CN1862278B - 预测电动机剩余寿命的方法和系统 - Google Patents
预测电动机剩余寿命的方法和系统 Download PDFInfo
- Publication number
- CN1862278B CN1862278B CN200610082696.2A CN200610082696A CN1862278B CN 1862278 B CN1862278 B CN 1862278B CN 200610082696 A CN200610082696 A CN 200610082696A CN 1862278 B CN1862278 B CN 1862278B
- Authority
- CN
- China
- Prior art keywords
- electric motor
- motor system
- data
- fault
- tan
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000009413 insulation Methods 0.000 title claims description 10
- 238000004458 analytical method Methods 0.000 claims abstract description 39
- 230000001364 causal effect Effects 0.000 claims abstract description 34
- 238000009826 distribution Methods 0.000 claims abstract description 8
- 230000005540 biological transmission Effects 0.000 claims description 8
- 230000014509 gene expression Effects 0.000 claims description 6
- 235000012791 bagels Nutrition 0.000 claims description 5
- 230000015556 catabolic process Effects 0.000 claims description 5
- 239000004020 conductor Substances 0.000 claims description 4
- 238000006731 degradation reaction Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 4
- 238000005315 distribution function Methods 0.000 claims description 3
- 235000008429 bread Nutrition 0.000 claims 2
- 238000004364 calculation method Methods 0.000 claims 2
- 239000002131 composite material Substances 0.000 abstract 1
- 230000008569 process Effects 0.000 description 15
- 238000004804 winding Methods 0.000 description 13
- 238000012423 maintenance Methods 0.000 description 10
- 238000012360 testing method Methods 0.000 description 9
- 238000012544 monitoring process Methods 0.000 description 8
- 238000007689 inspection Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000005611 electricity Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000008439 repair process Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000011058 failure modes and effects analysis Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 230000003862 health status Effects 0.000 description 2
- 230000007935 neutral effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000010363 phase shift Effects 0.000 description 2
- 230000001681 protective effect Effects 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- -1 and Substances 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013524 data verification Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000005670 electromagnetic radiation Effects 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003012 network analysis Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 238000004171 remote diagnosis Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000000153 supplemental effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012795 verification Methods 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
- 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
- G05B23/0245—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 qualitative model, e.g. rule based; if-then decisions
- G05B23/0248—Causal models, e.g. fault tree; digraphs; qualitative physics
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/34—Testing dynamo-electric machines
- G01R31/343—Testing dynamo-electric machines in operation
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Operations Research (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Control Of Electric Motors In General (AREA)
- Tests Of Circuit Breakers, Generators, And Electric Motors (AREA)
Abstract
对电动机系统(402)利用统计的置信度来确定可靠度和在发生故障之前剩余的时间的方法包括获取在计算机系统(500)中的电动机历史数据、得到工作参数数据、把工作参数数据上载到计算机系统(500)、执行故障分析、形成因果网络、以及执行综合因果网络和电动机系统(402)的可靠度分析。电动机历史数据与电动机系统(402)相对应。工作参数数据是从电动机系统(402)的传感器得到的。传感器包括tanδ传感器。故障分析是根据相应于电动机系统(402)历史性故障原因的预定子组的可靠度概率分布的组合而实施的。因果网络的开发是用来为一个或多个电动机系统部件的可靠度建模和根据因果网络来评估电动机系统部件的条件的。
Description
技术领域
本发明涉及对包括绝缘条件监视的电动机系统确定可靠度和利用确定的统计置信度预报发生故障之前的剩余时间的系统和方法。
背景技术
有关诸如在“关键的”工业制造过程、发电系统等等中使用的电动机的电动机系统的运行条件、状态和性能的精确的信息的获取,对于保持这样的系统的成功的商业运转常常是至关重要的。因此,常常花费很大的努力来开发和改进用于监视和评估在这样的系统中的电动机和线圈装置的运行和性能的现有方法和设备。对于这样的关键过程的电动机常常希望有鲁棒的检查方法,因为如果一个电动机必须离线,则它的不能工作会有害地影响生产和制造过程或其它效益生成的能力。
用于电动机系统的检查和预测性维护的鲁棒的处理通常牵涉到监视各种各样的工作参数,诸如电动机电流、电压、震动、漏磁通等等,以便检测即将来临的故障。传统上,一个或多个参数随时被监视,以及被使用来当一个被监视的参数的值超过预定的阈值时触发维修停机/建议。当代技术趋势是通过把各种各样的传感器和换能器附着到关键过程的电动机上来使得检查过程自动化,以便通过离线监视或在线监视技术不断地收集信息。正在运行的电动机的参数数据可以被连续地跟踪,如果超过对于特定的参数的预定的阈值,就立即触发报警。例如,超过或偏移了预定的范围或数值的震动幅度或频谱数据可被使用来启动警报,以便通知设备操作员:特定的类型的故障模式即将来临。不幸地,这些传统的检查和预测维修过程典型地仅仅以即将来临的故障为目标,它不提供剩余的电动机寿命或电动机可靠度的定量的确定。
通常,来自电动机设备的以前的检查和常规维修而获得的服务和修理信息没有被加以汇编以供执行预测/预报维护或进行电动机健康状况的综合分析。传统上,电动机系统专家/专业技术人员只评估可得到的历史信息,然后根据以前的趋势和个人经验作出维修建议。对于特定的电动机系统进行修理或执行维护的决定是基于主要由专家的主观判断形成的设备的可靠度和可使用性的估计。在其它情形下,保护性的维护仅仅是基于电动机运行的小时数或自从上一次维修停机以来的时间,而不是根据任何鉴于条件的测试结果。而且,即使电动机操作员/技师或监测专家希望从特定的电动机系统收集测试数据或参数的运行数据以便执行更详细的分析,但在电动机系统地点对于用于上载这样的数据的传统的数字地面线路通信的接入也常常是得不到的。
使用电动机工作参数数据作为故障预测工具和评估电动机健康状况,过去已由各种研究者在某种程度上进行了探索。各种各样的电动机系统参数可被使用于这种目的,并且可以包括电动机系统“不平衡度”,诸如负序电流和电压失配。在一个例子中,电动机电流的快速傅立叶变换(FFT)特征被显示能够检测电动机轴承故障。在另一个例子中,在希望预测电动机寿命不确定性时研究了用于执行电动机电源电流FFT的集群分析的算法。然而,大多数已知的传统的方法根据来自单一监视的参数的报警条件的检测,只提供即将来临的电动机故障的一般的警告。典型地,这样的方法不提供电动机可靠度的评估,也不提供在需要修理之前的剩余工作时间的估值。
在给出了以上讨论的问题后,希望设计一种能够收集和分析在线电动机参数的方法和系统。还希望提供用于在电动机系统与局域网之间传送电动机参数的成本低廉的方法。另外,希望开发一种能够收集和分析在线电动机参数的方法和系统,它们能根据电动机系统的绝缘条件预测电动机可靠度和在需要修理之前估计的工作时间。
发明内容
本发明的示例性实施例包括一种对电动机系统利用统计置信度确定可靠度和在发生故障之前剩余的时间的方法。该方法包括:获取在计算机系统中的电动机历史数据;得到工作参数数据,把工作参数数据上载到计算机系统;执行故障分析;开发因果网络,以及执行电动机系统的综合因果网络和可靠度分析。该电动机历史数据与电动机系统相对应。工作参数数据是从电动机系统的传感器得到的。传感器包括tanδ(tan delta)传感器。故障分析是根据相应于历史上的电动机系统故障原因的预定子组的可靠度概率分布的组合而执行的。因果网络的开发是用于为一个或多个电动机系统部件的可靠度建模和根据因果网络来评估电动机系统部件条件。把通过执行故障分析得到的结果与根据因果网络评估电动机系统部件的条件得到的结果加以综合,以便利用确定的统计置信度计算在故障之前剩余的时间的定量值。
本发明的另一个示例性实施例包括一种对电动机系统评估可靠度和利用统计的置信度确定故障之前剩余的时间的定量值的方法。该方法包括:把电动机系统部件故障数据存储在计算机数据库,该电动机系统部件故障数据包括泄漏电流数据;根据电动机系统部件故障数据执行电动机系统故障树分析,该故障树分析包括基于泄漏电流数据的绝缘恶化;根据电动机系统故障树分析开发电动机系统部件故障模型;通过使用概率分布函数给电动机系统部件的历史故障数据建模;开发一个指引的因果干扰模型和根据该因果干扰模型选择用于收集数据的系统变量;开发一个包括相应于电动机系统的可能的故障事件的故障概率的条件概率矩阵;根据因果干扰模型和条件概率矩阵开发一个总的电动机系统可靠度模型,以及通过使用总的电动机系统可靠度模型来计算电动机系统的可靠度的统计评估值和故障之前剩余时间的定量值。
本发明的再一个示例性实施例包括一种对电动机系统利用统计的置信度确定可靠度和在发生故障之前剩余的时间的系统。该系统包括:被布置成与电动机系统进行电通信以访问电动机系统的数据的tanδ传感器、计算机、和与该计算机和该tanδ传感器通信的传输网络,该传输网络被配置成把来自tanδ传感器的数据传送到计算机。该计算机包括存储媒体。该存储媒体是处理电路可读的,它存储由处理电路执行的指令,以便获取在计算机系统中的电动机历史数据、得到工作参数数据、把工作参数数据上载到计算机系统、执行故障分析、开发因果网络、以及执行综合因果网络和电动机系统的可靠度分析。电动机历史数据与电动机系统相对应。工作参数数据是从电动机系统的传感器得到的。传感器包括tanδ传感器。故障分析是根据相应于电动机系统历史故障原因的预定的子组的可靠度概率分布的组合而执行的。因果网络的开发是用于给一个或多个电动机系统部件的可靠度建模和根据因果网络评估电动机系统部件的条件。把通过执行故障分析得到的结果与根据因果网络评估电动机系统部件条件得到的结果加以综合,以便利用确定的统计置信度计算在故障之前剩余时间的定量值。
通过结合附图阅读以下的说明将明白本发明的以上的和其它的目的、特性和优点,在图上相同的标号表示相同的单元。
附图简述
现在参考附图,其中相同的单元在几个图上用相同的数字表示:
图1是显示作为故障率和服务时间的函数的电动机系统部件的有用的寿命范围;
图2是显示可引起/促使电动机系统故障的示例性电的、机械的、环境的和系统的问题的鱼骨形(fishbone)图;
图3是显示按照本发明的示例性实施例的通用计算机实施的处理过程的高级别流程图;
图4是显示按照本发明的示例性实施例的通用计算机实施的处理过程的详细流程图;
图5显示按照本发明的示例性实施例的、被配置来获取现场数据的示例性传感器的示意图;
图6是由图5的示例性传感器测量的泄漏电流的波形图;以及
图7显示按照本发明的示例性实施例的无线电动机诊断系统。
部件表
400 | tanδ组件 |
402 | 电动机系统 |
403 | 第一相绕组 |
404 | 第二相绕组 |
405 | 第三相绕组 |
406 | 第一输入端 |
407 | 第二输入端 |
408 | 第三输入端 |
410 | 中性节点 |
420 | 第一电流互感器 |
422 | 第二电流互感器 |
424 | 第三电流互感器 |
500 | 计算机系统 |
502 | 接入点 |
504 | 发射机 |
506 | 保护柜 |
508 | 接收机 |
具体实施方式
工业和发电用的电动机常常配备和安装有传感器,用于指示运行条件,以便了解传感器数据的趋势和规划维修程序过程。传感器被配置成对电动机进行在线或离线测试。在线测试比起离线测试具有易于获取数据和避免电动机停机的优点。用于在线测试的传感器被配置成用于获取电动机的工作参数。工作参数例如包括电压、电流、相位、频率、总振动幅度、扭矩和滑差(slip)。
设计了一种方法用于根据包括工作参数传感器输入来预报故障模式和剩余寿命。该方法引入一个大型数据库,其中含有用于传感器输入的概率分析的检查信息和工业标准数据,并且引入一个因果网络,例如贝叶斯置信网络(Bayesian Belief Network),用来把各种不同的输入与潜在的结果相联系。另外,无线技术允许用户远程地监视数据,而无需在监视系统与客户局域网之间的物理连接。
工程系统分析被成功地应用于在诸如电子设备的相关的领域中的可靠度计算。对系统的各种部件收集其平均到故障的时间(MTTF)数据。然后,设计者根据可靠度框图计算系统可靠度,并产生总的系统可靠度分布R。对R的相关性是系统的各个参数λ的函数,如下所述:
R=f(λ1,λ2,...λn)
各个不同参数λ中的每一个参数描述系统中相应部件的故障率。系统的每个部件都经历有用的寿命,它可以用“浴盆”曲线来描述,见图1。
如果多个部件的故障率是独立的,则可以使用相乘的关系来计算系统可靠度。
否则,需要对联合的、相关的概率密度函数(pdf)进行仿真。该方法是随机地对联合的pdf进行采样,计算它运行的可靠度,然后根据累积的运行构建总的可靠度分布函数。部件寿命按照概率密度函数而分布,它可以取指数、对数正态或Weibull分布。由于它的灵活的形状参数η和β,Weibull分布是最有用的:
各个Weibull分布的数据可以从一个数据库提取,这个数据库是根据各种各样的部件的分类的故障根源原因而编集的。电动机可靠度的条件性概率,f(A(t)|B(t))通过收集系统的现场数据而被确定。通常,条件性概率是指给定事件A发生后事件B发生的概率。现场数据的收集例如是通过使用在线或离线的数据收集的方法完成的。
图2所示的鱼骨形图显示考虑可引起或促使总的电动机系统故障的各种因素和部件故障模式的系统故障树分析的例子。历史上引起电动机系统系统或发电机非预期地断开成离线(即,系统运行关断)的已知的部件故障模式和其它原因/因素被列出在一个或多个有关原因的子类别中。子类别还按照例如表示故障的原因是否与系统的、环境的、电的或机械的问题有关的更一般的故障问题级别/类别而被组织。优选地,在系统故障树分析中使用的各种部件故障模式和故障的原因是根据历史的经验数据、测试和在合理的时间间隔内从多个电动机系统收集的观察值而形成的。
图3是显示用于确定电动机可靠度的本发明的方法的示例性实施例的通用计算机实施的过程的高级别流程图。处理过程一开始包括在方块301给数据库获取和组织历史上的电动机修理数据。在方块301获取的历史上的电动机修理数据相应于相同的或类似的电动机系统。在方块303,数据库被更新和被清除,以去除任何错误的或不相关的数据。在方块305执行数据质量检验,并且在方块309把不满足预定的质量准则的任何数据排除而不被使用于当前的分析。如果质量差的数据的问题或源在方块310是可识别的,则可以提供通知或报警,并可以在方块311在获取另外的工作的或历史的数据之前采取校正行动。
假设数据质量是可接受的,根据相应于电的、机械的、环境的和系统的故障问题/故障模式各子集的可靠度分布的组合执行电动机系统的故障分析。另外,在方块302连续监视和从希望对其进行可靠度和时间-故障评估的电动机系统的传感器中实时获取正在发生的当前的工作参数数据。当前的工作参数数据在方块302在另一个数据库中被汇编(或合并到历史数据库中)并被不断更新。在方块304,对于特定的电动机参数的特定的数据范围和极限或计算的量度可在数据库中被设置,并被监视和例如当适当时被使用来触发通知/报警条件。
在方块306还可以执行数据质量检验和数据排空。假设数据满足预定的质量条件,在方块308,执行因果网络分析,以评估电动机设备的条件,这个条件识别可能开发的故障模式,然后在方块312,来自历史数据的可靠度分析的结果与来自因果网络分析的结果相合并/组合和相关,并用来形成故障之前剩余时间的统计性的可靠预测。在示例性实施例中,实施方案包括计算系统和/或由因果网络识别的设备部件的Weibull可靠度参数的最大或然率估值(MLE)。计算出的系统可靠度的统计估值和在故障之前的剩余时间可以通过使用传统的计算机I/O接口/显示设备来显示。在示例性实施例中,在方块314,故障之前剩余的时间和计算出的可靠度可以通过使用诸如移动条形图和改变数据计程仪的动态图形图像来显示。
通常,各种数据验证和校准过程的各个步骤(例如305或306)不是关键的或不一定需要,但它们的使用趋于使得为了开发可靠度的统计预测而依赖的故障分析和因果网络这两者得到改进。
图4提供显示用于计算电动机可靠度和预测到下一次修理(或故障)的时间的示例性处理的的更详细的过程流程图。一开始,如方块101所示,识别诸如对估计的电动机设备系统类型在一个时间段内获取的历史上的测试数据和/或故障分析记录的历史数据源,并汇编零件/部件故障率数据的历史数据库。在示例性实施例中,在远离电动机系统地点的计算机系统中保持一个历史数据库并执行电动机可靠度计算(见图5)。历史数据库还可以由人工数据传送装置,例如使用传统的可移动的存储媒体(例如,CD-ROM)来进行更新。
图4的程序块102到111表示一般性的数据预处理步骤,用来构建和组合以后用于可靠度计算的历史电动机数据。例如,对于要分析的特定的类型的系统/设备的历史数据源在方块101首先被识别,以及在方块102,该数据被评估以确定部件的不充足和质量。在方块103如果历史数据是从多个源被获取的,则被合并,以及在方块104由分析机进行构建以供使用。在方块105,数据被分离成验证型的和校准型的数据,以及在方块106,对于各种不同的电动机系统部件构建故障树库。接着,在方块107,构建系统故障模型(例如,可靠度框图),以及在方块108,故障/寿命范围概率模型与历史数据(例如,使用概率分布)进行拟合。在方块109,执行故障模式和影响分析(FMEA)库的构建,以识别常见故障模式和协助被用来计算电动机部件恶化条件的概率的因果网络的构建。在方块110,构建指导性的因果干扰模型,诸如贝叶斯置信网络,以及在方块111,根据在因果网络中使用的模型,选择用于收集的数据变量。
图4的方块112到114表示用于按部件来分割电动机系统和确定因果网络内的相关性的处理步骤。例如,在方块112,确定机器部件模型的系统分级结构,在方块113,汇集了一个条件性概率矩阵的结构系统,以及在方块114,提取一个包括协变量/条件相关性的假设性系统模型。接着,在处理过程方块115和116,相对于所研究的电动机系统适当地校核系统模型。例如,在方块115,利用来自概率分布的数据校核系统模型,然后在方块116使用来自概率分布的数据来验证系统模型。
图4的方块117表示发起从安装在被分析的特定电动机系统中的传感器和系统的现场数据收集的一个过程阶段。在这时,在要分析的特定电动机系统直接得到和/或收集当前运行的/测试的数据,以及将其经由有线或无线通信链路转发到执行分析的远端计算机系统。该现场数据可以由电动机的传感器或在电动机系统地点的其它传统的装置所收集。如在以下的过程块118所显示的,电动机系统阈值和报警极限被构建/设置,以及监视电动机系统的现场数据。如果设置的阈值或报警极限被超过,则把某种形式的实时反馈(例如报警通知)立即提供给监视数据的分析人员。接着,如在过程块119所显示的,根据因果网络、阈值和在方块118获取的监视数据,计算电动机系统的“状态”。然后在方块120,通过使用一个包括协变量/条件相关性的系统模型,预测电动机系统各种不同部件的预期到故障的时间和预期的故障原因。
接着,如在图4的处理过程块121和122所显示的,达到判决点,由此监视数据分析者将必须估计任何的报警条件和/或评估模型的性能,以及在考虑相关的经济权衡和代价最佳化目标下,作出修理或替换部件的决定(例如,形成维修计划)。如果看到系统模型是不正确的或不现实的,则整个处理过程可能需要从方块101重新发起并获取另外的历史数据来改进预测。在这方面,过程方块123和124显示可被采取的另外的步骤,以便改进因果网络的预测能力和使得可靠度模型最佳化。
图5显示按照本发明的示例性实施例的、被配置来获取现场数据的示例性传感器的示意图。图6是由图5的示例性传感器测量的泄漏电流的波形图。
参照图5和6,该传感器是“tanδ”传感器组件400。tanδ传感器组件400可用来从包括电动机的交流(AC)机器402或从发电机获取现场数据。虽然AC机器402可以是发电机,但以下的说明涉及作为电动机的AC机器402。在示例性实施例中,AC机器402包括三相绕组:第一相绕组403、第二相绕组404、和第三相绕组405。相电压分别经由相应的第一输入端406、第二输入端407、和第三输入端408被加到每个第一、第二和第三相绕组403、404和405。每个第一、第二和第三相绕组403、404和405的输出端被连接到公共的或中性节点410。
tanδ传感器组件400被放置在AC机器402附近,用来测量泄漏电流。tanδ传感器包括第一电流互感器420、第二电流互感器422、和第三电流互感器424。第一、第二和第三电流互感器420、422、和424可以是不同的电流互感器。在示例性实施例中,第二和第三电流互感器420、422、和424是被放置在AC机器402附近的面包圈形或环形电流互感器,这样,载送电源电流和返回电流的导体通过每个环形电流互感器的中心部分。由于第一、第二和第三电流互感器420、422、和424的安排,电源电流和返回电流趋于互相抵销。因此,第一、第二和第三电流互感器420、422、和424测量在电源电流和返回电流之间的差值。电源电流和返回电流之间的差值是泄漏电流。
如图6所示,可以测量泄漏电流的相位和幅度。显示了一个特定的相电压,或参考电压V。也显示了各种泄漏电流。每个泄漏电流相应于特定的绕组电阻值。泄漏电流幅度的改变表示被检查的相绕组的电阻值的改变。相移作为泄漏电流波形的时间位移也是可看见的。相移表示在被检查的相位绕组的阻抗值的改变。当绕组绝缘随时间破坏时,泄漏电流的相位和幅度的相应的改变是通过使用tanδ传感器组件400而检测到的。使用如以上参照图3和4讨论的、用于确定电动机可靠度的方法,可以把历史上的泄漏电流数据与当前的泄漏电流数据进行比较,以帮助预测由热的、电的、环境的和机械的应力造成的绝缘击穿。
图7显示可实施本发明的方法的无线电动机诊断系统。在这个实施例中,一个用于容纳电动机系统故障率信息的数据库(历史性数据库)和按照本发明的方法计算电动机可靠度的远程诊断计算机系统500经由地面线路或无线通信网络而耦合到位于电动机系统地点的电动机传感器。计算机系统500可以是,但不限于,客户个人计算机(PC)工作站,它可以也可以不连接到网络。计算机系统500例如可以是任何适当的处理电路,能够执行被存储在存储媒体中的指令。计算机系统500接收来自接入点502的数据,该接入点例如可以是串行中心站或以太网交换机。接入点502可以位于电动机控制和保护柜506,它中继来自发射机504的数据。发射机504与电动机传感器通信,以及接收来自电动机传感器的数据,电动机传感器可包括tanδ传感器组件400。tanδ传感器组件400被放置在AC机器402附近,以及感知被发射机504获取的数据,该数据被发送到布置在电动机控制和保护柜506中的接收机508。电动机控制和保护柜506可包括能够发送数据到计算机系统500的其它保护装置,诸如,例如震动机柜(rack)或现有的保护继电器。在示例性实施例中,经由发射机504和接收机508的无线通信通过使用经由鉴权和加密以提供安全的、IEEE 802.11b标准和可扩展的鉴权协议而提供的。各种各样的天线和适配器根据地点条件是可选择的。例如,如果场地包含对传输的障碍物,则根据需要而使用更高的增益的天线、定向天线、或转发器。替换地,计算机系统500可以位于AC机器402处,因此消除发送数据的需要。计算机系统500包括存储媒体和处理电路。
本发明也可以用包括诸如软盘、CDROM、硬件驱动、或任何其它计算机可读的存储媒体的有形媒体体现的计算机程序代码的形式来实施,其中,当计算机程序代码被装到计算机中和被计算机执行时,计算机成为用于实践本发明的设备。本发明还可以用计算机程序代码来实施,它们不论例如被存储在存储媒体中、被装载在计算机中和/或被计算机执行、或诸如通过电线或电缆、通过光纤或经由电磁辐射那样通过某些传输媒体或网络传输,其中当计算机程序代码被装载到计算机和被计算机执行时,计算机成为用于实践本发明的设备。当在通用微处理器上实施时,计算机程序代码使微处理器产生特定的逻辑电路。可执行指令的技术效果是执行如以上参照图3和4讨论的用于确定电动机可靠度的方法,其中tanδ传感器组件400是用来获取数据的一个传感器。
另外,虽然本发明是参照示例性实施例描述的,但本领域技术人员应当看到,可以作出各种改变和可以用等价物替代本发明的单元而不背离本发明的范围。另外,可以作出许多修改以使得特定的情形或材料适配于本发明的教导,而不背离本发明的范围。所以,本发明不打算限于被揭示为打算用于实现本发明的最好的模式的具体的实施例,而是本发明将包括属于所附权利要求的范围的所有的实施例。而且,术语第一、第二等等的使用不表示任何次序或重要性,术语第一、第二等等被使用来使各元件相互区分。再者,术语一个的使用不表示数量的限制,而是表示存在至少一个所提到的物品。
Claims (12)
1.一种确定电动机系统故障之前的剩余时间的方法,所述方法包括:
在计算机中获取与电动机系统相关联的电动机历史数据;
从tanδ传感器组件得到工作参数数据,所述tanδ传感器组件操作地耦合到电动机系统,其中所述tanδ传感器组件包括三个电流互感器,所述三个电流互感器是放置在电动机系统附近的面包圈形或环形电流互感器,使得载送电源电流和返回电流的导体通过每个面包圈形或环形电流互感器的中心部分,并且得到工作参数数据包括得到泄漏电流数据;
把工作参数数据上载到计算机;
根据与在电动机历史数据中所指示的电动机系统历史故障原因的预定子组相对应的可靠度概率分布的组合,执行故障分析,其中执行故障分析还包括通过比较在电动机系统测量的泄漏电流数据和历史泄漏电流数据来预测电动机系统部件的绝缘恶化;
开发用于对一个或多个电动机系统部件的可靠度进行建模的因果网络和根据因果网络和工作参数数据来评估电动机系统部件的条件;以及
执行综合因果网络和电动机系统的可靠度分析,其中把通过执行故障分析得到的结果与根据因果网络和工作参数数据评估电动机系统部件的条件得到的结果加以综合,以便利用确定的统计的置信度计算电动机系统故障之前的剩余时间的定量值;以及
在显示设备上显示电动机系统故障之前的剩余时间的定量值。
2.如权利要求1所述的方法,其中开发因果网络包括开发贝叶斯置信网络。
3.如权利要求1所述的方法,其中执行故障分析包括使用Weibull概率分布函数来对系统部件的故障率进行建模。
4.如权利要求1所述的方法,其中得到泄漏电流数据包括以下至少一项:
得到泄漏电流相位数据;以及
得到泄漏电流幅度数据。
5.如权利要求1所述的方法,其中显示电动机系统故障之前的剩余时间包括在显示设备的图形用户界面上将电动机系统故障之前的剩余时间显示为移动的条形图。
6.如权利要求1所述的方法,还包括经由无线网把工作参数数据从tanδ传感器组件传送到计算机。
7.一种用于确定电动机系统故障之前的剩余时间的系统,所述系统包括:
tanδ传感器组件,被配置成与电动机系统电通信用以访问电动机系统的数据,其中所述tanδ传感器组件包括三个电流互感器,所述三个电流互感器是放置在电动机系统附近的面包圈形或环形电流互感器,使得载送电源电流和返回电流的导体通过每个面包圈形或环形电流互感器的中心部分;
计算机,包括:
用于获取与电动机系统相关联的电动机历史数据的装置;
用于从tanδ传感器组件得到工作参数数据的装置,其中得到工作参数数据包括得到电动机系统的泄漏电流数据;
用于根据与在电动机历史数据中所指示的电动机系统历史故障原因的预定子组相对应的可靠度概率分布的组合来执行故障分析的装置,其中执行故障分析还包括通过比较在电动机系统测量的泄漏电流数据和历史泄漏电流数据来预测电动机系统部件的绝缘恶化;
用于开发用于对一个或多个电动机系统部件的可靠度进行建模的因果网络和根据因果网络来评估电动机系统部件的条件的装置;
用于执行综合因果网络和电动机系统的可靠度分析的装置,其中把通过执行故障分析得到的结果与根据因果网络评估电动机系统部件的条件得到的结果加以综合,以便利用确定的统计的置信度计算电动机系统故障之前的剩余时间的定量值;以及
用于在显示设备上显示电动机系统故障之前的剩余时间的定量值的装置;以及
传输网络,与计算机和tanδ传感器组件通信,被配置成把来自tanδ传感器组件的数据传送到计算机。
8.如权利要求7所述的系统,其中传输网络包括:
接收数据和传送数据的传送器;
与传送器通信的、用于接收数据的接收器;
与接收器和计算机通信的、用于向计算机中继数据的接入点。
9.如权利要求8所述的系统,其中接收器和传送器是无线设备。
10.如权利要求7所述的系统,其中所述泄漏电流数据包括以下至少一项:
泄漏电流相位数据;和
泄漏电流幅度数据。
11.一种确定电动机系统故障之前的剩余时间的方法,所述方法包括:
在计算机中获取与电动机系统相关联的电动机历史数据;
从tanδ传感器组件得到工作参数数据,所述tanδ传感器组件操作地耦合到电动机系统,其中所述tanδ传感器组件包括三个电流互感器,所述三个电流互感器是放置在电动机系统附近的面包图形或环形电流互感器,使得载送电源电流和返回电流的导体通过每个面包图形或环形电流互感器的中心部分,并且得到工作参数数据包括得到电动机系统的泄漏电流数据;
利用电动机历史数据执行与电动机系统相关联的故障分析,其中执行故障分析还包括通过比较在电动机系统测量的泄漏电流数据和历史泄漏电流数据来预测电动机系统部件的绝缘恶化;
利用与电动机系统相关联的因果网络和工作参数数据来评估电动机系统部件的条件;
根据故障分析得到的结果和电动机系统部件的条件来计算电动机系统的故障之前的剩余时间的定量值;以及
在显示设备上显示电动机系统故障之前的剩余时间的定量值的表示。
12.如权利要求11所述的方法,其中定量值的表示是条形图。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US10/908,455 US7254514B2 (en) | 2005-05-12 | 2005-05-12 | Method and system for predicting remaining life for motors featuring on-line insulation condition monitor |
US10/908455 | 2005-05-12 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1862278A CN1862278A (zh) | 2006-11-15 |
CN1862278B true CN1862278B (zh) | 2011-09-07 |
Family
ID=36637333
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200610082696.2A Expired - Fee Related CN1862278B (zh) | 2005-05-12 | 2006-05-12 | 预测电动机剩余寿命的方法和系统 |
Country Status (5)
Country | Link |
---|---|
US (1) | US7254514B2 (zh) |
CN (1) | CN1862278B (zh) |
CA (1) | CA2545695C (zh) |
CH (1) | CH700936B1 (zh) |
GB (1) | GB2426090B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9417160B2 (en) | 2012-05-25 | 2016-08-16 | S.P.M. Flow Control, Inc. | Apparatus and methods for evaluating systems associated with wellheads |
US11243263B2 (en) | 2015-06-04 | 2022-02-08 | Fischer Block, Inc. | Remaining-life and time-to-failure predictions of power assets |
Families Citing this family (86)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6931384B1 (en) * | 1999-06-04 | 2005-08-16 | Microsoft Corporation | System and method providing utility-based decision making about clarification dialog given communicative uncertainty |
US7529979B2 (en) * | 2003-12-12 | 2009-05-05 | International Business Machines Corporation | Hardware/software based indirect time stamping methodology for proactive hardware/software event detection and control |
US7401263B2 (en) * | 2005-05-19 | 2008-07-15 | International Business Machines Corporation | System and method for early detection of system component failure |
US7480536B2 (en) * | 2006-09-21 | 2009-01-20 | General Electric Company | Method for assessing reliability requirements of a safety instrumented control function |
JP2008157672A (ja) * | 2006-12-21 | 2008-07-10 | Fanuc Ltd | モータの絶縁劣化検出装置 |
WO2008096006A1 (de) * | 2007-02-08 | 2008-08-14 | Siemens Aktiengesellschaft | Verfahren und system zur ermittlung von zuverlässigkeitsparametern einer technischen anlage |
US20100148907A1 (en) * | 2008-12-17 | 2010-06-17 | General Electric Company | Current transformer and electrical monitoring system |
CN101038639B (zh) * | 2007-04-25 | 2011-06-15 | 上海发电设备成套设计研究院 | 一种发电机组的机械易损件的寿命预测方法 |
CN101038638B (zh) * | 2007-04-25 | 2010-12-01 | 上海发电设备成套设计研究院 | 一种发电机组自动控制系统电子元器件剩余寿命预测方法 |
US20080284449A1 (en) * | 2007-05-15 | 2008-11-20 | Vijay Phadke | Power converters with component stress monitoring for fault prediction |
US7719812B2 (en) * | 2007-05-15 | 2010-05-18 | Astec International Limited | Power converters with rate of change monitoring for fault prediction and/or detection |
US7719808B2 (en) * | 2007-05-15 | 2010-05-18 | Astec International Limited | Power converters with operating efficiency monitoring for fault detection |
FR2920233B1 (fr) * | 2007-08-20 | 2009-10-30 | Airbus France Sas | Procede et dispositifs d'evaluation de risques operationnels pour l'aide aux decisions de maintenance de vehicules |
US7830269B2 (en) * | 2007-09-14 | 2010-11-09 | Astec International Limited | Health monitoring for power converter capacitors |
US7804415B2 (en) | 2007-09-14 | 2010-09-28 | Astec International Limited | Health monitoring for power converter components |
US7817051B2 (en) * | 2007-09-14 | 2010-10-19 | Astec International Limited | Power converter with degraded component alarm |
DE602007001193D1 (de) * | 2007-10-09 | 2009-07-09 | Abb Oy | Verfahren und System zur Verbesserung der Nutzung einer Produktionsanlage |
US7996337B2 (en) | 2007-10-15 | 2011-08-09 | General Electric Company | Method and system for remotely determining the reliability of a DC motor system |
US20090096405A1 (en) * | 2007-10-15 | 2009-04-16 | General Electric Company | Method and system for remotely predicting the remaining life of an ac motor system |
US7873581B2 (en) * | 2007-10-15 | 2011-01-18 | General Electric Company | Method and system for determining the reliability of a DC motor system |
US8204637B1 (en) | 2007-12-20 | 2012-06-19 | The United States Of America As Represented By The Secretary Of The Navy | Aircraft approach to landing analysis method |
US8094154B1 (en) | 2007-12-20 | 2012-01-10 | The United States Of America As Represented By The Secretary Of The Navy | Intelligent leading indicator display |
US7797130B1 (en) * | 2007-12-20 | 2010-09-14 | The United States Of America As Represented By The Secretary Of The Navy | Baseline comparative leading indicator analysis |
DE102008051653A1 (de) * | 2008-02-12 | 2009-08-20 | Abb Technology Ag | Verfahren und System zur Ermittlung einer individuellen Fehlerrate für die Beurteilung eines individuellen komplexen technischen Betriebsmittels |
FR2933512B1 (fr) * | 2008-07-07 | 2010-08-27 | Eurocopter France | Procede de diagnostic pour localiser une defaillance dans un systeme complexe et dispositif pour mettre en oeuvre ledit procede |
US7920988B2 (en) * | 2008-11-13 | 2011-04-05 | Caterpillar Inc. | Capturing system interactions |
US8813025B1 (en) * | 2009-01-12 | 2014-08-19 | Bank Of America Corporation | Customer impact predictive model and combinatorial analysis |
US8832657B1 (en) | 2009-01-12 | 2014-09-09 | Bank Of America Corporation | Customer impact predictive model and combinatorial analysis |
EP2267305B1 (en) * | 2009-06-24 | 2016-01-13 | Vestas Wind Systems A/S | A method and a system for controlling operation of a wind turbine |
US8195427B2 (en) * | 2009-12-23 | 2012-06-05 | Cadence Design Systems, Inc. | Methods and systems for high sigma yield estimation using reduced dimensionality |
US8219355B2 (en) * | 2009-12-23 | 2012-07-10 | Cadence Design Systems, Inc. | Methods and systems for high sigma yield estimation |
WO2011137460A2 (en) | 2010-04-30 | 2011-11-03 | S.P.M. Flow Control, Inc. | Machines, systems, computer-implemented methods, and computer program products to test and certify oil and gas equipment |
US8732112B2 (en) * | 2011-12-19 | 2014-05-20 | GM Global Technology Operations LLC | Method and system for root cause analysis and quality monitoring of system-level faults |
US10607424B2 (en) | 2012-02-10 | 2020-03-31 | Appareo Systems, Llc | Frequency-adaptable structural health and usage monitoring system (HUMS) and method with smart sensors |
WO2013120103A1 (en) * | 2012-02-10 | 2013-08-15 | Appareo Systems, Llc | Frequency-adaptable structural health and usage monitoring system |
USD713825S1 (en) | 2012-05-09 | 2014-09-23 | S.P.M. Flow Control, Inc. | Electronic device holder |
CN102721465B (zh) * | 2012-06-13 | 2014-02-05 | 江苏省电力公司南京供电公司 | 电力变压器铁芯松动故障诊断与故障初步定位系统及方法 |
DE102012016269A1 (de) * | 2012-08-17 | 2014-02-20 | Abb Ag | Elektrische Maschine mit einer Überwachungseinrichtung |
US9255970B2 (en) * | 2012-09-27 | 2016-02-09 | General Electric Company | On-line monitoring of stator insulation in motors and generators |
US20140095133A1 (en) * | 2012-09-28 | 2014-04-03 | General Electric Company | Systems and methods for managing mechanical systems and components |
US9071110B2 (en) | 2012-10-16 | 2015-06-30 | Eht International Inc. | Abnormality detection method and apparatus |
US9927285B2 (en) | 2012-10-26 | 2018-03-27 | Azima Holdings, Inc. | Multi-unit data analyzer |
US9459176B2 (en) | 2012-10-26 | 2016-10-04 | Azima Holdings, Inc. | Voice controlled vibration data analyzer systems and methods |
US20140188777A1 (en) * | 2012-12-27 | 2014-07-03 | General Electric Company | Methods and systems for identifying a precursor to a failure of a component in a physical system |
US9964583B2 (en) | 2013-02-22 | 2018-05-08 | Smartkable Llc | Method and apparatus for predicting life cycle of a splice |
CN103809119B (zh) * | 2013-11-26 | 2016-05-18 | 中国矿业大学 | 马尔科夫模型开关磁阻电机系统可靠性的定量评估方法 |
US10409926B2 (en) * | 2013-11-27 | 2019-09-10 | Falkonry Inc. | Learning expected operational behavior of machines from generic definitions and past behavior |
US10037128B2 (en) | 2014-02-04 | 2018-07-31 | Falkonry, Inc. | Operating behavior classification interface |
BR112016024949A2 (pt) | 2014-04-25 | 2017-08-15 | Schlumberger Technology Bv | sistema de bomba de submersão elétrica, método, e um ou mais meios de armazenamento legível por computador |
BR112016027402B1 (pt) | 2014-05-23 | 2022-08-09 | Schlumberger Technology B.V. | Método e sistema para avaliação de sistema elétrico submersível e meios de armazenamento legíveis por computador não transitórios |
KR101466623B1 (ko) * | 2014-07-09 | 2014-11-28 | 한국전력공사 | 초저주파 탄델타의 측정 데이터를 이용한 전력 케이블의 상태 진단 및 잔존 수명 측정 장치 및 그 방법 |
US9940492B2 (en) | 2014-07-30 | 2018-04-10 | S.P.M. Flow Control, Inc. | Band with RFID chip holder and identifying component |
USD750516S1 (en) | 2014-09-26 | 2016-03-01 | S.P.M. Flow Control, Inc. | Electronic device holder |
EP3059676B1 (en) * | 2015-02-20 | 2019-09-11 | Siemens Aktiengesellschaft | A method and apparatus for analyzing the availability of a system, in particular of a safety critical system |
CN104777386A (zh) * | 2015-04-22 | 2015-07-15 | 西南石油大学 | 一种电缆附件故障分析检测系统 |
CN104917085B (zh) * | 2015-06-17 | 2017-04-12 | 云南电网有限责任公司昆明供电局 | 一种优化可靠性与经济性的变压器检修决策方法 |
US10102471B2 (en) | 2015-08-14 | 2018-10-16 | S.P.M. Flow Control, Inc. | Carrier and band assembly for identifying and managing a component of a system associated with a wellhead |
CN105203952A (zh) * | 2015-09-11 | 2015-12-30 | 中国矿业大学 | 二级马尔科夫模型开关磁阻电机系统可靠性定量评估方法 |
CN105203951A (zh) * | 2015-09-11 | 2015-12-30 | 中国矿业大学 | 一级马尔科夫模型开关磁阻电机系统可靠性定量评估方法 |
EP3349949B1 (en) * | 2015-09-14 | 2024-09-04 | Tolomatic, Inc. | Actuator diagnostics and prognostics |
EP3403152B1 (en) | 2016-03-09 | 2023-07-12 | Siemens Aktiengesellschaft | Smart embedded control system for a field device of an automation system |
US10558929B2 (en) * | 2016-05-31 | 2020-02-11 | The Boeing Company | Monitored machine performance as a maintenance predictor |
EP3489700B1 (en) * | 2016-07-25 | 2020-08-19 | Mitsubishi Electric Corporation | Electric motor diagnosis device |
WO2018052433A1 (en) * | 2016-09-16 | 2018-03-22 | Siemens Aktiengesellschaft | Generation of failure models for embedded analytics and diagnostic/prognostic reasoning |
US10121349B2 (en) | 2016-09-21 | 2018-11-06 | General Electric-Technology GMBH | Machine protection and diagnostic systems and methods |
CN110249232B (zh) * | 2016-11-16 | 2021-10-22 | 斯马特科博有限责任公司 | 用于预测直流电路中的故障的方法及设备 |
US10621061B2 (en) * | 2016-11-28 | 2020-04-14 | B. G. Negev Technologies amd Applications Ltd. at Ben-Gurion University | Combined model-based approach and data driven prediction for troubleshooting faults in physical systems |
US10928814B2 (en) | 2017-02-24 | 2021-02-23 | General Electric Technology Gmbh | Autonomous procedure for monitoring and diagnostics of machine based on electrical signature analysis |
JP6976080B2 (ja) | 2017-05-22 | 2021-12-01 | 三菱パワー株式会社 | 状態分析装置、状態分析方法、およびプログラム |
US10403116B2 (en) | 2017-06-20 | 2019-09-03 | General Electric Company | Electrical signature analysis of electrical rotating machines |
US10514428B2 (en) | 2017-07-13 | 2019-12-24 | Itt Manufacturing Enterprises Llc | Technique to detect motor leakage flux anomalies |
US10353005B2 (en) | 2017-07-13 | 2019-07-16 | Itt Manufacturing Enterprises Llc | Technique for self learning motor load profile |
CN108022600B (zh) * | 2017-10-26 | 2021-08-17 | 珠海格力电器股份有限公司 | 一种设备控制方法、装置、存储介质及服务器 |
US10672205B2 (en) * | 2017-12-04 | 2020-06-02 | GM Global Technology Operations LLC | Method and apparatus to monitor an on-vehicle fluidic subsystem |
CN109959847B (zh) * | 2017-12-25 | 2024-03-29 | 国家电网公司 | 光纤无源污闪监测系统 |
CN108491860B (zh) * | 2018-02-24 | 2021-02-05 | 中国石油大学(北京) | 页岩气压裂装备全生命周期实时可靠性动态评估方法及装置 |
WO2020046261A1 (en) * | 2018-08-27 | 2020-03-05 | Siemens Aktiengesellschaft | Systematic prognostic analysis with dynamic causal model |
CN111340250A (zh) * | 2018-12-19 | 2020-06-26 | 富泰华工业(深圳)有限公司 | 设备检修装置、方法及计算机可读存储介质 |
CN110456194B (zh) * | 2019-07-31 | 2021-07-16 | 亿轶环境科技(上海)有限公司 | 用于空气消毒净化装置的变频风机寿命监测方法及装置 |
US11010222B2 (en) * | 2019-08-29 | 2021-05-18 | Sap Se | Failure mode specific analytics using parametric models |
CN110426634B (zh) * | 2019-09-10 | 2020-08-18 | 大制(苏州)科技有限公司 | 一种用于驱动系统的异常预测的方法及设备 |
CN110987396B (zh) * | 2019-12-13 | 2021-07-30 | 三一重型装备有限公司 | 一种用于采煤机摇臂的智能故障诊断及寿命预测方法 |
CN112983545B (zh) * | 2021-02-22 | 2023-12-26 | 鄂尔多斯应用技术学院 | 一种基于sdg模型的采煤机故障寻踪方法 |
CN113125954A (zh) * | 2021-04-16 | 2021-07-16 | 安徽大学 | 一种电动汽车驱动电机的故障诊断方法和应用 |
CN113487086B (zh) * | 2021-07-06 | 2024-04-26 | 新奥新智科技有限公司 | 设备剩余使用寿命预测方法、装置、计算机设备和介质 |
CN114900371A (zh) * | 2022-06-27 | 2022-08-12 | 镇江港务集团有限公司 | 一种具有提示功能的网络安全检测装置及提示方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4525763A (en) * | 1983-11-30 | 1985-06-25 | General Electric Company | Apparatus and method to protect motors and to protect motor life |
JPH09265725A (ja) * | 1996-03-29 | 1997-10-07 | Toshiba Corp | ディスク装置及び同装置におけるモータ起動不良予知方法 |
US6035265A (en) * | 1997-10-08 | 2000-03-07 | Reliance Electric Industrial Company | System to provide low cost excitation to stator winding to generate impedance spectrum for use in stator diagnostics |
US6927562B2 (en) * | 2002-02-27 | 2005-08-09 | On-Line Monitoring, Inc. | Power factor/tan δtesting of high voltage bushings on power transformers, current transformers, and circuit breakers |
US6834256B2 (en) * | 2002-08-30 | 2004-12-21 | General Electric Company | Method and system for determining motor reliability |
US7127373B2 (en) | 2003-08-07 | 2006-10-24 | General Electric Company | Systems, methods and computer program products for assessing the health of an electric motor |
EP1660891A2 (en) * | 2003-08-21 | 2006-05-31 | Hubbell Incorporated | Method and apparatus for measuring impedance of electrical component under high interference conditions |
US7042229B2 (en) * | 2004-03-31 | 2006-05-09 | General Electric Company | System and method for on line monitoring of insulation condition for DC machines |
US20050218906A1 (en) * | 2004-03-31 | 2005-10-06 | Younsi Abdelkrim K | System and method for monitoring of insulation condition |
-
2005
- 2005-05-12 US US10/908,455 patent/US7254514B2/en not_active Expired - Fee Related
-
2006
- 2006-05-04 CA CA2545695A patent/CA2545695C/en not_active Expired - Fee Related
- 2006-05-10 CH CH00753/06A patent/CH700936B1/de not_active IP Right Cessation
- 2006-05-11 GB GB0609375A patent/GB2426090B/en not_active Expired - Fee Related
- 2006-05-12 CN CN200610082696.2A patent/CN1862278B/zh not_active Expired - Fee Related
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9417160B2 (en) | 2012-05-25 | 2016-08-16 | S.P.M. Flow Control, Inc. | Apparatus and methods for evaluating systems associated with wellheads |
US10018031B2 (en) | 2012-05-25 | 2018-07-10 | S.P.M. Flow Control, Inc. | Apparatus and methods for evaluating systems associated with wellheads |
US10760402B2 (en) | 2012-05-25 | 2020-09-01 | S.P.M. Flow Control, Inc. | Apparatus and methods for evaluating systems associated with wellheads |
US11243263B2 (en) | 2015-06-04 | 2022-02-08 | Fischer Block, Inc. | Remaining-life and time-to-failure predictions of power assets |
US11867770B2 (en) | 2015-06-04 | 2024-01-09 | Fischer Block, Inc. | Remaining-life and time-to-failure predictions of power assets |
Also Published As
Publication number | Publication date |
---|---|
CA2545695C (en) | 2016-10-04 |
GB2426090B (en) | 2010-04-28 |
GB0609375D0 (en) | 2006-06-21 |
US7254514B2 (en) | 2007-08-07 |
GB2426090A (en) | 2006-11-15 |
CA2545695A1 (en) | 2006-11-12 |
US20060259271A1 (en) | 2006-11-16 |
CH700936B1 (de) | 2010-11-15 |
CN1862278A (zh) | 2006-11-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN1862278B (zh) | 预测电动机剩余寿命的方法和系统 | |
CN101413991A (zh) | 用于远程预测交流电机系统剩余寿命的方法和系统 | |
CN109001649B (zh) | 一种电源智能诊断系统及保护方法 | |
KR102092185B1 (ko) | 중전기기 건전성 분석 플랫폼 및 이를 이용하는 분석 방법 | |
EP2697699B1 (en) | Dynamic assessment system for high-voltage electrical components | |
CN1991652B (zh) | 可编程逻辑控制器和中央单元之间通信的通信方法及自动远程监控和诊断系统 | |
US7822578B2 (en) | Systems and methods for predicting maintenance of intelligent electronic devices | |
EP3009801A1 (en) | Failure sign diagnosis system of electrical power grid and method thereof | |
CN106407589B (zh) | 一种风机状态评估与预测方法及系统 | |
KR101214765B1 (ko) | 전력설비 모니터링 시스템 및 방법 | |
US20040044499A1 (en) | Method and system for determining motor reliability | |
EP2051366A1 (en) | Method and system for determining the reliability of a DC motor system | |
CN104081301B (zh) | 电力系统中的一次装置的监测 | |
KR102604708B1 (ko) | 인공 지능 기반 수배전반 진단 시스템 및 방법 | |
CN101272580B (zh) | 一种基于反馈的自适应移动基站系统可靠性评估方法 | |
Hongxia et al. | Study on predictive maintenance strategy | |
CN117060409A (zh) | 电力线路运行状态自动化检测分析方法及系统 | |
CN113763667A (zh) | 一种基于5g边缘计算的火灾预警及状态监测装置及方法 | |
CN103630781A (zh) | 一种有源电子式电流互感器的复合供能非接触在线监测系统 | |
US20090096407A1 (en) | Method and system for remotely determining the reliability of a dc motor system | |
WO2016136391A1 (ja) | 事故点標定装置及び方法、電力系統監視システム、設備計画支援システム | |
CN117533180A (zh) | 一种充电桩安全防护的评估方法及系统 | |
Ravinder | Experience in asset performance management analytics for decision support on Transmission & Distribution Assets | |
Handschin et al. | Novel Methods for the Condition Based Maintenance of Distribution Networks | |
CN118534254A (zh) | 一种电网配电线路故障在线监测方法及系统 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20110907 Termination date: 20180512 |
|
CF01 | Termination of patent right due to non-payment of annual fee |