振动基础：振动定义、振动参数（位移、速度、加速度）、振动频率与幅值
在进入TinyML振动数据采集的工程细节之前，必须先建立对振动本身的物理与数学认知。振动不是简单的“来回动”，而是一个包含时间、空间、能量与频率的多维信号。对于TinyML开发者而言，理解振动参数的本质差异，直接决定了传感器选型、采样率设置、特征提取方式以及模型输入格式。本节将从振动定义出发，系统拆解位移、速度、加速度三个核心参数的物理意义与换算关系，并深入解析频率与幅值在时域和频域中的表现，为后续数据采集与预处理打下坚实的理论基础。
2.1 振动定义与物理本质
振动是物体围绕其平衡位置或参考位置进行的往复运动。从力学角度看，振动是系统在恢复力、阻尼力和外部激励共同作用下的动态响应。在工业设备中，振动源于旋转部件的不平衡、轴承缺陷、齿轮啮合冲击、流体脉动、结构共振等多种物理机制。对于TinyML应用而言，振动信号是设备健康状态的“指纹”——不同的故障模式会在振动信号中留下独特的时域波形和频域特征。
振动系统的基本模型可以用单自由度质量-弹簧-阻尼系统描述，其运动方程为：
m·x''(t) + c·x'(t) + k·x(t) = F(t)其中，m为质量，c为阻尼系数，k为刚度，x(t)为位移，x'(t)为速度，x''(t)为加速度，F(t)为外部激励力。这个方程揭示了振动参数之间的内在联系：位移、速度、加速度本质上是同一个运动状态的不同阶导数。理解这一点，对于后续选择传感器类型和解释测量结果至关重要。
2.2 振动参数：位移、速度与加速度
振动测量中，位移、速度、加速度三个参数各有其物理意义和适用场景。它们之间通过微分或积分关系相互转换，但在实际工程中，由于传感器原理和频率响应的差异，不能简单互换。
| 参数 | 定义 | 常用单位 | 频率敏感度 | 典型应用场景 |
|---|---|---|---|---|
| 位移 | 物体偏离平衡位置的距离 | μm, mm, mil | 低频（<100 Hz） | 轴心轨迹、低频结构变形、机床精度 |
| 速度 | 位移的变化率 | mm/s, in/s | 中频（10 Hz~1 kHz） | 旋转机械整体振动评价（ISO 10816） |
| 加速度 | 速度的变化率 | g, m/s² | 高频（>1 kHz） | 轴承故障、齿轮啮合、冲击脉冲 |
在TinyML振动采集中，加速度计是主流的选择。原因有三：第一，MEMS加速度计体积小、成本低、功耗低，适合嵌入式部署；第二，加速度信号对高频故障成分敏感，而轴承、齿轮等关键部件的早期故障恰恰表现为高频冲击；第三，加速度信号可以通过积分获得速度和位移，但反之则不可行（积分会放大低频噪声）。
三个参数之间的数学关系在正弦振动下尤为清晰。设位移为 x(t) = A·sin(2πft)，则速度为 v(t) = 2πf·A·cos(2πft)，加速度为 a(t) = -(2πf)²·A·sin(2πft)。可以看出，每微分一次，幅值乘以角频率 ω = 2πf。这意味着：在低频时，位移幅值大而加速度幅值小；在高频时，加速度幅值大而位移幅值小。这也是为什么低频振动适合用位移或速度测量，而高频振动必须用加速度测量的根本原因。
2.3 振动频率与幅值
频率是振动信号最重要的分类维度。在旋转机械中，振动频率通常以转频（1X）为基准，即 f₀ = RPM / 60。例如，3000 RPM 的设备转频为 50 Hz。实际振动信号中，除了基频 1X 外，还包含 2X、3X 等整数倍谐波，以及非整数倍的边带频率、固有频率和随机噪声成分。
幅值则表征振动的强度或能量。常用的幅值表示方法包括：
- 峰值（Peak）：信号的最大瞬时值，适用于冲击类故障检测。
