Choose the Right Accelerometer for Predictive Maintenance

選擇正確的加速度計(jì)，以進(jìn)行預(yù)測(cè)性維護(hù)

作者：Bertrand Campagnie ADI公司

傳統(tǒng)維護(hù)一般是預(yù)防性或糾正性維護(hù)，通常會(huì)占用很大一部分生產(chǎn)成本。現(xiàn)在，使用IIoT（工業(yè)物聯(lián)網(wǎng)）監(jiān)測(cè)機(jī)器的健康狀態(tài)有助于實(shí)現(xiàn)預(yù)測(cè)性維護(hù)，讓行業(yè)人員能夠預(yù)測(cè)故障，從而大幅節(jié)省運(yùn)營(yíng)成本。

由于工業(yè)設(shè)備普遍實(shí)現(xiàn)數(shù)字化和互聯(lián)互通，工業(yè)4.0得以實(shí)現(xiàn)，且正在助力生產(chǎn)工具變革。它就像一個(gè)游戲規(guī)則的改變者，讓生產(chǎn)鏈變得更加靈活，支持制造定制化產(chǎn)品，同時(shí)保持盈利。此外，數(shù)字化和工業(yè)物聯(lián)網(wǎng)連接對(duì)維護(hù)也大有裨益。使用傳感器，尤其是加速度計(jì)之后，可以分析機(jī)器的運(yùn)行狀態(tài)，而不是每隔一段時(shí)間更換磨損的部件。在預(yù)測(cè)性維護(hù)框架內(nèi)，只有在出現(xiàn)某些早期預(yù)警癥狀時(shí)，操作者才需要進(jìn)行干預(yù)。這種針對(duì)機(jī)器健康狀況的分析被稱(chēng)為基于狀態(tài)的監(jiān)控(CbM)，與基于通常非常保守的固定時(shí)間表的系統(tǒng)型維護(hù)系統(tǒng)相比，能夠控制維護(hù)成本。除了維護(hù)操作計(jì)劃更為靈活之外，還能在早期階段檢測(cè)出問(wèn)題，讓操作人員能夠據(jù)此安排機(jī)器的停機(jī)時(shí)間，比起生產(chǎn)線以外停機(jī)，這顯然要好得多。

振動(dòng)分析：傳感器的重要性

制造商使用多種參數(shù)來(lái)確定啟動(dòng)維護(hù)操作的時(shí)間，這些參數(shù)包括振動(dòng)、噪聲、溫度測(cè)量等。在可測(cè)量的物理量中，振動(dòng)頻譜測(cè)量能夠針對(duì)旋轉(zhuǎn)機(jī)器（發(fā)動(dòng)機(jī)、發(fā)生器等）中的問(wèn)題的根源提供最多信息。異常振動(dòng)可能是滾珠軸承故障、軸偏差、不平衡、過(guò)度松散等問(wèn)題。每個(gè)問(wèn)題都有自己特有的癥狀，例如旋轉(zhuǎn)機(jī)器的振動(dòng)源。

采用加速度計(jì)測(cè)量振動(dòng)

振動(dòng)測(cè)量可以使用放置在被監(jiān)測(cè)元件附近的加速度計(jì)進(jìn)行。這種傳感器可以是壓電式，也可以是MEMS類(lèi)型，后者更具優(yōu)勢(shì)，不僅可以在低頻率下提供更好的響應(yīng)，而且體積小巧。

滾珠軸承發(fā)生故障時(shí)，每次滾珠碰觸到開(kāi)裂處，或者觸碰到內(nèi)環(huán)或外環(huán)的缺陷位置，就會(huì)發(fā)生撞擊，引起振動(dòng)，甚至導(dǎo)致旋轉(zhuǎn)軸輕微移位。撞擊發(fā)生的頻率由轉(zhuǎn)動(dòng)速度，以及滾珠的數(shù)量和直徑?jīng)Q定。

