ESP32 с Bluetooth-стеком nimble поддерживает классическую схему advertising + scan response. Это значит, что можно отправлять базовый рекламный пакет (до 31 байта) и дополнять его ответом на сканирование. Насколько мне известно, ESP32 не поддерживает extended advertising, его стек не реализует передачу за пределами 37, 38, 39 adv. каналов. Scheduled advertising, как я понял, также пока не поддерживается. В Major Feature Support в таблице указано, что сейчас поддерживается, а что в разработке. Для экспериментов я приобрел также nRF52840 Dongle, думаю с ним можно эти фичи протестировать. Сейчас его использую в качестве сниффера BLE в Wireshark
Вы правы, это не досказано. Подразумевается, что существует IoT платформа, которая развернута в частном или публичном облаке. Приложение отдает данные по MQTT. Далее, конечно, зависит от конкретики. У меня был проект, где данные о производительности нефтяных скважин собирались с помощью Edge-платформы. Затем данные агрегировали в течение определённого времени и передавали в ML workflows. А логика workflow уже может предупреждать аварийные ситуации, проводить virtual rate estimation, и сравнивать с текущей и так далее.
Можете писать в личку, если надо что-нибудь уточнить. Теорию я на самом деле описал общими словами. По I2C в основном брал материал с первой книги, мне показалось, что там довольно просто и наглядно написано. Не думал, что будет сложно для восприятия. Но на заметку принял. Я в свое время изучал по академическим материалам, там более детально с математикой
Спасибо. Я бегло просмотрел статью по ссылке. Подход там похожий. И модель сети тоже, последний слой - softmax для вычисления вероятностей классов. Используется Arduino среда, думаю, можно адаптировать на разные МК. В приведенных книгах есть примеры для Arduino и Raspberry pi Pico
В книге TinyML Cookbook жесты cirlce, cross, pad используются для управления просмотра Youtube. Я тоже решил взять эти три жеста, хотя никто не мешает выбрать любые другие. Мне понравилось, что в книге дается простое объяснение разным вопросам. Поэтому я дал ссылку на источники, чтобы читатель смог самостоятельно ознакомится с материалом в случае необходимости. Но я решил реализовать модель с нуля. Пробовал разные структуры сети, начал с LSTM, но остановился на модели, что привел в статье, она простая, быстро обучается на данной выборке, число нейронов можно можно даже уменьшить в два раза.
Четвертый класс есть смысл добавить, я скорее так и сделаю. Но, опять же никто не мешает любому добавить нужный класс, это делается легко. Выбирается нужный жест, делается его запись в файл, в словарь gestures добавляется имя класса, а выход softmax увеличивается на 1.
Надеюсь, издательство "Лань" выпустит издание с keras 3). У меня установлена keras 3.6.0. И модель строил в этой версии. Думаю многое зависит от структуры модели. Есно, после конвертации модель нужно тестировать.
Мне было интересно сбилдить tensorflow C++ на Raspberry pi, это не занимает много времени и ресурсов, и поведение модели похоже как на МК. Ну, как вы заметили, варианты могут быть разные.
ESP32-S3 клеиться прямым образом, он у меня был в наличии, и на нем тестировалась модель. В моем случае этом проекте ESP32-S3 потребляет 0,08 - 0.1 А, средняя температура 38 ℃
Спасибо за отзыв. PID-регулятор на самом деле еще как актуален. В предыдущих статьях я использовал его в примерах. Особенно важен вопрос оптимизации PID-параметров. Есть разные методы, как Simplex (Нелдера-Мида), генетический алгоритм и т.д.
Пожалуйста). Возможно вы правы. Я уже вынес bluetooth часть в отдельную статью, которую скоро опубликую. Обычно пишу статьи, объединяющие разные тематики. С одной стороны хочется как-либо ужать материал, сделать более доступным, с другой стороны кажется, что материала одной тематики в сжатом виде для статьи будет не достаточно. Видел, что некоторые авторы создают и публикуют серии.
В этой статье угол ротора модели двигателя тоже имитируется. Вначале интегрируется выражение с моментом, получается угловая скорость. А затем еще раз интегрируется и получается угол
Vernier Hybrid - интересный тип машин, у которых высокий момент в широком диапазоне скорости. Статьи по этой теме можно найти с 2001 г, например, https://etheses.dur.ac.uk/3802/1/3802_1363.pdf. Если получится найти или построить модель, можно будет сравнить.
Посмотреть в сторону векторной ШИМ (SVPWM), вырабатывающей duty согласно сравнению фазных напряжений. Можете в этой статье глянуть, или поискать в сети. Ну полный контроль, это уже когда полностью все в железе). Но это отдельная тема, нужно много чего предусматривать в прошивке, думаю, вы и так знаете
Можно попробовать портировать на STM32 или ESP32, доработать SVPWM. Подключить потом, например, к Matlab/Simulink для симуляции controller-plant (PMSM). В Scilab тоже есть тублокс STM32, но, боюсь, он уже давно не рабочий. А если портировать на Arduino, то можно и в Scilab, тулбокс рабочий, есть книжки где рассказано что и как.
