核心传感器：捕捉不同维度的“健康指标”

机器人最关键的部位是关节（伺服电机+减速器+轴承），不同传感器从不同角度反映其状态。

振动传感器（反映机械磨损的核心手段）
这是捕捉减速器、轴承早期机械损伤最灵敏的传感器。减速机故障的特征频率通常在500-5000Hz，因此需要频响足够宽的IEPE压电加速度传感器（如频响0.5-10000Hz）。安装位置很关键，应刚性（螺纹）固定在关节壳体靠近减速机的一侧，以最短路径捕捉冲击信号。对于6轴机器人，每个关节都应考虑部署。

电流传感器（反映负载与电气异常）
伺服电机电流的波动，能直接反映负载变化和潜在的机械卡滞。电流监测的优势是无需额外在机械结构上加装传感器，通过控制柜线路即可采集。但单纯看电流超过固定阈值容易误判，需要结合振动、伺服误差等多维度数据来区分“正常重载”与“异常故障”。

温度传感器（辅助验证与热管理）
电机定子、减速器壳体、轴承座的异常温升，是润滑失效或过载的直接征兆。温度传感器（如PT100/PT1000铂电阻）可贴附在这些关键点位。温度的局限性在于滞后性——它通常作为振动和电流信号的辅助验证，而不是唯一的报警依据。

力矩/力传感器（碰撞检测与精密力控）
用于感知关节或末端执行器受到的力/力矩。当实际力矩偏离动力学模型预测值时，即可判定发生碰撞。这类传感器（关节力矩传感器、六维力传感器）是实现碰撞检测与柔顺控制的核心。

从信号到决策：系统如何“读懂”机器人

传感器采集的原始数据，需要经过一套分层架构才能转化为维护指令。

边缘层是实时性的关键
将所有原始波形都上传云端会产生无法接受的延迟。边缘计算网关（部署在机器人附近）负责在本地完成数据采集、滤波和特征提取。研究表明，边缘层可实现多模态传感器数据的亚毫秒级同步，足以支撑实时碰撞检测和快速故障判断。一项实施例中，系统的故障检测响应时间≤25ms，能提前65小时发现早期微小故障。

多源融合降低误报
单一信号容易误判。例如，机器人搬运重物时电流自然升高，但此时振动和伺服误差正常，系统便可判定为正常负载而非故障。将振动、电流、温度、力矩等信号在边缘层进行融合分析，是提升诊断准确率的核心方法。

数据获取的双通道策略
除了加装外部传感器，机器人控制柜本身就是重要的数据源。通过OPC UA等协议，可以直接从控制器读取各关节的电流百分比、温度、位置、速度等内部数据，与外部传感器数据互为补充，构成更完整的状态画像。