选择最优预测性维护传感器保障资产健康可靠

基于状态监测（CbM）用传感器追踪设备健康，预测性维护（PdM）结合CbM、机器学习、分析预测故障。选择正确传感器对在停机前检测、诊断、预测故障至关重要。

工业电机设计寿命20年连续运行于工厂电站，却许多未达预期寿命¹。原因包括低负荷使用、维护不足或缺PdM系统。良好实施PdM计划主动安排维修，防止非计划停机、延长资产寿命。

稳健PdM策略采用多技术多传感器早期高置信度捕获故障——无通用"单一传感器适配所有"。本文解释传感器在PdM中不可或缺，阐述各自优势局限。

系统故障时间线

图1展示电机生命周期——从安装到故障——及各阶段推荐传感器。保修期后维护从频繁检查转为定期检查。

图1：机器健康度随时间变化。（来源：Analog Devices）

非计划停机常发生在两次定期检查间故障发展时。关键是能早期标记问题的传感器——本文聚焦振动和声学方案，振动分析通常为PdM起点²。

预测性维护传感器

某些传感器比其他更早检测特定故障如轴承损坏。加速度计和麦克风是早期故障检测最广泛使用。表1列出传感器规格及可揭示故障。PdM系统通常部署这些传感器子集，理解各故障类型及最佳捕获传感器至关重要。

表1. CbM常用传感器（来源：Analog Devices） 点击查看大图

传感器与系统故障考量

超90%工业旋转机械依赖滚动轴承³。图2显示电机组件故障分布，凸显轴承监测重要性。振动传感器须提供低噪声和宽带宽以检测、诊断、预测潜在故障。

图2. 电机故障组件发生百分比分布⁴。（来源：Analog Devices）

表2详述旋转机器常见故障及早期检测振动传感器要求。高性能传感器对可靠运行关键。

表2. 机器故障与振动传感器考量简述（来源：Analog Devices） 点击查看大图

振动能量（峰值、峰峰值、均方根）揭示不平衡或错位⁵。早期故障如轴承或齿轮缺陷常需低噪声（<100 µg/√Hz）和宽带宽（>5 kHz）传感器配合先进信号处理。

PdM用振动、声学、超声传感器

MEMS麦克风将MEMS元件嵌入PCB，典型金属外壳带声压端口。成本效益高、紧凑，适合电池供电监测轴承健康、齿轮啮合、泵汽蚀、错位、不平衡。但嘈杂恶劣环境中，环境噪声、湿度、机械冲击可能降低性能。

许多MEMS数据手册列良性应用（手机、笔记本、游戏），也注明对冲击敏感——部分宣称10,000g生存能力⁷。极端环境适用性清晰度仍有限。

MEMS超声麦克风分析20-100 kHz声音，环境噪声极小。高频产生短波长（0.3-1.6 cm）和更定向能量，助轴承或外壳精确故障定位。

加速度计主导大型旋转设备（涡轮、泵、电机、齿轮箱）振动感测。表3和表4对比高性能MEMS振动/声学传感器与行业金标准压电加速度计。

CbM市场未来五年预计显著增长，无线部署驱动大部分扩张⁶。压电加速度计虽高性能但体积大、功耗高，使MEMS加速度计和麦克风对电池供电PdM系统更具吸引力。

所有传感器类型提供足够带宽和低噪声，但MEMS加速度计独特提供DC至高频响应，有利低速不平衡检测和倾角感测。也具自检功能，确保功能完整性——关键安全优势。

MEMS加速度计（陶瓷）和压电加速度计（机械）均可密封，适用脏污恶劣环境。表4突显机械环境性能差异，指导传感器-资产匹配。

表3. 预测性维护传感器性能规格（来源：Analog Devices） 点击查看大图

表4. 预测性维护传感器机械规格（来源：Analog Devices） 点击查看大图

三轴振动数据提供更丰富诊断，改善故障检测超单轴设置——压电和MEMS加速度计共同优势。

MEMS麦克风高湿环境可达-8 dB失真⁷。此条件下驻极体电容麦克风（ECM）可能表现更好。其他环境因素——风、压力、电磁场、冲击——也影响声学传感器⁸。

良性环境下MEMS麦克风提供优秀PdM性能。但恶劣、振动、粉尘、潮湿环境安装挑战大；需声学端口暴露内部电子于污染物。

电容式MEMS加速度计技术近期进展现实现小型、低成本、无线CbM方案用于低优先级资产，提供更深设施运行和正常运行时间洞察。这些MEMS传感器逼近有线系统压电性能，具低噪声、宽带宽、行业标准IEPE接口。

图3. MEMS加速度计、IEPE参考、PCB设计允许ADXL100x系列CbM加速度计改装于IEPE机械模块。注：Analog Devices不生产IEPE机械模块。（来源：Analog Devices）

专用PdM模块如Analog Devices ADcmXL3021集成三单轴MEMS加速度计、ADC、处理器、内存、算法于机械封装，谐振频率>50 kHz。支持节点FFT、报警触发、统计输出，为基于机器学习故障预测提供关键数据。

图4. 集成ADC、处理器、FFT、统计的三轴MEMS CbM模块，机械封装谐振频率>50 kHz。（来源：Analog Devices）

选择正确振动传感器取决于匹配传感器能力与资产可能故障模式。MEMS麦克风尚未证明能可靠检测最恶劣环境所有振动基础故障，而加速度计有数十年可靠记录。MEMS超声麦克风在早期轴承故障检测显示前景，可补充加速度计形成混合PdM方案。

虽无单一传感器适配所有场景，加速度计仍是经验证、演进选择。Analog Devices提供广泛MEMS加速度计组合——从低功耗、低噪声、高稳定单元到智能边缘节点模块——满足多样应用需求。

参考文献

1 Leslie Langnau. "Sensors Help You Get Maximum Use from Your Motors." Machine Design, September 2000.

2 Bram Corne等. "Comparing MCSA with Vibration Analysis in Order to Detect Bearing Faults—A Case Study." 2015 IEEE IEMDC, IEEE, May 2015.

3 Brian P. Graney和Ken Starry. "Rolling Element Bearing Analysis." Materials Evaluation, Vol. 70, No. 1, ASNT, January 2012.

4 Pratyay Konar等. "Bearing Fault Detection of Induction Motor Using Wavelet and Neural Networks." IICAI 2009, Tumkur, India, December 2009.

5 Pete Sopcik和Dara O'Sullivan. "How Sensor Performance Enables Condition-Based Monitoring Solutions," Analog Dialogue, Vol. 53, June 2019.

6 Motor Monitoring Market by Offering... Global Forecast to 2023. Research and Markets, February 2019.

7 Pradeep Lall等. "Effects of Sustained Exposure to Temperature and Humidity on the Reliability and Performance of MEMS Microphone." ASME 2017.

8 Marcel Janda等. Induction Motors: Modelling and Control. InTech, November 2012.

9 Muhammad Ali Shah等. "Design Approaches of MEMS Microphones for Enhanced Performance." Journal of Sensors, Vol. 1, March 2019.