CN109791090B - 轴承的剩余有效寿命的预测 - Google Patents
轴承的剩余有效寿命的预测 Download PDFInfo
- Publication number
- CN109791090B CN109791090B CN201780057964.1A CN201780057964A CN109791090B CN 109791090 B CN109791090 B CN 109791090B CN 201780057964 A CN201780057964 A CN 201780057964A CN 109791090 B CN109791090 B CN 109791090B
- Authority
- CN
- China
- Prior art keywords
- bearing
- useful life
- remaining useful
- phase
- controller
- 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.)
- Active
Links
Images
Classifications
-
- 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
- G01M13/04—Bearings
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
提供了用于预测电动吊舱式方位推进器的轴承的剩余有效寿命的机构。方法由控制器执行。该方法包括获取轴承的操作条件。该方法包括使用操作条件来预测轴承的剩余有效寿命。轴承的寿命分为三个单独阶段。在三个单独阶段中,对轴承的剩余有效寿命进行不同地预测。
Description
技术领域
本文中所给出的实施例涉及用于预测轴承的剩余有效寿命的方法、控制器、计算机程序和计算机程序产品。
背景技术
一般而言,电动吊舱式方位推进器是船用推进单元,其由安装在可转向大型平底船(gondola)(“吊舱”)上的固定螺距螺旋桨组成,该大型平底船还包含驱动螺旋桨的电动机。因此,吊舱式方位推进器将方向舵、推进器和螺旋桨的动作组合成一个旋转推进单元。在吊舱式方位推进器单元中,电动机安装在推进单元内部,并且螺旋桨直接连接到电机轴。通过避免使用传统的螺旋桨轴,螺旋桨可以进一步位于清澈水流中的船尾下方,从而提供更大的流体动力和机械效率。更进一步地,它增加了船舶发电站总体布置的灵活性。用于推进电机的电力通过滑环传导,滑环使吊舱式方位推进器单元围绕竖直轴线旋转360度。因为吊舱式方位推进器单元利用固定螺距螺旋桨,所以总是通过允许控制推进电机的速度和方向的变频驱动器或交交变流器馈送电力。
从推进产品可用性性能的角度可以看出在历史上,轴线轴承具有非定期入干坞的最高临界重要因素。这意味着如果轮船由于推进产品相关损坏而需要入干坞,则推进产品相关损坏很可能是由轴线轴承故障造成的。因此,根据给定维护指令维持轴承的操作环境(operating context)以及基于给定指南来操作推进产品是至关重要的。另外,可能需要预测性维护以最大化存活的可能性,直到下一定期入干坞为止,尤其是在发生轴承损坏的情况下。今天,这个问题使用来自不同来源的数据进行解决,借助于通过若干手动和自动方法对轴承进行连续以及定期监测、主要基于专业知识和建议来进行分析。这样的监测可能很麻烦,因此可能难以准确预测吊舱式方位推进器轴承的剩余有效寿命(RUL)。
因此,仍然需要改进对轴承的剩余有效寿命的预测。
发明内容
本文中的实施例的目的是提供轴承的剩余有效寿命的有效且准确的预测。
根据第一方面,提出了用于预测电动吊舱式方位推进器的轴承的剩余有效寿命的方法。方法由控制器执行。方法包括:获取轴承的操作条件。方法包括:使用操作条件来预测轴承的剩余有效寿命。轴承的寿命分为三个单独阶段。在三个单独阶段中,对轴承的剩余有效寿命进行不同地预测。
根据第二方面,提出了用于预测电动吊舱式方位推进器的轴承的剩余有效寿命的控制器。控制器包括处理电路。处理电路被配置为使得控制器获取轴承的操作条件。处理电路被配置为使得控制器使用操作条件预测轴承的剩余有效寿命。轴承的寿命分为三个单独阶段。在三个单独阶段中,对轴承的剩余有效寿命进行不同地预测。
根据第三方面,提出了用于预测电动吊舱式方位推进器的轴承的剩余有效寿命的控制器。控制器包括获取模块,获取模块被配置为获取轴承的操作条件。控制器包括预测模块,预测模块被配置为使用操作条件来预测轴承的剩余有效寿命。轴承的寿命分为三个单独阶段。在三个单独阶段中,对轴承的剩余有效寿命进行不同地预测。
根据第四方面,提出了用于预测电动吊舱式方位推进器的轴承的剩余有效寿命的控制器。控制器包括处理电路和存储介质。存储介质存储指令,该指令当由处理电路执行时,使得控制器执行操作或步骤。这些操作或步骤使得控制器获取轴承的操作条件。这些操作或步骤使得控制器使用操作条件来预测轴承的剩余有效寿命。轴承的寿命分为三个单独阶段。在三个单独阶段中,对轴承的剩余有效寿命进行不同地预测。
有利地,这提供了对轴承的剩余有效寿命的有效预测。
有利地,本文中所公开的方法和控制器使得能够有效地预测吊舱式方位推进器轴承的RUL。进一步地,RUL的有效预测可以用作吊舱式方位推进器轴承的维护的有效预测的输入。
有利地,本文中所公开的方法和控制器使得可以通过调整最佳维护计划的操作条件来最小化维护成本并避免意外停机。
