CN102792240B

CN102792240B - 用于基于条件的维护的数据获取系统

Info

Publication number: CN102792240B
Application number: CN201080059527.1A
Authority: CN
Inventors: E·R·比绍夫; J·T·泰勒
Original assignee: NRG Systems Inc
Current assignee: NRG Systems Inc
Priority date: 2009-11-16
Filing date: 2010-11-16
Publication date: 2016-06-01
Anticipated expiration: 2030-11-16
Also published as: EP2502174A4; US10768072B2; CN102792240A; US20110125419A1; US8082115B2; EP2502174B1; US8442778B2; US20140163904A1; US20170023438A1; EP2502174A1; US9897516B2; US20120065901A1; US20180120200A1; WO2011060424A1

Abstract

一般来说，与本公开一致的系统和方法可以提供一种相对低成本、相对鲁棒的、用于基于条件的维护的数据获取和分析系统。该系统可以用于工业应用（例如，设备和/或机械的工业应用）中的基于条件的维护。该工业监测系统例如可以用于监测旋转机械（例如，风轮机）的条件。该系统和方法可以包括数据分析，可以用于预见对于维护、修理和/或更换一个或多个组件的需要。

Description

用于基于条件的维护的数据获取系统

相关申请的交叉引用

本申请要求保护2009年11月16日提交的U.S.临时专利申请序列No.61/261473的权益，其全部公开通过引用并入于此。

技术领域

本公开涉及用于获取用于基于条件的维护的数据的系统和方法。

背景技术

机器和/或设备的可用寿命可以通过执行预防性维护来延长。在某些情况下，预防性维护可以按一组计划表来执行，例如，针对机器和/或设备的部件经过的时间和/或工作小时。这样一组计划表可以导致某些部件在其必须被更换之前被更换。计划性维护中的延迟可以导致根据故障模式可能是灾难性的设备故障。为了预见组件和/或机器的故障，希望可以监测与该机器和/或组件有关的一个或多个条件。基于该监测，可以更有效地执行维护，例如，以避免更换完好的组件和/或在故障之前更换组件。

在某些情况下（例如，风力场（windfarm）），该机器（例如，风轮机）可能暴露于恶劣的环境条件，例如，雨、雪和/或极端温度。位于该机器上或在其附近的监测装置可同样暴露于恶劣的环境条件。尽管可能存在被设计成经得住这种条件的电气和/或电子硬件，但这种硬件可能增加显著成本。由此，希望可以提供一种相对低成本且鲁棒的设备监测系统。

附图说明

结合附图，通过阅读下面的详细描述，将更好地理解这些和其它特征以及优点，其中：

图1A是与本公开一致的、可以受益于基于条件的维护的示例性风力场的草图；

图1B是图1A的风力场的风轮机塔总成（assembly）的草图；

图1C是图1B的风轮机塔总成的风轮机的示例；

图2是与本公开一致的示例性工业监测系统的功能框图；

图3是与本公开一致的示例性本地数据集中器（LDC）的框图；

图4A是与本公开一致的示例性接口模块的功能框图；

图4B是与本公开一致的另一示例性接口模块的功能框图；

图5是与本公开一致的、用于利用传感器模块进行数据获取的示例性流程图；

图6示出了与本公开一致的LDC前缀的格式；

图7示出了与本公开一致的用于传感器模块设备接口的命令集；

图8示出了与本公开一致的源自LDC的响应的结构；

图9示出了与本公开一致的源自传感器模块的响应的结构；

图10A到10C是与本公开一致的示例性流程图；

图11是例示与本公开一致的确定性分析的示例性流程图；

图12是例示与本公开一致的包括TSA的轴分析的图形流程图；

图13是例示与本公开一致的齿轮故障过程的流程图；

图14是与本公开一致的轴承包络分析的例子；

图15是与本公开一致的、针对旋转机器示例的健康指示符的实际值和估算值的标绘图；

图16是与本公开一致的图15的旋转机器示例的实际和预报剩余可用寿命的标绘图；

图17是与本公开一致的图15的旋转机器示例的预报剩余可用寿命的第一导数的标绘图；

图18是与本公开一致的针对图15的旋转机器示例的向用户显示的数据的标绘图；

图19是与本公开一致的针对另一旋转机器示例的向用户显示的数据的标绘图；

图20是与本公开一致的针对又一旋转机器示例的、加亮维护用时间的向用户显示的数据的标绘图。

具体实施方式

一般来说，与本公开一致的系统和方法可以提供一种相对低成本、相对鲁棒的、用于基于条件的维护的数据获取和分析系统。该系统可以用于工业应用（例如，设备和/或机械的工业应用）中的基于条件的维护。该工业监测系统例如可以被用于监测旋转机械（例如，风轮机）的条件。可以利用该工业监测系统进行监测的机器和/或设备的其它示例包括但不限于与地面车辆、轮船和/或飞机（例如，直升飞机）相关联的燃气轮机和/或变速箱。该系统可用于一般化的工业监测。

该系统和方法可以包括可用于预见用于维护、修理和/或更换一个或多个组件的需要的数据分析。可以检测与组件的条件相关联的一个或多个参数。至少部分基于所感测的参数，可以确定该组件的条件。例如，利用振动和/或使用率数据，可以确定组件（例如，轴、齿轮和/或轴承）的条件。基于该组件的条件，接着可以确定剩余可用寿命（“RUL”）。可以将统计数据和/或物理限制用于确定当前设备状态。该剩余可用寿命可以例如利用故障模型和/或使用率和/或统计数据的物理学来确定。

图1A是与本公开一致的、可以受益于基于条件的维护的示例性风力场100的草图。该风力场100包括许多安装有风轮机的塔（例如，风轮机塔总成105），其被配置成将风能转换成电能。

图1B是该风轮机塔总成105的草图。该风轮机塔总成105包括塔107和安装在塔107上的风轮机110。可以将与本公开一致的数据获取子系统115安装在风轮机110和/或塔107中和/或之上。再次转至图1A，该数据获取系统115可以例如经由网络140耦接至远程服务器145。该服务器145可以容纳在受控环境中，并且用户可以访问以监测风轮机105的条件，如在此所述的。

图1C是风轮机（例如，风轮机110）的示例。每个风轮机110包括转子120、变速箱130以及发电机135。转子120经由变速箱130耦接至发电机135。转子120包括耦接至轮轴124的多个叶片122，该轮轴耦接至主轴126。主轴126可以穿过轴承（例如，主轴承128）并且耦接至变速箱130。变速箱130可以包括多个齿轮和关联轴承。变速箱130可以经由耦接器132耦接至发电机135。

风力场可以位于经常刮风的偏远地区，例如，在山顶和/或丘陵上或附近，和/或在海洋和/或其它水体中。除了执行维护和/或修理的成本以外，与接近风轮机以便维护和/或修理相关联的成本可能是显著的。允许组件（例如，齿轮、轴和/或轴承）故障可能导致对风轮机的灾难性损坏和用于修理的相对更大成本。因此，希望可以预见对于维护和/或修理的需要，以便为成本做计划和/或防止灾难性的故障。“提早”（即，在良好的时候）更换组件可能不必要地贡献维护风力场的成本。因此，希望可以预测组件的剩余可用寿命，以使得可以在该组件不再良好时但在灾难性故障之前安排更换。这种预测可以至少部分地基于检测何时该组件不再良好但尚未损坏。

示例性系统架构

图2是与本公开一致的示例性工业监测系统200的功能框图。该系统200可以包括耦接至基站（例如，服务器215）的一个或多个数据获取子系统205a、...、205n（总称为子系统205）。该子系统205a、...、205n可以经由网络215(可以包括有线和/或无线链路)耦接至服务器215。例如，网络215可以利用以太网协议。该以太网协议可以遵守由电气和电子工程师协会（IEEE）在2002年3月公布的、标题为“IEEE802.3Standard”的以太网标准和/或该标准的更新版本，或与其兼容。服务器215可以位于与设备点（例如，在受控环境中）相距一定距离处。

每个数据获取子系统205a、…、205n可以与相应机器（例如，设备202a、…、202n）相关联，并且可以位于设备点处，相对靠近被监测设备（即，设备202a、…、202n）。被监测设备可以包括但不限于，与地面车辆（例如，卡车和/或火车）、轮船、飞机和/或一般工业设备相关联的燃气轮机、变速箱。例如，风力场100中的每个风轮机105可以具有关联数据获取子系统205a、…、或205n（对应于图1B的数据获取子系统115）。每个子系统205a、…、205n接着可以位于相应塔的、支承相应风轮机的顶部处或附近，和/或风轮机本身中和/或之上。因此，子系统205a、…、205n可以被配置用于在潜在严峻环境中操作。

服务器215可以包括用户接口250、处理器252、存储器254和/或存储部256。服务器215被配置成通过网络210与数据获取子系统205a、…、205n通信。服务器215可以被配置成向子系统205a、…、205n提供用户接入。例如，服务器215可以被配置成利用用户接口250来显示与被监测设备和/或机器的状况有关的数据和/或信息。服务器215可以被配置成提供如在此描述的对剩余可用寿命的估算。

用户接口250可以包括被配置成辅助访问数据和/或信息的图形用户接口（GUI）。GUI可以被配置成向用户提供所获取数据和/或分析结果的图形例示。存储器254可以被配置成存储被配置用于获取、分析和/或显示传感器和/或机器和/或设备状况数据的应用程序250，并且处理器252可以被配置成运行该应用程序250。存储器254和/或存储部256可以被配置成存储配置数据、传感器数据和/或机器和/或设备相关数据，如在此所述。

例如，该用户接口可以允许用户查看由所列出的数据获取子系统205a（例如，在设备点处）监测的设备的状况，查看被监测设备和/或数据获取子系统的健康/状况，使由数据获取子系统监测的单个组件交互并对其进行查看，以及命令/更新站点的状况。例如，数据获取子系统可以安装在风轮机上，被配置成监测该风轮机的健康。用户接口250可以显示风轮机上被监测的单个组件的总体健康和/或状况。可以利用配置数据260来映射针对被监测风轮机的命令、数据以及响应。

每个数据获取子系统205a、…、205n可以包括通过总线225耦接至本地数据集中器（“LDC”）230的一个或多个传感器模块220a、...、220m（总称为传感器模块220）。总线225可以被配置成在传感器模块220a、…、220m与相关联的LDC230之间提供串行通信。总线结构被配置成辅助可扩展性（scalability），例如，向/从子系统添加和/或去除一个或多个传感器模块。例如，总线225可以被配置为菊链（daisychain）。

该总线结构还被配置成缩减LDC230与传感器模块220a、…、220m之间的布线。例如，在菊链总线结构中，LDC230可以通过该总线中的第一链路连接至第一传感器模块，例如，传感器模块220a。第一传感器模块可以通过该总线中的第二链路连接至第二传感器模块，例如，传感器模块220b，等等，直到最后一个传感器模块通过该总线中的最后一个链路连接至次最后一个传感器模块为止。该总线接着可以例如通过电阻器来端接，如在此所述。因此，每个传感器模块可以包括用于连接至该总线中的至多两个链路的连接器。

例如，总线225可以是4线总线或2线总线。该4线总线可以包括用于在每个传感器模块220a、…、220m与相关联的LDC230之间通信的两条线，和用于从LDC230向传感器模块220a、…、220m提供电力和/或接地的两条线。该两线总线可以被配置成用于电力传输数据（通信），即，可以利用两条线在每个传感器模块220a、…、220m与相关联的LDC230之间提供通信，并且从LDC230向传感器模块220a、…、220m提供电力和/或接地。例如，为了通信，这两条线可以按半双工模式根据RS-485来配置。RS-485（还已知为EIA-485或TIA/EIA-485）是由ANSI电信工业协会/电子工业联盟公布的一种标准，其定义用于通过网络进行数字通信的驱动器和接收器的电特性。物理介质可以是被配置为双绞线的两条线。该总线可以被配置为线性、多分支式（即，菊链），并且可以通过横跨两条线的电阻器来端接（以缩减噪声灵敏度和缩减来自导线端部的可能破坏数据的反射）。

例如，对于两线总线来说，数据可以利用曼彻斯特（Manchester）编码（还已知为相位编码）来传送。在曼彻斯特编码中，每个数据比特具有两种转变，并且占用一个时段，例如，一个时钟周期。例如，对于高或1比特来说，该转变可以从+1.65伏特至-1.65伏特，而对于低或0比特来说，该转变可以从-1.65伏特至+1.65伏特。根据数据比特的转变在该时钟周期的中点发生。转变可以在时钟周期的起点发生，以便针对中周期转变将数据信号设置为合适状态。例如，时钟速率可以是7.2兆赫兹（MHz）而比特率可以是每秒3.6兆比特（Mbps）。

曼彻斯特编码信号具有辅助电力传输数据双线配置的零DC分量。因此，该通信（数据）信号可以按电容方式或感应方式耦合。可使用滤波器来分离通信信号与DC电源电压。例如，该滤波器可以是具有2MHz通带带宽的模拟三极切比雪夫（chebyshev）滤波器。如本领域技术人员应当明白，可使用其它滤波器来隔离数据信号与DC电力。

在一些实施例中，LDC230可以被配置成向每个相关联的传感器模块220a、...、220m提供范围在20V至30V的电压。例如，LDC230可以被配置成如果该设备处于车辆中，则向传感器模块220a、...、220m提供28Vdc。换句话说，一些车辆（例如，卡车、飞机以及火车）可以包括具有28Vdc的标称电压的电池。在另一示例中，LDC230可以被配置成，如果该设备未处于车辆中或车辆上，则向传感器模块220a、…、220m提供24Vdc。在这个示例中，该24Vdc可以从被配置成向工业设备供电的一个或多个电源获得。

