未来维修服务对传感器的需求：用于实施状态监控的智能传感器

提高状态监控和临床并构建整体系统优化，是当今人们在用于机械设施和技术系统时面对的部分核心挑战。这个话题不仅在工业领域，在任何用于机械系统的地方都愈发最重要。

以往，都是根据计划来确保机器，延后确保可能会面对生产复工的风险。如今，人们通过处置机器的数据来预测其剩下的使用寿命。

特别是在是温度、噪声和振动等关键参数，可以利用记录的这些数据来确认最佳运营状态，甚至是所需的确保次数。此举可以防止导致不必要的磨损，并且需要尽快找到潜在的问题和原因。通过这种状态监控，设施的可用性和有效性可挖掘出相当大的优化空间，从而取得决定性的优势。

例如，经证实，实行这种监控之后，ABB1一年内将停机时间增加了70%，将电机的服务寿命缩短了30%，同时将设施的能耗减少了10%。预防性确保的一个最重要组成部分就是基于状态的监控(CBM)，一般来说监控涡轮机、风扇、泵、电机等转动机器。

利用CBM可动态记录运营状态信息。但是，会获取故障或磨损预测。

这些不能通过预防性确保获取，因此带给一个转折点：利用更为智能的传感器、更加强劲的通信网络和计算出来平台，人们需要创立模型、检测更改，并详尽计算出来服务寿命。为了建构有效地的模型，必须分析振动、温度、电流和磁场。当今使用的有线和无线通信方法反对在整个工厂或公司范围内实行设施监控。

基于云的系统为我们带给了更加多的分析可能性，使得操作员和修理技术人员需要通过非常简单的方式取得有关机器状态信息的数据。但是，机器必需不具备本地智能传感器和通信基础架构，这是取得额外的分析能力的前提。这些传感器是什么样的、必须符合哪些拒绝、有哪些关键特性—本文不会就这些问题以及其他问题进行探究。

机器的生命周期展出关于状态监控，有可能必须考虑到以下最基本的问题：在实行适当的确保之前，设备需要运营多长时间？一般而言，从逻辑上来说，从找到问题到开始确保的间隔时间越高就越好。但是，为了优化运营和确保成本，或者几乎充分发挥设施的最低效率，必须熟知机器特性的专业人员凭借科学知识经验来辨别。这些专业人员主要来自轴承/润滑剂领域，在电机分析方面经验不多，归属于最脆弱的环节。

专业人员最后不会要求，根据实际的生命周期（如图1）和实际状态背离长时间状态的情况，否应该展开修理甚至是替换。图1：机器的生命周期仍未用于的机器最初正处于所谓的保修期。这归属于生命周期的早期阶段，不回避这个阶段不会经常出现故障，但这种几率比较十分小，且一般与生产故障有关。只有在接下来的定期维护阶段，拒绝接受过适当培训的修理人员才不会开始展开针对性的介入。

无论机器的实际状态如何，他们都会按照登录的时间，或者在超过登录的用于时间后，对机器继续执行例会确保，例如，为机器换油。这种情况下，确保间隔期间经常出现故障的几率也依然非常低。随着机器的用于时间减少，不会渐渐抵达状态监控阶段。

自此之后，不应作好故障应付打算。图1表明了以下6种变化，从超声波范围(1)的变化开始，接着是振动变化(2)。

通过分析润滑油(3)或者通过略为提升温度(4)，在实际再次发生故障之前，可以通过可感官的噪声(5)或痉挛情况(6)检测出有即将再次发生故障的前期迹象。振动一般来说用作证实老化情况。图2表明了三台完全相同设备在生命周期内的振动模式。

三台机器在初始阶段都正处于长时间范围。但是，从中期阶段开始，根据明确的载荷情况，振动某种程度较慢减少；到后期阶段不会呈圆形指数减少超过临界范围。一旦设备超过临界范围，则必须立刻采取行动。图2：振动参数随时间发生变化通过振动分析实行状态监控输入速度、齿轮比和轴承组件数量等参数与机器的振动模式分析密切相关。

一般来说，齿轮箱造成的振动在频域反映为轴速的倍数，而轴承的特征频率一般来说不代表谐波分量。此外，一般来说还不会检测湍流和气蚀造成的振动。它们一般来说与风扇和泵中的气流和/或液流有关，因此，一般被视作随机振动。

它们一般来说呈圆形静止状态，从统计资料特性来看，并不不存在差异。但是，随机振动也具备循环平稳性，因此也具备统计资料特性。它们由机器产生并再次发生周期性变化，这与内燃机每个气缸每个周期点燃一次的情形类似于。

传感器方向也至关重要。如果使用单轴传感器来测量主要线性振动，则必需按照振动方向来调整传感器。

也可用于多轴传感器记录所有方向的振动，但是基于其物理特性，使用单轴传感器的噪声更加较低、测量范围更加甚广，比特率也更大。

本文来源：94开元官方网站登录-www.mosaicaservices.com