【導讀】基于狀態(tài)的監(jiān)控(CbM)涉及使用傳感器來測量當前的健康狀態(tài)，以監(jiān)測機器或資產(chǎn)。預測性維護(PdM)涉及使用CbM、機器學習和分析等的技術(shù)組合來預測即將發(fā)生的機器或資產(chǎn)故障。在監(jiān)測機器的健康狀況時，需選擇最合適的傳感器，以確保能夠檢測、診斷甚至預測故障，這點至關(guān)重要。目前有許多傳感器被用于檢測旋轉(zhuǎn)機器及其負載中的故障，從而避免意外停機。
基于狀態(tài)的監(jiān)控(CbM)涉及使用傳感器來測量當前的健康狀態(tài)，以監(jiān)測機器或資產(chǎn)。預測性維護(PdM)涉及使用CbM、機器學習和分析等的技術(shù)組合來預測即將發(fā)生的機器或資產(chǎn)故障。在監(jiān)測機器的健康狀況時，需選擇最合適的傳感器，以確保能夠檢測、診斷甚至預測故障，這點至關(guān)重要。目前有許多傳感器被用于檢測旋轉(zhuǎn)機器及其負載中的故障，從而避免意外停機。由于許多旋轉(zhuǎn)機器(電機、齒輪、泵和渦輪機)以及非旋轉(zhuǎn)機器(閥門、斷路器和電纜)監(jiān)控都用到了PdM技術(shù)，所以很難對每個傳感器進行排序。
許多工業(yè)電機被設計為可以在連續(xù)生產(chǎn)應用中運行20年，例如化學/食品加工廠和發(fā)電設施，但有些電機無法達到預期的使用壽命。1 這可能是由于電機運行量不足、維護程序的數(shù)量不足、缺乏對PdM系統(tǒng)的投資，或者根本沒有PdM系統(tǒng)。PdM使維護團隊能夠安排維修時間，避免造成意外停機。通過PdM提早預測機器故障也可以幫助維護工程師確認和修復運行效率低下的電機，從而提高性能、生產(chǎn)力、資產(chǎn)可用性和使用壽命。
最佳的PdM策略是：有效利用盡可能多的技術(shù)和傳感器來提早檢測故障，且檢測結(jié)果高度可信，如此則無需使用一刀切式的傳感器解決方案。本文嘗試闡明為什么預測性維護傳感器對于提早檢測PdM應用中的故障至關(guān)重要，以及它們有哪些優(yōu)缺點。
系統(tǒng)故障時間線
圖1顯示了從安裝新電機到電機發(fā)生故障期間發(fā)生的事件的時間表，以及推薦使用的預測性維護傳感器類型。安裝新電機時，電機提供保修。幾年后，保修期將滿，此時會更加頻繁地執(zhí)行手動檢查。
圖1. 機器健康狀況與時間。
如果故障發(fā)生在兩次定期維護檢查之間，則很可能導致意外停機。在這種情況下，至關(guān)重要的是使用合適的預測性維護傳感器來盡可能提早檢測潛在故障，所以，本文將著重介紹振動和聲學傳感器。振動分析通常被認為是使用PdM的最佳起點。
預測性維護傳感器
有些傳感器能夠比其他傳感器更早地檢測某些故障，例如軸承損壞，如圖1所示。在這一節(jié)中，我們將討論常用于盡可能提早檢測故障的傳感器，一般是加速度計和麥克風。表1顯示傳感器規(guī)格列表，以及它們可以檢測到的一些故障。大多數(shù)PdM系統(tǒng)只使用其中一些傳感器，因此必須確保除了使用合適的傳感器來檢測這些潛在的關(guān)鍵故障之外，還要深入了解這些故障。
傳感器和系統(tǒng)故障注意事項
工業(yè)和商業(yè)應用中超過90%的旋轉(zhuǎn)機器都使用滾動軸承。3電機的故障部件分布如圖2所示，從中可以清楚看到，在選擇PdM傳感器時，需要特別關(guān)注軸承監(jiān)測。為了檢測、診斷和預測潛在故障，振動傳感器必須具有低噪聲和寬帶寬。
圖2. 電機部件出現(xiàn)故障的百分率。
表2顯示與旋轉(zhuǎn)機器相關(guān)的部分常見故障，以及一些用于PdM應用的相應振動傳感器要求。為了盡早發(fā)現(xiàn)故障，PdM系統(tǒng)通常需要使用高性能傳感器。資產(chǎn)中使用的預測性維護傳感器的性能水平與在整個流程中持續(xù)可靠運行的資產(chǎn)的重要性相關(guān)，而不是與資產(chǎn)本身的成本相關(guān)。
根據(jù)電機振動或移動(峰值、峰峰值和rms)期間的能量，我們可以確定機器是否不平衡或未對準等。有些故障(例如軸承或齒輪缺陷)不是很明顯，特別是在早期，不能單單通過增加振動頻率來識別或預測。解決這些故障通常需要將具備低噪聲(<100 µg/√Hz)和寬帶寬(>5kHz)的高性能預測性維護振動傳感器與高性能信號鏈、處理、收發(fā)器和后處理器配對。
免責聲明：本文為轉(zhuǎn)載文章，轉(zhuǎn)載此文目的在于傳遞更多信息，版權(quán)歸原作者所有。本文所用視頻、圖片、文字如涉及作品版權(quán)問題，請電話或者郵箱聯(lián)系小編進行侵刪。
