广告

传感器在工业 4.0 预测性维护中的应用

时间:2022-04-21 16:38:14 作者:ST 阅读:
作为工业 4.0 的重要组成部分,本地决策系统在设备内或附近收集传感器数据,以此为依据做出正确判断,帮助检修人员提前发现昂贵、复杂的可能是远程设备出现的小问题......
广告

工业预测性维护概念存在已久,最早可以追溯到人们第一次说“机器很快就会坏了”的时候。从给手表内部的轴承加注润滑油,到养护维修大型发电设备,从简单的家电,到复杂的空间站,预测性维护无处不在。

早期预测性维护在很大程度上依赖技工的专长和直觉来解决问题或诊断故障,而今天的先进诊断设备和工业 4.0 技术增加了电子传感器和机械传感器,能够更准确地发现并诊断问题。传感器已成为预测性维护应用的重要组件。

Figure 1 -- Typical PM Application in Industry 4.0

 1—工业 4.0 中的典型预测性维护应用

作为工业 4.0 的重要组成部分,本地决策系统在设备内或附近收集传感器数据,以此为依据做出正确判断,帮助检修人员提前发现昂贵、复杂的可能是远程设备出现的小问题,避免酿成大事故。这个功能要求传感器必须具有边缘处理[13]能力和人工智能 (AI),因为人工智能是预测性维护应用的关键技术。通过直接在传感器或主控制器上实现AI 和边缘处理,例如,STM32[8] 中的 FP-AI-MONITOR1[7],可以在本地执行数据分析决策。

图 1所示是一个典型的预测性维护应用示意图,其中,传感器检测设备产生的信息并将数据传给主控制器。在工业3.0 中,描述机器状况的原始传感器数据直接传输给操作员,不涉及任何本地处理或决策任务。在工业 4.0 中,主控制器在本地处理传感数据,在本地做出决策。如果发送条件没有满足特定的通知标准,主控制器允许无线连接模块部分睡眠。操作员仅在收到云端的通知消息后才开始介入。这种方法减少了传输到云端的数据量,降低了本地传感器节点的功耗。 

更深入地讲,实现这个感知决策模块有四个关键步骤: 重要参数识别; 数据分析; 传感器选择和决策位置选择。

1)、重要参数识别

许多参数可以指示机器的健康状况。设计人员需要根据这些参数的特性和预测机器状态的能力来筛选重要参数。在图 2 的应用场景中,声学、温度和物理振动加速度等参数都可以指示机器的重型轴承的磨损情况。设计人员将研究分析哪些参数可以用于预测轴承 60%健康状态。最理想的是,只用一个参数就足以提供最有意义的信息,并让决策树能够判断轴承健康状况已达到60%。

在这个示例中,机器的健康状况分为四个阶段,如表 1 所示:  

 1——机器健康状态分期

 

健康标志 时间节点 机器状况 措施
80% t1 开始磨损 维修信号
60% t2 摩擦力增加 需要维修
50% t3 轴承开始破裂 需要更换
<30%  t4 紧急更换 严重事故

 

 2  重要参数与机器健康状况的关系

设定当重型轴承达到60%健康状况时发出预警,我们捕获了加速度、超声波和温度与时间(周)的关系并绘制成图,以便分析研究重要参数,如图2所示,三个参数都可以指示轴承的磨损状况。研究发现如下:

  • 当轴承在t之后进入损坏阶段时,加速度数据给出强烈信号。但是,它不能很好地跟踪 t3之前的健康状态,也就是不能有效记录机器达到50%健康状况前的状况,这意味着我们无法在轴承损坏前准确地预判机器的健康状况,所以,仅依靠加速度计的指示信息不足以预测早期磨损程度。
  • 直到轴承进入损坏阶段t4温度数据才能准确地跟踪轴承的健康状况。不管什么原因引起轴承损坏,温度参数都不能在摩擦力急剧增加之前给出轴承损坏的明显信号。
  • 超声参数可以有效地跟踪轴承的健康状况,最早在 t1 时就能发出信号。随着摩擦力增加,当轴承达到60%健康状况时,它会发出一个明显信号。 然而,从绘制的数据图看,当轴承健康在 t左右下降到 50% 以下时,超声波信号开始失去对机器健康状况的跟踪,这是因为轴承严重磨损并破裂,极大地改变了轴承的特性,并导致轴承的振动曲线超出了超声扫描范围。这个阶段的强烈的振动恰好可以被加速度计感知到。

