選擇最合適的預測性維護感測器

作者:ADI應用工程師Chris Murphy


簡介

狀態監測(CbM)主要是透過感測器來測量目前的健康狀態,以監測機器或資產。預測性維護(PdM)涉及使用CbM、機器學習和分析等的技術組合,藉以預測即將發生的機器或資產故障。在監測機器的健康狀況時,需選擇最合適的感測器,以確保能夠檢測、診斷甚至預測故障,這點至關重要。目前有許多感測器被用於檢測旋轉機器及其負載中的故障,從而避免意外停機。由於許多旋轉機器(電機、

圖1顯示了從安裝新電機到電機發生故障期間發生的事件的時間表,以及推薦使用的預測性維護感測器類型。安裝新電機時,電機提供保修。幾年後,保修期將滿,此時會更加頻繁地執行手動檢查。

Machine health vs. time

圖1. 機器健康狀況與時間。

如果故障發生在兩次定期維護檢查之間,則很可能導致意外停機。在這種情況下,至關重要的是使用合適的預測性維護感測器來盡可能提早檢測潛在故障,所以,本文將著重介紹振動和聲學感測器。振動分析通常被認為是使用PdM的最佳起點。2

預測性維護感測器

有些感測器能夠比其他感測器更早檢測出某些故障,例如軸承損壞,如圖1所示。在這一節中,我們將討論常用於盡可能提早檢測故障的感測器,一般是加速度計和麥克風。表1顯示感測器規格清單,以及它們可以檢測到的一些故障。大多數PdM系統只使用其中一些感測器,因此必須確保除了使用合適的感測器來檢測這些潛在的關鍵故障之外,還要深入瞭解這些故障。

表1. 常用於實施CbM的感測器
測量 感測器 重要資訊 目標保障
振動 壓電式加速度計 低雜訊、頻率高達30 kHz、 在CbM應用中廣泛使用 軸承狀態、齒輪嚙合、泵氣蝕、未對準、 不平衡、負載條件
振動 MEMS加速度計 低成本/功率/尺寸、頻率高達20 kHz+ 軸承狀態、齒輪嚙合、泵氣蝕、未對準、不平衡、負載條件
聲壓 麥克風 低成本/功率/尺寸、頻率高達20 kHz 軸承狀態、齒輪嚙合、泵氣蝕、未對準、 不平衡、負載條件
聲壓 超聲麥克風 低成本/功率/尺寸、頻率高達100 kHz 壓力洩漏、軸承狀態、齒輪嚙合、泵氣蝕、 未對準、不平衡
電機電流 分流、電流變壓器 低成本、非侵入性、通常在電機供電時測量 偏心轉子、繞組問題、轉子條問題、供電不平衡、軸承問題
磁場 霍爾、磁力計、搜索線圈 低成本/尺寸、頻率高達250 Hz、在溫度範圍內保持穩定 轉子條、端環問題
溫度 紅外熱成像

一次性配備成本高昂、精准的多項資產/熱源

由於摩擦、負載變化、過度啟停、供電不足等 造成的熱源位置變化
溫度 RTD、熱電偶、數字 低成本、小尺寸、準確 由於摩擦、負載變化、過度啟停、供電不足等 造成的溫度變化
油品質量 顆粒監測器 粘度、顆粒和污染 檢測磨損碎片

感測器和系統故障注意事項

工業和商業應用中超過90%的旋轉機器都使用滾動軸承。3電機的故障組件分佈如圖2所示,從中可以清楚看到,在選擇PdM感測器時,需要特別關注軸承監測。為了檢測、診斷和預測潛在故障,振動感測器必須具有低雜訊和寬頻寬。

Percent of occurrences of failed motor components

圖2. 電機組件出現故障的百分率。4

表2顯示與旋轉機器相關的部分常見故障,以及一些用於PdM應用的相應振動感測器要求。為了儘早發現故障,PdM系統通常需要使用高性能感測器。資產中使用的預測性維護感測器的性能水準與在整個流程中持續可靠運行的資產的重要性相關,而不是與資產本身的成本相關。

