设备停止检测实战：基于加速度计与状态机的振动监测方案

Sensing the Stop 是我最近折腾的一个嵌入式检测项目，名字听起来像是某本论文里的术语，但本质其实是一个特别接地气的工程问题：怎么让设备自己告诉你它已经停下来了。这个项目最初的出发点，是想做一套不依赖人工巡检、能实时感知设备运转状态的检测节点，核心功能就是识别一台电机、水泵、传送带或者风机到底是“正在运行”还是“已经彻底停止”。

可能有人会觉得，这不就是一个加速度计加一个单片机的事吗？实际上手之后我才发现，判断运动很简单，判断停止却处处是坑。设备的振动不是瞬间归零的，周围环境还会传递各种干扰，传感器自身的噪声也会混进来，怎么在这么多不确定性里得出一个“它真的停了”的结论，才是项目真正的核心。我最终做出来的是一套基于惯性传感器的检测节点，配合状态机算法和自动校准逻辑，能够在设备上电、运行、停止、异常这几个状态之间快速切换，并输出干净的状态信号。它不需要改造设备本体，也不需要接入供电回路，用磁吸座往设备外壳上一贴，就能开始工作。

如果你正在做类似的物联网监测项目，或者想给设备加一个能记录启停时间的“黑匣子”，又或者只是对振动传感算法感兴趣，都建议把这篇看完。后面会包含完整的方案对比、传感器选型经验、算法设计思路，以及我在现场调试中踩过的一系列坑。这些东西很多是文档里不会写的，但恰恰决定了项目能不能真正落地。

1. 项目到底在做什么：把“停止”变成可读信号

1.1 为什么“检测停止”比“检测运动”更难

先聊一个很容易被忽略的问题——为什么“停止”不是瞬间状态。一台设备从运行到停下，往往要经历减速、余转、完全静止的过程，不同设备的减速时间差异极大。有些电机带负载停机，一两秒内就能停下来；有些大惯量设备，断电之后靠惯性还能转上几十秒。如果用“振动是否为零”来做判断，你会发现几乎找不到那个干净利落的“零”。

更麻烦的是环境的干扰。我在现场测试时遇到过一种典型情况：被检测的设备明明已经停了，但旁边的空压机、传送带还在运转，地面的振动通过支架传到设备外壳上，传感器照样能测到持续的加速度波动。如果只看瞬时值，系统会认为设备还在运行。还有一种情况是设备处于待机或者热备用状态，转速极低，但并没有完全停止，这时候的振动特征介于“停”和“走”之间，分类器的边界很难划。

所以“停止检测”实际上是一个需要在时间维度上持续观察的问题。我最终把整个问题拆成了三层：第一层是信号采集，保证传感器数据干净、稳定；第二层是特征提取，把原始的加速度数据变成反映振动强度的指标；第三层是状态判定，用一套带有迟滞和延时逻辑的规则，把“停止”从连续信号中可靠地剥离出来。每一层都有不少坑，后面我会逐一展开。

1.2 三种主流检测路径的选型逻辑

在最开始做技术调研时，我列了三个候选方案：电流检测、编码器检测、惯性传感检测。这三个方案各有各的适用场景，也各有各的硬伤。

电流检测的原理很简单，电机运行时工作电流大，停止后电流会明显下降，通过电流互感器或者霍尔传感器就能把这种变化转换成电信号。这个方案在工业界的应用很成熟，但它有几个明显的限制：首先它只能用于电机驱动的设备，纯机械装置没法测；其次需要接入供电回路，现场施工要断电接线，安全风险不小；再者一台互感器只能监测一台设备，设备多了成本会成倍上升。

编码器检测则是从旋转角度入手，把电机的旋转转换成脉冲信号，通过单位时间内的脉冲数计算转速，转速跌到零并保持一段时间就判定为停止。这个方案精度很高，响应也快，但问题是它需要改动机械结构，要把编码器装在电机尾部或者传动轴上。在很多老设备上，改造空间和停机时间根本不允许这么干，所以在选型阶段我就排除了它。

惯性传感检测的思路完全不同，它不关心设备的电学参数，也不关心转速的绝对值，而是直接感知设备表面的振动和姿态变化。一个加速度计贴在设备外壳上，运行时能捕捉到规律的振动信号，停止后这些信号会消失或降到极低水平。这个方案最大的优势是安装方便、通用性强，几乎不挑设备类型。我最后选定的就是这条路：MPU6050 六轴传感器加 STM32 单片机，既控制了成本，也兼顾了功耗和响应速度。

