摘要：本文针对离散制造工厂旋转机械设备故障预判的实际需求，分享了工业场景下AI设备故障预判预警算法模型的选型优化思路，结合钢厂现场的落地案例，梳理了常见的设计与部署坑点，给中级工程师提供可直接复用的落地经验。
从工厂现场的痛点说起
去年夏天我们车间那台100吨行车的高速端轴承，磨坏了两周才出警报。拆下来的时候滚道都磨穿了，换轴承加调整轴线，整整停了36小时，直接影响了三炉连铸坯的交付，那阵子整个技术部天天加班擦屁股，现在想起来都头疼。
传统故障预警靠什么？就是定个振动幅值阈值，超过就报警。实话实说，这种方法对付极端故障还行，早期的渐进式磨损根本测不出来。而且现场干扰太多，吊装载荷波动、环境温度变化都能让振动幅值飘，误报率最高能到40%多，警报响多了工人直接就关了，真出问题反而没人理。
AI设备故障预判预警算法模型的选型权衡
不少刚接触这个方向的朋友，上来就说要用大模型预训练，要端到端。我只能说，理想很丰满，现实很骨感。工业现场哪来那么多标注好的故障数据？90%以上的设备运行数据都是正常样本，故障样本加起来可能还不到1%，大模型喂进去，学的全是正常数据的特征，根本没用。
我们前前后后改了三版模型，最后定下来的是轻量型CNN-LSTM半监督融合模型，完全符合GB/T 37938-2019《智能制造 工业大数据 术语》对工业故障预测模型的性能要求。输入层先做预处理，提取振动信号的16维时域特征、112维频域特征，总共128维输入。CNN层用3个1×5的一维卷积核，负责提取局部冲击特征，LSTM层负责捕捉时序上的退化趋势，总共参数量不到12万，比一张普通手机自拍的像素还少。
针对少样本的问题，我们加了一层半监督伪标签优化，先用标注好的正常和故障样本训练初始模型，然后给无标签的正常样本打伪标签，每迭代10轮更新一次伪标签，最后模型对早期轴承磨损的识别准确率能到93%，误报率直接从最初的42%降到了6.8%。而且推理延迟不到10ms，完全能跑在现场的边缘工控机上，不用把数据传到云端，省了带宽也满足了工厂数据安全的要求。
落地阶段最容易踩的三个隐形坑
第一个坑，特征工程偷懒。很多人图方便，直接把原始振动信号扔给模型就不管了。工业现场的电磁干扰、齿轮啮合的基频干扰，分分钟淹没早期故障的弱冲击信号，模型学的全是噪声，准确率再高都是虚的。我们现在的流程是，必须先做巴特沃斯带通滤波，把无效频段的干扰滤掉再提取特征，这一步省不得。
第二个坑，用固定预警阈值。你知道环境温度从0度升到35度，轴承的振动基线能飘多少？15%以上。冬天没问题的阈值，夏天能天天误报，反过来也一样。我们后来改成了动态阈值机制，模型每周自动用最新的正常运行数据更新特征分布，阈值跟着动态调整，这一下误报率又降了两个点。
第三个坑，忽略可解释性。你模型说要坏了，现场工程师问你哪里坏了，坏的概率多大，你说AI说的，人家能信你？我们后来给模型加了一个简单的可解释性输出模块，会把预测到的故障位置、置信度，还有同型号设备之前同类型故障的维修记录直接列出来，工人一看就懂，现在没人再关警报了。
说实话，之前合作过一个外包团队，做出来的模型测试准确率99%，放到现场跑，误报率比原来的阈值法还高。后来拆开一看，测试集和训练集都是同一段运行数据切的，纯粹是过拟合骗项目款。这种破事，干工业AI的谁没遇到过？
做AI设备故障预判，核心不是拼模型参数多大，准确率多高，核心是解决现场的问题。能在边缘跑，误报率够低，工人愿意用，就是好模型。别搞那些花里胡哨的，能帮车间少停一次机，比什么顶刊论文都有用。