从这个示例不难看出,超声检测是预测性维护实现60%健康状况预警的重要参数。

2)、数据

一旦确定了重要参数,下一步就是研究数据概要信息。设计人员必须评测不同的数据处理能力和 人工智能算法,才能可靠地预测机器的健康状况。

有许多数据处理方法可用实现预测性维护应用,这些数据处理方法可分为两大类:时域和频域[9]。每种方法都有各种的优缺点。

  • 时域方法简单易懂,算力要求低。传感器的输出始终在时域范围内。时域信号的均方根 (RMS)、平均值或峰值检测是典型的跟踪值。比较原始数据或处理后数据的阈值或幅度可以获得决策标志。这种方法的缺点是它仅适用于简单的波形分析。在实际工业应用中,有些数据分析是很复杂的,因为它们可能包含不同机械部件的振动和其他机器的环境振动。图 3 所示是在时域中的数据分析示例。

 3 - 时域加速波形示例

在这个例子中,电机不平衡产生的振动幅度远大于输出轴产生的振动幅度。如果采用RMS或平均值或其他的时域信号处理方法,传感器是不能有效地识别输出轴的振动程度。

 4 -多个波形组成复杂波形

  • 不过,有一个强大的信号处理方法可以管理复杂的信号。这种类型的复杂波形是由多个简单波形组成,如图 4 所示。快速傅里叶变换 (FFT) 是一个有效的波形分析工具,可将时域数据转换为频域数据,把不同部件产生的振动置于不同频谱中,如图 5 所示。

 5 - 频谱

傅里叶变换方法把不同源的振动幅度分成不同的频谱。除傅里叶变换之外,数据处理还可以利用其他的技术方法,例如,平均值、RMS、峰值、神经网络等,进行准确的数据过滤,为决策树提供更可靠的数据,实现更智能的决策。

参数识别和数据分析需要一些工具,下面是一些常用工具:

a)、专业测量工具

可以使用现成的专业测量设备获取准确而详细的测量数据,要求苛刻的高精度应用强烈推荐采用这类专业级测量设备。

b)、评估演示套件

意法半导体等传感器厂商提供免写软件的评估套件(图 6)。这些小主板,例如,STEVAL-MKI109V3,具有插接传感器板卡的插座。设计人员可以选择把喜欢的传感器板卡插到主板上。有些厂商还提供用于控制传感器的图形用户界面 (GUI)软件。这些GUI软件可以存取传感器的全部寄存器,配置和检索数据,不用写代码,并提供实用的数据处理运算功能,例如,傅里叶变换FFT 就是其中的一个功能(图 7)。

 6 -- STEVAL-MKI109V3评估与传感器板卡连接

 7 -- STEVAL-MKI109V3 GUI 

若评估传感器的特性功能及其适用性,建议使用免写代码的评估板。这些板卡还可以执行初始数据采集,启动工程算法和数据分析过程。如果到了后面的原型开发或概念验证阶段,传感器厂商可能会提供另一个强大的开发工具,以大幅简化开发任务,缩短开发周期。以STWIN 开发套件为例:

c)、STWIN 无线工业节点 (STEVAL-STWINKT1B)[10][11] 是一个开发套件和参考设计,可简化工况监测和预测性维护等先进工业物联网应用原型开发和测试。

 8 -- STEVAL-STWINKT1B

 9 - SensorTile Box与手机交互

STWIN 开发套件基于STM32超低功耗微控制器,集成各种工业级传感器,包括惯性传感器(振动传感器、加速度计、6 轴 IMU、磁传感器)、环境传感器(高精度温度传感器、压力传感器、湿度传感器)和高性能传声器(数字传声器和模拟传声器,有超声波感应功能),支持各类状态监测,尤其是与振动分析相关的监测。该开发套件还配有丰富的软件包和优化的固件库,以及云端仪表板应用程序,以加快端到端整体解决方案的设计周期。

