摘要:边缘端本地数据计算不是把服务器塞进电柜。它要解决的是毫秒级闭环、原始振动数据洪流、以及现场网络一断就抓瞎的问题。下面从实时性预算、信号链参数、算力散热和踩坑清单四个角度,聊一聊机械设计工程师绕不开的工程取舍。
别把边缘端当小云端:本地计算首先是一道实时性题
电柜里塞一台工控机,跑个 Python 脚本读 Modbus,然后往云上发 MQTT。这方案做报表可以,做控制?悬。机械装备的闭环周期越来越短,注塑机合模、电子凸轮、机器人关节力控,1 ms 已经不算激进,有些电流环直接压到 50 µs。你的边缘端本地数据计算如果还要经过交换机、容器、关系库,抖动就够喝一壶。
我习惯先画一张延迟预算表。传感器采样 10 µs,抗混叠滤波 20 µs,ADC 转换和 DMA 搬运 15 µs,特征提取 100 µs,控制算法 200 µs,执行器输出 50 µs。留给通信的窗口不到 600 µs。这时候,确定性比平均延迟重要。平均 200 µs、偶尔 5 ms 的响应,在振动主动控制里就是事故。TSN 的 IEEE 802.1Qbv 时间感知整形、IEEE 1588 PTP 时间同步,不是赶时髦,它们解决的是“同时”和“准时”。PTP 做得好,从站之间能进到亚微秒;用 NTP?几十毫秒飘着,相位差直接把你辛苦算出来的声强或功率谱搞废。
IEC 61499 这类分布式功能块模型,在边缘端本地数据计算里挺有意思。功能块可以下放到不同节点,控制逻辑和计算逻辑解耦。但别被模型骗了,网络一抖,功能块之间的数据交换照样翻车。所以关键环路还是留在同一块板卡上,或者同一颗 SoC 里。

信号链的账要算清楚:采样、抗混叠、特征提取
说实话,边缘计算项目翻车,一大半不是算法烂,是信号链一开始就错了。选 IEPE 加速度计,恒流源 4 mA、24 V,AC 耦合,屏蔽层单端接地。看着简单,现场电机驱动器一开,共模噪声直接淹掉 1 mV 的信号。隔离、差分、共模扼流圈,该上就上。IEC 61000-6-2 和 IEC 61000-6-4 的 immunity/emission,别等认证不过再改板。
采样率怎么定?轴承故障、齿轮啮合、气蚀,高频共振带可能到 10 kHz 以上。按采样定理,fs > 2 fmax,工程上取 2.56 到 5 倍。你要看 10 kHz,采样率 25.6 kHz 是常见档位。关键在抗混叠滤波器,截止频率不能贴着 fs/2 放。理想砖墙不存在,二阶巴特沃斯在截止点已经 -12 dB/oct,混叠照样钻进来。把 fc 设在 0.4 到 0.45 倍 fs 附近,给过渡带留裕量。我见过有人用 25.6 kHz 采样,却把模拟低通截止设在 20 kHz,结果 30 kHz 的开关噪声混叠到 4.4 kHz,包络谱上多出一堆假故障频率。真能气笑。
数据量也别忘了算。三轴振动,每轴 25.6 kS/s,16 bit,3 × 25.6 k × 2 Byte = 153.6 kB/s,约 1.23 Mbit/s。一天原始数据 13.3 GB 左右。十台机器、三十个测点呢?云账单先不说,现场交换机都喊疼。边缘端本地数据计算的价值就在这:原始波形留在本地环形缓冲,只上传 RMS、峭度、包络谱峰值、阶次幅值。FFT 用 1024 或 2048 点,汉宁窗,重叠 50%,频率分辨率 12.5 Hz 或 6.25 Hz。要看轴承早期故障,包络解调带通选 500 Hz 到 5 kHz,Hilbert 变换后做 FFT,BPFO、BPFI、BSF、FTF 才露头。公式别记错:
BPFO = (N/2) fr (1 - (d/D) cosθ)
BPFI = (N/2) fr (1 + (d/D) cosθ)
其中 N 是滚珠数,fr 是轴转频,d 滚珠直径,D 节圆直径,θ 接触角。算出来只是理论值,实际会滑移,找谱峰时留 1% 到 2% 容差。

