CN102788954B - 电动机的预防保养装置 - Google Patents

Abstract

本发明提供能避免因转速的变动或轧制负载的变化而引起的误诊断、进而能预先防止会影响轧制设备的整体运行的突发性故障的电动机的预防保养装置。该电动机的预防保养装置将表示电动机的轴的状态的特定物理量(径向轴位移、推力方向轴位移)的测量数据、电动机的转速的测量数据、以及从电动机驱动装置输入的驱动输出电流的数据作为评价用数据来进行采集。然后，将所采集到的评价用数据与评价模型进行对照，从而基于评价用数据与评价模型的一致性，对电动机所涉及的异常进行监视。作为评价模型，可使用利用二次以上的高次函数、将在电动机正常的情况下进行轧制时的转速和驱动输出电流与表示电动机的轴的状态的物理量之间的关系进行近似而得的数学式。

Description

电动机的预防保养装置

技术领域

本发明涉及电动机的预防保养装置，特别涉及适用于钢铁厂的轧制设备所使用的大型电动机的预兆诊断的预防保养装置。

背景技术

电动机是构成钢铁厂的轧制设备的设备之一。由于轧制设备的负载的变动较多，因此，使用可变速电动机来作为轧制设备用的电动机。在该电动机中，当频繁地进行加减速控制时，可能会因所施加的机械上的冲击或电气上的过负载而导致突发性故障。特别是在咬入轧制材料的时刻，来自与电动机相连接的机械侧的冲击较大，电动机的轴承座可能会因受到异常的力而突然发生故障。电动机的故障可能会影响整个轧制设备，若是重大故障，则还可能会导致轧制设备的操作停止。特别是对于远处的轧制设备，在发生突发性故障的情况下，需要花费修补、修理的时间，并占用很多资源。因此，在轧制设备的运转中，需要通过对电动机中是否发生异常进行监视，来预先防止电动机发生故障。即，需要对电动机进行预防保养。

作为现有的电动机的预防保养的方法，例如已知有日本专利特开平10-288546号公报所揭示的方法。根据该公报所揭示的现有的方法，利用最小二乘法，分别求出将开始使用电动机时的转速(每隔规定时间的转速)与振动值之间的关系进行近似而得到的正常时函数式、以及将持续使用电动机时的转速与振动值之间的关系进行近似而得到的使用时函数式。然后，将使用时函数式除以正常时函数式，若该除法运算的结果超过预先设定的阈值，则判定为电动机中发生异常。

专利文献1：日本专利特开平10-288546号公报

发明内容

然而，在轧制设备的电动机中，存在以下的情况：即，即使在以相同的转速进行旋转的情况下，但若轧制负载发生变化，则振动值也会发生变化。该轧制负载随轧制材料的材质、宽度、长度、和温度等要素的变化而变化。在上述现有的方法中，未考虑这些负载要素，而是只根据转速来决定用于判定正常还是异常的阈值。因此，在上述现有的方法中，根据转速与轧制负载之间的关系，有可能会作出虽然是正常但却判断为异常的误诊断、或虽然是异常但却判断为正常的误诊断。

本发明是鉴于上述问题而完成的，其目的在于，提供一种电动机的预防保养装置，该电动机的预防保养装置能避免因转速的变动或轧制负载的变化而引起的误诊断，进而能预先防止会影响轧制设备的整体运行的突发性故障。

本发明的电动机的预防保养装置对表示电动机的轴的状态的特定物理量的测量数据和电动机的转速的测量数据进行采集，并将从电动机驱动装置输入的驱动输出电流的数据作为表现轧制负载的信息来进行采集。在实际的轧制中，由于根据轧制负载从电动机驱动装置流出所需要的电流，因此，能将驱动输出电流作为代表轧制负载的信息来使用。此外，轧制负载会根据轧制材料的材质、宽度、长度、和温度等要素发生变化，但难以一一掌握这些负载要素与电动机的轴的状态和转速之间的关系。关于这一方面，若采用驱动输出电流，则由于仅用该驱动输出电流就能代表轧制负载，因此，容易掌握其与电动机的轴的状态之间的关系以及与转速之间的关系。

