预测性维护MCP
项目介绍
🏭 预测性维护MCP服务器
一个模型上下文协议服务器，将工业机械诊断直接带到像Claude这样的大型语言模型中，通过自然对话实现AI驱动的振动分析、轴承故障检测和预测性维护工作流程。
🔧 从振动数据和机器手册到可操作见解：将原始传感器数据转换为带有ISO合规检查、FFT分析、包络分析和ML异常检测的报告。由LLMs支持的PdM工作流。
📑 目录
- ✨ 特别的地方
- 🔬 概念验证与社区邀请
- 🎬 快速示例
- 🚀 安装
- 配置
- 🔧 可用工具及资源
- 架构
- 📊 样本数据集
- 💡 使用示例
- 📊 专业报告
- 文档
- 调试
- 🧪 测试
- 🛠️ 开发
- 🚀 发展路线图及最新更新
- 许可证
- 引用
- 致谢
- 支持
✨ 特别的地方
-
🎯 真实轴承故障数据包含 - 21个生产质量的振动信号来自真实机器测试（3个健康，18个故障）
-
📊 专业HTML报告 - 带有自动峰值检测和频率标记的交互式Plotly可视化
-
🤖 ML异常检测 - 在健康基线上训练无监督/半监督模型（OneClassSVM/LOF），可选超参数调整
-
📏 ISO 20816-3合规性 - 内置行业标准振动严重性评估
-
🔍 高级诊断 - FFT频谱分析，轴承故障的包络分析，时域特征提取
<details> <summary><b>示例分析</b></summary>
</details>
-
🚀 零配置 - 使用样本数据开箱即用，自动检测元数据中的采样率
🔬 概念验证与社区邀请
这是一个概念验证（PoC） - 展示了如何通过模型上下文协议使LLMs具备工业诊断能力的可行性演示。
实现的PoC目标 ✅
- ✅ 真实的振动数据集成 - 21个轴承故障信号及其元数据（训练集：14，测试集：7）
- ✅ 专业分析工作流 - FFT频谱，包络分析，ISO 20816-3合规性
- ✅ ML异常检测 - 半监督学习，可选超参数调整
- ✅ 基于元数据的自动检测 - 从JSON文件中获取采样率和信号单位
- ✅ 交互式HTML报告 - 带有自动峰值检测的Plotly可视化
- ✅ 自然语言界面 - 通过对话式AI进行复杂诊断
🤝 我们邀请社区参与贡献！
这个PoC展示了潜力。现在我们需要您的专业知识来使其达到生产就绪状态。
您能帮助的方式：
- 📊 添加更多数据 - 来自不同机器/传感器/行业的实际振动数据集
- 🔧 扩展诊断功能 - 齿轮故障检测，泵空化，电机电气故障，不对中
- 🤖 改进ML - 深度学习方法，高级异常模型，实时流分析
- 🌍 国际化 - 多语言支持，区域标准工作流（VDI，GB）
- 📖 文档 - 教程，案例研究，工业验证，最佳实践
- 🐛 测试 - 边缘情况，与真实数据的验证，交叉验证研究
参与方式：
- 🐛 报告问题：GitHub Issues
- 💡 建议功能：讨论
- 🔀 提交PR：参见CONTRIBUTING.md
- 💬 加入讨论：LinkedIn
为什么这很重要：
预测性维护对工业4.0至关重要。复杂的诊断和维护工作流程可以通过提供适当的上下文和工具与LLMs集成，以增强人类工程工作。通过模型上下文协议（MCP），我们连接了LLM推理能力和专用诊断工具，实现了专家级机械设备诊断的普及化，并使工业AI更易于全球工程师使用。
🎬 快速示例
示例1：轴承故障检测
生成real_train/OuterRaceFault_1.csv的包络报告
结果：AI自动：
- 从元数据中检测采样率（97,656 Hz）
- 应用带通滤波器（500-5000 Hz）
- 生成带有轴承故障频率标记的交互式HTML报告
- 在~81 Hz处识别外圈故障及其谐波
- 将报告保存至
reports/envelope_OuterRaceFault_1_*.html
示例2：ISO 20816-3振动评估
评估real_train/OuterRaceFault_1.csv是否符合ISO 20816-3标准
结果：
- RMS速度：4.5 mm/s → 区域B（长期运行可接受）
- 带有区域可视化的交互式HTML报告
- 合规性评估和建议
示例3：机器手册集成+诊断
1. 从test_pump_manual.pdf中提取规格
2. 计算1475 RPM下SKF 6205-2RS轴承的频率
3. 使用计算出的频率诊断signal_from_pump.csv中的轴承故障
结果：完全零知识诊断：
- 提取：驱动端轴承SKF 6205-2RS，运行速度1475 RPM
- 计算：BPFO=85.20 Hz，BPFI=136.05 Hz，BSF=101.32 Hz
- 诊断：检测到外圈故障及其3个谐波
📚 更多示例：参见下方的使用示例部分或EXAMPLES.md以了解完整的工作流程
可用工具及资源
MCP资源（直接数据访问）
