给设备装振动监测：AI故障诊断的钱该花在哪

厂里最怕的不是设备坏，是它坏得没征兆——前一天还在转，第二天一早电机就趴了，整条线跟着停，师傅满车间找备件。后来我才明白，轴承、齿轮这些玩意儿临坏之前，早就开始"喊疼"了，只是没人听得见。振动分析加AI故障诊断，干的就是替人听这件事。

振动分析AI故障诊断

一、为什么早期故障藏得住

轴承内圈上崩掉一小块，滚珠每转一圈就"咯"一下，这个冲击特别微弱，藏在整台设备正常的振动噪声里，人眼看波形根本看不出来。等到声音变响、温度上来，往往已经是中后期了。

所以第一笔钱该花在采集上：采样率要够高，把那种毫秒级的冲击抓下来；传感器固定方式也要稳，磁吸凑合一阵可以，长期还是拧螺丝、打胶。采不到，后面算法再厉害也是白搭。

二、AI到底看什么：三类经典时域特征

早些年老师傅靠定阈值报警，值一超就叫，结果要么天天误报没人理，要么阈值定太高直接漏掉。AI故障诊断换了个思路，直接从一维时域信号里提特征，最常用的三个：

均方根反映整体能量，设备"累不累"看它；峭度对尖锐冲击特别敏感，轴承早期的"咯噔"它最先起反应；峰值因子是峰值和有效值的比，冲击型故障一出来它就往上蹿。

这三个是统计特征，几十毫秒的信号就能算，边缘的小盒子就能跑得动，成本不高，性价比很实在。

三、上深度学习：一维卷积自己找规律

手工提特征有个毛病——得懂行的人来挑，换个工况、换个机型还得重调。这几年更省事的做法是直接上一维卷积网络（1D-CNN），把原始时域波形喂进去，让网络自己学冲击的周期性规律。

它的好处是不太依赖人的经验，同一套模型换个轴承型号，重新训一下往往就迁移过去了。当然它也不是万能药，数据量太少照样学不明白，转速波动大也得在预处理上花心思。

四、分得清是哪儿坏，才值钱

只说"设备有故障"其实没多大用，维修班要的是到底哪儿坏了。把转速和负载工况一起当输入，模型才能区分是内圈、外圈还是滚动体故障——这三处坏法不一样，拆机换件的活儿也完全不一样。工况数据必须同步采，否则同一个振动波形在不同转速下含义完全不同，容易误判。

五、从定期检修换成按需检修

这才是真正省钱的地方。以前是到点就拆机保养，好好的轴承也给拆下来换掉，备件库存堆着占钱。改成状态监测之后，知道哪个还健康就先留着，该换的提前排进计划停机窗口。

非计划停机少了，备件也不用一股脑囤。这笔账算下来，往往比省下的人工更可观——毕竟一次意外停线的损失，够买好几套监测设备了。

六、几点实在的选购建议

先想清楚要监测几台、哪几台。 别一上来就全厂铺开，挑几台关键设备先跑起来，看到效果再加。

通道数和采样率是硬门槛。 便宜货通道多但采样率低，抓不住高频冲击，等于白装。这两项先对上了再谈别的。

有没有配套软件和诊断经验很关键。 光卖硬件不管分析，最后数据堆一屏没人看，等于浪费。

别为"AI"两个字多付溢价。 有些所谓智能诊断，底层还是定阈值。问清楚用的是哪些特征、能不能区分具体故障部位。

七、一点心得

振动监测这东西，不是买回来装上就万事大吉，它更像请了个24小时不休息的老师傅。设备是人管的，数据也是人看的，先把采集做扎实，再谈算法多聪明。

One More Thing.......

朗锐传感专注于智能传感、称重仪表、料塔称重、气体传感模组、高速高精度数据采集、工业测控应用、振动监测等自动化技术应用。提供专业硬件定制化服务，帮助客户项目快速实现快速盈利。