MX2012007155A - Metodo y sistema para diagnosticar compresores. - Google Patents

Abstract

Se describen un método, sistema y software de computadora para diagnosticar un compresor. El método incluye generar un vector de configuración del compresor, el vector de configuración del compresor incluyendo componentes que describen estados de varias partes del compresor; determinar, basándose en restricciones de fragmentación, un vector de anomalía agregado que corresponde al vector de configuración; definir reglas para una lista preestablecida de posibles fallas/modos de falla del compresor; calcular una medida de corroboración entre el vector de anomalía agregado y las reglas; e identificar una falla/modo de falla del compresor basándose en un resultado de la medida de corroboración.

Description

METODO Y SISTEMA PARA DIAGNOSTICAR COMPRESORES ANTECEDENTES CAMPO TECNICO Las modalidades del tema aquí descrito refieren generalmente a métodos y sistemas y, más particularmente, a mecanismos y técnicas para diagnosticar una máquina en ¡general, y un compresor en particular. j DESCRIPCION DE LOS ANTECEDENTES Hoy en día existe un gran número de máquinas (máquinas industriales como, por ejemplo, compresores) instaladas en varias instalaciones y utilizados para procesar aceite y gas. Tales' máquinas pueden experimentar síntomas que son indicativos de una falla o un modo de falla. Debido a las complejidades técnicas de estas máquinas, el usuario puede no tener la capacidad de atender estos síntomas. De esa forma, el fabricante de las máquinas, qi^ie tiene la capacidad técnica de determinar los asuntos que afectan la máquina ingresa en el mantenimiento y diagnóstico de acuerdo con iel usuario para asegurar que las máquinas se verifiquen y mantengan en un estado adecuado de operación. Por esta razón, el fabricante de las máquinas puede tener varios sensores instalados en la ubicación del usuario para verificar la "salud" de las máquinas. |ÉI mismo fabricante puede tener varios contratos con múltiples clientes. El Manejo de Pronóstico y Salud (PHM) es una tecnología emergente I para soportar la ejecución eficiente de acuerdo a sus servicios conceptuales (CSA) para bienes tales como locomotoras, ¡escáneres médicos, motores de aeronave, turbinas, y compresores. · Una meta de PHM es mantener este desempeño operativo de los bienes con el i tiempo, mejorando su utilización mientras se minimiza sU costo de mantenimiento. PHM puede utilizarse como un diferericiador de producto, para reducir el costo del servicio del fabricante , de equipo original durante el periodo de garantía de los valores, o para proporcionar más eficientemente servicio .bajo un CSA. ! La Figura 1 muestra un sistema PHM tradicional 10. De acuerdo con esta figura, después de realizar las tareas de preparación I tradicionales, tales como validación de sensor en una unidad de validación de sensor 12 y pre-procesamiento de datos de entrada en una unidad de procesamiento 14, el sistema PHM 10 realiza detección de anomalía e identificación de una unidad 16, análisis de diagnóstico en la unidad 18, análisis de pronóstico en unidad 20, incorporación de falla en unidad 22, y decisiones de logística en unidad 24. Estas acciones se conocen por aquellos expertos en la i técnica y por esta razón se omite aquí su descripción detallada.

La unidad de detección de anomalía eleva técnicas de aprendizaje no supervisadas, tales como agrupación. Su meta es extraer la información estructural fundamental de los datos, definir estructuras normales e identificar desviaciones de tales estructuras normales. La unidad de diagnóstico eleva técnicas de aprendizaje supervisadas, tales como clasificación. Su meta es extraer firmas potenciales de los datos, que podrían utilizarse para jreconocer diferentes fallas/modos de falla. La unidad de pronóstico produce estimados de Tiempo Util Restante (RUL). Su meta es mantener y pronosticar el índice de salud del valor. Originalmente, e'ste índice refleja el deterioro esperado bajo condiciones operativas normales. Posteriormente el índice se modifica por la ocurrencia de una I anomalía/falla que refleja reducciones RUL más rápidas.