本发明的电动机的预防保养装置在电动机运行时将上述数据作为评价用数据来进行采集。然后，将所采集到的评价用数据与评价模型进行对照，从而对评价用数据与评价模型的一致性进行判定。评价模型是将在电动机正常的情况下进行轧制时的转速和驱动输出电流与所述特定物理量之间的关系进行建模而获得的模型，例如可以使用利用二次以上的高次函数进行近似而获得的数学式。本发明的电动机的预防保养装置基于评价用数据和评价模型的一致性，来监视电动机所涉及的异常。

作为表示电动机的轴的状态的特定物理量，优选为使用能利用轴位移传感器来进行测量的电动机的径向的轴位移或推力方向的轴位移、或者能利用轴负荷传感器来进行测量的电动机的推力方向的轴负荷。另外，优选为将咬入轧制材料时刻的数据作为在电动机运行时所采集的评价用数据来进行采集。

作为对电动机所涉及的异常进行监视的具体的方法，优选为将评价用数据与评价模型的一致性比规定的判定值要低的情况作为电动机所涉及的异常来进行检测。另外，每隔一定期间对一致性比规定的判定值要低的次数(异常次数)进行计数、对异常次数随时间的变化进行记录的方法也是对异常进行监视的方法的优选方法之一。

根据本发明，将正常轧制时的转速和驱动输出电流与特定物理量之间的关系进行建模而获得评价模型，将该评价模型作为基准，以对电动机运行时所采集到的转速和驱动输出电流与特定物理量之间的关系是否是电动机正常时的关系进行判定。这样，除了转速以外，还利用代表轧制负载的驱动输出电流来作为用于异常诊断的信息，从而能避免因转速的变动或轧制负载的变化而导致的误诊断。因而，根据本发明，能对电动机所涉及的异常、具体而言、是除了电动机本身的故障以外的、电动机所驱动的机械侧的异常、轴承座的故障、或时效老化等进行可靠性较高的判定，而不使电动机长时间停止。由此，能预先获知电动机的故障、或电动机所涉及的机械的其他故障的预兆，能适当地实施与该症状相对应的维修，从而能达到预先防止会影响轧制设备的整体运行的突发性故障的目的。

附图说明

图1是表示应用本发明的实施方式1-4的电动机的预防保养装置的系统的结构的框图。

图2是表示本发明的实施方式1的预防保养装置的结构的框图。

图3是表示本发明的实施方式1的评价模型的曲线图。

图4是表示本发明的实施方式1的评价模型的曲线图。

图5是表示本发明的实施方式1的评价模型的曲线图。

图6是表示本发明的实施方式1的评价模型的曲线图。

图7是表示本发明的实施方式1的评价模型的生成方法的流程图。

图8是表示本发明的实施方式1的异常判定的方法的流程图。

图9是表示本发明的实施方式1的异常判定的方法的曲线图。

图10是表示本发明的实施方式1的异常判定的方法的曲线图。

图11是表示本发明的实施方式2的预防保养装置的结构的框图。

图12是表示本发明的实施方式2的评价模型的曲线图。

图13是表示本发明的实施方式2的评价模型的曲线图。

图14是表示本发明的实施方式2的异常判定的方法的曲线图。

图15是表示本发明的实施方式4的异常判定的方法的曲线图。

具体实施方式

实施方式1.

下面，基于图1至图10的各附图，对本发明的实施方式1进行说明。

图1是表示应用本实施方式的电动机的预防保养装置的系统结构的框图。在该系统中，电动机1和电动机驱动装置2配置在相隔较远的地方，分别经由远程IO盘3、4而与网络7相连接。电动机驱动装置2所输出的操作信号经由远程IO盘3而输出至网络7，并从该网络7经由远程IO盘4而输入至电动机1。根据由电动机驱动装置2所发送的操作信号来控制电动机1的旋转。在电动机1中，设置有用于测量其径向的轴位移和推力方向的轴位移的轴位移传感器5、以及用于测量转速(每隔规定时间的转速)的转速传感器6。

本实施方式的电动机预防保养装置8与网络7相连接。在从电动机驱动装置2输出的操作信号中，包含有电动机1的操作量、即驱动输出电流。电动机预防保养装置8从远程IO盘3经由网络7对电动机1的驱动输出电流的数据进行采集，并对该数据进行保存。另外，电动机预防保养装置8从远程IO盘4经由网络7对轴位移传感器5和转速传感器6的各测量数据进行采集，并对所述各测量数据进行保存。使得由电动机预防保养装置8取入驱动输出电流数据的时刻与取入各测量数据的时刻保持同步。

