1. 课程导入与工程对象界定

在一条高速包装线上，伺服轴以 1 ms 控制周期运行，PLC 每 500 μs 刷新一次位置环，视觉相机每 20 ms 输出一次检测结果。当设备出现“偶发丢标”时，工程师往往面对三个问题：数据在哪里产生？数据如何被采集？采集到的数据能否支撑在线判断？这正是本课程要解决的核心问题——实时运动控制软件的数据采集、监控与在线诊断。

本课程讨论的对象不是通用工业物联网平台，而是嵌入在实时运动控制软件内部或紧邻控制回路的数据通道。它有三个硬约束：第一，采集不能破坏控制周期的确定性；第二，监控数据必须带时间戳，且时间基准可追溯；第三，诊断结论要能定位到具体轴、具体周期、具体信号。因此，课程中的“数据”不是泛指大数据，而是指位置指令、位置反馈、速度、电流、跟随误差、使能状态、报警码、IO 状态、凸轮相位等运动控制域的结构化时序数据。

整体架构：从信号到诊断结论的四层链路

从工程实现看，实时运动控制软件的数据采集与诊断可以划分为四层：信号层、采集层、传输与存储层、监控与诊断层。信号层是伺服驱动器、编码器、IO 模块、安全模块产生的原始物理量与状态量；采集层在实时任务中按周期采样，通常采用“控制周期同步采样 + 缓冲队列”的方式，避免在中断中直接做网络发送；传输与存储层负责把采样数据打包、打时间戳、通过共享内存、EtherCAT 邮箱或 TCP/UDP 送到非实时侧；监控与诊断层完成波形显示、阈值判断、特征提取、故障树推理和报警输出。

需要特别强调的是，采集点位置决定了数据能回答什么问题。若只在 HMI 层读取伺服参数，采样周期通常是 10～100 ms，只能看趋势，无法捕捉 1 ms 级的跟随误差尖峰；若在实时任务中直接采样位置环内部变量，则能获得周期级波形，但必须控制单周期开销。下面这张图给出本节最值得先建立的整体关系：

典型应用场景与工程对象

本课程选取三类典型场景贯穿始终。第一类是多轴同步插补场景，例如三轴直角坐标机器人做直线插补，关注各轴跟随误差是否在允许带内、插补周期是否抖动。第二类是电子凸轮与飞剪场景，主轴与从轴存在相位关系，关注相位误差、同步窗口和剪切瞬间的转矩冲击。第三类是故障复现与在线诊断场景，例如偶发过流报警，需要在报警前后各保留若干周期的数据，形成“预触发 + 后触发”的记录。

对应的工程对象可以具体化为：控制器实时任务、伺服驱动器、编码器、EtherCAT 总线、IO 端子、HMI 与上位诊断软件。学习时不要把“数据采集”理解成单独写一个日志文件，而应把它看成控制回路的一部分：采样点选在哪里、采样周期是多少、缓冲区多大、时间戳如何生成、丢包如何标记，都会直接影响诊断结论是否可信。

学习路径与关键判断

建议按“先界定对象，再打通链路，最后形成诊断闭环”的路径推进。第一步，明确你要回答的工程问题，例如“跟随误差为何在换向时超差”，据此确定需要采集的信号集合与采样率。第二步，在实时任务中实现低开销采样与时间戳，验证单周期开销不超过控制周期的 5%～10%。第三步，把数据送到非实时侧，完成波形显示与阈值判断。第四步，引入预触发、特征提取和故障树，使系统从“看波形”升级为“给结论”。

一个可参考的示例参数如下：控制周期 1 ms，采集 8 个通道，每通道 4 字节，环形缓冲 4096 个周期，预触发 1024 个周期。若单周期采样与入队耗时控制在 3 μs 以内，则对 1 ms 周期的影响约为 0.3%，属于可接受范围。这里的数值是教学示例，实际工程需按控制器性能和总线负载实测确认。

本课程后续将围绕这条链路逐层展开：从实时任务中的采样实现，到时间同步与数据打包，再到监控界面设计、阈值与特征算法、故障树与在线诊断，最终落到可复现的工程案例。掌握本章的架构与对象界定，是后续所有实操内容的前提。