CN103398844A - 齿轮箱模型式诊断方法、工具以及计算机可读取存储介质 - Google Patents

齿轮箱模型式诊断方法、工具以及计算机可读取存储介质 Download PDF

Info

Publication number
CN103398844A
CN103398844A CN2013103480538A CN201310348053A CN103398844A CN 103398844 A CN103398844 A CN 103398844A CN 2013103480538 A CN2013103480538 A CN 2013103480538A CN 201310348053 A CN201310348053 A CN 201310348053A CN 103398844 A CN103398844 A CN 103398844A
Authority
CN
China
Prior art keywords
gear case
generator
model
kinematic train
parts
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN2013103480538A
Other languages
English (en)
Inventor
S·Y·潘
J·K·考尔塔特
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Romax Technology Ltd
Original Assignee
Romax Technology Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Romax Technology Ltd filed Critical Romax Technology Ltd
Publication of CN103398844A publication Critical patent/CN103398844A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0283—Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
    • G05B23/0254—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model based on a quantitative model, e.g. mathematical relationships between inputs and outputs; functions: observer, Kalman filter, residual calculation, Neural Networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Algebra (AREA)
  • Human Computer Interaction (AREA)
  • Manufacturing & Machinery (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

本发明涉及齿轮箱的故障与损伤诊断，以便预测齿轮箱的运行寿命。进行下线测试以推断关于生产线上的每个齿轮箱的信息。对齿轮箱创建高度详尽模型，以确定用于下线测试的最佳传感器位置，从而使得测试能够区分不同类型的制造变化。这些信息可以被用来为每个齿轮箱创建一个独特的、高度详尽的模型。在运行过程中，在规则间隔测量齿轮箱上作用的力和力矩，并运用模型持续更新齿轮箱每个部件的累积损伤预测。接着计算在给定时间段内的失效概率。比如振动分析的已有状态监控系统可以与模型式诊断方法同时使用。计算所需寿命的总体失效概率，如有必要，可以限制运行，以提供在给定时间段内所需的失效概率。