Судя по всему, на kickstarter пожертвования начинаются с 19 £ (около 26 $).Комплект с антенной (вроде как для ранних покупателей) - 24 £ (около 32 $)
ESP32 с Bluetooth-стеком nimble поддерживает классическую схему advertising + scan response. Это значит, что можно отправлять базовый рекламный пакет (до 31 байта) и дополнять его ответом на сканирование. Насколько мне известно, ESP32 не поддерживает extended advertising, его стек не реализует передачу за пределами 37, 38, 39 adv. каналов. Scheduled advertising, как я понял, также пока не поддерживается. В Major Feature Support в таблице указано, что сейчас поддерживается, а что в разработке. Для экспериментов я приобрел также nRF52840 Dongle, думаю с ним можно эти фичи протестировать. Сейчас его использую в качестве сниффера BLE в Wireshark
Вы правы, это не досказано. Подразумевается, что существует IoT платформа, которая развернута в частном или публичном облаке. Приложение отдает данные по MQTT. Далее, конечно, зависит от конкретики. У меня был проект, где данные о производительности нефтяных скважин собирались с помощью Edge-платформы. Затем данные агрегировали в течение определённого времени и передавали в ML workflows. А логика workflow уже может предупреждать аварийные ситуации, проводить virtual rate estimation, и сравнивать с текущей и так далее.
Пожалуйста)
Пожалуйста. Пробуйте на практике тоже по материалам из статьи или книг. В комментариях тоже ссылки давали на подобные проекты
Можете писать в личку, если надо что-нибудь уточнить. Теорию я на самом деле описал общими словами. По I2C в основном брал материал с первой книги, мне показалось, что там довольно просто и наглядно написано. Не думал, что будет сложно для восприятия. Но на заметку принял. Я в свое время изучал по академическим материалам, там более детально с математикой
Спасибо. Я бегло просмотрел статью по ссылке. Подход там похожий. И модель сети тоже, последний слой - softmax для вычисления вероятностей классов. Используется Arduino среда, думаю, можно адаптировать на разные МК. В приведенных книгах есть примеры для Arduino и Raspberry pi Pico
Пожалуйста. Удачи вам с экспериментами. Пробуйте разные МК и фреймворки для сравнения.
Спасибо за комментарий.
В книге TinyML Cookbook жесты cirlce, cross, pad используются для управления просмотра Youtube. Я тоже решил взять эти три жеста, хотя никто не мешает выбрать любые другие. Мне понравилось, что в книге дается простое объяснение разным вопросам. Поэтому я дал ссылку на источники, чтобы читатель смог самостоятельно ознакомится с материалом в случае необходимости. Но я решил реализовать модель с нуля. Пробовал разные структуры сети, начал с LSTM, но остановился на модели, что привел в статье, она простая, быстро обучается на данной выборке, число нейронов можно можно даже уменьшить в два раза.
Четвертый класс есть смысл добавить, я скорее так и сделаю. Но, опять же никто не мешает любому добавить нужный класс, это делается легко. Выбирается нужный жест, делается его запись в файл, в словарь gestures добавляется имя класса, а выход softmax увеличивается на 1.
Надеюсь, издательство "Лань" выпустит издание с keras 3). У меня установлена keras 3.6.0. И модель строил в этой версии. Думаю многое зависит от структуры модели. Есно, после конвертации модель нужно тестировать.
Мне было интересно сбилдить tensorflow C++ на Raspberry pi, это не занимает много времени и ресурсов, и поведение модели похоже как на МК. Ну, как вы заметили, варианты могут быть разные.
ESP32-S3 клеиться прямым образом, он у меня был в наличии, и на нем тестировалась модель. В моем случае этом проекте ESP32-S3 потребляет 0,08 - 0.1 А, средняя температура 38 ℃
Спасибо за отзыв. PID-регулятор на самом деле еще как актуален. В предыдущих статьях я использовал его в примерах. Особенно важен вопрос оптимизации PID-параметров. Есть разные методы, как Simplex (Нелдера-Мида), генетический алгоритм и т.д.
Пожалуйста. Успехов вам в разработке! Можете также посмотреть на https://qengineering.eu/deep-learning-examples-on-raspberry-32-64-os.html ресурс, где выложены примеры готовыми моделями для распознавания изображений для микрокомпьютеров
В моих экспериментах вероятности вычисляются буквально сразу после получения данных за 2.5 секунды
Пожалуйста). Возможно вы правы. Я уже вынес bluetooth часть в отдельную статью, которую скоро опубликую. Обычно пишу статьи, объединяющие разные тематики. С одной стороны хочется как-либо ужать материал, сделать более доступным, с другой стороны кажется, что материала одной тематики в сжатом виде для статьи будет не достаточно. Видел, что некоторые авторы создают и публикуют серии.
В этой статье угол ротора модели двигателя тоже имитируется. Вначале интегрируется выражение с моментом, получается угловая скорость. А затем еще раз интегрируется и получается угол
Можно построить зависимость на сравнении токов id, id, например как здесь https://www.youtube.com/watch?v=meiSnvJ4dJI. Есть алгоритмы наблюдателей, измеряющих обратную ЭДС https://scispace.com/pdf/improved-rotor-position-and-speed-estimators-for-sensorless-3o3f06ymlo.pdf
Vernier Hybrid - интересный тип машин, у которых высокий момент в широком диапазоне скорости. Статьи по этой теме можно найти с 2001 г, например, https://etheses.dur.ac.uk/3802/1/3802_1363.pdf. Если получится найти или построить модель, можно будет сравнить.
Здорово. Надеюсь, найдете что-нибудь полезное. Идея интересная, возможно попробую тоже
Посмотреть в сторону векторной ШИМ (SVPWM), вырабатывающей duty согласно сравнению фазных напряжений. Можете в этой статье глянуть, или поискать в сети. Ну полный контроль, это уже когда полностью все в железе). Но это отдельная тема, нужно много чего предусматривать в прошивке, думаю, вы и так знаете
Можно попробовать портировать на STM32 или ESP32, доработать SVPWM. Подключить потом, например, к Matlab/Simulink для симуляции controller-plant (PMSM). В Scilab тоже есть тублокс STM32, но, боюсь, он уже давно не рабочий. А если портировать на Arduino, то можно и в Scilab, тулбокс рабочий, есть книжки где рассказано что и как.
Да, спасибо, поправил )