מה זה DSP ב-CDC?

עיבוד אותות דיגיטליים (DSP) הוא מניפולציה מתמטית של אותות דיגיטליים כדי לחלץ, לסנן או לשפר את המידע. בהקשר של ניטור מכונות תעשייתי, אלגוריתמי DSP מנתחים נתונים חיישן בזמן אמת כגון רטט, פליטות אקוסטיות, טמפרטורה, לחץ, ואת התוסף הנוכחי.התועלת נמצאת ביכולת לעבד זרמי נתונים זעירים על מנת להתאים את התדרים התפעוליים של המכונות - לעתים קרובות מאות של דגימות לשנייה - כמו זיהוי מיידי של תבניות מוטציות, כגון מוטציות לא-ידיות, בניגוד לפגמים של חומרים לא-ידיים, כגון מוטציות לא-ידי מוטציות לא-ידיים, כגון מוטציות פשוטות, כגון מוטציות לא-ידי מוטציות מתמטיות, כמו מוטציות לא-ידי DSP, מוטציות פשוטות, עלולות, מוטציות, או מוטציות של מערכות הפעלה מוטציות פשוטות, מוטציות של חומר-ידי שימוש באפקטיביות, מוטציות, כגון מוטציות פשוטות, מוטציות, מוטציות פשוטות, מוטציות, מוטציות פשוטות, או מוטציות של מערכות הפעלה מוטציות של מערכות הפעלה מוטציות פשוטות, מוטציות, כגון מוטציות לא-ידי שימוש במהירויות של מערכות הפעלה מוטציות של מערכות הפעלה מוטציות של מערכות הפעלה מוטציות, מוטציות פשוטות, כמו מוטציות,

יישומי DSP מודרניים על מערך השערים הניתנים לחיזוי שדה (FPGAs) או בקרים דיגיטליים (DSCs) מאפשרים חישובים אלה להתבצע בחיישן עצמו, צמצום רוחב הפס של הנתונים הנדרש להעברת ענן ומאפשר תגובה בזמן אמת.זה שינוי מתהליכים מרכזיים לעיבוד מבוסס DSP הוא אמצעי קריטי עבור תעשיות 4.0 ויוזמות חכמות.

חיישנים מרכזיים בשימוש ב- Industrial Machinery Monitoring

יעילותה של כל מערכת ניטור DSP קשורה ביסודה לאיכות ולהתאמה של קלטי החיישן.סוגי החיישן הנפוצים ביותר המשמשים ניטור תעשייתי כוללים:

  • (ב) [ה]] [ה]] [ה]] [ה]] [ה'] [ה']'[ה]'[ה]'[ה]'[ה]]]'[ה']'[ה']'[ה']'[ה']'[ה']'[ה']'[ה']'[ה']'[ה'[ה'[ה']']'[ה']']'[ה'[ה']']'[ה'[ה'[ה'[ה'[ה'[ה']']']'[ה'[ה'[ה'[ה']']']'[ה']']'[ה'[ה'[ה'[ה']']']']']'[ה'[ה']'[ה'[ה']'[ה'[ה']']'[ה']']'[ה'[ה'[ה'[ב[ה']'[ב']']'[ב[ה']']'[ה'[
  • (FLT:0) חיישנים של Emission Emissions LT:1 ; ללכוד גלי קול קול קול קול (בדרך כלל 100 kHz - 1 MHz) שנוצר על ידי סדקים, דליפות וחיכוך.אלה הם בעלי ערך במיוחד עבור גילוי פגם בשלב מוקדם.
  • (FLT:0) Thermocoupuples ו RTDsibph:1 - טמפרטורה בינונית עם דיוק גבוה.טמפרטורת סודדן עולה לעתים קרובות מצביעים על חימום יתר עקב אי ספיקת סיכה או תקלות חשמליות.
  • (FLT:0Current/Voltage SensorsssigFLT:1) - ניטור חתימות חשמליות מוטוריות. Motor הנוכחית ניתוח חתימה (MCSA) יכול לזהות תקלות ברוטור, אקסצנטריות של ארג'אפ אוויר, ולטעום וריאציות מבלי לדרוש גישה ישירה לחלקים המסתובבים.
  • (ב) ,0) ,CreducersFLT:1 - בשימוש במערכות הידראוליות ו pneumatic כדי לזהות pulsations, cavitation או חסימת.
  • (ב) ⁇ :0) אימון גאוג'ים (GugesphFLT) 1 - מדד עיוות מכני, שימושי למעקב אחר יושרה מבנית של רכיבים בעלי עומס.

