4. 电池热管理系统
数据采集，说白了就是给台架装上一套“神经系统”。传感器是神经末梢，数据采集卡就是脊髓，而你的电脑是大脑。这个环节要是出问题，后面所有分析都是白搭。我见过太多人花大价钱买了传感器，结果在采集环节把数据搞砸了。
4.1 数据采集卡：台架的中枢神经
采集卡选型，我一般看三个硬指标：通道数、分辨率、采样率。通道数决定了你能同时测多少路信号。一个典型的空调台架，至少需要：
- 8-16路温度（热电偶/RTD）
- 4-8路压力（4-20mA或0-10V）
- 2-4路流量（脉冲或模拟量）
- 若干数字量（压缩机启停、风扇转速）
分辨率方面，16位是底线。12位的卡测温度，0.1℃的变化根本看不出来。我个人习惯用24位的Σ-Δ型采集卡，虽然贵点，但省心。
4.2 采样率：不是越高越好
采样率这个事，很多人有个误区——觉得越高越好。其实不然。
| 信号类型 | 推荐采样率 | 说明 |
|---|---|---|
| 温度（热电偶） | 1-10 Hz | 热惯性大，高了浪费存储 |
| 温度（RTD/热敏电阻） | 0.5-5 Hz | 响应更慢 |
| 压力（稳态） | 10-100 Hz | 捕捉波动即可 |
| 压力（动态/压缩机脉动） | 1-10 kHz | 需要分析谐波时用 |
| 流量（电磁/质量） | 10-50 Hz | 流体波动频率不高 |
| 转速/脉冲信号 | ≥10倍最高频率 | 遵循奈奎斯特定理 |
为什么会这样？你想想看，热电偶本身响应时间就几秒钟，你用1kHz去采它，采回来的全是噪声。我曾经有个项目，客户非要用100kHz采温度，结果数据文件一天就几十个GB，分析时还得先降采样，纯属折腾。
4.3 滤波：把信号里的“沙子”筛掉
原始信号就像刚从河里打上来的水，里面有沙子、有树叶。滤波就是把这些杂质去掉。常用的滤波手段分硬件和软件两种。
硬件滤波： 在信号进入采集卡之前就处理。我一般会在每个模拟通道前端加一个低通滤波器，截止频率设为采样率的1/5左右。比如采样率100Hz，截止频率就设20Hz。这样能有效抑制50Hz工频干扰。
软件滤波： 采集到数据后再处理。常用的有：
- 滑动平均滤波： 简单粗暴，适合温度这种缓变信号。窗口大小一般取5-20个点。
- 中值滤波： 对付尖峰脉冲特别有效。我测压缩机排气压力时必用这个。
- 卡尔曼滤波： 适合动态响应要求高的场合。比如做变工况测试时，既要滤掉噪声，又要保留瞬态特征。
// 滑动平均滤波示例（C伪代码）
#define WINDOW_SIZE 10
float buffer[WINDOW_SIZE];
int index = 0;
float sum = 0;
float moving_average(float new_value) {
sum -= buffer[index];
buffer[index] = new_value;
sum += new_value;
index = (index + 1) % WINDOW_SIZE;
return sum / WINDOW_SIZE;
}
4.4 数据同步：让所有信号“对齐”
数据同步是台架测试里最容易被忽视、但后果最严重的问题。你想想，如果温度数据比压力数据晚了0.5秒，计算出来的制冷量能准吗？
同步问题分三种情况：
| 场景 | 同步方式 | 精度 |
|---|---|---|
| 同一采集卡的不同通道 | 硬件同步（共享时钟） | μs级 |
| 不同采集卡（同一机箱） | 背板同步/PXI触发线 | ns-μs级 |
| 不同设备（采集卡+PLC+功率分析仪） | GPS时钟/NTP/硬件触发 | ms级 |
我个人最推荐的做法是：所有设备共用一个触发信号。比如用采集卡的数字输出口发一个TTL脉冲，同时触发功率分析仪和PLC开始记录。这样即使各设备的采样率不同，也能在时间轴上对齐。
4.5 数据记录格式：CSV vs HDF5
选数据格式，说白了就是选“方便”还是“强大”。
CSV： 简单、通用、Excel能直接打开。但缺点也很明显：文件大、读写慢、不支持多维数据。我一般只在调试阶段或数据量小于100MB时用CSV。
HDF5： 专为科学计算设计的数据格式。支持压缩、支持多维数组、支持元数据。一个HDF5文件可以存整个台架测试的所有数据，包括时间戳、通道信息、测试条件、甚至校准系数。
// Python写入HDF5示例
import h5py
import numpy as np
# 创建一个HDF5文件
with h5py.File('test_2024_01_15.h5', 'w') as f:
# 存储温度数据
f.create_dataset('temperature/evap_out', data=temp_data)
f.create_dataset('temperature/cond_out', data=cond_data)
# 存储压力数据
f.create_dataset('pressure/high_side', data=hp_data)
# 添加属性（元数据）
f.attrs['test_name'] = 'COP测试_工况A'
f.attrs['ambient_temp'] = 35.0
f.attrs['sampling_rate'] = 10
# 存储时间戳
f.create_dataset('timestamp', data=time_array)
4.6 实时监控与报警：别等测试结束才发现问题
实时监控，说白了就是给台架装个“心电图”。数据不仅要采，还要边采边看。我见过最惨的情况：有人跑了一整夜的耐久测试，第二天一看，压缩机早就在第10分钟就停机了，后面全是废数据。
一个合格的实时监控系统，至少要有：
- 数值显示： 当前值、最大值、最小值、平均值
- 趋势曲线： 至少能回看过去5分钟的数据
- 报警阈值： 分级报警（黄色预警、红色报警）
- 自动保护： 超限自动停机或切到安全模式
报警阈值怎么设？我一般按“3σ原则”来：
| 报警级别 | 阈值 | 动作 |
|---|---|---|
| 黄色预警 | 均值±2σ | 记录日志，提醒操作员 |
| 红色报警 | 均值±3σ | 声光报警，操作员确认 |
| 紧急停机 | 硬件极限值 | 自动切断电源/关闭阀门 |
嗯，数据采集这块，说到底就是“采得准、存得好、看得住”。采准了，后面分析才有意义；存好了，数据才能复用；看住了，台架才能安全跑完。下一节我们聊聊传感器标定——这个环节要是做不好，前面所有工作都是白费。