根据第五方面,提供了用于预测电动吊舱式方位推进器的轴承的剩余有效寿命的计算机程序,计算机程序包括计算机程序代码,该计算机程序代码当在控制器上运行时,使得控制器执行根据第一方面的方法。
根据第六方面,提供了计算机程序产品,其包括根据第五方面的计算机程序和计算机可读存储介质,计算机程序存储在该计算机可读存储介质上。计算机可读存储介质可以是非暂态计算机可读存储介质。
应当指出,在适当的情况下,第一方面、第二方面、第三方面、第四方面、第五方面和第六方面的任何特征可以应用于任何其他方面。同样地,第一方面的任何优点可以分别等同应用于第二方面、第三方面、第四方面、第五方面和/或第六方面,反之亦然。根据以下详细公开内容、根据所附从属权利要求以及附图,所附实施例的其他目的、特征和优点将显而易见。
通常,除非本文另有明确定义,否则权利要求中使用的所有术语将根据它们在技术领域中的普通含义来解释。对“元件、装置、部件、手段、步骤等”的所有引用除非另外明确说明,否则将被公开解释为指代元件、装置、部件、手段、步骤等的至少一个实例。除非明确说明,否则本文中所公开的任何方法的步骤不必以所公开的确切顺序执行。
附图说明
现在参考附图,通过示例对本发明构思进行描述,其中
图1示意性地图示了根据实施例的方位推进器;
图2是根据实施例的方法的流程图;
图3示意性地图示了根据实施例的剩余有效寿命预测;
图4示意性地图示了根据实施例的吊舱式方位推进器轴承劣化的估计;
图5示意性地图示了根据实施例的将寿命建模分为两个时段;
图6示意性地图示了根据实施例的基于历史数据的累积概率分布与预测模型之间的比较;
图7示意性地图示了根据实施例的根据操作时间和条件的所测量和所估计的Fe质量;
图8示意性地图示了根据实施例的基于来自正在发生的故障情况的Fe颗粒计数结果的故障传播的预测;
图9示意性地图示了根据实施例的基于振动的故障传播预测与颗粒计数模型之间的相关性;
图10是示出了根据实施例的控制器的功能单元的示意图;
图11是示出了根据实施例的控制器的功能模块的示意图;以及
图12示出了根据实施例的包括计算机可读存储介质的计算机程序产品的一个示例。
具体实施方式
现在,在下文中参考附图对本发明构思进行更全面的描述,附图中示出了本发明构思的某些实施例。然而,本发明构思可以以许多不同形式体现,并且不应该被解释为限于本文中所阐述的实施例;相反,通过示例提供这些实施例,使得本公开将是彻底和完整的,并且将本发明构思的范围完全传达给本领域技术人员。相同的附图标记在整个说明书中指代相同的元件。虚线所示的任何步骤或特征均应当视为可选的。
在实践中,部件的真实寿命本质上可能是随机的。结果,为了开发适当的预报方法,可能需要大量的现场数据。在许多情况下,此类数据无法得到。上文所公开的方位推进器是这种观察的一个例外;系统已经配备了条件监测设备,并且更进一步地,大量可靠性数据可得到以用于分析。这使得能够开发用于估计轴承的剩余寿命的先进预报方法。
图1是根据实施例的方位推进器100的示意图。方位推进器100是电动吊舱式方位推进器100并且包括螺旋桨轴110,螺旋桨叶片120设置在螺旋桨轴110上。螺旋桨轴110由至少一个轴承130a、130b支撑。方位推进器100的内部由防水壳体或船体140围合。提供控制器200用于预测轴承130a、130b的剩余有效寿命并获取如由传感器150提供的轴承130a、130b的操作条件。
本文中所公开的实施例特别涉及用于预测电动吊舱式方位推进器100的轴承130a、130b的剩余有效寿命的机构。为了获取这种机构,提供了控制器200、由控制器200执行的方法、包括代码的计算机程序产品,该代码例如以计算机程序为形式,其当在控制器200上运行时,使得控制器200执行该方法。
图2是图示了用于预测电动吊舱式方位推进器100的轴承130a、130b的剩余有效寿命的方法的实施例的流程图。该方法由控制器200执行。这些方法有利地作为计算机程序1220提供。
本文中所公开的实施例使得能够整合从轴承130a、130b周围的不同来源收集的数据,以预测轴承130a、130b的剩余有效寿命。因此,控制器200被配置为执行步骤S102:
S102:控制器200获取轴承130a、130b的操作条件。
依据轴承130a、130b的生命周期阶段可能需要不同类型的寿命模型,以及可能需要不同的诊断方法来检测从一个生命周期阶段到另一个生命周期阶段的改变。本文中所公开的实施例中的至少一些实施例基于在故障检测之前,条件监测信号和方法没有提供可以用于对轴承130a、130b的寿命进行建模的任何信息,而在故障检测之后,监测信息可以用于得到更准确预测。因此,本文中所公开的实施例基于将轴承130a、130b的寿命分成三个单独阶段。然后,在每个阶段使用单独模型来预测轴承130a、130b的剩余有效寿命。因此,控制器200被配置为执行步骤S104:
S104:控制器200使用操作条件预测轴承130a、130b的剩余有效寿命。轴承130a、130b的寿命分为三个单独阶段。在三个单独阶段中,对轴承130a、130b的剩余有效寿命进行不同预测。
这使得自适应和/或自改进模型能够用于预测剩余有效寿命,该自适应和/或自改进模型的精度随着获取更多数据和信息而连续改进,参见图3,其示意性地图示了剩余有效寿命预测,其中估计精度随时间而提高。
