AT525922B1 - Identifizierungsverfahren für Fehlerrisikomodus der Motorwelle basierend auf der Fusion des Intervallnachweises des normalen Cloud-Modells - Google Patents

Abstract

Die Erfindung betrifft ein Identifizierungsverfahren für den Fehlerrisikomodus der Motorwelle basierend auf der Fusion des Intervallnachweises des normalen Cloud-Modells. Basierend auf der Analyse typischer Fehlerdaten werden Cloud-Modelle verschiedener Fehlerschablonenmodi unter verschiedenen Fehlermerkmalen konstruiert. Gemäß den Daten der Online-Überwachung verschiedener Fehlermerkmale der Motorwelle wird das Testmodus-Cloud-Modell konstruiert. Das Testmodus-Cloud-Modell wird mit verschiedenen Fehlerschablonenmodus-Cloud-Modellen verglichen, wodurch die Übereinstimmungsgradintervalle des Testmodus mit verschiedenen Fehlerschablonenmodi erhalten werden. Der erhaltene Übereinstimmungsgradintervall wird normalisiert, um einen Intervallnachweis für die Fusion zu erhalten. Der Intervallnachweis wird nach den Nachweisschlussfolgerungsregeln fusioniert und der Fehlerrisikomodus wird gemäß bestimmten Identifizierungskriterien beurteilt. Die vorliegende Erfindung nutzt die Vorteile des normalen Cloud-Modells zum Beschreiben der Unschärfe und Zufälligkeit objektiver Objekte und erhält genauere Intervallnachweise durch Konstruieren des Testmodus-Cloud-Modells und des Fehlerschablonenmodus-Cloud-Modells, so dass das Ergebnis der Fehlerrisikoidentifikation basierend auf der Fusion des Intervallnachweises mehr der tatsächlichen Situation entspricht.

Description

Beschreibung

GEBIET DER ERFINDUNG

[0001] Die Erfindung betrifft ein Identifizierungsverfahren für Fehlerrisikomodus der Motorwelle basierend auf der Fusion des Intervallnachweises des normalen Cloud-Modells, das zum Gebiet von Fehlerdiagnose und Wartungstechnik für mechanische Geräte gehört.

STAND DER TECHNIK

[0002] Mit der Entwicklung von Wissenschaft und Technologie findet die Motorwellenanlage allmählich eine Anwendung für einige komplexe, schnelle und präzise mechanische Bewegungszwecke. Aufgrund der immer engeren Verbindung zwischen mechanischen Komponenten sind Fehler der Motorwellenanlage unvermeidlich. Sobald ein Fehler auftritt, kann er direkt dazu führen, dass das gesamte mechanische System nicht mehr normal funktioniert, wodurch die Arbeitseffizienz beeinträchtigt wird, sodass wirtschaftliche Verluste verursacht werden. Es führt sogar zu damit verbundenen Sicherheitsproblemen. Daher ist die Verwendung der FehlerrisikomodusIdentifikationstechnologie zur rechtzeitigen und genauen Bestimmung des Auftretens von Fehlerrisiken von großer praktischer Bedeutung für die Erhöhung der Sicherheit der Anlage.

[0003] Bei der Identifizierung des Fehlerrisikomodus des Motorwellensystems gibt es häufig aufgrund des Einflusses der Messumgebung und der Echtzeitänderung des Betriebszustands der Anlage selbst eine signifikante Eins-zu-eins-Korrelation zwischen dem Fehlerrisikomodus des Motorwellensystems und dem Einzelfehlermerkmal. Durch die herkömmlichen Einzelsensor-, Einzelfaktorüberwachungs- und Einzelmodell-Verarbeitungs- und -Identifizierungsverfahren ist es unmöglich, eine genaue und effiziente Beurteilung über den Fehlerrisikomodus des Motorwellensystems durchzuführen. Um die Genauigkeit der Fehlerrisikoidentifikation zu erhöhen, werden mehrere Sensoren verwendet, um unterschiedliche Fehlermerkmalinformationen durch MultiSource-Informationsfusionstechnologie zu sammeln. Entsprechend diesen Informationen werden bestimmte Regeln zur Fusion verwendet, um eine genauere Beschreibung des Fehlerrisikomodus zu erhalten, damit die Zuverlässigkeit der Identifizierung erhöht wird.

[0004] In der CN 102033984 A und der CN 110057581 A werden solche Identifizierungsverfahren offenbart. Dabei hat sich gezeigt, dass durch diese Verfahren eine ungenügende Unsicherheitsdarstellung erreicht wird.

AUFGABE DER ERFINDUNG

[0005] Die Aufgabe der Erfindung besteht darin, ein Identifizierungsverfahren für Fehlerrisikomodus der Motorwelle basierend auf der Fusion des Intervallnachweises des normalen Cloud-Modells bereitzustellen, das durch die Beschreibung verschiedener Fehlerrisikomodi unter verschiedenen Fehlermerkmalen den Intervallnachweis gemäß dem normalen Cloud-Modell erhält. Der erhaltene Intervallnachweis wird unter verschiedenen Fehlermerkmalen durch die Nachweisschlussfolgerungsregeln fusioniert. Basierend auf der Intervallzuverlässigkeit nach der Fusion wird die Beurteilung des Fehlerrisikomodus der Motorwelle gemäß den Identifikationskriterien erhalten.

[0006] Das Identifizierungsverfahren für Fehlerrisikomodus des Motorwellensystems basierend auf der Fusion des Intervallnachweises des normalen Cloud-Modells der Erfindung enthält folgende Schritte:

[0007] (1) Die Drehzahl der Welle wird auf o U/min eingestellt, 1000 <= p = 2500, und die Fehlermenge aus dem Fehlerrisikomodus des Wellensystems ist @={X, Y, Z}, wobei X für Unwuchtfehler in der Motorwelle und Y für Fehlausrichtungsfehler in der Motorwelle und Z für losen Basisfehler in der Motorwelle steht;

[0008] (2) durch den Vibrationsbeschleunigungssensor und den Vibrationsverschiebungssensor, die in horizontaler und vertikaler Richtung der Wellenhalterung installiert sind, wird gemäß dem

eingestellten Zeitintervall die Zeitbereichsvibrationssequenz kontinuierlich erfasst; durch FourierTransformation werden die Amplituden bei 1- bis 3 Oktavband der Vibrationsbeschleunigung und die durchschnittliche Amplitude der Zeitbereichsvibrationsverschiebung erhalten. Sie werden als Fehlermerkmale verwendet;

[0009] in dem Fehlerrisikomodus U, U € {X, Y,Z} des Wellensystems werden die Daten von vier Fehlermerkmalen, nämlich die Amplitude bei 1 Oktavband, 2 Oktavband und 3 Oktavband der Vibrationsbeschleunigung und die durchschnittliche Amplitude der Zeitbereichsvibrationsverschiebung erfasst und als Fu, Fy = {f..., fi. fin} bezeichnet, wobei i = 1,2,3,4 für die obigen vier Fehlermerkmale und N für die Anzahl der erfassten Probendaten steht, 50 < N < 500;

[0010] (3) das Schablonenmodus-Cloud-Modell des Fehlerrisikomodus U unter dem Fehlermerkmal i wird als C/ eingestellt; das Wolkentröpfchen des Schablonenmodus-Cloud-Modells wird als Gig bezeichnet, wobei g=1,2,...G, G für die Gesamtzahl der Wolkentröpfchen steht, 10005000; die Schablonenmodus-Cloud-Modelle für drei Fehlerrisikomodi unter vier Fehlermerkmalen werden konstruiert; [0011] (4) ein Satz von Testprobedaten werden online erhalten und als F;, F; = {for u fin u fin} bezeichnet, wobei N, < N für die Gesamtzahl der Online-Probendaten steht; [0012] (5) die Daten des Fehlerrisikomodus U unter dem Fehlermerkmal I in Schritt (3) wird durch Fi ersetzt und der gesamte Berechnungsprozess von Schritt (3) wird wiederholt, um das Testmodus-Cloud-Modell unter 4 Fehlermerkmalen zu erhalten: {C1,C2,C3,C4}, Ci = {div u, dig, dia [dio = C7CON [0013] (6) unter dem Fehlermerkmal i wird der Übereinstimmungsgrad des SchablonenmodusCloud-Modell C” und des Testmodus-Cloud-Modells C; berechnet, wodurch der Intervallnachweis, dass das Testmodus-Cloud-Modell C; das Auftreten von drei Fehlerrisikomodi unterstützt, erhalten wird; [0014] (7) der in Schritt (6) erhaltene Intervallnachweis M,;(9) = (af, bie], 0 € {X, Y, Z, 9} wird unter Verwendung von Nachweisschlussfolgerungsregeln fusioniert. [0015] (8) gemäß Schritt (7) wird das Ergebnis von H* Fusion erhalten und der nach der Fusion erhaltene Intervallnachweis 9 wird wie folgt berechnet M(0) = [ag, bg] (1) ag = min[p72c)] (2) bg = max [pr] (3) [0016] Gemäß den Formeln (1)-(3) kann der Intervallnachweis des normalen Cloud-Modells nach der Fusion erhalten werden, wie in Tabelle 1 gezeigt: Tabelle 1 Tabelle des Fusionsergebnisses Intervallnachweis M(X) M(Y) M(Z) M(®) Fusionsergebnis [ax, by] [ay, by] [az bz] [ao ba] [0017] (9) Gemäß dem in Tabelle 1 gezeigten Intervallnachweis ist das Fehlerrisikomodus-Identifikationskriterium gegeben, d. h., wenn die folgenden zwei Bedingungen erfüllt sind, kann es festgestellt werden, dass der Fehlerrisikomodus, auf den die Prüfprobe Fi zeigt, 0,9 € {X, Y,Z, 9} ist: [0018] 1. der linke und rechte Endpunkt des Intervallnachweises M(69),(9 + ©) sind größer als die linken und rechten Endpunkte der entsprechenden Intervallnachweise der anderen Fehlerrisi21723