图2是表示本实施方式的电动机预防保养装置8的结构的框图。如上所述，电动机预防保养装置8对转速、径向轴位移、和推力方向轴位移的各测量数据、以及驱动输出电流的数据进行采集。径向轴位移和推力方向轴位移都是表示电动机1的轴的状态的物理量。取入驱动输出电流，以作为代表在轧制时作用于电动机1的负载(轧制负载)的信息。电动机预防保养装置8将所采集到的这些数据与评价模型进行对照，并基于该对照结果来输出报警。作为评价模型，准备有评价模型A和评价模型B这两种模型。下面，对各评价模型A、B的内容及其生成方法进行说明。

评价模型A是将在电动机1正常的情况下进行轧制时的转速和驱动输出电流与径向的轴位移之间的关系进行建模而获得的模型，以后述的近似函数式来表示。图3是表示在评价模型A中、使驱动输出电流保持一定的情况下的转速与径向轴位移之间的关系的一个例子的曲线图。图4是表示在评价模型A中、使转速保持一定的情况下的驱动输出电流与径向轴位移之间的关系的一个例子的曲线图。由这些附图可知，轧制时的径向轴位移不但会随转速的变化而变化，而且还会随驱动输出电流的变化而变化。

评价模型B是将在电动机1正常的情况下进行轧制时的转速和驱动输出电流与推力方向的轴位移之间的关系进行建模而获得的模型，以后述的近似函数式来表示。图5是表示在评价模型B中、使驱动输出电流保持一定的情况下的转速与推力方向轴位移之间的关系的一个例子的曲线图。图6是表示在评价模型B中、使转速保持一定的情况下的驱动输出电流与推力方向轴位移之间的关系的一个例子的曲线图。由这些附图可知，轧制时的推力方向轴位移不但会随转速的变化而变化，而且还会随驱动输出电流的变化而变化。

图7是表示本实施方式中的各评价模型的生成方法的流程图。该流程图包含STP1和STP2的两个步骤。在最初的步骤、即STP1中，在正常轧制中的一定期间内，对驱动输出电流、转速、径向轴位移、以及推力方向轴位移的各数据进行采集。采集的数据数量越多越好。然后，在STP2中，基于所采集到的数据，生成评价模型A、B。通过用如下所示的两次以上的高次函数进行近似而获得的数学式，来表示各评价模型A、B

下面的近似函数式表示评价模型A。在该数学式中，z₁是推力方向轴位移，x是驱动输出电流，y是转速。而且，a₀、a₁、……a_n、b₀、b₁、……b_n是用所采集到的数据、利用最小二乘法来决定的系数。

[数学式1]

z₁＝a₀xⁿ+a₁x^n-1+...+a_n-1x+a_n+b₀yⁿ+b₁y^n-1+...+b_n-1y+b_n

下面的近似函数式表示评价模型B。在该数学式中，z₂是径向轴位移，x是驱动输出电流，y是转速。而且，c₀、c₁、……c_n、d₀、d₁、……d_n是用所采集到的数据、利用最小二乘法来决定的系数。

[数学式2]

z₂＝c₀xⁿ+c₁x^n-1+...+c_n-1x+c_n+d₀yⁿ+d₁y^n-1+...+d_n-1y+d_n

电动机预防保养装置8利用如上所述那样生成的评价模型A、B，来实施下面所说明的异常判定。图8是表示在本实施方式中利用电动机预防保养装置8来进行的异常判定的方法的流程图。该流程图包含从STP11至STP16的六个步骤。在STP11中，利用电动机预防保养装置8来对当前的驱动输出电流、转速、径向轴位移、以及推力方向轴位移的各数据进行采集。在STP12中，基于当前的驱动输出电流和转速，利用评价模型A，来设定径向轴位移的阈值。另外，在STP13中，基于当前的驱动输出电流和转速，利用评价模型B，来设定推力方向轴位移的阈值。