בחירת חיישן הנכון עבור כל סוג מכונות ומצב כשלון הוא קריטי. מכונה אחת עשויה להיות מוכלת עם סוגי חיישן מרובים אשר אותותיהם ממוזגים על ידי מערכת DSP כדי ליצור תמונה בריאות מקיפה.

שרשרת אותות DSP

מערכת ניטור טיפוסית המבוססת על DSP עוקבת אחר שרשרת אות מוגדרת היטב, כל שלב מבצע תפקיד ספציפי בהפיכת נתונים אנלוגיים גולמיים לתובנות ניתנות לפעולה.

1. Anti-Alias filter

לפני המרה האנלוגית-לדיגיטלית, מסנן נמוך מסיר תדרים מעל מחצית מקצב הדגימה (תדירות Nyquist) כדי למנוע פריטים הקשורים שישחית את האות הדיגיטלי.זה בדרך כלל מסנן חומרה עם גלגל חד- off.

2. Analog-to-Digital Conversion (ADC)

האות האנלוגי המסנן הוא מדגם בקצב שנקבע על ידי התדירות הגבוהה ביותר של עניין.עבור ניתוח רטט, שיעורי דגימה של 50 kHz ל 200 kHz נפוצים.

3.Digital Filter

לאחר דיגיטציה, האות עובר דרך מסננים תוכנה כדי להסיר רעש, הרמוניות, ורכיבים לא רצויים אחרים.סוגים דיגיטליים נפוצים כוללים תגובה של Finite Impulse (FIR) ו- Infinite Impulse Response (IIR) מסננים, כל אחד עם עצירות מסחר בשלב ליניאריות ויעילות חישובית.בנק מסנן מעוצב היטב יכול להפריד את האות ללהקות תדר המתאים לרכיבים מכניים שונים.

4.הפיקה על ידי DSP Algorithms

זה הליבה של DSP. Algorithms מוחל כדי לחלץ אינדיקטורים משמעותיים של בריאות מכונה.טכניקות בשימוש נרחב ביותר כוללים:

  • (FLT:0)Fast Fourier Transform (FFT): OVAFLT:1) הופך את גלטום הזמן-דומיין לתוך מתחם התדר.הספקטרום וכתוצאה מכך מגלה תדרים אופייניים של רכיבים רוטטים (למשל, כדור עובר תדרים, תדרי מירש הילוכים).
  • (FLT:0)Envelope Analysis (Demodulation): ibLT:1 בשימוש על ידי זיהוי לקוי אשמה.It מופק המעטפה הנמוכה של אות רטט גבוה, מה שהופך תגובות אימפולסיבית של פגמים גלויים.
  • (FLT:0)Wavelet Transform:FLT:1ir מספק זמן- ⁇ מקומיות, אידיאלי לניתוח אירועים טרנספורמטיביים כגון השפעות או קידוד.שינוי הגל רציף (CWT) ו- Disrete Wavelet להפוך (DWT) משמשים גם בהתאם ליישום.
  • (FLT:0)Cepstrum Analysis: FLT:1 רגיש למחזוריות בספקטרום, שימושית לזיהוי פגמים בשיניים הילוכים ודפוסי פס.
  • (FLT:0) תכונות סטאטיסטיות: FLT:1 metrics כמו RMS, גורם crest, kurtosis, ו skewness לספק מחוונים בריאותיים מהירים שיכולים לטרנד לאורך זמן.

