用两块 STM32、真实 CAN 通信链路和端侧 AI，搭建一套可复现、可解释、可降级的锂电池微短路预警系统。这里既是项目说明，也是从信号到模型再到部署的交互课堂。
F407 固件模拟 BMS 数据源，H743 接收真实 CAN 帧并完成预警。验证算法时不需要让真实电池进入危险状态。
| 帧 ID | 数据定义 | 解码规则 |
|---|---|---|
| 0x123 | 单体电压组（需拆帧） | 经典 CAN：每帧最多 8 字节；2B/路时最多 4 路 |
| 0x124 | 总电流 | 2 字节 × 1 mA |
| 0x125 | 温度 | 2 字节 × 0.1 °C |
| 0x126 | 电量 SOC | 1 字节，0–100% |
用交互模拟串起实物搭建、数据采集、PC 训练和 H743 部署。可按步骤操作，也可直接播放完整流程。
先采覆盖不同 SOC 与正常工况的数据来训练；故障注入数据留作评估。采集时同时保存时间戳、原始帧、工况和注入命令。
训练数据使用覆盖低、中、高 SOC 的正常窗口。这里用一个可视化的教学训练过程演示“损失逐步下降”，数值不代表真实训练结果。
等待接收特征窗口—故障注入发生在 F407 固件数据层，预警器仍走完整的 CAN 收帧与推理路径。无需真实电池短路即可验证算法。
单体电压按设定速率缓慢下降。文档示例：2 mV/min，持续 10 min，用于观察长期趋势。
单体电压约 ±5 mV 周期波动。帮助比较方差、斜率与样本熵对不同异常形态的响应。
单体瞬间下降 50 mV，作为明显故障对照，检验突变检测与紧急报警通路。
课堂演示重点放在第 2–5 步：数据如何变成特征、正常模型如何学到边界、INT8 如何压缩、以及量化前后如何验证。板端推理必须保留规则式保护回退。
先看完整的数据旅程，再一步步学会：AI 为什么能预警、它看什么、怎么放进芯片，以及怎样验证它真的有用。
想象电池是一排水杯。每只杯子的水位就是单体电压。正常时水位变化很接近；如果一只杯子悄悄漏水，它可能很久以后才明显变低。我们的工作是在它低到危险之前，发现那一点点持续变化。
电池管理板 F407 像一位记录员，每 100 毫秒把几类数据写进 CAN 报文。预警板 H743 像收件人，按报文 ID 找到数据，再换算回电压、电流和温度。
微短路早期很慢，单看某一帧几乎看不出来。我们把连续数据放进一个滑动窗口，再算出摘要特征。就像不只看今天体温，而是看最近一段时间的变化。
微短路早期样本难收集，形态也可能没见过。这个方案用自编码器做无监督异常检测：它只学习正常窗口的输入输出关系。遇到陌生模式，如果重建得很差，误差会变大。
系统会综合单体压差变化、总压下降、SOC 变化和突变信号得到风险评分。教学示例用 60 分作为预警线、85 分作为报警线。真实阈值必须通过正常与注入故障实验校准。
PC 上训练出的模型通常使用浮点数。STM32 资源有限，项目计划把模型转成 INT8，再生成 C 代码放进 H743。压缩成功不等于部署成功：必须做数值对比、指标评估和目标板测试。
演示系统的价值在于可复现地比较。正式结论必须依赖记录完整的测试集、工况和指标定义。