摘要
本文說明 MEMS 技術的最新進展如何將加速度傳感器推到前沿,在狀態(tài)監(jiān)控應用中與壓電傳感器抗衡競爭;還將討論如何使用使這一切成為可能的新開發(fā)平臺。
狀態(tài)監(jiān)控 (CbM) 和預測性維護 (PdM) 簡介
狀態(tài)監(jiān)控 (CbM) 涉及使用傳感器來測量當前的健康狀態(tài),以監(jiān)測機器或資產(chǎn)。預測性維護 (PdM) 需要組合使用 CbM 、機器學習和分析等多種技術,以預測未來的資產(chǎn)維護周期或可能發(fā)生的故障。預計全球設備健康監(jiān)測將顯著發(fā)展,因而知曉和了解關鍵的趨勢勢在必行。越來越多的 CbM 公司開始采用 PdM 來提高其產(chǎn)品的差異化優(yōu)勢。關于 CbM ,維護和設備管理人員現(xiàn)在有了新的選擇,比如無線裝置,以及更低成本的高性能裝置。雖然大部分 CbM 系統(tǒng)的基礎設施保持不變,但現(xiàn)在我們可以將新的 MEMS 技術直接集成到以前主要采用壓電式傳感器,或因成本障礙而未進行監(jiān)控的系統(tǒng)中。
狀態(tài)監(jiān)控 — 工程挑戰(zhàn)和設計決策
在典型的 CbM 信號鏈設計中,需要考慮許多不同的工程規(guī)范和技術,這些規(guī)范和技術都在不斷改進,其復雜性也在不斷增加,F(xiàn)在有各種類型的客戶,他們可能具備某個領域的專業(yè)知識,例如算法開發(fā)(僅軟件)或硬件設計(僅硬件),但并非始終同時精通這兩個方面。
對于希望專注于算法開發(fā)的開發(fā)人員,他們要求數(shù)據(jù)信息庫能夠準確預測資產(chǎn)故障和停機。他們不想設計硬件,或者解決數(shù)據(jù)完整性故障;而是想使用確實高度保真的數(shù)據(jù)。同樣,對于希望提高系統(tǒng)可靠性或降低成本的硬件工程師,他們需要一種可以輕松連接到現(xiàn)有的基礎設施的解決方案,從而可以對現(xiàn)有解決方案進行基準測試。他們需要以易于使用和導出的可讀格式訪問數(shù)據(jù),以免浪費時間來評估性能。
許多系統(tǒng)級挑戰(zhàn)都可以采用平臺方法解決(從傳感器到算法開發(fā)),從而支持所有類型的客戶。
CN0549 是什么?它如何幫助延長設備的壽命?
CN0549 CbM 開發(fā)平臺
CN0549 狀態(tài)監(jiān)控平臺是一種高性能、現(xiàn)成的硬件和軟件解決方案,可以將高保真的振動數(shù)據(jù)流從資產(chǎn)傳輸?shù)剿惴?/span>/ 機器學習開發(fā)環(huán)境中。該平臺為硬件專家提供了一個經(jīng)過測試和驗證的系統(tǒng)解決方案,可以提供高度精準的數(shù)據(jù)采集、與資產(chǎn)之間的可靠機械耦合,以及高性能寬帶振動傳感器。同時提供所有硬件設計文件,幫助您輕松集成到設計的產(chǎn)品中。 CN0549 對軟件專家也很有吸引力,它概括了狀態(tài)監(jiān)控信號鏈硬件挑戰(zhàn),讓軟件團隊和數(shù)據(jù)專家能夠直接開始開發(fā)機器學習算法。重要特性和優(yōu)點包括:
易于安裝到資產(chǎn)中,同時保持機械耦合信號的完整性
具有 IEPE 數(shù)據(jù)輸出格式的寬帶寬 MEMS 加速度計傳感器
IEPE 、模擬輸入帶寬從 DC 到 54 kHz 的高保真數(shù)據(jù)采集 (DAQ) 解決方案
嵌入式網(wǎng)關捕捉和存儲原始數(shù)據(jù),用于本地或聯(lián)網(wǎng)處理
使用 ADI 的 IIO 示波器應用實時顯示頻域數(shù)據(jù)
