CN108508359A - 基于电气特征分析的机器自主监测与诊断程序 - Google Patents

基于电气特征分析的机器自主监测与诊断程序 Download PDF

Info

Publication number
CN108508359A
CN108508359A CN201810156137.4A CN201810156137A CN108508359A CN 108508359 A CN108508359 A CN 108508359A CN 201810156137 A CN201810156137 A CN 201810156137A CN 108508359 A CN108508359 A CN 108508359A
Authority
CN
China
Prior art keywords
data
frequency
device controller
failure
monitoring data
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
Application number
CN201810156137.4A
Other languages
English (en)
Other versions
CN108508359B (zh
Inventor
P.内蒂
S.米什拉
B.维纳亚加姆
M.卡纳巴
B.帕穆拉帕蒂
V.穆图克里什南
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 Technology GmbH
Original Assignee
Alstom Technology AG
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 Alstom Technology AG filed Critical Alstom Technology AG
Publication of CN108508359A publication Critical patent/CN108508359A/zh
Application granted granted Critical
Publication of CN108508359B publication Critical patent/CN108508359B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G05B23/0267—Fault communication, e.g. human machine interface [HMI]
    • G05B23/027—Alarm generation, e.g. communication protocol; Forms of alarm
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/34—Testing dynamo-electric machines
    • G01R31/343—Testing dynamo-electric machines in operation
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M13/00—Testing of machine parts
    • G01M13/02—Gearings; Transmission mechanisms
    • G01M13/028—Acoustic or vibration 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
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • 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
    • G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
    • 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
    • G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
    • G05B23/0232—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions based on qualitative trend analysis, e.g. system evolution

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Artificial Intelligence (AREA)
  • Acoustics & Sound (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Human Computer Interaction (AREA)
  • Control Of Electric Motors In General (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)
  • Tests Of Circuit Breakers, Generators, And Electric Motors (AREA)
  • Transmission And Conversion Of Sensor Element Output (AREA)

Abstract

本发明涉及一种用于使用电气特征分析执行机器的自主监测和诊断程序的系统和方法。在本发明的一个实施例中，一种方法包括提供与至少一个故障频率相关联的旋转电机的电气数据。在学习模式下，所述方法包括将所述电气数据从时域转换到频域，以获得基准数据。在操作模式下，所述方法包括将所述电气数据从所述时域转换到所述频域，以获得监测数据。所述方法还包括基于至少所述监测数据确定所述故障频率下的比值；确定所述故障频率下的所述比值的变化率；以及视情况基于所述变化率发出关于所述旋转电机的至少一个事件的警报。

