CN117906991A - 旋转机械的机器健康监测 - Google Patents
旋转机械的机器健康监测 Download PDFInfo
- Publication number
- CN117906991A CN117906991A CN202410092458.8A CN202410092458A CN117906991A CN 117906991 A CN117906991 A CN 117906991A CN 202410092458 A CN202410092458 A CN 202410092458A CN 117906991 A CN117906991 A CN 117906991A
- Authority
- CN
- China
- Prior art keywords
- alarm
- diagnostic system
- machine
- machine components
- alert
- 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.)
- Pending
Links
- 230000036541 health Effects 0.000 title claims abstract description 12
- 238000012544 monitoring process Methods 0.000 title claims abstract description 9
- 230000007547 defect Effects 0.000 claims abstract description 39
- 238000005259 measurement Methods 0.000 claims abstract description 30
- 238000012545 processing Methods 0.000 claims abstract description 21
- 238000004458 analytical method Methods 0.000 claims abstract description 15
- 238000004891 communication Methods 0.000 claims abstract description 4
- 238000012423 maintenance Methods 0.000 claims description 6
- 230000003137 locomotive effect Effects 0.000 claims description 5
- 238000012360 testing method Methods 0.000 claims description 5
- 238000003860 storage Methods 0.000 description 17
- 238000002405 diagnostic procedure Methods 0.000 description 13
- 238000000034 method Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000004804 winding Methods 0.000 description 1
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
- G05B23/0283—Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]
-
- 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
- G05B23/0297—Reconfiguration of monitoring system, e.g. use of virtual sensors; change monitoring method as a response to monitoring results
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M99/00—Subject matter not provided for in other groups of this subclass
- G01M99/005—Testing of complete machines, e.g. washing-machines or mobile phones
-
- 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
-
- 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
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Human Computer Interaction (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
提供一种旋转机械的机器健康监测。自动诊断系统通过对机器部件的测量的分析来对机器部件执行大量的机器健康监测,以尽可能早地检测到缺陷。自动诊断系统包括:传感器,其与机器部件通信;处理器;以及存储器,其存储有用于机器部件的自动诊断警报处理的软件。软件能够由处理器执行,以使自动诊断系统:基于状况指标值的组的平均值和高于该平均值的预定数量的标准偏差,为机器部件的每个测量点设置警报级别,针对机器部件的测量和警报级别检测警报,自动调整与警报对应的警报级别,并且基于与警报相关的测量,将警报级别自动调整为新的状态。
Description
技术领域
本发明涉及机器健康监测。
背景技术
利用机器诊断来实施机器健康监测。机器诊断的主要目标是尽可能早地检测到机器中的缺陷。然而,传统的机器诊断包括多个缺点。对于复杂的机械,即具有许多相互作用的组件的机械,机器诊断可以检测到多个缺陷而不能发现主要问题或根本原因。对于复杂的情形,即具有不断变化的运行状况的机械,机器诊断可能触发假警报或无法检测到缺陷。
发明内容
根据一个或多个实施方式,提供一种自动诊断系统。所述自动诊断系统用于通过对一个或多个机器部件的测量的分析来对所述一个或多个机器部件执行大量的机器健康监测,以尽可能早地检测到所述一个或多个机器部件中的缺陷。所述自动诊断系统包括:至少一个传感器,其与所述一个或多个机器部件通信;至少一个处理器;以及至少一个存储器,其存储有用于所述一个或多个机器部件的自动诊断警报处理的软件。所述软件至少包括警报级别模块,所述警报级别模块能够由所述至少一个处理器执行,以使所述自动诊断系统:基于状况指标值的组的平均值和高于所述平均值的预定数量的标准偏差,通过所述警报级别模块为所述一个或多个机器部件的每个测量点设置警报级别,针对所述警报级别和所述一个或多个机器部件的由所述至少一个传感器提供的测量,通过所述警报级别模块检测警报,通过所述警报级别模块自动调整与所述警报对应的警报级别,并且基于与所述警报相关的测量,通过所述警报级别模块将所述警报级别自动调整为新的状态。
根据一个或多个实施方式或者以上自动诊断系统实施方式,所述警报级别模块可以在学习或测试时间段之后设置所述警报级别。
根据一个或多个实施方式或者以上任一自动诊断系统实施方式,所述警报级别模块可以利用N个警报逻辑中的M个警报逻辑(M out of N alarm logic)来检测所述警报。
根据一个或多个实施方式或者以上任一自动诊断系统实施方式,所述警报级别模块可以基于所述状况指标值的组的平均值加上高于所述平均值的预定数量的标准偏差,将所述警报级别调整为所述新的状态。
根据一个或多个实施方式或者以上任一自动诊断系统实施方式,所述自动诊断系统可以执行分析,以确定针对所述警报是否存在缺陷。
根据一个或多个实施方式或者以上任一自动诊断系统实施方式,当已经对所述一个或多个机器部件进行了维护,并且已经消除了缺陷时,所述警报级别模块可以将所述警报级别调整为所述新的状态。
根据一个或多个实施方式或者以上任一自动诊断系统实施方式,所述一个或多个模块可以包括机器部件模块,所述机器部件模块监测所述一个或多个机器部件的运动学,所述运动学用于确定所述一个或多个机器部件的测量的缺陷频率。
根据一个或多个实施方式或者以上任一自动诊断系统实施方式,所述一个或多个模块可以包括诊断规则模块,所述诊断规则模块基于为每个缺陷生成状况指标值来确定和存储诊断规则,并且诊断规则与在基于运动学的预定频率下的、所述一个或多个机器部件的测量的振幅组合。
根据一个或多个实施方式或者以上任一自动诊断系统实施方式,所述一个或多个模块可以包括诊断趋势模块,所述诊断趋势模块确定和存储由所述至少一个处理器在对存储在所述至少一个存储器中的历史测量数据进行处理时输出的一系列状况指标值。
根据一个或多个实施方式或者以上任一自动诊断系统实施方式,所述一个或多个机器部件可以被风力涡轮机系统或机车系统的旋转机械包括。
提供一种自动诊断方法。所述自动诊断方法用于通过对一个或多个机器部件的测量的分析来对所述一个或多个机器部件执行大量的机器健康监测,以尽可能早地检测到所述一个或多个机器部件中的缺陷。所述自动诊断方法通过自动诊断系统实施,所述自动诊断系统包括:至少一个传感器,其与所述一个或多个机器部件通信;至少一个处理器;以及至少一个存储器,其存储有用于所述一个或多个机器部件的自动诊断警报处理的软件。所述软件至少包括警报级别模块,所述警报级别模块能够由所述至少一个处理器执行,以使所述自动诊断系统实施自动诊断方法,所述自动诊断方法包括:基于状况指标值的组的平均值和高于所述平均值的预定数量的标准偏差,通过所述警报级别模块为所述一个或多个机器部件的每个测量点设置警报级别,针对所述警报级别和所述一个或多个机器部件的由所述至少一个传感器提供的测量,通过所述警报级别模块检测警报,通过所述警报级别模块自动调整与所述警报对应的警报级别,并且基于与所述警报相关的测量,通过所述警报级别模块将所述警报级别自动调整为新的状态。
根据一个或多个实施方式或者以上自动诊断方法实施方式,所述警报级别模块可以在学习或测试时间段之后设置所述警报级别。
根据一个或多个实施方式或者以上任一自动诊断方法实施方式,所述警报级别模块可以利用N个警报逻辑中的M个警报逻辑来检测所述警报。
根据一个或多个实施方式或者以上任一自动诊断方法实施方式,所述警报级别模块可以基于所述状况指标值的组的平均值加上高于所述平均值的预定数量的标准偏差,将所述警报级别调整为所述新的状态。
根据一个或多个实施方式或者以上任一自动诊断方法实施方式,所述自动诊断系统可以执行分析,以确定针对所述警报是否存在缺陷。
根据一个或多个实施方式或者以上任一自动诊断方法实施方式,当已经对所述一个或多个机器部件进行了维护,并且已经消除了缺陷时,所述警报级别模块可以将所述警报级别调整为所述新的状态。
根据一个或多个实施方式或者以上任一自动诊断方法实施方式,所述一个或多个模块可以包括机器部件模块,所述机器部件模块监测所述一个或多个机器部件的运动学,所述运动学用于确定所述一个或多个机器部件的测量的缺陷频率。
根据一个或多个实施方式或者以上任一自动诊断方法实施方式,所述一个或多个模块可以包括诊断规则模块,所述诊断规则模块基于为每个缺陷生成状况指标值来确定和存储诊断规则,并且所述诊断规则与在基于运动学的预定频率下的、所述一个或多个机器部件的测量的振幅组合。
根据一个或多个实施方式或者以上任一自动诊断方法实施方式,所述一个或多个模块可以包括诊断趋势模块,所述诊断趋势模块确定和存储由所述至少一个处理器在对存储在所述至少一个存储器中的历史测量数据进行处理时输出的一系列状况指标值。
根据一个或多个实施方式或者以上任一自动诊断方法实施方式,所述一个或多个机器部件可以被风力涡轮机系统或机车系统的旋转机械包括。
附图说明
现在将参照附图借助于示例描述本发明,在附图中:
图1描绘了根据一个或多个实施方式的实施机器诊断的自动诊断系统;和
图2描绘了根据一个或多个实施方式的自动诊断系统的自动诊断警报处理过程的过程流程。
具体实施方式
参照附图给出以下详细描述。只要有可能,在图中使用相同的附图标记,并且在以下描述中指代相同或相似的部分。虽然在本文中描述了本公开的数个示例性实施方式和特征,但是在不脱离本公开的主旨和范围的情况下,变型、改变和其它实施方案是可能的。因此,以下详细描述不限制本公开。而是,本公开的适当范围由所附权利要求书限定。
图1描绘了根据一个或多个实施方式的实施机器诊断的自动诊断系统100。自动诊断系统100包括一个或多个机器部件110(例如,旋转机械和其中的组件)、至少一个处理器120、至少一个存储器130和至少一个传感器140。因而,如图1所示,自动诊断系统100包括以至少一个处理器120的形式体现的处理能力、以至少一个处理器120的形式体现的存储能力和以至少一个传感器140的形式体现的输入/输出机制(input/output mechanism)。
通常,随着自动诊断系统100增加大量的机器健康监测(a volume of machinehealth monitoring),自动诊断系统100自动增多对测量的分析,以尽可能早地检测一个或多个机器部件110中的缺陷、提高检测可靠性并提升故障预测的精度。进而,自动诊断系统100的技术效果和优点包括在就生产而言适当的时刻进行测量和分析,从而能够基于检测来订购部件(而不用保存大的备件储备)。自动诊断系统100的技术效果和优点还包括最大化检测所存在的一个或多个缺陷的类型的能力、最大化针对严重性将缺陷分类的能力并最小化假阳性(false positive)(假警报(false alarm))。因而,本文所述的实施方式的根源必须在于,利用用于进行前摄操作(proactive operation)以解决在机器诊断的领域中具体产生的问题的自动诊断系统100至少一个处理器120、至少一个存储器130和至少一个传感器140,来实施机器健康监测(例如,这些问题包括检测到多个缺陷而不能发现主要问题或根本原因、触发假警报和/或无法检测到缺陷)。
一个或多个机器部件110是机械和/或旋转机械的被监测的部分。机械和/或旋转机械的示例包括但不限于机车系统(locomotive system)、风力涡轮机系统、机动车系统和工业系统。机械和/或旋转机械内的一个或多个机器部件110的示例包括但不限于动力传动系统、车轴(axel)、带轴转向架、轴箱、牵引电动机、车轮、齿轮、叶轮、轴承、定子、转子、电动转子(electrical rotor)、涡轮机、转轴(shaft)和绕组。
至少一个处理器120可以包括一个或多个中央处理单元(CPU),其还称作处理电路、经由系统总线耦合到至少一个存储器130、至少一个传感器140和各种其它组件。至少一个处理器120执行自动诊断系统100的软件160。自动诊断系统100的软件160可以存储在至少一个存储器130中。
至少一个存储器130可以包括只读存储器(ROM)和随机存取存储器(RAM)。ROM耦合到系统总线并可以包括基本输入/输出系统(BIOS),BIOS控制系统的某些基本功能。RAM是耦合到系统总线的供至少一个处理器120使用的读写存储器。至少一个存储器130是可由至少一个处理器120读取的有形存储介质的示例,软件160存储在至少一个存储器130中作为供至少一个处理器120执行以使自动诊断系统100操作的指令,诸如本文所述的。在一个实施方式中,系统(sys)的一部分至少一个存储器130集体地存储操作系统、固件、本文所讨论的软件160等,以协调图1所示的各种组件的功能。
至少一个传感器140可以包括一个或多个变换器(transducer),变换器监测和/或检测一个或多个机器部件110的机器组件状况。至少一个传感器140可以包括耦合到系统总线的一个或多个输入/输出(I/O)适配器,系统总线向至少一个存储器130、至少一个处理器120和/或任意其它类似组件通信机器组件状况。至少一个传感器140的示例包括但不限于加速计、热电偶,应变仪和麦克风。根据一个或多个实施方式,至少一个传感器140可以基于与机器组件有关的诸如如下信息,确定机器组件状况:轴承的节圆直径、滚动元件直径、滚动元件数量、接触角度等;齿轮的齿数;叶轮的刀片数量和/或叶片数量;以及电动转子的转子条数量。此外,还可以通过至少一个传感器140确定温度、振动、应力等。至少一个传感器140还可以向至少一个处理器120和至少一个存储器130提供机器组件状况作为模拟和/或数字波形。
自动诊断系统100的软件160还可以包括一个或多个模块,诸如机器部件模块161、诊断规则模块162、诊断趋势模块163和警报级别模块164等。
自动诊断系统100的软件160的机器部件模块161基于与测量同步采集的实际过程值(actual process values)、速度等,确定和/或计算被监测的一个或多个机器部件110的运动学(kinematics)。根据一个或多个实施方式,利用运动学来使用一个或多个机器部件110的在被进行测量时的转轴速度,确定一个或多个机器部件110的缺陷频率(基于从至少一个传感器140接收到的模拟和/或数字波形)。
在这方面,机器部件模块161每个测量(由至少一个传感器140提供)动态地确定所有相关缺陷频率。在旋转机械的情况下,机器部件模块161基于与振动测量同时测量的转轴速度,为每个测量动态地确定所有相关缺陷频率。
自动诊断系统100的软件160的诊断规则模块162基于为每个缺陷(所有相关缺陷)生成状况指标值,确定和存储诊断规则。这些诊断规则还可以是预先确定的,并且可以与在基于运动学的预定频率(defined frequency)下的振幅(amplitude)(基于从至少一个传感器140接收到的模拟和/或数字波形)组合。注意,对于每个测量,使用诊断规则的预定集合来确定状况指标值的集合。状况指标值使自动诊断系统100能够对一个或多个机器部件110中的预定缺陷作出反应。
通过软件160的诊断规则模块162生成状况指标值可以包括从至少一个传感器140接收模拟和/或数字波形,以及为了形成均方根(root means square,RMS)而使频谱的各个峰值相加。根据一个或多个实施方式,除了均方根(RMS)确定(RMS determination)以外,还可以利用和的平方根(root sum square,RSS)确定。软件160的诊断规则模块162还可以将状况指标值确定为总百分比(O%)和速度跟随带(speed following band)的O%。软件160的技术效果和优点可以包括使操作中的机器部件状况(包括检测到缺陷的操作中的机器部件状况)影响频率范围内的所有峰值。为了将状况指标值确定为速度跟随带的O%,诊断规则模块162设置覆盖在状况指标确定中使用的模拟和/或数字波形的峰值的范围,这减轻了来自一个或多个机器部件110的运行状况的影响。
每个状况指标值均反映出一个或多个机器部件110针对特定缺陷的状况。应当注意,可以从每个测量(由至少一个传感器140提供)计算出数个状况指标值,每个状况指标值均被设计为用于检测缺陷。如此,对于每个测量均存在至少一个状况指标值。
自动诊断系统100的软件160的诊断趋势模块163确定和存储由至少一个处理器120在对存储在至少一个存储器130中的历史测量数据进行处理时输出的一系列状况指标值。历史测量数据包括在一个或多个机器部件110的操作期间随着时间获得的操作信息,以及模拟识别系统对不同操作设置的反应的测试模拟数据。
自动诊断系统100的软件160的警报级别模块164确定和存储状况指标值的阈值级别的限定(当已经检测到缺陷时)。警报级别模块164可以基于对历史测量数据的处理,自动确定阈值级别。警报级别模块164可以基于状况指标值的组的平均值加上高于该平均值的预定数量的标准偏差,设置或调整警报级别。预定数量的标准偏差可以是通过用户输入而设置的固定值,或者可以是标准偏差除以该平均值的计算结果。例如,如果结果大于0.3,则警报级别是高于平均值的3个标准偏差。此外,如果结果小于0.1,则警报级别是高于警报级别的5个标准偏差。在0.1和0.3之间,倍率(multiplicator)在3和5之间是线性的。
警报级别模块164可以在警报触发时确定新的阈值,并且随后启动新的学习时段(learning period)。随着新的学习时段的结束,警报级别模块164可以确定新的阈值。根据一个或多个实施方式,可以在警报发生之前进行任意的学习时段,以便能够在警报之时立即计算新的警报级别。如果状况指标值显著减小,则可以通过警报级别模块164重新计算阈值。利用该功能,将阈值始终设置在能够检测到状况指标值显著增大的级别。可以通过自动诊断系统100自动调整新的学习时段的长度。
自动诊断系统100的软件160的警报级别模块164还可以进行N个警报逻辑中的M个。N个警报逻辑中的M个包括当N个最后状况指标值中的M个高于阈值(M和N为整数)时,则触发警报。根据一个或多个实施方式,N个警报逻辑中的M个还可以包括N个中的大部分,其中如果大多数状况指标值高于阈值,则触发警报。M和N的值可以反映所使用的分析/评估时段。例如,如果分析/评估时段是一小时,并且每天检查两次数据,则适当的M和N设置可以是4和7。可以通过自动诊断系统100自动调整分析/评估时段的长度。
图2描绘了根据一个或多个实施方式的自动诊断系统100的过程流程200。处理流程200是自动诊断系统100的自动诊断警报处理过程的示例。过程流程200在框210开始,自动诊断系统100为每个测量点设置警报级别。例如,警报级别模块164可以基于状况指标值的组的平均值加上高于该平均值的预定数量的标准偏差,设置或调整警报级别。注意,警报级别模块164可以在学习或测试时间段之后设置警报级别。
在框220,自动诊断系统100检测警报(例如,该警报正在由警报级别模块164报告)。针对一个或多个机器部件的测量值和在框210中设置的警报级别,检测警报。自动诊断系统100的软件160的警报级别模块164可以经由N个警报逻辑中的M个来检测警报。
在框230,自动诊断系统100自动调整与警报对应的警报级别。警报级别模块164可以基于状况指标值的组的平均值加上高于该平均值的预定数量的标准偏差,设置或调整警报级别。因而,当检测到框220的警报时,可以通过警报级别模块164将警报级别重新设置为与该警报对应的新的状况指标级别。
在框240,自动诊断系统100检测执行分析,以确定针对警报是否存在缺陷。该分析可以是用户交互的,并且如果分析表明存在缺陷,则处理流程200前进到框250。在框250,自动诊断系统100检测执行维护,以消除警报。注意,当在修复后级别显著下降时,可以自动检测对一个或多个机器部件110进行的任何维护。
在框260,自动诊断系统100将警报级别自动调整为新的状态(例如,当已经进行了维护,并且已经消除了缺陷时,将警报级别自动调整为新的情形)。新的状态可以包括警报级别模块164在警报触发时确定新的阈值,并且随后启动新的学习时段。随着新的学习期的结束,警报级别模块164可以确定新的阈值。如果状况指标值显著减小,则可以通过警报级别模块164重新计算阈值。
本发明可以是以任何可能的技术细节集成水平的系统、方法和/或计算机程序产品,其包含本文所讨论的特征,包括与N个警报逻辑中的M个组合的状况指标值确定,以提高机器诊断可靠性,显著减少警报而不增加漏掉缺陷的风险,从而解决更加困难的情况,为客户提供更加精确的建议。计算机程序产品可以包括一种或多种计算机可读存储介质,其具有计算机可读程序指令,用于使处理器施行本发明的方面。
计算机可读存储介质可以是有形设备,其可以保存和存储供指令执行设备使用的指令。计算机可读存储介质可以是例如但不限于电子存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或前述的任意适当组合。计算机可读存储介质的更具体示例的非穷尽清单包括:便携式计算机磁盘、硬盘、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或闪存)、静态随机存取存储器(SRAM)、便携式光盘只读存储器(CD-ROM)、数字通用光盘(DVD)、记忆棒、软盘、诸如穿孔卡或在槽中记录有指令的凸起结构等的机械编码设备以及前述的任意适当组合。如本文所使用的,计算机可读存储介质不应被解释为瞬时信号本身,诸如无线电波或其它自由传播的电磁波、通过波导或其它传输介质传播的电磁波(例如,穿过光纤电缆的光脉冲)或者通过电线传输的电信号。
本文所述的计算机可读程序指令可以从计算机可读存储介质下载到相应的计算/处理设备,或者可以经由网络,例如经由因特网、局域网、广域网和/或无线网,下载到外部计算机或外部存储设备。网络可以包括传输铜电缆、传输光纤、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配器卡或网络接口从网络接收计算机可读程序指令,并且转发计算机可读程序指令,以存储在相应计算/处理设备内的计算机可读存储介质中。
用于施行本发明的操作的计算机可读程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、用于集成电路的配置数据或者写在一种或多种编程语言的任意组合中的源代码或目标代码,编程语言包括诸如Smalltalk、C++等的面向对象编程语言,以及诸如“C”编程语言或类似编程语言等的过程编程语言。计算机可读程序指令可以作为独立的软件包全部在用户的计算机上执行、部分在用户的计算机上执行、部分在用户的计算机上且部分在远程计算机上执行或者全部在远程计算机或服务器上执行。在后者情况下,远程计算机可以通过任意类型的包括局域网(LAN)或广域网(WAN)在内的网络连接到用户的计算机,或者可以连接到外部计算机(例如,通过使用互联网服务提供商的因特网)。在一些实施方式中,为了进行本发明的各方面,包括例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)的电子电路可以通过利用计算机可读程序指令的状态信息来执行计算机可读程序指令,以使电子电路个性化。
在本文中,参照根据本发明的实施方式的方法、装置(系统)和计算机程序产品的流程图和/或框图来描述本发明的各方面。将理解的是,可以通过计算机可读程序指令实现流程图和/或框图中的每个框以及流程图和/或框图的框的组合。
可以向通用计算机、专用计算机或其它可编程数据处理装置的处理器提供这些计算机可读程序指令以产生机器,使得经由计算机的处理器或其它可编程数据处理装置执行的指令创建用于实施在流程图和/或框图的一个或多个框中指定的功能/动作的手段。这些计算机可读程序指令还可以存储在计算机可读存储介质中,该计算机可读存储介质可以指示计算机、可编程数据处理装置和/或其它设备以特定方式起作用,使得存储有指令的计算机可读存储介质包括制造包括如下指令的物品:实施在流程图和/或框图的一个或多个框中指定的功能/动作的方面的指令。
计算机可读程序指令还可以加载到计算机、其它可编程数据处理装置或其它设备上,使在计算机、其它可编程装置或其它设备上进行一系列操作步骤,以产生计算机实现过程,使得在计算机、其它可编程装置或其它设备上执行的指令实施在流程图和/或框图的一个或多个框中指定的功能/动作。
图中的流程图和框图图示了根据本发明的各种实施方式的系统、方法和计算机程序产品的可能实施的架构、功能和操作。在这方面,流程图或框图中的每个框可以表示模块、段或指令的一部分,其包括用于实施所指定的一个或多个逻辑功能的一个或多个可执行指令。在一些替代实施方案中,框中提及的功能可以不按图中所提及的顺序发生。例如,连续示出的两个框实际上可以基本上同时执行,或者框有时可以按相反的顺序执行,这取决于所涉及的功能。还将注意的是,可以通过进行特定功能或动作或者施行专用硬件和计算机指令的专用基于硬件的系统,实施框图和/或流程图的每个框以及框图和/或流程图的框的组合。
本文所使用的术语仅出于描述特定实施方式的目的,而不旨在是限制性的。如本文所使用的,除非上下文另有明确说明,单数形式“一”、“一个”和“该”旨在也包括复数形式。将进一步理解的是,当在本说明书中使用时,术语“包括”和/或“包含”指定所陈述的特征、整数、步骤、操作、元件和/或组件的存在,但是不排除其它特征、整数、步骤、操作、元件、组件和/或其组的存在或一个以上的添加。
已经出于说明的目的呈现了本文的各种实施方式的描述,但是并不旨在穷举或限制于所公开的实施方式。在不脱离所描述的实施方式的范围和主旨的情况下,许多变型和变化对于本领域普通技术人员而言将是显而易见的。选择本文所使用的术语是为了最好地解释实施方式的原理、实际应用或随着在市场中发现的技术而作出的技术改进,或者是为了使本领域普通技术人员能够理解本文所公开的实施方式。
Claims (10)
1.一种自动诊断系统,其用于通过对一个或多个机器部件的测量的分析来对所述一个或多个机器部件执行大量的机器健康监测,以尽可能早地检测到所述一个或多个机器部件中的缺陷,所述自动诊断系统包括:
至少一个传感器,其与所述一个或多个机器部件通信;
至少一个处理器;以及
至少一个存储器,其存储有用于所述一个或多个机器部件的自动诊断警报处理的软件,所述软件至少包括警报级别模块,所述警报级别模块能够由所述至少一个处理器执行,以使所述自动诊断系统:
基于状况指标值的组的平均值和高于所述平均值的预定数量的标准偏差,通过所述警报级别模块为所述一个或多个机器部件的每个测量点设置警报级别,
针对所述警报级别和所述一个或多个机器部件的由所述至少一个传感器提供的测量,通过所述警报级别模块检测警报,
通过所述警报级别模块自动调整与所述警报对应的警报级别,并且
基于与所述警报相关的测量,通过所述警报级别模块将所述警报级别自动调整为新的状态。
2.根据权利要求1所述的自动诊断系统,其特征在于,所述警报级别模块在学习或测试时间段之后设置所述警报级别。
3.根据权利要求1所述的自动诊断系统,其特征在于,所述警报级别模块利用N个警报逻辑中的M个警报逻辑来检测所述警报。
4.根据权利要求1所述的自动诊断系统,其特征在于,所述警报级别模块基于所述状况指标值的组的平均值加上高于所述平均值的预定数量的标准偏差,将所述警报级别调整为所述新的状态。
5.根据权利要求1所述的自动诊断系统,其特征在于,所述自动诊断系统执行分析,以确定针对所述警报是否存在缺陷。
6.根据权利要求5所述的自动诊断系统,其特征在于,当已经对所述一个或多个机器部件进行了维护,并且已经消除了缺陷时,所述警报级别模块将所述警报级别调整为所述新的状态。
7.根据权利要求1所述的自动诊断系统,其特征在于,所述一个或多个模块包括机器部件模块,所述机器部件模块监测所述一个或多个机器部件的运动学,所述运动学用于确定所述一个或多个机器部件的测量的缺陷频率。
8.根据权利要求1所述的自动诊断系统,其特征在于,所述一个或多个模块包括诊断规则模块,所述诊断规则模块基于为每个缺陷生成状况指标值来确定和存储诊断规则,并且所述诊断规则与在基于运动学的预定频率下的、所述一个或多个机器部件的测量的振幅组合。
9.根据权利要求1所述的自动诊断系统,其特征在于,所述一个或多个模块包括诊断趋势模块,所述诊断趋势模块确定和存储由所述至少一个处理器在对存储在所述至少一个存储器中的历史测量数据进行处理时输出的一系列状况指标值。
10.根据权利要求1所述的自动诊断系统,其特征在于,所述一个或多个机器部件被风力涡轮机系统或机车系统的旋转机械包括。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/962,264 | 2018-04-25 | ||
US15/962,264 US10895873B2 (en) | 2018-04-25 | 2018-04-25 | Machine health monitoring of rotating machinery |
CN201910299832.0A CN110398384A (zh) | 2018-04-25 | 2019-04-15 | 旋转机械的机器健康监测 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910299832.0A Division CN110398384A (zh) | 2018-04-25 | 2019-04-15 | 旋转机械的机器健康监测 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117906991A true CN117906991A (zh) | 2024-04-19 |
Family
ID=68205704
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910299832.0A Pending CN110398384A (zh) | 2018-04-25 | 2019-04-15 | 旋转机械的机器健康监测 |
CN202410092458.8A Pending CN117906991A (zh) | 2018-04-25 | 2019-04-15 | 旋转机械的机器健康监测 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910299832.0A Pending CN110398384A (zh) | 2018-04-25 | 2019-04-15 | 旋转机械的机器健康监测 |
Country Status (3)
Country | Link |
---|---|
US (1) | US10895873B2 (zh) |
CN (2) | CN110398384A (zh) |
DE (1) | DE102019205833A1 (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102019209605A1 (de) | 2019-07-01 | 2021-01-07 | Aktiebolaget Skf | Vorrichtung zum Detektieren eines Defekts einer rotierenden Anordnung |
DE102019209606A1 (de) | 2019-07-01 | 2021-01-07 | Aktiebolaget Skf | Vorrichtung zum Detektieren eines Defekts einer rotierenden Anordnung |
DE102020123994A1 (de) | 2020-09-15 | 2022-03-17 | Aktiebolaget Skf | Verfahren zum Einstellen von Alarmstufen für eine Maschine |
EP4075114A1 (en) * | 2021-04-16 | 2022-10-19 | Universität Stuttgart | Method for real-time monitoring of structural changes |
CN114235367B (zh) * | 2021-12-14 | 2024-01-19 | 中电华创电力技术研究有限公司 | 一种旋转机械振动综合管理系统 |
Family Cites Families (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5461570A (en) * | 1994-06-10 | 1995-10-24 | Johnson & Johnson Vision Products, Inc. | Computer system for quality control correlations |
US5691909A (en) * | 1995-12-29 | 1997-11-25 | Western Atlas | Method of virtual machining to predict the accuracy of part to be made with machine tools |
US5922963A (en) * | 1997-06-13 | 1999-07-13 | Csi Technology, Inc. | Determining narrowband envelope alarm limit based on machine vibration spectra |
US5949676A (en) * | 1997-07-30 | 1999-09-07 | Allen-Bradley Company Llc | Method and system for diagnosing the behavior of a machine controlled by a discrete event control system |
US5903796A (en) * | 1998-03-05 | 1999-05-11 | Xerox Corporation | P/R process control patch uniformity analyzer |
GB0011251D0 (en) * | 2000-05-11 | 2000-06-28 | Lucas Industries Ltd | Fault monitoring system |
US6681633B2 (en) | 2000-11-07 | 2004-01-27 | Halliburton Energy Services, Inc. | Spectral power ratio method and system for detecting drill bit failure and signaling surface operator |
US7031878B2 (en) | 2002-12-16 | 2006-04-18 | General Electric Company | Systems and methods for diagnosing the cause of trend shifts in performance data |
CN1209724C (zh) * | 2003-08-04 | 2005-07-06 | 西安交通大学 | 基于概率模型的设备状态动态自适应报警方法 |
US7383097B2 (en) * | 2004-10-25 | 2008-06-03 | Ford Motor Company | Method for managing machine tool data |
US20060181427A1 (en) * | 2005-01-31 | 2006-08-17 | Csi Technology, Inc. | Machine condition indication system |
JP4890095B2 (ja) | 2006-05-19 | 2012-03-07 | 株式会社Ihi | ストール予兆検知装置及び方法、並びにエンジン制御システム |
US7826943B2 (en) | 2007-04-02 | 2010-11-02 | General Electric Company | Method and system for diagnosing faults in a particular device within a fleet of devices |
TWI398805B (zh) | 2010-07-29 | 2013-06-11 | Hon Hai Prec Ind Co Ltd | 具遙控功能的可擕式電子裝置 |
US8803698B1 (en) * | 2010-11-23 | 2014-08-12 | Fluke Corporation | Removable stand alone vibration monitor with automatically configured alarm thresholds |
US8803461B2 (en) * | 2010-12-22 | 2014-08-12 | Arvind Kumar Tiwari | System and method for synchronous machine health monitoring |
US20120330614A1 (en) * | 2011-06-22 | 2012-12-27 | Honeywell International Inc. | Rule-based diagnostics apparatus and method for rotating machinery |
US9778080B2 (en) * | 2013-04-29 | 2017-10-03 | Emerson Electric (Us) Holding Corporation (Chile) Limitada | Selective decimation and analysis of oversampled data |
KR20160125378A (ko) | 2014-02-24 | 2016-10-31 | 세키스이가가쿠 고교가부시키가이샤 | 탄소 재료, 수지 복합 재료 및 그들의 제조 방법 |
JP6223935B2 (ja) * | 2014-09-12 | 2017-11-01 | 株式会社神戸製鋼所 | 回転機械異常検出装置および該方法ならびに回転機 |
CN104297003B (zh) * | 2014-11-13 | 2017-03-08 | 成都运达科技股份有限公司 | 基于动态报警阈值的转向架旋转部件的故障监测方法 |
US10121349B2 (en) * | 2016-09-21 | 2018-11-06 | General Electric-Technology GMBH | Machine protection and diagnostic systems and methods |
-
2018
- 2018-04-25 US US15/962,264 patent/US10895873B2/en active Active
-
2019
- 2019-04-15 CN CN201910299832.0A patent/CN110398384A/zh active Pending
- 2019-04-15 CN CN202410092458.8A patent/CN117906991A/zh active Pending
- 2019-04-24 DE DE102019205833.7A patent/DE102019205833A1/de active Pending
Also Published As
Publication number | Publication date |
---|---|
US20190332102A1 (en) | 2019-10-31 |
US10895873B2 (en) | 2021-01-19 |
DE102019205833A1 (de) | 2019-10-31 |
CN110398384A (zh) | 2019-11-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117906991A (zh) | 旋转机械的机器健康监测 | |
US11460005B2 (en) | Condition monitoring system and wind turbine generation apparatus | |
EP3631205B1 (en) | Wind turbine fault detection using acoustic, vibration, and electrical signals | |
CN113589163B (zh) | 使用机器学习进行的感应电机状况监视 | |
WO2021107866A1 (en) | Method and apparatus for detecting fault, method and apparatus for training model, and device and storage medium | |
EP2580627A2 (en) | System and method for conflict resolution to support simultaneous monitoring of multiple subsystems | |
EP2345894B1 (en) | Trending of vibration data taking into account torque effect | |
CN110689141B (zh) | 风力发电机组的故障诊断方法及设备 | |
KR102040179B1 (ko) | 제조 설비의 이상 감지 및 진단 방법 | |
JP6714498B2 (ja) | 設備診断装置及び設備診断方法 | |
CN111247442A (zh) | 异常诊断装置、异常诊断方法及异常诊断系统 | |
EP4043699A1 (en) | System and method for automated failure mode detection of rotating machinery | |
JP7460545B2 (ja) | 電気機械的マシンの調子を監視して故障を予測するシステム及び方法 | |
CN112985578B (zh) | 一种风电机组共振诊断方法及装置 | |
CN114216640A (zh) | 用于检测工业设备故障状态的方法、设备和介质 | |
EP3936957B1 (en) | Error-based method for calculating a remaining useful life of an apparatus | |
CN116992376A (zh) | 用于检测电网中的异常的装置、系统和方法 | |
CN115656700A (zh) | 检测方法、训练方法、电器、监控系统和存储介质 | |
WO2017212645A1 (ja) | 軸受診断装置および軸受診断方法、並びに回転機器およびその保守方法 | |
CN107436244B (zh) | 基于频率分段振动数据采集的设备故障报警方法 | |
US11463032B2 (en) | Detecting rotor anomalies by determining vibration trends during transient speed operation | |
CN114638060A (zh) | 故障预测方法、系统、电子设备和计算机程序产品 | |
CN113994088A (zh) | 用于对风涡轮机的部件进行计算机实现的监测的方法 | |
CN113898528A (zh) | 风机变桨轴承的异常检测方法、模型训练方法及相关装置 | |
WO2015151237A1 (ja) | 風車の診断装置 |
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 |