Dans cet article, découvrez comment la nouvelle technologie de composants à bande passante moyenne d’Analog Devices, associée au logiciel de simulation LTspice®, peut aider à analyser de grandes quantités de données provenant de systèmes de surveillance conditionnelle.
L’avancée de la technologie numérique ne montre aucun signe de ralentissement, envahissant tous les domaines de notre vie. Donner de l’intelligence aux machines est loin d’être une dystopie orwellienne ; cela permet plutôt d’améliorer l’efficacité de l’automatisation des usines, car les boucles de rétroaction automatisées peuvent réduire le temps de maintenance directe. Cependant, sans les bons outils et logiciels, il peut être difficile de visualiser et de comprendre les données sous-jacentes, ce qui rend difficile la prise de décisions exploitables. Dans cet article, découvrez comment la nouvelle technologie de composants à bande passante moyenne d’Analog Devices, associée au logiciel de simulation LTspice®, peut aider à analyser de grandes quantités de données provenant de systèmes de surveillance conditionnelle.
L’industrie 4.0 décrit le concept consistant à faire profiter l’usine des avantages des Big Data. Les machines équipées de capteurs peuvent surveiller leurs propres performances et communiquer entre elles, ce qui leur permet de partager la charge de travail globale tout en fournissant d’importantes informations de diagnostic au back-office, que ce soit dans le même bâtiment ou sur un autre continent.
Un rapide tour d’horizon de l’offre de produits d’Analog Devices montre qu’ADI s’est fortement engagé à fournir des solutions pour l’Internet industriel des objets (IIOT), notamment en proposant des composants de chaîne de signaux robustes et performants, du capteur au Cloud.
L’un de ces domaines de l’automatisation industrielle est celui de la surveillance conditionnelle (CbM), dans lequel les caractéristiques de fonctionnement nominales d’une machine sont soigneusement calibrées, puis la machine elle-même est étroitement surveillée à l’aide de capteurs locaux. Les conditions qui s’écartent du signal nominal indiquent que la machine doit être entretenue. Ainsi, les machines équipées de systèmes de surveillance basés sur l’état peuvent être entretenues lorsqu’elles en ont réellement besoin et non dans le cadre d’un calendrier d’entretien relativement arbitraire.
Le meilleur moyen de déterminer l’état de santé d’un moteur est d’examiner sa signature vibratoire. La technologie MEMS d’Analog Devices permet de surveiller en permanence la signature vibratoire d’un moteur, révélant l’état de santé du moteur lorsque sa signature est comparée à un moteur connu sans défaut. En effet, chaque défaut de moteur possède sa propre signature harmonique unique. En examinant le contenu harmonique du modèle de vibration, les défauts peuvent être détectés dans les roulements, les bagues intérieures et extérieures, et même dans les dents de la boîte de vitesses.
Analyse des données de vibration dans LTspice
Afin de produire des données pour l’analyse de Fourier dans LTspice, trois accéléromètres ADXL1002 ont été connectés à un moteur, comme indiqué sur la figure 1, pour mesurer les vibrations dans les directions latérale, verticale et avant-arrière - X, Y et Z, respectivement.
Figure 1. Les canaux X, Y et Z ont mesuré les vibrations dans les directions latérale, verticale et avant-arrière, respectivement.
Les données de vibration ont été téléchargées et enregistrées dans une feuille de calcul Microsoft Excel. Les données ont été échantillonnées à 500 kSPS, de sorte qu’une seconde de données de vibration a donné lieu à trois colonnes de données Microsoft Excel, chacune de 500 000 lignes. Un échantillon des données X, Y, et Z est présenté dans la Figure 2.
Figure 2. Un extrait des données X, Y et Z.
Le contenu harmonique de ces données peut maintenant être examiné pour déterminer l’état de santé du moteur. L’analyse de Fourier est le processus mathématique qui consiste à extraire le contenu fréquentiel des composants d’une forme d’onde. Le contenu spectral d’une onde sinusoïdale pure est constitué d’une seule fréquence, appelée fondamentale. Si l’onde sinusoïdale est déformée, d’autres fréquences que la fondamentale apparaissent. En analysant le contenu fréquentiel du modèle de vibration du moteur, un diagnostic précis de son état de santé peut être déterminé.