Description

齿轮箱模型式诊断方法、工具以及计算机可读取存储介质
本申请是申请日为2009年4月29日、国际申请号为：PCT/EP2009/055237、国家申请号为：200980115694.0、名称为“齿轮箱模型式诊断方法、工具以及计算机可读取存储介质”的进入中国国家阶段的国际申请的分案申请。
技术领域
本发明的实施方式涉及用于齿轮箱的齿轮箱故障诊断与状态监控系统。
背景技术
齿轮箱使用过程中发生故障的情况很常见，牵涉到高额维修费用。对齿轮箱状态的持续监控能够预先识别可能的故障。这可向使用者或操作者发出警告，使得他们在造成巨大损失或灾难性后果的故障发生前就采取挽救措施。
齿轮箱能够从使用状态监控中获益的一个例子是风机中的齿轮箱。在运行过程中，风机承受作用于其结构和转子叶片上的载荷。这些载荷可以施加在任意方向，并且在风机上的载荷可能不对称。因此在转子叶片轮毂上的载荷可能是任意方向的力和绕任意轴线的力矩。这些力和力矩会导致齿轮箱内部部件的变形，从而影响齿轮箱中单个部件的受损程度。
风机所受的载荷实质上是随机的，因此很难预测，这个事实使得问题更为复杂。
机器操作者(如风机操作者)必须为系统选择最合适的维护方案。通常，方案可包括运行至失效、定期维护和/或根据状态(主要是可靠性)进行维护。状态监控在工程上是已确立的实践方法，对根据状态进行维护的方案来说也是极其重要的因素。一般认为，当机器满足以下一个或多个条件时，使用根据状态进行维护：
.机器很昂贵；
.备用件定货交付期很长；
.中断运行会导致较大经济损失；
.停机维修昂贵，需要专业人员；
.需要减少专业维护人员的数量；
.监控方法的成本可以接受；
.故障具有危险性；
.设备为远程设备；
.故障不是通过常规操作输出退化的方式显现；和/或
.继发损坏可能导致较大经济损失。
风机可以满足以上很多条件，因此很适用根据状态进行维护。然而，风机操作者通常无法采用根据状态进行维护的策略，原因是他们无法在任意时间点精确预测或测量风机的状态。
现有的状态监控方法包括：振动分析；声学监控；油质分析；温度监控；以及电力发电机监控。这些方法的缺点是，无法将测量得到的或监控得到的数据与齿轮箱的单个部件的剩余寿命关联起来。同样，这些方法也无法将测量得到的数据与给定时间段内的失效概率关联。现有的状态监控系统都有这个缺点。
风机操作者想要知道到下一次计划内维护为止这一给定时间段内的失效概率。对风机、尤其是海上风机进行一次计划外维护的成本相当高昂。
目前对齿轮箱状态监控多采用振动分析。然而，现有振动分析方法通常依靠在每个需要监控的部件附近放置传感器来进行。例如，在齿轮箱的行星齿系附近安装传感器。传感器的定位方式使得信噪比最大化。然而，不必使得有关给定齿轮箱设计的最多信息的传输最优化。传感器放置的位置应当能够提供好的故障区分度。然而目前并没有已成形的实践方案来实现这一点，这主要是由于缺乏足够详细的模型所导致的。
这里所用的术语“故障区分度”指的是使用一个或多个传感器记录数据时，能够区分系统内的不同的故障。传感器在系统内放置的位置使得单个传感器的输出或多个传感器的输出能够对系统故障进行区分。
在现有振动分析方法中，当传感器提供的测量值超过预定的阈值时，用户会得到警报：部件某处可能有故障或制造误差。然而，用户无法得知故障或误差的实质。这一方法也很有可能导致误报。首先，无法区分与故障或损伤有关的振动，和与他们无关的振动。其次，在振动分析系统中，阈值水平的选择对于系统能够可靠检测故障或损伤是很关键的。但阈值水平并不一定是恒定的，可能随着频率(和速度)而变化。震动和外来振动的存在要求阈值水平必须设定得足够高，以使误报的风险最小化。另外，阈值还必须设得足够高，已应对在整个寿命期间内传感器性能蠕变可能产生的负面效应。
因此，振动分析不光很有可能导致误报，而且也无法在相应振动值低于阈值水平的时候检测到关键的损伤或失效。对于齿轮箱操作者来说，要确定现有的振动分析状态监控系统(CMS)所发出的警报是真实的还是误报，通常是非常困难甚至不可能的。
因为安装环境的问题，海上风机齿轮箱的维护非常困难，必须周密计划。计划外的维护费用非常昂贵。如果齿轮箱失效，风机所有者或操作者必须考虑计划外维护所带来的高额费用，并在此和等到下一次计划内维护时再进行维修所带来的产能损失之间做出权衡。他们还必须考虑齿轮箱部件不正常转动时可能发生的连锁效应，比如腐蚀以及轴承损伤等。
当状态监控系统启动报警时，风机操作者必须考虑误报的可能性。如果警报显示有某些损伤发生，操作者可能会考虑让风机进入低产能模式，以降低在下一次计划内维护前产生昂贵失效的可能性。这可以通过改变转子叶片的倾斜程度，或在某些情况下关闭风机来完成。然而，现有的状态监控系统无法提供齿轮箱中部件失效概率的相关信息。对此类信息的需求度很高，但现有的状态监控方法都无法满足。
现有的状态监控方法一般都是进行故障诊断。然而，对于想要以根据状态进行维护方法进行操作的齿轮箱操作者来说，机器状态的预诊也是非常必要的。在风机齿轮箱领域尤其如此，然而目前对此还没有合适的解决方案。
发明内容
需要消除或克服至少部分上述强调的现有方案存在的问题。
根据本发明的一个方面，提供一种用于确定齿轮箱、传动系统和/或发电机中或上的下线测试传感器位置的方法，该方法包括：a)生成用于齿轮箱、传动系统和/或发电机的名义模型，并计算所建模的齿轮箱、传动系统和/或发电机中或上的一个或多个位置所对应的第一组模拟响应；b)对名义模型引入制造变化，并计算所建模的齿轮箱、传动系统和/或发电机中或上的一个或多个位置所对应的第二组模拟响应；c)根据第一组模拟响应和第二组模拟响应的区别，生成模拟残差阵列；以及d)根据所述一个或多个位置的每个位置对应的模拟残差值，在所建模的齿轮箱、传动系统和/或发电机中或上的一个或多个位置中选择一个或多个，作为下线测试传感器的位置。
根据本发明的另一个方面，提供一种用于确定齿轮箱、传动系统和/或发电机中或上的下线测试传感器位置的工具，该工具包括：用于对齿轮箱、传动系统和/或发电机建立名义模型并计算所建模的齿轮箱、传动系统和/或发电机中或上的一个或多个位置所对应的第一组模拟响应的部件；用于在名义模型中引入制造变化并计算所建模的齿轮箱、传动系统和/或发电机中或上的一个或多个位置所对应的第二组模拟响应的部件；用于根据第一组模拟响应和第二组模拟响应的区别，生成模拟残差阵列的部件；以及用于根据所述一个或多个位置的每个位置对应的模拟残差值，在所建模的齿轮箱、传动系统和/或发电机中或上的一个或多个位置中选择一个或多个，作为下线测试传感器的位置的部件。
根据本发明的另一个方面，提供一种带编码指令的计算机可读取的存储介质，当所述指令由处理器执行时，能够执行：a)对齿轮箱、传动系统和/或发电机建立名义模型并计算所建模的齿轮箱、传动系统和/或发电机中或上的一个或多个位置所对应的第一组模拟响应；b)在名义模型中引入制造变化并计算所建模的齿轮箱、传动系统和/或发电机中或上的一个或多个位置所对应的第二组模拟响应；c)根据第一组模拟响应和第二组模拟响应的区别，生成模拟残差阵列；以及d)根据所述一个或多个位置的每个位置对应的模拟残差值，在所建模的齿轮箱、传动系统和/或发电机中或上的一个或多个位置中选择一个或多个，作为下线测试传感器的位置。
根据本发明的另一个方面，提供一种用于确定齿轮箱、传动系统和/或发电机的一个或多个部件的实际制造变化的方法，该方法包括：a)对齿轮箱、传动系统和/或发电机的名义模型提供模拟响应；b)提供与所建模的齿轮箱、传动系统和/或发电机中或上的一个或多个位置相应的模拟残差阵列；c)将一个或多个下线测试传感器放置在齿轮箱、传动系统和/或发电机中或上的一个或多个位置处，其中齿轮箱、传动系统和/或发电机中或上的一个或多个位置对应所建模的齿轮箱、传动系统和/或发电机中或上的一个或多个位置；d)运行齿轮箱、传动系统和/或发电机；e)使用一个或多个下线测试传感器，检测并记录齿轮箱、传动系统和/或发电机中或上的一个或多个位置的响应；f)根据记录响应和模拟响应，计算记录残差；以及g)通过对比记录残差与模拟残差，确定齿轮箱、传动系统和/或发电机的部件的实际制造变化。
根据本发明的另一个方面，提供一种用于确定齿轮箱、传动系统和/或发电机的一个或多个部件的实际制造变化的工具，该工具包括：用于对齿轮箱、传动系统和/或发电机的名义模型提供模拟响应的部件；用于提供与所建模的齿轮箱、传动系统和/或发电机中或上的一个或多个位置相应的模拟残差阵列的部件；用于将一个或多个下线测试传感器放置在齿轮箱、传动系统和/或发电机中或上的一个或多个位置上的部件，其中齿轮箱、传动系统和/或发电机中或上的一个或多个位置对应所建模的齿轮箱、传动系统和/或发电机中或上的一个或多个位置；用于运行齿轮箱、传动系统和/或发电机的部件；用于使用一个或多个下线测试传感器检测并记录齿轮箱、传动系统和/或发电机中或上的一个或多个位置处的响应的部件；用于根据记录响应和模拟响应计算记录残差的部件；以及用于通过对比记录残差与模拟残差来确定齿轮箱、传动系统和/或发电机的部件的实际制造变化的部件。
根据本发明的另一个方面，提供一种带编码指令的计算机可读取的存储介质，当所述指令由处理器执行时，能够执行：a)对齿轮箱、传动系统和/或发电机的名义模型提供模拟响应；b)提供与所建模的齿轮箱、传动系统和/或发电机中或上的一个或多个位置相应的模拟残差阵列；c)根据记录响应与模拟响应计算记录残差，在齿轮箱、传动系统和/或发电机运行时，由一个或多个下线测试传感器检测和记录齿轮箱、传动系统和/或发电机中或上的一个或多个位置处的记录响应，齿轮箱、传动系统和/或发电机中或上的一个或多个位置对应所建模的齿轮箱、传动系统和/或发电机中或上的一个或多个位置；以及d)通过对比记录残差与模拟残差，确定齿轮箱、传动系统和/或发电机的部件的实际制造变化。
根据本发明的另一个方面，提供一种用于运行齿轮箱、传动系统和/或发电机的方法，该方法包括：a)持续监测施加在齿轮箱、传动系统和/或发电机上的力和力矩；b)根据施加在齿轮箱、传动系统和/或发电机上的力和力矩，计算齿轮箱、传动系统和/或发电机的一个或多个部件的每一个的损伤；c)根据计算得到的齿轮箱、传动系统和/或发电机的一个或多个部件的损伤以及预定或预测的齿轮箱、传动系统和/或发电机的未来运行情况，预测齿轮箱、传动系统和/或发电机中的一个或多个部件的寿命。
