設備故障診斷系統資訊：聲學傳感器可以在機器故障前檢測到微弱的噪聲

隨著物聯網、工業4.0的出現，制造商正在使用各種類型的傳感器來收集關于資產的健康信息，這些信息可以為預測性分析流程提供見解，例如工作訂單生成和潛在設備停機時間的預測。電渦流位移傳感器能靜態和動態地非接觸、高線性度、高分辨力地測量被測金屬導體距探頭表面的距離。它是一種非接觸的線性化計量工具。一體化振動變送器將壓電傳感器和精密測量電路集成在一起，實現了傳統“傳感器+信號調理器”和“傳感器+監測儀表”模式的振動測量系統的功能；適合構建經濟型高精度振動測量系統。無線振動傳感器基于無線技術的機器狀態監測，具有振動測量及溫度測量功能，操作簡單，自動指示狀態報警。應用于工業設備狀態管理及監測控制系統；適合現場設備運行和維護人員監測設備狀態，及時發現問題，保證設備正常可靠運行。

結合預測算法，非侵入式聲學傳感器技術可以在機器學習出現故障之前我們就能檢測到微弱噪聲。

實時檢測聲音的另一種方法是聲學相機，其捕捉聲波并以熱成像發展方式實現可視化它們，然后我們學習算法設計分析解決這些數據信息，以確定故障的根本問題原因。例如，在電力電子傳輸控制系統中，這種相機可以根據確定異常聲音的特定點，并利用它來預測部件故障的早期教育階段，比如，在輸送空氣或液體的加壓管道管理系統中，這種相機可以更加精確檢測到維修服務人員視線之外的泄漏點。

多個聲學傳感器可以放置在機器的目標位置，并連接到無線邊緣設備收集數據，這些數據直接發送和上傳到云服務器，在那里可以分析數據。結合資產管理系統和預測分析，可提供關鍵資產效率參數的詳細資料。

在將制造商的傳感器數據集成到物聯網平臺時，考慮傳感器的類型范圍非常重要，一些重要的傳感器測量溫度、電壓、振動、電力和濕度。本文提出了一個問題：聲學傳感器能否有效診斷機器健康?

我們可以經常需要根據學生聽到的噪音來診斷機器學習問題，遺憾的是，人類社會只能聽到20~22000 Hz范圍內的聲音，還有很多聞所未聞的聲音人類發展無法聽到，而人類聽力能力范圍之外的聲音也能對機器健康教育產生一個有價值見解。

機器可持續的聲學診斷

根據一些研究，高達40%的工廠能源成本可能是由損耗造成的。當電機開始退化時，機器的整體效率會降低，為了彌補效率降低，電機需要消耗更多能源。這導致額外的電力消耗和更高的電費支出。

利用聲學傳感器檢測機器缺陷，使制造商能夠在機器開始磨損之前維修，減少停機時間和電力成本，同時延長機器壽命。這可以為業務部門節省大量費用，例如，我們已經看到公司減少了10% 的電力消耗，由于該公司在全世界經營著大約5億臺電動機，因此節省了大量費用。

機器是由相互磨合的運動部件組成的，這些部件會產生摩擦和噪音，所以許多機器故障都可以聲音檢測出來。像可見光這樣的裝置是不能用在這種機器上的，因為光不能穿過機器零件，所以無法確定任何關鍵問題。

無線振動傳感器倒是很有希望，但是，同樣我們可以檢測微小聲音的超聲波價格比較昂貴，并且同時還需要接收器和發射器在機器學習周圍環境移動類似醫院里的超聲波儀器，因此，超聲波技術并不需要理想。