CN1542424A - 检测紧急传感器失效的方法和装置 - Google Patents
检测紧急传感器失效的方法和装置 Download PDFInfo
- Publication number
- CN1542424A CN1542424A CNA2004100067811A CN200410006781A CN1542424A CN 1542424 A CN1542424 A CN 1542424A CN A2004100067811 A CNA2004100067811 A CN A2004100067811A CN 200410006781 A CN200410006781 A CN 200410006781A CN 1542424 A CN1542424 A CN 1542424A
- Authority
- CN
- China
- Prior art keywords
- sensor
- noise
- noise component
- historical
- lost efficacy
- 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
- 238000000034 method Methods 0.000 title claims abstract description 31
- 230000008569 process Effects 0.000 claims abstract description 6
- 238000012545 processing Methods 0.000 claims description 7
- 238000005070 sampling Methods 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 description 17
- 230000008878 coupling Effects 0.000 description 8
- 238000010168 coupling process Methods 0.000 description 8
- 238000005859 coupling reaction Methods 0.000 description 8
- 230000000670 limiting effect Effects 0.000 description 8
- 238000010304 firing Methods 0.000 description 6
- 238000001514 detection method Methods 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000012512 characterization method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 239000007789 gas Substances 0.000 description 4
- 238000013213 extrapolation Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007850 degeneration Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000002028 premature Effects 0.000 description 1
- 230000011514 reflex Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
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
- G05B9/00—Safety arrangements
- G05B9/02—Safety arrangements electric
-
- 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
- G05B23/0243—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 model based detection method, e.g. first-principles knowledge model
- G05B23/0254—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 model based detection method, e.g. first-principles knowledge model based on a quantitative model, e.g. mathematical relationships between inputs and outputs; functions: observer, Kalman filter, residual calculation, Neural Networks
-
- 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]
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Testing Of Engines (AREA)
- Measuring Oxygen Concentration In Cells (AREA)
- Testing Electric Properties And Detecting Electric Faults (AREA)
Abstract
提供一种用于检测处理传感器的紧急失效的方法400。所述方法包括确定406传感器输出噪声分量,根据传感器的量程范围和处理工作条件中的至少一个,比较408输出噪声分量和历史传感器输出噪声特征。
Description
技术领域
本发明总的涉及燃气涡轮发动机,更具体的是,涉及检测紧急传感器失效的方法和装置。
背景技术
至少一些公知的燃气涡轮发动机包括压缩机,燃烧室和至少一个涡轮机。压缩机压缩空气,该空气然后通入到燃烧室。被压缩的空气和燃料混合并且在燃烧室内被点燃以便产生通入到涡轮机的燃烧气体。涡轮机从燃烧气体提取能量以便给压缩机提供功率,以及产生有用功以便推动航空器飞行或者给诸如发电机的负载提供功率。
至少一些公知的发动机还包括用于监控与发动机有关的工作条件的多个传感器。例如,发动机可以包括监控温度、压力、速度、流量、位移和应变的传感器。在工作期间,传感器可以暴露于不利的环境和工作条件,例如温度极值,振动和燃烧气体。随着时间而持续的暴露在这样的条件可以引起一些传感器的过早损坏,这对发动机和机体的工作产生不利影响。为了促使减少发动机传感器的失效率,至少一些公知的燃气涡轮发动机包括在特殊应用中的冗余传感器,和/或用来监控传感器输出信号的监控系统。更具体的,至少一些公知的燃气涡轮发动机和传感器一起工作,这些传感器在失效之后或根据预定传感器值被替换,或者包括这样的传感器,这些传感器根据固定时间表被替换而与这些安装的传感器的工作能力无关。然而,这样的方法不能提供期望结果,并且等待传感器失效而去替换它、或者根据时间或工作小时时间表来替换工作的传感器是昂贵的和费时的。
发明内容
一个方面,提供一种检测处理传感器的紧急失效的方法。该方法包括确定传感器输出噪声分量,并且根据传感器的量程范围和处理工作条件的至少其中之一来比较输出噪声分量和历史传感器输出噪声特征。
另一个方面,提供一种检测燃气涡轮发动机传感器的紧急失效的方法。该方法包括对于预定时间周期,采样传感器的输出以得到输出信号的代表性样值,确定当前传感器输出信号,确定传感器的量程范围,确定传感器输出噪声分量,和根据传感器的量程范围和发动机工作条件的至少其中之一来比较输出噪声分量和历史传感器输出噪声特征。
另一个方面,提供一种包括计算器件的燃气涡轮发动机的设备。计算器件包括处理器和与所述处理器通信耦合的存储器,其中处理器被编程以便执行软件产品代码段,该软件产品代码段包括比较器、数据历史纪录(data historian),隔离器模块和限制模块,其中计算器件被编程以便利用传感器的输出信号噪声分量来检测传感器的紧急失效,以及传感器检测与计算器件相关的处理参数。
附图说明
图1是实例性燃气涡轮发动机的示意性简图;
图2是和图1中所示的发动机一起使用的实例性发动机控制单元(ECU)的方框图;
图3是可以被图2所示ECU监控的实例性传感器输出信号的曲线图;和
图4是检测紧急传感器失效的实例性处理400的流程图。
具体实施方式
正如这里所使用的,术语“传感器噪声”被定义为被检测值与期望值的偏离,其中由于正常信号处理变量或发动机工作瞬态,不会引起这样的偏离,但是实际上因为这样的因素,造成了包括但不限于传感器材料的退化、电连接的失效、和/或压缩空气管路或检测线的污染。如这里定义的,传感器可以包括任何分量,该分量被配置成发送一个与监控参数成比例的信号给控制和/或显示分量。而且,尽管这里结合燃气涡轮发动机来描述本发明,但是应该理解,本发明可以应用在其它发动机传感器和在任何应用中的传感器。这样,本发明的实践不限于燃气涡轮发动机的发动机传感器。此外,尽管这里结合电气和电子传感器来描述本发明,应该理解,本发明可以应用在气压、液压和任何传感器。因此,本发明的实践不限制于电气或电子传感器。
图1是实例性燃气涡轮发动机10的示意性简图,该燃气涡轮发动机10包括低压压缩机12,高压压缩机14和燃烧室16。发动机10还包括高压涡轮机18,和低压涡轮机20。压缩机12和涡轮机20通过第一转子轴24耦合在一起,压缩机14和涡轮机18通过第二转子轴26耦合在一起。发动机10包括用于监控发动机10内部参数的多个传感器28。更具体而言,例如,传感器28可以被包括在发动机10内,该传感器28监控气体温度、气体压力、发动机转速、燃料流量和定子叶片位置。传感器类型的例子可以通过仅仅是以例子而不是限制的用在燃气涡轮发动机10的传感器类型给出。在一个实施方案中,发动机10是可以从General Electric Aircraft Engine,Cincinnati,Ohio买到的GE90发动机。
在工作中,空气流过低压压缩机12,将被压缩的空气从低压压缩机12提供给高压压缩机14。然后将被压缩的空气传送给燃烧室16,来自燃烧室16的空气流驱动涡轮机18和20。传感器28提供表示所监控参数的信号,该信号被发送给电子控制(未示出)。
图2是可以和图1所示的发动机10一起使用的实例性发动机控制单元(ECU)200的数据流程图。ECU200可以是任何适合的计算器件或逻辑器件,包括但不限于通用计算机和/或专用单一目的的计算器件,它可以包括基于器件的单板微处理器。ECU200包括监控逻辑202和滤波器204。在一个实施方案中,监控逻辑202和滤波器204被包含在存储于ECU200的非易失存储器内的软件中。ECU200与至少一个传感器28通信耦合并且远离于发动机10被安装,其中每一个传感器28与ECU200通信耦合。监控逻辑202接收来自安装在发动机10上或靠近发动机10的至少一个传感器28的输入信号,该信号表示各种发动机工作参数。监控逻辑202还接收来自安装在机体的传感器28的输入信号,例如但不限于发动机功率命令,并且发送每一个信号的至少一部分给滤波器204。监控逻辑202收集传感器数据并且根据内部算法和来自传感器28的输出格式化传感器数据使其成为能够被滤波器204和特征提取器206使用的格式。滤波器204利用从监控逻辑202收集的传感器数据提供处理工作条件给数据历史记录208和限制模块210。
其中传感器输出高于超出量程或者低于超出量程的传感器失效称为超出量程失效并且相对容易检测。量程之内失效是这样的传感器失效,其中传感器的输出保留在正常范围内,但是传感器的测量是不准确的。量程之内失效趋向于跟发射器本身无关,而是和测量系统的其它部分有关。一些公知的传感器会经历诸如“软失效”的失效模式,这在特殊的工作模式期间是传感器失效,该失效在工作应力减小至较小的应力水平时被回复至正确工作。量程之内和软失效在传感器输出信号上显示了特征化的噪声特征,其可以在传感器超出量程失效之前被检测。ECU200被编程以分析由传感器28提供的传感器输出信号,确定该信号的噪声分量,给出噪声分量的历史趋势,并保存噪声分量的可接受偏差范围。确定的数据可以通过数据通信线或信道211输出。
特征提取器206访问监控逻辑202的输出并且确定关于该数据的噪声分量的量度。特征提取器206还产生预知的和观察的传感器输出和噪声特征的统计分析。
ECU200包括比较器212,数据历史记录208和隔离器模块214。历史记录208的结果通过数据通信线或信道215与限制模块210耦合。限制模块210通过数据线或信道217和比较器212进行通信耦合。历史记录208的结果可以用来更新由限制模块210提供给比较器212的限制。
数据历史记录208可以存储用于传感器28随时间输出的噪声分量特征和特征趋向数据,其中可以改变采样间隔使其适合于每个被监控的传感器的时间常数或周期。在一个实施方案中,历史噪声特征数据在用新数据改写之前可以保存在循环文件(circular file)中持续一个固定时间周期。历史数据也可以在保存之前被过滤并且可以压缩。
历史记录208包括外推函数,其将当前特征和历史数据用于预测未来。使用来自限制模块210的合适的限制以及由历史记录208的外推函数提供给比较器212的预测,比较器212确定任意预测的噪声特征在未来是否处于可接受限制之外。如果预测的数据落入可接受限制之外,则比较器212通过输出线211输出报警信号和/或维修信息。
由历史记录208产生的预测包括基于传感器28的当前工作范围、其它有关传感器的操作范围和发动机工作条件的复杂的信号外推方法。限制模块210根据从滤波器204提供的处理工作条件,给比较器212提供噪声量度的可接受的限制。这些限制可以根据从历史记录208可获得的历史趋势来随时间更新。
比较器212访问从特征提取器206提供的实际噪声量度而不是从限制模块210提供的噪声量度限制。比较器212对于存在的超过数向传感器输出紧急失效报警。
根据由比较器212产生的报警,隔离器214识别说明该超过数的具体失效类型。在一个实施方案中,该功能是由神经网络执行。
神经网络是程序和数据结构的系统,其便于执行任务,例如模式识别,数据提炼,分类和处理建模。在该实例性实施方案中,神经网络(隔离器)214是在软件中执行而不是通过多个平行的处理器。神经网络(隔离器)214可以用于分离失效至具体类型。
图3是可以由图2所示的ECU200监控的实例性传感器输出信号302的曲线图300。曲线图300包括Y轴304,其可以表示由监控逻辑302接收的监控参数的幅度。X轴306可以表示独立时间参数,在该时间参数上可以监控信号302。信号302包括与由传感器28所监控的处理参数成比例的信号部分308,该传感器28包括偏移误差、漂移误差、线性误差和磁滞误差。信号302还包括噪声部分310,其由于例如电磁干扰(EMI)拾取、传感器电子软失效、传感器元件退化、和/或将传感器28与被监控参数耦合的失效或间歇耦合而调制信号部分308。例如,温度传感器上的不良耦合可以在被监控温度和在检测元件处的温度之间出现局部差。由于传感器的振动或传感器或处理元件的温度膨胀,这样的不良耦合可以引起在检测元件处的温度和被监控温度之间的间歇偏差。
X轴306包括第一周期312,其中信号302表示为从传感器28输出的相对恒定的信号。信号302包括恒定幅度的信号部分308和以特征速率变化的噪声部分310。噪声部分308变化的特征速率表示特定传感器在特定位置的唯一信号。X轴306的第二周期314表示由传感器28监控的被监控参数的增加幅度。在该实例性实施方案中,噪声部分310表示在点316处的振幅提高到振幅318。在替换实施方案中,噪声部分310也可以提高速率和/或频率。在点310处的噪声部分310的振幅的改变可以归因于在传感器28的可操作的量程范围内的传感器工作,其中显示了在传感器28中的检测。当信号302的幅度在从点316处提高到局部最大值320时,噪声部分310的振幅表示在振幅318处基本保持恒定。在局部最大值320处,信号302的实例性振幅表示在X轴306的第三周期324中降低至局部最小值322。在实例性实施方案中,在局部最小值322处的信号302的幅度表示大于在点316处的信号302的幅度。在X轴306的第四周期326期间,信号302增大至局部最大值328。在周期326期间,噪声部分310表示振幅以恒定速率增大至振幅330。随后,在X轴306的第五周期332期间,信号302的幅度降至点334,其中信号302的幅度恢复至基本等于在周期312期间的信号302的幅度。在周期332期间,噪声部分310的幅度以恒定速率降低至基本等于在周期312期间的噪声部分的幅度。
曲线图300示出了传感器28对变化的处理参数的实例性响应。噪声部分310在振幅方面的变化是对传感器28工作的变化范围和条件的可能响应。
图4是用于通过追踪传感器输出信号噪声来检测紧急传感器失效的实例性处理400的流程图,其可以加入到在ECU200或其它计算机内执行的计算机程序中。该计算机程序可以是任何适合的编译或解释程序,其包括但不限于例如Basic、Java、C、C++或梯形逻辑的语言。在步骤402,可以更新每一个被监控的参数信号以便得到402当前信号值。在预定时间期间从每一个传感器28中采样当前信号值,该期间足够长以便使得信号的噪声分量特征化。被监控信号可以通过直接读取模拟或离散传感器来更新。离散或二进制传感器可以被特征化用于噪声和/或信号反射,例如可以由于振动和/或脉冲而在开关触点瞬时闭合时出现。
确定404信号量程范围以便使得传感器信号噪声分量特征化。传感器28当在输出量程的不同范围内工作时可以呈现不同噪声特征。例如,在传感器高量程范围比在低量程范围更大振幅的噪声分量可以指示传感器元件紧急失效。传感器信号噪声分量被确定406并且与从历史数据库中得到的历史噪声分量比较408。根据当前传感器的量程范围和发动机工作条件选择历史噪声分量,使得将当前噪声分量和代表当前工作条件的历史噪声特征之间进行比较408。发动机工作条件可以根据来自其它发动机和机体传感器的输入而确定。比较408当前噪声分量与共享类似范围和工作条件参数的历史噪声分量,这确保比较408有效,其中两个比较408的信号公用相似潜在的噪声产生条件。历史噪声分量可以推广或外推到未来中,以便确定预知的噪声分量,然后该噪声分量与历史噪声分量比较408以便于预知失效的估计时间。然后将当前噪声分量添加410到历史数据库中用于将来的比较。
如果比较408在当前噪声分量和超出预定并可选择的限制的历史噪声分量之间产生差异,则确定412可能的一个失效模式或多个模式。具有已知噪声分量迹象的失效模式从存档的失效模式数据的数据库中选择,该失效模式数据跟每一个迹象相关联。确定的失效模式可以输出414给显示器、计算机、控制器件和/或ECU200的其它模式。
尽管结合发动机描述了本发明,但是在其它应用中也可以使用本发明。可以预期,本发明可以应用于任何系统,包括传感器测试设施,该设施包括遭受失效的传感器,其中能够收集和分析传感器输出信号。
上述的传感器失效检测系统对于确定传感器的紧急失效是廉价且高可靠的。更具体而言,这里描述的方法和系统便于确定软失效和可以表示传感器的未来失效的迹象。此外,上述方法和系统便于在传统的维修和测试装置提供报警之前提供紧急传感器失效的早期报警。结果是,这里描述的方法和系统有利于以廉价和可靠方式减少维修成本。
上面详细描述了传感器失效检测系统的实例性实施方案。该系统不限制于这里描述的具体实施方案,可以独立且分离于这里描述的其它元件使用每一个系统的元件。每一个系统元件也可以和其它系统元件结合使用。
尽管根据多个具体实施方案已经描述了本发明,但是本领域的技术人员理解,本发明也可以利用在权利要求的精神和范围内的修改来实现。
Claims (10)
1.一种用于检测处理传感器28的紧急失效的方法400,该传感器28用于检测处理系统内的处理参数,所述方法包括:
确定406传感器输出噪声分量;和
根据传感器的量程范围和处理工作条件中的至少一个,比较408输出噪声分量和历史传感器输出噪声特征。
2.根据权利要求1的方法,还包括确定402当前传感器输出信号。
3.根据权利要求2的方法,其中确定当前传感器输出信号包括确定404传感器的量程范围。
4.根据权利要求1的方法,还包括将确定的传感器噪声分量添加410到历史传感器噪声特征数据库,其中每一个特征与在采样特征时候的传感器的量度和在采样特征时候的系统工作条件的至少其中一个相关联。
5.根据权利要求1的方法,还包括确定412传感器输出噪声分量是否超过与传感器的历史输出噪声特征有关的预定限制。
6.根据权利要求5的方法,其中确定当前传感器输出噪声分量是否超过预定限制包括使用统计算法来确定传感器输出噪声分量是否超过预定限制。
7.根据权利要求5的方法,还包括确定412超过预定限制的每一个噪声分量的至少一个相关的传感器失效模式类型。
8.根据权利要求7的方法,还包括向输出端发送414确定的至少一个失效模式类型以便加入到维修时间表中。
9.根据权利要求7的方法,其中确定至少一个相关传感器失效模式类型包括根据传感器元件失效、传感器发射器失效、转换器失效、处理连接失效、引发的噪声失效和传感器环境失效中的至少其中一个,确定至少一个相关传感器失效模式类型。
10.根据权利要求1的方法,还包括:
外推历史噪声分量到未来时间内;
根据历史噪声分量确定预知的噪声分量;
比较预知的噪声分量和历史传感器输出噪声特征以便于预知失效的估计时间。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US10/375649 | 2003-02-26 | ||
US10/375,649 US6741919B1 (en) | 2003-02-26 | 2003-02-26 | Methods and apparatus for detecting impending sensor failure |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1542424A true CN1542424A (zh) | 2004-11-03 |
CN100489699C CN100489699C (zh) | 2009-05-20 |
Family
ID=32312386
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB2004100067811A Expired - Lifetime CN100489699C (zh) | 2003-02-26 | 2004-02-26 | 检测紧急传感器失效的方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US6741919B1 (zh) |
EP (1) | EP1452936B1 (zh) |
JP (1) | JP4646528B2 (zh) |
CN (1) | CN100489699C (zh) |
DE (1) | DE602004027098D1 (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103519803A (zh) * | 2012-06-28 | 2014-01-22 | 通用电气公司 | 用于监测传感器退化的方法和患者监测仪 |
CN104898080A (zh) * | 2014-03-05 | 2015-09-09 | 通用汽车环球科技运作有限责任公司 | 范围内卡住的传感器的检测和方法 |
CN107884656A (zh) * | 2017-12-25 | 2018-04-06 | 潍柴动力股份有限公司 | 一种可信度检测方法及装置 |
CN110879152A (zh) * | 2019-12-02 | 2020-03-13 | 北京航天试验技术研究所 | 一种液体火箭发动机试验实时数据诊断策略 |
Families Citing this family (37)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050125104A1 (en) * | 2003-12-05 | 2005-06-09 | Wilson Thomas L. | Electrical power distribution control systems and processes |
US7729810B2 (en) * | 2002-04-01 | 2010-06-01 | Programable Control Services, Inc. | Electrical power distribution control systems and processes |
DE10235161A1 (de) * | 2002-08-01 | 2004-02-19 | Robert Bosch Gmbh | Sensor, Steuergerät und Verfahren zur Überwachung wenigstens eines Sensors |
US6959607B2 (en) * | 2003-11-10 | 2005-11-01 | Honeywell International Inc. | Differential pressure sensor impulse line monitor |
US7826954B2 (en) * | 2004-06-25 | 2010-11-02 | Honda Motor Co., Ltd. | System for monitoring sensor outputs of a gas turbine engine |
US20060129301A1 (en) * | 2004-12-14 | 2006-06-15 | General Electric Company | Method and apparatus for assessing gas turbine acceleration capability |
US7266464B2 (en) * | 2004-12-17 | 2007-09-04 | Texaco Inc. | Dynamic cut-off frequency varying filter |
US7603222B2 (en) * | 2005-11-18 | 2009-10-13 | General Electric Company | Sensor diagnostics using embedded model quality parameters |
US7505844B2 (en) * | 2005-11-18 | 2009-03-17 | General Electric Company | Model-based iterative estimation of gas turbine engine component qualities |
US7584617B2 (en) * | 2006-03-17 | 2009-09-08 | Siemens Energy, Inc. | Monitoring health of a combustion dynamics sensing system |
US8390227B2 (en) | 2006-04-04 | 2013-03-05 | Utilidata, Inc. | Electric power control system and efficiency optimization process for a polyphase synchronous machine |
US8670876B2 (en) | 2006-04-04 | 2014-03-11 | Utilidata, Inc. | Electric power control system and process |
US7369932B2 (en) * | 2006-05-04 | 2008-05-06 | Honeywell International, Inc. | System and method for turbine engine fault detection using discrete event system modeling |
US7966804B2 (en) * | 2006-07-12 | 2011-06-28 | General Electric Company | Method and apparatus for testing gas turbine engines |
DE102006041867B4 (de) * | 2006-09-06 | 2008-12-04 | Continental Automotive Gmbh | Verfahren und Vorrichtung zur Überwachung des Rauschens eines Sensors |
US8320751B2 (en) | 2007-12-20 | 2012-11-27 | S.C. Johnson & Son, Inc. | Volatile material diffuser and method of preventing undesirable mixing of volatile materials |
US20110192465A1 (en) * | 2010-02-09 | 2011-08-11 | Mission Communications, Llc | Vacuum Sewer Valve Fault Detection System |
DE102010002504B4 (de) * | 2010-03-02 | 2017-02-09 | TAKATA Aktiengesellschaft | Verfahren und Vorrichtung zum Überprüfen einer elektronischen Einrichtung |
US8668381B2 (en) * | 2010-12-23 | 2014-03-11 | General Electric Company | High temperature electronic monitoring system |
JP5776937B2 (ja) * | 2011-09-20 | 2015-09-09 | 株式会社ダイフク | 設備制御システム |
JP5660394B2 (ja) * | 2011-09-20 | 2015-01-28 | 株式会社ダイフク | 設備制御システム |
US8583597B2 (en) * | 2011-11-16 | 2013-11-12 | General Electric Company | System and method for on-site monitoring data archival |
US8699660B2 (en) | 2012-04-24 | 2014-04-15 | General Electric Company | Liquid cooled thermal control system for an imaging detector |
US20140188402A1 (en) * | 2013-01-03 | 2014-07-03 | Dexcom, Inc. | Outlier detection for analyte sensors |
US10066962B2 (en) | 2013-07-01 | 2018-09-04 | Battelle Energy Alliance, Llc | Apparatus, system, and method for sensor authentication |
WO2015100632A1 (zh) | 2013-12-31 | 2015-07-09 | 西门子公司 | 燃气轮机运行参数检测故障的诊断方法 |
US9383385B2 (en) | 2014-01-15 | 2016-07-05 | Pratt & Whitney Canada Corp. | System and method for speed sensor position detection in a multiple channel control system |
CN107111311B (zh) * | 2014-09-10 | 2020-01-14 | 西门子能源公司 | 利用稀疏编码方法的燃气涡轮机传感器故障检测 |
US9784635B2 (en) * | 2015-06-29 | 2017-10-10 | General Electric Company | Systems and methods for detection of engine component conditions via external sensors |
US9688262B1 (en) | 2016-06-23 | 2017-06-27 | Bendix Commercial Vehicle Systems Llc | Air monitoring system |
JP2018205007A (ja) * | 2017-05-31 | 2018-12-27 | セイコーエプソン株式会社 | 回路装置、物理量測定装置、電子機器及び移動体 |
US11158140B2 (en) * | 2019-03-19 | 2021-10-26 | General Electric Company | Signal response monitoring for turbine engines |
CN113614665A (zh) * | 2019-04-25 | 2021-11-05 | Abb瑞士股份有限公司 | 使用人工智能在过程工业中进行生产核算的方法和系统 |
US11867397B2 (en) * | 2019-05-10 | 2024-01-09 | Electric Power Research Institute, Inc. | Gas turbine |
US20210247753A1 (en) * | 2020-02-07 | 2021-08-12 | Kabushiki Kaisha Yaskawa Denki | State estimation device, system, and manufacturing method |
US12051289B2 (en) | 2020-12-17 | 2024-07-30 | Ge Infrastructure Technology Llc | Cloud-based acoustic monitoring, analysis, and diagnostic for power generation system |
GB2603530B (en) | 2021-02-09 | 2023-03-15 | Rolls Royce Plc | Computer-implemented methods, apparatus, computer programs, and non-transitory computer readable storage mediums for determining a value of a parameter |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0121048B1 (de) * | 1983-03-04 | 1987-05-06 | Cerberus Ag | Schaltungsanordnung zur Störpegel-Überwachung von Meldern, die in einer Gefahrenmeldeanlage angeordnet sind |
ATE315781T1 (de) * | 1996-11-06 | 2006-02-15 | Zellweger Analytics Ltd | Überwachungsvorrichtung für elektrochemische zellen |
US6356857B1 (en) * | 1998-08-17 | 2002-03-12 | Aspen Technology, Inc. | Sensor validation apparatus and method |
US6326758B1 (en) | 1999-12-15 | 2001-12-04 | Reliance Electric Technologies, Llc | Integrated diagnostics and control systems |
US6314350B1 (en) | 1999-11-30 | 2001-11-06 | General Electric Company | Methods and apparatus for generating maintenance messages |
US6505143B1 (en) * | 2000-01-20 | 2003-01-07 | General Electric Company | Machine protection system for rotating equipment and method |
US6456928B1 (en) | 2000-12-29 | 2002-09-24 | Honeywell International Inc. | Prognostics monitor for systems that are subject to failure |
JP3624847B2 (ja) * | 2001-03-23 | 2005-03-02 | トヨタ自動車株式会社 | 吸気酸素濃度センサの診断装置 |
US6481210B1 (en) | 2001-05-16 | 2002-11-19 | Honeywell International, Inc. | Smart surge bleed valve system and method |
US6439202B1 (en) | 2001-11-08 | 2002-08-27 | Cummins Inc. | Hybrid electronically controlled unit injector fuel system |
-
2003
- 2003-02-26 US US10/375,649 patent/US6741919B1/en not_active Expired - Lifetime
-
2004
- 2004-02-25 JP JP2004048945A patent/JP4646528B2/ja not_active Expired - Fee Related
- 2004-02-26 DE DE602004027098T patent/DE602004027098D1/de not_active Expired - Lifetime
- 2004-02-26 CN CNB2004100067811A patent/CN100489699C/zh not_active Expired - Lifetime
- 2004-02-26 EP EP04251053A patent/EP1452936B1/en not_active Expired - Lifetime
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103519803A (zh) * | 2012-06-28 | 2014-01-22 | 通用电气公司 | 用于监测传感器退化的方法和患者监测仪 |
US9375183B2 (en) | 2012-06-28 | 2016-06-28 | General Electric Company | Method for monitoring sensor degradation, patient monitor, patient monitor system, physiological sensor, and computer program product for a patient monitor |
CN104898080A (zh) * | 2014-03-05 | 2015-09-09 | 通用汽车环球科技运作有限责任公司 | 范围内卡住的传感器的检测和方法 |
CN104898080B (zh) * | 2014-03-05 | 2018-10-09 | 通用汽车环球科技运作有限责任公司 | 范围内卡住的传感器的检测和方法 |
CN107884656A (zh) * | 2017-12-25 | 2018-04-06 | 潍柴动力股份有限公司 | 一种可信度检测方法及装置 |
CN110879152A (zh) * | 2019-12-02 | 2020-03-13 | 北京航天试验技术研究所 | 一种液体火箭发动机试验实时数据诊断策略 |
Also Published As
Publication number | Publication date |
---|---|
DE602004027098D1 (de) | 2010-06-24 |
EP1452936A2 (en) | 2004-09-01 |
US6741919B1 (en) | 2004-05-25 |
CN100489699C (zh) | 2009-05-20 |
EP1452936A3 (en) | 2006-06-07 |
EP1452936B1 (en) | 2010-05-12 |
JP2004257388A (ja) | 2004-09-16 |
JP4646528B2 (ja) | 2011-03-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN100489699C (zh) | 检测紧急传感器失效的方法 | |
CN110647133B (zh) | 轨道交通设备状态检测维护方法及系统 | |
US8566070B2 (en) | Apparatus abnormality monitoring method and system | |
RU2480806C2 (ru) | Способ анализа функционирования газовой турбины | |
US6260004B1 (en) | Method and apparatus for diagnosing a pump system | |
CA2218450C (en) | Diagnostic trend analysis | |
CN100458122C (zh) | 用于评定燃气轮机损伤的方法和装置 | |
CN102182671B (zh) | 一种气体压缩机的状态分析监测方法 | |
US6876943B2 (en) | Inferential signal generator for instrumented equipment and processes | |
KR100838895B1 (ko) | 가스 터빈 시스템 성능 모니터링 방법 및 가스 터빈 시스템에서의 잠재적 결함 연소실 캔 식별 방법 | |
EP2458178B1 (en) | Turbine performance diagnositic system and methods | |
CN107144303A (zh) | 一种矿用机电设备的故障检测系统、方法及装置 | |
KR101994465B1 (ko) | 기술 시스템, 특히 전기 에너지-발생 설비의 동작의 컴퓨터-보조 모니터링을 위한 방법 | |
CN101726416A (zh) | 用于系统维护的自适应性能模型和方法 | |
US6675639B1 (en) | Apparatus and method to detect cylinder faults of internal combustion engines via exhaust temperature monitoring | |
US20060171625A1 (en) | Method and apparatus for sensing the condition of a device, process material or structure | |
CN100504330C (zh) | 在压力测量中使用涡流转换器的方法和系统 | |
CN116595657A (zh) | 一种发动机质量预测系统 | |
CN100430845C (zh) | 技术设备的运行方法 | |
Svarny et al. | Data Acquisition Unit for On-Site Diagnostics of Air Compressors | |
KR102595694B1 (ko) | 전기차 진단 및 예지 시스템 | |
CN118332467A (zh) | 基于数据分析的转速传感器运行故障诊断管理系统 | |
CN118499202A (zh) | 风电机组的销轴连接稳定评估方法及系统 | |
Adams et al. | Structural Diagnostics Using Nonlinear Analysis (sDNA) With Smart Sensor Arrays | |
CN115016443A (zh) | 一种采煤机机载控制系统功能安全测试装置及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CX01 | Expiry of patent term | ||
CX01 | Expiry of patent term |
Granted publication date: 20090520 |