第二章：数据采集与传感器基础
各位同学，今天我们来聊聊数据采集这件事。说实话，很多做预测性维护的同行，一上来就急着调模型、调参数，结果模型死活不收敛。我见过太多这样的案例了——问题往往出在数据源头。
数据质量不行，再牛的深度学习模型也白搭。这就像做饭，食材不新鲜，厨艺再好也救不回来。所以，咱们先把传感器和数据采集这块地基打牢。
SCADA系统：风机的“黑匣子”
SCADA，全称是监控与数据采集系统。说白了，它就是风机的“黑匣子”。
我在项目里见过不少SCADA系统，各家厂商的界面长得不一样，但核心功能都差不多：
- 实时监控：风速、功率、转速、温度……几十个参数每秒都在刷新
- 历史存储：数据存到数据库里，方便我们回头分析
- 报警功能：参数超限了，系统会弹窗或者发短信
嗯，这里要注意一点。SCADA系统采集的数据，采样频率通常不高。我见过的大多数风场，SCADA数据是10秒一条，甚至1分钟一条。这个频率够不够用？
我个人习惯是：做RUL预测，SCADA数据只能作为辅助。真正的高频数据，还得靠专门的传感器。
振动传感器：捕捉故障的“脉搏”
振动信号，是风机故障诊断里最重要的信号之一。为什么？因为机械故障一定会引起振动特征的变化。
常见的振动传感器有几种：
| 传感器类型 | 适用场景 | 我的经验 |
|---|---|---|
| 压电式加速度计 | 轴承、齿轮箱 | 最常用，频率响应宽，我用得最多 |
| 速度传感器 | 低速旋转部件 | 低频信号表现好，但体积大 |
| 位移传感器 | 轴系、对中检测 | 精度高，但安装麻烦 |
我曾经在一个风场遇到过这样的问题：振动传感器安装位置不对，导致采集到的信号全是噪声。后来我重新调整了安装位置，信号质量立马就上来了。所以，传感器安装位置真的很关键。
温度传感器：别小看它
温度信号看起来简单，但信息量其实很大。齿轮箱油温、发电机绕组温度、轴承温度……这些参数的变化趋势，往往能提前反映故障。
我习惯把温度信号和振动信号结合起来看。举个例子：轴承温度缓慢上升，同时振动幅值也在增加，那大概率是轴承开始磨损了。
常用的温度传感器有热电偶和热电阻。热电偶响应快，适合测高温；热电阻精度高，适合测中低温。我个人更偏爱PT100热电阻，稳定性好，漂移小。
转速传感器：别忽略这个“小角色”
转速信号，很多人觉得它不重要。其实不然。
你想想看，风机在不同转速下，振动特征是完全不一样的。如果不考虑转速，直接拿振动数据去训练模型，那模型学到的可能是转速变化带来的假象，而不是真正的故障特征。
所以，我建议在做特征工程时，一定要把转速作为一个关键特征。甚至可以把振动信号按照转速区间进行分段处理。
数据采集频率与同步问题
这是个大坑，我得多说几句。
不同传感器的采样频率是不一样的。振动信号通常需要高频采样，比如10kHz甚至更高。温度信号变化慢，1Hz就够了。转速信号一般也是低频。
问题来了：这些不同频率的数据，怎么对齐？
我见过不少团队，直接把不同频率的数据拼在一起，结果模型训练出来一塌糊涂。为什么？因为时间戳没对齐。
我的做法是：
- 统一时间基准：所有传感器都用同一个时钟源
- 高频数据降采样：把振动数据降采样到和SCADA数据相同的频率
- 或者低频数据插值：把温度、转速数据插值到和振动数据相同的频率
具体用哪种方法，取决于你的任务。做RUL预测，我一般用降采样，因为计算量小，而且低频信息已经够用了。
知识体系总览
下面这张图，是我自己总结的数据采集与传感器知识体系。你可以把它当作一个思维导图来看。
这张图把本章的核心内容串起来了。你可以看到，SCADA系统、振动传感器、温度传感器、转速传感器，最后都指向数据同步这个关键环节。
好了，这一章的内容就到这里。数据采集是基础，但也是决定成败的关键。下一章我们会聊数据预处理，到时候我会分享一些我在实际项目中踩过的坑。