CN107429685B - 泵监视设备和方法 - Google Patents

Abstract

我们描述了具有电动马达来驱动泵的真空泵监视设备。监视设备包括至少一个传感器，用于测量电动马达的电流以生成基于时间的信号，和至少一个电子处理器，配置为将基于时间的信号转换为基于频率的信号并且分析基于频率的信号以识别代表泵故障条件的信号样式。通过监视基于频率的信号，监视设备可识别泵故障条件。信号样式可例如对应于与泵故障条件相关联的振动特性。泵送系统中存在的所有潜在的振动源将影响马达，例如通过负载扭矩和轴速度变化。驱动振动所需的能量由电动马达提供，并且必然地转化为其电功率特性。识别的振动特性可以由电动马达和/或泵的操作导致。监视设备可诊断泵中的故障。替代地，或附加地，监视设备可预测泵中的故障。

Description

泵监视设备和方法

技术领域

本公开涉及泵监视设备；并且涉及包括泵监视设备的泵设备。更具体地，但是非唯一地，本公开涉及用于监视真空泵的泵监视设备，并且涉及包括泵监视设备的真空泵设备。本公开还涉及包括泵监视设备的逆变器。

背景技术

已知的是通过监视振动和/或噪声来诊断泵的机械状态。然而，这些方法是昂贵的，并且难以就地实施，因为其需要附加的变换器以及复杂的信号处理装置。另外，为了执行泵的完整的监视，在各位置（例如轴承、齿轮箱、定子框架等）可需要大量的振动变换器。

用于干真空泵的自诊断方法从US 8,721,295已知。所述方法包括监视马达的电流用于结合系统压力旋转泵的转子。所述方法力图识别测量的电流中的以峰值形式的一次性事件；或者确定何时测量的电流超过预定阈值。

US 2008/0294382公开了用于泵故障预测的设备和方法。可以限定模型用于以改善的可预测性来管理来自相对大量的泵的多个定性变量（例如，过程变量）。为了限定模型，主成分分析（PCA）可以被用于考虑多变量数据的关联。管理变量可以被选择用于代表所选择的主成分的变化。如果管理变量超过上控制线，则控制器可确定泵以非正常状态操作。传感器可以被连接至泵，以实时收集数据用于与泵和相应半导体制造过程相关的定性变量。通过使用信息系统收集涉及过程变量的数据并且统计处理所收集的数据，泵的更换时间可以在泵故障实际发生之前被预测。

在这样的背景下，构想了本发明。至少在某些实施例中，本发明力图克服或改良与现有技术的方法和设备相关的限制中的至少一些。

发明内容

本发明的方面涉及用于泵的泵监视设备；涉及包括泵监视设备的泵设备；并且涉及包括泵监视设备的逆变器。本发明的方面找到对于气体泵（具体地是真空泵和压缩机）的特定应用。

根据本发明的一个方面，提供真空泵监视设备，所述真空泵具有电动马达以便驱动泵，所述监视设备包括：

至少一个传感器，用于测量电动马达的电流以生成基于时间的信号；以及

至少一个电子处理器，配置为：

将基于时间的信号转换为基于频率的信号；并且

分析基于频率的信号以识别代表泵故障条件的信号样式。

根据本发明的另外的方面，提供泵监视设备，用于具有电动马达的真空泵，所述监视设备包括：

至少一个传感器，用于测量电动马达的电流以生成基于时间的信号；以及

至少一个电子处理器，配置为：

将基于时间的信号转换为基于频率的信号；并且

分析基于频率的信号以识别代表泵故障条件的信号样式。

通过监视基于频率的信号，监视设备可以识别泵故障条件。信号样式可以例如对应于与泵故障条件相关联的振动特性。泵送系统中存在的所有潜在的振动源将影响马达，例如通过负载扭矩和轴速度变化。驱动振动所需要的能量通过电动马达提供，并且必然地转化为其电功率特性。识别的振动特性可以由电动马达和/或泵的操作导致。至少在某些实施例中，监视设备可以诊断泵中的故障。替代地，或附加地，监视设备可以预测泵中的故障。