直接將傳感器數(shù)據(jù)流傳輸至熱門的數(shù)據(jù)分析工具,例如 Python 和 MATLAB ®
CbM 開發(fā)平臺主要由四種不同的元件構成(如圖 1 所示),我們將分別逐一介紹,然后介紹整個組合解決方案。
圖 1. 構成 CbM 開發(fā)平臺的元件
高度精準、高保真的數(shù)據(jù)捕捉和處理
在帶寬更寬、傳感器噪聲更低時,可以更早檢測到故障,例如軸承問題、氣蝕和齒輪嚙合。數(shù)據(jù)采集電子設備必須確保測量的振動數(shù)據(jù)高度保真,這一點非常重要;否則可能導致重要的故障信息丟失。確保振動數(shù)據(jù)保真,這樣我們就可以更快地發(fā)現(xiàn)變化趨勢,且非常自信地提供預測性維護建議,從而減少機械元件不必要的磨損,隨之延長資產(chǎn)的使用壽命。
對重要性較低的資產(chǎn)實施狀態(tài)監(jiān)控的經(jīng)濟高效的方法
壓電式加速度計是最關鍵的資產(chǎn)上使用的最高性能的振動傳感器,對于這些資產(chǎn)來說,性能比成本更重要。一直以來,壓電傳感器的高成本都阻礙了對重要性較低的資產(chǎn)實施狀態(tài)監(jiān)控,F(xiàn)在, MEMS 振動傳感器在噪聲、帶寬和 g 范圍等方面都不遜于壓電式傳感器,這讓維護和設備管理人員能夠更深入地了解重要性較低的資產(chǎn),這些資產(chǎn)以前采用故障排除或被動維護計劃。這主要是因為 MEMS 的性能高,成本低,F(xiàn)在,我們可以使用經(jīng)濟高效的方法來持續(xù)監(jiān)控中低等重要性的資產(chǎn)。我們可以利用先進的振動傳感技術,輕松識別和修復資產(chǎn)上不必要的磨損,幫助延長資產(chǎn)的使用壽命。這也有助于提高設備的整體效率,減少機器或工藝停機時間。
監(jiān)控資產(chǎn) — 檢測問題
對于 CbM 和 PdM ,可以使用多種不同類型的檢測模式。大部分應用都涉及電流檢測、電磁檢測、流量監(jiān)控和其他幾種模式。振動檢測是 CbM 中最常用的模式,壓電式加速度計則是最常用的振動傳感器。在本節(jié)中,我們將回顧技術進步如何推動振動傳感器領域不斷發(fā)展,以及這對應用決策產(chǎn)生什么樣的影響。
MEMS 與壓電式加速度計
壓電式加速度計是性能非常高的傳感器,但要達到該性能,需要做出許多設計取舍。例如,壓電式加速度計通常都是用在有線安裝中,這是因為它們會消耗過多功率、體積可能很大(尤其是三軸傳感器),且成本高昂。綜合上述所有這些因素,在整個工廠內(nèi)使用壓電式傳感器是不現(xiàn)實的,所以,它們一般只用在關鍵資產(chǎn)上。
MEMS 加速度計一直沒有足夠的帶寬、噪聲過高, g 范圍也僅支持監(jiān)控不太重要的資產(chǎn),這種情況直到最近才發(fā)生改變。 MEMS 技術的最新進展克服了這些限制,使 MEMS 振動傳感器能夠監(jiān)控低端資產(chǎn),也能監(jiān)控非常重要的資產(chǎn)。表 1 顯示了壓電式傳感器和 MEMS 傳感器在 CbM 應用中所需的重要特性。 MEMS 加速度計體積小、可通過電池供電運行數(shù)年、成本低,且性能不遜于壓電式傳感器,正快速成為許多 CbM 應用的首選傳感器。
CN0549 CbM 開發(fā)平臺兼容 MEMS 和 IEPE 壓電式加速度計,可在不同傳感器類型之間進行基準比較。
表 1.MEMS 與壓電式加速度計
壓電
MEMS
直流響應
?
耐沖擊
?
集成機會( 3 軸、 ADC 、警報、 FFT )
?
性能隨時間和溫度的變化
?
功耗
?
體積(越小越好)
?
自測
?
實現(xiàn)類似性能的成本
?
噪聲
?
帶寬
?
?
機械連接
?
?
行業(yè)標準接口
?
?
g 范圍
?
?
