L'ingénieur

Chris Murphy, ingénieur d'applications, Analog Devices

Cet article explique comment les progrès récents de la technologie MEMS ont propulsé les capteurs accélérométriques au premier plan, rivalisant avec les capteurs piézoélectriques dans les applications de surveillance conditionnelle. Nous discuterons également de la manière d'utiliser la nouvelle plate-forme de développement qui rend tout cela possible. Un autre article se concentrera sur le cadre logiciel qui prend en charge cette plate-forme de développement, et comment il peut être intégré à des outils d'analyse de données populaires pour développer des exemples d'apprentissage automatique et, finalement, comment il peut être déployé sur divers actifs.

La surveillance basée sur l'état (CbM) implique la surveillance de machines ou d'actifs à l'aide de capteurs pour mesurer l'état de santé actuel. La maintenance prédictive (PdM) implique une combinaison de techniques telles que le CbM, l'apprentissage automatique et l'analyse pour prédire les cycles de maintenance ou les défaillances à venir des actifs. Avec une croissance significative prévue dans la surveillance de la santé des machines à l'échelle mondiale, il est impératif de connaître et de comprendre les principales tendances. De plus en plus d'entreprises CbM se tournent vers PdM pour différencier leurs offres de produits. Les responsables de la maintenance et des installations disposent désormais de nouvelles options en matière de CbM, telles que des installations sans fil et des installations hautes performances à moindre coût. Alors que la plupart des infrastructures du système CbM restent inchangées, la nouvelle technologie MEMS peut désormais être directement intégrée dans des systèmes traditionnellement dominés par des capteurs piézoélectriques ou ceux qui n'étaient pas surveillés auparavant en raison d'obstacles de coût.

Dans une conception de chaîne de signal CbM typique, il existe de nombreuses disciplines d'ingénierie différentes requises et des technologies à prendre en compte, qui s'améliorent constamment et deviennent de plus en plus complexes. Différents types de clients existent désormais avec une expertise dans des domaines spécifiques tels que le développement d'algorithmes (logiciel uniquement) ou la conception de matériel (matériel uniquement), mais pas toujours les deux.

Les développeurs qui cherchent à se concentrer sur le développement de leurs algorithmes ont besoin de lacs d'informations pour prédire avec précision les pannes et les temps d'arrêt des actifs. Ils ne veulent pas concevoir de matériel ni dépanner l'intégrité des données ; ils veulent simplement utiliser des données connues pour être de haute fidélité. De même, les ingénieurs en matériel cherchant à augmenter la fiabilité du système ou à réduire les coûts ont besoin d'une solution qui peut facilement se connecter à l'infrastructure existante, pour se comparer aux solutions existantes. Ils ont besoin d'accéder aux données dans un format lisible, facile à utiliser et à exporter, afin de ne pas perdre de temps à évaluer les performances.

De nombreux défis au niveau du système peuvent être résolus avec une approche de plate-forme - du capteur jusqu'au développement algorithmique - permettant à tous les types de clients.

La plate-forme de surveillance basée sur l'état CN0549 est une solution matérielle et logicielle prête à l'emploi haute performance qui permettra un streaming haute fidélité des données de vibration d'un actif vers l'environnement de développement d'algorithme/apprentissage automatique. La plate-forme profite aux experts en matériel car il s'agit d'une solution système testée et vérifiée offrant une acquisition de données de haute précision, un couplage mécanique éprouvé à l'actif et un capteur de vibrations à large bande haute performance. Tous les fichiers de conception matérielle sont fournis, ce qui permet une intégration facile dans le produit que vous concevez. CN0549 est également attrayant pour les experts SW, car il résume les défis du matériel de la chaîne de signal de surveillance de l'état et permet aux équipes logicielles et aux scientifiques des données de se lancer directement dans le développement d'algorithmes d'apprentissage automatique. Les principales caractéristiques et avantages incluent :

La plate-forme de développement CbM se compose de quatre éléments différents illustrés à la figure 1, dont nous discuterons individuellement avant d'examiner la solution globale combinée.

Figure 1. Éléments de la plateforme de développement CbM.

Une bande passante plus large et des capteurs à faible bruit permettent une détection plus précoce des défauts tels que les problèmes de roulement, la cavitation et l'engrènement des engrenages. Il est impératif que toute électronique d'acquisition de données maintienne la fidélité des données vibratoires mesurées ; dans le cas contraire, des informations critiques sur les pannes risquent d'être perdues. Le maintien de la fidélité des données de vibration permet de voir les tendances plus tôt et, avec un haut degré de confiance, nous pouvons recommander une maintenance préventive, réduisant ainsi l'usure inutile des éléments mécaniques et prolongeant inévitablement la durée de vie des actifs.

