2. 传感器基础与数据采集

在Edge AI异常检测项目中，传感器是物理世界与算法模型之间的唯一桥梁。传感器选型是否合理、数据采集链路是否可靠，直接决定了后续特征工程和模型训练的上限。本章将系统梳理工业场景中最常见的四类传感器（振动、温度、电流、压力）的工作原理与选型要点，深入解析采样定理在工程中的落地方式，并重点讨论数据格式规范与采集过程中的常见陷阱。理解这些基础内容，是构建任何可靠异常检测系统的第一步。

2.1 常见传感器类型与选型逻辑

工业异常检测场景中，传感器选型不是越贵越好，而是要与被监测对象的故障特征频率、幅值范围和安装环境匹配。以下四类传感器覆盖了旋转机械、热工过程、电气系统和流体系统的主要监测需求。

2.1.1 振动传感器

振动传感器是旋转机械故障诊断的核心工具，其工作原理基于压电效应或MEMS电容变化。工业现场最常用的是IEPE型压电加速度计，它内置电荷放大器，输出信号与加速度成正比。选型时需关注三个核心参数：灵敏度（mV/g，典型值10-100 mV/g）、频率范围（通常0.5Hz-10kHz）和量程（±5g到±50g）。对于轴承故障检测，需要选择高频响应好的传感器（≥10kHz）；对于结构振动监测，则更关注低频性能。

2.1.2 温度传感器

温度监测在电机过热、轴承润滑不良、电气连接点老化等场景中至关重要。工业现场主要使用热电偶（K型、J型）和铂电阻（PT100、PT1000）。热电偶响应快、测温范围宽（-200℃~1300℃），但精度较低（±1.5℃）；铂电阻精度高（±0.1℃），但响应较慢。在Edge AI场景中，温度信号通常变化缓慢，采样率1-10Hz即可满足需求，但必须注意冷端补偿和引线电阻的影响。

2.1.3 电流传感器

电流信号直接反映电机的负载状态和电气故障。霍尔效应传感器（闭环/开环）适合交流/直流混合信号测量，量程从几安培到数千安培；分流电阻适合低成本直流测量，但存在隔离问题。在电机驱动系统中，电流信号的采样率需覆盖PWM开关频率的谐波成分，通常需要5-20kHz采样率。电流信号的异常模式包括：基波幅值波动、高次谐波增加、负序分量出现等。

2.1.4 压力传感器

压力监测适用于液压系统、气动系统和流体管道。压阻式压力传感器（扩散硅）是最常见的类型，输出毫伏级差分信号，需要仪表放大器调理。选型时需关注量程（需预留1.5-2倍过载能力）、精度（0.1%-0.5%FS）和动态响应（自然频率需高于被测脉动频率的5倍以上）。压力信号的异常模式包括：均值漂移、脉动幅值增大、波形畸变等。

2.2 采样原理与工程实现

采样是将连续时间信号转换为离散数字信号的过程，其核心理论是奈奎斯特采样定理。但在工程实践中，仅仅满足理论最低采样率是远远不够的。

2.2.1 采样定理的工程解读

奈奎斯特定理指出：采样率fs必须大于信号最高频率fmax的两倍，才能无失真地重建信号。但在实际系统中，我们通常采用2.56倍或更高的采样率，原因有三：一是抗混叠滤波器不是理想低通滤波器，存在过渡带；二是FFT分析需要足够的频率分辨率；三是实际信号往往包含噪声，过采样有助于提高信噪比。例如，要分析10kHz以内的振动信号，采样率应设置为25.6kHz或更高。

2.2.2 抗混叠滤波的必要性

如果信号中存在高于fs/2的频率成分，这些成分会被“折叠”到低频区域，形成混叠现象。混叠信号无法通过数字信号处理消除，必须在ADC之前用硬件低通滤波器（抗混叠滤波器）滤除。滤波器阶数通常为2-4阶巴特沃斯或贝塞尔型，截止频率设置为0.4-0.5倍采样率。在Edge AI设备中，部分高集成度ADC芯片内置抗混叠滤波器，但性能有限，对于高精度应用仍需外置滤波电路。

2.2.3 采样触发与同步

在多通道采集系统中，各通道的采样必须同步进行，否则通道间会产生相位误差。对于振动分析，通道间相位误差会导致轴心轨迹计算错误。实现同步采样的方式有两种：一是使用多通道同步采样ADC（如ADS1278），所有通道同时采样保持；二是使用独立ADC配合外部触发信号。在旋转机械监测中，通常还需要键相传感器（Keyphasor）提供转速参考，用于阶比分析。

// 采样参数配置示例（基于C语言伪代码）
adc_config.sampling_rate = 25600;    // 采样率 25.6kHz
adc_config.resolution = 24;          // 24位分辨率
adc_config.channels = 4;             // 4通道同步采样
adc_config.anti_alias_filter = true; // 启用内置抗混叠滤波
adc_config.trigger_mode = SYNC;      // 同步触发模式
adc_config.input_range = ±10V;       // 输入量程

