本文介绍如何使用LTspice®分析状态监控系统中振动数据的频谱,以便能够在工业机械电机故障的早期发出预警,同时介绍如何从Microsoft Excel® 电子表格中提取X、Y和Z平面数据,并将其转化为可以通过LTspice进行傅里叶变换的格式,以生成振动数据的谐波量图。
数字技术的进步没有丝毫放缓的迹象,已渗透到我们生活的方方面面,为机器提供智能并非奥威尔式的反乌托邦。由于自动化反馈环路有助于减少直接维护时间,因此可提高工厂自动化的效率。
工业4.0描述了将大数据的优势带入工厂车间的概念,装有传感器的机器可监控自身的性能并相互通信,从而共同分担整个工作载荷,同时向后台提供重要的诊断信息,而且无论在同一座建筑物里还是在不同的大陆都可以实现。
ADI主要致力于为工业物联网(IIOT)提供解决方案,即从传感器到云的各种稳定可靠的高性能信号链组件。在工业自动化中的一个应用领域就是状态监控(CbM),通过仔细校准机器的标称工作特性,然后使用本地传感器密切监控机器本身的状态。偏离标称信号的状态即表示机器需要维护。因此,配备状态监控系统的机器可根据实际需要进行维护,而不是相对随意地安排维修计划。
确定电机运行状态的一种比较好的方法是检查其振动特征。ADI的MEMS技术可用于持续监控电机的振动特征,并与已知无故障电机的特征比较,由此判断电机的运行状况。事实上,每种电机故障都有其自己的独特谐波特征。通过查看振动模式的谐波成分,可以检测轴承、内环和外环,甚至齿轮箱齿中的故障。
在LTspice中分析振动数据
为了产生用于在LTspice中进行傅里叶分析的数据,将三个ADXL1002加速度计连接到电机,如图1所示,以测量侧向、垂向和纵向(分别为X、Y和Z)振动。
图1.分别在侧向、垂向和纵向测得X、Y和Z通道的振动。
将振动数据下载并保存到Microsoft Excel电子表格中。在500 kSPS速率下进行数据采样,通过一秒振动数据得到三列Microsoft Excel数据,每列数据长500,000行。X、Y和Z数据样本如图2所示。