2026-10-22 03:39:52 分类：机械设计
上周三下午的实训课，我刚走到第三组的工位旁边，就看见学生小周皱着眉盯着电脑屏幕，手指在触控板上划来划去。他的实训台是带伺服减速器的传动实验台，之前已经跑了快两周的带故障实验，模型跑了一遍又一遍，愣是没在真的故障信号出现时触发预警。
学生卡壳的点，根本不是算法
我一开始也以为是模型参数没调好。
毕竟之前备课的时候，我花了快一周的时间整理不同分类算法的对比资料，就怕学生在调模型的时候卡壳。结果蹲在工位旁边翻了十分钟他的采集设置，我差点笑出来——他把振动传感器的采样率设成了100Hz。
谁都知道采样定理要求采样率至少是信号最高频率的两倍，可我们实训台的减速器齿轮啮合频率在800Hz左右，100Hz的采样率连最基本的频率成分都采不全，采回来的信号全是被混叠过的噪声，哪怕把模型准确率调到99%，也分不出来正常和故障的区别。
我帮他把采样率调到2000Hz的时候，屏幕上的频谱图突然跳出来一个清晰的800Hz的尖峰，小周当场哇了一声，说原来之前两周采的数据全是白忙活。
实训台伺服减速器振动信号采样对比图
之前我总跟学生说，AI设备故障预判的第一性前提，是你能采到和故障强相关的有效信号，不是堆模型层数，不是调多少超参数。好多学生一开始不信，总觉得拿公开的工业数据集跑个90%以上准确率的demo，就算把这个方向摸透了。真到了自己接传感器、连采集卡、蹲在实训台旁边记数据的时候才发现，传感器贴在轴承座的哪个位置，走线的时候会不会被旁边的动力线干扰，车间的环境温度变化会不会把信号基线飘走，这些没人在数据集里写的细节，才是决定最后预判准不准的核心。
我们在实训台做的取舍，没敢追求“全场景”
说真的，最开始搭这个实训模块的时候，我也贪多。
想把传动系统能出的故障全塞进去：轴承磨损、齿轮断齿、联轴器不对中、电机绕组过热、皮带打滑，恨不得一个实训台把工业现场能碰到的故障全覆盖。结果做了半学期，攒的数据杂得一塌糊涂，每个故障只采了几十组样本，模型在哪个故障上都不准。上次有个组为了测电机过热的故障，把散热风扇的进风口堵了，差点把绕组烧了，赔了小两千，现在想起来还心疼。
后来干脆把范围砍到只剩两个故障：减速器的二级齿轮点蚀，和联轴器的不对中。
不是不想多做，是教学场景真的耗不起。这两个故障的演化周期够长，从最初的微小点蚀到影响传动精度，要两周左右的时间，学生有足够的时间每天固定时间采信号、记波形，观察故障从无到有的整个变化过程，不用搞那种一通电就卡死的急停类故障，采完一次就没了，根本摸不到信号变化的规律。
机械实训台故障预判传感器布点示意图
我之前还有个误区，总觉得要让学生用最“专业”的工具链，从Python环境配置到TensorFlow模型搭建，一步都不能少。结果好多学生光装环境就卡了两三天，连pandas库都导不进去，哪还有精力去观察故障特征？后来干脆换了低代码的采集分析平台，把省下来的时间全花在传感器布点、故障机理梳理上，学生的反馈反而比之前好太多。
我们现在做的实训模块，从来不是要复刻工业界复杂的全场景预判系统，而是要让学生摸得到“故障从无到有，信号从正常到异常”的完整链路。能把这两个故障的信号摸透，比在十个故障上跑个半吊子模型有用得多。
上次复盘，我们差点把最关键的环节漏了
上个月的中期答辩，有个组的项目做的特别出彩，预判准确率做到了87%，频谱图上的故障特征清晰，预警阈值设的也合理，大家都觉得这组肯定能拿优秀。
我当时随口问了一句：“如果这个预警真的在现场发出来，运维的人拿到提醒之后，要做什么动作？”
整个组愣了三秒。
哦对，他们的系统只做了“有故障/没故障”的二分类预警，根本没把故障的严重程度、对应的排查步骤、甚至备用零件的存放位置，和预警信息绑在一起。说白了，就是个只能在演示的时候放PPT好看的花架子。
我当时真的有点上火。不是怪学生，是怪我自己。之前几轮备课，我也把所有的精力放在了怎么提高预判准确率上，压根没把“预警信息的可用性”当成必须考核的环节。
后来我们改了考核要求：所有做AI设备故障预判的项目，只要触发预警，必须弹出对应的处置指引。比如根据振动频率的区间判断是齿轮点蚀，就要标注“当前故障对应二级齿轮点蚀，剩余可运行时长约120小时，建议提前更换2号传动齿轮，备件存放在车间3号储物柜第二层”。
说个真事，之前有个毕业的学生回校交流，说他在工厂里做的预判系统，一开始准确率做到了90%，但因为预警只写了“传动系统异常”，运维的工人根本不当回事，觉得又是系统误报。后来他把预警信息细化到具体的故障位置、剩余运行时间、对应的排查步骤，哪怕后来因为现场电磁干扰多，模型准确率降到了80%，一线的人反而愿意用了，因为拿到信息真的知道该做什么。
现在每次上课，我都不让学生一上来就打开电脑调模型。先绕着实训台走三圈，摸一摸哪个位置的温度比平时高，听一听传动的声音有没有不对的地方，再坐下来看传感器采回来的波形。
上周小周跟我说，他现在去工厂参观，听见机器的声音不对，下意识就想掏手机记波形。
挺好的。
这比考多少分都有用。
免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。如有侵权请联系删除。
文章名称：把AI设备故障预判从演示视频拉回实训台的教研笔记
文章链接：https://www.yqhljx.com/list_9/4714.html
