第1章：信号读取与可视化——从数据到波形图

各位同学好，我是老张。做轴承故障诊断这些年，我最大的体会就是：拿到数据别急着上算法，先看看波形长什么样。这就像医生看病，总得先望闻问切吧？

今天咱们就聊聊，怎么用Python把振动信号读进来，再画成时域波形图。别小看这一步，我见过太多人模型跑得飞起，结果数据读进来就是错的——嗯，那后面的分析全白搭。

1.1 振动数据长什么样？

先说说数据格式。实际项目中，振动数据最常见的就是两种：

• CSV格式：纯文本，用逗号分隔。简单，通用。
• MAT格式：Matlab的二进制格式。实验室里用得特别多。

我个人习惯，拿到数据先看一眼文件大小和结构。举个例子，一个典型的轴承振动CSV文件，大概长这样：

time, vibration
0.000, 0.0123
0.001, -0.0089
0.002, 0.0156
...

第一列是时间，第二列是加速度值。单位通常是秒和g（重力加速度）。

1.2 用Pandas读取CSV

Python里读CSV，我首选Pandas。为什么？因为它自带数据结构，处理起来太顺手了。

import pandas as pd
import numpy as np

# 读取CSV文件
df = pd.read_csv('bearing_vibration.csv')

# 看看前5行
print(df.head())

# 提取时间和振动列
time = df['time'].values
vibration = df['vibration'].values

# 看看数据基本信息
print(f"采样点数: {len(vibration)}")
print(f"采样率: {1/(time[1]-time[0]):.1f} Hz")

这里有个坑，我曾经踩过：CSV文件里可能有表头注释行。有些数据采集软件会在文件开头加几行说明，比如设备型号、测试条件。这时候直接读会报错。解决办法是加个skiprows参数：

df = pd.read_csv('bearing_vibration.csv', skiprows=2)  # 跳过前2行注释

1.3 读取MAT格式文件

MAT文件稍微麻烦点。需要用scipy.io模块。我记得第一次读MAT文件时，死活找不到变量名——后来才发现，MAT文件里存的变量名和Matlab工作区里看到的不一样。

from scipy.io import loadmat

# 读取MAT文件
mat_data = loadmat('bearing_data.mat')

# 查看所有变量名
print(mat_data.keys())

# 提取振动数据（假设变量名叫'vibration'）
vibration = mat_data['vibration'].flatten()

# 如果有时间轴
time = mat_data['time'].flatten() if 'time' in mat_data else None

注意.flatten()这个操作。MAT文件读出来通常是二维数组，哪怕它只有一列。不压平的话，后面画图会出问题。

1.4 用Matplotlib画时域波形

数据读进来了，接下来就是画图。时域波形图说白了就是横轴时间、纵轴幅值的折线图。但别小看这张图，它能告诉你很多信息：

• 信号有没有明显的周期性？
• 有没有冲击成分？
• 噪声水平怎么样？
• 有没有异常尖峰？

来看看代码：

import matplotlib.pyplot as plt

# 设置中文字体（防止乱码）
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

# 创建画布
plt.figure(figsize=(12, 4))

# 画波形
plt.plot(time, vibration, 'b-', linewidth=0.5)

# 添加标签
plt.xlabel('时间 (s)')
plt.ylabel('振动幅值 (g)')
plt.title('轴承振动信号时域波形')

# 添加网格
plt.grid(True, alpha=0.3)

# 显示
plt.tight_layout()
plt.show()

这里我用了linewidth=0.5。为什么线要这么细？因为振动信号采样点很多，线太粗会糊成一团，看不清细节。你想想看，10kHz采样率下，1秒钟就是1万个点，线宽了根本没法看。

1.5 画图的几个实用技巧

做项目这么多年，我总结了几条画图的经验：

1. 先看整体，再看局部。先画整段信号，了解大致情况。然后截取一小段（比如0.1秒）放大看细节。
2. 多画几个子图对比。正常状态和故障状态的波形放在一起，差异一目了然。
3. 注意坐标轴范围。有时候信号里有个异常大的尖峰，会导致纵轴自动缩放，其他细节全被压扁了。这时候可以手动设置ylim。

来看一个截取局部信号的例子：

# 截取前0.1秒的数据
sample_rate = 1 / (time[1] - time[0])
points_to_show = int(0.1 * sample_rate)

plt.figure(figsize=(12, 4))
plt.plot(time[:points_to_show], vibration[:points_to_show], 'b-', linewidth=1)
plt.xlabel('时间 (s)')
plt.ylabel('振动幅值 (g)')
plt.title('前0.1秒波形细节')
plt.grid(True, alpha=0.3)
plt.show()

1.6 本章知识体系

来，我画了一张图，把本章的核心逻辑串起来：

这张图把整个流程串起来了。从数据来源开始，到读取方法，再到数据检查，最后是可视化。可视化又分整体和局部两个角度。说白了，就是先宏观再微观，先看全貌再看细节。

1.7 避坑总结

最后，我把这些年踩过的坑整理一下：

常见问题	表现	解决办法
CSV有注释行	读取报错或数据错位	用skiprows跳过
MAT版本不兼容	loadmat报错	用h5py或转换格式
数据维度不对	画图时报维度错误	用.flatten()压平
中文显示乱码	标题、标签显示方框	设置rcParams字体
波形太密看不清	整段信号糊成一团	截取局部放大看

嗯，今天就到这儿。记住一句话：数据读不对，后面全白费。花点时间把数据读好、波形画好，后面的分析才能站得住脚。