為什麼說感測器技術是物聯網的關鍵技術？
物聯網通過智能感知、識別技術與普適計算等通信感知技術，廣泛應用於網路的融合中，物聯網理解為「物物相連的互聯網」。這有兩層意思：其一，物聯網的核心和基礎仍然是互聯網，是在互聯網基礎上的延伸和擴展的網路；其二，其用戶端延伸和擴展到了任何物品與物品之間，進行信息交換和通信，也就是物物相息。物聯網把所有物品通過角度感應、射頻識別、紅外感應器等信息感測設備與互聯網連接起來，以實現智能化識別和管理，是繼計算機、互聯網和移動通信網之後的又一次信息產業革命，其中感測器技術是物聯網的關鍵技術之一。
工廠自動化和總體效率理所當然地受到巨大的關注，原因不僅是生產率提高（哪怕一點點）能帶來正面效益，而且同樣重要的是，它能降低或消除設備停工造成的嚴重損失。現在，我們可以不用仰賴分析技術的進步來洞察可用統計數據以預測維護需求，或者簡單地依靠加強對技術人員的培訓，而是可以通過檢測與無線傳輸技術的進步實現真正實時的分析和控制。
精密的工業生產過程越來越依賴於電機和相關機械設備高效可靠、始終如一的運作。機器設備的不平衡、缺陷、緊固件鬆動和其它異常現象往往會轉化為振動，導致精度下降，並且引發安全問題。如果置之不理，除了性能和安全問題外，若導致設備停機修理，也必然會帶來生產率損失。即使設備性能發生微小的改變，這通常很難及時預測，也會迅速轉化為重大的生產率損失。
眾所周知，過程監控和基於狀態的預見性維護是一種行之有效的避免生產率損失的方法，但這種方法的複雜性與其價值不相上下。現有方法存在局限性，特別是涉及到分析振動數據（無論以何種方式獲得）和確定誤差源時。
典型數據採集方法包括安裝在機器上的簡單壓電感測器和手持式數據採集工具等。這些方法存在多種局限性，特別是與理想的全面檢測與分析系統解決方案相比較，後者可以嵌入機器上或機器中，並能自治工作。下面深入討論這些局限性及其與理想解決方案——自治無線嵌入式感測器——的對比。對完全嵌入式自治檢測元件的複雜系統目標的選項分析可以分為十個不同方面，包括實現高重複度的測量、精確評估採集到的數據、適當的文檔記錄和可追溯性等，下面將對各方面進行說明並探討可用方法與理想方法。
精確且可重複的測量
現有手持式振動探頭在實現方法上具備一些優勢，包括不需要對終端設備做任何修改，而且其集成度相對較高，尺寸較大，可提供充足的處理能力和存儲空間。然而，它的一個主要局限是測量結果不可重複。探頭位置或角度稍有改變，就會產生不一致的振動剖面，從而難以進行精確的時間比較。因此，維護技術人員首先需要弄清所觀察到的振動偏移是由機器內部的實際變化所致，還是僅僅因為測量技術的變化所致。理想情況下，感測器應當結構緊湊並且充分集成，能夠直接永久性地嵌入目標設備內部，從而消除測量位置偏移問題，並且可以完全靈活地安排測量時間。
測量的頻率和時間安排
在高價值設備的生產設施中，例如製造敏感電子器件時，過程監控極為有益。這種情況下，裝配線的微小偏移不僅可能導致工廠生產率下降，而且可能使最終設備的關鍵規格發生偏移。手持式探頭方法的另一個明顯的局限是無法實時指出有問題的振動偏移。多數壓電感測器同樣如此，其集成度一般非常低（某些情況下僅有一個感測器），需要將數據傳送到其它地方進行分析。這些器件需要外部干預，因此可能會錯過一些事件和振動偏移。自治感測器處理系統則不然，它內置感測器、分析、存儲和報警功能，同時仍然小到足以嵌入設備中，能夠在第一時間告知振動偏移，並且最佳地顯示基於時間的狀態趨勢。
了解數據
上述嵌入式感測器發出實時通知的構想，只有採用頻域分析才能實現。通常，任何設備都有多種振動源，如軸承缺陷、不平衡和齒輪嚙合等，此外還有設計帶來的振動源，例如鑽孔機或壓制機在正常工作過程中產生的振動。基於時間的分析會產生一個綜合所有這些振動源的複雜波形，在進行FFT分析之前，它提供的信息難以辨別。多數壓電感測器解決方案依賴外部FFT計算和分析。這不僅使得實時通知毫無可能，而且將大部分額外設計工作推給了設備開發商。但是，如果感測器內嵌FFT分析功能，就能即時確定振動偏移的具體來源。這樣一種完全集成的感測器元件還能縮短設備開發商6到12個月的開發時間，因為它功能完備、簡單有效、自治工作。
數據訪問和傳輸
嵌入式檢測能夠完美地提供精確實時的趨勢數據，但這並不會提高向遠程過程式控制制器或操作員傳輸數據的複雜性。嵌入式FFT分析的前提顯然也是模擬感測器數據已經過調理並轉換為數字數據，以便簡化數據傳輸。事實上，目前使用的多數振動感測器解決方案僅提供模擬輸出，導致信號質量在傳輸過程中降低，更不用說離線數據分析的複雜性（上文已討論）。考慮到要求振動監控的多數工業設備往往存在於高雜訊、運動、無法接近、甚至危險的環境中，因此業界迫切希望降低介麵線纜的複雜性，並且同樣在源端執行儘可能多的數據分析工作，以便捕捉到儘可能準確的設備振動狀態信息。具有無線傳輸能力的感測器節點不僅有利於立即訪問，而且可大大簡化感測器網路的部署並顯著降低成本。
數據方向性
現有的許多感測器解決方案是單軸壓電感測器。這些感測器不提供方向信息，因而會限制我們對設備振動剖面的了解。缺乏方向性導致需要雜訊非常低的感測器以便提供所需的分辨能力，這又會影響成本。多軸MEMS感測器則不同，如果各軸精密對準，確定振動源的能力將大幅提高，同時也有助於降低成本。
感測器的位置和分布
設備的振動剖面非常複雜，隨時間而變化，並且還會因設備材料和位置不同而有所差異。確定在哪裡放置感測器當然非常重要，其主要決定因素是設備類型、環境和設備的壽命周期。採用現有的高成本感測器元件時，探測點僅限於幾個或一個，這個問題顯得更加重要。這會導致前期開發時間顯著延長，因為需要通過反覆實驗來確定最佳位置。但在大多數情況下，其後果是採集的數據量和數據質量會受到影響。幸運的是，現在已有集成度更高而成本大幅降低的感測器探頭可用，每個系統可以放置多個探頭，從而縮短前期開發時間和成本，或者使用數量更少、成本更低的探頭就能滿足要求。
適應壽命周期變化
手持式監控系統方法可以根據時間變化（周期、數據量等）進行調整，而要在嵌入式感測器中提供同樣的基於壽命周期的調整，必須在前期設計和部署階段就給予關注，實現所需的可調整功能。無論採用何種技術，感測器元件都是很重要的，但更重要的是感測器周圍的信號調理和處理電路。信號/感測器調理和處理不僅取決於具體的設備，而且取決於設備的壽命周期。這在感測器設計中涉及到多種重要考慮因素。首先，模數轉換處理最好儘早進行（在感測器頭部，而不是在設備之外），以便支持系統內配置和調整。理想的感測器應提供一個簡單的可編程介面，通過快速基線數據採集來簡化設備設置、濾波操作、報警編程和不同感測器位置的試驗。對於現有的簡單感測器，即使它們可以在設備設置時進行配置，但感測器設置仍然必須做出一些犧牲，以便適應設備在整個壽命期間的維護重點的變化。例如，感測器應針對設備故障可能性較小的早期階段進行配置，還是針對故障可能性較大且更具危害性的晚期階段進行配置最好使用可在系統內編程的感測器，以便隨著壽命周期的變化而調整配置。例如，早期的監控相對比較稀疏，功耗最低；觀察到變化（警告閾值）後，重新配置為頻繁監控模式（監控周期由用戶設置）；除了連續監控以外，還根據用戶設置的報警閾值提供中斷驅動的通知。
性能變化/趨勢的識別
感測器適應設備壽命周期中的變化，在一定程度上取決於對基線設備響應的了解。利用簡單的模擬感測器就能獲得基線設備響應，即讓操作人員進行測量，執行離線分析，並將此數據與適當的標誌一起離線存儲在特定設備和探頭位置上。更好且更不易出錯的方法是將基線FFT存儲在感測器頭部，這樣數據永遠不會誤放。基線數據還有助於確定報警電平，該值最好也是直接在感測器上編程設置，以便在隨後的數據分析和採集中，如果檢測到警告或故障條件，可以產生實時中斷。
數據可追溯性和文檔記錄
在工廠環境中，一個適用的振動分析程序可能要監控數十甚至數百個位置，無論是通過手持式探頭還是通過嵌入式感測器。在一台設備的整個壽命周期中，可能需要獲得成千上萬條記錄。預見性維護程序的完整性取決於感測器採集點的位置和時間的適當映射。為將風險降至最低，以及獲得最有價值的數據，感測器應具有唯一的序列號和嵌入式存儲器，並且能夠給數據添加時間戳。
可靠性
上文重點討論了現有針對過程式控制制和預見性維護相關的感測器振動監控方法的改善之道。就容錯和監控而言，還應當細緻審查感測器本身。如果感測器發生故障（性能變化），而不是設備發生故障，該怎麼辦呢？或者，如果採用完全自治工作的感測器（即上文所述的理想方法），我們對感測器持續正常工作能有多大信心呢？對於許多現有感測器，如壓電感測器等，這種情況確實會造成嚴重的限制，因為它們無法提供任何系統內自測功能。隨著時間的推移，必然會對所記錄數據的一致性缺乏信心。在設備壽命晚期的關鍵監控階段，實時故障通知在時間、成本和安全上都具有十分重要的意義，感測器是否仍然正常工作必然是關注的重點。高可信度過程式控制製程序的基本要求是能夠對感測器進行遠程自測。幸運的是，一些基於MEMS的感測器可以做到這一點。嵌入式數字自測能力就此填補了可靠振動監控系統的最後空白。
限時免費！專家帶你玩轉物聯網感測技術應用
為幫助大家系統學習物聯網技術開發，掌握互聯感測技術開發及應用，學會物聯網入門的正確學習路徑、方法，對物聯網窄帶技術（NB-IoT）項目開發、平台資源應用有一個系統的認識，給大家分享如下視頻課程學習，活動期限時免費學！前100名報名用戶還可獲得：深入淺出通信原理、物聯網感測器技術與應用、智能物聯網項目開發實戰、Nb-IoT物聯網開發國外經典著作電子書籍等豐厚學習大禮包哦！
長按保存海報到手機
活動客服諮詢喵喵
