据麦姆斯咨询介绍，改善状态监测和诊断、优化整体系统，是当今使用机械设施和技术系统的核心挑战。不仅在工业领域，任何使用机器的领域，这个问题都越来越受到大家的关注。

过去，机器是按照计划进行维护的，延迟维护可能会带来工厂停产的风险。然而今天，来自机器的过程数据可以用于预测其剩余使用寿命。特别是温度、噪音和振动等关键参数记录可以用来确定机器的最佳运行状态，甚至是必要维护的时间。这样就可以避免不必要的磨损，还可以及早发现故障及其产生原因。借助这种监控优势，机器在设施可用性和有效性方面都具有相当大的优化潜力。

预测性维护（predictive maintenance，简称PM）的核心是基于对机器状态监测（condition-based monitoring，简称CBM），通常是旋转机器，如涡轮机、风扇、水泵和马达等。通过CBM，机器运行时的状态信息都可以被实时记录下来。但是，该设备无法对可能发生的故障或磨损进行预测。虽然如此，通过PM来实现机器预测，标志着转折点的到来：借助更智能的传感器和更强大的通信网络和计算平台，可以创建模型，检测机器变化，并对其使用寿命进行详细计算。

为了创建更富有意义的模型，我们需要分析振动、温度、电流和磁场数据。如今，有线和无线通信方法允许各工厂或公司对设备进行监控。通过基于云系统产生的附加分析，以简单的方式使操作员和维修技术人员能够访问到机器状态信息数据。但是，机器上的本地智能传感器和通信基础设施是这些附加分析的基础。下文将揭示上述传感器的“庐山真面目”，以及相关要求和关键特性。

机器生命周期

机器状态监测中最根本的问题可能是：在必要维护之前，机器可以运行多久？

从逻辑上来说，越早进行维护越好。但是，为了优化运行和维护成本或完全实现设施使用的最大效率，我们亟需熟悉机器性能的专家。在电机分析中，这些专家主要来自轴承/润滑领域，而经验表明，该领域机器性能是最薄弱的。专家最终发出疑问，相对于实际生命周期（见图1），机器偏离正常状态是否需要修理甚至更换。

图1：机器生命周期
因此，未使用的机器仍处于所谓的保修阶段（warranty phase）。生命周期早期阶段的问题可能无法排除，但这种情况相对较少，通常可以追溯到产品缺陷。在间隔维护（interval maintenance）的后期，只有经过专业培训的服务人员才可以有针对性地干预，包括在特定时间或在特定使用周期之后，独立于机器状态执行的例行维护，例如换机油。所以，间隔维护期间的故障概率仍然非常低。随着机器使用时间的增加，状态监测阶段已经到来。因此，今后机器故障都将能被预测到。图1显示了以下超声波测距的六个变化情况（1）；随后是振动（2）；通过分析润滑剂（3）或温度的略微升高（4）；在故障未发生之前通过对噪声的感测发现迹象（5）或热量产生（6）。振动通常用于识别机器老化。如图2所示，三台相同的机器在其生命周期内的振动模式。在初始阶段，所有数据都在正常范围内。但是，从中间阶段开始，振动指数会根据负载的增加而迅速增长，一直到指数增长到寿命结束时的临界范围。一旦机器达到临界范围，技术人员就必须立即做出反应。


图2：振动参数随时间的变化
通过振动分析CBM

诸如输出速度、传动比和轴承元件数量等因素对于机器振动模式的分析都具有重要意义。通常，变速箱引起的振动在频域中被认为是轴速的倍数，而轴承的特征频率通常不认为是谐波分量。湍流和空化引起的振动也经常会被检测到，因为这些振动通常由风扇和水泵中的空气和/或液体流引起，所以往往被认为是随机振动。它们通常都是固定的，统计特性也没有变化。然而，随机振动也可以是循环平稳的，因此它具有统计特性。这些振动由机器产生并且周期性地变化，如在内燃机中，点火这一操作就在每个气缸中循环产生一次。

传感器定位也起到关键作用。如果通过单轴传感器测量主要线性振动，必须根据振动方向调整传感器。虽然还有多轴传感器可以记录所有方向的振动，但是，单轴传感器由于其物理特性，具有噪声更低、测力范围更宽、带宽更宽等优势。

大众对振动传感器的要求

想要将振动传感器更广泛地使用于状态监测，有两个因素非常重要：低成本和小尺寸。以前压电传感器较为常见，如今基于MEMS技术的加速度计使用范围越来越广。加速度计具有更高的分辨率、出色的漂移速度、极强的灵敏度和更高的信噪比，还可以检测到接近直流范围的极低频振动。同时，它们又非常节能，这就是为什么加速度计也是由电池供电的无线监控系统的理想选择。

与压电传感器相比，振动传感器的另一项优势是可以将整个系统集成在一起（系统级封装，简称SiP）。SiP解决方案正在通过整合其他重要功能而不断发展，形成智能系统：模数转换器、可用于特定预处理应用的嵌入式固件中的微控制器、通信协议和通用接口，同时还具备各种保护功能。

集成保护功能非常重要，因为当作用在传感器元件上的力过大时，将会导致传感器损坏甚至报废。当集成检测装置检测到作用力超过正常范围时，会发出警报或直接停用陀螺仪中的传感器元件，通过关闭陀螺仪内部时钟，以此来保护传感器元件。SiP解决方案如图3所示。



图3：MEMS系统级封装（左下方）
随着CBM领域的需求增加，人们对传感器的要求也在增加。对于实用的CBM，有关传感器测量范围（满量程范围，简称FSR）的要求已经部分大于±50 g。

因为加速度与频率的平方成正比，所以较快的频率可以相对较快地达到加速度。公式1证明了这一点：

变量a代表加速度，f代表频率，d代表振动幅度。因此，我们假设有1kHz的振动，那么1μm的振幅就产生了39.5g的加速度。

关于噪声性能，在尽可能宽的频率范围内，从接近直流电的极低频率到中间水平为两位数的千赫频率范围，其数值应该相对比较低，因此，除了其它人为因素之外，轴承噪声也可以在非常低的速度下检测到。然而，正是在这个问题上，目前振动传感器的制造商面临着巨大挑战，特别是对于多轴传感器。只有少数制造商能够提供足够的低噪声传感器，带宽大于2kHz，可适用于多轴感测。

ADI公司ADXL100x系列中的单轴传感器适用于更高的带宽。它们在极低噪声水平下，可提供高达24kHz的带宽（共振频率=45kHz），以及高达±100g的测量范围。由于带宽高，大多数发生在旋转机械中的故障（如滑动轴承损坏、器械不稳、运行摩擦、零件松动、齿轮齿缺陷、轴承磨损和气蚀等）都可以通过该传感器系列来检测。

CBM的可行性分析方法

我们可以通过各种方法进行CBM中的机器状态分析。最常用的可能是如下三种：时域分析、频域分析和时频结合分析。

1. 时域分析

在时域振动分析中，我们需要考虑到有效值（均方根，或简称rms）、峰峰值和振幅（见图4）。

图4：谐波振动信号的振幅、有效值和峰峰值

峰峰值反映了电机轴的最大挠度值，因此可以通过其算出最大负载值。相比之下，振幅值是指振动的幅度，通过这个数值可以识别出是否有异常的冲击事件。然而，振幅值不考虑振动事件期间的持续时间或产生的能量，也不考虑其破坏力。因此，有效值通常是最有意义的，因为它同时考虑了振动时程和振幅值。所以，RMS振动统计阈值的相关性可以通过这些参数对电机速度的依赖关系来获得。

这个类型的分析证明非常简单，因为它既不需要基本的系统知识，也不需要任何类型的光谱分析。

2. 频域分析

通过频域分析，时间变化的振动信号可以通过快速傅立叶变换（FFT）分解为其频率分量。得到的幅度与频率的频谱图能够用于监测特定的频率分量及其谐波和边带。如图5所示。

图5：振动与频率关系的频谱图
FFT是一种广泛用于振动分析的方法，特别适用于检测轴承损坏情况。它可以为每个频率分量分配相应的分量。因为滚动元件和缺陷区域之间互相接触会引起某些故障，通过FFT分析，该故障的重复脉冲的主频就可以被过滤掉。由于它们的频率分量不同，就可以区分不同类型的轴承损坏（如外圈损坏、内圈损坏或滚珠轴承损坏等）。但是，该分析方法仍然需要有关轴承、电机和完整系统的精确信息。