Las funciones discutidas anteriormente son interpretaciones del estado de máquina. Estas interpretaciones llevan a una ¡acción de i control en plataforma y una logística fgera de plataforma, acción de reparación y planeación. Las acciones de control en plataforma j usualmente se enfocan en mantener desempeño o márgenes de seguridad, y se realizan en tiempo real. Las acciones de mantenimiento/reparación fuera de plataforma cubren decisiones fuera de línea más complejas. Requieren un sistema de soporte de decisión (DSS) que realiza optimizaciones de flujo que explora fronteras de acciones correctivas, y que las con agregaciones de preferencia para generar los intercambios de mejor decisión. ¡ I Sin embargo, los algoritmos tradicionales para pálgg lar la relevancia de un diagnóstico determinado con relación a los síntomas existentes del compresor no siempre son precisos y algunas veces son ambiguos.

Por consiguiente, sería deseable proporcionar sistemas y métodos que eviten estos problemas y desventajas.

BREVE DESCRIPCION DE LA INVENCION De acuerdo con una modalidad, existe un método para diagnosticar un compresor. El método incluye generar gn vector de configuración del compresor, el vector de configuración del compresor incluye componentes que describen estados de varias partes del compresor; determinar, con base en restricciones de fragmentación, un valor de anomalía agregado correspondiente al vector de configuración; definir reglas para una vista preestablecida de posibles fallas/modos de falla del compresor; calcular una medida de corroboración entre el vector de anomalía agregado y as reglas; e identificar fallas/modos de falla del compresor basándose en gn resultado de la medida de corroboración.

De acuerdo con otra modalidad ilustrativa, existe un sistema para diagnosticar un compresor. El sistema incluye una interface configurada para recibir datos de medición sobre el compresor; y un procesador configurado para recibir los datos de medición. El procesador está configurado para generar un vector de configuración del compresor basándose en los datos de medición, el vector de configuración del compresor incluye componentes que describen estados de varias partes del compresor, determinar, basándose en i restricciones de fragmentación, un vector de anomalía! agregado correspondiente al vector de configuración, recuperar reglas para una vista preestablecida de posibles fallas/modos de falla del compresor, calcular una media de corroboración entre el vector de anomalía agregado de las reglas, e identificar fallas/modos de falla del compresor basándose en un resultado de la medida de corroboración.

De acuerdo incluso con otra modalidad ilustrativa, i existe un medio legible por computadora que incluye instrucciones ejecutables por computadora, en donde las instrucciones, cuando se ejecutan, implementan un método para diagnosticar un compresor. ¡El método i incluye generar un vector de configuración del compresor] el vector i de configuración del compresor incluye componentes que describen estados de varias partes del compresor; determinar, basándose en restricciones de fragmentación, un vector de anomalía agregado correspondiente al vector de configuración; definir reglas! para una vista preestablecida de posibles fallas/modos de falla del compresor; calcular una medida de corroboración entre el vector de anomalía agregado y las reglas; e identificar fallas/modos de falla del I compresor basándose en un resultado de la medida de corroboración.

BREVE DESCRIPCION DE LOS DIBUJOS Los dibujos anexos, que se incorporan en y constituyn en una parte de la especificación, ilustran una o más modalidades y, junto con la descripción, explican estas modalidades. En los dibujos: j La Figura 1 es un diagrama esquemático de un sistema de diagnóstico de compresor convencional; i I La Figura 2 es un diagrama esquemático de un sistema de í diagnóstico de compresor de acuerdo con una modalidad ilustrativa; Las Figuras 3 y 4 son gráficas que muestran umbrales de fragmentación de acuerdo con varias modalidades ilustrativas; La Figura 5 es un cuadro de flujo que ilustra un procedimiento para detectar fallas/modos de falla de un compresor de acuerdo con una modalidad ilustrativa; ¡ La Figura 6 es un cuadro flujo que ilustra un método para clasificar varias fallas/modos de falla de un compresor acuerdo con una modalidad ilustrativa; y ¡ La Figura 7 es un sistema ilustrativo que puede ¡mplementar un I método para diagnosticar un compresor. i DESCRIPCION DETALLADA i I La siguiente descripción de las modalidades ilustrativa se i refiere a los dibujos a nexos. Los mismos números de referencia de diferentes dibujos identifican elementos iguales o simillares. La siguiente descripción detallada no limita la invención. A su vez, el I alcance de la invención se define por las reivindicaciones anexas. Se i discuten las siguientes modalidades, para simplicidad, con irespecto a la terminología y estructura de compresores centrífugos. Sin I i embargo, las modalidades que se van a discutir a continuación no están limitadas a estos compresores, sino que pgeden aplicarse a otros compresores o estructuras complejas que pueden experimentar varios que necesitan identificarse.

