CN101360980A - 用于检测设备部件上的脉冲机械作用位置的方法和装置 - Google Patents

Abstract

本发明涉及一种用于检测对设备部件(2)的脉冲型机械影响的位置的方法和装置，其中在该设备部件(2)中存在的运行噪声由多个设置在该设备部件(2)上的传感器(4_s)连续地采集，并由其转换为测量信号(M_s)，这些测量信号分别在第一时间窗(Δt₁)中经过变换。根据多个通过该方式确定的第一变换，分别推导出第一估计函数(K_1，s(t))，其表示设备部件(2)上出现了脉冲型机械影响。根据本发明，在识别出所述影响之后接着在更短的第二时间窗(Δt₂)内用相同的算法分别推导出第二变换，以及第二估计函数(K_2，s(t))，从中分别确定一个由该影响产生的声波信号出现在传感器(4_s)上的时刻(t_s)。根据分别在这些传感器(4_s)之间给出的运行时间差可以精确再现该影响的位置。

Description

用于检测设备部件上的脉冲机械作用位置的方法和装置

本发明涉及一种用于检测设备部件上的脉冲机械作用位置的方法和装置。

在许多应用情况下，需要持续地监控设备部件、例如化学工艺中的导管或容器或者流体机械是否正常工作，从而及时识别出故障并避免严重的损害后果。为了进行这种监控，现有技术中已知有许多方法。

在EP0765466B1中例如建议借助射向涡轮叶片的微波对涡轮叶片的振动进行监控。通过对在涡轮叶片处反射的微波进行调制，可以得出关于涡轮振动状态的结论。

在由DE19857552A1所公开的方法中，涡轮杆的断裂通过测量杆末端处的旋转频率而被检测出来。

在DE19843615C2中建议借助于对测量信号的频谱分析从而对燃烧驱动装置的状态进行诊断，所述测量信号是借助设置在进气或排气区域内的声波记录器而获取的。

在DE19727114C2中，为了监控机器，不是采集空气传播的声波而是采集在该声波中出现的体声波信号。在这种公知方法中也要对由体声波记录器采集的测量信号的所获得的各个频谱进行分析。

在DE19545008C2公开的方法中，也在机器运行期间分析由监控传感器、如加速度记录器所采集的测量信号的频谱进行分析，并与参考频谱进行比较。

对于被涡轮吸收的体声波信号的频谱分析还在US6301572B1中公开的方法中采用。为此在具有模糊逻辑规则的神经网络中分析测量信号的傅立叶变换，以通过这种方式获得关于涡轮状态的信息。

一个特殊的问题是伴随着流涌而产生并出现在设备部件上的部件松动，这些部件松动只会引起脉冲类型的、短暂的影响，这种影响的更为可靠的证明相应地也存在问题。

在GB2288235中提议伴随流动介质而产生的部件松动通过在部件上出现时在设备部件上产生的振动而被获知。为此在该设备部件上设置了声波记录器，由该声波记录器所产生的测量信号被送至具有学习能力的神经网络，该神经网络可以借助已经出现的模式来判断它是否是正常的背景噪声。

在流动介质中出现的部件松动所产生的问题例如可能在燃气轮机中出现，其燃烧室为了保护过热而用陶瓷块作衬里。这些陶瓷块由于在燃烧室中出现的压力交替波动而动态地承受高的负荷。在此可能发生的是，陶瓷块的一小部分在相应的支架上破裂，被废气流一起带走，并落在燃气轮机的第一行导向叶片上。这可能导致对导向叶片涂层的破坏，以及导致对设置在涂层下面的导向叶片的损坏。此外还存在以下危险：由于小片陶瓷块的破裂而已经损坏的陶瓷块完全从支架上脱落，而且可能导致燃气轮机的相应大面积的损坏。在这种情况下，出现小的部件松动或单个陶瓷块的脱落就可能导致一块或多块陶瓷块的全部破裂，从而及时断开燃气轮机和及时更换损坏了的陶瓷块能防止更大的损坏。

为了能够确定外来部件进入燃气轮机，在US4888948中在涡轮机的进气口处设置了一个传感器，利用该传感器采集由外来物所感生的电荷。

为了监控对设备部件的这种碰撞，WO01/75272A2在原理上公开了借助适当的传感器，就像在GB2288235中已知的方法那样通过在此过程中形成的体声波采集该碰撞。但是在此尤其是对于燃气轮机来说会出现以下问题：正常的运行噪声很高，以至于通过整个陶瓷块对燃气轮机的导向叶片的碰撞而在传感器处产生的信号分量小于由于正常运行噪声产生的背景噪声，从而尤其是无法只通过监控体声波信号的振幅来检测到较小陶瓷碎块的出现。因此为了改善信噪比，在该文献中建议对测量值记录器所记录的测量信号进行带通或高通滤波，以通过这种方式消除在涡轮机正常运行时形成的体声波信号。但是这种措施不足以在背景噪声很大而且随时间变化的情况下可靠地识别出脉冲类型的事件。

WO03/071243A1公开了一种用于检测对设备部件的脉冲型机械影响的方法，其中对所采集的体声波信号进行窗口傅立叶变换。根据通过这种方式确定的多个傅立叶频谱，用在该文献中详细阐述的算法推导出估计函数K，该函数表明了出现在设备部件上的脉冲型机械影响。在该文献中给出的用于推导估计函数K的算法使得可以精确识别与受到噪声影响的测量信号叠加的、推导出脉冲型影响的信号分量。

尤其是对于内置了许多零件的大体积设备部件来说，除了关于已经发生了这种不属于正常运行噪声的脉冲型机械影响的信息之外，更为重要的是找出究竟是在该设备部件的哪个位置上出现该影响。为此原理上已知在该设备部件的不同位置上设置多个传感器，根据各个传感器分别检测到的事件和设备部件中的声波速度之间的时间差推导出发生该影响的位置。该影响的位置在涡轮机监控中也是感兴趣的，从而能够判断是不是陶瓷块飞出(在导向叶片支架上或在燃烧室空间的外层上出现脱落的陶瓷块)，或者脉冲型的影响是不是通过来自涡轮机其它区域的由于运行而发生的摩擦过程引起。

为了精确确定影响的位置，需要根据时间窗分别尽可能准确地确定事件的开始，在该时间窗内分别在传感器中检测到所述事件。

DE2223321C2公开了裂缝的出现以及利用多个设置在设备部件上的压电转换器检测该裂缝的位置。为此对转换器接收到的信号的最大值的时间差进行分析。

现在本发明的任务在于，提供一种用于检测对设备部件的脉冲型机械影响的位置的方法，该方法相对于现有技术中已知的方法得到了进一步改善。此外本发明的任务还在于，提供一种用于实现该方法的装置。

根据本发明，在方法方面，上述任务通过具有权利要求1所述特征的方法来解决。在用于检测对设备部件的脉冲型机械影响的位置的方法中，连续地用多个设置在该设备部件上的传感器采集在该设备部件中存在的运行噪声，并由其转换为测量信号，其中为了分析该测量信号执行以下方法步骤：

a)针对一个时间范围分别按照时间间隔存储所述测量信号，

b)在位于所述时间范围内的、时间上以第一时间步长前后连续的第一时间窗中，利用一种数学变换规则的第一预定参数确定每个测量信号的第一变换绝对值，

c)根据为每个第一预定参数所确定的第一绝对值，分别针对每个第一时间步长推导出第一估计函数，

d)第一估计函数分别与第一阈值相比较，如果所述第一估计函数中的至少一个在触发时刻超过了第一阈值，则认为存在表明所述机械影响的脉冲型信号分量，

e)在位于所述时间范围内的、时间上以第二时间步长前后连续的第二时间窗中，利用所述数学变换规则的第二预定参数以及利用相同的算法确定第二估计函数，其中该第二时间窗小于第一时间窗，

f)根据第二估计函数分别满足一个预定标准的时刻和由此得出的运行时间差，确定所述影响的位置。

其中本发明基于以下思想：可以检测到脉冲型影响的灵敏度主要取决于时间窗的大小，并且应当超过典型脉冲串的持续时间，其中不能超过太多，使得所述时间窗仍在所述脉冲串的持续时间的数量级内(持续时间＜时间窗＜该持续时间的十倍)。但是较大的时间窗存在估计函数变化非常缓慢的缺陷，使得所述影响的时刻、即脉冲串信号的开始时刻只能得到比较不准确的确定。如果在信道之一中识别出脉冲串信号，并利用小得多的时间窗重新计算估计函数，则时间常数(估计函数以该时间常数变化)相应减小，从而可以较为精确地确定其上升时刻，并由此可以精确确定该影响的时刻。

根据本发明，所述的第二个任务通过具有权利要求8所述特征的装置来解决，其优点由权利要求1的优点相应地得到。

根据本发明的方法和装置的具有优点的实施方式在各从属权利要求中给出。

为了进一步解释本发明而参照附图。如图所示：

图1以示意原理图示出按照本发明的装置的实施例，

图2示出测量信号以高的时间分辨率相对于时间t的简化图，

图3示出通过快速傅立叶变换从测量信号中获得的频谱绝对值A在预定频率f_i时相对于时间t的图表，

图4示出频谱绝对值的平滑的时间平均值在预定频率f_i时相对于时间t的图表，

图5示出理想测量信号M相对于时间t的图表，具有可在该测量信号中直接识别的脉冲串，

图6示出以不同的时间窗从图5的测量信号中确定的估计函数K₁和K₂相对于时间t的图表，

图7a-f分别示出在存在外来影响的时候由设置在不同位置上的传感器分别采集的设备部件的运行噪声(测量信号M)，以及利用本发明所述方法以第二时间窗确定的估计函数(K₂)相对于时间t的图表，

