4、故障数据采集与预处理：传感器数据、运行日志、维修记录、环境数据的清洗与整合
矿产设备故障诊断的准确性，首先取决于数据质量。现场采集的原始数据往往存在缺失、重复、噪声、量纲不一、时间不同步等问题，直接用于建模或规则判断会产生严重偏差。本章围绕传感器数据、运行日志、维修记录、环境数据四类核心数据源，系统讲解采集要点、清洗方法、整合策略与质量验证流程，帮助学员建立从“原始数据”到“可用特征集”的标准化处理链路。
4.1 四类数据源的特征与采集要点
矿产设备故障诊断所需数据可归纳为四类，每类数据在时间粒度、数据格式、可靠性和业务含义上差异显著。理解这些差异是设计采集方案的前提。
| 数据类别 | 典型来源 | 时间粒度 | 主要特征 | 采集要点 |
|---|---|---|---|---|
| 传感器数据 | 振动传感器、温度传感器、电流互感器、压力变送器 | 毫秒~秒级 | 高频、连续、数值型、噪声敏感 | 采样频率≥2倍最高信号频率；抗混叠滤波；同步采集 |
| 运行日志 | PLC报警记录、DCS趋势记录、SCADA事件序列 | 秒~分钟级 | 离散事件、状态码、时间戳、文本描述 | 统一时间基准；保留原始事件顺序；记录操作员动作 |
| 维修记录 | 工单系统、点检表、备件更换记录、检修报告 | 天~月级 | 低频、文本为主、人工填写、存在主观偏差 | 结构化字段设计；故障代码标准化；关联设备树 |
| 环境数据 | 气象站、井下环境监测、粉尘浓度仪 | 分钟~小时级 | 缓变、周期性、与设备工况耦合 | 与设备运行时段对齐；记录极端天气事件 |
4.2 数据清洗的核心操作流程
数据清洗不是简单的“删掉坏数据”，而是需要结合设备机理和工况背景进行判断。以下六个步骤是矿产设备数据清洗的标准流程：
- 格式统一与字段映射：将不同系统导出的数据统一为相同的时间格式（如ISO 8601）、数值精度和单位体系（如温度统一为℃、压力统一为MPa）。
- 缺失值处理：对于传感器瞬时缺失（<5%），采用线性插值或前向填充；对于长时间段缺失（>30%），直接剔除该时间段并标记；对于维修记录缺失，需回溯工单系统人工补录。
- 异常值检测与处理：采用3σ原则剔除随机噪声尖峰，采用箱线图识别离群点，结合设备启停状态判断是否为真实工况变化。
- 去噪滤波：振动信号使用带通滤波保留故障特征频带（如轴承外圈故障特征频率），温度/压力信号使用滑动平均去除高频扰动。
- 重复数据消除：多系统同时记录同一事件时，保留时间戳最早且字段最完整的记录，其余标记为冗余。
- 数据质量标记：对清洗过程中修改或删除的数据点，在数据集中增加质量标记列（0-正常，1-插值，2-剔除），便于后续建模时追溯。
4.3 多源数据整合策略
数据整合的核心挑战是“时间对齐”和“语义对齐”。传感器数据是连续流，维修记录是离散事件，环境数据是缓变量，三者必须统一到同一时间轴上才能联合分析。
时间对齐方法：以传感器数据的时间戳为基准，将运行日志中的事件时间戳匹配到最近的采样点；维修记录按日期展开为日粒度特征（如“距上次维修天数”）；环境数据按小时重采样后前向填充。对于故障发生时刻的判定，需结合运行日志中的报警时间与传感器数据中的突变点交叉验证。
语义对齐方法：建立统一的设备编码体系（如设备树：选矿厂→球磨机→主电机→驱动端轴承），确保维修记录中的设备名称与传感器安装位置一一对应。故障代码需映射为统一标准（如ISO 13374状态分类），避免“轴承磨损”“轴承坏了”“Bearing Fault”等不同表述无法关联。
