עיבוד אותות דיגיטליים (DSP) יוצר את עמוד השדרה האנליטי של ניטור מצב המכונה המודרני.על ידי המרת אותות אנלוגיים גולמיים מחיישנים נתונים דיגיטליים מדויקים, DSP מאפשר למהנדסים לזהות סימנים מוקדמים של ללבוש, חוסר איזון, או אי-השמדה לפני שהם הופכים לכשלים קטסטרופליים.הבנת עקרונות הליבה של DSP כבר לא אופציונליים עבור אנשי תחזוקה - זה תנאי מוקדם ליישום אסטרטגיות תחזוקה חיזוי יעיל.

תפקיד עיבוד אותות דיגיטליים ב- Condition Monitoring

ניטור מצב מכונה מבוסס על מדידה רציפה או תקופתית של פרמטרים כגון רטט, טמפרטורה, לחץ, פליטות אקוסטיות.הסימנים שנתפסו על ידי חיישנים הם אנלוגיים בטבע - מתח מתמשך או וריאציות נוכחיות המשקפות את המצב הפיזי של הציוד. עיבוד אותות אנלוגיים אלה לתוך פורמט דיגיטלי שניתן לאחסן, לנתח, לנטרל, ללא DSP, דפוסים בתדרים עדינים מצביעים על כך ששימוש פגמים, או חוסר איזון בלתי אפשרי, ריקבון, ייקברוע, ייקברוע, חשוף, מוטציות, מוטציות או חוסר איזון.

DSP מספק את הכלים כדי להפריד מידע אבחון משמעותי מהתערבות רקע.לדוגמה, אות רטט ממכונה רוטטת מכיל רכיבים בתדר רוט, הרמוניות, ופסים סביב תדרי הילוך. DSP כגון סינון, חלון, ו- Fourier Transform לחלץ רכיבים אלה כדי שאנליסטים יכולים להשוות אותם נגד חתימות בסיס.

יסודות של עיבוד אותות דיגיטליים

לפני צלילה ליישומים ספציפיים, חיוני לתפוס את הפעולות המרכזיות המגדירות את DSP עבור ניטור מצב.כל צעד בשרשרת העיבוד - החל מרכישה לניתוח - משפיע על האיכות והאמינות של האבחנה הסופית.

סליחות ו-Nyquist Criterion

הנפיחות היא תהליך של המרת אות אנלוגי מתמשך לתוך רצף של ערכים במרווחי זמן אחידים.קצב הדגימה, נמדד בדגימות לשנייה (Hz), חייב להיות לפחות פעמיים את התדירות הגבוהה ביותר נוכח האות כדי להימנע ממזיקים - תופעה שבה רכיבים גבוהים יותר של ניקוד גבוה אינם נכונים כמו תדרים נמוכים יותר.

המונחים: resolution

לאחר הדגימה, כל נקודה זמן דיסקרטית מוקצה ערך דיגיטלי באמצעות קוונטיזציה.מספר ה bits המשמש את המרמיר האנלוגי-ל-דיגיטלי (ADC) קובע את ההחלטה. A 16-bit ADC מחלק את אות amplitude ל-65,536 רמות דיסקרטיות, בעוד ADC 24bit מספק מעל 16 מיליון רמות גבוהות יותר של רזולוציה של רעש ומשפרת את אותות מוקדם יותר, כאשר מדוברתקל עם רמות בקרה נמוכה יותר, כאשר הוא מגיע עם רמות נתונים נמוכות יותר.

המונחים: removing Unwanted Components

סינון הוא ניתוח DSP בסיסי כי tenuates או מבטל טווחי תדר ספציפיים. in Mode ניטור, מסננים לשרת מטרות מרובות:

  • (ב) [17] ,0 ,0 פילטרים של ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇
  • (ב) ,0) מסננים בגובה גבוה (FLT:1) לחסום את DC offsets וסחף נמוך מאוד שיכול לטשטש ניתוח של הרמוניות רוטאליות.
  • (ב) ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇
  • (ב) ,0) פילטרים של קק"ל (לא) , תבטלו את התדרים הידועים, כמו 60 הרץ קו חשמל.

מסננים דיגיטליים מיושמים כתגובה אימפולסית סופית (FIR) או פתרונות אימפולס אינסופיים (IIR) פילטרים FIR מציעים תגובה שלב ליניארית (צורה אות ראויה) אך דורשים משאבים חישוביים יותר, בעוד מסננים IIR יעילים יותר אך יכולים להציג עיוותים בשלב.מערכות ניטור מודרניות לעתים קרובות להשתמש בשילוב של שניהם כדי להשיג את ה-off המסחר הרצוי.