电动马达的电流被关于时间测量，以生成基于时间的信号。所述至少一个电处理器配置为执行电流波形的频率分解。由电流传感器生成的基于时间的信号由此被转换为基于频率的信号。基于频率的信号的分析可识别指示已知的泵故障条件的信号样式。信号样式可以对应于振动特性，所述振动特性适合用于提供泵的状态的指示，例如由于内部部件的磨损将要失效的泵将具有与全新的泵不同的振动特性。泵故障条件可以涉及电动马达；和/或涉及泵。

所述至少一个电子处理器可以被配置为应用傅里叶变换（Fourier Transform）算法，以便将基于时间的信号转换为基于频率的信号。例如，直接傅里叶变换可以被应用于基于时间的信号。马达电流的傅里叶变换的实施方式可以提供诊断工具，用于以无传感器的方式检测和/或预测泵条件。

所述至少一个电子处理器可以被配置为将基于时间的信号划分为多个区段（segment）用于处理。所述区段可以独立地从基于时间的信号转换为基于频率的信号。转换过的区段可以随后被组合。每个区段可对应预定的频率范围。

基于时间的信号的转换以及基于频率的信号的随后的分析可以通过相同的电子处理器或者通过不同的电子处理器来执行。例如，第一电子处理器可以将基于时间的信号转换为基于频率的信号；并且第二电子处理器可以分析基于频率的信号。监视设备可以参考或不参考附加的传感器依靠测量的电流来监视泵。

信号样式可以包括基于频率的信号中的至少一个信号峰值。信号峰值代表对于给定频率的信号的幅度中的局部增加或减小。

所述信号样式可包括在所述基于频率的信号中的发生在预定频率处或预定频率范围中的至少一个信号峰值。

信号样式可包括所述至少一个信号峰值的幅度。所述幅度代表在给定频率处分布的功率的测量值。

信号样式可以被预定并且代表已知的泵故障条件。例如，泵故障条件可以与偏心操作相关联；或者与扭矩振荡相关联。与已知的泵故障条件相关联的信号样式可以通过经验分析来确定。例如，信号样式可以通过测量用于具有已知的泵故障条件的泵中的马达的电流来确定。

故障诊断可以与预定的信号样式相关联。监视设备可输出与在基于频率的信号中识别的信号样式相关联的故障诊断。

监视设备可包括一个或更多个传感器用于测量泵的操作参数。至少一个泵监视传感器可以被设置，以便测量泵的操作温度；和/或测量泵的性能，例如测量泵的排放压力。泵监视传感器还可以设置为测量电动马达的旋转速度。所述至少一个处理器可以配置将测量的参数与泵故障条件关联，以便推断泵故障条件的来源。至少在某些实施例中，涉及可变的泵状态（诸如温度、压力、功率等）的信息的关联可允许预测地监视泵。

信号样式可以对应于振动特性。振动特性可以是电动马达的振动特性；或者是与电动马达结合的泵的振动特性。

泵可以是真空泵。真空泵可以例如被适应用于在半导体制造过程中使用。

所述至少一个电子处理器可以被配置为连续操作以将基于时间的信号转换为基于频率的信号。替代地，所述至少一个电子处理器可以仅当泵以一个或更多个预定操作模式操作时执行信号转换。例如，在泵是真空泵的布置中，所述至少一个电子处理器可以当泵在预定压力阈值以下或者在预定压力范围内操作时执行信号转换。替代地，所述至少一个电子处理器可以当泵的操作速度在预定速度范围内或者处于预定速度时执行信号转换。替代地，所述至少一个电子处理器可以当到泵的功率供应在预定功率范围内或者处于预定功率水平时执行信号转换。信号样式可以被限定用于所述一个或更多个预定操作模式。监视设备可以联接至泵控制器以确定泵何时处于所述预定操作模式。替代地，监视设备可以依靠来自至少一个泵监视传感器的信号来确定泵何时处于所述预定操作模式。