Description

基于电气特征分析的机器自主监测与诊断程序
技术领域
本发明涉及电气设备监测，并且更确切地说，涉及用于基于电气特征分析执行机器的自主监测和诊断程序的系统和方法。
背景技术
要确保工业电力系统的连续运行，对工业电力系统例如电力装置和变电站的部件进行监测非常重要。诸如变压器、电动机、馈线、发电机、断路器等部件预计将持续长时间运行。所述监测能够检测与部件操作相关的事件并且预测与部件健康或状况相关联的问题。当检测到问题时，可以向用户报告诊断和根本原因，以便用户可以采取措施来最大限度减轻或解决问题。监测工业电力系统的重要部件可以帮助了解部件的健康状况，以提高所述部件的可靠性和效率、增加部件的生产能力并避免维护中的意外成本。
用于监测和诊断电力系统部件的常规解决方案非常复杂并且通常是为特定部件设计的，因此它们无法轻易地针对不同类型和尺寸的部件进行调整。例如，无法对传统的解决方案进行调整以将其用作智能电子装置(IED)例如数字保护继电器的一部分。此外，与常规监测解决方案相关联的成本通常与受监测部件的成本不相符。此外，传统的监测和诊断解决方案通常无法提供关于部件健康的可靠预测，因为它们使用的是可用于IED的有限信息和数据。此外，用于监测和诊断的现有解决方案可能易于发生与测量和精度相关的错误。
发明内容
本发明涉及用于旋转电机(electrical rotating machine)的电气特征分析的系统和方法。本发明的特定实施例可以提供用于基于电气特征分析对电机进行监测和诊断的自动程序。本发明的一些实施例可以有助于对旋转电机的机械故障进行早期预测。
根据本发明的一个实施例，提供了一种用于监测和诊断的系统。系统可以包括旋转电机。所述旋转电机可以与至少一个故障频率相关联。所述系统可以包括数据采集装置，所述数据采集装置配置成检测并提供与旋转电机相关联的至少电气数据、热数据和机电数据。所述系统还可以包括以可通信方式连接到所述数据采集装置的设备控制器。在学习模式下，所述设备控制器可配置成将电气数据从时域转换到频域，以获得基准数据。在操作模式下，所述设备控制器可配置成将电气数据从时域转换到频域，以获得监测数据。所述设备控制器还可以配置成至少部分基于所述监测数据来确定故障频率下的比值。所述设备控制器可配置成确定至少一个故障频率下的比值的相对变化或变化率。所述相对变化可以基于故障频率下的监测数据与基准数据之间的差异。所述设备控制器还可以配置成基于所述相对变化或变化率来提供关于旋转电机的至少一个事件的警报。
在本发明的一些实施例中，所述设备控制器可以进一步配置成确定以分贝为单位的比值。在本发明的一些实施例中，所述设备控制器可以进一步配置成确定故障频率的邻近范围。所述设备控制器还可以配置成基于所述邻近范围内的所述基准数据来确定第一区域。所述设备控制器可以进一步配置成基于所述邻近范围内的监测数据来确定第二区域。所述设备控制器可以进一步配置成基于所述第一区域和第二区域来确定所述比值。
在本发明的一些实施例中，所述设备控制器可以进一步配置成基于所述监测数据的测量误差和所述旋转电机的估计速度或测量速度来确定所述邻近范围。在本发明的一些实施例中，所述设备控制器可以进一步配置成确定所述旋转电机的状态是首次运行。响应于确定所述状态是首次运行，所述设备控制器可配置成进入所述学习模式。
在本发明的一些实施例中，所述设备控制器可以进一步配置成获取每个负载仓(load bin)的基准数据。在本发明的特定实施例中，所述设备控制器可以进一步配置成收集负载仓的基准数据，并且确定至少已收集一些负载仓的基准数据。响应于确定已收集至少一些负载仓的基准数据，所述设备控制器可以进一步配置成进入所述操作模式。
在本发明的一些实施例中，所述设备控制器可以进一步配置成基于所述负载仓的基准数据确定第一半径。所述设备控制器可配置成基于所述第一半径确定第二半径。所述第二半径可以表示监测数据的与所述负载仓的警戒水平相对应的第一边界。所述设备控制器可进一步配置成基于所述第二半径确定第三半径。所述第三半径可以表示监测数据的与报警水平相对应的第二边界。所述设备控制器可以进一步配置成经由输出装置显示具有第一半径的第一圆、具有第二半径的第二圆和具有第三半径的第三圆。所述第一圆、第二圆和第三圆可以是同心的。所述设备控制器可以配置成经由输出装置显示表示至少一些监测数据的至少一个点。所述点的半径可以对应于至少一些监测数据的值，并且所述点的角坐标可以对应于所述负载的值。
在本发明的一些实施例中，所述设备控制器可以进一步配置成确定严重性指数。所述严重性指数可以基于所述至少一个故障频率下的至少监测数据与基准数据之间比率的求和。在本发明的特定实施例中，所述设备控制器可以进一步配置成确定所述严重性指数在预定范围内。响应于确定所述严重性指数的范围，所述设备控制器可以进一步配置成选择性地发出警报。
在本发明的一些实施例中，所述电气数据可以包括电流数据和电压数据、包括电流基准数据和电压基准数据的基准数据，以及包括电流监测数据和电压监测数据的监测数据。在本发明的特定实施例中，所述设备控制器可以进一步配置成基于电流监测数据和电流基准数据来确定至少一个故障频率下的第一比值。所述设备控制器可以进一步配置成基于电压监测数据和电压基准数据来确定至少一个故障频率下的第二比值。所述设备控制器可以进一步配置成确定置信度指数。所述置信度指数可以基于所述至少一个故障频率下的至少所述第一比值与所述第二比值之间比率的求和。所述设备控制器可以进一步配置成确定所述置信度指数在预定范围内。响应于确定所述置信度指数的范围，所述设备控制器可以配置成选择性地发出关于与旋转电机相关联的至少一个事件的警报。
在本发明的一些实施例中，所述设备控制器可以进一步配置成对电气数据执行快速傅立叶变换，以将所述电气数据从时域转换到频域。
根据本发明的一个实施例，提供了一种用于电气特征分析的方法。所述方法可以包括通过以可通信方式连接到旋转电机的数据采集装置提供与旋转电机相关联的至少电气数据。所述旋转电机可以与至少一个故障频率相关联。在学习模式下，所述方法可包括通过以可通信方式连接到数据采集装置的设备控制器将电气数据从时域转换到频域，以获得基准数据。在操作模式下，所述方法可以包括通过所述设备控制器将所述电气数据从时域转换到频域，以获得监测数据。所述方法还可以包括由所述设备控制器至少基于所述监测数据确定所述至少一个故障频率下的比值。所述方法还可以包括通过所述设备控制器确定所述至少一个故障频率下的比值的相对变化或变化率。所述相对变化可以基于故障频率下的监测数据与基准数据之间的差异。所述方法可以视情况包括由所述设备控制器基于所述变化率发出关于与旋转电机相关联的至少一个事件的报警。
从结合附图进行的以下说明中可显而易见地了解其他实施例、系统、方法、特征和方面。
附图说明
图1是示出根据本发明的一些实施例的可以实施机器的电气特征分析方法的示例性系统的方框图。
图2是根据本发明一个实施例的机器的电气特征分析方法的流程图。
图3是示出根据本发明一些实施例的用于执行机器的自动电气特征分析过程的示例性方法的流程图。
图4和图5是根据本发明一些示例性实施例的机器的电气特征分析结果的可视化表示的示例图。
图6是示出根据本发明一个实施例的用于控制燃烧器的操作的示例性控制器的方框图。
具体实施方式
以下具体实施方式包括对附图的参照，所述参照形成具体实施方式的部分。附图中描绘了根据示例性实施例的图示。这些示例性实施例在本说明书中也称为“示例”；它们以足够详细的方式进行描述，以使所属领域中的技术人员能够实践本发明的主题。可以结合示例性实施例，但是在不脱离所主张主题的范围的前提下，可以使用其他实施例，或者可以进行结构、逻辑和电气改变。因此，以下详细说明不应视作限制性的，并且范围由所附权利要求书及其等效物限定。
本发明的特定实施例可以包括用于诸如旋转电机等电气设备的电气特征分析的系统和方法。所公开的系统和方法可以提供用于基于电气特征分析来监测旋转电机的自动程序。在本发明的一些实施例中，可以分析旋转电机的电流数据、电压数据、负载和速度数据，以估计旋转元件的状态、检测机械事件以及预测旋转电机的机械故障。尽管本发明的一些实施例是参考旋转电机的操作进行描述的，但是可以对其他工业电气设备采用类似的技术，包括但不限于空气冷却式热交换器、鼓风机、压缩机、冷却塔、热交换器等。
