DE69010193T2 - Überwachung. - Google Patents
Überwachung.Info
- Publication number
- DE69010193T2 DE69010193T2 DE69010193T DE69010193T DE69010193T2 DE 69010193 T2 DE69010193 T2 DE 69010193T2 DE 69010193 T DE69010193 T DE 69010193T DE 69010193 T DE69010193 T DE 69010193T DE 69010193 T2 DE69010193 T2 DE 69010193T2
- Authority
- DE
- Germany
- Prior art keywords
- engine
- model
- arrangement
- state
- monitoring
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000012544 monitoring process Methods 0.000 title claims description 13
- 238000001228 spectrum Methods 0.000 claims description 16
- 238000000034 method Methods 0.000 claims description 15
- 230000032683 aging Effects 0.000 claims description 2
- 238000013528 artificial neural network Methods 0.000 description 8
- 230000006399 behavior Effects 0.000 description 6
- 230000003595 spectral effect Effects 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000010006 flight Effects 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000000946 synaptic effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
- G05B23/0254—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
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C3/00—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
- F02C—GAS-TURBINE PLANTS; AIR INTAKES FOR JET-PROPULSION PLANTS; CONTROLLING FUEL SUPPLY IN AIR-BREATHING JET-PROPULSION PLANTS
- F02C9/00—Controlling gas-turbine plants; Controlling fuel supply in air- breathing jet-propulsion plants
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
- F05D2270/00—Control
- F05D2270/01—Purpose of the control system
- F05D2270/09—Purpose of the control system to cope with emergencies
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
- F05D2270/00—Control
- F05D2270/01—Purpose of the control system
- F05D2270/10—Purpose of the control system to cope with, or avoid, compressor flow instabilities
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
- F05D2270/00—Control
- F05D2270/01—Purpose of the control system
- F05D2270/11—Purpose of the control system to prolong engine life
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
- F05D2270/00—Control
- F05D2270/40—Type of control system
- F05D2270/44—Type of control system active, predictive, or anticipative
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T50/00—Aeronautics or air transport
- Y02T50/60—Efficient propulsion technologies, e.g. for aircraft
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Evolutionary Computation (AREA)
- Automation & Control Theory (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Testing Of Engines (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Combined Controls Of Internal Combustion Engines (AREA)
- Feedback Control In General (AREA)
- Testing And Monitoring For Control Systems (AREA)
Description
- Die Erfindung bezieht sich auf Verfahren zur Überwachung des Zustands einer Anordnung, einschließlich der Verfahrensschritte des Ableitens für den Zustand der Anordnung repräsentativer Signale, des Erstellens eines Modells der Anordnung und des Detektierens des Abweichungsgrads des Zustands der Anordnung von dem Modell.
- Im einzelnen betrifft die Erfindung Verfahren und Vorrichtungen zur Überwachung des Zustands von Anordnungen wie einem Gasturbinentriebwerk in einem Luftfahrzeug. Die US-A-4,215,412 beschreibt ein System zur Überwachung des Betriebs eines Motors durch Vergleich der Ausgangssignale von Sensoren mit einem Motorsimulator oder Modell.
- Es ist bekannt, die von Motoren und Lagern erzeugten Vibrationen zu überwachen und festzustellen, wenn bestimmte Vibrationsfrequenzen ein bestimmtes Niveau überschreiten, um auszumachen, wann ein Verschleiß oder eine Beschädigung eingetreten ist. Dies ist ein nützliches Verfahren, es ist jedoch nur in der Lage, erhebliche Verschleiß- oder Beschädigungsgrade festzustellen. Dies liegt daran, daß das vom Motor oder von den Lagern erzeugte Vibrationsspektrum sich normalerweise mit dem Betriebszustand, also mit Geschwindigkeit, Temperatur, Last usw. ändert. Die Amplitude, oberhalb der eine Vibrationsfrequenz ein Verschleiß- oder Beschädigungssignal auslöst muß ausreichend hoch sein, um dieses Signal nicht bei der im gewöhnlichen Betrieb auftretenden Maximalamplitude auszulösen. Hierdurch wird die Vorrichtung relativ unempfindlich gegenüber einer beginnenden Beschädigung. Darüberhinaus sind herkömmliche Systeme, welche auf der Detektion von spektralen Maximawerten basieren und zur Identifizierung bekannter Fehler, welche bestimmte spektrale Maxima bei vorhersagbaren Frequenzen erzeugen, geeignet sind, nicht in der Lage, auf subtilere spektrale Variationen anzusprechen, wie beispielsweise auf spektrale Veränderungen ohne scharfe Maxima, ungewöhnliche Kombinationen von Maxima oder ungewöhnliche Sequenzen. Das Ansprechverhalten dieser herkömmlichen Systeme ist daher sehr begrenzt, wenn die fehlerhaften Betriebszustände beginnen oder bislang unbekannte fehlerhafte Zustände auftreten.
- Die Aufgabe der vorliegenden Erfindung besteht darin, Überwachungsverfahren erhöhter Empfindlichkeit bereitzustellen.
- Gegenstand der Erfindung ist ein Verfahren der eingangs genannten Art, welches dadurch gekennzeichnet ist, daß das Modell kontinuierlich in verschiedenen Stadien des Gebrauchs während der Lebensdauer der Anordnung aufgebaut wird und somit durch jede Alterung der Anordnung verändert wird.
- Wenn das Verfahren zur Überwachung des Zustands einer schallerzeugenden Anordnung verwendet wird, kann der Verfahrensschritt des Ableitens von für den Zustand der Anordnung repräsentativen Signalen die Überwachung des akustischen Spektrums der Anordnung beinhalten, so daß das Modell Informationen über das akustische Spektrum der Anordnung in verschiedenen Stadien des Betriebs während der Lebensdauer der Anordnung enthält. Das akustische Spektrum ist vorzugsweise das durch Luft übertragene akustische Spektrum und wird mit einem Mikrophon überwacht.
- Die Anordnung kann ein Motor, beispielsweise ein Gasturbinentriebwerk sein. Der Verfahrensschritt des Ableitens von für den Zustand der Anordnung repräsentativen Signalen kann die Überwachung der Geschwindigkeit bzw. Drehzahl des Motors umfassen.
- Bezüglich des Zustands der Anordnung kann ein multidimensionaler Vektor aufgebaut werden. Das Modell der Anordnung kann unter Verwendung eines sequenziell lernenden neuronalen Netzwerks oder eines versteckten Markov-Modells aufgebaut werden.
- Ein Modell kann mit Hilfe einer ersten Anordnung aufgebaut und dann für eine zweite, gleichartige Anordnung verwendet werden, wobei das Modell durch den Betrieb der zweiten Anordnung verändert wird.
- Ein Verfahren und eine Vorrichtung zur Überwachung eines Triebwerks gemäß der vorliegenden Erfindung werden im folgenden anhand eines Ausführungsbeispiels unter Bezugnahme auf die begleitenden Zeichnungen näher beschrieben, welche zeigen:
- Fig. 1 eine schematische Darstellung der Vorrichtung; und
- Fig. 2 und 3 grafische Darstellungen zur Veranschaulichung der Änderung des akustischen Spektrums.
- Die Überwachungsvorrichtung umfaßt einen ersten akustischen Kanal 1, welcher auf den von dem Gasturbinentriebwerk 2 erzeugten Schall anspricht und einen zweiten Kanal 3, welcher auf den Betriebszustand des Triebwerks anspricht. Die beiden Kanäle 1 und 3 erzeugen zusammen ein Ausgangssignal in Form eines Zustandsvektors, welches innerhalb eines Prozessors 4 mit einem Modell des Triebwerks verglichen wird, das aus dem vorherigen Betrieb des Triebwerks aufgebaut wurde.
- Der akustische Kanal 1 umfaßt ein Mikrophon 10, welches auf den Luftschall anspricht, der von dem in Betrieb befindlichen Triebwerk 2 erzeugt wird. Das Mikrophon 10 muß im Bereich des menschlichen Hörvermögens nicht schallempfindlich sein, sondern weist üblicherweise eine Frequenzempfindlichkeit im Bereich über 100 kHz auf. Das elektrische Ausgangssignal des Mikrophons 10 wird einer Digitalisiereinheit 11 zugeführt, welche ein digitalisiertes Ausgangssignal einem Spektrumanalysator 12 herkömmlicher Bauweise zuführt, der in verschiedenen unterschiedlichen Bändern zeitgemittelte Signale erzeugt. Typischerweise erzeugt der Spektrumanalysator (12) 64 parallele Ausgangssignale verschiedener Frequenzen mit einer Bandbreite von jeweils 1 kHz und bei einer Zeitmittelung über 0,2 Sekunden. Die Ausgangssignale des Analysators 12 werden einer Verarbeitungseinheit 13 zugeführt, welche auch ein zweites Eingangssignal von dem zweiten Kanal 3 erhält.
- Der zweite Kanal 3 umfaßt einen Spulengeschwindigkeitssensor 30 für die Motordrehzahl und einen Auspuffgastemperatursensor 31. Diese Sensoren führen diesen Betriebszuständen des Triebwerks 2 entsprechende Ausgangssignale einem Analog- Digital-Konverter 32 zu. Der Konverter 32 empfängt auf der Leitung 33 auch Eingangssignale welche dem Zustand der Drosselklappe oder anderen Motoreinstellungen entsprechen. Die Drosselklappenstellung und jede andere aktive, das heißt vom Piloten vorgenommene Einstellung sind die wichtigsten, nichtakustischen Parameter, weil die Vorrichtung imstande ist, zu lernen, bestimmte Antwortsequenzen mit aufgegebenen Steuerungssequenzen zu assoziieren und auf diese Weise ihren eigenen inneren Überwachungsmonitor aufzubauen, welcher ein Signal gibt, wenn eine unerwartete Sequenz auftritt. Signale, welche den Eigenschaften des Flugzeugs entsprechen, beispielsweise seiner Fluglage, seiner Geschwindigkeit usw. werden dem Konverter 32 auf den Leitungen 34 zugeführt. Dem Konverter 32 können außerdem verschiedene andere Flugdaten zugeführt werden. Das Ausgangssignal des Konverters 32 wird einem Prozessor 36 zugeführt, der ein multidimensionales Vektorsignal erzeugt, das dem Betriebszustand des Triebwerks 2 entspricht. Dieses Vektorsignal wird über eine Leitung 37 als zweites Eingangssignal der Verarbeitungseinheit 13 zugeführt. Die Verarbeitungseinheit 13 erzeugt einen kombinierten N- dimensionalen Zustandsvektor des Triebwerks aus den beiden Eingangssignalen und führt diesen einem Eingang des Prozessors 4 zu.
- Der Prozessor 4 arbeitet vorzugsweise selbstlernend, beispielsweise unter Verwendung eines sequenzlernenden, zeitbewußten, neuronalen Netzwerks nach Art eines Vielschicht-Perceptrons oder eines versteckten Markov-Modells, ähnlich dem bei der Spracherkennung verwendeten Modell.
- Wenn das Triebwerk zum ersten Mal während eines Flugs betrieben wird, baut der Prozessor 4 ein Modell des Triebwerksbetriebs aus dem Zustandsvektor des Triebwerks während aller Flugphasen auf. Ein wiederholter Betrieb des Triebwerks modifiziert dieses Modell und erzeugt so ein durchschnittliches oder typisches Modell des Triebwerksbetriebs. Das System paßt sich nach und nach dem akustischen Verhalten des Triebwerks in seiner eigenen Umgebung und während des täglichen Betriebs des Triebwerks an. Mit der Alterung des Triebwerks ändert sich auch das Modell. Geräusche, welche durch die Wechselwirkung zwischen dem Triebwerk und dem Flugzeugrahmen entstehen, bilden einen Teil dieses akustischen Modells und müssen nicht identifiziert oder ausgefiltert werden.
- Wenn von dem Prozessor 4 ein untypischer Triebwerkszustandsvektor empfangen wird, erzeugt der Prozessor ein Alarmsignal, welches über die Leitung 40 einer Anzeige 41 oder einer anderen Vorrichtung, beispielsweise einem Aufnahmegerät oder einer Triebwerksüberwachungseinheit zugeführt wird. Das Alarmsignal indiziert vorzugsweise den Grad der Abweichung des Zustandsvektors von dem Modell, beispielsweise in Form einer Wahrscheinlichkeit, daß der Zustandsvektor eine Realisierung des statistisch typischen Verhaltens ist. Falls das Modell als sequenzerkennendes neuronales Netzwerk ausgebildet ist, wirkt dieses Netzwerk als "Neuheitsfilter" und indiziert eine unbekannte Eingangssequenz. Falls das Modell ein Markov-Modell ist, wird einem potentiellen Fehlerzustand ein zunehmender Schweregrad zugeordnet, wenn die tatsächliche Sequenz eine geringere Wahrscheinlichkeitsrealisation der Markov-Darstellung ist. Die Information wird verwendet, um das Wartungspersonal am Boden auf Abweichungen von normalen Betriebszuständen aufmerksam zu machen, denen nachzugehen ist oder zur Alarmierung des Piloten bei schwerer wiegenden Abweichungen. Das System löst also nicht nur dann einen Alarm aus, wenn ein Grenzwert überschritten wird, sondern erzeugt Signale verschiedener Dringlichkeitsgrade von geringer Abweichung bis zu schweren Notfällen, je nach dem ob das Eingangssignal eine geringe oder eine große Abweichung von dem als normal angesehenen Zustand aufweist. Eine geringe, aber beständige Abweichung würde sich zu einer großen verdichten, eine geringe, aber nur momentane Abweichung wird vergessen. Die Art der Abweichung erlernt das System selbst und es ist keine Programmierung notwendig. Zusätzlich zum Erkennen von Gemeinsamkeiten innerhalb und zwischen den Zuständen des Triebwerks ist die Vorrichtung aufgrund ihres Zeitbewußtseins in der Lage, sich an die Sequenzen zu gewöhnen, bei denen Übergänge zwischen verschiedenen Zuständen in dem Triebwerk oder einer anderen Anordnung auftreten.
- In einigen Anwendungsfällen wird bevorzugt beim Beginn des Betriebs des Überwachungssystems ein Modell eines anderen, aber gleichartigen Triebwerks abgespeichert. Alternativ hierzu kann das System ohne jedes Modell beginnen und ein vorläufiges Modell wird bei dem ersten Betrieb des Triebwerks erstellt. Selbstverständlich werden bei den ersten Flügen die Berichte über unübliche Zustände nicht zuverlässig sein, diese werden jedoch mit einer zunehmenden Anzahl von Flügen unterscheidbarer und nützlicher, wenn sich zunehmendes Wissen in Form eines Satzes synaptischer Verbindungen und Belegungen in einem neuronalen Netzwerk angesammelt hat oder aber in Form eines Markov-Modells, welches ähnlich wie das Modell eines Spracherkennungssystems arbeitet.
- Vor dem Betrieb ist es notwendig, daß von dem Triebwerk erzeugte akustische Spektrum zu überwachen, was auch mit einem anderen Triebwerk gleichen Typs erfolgen kann, und zwar in normalem Betrieb und bei verschiedenen Betriebszuständen. Durch Wiederholung dieser Prozedur in verschiedenen Betriebszuständen wird eine statistische Darstellung des normalen Betriebsverhaltens des Triebwerks erzeugt. Verschiedene in der Muster- und Spracherkennung verwendete Methoden können eingesetzt werden, um ein Modell des akustischen Spektrums des Triebwerks in verschiedenen Betriebszuständen aufzubauen, beispielsweise als Markov-Modell oder in Form eines neuronalen Netzwerks.
- Figur 2 zeigt eine stark vereinfachte Darstellung der Art und Weise, in der die Amplitude der akustischen Energie bei den zwei verschiedenen Frequenzen 1 kHz und 5 kHz mit der Motordrehzahl (in Umdrehungen pro Minute) variiert. Der Weg von A nach B repräsentiert den Zustand des Anrollens auf einer Startbahn bis zur maximalen Drehzahl beim Abheben in Punkt B. Der Punkt C entspricht dem Flugzustand des Flugzeugs, wie er während der größten Zeit des Fluges eingenommen wird. Der Speicher 5 enthält ein Modell hiervon, jedoch in einer komplexeren Form mit einer größeren Anzahl von Frequenzen und anderen Triebwerksfunktionen zusätzlich zur Triebwerksdrehzahl.
- Während beim Betrieb des Luftfahrzeugs die Kurve A bis D innerhalb eines vorbestimmten Bereichs durchlaufen wird, ist das Eingangssignal des Komparators 4 dem abgespeicherten Modellsignal sehr ähnlich und es wird kein Ausgangssignal zur Anzeige einer Abweichung von dem Modell erzeugt.
- In Figur 3 ist ein irreguläres und ein abnormales Verhalten des Triebwerks dargestellt. Der Punkt C' entspricht einem unüblichen Flugzustand auf einer unüblichen Trajektorie durch die Normalzustände, wodurch der Komparator 4 auf der Leitung 40 ein Alarmsignal der Anzeige 41 zuführen würde. Der Punkt C" entspricht einem sehr abnormalen Zustand auf einer abnormalen Trajektorie, wobei der Komparator 4 in diesem Fall ein Notfallalarmsignal auf der Leitung 40 der Anzeige 41 zuführen würde.
- Die Überwachungsvorrichtung der vorliegenden Erfindung ist sehr empfindlich, weil sie auf akustische Spektren des Triebwerks anspricht, welche beispielsweise bei geringer Drehzahl unüblich sind, jedoch bei hoher Drehzahl innerhalb des normalen Spektrums liegen. Auf diese Weise ist es möglich, einen beginnenden Schaden des Triebwerks zu detektieren, bevor ein Ausfall erfolgt. In seiner einfachsten Ausführungsform gibt die Vorrichtung nur eine Indikation darüber, daß eine Abweichung vom Normalbetrieb vorliegt. Die Vorrichtung kann jedoch auch über diagnostische Fähigkeiten verfügen. Eine Datenbank mit unüblichen Abweichungen könnte nach einiger Betriebserfahrung in Übereinstimmung mit bekannten Fehlern gebracht werden. Dies könnte um so genauer durchgeführt werden, je mehr Betriebserfahrung vorliegt, wobei die Vorrichtung zunehmend in der Lage ist, eine größere Anzahl von spezifischen Fehlern zu identifizieren. Anstelle der Detektion von Luftschall kann die Erfindung auch mit anderer akustischer Energie einschließlich der durch feste Strukturen übertragenen Vibrationen eingesetzt werden.
- Wenn die Vorrichtung die Eigenschaften der Umgebung und individuelle Eigenschaften des Triebswerks erlernt hat und danii mit einem anderen Triebwerk des gleichen Typs eingesetzt wird, kann dies zu nicht fehlerhaften Abweichungen von dem erlernten Verhaltensmuster führen, welche den Wartungsingenieuren angezeigt würden. Auch wenn das Triebwerk gewartet oder repariert wird oder wenn sich die Mikrophonstellung ändert, könnten Abweichungen von dem Modell erzeugt werden. Ein nachfolgender Betrieb des Triebwerks wird jedoch zu einer baldigen Anpassung der Vorrichtung an die neuen Eigenschaften des Triebwerks führen, wobei diese dann als normal angesehen werden. Die Anzeige kurzfristiger Abweichungen kann für die Wartungsingenieure als nützliche Information zur Erstellung einer diagnostischen Datenbank verwendet werden. Länger dauernde Änderungen werden bei ihrem Auftreten in das Modell aufgenommen und führen nicht zur Anzeige einer Abweichung vom Normalbetrieb. Große oder abrupte Abweichungen werden nicht so häufig auftreten, daß sie als normal akzeptiert werden können und führen daher immer zu einem Alarm bei geeignetem Niveau.
- Die Erfindung kann nicht nur bei Triebwerken angewendet werden, sondern auch mit anderen schallerzeugenden Apparaturen, beispielsweise Lagern, Werkzeugmaschinen, automatischen Bestückungsvorrichtungen und Produktionslinien wie Fließbändern.
- Die Erfindung kann auch mit anderen Anordnungen angewendet werden, bei welchen komplexe, massiv parallele Daten auftreten, welche nicht akustisch sein müssen. Beispielsweise kann eine Reihe von Thermosensoren um ein Triebwerk herum plaziert werden und ein selbstorganisiertes neuronales Netzwerk kann Trends in deren kombinierten Meßwerten detektieren, um ein unübliches Verhalten anzuzeigen. Alternativ hierzu können an einem Flugzeugrahmen Dehnungsmeßwertgeber oder ähnliche Vorrichtung angebracht werden, deren Signale einer Analyse eines selbstorganisierenden neuronalen Netzwerks unterworfen werden, welches eine Frühwahrnung bei zu hoher Dehnungsbeanspruchung erzeugt. Die Dehnungsmeßwertgeber können als optische Fasern ausgeführt sein, welche sich in einem Verbundwerkstoff befinden, wodurch die Dehnung zu einer Verzögerung oder Reflektion der entlang der Faser laufenden Strahlung an der Stelle der Dehnung führt. Diese vorderseitigen neuronalen Netzwerke können ihre Ergebnisse einem zentralen Prozessor übermitteln, welcher über eine ausreichende Intelligenz verfügt, um Irregularitäten in den Signalen bezüglich der überwachten Anordnung anzuzeigen.
Claims (3)
1. Verfahren zur Überwachung des Zustand einer Anordnung (2) mit den
Verfahrensschritten des Ableitens für den Zustand der Anordnung repräsentativer
Signale, des Erstellens eines Modells der Anordnung und des Detektierens des
Abweichungsgrads des Zustands der Anordnung von dem Modell, dadurch
gekennzeichnet, daß das Modell kontinuierlich in verschiedenen Stadien des
Gebrauchs während der Lebensdauer der Anordnung (2) aufgebaut und somit
durch jede Alterung der Anordnung verändert wird.
2. Verfahren zur Überwachung des Zustands einer schallerzeugenden Anordnung
nach Anspruch 1, dadurch gekennzeichnet, daß der Verfahrensschritt des
Ableitens der für den Zustand der Anordnung (2) repräsentativen Signale die
Überwachung des akustischen Spektrums der Anordnung umfaßt, wodurch das
Modell Informationen über das akustische Spektrum der Anordnung in
verschiedenen Stadien des Gebrauchs während der Lebensdauer der Anordnung
enthält.
3. Verfahren nach Anspruch 2, dadurch gekennzeichnet, daß das akustische
Spektrum das durch Luft übertragene akustische Spektrum ist, welches durch
ein Mikrophon (10) überwacht wird.
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
GB898902645A GB8902645D0 (en) | 1989-02-07 | 1989-02-07 | Monitoring |
PCT/GB1990/000076 WO1990009644A1 (en) | 1989-02-07 | 1990-01-18 | Monitoring |
Publications (2)
Publication Number | Publication Date |
---|---|
DE69010193D1 DE69010193D1 (de) | 1994-07-28 |
DE69010193T2 true DE69010193T2 (de) | 1994-10-13 |
Family
ID=10651226
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE69010193T Expired - Fee Related DE69010193T2 (de) | 1989-02-07 | 1990-01-18 | Überwachung. |
Country Status (9)
Country | Link |
---|---|
US (1) | US5309379A (de) |
EP (1) | EP0457783B1 (de) |
JP (1) | JP2854416B2 (de) |
KR (1) | KR0153464B1 (de) |
AU (1) | AU4950990A (de) |
DE (1) | DE69010193T2 (de) |
ES (1) | ES2055418T3 (de) |
GB (1) | GB8902645D0 (de) |
WO (1) | WO1990009644A1 (de) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10117114A1 (de) * | 2001-04-06 | 2002-10-17 | Reilhofer Kg | Verfahren zur Überwachung von Maschinen |
Families Citing this family (59)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2676556B1 (fr) * | 1991-05-15 | 1993-07-23 | Europ Gas Turbines Sa | Systeme de surveillance predictive d'un processus. |
FR2677152B1 (fr) * | 1991-05-28 | 1993-08-06 | Europ Gas Turbines Sa | Procede et dispositif de surveillance d'un appareil fonctionnant dans des conditions variables. |
JP3100757B2 (ja) * | 1992-06-02 | 2000-10-23 | 三菱電機株式会社 | 監視診断装置 |
JPH0689322A (ja) * | 1992-09-08 | 1994-03-29 | Toyota Motor Corp | 最適設計システム |
US5465321A (en) * | 1993-04-07 | 1995-11-07 | The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration | Hidden markov models for fault detection in dynamic systems |
GB2285700B (en) * | 1994-01-12 | 1998-06-24 | Drallim Ind | Monitoring apparatus and method |
US5857321A (en) * | 1996-06-11 | 1999-01-12 | General Electric Company | Controller with neural network for estimating gas turbine internal cycle parameters |
US5798950A (en) * | 1996-10-31 | 1998-08-25 | International Business Machines Corporation | Method and apparatus for estimating durations of activities in forming a current system, based on past durations of activities in forming past systems |
GB9626202D0 (en) * | 1996-12-18 | 1997-02-05 | Ncr Int Inc | Media handling apparatus |
DE19713917A1 (de) * | 1997-04-04 | 1998-10-08 | Abb Research Ltd | Verfahren zur Bestimmung von Zuverlässigkeitskennwerten einer technischen Anlage |
US5995910A (en) * | 1997-08-29 | 1999-11-30 | Reliance Electric Industrial Company | Method and system for synthesizing vibration data |
DE19740565A1 (de) | 1997-09-15 | 1999-03-18 | Max Planck Gesellschaft | Verfahren zur Erfassung zeitabhängiger Moden dynamischer Systeme |
SE9704787L (sv) * | 1997-12-19 | 1999-06-20 | Volvo Constr Equip Components | Metod för att analysera tillståndet hos en apparat |
US6216066B1 (en) * | 1998-07-01 | 2001-04-10 | General Electric Company | System and method for generating alerts through multi-variate data assessment |
GB9822992D0 (en) | 1998-10-22 | 1998-12-16 | British Aerospace | Fatigue monitoring systems and methods |
US6539783B1 (en) * | 1998-12-28 | 2003-04-01 | General Electric Co. | Methods and apparatus for estimating engine health |
US6114976A (en) * | 1999-02-05 | 2000-09-05 | The Boeing Company | Vehicle emergency warning and control system |
US7020595B1 (en) * | 1999-11-26 | 2006-03-28 | General Electric Company | Methods and apparatus for model based diagnostics |
US6351713B1 (en) * | 1999-12-15 | 2002-02-26 | Swantech, L.L.C. | Distributed stress wave analysis system |
US6502085B1 (en) * | 1999-12-18 | 2002-12-31 | General Electric Company | Methods and systems for estimating engine faults |
FR2803036B1 (fr) * | 1999-12-23 | 2002-10-11 | Snecma | Detection de l'endommagement de pieces d'un moteur |
US6408259B1 (en) * | 2000-02-01 | 2002-06-18 | General Electric Company | Alert generation for trend performance analysis |
US6957172B2 (en) * | 2000-03-09 | 2005-10-18 | Smartsignal Corporation | Complex signal decomposition and modeling |
US6684700B1 (en) | 2000-08-11 | 2004-02-03 | Swantech, L.L.C. | Stress wave sensor |
US7181020B1 (en) * | 2000-08-23 | 2007-02-20 | Honeywell International, Inc. | Audio feedback regarding aircraft operation |
US6477485B1 (en) * | 2000-10-27 | 2002-11-05 | Otis Elevator Company | Monitoring system behavior using empirical distributions and cumulative distribution norms |
US6466858B1 (en) * | 2000-11-02 | 2002-10-15 | General Electric Company | Methods and apparatus for monitoring gas turbine engine operation |
US7233886B2 (en) * | 2001-01-19 | 2007-06-19 | Smartsignal Corporation | Adaptive modeling of changed states in predictive condition monitoring |
DE20105027U1 (de) * | 2001-03-22 | 2001-08-09 | Abb Patent Gmbh | Diagnoseeinrichtung für ein Feldgerät |
US20020183971A1 (en) * | 2001-04-10 | 2002-12-05 | Wegerich Stephan W. | Diagnostic systems and methods for predictive condition monitoring |
US6532433B2 (en) | 2001-04-17 | 2003-03-11 | General Electric Company | Method and apparatus for continuous prediction, monitoring and control of compressor health via detection of precursors to rotating stall and surge |
AU2003278305B2 (en) * | 2002-09-24 | 2008-09-18 | Invensys Controls Uk Ltd. | Diagnostic tool for an energy conversion appliance |
US6868325B2 (en) * | 2003-03-07 | 2005-03-15 | Honeywell International Inc. | Transient fault detection system and method using Hidden Markov Models |
FR2870375B1 (fr) * | 2004-05-14 | 2006-12-08 | Virtual Switches Sa | Dispositif de diagnostic d'au moins un parametre de fonctionnement d'un appareil industriel |
US7487029B2 (en) * | 2004-05-21 | 2009-02-03 | Pratt & Whitney Canada | Method of monitoring gas turbine engine operation |
US7369965B2 (en) | 2004-06-28 | 2008-05-06 | Honeywell International, Inc. | System and method for turbine engine anomaly detection |
JP2006090904A (ja) * | 2004-09-24 | 2006-04-06 | Toenec Corp | 電気設備の診断システム |
US7725199B2 (en) * | 2005-03-02 | 2010-05-25 | Cummins Inc. | Framework for generating model-based system control parameters |
US7899761B2 (en) * | 2005-04-25 | 2011-03-01 | GM Global Technology Operations LLC | System and method for signal prediction |
US20060283190A1 (en) * | 2005-06-16 | 2006-12-21 | Pratt & Whitney Canada Corp. | Engine status detection with external microphone |
CN101305373A (zh) * | 2005-11-08 | 2008-11-12 | 皇家飞利浦电子股份有限公司 | 使用聚类检测多参数患者监护和临床数据中的危险趋势的方法 |
US20070255563A1 (en) * | 2006-04-28 | 2007-11-01 | Pratt & Whitney Canada Corp. | Machine prognostics and health monitoring using speech recognition techniques |
US7695696B2 (en) * | 2006-07-19 | 2010-04-13 | Uop Llc | Screenless internals for radial flow reactors |
US8275577B2 (en) | 2006-09-19 | 2012-09-25 | Smartsignal Corporation | Kernel-based method for detecting boiler tube leaks |
US8311774B2 (en) | 2006-12-15 | 2012-11-13 | Smartsignal Corporation | Robust distance measures for on-line monitoring |
EP1978490A1 (de) * | 2007-04-02 | 2008-10-08 | MAGNETI MARELLI SISTEMI ELETTRONICI S.p.A. | System und Verfahren zur automatischen Erkennung des Betriebsstatus eines Fahrzeugmotors |
GB0711256D0 (en) * | 2007-06-12 | 2007-07-18 | Rolls Royce Plc | Engine health monitoring |
US8249843B1 (en) | 2008-01-08 | 2012-08-21 | Bae Systems Information And Electronic Systems Integration Inc. | Predicting aerodynamic impacts for small appendages (IRCM installation) on large fixed wing aircraft using computational fluid dynamics |
EP2523625B1 (de) * | 2010-01-14 | 2017-03-08 | PhysIQ Inc. | Multivariater restgrössen-gesundheitsindex zur überwachung der menschlichen gesundheit |
US8393201B2 (en) * | 2010-09-21 | 2013-03-12 | Webtech Wireless Inc. | Sensing ignition by voltage monitoring |
US8810173B2 (en) * | 2010-11-18 | 2014-08-19 | Rockwell Automation Technologies, Inc. | Rotating machinery condition monitoring using position sensor |
US8471702B2 (en) * | 2010-12-22 | 2013-06-25 | General Electric Company | Method and system for compressor health monitoring |
US8843348B2 (en) | 2011-06-14 | 2014-09-23 | Hamilton Sundstrand Corporation | Engine noise monitoring as engine health management tool |
JP2013234033A (ja) * | 2012-05-08 | 2013-11-21 | Canon Inc | 画像形成装置およびシート材の再搬送可否判別方法 |
US9640186B2 (en) | 2014-05-02 | 2017-05-02 | International Business Machines Corporation | Deep scattering spectrum in acoustic modeling for speech recognition |
GB201510957D0 (en) * | 2015-06-22 | 2015-08-05 | Ge Aviat Systems Group Ltd | Systems and Methods For Verification And Anomaly Detection |
EP3187872B1 (de) * | 2015-12-30 | 2018-11-28 | Skidata Ag | Verfahren zum ermitteln des zustandes von zugangskontrollvorrichtungen und verkaufs- oder bezahlautomaten eines zugangskontrollsystems |
DE102018130389A1 (de) * | 2018-11-29 | 2020-06-04 | Rolls-Royce Deutschland Ltd & Co Kg | Vorrichtung und Verfahren zur Überwachung eines Getriebes |
CN112884935A (zh) * | 2021-01-15 | 2021-06-01 | 长江师范学院 | 一种面向复杂智能空间的穿戴式光谱巡检装置及系统 |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4336595A (en) * | 1977-08-22 | 1982-06-22 | Lockheed Corporation | Structural life computer |
US4184205A (en) * | 1977-11-25 | 1980-01-15 | Ird Mechanalysis, Inc. | Data acquisition system |
US4215412A (en) * | 1978-07-13 | 1980-07-29 | The Boeing Company | Real time performance monitoring of gas turbine engines |
US4280185A (en) * | 1979-08-06 | 1981-07-21 | United Technologies Corporation | Engine module life tracking system |
US4488240A (en) * | 1982-02-01 | 1984-12-11 | Becton, Dickinson And Company | Vibration monitoring system for aircraft engines |
DE3332941A1 (de) * | 1983-09-13 | 1985-03-28 | Kletek Controllsysteme GmbH & Co KG, 2820 Bremen | Verfahren und vorrichtung zur schallanalyse von maschinen und anlagen |
US4783804A (en) * | 1985-03-21 | 1988-11-08 | American Telephone And Telegraph Company, At&T Bell Laboratories | Hidden Markov model speech recognition arrangement |
US4837695A (en) * | 1986-03-12 | 1989-06-06 | E-Systems, Inc. | Method and apparatus for predicting and monitoring aircraft takeoff performance |
US4785403A (en) * | 1986-05-02 | 1988-11-15 | United Technologies Corporation | Distributed flight condition data validation system and method |
WO1988010474A1 (en) * | 1987-06-18 | 1988-12-29 | University Of West Virginia | State analog neural network and method of implementing same |
GB2211965B (en) * | 1987-10-31 | 1992-05-06 | Rolls Royce Plc | Data processing systems |
US4912661A (en) * | 1987-12-01 | 1990-03-27 | Hewlett-Packard Company | Tracking and resampling method and apparatus for monitoring the performance of rotating machines |
US5070458A (en) * | 1989-03-31 | 1991-12-03 | Honeywell Inc. | Method of analyzing and predicting both airplane and engine performance characteristics |
USH1006H (en) * | 1990-03-27 | 1991-12-03 | The United States Of America As Represented By The Secretary Of The Air Force | Multilevel classifier structure for gas turbine engines |
-
1989
- 1989-02-07 GB GB898902645A patent/GB8902645D0/en active Pending
-
1990
- 1990-01-18 ES ES90902327T patent/ES2055418T3/es not_active Expired - Lifetime
- 1990-01-18 EP EP90902327A patent/EP0457783B1/de not_active Expired - Lifetime
- 1990-01-18 KR KR1019900702024A patent/KR0153464B1/ko not_active IP Right Cessation
- 1990-01-18 WO PCT/GB1990/000076 patent/WO1990009644A1/en active IP Right Grant
- 1990-01-18 AU AU49509/90A patent/AU4950990A/en not_active Abandoned
- 1990-01-18 US US07/663,855 patent/US5309379A/en not_active Expired - Lifetime
- 1990-01-18 DE DE69010193T patent/DE69010193T2/de not_active Expired - Fee Related
- 1990-01-18 JP JP2502366A patent/JP2854416B2/ja not_active Expired - Fee Related
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10117114A1 (de) * | 2001-04-06 | 2002-10-17 | Reilhofer Kg | Verfahren zur Überwachung von Maschinen |
DE10117114B4 (de) * | 2001-04-06 | 2006-03-23 | Reilhofer Kg | Verfahren zur Überwachung von periodisch arbeitenden Maschinen |
Also Published As
Publication number | Publication date |
---|---|
EP0457783A1 (de) | 1991-11-27 |
KR910700447A (ko) | 1991-03-15 |
KR0153464B1 (ko) | 1998-12-15 |
WO1990009644A1 (en) | 1990-08-23 |
JP2854416B2 (ja) | 1999-02-03 |
DE69010193D1 (de) | 1994-07-28 |
GB8902645D0 (en) | 1989-03-30 |
US5309379A (en) | 1994-05-03 |
JPH04503272A (ja) | 1992-06-11 |
ES2055418T3 (es) | 1994-08-16 |
AU4950990A (en) | 1990-09-05 |
EP0457783B1 (de) | 1994-06-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE69010193T2 (de) | Überwachung. | |
DE69937737T2 (de) | Beurteilung des zustands eines lagers | |
EP2730906B1 (de) | Vorrichtung und Verfahren zur Zustandsüberwachung eines Wälzlagers | |
EP2404059B1 (de) | Verfahren zum überwachen von windturbinen | |
DE102016105877A1 (de) | Verfahren zur Überwachung einer Maschine | |
EP2201430A2 (de) | Verfahren zur analyse des betriebs einer gasturbine | |
DE3686122T2 (de) | Testgeraet fuer duesenmotor. | |
EP0768584B1 (de) | Verfahren zur Überwachung einer Maschine oder Anlage | |
EP2402731A1 (de) | Verfahren zum Training eines Systems zur Klassifikation eines Wälzlagerzustands sowie Verfahren zur Klassifikation eines Wälzlagerzustands und System zur Klassifikation eines Wälzlagerzustands | |
DE102017127098B4 (de) | Gerät und Verfahren zum Annehmen eines Anormalitätsauftretens für Teleskopabdeckung | |
EP3513066A1 (de) | Verfahren und vorrichtung zum überwachen eines zustands wenigstens einer windkraftanlage und computerprogrammprodukt | |
EP0789864B1 (de) | Überwachungssystem für eine technische anlage | |
EP3876060B1 (de) | Verfahren und recheneinheit zur ursachenanalyse eines anomalen zustandes einer maschine | |
EP1198739B1 (de) | Diagnoseverfahren und diagnosesystem für eine technische anlage | |
CH717054A2 (de) | Verfahren zur Diagnose eines Lagers. | |
DE112019007899T5 (de) | System und Methode für die Vorhersage von Gerätefehler mittels akustischer Signale im Ultraschallfrequenzband | |
DE102017124589A1 (de) | Verfahren und System zum Auswerten eines Betriebszustandes eines Wasserfahrzeugs | |
DE102010009941A1 (de) | Verfahren zum Überwachen von Windturbinen | |
DE102013205353B4 (de) | Verfahren zum Warten einer Maschine der Tabak verarbeitenden Industrie, und entsprechend eingerichtete Maschine | |
EP4034955A1 (de) | Training von maschinenlernmodellen zur datengetriebenen entscheidungsfindung | |
DE102021203806A1 (de) | Verfahren zur Überwachung des Betriebs eines Ventilators, Vorrichtung und Ventilator | |
DE60217419T2 (de) | Überwachung und diagnose einer technischen installation unter verwendung rein mechanisch aktivierter zeichengabemittel | |
EP1361489A2 (de) | Verfahren und Vorrichtung zum Überwachen des Verhaltens von Maschinen und Maschinenanlagen | |
EP0891536A1 (de) | System zum überwachen von schwingungserregten aggregaten | |
WO2021151701A1 (de) | Sensorsystem und verfahren zum erkennen eines zustands zumindest einer maschine |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
8364 | No opposition during term of opposition | ||
8327 | Change in the person/name/address of the patent owner |
Owner name: SMITHS GROUP PLC, LONDON, GB |
|
8339 | Ceased/non-payment of the annual fee |