面向 IIoT 的先进振动传感器：赋能预测性维护与资产可靠性

 

振动分析是不断演进的 IIoT 与预测性维护世界中的关键技术。

它可能是工业领域评估旋转资产健康、为组织提供恶化与迫在眉睫故障早期预警的首要技术。

它贯穿全生命周期推动高资产可用性。

究竟何方神圣？

振动基础

简单说，振动是资产或组件相对于静止位置的往复振荡或运动。

想象释放摆锤至最高点。

它将来回摆动，直到振动能量耗散殆尽，回归静止位置。

与您的资产唯一区别：振动仅在资产旋转能量停止时终止。主能源——通常是电机——必须停止，振动才会停止。

如此简单的振动现象，真能告诉您资产内部出了什么问题？

能！

测得的振动参数如振幅、RMS、周期，让您得以计算并洞察资产内部的机械、旋转、摩擦力。

来源：https://www.motioncontroltips.com/how-is-machine-vibration-defined/

资产内部的力产生振动，通常在轴承座测量。力源自资产内旋转元件：转子、齿轮、轴、轴承、叶轮等。

非所有力与振动都是坏事。

但当它们变坏时，我们用快速傅里叶变换 (FFT) 在时域和频域查看。

来源：https://www.motioncontroltips.com/how-are-fast-fourier-transforms-used-in-vibration-analysis/

 

在此我们能看到各频率分量的个别频率和幅值——以加速度或速度表示——并将其模式关联至特定资产故障。

能检测哪些故障？

振动分析可检测大量潜在故障，举几例：

• 轴承磨损
• 泵气蚀
• 资产间错位
• 齿轮磨损
• 资产基础结构裂纹
• 缺乏润滑
• 传动带磨损
• 共振

这些是否在您厂内造成过严重停机或烦恼？

我们打赌有过！

振动分析与 CBM 的收益众所周知：

• 更高资产可用性
• 产出增加
• 非计划停机减少
• 维护与全生命周期成本降低
• 人力资源优化
• 减少侵入式 PM（大修与组件更换）
• 改善维护规划排程
• 优化备件预测
• 为缺陷消除提供根因分析信息

振动分析是成熟的预测性维护技术，几乎用遍所有可想行业：油气、食品饮料、纸浆造纸、炼钢、汽车、采矿、航空、核能、化工等。

过程方面如何？

振动分析

状态监测过程直观，可分三步：检测、诊断、预后。逐一看：

检测——无论每四周人工采集一次，还是‘在线’系统按小时采集，数据均可趋势化。实质上趋势化的是轴承座振动严重度。

最佳实践：先为所有资产设定基线水平——前提是它们起始状态良好。

振动一旦突破预设报警阈值（如 mm/s 或 G），即需深入调查。ISO 10816 系列等国际标准可助您设定报警值。

诊断——核心问题：机器哪里出了问题？

虽在轴承座测量振动，但不等于缺陷激励源就是轴承故障。可能是多种原因。看看振动分析可检测的典型轴承磨损原因：

• 错位导致的轴承磨损
• 软脚导致的轴承磨损
• 不平衡导致的轴承磨损
• 松动导致的轴承磨损

如何找到它们？

前文展示了复杂振动信号在时域或频域查看。分析就在此进行。两域均含诊断常见设备故障的宝贵信息。时域显示振动严重度随时间变化，利于诊断轴承故障、气蚀、不平衡、拍频振动、齿轮齿损伤。频域显示构成复杂振动的个别频率，特别擅长诊断轴承故障、松动、不平衡、错位、皮带问题、缺乏润滑、软脚等。

预后——最难的问题：还能撑多久？

机器常复杂且呈复杂力学行为，无两台完全相同。

估算探测到缺陷后电机或泵还能撑多久极具挑战。但可基于振动趋势陡峭程度：振动严重度随时间上升多快？一旦探测到初期故障，可加密测量频次——尤其关键设备。若有过往失效数据或对特定设备 P-F（潜在失效-功能失效）曲线有良好理解，亦可估算剩余使用寿命。预后阶段虽难，但有良好数据与设备认知，可降低意外故障风险。

