工业4.0的到来，正在改变制造业的游戏规则。基于大数据的洞察，将使得整个生产链变得更加透明、灵活而富有弹性，在满足定制化生产的同时仍能够实现盈利，而这一切在传统制造业的模式下是无法想象的。而且，由此引发的变革是全方位的，其影响力渗透到了生产制造环节的方方面面，也包括生产设备的维护。
制造业中传统的设备维护通常包括纠正性维护和预防性维护两种方式，前者是指在设备发生故障之后进行被动地干预，后者一般则是按照预定好的周期或条件进行主动的维护。这两种方式显然都不是设备维护的最优解——前者往往要承担计划外停机的巨大损失（计划外停机的成本会占到总制造成本的近四分之一），而后者则不可避免地会在设备运转良好地情况下实施不必要的干预，进而产生较大的成本。
如果有一种建立在大数据分析和洞察基础上的方法，可以实时地了解设备的实时工作状态，及时发现故障隐患，有的放矢地进行“恰到好处”的维护，这当然是更理想的解决方案。这种针对机器设备健康状况的分析被称为基于状态的监控（CbM），而基于CbM的维护方法就是“预测性维护”。
显而易见，在预测性维护的框架内，只有在机器设备出现某些早期预警症状时，才需要操作者进行干预。与传统的维护方式相比，其在减少设备停机、降低维护成本、延长设备寿命、提高产能等方面带来的效益是巨大的。
图1：预测性维护与传统维护方式的成本分析
（图源：ADI）
针对电机的预测性维护
由于电机等具有旋转机构的机器设备是制造业中的主力，因此针对电机的CbM或者预测性维护自然也就成了一个重点课题。这也是当今不少头部技术供应商（如Analog Devices，ADI）追逐的热点。
在判断电机的工作状态是否“健康”时，需要很多数据的支持，比如压力、振动、噪声、温度等等，其中在可测量的物理量中，振动是一个尤为关键的参数，这是因为很多故障早期的症状——如滚珠轴承故障、轴偏差、不平衡、过度松动等——都会表现为异常的振动，并且在测量频谱时会呈现出各自不同的特征，由此就可以基于振动数据做出“诊断”，决定是否需要进行维护，以及进行哪种类型的维护。
比如在滚珠轴承发生故障时，当滚珠碰触到轴承的开裂处，或者内环或外环的缺陷位置，就会发生撞击，引起振动，甚至导致旋转轴轻微移位，这种撞击有时会产生可以听见的声音（即冲击波），其在频谱中通常表现为大于5kHz的低能量谱分量。而随着问题恶化，低能量谱分量会不断增加，当我们通过加速度传感器捕捉到这些振动信号之后，就可以在尽可能短的时间内做出反应。
图2：不同电机的故障类型对应着不同的振动频谱特征（图源：ADI）
因此不难得出结论，只要我们围绕着电机异常振动，建立起一个从状态感知、数据采集，到数据传输、分析处理的系统，就可以构建起一套完整的CbM和预测性维护解决方案，并让其承担起电机健康问题“吹哨人”的角色，将故障消除在萌芽状态。
图3：电机CbM和预测性维护解决方案架构
（图源：ADI）
选择合适的加速度计
从图3中我们可以看到，一个完整电机CbM和预测性维护方案的设计，需要在多个技术环节进行技术决策，而其中作为整个方案的“起点”，就是要选择能够准确捕捉到振动信号的加速度传感器。这种测量振动的加速度传感器，需要装配在被监测对象的附近，而且带宽、可靠性、尺寸、功耗、成本等都是在选型时需要综合考量的要素。
以往CbM中振动测量比较常用的是压电加速度计，因为这类传感器具有较宽的带宽（典型范围为3Hz至30kHz，甚至可以高达数百kHz），这就意味着其可以“观察”到更宽频谱范围内异常振动的信号。同时，压电加速度计具有良好的线性度、SNR，以及高温工作性能，这都是工业应用中十分看重的特性。不过，压电加速度计在DC范围下的性能欠佳，因此对于风力涡轮机这种低转速的低频应用不太适合，而且其成本也偏高，会影响应用范围的进一步拓展。
相较而言，MEMS电容式加速度计近年来在电机CbM和预测性维护中则表现出更强的发展势头。MEMS电容式加速度计具有DC响应特性，以及很强的抗冲击能力，而且其尺寸更小，重量更轻，更适合批量生产，因而成本也更具优势。
更重要的是，随着技术的进步，以往“带宽较低”这一困扰MEMS电容式加速度计的问题，也得到了极大的改善。可以想见，MEMS电容式加速度计的发展正在拉低CbM和预测性维护的“门槛”，使得这一技术能够渗透到电机应用的更多场景。
图4：两种用于电机振动测量的加速度传感器比较
（图源：ADI）
ADI的ADXL100x系列就是MEMS电容式加速度计中综合表现非常抢眼的产品。这个系列的单轴加速度计，测量带宽高达50kHz，其频率响应可以覆盖旋转机械中常见的主要故障，包括套筒轴承损坏、对准误差、不平衡、摩擦、松动、传动装置故障、轴承磨损和空化等等。
（图源：ADI）
ADXL100x MEMS加速度计可实现高分辨率振动测量，可提供从±50g到±500g不同量程范围的产品，且在较宽的频率范围内具有25μg/√Hz至125μg/√Hz的超低噪声密度，提供稳定和可重复的灵敏度，并可承受高达10,000g的外部冲击。
图6：ADXL1001/ADXL1002可支持>5kHz的高频振动响应（图源：ADI）
值得一提的是，ADXL100x系列MEMS加速度计还提供了一个通常压电加速度计不具备的特性，即集成了诸多智能特性，如超量程检测电路——当发生超过指定g值范围约2倍的严重超量程事件时，该电路会报警；同时ADXL100x可基于某种内部时钟智能禁用机制在持续发生超量程事件时保护传感器元件，这种方式可以减轻主机处理器的负担，并能增加传感器节点的智能化程度。
此外，ADXL100x系列MEMS加速度计紧凑的LFCSP封装、-40°C至+125°C的宽工作温度范围、低功耗的特性，都有助于将其更便利地融合到工业物联网的应用中，成为工业4.0中不可或缺的一部分。
图7：ADI为CbM提供丰富的MEMS加速度计产品
（图源：ADI）
打造高性能的信号链
当然，MEMS加速度计性能再突出，其在整个电机CbM的信号和数据链处理中，也只是迈出了第一步。想要打造一个高性能的电机CbM和预测性维护方案，需要一个完整的系统做支撑。其中主要包括以下几个关键部分：
检测模块
主要是基于MEMS加速度计的振动和冲击检测单元，提供高精度的测量。有时还需要集成温度传感等其他感测功能。
数据采集
高保真的数据采集可以将传感器捕获的振动、冲击、温度、声学、压力、电压和电流信号转换为数字信号，从而转化为有价值的数据，成为洞察和决策的基础。
电源管理
小尺寸、高效率的解决方案，确保小型化的智能传感器能够在恶劣的工业应用中可靠运行。
数据处理
超低功耗MCU或其他主控器件可以对工业边缘节点上发生的事件做出本地决策，并经过筛选将更重要的数据发送至云端，以建立更全面的洞察。
有线/无线连接
通信模块可以在恶劣的工业环境中，确保相关电机健康状况数据可靠地传送到PLC和制造执行系统（MES），加速CbM部署。
基于AI的云洞察力
建立在云端更强大计算资源基础上的人工智能（AI），可以检测和解译声音、振动、压力、电流或温度等数据，以实现连续状态监控和按需诊断，并通过与CbM领域专家交互不断学习和升级。
图8：电机CbM和预测性维护方案系统架构
（图源：ADI）
在这样一个长长的信号和数据链中，想要确保数据的可靠性和准确性，就需要为各个功能模块选择合适的高性能器件。
比如，为了保证数据采集模块能够实现高性能的信号调理，就要在放大器、ADC、基准电压源等模拟器件的选型上花一番心思（如图8）。
在运算放大器的选型上，ADI的LT6015 Over-The-Top® 精密运算放大器是一款值得推荐的器件。这是一款单通道轨到轨输入运算放大器，具有低于50μV的输入失调电压。这些（找元器件现货上唯样商城）放大器可采用单电源和分离电源工作（总电压为3V至50V），每个放大器仅吸收315μA电流。它们具有反向电池保护功能，在高达50V的反向电源电压下。其吸收电流非常小。
LT6015能驱动高达25mA的负载，并可在使用200pF的容性负载时保持稳定的单位增益。该放大器的Over-The-Top® 输入级可在严酷环境中提供额外的保护。其输入共模范围从V-扩展至V+及以上，具体来讲这些放大器可在输入为V-至76V的条件下工作，内部电阻器负责保护输入免遭低于负电源25V的瞬变故障的损坏。
图9：LT6015 Over-The-Top精密运算放大器
（图源：ADI）
在高精度、低功耗基准电压源的选型上，ADR45xx基准电压源是一个不错的选择。该系列产品的最大初始误差为±0.02%，具有出色的温度稳定性和低输出噪声。由于使用了新的内核拓扑结构来提高精度，ADR45xx基准电压源同时提供出色的温度稳定性和噪声性能。该款基准电压源具有低热致输出电压迟滞和低长期输出电压漂移，因此提高了寿命和温度范围内的系统精度。
同时，ADR45xx系列的最大工作电流为950μA，提供了出色的低功耗特性；而-40°C至+125°C的宽温度范围使其适合于广泛的工业应用。
图10：ADR45xx基准电压源
（图源：ADI）
当然，ADI为实现高精度数据采集所提供的产品远不止上述两款，而是包括一整套CbM信号链和数据链解决方案，这就省去了大家选料、调试等繁复的开发工作。
/2 