在本发明的一些示例性实施例中，电气特征分析方法可以包括通过以可通信方式连接到旋转电机的数据采集装置提供与旋转电机相关联的至少电气数据。所述旋转电机可以与至少一个故障频率相关联。在学习模式下，所述方法可包括通过以可通信方式连接到数据采集装置的设备控制器将电气数据从时域转换到频域，以获得基准数据。在操作模式中，所述方法可以包括由设备控制器将电气数据、热数据和电热数据从时域转换到频域，以获得监测数据。所述方法还可以包括由所述设备控制器至少基于所述监测数据确定所述至少一个故障频率下的比值。所述方法还可以包括由设备控制器确定至少一个故障频率下的比值的相对变化或变化率中的至少一者，其中所述相对变化可以基于所述故障频率下的监测数据与基准数据之间的差异。所述方法可以视情况包括由所述设备控制器基于所述相对变化或所述变化率发出关于旋转电机的至少一个事件的报警。
本发明的特定实施例的技术效果可以包括消除电气设备的手动监测和诊断过程。本发明的特定实施例的进一步技术效果可以帮助在线了解电气设备的重要部件以提高部件的可靠性并降低维护成本。本发明的特定实施例的进一步技术效果是能够针对不同类型、大小和功率容量调整基于电子签名的监测和诊断方法。本发明的特定实施例的进一步技术效果是能够减少计划外关机、缩短强制断电时间和降低计划外费用。
以下将详细描述关于执行机器自动监测和诊断程序的系统和方法的各种示例性实施例。
现在转到附图，图1是示出根据本发明的示例性实施例的系统100的方框图。系统100可以包括旋转电机110、电流互感器(CT)120、电压互感器(VT)130和嵌入式装置140(也称为IED 140)。
在本发明的多个实施例中，旋转电机110可以包括发电机或电动机。所述旋转电机可以包括滚动元件轴承。滚动元件轴承可以支撑负载并保持机器的固定元件与机器的旋转元件之间的间隙。滚动元件轴承可以与基本故障频率相关联，所述基本故障频率是滚动元件轴承的几何机构的函数。
在本发明的一些实施例中，CT 120和VT 130可以配置成接收旋转电机110的高压电流并将所述高压电流转换成低压电流。在本发明的一些实施例中，嵌入式装置140可以包括数据采集装置150和设备控制器600。在本发明的一个示例性实施例中，设备控制器600图示成系统100的一部分；在本发明的其他实施例中，设备控制器600可以定位在系统100的远程处。
在本发明的多个实施例中，数据采集装置150可以配置成接收和数字化与旋转电机110相关联的至少电气数据。所述电气数据可以包括三相电信号的电流数据和三相电信号的电压数据。在一些实施例中，数据采集装置150可经由CT 120和VT 130接收电流数据和电压数据。在本发明的其他实施例中，数据采集装置150可以进一步配置成接收和数字化与旋转电机110相关联的热数据和机电数据。在本发明的特定实施例中，数据采集装置150可以进一步配置成接收和数字化与旋转电机110相关联的速度数据和振动数据。
在本发明的多个实施例中，设备控制器600可配置成经由数据采集装置150接收并分析与旋转电机110相关联的至少电气数据、热数据和机电数据。在本发明的一些实施例中，设备控制器600可以配置成至少基于所述电气数据来识别旋转电机110的一个或多个机械故障模式，例如但不限于轴承故障、基础松动、旋转轴偏心和旋转轴错位。在特定实施例中，设备控制器600可以配置成基于所识别的故障模式来提供关于所述故障模式的警报。在本发明的一些实施例中，设备控制器600还可以配置成产生针对保护继电器和断路器的命令(打开或关闭)。
图2是根据本发明一些实施例的机器的电气特征分析方法200的流程图。方法200可以例如由上文参考图1描述的系统100来实施。
方法200可以从方框210中开始，在该步骤中，通过数据采集装置150获取数据。在本发明的一些实施例中，数据可以包括与旋转电机110相关联的电流数据和电压数据。在特定实施例，所述数据还可以包括与旋转电机110相关联的负载数据、速度数据和振动数据。所采集的数据可以与特定测量期相关联。可以针对在其他期间采集的其他数据连续地重复方法200的操作。
在方框220中，方法200可以包括由设备控制器600检查数据的质量。在本发明的多个实施例中，可以基于频率、电压电平、电压的总谐波失真(THD)和电流的THD、频率变化率、电流不平衡、电流和电压的THD差异以及及阻抗的负序列来确定数据的质量。方法200还可以包括对电流数据执行时域到频域变换分析以接收监测数据。在本发明的一些实施例中，时域到频域变换可以包括快速傅里叶变换。在本发明的一些实施例中，方法200可以包括确定与旋转电机110相关联的至少一个故障频率的邻近范围。可以基于与旋转电机110相关联的电流、负载、速度和振动频率的测量误差来确定所述邻近范围。在本发明的特定实施例中，所述邻近范围可以基于旋转电机110的误差估计速度。在本发明的一些实施例中，可以在每次执行时域到频域变换分析时确定所述邻近范围。在其他实施例中，所述邻近范围可以仅确定一次。
在本发明的特定实施例中，所述范围可以通过公式f±Δfbearing确定，其中
在本发明的每次执行时域至频域变换分析时确定所述邻近范围的实施例中，根据8系列规范基于电流量值推导ferror，k是基于相关故障频率的1到10之间的常数，wr是旋转电机110的最新速度估值，Nb是旋转电机110的滚动元件轴承中的滚珠数，Db是滚珠的直径，并且Dc是轴承的节径。在本发明的所述邻近范围仅确定一次的实施例中，ferror可近似为0.001赫兹(Hz)，k可以设置成最大值10，并且wr可以视作旋转电机110的额定速度。
在本发明的一些实施例中，所述邻近范围可以通过公式f±Δfeccentricity确定，其中
在本发明的每次执行时域至频域变换分析时确定所述邻近范围的实施例中，根据8系列规范基于电流量值推导ferror，k是基于相关频率的1到10之间的常数，wr是旋转电机110的最新估计速度值，P是旋转元件轴承的节径，并且ws是滑动速度。在本发明的所述邻近范围仅确定一次的实施例中，ferror可近似为0.001 Hz，k可以设置成最大值10，并且wr可以视作旋转电机110的额定速度。
在方框230中，方法200可以进行由设备控制器600执行动态误差分析。在一些实施例中，动态误差分析包括确定故障频率邻近范围内的区域或能量，以补偿频率和速度测量的误差。在一些实施例中，方法200可以包括确定第一区域和第二区域的分贝比(Db)。可以使用监测数据确定故障频率邻近范围内的第一区域。可以使用基准数据确定故障频率邻近范围内的第二区域。在一些实施例中，可以在学习模式时(例如，当旋转电机110首次运行时)提前确定基准数据。在本发明的特定实施例中，例如以10％的负载间隔收集或估计每个负载仓的基准数据。在本发明的特定实施例中，方法200还可以包括基于故障频率下的监测数据的量值来确定有关谐波系数的速率变化。所述谐波系数可以包括k系数或m系数。在本发明的一些实施例中，方法200可以包括基于故障频率下的监测数据和基准数据之间的差异来确定相对变化。
在方框240中，方法200可以对电压数据执行时域到频域变换，以接收电压监测数据。在方框250中，方法200可以包括确定故障置信度指数(FCI)。在本发明的一些实施例中，方法200可以包括在旋转电机110相关联的所选故障频率fi(i＝1，...，n)下确定有关基本分量的电压数据Vi(i＝1，…，n)和电流数据Ii(i＝1，...，n)的以分贝为单位的量值，其中n是与旋转电机110相关联的所选故障频率的数量。
方法200还可以包括通过公式确定每个所选故障频率fi(i＝1，...，n)的等效归一化电压时域到频域变换dB量值Yi：
Yi＝(Ii/Vi)*1dB
FCI可以进一步确定为：
在一些实施例中，可以使用FCI来确定上文参考方框230描述的变化率确定结果的置信度水平。在某些实施例中，如果FCI介于0.5*n与n之间的范围内，则可以将变化率确定结果声明为“可靠”。如果FCI的值从0.1*n到0.5*n的范围内，则可以不信任基于在电流周期中采集的数据确定的变化率，并且可建议检查使用在最近m个周期中采集的数据确定的变化率的值，并且/或者等待使用在接下来几个周期中采集的其他数据确定的变化率的结果。如果FCI的值小于0.1*n，则不可信任变化率的确定结果。
