状态监测传感器和系统故障注意事项

状态监测是一种重要的技术手段，用于确保机械设备或系统的长期稳定运行。其工作原理基于对目标对象连续不断的监控，以及从该过程中获取到的信息进行分析判断。

首先，在实施状态监测之前，需要确定哪些指标对于评价设备的状态最为关键。这通常包括但不限于温度、压力、振动水平等物理量。选定好监测项目后，会在相应位置安装传感器或其他类型的数据采集装置。这些装置能够以高精度捕捉所需信息，并将其转化为数字信号以便进一步处理。

接下来，通过有线或者无线的方式将采集到的数据发送给中央控制系统。这里使用了先进的通信协议保证数据传输过程中的安全与准确。一旦数据到达服务器端，就会启动一系列复杂的算法对其进行分析。数据分析的目的在于识别出任何可能指示即将发生故障的趋势或模式。例如，如果一台机器的振动幅度突然增加，则可能是内部零件磨损严重的表现;而异常高温则往往意味着冷却系统存在故障。

当发现潜在问题时，状态监测系统会立即发出警报，提醒相关人员及时介入调查并解决问题。此外，根据历史记录及当前状况，系统还可以预测未来一段时间内可能出现的问题及其可能性大小，帮助企业做出更加合理的维修计划安排。这种基于状态监测的主动式维护策略相比于传统定期检修方式具有明显优势：不仅可以减少不必要的停机时间，还能有效延长设备使用寿命。

总之，状态监测技术通过持续跟踪重要性能参数的变化情况，为用户提供了一种科学有效的健康管理方案。随着物联网技术和大数据分析能力的不断提升，状态监测的应用范围将进一步扩大，成为推动各行业向智能化转型的重要力量。

‌数据处理与分析技术‌：获得的数据需要经过处理和分析，以提取出有用的信息和特征。常见的数据处理和分析方法有滤波、降噪、特征提取、故障诊断等。滤波能够去除数据中的噪声和干扰，保留有效的信息。降噪则是通过信号处理方法，进一步减少数据中的无用信息，提高信号的可靠性和准确性。特征提取是将原始数据中的有用特征提取出来，常用的方法有傅里叶变换、小波变换、时频分析等。故障诊断则是通过分析数据中的异常，判断对象或系统是否存在故障并定位故障原因‌1。

‌数据显示与监控技术‌：数据显示和监控是状态监测结果的可视化和管理。通过合适的图表和界面，可以直观地展示对象或系统的状态信息和变化趋势。数据监控则是实时地对监测数据进行分析和判断，当发现异常情况时，能够及时报警或采取相应措施。数据显示和监控不仅能够方便用户理解和管理数据，也能够帮助他们迅速反应和处理对象或系统的状态变化‌1。

‌通信与数据分析‌：在实施状态监测之前，需要确定哪些指标对于评价设备的状态最为关键。这些指标通常包括温度、压力、振动水平等物理量。选定好监测项目后，会在相应位置安装传感器或其他类型的数据采集装置。这些装置能够以高精度捕捉所需信息，并将其转化为数字信号以便进一步处理。通过有线或无线的方式将采集到的数据发送给中央控制系统，使用先进的通信协议保证数据传输过程中的安全与准确。一旦数据到达服务器端，就会启动一系列复杂的算法对其进行分析，识别出任何可能指示即将发生故障的趋势或模式‌2。

‌人工智能与机器学习‌：随着技术的发展，人工智能和机器学习被引入状态监测中，使得系统能够自主学习和识别设备的正常工作模式，及时发现偏离正常模式的信号，从而预测并警告潜在的设备故障。这种智能化的发展使得状态监测更加精准和高效‌3。

在振动检测中，轴承缺陷和齿轮缺陷都需要振动传感器的噪声控制在100 µg/√Hz以下，同时带宽需要在5kHz以上，否则就无法感知在轴承和齿轮上出现的故障，而且轴承缺陷检测会额外要求更高的传感器g值范围。因为这种故障开始出现并不是很明显，尤其是在早期，很难单单通过增加振动频率来识别，必须将具备低噪声和宽带宽的振动传感器与高性能信号链、处理、收发器和后处理器配对来进行完全的监控。

100 µg/√Hz以上的中等噪声要求适用于不平衡以及为电机未对准的检测，这类故障检测对带宽的要求达到5×至10×基频即可。不平衡以及为电机未对准可能出现的故障会额外要求传感器能进行多轴检测，其中不平衡的故障会需要振动传感器对转动缓慢的机器做出低频响应。

如何设计小型PoDL电路?

耦合电感和串联电容，这些是PoDL工作所需的基本元件。此外，还需使用其他元件以确保鲁棒性和容错性。

由于PoDL耦合电感属于非理想元件，因此会发生一定程度的差模至共模转换。这种共模噪声会降低信号质量。将共模扼流圈连接到靠近电缆连接器的位置有助于减轻这种非理想特性，并保护设计免受电缆共模噪声的影响。还需要检查共模扼流圈载流量和DCR，确保其能够为传感器提供足够的功率。

为防止极性电缆安装错误(例如，将PSE PHY的24 VDC错接到PD PHY的0 VDC)，建议使用桥式整流二极管。为了确保EMC鲁棒性，需使用工作电压大于24 VDC的TVS二极管。如果传感器硬件设计体积较大，还可以使用其他EMC元件(例如，在信号线上配置高压电容)。

最佳的PdM策略是：有效利用尽可能多的技术和传感器来提早检测故障，且检测结果高度可信，如此则无需使用一刀切式的传感器解决方案。本文尝试阐明为什么预测性维护传感器对于提早检测PdM应用中的故障至关重要，以及它们有哪些优缺点。

系统故障时间线

图1显示了从安装新电机到电机发生故障期间发生的事件的时间表，以及推荐使用的预测性维护传感器类型。安装新电机时，电机提供保修。几年后，保修期将满，此时会更加频繁地执行手动检查。

预测性维护传感器

有些传感器能够比其他传感器更早地检测某些故障，例如轴承损坏，如图1所示。在这一节中，我们将讨论常用于尽可能提早检测故障的传感器，一般是加速度计和麦克风。表1显示传感器规格列表，以及它们可以检测到的一些故障。大多数PdM系统只使用其中一些传感器，因此必须确保除了使用合适的传感器来检测这些潜在的关键故障之外，还要深入了解这些故障。

传感器和系统故障注意事项

工业和商业应用中超过90%的旋转机器都使用滚动轴承。3电机的故障部件分布如图2所示，从中可以清楚看到，在选择PdM传感器时，需要特别关注轴承监测。为了检测、诊断和预测潜在故障，振动传感器必须具有低噪声和宽带宽。

图2. 电机部件出现故障的百分率。4

表2显示与旋转机器相关的部分常见故障，以及一些用于PdM应用的相应振动传感器要求。为了尽早发现故障，PdM系统通常需要使用高性能传感器。资产中使用的预测性维护传感器的性能水平与在整个流程中持续可靠运行的资产的重要性相关，而不是与资产本身的成本相关。

根据电机振动或移动(峰值、峰峰值和rms)期间的能量，我们可以确定机器是否不平衡或未对准等。有些故障(例如轴承或齿轮缺陷)不是很明显，特别是在早期，不能单单通过增加振动频率来识别或预测。解决这些故障通常需要将具备低噪声(<100 µg/√Hz)和宽带宽(>5kHz)的高性能预测性维护振动传感器与高性能信号链、处理、收发器和后处理器配对。

基于状态的监控(CbM)涉及使用传感器来测量当前的健康状态，以监测机器或资产。预测性维护(PdM)涉及使用CbM、机器学习和分析等的技术组合来预测即将发生的机器或资产故障。在监测机器的健康状况时，需选择最合适的传感器，以确保能够检测、诊断甚至预测故障，这点至关重要。目前有许多传感器被用于检测旋转机器及其负载中的故障，从而避免意外停机。由于许多旋转机器(电机、齿轮、泵和涡轮机)以及非旋转机器(阀门、断路器和电缆)监控都用到了PdM技术，所以很难对每个传感器进行排序。