摘要：边缘侧数据计算并不是把服务器搬到车间那么简单。它涉及数据同步、算法裁剪、硬件防护和网络安全的系统工程。结合一个机床振动监测项目，聊聊边缘侧的实践和经验。
说实话，我头一回接触“边缘侧数据计算”这六个字，心里是有点犯嘀咕的。搞机械的人，天天跟公差配合、材料强度打交道，你跟我谈什么边缘计算？不就是把服务器往车间里一丢嘛，有什么好稀罕的。后来被现实狠狠地上了一课——车间里几十台数控机床，每个主轴都得监测振动和温度。数据全往云端送，一秒钟几千个点，车间网络本来就破，再加上交换机延迟，等数据到了云上再算完返回，刀具早就崩了。
原因很简单：距离就是延迟。云端再牛，也会在物理链路前折腰。你算一笔账，一台机床四个主轴轴承，每个轴承三个方向振动，再加上温度、转速、负载，总共二十多个通道。采样率10kHz，每个样本16位，每秒就是640KB。十台机床就是6.4MB。我们车间那根百兆网线，勉强能跑，但高峰期直接卡死。更别提数据到了云端还得排队存储，再跑分析，来回一趟，几百毫秒就没了。机床的运行状态是毫秒级变化的，几百毫秒的延迟，用来做保护性停机，黄花菜都凉了。
所以思路得变。让边缘节点直接采集原始信号，在本地做FFT、做包络谱，只把特征值和报警结果上传。这不仅仅是省带宽的问题，是决策链路的大幅缩短。你想想，一个轴承从出现微裂纹到完全失效，可能就几百个小时。每秒钟都是钱。延迟一个往返，可能就错过最佳换件时机。
边缘计算到底算些什么？——以振动监测为例
边缘节点其实是一台小型工控机，或者一块嵌入式主板。我用的是研华的一款，具体型号就不说了，避免广告嫌疑。CPU是四核Core i5，配了16G内存，跑的是Ubuntu Server。关键是用了EtherCAT总线同步采集，每个通道采样率32kHz，16位ADC。
真正的功夫不在硬件，而在算法。一开始我们只按ISO 10816-3的振动速度有效值做阈值报警，但那种均方根值指标对早期轴承点蚀不敏感。后来才加了谱分析。比如滚动轴承故障特征频率计算：内圈故障频率BPFO=Zr/2*(1+d/D*cosα)*fr。这里的Zr是滚动体数，d是滚动体直径，D是节径，α是接触角，fr是转频。这些参数在轴承样本上都有，但你要在边缘节点上实时算出来，还得考虑滑动平均去噪。
举个我踩过的坑。当时用MATLAB离线验证算法，效果挺好。一上边缘节点，全乱套。为什么？因为边缘节点的CPU不像云端那么强大，FFT算得慢，数据缓冲区会溢出。后来改用C语言写FFT，又用单精度浮点替代双精度，速度提上去了，但精度又下降。最后折中，用512点FFT，50%重叠，频率分辨率63Hz。勉强能分辨出外圈故障特征频率的三倍频。这事情让我明白，工程上永远是折中。
更隐蔽的问题来自时域同步。多通道采集，每个通道的触发时刻必须一致。稍有不一致，相位就乱掉。我们曾用普通USB采集卡，结果通道间延迟抖动达到几十微秒。对于1kHz以上的信号，几十微秒就是几十度相位误差。后来改用EtherCAT分布式时钟，才能把同步误差控制在100ns以内。
系统架构：边缘与云端的那个“度”
那么，什么该放边缘，什么该放云端？我自己的经验是：凡是需要实时响应、数据量又大到传不起的，统统放边缘。比如振动原始波形、瞬间温度突变、刀具磨损的包络特征。而需要跨设备对比、长期趋势分析的，比如整个车间所有轴承的健康指数曲线，那必须上云。边缘节点跑轻量级推理，云端跑大模型训练。两者之间用MQTT协议通信，数据量压缩到原来的千分之一都不到。
举个例子，我们给一台主轴做状态监测。边缘节点每10秒计算一次特征频率幅值，如果超过阈值，立即本地触发报警并联动PLC降速。整个过程控制在50毫秒内。同时，每5分钟把特征值快照上传云端，存入InfluxDB。云端再通过时序异常检测算法，横向比较所有机床的状态偏移。这套架构跑了一年，误报率从最初的每月三次降到三周一次。
但这“度”很微妙，不是非黑即白。有时候边缘节点也得干活，比如训练一个小型局部模型，适应单台机床的独特工况。谁说边缘不能有人工智能？现在的边缘神经网络加速器，算力已经扛得住轻量级的LSTM了。不过话说回来，别为了炫耀技术把模型搞太复杂，边缘端的本质是解决问题，不是秀肌肉。
选型与部署：那些没人告诉你的坑
硬件选型，价格跨度大得离谱。从几百块钱的树莓派到几万块钱的工业PC，都能跑边缘计算。但车间环境是残酷的——55℃高温，油污，切削液蒸汽，还有电机的强电磁干扰。树莓派在这种环境里撑不过一个月，这是我一朋友的教训。他图便宜，用树莓派做振动脉冲计数，结果主板电容被烤鼓包了。所以环境防护比算力更重要。
我问过几个老工程师，他们更倾向于考虑整体防护等级。至少IP65的机箱，无风扇散热，固态硬盘，宽温内存。甚至有的项目要求做三防漆涂覆。这些成本加起来，比一个高档工控机差不了多少。
另外，别忘了网络安全。边缘节点是连接OT和IT的桥梁，也最容易成为攻击目标。你总不能让每一个传感器都直接暴露在公网上吧。我以前犯过这错误——为了远程调试，把边缘网关映射到公网IP，结果没几天就被拿去挖矿了。后来规范了，所有安全更新必须走VPN。
还有电源管理。车间电压不稳，常见问题。搞过机械的人都懂，电焊机一开，电网电压能跌到180V。边缘设备必须有宽压输入和掉电保护。我们就吃过亏，一场电网波动，边缘节点重启，缓存数据全丢了。后来加了超级电容，写数据时掉链子，才慢慢克服。
最后说一句人话：边缘侧数据计算不是万金油，但该你用的时候，别犹豫。关键是想清楚你要在边缘端解决什么问题，然后踏踏实实地做实验、踩坑、优化。搞机械的，讲究的就是一个严谨和皮实。