ניתוח Fourier Transform and Frequency Domain Analysis

הרובוט Fourier הוא הכלי החזק ביותר ב-DSP עבור ניטור מצב.זה מסמן אות זמן-דומיין לרכיבי התדרים המרכיבים שלו, ומייצר ספקטרום המחשוף דפוסים תקופתיים של תקלות מכונה.אלגוריתם Fast Fourier Transform (FFT) הופך ניתוח ספקטרלי בזמן אמתי אפילו על חומרה שאינה מוגבלת משאבים.

בפועל, מהנדסים לנתח ספקטרום על ידי השוואתם לחתימות הבסיס הידועות.לדוגמה, נושא בריא מייצר קשת רטט עם אנרגיה נמוכה, מבוזרת אפילו. כמו פגם מתפתח - כגון ספא על הגזע החיצוני - הספקטרום מפתח שיאים אופייניים בכפוף תדרי מעבר באופן דומה, תדרי הילוך ועמודיהם מספקים רמזים על לבישת הילוכים ועיוות מתקדם כמו ניתוח מעטפות (deulation) אפילו אותות מוטמעמים על ידי ביצוע אותות רקע גלויים.

חלונות ו- Spectral Leakage

בעת החלת FFT ללוח אות סופי באורך סופי, הפעוט הפתאומי בשוליים יוצר דליפה ספקטרלית - אנרגיה מתפשטת מפסגות תדר אמיתי לתוך פונקציות החלון הסמוכים (Hanning, Hamming, Blackman-Harris) מקלה על האות בצורה חלקה לאפס בגבולות, צמצום הדליפה בעלות של פסגות מעט רחב יותר.

יישומים מעשיים של DSP ב- Machinery Monitoring

המושגים התיאורטיים לעיל מתרגמים לטכניקות מוחשיות המשמשות את צוותי תחזוקה על פני תעשיות. להלן הם השיטות הנפוצות ביותר מבוססות DSP המשמשות למכונות רוטטציה ושיקום.

ניתוח Vibration Analysis

ניטור Vibration נשאר אבן הפינה של ניטור מצב. Accelerometers המצורפת לשאת דיור, השקיות מוטוריות, או תיבות הילוכים לייצר אותות אנלוגיים כי הם דיגיטציה מעובדת ומעובדת.

  • שיעור מספיק (בדרך כלל 2.56 פעמים תדירות הניתוח המקסימלי)
  • פילטרים נגד-aliasing
  • חלונות ו-FFT לייצר ספקטרום
  • מגמות של רמות רטט הכולל ואת שיאי תדר ספציפיים לאורך זמן

פגמים נפוצים לזיהוי באמצעות רטט DSP כוללים חוסר איזון רוטר, אי-שפי, רופפת, פגמים, נזק הילוך, ו resonance. Envelope ניתוח (Hilbert משנה או חיתוך הרס) יעיל במיוחד עבור נושאי אבחון, שבו טבעת גבוהה קידוד הנגרמת על ידי השפעות הוא ampude-modulated על ידי קצב הסיבוב.

המונחים: Acous Emission

פליטה אקוסטית (AE) חיישנים לזהות גלי מתח גבוה שנוצר על ידי סדקים propagation, חיכוך, או דליפה. אותות AE הם בדרך כלל בטווח הקול (100 kHz 1 MHz), הדורשים שיעורי דגימה גבוהה (several MS /s) ודגימים DSP מיוחדים כגון מטבוליזם (קצב, התפלגות amplitude) וניתוח עזרה להבחין בין להיות פעיל אותות כיסים מוקדם.

ניתוח חתימה נוכחי (MCSA)

MCSA עוקב אחר זרם החשמל הנמשך על ידי מנוע אינדוקציה כדי לזהות פגמים ברוטור, אקסצנטריות, ונושא תקלות.האות הנוכחי מכיל הרמוניות של תדירות קו (50/60 הרץ) כמו גם פסים צדדיים הנגרמים על ידי עומסים מכניים. שיטות DSP - באופן FT על גלי גלפורציות נוכחיות - תוך מעקב אחר פסים אלה.

הזמנה ו-Time-Synchronous Averaging

עבור מכונות מהירות משתנה, מעקב אחר סדר הוא חיוני.סדרים הם מרובים של התדר הסבבי הבסיסי, המאפשר ניתוח עצמאי של שינויים מהירות.DSP resamples את אות הרטט עם התייחסות tachometer, להמיר אותו מתחום הזמן כדי לזהות angular דומיין.FLT:0Time-synchronous averizing FLT:1 (TSA) ואז משפר תקופתיים ודכאים על ידי רכיבי שבץ בריאים, כלומר, כלומר, כלומר, כלומר, כלומר, כלומר, תכונות דלקתיות, כגון רכיבי הילוך אבחון, או הילוך אבחון, כגון:0Time-סי, או מנגנונים משפטיים, כלומר, כלומר, אם אתה יכול להיות יעיל יותר, אם אתה יכול להיות יעיל עבור רכיבי מנגנונים דלקתיים, אם אתה יכול להיות יעיל יותר מאשר רכיבי שבץ, אם אתה יכול להיות יעיל עבור מנגנונים דלקתיים, 000.

