振动检测基础：位移、速度、加速度与传感器选型

在TinyML振动检测系统中，误报的根源往往不在算法层，而在信号采集的物理源头。如果传感器选型不当、安装方式错误或采样参数配置不合理，后续无论模型多么精巧，都无法从失真的数据中提取有效特征。本章从振动的基本物理量出发，厘清位移、速度、加速度三者之间的关系与适用场景，对比压电与MEMS两类主流传感器的特性差异，并深入讲解采样与量化过程中影响信号保真度的关键参数。只有把物理感知层的基础打牢，才能为后续FFT频谱分析和误报诊断建立可靠的输入前提。

核心原理：三个物理量的本质与工程含义

振动是物体围绕平衡位置的往复运动，描述这一运动有三个基本物理量：位移（Displacement）、速度（Velocity）和加速度（Acceleration）。三者之间存在严格的微积分关系：速度是位移对时间的一阶导数，加速度是速度对时间的一阶导数，也是位移的二阶导数。在旋转机械故障诊断中，这三个量各自对应不同的故障敏感频段：位移量对低频（如轴弯曲、不对中）敏感，速度量对中频（如齿轮磨损、轴承早期损伤）敏感，加速度量对高频（如轴承点蚀、齿轮齿面剥落）敏感。

从能量角度看，振动速度与振动能量直接相关，因此ISO 10816等国际标准采用速度有效值（mm/s RMS）作为设备状态评价的通用指标。然而在TinyML嵌入式场景中，加速度传感器（尤其是MEMS型）因其体积小、成本低、可直接输出数字信号，成为最主流的振动采集方案。加速度信号可以通过数值积分获得速度和位移，但积分过程会引入低频漂移和噪声放大，实际工程中通常直接对加速度信号进行FFT频谱分析，而非转换到其他物理量。

理解三者的频率响应特性对传感器选型至关重要。压电式加速度计利用压电晶体的正压电效应，将加速度转换为电荷信号，其谐振频率通常在20kHz以上，可用频带覆盖0.5Hz至10kHz，适合宽频振动测量。MEMS加速度计基于电容或压阻原理，内部包含微机械结构，其带宽通常限制在1kHz至5kHz，但对于大多数工业旋转设备（转速低于30000rpm）的故障特征频率已足够。下表对比了不同物理量在典型工业场景中的适用性：

传感器选型：压电与MEMS的工程博弈

压电式加速度计是传统工业振动监测的黄金标准。其核心优势在于：宽频响（最高可达20kHz以上）、高动态范围（可测量从微振动到数百g的冲击）、长期稳定性好、工作温度范围宽（-40°C至+120°C）。但压电传感器需要外置电荷放大器或ICP恒流源供电，输出为模拟电压信号，必须经过外部ADC采样，系统复杂度较高。此外，压电陶瓷材料在低频段（<0.5Hz）响应衰减明显，且成本相对较高。

MEMS加速度计近年来在状态监测领域快速渗透，其优势在于：集成度高（内部包含敏感结构、信号调理、ADC和数字接口）、功耗极低（典型工作电流<1mA）、体积小（3mm×3mm QFN封装）、成本低廉（批量采购单价可低至数元）。现代高性能MEMS加速度计（如ADI的ADXL355、ST的IIS3DWB）已具备±2g至±16g可选量程、20-bit分辨率、最高6.4kHz输出数据速率，足以覆盖大多数旋转机械的故障特征频率。但MEMS传感器在噪声密度、长期稳定性方面仍逊于压电传感器，且对温度漂移更敏感。

在TinyML振动检测项目中，选型决策应遵循以下判断流程：首先明确被测设备的最高转速和可能出现的故障特征频率，估算所需带宽；其次评估安装位置的温度、湿度和振动幅值范围；然后考虑系统功耗预算和通信接口约束；最后综合成本与供应链因素。对于便携式巡检设备或无线传感器节点，MEMS是首选；对于关键机组在线监测或需要捕捉高频冲击信号的场景，压电传感器仍不可替代。

采样与量化：决定FFT频谱质量的关键参数

采样是将连续时间信号转换为离散时间序列的过程，其核心约束是奈奎斯特采样定理：采样频率必须大于信号最高频率成分的两倍，否则会发生频谱混叠，导致高频成分折叠到低频区域，产生虚假的频谱峰值。在振动检测中，混叠是误报的重要来源之一——一个真实的轴承故障特征频率可能因混叠而出现在完全错误的频段，被模型误判为其他故障类型。

量化是将连续幅值映射为有限个离散电平的过程，其精度由ADC的分辨率决定。一个N-bit ADC的量化电平数为2^N，量化误差的均方根值约为LSB/√12。对于TinyML应用，12-bit分辨率通常是最低要求，16-bit则能提供更好的动态范围。但分辨率并非越高越好——高分辨率ADC往往采样率受限，且数据量增大对MCU存储和传输带宽造成压力。实际工程中，应根据振动信号的动态范围选择合适的分辨率：若信号幅值变化范围大（如同时存在微弱早期故障和强烈冲击），需要较高分辨率；若信号幅值相对稳定，12-bit已足够。