从本发明的另外的方面来看，提供了逆变器用于供应电流至所述电动马达，其中，所述逆变器包括如本文所描述的泵监视设备。所述至少一个电子处理器可以被并入逆变器中。例如，所述至少一个电子处理器可以被整体形成到逆变器控制单元中。在此布置中，逆变器控制单元可以实施实时谱分析算法，诸如傅里叶变换。基于时间的信号可以至少大体实时地被传输至逆变器控制单元。

从本发明的另外的方面来看，提供了包括如本文所描述的泵监视设备的泵设备。泵设备可以包括连接至电动马达的逆变器。配置为将基于时间的信号转换为基于频率的信号的所述至少一个电子处理器可以设置在所述逆变器中。例如，逆变器可以包括逆变器控制单元。逆变器控制单元可以包括配置用于将基于时间的信号转换为基于频率的信号的所述至少一个电子处理器。所述至少一个电子处理器可以被嵌入在逆变器控制单元中。至少在某些实施例中，逆变器控制单元可以实施实时谱分析算法，诸如傅里叶变换。基于时间的信号可以至少大体实时地被传输至逆变器控制单元。

基于频率的信号的分析可以在逆变器控制单元中执行。替代地，逆变器控制单元可以输出基于频率的信号用于分析，例如输出至泵控制器。逆变器可以链接至泵控制器，并且在使用中，泵控制器可以请求频率分解，例如当泵以所述一个或更多个预定的操作模式操作时。依靠基于频率的信号的分析，可以生成故障诊断信号。

从本发明的仍另外的方面来看，提供监视具有电动马达的真空泵的方法，所述方法包括：

测量电动马达的电流以生成基于时间的信号；

将基于时间的信号转换为基于频率的信号；并且

处理基于频率的信号以识别代表泵故障条件的信号样式。

所述信号样式可包括在所述基于频率的信号中发生在预定频率处或预定频率范围中的至少一个信号峰值。

信号样式可包括所述至少一个信号峰值的幅度。

信号样式可以是代表泵的已知泵故障条件的预定信号样式。故障诊断可以与信号样式相关联。所述方法可包括输出与在基于频率的信号中识别的信号样式相关联的故障诊断。

所述方法可包括测量泵的一个或更多个操作参数并且将已知的振动特性与所述一个或更多个操作参数关联。

所述方法可包括应用傅里叶变换算法，以便将基于时间的信号转换为基于频率的信号。例如，直接傅里叶变换可以被应用于基于时间的信号。

所述方法可包括将基于时间的信号划分为多个区段用于处理。所述区段可以独立地从基于时间的信号转换为基于频率的信号。转换过的区段可以随后被组合。每个区段可对应于预定的频率范围。

信号样式可以对应于振动特性。振动特性可以是电动马达的振动特性；或者是与电动马达结合的泵的振动特性。

泵可以是真空泵。真空泵可以例如被适应用于在半导体制造过程中使用。

所述方法可包括连续地将基于时间的信号转换为基于频率的信号。替代地，可以仅当泵以一个或更多个预定操作模式操作时执行信号转换。信号样式可以被限定用于所述一个或更多个预定操作模式。

本文描述的所述至少一个电子处理器可以实施在一个或更多个控制器中。为了配置所述至少一个电子处理器，可以设置一组合适的指令，其当被执行时导致所述至少一个电子处理器实施本文规定的方法。例如，当被执行时，所述指令组可以导致所述至少一个电子处理器实施本文描述的变换。所述指令组可以被合适地嵌入在所述一个或更多个电子处理器中。替代地，所述指令组可以被设置为一软件，所述软件被保存在一个或更多个存储器上，以便在所述至少一个计算装置上执行。还可以使用其它合适的布置。

在本申请的范围内，清楚地旨在，在前述段落中、权利要求中和/或以下描述和附图中陈述的各个方面、实施例、示例和替代方案，以及特别地其独立特征，可以被独立地采用或以任何组合地采用。即，所有实施例和/或任何实施例的特征可以以任何方式结合和/或以任何组合结合，除非这样的特征是不兼容的。本申请保留改变任何最初提交的权利要求或者相应地提交任何新的权利要求的权利，包括修改任何最初提交的权利要求以独立于和/或包含任何其它权利要求的任何特征的权利，尽管最初未以该方式要求权利。

附图说明

现在将仅通过示例的方式并参考附图来描述本发明的一个或更多个实施例，其中：

图1示出了根据本发明的一方面的包括泵监视装置的泵系统的示意图；

图2示出了依靠图1中示出的泵系统的定子电流生成的第一功率谱密度频谱（power spectral density spectrum）；

图3示出了依靠图1中示出的泵系统的定子电流生成的第二功率谱密度频谱；以及

图4示出了依靠图1中示出的泵系统的定子电流生成的第三功率谱密度频谱。

具体实施方式

现在将参考图1到4描述根据本发明的实施例的泵系统1。如本文所描述的，泵系统1配置为执行自诊断功能。

泵系统1包括泵2、逆变器3和泵控制器4。本实施例中的泵2是真空泵，诸如多级正位移泵，用于从半导体工具等泵送气体。然而，应理解，本发明不限于特定类型的泵机构。泵2包括具有定子6和转子7的电动马达5。泵控制器4连接至逆变器3并且提供人机接口（HMI）以利于控制泵2。泵控制器4包括第一电子处理器8。

逆变器3可操作成将直流（DC）转换为交流（AC）以为电动马达5供能，例如转换为3-相AC信号。逆变器3包括具有连接至系统存储器11的第二电子处理器10的逆变器控制单元9。第二电子处理器10连接至电流传感器12和电子存储装置13。由电流传感器12生成的电流信号可以至少大体实时地传递至第二电子处理器10。一组操作指令被存储在系统存储器11中，并且当被执行时，导致第二电子处理器10将从电流传感器12接收的基于时间的信号转换为基于频率的信号。第二电子处理器10配置为以规律的时间间隔从电流传感器12对电动马达5的定子电流采样，以生成输入数据，用于被第二电子处理器10处理。在本实施例中，马达电流的采样率是二（2）毫秒（ms）。在本实施例中，第二电子处理器10配置为通过应用离散傅里叶变换（DFT，Discrete Fourier Transform）来至少大体实时地处理输入数据，以生成被写至电子存储装置13的输出数据。输出数据包括幅度和频率数据。由于DFT至少大体实时地处理输入数据，所以不需要存储输入数据。在变体中，输入数据可以可选地作为基于时间的信号被写至电子存储装置13。输入数据可以通过第二电子处理器10读取用于处理。例如，第二电子处理器10可以实施标准向前傅里叶变换，其使用电子存储装置13来存储输入和输出数据组二者，直到计算完成。电子存储装置13可以例如采用闪存的形式。

第二电子处理器10配置为将基于时间的信号转换为基于频率的信号。在本实施例中，第二电子处理器10实施DFT算法来生成基于频率的信号。基于频率的信号采用包括幅度对频率的马达定子电流的功率谱密度（PSD）频谱的形式。功率谱密度描述了基于时间的定子电流测量值如何在频率范围上分布。根据奈奎斯特-香农（Nyquist-Shannon）定理，可以分辨的最大频率是采样间隔的一半，所以更高的采样间隔允许分辨更高的频率。如以上概述地，马达电流的采样率是二（2）毫秒，并且因此，本实施例中的频率范围是从0到250Hz。规定的频率范围（0-250Hz）被限定用于特定泵机构，并且不同的频率范围可以被选择用于不同的泵机构。随着采样率的相应增加，更高的频率范围可以被监视用于不同的泵机构。功率谱密度可以以图形形式表示为幅度在Y-轴线上；频率（Hz）在X-轴线上。

