首页 ꄲ 智能运维专栏 ꄲ 不加传感器，能不能看出设备要坏？

不加传感器，能不能看出设备要坏？

创建时间：2026-10-19

一、电机为什么是一只"天然传感器"

"自传感"（self-sensing）这个概念，由美国学者 R. D. Lorenz 等人在上世纪九十年代系统提出，核心思想是利用电机本身已有的电压和电流测量——而不是外加传感器——来提取机械状态信息。理解它只需要一条物理链条：机械故障产生负载扭矩波动，扭矩波动改变电机的气隙磁场，磁场调制最终落在定子电流上。故障因此在电气量里留下指纹。

不同故障留下的指纹形状不同，且都有明确的力学对应关系：

齿轮磨损或断齿：啮合刚度下降，每转过一个齿产生一次扭矩脉冲，电流频谱中出现齿轮啮合频率及其边带，边带之间的间距恰好等于轴的转动频率；

轴承滚道剥落：滚动体碾过缺陷点产生周期性冲击，电流和扭矩中出现轴承通过频率分量；

转子不平衡、不对中：产生一倍或二倍转频的力，电流中对应分量随之上升；

传动背隙、联轴器松动：换向瞬间出现冲击，表现为扭矩指令上的瞬态纹波和位置跟随误差尖峰。

还有一个常被忽略的事实：现代驱动器本身就提供了一只"虚拟扭矩传感器"。控制器根据电流指令和电机扭矩常数实时换算输出扭矩，精度足以用于控制环，自然也足以用于状态监测，不需要任何额外硬件。工业界沿三条平行技术路线把这件事工程化：电气特征分析（ESA/MCSA，分析电流频谱中的故障边带，ISO 20958:2013 已将三相感应电机的电气特征分析方法标准化）、瞬时角速度（IAS，用编码器脉冲计算转轴瞬时转速波动）、扰动扭矩观测器（比较指令扭矩与动力学模型给出的期望扭矩，差值即异常摩擦与磨损）。

二、三条路线各自能看见什么

电流频谱：转子回路和气隙问题的强项。 电机电流特征分析（MCSA）是资历最老的路线，IEEE 和 EPRI 从上世纪八十年代持续研究至今。它对转子断条、气隙偏心等电气类故障灵敏度高——转子断条会在供电频率两侧产生间隔两倍转差频率的经典边带；对齿轮箱和联轴器问题能看，但依赖稳定负载。2024 年发表于 International Journal of Rotating Machinery 的一项研究在 RV 减速器上验证：电流特征结合卷积神经网络特征，局部故障平均分类准确率超过百分之九十六，不同转速下的准确率差异仅为百分之二点九二。需要注意同一研究里的另一面：用传统手工提取的时域和频域特征做分类，跨转速时准确率落差分别达到百分之十八点七五和百分之十一点二五。换句话说，跨工况泛化不是算法免费送的。

瞬时角速度：低速变转速工况下的齿轮判官。 编码器脉冲与转角严格对应，用它算出的瞬时角速度波动天然适合变转速场景，不需要额外做阶次跟踪，也不受多界面传递衰减的影响。昆明理工大学团队在《振动工程学报》2025 年第四期发表的研究证明：仅用伺服电机自带编码器信号，在每分钟二十至一百转的低转速、变转速工况下，可有效检出行星齿轮箱太阳轮的局部故障，无需安装任何外置传感器。这一点对包装线意义直接——大量伺服轴长期运行在低速段，而那恰恰是普通振动传感器受低频截止限制、最吃力的区间。

扰动扭矩：减速机劣化的提前量。 比较驱动器实际输出的扭矩与模型期望扭矩，两者之差就是扰动扭矩，它对齿轮箱和轴承的摩擦变化格外敏感。工业机器人厂商普遍采用这条路线监测各轴减速机。

三、这不是论文里的技术：三条工程证据

判断一项技术值不值得设备科投入，先看它是否已经在别人的设备上跑了足够久、足够多。三条公开证据可以互相印证：

工业机器人侧：某日系伺服与机器人厂商的 ZDT 平台基于电机扭矩诊断和减速机诊断功能，其官方产品手册披露已连接全球超过四万台机器人，累计帮助预防超过四千次非计划停机，其中包含对伺服焊枪扰乱扭矩超阈值的通知。

电机柜第三方侧：某荷兰电气特征分析厂商的 ESA 方案在电机控制柜侧用罗氏线圈测量三相电流和电压，设备本体上不装任何东西。其官方披露：最近十二个月内基于两千零八十七个经审核事件，故障召回率百分之九十五点五，审核后误报率百分之二点一，已部署在七千多台资产上，覆盖泵、风机、压缩机、输送机和搅拌器。ABB 已将该电气特征分析能力嵌入 ACS880 变频器产品组合，兼容机型连柜侧硬件都不需要加装。

伺服本体侧：某日系伺服厂商的新一代伺服系列的官方发布材料明确表述，新一代伺服增强的数据检测功能"让伺服变成了传感器"，内置环境与寿命监测器。

以上规模与精度数字均为厂商公开口径，与设备类型、故障样本量强相关，作为趋势信号成立，写进采购合同前仍需在本厂区试点验证。这个标注纪律，对本号引用的所有厂商数字一视同仁。

