3. 数据采集与传感器

设备健康指标与退化趋势分析的第一步，不是算法，而是把设备真实的物理状态“翻译”成可计算的数据。传感器是这一翻译过程的入口，数据采集系统则决定了数据的完整性、同步性与可信度。如果入口信号选错、装错或采错，后续再精细的特征工程与模型也难以还原设备真实的退化过程。因此，本节围绕四类最常用的工业信号——振动、温度、电流、声发射，梳理其物理特点、适用场景、选型要点与采集流程。

一、四类典型信号的物理特点与适用边界

不同信号对故障的敏感频段、响应速度和抗干扰能力差异显著，理解这些差异是选型的前提。

• 振动信号：反映旋转部件的冲击、摩擦、不平衡与松动，频带宽（从几Hz到数十kHz），对轴承、齿轮、转子故障极为敏感。其核心参数是加速度、速度与位移，分别对应高频冲击、中频振动能量与低频位移量。
• 温度信号：变化缓慢、惯性大，适合监测过热、润滑失效、负载异常与电气接触不良。温度不适合捕捉瞬态冲击，但它是长期退化趋势最稳定的指标之一。
• 电流信号：直接反映电机电磁转矩与负载状态，可提取电流特征频率（如转子断条、气隙偏心、轴承故障引起的调制分量）。其优势是非侵入式、易获取，适合电机与驱动系统。
• 声发射信号：频率极高（通常100kHz以上），对裂纹萌生、微动磨损、泄漏等早期微小损伤极为敏感，但易受环境噪声影响，安装与耦合要求高。

二、传感器选型的关键参数

选型不是选“最贵”或“最灵敏”，而是让传感器的量程、频响、灵敏度与安装条件匹配目标故障特征。

此外，还需关注传感器的供电方式（IEPE恒流源、4-20mA、电压输出）、防护等级（IP67以上适合现场）、以及是否支持同步采样。对于多通道系统，通道间的时间同步误差应控制在微秒级，否则跨信号特征关联会失真。

三、数据采集流程：从物理量到可用数据集

完整的数据采集流程可归纳为六个环节，每个环节都有明确的工程约束。

1. 测点规划：根据设备结构与故障模式确定测点位置，如轴承座、电机端盖、齿轮箱壳体。测点应靠近振源且路径刚性。
2. 传感器安装：确保耦合良好，振动传感器优先采用螺栓安装，其次为胶粘，磁吸仅用于临时巡检。
3. 信号调理：包括放大、滤波、隔离与抗混叠。抗混叠滤波器截止频率应低于采样率的一半。
4. 采样参数设置：依据目标频率上限确定采样率，通常满足 fs ≥ 2.56 × fmax；同时设置合适的采样长度与触发方式。
5. 数据同步与传输：多通道同步采集，统一时基，通过有线或工业总线传输至边缘计算单元。
6. 数据存储与标注：记录工况、转速、负载、时间戳与设备编号，为后续退化趋势分析提供上下文。

典型采集参数配置示例：
采样率 fs = 25.6 kHz
抗混叠截止频率 = 10 kHz
采样长度 = 10240 点
触发方式 = 转速触发 / 自由触发
通道同步误差 < 1 μs
存储格式 = 原始时域 + 元数据 JSON

四、典型场景：电机驱动系统多信号采集

以一台工业电机驱动系统为例，若目标是同时监测轴承磨损、绕组过热与转子断条，可采用“振动+温度+电流”组合方案。振动传感器安装在电机非驱动端轴承座，温度传感器埋入绕组或贴于壳体，电流传感器钳在电源线上。三路信号通过同一采集卡同步采样，采样率分别设置为25.6kHz、10Hz、10kHz，既保证高频冲击不丢失，又避免温度通道产生海量冗余数据。

采集到的数据经过时间对齐后，可提取振动均方根、温度上升速率、电流特征频率幅值等指标，形成多维健康指标向量。这种组合方式比单一信号更能区分“轴承故障引起的振动上升”与“负载增加引起的温度上升”，从而降低误报率。

五、常见误区与复盘

• 误区一：采样率越高越好。过高的采样率会带来数据量激增与存储压力，且对低频故障并无额外收益。应按目标频率上限合理设置。
• 误区二：传感器装得越多越全面。测点过多会导致布线复杂、同步困难、维护成本高。应围绕关键故障模式精选测点。
• 误区三：忽略安装耦合。磁吸或松动的安装会引入低频噪声与谐振峰，直接污染振动频谱，导致特征频率误判。
• 误区四：不记录工况。转速、负载、环境温度的变化会显著改变信号幅值，缺少工况标签的数据无法用于可靠的退化趋势建模。

综上，数据采集与传感器环节的核心任务是：让每一个测点都有明确的故障指向，让每一路信号都有匹配的采样参数，让每一次采集都有可追溯的工况标签。只有把物理世界的真实退化过程稳定、同步、可重复地转化为数字信号，后续的健康指标构建与退化趋势分析才具备可靠的基础。