[0011] (4) ein Satz von Testprobedaten werden online erhalten und als F;, F; = {for u fin u fin} bezeichnet, wobei N, < N für die Gesamtzahl der Online-Probendaten steht;

[0012] (5) die Daten des Fehlerrisikomodus U unter dem Fehlermerkmal I in Schritt (3) wird durch Fi ersetzt und der gesamte Berechnungsprozess von Schritt (3) wird wiederholt, um das Testmodus-Cloud-Modell unter 4 Fehlermerkmalen zu erhalten: {C1,C2,C3,C4}, Ci =

{div u, dig, dia [dio = C7CON

[0013] (6) unter dem Fehlermerkmal i wird der Übereinstimmungsgrad des SchablonenmodusCloud-Modell C” und des Testmodus-Cloud-Modells C; berechnet, wodurch der Intervallnachweis, dass das Testmodus-Cloud-Modell C; das Auftreten von drei Fehlerrisikomodi unterstützt, erhalten wird;

[0014] (7) der in Schritt (6) erhaltene Intervallnachweis M,;(9) = (af, bie], 0 € {X, Y, Z, 9} wird unter Verwendung von Nachweisschlussfolgerungsregeln fusioniert.

[0015] (8) gemäß Schritt (7) wird das Ergebnis von H* Fusion erhalten und der nach der Fusion erhaltene Intervallnachweis 9 wird wie folgt berechnet

M(0) = [ag, bg] (1) ag = min[p72c)] (2) bg = max [pr] (3)

[0016] Gemäß den Formeln (1)-(3) kann der Intervallnachweis des normalen Cloud-Modells nach der Fusion erhalten werden, wie in Tabelle 1 gezeigt:

Tabelle 1 Tabelle des Fusionsergebnisses Intervallnachweis M(X) M(Y) M(Z) M(®) Fusionsergebnis [ax, by] [ay, by] [az bz] [ao ba]

[0017] (9) Gemäß dem in Tabelle 1 gezeigten Intervallnachweis ist das Fehlerrisikomodus-Identifikationskriterium gegeben, d. h., wenn die folgenden zwei Bedingungen erfüllt sind, kann es festgestellt werden, dass der Fehlerrisikomodus, auf den die Prüfprobe Fi zeigt, 0,9 € {X, Y,Z, 9} ist:

[0018] 1. der linke und rechte Endpunkt des Intervallnachweises M(69),(9 + ©) sind größer als die linken und rechten Endpunkte der entsprechenden Intervallnachweise der anderen Fehlerrisi-

21723

komodi; [0019] 2.der rechte Endpunkt von M(®) ist kleiner als 0,3. [0020] Die Vorteile der Erfindung sind:

[0021] 1. Die vorliegende Erfindung nutzt die Vorteile des normalen Cloud-Modells zum Beschreiben der Unschärfe und Zufälligkeit objektiver Objekte und erhält genauere Intervallnachweise durch Konstruieren des Testmodus-Cloud-Modells und des Fehlerschablonen-Cloud-Modells, sodass das Ergebnis der Fehlerrisikoidentifikation basierend auf der Fusion des Intervallnachweises mehr der tatsächlichen Situation spricht.

[0022] 2. Da es keine klare Abbildungsbeziehung zwischen einem einzelnen Fehlermerkmal und dem Fehlerrisikomodus der Motorwelle gibt, kombiniert die vorliegende Erfindung Informationen unter verschiedenen Fehlermerkmalen, nimmt eine Vielzahl von Informationsfusionsverfahren an und fusioniert gemäß Nachweisschlussfolgerungsregeln, wodurch die Genauigkeit der Identifizierung von Fehlerrisikomodi erhöht wird.

[0023] 3. Da die Messung von Ungewissheitsinformationen oder Fuzzy-Informationen durch Einzelnachweis unvollständig und grob ist und der Messprozesses viele nützliche Informationen verlieren kann, nimmt die vorliegende Erfindung einen Intervallnachweis an, wodurch die Integrität der Messung von Ungewissheitsinformationen sichergestellt wird, sodass die Ergebnisse der Fusionsidentifikation umfassender und zuverlässiger werden.

KURZBESCHREIBUNG DER ZEICHNUNGEN [0024] Fig. 1 ein Ablaufdiagramm der Erfindung,

[0025] Fig. 2 eine Darstellung des Übereinstimmens des Testmodus-Cloud-Modells und drei Fehlerschablonenmodus-Cloud-Modelle der Ausführungsform der Erfindung,

[0026] Fig. 3 eine Darstellung des Aufbaus des Identifizierungsverfahrens für Fehlerrisikomodus der Motorwelle der Ausführungsform der Erfindung,

[0027] Fig. 4 eine Darstellung des Übereinstimmens des Testmodus-Cloud-Modells und drei Fehlerschablonenmodus-Cloud-Modelle unter dem Fehlermerkmal der „Amplitude bei 1 Oktavband der Vibrationsbeschleunigung“ der Ausführungsform der Erfindung,

[0028] Fig. 5 eine Darstellung des Übereinstimmens des Testmodus-Cloud-Modells und drei Fehlerschablonenmodus-Cloud-Modelle unter dem Fehlermerkmal der „Amplitude bei 2 Oktavband der Vibrationsbeschleunigung“ der Ausführungsform der Erfindung,

[0029] Fig. 6 eine Darstellung des Übereinstimmens des Testmodus-Cloud-Modells und drei Fehlerschablonenmodus-Cloud-Modelle unter dem Fehlermerkmal der „Amplitude bei 3 Oktavband der Vibrationsbeschleunigung“ der Ausführungsform der Erfindung,

[0030] Fig. 7 eine Darstellung des Übereinstimmens des Testmodus-Cloud-Modells und drei Fehlerschablonenmodus-Cloud-Modelle unter dem Fehlermerkmal der „durchschnittlichen Amplitude der Zeitbereichsvibrationsverschiebung“ der Ausführungsform der Erfindung.

BESCHREIBUNG DER BEVORZUGTEN AUSFÜHRUNGSBEISPIELE

[0031] Die Erfindung betrifft ein Identifizierungsverfahren für Fehlerrisikomodus der Motorwelle basierend auf der Fusion des Intervallnachweises des normalen Cloud-Modells. Basierend auf der Analyse typischer Fehlerdaten werden Cloud-Modelle verschiedener Fehlerschablonenmodi unter verschiedenen Fehlermerkmalen konstruiert. Gemäß den Daten der Online-Überwachung verschiedener Fehlermerkmale der Motorwelle wird das Testmodus-Cloud-Modell konstruiert. Das Testmodus-Cloud-Modell wird mit verschiedenen Fehlerschablonenmodus-Cloud-Modellen

verglichen, wodurch die Übereinstimmungsgradintervalle des Testmodus mit verschiedenen Fehlerschablonenmodi erhalten werden. Der erhaltene Übereinstimmungsgradintervall wird normalisiert, um einen Intervallnachweis für Fusion zu erhalten. Der Intervallnachweis wird nach den Nachweisschlussfolgerungsregeln fusioniert und der Fehlerrisikomodus wird gemäß bestimmten Identifizierungskriterien beurteilt. Die vorliegende Erfindung enthält insbesondere die folgenden Schritte:

[0032] (1) Die Drehzahl der Welle wird auf pU/min eingestellt, 1000 < p < 2500, und die Fehlermenge aus dem Fehlerrisikomodus des Wellensystems ist 0={X, Y, Z} , wobei X für Unwuchtfehler in der Motorwelle und Y für Fehlausrichtungsfehler in der Motorwelle und Z für losen Basisfehler in der Motorwelle steht.

[0033] (2) Durch den Vibrationsbeschleunigungssensor und den Vibrationsverschiebungssensor, die in horizontaler und vertikaler Richtung der Wellenhalterung installiert sind, wird gemäß dem eingestellten Zeitintervall die Zeitbereichsvibrationssequenz kontinuierlich erfasst. Durch FourierTransformation werden die Amplituden bei 1- bis 3 Oktavband der Vibrationsbeschleunigung und die durchschnittliche Amplitude der Zeitbereichsvibrationsverschiebung erhalten. Sie werden als Fehlermerkmale verwendet.

[0034] In dem Fehlerrisikomodus U, U € {X,Y,Z} des Wellensystems werden die Daten von vier Fehlermerkmalen, nämlich die Amplitude bei 1 Oktavband, 2 Oktavband und 3 Oktavband der Vibrationsbeschleunigung und die durchschnittliche Amplitude der Zeitbereichsvibrationsverschiebung erfasst und als Fu, Fy = {fi .., fi, fin} bezeichnet, wobei i=1,2,3,4 für die obigen vier Fehlermerkmale und N für die Anzahl der erfassten Probendaten steht, 50 < N < 500.

