）。噪聲符合高斯分布（過(guò)程噪聲和觀測(cè)噪聲均為白噪聲）。初始狀態(tài)的估計(jì)誤差已知。

1.2 數(shù)學(xué)模型與遞歸過(guò)程

卡爾曼濾波基于兩個(gè)關(guān)鍵方程：預(yù)測(cè)方程和校正方程，通過(guò)迭代更新實(shí)現(xiàn)最優(yōu)估計(jì)。

1>狀態(tài)空間模型

狀態(tài)方程（系統(tǒng)動(dòng)態(tài)模型）：（x_k = A_kx_{k-1}+B_ku_k+w_k）其中：

（x_k）為k時(shí)刻的狀態(tài)向量；

（A_k）為狀態(tài)轉(zhuǎn)移矩陣；

（u_k）為控制輸入向量，（B_k）為控制矩陣；

（w_k）為過(guò)程噪聲，服從高斯分布（w_k sim N(0,Q_k)）。

觀測(cè)方程（測(cè)量模型）：（z_k = H_kx_k + v_k）其中：

（z_k）為觀測(cè)向量；

（H_k）為觀測(cè)矩陣；

（v_k）為觀測(cè)噪聲，服從高斯分布（v_k sim N(0,R_k)）。

2> 遞歸過(guò)程（兩個(gè)階段）

階段1：預(yù)測(cè)（時(shí)間更新）

狀態(tài)預(yù)測(cè)：（hat{x}_{k|k-1} = A_khat{x}_{k-1|k-1} +B_ku_k）（基于前一時(shí)刻的最優(yōu)估計(jì)預(yù)測(cè)當(dāng)前狀態(tài)）。

誤差協(xié)方差預(yù)測(cè)：（P_{k|k-1} = A_kP_{k-1|k-1}A_k^T + Q_k）（預(yù)測(cè)當(dāng)前狀態(tài)估計(jì)的不確定性）。

階段2：校正（測(cè)量更新）

卡爾曼增益計(jì)算：（K_k = P_{k|k-1}H_k^T（H_kP_{k|k-1}H_k^T + R_k）^{-1}）（確定觀測(cè)數(shù)據(jù)對(duì)狀態(tài)估計(jì)的權(quán)重，平衡預(yù)測(cè)與觀測(cè)的不確定性）。

狀態(tài)更新：（hat{x}_{k|k} = hat{x}_{k|k-1} + K_k(z_k -H_khat{x}_{k|k-1})）（結(jié)合觀測(cè)數(shù)據(jù)修正預(yù)測(cè)狀態(tài)，得到最優(yōu)估計(jì)）。誤差協(xié)方差更新：（P_{k|k} = (I - K_kH_k)P_{k|k-1}）（更新當(dāng)前狀態(tài)估計(jì)的不確定性，為下一時(shí)刻做準(zhǔn)備）。

1.3 優(yōu)勢(shì)

1> 無(wú)需存儲(chǔ)歷史數(shù)據(jù)，僅需當(dāng)前觀測(cè)和前一時(shí)刻的估計(jì)，計(jì)算效率高，適合實(shí)時(shí)應(yīng)用。

2> 可處理噪聲統(tǒng)計(jì)特性已知的系統(tǒng)，通過(guò)調(diào)整噪聲協(xié)方差矩陣（Q、R）適應(yīng)不同場(chǎng)景。

1.4 使用

1> 添加程序，這里我放在了SOFTWARE 目錄下，將其添加到路徑下，與屏幕驅(qū)動(dòng)引入相同，頭文件引入等，這里不贅述。

2> 變量聲明，首先需要聲明變量，每個(gè)數(shù)據(jù)源設(shè)置一個(gè)變量，若使用一個(gè)，各個(gè)數(shù)據(jù)會(huì)相互影響，

3>初始化，將我們上一步聲明的變量取地址，后面跟參數(shù)，

4>濾波，調(diào)用函數(shù)

代碼如下

這個(gè)函數(shù)以用于多種單片機(jī)中，可自行移植嘗試。

2   串口發(fā)送

這里和串口接收分開(kāi)寫(xiě)，前期還用不到接收，就不寫(xiě)明。如果使用官方板卡建立工程，那么可以跳過(guò)第一步的cubemx 配置。

2.1 cubemx配置

使能串口2，設(shè)置為異步模式，其他保持默認(rèn)，而后更新代碼。

2.2 重映射到printf函數(shù)

2.3 濾波后發(fā)送到串口

將下列放置在while中，cureer為浮點(diǎn)數(shù)，請(qǐng)確保已經(jīng)打開(kāi)浮點(diǎn)數(shù)pritf。

3   VOFA簡(jiǎn)單配置

此時(shí)可以打開(kāi)VOfa+進(jìn)行數(shù)據(jù)收集選擇當(dāng)前對(duì)應(yīng)端口號(hào)，串口，波特率115200。

其他默認(rèn)即可，按左上角按鈕開(kāi)啟串口：

查看有無(wú)數(shù)據(jù)進(jìn)入：

左側(cè)選擇第四項(xiàng)控件，第一個(gè)就是示波器。

拖動(dòng)到右側(cè)tab欄，右擊全部填充。

再右擊，如圖將數(shù)據(jù)引入Y軸。

可以通過(guò)修改輸入傳入是否濾波，觀察對(duì)比濾波前后的樣子。

4   模型訓(xùn)練

完成上兩部分準(zhǔn)備工作后，我們就可以進(jìn)行模型的訓(xùn)練了新建項(xiàng)目需要通過(guò)串口進(jìn)行數(shù)據(jù)采集，簡(jiǎn)單介紹一下Nanoedge AI Studio是用于STM32部署邊緣AI的軟件，Studio可生成四種類型的庫(kù)：異常檢測(cè)、單分類、多分類、預(yù)測(cè)。

它支持所有類型的傳感器，所生成的庫(kù)不需要任何云連接，可以直接在本地學(xué)習(xí)與部署，支持STM32所有MCU系列。

意味著你可以將模型部署在任意的MCU，大小限制可以自行選擇。

其他廠商的MCU不確定能否支持這里的模型。

正式開(kāi)始前請(qǐng)先關(guān)閉VOfa+的串口連接。

4.1 新建模型訓(xùn)練工程

打開(kāi)NanoEdge AI Studio，點(diǎn)擊NEW PROJECT：

選擇第一項(xiàng)，大意是使用設(shè)備學(xué)習(xí)檢測(cè)信號(hào)中的異常使用模型識(shí)別數(shù)據(jù)中的異常模式。

該模型可以在學(xué)習(xí)階段適應(yīng)并逐步收集知識(shí)，以預(yù)測(cè)潛在的異常行為。

我們需要用到檢測(cè)，選擇這個(gè)即可：

設(shè)置工程名稱，選擇MCU或板卡等，數(shù)據(jù)類型選第二項(xiàng)Current電流：

4.2 信號(hào)采集

進(jìn)入這個(gè)界面，上面是正常信號(hào)，下面是異常信號(hào)，配置方式相同。

以正常信號(hào)為例。

串行USB信號(hào)，文件導(dǎo)入和采集器。

我們剛剛使用串口發(fā)送電流信號(hào)，因此選擇串行USB信號(hào)。

其他默認(rèn)，如果你只想采集需要的數(shù)據(jù)條數(shù)，勾選最多數(shù)據(jù)限制。

確保你的電機(jī)正常運(yùn)轉(zhuǎn)，點(diǎn)擊START開(kāi)始。

采集完成導(dǎo)入數(shù)據(jù)。

完成后再進(jìn)行異常信號(hào)采集。

需要注意一點(diǎn)，請(qǐng)將電機(jī)在故障狀態(tài)下運(yùn)行，例如負(fù)載過(guò)大限制轉(zhuǎn)速等。

其他步驟與上述正常采集相同，這里不在贅述。

4.3 模型訓(xùn)練

選擇左上角添加，打開(kāi)如下界面，勾選正常與異常數(shù)據(jù)后開(kāi)始訓(xùn)練。

整個(gè)過(guò)程相對(duì)較慢。

運(yùn)行時(shí)主要使用CPU，設(shè)置中也沒(méi)有GPU 的相關(guān)選項(xiàng)，此過(guò)程大概不需要顯卡（截至2025 年5 月23 日5.02 版本）。筆者的配置如下：

13th Gen Intel(R) Core(TM)i9-13900H 加32G 內(nèi)存

105 條正常信號(hào)，229 條異常信號(hào)。

總共用時(shí)兩2 小時(shí)12 分25 秒。

先看一下跑完的樣子，這是整個(gè)模型的參數(shù)，質(zhì)量指數(shù)99.3 分，質(zhì)量高還是很高的，準(zhǔn)確率99.8%，占用RAM 0.1 kB，占用flash 1.9 kB。

這個(gè)是演變圖，藍(lán)色是質(zhì)量指數(shù)，綠色是精準(zhǔn)度，藍(lán)色是RAM，紅色是flash。

這里能實(shí)時(shí)且直觀的展示整個(gè)模型訓(xùn)練的狀態(tài)。

訓(xùn)練軌跡：

歷史迭代：

還有其他圖像這里就不展示了，如果你訓(xùn)練過(guò)yolo模型會(huì)發(fā)現(xiàn)這個(gè)過(guò)程的演變和迭代是很相似的。

4.4 模型測(cè)試與繼續(xù)訓(xùn)練

這個(gè)過(guò)程可以繼續(xù)對(duì)模型進(jìn)行訓(xùn)練，也可以進(jìn)行測(cè)試，模型訓(xùn)練結(jié)果我比較滿意，就不繼續(xù)訓(xùn)練了。

測(cè)試

點(diǎn)擊本地運(yùn)行：

先是對(duì)正常信號(hào)進(jìn)行采集學(xué)習(xí)，確保電機(jī)正常工作后，點(diǎn)擊開(kāi)始：

采集足夠的信號(hào)后，點(diǎn)擊進(jìn)行GO TO DETECTION轉(zhuǎn)到檢測(cè)：

整個(gè)過(guò)程很準(zhǔn)確，效果如下：

4.5 獲取模型與部署

按照如下勾選，我們是單模型，需要程序接口，數(shù)據(jù)類型是浮點(diǎn)數(shù)。

而后點(diǎn)擊部署庫(kù)：

將得到的壓縮包解壓后得到如下文件，主要用到這兩個(gè)文件，一個(gè)是庫(kù)，另一個(gè)是調(diào)用的API接口。

5   工程構(gòu)建

5.1 文件配置

如圖所示。這樣放置是個(gè)人習(xí)慣，你也可以將它放置在任意順眼的地方。

添加路徑到源文件。

包含：

庫(kù)路徑。

庫(kù)名稱，命名為neai。

5.2 添加必要程序

參考生成偽代碼：

引用頭文件后和定義后，添加必要參數(shù)，寫(xiě)入緩存。

學(xué)習(xí)，這里我用OLED顯示進(jìn)行的過(guò)程，由于學(xué)習(xí)速度太快，我這里用了延時(shí)。

更新事件：

串口回傳數(shù)據(jù)：

printf(“%d,%.2f,%.2f,%.2frn”,similarity,current,busVoltage,power);

整個(gè)工程框架構(gòu)建完成。

詳細(xì)過(guò)程請(qǐng)參考附件的工程。

6   加入中斷接收

回到cubeMX，找到串口，使能串口中斷。

重新生成后在while前添加開(kāi)啟中斷。

重新定義中斷回傳函數(shù)，先判斷是不是我們的串口2發(fā)送過(guò)來(lái)的，然后在里面寫(xiě)入我們的需求。

其中回傳末尾重新開(kāi)啟中斷：

這里我以rn作為判斷。

判斷前需要將rn去除掉，否則會(huì)判斷失敗。

串口結(jié)束與清除位數(shù)：

中斷接收完成。

7   自鎖模式與打嗝模式

以下是自鎖模式與打嗝模式，請(qǐng)分別注釋后使用。

其中switch_clocks 是全局變量，會(huì)根據(jù)中斷接收到的字符進(jìn)行更新，從而實(shí)現(xiàn)自鎖或打嗝。

繼電器函數(shù)定義

定義的繼電器GPIO。

（本文來(lái)源于《EEPW》202508）