风机泵类AI预测性维护定制：振动建模与维护排期

风机、水泵这类旋转设备在工厂里数量多、故障影响面广，但多数工厂仍依赖人工点检或固定周期保养，容易出现“该修没修”或“过度保养”两种情况。近期我们为一家工厂定制了振动监测AI预测性维护系统，几点经验可供参考。 要点一：测点与采样方案先行。振动数据质量决定模型上限。我们在电机驱动端、非驱动端轴承座各布置一个加速度传感器，采样频率按轴承特征频率的3倍以上选取，并同步采集转速信号用于工况归一化。安装阶段先用磁吸底座做两周验证，确认信号稳定后再改为螺纹固定，避免返工。 要点二：报警策略比模型精度更重要。现场更关心“什么时候安排检修”，而不是准确率数字。我们将报警分为三级：特征频率能量异常提示关注、趋势连续上升建议排期检修、包络谱出现轴承缺陷特征立即停机。每级报警对应明确的动作与维护窗口，并与点检人员共同试运行一个月，根据误报情况调整阈值。 系统上线三个月，提前识别出两起轴承早期磨损，均安排在计划停机时更换，未造成非计划停机。这类项目的关键不在算法复杂度，而在于测点设计、报警分级与既有维护流程的衔接。