DE102019127211A1

DE102019127211A1 - System zum Trennen von periodischen Amplitudenspitzen von nicht-periodischen Amplitudenspitzen in Maschinenschwingungsdaten

Info

Publication number: DE102019127211A1
Application number: DE102019127211.4A
Authority: DE
Inventors: Stewart V. Bowers; Anthony J. Hayzen
Original assignee: Computational Systems Inc
Current assignee: Computational Systems Inc
Priority date: 2019-03-05
Filing date: 2019-10-10
Publication date: 2020-09-10
Also published as: CN111664929A; CN111664929B

Abstract

Ein statistisches Verfahren wird verwendet, um periodische von nicht-periodischen Schwingungsspitzen in Autokorrelationsspektren zu trennen. Im Allgemeinen ist ein Autokorrelationsspektrum nicht normal verteilt, da die Amplituden von periodischen Spitzen signifikant groß und zufällig relativ zu dem allgemeinen Gaußschen Rauschen sind. In einem normal verteilten Signal hat der statistische Parameter Wölbung einen Wert von 3. Das Verfahren entfernt sequenziell jede größte Amplitudenspitze aus den Spitzen in dem Spektrum, bis die Wölbung 3 oder kleiner ist. Die entfernten Spitzen, die alle als periodisch angesehen werden, werden in einen Satz platziert. Die Gesamtenergie der Spitzen im Satz wird als die periodische Gesamtenergie des Spektrums angesehen. Wenn im Verlauf des Prozesses eines Erstellens des Spitzensatzes seine Gesamtenergie größer als oder gleich einem vordefinierten Energieschwellwert wird, bevor seine Wölbung 3 oder kleiner erreicht, stoppt der Prozess und der periodische Spitzensatz ist definiert.

Description

GEBIET
Diese Erfindung betrifft die Analyse von Signalen. Insbesondere betrifft diese Erfindung ein System zum Trennen von periodischen Amplitudenspitzen von nicht-periodischen Amplitudenspitzen in Maschinenschwingungsdaten.
HINTERGRUND UND KURZDARSTELLUNG
Periodizität ist ein Begriff zum Quantifizieren, wie viel Energie in einem Signal periodisch ist. Die Autokorrelationskoeffizientenfunktion ist ein mathematischer Prozess, der verwendet werden kann, um zu bestimmen, wie viel der Energie in einer Signalwellenform periodisch ist. Das Muster der periodischen Spitzen - oder Fehlen desselben - kann sehr hilfreich beim Identifizieren von Fehlertypen sein. Der Begriff „periodische Spitzen“ ist eine generelle Charakterisierung, die eine oder mehrere Familien von harmonischen Spitzen beschreibt. Periodische Spitzen im Zusammenhang mit Laufgeschwindigkeiten einer Maschine werden als synchrone periodische Spitzen bezeichnet. Eine Familie von periodischen Spitzen, die nicht harmonisch mit der Laufgeschwindigkeit zusammenhängen, (wie z. B. Lager- und Riemenfrequenzen) wird als nicht-synchrone periodische Spitzen bezeichnet.
Herkömmlich erfordert ein Erkennen dieser Muster und wie diese anzuwenden sind einen erfahrenen Schwingungsanalysten. Der Wunsch besteht darin, zuerst einen Indikator, der für allgemeine periodische Muster repräsentativ ist, zu berechnen. Dieser Wert, hier bezeichnet als ein „periodischer Signalparameter“ (PSP), wird auf Grundlage von statistischen Maßen, die von einer Autokorrelationswellenform der Ursprungswellenform abgeleitet sind, berechnet. Auf Grundlage der Spitzen in dem Ursprungsspektrum in Kombination mit den Spitzen aus dem Spektrum, das Autokorrelationswellenform und dem PSP-Wert entnommen wird, kann ein periodisches Informationsdiagramm (Periodic Information Plot, PIP) produziert werden. Dieses Diagramm enthält nur die periodischen Spitzen (synchrone und nicht-synchrone periodische Spitzen) aus den Ursprungsspektren.
Eine Schätzung davon, wie viel Periodizität in der Originalwellenform vorhanden ist, kann aus der größten Amplitude, die in der autokorrelierten Wellenform vorgefunden wird, bestimmt werden. Die Quadratwurzel der größten Amplitude in der autokorrelierten Wellenform wird verwendet, um prozentuale periodische Energie (definiert als ein Prozentsatz von Energie in den Originalspektren, der mit periodischen Signalen zusammenhängt) zu schätzen. Im Allgemeinen ist ein periodisches Signal vorhanden, wenn der Wert des PSP größer als 0,1 ist oder die prozentuale periodische Energie größer als 50 % ist.
Durch Kennen der geschätzten Energie im Originalspektrum im Zusammenhang mit periodischen Spitzen kann ein „grundlegendes“ periodisches Informationsdiagramm (PIP) erzeugt werden. Dieses „grundlegende“ PIP wird durch grafisches Darstellen der periodischen Spitzen einer Spitze nach der anderen - beginnend mit der größten Spitze und weiter in absteigender Reihenfolge - erzeugt, bis die Energie im resultierenden Diagramm gleich der prozentualen periodischen Energie ist. Da der prozentuale periodische Energiewert jedoch eine Schätzung ist, enthält das resultierende „grundlegende“ PIP oft übermäßiges Rauschen.
Hier beschrieben ist ein statistisches Verfahren, um genauer zu bestimmen, welche Spitzen in dem Autokorrelationsspektrum periodisch sind. Sobald die genauen periodischen Spitzen erhalten wurden, kann ein „reineres“ (weniger verrauschtes) PIP konstruiert werden. Der PIP-Algorithmus ist im Anschluss ausführlich beschrieben.
Das statistische Verfahren zum Trennen von periodischen von nicht-periodischen Daten in Autokorrelationsspektren wurde auf Grundlage eines Verständnisses der Verteilung, die mit jedem Satz von Spitzen assoziiert ist, entwickelt. Das Autokorrelationsspektrum als Ganzes wird normalerweise nicht verteilt, da die periodischen Spitzen signifikant groß und zufällig in der Amplitude relativ zum Grundrauschen sind. Das Grundrauschen ist jedoch im Allgemeinen normal verteilt (unter Annahme von Gaußschem Rauschen). Auf Grundlage davon wurde ein Verfahren ausgearbeitet, um die periodischen Spitzen von dem Rauschen (nicht-periodischen Spitzen) zu trennen.
Ein statistischer Parameter, der das Grundrauschen am besten charakterisiert, ist Wölbung. Für ein normal verteiltes Signal sollte die Wölbung einen Wert von 3 haben. Deshalb wird die Wölbung des Satzes von Spitzen nach dem Sortieren von Spitzen von größter zu kleinster Amplitude berechnet und die größten Spitzen werden sequenziell aus dem Satz entfernt, bis die Wölbung gleich einem Wölbungsschwellwert ist. In einer bevorzugten Ausführungsform ist der Wölbungsschwellwert 3. In anderen Ausführungsformen kann der Wölbungsschwellwert 2,9 oder 3,1 oder ein anderer Wert nahe 3 sein. Wenn jede große Spitze aus dem Spitzensatz entfernt ist, wird die kumulative Energie der verbleibenden Spitzen in dem Satz berechnet. Alle Spitzen, die ausgewählt wurden, (einen periodischen Spitzensatz bilden) werden als periodisch angesehen. Die Energie der periodischen Spitze wird als die periodische Energie des Originalspektrums angesehen. Wenn im Verlauf des Prozesses eines Auswählens von Spitzen die Gesamtenergie des „wachsenden“ periodischen Spitzensatzes größer als oder gleich der prozentualen periodischen Energie wird, bevor die Spitzensatzwölbung einen Wölbungsschwellwert von 3 oder kleiner erreicht, dann stoppt der Prozess und der periodische Spitzensatz ist somit definiert.
Der hier beschriebene Wölbungsalgorithmus kann auf jede FFT, nicht nur autokorrelierte FFT, angewendet werden. Durch Anwenden dieses Algorithmus zum Beispiel auf eine Geschwindigkeits-FFT können die wichtigen gefundenen Spitzen ausgewählt werden und zum Bestimmen der einflussreichsten Spitzen in einer FFT verwendet werden. (Diese Spitzen werden nicht notwendigerweise alle periodischen Spitzen sein, die bei Anwendung auf die aktuelle Offenbarung vorgefunden werden können.) Diese einflussreichen Spitzen können als Grundlage zum Verbessern der Geschwindigkeitsdetektion sowie wichtiger harmonischer Familien verwendet werden. Die harmonischen Familien können mit mechanischen Komponenten zusammenhängen, die Zahnradeingriff, Zahnradzähne, Exzentrizität (statisch und dynamisch) und Lageranomalien, um nur einige zu nennen, erzeugen.
Ein Implementieren der hier beschriebenen Periodizitätstechnologie ist besonders bei Anwendung auf PeakVue™-Daten nützlich. „PeakVue Plus“ bezieht sich auf einen Prozess, der den PeakVue™-Prozess mit der hier beschriebenen Periodizität kombiniert. Jede Periodizität, die keine Harmonische einer Laufgeschwindigkeit (hier bezeichnet als „nicht-synchrone Periodizität“) ist, wird typischerweise mit einem Lagerfehler (wie z. B. Innen- oder Außenringfehlern oder Wälzkörperspin- oder Käfigfehlern) assoziiert. Die Schwere eines Lagerfehlers kann durch die Spitzenamplitude der assoziierten PeakVue™-Wellenform bestimmt werden. Diese Schwere ist proportional zu den Fehlerniveaus, die durch die Drehgeschwindigkeit des Lagers vorgeschrieben werden. Wenn ein Getriebe überwacht wird, steht jede synchrone Periodizität mit der Gesundheit der Zahnradzähne im Zusammenhang. Die Schwere von Zahnradzahnfehlern steht im Zusammenhang mit der Spitzenamplitude der PeakVue™-Wellenform und ist proportional mit den Fehlerniveaus, die durch die assoziierte Zahnradgeschwindigkeit vorgeschrieben werden. Wenn große Spitzenamplitudenwerte in der PeakVue™-Wellenform vorhanden sind und PSP ≤ 0,1, dann werden Schmierungsprobleme in Wälzlagern und/oder Getrieben vermutet.
Durch Bestimmen der Periodizität einer Wellenform kann das PIP produziert werden, um einem Analysten zu ermöglichen, den Zustand der Maschinen, die überwacht werden, einfach zu visualisieren. Aus diesem vereinfachten Diagramm kann der Analyst Fehler vorhersagen, entsprechend deren gehandelt werden soll oder die gegebenenfalls untersucht werden sollen. Bevorzugte Ausführungsformen eines Prozesses zum Erzeugen des PIP sind im Anschluss beschrieben.
Manche Ausführungsformen, die hier beschrieben sind, stellen eine Vorrichtung zum Erfassen und Analysieren von periodischen Informationen in Schwingungen, die mit einer Maschine assoziiert sind, bereit. In einer bevorzugten Ausführungsform die Vorrichtung ein Schwingungssensor, ein Datensammler und ein Prozessor. Der Schwingungssensor ist an der Maschine befestigt und erzeugt ein Schwingungssignal. Der Datensammler, der in Kommunikation mit dem Schwingungssensor ist, empfängt und konditioniert das Schwingungssignal. Der Datensammler beinhaltet einen Analog-Digital-Wandler zum Umwandeln des Schwingungssignals in digitale Schwingungsdaten. Der Prozessor empfängt die digitalen Schwingungsdaten und führt Betriebsanweisungen zum Verarbeiten der digitalen Schwingungsdaten aus, um:

- eine Schwingungswellenform auf Grundlage der digitalen Schwingungsdaten zu erzeugen;
- eine Autokorrelationsfunktion an der Schwingungswellenform durchzuführen, um eine Autokorrelationswellenform zu erzeugen;
- eine schnelle Fourier-Transformation an der Schwingungswellenform durchzuführen, um ein Schwingungsspektrum, das Schwingungsamplitudenspitzen beinhaltet, zu erzeugen;
- eine schnelle Fourier-Transformation an der Autokorrelationswellenform durchzuführen, um ein Autokorrelationsspektrum, das Autokorrelationsamplitudenspitzen beinhaltet, zu erzeugen;
- eine erste Liste der Schwingungsamplitudenspitzen aus dem Schwingungsspektrum zusammenzustellen;
- eine periodische Spitzenliste der Autokorrelationsamplitudenspitzen, die nur Autokorrelationsamplitudenspitzen beinhaltet, die nicht mit Rauschen in der Schwingungswellenform assoziiert sind, zusammenzustellen;
- eine Spitzenliste durch sequenzielles Hinzufügen jeder Schwingungsamplitudenspitze aus der ersten Liste, die mit einer Autokorrelationsamplitudenspitze in der periodischen Spitzenliste übereinstimmt, zur Spitzenliste zu erzeugen;
- wenn Schwingungsamplitudenspitzen zur Spitzenliste hinzugefügt werden, eine Gesamtmenge an Spitzenenergie, die mit den Schwingungsamplitudenspitzen in der Spitzenliste assoziiert ist, zu bestimmen; und
- nachdem die Gesamtmenge an Spitzenenergie einen vorbestimmten Schwellwert überschreitet, ein periodisches Informationsdiagramm, umfassend die Schwingungsamplitudenspitzen in der Spitzenliste, zu erzeugen.

In manchen Ausführungsformen stellt der Prozessor die periodische Spitzenliste zusammen durch:

(a) Zusammenstellen einer zweiten Liste von Autokorrelationsamplitudenspitzen, die eine Vielzahl von größten Autokorrelationsamplitudenspitzen aus dem Autokorrelationsspektrum beinhaltet;
(b) Berechnen eines Wölbungswerts auf Grundlage von Amplituden aller Spitzen in der zweiten Liste;
(c) wenn der Wölbungswert größer als ein Wölbungsschwellwert ist, Verschieben einer Spitze, die eine Amplitude hat, die größer als Amplituden von anderen Spitzen in der zweiten Liste ist, von der zweiten Liste in die periodische Spitzenliste; und
(d) Wiederholen von Schritten (b) und (c), bis der Wölbungswert kleiner als oder gleich dem Wölbungsschwellwert ist.

In manchen Ausführungsformen ist der Wölbungsschwellwert 3.
In manchen Ausführungsformen klassifiziert der Prozessor die Amplitudenspitzen als synchrone Spitzen und nicht-synchrone Spitzen. Der Prozessor weist den synchronen Spitzen in dem periodischen Informationsdiagramm eine oder mehrere erste Anzeigefarben zu und weist den nicht-synchronen Spitzen eine oder mehrere zweite Anzeigefarben zu, wobei sich die ersten Anzeigefarben von den zweiten Anzeigefarben unterscheiden.
In manchen Ausführungsformen teilt der Prozessor Amplitudenspitzen, die synchrone Spitzen sind, in mehrere Familien auf und weist jeder Familie von synchronen Spitzen in dem periodischen Informationsdiagramm eine andere Anzeigefarbe zu.
In manchen Ausführungsformen umfasst der Datensammler einen digitalen Datenrekorder oder einen Schwingungsdatensammler.
In manchen Ausführungsformen ist der Prozessor eine Komponente des Datensammlers oder eine Komponente eines Analystencomputers, der über ein Kommunikationsnetz in Kommunikation mit dem Datensammler ist.
In einem anderen Aspekt stellen hier beschriebene Ausführungsformen ein computerimplementiertes Verfahren zum Analysieren von periodischen Informationen in digitalen Schwingungsdaten, die für Maschinenleistungsanalyse gesammelt werden, bereit. Eine bevorzugte Ausführungsform des Verfahrens beinhaltet die folgenden Schritte:

(a) Erzeugen einer Schwingungswellenform auf Grundlage der digitalen Schwingungsdaten;
(b) Durchführen einer schnellen Fourier-Transformation an der Schwingungswellenform, um ein Schwingungsspektrum zu erzeugen;
(c) Zusammenstellen einer periodischen Spitzenliste von Schwingungsamplitudenspitzen durch statistisches Trennen von periodischen Spitzen von Rauschspitzen in dem Schwingungsspektrum, wobei das Zusammenstellen Folgendes beinhaltet:
- (c1) Erzeugen einer anfänglichen Liste von Schwingungsamplitudenspitzen, die eine Vielzahl von größten Schwingungsamplitudenspitzen aus dem Schwingungsspektrum beinhaltet;
- (c2) Berechnen eines Wölbungswerts auf Grundlage von Amplituden aller Schwingungsamplitudenspitzen in der anfänglichen Liste;
- (c3) wenn der Wölbungswert größer als ein Wölbungsschwellwert ist, Verschieben einer Schwingungsamplitudenspitze mit einer Amplitude, die größer als Amplituden von anderen Spitzen in der ersten Liste ist, von der anfänglichen Liste zur periodischen Spitzenliste; und
- (c4) Wiederholen von Schritten (c2) und (c3), bis der Wölbungswert kleiner als oder gleich dem Wölbungsschwellwert ist; und
(d) grafisches Darstellen auf einem Anzeigegerät von Maschinenschwingungsinformationen, die die Schwingungsamplitudenspitzen in der periodischen Spitzenliste umfassen oder von diesen abgeleitet sind.

In manchen Ausführungsformen ist der Wölbungsschwellwert 3.
In manchen Ausführungsformen ist die Schwingungswellenform eine Autokorrelationswellenform und ist das Schwingungsspektrum ein Autokorrelationsspektrum.
In manchen Ausführungsformen beinhaltet Schritt (d) ein grafisches Darstellen von Maschinenschwingungsinformationen, die nur auf periodische Informationen in den digitalen Schwingungsdaten hindeuten.
In manchen Ausführungsformen deuten die digitalen Schwingungsdaten auf Schwingung einer Pumpe hin und umfasst Schritt (d) ein grafisches Darstellen von Maschinenschwingungsinformationen, die auf Kavitation in der Pumpe hindeuten.
In einem anderen Aspekt stellen hier beschriebene Ausführungsformen ein computerimplementiertes Verfahren zum Analysieren von periodischen Informationen in digitalen Schwingungsdaten, die für Maschinenleistungsanalyse gesammelt werden, bereit. Eine bevorzugte Ausführungsform des Verfahrens beinhaltet die folgenden Schritte:

(a) Erzeugen einer Schwingungswellenform auf Grundlage der digitalen Schwingungsdaten;
(b) Durchführen einer schnellen Fourier-Transformation an der Schwingungswellenform, um ein Schwingungsspektrum zu erzeugen;
(c) Identifizieren von Schwingungsamplitudenspitzen in dem Schwingungsspektrum;
(d) Klassifizieren jeder der Schwingungsamplitudenspitzen als eine synchrone Spitze oder eine nicht-synchrone Spitze;
(e) grafisches Darstellen der synchronen Spitzen auf einem Anzeigegerät in einer oder mehreren ersten Anzeigefarben oder einem oder mehreren ersten Linienstilen; und
(f) grafisches Darstellen der nicht-synchronen Spitzen auf dem Anzeigegerät in einer oder mehreren zweiten Anzeigefarben oder einem oder mehreren zweiten Linienstilen, die sich von den ersten Anzeigefarben und ersten Linienstilen unterscheiden.

In manchen Ausführungsformen beinhaltet das Verfahren ein Aufteilen der Schwingungsamplitudenspitzen, die als synchrone Spitzen klassifiziert sind, in mehrere Familien und umfasst Schritt (e) ein grafisches Darstellen jeder Familie von synchronen Spitzen in einer ersten Anzeigefarbe oder einem ersten Linienstil, die/der sich von ersten Anzeigefarben oder ersten Linienstilen, in denen andere Familien von synchronen Spitzen angezeigt sind, unterscheidet.
Figurenliste
Das Patent oder die Anmeldungsdatei enthält mindestens eine in Farbe ausgeführte Zeichnung. Exemplare dieses Patents oder dieser Patentanmeldungsveröffentlichung mit Farbzeichnung(en) werden vom Amt auf Anfrage und Zahlung der notwendigen Gebühren bereitgestellt. Weitere Vorteile der Erfindung werden durch Bezugnahme auf die detaillierte Beschreibung in Verbindung mit den Figuren deutlich, wobei Elemente nicht maßstabsgetreu sind, um die Einzelheiten deutlicher zu zeigen, wobei gleiche Referenznummern gleiche Elemente in den mehreren Ansichten angeben und wobei:

1A und 1B Funktionsblockdiagramme eines Systems zum Ableiten und Analysieren von periodischen Informationen in einem Signal gemäß bevorzugten Ausführungsformen der Erfindung darstellen;
2 ein Flussdiagramm eines Verfahrens zum Bestimmen eines periodischen Signalparameters gemäß einer bevorzugten Ausführungsform der Erfindung darstellt;
3-7 beispielhafte autokorrelierte Schwingungswellenformen für verschiedene Werte eines periodischen Signalparameters darstellen;
8 ein Flussdiagramm eines Verfahrens zum Erzeugen eines periodischen Informationsdiagramms gemäß einer ersten Ausführungsform der Erfindung darstellt;
9 ein beispielhaftes Standardschwingungsspektrum darstellt;
10 ein beispielhaftes autokorreliertes Schwingungsspektrums, das von dem in 9 dargestellten Spektrum abgeleitet ist, darstellt;
11-17 periodische Informationsdiagramme, die auf Grundlage des in 9 dargestellten Spektrums erzeugt sind, gemäß bevorzugten Ausführungsformen der Erfindung darstellen;
18 eine grafische Darstellung von diagnostischen Fehlerzustandsmessgeräten gemäß einer bevorzugten Ausführungsform darstellt;
19 ein Diagramm von Energie, die aus einer Autokorrelationswellenform berechnet ist, in Bezug auf zufälliges Schwingungsrauschen und andere nicht-periodische Energie, die in einem Schwingungssignal vorhanden ist, darstellt;
20 ein Flussdiagramm eines Verfahrens zum Erzeugen eines periodischen Informationsdiagramms gemäß einer zweiten Ausführungsform der Erfindung darstellt;
21 eine grafische Anzeige von Diagnoseinformationen für ein zweistufiges Getriebe mit einem abgebrochenen Zahn an dem Großzahnrad der zweiten Welle darstellt;
22 ein Flussdiagramm eines Verfahrens zum Bestimmen eines Lagerfehlerschwerewerts und eines Schmierungsschwerewerts gemäß einer bevorzugten Ausführungsform der Erfindung darstellt;
23 eine grafische Anzeige von Diagnoseinformationen für ein vollgeschmiertes Lager ohne Fehler darstellt;
24 eine grafische Anzeige von Diagnoseinformationen für ein gutes Lager ohne signifikante Fehler, abgesehen davon, dass es aufgrund eines Mangels an Schmierung „trocken“ läuft, darstellt;
25 eine grafische Anzeige von Diagnoseinformationen für ein vollgeschmiertes Lager mit einem Innenringfehler darstellt;
26 eine grafische Anzeige von Diagnoseinformationen für ein Lager, das einen Innenringfehler hat und das aufgrund eines Mangels an Schmierung „trocken“ läuft, darstellt;
27 ein Flussdiagramm eines Verfahrens zum Bestimmen eines Lagerfehlerschwerewerts, eines Getriebefehlerschwerewerts und eines Schmierungsschwerewerts gemäß einer bevorzugten Ausführungsform der Erfindung darstellt;
28 einen beispielhaften Graphen von repräsentativen Warnpegeln für eine PeakVue-Wellenform für einen Innenringlagerfehler, der gemäß einer Ausführungsform bestimmt ist, darstellt;
29A und 29B einen Prozess zum Erzeugen eines periodischen Informationsdiagramms gemäß einer dritten Ausführungsform darstellt;
30 eine Anzeige von Schwingungsinformationen, die einen abgebrochenen Zahn an einem ersten Großzahnrad eines zweistufigen Getriebes angeben, darstellt, wobei die Informationen ein periodisches Informationsdiagramm beinhalten, das gemäß der dritten Ausführungsform erzeugt ist;
31 ein alternatives Verfahren zum Bezeichnen von Familien von Spitzen unter Verwendung von Linien mit verschiedenen Linienstärken und/oder -mustern darstellt; und
32 ein periodisches Informationsdiagramm, das gemäß einer Ausführungsform der Erfindung erzeugt ist, darstellt, wobei Familien von Spitzen unter Verwendung von Linien mit verschiedenen Linienstärken und/oder -mustern angegeben sind.

DETAILLIERTE BESCHREIBUNG
1A und 1B stellen beispielhafte Systeme 100 zum Ableiten und Analysieren von periodischen Informationen in einem Schwingungssignal dar. In der Ausführungsform von 1A ist ein Sensor 104, wie z. B. ein Beschleunigungsmesser, an einer Maschine 102 befestigt ist, um ihre Schwingung zu überwachen. Obwohl ein Beschleunigungsmesser in der beispielhaften Ausführungsform von 1A dargestellt ist, sollte verstanden werden, dass andere Typen von Sensoren verwendet werden könnten, wie z. B. ein Geschwindigkeitssensor, ein Verschiebungsfühler, ein Ultraschallsensor oder ein Drucksensor. Der Sensor 104 erzeugt ein Schwingungssignal (oder einen anderen Typ von Signal für einen anderen Sensor als einen Beschleunigungsmesser), das periodische Informationen enthält. Für wiederholbare und beste Ergebnisse wird bevorzugt, jeden Sensor 104 so zu platzieren, dass ein fester Übergangsweg von der Signalquelle (z. B. einem Lager) zum Montageort des Sensors vorliegt. Das Montieren des Sensors 104 sollte auch durchgeführt werden, um zu gewährleisten, dass das Signal mit so wenig Verzerrung wie möglich erfasst wird. Bevorzugte Ausführungsformen beinhalten einen oder mehrere Tachometer 116 zum Messen der Drehzahl von einer oder mehreren rotierenden Komponenten der Maschine 102. Die Schwingungs- und Tachometersignale sind einem Datensammler 106 bereitgestellt, der bevorzugt einen Analog-Digital-Wandler (analog-todigital converter, ADC) 108 zum Abtasten der Schwingungs- und Tachometersignale, einen optionalen Tiefpass-Anti-Aliasing-Filter 110 (oder eine andere Kombination von Tiefpass- und Hochpassfiltern) und Pufferspeicher 112 umfasst. Zum Beispiel kann der Datensammler 106 ein digitaler Datenrekorder, ein Handschwingungsdatensammler oder ein dauerhaftes oder temporär montiertes Überwachungsgerät sein. Die Schwingungssignaldaten werden einem periodischen Informationsprozessor 114, der die hier beschriebenen Informationsverarbeitungsaufgaben durchführt, kommuniziert. In der Ausführungsform von 1A ist der periodische Informationsprozessor 114 eine Komponente des Datensammlers 106. In dieser Ausführungsform kommuniziert der periodische Informationsprozessor 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 einem Anzeigegerät 118.
In einer alternativen Ausführungsform, die in 1B dargestellt ist, ist der periodische Informationsprozessor 114 eine Komponente des Analystencomputers 120. Diese Ausführungsform kann für Situationen bevorzugt werden, in denen Datenübertragung und -speicherung keine Hauptbedenken sind, sodass der ganze Datensatz über das Netz 122 an den Analystencomputer 120 oder ein anderes Remote-Verarbeitungsgerät zur Nachverarbeitung unter Verwendung derselben Algorithmen und Techniken übertragen werden kann.
In Bezug auf Sensorplatzierung für Lager- und Zahnraddiagnose ist der Sensor 104 typischerweise orthogonal zur Welle montiert. Er ist bevorzugt an einem starren und massiven Metallstück, das nahe der Quelle des Signals (d. h. des Lagers oder Zahnrads) ist, montiert. Die große Metallmasse, an der der Sensor montiert ist, hilft dabei, zu verhindern, dass Resonanzen in das Signal eintreten aufgrund der Oberfläche der Maschine im Gegensatz zu dem, was im Innern der Maschine passiert. Der Sensor 104 sollte montiert sein, um einen Verlust von Signalintegrität während der Übertragung zu minimieren. Dies erfordert eine starre Verbindung - typischerweise durch Bolzenbefestigung des Sensors 104. Unter manchen Umständen, wie z. B. wo die Montageoberfläche der Maschine rau oder nicht mit vielen Farbschichten bedeckt ist, wird die Oberfläche geschliffen werden müssen.
Periodischer Signalparameter
2 stellt ein Flussdiagramm eines Verfahrens zum Berechnen eines periodischen Signalparameters (PSP) gemäß einer bevorzugten Ausführungsform der Erfindung dar. Eine Zeitbereichsschwingungswellenform wird gemessen, wie z. B. unter Verwendung des Beschleunigungsmessers 104 oder eines anderen Sensors, der an der Maschine 102, die überwacht wird, befestigt ist (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 wiederkehrende Muster innerhalb der Wellenform zu finden. Die Autokorrelationsfunktion gibt eine Autokorrelationswellenform 16 aus, wofür Beispiele in 3-7 dargestellt sind. Mehrere statistische Charakteristiken der Autokorrelationswellenform werden berechnet, einschließlich der Standardabweichung (σ), der maximalen absoluten Spitzenamplitude in der Wellenform (MaxPeak), der maximalen absoluten Spitze nach den ersten 3 % der Wellenform (MaxPeak (nach ersten 3 %)) und des Crest-Faktors (CF1) (Schritt 18). Die positiven Wellenformspitzen werden aussortiert (Schritt 32), jene Spitzen, die statistisch zu groß sind, werden verworfen (Schritt 34) und die mittlere Amplitude (sortiertes µ) und der Crest-Faktor (CF2) der verbleibenden Spitzen werden berechnet (Schritt 35). Verfahren zum Sortieren und Verwerfen von Spitzen, die statistisch zu groß sind, sind im Anschluss beschrieben.
Wenn MaxPeak größer als oder gleich 0,3 ist (Schritt 20) und $\frac{M a x P e a k (n a c h e r s t e n 3 %)}{s o r t i e r t e s μ} \geq 4$
(Schritt 22), dann Y = 0,025 (Schritt 24).
Wenn MaxPeak größer als oder gleich 0,3 ist (Schritt 20) und $\frac{M a x P e a k (n a c h e r s t e n 3 %)}{s o r t i e r t e s μ} < 4$
(Schritt 22), dann Y = 0 (Schritt 25).
Wenn MaxPeak kleiner als 0,3 (Schritt 20) und CF1 kleiner als 4 ist und σ kleiner als oder gleich 0,1 ist (Schritt 26), dann Z = 0,025 (Schritt 28). Wenn MaxPeak kleiner als 0,3 (Schritt 20) und CF1 nicht kleiner als 4 ist oder σ größer als 0,1 ist (Schritt 26), dann Z = 0 (Schritt 30).
Wenn CF2 größer als oder gleich 4 ist und die Anzahl von verworfenen Spitzen größer als 2 ist (Schritt 36), dann W = 0,025 (Schritt 38). Wenn CF2 kleiner als 4 ist oder die Anzahl von verworfenen Spitzen nicht größer als 2 ist (Schritt 36), dann W = 0 (Schritt 40).
Wenn $\frac{M a x P e a k}{M a x P e a k (n a c h e r s t e n 3 %)} > 1$
(Schritt 42) und σ zwischen 0,1 und 0,9 ist (Schritt 44), dann X = 0,1 (Schritt 46). Wenn $\frac{M a x P e a k}{M a x P e a k (n a c h e r s t e n 3 %)} \leq 1$
(Schritt 42) oder σ nicht zwischen 0,1 und 0,9 ist (Schritt 44), dann X = σ (Schritt 48).
Der PSP ist die Summe der Werte von X, W, Y und Z (Schritt 50).
Im Allgemeinen deuten kleinere PSP-Werte auf mehr nicht-periodische Signale und weniger charakteristische Frequenzen hin, während größere PSP-Werte bezeichnend für mehr periodische Signale im Zusammenhang mit großen einzelnen Frequenzen sind. Wie in 3 gezeigt, geben Werte von kleiner als einem ersten Schwellwert wie z. B. 0,1 an, dass die Schwingungswellenform hauptsächlich nicht-periodisch ist. Wie in 4 gezeigt, weist der Algorithmus für den PSP Signalen mit Daten niedriger Amplitude und höherer Frequenz einen Wert von 0,1 zu. Diese Daten können sich auch als fehlerhafte Daten erweisen. Wie in 5 gezeigt, geben PSP-Werte zwischen ersten und zweiten Schwellwerten, wie z. B. zwischen etwa 0,10 und 0,14, an, dass charakteristische Frequenzen vorhanden sind, aber es ist noch immer eine signifikante Menge an nichtperiodischem Inhalt gibt. Wie in 6 gezeigt, geben PSP-Werte, die größer als der zweite Schwellwert sind, wie z. B. größer als etwa 0,14, sehr charakteristische Frequenzen an, die für die Analyse sehr wichtig sind, wie z. B. Schaufelpassierfrequenzen oder Wälzkörperüberrollfrequenzen, zusammen mit Signalen kleiner Amplitude, die auf niedrigere Frequenzen hindeuten, wie z. B. RPM oder Käfig zusammen mit ihren Harmonischen. Wie in 7 gezeigt, geben PSP-Werte, die größer als ein dritter Schwellwert sind, wie z. B. größer als 0,5 und darüber, große dominante einzelne Frequenzen in dem Spektrum, das der Schwingungswellenform entnommen ist, an. Je näher der PSP-Wert 1,0 ist, desto mehr periodische Signalkomponenten und nicht-periodischen Inhalt hat die Wellenform.
Es folgen einige Vorteile eines Erzeugens eines PSP.

- Der PSP stellt eine einzelne Anzahl, die auf den periodischen Inhalt in einer Wellenform hindeutet, bereit.
- Statistische Werte werden aus der autokorrelierten Wellenform berechnet und einer oder mehrere dieser Werte werden kombiniert, um den PSP zu produzieren.
- Ein Anzeichen für fehlerhafte Daten oder nicht-periodische Signale ist bereitgestellt.
- Informationen über Periodizität können aus einem großen Datensatz extrahiert werden und über ein kleines Bandbreitenprotokoll, wie z. B. HART®, WirelessHART® und andere ähnliche Protokolle, gesendet werden.
- Der PSP-Wert kann spezifisch auf PeakVue™-Daten angewendet werden, um zwischen periodischen und nicht-periodischen Fehlern, wie z. B. Schmierungs-, Kavitations-, Lager-, Zahnrad- und Rotorfehlern, zu unterscheiden.
- Der PSP-Wert kann in Verbindung mit anderen Informationen verwendet werden, um ein Anzeichen für Maschinenzustand (d. h. Art des mechanischen Fehlers, Schwere des Fehlers) zu erzeugen. Die anderen Informationen können Folgendes beinhalten:
- - die Schwingungswellenform;
- - verarbeitete Versionen der Wellenform;
- - Informationen, die aus der Originalschwingungswellenform erhalten werden (d. h. Spitzenwert, Crest-Faktor, Wölbung, Schiefe);
- - Informationen, die aus einer verarbeiteten Version der Schwingungswellenform erhalten werden (d. h. verarbeitete, korrigierte oder demodulierte PeakVue™-Wellenform); und/oder
- - einen oder mehrere Regelsätze.

Periodisch [rechts] Stresswelle [unten]	PSP - Niedrig (PSP < PSP-Schwellwert)	PSP - Hoch (PSP > PSP-Schwellwert)
PeakVue™ oder andere Stresswellenanalyse - Niedrig (Stresswellenwert < Stresswellenschwellwert)	Kein Fehleranzeichen: keine Handlung auf Grundlage dieser Feststellung gefordert	Mit periodischem Fehler zusammenhängender Defekt im frühen Stadium: Suchen nach frühen Anzeichen für einen der periodischen Fehlertypen wie z. B. den unten aufgelisteten
PeakVue™ oder andere Stresswellenanalyse - Hoch (Stresswellenwert > Stresswellenschwellwert)	Nicht-periodischer Fehler: Suchen nach weiteren oder bestätigenden Hinweisen für unangemessene Schmierung oder Leck oder Kontaktreibung oder Pumpenkavitation	Periodischer Fehler: Suchen nach Wälzlagerdefekt oder Zahnraddefekt oder anderer Quelle von wiederholtem periodischem mechanischem Aufprallen - Verwenden von Frequenzinformationen und anderen Informationen, um zwischen mehreren möglichen Fällen zu unterscheiden

Eine weitere Ausführungsform der vorliegenden Erfindung setzt eine programmierbare zentrale Verarbeitungseinheit, wie z. B. den Prozessor 114, ein, die mit Programmlogik programmiert ist, um einen Benutzer bei einer Interpretation von Wellenforminformationen zu unterstützen. Die Programmlogik vergleicht die periodischen Signalparameter- und Stresswellenanalyseinformationen mit erwarteten oder historischen oder empirisch-abgeleiteten erfahrungsmäßigen Werten, um eine relative Rangfolge von niedrig zu hoch zu erkennen. Die diskreten oder abgestuften Ausgaben, wie z. B. die in Tabelle 2 oben dargestellten, werden eingesetzt, um logisch angeordnete Beobachtungen, Feststellungen und Empfehlungen auszuwählen. Zusätzlich zum Beurteilen von PSP- und Stresswellenanalyseinformationen fordert Programmlogik einen Benutzer manchmal auf, zusätzliche Informationen bereitzustellen, oder erhält zusätzliche Informationen aus einer anderen Quelle, wie z. B. aus einer Wissensbasis, um der Logik zu ermöglichen, zwischen zwei oder mehr möglichen logischen Ergebnissen zu unterscheiden. Zum Beispiel kann Programmlogik, die eine hohe PSP- und eine hohe Stresswellenanalysefeststellung zurückgibt, eine Wälzkörperdefektfeststellung anstatt anderer möglicher Feststellungen innerhalb dieser Kategorie auswählen, da eine Ähnlichkeit berechnet wird, wenn Programmlogik eine periodische Frequenzfeststellung und eine Lagerfehlerfrequenz für eine Maschinenkomponente, die in einer Wissensbasis identifiziert wurde, vergleicht.
Eine andere Technik zum Unterscheiden zwischen Schmierung und Pumpenkavitation besteht darin, den Trend des Aufprallens zu betrachten, wie angegeben durch Stresswellenanalyse. Wenn er sich langsam erhöht, dann sollte ungenügende Schmierung vermutet werden. Wenn er sich plötzlich an einer Pumpe erhöht, dann ist es wahrscheinlich Pumpenkavitation. Wenn er mit Logik oder Eingaben an einem Steuersystem kombiniert wird, dann könnte die Logik nach Prozesskonfigurationsänderungen, die zur selben Zeit wie die Erhöhung des Aufprallens - zusammen mit einem niedrigen PSP - auftraten, suchen, um Pumpkavitation zu bestätigen. In manchen Ausführungsformen schlägt das System dem Bediener vor, welche Handlung die Kavitation verursachte, sodass der Bediener die Ursache beheben kann und die Maschine davon abhalten kann, übermäßig zu verschleißen und vorzeitig auszufallen.
Periodisches Informationsdiagramm
Eine bevorzugte Ausführungsform der Erfindung erzeugt einen neuen Typ von Schwingungsspektrum, hier als ein periodisches Informationsdiagramm (PIP) bezeichnet. Das PIP stellt dem Benutzer eine leicht zu betrachtende Zusammenfassung der überwiegenden periodischen Spitzen aus dem Ursprungsspektrum bereit, das ein PeakVue-Spektrum in einer bevorzugten Ausführungsform sein würde.
PIP-Erzeugung - Erste Ausführungsform
In einer ersten Ausführungsform wird ein Signal aus Anlagenausrüstung (z. B. rotierender oder hin- und herbewegender Ausrüstung) gesammelt und wird unter Verwendung von zwei verschiedenen Sätzen von Analysetechniken, wie dargestellt in 8, verarbeitet.
Zunächst wird eine Wellenform erfasst (Schritt 60, 8), wie z. B. eine Schwingungswellenform, die unter Verwendung des Systems, dargestellt in 1A, erfasst wird. Wenn ein Hochpassfilter und Spitzenhaltedezimierung auf eine überabgetastete Wellenform eingesetzt werden, um Aufprallinformationen (wie z. B. unter Verwendung des PeakVue™-Prozesses) zu erfassen, kann dies eine berechnete Wellenform sein. Eine FFT der Wellenform wird genommen (Schritt 62), was zu einem Schwingungsspektrum (vibration spectrum, VS) 64 mit Frequenz auf der x-Achse und Amplitude auf der y-Achse führt, wofür ein Beispiel in 9 gezeigt ist.
Die Wellenform aus Schritt 60 wird ebenfalls autokorreliert (Schritt 66), um eine Wellenform, hier bezeichnet als die Autokorrelationswellenform 68, mit Zeit auf der x-Achse und dem Korrelationsfaktor auf der y-Achse zu erzeugen. Der Autokorrelationsprozess hebt periodische Komponenten der Schwingungswellenform hervor, während er die Anwesenheit von zufälligen Ereignissen in dem Originalsignal verringert. Infolge der Autokorrelationsberechnungen hat die Autokorrelationswellenform 68 die Hälfte der x-Achsen-(Zeit-)Werte wie die der Originalschwingungswellenform 60. Deshalb wird die Zeitspanne der Autokorrelationswellenform 68 die Hälfte der der Originalschwingungswellenform 60 sein. Ein optionaler Schritt (70) nimmt die Quadratwurzel der Autokorrelationswellenform (y-Achsenwerte), um bessere Differenzierung zwischen niedrigeren Amplitudenwerten bereitzustellen.
Eine FFT der Autokorrelationswellenform 68 wird genommen (Schritt 72), was zu einem Autokorrelationsspektrum (AS) 74 führt. Da zufällige Ereignisse größtenteils aus der Autokorrelationswellenform 68 entfernt wurden, steht das verbleibende Signal in dem Autokorrelationsspektrum 74 in starkem Zusammenhang mit periodischen Ereignissen. Wie in 10 gezeigt, hat das Autokorrelationsspektrum 74 Frequenz auf der x-Achse und Amplitude im Zusammenhang mit dem Korrelationsfaktor auf der y-Achse. Da die Dauer der Autokorrelationswellenform die Hälfte der der Schwingungswellenform 60 ist, hat das assoziierte Autokorrelationsspektrum 74 die Hälfte der Auflösungslinien im Vergleich zum Schwingungsspektrum 64.
In der ersten Ausführungsform sind das Schwingungsspektrum 64 und das Autokorrelationsspektrum 74 verarbeitet, um einen Graphen, hier bezeichnet als das periodische Informationsdiagramm (PIP), abzuleiten (Schritt 76). Mehrere Verfahren zum Verarbeiten des Schwingungsspektrums 64 und des Autokorrelationsspektrums 74 können gemäß der ersten Ausführungsform verwendet werden, von denen drei unten beschrieben sind.
Da das Schwingungsspektrum zweimal die Auflösung des Autokorrelationsspektrums ist, ist ein Punkt-zu-Punkt-Vergleich für Werte auf der x-Achse (Frequenz) zwischen zwei Spektren nicht möglich. Allerdings kann ein Punkt-zu-Punkt-Vergleich durch mathematisches Kombinieren der Amplitudenwerte von zwei x-Achsenwerten in dem Schwingungsspektrum (Schritt 65) für jeden assoziierten x-Achsenwert in dem Autokorrelationsspektrum vorgenommen werden. Jeder X_AS(n)-Wert des Autokorrelationsspektrums (wobei n = 1 ... N und N die Anzahl von Auflösungslinien für das Autokorrelationsspektrum ist) wird dem X_VS(2n)-Wert auf dem Schwingungsspektrum zugeordnet. Der mathematisch kombinierte x-Achsenwert ist definiert, sodass X_MCVS(n) = X_VS(2n). Die mathematisch kombinierten Amplitudenwerte Y_VS(2n) und Y_VS(2n-1) (hier bezeichnet als Y_MCVS(n)), die mit dem X_MCVS(n)-Wert aus dem Schwingungsspektrum assoziiert sind, werden aus den Amplituden von sowohl den Y_VS(2n)- als auch X_VS(2n-1)-Frequenzen von der x-Achse berechnet. Die Berechnung zum Ableiten des mathematisch kombinierten Amplitudenwerts, der mit dem X_MCVS(n)-Wert aus dem Schwingungsspektrum assoziiert ist, ist: $Y_{MCVS} (n) = \sqrt{{(Y_{V S} (2 n - 1))}^{2} + {(Y_{V S} (2 n))}^{2}},$
wobei n = 1 ... N und N die Anzahl von Auflösungslinien, die in dem Autokorrelationsspektrum vorgefunden wird, 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-Werts in dem Schwingungsspektrum (Y_MCVS) mit dem entsprechenden Y-Wert in dem Autokorrelationsspektrum (Y_AS) bestimmt gemäß: $Y_{PIP1} (n) = Y_{MCVS} (n) \times Y_{AS} (n)$
für n = 1 bis N, wobei N die Anzahl von X-Werten (Frequenzwerten) in dem Autokorrelationsspektrum ist. Da Amplituden von periodischen Signalen in dem Autokorrelationsspektrum höher sind als die Amplituden von zufälligen Signalen, wird der Multiplikationsprozess die periodischen Spitzen hervorheben, während nicht-periodische Spitzen verringert werden. Ein Beispiel eines PIP, das durch das erste Verfahren gebildet ist, ist in 11 dargestellt. In allen hier dargestellten Beispielen 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) durch Vergleichen des entsprechenden Y-Werts in dem Autokorrelationsspektrum (Y_AS) mit einem vorbestimmten Schwellwert (Y_THR) bestimmt. Für jede Autokorrelationsspektrumsamplitude, die größer als dieser Schwellwert ist, wird die assoziierte Amplitude für PIP (Y_PIP2(n)) auf den entsprechenden mathematisch kombinierten Wert aus dem Schwingungsspektrum (Y_MCVS(n)) festgelegt. Y_AS-Werte über dem vorbestimmten Schwellwert geben Daten an, die größtenteils periodisch sind. Somit sind die Y_PIP2-Werte bestimmt gemäß: ${Wenn Y}_{AS} (n) > Y_{THR}, Y_{PIP2} (n) = Y_{MCVS} (n)$
${Wenn Y}_{AS} (n) \leq Y_{THR} {, Y}_{PIP2} (n) = 0 (oder ein anderer Standardwert)$
für n = 1 bis N.
In einer bevorzugten Ausführungsform des zweiten Verfahrens wird YTHR so festgelegt, dass er nur einen Prozentsatz der größten Spitzen aus dem Autokorrelationsspektrum beinhaltet. Der Prozentsatz kann auf Grundlage des prozentualen periodischen Signals in der Autokorrelationswellenform berechnet werden. Das prozentuale periodische Signal wird auf Grundlage des Autokorrelationskoeffizienten berechnet, der die Quadratwurzel des Y-Werts der größten Spitze in der Autokorrelationswellenform ist. Für dieses Verfahren wird nur das prozentuale periodische Signal der Gesamtanzahl von Autokorrelationsspektrumsspitzen beurteilt. Ein Beispiel eines PIP, das durch dieses Verfahren gebildet ist, mit YTHR festgelegt auf 59 %, ist in 12 dargestellt.
In einer anderen bevorzugten Ausführungsform des zweiten Verfahrens wird YTHR so festgelegt, dass er nur Spitzen mit Werten, die innerhalb des „prozentualen periodischen Signals“ des größten Spitzenwerts in dem Autokorrelationsspektrums liegen, beinhaltet. Diese Spitzen zusammen mit ihren Harmonischen, die in dem Autokorrelationsspektrums erscheinen, werden als die Gruppe von Spitzen, die mit jenen in dem Schwingungsspektrum gekreuzt werden soll, genutzt, um das PIP zu bilden. Ein Beispiel eines PIP, das durch dieses Verfahren gebildet wird, mit YTHR festgelegt auf 59 %, ist in 13 dargestellt.
In einem dritten Verfahren (Schritt 76c) wird das PIP gemäß dem oben beschriebenen ersten Verfahren bestimmt und dann wird der Schwellwert des zweiten Verfahrens auf das PIP angewendet gemäß: ${Wenn Y}_{PIP1} (n) > Y_{THR}, Y_{PIP3} (n) = Y_{PIP1} (n)$
${Wenn Y}_{PIP1} (n) \leq Y_{THR} {, Y}_{PIP3} (n) = 0 (oder ein anderer Standardwert)$
für n = 1 bis N. Ein Beispiel eines PIP, das durch dieses Verfahren gebildet ist, ist in 14 dargestellt.
Manche Ausführungsformen leiten auch ein nicht-periodisches Informationsdiagramm (NPIP), das nur aus den Y-Werten des Autokorrelationsspektrums besteht, die kleiner als ein vorbestimmter Schwellwert sind, ab (Schritt 78). Somit beinhaltet das NPIP nur nicht-periodische Komponenten. Ein Beispiel eines NPIP, das durch dieses Verfahren gebildet ist, ist in 15 dargestellt.
Manche Ausführungsformen leiten auch eine Periodizitätsabbildung aus dem Schwingungsspektrum und dem Autokorrelationsspektrum ab (Schritt 82). Die Periodizitätsabbildung wird durch Paaren der mathematisch kombinierten Y-Werte aus dem Schwingungsspektrum und dem Autokorrelationsspektrum, die einem beliebigen gegebenen X-Wert des Autokorrelationsspektrums entsprechen, erzeugt. Diese Paare werden mit dem mathematisch kombinierten Y-Wert aus dem Schwingungsspektrum Y_MCVS(n) als der X-Wert des Punkts auf der Abbildung X_PM(n) und dem Y-Wert aus dem Autokorrelationsspektrum Y_AS(n) als der entsprechende Y-Wert auf der Abbildung Y_PM(n) grafisch dargestellt gemäß: $X_{PM} (n) = Y_{MCVS} (n)$
$Y_{PM} (n) = Y_{AS} (n)$
für n = 1 bis N. Wie in 16 gezeigt, ähnelt der resultierende Graph einem Wahrscheinlichkeitsmapping. Eine spezifische Software-Implementierung würde dem Benutzer ermöglichen, einen Cursor über jeden Punkt zu bewegen, um die Werte, die diesen Punkt erzeugen, zu betrachten.
Manche Ausführungsformen leiten auch ein kreisförmiges Informationsdiagramm von einem der oben beschriebenen periodischen Informationsdiagramme ab (Schritt 80). Sobald ein lineares PIP berechnet ist, kann eine inverse FFT angewendet werden, um eine „Informationswellenform“ zu erzeugen. Ein kreisförmiges Informationsdiagramm kann dann aus dieser Informationswellenform erzeugt werden. Ein Beispiel eines kreisförmigen Informationsdiagramms, 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. Periodische Signalparameter und periodische Informationsdiagramme können von einem Signal, das periodische Komponenten enthält, abgeleitet sein.
PIP-Erzeugung - Zweite Ausführungsform
In einer zweiten Ausführungsform wird ein Signal aus Anlagenausrüstung (d. h. rotierender oder hin- und herbewegender Ausrüstung) gesammelt und wird unter Verwendung des Verfahrens 300, das in 20 dargestellt ist, verarbeitet.
Zunächst wird eine Wellenform erzeugt (Schritt 302 von 20), wie z. B. eine Schwingungswellenform, die unter Verwendung des Systems, das in 1A dargestellt ist, erfasst wird. Wenn ein Hochpassfilter und Spitzenhaltedezimierung auf eine überabgetastete Wellenform eingesetzt werden, um Aufprallinformationen (wie z. B. unter Verwendung des PeakVue™-Prozesses) zu erfassen, kann dies eine berechnete Wellenform sein. Eine FFT der Schwingungswellenform wird genommen (Schritt 304), was zu einem Schwingungsspektrum 306 mit Frequenz auf der x-Achse und Amplitude auf der y-Achse führt, wofür ein Beispiel in 9 gezeigt ist. Das Schwingungsspektrum 306 wird hier auch als das Schwingungsspektrum bezeichnet, um von dem im Anschluss erörterten Autokorrelationsspektrum zu unterscheiden.
Die Wellenform aus Schritt 302 wird autokorreliert (Schritt 314), um eine Autokorrelationswellenform 316 zu erzeugen, mit Zeit auf der x-Achse und dem Korrelationsfaktor auf der y-Achse. Eine FFT der Autokorrelationswellenform 316 wird unter Verwendung derselben Fmax berechnet, wie bei der Berechnung der FFT der Schwingungswellenform verwendet wurde (Schritt 318), was zu einem Autokorrelationsspektrum 320 führt. Ein Verwenden derselben Fmax zwingt die Auflösungslinien (lines of resolution, LOR) des Autokorrelationsspektrums 320 dazu, die Hälfte der LOR, die beim Berechnen des Schwingungsspektrums 306 verwendet werden, zu sein. Da zufällige Ereignisse größtenteils aus der Autokorrelationswellenform 316 entfernt wurden, steht das verbleibende Signal im Autokorrelationsspektrum 320 im starken Zusammenhang mit periodischen Ereignissen. Wie in 10 gezeigt, hat das Autokorrelationsspektrum Frequenz auf der x-Achse und Amplitude im Zusammenhang mit dem Korrelationsfaktor auf der y-Achse. Da die Dauer der Autokorrelationswellenform die Hälfte der der Schwingungswellenform ist, hat das assoziierte Autokorrelationsspektrum die Hälfte der Auflösungslinien im Vergleich zum Schwingungsspektrum.
Prozentuale periodische Energie (% periodische Energie) ist der Prozentsatz von Energie im Schwingungsspektrum 306, der mit periodischen Signalen zusammenhängt. Sie wird in Schritt 322 auf Grundlage der Autokorrelationswellenform 316 berechnet gemäß: $\begin{array}{l} % p e r i o d i s c h e E n e r g i e = \\ \sqrt{M a x P e a k (n a c h 3 % v o n A u t o k o r r e l a t i o n s w e l l e n f o r m)} . \end{array}$
In einer bevorzugten Ausführungsform wird die Gesamtenergie des Schwingungsspektrums 306 als die Quadratwurzel der Summe der Quadrate jedes Bin-Werts im Schwingungsspektrum 306 im Bereich von Null bis Fmax berechnet. Zu Zwecken der Feststellung von Lager- und/oder Zahnradzahnfehlern ist das Schwingungsspektrum 306 das PeakVue-Spektrum.
Die prozentuale Energie des Schwingungsspektrums 306 wird in Schritt 308 berechnet gemäß: $\begin{array}{l} % Energie von Original = Gesamtenergie von Schwingungsspektrum \times % periodische \\ Energie . \end{array}$
Eine Liste von Spitzen aus dem Schwingungsspektrum 306 wird erzeugt, wobei jede aufgelistete Spitze eine gefundene Spitze mit einer gefundenen Frequenz und einer assoziierten gefundenen Amplitude ist (Schritt 310). Eine Liste von Spitzen aus dem Autokorrelationsspektrum 320 wird ebenfalls erzeugt, wobei jede aufgelistete Spitze eine gefundene Spitze mit einer gefundenen Frequenz und einer assoziierten gefundenen Amplitude ist (Schritt 324). In beiden Listen sind die Spitzen in der Reihenfolge der absteigenden Amplitude angeordnet, sodass die Spitze mit der größten Amplitude an erster Stelle in der Liste ist und die Spitze mit der kleinsten Amplitude an letzter Stelle ist (Schritte 312 und 326).
Für den Frequenzwert jeder Spitze in der Spitzenliste, die für das Autokorrelationsspektrum erzeugt ist, wird eine assoziierte übereinstimmende Spitze in der Spitzenliste, die für das Schwingungsspektrum erzeugt ist, vorgefunden (Schritt 328). Damit eine Spitze „übereinstimmt“, muss der Frequenzwert der Spitze aus dem Schwingungsspektrum 306 innerhalb von N × ΔFrequenz des Frequenzwerts der Spitze aus dem Autokorrelationsspektrum 320 sein, wobei in einer bevorzugten Ausführungsform N = 4 und ΔFrequenz ausgedrückt ist als: $Δ F r e q u e n z = \frac{F m a x v o n O r i g i n a l s p e k t r u m}{L O R v o n O r i g i n a l s p e k t r u m} .$
Somit liegt eine Übereinstimmung vor, wenn $\begin{array}{l} | Originalspitzenfrequenz - Autokorrelationsspitzenfrequenz | \leq N \times \\ Δ F r e q u e n z . \end{array}$
Für jede übereinstimmende Spitze aus dem Schwingungsspektrum 306, die in Schritt 328 gefunden wird, werden die Werte der gefundenen Frequenz und gefundenen Amplitude zu einer PIP-Spitzenliste hinzugefügt (Schritt 330). Wenn jede übereinstimmende Spitze zu der PIP-Spitzenliste hinzugefügt ist, wird ein laufender Gesamtspitzenenergiewert von allen Spitzen in der PIP-Spitzenliste berechnet (Schritt 332). Da ein Hanning-Fenster bei der FFT-Berechnung für diese Ausführungsform verwendet wird, ist die Energie einer gefundenen Spitze das Ergebnis von Energie aus drei Bin-Werten, die bei der Erzeugung der gefundenen Spitze verwendet werden.
Für jede Gesamtspitzenenergie ≤ % Energie von Original Verwerfen der assoziierten Spitze in Schritt 330 aus der Autokorrelationsspektrumsspitzenliste vor der Rückkehr zu Schritt 328 (Schritt 335). Dieser Prozess der Abstimmung von Spitzen und Hinzufügens von abgestimmten Spitzen zur PIP-Spitzenliste wird fortgesetzt, bis $Gesamtspitzenenergie > % Energie von Original (Schritt 334) .$
Das periodische Informationsdiagramm (PIP) wird durch grafisches Darstellen der drei Punkte, die mit jeder Spitze in der PIP-Spitzenliste assoziiert sind, erzeugt (Schritt 336). In der bevorzugten Ausführungsform entsprechen die drei Punkte drei Bins, die mit jeder gefundenen Spitze assoziiert sind, angenommen, dass ein Hanning-Fenster für FFT-Berechnungen verwendet wird. Beispiele von PIP, die unter Verwendung des Verfahrens 300 von 20 erzeugt sind, sind in 21 und 23-26 dargestellt.
Periodische Spitzen
Periodische Spitzen in einem Spektrum sind entweder als synchrone oder nicht-synchrone Spitzen klassifiziert. Synchrone Spitzen sind Spitzen, die bei der Laufgeschwindigkeit einer Welle und ihrer harmonischen Frequenzen auftreten. Für ein Getriebe mit mehreren Wellen gibt es auch mehrere Familien von synchronen Spitzen, wobei jede Familie mit der Geschwindigkeit einer bestimmten Welle in dem Getriebe assoziiert ist. Zusätzlich zu Laufgeschwindigkeitsspitzen treten auch synchrone Spitzen, die mit einem Getriebe assoziiert sind, bei allen überholenden Zahngrundfrequenzen und ihren Harmonischen auf. Nicht-synchrone Spitzen sind periodische Familien von harmonischen Spitzen, die keine Mitglieder einer synchronen Familie sind. Eine Familie von nicht-synchronen, periodischen Spitzen steht höchstwahrscheinlich im Zusammenhang mit einem Lagerdefekt.
Da es viele Familien von Spitzen im Zusammenhang mit entweder synchronen oder nicht-synchronen Spitzen geben kann, stellt eine bevorzugte Ausführungsform ein Anzeigefarbschema bereit, um die verschiedenen Familien von Spitzen zu trennen. Durch Farbcodierung der verschiedenen Familien in einem Spektrum ist es einfach, zwischen Frequenzen im Zusammenhang mit Lagern (nicht-synchron) und jenen im Zusammenhang mit Laufgeschwindigkeit zu unterscheiden. In einem Getriebe kann eine Analyse dieser harmonischen Laufgeschwindigkeitsfamilien (synchron) zur Entdeckung von Zahnradzahnproblemen führen. Ein Verwenden von Farben, um die verschiedenen Familien von Spitzen in einer Spektrumsanzeige oder in dem periodischen Informationsdiagramm zu bezeichnen, vereinfacht die Analyse für sowohl den unerfahrenen als auch den erfahrenen Analysten.
21 stellt eine beispielhafte Anzeige dar, die die Anwesenheit eines abgebrochenen Zahns an einem zweistufigen Getriebe angibt. Die Anwesenheit von synchronen und nicht-synchronen periodischen Spitzen ist in dem periodischen Informationsdiagramm (PIP) 130 auffallend. Wie in der Legende, die in 21 bereitgestellt ist, angegeben, beinhalten synchrone Familien von Spitzen die Laufgeschwindigkeitsgrundfrequenzen und/oder Harmonischen von „Welle 1“, weiß hervorgehoben (dargestellt durch große durchgehende Linien —), „Welle 2“, rot hervorgehoben (dargestellt durch lange gestrichelte Linien — —) und „Welle 3“, grün hervorgehoben (dargestellt durch gepunktete Linien ..........). Andere synchrone Familien von Spitzen beinhalten überholende Zahngrundfrequenzen und ihre Harmonischen „HTF1“, blau hervorgehoben (dargestellt durch Strich-Punkt-Strich-Punkt-Linien — ▪ — ▪ ) und „HTF 2“, gelb hervorgehoben (dargestellt durch Strich-Punkt-Punkt-Linien — ▪ ▪ — ▪ ▪). Nicht-synchrone Familien von Spitzen sind lila hervorgehoben (dargestellt durch dünne durchgehende Linien —). Es ist anzumerken, dass die in Rot gezeigten Spitzen (lange gestrichelte Linien) die überwiegende Anzahl der synchronen Familie von Spitzen ausmachen, die alle im Zusammenhang mit der zweiten Welle im Getriebe stehen. In diesem Beispiel hat das Großzahnrad an der zweiten Welle einen fehlenden Zahn.
Verfahren zum Sortieren und Verwerfen von statistischen Ausreißerspitzen in der Autokorrelationswellenform (Schritt 34 in Fig. 2).
Die folgende Routine nimmt ein Array von Datenwerten, wie z. B. Werte von positiven Spitzen in der Autokorrelationswellenform, und verwirft Werte außerhalb der statistisch berechneten Grenzen. In einer bevorzugten Ausführungsform gibt es vier Verfahren oder Kriterien zum Festlegen der Grenzen.
Verfahren 1: Nicht-konservativ, Verwenden von minimalen und maximalen statistischen Grenzen
Betrachten eines Arrays von P-Werten (oder Elementen), wobei P₀ die Anzahl von Werten in dem vorliegenden derzeit beurteilten Array darstellt. Nun Zulassen, dass P_-1 die Anzahl von Werten in dem Array darstellt, das in einem einzelnen Schritt vor P₀ beurteilt wurde, Zulassen, dass P_-2 die Anzahl von Werten in dem Array darstellt, das einen einzelnen Schritt vor P_-1 beurteilt wurde, und Zulassen, dass P_-3 die Anzahl von Werte in dem Array darstellt, das in einem einzelnen Schritt vor P_-2 beurteilt wurde.
Schritt 1:
Während das Array von Werten entweder für die erste Zeit oder P₀≠P_-1 beurteilt wird,
Schritt 2:
Schritt 3:
Verfahren 2: Nicht-konservativ, Verwenden von maximaler statistischer Grenze allein (keine minimale Grenze)
Verwenden derselben Prozedur wie in Verfahren 1, abgesehen davon, dass nur Werte, die die oberen statistischen Grenzen überschreiten, verworfen werden. Die minimale Grenze ist auf Null festgelegt.
Verfahren 3: Konservativ, Verwenden von minimalen und maximalen statistischen Grenzen
Verwerfen von Werten auf Grundlage von Verfahren 1, Schritt 1 allein.
Verfahren 4: Konservativ, Verwenden von maximaler statistischer Grenze allein (keine minimale Grenze)
Verwerfen von Werten auf Grundlage von Verfahren 1, Schritt 1 allein und auf Grundlage von Werten, die die oberen statistischen Grenzen überschreiten. Die minimale Grenze ist auf Null festgelegt.
Beispiel von Verfahren 1 zum Aussortieren von statistischen Ausreißern

Als ein Beispiel des Sortierverfahrens 1, Betrachten eines Originalsatzes von Werten, Po, der die einundzwanzig Werte, die in Tabelle 3 unten aufgelistet sind, enthält, mit n = 1.
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) dieses Originalsatzes, Po, ist 0,54955 und die Standardabweichung (σ) ist 0,13982. Deshalb in Schritt von Verfahren 1 $\frac{n σ}{μ} = 1 * \frac{0,13982}{0,54955} = 0,25442.$
Da 0,25442 größer als 0,1 ist, Berechnen von $μ - n σ = 0,54955 - 1 * 0,13982 = 0,409735$
und $μ + n σ = 0,54955 + 1 * 0,13982 = 0,689373.$
Als Nächstes Definieren des Satzes P_-1 = P₀ und Definieren eines neuen Satzes P₀, dessen Werte alle Werte von P_-1 sind, die zwischen den Werten µ + σ = 0,689343 und µ - σ = 0,409735 liegen. Der Satz P₀ enthält nun die in Tabelle 4 unten aufgelisteten Werte, wobei drei Ausreißerwerte eliminiert wurden.
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 den Satz Po: $μ = 0,50234,$
$σ = 0,06946,$
$σ / μ = 0,138263,$
$μ + σ = 0,571797 und$
$μ−σ=0,432887 .$
Nun Definieren des Satzes P_-2 = P_-1 und P_-1 = P₀ und Definieren eines neuen Satzes P₀, dessen Werte alle Werte von P_-1 sind, die zwischen den Werten µ + σ = 0,571797 und µ - σ = 0,432887 liegen. Der Satz P₀ enthält nun die in Tabelle 5 unten aufgelisteten Werte, wobei vier weitere Ausreißerwerte eliminiert wurden.
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 den Satz P₀: $μ = 0,481311,$
$σ= 0,037568$
und $σ / μ = 0,078053.$
Da $σ / μ = 0,078053 \leq 1,$
liegen alle Mitglieder des Arrays P₀ wertemäßig statistisch nahe beieinander und benötigen kein weiteres Sortieren.
Wenn zu einem Zeitpunkt in den Berechnungen P₀ = P_-1 und P_-1 ≠ P_-2, dann würde Schritt 2 anstelle von Schritt 1 ausgeführt werden. In dem Beispiel oben war nur Schritt 1 für die Berechnungen nötig, da P₀ ≠ P_-1 für jede Iteration.
Vorhersagen von Lagerfehlern auf Grundlage von periodischem Signalparameter (PSP)
22 stellt Schritte in einer bevorzugten Ausführungsform eines Verfahrens 400 zum Erzeugen von Lagerfehlerzustandsinformationen dar. Eine überabgetastete Zeitbereichsschwingungswellenform wird gemessen (Schritt 402), wie z. B. unter Verwendung des Beschleunigungsmessers 104 oder eines anderen Sensors, der an der Maschine 102, die überwacht wird, befestigt ist. Eine PeakVue™-Wellenform wird dann erzeugt (Schritt 404), wie z. B. durch Hochpassfiltern und Spitzenhaltedezimierung der überabgetasteten Wellenform. Die maximale Spitzenamplitude (MaxPeak) der PeakVue™-Wellenform wird bestimmt (Schritt 406) und ihre assoziierte Autokorrelationswellenform wird berechnet (Schritt 408). Auf Grundlage der Autokorrelationswellenform wird der periodische Signalparameter (PSP) gemäß dem in 2 dargestellten Verfahren berechnet (Schritt 410).
In einer bevorzugten Ausführungsform sind Warnamplitudengrenzpegel (in g) auf Grundlage der Nenndrehgeschwindigkeit gemäß der in 28 dargestellten Beziehung bestimmt (Schritt 412). Fehleramplitudengrenzpegel sind bevorzugt zweimal die Warnpegel. 28 stellt eine grafische Darstellung eines Verfahrens zum Bestimmen von Warngrenzen für ein PeakVue-Signal auf Grundlage der RPM der Maschinenwelle bereit. Der Warnpegel würde mit dem Spitzenwert, der in der PeakVue-Wellenform auftritt, verglichen werden und gilt für einen sich entwickelnden Innenringfehler. Es versteht sich, dass die Warngrenzpegel, die in 28 dargestellt sind, nur Vorschläge sind und der Analyst möglicherweise entscheidet, Werte, die als optimal für seine Maschine bestimmt wurden, zu verwenden. In manchen Situationen kann der Analyst damit beginnen, die Werte aus 28 zu verwenden, und sie dann auf Grundlage von Erfahrung anpassen.
Bevor Berechnungen von Schwerewerten vorgenommen werden können, muss die prozentuale periodische Energie berechnet werden. Prozentuale periodische Energie (Schritt 414) wird aus der Autokorrelationswellenform berechnet gemäß: $% p e r i o d i s c h e E n e r g i e = \sqrt{M a x P e a k (n a c h e r s t e n 3 %)},$
wobei die maximale Spitze in der Autokorrelationswellenform nicht die ersten 3 % der Wellenform beinhaltet. Im Allgemeinen ist die Berechnung von prozentualer periodischer Energie nicht so genau für Werte von weniger als 50 %. Dementsprechend, wie in 19 angegeben, ist die Steigung der Funktion für Werte von weniger als 50 % größer als 1,0. Deshalb wird die prozentuale Periodizität nicht für Werte von weniger als 50 % bestimmt. Ein allgemeiner Schwerewert ist für alle Schwereschätzungen nötig, der berechnet wird gemäß: $A l l g e m e i n e S c h w e r e \frac{M a x P e a k}{2 \times F e h l e r g r e n z e} (Scritt 416) .$
In einer bevorzugten Ausführungsform ist der Schwerewert durch Multiplizieren des Ergebnisses von Schritt 416 mit einem gewünschten maximalen Messgerätewert x normalisiert gemäß: $N o r m a l i s i e r t e a l l g e m e i n e S c h w e r e = A l l g e m e i n e S c h w e r e \times x (Schritt 418) .$
Für die in 18 gezeigten Messgeräte, wobei x = 10, $N o r m a l i s i e r t e a l l g e m e i n e S c h w e r e = A l l g e m e i n e S c h w e r e \times 1 0.$
.
Wenn der PSP größer als 0,1 ist (Schritt 419), ist wahrscheinlich ein Lagerfehler vorhanden. Lagerfehlerschwere (Bearing Fault Severity, BFS) kann berechnet werden gemäß: $B F S = N o r m a l i s i e r t e S c h w e r e \times % p e r i o d i s c h e E n e r g i e (Schritt 430) .$
Wenn die resultierende Lösung größer als × (10 in diesem Beispiel) ist, dann wird die Lösung abgeschnitten, um x zu sein.
In manchen Ausführungsformen verbessert das Kennen der Drehgeschwindigkeit die Zuversicht, dass die Periodizität im Zusammenhang mit Lagerfehlern und nicht Drehgeschwindigkeitsvorfällen steht. Wenn die Drehgeschwindigkeit bekannt ist, können periodische Spitzen aus dem periodischen Informationsdiagramm (PIP) als synchron und nicht-synchron klassifiziert werden. Wenn nur synchrone Spitzen vorhanden sind, wird kein Lagerfehler angegeben. Wenn signifikante nicht-synchrone Spitzen vorhanden sind, wird ein mögliches Lagerproblem bestätigt, wie angegeben durch: $\begin{array}{l} B F S = N o r m a l i s i e r t e S c h w e r e \times \\ [(\frac{{(E n e r g i e d e r g e f u n d e n e n n i c h t - s y n c h r o n e n S p i t z e n)}^{2}}{{(G e s a m t e n e r g i e d e s a s s o z i i e r t e n P e a k V u e - S p e k t r u m s)}^{2}})] . \end{array}$
Wenn PSP ≤ 0,1 und MaxPeak < Warnpegel ist, wird kein Fehler durch Messung angegeben, das heißt, das Anlagegut ist in gutem Zustand.
Wenn PSP kleiner als oder gleich 0,1 ist und MaxPeak größer als der Warnamplitudengrenzpegel ist (Schritt 420), wird ein Defizit der Lagerschmierung angegeben. Zusätzlich können Schmierungsprobleme vorliegen, wenn ein Lagerfehler vorhanden ist. (Dies ist in 22 mit einem Pfeil, der von zwischen Schritten 419 und 430 zu Schritt 422 geht, gezeigt.) Die Schwere des Schmierungsproblems ist im Allgemeinen von dem MaxPeak-Wert der Ursprungswellenform (Schritt 406) und der prozentualen nicht-periodischen Energie (% NPE), die aus der assoziierten Autokorrelationswellenform angegeben wird, (Schritt 408) abhängig.
Wie in 19 gezeigt, ist prozentuale nicht-periodische Energie (% NPE) eine Funktion von prozentualer periodischer Energie und kann unter Verwendung des Diagramms von 19 bestimmt werden (Schritt 422). Prozentuale periodische Energie (% periodische Energie) ist als der Prozentsatz von Energie in dem PeakVue-(Original)-Spektrum, der mit periodischen Signalen zusammenhängt, definiert. % NPE ist als der Prozentsatz von Energie in dem PeakVue-(Original)-Spektrum, der mit zufälligen Schwingungssignalen zusammenhängt, definiert.
Der Schmierungsschwere-(Lubrication Severity, LS)-Wert wird bestimmt gemäß: $L S = \frac{M a x P e a k}{2 \times F e h l e r g r e n z e} \times x \times % N P E,$
wobei x der Normalisierungswert ist (Schritt 426). Für das SchmierungsschwereMessgerät, das in 18 gezeigt ist, x = 10. Wenn der resultierende Wert größer als x (10 in diesem Beispiel) ist, dann wird der Wert abgeschnitten, um x zu sein.
In einer alternativen Ausführungsform wird anstelle eines Bestimmens, ob PSP größer als 0,1 in Schritt 114 ist, bestimmt, ob % periodische Energie größer als Y ist, wobei in den meisten Fällen Y 50 % ist.
Während die bevorzugte Ausführungsform des Algorithmus, oben beschrieben und dargestellt in 22, eine PeakVue-Wellenform verwendet, könnte der Algorithmus auf eine beliebige Wellenform, die aus einem beliebigen Typ von Signal erzeugt ist, wie z. B. Schwingung, Strom, Ultraschall usw., angewendet werden.
Es folgen vier Beispiele, die eine Verwendung des Algorithmus von 22 aufzeigen, um den Status eines Lagers unter verschiedenen Bedingungen zu bestimmen. 23 stellt die Ergebnisse für ein neues, vollgeschmiertes Lager ohne Fehler dar. Wie gezeigt, geben die Messgeräte sowohl für Lagerfehlerschwere als auch Schmierungsschwere einen Wert von Null an, da das Lager neu und in gutem Zustand ist.
24 stellt die Ergebnisse für ein Lager ohne Fehler dar, abgesehen davon, dass es „trocken“ läuft, da im Lager ungenügende Schmierung vorhanden ist. Wie gezeigt, ist die Lagerfehlerschwere noch immer Null, aber die Schmierungsschwere ist etwa 6,5. In diesem Beispiel ist die % periodische Energie 44,3 %. Die resultierende % NPE auf Grundlage von 19 ist 77,85 %. Es ist anzumerken, dass der PSP 0,0618 ist.
25 stellt die Ergebnisse für ein Lager mit einem kleinen Innenringfehler und keinen Schmierungsproblemen dar. Wie gezeigt, ist die Lagerfehlerschwere auf etwa 1,4 leicht erhöht, aber die Schmierungsschwere ist nahe Null. In diesem Beispiel ist die % periodische Energie 88,8 %. Auf Grundlage von 19 ist die resultierende % NPE 11,2 %. Es ist anzumerken, dass der PSP 0,213 für dieses Beispiel ist.
26 stellt die Ergebnisse für ein Lager mit einem kleinen Innenringfehler sowie einem Schmierungsproblem aufgrund der Tatsache, dass das Lager „trocken“ läuft, dar. Obwohl PSP 0,074 ist, ist % periodische Energie 51 %. Deshalb hat das Signal etwas Periodizität. Wie gezeigt, ist die Lagerfehlerschwere fast 3, während die Schmierungsschwere um 3,25 ist. Die Fachleute werden verstehen, dass dieses Diagnoseergebnis ein Fortschritt in der Technologie ist und nicht durch andere verfügbare Algorithmen bestimmt werden könnte. Die Fähigkeit zum Isolieren von nicht-synchronen Signalen niedrigerer Amplitude, die durch den mechanischen Schaden am Lager verursacht werden, von der durch Mangel an Schmierung erzeugten nicht-periodischen Energie, die signifikant höher in der Amplitude ist, war zuvor nicht verfügbar.
Vorhersagen von Getriebefehlern auf Grundlage von periodischem Signalparameter (PSP)
27 stellt Schritte in einer bevorzugten Ausführungsform eines Verfahrens 200 zum Erzeugen von Getriebefehlerzustandsinformationen dar. Eine überabgetastete Zeitbereichsschwingungswellenform wird gemessen, wie z. B. unter Verwendung des Beschleunigungsmessers 104 oder eines anderen Sensors, der an der Maschine 102, die überwacht wird, befestigt ist (Schritt 202). Eine PeakVue™-Wellenform wird dann erzeugt, wie z. B. durch Hochpassfiltern und Spitzenhaltedezimierung der überabgetasteten Wellenform (Schritt 204). Die maximale Spitzenamplitude (MaxPeak) der PeakVue™-Wellenform wird bestimmt (Schritt 206) und ihre assoziierte Autokorrelationswellenform wird berechnet (Schritt 208). Auf Grundlage der Autokorrelationswellenform wird der periodische Signalparameter (PSP) gemäß dem in 2 dargestellten Verfahren berechnet (Schritt 210).
Die Drehzahl von mindestens einer der Wellen in dem Getriebe wird gemessen, wie z. B unter Verwendung eines Tachometers (Schritt 212), und die Geschwindigkeit jeder der anderen Wellen in dem Getriebe wird auf Grundlage der in Schritt 212 gemessenen Geschwindigkeit und dem Kennen des Übersetzungsverhältnisses für die anderen Wellen berechnet (Schritt 214). Zusätzlich werden auf Grundlage von Wellenlaufgeschwindigkeiten überholende Zahnfrequenzen auf Grundlage von den Durchschnittsfachleuten bekannten Techniken berechnet. In einer bevorzugten Ausführungsform werden Warnamplitudengrenzpegel (in g) auf Grundlage der Nenndrehgeschwindigkeit gemäß der in 28 dargestellten Beziehung oder auf Grundlage der Erfahrung des Analysten oder von beidem bestimmt, wie oben erörtert (Schritt 216). Fehleramplitudengrenzpegel sind bevorzugt zweimal die Warnpegel.
Bevor Berechnungen von spezifischen Schwerewerten vorgenommen werden können, muss prozentuale periodische Energie berechnet werden. In einer bevorzugten Ausführungsform wird prozentuale periodische Energie aus der Autokorrelationswellenform berechnet gemäß: $% P e r i o d i s c h e E n e r g i e = \sqrt{M a x P e a k (n a c h e r s t e n 3 %)},$
wobei die MaxPeak der Autokorrelationswellenform nicht die ersten 3 % der Wellenform beinhaltet (Schritt 218). Im Allgemeinen ist die Berechnung von prozentualer periodischer Energie für Werte von weniger als 50 % nicht so genau. Dementsprechend, wie in 19 angegeben, ist die Steigung der Funktion für Werte von weniger als 50 % größer als 1,0.
Zum Berechnen von Schwerewerten für verschiedene Fehler wird ein allgemeiner Schwerewert bestimmt. Allgemeine Schwere kann berechnet werden gemäß: $A l l g e m e i n e S c h w e r e = \frac{M a x P e a k}{2 \times F e h l e r g r e n z e} (Schritt 220) .$
Der Schwerewert wird durch Multiplizieren des Ergebnisses von Schritt 220 mit einem gewünschten maximalen Messgerätwert x normalisiert gemäß: $N o r m a l i s i e r t e a l l g e m e i n e S c h w e r e = A l l g e m e i n e S c h w e r e \times x (Schrit 222) .$
Für das in 18 gezeigte Messgerät, wobei x = 10, $N o r m a l i s i e r t e a l l g e m e i n e S c h w e r e = A l l g e m e i n e S c h w e r e \times 10.$
Das PIP wird unter Verwendung der hier beschriebenen Prozedur unter Bezugnahme auf 20 erzeugt (Schritt 224).
Wenn der PSP größer als 0,1 ist (Schritt 225), sind periodische Frequenzen im Zusammenhang mit dem Getriebe und/oder den Lagern vorhanden.
Auf Grundlage des Kennens der Drehgeschwindigkeit können periodische Spitzen aus dem periodischen Informationsdiagramm (PIP) als synchron und nicht-synchron klassifiziert werden. Wenn nicht-synchrone Spitzen in dem PIP vorhanden sind (Schritt 226), kann ein Lagerfehlerschwere-(BFS)-Wert berechnet werden (Schritt 228) und angezeigt werden (Schritt 234) gemäß: $\begin{array}{l} B F S = N o r m a l i s i e r t e S c h w e r e (S c h r i t t 222) \\ \times [(\frac{{(E n e r g i e d e r g e f u n d e n e n n i c h t - s n c h r o n e n S p i t z e n)}^{2}}{{(G e s a m t e n e r g i e d e s a s s o z i i e r t e n P e a k V u e - S p e k t r u m s)}^{2}})] \end{array}$
Wenn synchrone Spitzen vorhanden sind (Schritt 230) und Fehlergrenzen überschritten werden, wird Zahnradzahnabnutzung angegeben. Ein Getriebefehlerschwere-(Gearbox Fault Severity, GFS)-Wert wird berechnet (Schritt 232) und angezeigt (Schritt 234) gemäß: $\begin{array}{l} G F S = N o r m a l i s i e r t e S c h w e r e (S c h r i t t 222) \\ \times [(\frac{{(E n e r g i e d e r g e f u n d e n e n s y n c h r o n e n S p i t z e n)}^{2}}{{(G e s a m t e n e r g i e d e s a s s o z i i e r t e n P e a k V u e - S p e k t r u m s)}^{2}})] \end{array}$
Wenn die resultierende Lösung größer als x (10 in diesem Beispiel) ist, dann wird die Lösung abgeschnitten, um x zu sein.
Wenn PSP ≤ 0,1 und MaxPeak < Warnpegel ist, wird kein Fehler durch Messung angegeben, das heißt, das Anlagegut ist in gutem Zustand.
Wenn PSP kleiner als oder gleich 0,1 ist und MaxPeak größer als der Warnamplitudengrenzpegel ist (Schritt 234), wird ein Defizit der Lager- und/oder Getriebeschmierung angegeben. Zusätzlich können Schmierungsprobleme zusammen mit mechanischen Fehlern vorhanden sein. (Dies ist in 27 durch einen Pfeil, der von zwischen Schritten 225 und 226 zu Schritt 236 geht, gezeigt.) Die Schwere des Schmierungsproblems ist im Allgemeinen von dem MaxPeak-Wert der Ursprungswellenform (Schritt 206) und der prozentualen nicht-periodischen Energie (% NPE), die aus der assoziierten Autokorrelationswellenform angegeben wird, (Schritt 208) abhängig.
Wie oben erörtert, ist prozentuale nicht-periodische Energie (% NPE) eine Funktion von prozentualer periodischer Energie und kann unter Verwendung des Diagramms von 19 bestimmt werden (Schritt 236). Prozentuale periodische Energie (% periodische Energie) ist als der Prozentsatz von Energie in dem PeakVue-(Original)-Spektrum, der mit periodischen Signalen zusammenhängt, definiert. Prozentuale nicht-periodische Energie ist als der Prozentsatz von Energie in dem PeakVue-(Original)-Spektrum, der mit zufälligen Schwingungssignalen zusammenhängt, definiert.
Der Lager- oder Getriebeschmierungsschwerewert wird bestimmt und angezeigt gemäß: $S c h m i e r u n g s s c h w e r e = \frac{M a x P e a k}{2 \times F e h l e r g r e n z e} \times x \times % N P E,$
wobei x der Normalisierungswert ist (Schritte 240 und 242). Für das Schmierungsschweremessgerät, das in 18 gezeigt ist, x = 10. Wenn der resultierende Wert größer als x (10 in diesem Beispiel) ist, dann wird der Wert abgeschnitten, um x zu sein.
In einer alternativen Ausführungsform wird anstelle eines Bestimmens, ob PSP größer als 0,1 in Schritt 218 ist, bestimmt, ob % periodische Energie größer als Y ist, wobei in den meisten Fällen Y 50 % ist.
PIP-Erzeugung - Dritte Ausführungsform
In einer dritten Ausführungsform wird ein Signal aus Anlagenausrüstung (d. h. rotierender oder hin- und herbewegender Ausrüstung) gesammelt und unter Verwendung des Verfahrens 500, das in 29A und 29B dargestellt ist, verarbeitet.
Zunächst wird eine Wellenform erzeugt (Schritt 502 von 29A), wie z. B. eine Schwingungswellenform, die unter Verwendung des in 1A dargestellten Systems erfasst wird. Wenn ein Hochpassfilter und Spitzenhaltedezimierung auf eine überabgetastete Wellenform eingesetzt werden, um Aufprallinformationen (wie z. B. unter Verwendung des PeakVue™-Prozesses) zu erfassen, kann dies eine berechnete Wellenform sein. Eine FFT der Schwingungswellenform wird genommen (Schritt 504), was zu einem Schwingungsspektrum 506 mit Frequenz auf der x-Achse und Amplitude auf der y-Achse führt, von dem ein Beispiel in 9 gezeigt ist. Das Schwingungsspektrum 506 kann hier auch als das Originalspektrum bezeichnet werden, um von dem Autokorrelationsspektrum, das im Anschluss erörtert wird, zu unterscheiden.
Die Wellenform aus Schritt 502 wird autokorreliert (Schritt 514), um eine Autokorrelationswellenform 516 zu erzeugen, mit Zeit auf der x-Achse und dem Korrelationsfaktor auf der y-Achse. Eine FFT der Autokorrelationswellenform 516 wird unter Verwendung derselben Fmax berechnet, wie bei der Berechnung der FFT der Originalwellenform (Schritt 518) verwendet wurde, was zu einem Autokorrelationsspektrum 320 führt. Ein Verwenden derselben Fmax zwingt die Auflösungslinien (LOR) des Autokorrelationsspektrums 520 dazu, die Hälfte der LOR, die beim Berechnen des Schwingungsspektrums 506 verwendet werden, zu sein. Da zufällige Ereignisse größtenteils aus der Autokorrelationswellenform 516 entfernt wurden, steht das verbleibende Signal in dem Autokorrelationsspektrum 520 in starkem Zusammenhang mit periodischen Ereignissen. Wie in 10 gezeigt, hat das Autokorrelationsspektrum Frequenz auf der x-Achse und Amplitude im Zusammenhang mit dem Korrelationsfaktor auf der y-Achse. Da die Dauer der Autokorrelationswellenform die Hälfte der der Originalwellenform ist, hat das assoziierte Autokorrelationsspektrum die Hälfte der Auflösungslinien im Vergleich zum Originalspektrum.
Prozentuale periodische Energie (% periodische Energie) wird in Schritt 522 auf Grundlage der Autokorrelationswellenform 516 berechnet gemäß: $\begin{matrix} % P e r i o d i s c h e E n e r g i e = \\ \sqrt{M a x P e a k (n a c h 3 % v o n A u t o k o r r e l a t i o n s w e l l e n f o r m) .} \end{matrix}$
In einer bevorzugten Ausführungsform wird die Gesamtenergie des Schwingungsspektrums 506 als die Quadratwurzel der Summe der Quadrate jedes Bin-Werts in dem Schwingungsspektrum 506 im Bereich von Null bis Fmax berechnet (Schritt 507). Zu Zwecken der Feststellung von Lager- und/oder Zahnradzahnfehlern ist das Originalspektrum 506 das PeakVue-Spektrum.
Die prozentuale Energie des Originalspektrums 506 wird in Schritt 508 berechnet gemäß: $\begin{array}{l} % Energie von Original = Gesamtenergie von Originalspektrum \times % periodische \\ Energie . \end{array}$
Eine Liste der größten Spitzen aus dem Schwingungsspektrum 506 wird erzeugt, wobei jede aufgelistete Spitze eine gefundene Spitze mit einer gefundenen Frequenz und einer assoziierten gefundenen Amplitude ist (Schritt 510). Eine Liste der größten Spitzen aus dem Autokorrelationsspektrum 520 wird ebenfalls erzeugt, wobei jede aufgelistete Spitze eine gefundene Spitze mit einer gefundenen Frequenz und einer assoziierten gefundenen Amplitude ist (Schritt 524). In beiden Listen kann N Anzahl von Spitzen (wie z. B. N = 300) vorliegen, die bevorzugt in der Reihenfolge der absteigenden Amplitude angeordnet sind, sodass die Spitze mit der größten Amplitude an erster Stelle in der Liste ist und die Spitze mit der kleinsten Amplitude an letzter Stelle ist (Schritte 512 und 526).
Weitere Einzelheiten von Schritt 526 sind in 29B dargestellt. Wie oben angemerkt, wird die Autokorrelationsspitzenliste bevorzugt in der Reihenfolge der absteigenden Amplitude sortiert, sodass die Spitze mit der größten Amplitude an erster Stelle in der Liste ist und die Spitze mit der kleinsten Amplitude an letzter Stelle ist (Schritt 526a). Auf Grundlage von Wölbung werden statistisch signifikante Spitzen aus der Autokorrelationsspitzenliste ausgewählt, um eine Liste periodischer Spitzen zu erzeugen. Zum Produzieren der periodischen Spitzenliste wird zuerst die Wölbung aus den Amplituden der Spitzen in der Autokorrelationsspitzenliste, die in Schritt 524 erzeugt ist, berechnet (Schritt 526b). Wenn die Wölbung größer als 3 ist (Schritt 526c), wird die größte Spitze in der Autokorrelationsspitzenliste entfernt und in die periodische Spitzenliste platziert (Schritt 526d). Schritte 526b bis 526d werden wiederholt, bis die Wölbung für die verbleibenden Spitzen in der Autokorrelationsspitzenliste kleiner als oder gleich 3 ist. Da die Wölbung kleiner als oder gleich 3 für die Spitzen, die in der Autokorrelationsspitzenliste verbleiben, ist, werden diese verbleibenden Spitzen als Rauschen angesehen und werden nicht bei der Berechnung des periodischen Informationsdiagramms verwendet. Die resultierende periodische Spitzenliste (mit K Anzahl von Spitzen) wird beim Bestimmen des periodischen Informationsdiagramms verwendet, wie im Anschluss beschrieben.
Für den Frequenzwert jeder der K Anzahl von Spitzen in der periodischen Spitzenliste wird eine assoziierte übereinstimmende Spitze in der Spitzenliste, die für das Schwingungsspektrum 506 erzeugt ist, vorgefunden (Schritt 528). Damit eine Spitze „übereinstimmt“, muss der Frequenzwert der Spitze aus dem Schwingungsspektrum 506 innerhalb von N × ΔFrequenz des Frequenzwerts der Spitze aus der periodischen Spitzenliste sein, wobei in einer bevorzugten Ausführungsform N = 3 und ΔFrequenz ausgedrückt ist als: $Δ F r e q u e n z = \frac{F m a x v o n S c h w i n g u n g s s p e k t r u m}{L O R v o n S c h w i n g u n g s s p e k t r u m} .$
Somit liegt eine Übereinstimmung vor, wenn $\begin{array}{l} | Originalspitzenfrequenz - periodische Spitzenlistenspitzenfrequenz | \leq N \times \\ Δ F r e q u e n z . \end{array}$
Die Gesamtanzahl von Übereinstimmungen kann als M bezeichnet werden.
Für jede übereinstimmende Spitze aus dem Schwingungsspektrum 506, die in Schritt 528 vorgefunden wird, werden die Werte der gefundenen Frequenz und gefundenen Amplitude zur periodischen Spitzenliste hinzugefügt (Schritt 530). Wenn jede übereinstimmende Spitze zur periodischen Spitzenliste hinzugefügt ist, wird ein laufender Gesamtspitzenenergiewert aller Spitzen in der periodischen Spitzenliste berechnet (Schritt 532). Da ein Hanning-Fenster bei der FFT-Berechnung für diese Ausführungsform verwendet wird, ist die Energie einer gefundenen Spitze das Ergebnis von Energie aus drei Bin-Werten, die bei der Erzeugung der gefundenen Spitze verwendet werden.
Für jeden Gesamtspitzenenergiewert, der kleiner als oder gleich der % Energie des Originalschwingungsspektrums ist (berechnet in Schritt 508), wird die assoziierte größte Spitze (aus Schritt 350) aus der periodischen Spitzenliste vor der Rückkehr zu Schritt 528 verworfen (Schritt 535). Dieser Prozess des Abstimmens von Spitzen und Hinzufügens von abgestimmten Spitzen zur periodischen Spitzenliste wird fortgesetzt, bis die Anzahl von Iterationen gleich K oder die Gesamtspitzenenergie größer als oder gleich der % Energie des Originalschwingungsspektrums ist, je nachdem, welches Ereignis zuerst auftritt (Schritt 534).
Das periodische Informationsdiagramm (PIP) wird durch grafisches Darstellen der drei Punkte, die mit jeder Spitze in der periodischen Spitzenliste assoziiert sind, erzeugt (Schritt 536). Die drei Punkte entsprechen drei Bins, die mit jeder gefundenen Spitze assoziiert sind, angenommen, dass ein Hanning-Fenster für FFT-Berechnungen verwendet wird. In einer bevorzugten Ausführungsform werden P Anzahl von PIP-Spitzen beginnend mit der ersten Spitze in der periodischen Spitzenliste grafisch dargestellt, wobei die Anzahl P die maximale gewünschte Anzahl von Spitzen, die grafisch dargestellt werden soll, ist und P ≤ M. Zum Beispiel können im Fall eines CSI 9420 Wireless Vibration Transmitter nur zwanzig Spitzen (P = 20) für ein „Miniatur“-Diagramm angezeigt werden. Ein Beispiel eines PIP, das unter Verwendung des Verfahrens 500 von 29A und 29B erzeugt ist, ist in 30 dargestellt.
Periodische Spitzen
Die periodischen Spitzen in einem Spektrum sind entweder als synchrone oder nicht-synchrone Spitzen klassifiziert, wie unten definiert.
Synchrone periodische Spitzen sind alle Laufgeschwindigkeitsspitzen und ihre Harmonischen. Für ein Getriebe gibt es mehrere Familien von synchronen periodischen Spitzen - eine Familie, die mit der Geschwindigkeit jeder Welle in einem Getriebe assoziiert ist. Zusätzlich zu Laufgeschwindigkeitsspitzen werden auch synchrone periodische Spitzen für ein Getriebe als alle überholenden Zahngrundfrequenzen und ihre Harmonischen definiert.
Nicht-synchrone periodische Spitzen sind eine periodische Familie von harmonischen Spitzen, die keine Mitglieder einer synchronen Familie sind. Die meisten nicht-synchronen periodischen Spitzen stehen im Zusammenhang mit Lagerfrequenzen.
Es ist sehr wichtig, die korrekte Drehgeschwindigkeit (und assoziierte Drehgeschwindigkeiten von anderen Wellen für Getriebe) der Maschine, die beurteilt wird, zu erhalten. Wie bei jeder Analyse wird eine falsche Geschwindigkeit falsche Orte der synchronen und nicht-synchronen periodischen Spitzen produzieren. Genaue Geschwindigkeiten werden typischerweise aus Tachometer-/Stroboskop-Ausgaben oder manueller Analyse von Spektren erhalten. Wenn die genaue Geschwindigkeit nicht bekannt ist, sollte ein Geschwindigkeitsdetektionsalgorithmus eingesetzt werden.
Da es viele Familien von Spitzen im Zusammenhang mit entweder synchronen oder nicht-synchronen periodischen Spitzen gibt, kann ein Farbschema ausgearbeitet werden, um die verschiedene Familie von Spitzen zu trennen. Durch Farbcodierung der verschiedenen Familien von Spitzen ist es einfach, Frequenzen im Zusammenhang mit Lagern (nicht-synchron) von jenen im Zusammenhang mit Laufgeschwindigkeit zu unterscheiden. In einem Getriebe können diese harmonischen Laufgeschwindigkeitsfamilien (synchron) zur Entdeckung von Zahnradzahnproblemen führen. Ein Verwenden von Farben, um die verschiedenen Familien von periodischen Spitzen in dem periodischen Informationsdiagramm zu bezeichnen, vereinfacht die Analyse für sowohl den unerfahrenen als auch erfahrenen Analysten.
Die Verwendung von Farben, um die verschiedenen Familien von periodischen Spitzen zu bezeichnen, ist in 30 dargestellt, die ein Beispiel der Anwesenheit eines abgebrochenen Zahns an einem zweistufigen Getriebe zeigt. Die Anwesenheit von synchronen und nicht-synchronen periodischen Spitzen sind in dem periodischen Informationsdiagramm (PIP) auffallend. Synchrone Familien beinhalten die Laufgeschwindigkeitsgrundfrequenzen und/oder Harmonischen von „Welle 1“ (grafisch dargestellt in Weiß), „Welle 2“ (grafisch dargestellt in Rot) und „Welle 3“ (grafisch dargestellt in Grün). Zusätzlich beinhalten andere synchrone Familien von Spitzen überholende Zahngrundfrequenzen und ihre Harmonischen „HTF 1“ (grafisch dargestellt in Blau) und „HTF 2“ (grafisch dargestellt in Gelb). Nicht-synchrone Familien von periodischen Spitzen sind in Lila grafisch dargestellt. Die rot-gefärbten Frequenzen in dem PIP machen einen überwiegenden Teil der synchronen Familie von periodischen Spitzen im Zusammenhang mit der zweiten Welle in dem Getriebe aus. Das Großzahnrad der zweiten Welle hat einen abgebrochenen Zahn.
Eine Alternative zum Verwenden von Farbe ist, jede Familie von Spitzen mit einer/einem anderen Linienstärke und/oder -muster anzuzeigen, wofür ein Beispiel in 31 dargestellt ist. 32 stellt ein Beispiel der Verwendung von unterschiedlichen Linienstärken und/oder -mustern für dasselbe PIP dar, wie in 30 gezeigt.
Obwohl hier beschriebene bevorzugte Ausführungsformen auf PeakVue™-Schwingungsdaten angewendet werden, können die Techniken auf jede Analyse angewendet werden, in der zufällige (Rausch-)Daten von gewünschten informativen Daten getrennt werden sollen. Beispiele beinhalten eine Analyse von Beschleunigungs- und/oder Geschwindigkeitsschwingungsdaten.
Hier beschriebene Ausführungsformen finden auch in der Analyse von Schwingung von Pumpen aufgrund von Kavitation Anwendung. Kavitation in Pumpen verursacht Schwingungssignale, die ihrem Wesen nach zufällig sind und deshalb als Rauschen in einem FFT-Spektrum erscheinen. Diese Zufälligkeit impliziert, dass Schwingungssignale, die durch Kavitation verursacht werden, ihrem Wesen nach nicht periodisch sind und deshalb von den periodischen Signalen unter Verwendung der hier beschriebenen Prozesses getrennt werden können.
Kavitation erscheint in der FFT als Rauschen (zufällige Signale) etwa um die Flügelpassierfrequenz einer Pumpe, die die Anzahl von Lüfterflügeln in der Pumpe multipliziert mit der Laufgeschwindigkeit ist. Kavitation kann auch als hohe Frequenzen auftauchen, die als nicht-periodische Signale unter Verwendung von PeakVue™-Wellenformanalyse detektierbar sind. Die grundlegenden Periodizitätsalgorithmen, die in US-Patent Nr. 9,791,422 und US-Patentveröffentlichung Nr. 2018/0011065A1 beschrieben sind, können verwendet werden, um diese Indikatoren von Kavitation zu isolieren. Autokorrelation kann auf sowohl Geschwindigkeits-, Beschleunigungs- als auch PeakVue™-Wellenformen angewendet werden, um die Zufälligkeit, die durch Kavitation erzeugt wird, zu isolieren.
Im Allgemeinen unterscheidet sich die Detektion von Kavitation von der Detektion von Lager- oder Zahnraddefekten darin, dass Autokorrelation auf Geschwindigkeitswellenformen angewendet werden muss und ein Trend des „nicht-periodischen“ Indikators ermittelt werden muss, um Änderungen in der Nicht-Periodizität zu sehen.
Die vorangehende Beschreibung von bevorzugten Ausführungsformen für diese Erfindung wurde zu Zwecken der Veranschaulichung und Beschreibung präsentiert. Sie sind nicht dazu gedacht, erschöpfend zu sein oder die Erfindung auf die offenbarte genaue Form zu beschränken. Offensichtliche Modifikationen oder Variationen sind im Angesicht der obigen Lehren möglich. Die Ausführungsformen sind ausgewählt und beschrieben in dem Bestreben, die besten Veranschaulichungen der Grundsätze der Erfindung und ihrer praktischen Anwendung bereitzustellen und dadurch einem Durchschnittsfachmann zu ermöglichen, die Erfindung in verschiedenen Ausführungsformen und mit verschiedenen Modifikationen, wie sie für die vorgesehene bestimmte Verwendung geeignet sind, zu nutzen. All diese Modifikationen und Variationen liegen im Geltungsbereich der Erfindung wie bestimmt durch die angehängten Ansprüche, wenn sie in Übereinstimmung mit dem Umfang, zu dem sie fair, rechtlich und gerecht berechtigt sind, interpretiert werden.
ZITATE ENTHALTEN IN DER BESCHREIBUNG
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
Zitierte Patentliteratur

US 9791422 [0134]
US 2018/0011065 A1 [0134]

Claims

Vorrichtung zum Erfassen und Analysieren von periodischen Informationen in Schwingungen, die mit einer Maschine assoziiert sind, wobei die Vorrichtung Folgendes umfasst: einen an der Maschine befestigten Schwingungssensor, der ein Schwingungssignal erzeugt; einen Datensammler in Kommunikation mit dem Schwingungssensor, der das Schwingungssignal empfängt und konditioniert, wobei der Datensammler einen Analog-Digital-Wandler zum Umwandeln des Schwingungssignals in digitale Schwingungsdaten beinhaltet; und einen Prozessor, der die digitalen Schwingungsdaten empfängt und Betriebsanweisungen zum Verarbeiten der digitalen Schwingungsdaten ausführt, um: - eine Schwingungswellenform auf Grundlage der digitalen Schwingungsdaten zu erzeugen; - eine Autokorrelationsfunktion an der Schwingungswellenform durchzuführen, um eine Autokorrelationswellenform zu erzeugen; - eine schnelle Fourier-Transformation an der Schwingungswellenform durchzuführen, um ein Schwingungsspektrum, das Schwingungsamplitudenspitzen beinhaltet, zu erzeugen; - eine schnelle Fourier-Transformation an der Autokorrelationswellenform durchzuführen, um ein Autokorrelationsspektrum, das Autokorrelationsamplitudenspitzen beinhaltet, zu erzeugen; - eine erste Liste der Schwingungsamplitudenspitzen aus dem Schwingungsspektrum zusammenzustellen; - eine periodische Spitzenliste der Autokorrelationsamplitudenspitzen, die nur Autokorrelationsamplitudenspitzen beinhaltet, die nicht mit Rauschen in der Schwingungswellenform assoziiert sind, zusammenzustellen; - eine Spitzenliste durch sequenzielles Hinzufügen jeder Schwingungsamplitudenspitze aus der ersten Liste, die mit einer Autokorrelationsamplitudenspitze in der periodischen Spitzenliste übereinstimmt, zur Spitzenliste zu erzeugen; - wenn Schwingungsamplitudenspitzen zur Spitzenliste hinzugefügt werden, eine Gesamtmenge an Spitzenenergie, die mit den Schwingungsamplitudenspitzen in der Spitzenliste assoziiert ist, zu bestimmen; und - nachdem die Gesamtmenge an Spitzenenergie einen vorbestimmten Schwellwert überschreitet, ein periodisches Informationsdiagramm, umfassend die Schwingungsamplitudenspitzen in der Spitzenliste, zu erzeugen.
Vorrichtung nach Anspruch 1, wobei der Prozessor konfiguriert ist, Betriebsanweisungen auszuführen, um die periodische Spitzenliste von Autokorrelationsamplitudenspitzen zusammenzustellen durch: (a) Zusammenstellen einer zweiten Liste von Autokorrelationsamplitudenspitzen, die eine Vielzahl von größten Autokorrelationsamplitudenspitzen aus dem Autokorrelationsspektrum beinhaltet; (b) Berechnen eines Wölbungswerts auf Grundlage von Amplituden aller Spitzen in der zweiten Liste; (c) wenn der Wölbungswert größer als ein Wölbungsschwellwert ist, Verschieben einer Spitze, die eine Amplitude hat, die größer als Amplituden von anderen Spitzen in der zweiten Liste ist, von der zweiten Liste in die periodische Spitzenliste; und (d) Wiederholen von Schritten (b) und (c), bis der Wölbungswert kleiner als oder gleich dem Wölbungsschwellwert ist.
Vorrichtung nach Anspruch 2, wobei der Wölbungsschwellwert 3 ist.
Vorrichtung nach Anspruch 1, wobei der vorbestimmte Schwellwert einen prozentualen Energiewert umfasst und wobei der Prozessor konfiguriert ist, Betriebsanweisungen zum Berechnen des prozentualen Energiewerts auszuführen gemäß $\begin{array}{l} % Energie von Original = Gesamtenergie von Schwingunsspektrum \times % periodische \\ Energie \end{array}$
wobei $\begin{array}{l} % P e r i o d i s c h e E n e r g i e \\ = \sqrt{M a x P e a k (n a c h e r s t e n 3 % v o n A u t o k o r r e l a t i o n s w e l l e n f o r m)} \end{array}$
und wobei MaxPeak (nach 3 % von Autokorrelationswellenform) eine maximale absolute Spitze in der Autokorrelationswellenform, die außerhalb der ersten 3 % der Autokorrelationswellenform auftritt, umfasst.
Vorrichtung nach Anspruch 1, wobei die Schwingungswellenform eine PeakVue-Wellenform ist.
Vorrichtung nach Anspruch 1, wobei der Prozessor konfiguriert ist, Betriebsanweisungen auszuführen, um die Amplitudenspitzen in der ersten Liste und periodischen Spitzenliste in der Reihenfolge der absteigenden Amplitude anzuordnen, sodass eine größte Amplitudenspitze an erster Stelle ist und eine kleinste Amplitudenspitze an letzter Stelle ist.
Vorrichtung nach Anspruch 1, wobei der Prozessor konfiguriert ist, Betriebsinformationen auszuführen, um die Amplitudenspitzen als synchrone Spitzen und nicht-synchrone Spitzen zu klassifizieren, den synchronen Spitzen in dem periodischem Informationsdiagramm eine oder mehrere erste Anzeigefarben zuzuweisen und den nicht-synchronen Spitzen in dem periodischen Informationsdiagramm eine oder mehrere zweite Anzeigefarben zuzuweisen, wobei sich die ersten Anzeigefarben von den zweiten Anzeigefarben unterscheiden.
Vorrichtung nach Anspruch 1, wobei der Prozessor konfiguriert ist, Betriebsinformationen auszuführen, um Amplitudenspitzen, die synchrone Spitzen sind, in mehrere Familien aufzuteilen und jeder Familie von synchronen Spitzen in dem periodischen Informationsdiagramm eine andere Anzeigefarbe zuzuweisen.
Vorrichtung nach Anspruch 1, ferner umfassend: ein Datenkommunikationsnetz, mit dem der Prozessor verbunden ist und durch das das periodische Informationsdiagramm kommuniziert wird; und einen Analystencomputer, der mit dem Datenkommunikationsnetz verbunden ist, wobei der Analystencomputer zum Empfangen und Anzeigen des periodischen Informationsdiagramm zur Betrachtung durch einen Analysten ist.
Vorrichtung nach Anspruch 1, wobei der Prozessor eine Übereinstimmung zwischen einer Autokorrelationsamplitudenspitze aus der periodischen Spitzenliste und einer Schwingungsamplitudenspitze aus der ersten Liste bestimmt, wenn $\begin{array}{l} | Schwingungsspitzenfrequenz - Autokorrelationsspitzenfrequenz | \leq n \times \\ Δ F r e q u e n z, \end{array}$
wobei die Schwingungsspitzenfrequenz ein Frequenzwert der Schwingungsamplitudenspitze aus der ersten Liste ist, die Autokorrelationsspitzenfrequenz ein Frequenzwert der Autokorrelationsamplitudenspitze aus der periodischen Spitzenliste ist, n ein ganzzahliger Wert ist und ΔFrequenz bestimmt ist gemäß: $Δ F r e q u e n z = \frac{F m a x v o n S c h w i n g u n g s s p e k t r u m}{L O R v o n S c h w i n g u n g s s p e k t r u m},$
wobei Fmax die Maximalfrequenz des Schwingungsspektrums ist und LOR die Anzahl von Auflösungslinien in dem Schwingungsspektrum ist.
Vorrichtung nach Anspruch 1, wobei der Datensammler einen digitalen Datenrekorder oder einen Schwingungsdatensammler umfasst.
Vorrichtung nach Anspruch 1, wobei der Prozessor eine Komponente des Datensammlers ist oder eine Komponente eines Analystencomputers, der über ein Kommunikationsnetz in Kommunikation mit dem Datensammler ist, ist.
Computerimplementiertes Verfahren zum Analysieren von periodischen Informationen in digitalen Schwingungsdaten, die für Maschinenleistungsanalyse gesammelt werden, wobei das Verfahren Folgendes umfasst: (a) Erzeugen einer Schwingungswellenform auf Grundlage der digitalen Schwingungsdaten; (b) Durchführen einer schnellen Fourier-Transformation an der Schwingungswellenform, um ein Schwingungsspektrum zu erzeugen; (c) Zusammenstellen einer periodischen Spitzenliste von Schwingungsamplitudenspitzen durch statistisches Trennen von periodischen Spitzen von Rauschspitzen in dem Schwingungsspektrum, wobei das Zusammenstellen Folgendes beinhaltet: (c1) Erzeugen einer anfänglichen Liste von Schwingungsamplitudenspitzen, die eine Vielzahl von größten Schwingungsamplitudenspitzen aus dem Schwingungsspektrum beinhaltet; (c2) Berechnen eines Wölbungswerts auf Grundlage von Amplituden aller Schwingungsamplitudenspitzen in der anfänglichen Liste; (c3) wenn der Wölbungswert größer als ein Wölbungsschwellwert ist, Verschieben einer Schwingungsamplitudenspitze mit einer Amplitude, die größer als Amplituden von anderen Spitzen in der anfänglichen Liste ist, von der anfänglichen Liste in die periodische Spitzenliste; und (c4) Wiederholen von Schritten (c2) und (c3), bis der Wölbungswert kleiner als oder gleich dem Wölbungsschwellwert ist; und (d) grafisches Darstellen auf einem Anzeigegerät von Maschinenschwingungsinformationen, umfassend die Schwingungsamplitudenspitzen in der periodischen Spitzenliste oder abgeleitet von diesen.
Vorrichtung nach Anspruch 13, wobei der Wölbungsschwellwert 3 ist.
Verfahren nach Anspruch 13, wobei die Schwingungswellenform eine Autokorrelationswellenform ist und das Schwingungsspektrum ein Autokorrelationsspektrum ist.
Verfahren nach Anspruch 13, wobei Schritt (d) ein grafisches Darstellen von Maschinenschwingungsinformationen, die nur auf periodische Informationen in den digitalen Schwingungsdaten hindeuten, umfasst.
Verfahren nach Anspruch 13 , wobei die digitalen Schwingungsdaten auf Schwingung einer Pumpe hindeuten und Schritt (d) ein grafisches Darstellen von Maschinenschwingungsinformationen, die auf Kavitation in der Pumpe hindeuten, umfasst.
Computerimplementiertes Verfahren zum Analysieren von periodischen Informationen in digitalen Schwingungsdaten, die für Maschinenleistungsanalyse gesammelt werden, wobei das Verfahren Folgendes umfasst: (a) Erzeugen einer Schwingungswellenform auf Grundlage der digitalen Schwingungsdaten; (b) Durchführen einer schnellen Fourier-Transformation an der Schwingungswellenform, um ein Schwingungsspektrum zu erzeugen; (c) Identifizieren von Schwingungsamplitudenspitzen in dem Schwingungsspektrum; (d) Klassifizieren jeder der Schwingungsamplitudenspitzen als eine synchrone Spitze oder eine nicht-synchrone Spitze; (e) grafisches Darstellen der synchronen Spitzen auf einem Anzeigegerät in einer oder mehreren ersten Anzeigefarben oder einem oder mehreren ersten Linienstilen; und (f) grafisches Darstellen der nicht-synchronen Spitzen auf dem Anzeigegerät in einer oder mehreren zweiten Anzeigefarben oder einem oder mehreren zweiten Linienstilen, die sich von den ersten Anzeigefarben und ersten Linienstilen unterscheiden.
Verfahren nach Anspruch 18, ferner umfassend ein Aufteilen der Schwingungsamplitudenspitzen, die als synchrone Spitzen klassifiziert sind, in mehrere Familien, wobei Schritt (e) ein grafisches Darstellen jeder Familie von synchronen Spitzen in einer ersten Anzeigefarbe oder einem ersten Linienstil, die/der sich von den ersten Anzeigefarben oder ersten Linienstilen, in denen andere Familien von synchronen Spitzen angezeigt sind, unterscheidet, umfasst.