גילוי והחלטות

תכונות מוקלטות משווים נגד קווי בסיס או גבולות סף. אזעקה פשוטה ניתן להעלות כאשר תכונה עולה על רמה מוקדמת.מערכות מתקדמות יותר להשתמש בניתוח טרנדי כדי לזהות השפלה הדרגתית או להשתמש במתקני למידת מכונה כדי לזהות דפוסים מורכבים הקשורים תקלות ספציפיות.

יתרונות מרכזיים של שימוש ב-DSP למעקב בזמן אמת

פיזור DSP בקצה או ליד המכונות מציע הטבות מעבר לאיסוף נתונים תקופתי מסורתי:

  • (FLT:0) גילוי מוקדם של Fault Detection: 1FLT) על ידי ניתוח תוכן גבוה כי בני אדם אינם יכולים לתפוס, מערכות DSP יכולות לזהות נזק מיקרוסקופי זמן רב לפני שהוא מתגלה כלבוש גלוי.מחקרים מראים כי ניטור מבוסס DSP יכול לזהות תקלות נושא בשלב ה- incipient - שבועות לפני כישלון.
  • (FLT:0) נמסר: 1) התראות בזמן אמת מאפשרות לצוותי תחזוקה לתכנן התערבויות במהלך העיכובים המתוכנן ולא להגיב להתמוטטות בלתי צפויה.
  • (FLT:0)Cost Savingscio: 1FLT 1 תחזוקה חיזוי שניתן על ידי DSP מפחיתה את מלאי חילוף החומרים, מרחיבה את חיי המכונות ואופטימיזציה של הקצאת העבודה.
  • (FLT:0) החלטות של Data-Driven:FLT:1 ניטור רציף יוצר מסד נתונים היסטורי עשיר התומכת בניתוח שורש, אימות אחריות ושיפורים עיצוב עבור מכונות הדור הבא.
  • (FLT:0) ניטור המניע: מערכות DSP עם קישוריות מאפשרות למומחים לתחזוקה לפקח על ציוד על פני אתרים מרובים ממקום מרכזי, יכולת שהפכה חיונית במהלך מגפת COVID-19 וממשיך להניע יעילות מבצעית.

יישום אמיתי-עולם של DSP ב ניטור תעשייתי

עקבו אחרי Rotating Machinery

משאבות, דחוסים, טורבינות, ומנועים הם במעקב באמצעות Accelerometers וניתוח FFT. צמח פטרוכימי, למשל, עשוי לפקח על מאות משאבות צנטריפוגות.מערכת DSP תמיד מצמידת את טווח הרטט ומשווה אותו ל-10816 רמות חומרת חומרת חומרה. כאשר רמת הרטט של משאבה עולה מעל סף אזעקה עבור להקה מסוימת, הזמנה תחזוקה מיוצרת באופן אוטומטי יישום של 35% כזה.

המונחים: Gearboxes

גרוקס בטורבינות רוח לפעול תחת עומסים משתנים ותנאים קשים. חיישני פליטה אקוסטיים יחד עם DSP מבוסס גלנט יכול לזהות שטיפת שיניים או עייפות משטח עם דיוק גבוה. A מחקר שפורסם ב FLT:0 מ מכניקה מערכות ו- Signal ProcessingFLT:1 הראה כי חיתוך גל בשילוב עם מכונות תמיכה וקטור השיג דיוק אבחון 98.7% עבור תקלות במבחן.

ניתוח חתימה נוכחי (MCSA)

מנועים חשמליים הם הלב של התהליכים התעשייתיים ביותר. MCSA משתמש בטרנספורמציה הנוכחית כדי למדוד את הזרם, ולאחר מכן חל FFT כדי לחלץ תדרי פס צדדי סביב תדירות האספקה. רוטר פגמים, אקסצנטריות ואפילו תקלות הנושא ניתן לזהות ללא פולשנית. צמח הרכב המשולב MCSA לתוך המנועים הספיןולים שלה ולהשלים 80% של זעזועים כוזבים כי בעבר ניתן לזהות את מערכת הרטט המבוססת שלהם.