图3是示例性LDC230的框图。LDC230被配置成经由总线225耦接至每个传感器模块220a、…、220m。LDC230被配置成接收供应电压Vs并经由总线225将该供应电压提供给传感器模块220a、…、220m。LDC230可以包括：控制器305、存储器307、收发器Tx/Rx310、高通滤波器（HPF）电路315、低通滤波器（LPF）电路320和/或DC/DC转换器325。控制器305可以被配置成接收来自网络210的通信（例如，命令和/或数据）和来自总线225的数据。存储器307可以被配置成存储模块输出数据、配置数据和/或应用。该收发器Tx/Rx310被配置成解码和/或解调制从总线225（例如，从传感器模块220a、...、220m）接收到的编码数据（例如，RS-485协议），并将所解码/解调制的数据提供给控制器310。该收发器Tx/Rx310还被配置成接收来自控制器305的数据和/或命令，例如利用曼彻斯特编码来编码和/或调制数据和/或命令，以及将所编码的数据和/或命令传送到总线225上，例如，用于向传感器模块220a、…、220m中的一个或多个传送。

HPF电路315和/或LPF电路320被配置成分离2线总线系统上的供应电压Vs与编码（encoded）和/或编译（coded）的数据和/或命令。例如，HPF电路315可以包括电容器，该电容器被配置成阻止dc电压（例如，Vs）抵达收发器Tx/Rx310，而使编码数据和/或命令通过。例如，LPF电路320可以包括电感器，该电感器被配置成使供应电压Vs通过，而阻止编译的数据和/或命令（即，高频）抵达Vs的源。DC/DC转换器325被配置成将所接收的供应电压Vs（例如，24伏特或28伏特）转换成用于控制器305的合适的输入电压（例如，3.3伏特或5伏特）。

每个传感器模块220a、...、220m可以包括相应的传感器235a、...、235m，其耦接至相应的接口模块240a、…、240m。每个传感器模块220a、…、220m被配置成安装在被监测的相应组件（例如轴、轴承和/或齿轮）上或附近。根据被监测设备，传感器模块220a、…、220m中的一个或多个可能暴露于相对严峻的环境条件。因此，希望可以封装每个传感器模块220a、…、220m，以保护传感器235和接口模块240，同时允许传感器与该传感器被配置成检测的参数之间的良好耦合。具体来说，该封装应当被配置成保护传感器235和/或接口模块240不受静电放电和/或环境条件的影响，并且散热。该封装应当相对重量轻、相对廉价，以制造和/或允许多个安装选项。这种封装的一个示例是将传感器和/或接口模块密封在导热塑料中，如从CoolPolymers,Inc.,NorthKingstown,RI可获的导热液态聚合物。被配置成具有接近钢的热导率的热导率，与金属类似的抗拉强度，而重量（weighting）比钢的一半还少。而且，由制成的传感器模块外壳可以利用注模法来制造，从而导致比制造钢外壳更便宜的制造工序。

每个传感器235a、…、235m被配置成检测与被监测的设备相关联的参数，并且提供作为与该参数相对应的输出传感器数据。传感器可以包括但不限于加速度计、转速计、压力传感器、温度传感器、用于检测油液磨粒（debrisinoil）的传感器、用于检测油液粘度的传感器、应变传感器、声学传感器和/或本领域技术人员已知的其它传感器。加速度计被配置成测量物体的“固有加速度（properacceleration）”，即，与自由落体相关的加速度。加速度计可以被用于检测组件的取向、加速度、振动、冲击和/或降落。加速度计可以被用作结构载荷传感器。例如，被用作结构载荷传感器的加速度计可以为相对低的频率，例如，0.4kHz带宽，并且可以被配置成检测可以与结构损坏相关联的低频（例如，亚赫兹）的振动、模和/或谐振。加速度计技术可以包括基于压电的加速度计，和基于微机电系统（MEMS）的加速度计。例如，MEMS加速度计可以是从AnalogDevices,Inc.,Norwood,MA可获得的ADXL001。ADXL001具有0至32kHz带宽并且显著比基于压电的加速度计更便宜。

转速计可以被用于检测旋转组件（例如，轴、齿轮和/或轴承的部件）的转速。转速计技术包括基于光学传感器的、基于霍尔传感器的、基于发生器（例如，线圈传感器）的转速计以及本领域技术人员已知的其它转速计技术。转速计被配置成按与被监测的旋转组件的转速相对应（例如，成比例）的速率（例如，每转脉冲）提供输出。

例如，对于风力场100来说，每个数据获取子系统115可以包括多个加速度计和一个转速计。转速计可以被配置成检测例如耦接器132的转速。可以将多个加速度计配置成检测例如轴126、主轴承128、变速箱130中的一个或多个齿轮，和/或耦接器132中的振动。接着可以分析所检测的振动数据以确定被监测的组件的条件，风轮机的条件和/或该组件和/或风轮机的剩余可用寿命，如在此所述。

每个接口模块240a、…、240m可以被配置成接收来自相关联的传感器235a、…、235m的传感器数据，并生成至少部分地基于所接收的传感器数据的模块输出数据。该模块输出数据接着可以表示被监测设备的条件。所接收的传感器数据可以是模拟数据。接口模块240a、…、240m可以被配置成将从相应传感器接收到的模拟传感器数据转换成对应数字数据。在一些实施例中，接口模块240a、…、240m可以被配置成分析该模拟和/或数字传感器数据。在这些实施例中，该模块输出数据可以对应于被监测的设备和/或组件的剩余可用寿命。

图4A和图4B是与图2的接口模块240相对应的两个示例性接口模块的功能框图。接口模块240可以包括：电路405、控制器410、收发器Tx/Rx415、DC/DC转换器425和/或保护电路430。接口模块240可以对应于在此讨论的任何数据获取子系统中的任何接口模块。接口模块240可以被配置成接收来自LDC（例如，LDC230）和/或服务器（例如，服务器215）的命令，获取和/或接收传感器数据（例如，来自传感器235），生成至少部分地基于所接收的传感器数据的模块输出数据，以及通过总线（例如，总线225）向LDC230发送该模块输出数据。例如，接口模块240可以包括用于耦接至总线225的端口。在第一示例（图4A）中，在4线总线系统中，如在此所述，接口模块240可以包括四个端口：用于与LDC串行通信的两个端口，和用于接收来自LDC230的电力的两个端口。在另一示例（图4B）中，在双线总线系统中，如在此所述，接口模块240可以包括两个端口：用于与LDC230串行通信并且用于接收来自LDC230的电力的两个端口。在这个示例中，接口模块240还可以包括HPF电路417和LPF电路419，其被配置成分离供电电压Vs与通信（即，数据和/或命令），如在此关于LDC230所述（图3）。

接口模块240还可以包括用于耦接至传感器的端口。例如，接口模块240可以包括用于耦接至传感器的三个端口。例如，第一端口可以是公共接地，第二端口可以被配置用于向传感器提供供电电压和/或电流和/或接收所感测的电流，和/或第三端口可以被配置用于（利用公共地端口）感测电压，例如，可以是高阻抗输入。这些端口可以是例如经由二极管接地的浪涌电压保护端口。

电路405被配置成接收来自相关联的传感器235的传感器数据，并提供至少部分地基于所接收的传感器数据的输出。例如，电路405可以包括模拟数字转换器（“ADC”），其被配置成将模拟传感器数据转换成数字传感器数据，以供存储、分析和/或从接口模块240发送。例如，电路405可以包括在相关联的传感器是加速度计时的ADC，如在此所述。例如，ADC可以是DeltaSigma模拟数字转换器，如从TexasInstruments,Inc.,Dallas,TX可获得的TexasInstrumentsADS1241或ADS1271。ADS1241是24比特、105kHz模拟数字转换器。因为DeltaSigma设计，所以不需要信号调节（例如，防混叠滤波器），允许利用多速率防混叠滤波器来改变ADC的采样率。ADC可以被命令以在希望时按低数据速率收集。不需要对该系统进行增益控制。使用16个最高有效比特，给出8个比特用于增益（例如，增益级1、2、4、8、16、32、64、128和256）。

在另一示例中，电路405可以包括比较器，该比较器被配置成检测所接收的传感器数据中的过零，例如，在相关联的传感器是转速计时。电路405接着可以被配置成提供在传感器输出超过阈值（例如，零）时改变状态（例如，低至高或者高至低）的www.输出。该比较器可以被配置成提供两种稳定状态的施密特（Schmitt）触发器，即，包括滞后。施密特触发器按其改变状态的输入可以取决于输出。电路405的输出可以是在传感器输出数据（即，转速计起跳（takeoff））中的过零处或其附近从低至高或者从高至低的转变的波形。该传感器输出数据接着可以被用于确定旋转组件的转速（例如，每分钟转数RPM），如在此所述。

控制器410被配置成接收来自电路405的输出数据，该输出数据至少部分地基于该传感器数据。如果电路405包括ADC，例如，相关联的传感器是转速计，则数字化传感器数据可以从ADC提供给控制器410。控制器410可以被配置成命令ADC获取传感器数据，并接着可以在完成该获取时读取ADC输出。如果电路405包括比较器，例如，相关联的传感器是转速计，则该比较器的输出可以耦合至控制器410的通用输入/输出端口。控制器410接着可以被配置成确定从开始获取至改变比较器的输出状态的持续时间，并将一个或多个持续时间存储在存储器中。多个持续时间可以被包括在过零的矢量中，如在此所述。以硬件（即，利用如在此描述的比较器）检测过零可以比以软件（例如，通过向ADC提供转速计输出、将ADC输出提供给控制器，以及配置该控制器以通过分析所接收的ADC输出来确定过零）检测过零相对快。

例如，控制器可以是微控制器。例如，该控制器410可以是从MicrochipTechnology,Inc.,Chandler，AZ可获得的PIC17F型微控制器。在另一示例中，控制器410可以是包括浮点单元的Atmel微控制器，例如，从AtmelCorp.,SanJose,CA可获得的AtmelAT32UC3C0512。该浮点单元被配置成以硬件执行浮点计算。这种浮点单元可以提供优于以软件执行的浮点运算的速度益处。控制器410可以被配置成接收、分析、存储和/或输出来自电路405的数据。该输出数据至少部分基于所接收的传感器数据并且可以是数字传感器数据。控制器410可以包括存储器420，该存储器420被配置成存储数字传感器数据和/或基于所接收的传感器数据的输出数据。尽管示出为与控制器410集成，但存储器420可以在控制器410外部并接着可以耦接至控制器410。外部存储器可以是动态RAM（随机存取存储器）并且可以被配置成存储多达一百万的数据点。例如，该外部存储器可以是从MicronTechnologies,Inc.,Boise,ID可获得的MT48H32M16LF32megx16移动RAM器件。

控制器410可以耦接至收发器415，并且可以被配置成向收发器415提供接口模块输出数据，以供在总线（例如，总线225）上向相关联的LDC传送。控制器410可以被配置成接收来自收发器415的数字数据和/或命令，收发器415被配置成编码用于在总线225上传送的模块输出数据和解码经由总线225从LDC接收的命令和/或数据。例如，所接收的数字数据可以包括例如来自相关联的LDC和/或服务器215的命令，以获取传感器数据和/或发送接收的传感器数据和/或模块输出数据。控制器410可以响应于例如来自相关联的LDC（例如，LDC230）的命令。

控制器410可以管理接口模块240的输入和输出中的信息流，例如，命令和/或数据。例如，当相关联的LDC230命令接口模块240获取数据数据时，控制器410可以启用电路405，将传感器数字数据累积（clock）到存储器420中（例如，优于相对高速的获取）和/或使数据流到收发器（例如，收发器415）中。如果控制器410将数据写入至存储器420，则在获取结束时，控制器410可以读取存储器420并将数据发送至收发器415。例如，LDC230可以命令接口模块240收集数据，并接着可以命令接口模块240使数据流回至LDC230，其中，该数据可以被制备以经由网络210向服务器215传送。例如，网络210可以是以太网。

例如，当传感器235是加速度计时，电路405可以包括ADC，如在此所述。控制器410接着可以启用ADC，并将该ADC的输出累积到存储器420中，和/或使ADC的输出流动到收发器415中。如果将ADC的输出存储在存储器420中，则控制器410可以被配置成，例如，响应于来自LDC230的命令来分析所存储的ADC输出数据。

在另一示例中，当传感器235是转速计时，电路405可以包括施密特触发器，其输出被配置成至少部分地基于转速计输出来改变状态，如在此所述。在这个示例中，控制器410可以被配置成，接收施密特触发器的输出，确定过零点之间的时间，以及生成过零时间的矢量。控制器410还可以被配置成至少部分地基于过零时间的矢量来确定转速（RPM）。控制器410可以被配置成，例如，响应于来自LDC230的命令，将过零时间的矢量和/或转速存储在存储器420中，和/或将过零时间的矢量和/或转速提供给收发器415，以从接口模块240输出。

例如，收发器415可以被配置用于利用RS-485协议发送和接收串行数据，如在此所述。例如，收发器可以是RS-485接收器/发送器，如从TexasInstruments,Dallas,TX可获得的TexasInstrumentSN65HVD21。RS-485协议因其通常对于电磁干扰不敏感而可以在航空和其它相对严峻的电气环境中使用。

DC至DC转换器425可以被配置成将输入电压（例如，24Vdc或28Vdc）转换成与电路405、控制器410和/或收发器415兼容的供电电压。例如，DC至DC425转换器可以将输入电压转换成5伏特。在另一示例中，DC至DC转换器425转换器可以将输入电压转换成3.3伏特。可以将传感器（例如，加速度计）配置成利用例如28Vdc的供电电压来操作。DC至DC转换器425可以辅助通过总线225向每个接口模块240提供供电电压，例如，28Vdc，并且从该输入电压向接口模块240中的组件供电。换句话说，可以将一个电压输入至接口模块240，并且该接口模块240经由DC/DC转换器可以被配置成向其组件和/或向传感器提供多个电压。

保护电路430被配置成保护耦接传感器例如不经受过电压和/或过电流条件。例如，保护电路430可以包括电流限制电路。该电流限制电路可以被配置成向传感器（例如，加速度计）提供电流限制电力。