在图9中，描绘有根据评价模型A的近似函数式而描绘出的曲面的一部分。根据所采集到的数据来确定的坐标离评价模型A的曲面越远，当前的电动机1的状态与评价模型A的一致性越低。将在STP12中所设定的阈值作为用于对根据所采集到的数据来确定的当前的电动机1的状态与评价模型A的一致性是否在允许范围内进行判定的判定值来使用。在图9中，阈值位于离评价模型A的曲面有一定距离所设置的曲面(图中所示的阈值曲面)上。在STP14中，对当前的径向轴位移是否超过在评价模型A中所设定的阈值、即当前的电动机1的状态与评价模型A的一致性是否比判定值要低进行判定。在当前的径向轴位移超过阈值的情况下，即，在如图9中用黑点所示的那样、根据所采集到的数据来确定的坐标位于阈值曲面的外侧的情况下，将该情况作为电动机1所涉及的某种异常来进行检测。在这种情况下，在STP16中发出报警。

在STP14的判定结果表示当前的径向轴位移未超过阈值的情况下，即，在如图9中用白点所示的那样、根据所采集到的数据来确定的坐标位于阈值曲面的内侧的情况下，进行STP15的判定。在STP15中，对当前的推力方向轴位移是否超过在评价模型B中所设定的阈值、即当前的电动机1的状态与评价模型B的一致性是否比判定值要低进行判定。在图10中，描绘有根据评价模型B的近似函数式所描绘出的曲面的一部分。在图10中，在STP13中所设定的阈值位于离评价模型B的曲面有一定距离所设置的曲面(图中所示的阈值曲面)上。将阈值作为用于对根据所采集到的数据来确定的当前的电动机1的状态与评价模型B的一致性是否在允许范围内进行判定的判定值来使用。在当前的推力方向轴位移超过阈值的情况下，即，在如图10中用黑点所示的那样、根据所采集到的数据来确定的坐标位于阈值曲面的外侧的情况下，将该情况作为电动机1所涉及的某种异常来进行检测。在这种情况下，在STP16中发出报警。

另一方面，在当前的推力方向轴位移未超过阈值的情况下，即，在如图10中用白点所示的那样、根据所采集到的数据来确定的坐标位于阈值曲面的内侧的情况下，判断为电动机1以及电动机1的旋转状态所涉及的设备正常。因而，在这种情况下，再次返回STP11以从采集数据起开始执行，而不发出报警。

如上所述，在本实施方式中，基于电动机1的转速、代表轧制负载的驱动输出电流、以及表示电动机1的轴的状态的径向轴位移和推力方向轴位移这三种数据，来对异常进行监视。由此，由于能避免因转速的变动或轧制负载的变化而引起的误诊断，因此，与现有的方法相比较，能更提前并正确地获知电动机1的故障的预兆。

另外，根据本实施方式，电动机1本身的故障自不必说，还能对与电动机1相连接的机械侧的异常进行检测。例如，在使用万向节来将电动机1与机械相连接的情况下，在万向节与电动机1的轴的接合部分的磨合发生问题时，或在机械侧的轴承的润滑不足时，可能会对电动机1的轴施加过大的力而发生突发性的故障。但是，根据本实施方式，将推力方向轴位移的测量数据与评价模型B进行对照，从而能对机械侧的异常进行检测，以实施恰当的检查和维护。其结果是，能预先防止电动机1的突发性的故障。

另外，在本实施方式的电动机1这样的大型电动机中，对其轴承使用滑动轴承。使用由轴承供油装置所提供的润滑油来对该轴承进行润滑。而且，采用以下结构：即，在起动电动机1时，利用润滑油的油压来抬起电动机1的轴，以使电动机1旋转。然而，因配管的堵塞或泵的时效老化会导致产生油压不足这样的现象，从而可能无法将电动机1的轴抬起到目标浮起量。在这种情况下，在径向轴承的轴承衬瓦与电动机1的轴之间会产生摩擦，从而也可能会烧毁衬瓦。但是，根据本实施方式，将径向轴位移的测量数据与评价模型A进行对照，从而能对顶轴油泵的浮起量进行监视，能预先防止由轴承供油装置的问题所引起的事故。

实施方式2.

