对未来维修传感器的要求:用于状态监测的智能传感器

selina的头像
selina 发布于:周五, 01/04/2019 - 09:58 ,关键词:

改善状态监测和诊断以及整体系统优化是当今使用机械设施和技术系统的一些核心挑战。该主题不仅在工业领域,而且在任何使用机器的地方都发挥着越来越大的作用。过去根据计划进行维修的机器,以及延迟维护意味着生产停机的风险。今天,来自机器的过程数据用于预测剩余的使用寿命。记录特别关键的参数,如温度,噪音和振动,以帮助确定最佳运行状态甚至必要的维护时间。这允许避免不必要的磨损并且可能在早期检测到可能的故障及其原因。在这种监测的帮助下,在设施可用性和有效性方面产生了相当大的优化潜力,带来了决定性的优势。例如,有了它,ABB1 可以将停机时间减少多达70%,将电机使用寿命延长30%,并在一年内将其设备的能耗降低多达10%。

这种预测性维护(PM)的主要元素,如技术术语所知,是基于状态的监测(CBM),通常是旋转机器,如涡轮机,风扇,泵和电动机。使用CBM,可以实时记录有关运行状态的信息。但是,没有做出关于可能的故障或磨损的预测。它们只是通过PM来实现,从而标志着一个转折点:借助更智能的传感器和更强大的通信网络和计算平台,可以创建模型,检测变化并对服务寿命进行详细计算。

要创建有意义的模型,有必要分析振动,温度,电流和磁场。现代有线和无线通信方法已经允许工厂或公司范围内的设施监控。通过基于云的系统产生额外的分析可能性,以便操作员和服务技术人员可以以简单的方式访问提供有关机器状况的信息的数据。然而,机器上的本地智能传感器和通信基础设施是所有这些额外分析可能性的基础所必不可少的。这些传感器应该如何看待,对它们施加哪些要求,以及关键特性是什么 - 本文将考虑这些和其他问题。

机器生命周期的表示

状态监测中最基本的问题可能是:在维护变得必要之前,我可以让机器运行多长时间?

一般来说,从逻辑上讲,越早进行维护就越好。但是,为了优化运行和维护成本或完全实现最大设施效率,需要熟悉机器属性的专家的知识。在电机分析中,这些专家主要来自轴承/润滑领域,经验表明这是最薄弱的环节。专家们最终决定相对于实际生命周期(参见图1)偏离正常状态是否应该导致修复甚至更换。

图1.机器的生命周期。

因此,仍未使用的机器最初处于所谓的保修阶段。可能无法排除生命周期早期阶段的失败,但这种情况相对较少,通常可以追溯到生产故障。只有在间隔维护的后续阶段才能开始由经过适当培训的服务人员进行有针对性的干预。它们包括在特定时间或在指定的使用时间之后独立于机器状况执行的例行维护,例如换油时的情况。这里间隔之间的失败概率也很低。随着机器寿命的增加,达到了状态监测阶段。从这一点开始,应该预期出现故障。图1显示了以下六个变化,从超声波范围内的变化水平开始(1),然后是振动(2)。通过润滑剂(3)的分析或通过温度的轻微升高(4),可以在以可感知的噪声(5)或热量产生(6)的形式发生实际故障之前检测到未决故障的第一迹象。振动通常用于识别老化。三台相同机器在其生命周期内的振动模式如图2所示。在初始阶段,所有机器都处于正常范围内。然而,从中年开始,振动根据负载或多或少地快速增加,然后指数地增加到寿命结束时的临界范围。一旦机器达到临界范围,就必须立即做出反应。通过润滑剂(3)的分析或通过温度的轻微升高(4),可以在以可感知的噪声(5)或热量产生(6)的形式发生实际故障之前检测到未决故障的第一迹象。振动通常用于识别老化。三台相同机器在其生命周期内的振动模式如图2所示。在初始阶段,所有机器都处于正常范围内。然而,从中年开始,振动根据负载或多或少地快速增加,然后指数地增加到寿命结束时的临界范围。一旦机器达到临界范围,就必须立即做出反应。通过润滑剂(3)的分析或通过温度的轻微升高(4),可以在以可感知的噪声(5)或热量产生(6)的形式发生实际故障之前检测到未决故障的第一迹象。振动通常用于识别老化。三台相同机器在其生命周期内的振动模式如图2所示。在初始阶段,所有机器都处于正常范围内。然而,从中年开始,振动根据负载或多或少地快速增加,然后指数地增加到寿命结束时的临界范围。一旦机器达到临界范围,就必须立即做出反应。振动通常用于识别老化。三台相同机器在其生命周期内的振动模式如图2所示。在初始阶段,所有机器都处于正常范围内。然而,从中年开始,振动根据负载或多或少地快速增加,然后指数地增加到寿命结束时的临界范围。一旦机器达到临界范围,就必须立即做出反应。振动通常用于识别老化。三台相同机器在其生命周期内的振动模式如图2所示。在初始阶段,所有机器都处于正常范围内。然而,从中年开始,振动根据负载或多或少地快速增加,然后指数地增加到寿命结束时的临界范围。一旦机器达到临界范围,就必须立即做出反应。

图2.振动参数随时间的变化。

CBM通过振动分析

诸如输出速度,齿轮比和轴承元件数量之类的参数对于分析机器振动模式是主要相关的。通常,由变速箱引起的振动在频域中被感知为轴速度的倍数,而轴承的特征频率通常不代表谐波分量。还经常检测到由于湍流和空化引起的振动。它们通常与风扇和泵中的空气和/或液体流连接,因此倾向于被认为是随机振动。它们通常是静止的,并且它们的统计特性没有变化。然而,随机振动也可以是循环平稳的,因此具有统计特性。它们由机器生成并定期变化,

传感器方向也起着关键作用。如果通过单轴传感器测量主要线性振动,则必须根据振动方向调整传感器。还有多轴传感器可以记录所有方向的振动,但单轴传感器由于其物理特性,噪声更低,力测量范围更大,带宽更大。

对振动传感器的要求

为了能够广泛使用振动传感器进行状态监测,有两个因素非常重要:低成本和小尺寸。在以前经常使用压电传感器的地方,如今越来越多地使用基于MEMS的加速度计。它们具有更高的分辨率,出色的漂移和灵敏度特性以及更好的信噪比,并且能够检测几乎低至直流范围的极低频振动。它们还非常省电,这也是电池供电无线监控系统的理想选择。与压电传感器相比的另一个优点是可以将整个系统集成在一个外壳(系统级封装)中。这些所谓的SiP解决方案正在通过整合其他重要功能而不断发展,形成智能系统:

集成的保护功能很重要,因为作用在传感器元件上的过大的力通常会导致传感器损坏甚至破坏。通过关闭其内部时钟并因此保护传感器元件,对可能的超范围的集成检测提供警告或停用陀螺仪中的传感器元件。SiP解决方案如图3所示。

图3.封装的MEMS系统(左侧)。

随着CBM领域的需求增加,对传感器的需求也在增加。对于有用的CBM,有关传感器测量范围(满量程范围或简称FSR)的要求已经部分大于±50 g。

因为加速度与频率的平方成比例,所以这些高加速力相对较快地达到。公式1证明了这一点:

变量a代表加速度,f代表频率,d代表振动幅度。因此,例如,对于1千赫振动,1μm的振幅已经产生的39.5加速度克。

关于噪声性能,这应该在尽可能宽的频率范围内,从近直流到中间两位数kHz范围内非常低,因此除了其他伪像之外,还可以在非常低的速度下检测到轴承噪声。然而正是在这里,振动传感器的制造商目前面临着巨大的挑战,特别是对于多轴传感器。只有少数制造商提供足够的低噪声传感器,带宽大于2 kHz,适用于多个轴。ADI公司(ADI)开发了ADXL356 / ADXL357 三轴传感器系列,尤其适用于CBM应用。它具有非常好的噪音性能和出色的温度稳定性。尽管它们的带宽有限为1.5 kHz(谐振频率= 5.5 kHz),但这些加速度计仍可在低速设备(如风力涡轮机)的状态监测中提供重要读数。

ADXL100x系列中的单轴传感器适用于更高带宽。它们在极低的噪声水平下提供高达24 kHz(谐振频率= 45 kHz)的带宽和高达±100 g的g范围。由于带宽高,可以使用该传感器系列检测旋转机器中发生的大多数故障(滑动轴承损坏,不平衡,摩擦,松动,齿轮缺陷,轴承磨损和气蚀)。

基于状态监测的可能分析方法

CBM中的机器状态分析可以使用各种方法完成。最常见的方法可能是时域分析,频域分析以及两者的混合。

1.基于时间的分析

在时域振动分析中,考虑有效值(均方根或简称有效值),峰 - 峰值和振动幅度(见图4)。

图4.谐波振动信号的幅度,有效值和峰峰值。

峰 - 峰值反映了电机轴的最大偏转,因此可以得出关于其最大负载的结论。相反,幅度值描述了发生振动的幅度并识别异常冲击事件。然而,不考虑振动事件期间的持续时间或能量以及因此的破坏能力。因此,有效值通常是最有意义的,因为它同时考虑了振动时间历史和振动幅度值。通过所有这些参数对电动机速度的依赖性,可以获得均方根振动的统计阈值的相关性。

这种类型的分析证明非常简单,因为它既不需要基本的系统知识,也不需要任何类型的光谱分析。

2.基于频率的分析

利用基于频率的分析,通过快速傅里叶变换(FFT)将时间上变化的振动信号分解成其频率分量。得到的幅度与频率的频谱图可以监测特定的频率成分及其谐波和边带,如图5所示。

图5.振动与频率的频谱图。

FFT是一种用于振动分析的普遍方法,尤其适用于检测轴承损坏。有了它,可以为每个频率分量分配相应的组件。通过FFT,可以滤除由滚动元件和缺陷区域之间的接触引起的某些故障的重复脉冲的主频率。由于它们的频率成分不同,可以区分不同类型的轴承损坏(外圈,内圈或滚珠轴承的损坏)。但是,为此需要有关轴承,电机和整个系统的精确信息。

另外,FFT过程要求在微控制器中重复记录和处理振动的离散时间块。虽然这需要比基于时间的分析稍微更多的计算能力,但它会导致更详细的损坏分析。

3.基于时间和频率的分析的组合

这种类型的分析是最全面的,因为它结合了两种方法的优点。时域中的统计分析提供了关于系统随时间的振动强度的信息,同时提供了它是否在允许范围内的信息。基于频率的分析能够以基频的形式监控速度,以及精确识别故障症状所需的其他谐波分量。

基频的跟踪尤其具有决定性,因为有效值和其他统计参数随速度而变化。如果统计参数与上次测量值发生显着变化,则必须检查基频,以避免可能的误报警。

随着时间的推移,各个测量值的变化对于所有三种分析方法是共同的。用于监视系统的可能方法可以包括首先记录健康状况,或者生成所谓的指纹。然后将其与不断记录的数据进行比较。在过度偏差或超过相应阈值的情况下,反应是必要的。如图6所示,可能的反应可能是警告(2)或警报(4)。根据严重程度,偏差也可能需要服务人员立即进行干预。

图6. FFT的阈值和反应。

CBM磁场分析

由于集成磁力计的快速发展,对电动机周围的杂散磁场的测量代表了另一种有希望的旋转机器状态监测方法。测量是非接触的; 也就是说,机器和传感器之间不需要直接连接。与振动传感器一样,磁场传感器有单轴和多轴版本。

对于故障检测,应在轴向(平行于电机轴)和径向(与电机轴成直角)测量杂散磁场。径向磁场通常被定子铁芯和电机壳体削弱。同时,它受到气隙中磁通量的显着影响。轴向磁场由鼠笼式转子中的电流和定子的端部绕组产生。磁力计的位置和方向对于测量两个场都是决定性的。因此,建议选择靠近轴或电机壳体的合适位置。由于磁场强度与温度直接相关,因此绝对有必要同时测量温度。因此,在大多数情况下,今天的磁场传感器包含集成的温度传感器。还应该忘记校准传感器以补偿其温度漂移。

与用于振动测量的情况一样,FFT用于基于磁场的电动机状态监测。然而,为了评估电动机状况,即使在几Hz到约120Hz范围内的低频也是足够的。线路频率明显突出,而低频分量的频谱在存在故障时占主导地位。

在鼠笼式转子中转子条损坏的情况下,滑移值也起决定性作用。它与负载有关,理想情况下在空载时为0%。在额定负载下,健康机器的额定负载在1%到5%之间,并在发生故障时相应增加。因此,对于CBM,应在相同的负载条件下进行测量,以消除负载依赖性的影响

预测性维护的现状

无论条件监控的类型如何,即使采用最智能的监控概念,也不能100%保证不会出现意外停机,故障或安全风险。这些风险只能减少。然而,越来越多的PM正在成为工业界的一个关键话题。它被视为未来生产设施可持续成功的明确先决条件。然而,为此,需要创新和快速发展 - 其技术必须部分确定。赤字主要存在于客户利益和成本的比较中。

然而,许多工业企业已经认识到PM作为成功因素的重要性,因此是未来业务的机会 - 而不仅仅是服务领域。尽管存在极大的挑战,特别是在数据分析领域,PM的技术可行性仍然很大。然而,PM目前正在机会主导地推动。预计未来的商业模式将主要由软件组件决定,硬件的增值份额将相继减少。总之,鉴于机器运行时间较长导致产量较高,今天对PM的硬件和软件的投资已经值得。

参考:

1 “ ABB Ability Smart SensorjetztfürdeneuropäischenMarktverfügbar ”。ABB,2017年4月。

作者:托马斯布兰德

托马斯·布兰德于2015年10月在慕尼黑的ADI公司开始了他的职业生涯,作为他的硕士论文的一部分。从2016年5月到2017年1月,他参加了ADI公司现场应用工程师的培训计划。之后于2017年2月,他担任现场应用工程师。在这个职位上,他主要负责大型工业客户。此外,他还专注于工业以太网的主题领域,并支持中欧的适当事务。

他在莫斯巴赫的合作教育大学学习电气工程,之后在康斯坦茨大学应用科学大学完成国际销售研究生课程。

围观 5
98