🛑 前言：从“坏了修”到“预知未来”
传统工厂的设备维护通常有两种模式：
- 事后维护：机器冒烟了才去修（停产损失巨大）。
- 预防性维护：不管坏没坏，每个月固定停机保养（浪费人力物力）。
预测性维护 (Predictive Maintenance)是工业 4.0 的核心。通过实时采集设备的振动、温度、电流等数据，利用算法分析，在故障发生前 24 小时发出预警：“2 号电机的轴承可能要在明天损坏，请提前更换。”
🏗️ 一、 架构设计：打通 OT 与 IT
我们要面对的是工业现场最通用的协议——Modbus TCP。大多数 PLC（西门子、三菱、施耐德）都支持它。
系统数据流转图 (Mermaid):
🔌 二、 硬核采集：Spring Boot 对接 Modbus
Java 社区优秀的 Modbus 库不多，推荐使用modbus4j或jlibmodbus。这里以modbus4j为例。
1. 引入依赖
由于modbus4j不在 Maven 中央仓库，通常需要手动安装或配置第三方仓库，或者使用简单的jlibmodbus：
<dependency><groupId>com.intelligt.modbus</groupId><artifactId>jlibmodbus</artifactId><version>1.2.9.7</version></dependency>2. 编写采集工具类
工业现场，数据通常存储在 PLC 的保持寄存器 (Holding Register, 4xxxx区)中。
@ComponentpublicclassModbusClientService{privateModbusMastermaster;// 连接 PLCpublicvoidconnect(Stringip,intport)throwsException{TcpParameterstcpParameters=newTcpParameters();tcpParameters.setHost(InetAddress.getByName(ip));tcpParameters.setPort(port);tcpParameters.setKeepAlive(true);master=ModbusMasterFactory.createModbusMasterTCP(tcpParameters);master.connect();}/** * 读取温度数据 * @param slaveId 从站ID (通常是 1) * @param offset 寄存器地址 (例如 100 表示 40101) * @return 实际温度值 */publicfloatreadTemperature(intslaveId,intoffset)throwsException{if(!master.isConnected())connect("192.168.1.5",502);// 读取 1 个寄存器 (16位)int[]registerValues=master.readHoldingRegisters(slaveId,offset,1);// 工业数据通常放大 10 倍或 100 倍传输，变成整数// 例如 PLC 传过来 256，代表 25.6 摄氏度returnregisterValues[0]/10.0f;}}🧠 三、 核心算法：基于统计学的异常检测
采集到了数据（比如电机转速、轴承温度），怎么判断它“快坏了”？
不要一上来就搞深度学习（LSTM/Transformer），那需要海量标注数据。
对于工业现场，基于滑动窗口的 3-Sigma (Z-Score) 算法简单且极其有效。
逻辑：
如果当前温度，超过了过去 1 小时平均值的 3 倍标准差，说明设备出现了**“突变”**。
@ServicepublicclassPredictionService{// 模拟一个滑动窗口，存储最近 100 个数据点privateLinkedList<Float>window=newLinkedList<>();privatestaticfinalintWINDOW_SIZE=100;publicvoidanalyze(floatcurrentTemp){window.add(currentTemp);if(window.size()>WINDOW_SIZE){window.removeFirst();}if(window.size()<WINDOW_SIZE)return;// 数据不够，不分析// 1. 计算均值 (Mean)doublemean=window.stream().mapToDouble(val->val).average().orElse(0.0);// 2. 计算标准差 (Standard Deviation)doublevariance=window.stream().mapToDouble(val->Math.pow(val-mean,2)).average().orElse(0.0);doublestdDev=Math.sqrt(variance);// 3. 计算 Z-Score (当前值偏离了多少个标准差)doublezScore=(currentTemp-mean)/stdDev;// 4. 判定：如果 Z-Score > 3，说明是极小概率事件，判定为异常if(Math.abs(zScore)>3){sendAlert("⚠️ 预警：设备温度异常突变！当前: "+currentTemp+", 偏离度: "+String.format("%.2f",zScore));}}privatevoidsendAlert(Stringmsg){// 调用钉钉机器人或 WebSocket 推送前端System.err.println(msg);}}⏲️ 四、 整合调度：实时监控流
使用 Spring 的@Scheduled或结合Netty HashedWheelTimer进行高频采集。
@ComponentpublicclassMachineMonitor{@AutowiredprivateModbusClientServicemodbusService;@AutowiredprivatePredictionServicepredictionService;// 每 500ms 采集一次 (高频)@Scheduled(fixedRate=500)publicvoidmonitorLoop(){try{// 1. 采集数据 (假设温度在寄存器 100)floattemp=modbusService.readTemperature(1,100);// 2. 存入时序数据库 (InfluxDB 代码略)// influxService.write(temp);// 3. 实时分析predictionService.analyze(temp);}catch(Exceptione){log.error("PLC 连接失败",e);}}}📊 五、 效果展示与进阶
通过这套系统，你可以在 Grafana 或 Vue 前端上看到这样的效果：
- 实时曲线：平稳波动。
- 预警时刻：在故障发生前（例如电机轴承磨损导致温度微幅持续上升），Z-Score 曲线会率先突破阈值，触发报警。
进阶方向：
- FFT (快速傅里叶变换)：对于振动数据，时域分析不够，需要将其转换为频域。如果高频分量突然增加，通常意味着轴承内圈损坏。
- 数字孪生 (Digital Twin)：结合 3D 模型，将采集的数据实时映射到 3D 设备上。
- 边缘网关：将这段 Spring Boot 程序打包成 Docker，运行在树莓派或工业工控机上，断网也能报警。
🎯 总结
工业互联网是程序员的下一片蓝海。
当你能够用 Java 读懂 PLC 的寄存器，用算法捕捉到机器的“叹息”，你就不仅是一个写代码的，而是赋予机器智慧的工程师。
Next Step:
下载一个Modbus Slave模拟器（在电脑上模拟 PLC），运行上面的代码，调整模拟器里的数值，看看你的控制台会不会弹出那行激动的“⚠️ 预警”。
)