四、边界同样要讲清楚：内生信号看不见什么

讲能力只需要一份产品手册，讲边界才需要工程诚实。内生信号的本质是间接测量——用电气量的变化反推机械状态，灵敏度天然低于直接装在轴承座上的振动传感器。四个盲区在落地前必须知道：

第一，极早期的轴承缺陷不在视野内。某荷兰电气特征分析厂商在其官方监测范围说明中明确标注，中压电机的轴承退化"在电气特征分析能力边界之外"，密封泄漏因不存在扭矩调制同样无法直接检测，定子铁芯热点这类不耦合到电流特征的热现象也看不到——它能检测泄漏的根因（不对中、不平衡、气蚀），但检测不了泄漏本身。

第二，编码器装在电机轴端，只"看"得到电机轴到安装点之间的传动链。齿轮箱之后的背隙、长丝杠的弹性形变，编码器无法分辨前后。认为有了编码器就掌握了整条传动链，是工程上最常见的过度推断。

第三，变工况是误报的主要来源。同一台灌装机，空载与满载的电流频谱差异巨大；电机绕组电阻随温度漂移（铜的温度系数约为每摄氏度正三千九百ppm），电流基线会跟着漂；换规格、调灌装量、改包装速度，任何工艺动作都会改变基线。可行的做法只有一个：在同一程序点、同一速度档位、同一负载条件下对比健康基线，否则误报不可避免。

第四，高带宽电流环会主动掩盖故障。控制器的职责正是抵消负载扰动、维持转速恒定，带宽越高，故障特征在电流里被压得越平，部分特征会转移到电压频谱中。2026 年的 IEEE 研究因此建议电流与电压两个变量同时分析。这也解释了为什么"驱动器数据全都开放"不等于"诊断免费"——中间隔着信号处理和工况建模的硬功夫。

至于检重秤，它的故事也有了务实的结局：受计量法规约束，商用检重秤的算法高度固化，通常不开放滤波前的高频原始波形；但智能称重传感器通过 IO-Link 输出的自诊断元数据——零点漂移趋势、噪声水平、过载冲击事件计数——仍然是一份现成的设备健康指标。这个话题在系列第三篇展开。

五、制药场景的特殊账：读数据比加硬件轻得多

对药企而言，内生信号还有一个振动传感器比不了的优势：它不改变设备的物理结构，不接触工艺面。

按制药设备变更控制的通行分类，在电机外壳加装传感器属于硬件添加（无容器改动时通常为次要变更），而加装 OPC-UA 网关、新增数据历史库这类控制系统软件更新，通常归为次要至中等变更；只有把外部信号接进闭环控制，才构成主要变更。也就是说，如果内生信号数据只用于设备健康监测和预防性维护决策、不参与批次放行，其合规负担显著低于硬件改造。参考 2025 年更新的行业验证框架，非接触产品表面的外置传感器在 GAMP 5 下通常归为一类或三类仪表，同样需要验证——内生信号路线省下的不只是硬件钱，还有验证和变更的管理成本。

但三条红线一条都不能松：

1. 诊断结果不能替代已验证的工艺参数监控做批次放行，健康监测结论不构成质量判定依据；

2. 即使只读数据，新增采集软件和网关闭环仍须走变更控制，评估对已验证状态的影响；

3. 从驱动器到历史库的全链路要满足电子记录要求：时间戳、审计追踪、权限控制、ALCOA+ 原则。

六、正确姿势：全量广度兜底，两成关键设备深测

既然内生信号和外加传感器各有盲区，单选任何一边都是错的。我们主张三层混合监测架构：

第一层，内生信号全量兜底：所有伺服和变频驱动设备，从驱动器、编码器、PLC 读取现成信号，覆盖比例全量，硬件增量接近零，投入集中在软件平台与集成工程；

第二层，关键设备无线精测：按风险评估判定的高关键性设备（约占一两成），加装无线振动与温度传感器，做周期性深度诊断；

第三层，瓶颈设备亚秒级看护：不可替代的灾难性风险设备（通常不足百分之五），上固定式在线振动分析系统。

怎么决定哪两成设备值得加传感器，不能拍脑袋，要交给一套可审计的方法。FMECA（失效模式、影响及危害性分析）起源于上世纪六十年代美国军工与航天领域的可靠性工程，如今 ISO 16079-1:2026 已将其框架引入状态监测的优先级排序，要求综合故障后果、发生概率、可检测度、故障历史、维修代价五个维度给设备评分，按分数映射监测策略。ISO 55001 进一步要求资产全生命周期决策可追溯到文件化的关键性评估——审计师会检查资本计划与维护策略是否引用了同一套分层。这个方法恰好和经典的二八分布吻合：少数关键设备贡献了绝大多数停机损失，传感器预算应该跟着损失走，而不是平均撒胡椒面。系列第四篇会给出完整的测点配置决策表，可以直接当销售沟通和内部立项的工具。