AI让电机“会说话”:MCU厂商押注预测性维护新赛道

原创 电子工程世界 2025-02-07 08:03
自从MCU加入AI功能,很多人都不知道AI到底能够为我们带来什么变革。事实上,MCU厂商就给出了答案,在最近接连关注电机预测维护系统这一领域。作为最典型应用之一的电机预测维护系统究竟有什么魔力?
在现代工业领域,电机作为各类设备的核心动力源,稳定运行保证至关重要。一旦电机出现故障,不仅会导致设备停机,还可能带来生产中断、维修复杂等等一系列衍生问题。电机预测性维护技术应运而生,成为保障电机可靠运行、提升工业生产效率的关键手段。
据不完全统计,中国每年仅因电机烧毁所消耗的电量就达数千万度,电机烧毁的数量达20万台次以上,修理费达20亿元以上,而因停工停产所造成的损失更是无法估量。也正因此,预测性维护对于电机而言至关重要。


电机预测性维护的工作原理


电机预测性维护主要依托数据收集、分析处理、模型预测及决策执行这四大关键环节。

数据收集:在电机的关键部位,如轴承、绕组等,安装各类传感器,实时采集电机运行过程中的多种数据。温度传感器监测电机温度,防止过热引发故障;振动传感器检测电机振动情况,判断是否存在机械不平衡或部件松动;电流传感器负责记录电流变化,反映电机的负载状态和电气性能。通过感知持续收集数据,并通过有线或无线通信技术,将数据传输至数据处理中心。

分析处理:收集到的数据往往包含噪声和异常值,因此数据分析处理环节必不可少。首先对数据进行清洗,去除干扰信息,确保数据质量。接着,从清洗后的数据中提取关键特征,如振动的峰值、均值、电流的谐波分量等。之后,运用机器学习算法对数据进行深度分析,建立电机故障预测模型。例如,利用神经网络算法,让模型学习电机正常与故障状态下的数据特征模式,从而实现对电机未来状态的准确预测。而如果利用传统的FFT,耗时更长同时准确率也不够。

模型预测:基于训练好的模型,当检测到电机运行数据出现异常趋势,预测可能发生故障时,系统会立即发出预警。

决策执行:维护人员收到预警后,结合电机的运行历史、生产计划等因素,制定科学合理的维护决策。对于轻微故障,可安排在设备下次常规检修时处理;若为严重故障,则需立即停机抢修,以避免故障扩大。


如何选择适合电机的预测性维护技术和工具


选择适合电机的预测性维护技术和工具,需综合考量多方面因素。

适配电机特性:从电机自身特点出发,不同类型、功率及应用场景的电机,其故障模式和关键监测参数存在差异。小型电机可能更关注绕组温度和电流变化,大型电机则对振动和轴承状态更为敏感。因此,要依据电机具体特性,选择针对性的传感器和监测技术。

注重技术性能:在技术层面,数据采集技术要确保准确、实时。传感器的精度和可靠性直接影响监测结果,需选择质量可靠、适合电机工作环境的传感器。数据分析方法上,简单的线性模型可能适用于监测电机某些线性变化参数,而对于复杂的故障模式,深度学习算法如卷积神经网络(CNN)或循环神经网络(RNN),能更好地处理电机运行过程中的非线性数据关系,提升预测准确性。

用于电机轴承和电弧故障检测的 CNN 模型可以从原始传感器数据(例如振动信号)中学习复杂模式,然后检测指示轴承故障的细微变化。

由于 CNN 模型可以自主从原始或预处理的传感器数据(例如电机振动信号、电压或电流)中学习,因此CNN模型非常适合用于故障检测和预测性维护的传感器数据分析。无需手动干预即可直接提取有意义的特征,从而实现稳健、准确的检测。同时,可以利用表示可变工作条件和不同硬件变化的传感器数据以及快速傅里叶变换(FFT)等不同的预处理算法来提高模型的适应性、抗噪性和可靠性,同时减少总检测或推理延迟。
由于 CNN 可以高效处理大量数据,并在不同的运行条件下表现良好,因此适用于工业环境中的实时监测和预测性维护。在这些环境中采用 CNN 模型可以更早、更有效地检测电机轴承故障,从而提高设备可靠性和运行效率。

