FI130776B1 - Menetelmä ja laite vian toteamiseksi - Google Patents
Menetelmä ja laite vian toteamiseksi Download PDFInfo
- Publication number
- FI130776B1 FI130776B1 FI20176127A FI20176127A FI130776B1 FI 130776 B1 FI130776 B1 FI 130776B1 FI 20176127 A FI20176127 A FI 20176127A FI 20176127 A FI20176127 A FI 20176127A FI 130776 B1 FI130776 B1 FI 130776B1
- Authority
- FI
- Finland
- Prior art keywords
- fault
- monitored
- frequency
- sound
- analysis
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000001514 detection method Methods 0.000 title description 12
- 230000005236 sound signal Effects 0.000 claims abstract description 55
- 238000004458 analytical method Methods 0.000 claims abstract description 53
- 238000012545 processing Methods 0.000 claims abstract description 35
- 238000005259 measurement Methods 0.000 claims abstract description 33
- 230000015654 memory Effects 0.000 claims abstract description 17
- 238000001228 spectrum Methods 0.000 claims description 50
- 238000012935 Averaging Methods 0.000 claims description 3
- 230000003252 repetitive effect Effects 0.000 claims description 2
- YTAHJIFKAKIKAV-XNMGPUDCSA-N [(1R)-3-morpholin-4-yl-1-phenylpropyl] N-[(3S)-2-oxo-5-phenyl-1,3-dihydro-1,4-benzodiazepin-3-yl]carbamate Chemical compound O=C1[C@H](N=C(C2=C(N1)C=CC=C2)C1=CC=CC=C1)NC(O[C@H](CCN1CCOCC1)C1=CC=CC=C1)=O YTAHJIFKAKIKAV-XNMGPUDCSA-N 0.000 claims 1
- 238000012360 testing method Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 5
- 230000009467 reduction Effects 0.000 description 4
- 230000003595 spectral effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000007620 mathematical function Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000003936 working memory Effects 0.000 description 1
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
-
- 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
- F16C19/527—Bearings with rolling contact, for exclusively rotary movement with devices affected by abnormal or undesired conditions related to vibration and noise
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H1/00—Measuring characteristics of vibrations in solids by using direct conduction to the detector
- G01H1/003—Measuring characteristics of vibrations in solids by using direct conduction to the detector of rotating machines
-
- 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
- G01M13/02—Gearings; Transmission mechanisms
- G01M13/028—Acoustic or vibration analysis
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
Keksinnön kohteena on keksinnön mukainen menetelmä virheiden tunnistamiseksi analysoimalla äänisignaaleja laitteesta. Äänisignaali yhdestä tai useammasta virheettömästä laitteesta sekä laitteesta, jota monitoroidaan, mitataan ja tallennetaan ajanjaksona, kunnes saavutetaan vakaa mittaustulos. Taustamelua mitataan ja tallennetaan myös ja poistetaan signaaleista, jotka tulevat yhdestä tai useammasta virheettömästä laitteesta sekä laitteesta, jota monitoroidaan. Tuloksena saadut signaalit käsitellään ensimmäisen analyysituloksen saamiseksi yhden tai useamman virheettömän laitteen osalta ja toisen analyysituloksen saamiseksi monitoroidun laitteen osalta. Monitoroidun laitteen mainittua toista analyysitulosta vertaillaan yhden tai useamman virheettömän laitteen mainittuun ensimmäiseen tulokseen. Tunnistetaan virhe monitoroidussa laitteessa, jos vertailtujen analyysitulosten välillä on riittävä ero. Keksinnön mukainen laitteisto virheiden tunnistamiseksi käsittää anturimikrofonin (1) ja melua mittaavan mikrofonin (2). Lisäksi laitteisto käsittää analogisen käsittely-yksikön (3), joka koostuu vahvistimesta (5) ja suodattimesta (6) melua mittaavasta mikrofonista (2) saadun signaalin vähentämiseksi anturimikrofonista saadusta signaalista. Vielä lisäksi laitteisto käsittää digitaalisen digitalisen käsittely-yksikön (4), joka koostuu analogiadigitaalimuuntimesta (7) ja mikroprosessorista (8). Mikroprosessori (8) käsittää analysointilaitteen analyysin suorittamiseksi analogisen käsittely-yksikön käsittelemistä mitatuista äänisignaaleista ja analyysitulosten antamiseksi mainituista laitteista. Mikroprosessori (8) käsittää myös vertailulaitteen (11) monitoroidusta laitteesta saatujen analysointitulosten vertaamiseksi virheettömästä laitteesta saatuun analysointituloksiin, ja virheen tunnistamiseksi monitoroitavassa laitteessa, mikäli vertailtujen analyysitulosten välillä on riittävä ero. Mikroprosessori (8) käsittää muistin (9) analogisen käsittely-yksikön (3) käsittelemien äänisignaalien tallentamiseksi. Laitteistolla saattaa olla näyttö analyysitulosten näyttämiseksi ja vertaamiseksi.