表2. 機器故障和振動感測器注意事項概述
感測器要求 常見的機器故障
不平衡 未對準 軸承缺陷 齒輪缺陷
低至中等雜訊 >100 µg/√Hz 🗸 🗸
低雜訊 <100 µg/√Hz 🗸 🗸
頻寬:5×至10×基頻 🗸 🗸
頻寬: >5 kHz 🗸 🗸
多軸檢測 🗸 🗸
對轉動緩慢的機器的 低頻回應 🗸
較高的g範圍 🗸

根據電機振動或移動(峰值、峰對峰值和rms)期間的能量,我們可以確定機器是否不平衡或未對準等。有些故障(例如軸承或齒輪缺陷)不是很明顯,特別是在早期,不能單是透過增加振動頻率來識別或預測。解決這些故障通常需要將具備低雜訊(<100 µg/√Hz)和寬頻寬(>5kHz)的高性能預測性維護振動感測器,與高性能訊號鏈、處理、收發器和後處理器進行配對。5

用於PdM的振動、聲波和超聲波感測器

微機電系統(MEMS)麥克風的PCB上包含一個MEMS元件,通常採用金屬外殼,頂部或底部埠中可以包含聲壓波。MEMS麥克風提供低成本、小尺寸且有效的方法來檢測機器故障,例如軸承狀況、齒輪嚙合、泵氣蝕、未對準和不平衡。這使得MEMS麥克風成為電池供電應用的理想選擇。它們可以放置在距離噪音源較遠的位置,且不會侵入。當多個資產同時運行時,麥克風的性能可能會受到來自其他機器的雜訊或環境因素(例如灰塵或濕度進入麥克風的埠孔)的影響。大多數MEMS麥克風資料手冊仍然列出相對良性的應用,例如行動終端、筆記型電腦、遊戲裝置和機等。有些MEMS麥克風資料手冊將振動檢測或PdM列為潛在應用,但它們也提到,易受機器衝擊和搬運不當影響的感測器可能對產品造成永久損壞。其他MEMS麥克風資料手冊表明,機械衝擊耐受力高達10,000 g。目前還不清楚這些感測器是否適合在可能存在衝擊的嚴苛操作環境中運行。

MEMS超音波麥克風分析讓我們能夠在雜訊增大的情況下監測複雜資產中的電機的健康狀況,這是因為它能聽到非音頻頻譜(20 kHz至100 kHz)內的聲音,在這個頻譜下,雜訊要少得多。 低頻聲音訊號的波長一般約在1.7釐米到17米之間。高頻訊號的波長約在0.3釐米到1.6釐米之間。當波長的頻率增加時,能量相應增加,使得超聲波更具方向性。在試圖找出軸承或外殼中的故障時,這非常有用。

加速度計是最常用的振動感測器,振動分析是最常用的PdM技術,主要用於渦輪機、泵、電機和齒輪箱等大型旋轉設備中。表3和表4顯示在選擇高性能MEMS振動和聲學感測器,以及典型壓電振動感測器時需要考慮的一些關鍵規格。每一列中的資料代表該類別的最小/最大差異值,與相鄰列無關。

表3. 預測性維護感測器的性能規格
感測器 成本 (千片訂量 報價) 3 dB頻寬 DC 回應 雜訊/SNR 無線CbM的潛在電池壽命 自測
壓電加速度計 $25 - $500+ 2.5 kHz - 30 kHz+ <1 µg/√Hz - 50 µg/√Hz 中等
MEMS加速度計 $10 - $30* 3 kHz - 20 kHz+ <25 µg/√Hz - 100 µg/√Hz 中等到
MEMS麥克風 <$1 - $2 20 kHz 57 dB - 74 dB
MEMS超音波 <$1 - $2 100 kHz 65 dB
*MEMS加速度計模組的價格可能超過30美元,但它們是完整的系統解決方案,而提到的所有其他元件均只是感測器。
**重點:最差中等最好
表4. 預測性維護感測器的機械規格
感測器 尺寸 軸數 振動機械封裝 工業標準介面 整合功能 機械連接 環境耐受度
壓電式加速度計 中等 1 - 3 極佳
MEMS加速度計 /
中等*
1 - 3 極佳
MEMS麥克風 1 非接觸式 良好
MEMS超音波 1 非接觸式 良好
*MEMS模組通常包含ADC、處理器和根據感測器調諧的濾波,以優化性能,並節省訊號鏈對空間的需求
**重點:最差中等最好