当输入数据被接收时，DFT算法用每个新的输入采样更新输出数据组。一旦输出中的每一个已被更新，则输入采样可以被丢弃。应理解，DFT算法建立输出数据组所需要的执行时间和存储空间与输出点的数目成比例，即与用于计算幅度的频率的数目成比例。在本实施例中，待分析的频率范围是DC到250Hz，分辨率为0.1Hz（对应2500个输出点）。第二电子处理器10配置为将输入数据分为多个输入数据区段，每个输入数据区段对应于待分析的频率范围的子部段。DFT算法被重复用于输入数据的每个输入数据区段，使得每个迭代或通过关于频率范围的子部段被执行。输入数据区段可以各自涉及用于分析的单个频率点。在本实施例中，然而，每个输入数据区段涉及用于分析的约100个频率点。DFT算法通过第二电子处理器10应用，以生成多个输出数据区段。每个输出数据区段对应于频率范围的子部段。第二电子处理器10将所述输出数据区段输出至泵控制器4中的第一电子处理器8。第一电子处理器8接收所述多个输出数据区段并且生成累积的输出数据组。累积的输出数据组覆盖了全部幅度对频率的谱范围（从DC到250Hz）。第一电子处理器8可以配置为与第二电子处理器10通信以请求仅当满足某些操作条件时输出所述一个或更多个输出数据区段。例如，第一电子处理器8可以仅当泵2在限定的压力下或在限定的压力范围内操作时请求一个或更多个输出数据区段。操作条件可以依靠控制输入或测量的参数，诸如压力，来确定。当不满足操作条件时计算的输出数据区段可以被丢弃。

已认识到，泵系统1中存在的所有振动源将影响电动马达5，例如通过负载扭矩和轴速度变化。因此，驱动振动所必需的能量必须通过电动马达5提供，并且必然地转化为其电功率特性。泵系统1中的任何振动将建立马达电流中的特征信号样式。电动马达5的不同操作特征将导致功率谱密度内的不同信号样式。通过分析功率谱密度以识别一个或更多个特征信号样式，泵2中的泵故障条件（或潜在的泵故障条件）可以被识别，其可导致非正常的操作。发生信号峰值（即相对大的向上或向下的幅度改变）的频率和/或信号峰值的幅度可以用于识别泵系统1的特定振动特性。通过示例的方式，在特定频率处（或在限定的频率范围内）的信号峰值可以指示电动马达5的特定振动特性。振动特性可以例如是电动马达5中的偏心或电动马达5中的扭矩振荡的结果。通过识别与振动特性相关的信号样式，泵2的泵故障条件可以被识别或预测。第二电子处理器10可以由此提供自诊断功能。

第二电子处理器10配置为将功率谱密度输出至第一电子处理器8，例如在串行链路上输出。第一电子处理器8分析功率谱密度以识别指示电动马达5的特定振动特性的一个或更多个预定的信号样式。例如，第一信号样式可以对应于电动马达5的由于偏心的振动特性；以及第二信号样式可以对应于电动马达5的由于扭矩振荡的振动特性。所述一个或更多个信号样式规定：（a）一频率（或一频率范围），其中信号峰值的存在（或不存在）指示振动特性；和/或（b）信号峰值的幅度，例如限定为离散值、最小阈值、或范围。应理解，信号样式可以限定多于一个信号峰值。频率和/或幅度可以动态地生成，例如基于用于电动马达5的历史操作数据；或者可以被预定，例如基于经验分析。

依靠功率谱密度的分析，泵控制器4可以执行自诊断以识别存在的或预期的故障。第一电子处理器8可以例如输出通知或警报至操作者，例如显示故障代码。第一电子处理器8可以依靠基于频率的信号的分析来输出故障诊断信号。

通过处理功率谱密度，第一电子处理器8可以识别对应于以下情况中的一个或更多个的泵故障条件：扭矩振荡；不平衡；前进阻力/阻塞/打滑；轴对准；齿轮箱故障；偏心；跳动（run-outs)；轴承磨损；组建错误/漂移（drift）；（多个）电故障；（多个）定子绕组故障，诸如绕组不平衡（例如由于线匝（turn）之间的短路）；损坏的转子棒；损坏的端部环；以及（多个）马达转子故障。

