王（wáng）兵（bīng）等

在製藥行業中（zhōng）部（bù）分設備長期（qī）處於旋（xuán）轉運行狀態——這些設備一旦出（chū）現故（gù）障便會產生嚴重偏差，甚至會導致產品報（bào）廢，潔淨空調的風機（jī）就是這樣的設備。因此需要對這些設備實（shí）行視情維護，當（dāng）發現有潛在故障失效時就及時進（jìn）行維護。

振動檢測

隨著數據信息量的大幅度提升（shēng）以及5G技術的發展，基於5G的邊緣計算技術已成為一（yī）種實時高效的數據處理方式且被廣泛使（shǐ）用。機械設（shè）備的故（gù）障（zhàng）中有相當一部分（fèn）是由滾動軸承失效（xiào）引（yǐn）起的，所以（yǐ）如果能通過（guò）實時監控滾（gǔn）動軸承的運行狀態，在滾動（dòng）軸承失效（xiào）之前就進行更換（huàn），將能大幅度降低此類事故的發生。現在（zài），隨著5G邊緣計算技術（shù）的進步，這樣的設想已經成為了現實（shí）。

采用加速度傳感器來檢測軸承振動（dòng）的（de）加速度，結合滾動軸承的時域（yù）和頻譜特征，通過傅裏葉變換[1]、神經網絡算法和（hé）聚類算法[2]對軸（zhóu）承分類狀態進行識別（bié），可實現對滾動軸承的實時狀態監測，如圖1所示。

圖1  通過4種（zhǒng）設備及（jí）技術可以實現滾動軸承的實時監控

振動檢測的數據再通過5G邊緣計算，便能區分出是動平（píng）衡、對中的問題，還是軸承出現了損傷，且給出一個各項缺陷占比的報告。

將振（zhèn）動檢測（cè）用於軸承的視情維修

理論上，由電機帶動的（de）滾動軸承（chéng）能被觀測到的物理參數（shù）至少有如下（xià）幾個：電（diàn）機運行的電流、軸承運行的振（zhèn）動、軸（zhóu）承運行的雜音（yīn）以及軸承部位的升溫（它們不一定都能用來進行預（yù）警監測）。

對於旋轉機器的振動監測和分析，主要是評價其運行的健（jiàn）康狀態，發現和（hé）診斷可能存在的潛在故（gù）障，包括：不平（píng）衡、軸彎曲、偏心、不對中、共振問題、基礎鬆動、軸承問題等。軸承的問題又可以進（jìn）一（yī）步分為：磨（mó）損失效、疲勞失效、腐蝕失效、壓痕失效及膠合失效。

按照以可靠性為中心的維護（Reliability Centered Maintenance）[3]理（lǐ）論，在技術可行和實行有價值的情況下，主動性維修中應（yīng）首選視情維修，且應以（yǐ）小於P到F的（de）時間間隔期（qī）進行視情維修，如圖2的運行狀態圖所示。從圖2中可以看到失效跡象（xiàng）Z敏感的是振（zhèn）動，依次是雜（zá）音、升溫和發煙，而電（diàn）機的電流不能夠作為（wéi）判斷的（de）依據。敏感（gǎn）程度排序依次為：振動→雜音（yīn）→升溫→發煙。

圖2  設備運行狀態示意圖

從出現振動（dòng）到失效會有數月的周期間隔，從出現雜音到失效也會有（yǒu）數周的周期間隔，從出現升溫到失效隻有幾天的周（zhōu）期間隔（gé），從出現發煙到失效就僅有幾分鍾的時間。圖2中P點為潛在失效點（Potential Failure），F點為失效（xiào）點（Failure）。在P點之後，隨著失（shī）效跡象的進一步明顯（xiǎn），依次會（huì）出現雜音、升溫，等到出現發煙，設備很快就會失效了。在P點之前發（fā）生的故（gù）障，則純粹是概率事件，所以無法預測。

軸承的振動（dòng）檢測理論上僅需要定期進行，實施的檢查周期隻要短於P到F的時間間隔，即（jí）如果采用振動（dòng）監測來（lái）進行視情維修，其檢查的周期隻需要（yào）小於1個月。然而在發現軸承潛在失效後，尚需要進（jìn）行（háng）處置和恢複的時間，這個處置和恢複（fù）必須在失效（xiào）前執（zhí）行完畢（bì）。為此，包括行動時間在內的整（zhěng）個檢（jiǎn）查周期都應小於P到F的時（shí）間間隔，考慮到振動（dòng）檢測的（de）成本不高且方便，建議設置（zhì）為2～3周。當（dāng）然（rán），如果能做到實時監測（cè），就可以更好地維護設備，並進行如（rú）圖3所示的平台化管理。有些製藥公司本（běn）來就建有SCADA係統（數據采集與監視（shì）控製係統），其服務器可（kě）以設置（zhì）在雲端或本地，監測結果可以實時從手機的（de）APP上（shàng）獲得。由此看來，用振動監測來進行旋（xuán）轉（zhuǎn）設備（bèi）的（de）視情維修，是一（yī）個運用以可（kě）靠性為中心維護理論的教科書般的案例。

圖3  振動監（jiān）測的架構示（shì）意圖

【參考文獻】

[1]曹瑞華.傅立葉變換及其應用[J].理論數學，2014（4）：138-143.

[2] 浙江（jiāng）遠盟自動化技術有限公司.大數據故障診斷係統[Z].2021.

[3] John Moubray.以（yǐ）可靠性為中心的維修[M].北京：機械工業（yè）出版社，1995.

（本文作（zuò）者係王兵、李（lǐ）偉敏、鄒小安、方明全、歐陽健，均（jun1）就職（zhí）於無錫藥明合聯（lián）生物（wù）技術有限公司。首發於“製藥業”平台，轉載請注（zhù）明出（chū）處。）