AI 课程顾问
AI 在线
AI 建议仅供参考,最终课程安排以入学评估为准

用 RT-Thread Titan Board 搭建真实工业物联网系统——从传感器到云平台,掌握智能制造的核心技术。
工业物联网不是设备连上网,而是让沉默的机器开口说话。从一条产线的振动传感器数据,到整座工厂的数字孪生,工业物联网是第四次工业革命的神经系统。这门课将让你站在工厂现场,用 RT-Thread Titan Board 做边缘节点,用 Modbus/MQTT 打通设备通信,用 Coze 构建实时数据看板——你将亲手打造一个智能工厂的完整数字基础设施。世界上的每一座工厂都在经历数字化改造,而你将拥有参与这场变革的核心能力。
你被任命为一家中型汽车零部件工厂的「首席物联网架构师」。这座工厂有 50 台设备(冲压机、焊接机器人、CNC 加工中心、注塑机、传送带),但设备来自 5 个不同的制造商,使用 Modbus RTU、Modbus TCP、EtherNet/IP、Profinet 四种协议。 你的任务是在 3 个月内,完成以下挑战: 1. 设计一个统一的数据采集网关架构,用 RT-Thread Titan Board 做边缘节点,将所有 50 台设备的数据汇聚到一条 MQTT 总线上 2. 为主轴承(冲压机的核心部件)搭建预测性维护模型——从振动传感器选型到 AI 模型部署到 Titan Board 做边缘推理 3. 用 Coze 搭建实时 OEE(设备综合效率)看板,配置异常告警 Bot 4. 评估整个系统的网络安全风险,设计纵深防御策略 限时 3 个月、预算 50 万人民币——你能把这座工厂带进工业 4.0 时代吗?
我们不考试。我们相信真正的能力无法用试卷衡量——用项目答辩、作品集和同伴评审来评估成长。
工业物联网架构论文
选择一个真实工厂场景,设计完整的 IIoT 架构方案(传感器→边缘→云→应用),评估成本、安全性和可扩展性。
多协议网关实战
用 Titan Board 搭建一个支持 Modbus→MQTT 协议转换的智能网关,处理至少3种不同协议的设备数据。
预测性维护算法挑战
基于公开工业数据集(如 NASA 涡轮风扇),训练并优化一个设备故障预测模型,达到 85%+ 准确率。
四人团队,模拟一座真实工厂的数字化改造:用 Fusion 360 设计传感器安装支架,用 Titan Board 做 5+ 节点边缘数据采集,通过 MQTT 汇聚到 Coze 数据看板,用 Qoder 部署 AI 预测性维护模型。最终需交付:可运行的系统 Demo、完整技术方案文档、5分钟商业路演。
王磊
前西门子工业 IoT 架构师,10年智能制造经验,主导多个工厂数字化改造项目。
建议完成电子电路与嵌入式开发
15-18 岁,已完成嵌入式基础