下面，基于图11至图14的各附图，对本发明的实施方式2进行说明。

本实施方式的电动机的预防保养装置与实施方式1相同，适用于图1所示的结构的系统。但是，在本实施方式中，由于电动机1的轴的向推力方向的位移受到端盖的限制，因此，使用推力方向轴负荷来代替推力方向轴位移，以作为表示电动机1的轴的状态的物理量。因此，在本实施方式的电动机1中，设置有用于对推力方向轴负荷进行测量的负荷传感器，以代替对推力方向轴位移进行测量的轴位移传感器。关于径向，与实施方式1相同，设置有对径向轴位移进行测量的轴位移传感器。

图11是表示本实施方式的电动机预防保养装置8的结构的框图。本实施方式的电动机预防保养装置8对转速、径向轴位移、和推力方向轴负荷的各测量数据、以及驱动输出电流的数据进行采集。电动机预防保养装置8将所采集到的这些数据与评价模型进行对照，并基于该对照结果来输出报警。在本实施方式中，作为评价模型，准备有上述的评价模型A和如下所述的评价模型C这两种模型。

评价模型C是将在电动机1正常的情况下进行轧制时的转速与驱动输出电流和推力方向的轴负荷之间的关系进行建模而获得的模型，与评价模型A、B相同，以二次以上的高次函数的数学式来表示。图12是表示在评价模型C中、使驱动输出电流保持一定的情况下的转速与推力方向轴负荷之间的关系的一个例子的曲线图。图13是表示在评价模型C中、使转速保持一定的情况下的驱动输出电流与推力方向轴负荷之间的关系的一个例子的曲线图。由这些附图可知，轧制时的推力方向轴负荷不但会随转速的变化而变化，而且还会随驱动输出电流的变化而变化。评价模型C的生成方法与评价模型A、B的生成方法相同，基于在电动机1正常的情况下进行轧制时的实际数据，来生成评价模型C的近似函数式。

本实施方式的电动机预防保养装置8利用评价模型A、C来实施异常判定。在本实施方式中，基于当前的驱动输出电流和转速，利用评价模型C，来设定推力方向轴负荷的阈值。在图14中，描绘有根据评价模型C的近似函数式而描绘出的曲面的一部分。在图14中，阈值位于离评价模型C的曲面有一定距离所设置的曲面(图中所示的阈值曲面)上。将阈值作为用于对根据所采集到的数据来确定的当前的电动机1的状态与评价模型C的一致性是否在允许范围内进行判定的判定值来使用。在当前的推力方向轴负荷超过阈值的情况下，即，在如图14中用黑点所示的那样、根据所采集到的数据来确定的坐标位于阈值曲面的外侧的情况下，将该情况作为电动机1所涉及的某种异常来进行检测。在这种情况下，由电动机预防保养装置8发出报警。另一方面，在当前的推力方向轴负荷未超过阈值的情况下，即，在如图14中用白点所示的那样、根据所采集到的数据来确定的坐标位于阈值曲面的内侧的情况下，判断为电动机1以及电动机1的旋转状态所涉及的设备正常。

实施方式3.

下面，对本发明的实施方式3进行说明。

本实施方式的电动机的预防保养装置与实施方式1、2相同，适用于图1所示的结构的系统。本实施方式的特征在于，不始终对用于异常判定的数据进行采集，而是仅限于某个特定的时刻进行采集。在轧制设备中，除了定期检查以外，在很多情况下都进行24小时操作。因此，为了对异常进行监视，需要24小时持续对操作中的数据进行采集。但是，若以5年、10年为单位对数据进行采集，则该数据量会变得相当庞大，从而在进行分析时会耗费大量的时间和成本。另一方面，在咬入轧制材料的时刻施加于电动机的机械上的冲击或电气上的过负载成为电动机的故障的原因的概率较高。

因此，在本实施方式中，只在咬入轧制材料的时刻进行数据采集，以对电动机的异常进行监视。由此，能有效地利用数据，从而能削减分析所需要的成本和时间。

实施方式4.

接下来，基于图15，对本发明的实施方式4进行说明。

本实施方式的电动机预防保养装置与实施方式1、2、3相同，适用于图1所示的结构的系统。在本实施方式中，电动机预防保养装置以一定的监视周期进行数据采集，且每次都将所采集到的数据与评价模型进行对照。具体而言，将作为表示电动机的状态的特定物理量的径向轴位移、推力方向轴位移、或推力方向轴负荷的测量数据与根据评价模型而获得的阈值进行比较。然后，每隔一定期间对特定物理量的测量数据超过阈值的次数、即一致性低于判定值的次数(异常次数)进行计数，并对异常次数随时间的变化进行记录。

在图15中，示出了多个异常次数随时间变化的例子。若像情况1那样异常次数沿一个方向增加，则可以判断为是机械侧的故障或电动机的轴承供油装置的问题、或电动机本身正在恶化。若像情况2那样虽然异常次数较多但基本保持一定，则可以判断为电动机及其所涉及的设备的状态稳定。在像情况3那样虽然异常次数的绝对数不太多但其增加速度较为急剧的情况下，可以判断为发生了某种突发性的故障。

根据本实施方式，将所记录的异常次数随时间变化的数据显示于电动机预防保养装置的显示器上，使得便于用人眼进行观察。由此，由于能长期地对异常次数的增减进行监视，因此，具有能预见电动机的时效老化的效果。另外，在计算机的情况下，只有在异常次数超过某设定的阈值时才会发出报警，但在像本实施方式那样将数据可视化的情况下，能通过目视来对未达到阈值的范围的、异常的倾向进行监视，从而能快速地对电动机所涉及的异常采取预防措施。

其它.

本发明并不限于上述实施方式，在不脱离本发明要点的范围内可以进行各种变形来实施。例如，作为表示电动机的轴的状态的特定物理量，也可以只使用径向轴位移、推力方向轴位移、及推力方向轴负荷之中的任意一个物理量。或者，也可以对电动机的轴的振动进行测量，并将该测量值作为表示电动机的轴的状态的特定物理量来使用。

标号说明

1电动机

2电动机驱动装置

3、4远程IO盘

5轴位移传感器

6转速传感器

7网络

8电动机预防保养装置

Claims (5)

1.一种电动机的预防保养装置，所述电动机的预防保养装置是利用从电动机驱动装置输入的驱动输出电流来对旋转进行控制的轧制设备的电动机的预防保养装置，其特征在于，包括：

数据采集单元，该数据采集单元对由轴位移传感器所获得的所述电动机的径向的轴位移的测量数据和由所述轴位移传感器所获得的所述电动机的推力方向的轴位移的测量数据、所述电动机的转速的测量数据、以及所述驱动输出电流的数据进行采集；

评价模型存储单元，该评价模型存储单元存储评价模型A和评价模型B，所述评价模型A通过对正常轧制时的所述转速、所述驱动输出电流、及所述电动机的径向的轴位移的测量数据之间的关系进行建模而获得，所述评价模型B通过对正常轧制时的所述转速、所述驱动输出电流、及所述电动机的推力方向的轴位移的测量数据之间的关系进行建模而获得；以及

异常监视单元，该异常监视单元将利用所述数据采集单元所采集到的数据与所述评价模型A和评价模型B进行对照，基于其一致性，对所述电动机所涉及的异常进行监视。

2.一种电动机的预防保养装置，所述电动机的预防保养装置是利用从电动机驱动装置输入的驱动输出电流来对旋转进行控制的轧制设备的电动机的预防保养装置，其特征在于，包括：

数据采集单元，该数据采集单元对由轴位移传感器所获得的所述电动机的径向的轴位移的测量数据和由负荷传感器所获得的所述电动机的推力方向的轴负荷的测量数据、所述电动机的转速的测量数据、以及所述驱动输出电流的数据进行采集；

评价模型存储单元，该评价模型存储单元存储评价模型A和评价模型C，所述评价模型A通过对正常轧制时的所述转速、所述驱动输出电流、及所述电动机的径向的轴位移的测量数据之间的关系进行建模而获得，所述评价模型C通过对正常轧制时的所述转速、所述驱动输出电流、及所述电动机的推力方向的轴负荷的测量数据之间的关系进行建模而获得；以及

异常监视单元，该异常监视单元将利用所述数据采集单元所采集到的数据与所述评价模型A和评价模型C进行对照，基于其一致性，对所述电动机所涉及的异常进行监视。

3.如权利要求1或2所述的电动机的预防保养装置，其特征在于，

所述数据采集单元对咬入轧制材料时刻的数据进行采集。

4.如权利要求1或2所述的电动机的预防保养装置，其特征在于，

所述异常监视单元将所述一致性比规定的判定值要低的情况作为所述电动机所涉及的异常来进行检测。

5.如权利要求1或2所述的电动机的预防保养装置，其特征在于，

所述异常监视单元每隔一定期间对所述一致性比规定的判定值要低的次数进行计数，对所述次数随时间的变化进行记录。