该套件板载Bluetooth® 低能耗无线连接模块,并可以插接一块Wi-Fi无线连接子板 (STEVAL-STWINWFV1)。有线连接可以通过板载 RS485 收发器实现。

3)、传感器选型

手头有了数据分析工具后,下一步就是选择合适的传感器:

a) 根据1) 中发现的重要参数选择传感器类型

意法半导体提供加速度计、陀螺仪、磁力计、振动传感器、传声器、压力传感器、湿度传感器、温度传感器、激光传感器、红外传感器等各种传感器。工业级传感器通常提供更高的性能和精度、更好的温度和时间稳定性,甚至提供产品生命周期保证。

b) 根据2) 中发现的最大测量范围和灵敏度或重要频率范围(带宽)选择传感器量程;

每个传感器都有自己的最大量程和频响带宽。设计人员必须仔细研究这两个参数,以选择最适合的传感器。图 9 显示了一系列我们为预测性维护应用场景推荐的型号。

 10  根据应用场景选择传感器

4)、决策树位置选择

作为业界公认的 MEMS 技术先驱,意法半导体率先在传感器产品中嵌入边缘处理功能。设计人员可以给传感器中的边缘处理分区或将在主控制器内嵌入决策树。最佳选择取决于数据处理和决策树的复杂程度。意法半导体传感器中的决策功能分为三类:

  • 嵌入式简单逻辑

意法半导体MEMS 传感器都有简单的嵌入式阈值比较逻辑功能。振幅和时间窗口阈值一旦达到预设值,就会触发中断标志。

  • 有限状态机 (FSM)[6]

状态机是用于设计逻辑连接的数学抽象方法(图 10)。FSM 是一种由预定数量的状态和状态之间的转换组成的行为模型,类似于流程图。传感器可以设为用户定义模式一旦满足,就立即生成决策标志。为了便于实现决策功能,意法半导体有些传感器嵌入了16 状态机。

 11 - 传感器嵌入有限状态机

  • 机器学习核心 (MLC)[5]

MLC机器学习核心不是用来处理复杂数据的,所以它不能做有限状态机的工作。MLC 确实可以将一些原本应在应用处理器上运行的低密度算法转移到 MEMS 传感器上,从而显著降低系统功耗。当数据模式与用户定义的一个类集合匹配时,MLC 可以识别这些数据模式。传感器使用包含滤波器的可配置的专用计算模块和在用户设定的固定时间窗口内计算出来的特征来过滤输入数据。机器学习处理的基本原理是通过一系列可配置的节点以“如果-那么-否则”为条件比较预设阈值和“特征”值的逻辑处理过程(图 11)。

 12 - 传感器的MLC内的决策过程

总之,作为工业 4.0应用的基本组成部分,传感器是预测性维护中必不可少的组件,并且,利用内置的智能功能,传感器可以降低主控制器的负荷,从而提高整个系统的能效。作为 MEMS 传感器行业的领导者,意法半导体提供全系列的传感器(加速度计、陀螺仪、磁力计、振动传感器、传声器、压力传感器、湿度传感器、温度传感器、激光传感器和红外传感器等)。在预测性维护等应用领域,这个范围广泛的产品在创新概念和实际应用之间架起了一座重要的桥梁。

Resource and Reference参考文献

[1] Industrial Evolution:  https://en.wikipedia.org/wiki/Fourth_Industrial_Revolution#History

[2] MEMS: https://en.wikipedia.org/wiki/Microelectromechanical_systems

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

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

https://www.st.com/resource/en/datasheet/lsm6dso.pdf

[5] Sensors with Machine Learning:

https://www.st.com/content/st_com/en/ecosystems/MEMS-Sensors-Ecosystem-for-Machine-Learning.html

