3、故障诊断基础流程：信号采集、预处理、特征提取、模式识别
做MEMS振动传感器故障诊断这些年，我最大的体会是——诊断流程就像破案。你不能一上来就拍脑袋说「这传感器坏了」，得一步步来。我个人习惯把整个流程拆成四个环节：信号采集、预处理、特征提取、模式识别。少一步，结果就可能跑偏。
今天咱们就聊聊这四个环节。说白了，这就是一套从原始数据到故障结论的「流水线」。你想想看，传感器输出的原始信号里，噪声、干扰、漂移全混在一起，不经过处理，根本没法用。
核心观点：故障诊断的成败，80%取决于前三个环节做得好不好。模式识别只是最后那临门一脚。
3.1 信号采集——地基不牢，地动山摇
信号采集是第一步，也是最容易被忽视的一步。我记得刚入行时，有个项目测出来的振动数据总是怪怪的，频谱上多了一堆莫名其妙的峰值。折腾了两天，最后发现是采样率设得太低，信号混叠了。嗯，从那以后我再也不敢随便设采样率了。
信号采集要关注三个关键参数：
- 采样率：至少是目标信号最高频率的2倍，实际工程中我建议取5~10倍。比如你要分析1kHz的振动，采样率至少设到5kHz以上。
- 采样时长：决定了频率分辨率。采样时间越长，频率分辨率越高。公式很简单：Δf = 1/T。
- 量程设置：别让信号削波，也别让信号太小。我一般让信号峰值占满量程的70%~80%。
小技巧：现场采集时，先用手摸一下传感器外壳。如果温度异常高，八成是内部电路有问题。这个「土办法」帮我省了不少排查时间。
3.2 预处理——把脏数据洗干净
原始信号采集回来后，别急着分析。先做预处理。说白了，就是把信号里的「垃圾」清理掉。
预处理我一般做三件事：
- 去直流分量：MEMS传感器常有直流偏置，直接减掉均值就行。
- 滤波：根据故障类型选滤波器。轴承故障用带通滤波，不平衡故障用低通滤波。我个人习惯先用巴特沃斯滤波器，过渡带平滑，不容易引入额外振荡。
- 异常值剔除：有时候传感器会突然跳一个离谱的值，比如100g的加速度。这种明显是干扰，直接剔除或插值替换。
我曾经遇到过一个案例，某产线的振动监测系统天天误报警。查了半天，发现是预处理环节没做滤波，把电源的50Hz工频干扰当成了故障特征。加上一个50Hz陷波器后，世界清净了。
注意：滤波不是越狠越好。过度滤波会把真实的故障特征也滤掉。我见过有人用低通滤波把轴承的故障冲击信号全滤没了，诊断结果自然一塌糊涂。
3.3 特征提取——从数据里「挖」出故障信息
预处理完的信号，还是太「原始」。你得从中提取出能反映故障状态的特征。特征提取分三个维度：
| 特征类型 | 常用指标 | 适用场景 |
|---|---|---|
| 时域特征 | 峰值、均方根值、峭度、波形因子 | 冲击类故障（轴承点蚀、齿轮断齿） |
| 频域特征 | 频谱峰值、边频带、谐波成分 | 旋转机械故障（不平衡、不对中） |
| 时频域特征 | 小波包能量、短时傅里叶变换 | 非平稳信号（变转速工况） |
举个例子。峭度这个指标，正常振动信号的值在3左右。如果峭度突然飙到10以上，基本可以断定有冲击性故障。我在风电齿轮箱诊断中就用这招，准确率很高。
特征提取的代码示例（Python）：
import numpy as np
from scipy import stats
def extract_features(signal):
# 时域特征
peak = np.max(np.abs(signal))
rms = np.sqrt(np.mean(signal**2))
kurtosis = stats.kurtosis(signal)
# 频域特征
spectrum = np.fft.fft(signal)
freq = np.fft.fftfreq(len(signal), d=1/fs)
return {
'peak': peak,
'rms': rms,
'kurtosis': kurtosis,
'spectrum': spectrum,
'freq': freq
}3.4 模式识别——给故障「贴标签」
特征提取完了，最后一步就是模式识别。说白了，就是根据提取到的特征，判断传感器或设备到底出了什么问题。
模式识别的方法有很多，我按经验排个序：
- 阈值法：最简单，也最实用。比如峭度超过10就报警。适合单一故障场景。
- 机器学习：数据量大、故障类型多的时候用。SVM、随机森林我都试过，效果不错。
- 深度学习：信号特别复杂、传统方法搞不定的时候上。但别一上来就上深度学习，容易过拟合。
我的建议：能用手工规则解决的，就别上模型。我在产线上做过对比，一个精心调参的阈值法，准确率能到95%以上，而且解释性强。黑盒模型出了问题，你都不知道该调哪里。
模式识别的输出，就是诊断结论。比如「传感器灵敏度下降，建议校准」或者「轴承外圈故障，建议更换」。结论要具体，别含糊其辞。
好了，四个环节讲完了。信号采集是基础，预处理是保障，特征提取是核心，模式识别是收尾。每一步都有坑，但踩过一次就记住了。做故障诊断，耐心比技术更重要。
公众号:蓝海资料掘金营，微信deep3321