傳感器賦能機器狀態監測 預測性維護大勢所趨

發布時間： 2018-09-15 11:42:31

導讀： 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。

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?？梢宰匪莸疆a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。

本文標簽：智能壓差控制器，電梯前室風壓傳感器