数据无处不在，但它们是从何而来？第一个现代传感器始于1860年，当时Wilhelm von Siemens使用了铜来测量温度。根据这一想法，在1883年诞生了第一个恒温器，这就是被普遍承认的第一个人造传感器。

　　从那时起，我们看到这种设备大量涌现，尤其是在制造过程的测量和控制领域。随着传感器被应用于运输和消费市场，传感器的复杂程度及其定价发生了巨大变化。与此类似，它们在测量和控制过程中的部署性质也发生了变化，过去是在人为的计算或逻辑（如在比例、积分和导数（PID）控制）中对传感器信号进行相当简单的组合。

　　在此之后，是支持仿真和过程优化的计算机应用程序。过去几年里，在人工智能（AI）和机器学习（ML）的驱动下，出现了具有高度技术能力的创新技术。其结果是在多个维度上对数据流进行更为复杂的合并，以及用时间来学习行为模式，而不是用基于工程第一原理和统计的计算数字模型来估计行为。程序正在由机器编写，而不是人类。

　　物联网IoT）的出现催生了互联事物的巨大增长。根据美国国家科学基金会（NSF）的数据，物联网有望连接500亿个智能设备和1万亿个传感器。其中，传感器和AI/ML技术最广为人知的应用也许是在机动车辆中，尤其是电动汽车。例如，Tesla model 3 中的自动驾驶系统配置了8个摄像头，12个传感器和前向雷达，以读取车道线并检测附近的汽车。

　　过程制造行业一直在开发这种基于AI和ML中的传感器的新用途，以更好地测量资产和过程的状况，包括从机器及其周边设备传感器上收集的数据流中学习它们的明确行为。它可以取代旧的技术，从而实现更简单、更快的部署，以及更高的准确性和结果，而不需要高强度的工程技能。最好的应用可以抽象数据科学，使工厂的普通工人在不需要大量学习的情况下就能实施复杂的策略。

　　从单点测量和简单的逻辑表达式，转变为每隔几分钟收集一次自动组合的数据流。使用AI/ML以/时序的方式来处理数据，可以开发出更度的行为模式，要远远高于人类所能感知到的。该技术非常清楚地看到了这些模式，以识别明确的行为，知道什么是正常的，什么是异常的，以及设备和过程退化的实际模式是什么：如果不加以管理，将会导致糟糕的结果，并可能导致资产故障。

　　现实情况是，这些部署都是数据驱动的解决方案。没有数据就意味着没有解决方案。这让用户想知道需要多少数据以及需要哪些数据？

　　以一个矿山的大型泥浆泵为例，该泵配备了4个传感器来测量：输入压力、输出压力、流体温度和。在这种情况下，通过预测性维护解决方案可以提前两周获悉电机将出现故障。

　　另一个例子，炼油厂的一个大型充油泵有50个传感器，包括上游和下游的过程测量，还有位于机器上的、包括诸多振动传感器在内的机械传感器。在这种情况下，预测性维护解决方案提供了降级的即时通知，以及16周内即将发生故障的通知。

　　因此，基于ML的传感器分析可以在只配置少数传感器的情况下有效工作，如果使用更多和更高质量的传感器，其准确性会有效得多，预警也会更早。由于最关键的资产通常已经配置了很多传感器，因此很少需要添加新的传感器。

　　从检测到的传感器数据也可以预测即将发生故障的模式。它与故障的根本原因和精确的故障模式有一一对应的关系，需要选择合适的传感器组，才能开发这些精确的模式。

　　在这种情况下，良好的传感器选择指南可以给出检测特定故障（如泵或压缩机上的轴承故障）所需的精确集合。持续监测所选的传感器可以通知是否出现明显的退化模式，并发出高级警告。

　　多年来，过程传感器类型和可用性不断变化。它从简单的温度、流量、压力和液位传感器开始。现在，有复杂的产品质量分析仪传感器，如粘度、含水量、固体、颜色和重量，甚至在线质谱仪，可以提供完整的产品细分。所有这些，在过程和设备监控的预测分析中都很有用。

　　此外，新兴的传感器测量领域也可以提供额外的帮助。想想有经验的运行人员，他们通过设备发出的声音，就可以对设备行为有深刻的理解。在人类听觉范围内、外的新型声学传感器也能有所帮助。麦克风安装起来很便宜，而且不需要安装在机器上。使用视频和高性能图形计算，来解释气体含量甚至气味的高光谱成像应用也有所发展。

　　这种设备可以取代旧的分析仪，例如在熔炉和烟囱中，以查看和测量温度和废气成分。另一种是解释光纤电缆上的振动，比如承载电话的电缆，以检测温度、接近度和入侵者。电缆安装是非侵入性的（只需要靠近），是检测泄漏和盗窃的一个非常有价值的应用，在周界围栏上，可以检测到任何靠近的事物。

