工业设备有没有“病”？让基于状态的维护（CBM）告诉你！

传统的维护往往是出现问题了才维护，或者依靠人员定期检查，因此往往维修成本很高。基于状态的维护(Condition-based Maintenance)，是通过使用传感器实时监控设备的健康状态，使得设备能够在出故障前得到及时的维护。

常见的应用比如工业设备中的涡轮机、风扇、泵和马达等。本文从电机的失效类型、传感器的选择出发，说明基于状态维护（CBM）的设计实现，希望能给大家带来一些关于如何实现基于状态的维护（CBM）的一些启示。

机械故障失效类型

一般来说, 机械故障失效类型主要分为两大类：

• l机械振动, 频率在10Hz到1kHz 或2Hz到1kHz （ISO 10816）
• 机械磨损, 频率在2Hz到6kHz

图1：失效类型 vs 振动频率

（图片来源：ADI为你的应用选择最合适的加速度传感器）

振动测量是目前最常见的方式，因为它能够可靠地指示机械问题，如不平衡以及轴承故障等问题。

传感器的选择

对于CBM, 常见使用传感器测量的信息有：振动、温度、声音、流量、压力等。

（图表信息来源：ADI选择最合适的预测性维护传感器）

• 传感器参数指标

在选择传感器之前，首先应该了解电机的失效类型。 对于加速度传感器比较关键的参数有：噪声密度、带宽范围、线性度等。传感器的性能越好，分析能力就越强。

比如对于低转速电机的不平衡问题，可能需要低噪声密度传感器，但是其对于带宽范围要求相对比较低。而对于齿轮故障检测，可能需要低噪声密度和宽带宽范围。

通过DigiKey提供的参数搜索功能，可以筛选出所需的传感器，比如ADI加速度传感器。

基于状态的维护（CBM）设计实现

加速度传感器输出主要分为模拟和数字两种。模拟输出的传感器一般都会再接一个独立ADC或者连接到有集成ADC功能的MCU，来转化成数字输出。因此如何有效地进行数字信号处理就变得特别重要。

• 边缘节点（Edge Node）

一般ADC或传感器的数字输出方式主要为SPI。 这种方式往往不提供任何数据完整性检查机制、时间戳（time stamping）以及混合来自不同传感器的数据等功能。

因此，把传感器数据打包到更高级别协议的边缘节点中，然后再传送，会变得非常有效。这可以使得传感器接口更加健壮和灵活。这就要求边缘节点使用合适的方式处理打包数据流。

• 总线选择

一般ADC或传感器的主要数字输出方式为SPI。SPI是一种不平衡的单端串行接口，主要用于短距离传输数据。

长距离有线传输，可以选择使用RS-485传输。RS-485信号传输是平衡的差分式传输，本身便能抗干扰, 适用于较长距离的数据传输。RS-485在100米以下的传输距离，数据传输速率可以达到50Mbps。如果降低数据传输速率，传输距离可以延长到1000米。（产品示例：ADI RS-485收发器）

长距离无线传输的方式有很多，比如Wi-Fi、蓝牙、LoRa、zigbee等等。这里以ADI SmartMesh为例，带大家初步了解长距离无线传输的连接方式。

ADI SmartMesh IP网络基于6LoWPAN标准（IEEE 802.15.4e），基于2.4GHz频段，具有低功耗高可靠性的特点。

图2：SmartMesh 网络连接

（图片来源：ADI选择正确的加速度计以进行预测性维护）

更多的技术信息，可以参考以下资源：

• ADI SmartMesh
• 更多ADI RF 收发器模块

• 数据分析

采集完数据之后就是分析数据。目前存在多种振动分析技术。比如使用数字滤波，用于克服流程本身或者由机器的其他组件导致的寄生振动，还可以使用数学工具进行辅助，例如ADcmXL3021中包含的工具（计算平均值、标准偏差、波峰因素、峰度等）。

分析可以在时域中进行，也可以对频率做分析。特别是频率分析，可以提供关于异常及异常原因的信息的分析。

无论使用哪种分析方法，关键是要确定最佳警报阈值，以使维护操作既不会太早也不会太迟。

本文小结

不管是工业4.0，还是中国制造2025，都加速了工业向自动化发展的趋势。对于高技术产业，诸如机器人技术、人工智能等，往往需要更先进的方式以确保系统的可靠性。基于状态的维护（CBM）能够通过实时监控来确保系统可靠性，因此这一方法变得越来越重要。

更多传感器相关的技术资料，参见以下链接中的文章。也欢迎大家在本文后留言讨论。

• 模拟传感器和数字传感器——哪个更好？
• 压力传感器的专业术语
• 为工业应用中基于状态的监测构建 MEMS 振动传感器系统
• 传感器索引
• ADI 文章 - 选择最合适的预测性维护传感器
• ADI 文章 - 为你的应用选择最合适的加速度传感器