1 預測性維護：主動出手，消除非計劃停機

　　在工廠內，如電機、泵、風機、球磨機等相關機械類旋 轉設備，其零部件磨損的發(fā)展自有規(guī)律，設備各零部件的相 對運動趨勢將反應出振動、溫度等連鎖效應。因此，若能通 過技術手段對設備受到的磨損失效規(guī)律進行監(jiān)測，即可提前 分析出各項功能發(fā)生改變的趨勢與結果，而這便是旋轉類機 械設備預測性維護的基礎原理。

　　與傳統(tǒng)的響應式維護和預防性維護不同，預測性維護通 過持續(xù)實時評估設備的運行狀況，應用機器學習等先進的分 析工具，可識別、預測診斷設備潛在的故障問題，并提供運 維建議，提前解決問題，從而實現(xiàn)對設備性能的優(yōu)化、延長 使用壽命。

　　2 數字化系統(tǒng)：先進架構，“軟硬”兼施安全 無虞

　　基于預測性維護的基礎原理，利德華福變頻顧問大型旋 轉類機械設備預測性維護方案通過安裝在機械設備上先進的 MEMS(微機電系統(tǒng))傳感器，能夠采集旋轉類機械設備的 三軸振動及溫度數據，經過前期的過濾和邊緣側處理后，會 被上傳至系統(tǒng)平臺，運維人員可以通過手機APP或者WEB端 查看設備的運行狀況。

　　同時，該方案憑借利德華福變頻顧問數字化解決方案架 構(圖1)，采用數理模型+機理模型雙驅動算法，將工藝數 據與振動數據相結合，通過一系列互聯(lián)互通的智能化軟硬件 產品輔助，可精準定位潛在的故障點與故障類型，并及時給 出相應維修建議。系統(tǒng)中的關鍵組件包括：振動溫度一體傳 感器、邊緣計算網關以及變頻顧問等(圖2)。

　　振動溫度一體傳感器的性能特點如下：

　　? 全新MEMS傳感技術;

　　? 采樣頻率超20kHz;

　　? 三軸實時振動采集;

　　? 可實時同步輸出振動數據;

　　? 數據預處理，提供高達百種特征值;

　　? 精密小體積，多種現(xiàn)場安裝方式;

　　? CE認證+IP67防護等級，應對惡劣工況。 邊緣計算網關的性能特點如下：

　　? 支持6路通道的三軸振動傳感器;

　　? 支持無線通信方式;

　　? 內嵌故障預測智能算法模型;

　　? 高性能的邊緣AI計算能力，實時優(yōu)化算法模型;

　　? 支持內置和外置天線，適用室內外安裝;

　　? CE認證+IP67防護等級，應對惡劣工況。 變頻顧問的性能特點如下：

　　? 智能生成設備每日健康度、精確定位故障部位及評價;

　　? 數據分析工具;

　　? 故障預測及診斷;

　　? 健康診斷報告。

圖 1 利德華福變頻顧問數字化解決方案架構

　　在實際應用場景中，利德華福的變頻顧問旋轉類機械設 備預測性維護能夠監(jiān)測包括電機、風機、水泵等在內的多種 類旋轉類機械設備，并基于針對分析的機理和梳理模型，預 測和診斷出一系列人工運維中難以及時發(fā)現(xiàn)的磨損、損壞、 點蝕等細微問題。通過防患于未然的維護，為企業(yè)帶來更多 有利于可持續(xù)發(fā)展的收益價值：

　　? 縮短生產設備非計劃停機時間，提高生產效率;

　　? 轉變企業(yè)維修模式，降低維修費用;

　　? 減少人工勞動量，提升巡檢效率;

　　? 固化設備運維專家知識，減少人為干擾，實現(xiàn)設 備故障診斷知識復用，培養(yǎng)專業(yè)振動診斷知識的復合 型人才;

　　? 對設備進行數字化管理，實現(xiàn)企業(yè)管理精益化，提升管 理效能、降本增效，提高競爭力，助力企業(yè)完成數字化轉型。

　　在工業(yè)企業(yè)中，健康的電機及旋轉類機械設備是支撐連 續(xù)安全生產的關鍵，也是工業(yè)用戶的核心關注點。通過對旋 轉類機械設備進行預測性維護，監(jiān)測設備受到的磨損失效規(guī) 律，從而提前分析出各項功能發(fā)生改變的趨勢與結果，能夠 幫助工業(yè)企業(yè)更好地減少非計劃停機風險，保證生產連續(xù)性。 下面將繼續(xù)詳細解析該解決方案所采用的診斷技術原理。

　　3 振動分析：旋轉設備機理狀態(tài)“透視鏡”

　　電機及旋轉類機械設備內部有多種振動源，當設備或 組件對中不良、不平衡或組件松動時，機器會產生過度的振 動，這種長期的非正常振動可能會導致設備損壞甚至系統(tǒng)故 障、引發(fā)停機。因此，預測性維護將振動作為反映設備零件 狀態(tài)的信號，以此來確定測量對象在施加的負載或外力作用 下如何響應，進而找到故障的根本原因。

　　以常見的除塵風機系統(tǒng)為例，正常運行時，風機系統(tǒng)軸 承的信號通常是電機轉動速度的3-7倍，葉輪信號則更高，為 電機轉速乘以葉片個數。如果空氣均勻流過葉輪，則不會產 生大幅振動，但如果葉片彎曲或者葉片腐蝕等，那么振動將 會增大。如下，本文總結了三種電機狀態(tài)以及其所對應的波 形圖，供大家參考。

