3. 振动信号采集基础
振动信号采集是TinyML轴承故障诊断的第一道关口，其质量直接决定了后续特征提取和模型训练的成败。在工业现场，传感器选型不当、采样率不足或量程设置错误，往往导致故障特征被噪声淹没或信号削顶失真，即使再优秀的神经网络也无法从中学习到有效模式。本章围绕加速度传感器工作原理、采样率与量程的工程决策方法、数据采集系统搭建流程及现场注意事项展开，帮助学习者建立从物理世界到数字信号的完整链路认知。
3.1 加速度传感器工作原理与选型
加速度传感器将机械振动转换为电信号，是采集链路的源头。当前工业振动监测中，IEPE（Integrated Electronics Piezo Electric）型压电加速度传感器占据主导地位，其内部集成了电荷放大电路，通过恒流源供电（典型2~10mA）输出低阻抗电压信号，可直接接入数据采集卡。压电晶体在受力变形时产生电荷，经内置放大器转换为电压，输出电压与加速度成正比。另一种电荷型传感器需要外部电荷放大器，适合高温环境（超过120°C），但系统复杂度更高。
选型时需关注以下关键参数：
| 参数 | 典型值 | 选择依据 |
|---|---|---|
| 灵敏度 | 10~100 mV/g | 低振动幅值选高灵敏度；高冲击选低灵敏度 |
| 频率范围 | 0.5Hz~10kHz | 轴承故障频率通常 < 5kHz，需覆盖至10倍转频 |
| 量程 | ±5g ~ ±50g | 正常轴承振动 < 2g，故障初期 < 5g |
| 谐振频率 | > 25kHz | 避免工作频率接近谐振点 |
| 横向灵敏度 | < 5% | 降低非轴向振动干扰 |
3.2 采样率选择：从奈奎斯特到工程裕量
采样率决定了可采集的最高频率成分。根据奈奎斯特采样定理，采样率必须大于信号最高频率的两倍。但工程实践中，由于抗混叠滤波器并非理想低通，通常取信号最高分析频率的2.56倍作为采样率。对于轴承故障诊断，需先估算目标故障特征频率：
外圈故障频率 BPFO = (n/2) × fr × (1 - d/D × cosα)
内圈故障频率 BPFI = (n/2) × fr × (1 + d/D × cosα)
滚动体故障频率 BSF = (D/(2d)) × fr × (1 - (d/D × cosα)²)
保持架故障频率 FTF = (fr/2) × (1 - d/D × cosα)
其中：n=滚动体数量，fr=转频(Hz)，d=滚动体直径，D=节圆直径，α=接触角假设某电机转速为3000rpm（fr=50Hz），滚动体数量n=9，d/D=0.2，α=0°，则BPFO≈225Hz，BPFI≈275Hz。考虑故障特征频率的谐波成分（通常分析至10倍频），最高分析频率设为3kHz，则采样率应设置为：
fs = 2.56 × fmax = 2.56 × 3000 = 7680 Hz → 取整为 8kHz 或 10kHz对于TinyML边缘设备，采样率并非越高越好。过高的采样率会带来数据量激增、功耗上升和存储压力。在STM32F4系列MCU上，10kHz采样率、16位分辨率、单通道连续采集时，每秒产生20KB数据，1分钟即需1.2MB存储。因此，建议根据轴承转速和故障频率范围，将采样率控制在5~20kHz之间。
3.3 量程设置与动态范围优化
量程决定了传感器和采集系统能测量的最大加速度幅值。量程设置过小，信号削顶产生非线性失真；量程设置过大，则量化噪声相对增大，微弱故障特征被淹没。工程上遵循"峰值不超过量程80%"的原则，同时保证最小信号不低于量化噪声的10倍。
以16位ADC、±5g量程为例，量化分辨率计算如下：
分辨率 = (2 × 量程) / 2^16 = 10g / 65536 ≈ 0.153 mg/LSB
量化噪声 ≈ 分辨率 / √12 ≈ 0.044 mg RMS若轴承正常振动为0.5g RMS，则信噪比约为：
SNR = 20 × log10(0.5g / 0.044mg) ≈ 20 × log10(11363) ≈ 81 dB该信噪比足以检测早期故障特征（通常比正常振动低20~40dB）。若使用8位ADC，分辨率降至39mg/LSB，则0.5g信号的SNR仅约22dB，微弱故障特征将完全淹没在量化噪声中。因此，TinyML轴承诊断系统强烈建议使用16位ADC。
- 测量设备正常运行时振动峰值（用示波器或万用表AC档预估）；
- 将峰值乘以1.25作为量程下限（即80%原则）；
- 考虑故障发展后的振动增幅（通常为正常值的3~5倍），选择合适档位；
- 若传感器灵敏度与ADC量程不匹配，需增加前端增益或衰减电路。
3.4 数据采集系统搭建与硬件链路
一个完整的TinyML振动采集系统包含传感器、信号调理、ADC、MCU和存储五部分。对于原型验证，可使用以下典型方案：
| 组件 | 推荐型号 | 关键参数 |
|---|---|---|
| 加速度传感器 | ADXL345（数字）/ ADXL1002（模拟） | ADXL345：±16g，13位；ADXL1002：±50g，模拟输出 |
| 信号调理 | IEPE恒流源模块（如PCB 482C） | 4mA恒流，AC耦合，1Hz高通 |
| ADC | ADS1271（24位）或MCU内置12位 | 24位过采样，SPI接口 |
| MCU | STM32F446RE | 180MHz，512KB Flash，双ADC |
| 存储 | MicroSD卡（SPI模式） | FATFS文件系统，连续写入 |
搭建步骤：
- 传感器安装：优先使用M5螺柱刚性安装，接触面涂薄层硅脂；若无法打孔，使用磁座（吸力≥50N）或胶粘（氰基丙烯酸酯）。避免手持或蜡粘，其谐振频率会降至2kHz以下。
- 信号连接：使用双绞屏蔽电缆，屏蔽层在采集端单点接地。电缆长度超过10m时，需使用低噪声电缆并增加驱动能力。
- 供电与接地：IEPE传感器需要4~10mA恒流源，由采集板提供。系统采用星型接地，模拟地与数字地在ADC处单点连接。
- 抗混叠滤波：在ADC前设置截止频率为fs/2.56的低通滤波器（如MAX7400 8阶椭圆滤波器），衰减混叠频率成分。
- 数据流控制：MCU通过DMA将ADC数据直接搬运至内存环形缓冲区，每满N个样本触发一次中断，写入SD卡或通过USB发送至上位机。
3.5 案例拆解：电机轴承数据采集系统调试
背景：某工厂一台55kW电机（转速2980rpm）出现异常噪声，需搭建便携式振动采集系统进行诊断。现场无市电，需电池供电，且电机附近存在变频器（强电磁干扰）。
初始现象：使用手持式测振仪测得轴承座振动速度2.8mm/s（超过ISO 10816报警值2.8mm/s），但无法判断故障类型。
关键参数计算：
转频 fr = 2980/60 = 49.67Hz
假设轴承型号SKF 6309：n=8, d=14.3mm, D=50mm, α=0°
BPFO = (8/2)×49.67×(1-14.3/50) = 198.7×0.714 = 141.9Hz
BPFI = (8/2)×49.67×(1+14.3/50) = 198.7×1.286 = 255.5Hz
最高分析频率取10×BPFI ≈ 2.6kHz → 采样率 fs = 2.56×2600 ≈ 6.7kHz → 取8kHz系统搭建与调试：
- 选用IEPE传感器（灵敏度100mV/g，量程±5g），磁座安装于电机驱动端轴承座垂直方向；
- 采集板采用STM32F446 + 16位外部ADC（ADS1271），采样率8kHz，量程设置±5g；
- 因变频器干扰严重，信号线使用双层屏蔽电缆，屏蔽层在采集端接地，并在ADC输入端增加RC低通（截止频率3kHz）；
- 电池供电采用隔离DC-DC模块，避免地环路；
- 连续采集30秒数据，存储至SD卡。
结果分析：频谱图中在142Hz处出现明显峰值（幅值0.8g），且存在2×、3×谐波；在255Hz处有较小峰值（0.2g）。时域波形显示周期性冲击，周期约7ms（对应142Hz）。综合判断为外圈故障（BPFO=141.9Hz）。随后停机检修，发现外圈滚道存在剥落坑，与诊断结论一致。
复盘经验：
- 采样率选择8kHz而非更高，是因为BPFI的10倍频仅2.6kHz，8kHz已满足2.56倍裕量，且数据量减少60%，便于边缘设备处理；
- 量程±5g在正常振动（0.5g）和故障振动（0.8g）下均未削顶，且16位分辨率保证了0.15mg的精度，成功捕捉到0.2g的内圈早期特征；
- 屏蔽和接地措施有效抑制了变频器干扰，若未处理，频谱中将出现大量50Hz及其谐波的电磁干扰峰。
3.6 常见误区与总结复盘
在振动采集实践中，以下误区需特别注意：
| 误区 | 后果 | 正确做法 |
|---|---|---|
| 采样率越高越好 | 数据爆炸、功耗高、MCU处理不过来 | 根据故障频率计算，留2.56倍裕量即可 |
| 量程越大越安全 | 小信号量化噪声大，早期故障丢失 | 按正常振动3~5倍峰值选择量程 |
| 手持传感器测量 | 手抖引入低频干扰，接触谐振 | 刚性安装，磁座或螺柱固定 |
| 忽略抗混叠滤波 | 高频噪声混叠到低频，频谱假峰 | ADC前必须加低通滤波器 |
| 线缆与动力线平行 | 50Hz工频干扰叠加 | 垂直交叉布线，屏蔽层接地 |
本章从传感器原理出发，系统梳理了采样率、量程的工程决策方法，并给出了完整的数据采集系统搭建流程。通过电机轴承案例，展示了从参数计算、系统搭建到故障诊断的完整闭环。掌握这些基础，才能为后续的振动特征提取和TinyML模型训练提供高质量的数据源。