现在将公开涉及由控制器200执行的预测电动吊舱式方位推进器100的轴承130a、130b的剩余有效寿命的进一步细节的实施例。
轴承130a、130b的剩余有效寿命可以使用操作数据和条件监测信号来预测。因此,根据实施例,使用条件监测信号预测轴承130a、130b的剩余有效寿命。存在条件监测信号的不同示例。根据实施例,条件监测信号涉及轴承润滑剂中的金属颗粒的数目、振动、声发射和温度中的至少一个。
可能存在三个单独阶段的不同示例。根据实施例,三个单独阶段包括背景(prehistory)阶段、故障检测时刻阶段和故障轴承阶段。背景阶段发生在故障检测之前。故障轴承阶段发生在故障检测之后。
因此,故障检测之前的时段从轴承已经安装的时刻开始并且在故障检测时结束。背景数据可以基于应用有三参数威布尔(Weibull)模型的Cox比例风险函数途径来建模。也就是说,根据实施例,背景数据在背景阶段期间用于根据基于应用有三参数威布尔(Weibull)模型的Cox比例风险函数途径的模型来预测轴承130a、130b的剩余有效寿命。
故障检测之后的时段自然从故障检测开始,并且在轴承故障时结束。在该时段期间的剩余有效寿命预测可以基于从诸如振动信号和油分析结果的若干指示信号中提取的特征。也就是说,根据实施例,在故障轴承阶段期间轴承的剩余有效寿命的预测基于从诸如振动信号和油分析结果的若干指示信号中提取的特征。
预测性维护可以用于尤其是在发生了轴承损坏的情况下增加存活到下一次定期入干坞的可能性。今天,这个问题使用来自不同来源的数据进行解决,主要基于专业知识和建议进行分析。根据本文中所公开的实施例,如上文所公开的、根据操作条件的剩余有效寿命的准确估计被用作优化维护和干坞计划的输入,包括建议最佳操作条件以便最小化意外停机的风险,同时对计划操作和时间表影响最小,参见图4。图4示出了通过改变电动吊舱式方位推进器100的螺旋桨的转速(以每分钟转数(RPM)进行测量)可以影响故障传播斜率的情景的图示。对于每个RPM值,给出了故障机会的裕度。对于每个RPM值,裕度随着时间的增加而增加。
因此,根据实施例,控制器200被配置为执行步骤S106:
S106:控制器200使用轴承130a、130b的预测的剩余有效寿命选择轴承130a、130b的下一次维护的时间点。这可以通过以优化轴承130a、130b的剩余有效寿命的方式调整操作速度,使得总是可以达到下一次可能/计划的入干坞/定期维护间歇。
现在,将公开适用于如由控制器200所执行的预测电动吊舱式方位推进器100的轴承130a、130b的剩余有效寿命的上述实施例的其他方面。
故障检测将寿命建模划分为两个时段。图5是该途径的图示。当条件监测(CM)方法没有指示故障时,第一模型被开发以基于故障历史来预测轴承130a、130b在正常状态期间(故障检测之前)的剩余有效寿命。第二模型被开发以基于在条件监测方法指示故障时的时段期间的不同测量结果和分析(诸如油分析结果、振动测量结果、声发射等)来预测轴承130a、130b的剩余有效寿命。第一模型和第二模型随后被组合。在故障检测之前,基于故障历史来校准模型。
现在将公开基于故障历史的模型的各个方面。根据示例,提供了3参数比例风险率模型,其包括基线风险率h0(t)和函数项ρ(Pr),该函数项ρ(Pr)包括协变量矢量(额定功率)。
风险率模式定义如下:
对应的概率密度函数如下:
其中函数项定义为操作参数额定功率Pr的函数,并且其中
图6示出了基于历史数据的累积概率分布与预测的风险模型之间的比较。
然后,该模型用于估计剩余有效寿命,以优化整体维护计划或其他目的。
然后,时间t时的RUL计算如下:
现在将呈现基于油分析来预测RUL的各个方面。考虑状态空间类型的模型:
其中rk是k:th状态函数,并且gk是测量函数。根据实施例,状态函数是累积损伤函数x[k],其取决于操作数据并且定义如下:
其中厂是旋转速度,其中t是操作小时数,并且其中P是功率。
图7(a)和图7(b)中的两个示例示出了模型如何很好地捕捉到操作条件的影响。图7(a)和图7(b)中的第三轴线描绘了实际使用的功率。故障传播随着功率使用的减少而减少。
因此,使用预测的操作数据和状态方程来估计剩余有效寿命。为了量化故障传播曲线斜率的限制,使用下一次即将到来的维护之前的时间与Fe颗粒的最大大小,参见图8。图8图示了基于来自正在发生的故障情况的Fe颗粒计数结果来预测故障传播。在这种情况下,最大耐受数目的计数颗粒的对应质量约为150000mg。用于预测的置信区间被包括在图8(b)中。
现在将公开振动信号的各个方面。从所描述的途径来看,故障的那一时刻的检测对于当前模型的精度而言具有重要性。使用振动信号由于比使用油中的颗粒计数更早地检测到故障的出现而提高了模型的可靠性。
附加地,使用振动信号可以改善基于颗粒计数的RUL模型。尽管颗粒计数是估计故障的严重程度的最可靠方式之一,但是在许多场景中,颗粒计数不可用或成本太高,因此基于多种信号的经校准的RUL模型将增加剩余有效寿命模型的精度。
图9示出了根据说明性示例的基于振动的故障传播预测与颗粒计数之间的相关性。在该说明性示例中,在由于润滑剂的缺陷导致生成金属颗粒之前一个月使用振动信号检测到故障。使用振动特性更早地捕获传播函数斜率的改变。
使用由轴承中的故障所生成的脉冲的能量,来提取该说明性示例中的振动特性,其中脉冲被适当地缩放和整合。因此,为了获取可靠的RUL方法,组合不同的指标可能是有益的;能够估计故障的严重程度的颗粒计数、以及用于尽早捕捉不同的发展阶段的振动。向已经开发出的模型添加附加信号可以进一步提高预测的可靠性。这里,可以使用基于机器学习(ML)的方法。