[6] Finite State Machine in MEMS Sensor:

https://blog.st.com/lsm6dso-accelerometer-finite-state-machines/

[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

https://www.st.com/en/embedded-software/fp-ai-monitor1.html

https://www.st.com/en/microcontrollers-microprocessors/stm32-32-bit-arm-cortex-mcus.html

[9] Capacitive MEMS accelerometer for condition monitoring

https://www.st.com/content/ccc/resource/technical/document/white_paper/group0/c0/30/46/2f/00/24/42/1c/Capacitive_MEMS_accelerometer_for_condition_monitoring/files/MEMS_Condition_monitoring.pdf/jcr:content/translations/en.MEMS_Condition_monitoring.pdf

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

https://www.st.com/en/evaluation-tools/steval-stwinkt1b.html

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

https://www.st.com/resource/en/user_manual/um2777-how-to-use-the-stevalstwinkt1b-sensortile-wireless-industrial-node-for-condition-monitoring-and-predictive-maintenance-applications-stmicroelectronics.pdf

[12] IIS3DWB Sensor Adaptor Board

https://www.st.com/en/evaluation-tools/steval-mki208v1k.html

[13] Edge Processing (Edge Computing)

https://en.wikipedia.org/wiki/Edge_computing

责编:Amy.wu
  • 深入浅出讲解『人工神经网络』的原理和运行机制 深度学习,(人工)神经网络等概念在随处可见的人工智能下现在变得耳熟能详,那么,人工神经网络的原理是什么?它的运行机制是怎样的,涉及到了哪些高深的“概念”?其实很简单,本文将用深入浅出的方法为您介绍神经网络,绝对让您也能轻松了解它!(如果您很在意结果,可以先看末尾的小结,再回过头来一步一步看)。
  • 解决比较器的主要挑战:负输入和相位反转 当比较器中的负输入电压较大、超出输入共模电压范围时,会出现不正确的输出行为。如果无法避免负输入电压,请务必保护比较器的输入引脚并防止发生相位反转现象,这一点非常重要......
  • 消除接点弹跳?全靠“铝箔”救场 水银开关不会发生弹跳现象,但却存在水银外泄的危害,因此必须寻求另一种防弹跳开关的方法。”铝箔”在此派上用场...
  • 硅穿孔(Through-Silicon Vias, TSV)简史 TSV,是英文Through-Silicon Via的缩写,即是穿过硅基板的垂直电互连。如果说Wire bonding(引线键合)和Flip-Chip(倒装焊)的Bumping(凸点)提供了芯片对外部的电互连,RDL(再布线)提供了芯片内部水平方向的电互连,那么TSV则提供了硅片内部垂直方向的电互连。
  • 自耦变压器和风扇设计方案 由于我的SPICE版本中并不包括自耦变压器。因此,我必须设计一个使用两个 1:1 匝数比变压器的模型。
  • 2022 年人工智能的五大预测 如今,人工智能的发展速度非常快。我们周围事物的复杂性不断增长,这促使每个人都依赖人工智能,以多种方式帮助人类,从检测欺诈交易、预测市场价格到在高层相关者中做出决策。在人工智能蓬勃发展与应用的面前,任何企业都没有理由不尝试人工智能。基于2021年AI技术的发展,可以对人工智能在2022的发展进行预测。
  • 新款iPad Pro 2021成最受欢迎的 由于采用性能相对强大的M1处理器和mini-LED屏幕以及更多的创新,新款iPad Pro 2021已经成为消费者心目中最受欢迎。然而,iPad 2却已经在全球范围内被列入“复古和过时”的名单中。
  • 三星折叠屏手机Galaxy Z Fold 3 目前来看,折叠屏新机作为一种新的生产力工具,逐渐成为高端/平板的一种趋势,有报料称三星的Galaxy Z Fold 3发布时间或为7月,并且会引入新手势操控。
  • Porotech动态像素调整技术实现Micr 由于我们彻底巅覆 GaN 的半导体材料和结构技术,让我们突破在单位像素上呈现全光谱颜色。同时,PoroGaN微显示平台的光电特性,简化了电子和光电系统设计集成的过程。目前微米纳米级的Micro-LED 和 Mini-LED 显示器在制造所需的多阶段工艺仍然具有挑战性,凭借 Porotech 的多孔氮化镓 (GaN) 技术和架构平台,可以大幅简化现有质量转移(Mass Transfer)或拾取和放置(Pick-and-Place)等Micro-LED制程。
  • 豪威集团在AutoSens展会上首次推出 OAX4600可实现无缝隙的驾驶员/乘员监控系统功能和灵活的汽车设计,在较小的封装内集成低功耗的RGB-IR ISP和两个NPU 
  • 这个C语言大坑,你见过没? 在开发过程中,你是否会发出“基础不牢,地动山摇”的感慨?我相信,只要有经验的工程师,应该都有过。鱼鹰曾经因为一个很基础的知识,差点毁了整个项目,这不是危言耸听。因为这个代码用于整个系统自检,一旦运行出
  • 京东方|计划下半年启动重庆新建的第3条中小尺寸OLED产线 来源:紫金财经5月9日消息,京东方自2022年第1季启动成都、绵阳新设的第6代OLED产线,计划自2022年下半启动重庆新建的第3条中小尺寸OLED产线。外界预估,2022年京东方OLED产量有望超过
  • 上海,重庆,无锡岗位 1. 上海/重庆需要手机项目经理,要求3-5年以上手机类产品项目管理经验,如果有手机硬件或者软件技术背景,项目管理经验可以降低到2年以上。 本科以上学历,手机ODM背景相对对口。2. 上海需要手机安卓
  • 联发科手机芯片,称霸国内市场 来源:内容来自工商时报,谢谢。市调机构CINNO Research释出最新手机芯片报告,2022年第一季中国智能手机系统单芯片(SoC)出货量达到7,439万套,相较2021年同期下滑14.4%,但同
  • 一电路板产业园四期厂房预计6月底完工 广告分割线2022年5月7日,重庆市招商投资促进局局长周波,区委常委、组织部部长李皓、副区长谢勇,以及区级相关部门主要负责人莅临重庆电子电路产业园调研指导,重庆瑜瀚电子科技有限公司总经理刘尚佺全程陪同
  • 超轻薄的华为新机惊到老外:绝了令人印象深刻 5月9日消息,科技媒体Phone Arena发文评价华为Mate Xs 2折叠屏手机,称“这是华为有史以来最大的工程奇迹,是一款令人印象深刻的手机”。Phone Arena表示,华为Mate Xs 2
  • 马来西亚一PCB企业盛大开业 广告分割线5月9日,总部位于韩国的半导体封装基板和印制电路板制造商Simmtech在马来西亚的子公司SUSTIO Sdn Bhd(以下简称:SUSTIO)举行了盛大的开业典礼,该公司位于槟州威南县的峇
  • 布局充换电,车企要变身能源企业?|资本眼 文 |  金融街老李车企变身能源企业,只是时间问题。老李之前一直提,特斯拉高估值的密码是汽车公司、数据公司和能源公司,国内车企通过自动驾驶布局大数据的公司很多,但布局能源的公司并不多,目前看只有比亚迪
  • 相约周四晚8点分享双非和材料背景的IC转岗经历 古德猫宁~又要到了新一期卤煮验证的时间。年后开始国内疫情一直反反复复,估计很多同学都多少受到了影响。不知道工作进度缓慢的同时大家有没有趁此机会抓紧学(躺)习(平)呢?Just kidding~小编知道
  • 南京大学、东南大学团队突破双层二维半导体外延生长核心技术,成果登上《自然》正刊! 芯片验证春季班开班!1750元学习补助即将收尾!就业畅销课《芯片验证从入门到精通》近日,南京大学王欣然教授团队与东南大学王金兰教授团队合作,实现厘米级均匀的双层二硫化钼薄膜可控外延生长,该成果近日发表
广告
热门推荐
广告
广告
广告
EE直播间
在线研讨会
广告
广告
广告
向右滑动:上一篇 向左滑动:下一篇 我知道了