CN110132402B - 振动趋势数据中尖峰和故障的检测 - Google Patents
振动趋势数据中尖峰和故障的检测 Download PDFInfo
- Publication number
- CN110132402B CN110132402B CN201910106504.4A CN201910106504A CN110132402B CN 110132402 B CN110132402 B CN 110132402B CN 201910106504 A CN201910106504 A CN 201910106504A CN 110132402 B CN110132402 B CN 110132402B
- Authority
- CN
- China
- Prior art keywords
- scalar value
- sensor
- spike
- scalar
- database
- 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
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/187—Machine fault alarms
-
- 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
- G01H1/04—Measuring characteristics of vibrations in solids by using direct conduction to the detector of vibrations which are transverse to direction of propagation
- G01H1/08—Amplitude
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/248—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F7/00—Methods or arrangements for processing data by operating upon the order or content of the data handled
- G06F7/02—Comparing digital values
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Probability & Statistics with Applications (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Fuzzy Systems (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
机器监测器包括用以产生与所感测的物理参数相对应的一系列标量值的传感器。分析仪基于标量值生成第一数据库,并确定每个传感器的标量值的中值。它还将尖峰级别设置为从中值偏移出中值的预定倍数。分析仪中的尖峰过滤器则将标量值与尖峰级别进行比较,并在特定标量值与中值相差一个等于或大于尖峰级别的量时,将特定标量值识别为潜在尖峰。如果第一侧值和第二侧值在中值的预定范围内,则将潜在尖峰确定为实际尖峰。消除了实际尖峰的第二数据库得以生成。使用第二数据库,通过找到超过危险级别的数据点来识别校正的故障,其中的先前数据点超过警告级别并且两个尾随数据点小于建议级别。
Description
技术领域
本发明涉及收集和分析振动数据的领域,尤其涉及一种收集、校正及分析振动数据的装置。
背景技术
在振动数据的收集中,数据中的尖峰(spike)会降低振动数据分析的可靠性,因为尖峰可能被误认为是故障。数据“尖峰”定义为由于先前值的变化率、与先前值的振幅差或上述两者而存在的不合理的测量值的变化。通常,“尖峰”持续时间短,并且在处理的数据图上表现为非常明显的正或负偏移。
由便携式或连续在线振动设备收集的原始振动数据可能受到各种噪声输入的影响,这些噪声输入可能表现为处理数据中的尖峰。产生这些噪声输入的原因可能是接线安装不良、连接振动传感器的电缆劣质、静电放电、来自外部电源(如嘈杂的电动机或其他来源)的电磁拾取。
应当注意,由于受到监测(monitor)的机器的某种故障,处理数据中的一些尖峰可能是振动级别或谐波含量的合理变化。一般而言,通常存在其他指示(例如趋势值的稳定增加)表明机器的行为正在发生变化。
实时或历史振动数据中的尖峰可能导致产生错误警报。相反,如果使用历史数据来设置警报限制,则数据中的尖峰值可能导致警报限制过于松散,这可能会导致错过问题或过晚警告问题。
目前已经开发出不同的技术来识别和消除来自各种形式的数据的尖峰。通常,现有技术依赖于某种类型的数学或统计分析来识别异常值数据并消除作为异常值的尖峰。
例如,美国专利7,308,322公开了一种方法,用于测量机动系统的属性,其中的属性是指振动、速度、温度、压力等中的至少一个。该方法的一个步骤是消除异常值。由于通常会排除非常大或小的数据值,所以某些数据模式会被排除在数据之外。US20070260656A1则在用于诊断机制的方法中搜索并减去异常值数据和边缘数据。美国专利7,124,637公开了一种用于确定机械设备的振幅限制的方法。收集的数据使用的是本领域已知的异常值检测程序来校正。德国申请DE102010013594A1则讨论了测量物体的外轮廓并忽略可能由测量点处的灰尘斑点引起的各个异常值。美国专利7,752,012公开了一种用于检测与加工厂相关的异常情况的方法。利用专用数据过滤器和数据处理技术来产生增强数据,并且修整这种增强数据以移除异常值。US 9,483,049 B2公开了一种极其复杂且数学上集中的方法,用于检测包括有异常值的感测数据中的异常现象,并拒绝它们。
US 4,631,683公开了一种工具,其包括检测系统,该检测系统能够避免由噪声尖峰引起的错误报警。EP0018853B1公开了一种用于区分电噪声尖峰与实际冲击信号的技术。
这些现有技术执行起来十分耗时,并且不适合于监测来自各种机器的标量振动数据以用于预防性维护。换言之,这些技术需要太多的处理时间并且处理速度慢,并且它们在预防性维护环境中不能很好地发挥作用。
发明内容
本发明通过使用一种装置和方法克服了现有技术的缺点,该装置和方法配置成过滤数据并生成没有伪数据(即噪声尖峰)的新数据库。由于该装置为了通常用于预防性维护的振动数据而专门设计,因此它比现有技术更快并能够有效且快速地将噪声数据转换成无噪声尖峰数据库。为了提高准确度和速度,本发明的装置能够分析振动数据以识别校正的故障,采用的方式为通过使用能够识别固有地免疫多种形式的尖刺噪声的校正故障的技术,固有地保护免受噪声尖峰的影响。而且,针对为机械的预防性维护所生成的数据而专门设计的用于识别校正故障的技术,比已知的技术更快且更有效。
根据本发明的一种形式,用于监测机器的装置包括至少一个传感器,用于感测由机器产生的物理参数(例如振动或电特性)并用于生成与所感测的物理参数相对应的一系列标量值。分析仪连接到传感器,对于每个传感器而言,操作它可以用于接收标量值,基于所述标量值生成第一数据库、确定标量值的中值以及确定作为中值的预定倍数的尖峰级别。
中值的计算可以使用包括噪声尖峰在内的所有可用数据,因为与真实数据相比噪声尖峰很少,并且中值的计算将固有地忽略诸如噪声尖峰或故障之类的异常值。然而,在其他实施例中,可以使用第二数据库用于计算中值以确保噪声尖峰不会影响中值的计算。在识别出校正的故障的其他实施例中,中值计算在先前的故障校正之后不久便开始并持续到当前时间。
尖峰过滤器在分析仪中实现,对于每个传感器而言,过滤器用于比较标量值与尖峰级别,并在特定标量值等于或大于传感器的尖峰级别时,将特定标量值识别为潜在尖峰。分析仪还识别第一侧标量值和第二侧标量值,其中第一侧标量值紧接在潜在尖峰值之前,而第二侧标量值在潜在尖峰值之后。然后,它将第一侧标量值和第二侧标量值与中值进行比较,并且如果第一侧值和第二侧值均在传感器的中值的预定范围内,则将潜在尖峰识别为实际尖峰。利用该信息,它生成相对于第一数据库的消除了实际尖峰的第二数据库,因此,由尖峰过滤器生成多个第二数据库,其中为每个传感器生成其中一个第二数据库。分析仪在第二数据库上运行,以基于第二数据库确定每台机器的特征。术语“消除”在本文中以广义使用。为了消除来自第二数据库的噪声尖峰,可以以物理的方式消除产生尖峰的标量值,使得该标量值不存在于第二数据库中,或者以电子的方式,例如使用指针标记产生噪声尖峰的标量值,从而分析仪在分析剩余数据时会知道忽略数据点,以便例如找到校正的故障。在任何情况下,产生噪声尖峰的标量值都会被“消除”。在后一种情况,即其中标量值被电子标记的,第二数据库将是具有电子标记的某些标量值的第一数据库。
分析仪可以包括用于接收输入数据的输入端,该输入数据包括每个传感器的预定乘数(multiplier)和预定范围。典型的乘数约为10,而典型的预定范围约为中值的10%,但是这些值也可由用户调整以适应特定环境。通常,乘数和范围对于噪声应用而言是增加的,而对于某些应用而言是减小的。
分析仪还可以配置为分析第二数据库,以便为至少一个传感器识别对应于校正的机器故障的标量值数据。为此,分析仪将其中一个第二数据库中的每个标量值与预定的警报限制进行比较,并将超过预定警报的每个标量值识别为潜在校正故障。对于每个潜在校正故障,它识别紧接在潜在校正故障之前的第一先前标量值,并将第一先前标量值与预定警告级别进行比较。对于每个潜在校正故障,它识别紧接在潜在校正故障之后的第一和第二尾随标量值,并将第一和第二尾随标量值与预定建议级别(advise level)进行比较。对于每个潜在校正故障,如果第一先前标量值超过警告级别并且第一和第二尾随标量值小于建议级别,则它将潜在校正故障识别为实际的校正故障。
分析仪还可以配置为将时间与第一数据库和第二数据库中的每个标量值相关联,并且基于用于至少一个传感器的第二数据库来确定至少一个传感器的每个校正故障的时间。然后,可以基于至少一个传感器的每个校正故障的时间来计算故障之间的平均时间。分析仪设置有用于接收输入数据的输入端,并且分析仪将配置为接收与每个传感器的预定建议警告和警报级别相对应的输入数据。
根据实施例的另一方面,第二数据库(表示校正数据)可用于设置警报限制和其他限制。例如,分析仪可以编程为基于第二数据库重新计算尖峰级别、危险级别、警告级别、建议级别和数据中值。分析仪可以将各种级别设置为中值的百分比(或者相对于中值的绝对值差),并且当分析仪生成第二数据库时,它将重新计算中值,尾随基于新的中值重置所有其他级别。
根据一特定实施例,该装置包括至少一个传感器,用于感测由机器产生的物理参数,并用于生成与所感测的物理参数相对应的一系列标量值,并且至少一个传感器与分析仪连接。对于至少一个传感器,分析仪用于接收标量值并基于标量值产生至少一个数据库。分析仪还配置为分析数据库以识别相对于校正的机器故障的标量值数据,并且对于至少一个传感器,分析仪用于比较数据库中的每个标量值与预定的警报限制,并将超过预定警报限制的每个标量值识别为潜在校正故障。
对于每个潜在校正故障,分析仪识别紧接在潜在校正故障之前的第一先前标量值,并将第一先前标量值与预定警告级别进行比较。此外,对于每个潜在校正故障,分析仪识别紧接在潜在校正故障之后的第一和第二尾随标量值,并将第一和第二尾随标量值与预定建议级别进行比较。如果第一先前标量值超过警告级别并且第一和第二尾随标量值小于建议级别,则分析仪将潜在校正故障识别为实际的校正故障。
在该实施例中,分析仪可以配置为将时间与数据库中的每个标量值相关联;基于至少一个传感器的数据库来确定至少一个传感器的每个校正故障的时间;并且基于所述至少一个传感器的每个校正故障的时间来计算故障之间的平均时间。