Al hacer referencia a través de la especificación a "una modalidad" o "modalidad" significa que una característica, I estructura, o aspecto particular descrito en conexión con una modalidad se incluye al menos en una modalidad del tema descrito.

De esa forma, la aparición de frases "en una modalidad" ¡o "en una I modalidad" en varios lugares a través de la especificación no está haciendo referencia necesariamente a la misma modalidad. Además, las características, estructuras o aspectos particulares pueden combinarse en cualquier forma adecuada en una o más modalidades.

De acuerdo con una modalidad ilustrativa, se configura un sistema para recibir medidas de al menos un compresor, generar un vector de configuración de al menos un compresor, el jvector de configuración del compresor incluye componentes que describen estados de varias partes del compresor, determinar, basándose en i restricciones de fragmentación, un vector de anomalía j agregado correspondiente al vector de configuración, definir reglas para una lista preestablecida de posibles diagnósticos del compresor, calcular una medida de corroboración entre el vector de anomalía agregado y las reglas, e identificar una falla/modo de falla del compresor basándose en un resultado de la medida de corroboración.

Tal sistema 30 se muestra en la Figura 2 y puede configurarse i para verificar varios compresores. En una modalidad ilustrativa, el sistema 30 es un sistema centralizado conectado a decenas si no es que a cientos de compresores a través de una de datos 32. Los compresores pueden pertene el sistema centralizado proporciona mantenimi de estos clientes. El esquema de tal posteriormente con respecto a la Figura 7. Los almacenan en una base de datos 34 y los datos recolectadlos pueden i relacionarse a varios parámetros de los compresores (temperaturas, presiones, velocidad, composición de gas, etc.).

Un programador de trabajo 36 se configura para recibir como entrada los datos recolectados y escuchar un cronómetro e iniciar una aplicación por el cronómetro. El programador de trabajo 36 puede configurarse para revisar secuencialmente y en intervalos de tiempo datos recibidos de la pluralidad de compresores y para determinar si debe iniciarse un procedimiento de identificación de anomalía. El programador de trabajo 36 está configurado para i comunicarse con una unidad de pre-procesamiento de datos 38. La unidad de pre-procesamiento de datos 38 está configurada para recibir los datos recolectados de la base de datos 34 y realizar varias operaciones en esos datos recolectados. Por ejemplo, la unidad de pre-procesamiento 38 puede recuperar valores de referencia de los datos recolectados, puede realizar extracciones de configuración basándose en algoritmos predeterminados, puede calcular varios parámetros (características) del compresor basándose en los datos recolectados, etc. Los cálculos realizados por la unidad de pre-procesamiento 38 pueden basarse en un modelo termodinámico del compresor. La unidad de pre-procesamiento 38 puede estar recibiendo datos de una unidad de configuración de máquina 40, que incluye parámetros específicos de máquina, valores predeterminados de aquellos parámetros, valores normales de aquellos parámetros, límites aceptables de aquellos parámétros, etc.

Las configuraciones derivadas determinadas por las unidades de pre-procesamiento 38 se proporcionan a una unidad de notificación de anomalía 42, que está configurada para calcular una matriz de anomalía y un vector de anomalía como se discute posteriormente. La unidad de notificación de anomalía 42 también está conectada a la unidad de configuración de máquina 40 y puede recibir datos deseados de esta unidad. La salida de la unidad de notificación de anomalía 42 se proporciona a una unidad de administrador de caso 44. La unidad de administrador de caso 44 está configurada, entre otras cosas, para abrir un nuevo para un compresor que exhibe una anomalía.