מעקב אחר בריאות קריין וגשר

ציוד הרמת כבד ונכסים תשתיתיים נהנים מזן מבוסס DSP ומעקב רטט.גשר הנמל סידני, למשל, משתמש ברשת של קדרממטרים וחיישנים אופטיים סיבים אשר אותותיהם מעובדים באמצעות אלגוריתמים ניתוח מודוללי כדי לזהות שינויים בנוקשות מבנית שיכולה להצביע על עייפות סדק.

יישום DSP Systems: אתגרים ושיקולים

בעוד היתרונות משכנעים, פריסת DSP ביעילות דורש מענה לאתגרים טכניים ותפעוליים.

המונחים: constraints

DSP גבוה יכול להיות אינטנסיבי חישובי, במיוחד כאשר עיבוד של ערוצים מרובים בו זמנית.מפתחים חייבים איזון קפדני המורכבות של אלגוריתם כנגד היכולות של חומרת היעד. מעבדים מוטבע עם ערכות הוראה ייעודיות DSP (למשל, ARMx Cortex-M4/M7/M7 או TI C2000) נבחרים לעתים קרובות, אך יישומים תובעניים יותר עשויים לדרוש FPGAs או אפילו GPU.

אחסון נתונים ו-Transmission Bandwidth

הזרמת מידע גולמי גלפור מייצרת terabytes של נתונים לכל מכונה בשנה. Edge עיבוד מפחית את זה כדי לחלץ תכונות, אבל אפילו זה יכול להיות משמעותי עבור ציים גדולים.בחירת טכניקת הדחיסה הנכונה ופרוטוקול השידור (למשל, MQTT, OPC UA) הוא קריטי.מערכות רבות משתמשות ארכיטקטורת אחסון-קדימה, אשר שומרת על חיץ מקומי של נתונים גולמיים עבור דרישה על ידי זיהוי כאשר הוא מזוהה כאשר הוא אשם.

בחירת חיישן ומתקן

חיישן לא נכון עולה יכול לעוות את האות ולהוביל חיובי כוזב. Accelerometers חייב להיות רכוב נוקשה עם משטח שטוח והפיכה נאותה. טווח התדר של החיישן וטווח דינמי חייב להתאים את רמות הרטט הצפויות.טעות נפוצה היא באמצעות חיישנים עם רוחב פס נמוך מדי, חסר תקלות גבוהות של קידוד גבוה.

רעש וגורמים סביבתיים

סביבות תעשייתיות הן רועשות מבחינה חשמלית.הגנתיות נכונה, ריצוף ואיות שונות (למשל, IEPE Accelerometers) הן חיוניות. אלגוריתמי DSP יכולים עוד להפחית את ההתערבות האלקטרומגנטית (EMI) באמצעות סינון הסתגלות, אך השכבה הפיזית חייבת להיות חזקה ראשונה.

מערכת אינטגרציה ו-Salability

מערכות DSP חייבות לממשק עם מערכות קיימות של SCADA, היסטוריון, תכנון משאבים ארגוניים (ERP) סטנדרטיזציה על פרוטוקולים כמו Modbus TCP, Ethernet/IP, או OPC UA מפשטת אינטגרציה.תכנון סקלאבול - האם המערכת מטפלת ב-100 חיישנים היום ו-1,000 מחר? - לעתים קרובות מתעלמת אך קריטית להצלחה ארוכת טווח.

שילוב עם IoT, Edge Computing וענן

הכוח האמיתי של DSP מודרני ניטור תעשייתי עולה כאשר הוא משולב לתוך רשת תעשייתית רחבה יותר של דברים (IIoT) אדריכלות. Edge מכשירים לבצע DSP ראשונית בזמן אמת, יצירת התראות וקטורים תכונה. אלה ערכות נתונים קל משקל נשלחים לפלטפורמת ענן לניתוח היסטורי, הדמיה טרנדית, ואימון מודל למידת מכונה.

מחשוב קצה מפחית את הסבלנות עבור אזעקות קריטיות וחתיכה באופן דרמטי את עלויות נתוני הענן.לדוגמה, מערכת ניטור דיזל עשויה להשתמש Raspberry Pi עם מודם 4G כדי להפעיל אלגוריתמי DSP באופן מקומי, רק משדרת שורש-mean-square (RMS) ערכים רטט כל דקה אלא אם כן aomaly מזוהה. כאשר DSP מזהה דפוס חשוד, הוא מכווץ את 10 האחרון של שניות של גל גולמי ושולח יעילות נתונים עבור תרופה זו.

