MCP Motor Current Signature Analysis

mcp服务器mcsa

  

A. 模型上下文协议（MCP）服务器 为了 电机电流特征分析（MCSA） --利用定子电流信号对电动机进行无创频谱分析和故障检测。

mcp服务器mcsa 将任何LLM变成预测性维护专家。通过整合先进技术，如 快速傅里叶变换（FFT） 和 包络分析，系统可以 *听* 通过自然语言自动识别电机的电气特征，并自动识别机械和电气异常。

MCSA是一种行业标准的状态监测技术，它分析定子电流的谐波含量，以检测电动机中的转子、定子、轴承和气隙故障，而不需要振动传感器、停机时间或物理访问机器。该服务器将完整的MCSA诊断工作流程带到任何兼容MCP的AI助手（Claude Desktop、VS Code Copilot等），实现交互式专家分析和自动状态监测管道。

特性

• 真实信号加载 --从CSV、TSV、WAV和NumPy读取测量数据 .npy 文件
• 电机参数计算 --铭牌数据中的转差、同步速度、转子频率
• 故障频率计算 --转子断条、偏心、定子故障、混合偏心
• 轴承缺陷频率 --轴承几何形状的BPFO、BPFI、BSF、FTF
• 信号预处理 --直流去除、归一化、开窗、带通/陷波滤波
• 光谱分析 --FFT频谱、Welch PSD、频谱峰值检测
• 包络分析 --机械/轴承故障的Hilbert变换解调
• 时频分析 --非平稳条件下具有频率跟踪的短时傅里叶变换
• 故障检测 --自动严重程度分类（健康/初期/中度/重度）
• 一次性诊断 --来自信号阵列或直接来自文件的完整管道
• 测试信号生成 --用于演示和基准测试的具有可配置故障注入的合成信号
• 持久数据存储 --信号和频谱保存到 ~/.mcsa_data/ 压缩后 .npz 文件夹；由短ID引用(sig_xxxx, spec_xxxx)将大型数组排除在聊天环境之外；数据在服务器重启后仍然存在

工具（21）

资源

提示

安装和设置

步骤1--安装uv（一次性，如果你没有的话）

紫外线 是推荐的Python包管理器。它在一个工具中处理所有内容（Python、包、虚拟环境），并在整个MCP生态系统中使用。

视窗 （PowerShell）：

powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"

macOS/Linux:

curl -LsSf https://astral.sh/uv/install.sh | sh

安装后， 重新启动终端 所以 uv / uvx 命令可用。

第2步——验证它是否有效

uvx mcp-server-mcsa --help

您应该看到帮助文本。 就这样 --没有 pip install 需要。 uvx 在隔离环境中自动下载并运行该包。

步骤3--添加到MCP客户端

选择您的客户端并在下面添加配置。 不需要其他步骤。

克劳德桌面

打开配置文件：

• 视窗: %APPDATA%\Claude\claude_desktop_config.json
• macOS: ~/Library/Application Support/Claude/claude_desktop_config.json

添加 mcsa 里面 mcpServers object（如果文件不存在，则创建该文件）：

{
  "mcpServers": {
    "mcsa": {
      "command": "uvx",
      "args": ["mcp-server-mcsa"]
    }
  }
}

然后 重新启动克劳德桌面.

VS代码（复制/继续）

创建（或编辑） .vscode/mcp.json 在您的工作空间中：

{
  "servers": {
    "mcsa": {
      "command": "uvx",
      "args": ["mcp-server-mcsa"]
    }
  }
}

光标

首选 设置→ MCP服务器→ 添加新服务器:

• 类型： command
• 命令： uvx mcp-server-mcsa

第4步——测试

在您的MCP客户端中，尝试：

生成转子条断裂故障的测试信号，并进行全面诊断。电机：4极，50 Hz，1470 RPM

如果服务器返回诊断报告，则一切就绪。

______________________________________________________________________

Alternative: install with pip (not recommended — see note)

pip install mcp-server-mcsa

然后使用以下配置您的客户端：

{
  "mcpServers": {
    "mcsa": {
      "command": "python",
      "args": ["-m", "mcp_server_mcsa"]
    }
  }
}

⚠️ Windows上的常见问题：如果您从Microsoft Store安装了Python mcp-server-mcsa 命令可能不在您的PATH中，导致“服务器断开连接”错误。在这种情况下，使用以下命令查找Python路径 python -c "import sys; print(sys.executable)" 并在配置中使用完整路径： ``json { "mcpServers": { "mcsa": { "command": "C:/Users/YOU/AppData/Local/.../python.exe", "args": ["-m", "mcp_server_mcsa"] } } } ` 使用 uvx` 完全避免了这个问题。

Alternative: install from source (for development)

git clone https://github.com/LGDiMaggio/mcp-motor-current-signature-analysis.git
cd mcp-motor-current-signature-analysis
uv sync --dev

