📚 课程目录第4章传感器与数据采集

4、传感器与数据采集：常用振动、电流、温度传感器原理，采样频率与数据格式选择

TinyML分类式故障识别的起点，并非模型算法，而是物理世界到数字信号的可靠映射。传感器选型不当、采样频率设置错误或数据格式混乱，将直接导致后续特征提取失真与模型泛化能力下降。本章聚焦旋转机械与电机系统的三类核心传感器——振动、电流、温度，深入解析其工作原理、选型要点、采样策略与数据封装格式，为构建高质量TinyML故障数据集奠定工程基础。

4.1 振动传感器：机械故障的“听诊器”

振动信号是旋转机械故障诊断中最具信息密度的物理量。轴承磨损、转子不平衡、不对中、松动等故障都会在振动频谱中留下特征指纹。TinyML场景下，振动传感器通常选用压电式加速度计，其核心原理基于压电效应：当晶体受到机械应力时，晶体表面产生与加速度成正比的电荷量。IEPE（Integrated Electronics Piezo-Electric）型传感器内置电荷放大器，将高阻抗电荷信号转换为低阻抗电压信号，可直接接入ADC。

  选型核心参数：
  灵敏度：通常为10~100 mV/g。高灵敏度适合低速设备（如风机、泵），低灵敏度适合高速重载设备（如主轴、齿轮箱）。
频率响应：必须覆盖故障特征频率。轴承外圈故障特征频率（BPFO）通常在1~5kHz，齿轮啮合频率可达10kHz以上。
量程：一般设备振动加速度不超过±10g，但冲击性故障（如齿轮断齿）可能达到±50g，需预留裕量。
安装谐振频率：螺柱安装时谐振频率最高（约30kHz），磁座安装会降至约8kHz，胶粘安装约5kHz。TinyML设备若使用磁座，需确认采样频率不超过安装谐振频率的1/3。

4.2 电流传感器：电机故障的“心电图”

电流信号用于电机故障诊断（MCSA，Motor Current Signature Analysis）具有非侵入性优势——无需在电机本体加装传感器，只需在供电线路上安装电流互感器或霍尔传感器。当电机出现转子断条、气隙偏心、轴承磨损时，定子电流中会出现特定频率的边带分量。霍尔效应传感器利用载流导体在磁场中产生霍尔电压的原理，可同时测量直流和交流分量，适合变频驱动场景。

电流传感器选型时需关注带宽与相位延迟。对于50Hz工频电机，故障特征频率通常出现在基频附近（如转子断条特征频率为 (1±2s)f，其中s为转差率），采样频率2kHz即可满足。但对于变频器供电的电机，开关频率（通常2~16kHz）会引入大量谐波干扰，需在模拟前端增加抗混叠滤波器，采样频率建议不低于8kHz。

传感器类型	测量原理	带宽	精度	TinyML适用场景
压电加速度计	压电效应	0.5Hz~10kHz	±5%	轴承、齿轮、不平衡
霍尔电流传感器	霍尔效应	DC~100kHz	±1%	电机断条、偏心、负载波动
罗氏线圈	电磁感应	1Hz~1MHz	±2%	高频谐波分析、瞬态电流
PT100铂电阻	电阻随温度变化	DC（慢变）	±0.1°C	轴承温升、绕组过热
热电偶（K型）	塞贝克效应	DC（慢变）	±1.5°C	高温环境、外壳温度

4.3 温度传感器：热故障的“预警哨”

温度信号变化相对缓慢，但能有效反映润滑失效、冷却系统故障、过载运行等长期退化过程。PT100铂电阻因线性度好、稳定性高，是轴承座和电机绕组温度监测的首选。其工作原理是铂的电阻值随温度近似线性变化，0°C时阻值100Ω，100°C时阻值138.5Ω。TinyML设备通常使用三线制或四线制接法消除引线电阻误差。

温度采样频率无需过高，1Hz即可捕捉绝大多数热故障过程。但需注意热时间常数：轴承座温度变化滞后于轴承实际温度约5~15分钟，因此温度特征适合作为慢速趋势特征，与振动、电流的快速特征互补。在TinyML模型中，温度通常作为辅助特征输入，帮助区分“机械磨损”与“润滑不良”等相似振动模式。

多传感器融合策略：振动传感器捕捉高频冲击特征（磨损、裂纹），电流传感器反映电磁与负载变化（断条、偏心），温度传感器提供长期退化趋势（润滑失效、过载）。三者采样频率差异巨大（振动25.6kHz vs 温度1Hz），在TinyML中需采用分层特征提取：高频信号先计算统计特征（RMS、峰值、峭度），再与低频温度特征拼接为固定长度特征向量。

4.4 采样频率与数据格式的工程决策

采样频率的设定需遵循奈奎斯特定理，但实际工程中需考虑更多约束。对于轴承故障诊断，若目标特征频率为BPFO=3.5kHz，理论上采样频率至少7kHz，但考虑到故障冲击的宽频激励特性，建议采样频率为特征频率的5~10倍，即17.5~35kHz。TinyML设备（如STM32F4系列）的ADC最高采样率约2.4MHz，但受限于内存与功耗，实际常用12.8kHz或25.6kHz。

