第一章 数据采集概述

1.1 轴承故障诊断的意义

做设备诊断这么多年，我经常被问到同一个问题：轴承坏了换一个不就行了，费那么大劲诊断干嘛？

说实话，早期我也这么想过。直到有一次在电厂，一个风机轴承从出现轻微异响到完全卡死，前后不到48小时。那台风机停产一天，损失就是几十万。换轴承本身不贵，但非计划停机的代价，才是真正的无底洞。

轴承故障诊断，说白了就是给设备做体检。它的核心价值有三点：

• 预防突发故障——在轴承彻底坏掉之前，提前发现异常
• 优化维修计划——从「坏了再修」变成「计划性更换」
• 降低综合成本——备件、人工、停机损失，全都能省下来

我见过太多案例：一个价值几百块的轴承，因为没及时诊断，最后导致电机烧毁、生产线停摆，总损失几十万。你想想看，这笔账怎么算都划不来。

1.2 数据采集在诊断中的核心作用

诊断靠什么？靠数据。

没有数据，你只能靠耳朵听、靠手摸。我刚开始干这行时，老师傅们都是这么干的。但人的感官是有极限的——你听不出0.5kHz和1kHz的区别，也摸不出0.01mm的振动位移。

数据采集，就是把设备的「身体状况」量化出来。

具体来说，数据采集在诊断中扮演三个角色：

1. 信号获取——用传感器把振动、温度、转速等物理量变成电信号
2. 特征提取——从原始信号中抓出能反映故障的特征（比如某个频率的幅值突然变大）
3. 趋势跟踪——持续采集数据，看特征值的变化趋势，判断故障发展到了哪个阶段

我记得有个项目，客户说他们的压缩机「好像有点抖」。我过去一看，振动数据已经超了报警值两倍。但操作工说「感觉还好啊」。这就是典型的感觉不可靠。数据不会骗人，它只会告诉你：该停机检查了。

1.3 本规范的目标与适用范围

做这套规范，其实是被逼出来的。

前几年我带团队做项目，发现一个问题：不同的人采集数据，方法五花八门。有人采样频率设低了，有人传感器装歪了，有人连转速都没记。最后数据一汇总，根本没法对比分析。

所以，本规范的目标很明确：

• 统一采集流程——从传感器选型到数据存储，每一步都有标准可依
• 保证数据质量——减少人为误差，让数据真正可用
• 提高诊断效率——数据格式统一了，分析工具才能发挥最大作用

适用范围呢？主要针对工业旋转机械中的滚动轴承，包括：

设备类型	典型应用
电机	泵、风机、压缩机驱动端
齿轮箱	高速轴、低速轴轴承位
离心机	主轴轴承、辅助轴承
输送设备	滚筒轴承、托辊轴承

当然，如果你做的是滑动轴承、或者非旋转类设备，这套规范的部分内容可能不适用。但数据采集的基本逻辑——选对传感器、放对位置、设对参数——是通用的。

1.4 知识体系框架

下面这张图，是我自己梳理的本章知识结构。你看一眼，就能明白数据采集在整个诊断流程中的位置。

这张图其实就讲了三件事：为什么做、做什么、怎么做。后面的章节，我们会一步步展开，把每个环节都讲透。

---

公众号:蓝海资料掘金营，微信deep3321