Современная электроника №8/2026

ИНЖЕНЕРНЫЕ РЕШЕНИЯ 6 WWW.CTA.RU СОВРЕМЕННАЯ ЭЛЕКТРОНИКА • № 8 / 2026 Машинное обучение на микроконтроллере STM32F407 – обнаружение вибраций В статье подробно описан процесс создания модели и архитектура библиотеки MML, а также приведено прямое сравнение точности работы библиотеки от NanoEdge AI Studio и модели MML, созданной автором на целевом микроконтроллере STM32F407VET6. Валентин Юрзин Современная концепция Edge AI [1] кардинально меняет подход к мони- торингу промышленного оборудова- ния. Традиционная передача сырых данных в облако требует высокой про- пускной способности сети и увеличи- вает задержки. Внедрение машинного обучения непосредственно на микро- контроллеры TinyML [2] позволяет анализировать сигналы локально. Это обеспечивает мгновенную реак- цию системы и полную автономность датчиков. В качестве аппаратной платфор- мы для таких задач отлично подходят микроконтроллеры серии STM32F4. Они обладают оптимальным балансом про- изводительности ядра ARMCortex-M4 и имеют аппаратный блок вычислений с плавающей точкой (FPU). Реализация нейросетевых алгорит- мов на «голом железе» (Bare Metal) тре- бует специализированных инструмен- тов. В данной статье рассматривается практический опыт создания системы обнаружения аномальных вибраций с использованием платформы авто- матизации: NanoEdge AI Studio – про- граммной среды от STMicroelectronics для генерации оптимизированных библиотек аномалий. NeyrinoAI – авторская программа для мониторинга работы компакт- ных ML-моделей на микроконтрол- лере STM32F407. Использование готовых систем гене- рации библиотек накладывает ограни- чения в виде закрытого исходного кода. Для решения этой проблемы автором была разработана собственная библио- тека MML (Micro Machine Learning) [3]. Главная цель создания MML – обе- спечение полной технологической независимости разработки и возмож- ность гибкой настройки всей системы под конкретную инженерную задачу. Применение ИИ и машинного обучения Машинное обучение на микро- контроллерах – это разновидность моделей искусственного интеллек- та, запускаемых непосредственно на миниатюрных электронных ком- понентах с ограниченными вычис- лительными ресурсами (микрокон- троллерах или специализированных чипах), например, на STM32А407. Модель реализуется непосредствен- но на микроконтроллере, обучает- ся данными, поступающими с дат- чиков, и затем распознаёт полезные (обученные) данные в потоке сигна- ла или группы сигналов без помощи Интернета. Рассмотрим созданные библиотеки модели MML с помощью NanoEdge AI Studio и протестируем их работу от вибраций мотора. Оценим поведение трёхкомпонентного сигнала акселеро- метра и метрики схожести на экране ПК в приложении NeyrinoAI, специ- ально созданном автором для монито- ринга работы моделей MML. Создадим свою модель MML и также протести- руем её работу. Программное обеспечение NanoEdge AI Studio NanoEdge AI Studio – это бесплатное программное обеспечение от ST, позво- ляющее легко интегрировать искус- ственный интеллект в любые встроен- ные проекты, работающие на любом микроконтроллере Arm® Cortex®-M. Программное обеспечение NanoEdge AI Studio, работающее локально на ПК, принимает входные данные и гене- рирует библиотеку, которая вклю- чает в себя модель, её предваритель- ную обработку и функции для лёгкой интеграции в новые или существую- щие встроенные проекты. Проект обнаружение аномалий с библиотекой, сгенерированной NanoEdge AI Studio, обеспечивает обучение модели для различия двух типов поведения: номинального и аномального. Этот тип проекта также обладает уникальной возможностью переобу- чения непосредственно на микрокон- троллере. Для создания проекта нам потребу- ется набор данных, созданных с помо- щью NanoEdge AI или записанных с определённым форматом данных и сохранённых в виде текстового файла. Формат записи в файл: минимум 20 строк, 255 значений в строке. Дан- ные в строке имеют вид: значение X, значение Y, значение Z: «2 1 9 2 1 9 2 1 9 … и т.д.», где значение X = 2; значе- ние Y = 1; значение Z = 9. Этапы создания библиотеки MML. ● Настройка и загрузка аномальных и стандартных сигналов. ● Тест производительности будущей модели MML. ● Валидация – оценка «лучшей библи- отеки». ● Компиляция библиотеки MML. В результате NanoEdge AI создаёт библиотечный файл «libneai.a» с расши- рением *.a. Файл «libneai.a» – это отком- пилированная библиотека, в которой невозможно изменить или отредак- тировать код. Этот файл необходимо встроить в проект для использования функций машинного обучения. Более подробная информация о работе с ПО NanoEdge AI Studio доступ- на здесь [4]. Следует отметить, что перестро- ить или скорректировать созданную модель уже нельзя. Настройка модели происходит толь- ко на этапе сбора сигналов путём изменения амплитуды значений осей X, Y, Z. Программное обеспечение NeyrinoAI Проверку и сравнение поведения сгенерированных моделей будем про-