配置客户端以指向本地仓库：

{
  "mcpServers": {
    "mcsa": {
      "command": "uv",
      "args": ["--directory", "/absolute/path/to/mcp-motor-current-signature-analysis", "run", "mcp-server-mcsa"]
    }
  }
}

运行测试：

uv run pytest

使用MCP检查器进行调试：

uv run mcp dev src/mcp_server_mcsa/server.py

故障排除

数据存储

信号和频谱 持久化到磁盘 压缩后 .npz 文件 在 ~/.mcsa_data/ （可通过配置 MCSA_DATA_DIR 环境 变量）。这意味着：

• 大型数组永远不会进入聊天 --只有短ID(sig_xxxx,

spec_xxxx)并且紧凑的摘要被返回给LLM。

• 数据在服务器重启后仍然存在 --明天重新打开克劳德桌面

你的信号仍然存在。

• 所有数据集中在一个地方 --加载测量和生成测试

信号并排显示在同一文件夹中。

~/.mcsa_data/
  signals/
    sig_a1b2c3d4.npz   ← loaded from CSV
    sig_e5f6g7h8.npz   ← generated test signal
  spectra/
    spec_i9j0k1l2.npz  ← FFT result

使用 list_stored_data 查看磁盘上的所有内容 clear_stored_data 删除项目。

使用示例

真实信号——一次性诊断

分析测量信号的最快方法是 diagnose_from_file 工具。只需提供文件路径和电机铭牌数据：

“从以下方面诊断电机 C:\data\motor_phaseA.csv --50Hz电源， 4极，1470转/分”

服务器加载文件，预处理信号，计算频谱， 运行所有故障检测器，并返回一个完整的JSON报告 严重程度分级结果。

分步工作流程（带信号ID）

1. 加载测量信号 （或生成一个合成的）：

> “从以下位置加载信号 measurement.wav" → 回报 signal_id: sig_a1b2 > 或：“生成转子断条故障的测试信号”→ sig_c3d4

1. 计算电机参数:

> “计算以1470 RPM运行的4极50 Hz电源电机的电机参数”

1. 计算预期故障频率:

> “此电机的预期故障频率是多少？”

1. 对信号进行预处理:

> “预处理信号sig_a1b2”→ 返回新 signal_id: sig_e5f6

1. 分析频谱:

> “计算sig_e5f6的FFT频谱”→ 回报 spectrum_id: spec_g7h8

1. 检测特定故障:

> “检查spec_g7h8中的转子线棒是否断裂”

1. 包络分析（可选）:

> “计算sig_e5f6的包络谱”

基于存储信号的快速诊断

这 run_full_diagnosis 该工具根据存储的信号运行整个管道 在一次通话中：

Input: signal_id + motor nameplate data
Output: complete report with fault severities and recommendations

轴承分析

对于轴承故障分析，您需要轴承几何形状（球的数量， 球直径、节径、接触角）。服务器将：

1. 计算特征缺陷频率（BPFO、BPFI、BSF、FTF）
2. 计算预期的当前边带
3. 在频谱中搜索那些边带

支持的文件格式

故障检测理论

转子杆断裂（BRB）

$（1\\pm2s）\\cdot f_s$处的边带，其中$s$为滑动，$f_s$为供电频率。 严重性根据边带与基波振幅的dB比进行分类。

偏心

$f_s\\pm k\\cdot f_r$处的边带，其中$f_r$是转子机械频率。

定子匝间故障

由于绕组不对称，$f_s\\pm 2k\\cdot f_r$处的边带。

轴承缺陷

扭矩振荡调节定子电流，在$f_s\\pm k\\cdot f\_{defect}$处产生边带。 缺陷频率取决于轴承几何形状（BPFO、BPFI、BSF、FTF）。

严重性阈值（低于基本值dB）

备注：这些是一般准则。实际阈值应根据基线测量值适应特定的电机、负载和应用。

发展

设置

git clone https://github.com/LGDiMaggio/mcp-motor-current-signature-analysis.git
cd mcp-motor-current-signature-analysis
uv sync --dev

运行测试

uv run pytest

使用MCP检查器运行

uv run mcp dev src/mcp_server_mcsa/server.py

棉绒和类型检查

uv run ruff check src/ tests/
uv run pyright src/

依赖项

• 主控程序 --模型上下文协议SDK
• 数值Python --数值计算
• SciPy --信号处理（FFT、滤波、希尔伯特变换）
• 媒染剂 --数据验证

文档

有关每个工具、资源和提示的详细参考，包括 参数表、诊断工作流、集成模式和严重性 阈值——请参见 使用指南.

引用

如果您在研究中使用此软件，请引用它：

@software{dimaggio_mcsa_2025,
  author       = {Di Maggio, Luigi Gianpio},
  title        = {mcp-server-mcsa: MCP Server for Motor Current Signature Analysis},
  year         = 2025,
  url          = {https://github.com/LGDiMaggio/mcp-motor-current-signature-analysis},
  license      = {MIT}
}

GitHub展示了 “引用此存储库” 按钮自动从 CITATION.cff 文件。


许可证

麻省理工学院——见 许可证 了解详情。