图8和图9分别示出针对具有第二时间窗的传感器确定的估计函数K₂或其时间导数dK₂/dt相对于时间t的图表。

根据图1，在设备部件2如燃气轮机上设置P个测量值记录器或传感器4_{1，...s，...P}，尤其是压电加速度记录器，它们分别以多个测量信道连续采集设备部件2上存在的、并以体声波的形式传播的运行噪声。传感器4_S将体声波信号分别转换为电测量信号M_S，该测量信号在前置放大器6中被放大并被进一步传送给与数字存储器10相连的模/数转换器8。分别经过放大的测量信号M_S经过数字化、中间存储、并传送给计算装置12用于进一步处理，在该计算装置12中实现本发明所述的分析算法。

计算装置12对于每个测量信道都包含一个处理器和一个环形存储器，所述处理器用于快速计算从模/数转换器8传送的数据的变换，所述环形存储器用于存储通过变换得到的变换后数据的数目L。该变换例如是快速窗口傅立叶变换FFT。本发明意义下的数学函数的变换(测量信号M_S(t))可以理解为可利用完整的正交基本函数组展开该函数的任何数学运算。该正交基本函数像在傅立叶变换中那样通过指数函数e^-iωt形成。但原则上也可以采用其它周期函数作为正交基本系统。利用这些变换来计算具有预定离散参数组的离散变换。这些参数在傅立叶变换中是预先固定给定的频率f_i＝ω_i/2π，该频率是根据相应的设备部件选择的，如在WO03/071243中针对涡轮机详细讨论过的。

利用在计算装置12中确定的离散变换，根据一种在计算装置12中实施并将在下面详细解释的算法对每个测量信道计算与时间t有关的第一估计函数K_1，s(t)，该估计函数在比较装置14中与预定的第一阈值K_1，0进行比较。当超过某个信道中的第一阈值K_1，0(警告阈值)时表示在该信道中存在由于瞬时机械影响而导致的脉冲型信号分量，并产生相应的触发信号S。将该触发信号S输入瞬时记录器16中，其中记录在计算装置12中确定的、在例如长度为10s的时间范围内的数据，并进一步传送给分析计算机18，以便能够利用该分析计算机18对测量信号M_s(t)进行下面要详细描述的分析，这样可以根据分别记录一个事件在各信道中的出现的时刻t_s之间的差(运行时间差)推导出对设备部件的几何特征、传感器的位置和在脉冲型影响的位置处的声波速度的了解。

在图2中借助原理图示出在计算单元12(图1)中实现的措施的第一个步骤。分别针对一个时间范围TS(典型地约为10秒)以时间间隔DT(对应于时钟频率，典型地约为0.01-0.0125毫秒)存储用高时钟频率(典型地为80-100kHz)在每个信道中数字化的测量信号Ms(在该图中为了概述起见仅模拟地示出)，并且该测量信号Ms对应于该时钟频率被更新。在该时间范围TS内的第一时间窗Δt₁中，对数字化的测量信号Ms进行快速离散傅立叶变换。接着将第一时间窗Δt₁移动一个第一时间步长δt₁，并在相同长度的重叠的第一时间窗Δt₁中重新进行傅立叶变换。在该实施例中，Δt₁＝25.6ms，δt₁＝3.2ms。通过这种方式为每个第一时间窗Δt₁和最终数目的第一离散频率f_1，i计算与时间有关的第一绝对值A_1，s(f_1，i，t)。

现在在图3中示出第一绝对值A_1，s(f_1，i，t)在预定频率f_1，i下的时间变化曲线。从该图中看出，该绝对值A_1，s(f_1，i，t)在这个预定频率f_1，i下随时间变化。在该图中示出的时间间隔是第一时间步长δt₁，快速傅立叶变换以该第一时间步长被更新。根据本发明，现在针对N个预定的第一频率f_1，i或频率范围以及针对时间上重叠的第一时间窗Δt₁的在时间上前后连续的第一时间步长δt₁确定所属的第一绝对值A_1，s(f_1，i，t_j)，其中t_j＝t₀+jδt₁，j是自然数。