但這不是全部！一旦故障出現(xiàn)，前面提到的撞擊有時(shí)候會(huì)產(chǎn)生可以聽(tīng)見(jiàn)的聲音，即沖擊波，表現(xiàn)為低能量譜分量和相對(duì)較高的頻率，通常大于5 kHz，而且總是遠(yuǎn)遠(yuǎn)超過(guò)基本的旋轉(zhuǎn)頻率。只有低噪聲、高帶寬加速度計(jì)（例如ADI公司的ADXL100x）才能測(cè)量與首個(gè)故障信號(hào)相對(duì)應(yīng)的頻譜線。對(duì)于頻率響應(yīng)較低或噪聲較高的產(chǎn)品無(wú)法感測(cè)到的問(wèn)題，這些加速度計(jì)可以提供一些寶貴信息。隨著問(wèn)題惡化，低能量譜分量不斷增加。到了后期，入門(mén)級(jí)加速度計(jì)就可以檢測(cè)出振動(dòng)，但到了此時(shí)，解決故障會(huì)變得迫在眉睫，維護(hù)團(tuán)隊(duì)需要在很短時(shí)間內(nèi)做出反應(yīng)。為了避免猝不及防，使用低噪聲、高帶寬加速度計(jì)在最初出現(xiàn)異常的時(shí)候就進(jìn)行檢測(cè)可謂至關(guān)重要。

圖1.基于問(wèn)題類(lèi)型的頻譜特征。滾珠軸承故障的首個(gè)跡象發(fā)生在高頻頻譜

除了ADXL100x系列加速度計(jì)(ADXL1001/ADXL1002/ADXL1003/ADXL1004/ADXL1005)之外，ADI公司還提供許多其他加速度計(jì)，對(duì)于分析機(jī)器狀態(tài)非常有用。在更嚴(yán)格的帶寬范圍內(nèi)觀察發(fā)現(xiàn)，ADXL35x系列產(chǎn)品(ADXL354/ADXL355/ADXL356/ADXL357)具備低噪聲等級(jí)特性（噪聲低至20 μg/√Hz，帶寬為1500 Hz）。

與提供模擬輸出的ADXL100x系列產(chǎn)品不同，ADXL35x系列產(chǎn)品可以提供數(shù)字輸出，用于簡(jiǎn)化與微控制器的接口。

供消費(fèi)電子使用的入門(mén)級(jí)產(chǎn)品，例如ADXL34x(ADXL343/ADXL344/ADXL345/ADXL346)或超低功耗ADXL36x (ADXL362/ADXL363)加速度計(jì)并不具備足以滿(mǎn)足高品質(zhì)預(yù)測(cè)性維護(hù)要求的帶寬或噪聲性能。

這些入門(mén)級(jí)產(chǎn)品不僅限制了現(xiàn)有設(shè)備的診斷能力，而且還極大地限制了用于開(kāi)發(fā)未來(lái)診斷解決方案的數(shù)據(jù)的可用性。

但是，它們卻是測(cè)量機(jī)器活動(dòng)的極佳選擇，例如，用于計(jì)算操作小時(shí)數(shù)，并在必要時(shí)啟動(dòng)維護(hù)——不是預(yù)測(cè)性維護(hù)，而是預(yù)防性維護(hù)。這些加速度計(jì)的功耗極低，因此可以通過(guò)能量采集器或通過(guò)電池供電。

如果只是需要監(jiān)測(cè)和測(cè)量機(jī)器突然發(fā)生的撞擊，ADXL37x系列產(chǎn)品(ADXL372/ADXL375/ADXL377)就是理想的選擇。由于撞擊可能只會(huì)改變機(jī)器的精度或運(yùn)行狀態(tài)，所以它可能會(huì)啟動(dòng)（例如）糾正性維護(hù)，以糾正可能出現(xiàn)的問(wèn)題。

從組件到完整模塊

如前所述，ADXL100x系列具有寬帶寬和低噪聲特點(diǎn)。但是，它們采用單軸，需要配備相關(guān)的處理電子設(shè)備。為了簡(jiǎn)化設(shè)計(jì)，

ADI公司提供了一套完整的解決方案，采用ADcmXL3021型號(hào)實(shí)施三軸測(cè)量。這款3.3 V電源電壓產(chǎn)品包括三個(gè)基于ADXL1002的測(cè)量鏈、一個(gè)溫度傳感器、一個(gè)處理器和一個(gè)FIFO。整個(gè)裝置封裝在一個(gè)鋁殼(23.7 mm×26.7 mm×12mm)內(nèi)，可以即時(shí)安裝在旋轉(zhuǎn)機(jī)器上。該產(chǎn)品的全尺寸為±50 g，具有僅25 μg/√Hz的極低噪聲水平和10 kHz帶寬，這些特點(diǎn)使其能夠在大量應(yīng)用中捕捉振動(dòng)特征。