资源提供直接读取访问供Claude检查数据：
<details> <summary><b>📊 振动信号</b></summary>signal://list- 浏览所有可用信号文件及其元数据signal://read/{filename}- 直接读取信号数据（前1000个样本预览）
使用：Claude可以直接读取信号，无需先调用工具。
</details> <details> <summary><b>📖 机器手册</b></summary>manual://list- 浏览可用设备手册（PDF/TXT）manual://read/{filename}- 读取手册文本（前20页）
使用：Claude可以回答关于手册内容的任何问题，只需直接阅读即可。
</details>MCP工具（分析及处理）
工具执行计算并生成输出：
<details> <summary><b>📊 分析及诊断</b></summary>analyze_fft- 自动峰值检测的FFT频谱分析analyze_envelope- 轴承故障检测的包络分析analyze_statistics- 时域统计指标（RMS，峭度因子，峰度等）evaluate_iso_20816- ISO 20816-3振动严重性评估diagnose_bearing- 引导式的6步轴承诊断工作流diagnose_gear- 基于证据的齿轮故障诊断工作流
extract_features_from_signal- 从振动数据中提取17+统计特征train_anomaly_model- 仅在健康数据上训练新颖性检测模型（OneClassSVM/LOF），可选半监督超参数调整predict_anomalies- 在新信号中检测异常并给出置信分数
generate_fft_report- 带有峰值表的交互式FFT频谱HTML报告generate_envelope_report- 带有轴承故障标记的包络分析报告generate_iso_report- 带有区域可视化的ISO 20816-3评估list_html_reports- 列出所有生成的报告及其元数据get_report_info- 获取报告详细信息而不加载整个HTML
</details> <details> <summary><b>📖 机器文档阅读器</b></summary>💡 所有报告都是交互式Plotly可视化，并保存在
reports/目录中
list_machine_manuals- 列出可用设备手册（PDF/TXT）extract_manual_specs- 从手册中提取轴承、RPM、功率（带缓存）calculate_bearing_characteristic_frequencies- 根据几何形状计算BPFO/BPFI/BSF/FTFread_manual_excerpt- 读取手册文本摘录（可配置页面限制）search_bearing_catalog- 在本地目录中搜索轴承几何形状（20+常见轴承）
MCP资源：
manual://list- 浏览可用的手册manual://read/{filename}- 为LLM上下文读取手册
</details> <details> <summary><b>🔍 数据管理</b></summary>🎯 上传泵手册 → 提取轴承规格 → 自动计算频率 → 诊断信号
list_signals- 浏览所有可用信号文件及其元数据generate_test_signal- 创建用于测试的合成信号
架构
该系统遵循结合资源（直接数据访问）和工具（计算处理）的混合MCP架构：
┌─────────────────────────────────────────────────────────────┐
│ CLAUDE / LLM客户端 │
└────────────────────┬────────────────────────────────────────┘
│
▼
┌─────────────────────────────────────────────────────────────┐
│ MCP服务器（FastMCP） │
│ ┌──────────────────────────────────────────────────────┐ │
│ │ 资源（直接数据访问） │ │
│ │ ┌────────────────────────────────────────────────┐ │ │
│ │ │ 振动信号 │ │ │
│ │ │ • signal://list │ │ │
│ │ │ • signal://read/{filename} │ │ │
│ │ └────────────────────────────────────────────────┘ │ │
