第三章 硬件部署方案：传感器选型与数据采集
各位同行，今天咱们聊聊硬件部署。说实话，很多PHM项目最后搞砸了，不是算法不行，而是硬件选型就埋了雷。我见过太多案例——传感器精度不够、采集站装在了振动节点上、网关配置跑不满带宽……嗯，这些坑我都踩过。
这一章，我把自己这些年攒的经验摊开来讲。从传感器选型到数据采集站部署，再到边缘计算网关配置，咱们一步步捋清楚。
3.1 传感器选型：别只看参数表
传感器是PHM系统的「眼睛」。眼睛瞎了，后面算法再牛也没用。我个人习惯，选型时先问三个问题：测什么？装在哪？环境多恶劣？
3.1.1 振动传感器
振动监测是风机PHM的核心。说白了，轴承、齿轮箱的早期故障，都是通过振动信号发现的。
| 类型 | 频响范围 | 适用场景 | 我踩过的坑 |
|---|---|---|---|
| 压电式加速度计 | 0.5Hz-10kHz | 轴承、齿轮箱 | 低频响应差，测塔筒晃动不行 |
| MEMS加速度计 | DC-2kHz | 塔筒、叶片低频 | 噪声大，高频段别指望 |
| 速度传感器 | 10Hz-1kHz | 轴振动监测 | 安装麻烦，现在用得少了 |
选型建议：
- 主轴轴承、齿轮箱高速轴：用压电式，量程±50g，灵敏度100mV/g
- 塔筒、叶片：用MEMS，量程±2g，注意温漂补偿
- 发电机轴承：用压电式，但注意电磁干扰，选屏蔽线
3.1.2 温度传感器
温度监测看似简单，其实门道不少。你想想看，齿轮箱油温、轴承温度、发电机绕组温度，每个点的响应速度都不一样。
- PT100铂电阻： 精度高（±0.1℃），适合轴承、绕组。但响应慢，测瞬态温升不行
- 热电偶（K型）： 响应快，适合齿轮箱啮合点。但精度低（±1.5℃），长期漂移大
- NTC热敏电阻： 便宜，适合做超温保护。但线性差，别用于趋势分析
我个人习惯，关键测点用PT100双冗余配置。为什么？有一次在东北风场，零下30℃时一个PT100冻裂了，幸亏有备份，不然整个冬天数据都是断的。
3.1.3 油液传感器
油液监测是齿轮箱PHM的「金标准」。振动信号能告诉你「坏了」，油液分析能告诉你「为什么坏」。
| 参数 | 传感器类型 | 典型阈值 | 说明 |
|---|---|---|---|
| 颗粒度 | 激光颗粒计数器 | ISO 4406 18/16/13 | 铁磁性颗粒>200μm报警 |
| 水分 | 电容式湿度传感器 | 含水量<200ppm | 超过300ppm必须换油 |
| 粘度 | 音叉式粘度计 | ±10%变化报警 | 温度补偿很重要 |
| 铁磁颗粒 | 电感式磨粒传感器 | >1mm颗粒计数 | 早期磨损预警利器 |
3.1.4 扭矩传感器
扭矩监测在风机里用得不多，但如果你做传动链效率分析，或者研究叶片载荷，就绕不开它。
- 应变式扭矩传感器： 精度高（±0.1%），但需要改造主轴，安装麻烦
- 相位差式扭矩传感器： 非接触测量，适合改造项目。但受转速影响大
- 基于功率推算： 用发电机功率反推扭矩，成本低但误差大（±5%）
说实话，除非做科研项目，否则我不建议在量产风机上装扭矩传感器。成本高、维护难，而且数据价值有限。用功率和转速推算就够了。
3.2 数据采集站（DAQ）部署
传感器选好了，接下来是数据采集站。DAQ是模拟信号转数字信号的关键环节，也是噪声最容易混进来的地方。
3.2.1 DAQ选型要点
| 参数 | 推荐规格 | 原因 |
|---|---|---|
| 采样率 | 振动≥25.6kHz/通道 | 满足轴承故障特征频率分析 |
| 分辨率 | ≥24位 | 动态范围>120dB，捕捉微弱信号 |
| 通道数 | 8-16通道/站 | 覆盖1台风机主要测点 |
| 防护等级 | IP65以上 | 机舱环境潮湿、有盐雾 |
| 同步精度 | <1μs | 多通道相位分析需要 |
