引言：系统不便宜，喂给它的是垃圾数据也白搭

去年帮一家汽配厂复盘他们上了两年的预测性维护系统，越看越替他们心疼。平台功能其实不差，报警也有，可维护人员早就把它当摆设了。原因很扎心：三年间数据断断续续，传感器装的位置五花八门，有的测点压根没贴到轴承座上，悬在护罩上采数据。算法再好，输入的信号本身就是错的，出来的结论自然没人信。老板花了小一百万，最后买的教训是：预测性维护这个事，七分在数据采集，三分在算法平台。

所以今天不聊算法，专门聊聊数据采集方案怎么设计。这一步做扎实了，后面的一切才有的谈。

一、采样率：不是越高越好，而是要"够看"

采样率是第一个要拍板的参数。定它的原则只有一条：你关心的最高故障频率，要有足够的分辨率去看。滚动轴承早期损伤的能量在几千到一万多赫兹的高频段，做包络分析一般要求分析频宽不低于1万赫兹，按采样定理算，采样率至少2.5万赫兹起。而电机、泵这类中低速设备的不平衡、不对中问题，几百赫兹的频宽就够，采样率12800赫兹已经富余。

采样率过高同样有代价：数据量翻着涨，存储和传输成本上去了，电池也扛不住。无线传感器要是按25600赫兹 continuously采，几个月就得换电池。实践里比较经济的做法是"高低搭配"：常规趋势用低采样率定时采集，每天几次；怀疑有轴承问题时，再对重点测点触发一次高采样率瞬态采集。两头兼顾，成本可控。

二、传感器选点：贴着能量传递的路径装

选点的原则一句话：装在故障能量传出来的路径上，而且是刚性路径。轴承座是最优先的选择，因为滚动体的每一次冲击都会顺着轴承、端盖传到轴承座上。装在护罩、支架、管路上，等于隔着床垫听心跳，信号早就失真了。

每台设备不用撒网，抓住能量集中的位置就行。

• 电机与泵、风机这类单级设备：驱动端和非驱动端轴承座各一个测点，水平径向优先。

• 齿轮箱：每根轴的轴承部位都要覆盖，高速轴侧加密。

• 大型机组：轴承座三个方向，外加轴向推力轴承温度。

安装方式也讲究。磁吸座方便但高频响应会衰减，超过5千赫兹的信号基本靠不住；轴承早期诊断要上胶粘或者螺纹安装。这个细节很多方案里不写，但恰恰是"数据灵不灵"的分水岭。

三、数据质量治理：没有这一步，AI就是空中楼阁

数据采回来不等于数据能用。我们复盘过的项目里，数据质量问题五花八门：时间戳不同步，两台设备的"同时刻"数据差了十几秒；工况没记录，空载和满载的数据混在一起，趋势图像心电图；传感器漂移没人管，三个月后基线悄悄抬了15%，报警阈值形同虚设。这些问题不解决，再先进的模型也会被人当成"瞎报"。

四、落地建议：先小后大，先有线后无线

给中小企业一个务实的路径：第一期选五到八台关键设备，有线或者磁吸式采集，把测点、采样率、数据治理的流程跑顺，让维护人员真的靠数据修过几次设备；第二期再扩无线网络，上边缘计算网关。别一上来就规划几百个测点的"全厂物联网"，数据质量管不住，规模越大越难收拾。采集方案做得好不好，检验标准特别朴素：维护师傅愿意看数据、信数据。做到这一步，这套系统才算真正落了地。