图10示意性地图示了就多个功能单元而言的根据实施例的控制器200的部件。使用能够执行存储在计算机程序产品1210(如图12)(例如,形式为存储介质230)中的软件指令的适当的中央处理单元(CPU)、多处理器、微控制器、数字信号处理器(DSP)等中的一个或多个的任何组合来提供处理电路210。处理电路210还可以被提供为至少一个专用集成电路(ASIC)或现场可编程门阵列(FPGA)。
具体地,处理电路210被配置为使得控制器200执行一组操作或步骤S102-S106,如上文所公开的。例如,存储介质230可以存储该组操作,并且处理电路210可以被配置为从存储介质230检索该组操作以使得控制器200执行该组操作。该组操作可以作为一组可执行指令而被提供。
因此,处理电路210由此被布置为执行如本文中所公开的方法。存储介质230还可以包括永久存储装置,其例如可以是磁存储器、光存储器、固态存储器或甚至远程安装的存储器中的任何单个或组合。控制器200还可以包括通信接口220,其至少被配置为用于与传感器150通信。如此,通信接口220可以包括一个或多个发射器和接收器,其包括模拟和数字部件。例如,通过向通信接口220和存储介质230发送数据和控制信号,通过从通信接口220接收数据和报告,以及通过从存储介质230检索数据和指令,处理电路210控制控制器200的一般操作。为了不模糊本文中所给出的概念,省略了控制器200的其他部件以及相关功能。
图11示意性地图示了就多个功能模块而言的根据实施例的控制器200的部件。图11的控制器200包括多个功能模块;获取模块210a,其被配置为执行步骤S102;以及预测模块210b,其被配置为执行步骤S104。图11的控制器200还可以包括多个可选功能模块,诸如被配置为执行步骤S106的选择模块210c。一般而言,在一个实施例中,每个功能模块210a-210c可以仅以硬件实现,或者在另一实施例中在软件的帮助下实现,即,后一实施例具有存储在存储介质230上的计算机程序指令,其当在处理电路上运行时,使控制器200执行上文结合图2所提及的对应步骤。还应当指出,即使模块与计算机程序的部分相对应,它们也不需要是其中的单独模块,而是它们以软件实现的方式取决于所使用的编程语言。优选地,一个或多个或所有功能模块210a-210c可以由处理电路210、可能配合功能单元220和/或230实现。因此,处理电路210可以被配置为从存储介质230取得如由功能模块210a-210c提供的指令,并且执行这些指令,从而执行如本文中所公开的任何步骤。
控制器200可以作为独立设备或作为至少一个其他设备的一部分提供。例如,控制器200可以设置在方位推进器100中。因此,由控制器200执行的指令的第一部分可以在第一设备中执行,并且由控制器200执行的指令的第二部分可以在第二设备中执行;本文中所公开的实施例不限于由控制器200所执行的指令可以在其上进行执行的任何特定数目的设备。因此,根据本文中所公开的实施例的方法适合于由驻留在云计算环境中的控制器200执行。因此,尽管在图10中图示了单个处理电路210,但是处理电路210可以分布在多个设备或节点之间。这同样适用于图11的功能模块210a-210c和图12的计算机程序1220。
图12示出了包括计算机可读存储介质1230的计算机程序产品1210的一个示例。在该计算机可读存储介质1230上,可以存储计算机程序1220,该计算机程序1220可以使得处理电路210和与其可操作地耦合的实体和设备(诸如通信接口220和存储介质230)执行根据本文中所描述的实施例的方法。因此,计算机程序1220和/或计算机程序产品1210可以提供用于执行本文中所公开的任何步骤的装置。
在图12的示例中,计算机程序产品1210被图示为光盘,诸如CD(压缩盘)或DVD(数字多功能盘)或蓝光盘。计算机程序产品1210还可以体现为存储器,诸如随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM)或电可擦除可编程只读读取器(EEPROM),以及更具体地体现为诸如USB(通用串行总线)存储器或闪存(诸如紧凑型闪存)的外部存储器中的设备的非易失性存储介质。因此,虽然计算机程序1220这里被示意性地示出为所描绘的光盘上的轨道,但是计算机程序1220可以以适合于计算机程序产品1210的任何方式存储。
以上主要参考几个实施例对本发明构思进行了描述。然而,本领域技术人员容易领会的是,除了上文所公开的实施例之外的其他实施例同样可以落在由所附权利要求限定的本发明构思的范围之内。
Claims (12)
1.一种用于预测电动吊舱式方位推进器(100)的轴承(130a,130b)的剩余有效寿命的方法,所述方法由控制器(200)执行,所述方法包括:
获取(S102)所述轴承(130a,130b)的操作条件;以及
使用所述操作条件来预测(S104)所述轴承(130a,130b)的所述剩余有效寿命,其中所述轴承(130a,130b)的寿命被分为三个单独阶段,并且其中所述轴承(130a,130b)的所述剩余有效寿命在所述三个单独阶段中以不同的方式被预测,
其中所述三个单独阶段包括背景阶段、故障检测时刻阶段和故障轴承阶段,
