高频振动与电流信号是设备状态评估的主要来源，但 25.6kHz 连续采样下，单通道一天原始数据可达数十 GB，产线网关的回传带宽与本地存储都难以承受。全量上云不现实，而简单降采样又会丢掉瞬态冲击特征。
智能硬件实验室的做法是把压缩拆成两级。第一级在采集端做变化率触发的自适应采样：稳态段按 1/8 抽取，幅值或包络变化率超过阈值时自动恢复原始采样率并标记时间窗。第二级在网关侧对分段数据先做 8bit 量化，再用轻量自编码器编码残差，只对残差做熵编码上传，边缘端保留可解码码流以便追溯。评价指标不以时域逐点误差为准，而看特征频段的谱保真度。
进展：在电机试验台上跑了 3 种工况、约 60 小时数据。压缩比稳定在 12:1～18:1，回传流量下降约 90%；轴承故障特征阶次与边频带幅值误差小于 3%，瞬态冲击的时间定位偏差在 1ms 以内，误报率与原始数据基线基本持平。
下一步：把重构误差分布纳入报警门限的自校准，并验证跨工况、跨机型的泛化能力；同时在算力更低的采集板上评估定点化版本的可行性。
评论