傳統的預防性或糾正性維護通常占生產成本的很大一部分。現在，讓IIoT（工業物聯網）監控機器的健康狀況有助于實現預測性維護，使行業能夠預測故障并實現可觀的運營節省。

工業4.0通過工業設備的數字化和連接性的普及而成為可能，有望徹底改變生產工具。這種游戲規則改變者使生產鏈更加靈活，并允許制造定制產品，同時保持收益。維護也可以從IIoT的數字化和連接性優勢中受益。使用傳感器（尤其是加速度計）可以分析機器的運行狀態，而不是以固定的間隔更換磨損部件。在預測性維護框架內，操作員只需在出現某些早期預警癥狀時才進行干預。這種對機器健康狀況的分析被稱為基于狀態的監測（CbM），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，這種對機器健康狀況的分析將限制維護成本。除了從不太嚴格的維護操作中獲得的好處外，在早期階段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關閉要好。

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有關旋轉機器（發動機、發電機等）問題起源的信息最多的測量。異常振動可能是滾珠軸承故障、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表現為特定的癥狀，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進行振動測量。該傳感器可以是壓電型，也可以是MEMS型，它不僅在低頻下提供更好的響應，而且尺寸也很小。

在滾珠軸承故障的情況下，每當滾珠與內圈或外圈的裂紋或缺陷接觸時，都會發生沖擊，導致振動甚至旋轉軸的輕微位移。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，前面提到的沖擊將產生有時可聽見的噪聲 - 沖擊波 - 表現為低電平頻譜分量和相對較高的頻率的出現，通常大于5 kHz，并且總是遠遠超過基波旋轉頻率。只有低噪聲、高帶寬加速度計（如ADI公司的ADXL100x）才能測量與最初故障跡象相對應的譜線。這些加速度計將提供有價值的信息，而較慢或較嘈雜的產品將無法檢測到任何東西。隨著缺陷的惡化，較低頻率分量的水平會增加。在高級階段，入門級加速度計可以檢測到振動水平，但此時故障迫在眉睫，維護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.光譜特征取決于問題的類型。滾珠軸承故障的最初跡象發生在高頻下。

除了ADXL100x系列加速度計（ADXL1001/ADXL1002/ADXL1003/ADXL1004/ADXL1005）之外，ADI公司還提供許多其他加速度計，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（ADXL354/ADXL355/ADXL356/ADXL357）的特點是噪聲水平低（低至20 μg/√Hz，帶寬為1500 Hz）。與提供模擬輸出的ADXL100x系列不同，ADXL35x系列中有一些產品具有數字輸出，可簡化與微控制器的接口。

面向消費者的入門級產品，如ADXL34x（ADXL343/ADXL344/ADXL345/ADXL346）或超低功耗ADXL36x（ADXL362/ADXL363）加速度計，實際上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。這些入門級產品不僅限制了現有設備的診斷能力，而且還嚴重限制了數據在開發未來診斷解決方案方面的可用性。

但是，它們可以很好地用于測量機器活動，例如，計算運行小時數，并在必要時觸發維護 - 不是預測性維護，而只是預防性維護。由于其極低的功耗，這些加速度計可以與功率收集器（能量收集器）或電池一起運行。

如果所需的機器監控僅包括測量突發沖擊，則ADXL37x系列（ADXL372/ADXL375/ADXL377）的產品非常適合。由于沖擊可以被認為改變了設備精度或操作，因此例如，有可能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。但是，它們是單軸的，需要相關的處理電子設備。為了簡化設計階段，ADI公司提供了采用ADcmXL3021型號的三軸測量交鑰匙解決方案。這款3.3 V供電產品集成了三個基于ADXL1002的測量鏈，以及溫度傳感器、處理器和FIFO。整個整體封裝在鋁制外殼（23.7 毫米× 26.7 毫米× 12 毫米）中，可隨時安裝在旋轉機器上。該產品的特點是滿量程為 ±50 g，噪聲水平極低，僅為 25 μg/√Hz，帶寬為 10 kHz，可在大量應用中捕獲振動特征。