Les accéléromètres piézo sont les capteurs de vibration les plus performants utilisés sur les actifs les plus critiques où les exigences de performance l'emportent sur le coût. Le CbM des actifs de moindre criticité a traditionnellement été interdit par le coût élevé des installations piézo. Les capteurs de vibrations MEMS, désormais comparables au piézo en termes de bruit, de bande passante et de plage g, permettent aux responsables de la maintenance et des installations d'obtenir des informations plus approfondies sur les actifs de moindre criticité qui étaient auparavant couverts par un programme de maintenance en cas de panne ou de maintenance réactive. Cela est principalement dû aux hautes performances et au faible coût des MEMS. Les actifs de criticité moyenne à faible peuvent désormais être surveillés en continu de manière rentable. L'usure inutile des actifs peut être facilement identifiée et corrigée, ce qui contribue à prolonger la durée de vie des actifs grâce à une détection avancée des vibrations. Cela peut également contribuer à l'efficacité globale de l'équipement et à la réduction des temps d'arrêt des machines ou des processus.

Il existe de nombreux types de modalités de détection en ce qui concerne CbM et PdM. La détection de courant, la détection magnétique, la surveillance du débit et plusieurs autres constituent la plupart des applications. La détection des vibrations est la modalité la plus couramment utilisée dans le CbM, et les accéléromètres piézo sont les capteurs de vibrations les plus utilisés. Dans cette section, nous examinerons comment le paysage des capteurs de vibrations se développe en raison des progrès technologiques et comment cela affecte la prise de décision en matière d'application.

Les accéléromètres piézo sont des capteurs très performants, mais toutes ces performances nécessitent de nombreux compromis de conception. Par exemple, les accéléromètres piézo sont généralement limités à une utilisation dans les installations câblées car ils peuvent consommer trop d'énergie, ils peuvent être physiquement volumineux (en particulier les capteurs triaxiaux) et ils sont coûteux. Lorsque tous ces facteurs sont combinés, il n'est pas pratique d'équiper toute votre usine de capteurs piézoélectriques, c'est pourquoi ils ne sont principalement utilisés que sur des actifs critiques.

Jusqu'à récemment, les accéléromètres MEMS ne disposaient pas de bandes passantes suffisamment larges, leur bruit était trop élevé et les plages g étaient limitées pour une utilisation dans la surveillance d'actifs moins critiques. Les progrès récents des technologies MEMS ont surmonté ces limitations, permettant la surveillance des vibrations MEMS des actifs bas de gamme et même à haute criticité. Le tableau 1 montre les caractéristiques les plus importantes requises des capteurs piézo et MEMS pour les applications CbM. Étant physiquement petits, capables de fonctionner pendant des années sur batteries et étant peu coûteux avec des performances comparables au piézo, les accéléromètres MEMS deviennent rapidement le capteur de choix pour de nombreuses applications CbM.

La plate-forme de développement CN0549 CbM est compatible avec les accéléromètres piézoélectriques MEMS et IEPE, pour permettre une voie de comparaison de référence entre les types de capteurs.

Piézoélectrique

MEMS

Réponse CC

✓

Tolérance aux chocs

✓

Opportunités d'intégration (3 axes, ADC, alarmes, FFT)

✓

Variation des performances dans le temps et la température

✓

Consommation d'énergie

✓

Taille physique (plus petit c'est mieux)

✓

Auto-test

✓

Coût pour des performances similaires

✓

Bruit

✓

Bande passante

✓

✓

Attache mécanique

✓

✓

Interface standard de l'industrie

✓

✓

Gamme g

✓

✓

Utilisation des accéléromètres MEMS avec l'infrastructure IEPE existante

Comme indiqué dans le tableau 1, les accéléromètres MEMS peuvent désormais fournir des spécifications et des performances compétitives par rapport aux capteurs piézo, mais peuvent-ils remplacer un capteur piézo existant ? Pour que les concepteurs puissent facilement évaluer et remplacer les accéléromètres piézoélectriques par des accéléromètres MEMS, Analog Devices a conçu une interface compatible avec IEPE, l'interface de capteur piézoélectrique standard de facto dans les applications CbM.

Le CN0532, illustré à la Figure 2, est un circuit de conversion IEPE qui permet à un accéléromètre MEMS de s'interfacer directement avec l'infrastructure IEPE de manière aussi transparente que n'importe quel capteur IEPE existant.