采样参数配置还涉及采样时长和FFT点数的权衡。FFT的频率分辨率Δf = fs / N，其中N为FFT点数。例如，采样率fs=3200Hz，FFT点数N=1024，则频率分辨率为3.125Hz。若要区分两个频率间隔小于3Hz的故障特征，就需要增加FFT点数或降低采样率。但增加N意味着需要更长的采样时长（T = N/fs），在TinyML设备上意味着更大的内存缓冲区和更长的处理延迟。下表给出了常见配置下的参数关系：

从上表可以看出，保持FFT点数与采样率同比例增长，可以维持相同的频率分辨率，但采样时长不变。这意味着在TinyML设备上，如果MCU的RAM足够容纳4096点的FFT缓冲区，就可以在0.32秒内完成一次覆盖6.4kHz带宽的频谱分析。对于大多数工业电机（转速<3600rpm，故障特征频率<2kHz），3200Hz采样率配合1024点FFT已经足够。

案例拆解：MEMS传感器在风机轴承监测中的参数配置

某工厂一台离心风机，转速为2980rpm（约49.7Hz），滚动轴承型号为6312，已知轴承外圈故障特征频率BPFO约为3.5倍转频（约174Hz），内圈故障特征频率BPFI约为5.4倍转频（约268Hz）。项目目标是在TinyML设备上实现轴承早期故障预警，要求误报率低于5%。

初始约束：设备采用STM32L4系列MCU（Cortex-M4，80MHz，512KB Flash，160KB RAM），传感器选用ADXL355（MEMS，±4g量程，20-bit分辨率，最高4kHz输出速率）。系统需连续运行，平均功耗不超过5mW。

参数计算过程：首先确定最高分析频率。轴承故障特征频率最高为BPFI的3倍谐波（约804Hz），加上安全裕量，设定最高分析频率为1kHz。根据奈奎斯特定理，采样率至少为2kHz，实际选择fs=2560Hz（满足2.56倍过采样率，便于FFT计算）。FFT点数选择N=1024，则频率分辨率Δf=2.5Hz，能够清晰分辨转频（49.7Hz）及其谐波，也能区分BPFO（174Hz）和BPFI（268Hz）的差异。采样时长T=1024/2560=0.4秒，满足实时性要求。

实际部署与问题：初始配置下，系统运行一周后出现多次误报。排查发现，误报集中在风机启动和停机阶段，此时转速变化剧烈，振动信号非平稳，FFT频谱中出现大量边带成分。进一步分析发现，ADXL355在±4g量程下，噪声密度约为25μg/√Hz，在1kHz带宽内噪声RMS约为0.8mg，而轴承早期故障的振动幅值通常在1-5mg范围，信噪比不足。

优化措施：将量程从±4g调整为±2g，分辨率提升一倍，噪声RMS降至0.4mg；在信号调理阶段增加高通滤波器（截止频率1Hz），抑制低频漂移；在算法层面增加转速同步触发采样，仅在稳定转速段采集数据。优化后，误报率降至2%以内，且成功捕捉到一次轴承外圈早期点蚀信号（特征频率174Hz处出现明显峰值）。

常见误区与总结复盘

在振动检测基础环节，工程师常犯以下错误：误区一：认为采样率越高越好，忽略了MCU处理能力和功耗约束，导致系统无法实时运行；误区二：混淆加速度、速度和位移的物理意义，直接用加速度频谱与速度标准（如ISO 10816）对比，得出错误结论；误区三：忽视抗混叠滤波，在ADC前未设置低通滤波器，导致高频噪声混叠到低频段，产生虚假特征频率；误区四：传感器安装方式不当（如使用过长的螺柱或磁吸座），导致传感器谐振频率降低，引入额外共振峰。

正确的工程实践应遵循以下流程：第一步，明确被测设备的转速范围和可能的故障类型，估算目标频段；第二步，根据频段选择传感器类型和量程；第三步，配置采样率和FFT点数，确保频率分辨率满足故障特征分离需求；第四步，在ADC前加入抗混叠滤波器（截止频率设为采样率的0.4倍）；第五步，进行现场标定，用已知频率的振动源验证系统测量准确性；第六步，记录传感器安装位置、方向和固定方式，确保可重复性。

总结本章核心要点：振动检测的物理基础决定了数据质量的上限，传感器选型是系统设计的起点，采样与量化参数直接影响FFT频谱的可信度。在TinyML项目中，务必在算法开发之前，先通过示波器或上位机软件检查原始时域波形和频谱，确认信号质量满足分析要求。只有物理层数据可靠，后续的误报诊断与修复才有意义。