CbM產業可望在未來五年內實現明顯增長,其中很大部分的成長是來自無線安裝的推動。6由於尺寸、缺乏整合功能和功耗等原因,壓電式加速度計不太適合無線CbM系統,但是存在典型功耗在0.2mA至0.5 mA的解決方案。MEMS加速度計和麥克風非常適合電池供電的PdM系統,因為它們體積小、功耗低、性能高。

所有感測器都具有合適的頻寬和低雜訊,但MEMS加速度計是能夠提供直流回應的感測器,可以在非常低的轉速下檢測不平衡和傾斜。MEMS加速度計並具備自測功能,可以驗證感測器100%可用。這在安全關鍵型安裝中可能會很有用,因為在這些安裝中,可以透過驗證感測器是否仍在工作來更簡單地達到系統標準。

可以完全密封採用陶瓷封裝的MEMS加速度計和採用機械封裝的壓電式加速度計,以在嚴苛、髒汙的環境中使用。表4主要列出感測器的物理、機械和環境性能。從中可以看出每個感測器之間的關鍵差異,例如整合、惡劣環境耐受能力、機械性能,以及連接到旋轉機器或裝置的能力。

在三個軸上檢測振動資料可以提供更多診斷見解,實現更精準的故障檢測。雖然並非所有PdM安裝都需要如此,但這是壓電和MEMS加速度計在資料品質、佈線和空間節省方面的明顯優勢。

當長時間暴露在濕度增加的環境下時,MEMS麥克風顯示出高達8dB的失真。7雖然這不是一個明顯缺點,但如果您是在高濕度嚴苛環境下使用PdM應用,則值得考慮。在這種情況下,駐極體電容麥克風(ECM)比MEMS麥克風更具優勢。其他影響麥克風性能的環境因素還有:風、氣壓、電磁場和機械震動。8

在良好的環境中,MEMS麥克風在PdM應用中提供傑出性能。目前,還缺乏將MEMS麥克風安裝到存在高振動、髒汙或高濕度的嚴苛操作環境中的相關資訊。振動會影響MEMS麥克風的性能,這是一個需要考慮的問題;但是,它們的振動靈敏度低於ECM。9如果無線PdM解決方案將使用MEMS麥克風,安裝盒上需要有一個孔或埠,以便聲音訊號到達感測器,這進一步增加了設計的複雜性,且讓其他電子元件更易髒汙或受潮。

電容式MEMS加速度計技術的最新進展使得小型、低成本、低功耗無線CbM解決方案可以用在不太重要的資產中,因此能夠實現更深入地診斷洞察,以便實施管理和保持關鍵系統正常運行。 這些進展也使得MEMS加速度計在用於更加傳統的有線CbM系統中時,性能更接近壓電式加速度計。壓電式加速度計具有如此低的雜訊和寬頻寬,加上與工業標準連接(ICP和IEPE)耦合,幾十年來一直是實施振動測量的典型感測器。MEMS加速度計已經調整為可以和IEPE標準模組連接,如圖3所示。該轉換電路以 Circuits from the Lab® 參考設計為基礎。該電路是基於一種特殊的PCB進行設計,這種PCB可以在寬頻段工作,以在後期設計成一個機械模組。

MEMS accelerometer

圖3. MEMS加速度計、IEPE參考、PCB設計允許在IEPE機械模組中改進ADXL100x系列CbM加速度計。註:ADI無生產IEPE機械模組。

圖4所示的設備包含三個單軸MEMS加速度計、三個ADC、一個處理器、記憶體和演算法,這些都整合在一個機械模組中,共振超過50 kHz。這突出顯示了MEMS加速度計在感測器節點上整合智慧的能力,確保感測器與相應的訊號鏈和處理功能配對,以實現傑出性能。此模組可以執行FFT,觸發各種時域或頻域報警,並產生域靜力,這對演算法或機器學習工具能否預測故障至關重要。