在本发明的其他实施例中，评估变化率确定结果的置信度水平也可以基于故障频率下的电压数据的绝对量值和电压数据的总谐波失真。
在方框260中，方法200可以继续确定故障严重性指数(FSI)。在本发明的一些实施例中，方法200可以包括确定每个所选故障频率fi(i＝1，...，n)的归一化电流量值Zi(i＝1，...n)，其中n是所选故障频率的数量。在本发明的一些实施例中，所述归一化电流量值Zi可以由下式确定：
Zi＝(Ii/Ibi)*1dB
其中Ii是故障频率fi下由时域到频域变换确定的电流数据量值，并且Ibi是在故障频率fi下由时域到频域变换确定的基准数据量值。
FSI可以进一步通过下式确定：
在本发明的一些实施例中，FSI可用于确定旋转电机110的状态的严重性水平。如果FSI等于或小于n，则可以指示旋转电机110处于预定的健康状态。如果FSI在从2*n到5*n的范围内，则可以指示旋转电机110可能处于警告状态。如果FSI大于5*n，则可以指示旋转电机110处于报警状态。
在方框270中，方法200可以继续基于变化率或相对变化生成关于旋转电机110的机械状态的FCI、FSI警告和报警事件。
图3是示出根据本发明一些实施例的用于执行机器的自动电气特征分析程序的示例性方法300的流程图。方法300可以由上文参考图1描述的系统100来实施。在方框302中，方法300开始时，可以通过以可通信方式连接到旋转电机的数据采集装置提供与旋转电机相关联的至少电气数据。所述旋转电机可以与至少一个故障频率相关联。
在学习模式下，在方框304中，方法300可包括通过以可通信方式连接到数据采集装置的设备控制器将电气数据从时域转换到频域，以获得基准数据。在操作模式中，在方框306中，方法300可以包括
通过所述设备控制器将所述电气数据从时域转换到频域，以获得监测数据。
在框308中，方法300可以包括由设备控制器至少基于监测数据确定至少一个故障频率下的比值。在方框310中，方法300可以包括由设备控制器确定至少一个故障频率下的比值的变化率或相对变化，其中所述相对变化可以基于所述故障频率下的监测数据与基准数据之间的差异。在方框312中，方法300可以视情况由所述设备控制器基于所述变化率或相对变化发出关于旋转电机的至少一个事件的报警。
图4是根据本发明一些实施例的旋转电机的电特征分析结果的可视化表示的示例图400。图400可以包括至少三个同心圆：第一圆405、第二圆410和第三圆415。在本发明的特定实施例中，同心圆405、410和415中的每一个圆可以分成多个扇区。扇区的数量可以等于负载仓的数量。在示例图400中，扇区表示区间负载仓的10％。在本发明的特定实施例中，图400可以包括当前操作负载420仓的指示和最后操作负载仓425的指示。
在本发明的一些实施例中，第一圆405可以具有最低半径并且表示基准数据。第一圆405的半径可以基于所有负载仓的基准数据的平均值中的最大值。
在本发明的一些实施例中，第二圆410可以表示监测数据的边界(分贝)，所述边界可以指示旋转电机处于任何负载仓的警告(警戒)状态。第二圆410的半径可以比第一圆405的半径大预定值X(以分贝为单位)。在本发明的一些实施例中，第三圆415可以表示监测数据的边界(分贝)，所述边界可以指示旋转电机处于任何负载仓的报警状态。第三圆415的半径可以比第一圆405的半径大预定值Y(以分贝为单位)。在本发明的一些实施例中，值Y可以等于X+5分贝。
在本发明的一些实施例中，图400还可以包括针对当前负载仓420获得的监测数据趋势430。趋势430中的点的半径可以对应于以分贝为单位的监测数据的值，而点的角度对应于获得监测数据处的当前负载值。在特定实施例中，图400还可以包括针对最后负载仓425获得的监测数据趋势440。在本发明的一些实施例中，监测数据的可视化可以方便用户改变旋转电机的操作模式。例如，当预定周期的监测数据在第三(报警)圆415之外时，用户可以将机器的模式切换成维护模式。在一些实施例中，用户可以通过点击或轻击对应的扇区来选择负载仓，以便查看所选负载仓的趋势。
在其他实施例中，可采用示出电特征分析结果的图来比较旋转电机机组中的至少两个机器的监测数据。图5是旋转电机的电特征分析结果的可视化表示的示例图500。图500可以包括与图4中所述的图400的元素类似的元素405、410、415、420、425和440。图500还可以包括针对当前机器(电动机)的当前负载仓420获得的监测数据趋势510以及针对参考电动机获得的监测数据趋势520。
图6是示出根据本发明一个实施例的示例性控制器600的方框图。更确切地说，可采用控制器600的元件来在系统100运行时自动收集和分析与系统100相关联的操作数据。控制器600可以包括存储器610，所述存储器存储编程逻辑620(例如，软件)，并且可以存储数据630，例如与系统100相关联的操作数据、常数集合等。存储器610还可包括操作系统640。
处理器650可以利用操作系统640来执行编程逻辑620，并且在这这种情况下，也可以利用数据630。数据总线660可以提供存储器610与处理器650之间的通信。用户可以经由至少一个用户接口装置670与控制器600连接，例如键盘、鼠标、控制面板或者能够将数据传输到控制器600并且从所述控制器传输数据的其他任何其他装置。当经由输入/输出(I/O)接口680操作时，控制器600可以与系统100通信。此外，应理解，其他外部装置或多个其他系统或IED可以经由I/O接口680与控制器600通信。在本发明的一些实施例中，控制器600可以定位在系统100的远程位置；但在本发明的其他实施例中，所述控制器可以与系统100定位在同一处或者甚至集成一体。此外，控制器600以及由此实施的编程逻辑620可以包括软件、硬件、固件或其任何组合。还应理解，可以使用多个控制器600，因此本说明书中所述的不同特征可以在一个或多个不同控制器600上执行。
将参照根据本发明的示例性实施例的系统、方法、设备和计算机程序产品的方框图。应理解，方框图中的至少一些方框以及方框图中方框的组合可以至少部分地由计算机程序指令来实施。这些计算机程序指令可以加载到通用计算机、专用计算机、基于硬件的专用计算机，或者其他可编程数据处理设备中，以构成一种机器，以便借助在计算机或其他可编程数据处理设备中执行的指令来实施方框图中至少一些方框的功能，或者所述方框图中的方框组合的功能。
这些计算机程序指令还可以存储在计算机可读存储器中，所述计算机可读存储器可以指示计算机或其他可编程数据处理设备以特定方式工作，使得存储在所述计算机可读存储器中的指令产生包括执行一个或多个方框中指定的操作的指令装置的制品。所述计算机程序指令还可以加载到计算机或其他可编程数据处理设备上，以使一系列操作步骤在计算机或其他可编程设备上执行以产生由计算机实施的过程，使得在计算机或其他可编程设备上执行的指令提供用于实施一个或多个方框中指定的操作的步骤。
系统的一个或多个部件以及本说明书中所述的方法的一个或多个元素可以通过在计算机操作系统上运行的应用程序来实现。它们还可以采用其他计算机系统配置来实施，包括手持装置、多处理器系统、基于微处理器的或可编程消费电子设备、小型计算机、大型计算机等。
作为本说明书中所述的系统和方法的部件的应用程序可以包括实现特定抽象数据类型并执行特定任务或动作的例程、程序、组件、数据结构等。在分布式计算环境中，应用程序(全部或部分)可以位于本地存储器或其他存储器中。附加或者替代地，应用程序(全部或部分地)可以位于远程存储器或存储器中，以便能够由通过通信网络链接的远程处理装置执行任务。
受益于以上说明及相关附图中提出的教义的人员将了解本说明书中所阐述的示例性描述的许多修改以及与这些描述相关的其他实施例。因此应理解，本发明可以以许多形式实施，并且不应限于上述示例性实施例。
因此应理解，本发明不限于所公开的具体实施例，并且所述修改和其他实施例旨在包括在所附权利要求书的范围内。尽管本说明书中采用了特定术语，但它们仅在通用和描述性意义上使用，并不用于限制目的。

