CN106017729A - 一种基于统计过程控制的电机温度监控方法 - Google Patents
一种基于统计过程控制的电机温度监控方法 Download PDFInfo
- Publication number
- CN106017729A CN106017729A CN201610338279.3A CN201610338279A CN106017729A CN 106017729 A CN106017729 A CN 106017729A CN 201610338279 A CN201610338279 A CN 201610338279A CN 106017729 A CN106017729 A CN 106017729A
- Authority
- CN
- China
- Prior art keywords
- motor
- ewma
- temperature
- control
- graph model
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 122
- 238000012544 monitoring process Methods 0.000 title claims abstract description 38
- 238000003070 Statistical process control Methods 0.000 title claims description 15
- 238000007689 inspection Methods 0.000 claims abstract description 7
- 230000005856 abnormality Effects 0.000 claims description 9
- 238000005070 sampling Methods 0.000 claims description 8
- 238000009499 grossing Methods 0.000 claims description 5
- 230000003247 decreasing effect Effects 0.000 claims description 4
- 238000012795 verification Methods 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 238000012423 maintenance Methods 0.000 claims description 2
- 230000004888 barrier function Effects 0.000 claims 1
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000001568 sexual effect Effects 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K13/00—Thermometers specially adapted for specific purposes
-
- 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
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Evolutionary Biology (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Computational Biology (AREA)
- Algebra (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Control Of Electric Motors In General (AREA)
Abstract
本发明提供一种基于统计过程控制的电机温度监控方法,所述方法通过建立EWMA控制图模型监控电机温度:首先采集一段时间电机的稳态和非稳态数据输入模型中用以计算EWMA控制图模型中的参数,再将电机的过程数据输入EWMA控制图模型监控电机温度过程数据,以识别和监控电机温度过程漂移,本发明利用统计学理论,排除了随机因素的干扰,科学地监测和识别电机温度过程数据;利用控制图对过程漂移情况更加敏感,能够快速地、准确地识别出电机温度的漂移现象(即温度升高),进一步报警提示并作出相应的检查,更合理地实现电机温度的一级报警和二级报警,使电机温度保护更加准确、快速和科学。
Description
技术领域
本发明属于电机温控领域,具体涉及一种基于统计过程控制的电机温度监控方法。
背景技术
由于电流的热效应,电机运行中必然会发热,导致温度升高。通常工况下,电机温度都会在允许范围内。但是在某些情况下,温度突然增大或超过最高工作温度时,是电机异常运行和发生故障的重要信号。因此,正确分析电机温度升高或超限并对异常或故障电机的及时处理,对电机以及生产系统安全、可靠和稳定运行具有重要意义。现有的电机温度监测和保护大部分采用电机内预埋热电阻,通过信号联接和处理将实时温度数据接入控制器,进一步控制器判断温度情况,实现电机温度的声光报警和故障停机等操作。现有的判断和识别电机温度故障的方法比较简单单一,大部分采用设定温度上限,只有电机温度超过报警上限或停机上限,控制器才会发出报警信号或执行故障停机动作。这种方法只能保证电机温度不超限,却无法监测电机温度由于某种特殊的原因而突然增大,从而可能造成电机异常工作无法识别。因此,合理的电机温度监控方法应当对电机的过程数据实现科学的监测和挖掘。电机运行中温度会升高,但同时也会也会散热。当发热与散热相等时即达到平衡状态,温度不再上升而稳定在一个水平上。当发热增加或散热减少时就会破坏平衡,使温度继续上升,扩大温差,则增加散热,在另一个较高的温度下达到新的平衡,但这时电机的温度已比以前增大了。这种电机温度的突然增大,说明电机有故障、风道阻塞或负荷太重等,这些都是电机异常工作的前期信息。因此,本文重点设计和发明一种科学的电机过程数据监测方法,用于识别电机温度实际的变化情况。
电机的温度信号大部分是通过电机预埋的PT100热电阻采集得到,经过信号转换、传递和处理。因此,考虑到仪器设备的精度和一些随机因素,信号可能会出现失真、波动、噪声等随机变化。由于这些随机的干扰因素的存在,一些常规的过程数据方法可能无法避免由于随机因素造成的错误的数据识别。因此,有必要运用统计过程控制(StatisticalProcess Control,简称SPC)对电机温度过程数据实施统计的监测与控制。统计过程控制(简称SPC)是一种借助数理统计方法的过程控制方法。它对生产过程进行分析评价,根据反馈信息及时发现系统性因素出现的征兆,并采取措施消除其影响,使过程维持在仅受随机性因素影响的受控状态,以达到控制质量的目的。它认为,当过程仅受随机因素影响时,过程处于统计控制状态(简称受控状态);当过程中存在系统因素的影响时,过程处于统计失控状态(简称失控状态)。由于过程波动具有统计规律性,当过程受控时,过程特性一般服从稳定的随机分布;而失控时,过程分布将发生改变。SPC正是通过建立合理的控制图,实现过程数据的科学地、统计地监控。控制图作为SPC中最重要的工具,在实际中大量运用的是基于Shewhart原理的传统控制图,但控制图不仅限于此。近年来又逐步发展了一些先进的控制工具,如对小波动进行监控的EWMA和CUSUM控制图,对小批量多品种生产过程进行控制的比例控制图和目标控制图;对多重质量特性进行控制的控制图。电机温度的过程数据特点是:
正常情况下,电机温度会稳定地随机波动在某一个值附近;
异常情况下,电机温度会增大并重新稳定地随机波动在一个新的值附近;
鉴于电机温度的过程数据的特点,控制图应当对过程漂移情况更加敏感,能够快速地、准确地识别出电机温度的漂移现象(即温度升高),进一步报警提示并作出相应的检查。
发明内容
为了解决上述问题,本发明提供一种基于统计过程控制的电机温度监控方法,所述方法通过建立EWMA控制图模型,并采集一段时间电机的状态数据输入模型中用以计算EWMA控制图模型中的参数,再将电机的稳态数据输入EWMA控制图模型监控电机温度过程数据,以识别和监控电机温度过程漂移;
进一步地,所述方法包括:
S1:建立EWMA控制图模型,所述EWMA控制图模型基于指数加权移动平均值控制图,所述EWMA控制图模型中的参数与指数加权移动平均值控制图的参数相同,所述EWMA控制图模型中的电极温度过程数据即为指数加权移动平均值控制图中的待测数据;
S2:分别采集一段时间的电机正常工作时的温度稳态数据和电机异常工作时的温度增大数据,用于所述EWMA控制图模型中的参数计算;
S3:将S2中计算的参数代入EWMA控制图模型;
S4:对电机工作实时数据进行子组采样,并对电机温度统计数据进行计算和转换;
S5:将S4中计算和转换后的电机温度统计数据代入S3中的EWMA控制图模型;
S6:通过S5中的数据对电机温度进行实时监控;
进一步地,所述S1中,S1:建立EWMA控制图模型,所述控制图模型为:
设随机变量X~N(μ,σ2),μ0为过程均值的目标值,当过程处于受控状态时,μ=μ0;当过程发生变化时,μ=μ1=μ0+δσ,δ为过程均值漂移,标准差σ不变,设X1,X2,...为相互独立的随机变量序列,则EWMA统计量Zt为:
Zt=λXt+(1-λ)Zt-1,0<λ≤1 (1)
其中Z0=μ0,λ为平滑系数,
EWMA统计量Zt的期望和方差分别为:
当t→∞,
因此,EWMA控制图模型的控制限为:
当t不太大时:
当t很大时
其中,CL为中心线,UCL为控制上限,LCL为控制下限;n为采样子组大小;μ为过程均值;k为控制限系数,通过选择过程稳态时可接受的较小稳态平均运行长度ARL(0)确定;为平滑系数,通过确定必须迅速检测出的偏移量,选择此偏移量使失控平均运行长度ARL(1)最小的;
进一步地,所述S2包括:
S21:根据电机温度稳定时的稳态数据,较小的数据自相关性和保证足够的监控灵敏度,确定子组大小n和子组间隔h,所述子组选择原则为:保证组内仅存在随机误差,组间存在特殊误差,所述特殊误差即为漂移;
S22:根据电机温度稳定时的稳态数据,取可接受的较小的稳态平均运行长度ARL(0),以此确定控制限参数k值;
S23:根据电机温度增大时的非稳态数据和上述得到的k值,令组合参数(,k)得到的失控平均运行长度ARL(1)与相同ARL(0)对应的其他(,k)组合的ARL(1)作比较,使ARL(0)最小,确定相应的参数(,k)组合;
S24:根据电机温度稳定时的稳态数据和上述得到的最优参数(λ,k)组合,根据公式5、6分别计算出CL、UCL和LCL,并确定EWMA控制图模型;
进一步地,所述S4包括
S41:等待电机运行至稳定,电机温度稳定波动在μ0上下;
S42:根据之前确定的子组大小n和子组间隔h,电机温度统计量数据通过采样器采集、计算和转换,进一步得到EWMA控制图的电机温度统计量Z0和此时稳态的温度均值μ0;
进一步地,述S5具体为根据S4中获取的μ0和之前确定的最优参数构建该稳态的EWMA控制图模型,将采样器实时采集的温度统计量Z0落入该EWMA控制图模型中,EWMA控制图模型通过过程受控判定准则和过程失控判定准则识别过程是否受控;
进一步地,所述S5具体为根据S4中获取的μ0和之前确定的最优参数构建该稳态的EWMA控制图模型,将采样器实时采集的温度统计量Z0落入该EWMA控制图模型中,EWMA控制图模型通过过程受控判定准则和过程失控判定准则识别过程是否受控;
进一步地,所述过程判定准则具体如下:
1)过程受控判定准则:
统计量点随机波动在固有误差范围内:
a.连续25个点,界外点数等于0;
b.连续35个点,界外点数小于等于1;
c.连续100个点,界外点数小于等于2;
2)过程失控判定准则,适用电机温度过程特征:
统计量点出界或界内统计量点排列不随机:
a.1点落于控制限外;
b.连续9点落在中心线同一侧;
c.连续6点递增或递减;
进一步地,所述S6具体包括:如果EWMA控制图模型判断过程受控,则无报警,电机继续运行;如果EWMA控制图模型判断过程失控,则一级故障报警,提示人工检查;如果电机温度超出温度最大限制,则二级故障报警,电机停机检修;
进一步地,所述一级故障报警包括以下处理方式:
若EWMA控制图模型判断为统计量向下漂移,则说明电机正常,只需将EWMA控制图模型中心线CL重置,重新构建EWMA控制图模型进行过程监控;
若EWMA控制图模型判断为统计量向上漂移,则表示电机温度升高,需要报警提示人工进行检查,人工若检查电机正常,则电机继续运行并重置CL,人工若检查电机异常,则电机停机检修;
进一步地,所述S6中当电机因温度故障停机后,人工进行故障原因的核查和排除,然后重新运行电机并执行电机温度的EWMA控制图模型进行监控;
本发明的有益效果如下:
1)利用统计学理论,排除了随机因素的干扰,科学地监测和识别电机温度过程数据;
2)利用控制图对过程漂移情况更加敏感,能够快速地、准确地识别出电机温度的漂移现象(即温度升高),进一步报警提示并作出相应的检查。
3)更合理地实现电机温度的一级报警和二级报警,使电机温度保护更加准确、快速和科学。
附图说明
图1为本发明监控电机温度的EWMA控制图制作流程图;
图2为本发明基于EWMA控制图的电机温度监控技术路线图;
图3为本发明EWMA控制图实施电机温度实时监控的样图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细描述。应当理解,此处所描述的具体实施例仅仅用于解释本发明,并不用于限定本发明。相反,本发明涵盖任何由权利要求定义的在本发明的精髓和范围上做的替代、修改、等效方法以及方案。进一步,为了使公众对本发明有更好的了解,在下文对本发明的细节描述中,详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本发明。
下面结合附图和具体实施例对本发明作进一步说明,但不作为对本发明的限定。下面为本发明的举出最佳实施例:
如图1-图3所示,本发明提供一种基于统计过程控制的电机温度监控方法,所述方法基于指数加权移动平均值控制图(Exponentially Weighted Moving-Average,简称EWMA控制图),所述控制图中的每个监控统计量都结合了来自之前所有子组或观测值的信息,可以使用EWMA控制图以检测过程中任意大小的偏移,所以本发明采用EWMA控制图监控电机温度过程数据,以实现电机温度过程漂移的识别和监控,制图模型监控电机温度过程数据,以识别和监控电机温度过程漂移,所述方法包括:
S1:建立EWMA控制图模型,所述EWMA控制图模型基于指数加权移动平均值控制图,所述EWMA控制图模型中的参数与指数加权移动平均值控制图的参数相同,所述EWMA控制图模型中的电极温度过程数据即为指数加权移动平均值控制图中的待测数据;
S2:分别采集一段时间的电机正常工作时的温度稳态数据和电机异常工作时的温度增大数据,用于所述EWMA控制图模型中的参数计算;
S3:将S2中计算的参数代入EWMA控制图模型;
S4:对电机工作实时数据进行子组采样,并对电机温度统计数据进行计算和转换;
S5:将S4中计算和转换后的电机温度统计数据代入S3中的EWMA控制图模型;
S6:通过S5中的数据对电机温度进行实时监控。
所述S1中控制图模型为:
设随机变量X~N(μ,σ2),μ0为过程均值的目标值,当过程处于受控状态时,μ=μ0;当过程发生变化时,μ=μ1=μ0+δσ,δ为过程均值漂移,标准差σ不变,设X1,X2,...为相互独立的随机变量序列,则EWMA统计量Zt为:
Zt=λXt+(1-λ)Zt-1,0<λ≤1 (1)
其中Z0=μ0,λ为平滑系数,
EWMA统计量Zt的期望和方差分别为:
当t→∞,
因此,EWMA控制图模型的控制限为:
当t不太大时:
当t很大时:
其中,CL为中心线,UCL为控制上限,LCL为控制下限;n为采样子组大小;μ为过程均值;k为控制限系数,通过选择过程稳态时可接受的较小稳态平均运行长度ARL(0)确定;为平滑系数,通过确定必须迅速检测出的偏移量,选择此偏移量使失控平均运行长度ARL(1)最小的
所述S2包括:
S21:根据电机温度稳定时的稳态数据,较小的数据自相关性和保证足够的监控灵敏度,确定子组大小n和子组间隔h,所述子组选择原则为:保证组内仅存在随机误差,组间存在特殊误差,所述特殊误差即为漂移;
S22:根据电机温度稳定时的稳态数据,取可接受的较小的稳态平均运行长度ARL(0),以此确定控制限参数k值;
S23:根据电机温度增大时的非稳态数据和上述得到的k值,令组合参数(,k)得到的失控平均运行长度ARL(1)与相同ARL(0)对应的其他(,k)组合的ARL(1)作比较,使ARL(0)最小,确定相应的参数(,k)组合;
S24:根据电机温度稳定时的稳态数据和上述得到的最优参数(,k)组合,根据公式5、6分别计算出CL、UCL和LCL,并确定EWMA控制图模型
所述S4包括
S41:等待电机运行至稳定,电机温度稳定波动在μ0上下;
S42:根据之前确定的子组大小n和子组间隔h,电机温度统计量数据通过采样器采集、计算和转换,进一步得到EWMA控制图的电机温度统计量Z0和此时稳态的温度均值μ0,
所述S5具体为根据S4中获取的μ0和之前确定的最优参数构建该稳态的EWMA控制图模型,将采样器实时采集的温度统计量Z0落入该EWMA控制图模型中,EWMA控制图模型通过过程受控判定准则和过程失控判定准则识别过程是否受控。
所述过程判定准则具体如下:
1)过程受控判定准则:
统计量点随机波动在固有误差范围内:
a.连续25个点,界外点数等于0;
b.连续35个点,界外点数小于等于1;
c.连续100个点,界外点数小于等于2;
2)过程失控判定准则,适用电机温度过程特征:
统计量点出界或界内统计量点排列不随机:
a.1点落于控制限外;
b.连续9点落在中心线同一侧;
c.连续6点递增或递减,所述S6具体包括:如果EWMA控制图模型判断过程受控,则无报警,电机继续运行;如果EWMA控制图模型判断过程失控,则一级故障报警,提示人工检查;如果电机温度超出温度最大限制,则二级故障报警,电机停机检修。
所述一级故障报警包括以下处理方式:
若EWMA控制图模型判断为统计量向下漂移,则说明电机正常,只需将EWMA控制图模型中心线CL重置,重新构建EWMA控制图模型进行过程监控;
若EWMA控制图模型判断为统计量向上漂移,则表示电机温度升高,需要报警提示人工进行检查,人工若检查电机正常,则电机继续运行并重置CL,人工若检查电机异常,则电机停机检修所述S6中当电机因温度故障停机后,人工进行故障原因的核查和排除,然后重新运行电机并执行电机温度的EWMA控制图模型进行监控。
本发明所述监控方法具体实施步骤如下:
建立指数加权移动平均值控制图;
分别采集一段时间的电机正常工作时的温度稳定数据(稳态数据)和电机异常工作时的温度增大数据(非稳态数据),用于EWMA控制图模型参数确定;
根据电机温度稳定时的稳态数据,考虑较小的数据自相关性和保证足够的监控灵敏度,合理的确定子组大小n和子组间隔h。合理的子组选择原则为:保证组内仅存在随机误差,组间存在特殊误差(漂移);
根据电机温度稳定时的稳态数据,取可接受的较小的稳态平均运行长度ARL(0),以此确定控制限参数k值;
根据电机温度增大时的非稳态数据和上述得到的k值,令组合参数(λ,k)得到的失控平均运行长度ARL(1)与相同ARL(0)对应的其他(λ,k)组合的ARL(1)作比较,使ARL(1)最小,确定相应的参数(λ,k)组合;
根据电机温度稳定时的稳态数据和上述得到的最优参数(λ,k)组合,根据公式5、6分别计算出CL、UCL和LCL,并制定EWMA控制图模型;
根据实时数据进行子组采样,利用制定的EWMA控制图模型实施电机温度实时监控。如图3所示。
等待电机运行至稳定,电机温度稳定波动在μ0上下。
根据之前确定的子组大小n和子组间隔h,电机温度统计量数据通过采样器采集、计算和转换,进一步得到EWMA控制图模型的电机温度统计量Z0和此时稳态的温度均值μ0,为下一步统计过程控制作准备;
利用S8中获取的μ0和之前确定的最优参数构建该稳态的EWMA控制图模型,将采样器实时采集的温度统计量Z0落入该EWMA控制图模型中。EWMA控制图模型通过过程受控判定准则和过程失控判定准则识别过程是否受控。具体判定准则如下:
1)过程受控判定准则:
统计量点随机波动在固有误差范围内
a.连续25个点,界外点数等于0
b.连续35个点,界外点数小于等于1
c.连续100个点,界外点数小于等于2
2)过程失控判定准则(适用电机温度过程特征):
统计量点出界或界内统计量点排列不随机
a.1点落于控制限外
b.连续9点落在中心线同一侧
c.连续6点递增或递减
如果EWMA控制图模型判断过程受控,则无报警,电机继续运行;如果EWMA控制图模型判断过程失控,则一级故障报警,提示人工检查;如果电机温度超出温度最大限制,则二级故障报警,电机停机检修;
实际上,电机故障来源于温度升高,因此失控判定准则应当更关注与统计量的上漂移,此时的失控说明电机温度升高,应当引起重视。因此,一级故障报警分为几种处理方式,具体地:
若EWMA控制图模型判断为统计量向下漂移,则说明电机正常,只需将EWMA控制图模型中心线CL重置,重新构建EWMA控制图模型进行过程监控;
若EWMA控制图模型判断为统计量向上漂移,则表示电机温度升高,需要报警提示人工进行检查。人工若检查电机正常,则电机继续运行并重置CL。人工若检查电机异常,则电机停机检修。
电机因温度故障停机后,人工进行故障原因的核查和排除,然后重新运行电机并执行电机温度的EWMA控制图模型监控。
以上所述的实施例,只是本发明较优选的具体实施方式的一种,本领域的技术人员在本发明技术方案范围内进行的通常变化和替换都应包含在本发明的保护范围内。
Claims (10)
1.一种基于统计过程控制的电机温度监控方法,其特征在于,所述方法通过建立EWMA控制图模型监控电机温度:首先采集一段时间电机的稳态和非稳态数据输入模型中用以计算EWMA控制图参数,再将电机的过程数据输入EWMA控制图模型监控电机温度过程数据,以识别和监控电机温度过程漂移。
2.根据权利要求1所述的监控方法,其特征在于,所述方法包括:
S1:建立EWMA控制图模型,所述EWMA控制图模型基于指数加权移动平均值控制图,所述EWMA控制图模型中的参数与指数加权移动平均值控制图的参数相同,所述EWMA控制图模型中的电机温度过程数据即为指数加权移动平均值控制图中的待测数据;
S2:分别采集一段时间的电机正常工作时的温度稳态数据和电机异常工作时的温度增大数据,用于所述EWMA控制图模型中的参数计算;
S3:将S2中计算的参数代入EWMA控制图模型;
S4:对电机工作实时数据进行子组采样,并对电机温度统计数据进行计算和转换;
S5:将S4中计算和转换后的电机温度统计数据代入S3中的EWMA控制图模型;
S6:通过S5中的数据对电机温度进行实时监控。
3.根据权利要求2所述的监控方法,其特征在于,所述S1中
控制图模型为:
设随机变量X~N(μ,σ2),μ0为过程均值的目标值,当过程处于受控状态时,μ=μ0;当过程发生变化时,μ=μ1=μ0+δσ,δ为过程均值漂移,标准差σ不变,设X1,X2,...为相互独立的随机变量序列,则EWMA统计量Zt为:
Zt=λXt+(1-λ)Zt-1,0<λ≤1 (1)
其中Z0=μ0,λ为平滑系数,
EWMA统计量Zt的期望和方差分别为:
当t→∞,
因此,EWMA控制图模型的控制限为:
当t不太大时:
当t很大时:
其中,CL为中心线,UCL为控制上限,LCL为控制下限;n为采样子组大小;μ为过程均值;k为控制限系数,通过选择过程稳态时可接受的较小稳态平均运行长度ARL(0)确定;λ为平滑系数,通过确定必须迅速检测出的偏移量,选择此偏移量使失控平均运行长度ARL(1)最小的λ。
4.根据权利要求3所述的监控方法,其特征在于,所述S2包括:
S21:根据电机温度稳定时的稳态数据,较小的数据自相关性和保证足够的监控灵敏度,确定子组大小n和子组间隔h,所述子组选择原则为:保证组内仅存在随机误差,组间存在特殊误差,所述特殊误差即为漂移;
S22:根据电机温度稳定时的稳态数据,取可接受的较小的稳态平均运行长度ARL(0),以此确定控制限参数k值;
S23:根据电机温度增大时的非稳态数据和上述得到的k值,令组合参数(λ,k)得到的失控平均运行长度ARL(1)与相同ARL(0)对应的其他(λ,k)组合的ARL(1)作比较,使ARL(0)最小,确定相应的参数(λ,k)组合;
S24:根据电机温度稳定时的稳态数据和上述得到的最优参数(λ,k)组合,根据公式5、6分别计算出CL、UCL和LCL,并确定EWMA控制图模型。
5.根据权利要求4所述的监控方法,其特征在于,所述S4包括
S41:等待电机运行至稳定,电机温度稳定波动在μ0上下;
S42:根据之前确定的子组大小n和子组间隔h,电机温度统计量数据通过采样器采集、计算和转换,进一步得到EWMA控制图的电机温度统计量Z0和此时稳态的温度均值μ0。
6.根据权利要求5所述的监控方法,其特征在于,所述S5具体为根据S4中获取的μ0和之前确定的最优参数构建该稳态的EWMA控制图模型,将采样器实时采集的温度统计量Z0落入该EWMA控制图模型中,EWMA控制图模型通过过程受控判定准则和过程失控判定准则识别过程是否受控。
7.根据权利要求6所述的监控方法,其特征在于,所述过程判定准则具体如下:
1)过程受控判定准则:
统计量点随机波动在固有误差范围内:
a.连续25个点,界外点数等于0;
b.连续35个点,界外点数小于等于1;
c.连续100个点,界外点数小于等于2;
2)过程失控判定准则,适用电机温度过程特征:
统计量点出界或界内统计量点排列不随机:
a.1点落于控制限外;
b.连续9点落在中心线同一侧;
c.连续6点递增或递减。
8.根据权利要求7所述的监控方法,其特征在于,所述S6具体包括:如果EWMA控制图模型判断过程受控,则无报警,电机继续运行;如果EWMA控制图模型判断过程失控,则一级故障报警,提示人工检查;如果电机温度超出温度最大限制,则二级故障报警,电机停机检修。
9.根据权利要求8所述的监控方法,其特征在于,所述一级故障报警包括以下处理方式:
若EWMA控制图模型判断为统计量向下漂移,则说明电机正常,只需将EWMA控制图模型中心线CL重置,重新构建EWMA控制图模型进行过程监控;
若EWMA控制图模型判断为统计量向上漂移,则表示电机温度升高,需要报警提示人工进行检查,人工若检查电机正常,则电机继续运行并重置CL,人工若检查电机异常,则电机停机检修。
10.根据权利要求9所述的监控方法,其特征在于,所述S6中当电机因温度故障停机后,人工进行故障原因的核查和排除,然后重新运行电机并执行电机温度的EWMA控制图模型进行监控。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610338279.3A CN106017729B (zh) | 2016-05-19 | 2016-05-19 | 一种基于统计过程控制的电机温度监控方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610338279.3A CN106017729B (zh) | 2016-05-19 | 2016-05-19 | 一种基于统计过程控制的电机温度监控方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106017729A true CN106017729A (zh) | 2016-10-12 |
CN106017729B CN106017729B (zh) | 2019-11-08 |
Family
ID=57096580
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610338279.3A Expired - Fee Related CN106017729B (zh) | 2016-05-19 | 2016-05-19 | 一种基于统计过程控制的电机温度监控方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106017729B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108562854A (zh) * | 2018-04-08 | 2018-09-21 | 华中科技大学 | 一种电机异常状态在线预警方法 |
CN108875964A (zh) * | 2017-05-12 | 2018-11-23 | 深圳烟草工业有限责任公司 | 一种卷烟制造设备点检分析方法及系统 |
CN109164351A (zh) * | 2018-09-03 | 2019-01-08 | 北京许继电气有限公司 | 基于时间序列的物联网设备监测数据分析方法和系统 |
CN110542555A (zh) * | 2019-07-18 | 2019-12-06 | 庆安集团有限公司 | 一种磁悬浮轴承工作异常的判别方法 |
CN110942137A (zh) * | 2019-10-18 | 2020-03-31 | 云南电网有限责任公司信息中心 | 一种基于深度学习的电网信息运维监控方法 |
CN111026031A (zh) * | 2019-12-13 | 2020-04-17 | 红云红河烟草(集团)有限责任公司 | 一种卷烟制丝过程数据的稳态识别方法 |
CN112487364A (zh) * | 2020-12-10 | 2021-03-12 | 北部湾大学 | 一种基于指数加权移动平均值算法的小泄漏检测方法 |
CN112559969A (zh) * | 2020-12-10 | 2021-03-26 | 北部湾大学 | 一种基于累积和算法的小泄漏检测方法 |
CN112826119A (zh) * | 2021-03-18 | 2021-05-25 | 河南中烟工业有限责任公司 | 一种水浸式烟梗回潮的水分平衡控制方法及系统 |
CN117709167A (zh) * | 2024-02-02 | 2024-03-15 | 山西省机电设计研究院有限公司 | 基于有限元模型的电机设计优化方法、存储介质及设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007008940A2 (en) * | 2005-07-11 | 2007-01-18 | Brooks Automation, Inc. | Intelligent condition-monitoring and dault diagnostic system |
WO2007078791A2 (en) * | 2005-12-21 | 2007-07-12 | Advanced Micro Devices, Inc. | Enhanced state estimation based upon information credibility |
WO2008100318A1 (en) * | 2006-03-17 | 2008-08-21 | Schneider Automation Inc. | Current-based method and apparatus for detecting and classifying arcs |
CN101382473A (zh) * | 2008-10-08 | 2009-03-11 | 重庆大学 | 桥梁结构安全预警的ewma控制图方法 |
CN102081685A (zh) * | 2010-12-09 | 2011-06-01 | 哈尔滨工业大学 | 基于集中参数模型的潜油电机温度辩识方法 |
CN103712702A (zh) * | 2014-01-11 | 2014-04-09 | 西安科技大学 | 一种机电设备温度预警方法 |
CN104268416A (zh) * | 2014-09-30 | 2015-01-07 | 北京农业信息技术研究中心 | 一种冷链物流车厢温度监控方法及系统 |
-
2016
- 2016-05-19 CN CN201610338279.3A patent/CN106017729B/zh not_active Expired - Fee Related
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007008940A2 (en) * | 2005-07-11 | 2007-01-18 | Brooks Automation, Inc. | Intelligent condition-monitoring and dault diagnostic system |
WO2007078791A2 (en) * | 2005-12-21 | 2007-07-12 | Advanced Micro Devices, Inc. | Enhanced state estimation based upon information credibility |
WO2008100318A1 (en) * | 2006-03-17 | 2008-08-21 | Schneider Automation Inc. | Current-based method and apparatus for detecting and classifying arcs |
CN101382473A (zh) * | 2008-10-08 | 2009-03-11 | 重庆大学 | 桥梁结构安全预警的ewma控制图方法 |
CN102081685A (zh) * | 2010-12-09 | 2011-06-01 | 哈尔滨工业大学 | 基于集中参数模型的潜油电机温度辩识方法 |
CN103712702A (zh) * | 2014-01-11 | 2014-04-09 | 西安科技大学 | 一种机电设备温度预警方法 |
CN104268416A (zh) * | 2014-09-30 | 2015-01-07 | 北京农业信息技术研究中心 | 一种冷链物流车厢温度监控方法及系统 |
Non-Patent Citations (1)
Title |
---|
百度用户LEEZEEHOO: ""多变量EWMA控制图"", 《百度文库》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108875964A (zh) * | 2017-05-12 | 2018-11-23 | 深圳烟草工业有限责任公司 | 一种卷烟制造设备点检分析方法及系统 |
CN108562854A (zh) * | 2018-04-08 | 2018-09-21 | 华中科技大学 | 一种电机异常状态在线预警方法 |
CN108562854B (zh) * | 2018-04-08 | 2019-11-22 | 华中科技大学 | 一种电机异常状态在线预警方法 |
CN109164351A (zh) * | 2018-09-03 | 2019-01-08 | 北京许继电气有限公司 | 基于时间序列的物联网设备监测数据分析方法和系统 |
CN110542555A (zh) * | 2019-07-18 | 2019-12-06 | 庆安集团有限公司 | 一种磁悬浮轴承工作异常的判别方法 |
CN110942137A (zh) * | 2019-10-18 | 2020-03-31 | 云南电网有限责任公司信息中心 | 一种基于深度学习的电网信息运维监控方法 |
CN111026031A (zh) * | 2019-12-13 | 2020-04-17 | 红云红河烟草(集团)有限责任公司 | 一种卷烟制丝过程数据的稳态识别方法 |
CN112487364A (zh) * | 2020-12-10 | 2021-03-12 | 北部湾大学 | 一种基于指数加权移动平均值算法的小泄漏检测方法 |
CN112559969A (zh) * | 2020-12-10 | 2021-03-26 | 北部湾大学 | 一种基于累积和算法的小泄漏检测方法 |
CN112487364B (zh) * | 2020-12-10 | 2022-03-11 | 北部湾大学 | 一种基于指数加权移动平均值算法的小泄漏检测方法 |
CN112559969B (zh) * | 2020-12-10 | 2022-04-29 | 北部湾大学 | 一种基于累积和算法的小泄漏检测方法 |
CN112826119A (zh) * | 2021-03-18 | 2021-05-25 | 河南中烟工业有限责任公司 | 一种水浸式烟梗回潮的水分平衡控制方法及系统 |
CN117709167A (zh) * | 2024-02-02 | 2024-03-15 | 山西省机电设计研究院有限公司 | 基于有限元模型的电机设计优化方法、存储介质及设备 |
CN117709167B (zh) * | 2024-02-02 | 2024-04-19 | 山西省机电设计研究院有限公司 | 基于有限元模型的电机设计优化方法、存储介质及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN106017729B (zh) | 2019-11-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106017729A (zh) | 一种基于统计过程控制的电机温度监控方法 | |
JP5091604B2 (ja) | 分布の評価方法、製品の製造方法、分布の評価プログラム及び分布の評価システム | |
EP3270250B1 (en) | Method and system for remote monitoring of power generation units | |
CN114430199A (zh) | 一种基于大数据的开关柜运行监管系统 | |
CN104573850A (zh) | 一种火电厂设备状态评估方法 | |
CN105974273B (zh) | 配电网故障定位系统 | |
CN103750552B (zh) | 一种智能取样方法及其在香烟质量控制的应用 | |
CN103178615A (zh) | 电力设备故障监控方法及其系统 | |
CN105116873B (zh) | 一种火电厂多自动调节回路评价诊断方法 | |
CN108536128A (zh) | 一种参数优化的机器学习故障诊断系统 | |
RU2649542C1 (ru) | Способ и система удаленного мониторинга объектов | |
CN103983881B (zh) | 核探测器的故障诊断方法及装置 | |
CN113050019B (zh) | 数据驱动评估结果和检定规程融合的电压互感器评估方法及系统 | |
Zhang et al. | A fault early warning method for auxiliary equipment based on multivariate state estimation technique and sliding window similarity | |
CN111025222A (zh) | 基于递推主元分析的电子式电压互感器状态监测方法 | |
CN113762604B (zh) | 一种工业互联网大数据服务系统 | |
CN116660672B (zh) | 基于大数据的电网设备故障诊断方法及系统 | |
CN115528810A (zh) | 一种基于电力设备的测温数据运检分析管理系统 | |
WO2023241326A1 (zh) | 基于样本协方差矩阵最大特征值变化率的电网异常检测方法 | |
CN116993329B (zh) | 一种基于数据分析的通讯设备运行维修决策管理系统 | |
WO2020177706A1 (zh) | 配电网故障区段与故障时刻的判定方法 | |
CN104615123B (zh) | 基于k近邻的传感器故障隔离方法 | |
CN110096723B (zh) | 基于运维检测大数据的高压开关柜绝缘状态分析方法 | |
Vafeiadis et al. | Robust malfunction diagnosis in process industry time series | |
CN104598969B (zh) | 一种基于神经网络的高压电器运行质量评估方法及系统 |
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 | ||
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: 20191108 |