現(xiàn)有 IEPE 基礎設施中使用 MEMS 加速度計
如表 1 所示,與壓電式傳感器相比, MEMS 加速度計現(xiàn)在可以提供具有競爭力的規(guī)格和性能,但是,它們能夠取代現(xiàn)有的壓電式傳感器嗎?為了便于設計人員評估并使用 MEMS 加速度計來取代壓電式加速度計, ADI 設計了一個接口,它可以兼容 CbM 應用中實際使用的 IEPE 標準壓電式傳感器接口。
IEPE 傳感器接口和機械安裝 (CN0532)
CN0532 (如圖 2 所示)是一個 IEPE 轉換電路,讓 MEMS 加速度計和現(xiàn)有 IEPE 傳感器一樣,直接與 IEPE 基礎設施無縫連接。
圖 2.CN0532 MEMS IEPE 轉換電路
單軸 MEMS 傳感器通常有三條輸出線路:電源、接地和加速度輸出。 IEPE 基礎設施只需要兩條:一條線路接地,另一條傳輸電源 / 信號。電流傳輸給傳感器,當傳感器檢測到振動時,由同一條線路輸出電壓。
圖 3. 說明 MEMS 傳感器如何與現(xiàn)有的 IEPE 基礎設施(電源和數(shù)據(jù))連接的簡化示意圖
CN0532 PCB 的設計厚度為 90 mils ,以保持數(shù)據(jù)手冊中給出的 MEMS 加速度計的頻率響應性能。測試裝置采用螺釘安裝,開箱即可進行測試。安裝塊、 PCB 和焊錫膏等均進行了廣泛表征,以確保全帶寬機械轉換功能、最大限度地提高傳感器帶寬內(nèi)各類故障的可見性,并通過捕捉這些故障來延長資產(chǎn)的使用壽命。這些解決方案讓 CbM 設計人員能夠輕松將 MEMS 加速度計集成到他們的資產(chǎn)中,并與現(xiàn)有的壓電式基礎設施無縫連接。
對于高頻振動測試,機械信號路徑的完整性非常重要。換句話說,從信號源到傳感器,振動信號必須沒有衰減(由于阻尼)或放大(由于諧振)。如圖 4 所示,一個鋁質安裝塊 ( EVAL-XLMOUNT1 ) 、四個螺釘安裝座和一個厚 PCB ,確保對目標頻率范圍提供平坦的機械響應。 IEPE 參考設計讓設計人員能夠輕松使用 MEMS 傳感器來取代壓電式傳感器。
圖 4. 振動測量測試裝置:使用 EVAL-XLMOUNT1 鋁質安裝塊將 EVAL-CN0532-EBZ 板連接至振動臺
圖 5.EVAL-CN0532 的頻率響應與 ADXL1002 數(shù)據(jù)手冊給出的頻率響應的比較
振動到比特 —— 數(shù)據(jù)轉換的完整性
現(xiàn)在,我們知道可以使用 MEMS 傳感器來代替 IEPE 壓電傳感器。也知道如何將它們輕松地安裝到資產(chǎn)上,同時保持數(shù)據(jù)表給出的性能。對于 CbM 開發(fā)平臺,重要的一點是它能夠收集高質量的轉換數(shù)據(jù)(無論是基于 MEMS 還是基于壓電式傳感器),然后將數(shù)據(jù)輸送至正確的環(huán)境中。接下來,我們看看如何獲取 IEPE 傳感器數(shù)據(jù)并保持最高的數(shù)據(jù)保真度,以開發(fā)最好的 CbM 算法或機器學習算法。我們的另一款 CbM 參考設計 CN0540 可以幫助實現(xiàn)上述目標。
適用于 IEPE 傳感器的高保真 24 位數(shù)據(jù)采集系統(tǒng) (CN0540)
圖 6 顯示了一款經(jīng)過實驗室測試和驗證的 IEPE DAQ 信號鏈。這款參考設計提供了兼容 MEMS 和壓電式加速度計的優(yōu)化模擬信號鏈。 ADI 不僅關注基于 MEMS 加速度計的解決方案。請注意,壓電式加速度計提供出色的性能,是廣泛使用的振動傳感器;所以,壓電式加速度計是適用于精密信號鏈產(chǎn)品的重要傳感器。
圖 6 所示的電路是適用于 IEPE 傳感器的傳感器到比特(數(shù)據(jù)采集)信號鏈,由電流源、輸入保護、電平轉換和衰減級、三階抗混疊濾波器、模數(shù)轉換器 (ADC) 驅動器和全差分 ∑-Δ ADC 組成。 CbM 系統(tǒng)設計人員在使用壓電式加速度計時,需要使用高性能模擬信號鏈來實現(xiàn)振動數(shù)據(jù)保真。設計人員只需將 IEPE 傳感器或 CN0532 IEPE 傳感器直接連接到 CN0540 DAQ 參考設計,就可以評估信號鏈的性能。 ADI 對此設計進行了廣泛測試,提供開源設計文件(原理圖、布局文件、材料清單等),以輕松將其集成到終端解決方案中。
CN0540 IEPE 數(shù)據(jù)采集板是一種經(jīng)過測試和驗證的模擬信號鏈,專用于獲取 IEPE 傳感器振動數(shù)據(jù),具有優(yōu)于 100 dB 的信噪比 (SNR) 。市場上大多數(shù)與壓電傳感器連接的解決方案都采用交流耦合,不具備直流和亞赫茲測量能力。 CN0540 適用于直流耦合應用場景,在這些場景中,必須保留信號的直流分量,或者必須確保系統(tǒng)響應低至 1 Hz 或更低的頻率。
采用 2 個 MEMS 傳感器和 3 個壓電傳感器對高精度數(shù)據(jù)采集參考設計進行測試,如表 2 所示。從表中可以看出,每個傳感器的 g 范圍、噪聲密度和帶寬都有很大差別,價格也是如此。值得注意的是,壓電傳感器仍具有最佳的噪聲性能和振動帶寬。
對于 CN0540 ,系統(tǒng)帶寬設置為 54 kHz ,信號鏈噪聲性能是針對在該帶寬范圍內(nèi)能夠達到 >100 dB 動態(tài)范圍的傳感器,例如, Piezotronics PCB 621B40 型加速度計可以在 30 kHz 時達到 105 dB 。 CN0540 旨在提供超越當前振動傳感器性能的帶寬和精度,確保它不會成為收集高性能振動數(shù)據(jù)時的阻礙。在同一系統(tǒng)上比較 MEMS 和壓電式傳感器并確定基準是非常容易的。無論與 MEMS 傳感器、壓電傳感器還是與兩者一起工作, CN0540 都能為數(shù)據(jù)采集和處理提供最佳信號鏈解決方案,所以必然會設計為嵌入式解決方案。
當我們說 MEMS 傳感器能以更低的成本提供相當?shù)男阅軙r, ADXL1002 的 SNR 為 83 dB ,但與壓電傳感器相比,其成本低 10 倍以上。 MEMS 傳感器現(xiàn)在可替代除最高性能的壓電傳感器以外的所有傳感器,且成本低廉。
圖 6.CN0540 :適用于 IEPE 傳感器,可進行高性能、寬帶寬、精密數(shù)據(jù)采集
表 2.MEMS 和壓電傳感器及其相應的噪聲密度測量值
傳感器
范圍
(±g )
輸出范圍
峰峰值 (V)
線性度 (%FSR)
NSD
(µg /√Hz)
平坦帶寬 (kHz)
平坦帶寬下的噪聲 (µg RMS)
平坦帶寬下的動態(tài)范圍 (dB)
ADXL1002
50
4
0.1
25
11
2622
82.60
ADXL1004
500
4
0.25
125
24
19365
85.32
PCB 621B40
500
10
1
10
30
1732
104.95
PCB 352C04
500
10
1
4
10
400
118.93
PCB 333B52
5
10
1
0.4
3
22
98.50
嵌入式網(wǎng)關
在 DAQ 信號鏈獲得高保真振動數(shù)據(jù)之后,必須處理這些數(shù)據(jù),并實時查看和 / 或將數(shù)據(jù)發(fā)送至機器學習或云環(huán)境,這是嵌入式網(wǎng)關的工作。
在本地實時處理振動數(shù)據(jù)
Intel® (DE10-Nano) 和 Xilinx® (Cora Z7-07S) 支持兩種嵌入式平臺,其中包括對所有相關 HDL 、設備驅動器、軟件包和應用的支持。每個平臺都運行嵌入式 ADI Kuiper Linux® ,讓您能夠實時顯示時域和頻域數(shù)據(jù),通過以太網(wǎng)訪問實時捕捉的數(shù)據(jù),連接熱門的數(shù)據(jù)分析工具(例如 MATLAB 或 Python ),甚至連接各種云計算實例(例如 AWS 和 Azure )。嵌入式網(wǎng)關可以通過以太網(wǎng)向您選定的算法開發(fā)工具傳輸 6.15 Mbps ( 256 kSPS × 24 位)。嵌入式網(wǎng)關的一些關鍵特性包括:
Intel Terasic DE10-Nano