Claims (20)

1.一种系统，包括：
旋转电机，所述旋转电机与至少一个故障频率相关联；
数据采集装置，所述数据采集装置配置成检测并提供与旋转电机相关联的至少电气数据；以及
以可通信方式连接到所述数据采集装置的设备控制器，所述设备控制器配置成：
在学习模式下，将所述电气数据从时域转换到频域，以获得基准数据；以及
在操作模式下：
将所述电气数据从所述时域转换到所述频域，以获得监测数据；
至少部分基于所述监测数据和所述基准数据确定所述至少一个故障频率下的比值；
确定所述至少一个故障频率下的所述比值的变化率或相对变化中的至少一者，其中所述相对变化基于所述故障频率下的所述监测数据与所述基准数据之间的差异；以及
基于所述变化率或所述相对变化中的所述至少一者提供关于所述旋转电机的至少一个事件的报警。
2.根据权利要求1所述的系统，其中所述设备控制器进一步配置成确定以分贝为单位所述比值。
3.根据权利要求1所述的系统，其中所述设备控制器进一步配置成：
确定所述至少一个故障频率的邻近范围；
基于所述邻近范围内的所述基准数据确定第一区域；
基于所述邻近范围内的所述监测数据确定第二区域；以及
基于所述第一区域和所述第二区域确定所述比值。
4.根据权利要求3所述的系统，其中所述设备控制器进一步配置成基于所述监测数据的测量误差以及所述旋转电机的估计速度或测量速度中的一者的误差来确所述邻近范围。
5.根据权利要求1所述的系统，其中所述设备控制器进一步配置成：
确定所述旋转电机的状态是首次运行；以及
响应于所述状态，进入所述学习模式。
6.根据权利要求5所述的系统，其中所述设备控制器进一步配置成：
收集负载仓的所述基准数据；
确定已收集一些所述负载仓的所述基准数据；以及
响应于所述基准数据，进入所述操作模式。
7.根据权利要求6所述的系统，其中所述设备控制器进一步配置成：
基于所述负载仓的所述基准数据确定第一半径；
基于所述第一半径确定第二半径，所述第二半径表示与所述负载仓的警戒水平相对应的所述监测数据的第一边界；
基于所述第二半径确定第三半径，所述第三半径表示所述监测数据的与报警水平相对应的第二边界；
经由输出装置显示具有所述第一半径的第一圆、具有所述第二半径的第二圆以及具有所述第三半径的第三圆，其中所述第一圆、所述第二圆和所述第三圆是同心的；以及
经由所述输出装置显示表示所述监测数据中的至少一些监测数据的至少一个点，其中所述点的所述半径与所述监测数据中的所述至少一些监测数据的值相对应，并且所述点的角坐标与所述负载的值相对应。
8.根据权利要求1所述的系统，其中所述设备控制器进一步配置成：
确定严重性指数，所述严重性指数基于所述至少一个故障频率下的至少所述监测数据与所述基准数据的比率之和；
确定所述严重性指数在预定范围内；以及
响应于所述严重性指数，选择性地发出警报。
9.根据权利要求1所述的系统，其中：
所述电气数据包括电流数据和电压数据；
所述基准数据包括电流基准数据和电压基准数据；
所述监测数据包括电流监测数据和电压监测数据；以及
所述设备控制器进一步配置成：
基于所述电流监测数据和所述电流基准数据确定所述至少一个故障频率下的第一比值；
基于所述电压监测数据和所述电压基准数据确定所述至少一个故障频率下的第二比值；
确定置信度指数，所述置信度指数基于所述至少一个故障频率下的至少所述第一比值与所述第二比值的比率之和；
确定所述置信度指数在预定范围内；以及
响应于所述置信度指数，选择性地发出关于所述旋转电机的至少一个事件的警报。
10.根据权利要求1所述的系统，其中所述设备控制器进一步配置成对所述电气数据执行快速傅立叶变换，以将所述电气数据从所述时域转换到所述频域。
11.一种电气特征分析方法，所述方法包括：
由以可通信方式连接到旋转电机的数据采集装置提供与所述旋转电机相关联的至少电气数据，其中所述旋转电机与至少一个故障频率相关联；
在学习模式下，通过以可通信方式连接到所述数据采集装置的设备控制器将所述电气数据从时域转换到频域，以获得基准数据；以及
在操作模式下：
通过所述设备控制器将所述电气数据从所述时域转换到所述频域，以获得监测数据；
由所述设备控制器至少基于所述监测数据和所述基准数据确定所述至少一个故障频率下的比值；
由所述设备控制器确定所述至少一个故障频率下的所述比值的变化率或相对变化中的至少一者，其中所述相对变化基于所述至少一个故障频率下的所述监测数据与所述基准数据之间的差异；以及
由所述设备控制器基于所述相对变化或所述变化率中的至少一者发出关于所述旋转电机的至少一个事件的警报。
12.根据权利要求11所述的方法，其中确定所述至少一个故障频率下的所述比值包括：
确定所述至少一个故障频率的邻近范围；
基于所述邻近范围内的所述基准数据确定第一区域；
基于所述邻近范围内的所述监测数据确定第二区域；以及
基于所述第一区域和所述第二区域确定所述比值。
13.根据权利要求12述的方法，其中所述邻近范围基于所述监测数据的测量误差以及所述旋转电机的估计速度或测量速度中的一者的误差。
14.根据权利要求11所述的方法，包括：
由所述设备控制器确定所述旋转电机的状态是首次运行；以及
响应于所述状态，由所述设备控制器将所述旋转电机切换到所述学习模式。
15.根据权利要求14所述的方法，包括：
由所述设备控制器获取负载仓的所述基准数据；
由所述设备控制器确定已收集一些所述负载仓的所述基准数据；以及
响应于所述基准数据，由所述设备控制器将所述旋转电机切换到所述操作模式。
16.根据权利要求15所述的方法，包括：
由所述设备控制器基于所述负载仓的所述基准数据确定第一半径；
由所述设备控制器基于所述第一半径确定第二半径，所述第二半径表示所述监测数据的与所述负载仓的警戒水平相对应的第一边界；
由所述设备控制器基于所述第二半径确定第三半径，所述第三半径表示所述监测数据的与报警水平相对应的第二边界；
由所述设备控制器经由输出装置显示具有所述第一半径的第一圆、具有所述第二半径的第二圆以及具有所述第三半径的第三圆，其中所述第一圆、所述第二圆和所述第三圆是同心的；以及
由所述设备控制器经由所述输出装置显示表示所述监测数据中的至少一些监测数据的至少一个点，其中所述点的所述半径与所述监测数据中的所述至少一些监测数据的值相对应，并且所述点的角坐标与所述负载的值相对应。
17.根据权利要求11所述的方法，包括：
由所述设备控制器确定严重性指数，所述严重性指数基于所述至少一个故障频率下的至少所述监测数据与所述基准数据之间比率的求和；
由所述设备控制器确定所述严重性指数在预定范围内；以及
由所述设备控制器响应于所述严重性指数而选择性地发出警报。
18.根据权利要求11所述的方法，其中：
所述电气数据包括电流数据和电压数据；
所述基准数据包括电流基准数据和电压基准数据；并且
所述监测数据包括电流监测数据和电压监测数据。
19.根据权利要求17所述的方法，包括：
由所述设备控制器基于所述电流监测数据和所述电流基准数据确定所述至少一个故障频率下的第一比值；
由所述设备控制器基于所述电压监测数据和所述电压基准数据确定所述至少一个故障频率下的第二比值；
由所述设备控制器确定置信度指数，所述置信度指数基于所述至少一个故障频率下的至少所述第一比值与所述第二比值之间比率的求和；
由所述设备控制器确定所述置信度指数在预定范围内；以及
响应于所述置信度指数，由所述设备控制器选择性地发出关于所述旋转电机的所述至少一个事件的所述警报。
20.一种电气特征分析系统，所述系统包括：
旋转电机，所述旋转电机与至少一个故障频率相关联；
数据采集装置，所述数据采集装置配置成检测并且提供与所述旋转电机相关联的至少电气数据，其中所述电气数据包括电流数据和电压数据；以及
以可通信方式连接到所述数据采集装置的设备控制器，所述设备控制器配置成：
在学习模式下，将所述电气数据从时域转换到频域以获取基准数据，其中所述基准数据包括电流基准数据和电压基准数据；以及
在操作模式下：
将所述电气数据从所述时域转换到所述频域以获取监测数据，所述监测数据包括电流监测数据和电压监测数据；
基于所述电流监测数据确定所述至少一个故障频率下的第一比值；
基于所述电压基准数据和所述电压监测数据确定所述至少一个故障频率下的第二比值；
确定所述至少一个故障频率下的所述第一比值的变化率或相对变化中的至少一者，其中所述相对变化基于所述故障频率下的所述监测数据与所述基准数据之间的差异；
确定置信度指数，所述置信度指数基于所述至少一个故障频率下的所述第一比值与所述第二比值之间的至少一个比率的求和；
确定严重性指数，所述严重性指数基于所述至少一个故障频率下的至少所述电流监测数据与所述电流基准数据之间第三比率的求和；以及
基于所述相对变化或所述变化率、所述置信度指数和所述严重性指数中的至少一者选择性地发出关于所述旋转电机的至少一个事件的警报。
CN201810156137.4A 2017-02-24 2018-02-23 基于电气特征分析的机器自主监测与诊断程序 Active CN108508359B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
IN201741006604 2017-02-24
IN201741006604 2017-02-24

