摘要：本文结合某钢厂2×600MW机组引风机的AI设备诊断落地案例，分享从数据预处理到模型部署全流程的工程实操要点，拆解多数项目容易踩的伪需求坑，给具备机械基础的中级工程师提供可落地的参考经验。
别上来就堆模型，先搞定数据的”现场 dirty work”
很多人上来就说要搭大模型，要多复杂的算法。说实话，现场90%的AI诊断死在数据上。
去年帮钢厂朋友做引风机诊断项目，一开始甲方给的历史数据，全是满负荷正常工况的，故障样本加起来才12个，全是转子不平衡的，其余油膜涡动、不对中、叶片积灰这类常见故障，全是仿真模拟出来的。按照GB/T 19876-2012《旋转机械与转子振动 故障诊断方法》要求，故障样本必须覆盖至少80%常见工况才具备训练有效性，这点一开始就不及格。
我们当时怎么办？连续蹲了7天现场，跟着巡检班跑每一个测点，翻了三年的小修解体记录，硬生生把隐式故障样本标了出来——比如连续三个月振动值缓慢上升0.2mm/s，拆机组后发现是叶片积灰不均匀，这种来自真实现场的软故障样本，公开数据集里根本找不到。
拿实验室公开数据集训完模型，放到现场一跑，误报率超过60%的例子，我见过不止一次。为什么？现场有变频器谐波干扰，有环境温度波动带来的传感器漂移，还有相邻机组的振动串扰，这些全是数据里的脏东西，不洗干净，神仙模型也没用。我上次听过一个笑话，某项目把电网频率波动当成了转子一阶共振故障，连着发了三天预警，折腾得检修班爬上去拆了半天才发现不对。
还有个最容易踩的小坑，采样频率不对。按照ISO 10816-3:2009《机械振动 在非旋转部件上测量评价机器振动 第3部分：工业机器》标准，旋转机械振动诊断采样频率必须大于最高特征频率的2.56倍，很多新手图省存储，直接设成1kHz，连齿轮箱的高频啮合频率都采不到，AI能诊断出什么东西来？
工业场景的AI设备诊断，精度高不如漏检低
甲方一开始给的要求是”故障诊断准确率95%以上”，我们一开始也奔着这个指标去，训了个深层CNN模型，测试集准确率干到96%，高高兴兴拉到现场测，结果漏了一次早期对轮不对中的故障，差一点出大事。
后来才想明白，工业设备诊断的核心需求，根本不是”准确给每一个故障分类”，是”不能放过任何一个早期故障”。哪怕误报10次，也不能漏一次。你漏一次，引风机跳机，发电机组停一小时，损失几百万，这个责任谁扛得住？
我们直接改了整体架构，把原来的单步故障分类，改成了两步走：第一步先做异常检测，只要振动特征偏离正常工况3σ就触发预警，第二步再做故障分类定位。用孤立森林加轻量CNN，参数量才不到20M，部署在边缘控制柜里，推理延迟不到10ms，完全满足实时要求。
不过话说回来，很多人选型的时候就走错了路，非要堆大模型，动不动千亿参数，你放现场那台一千多块的边缘网关上跑得动吗？我们最终选的方案，整个网关加传感器加模型，单台成本才三千出头，不比买几十万的专用诊断设备香？
还要把老工程师的经验嵌进去。我们把电厂检修师傅总结了十几年的”引风机振动故障判断规则”做成了后处理模块，AI报了预警，再套规则筛一遍，误报率直接从原来的28%降到了7%，完美。对吧？很多人喊着AI要替代老师傅，我看，AI就是帮老师傅放哨，把那些天天盯曲线盯报表的重复活干了，真出问题再找人拍板，这才是AI设备诊断正确的定位。
落地才是硬道理，那些容易忽略的工程细节
我见过太多AI诊断项目，上线前各项指标都好看，运行不到一年就废了。为什么？工况变了啊。比如钢厂的引风机，烧不同煤质，负荷波动大，叶片磨损一年一个样，半年前训的模型，半年后特征分布全变了，准确率自然掉的厉害。
所以一定要做轻量在线增量学习，每个月自动把新标注的样本更新进去，不用重新训练整个模型，只更新增量部分就行，成本低，效果好。还有传感器标定，振动传感器用一年，零点漂移个5%太正常了，AI模型对漂移特别敏感，所以一定要加自动标定逻辑，每七天用内置标准振源校一次，这个细节，十个项目九个忘。
说个我亲身踩的坑，一开始图省事做了全云侧推理的方案，结果现场施工把光纤挖断了，八个小时断网，正好那段时间出了早期叶片磨损故障，没报上去，差点背锅。后来赶紧改成了边缘推理，云侧只做模型更新和数据存储，断网的时候本地照样能触发预警，才彻底解决问题。
还有成本控制，很多项目上来就给整厂几百台设备全装AI诊断，报价大几百万，甲方直接给否了。实际上只要抓核心关键设备，就是那种坏一台停整线的核心主设备，比如引风机、给水泵、主电机，这些装，其余辅助小设备压根没必要，把钱花在刀刃上，项目才能推得动，落得了地。
结论
AI设备诊断不是什么高高在上的黑科技，就是给传统设备诊断加了一双更灵敏的眼睛，核心还是要沉到现场，摸清楚真实的需求，别玩算法炫技，能解决问题，少花钱，少误报不漏报，就是好方案。
