（來源(yuán)：智能(néng)制造趨勢(shì)）

在某(mǒu)個烘絲(sī)機(jī)項目實施的過程中(zhōng)，需(xū)要(yào)增加振動(dòng)傳感器用(yòng)于檢(jiǎn)測、分析(xī)設(shè)備是(shì)否存在(zài)故障或(huò)可能在未(wèi)來的某(mǒu)個(gè)時間會發(fā)生故(gù)障的(de)可能(néng)性，即故障(zhàng)預測。對振動(dòng)監(jiān)測技術産生了一定興趣(qù)，作了一些(xiē)深度(dù)的(de)了解。

最(zuì)早期的傳(chuán)統工(gōng)業設備運(yùn)維，常(cháng)常采(cǎi)用人(rén)工巡(xún)檢(jiǎn)。手摸、耳聽，經(jīng)驗豐富的檢修(xiū)師傅可以(yǐ)經由(yóu)聽音棒、壓力儀(yí)表等工具的輔(fǔ)助對設(shè)備運行(háng)情況(kuàng)進行判斷。後來，電(diàn)子檢測輔助(zhù)工具如筆(bǐ)式測(cè)振儀等，開(kāi)始廣泛應用在(zài)日常設備巡檢工作中，離線點(diǎn)檢成為(wéi)工(gōng)業維(wéi)護的(de)主(zhǔ)流(liú)方式。用戶對(duì)振(zhèn)動的(de)理解(jiě)不(bú)再(zài)局限(xiàn)于人(rén)工判(pàn)斷中簡單(dān)的“震(zhèn)感大、噪聲大、升(shēng)溫高(gāo)”，高頻振動監測(cè)數據的(de)挖掘在設備維護領域(yù)逐漸被人(rén)們熟知。高(gāo)科技(jì)手段的逐步普及，也(yě)為振(zhèn)動監測和故障診(zhěn)斷(duàn)提供(gòng)了更多可能性(xìng)。

振動是一種普(pǔ)遍存(cún)在的現象(xiàng)，對旋(xuán)轉類設備而言(yán)，絕大(dà)多數(shù)故障都與機械(xiè)運動或振動密(mì)切相(xiàng)關。一(yī)台設(shè)計合理、運(yùn)轉健(jiàn)康的機械(xiè)設備常規振動(dòng)烈度(dù)也較低，但(dàn)當其(qí)内部(bù)零(líng)部件發(fā)生磨損、錯位(wèi)、松(sōng)動、密(mì)封不嚴等細微(wēi)變化(huà)時，振(zhèn)動的(de)能(néng)量就會(huì)随(suí)之産生不同(tóng)的變化，因(yīn)此振動加劇(jù)是(shì)設備(bèi)即将發生故障(zhàng)的重要标(biāo)志之(zhī)一，也(yě)是設備運(yùn)維過程中判斷(duàn)設備運轉健康(kāng)與否(fǒu)的(de)重要條(tiáo)件之(zhī)一。

目(mù)前，随(suí)着物聯網(wǎng)和人工智(zhì)能技(jì)術的(de)不斷發展，許多制造、軌道交通(tōng)、電力(lì)、冶金(jīn)、石化等行業(yè)紛紛引(yǐn)入了智(zhì)能(néng)運維(wéi)系統(tǒng)，實現了設(shè)備在線監(jiān)測和分析，能夠(gòu)在設(shè)備(bèi)狀态變得異(yì)常時，向監測系統發(fā)出報警并(bìng)及時(shí)處(chù)理(lǐ)。智能運維系統(tǒng)大幅(fú)提高(gāo)了預測維(wéi)護和(hé)故障預(yù)警的準确性(xìng)和及(jí)時性，也(yě)避免了不必(bì)要的生産(chǎn)停機和人員傷(shāng)亡。

振動信(xìn)号分(fèn)析是智能(néng)運維系統(tǒng)中(zhōng)的一項(xiàng)關鍵技術(shù)，主要(yào)包括信号采集(jí)、信号處理、特征(zhēng)提取(qǔ)、故障(zhàng)判别和故障(zhàng)診(zhěn)斷等環節(jiē)。在這一系(xì)列環節中，借助(zhù)人工智能技術如深度學(xué)習、機(jī)器學習等方法(fǎ)，可以(yǐ)從複(fú)雜的振動信号(hào)中提(tí)取有意義(yì)的特(tè)征用(yòng)于診斷故(gù)障，預測設(shè)備壽(shòu)命，并(bìng)且可以形(xíng)成個性化(huà)的健(jiàn)康狀态監測(cè)模(mó)型，實現對(duì)不同(tóng)類型設備的精(jīng)準監測和管控(kòng)，為企業的設備(bèi)維護(hù)管理提供更加(jiā)高(gāo)效、安全(quán)的手段。工(gōng)業設備震(zhèn)動故障檢(jiǎn)測技術是一種常見的無損檢(jiǎn)測方法(fǎ)，可(kě)以用(yòng)于檢測(cè)工業設(shè)備的(de)震動(dòng)情況(kuàng)，包括(kuò)旋轉機械(xiè)、壓縮(suō)機(jī)、泵等。該(gāi)技術通過(guò)傳感(gǎn)器或(huò)振動檢測(cè)儀器來(lái)測量震(zhèn)動信号，并通過(guò)分析來(lái)确定設(shè)備的健康狀态(tài)。