第二电子处理器10可以仅依靠来自电流传感器12的输出来诊断和/或预测泵2中的故障。这对于需要附加的传感器来监视电动马达5的振动的现有技术的设备来说是特别的优势。在本实施例的变体中，第二电子处理器10可以可选地配置为从不同的传感器接收信号来确定附加的泵操作参数。温度传感器可以被提供以便测量电动马达5的温度，并且将操作温度信号输出至第二电子处理器10。压力传感器可以被提供以便测量来自泵2的排放（出口）压力，并且将操作压力信号输出至第二电子处理器10。第二电子处理器10可以将泵操作参数与处理功率谱密度频谱的结果关联。此方法可以利于泵2中的泵故障条件的诊断和/或预测，例如以便在振动特性之间区分。

现在将参考图2、3和4描述根据本发明的实施例的泵系统1的操作。特别地，现在将描述第二电子处理器10的操作，所述操作是为了识别一系列功率谱密度频谱中存在的预定信号样式。在各自的功率谱密度频谱中，类似的附图标记被用于类似的特征，尽管为了清楚在每幅图中递增110。

第一功率谱密度频谱100通过示例的方式在图2中示出。第一基于频率的信号105被示出用于泵2的正常操作。第一基于频率的信号105包括第一峰值110，其代表电动马达5的标准振动特性。第二基于频率的信号115代表泵2的非正常操作。在第二基于频率的信号115中存在第一峰值110，但是幅度显著增大。为了识别或预测泵故障条件，第二电子处理器10分析功率谱密度频谱以确定第二峰值120的大小是否比第一预定阈值T1更大。

第二功率谱密度频谱200通过示例的方式在图3中示出。第一基于频率的信号205代表电动马达5的标准振动特性。第一基于频率的信号205包括第一峰值210（在约20Hz处）和第二峰值215（在约25Hz处）。第二基于频率的信号225代表泵2的非正常操作。第二基于频率的信号225包括第一峰值210'（在约20Hz处）、第二峰值215'（在约25Hz处）和第三峰值220'（在约23Hz处）。第二基于频率的信号225中的第一和第二峰值210'、215'的幅度与第一基于频率的信号205中存在的那些峰值的幅度是大体相同的。然而，第三峰值220'仅存在于第二基于频率的信号225中。为了识别或预测泵故障条件，第一电子处理器8分析功率谱密度频谱以确定第三峰值220'是否存在于预定频率处（在本实施例中约23Hz）。如果第三峰值220’被识别，则第一电子处理器8诊断或预测用于泵2的相应泵故障条件。

第三功率谱密度频谱300通过示例的方式在图4中示出。第一基于频率的信号305代表电动马达5的标准振动特性。第一基于频率的信号305包括第一峰值311 310（在约40Hz处）。第二基于频率的信号325代表泵2的非正常操作。第二基于频率的信号325包括第一峰值310'（在约40Hz处）和第二峰值315'（在约31Hz处）。第二基于频率的信号325中的第一峰值310'的幅度与第一基于频率的信号305中存在的那些峰值的幅度是大体相同的。然而，第二峰值315'仅存在于第二基于频率的信号325中。为了识别或预测泵故障条件，第一电子处理器8分析功率谱密度频谱以确定第二峰值315'是否存在于预定频率处（在本实施例中约31Hz）。如果第二峰值315’被识别，则第一电子处理器8诊断或预测用于泵2的相应泵故障条件。

泵系统2的实施例已经描述了应用傅里叶变换来生成基于频率的信号。应理解，替代的分析技术可以被应用以便将基于时间的信号转换为基于频率的信号。通过示例的方式，合适的数学变换包括哈特莱（Hartley）、正弦/余弦等。