Una unidad de razonamiento de diagnóstico 46 está conectada a la unidad de administrador de caso 44 y proporciona a la unidad de administrador de caso 44 con una lista clasificada de posibles diagnósticos (falla/modos de falla) para los síntomas exhibidos del compresor. Los detalles para generar la lista clasificada de posibles diagnósticos se discuten posteriormente. En caso que sean necesarios más datos, la unidad de administrador de caso 44 puede ? 10 solicitar los datos necesarios de una unidad de solicitud de datos 48 que sea capaz de comunicarse con compresores 50. Teniendo la lista clasificada, el administrador de caso 44 puede almacenar los datos en una base de datos 52, o puede presentar los datos, por ¡ejemplo, a través de una interfase de usuario dedicada 54, a un usuario 56.

Alternativamente o además, el administrador de caso 44 puede I presentar los resultados del análisis a un cliente 58 a través de una unidad de comunicación 60. De esa forma, el cliente 58 tiene la oportunidad de proporcionar retroalimentación al administrador de caso 44.

De acuerdo con una modalidad ilustrativa, se proporcionan más detalles sobre la unidad de notificación de anomalía 42. Suponer que varios sensores (no mostrados) se distribuyen en los compresores y estos sensores tienen varios parámetros de los compresores, como por ejemplo, temperaturas, presiones, velocidades en varias ubicaciones del compresor, etc. Un vector que incluye estos datos se ? denomina aquí como vector de fragmentación F. El vector F puede i tener componentes k (correspondientes a los parámetros k' medidos) y cada componente tiene una fecha de registro, es decir, cada componente está asociado con un tiempo en el cual se mide el parámetro correspondiente. Este vector puede incluir datos recibidos del programador de trabajo 36 como procesados por la unidad de pre-procesamiento de datos 38.

Al utilizar anotaciones matemáticas dedicadas para vectores y sus componentes, el vector de configuración se proporciona por F(0 = [fi (0. · ·¦ . 0]· Cada componentes de vector F representa una característica dinámica, como por ejemplo, un valor medido, una diferencia entre el valor medir y el valor de referencia, un porcentaje de un umbral, una tendencia de parámetro medido, ! etc. Los componentes 1 a k del vector de configuración F se miden y/o derivan en puntos en el tiempo de muestreo. Las medidas de esos componentes se repiten en un intervalo de tiempo dado y esos componentes medidos/calculados pueden almacenarse en una base de datos para procesamiento adicional.

De acuerdo con una modalidad ilustrativa, los componentes se filtran para mantener únicamente aquellos componentes qué no están en un modo transitorio, es decir, un sistema de estado estable se desea analizar. Entonces, uno o más componentes se comparan con umbrales de fragmentación correspondientes que incluyen dos valores, un valor de tensión y un valor de riesgo. El valor de tensión hace consiente al operador que el parámetro respectivo debe observarse a medida que el compresor puede empezar a comportarse en una forma indeseable. El valor de riesgo indica que el compresor puede estar en peligro de fallar y mide necesidades que deben tomarse para corregir los parámetros que están pasando este umbral.

Se observa que, basándose en el conocimiento de inventores, i los umbrales de fragmentación no se han utilizado previamente en el caso de diagnosticar compresores. Por esta razón, los umbrales de fragmentación ahora se discuten en más detalle. Para cada componente f ¡(t) de I vector F puede definirse un umbral inferior LT¡(f¡) y/o un umbral superior UT¡(f¡) para trazar la variable de dominio f¡ en el intervalo [0, 1]. Por ejemplo, el umbral inferior puede s¡er i 7~¡ ( f ) : f¡ ?[0,1] y el umbral superior puede ser U T¡(fj):f¡? [0,1 ]. La Figura 3 ilustra el umbral de fragmentación inferior y la Figura j ilustra el umbral de fragmentación superior. Se observa que las Figuras 3 y 4 presentan ejemplos específicos de umbrales de fragmentación. Sin embargo, las modalidades ilustrativas descritas son compatibles con i otros umbrales de fragmentación y los umbrales de fragmentación específicos mostrados en las Figuras 3 y 4 son únicamente para i propósitos ilustrativos.