2.3 数据格式与采集链路设计

数据格式决定了后续处理的效率和模型的输入质量。一个规范的采集系统不仅要保存原始采样值，还要包含完整的元数据信息。

2.3.1 数据帧结构设计

推荐使用二进制格式存储原始采样数据，并附加JSON格式的元数据头。每个数据帧应包含：设备ID、传感器通道号、采样率、采样起始时间戳、数据长度、数据校验码。对于流式传输场景，可使用Apache Parquet或HDF5格式；对于嵌入式设备，可使用自定义二进制格式以节省存储空间。

2.3.2 时间戳同步策略

在Edge AI系统中，时间戳同步是数据融合的基础。推荐使用IEEE 1588 PTP协议或NTP进行网络时间同步，本地使用高精度RTC（实时时钟）作为后备。对于振动信号，时间戳精度需达到微秒级；对于温度、压力等慢变信号，毫秒级精度即可满足需求。在数据记录时，建议使用UTC时间戳，避免时区转换错误。

2.3.3 数据质量监控

采集系统应实时监控数据质量，包括：信号饱和检测（ADC溢出）、信号丢失检测（传感器断线）、噪声水平评估（计算背景噪声RMS值）、数据完整性校验（CRC校验）。当检测到数据质量异常时，系统应自动标记数据段，并在后续处理中排除或降权处理。

2.4 实战案例：旋转机械振动监测系统的数据采集链路搭建

某化工厂一台大型离心压缩机（转速9800rpm）频繁出现轴承温度升高现象，但振动值未超过报警阈值。设备工程师怀疑存在早期轴承故障，需要搭建一套高精度振动监测系统进行诊断。

系统约束：现场已有PLC系统（采样率1kHz），但无法捕捉高频振动信号；预算有限，不能采用在线振动分析仪；现场电磁干扰较强，需考虑信号隔离。

方案设计：选用IEPE加速度计（灵敏度100mV/g，频率范围0.5-12kHz），配置4通道同步采样数据采集卡（采样率51.2kHz，24位分辨率），外置4阶抗混叠滤波器（截止频率20kHz）。在轴承座水平和垂直方向各安装一个加速度计，同时采集电机电流信号（采样率10kHz）作为辅助诊断信息。

实施步骤：

1. 在轴承座加工安装平面，使用M6螺栓固定加速度计，安装扭矩25N·m，确保接触面平整度<0.01mm
2. 敷设专用低噪声同轴电缆，远离动力电缆（距离>30cm），并使用屏蔽层单端接地
3. 配置采集参数：采样率51.2kHz，采样时长10秒（每次采集512K点），每10分钟采集一次
4. 编写数据记录程序，自动保存原始时域波形和元数据（设备转速、负荷、温度等）
5. 连续采集72小时后，进行离线FFT分析

分析结果：在频谱图中发现轴承外圈故障特征频率（BPFO=118.3Hz）及其谐波（2×BPFO=236.6Hz），且边带间隔等于转频（163.3Hz）。时域波形中可见明显的周期性冲击脉冲。对比电流频谱，未发现明显的电气异常特征。综合判断为轴承外圈早期点蚀。

结果验证：计划停机检修后，拆检发现轴承外圈滚道存在2处直径约1mm的点蚀坑，与诊断结论一致。更换轴承后，振动频谱恢复正常。

复盘经验：该案例中，如果仅依赖原有PLC的1kHz采样数据，根本无法发现118Hz的故障特征频率。高采样率（51.2kHz）和24位分辨率提供了足够的动态范围，使得早期微弱故障信号得以捕捉。同时，多传感器融合（振动+电流）有效排除了电气故障的可能性，提高了诊断置信度。

2.5 常见误区与总结复盘

在传感器数据采集环节，以下误区需要特别警惕：

• 误区一：采样率越高越好。过高的采样率会带来数据量爆炸、存储压力增大、功耗上升等问题。应根据信号最高频率和实际需求合理选择采样率，例如温度信号1Hz足够，振动信号25.6kHz足够。
• 误区二：忽略抗混叠滤波。部分工程师认为数字滤波可以替代硬件滤波，这是错误的。数字滤波无法消除已经混叠的频率成分，必须在ADC之前完成抗混叠滤波。
• 误区三：传感器安装不规范。振动传感器安装扭矩不足、安装面不平整、使用磁性底座等都会导致高频响应劣化。正确的安装方式是使用螺柱或胶粘，确保安装面平整光洁。
• 误区四：忽视数据时间戳。在多传感器融合场景中，时间戳不同步会导致特征错位，严重影响模型训练效果。务必使用统一的时钟源进行同步。
• 误区五：未做数据质量标记。传感器断线、信号饱和、电磁干扰等异常数据如果不加标记，会污染训练数据集，导致模型误判。