【摘要】本文提出边缘 - 云端协同框架下的电动机微弱故障在线预警方法，在感知层采集电机振动、定子电流、轴承温度等多源时序信号，用小波包变换降噪并提取时频特征，构建融合注意力机制的轻量化 1D-CNN-BiLSTM 模型，用知识蒸馏、通道剪枝和 INT8 量化完成轻量化改造，适配嵌入式边缘网关算力限制，边缘端完成实时特征计算和故障概率推理，设计动态自适应预警阈值实现本地毫秒级预警，云端负责样本更新、模型迭代和故障溯源，只同步异常数据降低传输压力。经三相异步电机微弱故障实验验证，轻量化后模型参数量为4.32M，Jetson-Nano 边缘设备上单样本推理时长为16.3ms；-5～20dB 的噪声环境下故障识别准确率为96.7%，比云端方案的预警提前了2～4h，误报率降到 0.79%，可以满足工业现场在线实时预警的要求。