用于实施状态监控的智能传感器（一）
改善状态监控和诊断并实现整体系统优化，是当今人们在使用机械设施和技术系统时面临的部分核心挑战。这个话题不仅在工业领域，在任何使用机械系统的地方都愈加重要。以往，都是根据计划来维护机器，延迟维护可能会面临生产停工的风险。如今，人们通过处理机器的数据来预测其剩余的使用寿命。尤其是温度、噪声和振动等关键参数，可以利用记录的这些数据来确定最佳运行状态，甚至是所需的维护次数。此举可以避免造成不必要的磨损，并且能够尽早发现潜在的问题和原因。通过这种状态监控，设施的可用性和有效性可挖掘出相当大的优化空间，从而获得决定性的优势。例如，经证实，实施这种监控之后，ABB1一年内将停机时间减少了70%，将电机的服务寿命延长了30%，同时将设施的能耗降低了10%。
预防性维护的一个重要组成部分就是基于状态的监控(CBM)，通常监控涡轮机、风扇、泵、电机等旋转机器。利用CBM可实时记录运行状态信息。但是，不会提供故障或磨损预测。这些只能通过预防性维护提供，因此带来一个转折点：借助更加智能的传感器、更强大的通信网络和计算平台，人们能够创建模型、检测变更，并详细计算服务寿命。
为了构建有效的模型，需要分析振动、温度、电流和磁场。当今采用的有线和无线通信方法支持在整个工厂或公司范围内实施设施监控。基于云的系统为我们带来了更多的分析可能性，使得操作员和维修技术人员能够通过简单的方式获得有关机器状态信息的数据。但是，机器必须具备本地智能传感器和通信基础架构，这是获得额外的分析能力的前提。这些传感器是什么样的、需要满足哪些要求、有哪些关键特性—本文会就这些问题以及其他问题展开探讨。
机器的生命周期展示
关于状态监控，可能需要考虑以下最基本的问题：在实施必要的维护之前，设备能够运行多长时间？
一般而言，从逻辑上来说，从发现问题到开始维护的间隔时间越短越好。但是，为了优化运营和维护成本，或者完全发挥设施的最高效率，需要熟悉机器特性的专业人员凭借知识经验来判断。这些专业人员主要来自轴承/润滑领域，在电机分析方面经验不多，属于最薄弱的环节。专业人员最终会决定，根据实际的生命周期（如图1）和实际状态偏离正常状态的情况，是否应当进行维修甚至是更换。
尚未使用的机器最初处于所谓的保修期。这属于生命周期的早期阶段，不排除这个阶段会出现故障，但这种几率相对非常小，且一般与生产故障有关。只有在接下来的定期维护阶段，接受过相应培训的维修人员才会开始进行针对性的干预。无论机器的实际状态如何，他们都会按照指定的时间，或者在达到指定的使用时间后，对机器执行例行维护，例如，为机器换油。这种情况下，维护间隔期间出现故障的几率也仍然非常低。随着机器的使用时间增加，会逐渐到达状态监控阶段。自此之后，应做好故障应对准备。图1显示了以下6种变化，从超声波范围(1)的变化开始，接着是振动变化(2)。通过分析润滑油(3)或者通过稍微提高温度(4)，在实际发生故障之前，可以通过可感知的噪声(5)或发热情况(6)检测出将要发生故障的前期迹象。振动通常用于确认老化情况。图2显示了三台相同设备在生命周期内的振动模式。三台机器在初始阶段都处于正常范围。但是，从中期阶段开始，根据具体的载荷情况，振动或多或少快速增加；到后期阶段会呈指数增加达到临界范围。一旦设备达到临界范围，则需要立即采取行动。
通过振动分析实施状态监控
输出速度、齿轮比和轴承组件数量等参数与机器的振动模式分析密切相关。一般来说，齿轮箱导致的振动在频域体现为轴速的倍数，而轴承的特征频率通常不代表谐波分量。此外，通常还会检测湍流和气蚀导致的振动。它们通常与风扇和泵中的气流和/或液流有关，因此，一般被视为随机振动。它们通常呈静止状态，从统计特性来看，并不存在差异。但是，随机振动也具有循环平稳性，因此也具有统计特性。它们由机器产生并发生周期性变化，这与内燃机每个气缸每个周期点火一次的情形类似。
传感器方向也至关重要。如果采用单轴传感器来测量主要线性振动，则必须按照振动方向来调整传感器。也可使用多轴传感器记录所有方向的振动，但是基于其物理特性，采用单轴传感器的噪声更低、测量范围更广，带宽也更大。
