與嘗試借助一項技術(shù)解決復(fù)雜問題不同，更謹(jǐn)慎、更具策略性的全系統(tǒng)振動監(jiān)控視圖可實現(xiàn)技術(shù)的長期價值。

 

現(xiàn)在，傳感器和傳感器處理方面的技術(shù)發(fā)展可實現(xiàn)完全嵌入式 自主檢測系統(tǒng)的部署，并且能夠可靠地對設(shè)備缺陷、不平衡、 性能變化以及其他異常進(jìn)行檢測和分析，如圖1所示。

 

圖1. 狀態(tài)監(jiān)控和維護(hù)的自動化代表無線檢測網(wǎng)絡(luò)的高價值目標(biāo)

 

實現(xiàn)完全嵌入式自主檢測系統(tǒng)前，必須分析并考慮以下四個主 要系統(tǒng)設(shè)計方面：

 

1. 訪問高可信度過程數(shù)據(jù)

2. 解析和分配數(shù)據(jù)

3. 考慮過程變化

4. 了解最新技術(shù)發(fā)展

 

訪問高可信度過程數(shù)據(jù)

 

與靈敏電子元件制造業(yè)一樣，過程監(jiān)控在高價值設(shè)備的生產(chǎn)設(shè) 施中可能極其重要。在這種情況下，裝配線的細(xì)微變化也可能 會導(dǎo)致工廠產(chǎn)量減少，最終設(shè)備的主要技術(shù)參數(shù)變化。過去的 方法是利用手持式振動探頭，如圖2所示。這種方法的一個主要 缺點是不能進(jìn)行可重復(fù)測量。探頭位置或角度稍有改變，就會 產(chǎn)生不一致的振動剖面，從而難以進(jìn)行精確的時間比較。該方 法的另一個局限性是無法實時指出振動偏移。

 

圖2. 當(dāng)前采用的設(shè)備變化監(jiān)控方法缺乏可重復(fù)性和可靠性

 

解析和分配數(shù)據(jù)

 

工廠設(shè)備通常有多種振動源(軸承缺陷、不平衡和齒輪嚙合)，其 中包括設(shè)計帶來的振動源，例如在正常工作過程中產(chǎn)生振動的 鉆孔機(jī)或壓制機(jī)。基于時間的分析會產(chǎn)生一個綜合所有這些振 動源的復(fù)雜波形，如果不進(jìn)行快速傅里葉變換(FFT)分析，它提 供的信息難以辨別。借助嵌入式FFT功能，自主傳感器可實現(xiàn)實 時通知。

 

許多既有解決方案以壓電傳感器為基礎(chǔ)，其集成度一般非常低，需要依賴FFT外部計算和分析。這不僅使得實時通知毫無可能，而且將大部分額外設(shè)計工作推給了設(shè)備開發(fā)人員。但是，如果傳感器內(nèi)嵌FFT分析功能，就能即時確定振動偏移的具體來源(圖3)。從完全集成的傳感器開始也可將設(shè)備開發(fā)人員的開發(fā)時間縮短6至12個月。

 

圖3. 帶可編程濾波和調(diào)諧控制功能的嵌入式FFT分析

 

既有解決方案的另一個問題是大部分都只有模擬輸出，這會導(dǎo)致信號在傳輸過程中衰減，而且離線數(shù)據(jù)分析非常復(fù)雜。可從振動監(jiān)控受益的大多數(shù)工業(yè)設(shè)備往往存在于高噪聲、運動、無法接近、甚至危險的環(huán)境中。因此，業(yè)界迫切希望降低接口電纜的復(fù)雜性，并且在源端執(zhí)行盡可能多的數(shù)據(jù)分析工作，以便捕捉到盡可能準(zhǔn)確的設(shè)備振動狀態(tài)信息。

 

集成式、無線(最好)的智能傳感器有助于直接使用，并且可在顯著降低成本的同時大幅簡化傳感器網(wǎng)絡(luò)的部署。但是，部署后仍然存在一些復(fù)雜問題，如果不提前處理，就可能會降低系統(tǒng)的完整性。

 

考慮過程變化

 

在工廠環(huán)境中，振動曲線較復(fù)雜、有時間偏移，并且易受設(shè)備、材質(zhì)和位置的變化影響。確定在哪里放置傳感器非常重要，其主要決定因素是設(shè)備類型、環(huán)境和設(shè)備的壽命周期。采用高成本傳感器元件時，探測點僅限于一個或幾個，因此這個問題顯得更加重要。更重要的考慮因素是傳感器數(shù)據(jù)本身的完整性。如果沒有可靠的傳感器，識別出的性能變化可能是由于設(shè)備或傳感器產(chǎn)生。

 

基線設(shè)備響應(yīng)是針對設(shè)備壽命周期變化調(diào)整傳感器分析程序時的一個重要工具。利用簡單的模擬傳感器就能獲得基線設(shè)備響應(yīng)，即讓操作人員進(jìn)行測量，執(zhí)行離線分析，并將此數(shù)據(jù)與適當(dāng)?shù)臉?biāo)志一起離線存儲在特定設(shè)備和探頭位置上。更好且更不易出錯的方法是將基線FFT存儲在傳感器頭部，這樣數(shù)據(jù)永遠(yuǎn)不會誤放。基線數(shù)據(jù)還有助于確定報警電平，該值最好也直接在傳感器上編程。這樣的話，隨后的數(shù)據(jù)分析和采集中，如果檢測到警告或故障條件，就可以產(chǎn)生實時中斷。