根据本发明的另一个方面，提供一种用于运行齿轮箱、传动系统和/或发电机的工具，该工具包括：用于持续监测施加在齿轮箱、传动系统和/或发电机上的力和力矩的部件；用于根据施加在齿轮箱、传动系统和/或发电机上的力和力矩计算齿轮箱、传动系统和/或发电机的一个或多个部件的每一个的损伤的部件；用于根据计算得到的齿轮箱、传动系统和/或发电机的一个或多个部件的损伤以及预定或预测的齿轮箱、传动系统和/或发电机的未来运行情况，预测齿轮箱、传动系统和/或发电机中的一个或多个部件的寿命的部件。
根据本发明的另一个方面，提供一种带编码指令的计算机可读取的存储介质，当所述指令由处理器执行时，能够执行：根据施加在齿轮箱、传动系统和/或发电机上的力和力矩，计算齿轮箱、传动系统和/或发电机的一个或多个部件的每一个的损伤；根据计算得到的齿轮箱、传动系统和/或发电机内的一个或多个部件的损伤以及预定或预测的齿轮箱、传动系统和/或发电机的未来运行情况，预测齿轮箱、传动系统和/或发电机中的一个或多个部件的寿命。
根据本发明的另一个方面，提供一种用于运行齿轮箱、传动系统和/或发电机的方法，方法包括：a)持续监测作用于齿轮箱、传动系统和/或发电机的一个或多个力和/或一个或多个力矩；b)根据作用于齿轮箱、传动系统和/或发电机上的一个或多个力和/或一个或多个力矩计算齿轮箱、传动系统和/或发电机的一个或多个部件的每一个的损伤；c)根据计算得到的齿轮箱、传动系统和/或发电机的一个或多个部件的损伤以及预定或预测的齿轮箱、传动系统和/或发电机的未来运行情况，预测齿轮箱、传动系统和/或发电机中的一个或多个部件的寿命。
根据本发明的另一个方面，提供一种用于运行齿轮箱、传动系统和/或发电机的工具，该工具包括：用于持续监测作用于齿轮箱、传动系统和/或发电机上的一个或多个力和/或一个或多个力矩的部件；用于根据作用于齿轮箱、传动系统和/或发电机上的一个或多个力和/或一个或多个力矩计算齿轮箱、传动系统和/或发电机的一个或多个部件的每一个的损伤的部件；用于根据计算得到的齿轮箱、传动系统和/或发电机的一个或多个部件的损伤以及预定或预测的齿轮箱、传动系统和/或发电机的未来运行情况来预测齿轮箱、传动系统和/或发电机中的一个或多个部件的寿命的部件。
根据本发明的另一个方面，提供一种带编码指令的计算机可读取的存储介质，当所述指令由处理器执行时，能够执行：a)持续监测作用于齿轮箱、传动系统和/或发电机上的一个或多个力和/或一个或多个力矩；b)根据作用于齿轮箱、传动系统和/或发电机的一个或多个力和/或一个或多个力矩计算齿轮箱、传动系统和/或发电机的一个或多个部件的每一个的损伤；c)根据计算得到的齿轮箱、传动系统和/或发电机的一个或多个部件的损伤以及预定或预测的齿轮箱、传动系统和/或发电机的未来运行情况，预测齿轮箱、传动系统和/或发电机中的一个或多个部件的寿命。
附图说明
下面参考附图通过非限制性的例子来说明本发明的实施方式。
图1为示出与确定齿轮箱、传动系统或发电机中或上的下线测试传感器位置相关的步骤的流程图；
图2为示出与确定齿轮箱、传动系统或发电机的制造变化相关的步骤的流程图；
图3为示出与运行齿轮箱、传动系统或发电机相关的步骤的流程图；
图4、5和6为创建元模型的各个阶段；以及
图7为根据本发明各种实施方式的工具的示意图。
具体实施方式
根据本发明的一个方面，使用基于模型的方法来确定齿轮运转的机器(如风机)的齿轮箱、传动系统或发电机中或上的传感器位置。传感器可以是下线测试传感器，或状态监测传感器。
下线测试传感器包括置于齿轮箱中或上且在齿轮箱或传动系统制造后便立即使用的传感器。下线测试传感器可以用来确定残差以及特定齿轮箱模型，细节将在后续段落中描述。
状态监测传感器包括置于齿轮箱或传动系统中或上以监控在运行寿命中作用于齿轮箱或传动系统上的力及力矩的那些传感器。状态监测传感器可以用来预测齿轮箱或传动系统中部件的损伤，从而预测他们的寿命。
传感器被定位成使得它们能够获得有关齿轮箱的单个部件的最佳信息量。
图1为用于确定下线测试传感器位置的方法中的步骤。
在步骤10中创建通用齿轮箱的名义模型。术语“名义模型”指的是名义齿轮箱设计的数学模型。名义模型一般是使用齿轮箱设计中不包括制造变化的精确尺寸(如使用设计图纸中给定的尺寸，不考虑任何制造与组装齿轮箱时可能包含的任何变化)来创建。名义模型还可以使用尺寸的平均值、中值或模态值来创建。名义模型也可以包括尺寸与上述精确尺寸相近的模型。
术语“制造变化”指的是齿轮箱在制造时带入的与齿轮箱的部件的特定精确尺寸产生的偏差。术语“制造变化”可以包括组装变化，组装变化包括构建过程中产生的与齿轮箱设计的精确尺寸之间的偏差。术语“制造变化”还可以包括齿轮箱部件之间或齿轮箱部件内的间隙。
制造变化通常表示为工程图纸上标示的公差。公差的大小由已知的制造与组装工艺中的变化来决定。公差的大小也可以根据制造工艺的数学或统计学模型来决定。公差范围通常由可能的误差的绝对上下限值来表示，或可以通过一些统计学差值来表示，如+/-1标准偏差。
名义模型是一个数学模型，可以包括以下部件和操作条件：
.轴；
.斜齿轮、直齿轮、行星轮、锥齿轮、准双曲面齿轮和蜗轮(包括齿轮微观几何尺寸、齿面弯曲刚度和啮合接触刚度)；
.轴承(包括非线性轴承刚度、间隙、预载荷、滚子元件与滚道的接触以及离心效应)；
.齿轮箱组件中的间隙；
.齿轮箱箱体；
.离合器与同步器，以及它们限定齿轮箱中的能量流的作用
.制动器；
.重力；和/或
.运行载荷，包括力与力矩。
名义模型可以使用RomaxDesigner来创建。这一软件是由位于英国诺丁汉的Romax科技有限公司提供的。RomaxDesigner可以用来创建包含(但不限于)上述部件和操作条件的齿轮箱的模型。该软件能够使用通过质量与刚度矩阵来表征齿轮箱的有限元技术来分析齿轮箱模型。有限元模型中的每个节点都含有6个自由度，意味着力与力矩能够在X、Y、Z轴方向上和绕着X、Y、Z轴方向定义与测量。名义模型的某些部分可以通过分析方程来表示，方程可以与模型的有限元部分同时或分别分析。模型的有些部分可能基于经验数据，如从物理测试数据中测量得到或基于数学模拟得到的齿轮啮合的刚度。
名义模型可以模拟静态载荷或瞬间动态载荷下的行为。
在考虑到非线性轴承的刚度和间隙的非线性效应的影响，计算由于力和力矩作用于有限元模型中的任何节点或节点组合所产生的有限元模型的每个节点的变形时，可以使用牛顿-拉夫森方法。然后可以计算每个齿轮箱部件上所受的力和力矩。接着可以使用相同的有限元技术，对齿轮箱部件(如轴承等)的内部结构进行详细建模。模型的所有元都可以相互耦合，这意味着能够同时对整个模型上的变形与载荷同时进行计算。
齿轮箱的振动特性可以通过RomaxDesigner来预测。由质量与刚度矩阵表示的齿轮箱空间模型，在RomaxDesigner软件中通过将质量与刚度矩阵与特征向量相乘，得到模态质量与模态刚度矩阵，来将空间坐标转化为模态坐标。随后该模态模型可以例如由模型中一个或多个齿轮啮合的一个或多个传递误差的谐振来激发，和/或通过齿轮箱模型中任意节点定义的任何其它的力或力矩来激发。如果使用传递误差激励，则传递误差可以通过其与齿轮啮合刚度相乘来转化为力激发。或者，激励也可以对应已知的在齿轮箱运行过程中可能产生的激励。或者，激励也可以对应齿轮箱的故障(例如齿轮或轴承的故障)，其使得系统以与齿轮箱部件转动速度相关的已知频率激发。
谐波响应是由于激发所产生的力、位移、速度或加速度。齿轮箱模型中的任意一点的谐波响应可以由在与激发频率相同或成倍数的频率处观察到的响应来表示。可以在激发频率的范围上评估谐波响应。如果激励是齿轮啮合的传递误差，则激发频率的范围对应于齿轮箱输入速度范围。
齿轮箱或齿轮箱箱体上的任意一点的谐波响应可以用RomaxDesigner模型来预测。
使用类似上述的带有全部细节的模型获得的结果与测试结果具有很好的相关性。
名义模型可以被用来计算一系列制造变化结果，包括：
·由于运行载荷所引起的系统任意部分的变形或扭曲；
·齿轮啮合错位量；
·齿面接触形式与载荷分配；
·齿轮弯曲应力；
·齿轮接触应力；
·齿轮接触与齿轮弯曲应力所对应的剩余疲劳寿命(如到达失效所能运行的次数)(由例如经验S-N曲线等计算)；
·剩余轴承寿命(由例如经验数据等计算)；和/或
·传递误差(对例如单个齿轮啮合或行星齿系等进行计算)。
通常现有方案都使用简单的基于信号的模型。
名义模型和其它的包括制造变化的模型一起用来确定用于下线测试和用于使用过程中振动监控的最佳下线测试传感器位置。在这些情况中的每一个中，最佳下线测试传感器位置不必相同。下线测试传感器可以位于齿轮箱部件、齿轮箱箱体或齿轮运转的机器的任何相关部件上。下线测试传感器可以用来测量加速度、速度或位移(通过直接测量或积分计算)。下线测试传感器可以用来感测例如声压、声能、声强或温度。
在步骤12中，名义模型会被用于分析，并计算第一组模拟响应。无论是模拟响应还是记录响应，都包括通过置于齿轮箱中或上的一个或多个位置处的各种类型传感器检测到的所有值。
与计算第一组模拟响应相关的下线测试传感器的一个或多个位置可以是所建模的齿轮箱中或上的任何位置。名义模型可以用来计算用户所选位置的模拟响应。在某些实施方式中，可以计算覆盖整个齿轮箱的名义间隔位置的第一组模拟响应。
在运行名义模型期间计算得到的模拟响应可以包括所建模的齿轮箱中或上的不同位置的谐波响应。替代地，计算得到的模拟响应可能与作用在所建模的齿轮箱内的不同部件的扭矩、或所建模的齿轮箱中或上的不同位置的温度有关。
时域信号的傅里叶变换(如信号的FFT或DFT)也可以提供合适的响应。本发明的各种实施方式也包括了使用能够计算这类响应的模型。
名义模型模拟下线测试传感器的多个可能的位置。然后对这些位置的每一个计算第一组模拟响应。