　　(1)狀態(tài)1：正常風機運行

　　一臺正常的風機運行狀態(tài)非常平穩(wěn)，其旋轉只會產生處 于設計接受范圍內的輕微不平衡;在振動傳感器中，其波形 為完美的正弦波。

　　(2)狀態(tài)2：幾個月后的磨損狀態(tài)

　　隨著時間的推移，除塵風機的少量大顆粒和許多微小 的粉塵顆粒隨高溫高速的煙氣通過引風機，使葉片遭受持續(xù) 沖蝕，積累成為葉輪污漬，導致電機不平衡的增加，長此以 往，葉片出口處會形成葉片狀磨損。由于這種磨損并不規(guī) 則，因此造成了葉輪的不平衡或電機轉軸的磨損。反映到振動傳感器中，該狀態(tài)下的波形振動幅度變大， 電機轉速頻率 增加。

　　(3)狀態(tài)3：轉速增加的磨損狀態(tài)

　　振動信號里，每個旋轉設備的振動源都會產生不同的幅值變 化(源頭的振動大小)以及頻率變化(振動速度快慢變化)。

　　4 頻譜分析：旋轉設備信號“分析師”

　　在實際應用中，振動分析的結果并非理想中三種部件的 信號，而是所有信號的疊加(圖3)，只看信號很難分辨出故 障的具體來源，因此，變頻顧問設備預測性維護使用了頻譜 分析來識別信號源頭，其中最為普遍的方法又稱為傅里葉變 化，并按照頻率比例把三個振動源拆分。

　　通常，電機為1倍頻，葉輪是電機的10倍頻，利用頻譜 分析的透射原理，即可根據時域波形到頻域波形的轉換來判 斷設備的狀態(tài)。而在線的狀態(tài)監(jiān)測與振動分析能夠幫助運維 人員觀察到設備狀態(tài)如何隨時間變化，進而分析得到設備故 障的主因，保障設備健康運行。

　　圖4中的三幅圖分別為：

　　a.健康狀態(tài)下的頻譜圖;

　　b.故障持續(xù)一周的頻譜圖(設備可能產生噪音，且會考 慮是否對軸承造成磨損);

　　c.故障持續(xù)一個月的頻譜圖(不平衡增加，軸承開始出 現(xiàn)磨損，這是軸承失效的根本原因之一)。

　　5 變頻顧問預測性維護診斷技術：旋轉設備 健康“問診師”

　　變頻顧問預測性維護診斷技術通過以下7大流程(見圖 5) ，實現(xiàn)設備預測及診斷數據流。同時，變頻顧問旋轉類 機械設備預測性維護可監(jiān)測電機、風機、齒輪箱等旋轉類機 械設備，基于設備的機理和數理模型，預測和診斷包括不對 中、不平衡，基座松動、磨損、點蝕等在內的各類設備問 題，有效幫助運維人員識別故障、預知風險。

　　下面，將為大家介紹變頻顧問設備預測性維護中所運用 的多種診斷技術。

　　(1)數據采集——原始波形

　　采集目標設備的振動信號和工藝數據(見圖6、圖7)。

　　(2)特征值提取

　　系統(tǒng)針對振動數據進行計算，提取多種特征值(圖8)。

　　(3)工況識別

　　故障診斷需要區(qū)分不同工況，可以看到工況一集中在左 下角，工況二集中在右上方(圖9)。

　　(4)狀態(tài)識別

　　隨著平臺數據的積累和算法模型的學習，工況一對應 的點簇不斷地外延發(fā)展，直至系統(tǒng)算法將其診斷為異常狀態(tài) (圖10)。

　　(5)故障定位

　　針對該工況下的異常情況，可以通過頻譜分析進一步故 障定位，圖11可以清楚地看到瀑布圖內，某些頻點存在明顯 上升趨勢。

　　(6)故障診斷

　　針對明顯上升趨勢的頻點，進一步結合故障矩陣(圖 12)，就可以完成對該臺設備的故障診斷。

　　(7)退化顯著度——健康度降維

　　篩選出機器退化過程中隨時間升降明顯的特征值，將其 進行融合和降維提取，得到機器退化模型，見圖13。

　　(8)壽命預測

　　擁有退化曲線后，未來有類似的數據情況發(fā)生，都可與其 匹配，系統(tǒng)算法進一步深入學習預測設備的剩余壽命(圖14)。

　　變頻顧問對旋轉類機械設備的預測性維護，可以幫助客 戶監(jiān)測電機、風機、水泵、壓縮機、皮帶機、齒輪箱等旋轉 類機械設備，分析設備健康狀況，識別設備風險，精準定位 潛在故障點與故障類型，給出問題原因及維護建議，及時排 查隱患，減少非計劃停機風險及損失，助力工業(yè)企業(yè)實現(xiàn)從 基于經驗的被動運維向基于數據的主動智慧運維轉型。

　　從被動響應到主動運維，設備維護方式的進階升級，是 全產業(yè)數字化轉型的一個縮影。在此過程中，利德華福持續(xù) 以“專注、專心、專業(yè)、專屬”，為客戶提供更智能、高效的 全生命周期服務，真正履行“品質有保證，服務伴終身”，賦 能企業(yè)安全連續(xù)生產，相伴工業(yè)而行。