用於狀態監測的高傳真振動採集平台

作者 : Chris Murphy，ADI 應用工程師 

狀態監測(Condition-based monitoring；CbM)涉及使用感測器來測量當下的健康狀態，以監測機器或資產。預測性維護(Predictive Maintenance；PdM)則需要組合使用CbM、機器學習(ML)和分析等多種技術，以預測未來的資產維護週期或可能發生的故障。預計全球設備健康監測將明顯發展，因而掌握和瞭解關鍵的趨勢勢在必行。越來越多的CbM公司開始採用PdM來提高其產品的差異化優勢。

關於CbM，維護和設備管理人員現在有了新的選擇，例如無線裝置，以及更低成本的高性能裝置。雖然大部份CbM系統的基礎架構保持不變，但現在我們可以將新的MEMS技術直接整合到以前主要採用壓電式感測器，或因成本限制而未進行監控的系統中。

狀態監測—工程挑戰和設計決策

在典型的CbM訊號鏈設計中，需要考慮許多不同的工程規範和技術，這些規範和技術都在不斷進展，其複雜度也隨之增加。現有的各種類型客戶可能具備某個領域的專業知識，例如演算法開發(僅軟體)或硬體設計(僅硬體)，但通常並非同時精通二者。

對於希望專注於演算法的開發人員而言，所要求的是資料資訊庫能夠準確預測資產故障和停機。他們不想設計硬體，或者解決資料完整性故障；而是想使用確實高度真實的資料。同樣地，對於希望提升系統可靠性或降低成本的硬體工程師，他們需要一種輕鬆連接到現有基礎架構的解決方案，從而可以對現有解決方案進行基準測試。他們需要以易於使用和匯出的可讀格式存取資料，以免浪費時間來評估性能。

許多系統級的挑戰都可以採用平台方法解決(從感測器到演算法開發)，從而支援所有類型的客戶。

CbM開發平台協助設備延長壽命

本文以高性能且現成可用的硬體和軟體解決方案——CN0549狀態監測(CbN)平台為例，說明如何透過CbN平台將高傳真振動資料串流從資產傳輸到演算法/機器學習開發環境中。CbN平台為硬體專家提供了一個經過測試和驗證的系統解決方案，可以提供高度精準的資料擷取、與資產之間的可靠機械耦合，以及高性能寬頻振動感測器。同時提供所有硬體設計檔，協助輕鬆整合到產品設計中。

該平台對軟體專家也很有吸引力，它概括了狀態監測訊號鏈硬體挑戰，讓軟體團隊和資料專家能夠直接開始開發機器學習演算法。其重要特性和優點包括：

• 易於安裝到資產中，同時保持機械耦合訊號的完整性；
• 具有IEPE資料輸出格式的寬頻寬MEMS加速度計感測器；
• IEPE、類比輸入頻寬從DC到54kHz的高傳真資料擷取(DAQ)解決方案；
• 嵌入式閘道擷取並儲存原始資料，用於本地或連網處理；
• 使用ADI的IIO示波器應用即時顯示頻域資料；
• 直接將感測器資料串流傳輸至熱門的資料分析工具，例如Python和MATLAB。

CbM開發平台主要由四種不同的元件構成(如圖1所示)，以下將逐一介紹，然後再說明整個組合解決方案。

圖1：構成CbM開發平台的元件。

高精準、高傳真的資料擷取和處理

在頻寬更寬、感測器雜訊更低時，可以更早檢測到故障，例如軸承問題、氣蝕和齒輪嚙合。資料擷取電子產品必須確保測量的振動資料高度傳真，這一點非常重要；否則可能導致重要的故障資訊遺失。確保振動資料傳真，這樣我們就可以更快地發現變化趨勢，更具信心地提供預測性維護建議，從而減少機械元件不必要的磨損，從而延長資產的使用壽命。

對重要性較低的資產進行狀態監測的經濟高效的方法

壓電式加速度計是最關鍵的資產上使用的最高性能振動感測器，對於這些資產來說，性能比成本更重要。一直以來，壓電感測器的高成本都阻礙了對重要性較低的資產進行狀態監測。現在，MEMS振動感測器在雜訊、頻寬和g範圍等方面都不遜於壓電式感測器，這讓維護和設備管理人員能夠更深入地瞭解重要性較低的資產，這些資產以前採用故障排除或被動維護計畫。這主要是因為MEMS的性能高且成本低。現在，我們可以使用經濟高效的方法來持續監控中低度重要性的資產。我們可以利用先進的振動感測技術，輕鬆辨識和修復資產上不必要的磨損，幫助延長資產的使用壽命，從而有助於提升設備的整體效率，減少機器或製程停機時間。