应理解，可以对本文描述的泵系统1进行各种改变和修改而不偏离本申请的范围。在本文描述的实施例中，功率谱密度通过第二电子处理器10生成并且然后输出至第一电子处理器8用于分析。这些功能可以二者均通过相同的处理器执行，要么是第一电子处理器8要么是第二电子处理器10。替代地，离散的诊断单元可以被用于生成功率谱密度并执行相关分析。

Claims (18)

1.一种用于监视真空泵的电动马达的泵监视设备，所述泵监视设备包括逆变器控制单元，所述泵监视设备包括：

至少一个电流传感器，用于测量所述电动马达的电流以便生成基于时间的信号；以及

至少一个电子处理器，所述至少一个电子处理器被整体形成到所述逆变器控制单元中，且配置为：

将基于时间的信号划分为多个区段；

将所述区段独立地从基于时间的信号转换为基于频率的信号；

将转换过的区段组合成基于频率的组合信号；并且

分析所述基于频率的组合信号以便识别代表泵故障条件的信号样式。

2.如权利要求1所述的泵监视设备，其中，所述信号样式包括在所述基于频率的信号中的至少一个信号峰值。

3.如权利要求2所述的泵监视设备，其中，所述信号样式包括在所述基于频率的信号中的发生在预定频率处或在预定频率范围中的至少一个信号峰值。

4.如权利要求2所述的泵监视设备，其中，所述信号样式包括用于所述至少一个信号峰值的幅度。

5.如权利要求1到4中任一项所述的泵监视设备，其中，所述信号样式被预定并且代表已知的泵故障条件。

6.如权利要求5所述的泵监视设备，其中，故障诊断与所述预定的信号样式相关联。

7.如权利要求6所述的泵监视设备，包括输出与在所述基于频率的信号中识别的所述信号样式相关联的所述故障诊断。

8.如权利要求5所述的泵监视设备，包括一个或更多个泵监视传感器，用于测量所述真空泵的一个或更多个操作参数，所述至少一个电子处理器被配置为将所述泵故障条件与所述一个或更多个操作参数关联。

9.如权利要求1所述的泵监视设备，其中，所述至少一个电子处理器配置为：以规律的时间间隔对电动马达的定子电流采样，以生成输入数据；通过对输入数据应用离散傅里叶变换来实时地处理输入数据，以生成输出数据；以及存储输出数据并废弃所源于的输入数据。

10.一种监视具有电动马达的真空泵的方法，所述方法在逆变器内的处理器中执行，并且包括：

从逆变器内的电流传感器接收表示电动马达的电流的信号并生成基于时间的信号；

将基于时间的信号划分为多个区段；

将所述区段独立地从基于时间的信号转换为基于频率的信号；

将转换过的区段组合成基于频率的组合信号；并且

处理所述基于频率的组合信号以便识别代表泵故障条件的信号样式。

11.如权利要求10所述的方法，其中，所述信号样式包括在所述基于频率的信号中的至少一个信号峰值。

12.如权利要求11所述的方法，其中，所述信号样式包括在所述基于频率的信号中的发生在预定频率处或在预定频率范围中的至少一个信号峰值。

13.如权利要求11所述的方法，其中，所述信号样式包括用于所述至少一个信号峰值的幅度。

14.如权利要求10到13中任一项所述的方法，其中，所述信号样式被预定并且代表已知的泵故障条件。

15.如权利要求14所述的方法，其中，故障诊断与所述预定的信号样式相关联。

16.如权利要求15所述的方法，包括输出与在所述基于频率的信号中识别的所述信号样式相关联的所述故障诊断。

17.如权利要求14所述的方法，包括测量所述真空泵的一个或更多个操作参数并且将所述已知的泵故障条件与所述一个或更多个操作参数关联。

18.如权利要求10所述的方法，其中，所述方法还包括：以规律的时间间隔对电动马达的定子电流采样，以生成输入数据；通过对输入数据应用离散傅里叶变换来实时地处理输入数据，以生成输出数据；以及存储输出数据并废弃所源于的输入数据。

Images