在工業(yè)與汽車領(lǐng)域，狀態(tài)監(jiān)測（Condition-based Monitoring，CbM）正逐步取代傳統(tǒng)的被動維護(hù)與周期性保養(yǎng)，成為降低停機(jī)風(fēng)險、延長設(shè)備壽命的重要技術(shù)。然而，一個高效的 CbM 系統(tǒng)往往需要在精密傳感、低噪聲信號鏈、電源管理與無線通信之間實(shí)現(xiàn)最佳集成。這些跨學(xué)科的復(fù)雜度不僅增加開發(fā)成本，也延遲系統(tǒng)落地。此外，隨著邊緣人工智能（Edge AI）在工業(yè)監(jiān)測中的應(yīng)用不斷增長，設(shè)計(jì)難度進(jìn)一步提升。顯然，需要一種更直接、高效、可快速部署的解決方案。

本文首先簡要介紹 CbM 的意義和技術(shù)挑戰(zhàn)，隨后重點(diǎn)解析 Analog Devices 推出的即插即用無線 CbM 平臺 —— Voyager 4 評估套件 EV-CBM-VOYAGER4-1Z，其支持邊緣 AI 推理，可作為快速部署預(yù)測性維護(hù)的整體方案。

1. 為什么狀態(tài)監(jiān)測至關(guān)重要

工業(yè)系統(tǒng)的無計(jì)劃停機(jī)事件往往直接造成產(chǎn)線暫停、供應(yīng)鏈中斷以及高昂的維修成本。傳統(tǒng)的維護(hù)策略主要包括兩類：

• 事后維護(hù)（Reactive Maintenance）：設(shè)備故障后再維修，導(dǎo)致高額停機(jī)損失。

• 計(jì)劃性維護(hù)（Scheduled Maintenance）：按固定周期更換部件，可能造成資源浪費(fèi)，因?yàn)樵S多部件在更換時仍處于可正常工作狀態(tài)。

相比之下，狀態(tài)監(jiān)測通過實(shí)時采集振動、溫度、電流等運(yùn)行指標(biāo)，識別設(shè)備劣化的早期跡象，使企業(yè)能夠提前采取措施，從而：

• 減少非計(jì)劃停機(jī)

• 延長設(shè)備壽命

• 降低總體擁有成本（TCO）

然而，要實(shí)現(xiàn)上述收益，CbM 設(shè)備必須在高噪聲、高振動、電磁干擾和溫度變化顯著的工業(yè)環(huán)境下穩(wěn)定運(yùn)行，這對設(shè)計(jì)者構(gòu)成了多學(xué)科融合的挑戰(zhàn)。

2. 狀態(tài)監(jiān)測的技術(shù)挑戰(zhàn)與系統(tǒng)需求

為了達(dá)到預(yù)測性維護(hù)的效果，CbM 系統(tǒng)必須在嚴(yán)苛場景中維持 高精度、低噪聲、寬帶寬 的測量能力。典型工業(yè)設(shè)備——如電機(jī)、傳動鏈和大型旋轉(zhuǎn)機(jī)械——在正常運(yùn)行時就會施加持續(xù)的機(jī)械應(yīng)力和電磁干擾。

2.1 高精度振動檢測需求

振動分析是識別軸不平衡、錯位、軸承磨損等早期故障的基礎(chǔ)。因此，傳感器要在復(fù)雜條件下捕捉微小振動變化，從而需要：

• 高帶寬（kHz 級）

• 低噪聲模擬前端

• 穩(wěn)定的數(shù)字化采樣鏈路

2.2 人工智能分析正向邊緣遷移

過去，振動數(shù)據(jù)通常發(fā)送到主機(jī)或云端進(jìn)行分析；然而當(dāng)前趨勢是把分析前移到設(shè)備側(cè)，即 邊緣推理（Edge AI），其優(yōu)勢包括：