監控資產—感測問題

進行CbM和PdM可以使用多種不同類型的檢測模式。大部份應用都涉及電流感測、電磁感測、流量監控和其他幾種模式。振動感測是CbM中最常用的模式，壓電式加速度計則是最常用的振動感測器。在本節中，我們將回顧技術進步如何推動振動感測器領域不斷發展，以及這對應用決策產生什麼樣的影響。

MEMS vs 壓電式加速度計

壓電式加速度計是非常高性能的感測器，但要達到該性能也得做出許多設計取捨。例如，壓電式加速度計通常用於有線安裝，這是因為它們會消耗過多功率、體積可能很大(尤其是三軸感測器)且成本高昂。綜合上述所有因素，在整個工廠內使用壓電式感測器並不實際，所以，它們一般只用在關鍵資產上。

MEMS加速度計由於沒有足夠的頻寬、雜訊過高，g範圍也僅支援監控不太重要的資產，但這種情況直到最近開始發生改變。MEMS技術的最新進展克服了這些限制，使MEMS振動感測器能夠監控低階資產，也能監控非常重要的資產。表1顯示壓電式感測器和MEMS感測器在CbM應用中的重要特性。MEMS加速度計體積小、可透過電池供電運行數年、成本低，且性能不遜於壓電式感測器，正快速成為許多CbM應用的首選感測器。

表1：MEMS與壓電式加速度計比較。

CN0549 CbM開發平台相容MEMS和IEPE壓電式加速度計，可在不同感測器類型之間進行基準比較。

現有IEPE基礎架構中使用MEMS加速度計

如表1所示，相較於壓電式感測器，MEMS加速度計如今可提供具有競爭力的規格和性能，但是，它們能夠取代現有的壓電式感測器嗎？為了便於設計人員評估並使用MEMS加速度計來取代壓電式加速度計，ADI設計了一個介面，可相容CbM應用中實際使用的IEPE標準壓電式感測器介面。

IEPE感測器介面和機械安裝

如圖2所示，CN0532是一個IEPE轉換電路，讓MEMS加速度計和現有IEPE感測器一樣，直接與IEPE基礎架構無縫連接。

圖2：CN0532 MEMS IEPE轉換電路。

單軸MEMS感測器通常有三條輸出線路：電源、接地和加速度輸出。IEPE基礎架構只需要兩條：一條線路接地，另一條傳輸電源/訊號。電流傳輸至感測器，當感測器感測到振動時，由同一條線路輸出電壓。

圖3：MEMS感測器如何與現有IEPE基礎架構(電源和資料)連接的簡化示意圖。

CN0532 PCB的設計厚度為90mils，以保持資料表中提供的MEMS加速度計之頻率響應性能。測試裝置採用螺釘安裝，開箱即可進行測試。安裝塊、PCB和焊錫膏等均進行了廣泛表徵，以確保全頻寬機械轉換功能、大幅提升感測器頻寬內各類故障的可見性，並透過擷取這些故障來延長資產的使用壽命。這些解決方案讓CbM設計人員能夠輕鬆將MEMS加速度計整合於其資產中，並與現有的壓電式基礎架構無縫連接。

對於高頻振動測試，機械訊號路徑的完整性非常重要。換句話說，從訊號源到感測器，振動訊號必須沒有任何衰減(由於阻尼)或放大(由於諧振)。如圖4所示，一個鋁質安裝塊(EVAL-XLMOUNT1)、四個螺釘安裝座和一個厚PCB，確保對目標頻率範圍提供平坦的機械響應。IEPE參考設計讓設計人員能夠輕鬆使用MEMS感測器來取代壓電式感測器。

圖4.：振動測量測試裝置：使用EVAL-XLMOUNT1鋁質安裝塊將EVAL-CN0532-EBZ板連接至振動台。

圖5：比較EVAL-CN0532的頻率響應與ADXL1002資料表提供的頻率響應。

振動到位元——資料轉換的完整性

現在，我們知道可以使用MEMS感測器來代替IEPE壓電感測器，也知道如何將它們輕鬆地安裝到資產上，同時保持產品資料表提供的性能。對於CbM開發平台，重點之一是它能夠收集高品質的轉換資料(無論是基於MEMS還是壓電式感測器)，之後將資料輸送至正確的環境中。接下來，我們看看如何擷取IEPE感測器資料並保持最高的資料傳真度，以開發最佳CbM演算法或機器學習演算法。另一款CbM參考設計CN0540有助於協助實現上述目標。

適用於IEPE感測器的高傳真24位元資料擷取系統

圖6顯示一款經過實驗室測試和驗證的IEPE DAQ訊號鏈。這款參考設計提供了相容MEMS和壓電式加速度計的最佳化類比訊號鏈。壓電式加速度計提供卓越的性能，它是廣泛使用的振動感測器，因而也適用於精密訊號鏈產品。