信號(hào)處理模塊不僅包括一個(gè)具有32個(gè)系數(shù)的可配置FIR濾波器，還包括一個(gè)每軸2048個(gè)節(jié)點(diǎn)的FFT函數(shù)，用于對(duì)振動(dòng)進(jìn)行頻譜分析。再將用這種方法計(jì)算得出的頻譜的每個(gè)頻率級(jí)別與可配置的報(bào)警閾值（每軸6個(gè)）進(jìn)行對(duì)比。如果頻譜組件過(guò)于密集，就會(huì)生成警報(bào)。本產(chǎn)品可以通過(guò)SPI端口與主機(jī)處理器進(jìn)行交互，提供訪問(wèn)內(nèi)部寄存器以及一組用戶(hù)可配置的函數(shù)的權(quán)限，包括先進(jìn)的數(shù)學(xué)函數(shù)，例如計(jì)算平均值、標(biāo)準(zhǔn)偏差、最大值、波峰因素和峰度（四階動(dòng)力矩，支持測(cè)量振動(dòng)的銳度）。

表1.ADcmXL3021和ADXL100x系列非常適合CbM應(yīng)用。

圖2.ADcmXL3021模塊，非常適合用于實(shí)施預(yù)測(cè)性維護(hù)

SmartMesh：適用于IIoT的網(wǎng)絡(luò)，非常適合用于實(shí)施預(yù)測(cè)性維護(hù)

無(wú)線網(wǎng)絡(luò)特別適合用于從振動(dòng)傳感器收集維護(hù)數(shù)據(jù)。它的速度不需要多快，但必須足夠健壯，能夠在通常非常嘈雜、且采用金屬結(jié)構(gòu)、傳導(dǎo)性很差的工業(yè)環(huán)境中運(yùn)行。它還必須能夠從大量傳感器收集數(shù)據(jù)，而這些傳感器不一定非?？拷鼣?shù)據(jù)記錄器。為了滿(mǎn)足這一需求，ADI公司推出SmartMesh? IP工業(yè)Mesh網(wǎng)絡(luò)，該網(wǎng)絡(luò)功耗低，且具有相當(dāng)高的抗擾性。最后一個(gè)標(biāo)準(zhǔn)對(duì)于維護(hù)模塊非常重要，為其供電的能量采集器或鋰電池必須運(yùn)行5到10年，中間不能進(jìn)行更換。SmartMesh IP網(wǎng)絡(luò)基于6LoWPAN標(biāo)準(zhǔn)(IEEE 802.15.4e)，非常適合IIoT，且基于圍繞2.4 GHz傳輸?shù)膶?zhuān)有協(xié)議構(gòu)建。該解決方案包含LTC5800收發(fā)器或預(yù)認(rèn)證的LTP590x模塊，非常易于實(shí)施。

圖3.SmartMesh IP網(wǎng)絡(luò)非常適合用于實(shí)施IIoT和預(yù)測(cè)性維護(hù)操作

使用各種技術(shù)來(lái)保證傳輸可靠性大于99.999%，包括同步、通道跳變和時(shí)間戳，以及針對(duì)Mesh網(wǎng)絡(luò)的動(dòng)態(tài)重新配置，在信號(hào)最強(qiáng)勁的地方僅使用RF路徑。

為什么不求助于人工智能呢？

目前存在多種振動(dòng)分析技術(shù)。除了數(shù)字濾波被用于克服流程本身或者由機(jī)器的其他組件導(dǎo)致的寄生振動(dòng)之外，還可以使用數(shù)學(xué)工具進(jìn)行輔助，例如ADcmXL3021中包含的工具（計(jì)算平均值、標(biāo)準(zhǔn)偏差、波峰因素、峰度等）。分析可以在時(shí)域中進(jìn)行，但頻率分析才是提供最多關(guān)于異常及異常原因的信息的分析。頻率分析甚至可用于計(jì)算被同化為信號(hào)頻譜中頻譜的倒譜（反向傅里葉變換被用于計(jì)算信號(hào)傅里葉變換的對(duì)數(shù)）。但是，無(wú)論使用哪種分析方法，困難之處在于確定最佳警報(bào)閾值，以使維護(hù)操作既不會(huì)太早也不會(huì)太遲。