考量工具功能:评估工具性能时,功能完整性是关键。优秀的预测性维护工具不仅要能准确预测电机故障,还应具备生成详细维护计划的功能,明确维护时间、内容及所需资源。同时,工具的易用性也不容忽视,操作界面应简洁直观,方便维护人员使用,降低培训成本。


电机预测性维护应用具体实施案例


某汽车制造工厂:该工厂在生产线上大量使用电机驱动各类设备,如传送带、机器人手臂等。为保障生产的连续性,引入了电机预测性维护系统。在电机上安装振动、温度和电流传感器,实时收集数据。通过数据分析发现,一台用于驱动大型机械手臂的电机,其振动数据出现异常波动,且电流值也偏离正常范围。预测性维护系统迅速发出预警,经技术人员进一步分析,判断可能是电机轴承磨损。由于预警及时,工厂在生产线非繁忙时段安排了电机检修,更换了磨损的轴承。此次维护避免了因电机突发故障导致的生产线长时间停机,据估算,至少挽回了数十万元的生产损失,同时延长了电机的整体使用寿命。

某化工企业:化工生产中的电机多处于恶劣环境,面临高温、高湿度及化学腐蚀等挑战。企业采用预测性维护技术,对多台关键电机进行实时监测。其中一台用于物料输送的电机,在运行过程中,温度传感器检测到电机绕组温度持续上升,同时基于深度学习算法的分析模型发现电流谐波特征也出现异常。预测性维护系统判定电机可能存在绕组绝缘老化问题。企业立即安排维护人员对电机进行检查,确认了绝缘老化情况,并及时进行了修复。通过这次预测性维护,避免了电机因绝缘失效引发的短路故障,保障了化工生产的稳定运行,同时减少了因计划外停机造成的化工原料浪费和环境污染风险。

正是CNN在电机预测性维护方面的重要性,越来越多的电机控制器厂商开始将AI加入其中。


德州仪器


最近的一个例子是德州仪器(TI)推出集成CNN功能的C2000产品TMS320F28P550SJ。
C2000 F28P550SJ包括了C28x DSP,CLA,以及NPU,可以执行不同的电机功能,包括了预测性维护。

要实现电机驱动的可靠运行,需要进行快速且可预测的系统故障检测,以帮助减少错误警报,同时还需要监测电机轴承异常和实际故障。

一些电机轴承故障监测方法还使用多个器件来实现实时控制,通过振动分析进行监测、温度监控和声学测量。然后,这种离散化方法使用基于数据的规则检测来监测潜在故障,这需要手动解析,并且可能会错过早期故障,或者无法准确检测故障类型。但这都需要大量的系统专业知识,并且自适应性和灵敏度都受到限制,从而限制检测精度。此外,向系统中添加用于故障监测的分立式器件和用于电机控制的专用实时控制 MCU 会增加系统的复杂性。
基于边缘 AI 的集成式故障检测功能在 TMS320F28P550SJ 等实时 MCU 中本地运行 CNN 模型,有助于提高故障检测率、避免误报,同时提供更好的预测性维护。借助边缘 AI,这些系统可以学习并适应环境,从而优化实时控制、提高整体系统可靠性、安全性和效率,同时减少停机时间。
CNN 模型如何增强实时控制系统中的故障监测和检测
另外,在软件方面,TI提供Edge-AI Model Composer,能将常见的深度学习框架(如 TensorFlow、PyTorch 等)训练好的模型,转换为适合在 TI 的MCU和MPU等边缘设备上运行的格式。


ADI


ADI OtoSense Smart Motor Sensor 是一款基于人工智能的全一站式硬件与软件解决方案,有助于避免停机时间并优化维护成本。很早以前,ADI 就看到电机预测性维护的市场潜力,2018 年开始陆续收购包括 OtoSense 以及 Test Motors 在内的预测性维护软件和平台供应商,并通过 ADI 的整合,将不同的产品整合为一个完整的智能电机传感器解决方案(Smart Motor Senor, SMS)。

该方案由三部分组成:首先是硬件平台,内部集成了 ADI 的振动和温度传感器,以及信号链等产品,负责收集电机的运行状态;其次,是 ADI 开发的一套预测性维护算法,目前支持包括转子、定子、轴承、平衡度、冷却系统、支撑脚松动等等故障算法,这些算法已经部署到了云端,与边缘的数据连接通过安全 MQTT 进行,并支持 OTA 更新;另外则是一套运行于手机或电脑端的 HMI,以图表的形式展现健康指数,并提供运维指导。同时,为了与智能工厂的平台相融合,ADI 也开放了 API 接口。
其具备以下关键特性:

可操作的诊断:能够诊断 9 种机械和电气电机故障,包括故障严重程度,并针对特定故障提供推荐措施。性能指标可识别负载的潜在问题或可能需要额外操作的工艺变化。

可扩展性:设置快速,易于使用。无需电线或额外网关,可与大多数电机配合使用(详见背面的电机兼容性)。易用的界面减少了培训和设备维护成本。


瑞萨


通过收购Reality AI,丰富了技术与工具库,让瑞萨能够将这些技术与MCU和MPU产品相结合,帮助开发者将先进的机器学习和信号处理无缝应用于解决复杂问题。

RealityCheck Motor 是一款先进的软件工具箱,它使用来自电机控制过程的电气信息来实现预测性维护、异常检测和智能控制反馈的开发,而无需额外的传感器。它能够检测系统参数的细微变化,以指示维护问题和异常,从而实现早期检测并减少停机时间。该软件可与瑞萨电子 MCU、MPU 和电机控制套件无缝协作,并与 Reality AI Tools完全集成,以大规模创建、验证和部署传感器分类或预测模型。

RealityCheck Motor 能够无传感器地检测系统参数的微小变化,这些变化表明存在异常和维护问题。该工具箱可以部署在端点上,以便及早检测电机系统中的故障,从而及时维护,减少停机时间和密集的维修成本。具有性能优化、实时性和扩展的数据收集引擎;支持无传感器 ML 模型,减少产品 BoM;嵌入式条件监控、预测性维护、异常检测和控制反馈等多项优势。            

 

在MCU方面,瑞萨的RA8M1 MCU 系列是业界首款基于 Arm Cortex-M85内核的 32 位MCU,能够以 480 MHz 频率实现超过 3000 CoreMark 分数,实现出色的AI性能。


意法半导体


在电机中实施故障检测和分类框架是预测性维护策略的第一步。预测性维护通过主动解决潜在的电机问题来减少停机时间、避免生产损失、延长设备寿命并利用实际数据推动决策,从而有助于降低生产成本。然而,故障检测及其分类面临着许多挑战,例如数据收集、预处理和特征工程以及机器学习模型互操作性和优化。
ST利用STM32 AI生态系统可以顺利完成这一旅程,增强维护团队的可靠性和信心。        
具体流程如下:
通过使用ISE OneX 测试台设置,ST准确地创建并重现了多种故障,包括电机旋转不平衡、轴承松动或故障以及轴错位。      

 

目标是使用NanoEdge AI Studio生成一个能够对这些故障进行分类的机器学习库。            

 

ST在NanoEdge AI Studio中设置数据记录器生成器,以使用内置常开ISM330DHCX传感器的STEVAL-PROTEUS1连续记录电机振动数据。       

 

ST使用记录的振动数据和 NanoEdge AI Studio 提供的采样查找器工具来确定项目使用的最佳信号长度和数据速率组合。         

 

在基准测试过程中,NanoEdge AI Studio确定了几个能够高精度地对电机的正常状态和4种故障进行分类的库。         

 

通过NanoEdge AI Studio中的验证步骤,ST选择了在测试生成的新数据集上产生最佳结果的库。         

 

编译库后,使用ST BLE传感器移动应用程序通过蓝牙将其部署在 STEVAL-PROTEUS 板上。         

 

可以按照相同的步骤创建一个类似的 AI 模型,该模型能够对多种级别的错位(0.0、0.2、0.4 和 0.6 毫米)进行分类。      

 

另外,还可以分析包括旋转不平衡,轴承松动,轴承故障,错位等。
根据ST的实测表明,准确度可达99.80%,内存占用为12.7 KB RAM,25.4 KB Flash。


恩智浦


恩智浦强调了eIQ在预测性维护开发方面的重要性。

越来越多的应用要求能够在配备微控制器和微处理器的边缘设备上运行的AI,这带来了更低的延迟、更低的能耗以及更强的数据隐私保护等好处。在这些应用中,时间序列数据通常用于开发三类主要任务:异常检测、分类和回归。时间序列数据是指按一致、均匀的时间间隔记录的一系列数据点。

1.需要时间序列数据的应用

顾名思义,异常检测的目的是识别超出预期的行为。它依赖时间序列数据来检测与正常行为的偏差,从而触发警报或紧急停止,以尽量减少损害。

分类训练模型通过学习数据中的模式来识别和分类输入信息。这包括在训练过程中为数据点分配标签,使模型能够做出准确的决策。一旦模型开发完成,它们可以有效地识别数据中的模式,并对新的输入进行分类。

回归任务旨在根据数据预测连续值,例如基于历史电池放电数据预测电池寿命或进行电机的预测性维护。温度和振动传感器的数据可用于预测随着时间的推移可能发生故障的几率。

尽管还有许多其他用例受益于机器学习和AI开发,但时间序列数据仍是其中最复杂、最动态的一种。

为了在边缘推进AI,恩智浦推出了eIQ Time Series Studio (eIQ TSS),这是eIQ AI和机器学习开发软件系列中的新工具。eIQ TSS具备自动机器学习工作流程,可简化基于时间序列的机器学习模型在多种MCU器件(如MCX MCU和i.MX RT跨界MCU)上的开发和部署。

Time Series Studio支持多种传感器输入信号,包括电压、电流、温度、振动、压力、声音和飞行时间等,还支持这些信号的组合,实现多模态传感器融合。其自动机器学习功能使开发人员能够从原始时间序列数据中提取有意义的见解,并快速构建AI模型,以满足MCU的精度、RAM和存储标准。该工具提供了一个全面的开发环境,包括数据策展、可视化和分析,以及模型的自动生成、优化、模拟和部署。

2.eIQ Time Series Studio的分步工作流程

示例应用

为了快速启动开发,NXP提供了三个主要任务的示例应用和数据集:异常检测、分类和回归。该工具中包含每个应用的详细信息和分步说明,帮助开发人员顺利开始开发流程。

eIQ Time Series Studio用户界面
1.数据输入

数据管理对于确保数据清洁、有序和对齐至关重要。例如,当从室外环境中的多个传感器收集数据时,由于环境因素,数据可能会有噪声,且采样率不同。为了确保模型的准确性,必须以时间关系为基础对这些数据进行对齐和同步。

开发人员可以在导入自定义时间序列数据时定义通道和类别的数量。Time Series Studio还提供了多种数据查看选项,包括原始数据、时间数据、统计数据和光谱数据。

2.训练和优化

当自动机器学习取代传统的手动迭代开发过程进行参数调整、模型和算法搜索时,模型的训练和优化变得更加容易。只需一键即可生成模型,并按精度或闪存/RAM大小进行排序。这将模型训练和优化的时间从几周缩短到几个小时。 
eIQ TSS用户界面中的训练页面
3.模拟

模型训练完成后,可以在虚拟边缘环境中使用不同的未见过的测试数据集对其进行测试和验证。这样可模拟目标设备环境,使开发人员能够在将模型部署到实际硬件之前验证其性能和准确性。

   

 

4.部署
编译所选模型后,可以为应用生成自定义库。使用该库非常简单,只需两次API调用。一次API调用用于初始化模型,另一个用于运行推理。生成的库可兼容MCUXpresso和Code Warrior IDE。
eIQ TSS用户界面中的部署页面        

 

5.智能化数据选项

用户通常根据他们的先验知识导入时间序列数据集。然而,如果没有进行全面的数据分析,这可能会影响训练数据的有效性。例如,采样频率可能超过应用程序的要求,或者在分类任务中,每个类别的训练数据量可能不平衡。

为了应对这些挑战,Data Intelligence提供了一种实用工具,可以评估数据集的平衡性和单个数据通道的重要性。该工具不仅可以检测数据不平衡,还能识别可以删除以优化资源的冗余通道。此外,它还推荐最佳采样频率和窗口大小,使用户能够优化数据集,提高质量并获得更准确的分析结果。

eIQ TSS用户界面中的Data Intelligence页面
比如,在这个例子中,在12个通道中,有两个可能是非必要的,可以删除它们,以节省资源,原始连续数据的采样率可能过高,建议将其降低到1/16,等等一系列优化建议。         

 

基于智能分析,用户可以更改未来训练用数据集,从而获得更好的结果。
Time Series Studio提供了一个无缝的端到端解决方案,旨在降低开发人员、合作伙伴及客户使用其数据开发AI解决方案的门槛,并节省时间。