其中在所述背景阶段期间,背景数据被用于根据基于应用有三参数Weibull模型的Cox比例风险函数途径的模型来预测所述轴承(130a,130b)的所述剩余有效寿命,以及
其中在所述故障轴承阶段期间,所述轴承(130a,130b)的所述剩余有效寿命的所述预测基于从振动信号和/或油分析结果中提取的特征。
2.根据权利要求1所述的方法,其中使用条件监测信号来预测所述轴承(130a,130b)的所述剩余有效寿命。
3.根据权利要求1所述的方法,其中所述条件监测信号涉及轴承润滑剂中的金属颗粒的数目、振动、声发射和温度中的至少一个。
4.根据权利要求1所述的方法,其中所述背景阶段发生在故障检测之前。
5.根据权利要求1所述的方法,其中所述故障轴承阶段发生在故障检测之后。
6.根据权利要求1所述的方法,还包括:
使用所述轴承(130a,130b)的所预测的所述剩余有效寿命来选择(S106)针对所述轴承(130a,130b)的下一次维护的时间点。
7.一种用于预测电动吊舱式方位推进器(100)的轴承(130a,130b)的剩余有效寿命的控制器(200),所述控制器(200)包括处理电路(210),所述处理电路被配置为使得所述控制器(200)进行以下操作:
获取所述轴承(130a,130b)的操作条件;以及
使用所述操作条件来预测所述轴承(130a,130b)的所述剩余有效寿命,其中所述轴承(130a,130b)的寿命被分为三个单独阶段,并且其中所述轴承(130a,130b)的所述剩余有效寿命在所述三个单独阶段中以不同的方式被预测,
其中所述三个单独阶段包括背景阶段、故障检测时刻阶段和故障轴承阶段,
其中在所述背景阶段期间,背景数据被用于根据基于应用有三参数Weibull模型的Cox比例风险函数途径的模型来预测所述轴承(130a,130b)的所述剩余有效寿命,以及
其中在所述故障轴承阶段期间,所述轴承(130a,130b)的所述剩余有效寿命的所述预测基于从振动信号和/或油分析结果中提取的特征。
8.根据权利要求7所述的控制器(200),其中所述处理电路被配置为使得所述控制器(200)进行以下操作:
使用所述轴承(130a,130b)的所预测的所述剩余有效寿命来预测针对所述轴承(130a,130b)的下一次维护的时间点。
9.一种用于预测电动吊舱式方位推进器(100)的轴承(130a,130b)的剩余有效寿命的控制器(200),所述控制器(200)包括:
获取模块(210a),被配置为获取所述轴承(130a,130b)的操作条件;以及
预测模块(210b),被配置为使用所述操作条件来预测所述轴承(130a,130b)的所述剩余有效寿命,其中所述轴承(130a,130b)的寿命被分为三个单独阶段,并且其中所述轴承(130a,130b)的所述剩余有效寿命在所述三个单独阶段以不同的方式被预测,
其中所述三个单独阶段包括背景阶段、故障检测时刻阶段和故障轴承阶段,
其中在所述背景阶段期间,背景数据被用于根据基于应用有三参数Weibull模型的Cox比例风险函数途径的模型来预测所述轴承(130a,130b)的所述剩余有效寿命,以及
其中在所述故障轴承阶段期间,所述轴承(130a,130b)的所述剩余有效寿命的所述预测基于从振动信号和/或油分析结果中提取的特征。
10.根据权利要求9所述的控制器(200),还包括:
预测模块(210c),被配置为使用所述轴承(130a,130b)的所预测的所述剩余有效寿命来预测针对所述轴承(130a,130b)的下一次维护的时间点。
11.一种用于预测电动吊舱式方位推进器(100)的轴承(130a,130b)的剩余有效寿命的计算机程序(1220),所述计算机程序包括计算机代码,所述计算机代码当在控制器(200)的处理电路(210)上运行时,使得所述控制器(200)进行以下操作:
获取(S102)所述轴承(130a,130b)的操作条件;以及
使用所述操作条件来预测(S104)所述轴承(130a,130b)的所述剩余有效寿命,其中所述轴承(130a,130b)的寿命被分为三个单独阶段,并且其中所述轴承(130a,130b)的所述剩余有效寿命在所述三个单独阶段中以不同的方式被预测,
其中所述三个单独阶段包括背景阶段、故障检测时刻阶段和故障轴承阶段,
其中在所述背景阶段期间,背景数据被用于根据基于应用有三参数Weibull模型的Cox比例风险函数途径的模型来预测所述轴承(130a,130b)的所述剩余有效寿命,以及
其中在所述故障轴承阶段期间,所述轴承(130a,130b)的所述剩余有效寿命的所述预测基于从振动信号和/或油分析结果中提取的特征。
12.一种计算机程序产品(1210),包括根据权利要求11所述的计算机程序(1220)、以及计算机可读存储介质(1230),所述计算机程序被存储在所述计算机可读存储介质上。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP16193177.9A EP3309529B1 (en) | 2016-10-11 | 2016-10-11 | Prediction of remaining useful lifetime for bearings |
EP16193177.9 | 2016-10-11 | ||