Publications (2)

Publication Number Publication Date
CN108508359A true CN108508359A (zh) 2018-09-07
CN108508359B CN108508359B (zh) 2022-07-05

Family

ID=61189333

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810156137.4A Active CN108508359B (zh) 2017-02-24 2018-02-23 基于电气特征分析的机器自主监测与诊断程序

Country Status (8)

Country Link
US (1) US10928814B2 (zh)
EP (1) EP3367198B1 (zh)
JP (1) JP7139122B2 (zh)
CN (1) CN108508359B (zh)
BR (1) BR102018003103A2 (zh)
CA (1) CA2995263A1 (zh)
ES (1) ES2948188T3 (zh)
MX (1) MX2018002355A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN111819452A (zh) * 2019-02-02 2020-10-23 深圳市大疆创新科技有限公司 电机运行状态的获取方法和装置
CN113125506A (zh) * 2021-03-01 2021-07-16 珠海广浩捷科技股份有限公司 光栅尺、磁栅尺的诊断方法、系统及存储介质
CN113925523A (zh) * 2020-06-29 2022-01-14 通用电气精准医疗有限责任公司 医疗成像系统的状态检测方法和装置以及ct成像系统检测

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020194534A1 (ja) * 2019-03-26 2020-10-01 東芝三菱電機産業システム株式会社 異常判定支援装置
EP3832417A1 (en) * 2019-12-05 2021-06-09 Elmos Semiconductor SE Method for the detection of a state of a system
JP2021183929A (ja) * 2020-05-22 2021-12-02 株式会社日立産機システム 回転機械システムの診断装置および診断方法
FR3119019B1 (fr) * 2021-01-15 2023-03-31 Safran Procede de surveillance d’un actionneur
US11639966B2 (en) * 2021-03-15 2023-05-02 General Electric Technology Gmbh Enhanced electrical signature analysis for fault detection
CN113849333B (zh) * 2021-09-26 2023-07-14 中国地质大学（武汉） 一种基于WN-Spline基线域算法的数据中心自驱排障方法及系统

Citations (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1310800A (zh) * 1998-06-16 2001-08-29 M.E.A.电动机检测有限公司 旋转电机性能测试的方法和系统
US6370957B1 (en) * 1999-12-31 2002-04-16 Square D Company Vibration analysis for predictive maintenance of rotating machines
CN1504759A (zh) * 2002-12-05 2004-06-16 �ٹ��� 用于检测感应电机中电动机内部故障的方法和装置
US20050007096A1 (en) * 2003-06-18 2005-01-13 Dimino Steven A. System and method for proactive motor wellness diagnosis
CN101034038A (zh) * 2007-03-28 2007-09-12 华北电力大学 异步电动机轴承故障检测方法
US20080187298A1 (en) * 2004-10-29 2008-08-07 Carrier Corporation VSD Control
JP2009050078A (ja) * 2007-08-20 2009-03-05 Sumitomo Metal Ind Ltd 機械設備の異常判定装置及び機械設備の異常判定方法
CN101907868A (zh) * 2010-08-05 2010-12-08 暨南大学珠海学院 牵引供电系统智能故障诊断方法及其系统
CN102095573A (zh) * 2009-12-11 2011-06-15 上海卫星工程研究所 星载旋转设备机械部件状态监测与诊断报警方法
JP2011257362A (ja) * 2010-06-11 2011-12-22 Takada Corp 回転機械系の異常診断方法
US8405339B2 (en) * 2010-07-01 2013-03-26 Eaton Corporation System and method for detecting fault in an AC machine
CN103226185A (zh) * 2013-03-26 2013-07-31 同济大学 一种基于谐波监测的变流器功率模块在线故障诊断方法
CN103261904A (zh) * 2010-12-21 2013-08-21 西门子公司 电动机器的监测和故障诊断
CN103472802A (zh) * 2013-09-13 2013-12-25 同济大学 风力发电机组智能状态监测终端及其数据处理方法
CN103648827A (zh) * 2011-07-06 2014-03-19 通用电气公司 用于预测电机的机械故障的系统和方法
EP2743669A1 (en) * 2012-12-17 2014-06-18 General Electric Company Fault detection system and associated method
CN104344938A (zh) * 2013-08-07 2015-02-11 霍尼韦尔国际公司 用于监测振动数据的系统和方法
JP2015091219A (ja) * 2013-11-06 2015-05-11 ゼネラル・エレクトリック・カンパニイ 回転機械のための絶縁監視の温度補償
CN105829984A (zh) * 2013-10-22 2016-08-03 尼得科电机有限公司 机器诊断编码器