La Figura 3 muestra el valor de atención c¡ y el valoridel grupo i a¡ mientras la Figura 4 muestra el valor de tensión a¡y el valor de riesgo c¡. La Figura 3 muestra que un cambio del parámetro f¡ del compresor más allá del valor cero activa el valor de atención Ci que se va a exceder mientras un cambio del parámetro f¡ que uno activa el valor de riesgo a, que se va a exceder. Una explicación similar es válida para la Figura 4. Ya que los parámetros verificados fi tienen un limite superior o un límite inferior, necesita utilizarse el umbral de fragmentación superior apropiado o el valor de fragmentación inferior.

Además, se asume que T¡(f¡) define un umbral de fragmentación genérico de la característica f¡, con el entendimiento que T¡¡(f¡) se va a remplazar por LT¡(f¡) o UT¡(f¡) dependiendo de una dirección crítica. Los umbrales T¡(f¡) se consideran para ser restricciónes que necesitan satisfacerse para mantener un estado de operación normal del compresor. Una diferencia entre restricciones de fragmentación y restricciones tradicionales se refleja en el hecho ¡ que las restricciones tradicionales son funciones de paso de rutina mientras las restricciones de fragmentación se representan por funciones sin paso. ' El vector de configuración F se considera para ser k (x N Matriz M, en donde k es el número de configuraciones y N es el npmero de muestras de componentes f tomados en una ventana temporal. Una ventana temporal es una cantidad de tiempo predeterminada en la cual se toman medidas de componentes f. Para simplicidad, considerar k = 20 parámetros f¡ del compresor que se mide cada j minuto en una ventana temporal de 2 horas. Pueden utilizarse otros números basándose en el compresor y las necesidades. Estos datos, cuando se ensamblan como matriz M, tienen elementos (¡,j) y pueden representarse como se muestra en el Cuadro 1.

CUADRO 1 Al aplicar los umbrales Ti(f¡) en un formato de vector a las columnas de la matriz M, se obtiene la matriz mostrada en el i Cuadro 2.

CUADRO 2 El resultado en el Cuadro 2 es una matriz E k x N, †ue indica un grado al cual cada elemento de la matriz satisface una restricción de normalidad correspondiente, en donde las restricciones son las restricciones de fragmentación discutidas anteriormente. Cada elemento E (i, j) de la matriz E se proporciona por E(i,j) = [T¡(M(i,j))]= [T¡(f¡(j))], que tiene valores en el intervalo [0,1]. Una desviación desde cero de un elemento E (i, j) indica una desviación potencial de la normalidad para el parámetro correspondiente f. Por ejemplo, la matriz E en el Cuadro 2 muestra que un valor para el parámetro f-, ha alcanzado el valor de atención i en el punto de muestreo j y alcanzó el valor de riesgo del punto de muestreo N.

Sin embargo, debido al alto número potencial de p'untos de muestreo, puede desearse agregar los números mostrados en la matriz E. De esa forma, el grado de anomalía para cada característica puede agregarse en una ventana de tiempo que sea apropiado para la velocidad de muestreo y una constanteide tiempo relacionada con la característica. En una aplicación, \la ventana puede tener longitud N. Más generalmente, la agregación puede realizarse utilizando una ventana móvil en las columnas N de la matriz M.

Una agregación puede necesitar realizarse en los elementos incluidos en la ventana. Un ejemplo de una agregación puede ser un promedio móvil exponencial, que proporciona más relevancia a valores recientes. Puede utilizarse otra función de agregación conocida, como por ejemplo un medio pesado generalizado. El resultado de tal agregación es un vector. Un vector A, cuyo' elemento i° indica un grado global de anomalía de la característica f¡', es decir A(f¡). Por ejemplo, el valor máximo de la anomalía para un' grupo de j tiempos de medición puede elegirse como se muestra en el Cuadro 3.

