4、数据采集基础：采样频率与分辨率、数据采集卡与PLC、边缘计算网关、数据清洗与预处理
各位同行，大家好。今天咱们聊聊状态监测系统的“眼睛”和“耳朵”——数据采集。说实话，我见过太多项目，算法模型再漂亮，数据采集这关没把好，后面全是白搭。数据不准，分析出来的结果就是垃圾。嗯，咱们一步步来。
4.1 采样频率与分辨率：别让数据“说谎”
先说说采样频率。说白了，就是每秒钟从传感器上读多少个数据点。比如你监测一个电机轴承，转速是3000转/分，也就是50Hz。根据奈奎斯特定理，采样频率至少得是信号最高频率的两倍。我个人习惯，一般会取5到10倍，留足余量。
核心原则：采样频率过低，高频故障特征会被“混叠”，看起来像低频信号。我曾经在项目里遇到过，一个齿轮箱的齿面磨损信号，因为采样频率设低了，硬是没看出来，差点误判。
分辨率呢？就是数据采集卡能分辨的最小信号变化。比如一个12位的采集卡，量程0-10V，分辨率就是10V / 2^12 ≈ 2.44mV。分辨率越高，能捕捉到的微小振动、温度波动就越精细。
| 参数 | 说明 | 我的建议 |
|---|---|---|
| 采样频率 | 每秒采集的点数（Hz） | 至少5倍于目标信号最高频率 |
| 分辨率 | 最小可分辨信号变化 | 振动监测建议16位以上 |
| 量程 | 信号输入范围 | 根据传感器输出合理选择 |
避坑指南：我曾经在一条产线上，为了省成本用了低分辨率采集卡，结果温度漂移0.5度以内根本看不出来，导致预热时间判断失误。后来换了16位的，问题迎刃而解。
4.2 数据采集卡与PLC：硬件的选择
数据采集卡，一般是PCIe或USB接口的，适合高速、高精度的振动、声发射信号采集。PLC呢，更擅长处理开关量、模拟量（4-20mA），适合温度、压力、流量这些慢变信号。
你想想看，一个旋转设备，振动频率可能到几千赫兹，PLC的扫描周期通常几十毫秒，根本跟不上。这时候就得用专用的数据采集卡。反过来，一个储罐液位，几秒钟变一次，用PLC就足够了。
我的经验：在钢铁厂的一个项目中，我们同时用了NI的数据采集卡（采集振动）和西门子S7-1200 PLC（采集温度、电流）。两者通过OPC UA通信，数据汇总到边缘网关。这样既保证了高速信号的完整性，又利用了PLC的可靠性。
这里有个表格，帮你快速对比：
| 特性 | 数据采集卡 | PLC |
|---|---|---|
| 采样速度 | 高（可达MHz） | 低（通常几十ms） |
| 精度 | 高（16-24位） | 中等（12-16位） |
| 适用信号 | 振动、声发射、高速电压 | 温度、压力、液位、开关量 |
| 编程难度 | 较高（需驱动开发） | 较低（梯形图、SCL） |
| 可靠性 | 一般 | 高（工业级） |
4.3 边缘计算网关：把“聪明”放在现场
以前我们做状态监测，数据全往服务器发。后来发现不行，数据量太大，网络带宽扛不住，延迟也高。边缘计算网关就是解决这个问题的——在设备旁边就把数据初步处理了。
边缘网关能干些什么？
- 数据汇聚：把采集卡、PLC、传感器数据统一收上来
- 初步计算：做FFT、求均方根值、提取特征
- 本地预警：超过阈值直接报警，不用等云端
- 断网续传：网络断了，数据先存本地，恢复后补传
我建议：选边缘网关时，别光看CPU性能。要关注它的IO接口够不够，支不支持你现有的传感器协议。我曾经选了一款网关，性能很强，结果发现不支持Modbus TCP，又得加转换器，麻烦得很。
下面这张图，是我自己总结的数据采集与边缘处理流程，你看看：
4.4 数据清洗与预处理：脏数据比没数据更可怕
数据采上来了，但别急着用。原始数据里什么都有：噪声、野点、缺失值、时间戳错乱……不清洗直接扔进模型，结果就是“垃圾进，垃圾出”。
我常用的预处理步骤：
- 去野点：用3σ原则或中值滤波，把明显异常的值剔除
- 补缺失：线性插值、前向填充，或者干脆丢弃（缺失太多的话）
- 去趋势：振动信号常有直流偏置，用高通滤波器去掉
- 归一化：把不同量纲的数据映射到0-1或-1到1之间
注意：千万别在不知道数据含义的情况下盲目清洗。我曾经见过有人把设备启停阶段的正常冲击信号当野点给滤掉了，结果模型永远学不到启动特征。清洗前，先看看数据长什么样。
举个例子，一段振动数据的简单预处理代码（Python风格）：
import numpy as np
from scipy import signal
# 原始振动数据
vibration_data = np.array([...])
# 1. 去野点：超过3倍标准差视为野点
mean = np.mean(vibration_data)
std = np.std(vibration_data)
clean_data = vibration_data[np.abs(vibration_data - mean) < 3 * std]
# 2. 高通滤波：去除直流分量
b, a = signal.butter(4, 0.01, 'high')
filtered_data = signal.filtfilt(b, a, clean_data)
# 3. 归一化
normalized_data = (filtered_data - np.min(filtered_data)) / (np.max(filtered_data) - np.min(filtered_data))
小技巧：我习惯在边缘网关上就做一部分清洗，比如去野点和去趋势。这样传到云端的数据质量已经很高了，云端只需要做更高级的分析。这叫“边缘预处理”，能大大减轻网络和服务器压力。
好了，数据采集这块儿，核心就是：频率要够、分辨率要高、硬件要选对、边缘要处理、数据要干净。每一步都马虎不得。你想想看，如果采集的数据本身就有问题，后面再好的算法也是白费力气。嗯，今天就到这儿，大家在实际项目中遇到什么问题，随时交流。