可以采用一種方法替代傳統(tǒng)的警報(bào)閾值配置，即在故障識(shí)別流程中引入人工智能。在機(jī)器學(xué)習(xí)階段，云資源被用于基于來(lái)自振動(dòng)傳感器的數(shù)據(jù)創(chuàng)建代表性的機(jī)器模型。模型創(chuàng)建完成之后，可以下載至本地處理器。使用嵌入式軟件不僅可以實(shí)時(shí)識(shí)別正在發(fā)生的事件，還可以識(shí)別瞬態(tài)事件，從而能夠檢測(cè)異常。

表2.糾正性、預(yù)防性和預(yù)測(cè)性維護(hù)的成本對(duì)比

旋轉(zhuǎn)機(jī)器中的振動(dòng)源

旋轉(zhuǎn)機(jī)器經(jīng)常遇到的一個(gè)問(wèn)題就是滾珠軸承出現(xiàn)故障。對(duì)從放置在軸承附近的加速度計(jì)獲取的數(shù)據(jù)進(jìn)行頻譜分析，可以得出許多特征線、振幅和頻率，它們都由旋轉(zhuǎn)的速度和問(wèn)題原因決定。

所述系統(tǒng)的特征頻率包括：

? 軸承套的旋轉(zhuǎn)頻率：

? 與外環(huán)（固定）上的缺陷有關(guān)的頻率：

? 與內(nèi)環(huán)（軸）上的缺陷有關(guān)的頻率：

? 除了這些頻率特征外，滾珠越過(guò)缺陷位置（開(kāi)裂、剝落等）所產(chǎn)生的沖擊波還會(huì)引起高頻振動(dòng)(>5 kHz)，有時(shí)甚至可以聽(tīng)到。

圖4.滾珠軸承

? N：滾珠數(shù)量

? Φ：接觸角度

? faxle：軸的旋轉(zhuǎn)頻率

? d：滾珠直徑

? D：滾珠的平均直徑

關(guān)于新服務(wù)

除了為預(yù)測(cè)性維護(hù)構(gòu)建模型之外，人工智能和云訪問(wèn)還開(kāi)啟了通向諸多可能性的大門(mén)。將振動(dòng)測(cè)量數(shù)據(jù)與來(lái)自其他傳感器的數(shù)據(jù)（壓力、溫度、旋轉(zhuǎn)、功率等）相關(guān)聯(lián)，可以推斷出關(guān)于系統(tǒng)狀態(tài)的許多信息，遠(yuǎn)多于維護(hù)所需的數(shù)據(jù)量。將基礎(chǔ)數(shù)據(jù)合并可以進(jìn)一步優(yōu)化設(shè)備模型，不僅可用于檢測(cè)機(jī)械故障，還能夠處理問(wèn)題（例如，空輸送帶、內(nèi)部沒(méi)有流液的泵、不含膏體的混合器等）。因此，我們可以考慮設(shè)備制造商通過(guò)將設(shè)備供應(yīng)、維護(hù)，以及對(duì)生產(chǎn)線的性能和問(wèn)題實(shí)施的統(tǒng)計(jì)分析結(jié)合起來(lái)，為他們的最終客戶(hù)提供的多種服務(wù)。配備了傳感器模塊之后，基本的電機(jī)會(huì)成為大數(shù)據(jù)概念的主要參與者。

作者簡(jiǎn)介

Bertrand Campagnie在ADI公司工作已超過(guò)22年。他之前負(fù)責(zé)管理應(yīng)用團(tuán)隊(duì)，現(xiàn)在負(fù)責(zé)工業(yè)、醫(yī)療和消費(fèi)電子領(lǐng)域的戰(zhàn)略性客戶(hù)。Bertrand擁有斯特拉斯堡國(guó)立高等物理學(xué)校工程學(xué)位和微電子深入研究文憑。聯(lián)系方式：bertrand.campagnie@analog.com。