4、传感器选型与数据采集：加速度计、温度传感器、电流传感器选型、I2C/SPI接口基础、数据采样率设置
好，咱们进入第四章。这一章我打算聊聊传感器选型和数据采集。说实话，这是整个TinyML项目里最容易被忽视、但也是最容易翻车的一环。你模型写得再好，传感器数据是脏的、采样率是错的，那后面全是白搭。
我见过太多人，一上来就调模型，结果发现数据根本不对。嗯，咱们先把地基打牢。
4.1 加速度计选型：别只看参数，要看场景
加速度计在工业异常检测里，主要用来测振动。电机、泵、风机，这些旋转设备的故障，早期都会在振动信号里露出马脚。
选型时，我一般先看三个核心指标：
- 量程（g值）：普通工业设备，±2g到±16g够用。大型冲压机、破碎机，得上±200g的。我有个项目，一开始选了±16g的传感器，结果装在冲压机上，数据直接削顶了。后来换了ADXL1001，才搞定。
- 带宽（Hz）：电机振动，主要看几十Hz到几千Hz。普通轴承故障，几百Hz就能看出来。齿轮箱故障，得上到几kHz。选传感器时，带宽至少要覆盖你关心的频率范围的两倍。
- 噪声密度：这个容易被忽略。低噪声的传感器，能捕捉到更微弱的早期故障信号。比如ADXL355，噪声密度低至25 μg/√Hz，适合做高精度预测性维护。
我个人习惯：工业场景，优先选ADXL345（便宜、成熟）或ADXL355（低噪声、高精度）。如果要求宽带宽，可以看看MEMS加速度计里的高频型号，比如ADXL1001/1002。
避坑指南：我曾经在一个项目里，用了某款便宜的加速度计，结果数据里全是50Hz工频干扰。后来发现是传感器内部没有做低通滤波。所以，选型时一定要确认传感器是否内置了抗混叠滤波器。
4.2 温度传感器选型：精度和响应速度的权衡
温度传感器，在工业里主要用来监测设备过热、环境温度变化。选型时，我关注三点：
- 精度：±0.5°C是基本要求。做精密温控，得上±0.1°C的。
- 接口：I2C接口的传感器，连线简单，适合近距离。比如LM75、TMP117。
- 响应速度：热敏电阻响应快，但线性度差。数字传感器（如DS18B20）精度高，但响应慢。你想想看，如果监测的是快速变化的温度，比如焊接头，那得用热电偶。
我建议：大多数工业场景，用DS18B20就够了。便宜、稳定、单总线通信，一根线就能挂多个传感器。但注意，它的采样速度比较慢，一次转换要750ms。如果你需要快速采集，可以考虑TMP117，精度高，速度也快。
注意：温度传感器不要紧贴发热源安装，留点距离。否则测出来的温度会偏高，影响判断。我曾经吃过这个亏，传感器贴在电机外壳上，结果数据比实际高了5°C。
4.3 电流传感器选型：霍尔效应 vs 分流电阻
电流传感器，用来监测电机、泵的电流变化。电流异常，往往意味着负载变化、堵转、或者绕组故障。
选型时，主要看：
- 测量范围：选额定电流的1.5倍到2倍。比如电机额定电流10A，选20A的传感器。
- 隔离方式：霍尔效应传感器（如ACS712）自带隔离，安全。分流电阻方案便宜，但需要隔离电路。
- 带宽：监测工频电流，几十Hz够用。监测变频器输出，得上kHz带宽。
我个人经验：ACS712系列，便宜好用，但噪声有点大。如果做高精度电流监测，可以考虑INA219，它用的是分流电阻加高精度ADC，精度高，但需要外部隔离。
4.4 I2C/SPI接口基础：选对总线，少走弯路
传感器选好了，怎么跟MCU通信？I2C和SPI是两种最常见的接口。我简单说说它们的区别和适用场景。
| 特性 | I2C | SPI |
|---|---|---|
| 接线 | 2根线（SDA、SCL） | 4根线（MOSI、MISO、SCK、CS） |
| 速度 | 标准100kHz，快速400kHz | 可达几十MHz |
| 多设备 | 地址寻址，可挂多个 | 片选信号，每个设备一根CS线 |
| 适用场景 | 低速、近距离、多传感器 | 高速、大数据量、实时性要求高 |
说白了，I2C适合挂一堆温度传感器、加速度计，接线简单。SPI适合高速数据采集，比如高采样率的加速度计、ADC。
避坑指南：我曾经在一个项目里，用I2C挂了5个传感器，结果通信老是出错。后来发现是总线电容太大，信号变形了。解决办法：降低I2C时钟频率，或者加总线缓冲器。嗯，这个坑我踩过，你们别踩了。
4.5 数据采样率设置：别盲目追求高采样率
采样率，是数据采集里最关键的参数之一。设高了，数据量大，MCU处理不过来。设低了，信号特征丢失，模型白搭。
怎么设？记住奈奎斯特定理：采样率至少是信号最高频率的两倍。但实际工程中，我一般取5到10倍。
- 电机振动：轴承故障频率一般在几百Hz到几kHz。采样率设到2kHz到10kHz，够用。
- 温度：温度变化慢，1Hz采样率都嫌多。一般0.1Hz到1Hz。
- 电流：工频50Hz，采样率设到1kHz，能捕捉到谐波和瞬态变化。
我建议：先根据设备手册估算故障频率，再选采样率。如果拿不准，可以先用高采样率采集一段数据，然后降采样分析。这样既能保证数据质量，又能节省存储和算力。
注意：采样率设高了，数据量会爆炸。比如10kHz采样，16位精度，每秒就是20KB数据。一天下来，1.7GB。MCU的Flash和RAM根本扛不住。所以，一定要在采集端做预处理，比如只保存特征值，或者用边缘计算做初步判断。
好了，这一章就到这里。传感器选型和数据采集，是TinyML项目的起点。选对了，后面顺风顺水。选错了，后面全是坑。下一章，咱们聊聊数据预处理和特征工程，把原始数据变成模型能吃的“好料”。