第1章：数据采集系统——在线监测系统架构

大家好，我是老张。搞了十几年风机振动监测，今天咱们聊聊数据采集系统。说白了，就是传感器怎么把振动信号变成你能在电脑上看到的波形图。

我刚开始接触这个领域时，总觉得不就是接根线嘛。直到有一次现场调试，信号死活传不上来，折腾了两天才发现是屏蔽层接地问题。从那以后，我对这套架构就格外上心。

1.1 整体架构：四层结构

一套完整的在线监测系统，我习惯把它分成四层。你想想看，就像盖房子，地基、框架、装修、智能家居，一层叠一层。

1.2 传感器层：信号的起点

传感器是整个系统的眼睛。我个人最常用的是加速度传感器，因为它对高频振动敏感，能捕捉到轴承早期故障的信号。

这里有个坑，我必须要说。传感器安装方式直接影响数据质量。磁吸式方便但高频响应差，螺纹安装最可靠。我曾经在一个项目里，客户图省事全用磁吸座，结果齿轮箱的啮合频率信号全丢了。后来全部换成螺纹安装，数据才正常。

传感器类型	适用频率	典型应用	安装方式
压电加速度传感器	0.5Hz~10kHz	轴承、齿轮箱	螺纹/磁吸
速度传感器	10Hz~1kHz	风机塔筒、叶片	螺纹
电涡流位移传感器	DC~10kHz	轴位移、轴心轨迹	支架安装

1.3 采集卡层：模拟转数字的关键

采集卡负责把传感器传来的模拟信号变成数字信号。这里有两个核心参数：采样率和分辨率。

采样率决定了你能看到多高的频率。根据奈奎斯特定理，采样率至少是最高分析频率的2.56倍。我习惯取3~4倍，留点余量。分辨率则决定了信号的动态范围，16位是入门，24位才是正经干活用的。

嗯，这里要注意抗混叠滤波器。很多采集卡自带低通滤波，但截止频率设置不对，照样会出问题。我记得有个风电场的案例，采集卡默认滤波设成了1kHz，结果齿轮箱的2kHz边频全被滤掉了，故障特征根本看不到。后来改成5kHz才解决问题。

1.4 工控机层：边缘计算的战场

工控机是现场的大脑。它负责实时采集、初步分析和本地存储。我个人不建议把所有数据都往云上推，太费带宽了。工控机应该做第一道筛选。

比如，工控机可以实时计算振动总值、峰值因子、峭度这些特征值。只有特征值超限了，才把原始波形上传到云平台。这样既保证了实时报警，又节省了网络流量。

// 伪代码示例：工控机边缘计算逻辑
while (true) {
    raw_data = read_sensor(channel_1);
    rms_value = calculate_rms(raw_data);
    crest_factor = calculate_crest_factor(raw_data);
    
    if (rms_value > threshold_high) {
        upload_waveform(raw_data);  // 超限才上传
        send_alert("振动超标");
    }
    
    save_to_local_db(rms_value, crest_factor);  // 特征值本地存储
    sleep(100);  // 100ms采集一次
}

工控机的选型也有讲究。我见过有人拿普通PC当工控机用，结果夏天机柜温度一高，直接死机。工业级工控机必须满足：宽温（-20℃~60℃）、防尘、抗振动、支持看门狗功能。

1.5 云平台层：大数据与AI的舞台

云平台是系统的终极大脑。所有工控机上传的数据在这里汇聚、存储、分析。说白了，云平台干三件事：存数据、算趋势、出报告。

我个人比较看重云平台的报警规则引擎。好的规则引擎能支持多条件组合报警，比如「振动总值超限且趋势上升速率大于5%/天」才触发报警，而不是单一阈值。这样可以大幅减少误报。

另外，云平台的频谱分析能力也很关键。我习惯在云平台上做长期趋势分析，比如看某个频率成分半年内的变化曲线。这种分析在工控机上做不了，因为数据量太大。

1.6 实战中的常见问题

最后，我总结几个实战中经常遇到的问题，供你参考：

• 信号干扰：传感器线缆和动力电缆走同一个桥架，信号里全是50Hz工频干扰。解决办法：信号线单独走管，屏蔽层单端接地。
• 采样率不匹配：采集卡采样率设得太低，高频故障信号被混叠成低频信号，误判为正常。记住：采样率至少是最高分析频率的2.56倍。
• 网络延迟：工控机到云平台的网络延迟超过1秒，实时报警变成事后诸葛亮。建议：关键报警在工控机本地执行，云平台只做趋势分析。
• 数据丢失：工控机硬盘满了，新数据覆盖旧数据，历史趋势断档。建议：工控机存储容量按「至少保存30天原始波形」来配置。

好了，这一章的内容就到这里。数据采集系统是整个监测方案的地基，地基打不好，后面再牛的分析算法也是白搭。希望这些经验能帮你少走弯路。

---

公众号：蓝海数据掘金营，微信deep3321