数据获取

图5是用于利用传感器模块进行数据获取的示例性流程图500。程序流可以在起点505开始。可以确定510是否已经接收到获取数据的命令。如果已经接收到获取数据的命令，则可以启用515电路（例如，电路405）和/或控制器（例如，控制器410）。例如，ADC可通过控制器来启用（例如，当传感器是加速度计时）。接着可以获取520数据，例如，控制器可以读取ADC。在另一示例中，响应于获取的命令，在操作520，控制器可以检测和/或确定开始获取与状态改变（例如，针对控制器的输入部上的电压水平的改变）之间的持续时间。换句话说，在操作520获取数据可以包括过零检测（例如，在传感器是转速计时），如在此所述。

接着，可以确定525是否将所获取的数据存储在本地存储器中。例如，对于相对高速的数据获取来说，所获取的传感器数据可以存储在例如控制器410中的本地存储器中。对于相对低速的数据获取来说，可以使模块输出数据（例如，数字化传感器数据）流至相关联的LDC。如果确定不将数据存储在本地存储器中，则可以将数据输出530至收发器。接着，可以确定535数据的末尾是否已经达到。如果数据的末尾未达到，则程序流可以返回以获取数据520。如果数据的末尾已经达到，则程序流可以返回至确定510是否已经接收到用于获取数据的命令。如果确定将数据存储在本地存储器中，则可以将数据存储540在本地存储器中。接着，可以确定545数据的末尾是否已经达到。如果数据的末尾未达到，则程序流可以返回以获取数据520。如果数据的末尾已经达到，则可以将模块输出数据输出550至收发器。接着，程序流可以返回以确定510是否已经接收到获取数据的命令。按这种方式，可以获取传感器数据并将其存储和/或提供给收发器。

再次转至图2，如在此所述，每个LDC230a、…、230n可以被配置成经由网络210将相关联的数据获取子系统205a、…、205n耦接至服务器215。例如，LDC可以包括到以太网桥的RS-485，如到以太网适配器的Net485智能RS485，或到以太网通信装置的OpenNetCom423RS－485。这些示例性LDC使用ARM-9型处理器。LDC可以向每个相关联的传感器模块（具体来说，传感器模块的接口模块）提供MAC（介质接入控制）。RS-485标准不提供MAC协议。在此，总体上对可用于相对鲁棒的数据获取系统（可用于与本公开一致的基于条件的维护）的MAC进行定义。可以利用MAC来防止多个传感器模块尝试同时接入总线，即，可以被用于防止冲突。

示例性命令协议

例如，MAC协议可以包括命令和响应结构，其中，服务器控制与LDC和/或传感器模块（“装置”）的通信。对于每个通信来说，服务器可以向LDC和/或传感器模块发出命令，并且LDC和/或传感器模块可以响应。对传感器模块的通信可以包括两个部分：服务器至LDC，和LDC至传感器模块。传感器模块利用它们的相关联的耦接口模块被设置成响应于来自相关联的LDC的命令。该传感器模块可以不启动与相关联的LDC的通信。来自传感器模块的消息由此可以响应于来自LDC的请求和/或命令。例如，LDC可以接收被定向至相关联的传感器模块的命令和/或请求。LDC接着可以将该命令和/或请求中继至传感器模块。该命令和/或请求可以命令该传感器模块获取传感器数据、分析所接收的传感器数据和/或发送模块输出数据。模块输出数据可以是被检测的组件和/或机器的条件的代表，如在此所述。因此，每个命令可以包括LDC前缀和装置（即，传感器模块）命令。下面，对示例性MAC协议定义进行阐述。

MAC协议定义

该MAC协议是其中服务器可以控制与LDC和传感器模块（“装置”）的通信的命令/响应方法。对于每个通信来说，服务器向装置发送命令，并且该装置响应。

命令消息结构

因为对装置的所有通信是两步骤处理，服务器=>LDC=>传感器模块，所以每个命令都是两部分，LDC前缀和装置命令。

LDC命令前缀

图6示出了LDC前缀的格式。对于专用于LDC的命令来说，LDC前缀之后的数据字节包括LDC命令特定数据。对于所有装置命令来说，LDC前缀之后的数据字节包括装置命令。当通过LDC接收到命令时，其将处理LDC命令或者在所指示的信道上将该消息的装置命令部分转发至该装置。表1中示出了针对LDC命令前缀的字段定义。

表1：LDC前缀字段定义

传感器模块（装置）命令

图7示出了用于传感器模块（接口模块）的命令集。表2中示出了对传感器模块命令的字段定义。

表2：传感器模块命令字段

LDC响应消息结构

图8中示出了源自LDC的响应的结构。对于作为LDC特定命令的命令来说，该LDC如图所示响应。对于经过LDC直至传感器模块的命令来说，LDC静默并且响应直接来自被寻址的装置。表3中示出了对LDC响应的字段定义。

表3：LDC响应字段定义

传感器模块响应结构

图9中示出了源自传感器模块的响应的结构。表4中示出了针对传感器模块命令的字段定义。

表4：传感器模块响应字段

字节排序

包含大于单字节的值的消息字段将按高字节在前低字节在后的网络字节次序被发送。

命令/响应

LDC命令

存在两个LDC命令、信道设置、和指示向一装置转发指示装置命令的命令。

LDC响应

对于其中LDC响应的那些命令来说，其发送以下响应代码之一：0x0000-成功或0xFFFF-失败。在失败的情况下，响应特定数据是针对该命令指示的特定失败信息。

信道设置命令

该信道设置命令在该信道上设置针对任何随后命令的信道状态。

信道设置串由四个字段构成，其指示要应用至该信道的设置。因为该信道当前为串行接口，所以该设置由以下字段构成。串行类型，在第一字符位置中由“2”或“4”指示的232或485。

作为指示端口速度的整数值的BAUD速率后面是字符“K”。要应用的奇偶性为单一字符：

“N”用于非奇偶性；

“E”用于偶数奇偶性；

“O”用于奇数奇偶性；

“M”用于标记奇偶性；

“S”用于空间奇偶性。

数据比特的数量作为整数值，典型为8。停止比特的数量为“0”、“1”，或“2”。一些示例：

2115KN81=232模、115K波特、非奇偶性、8数据比特，1停止比特。

43600KO82=485模、3.6M波特、奇数奇偶性、8数据比特，2停止比特。

装置命令

LDC装置命令向LDC通知：在要在该命令中指示的信道上发送的LDC命令的数据部分中存在装置（即，传感器模块）特定命令。LDC不响应该命令。

命令代码	0x02
		类型	LDC前缀
命令特定数据	装置命令。
		响应代码	无
响应特定数据	无

传感器模块命令

以下段落中示出了用于传感器模块的命令和响应，其中，“传感器模块”和“装置”可互换地使用。每个传感器接口至RS-485串行接口模块并受其控制，RS-485串行接口模块设置并控制特定传感器的数据获取。RS-485装置附接至特定多分支式信道上的LDC。跟着的命令和响应被寻址到执行通用设置功能的所有装置，或者寻址到设置、执行获取（即，获取传感器数据）、检索传感器数据、发送传感器数据和/或模块输出数据，和/或分析所获取的传感器数据的特定装置。

传感器模块响应

对于其中传感器模块响应成功或失败的那些命令来说，传感器模块可以发送以下响应代码之一：0x0000-成功，0xFFFF-失败，或者0xFFFE-CRC失败。在失败的情况下，该响应可以包括响应特定数据，如针对该命令指示的特定失败信息。

设置端接命令

该设置端接命令被用于使能实现RS485多分支式配置中的端接电阻器。

设置响应延迟命令

该设置响应延迟命令被用于设置在接收485多分支式总线上的命令与响应于该命令之间的延迟。因为485总线是半双工实现，所以其允许总线主控时间（busmastertime）从发送向接收模式改变。总线上的装置不响应该命令。

设置序列号命令

该设置序列号命令被用于设置装置将响应并且报告的序列号。例如，响应于设置序列号命令，传感器模块可以将唯一序列号写入（即，存储）至接口模块中的非易失性存储器。该命令可以在其中仅具有总线主控器（例如，LDC）和总线上的一个装置的离线环境中使用。

命令代码	0x0003
		类型	装置特定
命令特定数据	无或可以指定序列号
		响应代码	0x0000－成功，或0xFFFF-失败
响应特定数据	无

设置自动范围命令

该设置自动范围命令被用于计算针对该装置的自动范围值。该自动范围值是24比特ADC缓冲器内的16比特采样的最低有效比特或起始比特。

设置增益命令

该设置增益命令被用于设置装置的增益。

命令代码	0x0005
		类型	装置特定
命令特定数据	4字节无符号值?
		响应代码	0x0000－成功，或0xFFFF-失败
响应特定数据	无

设置采样率命令

该设置采样率命令被用于通过按每秒采样数设置采样率来设置由该装置收集的每个采样之间的时段。

设置采样计数命令

该设置采样计数命令被用于针对下一个启用来设置由该装置收集的采样的总数。

获得序列号命令

该获得序列号命令被用于确定一信道上所有连接装置的序列号。多分支式网络上的每个装置利用其序列号来响应。使用冲突避免来确保所有装置都可以成功响应。该序列号可以嵌入该响应中，而非响应特定数据中。

命令代码	0x0008
		类型	装置广播
命令特定数据	无
		响应代码	0x0000－成功，或0xFFFF-失败
响应特定数据	无

获得配置命令

该获得配置命令被用于检索装置的当前设置配置。出于调试的目的，可以按用户友好方式来显示该字符串。

获得状况命令

该获得状况命令被用于检索指示该装置的状态的一组格式化状况标志。

休眠命令

该休眠命令被用于禁止针对装置的数据收集。为了允许多个装置执行同步收集，所有装置都可以被置于“休眠”模式下，接着，某一组单个装置可以利用“准备获取”命令来启用。仅由“准备获取”命令寻址的那些装置可以响应于随后的“开始获取”命令。

命令代码	0x000b
		类型	装置广播
命令特定数据	无
		响应代码	无
响应特定数据	无

准备获取命令

该准备获取命令被用于使能实现针对装置的数据收集。为了允许多个装置执行同步收集，所有装置都可以被置于“休眠”模式下，接着利用“准备获取”命令来使能一组单个装置。仅由“准备获取”命令寻址的那些装置响应于随后的“开始获取”命令。

命令代码	0x000c
		类型	装置特定
命令特定数据	无

响应代码	0x0000－成功，或0xFFFF–失败
		响应特定数据	无

开始获取命令

该开始获取命令被用于触发针对装置的数据收集。可以按由“设置采样率”命令设置的速率，并且针对由“设置采样计数”命令设置的采样数来获取数据。当采样收集完成时，该装置可以发送指示获取成功或失败的响应。

命令代码	0x000d16 -->
		类型	装置特定
命令特定数据	无
		响应代码	0x0000－成功，或0xFFFF–失败
响应特定数据	无

发送获取数据命令

该发送获取数据命令被用于读取由装置收集的数据。总线主控器（例如，LDC和/或服务器）可以请求数据，并且作为响应，装置发送数据。在收集完成之后，总线主控器（例如，LDC）可以请求数据包，直到接收到被收集的所有数据为止。总线主控器（例如，LDC）可以通过控制所请求的数据的偏移（offset）来控制特定数据集的重发。

对于被配置成获取传感器数据、分析所获取的传感器数据（例如，通过传感器模块），和/或发送模块输出数据的数据获取子系统来说，例如从LDC至相关联的传感器模块的命令可以包括以下命令。

设置序列号：被配置成使传感器模块将唯一序列号存储在非易失性存储器中。

设置硬件版本：被配置成使传感器模块将硬件版本号存储在非易失性存储器中。

设置针对具有给定序列号的传感器的位置：每个传感器与一特定位置相关联。在配备（rigging）期间，可以设置传感器位置。因此，用于执行特定操作的命令与一位置相关联。

设置端接。默认地，端接为真：配置文件可以提供可以接着设置端接的位置。

设置配置：被配置成使传感器模块将配置文件上传至LDC和/或服务器。

传感器模块响应：该传感器模块可以响应成功、失败和/或命令-特定响应。

准备获取：传感器模块可以被命令例如基于自最后获取起的时间和大于阈值的参数（例如，RPM）来准备获取数据。该传感器模块可以不发送响应。准备获取命令可以包括更新系统时间，可以“唤醒”传感器模块，并且可以使该传感器模块启动预采样。

获取：命令传感器模块获取数据。不需要来自传感器模块的响应。可以使传感器模块获取传感器数据和/或在存储器中（传感器模块中）存储比特数，例如，16。

获得针对一位置的序列号：在配备时，即，配置数据获取子系统时，该位置可以为空（NULL）。配备程序被配置成请求具有NULL位置的传感器模块的序列号。最新的传感器模块可以具有NULL位置，并接着可以在合适时被指配一位置。

获得硬件版本：请求传感器模块的当前硬件版本号。

获得软件版本：请求传感器模块的当前软件版本号。

获得配置版本：请求传感器模块的当前配置版本号。

获得配置，全部：请求与传感器模块相关联的全部配置数据。

获得配置，动态：请求最后获取的日期和/或时间以及最后增益设置。

获得分析数据：请求传感器模块发送与所分析最后数据相关联的结果。可以包括条件指示符（CI）数据和/或健康指示符（HI）数据，如在此所述。如果该分析尚未完成，则该传感器模块可以发送“失败（Failure）”。

获得时间同步平均：请求针对特定传感器模块的最后有效时间同步平均（TSA）。

获得轴承频谱：请求针对给定传感器的最后有效轴承频谱。轴承频谱对应于TSA数据的滑动窗口、和被配置成提供有限历史（例如，最后m个结果）的轴承频谱（即，包络频谱）。轴和齿轮分析可以根据TSA数据被重新构造。

获得原数据：从针对指定传感器的最后有效数据获取来请求所获取的传感器数据。

设置流动原数据采样率：无需说明。

设置流动原数据采样长度：无需说明。

流动原数据：命令特定传感器模块利用全增益来流动原数据（即，所获取的传感器数据）。

获得比特（BIT）：请求执行机内测试。

获得调试信息

获得RPM：命令具有作为传感器的转速计的传感器模块计算当前RPM。

发送转速计数据：请求具有作为传感器的转速计的该传感器模块发送以下数据：

相对过零的矢量；

采样时段期间的平均RPM；

采样时段期间RPM的标准偏差；以及

每转脉冲数。

典型地，LDC至传感器模块命令导致传感器模块与相关联的LDC之间的数据传递。响应于发送转速计数据命令，其它（非转速计）传感器模块被配置成接收和存储转速计数据，包括用于分析的RPM。例如，包括加速度计的传感器模块可以利用用于分析加速度计数据（例如，振动数据）的转速计数据。应注意到，该命令导致传感器模块至传感器模块的通信。换句话说，发送转速计数据命令还命令相关联的加速度计模块捕获（即，接收）来自总线的发送转速计数据。

尽管一些协议定义指加速度计和/或转速计，但本领域普通技术人员应当清楚，可以将该协议应用于任何传感器。包括在命令中的特定字段可以取决于特定传感器。

按这种方式，从服务器至LDC和/或相关联的装置的命令可以从服务器发送至LDC，并且根据该命令发送至一个或多个相关联的装置。该服务器接着可以控制数据获取和/或可以接收用于分析的数据。数据分析的结果接着可以被用于确定和/或评估组件和/或被监测机器和/或设备的条件、状况和/或状态。根据本公开一般配置的系统可以允许服务器远离被监测机器和/或设备定位，以使该服务器可以不需要抵抗严峻环境。

例如，与本公开一致的系统可以被用于针对风轮机的基于条件的维护。针对风轮机的基于条件的维护监测可以包括许多类型的监测。例如，该监测可以包括超标监测。超标监测可以包括：记录参数数据，并标识被监测组件何时超出标称操作条件。该参数数据典型地按低速率（例如，15sps或更小）采样。可以记录超标的程度和长度。针对超标可以监测的参数的示例包括：油温、RPM、轮机与风之间的偏航角差、风速等。

监测可以包括机械诊断/预报（MD）。MD监测可以包括利用合适的配置数据来处理振动数据，以确定旋转机械的当前和未来状态。典型地讲，这可以包括轴、齿轮以及轴承的健康。传感器可以是可以相对昂贵的工业加速度计。例如，现有系统（包括传感器和获取系统）典型地按大于50KSPS来采样，并且可以花费$1000信道。MD可以辅助“按条件”维护实践和“机会性维护”，其中，维护可以针对将在未来超出容差的组件预防性地进行，但可以因操作考虑而便利地执行维护。

监测可以包括操作使用率（OU）。OU监测可以包括有关机器和/或设备的累计使用率。典型地讲，OU可以包括操作小时。OU可以包括功率小时和/或使用率的另一度量。历史上，OU典型为用于安排维护实践的驱动器。

监测可以包括结构使用率监测。结构使用率监测可以包括利用表示载荷的参数数据（如风速、功率输出、轮机RPM、风偏航角等），以确定轮机的操作阶段（regime）。对于寿命有限的部件来说，与该阶段相关联的损坏可以积累在序列化部件上。这可以被用于在基于传统操作使用率的维护系统上延长翻修之间的时间。损坏因子可以从设计载荷和/或通过测试（如结构载荷监测）来确定。

监测可以包括结构载荷监测。结构载荷监测可以包括直接测量寿命有限的部件上的载荷。例如，该测量可以利用应变计和/或光纤（例如，布拉格光栅）来进行。典型地讲，这被应用于少量单元。该数据，连同仪表（例如，参数数据），可以被用于证实结构使用率监测能力。

监测可以包括结构健康监测。结构健康监测可以包括使用有源（例如，导波或体波超声）和/或无源（例如，声发射）传感器来检测针对临界结构的损坏。因为技术挑战，所以这种类型的监测可以适于其中服务历史已经标识出可能需要新的和/或繁重检查的设计问题的老化结构。

与本公开一致的系统和方法可以被配置用于在此描述的监测策略中的任一个或多个。监测策略可以在系统设计中被添加相对最小的改变。与本公开一致的系统可以通过添加耦接至总线和LDC的附加接口模块辅助添加传感器来提供灵活性，如在此所述。传感器可以是模拟和/或数字的，如在此所述。接口模块可以被配置成数字化模拟传感器数据，并将该数字数据提供给相关联的LDC以向服务器发送。接口模块可以被配置成分析如在此描述的获取的传感器数据。服务器可以被配置成接收数字数据并且可以被配置用于数据分析、用户接口和/或工程研究。

例如，与本公开一致并且被配置用于例如监测风轮机的系统可以被配置用于获取参数和/或振动数据。例如，该系统可以包括被配置用于监测变速箱、发电机、输入轴和/或主轴承的大约12个至大约20个加速度计。LDC可以被包括并被配置为针对以太网桥的RS-485，用于管理和/或收集参数和/或振动数据。这种系统可以包括：+/-10%准确度的12至20个工业加速度计、用于转速计拾取的霍尔传感器、针对每个加速度计和转速计的相对高速（例如，105kHz）的16比特接口模块、针对被监测的每八个参数的相对低速（例如，15SPS）的16个接口模块、用于高速传感器的线束、用于低速传感器的线束、用于连接到现有基础结构中的以太网线缆、以及服务器应用。

示例性配置数据

在一些实施例中，每个传感器模块可以被配置成分析所获取的传感器数据，如在此所述。每个接口模块接着可以包括被配置成分析所获取的传感器数据的应用程序（例如，存储在存储器中）。为了使传感器数据和/或模块输出数据与特定组件和/或特定机器相联系，可以利用配置数据来标识和/或指定该特定组件和/或与该组件和/或分析相关联的参数。该配置数据可以是机器专用的，并由此可以修改在此描述的配置数据，同时仍处于本公开范围内。

例如，服务器存储器254和/或服务器存储部256可以被配置成存储针对每个数据获取子系统205的配置数据。在另一示例中，LDC230中的存储器307和/或接口模块240中的存储器420可以被配置成存储针对相关联的传感器模块的配置数据。配置数据可以包括LDC地址、和与每个LDC相关联的接口模块地址。配置数据可以分析性地描述组件与被监测系统之间的物理关系。配置数据可以包括对用于条件指示符和/或健康指示符计算的特定算法的指示，如在此所述。

与每个LDC相关联的配置数据包括：站点位置、与和LDC相关联的塔相对应的塔标识符、塔类型、发电机型号和/或类型、传感器数量n。每个LDC可以与至少两种类型的传感器相关联：振动传感器模块（即，加速度计传感器模块（“CAM”））和转速计传感器模块（“CAT”）。与转速计传感器模块相关联的配置数据包括与转速计起跳相关联的每转脉冲数（即，转速计输出）。每个LDC可以进一步与其它类型的传感器模块（例如，油液磨粒传感器、油液粘度传感器、应变传感器、声传感器和/或其它传感器）相关联。

与针对变速箱类型的每个被监测组件（例如，轴、齿轮、轴承、传感器）相关联的配置数据可以包括健康指示符ID。与每个健康指示符ID相关联的配置数据可以包括：供在HI计算中使用的条件指示符（CI）的索引，要被应用至用于HI计算的CI的标度值的矢量，和/或要被应用至用于HI计算的CI的偏移值的矢量。

与每个CAM相关联的配置数据可以包括相关联的名称和/或位置和/或健康指示符ID。每个CAM可以被配置成分析从1至j个轴。

与每个轴相关联的配置数据包括：轴名称、与转速计相关的轴比率、轴采样率（SR）、轴采样持续时间（SD），和/或健康指示符ID。例如，轴采样持续时间乘以轴采样率的乘积可以产生许多数据点。每个轴可以具有0至k个相关联的齿轮。

与每个齿轮相关联的配置数据包括：齿轮名称、齿数、与齿数相关的带宽，和/或健康指示符ID。例如，对于具有32个齿和带宽为4的齿轮来说，如在此所述，可以针对该齿数每侧按32/4=8FFT（快速傅立叶变换）“点位（bin）”，即，点位24（32减8）到40（32加8））执行分析。

与每个加速度计传感器模块相关联的配置数据包括从0至l个相关联的轴承窗口和例如从转速计传感器模块接收到的RPM。对于每个轴承窗口和采样率来说，可以针对输入处理公共频谱，以生成针对每个轴承的、具有公共窗口和采样率的轴承CI。轴承窗口对应于轴承包络分析中的通带频率。

与每个窗口相关联的配置数据包括从0至m个轴承。

与每个轴承相关联的配置数据包括：轴承名称、轴承健康指示符ID、滚珠（ball）比率、隔圈（cage）比率、内座圈（race）比率、外座圈比率，和/或上和下窗口频率。

与每个健康指示符相关联的配置数据包括：健康指示符ID值、表示（标识）可以在HI计算中使用的CI的条件指示符索引的列表、偏移值列表、和/或定标值列表。健康指示符可以基于1个CI与n个CI之间来确定。对于在HI计算中使用的CI来说，存在与偏移值的一对一映射。对于n个CI值来说，存在m个定标值，其中，m=SUM（l：n）。

一般来说，配置数据是收集的与被监测设备和/或机器、被配置成执行要针对所获取传感器输出数据执行的监测和/或分析的数据获取子系统有关的数据。该配置数据中的特定信息可以取决于被监测设备和数据获取子系统的特定部件。配置数据可以被基于条件的监测系统和/或数据获取子系统使用，以指定在执行数据获取和/或分析中利用的参数。可以用户定义该配置数据的至少一些元素。

配备是将CAM传感器装配到网络中的工序。每个CAM装置都可以被递送而不需要配置数据集。配备功能被配置成通过将每个CAM（或CAT）装配到网络上、标识传感器、指配该传感器的方位/ID，以及上传该网络上针对该方位的合适配置来逐步安排（step）用户。该配备应用还考虑到如果传感器发生故障，则改变该传感器以进行维护。

配置步骤可以包括：连接传感器并发送命令，以获得传感器的序列号。最初，传感器位置为空并且被端接。该命令可以返回一序列号。LDC接着可以将该序列号与第一位置相关联。位置ID、位置ID配置接着可以被上传，并且如果该位置ID不是末端，则可以将该端接设置成“假”。接着，可以添加下一个传感器。

示例性方法

图10A到10C是与本公开一致的、用于数据获取和/或分析的示例性流程图。图10A是用于可以通过LDC执行的操作的流程图1000。图10B是可以通过服务器和/或LDC执行的流程图1020。图10C是可以通过传感器模块和/或服务器执行的操作的流程图1040。

转至图10A，程序流可以在起点1002开始。可以确定1004是否已经从服务器接收到命令。如果已经接收到命令，则接着可以确定1006该命令是被定向至LDC还是装置（即，传感器模块）。如果该命令被定向至LDC，则LDC可以响应于命令1008。接着，程序流可以返回以确定是否已经从服务器接收到命令。如果该命令被定向至装置，则LDC可以将该命令传递1010至该装置（或多个装置）。接着，可以从装置接收1012响应。本领域普通技术人员应当清楚，该操作可以包括确定是否已经接收到响应和/或等待响应。接着，可以将响应发送1014至服务器。接着，程序流可以返回以确定是否已经从服务器接收到命令。

转至图10B，程序流可以始于开始1022。所有装置（即，传感器模块）可以被命令1024休眠。例如，如果没有要获取的数据，则所有装置可以被命令休眠。休眠可以对应于低功率模式。接着，可以启用1026所选定的一个或多个装置。所选定的装置接着可以被命令1028获取数据。所选定的装置接着可以被命令1030发送所获取的数据。接着可以存储1032所获取的数据。例如，服务器和/或LDC可以提供这些命令，并且可以被配置成接收和/或存储所获取的数据。

转至图10C，程序流可以始于开始1042。可以分析1044存储的数据。可以例如基于所分析的数据和/或分析来生成1046统计信息。接着，可以例如基于所存储和/或分析的数据来更新1048组件的当前状态。接着，可以更新1050该组件剩余可用寿命。

条件指示符/健康指示符

应用程序可以被配置成处理使用率和/或状况，即，传感器输出（例如，振动）数据，其可以被用于更新由数据获取子系统监测的组件的状况。在一些实施例中，传感器模块中的控制器（例如，控制器305）可以被配置成处理（例如，分析）使用率、状况和/或传感器输出（例如，振动）数据。在一些实施例中，服务器可以被配置成处理和/或分析健康和/或传感器输出（例如，振动）数据。例如，可以存在两种类型的指示符：条件指示符（CI）和健康指示符（HI）。CI指示符可以通过将传感器数据（例如，振动数据和/或基于传感器数据的数据）变换成统计信息而产生，其可以表示组件（如轴、齿轮、轴承或传感器本身）的条件。HI可以使用一个或多个CI和/或配置数据，来更新该组件的当前状态，并且可以被用于提供针对该组件的剩余可用寿命。

例如，传感器模块和/或服务器中的存储器可以被配置成存储来自每个传感器的原数据，和/或针对每个被监测组件的经处理的（例如，CI和/或HI）数据。例如，历史性原振动数据可以被存储并且可以用于开发和/或精细化CI和HI算法。可以将CI/HI数据存储在服务器存储器中，以允许用于标绘、趋势化、以及车队（fleet）比较CI/HI数据的相对快速检索，以供分析和物流计划。

条件指示符（CI）被配置成将推论（inference）设置到被监测组件和/或传感器的健康（即，条件）中。条件指示符可以至少部分地基于对获取传感器输出数据的统计分析和/或确定性分析。例如，对于风轮机（和/或其它旋转机械）来说，条件指示符可以包括：轴指示符、齿轮指示符、轴承指示符以及传感器指示符。健康指示符（HI）可以至少部分地基于一个或多个条件指示符。健康指示符被配置成提供对被监测组件的健康（条件）的测量值，其接着可以在确定剩余可用寿命的估算中利用，如在此所述。统计分析包括：

RMS：均方根误差

RMS = \sqrt{1 / n Σ_{i = 1}^{n} {(x_{i} - E [x])}^{2}},

峰度：

Kurt = (1 / n Σ_{i = 1}^{n} {(x_{i} - E [x])}^{4}) / {(1 / n Σ_{i = 1}^{n} {(x_{i} - E [x])}^{2})}^{2} - 3,

峰到峰：P2P＝(max(x)-min(x))/2，以及

波峰因数：CF＝P2P/RMS。

E[x]对应于数据的矢量中的数据值的期望值（即，均值），其中，x对应于该数据的矢量。x_i对应于该数据的矢量中的第i个数据值（即，一个采样），其中，i是索引，而n是该数据的矢量中数据值（即，采样）的数量。该数据可以是传感器数据，和/或可以至少部分基于获取的传感器数据。例如，该数据的矢量中的数据值的数量n可以涉及旋转轴的转数。接着可以基于旋转轴的转数来计算E[x]。基于旋转轴的转数计算条件指示符被配置成考虑轴的转速的变化，如在此所述。

均方根误差（RMS）被配置成提供对数据的矢量中的数据值与数据的矢量的均值之间的变化的指示。峰度被配置成提供对数据的矢量中的数据值与均值之间的变化是由于相对更少、相对大的差异还是由于相对更多、相对小的差异所造成的指示。峰到峰被配置成提供数据的矢量的值范围的指示。波峰因数被配置成提供值范围与均方根误差值的比率。

CI被配置成增加与被监测组件相关联的故障签名的信噪比。一般来说，特定故障签名取决于被监测组件（例如，轴、轴承或齿轮）。

例如，轴故障可以被表征为在轴阶1（失去平衡）、轴阶2（曲轴）和/或轴阶2和3（耦接失败）的改变。齿轮故障可以被表征为四种基本故障模式：因齿面表面点蚀和/或剥落而造成的增加的噪声、因软和/或破裂齿而造成的周期性碰撞、由因软和/或破裂齿而造成的不均匀荷载导致的齿轮啮合音调的振幅和/或频率调制、和/或因齿轮失配而造成的边带调制和/或不追随（hunting）。轴承故障可以被表征为因轴承部件（例如，滚珠、内座圈、外座圈和/或隔圈）的剥落和/或点蚀而造成的经调制的碰撞。

获取的传感器输出数据的确定性分析可以被用于辅助被监测组件和/或机器中的故障检测。确定性分析包括：信号平均、残差、能量算子、窄带信号、振幅调制、频率调制、品质因数、边带调制、G2分析以及轴承包络分析。

图11是例示与本公开一致的确定性分析的示例性流程图1100。假定传感器数据已经被获取并且可用于分析。由此，可以用传感器数据1105开始流程。可以执行1110时间平均。例如，可以针对获取的传感器数据确定时间同步平均，如在此所述。可以针对时间平均传感器数据执行1115傅里叶变换（例如，快速傅里叶变换（FFT）），以确定频谱（频谱数据）。例如，齿轮啮合音调对应于例如由齿轮传感器所获取的振动数据中的频率。频谱数据接着可以在操作1120被操纵。例如，可以确定残差。残差是消除（例如，通过设置成零）该频谱中的一个或多个谐波（“点位”）的结果。接着可以通过例如执行逆傅里叶变换1125将该结果从频域变换成时域。接着可以在操作1130分析时域矢量。

信号平均：信号平均（SA）是一种信号处理技术，其被配置成从噪声数据提取周期性波形。在变速箱分析中，例如，SA可以允许被分析的齿轮的振动签名与变速箱中的、和被分析的齿轮不同步的其它齿轮和噪声源分离。可以校正可能导致频谱能量扩散到相邻齿轮啮合点位的轴速的变化。

例如，可以将时间同步平均（TSA）用于从获取的传感器数据来生成平均信号，即，平均传感器数据的矢量。例如，对于风轮机（例如，风轮机110）来说，传感器模块可以包括转速计传感器模块（CAT）和许多加速度计（例如，振动）传感器模块（CAM）。该CAT被配置成检测耦接器和/或轴的转速（例如，RPM）。CAM被配置成检测与轴、齿轮，和/或轴承相关联的振动。至少部分基于转速计起跳（即，转速计输出），可以确定针对轴的RPM。

TSA被配置成提供基于例如轴的旋转的信号平均。该CAM被配置成以采样率r获取振动数据，同时CAT在获取该轴的转速。例如，获取时段（即，获取的持续时间）可以处于2秒至10秒的范围。轴的转速在获取期间可以改变。因为CAM的采样率r在获取期间大致恒定，所以每转（REV）振动数据的采样数可以因轴的转速变化而改变。与轴的一转相对应的每个传感器数据的矢量可以被“重新采样”（即，内插），以生成全部具有相同采样数（例如，n）的重新采样的传感器数据的矢量。接着，可以将重新采样的传感器数据的矢量平均，以生成信号平均值，即，平均的重新采样的传感器数据的矢量。因此，平均的重新采样的传感器数据与轴和/或齿轮同步，而不取决于可变载荷和/或RPM。换句话说，轴和/或齿轮振动数据通常与轴RPM同步，并且TSA被配置成在平均的振动数据中保持该数据，并且减小将频谱能量扩散到例如用于齿轮啮合的相邻点位中的可能性。

图12是例示包括TSA的轴分析的图形化流程图1200。CAM传感器输出数据（原信号）1205可以利用时间同步平均和CAT输出数据（测速信号（TachSignal））1210（即，过零矢量）而被平均化1215。接着，可以对平均化的重新采样传感器数据的矢量1220进行分析1225，确定性地分析1229和/或统计上分析1227，如在此所述。

残差算法。残差或差信号是被用于通过去除强声来改进故障信号的信噪比的技术。残差针对信号平均（SA）（例如，TSA）进行运算，并且可针对轴上的齿轮所标识的、生成该SA的故障敏感。例如，（第一）残差可以计算如下。可以执行SA的频谱，例如，可以针对来自监测特定组件（例如，齿轮）的传感器的平均信号执行FFT（快速傅立叶变换）：FSA=fft(SA)。接着，可以利用平均化信号的FFT的绝对值来计算均值和标准偏差：aFSA=abs(FSA)，mFSA=mean(aFSA)，sFSA=RMS(aFSA)。接着，可以基于该平均化信号的FFT的均值和标准偏差来确定针对强声的阈值（T）：T=mFSA+2＊sFSA。接着，可以将aFSA>T的频谱值设置成零。接着，残差可以是所得频谱的逆快速傅里叶变换。

能量算子（EO）是对SA的自相关的度量。

例如，表面粗糙度和/或软和/或破裂齿可以具有相对低的自相关：对于i＝1：n-1EO_i＝SA_i×SA_i-SA_i-1×SA_i+1。SA是平均传感器数据的矢量，而SAi是SA矢量中的第i个元素。

窄带信号是一类残差信号（例如，第二残差），其中，可以去除与齿轮啮合不相关联的音调（即，频率）。窄带信号的带宽对应于未去除的齿轮啮合的任一侧上的多个齿轮啮合点位。窄带信号的统计信息可以指示（即，可以表示）软和/或破裂齿。

齿轮的振幅调制（AM）对应于窄带信号的希尔伯特（Hilbert）变换的绝对值。窄带信号的统计信息可以指示（即，可以表示）软和/或破裂齿。

齿轮的频率调制（FM）对应于窄带信号的希尔伯特（Hilbert）变换的标准化角。对于某些齿轮架构来说，频率调制可以比振幅调制更灵敏。

品质因数算法可以被用于检测齿轮磨损。品质因数对应于二次谐波齿轮啮合音调与齿轮啮合音调的比率。

边带调制算法可以用于检测齿轮失配。虽然失配可以不被视为齿轮故障，但失配状态下的连续操作增加了齿接触载荷并且可以最终导致过早齿轮故障。相对大的边带调制值可以是建立不适当发送的指示符和/或发送频带已经移位的指示符，该维护可以被校正。

G2分析可以对软和/或破裂齿轮齿敏感。其是SA峰到峰值与齿轮啮合音调的比率。

图13是例示齿轮故障处理的流程图1300。该流程图1300以图形方式例示了在此描述的平均信号（信号平均）1305、确定性分析的效果。“平均化信号”对应于包括传感器输出数据的许多平均值的数据的矢量。图13所示的波形是关于时间（和/或采样）的波形，除非另外说明。信号平均11305的频谱1312示出了超出阈值1314的五次谐波。接着，可以利用统计分析1318来处理去除了五次谐波的残差1316（即，所得信号）（即，可以针对残差确定统计信息）。窄带信号1320例示了具有所去除的窄带以外的谐波的信号平均1305。能量算子1325例示了对信号平均1305的自相关的测量值。可以如在此所述进一步处理窄带，以生成AM调制信号1330和/或FM调制信号1335。接着，可以针对该确定性分析的所得信号（即，数据的矢量）来确定与统计信息1318相对应的统计信息。

例如，（继续利用风轮机示例），齿轮传感器数据通常可以与轴同步。轴承传感器数据可以不与轴同步。轴承组件移动可以不是轴RPM的整数阶（即，倍数），并且有时，可能存在延误（slippage）。因此，图11的流程图1100首先可以被应用于如图12中例示的轴。可以确定轴振动数据的TSA。所得数据矢量对应于与轴相关联的同步“噪声”。接着，可以针对轴TSA数据矢量来执行统计分析。针对轴TSA数据矢量执行FFT生成一频谱。该频谱中的第一、第二以及第三频率点位分别对应于第一、第二以及第三轴阶。

对于图13中例示的齿轮分析来说，针对轴上的每个齿轮，基于轴RPM和齿轮CAM数据来确定齿轮TSA数据矢量。接着，可以针对每个齿轮TSA数据矢量来确定残差、能量算子、窄带、AM调制和/或FM调制。轴承分析不同于齿轮分析。轴承传感器数据典型地不与轴同步。例如，轴承组件速率可以是轴RPM的整数阶，和/或可能存在一定延误。轴承分析可以至少部分地基于解调制（例如，检测因来自故障的碰撞而造成的轴承谐振）。“谐振”对应于“振铃（ringing）”，即，按组件的固有频率振荡。该固有频率可以取决于轴承材料、尺寸和/或本领域技术人员已知的其它轴承特性。例如，根据轴承材料、尺寸等，轴承的固有频率可以在20kHz至25kHz的范围中，而较大轴承的固有频率可以在2kHz至3.5kHz或者10kHz至11.5kHz的范围中。

因为轴承故障能量可以显著地小于轴或齿轮能量，所以使用解调制。例如，轴故障可以导致轴阶1处于1g至5g范围中。（1g对应于地表面处的重力加速度，即，9.80665m/s，5g对应于地表面处重力加速度的五倍，即，加速度计被配置成检测的参数），而失配齿轮可以导致范围在50g至100g的振荡能量。轴承故障可以仅导致10^-4g的第一点位频谱能量。换句话说，轴承可以具有至少部分基于轴承材料（例如，材料刚性和/或质量）的至少一个固有频率（“谐振频率”）。轴承碰撞可以导致按该固有频率的调制。调制固有频率可以例如通过CAM（振动传感器、加速度计传感器模块）来检测（传感器数据）。轴承包络分析被配置成解调制该调制固有频率，以寻找经调制的信号，即，固有频率附近的频谱。可以执行解调制，而不需要轴承的固有频率的先验知识。

轴承包络分析（BEA）基于可以与轴承部件碰撞相关联的高频率谐振（即，“振铃”）的解调制。高频谐振对应于轴承的固有频率。例如，对于滚动部件轴承来说，当滚动部件敲击内座圈或外座圈上的局部故障点、或者滚动部件上的故障点敲击内或外座圈时，可以产生碰撞。这些碰撞可以按相关联的轴承传递频率（passfrequency）来调制信号，如：隔圈传递频率（CPF）、滚珠传递频率外座圈（BPFO）、滚珠传递频率内座圈（BPFI）、以及滚珠故障频率（BFF）。这种周期性调制可以增加包络RMS。数学上，该调制可以被描述为：cos(a)·cos(b)＝1/2[cos(a+b)+cos(a-b)]。

该周期性调制对应于轴承速率（a）的振幅调制，其具有导致包围谐振频率的频谱中的边带的高频载波信号（谐振频率（b））。可能难于辨别精确的谐振频率。该谐振频率不能先验地获知，而且可能相对难以确定。然而，解调制技术典型地不需要获知精确频率。BEA被配置成将振动信号（即，轴承传感器数据）与以假定谐振频率（例如，22.5kHz）为中心的相对高频的、复杂信号相乘。结果接着可以被低通滤波以去除高频图像、十中取一（decimate），并接着可以估算频谱功率密度：

cos(b)·cos(a+b)＝1/2[cos(a+b+b)+cos(a+b-b)]→H(ω)→cos(a)。

一般来说，BEA按比轴和/或齿轮啮合音调高的频率来执行。轴音调对应于变换的基频和谐波，例如，轴传感器数据的TSA的FFT。齿轮啮合音调是轴基频的谐波，即，与轴同步。齿轮啮合音调本身可以包括齿轮啮合谐波。齿轮啮合音调的基频可以对应于轴的基频乘以齿轮齿数。失配可以导致边带，即，轴可以调制齿轮。（轴的基频对应于轴传感器数据的TSA的FFT的基频）。

按这些更高频率执行BEA被配置成确保被解调的轴承音调不被其它旋转源（如轴和齿轮啮合）遮蔽，其按CPF、BPFO、BPFI以及BFF频率呈现。0.1g的轴阶振幅和10g的齿轮啮合振幅是常见的。与此相反，受损轴承振幅可以为0.001g，即数量级较小。

对于BEA来说，轴承速率可以被计算为：

隔圈传递频率（CPF）：

\frac{f}{2} (1 - \frac{d}{e} \times \cos (β))

滚珠传递频率内座圈（BPFI）：

\frac{b \times f}{2} (1 + \frac{d}{e} \times \cos (β))

滚珠传递频率外座圈（BPFI）：

\frac{b \times f}{2} (1 - \frac{d}{e} \times \cos (β))

滚珠故障频率（BFF）：

\frac{e \times f}{d} (1 - {(d / e)}^{2} \times \cos^{2} (β))