• 最小化分析時延

• 降低網(wǎng)絡(luò)傳輸壓力

• 提升系統(tǒng)實(shí)時性與安全性

基于卷積神經(jīng)網(wǎng)絡(luò)（CNN）的振動模式識別能夠?qū)崟r檢測異常，但推理過程計(jì)算量大，要求設(shè)備在功耗、尺寸和成本有限的條件下保持高性能。

2.3 無線通信與功耗限制

無線 CbM 在旋轉(zhuǎn)機(jī)械、遠(yuǎn)程設(shè)備和無法布線的應(yīng)用中尤為重要。BLE（Bluetooth Low Energy）在多項(xiàng)指標(biāo)上成為理想選擇（見表 1）。

4

表 1：常見無線標(biāo)準(zhǔn)在 CbM 應(yīng)用中的關(guān)鍵性能比較（來源：Analog Devices）

然而，實(shí)現(xiàn) BLE 的低功耗仍然困難，尤其對邊緣 AI 推理任務(wù)而言，必須將電源管理與無線收發(fā)的功耗控制到極低水平。

3. Voyager 4：支持邊緣 AI 的無線狀態(tài)監(jiān)測即插即用方案

為應(yīng)對上述挑戰(zhàn)，Analog Devices 推出 EV-CBM-VOYAGER4-1Z（Voyager 4） —— 一個集成傳感、處理、功耗優(yōu)化與無線通信的完整電池供電振動監(jiān)測平臺，可用于 CbM 技術(shù)評估或直接部署預(yù)測性維護(hù)。

4

如圖 1 所示，該套件采用 垂直支架結(jié)構(gòu)，使主板和電池穩(wěn)固安裝；傳感器和電源板位于支架底部，靠近振源。最終部署時，整體結(jié)構(gòu)裝入直徑 46 mm、高 77 mm 的鋁制外殼中，頂部采用 ABS 蓋以確保 BLE 信號暢通。

4. 模塊化架構(gòu)：傳感、處理與無線通信協(xié)同設(shè)計(jì)

Voyager 4 由兩顆低功耗 MCU 組成：

• MAX32666：BLE MCU，負(fù)責(zé)無線連接、系統(tǒng)控制與數(shù)據(jù)轉(zhuǎn)發(fā)

• MAX78000EXG+：AI MCU，內(nèi)置 CNN 加速器，用于本地推理

配合多款低功耗模擬與電源器件形成整體系統(tǒng)，如圖 2 所示。

4.1 高帶寬振動傳感鏈路

主振動傳感器為 ADXL382-1BCCZ-RL7：

• 三軸 MEMS 結(jié)構(gòu)

• 16 位 ADC

• 8 kHz 帶寬

• 功耗：高性能模式 520 μA（8 kHz）、低功耗模式 32 μA（400 Hz）

ADXL382 輸出由 ADG1634B CMOS 開關(guān)切換至不同子系統(tǒng)，由 MAX32666 協(xié)調(diào)。

Voyager 4 同時使用 ADXL367BCCZ-RL7 作為超低功耗“喚醒加速度計(jì)”，其在運(yùn)動觸發(fā)模式下電流僅 180 nA。

4.2 訓(xùn)練模式與推理模式

系統(tǒng)具有兩種典型運(yùn)行路徑（見圖 3）：

訓(xùn)練模式（路徑 a）

• MAX32666 讀取 ADXL382 的原始振動數(shù)據(jù)

• 通過 BLE 或 USB 傳輸至用戶主機(jī)

• 用于構(gòu)建自定義 CNN 推理模型

推理模式（路徑 b）

• MAX78000EXG+ 直接讀取 ADXL382 原始數(shù)據(jù)

• 使用 CNN 加速器執(zhí)行異常識別

• 若檢測到異常，向 MAX32666 發(fā)出告警并上報(bào)

