第4章数据采集实战

第四讲：数据采集实战——用NI DAQ采集主轴振动信号

各位同学，今天咱们来点真家伙。

前面三讲我们聊了轴承故障的机理、特征频率的计算，还有传感器的选型。但说实话，那些都是纸上谈兵。真正要诊断故障，你得先把信号拿到手。数据都采不上来，后面分析得再漂亮也是白搭。

这一讲，我就带大家走一遍完整的流程：从硬件接线，到NI DAQ的配置，再到Python实时读取和存储。嗯，都是我在车间里踩过坑之后总结出来的经验。

核心目标：用NI DAQ采集卡（比如USB-6009或9234）采集主轴轴承的振动加速度信号，通过Python实时读取并保存为CSV文件，为后续的时域/频域分析做准备。

4.1 硬件连接与配置

先说说硬件。我个人习惯用NI的USB-6009，性价比高，16位分辨率，采样率最高48kS/s，对付主轴振动绰绰有余。如果你用的是ICP加速度传感器，记得要配一个信号调理器，或者直接用NI 9234这种带IEPE激励的模块。

接线要点：

传感器输出 → DAQ模拟输入通道（AI0+ / AI0-）
信号调理器供电（如果是ICP传感器）
DAQ的USB线连到电脑

注意：我曾经有一次没注意传感器线缆的屏蔽层接地，结果采集到的信号里全是50Hz工频干扰。后来花了整整一个下午排查，才发现是接地问题。所以，屏蔽层一定要单端接地，别偷懒。

硬件接好后，打开NI MAX（Measurement & Automation Explorer），确认设备能被识别。如果设备列表里没有，检查驱动或者换根USB线——别问我怎么知道的。

4.2 Python环境准备

Python这边，我们需要装几个库：

nidaqmx：NI官方提供的Python驱动，用来控制DAQ卡
numpy：处理数据数组
pandas：保存CSV文件
matplotlib：实时绘图（可选，调试用）

安装命令很简单：

pip install nidaqmx numpy pandas matplotlib

这里有个坑：nidaqmx要求你的NI-DAQmx驱动版本在19.0以上。我建议直接装最新的，省得后面报错。

4.3 实时采集代码实战

好了，现在开始写代码。我会先给一个基础版本，然后逐步优化。

4.3.1 单次采集（测试用）

先跑通最简单的：采集1秒钟的数据，看看传感器和线缆有没有问题。

import nidaqmx
import numpy as np

# 创建设备对象
with nidaqmx.Task() as task:
    # 添加模拟输入通道，物理通道名称为"Dev1/ai0"
    task.ai_channels.add_ai_voltage_chan("Dev1/ai0")
    
    # 配置采样率：10kHz，采样点数：10000（即1秒数据）
    task.timing.cfg_samp_clk_timing(rate=10000, samps_per_chan=10000)
    
    # 读取数据
    data = task.read(number_of_samples_per_channel=10000)
    
    # 转换为numpy数组
    data_array = np.array(data)
    print(f"采集完成，数据长度：{len(data_array)}")
    print(f"最大值：{np.max(data_array):.4f} V，最小值：{np.min(data_array):.4f} V")

跑一下，如果输出正常，说明硬件链路没问题。如果全是0或者数值异常，检查传感器供电和接线。

4.3.2 连续采集与实时存储

实际诊断中，我们通常需要连续采集几分钟甚至几小时的数据。下面这个代码实现了：

连续采集，每1秒读取一次缓冲区
实时显示当前数据的均方根值（RMS）
将数据追加保存到CSV文件

import nidaqmx
import numpy as np
import pandas as pd
import time
from datetime import datetime

# 采集参数
SAMPLE_RATE = 10000      # 采样率 10kHz
DURATION = 60            # 采集时长 60秒
CHUNK_SIZE = 10000       # 每次读取10000个点（1秒）
CHANNEL = "Dev1/ai0"     # 物理通道

# 存储数据的列表
all_data = []

print("开始采集...")
start_time = time.time()

with nidaqmx.Task() as task:
    # 配置通道和采样时钟
    task.ai_channels.add_ai_voltage_chan(CHANNEL)
    task.timing.cfg_samp_clk_timing(
        rate=SAMPLE_RATE,
        samps_per_chan=CHUNK_SIZE
    )
    
    # 启动采集
    task.start()
    
    while time.time() - start_time < DURATION:
        # 读取一个数据块
        chunk = task.read(number_of_samples_per_channel=CHUNK_SIZE)
        chunk_array = np.array(chunk)
        
        # 计算RMS值
        rms = np.sqrt(np.mean(chunk_array**2))
        timestamp = datetime.now().strftime("%H:%M:%S.%f")[:-3]
        
        print(f"[{timestamp}] RMS: {rms:.4f} V")
        
        # 存储数据
        all_data.append(chunk_array)
    
    task.stop()

# 合并所有数据
final_data = np.concatenate(all_data)
print(f"采集完成，总数据点数：{len(final_data)}")

# 保存为CSV
df = pd.DataFrame({
    'time': np.arange(len(final_data)) / SAMPLE_RATE,
    'vibration': final_data
})
df.to_csv('spindle_vibration_data.csv', index=False)
print("数据已保存到 spindle_vibration_data.csv")

小技巧：我习惯在文件名中加入时间戳，比如 spindle_20250101_143000.csv，这样不会覆盖之前的采集数据。你可以在保存时用 datetime.now().strftime("%Y%m%d_%H%M%S") 生成文件名。

4.4 避坑指南与经验分享

做数据采集这么多年，我踩过的坑能写一本书。这里挑几个最常见的说说：

缓冲区溢出：如果采集时间很长，读取速度跟不上采样速度，DAQ卡会报缓冲区溢出错误。解决办法是增大 samps_per_chan 或者用多线程读取。
采样率设置：主轴振动信号的频率范围一般在0-5kHz，根据奈奎斯特定理，采样率至少10kHz。我通常设到20kHz，留点余量。
文件太大：连续采集一小时，10kHz采样率，就是3600万行数据。CSV文件会很大。建议分段保存，比如每10分钟一个文件。

警告：千万不要在采集过程中拔USB线！我曾经手贱拔了一次，结果DAQ卡驱动崩了，重装才恢复。正确做法是先停止任务，再断开连接。

4.5 知识体系总览

下面这张图总结了本章的核心逻辑，从硬件到软件，从采集到存储，一目了然：

4.6 课后练习

光看不练假把式。给你留个小任务：

用你的DAQ卡采集一段主轴空转时的振动信号，保存为CSV
用Python读取这个CSV，画出时域波形图
尝试改变采样率（比如5kHz、20kHz），看看波形有什么变化

做完这些，你就掌握了数据采集的基本功。下一讲我们会用这些数据做频谱分析，看看能不能找到轴承故障的特征频率。

📚 课程目录

第四讲：数据采集实战——用NI DAQ采集主轴振动信号

4.1 硬件连接与配置

4.2 Python环境准备

4.3 实时采集代码实战

4.3.1 单次采集（测试用）

4.3.2 连续采集与实时存储

4.4 避坑指南与经验分享

4.5 知识体系总览

4.6 课后练习