Le matériel et les logiciels capables d’effectuer une analyse de Fourier peuvent être coûteux. Nous présentons donc ici une méthode permettant d’effectuer une analyse de Fourier sur des données MEMS qui est essentiellement gratuite.
LTspice est un simulateur de circuit puissant et gratuit qui a la capacité de tracer le contenu en fréquence de toute forme d’onde en utilisant l’analyse de Fourier, y compris les données de vibration obtenues à partir du capteur MEMS dans un système de surveillance basé sur l’état.
LTspice peut produire un tracé d’analyse de Fourier lorsque les données sont dans le format illustré à la figure 3, où chaque point de données de vibration est associé à son horodatage correspondant.
Figure 3. Format des instances de temps et de tension.
Il est relativement facile de masser les données dans ce format à l’aide de Microsoft Excel. Voici le processus pour ce faire.
Tout d’abord, séparez les colonnes de données de la figure 2 en trois tableurs d’un fichier Excel, dénommés X, Y et Z, tel qu’indiqué dans la figure 4.
Figure 4. Trois feuilles ont été créées et les données X, Y et Z ont été copiées sur leurs feuilles respectives.
Insérez une colonne à gauche des données - cette colonne est destinée à l’horodatage de chaque valeur de données.
Étant donné que 500 000 échantillons de données ont été pris sur une période d’une seconde, chaque point de données a été pris à 2 µs d’intervalle. Par conséquent, dans la première cellule de la nouvelle colonne, entrez
2E-6
représentant le premier horodatage à 2 µs.
La façon la plus simple de remplir le reste de la colonne d’horodatage est d’utiliser la commande Series. Dans la zone Recherche de Microsoft Excel, saisissez « Series » pour afficher les options du menu illustré dans la figure 5.
Ici, choisissez Fill Series ou Pattern, puis Series… dans le menu déroulant.
Figure 5. Comment renseigner un grand nombre de cellules dans Microsoft Excel.
La boîte de dialogue de la figure 6 apparaît, avec les boutons Colonnes et Linéaire sélectionnés. Saisissez une valeur Étape de 2E-6 et une valeur Stop de 1.
Figure 6. Remplir les cellules avec un ensemble de données à expansion linéaire.
Cliquez sur OK pour remplir la colonne de gauche d’horodatages de données, en incrémentant de 2 µs à 1 seconde. Il est possible de faire de même en remplissant les premières valeurs, puis en faisant glisser le curseur jusqu’à la cellule inférieure à la fin de la plage de données - mais avec 500 000 lignes de données, ce serait un long déplacement.
Les données sont maintenant dans un format prêt à être traité par LTspice, comme le montre la figure 7.
Figure 7. Colonnes indiquant l’horodatage et l’échantillon de données correspondant.
Si l’ensemble de données est important et que l’intervalle d’échantillonnage est faible, il est possible que Microsoft Excel arrondisse les horodatages à un nombre inapproprié de décimales. Si c’est le cas, mettez en surbrillance la première colonne, puis sélectionnez Format > Formatage des cellules, comme indiqué dans la figure 8.
Figure 8. Reformatez les cellules pour supprimer toute erreur d’arrondi.
Sélectionnez le nombre approprié de décimales, comme indiqué dans la Figure 9.
Figure 9. Augmentation de la résolution de l’horodatage à cinq décimales.
Une fois la colonne de l’horodatage remplie et les chiffres significatifs développés, copiez les deux colonnes de chaque feuille dans son propre fichier Notepad ou un autre éditeur de texte, comme illustré dans la figure 10.
Figure 10. Fichier texte contenant les données de temps et de vibration.
Vous devez disposer de trois fichiers texte contenant les données de vibration pour les axes X, Y et Z dans le système de maintenance conditionnelle.
Ces données peuvent maintenant être lues directement dans LTspice.
Construisez un schéma dans LTspice, comme illustré dans la figure 11. Dans cette conception, il existe six sources de tension correspondant aux données de défaut et d’absence de défaut pour les axes X, Y et Z. Cela permet de réaliser une analyse de Fourier sur les données de vibration d’un nouveau moteur afin de les comparer à l’analyse de Fourier des données d’un moteur suspecté d’être défectueux. L’un des grands avantages de cette méthode est que le tracé de fréquence d’un moteur neuf (non défectueux) peut être superposé à celui d’un moteur suspecté d’être défectueux, ce qui permet de voir la différence de performance.