英飞凌


英飞凌PSOC Control处理器可以为传统工业应用注入ML的能力。尤其是像电机控制的用例中,可以通过机器学习来实现预测性维护,减少产线运维成本和停机风险。通过收购Imagimob,英飞凌获得了AI相关软件技术。正在进一步加强其AI软件产品组合。为此,公司发布了边缘AI和机器学习软件解决方案的新品牌DEEPCRAFT。英飞凌已经意识到边缘AI巨大的市场潜力,以及为客户提供边缘AI工具的重要性。
英飞凌安全互联系统事业部总裁Thomas Rosteck表示:“通过建立DEEPCRAFT品牌,将为客户提供丰富的边缘AI解决方案组合,以满足他们的各种需求,而且英飞凌的边缘AI软件还能与先进的硬件无缝协作。”    
DEEPCRAFT品牌产品组合将囊括现有的边缘AI软件产品DEEPCRAFT Studio和DEEPCRAFT 成熟模型(前身为Imagimob Studio和Imagimob Ready Models),并迅速壮大,以便为英飞凌客户提供更广泛的新型边缘AI和机器学习软件工具、模型和解决方案。
    


结语


在工业生产高度依赖电机稳定运行的当下,电机预测性维护系统已然成为保障生产连续性、降低成本的关键所在。传统维护方式在应对电机故障时存在诸多局限,而融入 AI 技术,尤其是像 CNN 这样的深度学习算法,为电机预测性维护带来了革命性的变革。从数据采集的精准高效,到数据分析的深度智能,再到故障预测的及时准确,AI 的加持大幅提升了预测性维护系统的性能。

· END ·


欢迎将我们设为“星标”,这样才能第一时间收到推送消息。

关注EEWorld旗下订阅号:“汽车开发圈”

回复“Auto”,免费领Autosar入门与实践资料包!


扫码添加小助手回复“进群”

和电子工程师们面对面交流经验


电子工程世界 关注EEWORLD电子工程世界,即时参与讨论电子工程世界最火话题,抢先知晓电子工程业界资讯。
评论 (0)
  • DeepSeek自成立之初就散发着大胆创新的气息。明明核心开发团队只有一百多人,却能以惊人的效率实现许多大厂望尘莫及的技术成果,原因不仅在于资金或硬件,而是在于扁平架构携手塑造的蜂窝创新生态。创办人梁文锋多次强调,与其与大厂竞争一时的人才风潮,不如全力培养自家的优质员工,形成不可替代的内部生态。正因这样,他对DeepSeek内部人才体系有着一套别具一格的见解。他十分重视中式教育价值,因而DeepSeek团队几乎清一色都是中国式学霸。许多人来自北大清华,或者在各种数据比赛中多次获奖,可谓百里挑一。
    优思学院 2025-03-13 12:15 75浏览
  • 文/Leon编辑/cc孙聪颖作为全球AI领域的黑马,DeepSeek成功搅乱了中国AI大模型市场的格局。科技大厂们选择合作,接入其模型疯抢用户;而AI独角兽们则陷入两难境地,上演了“Do Or Die”的抉择。其中,有着“大模型六小虎”之称的六家AI独角兽公司(智谱AI、百川智能、月之暗面、MiniMax、阶跃星辰及零一万物),纷纷开始转型:2025年伊始,李开复的零一万物宣布转型,不再追逐超大模型,而是聚焦AI商业化应用;紧接着,消息称百川智能放弃B端金融市场,聚焦AI医疗;月之暗面开始削减K
    华尔街科技眼 2025-03-12 17:37 172浏览
  • 引言汽车行业正经历一场巨变。随着电动汽车、高级驾驶辅助系统(ADAS)和自动驾驶技术的普及,电子元件面临的要求从未如此严格。在这些复杂系统的核心,存在着一个看似简单却至关重要的元件——精密电阻。贞光科技代理品牌光颉科技的电阻选型过程,特别是在精度要求高达 0.01% 的薄膜和厚膜技术之间的选择,已成为全球汽车工程师的关键决策点。当几毫欧姆的差异可能影响传感器的灵敏度或控制系统的精确性时,选择正确的电阻不仅仅是满足规格的问题——它关系到车辆在极端条件下的安全性、可靠性和性能。在这份全面指南中,我们
    贞光科技 2025-03-12 17:25 115浏览
  •        随着人工智能算力集群的爆发式增长,以及5.5G/6G通信技术的演进,网络数据传输速率的需求正以每年30%的速度递增。万兆以太网(10G Base-T)作为支撑下一代数据中心、高端交换机的核心组件,其性能直接决定了网络设备的稳定性与效率。然而,万兆网络变压器的技术门槛极高:回波损耗需低于-20dB(比千兆产品严格30%),耐压值需突破1500V(传统产品仅为1000V),且需在高频信号下抑制电磁干扰。全球仅有6家企业具备规模化量产能力,而美信科
    中科领创 2025-03-13 11:24 55浏览
  • 在追求更快、更稳的无线通信路上,传统射频架构深陷带宽-功耗-成本的“不可能三角”:带宽每翻倍,系统复杂度与功耗增幅远超线性增长。传统方案通过“分立式功放+多级变频链路+JESD204B 接口”的组合试图平衡性能与成本,却难以满足实时性严苛的超大规模 MIMO 通信等场景需求。在此背景下,AXW49 射频开发板以“直采+异构”重构射频范式:基于 AMD Zynq UltraScale+™ RFSoC Gen3XCZU49DR 芯片的 16 通道 14 位 2.5GSPS ADC 与 16
    ALINX 2025-03-13 09:27 45浏览
  • 一、行业背景与需求痛点智能电子指纹锁作为智能家居的核心入口,近年来市场规模持续增长,用户对产品的功能性、安全性和设计紧凑性提出更高要求:极致空间利用率:锁体内部PCB空间有限,需高度集成化设计。语音交互需求:操作引导(如指纹识别状态、低电量提醒)、安全告警(防撬、试错报警)等语音反馈。智能化扩展能力:集成传感器以增强安全性(如温度监测、防撬检测)和用户体验。成本与可靠性平衡:在复杂环境下确保低功耗、高稳定性,同时控制硬件成本。WTV380-P(QFN32)语音芯片凭借4mm×4mm超小封装、多传
    广州唯创电子 2025-03-13 09:24 79浏览
  • 前言在快速迭代的科技浪潮中,汽车电子技术的飞速发展不仅重塑了行业的面貌,也对测试工具提出了更高的挑战与要求。作为汽车电子测试领域的先锋,TPT软件始终致力于为用户提供高效、精准、可靠的测试解决方案。新思科技出品的TPT软件迎来了又一次重大更新,最新版本TPT 2024.12将进一步满足汽车行业日益增长的测试需求,推动汽车电子技术的持续革新。基于当前汽车客户的实际需求与痛点,结合最新的技术趋势,对TPT软件进行了全面的优化与升级。从模型故障注入测试到服务器函数替代C代码函数,从更准确的需求链接到P
    北汇信息 2025-03-13 14:43 70浏览
  • 曾经听过一个“隐形经理”的故事:有家公司,新人进来后,会惊讶地发现老板几乎从不在办公室。可大家依旧各司其职,还能在关键时刻自发协作,把项目完成得滴水不漏。新员工起初以为老板是“放羊式”管理,结果去茶水间和老员工聊过才发现,这位看似“隐形”的管理者其实“无处不在”,他提前铺好了企业文化、制度和激励机制,让一切运行自如。我的观点很简单:管理者的最高境界就是——“无为而治”。也就是说,你的存在感不需要每天都凸显,但你的思路、愿景、机制早已渗透到组织血液里。为什么呢?因为真正高明的管理,不在于事必躬亲,
    优思学院 2025-03-12 18:24 84浏览
  • 本文介绍OpenHarmony4.1系统开发板,出现打不开WiFi和蓝牙的问题排查和解决方法。触觉智能Purple Pi OH鸿蒙开发板演示,搭载了瑞芯微RK3566四核处理器,1TOPS算力NPU;Laval鸿蒙社区推荐并通过了开源鸿蒙XTS认证,成功适配OpenHarmony3.2、4.0、4.1、5.0 Release系统,SDK源码全开放!WiFi打不开缺少WiFi固件在WiFi打不开时我们可以通过使用串口工具查看WiFi打印信息:这条log主要说明了打开固件文件失败,说明了在/vend
    Industio_触觉智能 2025-03-12 14:32 60浏览
  • 2025年,科技浪潮汹涌澎湃的当下,智能数字化变革正进行得如火如荼,从去年二季度开始,触觉智能RK3562核心板上市以来,受到了火爆的关注,上百家客户选用了此方案,也获得了众多的好评与认可,为客户的降本增效提供了广阔的空间。随着原厂的更新,功能也迎来了一波重大的更新,无论是商业级(RK3562)还是工业级(RK3562J),都可支持NPU和2×CAN,不再二选一。我们触觉智能做了一个艰难又大胆的决定,为大家带来两大重磅福利,请继续往下看~福利一:RK3562核心板149元特惠再续,支持2×CAN
    Industio_触觉智能 2025-03-12 14:45 31浏览
  • 在海洋监测领域,基于无人艇能够实现高效、实时、自动化的海洋数据采集,从而为海洋环境保护、资源开发等提供有力支持。其中,无人艇的控制算法训练往往需要大量高质量的数据支持。然而,海洋数据采集也面临数据噪声和误差、数据融合与协同和复杂海洋环境适应等诸多挑战,制约着无人艇技术的发展。针对这些挑战,我们探索并推出一套基于多传感器融合的海洋数据采集系统,能够高效地采集和处理海洋环境中的多维度数据,为无人艇的自主航行和控制算法训练提供高质量的数据支持。一、方案架构无人艇要在复杂海上环境中实现自主导航,尤其是完
    康谋 2025-03-13 09:53 67浏览
  • 文/杜杰编辑/cc孙聪颖‍主打影像功能的小米15 Ultra手机,成为2025开年的第一款旗舰机型。从发布节奏上来看,小米历代Ultra机型,几乎都选择在开年发布,远远早于其他厂商秋季主力机型的发布时间。这毫无疑问会掀起“Ultra旗舰大战”,今年影像手机将再次被卷上新高度。无意臆断小米是否有意“领跑”一场“军备竞赛”,但各种复杂的情绪难以掩盖。岁岁年年机不同,但将2-3年内记忆中那些关于旗舰机的发布会拼凑起来,会发现,包括小米在内,旗舰机的革新点,除了摄影参数的不同,似乎没什么明显变化。贵为旗
    华尔街科技眼 2025-03-13 12:30 89浏览
  • 一、行业背景与用户需求随着健康消费升级,智能眼部按摩仪逐渐成为缓解眼疲劳、改善睡眠的热门产品。用户对这类设备的需求不再局限于基础按摩功能,而是追求更智能化、人性化的体验,例如:语音交互:实时反馈按摩模式、操作提示、安全提醒。环境感知:通过传感器检测佩戴状态、温度、压力等,提升安全性与舒适度。低功耗长续航:适应便携场景,延长设备使用时间。高性价比方案:在控制成本的同时实现功能多样化。针对这些需求,WTV380-8S语音芯片凭借其高性能、多传感器扩展能力及超高性价比,成为眼部按摩仪智能化升级的理想选
    广州唯创电子 2025-03-13 09:26 66浏览
  • 本文介绍Android系统主板应用配置默认获取管理所有文件权限方法,基于触觉智能SBC3588行业主板演示,搭载了瑞芯微RK3588芯片,八核处理器,6T高算力NPU;音视频接口、通信接口等各类接口一应俱全,支持安卓Android、Linux、开源鸿蒙OpenHarmony、银河麒麟Kylin等操作系统。配置前提在配置前,建议先将应用配置成系统应用,不然配置后系统每次重启后都会弹窗提示是否获取权限。应用配置成系统应用,可参考以下链接方法:瑞芯微开发板/主板Android系统APK签名文件使用方法
    Industio_触觉智能 2025-03-12 14:34 56浏览
  • 北京时间3月11日,国内领先的二手消费电子产品交易和服务平台万物新生(爱回收)集团(纽交所股票代码:RERE)发布2024财年第四季度和全年业绩报告。财报显示,2024年第四季度万物新生集团总收入48.5亿元,超出业绩指引,同比增长25.2%。单季non-GAAP经营利润1.3亿元(non-GAAP口径,即经调整口径,均不含员工股权激励费用、无形资产摊销及因收购产生的递延成本,下同),并汇报创历史新高的GAAP净利润7742万元,同比增长近27倍。总览全年,万物新生总收入同比增长25.9%达到1
    华尔街科技眼 2025-03-13 12:23 76浏览
我要评论
0
0
点击右上角,分享到朋友圈 我知道啦
请使用浏览器分享功能 我知道啦