CN108780078A - 用于多模式工作系统的液体状况评估 - Google Patents
用于多模式工作系统的液体状况评估 Download PDFInfo
- Publication number
- CN108780078A CN108780078A CN201780012545.6A CN201780012545A CN108780078A CN 108780078 A CN108780078 A CN 108780078A CN 201780012545 A CN201780012545 A CN 201780012545A CN 108780078 A CN108780078 A CN 108780078A
- Authority
- CN
- China
- Prior art keywords
- liquid
- status data
- monitoring
- work
- 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
Links
- 239000007788 liquid Substances 0.000 title claims abstract description 99
- 238000011156 evaluation Methods 0.000 title claims abstract description 14
- 238000012544 monitoring process Methods 0.000 claims abstract description 35
- 238000000034 method Methods 0.000 claims abstract description 20
- 239000012530 fluid Substances 0.000 claims abstract description 17
- 238000013178 mathematical model Methods 0.000 claims abstract description 16
- 238000009826 distribution Methods 0.000 claims abstract description 14
- 238000005461 lubrication Methods 0.000 claims abstract description 14
- 238000004088 simulation Methods 0.000 claims abstract description 6
- 239000002245 particle Substances 0.000 claims description 26
- 230000001050 lubricating effect Effects 0.000 claims description 12
- 238000001914 filtration Methods 0.000 claims description 9
- 230000015556 catabolic process Effects 0.000 claims description 8
- 238000006731 degradation reaction Methods 0.000 claims description 8
- 230000000052 comparative effect Effects 0.000 abstract 1
- 238000005259 measurement Methods 0.000 description 11
- 239000003921 oil Substances 0.000 description 10
- 230000008859 change Effects 0.000 description 9
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 8
- 238000005299 abrasion Methods 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 5
- 230000009897 systematic effect Effects 0.000 description 5
- 230000001419 dependent effect Effects 0.000 description 4
- 239000002184 metal Substances 0.000 description 4
- 230000032683 aging Effects 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 239000008187 granular material Substances 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- BVPWJMCABCPUQY-UHFFFAOYSA-N 4-amino-5-chloro-2-methoxy-N-[1-(phenylmethyl)-4-piperidinyl]benzamide Chemical compound COC1=CC(N)=C(Cl)C=C1C(=O)NC1CCN(CC=2C=CC=CC=2)CC1 BVPWJMCABCPUQY-UHFFFAOYSA-N 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 2
- 208000035967 Long Term Adverse Effects Diseases 0.000 description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 description 2
- 230000002411 adverse Effects 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 235000008434 ginseng Nutrition 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 230000002547 anomalous effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 201000006549 dyspepsia Diseases 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 230000003455 independent Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000314 lubricant Substances 0.000 description 1
- 239000010705 motor oil Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000000746 purification Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 230000000153 supplemental effect Effects 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16N—LUBRICATING
- F16N29/00—Special means in lubricating arrangements or systems providing for the indication or detection of undesired conditions; Use of devices responsive to conditions in lubricating arrangements or systems
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
- F01M—LUBRICATING OF MACHINES OR ENGINES IN GENERAL; LUBRICATING INTERNAL COMBUSTION ENGINES; CRANKCASE VENTILATING
- F01M11/00—Component parts, details or accessories, not provided for in, or of interest apart from, groups F01M1/00 - F01M9/00
- F01M11/10—Indicating devices; Other safety devices
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/26—Oils; Viscous liquids; Paints; Inks
- G01N33/28—Oils, i.e. hydrocarbon liquids
- G01N33/2888—Lubricating oil characteristics, e.g. deterioration
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16H—GEARING
- F16H57/00—General details of gearing
- F16H57/04—Features relating to lubrication or cooling or heating
- F16H57/0405—Monitoring quality of lubricant or hydraulic fluids
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16N—LUBRICATING
- F16N2250/00—Measuring
- F16N2250/04—Pressure
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16N—LUBRICATING
- F16N2250/00—Measuring
- F16N2250/08—Temperature
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16N—LUBRICATING
- F16N2250/00—Measuring
- F16N2250/32—Inductive
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Mechanical Engineering (AREA)
- Analytical Chemistry (AREA)
- General Physics & Mathematics (AREA)
- Medicinal Chemistry (AREA)
- Physics & Mathematics (AREA)
- Oil, Petroleum & Natural Gas (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Food Science & Technology (AREA)
- Immunology (AREA)
- Pathology (AREA)
- General Chemical & Material Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明涉及一种液体状况评估方法和设备,其用于在至少两种不同工作模式下可工作的工作系统的液体润滑系统,所述方法包括测量监测的液体状况数据(401),确定所述工作系统的当前工作模式(310),然后,基于所述当前工作模式(310)选择相应的数学模型,基于所述数学模型对相应的模拟液体状况数据(320)建模,通过将监测的液体状况数据(401)与所述模拟液体状况数据(320)比较评估液体状况,从而为所述液体状况评估提供显著正态分布的数据集(402)。
Description
技术领域
用于在至少两种不同工作模式下可工作的工作系统的液体润滑系统中的液体状况评估方法和设备。
背景技术
一起工作的机械移动部件诸如齿轮被润滑以消除或减少金属对金属的磨损,从而确保机器正常工作时间和工作可预测性并且延长机器寿命。在本领域中,这种润滑液体由液体润滑系统供应,该液体润滑系统能够评估并且净化液体,去除例如机器随时间经过磨损时产生的磨损碎屑颗粒。
为了评估液体,各种传感器被放置以评价其状况的不同方面,例如大的和小的磨损碎屑颗粒、水含量和液体降解。有时,当系统超过特定历史确定的阈值时,该传感器数据然后被统计分析以产生警告和系统停止的基础。
例如,EP2530367B1描述一种用于监测齿轮箱内包含的油的状况的系统。
然而,由于机器在各种情况下以不同的容量工作,所以即使在正常工作的范围内,液体状况也会不同地受到影响,因此,技术人员难以评估液体传感器数据的变化是否仅由工作强度的变化引起或系统是否漂移。通常,当此处期望传感器数据变化时,工作的变化会引起故障和错误,这是有问题的,因此,在理论上已经对系统造成损害之前,可能很难或不可能注意到与理想变化不同的变化。
例如,对于碎屑颗粒,每秒描绘传感器数据的点的线形图将形成多“岛”现象,其中任何数据点更可能在岛上而不是在岛之间。有些岛可能重叠,有些岛可能相距很远。
例如,增加工作强度产生磨损碎屑产生的突然增加,并且导出先前较低的值是可以预料到的。然而,可能难以评估磨损碎屑颗粒的确切期望增加以及获得新的稳定磨损碎屑颗粒产生速率所需的持续时间。换言之,即使是训练有素的技术人员通常也难以理解在理想情况下达到粒子产生和过滤之间的平衡应该花费的时间。这是由许多起作用的各种变量,过滤纯度、系统老化、液体老化、机器工作强度、温度等工作条件的隐藏漂移部分造成的,这可能对液体系统以及机器本身两者产生长期的不利影响。
而且,当错误或漂移在其他平衡状态而不是在如上所述的工作变化期间发生时,本领域的模型需要包括使这些漂移模糊的不同数据岛。
在本领域中,为了包括这些岛分布并提高收集的传感器数据的有用性,采用统计变换来通常使用对数运算获得更类似于正态分布的分布。在理想情况下,这产生“驼峰”分布,其中平均值处于局部最小值,该局部最小值由对应于两个岛的两个全局最大值包围,并且然后,概率逐渐减小到低于最低值并高于这些最大值的最高值。然而,虽然这些变换提高了传感器数据的有用性,但它们并不能准确地解释有关多相系统的数据。
对于这些系统,因为从一个岛到另一个岛的任何漂移直到它通过该岛才被认识到,所以超过一半的所有期望类型的漂移可能被模型隐藏。换言之,需要更长时间才能确定向“中间区域”漂移。因为岛在漂移方向到达的“相邻岛”越多,传感器数据就越难以解读,所以用于感测系统的岛越多,这个问题就越普遍。
US5646341A描述一种用于发动机油系统的诊断设备。电动机生产商在模拟环境下针对每种电动机类型对期望值建模,并且向用户提供期望油压和实际油压之间的比较以诊断系统。然而,这不能对不同环境的影响、相同类型的不同电动机之间的差异或随时间经过磨损精确地建模。此外重要的是,由此获得的近似值具有在某些阈值条件范围之外的如此不精确,使得比较变得无用并且必须停止系统分析的缺点。
由于上述原因,需要一种更精确和稳健的液体系统状况评估方法和设备。
发明内容
因此,本发明的目的是解决至少一些上述问题。
这通过用于在至少两种不同工作模式下可工作的工作系统的液体润滑系统中的液体状况评估方法来获得,其中所述液体状况评估包括
-测量监测的液体状况数据,
-确定所述工作系统的当前工作模式,
-基于所述当前工作模式,选择相应的数学模型,
-基于所述数学模型,对相应的模拟液体状况数据建模,
-通过将监测的液体状况数据与所述模拟的液体状况数据比较来评估液体状况,从而为所述液体状况评估提供显著正态分布的数据集。
因此,可以确定测量值的变化以及与其平均值和方差的漂移,并且与期望值比较。这可以针对任何工作情况被单独地确定,而不管条件变化。这允许详细分析系统状况以及任何系统漂移,该系统漂移可能通过仅显示变化的方差或平均值而隐藏于传统传感器系统。
所谓监测的液体状况数据是指与液体润滑系统的液体的状况有关的相关传感器数据。
因此,磨损碎屑颗粒、液体降解、水含量、空气含量、温度和压力都包括在术语监测的液体状况数据中。这些不同的传感器类型也统称为参数。
这些参数通常是因变量,但在某些情况下可能会作为自变量。对于不同的数学模型,可能存在一些自变量和/或因变量。例如,在一个模型中为第二参数的因变量的第一参数在另一个模型中可以是自变量,第二参数则可以是因变量。
所谓数学模型是指公式。根据本发明,已经发现,可以使用一系列公式代替使用单个公式来预测系统性能,从而提高精度。这在简单的多项式函数不能令人满意地为整个工作范围建模的情况下有重大意义,这典型地是例如电动机的情形。
通过对期望传感器数据建模并且监测它,可以确定期望传感器数据和监测的传感器数据之间的差异。此外,通过对不同的工作模式使用不同的公式,即使对于异常工作模式也可以进行非常准确的预测,从而扩展系统理解,由此提高工作稳定性。例如,磨损碎屑颗粒产生可能以复杂的非多项式方式取决于工作速度和时间。
所谓工作模式是指系统主要与机器正在进行的工作强度相关的工作情况。例如,工作系统是被开启还是被关闭是工作模式的一个方面。在本发明的一个实施例中,工作模式涉及工作系统执行的工作强度,例如它是否以30%容量或90%容量工作。此外,与液体系统的工作有关的其他因素诸如外部温度、压力等也可以包括在工作模式中。
所谓工作系统是指包括需要在接合部中工作的移动部件,并且其中移动部件之间的接触是不期望的系统。
工作系统的示例可以是例如船上或其他离岸设施、风力涡轮机系统、发电厂系统中的其中液体用于润滑和/或动力传输的机械装置以及许多其他工业机械,其具有工作模式频繁变化的特征。
在一个实施例中,工作系统是齿轮,其作为电动机的一部分。在另一优选实施例中,工作系统位于船上。
例如,工作系统也可以是工作模式经常变化的其他工作系统,诸如风力涡轮机系统或发电厂系统。
所谓评价是指通常在相同参数的建模值和测量值之间比较,其中这种评价在某些情况下可以简单地采用减法的形式。因此,结果是归一化值,其中来自零的任何推导构成来自期望的推导。这样允许更好地诊断工作。在本发明的其他实施例中,评价可能比减法更复杂。例如,计算可以适合于补偿方差的差异,使得不同工作模式的不同方差被包括。这可能在两种工作模式之间的建模的传感器值差别很大时有益。两种模式中的方差在数值上相似,但它们的值的百分比不同,或者它们的方差是百分比相似,但在数值上不同,这都可以包括在本发明中。
通过执行上述的方法,工作模式被考虑,由此数据可被归一化,从而允许有用的平均值和方差在数据中出现,允许精确分析传感器数据,其中感测参数的任何变化可以被快速分类为良性或有害。
此外,它允许不仅可以为工作阶段创建模型,还可以为工作阶段之间的变化创建模型,这允许评估工作强度的变化是否像传感器数据预测的那样,或者是否存在漂移。例如,在降低工作强度时,磨损碎屑可能花费过多的时间来适应较低的平衡,这可能表示堵塞或无效的过滤器。在增加工作强度时,温度增加可能超过期望或比期望更快,这可能表明润滑质量正在下降。
在本发明的实施例中,监测的液体状况数据至少包括磨损碎屑颗粒读数以及工作模式。磨损碎屑颗粒是液体状况的重要参数。
在本发明的实施例中,监测的液体状况数据至少包括至少液体降解读数、温度读数、压力读数、空气含量读数或湿度读数。这些附加的参数描述了液体条件的不同方面,这使每个附加的测量参数有用。
在本发明的实施例中,液体是油产品。油是典型的润滑剂,并且通过使用油,可以长时间保持移动部件的状况。所谓油产品是指任何种类的油和包含油的任何复合产品,这种油产品通常主要是含有添加剂的油,以增加所需的效果,例如润滑性或耐久性。
在本发明的实施例中,至少两种不同的工作模式包括工作系统被关闭和开启。对于两种系统模式,离线过滤系统仍然可以运行,因此,关闭的工作系统产生基本上纯净的液体。以这种方式,对液体状况的影响两种工作模式的最大差异是工作系统是否在运行。
在本发明的实施例中,至少两种不同的工作模式包括工作系统被开启。工作系统可以以不同的强度工作,强度可以使用根据本发明的方法被建模。
在实施例中,液体润滑系统是用于船上的工作系统。因为如果设备或单个关键机械装置停止工作,则整个船将失去功能,使得故障非常昂贵,所以在船上,工作稳定性尤为重要。
本发明还涉及一种用于执行任何上述功能的设备。
附图说明
图1示出液体润滑系统的示意图,
图2是系统的工作模式的示意图,
图3是建模的磨损碎屑的图形视图,
图4A-图4C是根据本发明的数据比较的图形视图,
图5示出根据本发明的控制流程,
图6示出根据现有技术的方法的示图,
图7A-图7C示出根据现有技术的系统诊断方法。
具体实施方式
在下文中,将进一步描述本发明的实施例。
图1示出用于润滑机器123的液体润滑系统100。系统包括在线润滑系统,该在线润滑系统包括在线过滤器122和在线泵121,其中在线泵将润滑液体125从贮存部(reservoir)124抽出到机器的移动部件,例如齿轮,从而润滑它们。这确保了机器部件有效地移动以工作,其中在线过滤器确保大的碎屑颗粒不进入移动部件。机器产生磨损碎屑颗粒,其被带入液体贮存部中。
系统进一步包括离线系统,该离线系统包括离线泵111和离线过滤器113,其中离线泵通常通过离线过滤器从受污染最严重的贮存部底部抽出受污染的润滑液,并且将净化的液体返回到贮存部。离线过滤器通常比在线过滤器更有效,在较低的液体速度下工作,并且与在线过滤器相比,适于过滤更小的颗粒,而在线过滤器又不需要对液体流动施加太大的阻力。此外,参数传感器112沿着离线管道方便地放置在系统中的某处。
润滑系统在至少两种模式,即机器被开启和关闭下工作。它可以在更多模式,诸如例如通过在启动时提供突发功率开启各种子设备下工作。它可以根据各种强度例如机器容量的百分之零到百分之百工作。可以设想各种模式以产生不同量的磨损碎屑,并且以其他方式产生不同的期望传感器信号,或换言之,对这些信号具有不同的平均值和方差。
因为在机器工作期间,机器产生稳定的磨损碎屑并将其释放到贮存部中,所以当机器被关闭时,离线系统仍然可以工作以净化液体,从而获得比工作期间更少量的磨损碎屑。
虽然描述的本发明的实施例涉及磨损碎屑,但是感测的参数可以是描述液体状况的任何参数,磨损碎屑至少方便地描述液体状况,但也可以主要或仅由液体降解组成。此外,可以使用多种参数,例如液体降解、温度、压力、水含量和空气含量。监测液体状况的传感器112可以被放置在系统内的任何位置,例如离线过滤器的上游或者方便地在该离线过滤器的下游。虽然放置对于本发明本身并不重要,但是由于离线过滤器总是方便地或基本上始终在工作中,因此将传感器放置在此处允许稳定地提供传感器数据。
图2示出润滑系统200的元件,其中来自系统的两种不同工作模式的元件被确定。工作模式至少对应于被动工作模式201和主动工作模式202,其中机器在被动工作模式下被关闭,并且仅离线系统是主动的,并且机器在主动工作模式下被开启并且在线系统也是主动的。这会产生两种不同的情况。由于在被动工作模式下,不产生磨损碎屑颗粒,因此由离线过滤器执行的过滤基本上净化液体。在主动工作模式下,机器将液体碎屑连续地产生到液体中,该液体通过离线过滤器和在线过滤器连续地被净化。随着时间过去,然后根据两个过滤器113、122的效率以及从机器123释放磨损颗粒的程度实现平衡。
对于每个不同的情况201、202,特定于该工作模式的数学模型描述期望参数数据。原本看起来在一定范围内的测量值,例如诸如在被动工作模式期间过大量的磨损碎屑,被显示为损害系统,该过大量的磨损碎屑可能例如由不起作用或故障的过滤器产生。
虽然根据本发明,专门针对磨损碎屑用曲线图说明图2所示的工作模式的数学模型,但是可以针对其他传感器数据集求出其他模型。这些模型需要考虑对他们的值的状态很重要的那些因素。例如,过滤器可能对温度不重要,而过滤器可能会影响压力–虽然不是通过过滤效率而是通过流动阻力。即使外部参数诸如环境温度对于期望系统行为有效地建模也重要。
在图2中,仅确定两种不同的工作模式201、202。然而,主动模式202可以根据工作的强度变化很大并且因此可以细分为更细微的工作模式,每种细微的工作模式将具有其自己的数学模型。
图3是作为当前工作模式310的变量的建模后的磨损碎屑320的图形视图。在任何给定时间,工作强度310取一个值。虽然在根据图3的实施例中,第三模式即突发模式202'是可能的,但是在本发明的最简单实施例中,工作强度可以采用两个不同的值,例如被动模式201的值或主动模式202的值。在突发模式下,机器和在主动模式202下一样是主动的,并且机器在更高的强度下工作。该模式通常用于启动系统,以快速获得则可以保持较低强度的动量。例如,这对于船上的螺旋桨是有用的,其中使船身在水中开始移动很难,而保持船身在水中移动则相对容易。
根据当前的工作强度,可以期望各种磨损碎屑测量结果。在根据图3的实施例中,长期期望的测量结果是对应于被动模式201,基本上没有磨损颗粒321;对应于主动模式202,磨损颗粒数322正常;对应于突发模式202',磨损粒子计数322'高。
因为系统需要时间来适应新的工作模式,所以当建模的磨损碎屑320朝向对应于颗粒数321、322和322'的平衡生长时,先前的传感器读数对于确定可期望的测量结果也是重要的。因此,可以期望某个反馈滞后,并由此需要微分方程来确定系统传感器数据的轨迹。
这通过建模的磨损碎屑320的曲线来说明。在第一工作模式变化311处,当前工作模式310立即从主动模式202转换到机器被关闭的被动模式201。然后,因为过滤器过滤越来越多的磨损碎屑颗粒,所以期望参数读数从正常磨损颗粒数322逐渐减小到基本上没有磨损颗粒321,但是由于颗粒之间的距离更远,所以期望参数读数减小的越来越慢。
当发生第二工作模式变化311'时,期望磨损颗粒测量结果接近高颗粒数322',其中颗粒密度高到使得过滤器去除数量等于加上机器磨损的颗粒。当前工作模式310的这些变化及其建模的磨损碎屑320的相应滞后变化随着时间过去继续。
这些公式计算所需的变量和常数可以在磨合阶段期间从系统和/或基于期望值,例如通过使用相关组件的数据表和/或通过使用来自其他类似系统的参考值来历史地确定。
可以在使用期间和使用之后调整系统模型200以提高其精度。例如,这可以通过包括新变量或常数、通过校准这些变量或常数的值,和/或去除变量和常数来完成。它也可以通过包括针对新的工作模式的新公式来完成。例如,系统模型200可以最初包括关于两种工作模式的两个公式。一段时间后,新的公式可以被包括在系统模型中,这可以构成机器的另一个工作强度,由此,系统模型包括三个公式并且因此其精度增加。
在本发明的一个实施例中,可以从初始工作强度集推导各种工作强度,可以从该初始工作强度集为系统模型200求出一系列公式。例如,系统可以在机器容量的30%和机器容量的90%下工作,在大多数情况下,系统可以在小时间段内在30%和90%之间的任何位置,诸如45%或60%下工作。通过比较两个或多个工作强度下的常数和变量的值,可以为变量和常数求出函数,变量和常数的值取决于工作强度。例如,机器磨损碎屑产生可以在30%的工作强度下取一个值,并且在90%的工作强度下取更高的值。通过比较两个或更多个点处的值,可以针对中间值外推变量和常数,并且可以针对两个或更多个初始工作强度之间的任何强度求出公式。在本发明的另一个实施例中,估计中间常数值和中间变量值可以根据任何函数类型,诸如幂函数或对数函数通过比较至少两个工作强度并且方便地至少三个工作强度来执行。
虽然稳定状态(平衡状态)之间的偏移是非线性的,但是它们在数学上是确定性的,意味着它们是可计算的,并且从这些曲线的系统推导表示系统漂移,然后根据本发明可以确定系统漂移。因此,即使在变化期间也可以辨别系统漂移。
图4示出感测数据和建模数据之间的图形相关性。
图4A示出包含建模的磨损碎屑320和监测的液体状况数据401的曲线图。可以看出,可以获得拟合,其中监测的数据围绕期望数据波动。
图4B示出基于减去建模的磨损碎屑320和监测的液体状况数据401归一化的数据集。以这种方式,对不同的工作模式进行补偿,由此出现归一化的测量数据402。归一化测量数据402具有单个平均值403和方差。通过这样获得针对系统的具有平均值和方差的数据集,可以精确地评估工作性能。
这允许对监测的系统条件参数的变化进行敏感性评价,其中任何变化都根据其期望值和趋势来评价。
图4C示出已经使用归一化测量数据402的得到的显著正态分布的数据集(404)。
因为可以更高程度地信任传感器数据,所以不仅可以容易地确定错误而且可以容易地确定系统漂移。当系统反复获得超出期望值时,它可能表示系统磨损。例如,水含量会略微增加但不可避免地增加,或者使水含量显著增加的事件可能随着时间的推移变得更加常见。它们分别代表平均值和方差的变化。
尤其是在已经监测可以与系统比较的先前系统寿命时,基于这些精确确定的磨损模式,可以精确地预测系统寿命。
图5是根据本发明的数据流程。圆柱形框表示数据存储装置,而矩形框表示过程,而线是数据流。可以认为数据被存储在用于根据本发明的过程的中央或分布式数据库中。
系统中的一个或多个传感器112适用于系统测量501。系统测量可以包括系统内部的各种传感器和各种布置,并且连续执行系统测量。在一个实施例中,得到的监测液体状况数据401被连续传输,其中连续地表示每分钟传输数据至少一次,优选每十秒传输数据至少一次。在一个实施例中,重要的是系统在工作模式改变时传输值。此外,系统感测还包括确定当前工作模式310。
通过模型使用502,系统模型200用于确定正确数学模型来计算参数数据然后执行相关计算。在本发明的实施例中,系统模型包括公式列表。在本发明的实施例中,针对每种工作模式的公式被求出。
在另一个实施例中,模型使用502包括在确定当前工作模式310中国检查一系列参数,当前工作模式310的最合适的公式可以是一个。其他因素,诸如监测的液体状况数据也可能起作用。例如,在系统内部空气数量高的情况下,压力可以表现得非常不同,从而在压力是建模的参数的情况下促使使用适合于这种情况的公式。应该最佳地调整系统模型,以便针对任何给定情况准确地确定一个公式,或者可选地,使得它们针对拟合进行排序,然后可以选择最佳拟合。方便地,通过算法以电子方式执行确定最合适的公式。因为系统对时间敏感,所以先前的值起作用,并且微分方程在系统模型200中有用。
当合适的公式被确定时,先前收集的监测的液体状况数据401或另一合适的数据源用作基值。然后推导出所确定的公式,并由此得到期望传感器读数。
然后基于监测的液体状况数据401执行测量结果归一化503。由模型计算得到的建模的磨损碎屑320与磨损监测的液体状况数据401进行比较,并且可以精确地确定任何归一化测量数据402。
这种比较可以简单地包括从感测的磨损碎屑中减去建模的磨损碎屑。然而,也可以执行更精细的归一化。这种更精细的归一化可以考虑不同工作模式的不同方差。例如,期望值越高的工作模式的期望方差可以较高,这些方差在本发明中被考虑。
通过这样确定归一化测量数据402,技术人员能够评估工作模式的变化是否显示系统漂移,或者是否根据模型发生变化。随着时间过去,也可以确定平衡的漂移。
基于所收集的归一化测量数据402的时间段,系统参考数据512被生成,随后可以基于该系统参考数据512评估归一化的传感器数据。该参考数据512在给定的时间段内被生成。虽然较长的时间段提供更准确的数据,但是对于本发明来说,具有给定的长度的时间段本身是没有用的。由于系统被持续磨损,因此时间段不应太长,因此太长的参考时间段实际上可能比较短的参考时间段更不准确。虽然当首先实施根据本发明的监测系统时,可以使用较短的时间段,例如一小时或一天来生成引导程序参考数据,但是可以方便地使用一周、一个月或一年来生成参考数据。
在本发明的实施例中,参考数据被连续或定期校准以反映系统性能的变化,例如反映系统磨损。例如,较旧的液体系统可能更容易受热,因此工作强度的轻微变化产生热液体,其会不利地降低粘度,从而增加金属对金属的磨损并产生磨损碎屑颗粒。然后系统参考数据512方便地被更新以表示先前良性系统变化的不利影响。这些校准还涉及模型本身以及可能随时间变化的变量和常数。
参考数据512至少考虑归一化测量数据402。
因为监测的液体状况数据在被改为参考数据之前通过模型被归一化,所以基本上做好概率分布的准备。本发明的中心目的是提高技术人员对系统的理解,因此,概率分布归一化测量数据402是有用的。
通过概率分布参考数据,稍后的读数可以被置于体系中研究。由此技术人员不仅可以评估给定信号是否如期望的那样,他还可以评估任何给定当前读数的可能性。然后,执行系统条件评估504,其中当前归一化测量数据402读数与系统参考数据512比较。这允许技术人员根据先前的类似情况来查看当前情况。
在本发明的实施例中,不仅单个信号值与系统参考数据比较,而且一系列最新的连续信号读数与系统参考数据比较。这允许在仍处于正常工作的同时确定有害的工作轨迹。
基于系统评价传输信号,该信号描述系统的状态并且适于发出警告。它可能适合提供早期预警。
虽然所描述的实施例仅适用于磨损碎屑颗粒,但是因为根据本发明可以监测润滑液体或液体润滑系统的任何参数,例如液体降解、温度、压力、水含量、空气含量、诸如功率等与系统运行相关的参数,所以这是为了通信目的而进行。
图6示出模型使用502中涉及的步骤。监测的液体状况数据401被输入到至少使用当前工作模式310的过程中。
方便地使用至少当前工作模式310来选择最适合的数学模型602、602'、602”。其他数据,例如某些监测的液体状况数据401也可以用在该过程中。例如,系统中足够高的空气含量可能对某些参数,例如压力产生截然不同的行为。系统模型包括至少两个数学模型,并且可以包括任何数量的数学模型602、602'......602N。
在最合适的数学模型被选择之后,相关参数被插入模型中,于是执行模型分辨率603,从而产生模拟的液体状况数据320。
图7示出根据现有技术的系统诊断方法,并且已经包括在本文中要用于交流目的。
图7A示出可用于分析的原始数据、监测的液体状况数据401以及其平均值701。对于与监测的液体状况数据401相似的系统不对称数据,在正常工作的阈值内可能在不注意的情况下容易发生系统漂移。
例如,增加工作强度产生磨损碎屑生成尖峰,并且在此,期望来自先前较低的值的推导。然而,可能难以评估磨损碎屑颗粒的准确期望增加以及实现新的稳定磨损颗粒产生速率所需的持续时间。换言之,即使是训练有素的技术人员通常不能理解理想情况下粒子产生和过滤之间达到平衡所需的时间。这是由许多起作用的各种变量,过滤纯度、系统老化、液体老化、机器工作强度、温度等工作条件的隐藏漂移部分造成的,这可能对液体系统以及机器本身两者产生长期的不利影响。
图7B示出概率分布702,其可以描述监测的液体状况数据的分布。因为不考虑读数的环境,所以不能容易地确定从第一概率岛702'到局部最小值702'的漂移。只要保持第一概率岛702'和第三概率岛702”'之间测量,评估系统条件是困难的,并且漂移保持隐藏。因为从一个岛到另一个岛的任何漂移直到它通过该岛才被认识到,所以超过一半的所有期望类型的漂移可能被模型隐藏。因为岛在漂移方向到达的“相邻岛”越多,传感器数据就越难以解读,所以用于感测系统的岛越多,这个问题就越普遍。
图7C示出本领域中为纠正该情况而执行的变换。在理想情况下,这产生“驼峰”分布,其中平均值处于局部最小值,该局部最小值由对应于两个岛的两个全局最大值包围,并且然后,概率逐渐减小到低于最低值并高于这些最大值的最高值。然而,虽然这些变换提高了传感器数据的有用性,但它们并不能准确地解释有关多相系统的数据,因此除了它们需要工作之外,不能满足评估系统健康状况。
附图标记
100-液体润滑系统
111-离线泵
112-传感器
113-离线过滤器
121-在线泵
122-在线过滤器
123-机器
124-液体贮存部
125-润滑液
200-系统模型
201-被动模式
202-主动模式
202'-突发模式
310-当前工作模式
311-第一次工作模式变化
311'-第二次工作模式变化
320-模拟液体状况数据
321-基本上没有磨损碎屑
322-正常磨损碎屑
322'-高磨损碎屑
401-监测的液体状况数据
402-归一化测量数据
403-平均值
404-显著正态分布数据集
501-系统测量
502-模型使用
503-测量结果归一化
504-系统状况评价
505-信号处理
512-系统参考数据
601-模型选择
602-第一模型
602'-第二模型
602N-第N模型
603-模型分辨率
701-平均值
702-概率分布
702'-第一概率岛
702”-局部最小值
702”'-第二概率岛
702””-第三概率岛
703-转换参数测量结果分布
Claims (15)
1.一种液体状况评估方法,其用于在至少两种不同工作模式下可工作的工作系统的液体润滑系统,其中所述液体状况评估方法包括
-测量监测的液体状况数据(401),
-确定所述工作系统的当前工作模式(310),
-基于所述当前工作模式(310)选择相应的数学模型(601、601'、......、601N),
-基于所述数学模型对相应的模拟液体状况数据(320)建模,
-通过将监测的液体状况数据(401)与所述模拟液体状况数据(320)比较来评估液体状况,从而为所述液体状况评估提供显著正态分布的数据集。
2.根据权利要求1所述的方法,其中所述监测的液体状况数据(401)至少包括磨损碎屑颗粒读数。
3.根据前述权利要求中的任意一项所述的方法,其中所述监测的液体状况数据(401)至少包括液体降解读数、温度读数、压力读数、空气含量读数或湿度读数。
4.根据前述权利要求中的任意一项所述的方法,其中所述润滑系统内的液体(125)是油产品。
5.根据前述权利要求中的任意一项所述的方法,其中所述至少两种不同工作模式中的一个包括所述工作系统被关闭(201)并且所述至少两种不同工作模式中的另一种包括所述工作系统被开启(202)。
6.根据前述权利要求中的任意一项所述的方法,其中至少两种不同的工作模式包括所述工作系统被开启(202、202')。
7.根据前述权利要求中的任意一项所述的方法,其中所述液体润滑系统是船上的工作系统。
8.一种液体状况评估设备,用于在至少两种不同工作模式下可工作的工作系统的液体润滑系统,其中所述设备包括:
-第一接收装置,其用于接收监测的液体状况数据(401),
-第二接收装置,其用于接收所述工作系统的当前工作模式(310),
-选择装置,其用于根据所述当前工作模式(310)选择数学模型(601、601'、......、601N),
-模拟装置,其基于所述数学模型对模拟液体状况数据(320)建模,
-评估装置,其通过将监测的液体状况数据(401)与所述模拟液体状况数据(320)比较来评估液体状况,从而为所述液体状况评估提供显著正态分布的数据集。
9.根据权利要求8所述的设备,其中所述第一接收单元是适于收集监测的液体状况数据(401)的传感器(112)。
10.根据前述权利要求中的任意一项所述的设备,其中,所述传感器单元(112)在沿离线过滤系统的位置处收集监测的液体状况数据(401)。
11.根据前述权利要求中的任意一项所述的设备,其中所述监测的液体状况数据(401)至少包括磨损碎屑颗粒读数。
12.根据前述权利要求中的任意一项所述的设备,其中所述监测的液体状况数据(401)至少包括液体降解读数、温度读数、压力读数、空气含量读数或湿度读数。
13.根据前述权利要求中的任意一项所述的设备,其中所述润滑系统内的液体(125)是油产品。
14.根据前述权利要求中的任意一项所述的设备,其中所述至少两种不同工作模式中的一个包括所述工作系统被关闭(201)并且所述至少两种不同工作模式中的另一种包括所述工作系统被开启(202)。
15.根据前述权利要求中的任意一项所述的设备,其中所述设备用于评估船上工作系统的液体润滑系统。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP16156939.7A EP3211418A1 (en) | 2016-02-23 | 2016-02-23 | Liquid condition assessment for a multimode operational system |
EP16156939.7 | 2016-02-23 | ||
PCT/EP2017/054166 WO2017144589A1 (en) | 2016-02-23 | 2017-02-23 | Liquid condition assessment for a multimode operational system |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108780078A true CN108780078A (zh) | 2018-11-09 |
CN108780078B CN108780078B (zh) | 2021-05-14 |
Family
ID=55521440
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780012545.6A Active CN108780078B (zh) | 2016-02-23 | 2017-02-23 | 用于多模式工作系统的液体状况评估 |
Country Status (7)
Country | Link |
---|---|
US (1) | US10914423B2 (zh) |
EP (2) | EP3211418A1 (zh) |
CN (1) | CN108780078B (zh) |
BR (1) | BR112018068043B1 (zh) |
DK (1) | DK3420351T3 (zh) |
ES (1) | ES2820364T3 (zh) |
WO (1) | WO2017144589A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110906152A (zh) * | 2019-12-04 | 2020-03-24 | 江苏方天电力技术有限公司 | 一种调相机油液系统在线安全预警系统 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102118366B1 (ko) * | 2017-08-22 | 2020-06-04 | 주식회사 엘지화학 | 방열 소재 디스펜싱 장치의 결정방법 |
US11773960B2 (en) * | 2021-10-31 | 2023-10-03 | Hiwin Technologies Corp. | Linear transmission device with capability of real-time monitoring of amount of lubricant |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5646341A (en) * | 1995-07-28 | 1997-07-08 | Caterpillar Inc. | Apparatus and method for diagnosing an engine using an oil pressure model |
US20040128059A1 (en) * | 2001-04-23 | 2004-07-01 | Franz Kunz | Method for determining the oil temperature in an internal combustion engine |
CN102252712A (zh) * | 2011-04-09 | 2011-11-23 | 辽宁天泽产业集团纺织有限公司 | 一种高压输变电变压器绝缘油质量监测系统 |
US20120046896A1 (en) * | 2010-08-17 | 2012-02-23 | Snecma | Monitoring particles in a lubrication system |
CN102460108A (zh) * | 2009-06-08 | 2012-05-16 | Hydac过滤系统有限公司 | 用于检测流体中杂质的方法和设备 |
CN102563328A (zh) * | 2012-02-16 | 2012-07-11 | 朱子新 | 机器润滑系统中大颗粒金属磨屑的监控方法 |
CN103294863A (zh) * | 2013-05-30 | 2013-09-11 | 武汉轻工大学 | 一种根据化学结构预测润滑基础油抗磨损性能的方法 |
US20140130587A1 (en) * | 2011-09-23 | 2014-05-15 | Mastinc | Multi-modal fluid condition sensor platform and system thereof |
CN103983757A (zh) * | 2014-06-04 | 2014-08-13 | 国家电网公司 | 基于混合Weibull分布的变压器绝缘热老化状态可靠性评估方法 |
CN104568431A (zh) * | 2014-12-29 | 2015-04-29 | 浙江大学 | 用于测量油膜动态参数的液粘传动试验装置 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3526127A (en) | 1969-03-24 | 1970-09-01 | Mobil Oil Corp | Engine oil analysis system |
US6324899B1 (en) | 1998-04-02 | 2001-12-04 | Reliance Electric Technologies, Llc | Bearing-sensor integration for a lubrication analysis system |
US6449580B1 (en) | 1998-05-11 | 2002-09-10 | Entek Ird International Corporation | Evaluating properties of oil using dielectric spectroscopy |
US7581434B1 (en) | 2003-09-25 | 2009-09-01 | Rockwell Automation Technologies, Inc. | Intelligent fluid sensor for machinery diagnostics, prognostics, and control |
US8322200B2 (en) * | 2007-12-21 | 2012-12-04 | Exxonmobil Research And Engineering Company | Method for certifying composition and property variables of manufactured petroleum products |
US8190394B2 (en) | 2011-05-31 | 2012-05-29 | General Electric Company | System and methods for monitoring oil conditions of a wind turbine gearbox |
US9568461B2 (en) | 2012-12-31 | 2017-02-14 | Mastinc | Multi-modal fluid condition sensor platform and system therefor |
-
2016
- 2016-02-23 EP EP16156939.7A patent/EP3211418A1/en not_active Withdrawn
-
2017
- 2017-02-23 BR BR112018068043-5A patent/BR112018068043B1/pt active IP Right Grant
- 2017-02-23 EP EP17715049.7A patent/EP3420351B1/en active Active
- 2017-02-23 US US16/078,814 patent/US10914423B2/en active Active
- 2017-02-23 WO PCT/EP2017/054166 patent/WO2017144589A1/en active Application Filing
- 2017-02-23 DK DK17715049.7T patent/DK3420351T3/da active
- 2017-02-23 ES ES17715049T patent/ES2820364T3/es active Active
- 2017-02-23 CN CN201780012545.6A patent/CN108780078B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5646341A (en) * | 1995-07-28 | 1997-07-08 | Caterpillar Inc. | Apparatus and method for diagnosing an engine using an oil pressure model |
US20040128059A1 (en) * | 2001-04-23 | 2004-07-01 | Franz Kunz | Method for determining the oil temperature in an internal combustion engine |
CN102460108A (zh) * | 2009-06-08 | 2012-05-16 | Hydac过滤系统有限公司 | 用于检测流体中杂质的方法和设备 |
US20120046896A1 (en) * | 2010-08-17 | 2012-02-23 | Snecma | Monitoring particles in a lubrication system |
CN102252712A (zh) * | 2011-04-09 | 2011-11-23 | 辽宁天泽产业集团纺织有限公司 | 一种高压输变电变压器绝缘油质量监测系统 |
US20140130587A1 (en) * | 2011-09-23 | 2014-05-15 | Mastinc | Multi-modal fluid condition sensor platform and system thereof |
CN102563328A (zh) * | 2012-02-16 | 2012-07-11 | 朱子新 | 机器润滑系统中大颗粒金属磨屑的监控方法 |
CN103294863A (zh) * | 2013-05-30 | 2013-09-11 | 武汉轻工大学 | 一种根据化学结构预测润滑基础油抗磨损性能的方法 |
CN103983757A (zh) * | 2014-06-04 | 2014-08-13 | 国家电网公司 | 基于混合Weibull分布的变压器绝缘热老化状态可靠性评估方法 |
CN104568431A (zh) * | 2014-12-29 | 2015-04-29 | 浙江大学 | 用于测量油膜动态参数的液粘传动试验装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110906152A (zh) * | 2019-12-04 | 2020-03-24 | 江苏方天电力技术有限公司 | 一种调相机油液系统在线安全预警系统 |
CN110906152B (zh) * | 2019-12-04 | 2021-05-18 | 江苏方天电力技术有限公司 | 一种调相机油液系统在线安全预警系统 |
Also Published As
Publication number | Publication date |
---|---|
CN108780078B (zh) | 2021-05-14 |
EP3211418A1 (en) | 2017-08-30 |
ES2820364T3 (es) | 2021-04-20 |
US20190056061A1 (en) | 2019-02-21 |
EP3420351B1 (en) | 2020-06-24 |
US10914423B2 (en) | 2021-02-09 |
BR112018068043B1 (pt) | 2022-10-11 |
BR112018068043A2 (pt) | 2019-01-08 |
EP3420351A1 (en) | 2019-01-02 |
WO2017144589A1 (en) | 2017-08-31 |
DK3420351T3 (da) | 2020-09-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US5968371A (en) | Lubricant circulation diagnostic and modeling system | |
JP4931996B2 (ja) | プロセス制御及びモニタリングシステムの診断法 | |
CN108780078A (zh) | 用于多模式工作系统的液体状况评估 | |
Jammu et al. | A review on prognosis of rolling element bearings | |
Jantunen et al. | Optimising maintenance: What are the expectations for Cyber Physical Systems | |
Firdaus et al. | Maintenance for energy efficiency: a review | |
Pan et al. | Remaining useful life prediction of lubricating oil with small samples | |
Tič et al. | Enhanced lubricant management to reduce costs and minimise environmental impact | |
ES2801778T3 (es) | Sistema y unidad de sensor para la monitorización y evaluación de la condición del líquido | |
Anis | Towards remaining useful life prediction in rotating machine fault prognosis: an exponential degradation model | |
Montgomery et al. | Minor maintenance actions and their impact on diagnostic and prognostic CBM models | |
Wei et al. | Remaining useful life prediction using a stochastic filtering model with multi-sensor information fusion | |
Sethiya | Condition based maintenance (cbm) | |
Orošnjak | Maintenance Practice Performance Assessment of Hydraulic Machinery: West Balkan Meta-Statistics and Energy-Based Maintenance Paradigm | |
Vališ et al. | Degradation process and failure estimation of drilling system based on real data and diffusion process supported by state space models | |
Ma et al. | Similarity-based failure threshold determination for system residual life prediction | |
Naikan et al. | Reliability modelling and analysis of automobile engine oil | |
AHMAD et al. | Maintenance decision-making process for a multi-component production unit using output-based maintenance technique: a case study for non-repairable two serial components’ unit | |
CN109072882A (zh) | 预测风力涡轮机油过滤器磨损水平的预测与健康管理模型 | |
Shahkar et al. | Diagnosis, prognosis and health monitoring of electro hydraulic servo valves (EHSV) using particle filters | |
Johnson | Strategic oil analysis: Time-dependent alarms for extended lubricant lifecycles | |
Letot et al. | Updated operational reliability from degradation indicators and adaptive maintenance strategy | |
Rabani et al. | A stochastic model for indirect condition monitoring using proportional covariate model | |
Gill | Evaluation of Prediction Models for Smart Oil Filters | |
Peršin et al. | A system for automated online oil analysis |
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 |