　　这些只是预测分析依赖复杂传感器进行过程和设备监控的几个例子。未来，这些传感器的新用途将充满潜力和令人兴奋。

　　声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。举报投诉

　　在很大程度上依赖技工的专长和直觉来解决问题或诊断故障，而今天的先进诊断设备和工业 4.0 技术增加了电子

　　与自动化、资产追踪与供应链、即时监测与校准、震动检测防窜改、油电用量计算，以及流量计算水位监测等。然而近年来工业

　　和换能器已经从技术上的波澜不惊转变成为汽车安全、安防、医疗保健、物联网（IoT）和人工智能（

　　的结果值发生显著变化外，其余10路中，有一些的结果值也会发生变化，变化范围不大，这种情况是因为周围电路互相影响导致的吗？

　　)和平均故障间隔时间(MTBF)。利用这些公式和来自系统的原始数据，客户便可直接处理潜在问题。例如，通过MTTF，您发现某种轴承的失效率较高。您可以利用振动

　　)和平均故障间隔时间(MTBF)。利用这些公式和来自系统的原始数据，客户便可直接处理潜在问题。例如，通过MTTF，您发现某种轴承的失效率较高。您可以利用振动

　　的原始数据，客户便可直接处理潜在问题。例如，通过MTTF，您发现某种轴承的失效率较高。您可以利用振动

　　来密切监视该特定机器和轴承，确保失效不会发生。图1. 旋转机械的典型振动频率范围是6 KHz到10

　　用于在汽车正常行驶时监控发动机内部液体的黏度，通过监测汽油和传动液的液体粘稠度，向司机提供反馈信息。此外，

　　算法• 10MHz 时钟• 程序内存 32 kB / 数据内存 8 kB• 浮点/整数 32 位单位•

　　数据以及其他信息比如GPS地址，可提供大量不同的数据集。因此，问题在于：“如何使用人工智能才能充分发挥这些协同作用？”

　　问题和延长电池续航时间而降低实施成本。事实上，如果把重点集中在无电池的设计上，将能实现更大的成本效益。

　　问题和延长电池续航时间而降低实施成本。事实上，如果把重点集中在无电池的设计上，将能实现更大的成本效益。设计无电池设备的最好方法是通过用于通信和能量采集的低功耗蓝牙（BLE）等技术来降低无线

　　网络技术是典型的具有交叉学科性质的军民两用战略高技术，可以广泛应用于GF军事、、环境科学、交通管理、灾害

　　网络节点要具有自组织、中断自我修复的功能，需要设计合适的通信协议和路由算法，以提高系统通信的可靠性。为此，本文采用无线系列单片机设计了一种无线

　　是汽车计算机系统的输入装置，它把汽车运行中各种工况信息，如车速、各种介质的温度、发动机运转工况等，转化成电信号输给计算机，以便发动机处于最佳工作状态。车用

　　保养要注意以下几点： 1、使用时，应保持被测介质的清洁，不含纤维和颗粒等杂质。 2、涡轮流量

　　原理,其应用也越来越普遍电子秤具有称量快速、显示直观、不易磨损等优点,已逐渐取代机械秤。电子秤主要有承重传力系统、称重

　　中的移动有关的量，位移的测量方式所涉及的范围是相当广泛的。小位移通常用应变式、电感式、差动变压

　　产生电流，由高精度前置放大器进一步处理。模数转换和数字信号处理形成了整个信号链的其余部分。选择

　　在提高熔体质量，提高生产的安全性以及保护生产设备等方面都发挥着重要的作用。同时，高温熔体压力

　　是实现对挤出压力进行最优化的控制这一要求的重要元件，在提高熔体质量，提高生产的安全性以及保护生产设备并延长其使用寿命等方面都发挥着重要的作用。同时，熔体压力

　　效率低下的最佳潜力，尤其是通过最大限度地减少设备故障来提高运行效率。 一些企业认为，部署一个

　　在我们的生活和各个行业中都很常见。 它们具有高精度，高稳定性和合理的价格。 同时，您知道如何

　　供应商在多年有意远离这个复杂且易被误解为缺乏投资价值的领域之后，准备重新挖掘其潜能。得益于人工智能和物联网的高速发展，或许

　　概念存在已久，最早可以追溯到人们第一次说“机器很快就会坏了”的时候。从给手表内部的轴承加注润滑油，到养护维修大型发电设备，从简单的家电，到复杂的空间站，

　　数据，以此为依据做出正确判断，帮助检修人员提前发现昂贵、复杂的可能是远程设备出现的小问题，避免酿成大事故。这个功能要求

　　。能直接部署在端侧，进行数据采集、计算分析从而辅助决策，不仅能满足工业各种复杂场景的灵活部署，也真正解决了工业场景中数据采集“最后一公里”的数字化难题。

　　阿尔伯塔省埃德蒙顿2023年9月8日 /美通社/ -- Nanoprecise Sci Corp很高兴地宣布推出全球首款符合0区标准* 光能量采集