其中，

f是驱动频率，

b是滚动部件数，

d是滚珠轴承直径，

e是轴承间距直径，以及

β是轴承接触角。

图14是轴承包络分析1400的示例。轴承传感器数据1405可以利用如在此所述的假定谐振频率1410来解调制（即，乘以该假定谐振频率）。接着，可以将该解调制信号1415滤波和十中取一。接着，可以估算功率谱密度1420。

因此，用于被监测组件（例如，一个或多个轴、齿轮和/或轴承）的条件指示符可以至少部分基于获取的传感器数据来确定。该条件指示符可以基于如在此所述的统计分析和/或确定性分析来确定。在一些实施例中，可以确定与传感器本身相关联的条件指示符。

例如，对于加速度计来说，最低有效位中的相对大的变化（例如，增益变化）可以指示传感器模块和/或加速度计的安装松动（例如，劣化的传递函数），和/或没有向加速度计提供电力。其它加速度计条件指示符可以包括：低频斜率和截距。该低频斜率和截距是低频加速度计频谱的对数的最小二乘误差拟合。这些值随着时间的改变可以表示提供给加速度计的DC偏置电压的变化，指示传感器故障。用于加速度计的附加CI是加速度计本身的机内测试。例如，该ADXL001被配置成允许施加模拟高G条件的电压。机内测试的输出变化可以指示加速度计的故障。

如在此所述，获取的传感器数据可以通过服务器和/或通过相关联的传感器模块来分析。传感器模块是否能够执行该分析和/或用于执行该分析的时间量可以取决于相关联的控制器的处理能力。

可以辅助微控制器（即，在传感器模块中）上的本地处理的一个因子是快速傅立叶变换（FFT），其不调用超越函数（例如，正弦和余弦）。超越函数不能被表达为加、减、乘以及开方的代数运算的有限序列来表达。AtmelAT32UC3C0512具有FPU（浮点单元），其被配置成针对加、乘、减以及平方根的本地（即，按硬件）浮点运算。因为多数CI分析包括执行FFT（即，生成频谱），所以被配置成在FPU上执行的FFT算法本地导致用于处理更多数据的能力。换句话说，利用FPU来执行FFT可以导致更快速的处理，并由此导致相对更短的处理时间。例如，利用AT32UC3C0512微控制器的测试结果指示当本地处理与仿真相比时速度上的5x增加（当FPU不能本地处理时可以使用仿真，即，可以按软件执行）。

FFT可以利用针对正弦和余弦函数的“查寻表”本地执行，而不需要计算超越函数。用于执行FFT的查寻表的某些实现被配置成在执行FFT之前调用正弦和余弦函数。换句话说，按运行时间调用正弦和余弦函数，并且生成查寻表。在这里描述的实现中，该查寻表是FFT函数调用首部（callheader）的一部分。换句话说，该查寻表在运行时间之前生成。

这基本上因FFT重复调用角而成为可能。针对基数2FFT调用的角数量是log₂（点数）+1。由此，1024点FFT可以仅使用10+1或十一个角。对于32,768点FFT来说，可以仅使用16个角。该角是除以块尺寸的2π。块尺寸按2的乘幂（例如，log₂（最大长度）、....、2048、1024、512、256、128、64、16、4），从2到FFT中的点数迭代。由此，该结构允许针对正弦的一个阵列和针对余弦的一个阵列被定义成表示可以用于FFT的所有可能的角。这些阵列接着可以在运行时间之前定义。该阵列的元素（即，内容）分别是（2π/（块尺寸）的正弦和（2π/（块尺寸）的余弦。阵列中索引是最大比特数（例如，对于32,768来说，整数值15）减去以0开始的当前比特。通过FFT算法的每个迭代接着都可以按1增加比特数。

用于FFT算法的伪代码的示例为：

因此，角的正弦或余弦可以通过从查寻表检索一值而按运行时间确定。FFT的计算可以不包括按运行时间计算超越函数。

许多CI被配置成利用实数据来调用FFT。计算复杂性还可以通过利用FFT对称（例如，负频率是正频率的复共轭）的优点来进一步缩减。在这种情况下，FFT可以利用时域信号（例如，传感器数据的TSA）的偶数值作为实信号而以时域信号的奇数值作为虚信号来调用。真实FFT（即，用于实数据的FFT）包括附加操纵，以重排序FFT数据。可以针对一半数据调用查找表FFT，并且最终FFT阶段可以处理并重新排序该数据，以校正缺乏对称（即，无负频率）。用于执行如在此所述的真实FFT的时间可以在1/2*log₂(n/2))/(log₂(n))的数量级，即，近似为4×用于执行常规（即，复杂）FFT的时间。示例伪代码为：

因此，用于确定数据矢量的FFT（排除按运行时间计算超越函数和/或开发FFT中的对称性）的方法辅助分析传感器模块中的传感器数据。

如在此所述，条件指示符可以至少部分基于对获取传感器输出数据的统计分析和/或确定性分析。条件指示符可以是组件专用的。换句话说，要利用的特定条件指示符可以取决于被监测的组件。对于包括轴、齿轮和/或轴承的被监测设备来说，条件指示符的相应集合可以针对每个组件类型来选择。

轴CI可以包括：采样转数、FFT中的点数、信号平均（例如，轴传感器数据矢量的TSA）RMS、信号平均峰到峰、信号平均波峰因子、轴阶1、轴阶2、轴阶2，和/或轴阶3。

齿轮CI可以包括：其中残差信号是去除了强音调（即，具有超过阈值的能量的频率点位）的信号平均的残差RMS。残差RMS可以通过采取SA频谱的逆FFT来计算，其中，大于与均值相对的两个标准偏差的频谱值已经被设置成零。波峰CI还可以包括：残差峰度、残差波峰因子、能量比、能量算子RMS、能量算子峰度、能量算子CF、品质因数0、边带调制、G2分析、窄带RMS、窄带峰度、窄带波峰因数、振幅调制峰度、导出振幅调制峰度、频率调制峰度、和/或导出频率调制峰度。

轴承CI可以包括：包络隔圈能量、包络滚珠能量、包络内座圈能量、包络外座圈能量、轴滴答声（Tick）能量、包络RMS、和/或半轴能量。例如，受损齿轮可以生成与每转一次碰撞的轴承故障相似的碰撞签名，例如，“滴答声”。磨损（例如，松动）、光面和/或滚动部件轴承可以生成提高的半轴速率（转数）能量。

传感器（例如，加速度计）CI可以包括：加速度计BIT（即，机内测试）、加速度计增益（使用最大有效位）、较低频率截距和/或较低频率斜率。

除了传感器CI以外，至少一些传感器模块可以被配置成按或接近限定时间间隔来执行机内测试（BIT）。例如，加速度计传感器模块可以被配置成证实加速度计和/或接口模块组件在正常起作用，以确保质量数据获取。还可以测试存储器。

报警方法

成功部署条件监测系统至少部分地取决于在组件正在劣化时报警，即，在该组件不再良好并且在该组件坏掉之前报警。这包括设置针对给定条件指示符（CI）和/或表示组件健康（即，健康指示符（HI））的CI的组合的阈值，以使当越过该阈值时，执行可行动的维护。设置这种阈值可相对困难，因为与给定组件相关联的测量方差以及处于针对该给定组件的单位方差之间。在设置这种阈值时，希望考虑该方差，以将该阈值设置得足够高，以使对于假警报（例如，在组件实际上良好时指示该组件运作不良）不过度敏感，并且将该阈值设置得足够低，以避免不检测故障（例如，对于故障不敏感，即，错过检测）。

用于设置这种阈值的方法取决于可以先验地可获得的数据，作为用于确定组件不再良好的基础。例如，OEM（原始设备制造商）可以对针对特定组件的参数和/或CI设置限制。在第二示例中，可以利用服务历史和/或历史性数据。例如，可以例如针对轴阶3识别上升趋势。对相关联组件的评估接着可发现破裂耦接器。基于此，可以针对轴阶3设置阈值以使上升趋势被配置成触发报警。

在第三示例中，OEM可以不提供限制，并且可以没有服务历史或历史性数据。换句话说，可能没有识别或定义的用于检测“坏”组件的指示符。在这个示例中，阈值可以基于已知的良好组件在统计上设置。该阈值被配置成触发针对可能不再良好的被监测组件（优选地，在该组件坏掉之前）的报警。

标称条件指示符可以先验地确定。例如，传感器数据可以针对许多已知良好组件来获取（“标称组件数据”），并且标称条件指示符接着可以至少部分地基于所获取的传感器数据来确定。例如，振动数据可以从许多已知良好组件获取，并且条件指示符接着可以基于针对该已知良好组件的所获取的振动数据来确定。条件指示符还可以针对“经处理”的传感器数据（例如，可以至少部分基于如在此描述的所获取的传感器数据的数据）来确定。被监测组件条件指示符可以至少部分基于针对被监测组件的获取传感器数据（“被监测组件数据”）来确定。标称组件数据可被用于生成将被监测组件分类为不再良好的阈值，如在此所述。

一般来说，健康指示符（HI）包括组合的条件指示符。例如，健康指示符HI可以是一定数量的CI的函数。函数包括：CI的和（例如，HI=CI1+CI2+CI3，阶统计，即，许多CI中的最大者（例如，HI=max(CIl,CI2,CI3))，CI的平方和的均方根（例如，HI=sqrt(CIl2+CI22+CI32))。如果CI是独立的（即，未相关）的相同分布，则确定用于概率分布的函数的阈值（例如，CI）可以更简单。典型地讲，CI不独立，它们是关联的。当关联概率分布时，联合概率分布函数不等于单个概率分布函数的乘积，即，p(x,y)≠p(x)＊p(y)。

在某些情况下，阈值设置可以是相当特设的处理。在第一示例中，可以将阈值设置成对应于远离针对已知良好组件的CI的分布的均值的三个标准偏差。该阈值可以仅针对一个CI（即，不是CI的组合）有效。如果该CI具有高斯（正常）分布，则与三个标准偏差相对应的阈值暗示le-3的假警报速率。在第二示例中，对于生成健康指示符（HI）来说，假警报概率有时可以忽略。例如，HI可以被定义为多个（n个）标准化CI中的最大标准化CI。该技术已知为“阶数统计”并且如果CI为IID（独立的且为相同分布的随机变量）则唯一有效。针对机器的CI典型地高度关联（即，不独立），意指概率密度函数的乘积P(x)＊P(y)不等于联合概率密度函数P(x,y)。

第一特设示例可以提供具有恒定假警报概率的阈值，但仅用于单个CI，即，不用于包括多个CI的HI。第二示例包括多个CI，但忽略假警报概率。恒定的假警报概率和包括多个CI的HI希望用于设置“不再良好”的阈值。恒定的假警报概率（pfa）意指当CI或HI指示组件不再良好时，该组件实际上不再良好的概率为1-pfa，而且恒定。具有多个CI（IIDCI）的健康指示符可以提供组件和/或机器的条件的更鲁棒的指示符。

存在用于“白化”关联CI的技术，以生成未相关CI。例如，美国专利7684936公开了利用逆协方差矩阵以标准化和白化相关CI，但该技术仅针对一种类型的HI函数有效。

用于白化的其它方法包括利用乘以本征值（对角矩阵）的均方根的本征向量矩阵的白化变换。该变白变换是非线性变换：[Φ,Λ]=eig,其中，Φ=本征向量矩阵，而Λ是本征值矩阵。A=Λ^1/2Φ^T定义该白化变换，并且有效地创建未相关并且具有和原始随机变量相同的方差的新的随机变量。然而，这是非线性变换，并且未保留原始CI的分布，使其不适于阈值设置。

正定Hermitian矩阵的Cholesky分解导致A=LL^＊，其中，A是Hermitian正定矩阵，L是下三角，而L^＊是其共轭转置。逆协方差矩阵Σ^-1根据定义是正定Hermitian。因此，LL^＊=∑^-1并且CI^TL=K,其中，K为2至n个独立CI，而不需要改变它们的分布。矢量K的K值的方差为1。独立CI的分布（即，概率密度函数）对于Rayleigh分布CI（即，具有Rayleigh概率密度函数的CI）来说相同。独立CI的分布可以通过针对高斯分布CI应用合适的均值偏移（例如mi）而使其相同。这种技术可以应用至具有Rayleigh分布的CI（例如，量值CI）和/或具有与Rayleigh相似的特制分布的CI。

例如，在此描述的、针对一个或多个轴、齿轮以及轴承的多数CI不是高斯的，但少量CI可以接近高斯。标称组件的量值（例如，轴阶和/或频谱）典型为Rayleigh分布。既不是Rayleigh也不是高斯的齿轮CI可以是特制的，即，与Rayleigh类似但包括偏移。对于这些特制CI来说，该偏移可以去除（线性地），接着可以将所得CI作为Rayleigh来处理。

有利的是，该技术因CI现在为IID而考虑许多HI函数。例如，对于包括n个条件指示符的健康指示符HI来说，可以例如根据已知良好组件的采样而先验地确定该CI的协方差。接着可以确定逆协方差，并且可以通过将Cholesky分解应用至逆协方差来确定L。该逆协方差和L还被先验地确定。

接着可以针对被监测组件来获取传感器数据。接着，可以基于所获取的传感器数据来确定该n个条件指示符。利用先验地确定的矩阵L，可以确定矩阵K=CI^TL，其中，CI^T是在HI函数中使用的条件指示符的矢量的转置。K是具有无变化分布的n个独立条件指示符的向量。换句话说，接着，可以将K用于阈值分析，以针对被监测组件确定良好与不再良好。

可以针对许多健康指示符确定阈值，其是利用Cholesky分解和与已知良好组件的统计分析相关联的协方差的n个条件指示符的函数。校正的健康指示符可以针对次序统计、CI的和和/或标准化CI能量来确定，其中，校正的健康指示符对应于先验地确定的阈值，并且基于白化的（即，独立的，相同分布的）CI。例如，基于已知的良好组件CI统计信息的阈值可以被选择成为按0至1的比例尺上的0.5，其中，1对应于组件坏掉，而0.5被视为标称的。接着，可以确定“被校正的”HI，其是K（独立CI的矢量）和先验地确定的标称阈值的函数。