关键在于：将精力聚焦旋转设备常见问题。前述错位、轴承磨损、松动、不平衡最常见。别在罕见异域问题上浪费过多时间。

想象开车行驶数周，换挡加速时抖动渐烈。振动严重度升高。送修厂，师傅找常见问题：车轮不平衡、胎压低。不会拆变速箱找缺齿或偏心齿轮。

这正是状态监测精髓：聚焦常见问题，准确快速诊断。

无线振动传感器

振动传感器大变样。

笨重、有线、外供电、单轴加速度计正退出历史。现在更常见：无线、蓝牙、电池供电、三轴振动传感器。它们能做数据记录器，振动超阈值时‘唤醒’记录，内置 ISO 报警级，多能同步记录资产温度。

来源：https://www.machinesentry.com/products/hardware/msf-1

 

传统大型状态监测供应商正随工业 4.0 调整产品线与商业模式，许多新晋挑战者涌入，颠覆旧模式。

振动分析：前与后

我们知道状态监测——特别是振动分析——变了，对吧？

但看看实际怎么变的。

之前——人工为王。首先，因安全风险进入某些资产可能需办证。全球大多数工厂，这耗费 15-30 分钟。回办公室，技术员下载‘路线’到数据采集器。随即带着有线加速度器和数据采集器（通常很重！）巡厂。仅测高关键度设备，逐个轴承逐轴（X、Y、Z）测量。每台机器耗时 5-15 分钟。累得腿酸回办公室，上传数据到独立电脑的专有软件。数据只驻留那台电脑，仅有权限者可看。零云端。

但愿别忘签安全许可结案。

振动分析师再遍历海量数据、人工分析、更新 Excel 或 Word。完成后将建议和报告邮件发给维护规划员和主管。

然后祈祷好运！

4 周后重复此循环。（4 周一直是大多数振动分析师采集数据的默认周期。从未深思为何。）

但现在变了……

之后——全流程大幅自动化。

无需安全许可，极少甚至无需巡厂！

三轴无线振动传感器永久安装于资产（磁座、胶粘或螺栓），电池三年左右换一次。数据发送到本地网关，经厂区 Wi-Fi 上传云端软件，凡有登录权限者可全球随地访问。采集频率可配置，低至每 60 秒。

来源：https://www.pruftechnik.com/en-GB/Products-and-Services/Condition-Monitoring-Systems/Online-Condition-Monitoring/

 

仍可用蓝牙设备（平板/手机）手动从无线传感器读取数据。益处：技术员巡厂时可同步目视检查、拍照、记笔记。

传感器甚至可‘移动’临时挂别处排查。

报警级可设 ISO 标准或按资产个性化。报警触发时自动邮件预警关键干系人，提示潜在问题或需振动分析/根因分析。

得益于规模经济，可监测资产数远超传统模式，不限关键资产。

人工分析仍常见，但随工业 4.0 与 IIoT 数字化转型深入，预测性维护、机器学习、算法在分析中扮演更关键角色。

再看两类传感器简单分类：扫描型与筛查型。

扫描型传感器

较昂贵，适配企业关键资产。通常含自诊断与振动测量验证，具备智能度，大量数据处理。数据验证后发送时域频域信息至网关和云端软件进一步分析。通常不装在低关键度/公用设施资产上。常内置温度传感器，长期趋势温度与振动同步。

筛查型传感器

成本低得多，部署于低关键度/公用设施资产。但契合 IIoT 路径。常仅记录总振动值与峰值振动——即不传时域频域详情。数据传输量极低。关键在于：低成本让它们能覆盖更多常被忽视的资产——这些资产失效虽不致命，仍会造成产损、成本浪费、管理烦恼。

工作流是怎样的？

虽加速迈入数字化转型与 IIoT，振动监测工作流本质未变。变的是：减少不必要分析的时间浪费，成本大幅下降。今日典型工作流：

这简化工作流助您将资源聚焦最需处。

用同等预算撬动更大价值！

巨大成本节约源于自动化采集与健康资产的过滤剔除。这是现代资产密集型、运营高效企业在通往卓越、互联、工业物联网征途上的关键增益。

保持竞争力。

并成为这场现代、数据驱动、通往低成本、低风险、高资产与业务绩效旅程的参与者。

延伸阅读：维护领域 IIoT 综合指南