一、背景與需求

在印刷、包裝、金屬加工等行業中，材料（如紙張、薄膜、金屬薄板等）通過傳送帶或滾筒輸送時，常因機械振動、靜電吸附或操作失誤導致單張材料與雙張材料重疊。若未及時檢測，重疊材料可能造成設備卡頓、加工精度下降甚至產品報廢。傳統的檢測方法（如光電傳感器或機械觸頭）易受材料透明度、顏色或表面特性的干擾，而對射式超聲波傳感器憑借其非接觸、高適應性及強抗干擾能力，成為解決此類問題的理想選擇。

二、對射超聲波傳感器的工作原理

對射式超聲波傳感器由發射器和接收器組成，發射器發出高頻聲波（通常40kHz~200kHz），接收器檢測穿透材料的聲波信號。聲波在穿透材料時會發生以下變化：

1. 信號衰減：單張材料厚度較薄，聲波衰減較小；雙張材料因厚度增加，聲波能量被吸收或散射更多，接收端信號強度顯著降低。

2. 飛行時間（ToF）：聲波穿透材料的傳播時間與材料厚度正相關，雙張材料會延長傳播時間。

通過分析接收信號的強度或傳播時間差異，可精準判斷材料是否為單張或雙張。

三、傳感器選型與參數優勢

根據用戶提供的傳感器參數（HUA單雙張檢測系列），推薦以下型號及配置：

• 推薦型號：HUA-18GM55-200-3E1（M18尺寸，3路PNP常開輸出）

• 關鍵參數：

• 檢測范圍：發射器與接收器間距20-60mm，盲區7mm，適應厚度0.01mm~3mm的材料。

• 輸出類型：3路開關量輸出（支持單雙張狀態分通道指示）。

• 響應延時：10ms，匹配生產線速度≤2m/s。

• 環境適應性：工作溫度-25℃~+70℃，防護等級IP67，耐振動、粉塵及油污。

• 學習功能：通過品色線（粉色線）自適應不同材料（如紙張、金屬板、薄膜）。

• 
  

四、安裝示意圖與參數配置

安裝示意圖

關鍵安裝參數（以HUA-18GM55-200-3E1為例）：

• 間距d：發射器與接收器間距設為20-60mm（根據材料厚度調整）。

• 安裝高度a：傳感器端面距傳送帶表面5-15mm。

• 角度偏差：允許與垂直方向±45°，確保聲波有效穿透材料。

• 盲區范圍：傳感器前方7mm內無法檢測，需避免材料進入此區域。

• 
  

五、傳感器學習與配置流程

1. 單張學習模式：

• 短接粉色線與藍色線（GND），通電后黃綠雙燈閃爍。

• 放置單張材料于傳感器間，綠燈閃爍后短接粉色線與GND，綠燈常亮即完成學習。

2. 雙張學習模式：

• 短接粉色線與棕色線（+V），切換至雙張學習模式，紅燈閃爍。

• 放置雙張材料于傳感器間，短接粉色線與GND，紅燈常亮即完成學習。

3. 退出學習模式：

• 保持粉色線與GND短接，重啟傳感器即可進入正常工作狀態。

• 
  

六、檢測邏輯與系統集成

1. 信號處理：

• 傳感器通過聲波衰減和飛行時間（ToF）判斷材料厚度。

• 單張材料：聲波衰減低，ToF短；雙張材料：聲波衰減顯著增加，ToF延長。

2. 輸出邏輯：

• 單張狀態：綠燈亮，輸出通道1閉合（PNP高電平）。

• 雙張狀態：紅燈亮，輸出通道2閉合（PNP高電平）。

• 無材料：黃燈亮，輸出通道3閉合。

3. 系統聯動：

• 通過PLC接收傳感器信號，觸發報警或分揀機構。

• 支持IO-Link協議，實現參數遠程配置及狀態監控。

• 
  

七、實際應用案例：金屬薄板加工生產線

場景痛點：某金屬加工廠因0.5mm不銹鋼薄板雙張重疊，導致沖壓模具頻繁損壞，月均損失超5萬元。
解決方案：

1. 傳感器部署：在沖壓機進料口安裝兩對HUA-18GM55-200-3E1傳感器，覆蓋板材全寬。

2. 參數配置：

• 間距d=40mm，安裝高度a=10mm，角度偏差±1°。

• 響應延時10ms，匹配產線速度1.5m/s。

3. 學習與優化：

• 學習單張（0.5mm）和雙張（1.0mm）狀態，動態閾值校準誤差<2%。

• 結合多傳感器投票機制，誤檢率<1%。
  成效：

• 雙張漏檢率從15%降至0.5%，模具壽命延長3倍。

• 年節約維護成本約60萬元，投資回報周期<3個月。

八、核心公式與代碼片段

1. 聲速溫度補償公式

$$v = 331.4 + 0.6T \quad (T為環境溫度，單位℃)$$

2. 動態閾值計算

$$T_{\text{double}} = S_{\text{single}} \times 0.7 + \sigma_{\text{noise}} \times 3$$

（$S_{\text{single}}$為單張信號均值，$\sigma_{\text{noise}}$為噪聲標準差）

九、總結

對射超聲波傳感器（如UDA系列）通過非接觸式檢測、多路輸出及自適應學習功能，為工業單雙張重疊問題提供了高可靠性解決方案。其寬檢測范圍、短響應時間及強環境適應性，可廣泛應用于印刷、包裝、金屬加工等領域。未來結合AI算法優化閾值動態調整，可進一步提升復雜場景下的檢測精度。