现在从通过这种方式获得的第一绝对值A_1，s(f_1，i，t)中取出为这个第一频率f_1，i形成的绝对平均值

适用于确定该绝对平均值

的算法取决于要监控的设备部件和所期待的运行噪声的复杂度。在简单的运行情况下，采用预先固定给定的常量绝对平均值

就足够了。有利的是平滑地确定随时间变化的绝对平均值

如在图4中所示。使用平滑的绝对平均值

尤其是在监控设备部件时是有利的，此时可以给出随机状态变化，其中该设备部件从一种运行状态变化到另一种运行状态，而且运行噪声或背景噪声可能很快升高或降低到显著不同的水平。这样的状态变化在涡轮机中例如是出现所谓的蜂鸣(Brummen)。这是由于火焰在环形空间的排列而引起的，这种排列可能激励整个燃烧室发生共振，其中尤其是在切线方向的振动模式是占主导的。这种共振现象可能部分突然中断，同样又突然出现。如果例如在WO03/071243中公开的方法(其构成本专利申请的组成部分)以平滑的绝对平均值

为基础，该平滑的绝对平均值通过简单的求平均值而以多个先前绝对值的算术平均值的形式构成，则表明这种噪声波动会引起误触发。因此为了避免这样的误触发，实践中在涡轮机蜂鸣期间(该蜂鸣将借助对信号特征的分析而识别出来)抑制对脉冲型机械影响的监控。

在其它设备部件如核电站的反应堆压力容器中，连续的基本噪声(液态流体、泵噪声)也叠加了运行时产生的短暂的运行噪声，该运行噪声例如通过运行条件的容许改变和对运行流程的有意干预(阀门的操作，控制键的启动)引起。

在特别适用于具有比较缓慢的状态变化的设备部件的迭代计算方法中，借助以下等式平滑地确定针对每个频率f_1，i的绝对值平均值

和均方差(方差)：

${\stackrel{\‾}{A}}_s(f_{1,i},t+\mathrm{\δt})=k\stackrel{\‾}{A_s}(f_{1,i},t)+(1-k)A_{1,s}(f_{1,i},t+{\mathrm{\δt}}_1)$

$\mathrm{var}\left(A_{1,s}(f_{1,i},t+{\mathrm{\δt}}_1)\right)=$

$=\mathrm{kvar}\left(A_{1,s}(f_{1,i},t)\right)+(1-k){(A_{1,s}(f_{1,i},t+{\mathrm{\δt}}_1)-{\stackrel{\‾}{A}}_s(f_{1,i},t))}^2$

其中δt₁是第一时间步长，在该时间步长中分别对第一时间窗Δt₁计算第一绝对值A_1，s。现在通过选择参数k确定新添加的第一绝对值A_1，s(f_1，i，t+δt₁)对新计算的绝对平均值

产生多大的影响。该法则相当于指数加权地求平均值，其中k确定适配速度。如果绝对值A_1，s(f_i，t)从常量的输出值跳跃式地变化到同样为常量的新值，则说明新的绝对平均值

被近似指数地匹配到新的、当前的绝对值A_1，s，该绝对值具有时间常数τ＝δt₁/(1-k)。对于k＝0.999和δt₁＝3.2ms，得到时间常数τ＝3.2s。这样的措施例如适用于监控核反应堆压力容器的运行噪声。

在监控可观察到非常快的状态变化的设备部件时，例如涡轮机，有一种计算方法被证明是特别适用的：作为时间t的函数，从由时间段T的M个第一绝对值A_1，s(f_1，i，t_m)共同组成并在图3中示出的数据组A _1，s(f_1，i，t)中利用下式随时间平滑地以时间步长δt₁确定绝对平均值

${\stackrel{\‾}{A}}_s(f_{1,i},t)=(Q_{\mathrm{\α},s}(f_{1,i},t)+Q_{1-\mathrm{\α},s}(f_{1,i},t))/2$

其中Q_α，s和Q_1-α，s是分别在时间段T中确定的第一绝对值A_1，s(f_1，i，t_m)的α和(1-α)分位点，其中t_m＝t+mδt₁，m是整数。为此，关于时间点t对称设置的时间段T(在这种情况下 $-\frac{M-1}{2}\≤m\≤\frac{M-1}{2}$ 而且M是奇数)和形成对应于时刻t的数组A _1，s(f_i，t)的各所属第一绝对值A_1，s(f_i，t_m)按照绝对值排成一行。由此，α和(1-α)分位点是位于该行的位置αM和(1-α)M上的绝对值。实践中，α值为0.7≤α≤0.8，优选α＝0.75。

借助α和(1-α)分位点Q_α，s和Q_1-α，s，利用下式计算第一绝对值A_1，s(f_1，i，t_n)与绝对平均值

的平均偏差s_s(f_1，i，t)：

$s_s(f_{1,i},t)=\sqrt{\frac{Q_{\mathrm{\α},s}(f_{1,i},t)-Q_{1-\mathrm{\α},s}(f_{1,i},t)}{{2q}_{1-\mathrm{\α},s}}}$