PCT/EP2017/075522 WO2018069189A1 (en) | 2016-10-11 | 2017-10-06 | Prediction of remaining useful lifetime for bearings |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109791090A CN109791090A (zh) | 2019-05-21 |
CN109791090B true CN109791090B (zh) | 2022-01-07 |
Family
ID=57130209
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780057964.1A Active CN109791090B (zh) | 2016-10-11 | 2017-10-06 | 轴承的剩余有效寿命的预测 |
Country Status (6)
Country | Link |
---|---|
US (1) | US10533928B2 (zh) |
EP (1) | EP3309529B1 (zh) |
CN (1) | CN109791090B (zh) |
PL (1) | PL3309529T3 (zh) |
RU (1) | RU2721901C1 (zh) |
WO (1) | WO2018069189A1 (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3588049A1 (en) * | 2018-06-27 | 2020-01-01 | ABB Schweiz AG | Decision of faulty bearing |
DE102020206560A1 (de) * | 2020-05-26 | 2021-12-02 | Thyssenkrupp Ag | Ovalisierungsbegrenzungsverfahren sowie Steuerungsvorrichtung |
CN112801199B (zh) * | 2021-02-07 | 2023-06-16 | 盛景智能科技(嘉兴)有限公司 | 挖掘机动臂寿命预测方法、装置、电子设备及存储介质 |
CN113255209B (zh) * | 2021-04-27 | 2022-06-07 | 燕山大学 | 一种齿轮箱轴承剩余寿命的预测方法 |
Family Cites Families (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SU1295261A1 (ru) * | 1985-10-04 | 1987-03-07 | Ленинградский Институт Авиационного Приборостроения | Устройство дл виброакустической диагностики подшипников качени |
US5210704A (en) * | 1990-10-02 | 1993-05-11 | Technology International Incorporated | System for prognosis and diagnostics of failure and wearout monitoring and for prediction of life expectancy of helicopter gearboxes and other rotating equipment |
DE19603319A1 (de) * | 1996-01-31 | 1997-08-07 | Siemens Ag | Verfahren zur Bestimmung der Restlebensdauer von Kontakten in Schaltgeräten und zugehörige Anordnung |
WO2002018879A1 (en) * | 2000-08-25 | 2002-03-07 | Battelle Memorial Institute | Method and apparatus to predict the remaining service life of an operating system |
JP3880455B2 (ja) | 2002-05-31 | 2007-02-14 | 中国電力株式会社 | 転がり軸受の余寿命診断方法及びこの余寿命診断装置 |
JP4504065B2 (ja) * | 2004-03-31 | 2010-07-14 | 中国電力株式会社 | 転がり軸受の余寿命診断方法 |
US8103463B2 (en) * | 2006-09-21 | 2012-01-24 | Impact Technologies, Llc | Systems and methods for predicting failure of electronic systems and assessing level of degradation and remaining useful life |
WO2008060150A1 (en) * | 2006-11-15 | 2008-05-22 | Wärtsila Propulsion Netherlands B.V. | Telemetry system for ship propulsion systems |
US8229682B2 (en) * | 2009-08-17 | 2012-07-24 | General Electric Company | Apparatus and method for bearing condition monitoring |
SE535559C2 (sv) * | 2010-01-18 | 2012-09-25 | Spm Instr Ab | Förfarande och anordning för analys av tillståndet hos maskin med roterande del |
EP2710438B1 (en) * | 2011-05-20 | 2022-02-09 | Insight Analytics Solutions Holdings Limited | Determining damage and remaining useful life of rotating machinery including drive trains, gearboxes, and generators |
US9002775B1 (en) | 2011-09-02 | 2015-04-07 | Lockheed Martin Corporation | Systems and methods for estimating a remaining useful life of an item |
WO2013040315A1 (en) * | 2011-09-16 | 2013-03-21 | Sentient Corporation | Method and system for predicting surface contact fatigue life |
CN104335023A (zh) | 2012-04-24 | 2015-02-04 | Skf公司 | 轴承监控方法和系统 |
WO2015036030A1 (en) * | 2013-09-13 | 2015-03-19 | Aktiebolaget Skf | Device, method & computer program product |
US10410116B2 (en) | 2014-03-11 | 2019-09-10 | SparkCognition, Inc. | System and method for calculating remaining useful time of objects |
CN105300692B (zh) | 2015-08-07 | 2017-09-05 | 浙江工业大学 | 一种基于扩展卡尔曼滤波算法的轴承故障诊断及预测方法 |
US9964467B2 (en) * | 2015-10-09 | 2018-05-08 | United Technologies Corporation | Methods and systems for estimating residual useful life of a rolling element bearing |
JP7087335B2 (ja) * | 2017-10-13 | 2022-06-21 | 株式会社ジェイテクト | 転がり軸受装置及び軸受部の異常検出方法 |
-
2016
- 2016-10-11 PL PL16193177T patent/PL3309529T3/pl unknown
- 2016-10-11 EP EP16193177.9A patent/EP3309529B1/en active Active
-
2017
- 2017-10-06 CN CN201780057964.1A patent/CN109791090B/zh active Active
- 2017-10-06 RU RU2019110679A patent/RU2721901C1/ru active
- 2017-10-06 WO PCT/EP2017/075522 patent/WO2018069189A1/en active Application Filing
- 2017-10-06 US US16/340,944 patent/US10533928B2/en active Active
Non-Patent Citations (1)
Title |
---|
Combination of probability approach and support vector machine towards machine health prognostics;WAHYU CAESARENDRA 等;《PROBALISTIC ENGINEERING MECHANICS,COMPUTATIONAL MECHANICS PUBLICATIONS, SOUTHAMPTON, FR》;20100920;第26卷(第2期);第XP028365426页 * |
Also Published As
Publication number | Publication date |
---|---|
US20190226944A1 (en) | 2019-07-25 |
RU2721901C1 (ru) | 2020-05-25 |
PL3309529T3 (pl) | 2022-06-13 |
EP3309529A1 (en) | 2018-04-18 |
CN109791090A (zh) | 2019-05-21 |
WO2018069189A1 (en) | 2018-04-19 |
EP3309529B1 (en) | 2022-02-23 |
US10533928B2 (en) | 2020-01-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109791090B (zh) | 轴承的剩余有效寿命的预测 | |
ES2911282T3 (es) | Determinación de vida útil restante de maquinaria rotatoria, incluyendo trenes de transmisión, cajas de engranajes, y generadores | |
US7081729B2 (en) | Variable-structure diagnostics approach achieving optimized low-frequency data sampling for EMA motoring subsystem | |
Odgaard et al. | Observer based detection of sensor faults in wind turbines | |
EP2461222B1 (en) | Method and system for detection of machine operation state for monitoring purposes | |
CA2712158A1 (en) | Wind turbine generator fault diagnostic and prognostic device and method | |
EP3309530A1 (en) | Detection of bearing fault | |
CN114216640A (zh) | 用于检测工业设备故障状态的方法、设备和介质 | |
US20160084234A1 (en) | Measurement processing system for condition monitoring of a wind turbine | |
Mohammadi et al. | DeepWind: an accurate wind turbine condition monitoring framework via deep learning on embedded platforms | |
EP3234706B1 (en) | Apparatus and methods for monitoring subsea electrical systems using adaptive models | |
US9873523B2 (en) | Monitoring of an aircraft propulsion system | |
EP3292380B1 (en) | System and method for calculating remaining useful life of a component | |
Cho et al. | A study on estimating the next failure time of compressor equipment in an offshore plant | |
US11835420B2 (en) | Method and device for diagnosing a robot | |
He et al. | Probabilistic model based algorithms for prognostics | |
US20220024038A1 (en) | Method for Diagnosing a Robot, Device and Server | |
Hammami et al. | Maintenance 4.0 of Wind Turbine | |
CN112525530B (zh) | 用于滚动轴承的部件的损伤预测的方法 | |
Vechart et al. | Fleetwide Integrated Prognostics Health Management for Emerging EVTOL Operations | |
Abed | Robust Fault Analysis for Permanent Magnet DC Motor in Safety Critical Applications | |
CN117514642A (zh) | 偏航制动系统异常监测方法、装置、电子设备及存储介质 | |
US20220049681A1 (en) | Reaction to an overspeed event | |
CN117052609A (zh) | 风电机组状态评估与寿命预测方法、装置和电子设备 | |
Hong et al. | Bearing wear prognosis based on Hidden Markov Model |
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 |