一、异常信号概述

各位工程师朋友，咱们这门课要聊的是异常信号识别与响应。开篇第一章，我想先跟大家把基础概念理清楚——到底什么是异常信号？它为什么值得我们花整整30章来研究？

我在自动化这行摸爬滚打十几年，见过太多因为忽视异常信号而导致的惨痛教训。说白了，异常信号就是设备或系统在运行过程中，偏离了正常状态的那些信号特征。它可能是一个突然跳变的电压，也可能是缓慢漂移的温度曲线。

1.1 什么是异常信号

异常信号，本质上就是「不正常」的信号。但什么叫「正常」？这得看你的基准线在哪。

举个例子，我做过一个电机振动监测项目。正常运行时，振动幅值稳定在0.5mm左右。有一天数据突然跳到2.3mm——这就是异常。但有意思的是，同样2.3mm的振动，放在另一台老旧电机上可能算正常。所以判断异常，必须基于设备自身的基线数据。

我个人习惯把异常信号分成两类：一类是设备本身故障产生的，比如轴承磨损引起的振动；另一类是外部干扰引入的，比如电网谐波、电磁噪声。处理思路完全不同，这个后面会细讲。

1.2 异常信号的三大分类

根据信号变化的时间特征，我把异常信号分成三类。这个分类方法是我在实际项目中反复验证过的，你想想看，掌握了这个框架，遇到任何异常信号都能快速归类。

类型	特征	典型场景	我遇到的案例
突变型	幅值/频率在极短时间内剧烈变化	短路、断线、冲击负载	某化工厂电机电流瞬间从50A跳到300A
渐变型	信号参数随时间缓慢漂移	轴承磨损、传感器老化、温度漂移	某水泵振动值半年内从0.3mm涨到1.8mm
周期异常型	信号出现非正常的周期性波动	齿轮啮合故障、转子不平衡、共振	某风机每转一圈出现一次冲击脉冲

突变型异常

这类信号最容易被发现，也最危险。我记得有一次在钢铁厂调试轧机，电流波形突然出现一个尖峰，幅值是正常值的6倍。幸亏保护系统动作快，否则电机就烧了。突变型异常通常意味着「已经出事了」，响应必须毫秒级。

渐变型异常

这个最难处理。为什么？因为变化太慢，人眼很难察觉。我曾经遇到一个案例：某关键设备的温度传感器，每年漂移0.5℃，连续漂了三年。操作员一直以为温度正常，直到设备停机才发现实际温度已经超限50℃。嗯，这里要注意——渐变型异常需要用趋势分析才能抓出来。

周期异常型

这类信号有规律可循。比如齿轮箱的啮合频率，正常时能量集中在基频。如果出现边频带，说明齿轮可能有裂纹。我做过一个风电齿轮箱监测项目，就是靠分析周期异常提前两周预警了齿轮断裂。

1.3 异常信号在工业中的重要性

为什么要花精力研究异常信号？说白了，三个字：省大钱。

• 预防灾难性事故：2019年某化工厂爆炸事故，事后分析发现振动信号在爆炸前72小时就有异常，但没人注意到。
• 降低维护成本：从「坏了再修」变成「提前换件」，备件成本能降30%-50%。
• 提升产品质量：我见过一条生产线，因为一个传感器漂移，连续生产了2000件次品。如果早期识别出异常信号，这批货根本不会流出去。
• 延长设备寿命：及时处理异常，设备实际寿命能延长1.5-2倍。

1.4 异常信号识别的基本流程

下面这张图是我自己总结的异常信号识别流程，这些年一直在用，分享给大家。

这个流程看起来简单，但每一步都有坑。比如特征提取，你选什么特征？时域的均值、方差？还是频域的峰值频率？我个人的经验是：对于旋转机械，频域特征更敏感；对于过程控制，时域趋势更直观。

1.5 异常信号的数学描述

虽然咱们这门课偏实践，但基本的数学概念还是要提一下。异常信号可以表示为：

设正常信号为 x_normal(t)，实测信号为 x_measured(t)
则异常信号 e(t) = x_measured(t) - x_normal(t)

如果 |e(t)| > 阈值，判定为异常

这里的关键是「阈值」怎么定。定太松，漏报；定太紧，误报。我一般建议用3σ原则——超出均值±3倍标准差的，视为异常。但这个不是万能的，对于渐变型异常，3σ可能根本抓不住。

好了，第一章就讲这些。异常信号的概念、分类、重要性，以及基本识别流程，都是后面所有章节的基础。记住一句话：异常信号不是敌人，它是设备在跟你说话。听懂它，你就能提前知道设备想告诉你什么。