│ │ ┌────────────────────────────────────────────────┐ │ │
│ │ │ 机器手册 │ │ │
│ │ │ • manual://list │ │ │
│ │ │ • manual://read/{filename} │ │ │
│ │ └────────────────────────────────────────────────┘ │ │
│ └──────────────────────────────────────────────────────┘ │
│ ┌──────────────────────────────────────────────────────┐ │
│ │ 工具（分析及处理） │ │
│ │ • FFT，包络，ISO 20816-3 │ │
│ │ • ML异常检测 │ │
│ │ • 报告生成（HTML） │ │
│ │ • 手册规格提取 │ │
│ │ • 轴承频率计算 │ │
│ │ • 轴承目录搜索 │ │
│ └──────────────────────────────────────────────────────┘ │
└────────────────────┬────────────────────────────────────────┘
│
┌────────────┴────────────┐
▼ ▼
┌──────────────────┐ ┌──────────────────────────────────┐
│ 信号分析模块 │ │ 文档阅读模块 │
│ • FFT引擎 │ │ ┌────────────┐ ┌────────────┐ │
│ • 包络 │ │ │ PDF提取 │ │ ISO公式 │ │
│ • 滤波器 │ │ │ (PyPDF2) │ │ BPFO/BPFI │ │
│ • 统计 │ │ └────────────┘ └────────────┘ │
│ • ML模型 │ │ ┌─────────────────────────────┐ │
│ • Plotly图表 │ │ │ 轴承目录数据库 │ │
│ │ │ │ • 20+ ISO轴承 │ │
└────────┬─────────┘ └────────┬─────────────────────────┘
│ │
▼ ▼
┌─────────────────────────────────────────────────────────────┐
│ 本地文件系统 │
│ ┌──────────────────────┐ ┌──────────────────────────┐ │
│ │ data/signals/ │ │ resources/ │ │
│ │ ├── real_train/ │ │ ├── machine_manuals/ │ │
│ │ ├── real_test/ │ │ ├── bearing_catalogs/ │ │
│ │ └── samples/ │ │ ├── datasheets/ │ │
│ └──────────────────────┘ │ └── cache/ (自动) │ │
│ ┌──────────────────────┐ └──────────────────────────┘ │
│ │ reports/ │ ┌──────────────────────────┐ │
│ │ • FFT报告 │ │ models/ │ │
│ │ • 包络报告 │ │ • 训练的ML模型 │ │
│ │ • ISO报告 │ │ • 缩放器，PCA │ │
│ └──────────────────────┘ └──────────────────────────┘ │
└─────────────────────────────────────────────────────────────┘
关键特性：
- ✅ 4个MCP资源 - 直接读取信号和手册
- ✅ 25+个MCP工具 - 完整的诊断工作流
- ✅ 混合架构 - 资源用于读取，工具用于处理
- ✅ 本地优先 - 所有数据都保留在您的机器上（保护隐私）
安装
快速开始（Python包）
# 1. 克隆仓库
git clone https://github.com/LGDiMaggio/predictive-maintenance-mcp.git
cd predictive-maintenance-mcp
# 2. 运行自动化设置
python setup_venv.py
# 3. 激活环境
.venv\Scripts\activate # Windows
source .venv/bin/activate # Linux/macOS