本文解釋了MEMS技術的最新進展 將加速度計傳感器推向最前沿，可與壓電傳感器相媲美 在基于狀態的監控應用中。我們還將討論如何使用 使這一切成為可能的新開發平臺。在第 2 部分中，我們將 專注于支持此開發平臺的軟件框架， 以及如何將其與流行的數據分析工具集成以開發 機器學習示例，以及最終如何在各種資產上部署它。

狀態監控簡介 （立方層氣）和預測性維護 （PdM）

狀態監控 （CbM） 涉及使用 用于測量當前健康狀況的傳感器。預測性維護 涉及 CbM、機器學習和分析等技術的組合 預測即將到來的資產維護周期或故障。具有顯著 全球機器健康監測的增長預測，必須知道 并了解主要趨勢。越來越多的CbM公司正在轉向 PdM 來區分他們的產品供應。維護和設施經理 現在在CbM方面有了新的選擇，例如無線安裝和 低成本、高性能安裝。雖然大多數 CbM 系統基礎設施 保持不變，新的MEMS技術現在可以直接集成到 傳統上由壓電傳感器或以前沒有的壓電傳感器主導的系統 由于成本障礙而受到監控。

狀態監測 — 工程挑戰和 設計決策

在典型的CbM信號鏈設計中，需要考慮許多不同的工程學科和技術，這些學科和技術都在不斷改進 并且復雜性不斷增加?，F在存在各種具有專業知識的客戶類型 在特定領域，如算法開發（僅限軟件）或硬件 設計（僅限硬件），但并不總是兩者兼而有之。

希望專注于算法開發的開發人員需要 準確預測資產故障和停機時間的信息。他們不想要 設計硬件或對數據的完整性進行故障排除;他們只是想 使用已知為高保真度的數據。同樣，硬件工程師正在尋找 為了提高系統可靠性或降低成本，需要一個可以輕松連接到現有基礎設施的解決方案，以現有解決方案為基準。他們 需要以易于使用和導出的可讀格式訪問數據，因此 他們不會浪費時間評估績效。

許多系統級挑戰都可以通過平臺方法解決 — 從 傳感器一直到算法開發 - 支持所有客戶類型。

什么是CN0549，它如何幫助擴展 設備壽命？

CN0549 煤層氣開發平臺

CN0549狀態監控平臺是一種高性能、現成的硬件和軟件解決方案，可實現高保真流傳輸 將振動數據從資產導入算法/機器學習開發 環境。該平臺使硬件專家受益，因為它經過測試和驗證 系統解決方案提供高精度數據采集，成熟的機械性能 耦合到資產，以及高性能寬帶振動傳感器。都 提供硬件設計文件，便于集成到產品中 你設計。CN0549對軟件專家也很有吸引力，因為它抽象了挑戰 狀態監測信號鏈硬件和軟件團隊 和數據科學家直接進入開發機器學習算法。我？ 功能和優點包括：

易于安裝到資產上，同時保持機械耦合信號完整性

寬帶寬MEMS加速度計傳感器，具有IEPE數據輸出格式

IEPE，具有模擬輸入帶寬的高保真數據采集（DAQ）解決方案 從直流到 54 kHz

嵌入式網關捕獲和存儲本地或網絡的原始數據 加工

使用ADI公司的IIO示波器實時可視化頻域數據 應用

將傳感器數據直接流式傳輸到流行的數據分析工具，如Python。 和 MATLAB?

CbM開發平臺由四個不同的元素組成，如 圖 1，我們將在查看合并圖之前單獨討論 整體解決方案。

圖1.CbM開發平臺的元素。

高精度、高保真數據采集 和處理

更寬的帶寬和更低的噪聲傳感器可更早地檢測到故障 例如軸承問題、氣蝕和齒輪嚙合。當務之急是 數據采集電子設備保持測量振動的保真度 數據;否則，關鍵故障信息可能會丟失。保持保真度 振動數據可以更快地看到趨勢，并且高度 我們可以推薦預防性維護，從而減少 對機械元件造成不必要的磨損，并不可避免地延長 資產的生命周期。

具有成本效益的狀態監測方法 低關鍵性資產

壓電加速度計是用于 性能要求超過成本的大多數關鍵資產。的立方米 傳統上，壓電陶瓷的高成本禁止低臨界資產 裝置。MEMS振動傳感器現在在噪聲、帶寬和g范圍方面可與壓電陶瓷相媲美，為維護和設施提供更深入的見解 以前由 運行到故障或反應性維護計劃。這主要是由于MEMS的 高性能和低成本。中低關鍵性資產現在可以 以具有成本效益的方式持續監控。不必要的磨損 可以輕松識別和修復資產，有助于延長使用壽命 通過先進的振動傳感實現資產。這也有助于整體 設備有效性和減少機器或過程停機時間。

監控資產 — 傳感至關重要

當涉及到CbM和 電流檢測、磁感應、流量監控等多種功能使 大多數應用程序。振動傳感是最常用的方式 CbM和壓電加速度計是最常用的振動傳感器。在本節中， 我們將回顧振動傳感器領域如何因技術進步而擴展，以及這如何影響應用決策。

微機電系統 vs. 壓電

壓電加速度計是非常高性能的傳感器，但所有這些性能 需要許多設計權衡。例如，壓電加速度計通常僅限于在有線安裝中使用，因為它們會消耗多余的 功率，它們可以在物理上很大（尤其是三軸傳感器），而且它們是 貴。當所有這些因素結合起來時，裝備你的是不切實際的 整個工廠都裝有壓電傳感器，這就是為什么它們主要只用于 在關鍵資產上。

直到最近，MEMS加速度計還沒有足夠寬的帶寬，它們的 噪聲太高，g范圍僅限于監測不太關鍵的監測 資產。MEMS技術的最新進展克服了這些挑戰 限制，可實現低端甚至高端的MEMS振動監測 關鍵性資產。表 1 顯示了所需的最重要特性 用于CbM應用的壓電和MEMS傳感器。身體小，有能力 MEMS加速度計使用電池運行多年，成本低，性能可與壓電電相媲美，正迅速成為首選傳感器 適用于許多 CbM 應用。

CN0549 CbM開發平臺與MEMS和IEPE兼容 壓電加速度計，為基準比較提供路徑 傳感器類型。

將MEMS加速度計與現有的 IEPE基礎設施

如表1所示，與壓電傳感器相比，MEMS加速度計現在可以提供有競爭力的規格和性能，但它們能否提供 更換現有的壓電傳感器？便于設計人員評估和更換 帶MEMS加速度計的壓電加速度計，ADI公司設計 與IEPE（事實上的標準壓電傳感器）兼容的接口 CbM 應用程序中的接口。

IEPE傳感器接口和機械 安裝 （CN0532）

CN0532（如圖2所示）是一個IEPE轉換電路，允許使用MEMS 加速度計可像任何一樣無縫地直接連接到IEPE基礎設施 現有的IEPE傳感器。

圖2.CN0532 微機電系統IEPE轉換電路

通常，單軸MEMS傳感器將具有三條輸出線：電源， 地面，并加速出來。IEPE基礎設施只需要兩個：接地 一條線路和另一條線路上的電源/信號。電流被輸送到傳感器， 當傳感器測量振動時，在同一條線上輸出電壓。

圖3.簡化的原理圖，顯示了MEMS傳感器如何與現有IEPE基礎設施（電源和數據）接口。

CN0532 PCB設計厚度為90密耳，以保持 數據手冊 MEMS加速度計的頻率響應性能。螺柱 可安裝立方體允許立即進行開箱即用的測試。安裝立方體， 與 PCB、焊膏等一起，已被廣泛表征，以確保 全帶寬機械傳遞功能，最大限度地提高了寬廣的可視性 傳感器帶寬內的故障范圍，從而延長資產壽命 有能力捕獲這些故障。這些解決方案使 CbM設計人員將MEMS加速度計連接到其資產，并與現有壓電基礎設施無縫連接。

對于任何高頻振動測試，機械信號路徑完整性都非常 重要。換句話說，從源頭到傳感器，一定沒有 振動的衰減（由于阻尼）或放大（由于共振） 信號。在圖 4 中，鋁制安裝塊 （EVAL-XLMOUNT1），四螺釘 安裝，厚 PCB 保證頻率的平坦機械響應 感興趣的范圍。IEPE 參考設計使設計人員能夠非常輕松地 使用MEMS傳感器代替壓電傳感器。

圖4.振動測量測試設置：EVAL-CN0532-EBZ板使用EVAL-XLMOUNT1鋁安裝塊連接到振動臺上。

圖5.EVAL-CN0532的頻率響應與ADXL1002數據手冊頻率響應的比較。

振動到位 — 數據轉換完整性

我們現在知道MEMS傳感器可以用來代替IEPE壓電傳感器。 我們還看到了如何在維護的同時輕松地將它們安裝到資產上 他們的數據手冊性能。煤層管理開發平臺的重要組成部分 能夠收集高質量的振動數據，無論是基于 MEMS 還是 以壓電為主，進入正確的環境。接下來，我們將考慮收購IEPE 傳感器數據并保持最高保真度數據，以開發最佳的CbM 算法或機器學習算法可能。這是由另一個啟用的 我們的 CbM 參考設計 CN0540。

用于IEPE的高保真24位數據采集系統 傳感器 （CN0540）

在圖6中，我們看到了一個經過實驗室測試和驗證的IEPE數據采集信號鏈。此參考 設計提供了與MEMS和MEMS一起使用的最佳模擬信號鏈 壓電加速度計。ADI公司不僅僅專注于基于MEMS加速度計的解決方案。重要的是要記住壓電加速度計提供 性能最高，是使用最廣泛的振動傳感器;因此 壓電加速度計是用于精密信號鏈產品的聚焦傳感器。

圖6.CN0540：用于IEPE傳感器的高性能、寬帶寬、精密數據采集。

圖6所示電路為傳感器到位（數據采集）信號鏈 用于由電流源、輸入保護、電平轉換組成的 IEPE 傳感器 以及衰減級、三階抗混疊濾波器、模數轉換器 （ADC） 驅動器和全差分 ∑-Δ ADC。使用煤層氣系統設計人員 壓電加速度計需要高性能模擬信號鏈來保持振動數據的保真度。設計人員可以評估信號鏈 開箱即用，只需連接IEPE傳感器或CN0532即可 IEPE傳感器直接連接到CN0540數據采集參考設計。ADI公司擁有 廣泛測試了此設計并提供開源設計文件（原理圖， 布局文件、物料清單等）允許更輕松地設計到最終解決方案中。

CN0540 IEPE數據采集板是經過測試和驗證的模擬信號 鏈條設計用于采集優于 100 dB 的 IEPE 傳感器振動數據 信噪比。大多數與壓電接口的解決方案 市場上的傳感器是交流耦合的，缺乏直流和亞赫茲測量 能力。CN0540適用于直流耦合應用場景，其中 必須保留信號的直流分量或其中的響應 系統必須保持低至 1 Hz 或更低的頻率。

精密數據采集參考設計使用兩個MEMS進行了測試 傳感器和三個壓電傳感器，如表2所示。我們可以看到g范圍， 每個傳感器的噪聲密度和帶寬都大不相同，價格也是如此。 應該注意的是，壓電傳感器仍然具有最佳的噪聲性能和 振動帶寬。

在CN0540的情況下，系統帶寬設置為54 kHz，并且信號 鏈條噪聲性能針對能夠實現>100 dB動態的傳感器 在該帶寬范圍內的范圍，例如，壓電 PCB 型號 621B40 加速度計，在 30 kHz 時可實現 105 dB。CN0540 設計用于額外的 超越當前振動傳感器性能的帶寬和精度能力 以確保它不會成為收集高性能振動數據的瓶頸。 在同一基礎上比較和基準測試MEMS與壓電非常容易 系統。無論是與MEMS、壓電還是兩者配合使用，CN0540都能提供最佳的 用于數據采集和處理的信號鏈解決方案，這不可避免地可能是 設計成嵌入式解決方案。

當我們說MEMS以更低的成本提供可比的性能時，我們 ADXL1002的SNR為83 dB，但成本比 壓電傳感器。MEMS現已確立為一種可行的替代方案 除了最高性能的壓電傳感器之外，所有壓電傳感器的成本只是其中的一小部分。