3.2.2 部署位置与布线
DAQ装在哪？这是个学问。我见过有人把采集站直接挂在齿轮箱旁边，结果振动太大，采集站自己先坏了。
- 机舱内： 装在机舱控制柜旁边，远离振动源。用减震支架固定
- 塔筒底部： 适合集中式采集方案。但信号线太长，容易引入噪声
- 轮毂内： 变桨系统监测用。注意滑环通道限制，优先用无线传输
3.2.3 信号调理
传感器信号进DAQ之前，一定要做信号调理。这不是可选项，是必选项。
- 抗混叠滤波器： 截止频率设为采样率的1/2.56倍
- ICP供电： 压电传感器需要4mA恒流源供电
- 隔离放大器： 防止地环路引入噪声
- TVS保护： 雷击浪涌保护，海上风场尤其重要
3.3 边缘计算网关配置
数据采集上来，不能全往云端传。你想想看，一台风机128个测点，25.6kHz采样率，一天就是几十GB数据。全传上去，带宽和存储都扛不住。
所以，边缘计算网关的作用就是：在本地完成数据预处理、特征提取、初步诊断，只把结果和报警信息上传云端。
3.3.1 硬件配置建议
| 组件 | 推荐配置 | 说明 |
|---|---|---|
| CPU | ARM Cortex-A72 四核 1.5GHz | 满足FFT、特征提取计算 |
| 内存 | ≥4GB DDR4 | 缓存原始数据，支持实时处理 |
| 存储 | 64GB eMMC + 512GB SSD | eMMC装系统，SSD存7天原始数据 |
| 网络 | 双千兆以太网 + 4G/5G | 有线为主，无线备份 |
| 接口 | 4路RS485 + 2路CAN | 连接油液传感器、温控器等 |
3.3.2 边缘计算任务分配
网关上的计算资源有限，不能什么都干。我的分配原则是：
- 实时任务（优先级高）： 超限报警、趋势突变检测。用C/C++实现，运行在裸机或RTOS上
- 准实时任务： FFT频谱分析、包络分析。用Python+NumPy，每10分钟跑一次
- 非实时任务： 模型推理、故障诊断。用ONNX Runtime，每小时跑一次
- 后台任务： 数据压缩、断点续传。空闲时执行
3.3.3 通信协议与数据压缩
网关和云端通信，协议选型很重要。我个人推荐：
- MQTT： 轻量级，支持QoS，适合物联网场景
- OPC UA： 适合与SCADA系统对接，但开销大
- HTTP/HTTPS： 适合非实时数据上传，比如日报
数据压缩方面，我常用的方法：
- 死区压缩： 变化<1%的数据不传
- 旋转门压缩： 适合趋势数据，压缩比可达10:1
- 特征值上传： 只传均值、峰值、峭度等特征，原始数据本地存
3.4 整体硬件架构图
说了这么多，咱们用一张图把整体架构串起来。这张图是我在项目中反复迭代后的方案，你可以直接参考。
这张图展示了从传感器到云端的完整数据链路。每一层都有明确的职责，层与层之间通过标准化接口连接。我在实际部署时，会严格按照这个架构来，确保系统可扩展、可维护。
3.5 部署清单与验收标准
最后，给各位一份部署清单。每次项目验收，我都按这个表逐项检查：
| 检查项 | 验收标准 | 备注 |
|---|---|---|
| 传感器安装 | 安装扭矩符合要求，信号线固定牢固 | 用扭矩扳手，别凭手感 |
| 信号质量 | 信噪比>60dB，无工频干扰 | 停机状态下测试 |
| DAQ同步 | 多通道相位误差<1°@100Hz | 用标准信号源测试 |
| 边缘计算 | FFT计算时间<100ms/帧 | 1024点FFT |
| 通信延迟 | 报警信息上传<5秒 | 4G网络下测试 |
| 数据完整性 | 断网恢复后数据补传率100% | 模拟断网24小时 |
好了，硬件部署这块就聊到这儿。下一章咱们讲数据通信与协议，到时候我会重点聊聊MQTT和OPC UA在实际项目中的坑，以及怎么保证数据不丢、不乱、不延迟。
公众号:蓝海资料掘金营，微信deep3321