设备振动AI预测性维护定制：故障预警与计划性维修

某机加工车间有三十余台加工中心，主轴轴承与丝杠故障导致的非计划停机是排产的主要干扰。我们为其定制了基于振动信号的预测性维护系统：在主轴轴承座径向安装工业加速度传感器，同步采集转速、负载与温度信号，经边缘采集盒汇总后本地推理，异常时自动推送维修工单。 模型构建上有两个务实要点： 1. 冷启动阶段故障样本稀缺，先用无监督异常检测建立设备健康基线，跟踪RMS、峭度与包络谱的偏离程度，运行三个月积累维修记录后，再训练故障分类模型，逐步细化到轴承磨损、润滑不良等具体类型； 2. 采样率须覆盖故障特征频率，轴承监测建议不低于特征频率的五倍，否则包络解调失真，预警会失去参考价值。 系统上线半年，两次轴承磨损在劣化早期即被识别，维修由抢修转为计划性更换，非计划停机时间明显下降。这类项目的关键不在算法复杂度，而在于测点布置、数据标注与维修流程的闭环衔接。