TI边缘AI技术如何融入实时控制系统

德州仪器 (TI) 技术专家亮相系列主题论坛带来众多领域深刻的技术洞察，了解 TI 的产品和技术如何助力技术进步，塑造“芯”未来。

适用于实时控制系统并

由 AI 赋能的高精度故障监控

谈及人工智能，大家往往想到生成式 AI。但边缘 AI正在我们的日常生活和工业制造中发挥着重要作用——在控制系统中融入边缘 AI，可在电机驱动器、太阳能和电池管理应用实现电机及电弧故障检测，显著影响系统的效率、安全性和生产力，这对于能源转型与工业 4.0 的发展具有重要意义。

德州仪器现场应用工程师在日前举办的慕尼黑上海电子展2025 年 AI 技术创新论坛上分享了TI 边缘 AI 技术如何融入实时控制系统，并进行高精度故障监控。

为什么需要故障检测？

一方面，在光伏电网、充电站、家用逆变器等能源系统中，有效的直流电弧故障检测能够显著降低因电线脱落或触点断裂引发的火灾风险，避免财产损失和人员伤亡。另一方面，通过电机驱动器实现早期故障检测不仅能大幅减少设备停机时间和维修成本，更能有效提升系统整体安全性。

而基于边缘 AI 进行检测具备诸多优势：

分类准确率 >98%，支持每个模型多个类别

由于有效的 NN 特征提取，抗噪声和故障能力强

可不断学习和更新模型参数

以数据驱动检测算法

依靠数据收集和训练来确定故障类型，需要较少的相关领域专业知识

TI 推出的基于边缘 AI 且具有故障检测功能的F28P55xMCU可在本地运行 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。

论坛上，TI 技术专家还介绍了采用 TI 工具链的解决方案开发流程，已帮助设计人员更便捷地完成开发：

评估平台：使用现有 EVM + LP 作为故障检测 EVM

训练数据收集：使用数据采集工具在传感器数据采集，或在 PC 与目标 LP 之间通信

模型训练和编译：使用 TI 在线工具 edge AI Studio 完成训练、验证、测试数据及 AI 模型编译；使用离线工具 Model Maker 进行定制模型开发机离线数据训练

模型与应用程序集成：在 C2000 边缘部署代码（CCS、API 库、SDK）