振動傳(chuán)感器

通(tōng)常情況下，使用(yòng)振動傳(chuán)感器來(lái)測量(liàng)設備的加(jiā)速度(dù)，速度和位(wèi)移信号。傳感器(qì)将信(xìn)号發送給震動(dòng)檢測裝置(zhì)，通常包括一個信号采集(jí)器和(hé)一個(gè)信(xìn)号分析(xī)單元。信号(hào)采集(jí)器用于記錄傳(chuán)感器的(de)輸(shū)出，并将信号(hào)傳(chuán)輸到(dào)信号分(fèn)析單元(yuán)進行分析。

信号(hào)分析單元通常(cháng)包括一個數字(zì)信号處理器和一些(xiē)信号處理(lǐ)算法，用于從測(cè)量的(de)信号中提(tí)取有(yǒu)用(yòng)的(de)信息(xī)。這些信息可以(yǐ)用于确定(dìng)設備(bèi)的健(jiàn)康狀況，例如是(shì)否存(cún)在軸(zhóu)承損(sǔn)壞、偏心、不(bú)平衡或其他問(wèn)題。基(jī)于這些信(xìn)息，工(gōng)程(chéng)師(shī)可以(yǐ)采(cǎi)取适當的措(cuò)施來修(xiū)複設備(bèi)或預防潛在故(gù)障。總的來說，工(gōng)業設備震動故(gù)障檢(jiǎn)測技術是(shì)一種非常有效(xiào)的無損檢測方(fāng)法，可(kě)以降低設(shè)備故(gù)障(zhàng)率，提高生産效率，減少(shǎo)維護成(chéng)本(běn)和停機時(shí)間。除了震(zhèn)動故障(zhàng)檢(jiǎn)測技術外(wài)，還可以使(shǐ)用(yòng)預測性(xìng)維護(hù)（pdm）技術來進行(háng)工(gōng)業設備(bèi)震(zhèn)動故(gù)障預測。

預測性維護是一種基(jī)于(yú)設備曆史數(shù)據和分析(xī)方法來預測未(wèi)來故(gù)障發生的技術(shù)。對于(yú)工業設備(bèi)來說，可(kě)以(yǐ)通過(guò)監測(cè)設備的震(zhèn)動信号來對設(shè)備進行(háng)預測性(xìng)維護。

首先(xiān)，需要(yào)對設(shè)備進行連(lián)續監測(cè)，收(shōu)集(jí)震動信(xìn)号數(shù)據。然(rán)後，可以使(shǐ)用一(yī)些機器學習算法和模型來對(duì)這些(xiē)數據進行處理和分析，以預測設備(bèi)故障(zhàng)發生的概率和時間(jiān)。例如，可以(yǐ)使用神經(jīng)網絡(luò)模型或支(zhī)持向(xiàng)量機等算法來構建(jiàn)預測模型(xíng)，預測設(shè)備(bèi)的故(gù)障概率和時間(jiān)。這些模型(xíng)可以使用曆史數據(jù)進行訓練(liàn)，并不(bú)斷優(yōu)化和改進(jìn)。

一旦預測模型發現設備存在(zài)故障風險(xiǎn)，就可(kě)以通過(guò)提(tí)前安(ān)排維護和(hé)檢修(xiū)來避免(miǎn)設備(bèi)故障的發生。這種(zhǒng)方法(fǎ)可(kě)以大大(dà)降低設備故障(zhàng)率，提高運行效(xiào)率和生産效益，減少生産(chǎn)成本(běn)和損失(shī)。