• 若無異常 → 系統(tǒng)進(jìn)入低功耗休眠，由 ADXL367 負(fù)責(zé)觸發(fā)下一周期

這一架構(gòu)使 BLE 收發(fā)器僅在訓(xùn)練階段與異常上報(bào)時工作，顯著降低功耗。

5. 超低功耗設(shè)計(jì)：系統(tǒng)與器件雙層優(yōu)化

Voyager 4 采用多級節(jié)能設(shè)計(jì)：

5.1 系統(tǒng)級

• 運(yùn)動激活喚醒機(jī)制

• 按需啟動 BLE

• 睡眠期間僅 ADXL367 處于 180 nA 模式

• 每小時運(yùn)行一次檢測時，系統(tǒng)平均功耗約 0.3 mW

• 使用 1500 mAh 電池時可達(dá)到 約兩年壽命

訓(xùn)練模式因頻繁使用 BLE 功耗較高（約 0.65 mW）。

5.2 器件級

• MAX32666：執(zhí)行緩存運(yùn)行時 27.3 μA/MHz @ 3.3 V

• MAX78000EXG+：M4 核心循環(huán)執(zhí)行 22.2 μA/MHz @ 3.0 V

• 兩者均帶動態(tài)電壓調(diào)節(jié)（DVS）

• MAX20335 PMIC 提供電源管理

• MAX17262 負(fù)責(zé)電池電流監(jiān)測與壽命估算

這些設(shè)計(jì)確保系統(tǒng)即使在執(zhí)行 CNN 推理時仍保持極低功耗。

6. 邊緣 AI 模型的訓(xùn)練與部署流程

在資源受限的 MCU 上執(zhí)行 CNN 推理，需要專門的模型優(yōu)化流程。Analog Devices 在 GitHub 上提供完整的工具鏈與示例，涵蓋訓(xùn)練、綜合與固件集成三大階段（圖 5）。

階段 1：模型訓(xùn)練（ai8x-training）

• 設(shè)置 Python 環(huán)境

• 使用 train.py 腳本執(zhí)行 CNN 模型訓(xùn)練

• 提供大量教程幫助開發(fā)者理解模型與硬件資源之間的匹配關(guān)系

階段 2：模型綜合（ai8x-synthesis）

• 將訓(xùn)練好的模型轉(zhuǎn)換為 C 語言

• 針對 MAX78000EXG+ 的 CNN 硬件結(jié)構(gòu)進(jìn)行優(yōu)化

階段 3：固件開發(fā)與部署（SDK）

• 將模型嵌入 AI MCU 固件

• 通過 USB 或 BLE 更新至 Voyager 4

• Windows 主機(jī)端 Python GUI 可發(fā)送指令與查看推理狀態(tài)

當(dāng)進(jìn)入正常運(yùn)行模式時，MAX78000EXG+ 在每次喚醒后自動執(zhí)行推理，實(shí)現(xiàn)完全本地化的振動異常監(jiān)測。

7. 結(jié)語

設(shè)備故障導(dǎo)致的非計(jì)劃停機(jī)給制造與運(yùn)營帶來顯著風(fēng)險，而狀態(tài)監(jiān)測是實(shí)現(xiàn)預(yù)測性維護(hù)的核心技術(shù)。然而，設(shè)計(jì)一個同時具備無線通信、精密傳感、低功耗管理及邊緣 AI 分析的 CbM 系統(tǒng)仍是一個復(fù)雜工程。

Analog Devices 的 Voyager 4 無線振動評估套件為開發(fā)者提供了一個可直接部署的解決方案，涵蓋：

• 高帶寬 MEMS 振動采集

• 超低功耗運(yùn)行機(jī)制

• BLE 無線通信

• 本地 CNN 加速與異常檢測

• 完整的邊緣 AI 模型訓(xùn)練與部署流程

它使企業(yè)能夠更快速地構(gòu)建預(yù)測性維護(hù)系統(tǒng)，大幅降低 CbM 部署門檻，加速工業(yè)設(shè)備智能化進(jìn)程。