在一种实施方式中，在一个或多个运行载荷下运行齿轮箱模型时，可以计算一个或多个模拟响应。在其它实施方式中，在一个或多个运行速度下运行齿轮箱模型时，可以计算一个或多个模拟响应。
使用名义模型计算得到的第一组模拟响应表示根据精确设计尺寸且不包含任何制造变化所建造的齿轮箱记录得到的响应。
在本发明的某些实施方式中，可以对至少5个、至少10个、至少20个、至少40个、至少60个、至少80个、至少100个或多于100个可能的状态监测传感器位置进行模拟。
随后，在步骤14中，对名义模型引入制造变化。一系列制造变化可以使用上述的模型进行模拟。这些制造变化，可以从上述列表中选择，并引入与齿轮箱寿命和运行相关的齿轮箱部件中。
在步骤16中，可以计算包含一系列所引入的制造变化的建模齿轮箱的第二组模拟响应。第二组模拟响应可以有利地对应生成第一组模拟响应所用的可能的位置、运行载荷和运行速度。这样可以直接对两组模拟响应进行对比。
在步骤18中，根据第一组模拟响应和第二组模拟响应之间的差计算得到残差阵列。
此处，术语“残差”指的是表示由齿轮箱的名义模型计算得到的模拟响应和由包含了制造变化的建模齿轮箱计算得到或实际齿轮箱记录得到的响应之间的差。
例如，残差可以通过名义设计的响应与包含了一系列制造变化的设计所获得的响应之间的差计算得到。每个残差可能对应不同的传感器位置。每个残差还可能对应不同的运行载荷，并且可以在一系列不同的激发频率(如模型的一系列不同的输入速度)下计算得到。
上述各种可能的传感器位置、运行载荷和运行速度是基于使区分不同的制造公差的方法的能力最大化来选择的。每个残差也可能使用不同的度量计算得到，如从第一组模拟响应和第二组模拟响应获得的相应模拟响应之间的均方差；从第一组模拟响应和第二组模拟响应获得的相应模拟响应之间的关联性系数；从第一组模拟响应和第二组模拟响应获得的相应模拟响应的幅值的均方差；以及第一组模拟响应和第二组模拟响应获得的相应模拟响应之间的绝对差的和等。
每个残差可以对应这些用来评估原始响应的一个或多个子集的度量中的任意一个，子集可以对应一系列输入速度。
之前通常已经从系统的状态变量生成残差。例如，残差生成曾被用于汽车的车载检测(OBD)系统来检测引擎空气流系统的故障。在这种例子中，状态变量可以是空气质量流、歧管压力、歧管温度和/或节流阀位置。然而，在下线测试和状态监控应用中，齿轮箱的状态变量和制造变化、状态或持续损伤之间并不一定具有相关性。
本发明的各种实施方式扩展了从齿轮箱箱体或部件上放置的传感器上获得的度量来创建残差的状态变量技术。另外，在本发明的一些方面中能够有利地使用残差，不光用来识别故障，而且还可以用来检测系统的制造变化、尺寸以及间隙。
在步骤20中，为下线测试传感器选择各自的一个或多个模拟位置。
最佳传感器位置指的是能够使用有限数量的传感器区分不同的制造变化种类的位置。选择下线测试传感器位置，使得阵列中的一个或多个残差显示用于一个或多个制造变化的独特标识。
如果对应特定制造变化的残差的独特标识能够使用在制造的齿轮箱中或上放置的一个或多个传感器检测到，则可以推断在齿轮箱中存在该制造变化。
用于检测感兴趣的一系列制造变化、间隙或故障所需要的下线测试传感器的最小数量通过如下算法计算得到，该算法能够选取传感器位置以改进故障侦测率和区分度。最简单的算法是使用穷举搜索技术进行该工作。首先，考虑成对的传感器，并进行检查，以确定它们是否能够对一种类型的制造变化提供侦测率和区分度。如果没有成对的传感器能够提供侦测率和区分度，则考虑三个一组的传感器。组中的传感器数量可以增加，重复检查步骤，直到找到合适的传感器组。
下表为残差阵列的示例，每个制造变化的组合都有一个独特标识。
Figure BSA0000093755920000151
表格的每一行都代表着引入名义模型的不同的制造变化。编号为1-8的残差可对应不同的状态监测传感器位置和/或不同的齿轮箱运行载荷和/或不同的齿轮箱运行速度范围。
为残差设置阈值，将之转化为二进制形式(例如，若残差超过阈值则为1，反之则为0)。表中每个残差都可以有一个不同的阈值。同时，每个数值以及在对应的转化为数字系统的数值可以有多个阈值。下表为二进制形式的残差示例。
Figure BSA0000093755920000161
上表中，“0”表示残差小于阈值，“1”表示残差大于阈值。
残差的量化生成了一个由0和1组成的表格，便于识别每个类型制造变化所对应的独特标识。
本发明各种实施方式的方法可包括在齿轮箱中或上对应于所选位置的位置放置一个或多个下线测试传感器的额外步骤。传感器可以用来检测加速度、速度和/或位移。传感器可以是惯性传感器或压电传感器。替代地，传感器可以包括能够感测例如声压、声能、声强或温度的其它传感器。
根据本发明的各种实施方式，在另一个方面中给出了用来确定齿轮箱中的部件的制造变化的方法。图2为确定这些制造变化的方法的步骤。
在步骤22中，提供例如如上所述的齿轮箱名义模型的模拟响应。模拟响应对应根据精确设计制造且不包括任何制造变化的齿轮箱中预计得到的响应。
在步骤24中，提供建模齿轮箱中或上的不同位置对应的模拟残差阵列。模拟残差阵列表示对应齿轮箱中可能产生的一系列制造变化的一组独特标识。获得模拟残差的过程前面有过详细描述。
在齿轮箱模型在一个或多个模拟运行载荷下运行时，可以从模拟响应计算得到模拟残差。模拟残差也可以由齿轮箱模型在一个或多个模拟运行速度下运行时由模拟响应计算得到。
在步骤26中，在齿轮箱中或上与生成模拟残差位置对应的位置上放置一个或多个下线测试传感器。下线测试传感器可以用来检测加速度、速度和/或位移。下线测试传感器可以是惯性或压电传感器。替代地，下线测试传感器能够用来感测作用在齿轮箱上的其它的力，如声压、声能、声强或温度。
在步骤28中，运行齿轮箱。运行齿轮箱可以包括在一个或多个运行速度和/或一个或多个运行载荷下运行齿轮箱。一个或多个运行速度和运行载荷可以有利地对应模拟运行速度和运行载荷，以便直接对比记录响应和模拟响应。
在步骤30中，使用置于齿轮箱上的下线测试传感器检测并记录实际制造的齿轮箱的响应。记录响应指示制造齿轮箱中存在制造变化。
在步骤32中，接着生成记录残差阵列。记录残差是根据名义模型的模拟响应和制造齿轮箱中通过下线测试传感器检测到的记录响应之间的差来计算的。
在步骤34中，根据对比记录残差阵列与模拟残差阵列，确定制造的齿轮箱的制造变化。如果计算得到的残差组合与特定制造变化的独特标识匹配或等于特定制造变化的独特标识，则可以推断齿轮箱中存在这种制造变化。
例如，残差标识可能被记录下来并与给定的制造变化相关联，如变化A＝0％和变化B＝+50％。残差标识可以为上表中给出的如下形式：[0.413.220.11.00.121.720.00.3]。
在这个例子中，这些值对应于通过将齿轮箱的谐振响应与名义模型的谐振响应进行比较计算得到的相关系数，测量值在八个不同传感器位置获得。可为这些残差设置阈值以将它们转换成二进制形式：[0 1 1 0 0 1 1 0]。
诸如上面在八个传感器位置的记录标识将指示齿轮箱具有0％的变化A和+50％的变化B。
在本发明的一种实施方式中，确定的制造变化与百分比值关联，该百分比值代表确定的制造变化的精确度的可信度。
图2中的方法可以结合到齿轮箱的下线测试中。每个制造的齿轮箱都可以在由生产线上下线时进行测试，以确定特定齿轮箱的独特制造变化。
在下线测试之后，可以为每个离开生产线的齿轮箱生成独特模型。每个独特模型都可以使用下线测试中得到的尺寸和间隙来创建，并可以在整个运行寿命中都与对应的齿轮箱保持关联。这可以通过现场或远程计算机来实现。
独特模型可以被用来计算在给定载荷和给定速度下运转时可能作用于齿轮箱中或上的任何位置或特定位置的力和力矩。这又可以根据在齿轮箱中或上的状态监测传感器的输出来计算齿轮箱在运行时每个部件所受到的预测损伤。
根据本发明的各种实施方式，在另一个方面中提供了一种运行齿轮箱的方法。图3为使用模型式诊断方法运行齿轮箱的方法的步骤。
在步骤36中，可以提供特定齿轮箱的相关信息。这些信息包括齿轮箱部件的尺寸与间隙的一个或多个制造变化相关的信息。有关齿轮箱的信息可包括带六个自由度的完整耦合模型。模型也可以是针对齿轮箱的独特模型。这样的独特模型的创建之前已有详细描述。
在步骤38中，对作用于齿轮箱上的力和力矩进行持续监测。运行过程中不断监测作用于齿轮箱上的力和力矩。这些测量值可以规则采样频率(如50Hz)取得。在本发明的各种实施方式中，步骤38可包括不断监测一个或多个力和/或一个或多个力矩。
监测一个或多个力和/或一个或多个力矩可以包括监测置于齿轮箱中或上的预定位置处的一个或多个状态监测传感器的输出，预定位置是根据所提供的有关齿轮箱的信息来计算得到的。在一种实施方式中，预定位置是使用根据齿轮箱名义模型获得的残差和结合制造变化的齿轮箱模型获得的残差计算得到的。
状态监测传感器可以检测加速度、速度和位移。状态监测传感器可以是惯性或压电传感器。替代地，传感器可以感测作用于齿轮箱上的其它力，如声压、声能、声强或温度。
在步骤40中，对通过每个采样点的数据测量得到的一个或多个力和/或一个或多个力矩所导致的每个部件的损伤进行计算。计算时，使用上述完整耦合的系统模型来计算系统变形与部件载荷。对轮齿接触使用有限元进行建模，并考虑轮齿弯曲刚度与齿轮啮合接触刚度。这些刚度可以通过计算或基于经验数据来得到，并考虑了完整模型的静态变形分析。可以对每个齿轮啮合计算齿面载荷分配、轮齿接触应力或弯曲应力。之后，这些值可以与经验数据或用来计算运行接触应力的经验方法(如ISO6336-2中描述的方法)进行比较。轮齿弯曲应力可以使用有限元模型计算得到，或者使用经验方法(如使用ISO6336-3中描述的方法)来计算得到。可使用齿轮接触失效和齿轮弯曲失效所用的S-N曲线，也可以基于数学模拟或基于经验数据(如ISO6336中给出的数据)。
可以使用RomaxDesigner软件计算轴承损伤。该计算考虑了很多因素，如轴承内部几何尺寸、轴承部件的刚度和变形、轴承部件之间的接触，并考虑了轴承载荷与刚度。然后可以根据这些因素，使用数学模拟或经验数据(如ISO281中提供的数据)计算轴承寿命。
输出值为ISO281中定义的L10寿命值。
