一、背景与需求

在印刷、包装、金属加工等行业中，材料（如纸张、薄膜、金属薄板等）通过传送带或滚筒输送时，常因机械振动、静电吸附或操作失误导致单张材料与双张材料重叠。若未及时检测，重叠材料可能造成设备卡顿、加工精度下降甚至产品报废。传统的检测方法（如光电传感器或机械触头）易受材料透明度、颜色或表面特性的干扰，而对射式超声波传感器凭借其非接触、高适应性及强抗干扰能力，成为解决此类问题的理想选择。

二、对射超声波传感器的工作原理

对射式超声波传感器由发射器和接收器组成，发射器发出高频声波（通常40kHz~200kHz），接收器检测穿透材料的声波信号。声波在穿透材料时会发生以下变化：

1. 信号衰减：单张材料厚度较薄，声波衰减较小；双张材料因厚度增加，声波能量被吸收或散射更多，接收端信号强度显著降低。

2. 飞行时间（ToF）：声波穿透材料的传播时间与材料厚度正相关，双张材料会延长传播时间。

通过分析接收信号的强度或传播时间差异，可精准判断材料是否为单张或双张。

三、传感器选型与参数优势

根据用户提供的传感器参数（HUA单双张检测系列），推荐以下型号及配置：

• 推荐型号：HUA-18GM55-200-3E1（M18尺寸，3路PNP常开输出）

• 关键参数：

• 检测范围：发射器与接收器间距20-60mm，盲区7mm，适应厚度0.01mm~3mm的材料。

• 输出类型：3路开关量输出（支持单双张状态分通道指示）。

• 响应延时：10ms，匹配生产线速度≤2m/s。

• 环境适应性：工作温度-25℃~+70℃，防护等级IP67，耐振动、粉尘及油污。

• 学习功能：通过品色线（粉色线）自适应不同材料（如纸张、金属板、薄膜）。

• 
  

四、安装示意图与参数配置

安装示意图

关键安装参数（以HUA-18GM55-200-3E1为例）：

• 间距d：发射器与接收器间距设为20-60mm（根据材料厚度调整）。

• 安装高度a：传感器端面距传送带表面5-15mm。

• 角度偏差：允许与垂直方向±45°，确保声波有效穿透材料。

• 盲区范围：传感器前方7mm内无法检测，需避免材料进入此区域。

• 
  

五、传感器学习与配置流程

1. 单张学习模式：

• 短接粉色线与蓝色线（GND），通电后黄绿双灯闪烁。

• 放置单张材料于传感器间，绿灯闪烁后短接粉色线与GND，绿灯常亮即完成学习。

2. 双张学习模式：

• 短接粉色线与棕色线（+V），切换至双张学习模式，红灯闪烁。

• 放置双张材料于传感器间，短接粉色线与GND，红灯常亮即完成学习。

3. 退出学习模式：

• 保持粉色线与GND短接，重启传感器即可进入正常工作状态。

• 
  

六、检测逻辑与系统集成

1. 信号处理：

• 传感器通过声波衰减和飞行时间（ToF）判断材料厚度。

• 单张材料：声波衰减低，ToF短；双张材料：声波衰减显著增加，ToF延长。

2. 输出逻辑：

• 单张状态：绿灯亮，输出通道1闭合（PNP高电平）。

• 双张状态：红灯亮，输出通道2闭合（PNP高电平）。

• 无材料：黄灯亮，输出通道3闭合。

3. 系统联动：

• 通过PLC接收传感器信号，触发报警或分拣机构。

• 支持IO-Link协议，实现参数远程配置及状态监控。

• 
  

七、实际应用案例：金属薄板加工生产线

场景痛点：某金属加工厂因0.5mm不锈钢薄板双张重叠，导致冲压模具频繁损坏，月均损失超5万元。
解决方案：

1. 传感器部署：在冲压机进料口安装两对HUA-18GM55-200-3E1传感器，覆盖板材全宽。

2. 参数配置：

• 间距d=40mm，安装高度a=10mm，角度偏差±1°。

• 响应延时10ms，匹配产线速度1.5m/s。

3. 学习与优化：

• 学习单张（0.5mm）和双张（1.0mm）状态，动态阈值校准误差<2%。

• 结合多传感器投票机制，误检率<1%。
  成效：

• 双张漏检率从15%降至0.5%，模具寿命延长3倍。

• 年节约维护成本约60万元，投资回报周期<3个月。

八、核心公式与代码片段

1. 声速温度补偿公式

$$v = 331.4 + 0.6T \quad (T为环境温度，单位℃)$$

2. 动态阈值计算

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

（$S_{\text{single}}$为单张信号均值，$\sigma_{\text{noise}}$为噪声标准差）

九、总结

对射超声波传感器（如UDA系列）通过非接触式检测、多路输出及自适应学习功能，为工业单双张重叠问题提供了高可靠性解决方案。其宽检测范围、短响应时间及强环境适应性，可广泛应用于印刷、包装、金属加工等领域。未来结合AI算法优化阈值动态调整，可进一步提升复杂场景下的检测精度。