改善狀態監測和診斷以及整體系統優化是當今使用機械設施和技術系統的一些核心挑戰。該主題不僅在工業領域，而且在任何使用機器的地方都發揮著越來越大的作用。過去根據計劃進行維修的機器，以及延遲維護意味著生產停機的風險。今天，來自機器的過程數據用于預測剩余的使用壽命。記錄特別關鍵的參數，如溫度，噪音和振動，以幫助確定最佳運行狀態甚至必要的維護時間。這允許避免不必要的磨損并且可能在早期檢測到可能的故障及其原因。在這種監測的幫助下，在設施可用性和有效性方面產生了相當大的優化潛力，帶來了決定性的優勢。例如，有了它，ABB1 可以將停機時間減少多達70％，將電機使用壽命延長30％，并在一年內將其設備的能耗降低多達10％。

這種預測性維護（PM）的主要元素，如技術術語所知，是基于狀態的監測（CBM），通常是旋轉機器，如渦輪機，風扇，泵和電動機。使用CBM，可以實時記錄有關運行狀態的信息。但是，沒有做出關于可能的故障或磨損的預測。它們只是通過PM來實現，從而標志著一個轉折點：借助更智能的傳感器和更強大的通信網絡和計算平臺，可以創建模型，檢測變化并對服務壽命進行詳細計算。

要創建有意義的模型，有必要分析振動，溫度，電流和磁場。現代有線和無線通信方法已經允許工廠或公司范圍內的設施監控。通過基于云的系統產生額外的分析可能性，以便操作員和服務技術人員可以以簡單的方式訪問提供有關機器狀況的信息的數據。然而，機器上的本地智能傳感器和通信基礎設施是所有這些額外分析可能性的基礎所必不可少的。這些傳感器應該如何看待，對它們施加哪些要求，以及關鍵特性是什么 - 本文將考慮這些和其他問題。

機器生命周期的表示

狀態監測中最基本的問題可能是：在維護變得必要之前，我可以讓機器運行多長時間？

一般來說，從邏輯上講，越早進行維護就越好。但是，為了優化運行和維護成本或完全實現最大設施效率，需要熟悉機器屬性的專家的知識。在電機分析中，這些專家主要來自軸承/潤滑領域，經驗表明這是最薄弱的環節。專家們最終決定相對于實際生命周期（參見圖1）偏離正常狀態是否應該導致修復甚至更換。

圖1.機器的生命周期。

因此，仍未使用的機器最初處于所謂的保修階段。可能無法排除生命周期早期階段的失敗，但這種情況相對較少，通常可以追溯到生產故障。只有在間隔維護的后續階段才能開始由經過適當培訓的服務人員進行有針對性的干預。它們包括在特定時間或在指定的使用時間之后獨立于機器狀況執行的例行維護，例如換油時的情況。這里間隔之間的失敗概率也很低。隨著機器壽命的增加，達到了狀態監測階段。從這一點開始，應該預期出現故障。圖1顯示了以下六個變化，從超聲波范圍內的變化水平開始（1），然后是振動（2）。通過潤滑劑（3）的分析或通過溫度的輕微升高（4），可以在以可感知的噪聲（5）或熱量產生（6）的形式發生實際故障之前檢測到未決故障的第一跡象。振動通常用于識別老化。三臺相同機器在其生命周期內的振動模式如圖2所示。在初始階段，所有機器都處于正常范圍內。然而，從中年開始，振動根據負載或多或少地快速增加，然后指數地增加到壽命結束時的臨界范圍。一旦機器達到臨界范圍，就必須立即做出反應。通過潤滑劑（3）的分析或通過溫度的輕微升高（4），可以在以可感知的噪聲（5）或熱量產生（6）的形式發生實際故障之前檢測到未決故障的第一跡象。振動通常用于識別老化。

三臺相同機器在其生命周期內的振動模式如圖2所示。在初始階段，所有機器都處于正常范圍內。然而，從中年開始，振動根據負載或多或少地快速增加，然后指數地增加到壽命結束時的臨界范圍。一旦機器達到臨界范圍，就必須立即做出反應。

通過潤滑劑（3）的分析或通過溫度的輕微升高（4），可以在以可感知的噪聲（5）或熱量產生（6）的形式發生實際故障之前檢測到未決故障的第一跡象。振動通常用于識別老化。三臺相同機器在其生命周期內的振動模式如圖2所示。在初始階段，所有機器都處于正常范圍內。然而，從中年開始，振動根據負載或多或少地快速增加，然后指數地增加到壽命結束時的臨界范圍。一旦機器達到臨界范圍，就必須立即做出反應。振動通常用于識別老化。三臺相同機器在其生命周期內的振動模式如圖2所示。在初始階段，所有機器都處于正常范圍內。然而，從中年開始，振動根據負載或多或少地快速增加，然后指數地增加到壽命結束時的臨界范圍。

一旦機器達到臨界范圍，就必須立即做出反應。振動通常用于識別老化。三臺相同機器在其生命周期內的振動模式如圖2所示。在初始階段，所有機器都處于正常范圍內。然而，從中年開始，振動根據負載或多或少地快速增加，然后指數地增加到壽命結束時的臨界范圍。一旦機器達到臨界范圍，就必須立即做出反應。

圖2.振動參數隨時間的變化。

CBM通過振動分析

諸如輸出速度，齒輪比和軸承元件數量之類的參數對于分析機器振動模式是主要相關的。通常，由變速箱引起的振動在頻域中被感知為軸速度的倍數，而軸承的特征頻率通常不代表諧波分量。還經常檢測到由于湍流和空化引起的振動。它們通常與風扇和泵中的空氣和/或液體流連接，因此傾向于被認為是隨機振動。它們通常是靜止的，并且它們的統計特性沒有變化。然而，隨機振動也可以是循環平穩的，因此具有統計特性。它們由機器生成并定期變化，

傳感器方向也起著關鍵作用。如果通過單軸傳感器測量主要線性振動，則必須根據振動方向調整傳感器。還有多軸傳感器可以記錄所有方向的振動，但單軸傳感器由于其物理特性，噪聲更低，力測量范圍更大，帶寬更大。

對振動傳感器的要求

為了能夠廣泛使用振動傳感器進行狀態監測，有兩個因素非常重要：低成本和小尺寸。在以前經常使用壓電傳感器的地方，如今越來越多地使用基于MEMS的加速度計。它們具有更高的分辨率，出色的漂移和靈敏度特性以及更好的信噪比，并且能夠檢測幾乎低至直流范圍的極低頻振動。它們還非常省電，這也是電池供電無線監控系統的理想選擇。與壓電傳感器相比的另一個優點是可以將整個系統集成在一個外殼（系統級封裝）中。這些所謂的SiP解決方案正在通過整合其他重要功能而不斷發展，形成智能系統：

集成的保護功能很重要，因為作用在傳感器元件上的過大的力通常會導致傳感器損壞甚至破壞。通過關閉其內部時鐘并因此保護傳感器元件，對可能的超范圍的集成檢測提供警告或停用陀螺儀中的傳感器元件。SiP解決方案如圖3所示。

圖3.封裝的MEMS系統（左側）。

隨著CBM領域的需求增加，對傳感器的需求也在增加。對于有用的CBM，有關傳感器測量范圍（滿量程范圍或簡稱FSR）的要求已經部分大于±50 g。

因為加速度與頻率的平方成比例，所以這些高加速力相對較快地達到。公式1證明了這一點：

變量a代表加速度，f代表頻率，d代表振動幅度。因此，例如，對于1千赫振動，1μm的振幅已經產生的39.5加速度克。

關于噪聲性能，這應該在盡可能寬的頻率范圍內，從近直流到中間兩位數kHz范圍內非常低，因此除了其他偽像之外，還可以在非常低的速度下檢測到軸承噪聲。然而正是在這里，振動傳感器的制造商目前面臨著巨大的挑戰，特別是對于多軸傳感器。只有少數制造商提供足夠的低噪聲傳感器，帶寬大于2 kHz，適用于多個軸。ADI公司（ADI）開發了ADXL356 / ADXL357 三軸傳感器系列，尤其適用于CBM應用。它具有非常好的噪音性能和出色的溫度穩定性。盡管它們的帶寬有限為1.5 kHz（諧振頻率= 5.5 kHz），但這些加速度計仍可在低速設備（如風力渦輪機）的狀態監測中提供重要讀數。

ADXL100x系列中的單軸傳感器適用于更高帶寬。它們在極低的噪聲水平下提供高達24 kHz（諧振頻率= 45 kHz）的帶寬和高達±100 g的g范圍。由于帶寬高，可以使用該傳感器系列檢測旋轉機器中發生的大多數故障（滑動軸承損壞，不平衡，摩擦，松動，齒輪缺陷，軸承磨損和氣蝕）。

基于狀態監測的可能分析方法

CBM中的機器狀態分析可以使用各種方法完成。最常見的方法可能是時域分析，頻域分析以及兩者的混合。

1.基于時間的分析

在時域振動分析中，考慮有效值（均方根或簡稱有效值），峰 - 峰值和振動幅度（見圖4）。

圖4.諧波振動信號的幅度，有效值和峰峰值。

峰 - 峰值反映了電機軸的最大偏轉，因此可以得出關于其最大負載的結論。相反，幅度值描述了發生振動的幅度并識別異常沖擊事件。然而，不考慮振動事件期間的持續時間或能量以及因此的破壞能力。因此，有效值通常是最有意義的，因為它同時考慮了振動時間歷史和振動幅度值。通過所有這些參數對電動機速度的依賴性，可以獲得均方根振動的統計閾值的相關性。

這種類型的分析證明非常簡單，因為它既不需要基本的系統知識，也不需要任何類型的光譜分析。

2.基于頻率的分析

利用基于頻率的分析，通過快速傅里葉變換（FFT）將時間上變化的振動信號分解成其頻率分量。得到的幅度與頻率的頻譜圖可以監測特定的頻率成分及其諧波和邊帶，如圖5所示。

圖5.振動與頻率的頻譜圖。

FFT是一種用于振動分析的普遍方法，尤其適用于檢測軸承損壞。有了它，可以為每個頻率分量分配相應的組件。通過FFT，可以濾除由滾動元件和缺陷區域之間的接觸引起的某些故障的重復脈沖的主頻率。由于它們的頻率成分不同，可以區分不同類型的軸承損壞（外圈，內圈或滾珠軸承的損壞）。但是，為此需要有關軸承，電機和整個系統的精確信息。

另外，FFT過程要求在微控制器中重復記錄和處理振動的離散時間塊。雖然這需要比基于時間的分析稍微更多的計算能力，但它會導致更詳細的損壞分析。

3.基于時間和頻率的分析的組合

這種類型的分析是最全面的，因為它結合了兩種方法的優點。時域中的統計分析提供了關于系統隨時間的振動強度的信息，同時提供了它是否在允許范圍內的信息。基于頻率的分析能夠以基頻的形式監控速度，以及精確識別故障癥狀所需的其他諧波分量。

基頻的跟蹤尤其具有決定性，因為有效值和其他統計參數隨速度而變化。如果統計參數與上次測量值發生顯著變化，則必須檢查基頻，以避免可能的誤報警。

隨著時間的推移，各個測量值的變化對于所有三種分析方法是共同的。用于監視系統的可能方法可以包括首先記錄健康狀況，或者生成所謂的指紋。然后將其與不斷記錄的數據進行比較。在過度偏差或超過相應閾值的情況下，反應是必要的。如圖6所示，可能的反應可能是警告（2）或警報（4）。根據嚴重程度，偏差也可能需要服務人員立即進行干預。

圖6. FFT的閾值和反應。

CBM磁場分析

由于集成磁力計的快速發展，對電動機周圍的雜散磁場的測量代表了另一種有希望的旋轉機器狀態監測方法。測量是非接觸的; 也就是說，機器和傳感器之間不需要直接連接。與振動傳感器一樣，磁場傳感器有單軸和多軸版本。

對于故障檢測，應在軸向（平行于電機軸）和徑向（與電機軸成直角）測量雜散磁場。徑向磁場通常被定子鐵芯和電機殼體削弱。同時，它受到氣隙中磁通量的顯著影響。軸向磁場由鼠籠式轉子中的電流和定子的端部繞組產生。磁力計的位置和方向對于測量兩個場都是決定性的。因此，建議選擇靠近軸或電機殼體的合適位置。由于磁場強度與溫度直接相關，因此絕對有必要同時測量溫度。因此，在大多數情況下，今天的磁場傳感器包含集成的溫度傳感器。還應該忘記校準傳感器以補償其溫度漂移。

與用于振動測量的情況一樣，FFT用于基于磁場的電動機狀態監測。然而，為了評估電動機狀況，即使在幾Hz到約120Hz范圍內的低頻也是足夠的。線路頻率明顯突出，而低頻分量的頻譜在存在故障時占主導地位。

在鼠籠式轉子中轉子條損壞的情況下，滑移值也起決定性作用。它與負載有關，理想情況下在空載時為0％。在額定負載下，健康機器的額定負載在1％到5％之間，并在發生故障時相應增加。因此，對于CBM，應在相同的負載條件下進行測量，以消除負載依賴性的影響

預測性維護的現狀

無論條件監控的類型如何，即使采用最智能的監控概念，也不能100％保證不會出現意外停機，故障或安全風險。這些風險只能減少。然而，越來越多的PM正在成為工業界的一個關鍵話題。它被視為未來生產設施可持續成功的明確先決條件。然而，為此，需要創新和快速發展 - 其技術必須部分確定。赤字主要存在于客戶利益和成本的比較中。

然而，許多工業企業已經認識到PM作為成功因素的重要性，因此是未來業務的機會 - 而不僅僅是服務領域。盡管存在極大的挑戰，特別是在數據分析領域，PM的技術可行性仍然很大。然而，PM目前正在機會主導地推動。預計未來的商業模式將主要由軟件組件決定，硬件的增值份額將相繼減少。總之，鑒于機器運行時間較長導致產量較高，今天對PM的硬件和軟件的投資已經值得。