【導讀】工業預測性維護概念存在已久，最早可以追溯到人們第一次說“機器很快就會壞了”的時候。從給手表內部的軸承加注潤滑油，到養護維修大型發電設備，從簡單的家電，到複雜的空間站，預測性維護無處不在。

早期預測性維護在很大程度上依賴技工的專長和直覺來解決問題或診斷故障
，而今天的先進診斷設備和工業 4.0 技術增加了電子傳感器和機械傳感器，能夠更準確地發現並診斷問題。傳感器已成為預測性維護應用的重要組件。

圖1 工業 4.0 中的典型預測性維護應用

作為工業 4.0 的重要組成部分
，本地決策係統在設備內或附近收集傳感器數據

，以此為依據做出正確判斷，幫助檢修人員提前發現昂貴
、複雜的可能是遠程設備出現的小問題，避免釀成大事故。這個功能要求傳感器必須具有邊緣處理[13]能力和人工智能 (AI)
，因為人工智能是預測性維護應用的關鍵技術。通過直接在傳感器或主控製器上實現AI 和邊緣處理，例如，STM32[8]中的 FP-AI-MONITOR1[7]，可以在本地執行數據分析決策。

圖1所示是一個典型的預測性維護應用示意圖，其中，傳感器檢測設備產生的信息並將數據傳給主控製器。在工業 3.0 中，描述機器狀況的原始傳感器數據直接傳輸給操作員，不涉及任何本地處理或決策任務。在工業 4.0 zhong
，zhukongzhiqizaibendichulichuanganshuju，zaibendizuochujuece。ruguofasongtiaojianmeiyoumanzutedingdetongzhibiaozhun，zhukongzhiqiyunxuwuxianlianjiemokuaibufenshuimian。caozuoyuanjinzaishoudaoyunduandetongzhixiaoxihoucaikaishijieru。zhezhongfangfajianshaolechuanshudaoyunduandeshujuliang，jiangdilebendichuanganqijiediandegonghao。

更深入地講，實現這個感知決策模塊有四個關鍵步驟：重要參數識別；數據分析；傳感器選擇和決策樹位置選擇。

重要參數識別

許多參數可以指示機器的健康狀況。設計人員需要根據這些參數的特性和預測機器狀態的能力來篩選重要參數。在圖2的應用場景中，聲學、溫度和物理振動加速度等參數都可以指示機器的重型軸承的磨損情況。設計人員將研究分析哪些參數可以用於預測軸承 60%健康狀態。最理想的是

，隻用一個參數就足以提供最有意義的信息，並讓決策樹能夠判斷軸承健康狀況已達到60%。

在這個示例中
，機器的健康狀況分為四個階段，如表1所示：

表1 機器健康狀態分期

圖2 重要參數與機器健康狀況的關係

設定當重型軸承達到60%健康狀況時發出預警，我們捕獲了加速度、超聲波和溫度與時間(周)的關係並繪製成圖，以便分析研究重要參數，如圖2所示
，三個參數都可以指示軸承的磨損狀況。研究發現如下：

●    當軸承在t3 之後進入損壞階段時，加速度數據給出強烈信號。但是，它不能很好地跟蹤 t3之前的健康狀態，也就是不能有效記錄機器達到50%健jian康kang狀zhuang況kuang前qian的de狀zhuang況kuang
，這zhe意yi味wei著zhe我wo們men無wu法fa在zai軸zhou承cheng損sun壞huai前qian準zhun確que地di預yu判pan機ji器qi的de健jian康kang狀zhuang況kuang，所suo以yi，僅jin依yi靠kao加jia速su度du計ji的de指zhi示shi信xin息xi不bu足zu以yi預yu測ce早zao期qi磨mo損sun程cheng度du。

●    直到軸承進入損壞階段t4，溫wen度du數shu據ju才cai能neng準zhun確que地di跟gen蹤zong軸zhou承cheng的de健jian康kang狀zhuang況kuang。不bu管guan什shen麼me原yuan因yin引yin起qi軸zhou承cheng損sun壞huai，溫wen度du參can數shu都dou不bu能neng在zai摩mo擦ca力li急ji劇ju增zeng加jia之zhi前qian給gei出chu軸zhou承cheng損sun壞huai的de明ming顯xian信xin號hao。