以下，“百分比损伤”定义为部件已经消耗的总体寿命的比例。部件寿命实质上为统计学寿命，所以100％的损伤对应部件的失效概率。
在步骤42中，使用计算得到的累积损伤，可以预测齿轮箱的一个或多个部件的剩余寿命。每个部件的累积损伤预测是不断更新的，然后使用经验数据(如S-N曲线和ISO标准中可用的轴承寿命数据)来预测每个部件的剩余寿命。随后可以计算在给定时间(如到下一次计划内维护的时间段)内每个部件的失效概率。
此处所说的术语“寿命”为齿轮箱部件达到完全失效所用的时间，或部件性能降低到预定水平(如齿轮箱或其中安装有齿轮箱的机器持续运行的最低可接受水平)的时间。术语“寿命”可以用来表示直到失效概率超过某个水平所需要的时间。
齿轮箱的一个或多个部件的预测寿命可与表示一个或多个部件在预定时间段内的失效概率的百分比值相关。齿轮箱系统或其中的任何单个齿轮或轴承的失效概率可以使用上述RomaxDesigner软件来计算。在该情形中，失效概率与作用给定持续时间的给定载荷或此类载荷的集合相关。
在步骤44中，在预测齿轮箱的一个或多个部件的剩余寿命后，可为了达到所要求的齿轮箱寿命而限制齿轮箱的运行。
齿轮箱的运行可以被限制在给定的运行条件范围内。例如，如果操作者认为在下一次计划内维护前的失效概率太高，则可调整齿轮箱的运行，以降低齿轮箱失效概率，延长齿轮箱的预测寿命。替代地，也可能发现齿轮箱在不必要的低运行条件范围内运行。在这种情况下，操作者可能会希望提高齿轮箱的运行载荷和速度，以在下一次计划内维护事件之前使得齿轮箱的输出最大化。这样齿轮箱操作者可以管理齿轮箱的运行，降低对计划外维护的需求，并且对齿轮箱运行进行优化管理。
所提供的齿轮箱的信息可能无法以与采样数据的频率同样高的频率进行分析。例如，由于每个数据采样预测损失所需的模型分析为1s，但是数据可以50Hz的频率采样。在这种情况下，可以使用逼近方法(元模型)来更快地预测损伤。
元模型通过三个步骤创建：
1)在齿轮箱运行开始前从齿轮箱模型获得多个数据样本；
2)使用表面响应方法(RSM)确定其中的趋势；
3)通过位于每个取样点中心的高斯内核，对该趋势引入高斯偏差。
元模型可只通过上述步骤1)和2)来创建。
图4-6为对两个变量的问题应用上述三个步骤。图4为绘制出的原始数据点。图5为二次多项式得到的逼近函数。图6为包括了高斯内核的逼近函数。
元模型中的变量可以是可以在齿轮箱模型、传动系统或发电机的任何位置限定的下列载荷中的一个或多个载荷：x方向的力(Fx)、y方向的力(Fy)、z方向的力(Fz)、绕x轴的力矩(Mx)、绕y轴的力矩(My)、绕z轴的力矩(Mz)。替代地，变量可以包括沿x、y、z方向中的任意方向的位移，或绕x、y、z轴中任意轴的旋转，或者温度。
元模型是由数据采样创建的，每个数据采样对应不同的上述变量的组合。元模型的精确度可能取决于用来确定用以创建每个数据采样的变量的方法。可使用随机确定采样点的采样方法，但是这个方法并不理想，因为这样的方法可能导致采集到一些具有类似变量的数据样本，使得元模型不精确。优选地在元模型变量所代表的设计空间内均匀间隔布置采样点。
在元模型变量设计空间均匀数据采样可以通过使用通用算法优化采样策略来完成。一种方法是最大化任意两个相邻采样点之间的最小距离。文献中有许多其他合适的采样策略，包括使任意两个相邻采样点之间的最大距离最小化；L2最优化；拉丁超立方采样。
使用表面响应方法(RSM)确定其中趋势的过程包括使用线性回归为采样数据拟合多项式。多项式可以是任意次的，可以包括部分或全部的可能项。多项式的变量数等于元模型的变量数。在进行多项式拟合之前可以对采样数据进行变化，以降低可能由于假设数据符合多项式趋势而产生的“模型偏差”。例如，如果观察认为相应的性态符合类似指数方程的趋势，那么为了改进元模型的精确度，可以将多项式拟合为变量的自然对数。
高斯偏差(上述第三步)可以由高斯函数表达，次元数等于元模型的变量数。偏差不一定是高斯函数的形式，也可以由其它数学方程式来表达。每个偏差的幅值可以等于多项式模型的输出和数据采样响应程度之间的差别，或与之相关。
为齿轮箱的每个部件(即每个齿轮与轴承)都创建独特的元模型，使测量变量与所得齿面载荷分配系数KHβ(在ISO6336中为齿轮定义)和载荷区域系数(在ISO281中为轴承定义)相关联。作用于齿轮箱、传动系统或发电机上的任意点处的任意数量的力和力矩可与元模型的这些系数相关。之后，载荷区域系数和KHβ值可用于计算每个部件的损伤的相应量。元模型可替代地使所测量的变量与部件应力、部件寿命或百分比损伤相关。
在一种实施方式中，监测作用于齿轮箱上的力与力矩还包括使用现有的可安装于齿轮箱或周围机器之中或之上的状态监控系统的输出。现有状态监控系统可以包括振动分析、声学监控、油质分析、温度监控或电力发电机监控。其它状态监控系统的输出可以和模型式诊断方法的数据平行使用。
如果现有的状态监控系统与模型式诊断方法一起使用，每个系统的输出都最好能表达为概率。这个概率可以是状态监控系统能够正确预测给定部件在给定时间段内某一程度的损伤的概率。
据报导，现有状态监控设备可以用来测量齿轮箱的寿命。例如，在分析齿轮箱润滑剂显示油质的降低、或润滑油中颗粒数量增加时，则指示齿轮箱即将失效。可以使用类似的齿轮箱失效的在先数据，以根据测量的量来预测齿轮箱的剩余寿命。
以振动状态监测系统为例。一般对来自加速仪的信号进行研究以获取系统状态方面的信息，这例如通过研究度量学(如振动幅度，光谱峭度)，使用如包络分析、傅里叶变换或小波变换等技术由记录到的振动数据中提取信息。如果由记录到的振动数据计算得到的一些度量随时间而变化，就指示可能齿轮箱即将失效。可以使用类似的齿轮箱失效的在先数据，以根据测量的量或计算得到的度量来预测齿轮箱的剩余寿命。
如果现有的状态监控系统与模型式诊断方法一起使用，每个系统的输出都优选为能表达为概率。这个概率可以是状态监控系统能够正确预测特定部件在特定时间段内某一程度的损伤的概率。以这种方式表示状态监控系统的输出可以将状态监控系统的结果与由模型式诊断方法计算得到的表示预计寿命的百分比值关联起来。
如果使用振动分析状态监控系统，确定传感器位置的方法与上述确定状态监控系统传感器位置的方法相同。但此时生成的残差则是为每个部件损伤种类的一系列水平提供独特标识，如1号轴承75％的接触损伤将具有残差的独特标识。每个预测都有一个相关的百分比可信度，其可以与使用模型式诊断方法计算得到的概率相结合。这样，代表一个或多个部件可能失效的概率的百分比值就可以包含现有状态监测系统的信息。
模型式诊断与状态监控方法相结合的最终结果是在给定的时间段内每个部件的失效概率。由此可以计算在给定时间段内整个齿轮箱的失效概率。这些失效概率包括一系列因素：下线测试中创建的独特模型的百分比可信度是实际齿轮箱的精确表示(通过计算从测量响应的计算残差与代表每个制造变化组合的残差独特标识之间的相似性得到)；不断更新由使用测量得到的作用于齿轮箱上的力和力矩从独特模型(或元模型)计算得到的给定时间段内运行的失效概率；通过状态监控系统以及状态监控系统精确预测的百分比可信度指示的给定时间段内发生的失效概率。
如果给定时间段内的失效概率对使用者或操作者来说不充分，则推荐使用模型式诊断系统的新的运行方法来提供所需的失效概率。比如，新的运行方法可以在较低的能力下运行齿轮箱，从而减小作用于齿轮箱上的力和力矩。
图7为根据本发明的各种实施方式的工具46的示意图。工具46包括执行图1、2、3中的步骤的部件48。
在各种实施方式中，部件48包括处理器50和存储器52。处理器50(如微处理器)可以从存储器52中读写数据。处理器50还可以包括：输出界面，经由该输出界面使数据和/或命令可以由处理器50中输出；和输入界面，经由输入界面使数据和/或命令可以输入到处理器50中。
存储器52存储计算机程序54，计算机程序54包括在载入处理器50后控制工具46的运行的计算机程序指令。计算机程序54提供了逻辑与路径，使得工具46能够执行图1-3中所示的方法中的至少部分步骤。处理器50通过读取存储器52来载入并运行计算机程序54
计算机程序可以通过任何适用的传输机构56来到达工具46中。例如，传输机构56可以是计算机可读取存储介质、计算机程序产品、存储器装置、记录介质(如蓝光光盘、CD-ROM或者DVD)、包含计算机程序54的有形产品。传输机构可以是配置成可靠传输计算机程序54的信号。工具46可以以计算机数据信号的方式传播或传递计算机程序54。
尽管图示的存储器52是单个部件，但它可以是一个或多个分开的部件，其中部分或者全部都可以是集成的/可移除的，并且/或可以提供永久的/半永久的/动态的/缓存的存储。
提到“计算机可读取存储介质”、“计算机程序产品”、“计算机程序有形产品”等，或“控制器”、“计算机”、“处理器”等，都应当认为不光包括含有不同结构(如一个/多个处理器结构以及串联(冯纽曼式)/并联结构)的计算机，还包括了特殊的电路，如现场可编程逻辑门阵列(FPGA)、特殊用途集成电路(ASIC)、信号处理装置和其它装置。提到计算机程序、指令、代码等，都应当理解为包括可编程处理器或硬件的软件，如硬件装置的可编程内容(如处理器指令)，或固定功能装置、门阵列、可编程逻辑装置等的配置设定。
图1-3中所示的步骤可以代表计算机程序54中的方法和/或部分代码的步骤。图示步骤的特定顺序不是这些步骤的必要或优选顺序，步骤的顺序和设置可以变化。另外，一些步骤可以省略。
旨在将其它实施方式包括在所附权利要求书的范围内。
尽管之前已通过参照各种示例来说明了本发明的各种实施方式，但应当理解，对所述示例可以进行不超过本发明权利要求范围的修改。
之前描述的各种特性可以以不同于上述组合的方式被使用。
尽管之前将某些功能对照了某些特性来描述，但这些功能还可以以不同于这些特性的方式应用。
尽管之前将某些特性对照了某些实施方式来描述，但这些特性还可以在其它未描述道的实施方式中应用。
尽管之前已努力强调了本发明那些特别重要的特征，但此处也应理解，无论是否特殊强调过，申请人要求保护此前参照和/或显示于附图中的任何可授权的特征或特征的组合。