- 峰峰值（Peak-to-Peak）：正负峰值之差，常用于位移测量。
- 均方根值（RMS）：信号能量的有效值，适用于稳态振动评价。
- 峰值因数（Crest Factor）：峰值与RMS之比，用于识别早期轴承故障。
在频域分析中，幅值谱（Amplitude Spectrum）展示了各频率成分的幅值大小。对于TinyML应用，通常对加速度时域信号做FFT变换，提取频谱特征作为模型输入。需要注意的是，FFT的分辨率取决于采样时长：Δf = 1/T，其中T为采样总时长。例如，采样时长1秒，频率分辨率为1 Hz；采样时长0.1秒，分辨率则为10 Hz。
2.4 振动参数选择与TinyML工程决策
在TinyML项目中，振动参数的选择直接影响硬件成本和模型性能。以下是参数选择的决策流程：
- 明确目标故障类型：轴承点蚀、齿轮断齿等高频故障优先选加速度；不平衡、不对中等低频故障可考虑速度或位移。
- 确定频率分析范围：根据设备转速和故障特征频率，估算最高分析频率 f_max。
- 计算最小采样率：根据Nyquist定理，采样率 f_s ≥ 2×f_max，工程上建议 f_s ≥ 5×f_max。
- 选择传感器量程：预估最大振动幅值，留出 1.5~2 倍裕量，避免削波。
- 确定采样时长：根据所需频率分辨率 Δf 计算 T ≥ 1/Δf。
2.5 案例拆解：电机轴承故障的振动参数选择
某工厂一台 4 极异步电机，额定转速 1480 RPM，轴承型号为 6205。计划通过TinyML实现轴承故障诊断。初始方案直接采用加速度计，量程 ±2g，采样率 1 kHz，采样时长 0.5 秒。
问题分析：该方案存在两个关键缺陷。第一，6205 轴承外圈故障特征频率（BPFO）约为 3.05×转频，即 3.05×24.67 Hz ≈ 75.2 Hz，但内圈故障（BPFI）约为 4.95×转频 ≈ 122 Hz，滚动体故障（BSF）约为 2.0×转频 ≈ 49 Hz。这些频率本身不高，但故障冲击会激发轴承固有频率（通常 2~5 kHz），因此需要更高的采样率才能捕捉冲击特征。第二，±2g 量程在正常运行时可能足够，但轴承早期故障的冲击峰值可达 5~10g，容易削波。
改进方案：
- 采样率提升至 12.8 kHz（覆盖 5 kHz 分析带宽，满足 2.56 倍过采样工程惯例）。
- 量程调整为 ±8g，确保冲击峰值不削波。
- 采样时长设为 1 秒，频率分辨率达到 1 Hz，足以区分 49 Hz 与 50 Hz 的细微差异。
- 特征提取：计算时域峰值、RMS、峰值因数，并提取 0~5 kHz 频谱的包络谱特征。
结果对比：改进后，模型在轴承外圈故障识别上的准确率从 78% 提升至 96%，且能提前 3~5 天预警早期故障。代价是数据量从 500 点/样本增加到 12800 点/样本，但通过边缘端FFT降维后，模型输入特征仅需 64 维，TinyML推理时间仍保持在 15 ms 以内。
复盘经验：振动参数选择不是“越大越好”或“越小越好”，而是要与目标故障的物理特征匹配。采样率、量程、采样时长三者相互制约，必须在项目初期就进行系统设计。
2.6 常见误区与总结
在振动基础知识的应用中，以下误区值得特别注意：
- 误区一：认为加速度信号可以直接替代速度或位移。实际上，积分操作会引入低频漂移和噪声放大，需要高通滤波配合。
- 误区二：忽略传感器安装谐振频率。MEMS加速度计粘贴在设备表面时，安装方式（胶粘、磁吸、螺柱）会改变有效频率响应范围。
- 误区三：只关注幅值而忽略频率。两个幅值相同的振动信号，可能对应完全不同的故障类型。
- 误区四：采样率设置过高导致数据冗余，增加TinyML模型的计算负担和功耗。