維護，傳統上是預防性或糾正性的，通常占生產成本的很大一部分。現在，讓 IIoT 監控機器的健康狀態有助于實現預測性維護，從而使行業能夠預測故障并實現可觀的運營節省。

工業設備的數字化和連接性的普遍化使工業 4.0 成為可能，它有望徹底改變生產工具。這種改變游戲規則的方式使生產鏈更加靈活，并允許制造定制產品，同時保持盈利。

維護也可以受益于 IIoT 的數字化和連接性優勢。無需定期更換磨損部件，而是使用傳感器（尤其是加速度計）來分析機器的運行狀態。在預測性維護框架內，操作員僅在出現某些預警癥狀時才需要進行干預。

與基于固定且通常非常保守的時間表的系統維護系統相比，這種對機器健康狀態的分析稱為基于狀態的監控 （CbM），將限制維護成本。除了從不那么嚴格的維護操作中獲得收益外，及早發現問題還可以實現計劃的機器停機時間，這總是比生產線的意外停機要好。

振動分析：傳感器的重要性

為了確定何時是觸發維護操作的正確時間，制造商使用振動、噪音和溫度測量等參數。在可測量的物理量中，振動譜的測量是提供關于旋轉機器（發動機、發電機等）問題根源的最多信息的量。異常振動可能是球軸承故障、軸未對準、不平衡、過度松動等的跡象。

這些問題中的每一個都會以特定的癥狀表現出來，例如旋轉機器中的振動源。

使用加速度計進行振動測量

可以使用放置在要監控的元件附近的加速度計來執行振動測量。該傳感器可以是壓電型的，或者更有利的是MEMS型，它不僅在低頻下提供更好的響應，而且尺寸也很小。

在出現故障的球軸承的情況下，每當球接觸到內圈或外圈的裂紋或缺陷時，就會發生沖擊，引起振動，甚至轉動軸線有輕微的位移。這些沖擊的頻率將取決于旋轉速度以及球的數量和直徑。

但這還不是全部！一旦故障出現，前面提到的沖擊就會產生一種有時可以聽到的噪音——沖擊波——表現為低水平的頻譜分量和相對較高的頻率，通常大于 5 kHz，并且總是遠遠超過基本旋轉頻率。

只有低噪聲、高帶寬的加速度計（例如Analog Devices ADXL100x）才能測量對應于最初故障跡象的譜線。這些加速度計將提供有價值的信息，而較慢或嘈雜的產品將無法感知任何東西。

隨著缺陷的惡化，低頻分量的電平將增加。在高級階段，可以通過入門級加速度計檢測振動水平，但此時故障將迫在眉睫，維修團隊幾乎沒有時間做出反應。為避免措手不及，使用低噪聲、高帶寬加速度計檢測異常的最初跡象非常重要。

圖 1.頻譜特征取決于問題的類型。滾珠軸承失效的最初跡象出現在高頻下。

除了 ADXL100x 系列加速度計外，還有許多其他加速度計可用于分析機器狀態。

為了在更有限的帶寬上進行觀察，ADXL35x 系列產品 （ ADXL354 / ADXL355 / ADXL356 / ADXL357 ） 的特點是噪聲水平低（低至 20 μ g /√Hz，帶寬為 1500 Hz）。與提供模擬輸出的 ADXL100x 系列不同，ADXL35x 系列中的產品具有數字輸出以簡化與微控制器的接口。

ADXL34x （ ADXL343 / ADXL34 4/ ADXL345 / ADXL346 ） 或超低功耗 ADXL36x （ ADXL362 / ADXL363 ） 加速度計等面向消費者的入門級產品實際上并沒有足夠的帶寬或噪聲性能來滿足質量預測性維護的要求。

入門級產品不僅限制了現有設備的診斷能力，而且還極大地限制了數據在未來診斷解決方案開發中的可用性。

但是，它們可以很好地測量機器活動，例如，計算運行小時數，并在必要時觸發維護——不是預測性的，而只是預防性維護。由于功耗極低，這些加速度計可以使用能量收集器或電池供電。

如果所需的機器監控僅包括測量突然沖擊，那么 ADXL37x 系列產品 （ ADXL372 / ADXL375 / ADXL377 ） 是完美的選擇。由于可以認為沖擊改變了設備的精度或操作，例如，可以觸發具有糾正性質的維護操作以糾正可能出現的任何缺陷。

從組件到完整模塊

如前所述，ADXL100x 系列具有寬帶寬和低噪聲水平的特點。然而，它們是單軸的并且需要相關的處理電子設備。

為了簡化設計階段，可以在ADcmXL3021型號中找到用于三軸測量的交鑰匙解決方案。這款 3.3 V 供電產品包含三個基于 ADXL1002 的測量鏈，以及一個溫度傳感器、一個處理器和一個 FIFO。整個裝置封裝在一個鋁殼 （23.7 mm × 26.7 mm × 12 mm） 中，可以安裝在旋轉機器上。該產品的特點是滿量程為±50 g ，噪聲水平僅為25 μ g /√Hz的極低，帶寬為10 kHz，可在大量應用中捕獲振動特征。

信號處理模塊不僅包括一個具有 32 個系數的可配置 FIR 濾波器，還包括一個每軸 2048 個點的 FFT 函數，用于執行振動的頻譜分析。以這種方式計算的頻譜的每個頻率級別都將與可配置的警報閾值（每軸六個）進行比較。如果光譜分量太強，則會產生警報。該產品可以通過 SPI 端口與主機處理器交互，該端口提供對內部寄存器的訪問以及一組用戶可配置的功能，包括高級數學功能，例如計算平均值、標準偏差、最大值、波峰因數和峰度（能夠測量振動銳度的四階動矩）。

表 1. ADcmXL3021 和 ADXL100x 系列非常適合 CbM 應用。

圖 2. ADcmXL3021 模塊非常適合預測性維護操作。

為什么不從人工智能那里獲得幫助？

有許多振動分析技術。

除了數字濾波來克服由過程本身或機器的其他組件引起的寄生振動之外，通常還需要借助數學工具，例如 ADcmXL3021 中包含的工具（計算平均值、標準偏差、波峰因子、峰度等）。

分析可以在時域中進行，但頻率分析將帶來關于異常及其起源的最多信息。人們甚至可以求助于計算有時同化為信號頻譜的倒譜（傅里葉逆變換應用于信號的傅里葉變換的對數）。然而，無論使用哪種分析方法，困難在于建立最佳警報閾值，以便維護操作既不會太早也不會太晚。

傳統警報閾值配置的替代方法是將人工智能引入故障識別過程。在機器學習階段，云資源用于根據來自振動傳感器的數據創建機器的代表性模型。創建模型后，可以將它們下載到本地處理器。

嵌入式軟件的使用不僅可以實時識別正在進行的事件，還可以實時識別瞬態事件，從而能夠檢測異常情況。

表 2.糾正性、預防性和預測性維護成本的比較

旋轉機器中的振動源

旋轉機器中經常遇到的問題之一是滾珠軸承的故障。來自靠近軸承的加速度計數據的光譜分析揭示了許多特征線、幅度和頻率，這些特征線取決于旋轉速度和缺陷的來源。

可以提及的系統特征頻率包括：

軸承保持架的旋轉頻率：

除了這些頻率特性之外，球在缺陷（裂紋、剝落等）上滾動產生的沖擊波將導致有時可以聽到的高頻振動（》5 kHz）。

圖 3. 滾珠軸承。

N：球數

Φ：接觸角

f軸：軸的旋轉頻率

d：球直徑

D：軸承的平均直徑

邁向新服務

除了構建預測性維護模型外，人工智能和云訪問還為許多新的可能性打開了大門。

將振動測量值與來自其他傳感器（壓力、溫度、旋轉、功率等）的數據相關聯，可以推斷出許多與維護需求相關的系統狀態信息?；A數據的合并將使設備模型的改進不僅可以檢測機械故障，還可以檢測過程問題（例如，空輸送機、沒有流體的泵、沒有漿料的混合器等）。

因此，我們可以考慮設備制造商可以通過將設備供應與生產線的性能和問題的維護和統計分析相結合來為其最終客戶提供的多種服務。

配備傳感器模塊的基本電動機成為大數據概念的主要參與者。

審核編輯：郭婷