[分享] 使用K-means算法进行异常侦测

使用K-means算法进行异常侦测

前言

本案例运行于 AT32F403A MCU 平台，利用 LSM6DS3TR-C 九轴传感器 采集振动数据（X轴加速 度），通过自学习模型建立“正常工作状态特征”，并在运行中检测异常振动行为。

系统主要功能：

※ 自学习 (Learning)：采集正常状态下的传感器信号，并建立模型。

※ 实时检测 (Detection)：在模型基础上，计算实时信号与正常模型的偏离程度。

※ 异常报警 (Anomaly Alert)：当偏离程度超过阈值时，点亮LED并显示提示。

支持型号：  AT32F403A 系列 、AT32F407 系列

1 资源准备

本章节主要介绍所需的硬件环境、软件环境和板载器件。

1.1 硬件环境

AT32-EdgeAI-Sensor-EV Board，这是一块基于 AT32F403A 集成多种传感器的开发板，包含以下器件：

※ 主控 MCU（AT32F403ACxT7）

※ AT_Link_EZ

※ 0.96’ OLED 显示屏

※ 3D 磁力计（LIS2MDL）

※ 3D 加速度计/陀螺仪（LSM6DS3TR）

图 1. AT32-EdgeAI-Sensor-EV Board 实物图

 

1.2 软件环境

本应用笔记所提供的应用代码，项目路径：

SourceCode\AN0287_SourceCode_V2.x.x\project

Note: 本应用笔记的项目基于 keil 5 而建立，若用户需要在其他编译环境上使用，请参考 AT32F403A_407_Firmware_Library_V2.x.x\project\at_start_f403a\templates 中各种编译环境（例如 IAR6/7,keil 4/5）进行简单修改即可。

1.3 板载器件介绍

1.3.1 0.96’ OLED 显示屏

支持 SPI 接口的单芯片 OLED 显示屏，具有 128*64 位的图形显示数据 RAM（GDDRAM）。详细的 规格书与芯片手册，请参考以下目录中的文档：

SensorDataSheet\0.96_OLED

在 AT32-EdgeAI-Sensor-EV Board 上电路图如下：

图 2. 0.96’ OLED 显示屏电路图

 

1.3.2 3D 加速度计/陀螺仪（LSM6DS3TR）

3D 加速度计/陀螺仪（LSM6DS3TR）具有系统级封装，包含一个 3D 数字加速度计和一个 3D 数字 陀螺仪。在高性能模式下以 0.90 mA 的电流工作，并且具有始终开启的低功耗特性，可为用户提供 最佳的运动体验。详细的数据手册，请参考以下目录中的文档：

SensorDataSheet\LSM6DS3TR

在 AT32-EdgeAI-Sensor-EV Board 上电路图如下：

图 3. LSM6DS3TR 电路图

 

2 系统工作流程

上电启动（Power On）

系统初始化传感器、OLED、串口等外设；

从 Flash 读取上一次保存的模型；

若模型存在 → 进入 检测模式（DETECT）；

若未找到模型 → 自动进入 学习模式（LEARN）。  

学习模式（Learning Mode）

系统采集 200 组（LEARN_WINDOWS = 200）正常状态数据；

提取 8 维特征（均值、方差、RMS、极值、偏度、峰度等）；

自适应更新模型中心（centroid）；

学习完成后计算： threshold = mean + K * std 其中 K 为宏定义 AUTO_THRESHOLD_K，可调节灵敏度；

OLED 显示切换为 “Mode: DETECT”。

检测模式（Detection Mode）

实时采样数据；

计算当前特征与模型中心的距离（score）；

平滑处理（取最近 10 次均值）；

若 score > threshold → 判断为 异常，LED 亮起；

否则显示 “Status: OK”。

按键操作（Button Behavior）

按下 USER_BUTTON 后：

系统等待 2 秒（确保振动稳定）；

清空旧模型并重新开始学习过程。

3 代码说明

3.1 模型算法说明

模型采用简单的 在线聚类 + 欧氏距离检测算法：

1. 特征提取：

 

2. 学习阶段（update rule）：

 

3. 检测阶段（distance metric）：

 

4. 判定阈值：

 

3.2 OLED 显示界面

表 1. OLED 界面显示

 

3.3 宏定义参数说明

表 2. 宏定义参数说明

 

4 案例使用

本章节介绍如何使用本应用笔记所搭配的案例工程，步骤如下：

1) 打开目录 AN0287_SourceCode_V2.0.0\project\anomaly_detection\mdk_v5 下的 MDK5 项目文 件并编译，可以看到左侧包含了项目所需的全部代码文件：

图 4. MDK 项目

 

2) 编译通过后，连接 AT_Link_EZ 进行下载，串口运行状态，如下图：

图 5. 串口打印结果

 

3) 如果侦测到异常，OLED 显示屏也会实时显示出结果

图 6. OLED 输出结果

 

4) 为了更接近于实际应用，也可以把，AT32-EdgeAI-Sensor-EV Board 安装到被侦测设备上，进 行实时学习与侦测，例如侦测风扇异常（如下图）

图 7. 侦测风扇异常

 

5) 为了直观了解侦测效果，可以点击如下超链接，查看视频演示效果 使用 K-means 算法自学习实现异常侦测-AT32F403A

 

本帖最后由 PollyPeng 于 2026-1-19 09:51 编辑