Figure 11. Schéma LTspice montrant les sorties de tension pour les données de vibration défectueuses et non défectueuses.
La commande LTspice
.options plotwinsize=0 numdgt=15
supprime la compression par défaut dans LTspice et produit parfois des résultats plus clairs. La simulation s’exécutera plus rapidement si cette ligne est omise mais peut produire des résultats moins précis.
Une fois le schéma terminé, cliquez avec le bouton droit de la souris sur chaque source de tension, sélectionnez le bouton Avancé, sélectionnez la case d’option Fichier PWL, puis saisissez le nom du fichier texte approprié contenant les données de vibration, comme illustré à la Figure 12. Cela crée une source de tension linéaire par morceaux constituée d’une série de tensions et de leurs instances temporelles correspondantes. Votre travail sera plus simple si ces fichiers texte sont stockés dans le même répertoire que le fichier LTspice.
Figure 12. Création d’une source de tension linéaire par morceaux à partir des données de vibration.
L’analyse transitoire doit ensuite être configurée pour s’exécuter pendant la durée de l’essai de vibration original à l’aide de la commande
.tran
Exécutez la simulation. La simulation peut prendre un certain temps en fonction des points de données et de la longueur de l’analyse transitoire.
Les résultats de la simulation des moteurs défectueux et non défectueux sont présentés à la figure 13. L’expérience a été menée sur un moteur tournant à 587,3 tr/min avec un défaut de roulement dont la bague extérieure est désalignée et avec une charge de 12 livres. Les graphiques montrent également le schéma de vibration d’un moteur sans défaut tournant à la même vitesse. Il est clair que le moteur défectueux a une amplitude significativement plus élevée dans la signature vibratoire par rapport au moteur non défectueux.
Figure 13. Résultats du domaine temporel des données de vibration pour un moteur défectueux et non défectueux.
Avec la fenêtre Forme d’onde en surbrillance, sélectionnez Affichage > FFT dans la barre de menus. Cela permettra de calculer la FFT sur la base des données transitoires.
En regardant les données de la figure 2, les chiffres montrent une petite variation autour d’un grand décalage d’environ 35 000. Lorsqu’il est simulé dans LTspice, cela se traduit par une tension de décalage c.c. de 35 000 V avec une forme d’onde c.a. au-dessus de ce décalage.
Dans le tracé de Fourier, cette tension de décalage se manifeste sous la forme d’un grand pic en courant continu, de sorte que lorsque LTspice met l’axe Y à l’échelle automatique, les harmoniques d’intérêt sont mis à l’échelle de façon trop petite. Cliquez avec le bouton droit de la souris sur l’axe X pour spécifier une plage de fréquence supérieure à cdc, de sorte que la tension de décalage cdc soit ignorée - une plage de 5 Hz à 1 kHz devrait suffire.
Cliquez avec le bouton droit de la souris sur l’axe Y et sélectionnez la case d’option Linéaire pour afficher les harmoniques, comme le montre la figure 14.
Figure 14. Le tracé de Fourier avec l’aiguillon de courant continu supprimé et représenté sur une échelle linéaire.
Un clic droit à l’intérieur de la zone de tracé permet d’ajouter des volets de tracé supplémentaires, ce qui permet de séparer le contenu spectral de la vibration en tracés X, Y et Z, comme illustré dans la Figure 15.
Figure 15. Les tracés des vibrations X, Y et Z sont séparés.
Conclusion
La gamme d’accéléromètres MEMS d’Analog Devices fournit des données essentielles pour permettre la détection précoce des pannes de moteur, mais ce n’est que la moitié de la solution. Les données doivent être soigneusement étudiées à l’aide de l’analyse de Fourier. Malheureusement, les équipements ou logiciels capables d’effectuer une analyse de Fourier sont généralement coûteux. LTspice offre une voie gratuite pour analyser avec précision les données CbM, ce qui permet de détecter et de diagnostiquer rapidement les défaillances des machines.