1. 阈值设置太“敏感”

• 阈值太低：正常波动也会越过触发线。

• 没有迟滞/回差：信号在阈值附近抖动时，会反复触发、反复复位。

• 没有去抖时间：瞬时尖峰一出现就报警，而不是要求持续一段时间。

• 确认逻辑太简单：单次超限就触发，没有“连续N次超限才确认”的机制。

2. 环境干扰被当成了信号

• 电磁干扰：变频器、电机、继电器、动力电缆在旁边，会在信号线上感应出尖峰。

• 接地问题：地环路、多点接地、屏蔽层接错，都会引入干扰。

• 电源波动：电源纹波大、电压跌落，会让传感器输出异常。

• 温度/湿度/灰尘：导致零点漂移、绝缘下降、光学传感器误判。

• 振动/声波/风：振动传感器、压力传感器、超声波传感器都可能被这些“非目标物理量”触发。

3. 安装与工况问题

• 安装松动：传感器没固定牢，设备一振动就产生额外信号。

• 位置不当：太靠近振动源、热源、强光、反射面或金属碎屑。

• 耦合方式不对：该刚性安装的用了磁吸，该隔离的没隔离。

• 正常瞬态被误判：比如泵启停的水锤、阀门关闭的冲击、设备启动的加速度，都被当成故障。

4. 传感器自身与选型问题

• 量程不匹配：量程太小，正常工况就饱和；量程太大，微弱信号又被噪声淹没。

• 防护等级不够：粉尘、水汽进入内部，导致短路或漂移。

• 老化/漂移：压电材料、应变片、电子元件老化后，零点漂移。

• 类型选错：用静态传感器测动态信号，或用电容式测高频冲击，都会误触发。

5. 信号处理与软件问题

• 采样率不够：高频尖峰被混叠成低频误报。

• 滤波设置不当：该滤的没滤，该保留的又被滤掉。

• 算法模型不完善：AI诊断模型训练数据不足，把正常工况判成异常。

• 通信误码：总线冲突、数据丢包，导致上位机收到错误状态。