mems光纤传感器的应用：基于MEMS的振动传感器设备状态监测应用研究
mems光纤传感器的应用：基于MEMS的振动传感器设备状态监测应用研究引言MEMS；振动传感器；状态监测要微机电系统(MEMS)具有功率密度高、体积小、成本低、直流响应及安全可靠等特点，在传感器领域得到了广泛的应用。本文采用MEMS技术的振动传感器代替了传统的压电式传感器，监测设备的早期故障，提前预测设备故障，指导专业人员进行维护，大大降低了设备停机风险，提高了设备的使用效率。关 键 词
基于
MEMS的振动传感器
设备状态监测应用研究
摘
要
微机电系统(MEMS)具有功率密度高、体积小、成本低、直流响应及安全可靠等特点，在传感器领域得到了广泛的应用。本文采用MEMS技术的振动传感器代替了传统的压电式传感器，监测设备的早期故障，提前预测设备故障，指导专业人员进行维护，大大降低了设备停机风险，提高了设备的使用效率。
关 键 词
MEMS；振动传感器；状态监测
引言
近年来 为了实现国家提出智能制造的要求，企业及工厂对设备的状态监测由人工巡检渐渐推广到以安装传感器进行。但由于工业现场环境比较恶劣，传感器的选择就显得尤为重要。相对于压电式振动传感器，MEMS振动传感器的功率密度高、体积小、重量轻、耗能低、惯性小、谐振频率高、响应时间短、直流响应及安全可靠等特点，在实际应用中综合价值体现更大。
设备完整的状态监测包含多个传感器，用以收集包括振动、温度、噪音、压力、流量、油液、电流等在内的重要设备参数。其中，振动信息是当前使用最普遍，最能反映设备当前状态的参数。振动信息的监测通常是指对设备的振动进行采集，并通过AI（人工智能）对设备振动信息进行学习、处理和分析，可以了解设备运行的整体状况，从而做出关键的设备维护决策。
本文重点介绍使用MEMS技术的振动传感器在设备状态监测方面应用。
1.MEMS技术
MEMS（Micro-Electro-MechanICal Systems），即微机电系统，该技术是基于硅半导体技术的基础上，在复杂的微系统中结合了微电子和微机械等功能。是在融合多种微细加工技术，并应用微电子技术和最新成果的基础上发展起来的高科技前沿学科。
MEMS是一个独立的智能系统，采用与集成电路(IC)类似的生成技术，可大量利用IC生产中的成熟技术、工艺，进行大批量、低成本生产。由于体积小，可以把信息的获取、处理和执行集成在一起，组成具有多功能的微型系统，集成于大尺寸系统中，从而大幅度地提高系统的自动化、智能化和可靠性水平。
MEMS技术优点有：体积小、重量轻、功耗低、耐用性好、价格低廉、性能稳定等。可以预见，MEMS带来另一次技术革命，它将对21世纪的科学技术、生产方式和生产质量产生深远影响，是关系科技发展的一项关键技术。
2.工业设备的状态监测
随着工业及科学技术的发展，现代设备发展的一个总体趋势是向复杂化、智能化和自动化方向发展，在役设备运行中故障导致恶性事故屡见不鲜。现代产业迫切需要采用保障在役设备安全运行的相关监测技术，揭示设备运行状态的发展演变规律，实现早期故障预报，进而避免故障，特别是恶性事故发生。
传统的设备监测采用的是人工巡检的方式，有以下局限和隐患：
Ø 难度高、效率低：传统由人力进行故障巡检与诊断的方式对分析人员技术水平要求较高，维修难度较高；
Ø 人工巡检风险较高：传统的设备监测依靠人员实地进入危险的作业场所和设备中进行检查测试，风险性较高，效率大打折扣；
Ø 难以掌控设备状态：没有精确的传感器对数据进行收集，很难做到实时了解设备状态并进行精确分析，不能有效掌控设备状态；
Ø 无法预测故障：没有精确的数据和分析支撑，无法实现对于设备故障的预测，会大大增加设备故障风险，降低生产效率。
大型机械设备的早期故障对振动信息中最为敏感。借助先进的MEMS、工业物联网和AI等技术，通过对设备状态振动信息等数据的采集、过滤、传输、分析和建模，采用基于MEMS技术的振动传感器可实现设备状态监控及预测性维护。
具体可为企业带来如下价值：
①保障连续运行：基于可靠、真实的设备运行数据，实现设备当前运行状态的判断和未来状态的预测，可精准定位故障部件、分析故障根因、全面监测故障劣化趋势、评估故障部件剩余寿命，将维护维修决策由临时、事后抢修等转变成计划、预测性维修，可有效减少非计划停机次数，从而保障并且有效提升企业的综合效益；
②保障设备安全：通过对设备状态的判断和预测，避免设备故障引起的连锁反应，可最大限度的降低安全事故风险；
③保障企业效益：企业目前的设备实际运维中，“过修”导致大量备件库存，“欠修”导致事后抢修。使用设备在线状态监测系统，可实时掌握设备状态，实现预测性维护维修，最大限度减少 “过修”或“欠修”，优化备件库存，减少备件资金占用，降低事后抢修比率；
④建立故障数据库：随着历史数据和过程数据的大量积累，建立具有企业自身特色的设备故障案例库，丰富典型故障模型，可不断推进故障建模智能化分析技术在企业的应用，使分析结论更加智能和准确；
⑤助力运维管理模式升级：基于可靠、真实的设备运行数据，实现设备当前运行状态的判断和未来状态的预测，改变之前基于经验的事后维修、计划性检修的设备运维模式，逐渐向基于设备状态的高阶设备运维管理模式转变，实现数字化、信息化驱动，变革设备运维管理模式，步入预测性维护。
3.MEMS振动传感器
振动测量一般指对设备振动进行勘测，并通过频谱特征以确定轴承、齿轮或润滑是否出现故障，最终衡量设备的健康状态。工业应用中，90%以上的旋转机械设备使用滚动元件轴承，如图1所示，轴承的早期故障会在高频端反映出来。所以检测轴承中的早期故障，需要宽带宽、低噪声的传感器。
图1 轴承早期故障信息
基于MEMS振动传感器是通过MEMS技术集成加速度计来测量设备振动、倾角、冲击等状态信息。如图2所示。
图2 基于MEMS技术振动传感器
对于监测轴承早期故障，传统的压电传感器相比于MEMS传感器的局限性如表1所示：
表1 压电传感器与MEMS传感器对比
由于MEMS传感器具备体积小、重量轻等特点，在现场应用中，如图3所示，MEMS振动传感器可充分与监测平台耦合，保证振动信号传输的完整性。
图3 基于MEMS振动传感器安装
4.应用案例
在水泥厂头排风机轴承上安装MEMS传感器振动传感器，如图4所示。
图4 MEMS传感器现场安装
通过传感器终端对传感器的信息进行采集并传输到平台，设备正常运行时，获得的速度趋势如图5所示、加速度波形图如图6所示、振动频谱图如图7所示。
图5 正常速度趋势图
图6 正常加速度波形图
图7 正常振动频谱图
设备出现故障之前时，获得的振动加速度图如图8所示、振动频谱图如图9所示。
图8 故障振动加速度图
图9 故障振动频谱图
从速度趋势可以看出，从2022年4月25号13点速度有增大趋势，4月26号14点速度达到最大值。
正常状态下时域波形幅值在2m/s²左右，频谱图中低频部分主要成分为工频34Hz及其二倍频、三倍频，高频成分幅值较大。出现故障前，时域波形幅值明显增大，且频谱中主要成分为108.5Hz的倍频成分，该成分接近轴承外圈故障频率理论值107.9Hz。
通过算法分析上述频谱，得到轴承告警信息：轴承内、外圈松动、开裂，以及剥落故障。现场经过人员检测后，如图10所示，确实发现中间轴存在跑内圈现象，处理后正常。
图10 现场故障轴承
5.结束语
本文对MEMS技术进行了介绍，并在实际现场中，使用MEMS振动传感器对设备进行振动状态监测。结果表明，MEMS振动传感器具有重量轻，尺寸小，具有直流响应等优点，能有效监测设备的振动状态，是设备的振动信息采集有效的工具，为设备状态监测和故障诊断提供了有力的判据，也为工厂带来了实际的应用效果。
参 考 文 献
1．屈新生，张西宁，沈玉娣. 机械故障诊断理论与分析[M]. 西安：西安交通大学出版社，2009
2．孙楠楠. 大型旋转机械振动监测与故障诊断知识体系的研究与实现[D]. 重庆大学，2006
3．王全先，魏志刚，王高升，等. 机械设备故障诊断技术[M]. 华中科技大学出版社，2013
4．Lazar C Taminau J Meganck S et al. A survey on filter techniques for feature selection in gene expression microarray analysis[J]，IEEE/ACM Transaction on Computational Biology and Bioinformatics 1997 97: 273-324
