3. 制造过程数据采集与信号处理

制造过程缺陷预测的第一步，是把“物理世界正在发生什么”变成“可计算的数据”。这一步的质量直接决定后续模型的上限：如果传感器选错、采样参数设置不当、噪声没有处理干净，再复杂的算法也只能在垃圾数据上做无效拟合。本节围绕传感器选型、数据采集系统搭建、噪声滤波与特征提取四个环节，说明从物理量到可用特征向量的完整链路。

一、传感器选型：先明确“测什么、测哪里、要多快”

传感器选型不是从型号表开始，而是从缺陷机理反推。以数控铣削颤振导致表面波纹为例，需要捕捉的是刀具与工件之间高频相对振动，频率通常在 500～5000 Hz；若目标是监测主轴轴承早期磨损，则更关注 1～10 kHz 的冲击性高频能量。测点位置同样关键：振动传感器应尽量靠近刀具—工件接触区，且安装面要平整、刚性足够，磁吸座在 2 kHz 以上会引入明显衰减，此时应改用螺栓或胶粘固定。

选型时至少核对以下参数：

• 量程与灵敏度：加速度传感器灵敏度常见 10 mV/g 或 100 mV/g。大量程（±500 g）适合冲击监测，高灵敏度（100 mV/g）适合微小振动，但需确认不与采集卡输入范围冲突。
• 频响范围：必须覆盖目标特征频率，并留出至少 2 倍余量，避免截止频率附近相位失真。
• 采样率：依据奈奎斯特采样定理，采样率应大于目标最高频率的 2 倍；工程上通常取 2.56～5 倍，例如关注 5 kHz 特征时选 25.6 kHz 采样率。
• 环境适应性：切削液、铁屑、高温、电磁干扰都会影响信号，需确认防护等级与屏蔽方式。

除振动外，制造过程常用信号还包括：主轴电流（间接反映切削力）、声发射（适合微裂纹与刀具破损）、温度（热变形）、力/扭矩（直接反映切削载荷）。多源信号互补，但每增加一路都要评估同步与成本。

二、数据采集系统：从模拟信号到数字序列

典型采集链路为：传感器 → 信号调理（放大、滤波、隔离）→ 抗混叠滤波 → ADC 采样 → 时间同步 → 数据存储。其中抗混叠滤波必须在 ADC 之前完成，否则高于奈奎斯特频率的成分会折叠到低频，形成无法事后去除的假频。

采集系统配置需关注几个实际参数。以 4 通道振动采集为例：采样率 25.6 kHz、16 位分辨率、量程 ±5 V。16 位 ADC 在 ±5 V 下的理论分辨率为 10 V / 65536 ≈ 0.153 mV，若传感器灵敏度为 100 mV/g，则最小可分辨加速度约 0.0015 g，足以捕捉早期微弱振动。多通道之间必须共时钟同步，否则通道间相位差会破坏波束形成或相关分析。

数据落盘时建议保留原始时域波形，同时记录元数据：采样率、量程、传感器型号与安装位置、工件材料、刀具编号、切削参数。这些元数据是后续按工况分层建模的基础，缺失后很难补回。

三、噪声滤波：先诊断再处理

制造现场噪声来源复杂：工频干扰、变频器开关噪声、刀具切入冲击、机床结构共振、传感器电缆抖动。滤波前应先做频谱分析，确认噪声频段与缺陷特征频段是否重叠。若重叠，简单低通或带通会同时削弱缺陷信息，此时应改用自适应滤波或小波去噪。

常用方法及适用场景：

• 滑动平均：实现简单，对随机白噪声有效，但会平滑掉高频冲击成分，不适合刀具破损监测。
• 中值滤波：对脉冲噪声（如铁屑撞击）抑制效果好，窗口长度一般取 3～5 点。
• 带通滤波：围绕缺陷特征频带设计，例如颤振监测选 500～5000 Hz，可显著提升信噪比。
• 小波阈值去噪：对非平稳信号效果好，需选择合适小波基（如 db4）与分解层数，阈值常用软阈值。
• 陷波滤波：针对 50 Hz 工频及其谐波，Q 值不宜过高，否则会引入振铃。

滤波效果不能只看波形“是否光滑”，而应对比滤波前后特征值的变化。例如某段铣削振动信号滤波前 RMS 为 2.3 g，带通滤波后 RMS 为 1.1 g，但 1200 Hz 处谱峰幅值仅下降 8%，说明噪声被压制而特征保留，这是可接受的。

四、特征提取：把波形压缩成可建模的向量

原始波形每秒数万点，无法直接输入预测模型，需要提取低维特征。时域特征计算快、物理意义明确：RMS 反映振动能量，峰值反映瞬时冲击，峭度对早期故障敏感（正常轴承峭度约 3，出现剥落时可达 5 以上）。频域特征通过 FFT 获得，主频位置可判断颤振频率，边带间隔可对应轴承故障特征频率。时频特征如短时傅里叶变换、小波包能量比，适合切削力随刀具磨损逐渐变化的非平稳过程。

实际工程中常构造一个特征向量，例如：[RMS, 峰值因子, 峭度, 主频幅值, 500–2000 Hz 频带能量比, 小波包第 3 层能量熵]，共 6 维。每段样本取 0.5 s 窗、50% 重叠，既保证样本量，又避免相邻样本过于相似。特征提取后应做标准化（Z-score 或 min-max），并检查特征与缺陷标签的相关性，剔除冗余特征。

五、链路一致性检查

从传感器到特征向量，任何一环参数不一致都会导致后续分析失效。建议在采集前填写一份简短的链路核对表：传感器灵敏度与采集卡量程是否匹配、抗混叠滤波截止频率是否小于 fs/2.56、多通道是否共时钟、元数据是否随数据一同保存、滤波频带是否覆盖目标特征频率。这份核对表不需要复杂字段，但能避免大多数“数据看起来有、却不能用”的问题。

完成本节链路后，得到的是按工况组织、带元数据、经过滤波与特征提取的结构化数据集，它才是缺陷预测模型真正可用的输入。