圖2.ADcmXL3021模塊，是預測性維護應用的理想選擇。

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功能，用于對振動進行頻譜分析。以這種方式計算的頻譜的每個頻率級別將與可配置的報警閾值（每個軸六個）進行比較。如果光譜分量太強，將生成警報。該產品可以通過SPI端口與主機處理器進行交互，該端口提供對內部寄存器以及一組用戶可配置功能的訪問，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（四階動力學矩，可以測量振動的敏銳度）。

SmartMesh：IIoT網絡，非常適合預測性維護

無線網絡特別適合從振動傳感器收集維護數據。它不需要很快，但它必須足夠堅固，以便在通常受到很大干擾的工業環境中運行，并且由不適合良好傳輸的金屬結構制成。它還必須能夠從大量不一定靠近數據記錄器的傳感器收集數據。為了滿足這一需求，ADI公司提供了SmartMesh IP工業網狀網絡，該網絡具有高度魯棒性和低功耗的抗干擾能力。最后一個標準對于由能量收集或鋰電池供電的維護模塊很重要，鋰電池必須運行 5 年或 10 年而無需更換。基于6LoWPAN標準（IEEE 802.15.4e），SmartMesh IP網絡完全適應IIoT，并依賴于圍繞2.4 GHz傳輸構建的專有協議。該解決方案由LTC5800收發器或預認證的LTP590x模塊組成，非常易于實現。?

圖3.SmartMesh IP網絡非常適合IIoT和預測性維護操作。

使用各種技術來保證大于99.999%的傳輸可靠性，包括同步，信道跳頻和時間戳，以及僅使用信號最強大的RF路徑的網狀網絡的動態重新配置。

為什么不從人工智能那里獲得幫助？

有許多振動分析技術。除了數字濾波以克服由過程本身或機器的其他組件引起的寄生振動外，通常還可以通過數學工具輔助，例如ADcmXL3021中包含的工具（計算平均值，標準偏差，波峰因數，峰度等）。分析可以在時域中完成，但頻率分析將帶來有關異常及其起源的最多信息。人們甚至可以求助于計算有時被同化到信號頻譜頻譜中的倒譜（傅里葉逆變換應用于信號傅里葉變換的對數）。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。

傳統報警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，可以將其下載到本地處理器。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。

旋轉機械中的振動源

旋轉機器中經常遇到的問題之一是滾珠軸承的故障。對放置在軸承附近的加速度計的數據進行頻譜分析，可以發現許多特征線、振幅和頻率，這些特征線、振幅和頻率取決于旋轉速度和缺陷來源。

可以提及的系統特征頻率包括：

軸承保持架的旋轉頻率：

與外圈缺陷相關的頻率（固定）：

與內圈（軸）缺陷相關的頻率：

除了這些頻率特性之外，滾珠在缺陷上滾動產生的沖擊波（裂紋、剝落等）會引起高頻振動（>5 kHz），有時可以聽到。

N：球數

Φ：接觸角

f軸：車軸的旋轉頻率

D：球直徑

D：軸承的平均直徑

圖4.滾珠軸承。

邁向新服務

除了構建用于預測性維護的模型外，人工智能和云訪問還為許多新的可能性打開了大門。將振動測量值與其他傳感器的數據（壓力、溫度、旋轉、功率等）相關聯，可以推斷出大量系統狀態信息，遠遠超出與維護需求相關的信息。基本數據的合并將使設備模型的改進不僅能夠檢測機械故障，還可以檢測過程問題（例如，空輸送機、無流體泵、無糊劑混合器等）。因此，我們可以考慮設備制造商通過將設備供應與生產線性能和問題的維護和統計分析相結合，為其最終客戶提供的多種服務。配備傳感器模塊后，基本電動機成為大數據概念的主要參與者。

審核編輯：郭婷