Family Cites Families (77)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5436784A (en) 1993-08-11 1995-07-25 Schweitzer Engineering Laboratories, Inc. Motor protection relay using thermal models
IL106916A (en) 1993-09-06 2000-07-16 Diagnostics Ltd Method and apparatus for detecting faults in the working of motor driven components of heating cooling or dehumidifying units
US5629870A (en) 1994-05-31 1997-05-13 Siemens Energy & Automation, Inc. Method and apparatus for predicting electric induction machine failure during operation
US5574387A (en) 1994-06-30 1996-11-12 Siemens Corporate Research, Inc. Radial basis function neural network autoassociator and method for induction motor monitoring
US5550879A (en) 1995-08-30 1996-08-27 General Electric Company Motor current signal processor including phase locked and delta modulated loops
US5550880A (en) 1995-08-30 1996-08-27 General Electric Company Motor current signal processor using analog substraction of an estimated largest sine wave component
TR199600527A2 (xx) 1996-06-24 1998-01-21 Ar�El�K A.�. Elektrik motorlar� i�in model bazl� hata tespit ve te�his sistemi.
FR2761209B1 (fr) 1997-03-19 1999-06-11 Schneider Electric Sa Dispositif de protection d'un moteur avec une fonction signal defaut thermique avance a la manoeuvre
AU749040B2 (en) 1998-03-16 2002-06-20 Automeg, Inc. Electric motor monitoring circuit
US6181042B1 (en) 1998-05-30 2001-01-30 General Electric Co. Method for preventing corona surface damage in end windings of air-cooled motors and generators
US6199023B1 (en) 1998-11-16 2001-03-06 Geneal Electric Company System for removing spurious signatures in motor current signature analysis
US6888124B1 (en) 1999-03-24 2005-05-03 Shell Oil Company Method to monitor internal parameters of electrical motor systems
OA11852A (en) 1999-03-24 2006-03-01 Shell Int Research Monitoring internal parameters of electrical motorsystems.
US6262550B1 (en) 1999-12-17 2001-07-17 General Electric Company Electrical motor monitoring system and method
US6655835B2 (en) 1999-12-21 2003-12-02 Schweitzer Engineering Laboratories Inc. Setting-free resistive temperature device (RTD) measuring module
US7447509B2 (en) * 1999-12-22 2008-11-04 Celeritasworks, Llc Geographic management system
AU8146901A (en) 2000-03-17 2001-09-24 Siemens Aktiengesellschaft Plant maintenance technology architecture
US6611771B1 (en) 2000-10-04 2003-08-26 Eaton Corporation Method and apparatus to detect a stator turn fault in an AC motor
US6496782B1 (en) 2000-10-30 2002-12-17 General Electric Company Electric machine monitoring method and system
US6573727B2 (en) 2001-01-25 2003-06-03 General Electric Company Method and apparatus for evaluation of insulation in variable speed motors
JP2003069731A (ja) 2001-08-29 2003-03-07 Mitsubishi Electric Corp 機器状態遠隔監視システム
DE10164204A1 (de) 2001-12-27 2003-07-17 Siemens Linear Motor Systems G Schutzeinrichtung für Elektromotor mit Sensor und Auswerteeinheit
GB0200867D0 (en) 2002-01-15 2002-03-06 Univ Glasgow Electric motor monitoring system
EP1479157B1 (de) 2002-02-13 2006-12-06 Continental Teves AG & Co. oHG Verfahren zur fehlererkennung für elektromotoren
US6834256B2 (en) 2002-08-30 2004-12-21 General Electric Company Method and system for determining motor reliability
US6924613B2 (en) 2002-09-23 2005-08-02 Siemens Energy & Automation, Inc. System and method for monitoring current and providing motor protection
DE10252754A1 (de) 2002-11-13 2004-06-17 Rexroth Indramat Gmbh Elektromotor mit einer Vorrichtung zur Temperaturüberwachung
EP1604451A1 (en) 2003-03-03 2005-12-14 Abb Ab Device and method to monitor an apparatus
US7161778B2 (en) 2003-06-26 2007-01-09 Schweltzer Engineering Laboratories, Inc. Rotor thermal model for use in motor protection
US7127373B2 (en) 2003-08-07 2006-10-24 General Electric Company Systems, methods and computer program products for assessing the health of an electric motor
FI118747B (fi) 2004-01-23 2008-02-29 Abb Oy Automaattinen ohjauslaite
US7308383B2 (en) 2004-02-25 2007-12-11 Siemens Energy & Automation, Inc. System and method for providing electrical system monitoring and diagnosis
US7831704B2 (en) 2004-04-22 2010-11-09 General Electric Company Methods and systems for monitoring and diagnosing machinery
US7283914B2 (en) 2004-10-28 2007-10-16 Abb Technology Ag System and method for vibration monitoring
US7254514B2 (en) 2005-05-12 2007-08-07 General Electric Company Method and system for predicting remaining life for motors featuring on-line insulation condition monitor
WO2007076516A2 (en) 2005-12-28 2007-07-05 Neurosciences Research Foundation, Inc. Brain-based device having a cerebellar model for predictive motor control
US7675257B2 (en) 2007-03-09 2010-03-09 Regal Beloit Corporation Methods and systems for recording operating information of an electronically commutated motor
WO2008113308A1 (de) 2007-03-16 2008-09-25 Siemens Aktiengesellschaft Verfahren zum erzeugen eines fehlersignals, das einen unzulässigen belastungszustand eines elektromotors angibt, und elektrisches motorschutzgerät zur durchführung des verfahrens
FI20070243A (fi) 2007-03-23 2009-01-12 Abb Oy Menetelmä ja laitteisto sähkökoneiden kunnon seuraamiseksi
WO2008148075A1 (en) 2007-05-24 2008-12-04 Alexander George Parlos Machine condition assessment through power distribution networks
US7847580B2 (en) 2007-06-04 2010-12-07 Eaton Corporation System and method for motor fault detection using stator current noise cancellation
CN101688897B (zh) 2007-06-04 2014-04-30 伊顿公司 非侵入性确定电动机效率的系统和方法
BRPI0811393A2 (pt) 2007-06-04 2014-11-04 Eaton Corp "controlador configurado para detectar indícios de falha mecânica incipiente de motor, método não-invasivo para detectar falhas iminentes de rolamento em máquinas elétricas e sistema para monitorar corrente para predição de falhas de rolamento"
US7755310B2 (en) 2007-09-11 2010-07-13 Gm Global Technology Operations, Inc. Method and apparatus for electric motor torque monitoring
US20090096405A1 (en) 2007-10-15 2009-04-16 General Electric Company Method and system for remotely predicting the remaining life of an ac motor system
DE102007058821A1 (de) 2007-12-05 2009-06-10 Ina - Drives & Mechatronics Gmbh & Co. Ohg Elektromotor mit Teilentladungsschutz und Verfahren zu dessen Herstellung
US8131482B2 (en) 2008-05-16 2012-03-06 Schneider Electric USA, Inc. Methods and apparatus for estimating rotor slots
CN102273064B (zh) 2009-01-05 2015-08-12 飞思卡尔半导体公司 用于电动马达的速度监视的电路和方法
US8676356B2 (en) 2009-01-09 2014-03-18 Eaton Corporation System and method for motor parameter estimation
US8054084B2 (en) 2009-05-19 2011-11-08 GM Global Technology Operations LLC Methods and systems for diagnosing stator windings in an electric motor
WO2011006528A1 (en) 2009-07-13 2011-01-20 Abb Research Ltd Fault detection in a rotating electrical machine
US8229682B2 (en) 2009-08-17 2012-07-24 General Electric Company Apparatus and method for bearing condition monitoring
US8378605B2 (en) 2010-01-06 2013-02-19 GM Global Technology Operations LLC Method and apparatus for monitoring a system including a sensorless electric motor
US8339084B2 (en) 2010-03-12 2012-12-25 GM Global Technology Operations LLC Systems and methods for monitoring current in an electric motor
US9777748B2 (en) 2010-04-05 2017-10-03 Eaton Corporation System and method of detecting cavitation in pumps
US8401822B2 (en) 2010-04-20 2013-03-19 Eaton Corporation System, wellness circuit and method of determining wellness of a rotating electrical apparatus
CN101950152B (zh) * 2010-09-25 2012-11-14 孙百英 一种模拟式时刻显示装置
FR2968856B1 (fr) 2010-12-08 2014-10-10 Areva T & D Prot & Controle Relais de protection moteur pour optimiser la surveillance et la protection d'un moteur electrique
US8558496B2 (en) 2011-03-16 2013-10-15 GM Global Technology Operations LLC Systems and methods for monitoring current in an electric motor
CN102156000B (zh) 2011-03-17 2012-12-12 北京经纬恒润科技有限公司 电机及其绕组温度的检出方法和装置、热保护方法和装置
EP2523009B1 (en) 2011-05-12 2015-01-28 ABB Technology AG Method and apparatus for monitoring the condition of electromechanical systems
US8994359B2 (en) 2011-08-29 2015-03-31 General Electric Company Fault detection based on current signature analysis for a generator
US9168315B1 (en) * 2011-09-07 2015-10-27 Mainstream Engineering Corporation Cost-effective remote monitoring, diagnostic and system health prediction system and method for vapor compression and heat pump units based on compressor discharge line temperature sampling
EP2568583B1 (en) 2011-09-12 2016-07-27 ALSTOM Renewable Technologies Temperature monitoring device for electric motor
EP2574947A1 (en) 2011-09-30 2013-04-03 ABB Technology AG A method of determining stationary signals for the diagnostics of an electromechanical system
US8981697B2 (en) 2011-10-07 2015-03-17 Schweitzer Engineering Laboratories, Inc. Asset condition monitoring in an electric motor
US20130107400A1 (en) 2011-10-31 2013-05-02 General Electric Company System for monitoring a machine using a digital protective relay
US9276396B2 (en) * 2012-02-17 2016-03-01 General Electric Company Power transmission fault analysis system and related method
WO2013123947A1 (en) 2012-02-21 2013-08-29 Aalborg Universitet Fault tolerant electric motor and method of detecting faulty condition in an electric motor
US8872455B2 (en) 2012-05-22 2014-10-28 Deere & Company Method and controller for an electric motor with fault detection
US9438028B2 (en) 2012-08-31 2016-09-06 Schweitzer Engineering Laboratories, Inc. Motor relay with integrated arc-flash detection
US9255970B2 (en) 2012-09-27 2016-02-09 General Electric Company On-line monitoring of stator insulation in motors and generators
ES2534412T3 (es) 2012-10-26 2015-04-22 Abb Technology Ag Un método para el diagnóstico de un sistema electromecánico basado en análisis de impedancia
US9645046B2 (en) 2012-12-17 2017-05-09 General Electric Company Fault detection system and associated method
KR20140113032A (ko) * 2013-03-15 2014-09-24 삼성전자주식회사 휴대단말기의 표시화면을 표시하는 방법 및 장치
US10317467B2 (en) * 2014-05-19 2019-06-11 Schweitzer Engineering Laboratories, Inc. Synchronous machine monitoring and determination of a loss-of-field event using time stamped electrical and mechanical data
US10145897B2 (en) * 2015-06-30 2018-12-04 Texas Instruments Incorporated Motor winding fault detection circuits and methods to detect motor winding faults