此外，FFT分析过程需要在微控制器中重复记录和处理振动的离散时间块。尽管这比时域分析需要略多的计算时间，但该方法可以进行更详细的损坏分析。

3. 时频结合分析

这种类型的分析是最全面的，因为它结合了两种方法的优点。时域中的统计分析提供了关于系统随时间变化的振动强度的信息，同时也提供了系统是否在允许的范围内运行的信息。基于频率的分析能够监测基频形式的速度，以及精确识别故障症状所需的其它谐波分量。

基频的跟踪尤其具有决定性，因为有效值和其他统计参数会随速度变化。如果统计参数与上次测量相比有明显变化，技术人员就必须检查其基频，以防误报。

随着时间变化，以上三种分析方法中，各个测量值有所变化是正常的。用于监测系统的方法可以包括首先记录机器“健康状况”或生成所谓的“指纹”（初始数据）。然后将其与不断记录的数据进行比较。如果出现过度偏差或超过相应的阈值时，则需做出反应。如图6所示，FFT可能会做出的反应有警告（2）或警报（4）。根据严重程度，可能还需要技术人员当场采取措施。

图6：FFT的阈值和反应

采用磁场分析的CBM

随着集成磁力计的快速发展，对电机周围杂散磁场的测量是对旋转机械状态监测的另一种有效测量方法。测量是非接触式的，也就是说，机器和传感器之间不需要直接连接。就像振动传感器一样，磁场传感器也分单轴和多轴。

对于故障检测，应在轴向（平行于电机轴）和径向方向（垂直于电机轴）测量杂散磁场。径向磁场力通常被定子铁心和电机外壳所削弱。同时，它还会受到空隙中磁通量的影响。轴向磁场是由鼠笼式转子中的电流和定子的端部绕组产生的。磁力计的位置和方向对这两个磁场的测量都有决定性的作用。因此，建议磁力计安装在靠近轴或电机外壳的位置。同时温度测量也是必要的，因为磁场强度与温度具有直接关系。因此，如今大部分的磁场传感器都集成了温度传感器。但同时，我们也不能忽视了校准传感器（如温度漂移补偿）。

将FFT用于电机磁场状态监测，其情况与振动测量是一样的。然而，对于电机状况的评估，即使在几赫兹的低频到约120Hz范围内的频率也是足够的。线路频率突出明显，如果出现故障，低频分量的频谱将会占据主导地位。

当鼠笼式转子中的转子条损坏时，滑移值就起着决定性的作用。它的大小取决于负载量，在无负载的理想情况下，其数值为0%。在额定负载下，对于完好的机器来说，它的数值在1%到5%之间，发生故障时，数值会相应增加。因此，进行CBM时，应在相同的负载条件下进行测量，以消除负载方面的影响。

预测性维护（PM）现状

无论是何种类型的状态监测，即使采用最智能的监测概念，也不能100%保证不会出现意外停机、机械故障或安全事故等。我们只能将这些风险降低。如今PM越来越多地成为工业领域中大家普遍探讨的话题，它被视为生产设施在未来可持续发展的先决条件。因此，我们需要不断创新，推进技术的改进和快速发展。目前，财务赤字主要体现在客户利益和成本的比较上。

尽管如此，许多工业领域的企业已经认识到了PM的重要性，不仅仅是在服务领域，也为未来的业务发展提供更多机会。尽管面临着极大的挑战，PM的技术可行性仍然很大，特别是在数据分析领域。然而，PM目前正处于机会主义的驱动状态。预计未来的商业模式将主要由软件组件决定，硬件的增值份额将相继减少。总之，考虑到更长的机器运行时间会带来更高的收益，现在我们对PM的软硬件投资都是值得的。