之前在談及傳感器與機器學習的結合時有提到過，為了實現對某一設備的監控，傳感器開始與機器學習結合開始對設備進行可預測的狀態監控。當然我們這里重點不在機器學習上，在傳感器上。

在監測設備的運行狀況，健康狀態的時候，需選擇最合適的傳感器來確保器件能夠準確地獲取設備信息，并進行檢測、診斷甚至預測故障。我們以工業電機為例，軸承損壞是使用過程中時常能碰見的故障，在檢測此類故障時用到的最多的就是振動和聲壓傳感器件。而轉子、繞組等方面的故障則多通過電流變壓器在電機供電時測量。

振動傳感的檢測范圍

振動傳感在電機檢測上一般能用于檢測以下幾個故障，軸承狀態、齒輪嚙合、泵氣蝕、電機未對準、電機未平衡以及電機負載條件。對于不平衡、未對準這一類故障，對傳感器件的噪聲性能要求并不算嚴格，對帶寬的要求也僅需達到5×至10×基頻即可，更多要求的是傳感器能對多軸進行同時檢測；軸承缺陷和齒輪缺陷這類故障則對噪聲和帶寬要求極高，噪聲范圍必須要控制在<100 μg/√Hz，同時帶寬要求>5kHz。

電機不平衡/未對準這類故障，在電機振動期間即可檢測；軸承或齒輪缺陷則沒有這么明顯，特別是在早期，不能單單通過增加振動頻率來識別或預測。解決這些故障通常需要將具備低噪聲<100 μg/√Hz和寬帶寬>5 kHz的振動傳感器與高性能信號鏈、處理、收發器和后處理器配對。

MEMS振動與壓電式振動對比

加速度計是最常用的振動傳感器，壓電式的加速度計噪聲低，頻率最高可達30kHz，這是其優勢。MEMS加速度計頻率一般在20kHz左右，在成本、功率和尺寸上更具優勢。狀態檢測應用受益于無線安裝的推動在近年來增長迅速，無線安裝就必須考慮傳感器的尺寸、集成性和功耗。因此壓電式加速度計雖然帶寬和噪聲性能明顯強于MEMS加速度計，但綜合考量下大家都更青睞MEMS加速度計。

傳感類型	帶寬	噪聲	直流響應
壓電式加速度計	2.5kHz-30kHz	1 μg/√Hz-50 μg/√Hz	無
MEMS加速度計	3kHz-20kHz	25μg/√Hz-100 μg/√Hz	有

在需要高帶寬和低噪聲的檢測中，兩種傳感其實都具有滿足條件的帶寬和低噪聲，但MEMS加速度計能夠提供直流響應，這是壓電式加速度計不具備的，直流響應可以在非常低的轉速下檢測電機不平衡和傾斜。


另外一點是MEMS加速度計帶了自測的功能來驗證傳感器自身的可用性。應該說MEMS加速度計更小的尺寸和更高的集成性更契合現在狀態監測發展的趨勢。

MEMS加速度計監測其他更突出的能力

在噪聲和帶寬對比上，MEMS加速度計并沒有呈現出對比壓電式傳感壓倒性的優勢，但從另一個角度看，基于MEMS的監測實力很突出。除了我們上面說到的直流響應能檢測近乎直流范圍的極低頻率振動，更高的分辨率、出色的漂移特性和靈敏度也是相比壓電式傳感能力更突出的地方。


高頻的MEMS加速度計能夠提供遠超傳感器諧振頻率范圍的輸出信號來監測3dB帶寬以外的頻率。這種性能要借助輸出放大器，放大器需要支持70kHz大小的信號帶寬以此支持加速度計完成超頻范圍的監測。借助放大器會不可避免地出現混疊噪聲，因此采用濾波器也是必不可少的。

狀態監測與機器學習結合仍是大趨勢

用于振動監測分析的技術不少，數字濾波、頻率分析等等，無論哪種分析方法，最關鍵的點在于如何確定好狀態監測下最適宜的那個警報點。在傳感與機器學習結合后，可以在故障識別流程中利用機器學習的AI，利用基于來自振動傳感器的數據創建代表性的機器模型，模型創建完成之后下載至本地處理器，然后使用嵌入式軟件不僅可以實時識別正在發生的事件，還可以識別瞬態事件，從而能夠檢測異常。

另外，引入AI的狀態監測能夠將振動監測數據與其他傳感數據關聯起來，推斷出的狀態信息應該是多于維護所需的數據量的。進一步利用獲取的數據可以完成更多維度的設備解析，而不再僅僅是單一的狀態監測。