车间里那台主减速机又趴窝了。操作工说,昨天还好好的。我翻了一下上一轮的巡检记录——其实三个月前,振动频谱的边频带就已经在说话了。没人看。
这就是预测性维护最尴尬的地方。技术早就不缺了。传感器便宜得跟白菜似的,边缘盒子性能过剩,算法论文满天飞。但真正落地的厂子,说实话,比例低得让人心里发凉。
为什么“定期换轴承”这套逻辑已经过时了
很多流程工业的维护策略还停留在两个极端:要么坏了再修,要么按固定周期大拆大卸。后者听起来科学,对吧?其实它是个统计学赌局。
轴承的疲劳剥落,跟运行工况、润滑状态、负载谱系全都挂钩。同一批 SKF 或者 FAG 的轴承,装在循环水泵上跟装在高炉鼓风机上,寿命分布完全不是一回事。你按一个所谓的“平均更换周期”去切,必然有人在浪费好件,也必然有人在轴承已经出现早期点蚀的时候还舍不得停。
预测性维护的核心逻辑,是把维护窗口从“日历”挪到“状态”上。说白了——它不关心你今天要不要修,它关心的是:这台设备的健康度,还能撑几个班。

振动传感器选型:灵敏度高不等于看得准

说个真实的踩坑案例。某化工厂给冷却塔风机装了某品牌的压电式加速度计,量程 50g,灵敏度 100mV/g。装完第一个月,报警就没停过。
为什么?因为冷却塔风机的高频振动量本来就大,传感器直接把冲击信号削顶了。波形都失真成方波了,你后面做多少阶包络解调都是白搭。
选加速度计,先问三个问题:带宽覆盖不覆盖故障特征?量程会不会削顶?底噪能不能探到早期缺陷?
- 低速轴(低于 300 rpm)优先考虑低频响应,别拿标称 0.5Hz 上限的货硬顶。
- 齿轮箱高速级、滚动体早期缺陷,带宽通常要往 10kHz 以上看。
- 温度系数和压电陶瓷的长期漂移,别忽略。漂了 5% 的灵敏度,趋势曲线就废了。
问:磁吸式安装到底能不能用于精密的预测性维护?
答:⚡ 看工况。磁吸座的传递函数在高频段衰减明显,通常 2kHz 以上就开始“吃掉”信号。做趋势监测勉强能用,但要做轴承外圈特征频率的定量判断,必须打孔螺栓固定,或者用胶粘加垫片。别偷这个懒,后面会还回来的。
特征频率:预测性维护里最值钱的那张表
轴承的 BPFO、BPFI、BSF、FTF——这四个频率,懂的人当宝,不懂的人看天书。
简单说,它们是根据轴承几何参数(滚珠数量、节圆直径、接触角)和转速算出来的理论缺陷频率。一旦实测谱图上在这些位置出现峰值,并在边频带出现转频(1X)的调制,基本可以锁定是哪一圈出了问题。
但……理论值只解决了“位置”。还有“严重程度”和“发展趋势”。这就得靠趋势谱和倒谱了。
说实话,频谱分析做了这么多年,最难的从来不是看,而是把你看到的图形和现场工况对得上。变频驱动的设备,转速一直在飘,特征频率跟着飘。你的 FFT 分辨率够不够?窗函数选得对不对?这些细节决定了你到底是在看真实故障,还是在看谱泄漏。
边缘计算还是云端:别被“工业互联网”这个筐套住
现在市面上推预测性维护的方案,言必称云平台、AI 大模型、数据中台。听着挺唬人。
实际落地呢?一个泵房的振动数据,采样率 25.6kHz,三轴,连续采集——一天的原始数据量轻松上 GB。你全传云端?带宽成本和存储成本先放一边,实时性就已经死了。
边缘侧做特征提取,云端做模型训练和跨设备对比,这个分层架构才是靠谱的。边缘盒子算 FFT、算包络、算均方根趋势,只把特征向量和报警事件往上推。带宽省了 90% 以上,还能保证毫秒级的本地响应。

建模之前,先问自己三个问题

别急着上什么 LSTM、Transformer。真的。
预测性维护的剩余寿命(RUL)预测,本质上是个带不确定性的回归问题。如果你连标签数据都不干净——比如维修记录里写的“轴承异常”其实是联轴器对中不良——再花哨的模型都是垃圾进垃圾出。
- 有没有一个足够长的、工况覆盖充分的基准(baseline)?通常至少需要几个月,而且最好包含完整的大修周期。
- 报警阈值是固定阈值还是自适应阈值?固定阈值在变工况下误报率极高。
- 你的报警有没有和工单系统打通?如果报警只是弹个窗没人理,那这个预测性维护就是自嗨。
问:中小工厂设备不多、预算有限,怎么用最小成本搞预测性维护?
答:💡 从关键机组入手。别铺开。挑 3 到 5 台停机损失最大的设备——主风机、空压机、关键泵组——装便携式或半固定式的振动采集终端,每周人工采一次数据,用云端或本地的频谱分析软件做趋势跟踪。这个方案通常几万元就能起步,比一套完整在线系统便宜一个数量级。等到你确认这套逻辑能帮到你,再逐步扩。真的,别一上来就搞全厂在线监测,钱花了效果出不来。人和流程跟不上,再好的系统也是摆设。
最后说个容易被忽略的:基线是怎么建立的

很多厂子设备刚装好就上监测系统,然后系统疯狂报警,因为新设备的磨合期振动本来就不稳定。或者设备刚刚大修完,所有振动值都偏低,基线定得太“漂亮”,运行几个月后稍微有点变化就报个不停。
建立基线的时候,要记录工况。负载、转速、温度、介质状态——这些是共变量。没有工况标签的振动数据,就是一团噪声。
另外,传感器安装位置一定要在图纸上标清楚。换传感器的时候如果位置偏了几厘米,传递路径就变了,趋势曲线直接断裂。这种事我见过不止一次。✅
预测性维护不是什么黑科技。它是把机械振动的物理规律、信号处理的基本功和现场运维的常识捏合在一起。传感器是耳朵,频谱是字典,算法只是帮你翻字典的那根手指。真正的判断力,还在人身上。