據麥姆斯咨詢介紹，改善狀態監測和診斷、優化整體系統，是當今使用機械設施和技術系統的核心挑戰。不僅在工業領域，任何使用機器的領域，這個問題都越來越受到大家的關注。過去，機器是按照計劃進行維護的，延遲維護可能會帶來工廠停產的風險。然而今天，來自機器的過程數據可以用于預測其剩余使用壽命。特別是溫度、噪音和振動等關鍵參數記錄可以用來確定機器的最佳運行狀態，甚至是必要維護的時間。這樣就可以避免不必要的磨損，還可以及早發現故障及其產生原因。借助這種監控優勢，機器在設施可用性和有效性方面都具有相當大的優化潛力。預測性維護（predictive maintenance，簡稱PM）的核心是基于對機器狀態監測（condition-based monitoring，簡稱CBM），通常是旋轉機器，如渦輪機、風扇、水泵和馬達等。通過CBM，機器運行時的狀態信息都可以被實時記錄下來。但是，該設備無法對可能發生的故障或磨損進行預測。雖然如此，通過PM來實現機器預測，標志著轉折點的到來：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，檢測機器變化，并對其使用壽命進行詳細計算。為了創建更富有意義的模型，我們需要分析振動、溫度、電流和磁場數據。如今，有線和無線通信方法允許各工廠或公司對設備進行監控。通過基于云系統產生的附加分析，以簡單的方式使操作員和維修技術人員能夠訪問到機器狀態信息數據。但是，機器上的本地智能傳感器和通信基礎設施是這些附加分析的基礎。下文將揭示上述傳感器的“廬山真面目”，以及相關要求和關鍵特性。機器生命周期機器狀態監測中最根本的問題可能是：在必要維護之前，機器可以運行多久？從邏輯上來說，越早進行維護越好。但是，為了優化運行和維護成本或完全實現設施使用的最大效率，我們亟需熟悉機器性能的專家。在電機分析中，這些專家主要來自軸承/潤滑領域，而經驗表明，該領域機器性能是最薄弱的。專家最終發出疑問，相對于實際生命周期（見圖1），機器偏離正常狀態是否需要修理甚至更換。

圖1：機器生命周期因此，未使用的機器仍處于所謂的保修階段（warranty phase）。生命周期早期階段的問題可能無法排除，但這種情況相對較少，通常可以追溯到產品缺陷。在間隔維護（interval maintenance）的后期，只有經過專業培訓的服務人員才可以有針對性地干預，包括在特定時間或在特定使用周期之后，獨立于機器狀態執行的例行維護，例如換機油。所以，間隔維護期間的故障概率仍然非常低。隨著機器使用時間的增加，狀態監測階段已經到來。因此，今后機器故障都將能被預測到。圖1顯示了以下超聲波測距的六個變化情況（1）；隨后是振動（2）；通過分析潤滑劑（3）或溫度的略微升高（4）；在故障未發生之前通過對噪聲的感測發現跡象（5）或熱量產生（6）。振動通常用于識別機器老化。如圖2所示，三臺相同的機器在其生命周期內的振動模式。在初始階段，所有數據都在正常范圍內。但是，從中間階段開始，振動指數會根據負載的增加而迅速增長，一直到指數增長到壽命結束時的臨界范圍。一旦機器達到臨界范圍，技術人員就必須立即做出反應。

