圖2. ADcmXL3021模塊，非常適合用于實(shí)施預(yù)測(cè)性維護(hù)。

信號(hào)處理模塊不僅包括一個(gè)具有32個(gè)系數(shù)的可配置FIR濾波器，還包括一個(gè)每軸2048個(gè)節(jié)點(diǎn)的FFT函數(shù)，用于對(duì)振動(dòng)進(jìn)行頻譜分析。再將用這種方法計(jì)算得出的頻譜的每個(gè)頻率級(jí)別與可配置的報(bào)警閾值（每軸6個(gè)）進(jìn)行對(duì)比。如果頻譜組件過(guò)于密集，就會(huì)生成警報(bào)。本產(chǎn)品可以通過(guò)SPI端口與主機(jī)處理器進(jìn)行交互，提供訪問(wèn)內(nèi)部寄存器以及一組用戶可配置的函數(shù)的權(quán)限，包括先進(jìn)的數(shù)學(xué)函數(shù)，例如計(jì)算平均值、標(biāo)準(zhǔn)偏差、最大值、波峰因素和峰度（四階動(dòng)力矩，支持測(cè)量振動(dòng)的銳度）。

SmartMesh：適用于IIoT的網(wǎng)絡(luò)，非常適合用于實(shí)施預(yù)測(cè)性維護(hù)

無(wú)線網(wǎng)絡(luò)特別適合用于從振動(dòng)傳感器收集維護(hù)數(shù)據(jù)。它的速度不需要多快，但必須足夠健壯，能夠在通常非常嘈雜、且采用金屬結(jié)構(gòu)、傳導(dǎo)性很差的工業(yè)環(huán)境中運(yùn)行。它還必須能夠從大量傳感器收集數(shù)據(jù)，而這些傳感器不一定非?？拷鼣?shù)據(jù)記錄器。為了滿足這一需求，ADI公司推出 SmartMesh® IP 工業(yè)Mesh網(wǎng)絡(luò)，該網(wǎng)絡(luò)功耗低，且具有相當(dāng)高的抗擾性。最后一個(gè)標(biāo)準(zhǔn)對(duì)于維護(hù)模塊非常重要，為其供電的能量采集器或鋰電池必須運(yùn)行 5 到 10年，中間不能進(jìn)行更換。SmartMesh IP網(wǎng)絡(luò)基于6LoWPAN標(biāo)準(zhǔn) (IEEE 802.15.4e)，非常適合IIoT，且基于圍繞2.4 GHz傳輸?shù)膶Ｓ袇f(xié) 議構(gòu)建。該解決方案包含 LTC5800 收發(fā)器或預(yù)認(rèn)證的LTP590x模塊，非常易于實(shí)施。

圖3. SmartMesh IP網(wǎng)絡(luò)非常適合用于實(shí)施IIoT和預(yù)測(cè)性維護(hù)操作。

使用各種技術(shù)來(lái)保證傳輸可靠性大于99.999%，包括同步、通道跳變和時(shí)間戳，以及針對(duì)Mesh網(wǎng)絡(luò)的動(dòng)態(tài)重新配置，在信號(hào)最強(qiáng)勁的地方僅使用RF路徑。

為什么不求助于人工智能呢？

T目前存在多種振動(dòng)分析技術(shù)。除了數(shù)字濾波被用于克服流程本身或者由機(jī)器的其他組件導(dǎo)致的寄生振動(dòng)之外，還可以使用數(shù)學(xué)工具進(jìn)行輔助，例如ADcmXL3021中包含的工具（計(jì)算平均值、標(biāo)準(zhǔn)偏差、波峰因素、峰度等）。分析可以在時(shí)域中進(jìn)行，但頻率分析才是提供最多關(guān)于異常及異常原因的信息的分析。頻率分析甚至可用于計(jì)算被同化為信號(hào)頻譜中頻譜的倒譜（反向傅里葉變換被用于計(jì)算信號(hào)傅里葉變換的對(duì)數(shù)）。但是，無(wú)論使用哪種分析方法，困難之處在于確定最佳警報(bào)閾值，以使維護(hù)操作既不會(huì)太早也不會(huì)太遲。

可以采用一種方法替代傳統(tǒng)的警報(bào)閾值配置，即在故障識(shí)別流程中引入人工智能。在機(jī)器學(xué)習(xí)階段，云資源被用于基于來(lái)自振動(dòng)傳感器的數(shù)據(jù)創(chuàng)建代表性的機(jī)器模型。模型創(chuàng)建完成之后，可以下載至本地處理器。使用嵌入式軟件不僅可以實(shí)時(shí)識(shí)別正在發(fā)生的事件，還可以識(shí)別瞬態(tài)事件，從而能夠檢測(cè)異常。

旋轉(zhuǎn)機(jī)器中的振動(dòng)源

旋轉(zhuǎn)機(jī)器經(jīng)常遇到的一個(gè)問(wèn)題就是滾珠軸承出現(xiàn)故障。對(duì)從放置在軸承附近的加速度計(jì)獲取的數(shù)據(jù)進(jìn)行頻譜分析，可以得出許多特征線、振幅和頻率，它們都由旋轉(zhuǎn)的速度和問(wèn)題原因決定。

所述系統(tǒng)的特征頻率包括：
軸承套的旋轉(zhuǎn)頻率：

與外環(huán)（固定）上的缺陷有關(guān)的頻率：

與內(nèi)環(huán)（軸）上的缺陷有關(guān)的頻率：

圖4. 滾珠軸承。

關(guān)于新服務(wù)

除了為預(yù)測(cè)性維護(hù)構(gòu)建模型之外，人工智能和云訪問(wèn)還開(kāi)啟了通向諸多可能性的大門。將振動(dòng)測(cè)量數(shù)據(jù)與來(lái)自其他傳感器的數(shù)據(jù)（壓力、溫度、旋轉(zhuǎn)、功率等）相關(guān)聯(lián)，可以推斷出關(guān)于系統(tǒng)狀態(tài)的許多信息，遠(yuǎn)多于維護(hù)所需的數(shù)據(jù)量。將基礎(chǔ)數(shù)據(jù)合并可以進(jìn)一步優(yōu)化設(shè)備模型，不僅可用于檢測(cè)機(jī)械故障，還能夠處理問(wèn)題（例如，空輸送帶、內(nèi)部沒(méi)有流液的泵、不含膏體的混合器等）。因此，我們可以考慮設(shè)備制造商通過(guò)將設(shè)備供應(yīng)、維護(hù)，以及對(duì)生產(chǎn)線的性能和問(wèn)題實(shí)施的統(tǒng)計(jì)分析結(jié)合起來(lái)，為他們的最終客戶提供的多種服務(wù)。配備了傳感器模塊之后，基本的電機(jī)會(huì)成為大數(shù)據(jù)概念的主要參與者。