振动检测基础：振动信号物理意义、常见振动源、时域特征与频域特征简介
在TinyML振动检测项目中，理解振动信号的物理本质是后续特征工程与模型调参的基石。振动本质上是物体围绕其平衡位置进行的周期性或随机性机械运动，这种运动通过加速度、速度或位移等物理量被传感器捕获。对于嵌入式端而言，我们通常使用MEMS加速度计或压电传感器采集振动信号，其采样率、量程和分辨率直接决定了后续FFT（快速傅里叶变换）分析的频率分辨率和幅值精度。本章将系统梳理振动信号的物理意义、常见振动源类型，并重点解析时域与频域特征的计算逻辑及其在异常检测中的工程价值，为后续FFT参数选择与异常评分阈值联动调参建立理论支撑。
振动信号的物理意义与传感器选型约束
振动信号在物理层面表现为加速度、速度或位移随时间的变化。加速度与作用力直接相关（F=ma），因此加速度计对高频冲击和共振敏感；速度反映振动能量，常用于旋转机械的ISO 10816标准评估；位移则更适合低频结构变形监测。在TinyML场景中，MEMS加速度计因体积小、功耗低、接口简单（I2C/SPI）成为首选，但其带宽通常限制在1kHz-6kHz，且存在零漂和温度漂移。选型时需关注三个核心参数：量程（如±2g/±4g/±8g，需覆盖最大冲击峰值）、噪声密度（单位μg/√Hz，决定最小可检测振动幅值）、输出数据速率（ODR，决定可分析的最高频率）。例如，检测电机轴承故障时，特征频率通常在500Hz-5kHz，若ODR=1.6kHz，则奈奎斯特频率为800Hz，无法覆盖高频段，必须提高ODR或选用更高带宽传感器。
时域特征：从波形到统计量的工程映射
时域特征直接对原始采样序列进行统计计算，计算量小、适合嵌入式实时处理，但信息粒度较粗。常用特征包括：峰值（Peak）反映瞬时最大冲击，对轴承点蚀、齿轮断齿敏感；均值（Mean）反映直流分量，通常需去除以消除重力加速度影响；方差（Variance）或RMS（均方根值）反映振动能量水平，是旋转机械不平衡、松动的基础指标；峭度（Kurtosis）是四阶统计量，对冲击脉冲极为敏感，正常振动近似高斯分布（峭度≈3），当出现早期故障时峭度值显著升高（>3.5甚至>10）。峭度的计算公式为：
Kurtosis = (1/N) * Σ((x_i - μ)^4) / σ^4其中μ为均值，σ为标准差。在嵌入式实现时，为避免大数溢出，可采用递推算法或分块计算。时域特征的优势在于无需进行复杂变换，适合作为第一层快速筛查；但其缺点是无法区分不同频率来源的振动，例如工频干扰与轴承故障可能产生相似的RMS值。
| 时域特征 | 物理意义 | 典型故障关联 | 计算复杂度 |
|---|---|---|---|
| 峰值 | 最大瞬时冲击力 | 轴承点蚀、齿轮断齿 | O(N) |
| 均值 | 直流分量/重力偏置 | 安装倾斜、传感器零漂 | O(N) |
| 方差/RMS | 振动能量水平 | 不平衡、松动、磨损 | O(N) |
| 峭度 | 冲击脉冲概率分布 | 早期点蚀、裂纹 | O(N) |
| 峰值因子 | 峰值/RMS比值 | 冲击与磨损的区分 | O(N) |
频域特征：FFT频谱与功率谱的工程解读
频域分析通过FFT将时域信号分解为不同频率分量的幅值或能量分布，能够精确定位故障特征频率。对于N点采样序列，FFT输出N/2个有效频率点，频率分辨率Δf = Fs/N。例如，Fs=3200Hz，N=512，则Δf=6.25Hz，这意味着两个频率间隔小于6.25Hz的振动源无法被区分。功率谱（PSD）则进一步将幅值平方并归一化，反映各频率成分的功率贡献，更适合能量对比。在TinyML中，通常不直接使用全部FFT bins，而是将频谱划分为若干频段（如低频段0-100Hz、中频段100-1kHz、高频段1kHz以上），计算各频段的能量占比或能量绝对值作为特征。这种频段聚合方法既降低特征维度，又增强对噪声的鲁棒性。
案例拆解：离心泵轴承早期故障的时频联合诊断
某化工厂离心泵配置MEMS加速度计（量程±16g，ODR=4kHz），采集正常与故障两种状态数据。初始现象：泵体振动RMS值从1.2mm/s升至1.8mm/s，但仍在ISO 10816报警阈值（2.8mm/s）以下，传统RMS监测无法触发报警。进一步分析时域波形发现，峭度值从3.1升至4.8，峰值因子从4.2升至6.5，提示存在冲击脉冲。对512点窗口（Δf=7.8Hz）进行FFT分析，频谱在312Hz处出现明显峰值，且存在2倍频（624Hz）和3倍频（936Hz）谐波。结合轴承参数（滚动体数n=9，转频fr=24.5Hz，d/D=0.2，α=0°），计算BPFO = (9/2)×24.5×(1-0.2) = 88.2Hz，而312Hz并非BPFO或其谐波。进一步排查发现，312Hz接近叶片通过频率（BPF = 叶片数×转频 = 13×24.5 = 318.5Hz），判断为叶轮与隔舌间隙异常导致流体激励增强。最终通过调整叶轮间隙并更换磨损口环，振动RMS降至1.1mm/s，峭度恢复至3.0以下。
常见误区与调参联动要点
- 误区一：忽略直流分量去除。MEMS加速度计输出包含重力分量（1g），若不进行高通滤波或去均值，FFT频谱在0Hz附近会出现巨大能量泄漏，掩盖低频故障特征。建议在FFT前先减去窗口内均值，或采用一阶高通滤波器（截止频率1-5Hz）。
- 误区二：窗口长度与频率分辨率脱节。N过小导致Δf过大，无法分辨相邻特征频率；N过大则增加计算延迟和内存占用。在TinyML中，需根据MCU的RAM和实时性要求平衡，通常N=256或512，配合50%重叠率保证时间分辨率。
- 误区三：峭度阈值固定不变。不同工况（转速、负载）下正常振动峭度基线不同，建议在设备健康状态下采集基线数据，设定动态阈值（如基线均值+3σ）。
- 误区四：频段划分过于粗糙。将整个频谱简单分为低频/高频可能丢失窄带故障特征。建议根据设备结构参数计算特征频率，并围绕特征频率设置±5%的窄带监测窗口。