Patent Citations (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1310800A (zh) * 1998-06-16 2001-08-29 M.E.A.电动机检测有限公司 旋转电机性能测试的方法和系统
US6370957B1 (en) * 1999-12-31 2002-04-16 Square D Company Vibration analysis for predictive maintenance of rotating machines
CN1504759A (zh) * 2002-12-05 2004-06-16 �ٹ��� 用于检测感应电机中电动机内部故障的方法和装置
US20050007096A1 (en) * 2003-06-18 2005-01-13 Dimino Steven A. System and method for proactive motor wellness diagnosis
US20080187298A1 (en) * 2004-10-29 2008-08-07 Carrier Corporation VSD Control
CN101034038A (zh) * 2007-03-28 2007-09-12 华北电力大学 异步电动机轴承故障检测方法
JP2009050078A (ja) * 2007-08-20 2009-03-05 Sumitomo Metal Ind Ltd 機械設備の異常判定装置及び機械設備の異常判定方法
CN102095573A (zh) * 2009-12-11 2011-06-15 上海卫星工程研究所 星载旋转设备机械部件状态监测与诊断报警方法
JP2011257362A (ja) * 2010-06-11 2011-12-22 Takada Corp 回転機械系の異常診断方法
US8405339B2 (en) * 2010-07-01 2013-03-26 Eaton Corporation System and method for detecting fault in an AC machine
CN101907868A (zh) * 2010-08-05 2010-12-08 暨南大学珠海学院 牵引供电系统智能故障诊断方法及其系统
CN103261904A (zh) * 2010-12-21 2013-08-21 西门子公司 电动机器的监测和故障诊断
CN103648827A (zh) * 2011-07-06 2014-03-19 通用电气公司 用于预测电机的机械故障的系统和方法
EP2743669A1 (en) * 2012-12-17 2014-06-18 General Electric Company Fault detection system and associated method
CN103226185A (zh) * 2013-03-26 2013-07-31 同济大学 一种基于谐波监测的变流器功率模块在线故障诊断方法
CN104344938A (zh) * 2013-08-07 2015-02-11 霍尼韦尔国际公司 用于监测振动数据的系统和方法
CN103472802A (zh) * 2013-09-13 2013-12-25 同济大学 风力发电机组智能状态监测终端及其数据处理方法
CN105829984A (zh) * 2013-10-22 2016-08-03 尼得科电机有限公司 机器诊断编码器
JP2015091219A (ja) * 2013-11-06 2015-05-11 ゼネラル・エレクトリック・カンパニイ 回転機械のための絶縁監視の温度補償

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
汪钰琪: "基于压缩感知的异步电动机远程故障诊断", 《中国优秀硕士学位论文全文数据库 工程科技II辑》, no. 4, 15 April 2016 (2016-04-15), pages 042 - 99 *
赵林桂: "基于傅里叶变换的异步电机转子故障检测", 《东北电力技术》, no. 7, 31 July 2004 (2004-07-31), pages 9 - 11 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111819452A (zh) * 2019-02-02 2020-10-23 深圳市大疆创新科技有限公司 电机运行状态的获取方法和装置
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
CN113925523A (zh) * 2020-06-29 2022-01-14 通用电气精准医疗有限责任公司 医疗成像系统的状态检测方法和装置以及ct成像系统检测
CN113925523B (zh) * 2020-06-29 2024-03-26 通用电气精准医疗有限责任公司 医疗成像系统的状态检测方法和装置以及ct成像系统检测
CN113125506A (zh) * 2021-03-01 2021-07-16 珠海广浩捷科技股份有限公司 光栅尺、磁栅尺的诊断方法、系统及存储介质
CN113125506B (zh) * 2021-03-01 2024-04-02 珠海广浩捷科技股份有限公司 光栅尺、磁栅尺的诊断方法、系统及存储介质

Also Published As

Publication number Publication date
MX2018002355A (es) 2018-12-10
JP7139122B2 (ja) 2022-09-20
CN108508359B (zh) 2022-07-05
ES2948188T3 (es) 2023-09-01
JP2018153081A (ja) 2018-09-27
BR102018003103A2 (pt) 2018-10-30
EP3367198B1 (en) 2023-06-07
CA2995263A1 (en) 2018-08-24
US20180246506A1 (en) 2018-08-30
EP3367198A1 (en) 2018-08-29
US10928814B2 (en) 2021-02-23

Similar Documents

Publication Publication Date Title
CN108508359A (zh) 基于电气特征分析的机器自主监测与诊断程序
US9759774B2 (en) Anomaly diagnosis system, method, and apparatus
JP5875734B2 (ja) 電動機の診断装置および開閉装置
US6774601B2 (en) System and method for predicting mechanical failures in machinery driven by an induction motor
EP2665925B1 (en) A method for diagnostic monitoring of a wind turbine generator system
EP3797304B1 (en) System and method for monitoring an operating condition of an electrical device when in operation
US10403116B2 (en) Electrical signature analysis of electrical rotating machines
WO2008148075A1 (en) Machine condition assessment through power distribution networks
EP2746885A1 (en) Method of monitoring the condition of a wind turbine
JP6945371B2 (ja) 回転機システムの診断装置、電力変換装置、回転機システム、および回転機システムの診断方法
WO2020208743A1 (ja) 電動機設備の異常診断装置、電動機設備の異常診断方法、および電動機設備の異常診断システム
US20200348363A1 (en) System and methods for fault detection
JPWO2019186909A1 (ja) 診断装置および診断方法
WO2022085425A1 (ja) モータ監視装置、モータ監視方法及びコンピュータプログラム
RU2641318C1 (ru) Способ диагностирования обобщённого технического состояния электродвигателя
KR102199104B1 (ko) 회전 기계의 결함을 검출하는 장치 및 방법
CN112781843A (zh) 通过确定瞬时转速操作期间的振动趋势检测转子异常
US11808248B2 (en) Method and system for performing condition monitoring of wind turbine components
JP7213211B2 (ja) インバータの劣化監視診断方法
Yang et al. A combined preventive maintenance strategy for bearings to accomplish the failure prevention of rotating equipment
Gazzana et al. A system for incipient fault detection and fault diagnosis based on MCSA
JP6808405B2 (ja) 回転機器の監視装置
WO2022107100A1 (en) Method and system for auto-detecting induction motor fault
CA3193757A1 (en) Method for monitoring one or more electric drives of an electromechanical system

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant