CN104541216A - 用于检测机械系统|以及调整与所述机械系统关联的极限值以反映|机械系统的当前条件的监测系统和方法 - Google Patents

用于检测机械系统|以及调整与所述机械系统关联的极限值以反映|机械系统的当前条件的监测系统和方法 Download PDF

Info

Publication number
CN104541216A
CN104541216A CN201380043807.7A CN201380043807A CN104541216A CN 104541216 A CN104541216 A CN 104541216A CN 201380043807 A CN201380043807 A CN 201380043807A CN 104541216 A CN104541216 A CN 104541216A
Authority
CN
China
Prior art keywords
during
value
parameter
mechanical system
alarm
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
CN201380043807.7A
Other languages
English (en)
Inventor
C.T.黑奇
S.R.哈德利
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.)
General Electric Co
Original Assignee
General Electric Co
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 General Electric Co filed Critical General Electric Co
Publication of CN104541216A publication Critical patent/CN104541216A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H1/00—Measuring characteristics of vibrations in solids by using direct conduction to the detector
    • 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
    • G05B19/406—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 characterised by monitoring or safety
    • G05B19/4065—Monitoring tool breakage, life or condition
    • 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
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/37—Measurements
    • G05B2219/37534—Frequency analysis
    • 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
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/45—Nc applications
    • G05B2219/45103—Security, surveillance applications
    • 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
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/49—Nc machine tool, till multiple
    • G05B2219/49065—Execute learning mode first for determining adaptive control parameters

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Manufacturing & Machinery (AREA)
  • Automation & Control Theory (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

提供系统和方法用于监测操作机器，获取与被监测机器的特性行为有关的数据，以及处理数据以确定和指示与表示维护发起或故障模式事件的正常操作条件的显著偏差正发生的时间。该方法包括通过在所观测正常操作期间获取数据，然后基于所获取数据计算检测阈值，来学习感兴趣机器的正常操作条件的情况。最后，采用操作期间的感兴趣机器的实时监测，其中在发生行为的先前定义的发生次数超过与正常操作行为关联的参数时触发告警。

Description

用于检测机械系统|以及调整与所述机械系统关联的极限值以反映|机械系统的当前条件的监测系统和方法
技术领域
一般来说，本发明涉及用于在操作期间监测机器或其他机械装置的系统和方法，以及更具体来说，涉及用于在操作期间监测机器或其他机械装置、以检测包括临近维护和故障状况的可能操作问题的系统和方法。
背景技术
机械装置、特别是结合旋转机器的机械装置通常在操作期间呈现特性移动、例如振动，其具有按照旋转机器的操作速度和条件而改变的频率和/或幅值。操作机器的振动谱的工作状态通常例如通过使用换能器来监测，以便确认机器的令人满意稳态操作，以及识别机器可要求维护的时间或者故障事件是否可能即将来临。机器、例如用于电力生成的风力涡轮机可具有超过100个不同振动特性，其中的变化可指示与下正常工作条件的偏差，从而表示超过接受定额的磨损或者临近故障。
但是，甚至相同的机器相对稳态正常操作和故障模式也能够具有截然不同的特征“标记”。关于与关联正常工作条件的特性移动对应的典型数值经常鲜为人知。在这类情况下，当为了定义并且随后检测告警事件而尝试建立机器操作参数的有效数值时，例如当要求维护时，或者当故障模式正发生时，难题会出现。
当实现用于操作机器的监测系统时，会期望建立监测和告警系统，其是灵敏的并且对识别和/或忽略随机离群值事件(其因与正常操作值的偏差而另外量化为表示维护或故障模式操作)有足够辨别力。同时，当实现用于操作机器的系统时，会期望建立监测和告警系统，其是充分可靠和健壮的，以避免过量误告警事件。
当寻求得到上述预期结果时，难题通常不在于用来检测和监测操作机器的物理设备，而在于适当处理和解释因操作机器的监测而获取的数据。如果告警事件所需的与正常操作参数的所检测偏差设置成过低，则误告警的风险增加；如果告警事件所需的与正常操作参数的所检测偏差设置成过高，则延迟或遗漏告警的风险增加，从而导致对所述机器的潜在损坏。
会期望提供在防止误告警或遗漏告警事件的同时检测机器的工作条件的变化的系统和方法。
发明内容
在一方面，提供一种供在机械系统的操作期间检测其变化中使用的系统。该系统包括处理器以及耦合到所述处理器的控制系统。控制系统配置成对于预定时间间隔确定与正常操作期间的机械系统的物理特性关联的参数的至少一个基准值。控制系统还配置成基于参数的至少一个基准值来计算与机械系统的物理特性关联的第一极限值。控制系统还配置成监测机械系统，并且以预定义的连续时间间隔周期地计算与物理特性关联的参数。控制系统还配置成在预定义的连续间隔期间将所计算参数与所计算的第一极限值进行比较，以在系统的操作期间检测机械系统的变化。
在另一方面，提供一种在机械系统的操作期间检测其变化的方法。该方法包括对于预定时间间隔确定与正常操作期间的机械系统的物理特性关联的参数的至少一个基准值。该方法还包括基于参数的至少一个基准值来计算与机械系统的物理特性关联的第一极限值。该方法还包括监测机械系统，并且以预定义的连续时间间隔周期地计算与物理特性关联的参数。该方法还包括在预定义的连续间隔期间将所计算参数与所计算的第一极限值进行比较，以在系统的操作期间检测机械系统的变化。
附图说明
图1是可用来使用频率分析来检测变化的示范测量系统的示意图。
图2是一般示出用于实现方法的一示范实施例以用于实现使用频率分析的健壮变化检测的阶段的流程图。
图3A是示出用于使用频率分析来检测机器的变化的示范方法的开始阶段的详细流程图。
图3B是示出用于使用频率分析来检测机器的变化的示范方法的中间阶段的详细流程图。
图3C是示出用于使用频率分析来检测机器的变化的示范方法的结束阶段的详细流程图。
图4是识别系统学习阶段和告警级事件、感兴趣设备随时间的模拟观测行为的示范图表。
具体实施方式
虽然本发明的各个示范实施例的具体特征可在部分附图中示出而在其他附图中未示出，但是这只是为了方便起见。按照本发明的原理，可与任何其他附图的任何特征结合引用和/或要求保护附图的任何特征。
本文所述的系统和方法的技术效果包括下列至少一个：(a) 对于预定时间间隔确定与正常操作期间的机械系统的物理特性关联的参数的至少一个基准值；(b) 基于参数的至少一个基准值来计算与机械系统的物理特性关联的第一极限值；(c) 监测机械系统，并且以预定义的连续时间间隔周期地计算与物理特性关联的参数；(d) 在预定义的连续间隔期间将所计算参数与所计算的第一极限值进行比较，以在系统的操作期间检测机械系统的变化；(e) 在初始操作周期期间测量与物理特性关联的参数的值；(f) 在初始操作周期期间记录与物理特性关联的参数的测量值；(g) 在初始操作周期期间计算与物理特性关联的参数的所记录值的第一平均值和第一标准偏差值；(h) 在预定义的连续间隔之一期间所计算参数超过第一极限值多于预定义发生次数时起动第一告警；(i) 在起动第一告警之后，在机械系统的操作期间继续计算参数；(j) 计算与机械系统的物理特性关联的第二极限值；(k) 在预定义的连续间隔期间将所计算参数与所计算的第二极限值进行比较；(l) 当所计算参数超过第二极限值时，起动第二告警；以及(m) 在起动之后锁住第一告警，以提示操作员干预。
图1是包括可用来监测机器101的显示器130的示范测量系统100的示意图。显示器130可结合到总体设备控制系统中，其中术语“设备控制系统”应当被理解为不仅包括实际调节装置或机器的操作的系统，而且还包括诸如监测或测量系统之类的系统、例如测量系统100。
例如，测量系统100可包括一个或多个传感器102，例如：振动换能器，其连接到被测试设备101、例如旋转机器的轴或安装结构；和/或用于例如电力生成的风力涡轮机，其同样连接到支持和提供显示器130的显示器系统104。显示器系统104可包括一个或多个处理器106，其经由连接103(其可以是任何适当介质，无论是硬连线还是无线)接收从(一个或多个)传感器102所传送的(一个或多个)原始信号(未示出)。在示范实施例中，控制面板108使用户能够有选择地配置在例如显示器130上显示的图像132，并且选择(一个或多个)处理器106从自(一个或多个)传感器102所传送的(一个或多个)原始信号得出哪些数值。显示器系统104例如可以是适当编程的台式或膝上型计算机，其中台式或膝上型计算机的内部处理器用作(一个或多个)处理器106，其键盘用作控制面板108，以及台式或膝上型计算机的屏幕将呈现显示器130。传感器102(例如振动换能器)将指示采取模拟波形的形式的振动，以及振动量的确定可通过波形的特征(参数)、例如峰峰距离和/或幅度的计算来表示。
如本文所使用的术语“处理器”并不局限于只是本领域称作计算机的那些集成电路，而是广义表示微控制器、微型计算机、可编程逻辑控制器(PLC)、专用集成电路以及其他可编程电路，并且这些术语在本文中可互换地使用。在本文所述的示范实施例中，存储器可包括但不限于计算机可读介质(例如随机存取存储器(RAM))和计算机可读非易失性介质(例如闪速存储器)。备选地，也可使用软盘、致密光盘只读存储器(CD-ROM)、磁光盘(MOD)和/或数字多功能光盘(DVD)。另外，在本文所述的示范实施例中，附加输入通道非限制性地可以是与操作员接口关联的计算机外设，例如鼠标和键盘。备选地，也可使用其他计算机外设，其可包括例如但不限于扫描仪。此外，在示范实施例中，附加输出通道可包括但不限于操作员接口监视器。
测量系统100配置成实现用于处理设备101的监测期间所需的数据的方法。图2是示出可用来检测机器101的变化的示范方法200的流程图。相应地，在一示范实施例中，方法200结合三个阶段：1) 学习阶段202，在此期间，系统100确定与正常操作期间的机器101的特性对应的至少一个基准值；2) 学习统计和检测阈值的计算204；以及3) 连续监测206，其如本文所述包括(一个或多个)后续或已更新检测阈值的计算。在学习阶段202期间，对某个时间周期收集来自设备101的振动数据，直到收集了最小样本大小、例如六十(60)个样本，但是可采用提供有效统计集合的任何样本数量。如本文所使用的术语“有效统计集合”定义为一组代表性数据，其表示所有数据的总体，并且包括工作条件的典型变化，例如负荷、温度或者会影响被测量的振动特性的任何其他参数的变化。本文中还使用的术语“样本”定义为在收集会话期间对先前定义的时间周期(其可以极短(即，以毫秒为单位可测量的)或者相比之下较长(即，以分钟、小时、天等为单位可测量的)，这取决于被监测现象的类型)所收集的数据。样本收集会话一般将以预定义时间周期、例如每隔三十(30)分钟或者其他时间周期发生。学习阶段202可具有以小时、天(例如，对于诸如用于电力生成的风力涡轮机等的机器为10天)、周等为单位所测量的时长。相应地，收集并且记录波形的特征或参数(例如峰峰距离或幅度)的一组基准值。
在学习阶段202期间的数据获取之后，系统100计算204设备101的学习统计和检测阈值(或极限值)。计算学习样本的平均和标准偏差(图3A所示的步骤308)。检测阈值通过计算平均+n标准偏差来创建，其中n能够是通常大于或等于三(≥3)的任何值(图3A所示的步骤310)。在学习统计和检测阈值的计算204之后，系统100开始连续监测206。在监测期间，系统100收集数据的移动窗口(缓冲器)。移动窗口用于监测功能，以确定先前定义数量的事件在所定义的时间窗口之内是否发生(与基于移动定义时间周期期间所获取的数据、作为数值的连续再计算的移动平均相反)。在一示范实施例中，系统100使用包括三十(30)个样本的数据的移动窗口(缓冲器)，但是窗口大小可由系统100的操作员有选择地配置为大于或少于三十(30)个样本，这取决于被监测设备101的具体情况。
对于各窗口，系统100计算超过学习统计和检测阈值计算204期间所计算的检测阈值的样本的数量。如果超过检测阈值(“告警级事件”)的样本数量大于预定值、例如百分之二十(>20%)或者窗口大小的任何适当大比例(其相当于极低发生概率)，则系统100激活告警。对于三十(30)样本窗口，激活告警所需的超过检测阈值的数量为六(6)个样本。对于30个样本的正常分布数据集，通常在设备101、例如风力涡轮机的正常操作期间，仅预计0.04个样本高于针对计算204所述的三(3)标准偏差极限。使呈现真实正常工作条件的机器呈现超过检测阈值(阈值因子或“threshfac1”，如以下所述)的样本量(其大于窗口样本量的百分之二十(>20%))被认为是不可能的。相应地，这种大数量被认为明确指示应告警事件的发生，并且相应地证明告警触发。
有可能的是，在获取样本的过程期间，“移动窗口”可能从机器101的正常操作的周期转变成异常操作或者不寻常或艰难工作条件期间的操作的周期。在这种事件中，可能产生一个短暂操作周期，在此期间，所获取数据失真并且因此是不可靠的。这种发生可能引起一个短暂周期，在此期间，告警在真正告警事件期间可能没有被触发。但是，考虑本发明的系统和方法与机器和机械系统配合使用，其中发展问题引起与正常功能的稳定增加偏差。因此，即使时间延迟产生，例如即使三十(30)个样本中只有三(3)个离群值事件被系统100观测到，随着机器101的功能继续退化，三十(30)个样本中必要的六(6)个离群值也将被系统100充分迅速地检测到，使得合理告警将及时触发，以使该状况能够充分解决。系统100特意配置成适应某个延迟量，以便防止误告警仅基于超过检测阈值的一个或两个随机离群值样本来触发。相应地，系统100有利地配置成解决比较渐进发展的维护或故障状况，与向突然灾难事件提供快速响应相反。
本文所述的系统和方法配置成使得当系统100确定合理告警事件已经发生并且告警被触发时，系统100变成“锁住”。也就是说，告警保持为被起动(无论告警是视觉指示器、信号器或者显示器130上的图像312中简单的突出显示消息)，以及要求操作员干预，以便将系统100重置为非告警起动状态。告警级事件的较高百分比用来要求触发不仅适应单独随机离群值事件，而且还适应若干离群值事件，同时仍然提供实际告警事件的适当一致和可靠检测并且同时降低或阻止误告警。另外，当感兴趣设备的特性行为(振动)在不同操作模式之间广泛改变(即，操作模式之间存在清晰界定，例如振动幅度的显著增加)时，系统100能够聚集设备的不同操作模式期间(例如在较低负荷下的操作与高负荷下的操作时)所获取的数据。
图3A是示出用于使用频率分析来检测机器的变化的示范方法的开始阶段的详细流程图。如上所述，学习阶段200开始于系统100从(一个或多个)传感器102(图1所示)收集通常采取换能器模拟或数字化波形的形式的基准数据300。在数据的收集300之后，通过计算302并且累积(存储)304将用于监测目的的感兴趣特定特征，系统100完成学习阶段202。如先前所述，一种这样的特征是换能器波形上的峰峰距离。另一个特征可能是波形的半波或全波幅度(按照绝对值)。
在设备/机器101的假定普通操作期间的数据的收集300之后，系统100继续进行计算学习统计和检测阈值阶段204(参见图2)。系统100计算(一个或多个)参数，其是计算发起告警起动所需的(一个或多个)检测阈值所要求的。在一示范实施例中，系统100可配置成按照某些编组的数据是否在被监测的感兴趣设备101的特定操作模式期间所收集来聚集306所收集数据，例如在峰值负荷期间所收集的数据与非高峰期间所收集的数据，如上所述。用于所收集数据的聚集或分类的其他参数可包括操作速度、功率输出、流率等。无论是否使用聚集306，系统100则计算308感兴趣特征的平均(“Mean1”)和标准偏差(“标准偏差1”或“stddev1”)。为了便于本论述，“平均”和“标准偏差”预计表示此含意，并且使用与已知统计分析技术中使用的那些术语关联的算法来计算。如上所述，对预定义集合大小(例如60个样本，但是另一个集合大小可根据需要来选择并且适合于特定应用)来计算mean1和stddev1。系统100然后按下式计算310告警极限(“alarmlimit1”)：
alarmlimit1 = mean1 + nsigma1*stddev1
其中，nsigma1 (“nΣ1”)是选择为某个量的标准偏差的数量，在这个量时或者高于这个量，告警级事件假定(或定义)成明确发生。在一示范实施例中，nΣ1是操作员可配置的，其中值nΣ1 = 3被认为是适当缺省值，但是可选择nΣ1的较高(或较低)值。系统100然后保存alarmlimit1，并且在设备101的正常操作期间进入连续监测206。
图3B是示出用于使用频率分析来检测机器的变化的示范方法的中间阶段的详细流程图。在设备/机器101的连续正常操作206期间，系统100继续获取数据314，并且使用预定义数量的样本、例如30个样本的移动窗口来计算感兴趣特征，但是更大或更少数量的样本可有选择地采用。系统100继续计数316移动窗口中超过alarmlimit1的值的样本的数量。如果超过alarmlimit1的样本的所计数数量小于阈值因子(“threshfac1”)与窗口大小的乘积，则系统100移动319该移动窗口，并且重复进行步骤314-318。如上所述，0.20(20%)的缺省值可选择用于thresfac1，但是系统100可配置成使threshfac1能够由操作员给予更大或更小的值。如果超过alarmlimit1的样本的所计数数量大于threshfac1与windowsize（窗口大小）的乘积，则系统100起动并且锁住320告警(“alarm1”)。
图3C是示出用于使用频率分析来检测机器的变化的示范方法的可选结束阶段的详细流程图。在备选示范实施例中，系统100可配置成采用多个告警级。例如，在alarm1的触发320之后，设备/机器101假定为工作在不同的性能等级。系统100继续以与先前相同的速率并且使用相同的时间间隔来收集数据，以及使用移动窗口中最近的数据集合来计算322与先前所采用的相同的感兴趣特征的新平均(“mean2”)和标准偏差(“stddev2”)。系统100然后按下式计算324新告警极限(“larmlimit2”)：
alarmlimit2 = mean2 + nsigma2*stddev2
其中，nsigma2 (“nΣ2”)是选择为某个量的标准偏差的数量，在这个量时或者高于这个量，较高优先级(即，更关键)的告警级事件假定(或定义)成明确发生。在一示范实施例中，nΣ2是操作员可配置的，其中值nΣ2 = 3被认为是适当缺省值，但是可选择nΣ2的较高(或较低)值，并且无需是与nΣ1相同的数值。系统100保存326alarmlimit2的值，并且继续收集328移动窗口中累积的数据，如先前所述。系统100计数330各窗口中超过alarmlimit2的样本的数量。如果超过alarmlimit2的样本数量小于新阈值因子(“threshfac2”)与窗口大小的乘积，则系统100使窗口递增333，并且如所述重复进行步骤328-330。如果超过alarmlimit2的样本数量大于threshfac2与窗口大小的乘积，则系统100起动并且优选地锁住第二告警(“alarm2”)。优选地，无论是可听、视觉、文本或者其任何组合，alarm2易于与alarm1区分，并且因alarm2表示比alarm1更紧急的状况而比alarm1更突出地呈现。同样，由于alarm2表示更关键状况，所以为了确保进行肯定可靠确定，threshfac2具有比theshfac1要高的值。例如，threshfac2可被给予缺省值0.50(这个值再次可以更高或更低，只要它高于theshfac1，并且可以是操作员可配置的)。如果需要或者适合特定应用，则系统100可配置成具有附加告警级。
通过在第一告警(例如，如上所述的alarm1)的起动之前要求系统100检测高于检测阈值的样本的百分之二十(20%)的出现，系统100获得关于合理告警级维护或故障模式事件已经发生的高置信度。通过要求高置信度，误告警的发生率降低。系统100配置成使操作员能够有选择地改变在告警被触发之前必须超过检测阈值的量。将样本的所需数量增加到超过高于示范20%值的检测阈值将使告警延迟。认为减少超过低于示范20%值的检测阈值的样本的所需数量可使系统100易受到误告警。
系统100还可配置成将附加数据添加到学习阶段202期间所获取的数据的基准集合。也就是说，甚至在“正常”条件下的操作之后，系统100也可配置成使操作员能够使系统100设置回为学习阶段202，以获取附加数据(以便补充先前获取的数据)，此后计算新的mean1和stddev1值。
在一示范实施例中，系统100将配置成使操作员能够完全替换数据集以及在步骤202和204期间所获取/计算的mean1和stddev1值，以及实时地或者在预先编程的时间由操作员选择转换新的数据以及mean1和stddev1值。
在一示范实施例中，系统100还将配置成使alarm1和alarm2能够重置(在操作员干预以解决最终发生的情况之后，以向他们提示)。又在一示范实施例中，系统100将是操作员可配置的，以便停用alarm1和/或alarm2的起动，在在专门条件下可以是合乎需要的，但是alarm1/alarm2的停用需要谨慎实施，以便防止对设备的损坏或者对人员的伤害。
在一示范实施例中，系统100还将配置成当操作引起感兴趣特征的向下变化(例如当流体压力是被监测物理特征时的压力的损失)时，使用低告警阈值(表示低于正常操作值的值)来具有告警事件。这类操作可以可用来指示初始学习阶段202期间所获取的数据可被破坏的时间(例如初始工作条件为异常的时间)。在一示范实施例中，系统100还将是可配置的，使得学习阶段202的周期基于预定义时间周期或者预定义的样本点数量。
系统100的操作能够产生附加有用数据。例如，“meanratio”等于如在移动窗口中连续计算的感兴趣特征的平均值与感兴趣特征的基准平均值的比率。在一示范实施例中，“meanratio”在设备/机器101的操作期间连续(或者以预定义周期间隔)计算和显示，以及在告警事件期间，提供关于告警级事件的严重性的指示。也就是说，meanratio的值越大，则告警级事件越严重。
学习阶段202期间的数据的收集300还促进设备/机器101的初始操作期间的数据的分析。通过审查跨收集300期间所收集的样本的值的分布，如果在最初获取的数据的统计分析之后，数据看来失真，并且因而是不可靠的(例如在初始数据收集时产生于非最佳条件或结构问题)，则操作员可“手动”调整stddev1的标准偏差值。
图4是设备101(其在这个示例中可以是一件旋转机器、例如风扇或风力涡轮机)的所计算特征、例如加速换能器所测量的振动幅度与时间的代表性图表400。学习阶段202由数据记录中早期的标定点来指示。在学习阶段202结束时，设备101在402短暂关机，并且然后重新启动。在图4的绘制示例中，“正常操作”之后迅速接着超出正常参数的操作，从而引起第一告警级事件以及在404的alarm1的起动。如上所述，在alarm1发生之后，数据继续被收集，以及计算新mean2和stddev2值。当设备101的操作继续与正常操作越来越偏离时，在406触发alarm2。随后，设备101在408完全关机(例如供维修)，此后是“正常”操作的周期410)。图表400还包括表示连续计算的meanratio 412的轨迹，如能够看到，其在“正常”操作的周期期间接近1，在异常操作期间超过4，以及在关机或低负荷周期期间远低于1、接近0。
本文所述的系统和方法提供操作机器的单个监测和监测参数、例如振动幅度的显著变化的快速检测。系统和方法结合嵌入持续测试，以防止原本通过离群值事件所提示的误告警的创建。
本文所述的系统和方法解决在保持充分灵敏度以确保没有遗漏实际合理告警的同时防止误告警的冲突难题。通过将与感兴趣设备关联的监测和测量系统配置成学习感兴趣设备的正常操作行为，此后监测和测量系统则将健壮变化检测应用于感兴趣设备的操作期间所获取的运行数据，本文所述的系统和方法解决这些难题。超过百分之二十(20%)的数量或者样本大小的其他可选择量(部分取决于特定感兴趣设备的要求和规范)的告警级事件的检测的严格示范实施例防止正常条件离群值，并且确保在触发告警之前已经发生工作条件的显著变化。
本文所述的系统和方法提供在监测机器操作时提供告警的触发的增加精度的可能性。本文所述的系统和方法又提供机器的操作员的早期和更健壮警告、从而使那些操作员能够更好地管理其机器的可能性。另外，本文所述的系统和方法解决使服务或技术人员必须以有限信息来配置告警的大集合的潜在需要、因而产生人力要求的节省。本文所述的系统和方法还消除对使用要求大的数据集合(例如由数千个数据样本组成)以便提供可靠结果的常规统计分析方法的需要以及解决其中遇到的可能困难。本文所述的系统和方法还消除了对于将这类技术用作移动平均的计算(有时使用具有不同时间周期的多个平均)的需要。因常常涉及的较大样本大小，统计和移动平均方式能够引起合理告警级事件的发生与由监测系统和/或操作人员对其的计算和识别之间的显著延迟，这可能又引起原本可防止的停机时间和/或设备损坏。常规统计方式也更易受到正常操作期间所遇到的离群值所引起的误告警。
本书面描述使用示例来公开本发明，其中包括最佳模式，以及还使本领域的技术人员能够实施本发明，包括制作和使用任何装置或系统并且执行任何结合的方法。本发明的专利范围由权利要求书来定义，并且可包括本领域的技术人员想到的其他示例。如果这类其它示例具有与权利要求书的文字语言完全相同的结构元件，或者如果它们包括具有与权利要求书的文字语言的非实质差异的等效结构元件，则它们意在落入权利要求书的范围之内。

Claims (20)

1. 一种供在机械系统的操作期间检测其变化中使用的系统，所述系统包括：
处理器；以及
控制系统，耦合到所述处理器，并且配置成：
　　对于预定时间间隔确定与正常操作期间的所述机械系统的物理特性关联的参数的至少一个基准值；
　　基于所述参数的所述至少一个基准值来计算与所述机械系统的所述物理特性关联的第一极限值；
　　监测所述机械系统，并且以预定义的连续时间间隔周期地计算与所述物理特性关联的所述参数；以及
　　在所述预定义的连续间隔期间将所计算参数与所计算第一极限值进行比较，以在所述系统的操作期间检测所述机械系统的变化。
2. 如权利要求1所述的系统，其中，所述控制系统还配置成：
在初始操作周期期间测量与所述物理特征关联的所述参数的值；以及
在所述初始操作周期期间记录与所述物理特征关联的所述参数的所测量值。
3. 如权利要求2所述的系统，其中，所述控制系统还配置成：
在所述初始操作周期期间计算与所述物理特性关联的所述参数的所记录值的第一平均值和第一标准偏差；以及
在所述预定义的连续间隔之一期间所计算参数超过所述第一极限值多于预定义发生次数时起动第一告警。
4. 如权利要求3所述的系统，其中，与所述机械系统的所述物理特性关联的所述第一极限值按照下列关系来计算：
alarmlimit1 = mean1 + nsigma1*stddev1
其中，alarmlimit1是所述第一极限值，mean1是所述第一平均值，stddev1是所述第一标准偏差值，以及nsigma1是常数。
5. 如权利要求4所述的系统，其中，nsigma1 = 3。
6. 如权利要求1所述的系统，其中，所述控制系统还配置成计算在预定义大小的监测窗口期间获得的预定义数量的样本的所述参数。
7. 如权利要求6所述的系统，其中，所述控制系统还配置成：
在所述预定义的连续间隔之一期间计数所计算参数超过所述第一极限值的实例数量；以及
将所计数的实例数量与监测窗口期间获得的所述预定义样本数量和阈值因子的乘积进行比较。
8. 如权利要求7所述的系统，其中，所述阈值因子为0.20。
9. 如权利要求3所述的系统，其中，所述控制系统还配置成：
在所述第一告警的起动之后，继续计算所述机械系统的操作期间的所述参数；
计算与所述机械系统的所述物理特性关联的第二极限值；
在所述预定义的连续间隔期间将所计算参数与所计算第二极限值进行比较；以及
当所计算参数超过所述第二极限值时，起动第二告警。
10. 如权利要求3所述的系统，其中，所述控制系统还配置成在起动之后锁住所述第一告警，以提示操作员干预。
11. 一种用于在机械系统的操作期间检测其变化的方法，所述方法包括：
对于预定时间间隔确定与正常操作期间的所述机械系统的物理特性关联的参数的至少一个基准值；
基于所述参数的所述至少一个基准值来计算与所述机械系统的所述物理特性关联的第一极限值；
监测所述机械系统，并且以预定义的连续时间间隔周期地计算与所述物理特性关联的所述参数；以及
在所述预定义的连续间隔期间将所计算参数与所计算第一极限值进行比较，以在所述系统的操作期间检测所述机械系统的变化。
12. 如权利要求11所述的方法，所述方法还包括：
在初始操作周期期间测量与所述物理特征关联的所述参数的值；以及
在所述初始操作周期期间记录与所述物理特征关联的所述参数的所测量值。
13. 如权利要求12所述的方法，所述方法还包括：
在所述初始操作周期期间计算与所述物理特性关联的所述参数的所记录值的第一平均值和第一标准偏差；以及
在所述预定义的连续间隔之一期间所计算参数超过所述第一极限值多于预定义发生次数时起动第一告警。
14. 如权利要求13所述的方法，其中，与所述机械系统的所述物理特性关联的所述第一极限值按照下列关系来计算：
alarmlimit1 = mean1 + nsigma1*stddev1
其中，alarmlimit1是所述第一极限值，mean1是所述第一平均值，stddev1是所述第一标准偏差值，以及nsigma1是常数。
15. 如权利要求14所述的方法，其中，nsigma1 = 3。
16. 如权利要求11所述的方法，其中，所述方法还包括计算在预定义大小的监测窗口期间获得的预定义数量的样本的所述参数。
17. 如权利要求16所述的方法，所述方法还包括：
在所述预定义的连续间隔之一期间计数所计算参数超过所述第一极限值的实例数量；以及
将所计数的实例数量与监测窗口期间获得的所述预定义样本数量和阈值因子的乘积进行比较。
18. 如权利要求17所述的方法，其中，所述阈值因子为0.20。
19. 如权利要求13所述的方法，所述方法还包括：
在所述第一告警的起动之后，继续计算所述机械系统的操作期间的所述参数；
计算与所述机械系统的所述物理特性关联的第二极限值；
在所述预定义的连续间隔期间将所计算参数与所计算第二极限值进行比较；以及
当所计算参数超过所述第二极限值时，起动第二告警。
20. 如权利要求13所述的方法，所述方法还包括在起动之后锁住所述第一告警，以提示操作员干预。
CN201380043807.7A 2012-08-21 2013-08-12 用于检测机械系统|以及调整与所述机械系统关联的极限值以反映|机械系统的当前条件的监测系统和方法 Pending CN104541216A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US13/590,956 US8988238B2 (en) 2012-08-21 2012-08-21 Change detection system using frequency analysis and method
US13/590956 2012-08-21
PCT/US2013/054467 WO2014031370A1 (en) 2012-08-21 2013-08-12 Monitoring system and method for detecting the change of a mechanical system |and adapting the limit values associated to said mechanical system to reflect|the current conditions of the mechanical system

Publications (1)

Publication Number Publication Date
CN104541216A true CN104541216A (zh) 2015-04-22

Family

ID=49034217

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201380043807.7A Pending CN104541216A (zh) 2012-08-21 2013-08-12 用于检测机械系统|以及调整与所述机械系统关联的极限值以反映|机械系统的当前条件的监测系统和方法

Country Status (5)

Country Link
US (1) US8988238B2 (zh)
EP (1) EP2888635A1 (zh)
JP (1) JP2015527586A (zh)
CN (1) CN104541216A (zh)
WO (1) WO2014031370A1 (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106571016A (zh) * 2016-11-03 2017-04-19 西安交通大学 一种基于报警次数跳变触发机制的机械早期故障判别方法
CN108153211A (zh) * 2016-12-02 2018-06-12 斯凯孚公司 报警参数的趋势分析和自动调谐的方法
CN108628282A (zh) * 2017-03-20 2018-10-09 波音公司 分析传感器数据以检测异常阀操作的数据驱动无监督算法
CN108918664A (zh) * 2017-04-05 2018-11-30 霍尼韦尔国际公司 用于检测在部件中的结构损坏的系统和方法
CN110703690A (zh) * 2019-11-19 2020-01-17 天津紫荆长远科技发展有限公司 一种用于加工过程的智能控制与监测系统的运行方法
CN111201494A (zh) * 2017-09-07 2020-05-26 弗斯伯股份公司 用于瓦楞板生产工厂的预测诊断方法
CN112710345A (zh) * 2019-10-25 2021-04-27 计算系统有限公司 持续改进预测性维护数据库的机器监视方法和装置
CN113557414A (zh) * 2019-03-22 2021-10-26 Abb瑞士股份有限公司 用于设备监测的装置

Families Citing this family (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9323766B2 (en) * 2013-03-15 2016-04-26 Metrix Instrument Co., Lp Data collection device and method
US10152879B2 (en) * 2015-11-10 2018-12-11 Industrial Technology Research Institute Method, apparatus, and system for monitoring manufacturing equipment
ITUB20155473A1 (it) * 2015-11-11 2017-05-11 S A T E Systems And Advanced Tech Engineering S R L Metodo di analisi delle sequenze temporali di misure di due segnali caratteristici di un sistema per determinare una eventuale correlazione di causa-effetto con stesso ritardo di tempo
EP3336485B1 (en) 2016-12-15 2020-09-23 Safran Landing Systems UK Limited Aircraft assembly including deflection sensor
DE102016125803A1 (de) * 2016-12-28 2018-06-28 Fritz Studer Ag Werkzeugmaschine, insbesondere Schleifmaschine, sowie Verfahren zur Ermittlung eines Ist-Zustandes einer Werkzeugmaschine
US10169979B2 (en) * 2017-05-04 2019-01-01 General Electric Company Communicating alarm trigger status
US10896289B2 (en) 2017-10-18 2021-01-19 Bently Nevada, Llc Event list management system
WO2019161947A1 (en) * 2018-02-22 2019-08-29 Abb Schweiz Ag Data processing device capable of performing problem diagnosis in a production system with plurality of robots and method
EP3483685A1 (en) * 2017-11-10 2019-05-15 ABB Schweiz AG Data processing device and method for performing problem diagnosis in a production system with a plurality of robots
JP6994366B2 (ja) * 2017-11-28 2022-01-14 株式会社日立製作所 故障モード特定システム、故障モード特定方法、及びプログラム
US20190170569A1 (en) * 2017-12-06 2019-06-06 Caterpillar Paving Products Inc. Vibration monitoring system
US10573168B1 (en) * 2018-10-26 2020-02-25 Johnson Controls Technology Company Automated alarm panel classification using Pareto optimization
US11353859B2 (en) * 2019-03-19 2022-06-07 Mitsubishi Electric Research Laboratories, Inc. System and method for anomaly detection in time-varying system operations
DE102019003081A1 (de) * 2019-04-26 2020-10-29 Stöber Antriebstechnik GmbH & Co. KG Verfahren zum Erkennen von drohenden Ausfällen von Komponenten von Maschinen, insbesondere von Antriebseinheiten
EP3790032A1 (en) 2019-09-04 2021-03-10 Siemens Energy Global GmbH & Co. KG Gas monitoring system
US11039771B1 (en) * 2020-03-03 2021-06-22 At&T Intellectual Property I, L.P. Apparatuses and methods for managing tasks in accordance with alertness levels and thresholds
EP3945384A1 (en) * 2020-07-30 2022-02-02 Siemens Energy Global GmbH & Co. KG Continuous flow engine self optimizing control method and system
CN114792461B (zh) * 2021-01-25 2024-01-16 广州汽车集团股份有限公司 一种车内求救信号发送的方法及装置
DE102021129363B3 (de) * 2021-11-11 2022-11-03 Schaeffler Technologies AG & Co. KG Verfahren zur Zustandsüberwachung einer Maschine, System, Computerprogramm
CN114615305B (zh) * 2022-04-22 2024-04-12 深圳市萨米医疗中心 医院用抢救仪器使用时间间隔监测系统
CN116820057B (zh) * 2023-08-30 2023-12-01 四川远方云天食品科技有限公司 一种基于物联网的火锅底料生产监测方法和系统

Family Cites Families (30)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6182022B1 (en) * 1998-01-26 2001-01-30 Hewlett-Packard Company Automated adaptive baselining and thresholding method and system
US6802221B2 (en) 2001-03-29 2004-10-12 General Electric Company System and method for conditioned-based monitoring of a bearing assembly
CA2434735A1 (en) 2003-07-07 2005-01-07 Dofasco Inc. Diagnostic method for predicting maintenance requirements in rotating equipment
US7183905B2 (en) 2003-09-05 2007-02-27 Siemens Power Generation, Inc. Tool for sensor management and fault visualization in machine condition monitoring
US20050197834A1 (en) 2004-03-03 2005-09-08 General Electric Company Systems, methods, and an article of manufacture for determining frequency values associated with forces applied to a device
US7030746B2 (en) 2004-04-15 2006-04-18 General Electric Company Method and system for generating automatic alarms based on trends detected in machine operation
US20060181427A1 (en) 2005-01-31 2006-08-17 Csi Technology, Inc. Machine condition indication system
US20060174164A1 (en) 2005-02-01 2006-08-03 General Electric Company Methods, systems, and computer program products for implementing condition monitoring activities
US7317994B2 (en) 2005-08-10 2008-01-08 General Electric Company Method and apparatus for signal signature analysis for event detection in rotating machinery
JP4613755B2 (ja) 2005-08-31 2011-01-19 オムロン株式会社 検査装置および検査方法
US7693212B2 (en) 2005-10-10 2010-04-06 General Electric Company Methods and apparatus for frequency rectification
US7769561B2 (en) 2005-12-01 2010-08-03 Siemens Corporation Robust sensor correlation analysis for machine condition monitoring
EP1958034B1 (en) 2005-12-05 2009-10-14 Siemens Corporate Research, Inc. Use of sequential clustering for instance selection in machine condition monitoring
US7567878B2 (en) 2005-12-07 2009-07-28 Siemens Corporate Research, Inc. Evaluating anomaly for one class classifiers in machine condition monitoring
US7937334B2 (en) 2006-05-31 2011-05-03 Lockheed Martin Corporation System and method for defining normal operating regions and identifying anomalous behavior of units within a fleet, operating in a complex, dynamic environment
US7826943B2 (en) 2007-04-02 2010-11-02 General Electric Company Method and system for diagnosing faults in a particular device within a fleet of devices
US7949497B2 (en) 2007-04-12 2011-05-24 Siemens Corporation Machine condition monitoring using discontinuity detection
US7809513B2 (en) * 2007-04-16 2010-10-05 Acellent Technologies, Inc. Environmental change compensation in a structural health monitoring system
US20090030752A1 (en) 2007-07-27 2009-01-29 General Electric Company Fleet anomaly detection method
US8005771B2 (en) 2007-10-04 2011-08-23 Siemens Corporation Segment-based change detection method in multivariate data stream
US8112381B2 (en) 2007-11-02 2012-02-07 Siemens Corporation Multivariate analysis of wireless sensor network data for machine condition monitoring
CN102257448B (zh) 2008-10-20 2014-04-30 西门子公司 使用切换模型对信号进行滤波的方法和设备
CA2748165C (en) * 2008-12-23 2017-08-15 Chung Lam Li System, method and computer program for pattern based intelligent control, monitoring and automation
US7970556B2 (en) * 2009-01-30 2011-06-28 General Electric System and method for monitoring the condition of a gear assembly
US8162788B2 (en) 2009-08-27 2012-04-24 General Electric Company System, device and method for wind turbine control based on operating profiles
DE102010005525B4 (de) 2010-01-23 2020-12-24 Schaeffler Technologies AG & Co. KG Verfahren zur Zustandsüberwachung einer Maschine und Überwachungseinrichtung hierfür
US8612182B2 (en) 2010-04-13 2013-12-17 General Electric Company Methods and systems for isolating a frequency in a rotating machine
US8171797B2 (en) 2010-09-23 2012-05-08 General Electric Company Sideband energy ratio method for gear mesh fault detection
US20120330577A1 (en) * 2011-06-22 2012-12-27 Honeywell International Inc. Vibration severity analysis apparatus and method for rotating machinery
US8884759B2 (en) * 2011-09-12 2014-11-11 Near-Miss Management, Llc Dynamic prediction of risk levels for manufacturing operations through leading risk indicators

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106571016A (zh) * 2016-11-03 2017-04-19 西安交通大学 一种基于报警次数跳变触发机制的机械早期故障判别方法
CN108153211A (zh) * 2016-12-02 2018-06-12 斯凯孚公司 报警参数的趋势分析和自动调谐的方法
CN108153211B (zh) * 2016-12-02 2022-11-11 斯凯孚公司 报警参数的趋势分析和自动调谐的方法
CN108628282A (zh) * 2017-03-20 2018-10-09 波音公司 分析传感器数据以检测异常阀操作的数据驱动无监督算法
CN108918664A (zh) * 2017-04-05 2018-11-30 霍尼韦尔国际公司 用于检测在部件中的结构损坏的系统和方法
CN111201494A (zh) * 2017-09-07 2020-05-26 弗斯伯股份公司 用于瓦楞板生产工厂的预测诊断方法
CN111201494B (zh) * 2017-09-07 2023-12-01 弗斯伯股份公司 用于瓦楞板生产工厂的预测诊断方法
CN113557414A (zh) * 2019-03-22 2021-10-26 Abb瑞士股份有限公司 用于设备监测的装置
CN112710345A (zh) * 2019-10-25 2021-04-27 计算系统有限公司 持续改进预测性维护数据库的机器监视方法和装置
CN110703690A (zh) * 2019-11-19 2020-01-17 天津紫荆长远科技发展有限公司 一种用于加工过程的智能控制与监测系统的运行方法

Also Published As

Publication number Publication date
WO2014031370A1 (en) 2014-02-27
US8988238B2 (en) 2015-03-24
US20140055274A1 (en) 2014-02-27
EP2888635A1 (en) 2015-07-01
JP2015527586A (ja) 2015-09-17

Similar Documents

Publication Publication Date Title
CN104541216A (zh) 用于检测机械系统|以及调整与所述机械系统关联的极限值以反映|机械系统的当前条件的监测系统和方法
US7030746B2 (en) Method and system for generating automatic alarms based on trends detected in machine operation
US10803727B2 (en) Production device on-line maintenance system and method
CN112712113B (zh) 一种基于指标的告警方法、装置及计算机系统
CN116300561A (zh) 用于监测制造的系统,计算机可读存储介质和方法
EP2518457B1 (en) System And Method For Protecting Rotating Machines
CN110906508B (zh) 空调传感器的故障检测方法及系统
US11480948B2 (en) Monitoring target selecting device, monitoring target selecting method, and program
CN112211845B (zh) 风机故障诊断系统
JP6474894B2 (ja) データ収集システムおよび方法、計測データ量の削減方法
JP6714498B2 (ja) 設備診断装置及び設備診断方法
US7249287B2 (en) Methods and apparatus for providing alarm notification
US20140058615A1 (en) Fleet anomaly detection system and method
EP3187950B1 (en) A method for managing alarms in a control system
CN114155692A (zh) 一种设备故障上报方法、装置及存储介质
US20100324700A1 (en) Facilities control device and facilities control method
JP2016003875A (ja) モータ異常検知システム、モータ異常検知方法、及びモータ異常検知プログラム
US10656637B2 (en) Monitoring system and monitoring method
JP2014153736A (ja) 障害予兆検出方法、プログラムおよび装置
CN108197717A (zh) 基于信号的设备维护保养系统及方法
CN112189172B (zh) 警报通知延迟
US11467214B2 (en) Anomaly detection system and method for electric drives
KR102316477B1 (ko) 제어 출력신호를 통한 기기의 예지 보전방법
CN112579665A (zh) 能源设备控制方法、装置及能源设备
WO2022015313A1 (en) Generation of alerts of correlated time-series behavior of environments

Legal Events

Date Code Title Description
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20150422

WD01 Invention patent application deemed withdrawn after publication