从上面的讨论可以理解,分析仪能够快速分析数据以移除尖峰,并且以使用用于过滤异常值的统计和数学技术的现有技术无法达到的速度和准确度来识别校正的故障。
附图说明
通过参考附图中所示的实施例可以最好地理解本发明,其中:
图1是示意性的电路图,其中示出了连接到多个机器上的传感器的机械健康监测器;
图2示出了根据本发明的一实施例的机械健康监测器的操作流程图;
图3-图6是传感器信号的曲线图,其中示出了由本发明消除的作为噪声尖峰的尖峰,并且还示出了信号中被保留为可能的数据且不会被表征为噪声尖峰的陡峭尖峰;以及
图7示出了在识别并消除噪声尖峰之后的数据中的故障校正检测的曲线图;
图8示出了检测到的两个校正的故障以及测量到的故障之间的时间的曲线图;
图9-图12示出了检测到的校正故障的类型的变型例的曲线图。
具体实施方式
参考图1,示出了示意性的电路图20,其中表示出本发明的多个实施例。机械健康监测器22连接由马达25驱动的机械传动装置24,其也被监测,并且连接由马达26驱动的泵27,其也被监测。设备(24、25、26和27)代表多个机器,并且在大多数情况下,机械健康监测器22将会对工厂中更多这样的机器进行监测。出于说明的目的简化了该示例。图1中,垂直方向的振动传感器28和30安装在传动装置上,而垂直方向的振动传感器32和34安装在电动机25上,用以产生对应于在它们各自位置处检测到的垂直振动的垂直振动信号。类似地,水平振动传感器36、38、40和42安装在传动装置24和电动机25上,用以感测水平振动并产生相应的水平振动信号。垂直振动信号和水平振动信号从传感器(28、30、32、34、36、38、40和42)通过线路29传输到机械健康监测器。线路29可以是物理线路或无线通信路径,并且在线路29上发送的通常是数字信号,但也可以是模拟信号。
电动机26和泵27由监测器22类似地监测着。垂直传感器46、48和50产生对应于它们各自安装位置处的垂直振动的垂直振动信号,并且水平振动传感器52、54和56产生对应于它们各自安装位置处的水平振动的水平振动信号。水平和垂直振动信号在线路51上传送到监测器22,而且线路51,与线路29一样,可以是物理线路,或者它们可以代表无线通信路径。
如上所述,机械健康监测器22可以表示各种不同的物理配置。机器上的传感器,例如传感器30,可以是简单的振动传感器或其他传感器,其能够检测物理参数(例如振动、温度、声音、超声波、可见光、红外光、磁场或电场),并将信号以原始形式发送到机械健康监测器22。随后,在机械健康监测器22中执行诸如过滤和抽取的处理。可选地,机器上的传感器可以是智能传感器,其在某种程度上独立地工作于机械健康监测器22。传感器能够唤醒,配置自身以产生传感器信号,将信号转换为数字格式,通过例如过滤和抽取来处理信号,存储信号,并且在指定时间将信号传输到监测器22。在另一替换实施例中,机械健康监测器22可以代表便携式监测器或分析仪,其能够物理运输到被监测的每个机器,并且单个传感器用于收集所有数据。例如,单个传感器可以首先垂直定位为传感器28,并且在收集数据之后,单个传感器可以移动到水平位置并且放置为传感器36以收集水平振动数据。
参照图2表示的流程图58,其示出了当实施本发明的实施例时机械健康监测器22的操作。如方框60所示,实现本发明的第一步是安装适当的软件,该软件包括实现本发明方法的软件以及执行机械健康维护中通常所需数据的各种分析和处理所需的其他软件。接下来,如方框62所示,用传感器监测诸如传动装置28、泵27和电动机25和26的机械以产生一个或多个数据库。例如,可以为每个传感器(例如传感器28)生成标量值的数据库,并且优选地,每个标量值将与指示获得值的时刻的时间戳相关联。标量值可以在执行适当的处理之后获得。例如,机器健康监测器22和软件可以被编程为用于监测传感器28在特定频率范围内检测到的振动的峰值位移幅度。因此,来自传感器28的信号将被过滤以消除除了与特定频率范围内的振动有关的传感器信号之外的所有振动信号。然后将生成标量值以指示在预定时间段内的峰值位移幅度,该预定时间段对于高频测量可以是数毫秒,或者对于低频测量可以是数秒或数小时或数天。在测量振动的机械健康应用中,对于大多数测量,预定的时间段将是数秒。然后将该标量值与时间戳一起保存,并且对于由机械健康监测器22监测的每个传感器重复该过程。
如方框64所示,健康监测器22的软件的设置将包括在计算机系统中创建站点位置、资产、监测设备和资产附加组件的虚拟表示。因此,监测器22中的预测性维护软件设置为用于产生对应于多个传感器的多个数据库。然后,如方框66所示,必须进行设置以消除噪声尖峰和检测数据中的校正故障。对于每个传感器,该设置可以包括用户输入,该用户输入指定了围绕特定传感器的标量值的中值的预定范围。例如,预定范围可以是10%,即意味着为特定传感器的标量值的中值的10%。而且,用户可以设置一值以指定被视为噪声尖峰的最小标量值。该最小标量值可以表示为中值的倍数,并且典型的倍数是10。监测器还可以包括预定范围的默认值,例如为10%以及乘数的默认值,例如为10。为了将使用的默认值视为噪声尖峰,标量值的幅度必须等于或超过特定传感器生成的标量值的中值的10倍,并且噪声尖峰之前和之后的数据点必须具有在该特定传感器的标量值的中值的10%以内的标量值。用户还可以在计算中值之前设置待收集的数据的最小时间长度,并且如果用户没有设置,则监测器22可以使用默认值,该默认值通常是几秒或更长。
每个传感器的故障检测属性还可以由用户设置,或者使用默认值。例如,用户可以提供设置三个值的信息,这三个值将代表危险级别、警告级别和建议级别。如下文更详细讨论的,当特定数据点(标量值)具有大于或等于危险限制的值,并且先前数据点具有大于或等于警告限制的值而且紧跟在特定点之后的两个数据点的值低于建议限制时,在数据库内识别出校正的故障。
可选地,用户可以在识别出具有等于或大于警告限度的值的特定数据点,并且先前数据点具有等于或大于建议级别的值而且紧跟在特定点之后的两个数据点的值低于建议限制时,设置程序以识别出校正的故障;
方框68表示查找噪声尖峰和校正故障的检测过程的开始。如方框70所示,第一步是将振动数据记录在由机械健康监测器22创建的数据库中。如步骤72和74所示,可以使用便携式振动收集装置或通过使用在线振动收集装置来收集振动数据。图1旨在表示两种类型的振动收集装置。通常,用户将在使用本发明对数据分析之前设置收集数据的最小时间长度。在收集数据之后,首先由机械健康监测器22对收集的数据进行分析以消除噪声尖峰。分析仪首先计算特定传感器的标量值的中值。然后,分析仪计算邻近用户先前设置的中值的范围或使用默认值。例如,用户可能已经设置了10%的值,并且分析仪将该范围计算为中值加上或减去中值的10%。这将被视为中值范围。接下来,分析仪将计算最小尖峰值。例如,假设用户已将乘数设置为10,则分析仪通过将中值乘以10来计算最小尖峰值。然后,将扫描该特定传感器的数据库的所有标量值,以识别出具有等于或超过最小尖峰值的标量值的任何数据点。如果特定数据点满足该标准,则分析数据库以确定紧接在特定数据点之前和之后的数据点是否具有如上所述的中值范围内的标量值。如果是,则将特定数据点识别为噪声尖峰。
如方框76所示,在分析了特定传感器的所有数据以识别噪声尖峰之后,创建消除了噪声尖峰的第二数据库。通过消除,意味着可以从第二数据库中物理地移除表示噪声尖峰的数据点,或者可以通过第二数据库中的指针电子地识别表示噪声尖峰的数据点,使得当执行第二数据库的其他分析(例如识别校正的故障)时可以忽略它们。第二数据库可以被视为校正的数据。
如方框76所示,可以基于校正的数据重置振动警报限制。例如,用户可能希望设置表示建议级别(advise level)、警告级别和警报级别的标量值级别。通常,这些级别被设置为特定传感器生成的数据的中值的百分比。例如,建议级别可以是中值标量值的2倍,而警告级别可以是中值标量值级别的4倍。警报级别则可以是中值级别的6倍。因此,消除校正数据中的噪声尖峰将降低数据的中值,并因此降低取决于数据的中值的所有级别。
另外,如方框80所示,校正的数据可用于检测校正的故障并计算故障之间的平均时间。同样地,使用的校正数据中表示噪声尖峰的数据已经被消除。因此,噪声尖峰将被忽略。为了识别校正的故障,首先分析数据以识别超过警报极限的每个数据点,并且将这些数据点视为潜在校正故障。接着,分析每个潜在校正故障以确定先前数据点是否大于警告级别以及尾随的两个数据点是否小于建议级别。如果两个查询均得到肯定回答,则将潜在校正故障识别为校正的故障。表示校正的故障的每个数据点还包括时间戳。因此,通过使用时间戳来计算每个相邻故障之间的持续时间从而确定多个持续时间,然后计算多个持续时间的平均值以确定故障之间的平均时间,可以容易地计算出故障之间的平均时间。
如方框82所示,在对所有数据进行分析之后,机械健康监测器22将在输出端23上输出其所有数据,该输出端23通常连接到集中式计算机系统或者它可以连接到基于云的计算机系统。机械健康监测器提供的数据通常包括校正数据和未校正数据以及对校正数据进行的分析。
参照图3的标量值的示意图,示出了噪声尖峰,其中纵轴表示标量值而横轴表示时间。实线102表示拟合有多个数据点的曲线,该数据点表示由诸如传感器28的传感器获取的标量值的测量值。虚线104表示由表示噪声尖峰的数据点拟合的曲线。数据点108表示由噪声(例如摇动或颠簸的传感器)产生的标量值。在这示例中,数据点106和114表示尖峰数据点108之前和之后的数据点,并且数据点106和114完全在由水平线116表示的所有数据点的中值的10%之内。被视为尖峰的数据点的最小值可以通过将中值乘以诸如10的乘数因子来确定。在这示例中,线112表示中值乘以乘数因子,从中可以看出数据点108正好等于被视为尖峰所需的级别。因此,满足了所有条件,数据点108则被视为噪声尖峰并且从第二数据库中消除(校正数据)。应当理解,噪声尖峰的测试可以同样地应用于负尖峰以及正尖峰。
参照图4,示出了另一个图120,其示出了从传感器收集的标量值数据。在图120中,实线122表示由来自传感器的标量值数据生成的有效数据点拟合的图线。虚线124表示由有效数据点加上表示噪声尖峰的数据点128拟合的图线。在这示例中,除了两个异常值,即数据点128和数据点138之外,有效数据点是相当一致的。在这示例中,数据点128是数据点的中值的10倍以上,并且相邻的数据点126和130在数据点的中值的10%之内,因此数据点128被视为噪声尖峰且将被消除。
数据点138则未通过噪声尖峰测试,因为其值不是数据点中值的10倍。在这示例中,数据点138也未通过校正故障的测试。定义为建议级别的标量值级别由线132表示。警告级别由线134表示,警报级别则由线136表示。在校正故障的标准测试下,数据点的标量值必须超过警报级别136,而它没有。在替代测试下,如果前一数据点140超过建议级别132并且尾随的两个数据点142和126小于建议级别132,则可以将校正的故障定义为具有超过警告级别134的值的数据点。尾随的数据点142和126满足上述的测试,而先前的数据点140则不满足。因此,数据点138也不是替代测试下的校正故障。
软件配置为允许用户设置建议警告和警报级别,此操作也是间接测试和校正故障测试的间接设置。此外,软件配置为允许用户直接修改尖峰测试和校正故障测试。在一实施例中,软件要求用户设置中值附近的范围以及噪声测试的乘数因子。在另一实施例中,用户可以为一数据点设置所需的最小幅度的绝对值以满足尖峰测试、以及为必须能够找到先前和尾随的数据点的范围设置所需的最小幅度的绝对值以满足尖峰测试。类似地,在一实施例中配置软件以允许用户提供校正的故障测试的设置。也就是说,用户可以为待校正的故障的数据点设置一最小值,为先前的数据点设置一最小值,并且为两个尾随或后续的数据点设置一最大值。
图5表示由传感器收集的标量值数据的另一示例,在这示例中,标量值数据是测量得到的压缩机的水平振动。虚线154表示噪声尖峰,因为数据点158超过了被认为是尖峰所需的最小级别,并且两个相邻数据点156和160在数据的中值的预定范围内。即使剩余的数据非常不稳定,也没有一个数据点符合尖峰或校正故障的定义。
图6是从电动机上的垂直振动传感器收集的标量值数据的示例。同样,实线162示出描绘着由垂直振动传感器产生的有效数据点的图线。虚线163示出描绘着表示噪声尖峰的数据点168的图线。同样,数据点168表示尖峰,因为它是超过所需最小值的标量值,并且先前的数据点170和尾随的数据点172在数据的中值的10%之内。数据中剩余的尖峰未能通过噪声尖峰测试。例如未通过测试的数据点164,因为先前的数据点166不在标量值数据的中值的10%以内。
图7表示另一曲线图,示出了从电动机上的垂直传感器获取的标量值数据点。通过有效数据点描绘实线180,并且通过噪声尖峰数据点184描绘虚线184。先前的数据点186和尾随的数据点188均在标量值的中值的10%之内,因此满足噪声尖峰的测试。数据点191则不满足噪声尖峰测试,因为先前的数据点190不在数据点的中值的10%之内。它不符合校正故障的测试,因为先前的数据点190不大于线196指示的警告级别。而且,如线198所示,第二后续数据点194小于建议级别。
参照图8,示出了表示校正数据的示意图200,其中曲线208表示来自传感器的标量值数据的数据点。在上述的图8-图12中,纵轴表示标量值的大小,横轴表示时间。图8-图12中,危险级别由线202表示;警告级别由线204表示;并且建议级别由线206表示。数据点212表示校正的故障,并且可以由本发明的装置检测。在数据点212之前的数据点210大于警告级别204,因此满足校正的故障测试的第一标准。并且紧跟在数据点212之后的数据点214和216小于建议级别。因此,也通过了校正的故障测试的第二标准。同样,数据点220也满足校正故障的标准,因为它的值超过危险级别。先前的数据点218大于警告级别204,并且尾随的数据点222和224小于建议级别206。数据点212和220之间的时间由箭头线221表示,箭头线221表示故障之间的时间。对于特定传感器,可以通过首先确定多个校正故障已经发生的时间,然后确定每个相邻校正故障之间的持续时间以确定多个持续时间的平均值来确定故障之间的平均时间。
图9的曲线图,示出了由齿轮箱上的水平振动传感器产生的标量值表示的数据点。在这图中,数据点234表示校正的故障,因为它的先前数据点232大于警告级别204,并且两个尾随的数据点236和238都低于建议级别206。
图10示出的曲线图240表示来自旋转螺杆式压缩机上的水平振动传感器的标量值。在这示例中,数据点244被识别为校正的故障,因为它的先前数据点242具有大于危险等级202的标量值,并且它尾随的数据点246和248均小于建议等级206。数据点242未被识别为校正的故障,因为它先前的数据点250不大于警告级别202并且因为它尾随的其中一个数据点244不小于建议级别206。因此,数据点242表示故障,但不表示校正的故障。
图11中,曲线图252示出了从电动机-风扇组合上的垂直振动传感器获取的数据。数据点256被识别为校正的故障,因为它先前的数据点254大于警告级别204,并且尾随的数据点258和260均小于建议级别206。
同样地,图12中,曲线图266表示从电动机-压缩机组合上的垂直振动传感器获取的数据。数据点270表示校正的故障,因为先前的数据268大于警告级别204并且尾随的数据点272和274均小于建议级别206。
从上面的讨论可以理解,本发明的各种实施例提供并改进了更有效的装置和方法,用于识别和消除噪声尖峰并识别校正的故障,使用这些故障可以确定故障之间的平均时间。实施例和实施方案均对由所附权利要求限定的本发明的范围不作限制。
Claims (14)
1.一种用于监测机器的装置,包括:
至少一个传感器,所述至少一个传感器用于检测由机器产生的物理参数,并产生与所检测的物理参数相对应的一系列标量值;
分析仪,所述分析仪连接到所述至少一个传感器,并且对于每个机器,操作以:
接收所述标量值,
根据所述标量值生成第一数据库,
确定每个传感器的所述标量值的中值,以及
确定尖峰级别;以及
尖峰过滤器,所述尖峰过滤器在分析仪中实施,并且对于每个传感器,操作以:
比较标量值和尖峰级别,
当特定标量值与中值相差一等于或大于尖峰级别的量时,将特定标量值识别为潜在尖峰;
识别第一侧标量值和第二侧标量值,第一侧标量值紧接在潜在尖峰之前,而第二侧标量值在潜在尖峰之后,
将第一侧标量值和第二侧标量值与中值进行比较,
如果第一侧标量值和第二侧标量值在传感器的中值的预定范围内,则将潜在尖峰识别为实际尖峰,并且
生成对应于第一数据库的消除了实际尖峰的第二数据库,其中由尖峰过滤器生成多个第二数据库,其中为每个传感器生成其中一个第二数据库;
其中所述分析仪在第二数据库上运行,用于基于第二数据库确定每个传感器的特征。
2.根据权利要求1所述的装置,还包括用于接收输入数据的输入端,并且其中所述分析仪配置为接收与每个传感器的预定乘数相对应的输入数据。
3.根据权利要求2所述的装置,其中预定乘数约为10。
4.根据权利要求1所述的装置,还包括用于接收输入数据的输入端,并且其中所述分析仪配置为接收与每个传感器的预定范围相对应的输入数据。
5.根据权利要求1所述的装置,其中,所述预定范围定义为所述中值的百分比。
6.根据权利要求1所述的装置,其中,所述过滤器识别正实际尖峰和负实际尖峰。
7.根据权利要求1所述的装置,其中,所述分析仪配置为分析所述第二数据库以识别对应于校正机器故障的标量值数据,并且对于至少一个传感器,分析仪进行操作以:
将一个所述第二数据库中的每个标量值与预定警报限制进行比较;
将超过预定警报限制的每个标量值识别为潜在校正故障;
对于每个潜在校正故障,识别紧接在潜在校正故障之前的第一先前标量值,并将第一先前标量值与预定警告级别进行比较;
对于每个潜在校正故障,识别紧接在潜在校正故障之后的第一尾随标量值和第二尾随标量值,并将第一尾随标量值和第二尾随标量值与预定建议级别进行比较;以及
对于每个潜在校正故障,如果第一先前标量值超过预定警告级别并且第一尾随标量值和第二尾随标量值小于预定建议级别,则将潜在校正故障识别为实际校正故障。
8.根据权利要求7所述的装置,其中所述分析仪配置成:
将时间与第一数据库和第二数据库中的每个标量值相关联;
基于所述至少一个传感器的第二数据库确定至少一个传感器的每个实际校正故障的时间;以及
基于所述至少一个传感器的每个实际校正故障的时间来计算故障之间的平均时间。
9.根据权利要求7所述的装置,还包括用于接收输入数据的输入端,并且其中所述分析仪配置为接收对应于每个传感器的预定建议级别和预定警报限制的输入数据。
10.根据权利要求7所述的装置,其中,所述分析仪配置为基于所述第二数据库设置预定建议级别和预定警报限制中的至少一个。
11.根据权利要求7所述的装置,其中,所述分析仪配置为基于所述第二数据库的中值的百分比来设置预定建议级别和预定警报限制中的至少一个。
12.一种用于监测机器的装置,包括:
至少一个传感器,所述至少一个传感器用于检测由机器产生的物理参数,并产生一系列与所检测的物理参数相对应的标量值;
分析仪,所述分析仪连接到所述至少一个传感器,并且对于至少一个传感器,操作以:
接收标量值并根据所述标量值生成至少一个数据库;
将数据库中的每个标量值与预定警报限制进行比较;
将超过预定警报的每个标量值标识为潜在校正故障;
对于每个潜在校正故障,识别紧接在潜在校正故障之前的第一先前标量值,并将第一先前标量值与预定警告级别进行比较;
对于每个潜在校正故障,识别紧接在潜在校正故障之后的第一尾随标量值和第二尾随标量值,并将第一尾随标量值和第二尾随标量值与预定建议级别进行比较;以及
对于每个潜在校正故障,如果第一先前标量值超过预定警告级别并且第一尾随标量值和第二尾随标量值小于预定建议级别,则将潜在校正故障识别为实际校正故障。
13.根据权利要求12所述的装置,其中所述分析仪配置成:
将时间与数据库中的每个标量值相关联;
基于所述至少一个传感器的数据库确定至少一个传感器的每个实际校正故障的时间;以及
基于所述至少一个传感器的每个实际校正故障的时间来计算故障之间的平均时间。
14.一种用于监测机器的装置,包括:
至少一个传感器,所述至少一个传感器用于检测由机器产生的物理参数,并产生一系列与所检测的物理参数相对应的标量值;
分析仪,所述分析仪连接到所述至少一个传感器,并且对于每个传感器,操作以:
接收标量值,
根据标量值生成第一数据库,
确定每个传感器的标量值的中值,以及
确定作为中值的预定倍数的尖峰级别;以及
尖峰过滤器,所述尖峰过滤器在分析仪中实施,对于每个传感器,操作以:
比较标量值和尖峰级别,
当特定标量值与中值相差一等于或大于尖峰级别的量时,将特定标量值识别为潜在尖峰;
识别第一侧标量值和第二侧标量值,其中第一侧标量值紧接在潜在尖峰之前,而第二侧标量值在潜在尖峰之后,
将第一侧标量值和第二侧标量值与中值进行比较,
如果第一侧标量值和第二侧标量值在传感器的中值的预定范围内,则将潜在尖峰识别为实际尖峰,并且
生成对应于第一数据库的消除了实际尖峰的第二数据库,其中,由尖峰过滤器产生多个第二数据库,其中为每个传感器生成其中一个第二数据库。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/892,645 | 2018-02-09 | ||
US15/892,645 US10311703B1 (en) | 2018-02-09 | 2018-02-09 | Detection of spikes and faults in vibration trend data |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110132402A CN110132402A (zh) | 2019-08-16 |
CN110132402B true CN110132402B (zh) | 2020-06-05 |
Family
ID=66673346
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910106504.4A Active CN110132402B (zh) | 2018-02-09 | 2019-02-02 | 振动趋势数据中尖峰和故障的检测 |
Country Status (3)
Country | Link |
---|---|
US (1) | US10311703B1 (zh) |
CN (1) | CN110132402B (zh) |
DE (1) | DE102019100722B4 (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102103152B1 (ko) * | 2018-03-14 | 2020-04-22 | (주)아이티공간 | 구동부의 정밀 예지 보전방법 |
US11573153B2 (en) | 2019-08-21 | 2023-02-07 | Computational Systems, Inc. | Prediction of machine failure based on vibration trend information |
US11243860B2 (en) * | 2019-10-01 | 2022-02-08 | Computational Systems, Inc. | Trend plot with multiple acquisitions |
US11112783B2 (en) * | 2019-10-25 | 2021-09-07 | Computational Systems, Inc. | Method and apparatus for machine monitoring with continuous improvement of a predictive maintenance database |
US11681672B2 (en) * | 2021-03-30 | 2023-06-20 | International Business Machines Corporation | Virtual database resource usage |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0018853B1 (en) * | 1979-05-07 | 1984-10-03 | Westinghouse Electric Corporation | Method of and system for the detection of object impact |
US4631683A (en) * | 1984-08-29 | 1986-12-23 | General Electric Company | Acoustic detection of contact between cutting tool and workpiece |
KR20140084159A (ko) * | 2011-10-13 | 2014-07-04 | 모벤타스 기어스 오와이 | 기어박스의 상태를 모니터링하는 방법 및 시스템 |
CN102129450B (zh) * | 2010-01-20 | 2015-08-19 | 微软技术许可有限责任公司 | 检测尖峰查询 |
CN104880247A (zh) * | 2015-05-04 | 2015-09-02 | 华中科技大学 | 一种用于旋转机械在线监测系统的组合报警方法 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7308322B1 (en) | 1998-09-29 | 2007-12-11 | Rockwell Automation Technologies, Inc. | Motorized system integrated control and diagnostics using vibration, pressure, temperature, speed, and/or current analysis |
US6301151B1 (en) | 2000-08-09 | 2001-10-09 | Information Storage Devices, Inc. | Adaptive programming method and apparatus for flash memory analog storage |
US7277843B1 (en) * | 2002-07-15 | 2007-10-02 | Network Physics | Method for real-time auto-detection of outliers |
US7124637B2 (en) | 2004-03-22 | 2006-10-24 | Johnson Controls Technology Company | Determining amplitude limits for vibration spectra |
ATE511128T1 (de) | 2005-04-04 | 2011-06-15 | Fisher Rosemount Systems Inc | Statistische verarbeitungsverfahren für die detektion anomaler situationen |
FR2900745B1 (fr) | 2006-05-05 | 2008-10-10 | Eurocopter France | Procede et dispositif de diagnostic d'un mecanisme |
JP5363927B2 (ja) | 2009-09-07 | 2013-12-11 | 株式会社日立製作所 | 異常検知・診断方法、異常検知・診断システム、及び異常検知・診断プログラム |
DE102010013594A1 (de) | 2010-03-31 | 2011-10-06 | Aktiebolaget Skf | Verfahren und Vorrichtung zur Herstellung von Lagerbauteilen |
US8380447B2 (en) | 2010-04-14 | 2013-02-19 | Simmonds Precision Products, Inc. | Quantification of condition indicators in the presence of synchronous noise |
US20140058705A1 (en) | 2011-04-27 | 2014-02-27 | Decision Makers Ltd. | System and Method for Detecting Abnormal Occurrences |
US9670767B2 (en) * | 2014-02-18 | 2017-06-06 | Chevron U.S.A. Inc. | Apparatus, system and methods for alerting of abnormal drilling conditions |
US10508974B2 (en) * | 2016-02-01 | 2019-12-17 | Computational Systems, Inc. | Storing analytical machine data based on change in scalar machine data indicating alert condition |
-
2018
- 2018-02-09 US US15/892,645 patent/US10311703B1/en active Active
-
2019
- 2019-01-14 DE DE102019100722.4A patent/DE102019100722B4/de active Active
- 2019-02-02 CN CN201910106504.4A patent/CN110132402B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0018853B1 (en) * | 1979-05-07 | 1984-10-03 | Westinghouse Electric Corporation | Method of and system for the detection of object impact |
US4631683A (en) * | 1984-08-29 | 1986-12-23 | General Electric Company | Acoustic detection of contact between cutting tool and workpiece |
CN102129450B (zh) * | 2010-01-20 | 2015-08-19 | 微软技术许可有限责任公司 | 检测尖峰查询 |
KR20140084159A (ko) * | 2011-10-13 | 2014-07-04 | 모벤타스 기어스 오와이 | 기어박스의 상태를 모니터링하는 방법 및 시스템 |
CN104880247A (zh) * | 2015-05-04 | 2015-09-02 | 华中科技大学 | 一种用于旋转机械在线监测系统的组合报警方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110132402A (zh) | 2019-08-16 |
DE102019100722B4 (de) | 2022-02-03 |
DE102019100722A1 (de) | 2019-08-14 |
US10311703B1 (en) | 2019-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110132402B (zh) | 振动趋势数据中尖峰和故障的检测 | |
US7216063B2 (en) | Method and apparatus for comparing a data set to a baseline value | |
EP1451550B1 (en) | System and method for identifying the presence of a defect in vibrating machinery | |
US5587931A (en) | Tool condition monitoring system | |
KR101482509B1 (ko) | 베어링 결함 진단 시스템 및 그 진단 방법 | |
US7444265B2 (en) | Machine and/or monitoring | |
AU2022100050A4 (en) | Optical acoustic sensing system and method | |
US20070282548A1 (en) | Method and Apparatus for Assessing Condition of Motor-Driven Mechanical System | |
CA2098943A1 (en) | System and method for dectecting cutting tool failure | |
JP2002090267A (ja) | 異常診断方法 | |
KR101663820B1 (ko) | 사운드 신호를 이용하여 기계 장치를 진단하는 방법 및 장치 | |
CN113109051A (zh) | 基于振动数据极差序列的故障预警方法和系统 | |
CN107121493B (zh) | 一种设备损伤检测方法及系统 | |
JP2001125634A (ja) | ウェーブレット変換によるプラント機器監視装置 | |
JPH08220278A (ja) | プラント監視装置及び監視方法 | |
Amer et al. | Machine tool condition monitoring using sweeping filter techniques | |
EP0842006B1 (en) | Tool condition monitoring system | |
JP2004361286A (ja) | 回転機械の劣化診断方法 | |
JPH08122142A (ja) | 判別装置及び判別方法 | |
JPH0749265A (ja) | 振動監視装置 | |
WO2023126829A1 (en) | Method for controlling a centrifuge and centrifuge |
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 |