嵌入式網關

一旦DAQ信號鏈采集到高保真振動數據，它就會 對于實時處理和查看和/或將其傳輸到機器非常重要 學習或云環境 - 這是嵌入式網關的工作。

在本地實時處理振動數據

英特爾（DE10-Nano）和賽靈思（Cora）支持兩種嵌入式平臺 Z7-07S），其中包括對所有關聯的 HDL、設備驅動程序、 軟件包和應用程序。每個平臺都運行嵌入式ADI Kuiper Linux，使您能夠在 實時，提供對通過以太網、接口實時捕獲的數據的訪問 使用流行的數據分析工具，如MATLAB或Python，甚至可以連接 各種云計算實例，如AWS和Azure。嵌入式網關 可以通過以太網將 6.15 Mbps（256 kSPS × 24 位）傳輸到您選擇的算法 開發工具。嵌入式網關的一些主要功能包括：???

英特爾 Terasic DE10-Nano

雙核 Arm Cortex-A9 MP 核心處理器，800 MHz 霓虹燈???框架 帶雙精度浮點單元 （FPU） 的媒體處理引擎

1 個帶 RJ45 連接器的千兆以太網 PHY，帶 RJ45

迪警科拉 Z7-07S （賽靈思）

667 MHz Cortex-A9 處理器，采用緊密集成的賽靈思 FPGA

512 MB DDR3 內存

USB 和以太網連接

IIO 示波器（如圖 7 所示）是一個免費的開源應用程序，它 安裝ADI Kuiper Linux，幫助您快速可視化時域 和頻域數據。它建立在Linux IIO框架之上，與接口 直接使用ADI公司的Linux設備驅動程序，允許在一個工具中進行設備配置、讀取設備數據和可視化顯示。

圖7.IIO 示波器顯示 FFT 為 5 kHz 純音。

ADI還支持行業標準工具，如MATLAB和Python。 Kuiper Linux Image.使用與IIO框架一起工作的接口層，IIO 已經開發了綁定，用于將數據直接流式傳輸到這些典型數據中 分析工具。設計人員可以顯示和分析數據，開發算法 執行硬件在環測試和其他數據操作技術 將這些強大的工具與IIO集成框架結合使用。滿 提供了使您能夠將高質量振動數據流式傳輸到 MATLAB 或 Python 工具的示例。

使用CN0549進行預測性維護開發

開發機器學習 （ML） 算法有五個典型步驟： PdM 應用程序，如圖 8 所示。對于預測性維護，回歸模型通常用于預測分類即將發生的故障 模型。當他們有更多的訓練數據要輸入時，它們的表現會更好 預測模型。十分鐘的振動數據可能無法檢測到所有 操作特性，而 10 小時有更好的機會 因此，收集 10 天的數據將保證模型更加強大。

圖8.開發 PdM 應用程序的步驟。

CN0549在一個易于使用的系統中提供數據收集步驟，我們在其中 可以將高性能振動數據流式傳輸到所選的 ML 環境。

MEMS IEPE傳感器配有機械安裝塊，允許 將MEMS傳感器無縫安裝到資產或振動臺上。請記住IEPE 壓電傳感器也可以與該系統一起使用，并連接到資產、振動臺、 等輕松。在將數據流式傳輸到數據分析工具之前，傳感器 應驗證附件以確保沒有不必要的共振。這 使用IIO示波器可以非常容易地進行實時檢查。一旦 系統已準備就緒，可以定義一個用例，如圖 9 所示 — 例如，電機在 70% 負載能力下的健康運行。高品質 然后可以將振動數據流式傳輸到基于MATLAB或Python的數據分析 諸如TensorFlow或PyTorch（以及許多其他工具）之類的工具。

圖9.CN0549示例用例。

可以進行分析以識別關鍵特征和特征 定義該資產的運行狀況。一旦有一個定義健康的模型 操作中，故障可以播種或模擬。重復步驟 4 以識別定義故障的關鍵簽名，并導出模型。故障數據可以 與健康運動數據進行比較，可以開發預測模型。

這是 CbM 開發支持的 ML 流程的簡化概述 平臺。要記住的關鍵是該平臺可確保最高質量 振動數據被傳送到 ML 環境。

本文的第 2 部分將詳細介紹軟件堆棧、數據流和開發策略，并介紹一些同時使用 Python 和 MATLAB 的示例。 從數據科學家或機器學習算法開發人員的角度來看。將討論軟件集成的概述以及本地 和基于云的開發選項。

審核編輯：郭婷