雙核 Arm® Cortex® -A9 MP Core 處理器,搭載采用雙精度浮點單元 (FPU) 的 800 MHz neon ™ 框架媒體處理引擎
1 千兆以太網(wǎng) PHY ,采用 RJ45 連接器
Digilent Cora Z7-07S (Xilinx)
667 MHz Cortex-A9 處理器,緊密集成 Xilinx FPGA
512 MB DDR3 存儲器
USB 和以太網(wǎng)連接
IIO 示波器(如圖 7 所示)是一款與 ADI Kuiper Linux 一起安裝的免費開源應用,可以幫助您快速顯示時域和頻域數(shù)據(jù)。它基于 Linux IIO 框架進行構建,直接與 ADI 的 Linux 設備驅動器連接,可以在一個工具中完成設備配置、設備數(shù)據(jù)讀取和可視化顯示。
圖 7.IIO 示波器顯示 5 kHz 純音的 FFT
ADI Kuiper Linux 鏡像也支持行業(yè)標準工具,例如 MATLAB 和 Python 。通過使用可以配合 IIO 框架工作的連接層,開發(fā)出 IIO 綁定用于將數(shù)據(jù)流直接傳輸至這些典型的數(shù)據(jù)分析工具。設計人員可以使用這些強大工具,結合 IIO 集成框架,用于顯示和分析數(shù)據(jù)、開發(fā)算法,以及執(zhí)行硬件環(huán)路測試和其他數(shù)據(jù)處理技術。提供完整示例,展示如何將高質量的振動數(shù)據(jù)傳輸至 MATLAB 或 Python 工具。
使用 CN0549 進行預測性維護開發(fā)
為 PdM 應用開發(fā)機器學習 (ML) 算法一般包含 5 大步驟,如圖 8 所示。在進行預測性維護時,通常使用回歸模型,而不是分類模型來預測即將發(fā)生的故障。向預測性模型輸入的訓練數(shù)據(jù)越多,其性能表現(xiàn)越出色。如果只輸入 10 分鐘的振動數(shù)據(jù),可能無法檢測到所有操作特性,但是如果輸入 10 小時的數(shù)據(jù),則檢測幾率大大增加,如果收集 10 天的數(shù)據(jù),則模型的性能將更強。
圖 8. 開發(fā) PdM 應用的步驟
圖 9.CN0549 示例用例
CN0549 在一個易于使用的系統(tǒng)中提供數(shù)據(jù)收集步驟,在該系統(tǒng)中,我們可以將高性能振動數(shù)據(jù)流傳輸至所選的機器學習環(huán)境。
MEMS IEPE 傳感器隨附機械安裝塊,可以將 MEMS 傳感器無縫安裝到資產(chǎn)或振動臺上。注意, IEPE 壓電傳感器也可與本系統(tǒng)配合使用,輕松安裝到資產(chǎn)、振動臺等裝置中。在將數(shù)據(jù)流傳輸至數(shù)據(jù)分析工具之前,應先驗證傳感器安裝,確保不會產(chǎn)生任何干擾諧振?梢允褂 IIO 示波器輕松且實時完成這種檢查。系統(tǒng)準備就緒后,可以定義一個用例,如圖 9 所示,例如,在 70% 的負載下正常運行的電機。之后,可以將高質量的振動數(shù)據(jù)流傳輸至基于 MATLAB 或 Python 的數(shù)據(jù)分析工具,例如 TensorFlow 或 PyTorch (以及許多其他工具)。
通過分析,可以確認能夠定義該資產(chǎn)的健康狀況的特征和特性。建立可以定義正常運行狀況的模型后,即可檢測或仿真故障。可以重復使用第 4 步來確定能夠定義故障的關鍵特征,由此生成模型。將故障數(shù)據(jù)與正常運行電機的數(shù)據(jù)進行比較,可得到預測模型。
以上簡要概述了 CbM 開發(fā)平臺支持的機器學習流程。需要注意的是,該平臺可以確保將最高質量的振動數(shù)據(jù)傳輸至機器學習環(huán)境。
本文 第 2 部分 將詳細介紹軟件堆棧、數(shù)據(jù)流和開發(fā)策略,并從數(shù)據(jù)專家或機器學習算法開發(fā)人員的角度介紹使用 Python 和 MATLAB 的示例。此外,還將概述軟件集成,以及本地和基于云的開發(fā)選項。