Claims (23)

1.一种用于确定风机的齿轮箱、传动系统和/或发电机中的一个或多个部件的损伤的方法，所述方法包括：
a)提供齿轮箱、传动系统和/或发电机的模型；以及
b)持续监测作用于所述齿轮箱、传动系统和/或发电机上的一个或多个力和/或一个或多个力矩；
其中利用所述模型和作用于所述齿轮箱、传动系统和/或发电机上的一个或多个力和/或一个或多个力矩计算所述齿轮箱、传动系统和/或发电机的一个或多个部件的损伤。
2.根据权利要求1所述的方法，其特征是，所述模型为所述齿轮箱、传动系统和/或发电机的名义模型。
3.根据权利要求1所述的方法，其特征是，所述模型为特定齿轮箱、传动系统和/或发电机的独特的模型，包括所述齿轮箱、传动系统和/或发电机的一个或多个部件的一个或多个制造变化。
4.根据权利要求1所述的方法，其特征是，所述模型为所述齿轮箱、传动系统和/或发电机的独特的完整耦合的有限元模型，所述有限元模型包括具有六个自由度的节点。
5.根据权利要求1所述的方法，其特征是，所述模型为元模型。
6.根据权利要求1所述的方法，其特征是，所述模型包括一个或多个元模型，每个元模型通过以下步骤创建：
a)在齿轮箱、传动系统和/或发电机开始运行前从所述的齿轮箱、传动系统和/或发电机的模型获得多个数据样本；
b)使用表面响应方法确定数据点之间的潜在趋势。
7.根据权利要求6所述的方法，其特征是，一个或多个元模型对于所述一个或多个部件中的每一个是特定的。
8.根据权利要求1所述的方法，其特征是，监控作用于所述齿轮箱、传动系统和/或发电机上的一个或多个力和/或一个或多个力矩包括监控在预定位置处置于所述齿轮箱、传动系统和/或发电机中或上的一个或多个状态监测传感器根据所述信息计算的输出。
9.根据权利要求8所述的方法，其特征是，所述预定位置是根据所述齿轮箱、传动系统和/或发电机的名义模型以及所述齿轮箱、传动系统和/或发电机的包括制造变化的模型使用残差计算得到的。
10.根据权利要求1所述的方法，其特征是，监控作用于所述齿轮箱、传动系统和/或发电机上的力和力矩包括使用安装在所述齿轮箱、传动系统和/或发电机中或上的现有状态监控系统的输出。
11.根据权利要求10所述的方法，其特征是，所述现有状态监控系统使用振动分析、声学监控、油质分析、温度监控和电力发电机监控中的至少一种。
12.根据权利要求1所述的方法，其特征是，所述齿轮箱、传动系统和/或发电机形成风机的一部分。
13.根据前述任一项权利要求所述的方法，其特征是，所述损伤是累积损伤。
14.一种用于确定齿轮箱、传动系统和/或发电机中的一个或多个部件的损伤的工具，所述工具包括：
a)用于对齿轮箱、传动系统和/或发电机进行建模的部件；
b)用于持续监测作用于所述齿轮箱、传动系统和/或发电机上的一个或多个力和/或一个或多个力矩的部件；以及
c)用于使用进行建模的部件和作用于所述齿轮箱、传动系统和/或发电机上的一个或多个力和/或一个或多个力矩计算所述齿轮箱、传动系统和/或发电机的一个或多个部件的每一个的损伤的部件。
15.根据权利要求14所述的工具，其特征是，所述进行建模的部件包括一个或多个元模型，每个元模型对于所述一个或多个部件的每个是特定的，并且每个所述元模型包括每个部件的逼近函数。
16.根据权利要求14所述的工具，其特征是，所述齿轮箱、传动系统和/或发电机形成风机的一部分。
17.根据权利要求14所述的工具，其特征是，所述进行建模的部件包括所述齿轮箱、传动系统和/或发电机的名义模型。
18.根据权利要求17所述的工具，其特征是，所述名义模型是包含六自由度节点的完整耦合有限元模型。
19.根据权利要求18所述的工具，其特征是，所述模型对于所述齿轮箱、传动系统和/或发电机是特定的，并且包含有关所述齿轮箱、传动系统和/或发电机的一个或多个部件的一个或多个制造变化方面的信息。
20.根据权利要求14所述的工具，其特征是，所述工具包含一个或多个元模型。
21.根据权利要求14所述的工具，其特征是，所述工具包括位于所述齿轮箱、传动系统和/或发电机中或上的预定位置的一个或多个状态监测传感器，其中所述预定位置是根据所述齿轮箱、传动系统和/或发电机的名义模型以及所述齿轮箱、传动系统和/或发电机的包括制造变化的模型使用残差计算得到的。
22.根据权利要求14所述的工具，其特征是，所述工具包括安装于所述齿轮箱、传动系统和/或发电机中或上的现有状态监控系统。
23.根据前述权利要求14-22中任一项所述的工具，其特征是，所述损伤是累积损伤。
CN2013103480538A 2008-04-29 2009-04-29 齿轮箱模型式诊断方法、工具以及计算机可读取存储介质 Pending CN103398844A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
GB0807775.2 2008-04-29
GBGB0807775.2A GB0807775D0 (en) 2008-04-29 2008-04-29 Methods for model-based diagnosis of gearbox

