DE102021203445A1 - Verfahren zum Vorhersagen der verbleibenden nutzbaren Lebensdauereiner Maschine - Google Patents

Verfahren zum Vorhersagen der verbleibenden nutzbaren Lebensdauereiner Maschine Download PDF

Info

Publication number
DE102021203445A1
DE102021203445A1 DE102021203445.4A DE102021203445A DE102021203445A1 DE 102021203445 A1 DE102021203445 A1 DE 102021203445A1 DE 102021203445 A DE102021203445 A DE 102021203445A DE 102021203445 A1 DE102021203445 A1 DE 102021203445A1
Authority
DE
Germany
Prior art keywords
machine
rul
data
state
life
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
DE102021203445.4A
Other languages
English (en)
Inventor
Kareem Gouda
Haiyang (Jackson) Li
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
SKF AB
Original Assignee
SKF AB
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by SKF AB filed Critical SKF AB
Publication of DE102021203445A1 publication Critical patent/DE102021203445A1/de
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M13/00—Testing of machine parts
    • G01M13/04—Bearings
    • G01M13/045—Acoustic or vibration analysis
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
    • G05B23/0254—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model based on a quantitative model, e.g. mathematical relationships between inputs and outputs; functions: observer, Kalman filter, residual calculation, Neural Networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
    • F16C—SHAFTS; FLEXIBLE SHAFTS; ELEMENTS OR CRANKSHAFT MECHANISMS; ROTARY BODIES OTHER THAN GEARING ELEMENTS; BEARINGS
    • F16C17/00—Sliding-contact bearings for exclusively rotary movement
    • F16C17/12—Sliding-contact bearings for exclusively rotary movement characterised by features not related to the direction of the load
    • F16C17/24—Sliding-contact bearings for exclusively rotary movement characterised by features not related to the direction of the load with devices affected by abnormal or undesired positions, e.g. for preventing overheating, for safety
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
    • F16C—SHAFTS; FLEXIBLE SHAFTS; ELEMENTS OR CRANKSHAFT MECHANISMS; ROTARY BODIES OTHER THAN GEARING ELEMENTS; BEARINGS
    • F16C19/00—Bearings with rolling contact, for exclusively rotary movement
    • F16C19/52—Bearings with rolling contact, for exclusively rotary movement with devices affected by abnormal or undesired conditions
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M13/00—Testing of machine parts
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0283—Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
    • F16C—SHAFTS; FLEXIBLE SHAFTS; ELEMENTS OR CRANKSHAFT MECHANISMS; ROTARY BODIES OTHER THAN GEARING ELEMENTS; BEARINGS
    • F16C2233/00—Monitoring condition, e.g. temperature, load, vibration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Acoustics & Sound (AREA)
  • Geometry (AREA)
  • Computer Hardware Design (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

Ein Verfahren zum Vorhersagen einer verbleibenden nützlichen Lebensdauer (RUL) einer Maschine auf der Basis einer (Zeit)-(Kennwert)-Datenaufzeichnung, welches die folgenden Schritte aufweist: Schritt 1, Verwenden einer Regressionsanalyse, um ein mathematisches Modell einer Maschinenlebensdauerkurve anzupassen, die eine variable Beziehung zwischen der Zeit und einem Kennwert reflektiert, und Berechnen der Zeit, die benötigt wird, damit die Lebensdauerkurve einen vorab festgesetzten Ausfallschwellwert, d. h. eine erwartete RUL, gemäß dem Modell erreicht; und Schritt 2, Wiederholen des Schritts 1 oben mit einem Anteil von Daten, die zufällig weggelassen werden, und statistisch Erhalten einer Wahrscheinlichkeitsverteilung der erwarteten RUL gemäß einem Wiederholungsergebnis, wobei die RUL, die der maximalen Wahrscheinlichkeitsverteilung entspricht, bestimmt ist, die am wahrscheinlichsten erwartete RUL der Maschine zu sein. Das obige Verfahren vermeidet eine Voreingenommenheit in der Vorhersage einer Maschinen-RUL unter Verwendung eines einzelnen Lebensdauerkurvenmodells und kann signifikant die Zuverlässigkeit und Genauigkeit der Maschinenvorhersage verbessern.

Description

  • Technisches Gebiet
  • Die vorliegende Erfindung bezieht sich auf ein Verfahren zum Vorhersagen einer verbleibenden nutzbaren Lebensdauer (abgekürzt als „RUL“) einer Maschine und/oder Komponente (hierin später gemeinsam als „Maschinen“ bezeichnet), insbesondere auf ein Verfahren zum Vorhersagen einer RUL einer Maschine auf der Basis von Wahrscheinlichkeitsstatistiken.
  • Hintergrundtechnik
  • Regressionsanalyse ist ein häufig verwendetes Verfahren zum Bestimmen einer quantitativen Beziehung zwischen zugehörigen Variablen (basierend auf einem mathematischen Modell) und wird weithin in Verfahren zum Vorhersagen der RUL von Maschinen angewendet. In einem existierenden Verfahren wird die Regressionsanalyse nur verwendet, um eine beste Anpassungskurve für eine Maschinenlebensdauer zu erhalten, aber ein Vorhersageergebnis basierend auf einer einzelnen besten Anpassungslösung ist häufig voreingenommen und kann daher kaum als eine zuverlässige Basis zum Initiieren von Wartungsmaßnahmen verwendet werden. In der Praxis müssen Menschen nach wie vor unbekannten Maschinenfehlern und den resultierenden Abschaltungsverlusten begegnen. Die Realität ruft nach einem Maschinenlebensdauervorhersageverfahren, das fähig ist, den Bedarf nach einer zuverlässigen Vorhersage in einer modernen Produktion zu entsprechen.
  • Zusammenfassung der Erfindung
  • Um das oben erwähnte technische Problem zu lösen, stellt die vorliegende Erfindung ein Verfahren zum Vorhersagen einer verbleibenden nutzbaren Lebensdauer (RUL) einer Maschine auf der Basis einer historischen (Zeit-)-(Kennwert)-Datenaufzeichnung, welches aufweist: Schritt 1) Verwenden einer Regressionsanalyse, um ein mathematisches Modell einer Maschinenlebensdauerkurve anzupassen, das eine variable Beziehung zwischen der Zeit und einem Kennwert reflektiert, und Berechnen der Zeit, die benötigt wird, damit die Maschinenlebensdauerkurve einen vorab festgesetzten Ausfallschwellwert erreicht, d. h. eine erwartete RUL, gemäß dem Modell; und Schritt 2) Wiederholen von Schritt 1 mit einem Anteil von Daten, die zufällig abgelehnt wurden, und statistisches Erhalten einer Wahrscheinlichkeitsverteilung der erwarteten RUL gemäß einem Wiederholungsergebnis, wobei die erwartete RUL, die der Maximalwahrscheinlichkeitsverteilung entspricht, bestimmt ist, die höchstwahrscheinlich erwartete RUL der Maschine zu sein.
  • Das obige Verfahren vermeidet eine Voreingenommenheit in der Voraussage einer Maschinen-RUL unter Verwendung eines einzigen Lebensdauerkurvenmodells und kann die Zuverlässigkeit und Genauigkeit der Vorhersage signifikant verbessern.
  • Figurenliste
    • 1 zeigt ein schematisches Diagramm eines Funktionsmodells einer Maschine in einem stabilen Betriebszustand.
    • 2 zeigt ein schematisches Diagramm eines Funktionsmodells der Maschine in einem linearen Ausfallbetriebszustand.
    • 3a zeigt ein schematisches Diagramm eines Quadratpolynomfunktionsmodells der Maschine in einem beschleunigten Ausfallbetriebszustand.
    • 3b zeigt ein schematisches Diagramm eines Exponentialfunktionsmodells der Maschine in einem beschleunigten Ausfallbetriebszustand.
    • 4 zeigt ein schematisches Diagramm eines Verfahrens zum Bestimmen der besten Zustandswendepunktkombination, basierend auf dem Prinzip der minimalen kumulativen Verlustfunktion.
    • 5 zeigt ein schematisches Diagramm eines Lebensdauerkurvenbündels, das durch zufälliges Ablehnen eines Anteils von Daten angepasst ist, die einen Ausfallschwellwert erreichen.
    • 6 zeigt ein Wahrscheinlichkeitsverteilungsdiagramm der Zeit, die durch das Lebensdauerkurvenbündel, das in 5 gezeigt ist, benötigt wird, um den Ausfallschwellwert (d. h. die erwartete RUL) zu erreichen.
  • Detaillierte Beschreibung der Erfindung
  • 1 - 3 zeigen den gesamten Prozess eines typischen Lebensdauerzyklus einer Maschine, der sich von einem stabilen Betriebszustand zu einem beschleunigten Ausfallzustand entwickelt. 1 zeigt die Maschine in einem Zustand eines stabilen Betriebs (Zustand 1), wobei ein relevanter Leistungsindex im Wesentlichen konstant ist, und ein mathematisches Modell wird durch eine funktionale Beziehung f(t)=bo (t ≥ 0) (Formel (1)) repräsentiert; 2 zeigt die Vorrichtung in einem frühen Schadenszustand, wobei ein relevanter Leistungsindex in einem Zustand einer linearen Verschlechterung ist (Zustand 2), und ein mathematisches Modell wird durch eine funktionale Beziehung f(t) = a1t + b1 (a1 > 0) (Formel (2)) repräsentiert; 3a und 3b zeigen die Vorrichtung in einem ernsten Schadenszustand, wobei ein relevanter Leistungsindex in einem Zustand einer beschleunigten Verschlechterung ist (Zustand 3), und ein typisches mathematisches Modell wird durch eine quadratische Polynomfunktion f(t) = a2 (t + b2)2 + C2 (a2 > 0, b2 < 0) (Formel (3)) oder eine Exponentialfunktion f(t) = a2b2 t + c2 (a2 > 0, b2 >1) (Formel (4)) repräsentiert.
  • Der relevante Leistungsindex wird durch einen Kennwert in der vorliegenden Erfindung beschrieben. Der Begriff „Kennwert“ ist ein offenes Konzept, das theoretisch irgendeinen Informationsindex beinhaltet, der verwendet werden kann, um die Eigenschaften einer Maschine bezüglich der Leistung, Qualität, und Zustand, etc. zu charakterisieren, und durch irgendeine Messeinheit quantifiziert werden kann, die durch menschliche Wahrnehmung oder Technologie erfasst werden kann. Es kann eine Schwingungscharakteristik (z.B. Rauschen) oder eine Nicht-Schwingungscharakteristik (z.B. der Grad der Alterung von Fett) sein; es kann eine Fehlercharakteristik oder eine Nicht-Fehlercharakteristik sein; und es kann eine vorteilhafte Charakteristik oder eine nachteilige Charakteristik sein. Eine Schwingungscharakteristik als ein Beispiel nehmend sind in dem Fall einer rotierenden Maschine (einschließlich Komponenten), wie beispielsweise einer elektrischen Maschine, einem Rotor, einer Rotationswelle, einem Zahnrad, einem Lager oder Lagerblock, etc., die mechanische Leistung, Qualitätsdefekte und Fehlerentwicklung davon häufig alle in einem Schwingungssignal enthalten, das dadurch ausgegeben wird. Somit enthalten Kennwerte basierend auf Schwingungssignalen Signaldaten aus Geschwindigkeit, Beschleunigung, Energie und Frequenz, etc. im Zeitbereich oder Frequenzbereich und können auch abgeleitete Daten sein, die allein oder in Kombination auf der Basis dieser Daten gebildet sind, einschließlich aber nicht beschränkt auf Funktionswerte, statistische Werte und Vergleichswerte, etc. In 1 - 5 sind die vertikalen Koordinaten alle Kennwerte, die einen Leistungsindex (oder Indizes) der Maschine charakterisieren.
  • Üblicherweise wird sich der gesamte Lebensdauerzyklus der Maschine von dem Zustand 1 zu dem Zustand 2 entwickeln und dann weiter zu dem Zustand 3 entwickeln; während dieser Zeit werden die Zustandswendepunkte to und t1 (t1 ≥ t0) sequenziell durchlaufen. Dies ist allgemein ein progressiver Prozess, aber es gibt Ausnahmen. In manchen Situationen wird eine Vorrichtung einen bestimmten Zustand überspringen und direkt in den nächsten Zustand eintreten. Beispielsweise kann sie in den Zustand 3 direkt von dem Zustand 1 eintreten oder direkt in den Zustand 2 oder den Zustand 3 von Anfang an eintreten. Es gibt viele Gründe für eine Maschinenzustandsverschlechterung, einschließlich Intra-Systemfaktoren, wie beispielsweise Komponentenausfall oder Designdefekte, und Extra-Systemfaktoren, wie beispielsweise ein Eindringen von Fremdkörpern oder ungenaue Installation, etc.
  • Wie oben erwähnt kann das mathematische Modell der Maschinenlebensdauerkurve eine Regressionsanalyse zur Anpassung verwenden; dies ist eine Grundvoraussetzung zum Vorhersagen der RUL der Maschine. Jedoch ist die Bestimmung von Wendepunkten (Positionen) zwischen benachbarten Zuständen in aktuell bekannten Regressionsanalyseverfahren herausfordernd. Somit ist es das Verfahren, das in der vorliegenden Erfindung verwendet wird, zumindest teilweise alle möglichen Wendepunktkombinationen durchzulaufen und die Lösung der besten Anpassung für die Maschinenlebensdauerkurve durch Vergleichen von kumulativen Verlustfunktionswerten der Lebensdauerkurve für jede der Kombinationen zu erhalten. Es wird nebenbei darauf hingewiesen, dass Verlustfunktionen Funktionen zum Evaluieren des Grads von Diskretheit zwischen einem vorhergesagten Wert und einem realen Wert sind und allgemein in der Regressionsanalyse verwendet werden, um das beste Regressionsmodell mittels eines Minimalwerts zu bestimmen. Allgemein verwendete Verlustfunktionen weisen die Funktion des mittleren quadratischen Fehlers (MSE), etc. auf und werden hier nicht weiter diskutiert.
  • 4 zeigt ein schematisches Diagramm eines Verfahrens zum Bestimmen der besten Zustandswendepunktkombination, basierend auf dem Prinzip der minimalen kumulativen Verlustfunktion. Zuerst wird angenommen, dass die Zustandswendepunkte to und t1 beide einem ersten Datenpunkt in einer (Zeit)-(Kennwert)-Datenaufzeichnung entsprechen; dann sollte die Lebensdauerkurve, die auf dieser Basis angepasst ist, nur den Zustand 3 enthalten. In diesem Fall können die Formeln (3) und (4) zur Anpassung verwendet werden. Natürlich muss nach der Anpassung das Ergebnis überprüft werden. Formel (4) als ein Beispiel nehmend, ist es notwendig, zu bestimmen, ob das Anpassungsergebnis die Bedingungen a2 > 0 und b2 > 1 erfüllt. Wenn die Bedingungen nicht erfüllt sind, dann wird diese Anpassung verworfen; wenn die Bedingungen erfüllt sind, dann wird der mittlere quadratische Fehler (Verlustfunktion) für die angepasste Kurve und die Daten berechnet, und das Kurvenmodell der besten Anpassung für den Zustand 3 wird gesucht, indem die Größen der Verlustfunktion (Formel (4)) verglichen werden. Hier wird das Kurvenmodell für den Zustand 3, das dem minimalen mittleren quadratischen Fehler entspricht, als die Lösung der besten Anpassung genommen.
  • Als nächstes wird angenommen, dass to einem ersten Datenpunkt entspricht und t1 einem zweiten Datenpunkt entspricht; in dem Fall einer solchen Wendepunktkombination sollte die Lebensdauerkurve der Maschine nur den Zustand 2 und den Zustand 3 aufweisen. In ähnlicher Weise zu der Anpassung für den Zustand 3 oben werden die Kurve der besten Anpassung für den Zustand 2 (Formel (2)) und die Kurve der besten Anpassung für den Zustand 3 (Formel (3) oder (4)) durch Vergleich erhalten, wiederum basierend auf dem Prinzip des minimalen mittleren quadratischen Fehlers. Ein kumulativer Wert des mittleren quadratischen Fehlers der Kurve der besten Anpassung des Zustands 2 und der Kurve der besten Anpassung des Zustands 3 für die aktuelle Wendepunktkombination wird dann für die Zwecke des nachfolgenden Vergleiches aufgezeichnet.
  • Als nächstes wird angenommen, dass to einem ersten Datenpunkt entspricht, und t1 einem dritten Datenpunkt entspricht; in dem Fall einer solchen Wendepunktkombination sollte die Lebensdauerkurve der Maschine nach wie vor nur den Zustand 2 und Zustand 3 aufweisen. Der obige Anpassungsprozess für den Zustand 2 und Zustand 3 wird wiederholt, bis t1 alle Datenpunkte nach to (oder alle bezeichneten Datenpunkte) durchquert hat.
  • Für to an einer spezifischen Position sollte to von dem aktuellen Datenpunkt zu dem nächsten (bezeichneten) Datenpunkt bewegt werden, sobald t1 alle (bezeichneten Datenpunkte nach to durchquert hat, bis to auch den finalen (bezeichneten) Datenpunkt erreicht. Auf diese Weise durchquert die vorliegende Erfindung alle möglichen (oder bezeichneten) Wendepunktkombinationen, wodurch die Lebensdauerkurve der Maschine für jede Kombination erhalten wird. Die bezeichneten Wendepunktkombinationen können Wendepunktkombinationen sein, die in einem spezifischen Intervallbereich verteilt sind, oder Wendepunktkombinationen, die gemäß einer gegebenen Regel ausgewählt sind.
  • Wie oben angegeben ist, wird die angepasste Lebensdauerkurve der Maschine für jede Wendepunktkombination einen kumulativen Wert eines mittleren quadratischen Fehlers bilden, der durch Summieren der mittleren quadratischen Fehler der Kurven der besten Anpassung aller Zustände (Zustände 1 - 3) gebildet ist, die darin enthalten sind. Die vorliegende Erfindung verwendet den kumulativen Wert des mittleren quadratischen Fehlers als ein Beurteilungskriterium und bestimmt durch Vergleich, dass die Wendepunktkombination, die dem kumulativen Wert des minimalen mittleren quadratischen Fehlers entspricht, die beste Wendepunktkombination ist, wobei die Kurven der besten Anpassung aller Zustände (Zustände 1 - 3), die in der besten Wendepunktkombination enthalten sind, die beste Anpassungslösung für die Maschinenlebensdauerkurve bilden. In anderen Worten durchquert die vorliegende Erfindung alle möglichen oder bezeichneten Wendepunktkombinationen und nimmt den kumulativen Wert der minimalen Verlustfunktion für jede der Kombinationen als das Beurteilungskriterium, erhält die Maschinenlebensdauerkurve, die am besten insgesamt angepasst ist, durch Vergleichen der kumulativen Verlustfunktionswerte.
  • Der Lebensdauerzyklus einer rotierenden Maschine weist im Allgemeinen einen vollen Prozess der Entwicklung von einem stabilen Betrieb zu einem graduellen Ausfall auf, und das Verwenden einer stückweisen Funktion zum Beschreiben der Lebensdauerkurve davon ist ein effektives Verfahren. Die vorliegende Erfindung basiert auf dem Prinzip des kumulativen Werts der minimalen Verlustfunktion und siebt die optimale Anpassungslösung durch Vergleichen der kumulativen Verlustfunktionswerte der Lebensdauerkurven, die allen Wendepunktkombinationen entsprechen, heraus. Das Verfahren ist zum Anpassen aller Maschinenlebensdauerkurven mit einer stückweisen Funktion als ein Modell geeignet (unabhängig von der Anzahl von Zuständen und darin enthaltenen Wendepunkte) und ist daher von wichtigem praktischen Wert in dem herausfordernden Problem des Bestimmens von Zustandswendepunkten.
  • Nach dem Bestimmen eines Funktionsmodells der Maschinenlebensdauerkurve ist es möglich, die Zeit zu berechnen, die benötigt wird, damit die korrespondierende Lebensdauerkurve gemäß dem Modell einen vorbestimmten Ausfallschwellwert erreicht, d. h. eine vorhergesagte RUL der Maschine. Spezifisch wird, wenn die Lebensdauerkurve nur die Formel (1) erfüllt, die Maschine als in einem stabilen Betriebszustand betrachtet, die bis jetzt noch keinen Schaden erlitten hat, in welchem Fall die RUL schwierig vorherzusagen ist; wenn die Lebensdauerkurve die Formel (2) erfüllt, wird die Maschine als in einem frühen Schadenszustand betrachtet, und somit hängt die RUL von dem Zeitpunkt des Schnittpunkts der Formel (2) und des Ausfallschwellwerts ab; wenn die Lebensdauerkurve die Formel (3) oder (4) erfüllt, ist die Vorrichtung in einem ernsthaft beschädigten Zustand und die RUL hängt von dem vorhergesagten Schnittpunkt der Formel (3) oder (4 )und des Ausfallschwellwerts ab.
  • Jedoch wird, wie oben ausgeführt ist, das oben beschriebene Verfahren auf der Basis einer einzelnen Lebensdauerkurve erstellt (obwohl die Anpassungslösung der besten Wendepunktkombination entspricht) und die RUL, die dadurch erhalten wird, kann voreingenommen sein. Mathematisch gesprochen ist die RUL die Zeit, die benötigt wird, damit die Lebensdauerkurve den Ausfallschwellwert erreicht, und ist ein nachfolgender abgeleiteter Wert eines Anpassungsergebnisses (Lebensdauerkurve), womit die Genauigkeit und Zuverlässigkeit davon wenig überzeugend sind, und kann schwer als eine zuverlässige Basis zum Initiieren von Wartungsmaßnahmen in der Praxis verwendet werden.
  • 5 zeigt ein schematisches Diagramm der Konvergenz, mit einem Ausfallschwellwert, eines Lebensdauerkurvenbündels, das angepasst ist, nachdem zufällig ein Anteil der Daten abgelehnt wurde. Um die voreingenommene Natur eines einzelnen Anpassungsergebnisses zu vermeiden, lehnt die vorliegende Erfindung zufällig einen Anteil von Daten ab und passt unterschiedliche Lebensdauerkurven gemäß einer verbleibenden Datenaufzeichnung an. Das Kurvenbündel, das durch Lebensdauerkurven gebildet ist, die auf der Basis von unterschiedlichen Daten angepasst sind, deckt die meisten Möglichkeiten in einem statistischen Sinn ab, und die dadurch erhaltene RUL hat eine Wahrscheinlichkeitsverteilung in einem statistischen Sinn (zum Beispiel Normalverteilung), wobei die Möglichkeit, die durch die RUL impliziert wird, die der maximalen Wahrscheinlichkeitsverteilung entspricht, die größte ist, und als eine zuverlässige Basis zum Vorhersagen der RUL dienen kann.
  • Jedoch wird die Menge an abgelehnten Daten einen signifikanten Effekt auf die Entwicklung der angepassten Kurve haben. Wenn zu viele Daten abgelehnt werden, dann könnten die Daten verzerrt sein und nicht mit der realen Situation übereinstimmen; wenn zu wenig Daten abgelehnt werden, dann wird dies keinen signifikanten Effekt auf das Anpassungsergebnis haben und es wird nicht möglich sein, ein Kurvenbündel mit einer breiten Verteilung in einem statistischen Sinn zu erhalten. Es wurde durch Vergleich herausgefunden, dass das Datenablehnungsverhältnis (d. h. der Prozentsatz der gesamten Datenmenge) nicht 50 % überschreiten sollte, vorzugsweise 20 ± 10 % ist, und weiter vorzugsweise 15 ± 5 % ist. Da das Datenablehnungsverhältnis graduell konvergiert, tendiert das angepasste Kurvenbündel auch dazu, konzentrierter zu werden, und ein Konvergenzbereich mit dem Ausfallschwellwert wird graduell schmaler. Wie in 5 gezeigt ist, bestimmt dieser Bereich die RUL-Bereichsverteilung; ein zu breiter Bereich macht es schwierig, eine genaue Vorhersage zu treffen, aber ein zu schmaler Bereich resultiert leicht in einer Voreingenommenheit.
  • 6 zeigt ein Wahrscheinlichkeitsverteilungsdiagramm der Zeit, die benötigt wird, damit der Ausfallschwellwert (d. h. die RUL) durch eine Lebensdauerkurvenbündel erreicht wird, das angepasst ist, indem zufällig ein Anteil der Daten abgelehnt wird. Die Figur zeigt, dass, wenn die Zeit verstreicht, die erwartete RUL kürzer und kürzer wird. Beispielsweise ist an dem 89. Tag des Maschinenbetriebs die erwartete RUL 17 - 22 Tage; an dem 94. Tag des Maschinenbetriebs ist die erwartete RUL 7 - 10 Tage. Auf dieser Basis ist es möglich, einen Wartungsplan in einem frühen Zustand eines Fehlers zu formulieren und eine Anpassung zu jeder Zeit gemäß nachfolgenden Informationsaktualisierungen auszuführen. Es kann auch aus der Figur gesehen werden, dass, wenn die Zeit verstreicht, die Wahrscheinlichkeitsverteilung der erwarteten RUL auch einen Konvergenztrend zeigt. Beispielsweise ist an dem 91. Tag des Maschinenbetriebs die verbleibende Lebensdauer, die der maximalen Wahrscheinlichkeitsverteilung entspricht (ungefähr 25 %), 21 - 22 Tage; an dem 94. Tag des Maschinenbetriebs ist die RUL, die der maximalen Wahrscheinlichkeitsverteilung entspricht (ungefähr 50 %), 8 Tage. Wenn sich die Maschinenlebensdauer ihrem Ende nähert, tendiert die Wahrscheinlichkeitsverteilung der RUL auch dazu, konzentrierter zu werden, und die Zuverlässigkeit der Vorhersage verbessert sich graduell; ein Informationsvorabwarnung, die auf dieser Basis getriggert wird, kann als eine zuverlässige Basis zum Initiieren einer Wartung dienen, was sicherstellt, dass die Vorrichtung einer prompten Wartung unterzogen wird, bevor ein Fehler auftritt.
  • In dem oben beschriebenen Verfahren gibt es auch manche spezifischen Merkmale, die verändert oder perfektioniert werden können. Beispielsweise wenn der Zustandswendepunkt to und/oder t1 in einem Endbereich der Lebensdauerkurve auftritt, könnte dies darin resultieren, dass der nachfolgende Zustand aufgrund einer unzureichenden Menge von Daten voreingenommen ist, und die RUL, die auf dieser Basis erhalten wird, ist nicht sehr zuverlässig. Somit kann ein Zeitbereich festgesetzt werden, z.B. angeordnet in den finalen 30 %, 50 Stunden oder 50 Tagen der Lebensdauerkurve, und wenn to oder t1 in diesem Zeitbereich auftritt, dann wird der nachfolgende Zustand keiner Anpassung unterworfen oder das angepasste Zustandsmodell kann nicht als eine Modellbasis zum Vorhersagen der RUL dienen.
  • Des Weiteren reflektieren Daten von der Zeit des Abschaltens nicht den realen Zustand der Maschine und sollten abgelehnt werden. In der vorliegenden Erfindung, wenn der charakteristische Wert geringer als 20 % eines Durchschnittswerts ist, dann wird die Maschine in einem Zustand des Abschaltens angesehen. Hier wird ein relativer Schwellwert verwendet, um Daten zu filtern, da die charakteristischen Wertbereiche von unterschiedlichen Vorrichtungen in einem Betriebszustand unterschiedlich sind, und ein Filtern basierend auf einem relativen Wert kann effektiv fehlerhafte Beurteilungen reduzieren.
  • Das Verfahren zum Vorhersagen der Vorrichtungslebensdauer, wie es oben beschrieben ist, ist für alle Arten von Maschinenvorrichtungen geeignet, und ist insbesondere für rotierende Maschinen (einschließlich Komponenten) geeignet, z.B. elektrische Maschinen, Rotoren, Lager und Zahnräder, etc. Der Fachmann sollte verstehen, dass das Verfahren der vorliegenden Erfindung nicht auf bestimmte Ausführungsformen beschränkt ist. Irgendwelche Veränderungen und Verbesserungen an der vorliegenden Erfindung, die in Übereinstimmung mit den Definitionen in den angehängten Ansprüchen sind, sind in dem Schutzumfang der vorliegenden Erfindung enthalten.

Claims (10)

  1. Verfahren zum Vorhersagen einer verbleibenden nützlichen Lebensdauer (RUL) einer Maschine auf der Basis einer (Zeit)-(Kennwert)-Datenaufzeichnung, welches die folgenden Schritte aufweist: Schritt 1, Verwenden einer Regressionsanalyse, um ein mathematisches Modell einer Maschinenlebensdauerkurve anzupassen, die eine variable Beziehung zwischen der Zeit und einem Kennwert reflektiert, und Berechnen der Zeit, die benötigt wird, damit die Lebensdauerkurve einen vorab festgesetzten Ausfallschwellwert, d. h. eine erwartete RUL, gemäß dem Modell erreicht; und Schritt 2, Wiederholen des Schritts 1 mit einem Anteil von Daten, die zufällig weggelassen werden, und statistisch Erhalten einer Wahrscheinlichkeitsverteilung der erwarteten RUL gemäß einem Wiederholungsergebnis, wobei die RUL, die der maximalen Wahrscheinlichkeitsverteilung entspricht, bestimmt ist, die am wahrscheinlichsten erwartete RUL der Maschine zu sein.
  2. Verfahren gemäß Anspruch 1, dadurch gekennzeichnet, dass die weggelassenen Daten nicht mehr als 50 % der gesamten Menge an Daten ausmachen.
  3. Verfahren gemäß Anspruch 2, dadurch gekennzeichnet, dass die weggelassenen Daten 20 ± 10 % der gesamten Menge an Daten ausmachen.
  4. Verfahren gemäß Anspruch 3, dadurch gekennzeichnet, dass die weggelassenen Daten 15 ± 5 % der gesamten Menge an Daten ausmachen.
  5. Verfahren gemäß einem der Ansprüche 1-4, dadurch gekennzeichnet, dass das mathematische Modell der Lebensdauerkurve ein Funktionsmodell (Formeln (1) - (4)) ist, das zumindest drei Betriebszustände aufweist, insbesondere einen stabilen Betrieb (Zustand 1), einen linearen Ausfall (Zustand 2) und eine beschleunigten Ausfall (Zustand 3), wobei ein Datenpunkt zwischen benachbarten Zustände als ein Zustandswendepunkt (to und t1) definiert ist, und eine Lösung der besten Anpassung für die Maschinenlebensdauer durch Vergleichen von kumulativen Verlustfunktionswerten von Lebensdauerkurven, die allen möglichen oder bezeichneten Wendepunktkombinationen entsprechen, gesucht wird.
  6. Verfahren gemäß Anspruch 5, dadurch gekennzeichnet, dass das Funktionsmodell des beschleunigten Ausfallzustand (Zustand 3) eine quadratische Polynomfunktion (Formel (3)) oder eine exponentielle Funktion (Formel (4)) ist.
  7. Verfahren gemäß Anspruch 5, dadurch gekennzeichnet, dass, wenn der Zustandswendepunkt (to und/oder t1) innerhalb eines bestimmten Zeitbereichs in einem Endbereich der Lebensdauerkurve auftritt, dann ein nachfolgender Zustand nicht angepasst wird, oder ein nachfolgend angepasstes Zustandsfunktionsmodell (Formeln (1) - (4)) nicht verwendet werden kann, um die RUL der Maschine vorherzusagen.
  8. Verfahren gemäß Anspruch 6, dadurch gekennzeichnet, dass der bestimmte Zeitbereich in dem Endbereich der Lebensdauerkurve nicht 30 % eines Datenaufzeichnungszeitbereichs überschreitet.
  9. Verfahren gemäß einem der Ansprüche 1-4, dadurch gekennzeichnet, dass ein relativer Schwellwert verwendet wird, um Abschaltungsdaten herauszufiltern.
  10. Verfahren gemäß einem der Ansprüche 1-4, dadurch gekennzeichnet, dass die Maschine eine rotierende Maschine, ein Lager oder eine Kombination davon ist, und dass der Kennwert ein Kennwert basierend auf einem Schwingungssignal ist.
DE102021203445.4A 2020-04-15 2021-04-07 Verfahren zum Vorhersagen der verbleibenden nutzbaren Lebensdauereiner Maschine Pending DE102021203445A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202010294399.4 2020-04-15
CN202010294399.4A CN113536513A (zh) 2020-04-15 2020-04-15 机器剩余使用寿命的预测方法

Publications (1)

Publication Number Publication Date
DE102021203445A1 true DE102021203445A1 (de) 2021-10-21

Family

ID=77919710

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102021203445.4A Pending DE102021203445A1 (de) 2020-04-15 2021-04-07 Verfahren zum Vorhersagen der verbleibenden nutzbaren Lebensdauereiner Maschine

Country Status (3)

Country Link
US (1) US20210325277A1 (de)
CN (1) CN113536513A (de)
DE (1) DE102021203445A1 (de)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114943120A (zh) * 2022-03-14 2022-08-26 联合汽车电子有限公司 疲劳曲线标定方法及可读存储介质
CN117390974B (zh) * 2023-12-12 2024-03-05 上海凯士比泵有限公司 用于预测转动设备的剩余使用寿命的方法、设备和介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7260509B1 (en) * 2001-07-06 2007-08-21 Cingular Wireless Ii, Llc Method for estimating changes in product life resulting from HALT using quadratic acceleration model

Also Published As

Publication number Publication date
US20210325277A1 (en) 2021-10-21
CN113536513A (zh) 2021-10-22

Similar Documents

Publication Publication Date Title
DE60221149T2 (de) System und verfahren zur identifikation des vorhandenseins von defekten in einer vibrierenden maschine
DE102021203445A1 (de) Verfahren zum Vorhersagen der verbleibenden nutzbaren Lebensdauereiner Maschine
DE112007000483B4 (de) Zustandserfassungsvorrichtung, Zustandserfassungsverfahren, Zustandserfassungsprogramm und Informationsaufzeichnungsmedium
DE112005002077B4 (de) Zustandserfassungsvorrichtung, Zustandserfassungsverfahren, Zustandserfassungsprogramm, Informationsaufzeichnungsmedium dafür sowie Zustandsanzeigevorrichtung, Zustandsanzeigeverfahren, Zustandsanzeigeprogramm und Informationsaufzeichnungsmedium dafür
EP2083338B1 (de) Verfahren und Vorrichtung zum Überwachen einer Maschine
DE102009006887B3 (de) Verfahren und System zur Halbleiterprozesssteuerung und Überwachung unter Anwendung eines Datenqualitätsmaßes
DE3237371C2 (de) Vorrichtung zur Ermittlung von Fehlerorten an einem Riemchenstreckwerk einer Spinnmaschine
DE102006004411B4 (de) Verfahren und System für die Messdatenbewertung in der Halbleiterbearbeitung durch auf Korrelation basierende Datenfilterung
DE102020201593A1 (de) Intelligentes Identifizierungsverfahren für eine Schwingungseigenschaft von rotierenden Maschinen
EP1599842A2 (de) Risikominimierung und wartungsoptimierung durch ermittlung von schädigungsanteilen aus betriebsdaten
EP0685580A1 (de) Verfahren und Vorrichtung zur Ermittlung von Ursachen für Fehler in Garnen, Vorgarnen und Bändern
DE2912577A1 (de) Verfahren zur elektronischen reinigung von garnen und zur bewertung von garnfehlern
DE102005030586A1 (de) Verfahren und System für eine fortschrittliche Prozesssteuerung unter Anwendung der Messunsicherheit als Steuerungseingang
DE102007008968A1 (de) Verfahren zum Erkennen von Wassereintrag in Dampfturbinen
EP3529600A1 (de) Verfahren zur überwachung des funktionszustands einer anlage zur computertomographischen untersuchung von werkstücken
DE102018203977A1 (de) Verfahren zur Fehlererkennung und Anlage zum Bearbeiten eines Werkstücks
DE102015206194B4 (de) Verfahren zur Kontrolle von Prüflingen sowie Vorrichtung hierfür
EP1431927A1 (de) Verfahren zur Schätzung der Restlebensdauer einer Vorrichtung
WO1998003879A9 (de) Verfahren zum testen eines produktes und vorrichtung zum durchführen des verfahrens
EP0606615A1 (de) Verfahren und Vorrichtung zur On-line Qualitätsüberwachung im Spinnereivorwerk
DE112021005249T5 (de) Zustandsbestimmungsvorrichtung und zustandsbestimmungsverfahren
DE102017002624A1 (de) Verfahren zur Produktionsüberwachung von mechanischen und elektromechanischen Produkten und Maschinen
EP2578335B1 (de) Verfahren zur Steuerung einer Giessprozessvorrichtung
EP3783448A1 (de) Verfahren zur prüfung eines produktionsprozesses zur herstellung von bauteilen
EP2206024B1 (de) Verfahren zur überwachung der güte eines regelkreises in einem kraftwerk