聲音監控是一種寶貴的狀態監控與預測性維護策略,用於在潛在問題導致設備故障及高成本停機前先行偵測。感測器 (主要是麥克風) 捕捉並分析由機械元件或工業流程產生的聲波。透過識別聲音模式、頻率或振幅的偏差,團隊能及早偵測出磨損、缺陷、洩漏及操作異常,從而降低安全風險並避免非計畫停機。
聲音是由壓力波透過介質 (通常是空氣或水) 傳播所構成的現象。聲波屬於聲學波的一種,通常以頻率或音調 (赫茲,Hz) 及振幅或響度 (分貝,dB) 來描述。這些特性有助於在監控應用中量化聲音的行為與強度。透過聲學感測器監控並分析設備發出的聲音,可標示異常聲音特徵供人員進行審查。
圖 1: 聲音感測器
聲音監控中常用數種感測器類型。
麥克風—為聲音監控中最常用之感測器,可直接捕捉空氣中傳播的聲波。依聲音環境不同,隔膜式或微機電系統 (MEMS) 麥克風及超音波麥克風可能更適合聲音監控。可在設備上或其周圍安裝麥克風陣列以監測聲音,利用相位資訊精確定位噪音來源。
加速規—主要用於振動監控,但可輔助麥克風量測經由設備外殼或牆壁等固體物體傳播的結構聲音。
水聽器—水聽器設計用於捕捉水下的聲壓信號。其抗腐蝕設計使其適用於工業及科學應用,包括水下測試、監控與量測。
圖 2: 聲音監控原理
大多數機械與工業流程在正常運作時會產生穩定一致的聲音特徵。偏離此基準特徵的聲音可能表示故障或失效的徵兆。聲音監控系統通常包括感測器、靈活的資料擷取 (DAQ) 硬體平台及專業分析軟體,捕捉、轉換、數位化並分析聲音訊號以找出異常特徵。根據分析結果,可安排維護、維修元件,或在重大問題發生前調整流程。
聲音監控可實現預測性維護,避免高成本維修,同時延長設備壽命並提升安全性。常見的資料收集配置包含以下系統類型。
有線系統—感測器透過導線或纜線連接至 DAQ 裝置與電腦,提供高可靠度並進行即時資料傳輸。其缺點包括:有線系統安裝較為困難,且纜線易受損。分布範圍廣的系統,接線可能極具挑戰性。
無線系統—感測器以無線方式傳輸資料,方便在不易布線處所安裝。無線系統須考慮電池使用壽命、訊號傳輸範圍及資訊安全等因素。
連續 (線上) 監控—有線或無線方法通常都會提供連續或頻繁資料,以即時顯示聲音狀況。連續監控提供更多即時資料,但當故障是長時間漸進時,不一定需要捕捉如此大量的資料。
定期 (離線) 檢查—技術人員使用便攜式儀器定期測量聲級,雖具靈活性,卻僅能提供特定時間點的聲級快照。定期檢查難以捕捉瞬時事件,但有助識別長期趨勢。
聲音監控著重於捕捉及分析可聽見的噪音及低頻聲波,而超音波監控主要針對人耳聽不到的高頻聲波。超音波監控技術通常用於透過材料傳輸訊號,並偵測內部缺陷或結構破損所造成的變化,多用於檢查材料內部瑕疵的材料檢驗而非主動狀態監控。
聲音資料分析涵蓋聲音資訊的檢視與解析,常使用 NI LabVIEW 等軟體建立客制化分析應用程式。以下為聲音資料分析的一些關鍵技術。
頻譜分析—運用快速傅立葉轉換 (FFT) 之類的技術將聲音拆解為頻率成分,有助識別特定故障類型。
時頻分析—採用小波分析等方法檢視頻率隨時間的變化,適用暫態聲音。
階次分析—用於分析與旋轉機械相關之諧波值的變化。此法對監控引擎或馬達特別有效,透過將系統噪音與馬達轉速相互關聯,來偵測系統運作方式的變化。
模式辨識與人工智慧—機器學習演算法使異常偵測及已知問題相關的聲音分類自動化程度提高。發現的問題可標示待審,或當達到或超出重要臨界值時觸發警報或系統停機等自動化操作。使用 AI 進行聲音監控的挑戰在於,必須以包含故障在內的足夠資料訓練 AI 模型,使其能有效辨識目標。
聲音監控適用於多種設備、元件及流程:
聲音監控能辨識下列潛在設備與元件問題:
聲音監控可帶來多項重要益處:
聲音量測在產品設計、驗證與測試過程中扮演關鍵角色。工程師執行聲音分析,通常會使用 NI TestStand 等工具自動化測試序列,進行噪音、振動與粗糙度 (NVH) 測試,以符合噪音排放標準或識別及減緩不必要或過量噪音的來源。工程師亦可驗證元件的聲音效能,並於開發與耐久性測試中偵測缺陷。
NI 提供可靠的平台,用於進行精密的聲音監控與分析。NI CompactDAQ、NI PXI 及 NI CompactRIO 硬體可直接介接麥克風和加速規。我們的聲音及振動輸入模組具備精確聲音量測功能,包括訊號調理、濾波、高動態範圍等,並遵守動態訊號擷取基本原理。
我們亦提供強大軟體工具,例如 NI LabVIEW 圖形化程式設計環境,便於客制化系統開發與分析。以設定為基礎的軟體,例如 NI FlexLogger™,可簡化資料記錄流程,而 NI DIAdem 則提供用於管理、分析與報告大型資料集的進階功能。NI 軟硬體相結合,可實現客制化聲音監控方案,將聲音資料轉化為可執行的洞察。
NI 聲音監控解決方案相較其他方法具備多項優勢: