CN105829983B - 用于检测机器的当前的损伤状态的设备以及方法 - Google Patents
用于检测机器的当前的损伤状态的设备以及方法 Download PDFInfo
- Publication number
- CN105829983B CN105829983B CN201480068716.3A CN201480068716A CN105829983B CN 105829983 B CN105829983 B CN 105829983B CN 201480068716 A CN201480068716 A CN 201480068716A CN 105829983 B CN105829983 B CN 105829983B
- Authority
- CN
- China
- Prior art keywords
- cepstrum
- time
- machine
- actual
- value
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims description 26
- 238000001228 spectrum Methods 0.000 claims abstract description 66
- 238000012545 processing Methods 0.000 claims abstract description 35
- 238000001514 detection method Methods 0.000 claims abstract description 32
- 230000002776 aggregation Effects 0.000 claims abstract description 24
- 238000004220 aggregation Methods 0.000 claims abstract description 24
- 238000004458 analytical method Methods 0.000 claims abstract description 23
- 230000006378 damage Effects 0.000 claims description 25
- 208000027418 Wounds and injury Diseases 0.000 claims description 4
- 208000014674 injury Diseases 0.000 claims description 4
- 238000006116 polymerization reaction Methods 0.000 claims description 4
- 230000006835 compression Effects 0.000 claims description 2
- 238000007906 compression Methods 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 claims 1
- 238000012423 maintenance Methods 0.000 description 4
- 230000015556 catabolic process Effects 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 3
- 239000012530 fluid Substances 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000000205 computational method Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000009530 blood pressure measurement Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000006735 deficit Effects 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010304 firing Methods 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
- 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
-
- 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
- G01H1/003—Measuring characteristics of vibrations in solids by using direct conduction to the detector of rotating machines
- G01H1/006—Measuring characteristics of vibrations in solids by using direct conduction to the detector of rotating machines of the rotor of turbo machines
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M7/00—Vibration-testing of structures; Shock-testing of structures
-
- 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
- G05B19/416—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 control of velocity, acceleration or deceleration
-
- 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
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks
-
- 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
- G05B2219/37371—Flow
-
- 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
- G05B2219/37399—Pressure
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Manufacturing & Machinery (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Control Of Positive-Displacement Air Blowers (AREA)
Abstract
本发明涉及一种用于检测机器的当前的损伤状态的设备，其中数据检测和处理设备包括：快速傅里叶分析装置，其用于执行将处于时域中的压力信号变换到频域中作为时间离散的频谱；空间聚合单元和时间聚合单元，其结合时间离散的频谱；倒谱分析单元，其用于从在时间和空间上聚合的离散的频谱中产生具有不同的实际倒谱值的倒谱；运算单元，其从如此产生的倒谱中以预先限定的时间间隔产生包括相邻的实际倒谱值的多个实际倒谱区间，由此可产生实际倒谱值，所述实际倒谱值可从至少三个相邻的实际倒谱区间中确定，包括如下单元，所述单元计算如此产生的实际倒谱值和预先确定的理论倒谱值的理论‑实际比较。
Description
技术领域
本发明涉及全部构成为流体机械的常规机器，例如涡轮机、燃气轮机、压缩机、涡轮增压器或航空发动机。
背景技术
流体机械例如燃气轮机的特征在于：所述流体机械由多级的压缩机部件和涡轮机部件构成。在此，压缩机级或涡轮机级由固定式导向叶片排和旋转的转子叶片排构成。导向叶片排和转子叶片排由多个单独的叶片构成。由此，整个机器由几百个导向叶片和转子叶片构成。这些叶片在机器运行期间经受高的机械负荷、气动负荷和热负荷。
这些负荷会引起叶片的不期望的损伤。在此存在的具体问题在于：首先仅一些叶片上的少量的损伤在机器继续运行的过程中就会最终导致完全损坏。这种损伤递增是已知的现象并且会在几分钟至几天的时间段中从最小的初始损伤发展直至完全损坏。因此，存在如下迫切的课题：在机器运行时识别小的初始损伤并且导出警报，其中所述初始损伤能够具有极其多样的原因和特征。用于消除小的初始损伤的维修耗费与机器的完全损坏相比小得多，在机器完全损坏时全部叶片以及部分地还有其他的部件、如燃烧器、过滤器、压力传感器等必须被替代。
发明内容
第一目的是提出一种解决上述问题的第一设备。第二目的在于提出一种解决上述问题的方法。
第一目的通过提出一种用于检测机器的当前的损伤状态的设备来实现，所述设备包括多个压力传感器以及数据检测和处理设备，所述压力传感器用于检测在待监控的机器的一定时间范围内的压力并且用于输出多个压力信号，其中压力信号存在于时域中，所述数据检测和处理设备用于检测压力传感器的压力信号和处理压力信号。根据本发明：
-数据检测和处理设备包括快速傅里叶分析装置，所述快速傅里叶分析装置用于执行将处于时域中的压力信号变换到频域中作为时间离散的频谱，
-此外，数据检测和处理设备包括空间聚合单元和时间聚合单元(Zeitlichen-Aggregationseinheit)，所述空间聚合单元和时间聚合单元使时间离散的频谱结合，
使得可产生时间聚合的和空间聚合的离散的频谱，
其中可以不同的顺序将空间聚合单元还有时间聚合单元应用于时间离散的频谱，
-此外，数据检测和处理设备包括倒谱分析单元，所述倒谱分析单元用于从时间聚合的和空间聚合的离散的频谱中产生具有不同的实际倒谱值的倒谱，
-数据检测和处理设备还包括运算单元，所述运算单元从如此产生的倒谱中以预先限定的时间间距产生包括多个相邻的实际倒谱值的实际倒谱区间，由此可产生如下实际倒谱值，所述实际倒谱值可从至少三个相邻的实际倒谱区间中确定，
-数据检测和处理设备包括如下单元，所述单元计算如此产生的实际倒谱值和预先确定的理论倒谱值的理论-实际比较。
通过本发明能够快速地识别到简单的损伤，尤其机器上的初始损伤，尤其是在燃气轮机的叶片中的初始损伤。由此，能够快速且可靠地阻止这些初始损伤继续发展成完全损坏。借助本发明还能够避免成本密集的维修，因为通常能够以较小的耗费消除较小的初始损伤。由所述设备执行的理论-实际比较提供简单的、类似的特征值，所述特征值能够被传输给设施的过程控制系统并且能够借助简单的极限值监控装置来观察。有利地，获得根据本发明的鲁棒的设备，所述设备与其他参数(例如机器的运行状态，如负载、环境条件等)无关。
优选地，空间聚合单元将时间离散的频谱结合为空间虚拟的频谱；其中，时间聚合单元随后将空间虚拟的频谱结合为时间空间虚拟的目标频谱，并且其中，倒谱分析单元随后从时间空间虚拟的目标频谱中产生具有不同的实际倒谱值的倒谱。
优选地，数据检测和处理设备借助于未受损的机器产生理论倒谱，随后可从理论倒谱中确定与实际倒谱值一致(kongruierend)的理论倒谱值。由此可极其简单地确定适当的理论倒谱值。
优选地，实际倒谱值可与进行监控的机器的损伤程度相关联。由此也可从实际倒谱值中直接地识别/推导出损伤。
优选地，设有如下机器单元，所述机器单元在超过理论-实际比较的预先限定的阈值时启动紧急运行。由此，节省了用于启动紧急运行的时间。由此可能的话能够避免完全损坏。
优选地，多个所述压力传感器是动态的压力传感器。这些压力传感器尤其良好地适合于在旋转动态的系统中使用。
优选地，机器是具有转子叶片和转子的压缩机。在优选的设计方案中，压缩机包括压缩机环周和压缩机出口，其中多个压力传感器在压缩机环周上安置在压缩机出口处。这用于可信度测试、改进可用性以及对在圆周坐标上的所检测到的流动参数取平均值。
优选地，压缩机包括压缩机环周，并且压力传感器不安置在压缩机环周处的这些转子叶片下方。这会引起高的压力幅度，所述压力幅度会不利地对所述设备起作用。
在优选的设计方案中，转子具有转动频率。优选地，数据检测和处理设备的最小的带宽从转子叶片的最大数量与转子的双倍转动频率的乘积中得出。由此，能够正确地检测谱和倒谱。
优选地，机器具有压缩机出口收集腔和燃烧器区域，其中压力传感器设置在压缩机出口收集腔和/或燃烧器区域中。
优选地，可从至少三个相邻的实际倒谱区间中确定的实际倒谱值可通过求和产生。任意其他合乎目的的运算方法也是适合的。
第二目的通过提出一种用于检测机器的当前的损伤状态的方法实现，其中通过多个压力传感器检测在待监控的机器的在一定时间范围内的压力，并且输出多个处于时域中的压力信号，所述具有如下步骤：
-通过设置在数据检测和处理设备中的快速傅里叶分析装置将处于时域中的压力信号变换到频域中作为时间离散的频谱，
-通过设置在数据检测和处理设备中的空间聚合单元和时间聚合单元将时间离散的频谱在空间和时间上结合为空间和时间聚合的、离散的频谱，
-通过倒谱分析单元从空间和时间聚合的、离散的频谱中产生具有不同的实际倒谱值的倒谱，
-通过运算单元以预先限定的时间间隔从如此产生的倒谱中产生包括多个相邻的实际倒谱值的实际倒谱区间，
-产生实际倒谱值，所述实际倒谱值从至少三个相邻的实际倒谱区间中确定，
-计算如此产生的实际倒谱值和预先确定的理论倒谱值的理论-实际比较。
根据本发明的方法和根据本发明的设备不仅能够永久地在具有秒至分钟范围中的输出延迟的实时条件下使用而且能够用于后续地评估所存储的用于进行损伤分析的数据。
优选地，在空间聚合单元中将时间离散的频谱结合为空间虚拟的频谱，其中随后在时间聚合单元中将空间虚拟的频谱结合为时间空间虚拟的目标频谱，并且其中随后在倒谱分析单元中从时间空间虚拟的目标频谱中产生具有不同的实际倒谱值的倒谱。
优选地，借助峰值保持算法或者通过取平均值来执行空间虚拟的频谱或时间离散的频谱的时间结合。
优选地，从至多九个相邻的实际倒谱区间中产生实际倒谱值。实际倒谱值也能够从全部现有的相邻的实际倒谱区间中产生或从相邻的实际倒谱区间的子集中产生。优选地，通过求和产生实际倒谱值，所述实际倒谱值可从至少三个相邻的实际倒谱区间中确定。但是也能够应用其他适当的运算方法。
在优选的设计方案中，实际倒谱值与待监控的机器的损伤程度相关。
优选地，在超过实际-理论比较的预先限定的阈值时，通过所设置的机器单元启动紧急运行。
附图说明
本发明的其他的特征、特性和优点从下面的描述中参考所附的附图得出。在附图中示意地示出：
图1示意地示出根据本发明的方法，
图2根据评估实例示出根据本发明的方法。
具体实施方式
图1示意地示出所述方法。在此，将用于检测当前的损伤状态的适当的压力传感器设置在机器中。此时，在不失一般性的情况下，下面考虑压缩机作为机器。在压缩机中、尤其在燃气轮机的轴流式压缩机中将动态的压力传感器设置在流动通道中。在此，压力传感器的安置取决于所期望的检测灵敏度。有利地，在压缩机的出口处在环周处在纵坐标相同的情况下设置多个这种压力传感器，即测量部位。这用于可信度测试、改进可用性以及对在环周坐标上的检测到的流动参数取平均值。有利的是：压力传感器不安置在转子叶片直接扫略的壁区域中。这可能会引起高的压力幅度，所述压力幅度可能会干扰意欲的分析。应用动态的压力传感器甚至就能够是足够的，所述压力传感器设置在下游并且原本和附加地提供用于其他的目的。就此例如是指机器的燃烧器区域中的或压缩机出口收集腔中的动态的压力传感器，所述压力传感器用于监控燃烧。由此能够有利地弃用附加设置的压力传感器。然而，也能够使用如下压力传感器，所述压力传感器设置在压缩机的排气通道中或设置在压缩机的其他通过流接触的壁区域上。显而易见的是，压力传感器也能够不同地设置。由于由物理原因引起的以声速加流速进行的声传播，通过本发明也可在下游检测为了损伤分析并且为了损伤识别而在叶片处出现的流动参数。
动态的压力传感器有利地具有适当的灵敏度，例如10Pa的灵敏度和足够的动态的带宽。有利地，整个压力测量链的以赫兹为单位的最小带宽大于轴流式压缩机的全部参与的级的转子叶片的最大数量与转子的双倍的转动频率的乘积。
动态的压力传感器检测待监控的机器的、在此即压缩机的在一定时间范围内的动态压力，并且输出多个动态的压力信号。在此，动态的压力信号是单独信号。这些单独信号、即动态的压力传感器的压力信号处于时域中，即作为随着作为独立参数的时间而改变的相关参数存在。动态的压力信号通过适当的数据检测和处理设备检测并且经受信号处理1。数据检测和处理设备首先包括快速傅里叶分析装置，所述快速傅里叶分析装置用于执行将处于时域中的所述压力信号变换到频域中以作为时间离散的频谱2。在此，变换优选为快速傅里叶变换(Fast Fourier Transform,FFT)。
FFT在使用特定的参数、例如数据模块的大小、窗函数和叠加的条件下来执行。这些参数根据所期望的精度和所期望的频率分辨率最佳地并且根据具体的应用情况来选择。
在执行FFT之后，频域中的各个压力信号作为时间离散的频谱处于幅域或功率幅域中。
数据检测和处理设备还包括空间聚合单元和时间聚合单元，所述空间聚合单元和时间聚合单元将由在环周上分布式设置的传感器收集的时间上和空间上离散的频谱在空间上和时间上结合为时间空间虚拟的频谱3和4。
此时例如将空间聚合单元首先应用于时间离散的频谱。空间聚合基本上是将多个测量部位的单独谱结合为虚拟信号或虚拟的测量部位的谱3。由此，此时产生空间虚拟的频谱。在此，能够将取平均值或峰值保持法用作为计算方法。
此外，数据检测和处理单元还包括时间聚合单元，所述时间聚合单元将当前的各个空间虚拟的频谱在时间上结合为时间空间虚拟的目标频谱(时间聚合)4。
这就是说，时间聚合单元通过如下方式执行时间聚合：将空间虚拟的测量部位的多个离散的单独谱或频谱结合为时间空间的虚拟信号或谱。在此，能够使用取平均值或峰值保持方法作为计算方法。这是指，时间聚合将真实的或空间虚拟的测量部位的多个离散的单独谱结合为虚拟的信号或谱。
显而易见地，时间聚合能够在没有预先的空间聚合的情况下进行。即使在没有时间聚合的情况下以及在空间聚合之前没有时间聚合的情况下执也能够执行空间聚合。然而，这在此无法更精确地执行。有利地，时间聚合在此根据峰值保持算法或通过取平均值来执行。
空间和时间聚合具有如下优点：降低后续的处理步骤中的运算耗费，而不出现信息损失。
通过时间和空间聚合获得的信号或谱此时经受时间上同样连续运行的进一步的信号处理。
数据检测和处理设备为此包括倒谱分析单元5，所述倒谱分析单元从时间空间虚拟的目标频谱中产生具有不同的倒谱值的倒谱。在倒谱分析单元中，为了产生倒谱，对复数范围中的谱取对数并且随后经受反向FFT。在此，能够应用自然对数或以10为底的对数。
数据检测和处理设备还包括如下运算单元，所述运算单元从如此产生的倒谱中以预先限定的时间间隔ΔT产生包括多个相邻的倒谱值的至少三个实际倒谱区间，由此可产生包括至少三个相邻的实际倒谱区间的实际倒谱值6。在此，优选对至少三个相邻的实际倒谱区间求和。显而易见地，也能够应用其他的计算原理。在此，实际倒谱值也能够从四个至九个相邻的倒谱区间中产生。在此，预先限定的时间间隔ΔT与机器的转速相关，并且作为转子旋转的周期持续时间。也存在如下可行性：不预先不变地确定时间间隔ΔT，而是连续地从当前测量的转子转速中计算时间间隔。
此外，数据检测和处理设备包括如下单元，所述单元确定如此产生的实际倒谱值和预先确定的理论倒谱值的理论-实际比较7。
在此，借助于未受损的机器产生理论倒谱，随后从所述理论倒谱中可确定与实际倒谱值一致的理论倒谱值。
通过如此产生的实际倒谱值与预先确定的理论倒谱值的这种实际-理论比较，能够形成理论-实际值，所述理论-实际值接下来也称作为阈值。
如此确定的实际倒谱值是如下特征数：所述特征数与损伤状态的直接正相关，所述损耗状态例如是由导向叶片和转子叶片构成的压缩机或涡轮机装置。从该实际倒谱值的数值大小中能够直接地推测出损伤状态。这表示：在计算实际-理论比较之后，能够限定阈值，低于所述阈值能够得出压缩机或涡轮机未受损。而在运行进行时超过该阈值的情况下，则存在损伤。同样地，能够限定极限值，高于所述极限值必须启动紧急运行。
图2示出根据本发明的方法的实例评估。图表包含六个倒谱的数据，所述数据源自燃气轮机的相同的压缩机，但是具有不同的损伤级。所述数据为了更好的区分而阶梯式排列，这就是说以图形间距彼此上下相叠地绘制，因为不这样的话就会被遮盖。
下方的线条50源自没有损伤的压缩机，即理论倒谱。在那里，在预先限定的时间间隔70中仅出现小的峰值幅度，即小的理论倒谱值。因为测量值检测系统的采样速率是极其恒定的并且机器的转速会轻微波动，所以对于所示出的实例而言在所计算的时间间隔70中，倒谱50至55的实际倒谱值不精确地上下相叠。因此，形成(在此五个)实际/理论倒谱区间60、61、62、63、64。
实际/理论倒谱区间60、61、62、63、64通过线标记。对照源自损伤的压缩机的最上方的线55，与在以最下方的直线50示出的理论倒谱区间中相比，在区间61至64中示出明显更高的实际倒谱值。
在限定的时间间隔70中限定特定数量的实际倒谱区间(在此为五个标记的实际倒谱区间)。这些时间间隔70与机器的转速直接关联。
倒谱作为离散的数列存在。因为测量值检测系统的采样速率是极其恒定的并且机器的转速会轻微波动，所以所计算的时间间隔70无法精确地匹配于倒谱50至55的离散的时间区间。
为了获得与其他的参数相对无关的鲁棒的方法，所述其他的参数例如是机器的运行状态、如负载、环境条件等，此时考虑直至九个的这种实际/理论倒谱区间，以便确定实际倒谱值或理论倒谱值。作为用于产生实际/理论倒谱值的优选的方法，能够将全部位于限定的时间区间60……64中的倒谱值相加。然而也能够应用其他方法，例如对全部位于限定的时间区间60……64中的倒谱值取平均值。然而，对于全部可行的方法而言特征性是：存在所产生的值与位于限定的时间区间内的倒谱幅度的幅度的可靠关联。
在具有弯曲的、折断的叶片的受损的机器中产生密集的、转速同步的湍流。通过用于直接评估当前的损伤状态的根据本发明的方法还有根据本发明的设备能够立即识别初始时小的损伤并且防止机器完全损坏。这显著地直接节约了维修耗费。同时，减小了维修措施的持续时间，由此实现附加的节约效果。
根据本发明的方法和根据本发明的设备不仅能够永久地在具有秒至分钟范围中的输出延迟的实时条件下使用而且能够用于后续地评估所存储的数据进行损伤分析。对真实的损伤情况的研究已证明所述方法和设备的有效性。
Claims (19)
1.一种用于检测机器的当前的损伤状态的设备，包括：
多个压力传感器和数据检测和处理设备，所述压力传感器用于检测待监控的机器的一定时间范围内的压力和用于输出多个压力信号，其中所述压力信号存在于时域中，所述数据检测和处理设备用于检测所述压力传感器的所述压力信号和处理所述压力信号(1)，
其特征在于，
-所述数据检测和处理设备包括快速傅里叶分析装置，所述快速傅里叶分析装置用于执行将处于时域中的所述压力信号变换到频域中作为时间离散的频谱(2)，
-此外，所述数据检测和处理设备包括空间聚合单元和时间聚合单元，所述空间聚合单元和时间聚合单元使所述时间离散的频谱结合，
-使得能够产生时间和空间聚合的离散的频谱(3,4；4,3)，
-其中能够以不同的顺序将所述空间聚合单元还有所述时间聚合单元应用于所述时间离散的频谱，
-此外，所述数据检测和处理设备包括倒谱分析单元，所述倒谱分析单元用于从所述时间和空间聚合的离散的频谱中产生具有不同的实际倒谱值的倒谱(5)，
-其中所述数据检测和处理设备还包括运算单元，所述运算单元从如此产生的倒谱中以预先限定的时间间隔产生包括相邻的实际倒谱值的多个实际倒谱区间，由此能够产生实际倒谱值(6)，所述实际倒谱值能够从至少三个相邻的实际倒谱区间中确定，
-其中所述数据检测和处理设备包括如下单元，所述单元计算如此产生的实际倒谱值和预先确定的理论倒谱值的理论-实际比较(7)。
2.根据权利要求1所述的用于检测机器的当前的损伤状态的设备，
其特征在于，
-所述空间聚合单元将所述时间离散的频谱结合为空间虚拟的频谱(3)，
-并且随后，所述时间聚合单元将所述空间虚拟的频谱结合为时间空间虚拟的目标频谱(4)，
-并且随后，所述倒谱分析单元从所述时间空间虚拟的目标频谱中产生具有不同的实际倒谱值的倒谱(5)。
3.根据权利要求1或2所述的用于检测机器的当前的损伤状态的设备，
其特征在于，
所述数据检测和处理设备借助于未损伤的机器产生理论倒谱，随后能够从所述理论倒谱中确定与所述实际倒谱值一致的理论倒谱值。
4.根据权利要求1或2所述的用于检测机器的当前的损伤状态的设备，
其特征在于，
所述实际倒谱值能够与进行监控的机器的损伤程度相关。
5.根据权利要求1或2所述的用于检测机器的当前的损伤状态的设备，
其特征在于，
设有如下机器单元，在超过所述理论-实际比较的预先限定的阈值时所述机器单元启动紧急运行。
6.根据权利要求1或2所述的用于检测机器的当前的损伤状态的设备，
其特征在于，
多个所述压力传感器是动态的压力传感器。
7.根据权利要求1或2所述的用于检测机器的当前的损伤状态的设备，
其特征在于，
所述机器是具有转子叶片和转子的压缩机。
8.根据权利要求7所述的用于检测机器的当前的损伤状态的设备，
其特征在于，
所述压缩机包括压缩机环周和压缩机出口，并且多个所述压力传感器在所述压缩机环周上安置在所述压缩机出口处。
9.根据权利要求7所述的用于检测机器的当前的损伤状态的设备，
其特征在于，
所述压缩机包括压缩机环周，并且所述压力传感器不安置在所述压缩机环周处的所述转子叶片下方。
10.根据权利要求7所述的用于检测机器的当前的损伤状态的设备，
其特征在于，
所述转子具有转动频率，并且所述数据检测和处理设备的最小的带宽从所述转子叶片的最大数量与所述转子的双倍转动频率的乘积中得出。
11.根据权利要求1或2所述的用于检测机器的当前的损伤状态的设备，
其特征在于，
所述机器具有压缩机出口收集腔和燃烧器区域，并且所述压力传感器设置在所述压缩机出口收集腔和/或燃烧器区域中。
12.根据权利要求1或2所述的用于检测机器的当前的损伤状态的设备，
其特征在于，
能够从至少三个相邻的实际倒谱区间中确定的所述实际倒谱值能够通过求和产生。
13.一种用于检测机器的当前的损伤状态的方法，其中通过多个压力传感器检测在待监控的机器的在一定时间范围内的压力，并且输出多个处于时域中的压力信号(1)，
其特征在于，设有如下步骤：
-通过设置在数据检测和处理设备中的快速傅里叶分析装置将处于时域中的所述压力信号变换到频域中作为时间离散的频谱(2)，
-通过设置在所述数据检测和处理设备中的空间聚合单元和时间聚合单元将所述时间离散的频谱在空间和时间上结合为空间和时间聚合的离散的频谱(3,4；4,3)，
-通过倒谱分析单元从所述空间和时间聚合的离散的频谱中产生具有不同的实际倒谱值的倒谱(5)，
-通过运算单元以预先限定的时间间隔从如此产生的倒谱中产生包括相邻的实际倒谱值的至少多个实际倒谱区间(6)，
-产生实际倒谱值，所述实际倒谱值从至少三个相邻的实际倒谱区间中确定(6)，
-计算如此产生的实际倒谱值和预先确定的理论倒谱值的理论-实际比较(7)。
14.根据权利要求13所述的用于检测机器的当前的损伤状态的方法，
其特征在于，
-在所述空间聚合单元中将所述时间离散的频谱结合为空间虚拟的频谱(3)，
-随后在所述时间聚合单元中将所述空间虚拟的频谱结合为时间空间虚拟的目标频谱(4)，
-随后在所述倒谱分析单元中从所述时间空间虚拟的目标频谱中产生具有不同的实际倒谱值的倒谱(5)。
15.根据权利要求14所述的用于检测机器的当前的损伤状态的方法，
其特征在于，
借助峰值保持算法或者通过取平均值来执行所述空间虚拟的频谱或所述时间离散的频谱的时间结合。
16.根据上述权利要求13至15中任一项所述的用于检测机器的当前的损伤状态的方法，
其特征在于，
从至多九个相邻的实际倒谱区间中产生所述实际倒谱值。
17.根据权利要求13至15中任一项所述的用于检测机器的当前的损伤状态的方法，
其特征在于，
通过求和产生所述实际倒谱值，所述实际倒谱值能够从至少三个相邻的实际倒谱区间中确定。
18.根据权利要求13至15中任一项所述的用于检测机器的当前的损伤状态的方法，
其特征在于，
所述实际倒谱值与待监控的机器的损伤程度相关。
19.根据权利要求13至15中任一项所述的用于检测机器的当前的损伤状态的方法，
其特征在于，
在超过所述理论-实际比较的预先限定的阈值时，通过所设置的机器单元启动紧急运行。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| DE102013226049.0A DE102013226049A1 (de) | 2013-12-16 | 2013-12-16 | Vorrichtung sowie Verfahren zum Erfassen des aktuellen Schädigungszustandes einer Maschine |
| DE102013226049.0 | 2013-12-16 | ||
| PCT/EP2014/073098 WO2015090698A1 (de) | 2013-12-16 | 2014-10-28 | Vorrichtung sowie verfahren zum erfassen des aktuellen schädigungszustandes einer maschine |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105829983A CN105829983A (zh) | 2016-08-03 |
| CN105829983B true CN105829983B (zh) | 2018-05-11 |
Family
ID=51862274
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201480068716.3A Expired - Fee Related CN105829983B (zh) | 2013-12-16 | 2014-10-28 | 用于检测机器的当前的损伤状态的设备以及方法 |
Country Status (6)
| Country | Link |
|---|---|
| US (1) | US10088830B2 (zh) |
| EP (1) | EP3058430B1 (zh) |
| KR (1) | KR101918372B1 (zh) |
| CN (1) | CN105829983B (zh) |
| DE (1) | DE102013226049A1 (zh) |
| WO (1) | WO2015090698A1 (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10018071B2 (en) * | 2016-10-04 | 2018-07-10 | General Electric Company | System for detecting anomalies in gas turbines using audio output |
| WO2018147837A1 (en) * | 2017-02-08 | 2018-08-16 | Siemens Aktiengesellschaft | Method for minimizing forces acting on turbine blades in specific frequency ranges |
| JP7109318B2 (ja) * | 2018-09-06 | 2022-07-29 | 芝浦機械株式会社 | 工作機械および工具異常判定方法 |
| US11361597B2 (en) * | 2019-02-28 | 2022-06-14 | Continental Automotive Systems, Inc. | Method and system for monitoring integrity of pedestrian protection system in a vehicle |
| CN111780980A (zh) * | 2020-07-28 | 2020-10-16 | 中国人民解放军陆军装甲兵学院 | 一种基于振动信号包络倒谱分析的柴油机转速提取方法 |
| KR102598458B1 (ko) * | 2021-01-29 | 2023-11-03 | 서울대학교 산학협력단 | 셉스트럼 기반 유성 기어박스의 고장 감지 장치 및 방법 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE4447288A1 (de) * | 1993-12-30 | 1995-07-06 | Caterpillar Inc | Maschinenfehlerdiagnosesystem und -verfahren |
| CN1636133A (zh) * | 2002-02-22 | 2005-07-06 | 法玛通Anp有限公司 | 用于检测设备部件上脉冲机械作用的方法和装置 |
| CN101464212A (zh) * | 2007-12-19 | 2009-06-24 | 西门子公司 | 风力涡轮机的基于振动自动情况监测方法和设备 |
| CN101836168A (zh) * | 2007-10-26 | 2010-09-15 | 西门子公司 | 用于分析燃气轮机的运行的方法 |
| CN102834701A (zh) * | 2010-03-03 | 2012-12-19 | 旭化成工程株式会社 | 滑动轴承的诊断方法和诊断装置 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE10144076A1 (de) * | 2001-09-07 | 2003-03-27 | Daimler Chrysler Ag | Vorrichtung und Verfahren zur Früherkennung und Vorhersage von Aggregateschädigungen |
| US6742341B2 (en) * | 2002-07-16 | 2004-06-01 | Siemens Westinghouse Power Corporation | Automatic combustion control for a gas turbine |
| US7027953B2 (en) * | 2002-12-30 | 2006-04-11 | Rsl Electronics Ltd. | Method and system for diagnostics and prognostics of a mechanical system |
| US7751943B2 (en) * | 2005-02-03 | 2010-07-06 | Alstom Technology Ltd. | Protection process and control system for a gas turbine |
| US7908072B2 (en) * | 2007-06-26 | 2011-03-15 | General Electric Company | Systems and methods for using a combustion dynamics tuning algorithm with a multi-can combustor |
-
2013
- 2013-12-16 DE DE102013226049.0A patent/DE102013226049A1/de not_active Withdrawn
-
2014
- 2014-10-28 KR KR1020167015647A patent/KR101918372B1/ko active IP Right Grant
- 2014-10-28 WO PCT/EP2014/073098 patent/WO2015090698A1/de active Application Filing
- 2014-10-28 CN CN201480068716.3A patent/CN105829983B/zh not_active Expired - Fee Related
- 2014-10-28 US US15/102,568 patent/US10088830B2/en active Active
- 2014-10-28 EP EP14793497.0A patent/EP3058430B1/de active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE4447288A1 (de) * | 1993-12-30 | 1995-07-06 | Caterpillar Inc | Maschinenfehlerdiagnosesystem und -verfahren |
| CN1636133A (zh) * | 2002-02-22 | 2005-07-06 | 法玛通Anp有限公司 | 用于检测设备部件上脉冲机械作用的方法和装置 |
| CN101836168A (zh) * | 2007-10-26 | 2010-09-15 | 西门子公司 | 用于分析燃气轮机的运行的方法 |
| CN101464212A (zh) * | 2007-12-19 | 2009-06-24 | 西门子公司 | 风力涡轮机的基于振动自动情况监测方法和设备 |
| CN102834701A (zh) * | 2010-03-03 | 2012-12-19 | 旭化成工程株式会社 | 滑动轴承的诊断方法和诊断装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2015090698A1 (de) | 2015-06-25 |
| KR101918372B1 (ko) | 2018-11-13 |
| EP3058430A1 (de) | 2016-08-24 |
| EP3058430B1 (de) | 2017-11-29 |
| CN105829983A (zh) | 2016-08-03 |
| US10088830B2 (en) | 2018-10-02 |
| KR20160085331A (ko) | 2016-07-15 |
| US20160320767A1 (en) | 2016-11-03 |
| DE102013226049A1 (de) | 2015-06-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105829983B (zh) | 用于检测机器的当前的损伤状态的设备以及方法 | |
| US8396689B2 (en) | Method for analysis of the operation of a gas turbine | |
| US9739167B2 (en) | Method and system for monitoring rotating blade health | |
| US9818242B2 (en) | Gas turbine engine anomaly detections and fault identifications | |
| AU2010220551B2 (en) | Method for monitoring wind turbines | |
| EP2949879B1 (en) | Rotating machinery monitoring system | |
| EP2478342B1 (de) | Verfahren zur ermittlung von rissen in turbinenschaufeln | |
| CN105894027A (zh) | 基于密度聚类的主元关联度传感器故障检测方法及装置 | |
| CN103375421A (zh) | 用于监测定子叶片的健康状况的系统和方法 | |
| Logan et al. | Singular spectrum analysis as a tool for early detection of centrifugal compressor flow instability | |
| Przysowa | Blade vibration monitoring in a low-pressure steam turbine | |
| RU2382909C2 (ru) | Способ диагностики помпажа компрессора | |
| KR20190037643A (ko) | 회전날개의 상태 평가장치 및 그 방법 | |
| CN112082720A (zh) | 一种固定转速旋转机械振动故障早期预警值确定方法 | |
| Loboda et al. | A more realistic scheme of deviation error representation for gas turbine diagnostics | |
| Tsiapoki et al. | Combining a vibration-based SHM scheme and an airborne sound approach for damage detection on wind turbine rotor blades | |
| RU2316678C1 (ru) | Способ диагностики неустойчивой работы компрессора газотурбинного двигателя на запуске | |
| Gishvarov et al. | Parametric diagnostics of the condition of a dual-flow turbojet engine using neural network simulation of the operating process | |
| Sheard et al. | Detection of Stall Regions in a Low-Speed Axial Fan: Part II—Stall Warning by Visualisation of Sound Signals | |
| CN113533530B (zh) | 单个叶端定时传感器的叶片固有频率检测方法 | |
| Carassale et al. | Experimental Evaluation of Damping for Torsional Dynamic Calculations of a Turbomachinery Shaftline | |
| Methling et al. | The Pre‐Stall Behavior of a 4‐Stage Transonic Compressor and Stall Monitoring Based on Artificial Neural Networks | |
| CN113504311B (zh) | 基于多个叶端定时传感器的叶片检测方法 | |
| CN102680243B (zh) | 汽轮发电机组汽流激振故障在线判别方法 | |
| RU2273831C1 (ru) | Способ обнаружения помпажа и оценки параметров помпажных колебаний в компрессорах газотурбинных установок |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20220902 Address after: Munich, Germany Patentee after: Siemens energy Global Ltd. Address before: Munich, Germany Patentee before: SIEMENS AG |
|
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180511 |