监测什么：锁定核心故障模式

空压机的故障并非无迹可寻，不同类型的机组有其典型的失效路径：

• 机械类故障：转子不平衡、不对中，轴承磨损、点蚀或破裂，以及齿轮箱的啮合异常。这些都会在振动信号中留下独特的“指纹”。

• 工艺与运行类故障：排气温度或压力异常、润滑油压力不足、轴位移超标（可能导致转子与壳体碰擦）等。

• 结构类隐患：螺杆或涡旋盘磨损、壳体因液击或高压冲击产生的应力形变，长期可导致开裂

怎么感知：分部位部署传感器

根据监测目标的不同，传感器需要各司其职：

振动监测：捕捉机械故障的核心
这是诊断轴承、转子故障的主力。压电式加速度传感器用于捕捉高频冲击（如轴承早期点蚀）。对于大型离心/轴流空压机的转子，则需要电涡流位移传感器进行非接触测量，直接获取轴的径向振动和轴向位移，不受油污影响。在强电磁干扰或防爆区域，需选用本安防爆型的振动传感器。

温度与压力：守护工艺安全边界
温度监测需覆盖轴承温度（预警润滑失效或摩擦升温）和排气温度。压力监测则包括排气压力、润滑油压以及进气滤芯的压差（预警堵塞，导致效率下降）。将振动与温度集成于一体的温振一体传感器，能避免数据割裂，更准确地判断故障根源是机械摩擦还是润滑问题。

位移与转速：量化微观状态
对于离心机或磁悬浮机型，轴位移和轴心轨迹是关键保护参数，通常采用双探头电涡流传感器布置，两个探头同时达到联锁值才触发停机，以确保可靠性。键相（转速）传感器则为振动信号提供相位基准，用于动平衡分析。

怎么决策：从边缘诊断到平台分析

传感器采集的原始数据需要经过处理才能变成可执行的洞察。

边缘层：本地实时诊断
这是现代监测方案与简单数据采集的关键区别。边缘计算网关（如森瑟IN-SDG）在设备侧完成FFT频谱分析、包络解调和特征值计算，能在毫秒级内判断出“轴承外圈故障”或“转子不平衡”，并直接输出报警。这解决了现场人员看不懂复杂频谱图的难题，也避免了将所有原始波形上传云端带来的延迟和带宽压力。

平台层：趋势管理与预测
处理后的关键指标汇聚到平台，形成设备的健康趋势图。通过分析振动有效值、温度、压力的长周期变化，系统可以预测轴承的剩余寿命，并提前生成维修工单。典型的系统架构为 “云-边-端”三层，端侧负责感知，边侧负责实时判断，云侧负责全局优化和跨设备分析。

怎么诊断：看懂故障的“指纹”

在线监测的价值最终体现在精准诊断上。频谱分析是最核心的工具：转子不平衡会在1倍转频处出现峰值；不对中的特征则是2倍转频突出；而轴承的早期点蚀，其故障特征频率往往淹没在噪声中，需要依靠包络分析（解调高频冲击成分）才能清晰地提取出来。对于螺杆机，频谱还能揭示星轮支撑松动等特定故障——此时螺杆频率可能正常，但星轮频谱会出现以1/5星轮转频为基频的异常谐波。

空压机的在线监测，就是用传感器网络替代人工感官，用边缘计算替代经验判断，用趋势数据替代事后追查。这套体系将维护决策从“什么时候坏了什么时候修”，转变为“在故障萌芽时，就知道该修哪里、什么时候修”。