其中q_1-α，s是归一化高斯分布的(1-α)分位点。

由此，借助该计算方法(分位点方法)计算数据组的平均值和偏差，而不考虑位于由α和(1-α)限定的区域之外的值。这意味着，不考虑可能被叠加的脉冲串信号额外放大的明显更高的绝对值，由此不可能使结果发生错误。利用该方法可以在计算结果具有相同品质的同时选择明显更短的时间段，例如由M＝100个第一绝对值A_1，s(f_1，i，t)组成的、长度为时间段T＝320ms的数据组A _s(f_1，i，t)。其结果是，绝对平均值

与运行背景的快速变换相匹配，从而使这些变化不会导致归一化频谱发生错误，或者不可能误给出监控中的错误显示。在这样的措施中，在燃气轮机发生蜂鸣期间，也就是当通过共振在燃烧室中出现非常突然的、例如具有大约0.5秒的时间常数而且振幅增大5倍或更大的明显更高的背景噪声时，可以识别出部件松动的撞击。

借助上述计算的绝对平均值

和平均偏差s(f_1，i，t)，可以在另一个计算步骤中基于分位点方法确定优化的绝对平均值

其中从分别给出的数据组A _s(f_1，i，t)中去除明显大于上述计算出的绝对平均值

的第一绝对值A_1，s(f_1，i，t_m)。实践中，确定有利的是，在计算平均值时去除大于的第一绝对值A_1，s(f_1，i，t_m)。然后利用完整的数据组，借助δ和1-δ分位点来执行新的平均值计算，其中

δ＝α(M-M_E)/M

而且M_E是大于的第一绝对值A_1，s(f_1，i，t_m)的数目。作为替代，还可以并且在数学上等效地用减小了该绝对值的数据组重新确定α和(1-α)分位点。借助δ和(1-α)分位点或利用减小了的数据组获得的α和(1-α)分位点，根据上述公式计算优化的平均值或优化的平均偏差s_opt，s(f_1，i，t)。

利用上面计算出的绝对平均值

或

以及平均偏差s_s(f_i，t)或s_opt，s(f_i，t)，按照下面的等式计算第一绝对值A_1，s与平均值

的归一化偏差D_s(f_i，t)。

$D_s(f_{1,i},t_m)=(A_{1,s}(f_{1,i},t_m)-{\stackrel{\‾}{A}}_s(f_{1,i},t))/s_s(f_{1,i},t)$ 或者

$D_s(f_{1,i},t_m)=(A_{1,s}(f_{1,i},t_m)-{\stackrel{\‾}{A}}_{\mathrm{opt},s}(f_{1,i},t))/s_{\mathrm{opt},s}(f_{1,i},t)$

为了确定在时刻t有效的绝对平均值

和在时刻t有效的平均偏差s(f_1，i，t)，分析M个频谱的第一绝对值A_1，s(f_1，i，t_m)。换句话说：绝对平均值

或

以及平均偏差s(f_1，i，t)或s_opt，s(f_i，t)始终借助M次变换被更新。这种更新要以第一时间步长δt₁进行。计算新的绝对平均值

或

和新的平均偏差s_s(f_1，i，t+δt_-1)或s_opt，s(f_1，i，t+δt₁)所基于的数据组A _1，s(t+δt₁)，在此通过删除第一(最早的)绝对值和添加最新的绝对值来形成。这在关于时刻t对称设置的时间段T时是第一绝对值

$A_{1,s}(f_{1,i},t-\frac{M-1}{2}{\mathrm{\δt}}_1)$ 或 $A_{1,s}(f_{1,i},t+\frac{M-1}{2}{\mathrm{\δt}}_1).$

在一个具有优点的实施方式中，归一化偏差D_s(f_i，t)另外还在围绕频率f_1，i的、由2L+1个频率组成的频率范围f_1，i-L，f_1，i-L+1，...f_1，i+L内求平均，并通过以下等式确定平均的归一化偏差

${\stackrel{\‾}{D}}_s(f_{1,i},t)=\frac{1}{1+2L}\underset{k=-L}{\overset{k=+L}{\mathrm{\Σ}}}{D}_s(f_{1,i+k},t).$

该附加的计算步骤导致在仅存在背景信号的范围内的归一化偏差的高度和波动宽度减小。有效信号分量不会因为在该频率范围中求平均值而显著变化，因为它们总是以相邻的频率线为中心出现。通过该措施将信号-背景之比又改善了10到15dB。

信号-背景之比的再一次改善是通过另外引入阈值D_0，s并且借助等式 ${\stackrel{\&OverBar;}{D}}_{v,s}=D_{0,s}({\stackrel{\&OverBar;}{D}}_s<D_{0,s})$ 以及 ${\stackrel{\&OverBar;}{D}}_{v,s}={\stackrel{\&OverBar;}{D}}_s({\stackrel{\&OverBar;}{D}}_s\&GreaterEqual;D_{0,s})$ 确定归一化偏差

而实现的。

将通过这种方式确定的归一化偏差D_s(f_1，i，t)、

或被平方，并对所有离散频率f_i求和：

$S_s\left(t\right)=\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{D}_s{(f_{1,i},t)}^2/N---\left(a\right)$

$S_s\left(t\right)=\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{\stackrel{\&OverBar;}{D}}_s{(f_{1,i},t)}^2/N---\left(b\right)$

或

$S_s\left(t\right)=\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{\stackrel{\&OverBar;}{D}}_{v,s}{(f_{1,i},t)}^2/N---\left(c\right)$

现在利用和值S_s(t)通过形成方根来推导出第一估计函数：

$K_{1,s}\left(t\right)=\sqrt{S_s\left(t\right)}---\left(1\right)$

这表明出现了碰撞。作为替代，该估计函数还可以通过计算和值S_s(t)的方根和该方根随时间平滑的平均值之间的差来形成，

${\tilde{K}}_{1,s}\left(t\right)=K_{1,s}\left(t\right)-{\stackrel{\&OverBar;}{K}}_{1,s}\left(t\right)---\left(2\right)$

并作为出现碰撞的特征参量。如果K_1，s(t)或

超过了第一阈值K_1，0(警报阈值)，该第一阈值对于燃气轮机介于1.5和2之间，则表明出现了部件松动。下面的解释例如基于根据等式(1)计算的估计函数K。

对于每个传感器可以确定该事件出现的时刻t_s以及由此可以确定运行时间差的精度主要取决于第一估计函数K_1，s的递增速度。但是第一时间窗Δt₁越大，第一估计函数K_1，s的递增就进行得越慢。

这在图5和图6中针对一个测量信道示出。在图5中绘制出理想的测量信号相对于时间t的波形，在该测量信号上在从t_a到t_b的时间间隔内叠加了脉冲串20。图6示出理想的图示，其中绘制出第一和第二估计函数K₁(曲线a)和K₂(曲线b)相对于时间t的波形，所述估计函数是用位于在时间范围TS内的不同的第一和第二时间窗Δt₁、Δt₂从图5的测量信号M中推导出的。如果现在第一估计函数K₁将在第一时间窗Δt₁中确定，在该第一时间窗中还没有开始脉冲串20，则在理想情况下K₁＝1(当采用第一估计函数时，在理想情况下得到 ${\tilde{K}}_1=0$ )。第一时间窗Δt₁现在以第一时间步长δt₁向右移动，脉冲串20连续地被第一时间窗Δt₁采集，从而在傅立叶变换时包含在脉冲串20中的频率分量在计算第一估计函数K₁时起着越来越大的作用。如果第一时间窗Δt₁的右边缘在时刻t_b时达到脉冲串20的末端，则脉冲串20完全位于第一时间窗Δt₁内，从而第一估计函数K₁达到了其最大值。然后如果第一时间窗Δt₁的左边缘与脉冲串20的末端重合，则第一估计函数K₁重新下降到1。由于至少相应于预期脉冲串20的宽度的第一时间窗Δt₁的宽度，第一估计函数K₁的递增在时间窗t_a至t_b中相对缓慢地进行，如在图6的曲线a中给出的。在图5中绘出明显小于第一时间窗Δt₁的第二时间窗Δt₂。利用第二时间窗Δt₂，采用相同的、前面在计算第一估计函数K₁时解释过的算法和与更短的第二时间窗Δt₂相匹配的第二频率f_2，i(参数)以更短的第二时间步长δt₂＜δt₁计算第二估计函数K₂。由于第二时间窗Δt₂以及第二时间步长δt₂分别比第一时间窗Δt₁和第一时间步长δt₁短，因此第二估计函数K₂比第一估计函数K₁更快地增长，并且在明显更短的时间段中就达到了其最大值，该时间段在该图中的例子中大致相当于第二时间窗Δt₂的长度，如在图6的曲线b中所看出的。在该图中还可以看出，用更短的第二时间窗Δt₂计算的第二估计函数K₂由于基于更小的数据量的傅立叶变换而具有明显更高的噪声。

由于该更小的时间窗Δt₂，频谱包括更少的离散频率。换句话说：第二绝对值A_2，s(f_2，i，t)是为更少的第二频率f_2，i给出的，但是第二频率f_2，i的集合是第一频率f_1，i集合的子集。

借助对所有测量信道用上述算法计算出来的第一估计函数K_1，s(t)，现在以非常高的灵敏度监控所有测量信道是否出现脉冲串，其中不利的是只能以很小的精确度确定该脉冲串在各个信道中的开始。

如果在一个测量信道中在触发时刻t₀确定存在脉冲串(第一估计函数K_1，s增长超过第一阈值＞K_1，0)，则启动触发信号，该触发信号将把所有信道中分别大约存储10秒的测量信号在一个时间范围TS内冻结，该时间范围TS大致关于触发信号的时刻t₀对称(预触发)。然后对所有信道分别用上面所述的算法计算第二估计函数K_2，s(t)，但是对这些计算以在触发时刻t₀之前不久或恰好在该触发时刻t₀从第一绝对值A_1，s(f_1，i，t)中确定并对第二频率f_2，i有效的绝对平均值和标准偏差s_s(f_2，i，t₀)为基础。这是可能的，因为直到触发时刻都没有出现叠加的脉冲串信号，因而这些值代表纯运行背景，此外还假定该运行背景在此后短时间内在该脉冲串期间不发生明显改变。

图7a-f示出在大约30ms的时间段上分别由传感器4_s(4_1-6)在核反应堆压力容器的不同测量位置处采集的测量信号M_s(M_1-6)(曲线c)。从该图中可以直接看到，至多在图7b的图中可以在测量信号M₂中识别出事件的发生，但是不能从该测量信号中直接看出这是运行状态的过渡还是能推断出部件松动的碰撞的脉冲型事件。

借助上述方法获得的第二估计函数K_2，s(t)在图7a-f中分别作为连续曲线d绘出。在所示例子中，第二估计函数K_2，s(t)是使用迭代方法计算的。在这些图中可以看出，第二估计函数K_2，s(t)分别在不同时刻t_s＝t₁至t₆具有明显的上升。这些时刻t_s例如可以确定为其中第二估计函数K_2，s(t)分别超过了预定的第二阈值K_2，0的时刻。如果已知这些时刻t_s，则不仅可以肯定地识别出脉冲型事件的出现，而且还可以在传感器位置已知的情况下由运行时间差LZ t₁-t₂，t₁-t₃，...(在该示例中t₁-t₂，t₃-t₂，t₄-t₂，t₅-t₂，t₆-t₂)推断出碰撞的位置。

借助通过这种方式为每个测量信道计算的第二估计函数K_2，s，在下一个步骤中更为精确地计算时刻t_s，其中由于脉冲型影响而导致的脉冲串信号出现在相应传感器4_s的位置上。下面借助图8和图9中示出的图解释更为精确的计算。

图8示出通过这种方式计算的第二估计函数K_2，s的典型变化曲线(第二时间步长δt₂＝0.16ms，第二时间窗Δt₂＝2.56ms)。第二估计函数K_2，s在时刻t_s超过第二阈值K_2，0。基于所述第一阈值K_1，0，第二估计函数K_2，s的升高对应于一个脉冲串。现在在时间t后对第二估计函数K_2，s求导。相应的微商dK_2，s/dt作为相对于时间的曲线在图9中示出。在该曲线中，从时刻t_s出发查找微商为0的时刻，即第二估计函数K_2，s达到第一局部最大值。在时刻t₁就是这种情况。现在确定曲线达到0值的时刻t₂＜t₁。在t₂到t₁的范围内，确定给出第二估计函数K_2，s的最大斜率的最大值DK_max，s。借助该最大值用关系式DK_0，s＝βDK_max，s计算差值阈值DK_0，s，其中β是介于0.05和0.2之间的数值。一次导数dK_2，s/dt在时间间隔t2-t1中首次大于该差值阈值的时刻t_s，korr现在作为校正时刻用于计算运行时间差。通过这种方式可以准确确定运行时间。

附图标记列表

2设备部件

4_1，s，p传感器

6前置放大器

8多路复用器

10模/数转换器

12计算装置

14比较装置

16瞬时记录器

18分析计算机

20脉冲串

M_s测量信号

K_1，s；K_2，s第一、第二估计函数

t时间

Δt_1，2第一、第二时间窗

δt_1，2第一、第二时间步长

A_1，s；A_2，s第一、第二绝对值

f_i频率

绝对平均值

A _1，s数据组

T时间段

T时间范围

DT时间间隔

t_s时刻

t_s，korr校正时刻

t₁，t₂时刻

DK_max，s最大值

DK_0，s差值阈值

K_1，0第一阈值

K_2，0第二阈值

Claims (9)

1.一种用于检测对设备部件(2)的脉冲型机械影响的位置的方法，其中连续地用多个设置在该设备部件(2)上的传感器(4_s)采集在该设备部件(2)中存在的运行噪声，并且所述运行噪声由所述传感器转换为测量信号(M_s)，具有以下特征：

a)针对一个时间范围(TS)分别按照时间间隔(DT)存储所述测量信号(M_s)，

b)在位于所述时间范围(TS)内的、时间上以第一时间步长(δt₁)前后连续的第一时间窗(Δt₁)中，利用一种数学变换规则的第一预定参数(f_1.i)确定每个测量信号(M_s)的第一变换绝对值(A_1，s(f_1，i，t))，

c)根据为每个第一预定参数(f_1，i)确定的第一绝对值(A_1，s(f_1，i，t))，分别针对每个第一时间步长(δt₁)推导出第一估计函数(K_1，s(t))，

d)第一估计函数(K_1，s(t))分别与第一阈值(K_1，0)相比较，如果第一估计函数(K_1，s(t))中的至少一个在触发时刻(t₀)超过了第一阈值(K_1，0)，则认为存在表明所述机械影响的脉冲型信号分量，

e)在位于所述时间范围(TS)内的、时间上以第二时间步长(δt₂)前后连续的第二时间窗(Δt₂)中，利用所述数学变换规则的第二预定参数(f_2，i)以及利用相同的算法确定第二估计函数(K_2，s(t))，其中该第二时间窗(Δt₂)小于第一时间窗(Δt₁)，

f)根据第二估计函数(K_2，s(t))分别满足一个预定标准的时刻(t_s，t_s，korr)和由此给出的运行时间差，确定所述影响的位置。

2.根据权利要求1所述的方法，其中第二时间步长(δt₂)比第一时间步长短(δt₁)。

3.根据权利要求1或2所述的方法，其中对于每个第一时间步长(δt₁)和每个第一预定参数(f_1，i)确定第一绝对值(A_1，s(f_1，i，t))与第一绝对平均值(A_1，s(f_1，i，t))的偏差，并确定对应于该第一绝对平均值的平均偏差(s_s(f_1，i，t))，从中对每个第一预定参数(f_1，i)和每个第一时间步长(δt₁)推导出第一估计函数(K_1，s(t))，而且在触发时刻(t₀)对第二参数(f_2，i)有效的绝对平均值(A_1，s(f_1，i，t))以及对应于该绝对平均值的平均偏差(s_s(f_1，i，t))都是计算第二估计函数(K_2，s(t))的基础。

4.根据权利要求1、2或3所述的方法，其中如果第二估计函数(K_2，s(t))分别超过第二阈值(K_2，0)，则满足所述预定标准。

5.根据权利要求1、2或3所述的方法，其中如果第二估计函数(K_2，s(t))的一次导数超过差阈值(DK_0，s)，则满足所述预定标准。

6.根据权利要求5所述的方法，其中所述差阈值是由第二估计函数(K_2，s(t))的上升边缘的最大斜率(DK_max，s)推导出的。

7.根据权利要求6所述的方法，其中所述差阈值(DK_0，s)利用关系式DK_0，s＝βDK_max，s确定，其中0.05≤β≤0.2。

8.一种用于检测对设备部件(2)的脉冲型机械影响的位置的装置，具有多个设置在该设备部件(2)上的传感器(4_s)，用于连续地采集和测量在该设备部件(2)中存在的运行噪声，以及具有至少一个设置在该传感器(4_s)之后的A/D转换器(10)，用于将由该传感器采集的测量信号(M_s)数字化并将数字化的测量信号(M)传送给计算装置(12)以执行以下计算步骤：

a)针对一个时间范围(TS)分别按照时间间隔(DT)存储所述测量信号(M_s)，

b)在位于所述时间范围(TS)内的、时间上以第一时间步长(δt₁)前后连续的第一时间窗(Δt₁)中，利用一种数学变换规则的第一预定参数(f_1，i)确定每个测量信号(M_s)的第一变换绝对值(A_1，s(f_1，i，t))，

c)根据为每个第一预定参数(f_1，i)确定的第一绝对值(A_1，s(f_1，i，t))，分别针对每个第一时间步长(δt₁)推导出第一估计函数(K_1，s(t))，

d)第一估计函数(K_1，s(t))分别与第一阈值(K_1，0)相比较，如果第一估计函数(K_1，s(t))中的至少一个在触发时刻(t₀)超过了第一阈值(K_1，0)，则认为存在表明所述机械影响的脉冲型信号分量，

e)在位于所述时间范围(TS)内的、时间上以第二时间步长(δt₂)前后连续的第二时间窗(Δt₂)中，利用所述数学变换规则的第二预定参数(f_2，i)以及利用相同的算法确定第二估计函数(K_2，s(t))，其中该第二时间窗(Δt₂)小于第一时间窗(Δt₁)，

f)根据第二估计函数(K_2，s(t))分别满足一个预定标准的时刻(t_s)和由此给出的运行时间差确定所述影响的位置。

9.根据权利要求8所述的装置，具有在计算装置(12)中实现的、用于执行根据权利要求2至7中任一项所述方法的算法。

Images