“等坏了再修”事后维护→到日子就修定期维护→看着状态修预测性维护PdM——维护策略的进化史就是采集系统的价值进化史。第三个实战项目给一条产线的关键设备群装上体检系统。全文约4500字。一、预测性维护的商业账事后维护的真实成本: 非计划停机 停产损失 加急抢修费 二次损坏 安全风险 → 常为计划检修的3~10倍 PdM的收益(行业统计): ✓ 非计划停机 -30~50% ✓ 维护成本 -10~20% ✓ 设备寿命 20~40% 投入: 传感器采集软件 ≈ 一次非计划停机损失的零头 → 决策不难, 难在落地方法二、监测对象与参数选择不是所有设备都值得上PdM——按故障后果排序优先级设备监测参数故障模式★★★关键风机/泵振动温度轴承/不平衡★★★主传动电机电流振动温度绕组/轴承★★减速机振动油温齿轮/轴承★★空压机振动压力脉动温度阀片/轴承★一般辅机电流(便宜全面)过载/堵转参数选择三原则轴承类→振动频谱指纹电气类→电流MCSA电机电流特征分析热类→温度趋势先用便宜的电流/温度广覆盖贵的振动点关键。三、系统架构产线级层1 感知层(每台关键设备): [IEPE加速度计×1~2] [K偶×1] [CT×3] │ (屏蔽双绞, 就地接线盒) 层2 采集层: 方案A: 集中式——多路屏蔽线汇到控制室采集卡 (距离50m, 干净环境) 方案B: 分布式——边缘节点(卡树莓派)就地, 特征值上网 ★产线主流 层3 分析层(边缘本地): 特征提取: 振动RMS/谱峰/包络/温度趋势/电流FFT (原始数据本地存7天, 特征值永久) 层4 服务器: 时序数据库趋势规则引擎通知 (可选: ML异常检测)四、特征提取流水线边缘侧核心代码importnumpyasnpfromscipyimportsignalclassFeatureExtractor:原始波形→特征向量(每10分钟一批)def__init__(self,fs,rpm,bearing):self.fsfs self.frrpm/60# 轴承特征频率(第29篇公式)n,d,Dbearing self.BPFOn/2*(1-d/D)*self.fr self.BPFIn/2*(1d/D)*self.frdefextract(self,vib_g,i_a,temp_c):feats{}# --- 振动总量 ---feats[vib_rms]np.sqrt((vib_g**2).mean())# --- 频谱特征 ---f,aamplitude_spectrum(vib_g,self.fs)feats[peak_1x]self._band(a,f,self.fr,3)feats[peak_2x]self._band(a,f,2*self.fr,3)feats[bpfo]self._band(a,f,self.BPFO,5)feats[bpfi]self._band(a,f,self.BPFI,5)# --- 包络特征(轴承冲击) ---envnp.abs(signal.hilbert(signal.sosfilt(signal.butter(4,[2000,6000],bandpass,fsself.fs,outputsos),vib_g)))f_e,a_eamplitude_spectrum(env-env.mean(),self.fs)feats[env_bpfo]self._band(a_e,f_e,self.BPFO,8)# --- 电流特征(MCSA) ---f_i,a_iamplitude_spectrum(i_a,self.fs)feats[i_1x]self._band(a_i,f_i,self.fr,2)# --- 温度 ---feats[temp]temp_c feats[temp_slope]None# 趋势另算returnfeatsdef_band(self,a,f,fc,width):特征频率±width bin邻域峰值m(ffc-width)(ffcwidth)returnfloat(a[m].max())ifm.any()else0特征的设计哲学每个特征对应一种故障模式1×不平衡、2×不对中、BPFO/BPFI轴承、包络轴承冲击、电流断条——特征不是越多越好是每个都能解释才好。五、三级预警体系classHealthMonitor:规则引擎: 三级阈值趋势LEVELS[(正常,green),(关注,yellow),# 趋势异常(预警,orange),# 阈值超越(告警,red),# 严重超越]def__init__(self):self.baseline{}# 健康期基线(前30天统计)defjudge(self,feats,history):# ① 绝对阈值(标准/经验)iffeats[vib_rms]0.07:return3# 7m/s²级# ② 相对阈值(对自身基线)baseself.baseline[vib_rms]iffeats[vib_rms]base*2.5:return2# ③ 趋势(30天斜率外推, 第343篇思路)slopefit_slope(history[bpfo],30)iffeats[bpfo]base_bpfo*3\andslope0:return2# ④ 组合判据(轴承晚期)if(feats[env_bpfo]base_env*4andfeats[temp]base_t15):return3# 趋势抬头但未超限 → 关注ifslopethreshold_slow:return1return0分级响应关注→加密监测10min→1min预警→工单派检备件预占告警→计划停机窗口安排赶在坏之前修。六、基线的建立冷启动策略新系统没有历史怎么办三阶段第1阶段(前2周): 学习期 只记录不报警——采集各工况的正常波动 第2阶段(2~4周): 基线期 按工况分桶(负载档/转速档)统计μ与σ 建立基线表 baseline[工况][特征] (μ, σ) 第3阶段: 运行期 实时特征对基线判读(z-score, 第342篇) 工况标签必须对齐(50%负载的振动 不能和100%负载比!) ★新手最常犯七、数据流与看板特征值上报(每10min, 每设备~20个float): MQTT → 时序库(InfluxDB) 看板(Grafana): □ 设备健康总览: 全厂设备红黄绿灯 □ 单设备详情: 各特征趋势(90天)基线带 □ 频谱瀑布: 振动谱随时间演化 □ 工单联动: 预警自动创建工单 通知: yellow → 每日汇总邮件 orange → 即时IM消息工单 red → 电话/短信(值班)八、实施节奏与踩坑分期实施路线不要一口吃成胖子一期(1个月): 3~5台最关键设备试点 验证: 传感器存活率/数据完整性/基线合理性 二期(3个月): 扩展到全部关键设备看板 三期: 规则引擎调优接入CMMS工单系统 四期(可选): ML异常检测(数据积累6个月后)踩坑预防传感器装在非刚性位置安装刚度检查第29篇工况不分桶导致基线混乱特征必须带工况标签阈值照搬教科书用自身基线的相对阈值为主报警太多全员麻木分级趋势触发告警预算每日上限边缘节点失联无人知心跳监控第39篇九、总结PdM系统四层楼布点按故障后果排序贵的点关键、特征每个可解释对应故障模式、基线分工况分桶冷启动三阶段、预警三级响应关注/预警/告警。它的本质是把听老师傅的经验翻译成数据规则趋势——采集卡是耳目特征是语言规则是诊断书。至此三大实战完成下一篇把视野拉到行业地图各行各业怎么用采集卡。下一篇预告《行业应用地图产线、楼宇、新能源、科研与医疗》