4.4 案例拆解：某铁矿主井提升机数据整合实战
背景与约束：某铁矿主井提升机为单绳缠绕式，日提升量8000吨。现场部署了振动传感器（采样率5kHz，加速度计）、电机电流互感器（采样率1kHz）、PLC运行日志（事件触发）、人工点检记录（每周一次）。目标是通过数据整合建立提升机减速器故障预警模型。
初始现象：振动传感器在连续一周内多次出现高频冲击信号，但PLC无报警，人工点检未发现异常。数据工程师初步判断为“传感器松动”或“电磁干扰”。
关键输入数据：
- 振动信号：减速器输出轴轴承座X/Y/Z三向加速度，峰值0.8g~2.3g波动
- 电流信号：主电机三相电流，运行电流120A~145A
- PLC日志：无故障代码，但记录到3次“速度反馈偏差过大”预警
- 维修记录：上次更换减速器润滑油为45天前，无轴承更换记录
- 环境数据：井下温度28℃~31℃，湿度85%~95%
分析判断过程：
- 对振动信号进行带通滤波（2kHz~4kHz），发现冲击频率为123Hz，与减速器二级齿轮啮合频率（122.8Hz）高度吻合，排除传感器松动。
- 将电流信号与振动信号做时间对齐，发现冲击信号出现在每次提升机加速阶段（电流从120A升至145A期间），且幅值随负载增大而增大。
- 调取PLC日志中的“速度反馈偏差”时间戳，与振动冲击时间比对，发现3次预警均发生在冲击信号最强时刻。
- 结合维修记录，上次润滑油更换后已运行45天，油品可能劣化导致润滑不足，加剧齿轮啮合冲击。
实际操作步骤：将振动特征（冲击幅值、峰度）、电流特征（启动电流斜率）、PLC事件（速度偏差次数）整合为小时级特征向量，并标注“齿轮磨损预警”标签。使用随机森林模型训练，召回率达到92%。
结果对比：模型上线后第12天，预警“减速器二级齿轮磨损”，现场开盖检查发现齿面出现轻微点蚀，与模型判断一致。提前更换齿轮箱润滑油并调整啮合间隙后，振动冲击幅值下降65%。
风险与代价：若未及时处理，齿轮点蚀将在2~3周内扩展为断齿事故，预计停机维修48小时，损失产值约120万元。本次预警干预成本仅为润滑油更换费用和4小时停机。
复盘经验：单一数据源无法完成可靠诊断，振动+电流+日志+维修记录四源整合才能形成完整证据链。环境数据（湿度）虽未直接参与模型，但高湿度环境加速了润滑油乳化，是间接诱因，后续应纳入长期监测。
4.5 常见误区与总结复盘
常见误区清单：
- 误区一：采样频率越高越好。实际中过高的采样频率产生海量数据，存储和计算成本剧增，且混入更多高频噪声。应根据故障特征频率选择合适采样率。
- 误区二：维修记录中的“更换轴承”就等同于“轴承故障”。实际可能是预防性更换或误判更换，需结合故障代码和拆检报告确认。
- 误区三：环境数据与设备故障无关。粉尘浓度高的环境中，电机散热不良导致温升，间接加速绝缘老化，环境数据是重要的协变量。
- 误区四：数据整合是一次性工作。设备改造、传感器位置调整、工况变化都会改变数据分布，需要定期重新评估整合策略。
总结：故障数据采集与预处理是设备智能诊断的“地基工程”。四类数据源各有价值，传感器数据提供高频证据，运行日志提供事件上下文，维修记录提供故障标签，环境数据提供外部条件。清洗与整合的核心原则是“保留真实信号、剔除无效干扰、统一时间语义、建立关联关系”。建议矿山企业建立标准化的数据治理规范，明确各系统的数据责任人、采集频率、质量标准和更新机制，为后续的故障特征提取和模型训练奠定可靠基础。