דרישות למערכות מבוססות DSP

פיזור DSP עבור ניטור מצב כרוך בחירות חומרה, תוכנה וניהול נתונים.החלטות אלה משפיעות ישירות על דיוק, עלות וקנה מידה.

בחירת חיישן ו-Destion Conditioning

האיכות של אותות גולמיים מגבילה את מה DSP יכול להשיג. Accelerometers עם רגישות גבוהה (למשל, 100 mV /g) ותגובה תדר רחב (0.5 Hz עד 10 kHz) הם אופייניים ניטור הרטט.עבור מדידות אודיו, חיישנים AE עם תדרים resonant מתאימים ליישום משמשים.

זמן אמיתי לעומת רציונאלי מעקב תקופתי

לא כל הנכסים דורשים עיבוד DSP מתמשך. מכונות קריטיות (למשל, טורבינות, דחוסים) עשויים להיות מערכות אינטרנט ייעודיות המדגם וניתוח סביב השעון, מעוררות אזעקה על סף חומרים פחות קריטיים, איסוף נתונים מבוסס נתיב תקופתי עם מנתח נייד מספיק. Edge התקנים מחשוב יותר ויותר להתמודד עם DSP באופן מקומי, משדרים רק תכונות (למשל, פסגות ספקטרום, רמות הכוללות) כדי להפחית רוחב פס מרכזי, דרישות אחסון רוחב פס מרכזי.

נפח אחסון ואחסון

אות רטט יחיד המדגם ב 10 kHz עם 16 סיביות החלטה מייצרת 20 kB לשנייה, או 1.7 GB ליום עבור ערוץ רציף.עבור צמח עם מאות נקודות מדידה, אחסון נתונים גולמי הופך לא מעשי.מערכות מודרניות דחוסות נתונים בזמן דו-קיום, לאחסן רק FFT spectra (אשר בממוצע כדי להפחית רעש), ופרמטרים מרכזיים של טרנד מבוסס ענן מציעים כעת על ניתוח שורש גבוה עבור ניתוח שורש גבוה.

מומחיות ואימון

DSP פלטות -spectra, מגרשי מסלול, לוחות זמנים - ניתן לפרש ללא הכשרה נאותה. Analysts חייב להבין כיצד פרמטרים דגימה, בחירת חלון, ומינוף משפיע על המראה של תקלות. ארגונים ליהנות מהשקעה בתוכניות הסמכה (למשל, Vibration Institute I-IV) ושילוב של DSPs עם תקלות ספציפיות כדי לשפר את האינטואיציה.

יתרונות ואתגרים של DSP ב- Condition Monitoring

יתרונות

  • (ב) גילוי מוקדם: ⁇ FLT:1) DSP יכול לחשוף תקלות בלתי צפויות שבועות או חודשים לפני שהם הופכים להיות בלתי ניתנים לערעור או לגרום להידרדרות בביצועים.
  • (FLT:0) חינוך במשרה: FLT:1, תחזוקה חיזוי המבוססת על ניתוח DSP מאפשר תיקונים מתוכננים במהלך הפסקות חירום מתוכננות ולא הפסקות חירום.
  • (FLT:0) חיסכון משותף: להימנע מכשלים לא מתוכננים מרחיבים את חיי המכונה, מפחית את מלאי חילוף החומרים, ומפחית את הייצור שאבד.
  • (FLT:0) שיפור הבטיחות: כישלונות של ⁇ :1; כמו שבר טורבינות או פיצוצים דחוסים - ניתן למנוע על ידי ניטור מגמות סימן של התמוטטות קרובה.
  • (FLT:0) קבלת החלטות המונעות על ידי נתונים: FLT:1 DSP מספק ראיות אובייקטיביות, ניתנות לכימות לתמיכה בהחלטות תחזוקה, צמצום ההסתמכות על שיפוט אנושי סובייקטיבי.

