JP2011013214A - 信号を妨害する周期的なイベント間の時間間隔を確率的に決定する方法 - Google Patents
信号を妨害する周期的なイベント間の時間間隔を確率的に決定する方法 Download PDFInfo
- Publication number
- JP2011013214A JP2011013214A JP2010138161A JP2010138161A JP2011013214A JP 2011013214 A JP2011013214 A JP 2011013214A JP 2010138161 A JP2010138161 A JP 2010138161A JP 2010138161 A JP2010138161 A JP 2010138161A JP 2011013214 A JP2011013214 A JP 2011013214A
- Authority
- JP
- Japan
- Prior art keywords
- probability
- event
- signal
- determining
- occurrence
- 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.)
- Withdrawn
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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
Landscapes
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- General Physics & Mathematics (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Rolling Contact Bearings (AREA)
Abstract
【課題】この発明の実施の形態は、イベント間の時間間隔の確率的な決定のための方法を開示するものであり、イベントは周期的に信号を妨害する。
【解決手段】本方法は、イベントの発生確率をジッタされる信号の値に基づいて、時間の関数として、決定するものであり、イベント間の時間間隔を決定するのに適する1組の可能な時間間隔の確率を生成する、イベント間の時間間隔に対する1組の可能な時間間隔の一致の確率を、イベントの発生の確率に基づいて決定する。
【選択図】図2
【解決手段】本方法は、イベントの発生確率をジッタされる信号の値に基づいて、時間の関数として、決定するものであり、イベント間の時間間隔を決定するのに適する1組の可能な時間間隔の確率を生成する、イベント間の時間間隔に対する1組の可能な時間間隔の一致の確率を、イベントの発生の確率に基づいて決定する。
【選択図】図2
Description
この発明は、一般的に、信号を妨害する周期的なイベント間の時間間隔を決定するための方法に関し、特に信号を妨害するイベント間の時間間隔を実時間で確率的に推定するための方法に関する。
ベアリングは、滑り(平)軸受け、ボール(玉)軸受け、ローラ(ころ)軸受け、ニードル軸受け、テーパ(円錐)軸受け、スヘリカル(球面)軸受け、あるいはスラスト軸受けであろうが、遍在している。ベアリングは、世界を動かしており、モータ(電動機)、ジェネレータ(発電機)、ホイール(車輪)、タービン、ディスクドライブおよびジェットエンジンなどのすべてのタイプ(型)の設備で見つかる。ベアリングのデザイン(設計)は非常に簡単であるが、ベアリングの故障により大惨事に至る場合がある。したがって、ベアリングの故障をリアルタイムに検知することが望まれる。
図1は、ボールベアリング110を示し、それは内レース115、外レース117、およびそれらのレース間の軸受エレメント、たとえばボール119、を含む。ベアリングは、回転するにつれて、故障により、ベアリングの角加速度に比例する周波数で共振する。共振は、信号122として経時的にサンプリングすることができる。
典型的に、故障は、単一のポイントにあり、ベアリングによって生成された信号122を妨害して信号中にピーク120を生じさせる周期的なイベントを引き起こす。理想的には、ピークは周期的であり、時間間隔125によって分離される。図示された信号は時間(t)の関数としての加速度(g)である。
ベアリングおよび相互イベント間隔の幾何学的配列に基づいて、異なる故障を識別することが可能である。しかしながら、ノイズは故障関連の周期的なイベントを隠すことがある。たとえば、ベアリング・スリップによって引き起こされた機械騒音すなわちボールとレースとの間の欠陥による接点の変動は、振幅130および時間間隔131が変化するように、信号をジッタ(小刻みに変動)させる。
信号を妨害するイベント間の時間間隔を測定するための1つの従来手法は、覆い隠されている信号を自動的に関連させて、固有振動数に対応する遅れでピークを検知することである。ここで、信号140は、遅れの関数として自己相関r(t)として示される。しかしながら、自己相関は少数の擬似的な最大の振幅ピークによって支配されるので、その方法はジッタ(小刻みに変動)させられた信号の場合には失敗する。
別の方法は、同時に信号を復調し、かつ固有振動数でエネルギを検知するために、バイスペクトル分析を使用する。しかしながら、そのバイスペクトルに基づく方法は、信号の周期性に関する仮定を行う。
別の方法は、信号に由来した特徴ベクトルに機械学習技法を適用することにより、信号の周期性に変動がある状態で故障を検出する。しかしながら、その方法は訓練データを必要とし、また訓練データに表われない状況へ上手く一般化できない場合があり、その方法をリアルタイムの故障検出のために役立たなくしている。
したがって、トレーニングを必要とせずに、ジッタ(小刻みに変動)させられた信号を妨害する周期的イベント間の時間間隔を決定することが望まれる。
この発明の目的は、トレーニングを必要とせずに、ジッタ(小刻みに変動)させられた信号を妨害する周期的イベント間の時間間隔を決定することである。
この発明の実施の形態は、イベント間の可能な時間間隔の事後確率が、時間の関数として、信号を妨害するイベントの発生確率の関数であるという認識に基づく。さらに、その確率は、たとえば信号の加速度の振幅などの値に基づいて決定することができる。
この発明の実施の形態は、イベント間の時間間隔の確率的な決定のための方法を開示するものであり、イベントは周期的に信号を妨害する。本方法は、イベントの発生確率をジッタされる信号の値に基づいて、時間の関数として、決定するものであり、イベント間の時間間隔を決定するのに適する1組の可能な時間間隔の確率を生成する、イベント間の時間間隔に対する1組の可能な時間間隔の一致の確率を、イベントの発生の確率に基づいて決定する。
この発明の実施の形態は、イベント間の時間間隔を決定するための方法を記述するものであり、イベントは周期的に信号を妨害する。イベント間の時間間隔は、単一点の欠陥を有するベアリングの故障関連の妨害(外乱)の特性を検出するために使用される。これらの実施の形態は、故障関連の振動妨害(外乱)の確率モデルを使用し、リアルタイムに実行することができる。
実施の形態1.
図2は、イベント205の時間間隔290を決定する方法200を示し、イベントは周期的に信号x(t)210を妨害する。ノイズおよび他のランダム(無作為)な影響により、信号210はジッタ(小刻みに変動)させられる。ジッタは、信号の連続するパルスの周波数、信号の振幅、および信号の位相を含む。本方法のステップ(工程)はプロセッサ201によって実行される。プロセッサ201は、当該技術において知られているように、メモリ、I/Oインタフェース、および信号プロセッサを含む。
図2は、イベント205の時間間隔290を決定する方法200を示し、イベントは周期的に信号x(t)210を妨害する。ノイズおよび他のランダム(無作為)な影響により、信号210はジッタ(小刻みに変動)させられる。ジッタは、信号の連続するパルスの周波数、信号の振幅、および信号の位相を含む。本方法のステップ(工程)はプロセッサ201によって実行される。プロセッサ201は、当該技術において知られているように、メモリ、I/Oインタフェース、および信号プロセッサを含む。
図3Aは信号210の一例310を示す。信号はジッタさせられた期間(以下、ジッタ期間と称す)320を有する。ジッタ期間は、信号の特性の最大あるいは最小イフェクト(効力)の2つのイベント間の時間間隔である。さらに、信号の振幅320もジッタさせられる、すなわち、経時的に変化する。
1つの実施の形態では、信号210は、イベント205により故障するベアリング110によって生成される。故障が局地化される場合、イベントはイベント間の時間間隔290で周期的である。時間間隔290の長さは故障の診断280のための重要な要因である。しかしながら、他の実施の形態では、信号210は、ジッタを蒙りやすい任意の周期的信号、たとえば任意の電磁気信号、である。信号のジッタは、たとえば、指数関数的に分布した白色加法的バックグランドノイズによって引き起こされる場合がある。
この発明の実施の形態は、イベント間の可能な時間間隔の事後確率pi(τ)が、時間の関数として、信号を妨害するイベントの発生確率pd(t)の関数であるという認識に基づく。さらに、その確率pd(t)は、たとえば信号の加速度の振幅などの値に基づいて決定することができる。
したがって、本方法200は、信号の値に基づいてイベントの発生確率pd(t)265を決定260する。1つの実施の形態では、信号からノイズを除去するために信号を濾波250して濾波信号m(t)255を生成する。この実施の形態では、濾波工程は、たとえば、信号のN個の最大ピークを含む窓で信号を平均することにより作成された照合フィルタを使用する。この記述のために、信号x(t)およびm(t)は区別なく同義で用いられている。図3Bは、フィルタリング(濾波)後の信号の例を示す。この濾波は、低振幅イベントを明らかにするためにバックグランドノイズを排除する。
工程260は点別変換pd(t)=g(m(t))を適用する。ここで、g(m(t))は、次式(1)によって信号m(t)の値を観察した後に、時間tでのイベントの発生の事後確率である。
ここで、Pdはイベントの発生の事前確率であり、p(m|d=1)はイベントの発生の条件付き確率であり、すなわち、イベントが時間tで発生するとして、信号のm(t)の値を観察することであり、また、p(m|d=0)はイベントの不発生の条件付き確率であり、すなわち、イベントが時間tで生じないとして、信号のm(t)の値を観察することである。
ここに定義されたように、イベントの発生の事前確率、イベントの発生の条件付き確率、およびイベントの不発生の条件付き確率は、イベントの確率特性である。
いくつかの実施の形態は、信号を妨害するイベントが、イベントの(発生)時間に近接する時間tの範囲に対して信号m(t)の値を増大させるという観察結果告を使用する。これらの実施の形態では、確率pd(t)の比較的大きな極大値のみを保存することによりイベントの発生確率をフィルタし、また、個々の大きな極大値に近い確率pd(t)を零に設定する。したがって、信号の中間から大きなピークの時に、妨害(外乱)確率pd(t)は1に近く、また明白な妨害(外乱)の無い時には、確率pd(t)は零(0)近い。信号の値の中の小さなピークは、不確実な照合フィルタ出力を生成し、図4で示されるように、pd(t)に対して中間値に帰着する。
確率pd(t)265に基づいて、本方法200は、1組の可能な時間間隔230の確率を生成する時間間隔290に対する可能な時間間隔220の一致の確率を決定270する。その組230はイベント間の時間間隔を決定するために使用される。たとえば、1つの実施の形態では、その組230から、最も高い確率の可能な時間間隔を選択する。1つの実施の形態では、可能な時間間隔220はベアリング110の幾何学的配列に基づいて選択される。
その可能な時間間隔の確率の組は、必ずしも、時間間隔290に対する実際の一致の確率を含まない。1つの実施の形態では、確率は、正規化され、すなわち、互いに関連して、最も有望な可能な時間間隔を決定することを可能にする。
これらの実施の形態では、次の式(2)によりその可能な時間間隔の確率の組を決定する。
ここで、Pi(τ)は可能な時間間隔に関する事前確率であり、それは一定であり、かつその可能な時間間隔の値である。
図5は、可能な時間間隔の確率pi(τ)の正規化されたダイアグラムを示す。たとえば、イベント間の時間間隔が10ミリセカンド(ms)である確率は0であり、また、時間間隔が8ミリセカンド(ms)であるの確率は5である。したがって、1つの実施の形態1では、最も高い確率値を有する可能な時間間隔を選択することにより、1組の確率230に基づいて期間290を決定する。
イベントの発生確率
典型的には、信号を妨害する殆どのイベントは信号m(t)において顕著なピークとなる。したがって、恐らくイベントの発生に対応する時間{t0、…、(tM})で信号の1組の極大値{m(t0)、…、m(tM)}を決定する。
典型的には、信号を妨害する殆どのイベントは信号m(t)において顕著なピークとなる。したがって、恐らくイベントの発生に対応する時間{t0、…、(tM})で信号の1組の極大値{m(t0)、…、m(tM)}を決定する。
1つの実施の形態では、半波高全幅値(FWHM)方法を使用して、その組の中の極大値の数を制限する。FWHMとは、従属変数がその極大値の半分と等しくなる独立変数の2つの極値間の差により与えられる、関数の範囲の表現である。
最初に、信号のm(t)の大域的な(全体)最大を決定して、m(t0)選択する。そして、追加のイベントが、時間t0の近くの領域、m(t)>0.5m(t0)、すなわち、t0の付近の半波高全幅値の領域 に存在しないと仮定する。
次に、時間t1で、その領域の外部におけるm(t)の最大値を求め、また極大値の値の組の中へm(t1)を選択する。続いて、その信号を「半波高全幅値」領域へ分割し、極大値の値の組および対応する時間を決定する。
次いで、極大値の値の組に基づいてイベントの確率特性を決定する。1つの実施の形態では、極大値の値の組に対する対数正規分布の最大尤度適合度として確率p(m|d=1)を決定する。他の実施の形態では、正数のデータをモデル化するための異なるパラメータ形式、たとえば正規分布、を使用する。
条件付き確率p(m|d=1)を与えられることで、この分配を、複数の対数正規分布の2成分混合物の1つの成分として固定し、また、混合分布モデルが単に極大値の値に対してだけではなくすべての時間に対して完全な組(フルセット)の値m(t)をモデル化するように、別の(第2の)成分のパラメータおよび第2の成分の事前確率を決定するために、期待値最大化(EM)手続きを使用する。
期待値最大化(EM)を行なった後では、1つの混合成分をp(m|d=1)の最大尤度適合度に固定したので、第2の成分は非妨害(妨害のない)時の信号を表わすであろう。したがって、第2の成分はp(m|d=0)に対応する。p(m|d=1)に対応する成分に対する事前確率は、確率Pdの推定値を生み出す。
この発明の実施の形態は、イベント間の時間間隔を決定するための方法を記述するものであり、イベントは周期的に信号を妨害する。イベント間の時間間隔は、単一点の欠陥を有するベアリングの故障関連の妨害(外乱)の特性を検出するために使用される。これらの実施の形態は、故障関連の振動妨害(外乱)の確率モデルを使用し、リアルタイムに実行することができる。
図6は、この発明の実施の形態を使用した機械故障診断方法のためのセッティングの非制限(制限されない)例を示す。モータ610の振動信号210は加速度計620によって検知され、本方法200を実行するプロセッサ201に向けられる630。本方法200の実行の結果は解析器640に導かれる。さらに、信号210は、更なる調査のために振動監視モジュール650に転送される。
この発明は好ましい実施の形態を例として記述されたが、この発明の趣旨および範囲内で様々な他の改変および変更を行ってもよいことが理解されるべきである。したがって、この発明の真実の趣旨および範囲内に入るような、すべての変更例および変形例をカバーすることが、添付の特許請求の範囲の目的である。
Claims (14)
- 信号を周期的に妨害するイベント間の時間間隔を確率的に決定するための方法であって、その方法の工程を実行するためのプロセッサを備え、
前記イベントの発生確率をジッタされる前記信号の値に基づいて、時間の関数として、決定する工程と、
前記イベント間の時間間隔を決定するのに適する1組の可能な時間間隔の確率を生成する、前記イベント間の時間間隔に対する1組の可能な時間間隔の一致の確率を、前記イベントの発生確率に基づいて決定する工程と、
を含む方法。 - 前記信号は、前記イベントによりベアリングによって生成された振動信号であり、また前記時間間隔は前記ベアリングの診断に適している、請求項1の方法。
- 前記信号は前記ジッタを引き起こす白色ノイズによって達成される、請求項1の方法。
- 前記信号を照合フィルタによって濾波することをさらに含む、請求項1の方法。
- 前記イベントの発生確率の関数を濾波することをさらに含む、請求項1の方法。
- 前記一致の確率を決定することは、前記イベント間の可能な時間間隔の確率と前記信号を妨害する前記イベントの発生確率との間の関数関係に基づく、請求項1の方法。
- 前記イベント間の時間間隔を、前記可能な時間間隔の確率に基づいて前記可能な時間間隔の組から選択することをさらに含む、請求項1の方法。
- 前記可能な時間間隔の組を前記ベアリングの幾何学的配列に基づいて決定することをさらに含む、請求項2の方法。
- 前記イベントの発生確率を決定することは、
対応する時間で前記信号の1組の極大値の値を決定すること、
前記極大値の値に基づいて前記信号の妨害確率特性を決定すること、
前記妨害確率特性に基づいて前記イベントの発生の事後確率関数を決定すること、
をさらに含む、請求項1の方法。 - 前記極大値の値の組を決定することは半波高全幅値(FWHM)方法に基づく、請求項9の方法。
- 前記妨害確率特性は、前記イベントの発生の事前確率、イベントの発生の条件付き確率、およびイベントの不発生の条件付き確率を含む、請求項9の方法。
- 前記妨害確率特性を決定することは、前記イベントの発生の条件付き確率を、前記極大値の値の組への対数正規分布の最大尤度適合度として決定することをさらに含む、請求項11の方法。
- 前記イベントの発生の条件付き確率の期待値最大化(EM)を使用して、前記イベントの不発生の条件付き確率を決定することをさらに含む、請求項12の方法。
- 前記イベントの発生の条件付き確率の期待値最大化(EM)を使用して、前記イベントの発生の事前確率を決定することをさらに含む、請求項12の方法。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US12/495,737 US20100332186A1 (en) | 2009-06-30 | 2009-06-30 | Probabilistic Estimation of a Time Interval Between Periodic Events Disturbing a Signal |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2011013214A true JP2011013214A (ja) | 2011-01-20 |
Family
ID=43381676
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2010138161A Withdrawn JP2011013214A (ja) | 2009-06-30 | 2010-06-17 | 信号を妨害する周期的なイベント間の時間間隔を確率的に決定する方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20100332186A1 (ja) |
JP (1) | JP2011013214A (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016031307A (ja) * | 2014-07-29 | 2016-03-07 | Jfeアドバンテック株式会社 | 信号処理方法及び信号処理装置 |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AT511773A1 (de) * | 2011-07-15 | 2013-02-15 | Voestalpine Stahl Gmbh | Vorrichtung und verfahren zur detektion wenigstens eines periodisch auftretenden fehlers an einem gegenstand |
ES2787509T3 (es) * | 2011-10-13 | 2020-10-16 | Moventas Gears Oy | Procedimiento y sistema para supervisar las condiciones de unas cajas de engranajes |
FR2994261B1 (fr) | 2012-07-31 | 2014-07-18 | Eurocopter France | Procede de detection de defauts d'un roulement par analyse vibratoire |
JP7155049B2 (ja) * | 2019-03-08 | 2022-10-18 | 株式会社日立製作所 | 転がり軸受の状態監視システムおよび状態監視方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB9803368D0 (en) * | 1998-02-17 | 1998-04-15 | Cambridge Consultants | Measurement system |
US6460001B1 (en) * | 2000-03-29 | 2002-10-01 | Advantest Corporation | Apparatus for and method of measuring a peak jitter |
-
2009
- 2009-06-30 US US12/495,737 patent/US20100332186A1/en not_active Abandoned
-
2010
- 2010-06-17 JP JP2010138161A patent/JP2011013214A/ja not_active Withdrawn
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016031307A (ja) * | 2014-07-29 | 2016-03-07 | Jfeアドバンテック株式会社 | 信号処理方法及び信号処理装置 |
Also Published As
Publication number | Publication date |
---|---|
US20100332186A1 (en) | 2010-12-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jia et al. | Sparse filtering with the generalized lp/lq norm and its applications to the condition monitoring of rotating machinery | |
Žvokelj et al. | Multivariate and multiscale monitoring of large-size low-speed bearings using ensemble empirical mode decomposition method combined with principal component analysis | |
JP2011013214A (ja) | 信号を妨害する周期的なイベント間の時間間隔を確率的に決定する方法 | |
Du et al. | Convolutional sparse learning for blind deconvolution and application on impulsive feature detection | |
Girondin et al. | Bearings fault detection in helicopters using frequency readjustment and cyclostationary analysis | |
Sun et al. | Fault detection of rolling bearing using sparse representation-based adjacent signal difference | |
CN117272210A (zh) | 一种建筑施工异常隐患数据检测方法及系统 | |
Soave et al. | Blind deconvolution criterion based on Fourier–Bessel series expansion for rolling element bearing diagnostics | |
CN114676716A (zh) | 刀具剩余寿命预测方法、装置和介质 | |
Tagaris et al. | Putting together wavelet-based scaleograms and convolutional neural networks for anomaly detection in nuclear reactors | |
Guo et al. | Ball screw fault detection and location based on outlier and instantaneous rotational frequency estimation | |
Zhang et al. | Compound fault diagnosis of aero-engine rolling element bearing based on CCA blind extraction | |
Zhou et al. | Sparse dictionary analysis via structure frequency response spectrum model for weak bearing fault diagnosis | |
Chen et al. | Rolling bearing fault feature extraction method using adaptive maximum cyclostationarity blind deconvolution | |
Wang et al. | Cyclic correlation density decomposition based on a sparse and low-rank model for weak fault feature extraction of rolling bearings | |
Han et al. | A novel rolling bearing fault diagnosis method based on generalized nonlinear spectral sparsity | |
Van et al. | Rolling element bearing fault diagnosis using integrated nonlocal means denoising with modified morphology filter operators | |
CN110377927B (zh) | 一种基于matlab仿真的泵站机组转子状态监控方法 | |
Yang et al. | Research on Fault Feature Extraction Method Based on FDM‐RobustICA and MOMEDA | |
EP4345561A1 (en) | Method and monitoring system for detecting a fault in a machine | |
Ocak | Fault detection, diagnosis and prognosis of rolling element bearings: Frequency domain methods and hidden markov modeling | |
Buzzoni et al. | Development of an indicator for the assessment of damage level in rolling element bearings based on blind deconvolution methods | |
CN112836583B (zh) | 一种风力机故障诊断方法 | |
Hou et al. | Adaptive maximum cyclostationarity blind deconvolution and its application on incipient fault diagnosis of bearing | |
Li et al. | Constraint linear model for period estimation and sparse feature extraction based on iterative likelihood ratio test |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A300 | Application deemed to be withdrawn because no request for examination was validly filed |
Free format text: JAPANESE INTERMEDIATE CODE: A300 Effective date: 20130903 |