德州儀器 (TI) 技術專家亮相系列主題論壇帶來眾多領域深刻的技術洞察，了解TI 的產品和技術如何助力技術進步，塑造“芯”未來。

適用于實時控制系統并

由 AI 賦能的高精度故障監控

談及人工智能，大家往往想到生成式 AI。但邊緣 AI正在我們的日常生活和工業制造中發揮著重要作用——在控制系統中融入邊緣 AI，可在電機驅動器、太陽能和電池管理應用實現電機及電弧故障檢測，顯著影響系統的效率、安全性和生產力，這對于能源轉型與工業 4.0 的發展具有重要意義。

德州儀器現場應用工程師在日前舉辦的慕尼黑上海電子展2025 年 AI 技術創新論壇上分享了TI 邊緣 AI 技術如何融入實時控制系統，并進行高精度故障監控。

為什么需要故障檢測？

一方面，在光伏電網、充電站、家用逆變器等能源系統中，有效的直流電弧故障檢測能夠顯著降低因電線脫落或觸點斷裂引發的火災風險，避免財產損失和人員傷亡。另一方面，通過電機驅動器實現早期故障檢測不僅能大幅減少設備停機時間和維修成本，更能有效提升系統整體安全性。

而基于邊緣 AI 進行檢測具備諸多優勢：

分類準確率>98%，支持每個模型多個類別

由于有效的 NN 特征提取，抗噪聲和故障能力強

可不斷學習和更新模型參數

以數據驅動檢測算法

依靠數據收集和訓練來確定故障類型，需要較少的相關領域專業知識

TI 推出的基于邊緣 AI 且具有故障檢測功能的F28P55xMCU可在本地運行 CNN 模型，有助于提高故障檢測率、避免誤報，同時提供更好的預測性維護。借助邊緣 AI，這些系統可以學習并適應環境，從而優化實時控制、提高整體系統可靠性、安全性和效率，同時減少停機時間。

論壇上，TI 技術專家還介紹了采用 TI 工具鏈的解決方案開發流程，已幫助設計人員更便捷地完成開發：

評估平臺：使用現有 EVM + LP 作為故障檢測 EVM

訓練數據收集：使用數據采集工具在傳感器數據采集，或在 PC 與目標 LP 之間通信

模型訓練和編譯：使用 TI 在線工具 edge AI Studio 完成訓練、驗證、測試數據及 AI 模型編譯；使用離線工具 Model Maker 進行定制模型開發機離線數據訓練

模型與應用程序集成：在 C2000 邊緣部署代碼（CCS、API 庫、SDK）