数据格式选择直接影响模型输入维度与内存占用。原始时域波形数据量巨大（25.6kHz × 2字节 × 1秒 = 51.2KB），远超TinyML设备内存。因此，通常采用“分段统计+频域压缩”策略：将1秒数据分为10个窗口，每个窗口计算RMS、峰值因子、峭度、偏度、波形因子等6~8个统计特征，再叠加FFT频谱的特定频带能量（如1x、2x、3x转频），最终形成20~30维特征向量。这种格式既保留故障判别信息，又满足TinyML的存储与计算约束。

// 数据采集与特征提取伪代码（TinyML端）
#define SAMPLE_RATE 25600
#define WINDOW_SIZE 2560  // 0.1秒窗口
#define NUM_WINDOWS 10    // 共1秒数据

float raw_data[SAMPLE_RATE];  // 1秒原始振动数据
float features[NUM_WINDOWS][8]; // 每窗口8个特征

for (int w = 0; w < NUM_WINDOWS; w++) {
    float rms = 0, peak = 0, kurtosis = 0;
    for (int i = 0; i < WINDOW_SIZE; i++) {
        float val = raw_data[w * WINDOW_SIZE + i];
        rms += val * val;
        if (fabs(val) > peak) peak = fabs(val);
    }
    rms = sqrt(rms / WINDOW_SIZE);
    // 计算峭度、偏度等...
    features[w][0] = rms;
    features[w][1] = peak / rms;  // 峰值因子
    // ... 其余特征
}
// 最终特征向量：10窗口 × 8特征 = 80维，输入TinyML模型

4.5 实战案例：离心泵故障诊断传感器配置

背景与约束：某化工厂离心泵（转速2970rpm，4极电机驱动）频繁出现轴承故障，需部署TinyML在线监测系统。现场限制：不能停机安装侵入式传感器，泵体表面温度约60°C，控制柜内可安装边缘计算节点（STM32H743，1MB RAM）。

传感器选型与安装：

振动：选用IEPE加速度计（灵敏度100mV/g，量程±50g），磁座安装于泵轴承座水平方向。采样频率25.6kHz，每次采集1秒数据。
电流：选用霍尔电流传感器（量程0~50A，带宽10kHz），钳夹在电机U相电源线上。采样频率8kHz，与振动同步采集。
温度：选用PT100探头，胶粘于轴承座外壁，采样频率1Hz，持续监测温升趋势。

数据采集与特征提取：振动数据每0.1秒窗口提取RMS、峰值因子、峭度、波形因子、频带能量（1x、2x、3x转频）共8个特征，10个窗口共80维。电流数据提取基频幅值、边带幅值（(1±2s)f）、谐波畸变率共5个特征。温度数据取当前值与1小时前差值。最终特征向量86维，经PCA降维至32维后输入TinyML分类模型（2层DNN，参数量约2K）。

结果与复盘：系统运行3个月后，成功预警2次轴承早期磨损（振动峭度从3.2升至5.8，BPFO边带幅值增加40%），避免了非计划停机。但初期出现1次误报：温度传感器胶粘松动导致读数漂移，触发过热报警。复盘改进：增加温度变化率限制（<5°C/min），并采用双温度传感器冗余校验。

常见误区提醒：

采样频率越高越好？错误。过高采样率导致数据量爆炸，TinyML设备内存不足，且高频噪声可能淹没故障特征。应根据目标特征频率的5~10倍设定。
忽略抗混叠滤波：ADC采样前必须使用低通滤波器（截止频率为采样频率的0.4倍），否则高频噪声折叠到低频段，污染故障特征。
数据格式不统一：不同传感器数据需统一时间戳与采样窗口对齐，否则特征拼接时产生相位错位，降低模型精度。
忽视传感器安装谐振：磁座安装的谐振频率约8kHz，若采样频率25.6kHz，则8kHz以上的信号被严重衰减，无法捕捉高频冲击特征。

4.6 总结与工程决策清单

传感器与数据采集是TinyML故障识别的“地基工程”。振动传感器提供高频冲击信息，电流传感器反映电磁与负载状态，温度传感器捕捉长期退化趋势。三者采样频率差异巨大，需通过分层特征提取实现数据融合。工程实施中，应优先明确故障特征频率范围，据此选择传感器带宽与采样频率；数据格式采用“分段统计+频带能量”压缩策略，兼顾信息保留与内存约束；同时建立传感器安装质量校验流程（如锤击测试验证安装谐振），确保数据可靠性。

决策项	推荐方案	关键依据
振动传感器	IEPE加速度计，100mV/g	覆盖0.5~10kHz，适合轴承/齿轮
电流传感器	霍尔效应，带宽≥10kHz	非侵入，支持MCSA分析
温度传感器	PT100，三线制	精度高，长期稳定性好
振动采样频率	25.6kHz（轴承）	BPFO的5~10倍，兼顾内存
电流采样频率	8kHz	覆盖边带频率与谐波
温度采样频率	1Hz	热时间常数决定，无需高频
数据格式	窗口统计特征+频带能量	80~100维特征，适配TinyML

在实际部署中，建议先进行为期一周的“数据探索期”，采集正常、磨损、不平衡三种状态的样本各200组，通过频谱分析与特征可视化验证传感器配置是否有效捕捉故障差异。若发现特征重叠严重，需调整传感器安装位置或增加采样通道，而非盲目增加模型复杂度。只有数据采集环节扎实可靠，TinyML模型才能发挥其轻量、实时、低功耗的部署优势。