算力与散热的取舍:FPGA、SoC、MCU 还是工控机
选平台最怕只看 TOPS。边缘端本地数据计算要同时伺候实时控制、高速采集、特征提取、轻量推理,还有 TLS 和数据库。四件事的脾气完全不同。
FPGA 适合硬实时和超多通道同步采样。50 µs 环路、纳秒级抖动,它拿手。缺点是开发周期和算法迭代成本,写个 FFT 不难,写个自适应滤波器再在线更新系数,够喝一壶。Zynq 这类 SoC 把 ARM 和 FPGA 放一起,PS 跑 Linux 做管理,PL 做采样和预处理,算是我心里比较稳的组合。TI AM64x 带 PRU 和工业以太网,EtherCAT、Profinet 这些协议栈跑起来省心,适合伺服和运动控制边缘节点。
MCU 呢?Cortex-M7 几百 MHz,跑 CMSIS-NN 做小 CNN 或异常检测可以,但别指望它同时做 8 通道 25.6 kHz 的完整包络分析。MCU 的优势是确定性和低功耗,适合电池供电的无线振动传感器。可无线又带来带宽和功耗矛盾,对吧。采样 1 kHz、每天上报几次特征值,纽扣电池撑一年;采样 25.6 kHz 连续传原始波形,电池半天见底。
工控机加实时 Linux,PREEMPT_RT 打上,延迟能压到几十微秒,但抖动看驱动和 BIOS。x86 算力足,生态好,适合多相机、点云、复杂模型。可它功耗 15 W 到 65 W,电柜 55°C 环境,风扇一坏就降频。无风扇设计要把热阻算清楚:Tj = Ta + P × Rth。假设环境 55°C,功耗 15 W,散热器到环境热阻 3°C/W,结温已经 100°C,再留 20°C 裕量?很难。要么降功耗,要么改被动散热结构,要么把盒子挪到空调侧。机械设计工程师在这里不是画个壳子,风道、导热垫、安装面平整度、螺钉扭矩,都影响结温。IP67 防水和散热天生打架,金属壳体导热好但手指烫,塑料壳不烫但热堵在里面。

踩坑清单与上线前验证

时间戳。软件打的时间戳,在负载一高就漂。PTP 硬件时间戳,IEEE 1588,能做到 <1 µs。多测点相位分析、声阵列、行波定位,差之毫厘谬以千里。
存储。SD 卡便宜,但写放大和掉电损坏是常态。边缘端本地数据计算如果要做环形缓冲,用工业 eMMC 或 pSLC,加掉电保护。数据库别用 SQLite 高频写,WAL 模式也扛不住 25.6 kHz 的逐点插入。批量写、列式、二进制块,才是朋友。
协议。高频 JSON over MQTT 很香,也很胖。一条 500 Byte,1 kHz 就是 4 Mbit/s。用 OPC UA Pub/Sub over TSN,或者 MQTT Sparkplug B 做状态发布,原始波形走二进制。IEC 62541 那套信息模型,前期烦,后期真省事。
模型漂移。同一台泵,换了叶轮、改了转速,原来训练的异常检测模型可能把正常工况报成故障。边缘端要有本地再训练或至少阈值自整定。ISO 10816-3 的振动烈度区域,比如 15~300 kW 刚性支撑机器,B/C 边界常在 2.8 mm/s,C/D 在 4.5 mm/s。但标准是底线,不是你的工艺底线。报警阈值得结合工况、转速、负载。
安全。IEC 62443 不是纸面文章。Secure Boot、签名固件、最小权限容器、只开必要端口。边缘盒子被攻破,比云上数据泄露更吓人,它直接连着执行器。
上线前,我至少做三件事:用信号发生器灌已知频率和幅值,看整条链路误差;用网络损伤仪打丢包、抖动、断网,看本地缓存和续传;让设备跑 72 小时满负载,摸盒子温度、看内存泄漏、查日志里有没有时间同步跳变。少一件,现场都可能给你颜色看。
边缘端本地数据计算,说到底是在机械、电子、控制、IT 的夹缝里找平衡。没有万能架构。把实时性预算、信号链账本、热设计边界先钉死,再谈 AI 和云。这样,数据才不是负担,而是机器身上长出来的知觉。