Figure 2. Circuit de conversion CN0532 MEMS IEPE.

En règle générale, un capteur MEMS à axe unique aurait trois lignes de sortie : alimentation, masse et sortie d'accélération. L'infrastructure IEPE n'en nécessite que deux : la terre sur une ligne et l'alimentation/le signal sur l'autre ligne. Le courant est délivré au capteur et lorsque le capteur mesure les vibrations, une tension est émise sur la même ligne.

Figure 3. Un schéma simplifié montrant comment un capteur MEMS peut être interfacé à l'infrastructure IEPE existante (alimentation et données).

Le PCB CN0532 a été conçu avec une épaisseur de 90 mils pour maintenir les performances de réponse en fréquence de la fiche technique de l'accéléromètre MEMS. Un cube montable sur un goujon permet un test immédiat prêt à l'emploi. Le cube de montage, ainsi que le PCB, la pâte à souder, etc., ont été largement caractérisés pour assurer une fonction de transfert mécanique à pleine bande passante, maximisant la visibilité d'un large éventail de défauts dans la bande passante du capteur, et prolongeant ainsi la durée de vie des actifs en ayant la capacité de capter ces défauts. Ces solutions permettent aux concepteurs CbM de connecter très facilement des accéléromètres MEMS à leurs actifs ainsi que de s'interfacer de manière transparente avec l'infrastructure piézo existante.

Pour tous les tests de vibration à haute fréquence, l'intégrité du chemin du signal mécanique est très importante. Autrement dit, de la source au capteur, il ne doit y avoir ni atténuation (due à l'amortissement) ni amplification (due à la résonance) du signal vibratoire. Dans la figure 4, un bloc de montage en aluminium (EVAL-XLMOUNT1), quatre supports à vis et un PCB épais garantissent une réponse mécanique plate pour la plage de fréquences d'intérêt. La conception de référence IEPE permet aux concepteurs de mettre en œuvre très facilement un capteur MEMS à la place d'un capteur piézo.

Figure 4. Configuration du test de mesure des vibrations : la carte EVAL-CN0532-EBZ fixée à une table vibrante à l'aide d'un bloc de montage en aluminium EVAL-XLMOUNT1.

Figure 5. Réponse en fréquence de l'EVAL-CN0532 par rapport à la réponse en fréquence de la fiche technique ADXL1002.

Nous savons maintenant que les capteurs MEMS peuvent être utilisés à la place des capteurs piézoélectriques IEPE. Nous avons également vu comment ils peuvent être facilement montés sur des actifs tout en conservant les performances de leur fiche technique. Une partie importante d'une plate-forme de développement CbM est de pouvoir collecter des données de vibration de haute qualité, qu'elles soient basées sur MEMS ou piézo, dans l'environnement approprié. Ensuite, nous examinerons l'acquisition de données de capteurs IEPE et le maintien des données de la plus haute fidélité pour développer les meilleurs algorithmes CbM ou algorithmes d'apprentissage automatique possibles. Ceci est rendu possible par une autre de nos conceptions de référence CbM, le CN0540.

Dans la figure 6, nous voyons une chaîne de signaux IEPE DAQ testée et vérifiée en laboratoire. Cette conception de référence fournit la chaîne de signal analogique optimale pour une utilisation avec les accéléromètres MEMS et piézo. Analog Devices ne se concentre pas uniquement sur les solutions basées sur des accéléromètres MEMS. Il est important de se rappeler que les accéléromètres piézo offrent les performances les plus élevées et sont les capteurs de vibrations les plus largement utilisés ; par conséquent, les accéléromètres piézo constituent un capteur de focalisation pour les offres de chaînes de signaux de précision.

Le circuit illustré à la figure 6 est une chaîne de signaux capteur-bits (acquisition de données) pour un capteur IEPE composé d'une source de courant, d'une protection d'entrée, d'un décalage de niveau et d'un étage d'atténuation, d'un filtre anti-repliement de troisième ordre, d'un convertisseur analogique-numérique pilote de convertisseur (ADC) et un ADC ∑-Δ entièrement différentiel. Les concepteurs de systèmes CbM utilisant des accéléromètres piézo ont besoin d'une chaîne de signaux analogiques hautes performances pour maintenir la fidélité des données de vibration. Les concepteurs peuvent évaluer les performances de la chaîne de signal dès le départ en connectant simplement leur capteur IEPE ou le capteur IEPE CN0532 directement à la conception de référence DAQ CN0540. Analog Devices a largement testé cette conception et fournit des fichiers de conception open source (schémas, fichiers de mise en page, nomenclature, etc.) permettant une conception plus facile des solutions finales.