אתגרים

  • (FLT:0) רעש והתערבות: 1FLT רטטים רקע ממכונות בקרבת מקום, רעש חשמלי וגורמים סביבתיים יכולים להסוות חתימות. פילטרים מתקדמים ונפיחות סינכרונית נדרשים אך מוסיפים מורכבות.
  • נפח הנתונים:0 (איור 1:1) sampling sampling ברזולוציה גבוהה מייצר נתונים מסיביים כי לחץ רוחב פס רשת אחסון. Edge עיבוד ויצירה תכונה עזרה, אבל הם דורשים עיצוב אלגוריתם זהיר.
  • (FLT:0) עומס חישובי: FLT:1 בזמן אמת ניתוח FFT ומעטפה על ערוצים רבים דורש מעבדים חזקים.תקני קצה כוח נמוך עשויים להיאבק עם אלגוריתמי DSP מתוחכמת; מהנדסים חייבים לבחור חומרה אשר מאזן ביצועים וצריכת חשמל.
  • (FLT:0)Lack של סטנדרטיזציה: FLT:1 מכונים שונים להשתמש פרמטרים שונים של רכישה, פורמטים קבצים וסףי אזעקה. Interoperability נשאר אתגר, במיוחד במפעלים רב-דור.
  • פער הידע:0 (FLT:1) יש מחסור במהנדסים שמבינים את תיאוריית DSP ומערכות מכניות.חברות מסתמכות לעתים קרובות על מומחים חיצוניים או משקיעות רבות באימונים.

מגמות עתידיות בDSP עבור ניטור מצב מכונות

ההתכנסות של DSP עם בינה מלאכותית (AI) ומחשוב קצה מעצב מחדש את ניטור המצב.כאן ההתפתחויות העיקריות לצפייה.

AI-Assisted Feature Extraction

DSP מסורתי מסתמכת על תכונות מונדסות באופן ידני (למשל, פסגות תדר ספציפיות, רמות RMS, kurtosis) מכונות מודלים, במיוחד רשתות עצביות אבולוציה (CNN), יכול ללמוד באופן אוטומטי תכונות רלוונטיות מייצוגים עתיים גולמיים (spectrograms) זה מקטין את הצורך עבור כוונון מומחה ויכול לזהות דפוסים עדינים כי ניתוח אנושי מתגעגע.

עיבוד ו-Real-Time Analytics

יחידות מיקרובקר בעלות נמוכה (MCUs) עם DSP הוראות מאפשרות כעת FFT וסינון פעולות על דפי חיישן.זה מאפשר זיהוי מיידי של אנומליות מבלי לשלוח נתונים גולמיים לענן. Edge עיבוד מפחית את הגמישות, רוחב הפס, ואת חששות הפרטיות.מערכות עתידיות סביר לשלב את קצה DSP עבור אזעקות בסיסיות עם למידה עמוקה ענן עבור אבחון מורכב.

רשתות חיישן Wireless

הידרומטרים אלחוטיים וחיישנים AE הופכים פופולריים יותר בשל עלויות ההתקנה הנמוכות.עם זאת, שידור אלחוטי של נתונים DSP גבוהה הוא מאתגר. אלגוריתמים של קומפרסציה (למשל, חישה דחוס) ומיצוי תכונה על הסיפון משמשים כדי להפחית את עומס השכר המועבר.

FUUTION OF Multi Modalities

שילוב של רטט, אקוסטי, טמפרטורה וניתוח שמן באמצעות DSP ולמידה מכונה מספק תמונה מלאה יותר של בריאות מכונה. אלגוריתמים Fusion מיישרי נתונים משיעורים שונים של הדגימה ובסיסי זמן, ולאחר מכן לחלץ תכונות מתואמות. לדוגמה, עלייה בו זמנית בתנוחה בתדירות מסוימת ועלייה בספירת חלקיקים שמן מעידה מאוד על עייפות - אבחנה כי שום חיישן יחיד לא יכול לאשר.

מסקנה

עיבוד אותות דיגיטליים הוא המנוע מאחורי ניטור מצב מכונה יעיל.מממדגם הראשוני של אותות חיישן אנלוגיים למיצוי של חתימות שגיאות באמצעות ה- Fourier Transform, DSP מספק את הכלים המתמטיים הדרושים כדי להפוך נתונים גולמיים למודיעין תחזוקה מעשי.המאסטרינג את היסודות - תיאוריה דגימה, קוונטיזציה, סינון, חלון וניתוח תדר - מהנדסים מתאימים כדי לבחור חומרה מתאימה, לפרש כראוי, תוך כדי שיפור יעיל יותר, כמו גם אתגרים המבוססים עלות, כגון חיישנים יציבים, ואפקטיביים יעילים יותר, כמו גם חיישנים, כגון חיישנים המבוססים על בסיס יעילות יותר ויותר, חיישנים, יעילות יותר ויותר, חיישנים המבוססים על ידי חיישנים, כגון חיישנים המבוססים על ידי חיישנים, חיישנים יציבים יותר ויותר, חיישנים, חיישנים יציבים יותר ויותר, חיישנים.

(ב) לעיין בנושאים ספציפיים, יש לשקול את המשאבים החיצוניים האלה:0Digital Signal Processing (Wikipedia) FLT:1,FLT:2FFT Spectrum AnalysisFLT 3: 3, ו-FLT:4Predictive תחזוקה (IBM) ,5.