2. 硬件选型与传感原理：从物理量到电信号

2.1 加速度计方案：用惯性判断动静

加速度计的基本原理是测量内部的微小质量块因加速度变化而产生的位移，通过电容或电阻变化输出电信号。普通设备外壳上测到的振动，本质上就是持续变化的加速度，所以加速度计天然适合做运动状态检测。

我选的是 MPU6050，它内部包含三轴加速度计和三轴陀螺仪。实际使用中我只用加速度计的 XYZ 三轴数据，陀螺仪暂时没启用。为什么？因为很多设备的振动以线性振动为主，不是旋转运动，陀螺仪对旋转角速度敏感，用它的信号反而会漏掉一部分有效特征。当然，如果你的设备有明显的转动摆动，陀螺仪的数据可以作为补充，但作为第一版，我建议先只用加速度计把问题跑通。

这里有一个特别容易踩的细节：采样率不能太低。我最开始用 50Hz 采样率，结果发现慢速设备的低频振动信号根本捕捉不到，波形看起来像一团噪声。后来把采样率提高到 200Hz，有效特征才清晰地浮现出来。简单估算一下，设备转速如果是 1200 转/分钟，振动基频就是 20Hz，按照奈奎斯特定理，采样率至少要 40Hz 才能还原，但实际要做到稳定判断，留几倍裕量是必要的，200Hz 是我试下来比较舒服的值。

2.2 编码器与电流检测：电机侧的另一种视角

虽然我最后选了加速度计，但还是要客观地聊聊另外两种方案，因为在某些特定场景下，它们可能比加速度计更合适。

编码器方案用在需要高精度转速测量的场合，它的输出是脉冲信号，每个脉冲对应固定的旋转角度，控制器通过定时器捕获脉冲间隔就能计算出实时转速。这种方式抗干扰能力强，也不受环境振动影响，但它必须安装在旋转轴上，这会改变设备的机械结构。我在调研时问过几个现场维护的师傅，他们普遍表示不太接受为了装一个监测器去拆装设备，工期和风险都不可控。

电流检测方案的优点是和被检测设备没有物理接触，只需要把互感器卡在供电线路上就能测量。它的响应速度适中，电机启动瞬间电流陡增、停止后电流回落的特征都很明显。但这里有个隐含问题：很多设备并非独立供电，一个回路上可能带好几台设备，这样互感器测到的就是总电流，没办法精确区分某一台设备的启停状态。所以这个方案更适合大功率、单回路的大型设备。

综合来看，加速度计方案在通用性和安装便捷性上优势最明显。它可以做到完全不侵入设备本体，用磁吸座就能实现无损安装，而且成本最低，一颗工业级加速度计的采购价只有编码器方案的十分之一左右。对于我这种要覆盖多种设备的项目来说，它是性价比最高的选择。

2.3 我的选型对比表与避坑经验

表格只能看出大方向，实际做选型时还有几个容易被忽略的细节。传感器自身的频率响应范围要重点关注，很多低价加速度计对高频振动的响应并不好，如果你要检测高速设备，建议看一下手册里的带宽参数。另外，信号线的屏蔽也很重要，现场环境常有变频器、继电器这类强电磁干扰源，如果用普通杜邦线引出传感器信号，采集到的数据里会充满尖峰毛刺，后期的滤波处理会非常痛苦。我最后统一换成了双芯屏蔽线，并且屏蔽层单端接地，问题立刻改善了很多。另外别忘了传感器量程的选择，普通设备用 ±2g 或 ±4g 足够，但如果设备有较大的冲击振动，量程选小了数据会削顶，表现就是波形顶部被截平，特征信息丢失。

3. 算法设计：判断“停止”的分寸感

3.1 数据预处理：从原始信号到特征量

原始加速度数据不能直接拿去和阈值比较，这是我的第一个教训。MPU6050 输出的原始值包含设备振动信号、环境噪声、传感器零偏误差，还有一个始终存在的重力加速度分量。如果直接拿原始值算平均，设备停止时算出来的结果也不是零，而是某个随姿态变化的偏差值。

我的预处理流程是这样的：首先把三轴加速度做向量合成，求出总加速度幅值 A = sqrt(ax² + ay² + az²)，这样就把三轴信号合并成一个一维量，后续处理简单不少。然后做高通滤波，把重力分量和低频漂移滤掉，剩下的就是与设备运动相关的振动能量。高通滤波的截止频率要根据设备的振动频率来设置，我做的大多数设备转速在 600 到 3000 转/分钟，振动主频大约在 10 到 50Hz，所以把截止频率设为 1Hz 就已经足够。如果设备是那种转得很慢的大扭矩设备，振动频率会低不少，截止频率也需要相应下调，否则有效信号会被误伤。

3.2 阈值怎么定：滑动窗口与自适应策略

预处理完的信号仍然是一条快速跳动的曲线，不能拿某个瞬时值去跟阈值比，否则轻微抖动就会导致频繁误判。我一开始用“连续 N 个采样点低于阈值 M”的简单规则，实测效果并不好，因为设备的振动信号有间歇性，偶尔会出现几个点特别低，但不代表设备真的停了。

后来我换成滑动窗口 RMS（均方根）的计算方式：把最近 1 秒内的能量取均方根，得到一个随时间平滑变化的指标。这个指标比瞬时值稳定得多，设备停止时它会持续低落，设备运行时它会维持在一个较高水平，两者之间的区分度非常明显。滑动窗口的长度是一个需要权衡的参数，窗口太短则平滑效果差，窗口太长则响应滞后，1 秒是各方面都比较均衡的选择。

最让我头疼的是阈值怎么定。理论上的最佳阈值应该位于运行 RMS 和停止 RMS 之间，但现场的环境振动会变化，比如夏天和冬天的背景噪声不同，白天和夜里的相邻设备状态也不同。如果固定一个阈值，过一段时间就可能失效。我的解决方案是增加自动校准功能：现场安装时让设备处于停机状态，长按按键触发校准流程，系统采集 10 秒数据，计算均值和标准差，然后用“均值 + 2 倍标准差”作为停止阈值。这样现场人员不需要理解任何信号处理知识，就能完成参数配置。实测下来，这个策略对绝大多数平稳工况都适用。

3.3 状态机设计：上电、运行、停止、异常

有了预处理和阈值之后，剩下的事情就是设计一套可靠的状态机。我把系统状态分为四种：初始化、运行中、停止、异常。上电后先进入初始化状态，完成传感器自检、零偏校准和配置读取，然后进入正常的监测循环。在监测循环内，系统持续计算滑动窗口 RMS，并根据一个“低能量累计时间”和一个“高能量累计时间”来切换状态。

状态切换的规则是：低能量持续时间超过 3 秒，判定为停止；高能量持续时间超过 1 秒，判定为运行。这两个时间不一样长，是一种故意设计的迟滞效应，目的是防止设备在临界转速附近反复横跳。如果没有这个迟滞，设备在减速过程中就可能出现“运行-停止-运行-停止”的抖动状态，上位机那边会收到一大堆重复报警。

每次状态切换时，系统都会生成一条带时间戳的记录，写入本地日志。这个功能在后期排查问题时立了大功。比如客户怀疑某个时段设备没开，我直接翻日志，很快就能定位到具体的时间点和状态切换过程，完全不需要临时接电脑去采集数据。这个看似不起眼的设计，实际为项目节省了大量沟通成本。

下面是状态判定核心逻辑的伪代码，可以直接作为实现的参考：

# 伪代码：以滑动窗口RMS为基础的停止判断 import math from collections import deque WINDOW_SIZE = 200 # 200Hz采样率下，1秒窗口 LOW_ENERGY_TIME = 3.0 # 停止确认时间 HIGH_ENERGY_TIME = 1.0 # 运行确认时间 window = deque(maxlen=WINDOW_SIZE) low_time = 0.0 high_time = 0.0 state = "INIT" while True: acc = read_accel() # 读取三轴加速度 magnitude = math.sqrt(acc["x"]**2 + acc["y"]**2 + acc["z"]**2) window.append(magnitude) if len(window) == WINDOW_SIZE: # 高通滤波后的振动能量，用RMS表示 rms = math.sqrt(sum((v - 1.0) ** 2 for v in window) / WINDOW_SIZE) # 这里假设静止时合成加速度接近1g，动态波动用RMS刻画 if rms < threshold_rms: low_time += 0.005 # 每次采样间隔 high_time = 0.0 else: high_time += 0.005 low_time = 0.0 if state == "RUNNING" and low_time >= LOW_ENERGY_TIME: state = "STOPPED" log_event("device_stopped") elif state == "STOPPED" and high_time >= HIGH_ENERGY_TIME: state = "RUNNING" log_event("device_started")

