La tendance de développement de la surveillance de détection MEMS ne se limitera plus à la surveillance de l'état
Moniteur de capteur MEMS
En parlant de la combinaison de capteurs et d'apprentissage automatique, il a été mentionné précédemment que pour surveiller un certain appareil, les capteurs ont commencé à être combinés avec l'apprentissage automatique pour effectuer une surveillance prévisible de l'état de l'appareil. Bien sûr, nous ne nous concentrons pas ici sur l'apprentissage automatique, mais sur les capteurs.
Lors de la surveillance du fonctionnement et de l'état de santé de l'équipement, il est nécessaire de sélectionner le capteur le plus approprié pour s'assurer que l'appareil peut obtenir avec précision des informations sur l'équipement et détecter, diagnostiquer et même prévoir les pannes. Prenons l'exemple d'un moteur industriel, l'endommagement des roulements est un défaut souvent rencontré lors de l'utilisation, les capteurs de vibrations et de pression acoustique sont les plus utilisés pour détecter ces défauts. Les défauts du rotor, du bobinage, etc. sont principalement mesurés par le transformateur de courant lorsque le moteur est alimenté.
Plage de détection du capteur de vibrations
La détection des vibrations peut généralement être utilisée dans la détection des moteurs pour détecter les défauts suivants, l'état des roulements, l'engrènement des engrenages, la cavitation de la pompe, le désalignement du moteur, le déséquilibre du moteur et les conditions de charge du moteur. Pour des défauts tels que déséquilibrés et désalignés, les exigences de performance acoustique des dispositifs de détection ne sont pas strictes et les exigences de bande passante doivent seulement atteindre une fréquence fondamentale de 5 × à 10 × Détection simultanée de plusieurs axes ; défauts tels que défauts de roulement et défauts d'engrenage ont des exigences de bruit et de bande passante extrêmement élevées. La plage de bruit doit être contrôlée à <100 µg/√Hz, tandis que l'exigence de bande passante est >5 kHz.
Des défauts tels que le déséquilibre/désalignement du moteur peuvent être détectés pendant les vibrations du moteur ; les défauts de roulement ou d'engrenage sont moins évidents, en particulier dans les premiers stades, et ne peuvent pas être identifiés ou prédits en augmentant uniquement la fréquence de vibration. Pour remédier à ces défaillances, il faut généralement coupler des capteurs de vibrations à faible bruit <100 µg/√Hz et large bande passante >5 kHz avec des chaînes de signaux, un traitement, des émetteurs-récepteurs et des post-processeurs hautes performances.
Comparaison des vibrations MEMS et des vibrations piézoélectriques
Les accéléromètres sont les capteurs de vibrations les plus couramment utilisés, et les accéléromètres piézoélectriques ont un faible bruit et des fréquences jusqu'à 30 kHz, ce qui est leur avantage. La fréquence des accéléromètres MEMS est généralement autour de 20kHz, ce qui est plus avantageux en coût, puissance et encombrement. Les applications de détection de conditions se sont développées rapidement ces dernières années grâce à la poussée des installations sans fil, qui doivent tenir compte de la taille, de l'intégration et de la consommation d'énergie des capteurs. Par conséquent, bien que la bande passante et les performances de bruit des accéléromètres piézoélectriques soient nettement supérieures à celles des accéléromètres MEMS, tout le monde préfère les accéléromètres MEMS dans le cadre d'un examen approfondi.
Type de détection Bande passante Bruit Réponse CC
Accéléromètre piézo 2,5 kHz-30 kHz 1 µg/√Hz-50 µg/√Hz Aucun
Accéléromètre MEMS 3kHz-20kHz 25µg/√Hz-100 µg/√Hz Oui
(Comparaison des MEMS et du piézoélectrique)
Dans la détection qui nécessite une bande passante élevée et un faible bruit, les deux capteurs ont en fait une bande passante satisfaisante et un faible bruit, mais les accéléromètres MEMS peuvent fournir une réponse CC, qui n'est pas disponible dans les accéléromètres piézoélectriques. RPM.
1
(Accéléromètre MEMS, ST)
Un autre point est que l'accéléromètre MEMS a une fonction d'auto-test pour vérifier l'utilisabilité du capteur lui-même. Il faut dire que la taille plus petite et l'intégration plus élevée des accéléromètres MEMS sont plus conformes à la tendance actuelle de développement de la surveillance de l'état.
Les accéléromètres MEMS surveillent d'autres capacités plus importantes
En termes de comparaison de bruit et de bande passante, les accéléromètres MEMS ne présentent pas un avantage écrasant par rapport à la détection piézoélectrique, mais d'un autre point de vue, les capacités de surveillance basées sur les MEMS sont exceptionnelles. En plus de la réponse CC que nous avons mentionnée ci-dessus, qui peut détecter des vibrations à très basse fréquence dans la plage CC proche, une résolution plus élevée, d'excellentes caractéristiques de dérive et une sensibilité sont également plus importantes que les capacités de détection piézoélectriques.
2
(Module de surveillance de l'accéléromètre MEMS, ADI)
Les accéléromètres MEMS haute fréquence peuvent fournir des signaux de sortie bien au-delà de la plage de fréquences de résonance du capteur pour surveiller les fréquences au-delà de la bande passante de 3 dB. Cette performance repose sur l'amplificateur de sortie, qui doit prendre en charge une bande passante de signal de 70 kHz pour prendre en charge l'accéléromètre afin de compléter la surveillance de la plage d'overclocking. Le bruit d'aliasing est inévitable avec les amplificateurs, les filtres sont donc également essentiels.
La combinaison de la surveillance de l'état et de l'apprentissage automatique est toujours une grande tendance
Il existe de nombreuses technologies utilisées pour la surveillance et l'analyse des vibrations, telles que le filtrage numérique, l'analyse de fréquence, etc. Quelle que soit la méthode d'analyse, le point le plus critique est de savoir comment déterminer le point d'alarme le plus approprié pour la surveillance des conditions. Lorsque la détection et l'apprentissage automatique sont combinés, l'IA d'apprentissage automatique peut être utilisée dans le processus d'identification des pannes pour créer un modèle de machine représentatif basé sur les données des capteurs de vibration. Une fois le modèle créé, il est téléchargé sur le processeur local, puis sur le logiciel intégré Non seulement les événements en cours peuvent être identifiés en temps réel, mais également les événements transitoires peuvent être identifiés, permettant la détection d'anomalies.
De plus, la surveillance de l'état introduite par l'IA peut corréler les données de surveillance des vibrations avec d'autres données de capteur, et les informations sur l'état déduites doivent être supérieures à la quantité de données requises pour la maintenance. Une utilisation plus poussée des données acquises peut compléter davantage de dimensions d'analyse de l'équipement, et pas seulement une surveillance d'état unique.
