DE102017124135B4 - Maschinenfehlervorhersage basierend auf einer Analyse von periodischen Informationen in einem Signal - Google Patents

Abstract

Vorrichtung zum Erfassen und Analysieren von periodischen Informationen in Schwingungen, die einer Maschine zugeordnet sind, wobei die Vorrichtung enthält:einen Schwingungssensor, der sicher an der Maschine an einer Stelle angebracht ist, die einen festen Übertragungsweg von einer Schwingungsquelle innerhalb der Maschine zu dem Schwingungssensor bereitstellt, wobei der Schwingungssensor zum Erzeugen eines Schwingungssignals dient;einen Datensammler in Kommunikation mit dem Schwingungssensor, wobei der Datensammler dazu ausgelegt ist, das Schwingungssignal aus dem Schwingungssensor zu empfangen und aufzubereiten, und der Datensammler enthält:einen Analog/Digital-Umsetzer zum Umsetzen des Schwingungssignals in digitale Schwingungsdaten; undeinen Speicher zum Puffern der digitalen Schwingungsdaten; undeinen Prozessor für periodische Informationen, der betreibbar ist, um digitale Schwingungsdaten zu empfangen, wobei der Prozessor für periodische Informationen zum Ausführen von Betriebsbefehlen zum Verarbeiten der digitalen Schwingungsdaten ausgelegt ist, wobei die Betriebsbefehle Befehle umfassen, die, wenn sie ausgeführt werden, Folgendes veranlassen:- Erzeugen einer originalen Wellenform basierend auf den digitalen Schwingungsdaten;- Durchführen einer Autokorrelationsfunktion an der originalen Wellenform, um eine Autokorrelationswellenform zu erzeugen;- Durchführen einer schnellen Fourier-Transformation an der originalen Wellenform, um ein originales Spektrum zu erzeugen;- Durchführen einer schnellen Fourier-Transformation an der Autokorrelationswellenform, um ein Autokorrelationsspektrum zu erzeugen;- Kompilieren einer ersten Liste von Amplitudenpeaks aus dem originalen Spektrum;- Kompilieren einer zweiten Liste von Amplitudenpeaks aus dem Autokorrelationsspektrum ;-Abgleichen von Autokorrelationsamplitudenpeaks in der zweiten Liste mit den originalen Amplitudenpeaks in der ersten Liste;- Hinzufügen jedes originalen Amplitudenpeaks der mit einem Autokorrelationsamplitudenpeak übereinstimmt, zu einer Peakliste;- wenn originale Amplitudenpeaks zu der Peakliste hinzugefügt werden, Bestimmen einer Gesamtmenge einer Peakenergie, die den originalen Amplitudenpeaks in der Peakliste zugeordnet ist; und- nachdem die Gesamtmenge der Peakenergie, die den originalen Amplitudenpeaks in der Peakliste zugeordnet ist, eine vorbestimmte Schwelle übersteigt, Erzeugen eines Diagramms periodischer Informationen, das die originalen Amplitudenpeaks in der Peakliste enthält, dadurch gekennzeichnet, dass die vorbestimmte Schwelle einen prozentualen Energiewert umfasst und der Prozessor für periodische Informationen dazu ausgelegt ist, dass er Betriebsbefehle ausführt, um den prozentualen Energiewert wie folgt zu berechnen:% Energie des Originals = Gesamtenergie des originalen Spektrums × % Periodische Energiewobei%Periodische Energie=MaxPeak(nach 3% der Wellenform)wobei MaxPeak (nach 3 % der Wellenform) einen maximalen absoluten Peak in der Autokorrelationswellenform enthält, der außerhalb der ersten 3% der Autokorrelationswellenform auftritt.

Description

• Gebiet
• Diese Erfindung bezieht sich auf eine Analyse von Signalen. Insbesondere bezieht sich diese Erfindung auf Verfahren zum Extrahieren und Anwenden von periodischen Informationen aus einer Schwingungswellenform oder einem anderen Signal, das periodische Information enthält.
• Hintergrund
• Nach einigen Schätzungen werden bis zu der Hälfte aller mechanischen Fehler in Prozessanlagen durch Prozessbedingungen verursacht. Das Liefern einer Rückmeldung an eine Bedienperson, dass die Prozessmaschinen in einer nicht optimalen Konfiguration betrieben werden, bietet somit eine Möglichkeit für die Bedienperson, schädliche Betriebszustände zu vermeiden, wodurch die mittlere Zeit zwischen Ausfällen (MTBF) oder die mittlere Zeit zwischen Reparaturen (MTBR) auf Produktionsanalgen wesentlich verlängert wird.
• Die Schwingungsanalyse ist eine bewährte Technologie zum Erkennen von Fehlern bei rotierenden Maschinen. Der Prozess des Bestimmens des Schweregrads und der Besonderheiten eines Fehlers kann sehr aufwendig sein. Ein Teil des Analyseprozesses beinhaltet ein Bestimmen, ob periodische Signale vorhanden sind. Während sich das Wartungspersonal um detaillierte Fehleranalysen kümmert, will das Betriebspersonal nur wissen, ob ein Problem vorliegt. Das Liefern einiger fehlerbezogener Parameter an die Bedienperson kann zum Erfüllen dieser Aufgabe genügen. Fehlerbezogene Parameter können sich auf Amplituden von Energie aus bestimmten Schwingungsfrequenzen (Bandbreite), Signalverarbeitungstechniken wie etwa PeakVue™ und das Vorhandensein periodischer und nichtperiodischer Signale beziehen. Parameter, die aus Bandbreite und Signalverarbeitungstechniken berechnet werden, sind gut definiert. Ein Parameter, der das Vorhandensein von periodischen und nichtperiodischen Signalen angibt, wurde jedoch nicht definiert.
• Ferner ist die Fähigkeit, mechanische Fehler in einer industriellen rotierenden Einrichtung zu erkennen, eine Aufgabe, die fähiges analytisches Personal mit jahrelanger Ausbildung und Erfahrung erfordert. Der Techniker, der die Maschinendiagnose durchführt, muss mit den Techniken und Technologien vertraut sein, die zur Analyse der Maschine verwendet werden. Ein typisches Schwingungsspektrum, das für eine solche Analyse verwendet wird, enthält 1600 Datenpunkte, kann aber mehr als 12800 Punkte enthalten. In der Praxis ist nur eine Handvoll dieser Datenwerte für die Diagnose der Maschine von Bedeutung. Es erfordert typischerweise mehrere Wochen Schulung, gefolgt von 18-24 Monaten Praxis, damit der Techniker die wenigen Peaks, die für die Diagnose benötigt werden, identifizieren kann. Das Ausbilden und Fortbilden von Mitarbeitern, die dafür qualifiziert sind, als Techniker zu arbeiten, ist ein wichtiges Anliegen in der Industrie, da eine einzelne Anlage vielleicht nur eine solche Person als Teil des zugehörigen Personals haben kann. Diese Dynamik wird noch durch den Trend verstärkt, dass ein zentraler Diagnostiker für die Analyse von Daten verantwortlich ist, die an mehreren Anlagenstandorten gesammelt werden, wodurch die Verfügbarkeit redundanter Fähigkeiten innerhalb der Organisation weiter reduziert wird. Daher werden neue Technologien und Datendiagramme benötigt, die den Schulungsbedarf reduzieren und die Identifizierung relevanter Datenpunkte innerhalb des größeren Datensatzes vereinfachen.
• Zudem benötigt ein Schwingungsanalyst Werkzeuge, die dabei helfen, zwischen nichtperiodischen und periodischen Informationen in einem Schwingungssignal zu unterscheiden. Zum Beispiel werden Analysewerkzeuge benötigt, um ein periodisches Signal niedriger Amplitude (z. B. ein 10-g-Signal), das einen Lagerfehler angibt, aus einem großen nichtperiodischen Signal (z. B. einem 70-g-Signal), das durch Unterschmierung verursacht wird, zu extrahieren. Dies ist eine häufige Situation, bei der ein Mangel an adäquater Schmierung unvermeidlich zu einem tatsächlichen mechanischen Defekt in dem Lager führt. Eine frühzeitige Erkennung ist für eine verlängerte Lebensdauer der Maschine sehr wichtig.
• Eine separate, jedoch gleichermaßen bedenkliche Dynamik besteht darin, dass eine einzelne Person angestellt wird, um die Daten von mehreren Standorten zu analysieren. In solchen Situationen benötigt selbst ein erfahrener Analyst zusätzliche Werkzeuge, die relevante Informationen aus dem größeren Datensatz auswählen und extrahieren, wodurch die Menge an Daten, die von dem Analysten durchforstet werden muss, erheblich reduziert wird, der Diagnoseprozess verschlankt wird und die Effizienz und Genauigkeit der Diagnose gesteigert wird.
• Darüber hinaus stellt die Verwaltung großer Datensätze eine ständige Herausforderung für jedes Individuum dar, das eine Schnittstelle zu den Daten benötigt. Dies beinhaltet ein Übertragen, Speichern und Abrufen der gesammelten Daten.
• - Übertragung. Aufgrund der großen Datenmengen, die für die herkömmliche Schwingungsanalyse benötigt werden, kann die Übertragung von Schwingungsdaten mit kleineren oder eingeschränkten Datenleitungen sehr schwierig sein. Ein Beispiel ist die Übertragung über eine drahtlose Verbindung, bei der spezifische Bandbreitenzuweisungen vorhanden sind. Ein weiteres Beispiel ist die Anwendung eines vorgeschriebenen Drahtlosprotokolls wie z. B. HART^® oder WirelessHART^®, bei dem jedes Datenpaket eine vordefinierte Größe hat, die viel zu klein ist, um eine herkömmliche Schwingungsmessung aufzunehmen.
• - Speicherung. Die drastische Senkung der Kosten des Computerspeichers hat dazu geführt, dass viele Disziplinen einschließlich der Schwingungsanalyse Werkzeuge entwickelt haben, die weitgehend datenzentriert sind. Mit dem Aufkommen der cloudbasierten Datenspeicherung steigen die Speicherkosten jedoch wieder an und zwingen die Anwender dazu, Prioritäten zu setzen, welche Informationen gespeichert oder behalten werden.
• - Abruf. Relationale Datenbanken, die zur Unterstützung von Geschäfts-Systemen entwickelt worden sind, haben sich für die Schwingungsanalyse als nicht ideal erwiesen. Dies liegt an der großen Dateigröße von Schwingungsmessdaten. Wenn die Größe einer relationalen Datenbank zunimmt, erhöht sich die Abrufzeit für den Zugriff und die Anzeige eines bestimmten Datensatzes erheblich. Unter den Voraussetzungen, dass ein typisches Schwingungsspektrum aus mehr als 12800 Datenpunkten bestehen kann und die mit diesem Spektrum zugeordnete rohe Schwingungswellenform mehr als 30000 Datenpunkte aufweisen kann und dass es in einer typischen Prozessanlage Zehntausende derartiger Messungen geben kann, ist leicht ersichtlich, wie die Größe einer Schwingungsdatenbank für die Anwendung einer relationalen Datenbank schnell ungeeignet werden könnte.
• Aus diesen Gründen besteht ein dringender Bedarf, neue Techniken zu entwickeln, um Schulungsanforderungen zu reduzieren, die Effizienz von Analysten zu verbessern, ohne die Genauigkeit zu beeinträchtigen, eine Datenübertragung über beschränkte Datenleitungen zu ermöglichen, Schwingungsverkehr über größere Datenleitungen zu reduzieren, Speicheranforderungen beim Speichern von Diagnosedaten zu reduzieren und Anwendern zu ermöglichen, auf gespeicherte Daten mit hoher Reaktionsgeschwindigkeit und schnelleren Abrufzeiten zuzugreifen und diese dann anzuzeigen.
• US 2015 / 0 012 247 A1 offenbart einen „periodischen Signalparameter“ (PSP), der periodische Muster in einer autokorrelierten Schwingungsform und mögliche Fehler in einer überwachten Maschine anzeigt. Der PSP wird auf der Grundlage statistischer Maße berechnet, die aus einer Autokorrelationswellenform und den Merkmalen einer zugehörigen Schwingungswellenform abgeleitet werden. Der PSP liefert einen Hinweis auf die Periodizität und eine Verallgemeinerung des potenziellen Fehlers, während die Merkmale der zugehörigen Wellenform den Schweregrad angeben. Ein „Periodic Information Plot“ (PIP) wird aus einem Schwingungssignal abgeleitet, das mit zwei Analysetechniken verarbeitet wurde, um zwei X-Y-Diagramme der Signaldaten zu erstellen, die eine gemeinsame X-Achse haben. Das PIP wird erstellt, indem die Y-Werte der beiden Diagramme auf der Grundlage des entsprechenden X-Werts korreliert werden. Die Amplituden der Y-Werte im PIP werden aus den beiden Quellkurven durch Multiplikation, Verhältnisbildung, Mittelwertbildung oder Beibehaltung des Maximalwerts abgeleitet.
• Zusammenfassung
• Signalperiodizitätsparameter
• Die Autokorrelationskoeffizientenfunktion ist ein mathematischer Prozess, der verwendet werden kann, um zu bestimmen, wie viel der Energie in einer Wellenform periodisch ist. Das Muster der periodischen Peaks - oder deren Fehlen - kann bei der Identifizierung von Fehlertypen sehr hilfreich sein. Um diese Muster zu erkennen und anzuwenden, ist ein erfahrener Analyst erforderlich. Bevorzugte Ausführungsformen der vorliegenden Erfindung berechnen einen Wert, der für allgemeine periodische Muster repräsentativ ist, die potentielle Fehler angeben. Dieser Wert, der hier als „Signalperiodizitätsparameter“ (PSP) bezeichnet wird, wird basierend auf statistischen Maßen, die aus einer Autokorrelationswellenform abgeleitet werden, zusammen mit Eigenschaften der zugehörigen Schwingungswellenform berechnet. Während der aus der Autokorrelationsfunktion abgeleitete PSP einen Hinweis auf Periodizität und eine Verallgemeinerung eines möglichen Fehlers liefert, liefern die Eigenschaften der zugehörigen Schwingungswellenform ein Maß für den Schweregrad. Die Kombination dieser beiden Identitäten liefert einen weiteren Hinweis auf mögliche Probleme, die Maschinen in der Anlage zugeordnet sind. Neben einer Fokussierung der Bemühungen eines Schwingungsanalysten bietet dies deutliche Vorteile für eine Maschinenbedienperson in der Anlage, der vielleicht wenig oder keine Schwingungsanalyseerfahrung hat.
• Der Prozess des Berechnens der PSP beginnt mit einem Berechnen der Autokorrelationsfunktion einer Schwingungswellenform. Sobald dies geschafft ist, werden mehrere statistische Berechnungen durchgeführt. In einer bevorzugten Ausführungsform umfassen diese statistischen Berechnungen einen maximalen absoluten Wellenformpeak, eine Standardabweichung der Wellenform, einen maximalen absoluten Peak nach den ersten 3 % der Wellenform, einen Scheitelfaktor sowohl der Wellenformwerte als auch der positiven Wellenformwerte und einen sortierten Mittelwert von Peakwerten der positiven Wellenform. Der sortierte Mittelwert wird vorzugsweise aus einer Teilmenge von Werten berechnet, in diesem Fall besteht die größere Menge aus den Peakwerten der positiven Wellenform. Die sortierte Untermenge umfasst vorzugsweise alle Peakwerte aus der positiven Wellenform, mit Ausnahme von Ausreißern. Die Ausreißer sind Peakwerte, die eine statistisch definierte Standardabweichung um den Mittelwert herum überschreiten. Daher ist der sortierte Mittelwert der Mittelwert der sortierten Untermenge von Peakwerten der positiven Wellenform.
• Sobald der PSP berechnet ist, wird die Peak-zu-Peak-Amplitude der anfänglichen Schwingungswellenform (die in einer bevorzugten Ausführungsform die Peakamplitude in der PeakVue™-Wellenform ist) ausgewertet. Verschiedene Aspekte des PeakVue™-Prozesses sind in den US-Patenten Nr. US 5 895 857 A (Robinson et al.), US 6 192 325 B1 (Piety et al.), US 6 549 869 B1 (Piety et al.), US 6 889 553 B2 (Robinson et al.), US 7 561 200 B2 (Garvey et al.), US 7 424 403 B2 (Robinson et al.), US 8 174 402 B2 (Reeves et al.), US 2014 / 0 039 833 A1 (White et al.) und US 2012 / 0 041 695 A1 (Baldwin et al.) beschrieben, deren gesamter Inhalt hierin durch Bezugnahme eingeschlossen ist. Es können jedoch auch andere Techniken angewendet werden, um relevante Informationen aus dem Schwingungssignal zu extrahieren, um die anfängliche Schwingungswellenform zu erzeugen, einschließlich, aber nicht beschränkt auf, Hüllkurven, Hochfrequenz-Hüllkurven, spektrale emittierte Energie, Spike Energy™ und Shock Pulse™. Wenn die Peak-zu-Peak-Amplitude der zugehörigen Schwingungswellenform vordefinierte Alarmgrenzen überschreitet, wird die Angabe bestimmter Fehler basierend auf dem PSP-Wert ausgelöst.
• Da die Autokorrelation einer Wellenform auf ± 1 normiert ist, beträgt die maximale Standardabweichung der Wellenform 1. Daher liegt der Basiswert des PSP im Bereich von 0 bis 1. Mathematische Operationen können an dem Basiswert ausgeführt werden, um eine gewünschte Skalierung zu erreichen. Ein Beispiel wäre, den Basiswert mit 10 zu multiplizieren, um einen PSP-Bereich von 0 bis 10 zu erzielen. Darüber hinaus hebt die Verwendung der Quadratwurzel des PSP-Basiswerts Variationen am unteren Ende der Skala hervor, die dann mit 10 multipliziert werden können, um einen PSP-Bereich von 0 bis 10 zu erzielen. Wie im Folgenden ausführlicher erörtert ist, wird der PSP basierend auf dem Wert der Standardabweichung der autokorrelierten Wellenform plus Beiträgen aus den oben erwähnten anderen berechneten statistischen Parametern, die auf empirischen Beobachtungen zentriert sind, berechnet. Beispiele für autokorrelierte Wellenformen zusammen mit den zugehörigen PSP-Werten sind in der genauen Beschreibung gegeben.
• Der PSP kann für autokorrelierte Wellenformen, die aus gefilterten und ungefilterten Beschleunigungs-, Geschwindigkeits- oder Verschiebungswellenformen sowie aus verarbeiteten Wellenformen abgeleitet sind, passend sein. Zwei Beispiele für verarbeitete Wellenformen sind Ergebnisse der PeakVue™-Techniken zur Signalverarbeitung und Demodulation.
• Diagramm periodischer Informationen
• Wie oben erörtert ist die Autokorrelationskoeffizientenfunktion ein mathematischer Prozess, der angibt, ob in einem Signal Periodizität vorhanden ist. Beim Betrachten einer Autokorrelationswellenform sind periodische Signale typischerweise in den Daten sichtbar. Es ist jedoch nicht einfach, die exakte Frequenz oder Amplitude dieser periodischen Signale aus der Autokorrelationswellenform zu separieren. Durch Verwenden einer schnellen Fouriertransformation (FFT) der Autokorrelationswellenform werden bestimmte Frequenzwerte ersichtlich. Durch Vergleichen des Autokorrelationsspektrums mit dem Standardspektrum kann die wahre Amplitude eines jeweiligen Signals bei diesen Frequenzen erhalten werden.
• Bevorzugte hierin beschriebene Ausführungsformen stellen Verfahren zum Analysieren und Anzeigen von Daten bereit, um die Periodizität in einem Signal zu enthüllen. Die Ausführungsformen umfassen ein Verarbeiten des Rohsignals unter Verwendung von zwei unterschiedlichen Sätzen von Analysetechniken, wodurch zwei X-Y-Grafikdarstellungen der Signaldaten erzeugt werden, die sich eine gemeinsame X-Achse teilen. Ein dritter Graph wird erzeugt, indem die Y-Werte auf den ersten beiden Graphen basierend auf dem entsprechenden X-Wert korreliert werden. Die Amplitude jedes Y-Werts kann aus den zwei Quellengraphen unter Verwendung einer Vielzahl von Techniken einschließlich Multiplikation, Verhältnisbildung, Mittelung oder Beibehaltung des Maximalwerts abgeleitet werden. Der resultierende synthetisierte Graph, der hier auch als Diagramm periodischer Informationen (PIP) bezeichnet wird, hebt Signalkomponenten hervor, die für eine gegebene Diagnose relevant sind, während andere unerwünschte Signalkomponenten beseitigt werden. Dies sorgt für eine Visualisierung der Daten in einer Weise, die die Erkennung und Quantifizierung gewünschter Eigenschaften, die in dem Rohsignal vorhanden sind, vereinfacht. Auch das Fehlen von periodischen Signalkomponenten ist diagnostisch signifikant und kann ebenso wichtig für die Wartungsentscheidungen, die in einer Anlage durchgeführt werden, sein. Die Diagnose kann entweder durch einen Menschen oder ein computerisiertes Expertensystem durchgeführt werden. Für einen menschlichen Analysten reduziert die Technik den Schulungsbedarf und bringt gleichzeitig mehr Effizienz und Genauigkeit. Bei einem computerisierten Expertensystem I die Technik neue Verfahren für eine Diagnosesoftware, signifikante Muster zu erkennen, die in dem originalen Signal enthalten sind.
• Somit wird der Analyseprozess erleichtert, indem für den Analysten eine graphische Darstellung bereitgestellt wird, die nur die periodischen Signale zeigt, die in den Daten vorhanden sind. Auch wenn die gleichen periodischen Informationen in dem originalen Spektrum, das aus den originalen Daten erzeugt wird, vorhanden sind, ist es oft schwierig, die periodischen Informationen zu erkennen, da der Pegel des Rauschens und anderer nichtperiodischer Signale ähnlich oder größer als die Amplitude der periodischen Information ist.
• Beispielsweise vergleicht Tabelle 1 nachstehend ein herkömmliches Schwingungsspektrum (9) mit einem zugehörigen PIP (12). Tabelle 1. Vergleich zwischen herkömmlichen Schwingungsspektrum und PIP

  Datendiagrammtyp	Datenpunkte	Übertragungszeit	Datenspeicher	Abrufzeit	Analysezeit
  Herkömmliches Schwingungsspektrum (sh. 9)	1600	100%	100%	100%	100%
  Diagramm periodischer Informationen (sh. 12)	11	<2%	<2%	<50%	<50%

• Basierend auf Tabelle 1 ist ersichtlich, dass Ausführungsformen der Erfindung die Anzahl der zu verarbeitenden Datenpunkte deutlich reduzieren, was die Netzübertragungszeit und die erforderliche Bandbreite reduziert. Die Reduzierung der Datenpunkte verringert auch den Platzbedarf bei der Datenspeicherung sowie die Zeit, die zum Abrufen von Daten aus Speichervorrichtungen benötigt wird. Dementsprechend erhöhen die hierin beschriebenen Ausführungsformen die Effizienz und Geschwindigkeit des Messsystems, das in 1A und 1B dargestellt ist, verglichen mit früheren Schwingungsanalysesystemen deutlich.
• Darüber hinaus verbessert das Beseitigen zufälliger oder unbedeutender Peaks aus dem Datensatz die Datenqualität als Eingabe in ein Experten-Diagnosesystem erheblich. Dies verringert nicht nur die Verarbeitungszeit, sondern verbessert auch das Diagnoseergebnis und optimiert die Interpretation.
• Vorhersage von Fehlern basierend auf dem Signalperiodizitätsparameter (PSP)
• Eine Abschätzung des Zustands eines Wälzelementlagers kann vorhergesagt werden, indem der PSP und die maximale Peakamplitude der zugehörigen Wellenform, von der eine Autokorrelation durchgeführt wurde, und optional die Drehzahl kombiniert werden. Zum Beispiel kann die Kombination dieser Parameter den Schweregrad eines Lagerfehlers und/oder irgendwelche Schmierungsprobleme, die vorhanden sein können, angeben. Ebenso können der Zustand von Zähnen in einem Getriebe und der Zustand von Wälzelementlagern in dem Getriebe bestimmt werden.
• Im Allgemeinen gibt ein PSP von mehr als 0,1 an, dass ein periodisches Signal vorhanden ist. Jede Periodizität, die keine Oberschwingung der Laufdrehzahl ist, (hier als nichtsynchrone Periodizität bezeichnet) ist typischerweise mit einem Lagerfehler verknüpft, wie beispielsweise Innen- oder Außenringfehler neben Wälzelement- und Käfigfehlern. Der Schweregrad eines Lagerfehlers kann basierend auf der Peakamplitude der zugehörigen PeakVue-Wellenform bestimmt werden. Dieser Schweregrad ist proportional zu den Fehlerpegeln, die teilweise durch die Drehzahl des Lagers bestimmt werden. Wenn ein Getriebe überwacht wird, hängt jede synchrone Periodizität mit dem Funktionszustand der Zahnradzähne zusammen. Der Schweregrad der Verzahnungsfehler steht in Zusammenhang mit der Peakamplitude der PeakVue-Wellenform und ist proportional zu den von der zugehörigen Zahnraddrehzahl vorgegebenen Fehlerpegeln. Wenn große Peakamplitudenwerte in der PeakVue-Wellenform vorhanden sind und PSP ≤ 0,1, werden Schmierungsprobleme in Wälzelementlagern und/oder Getrieben vermutet.
• Bevorzugte Ausführungsformen, die hierin beschrieben sind, präsentieren Lagerfehler- und Schmierungsinformationen in einem leicht verständlichen Format. In einer Ausführungsform, die in 18 dargestellt ist, sind die Informationen als ein Diagnosepegel, der das Vorhandensein und den Schweregrad eines Lagerfehlers angibt, und ein anderer Diagnosepegel, der das Vorhandensein und den Schweregrad eines Schmierungsproblems angibt, dargestellt. Bei Getriebeanwendungen kann ein dritter Pegel den Zustand der Zahnradzähne in einem Getriebe angeben. Andere Ausführungsformen zeigen Lagerzustandsinformationen in anderen grafischen Formaten wie beispielsweise als Teströhrenanzeigen, Rot-Gelb-Grün-Lichtanzeigen und vielen anderen Formaten. Somit ist die Erfindung nicht auf ein bestimmtes Format zum Darstellen der Schweregradinformationen beschränkt.
• Durch Kombinieren der von den diagnostischen Pegeln angegebenen Ergebnisse mit dem Diagramm periodischer Informationen (PIP) kann ein Analyst den Zustand der überwachten Maschine leicht visualisieren. Basierend auf dieser vereinfachten anfänglichen Visualisierung kann der Analyst Fehler vorhersagen, auf die Maßnahmen ergriffen werden können oder die untersucht werden können. Daher spielt das PIP eine wichtige Rolle bei Berechnungen und ist ein integraler Bestandteil der vereinfachten Analysezusammenfassung.
• Einige hierin beschriebene Ausführungsformen stellen eine Vorrichtung zum Erfassen und Analysieren von periodischen Informationen in Schwingungen, die einer Maschine zugeordnet sind, bereit. Die Vorrichtung dieser Ausführungsformen enthält einen Schwingungssensor, einen Datensammler und einen Prozessor für periodische Informationen. Der Schwingungssensor ist an der Maschine sicher an einer Stelle angebracht, die einen festen Übertragungsweg von einer Schwingungsquelle innerhalb der Maschine zu dem Schwingungssensor bereitstellt. Der Datensammler ist dazu ausgelegt, das Schwingungssignal aus dem Schwingungssensor zu empfangen und aufzubereiten. Der Datensammler enthält einen Analog/Digital-Umsetzer zum Umsetzen des Schwingungssignals in digitale Schwingungsdaten und einen Speicher zum Puffern der digitalen Schwingungsdaten.
• Der Prozessor für periodische Informationen ist zum Ausführen von Betriebsbefehlen zum Verarbeiten der digitalen Schwingungsdaten ausgelegt. Wenn diese Befehle ausgeführt werden, veranlassen sie Folgendes:
• - Erzeugen einer originalen Wellenform basierend auf den digitalen Schwingungsdaten;
• - Durchführen einer Autokorrelationsfunktion an der originalen Wellenform, um eine Autokorrelationswellenform zu erzeugen;
• - Durchführen einer schnellen Fourier-Transformation an der originalen Wellenform, um ein originales Spektrum zu erzeugen;
• - Durchführen einer schnellen Fourier-Transformation an der Autokorrelationswellenform, um ein Autokorrelationsspektrum zu erzeugen;
• - Kompilieren einer ersten Liste von Amplitudenpeaks aus dem originalen Spektrum;
• - Kompilieren einer zweiten Liste von Amplitudenpeaks aus dem Autokorrelationsspektrum;
• - Abgleichen von Autokorrelationsamplitudenpeaks in der zweiten Liste mit den originalen Amplitudenpeaks in der ersten Liste;
• - Hinzufügen jedes originalen Amplitudenpeaks, der mit einer Autokorrelationsamplitudenpeaks übereinstimmt, zu einer Peakliste;
• - wenn originale Amplitudenpeaks zu der Peakliste hinzugefügt werden, Bestimmen einer Gesamtmenge einer Peakenergie, die den originalen Amplitudenpeaks in der Peakliste zugeordnet ist; und
• - nachdem die Gesamtmenge der Peakenergie, die den originalen Amplitudenpeaks in der Peakliste zugeordnet ist, eine vorbestimmte Schwelle übersteigt, Erzeugen eines Diagramms periodischer Informationen, das die originalen Amplitudenpeaks in der Peakliste enthält.
• In einigen Ausführungsformen erzeugt der Prozessor für periodische Informationen das Diagramm periodischer Informationen mit mindestens 80% weniger Datenpunkten als das originale Spektrum.
• In einigen Ausführungsformen umfasst die vorbestimmte Schwelle einen prozentualen Energiewert, wobei der Prozessor für periodische Informationen dazu ausgelegt ist, dass er Betriebsbefehle zum Berechnen des prozentualen Energiewerts gemäß
  % Energie des Originals = Gesamtenergie des originalen Spektrums × % Periodische Energie
  wobei $$\%PeriodischeEnergie=\sqrt{MaxPeak\left(nach3\%derWellenform\right)}$$

  

  
  wobei MaxPeak (nach 3 % der Wellenform) einen maximalen absoluten Peak in der Autokorrelationswellenform enthält, der außerhalb der ersten 3% der Autokorrelationswellenform auftritt.
• In einigen Ausführungsformen ist die originale Wellenform eine PeakVue-Wellenform.
• In einigen Ausführungsformen ist der Prozessor für periodische Informationen dazu ausgelegt, Betriebsbefehle auszuführen, um die Amplitudenpeaks in der ersten und zweiten Liste nach absteigender Amplitude so anzuordnen, dass ein größter Amplitudenpeak der erste und ein kleinster Amplitudenpeak der letzte ist.
• In einigen Ausführungsformen ist der Prozessor für periodische Informationen dazu ausgelegt, Betriebsbefehle auszuführen, um die Amplitudenpeaks als synchrone Peaks und nichtsynchrone Peaks zu klassifizieren, um eine oder mehrere erste Anzeigefarben den synchronen Peaks in dem Diagramm periodischer Informationen zuzuweisen und um eine oder mehrere zweite Anzeigefarben den nichtsynchronen Peaks in dem Diagramm periodischer Informationen zuzuweisen, wobei sich die ersten Anzeigefarben von den zweiten Anzeigefarben unterscheiden.
• In einigen Ausführungsformen ist der Prozessor für periodische Informationen dazu ausgelegt, Betriebsbefehle auszuführen, um Amplitudenpeaks, die synchrone Peaks sind, in mehrere Familien zu trennen und jeder Familie von synchronen Peaks in dem Diagramm periodischer Informationen eine andere Anzeigefarbe zuzuordnen. dem der Prozessor für periodische Informationen verbunden ist und über das das Diagramm periodischer Informationen übermittelt wird. Ein Analysten-Computer ist mit dem Datenkommunikationsnetz verbunden, um das Diagramm periodischer Informationen zur Betrachtung durch einen Analysten zu empfangen und anzuzeigen.
• In einigen Ausführungsformen bestimmt der Prozessor für periodische Informationen eine Übereinstimmung zwischen einem Autokorrelationsamplitudenpeak aus der zweiten Liste und einem originalen Amplitudenpeak aus der ersten Liste, wenn $$\left|\text{originale Peakfrequenz}-\text{Autokorrelationspeakfrequenz}\right|\le n\times \Delta Frequenz,$$

  

  wobei die originale Peakfrequenz ein Frequenzwert des originalen Amplitudenpeaks aus der ersten Liste ist, die Autokorrelationspeakfrequenz ein Frequenzwert des Autokorrelationsamplitudenpeaks aus der zweiten Liste ist und n ein ganzzahliger Wert ist. Der Wert von ΔFrequenz wird bestimmt nach: $$\Delta Frequency=\frac{FmaxdesoriginalenSpektrums}{LORdesoriginalenSpektrums}.$$

  

  In einigen Ausführungsformen enthält der Datensammler einen digitalen Datenrekorder oder einen Schwingungsdatensammler.
• In einigen Ausführungsformen enthält der Datensammler ein Tiefpass-Anti-Aliasing-Filter.
• In einigen Ausführungsformen ist der Prozessor für periodische Informationen eine Komponente des Datensammlers.
• In einigen Ausführungsformen ist der Prozessor für periodische Informationen eine Komponente eines Analysten-Computers, der über ein Kommunikationsnetz mit dem Datensammler in Verbindung steht.
• In einigen Ausführungsformen ist der Prozessor für periodische Informationen dazu ausgelegt, Betriebsbefehle auszuführen, die Folgendes veranlassen:
• - Erzeugen einer originalen Wellenform basierend auf den digitalen Schwingungsdaten;
• - Durchführen einer schnellen Fourier-Transformation an der originalen Wellenform, um ein originales Spektrum mit Amplitudenwerten Y_VS(n) zu erzeugen, wobei n = 1 bis N ist und N eine Anzahl von Frequenzwerten ist;
• - Durchführen einer Autokorrelationsfunktion an der originalen Wellenform, um eine Autokorrelationswellenform zu erzeugen;
• - Durchführen einer schnellen Fourier-Transformation an der Autokorrelationswellenform, um ein Autokorrelationsspektrum mit Amplitudenwerten Y_AS(n) zu erzeugen, wobei n = 1 bis N ist, wobei N die Anzahl der Frequenzwerte ist;
• - Kombinieren benachbarter Paare von Amplitudenwerten Y_Vs(2n) und Y_VS(2n-1) in dem originalen Spektrum gemäß $${\text{Y}}_{\text{MCVS}}\left(\text{n}\right)=\sqrt{{\left(Y_{VS}\left(2n-1\right)\right)}^2+{\left(Y_{VS}\left(2n\right)\right)}^2};$$
  
  und
• - Kombinieren des originalen Spektrums und des Autokorrelationsspektrums, um ein Diagramm periodischer Informationen mit Amplitudenwerten Y_PIP1(n) zu erzeugen, gemäß $${\text{Y}}_{\text{PIP1}}\left(\text{n}\right)={\text{Y}}_{\text{MCVS}}\left(\text{n}\right)\times {\text{Y}}_{\text{AS}}\left(\text{n}\right),\text{ wobei n}=1\text{ bis N}$$
  
  ist.
• Eine Aufnahme der Amplitudenwerte Y_PIP1(n) in das Diagramm periodischer Informationen hebt Signalkomponenten hervor, die für eine Diagnose durch den Analysten relevant sind, während unerwünschte nichtperiodische Signalkomponenten beseitigt werden, wodurch die Visualisierung relevanter Signalkomponenten verbessert wird.
• In einigen Ausführungsformen ist der Prozessor für periodische Informationen dazu ausgelegt, Betriebsbefehle auszuführen, um ein periodisches Informationsdiagramm mit Amplitudenwerten Y_PIP3(n) zu erzeugen, und zwar gemäß
  wenn Y_PIP1(n) > Y_THR, Y_PIP3(n) = Y_PIP1(n)
  wenn Y_PIP1(n) ≤ Y_THR, Y_PIP3(n) = 0
  wobei n = 1 bis N ist und Y_THR ein vorbestimmter Schwellenwert ist.
• In einigen Ausführungsformen ist der Prozessor für periodische Informationen dazu ausgelegt, Betriebsbefehle auszuführen, um eine inverse schnelle Fourier-Transformation an dem Diagramm periodischer Informationen auszuführen, um eine Informationswellenform zu erzeugen.
• In einigen Ausführungsformen ist der Prozessor für periodische Informationen dazu ausgelegt, Betriebsbefehle auszuführen, um ein Diagramm zirkularer Informationen aus der Informationswellenform abzuleiten.
• In einigen Ausführungsformen führt der periodische Informationsprozessor Betriebsbefehle aus, die Folgendes veranlassen:
• - Erzeugen einer originalen Wellenform basierend auf den digitalen Schwingungsdaten;
• - Durchführen einer schnellen Fourier-Transformation an der originalen Wellenform, um ein originales Spektrum mit Amplitudenwerten Y_VS(n) zu erzeugen, wobei n = 1 bis M ist und M eine Anzahl von Frequenzwerten ist;
• - Durchführen einer Autokorrelationsfunktion an der originalen Wellenform, um eine Autokorrelationswellenform zu erzeugen;
• - Durchführen einer schnellen Fourier-Transformation an der Autokorrelationswellenform, um ein Autokorrelationsspektrum mit Amplitudenwerten Y_AS(n) zu erzeugen, wobei n = 1 bis N ist, wobei N die Anzahl der Frequenzwerte ist;
• - Kombinieren benachbarter Paare von Amplitudenwerten Y_Vs(2n) und Y_VS(2n-1) in dem originalen Spektrum, gemäß $${\text{Y}}_{\text{MCVS}}\left(\text{n}\right)=\sqrt{{\left(Y_{VS}\left(2n-1\right)\right)}^2+{\left(Y_{VS}\left(2n\right)\right)}^2};$$
  
  und
• - Erzeugen eines periodischen Informationsdiagramms mit Amplitudenwerten Y_PIP2(n) gemäß wenn Y_As(n) > Y_THR, Y_PIP2(n) = Y_MCVS(n) wenn Y_As(n) ≤ Y_THR, Y_PIP2(n) = 0, wobei n = 1 bis N ist und Y_THR ein vorbestimmter Schwellenwert ist.
• Eine Aufnahme nur der Amplitudenwerte Y_PIP2(n) in das Diagramm periodischer Informationen hebt Signalkomponenten hervor, die für eine Diagnose durch den Analysten relevant sind, während unerwünschte nichtperiodische Signalkomponenten beseitigt werden, wodurch die Visualisierung von relevanten Signalkomponenten verbessert wird.
• In einigen Ausführungsformen führt der Prozessor für periodische Informationen Betriebsbefehle aus, die Folgendes veranlassen:
• - Erzeugen einer originalen Wellenform basierend auf den digitalen Schwingungsdaten;
• - Durchführen einer schnellen Fourier-Transformation an den digitalen Schwingungsdaten, um ein originales Spektrum mit Amplitudenwerten Y_VS(n) zu erzeugen, wobei n = 1 bis N ist, wobei N eine Anzahl von Frequenzwerten ist;
• - Kombinieren benachbarter Paare von Amplitudenwerten Y_Vs(2n) und Y_VS(2n-1) in dem originalen Spektrum gemäß $${\text{Y}}_{\text{MCVS}}\left(\text{n}\right)=\sqrt{{\left(Y_{VS}\left(2n-1\right)\right)}^2+{\left(Y_{VS}\left(2n\right)\right)}^2};$$
  
• - Durchführen einer Autokorrelationsfunktion an der originalen Wellenform, um eine Autokorrelationswellenform zu erzeugen;
• - Durchführen einer Fast-Fourier-Transformation an der Autokorrelationswellenform, um ein Autokorrelationsspektrum mit Amplitudenwerten Y_AS(n) zu erzeugen, wobei n = 1 bis N ist, wobei N die Anzahl der Frequenzwerte ist; und
• - Kombinieren des originalen Spektrums und des Autokorrelationsspektrums, um eine Periodizitätskarte mit Koordinatenwerten X_PM(n) und Y_PM(n) zu erzeugen, die folgendermaßen bestimmt werden X_PM(n) = Y_MCVS(n) Y_PM(n) = Y_As(n) für n = 1 bis N.
• In einigen Ausführungsformen führt der Prozessor für periodische Informationen Betriebsbefehle aus, die Folgendes veranlassen:
• - Erzeugen einer originalen Wellenform basierend auf den digitalen Schwingungsdaten;
• - Durchführen einer Autokorrelationsfunktion an der originalen Wellenform, um eine Autokorrelationswellenform zu erzeugen;
• - Durchführen einer schnellen Fourier-Transformation an der Autokorrelationswellenform, um ein Autokorrelationsspektrum mit Amplitudenwerten Y_AS(n) zu erzeugen, wobei n = 1 bis N ist;
• - Erzeugen eines Diagramms nichtperiodischer Informationen mit Amplitudenwerten Y_NPIP(n) gemäß wenn Y_As(n) < Y_THR, Y_NPIP(n) = Y_As(n) wenn Y_As(n) ≥ Y_THR, Y_NPIP(n) = 0, wobei n = 1 bis N ist und Y_THR ein vorbestimmter Schwellenwert ist.
• Eine Aufnahme nur der Amplitudenwerte Y_NPIP(n) in das Diagramm nichtperiodischer Informationen hebt Signalkomponenten hervor, die für eine Diagnose durch den Analysten relevant sind, während unerwünschte nichtperiodische Signalkomponenten beseitigt werden, wodurch die Visualisierung relevanter Signalkomponenten verbessert wird.
• In einigen Ausführungsformen führt der Prozessor für periodische Informationen Betriebsbefehle aus, die Folgendes veranlassen:
• - Erzeugen einer originalen Wellenform basierend auf den digitalen Schwingungsdaten;
• - Bestimmen einer maximalen Peakamplitude der originalen Wellenform;
• - Durchführen einer Autokorrelationsfunktion an der originalen Wellenform, um eine Autokorrelationswellenform zu erzeugen;
• - Bestimmen eines Signalperiodizitätsparameterwerts zumindest teilweise basierend auf der Autokorrelationswellenform, wobei der Signalperiodizitätsparameterwert eine einzelne reelle Zahl umfasst, die einen Pegel periodischer Informationen in der originalen Wellenform angibt;
• - Berechnen oder Empfangen eines Fehlergrenzpegels; und
• - Berechnen eines oder mehrerer Schweregradwerte basierend auf der maximalen Peakamplitude und dem Fehlergrenzpegel.
• In einigen Ausführungsformen ist die originale Wellenform eine PeakVue-Wellenform.
• In einigen Ausführungsformen berechnet der Prozessor für periodische Informationen dann, wenn der Signalperiodizitätsparameterwert größer als 0,1 ist und die Maschinendrehzahl unbekannt ist, einen Lagerfehler-Schweregradwert (BFS) gemäß: $$BFS=NormierterSchweregrad\times \%PeriodischeEnergie,$$

  

  wobei $$NormierterSchweregrad=\frac{MaxPeak}{2\times Fehlergrenze}\times \text{x}$$

  

  und $$\%PeriodischeEnergie=\sqrt{MaxPeak\left(nachersten3\%\right)}.$$

  
• In einigen Ausführungsformen berechnet der Prozessor für periodische Informationen dann, wenn der Signalperiodizitätsparameterwert größer als 0,1 ist und die Maschinendrehzahl bekannt ist, einen Lagerfehler-Schweregradwert (BFS) gemäß: $$\begin{array}{l}BFS\\ =NormierterSchweregrad\\ \times \left[\frac{{\left(EnergiederlokalisiertennichtsynchronenPeaks\right)}^2}{{\left(GesamtenergiedeszugeordnetenPeakVue-Spektrums\right)}^2}\right]\end{array}$$

  

  wobei $$NormierterSchweregrad=\frac{MaxPeak}{2\times Fehlergrenze}\times \text{x}\text{.}$$

  
• In einigen Ausführungsformen ist der Prozessor für periodische Informationen dazu ausgelegt, Betriebsbefehle auszuführen, um basierend auf der Drehzahl einen Alarmgrenzpegel zu berechnen. Wenn der Signalperiodizitätsparameterwert kleiner als 0,1 ist und die maximale Peakamplitude der originalen Wellenform größer als der Alarmgrenzpegel ist, berechnet der Prozessor für periodische Informationen einen Schmierungs-Schweregradwert (LS-Wert) gemäß: $$LS=\frac{MaxPeak}{2\times Fehlergrenze}\times x\times \%NPE,$$

  

  wobei die prozentuale nichtperiodische Energie (% NPE) eine Funktion der prozentualen periodischen Energie (% periodische Energie) ist, wie es in 19 dargestellt ist. Die prozentuale periodische Energie wird aus der Autokorrelations-Wellenform wie folgt berechnet: $$\%PeriodischeEnergie=\sqrt{MaxPeak\left(nach3\%derWellenform\right)}.$$

  
• In einigen Ausführungsformen ist der Prozessor für periodische Informationen dazu ausgelegt, Betriebsbefehle auszuführen, um einen Getriebefehler-Schweregrad (GFS) zu berechnen, und zwar gemäß: $$\begin{array}{l}GFS\\ =NormierterSchweregrad\\ \times \left[\frac{{\left(EnergiederlokalisiertennichtsynchronenPeaks\right)}^2}{{\left(GesamtenergiedeszugeordnetenPeakVue-Spektrums\right)}^2}\right]\end{array}$$

  

  wobei $$NormierterSchweregrad=AllgemeinerSchweregrad\times \text{x}$$

  

  und $$AllgemeinerSchweregrad=MaxPeak/\left(2\times Fehlergrenze\right)$$

  

  und x ein Normierungsfaktor ist.
• Figurenliste
• Weitere Vorteile der Erfindung ergeben sich aus der ausführlichen Beschreibung in Verbindung mit den Figuren, wobei Elemente nicht maßstabsgetreu sind, um die Einzelheiten deutlicher zu zeigen, wobei gleiche Bezugszeichen über die verschiedenen Ansichten hinweg gleiche Elemente bezeichnen und wobei:
• 1A und 1B Funktionsblockdiagramme eines Systems zum Ableiten und Analysieren von periodischen Informationen in einem Signal gemäß bevorzugten Ausführungsformen der Erfindung zeigen;
• 2 ein Ablaufdiagramm eines Verfahrens zum Bestimmen eines Signalperiodizitätsparameters gemäß einer bevorzugten Ausführungsform der Erfindung zeigt;
• 3-7 beispielhafte autokorrelierte Schwingungswellenformen für verschiedene Werte eines Signalperiodizitätsparameters zeigen;
• 8 ein Ablaufdiagramm eines Verfahrens zum Erzeugen eines Diagramms periodischer Informationen gemäß einer ersten Ausführungsform der Erfindung zeigt;
• 9 ein beispielhaftes Standardschwingungsspektrum zeigt;
• 10 ein beispielhaftes autokorreliertes Schwingungsspektrum zeigt, das aus dem in 9 dargestellten Spektrum abgeleitet ist;
• 11 bis 17 Diagramme periodischer Informationen zeigen, die basierend auf dem in 9 dargestellten Spektrum gemäß bevorzugten Ausführungsformen der Erfindung erzeugt worden sind;
• 18 eine graphische Darstellung von diagnostischen Fehlerzustandspegeln gemäß einer bevorzugten Ausführungsform zeigt;
• 19 einen Graphen der Energie, die aus einer Autokorrelationswellenform berechnet wird, in Bezug auf ein zufälliges Schwingungsrauschen und andere nichtperiodische Energie, die in einem Schwingungssignal vorhanden sind, zeigt;
• 20 ein Ablaufdiagramm eines Verfahrens zum Erzeugen eines Diagramms periodischer Informationen gemäß einer zweiten Ausführungsform der Erfindung zeigt;
• 21 eine graphische Anzeige von Diagnoseinformationen für ein zweistufiges Getriebe mit einem gebrochenen Zahn an dem Großzahnrad der zweiten Welle zeigt;
• 22 ein Ablaufdiagramm eines Verfahrens zum Bestimmen eines Lagerfehler-Schweregradwerts und eines Schmierungs-Schweregradwerts gemäß einer bevorzugten Ausführungsform der Erfindung zeigt;
• 23 eine graphische Anzeige von Diagnoseinformationen für ein vollständig geschmiertes Lager ohne Fehler darstellt;
• 24 eine graphische Anzeige von Diagnoseinformationen für ein gutes Lager ohne wesentliche Fehler, außer dass es aufgrund einer fehlenden Schmierung „trocken“ läuft, darstellt;
• 25 eine graphische Anzeige von Diagnoseinformationen für ein vollständig geschmiertes Lager mit einem Innenlaufringfehler zeigt;
• 26 eine graphische Anzeige von Diagnoseinformationen für ein Lager darstellt, das einen Innenlaufringfehler aufweist und das aufgrund eines Mangels an Schmierung „trocken“ läuft;
• 27 ein Ablaufdiagramm eines Verfahrens zum Bestimmen eines Lagerfehler-Schweregradwerts, eines Getriebefehler-Schweregradwerts und eines Schmierungs-Schweregradwerts gemäß einer bevorzugten Ausführungsform der Erfindung zeigt; und
• 28 einen beispielhaften Graphen von repräsentativen Alarmpegeln für eine PeakVue-Wellenform für einen Innenlaufringfehler, der bestimmt wird, gemäß einer Ausführungsform zeigt.
• Genaue Beschreibung
• 1A und 1B zeigen beispielhafte Systeme 100 zum Ableiten und Analysieren von periodischen Informationen in einem Schwingungssignal. In der Ausführungsform von 1A ist ein Sensor 104, beispielsweise ein Beschleunigungsmesser, an einer Maschine 102 angebracht, um ihre Schwingungen zu überwachen. Obwohl in der beispielhaften Ausführungsform von 1A ein Beschleunigungsmesser dargestellt ist, sollte verstanden werden, dass andere Arten von Sensoren verwendet werden könnten, wie etwa ein Geschwindigkeitssensor, eine Verschiebungssonde, ein Ultraschallsensor oder ein Drucksensor. Der Sensor 104 erzeugt ein Schwingungssignal (oder eine andere Art von Signal für einen anderen Sensor als einen Beschleunigungsmesser), das periodische Informationen enthält. Für wiederholbare und beste Ergebnisse ist es vorzuziehen, jeden Sensor 104 so anzuordnen, dass es einen festen Weg des Übergangs von der Signalquelle (z. B. einem Lager) zu dem Montageort des Sensors gibt. Die Montage des Sensors 104 sollte auch so durchgeführt werden, dass sichergestellt wird, dass das Signal mit einer möglichst geringen Verzerrung erfasst wird. Bevorzugte Ausführungsformen umfassen ein oder mehrere Tachometer 116 zum Messen der Drehzahl einer oder mehrerer rotierender Komponenten der Maschine 102. Die Schwingungs- und Tachometersignale werden an einen Datensammler 106 geliefert, der vorzugsweise einen Analog/Digital-Umsetzer (ADC) 108 zum Abtasten der Schwingungs- und Tachometersignale, ein optionales Tiefpass-Anti-Aliasing-Filter 110 (oder eine andere Kombination von Tiefpass- und Hochpassfilter) und einen Pufferspeicher 112 enthält. Beispielsweise kann der Datensammler 106 ein digitaler Datenrekorder, ein Hand-Schwingungsdatensammler oder eine permanent oder zeitweilig montierte Überwachungsvorrichtung sein. Die Schwingungssignaldaten werden an einen Prozessor für periodische Informationen 114 übermittelt, der die hierin beschriebenen Informationsverarbeitungsaufgaben ausführt. In der Ausführungsform von 1A ist der Prozessor für periodische Informationen 114 eine Komponente des Datensammlers 106. In dieser Ausführungsform übermittelt der Prozessor für periodische Informationen 114 verarbeitete Daten über ein Maschinendatennetz 122, das ein HART™- oder WirelessHART™-Netz, ein Ethernet-Netz oder das Internet sein kann. Ein Analystencomputer 120 empfängt die verarbeiteten Daten über das Netz 122 zur Anzeige auf einer Anzeigevorrichtung 118.
• In einer alternativen Ausführungsform, die in 1B dargestellt ist, ist der Prozessor für periodische Informationen 114 eine Komponente des Analystencomputers 120. Diese Ausführungsform kann für Situationen bevorzugt sein, in denen die Übertragung und Speicherung von Daten keine großen Probleme darstellen, so dass der gesamte Datensatz über das Netz 122 an den Analystencomputer 120 oder eine andere Fernverarbeitungsvorrichtung zur Nachbearbeitung unter Verwendung der gleichen Algorithmen und Techniken übermittelt werden kann.
• In Bezug auf die Sensoranordnung für die Lager- und Getriebediagnose ist der Sensor 104 typischerweise senkrecht zu der Welle montiert. Er ist vorzugsweise an einem starren und massiven Stück Metall angebracht, das sich nahe der Quelle des Signals (d. h. des Lagers oder Zahnrads) befindet. Die große Metallmasse, auf der der Sensor montiert ist, hilft zu verhindern, dass Resonanzen aufgrund der Oberfläche der Maschine im Gegensatz zu dem, was im Inneren der Maschine geschieht, in das Signal gelangen. Der Sensor 104 sollte so montiert werden, dass der Verlust an Signalintegrität während der Übertragung minimiert wird. Dies erfordert eine starre Verbindung - typischerweise durch Bolzenmontierung des Sensors 104. Unter bestimmten Umständen, beispielsweise wenn die Montageoberfläche der Maschine rau ist oder mit vielen Farbschichten bedeckt ist, muss die Oberfläche geschliffen werden.
• Signalperiodizitätsparameter
• 2 zeigt ein Ablaufdiagramm eines Verfahrens zum Berechnen eines Signalperiodizitätsparameters (PSP) gemäß einer bevorzugten Ausführungsform der Erfindung. Eine Zeitbereichs-Schwingungswellenform wird beispielsweise unter Verwendung des Beschleunigungsmessers 104 oder eines anderen Sensors, der an der überwachten Maschine 102 angebracht ist, gemessen (Schritt 12). Eine Autokorrelationsfunktion wird an der Schwingungswellenform durchgeführt, um zu bestimmen, wie viel der Energie in der Wellenform periodisch ist (Schritt 14). In einer bevorzugten Ausführungsform kreuzkorreliert die Autokorrelationsfunktion das Schwingungssignal mit sich selbst, um sich wiederholende Muster innerhalb der Wellenform zu finden. Die Autokorrelationsfunktion gibt eine Autokorrelationswellenform 16 aus, von der Beispiele in 3-7 dargestellt sind. Mehrere statistische Eigenschaften der Autokorrelationswellenform werden berechnet, einschließlich der Standardabweichung (σ), der maximalen absoluten Peakamplitude in der Wellenform (MaxPeak), des maximalen absoluten Peaks nach den ersten 3 % der Wellenform (MaxPeak (nach den ersten 3%)) und des Scheitelfaktors (CF1) (Schritt 18). Die positiven Wellenformpeaks werden aussortiert (Schritt 32), jeder dieser Peaks, der statistisch zu groß ist, wird verworfen (Schritt 34) und die mittlere Amplitude (sortiertes µ) und der Scheitelfaktor (CF2) der verbleibenden Peaks werden berechnet (Schritt 35). Im Folgenden sind Verfahren zum Sortieren und Verwerfen von Peaks, die statistisch zu groß sind, beschrieben.
• Wenn MaxPeak größer oder gleich 0,3 ist (Schritt 20) und $\frac{MaxPeak\left(nachersten3\%\right)}{sortiertes\mu }\ge 4$

  

  (Schritt 22), dann ist Y = 0,025 (Schritt 24).
• Wenn MaxPeak größer oder gleich 0,3 (Schritt 20) und $\frac{MaxPeak\left(nachersten3\%\right)}{sortiertes\mu }<4$

  

  (Schritt 22), dann ist Y = 0 (Schritt 25).
• Wenn MaxPeak kleiner als 0,3 ist (Schritt 20) und CF1 kleiner als 4 ist und σ kleiner oder gleich 0,1 ist (Schritt 26), dann ist Z = 0,025 (Schritt 28). Wenn MaxPeak kleiner als 0,3 ist (Schritt 20) und CF1 nicht kleiner als 4 oder σ größer als 0,1 ist (Schritt 26), dann ist Z = 0 (Schritt 30).
• Wenn CF2 größer als oder gleich 4 ist und die Anzahl verworfener Peaks größer als 2 ist (Schritt 36), dann ist W = 0,025 (Schritt 38). Wenn CF2 kleiner als 4 ist oder die Anzahl verworfener Peaks nicht größer als 2 ist (Schritt 36), dann ist W = 0 (Schritt 40).
• Wenn $\frac{MaxPeak}{MaxPeak\left(nachersten3\%\right)}>1$

  

  (Schritt 42) und σ zwischen 0,1 und 0,9 liegt (Schritt 44), dann ist X = 0,1 (Schritt 46). Wenn $\frac{MaxPeak}{MaxPeak\left(nachersten3\%\right)}\le 1$

  

  (Schritt 42) oder σ nicht zwischen 0,1 und 0,9 liegt (Schritt 44), dann ist X = σ (Schritt 48).
• Der PSP ist die Summe der Werte von X, W, Y und Z (Schritt 50).
• Im Allgemeinen weisen kleinere PSP-Werte auf nichtperiodischere Signale und weniger unterscheidbare Frequenzen hin, während größere PSP-Werte symptomatisch für periodischere Signale sind, die sich auf große einzelne Frequenzen beziehen. Wie in 3 gezeigt geben PSP-Werte unter einer ersten Schwelle wie etwa 0,1 an, dass die Schwingungswellenform größtenteils nichtperiodisch ist. Wie in 4 gezeigt weist der Algorithmus für en PSP Signalen, die Daten niedriger Amplitude und höherer Frequenz aufweisen, einen Wert von 0,1 zu. Diese Daten können sich auch als schlechte Daten erweisen. Wie in 5 dargestellt zeigen PSP-Werte zwischen einer ersten und einer zweiten Schwelle, wie etwa zwischen etwa 0,10 und 0,14, an, dass verschiedene Frequenzen vorhanden sind, aber immer noch eine signifikante Menge an nichtperiodischem Inhalt vorhanden ist. Wie in 6 dargestellt geben PSP-Werte, die größer als die zweite Schwelle, beispielsweise größer als etwa 0,14, sind, sehr charakteristische Frequenzen, die für die Analyse wichtig sind, wie z. B. Schaufeldurchlauf- oder Kugeldurchlauffrequenzen, zusammen mit Signalen kleiner Amplitude, die niedrigere Frequenzen angeben, wie z. B. U/min oder den Käfig, zusammen mit ihren Oberschwingungen an. Wie in 7 gezeigt geben PSP-Werte, die größer als eine dritte Schwelle sind, z. B. größer als 0,5 und darüber, große dominante Einzelfrequenzen in dem Spektrum, das aus der Schwingungswellenform entnommen ist, an. Je näher der PSP-Wert an 1,0 liegt, desto mehr periodische Signalkomponenten und desto weniger nichtperiodischen Inhalt weist die Wellenform auf.
• Im Folgenden sind einige Vorteile des Erzeugens eines PSP aufgeführt.
• - Der PSP liefert eine einzelne Zahl, die den periodischen Inhalt in einer Wellenform angibt.
• - Statistische Werte werden aus der autokorrelierten Wellenform berechnet, und einer oder mehrere dieser Werte werden kombiniert, um den PSP zu erzeugen.
• - Eine Angabe von schlechten Daten oder nichtperiodischen Signalen wird bereitgestellt.
• - Informationen über die Periodizität können aus einem großen Datensatz extrahiert werden und über ein Protokoll mit geringer Bandbreite wie HART^®, WirelessHART^® und andere ähnliche Protokolle übertragen werden.
• - Der PSP-Wert kann speziell auf PeakVue™-Daten angewendet werden, um zwischen periodischen und nichtperiodischen Fehlern wie Schmierungs-, Kavitations-, Lager-, Zahnrad- und Rotorfehlern zu unterscheiden.
• - Der PSP-Wert kann in Verbindung mit anderen Informationen verwendet werden, um eine Angabe des Maschinenzustands (d. h. eine Art des mechanischen Fehlers, einen Schweregrad des Fehlers) zu erzeugen. Die anderen Informationen können beinhalten:
  • - die originale Wellenform;
  • - die verarbeitete Versionen der Wellenform;
  • - Informationen, die aus der originalen Schwingungswellenform erhalten werden (d. h. Peakwert, Scheitelfaktor, Wölbung, Schiefe);
  • - Informationen, die aus einer verarbeiteten Version der originalen Wellenform erhalten werden (d. h. mit PeakVue™ verarbeitete, gleichgerichtete oder demodulierte Wellenform); und/oder
  • - ein oder mehrere Regelsätze.
• Ein Beispiel ist in der folgenden Tabelle 2 dargestellt, in der abgeleitete Werte, die die PSP-Ausgabe und die Ausgabe der Spannungswellenanalyse repräsentieren (z. B. maximaler Peak in der PeakVue™-Wellenform oder eine andere Ableitung der PeakVue™-Analyse oder eine andere Form der Spannungswellenanalyse), verwendet werden, um verschiedene Arten von Fehlern zu unterscheiden. In den meisten Fällen nimmt der Schweregrad des Defekts zu, wenn das Niveau des PeakVue™-Schlagens zunimmt. Obwohl das folgende Beispiel sich auf einen Spannungswellenwert bezieht, können andere Ausführungsformen andere Schwingungswellenforminformationen verwenden, die einen schlagenden Fehlerzustand oder anderen Fehlerzustand angeben. Tabelle 2. PSP und Spannungswellenanalysenausgaben

  Periodizität [rechts] Spannungswelle [unten]	PSP - Niedrig (PSP < PSP-Schwelle)	PSP - Hoch (PSP > PSP-Schwelle)
  PeakVue™ oder andere Spannungswellenanalyse - Niedrig (Spannungswellenwert < Spannungswellenschwelle)	Keine Fehlerangabe: Basierend auf diesem Ergebnis keine Maßnahmen erforderlich	Fehlerbezogener Defekt in früher Phase: Suchen nach einem frühen Hinweis auf eine der periodischen Fehlerarten, wie z. B. den unten aufgeführten
  PeakVue™ oder andere Spannungswellenanalyse - Hoch (Spannungswellenwert > Spannungswellenschwelle)	Nichtperiodischer Fehler: Suchen nach weiteren oder bestätigenden Anzeichen für unzureichende Schmierung oder Leckage oder Kontaktreibung oder Pumpenkavitation	Periodischer Fehler: Suchen nach Wälzelementlagerdefekten oder Getriebedefekten oder anderen Quellen wiederholten periodischen mechanischen Schlagens - Verwenden von Frequenzinformationen und anderen Informationen, um zwischen mehreren möglichen Ursachen zu unterscheiden

• Eine weitere Ausführungsform der vorliegenden Erfindung verwendet eine programmierbare zentrale Verarbeitungseinheit wie etwa den Prozessor 114, der mit Programmlogik programmiert ist, um einen Anwender bei der Interpretation von Wellenforminformationen zu unterstützen. Die Programmlogik vergleicht die Parameter des Signalperiodizitätsparameters und der Spannungswellenanalyse mit erwarteten oder vergangenen oder empirisch abgeleiteten Erfahrungswerten, um eine relative Einstufung von niedrig bis hoch vorzunehmen. Dann werden diskrete oder abgestufte Ausgaben wie die oben in Tabelle 2 dargestellten verwendet, um logisch angeordnete Beobachtungen, Befunde und Empfehlungen auszuwählen. Zusätzlich zu dem Auswerten von PSP- und Spannungswellenanalyse-Informationen fordert die Programmlogik den Anwender manchmal auf, zusätzliche Informationen zu liefern, oder erhält zusätzliche Informationen aus einer anderen Quelle, z. B. von einer Wissensdatenbank, damit die Logik zwischen zwei oder mehr möglichen logischen Ergebnissen unterscheiden kann. Zum Beispiel kann eine Programmlogik, die einen hohen PSP und einen hohen Spannungswellenanalyse-Befund zurückgibt, eher einen Wälzelementdefekt-Befund als andere mögliche Befunde innerhalb dieser Kategorie auswählen, da eine Ähnlichkeit berechnet wird, wenn die Programmlogik einen Befund für eine periodische Frequenz und eine Lagerfehlerfrequenz für eine Maschinenkomponente, die in einer Wissensbasis identifiziert ist, vergleicht.
• Eine andere Technik, um zwischen Schmierung und Pumpenkavitation zu unterscheiden, besteht darin, den Trend des Schlagens zu betrachten, wie es durch die Spannungswellenanalyse angezeigt wird. Wenn er langsam ansteigt, dann sollte eine unzureichende Schmierung vermutet werden. Wenn er bei einer Pumpe plötzlich ansteigt, ist wahrscheinlich eine Pumpenkavitation vorhanden. In Kombination mit Logik oder Eingaben in einem Steuersystem könnte die Logik nach Änderungen der Prozesskonfiguration suchen, die gleichzeitig mit der Erhöhung des Schlagens - zusammen mit einem niedrigen PSP - auftraten, um die Pumpenkavitation zu bestätigen. In einigen Ausführungsformen schlägt das System der Bedienperson vor, welche Aktion die Kavitation verursacht hat, so dass die Bedienperson die Ursache beseitigen und verhindern kann, dass die Maschine übermäßig verschlissen wird und vorzeitig versagt.
• Diagramm periodischer Informationen
• Eine bevorzugte Ausführungsform der Erfindung erzeugt einen neuen Typ eines Schwingungsspektrums, der hierin als Diagramm periodischer Informationen (PIP) bezeichnet wird. Das PIP liefert dem Anwender eine überschaubare Zusammenfassung der vorherrschenden periodischen Peaks aus dem Ursprungsspektrum, die in einer bevorzugten Ausführungsform ein PeakVue-Spektrum wäre.
• PIP-Erzeugung - Erste Ausführungsform
• In einer ersten Ausführungsform wird ein Signal von einer Anlageneinrichtung (z. B. einer rotierenden oder sich hin- und herbewegenden Einrichtung) gesammelt und unter Verwendung von zwei verschiedenen Sätzen von Analysetechniken verarbeitet, wie es in 8 dargestellt ist.
• Zuerst wird eine Wellenform erfasst (Schritt 60 von 8), beispielsweise eine Schwingungswellenform, die unter Verwendung des in 1A dargestellten Systems erfasst wird. Wenn ein Hochpassfilter und eine Peak-Halte-Dezimierung auf eine überabgetastete Wellenform angewendet werden, um Informationen über das Schlagen zu erfassen (z. B. mithilfe des PeakVue™-Prozesses), kann dies eine berechnete Wellenform sein. Eine FFT der Wellenform wird vorgenommen (Schritt 62), was in einem Schwingungsspektrum (VS) 64 mit einer Frequenz auf der X-Achse und einer Amplitude auf der Y-Achse resultiert, von dem ein Beispiel in 9 gezeigt ist.
• Die Wellenform von Schritt 60 wird zudem autokorreliert (Schritt 66), um eine Wellenform zu erzeugen, die hierin als die Autokorrelationswellenform 68 bezeichnet wir und bei der die Zeit auf der X-Achse und der Korrelationsfaktor auf der Y-Achse aufgetragen ist. Der Autokorrelationsprozess hebt periodische Komponenten der originalen Wellenform hervor, während die Anwesenheit zufälliger Ereignisse im originalen Signal verringert wird. Als Ergebnis der Autokorrelationsberechnungen weist die Autokorrelationswellenform 68 im Vergleich zu der originalen Schwingungswellenform 60 die Hälfte der X-Achsen-Werte (Zeitwerte) auf. Daher beträgt die Zeitspanne der Autokorrelationswellenform 68 die Hälfte der originalen Schwingungswellenform 60. Ein optionaler Schritt (70) nimmt die Quadratwurzel der Autokorrelationswellenform (Y-Achsenwerte), um eine bessere Unterscheidung zwischen niedrigeren Amplitudenwerten bereitzustellen.
• Autokorrelationsspektrum (AS) 74 resultiert. Da zufällige Ereignisse weitgehend aus der Autokorrelationswellenform 68 entfernt worden sind, steht das verbleibende Signal in dem Autokorrelationsspektrum 74 in starkem Zusammenhang mit periodischen Ereignissen. Wie in 10 gezeigt weist das Autokorrelationsspektrum 74 eine Frequenz auf der X-Achse und eine Amplitude, die auf den Korrelationsfaktor auf der Y-Achse bezogen ist, auf. Da die Dauer der Autokorrelationswellenform die Hälfte der Dauer der Schwingungswellenform 60 beträgt, weist das zugehörige Autokorrelationsspektrum 74 die Hälfte der auflösenden Linien im Vergleich zu dem Schwingungsspektrum 64 auf.
• In der ersten Ausführungsform werden das Schwingungsspektrum 64 und das Autokorrelationsspektrum 74 verarbeitet, um einen Graphen abzuleiten, der hierin als das Diagramm periodischer Informationen (PIP) bezeichnet wird (Schritt 76). Mehrere Verfahren zum Verarbeiten des Schwingungsspektrums 64 und des Autokorrelationsspektrums 74 können gemäß der ersten Ausführungsform verwendet werden, von denen drei nachstehend beschrieben sind.
• Da das Schwingungsspektrum die doppelte Auflösung des Autokorrelationsspektrums aufweist, ist ein Punkt-zu-Punkt-Vergleich von Werten auf der x-Achse (Frequenz) zwischen den beiden Spektren nicht möglich. Ein Punkt-zu-Punkt-Vergleich kann jedoch durch mathematisches Kombinieren der Amplitudenwerte zweier x-Achsen-Werte in dem Schwingungsspektrum (Schritt 65) für jeden zugehörigen x-Achsen-Wert in dem Autokorrelationsspektrum vorgenommen werden. Jeder Wert X_AS(n) des Autokorrelationsspektrums (wobei n = 1 ... N und N die Anzahl der auflösenden Linien für das Autokorrelationsspektrum ist) wird auf den Wert X_VS(2n) des Schwingungsspektrums abgebildet. Der mathematisch kombinierte x-Achsen-Wert ist so definiert, dass X_MCVS(n) = X_VS(2n). Die mathematisch kombinierten Amplitudenwerte Y_Vs(2n) und Y_VS(2n-1) (hierin als Y_MCVS(n) bezeichnet), die dem Wert X_MCVS(n) aus dem Schwingungsspektrum zugeordnet sind, werden aus den Amplituden der Frequenzen X_VS(2n) und X_VS(2n-1) von der x-Achse berechnet. Die Berechnung zum Ableiten des mathematisch kombinierten Amplitudenwerts, der dem Wert X_MCVS(n) aus dem Schwingungsspektrum zugeordnet ist, lautet: $${\text{Y}}_{\text{MCVS}}\left(\text{n}\right)=\sqrt{{\left(Y_{VS}\left(2n-1\right)\right)}^2+{\left(Y_{VS}\left(2n\right)\right)}^2},$$

  

  wobei n = 1 ... N und N die Anzahl der auflösenden Linien, die in dem Autokorrelationsspektrum zu finden sind, ist.
• In einem ersten Verfahren (Schritt 76a) wird für jeden X-Wert in dem PIP (X_PIP1) der Y-Wert in dem PIP (Y_PIP1) durch Multiplizieren des mathematisch kombinierten Y-Wertes in dem Schwingungsspektrum (Y_MCVS) mit dem entsprechenden Y-Wert in dem Autokorrelationsspektrum (Y_AS) wie folgt bestimmt: $${\text{Y}}_{\text{PIP1}}\left(\text{n}\right)={\text{Y}}_{\text{MCVS}}\left(\text{n}\right)\times {\text{Y}}_{\text{AS}}\left(\text{n}\right)$$

  

  für n = 1 bis N, wobei N die Anzahl der X-Werte (Frequenzwerte) in dem Autokorrelationsspektrum ist. Da Amplituden von periodischen Signalen in dem Autokorrelationsspektrum höher als Amplituden von zufälligen Signalen sind, wird der Multiplikationsprozess die periodischen Peaks hervorheben, während nichtperiodische Peaks verringert werden. Ein Beispiel eines PIP, das durch das erste Verfahren gebildet ist, ist in 11 dargestellt. In allen hier dargestellten Beispielen ist N = 1600.
• In einem zweiten Verfahren (Schritt 76b) wird für jeden X-Wert in dem PIP (X_PIP2) der Y-Wert in dem PIP (Y_PIP2) bestimmt, indem der entsprechende Y-Wert in dem Autokorrelationsspektrum (Y_AS) mit einem vorbestimmten Schwellenwert (Y_THR) verglichen wird. Für jede Autokorrelationsspektrumsamplitude, die größer als dieser Schwellenwert ist, wird die zugehörige Amplitude für das PIP (Y_PIP2(n)) auf den entsprechenden mathematisch kombinierten Wert aus dem Schwingungsspektrum (Y_MCVS(n)) gesetzt. Y_AS-Werte über dem vorbestimmten Schwellenwert zeigen Daten an, die weitgehend periodisch sind. Daher werden die Y_PIP2-Werte wie folgt bestimmt: $${\text{wenn Y}}_{\text{AS}}\left(\text{n}\right)>{\text{Y}}_{\text{THR}}{\text{, Y}}_{\text{PIP2}}\left(\text{n}\right)={\text{Y}}_{\text{MCVS}}\left(\text{n}\right)$$

  

  $${\text{wenn Y}}_{\text{AS}}\left(\text{n}\right)\le {\text{Y}}_{\text{THR}}{\text{, Y}}_{\text{PIP2}}\left(\text{n}\right)=0\left(\text{oder ein anderer Standardpegel}\right)$$

  

  für n = 1 bis N.
• In einer bevorzugten Ausführungsform des zweiten Verfahrens wird Y_THR so gesetzt, dass nur ein Prozentsatz der größten Peaks aus dem Autokorrelationsspektrum enthalten ist. Der Prozentsatz kann basierend auf dem prozentualen periodischen Signal in der Autokorrelationswellenform berechnet werden. Das prozentuale periodische Signal wird basierend auf dem Autokorrelationskoeffizienten berechnet, der die Quadratwurzel des Y-Werts des größten Peaks in der Autokorrelationswellenform ist. Bei diesem Verfahren wird nur das prozentuale periodische Signal der Gesamtzahl der Autokorrelationsspektrumspeaks ausgewertet. Ein Beispiel für ein PIP, das durch dieses Verfahren gebildet ist und bei dem Y_THR auf 59 % gesetzt ist, ist in 12 dargestellt.
• In einer weiteren bevorzugten Ausführungsform des zweiten Verfahrens wird Y_THR so gesetzt, dass nur Peaks mit Werten enthalten sind, die innerhalb des „prozentualen periodischen Signals“ von dem größten Peakwert in dem Autokorrelationsspektrum liegen. Diese Peaks werden zusammen mit ihren Oberschwingungen, die in dem Autokorrelationsspektrum auftauchen, als die Gruppe von Peaks verwendet, die mit denjenigen in dem Schwingungsspektrum gekreuzt werden, um das PIP zu bilden. Ein Beispiel für ein PIP, das durch dieses Verfahren gebildet ist und bei dem Y_THR auf 59 % gesetzt ist, ist in 13 dargestellt.
• In einem dritten Verfahren (Schritt 76c) wird das PIP gemäß dem oben beschriebenen ersten Verfahren bestimmt, und dann wird die Schwelle des zweiten Verfahrens auf das PIP wie folgt angewendet: $${\text{wenn Y}}_{\text{PIP1}}\left(\text{n}\right)>{\text{Y}}_{\text{THR}}{\text{, Y}}_{\text{PIP3}}\left(\text{n}\right)={\text{Y}}_{\text{PIP1}}\left(\text{n}\right)$$

  

  $${\text{wenn Y}}_{\text{PIP1}}\left(\text{n}\right)\le {\text{Y}}_{\text{THR}}{\text{, Y}}_{\text{PIP3}}\left(\text{n}\right)=0\left(\text{oder ein anderer Standardpegel}\right)$$

  

  für n = 1 bis N. Ein Beispiel für ein PIP, das durch dieses Verfahren gebildet ist, ist in 14 dargestellt.
• Einige Ausführungsformen leiten zudem ein Diagramm nichtperiodischer Informationen (NPIP) ab, das nur aus den Y-Werten des Autokorrelationsspektrums besteht, die kleiner als eine vorbestimmte Schwelle sind (Schritt 78). Daher enthält das NPIP nur nichtperiodische Komponenten. Ein Beispiel für ein NPIP, das durch dieses Verfahren gebildet ist, ist in 15 dargestellt.
• Einige Ausführungsformen leiten auch eine Periodizitätskarte aus dem Schwingungsspektrum und dem Autokorrelationsspektrum ab (Schritt 82). Die Periodizitätskarte wird durch Paarung der mathematisch kombinierten Y-Werte aus dem Schwingungsspektrum und dem Autokorrelationsspektrum erzeugt, die einem beliebigen gegebenen X-Wert des Autokorrelationsspektrums entsprechen. Diese Paare werden mit dem mathematisch kombinierten Y-Wert aus dem Schwingungsspektrum Y_MCVS(n) als X-Wert des Punktes auf der Karte X_PM (n) und dem Y-Wert aus dem Autokorrelationsspektrum Y_As(n) als entsprechender Y-Wert auf der Karte Y_PM(n) aufgetragen, und zwar gemäß: $${\text{X}}_{\text{PM}}\left(\text{n}\right)={\text{Y}}_{\text{MCVS}}\left(\text{n}\right)$$

  

  $${\text{Y}}_{\text{PM}}\left(\text{n}\right)={\text{Y}}_{\text{AS}}\left(\text{n}\right)$$

  

  für n = 1 bis N. Wie in 16 gezeigt ähnelt der resultierende Graph einer Wahrscheinlichkeitskartierung. Eine spezifische Softwareimplementierung würde es dem Anwender ermöglichen, einen Zeiger über jeden Punkt zu führen, um die Werte zu sehen, die diesen Punkt ergeben.
• Einige Ausführungsformen leiten zudem ein Diagramm zirkularer Informationen aus einem beliebigen der oben beschriebenen Diagramme periodischer Informationen ab (Schritt 80). Sobald ein lineares PIP berechnet ist, kann eine inverse FFT angewendet werden, um eine „Informationswellenform“ zu erzeugen. Aus dieser Informationswellenform kann dann ein Diagramm zirkularer Informationen erzeugt werden. Ein Beispiel eines Diagramms zirkularer Informationen, das durch dieses Verfahren gebildet ist, ist in 17 dargestellt.
• Obwohl bevorzugte Ausführungsformen der Erfindung mit Schwingungssignalen arbeiten, ist die Erfindung nicht nur auf Schwingungssignale beschränkt. Signalperiodizitätsparameter und Diagramme periodischer Informationen können aus jedem Signal abgeleitet werden, das periodische Komponenten enthält.
• PIP-Erzeugung - Zweite Ausführungsform
• In einer zweiten Ausführungsform wird ein Signal aus einer Anlageneinrichtung (d. h. einer sich drehenden oder sich hin- und herbewegenden Einrichtung) gesammelt und unter Verwendung des in 20 dargestellten Verfahrens 300 verarbeitet.
• Zuerst wird eine Wellenform erzeugt (Schritt 302 von 20), beispielsweise eine Schwingungswellenform, die unter Verwendung des in 1A dargestellten Systems erfasst wird. Wenn ein Hochpassfilter und eine Peak-Halte-Dezimierung auf eine überabgetastete Wellenform angewendet werden, um Informationen über das Schlagen zu erfassen (z. B. mithilfe des PeakVue™-Prozesses), kann dies eine berechnete Wellenform sein. Eine FFT der Wellenform wird vorgenommen (Schritt 304), was in einem Schwingungsspektrum 306 mit einer Frequenz auf der X-Achse und einer Amplitude auf der Y-Achse resultiert, von dem ein Beispiel in 9 gezeigt ist. Das Schwingungsspektrum 306 wird hierin auch als das originale Spektrum bezeichnet, um es von dem Autokorrelationsspektrum zu unterscheiden, das im Folgenden diskutiert wird.
• Die Wellenform von Schritt 302 wird autokorreliert (Schritt 314), um eine Autokorrelationswellenform 316 zu erzeugen, bei der die Zeit auf der X-Achse und der Korrelationsfaktor auf der Y-Achse aufgetragen ist. Eine FFT der Autokorrelationswellenform 316 wird unter Verwendung der gleichen Fmax wie bei der Berechnung der FFT der originalen Wellenform berechnet (Schritt 318), was in einem Autokorrelationsspektrum 320 resultiert. Die Verwendung der gleichen Fmax erzwingt, dass die auflösenden Linien (LOR) des Autokorrelationsspektrums 320 die Hälfte der bei der Berechnung des originalen Spektrums 306 verwendeten LOR sind. Da zufällige Ereignisse weitgehend aus der Autokorrelationswellenform 316 entfernt worden sind, steht das verbleibende Signal in dem Autokorrelationsspektrum 320 in starkem Zusammenhang mit periodischen Ereignissen. Wie in 10 gezeigt weist das Autokorrelationsspektrum eine Frequenz auf der X-Achse und eine Amplitude, die mit dem Korrelationsfaktor in Beziehung steht, auf der Y-Achse auf. Da die Dauer der Autokorrelationswellenform die Hälfte von der der originalen Wellenform beträgt, weist das zugehörige Autokorrelationsspektrum im Vergleich zu dem originalen Spektrum die Hälfte der auflösenden Linien auf.
• Die prozentuale periodische Energie (% periodische Energie) ist der Prozentsatz an Energie in dem originalen Spektrum 306, der mit periodischen Signalen in Beziehung steht. Sie wird in Schritt 322 basierend auf der Autokorrelationswellenform 316 wie folgt berechnet: $$\%PeriodischeEnergie=\sqrt{MaxPeak\left(nach3\%derAutokorrelationswellenform\right)}$$

  
• In einer bevorzugten Ausführungsform wird die Gesamtenergie des originalen Spektrums 306 als die Quadratwurzel der Summe der Quadrate jedes Klassenwerts in dem originalen Spektrum 306 berechnet, das von null bis Fmax reicht. Zum Finden von Lager- und/oder Verzahnungsfehlern ist das originale Spektrum 306 das PeakVue-Spektrum.
• Die prozentuale Energie des originalen Spektrums 306 wird in Schritt 308 wie folgt berechnet: $$\%\text{Energie des Originals}=\text{Gesamtenergie des originalen Spektrums}\times \%\text{Periodische Energie}$$

  
• Eine Liste von Peaks aus dem originalen Spektrum 306 wird erzeugt, wobei jeder aufgelistete Peak ein lokalisierter Peak ist, der eine lokalisierte Frequenz und eine zugeordnete lokalisierte Amplitude aufweist (Schritt 310). Eine Liste von Peaks aus dem Autokorrelationsspektrum 320 wird ebenfalls erzeugt, wobei jeder aufgelistete Peak ein lokalisierter Peak ist, der eine lokalisierte Frequenz und eine zugeordnete lokalisierte Amplitude aufweist (Schritt 324). In beiden Listen sind die Peaks nach abfallender Amplitude angeordnet, so dass der Peak mit der größten Amplitude der erste in der Liste ist und der Peak mit der kleinsten Amplitude der letzte ist (Schritte 312 und 326).
• Für den Frequenzwert jedes Peaks in der für das Autokorrelationsspektrum erzeugten Peakliste wird ein zugeordneter übereinstimmender Peak in der für das originale Spektrum erzeugten Peakliste gefunden (Schritt 328). Damit ein Peak „übereinstimmt“, muss der Frequenzwert des Peaks aus dem originalen Spektrum 306 innerhalb von N × ΔFrequenz des Frequenzwerts des Peaks aus dem Autokorrelationsspektrum 320 liegen, wobei in einer bevorzugten Ausführungsform N = 4 ist und ΔFrequenz wie ausgedrückt ist: $$\Delta Frequency=\frac{FmaxdesoriginalenSpektrums}{LORdesoriginalenSpektrums}.$$

  
• Somit existiert eine Übereinstimmung, wenn $$\left|\text{Originale Peakfrequenz}-\text{Autokorrelationspeakfrequenz}\right|\le N\times \Delta Frequenz.$$

  
• Für jeden übereinstimmenden Peak aus dem originalen Spektrum 306, der in Schritt 328 gefunden worden ist, werden die Werte der lokalisierten Frequenz und der lokalisierten Amplitude zu einer PIP-Peakliste hinzugefügt (Schritt 330). Während jeder übereinstimmende Peak zu der PIP-Peakliste hinzugefügt wird, wird ein laufender Gesamt-Peakenergiewert aller Peaks in der PIP-Peakliste berechnet (Schritt 332). Weil ein Hann-Fenster in der FFT-Berechnung für diese Ausführungsform verwendet wird, ist die Energie eines lokalisierten Peaks das Ergebnis der Energie von drei Klassenwerten, die bei der Erzeugung des lokalisierten Peaks verwendet werden.
• Jedes Mal, wenn Gesamtpeakenergie ≤ % Energie des Originals, wird der zugehörige Peak in Schritt 330 aus der Autokorrelationsspektrums-Peakliste verworfen, bevor zu Schritt 328 zurückgekehrt wird (Schritt 335).
  Dieser Prozess des Abgleichens von Peaks und des Hinzufügens von übereinstimmenden Peaks zu der PIP-Peakliste wird fortgesetzt, bis
  Gesamtpeakenergie > % Energie des Originals (Schritt 334).
• Das Diagramm periodischer Informationen (PIP) wird durch Auftragen der drei Punkte erzeugt, die jedem Peak in der PIP-Peakliste zugeordnet sind (Schritt 336). In der bevorzugten Ausführungsform entsprechen die drei Punkte drei Klassen, die jedem lokalisierten Peak zugeordnet sind, unter der Annahme, dass ein Hann-Fenster für FFT-Berechnungen verwendet wird. Beispiele für PIPs, die unter Verwendung des Verfahrens 300 von 20 erzeugt worden sind, sind in 21 und 23-26 dargestellt.
• Periodische Peaks
• Periodische Peaks in einem Spektrum werden entweder als synchrone oder asynchrone Peaks klassifiziert. Synchrone Peaks sind Peaks, die bei der Laufdrehzahl einer Welle und deren Oberschwingungen auftreten. Für ein Getriebe mit mehreren Wellen gibt es auch mehrere Familien von synchronen Peaks, wobei jede Familie der Drehzahl einer bestimmten Welle in dem Getriebe zugeordnet ist. Zusätzlich zu den Laufdrehzahlpeaks treten synchrone Peaks, die einem Getriebe zugeordnet sind, auch bei allen Zahnüberholungs-Grundfrequenzen und ihren Oberschwingungen auf. Nichtsynchrone Peaks sind periodische Familien von harmonischen Peaks, die nicht Mitglieder einer synchronen Familie sind. Eine Familie von nichtsynchronen, periodischen Peaks steht höchstwahrscheinlich mit einem Lagerdefekt in Zusammenhang.
• Da es viele Familien von Peaks geben kann, die entweder mit synchronen oder nichtsynchronen Peaks zusammenhängen, stellt eine bevorzugte Ausführungsform ein Anzeigefarbschema bereit, um die verschiedenen Familien von Peaks zu trennen. Durch Farbcodierung der verschiedenen Familien in einem Spektrum ist es leicht, zwischen den mit Lagern (asynchronen) und mit der Laufdrehzahl verbundenen Frequenzen zu unterscheiden. In einem Getriebe kann die Analyse dieser harmonischen Laufdrehzahlfamilien (synchron) zur Entdeckung von Verzahnungsproblemen führen. Die Verwendung von Farben zur Bezeichnung der verschiedenen Familien von Peaks in einer Spektrumsanzeige oder in dem Diagramm periodischer Informationen vereinfacht die Analyse sowohl für Einsteiger als auch für erfahrene Analysten.
• 21 zeigt eine beispielhafte Anzeige, die das Vorhandensein eines gebrochenen Zahns in einem zweistufigen Getriebe angibt. Das Vorhandensein von synchronen und nichtsynchronen periodischen Peaks ist in dem Diagramm periodischer Informationen (PIP) 130 ersichtlich. In 21 umfassen synchrone Familien von Peaks die Grundfrequenz der Laufdrehzahl und / oder Oberschwingungen von „Welle 1“, die weiß hervorgehoben sind (dargestellt durch große durchgezogene Linien

  

  ), „Welle 2“, die rot hervorgehoben sind (dargestellt durch langgestrichelte Linien

  

  ) und „Welle 3“, die grün hervorgehoben sind (dargestellt durch gepunktete Linien

  

  ). Andere synchrone Familien von Peaks umfassen die Zahnüberholungs-Grundfrequenzen und ihre Oberschwingungen „HTF 1“, die in blau hervorgehoben sind (dargestellt durch Strich-Punkt-Linien

  

  ) und „HTF 2“, die in Gelb hervorgehoben sind (dargestellt durch Strich-Punkt-Punkt-Linien) . Nichtsynchrone Familien von Peaks sind violett hervorgehoben (dargestellt durch dünne durchgezogene Linien —————). Es sollte beachtet werden, dass die rot dargestellten Peaks (langgestrichelte Linien) die überwiegende Anzahl von synchronen Peakfamilien bilden, die alle mit der zweiten Welle in dem Getriebe zusammenhängen. In diesem Beispiel hat das Großzahnrad an der zweiten Welle einen fehlenden Zahn.
• Verfahren zum Sortieren und Verwerfen von statistischen Ausreißer-Peaks in der Autokorrelationswellenform (Schritt 34 in 2).
• Die folgende Routine nimmt ein Array von Datenwerten, wie z. B. Werten von positiven Peaks in der Autokorrelationswellenform, und verwirft Werte außerhalb der statistisch berechneten Grenzen. In einer bevorzugten Ausführungsform gibt es vier Verfahren oder Kriterien zum Setzen der Grenzen.
• Verfahren 1: Nicht-konservativ, mit minimalen und maximalen statistischen Grenzen
• Es wird eine Anordnung von P-Werten (oder Elementen) betrachtet, wobei P₀ die Anzahl der Werte in der vorliegenden auszuwertenden Array darstellt. Nun sei P_-1 die Anzahl der Werte in dem Array, die einen einzelnen Schritt vor P₀ ausgewertet werden, sei P_-2 die Anzahl der Werte in dem Array, die einen einzelnen Schritt vor P_-1 ausgewertet werden, und P_-3 die Anzahl der Werte in dem Array, die einen einzelnen Schritt vor P_-2 ausgewertet werden.
• Schritt 1:
• Während das Array von Werten entweder zum ersten Mal ausgewertet wird oder P₀# P_-1,

  
• Schritt 2:
• 

  
• Schritt 3:
• 
• Verfahren 2: Nicht-konservativ, nur mit maximaler statistischer Grenze (keine minimale Grenze)
• Die gleiche Prozedur wie in Verfahren 1 wird verwendet, außer dass nur Werte oberhalb der oberen statistischen Grenzen verworfen werden. Die minimale Grenze wird auf null gesetzt.
• Verfahren 3: Konservativ, unter Verwendung von minimalen und maximalen statistischen Grenzen
• Werte werden basierend auf Verfahren 1, nur Schritt 1, verworfen.
• Verfahren 4: Konservativ, nur mit maximaler statistischer Grenze (keine minimale Grenze)
• Werte werden basierend auf Verfahren 1, nur Schritt 1, und basierend auf Werten, die die oberen statistischen Grenzen überschreiten, verworfen. Die minimale Grenze wird auf null gesetzt.
• Beispiel für Verfahren 1 zum Aussortieren statistischer Ausreißer
• Als ein Beispiel für das Sortierverfahren 1 wird eine ursprüngliche Menge von Werten P₀, die die einundzwanzig Werte enthält, die unten in Tabelle 3 aufgeführt sind, mit n = 1 betrachtet. Tabelle 3.

  0,953709
  0,828080
  0,716699
  0,653514
  0,612785
  0,582031
  0,579209
  0,557367
  0,545801
  0,495215
  0,486426
  0,486053
  0,475123
  0,472348
  0,467129
  0,465488
  0,446327
  0,440497
  0,437959
  0,427256
  0,411627

• Das Mittel (µ) dieser originalen Menge P₀ beträgt 0,54955 und die Standardabweichung (σ) beträgt 0,13892. Daher gilt in Schritt 1 von Verfahren 1: $$\frac{n\sigma }{\mathrm{\mu }}=1\ast \frac{\mathrm{0,13982}}{\mathrm{0,54955}}=\mathrm{0,25442}$$

  
• Da 0,25442 größer als 0,1 ist, wird berechnet: $$\mathrm{\mu }-\text{n}\mathrm{\sigma }=\mathrm{0,54955}-1*\mathrm{0,13982}=\mathrm{0,409735}$$

  

  und $$\mathrm{\mu }+\text{n}\mathrm{\sigma }=\mathrm{0,54955}+1*\mathrm{0,13982}=\mathrm{0,689373.}$$

  
• Als Nächstes wird die Menge P_-1 = P₀ definiert und eine neue Menge P₀, deren Werte alle Werte von P_-1 sind, die zwischen den Werten µ + σ = 0,689343 und µ - σ = 0,409735 liegen, definiert. Die Menge P₀ enthält nun die in der folgenden Tabelle 4 aufgeführten Werte, wobei drei Ausreißerwerte beseitigt worden sind. Tabelle 4.

  0,653514
  0,612785
  0,582031
  0,579209
  0,557367
  0,545801
  0,495215
  0,486426
  0,486053
  0,475123
  0,472348
  0,467129
  0,465488
  0,446327
  0,440497
  0,437959
  0,427256
  0,411627

• Da P₀ ≠ P_-1, wird Schritt 1 wiederholt, wobei für die Menge P₀: $$\mathrm{\mu }=\mathrm{0,50234,}$$

  

  $$\mathrm{\sigma }=\mathrm{0,06946,}$$

  

  $$\mathrm{\sigma }/\mathrm{\mu }=\mathrm{0,138263,}$$

  

  $$\mathrm{\mu }+\mathrm{\sigma }=\mathrm{0,571797}$$

  

  und $$\mathrm{\mu }-\mathrm{\sigma }=\mathrm{0,432887.}$$

  
• Als Nächstes wird die Menge P_-2 = P_-1 definiert und eine neue Menge P₀, deren Werte alle Werte von P_-1 sind, die zwischen den Werten µ + σ = 0, 571797 und µ - σ = 0,432887 liegen, definiert. Die Menge P₀ enthält nun die in der folgenden Tabelle 5 aufgeführten Werte, wobei vier weitere Ausreißerwerte beseitigt worden sind. Tabelle 5.

  0,557367
  0,545801
  0,495215
  0,486426
  0,486053
  0,475123
  0,472348
  0,467129
  0,465488
  0,446327
  0,440497
  0,437959

• Da P₀≠ P_-1, wird Schritt 1 wiederholt, wobei für die Menge P₀: $$\mathrm{\mu }=\mathrm{0,481311,}$$

  

  $$\mathrm{\sigma }=\mathrm{0,037568,}$$

  

  und $$\mathrm{\sigma }/\mathrm{\mu }=\mathrm{0,078053.}$$

  
• Da $$\mathrm{\sigma }/\mathrm{\mu }=\mathrm{0,078053}\le \mathrm{1,}$$

  

  liegen alle Elemente des Arrays P₀ statistisch nahe beieinander und müssen nicht mehr sortiert zu werden.
• Wenn zu irgendeinem Zeitpunkt in den Berechnungen P₀ = P_-1 und P_-1 ≥ P_-2, wird Schritt 2 anstelle von Schritt 1 ausgeführt. In dem obigen Beispiel war, da für jede Iteration P₀ ≥ P_-1 gilt, nur Schritt 1 für die Berechnungen notwendig.
• Vorhersage von Lagerfehlern basierend auf dem Signalperiodizitätsparameter (PSP)
• 22 zeigt Schritte in einer bevorzugten Ausführungsform eines Verfahrens 400 zum Erzeugen von Lagerfehlerzustandsinformationen. Eine im Zeitbereich überabgetastete Schwingungswellenform wird gemessen (Schritt 402), beispielsweise unter Verwendung des Beschleunigungsmessers 104 oder eines anderen Sensors, der an der überwachten Maschine 102 angebracht ist. Eine PeakVue™-Wellenform wird dann erzeugt (Schritt 404), beispielsweise durch Hochpassfilterung und Peak-Halte-Dezimierung der überabgetasteten Wellenform. Die maximale Peakamplitude (MaxPeak) der PeakVue™-Wellenform wird bestimmt (Schritt 406), und ihre zugeordnete Autokorrelationswellenform wird berechnet (Schritt 408). Basierend auf der Autokorrelationswellenform wird der Signalperiodizitätsparameter (PSP) gemäß dem in 2 dargestellten Verfahren berechnet (Schritt 410).
• In einer bevorzugten Ausführungsform werden die Alarmamplitudengrenzpegel (in g) basierend auf der Nenndrehzahl gemäß der in 28 dargestellten Beziehung bestimmt (Schritt 412). Fehleramplitudengrenzpegel betragen vorzugsweise das Doppelte der Alarmpegel. 28 liefert eine graphische Darstellung eines Verfahrens zum Bestimmen von Alarmgrenzen für ein PeakVue-Signal basierend auf der Drehzahl der Maschinenwelle. Der Alarmpegel wird mit dem Peakwert verglichen, der in der PeakVue-Wellenform auftritt, und gilt für einen sich entwickelnden Innenlaufringfehler. Es versteht sich, dass die Alarmgrenzpegel, die in 28 dargestellt sind, nur Vorschläge sind, und der Analyst kann entscheiden, Werte zu verwenden, die als optimal für seine Maschine bestimmt worden sind. In einigen Situationen kann der Analyst unter Verwendung der Werte von 28 beginnen und sie dann basierend auf Erfahrung anpassen.
• Bevor Berechnungen von Schweregradwerten durchgeführt werden können, muss die prozentuale periodische Energie berechnet werden. Die prozentuale periodische Energie (Schritt 414) wird aus der Autokorrelationswellenform wie folgt berechnet: $$\%PeriodischeEnergie=\sqrt{MaxPeak\left(nachersten3\%\right)}$$

  

  wobei der maximale Peak in der Autokorrelationswellenform nicht die ersten 3 % der Wellenform enthält. Im Allgemeinen ist die Berechnung der prozentualen periodischen Energie bei Werten unter 50 % nicht so genau. Dementsprechend ist wie in 19 angegeben die Steigung der Funktion für Werte kleiner als 50 % größer als 1,0. Daher wird die prozentuale Periodizität für Werte von weniger als 50 % nicht bestimmt. Für alle Schweregradschätzungen ist ein allgemeiner Schweregradwert erforderlich, der wie folgt berechnet wird: $$AllgemeinerSchweregrad=\frac{MaxPeak}{2\times Fehlergrenze}\left(\text{Schritt 416}\right).$$

  
• In einer bevorzugten Ausführungsform wird der Schweregrad durch Multiplizieren des Ergebnisses von Schritt 416 mit einem gewünschten Maximalwert x wie folgt normiert: $$NormierterallgemeinerSchweregrad=AllgemeinerSchweregrad\times x\left(\text{Schritt 418}\right).$$

  
• Für die in 18 gezeigten pegel, bei denen x=10: $$NormierterallgemeinerSchweregrad=AllgemeinerSchweregrad\times 10.$$

  
• Wenn der PSP größer als 0,1 ist (Schritt 419), ist möglicherweise ein Lagerfehler vorhanden. Der Lagerfehler-Schweregrad (BFS) kann wie folgt berechnet werden: $$BFS=NormierterSchweregrad\times \%PeriodischeEnergie\left(\text{Schritt 430}\right).$$

  
• Wenn die resultierende Antwort größer als x ist (10 in diesem Beispiel), wird die Antwort so beschnitten, dass sie x ist.
• In einigen Ausführungsformen verbessert die Kenntnis der Drehzahl die Sicherheit, dass die Periodizität mit Lagerfehlern und nicht mit Drehzahlvorkommnissen zusammenhängt. Wenn die Drehzahl bekannt ist, können periodische Peaks aus dem Diagramm periodischer Informationen (PIP) als synchron und nichtsynchron klassifiziert werden. Wenn nur synchrone Peaks vorhanden sind, wird kein Lagerfehler angegeben. Wenn signifikante nichtsynchrone Peaks vorhanden sind, wird ein mögliches Lagerproblem bestätigt, wie angegeben durch: $$\begin{array}{l}BFS\\ =NormierterSchweregrad\\ \times \left[\frac{{\left(EnergiederlokalisiertennichtsynchronenPeaks\right)}^2}{{\left(GesamtenergiedeszugeordnetenPeakVue-Spektrums\right)}^2}\right]\end{array}$$

  
• Wenn PSP ≤ 0,1 und MaxPeak < Alarmpegel ist, wird durch die Messung kein Fehler angegeben, was bedeutet, dass die Anlage in gutem Zustand ist.
• Wenn PSP kleiner als oder gleich 0,1 ist und MaxPeak größer als der Alarmamplitudengrenzpegel ist (Schritt 420), wird ein Mangel an Lagerschmierung angegeben. Darüber hinaus kann es zu Schmierungsproblemen kommen, wenn ein Lagerfehler vorliegt. (Dies ist in 22 durch einen Pfeil gezeigt, der von einem Punkt zwischen den Schritten 419 und 430 zu Schritt 422 verläuft) Der Schweregrad des Schmierungsproblems hängt im Allgemeinen von dem MaxPeak-Wert der Ursprungswellenform (Schritt 406) und der prozentualen nichtperiodischen Energie (% NPE), die von der zugeordneten Autokorrelationswellenform (Schritt 408) angegeben wird, ab.
• Wie in 19 gezeigt ist die prozentuale nichtperiodische Energie (%NPE) eine Funktion der prozentualen periodischen Energie und kann unter Verwendung des Graphen von 19 bestimmt werden (Schritt 422). Die prozentuale periodische Energie (% periodische Energie) ist definiert als der Prozentsatz der Energie in dem PeakVue-Spektrum (originalen Spektrum), der sich auf periodische Signale bezieht. %NPE ist definiert als der Prozentsatz der in dem PeakVue-Spektrum (originalen Spektrum), der sich auf zufällige Schwingungssignale bezieht.
• Der Schmierungs-Schweregradwert (LS-Wert) wird wie folgt bestimmt: $$LS=\frac{MaxPeak}{2\times Fehlergrenze}\times x\times \%NPE,$$

  

  wobei x der Normierungswert ist (Schritt 426). Für den in 18 gezeigten Schmierungs-Schweregradpegel ist x = 10. Wenn der resultierende Wert größer als x ist (10 in diesem Beispiel), wird der Wert beschnitten, so dass er x ist.
• In einer alternativen Ausführungsform wird, anstatt in Schritt 114 zu bestimmen, ob PSP größer als 0,1 ist, bestimmt, ob % periodische Energie größer als Y ist, wobei in den meisten Fällen Y 50 % ist.
• Obwohl die bevorzugte Ausführungsform des oben beschriebenen und in 22 dargestellten Algorithmus eine PeakVue-Wellenform verwendet, könnte der Algorithmus auf eine beliebige Wellenform angewendet werden, die aus einer beliebigen Art von Signal, z. B. Schwingung, Strom, Ultraschall usw., erzeugt wird
• Es folgen vier Beispiele, die die Verwendung des Algorithmus von 22, um den Zustand eines Lagers unter verschiedenen Bedingungen zu bestimmen, zeigen. 23 zeigt die Ergebnisse für ein neues, vollständig geschmiertes Lager ohne Fehler. Wie gezeigt geben die Pegel für den Lagerfehler-Schweregrad und den Schmierungs-Schweregrad beide einen Wert von null an, da das Lager neu und in einem guten Zustand ist.
• 24 zeigt die Ergebnisse für ein Lager, das keine Fehler aufweist, außer dass es „trocken“ läuft, da in dem Lager nicht genügend Schmierung vorhanden ist. Wie gezeigt ist der Lagerfehler-Schweregrad immer noch null, aber der Schmierungs-Schweregrad beträgt ungefähr 6,5. In diesem Beispiel beträgt die % periodische Energie 44,3 %. Die resultierende %NPE liegt basierend auf 19 bei 77,85 %. Es sollte beachtet werden, dass der PSP 0,0618 beträgt.
• 25 zeigt die Ergebnisse für ein Lager mit einem kleinen Innenlaufringfehler und ohne Schmierungsprobleme. Wie gezeigt ist der Lagerfehler-Schweregrad leicht auf ungefähr 1,4 erhöht, aber der Schmierungs-Schweregrad ist nahe bei null. In diesem Beispiel beträgt die % periodische Energie 88,8 %. Basierend auf 19 beträgt die resultierende %NPE 11,2 %. Es sollte beachtet werden, dass der PSP für dieses Beispiel 0,213 beträgt.
• 26 zeigt die Ergebnisse für ein Lager mit einem kleinen Innenlaufringfehler sowie einem Schmierungsproblem aufgrund der Tatsache, dass das Lager „trocken“ läuft. Obwohl der PSP 0,074 beträgt, liegt die % periodische Energie bei 51%. Daher hat das Signal eine gewisse Periodizität. Wie gezeigt beträgt der Lagerfehler-Schweregrad fast 3, während der Schmierungs-Schweregrad etwa 3,25 beträgt. Der Fachmann wird erkennen, dass dieses diagnostische Ergebnis ein Fortschritt in der Technologie ist und nicht durch andere verfügbare Algorithmen bestimmt werden könnte. Die Fähigkeit, die nichtsynchronen Signale mit geringerer Amplitude, die durch die mechanische Beschädigung des Lagers verursacht werden, von der nichtperiodischen Energie zu isolieren, die durch Mangel an Schmierung erzeugt wird und deren Amplitude wesentlich höher ist, war bisher nicht verfügbar.
• Vorhersage von Getriebefehlern basierend auf dem Signalperiodizitätsparameter (PSP)
• 27 zeigt Schritte in einer bevorzugten Ausführungsform eines Verfahrens 200 zum Erzeugen von Getriebefehlerzustandsinformationen. Eine im Zeitbereich überabgetastete Schwingungswellenform wird gemessen, und zwar beispielsweise unter Verwendung des Beschleunigungsmessers 104 oder eines anderen Sensors, der an der überwachten Maschine 102 angebracht ist (Schritt 202). Eine PeakVue™-Wellenform wird dann erzeugt, beispielsweise durch Hochpassfilterung und Peak-Halte-Dezimierung der überabgetasteten Wellenform (Schritt 204). Die maximale Peakamplitude (MaxPeak) der PeakVue™-Wellenform wird bestimmt (Schritt 206) und ihre zugeordnete Autokorrelationswellenform wird berechnet (Schritt 208). Basierend auf der Autokorrelationswellenform wird der Signalperiodizitätsparameter (PSP) gemäß dem in 2 dargestellten Verfahren berechnet (Schritt 210).
• Die Drehzahl von mindestens einer der Wellen in dem Getriebe wird gemessen, beispielsweise unter Verwendung eines Tachometers (Schritt 212), und die Drehzahl jeder der anderen Wellen in dem Getriebe wird basierend auf der in Schritt 212 gemessenen Drehzahl und in Kenntnis der Übersetzungsverhältnisse für die anderen Wellen berechnet (Schritt 214). Basierend auf den Wellenlaufdrehzahlen werden außerdem die Zahnüberholungsfrequenzen auf der Basis von Techniken berechnet, die Fachleuten bekannt sind. In einer bevorzugten Ausführungsform werden die Alarmamplitudengrenzpegel (in g) basierend auf der Nenndrehzahl gemäß der in 28 dargestellten Beziehung oder basierend auf der Erfahrung des Analysten oder beidem bestimmt, wie es oben diskutiert ist (Schritt 216). Fehleramplitudengrenzpegel betragen vorzugsweise das Doppelte der Alarmpegel.
• Bevor Berechnungen spezifischer Schweregrade durchgeführt werden können, muss die prozentuale periodische Energie berechnet werden. In einer bevorzugten Ausführungsform wird die prozentuale periodische Energie aus der Autokorrelationswellenform wie folgt berechnet: $$\%PeriodischeEnergie=\sqrt{MaxPeak\left(nachersten3\%\right)}.$$

  

  wobei der MaxPeak der Autokorrelationswellenform nicht die ersten 3% der Wellenform umfasst (Schritt 218). Im Allgemeinen ist die Berechnung der prozentualen periodischen Energie bei Werten unter 50 % nicht so genau. Dementsprechend ist wie in 19 gezeigt die Steigung der Funktion für Werte, die kleiner als 50 % sind, größer als 1,0.
• Um Schweregradwerte für verschiedene Fehler zu berechnen, wird ein allgemeiner Schweregradwert bestimmt. Der allgemeine Schweregrad kann wie folgt berechnet werden: $$AllgemeinerSchweregrad=\frac{MaxPeak}{2\times Fehlergrenze}\left(\text{Schritt 220}\right).$$

  
• Der Schweregradwert wird durch Multiplizieren des Ergebnisses von Schritt 220 mit einem gewünschten maximalen Wert x wie folgt normiert: $$Normierter\text{ a}llgemeinerSchweregrad=AllgemeinerSchweregrad\times x\left(\text{Schritt 222}\right).$$

  
• Für den in 18 gezeigten Pegel, bei dem x = 10, gilt: $$Normierter\text{ a}llgemeinerSchweregrad=AllgemeinerSchweregrad\times 10.$$

  
• Das PIP wird unter Verwendung der hier unter Bezugnahme auf 20 beschriebenen Prozedur erzeugt (Schritt 224).
• Wenn der PSP größer als 0,1 ist (Schritt 225), sind periodische Frequenzen in Bezug auf das Getriebe und/oder die Lager vorhanden.
• Basierend auf der Kenntnis der Drehzahl können periodische Peaks aus dem Diagramm periodischer Informationen (PIP) als synchron und nichtsynchron klassifiziert werden. Wenn nichtsynchrone Peaks in dem PIP vorhanden sind (Schritt 226), kann ein Lagerfehler-Schweregradwert (BFS-Wert) berechnet (Schritt 228) und angezeigt werden (Schritt 234), und zwar gemäß: $$\begin{array}{l}BFS\\ =NormierterSchweregrad\\ \times \left[\frac{{\left(EnergiederlokalisiertennichtsynchronenPeaks\right)}^2}{{\left(GesamtenergiedeszugeordnetenPeakVue-Spektrums\right)}^2}\right]\end{array}$$

  
• Wenn synchrone Peaks vorhanden sind (Schritt 230) und Fehlergrenzen überschritten werden, wird eine Verschlechterung der Zahnradzähne angezeigt. Ein Getriebefehler-Schweregradwert (GFS-Wert) kann berechnet (Schritt 232) und angezeigt werden (Schritt 234), und zwar gemäß: $$\begin{array}{l}GFS\\ =NormierterSchweregrad\\ \times \left[\frac{{\left(EnergiederlokalisiertennichtsynchronenPeaks\right)}^2}{{\left(GesamtenergiedeszugeordnetenPeakVue-Spektrums\right)}^2}\right]\end{array}$$

  
• Wenn die resultierende Antwort größer als x ist (10 in diesem Beispiel), wird die Antwort beschnitten, so dass sie x ist.
• Wenn PSP ≤ 0,1 und MaxPeak < Alarmpegel ist, wird durch die Messung kein Fehler angegeben, was bedeutet, dass die Anlage in gutem Zustand ist.
• Wenn PSP kleiner als oder gleich 0,1 ist und MaxPeak größer als der Alarmamplitudengrenzpegel ist (Schritt 234), wird ein Mangel an Lager- und/oder Getriebeschmierung angezeigt. Darüber hinaus kann es zu Schmierungsproblemen und mechanischen Fehlern kommen. (Dies ist in 27 durch einen Pfeil gezeigt, der von einem Punkt zwischen den Schritten 225 und 226 zu Schritt 236 verläuft). Der Schweregrad des Schmierungsproblems hängt im Allgemeinen von dem MaxPeak-Wert der Ursprungswellenform (Schritt 206) und der prozentualen nichtperiodischen Energie (%NPE), die von der zugeordneten Autokorrelationswellenform (Schritt 208) angegeben wird, ab.
• Wie oben diskutiert ist die nichtperiodische prozentuale Energie (%NPE) eine Funktion der prozentualen periodischen Energie und kann unter Verwendung des Diagramms von 19 bestimmt werden (Schritt 236). Die prozentuale periodische Energie (% periodische Energie) ist definiert als der Prozentsatz der Energie in dem PeakVue-Spektrum (originalen Spektrum), der sich auf periodische Signale bezieht. %NPE ist definiert als der Prozentsatz der in dem PeakVue-Spektrum (originalen Spektrum), der sich auf zufällige Schwingungssignale bezieht.
• Der Schweregrad der Lager- oder Getriebeschmierung wird bestimmt und angezeigt, und zwar gemäß: $$Schmierungs-Schweregrad=\frac{MaxPeak}{2\times Fehlergrenze}\times x\times \%NPE,$$

  

  wobei x der Normierungswert ist (Schritte 240 und 242). Für den in 18 gezeigten Schmierungs-Schweregradpegel ist x = 10. Wenn der resultierende Wert größer als x (10 in diesem Beispiel) ist, wird der Wert beschnitten, so dass er x ist.
• In einer alternativen Ausführungsform wird, anstatt in Schritt 218 zu bestimmen, ob PSP größer als 0,1 ist, bestimmt, ob % periodische Energie größer als Y ist, wobei in den meisten Fällen Y 50 % ist.

Claims (20)

1. Vorrichtung zum Erfassen und Analysieren von periodischen Informationen in Schwingungen, die einer Maschine zugeordnet sind, wobei die Vorrichtung enthält: einen Schwingungssensor, der sicher an der Maschine an einer Stelle angebracht ist, die einen festen Übertragungsweg von einer Schwingungsquelle innerhalb der Maschine zu dem Schwingungssensor bereitstellt, wobei der Schwingungssensor zum Erzeugen eines Schwingungssignals dient; einen Datensammler in Kommunikation mit dem Schwingungssensor, wobei der Datensammler dazu ausgelegt ist, das Schwingungssignal aus dem Schwingungssensor zu empfangen und aufzubereiten, und der Datensammler enthält: einen Analog/Digital-Umsetzer zum Umsetzen des Schwingungssignals in digitale Schwingungsdaten; und einen Speicher zum Puffern der digitalen Schwingungsdaten; und einen Prozessor für periodische Informationen, der betreibbar ist, um digitale Schwingungsdaten zu empfangen, wobei der Prozessor für periodische Informationen zum Ausführen von Betriebsbefehlen zum Verarbeiten der digitalen Schwingungsdaten ausgelegt ist, wobei die Betriebsbefehle Befehle umfassen, die, wenn sie ausgeführt werden, Folgendes veranlassen: - Erzeugen einer originalen Wellenform basierend auf den digitalen Schwingungsdaten; - Durchführen einer Autokorrelationsfunktion an der originalen Wellenform, um eine Autokorrelationswellenform zu erzeugen; - Durchführen einer schnellen Fourier-Transformation an der originalen Wellenform, um ein originales Spektrum zu erzeugen; - Durchführen einer schnellen Fourier-Transformation an der Autokorrelationswellenform, um ein Autokorrelationsspektrum zu erzeugen; - Kompilieren einer ersten Liste von Amplitudenpeaks aus dem originalen Spektrum; - Kompilieren einer zweiten Liste von Amplitudenpeaks aus dem Autokorrelationsspektrum ; -Abgleichen von Autokorrelationsamplitudenpeaks in der zweiten Liste mit den originalen Amplitudenpeaks in der ersten Liste; - Hinzufügen jedes originalen Amplitudenpeaks der mit einem Autokorrelationsamplitudenpeak übereinstimmt, zu einer Peakliste; - wenn originale Amplitudenpeaks zu der Peakliste hinzugefügt werden, Bestimmen einer Gesamtmenge einer Peakenergie, die den originalen Amplitudenpeaks in der Peakliste zugeordnet ist; und - nachdem die Gesamtmenge der Peakenergie, die den originalen Amplitudenpeaks in der Peakliste zugeordnet ist, eine vorbestimmte Schwelle übersteigt, Erzeugen eines Diagramms periodischer Informationen, das die originalen Amplitudenpeaks in der Peakliste enthält, dadurch gekennzeichnet, dass die vorbestimmte Schwelle einen prozentualen Energiewert umfasst und der Prozessor für periodische Informationen dazu ausgelegt ist, dass er Betriebsbefehle ausführt, um den prozentualen Energiewert wie folgt zu berechnen: % Energie des Originals = Gesamtenergie des originalen Spektrums × % Periodische Energie wobei $$\%PeriodischeEnergie=\sqrt{MaxPeak\left(nach3\%derWellenform\right)}$$

   

   wobei MaxPeak (nach 3 % der Wellenform) einen maximalen absoluten Peak in der Autokorrelationswellenform enthält, der außerhalb der ersten 3% der Autokorrelationswellenform auftritt.
2. Vorrichtung nach Anspruch 1, wobei der Prozessor für periodische Informationen das Diagramm periodischer Informationen mit mindestens 80 % weniger Datenpunkten als das originale Spektrum erzeugt.
3. Vorrichtung nach Anspruch 1, wobei die originale Wellenform durch Hochpassfilterung und Peak-Halte-Dezimierung der digitalen Schwingungsdaten erzeugt wird.
4. Vorrichtung nach Anspruch 1, wobei der Prozessor für periodische Informationen dazu ausgelegt ist, Betriebsbefehle auszuführen, um die Amplitudenpeaks in der ersten und zweiten Liste nach absteigender Amplitude so anzuordnen, dass ein größter Amplitudenpeak der erste und ein kleinster Amplitudenpeak der letzte ist.
5. Vorrichtung nach Anspruch 1, wobei der Prozessor für periodische Informationen dazu ausgelegt ist, Betriebsbefehle auszuführen, um die Amplitudenpeaks als synchrone Peaks und nichtsynchrone Peaks zu klassifizieren, um eine oder mehrere erste Anzeigefarben den synchronen Peaks in dem Diagramm periodischer Informationen zuzuweisen und um eine oder mehrere zweite Anzeigefarben den nichtsynchronen Peaks in dem Diagramm periodischer Informationen zuzuweisen, wobei sich die ersten Anzeigefarben von den zweiten Anzeigefarben unterscheiden.
6. Vorrichtung nach Anspruch 1, wobei der Prozessor für periodische Informationen dazu ausgelegt ist, Betriebsbefehle auszuführen, um Amplitudenpeaks, die synchrone Peaks sind, in mehrere Familien zu trennen und jeder Familie von synchronen Peaks in dem Diagramm periodischer Informationen eine andere Anzeigefarbe zuzuweisen.
7. Vorrichtung nach Anspruch 1, die ferner enthält: ein Datenkommunikationsnetz, mit dem der Prozessor für periodische Informationen verbunden ist und über das das Diagramm periodischer Informationen übermittelt wird; und einen Analysten-Computer, der mit dem Datenkommunikationsnetz verbunden ist, wobei der Analysten-Computer dazu dient, das Diagramm periodischer Informationen zu empfangen und zur Betrachtung durch einen Analysten anzuzeigen.
8. Vorrichtung nach Anspruch 1, wobei der Prozessor für periodische Informationen eine Übereinstimmung zwischen einem originalen Amplitudenpeak Autokorrelationsamplitudenpeak aus der zweiten Liste und einem aus der ersten Liste bestimmt, wenn | originale Peakfrequenz - Autokorrelationspeakfrequenz | ≤ n × ΔFrequenz, wobei die originale Peakfrequenz ein Frequenzwert des originalen Amplitudenpeaks aus der ersten Liste ist, die Autokorrelationspeakfrequenz ein Frequenzwert des Autokorrelationsamplitudenpeaks aus der zweiten Liste ist und n ein ganzzahliger Wert ist, und der Wert von ΔFrequenz wie folgt bestimmt wird: $$\Delta Frequency=\frac{FmaxdesoriginalenSpektrums}{LORdesoriginalenSpektrums},$$

   

   wobei Fmax die maximale Frequenz des originalen Spektrums ist und LOR die Anzahl der auflösenden Zeilen in dem originalen Spektrum ist.
9. Vorrichtung nach Anspruch 1, wobei der Datensammler einen digitalen Datenrekorder oder einen Schwingungsdatensammler enthält.
10. Vorrichtung nach Anspruch 1, wobei der Datensammler ein Tiefpass-Anti-Aliasing-Filter enthält.
11. Vorrichtung nach Anspruch 1, wobei der Prozessor für periodische Informationen eine Komponente des Datensammlers ist.
12. Vorrichtung nach Anspruch 1, wobei der Prozessor für periodische Informationen eine Komponente eines Analysten-Computers, der über ein Kommunikationsnetz mit dem Datensammler in Verbindung steht, ist.
13. Vorrichtung zum Erfassen und Analysieren von periodischen Informationen in Schwingungen, die einer Maschine zugeordnet sind, wobei die Vorrichtung enthält: einen Schwingungssensor, der sicher an der Maschine an einer Stelle angebracht ist, die einen festen Übertragungsweg von einer Schwingungsquelle innerhalb der Maschine zu dem Schwingungssensor bereitstellt, wobei der Schwingungssensor zum Erzeugen eines Schwingungssignals dient; ein Tachometersensor, der dazu ausgelegt ist, an der Maschine angebracht zu werden und eine Drehzahl zu erzeugen; einen Datensammler in Kommunikation mit dem Schwingungssensor, wobei der Datensammler dazu ausgelegt ist, das Schwingungssignal aus dem Schwingungssensor zu empfangen und aufzubereiten, und der Datensammler enthält: einen Analog/Digital-Umsetzer zum Umsetzen des Schwingungssignals in digitale Schwingungsdaten; und einen Speicher zum Puffern der digitalen Schwingungsdaten; und einen Prozessor für periodische Informationen, der betreibbar ist, um digitale Schwingungsdaten zu empfangen, wobei der Prozessor für periodische Informationen zum Ausführen von Betriebsbefehlen zum Verarbeiten der digitalen Schwingungsdaten ausgelegt ist, wobei die Betriebsbefehle Befehle umfassen, die, wenn sie ausgeführt werden, Folgendes veranlassen: - Erzeugen einer originalen Wellenform basierend auf den digitalen Schwingungsdaten; - Bestimmen einer maximalen Peakamplitude der originalen Wellenform; - Durchführen einer Autokorrelationsfunktion an der originalen Wellenform, um eine Autokorrelationswellenform zu erzeugen; - Bestimmen eines Signalperiodizitätsparameterwerts zumindest teilweise basierend auf der Autokorrelationswellenform, wobei der Signalperiodizitätsparameterwert eine einzelne reelle Zahl umfasst, die einen Pegel periodischer Informationen in der originalen Wellenform angibt; und - Berechnen oder Empfangen eines Fehlergrenzpegels, dadurch gekennzeichnet dass wenn der Signalperiodizitätsparameterwert größer als 0,1 ist oder % periodische Energie größer als ein vorbestimmter Prozentsatz ist und die Maschinendrehzahl bekannt ist, Berechnen eines Lagerfehler-Schweregradwerts (BFS) wie folgt: $$\begin{array}{l}BFS\\ =NormierterSchweregrad\\ \times \left[\frac{{\left(EnergiederlokalisiertennichtsynchronenPeaks\right)}^2}{{\left(GesamtenergiedeszugeordnetenPeakVue-Spektrums\right)}^2}\right]\end{array}$$

    

    wobei $$NormierterSchweregrad=\frac{MaxPeak}{2\times Fehlergrenze}\times \text{x},$$

    

    wobei x ein Normierungsfaktor ist.
14. Vorrichtung nach Anspruch 13, wobei der Prozessor für periodische Informationen eine Komponente des Datensammlers ist.
15. Vorrichtung nach Anspruch 13, wobei der Prozessor für periodische Informationen eine Komponente eines Analysten-Computers, der über ein Kommunikationsnetz mit dem Datensammler in Verbindung steht, ist.
16. Vorrichtung nach Anspruch 13, wobei die originale Wellenform durch Hochpassfilterung und Peak-Halte-Dezimierung der digitalen Schwingungsdaten erzeugt wird.
17. Vorrichtung zum Erfassen und Analysieren von periodischen Informationen in Schwingungen, die einer Maschine zugeordnet sind, wobei die Vorrichtung enthält: einen Schwingungssensor, der sicher an der Maschine an einer Stelle angebracht ist, die einen festen Übertragungsweg von einer Schwingungsquelle innerhalb der Maschine zu dem Schwingungssensor bereitstellt, wobei der Schwingungssensor zum Erzeugen eines Schwingungssignals dient; ein Tachometersensor, der dazu ausgelegt ist, an der Maschine angebracht zu werden und eine Drehzahl zu erzeugen; einen Datensammler in Kommunikation mit dem Schwingungssensor, wobei der Datensammler dazu ausgelegt ist, das Schwingungssignal aus dem Schwingungssensor zu empfangen und aufzubereiten, und der Datensammler enthält: einen Analog/Digital-Umsetzer zum Umsetzen des Schwingungssignals in digitale Schwingungsdaten; und einen Speicher zum Puffern der digitalen Schwingungsdaten; und einen Prozessor für periodische Informationen, der betreibbar ist, um digitale Schwingungsdaten zu empfangen, wobei der Prozessor für periodische Informationen zum Ausführen von Betriebsbefehlen zum Verarbeiten der digitalen Schwingungsdaten ausgelegt ist, wobei die Betriebsbefehle Befehle umfassen, die, wenn sie ausgeführt werden, Folgendes veranlassen: - Erzeugen einer originalen Wellenform basierend auf den digitalen Schwingungsdaten; - Bestimmen einer maximalen Peakamplitude der originalen Wellenform; - Durchführen einer Autokorrelationsfunktion an der originalen Wellenform, um eine Autokorrelationswellenform zu erzeugen; - Bestimmen eines Signalperiodizitätsparameterwerts zumindest teilweise basierend auf der Autokorrelationswellenform, wobei der Signalperiodizitätsparameterwert eine einzelne reelle Zahl umfasst, die einen Pegel periodischer Informationen in der originalen Wellenform angibt; und - Berechnen oder Empfangen eines Fehlergrenzpegels, dadurch gekennzeichnet dass der Prozessor für periodische Informationen dann, wenn der Signalperiodizitätsparameterwert größer als 0,1 ist oder % periodische Energie größer als ein vorbestimmter Prozentsatz ist und die Maschinendrehzahl unbekannt ist, einen Lagerfehler-Schweregradwert (BFS) wie folgt berechnet: $$BFS=NormierterSchweregrad\times \%PeriodischeEnergie,$$

    

    wobei $$NormierterSchweregrad=\frac{MaxPeak}{2\times Fehlergrenze}\times x$$

    

    und $$\%PeriodischeEnergie=\sqrt{MaxPeak\left(nach\text{ e}rsten3\%\right)},$$

    

    wobei x ein Normierungsfaktor ist.
18. Vorrichtung zum Erfassen und Analysieren von periodischen Informationen in Schwingungen, die einer Maschine zugeordnet sind, wobei die Vorrichtung enthält: einen Schwingungssensor, der sicher an der Maschine an einer Stelle angebracht ist, die einen festen Übertragungsweg von einer Schwingungsquelle innerhalb der Maschine zu dem Schwingungssensor bereitstellt, wobei der Schwingungssensor zum Erzeugen eines Schwingungssignals dient; ein Tachometersensor, der dazu ausgelegt ist, an der Maschine angebracht zu werden und eine Drehzahl zu erzeugen; einen Datensammler in Kommunikation mit dem Schwingungssensor, wobei der Datensammler dazu ausgelegt ist, das Schwingungssignal aus dem Schwingungssensor zu empfangen und aufzubereiten, und der Datensammler enthält: einen Analog/Digital-Umsetzer zum Umsetzen des Schwingungssignals in digitale Schwingungsdaten; und einen Speicher zum Puffern der digitalen Schwingungsdaten; und einen Prozessor für periodische Informationen, der betreibbar ist, um digitale Schwingungsdaten zu empfangen, wobei der Prozessor für periodische Informationen zum Ausführen von Betriebsbefehlen zum Verarbeiten der digitalen Schwingungsdaten ausgelegt ist, wobei die Betriebsbefehle Befehle umfassen, die, wenn sie ausgeführt werden, Folgendes veranlassen: - Erzeugen einer originalen Wellenform basierend auf den digitalen Schwingungsdaten; - Bestimmen einer maximalen Peakamplitude der originalen Wellenform; - Durchführen einer Autokorrelationsfunktion an der originalen Wellenform, um eine Autokorrelationswellenform zu erzeugen; - Bestimmen eines Signalperiodizitätsparameterwerts zumindest teilweise basierend auf der Autokorrelationswellenform, wobei der Signalperiodizitätsparameterwert eine einzelne reelle Zahl umfasst, die einen Pegel periodischer Informationen in der originalen Wellenform angibt; und - Berechnen oder Empfangen eines Fehlergrenzpegels, dadurch gekennzeichnet dass dazu ausgelegt, Betriebsbefehle auszuführen, um basierend auf der Drehzahl einen Alarmgrenzpegel zu berechnen, wobei der Prozessor für periodische Informationen dann, wenn der Signalperiodizitätsparameterwert kleiner als 0,1 ist oder % periodische Energie größer als ein vorbestimmter Prozentsatz ist und die maximale Peakamplitude der originalen Wellenform größer als der Alarmgrenzpegel ist, ein Schmierungs-Schweregradwert (LS-Wert) wie folgt berechnet wird: $$LS=\frac{MaxPeak}{2\times Fehlergrenze}\times x\times \%NPE,$$

    

    wobei die prozentuale nichtperiodische Energie (% NPE) eine Funktion der prozentualen periodischen Energie (% periodische Energie) ist und die prozentuale periodische Energie aus der Autokorrelations-Wellenform wie folgt berechnet wird: $$\%PeriodischeEnergie=\sqrt{MaxPeak\left(nach\text{ 3}\%\text{ d}erWellenform\right)}.$$

    
19. Vorrichtung zum Erfassen und Analysieren von periodischen Informationen in Schwingungen, die einer Maschine zugeordnet sind, wobei die Vorrichtung enthält: einen Schwingungssensor, der sicher an der Maschine an einer Stelle angebracht ist, die einen festen Übertragungsweg von einer Schwingungsquelle innerhalb der Maschine zu dem Schwingungssensor bereitstellt, wobei der Schwingungssensor zum Erzeugen eines Schwingungssignals dient; ein Tachometersensor, der dazu ausgelegt ist, an der Maschine angebracht zu werden und eine Drehzahl zu erzeugen; einen Datensammler in Kommunikation mit dem Schwingungssensor, wobei der Datensammler dazu ausgelegt ist, das Schwingungssignal aus dem Schwingungssensor zu empfangen und aufzubereiten, und der Datensammler enthält: einen Analog/Digital-Umsetzer zum Umsetzen des Schwingungssignals in digitale Schwingungsdaten; und einen Speicher zum Puffern der digitalen Schwingungsdaten; und einen Prozessor für periodische Informationen, der betreibbar ist, um digitale Schwingungsdaten zu empfangen, wobei der Prozessor für periodische Informationen zum Ausführen von Betriebsbefehlen zum Verarbeiten der digitalen Schwingungsdaten ausgelegt ist, wobei die Betriebsbefehle Befehle umfassen, die, wenn sie ausgeführt werden, Folgendes veranlassen: - Erzeugen einer originalen Wellenform basierend auf den digitalen Schwingungsdaten; - Bestimmen einer maximalen Peakamplitude der originalen Wellenform; - Durchführen einer Autokorrelationsfunktion an der originalen Wellenform, um eine Autokorrelationswellenform zu erzeugen; - Bestimmen eines Signalperiodizitätsparameterwerts zumindest teilweise basierend auf der Autokorrelationswellenform, wobei der Signalperiodizitätsparameterwert eine einzelne reelle Zahl umfasst, die einen Pegel periodischer Informationen in der originalen Wellenform angibt; und - Berechnen oder Empfangen eines Fehlergrenzpegels, dadurch gekennzeichnet dass der Prozessor für periodische Informationen dann, wenn der Signalperiodizitätsparameterwert größer als 0,1 ist oder % periodische Energie größer als ein vorbestimmter Prozentsatz ist, Betriebsbefehle ausführt, um einen Getriebefehler-Schweregrad (GFS) wie folgt zu berechnen: $$\begin{array}{l}GFS=NormierterSchweregrad\\ \times \left[\left(\frac{{\left(EnergiederlokalisiertennichtsynchronenPeaks\right)}^2}{{\left(Gesantenergie\text{ d}eszugeordnetenPeakVue-Spektrums\right)}^2}\right)\right]\end{array}$$

    

    wobei $$NormierterSchweregrad=AllgemeinerSchweregrad\times x$$

    

    und $$AllgemeinerSchweregrad=Maxpeak/\left(2\times Fehlergrenze\right)$$

    

    und x ein Normierungsfaktor ist.
20. Vorrichtung zum Erfassen und Analysieren von periodischen Informationen in Schwingungen, die einer Maschine zugeordnet sind, wobei die Vorrichtung enthält: einen Schwingungssensor, der sicher an der Maschine an einer Stelle angebracht ist, die einen festen Übertragungsweg von einer Schwingungsquelle innerhalb der Maschine zu dem Schwingungssensor bereitstellt, wobei der Schwingungssensor zum Erzeugen eines Schwingungssignals dient; einen Datensammler in Kommunikation mit dem Schwingungssensor, wobei der Datensammler dazu ausgelegt ist, das Schwingungssignal aus dem Schwingungssensor zu empfangen und aufzubereiten, und der Datensammler enthält: einen Analog/Digital-Umsetzer zum Umsetzen des Schwingungssignals in digitale Schwingungsdaten; und einen Speicher zum Puffern der digitalen Schwingungsdaten; und einen Prozessor für periodische Informationen, der betreibbar ist, um digitale Schwingungsdaten zu empfangen, wobei der Prozessor für periodische Informationen zum Ausführen von Betriebsbefehlen zum Verarbeiten der digitalen Schwingungsdaten ausgelegt ist, wobei die Betriebsbefehle Befehle umfassen, die, wenn sie ausgeführt werden, Folgendes veranlassen: - Erzeugen einer originalen Wellenform basierend auf den digitalen Schwingungsdaten; - Durchführen einer Autokorrelationsfunktion an der originalen Wellenform, um eine Autokorrelationswellenform zu erzeugen; - Durchführen einer schnellen Fourier-Transformation an der originalen Wellenform, um ein originales Spektrum zu erzeugen; - Durchführen einer schnellen Fourier-Transformation an der Autokorrelationswellenform, um ein Autokorrelationsspektrum zu erzeugen; - Kompilieren einer ersten Liste von Amplitudenpeaks aus dem originalen Spektrum; - Kompilieren einer zweiten Liste von Amplitudenpeaks aus dem Autokorrelationsspektrum ; -Abgleichen von Autokorrelationsamplitudenpeaks in der zweiten Liste mit den originalen Amplitudenpeaks in der ersten Liste; - Hinzufügen jedes originalen Amplitudenpeaks, der mit einem Autokorrelationsamplitudenpeak übereinstimmt, zu einer Peakliste; - wenn originale Amplitudenpeaks zu der Peakliste hinzugefügt werden, Bestimmen einer Gesamtmenge einer Peakenergie, die den originalen Amplitudenpeaks in der Peakliste zugeordnet ist; und - nachdem die Gesamtmenge der Peakenergie, die den originalen Amplitudenpeaks in der Peakliste zugeordnet ist, eine vorbestimmte Schwelle übersteigt, Erzeugen eines Diagramms periodischer Informationen, das die originalen Amplitudenpeaks in der Peakliste enthält, dadurch gekennzeichnet, dass der Prozessor für periodische Informationen eine Übereinstimmung zwischen einem Autokorrelationsamplitudenpeak aus der zweiten Liste und einem originalen Amplitudenpeak aus der ersten Liste bestimmt, wenn $$\left|\text{originale Peakfrequenz}-\text{Autokorrelationspeakfrequenz}\right|\le \text{n}\times \Delta \text{Frequenz},$$

    

    wobei die originale Peakfrequenz ein Frequenzwert des originalen Amplitudenpeaks aus der ersten Liste ist, die Autokorrelationspeakfrequenz ein Frequenzwert des Autokorrelationsamplitudenpeaks aus der zweiten Liste ist und n ein ganzzahliger Wert ist, und der Wert von ΔFrequenz wie folgt bestimmt wird: $$\Delta Frequency=\frac{Fmax\text{ d}esoriginalenSpektrums}{LOR\text{ d}esoriginalenSpektrums},$$

    

    wobei Fmax die maximale Frequenz des originalen Spektrums ist und LOR die Anzahl der auflösenden Zeilen in dem originalen Spektrum ist.

Images