3. 数据采集与传感器技术
在设备剩余寿命（RUL）预测工程中，数据采集是整条技术链的“第一公里”。传感器选型、安装位置、采样率与同步方式，直接决定后续特征提取与退化建模的信息上限。若采集方案设计不当，再复杂的深度学习模型也无法从被污染或欠采样的信号中还原真实退化趋势。本节围绕振动、温度、电流、声发射四类典型信号，梳理其物理特点、适用场景与采集方案设计要点。
一、四类信号的物理特点与适用边界
不同信号对退化过程的敏感机理不同，选择时应先明确“监测什么失效模式”。
- 振动信号：反映旋转部件的冲击、摩擦、不平衡与松动，频带宽（可达数十 kHz），对轴承、齿轮早期点蚀极为敏感，是旋转机械RUL预测的首选信号。
- 温度信号：反映热平衡与摩擦损耗的累积效应，变化缓慢、惯性大，适合监测润滑失效、过载与绝缘老化，但难以捕捉早期瞬态故障。
- 电流信号：反映电机电磁转矩与负载状态，无需额外传感器即可从驱动器获取，适合电机、泵、压缩机等电气驱动设备的非侵入式监测。
- 声发射信号：捕捉材料内部裂纹扩展、微塑性变形释放的弹性波，频率通常在100 kHz以上，对早期损伤极为灵敏，但易受环境噪声干扰，安装耦合要求高。
信号选择的核心原则：先确定主导失效模式，再选择对该模式物理机理最敏感的物理量，而非盲目追求“多传感器堆叠”。
二、采集方案设计的关键参数
采集方案需在信息完整性与存储、算力成本之间取得平衡。以下参数是设计时的核心抓手：
| 参数 | 振动 | 温度 | 电流 | 声发射 |
|---|---|---|---|---|
| 典型采样率 | 10–50 kHz | 1–10 Hz | 5–20 kHz | 1–5 MHz |
| 带宽关注区 | 1–20 kHz | DC–1 Hz | 基频及边带 | 100–500 kHz |
| 安装位置 | 轴承座、壳体 | 绕组、轴承外圈 | 驱动器母线/相线 | 裂纹附近表面 |
| 抗干扰重点 | 接地环路、机械共振 | 热辐射、气流 | 变频器PWM噪声 | 背景噪声、耦合剂 |
| 数据量级 | 高 | 低 | 中 | 极高 |
采样率必须满足奈奎斯特准则，并留出2–5倍余量。例如轴承故障特征频率若在5 kHz，采样率建议不低于20 kHz。对于声发射，若关注200 kHz的裂纹信号，采样率需达到1 MHz以上，否则将发生混叠，导致特征频率错位。
三、采集系统架构与同步设计
一个完整的采集链路通常包括：传感器→信号调理→ADC→数据缓存→时间同步→存储/上传。多传感器融合时，时间同步是难点。若振动与电流信号存在毫秒级错位，融合特征将失去物理意义。
采集链路示例（多通道同步）：
传感器 → 电荷放大器/ IEPE供电 → 抗混叠滤波 → 24bit ADC
→ FPGA硬件触发同步 → 时间戳对齐 → 边缘缓存
→ MQTT/OPC UA上传 → 时序数据库
关键配置：
- 同步误差：< 1 μs（硬件触发）
- 触发方式：转速键相/外部脉冲
- 缓存深度：≥ 2 s 原始波形
- 时间戳：IEEE 1588 PTP 或 GPS 授时对于旋转设备，建议引入键相（Keyphasor）信号作为角度基准，将振动信号转换为角度域重采样，可有效消除转速波动对特征频率的模糊影响。这是RUL预测中提升退化指标单调性的重要预处理手段。
四、典型场景与采集方案示例
场景：风电齿轮箱轴承RUL预测。该场景转速低、载荷波动大，早期故障冲击微弱。推荐方案：
- 振动：在行星级与高速轴轴承座安装IEPE加速度计，采样率25.6 kHz，每10分钟采集2秒波形；
- 温度：轴承外圈PT100，采样率1 Hz，监测润滑与热平衡；
- 电流：发电机侧电流互感器，采样率10 kHz，辅助判断负载与电气故障；
- 声发射：仅在怀疑裂纹扩展的叶片根部布置，采样率2 MHz，触发式采集。
该方案通过“高频振动+低频温度+中频电流”的组合，在有限带宽与存储下覆盖了机械、热、电气三类退化路径。
五、常见误区与复盘
误区一：采样率越高越好。过高的采样率会引入高频噪声与海量数据，增加传输与存储负担，且未必提升RUL预测精度。应按关注频带设定，并配合抗混叠滤波。
误区二：忽视安装耦合。振动传感器磁吸安装与螺栓安装的高频响应差异可达数dB，声发射传感器耦合剂厚度直接影响信号幅值。安装一致性是长期趋势监测的前提。
误区三：多源数据不做时间对齐。振动、电流、温度若各自独立采集且无统一时基，融合模型会学到虚假相关，导致RUL预测在验证集上表现不稳定。
复盘建议：在采集方案落地前，先做一次“信号质量基线测试”，记录本底噪声、信噪比、安装重复性。只有基线稳定，后续的退化趋势才可信。采集方案不是一次性的，应随设备运行工况与故障模式认知的深入而迭代调整。