La carte d'acquisition de données CN0540 IEPE est une chaîne de signaux analogiques testée et vérifiée conçue pour acquérir des données de vibration de capteur IEPE, avec un rapport signal sur bruit (SNR) supérieur à 100 dB. La plupart des solutions qui s'interfacent avec les capteurs piézoélectriques sur le marché sont couplées en courant alternatif, manquant de capacités de mesure en courant continu et sous-hertz. Le CN0540 convient aux scénarios d'application à couplage CC, où la composante CC du signal doit être préservée ou où la réponse du système doit être maintenue jusqu'à des fréquences de 1 Hz ou moins.

La conception de référence d'acquisition de données de précision a été testée avec deux capteurs MEMS et trois capteurs piézo, comme indiqué dans le tableau 2. Nous pouvons voir que la plage g, la densité de bruit et la bande passante de chaque capteur sont assez différentes, tout comme le prix. Il convient de noter que les capteurs piézo ont toujours les meilleures performances de bruit et les meilleures bandes passantes pour les vibrations.

Dans le cas du CN0540, la bande passante du système est définie sur 54 kHz et les performances de bruit de la chaîne de signal sont destinées aux capteurs pouvant atteindre une plage dynamique > 100 dB sur cette bande passante - par exemple, l'accéléromètre Piezotronics PCB modèle 621B40, qui atteint 105 dB à 30 kHz. Le CN0540 a été conçu pour avoir une bande passante et des capacités de précision supplémentaires au-delà des performances actuelles du capteur de vibrations afin de garantir qu'il ne constituera pas un goulot d'étranglement pour la collecte de données de vibrations hautes performances. Il est très facile de comparer et de comparer MEMS et piézoélectrique sur le même système. Que vous travailliez avec MEMS, piézo ou les deux, le CN0540 fournit la meilleure solution de chaîne de signaux pour l'acquisition et le traitement des données, qui peuvent inévitablement être conçues dans une solution intégrée.

Lorsque nous disons que les MEMS offrent des performances comparables à un coût bien inférieur, nous pouvons voir un SNR de 83 dB pour l'ADXL1002 mais un coût plus de 10 fois inférieur par rapport aux capteurs piézo. Les MEMS se sont maintenant imposés comme une alternative viable à tous les capteurs piézo-électriques, sauf les plus performants, à une fraction du coût.

Figure 6. CN0540 : acquisition de données haute performance, large bande passante et précision pour les capteurs IEPE.

Tableau 2. Capteurs MEMS et piézoélectriques avec mesures de densité de bruit correspondantes

Capteur

Gamme (±g)

Plage de sortie crête à crête (V)

Linéarité (%FSR)

NSD

(µg/√Hz)

Bande passante plate (kHz)

Bruit à bande passante plate (µg RMS)

Plage dynamique à bande passante plate (dB)

ADXL1002

50

4

0,1

25

11

2622

82,60

ADXL1004

500

4

0,25

125

24

19365

85,32

PCB 621B40

500

dix

1

dix

30

1732

104,95

PCB 352C04

500

dix

1

4

dix

400

118,93

PCB 333B52

5

dix

1

0,4

3

22

98,50

Une fois les données vibratoires haute fidélité acquises par la chaîne de signal DAQ, il est important de les traiter et de les visualiser en temps réel et/ou de les transmettre à l'environnement machine learning ou cloud - c'est le travail de la passerelle embarquée.

Deux plates-formes intégrées sont prises en charge par Intel® (DE10-Nano) et Xilinx® (Cora Z7-07S), qui incluent la prise en charge de tous les HDL, pilotes de périphérique, progiciels et applications associés. Chaque plate-forme exécute l'ADI Kuiper Linux® intégré, qui vous permet d'afficher les données du domaine temporel et fréquentiel en temps réel, donne accès aux données capturées en temps réel via Ethernet, s'interface avec les outils d'analyse de données populaires tels que MATLAB ou Python, et même se connecte avec diverses instances de cloud computing comme AWS et Azure. La passerelle intégrée peut transférer 6,15 Mbps (256 kSPS × 24 bits) via Ethernet vers l'outil de développement d'algorithmes de votre choix. Certaines des fonctionnalités clés des passerelles intégrées incluent :

IIO Oscilloscope, illustré à la Figure 7, est une application open source gratuite qui est installée avec ADI Kuiper Linux, vous aidant à visualiser rapidement vos données de domaine temporel et de domaine fréquentiel. Construit sur le framework Linux IIO, il s'interface directement avec les pilotes de périphériques Linux d'Analog Devices, permettant la configuration des périphériques, la lecture des données des périphériques et les affichages visuels dans un seul outil.

