在硬件IoT实验室的旋转设备实验中，我们尝试把轴承故障诊断从“报警阈值”推进到“可解释的频段特征+寿命估算”。传统振动监测多依赖总有效值（RMS）越限报警，但轴承早期损伤的能量增量往往被整机噪声与工况波动淹没，报警时已接近失效。
本阶段做法是：以加速度传感器采集的原始波形为输入，先按转速做角度域重采样与阶次跟踪，抑制转速波动带来的谱线模糊；再提取包络谱中与轴承几何参数对应的故障特征阶次（内圈、外圈、滚动体、保持架）能量占比，作为可解释特征；最后用特征阶次的增长速率拟合退化趋势，给出剩余寿命区间而非单点值。
要点：
- 进展：在实验台的加速寿命试验中，外圈故障样本的特征阶次能量占比在失效前约 40 小时出现单调上升，早于 RMS 报警约 12~18 小时；工况变化时通过阶次跟踪可保持趋势连续性。
- 下一步：补充润滑不良与不对中两类退化模式样本，验证寿命区间的覆盖度，并评估在边缘推理盒上以 1 分钟为周期常驻运行时的算力占用。
我们对该方向的判断是：诊断可用性取决于特征是否可解释、退化趋势是否稳定，而不是模型结构复杂度。目前仍受限于样本量，寿命区间的置信度需要更多跨设备数据支撑。
评论