4. 从原型到现场：完整实操过程记录

4.1 原型验证阶段：面包板上的快速验证

做原型阶段，我的目标不是做一个可靠的成品，而是用最快的方式验证算法思路是否成立。我拿了一个小型直流电机当测试对象，把 MPU6050 用双面胶临时固定在电机外壳上，用 Arduino 读取数据并通过串口传到电脑，再用 Python 做离线分析。整个原型搭建只花了半天时间，但正是这个粗糙的验证过程，帮我确认了滑动窗口 RMS 加状态机的方法在真实振动数据上是可行的。

这个阶段最值得分享的经验是：先用离线数据把算法调通，再移植到单片机，顺序不能反。因为现场调试时每改一次参数就要重新编译、烧录、接线、跑数据，效率极低而且容易让人失去耐心。而离线分析可以在电脑上快速试各种参数组合，循环迭代，直到确定一套合理的参数再写进嵌入式代码。我在离线阶段就把滑动窗口长度、状态持续时间、阈值计算方法全部敲定，移植时只改了数据类型的定义和接口函数的实现，基本一次通过。

4.2 正式部署阶段：接线、装配与防护

原型验证通过后，我开始考虑正式部署。主控从 Arduino 换成了 STM32F103，采样率固定 200Hz，数据通过 RS485 接口上传到上位机，供电采用 24V 转 3.3V 的 DC-DC 模块。硬件设计并不复杂，但在装配环节我花了大量心思，因为传感器安装位置直接决定了检测效果的成败。

安装位置我有几条硬性建议。传感器要贴在被测设备外壳上，而且要靠近动力部件，比如电机底座、减速机正上方、泵体靠近转轴的位置，这些地方的振动特征最明显。千万不要贴在装饰性外壳、薄板机罩或者远离动力源的支架上，那些位置振动衰减严重，有效信号会被外壳结构吸收掉大半，阈值就很难设定。另外安装面要尽量平整，如果表面有油漆或者油污，应该先清理打磨，保证传感器和外壳之间是刚性接触。

固定方式上，我试过双面胶、热熔胶、磁吸座三种方案。双面胶最省事，但设备振动一段时间后容易松动，传感器和外壳之间的耦合变差，信号突然变小，系统会误判成“停止”，这个问题在高温环境下尤其严重。热熔胶粘得牢，但后期想调整位置就很麻烦。综合对比下来，磁吸座是最优选，只要保证吸附面平整，固定效果稳定，拆装也方便。选磁吸座的时候注意选底部带沉孔的，可以再用一颗螺丝加固，防止强烈振动时发生位移。

4.3 参数整定流程：从理论值到实际值

参数整定是整个项目里最耗费精力的一环。我总结出一套相对高效的流程，核心思路是先采集两端的基准数据，再按照等比中值的原则确定阈值。

具体操作是这样的：先把设备停机，让传感器稳定采集 30 秒到一个小时不等，记录停止状态下滑动窗口 RMS 的最大值，记为 E_stop。然后把设备正常运行起来，采集同样长度的数据，记录运行状态下 RMS 的最小值，记为 E_run。阈值 M 就用 E_stop 和 E_run 的等比中值，即 M = sqrt(E_stop × E_run)，用根号而不是用平均，是因为振动能量往往跨越多个数量级，等比中值能保证阈值不会偏向任何一方。比如停止时 RMS 最大值是 0.02，运行时 RMS 最小值是 0.5，阈值大约是 0.1，这个值在两端都有充足的余量。

如果遇到 E_stop 和 E_run 特别接近的情况，不要急着硬调阈值。这说明安装位置不合理，或者设备本身的振动特征不够明显，需要先回到安装环节调整传感器位置，或者适当提高采样率。我第一次在现场碰到这种情况时，硬是把阈值调得很低，结果系统频繁误报，后来才反应过来是传感器贴到了变速箱的柔性护罩上，信号被大量吸收。把传感器移到变速箱壳体上之后，问题自然就消失了。

5. 现场问题排查与经验沉淀

5.1 误报率高的典型原因与对策

现场跑起来之后，我遇到最多的就是误报问题。具体表现有两种：一种是设备明明在运行，系统却报停止；另一种是设备已经停了，系统还一直报运行。这两种情况的原因和处理方式完全不同。

先说第一种，报停止但实际在运行。最常见的原因是传感器松动，或者安装位置振动信号本来就弱。传感器松动的排查方法很简单，用手按压传感器看读数是否明显变化，如果按压后振动波形突然增强，说明原本的接触不够紧。安装位置的问题则需要进一步分析频谱，如果设备振动主频很高而采样率不足，也可能导致 RMS 计算值偏低。

第二种情况，报运行但实际已停止，多半是环境振动干扰。工厂地面的振动传递特别明显，相邻的大功率设备运行时，能通过地面把振动传过来，传感器贴在设备外壳上照样能收到这个背景振动。我的对策是在算法里加了一个“突变检测”：如果能量在极短时间内出现剧烈跳变，系统不立刻切换状态，而是继续观察一段时间，确认信号是持续存在还是偶发波动。稳定信号才可以判定为运行，偶发尖峰则当作干扰忽略掉。

5.2 响应延时优化手段

响应延时是影响用户体验的重要指标。理论上设备一停就应该立刻报警，但如果把判定时间设得太短，又会被各种瞬时干扰触发误报。我最初把停止判定时间设置成 3 秒，业务上虽然可以接受，但客户反馈太慢，希望能在 1 秒内响应。

解决思路是把停止判定拆成两级。第一级叫“疑似停止”，连续 0.5 秒低能量就触发，立刻向上位机发送一个预警消息；第二级叫“确认停止”，再持续 2.5 秒才正式切换状态，并记录完整的停止事件。这样设计的巧妙之处在于：预警信息能提前到达，方便操作人员及时关注，而状态切换仍然保留足够的抗干扰能力。实际操作下来，客户对预警的反馈非常积极，因为即使最终确认设备没有完全停止，提前收到提醒也让他们能更早介入处理。

5.3 长期运行需要注意的事

项目上线运行一周后，我开始关注长期运行的稳定性。功耗方面，如果检测节点采用电池供电，最大的耗电项是传感器、无线模块和单片机三部分。我在非工作时段让系统进入低功耗模式，每秒钟唤醒一次，用加速度计的中断功能监测是否有超过阈值的振动，一旦检测到就立刻切到全速工作模式。这套策略能把待机功耗降到微安级，整体平均功耗比一直全速运行低了两个数量级。

数据存储方面也踩过坑。日志记录不能只写在芯片内部 Flash 里，容量有限而且频繁写入会影响寿命。我改成了 TF 卡存储，按天分文件写入，每条日志带完整时间戳。这样即使设备断网失联，事后也能通过本地日志还原完整的启停过程，对排查问题和做设备利用率分析有非常大的帮助。

5.4 拓展方向

项目做到这里，单机版的停止检测已经可以稳定运行了，但我发现这套系统还有很大的拓展空间。最直接的方向是把多个检测节点通过 RS485 总线或无线网络汇聚到一个网关，形成设备集群的运行状态大屏。这样管理人员可以在办公室实时看到每台设备的启停状态，免去频繁的现场巡检。我在第二版原型中已经验证了这个思路，上位机用简单的 Modbus 协议轮询各个节点，数据刷新率能做到 1 秒以内。

再进一步，可以把“检测停止”升级成“判断停止原因”。通过对比停止时刻前后一段时间的振动特征、电流变化趋势和温度曲线，结合历史数据进行简单分类，就能区分出正常停机、异常卡死、人为断电等不同情况。我做了一些初步试验，效果不错，但还需要更多现场数据来完善模型。这条路如果能走通，设备维护就能从被动响应变成主动预警，价值会高出一个量级。

说到最后，这个项目给我最大的感触是：一个看似简单的“设备停了没有”的问题，真正要做好，需要从传感器选型、信号处理、状态机设计到现场安装维护全程把关。每一步都有它自己的坑，但每解决一个坑，系统的可靠性就上升一个台阶。如果你也在做类似的状态监测项目，希望这篇记录能帮你少走一些弯路，尤其是参数整定和安装位置这两个环节，值得多花时间反复打磨。