行業(yè)知識 | CbM應用與傳感器,，振動檢測里傳感器選擇又有哪些考量
隨著工業(yè)場景對設備的監(jiān)控的重視程度越來越高，傳感器需要對設備進行可預測的狀態(tài)監(jiān)控,?；跔顟B(tài)的監(jiān)控（CbM）是一種預測性維護，使用不同類型的傳感器持續(xù)監(jiān)控設備狀況,。
我們以電機為例,，軸承損壞是使用過程中時常能碰見的故障，在檢測此類故障時用到的多的就是振動和聲壓傳感器件,。而轉(zhuǎn)子,、繞組等方面的故障則多通過電流變壓器在電機供電時測量,。

CbM與傳感

在工業(yè)場景中，電機的應用場合很多,，我們以電機設備的狀態(tài)監(jiān)控來看傳感器在其中的作用,。這種場景中，有幾大類信息需要傳感器測量,，振動,、升壓、電機電流,、磁場以及溫度,。振動信號一般使用加速度計進行檢測，電機中常見的幾個故障和振動息息相關,，諸如軸承狀態(tài),、齒輪嚙合、泵氣蝕,、電機對準狀態(tài),、電機平衡狀態(tài)以及電機負載狀態(tài)。在此類檢測里,，壓電式加速度計和MEMS加速度計非常常見,。壓電式加速度計噪聲低、頻率高,，適用的場合非常多,，MEMS加速度計成本低尺寸小、功率不大,，也是CbM中出現(xiàn)的?？?。

聲壓的檢測自然是通過麥克風實現(xiàn),，普通的麥克風和超聲麥克風成本都不高，尺寸也都很小,，功率上也不會占用太多預算,，區(qū)別主要在頻率上。普通麥克風頻率上限在20kHz左右,，超聲麥克風頻率上限可以達到100kHz,，更高的頻率上限意味著使用超聲麥克風可以檢測壓力泄露等設備故障，普通的麥克風主要還是檢測軸承狀態(tài),、齒輪嚙合,、泵氣蝕、電機對準狀態(tài),、電機平衡狀態(tài)以及電機負載狀態(tài)等故障,。

電機電流的測量使用傳統(tǒng)的分流辦法，成本不高而且對設備電路本身沒有侵入性,，在電機供電時可以檢測偏心轉(zhuǎn)子,、繞組問題、轉(zhuǎn)子條問題,、供電不平衡問題以及軸承問題,。磁場相關的檢測也是耳熟能詳?shù)幕魻枴⒋帕τ嬤@些傳感器,，成本低尺寸也不大,，在工業(yè)溫度范圍內(nèi)也能保持穩(wěn)定性，多用來檢測轉(zhuǎn)子條以及端環(huán)問題,。

溫度方面的檢測常規(guī)的我們會先想到RTD,、熱電偶、數(shù)字溫感這些傳感,，這些傳感器現(xiàn)在都做到了低成本小尺寸而且也夠準確,，能對由于摩擦、負載變化,、過度啟停,、供電不足等造成的溫度變化敏銳感知。如果對溫度檢測的要求非常高,，想要檢測由于負載變化,、過度啟停、供電不足等原因造成的熱源位置變化,，紅外熱成像更合適,，雖然這種傳感一次性配備成本高昂，但能夠?qū)崿F(xiàn)精準的CbM,。

CbM振動檢測應該怎樣選用傳感器

在基于狀態(tài)的監(jiān)控中選用傳感器標準肯定是選擇高性能的器件,，但這個高性能究竟高在哪里還是要分不同的檢測對象來判斷。比如在軸承檢測上,，振動傳感器必須具有低噪聲和寬帶寬,，這是重要的兩個性能。當然,，受益于無線安裝的推動在近年來增長迅速,，傳感器的尺寸、集成性和功耗也是很大一部分考慮因素,。

在振動檢測中,，軸承缺陷和齒輪缺陷都需要振動傳感器的噪聲控制在100 μg/√Hz以下，同時帶寬需要在5kHz以上,，否則就無法感知在軸承和齒輪上出現(xiàn)的故障,，而且軸承缺陷檢測會額外要求更高的傳感器g值范圍,。因為這種故障開始出現(xiàn)并不是很明顯，尤其是在早期,，很難單單通過增加振動頻率來識別,，必須將具備低噪聲和寬帶寬的振動傳感器與高性能信號鏈、處理,、收發(fā)器和后處理器配對來進行的監(jiān)控,。

100 μg/√Hz以上的中等噪聲要求適用于不平衡以及為電機未對準的檢測，這類故障檢測對帶寬的要求達到5×至10×基頻即可,。不平衡以及為電機未對準可能出現(xiàn)的故障會額外要求傳感器能進行多軸檢測,，其中不平衡的故障會需要振動傳感器對轉(zhuǎn)動緩慢的機器做出低頻響應。

在需要高帶寬和低噪聲的振動檢測中,，壓電式加速度計和MEMS加速度計都具有滿足條件的帶寬和低噪聲，如果追求性能,，壓電式的帶寬和噪聲性能肯定是更好一些,，但也比MEMS貴了不少。MEMS加速度計則可以提供直流響應,，自帶的自測功能能驗證傳感器自身的可用性,，畢竟MEMS模塊通常包含ADC、處理器和根據(jù)傳感器調(diào)諧的濾波,，以優(yōu)化性能,，并節(jié)省信號鏈對空間的需求。應該說MEMS加速度計更小的尺寸和更高的集成性優(yōu)勢也很明顯,。

小結(jié)

在CbM應用中選擇合適的傳感器非常重要,，一個合適的傳感器選擇可以檢測、診斷甚至是預測設備可能發(fā)生的故障,。另外,，目前機器學習也開始應用在CbM上，將監(jiān)測數(shù)據(jù)與其他傳感數(shù)據(jù)關聯(lián)起來,，推斷出設備更多可能出現(xiàn)的狀況,。