声学监测是一种宝贵的状态监控和预测性维护策略,用于在潜在问题导致设备故障和高昂停机成本前进行检测。传感器——主要是麦克风——用于捕获并分析机器组件或工业过程产生的声波。通过识别声音模式、频率或幅度的偏差,团队能早期发现磨损、缺陷、泄漏或异常操作迹象,从而降低安全风险并避免意外停机。
声音由通过介质(通常是空气或水)传播的压力波组成。声波是一种声学波,通常通过其频率或音高(以赫兹Hz为单位)和幅度或响度(以分贝dB为单位)来描述。这些特性有助于量化监测应用中声音的行为和强度。通过使用声音传感器监测并分析设备产生的声音,可标记异常声学特征供人工复核。
图1: 声音传感器
在声学监测中常用几种类型的传感器。
麦克风—这是声学监测中最常用的传感器,直接捕获空气中的声波。根据声音环境条件,振膜麦克风、微机电系统(MEMS)麦克风和超声波麦克风可能更适合声学监测。麦克风阵列可安装在设备上或周围用于声音监测,利用相位信息定位噪声源。
加速度计—虽然加速度计主要用于振动监测,但可辅助麦克风测量通过设备外壳或墙体等固体传播的结构声。
水听器—水听器专门设计用于捕获水下声压信号。其耐腐蚀设计使其成为水下测试、监控和测量等工业和科学应用的理想选择。
图2: 声学监测原理
大多数机械和工业过程在正常运行时会产生稳定的声学特征。偏离该基线特征可能预示潜在的故障或失效。声学监测系统通常由传感器、灵活的数据采集(DAQ)硬件平台和专用分析软件组成,用于采集、转换、数字化和分析声音信号以识别异常特征。基于分析结果,可以在出现重大问题前安排维护、维修组件或调整流程。
声学监测支持预测性维护,既可避免昂贵维修,又延长设备寿命并提升安全性。常见的数据采集方案包括以下类型系统。
有线系统—传感器通过线缆连接到DAQ设备和计算机,提供高可靠性和实时数据传输。存在以下缺点:有线系统安装困难,且线缆容易损坏。在覆盖大范围的系统布线可能较为困难。
无线系统—传感器通过无线方式传输数据,可灵活安装在难以布线的区域。但无线系统需考虑电池寿命、信号传输距离和信息安全问题。
连续(在线)监测—有线和无线方式通常提供连续或频繁数据,实现声学状况的实时监控。连续监测提供更多实时数据,但对于长期缓慢发生的故障,可能不需捕获如此大量的数据。
定期(离线)检测—技术人员使用便携设备定期测量声级,灵活但仅提供时间快照。定期检测可能无法捕获瞬时事件,但适合识别长期趋势。
声学监测重点捕捉和分析可听见的噪声和低频声波,而超声波监测则针对超出人耳听觉范围的高频声波。超声波监测技术通常用于信号穿透材料,检测由内部缺陷或结构破损引起的变化,主要用于材料检测而非主动状态监测。
声学数据分析包括审查和解释声音信息,常用NI LabVIEW等软件构建定制分析应用。以下是分析声学数据的一些关键技术。
频谱分析—使用快速傅立叶变换(FFT)等技术将声音分解为组成频率,有助于识别特定故障类型。
时频分析—采用小波分析等方法检查频率随时间变化,适用于瞬态声音分析。
阶次分析—用于分析与旋转机械相关的谐波变化。通过将系统噪声与电机转速相关联,监测引擎或电机工作状态变化时尤为有用。
模式识别和人工智能—机器学习算法越来越多地自动执行异常检测和已知问题声音的分类。识别的问题可被标记用于复核,或在达到关键阈值时触发警报或停机等自动操作。将人工智能应用于声学监测的挑战在于需要足够包括故障数据的样本来训练模型,使其能识别目标特征。
声学监测应用于多种设备、组件和流程:
声学监测能识别以下潜在设备和组件问题:
声学监测带来显著优势:
声学测量在产品设计、验证和测试中至关重要。工程师进行声学分析,常用NI TestStand等工具自动化测试序列,进行噪声、振动、声振粗糙度(NVH)测试以满足噪声排放标准,或识别和减少不良及过强噪声源。工程师还可在开发和耐久性测试期间验证组件的声学性能并检测缺陷。
NI提供强大的平台支持复杂的声学监测与分析。NI CompactDAQ、NI PXI和NI CompactRIO硬件可直接连接麦克风和加速度计。我们的声音和振动输入模块具备准确声学测量功能,包括信号调理、滤波、高动态范围及遵守动态信号采集基本原则。
我们还提供强大的软件工具,如NI LabVIEW图形编程环境,用于自定义系统开发和分析。基于配置的软件如NI FlexLogger™简化数据记录,NI DIAdem则提供管理、分析和报告大数据集的高级功能。NI硬件和软件协同支持定制声学监测解决方案,将声音数据转化为切实可行的见解。
NI声学监测解决方案相较其他方法具备多项优势: