DE19907454A1

DE19907454A1 - Verfahren zur modellbasierten schwingungsdiagnostischen Überwachung rotierender Maschinen

Info

Publication number: DE19907454A1
Application number: DE1999107454
Authority: DE
Inventors: Georg Schneider; Rolf Zoeller; Manfred Weigel
Original assignee: Carl Schenck AG; Schenck Vibro GmbH
Current assignee: NSK Ltd
Priority date: 1999-02-22
Filing date: 1999-02-22
Publication date: 2000-08-24
Also published as: AU2549100A; DK200101240A; WO2000050857A1

Abstract

Mit dem Verfahren zur modellbasierten schwingungsdiagnostischen Überwachung rotierender Maschinen ist es möglich, die Zusammenhänge zwischen Schwingungsverhalten der Maschine und Betriebsparametern bei Reduktion des Aufwandes exakter zu bestimmen. Dies wird dadurch erreicht, daß die Überwachung und Analyse in der Betriebsphase durchgeführt wird. Die Dynamik der Betriebsparameter wird aus der Überwachung entfernt. Man ist so in der Lage, Grenzwertüberschreitungen verursacht durch Schwankungen der Betriebsparameter von Überschreitungen verursacht durch tatsächliche Zustandsänderung der Maschine, zu unterscheiden.

Description

Die Erfindung betrifft ein Verfahren zur modellbasierten schwingungsdiagnostischen Überwachung rotierender Maschinen.

Die Hauptaufgabe eines Verfahren zur schwingungsdiagnostischen Überwachung des Zustandes von rotierenden Maschinen besteht darin, möglichst ohne Betriebsunterbrechung eine Beurteilung des aktuellen Maschinenzustandes, der Belastung der Maschine und jeglicher Veränderungen des Maschinenzustandes zu ermögli chen. Unter Maschinenzustand versteht man dabei die Bewertung des technischen Zustandes der Maschine auf der Basis der Ge samtheit der aktuellen Werte aller Schwingungsgrößen und Be triebsparameter. Schwingungsgrößen sind alle aus den Schwingungssignal-Zeitfunktionen ableitbaren Kenngrößen, bei spielsweise Effektivwert der Schwinggeschwindigkeit oder Spit zenwert des drehfrequenten Schwingweganteiles. Betriebspara meter sind beispielsweise Drehzahl, Leistung, Erregerstrom, Temperaturen und Drücke.

Eine Beurteilung des Maschinenzustandes, bei der eine qualita tive Aussage über den technischen Zustand der Maschine getrof fen wird, erfolgt durch Analyse der gemessenen Schwingungs größen unter Einbeziehung der Betriebsparameter.

Ein derartiges Verfahren ist aus der Druckschrift "VIBROCAM 5000, Das System zur diagnostischen Überwachung von Turboma schinen, C081, der Carl Schenck AG" bekannt, das besonders für den Einsatz an Dampfturbosätzen, Gasturbinen, Turbopumpen, Turboverdichtern und Wasserkraftmaschinen geeignet ist.

Die Rotoren der genannten Maschinen bilden zusammen mit den Lagern und dem Fundament ein komplexes Feder-Masse-System. Das Schwingungsverhalten hängt stark vom Betriebsregime, von der Betriebsart, dem Betriebszustand und den Aufstellungsbedingun gen der Maschine ab, so daß für jede einzelne Meßstelle jeder Maschine betriebsart-, betriebsregime- und betriebszustands abhängige, individuelle Schwingungsgrößen ermittelt und zur Beurteilung herangezogen werden müssen.

Unter Betriebsart versteht man die prinzipiell zu unterschei denden Modi der Maschine, wie z. B. Hochlauf, Normalbetrieb und Auslauf. Ein Betriebsregime unterscheidet innerhalb einer Be triebsart mögliche unterschiedliche Arbeitsweisen wie z. B. Turbinenbetrieb, Pumpenbetrieb und Phasenschieberbetrieb bei Pumpspeichersätzen in Wasserkraftwerken. Der Betriebszustand wird durch die Werte der signifikanten Betriebsparameter in den Betriebsregimen charakterisiert.

Veränderungen im Schwingungsverhalten können z. B. durch Abnut zungen und Schäden, Überlastungen und Verformungen, durch Stö rungen in der normalen Betriebsweise und durch Einflüsse aus dem elektrischen Netz verursacht werden. Die Ursachen von Schwingungen werden dabei im wesentlichen nach ihren Erschei nungsmerkmalen charakterisiert. Den höchsten Informationsge halt haben dabei die Frequenzen der dominierenden Signalantei le im Schwingungsspektrum und die Frequenzen der Signalantei le, bei denen Änderungen auftreten.

Bei dem bekannten Verfahren schwingungsdiagnostischer Überwa chung erfolgt zunächst eine Erfassung von Schwingungsgrößen und der Betriebsparameter beim jeweiligen Betriebsregime und Betriebszustand, sowie eine Frequenzanalyse und Bildung von Kenngrößen, die das Schwingungsverhalten und seine Änderung charakterisieren. Anschließend wird in einer Lernphase der Normalbereich und das Normalverhalten der selektiven Kenngrö ßen im Schwankungsbereich der Betriebsparameter für alle Be triebsregime und Betriebszustände ermittelt. In dem nachfol genden Schritt erfolgt dann ein Grenzwertvergleich der aktuel len selektiven Kenngrößen mit den entsprechenden Kenngrößen des Normalzustandes, so daß gegebenenfalls Alarme ausgelöst bzw. sich anbahnende kritische Maschinenzustände rechtzeitig signalisiert werden können.

Aus der DE 37 25 123 ist weiterhin ein Verfahren zur schwin gungsdiagnostischen Überwachung rotierender Maschinen, ins besondere thermischer Turbomaschinen bekannt. Bei diesem Ver fahren werden als Schwingungsgrößen die zur Drehfrequenz har monischen Signalanteile bei verschiedenen Zuständen erfaßt und in einem Zeigerspeicher abgelegt. Anschließend wird in einem Bezugswertspeicher das arithmetische Mittel für jeden Signal anteil abgelegt. In einem Überwachungsmodul wird dann der Dif ferenzwert zwischen aktuellem Zustand und mittlerem Bezugs zustand ermittelt, der dann mit dem Normalbereich verglichen wird. Zusätzlich können zum jeweiligen Meßpunkt die zugehöri gen Betriebsparameter erfaßt werden. Mit Hilfe dieser Meßdaten wird dann in einem Regressator eine Funktion bereitgestellt, die den Bezugswert in Abhängigkeit von den Betriebsparametern vorausbestimmen kann.

Aus den oben beschriebenen Verfahren zur schwingungsdiagnosti schen Überwachung rotierender Maschinen sind die Zusammenhänge zwischen Schwingungsverhalten der Maschine und den Betriebs parametern nur unzureichend ermittelbar. Weiterhin sind für die Schwingungsgrößen der unterschiedlichen Betriebsregime und Betriebszustände eine Vielzahl von Grenzwerten vorzugeben, was zu einer großen Datenmenge und einem erheblichen Arbeitsauf wand führt.

Aufgrund des bekannten Standes der Technik liegt der vorlie genden Erfindung die Aufgabe zugrunde, die Zusammenhänge zwi schen Schwingungsverhalten der Maschine und Betriebsparametern bei Reduktion des Aufwandes exakter zu bestimmen, um die Über wachung und Beurteilung des Maschinenzustandes zu verbessern.

Diese Aufgabe wird durch die in Patentanspruch 1 angegebenen Merkmale gelöst.

Mit dem erfindungsgemäßen Verfahren zur modellbasierten schwingungsdiagnostischen Überwachung rotierender Maschinen wird es möglich, automatisch Abhängigkeiten der Schwingungen von Betriebsparametern zu ermitteln und anzuzeigen. Dies führt nicht nur zur erheblichen Reduktion der Datenmengen, die bei der bisherigen Überwachung gespeichert werden mußten, sondern gibt auch einen besseren Aufschluß über die Ursachen der Schwingungen. Veränderungen des Maschinenzustandes werden bes ser erkannt. Durch optimierte Einstellung der Betriebspara meter kann ein schwingungsärmerer Betrieb der Maschinen er reicht werden.

Da die Vorwärtsauswahl als auch die Modellbildung anhand der jeweils aktuell in der Betriebsphase erfaßten Schwingungsgrö ßen und Betriebsparameter erfolgt, wird eine größtmögliche Übereinstimmung des bei der Modellbildung gewonnenen komplexen Modells und dem tatsächlichen momentanen Betriebszustand der Maschine erreicht. Das bei der Modellbildung gewonnene kom plexe Modell wird den stetigen Veränderungen angepaßt. Hier durch ist gegenüber dem Stand der Technik eine aktuellere Be wertung des Maschinenzustandes möglich.

Weiterhin werden bei dem erfindungsgemäßen Verfahren sogenann te Referenzbetriebsparameter festgelegt. Das Schwingungsver halten der rotierenden Maschine setzt sich aus einem Anteil, der aus bekannten Betriebsparametern resultiert, und gegebe nenfalls aus Anteilen, die aus Veränderungen des Maschinen zustandes resultieren, zusammen. Anhand des jeweils aktuell nachgeführten Modells und der Einbeziehung der zuvor festge legten Referenzbetriebsparameter können die Schwankungen im Schwingungsverhalten, die aus den akutellen Betriebsparametern resultieren, entfernt werden, so daß die Anteile, die aus Ver änderungen des Maschinenzustandes resultieren, extrahiert wer den.

Die Überwachung des Maschinenzustandes wird dadurch erheblich vereinfacht, da nur die extrahierten Anteile, die aus Verände rungen des Maschinenzustandes resultieren, sichtbar sind. Da mit ist es dann einerseits möglich, sofort Informationen über den Maschinenzustand der Maschine zu erhalten, als auch einen langfristigen Trend über den Zustand der Maschine zu erstel len.

Des weiteren ist eine von dynamischen Einflüssen befreite Dar stellung des Schwingungsverhaltens möglich. Eine durch Be triebsparameteränderungen verdeckte Änderung des Maschinen zustandes wird somit sichtbar und einer weiteren Beurteilung zugänglich.

In einer Weiterentwicklung des Erfindungsgedankens ist vor gesehen, daß bei der Bewertung der relativen Abweichung der Schwingungsgrößen für alle Betriebsregime und Betriebszustände wenige oder ein einziger Kennwert vorgegeben wird. Hierdurch wird eine drastische Reduktion der sonst nötigen Anzahl von Grenzwerten für die Überwachung des Maschinenzustandes er reicht.

Die vorliegende Erfindung wird anhand der schwingungsdiagno stischen Überwachung eines Pumpspeichersatzes näher erläutert.

Es zeigen:

Fig. 1 eine schematische Darstellung des Wellenstrangs eines Pumpspeichersatzes mit den Meßstellen und der Datenverarbeitungseinheit;

Fig. 2 eine Darstellung der Lernphase in einem Block schaltbild;

Fig. 3 eine Darstellung der Modellbildung in der Be triebsphase in einem Blockschaltbild;

Fig. 4 eine schematische Darstellung des Überwachungs verfahrens in der Betriebsphase.

In Fig. 1 ist schematisch der Wellenstrang 1 eines Pumpspeich ersatzes mit den Meßstellen zur Schwingungsmessung dar gestellt. Den Lagerstellen und den Meßebenen für Wellenschwin gungsmessungen sind jeweils Aufnehmer 2, 3 zur Erfassung von Schwingungssignalen zugeordnet. Die an den Meßstellen über die Aufnehmer 2, 3 ermittelten Schwingungssignale werden an eine Datenverarbeitungseinheit 4 weitergeleitet (dargestellt durch Pfeile 5). Gleichzeitig wird vom Wellenstrang 1 mittels Refe renzaufnehmer 3' ein Referenzsignal 3" (ein Impuls pro Ma schinenumdrehung) abgeleitet und der Datenverarbeitungseinheit 4 zugeführt. Zusätzlich sind eine Vielzahl von Aufnehmern vor gesehen, die die unterschiedlichen Betriebsparameter, wie bei spielsweise Leistung, Erregerstrom, Drücke und Temperaturen, erfassen. Die Meßsignale für die Betriebsparameter werden ebenfalls an die Datenverarbeitungseinheit 4 weitergeleitet (dargestellt durch Pfeile 6). In der Datenverarbeitungseinheit 4 werden aus den Schwingungssignalen 5 und gegebenenfalls aus den Referenzsignalen 3" Schwingungsgrößen 5' ermittelt und abgespeichert oder zwischengespeichert. Gleichzeitig werden auch die Meßwerte für die Betriebsparameter 6' abgespeichert.

Bei dem erfindungsgemäßen modellbasierten Verfahren zur schwingungsdiagnostischen Überwachung wird zunächst in einer Lernphase, die in Fig. 2 schematisch dargestellt ist, eine Modellbildung anhand eines einfachen Modells durchgeführt.

Erstes Ziel der Modellbildung ist es festzustellen, ob alle Betriebsparameter meßtechnisch erfaßt sind, die das Schwin gungsverhalten der Maschine entscheidend beeinflussen. Dies läßt sich durch Vorhersage der Schwingungsgrößen alleine aus den Betriebsparametern überprüfen. Es wird zunächst überprüft, ob es möglich ist, mit einer einfachen Abbildungsvorschrift aus den Parameterwerten hinreichend genau auf die Schwingungs größen zu schließen. Ist dies möglich, dann sind die gesuchten Informationen in den Daten repräsentiert. Dazu wird der Ansatz

_i = (x_i)

gemacht, wobei die Modellfunktion bezeichnet. Ein möglicher Ansatz für ist eine Linearkombination von i. a. nichtlinearen Basisfunktionen. Das Modell für einen Datenpunkt der Zielgröße y_i = y(_its) (t_s: Abstastzeit) für einen beliebigen Zustandsvek tor x_i ist dann gegeben durch

wobei x_j eine Basisfunktion des Modells darstellt.

In der Lernphase werden zunächst alle gemessenen und in der Datenverarbeitungseinheit gespeicherten Betriebsparameter 6' einer Vorwärtsauswahl-Einheit 7 übermittelt. Weiterhin werden die Schwingungsgrößen 5' übermittelt. Es wird zunächst von einem linearen Vorhersagemodell ausgegangen, das die zum Zu standsvektor x_i = (x_i ¹, x_i ², . . . x_i ^d)^T zusammengefaßten Betriebs parameter 6' (die unterschiedlichen Betriebsparameter werden durch die Hochindices bezeichnet) durch Linearkombination von dessen Komponenten auf die Schwingungsgrößen y_i ¹, y_i ², . . . y₁ ^k i = 1, 2, . . . N abbildet (wobei die Hochindices die unterschied lichen Schwingungsgrößen bezeichnet). Anschließend erfolgt mit dem Verfahren der Vorwärts-Auswahl, das nachfolgend detail liert beschrieben ist, eine Bewertung der schwingungsbestim menden Betriebsparameter auf Relevanz.

Die Auswahl der schwingungsbestimmenden Betriebsparameter wird so zurückgeführt auf ein Modellstruktur-Bestimmungsproblem, denn die einzelnen Betriebsparameter können als Terme eines Modells aufgefaßt werden und mittels Termauswahlverfahren die jenigen Terme ausgewählt werden, die zu einem optimalen Modell führen. Die so ausgewählten relevanten Betriebsparameter 8 sind die Ausgangsgrößen der Vorwärtsauswahl-Einheit 7.

Die Modellstruktur-Bestimmung erfolgt mit dem im folgenden beschriebenen Verfahren der Vorwärts-Auswahl, die in der Vorwärtsauswahl-Einheit 7 in der Lernphase ausgeführt wird. Zu einer zunächst leeren Menge von Betriebsparametern wird schrittweise diejenige Größe hinzugenommen, die den quadrati schen Fehler χ² am meisten verringert. Dadurch ergibt sich eine Rangfolge, die angibt, welche Betriebsparameter die Schwin gungsgrößen am stärksten beeinflussen. Je mehr Betriebspara meter berücksichtigt werden, desto kleiner wird dieser quadra tische Fehler χ². Er bezieht sich jedoch nur auf die Daten der Lernphase (Trainingsdaten) und läßt keine Aussage darüber zu, wie das Modell auf unbekannte Daten (Testdaten) reagiert. ZU leine ist der quadratische Fehler χ² damit zur Auswahl relevan ter Terme ungeeignet.

Eine notwendige Aussage liefert die Abschätzung des sogenann ten Vorhersagefehlers mit den Testdaten. Dieser gibt an, wie genau das trainierte Modell bei zukünftigen, unbekannten Daten vorhersagt. Falls ausreichende Datenmengen aus der Lernphase vorliegen, kann dies durch Aufteilung der Daten in eine Trai ningsdatenmenge und Testdatenmenge erfolgen.

Eine weitere Möglichkeit besteht in der Anwendung einer sehr viel effizienteren Methode, die in der Statistik bekannt ist und mit "Cross-Validation" bezeichnet wird (B. Efron und R. J. Tibshirani "An Introduction to the Bootstrap", Chapman and Hall, 1993). Bei dieser Methode werden mehrere Aufteilungen in Trainings- und Testdatenmengen vorgenommen. Eine extreme Va riante davon ist es, die N Datenpunkte in eine Trainingsdaten menge der Größe N-1 und eine Testdatenmenge der Größe 1 auf zuteilen. Dieses Verfahren wird "Leave-One-Out(LOO)Cross-Vali dation" genannt. Das Auswahlkriterium σ2 ergibt sich dann als Durchschnitt der quadratischen Fehler bei Vorhersage der aus gelassenen Testdatensätze.

Bei _i(x_i) die Vorhersage des i-ten Datensatzes, nachdem das Modell mit den anderen N-1 Datensätzen trainiert wurde, dann ergibt sich für den Testdatenfehler σ₂:

Der Vorteil dieser Methode ist zum einen, daß keine Beeinflus sung des Mittelwertes durch die Aufteilung in Trainings- und Testdatenmenge entsteht und zum anderen, daß die gesamte Trainings- und Testdatenmenge zum Training verwendet werden kann.

Im Gegensatz zum quadratischen Fehler χ², der angibt wie gut die Modellvorhersage mit den Trainingsdaten übereinstimmt, erhält man mit σ² ein Maß für die Übereinstimmung bei unbekann ten Datensätzen. Die zuvor eingeführte Fehlerfunktion χ² nimmt monoton mit Zunahme neuer Basisfunktionen ab und ist damit zur Auswahl relevanter Terme ungeeignet. Der LOO-Fehler σ² jedoch, nimmt mit Hinzunahme neuer Basisfunktionen zunächst ab und steigt ab einer kritischen Anzahl wieder an, da der Fehler zwischen den Datensätzen der Trainingsmenge zunimmt (Overfit ting). Diese Eigenschaft wird zur Auswahl relevanter Terme genutzt.

Die Berechnung der optimalen Modellstruktur nach oben angege benen Zusammenhängen

setzt die Kenntnis von N-Datensätzen voraus.

In Fig. 3 ist die weitere Modellbildung schematisch dar gestellt, die in der adaptiven Modellbildungseinheit 20 er folgt. Die weitere Modellbildung findet in der Betriebsphase statt, wobei jeweils die aktuell gemessenen Schwingungsgrößen 5' und Betriebsparameter 6' berücksichtigt werden.

Die Betriebsparameter, die in der zuvor beschriebenen IJernpha se als relevant für die Vorhersage der Schwingungsgrößen er kannt werden, werden als Eingangsgrößen 8 einem Polynomgenera tor 9 zugeführt. In dem Polynomgenerator 9 wird ein komplexe res und damit leistungsfähigeres Modell ermittelt. Komplexe Modelle lassen sich durch Hinzufügen von Potenztermen und Pro dukttermen realisieren. Diese Modelle nennt man Polynomialmo delle. Die Auswahl der optimalen Modellterme aus einer vor gegebenen Obermenge ist wieder eine Form der Modellstruktur bestimmung und erfolgt durch Vorwärtsauswahl, wie sie nachfol gend in der Vorwärtsauswahl-Einheit 11 beschrieben wird.

In der Betriebsphase ist es auch erwünscht, aktualisierte Wer te der Größen χ² und σ² für jeden neu gemessenen Datensatz zu erhalten. Die analogen Größen lauten J(n) und j²(n) und werden nach folgenden Formeln in der Vorwärtsauswahleinheit 11 be rechnet:

Diese Größen entsprechen den in der Lernphase berechneten Grö ßen χ² und σ² mit dem Unterschied, daß eine exponentielle Wichtung der mit Hilfe des sogenannten Gedächtnisfaktors λ vorgenommen wird. Hierbei stellt n den akutellen Zeitpunkt dar (n = nt_s; t_s: Abtastzeit). Außerdem werden die Werte mit Erhalt jedes neuen Datensatzes aktualisiert. Der Gedächtnisfaktor λ legt fest, wie schnell sich die Fehler J(n) und j²(n) an die gegenwärtige Situation anpassen.

In der Vorwärtsauswahl-Einheit 11 wird die Struktur des Mo dells aus den Schwingungsgrößen 5 und der vom Polynomgenera tor 9 zur Verfügung gestellten Basisfunktion 10 ermittelt. Anschließend erfolgt die Bestimmung der optimalen Parameter a_j durch das Minimieren des gewichteten quadratischen Modellfeh lers J(n):

in der darauffolgenden Recursive-Least-Squares Parameter Schätzungseinheit 13 anhand der zugeführten Schwingungsgrößen 5' und der ausgewählten Basisfunktion 12. Dies führt zu einem linearen Gleichungssystem, dessen Lösung die gesuchten Modell parameter 14 liefert.

Um die Lösung dieses Gleichungssystems während der Be triebsphase zu aktualisieren, ist ein rekursives Lösungsver fahren notwendig. Rekursiv bedeutet, daß mit jedem neu gemes senen Datensatz (Schwingungsgröße und Betriebsparameter) eine Aktualisierung der Lösungen des Gleichungssystems im Sinne der kleinsten Fehlerquadrate erfolgt. Ein solches Verfahren ist als "recursive least squares" aus Simon Haykin, Adaptive Fil ter Theory, Prentice Hall, Kapitel 13, Seiten 477-486, 1991 bekannt.

Die Modellstruktur-Bestimmung erfolgt mit dem im folgenden beschriebenen Verfahren der Vorwärtsauswahl in der Vorwärtsauswahl-Einheit 11. Dieses Verfahren verläuft analog zu dem Verfahren das zur Vorwärtsauswahl-Einheit 7 beschrieben ist.

Wenn eine reine Adaption der Modellparameter unzureichend ist, ein hinreichend genaues Modell der Maschine zu bestimmen, wird automatisch eine Vorwärtsauswahl in der Vorwärtsauswahl-Ein heit 11 ausgeführt. Hierzu wird bestimmt welcher Betriebspara meter den gewichteten quadratischen Fehler J(n) am meisten verringert. Daraus ergibt sich die Reihenfolge der Hinzunahme der verschiedenen Betriebsparameter in das Modell bestimmt. Gleichzeitig wird betrachtet wie sich der exponentiell gewich tete Testdatenfehler

verändert. Steigt dieser Fehler nach Hinzunahme eines Be triebsparameters an so wird dieser zuletzt hinzugenommene Be triebsparameter aus dem Modell entfernt und eine weitere Hin zunahme von Betriebsparametern in das Modell gestoppt. Die neue Modellstruktur ist damit bestimmt.

Als Ergebnis erhält man einen kompakten formelmäßigen Zusam menhang (wird nachfolgend als optimiertes Modell 12 bezeich net) zwischen Schwingungsgrößen und Betriebsparametern. Wenn jetzt im weiteren Überwachungsverlauf eine Adaption der Mo dellparameter unzureichend ist ein hinreichend genaues Modell zu bestimmen, so ist dies ein Anzeichen dafür, daß der Maschi nenzustand sich strukturell geändert hat und eine erneute Vor wärtsauswahl in 11 notwendig wird. Diese wird automatisch aus geführt. Auf diese Weise liegt immer ein aktueller formelmäßi ger Zusammenhang vor. Bis der dieser neue Zusammenhang noch nicht komplett vorliegt wird der bisher benutzte weiter in die Recheneinheit 15 übertragen. Liegt der neue Zusammenhang vor, so wird dieser jetzt als optimiertes Modell 12 in die Rechen einheit 15 übertragen. Die Ermittlung der Werte für die Mo dellparameter aj 14 erfolgt in der Least-Square Parameter Schätzungseinheit 13 unter Berücksichtigung des optimierten Modells 12. In der Recheneinheit 15 erfolgt dann die Vorhersa ge der Schwingungsgrößen 16 nach dem optimierten Modell 12 unter Berücksichtigung der optimalen Modellparameter 14, die ebenfalls der Recheneinheit 15 zugeführt werden. Die vorherge sagten Schwingungsgrößen 16 stehen der weiteren Verarbeitung als Ausgangsgrößen der Recheneinheit 15 zur Verfügung.

In Fig. 4 ist das in der Betriebsphase ablaufende Überwa chungsverfahren schematisch dargestellt.

Sowohl für den Wellenstrang 1 des Pumpspeichersatzes, der schematisch dargestellt ist, als auch für die adaptive Modell bildungseinheit 20 stellen die vorausgewählten Betriebspara meter 8 die Eingangsgrößen dar. Der bei der adaptiven Modell bildungseinheit 20 angedeutete Pfeil 19 deutet die Anpassung der Modellparameter an die aktuell gemessenen Schwingungsgrö ßen 5' an. Im Differenzbilder 18 wird der Unterschied der ge messenen Schwingungsgrößen 5' und den in der adaptiven Modell bildungseinheit 20 vom Modell 20a vorhergesagten Schwingungs größen 16 gebildet und als zu minimierender Fehler in der adaptiven Modellbildungseinheit 20 vom Modell 20a gemäß der mathematischen Zusammenhänge

berücksichtigt. Das in der adaptiven Modellbildungseinheit 20 gebildete Modell 20a bestehend aus optimiertem Modell 12 sowie den dazugehörigen Modellparametern 14, das den funktionalen Zusammenhang zwischen Schwingungsgrößen und Betriebsparametern beinhaltet, wird in der Anzeigeeinheit 21 zur Anzeige ge bracht.

Eine stets aktuelle Kopie des in der adaptiven Modellbildungs einheit gebildeten Modells 20a wird als 20b bezeichnet und wird an eine adaptive Modellbildungseinheit 20' übergeben. Dieses kopierte adaptive Modell 20b erhält als Eingangsgrößen feste sich zeitlich nicht verändernde Betriebsparameter, die als Referenzbetriebsparameter 17 bezeichnet werden. Als ge eignete Werte können ein oder mehrere bevorzugte für den Be trieb typische Parametereinstellungen gewählt werden (bei spielsweise Nieder-, Mittel- und Spitzenlast). Durch die zeit liche Veränderung sowohl der Modellparameter als auch der Mo dellstruktur ergeben sich zeitlich veränderliche Vorhersagen der Schwingungsgrößen 23, obwohl die Referenzbetriebsparameter 17 konstant sind. Diese Veränderungen der Schwingungsgrößen stehen in direktem Zusammenhang zur Veränderung des Maschinen zustandes und kommen im Anzeigegerät 22 zur Anzeige.

Die so ermittelten Schwingungsgrößen 23, die von der durch die Betriebsparameterveränderungen resultierenden Schwingungsver änderungen bereinigt sind können in einer nachfolgenden kon ventionellen Überwachungsanlage gegenüber vorgegebenen Grenz werten überwacht werden.

Claims

Verfahren zur modellbasierten schwingungsdiagnostischen Überwachung rotierender Maschinen, bei dem in einer Lernphase zunächst Schwingungsgrößen und Betriebspara meter erfaßt und gespeichert werden und anschließend eine Modellbildung in mehreren Schritten erfolgt, wobei zuerst anhand eines einfachen, beispielsweise linearen Modells die zum Zustandsvektor x(i) zusammengefaßten Betriebs parameter durch Linearkombination von dessen Komponenten auf die Schwingungsgrößen y(i) abgebildet werden und durch Vergleich der gemessenen und der vorhergesagten Schwingungsgrößen anhand des Modells zunächst überprüft wird, ob alle schwingungsrelevanten Größen erfaßt sind und mittels des Verfahrens der Vorwärtsauswahl eine Be wertung der Rangfolge der Betriebsparameter auf Relevanz erfolgt, anschließend in der Betriebsphase aktuelle Schwingungsgrößen und Betriebsparameter erfaßt werden dann mittels ausgewählten relevanten Betriebsparametern eine Modellbildung mit einem komplexen Modell erfolgt und dann mit dem Verfahren der Vorwärtsauswahl eine erneute Bewertung der Rangfolge der Betriebsparameter auf Rele vanz erfolgt, so daß ein funktionaler Zusammenhang auf Basis eines komplexen Modells zwischen ausgewählten rele vanten Betriebsparametern und Schwingungsgrößen ableitbar ist, wobei sowohl die Vorwärtsauswahl als auch die Mo dellbildung anhand der jeweils aktuell erfaßten Schwin gungsgrößen und Betriebsparameter erfolgt und aus dem aktuellen funktionalen Zusammenhang Informationen zur Bewertung der rotierenden Maschine gewonnen werden und zusätzlich mit vorher festgelegter Referenzbetriebspara meter und des aktuellen funktionalen Zusammenhangs eine Beurteilung des Maschinenzustandes erfolgt.