圖2：振動參數隨時間的變化通過振動分析CBM諸如輸出速度、傳動比和軸承元件數量等因素對于機器振動模式的分析都具有重要意義。通常，變速箱引起的振動在頻域中被認為是軸速的倍數，而軸承的特征頻率通常不認為是諧波分量。湍流和空化引起的振動也經常會被檢測到，因為這些振動通常由風扇和水泵中的空氣和/或液體流引起，所以往往被認為是隨機振動。它們通常都是固定的，統計特性也沒有變化。然而，隨機振動也可以是循環平穩的，因此它具有統計特性。這些振動由機器產生并且周期性地變化，如在內燃機中，點火這一操作就在每個氣缸中循環產生一次。傳感器定位也起到關鍵作用。如果通過單軸傳感器測量主要線性振動，必須根據振動方向調整傳感器。雖然還有多軸傳感器可以記錄所有方向的振動，但是，單軸傳感器由于其物理特性，具有噪聲更低、測力范圍更寬、帶寬更寬等優勢。大眾對振動傳感器的要求想要將振動傳感器更廣泛地使用于狀態監測，有兩個因素非常重要：低成本和小尺寸。以前壓電傳感器較為常見，如今基于MEMS技術的加速度計使用范圍越來越廣。加速度計具有更高的分辨率、出色的漂移速度、極強的靈敏度和更高的信噪比，還可以檢測到接近直流范圍的極低頻振動。同時，它們又非常節能，這就是為什么加速度計也是由電池供電的無線監控系統的理想選擇。與壓電傳感器相比，振動傳感器的另一項優勢是可以將整個系統集成在一起（系統級封裝，簡稱SiP）。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：模數轉換器、可用于特定預處理應用的嵌入式固件中的微控制器、通信協議和通用接口，同時還具備各種保護功能。集成保護功能非常重要，因為當作用在傳感器元件上的力過大時，將會導致傳感器損壞甚至報廢。當集成檢測裝置檢測到作用力超過正常范圍時，會發出警報或直接停用陀螺儀中的傳感器元件，通過關閉陀螺儀內部時鐘，以此來保護傳感器元件。SiP解決方案如圖3所示。

圖3：MEMS系統級封裝（左下方）隨著CBM領域的需求增加，人們對傳感器的要求也在增加。對于實用的CBM，有關傳感器測量范圍（滿量程范圍，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正比，所以較快的頻率可以相對較快地達到加速度。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，我們假設有1kHz的振動，那么1μm的振幅就產生了39.5g的加速度。關于噪聲性能，在盡可能寬的頻率范圍內，從接近直流電的極低頻率到中間水平為兩位數的千赫頻率范圍，其數值應該相對比較低，因此，除了其它人為因素之外，軸承噪聲也可以在非常低的速度下檢測到。然而，正是在這個問題上，目前振動傳感器的制造商面臨著巨大挑戰，特別是對于多軸傳感器。只有少數制造商能夠提供足夠的低噪聲傳感器，帶寬大于2kHz，可適用于多軸感測。ADI公司ADXL100x系列中的單軸傳感器適用于更高的帶寬。它們在極低噪聲水平下，可提供高達24kHz的帶寬（共振頻率=45kHz），以及高達±100g的測量范圍。由于帶寬高，大多數發生在旋轉機械中的故障（如滑動軸承損壞、器械不穩、運行摩擦、零件松動、齒輪齒缺陷、軸承磨損和氣蝕等）都可以通過該傳感器系列來檢測。CBM的可行性分析方法我們可以通過各種方法進行CBM中的機器狀態分析。最常用的可能是如下三種：時域分析、頻域分析和時頻結合分析。1. 時域分析在時域振動分析中，我們需要考慮到有效值（均方根，或簡稱rms）、峰峰值和振幅（見圖4）。

圖4：諧波振動信號的振幅、有效值和峰峰值峰峰值反映了電機軸的最大撓度值，因此可以通過其算出最大負載值。相比之下，振幅值是指振動的幅度，通過這個數值可以識別出是否有異常的沖擊事件。然而，振幅值不考慮振動事件期間的持續時間或產生的能量，也不考慮其破壞力。因此，有效值通常是最有意義的，因為它同時考慮了振動時程和振幅值。所以，RMS振動統計閾值的相關性可以通過這些參數對電機速度的依賴關系來獲得。這個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. 頻域分析通過頻域分析，時間變化的振動信號可以通過快速傅立葉變換（FFT）分解為其頻率分量。得到的幅度與頻率的頻譜圖能夠用于監測特定的頻率分量及其諧波和邊帶。如圖5所示。