●    超聲參數可以有效地跟蹤軸承的健康狀況
，最早在 t1 時就能發出信號。隨著摩擦力增加，當軸承達到60%健康狀況時，它會發出一個明顯信號。然而，從繪製的數據圖看，當軸承健康在 t3 左右下降到 50% yixiashi
，chaoshengboxinhaokaishishiquduijiqijiankangzhuangkuangdegenzong，zheshiyinweizhouchengyanzhongmosunbingpolie
，jidadigaibianlezhouchengdetexing，bingdaozhizhouchengdezhendongquxianchaochulechaoshengsaomiaofanwei。zhegejieduandeqiangliedezhendongqiahaokeyibeijiasudujiganzhidao。

從這個示例不難看出，超聲檢測是預測性維護實現60%健康狀況預警的重要參數。

數據分析

一yi旦dan確que定ding了le重zhong要yao參can數shu
，下xia一yi步bu就jiu是shi研yan究jiu數shu據ju概gai要yao信xin息xi。設she計ji人ren員yuan必bi須xu評ping測ce不bu同tong的de數shu據ju處chu理li能neng力li和he人ren工gong智zhi能neng算suan法fa
，才cai能neng可ke靠kao地di預yu測ce機ji器qi的de健jian康kang狀zhuang況kuang。

有許多數據處理方法可用實現預測性維護應用，這些數據處理方法可分為兩大類：時域和頻域[9]。每種方法都有各種的優缺點。

●    時域方法簡單易懂，算力要求低。傳感器的輸出始終在時域範圍內。時域信號的均方根 (RMS)、平ping均jun值zhi或huo峰feng值zhi檢jian測ce是shi典dian型xing的de跟gen蹤zong值zhi。比bi較jiao原yuan始shi數shu據ju或huo處chu理li後hou數shu據ju的de閾yu值zhi或huo幅fu度du可ke以yi獲huo得de決jue策ce標biao誌zhi。這zhe種zhong方fang法fa的de缺que點dian是shi它ta僅jin適shi用yong於yu簡jian單dan的de波bo形xing分fen析xi。在zai實shi際ji工gong業ye應ying用yong中zhong

，有you些xie數shu據ju分fen析xi是shi很hen複fu雜za的de，因yin為wei它ta們men可ke能neng包bao含han不bu同tong機ji械xie部bu件jian的de振zhen動dong和he其qi他ta機ji器qi的de環huan境jing振zhen動dong。圖tu3所示是在時域中的數據分析示例。

圖3 時域加速波形示例

在這個例子中，電機不平衡產生的振動幅度遠大於輸出軸產生的振動幅度。如果采用RMS或平均值或其他的時域信號處理方法，傳感器是不能有效地識別輸出軸的振動程度。

圖4 由多個波形組成的複雜波形

●    不過，有一個強大的信號處理方法可以管理複雜的信號。這種類型的複雜波形是由多個簡單波形組成，如圖4所示。快速傅裏葉變換 (FFT) 是一個有效的波形分析工具，可將時域數據轉換為頻域數據

，把不同部件產生的振動置於不同頻譜中，如圖5所示。

圖5 頻譜

傅裏葉變換方法把不同源的振動幅度分成不同的頻譜。除傅裏葉變換之外
，數據處理還可以利用其他的技術方法

，例如，平均值

、RMS
、峰值、神經網絡等，進行準確的數據過濾
，為決策樹提供更可靠的數據

，實現更智能的決策。

參數識別和數據分析需要一些工具，下麵是一些常用工具：

✦ 專業測量工具

可以使用現成的專業測量設備獲取準確而詳細的測量數據
，要求苛刻的高精度應用強烈推薦采用這類專業級測量設備。

✦ 評估演示套件

意法半導體等傳感器廠商提供免寫軟件的評估套件(圖6)。這些小主板，例如
，STEVAL-MKI109V3
，具有插接傳感器板卡的插座。設計人員可以選擇把喜歡的傳感器板卡插到主板上。有些廠商還提供用於控製傳感器的圖形用戶界麵 (GUI)軟件。這些GUI軟件可以存取傳感器的全部寄存器，配置和檢索數據，不用寫代碼，並提供實用的數據處理運算功能
，例如，傅裏葉變換FFT 就是其中的一個功能(圖 7)。

圖6 STEVAL-MKI109V3評估板與傳感器板卡的連接

圖7 STEVAL-MKI109V3 GUI 截屏

若(ruo)評(ping)估(gu)傳(chuan)感(gan)器(qi)的(de)特(te)性(xing)功(gong)能(neng)及(ji)其(qi)適(shi)用(yong)性(xing)
，建(jian)議(yi)使(shi)用(yong)免(mian)寫(xie)代(dai)碼(ma)的(de)評(ping)估(gu)板(ban)。這(zhe)些(xie)板(ban)卡(ka)還(hai)可(ke)以(yi)執(zhi)行(xing)初(chu)始(shi)數(shu)據(ju)采(cai)集(ji)
，啟(qi)動(dong)工(gong)程(cheng)算(suan)法(fa)和(he)數(shu)據(ju)分(fen)析(xi)過(guo)程(cheng)。如(ru)果(guo)到(dao)了(le)後(hou)麵(mian)的(de)原(yuan)型(xing)開(kai)發(fa)或(huo)概(gai)念(nian)驗(yan)證(zheng)階(jie)段(duan)
，傳(chuan)感(gan)器(qi)廠(chang)商(shang)可(ke)能(neng)會(hui)提(ti)供(gong)另(ling)一(yi)個(ge)強(qiang)大(da)的(de)開(kai)發(fa)工(gong)具(ju)，以(yi)大(da)幅(fu)簡(jian)化(hua)開(kai)發(fa)任(ren)務(wu)，縮(suo)短(duan)開(kai)發(fa)周(zhou)期(qi)。以(yi)STWIN 開發套件為例：

✦ STWIN 無線工業節點(STEVAL-STWINKT1B)[10][11]是一個開發套件和參考設計
，可簡化工況監測和預測性維護等先進工業物聯網應用原型開發和測試。

圖8 STEVAL-STWINKT1B

圖9 SensorTile Box與手機交互

STWIN 開發套件基於STM32超低功耗微控製器
，集成各種工業級傳感器，包括慣性傳感器(振動傳感器、加速度計、6 軸 IMU、磁傳感器)
、環境傳感器(高精度溫度傳感器、壓力傳感器
、濕度傳感器)和高性能傳聲器(數字傳聲器和模擬傳聲器，有超聲波感應功能)，zhichigeleizhuangtaijiance，youqishiyuzhendongfenxixiangguandejiance。gaikaifataojianhaipeiyoufengfuderuanjianbaoheyouhuadegujianku，yijiyunduanyibiaobanyingyongchengxu，yijiakuaiduandaoduanzhengtijiejuefangandeshejizhouqi。

該套件板載Bluetooth® 低能耗無線連接模塊，並可以插接一塊Wi-Fi無線連接子板 (STEVAL-STWINWFV1)。有線連接可以通過板載 RS485 收發器實現。

傳感器選型

手頭有了數據分析工具後，下一步就是選擇合適的傳感器：

a) 根據一中發現的重要參數選擇傳感器類型

意法半導體提供加速度計、陀螺儀、磁力計、振動傳感器、傳聲器
、壓力傳感器
、濕度傳感器、溫度傳感器、激光傳感器、紅外傳感器等各種傳感器。工業級傳感器通常提供更高的性能和精度
、更好的溫度和時間穩定性，甚至提供產品生命周期保證。

b) 根據二中發現的最大測量範圍和靈敏度或重要頻率範圍(帶寬)選擇傳感器量程；

每個傳感器都有自己的最大量程和頻響帶寬。設計人員必須仔細研究這兩個參數
，以選擇最適合的傳感器。圖9顯示了一係列我們為預測性維護應用場景推薦的型號。

圖10 根據應用場景選擇傳感器

決策樹位置選擇

作為業界公認的 MEMS 技ji術shu先xian驅qu
，意yi法fa半ban導dao體ti率lv先xian在zai傳chuan感gan器qi產chan品pin中zhong嵌qian入ru邊bian緣yuan處chu理li功gong能neng。設she計ji人ren員yuan可ke以yi給gei傳chuan感gan器qi中zhong的de邊bian緣yuan處chu理li分fen區qu或huo將jiang在zai主zhu控kong製zhi器qi內nei嵌qian入ru決jue策ce樹shu。最zui佳jia選xuan擇ze取qu決jue於yu數shu據ju處chu理li和he決jue策ce樹shu的de複fu雜za程cheng度du。意yi法fa半ban導dao體ti傳chuan感gan器qi中zhong的de決jue策ce功gong能neng分fen為wei三san類lei：

●    嵌入式簡單邏輯

意法半導體MEMS 傳感器都有簡單的嵌入式閾值比較邏輯功能。振幅和時間窗口閾值一旦達到預設值，就會觸發中斷標誌。

●    有限狀態機 (FSM)[6]

狀態機是用於設計邏輯連接的數學抽象方法(圖10)。FSM 是shi一yi種zhong由you預yu定ding數shu量liang的de狀zhuang態tai和he狀zhuang態tai之zhi間jian的de轉zhuan換huan組zu成cheng的de行xing為wei模mo型xing，類lei似si於yu流liu程cheng圖tu。傳chuan感gan器qi可ke以yi設she為wei用yong戶hu定ding義yi模mo式shi一yi旦dan滿man足zu，就jiu立li即ji生sheng成cheng決jue策ce標biao誌zhi。為wei了le便bian於yu實shi現xian決jue策ce功gong能neng，意yi法fa半ban導dao體ti有you些xie傳chuan感gan器qi嵌qian入ru了le16 狀態機。

圖11 傳感器的嵌入式有限狀態機

●    機器學習核心 (MLC)[5]

MLC機器學習核心不是用來處理複雜數據的
，所以它不能做有限狀態機的工作。MLC 確實可以將一些原本應在應用處理器上運行的低密度算法轉移到 MEMS 傳感器上，從而顯著降低係統功耗。當數據模式與用戶定義的一個類集合匹配時，MLC keyishibiezhexieshujumoshi。chuanganqishiyongbaohanlvboqidekepeizhidezhuanyongjisuanmokuaihezaiyonghushedingdegudingshijianchuangkouneijisuanchulaidetezhenglaiguolvshurushuju。jiqixuexichulidejibenyuanlishitongguoyixiliekepeizhidejiedianyi“如果-那麼-否則”為條件比較預設閾值和“特征”值的邏輯處理過程（圖11）。

圖12 傳感器的MLC內的決策過程

總之，作為工業 4.0yingyongdejibenzuchengbufen，chuanganqishiyucexingweihuzhongbibukeshaodezujian，bingqie，liyongneizhidezhinenggongneng，chuanganqikeyijiangdizhukongzhiqidefuhe，congertigaozhenggexitongdenengxiao。zuowei MEMS 傳感器行業的領導者，意法半導體提供全係列的傳感器(加速度計、陀螺儀、磁力計、振動傳感器、傳聲器、壓力傳感器、濕度傳感器、溫度傳感器
、激光傳感器和紅外傳感器等)。在預測性維護等應用領域
，這個範圍廣泛的產品在創新概念和實際應用之間架起了一座重要的橋梁。

參考文檔

[1] Industrial Evolution

[2] MEMS

[3] https://www.st.com/resource/en/datasheet/iis2dlpc.pdf

[4] 0.061mg/LSB=0.061x9.8milim meter/s2/bit

[5] Sensors with Machine Learning

[6] Finite State Machine in MEMS Sensor

[7] FP-AI-Monitor1: STM32Cube function pack for ultra-low power STM32 with artificial intelligence (AI) monitoring application based on a wide range of sensors

[8] STM32: 32-bit Arm Cortex MCUs provided by STMicroelectronics

[9] Capacitive MEMS accelerometer for condition monitoring

[10] STWIN SensorTile Wireless Industrial Node development kit and reference design for industrial IoT applications

[11] How to use the STEVAL-STWINKT1B SensorTile Wireless Industrial Node for condition monitoring and predictive maintenance applications

[12] IIS3DWB Sensor Adaptor Board

[13] Edge Processing (Edge Computing)

免責聲明：本文為轉載文章，轉載此文目的在於傳遞更多信息，版權歸原作者所有。本文所用視頻、圖片
、文字如涉及作品版權問題，請聯係小編進行處理。

推薦閱讀：

星火燎原

，能量收集技術如何為邊緣電池供電係統“續命”

如何最優化充電器設計？這三款電路必須安利

網絡變壓器：如何用“小”改變
，玩轉大市場？

英飛淩新型三相BLDC電機智能驅動芯片
，有何過人之處？

IBIS建模——第2部分：為何以及如何創建您自己的IBIS模型