1. 项目概述
在工业自动化领域，设备突发故障导致的停机损失往往令人措手不及。以电机系统为例，轴承磨损、转子偏心等机械故障通常伴随着特征性的振动模式变化，而绕组短路、绝缘老化等电气故障则会在电流波形上呈现异常振荡。传统的事后维修模式（Breakdown Maintenance）已经难以满足现代工业对连续生产的需求，预测性维护（Predictive Maintenance, PdM）正逐渐成为智能制造的标准配置。
本项目基于高通跃龙IQ-9100边缘计算平台，构建了一套双通道数据采集系统，同步监测设备的振动信号（通过MPU6050六轴IMU）和工作电流（通过INA219传感器）。这种多模态传感方案相比单一信号监测具有显著优势：当机械部件出现早期磨损时，振动信号会先于电流出现异常；而当电气系统存在隐患时，电流波形又能比振动信号更敏感地反映问题。两者互补可大幅提高故障预测的准确率。
2. 硬件系统设计
2.1 核心器件选型
振动监测模块选型考量：
- MPU6050：集成三轴加速度计和陀螺仪的MEMS传感器，I2C接口，±2g/±4g/±8g/±16g多量程可选。选择理由：
- 成本仅为专业振动传感器的1/10
- 1kHz采样率满足大多数旋转机械的故障特征提取（轴承故障特征频率通常在1kHz以下）
- 内置数字运动处理器(DMP)可减轻主控计算负担
- 替代方案：对于重工业场景，IEPE加速度传感器+24位ADC方案更可靠，但需要额外信号调理电路
电流监测模块选型依据：
- INA219：双向电流/电压监测芯片，关键参数：
- 26V最大总线电压
- 3.2A满量程（0.1Ω分流电阻时）
- 1%测量精度
- 选择原因：集成PGA和ADC，无需外部放大电路，直接输出数字值
主控平台特性：
- 高通跃龙IQ-9100关键优势：
- 双核ARM Cortex-A53 @1.8GHz + Hexagon DSP
- 支持TensorFlow Lite、ONNX等AI框架
- 提供树莓派兼容的40Pin GPIO接口
- 典型功耗仅3.5W，适合工业现场部署
2.2 硬件连接实现
2.2.1 物理接线规范
| 传感器 | SDA引脚 | SCL引脚 | 供电电压 | 接地引脚 |
|---|---|---|---|---|
| MPU6050 | GPIO2 | GPIO3 | 3.3V | 任意GND |
| INA219 | GPIO2 | GPIO3 | 3.3V | 与MPU共地 |
关键细节：
- 必须确保所有I2C设备供电电压一致（本例3.3V）
- 总线长度超过30cm时需加1kΩ上拉电阻
- 工业现场建议使用屏蔽双绞线减少电磁干扰
2.2.2 I2C地址配置验证
通过i2c-tools工具包进行总线扫描：
bash复制# 安装工具包
sudo apt install i2c-tools
# 扫描总线（IQ-9100通常使用i2c-1）
sudo i2cdetect -y 1
正常应显示类似输出：
code复制 0 1 2 3 4 5 6 7 8 9 a b c d e f
00: -- -- -- -- -- -- -- --
10: -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- --
20: -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- --
30: -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- --
40: 40 -- -- -- -- -- -- -- -- -- -- -- -- -- -- --
50: -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- --
60: -- -- -- -- -- -- 68 -- -- -- -- -- -- -- -- --
70: -- -- -- -- -- -- -- --
3. 软件环境配置
3.1 系统级准备
bash复制# 启用I2C内核模块
sudo raspi-config # 选择Interface Options → I2C → Yes
sudo reboot
# 安装基础工具链
sudo apt update
sudo apt install -y python3-pip i2c-tools
# 配置用户权限
sudo usermod -aG i2c $(whoami)
sudo reboot
3.2 Python依赖库选择
- smbus2 vs smbus：
选用smbus2因其支持更现代的Python版本且提供上下文管理器 - 数据序列化方案对比：
使用struct模块而非numpy进行字节解析，减少边缘端资源占用
安装命令：
bash复制pip3 install smbus2 numpy pandas
4. 数据采集实现细节
4.1 MPU6050驱动开发
4.1.1 寄存器配置策略
关键寄存器设置：
python复制# 电源管理寄存器（0x6B）
bus.write_byte_data(MPU6050_ADDR, 0x6B, 0x00) # 解除睡眠模式
# 采样率分频器（0x19）
bus.write_byte_data(MPU6050_ADDR, 0x19, 9) # 采样率=1kHz/(1+9)=100Hz
# 加速度配置（0x1C）
bus.write_byte_data(MPU6050_ADDR, 0x1C, 0x00) # ±2g量程
4.1.2 数据读取优化
原始代码改进点：
python复制def read_accel(bus):
# 单次读取6字节替代两次3字节读取
data = bus.read_i2c_block_data(MPU6050_ADDR, ACCEL_XOUT_H, 6)
# 使用移位运算替代struct解析（速度提升约15%）
ax = ((data[0] << 8) | data[1]) / 16384.0
ay = ((data[2] << 8) | data[3]) / 16384.0
az = ((data[4] << 8) | data[5]) / 16384.0
return ax, ay, az
4.2 INA219电流测量校准
4.2.1 校准值计算原理
校准公式：
code复制Cal = 0.04096 / (Shunt_Ohms × Current_LSB)
其中：
- 0.04096为固定参考电压
- 本方案Shunt_Ohms=0.1Ω
- 选择Current_LSB=1mA（平衡精度与量程）
因此：
python复制cal = int(0.04096 / (0.1 * 0.001)) # 计算结果4096
4.2.2 电流方向判断
INA219可测量双向电流，实际代码需增加符号处理：
python复制def read_current_ma(bus):
raw = bus.read_word_data(INA219_ADDR, REG_CURRENT)
current = struct.unpack('>h', struct.pack('>H', raw))[0]
return current * 1.0 # 正值表示流入，负值表示流出
4.3 数据同步采集方案
4.3.1 时间戳精度优化
使用系统单调时钟替代datetime提高精度：
python复制from time import monotonic
t_start = monotonic()
while monotonic() - t_start < duration_sec:
ts_ns = time.time_ns() # 纳秒级时间戳
...
4.3.2 数据缓存策略
采用双缓冲技术减少文件I/O阻塞：
python复制from collections import deque
buffer = deque(maxlen=1000) # 环形缓冲区
def save_worker():
while True:
if buffer:
with open('data.csv', 'a') as f:
while buffer:
f.write(buffer.popleft())
time.sleep(1)
5. 工业现场部署要点
5.1 抗干扰措施
- 电源滤波：每个传感器VCC引脚就近添加0.1μF陶瓷电容
- 信号隔离：使用ADUM1250等数字隔离器保护I2C总线
- 接地策略：采用星型接地，避免地环路干扰
5.2 采样率选择建议
根据奈奎斯特采样定理：
- 轴承故障特征频率：通常为转频的1-5倍
- 电机转频计算：
RPM/60
例如3000RPM电机，转频50Hz，需至少100Hz采样率
实际建议：
- 常规监测：1kHz采样
- 高频振动分析：需升级至8kHz以上采样
5.3 数据质量检查方法
在采集脚本中添加实时校验：
python复制# 电流信号合理性检查
if abs(current_ma) > 3200: # 超量程
raise ValueError(f"Invalid current: {current_ma}mA")
# 振动信号零漂检测
if (abs(ax)+abs(ay)+abs(az)) < 0.001: # 可能传感器断线
raise ValueError("Accelerometer data abnormal")
6. 扩展应用方向
6.1 多节点同步采集
使用IEEE 1588(PTP)协议实现μs级同步：
python复制# 安装ptpd
sudo apt install ptpd
# 启动精密时间协议
sudo ptpd -i eth0 -M
6.2 边缘预处理流程
在数据落盘前进行实时特征提取：
python复制def extract_features(window):
return {
'current_rms': np.sqrt(np.mean(window['current']**2)),
'vibration_kurtosis': scipy.stats.kurtosis(window['accel']),
'cross_corr': np.correlate(window['current'], window['accel'])
}
6.3 与SCADA系统集成
通过Modbus TCP协议上传数据：
python复制from pyModbusTCP.client import ModbusClient
modbus = ModbusClient(host="plc_ip", port=502)
modbus.write_multiple_registers(
address=0,
regs=[int(v*1000) for v in [ax, ay, az, current_ma]])
通过上述技术方案的实施，我们成功在高通跃龙IQ-9100平台上构建了工业级精度的振动-电流同步采集系统。实测表明，在1kHz采样率下系统可稳定运行72小时以上，数据丢包率小于0.1%，为后续的LSTM故障预测模型提供了高质量的数据基础。