“被校正的”HI可以被定标，以使得0.5的HI对应于标称（即，“良好”）与不再良好之间的阈值。例如，范围在0至0.5的HI可以被视为标称的，范围0.5至0.75可以被视为在公差以外，但仍可以使用（即，不再良好但尚未坏掉），范围0.75至1.0可以指示应当安排维护，而大于1.0的HI可以指示连续操作可以导致组件故障和附随的损坏（即，坏掉）。按这种方式，定标和校正的HI被配置成提供对不再良好的组件的公共基准和指示，以使得可以在该组件故障（即，坏掉）之前安排维护。

被校正的次序统计（HI=最大CI）：利用逆协方差矩阵的这种特性，被校正的次序统计可以被计算如下。

次序统计（OS）概率密度函数（PDF）为：

g(x)＝n[F(x)]^n-1f(x)其中，n为CI的数量，F(x）为累积分布函数，f(x）为概率密度函数，而g(x）为校正次序统计概率密度函数。

f(x)＝x/β²exp(-x/2β²)（即，RayleighPDF）并且F(x)＝1-exp(-x²/2β²)（即，RayleighCDF）。

利用针对次序统计概率密度函数g(x）的方程，OSPDF为f(x)＝3[1-exp(-x²/2β²)]²x/β²exp(-x²/2β²)。

逆CDF可以被数字地发现。例如，逆CDF可以通过设置5%的下限和上限（即，针对按10e-3的假警报概率的阈值）来发现，并且该阈值按0至1的比例尺上的0.5来设置（1对应于组件坏掉，0.5对应于标称）。

K=CI^TL,HI=max(K)＊t，其中，阈值t=0.1078。

CI的校正和（HI=SUM（CI））：利用逆协方差矩阵的这种特性，CI的校正和可以计算如下。

K=CI^TL,S=sum(K)。

均值S=n＊1/sqrt(2-pi/2)，且方差为n。

PDF可以被示出为具有参数μ=E²[X²]/Var[X²]和ω＝E[X²]的Nakagami。对于NakagamiPDF来说，参数μ对应于PDF的形状，而参数ω对应于PDF的展开。

对于给定μ和ω来说，逆NakagamiCDF可以被用于计算该阈值，其对于n=3CI来说为10.125。该值t=.5/10.125=0.0494。

HI=S＊t。

CI的标准化能量（HI=norm（CI））。标准化能量对应于CI的平方和的均方根。

K=CI^TL，S=norm(K)。

这可以再次示出为Nakagami，但具有均值S=2＊n＊l/sqrt(2-pi/2)；

ω=1/(2-π2)＊2＊n并且μ被发现为n。

对于给定μ和ω来说，逆NakagamiCDF可以被用于计算该阈值，其对于n=3来说CI为6.2586，并且t=.5/6.2586=0.0799。

HI=S＊t。

有利的是，利用Cholesky分解来寻找该矩阵的均方根允许显著更宽泛选择可用于估算被监测的机器的条件的HI算法。上述被校正的HI被配置用于具有RayleighPDF的CI。Cholesky分解技术可以类似地应用于高斯分布。对于高斯情况来说：

被校正的次序统计：

OSPDF为：g(x)＝n[F(x)]^n-1f(x)。

f (x) = x / σ \sqrt{2 π} \exp (- {(x - μ)}^{2} / 2 σ^{2})

（即，高斯PDF）

并且

F (x) = x / σ \sqrt{2 π} {&Integral;}_{- \infty}^{x} \exp (- {(t - μ)}^{2} / 2 σ^{2}) dt

（即，高斯CDF）。

现在，OSPDF为

f (x) = 3 {[x / σ \sqrt{2 π} {&Integral;}_{- \infty}^{x} \exp (- {(t - μ)}^{2} / 2 σ^{2}) dt]}^{2} x / σ \sqrt{2 π} \exp (- {(x - μ)}^{2} / 2 σ^{2})

与在此描述的Rayleigh情况类似的是，逆CDF可以在数字上被发现。

K=CI^TL,HI=max(K)＊t，

CI的校正和：

K=CI^TL,S=sum(K)。

均值

S = Σ_{i = 1}^{n} E [K_{i}];

方差为n。

该PDF可以被示出为具有参数的高斯

μ = Σ_{i = 1}^{n} E [K_{i}] andσ = \sqrt{n} .

对于给定μ和σ来说，逆正常CDF可以被用于计算该阈值，其对于n=3来说，CI为3、2、1的平均值，是t=.5/10.029=0.05，

HI=S＊t。

CI的标准化能量

K=CI^TL,S=norm(K)。

这可以再次被示出为Nakagami，但具有均值S=2＊n＊l/sqrt(2-pi/2)；

ω=n并且μ为ω/2。

对于给定μ和ω来说，逆NakagamiCDF可以被用于计算该阈值，其对于n=3来说，CI为3.3682，并且t=.5/3.3682=0.1484。

HI=S＊t。

经验性CDF：在这个示例中，可以使用采样总数来经验性地估算CDF。例如，对于，例如，针对20件物品采用的10000个采样。用于10^-3的假警报概率（pfa）的阈值可以通过分类所计算的HI并且设置t为第十最大值（对于10^-3的pfa来说，期望对于10000个采样，10个为假警报）来寻找。

预报：早于剩余可用寿命、确认以及误差界限

诊断涉及检测与组件故障有关的改变条件。一旦检测到改变条件，预报就可以在该预测中提供到故障的时间（剩余可用寿命或RUL）和相关联的置信度。该信息、RUL以及置信度可以被维护者和操作员按不同方式来使用。

一般来说，预报可以通过以下方式允许旋转设备以更低成本操作：机会性维护实践、改进的容易性/未安排的维护的缩减、启用“准时生产（justintime）”部件递送、缩减备品总数、和/或按保守方式操作旋转机械（例如，轮机）来缩减故障机会。预报可以提供不同载荷下的未来状态和寿命权衡。通过在更少的压力载荷下操作，组件的寿命可以延长直到可以执行维护为止。

轴承制造已经将L10寿命计算用于轴承设计。类似的是，齿轮/轴的制造已经使用样本材料来确定材料强度的模型，并且一般来说，使最大载荷小于30%的屈服强度（无限寿命）的设计。扩展Kalman滤波器可以被用于重构剩余可用寿命。颗粒过滤器方法可以用于估算剩余可用寿命。

该扩展Kalman滤波器（EKF）方法是针对非线性系统动力学的泰勒级数逼近。该颗粒过滤器（PF）方法能够比EKF方法更好地估算非线性动力学，但计算上昂贵（即，PF是MonteCarlo技术，需要采取N个Kalman滤波器的平均）。

EKF或PF技术都不包括用于确认它们的性能的方法。换句话说，EKF和/或PF技术可以提供对剩余可用寿命的指示，但不提供与剩余可用寿命相关联的置信水平（即，不提供对回答有多好的指示）。PF方法取决于对测量噪声概率分布的估算。不存在对怎样实时估算的公开。

未来状态或RUL取决于载荷。希望基于健康状态的当前不确定性和未来载荷来限定RUL。

如在此所述，无损卡尔曼滤波器（UnscentedKalmanfilter，UKF）可以被用于估算RUL。估算UKF中的两种附加状态（RUL的第一和第二导数）可以被用于确认模型性能。可以利用导致对RUL的更好估算的在线方法来估算处理噪声。对未来健康（RUL）的预报可以基于系统协方差和载荷的分布来限制。

UKF超过KF的优点在于：KF假定线性动力学和高斯噪声。RUL问题典型为其动力学上的非线性。EKF允许非线性动力学（经由动力学的泰勒级数估算）并且假定高斯噪声，但同样地，仅对于一阶矩（均值）来说准确。EKF还需要可微函数来描述该动力学。不能准确地估算二阶矩的能力在RUL计算中引入了误差。由于UKF被配置成估算动力学的分布，因而，UKF是一种针对用于具有高斯噪声的非线性模型的动力学的一般精确模型，并且不需要可微函数。UKF被配置成针对一阶矩、二阶矩以及三阶矩，对于高斯噪声的情况是准确的。颗粒过滤器（PF，是蒙特卡罗（MonteCarlo）技术）已经被用于利用帕里斯定律（ParisLaw）的预报。PF因它们具有蒙特卡罗技术而需要在计算上昂贵的大量仿真，或许在大约100的数量级。PF与UKF之间的性能被期望针对高斯噪声类似。

UKF模型是五态模型：健康（HI）、D、RUL、dRUL/dt以及d²RUL/dt²。不存在如在EKF中进行的对dHI/dt的计算。不使用KF、EKF以及马尔可夫（Markov）处理。

UKF使用帕里斯定律（ParisLaw），其控制在同质材料中的破裂生长率（即，故障生长模型），

帕里斯定律（ParisLaw）:da/dN＝D(ΔK)^m（1）

其中：

da/dN是半破裂长度的变化率

D是破裂生长方程的材料常数

ΔΚ是在疲劳周期期间的K的范围

m是破裂生长方程的指数

应变范围ΔΚ被给定为：ΔK＝2σα(πα)^1/2（2）

其中，

σ是总应变

α是几何校正因子

a是半破裂长度

驱动帕里斯定律（ParisLaw）的变量专用于给定材料和测试物品。在实践中，该变量未知。可以进行简化假定以辅助分析。对于许多成分/材料来说，破裂生长指数为2。该几何校正因子α可以被设置成1，其允许将方程（1）简化成：da/dN＝D(4σ²πa)（3）

目的是确定直到达到破裂长度a为止的剩余周期数N。采取（3）的倒数获得：dN/da＝1/D(4σ²πa)（4）

积分给出剩余周期数（N）。应注意到，用于同步系统（例如，恒定RPM）的N可以等同于与一常数（例如，1/RPM）相乘的时间。

N = {&Integral;}_{a_{o}}^{a_{f}} dN / da

= 1 / D (4 σ^{2} πa) da

= 1 / D (4 σ^{2} π) (\ln (a_{f}) - \ln (a_{o})) - - - (5)

方程（5）提供从当前测量的破裂α₀至最终破裂长度α_f的周期数N。测量组件健康指示符（HI）可以被用于针对破裂长度的α的替代。基于针对α_f的合适阈值，N接着可以对应于RUL乘以某一常数（例如，针对同步系统的RPM）。

该材料破裂常数D可以被估算为：

D＝da/dN*(4σ²πa)（6）

在实践中，总应变可能未获知。可以使用代替值，如扭矩或发电机功率。

利用UKF，可以直接估算D，即，不需要计算da/dN（或dHI/dt）。利用D的估算，HI的状态传播为：

HI_t|t-1＝exp(D(4σ²π)+ln(HI_t-1|t-1))，时间提前一步，假定HI的1对应于执行维护的点。

因此，采用矩阵形式的UKF，包括如下定义的状态矢量X：

X = [\begin{matrix} HI \\ D \\ RUL \\ dRUL / dt \\ d^{2} RUL / {dt}^{2} \end{matrix}]

和如下定义的状态转变函数X_t：

X_{t} = [\begin{matrix} \exp (D (4 σ^{2} π) + \ln ({HI}_{t - 1 | t - 1})) \\ (H_{t} - H_{t - 1}) (4 σ^{2} π {HI}_{t - 1}) \\ N + dN + d^{2} N / 2 \\ dN + d^{2} N \\ d^{2} N \end{matrix}]

UKF是递归算法，其被配置成确定：

X_t=f(X_t-1)（基于状态转变函数X_t的状态更新），

P_t|t-1＝f(X)P_t-1|t-1f(X)’+Q（协方差），

K＝P_t|t-1H(X)’[H(X)P_t|t-1H(X)’+R]^-1（增益），

P_t|t＝(I-KC)P_t|t-1（状态协方差），以及

X_t|t＝X_t|t-1+K(Y-H(X_t|t-1))（状态更新），其中，

Y是测量数据，在这种情况下为下一个HI值，

K是卡尔曼（Kalman）增益，

P是状态协方差矩阵，

Q是处理噪声模型，

H是测量函数，对于HI来说基本上为1，而对于所有其它状态来说为零，以及

R是测量方差。

因而，针对每次新获取，将状态X更新。

可以计算RUL的第一和第二导数，以测试模型有效性：当dRUL/dt=-1时，组件寿命的一个周期随着每小时使用率来消耗。当第二导数接近零时，其建议对RUL的有效估算。

所有方法（KF、EKF、UKF以及PF）都需要估算系统噪声。

这可以利用递归估算器实时计算：

σ_{t}^{2} = (1 - a) σ_{t - 1}^{2} + {(CE [X_{t | t - 1} | Y_{t - 1}] - Y)}^{2} .