振(zhèn)動圖(tú)譜示(shì)例

總的來(lái)說(shuō)，預測(cè)性(xìng)維護(hù)技術是一種非(fēi)常重要的技術，可以在震動故障檢測(cè)技術的基(jī)礎上，更加有(yǒu)效地預防設(shè)備(bèi)故障(zhàng)的發生。振(zhèn)動監測(cè)是(shì)指應(yīng)用振動傳(chuán)感器(qì)對機(jī)械(xiè)設備振(zhèn)動信号(hào)進行采(cǎi)集、處理，并(bìng)結合被監(jiān)測(cè)對(duì)象的曆史狀況，定位(wèi)故障(zhàng)點位、分析(xī)故障原因的一(yī)種預測性維護(hù)手段，具(jù)有診斷(duàn)直接(jiē)、監(jiān)測實時(shí)和(hé)故障類型覆(fù)蓋範(fàn)圍廣(guǎng)的特(tè)點。

機(jī)械故(gù)障分(fèn)類

可(kě)以理解為(wéi)振動(dòng)監測為機(jī)械設(shè)備提供了(le)一個反饋(kuì)記錄(lù)，它可以捕捉并(bìng)記錄設(shè)備的每(měi)一次(cì)微(wēi)小振動(dòng)數(shù)據。振動(dòng)診斷(duàn)的理論和(hé)測(cè)量(liàng)方法(fǎ)都已經較(jiào)為成熟(shú)，成為無(wú)損檢測技術中(zhōng)最為常見、便捷(jié)、有效的機械故障的診斷技術(shù)手段之一(yī)。

近年來，随(suí)着(zhe)芯(xīn)片技(jì)術及ai智能領域(yù)的快速發展，工(gōng)業設備智能化(huà)也在傳(chuán)統制造業遍(biàn)地(dì)開(kāi)花，智能振動傳感器(qì)的問世(shì)讓(ràng)振動數據得到(dào)了更(gèng)加深度、有效的(de)挖掘(jué)利用，原始振動(dòng)波形(xíng)數據(jù)的采集分析為(wéi)設備(bèi)的故障預(yù)測帶來(lái)更多信(xìn)息，讓(ràng)振動監測更為(wéi)精密。

振動(dòng)監測網絡拓(tuò)撲(pū)

振動監測的核(hé)心原理是(shì)通過分析(xī)振動圖譜來定位故障點(diǎn)位及原(yuán)因(yīn)。速(sù)度(dù)、加速度作(zuò)為振動的基礎要素，速度/加(jiā)速(sù)度頻譜圖(tú)、速(sù)度/加速(sù)度波形圖則(zé)是振動(dòng)分析(xī)的基(jī)礎圖譜。除此之(zhī)外，還(hái)有趨勢圖、包絡譜圖等用以輔助判斷(duàn)故(gù)障。下面我們來(lái)看一(yī)個(gè)軸承早(zǎo)期故障及潤滑(huá)不良(liáng)案例(lì)中的(de)實際圖(tú)譜彙總(zǒng), 以下(xià)列舉了一(yī)些振動圖譜：

常用圖譜(pǔ)

加速度包絡譜圖，常用(yòng)于軸(zhóu)承故(gù)障(zhàng)判(pàn)斷

上述圖譜可(kě)以看出(chū)，在故障(zhàng)發生早期，振動便會(huì)産生變化(huà)，依賴于采(cǎi)集(jí)振動數據的準确(què)性及完整性，再通過(guò)對(duì)圖譜的綜合分析，即可(kě)完成設備故障(zhàng)點位及原因的(de)判斷，故障超前(qián)預警(jǐng)也就(jiù)可以(yǐ)輕松實現了。先(xiān)進的設備預測(cè)性維護解決方案提供(gòng)商還會(huì)開發(fā)智能(néng)分析(xī)及診斷輔助工(gōng)具等，為(wéi)用(yòng)戶(hù)提供更加直(zhí)觀、便(biàn)捷的(de)振(zhèn)動監測體驗。

工業(yè)設備(bèi)智能運維(wéi)的舞(wǔ)台已(yǐ)經(jīng)随(suí)着人(rén)工智能化(huà)及芯(xīn)片技術(shù)的發展漸漸(jiàn)拉(lā)開帷幕(mù)，振動監測作為(wéi)一種技術手段(duàn)，其精準性及便(biàn)捷性(xìng)也(yě)在發生(shēng)着日新(xīn)月(yuè)異的(de)變化。無線技術(shù)、多軸振(zhèn)動(dòng)采(cǎi)集(jí)、高防(fáng)護等級、邊(biān)緣計算功能、私有化部署等等(děng)，用戶的(de)需(xū)求也(yě)在不斷升(shēng)級與(yǔ)更新，唯一(yī)不變的，是(shì)工業數智(zhì)化變革的決心(xīn)與方向(xiàng)。