故障诊断技术的边界感：从一根松动传感器说起

先别急着上模型：传感器装错，算法只能背锅

故障诊断技术最容易制造一种错觉：数据一进模型，结论就该干净利落。现场不这么配合。去年在南京江北一处泵站做联合测试，振动通道读数忽大忽小，频谱上像是轴承外圈故障。拆开检查，轴承没事，传感器磁座没吸牢，电缆还跟动力线捆在一根桥架上。信号链先失真，后面的特征提取、分类器、阈值规则全在替安装错误背书。

这不是个案。旋转机械的诊断起点通常不是算法，而是测点布置、采样同步、量纲校准与工况标注。同一台齿轮箱，测点在轴承座轴向和径向，得到的是两套故事；转速脉冲缺失，阶次分析就失去参照；润滑状态、负载率、环境温度没记录，模型会把工况漂移误判成退化。诊断结论的可信度，先被采集层卡住。

所以看一个诊断方案，别先问模型层数。问传感器安装一致性、采样率与抗混叠设置、时钟同步误差、标签来源。这些参数不性感，却决定后面是诊断还是猜谜。

特征不是越花越好：物理可解释性得留一席

时域指标、频谱峭度、包络谱、小波包能量、倒谱、循环平稳指标……特征库可以很长。长不等于稳。轴承早期损伤的冲击成分微弱，包络解调往往比直接看频谱更敏感；可一旦转速波动大，包络带宽选错，故障特征频率就被 smear 成一片。此时堆更多特征，只是把噪声送进分类器。

特征选择要跟故障机理对齐。齿轮箱的啮合频率及边带、滚动轴承的故障特征频率及谐波、电机电流的转差频率调制、泵汽蚀的高频宽带能量，各有物理来源。特征与机理脱钩，模型在训练集上再好看，换一台设备、换一个工况就露馅。现场更常见的是“特征很全，标签很脏”：维修工单写“异响”，没有拆检记录；报警日志标“振动大”，没区分不平衡、松动、轴承损伤。标签噪声会教模型走捷径。

我的偏向很明确：可解释特征加轻量模型，在多数工业场景比黑箱大模型更可维护。不是排斥深度学习，而是要求它回答：依据哪段信号、哪个频带、在什么工况下给出这个结论。答不上来，诊断报告就只是概率装饰。

模型会撒谎，验证要拆台

离线交叉验证高分，上线后误报不断，这种落差在故障诊断里太常见。原因不神秘：训练集按随机切分，同一台设备的相邻时段同时进了训练和测试，模型记住了设备指纹，没学会故障模式。正确做法是按设备、时间、工况做分组验证，留出未参与训练的机组和季节段。更狠一点，做跨域测试：南京泵站的模型拿去苏北同类泵站跑，看性能掉多少。

验证还要拆开看漏报与误报的代价。化工园区关键泵的漏报可能触发非计划停车，误报则导致频繁巡检和信任流失。两个代价不对称，阈值就不该只按准确率调。诊断系统输出“健康/退化/故障”三分类，不如输出风险等级、证据片段、建议复核项。现场工程师需要知道下一步拧哪颗螺栓，不是只看一个概率。

还有一个常被忽略的验证对象：数据漂移。传感器老化、基础沉降、工艺改造都会改变信号分布。模型上线半年后性能缓降，不一定是故障变复杂，可能只是输入分布挪了位置。定期做无标签监测、残差审计、特征分布对比，比反复调参更有效。

知识库不是装饰：规则、图谱与模型得互相拆台

故障诊断技术走到产线，绕不开知识沉淀。老师傅的“听音辨位”不精确，却包含工况上下文。把维修工单、拆检照片、报警记录、工艺参数串成事件链，比单独建一个漂亮的知识图谱更有用。规则库适合处理确定性强、后果重的联锁逻辑；统计模型适合捕捉渐变趋势；案例推理适合少样本故障。三者不是替代关系，是互相校验。

比如电机振动报警，规则先排除缺相、负载突变、地脚松动；模型再看电流特征与振动包络是否同步异常；知识库调出同型号电机历史拆检记录。任何一层给出矛盾证据，都应触发复核，而不是让最高分模型一锤定音。诊断系统的价值有时不在给答案，而在暴露证据冲突。

边缘部署也別忽视工程约束。厂区网络不稳，把原始高频振动全传云端不现实。边缘端做降采样、特征提取、异常触发上传，云端做跨设备对比与模型迭代，分工更稳。代价是边缘算力有限，模型不能无限堆；好处是响应快、数据不出厂，责任边界也清楚。

边界感：诊断结论从来不是判决书

故障诊断技术的边界，首先是可观测性边界。传感器没覆盖的部件，模型无法凭空诊断；隐蔽故障在早期没有可测征兆，再好的算法也只能等信号浮现。其次是因果边界。相关性特征能报警，不等于解释根因。振动增大可能源于不平衡、不对中、轴承损伤、基础共振，甚至工艺介质变化。没有拆检或进一步试验，根因结论应保持克制。

再说责任边界。诊断系统给出“建议停机检查”，生产部门可能因排产压力选择继续运行。此时系统该不该反复升级报警？我的看法是：把不确定性写进输出，把复核动作写清楚，把历史误报率公开。工程师对系统的信任，来自可预期的行为，不来自华丽界面。南京一些水务和轨道交通场景的联合测试也印证了这点：现场更愿意采纳能解释“为什么现在报”的诊断，而不是一天弹三十条告警的黑箱。

趋势上，边缘诊断、可解释模型、物理信息神经网络、数字孪生辅助验证都在推进。别急着追新词。先问三个问题：信号链是否可信，验证是否拆开设备与时间，输出是否包含证据与边界。这三问答不好，故障诊断技术再热，也只是把不确定性换了个包装。