圖6：適用於IEPE感測器的CN0540，可進行高性能、寬頻寬、精密數據擷取。

圖6所示的電路是適用於IEPE感測器的感測器到位元(sensor-to-bits)的資料擷取訊號鏈，由電流源、輸入保護、位準轉換和衰減級、三階抗混疊濾波器、類比數位轉換器(ADC)驅動器和全差分∑-Δ ADC組成。CbM系統設計人員在使用壓電式加速度計時，需要高性能類比訊號鏈來實現振動資料傳真。設計人員只需將IEPE感測器或CN0532 IEPE感測器直接連接到CN0540 DAQ參考設計，就可以評估訊號鏈的性能。

CN0540 IEPE資料擷取板是經過測試和驗證的類比訊號鏈，專用於擷取IEPE感測器振動資料，具有優於100dB的訊號雜訊(SNR)。市場上大多數與壓電感測器連接的解決方案都採用交流(AC)耦合，不具備DC和sub-Hertz測量能力。CN0540適用於DC耦合應用場景，在這些場景中，必須保留訊號的DC分量，或者必須確保系統回應低至1Hz或更低的頻率。

採用2個MEMS感測器和3個壓電感測器對高精度資料擷取參考設計進行測試。對於CN0540，系統頻寬設定為54kHz，訊號鏈雜訊性能是針對在該頻寬範圍內能夠達到>100dB動態範圍的感測器，例如Piezotronics PCB 621B40型加速度計可以在30kHz時達到105dB。CN0540目的在於提供超越目前振動感測器性能的頻寬和精度，確保它不會成為收集高性能振動資料時的阻礙。

嵌入式閘道器

在DAQ訊號鏈獲得高傳真振動資料之後，必須進行處理，並即時查看和/或將資料發送至機器學習或雲端環境，這是嵌入式閘道器的工作。

在本地即時處理振動資料

支援Intel (DE10-Nano)和Xilinx (Cora Z7-07S)兩種嵌入式平台，其中包括對所有相關HDL、裝置驅動程式、套裝軟體和應用的支援。每個平台都執行嵌入式ADI Kuiper Linux，能夠即時顯示時域和頻域資料，透過乙太網路存取即時擷取的資料，連接熱門的資料分析工具(例如MATLAB或Python)，甚至連接各種雲端運算實例(例如AWS和Azure)。嵌入式閘道器可以透過乙太網路向選定的演算法開發工具傳輸6.15Mbps (256kSPS × 24位元)。

IIO示波器(如圖7所示)是一款與ADI Kuiper Linux共同安裝的免費開源應用，有助於快速顯示時域和頻域資料。它基於Linux IIO架構並直接連接ADI Linux裝置驅動程式，可在一個工具中完成設備配置、設備資料讀取和視覺化顯示。

圖7： IIO示波器顯示5 kHz純音的FFT。

開發預測性維護應用

為PdM應用開發機器學習演算法一般包含5大步驟，如圖8所示。在進行預測性維護時，通常使用回歸模型，而不是分類模型來預測即將發生的故障。向預測性模型輸入的訓練資料越多，其性能表現越卓越。如果只輸入10分鐘的振動資料，可能無法檢測到所有操作特性，但是如果輸入10小時的資料，則檢測機率大幅增加，如果能收集長達10天的資料，則模型的性能將更強大。

圖8：開發PdM應用的步驟。

CbM平台在一個易於使用的系統中提供數據收集步驟，在該系統中，我們可以將高性能振動資料流程傳輸至所選的機器學習環境。

MEMS IEPE感測器隨附機械安裝模組，可以將MEMS感測器無縫安裝到資產或振動台上。注意，IEPE壓電感測器也可與該系統配合使用，輕鬆安裝到資產、振動台等裝置中。在將資料串流傳輸至分析工具之前，應先驗證感測器安裝，確保不會產生任何干擾諧振，使用IIO示波器可輕鬆且即時完成檢查。系統準備就緒後，可以定義一個用例，例如，在70%的負載下正常運行的馬達。之後，可以將高品質的振動資料串流傳輸至基於MATLAB或Python的資料分析工具，例如TensorFlow或PyTorch等。

圖9：CN0549用例。

透過分析，可以確認能夠定義該資產的健康狀況的特徵和特性。建立可以定義正常運行狀況的模型後，即可檢測或模擬故障。重複使用第4步驟確定能夠定義故障的關鍵特徵，由此產生模型。將故障資料與正常運行馬達的資料進行比較，即可得到預測模型。

以上簡要概述了CbM開發平台所支援的機器學習流程。需要注意的是，該平台可以確保將最高品質的振動資料傳輸至機器學習環境。

本文同步刊登於EDN Taiwan 2022年2月號雜誌