Machine Learning Augmented DSP

DSP מסורתי מסתמכת על סף מבוסס הכלל ותאריות של תקלות ידועות.עם זאת, מכונות מורכבות עלולות להציג פגמים שאינם נתפסים בקלות על ידי אלגוריתמים מוגדרים מראש. Machine Learning (ML) כולל רשתות עצביות מבוכות (CNN) וזיכרון לטווח קצר ארוך (LSTM) רשתות, ניתן לאמן על נתונים מתויגים לסווג באופן אוטומטי סוגים של תקלות ורמות חומרת.

המגמה היא לשלב את נקודות החוזק של שתי הגישות: DSP משמש למיזוג אות ראשונית ומיצוי תכונה (למשל, יצירת spectrograms או bispectra), ולאחר מכן מודלים ML לנתח תכונות אלה כדי לקבל החלטות. צינור היברידי זה לעתים קרובות outperforms או טכניקה לבד. a סקירה לאחרונה ב FLT:0Sensors יומן 1FLT:1 מסיכום מעל 200 מאמרים על למידה, כי לעתים קרובות לזהות את הדיוק הגבוה ביותר עם דיוק.

עתיד DSP ב ניטור תעשייתי

מספר מגמות מתעוררות יעצבו את הדור הבא של מערכות ניטור מבוססות DSP:

  • (FLT:0) חיישנים בעלי כוח עצמי: אנדרט 1 (VirFLT:1) קציר אנרגיה מרטט או ⁇ תרמיים יסלקו החלפת סוללות ומתקנים חוטיים, המאפשרים פריסת חיישן על פירים רוטטים ומיקומים קשים אחרים.
  • (FLT:0) למידה משופרת: במקום להעלות את כל נתוני החיישן לענן מרכזי, מכשירים קצה יאמן מודלים מקומיים של למידת מכונה ולשתף רק עדכוני מודל, שמירה על פרטיות הנתונים וצמצום רוחב הפס.
  • (FLT:05G ו-Time-Sensitive Networking (TSN):FIRLT:1Felo-1, תקשורת אלחוטית נמוכה-לא-עוצמה תאפשר עיבוד DSP להיסגר לשרתי קצה סמוכים תוך שמירה על תזמון מכריע הנדרש לשליטה סגורה-פרלופית.
  • (FLT:0) הסבירות המלאכותית: 1.10.10.10.10.10.10.10.10.10 החלטות מונעות DSP הופכות ליותר אוטונומיות, תקנות ותקני בטיחות ידרושו תפוקות ניתנות לתיאור – אלו שלא רק דגלו באשמת אלא גם מצביעים על כך שרכיב תדירות ומסגרת זמן גרמה לאזעקה.
  • (ב) ניתן להאכיל תאומים דיגיטליים של המכונות עם נתונים של DSP בזמן אמת כדי לדמות חיים שימושיים (RUL) ואופטימיזציה של לוחות הזמנים של תחזוקה.חברות כמו FLT:2SiemenssFLT 3 כבר משלבים נתונים קצה DSP לתוך הפלטפורמה שלהם של יצירת תאום דיגיטלי.

עיבוד אותות דיגיטלי עבר ממשמעת אלקטרוניקה נישה לטכנולוגיה בסיסית לאמינות תעשייתית.כאשר הוא פורס נכון, הוא הופך זרמים של נתוני חיישן רועש לתוך נרטיב ברור של בריאות מכונות - מפעלים מתרבים לפעול קרוב יותר למקסימום שלהם בזמן הפחתת העלות הכוללת של הבעלות.כפי שכוח מחשוב ממשיך לרדת במחיר וביכולות אלחוטיות לשפר, ניטור בזמן אמתי מבוסס DSP יהפוך למקובל במקום בתעשיית החומר הכבד.