圖5：振動與頻率關系的頻譜圖FFT是一種廣泛用于振動分析的方法，特別適用于檢測軸承損壞情況。它可以為每個頻率分量分配相應的分量。因為滾動元件和缺陷區域之間互相接觸會引起某些故障，通過FFT分析，該故障的重復脈沖的主頻就可以被過濾掉。由于它們的頻率分量不同，就可以區分不同類型的軸承損壞（如外圈損壞、內圈損壞或滾珠軸承損壞等）。但是，該分析方法仍然需要有關軸承、電機和完整系統的精確信息。此外，FFT分析過程需要在微控制器中重復記錄和處理振動的離散時間塊。盡管這比時域分析需要略多的計算時間，但該方法可以進行更詳細的損壞分析。3. 時頻結合分析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變化的振動強度的信息，同時也提供了系統是否在允許的范圍內運行的信息。基于頻率的分析能夠監測基頻形式的速度，以及精確識別故障癥狀所需的其它諧波分量。基頻的跟蹤尤其具有決定性，因為有效值和其他統計參數會隨速度變化。如果統計參數與上次測量相比有明顯變化，技術人員就必須檢查其基頻，以防誤報。隨著時間變化，以上三種分析方法中，各個測量值有所變化是正常的。用于監測系統的方法可以包括首先記錄機器“健康狀況”或生成所謂的“指紋”（初始數據）。然后將其與不斷記錄的數據進行比較。如果出現過度偏差或超過相應的閾值時，則需做出反應。如圖6所示，FFT可能會做出的反應有警告（2）或警報（4）。根據嚴重程度，可能還需要技術人員當場采取措施。

圖6：FFT的閾值和反應采用磁場分析的CBM隨著集成磁力計的快速發展，對電機周圍雜散磁場的測量是對旋轉機械狀態監測的另一種有效測量方法。測量是非接觸式的，也就是說，機器和傳感器之間不需要直接連接。就像振動傳感器一樣，磁場傳感器也分單軸和多軸。對于故障檢測，應在軸向（平行于電機軸）和徑向方向（垂直于電機軸）測量雜散磁場。徑向磁場力通常被定子鐵心和電機外殼所削弱。同時，它還會受到空隙中磁通量的影響。軸向磁場是由鼠籠式轉子中的電流和定子的端部繞組產生的。磁力計的位置和方向對這兩個磁場的測量都有決定性的作用。因此，建議磁力計安裝在靠近軸或電機外殼的位置。同時溫度測量也是必要的，因為磁場強度與溫度具有直接關系。因此，如今大部分的磁場傳感器都集成了溫度傳感器。但同時，我們也不能忽視了校準傳感器（如溫度漂移補償）。將FFT用于電機磁場狀態監測，其情況與振動測量是一樣的。然而，對于電機狀況的評估，即使在幾赫茲的低頻到約120Hz范圍內的頻率也是足夠的。線路頻率突出明顯，如果出現故障，低頻分量的頻譜將會占據主導地位。當鼠籠式轉子中的轉子條損壞時，滑移值就起著決定性的作用。它的大小取決于負載量，在無負載的理想情況下，其數值為0%。在額定負載下，對于完好的機器來說，它的數值在1%到5%之間，發生故障時，數值會相應增加。因此，進行CBM時，應在相同的負載條件下進行測量，以消除負載方面的影響。預測性維護（PM）現狀無論是何種類型的狀態監測，即使采用最智能的監測概念，也不能100%保證不會出現意外停機、機械故障或安全事故等。我們只能將這些風險降低。如今PM越來越多地成為工業領域中大家普遍探討的話題，它被視為生產設施在未來可持續發展的先決條件。因此，我們需要不斷創新，推進技術的改進和快速發展。目前，財務赤字主要體現在客戶利益和成本的比較上。盡管如此，許多工業領域的企業已經認識到了PM的重要性，不僅僅是在服務領域，也為未來的業務發展提供更多機會。盡管面臨著極大的挑戰，PM的技術可行性仍然很大，特別是在數據分析領域。然而，PM目前正處于機會主義的驅動狀態。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，考慮到更長的機器運行時間會帶來更高的收益，現在我們對PM的軟硬件投資都是值得的。