Claims (12)
1. Menetelmä virheiden tunnistamiseksi analysoimalla äänisignaaleja laitteesta, joka menetelmä käsittää sen, että a) mitataan ja tallennetaan äänisignaali ajanjaksona yhdestä tai useammasta virheettömästä laitteesta b) mitataan ja tallennetaan taustamelua samana ajanjaksona yhdestä tai useammasta virheettömästä laitteesta, c) käsitellään tallennetut signaalit yhdestä tai useammasta virheettömästä laitteesta poistamalla niistä taustamelu, d) toistetaan vaiheet a) — c) kunnes saavutetaan vakaa mittaustulos, ja käsitellään tuloksena saadut signaalit ensimmäisen analyysituloksen saamiseksi yhden tai useamman virheettömän laitteen osalta, e) mitataan ja tallennetaan äänisignaali myöhempänä ajanjaksona yhdestä tai useammasta monitoroitavasta laitteesta, f) mitataan ja tallennetaan taustamelua samana myöhempänä ajanjaksona yhdestä tai useammasta monitoroitavasta laitteesta, g) käsitellään tallennetut signaalit yhdestä tai useammasta monitoroitavasta laitteesta poistamalla niistä taustamelu, h) toistetaan vaiheet e) — g) kunnes saavutetaan vakaa mittaustulos, ja käsitellään tuloksena saadut signaalit toisen analyysituloksen saamiseksi yhden tai useamman monitoroitavan laitteen osalta, i) vertaillaan monitoroidun laitteen mainittua toista analyysitulosta yhden tai n useamman virheettömän laitteen mainittuun ensimmäiseen tulokseen, S j) tunnistetaan virhe monitoroidussa laitteessa, jos vertailtujen analyysitulosten N välillä on riittävä ero.
=
2. Patenttivaatimuksen 1 mukainen menetelmä, tunnettu siitä, että vaiheiden b) ja f) E taustamelun mittaus ja tallennus suoritetaan samalla aikajaksolla kuin vaiheiden a) ja N vastaavasti e) äänisignaalin mittaus ja tallennus. N
N
3. Patenttivaatimuksen 1 tai 2 mukainen menetelmä, tunnettu siitä, että ennalta määritellään yksi tai useampi toleranssiarvo vakaan mittaustuloksen indikoimiseksi.
4. Jonkin patenttivaatimuksen 1 - 3 mukainen menetelmä, tunnettu siitä, että ajanjaksona tehty mittaus suoritetaan toistuvasti, edullisesti erillisinä toistuvina mittauksina.
5. Jonkin patenttivaatimuksen 1 - 4 mukainen menetelmä, tunnettu siitä, että muutetaan mitattu äänisignaali taajuusalueelle siten esittäen analyysitulos taajuusanalyysituloksena.
6. Patenttivaatimuksen 5 mukainen menetelmä, tunnettu — siitä, = että taajuusanalyysitulos esitetään taajuusspektrinä muuntamalla mitatut äänisignaalit taajuusalueelle nopealla Fourier'n muunnoksella (Fast Fourier Transform, FFT).
7. Patenttivaatimuksen 6 mukainen menetelmä, tunnettu siitä, että nopea Fourier'n muunnos (Fast Fourier Transform, FFT) suoritetaan jakamalla jokainen äänisignaali useaksi taajuuskomponentiksi ja tekemällä jokaisen aiemmin tallennetun taajuuskomponentin analyysituloksista keskiarvo.
8. Jonkin patenttivaatimuksen 1 - 4 mukainen menetelmä, tunnettu siitä, että esitetään mitattu äänisignaali aika-alueella esittämällä analyysitulos signaalina, joka on aaltokäyrän muodossa.
9. Jonkin patenttivaatimuksen 1 - 8 mukainen menetelmä, tunnettu siitä, että määritetään kynnysarvo edustamaan riittävää eroa virheen tunnistamiseksi vaiheessa j). e 10. — Laitteisto virheiden tunnistamiseksi, joka käsittää O A N a) anturimikrofonin (1) yhdestä tai useasta virheettömästä laitteesta sekä - myöhemmin monitoroitavasta laitteesta tulevien äänisignaalien mittaamiseksi, jolloin = mittaus suoritetaan, kunnes saavutetaan vakaa mittaustulos, a b) melua mittaavan mikrofonin (2) samanaikaisen melun mittaamiseksi, N c) analogisen käsittely-yksikön (3), joka koostuu = vahvistimesta (5) ja i suodatinyksiköstä (6) melua mittaavasta mikrofonista (2) saadun signaalin vähentämiseksi anturimikrofonista saadusta samanaikaisesta signaalista, d) digitalisen käsittely-yksikön (4), joka koostuu analogia-digitaalimuuntimesta (7), mikroprosessorista (8), jossa on - analysointilaite analyysin suorittamiseksi analogisen käsittely- yksikön — käsittelemistä — mitatuista = äänisignaaleista ja analyysitulosten antamiseksi mainituista laitteista, - vertailulaite — (11) — monitoroidusta — laitteesta = saatujen analysointitulosten vertaamiseksi virheettömästä laitteesta saatuun analysointitulokseen, ja virheen tunnistamiseksi monitoroitavassa laitteessa, mikäli vertailtujen analyysitulosten välillä on riittävä ero, ja - muisti (9) analogisen käsittely-yksikön (3) käsittelemien äänisignaalien tallentamiseksi.
11. Patenttivaatimuksen 10 mukainen laitteisto, tunnettu siitä, että se sisältyy järjestelmään, joka lisäksi käsittää virheettömän laitteen vertailukohteena.
12. Patenttivaatimuksen 10 mukainen laitteisto, tunnettu siitä, että se sisältyy järjestelmään, joka lisäksi käsittää laitteen, jota monitoroidaan. O AN O AN N I [an a Nn N © N O N
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FI20176127A FI130776B1 (fi) | 2017-12-15 | 2017-12-15 | Menetelmä ja laite vian toteamiseksi |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FI20176127A FI130776B1 (fi) | 2017-12-15 | 2017-12-15 | Menetelmä ja laite vian toteamiseksi |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| FI20176127A1 FI20176127A1 (fi) | 2019-06-16 |
| FI130776B1 true FI130776B1 (fi) | 2024-03-12 |
Family
ID=71120628
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| FI20176127A FI130776B1 (fi) | 2017-12-15 | 2017-12-15 | Menetelmä ja laite vian toteamiseksi |
Country Status (1)
| Country | Link |
|---|---|
| FI (1) | FI130776B1 (fi) |
-
2017
- 2017-12-15 FI FI20176127A patent/FI130776B1/fi active
Also Published As
| Publication number | Publication date |
|---|---|
| FI20176127A1 (fi) | 2019-06-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP4845441B2 (ja) | 実時間パワー・マスク・トリガ発生器 | |
| US8285498B2 (en) | Method for detection and automatic identification of damage to rolling bearings | |
| CN109375060B (zh) | 一种配电网故障波形相似度计算方法 | |
| JP5249499B2 (ja) | トリガ発生器及びトリガ発生方法 | |
| Keller et al. | Fast emission measurement in time domain | |
| CN109883703A (zh) | 一种基于振动信号相干倒谱分析的风机轴承健康监测诊断方法 | |
| US20210215750A1 (en) | Method and system for fault detection | |
| Pang et al. | Rolling bearing fault diagnosis based on SVDP-based kurtogram and Iterative autocorrelation of Teager energy operator | |
| US20180024184A1 (en) | Method for characterising a soft fault in a cable | |
| JP2006220629A (ja) | 蓄電池の内部インピーダンス測定装置および蓄電池の内部インピーダンス測定方法 | |
| Matania et al. | Algorithms for spectrum background estimation of non-stationary signals | |
| Xu et al. | Field PMU Test and Calibration Method—Part I: General Framework and Algorithms for PMU Calibrator | |
| Moschitta et al. | Generalized likelihood ratio test for voltage dip detection | |
| FI130776B1 (fi) | Menetelmä ja laite vian toteamiseksi | |
| CN104965123A (zh) | 一种基于混沌振子的电力系统谐波、间谐波检测与估计新方法 | |
| CN109357751B (zh) | 一种电力变压器绕组松动缺陷检测系统 | |
| US11079423B2 (en) | System and method for detecting an electric arc | |
| CN106872777B (zh) | 一种谐波和间谐波分离分析方法 | |
| US20210199707A1 (en) | Method and system for condition monitoring electrical equipment | |
| RU2331893C1 (ru) | Способ выделения дискретных составляющих в спектре сигнала и устройство для его осуществления | |
| JPH08114638A (ja) | 機器異常診断装置 | |
| Shadmehr et al. | Beyond FFT algorithm in analyzing harmonics at frequency range of 2 kHz to 500 kHz | |
| Nunzi et al. | A procedure for highly reproducible measurements of ADC spectral parameters | |
| CN108007548B (zh) | 一种通过扫频诊断设备故障的方法 | |
| Saulig et al. | Nonstationary signals information content estimation based on the local Rényi entropy in the time-frequency domain |