[0035] (3) Das Schablonenmodus-Cloud-Modell des Fehlerrisikomodus U unter dem Fehlermerkmal i wird als CY eingestellt. Das Wolkentröpfchen des Schablonenmodus-Cloud-Modells wird als Gig bezeichnet, wobei g=1,2,...G, G für die Gesamtzahl der Wolkentröpfchen steht, 10005000. Die Schablonenmodus-Cloud-Modelle für drei Fehlerrisikomodi unter vier Fehlermerkmalen werden konstruiert. [0036] (4) Ein Satz von Testprobedaten werden online erhalten und als Fi, F; = { fir fan fun} bezeichnet, wobei N, < N für die Gesamtzahl der Online-Probendaten steht. [0037] (5) Die Daten des Fehlerrisikomodus U unter dem Fehlermerkmal i in Schritt (3) wird durch Fi ersetzt und der gesamte Berechnungsprozess von Schritt (3) wird wiederholt, um das Testmodus-Cloud-Modell unter 4 Fehlermerkmalen zu erhalten: {C1,C,,C3,C1},Ci = {div dig + die [die = (CgHc.a)}} . [0038] (6) Unter dem Fehlermerkmal i wird der Übereinstimmungsgrad des SchablonenmodusCloud-Modells C/’ und des Testmodus-Cloud-Modells C; berechnet, wodurch der Intervallnachweis, dass das Testmodus-Cloud-Modell C; das Auftreten von drei Fehlerrisikomodi unterstützt, erhalten wird. [0039] (7) Der in Schritt (6) erhaltene Intervallnachweis M;(6) = [afg,b}g],9 € {X,Y,Z, 9} wird unter Verwendung von Nachweisschlussfolgerungsregeln fusioniert. [0040] (8) Gemäß Schritt (7) wird das Ergebnis von H* Fusion erhalten und der nach der Fusion erhaltene Intervallnachweis 9 wird wie folgt berechnet M(0) = [a09, b9] (4) ag = min[pf ec] (5) bg = max [pr] (6) [0041] Gemäß den Formeln (4)-(6) kann der Intervallnachweis des normalen Cloud-Modells nach der Fusion erhalten werden, wie in Tabelle 2 gezeigt: 4123

[0036] (4) Ein Satz von Testprobedaten werden online erhalten und als Fi, F; = { fir fan fun} bezeichnet, wobei N, < N für die Gesamtzahl der Online-Probendaten steht.

[0037] (5) Die Daten des Fehlerrisikomodus U unter dem Fehlermerkmal i in Schritt (3) wird durch Fi ersetzt und der gesamte Berechnungsprozess von Schritt (3) wird wiederholt, um das Testmodus-Cloud-Modell unter 4 Fehlermerkmalen zu erhalten: {C1,C,,C3,C1},Ci =

{div dig + die [die = (CgHc.a)}} .

[0038] (6) Unter dem Fehlermerkmal i wird der Übereinstimmungsgrad des SchablonenmodusCloud-Modells C/’ und des Testmodus-Cloud-Modells C; berechnet, wodurch der Intervallnachweis, dass das Testmodus-Cloud-Modell C; das Auftreten von drei Fehlerrisikomodi unterstützt, erhalten wird.

[0039] (7) Der in Schritt (6) erhaltene Intervallnachweis M;(6) = [afg,b}g],9 € {X,Y,Z, 9} wird unter Verwendung von Nachweisschlussfolgerungsregeln fusioniert.

[0040] (8) Gemäß Schritt (7) wird das Ergebnis von H* Fusion erhalten und der nach der Fusion erhaltene Intervallnachweis 9 wird wie folgt berechnet

M(0) = [a09, b9] (4) ag = min[pf ec] (5) bg = max [pr] (6)

[0041] Gemäß den Formeln (4)-(6) kann der Intervallnachweis des normalen Cloud-Modells nach der Fusion erhalten werden, wie in Tabelle 2 gezeigt:

4123

Tabelle 2 Tabelle des Fusionsergebnisses Intervallnachweis M(X) M(Y) M(Z) M(®) Fusionsergebnis [ax, by] [ay, by] [az b7] [ao ba]

[0042] (9) Gemäß dem in Tabelle 2 gezeigten Intervallnachweis ist das Fehlerrisikomodus-Identifikationskriterium gegeben, d. h., wenn die folgenden zwei Bedingungen erfüllt sind, kann es festgestellt werden, dass der Fehlerrisikomodus, auf den die Prüfprobe Fi zeigt, 0,9 € {X, Y,Z, 9} ist:

[0043] 1. Der linke und rechte Endpunkt des IntervallnachweisesM(0),(9 + ©) sind größer als die linken und rechten Endpunkte der entsprechenden Intervallnachweise der anderen Fehlerrisikomodi.

[0044] 2. Der rechte Endpunkt von M(®) ist kleiner als 0,3.

[0045] Insbesondere ist 1 Oktavband (p/60) Hz, 2 Oktavband (p/30) Hz und 3 Oktavband (p/15) Hz.

[0046] Insbesondere verwenden der Vibrationsbeschleunigungssensor und der Vibrationsverschiebungssensor At=16s als Zeitintervall, um kontinuierlich Zeitbereichsvibrationssequenzen zu erfassen.

[0047] Insbesondere ist Schritt (3) wie folgt:

[0048] (3.1) Aus Schritt (2) können die Daten Fy,Fy = {ff .., fi, fin} des Fehlerrisikomodus U unter Fehlermerkmal i erhalten werden, wobei der arithmetische Mittelwert als Erwartungswert EX; u des Cloud-Modells genommen wird.

1 N EX = XD MD n=1

[0049] (3.2) Die Entropie von C} ist En, 0,05 < En < 0,1. Der Superentropiewert ist He, 0,005 < He < 0,1 und He <

[0050] (3.3) Die Entropie wird als Erwartungswert und die Superentropie wird als Standardabweichung genommen, um eine normale Zufallszahl YO zu erzeugen. Dann wird EX;y als Erwar-

tungswert und [| als Standardabweichung genommen, um eine normale Zufallszahl zu erzeugen, die als Wolkentröpfchen cf genommen wird.

[0051] (3.4) Der Gewissheitsgrad u(c?,), u(c},) € [0,1], der dem Wolkentröpfchen cf, entspricht, wird berechnet. Der Gewissheitsgrad u(c7) hat die Eigenschaft der Wahrscheinlichkeit. Die spezifische Berechnungsmethode ist wie folgt:

u(cY,) = ex CL (8) 1 P 204)

[0052] (3.5) a7, = {c,,u(cf,)} wird verwendet, um die Positionsinformationen von Wolkentröpfchen cr im zweidimensionalen Raum widerzuspiegeln. Der Berechnungsprozess der Schritte (3.3)—-(3.4) wird G-mal wiederholt, bis G Wolkentröpfchen und ihre jeweiligen Gewissheitsgrade erzeugt werden, wodurch das Schablonenmodus-Cloud-Modell CY = {d?,, u da ..,d?} des Fehlerrisikomodus U unter dem Fehlermerkmal i erhalten werden kann. Dann können für drei Fehlerrisikomodi unter vier Fehlermerkmalen insgesamt 4 x 3 = 12 Schablonenmodus-CloudModelle erzeugt werden.

[0053] Das Schablonenmodus-Cloud-Modell der drei Fehlerrisikomodi unter dem Merkmal der

Amplitude bei 1 Oktavband ist {C},C!,C7},CY = {dYı,..,dfg,..,d{eJU € (X, Y,Z)};

[0054] Das Schablonenmodus-Cloud-Modell der drei Fehlerrisikomodi unter dem Merkmal der Amplitude bei 2 Oktavband ist {C}, CX, CZ}, CY = {dY,,..., dYg,..., de |U € (X, Y,Z)};

[0055] Das Schablonenmodus-Cloud-Modell der drei Fehlerrisikomodi unter dem Merkmal der Amplitude bei 3 Oktavband ist {C#, C3, C7},CY = {dYı,...,dYg,..., dYe|U € (X, Y,Z)};

[0056] Das Schablonenmodus-Cloud-Modell der drei Fehlerrisikomodi unter dem Merkmal der durchschnittlichen Amplitude der Zeitbereichsvibrationsverschiebung ist {CX,C],C7},C7 = (dYp u, dig, dIe|U € (X, Y,Z)}-

[0057] Insbesondere ist Schritt (6) wie folgt: [0058] (6.1) Die Erwartungskurve mit Entropie des Schablonenmodus-Cloud-Modells wird als

Va (xY) = exp (- CE) konstruiert. Die Erwartungskurve mit Entropie des Testmodus-

—_ „2 Cloud-Modells ist V;(x;) = exp A

Gaußschen Verteilung x -N(EX;y, En?), x; -N(EX, En?), En-N(En, He?) entspricht. [0059] (6.2) Unter dem Fehlermerkmal i wird der Schnittpunkt // des Schablonenmodus-CloudModells der drei Fehlerrisikomodi V;/ (x) und des Testmodus-Cloud-Modells V;(x;) erhalten, wo-

bei seine Koordinaten im zweidimensionalen Raum (a, 87) sind. Das spezifische Berechnungsverfahren ist wie folgt:

) wobei x und x; Zufallsvariablen sind und der

EXiu + EX; a = ZALU AA (9) 2 2 EXiu — EXi) U ( LU

U AL 10 Pi em S(En? 2) (10)

[0060] (6.3) Aus Schritt (3.5) wurde erhalten, dass unter dem Fehlermerkmal i die Koordinaten der Wolkentröpfchen der drei Schablonenmodus-Cloud-Modelle im zweidimensionalen Raum dd = {ef H(cfg)} ist {cfx]k = 1,2,...,K} wird als die k Wolkentröpfchen eingestellt, die dem Schnittpunkt // am nächsten sind, und 100 Maximalwert ist b;y,b;y = max(g7 ): wodurch das Übereinstimmungsgradintervall gebildet ist: I (U) = [au b iu] (11) [0061] (6.4) !;(U) wird normalisiert, um das normalisierte Übereinstimmungsgradintervall zu erhalten: M;(U) = [afy,biu] U € {X,Y,Z} (12) Aix bix Aix = ——z——— < M{(X) Aiz + X bizau=6 biz + X Ai znu=6

I (U) = [au b iu] (11)

[0061] (6.4) !;(U) wird normalisiert, um das normalisierte Übereinstimmungsgradintervall zu erhalten:

M;(U) = [afy,biu] U € {X,Y,Z} (12) Aix bix Aix = ——z——— < M{(X) Aiz + X bizau=6 biz + X Ai znu=6

[0062] (6.5) Das Übereinstimmungsgradintervall der Fehlermenge © = {X, Y, Z} wird wie folgt berechnet:

M;(0) = [ao bto] (16)

at 1-Xbiv ‚(UW-Xbiv)>=0 an LO 0 ‚\a-Xbiy)<0

ba =1-—diy (18)

[0063] M;(®) misst die Gesamtunsicherheit der Übereinstimmung in Schritt (6.4) [0064] (6.6) Die Formeln (12) und (16) bilden den Intervallnachweis des normalen Cloud-Modells, wie in Tabelle 3 gezeigt.

Tabelle 3 Tabelle des durch das Cloud-Modell erhaltenen Intervallnachweises

Intervallnachweis M; (X) M;(Y) M,(Z) M;(6) Amplitude bei 1

Oktavband [a1x bix] [av biy] [aiz b;.7] [ai o bie] Amplitude bei 2

Oktavband [a3.x bix] [a3 x, by] [a37, b3 7] [a0 b5 0] Amplitude bei 3

Oktavband [a3x b3 x] [a3 x, b3y] [a3,7, b3 7] [a3,0, bzo]

durchschnittliche

Amplitude der [a%x,bix] [aiy, biy] [aiz, biz] [a2,e bie] Vibrations-verschiebung

[0065] Um das Verständnis über das Übereinstimmen des Testmodus-Cloud-Modells und des Schablonenmodus-Cloud-Modells der drei Fehlrisikomodi zur Konstruktion der Intervallnachweise zu vertiefen, wird hier ein Beispiel beschrieben. Da die Erwartungskurve mit der Entropie die Konturmerkmale des Cloud-Modells widerspiegelt, stellt sie das Skelett der Wolkentröpfchenansammlung dar. Alle Wolkentröpfchen schwanken zufällig um die Erwartungskurve mit der Entropie. Der Übereinstimmungsgrad des Schablonenmodus-Cloud-Modells der Fehlrisikomodi und des Testmodus-Cloud-Modells kann entsprechend dem Schnittpunkt der Erwartungskurve mit der Entropie bestimmt werden. Unter dem Merkmal bei 1 Oktavband sind die Parameter des Schablonenmodus-Cloud-Modells der drei Fehlrisikomodi CV,U € {X, Y,Z} und des TestmodusCloud-Modells C1 der Motorwellenanlage wie in Tabelle 4 gezeigt:

Tabelle 4 Parametertabelle der Konstruktion des Cloud-Modells unter dem Merkmal bei 1 Oktavband

Cloud-Modell Erwartung (EX) Entropie (En) Superentropie(He) CX 0.1620 0.08 0.01 cY 0.1817 0.08 0.01 CC} 0.3294 0.08 0.01 (0 0.1427 0.08 0.01

[0066] Durch das in Schritt (3) beschriebene Verfahren können das Testmodus-Cloud-Modell

7123

und das Schablonenmodus-Cloud-Modell der drei Fehlrisikomodi in Fig. 2 erhalten werden. Durch die Formeln (6) bis (7) können die Koordinaten des Schnittpunkts der Erwartungskurve mit der Entropie des Testmodus-Cloud-Modells und des Schablonenmodus-Cloud-Modells erhalten werden JX = (0.1523,0.9929), JY = (0.1622,0.9710), J? = (0.2360,0.5114), d.h. die durch "+" in Fig. 2 angezeigte Position. Dann werden die 200 Wolkentröpfchen im Schablonenmodus-Cloud-Modell jedes Fehlerrisikomodus, die dem entsprechenden Schnittpunkt am nächsten liegen, ausgewählt. Der Gewissheitsgrad dieser 200 Wolkentröpfchen ist der Übereinstimmungsgrad zwischen dem Testmodus und dem Fehlerschablonenmodus. Der Maximalwert und der Minimalwert werden ausgewählt, um das Übereinstimmungsgradintervall zu bilden, wie in der folgenden Tabelle gezeigt:

Tabelle 5 Tabelle des Übereinstimmungsintervalls unter dem Merkmal der 1 Oktavband

X Y Z - rs . [0.9899, [0.9649, [0.4847, Übereinstimmungsintervall 0.9958] 0.9771] 0.5379]

[0067] Nach den Formeln (10)-(12) wird das Normalisieren durchgeführt. Aus den Formeln (14)(15) kann das Zuverlässigkeitsintervall der Fehlermenge © erhalten werden. Der Intervallnachweis unter dem Merkmal der Amplitude bei 1 Oktavband ist wie in der folgenden Tabelle gezeigt:

Tabelle 6 Tabelle des Nachweisintervalls unter dem Merkmal der Amplitude bei 1 Oktavband

X Y Z © [0.3952, [0.3862, [0.1972, [0.0000, Intervallnachweis co 197977 0.3985] 0.2158] 0.0214]

[0068] Gemäß den gleichen Schritten wie oben kann der Intervallnachweis unter dem Merkmal der Amplitude bei 2 Oktavband, der Amplitude bei 3 Oktavband und der durchschnittlichen Amplitude der Vibrationsverschiebung erhalten werden. Der Intervallnachweis unter den vier Fehlermerkmalen ist in Tabelle 7 gezeigt:

Tabelle 7 Tabelle des Intervallnachweises

Intervallnachweis M;X) M;(Y) M;(Z) M; (©) Amplitude bei 1 [0.3952, [0.3862, [0.1972, [0.0000, Oktavband 0.4072] 0.3985] 0.2158] 0.0214] Amplitude bei 2 10.5401, [0.2110, [0.1819, [0.0000, Oktavband 0.5900] 0.2526] 0.2265] 0.0669] Amplitude bei 3 10.3526, [0.2817, [0.3557, [0.0000, Oktavband 0.3585] 0.2905] 0.3610] 0.0099] durchschnittliche Amplitude der 10.9997, [0.0000, [0.0000, [0.0000, 1.0000] 0.0000] 0.0000] 0.0003]

Vibrations-verschiebung

[0069] Insbesondere ist Schritt (7) wie folgt: [0070] (7.1) Im Intervall M;(0) = [afo, ba], 9 e {X, Y, Z, 9} wird H (H=2)-mal Punkt genommen.

Der genommene Punktwert wird als m, h = 1,2,..., H bezeichnet und erfüllt die folgenden Bedingungen:

9; * * 17. 1.m € [a0 bfo];

Xi Yı Zi 9; _ 42.mM, +my +my +mp =1;

[0071] (7.2) gemäß dem in Schritt (7.1) beschriebenen Verfahren können H punktbewertete Nachweise unter Fehlermerkmal i erhalten werden, bezeichnet als E; = fe 2 Eike ein} WO-

bei ein = {(8, m‘) [Em =1;h=1,2, „ H};

[0072] (7.3) der Zuverlässigkeitsfaktor des Nachweises e; „ wird als r, eingestellt, wobei 0 [0073] (7.4) durch Schritt (7.2) können 4H punktbewertete Nachweise unter 4 Fehlermerkmalen erhalten werden. Ein beliebiger punktbewerteter Nachweis unter jedem Fehlermerkmal wird ausgewählt, um eine Kombination durchzuführen. Jede Kombination enthält punktbewertete Nachweise der vier Fehlermerkmale. Es gibt insgesamt H*-Kombinationen. Die 4 punktbewerteten Nachweise in jeder Kombination werden unter Verwendung von Nachweisschlussfolgerungsregeln fusioniert, um | Fusionsergebnisse (I=1,2,...,H*) wie folgt zu erhalten: 0 0=6 8 m Pre(4) 71920 gCOQ0=+0 XDeo Mp,e(4) Mayen = [0 - n)Mozeia-1) + Mpc@eu-1Meo;a] + eincı=0 Meseca-uMec.a VO S O;1 = 1,2,3,4 Mp(o) ei) = (1 —H)Mp@)e(a-ı) (19) O(e) = {(0, pie)! = 1,2, ..., H*} (20) wobei P(6) die Potenzmenge von © ist. [0074] Um das Verständnis der Fusion von Intervallnachweisen durch die Nachweisschlussfolgerungsregeln zu vertiefen, wird hier ein Beispiel beschreiben. Der Intervallnachweis kann aus den Schritten (1) bis (6) erhalten werden. Unter der Annahme, dass der Intervallnachweis in Tabelle 7 gezeigt ist, werden 2 Punkte willkürlich aus dem erzeugten Intervallnachweis als der punktbewertete Nachweis für die Fusion durch die Nachweisschlussfolgerungsregeln ausgewählt. Es gibt 8 punktbewertete Nachweise unter vier Fehlermerkmalen wie folgt: Nachweis unter dem Merkmal der Amplitude bei 1 Oktavband: e11 = {(X, 0.3953); (Y, 0.3864); (Z, 0.1972); (©, 0.0201)} e12 = {(X, 0.3959); (Y, 0.3872); (Z, 0.1986); (©, 0.0183)} [0075] Nachweis unter dem Merkmal der Amplitude bei 2 Oktavband: e,1 = {(X, 0.5446); (Y, 0.2147); (Z, 0.1859); (©, 0.0549)} e,2 = {(X, 0.5445); (Y, 0.2127); (Z, 0.1828); (©, 0.0601)} [0076] Nachweis unter dem Merkmal der Amplitude bei 3 Oktavband: e31 = {(X, 0.3526); (Y, 0.2825); (Z, 0.3560); (©, 0.0089)} e32 = {(X, 0.3529); (Y, 0.2821); (Z, 0.3559); (©, 0.0092)} [0077] Nachweis unter dem Merkmal der durchschnittlichen Amplitude der Zeitbereichsvibrationsverschiebung: e41 = {(X, 1.0000); (Y, 0.0000); (Z, 0.0000); (©, 0.0000)} e42 = {(X, 1.0000); (Y, 0.0000); (Z, 0.0000); (©, 0.0000)} [0078] Der Zuverlässigkeitsfaktor 7, und das Wichtigkeitsgewicht wı werden beide auf 0,9 gesetzt. Die Nachweise unter verschiedenen Merkmalen werden gemäß den Formeln (16) bis (17) fusioniert, d.h. es gibt jedes Mal 4 Nachweise, die an der Fusion teilnehmen. Es gibt insgesamt

0 0=6 8 m Pre(4) 71920 gCOQ0=+0

XDeo Mp,e(4) Mayen = [0 - n)Mozeia-1) + Mpc@eu-1Meo;a] + eincı=0 Meseca-uMec.a VO S O;1 = 1,2,3,4 Mp(o) ei) = (1 —H)Mp@)e(a-ı) (19) O(e) = {(0, pie)! = 1,2, ..., H*} (20) wobei P(6) die Potenzmenge von © ist.

[0074] Um das Verständnis der Fusion von Intervallnachweisen durch die Nachweisschlussfolgerungsregeln zu vertiefen, wird hier ein Beispiel beschreiben. Der Intervallnachweis kann aus den Schritten (1) bis (6) erhalten werden. Unter der Annahme, dass der Intervallnachweis in Tabelle 7 gezeigt ist, werden 2 Punkte willkürlich aus dem erzeugten Intervallnachweis als der punktbewertete Nachweis für die Fusion durch die Nachweisschlussfolgerungsregeln ausgewählt. Es gibt 8 punktbewertete Nachweise unter vier Fehlermerkmalen wie folgt:

Nachweis unter dem Merkmal der Amplitude bei 1 Oktavband:

e11 = {(X, 0.3953); (Y, 0.3864); (Z, 0.1972); (©, 0.0201)}

e12 = {(X, 0.3959); (Y, 0.3872); (Z, 0.1986); (©, 0.0183)}

[0075] Nachweis unter dem Merkmal der Amplitude bei 2 Oktavband: e,1 = {(X, 0.5446); (Y, 0.2147); (Z, 0.1859); (©, 0.0549)} e,2 = {(X, 0.5445); (Y, 0.2127); (Z, 0.1828); (©, 0.0601)}

[0076] Nachweis unter dem Merkmal der Amplitude bei 3 Oktavband: e31 = {(X, 0.3526); (Y, 0.2825); (Z, 0.3560); (©, 0.0089)} e32 = {(X, 0.3529); (Y, 0.2821); (Z, 0.3559); (©, 0.0092)}

[0077] Nachweis unter dem Merkmal der durchschnittlichen Amplitude der Zeitbereichsvibrationsverschiebung:

e41 = {(X, 1.0000); (Y, 0.0000); (Z, 0.0000); (©, 0.0000)}

e42 = {(X, 1.0000); (Y, 0.0000); (Z, 0.0000); (©, 0.0000)}

[0078] Der Zuverlässigkeitsfaktor 7, und das Wichtigkeitsgewicht wı werden beide auf 0,9 gesetzt. Die Nachweise unter verschiedenen Merkmalen werden gemäß den Formeln (16) bis (17) fusioniert, d.h. es gibt jedes Mal 4 Nachweise, die an der Fusion teilnehmen. Es gibt insgesamt

2%=16 Fusionsergebnisse. Die spezifischen Ergebnisse sind in Tabelle 8 gezeigt:

Tabelle 8 Tabelle des Fusionsergebnisses nach den Nachweisschlussfolgerungsregeln

Die(4) Ple@w Pfeca) Drre(4) er 0.9360 0.0380 0.0253 0.0007 e, 0.9360 0.0380 0.0253 0.0007 e3 0.9361 0.0379 0.0253 0.0007 es 0.9361 0.0379 0.0253 0.0007 es 0.9364 0.0378 0.0250 0.0008 es 0.9364 0.0378 0.0250 0.0008 e7 0.9365 0.0377 0.0250 0.0008 eg 0.9365 0.0377 0.0250 0.0008 €9 0.9361 0.0380 0.0252 0.0008 e10 0.9361 0.0380 0.0252 0.0008 e11 0.9361 0.0379 0.0252 0.0008 e12 0.9361 0.0379 0.0252 0.0008 e13 0.9365 0.0378 0.0249 0.0008 e14 0.9365 0.0378 0.0249 0.0008 e15 0.9366 0.0377 0.0249 0.0008 e16 0.9366 0.0377 0.0249 0.0008

[0079] Gemäß dem Fusionsergebnis nach den Nachweisschlussfolgerungsregeln werden der Maximalwert und der Minimalwert der Fusionszuverlässigkeit jedes Fehlerrisikomodus ausgewählt, um einen Intervallnachweis zu bilden. Die Fusionsergebnisse sind in Tabelle 9 gezeigt:

Tabelle 9 Tabelle des Intervallnachweisergebnisses

Intervallnachweis M(X) M(Y) M(Z) M(O) . . [0.9360 , [0.0377 , [0.0249 , [0.0007 , Fusionsergebnis 0.9366] 0.0380] 0.0253] 0.0008]

[0080] Gemäß dem in Schritt (9) beschriebenen Identifizierungsverfahren kann bestimmt werden, dass der Fehlerrisikomodus X (Unwuchtfehler der Motorwelle) ist.

[0081] Im Folgenden wird die Ausführungsform der Erfindung anhand der beigefügten Zeichnungen detailliert beschrieben.

[0082] Fig. 1 zeigt ein Ablaufdiagramm des Verfahrens der vorliegenden Erfindung. Der Kernteil ist: Konstruieren eines Schablonenmodus-Cloud-Modells und eines Testmodul-Cloud-Modells des Fehlerrisikomodus; Übereinstimmen des Schablonenmodus-Cloud-Modells und des Testmodus-Cloud-Modells, um ein Übereinstimmungsgradintervall zu erhalten; Verarbeiten des Übereinstimmungsgradintervalls durch Normalisieren, um einen Intervallnachweis zu erhalten; Fusionieren des Intervallnachweises gemäß den Nachweisschlussfolgerungsregeln; Identifizieren des Fehlerrisikomodus durch den fusionierten Intervallnachweis nach den Identifikationskriterien.

[0083] Die Schritte des Verfahrens der vorliegenden Erfindung wird unten im Detail unter Bezug-

nahme auf die Ausführungsform des Identifizierungsverfahrens für Fehlerrisikomodus der Motorwelle der Erfindung in Fig. 3 beschrieben.

[0084] 1. Beispiel für das Identifizierungsverfahren für Fehlerrisikomodus der Motorwelle

[0085] Die Versuchsausrüstung ist wie das in Fig. 3 gezeigte ZHS-2 multifunktionale flexible Motorwellensystem. Durch den Vibrationsbeschleunigungssensor und den Vibrationsverschiebungssensor, die in horizontaler und vertikaler Richtung der Wellenhalterung installiert sind, werden die Signale über die HG-8902-Datenerfassungsbox an den Computer übertragen. Dann wird durch die HG-8902-Datenanalysesoftware in der Labview-Umgebung die Amplituden bei 1 bis 3 Oktavband der Vibrationsbeschleunigung des Wellensystems und die durchschnittliche Amplitude der Zeitbereichsvibrationsverschiebung erhalten, die als Fehlermerkmale verwendet werden.

[0086] 2. Auswählen des Fehlerrisikomodus der Motorwelle und seiner Merkmalparameter

[0087] Auf dem Prüfstand wird eingestellt, dass der Fehlerrisikomodus "X die Unwucht im Motorwellensystem", "Y die Fehlausrichtung im Motorwellensystem" und "Z die lose Basis im Motorwellensystem" ist. Die Fehlermenge ist 0={X,Y,Z} . Die Wellendrehzahl wird auf 1500 U/min eingestellt, 1 Oktavband ist 25 Hz, n Oktavband ist (nx25) Hz. Wenn die Welle normal läuft, übersteigt die Amplitude jeder Vibrationsbeschleunigungsfrequenz 0,1 mm/ s? nicht. Gemäß der AnaIyse konzentriert sich die Vibrationsenergie der drei Fehlerrisikomodi hauptsächlich auf das 1- bis 3-Oktavband. Es ist schwierig zu bestimmen, welche Art von Fehlerrisiko auftritt, wenn nur eine einzelne Frequenzamplitude analysiert wird. Das Auftreten eines Fehlers ist ein allmählicher Prozess. Außerdem wird der Sensor leicht durch die Arbeitsumgebung beeinflusst. Fehlerrisikoergebnisse können nicht anhand individueller Fehlermerkmale identifiziert werden. Daher werden die Amplituden bei 1-3-Oktavband der Vibrationsbeschleunigung und die durchschnittliche Amplitude der Zeitbereichsvibrationsverschiebung (Einheit mm) als die Fehlermerkmalparameter ausgewählt.

[0088] 3. Konstruieren des Schablonenmodus-Cloud-Modells für drei Fehlerrisikomodi unter vier Fehlermerkmalen

[0089] Unter Verwendung des in Schritt (2) beschriebenen Verfahrens der vorliegenden Erfindung mit den drei Fehlerrisikomodi "X", "Y" und "Z" wird die Zeitbereichsvibrationssequenz durch den Vibrationsbeschleunigungssensor und den Vibrationsverschiebungssensor, die in horizontaler und vertikaler Richtung der Wellenhalterung installiert sind, mit dem Zeitintervall At = 16s kontinuierlich erfasst. Durch Fourier- Transformation werden die Amplitude bei 1- bis 3 Oktavband der Vibrationsbeschleunigung und die durchschnittliche Amplitude der Zeitbereichsvibrationsverschiebung erhalten. Sie bilden die Probedaten der vier Fehlermerkmale. Unter jedem Fehlermerkmal werden 200 Probedaten gesammelt. Gemäß dem in Schritt (3) beschriebenen Verfahren werden Schablonenmodus-Cloud-Modelle für drei Fehlerrisikomodi unter vier Fehlermerkmalen konstruiert. Die Anzahl der Wolkentröpfchen jedes Cloud-Modells beträgt 5000. Insgesamt müssen 12 Cloud-Modelle erstellt werden, wie in Fig. 4 bis Fig. 7 gezeigt, wobei "X-Cloud-Modell", "Y-Cloud-Modell " und "Z-Cloud-Modell " stellt das Schablonenmodus-Cloud-Modell für drei Fehlerrisikomodi dar. Die dazu verwendeten Parameter zum Konstruieren des Fehlerschablonenmodus-Cloud-Modells sind in Tabelle 10 gezeigt.

Tabelle 10 Tabelle der Parameter zum Konstruieren des Fehlerschablonenmodus-Cloud-Modells

Cloud-Modell X-Cloud-Modell CX Y-Cloud-Modell C} Z-Cloud-Modell C} EXix En He EXiy En He EXiz En He

Amplitude bei 1 0.1620 0.08 0.01 0.1817 0.08 0.01 0.3294 0.08 0.01

Oktavband

Amplitude bei 2 0.1487 0.08 0.01 0.3293 0.08 0.01 0.3438 0.08 0.01

Oktavband

11723

Amplitude bei 3 0.1124 0.08 0.01 0.2420 0.08 0.01 0.1362 0.08 0.01 Oktavband

durchschnittliche

Amplitude der 4.3455 0.08 0.01 406953 0.08 0.01 9.8098 0.08 0.01

Vibrations-verschiebung

[0090] 4. Konstruieren des Testmodus-Cloud-Modells

[0091] Wenn der Fehlerrisikomodus X als Beispiel genommen wird, wird gemäß dem in Schritt (2) beschriebenen Fehlermerkmalerfassungsverfahren die Amplituden bei 1-3 Oktaven der Vibrationsbeschleunigung und die durchschnittliche Amplitude der Zeitbereichsvibrationsverschiebung jeweils 40 Mal beobachtet. 40 zu testende Probedaten werden online erhalten. Gemäß dem in Schritt (3) beschriebenen Verfahren wird die Anzahl der Wolkentröpfchen jedes Cloud-Modells auf 5000 eingestellt. Vier Testmodus-Cloud-Modelle für vier Fehlermerkmale werden konstruiert, wie in Fig. 4 bis Fig. 7 gezeigt. Ihre Parameter sind in Tabelle 11 gezeigt:

Tabelle 11 Tabelle der Parameter zum Konstruieren des Testmodus-Cloud-Modells

EX; En He

Amplitude bei 0.1427 0.08 0.01

1 Oktavband

Amplitude bei 0.1109 0.08 0.01

2 Oktavband

Amplitude bei 0.1337 0.08 0.01

3 Oktavband

durchschnittli-

che Amplitude

der 3.9938 0.08 0.01 Vibrations-vers

chiebung

[0092] 5. Ermitteln des Intervallnachweises entsprechend dem Testmodus-Cloud- Modell und dem Fehlerschablonenmodus-Cloud-Modell

[0093] Gemäß dem in Schritt (6.1) beschriebenen Verfahren werden die Erwartungskurven mit der Entropie des Fehlerschablonenmodus-Cloud-Modells und des Testmodus-Cloud-Modells erhalten. Durch die Formel (6) und Formel (7) werden die Koordinaten des Schnittpunkts der Erwartungskurven mit der Entropie des Fehlerschablonenmodus-Cloud-Modells und des Testmodus-Cloud-Modells unter verschiedenen Merkmalen erhalten, wie in Tabelle 12 gezeigt:

Tabelle 12 Tabelle der Koordinaten des Schnittpunkts der Erwartungskurven mit der Entropie des Testmodus-Cloud-Modells und des Fehlerschablonenmodus-Cloud-Modells

If N JE Amplitude bei 1 [0.1523, [0. 1622, [0.2360, Oktavband 0.9929] 0.9710] 0.5114]

Amplitude bei 2 [0.1298, [0.2201, [0.2274, Oktavband 0.9729] 0.3996] 0.3522] Amplitude bei 3 [0.1230, [0.1878, [0.1349, Oktavband 0.9913] 0.7979] 0.9999] durchschnittliche

Amplitude der 14.1697, [4.3445, [6.9018,

Vibrations-verschiebung 0.0927] 0.0000] 0.0000]

[0094] 200 Wolkentröpfchen, die dem entsprechenden Schnittpunkt am nächsten liegen, werden ausgewählt. Der Gewissheitsgrad dieser 200 Wolkentröpfchen ist der Übereinstimmungsgrad zwischen dem Testmodus-Cloud-Modell C; und dem Fehlerschablonenmodus-Cloud-Modell C}. Der Maximalwert und der Minimalwert werden ausgewählt, um das Übereinstimmungsgradintervall zu bilden, wie in Tabelle 13 gezeigt:

Tabelle 13 Tabelle des Übereinstimmungsgradintervalls

Übereinstimmungsgradintervall L(X) LCY) L(Z) Amplitude bei 1 Oktavband [0.9903, [0.9650, [0.4865, 0.9953] 0.9769] 0.5360] Amplitude bei 2 Oktavband [0.9670, [0.3676, [0.3151, 0.9788] 0.4325] 0.3902] Amplitude bei 3 Oktavband [0.9880, [0.7801, [0.9988, 0.9946] 0.8157] 1.0000] durchschnittliche Amplitude [0.0418, [0.0000, [0.0000, der Vibrations-verschiebung 0.1433] 0.0000] 0.0000]

[0095] Das erhaltene Übereinstimmungsgradintervall wird gemäß den Formeln (10)-(15) umfassend normiert. Der Intervallnachweis wird erhalten, wie in Fig. 14 gezeigt.

Tabelle 14 Tabelle des Intervallnachweises

Intervallnachweis M;(X) M;(Y) M{;(Z) M;(0) Amplitude bei [0.3956, [0.3866, [0.1978, [0.0000, 1 Oktavband 0.4068] 0.3981] 0.2151] 0.0020] Amplitude bei [0.5403, [0.2117, [0.1825, [0.0000, 2 Oktavband 0.5891] 0.2523] 0.2263] 0.0655] Amplitude bei [0.3524, [0.2812, [0.3556, [0.0000, 3 Oktavband 0.3586] 0.2911] 0.3613] 0.0109] durchschnittliche [1.0000, [0.0000, [0.0000, [0.0000, Amplitude 1.0000] 0.0000] 0.0000] 0.0000] der

Vibrations-

verschiebung

13723

[0096] 6. Erhalten des fusionierten Intervallnachweises nach der Fusion des Intervallnachweises gemäß der Nachweisschlussfolgerungsregeln

[0097] Gemäß den Schritten (7) bis (8) des Verfahrens der vorliegenden Erfindung werden 2 Punkte willkürlich aus dem erzeugten Intervallnachweis als der punktbewertete Nachweis für die Fusion durch die Nachweisschlussfolgerungsregeln ausgewählt. Es gibt 8 punktbewertete Nachweise unter vier Fehlermerkmalen wie folgt:

[0098] Nachweis unter dem Merkmal bei 1 Oktavband: e11 = {(X, 0.3957); (Y, 0.3867); (Z, 0.1978); (9, 0.0198)} e12 = {(X, 0.4065); (Y, 0.3872); (Z, 0.2001); (©, 0.0062)}

[0099] Nachweis unter dem Merkmal bei 2 Oktavband: e21 = {(X, 0.5446); (Y, 0.2147); (Z, 0.1859); (©, 0.0549)} e,2 = {(X, 0.5656); (Y, 0.2421); (Z, 0.1903); (@, 0.0017)}

[00100] Nachweis unter dem Merkmal bei 3 Oktavband: e31 = {(X, 0.3526); (Y, 0.2825); (Z, 0.3560); (©, 0.0089)} e32 = {(X, 0.3585); (Y, 0.2889); (Z, 0.3520); (©, 0.0006)}

[00101] Nachweis unter dem Merkmal der durchschnittlichen Amplitude der Zeitbereichsvibrationsverschiebung:

e41 = {(X, 1.0000); (Y, 0.0000); (Z, 0.0000); (©, 0.0000)}

e42 = {(X, 1.0000); (Y, 0.0000); (Z, 0.0000); (©, 0.0000)}

[00102] Der Zuverlässigkeitsfaktor 7, und das Wichtigkeitsgewicht w, werden beide auf 0,9 gesetzt. Die Nachweise unter verschiedenen Merkmalen werden gemäß den Formeln (16) bis (17) fusioniert, d.h. es gibt jedes Mal 4 Nachweise, die an der Fusion teilnehmen. Es gibt insgesamt 2%=16 Fusionsergebnisse. Gemäß dem Fusionsergebnis durch die Nachweisschlussfolgerungsregeln werden der Maximalwert und Minimalwert der Fusionszuverlässigkeit nach der Fusion jedes Fehlerrisikomodus ausgewählt, um den Intervallnachweis zu bilden, wodurch die endgültigen Fusionsergebnisse erhalten werden, wie in Fig. 15 gezeigt.

Tabelle 15 Tabelle des Intervallnachweises nach der Fusion

Ergebnis der

Intervallnachweis M(X) M(Y) M(Z) M(®) Identifizierung

[0.9350, [0.0373, [0.0240, [0.0001,

Fusionsergebnis 0.9377] 0.0401] 0.0252] 0.0008]

[00103] 7. Identifizieren des Fehlerrisikomodus gemäß dem Fusionsergebnis

[00104] Gemäß den Identifizierungskriterien in Schritt (9) des Verfahrens der vorliegenden Erfindung kann es bestimmt werden, dass das Fehlerrisiko gemäß dem Fusionsergebnis "X (Unwucht der Motorwelle)" ist, was mit der tatsächlichen Situation übereinstimmt.

14123

Claims (9)

Patentansprüche

1. Identifizierungsverfahren für Fehlerrisikomodus der Motorwelle basierend auf der Fusion des Intervallnachweises des normalen Cloud-Modells, das folgende Schritte enthält:

(1) Die Drehzahl der Welle wird auf p U/min eingestellt, 1000 <= p = 2500, und die Fehlermenge aus dem Fehlerrisikomodus des Wellensystems ist © = {X,Y,Z}, wobei X für Unwuchtfehler in der Motorwelle und Y für Fehlausrichtungsfehler in der Motorwelle und Z für losen Basisfehler in der Motorwelle steht;

(2) durch den Vibrationsbeschleunigungssensor und den Vibrationsverschiebungssensor, die In horizontaler und vertikaler Richtung der Wellenhalterung installiert sind, wird gemäß dem eingestellten Zeitintervall die Zeitbereichsvibrationssequenz kontinuierlich erfasst; durch Fourier-Transformation werden die Amplituden bei 1- bis 3 Oktavband der Vibrationsbeschleunigung und die durchschnittliche Amplitude der Zeitbereichsvibrationsverschiebung erhalten und diese werden als Fehlermerkmale verwendet;

in dem Fehlerrisikomodus U,U € {X,Y,Z} des Wellensystems werden die Daten von vier Fehlermerkmalen, nämlich die Amplitude bei 1 Oktavband, der 2 Oktavband und der 3 Oktavband der Vibrationsbeschleunigung und die durchschnittliche Amplitude der Zeitbereichsvibrationsverschiebung erfasst und als Fy,Fy = {fi fu, fir} bezeichnet, wobei i=

1,2,3,4 für die obigen vier Fehlermerkmale und N für die Anzahl der erfassten Probendaten steht, 50 <= N = 500;

(3) das Schablonenmodus-Cloud-Modell des Fehlerrisikomodus U unter dem Fehlermerkmal iwird als C/ eingestellt; das Wolkentröpfchen des Schablonenmodus-Cloud-Modells wird als Gig bezeichnet, wobei g =1,2,...G,G für die Gesamtzahl der Wolkentröpfchen steht,

1000(4) ein Satz von Testprobedaten werden online erhalten und als Fi, F; = {fip- fim «fin bezeichnet, wobei N, < N für die Gesamtzahl der Online-Probendaten steht; (5) die Daten des Fehlerrisikomodus U unter dem Fehlermerkmal i in Schritt (3) wird durch Fi ersetzt und der gesamte Berechnungsprozess von Schritt (3) wird wiederholt, um das Testmodus-Cloud-Modell unter 4 Fehlermerkmalen zu erhalten: {C,,C2,C3,C1}Ci = {div dijgr +.) dialdig = {Cig- HC g)33 (6) unter dem Fehlermerkmal i wird der Übereinstimmungsgrad des SchablonenmodusCloud-Modell C” und des Testmodus-Cloud-Modells C; berechnet, wodurch der Intervallnachweis, dass das Testmodus-Cloud-Modell C; das Auftreten von drei Fehlerrisikomodi unterstützt, erhalten wird; (7) der in Schritt (6) erhaltene Intervallnachweis M;(6) = [ajg,bjg],9 € {X,Y,Z, 0} wird unter Verwendung von Nachweisschlussfolgerungsregeln fusioniert; (8) gemäß Schritt (7) wird das Ergebnis von H* Fusion erhalten und der nach der Fusion erhaltene Intervallnachweis 9 wird wie folgt berechnet M(0) = [ag, bo] (21) ag = min [pre] (22) ba = max[pfea)] (23) Gemäß den Formeln (21)-(23) kann der Intervallnachweis des normalen Cloud-Modells nach der Fusion erhalten werden, wie in Tabelle 1 gezeigt:

(5) die Daten des Fehlerrisikomodus U unter dem Fehlermerkmal i in Schritt (3) wird durch Fi ersetzt und der gesamte Berechnungsprozess von Schritt (3) wird wiederholt, um das Testmodus-Cloud-Modell unter 4 Fehlermerkmalen zu erhalten: {C,,C2,C3,C1}Ci =

{div dijgr +.) dialdig = {Cig- HC g)33

(6) unter dem Fehlermerkmal i wird der Übereinstimmungsgrad des SchablonenmodusCloud-Modell C” und des Testmodus-Cloud-Modells C; berechnet, wodurch der Intervallnachweis, dass das Testmodus-Cloud-Modell C; das Auftreten von drei Fehlerrisikomodi unterstützt, erhalten wird;

(7) der in Schritt (6) erhaltene Intervallnachweis M;(6) = [ajg,bjg],9 € {X,Y,Z, 0} wird unter Verwendung von Nachweisschlussfolgerungsregeln fusioniert;

(8) gemäß Schritt (7) wird das Ergebnis von H* Fusion erhalten und der nach der Fusion erhaltene Intervallnachweis 9 wird wie folgt berechnet

M(0) = [ag, bo] (21) ag = min [pre] (22) ba = max[pfea)] (23)

Gemäß den Formeln (21)-(23) kann der Intervallnachweis des normalen Cloud-Modells nach der Fusion erhalten werden, wie in Tabelle 1 gezeigt:

Tabelle 1 Tabelle des Fusionsergebnisses

Intervallnachweis M(X) M(Y) M(Z) M(®)

Fusionsergebnis [ax bx] [ay, by] [az, bz] [ao bo]

(9) Gemäß dem in Tabelle 1 gezeigten Intervallnachweis ist das Fehlerrisikomodus-Identifikationskriterium gegeben, d. h., wenn die folgenden zwei Bedingungen erfüllt sind, kann es festgestellt werden, dass der Fehlerrisikomodus, auf den die Prüfprobe Fi zeigt, 0,9 € {X, Y,Z, 9} ist:

1. der linke und rechte Endpunkt des Intervallnachweises M(6), (9 + ©) sind größer als die linken und rechten Endpunkte der entsprechenden Intervallnachweise der anderen Fehlerrisikomodi,

2. der rechte Endpunkt von M(©) ist kleiner als 0,3, dadurch gekennzeichnet, dass Schritt (3) wie folgt ist: (3.1) Aus Schritt (2) können die Daten Fy, Fy = {fi fi +, fin} des Fehlerrisikomodus U

unter Fehlermerkmal i erhalten werden, wobei der arithmetische Mittelwert als Erwartungswert EX; y des Cloud-Modells genommen wird;

1 N EX => 2 fl (24) n=1

(3.2) die Entropie von C! ist En, 0,05 < En < 0,1, der Superentropiewert ist He, 0,005 < He < 0,1 und He <

(3.3) die Entropie wird als Erwartungswert und die Superentropie wird als Standardabweichung genommen, um eine normale Zufallszahl YA zu erzeugen und dann wird EX;y als Erwartungswert und |y} | als Standardabweichung genommen, um eine normale Zufallszahl Zu erzeugen, die als Wolkentröpfchen cr genommen wird;

(3.4) der Gewissheitsgrad u(c/,),u(c},) € [0,1], der dem Wolkentröpfchen cf, entspricht, wird berechnet; der Gewissheitsgrad cf) hat die Eigenschaft der Wahrscheinlichkeit; die spezifische Berechnungsmethode ist wie folgt:

uch) = m (- (eh CD) (25)

20)?

(3.5) d!, = {c},,u(cf,)} wird verwendet, um die Positionsinformationen von Wolkentröpfchen of im zweidimensionalen Raum widerzuspiegeln; der Berechnungsprozess der Schritte (3.3)—-(3.4) wird G-mal wiederholt, bis G Wolkentröpfchen und ihre jeweiligen Gewissheitsgrade erzeugt werden, wodurch das _Schablonenmodus-Cloud-Modell CY = {dp dar d?; des Fehlerrisikomodus U unter dem Fehlermerkmal i erhalten werden kann; dann können für drei Fehlerrisikomodi unter vier Fehlermerkmalen insgesamt 4 x 3 = 12 Schablonenmodus-Cloud-Modelle erzeugt werden;

das Schablonenmodus-Cloud-Modell der drei Fehlerrisikomodi unter dem Merkmal der Amplitude bei 1 Oktavband ist {C},C{,C{},CY = {dY1,..,d{g,..,dYG|U € (X,Y,Z)};

das Schablonenmodus-Cloud-Modell der drei Fehlerrisikomodi unter dem Merkmal der Amplitude bei 2 Oktavband ist {C}, CX, CZ}, CY = {dY,,...,dYg,...,dYe|U € (X,Y,Z)} ;

das Schablonenmodus-Cloud-Modell der drei Fehlerrisikomodi unter dem Merkmal der Amplitude bei 3 Oktavband ist {C}, C}, C7},CY = {dY,,...,dYg,...,dYe]U € (X, Y,Z)}.

das Schablonenmodus-Cloud-Modell der drei Fehlerrisikomodi unter dem Merkmal der

durchschnittlichen Amplitude der Zeitbereichsvibrationsverschiebung ist {C},CX,C7}, C/ = (dYp u, dig, dIe|U € (X, Y,Z)}

2. Identifizierungsverfahren für Fehlerrisikomodus der Motorwelle basierend auf der Fusion des Intervallnachweises des normalen Cloud-Modells nach Anspruch 1, dadurch gekennzeichnet, dass 1 Oktavband (p/60) Hz, 2 Oktavband (p/30) Hz und 3 Oktavband (p/15) Hz ist.

3. Identifizierungsverfahren für Fehlerrisikomodus der Motorwelle basierend auf der Fusion des Intervallnachweises des normalen Cloud-Modells nach Anspruch 1, dadurch gekennzeichnet, dass der Vibrationsbeschleunigungssensor und der Vibrationsverschiebungssensor At = 16s als Zeitintervall verwenden, um kontinuierlich Zeitbereichsvibrationssequenzen zu erfassen.

4. Identifizierungsverfahren für Fehlerrisikomodus der Motorwelle basierend auf der Fusion des

Intervallnachweises des normalen Cloud-Modells nach einem der vorherigen Ansprüche,

dadurch gekennzeichnet, dass Schritt (6) wie folgt ist:

(6.1) Die Erwartungskurve mit Entropie des Schablonenmodus-Cloud-Modells wird als

(X -EXiu)? ak . .

VY(xY) = exp (- SU w)) konstruiert; die Erwartungskurve mit Entropie des Testmodus-

Cloud-Modells ist V;(x;) = exp (- Cu 0Uud-MOAdEeIS IS (x) = exp Z(En?+He?)

Gaußschen Verteilung x -N(EX;y, En?),x;-N(EX, En?),En-N(En, He?) entspricht;

) wobei x” und x; Zufallsvariablen sind und der

(6.2) unter dem Fehlermerkmal i wird der Schnittpunkt / des Schablonenmodus-Cloud-Modells der drei Fehlerrisikomodi V/(x”) und des Testmodus-Cloud-Modells V;(x;) erhalten, wobei seine Koordinaten im zweidimensionalen Raum (xt, 87) sind; das spezifische Berechnungsverfahren ist wie folgt:

EXiu + EX;

al = —— (26) (EXiu — EXj)*

U — exp (LU 27

Bi exp ( 8(En? + He?) 27)

(6.3) aus Schritt (3.5) wurde erhalten, dass unter dem Fehlermerkmal i die Koordinaten der Wolkentröpfchen der drei Schablonenmodus-Cloud-Modelle im zweidimensionalen Raum dd! = {ef Mc )} ist; {c“.|k = 1,2, ..., K} wird als die K Wolkentröpfchen eingestellt, die dem Schnittpunkt // am nächsten sind, und 100dintervall gebildet ist: HL (U) = [aiu biu] (28) (6.4) I;(U) wird normalisiert, um das normalisierte Übereinstimmungsgradintervall zu erhalten: M;(U) = [afy,biy] U € {X,Y,Z} (29) Ai,xX bix a = Z MX) << —— —ZL_ ht (30) 4X Aix + X bixau=6 ‘ bix + X Aixnu=6 X G; bh; diy = ——— ’ Aiy + X biynu=6 © Diy + X Aiynu=o 17723

HL (U) = [aiu biu] (28)

(6.4) I;(U) wird normalisiert, um das normalisierte Übereinstimmungsgradintervall zu erhalten:

M;(U) = [afy,biy] U € {X,Y,Z} (29) Ai,xX bix a = Z MX) << —— —ZL_ ht (30) 4X Aix + X bixau=6 ‘ bix + X Aixnu=6 X G; bh; diy = ——— ’ Aiy + X biynu=6 © Diy + X Aiynu=o 17723

17723

Aiz biz — ZL£MZ) £— Qjz + X Diznu=6 ‘ biz + X Ai znu=0

(6.5) das Übereinstimmungsgradintervall der Fehlermenge © = {X,Y,Z} wird wie folgt berechnet:

aiz= =biz G2)

M;(0) = [ao bto] (33)

at 1-Xbiv ‚(UW-Xbiv)>=0 GA LO 0 ‚\a-Xbiy)<0

ba =1-—diy (35)

M;(©) misst die Gesamtunsicherheit der Übereinstimmung in Schritt (6.4);

(6.6) die Formeln (29) und (33) bilden den Intervallnachweis des normalen Cloud-Modells, wie in Tabelle 2 gezeigt.

Tabelle 2 Tabelle des durch das Cloud-Modell erhaltenen Intervallnachweises

Intervallnachweis M;(X) M;(Y) M;(Z) M;(®) " Ortavband ' [ix bix] Iaiybiyl letz, biz] [wie biel " Ortavbana ; [ax bix] laiyıbiyl [az biz] [ao bzel " ortavband i [a3 b3x] [a3ybiyl la3z, biz] [ao bzo]

durchschnittliche Amplitude der [azx, bzx] [aiy, by] [az biz] [az,e bie] Vibrations-verschiebung

5. Identifizierungsverfahren für Fehlerrisikomodus der Motorwelle basierend auf der Fusion des Intervallnachweises des normalen Cloud-Modells nach Anspruch 4, dadurch gekennzeichnet, dass Schritt (7) wie folgt ist:

(7.1) Im Intervall M;(0) = [afg, b;al,9 € {X,Y,Z, 9} wird H (Hz2)-mal Punkt genommen; der genommene Punktwert wird als min = 1,2,...,H bezeichnet und erfüllt die folgenden Bedingungen: 9; * * 1. My € [af0, bfe]: 2. mp! + m} + mp +mp} = 1;

(7.2) gemäß dem in Schritt (7.1) beschriebenen Verfahren können H punktbewertete Nachweise unter Fehlermerkmal i erhalten werden, bezeichnet als E; = {e;4,..., &in, ---, ei}, Wobei

8; 8; . ein = {(0,m, )lXm,y = 1;h=1,2,..,H};

(7.3) der Zuverlässigkeitsfaktor des Nachweises e,„ wird als 7, eingestellt, wobei 0 (7.4) durch Schritt (7.2) können 4H punktbewertete Nachweise unter 4 Fehlermerkmalen erhalten werden; ein beliebiger punktbewerteter Nachweis unter jedem Fehlermerkmal wird ausgewählt, um eine Kombination durchzuführen; jede Kombination enthält punktbewertete Nachweise der vier Fehlermerkmale; es gibt insgesamt H* Kombinationen; die 4 punktbe

werteten Nachweise in jeder Kombination werden unter Verwendung von Nachweisschlussfolgerungsregeln fusioniert, um | Fusionsergebnisse (I=1,2,...,H*) wie folgt zu erhalten: 0 0=6

9 _) Mo. Pie(4) ED 9c0,0+6

DO Mp,e(4)

Moe) = [1 - n)Moa,ea-1) + Mpc@eia-1Mo,a] + 2 a MBye(A-1MeyA VO © 0;1 = 1,2,3,4

BinC;j=

Mpe)eim = 1 -— H)Mp@)e0u-1) (36)

O(ej) = {(O,pfe@wIl = 1,2, ..., H*} 7)

wobei P(6) die Potenzmenge von © ist.

Hierzu 4 Blatt Zeichnungen