（來源：智能制造趨勢(shì)）
在某個(gè)烘絲機(jī)項(xiàng)目實(shí)施的過程中，需要增加振動(dòng)傳感器用于檢測(cè)、分析設(shè)備是否存在故障或可能在未來的某個(gè)時(shí)間會(huì)發(fā)生故障的可能性，即故障預(yù)測(cè)。對(duì)振動(dòng)監(jiān)測(cè)技術(shù)產(chǎn)生了一定興趣，作了一些深度的了解。
早期的傳統(tǒng)工業(yè)設(shè)備運(yùn)維，常常采用人工巡檢。手摸、耳聽，經(jīng)驗(yàn)豐富的檢修師傅可以經(jīng)由聽音棒、壓力儀表等工具的輔助對(duì)設(shè)備運(yùn)行情況進(jìn)行判斷。后來，電子檢測(cè)輔助工具如筆式測(cè)振儀等，開始廣泛應(yīng)用在日常設(shè)備巡檢工作中，離線點(diǎn)檢成為工業(yè)維護(hù)的主流方式。用戶對(duì)振動(dòng)的理解不再局限于人工判斷中簡(jiǎn)單的“震感大、噪聲大、升溫高”，高頻振動(dòng)監(jiān)測(cè)數(shù)據(jù)的挖掘在設(shè)備維護(hù)領(lǐng)域逐漸被人們熟知。高科技手段的逐步普及，也為振動(dòng)監(jiān)測(cè)和故障診斷提供了更多可能性。
振動(dòng)是一種普遍存在的現(xiàn)象，對(duì)旋轉(zhuǎn)類設(shè)備而言，絕大多數(shù)故障都與機(jī)械運(yùn)動(dòng)或振動(dòng)密切相關(guān)。一臺(tái)設(shè)計(jì)合理、運(yùn)轉(zhuǎn)健康的機(jī)械設(shè)備常規(guī)振動(dòng)烈度也較低，但當(dāng)其內(nèi)部零部件發(fā)生磨損、錯(cuò)位、松動(dòng)、密封不嚴(yán)等細(xì)微變化時(shí)，振動(dòng)的能量就會(huì)隨之產(chǎn)生不同的變化，因此振動(dòng)加劇是設(shè)備即將發(fā)生故障的重要標(biāo)志之一，也是設(shè)備運(yùn)維過程中判斷設(shè)備運(yùn)轉(zhuǎn)健康與否的重要條件之一。
目前，隨著物聯(lián)網(wǎng)和人工智能技術(shù)的不斷發(fā)展，許多制造、軌道交通、電力、冶金、石化等行業(yè)紛紛引入了智能運(yùn)維系統(tǒng)，實(shí)現(xiàn)了設(shè)備在線監(jiān)測(cè)和分析，能夠在設(shè)備狀態(tài)變得異常時(shí)，向監(jiān)測(cè)系統(tǒng)發(fā)出報(bào)警并及時(shí)處理。智能運(yùn)維系統(tǒng)大幅提高了預(yù)測(cè)維護(hù)和故障預(yù)警的準(zhǔn)確性和及時(shí)性，也避免了不必要的生產(chǎn)停機(jī)和人員傷亡。
振動(dòng)信號(hào)分析是智能運(yùn)維系統(tǒng)中的一項(xiàng)關(guān)鍵技術(shù)，主要包括信號(hào)采集、信號(hào)處理、特征提取、故障判別和故障診斷等環(huán)節(jié)。在這一系列環(huán)節(jié)中，借助人工智能技術(shù)如深度學(xué)習(xí)、機(jī)器學(xué)習(xí)等方法，可以從復(fù)雜的振動(dòng)信號(hào)中提取有意義的特征用于診斷故障，預(yù)測(cè)設(shè)備壽命，并且可以形成個(gè)性化的健康狀態(tài)監(jiān)測(cè)模型，實(shí)現(xiàn)對(duì)不同類型設(shè)備的精準(zhǔn)監(jiān)測(cè)和管控，為企業(yè)的設(shè)備維護(hù)管理提供更加高效、安全的手段。工業(yè)設(shè)備震動(dòng)故障檢測(cè)技術(shù)是一種常見的無損檢測(cè)方法，可以用于檢測(cè)工業(yè)設(shè)備的震動(dòng)情況，包括旋轉(zhuǎn)機(jī)械、壓縮機(jī)、泵等。該技術(shù)通過傳感器或振動(dòng)檢測(cè)儀器來測(cè)量震動(dòng)信號(hào)，并通過分析來確定設(shè)備的健康狀態(tài)。
振動(dòng)傳感器
通常情況下，使用振動(dòng)傳感器來測(cè)量設(shè)備的加速度，速度和位移信號(hào)。傳感器將信號(hào)發(fā)送給震動(dòng)檢測(cè)裝置，通常包括一個(gè)信號(hào)采集器和一個(gè)信號(hào)分析單元。信號(hào)采集器用于記錄傳感器的輸出，并將信號(hào)傳輸?shù)叫盘?hào)分析單元進(jìn)行分析。
信號(hào)分析單元通常包括一個(gè)數(shù)字信號(hào)處理器和一些信號(hào)處理算法，用于從測(cè)量的信號(hào)中提取有用的信息。這些信息可以用于確定設(shè)備的健康狀況，例如是否存在軸承損壞、偏心、不平衡或其他問題�；谶@些信息，工程師可以采取適當(dāng)?shù)拇胧﹣硇迯?fù)設(shè)備或預(yù)防潛在故障。總的來說，工業(yè)設(shè)備震動(dòng)故障檢測(cè)技術(shù)是一種非常有效的無損檢測(cè)方法，可以降低設(shè)備故障率，提高生產(chǎn)效率，減少維護(hù)成本和停機(jī)時(shí)間。除了震動(dòng)故障檢測(cè)技術(shù)外，還可以使用預(yù)測(cè)性維護(hù)（PDM）技術(shù)來進(jìn)行工業(yè)設(shè)備震動(dòng)故障預(yù)測(cè)。
預(yù)測(cè)性維護(hù)是一種基于設(shè)備歷史數(shù)據(jù)和分析方法來預(yù)測(cè)未來故障發(fā)生的技術(shù)。對(duì)于工業(yè)設(shè)備來說，可以通過監(jiān)測(cè)設(shè)備的震動(dòng)信號(hào)來對(duì)設(shè)備進(jìn)行預(yù)測(cè)性維護(hù)。
首先，需要對(duì)設(shè)備進(jìn)行連續(xù)監(jiān)測(cè)，收集震動(dòng)信號(hào)數(shù)據(jù)。然后，可以使用一些機(jī)器學(xué)習(xí)算法和模型來對(duì)這些數(shù)據(jù)進(jìn)行處理和分析，以預(yù)測(cè)設(shè)備故障發(fā)生的概率和時(shí)間。例如，可以使用神經(jīng)網(wǎng)絡(luò)模型或支持向量機(jī)等算法來構(gòu)建預(yù)測(cè)模型，預(yù)測(cè)設(shè)備的故障概率和時(shí)間。這些模型可以使用歷史數(shù)據(jù)進(jìn)行訓(xùn)練，并不斷優(yōu)化和改進(jìn)。
一旦預(yù)測(cè)模型發(fā)現(xiàn)設(shè)備存在故障風(fēng)險(xiǎn)，就可以通過提前安排維護(hù)和檢修來避免設(shè)備故障的發(fā)生。這種方法可以大大降低設(shè)備故障率，提高運(yùn)行效率和生產(chǎn)效益，減少生產(chǎn)成本和損失。
振動(dòng)圖譜示例
總的來說，預(yù)測(cè)性維護(hù)技術(shù)是一種非常重要的技術(shù)，可以在震動(dòng)故障檢測(cè)技術(shù)的基礎(chǔ)上，更加有效地預(yù)防設(shè)備故障的發(fā)生。振動(dòng)監(jiān)測(cè)是指應(yīng)用振動(dòng)傳感器對(duì)機(jī)械設(shè)備振動(dòng)信號(hào)進(jìn)行采集、處理，并結(jié)合被監(jiān)測(cè)對(duì)象的歷史狀況，定位故障點(diǎn)位、分析故障原因的一種預(yù)測(cè)性維護(hù)手段，具有診斷直接、監(jiān)測(cè)實(shí)時(shí)和故障類型覆蓋范圍廣的特點(diǎn)。
機(jī)械故障分類
可以理解為振動(dòng)監(jiān)測(cè)為機(jī)械設(shè)備提供了一個(gè)反饋記錄，它可以捕捉并記錄設(shè)備的每一次微小振動(dòng)數(shù)據(jù)。振動(dòng)診斷的理論和測(cè)量方法都已經(jīng)較為成熟，成為無損檢測(cè)技術(shù)中常見、便捷、有效的機(jī)械故障的診斷技術(shù)手段之一。
近年來，隨著芯片技術(shù)及AI智能領(lǐng)域的快速發(fā)展，工業(yè)設(shè)備智能化也在傳統(tǒng)制造業(yè)遍地開花，智能振動(dòng)傳感器的問世讓振動(dòng)數(shù)據(jù)得到了更加深度、有效的挖掘利用，原始振動(dòng)波形數(shù)據(jù)的采集分析為設(shè)備的故障預(yù)測(cè)帶來更多信息，讓振動(dòng)監(jiān)測(cè)更為精密。
振動(dòng)監(jiān)測(cè)網(wǎng)絡(luò)拓?fù)?/p>
振動(dòng)監(jiān)測(cè)的核心原理是通過分析振動(dòng)圖譜來定位故障點(diǎn)位及原因。速度、加速度作為振動(dòng)的基礎(chǔ)要素，速度/加速度頻譜圖、速度/加速度波形圖則是振動(dòng)分析的基礎(chǔ)圖譜。除此之外，還有趨勢(shì)圖、包絡(luò)譜圖等用以輔助判斷故障。下面我們來看一個(gè)軸承早期故障及潤(rùn)滑不良案例中的實(shí)際圖譜匯總, 以下列舉了一些振動(dòng)圖譜：
常用圖譜
加速度包絡(luò)譜圖，常用于軸承故障判斷
上述圖譜可以看出，在故障發(fā)生早期，振動(dòng)便會(huì)產(chǎn)生變化，依賴于采集振動(dòng)數(shù)據(jù)的準(zhǔn)確性及完整性，再通過對(duì)圖譜的綜合分析，即可完成設(shè)備故障點(diǎn)位及原因的判斷，故障超前預(yù)警也就可以輕松實(shí)現(xiàn)了。先進(jìn)的設(shè)備預(yù)測(cè)性維護(hù)解決方案提供商還會(huì)開發(fā)智能分析及診斷輔助工具等，為用戶提供更加直觀、便捷的振動(dòng)監(jiān)測(cè)體驗(yàn)。
工業(yè)設(shè)備智能運(yùn)維的舞臺(tái)已經(jīng)隨著人工智能化及芯片技術(shù)的發(fā)展?jié)u漸拉開帷幕，振動(dòng)監(jiān)測(cè)作為一種技術(shù)手段，其精準(zhǔn)性及便捷性也在發(fā)生著日新月異的變化。無線技術(shù)、多軸振動(dòng)采集、高防護(hù)等級(jí)、邊緣計(jì)算功能、私有化部署等等，用戶的需求也在不斷升級(jí)與更新，唯一不變的，是工業(yè)數(shù)智化變革的決心與方向。
