设备故障诊断系统资讯：声学传感器可以在机器故障前检测到微弱的噪声

随着物联网、工业4.0的出现，制造商正在使用各种类型的传感器来收集关于资产的健康信息，这些信息可以为预测性分析流程提供见解，例如工作订单生成和潜在设备停机时间的预测。电涡流位移传感器能静态和动态地非接触、高线性度、高分辨力地测量被测金属导体距探头表面的距离。它是一种非接触的线性化计量工具。一体化振动变送器将压电传感器和精密测量电路集成在一起，实现了传统“传感器+信号调理器”和“传感器+监测仪表”模式的振动测量系统的功能；适合构建经济型高精度振动测量系统。无线振动传感器基于无线技术的机器状态监测，具有振动测量及温度测量功能，操作简单，自动指示状态报警。应用于工业设备状态管理及监测控制系统；适合现场设备运行和维护人员监测设备状态，及时发现问题，保证设备正常可靠运行。

结合预测算法，非侵入式声学传感器技术可以在机器学习出现故障之前我们就能检测到微弱噪声。

实时检测声音的另一种方法是声学相机，其捕捉声波并以热成像发展方式实现可视化它们，然后我们学习算法设计分析解决这些数据信息，以确定故障的根本问题原因。例如，在电力电子传输控制系统中，这种相机可以根据确定异常声音的特定点，并利用它来预测部件故障的早期教育阶段，比如，在输送空气或液体的加压管道管理系统中，这种相机可以更加精确检测到维修服务人员视线之外的泄漏点。

多个声学传感器可以放置在机器的目标位置，并连接到无线边缘设备收集数据，这些数据直接发送和上传到云服务器，在那里可以分析数据。结合资产管理系统和预测分析，可提供关键资产效率参数的详细资料。

在将制造商的传感器数据集成到物联网平台时，考虑传感器的类型范围非常重要，一些重要的传感器测量温度、电压、振动、电力和湿度。本文提出了一个问题：声学传感器能否有效诊断机器健康?

我们可以经常需要根据学生听到的噪音来诊断机器学习问题，遗憾的是，人类社会只能听到20~22000 Hz范围内的声音，还有很多闻所未闻的声音人类发展无法听到，而人类听力能力范围之外的声音也能对机器健康教育产生一个有价值见解。

机器可持续的声学诊断

根据一些研究，高达40%的工厂能源成本可能是由损耗造成的。当电机开始退化时，机器的整体效率会降低，为了弥补效率降低，电机需要消耗更多能源。这导致额外的电力消耗和更高的电费支出。

利用声学传感器检测机器缺陷，使制造商能够在机器开始磨损之前维修，减少停机时间和电力成本，同时延长机器寿命。这可以为业务部门节省大量费用，例如，我们已经看到公司减少了10% 的电力消耗，由于该公司在全世界经营着大约5亿台电动机，因此节省了大量费用。

机器是由相互磨合的运动部件组成的，这些部件会产生摩擦和噪音，所以许多机器故障都可以声音检测出来。像可见光这样的装置是不能用在这种机器上的，因为光不能穿过机器零件，所以无法确定任何关键问题。

无线振动传感器倒是很有希望，但是，同样我们可以检测微小声音的超声波价格比较昂贵，并且同时还需要接收器和发射器在机器学习周围环境移动类似医院里的超声波仪器，因此，超声波技术并不需要理想。