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
CN200980115694.0A Division CN102016736B (zh) 2008-04-29 2009-04-29 齿轮箱模型式诊断方法、工具

Publications (1)

Publication Number Publication Date
CN103398844A true CN103398844A (zh) 2013-11-20

Family

ID=39522744

Family Applications (2)

Application Number Title Priority Date Filing Date
CN2013103480538A Pending CN103398844A (zh) 2008-04-29 2009-04-29 齿轮箱模型式诊断方法、工具以及计算机可读取存储介质
CN200980115694.0A Active CN102016736B (zh) 2008-04-29 2009-04-29 齿轮箱模型式诊断方法、工具

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN200980115694.0A Active CN102016736B (zh) 2008-04-29 2009-04-29 齿轮箱模型式诊断方法、工具

Country Status (6)

Country Link
US (1) US20110106510A1 (zh)
EP (1) EP2300887A2 (zh)
KR (1) KR20110005893A (zh)
CN (2) CN103398844A (zh)
GB (1) GB0807775D0 (zh)
WO (1) WO2009133161A2 (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103616179A (zh) * 2013-12-05 2014-03-05 广西大学 一种基于缺陷建模的传动齿轮疲劳寿命评估方法
CN103994199A (zh) * 2014-05-27 2014-08-20 中能电力科技开发有限公司 基于状态监测的齿轮箱维护时间确定方法
CN108345762A (zh) * 2018-03-20 2018-07-31 中石化石油机械股份有限公司 一种用于齿轮齿条钻机的大模数齿轮齿条疲劳寿命预测方法
CN114424041A (zh) * 2019-10-09 2022-04-29 格里森工场 用于测试齿轮的分析系统和方法

Families Citing this family (80)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140174056A1 (en) 2008-06-02 2014-06-26 United Technologies Corporation Gas turbine engine with low stage count low pressure turbine
US8128021B2 (en) 2008-06-02 2012-03-06 United Technologies Corporation Engine mount system for a turbofan gas turbine engine
US9084937B2 (en) * 2008-11-18 2015-07-21 Gtech Canada Ulc Faults and performance issue prediction
ES2577530T3 (es) * 2009-05-25 2016-07-15 Vestas Wind Systems A/S Procedimiento y sistema para controlar el funcionamiento de una turbina eólica
EP2502174B1 (en) * 2009-11-16 2018-06-13 Simmonds Precision Products, Inc. Data acquisition system for condition-based maintenance
US8696314B2 (en) * 2010-06-15 2014-04-15 General Electric Company Gear set, wind turbine incorporating such a gear set and method of servicing a wind turbine
US8364424B2 (en) 2010-07-30 2013-01-29 General Electric Company System and method for monitoring a wind turbine gearbox
EP2421130A1 (de) * 2010-08-20 2012-02-22 Siemens Aktiengesellschaft Verfahren und Ermittlungseinheit zur Ermittlung eines aktuellen Beanspruchungsindikatorwerts eines elektrischen und/oder elektronischen Bauteils in einer Windkraftanlage
WO2012048225A1 (en) * 2010-10-08 2012-04-12 Rolls-Royce Corporation System and method for detecting fault conditions in a drivetrain using torque oscillation data
IL210358A (en) * 2010-12-29 2016-09-29 Israel Aerospace Ind Ltd A computerized system for monitoring and controlling physical devices that generate information
US20120173299A1 (en) * 2011-01-04 2012-07-05 Mcmullin Dale Robert Systems and methods for use in correcting a predicted failure in a production process
US8249852B2 (en) * 2011-05-19 2012-08-21 General Electric Company Condition monitoring of windturbines
US10466138B2 (en) * 2011-05-20 2019-11-05 Andy Poon Determining remaining useful life of rotating machinery including drive trains, gearboxes, and generators
US9239012B2 (en) 2011-06-08 2016-01-19 United Technologies Corporation Flexible support structure for a geared architecture gas turbine engine
US8814503B2 (en) 2011-06-08 2014-08-26 United Technologies Corporation Flexible support structure for a geared architecture gas turbine engine
US9133729B1 (en) 2011-06-08 2015-09-15 United Technologies Corporation Flexible support structure for a geared architecture gas turbine engine
US8770922B2 (en) 2011-06-08 2014-07-08 United Technologies Corporation Flexible support structure for a geared architecture gas turbine engine
US9631558B2 (en) 2012-01-03 2017-04-25 United Technologies Corporation Geared architecture for high speed and small volume fan drive turbine
US9410608B2 (en) 2011-06-08 2016-08-09 United Technologies Corporation Flexible support structure for a geared architecture gas turbine engine
US8297917B1 (en) * 2011-06-08 2012-10-30 United Technologies Corporation Flexible support structure for a geared architecture gas turbine engine
US20120330614A1 (en) * 2011-06-22 2012-12-27 Honeywell International Inc. Rule-based diagnostics apparatus and method for rotating machinery
US8994359B2 (en) 2011-08-29 2015-03-31 General Electric Company Fault detection based on current signature analysis for a generator
GB201116643D0 (en) * 2011-09-27 2011-11-09 Potter Clarkson Llp Rotating machines
JP2013093018A (ja) * 2011-09-29 2013-05-16 Romax Technology Ltd 回転機械
GB201200491D0 (en) 2012-01-12 2012-02-22 Romax Technology Ltd Method for operating a wind turbine generator
US10125693B2 (en) 2012-04-02 2018-11-13 United Technologies Corporation Geared turbofan engine with power density range
US20150308351A1 (en) 2012-05-31 2015-10-29 United Technologies Corporation Fundamental gear system architecture
US8756908B2 (en) 2012-05-31 2014-06-24 United Technologies Corporation Fundamental gear system architecture
US8572943B1 (en) 2012-05-31 2013-11-05 United Technologies Corporation Fundamental gear system architecture
US20130325366A1 (en) * 2012-06-01 2013-12-05 Gregory I. Rozman Electrical power generation and distribution fault management system for a vehicle
US9946232B2 (en) 2012-06-19 2018-04-17 Gkn Aerospace Sweden Ab Determining a machine condition
US10318664B2 (en) * 2012-06-19 2019-06-11 Gkn Aerospace Sweden Ab Determining life consumption of a mechanical part
US10025893B2 (en) 2012-06-19 2018-07-17 Gkn Aerospace Sweden Ab Prediction of life consumption of a machine component
JP6505601B2 (ja) * 2012-10-01 2019-04-24 ロマックス テクノロジー リミテッド ドライブラインモデラ
ES2865100T3 (es) * 2012-12-16 2021-10-15 Siemens Gamesa Renewable Energy Deutschland Gmbh Sistema para gestionar una distribución de la vida a la fatiga, procedimiento de funcionamiento de una pluralidad de turbinas eólicas
EP2767815B1 (en) * 2013-02-18 2018-06-20 IVECO S.p.A. System for monitoring the wear of the gears of a vehicle transmission
EP2767816B1 (en) * 2013-02-18 2016-11-16 IVECO S.p.A. Method, device, computer program and computer readable means for monitoring the wear of the syncronizers of a manual gear box
ES2666319T3 (es) * 2013-02-18 2018-05-04 Iveco S.P.A. Método y dispositivo y programa informático y medios legibles por ordenador para monitorizar el desgaste del embrague de una transmisión manual o manual automatizada, en particular para vehículos pesados
WO2014158439A1 (en) * 2013-03-12 2014-10-02 United Technologies Corporation Flexible coupling for geared turbine engine
CN105492762B (zh) * 2013-07-22 2018-08-03 纳布拉风力有限公司 根据风力涡轮机或类似设备的位置确定其部件寿命的方法
EP2835707B1 (en) * 2013-08-05 2016-07-27 ABB Technology AG A method for condition monitoring of distributed drive-trains
DE112014004262T5 (de) * 2013-09-17 2016-06-23 General Electric Company System und Verfahren zur Steuerung des Betriebs eines gasturbinenbasierten Aggregats
EP3097275B1 (en) * 2014-01-22 2019-09-25 United Technologies Corporation Flexible support structure for a geared architecture gas turbine engine
US9683913B2 (en) * 2014-07-23 2017-06-20 The Boeing Company System and method for evaluating remaining life of an operative sub-system of a vehicle
US10067483B1 (en) * 2014-08-28 2018-09-04 Apple Inc. Controlling electrical device based on temperature and voltage
US10423730B2 (en) * 2014-10-02 2019-09-24 Siemens Industry Software Nv Contact modeling between objects
CN104568433B (zh) * 2015-01-19 2017-06-09 上海交通大学 一种齿轮间隙磨损判别方法
AU2016220855B2 (en) * 2015-02-17 2019-03-07 Fujitsu Limited Determination device, determination method, and determination program
DE102015205687A1 (de) * 2015-03-30 2016-10-06 Zf Friedrichshafen Ag Leistungssteigernder Schmierstoffaktor
US10119465B2 (en) 2015-06-23 2018-11-06 United Technologies Corporation Geared turbofan with independent flexible ring gears and oil collectors
CN105181327B (zh) * 2015-08-26 2018-05-08 北京工业大学 一种裂纹轮齿啮合刚度计算的方法
US9824511B2 (en) * 2015-09-11 2017-11-21 GM Global Technology Operations LLC Vehicle diagnosis based on vehicle sounds and vibrations
CN105468850B (zh) * 2015-11-26 2018-08-07 电子科技大学 基于多残差回归预测算法的电子产品退化趋势预测方法
CN105865776A (zh) * 2016-03-23 2016-08-17 浙江理工大学 一种基于eemd和广义s变换的风电齿轮箱故障诊断方法
KR20180024334A (ko) * 2016-08-29 2018-03-08 한국수력원자력 주식회사 로터-베어링-파운데이션 모델을 이용한 회전설비 진단방법
US10556598B2 (en) 2016-11-23 2020-02-11 Ge Global Sourcing Llc Vehicle control systems and methods
KR101944422B1 (ko) * 2017-02-03 2019-01-31 인천대학교 산학협력단 실차 드라이브라인 시스템 내 간극형태의 비선형해석을 위한 신개념 평활함수 효과 및 효용성 분석 방법
KR102335778B1 (ko) * 2017-03-13 2021-12-06 한국전자통신연구원 제어 대상의 상태 예측 방법 및 장치
US11748684B2 (en) 2017-03-31 2023-09-05 Raytheon Technologies Corp. Predictive analytics systems and methods
CN111279348B (zh) 2017-09-11 2023-09-22 诺迈士科技有限公司 传动系统建模器
DE102018205491A1 (de) * 2018-04-11 2019-10-17 Zf Friedrichshafen Ag Zustandsüberwachung für Gleitlager mittels Körperschall
US20200133254A1 (en) * 2018-05-07 2020-04-30 Strong Force Iot Portfolio 2016, Llc Methods and systems for data collection, learning, and streaming of machine signals for part identification and operating characteristics determination using the industrial internet of things
EP3591483B1 (en) * 2018-07-06 2021-01-13 Siemens Aktiengesellschaft Method, device and positioning system for positioning a sensor
EP3604803B1 (de) 2018-08-03 2023-07-12 Universität Stuttgart Verfahren zum betreiben eines triebstrangs und programmprodukt
EP3644037A1 (de) * 2018-10-26 2020-04-29 Flender GmbH Verbessertes betriebsverfahren für getriebe
CN109282988A (zh) * 2018-11-28 2019-01-29 中北大学 一种齿轮疲劳寿命地面试验平台
CN113614359A (zh) * 2018-12-31 2021-11-05 感知科学公司 用于预测风力涡轮机齿轮箱组件中的可观察损坏的风险的方法和系统
CN110807847B (zh) * 2019-11-13 2021-10-01 江铃汽车股份有限公司 一种基于车联网模块和远程服务平台的下线检测方法
CN112861389B (zh) * 2019-11-27 2024-04-16 中车株洲电力机车研究所有限公司 风电齿轮箱振动监测位置优化方法、系统、介质及设备
CN111003207B (zh) * 2019-12-06 2022-12-02 江西洪都航空工业集团有限责任公司 一种飞机舵机动刚度试验台稳定裕度测试系统及方法
CN111046512B (zh) * 2020-01-02 2023-05-12 重庆齿轮箱有限责任公司 一种行星齿轮箱螺栓分析方法
US11340570B2 (en) * 2020-01-23 2022-05-24 General Electric Company System and method for operating a wind turbine
CN114063588B (zh) * 2020-07-29 2023-10-31 中车株洲电力机车研究所有限公司 一种传动控制单元测试速度的选取方法、装置及设备
WO2022036689A1 (en) * 2020-08-21 2022-02-24 Abb Schweiz Ag Method for fault diagnosis using a fault diagnosis model trained by virtual data
US11435262B2 (en) * 2020-09-08 2022-09-06 Hiwin Technologies Corp. Method for assessing preload degradation of ball screw
CN113239491B (zh) * 2021-05-17 2022-04-01 湖南南方宇航高精传动有限公司 一种风电齿轮箱中箱体加强筋的多参数优化设计方法
EP4381266A1 (de) * 2021-08-04 2024-06-12 SEW-EURODRIVE GmbH & Co. KG Verfahren und vorrichtung zur bestimmung der restlebensdauer eines getriebes
CN113609449B (zh) * 2021-08-17 2024-05-31 北京计算机技术及应用研究所 惯性测量装置加速试验数据有效性评估方法
KR102502635B1 (ko) 2022-08-09 2023-02-24 충남대학교산학협력단 트랙터 부착형 복합작업기의 pto 기어박스 기어 손상 방지 장치
CN116090702B (zh) * 2023-01-18 2024-05-14 江苏盛泉环保科技发展有限公司 一种基于物联网的erp数据智能监管系统及方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5210704A (en) * 1990-10-02 1993-05-11 Technology International Incorporated System for prognosis and diagnostics of failure and wearout monitoring and for prediction of life expectancy of helicopter gearboxes and other rotating equipment
DE69525629T2 (de) * 1994-08-31 2002-08-29 Honeywell Inc Selbstversorgte fernstrukturüberwachung
US20050091004A1 (en) * 1998-04-15 2005-04-28 Alexander G. Parlos System and method for condition assessment and end-of-life prediction
DE10310116A1 (de) * 2003-03-06 2004-09-23 Voith Turbo Gmbh & Co. Kg Risikominimierung und Wartungsoptimierung durch Ermittlung von Schädigungsanteilen aus Betriebsdaten
US7206708B2 (en) * 2004-02-02 2007-04-17 The Boeing Company Lifecycle support software tool
US20060235707A1 (en) * 2005-04-19 2006-10-19 Goldstein David B Decision support method and system
US7914250B2 (en) * 2006-12-08 2011-03-29 General Electric Company Method and system for estimating life of a gearbox
CN201037448Y (zh) * 2007-05-15 2008-03-19 罗虹 一种风力发电机组齿轮箱
US8116990B2 (en) * 2007-10-19 2012-02-14 Ashok Koul Method and system for real-time prognosis analysis and usage based residual life assessment of turbine engine components and display
US8074499B2 (en) * 2009-12-22 2011-12-13 General Electric Company Method and system for detecting a crack on a turbomachine blade