利用巴特沃斯（Butterworth）滤波器设计和0.1的标准化带宽，a被给定为0.2677。递归估算器对应于无限脉冲响应（IIR）滤波器。IIR滤波器包括巴特沃斯（Butterworth）滤波器、Chebychev滤波器以及椭圆滤波器。巴特沃斯（Butterworth）滤波器的特征在于，其通常在通带下最大地平坦。

RUL限制可以通过利用状态协方差和有关应变的范围来生成。上限（例如，最短RUL）为：

k = E [σ] + 1.64 \sqrt{V [σ]}

a_o+＝a_o+1.64chol(P)

a_f＝exp(ND(4k²π)+ln(a_o+))

采取chol（协方差P的Cholesky分解）有效地提供系统的标准偏差。还可以估算载荷（σ）的方差和均值。乘以1.64提供有关RUL的95%（上限），类似的是，通过改变自变量的符号：

k = E [σ] - 3 \sqrt{V [σ]}

a_o+＝a_o-3chol(P)

a_f＝exp(ND(4k²π)+ln(a_o+))

接着可以计算该组件的5%下限（最长RUL）。这可以对如何最佳地平衡运行该机器的风险与载荷的洞察力。

UKF可以具有比EKF更低的噪声（一半）。UKF方法可以显著快于PF（典型为100x）。与使用dRUL/dt和d²RUL/dt²相结合的UKF方法可以提供针对误差的限制。针对RUL估算的限制可以向用户/操作员提供有关怎样计划维护的更好的信息。对测量噪声的实时（在线）估算可以改进性能或RUL。

因此，无损卡尔曼滤波器（UnscentedKalmanfilter，UKF）可以被用于估算RUL。估算UKF中的两种附加状态（RUL的第一和第二导数）可以被用于确认模型性能。可以利用导致对RUL的更好的估算的在线方法来估算处理噪声。对未来健康（RUL）的预报可以基于系统协方差和载荷的分布来限制。

图15到17分别示例了健康指示符、剩余可用寿命以及剩余可用寿命的第一导数的标绘图1500、1600、1700，分别作为针对旋转机器示例（即，旋转机器的组件）的飞行时间（即，使用时间）的函数。在这个示例中，该旋转机器是直升飞机，组件是轴，并且健康指示符（HI）对应于条件指示符轴阶1。针对轴阶1的限制（即，阈值）按每秒钟0.75英寸（ips）设置，对应于刚性安装块和中等尺寸设备，如在国际标准化组织的标准ISO10816-3:2009中定义的，"Mechanicalvibration—Evaluationofmachinevibrationbymeasurementsonnon-rotatingparts—Part3:Industrialmachineswithnominalpowerabove15kWandnominalspeedsbetween120r/minand15000r/minwhenmeasuredinsitu"。

转至图15，例示了在零至350飞行小时的时段（使用时段），针对设备（轴）的多个采样的健康指示符（HI）的实验数据1505的分布。还例示了对利用如在此描述的无损卡尔曼滤波器所确定的HI的估算1510。标绘图1500示出了HI的分布1505和估算1510开始在大约200飞行小时与250飞行小时之间相对更显著地增加。对HI的估算1510表现跟踪实验数据。

转至图16，例示了对剩余小时的估算1610“预报剩余小时”（RUL）和实际剩余小时1605。实际剩余小时1605是具有斜率-1的直线。换句话说，针对每个使用小时，在组件轴的寿命中剩余少一个小时。预报剩余小时1610未显现成收敛至实际剩余小时1605，直到大约260个飞行小时为止。

转至图17，例示了图16例示的预报剩余小时的第一导数1705。预报剩余小时在该预报及其第一导数已经收敛并且导数接近-1时被认为“良好”（即，有效）。导数-1对应于实际剩余小时的斜率，即，针对使用该机器的每个小时，其剩余寿命缩减一个小时。因此，预报剩余小时可以在大于或等于300个行程小时处被认为“良好”。

图18到20是分别例示利用图15的示例的历史数据（即，负时间）和预报数据（即，正时间）来向用户显示针对当前状态（0飞行小时）的健康指示符的标绘图1800、1900、2000。针对每个标绘图1800、1900、2000，历史数据包括针对被监测的组件的健康指示符的实验数据1805、1905、2002和例如利用无损卡尔曼滤波器对健康指示符的估算1810、1910、2010。预报数据包括对于100个小时直到未来的预测（即，预报）1820、1920、2020健康指示符，以及有关预测健康指示符的界限1825a、1925a、2025a、1825b、1925b、2025b。尽管在时间0飞行时间不可用于用户显示，但每个标绘图1800、1900、2000包括在零飞行小时的“当前时间”之后的时段内对应于实际健康指示符的实际轨迹1815、1915、2015。包括实际轨迹以提供对预报健康指示符的准确度的指示。

标绘图1800例示了直至被监测组件的故障的相对长的时间，即，预报1820健康指示符的相对较小的斜率。标绘图1900例示了直至被监测组件故障的相对适中时间，即，预报1920健康指示符的相对适中斜率。标绘图2000例示了直至被监测组件故障的相对较短时间，即，预报2020健康指示符的相对较陡的斜率。

标绘图2000还包括剩余使用时间（RUL）指示符2030。例如，在0飞行小时的当前时间，剩余可用寿命大约为与应当执行维护的时间相对应的50个小时。如标绘图2000所示，到进行维护的时间可以基于历史数据、统计数据和/或预报数据来预测。

因此，利用与本公开一致的技术，用于维护被监测组件的预测时间可以至少部分基于与该组件相关联的历史数据和/或统计数据以及当前检测的组件参数来估算。用于维护的预测时间可以按图形方式向用户提供（即显示）。该显示可以包括如在此所述的历史数据、预报数据以及用于维护的建议时间。按这种方式，维护可以预先计划、可以在必要时执行，并且可以避免更换良好组件或等待直到发生故障。

一般来说，与本公开一致的系统和方法被配置成提供相对低成本、相对鲁棒的、用于基于条件的维护的数据获取和分析系统。该系统可以用于工业应用（例如，设备和/或机械的工业应用）中的基于条件的维护。该工业监测系统例如可以被用于监测旋转机械（例如，风轮机）的条件。该系统和方法可以包括用于预见对于维护、修理和/或更换一个或多个组件的需要的数据分析。可以检测与组件的条件相关联的一个或多个参数。条件指示符和/或健康指示符可以至少部分基于获取的传感器输出数据来确定。该条件指示符和/或健康指示符被配置成当组件不再良好时提供指示，以使得可以计划和安排维护和/或修理。例如，利用振动和/或使用率数据，可以确定组件（例如，轴、齿轮和/或轴承）的条件。基于组件的条件，接着可以确定剩余可用寿命（“RUL”）。可以将统计数据和/或物理限制用于确定当前设备状态。该剩余可用寿命可以例如利用故障模型和/或使用率和/或统计数据的物理学来确定。例如，该系统和/或方法可以如在此所述用于风力场中的风轮机的基于条件的维护。

根据一个方面，提供了一种风力场。该风力场可以包括多个风轮机数据获取系统。每个数据获取系统都可以包括多个传感器，每个传感器被配置成检测与风轮机的相应组件的条件相关联的参数，并提供至少部分基于该参数的传感器数据；多个模块，每个模块耦接至至少一个传感器并且被配置成接收来自该至少一个传感器的传感器数据，并至少部分地基于所接收的传感器数据生成模块输出数据；本地数据集中器，该本地数据集中器被配置成向所述多个模块中的一个或多个模块发送命令，接收来自所述多个模块中的一个或多个模块的模块输出数据，以及将所接收的模块输出数据提供给服务器；以及串行总线，被配置成耦接所述多个模块和本地数据集中器。可以将至少一个数据获取系统安装在该风力场中的每个风轮机上，并且该服务器被配置成至少部分基于对选定风轮机的选定组件的条件的表示，向用户提供对该选定风轮机的该选定组件的剩余可用寿命的估算。

根据另一方面，提供了一种数据获取系统。该数据获取系统可以包括多个传感器，每个传感器被配置成检测与风轮机的各个组件的条件相关联的参数，并提供至少部分地基于该参数的传感器数据；多个模块，每个模块耦接至至少一个传感器并且被配置成接收来自该至少一个传感器的传感器数据，并生成至少部分基于所接收的传感器数据的模块输出数据；本地数据集中器，该本地数据集中器被配置成向所述模块中的一个或多个模块发送命令，接收来自所述模块中的一个或多个模块的模块输出数据，以及将所接收的模块输出数据提供给服务器；以及串行总线，被配置成耦接所述多个模块和本地数据集中器，其中，该数据获取系统被配置成安装在风力场中的风轮机上，并且该服务器被配置成至少部分地基于对该风轮机的选定组件的条件的表示，向用户提供对该风轮机的该选定组件的剩余可用寿命的估算。

根据另一方面，提供了一种确定对风轮机的被监测组件的剩余可用寿命的估算的方法。所述方法可以包括以下步骤：利用耦接至风轮机的被监测组件的传感器来检测与该风轮机的被监测组件的条件相关联的参数，并且向模块提供至少部分地基于该参数的传感器输出数据；生成至少部分地基于该传感器输出数据的模块输出数据；响应于来自本地数据集中器的命令向该本地数据集中器提供模块输出数据；将该模块输出数据提供给服务器；以及至少部分地基于对该风轮机的被监测组件的条件的表示，估算该风轮机的被监测组件的剩余可用寿命。

虽然在此对本发明的原理进行了描述，但本领域技术人员应当明白，本描述仅通过示例来进行，而不被作为有关本发明范围的限制。参照在此公开的特定实施例描述的特征和方面容易与在此描述的各种其它实施例一起组合和/或应用。将这种描述的特征和方面这样组合和/或应用至这种其它实施例在此是预期的。除了在此示出和描述的示例性实施例以外，在本发明的范围内设想它实施例。本领域普通技术人员进行的修改和置换被视为处于本发明的范围内。

Claims

1.一种风力场，包括：

多个风轮机；

多个风轮机数据获取系统，每个数据获取系统包括：

多个传感器，分别被配置成检测与所述多个风轮机中的相关联的一个风轮机的相应组件的条件相关联的参数，并提供至少部分基于该参数的传感器数据；

多个接口模块，分别耦接至所述多个传感器中的相关联的一个传感器并且被配置成接收来自所述多个传感器中的所述相关联的一个传感器的传感器数据，并生成至少部分基于所述传感器数据的模块输出数据，所述模块输出数据包括对相应组件中的相关联的一个组件的条件的表示；

本地数据集中器，该本地数据集中器通过总线耦接至所述多个接口模块中的每一个接口模块，该本地数据集中器被配置成向所述多个接口模块中的一个或多个接口模块发送命令，接收来自所述多个接口模块中的一个或多个接口模块的相关联模块输出数据，以及将所接收的模块输出数据提供给服务器；并且

其中，多个数据获取系统中的至少一个数据获取系统与风力场中的多个风轮机中的每一个风轮机相关联，并且与多个数据获取系统中的每一个数据获取系统相关联的服务器被配置成至少部分基于与所述多个接口模块中的至少一个接口模块相关联的模块输出数据，向用户提供包括对所述多个风轮机中的相关联的一个风轮机的选定组件的剩余可用寿命的估算的输出。

2.根据权利要求1所述的风力场，其中，所述多个传感器中的至少一个传感器是转速计，该转速计被配置成检测转速，并且所述多个传感器中的至少另一个传感器是被配置成检测振动的加速度计。

3.根据权利要求1所述的风力场，其中，所述选定组件是轴、轴承或齿轮。

4.根据权利要求1所述的风力场，其中，该总线是菊链，并且每个接口模块最多连接至两个其它接口模块。

5.根据权利要求1所述的风力场，其中，该总线被配置成从本地数据集中器向接口模块运送电力。

6.根据权利要求1所述的风力场，其中，所述多个接口模块中的至少一个接口模块包括控制器，该控制器被配置成在硬件中执行浮点计算。

7.一种数据获取系统，包括：

多个传感器，分别被配置成检测与风轮机的相应组件的条件相关联的参数，并提供至少部分基于该参数的传感器数据；

多个接口模块，分别耦接至所述多个传感器中的相关联的一个传感器，并且被配置成接收来自所述多个传感器中的所述相关联的一个传感器的传感器数据，并生成至少部分基于所述传感器数据的模块输出数据，所述模块输出数据包括对相应组件中的相关联的一个组件的条件的表示；

其中，该服务器被配置成至少部分基于与所述多个接口模块中的至少一个接口模块相关联的模块输出数据，向用户提供包括对该风轮机的选定组件的剩余可用寿命的估算的输出。

8.根据权利要求7所述的数据获取系统，其中，所述多个传感器中的至少一个传感器是转速计，该转速计被配置成检测转速，并且至少一个传感器是加速度计，该加速度计被配置成检测振动。

9.根据权利要求7所述的数据获取系统，其中，所述选定组件是轴、轴承或齿轮。

10.根据权利要求7所述的数据获取系统，其中，该总线是菊链，并且每个接口模块最多连接至两个其它接口模块。

11.根据权利要求7所述的数据获取系统，其中，该总线被配置成从本地数据集中器向接口模块运送电力。

12.根据权利要求7所述的数据获取系统，其中，所述多个接口模块中的至少一个接口模块包括控制器，该控制器被配置成在硬件中执行浮点计算。

13.一种确定对被监测组件的剩余可用寿命的估算的方法，该方法包括以下步骤：

提供多个传感器；

提供多个接口模块，所述多个接口模块中的每一个接口模块耦接至所述多个传感器中的不同的相关联的一个传感器；

利用所述多个传感器中的至少一个传感器来检测与被监测组件的条件相关联的参数，并且向所述多个接口模块中的相关联的一个接口模块提供来自所述多个传感器中的所述至少一个传感器的传感器输出数据；

在所述多个接口模块中的所述相关联的一个接口模块中生成至少部分基于该传感器输出数据的模块输出数据，所述模块输出数据包括对被监测组件的条件的表示；

将所述多个接口模块中的每一个接口模块耦接至本地数据集中器；

向该本地数据集中器提供该模块输出数据；

将来自本地数据集中器的该模块输出数据提供给服务器；以及

至少部分基于该模块输出数据，提供指示估算被监测组件的剩余可用寿命的估算的输出。

14.根据权利要求13所述的方法，其中，生成模块输出数据包括：执行变换以基于该传感器输出数据确定频谱，该频谱与该条件相关联。

15.根据权利要求14所述的方法，还包括以下步骤：至少部分地基于该频谱来确定统计信息，其中，该统计信息与被监测组件的条件相关联。

16.根据权利要求13所述的方法，其中，生成模块输出数据包括：确定对于与被监测组件的一转相对应的时段的平均传感器输出数据的矢量。

17.根据权利要求16所述的方法，还包括以下步骤：至少部分地基于平均传感器输出数据的矢量来确定统计信息。

18.根据权利要求13所述的方法，还包括以下步骤：确定条件指示符，其中，该条件指示符对应于对于已知良好系统的组件的采样的所检测参数的概率分布。

19.根据权利要求18所述的方法，还包括以下步骤：至少部分地基于至少一个条件指示符来确定健康指示符，其中，该健康指示符表示被监测组件的当前条件。

20.根据权利要求19所述的方法，还包括以下步骤：定标该健康指示符，以使得指示不再良好的阈值对应于其它被监测组件的健康指示符的公共基准。