 

無論是何種技術(shù)方法，適用的振動分析程序都應(yīng)該要能夠監(jiān)控數(shù)十甚至數(shù)百個位置。在一臺設(shè)備的整個壽命周期中，可能需要獲得成千上萬條記錄。預(yù)見性維護(hù)程序的完整性取決于傳感器采集點的位置和時間的適當(dāng)映射。為將風(fēng)險降至最低，以及獲得最有價值的數(shù)據(jù)，傳感器應(yīng)具有唯一的序列號和嵌入式存儲器，并且能夠給數(shù)據(jù)添加時間戳。

 

即使具有如前所述的良好可追溯性，也存在更具挑戰(zhàn)性的問題，即如何以最優(yōu)方式捕捉到設(shè)備性能的細(xì)微變化，并使傳感器適應(yīng)各種設(shè)備。由于信號和傳感器調(diào)理和處理取決于具體的設(shè)備及其壽命濁氣，因此傳感器設(shè)計過程中存在多個重要考慮因素。

 

例如，設(shè)計人員需要確定，傳感器應(yīng)針對設(shè)備故障可能性較小的早期階段進(jìn)行配置，還是針對故障可能性較大且更具危害性的晚期階段進(jìn)行配置？最好使用可在系統(tǒng)內(nèi)編程的傳感器，以便能夠在壽命周期內(nèi)根據(jù)變化調(diào)整配置。例如，相對較稀疏的監(jiān)控(功耗最低)應(yīng)在早期使用，觀察到變化(警告閾值)后，應(yīng)重新配置為頻繁(監(jiān)控周期由用戶設(shè)置)監(jiān)控。

 

嵌入式模數(shù)轉(zhuǎn)換和處理(例如在傳感器頭部和設(shè)備之外)可實現(xiàn)系統(tǒng)內(nèi)配置和調(diào)諧，如圖4所示。理想的傳感器應(yīng)提供一個簡單的可編程接口，通過快速基線數(shù)據(jù)采集來簡化設(shè)備設(shè)置、濾波操作、報警編程和不同傳感器位置的試驗。這種相同的可調(diào)諧性與嵌入式基線性能數(shù)據(jù)結(jié)合后，便可在系統(tǒng)內(nèi)對設(shè)備的壽命周期使用嵌入式傳感器特性。

 

圖4. 完全嵌入式智能振動監(jiān)控系統(tǒng)的典型集成方式

 

了解最新技術(shù)發(fā)展

 

上文重點討論了現(xiàn)有與過程控制和預(yù)見性維護(hù)相關(guān)的傳感器振動監(jiān)控方法的改善之道。由于容錯能力和監(jiān)控是問題的核心所在，應(yīng)嚴(yán)格審核傳感器本身的可靠性。如果傳感器發(fā)生故障(性能變化)，而不是設(shè)備發(fā)生故障，該怎么辦呢？或者，如果采用完全自治工作的傳感器，我們對傳感器持續(xù)正常工作能有多大信心呢？對于許多傳感器，如壓電傳感器等，這些情況確實會造成嚴(yán)重的限制，因為它們無法提供任何系統(tǒng)內(nèi)自測。高可信度預(yù)見性過程控制程序的基本要求是能夠?qū)鞲衅鬟M(jìn)行遠(yuǎn)程自測。這一點現(xiàn)可使用部分MEMS傳感器(圖5)做到，其中的嵌入式數(shù)字自測能夠填補(bǔ)可靠振動監(jiān)控系統(tǒng)的最后空白。

 

圖5. MEMS振動傳感器可提供傳感器自測的附加優(yōu)勢

 

通過將MEMS振動檢測與無線連接相結(jié)合，解決方案現(xiàn)可使多個遠(yuǎn)程檢測接點通過各種無線標(biāo)準(zhǔn)接口與網(wǎng)關(guān)節(jié)點通信，從而能夠整合數(shù)據(jù)并進(jìn)行進(jìn)一步離線趨勢分析和學(xué)習(xí)(圖6)。

 

圖6. 六個遠(yuǎn)程傳感器接點自主檢測、收集、處理數(shù)據(jù)并無線傳送至中央控制器節(jié)點

 

無線連接還可確保振動檢測的部署更具普遍性。此類完全集成的傳感器無需依賴于翻新接線/基礎(chǔ)設(shè)施，不僅能夠更精確可靠地檢測出性能變化，而且能夠顯著降低預(yù)付和重復(fù)維護(hù)成本。

 

最后，通過將轉(zhuǎn)換與具有基于云的分析系統(tǒng)的嵌入式連續(xù)監(jiān)控系統(tǒng)耦合，可對當(dāng)前的設(shè)備監(jiān)控領(lǐng)域中的信息和專門技術(shù)產(chǎn)生成倍的影響。借助由MEMS方法實現(xiàn)的更加可靠、功能更強(qiáng)的傳感器接點，此傳感器到云模型將幫助實現(xiàn)期待已久的實時潛力，以及基于條件的預(yù)測性維護(hù)。

 

 

推薦閱讀：