免费下载！ADI振动检测技术解决方案手册！

yishanabc

基于状态的监控(CbM)涉及使用传感器来测量当前的健康状态，以监测机器或资产。预测性维护(PdM)涉及使用CbM、机器学习和分析等的技术组合来预测即将发生的机器或资产故障。在监测机器的健康状况时，需选择最合适的传感器，以确保能够检测、诊断甚至预测故障，这点至关重要。

下载链接：ez.analog.com/cn/other/f/forum/556765/thread

为帮助工程师更好地选用产品、熟悉开发平台并完成相关设计，ADI特别推出《探索针对CBM应用的振动检测技术》解决方案手册，包含技术文章、产品速递、培训信息等合计19条内容。

选择最合适的预测性维护传感器

有些传感器能够比其他传感器更早地检测某些故障，例如轴承损坏，如下表所示。在本技术文章中，我们将讨论常用于尽可能提早检测故障的传感器，一般是加速度计和麦克风。表1显示传感器规格列表，以及它们可以检测到的一些故障。大多数PdM系统只使用其中一些传感器，因此必须确保除了使用合适的传感器来检测这些潜在的关键故障之外，还要深入了解这些故障。

MEMS超声波麦克风分析让我们能够在噪声增大的情况下监测复杂资产中的电机的健康状况，这是因为它能听到非音频频谱 （20 kHz至100 kHz）内的声音，在这个频谱下，噪声要少得多。低频声音信号的波长一般约在1.7厘米到17米之间。高频信号的波长约在0.3厘米到1.6厘米之间。当波长的频率增加时，能量相应增加，使得超声波更具方向性。在试图找出轴承或外壳中的故障时，这非常有用。

加速度计是最常用的振动传感器，振动分析是最常用的PdM技术，主要用于涡轮机、泵、电机和齿轮箱等大型旋转设备中。表3和表4显示在选择高性能MEMS振动和声学传感器，以及典型压电振动传感器时需要考虑的一些关键规格。每一列中的数据代表该类别的最小/最大差异值，与相邻列无关。

ADI公司率先推出了支持PdM的MEMS加速度计系列（20 kHz+带宽、25 μg/√Hz噪声密度），且仍是少数能够提供如此高性能的MEMS加速度计的提供商之一。ADI公司继续在传感器、信号链解决方案、机械模块、平台、机器学习算法、人工智能软件平台和整体系统解决方案等领域处于领先地位，支持在挑战性环境中对工业旋转机器实施预测性维护。