Three-axis MEMS CbM module

圖4. 三軸MEMS CbM模組,整合了ADC、處理器、FFT、統計資料,以及機械封裝,諧振頻率超過50 kHz。

在為PdM解決方案選擇合適的振動感測器時,真正的挑戰在於配對感測器,以匹配資產最可能出現的故障模式。目前還未能證實MEMS麥克風足夠堅固,能夠在惡劣環境中可靠地檢測所有基於振動的故障模式,而振動檢測和加速計的產業標準已經成功實施,並可靠地執行了幾十年,同時已經證明MEMS超音波麥克風能夠比加速度計更早地檢測軸承故障,這種潛在的共生關係,可以為客戶提供理想的PdM解決方案,滿足未來對資產實施振動分析的需求。

雖然難以推薦在PdM系統中使用哪種振動感測器比較好,但是可以使用已經成功應用並不斷改進的加速度計。ADI提供一系列MEMS加速度計,從通用、低功耗、低雜訊、高穩定性和高g, 一直到智慧終端機節點模組,如圖4所示。 ADcmXL3021 是一個專用PdM模組解決方案示例。ADI率先推出了支援PdM的MEMS加速度計系列(20 kHz+ 頻寬、25 μg/√Hz 雜訊密度),且仍是少數能夠提供如此高性能的MEMS加速度計的提供商之一。ADI持續在感測器、訊號鏈解決方案、機械模組、平台、機器學習演算法、人工智慧軟體平台和整體系統解決方案等領域處於領先地位,並支援在挑戰性環境中,對工業旋轉機器進行預測性維護。

如需更多資訊,請瀏覽: analog.com/CbM 或聯繫 CIC.EMEA@analog.com。

參考電路

1 Leslie Langnau. "Sensors Help You Get Maximum Use from Your Motors." Machine  Design, September 2000.

2 Bram Corne, Bram Vervisch, Colin Debruyne, Jos Knockaert, and Jan Desmet. "Comparing MCSA with Vibration Analysis in Order to Detect Bearing Faults—A Case Study." 2015 IEEE International Electric Machines and Drives Conference (IEMDC), IEEE, May 2015.

3 Brian P. Graney and Ken Starry. "Rolling Element Bearing Analysis." Materials Evaluation, Vol. 70, No. 1, The American Society for Nondestructive Testing, Inc., January 2012.

4 Pratyay Konar, R. Bandyopadhyay, and Paramita Chattopadhyay. "Bearing Fault Detection of Induction Motor Using Wavelet and Neural Networks." Proceedings of the 4th Indian International Conference on Artificial Intelligence, IICAI 2009, Tumkur, Karnataka, India, December 2009.

5 Pete Sopcik and Dara O'Sullivan. "How Sensor Performance Enables Condition-Based Monitoring Solutions," Analog Dialogue, Vol. 53, June 2019.

6 Motor Monitoring Market by Offering (Hardware, Software), Monitoring Process (Online, Portable), Deployment, Industry (Oil and Gas, Power Generation, Metals and Mining, Water and Wastewater, Automotive), and Region—Global Forecast to 2023. Research and Markets, February 2019.

7 Pradeep Lall, Amrit Abrol, and David Locker. "Effects of Sustained Exposure to Temperature and Humidity on the Reliability and Performance of MEMS Microphone." ASME 2017 International Technical Conference and Exhibition on Packaging and Integration of Electronic and Photonic Microsystems, September 2017.

8 Marcel Janda, Ondrej Vitek, and Vitezslav Hajek. Induction Motors: Modelling and Control. InTech, November 2012.

9 Muhammad Ali Shah, Ibrar Ali Shah, Duck-Gyu Lee, and Shin Hur. "Design Approaches of MEMS Microphones for Enhanced Performance." Journal of Sensors, Vol. 1, March 2019.