Figure 7. Oscilloscope IIO montrant une FFT d'un son pur de 5 kHz.

Les outils standard de l'industrie, tels que MATLAB et Python, sont également pris en charge sur l'ADI Kuiper Linux Image. À l'aide de couches d'interface qui fonctionnent avec le framework IIO, les liaisons IIO ont été développées pour diffuser des données directement dans ces outils d'analyse de données typiques. Les concepteurs peuvent afficher et analyser des données, développer des algorithmes, effectuer des tests matériels dans la boucle et d'autres techniques de manipulation de données à l'aide de ces outils puissants en combinaison avec les cadres d'intégration IIO. Des exemples complets qui vous permettent de diffuser des données de vibration de haute qualité vers des outils MATLAB ou Python sont disponibles.

Il existe cinq étapes typiques dans le développement d'algorithmes d'apprentissage automatique (ML) pour les applications PdM, comme illustré à la figure 8. Pour la maintenance prédictive, les modèles de régression sont généralement utilisés pour prédire les défaillances à venir sur les modèles de classification. Ils sont plus performants lorsqu'ils ont plus de données d'apprentissage à saisir dans le modèle prédictif. Dix minutes de données de vibration ne détecteront probablement pas toutes les caractéristiques de fonctionnement, alors que 10 heures ont de bien meilleures chances de le faire - et la collecte de 10 jours de données garantira un modèle beaucoup plus solide.

Figure 8. Étapes pour développer une application PdM.

Figure 9. Exemple de cas d'utilisation CN0549.

CN0549 fournit l'étape de collecte de données dans un système facile à utiliser où nous pouvons diffuser des données de vibration hautes performances vers l'environnement ML de votre choix.

Le capteur MEMS IEPE est fourni avec un bloc de montage mécanique, permettant un montage transparent d'un capteur MEMS sur un actif ou un agitateur. Gardez à l'esprit que les capteurs piézoélectriques IEPE peuvent également être utilisés avec ce système et fixés facilement aux actifs, agitateurs, etc. Avant de diffuser des données vers les outils d'analyse de données, la fixation du capteur doit être vérifiée pour s'assurer qu'il n'y a pas de résonances indésirables. Cela peut très facilement être vérifié en temps réel à l'aide de l'oscilloscope IIO. Une fois que le système est prêt à fonctionner, un cas d'utilisation peut être défini, comme illustré à la Figure 9 - par exemple, le fonctionnement sain d'un moteur à une capacité de charge de 70 %. Des données de vibration de haute qualité peuvent ensuite être diffusées vers des outils d'analyse de données basés sur MATLAB ou Python tels que TensorFlow ou PyTorch (et bien d'autres).

Une analyse peut être effectuée pour identifier les signatures et les caractéristiques clés qui définissent la salubrité de cet actif. Une fois qu'il existe un modèle qui définit un fonctionnement sain, les défauts peuvent être amorcés ou simulés. L'étape 4 est répétée pour identifier les signatures de clé qui définissent le défaut, et un modèle est dérivé. Les données sur les défauts peuvent être comparées aux données sur le moteur sain et des modèles de prédiction peuvent être développés.

Il s'agit d'un aperçu simplifié du processus de ML activé par la plate-forme de développement CbM. L'élément clé à retenir est que cette plate-forme garantit que les données de vibration de la plus haute qualité sont fournies à l'environnement ML.

Un autre article intitulé "Open-Source, Reusable Software Stack Enables Real-Time Processing and Algorithm Development for CbM" détaillera la pile logicielle, le flux de données et les stratégies de développement, ainsi que quelques exemples utilisant à la fois Python et MATLAB du point de vue du data scientist ou du développeur d'algorithmes d'apprentissage automatique. Un aperçu des intégrations logicielles sera discuté ainsi que des options de développement locales et basées sur le cloud.

Chris Murphy est ingénieur d'applications au Centre européen des applications centralisées, basé à Dublin, en Irlande. Il travaille pour Analog Devices depuis 2012, fournissant une assistance à la conception de produits de commande de moteur et d'automatisation industrielle. Il détient une maîtrise en génie électronique par la recherche et un baccalauréat en génie informatique. Il peut être contacté à [email protected].