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103616179A (zh) * 2013-12-05 2014-03-05 广西大学 一种基于缺陷建模的传动齿轮疲劳寿命评估方法
CN103994199A (zh) * 2014-05-27 2014-08-20 中能电力科技开发有限公司 基于状态监测的齿轮箱维护时间确定方法
CN103994199B (zh) * 2014-05-27 2016-06-01 中能电力科技开发有限公司 基于状态监测的齿轮箱维护时间确定方法
CN108345762A (zh) * 2018-03-20 2018-07-31 中石化石油机械股份有限公司 一种用于齿轮齿条钻机的大模数齿轮齿条疲劳寿命预测方法
CN108345762B (zh) * 2018-03-20 2021-08-10 中石化石油机械股份有限公司 一种大模数齿轮齿条疲劳寿命预测方法
CN114424041A (zh) * 2019-10-09 2022-04-29 格里森工场 用于测试齿轮的分析系统和方法

Also Published As

Publication number Publication date
CN102016736A (zh) 2011-04-13
WO2009133161A3 (en) 2010-02-25
US20110106510A1 (en) 2011-05-05
EP2300887A2 (en) 2011-03-30
WO2009133161A2 (en) 2009-11-05
GB0807775D0 (en) 2008-06-04
CN102016736B (zh) 2015-09-16
KR20110005893A (ko) 2011-01-19

Similar Documents

Publication Publication Date Title
CN102016736B (zh) 齿轮箱模型式诊断方法、工具
US10527520B2 (en) Operating wind motors and determining their remaining useful life
US20130116937A1 (en) System and method for detecting fault conditions in a drivetrain using torque oscillation data
US11921005B2 (en) System, apparatus and method for estimating remaining useful life of a bearing
Hasanzadeh Ghafari A fault diagnosis system for rotary machinery supported by rolling element bearings
Mohammed Dynamic modelling and vibration analysis for gear tooth crack detection
Lybeck et al. Validating prognostic algorithms: a case study using comprehensive bearing fault data
Kalay et al. Effects of tooth root cracks on vibration and dynamic transmission error responses of asymmetric gears: A comparative study
JP2023179851A (ja) 装置状態評価システムおよび装置状態評価方法
Lu et al. Integration of wavelet decomposition and artificial neural network for failure prognosis of reciprocating compressors
Byington et al. False alarm mitigation of vibration diagnostic systems
Gabrielli et al. Physics-based prognostics of rolling-element bearings: The equivalent damaged volume algorithm
Larder et al. HUMS condition based maintenance credit validation
US20240060855A1 (en) System, apparatus and method for estimating remaining useful life of at least one bearing
Haddar et al. Experimental evaluation for detecting bevel gear failure using univariate statistical control charts
De Donno Definition and Vibration Monitoring of the Endurance Test for an e-Axle
JP2023021514A (ja) 装置診断システムおよび装置診断方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20131120