I En otra aplicación, un promedio de varias anomalías medidas en i varios tiempos de medición puede considerarse como A(f¡). En la modalidad ilustrativa mostrada en el Cuadro 3, después de la agregación, se asume que existe una anomalía en la característica f¡ y una característica parcial en la característica f¡ pero; ninguna anomalía en la característica fk. Esta información puede integrarse con otras fuentes de detección de anomalía (por ejemplo, información codificada como mensajes de error). Mientras tales mensajes de error se tratan como datos de Boolean decir, anomalías con resistencia 1), existe una visibilidad completa en la I evolución de las resistencias de anomalía a través de la matriz E. i CUADRO 3 Esquemáticamente, el procedimiento de aplicar las restricciones a las características f¡ y agregar las anomalías se muestra en el Cuadro 4. l CUADRO 4 De acuerdo con una modalidad ilustrativa, la unidad de i diagnóstico 46 puede almacenar o solicitar datos con respecto al compresor desde una unidad de almacenamiento externa. '¡ CUADRO 5 El procedimiento de diagnóstico puede crear un orden (parcial) en la falla/modos de falla potenciales al hacer coincidir eí grado de anomalía de cada configuración, representado por el vecto A con las í anomalías esperadas cuando se presenta una falla/modo de falla particular. Este conocimiento de dominio se captura en la matriz mostrada en el Cuadro 5, en donde la primera columna representa posible falla/modos de falla y las columnas restantes representan el grado esperado correspondiente de resistencia de la anomalía para la falla/modo de falla correspondiente. En este contexto, el vector de las resistencias de anomalía A se considera como un vector de síntomas que impulsan el sistema de diagnóstico. En otras palabras, las columnas en el Cuadro 5 se llenan basándose en la experiencia y las expectaciones del operador del compresor con entradas H, L, M, ic, o nulo que son para Alto, Medio, Bajo, Consecuencias indirectas y sin influencia. Estos valores pueden ingresarse manualmente por el fabricante y/o el operador del compresor y estos valores i corresponden a las anomalías esperadas y su resistencia cuando están presentes ciertas falla/modos de falla en el compresor. Se observa que una falla/modo de falla dado puede determinar más de una parte del compresor para exhibir anomalías. Aunque el Cuadro 5 incluye datos específicos para un compresor centríf Jigo, otros cuadros pueden incluir datos relevantes para otras máquinas qge se van a diagnosticar. i Como un ejemplo, considerar que los síntomas observados en la primera fila del Cuadro 5 representan los varios componentes f¡ y la fila de Falla i es una falla/modo de falla del compresor. Para tal falla/modo de falla se espera, de acuerdo con esta modalidad ilustrativa, que los valores para el Síntoma 1 y el Síntoma k sean L.

I En otras palabras, un algoritmo implementado en un microprocesador identifica la falla/modo de Falla i c on baja confianza (L) si los dos parámetros Síntoma 1 y k están fuera del valor de umbral y todos los otros parámetros son insignificantes. Se observa que este es un ejemplo y que cada compresor puede tener sus propios parámetros y i I características verificados como se desee. ¡ Las falla/modos de falla observados en la primera columna del Cuadro 5 pueden identificarse basándose en reglas definidas para cada falla/modo de falla. Las entradas H, L, M, e íc pueden interpretarse como las resistencias esperadas de los síntomas para cada falla/modo de falla correspondiente. La matriz mostrada en el Cuadro 4 puede interpretarse como un grupo de regla de asociación que tienen elementos Regla¡, con FIJAR -U-Regla, Y>) I en donde Y¡ es una falla/modo de falla, por ejemplo, los |elementos listados en la primera columna en el Cuadro 5, y X¡ representa una pluralidad de síntomas, por ejemplo, las entradas en cadai fila en el Cuadro 5.

El vector de anomalía A coincide con cada falla/modp de falla en la matriz i° f ila en la matriz del Cuadro 5 se interpreta como la regla de asociación Reglan en donde la Regla¡ se proporciona por Regla¡ = (X¡ ? Y¡ ) = [xu,x1 ,2 X¡,K]? Y¡, X¡ es el lado izquierdo (LHS) de la regla asociación Regla y se proporciona al: X¡ = [XI.J] = [X¡.J.XI .2 x¡.k] en donde x e {H, M, L, ic, nulo} y en donde cada componente x¡j de X¡ tiene uno ¡de cinco valores H, M, L, ic o nulo siendo cero. Se observa que elivector X¡ tiene k componentes y k es igual al número de columnas en el Cuadro 5 e y es el número de filas en el Cuadro 5. 1 Para cada falla/modo de falla Y¡ (fila en el Cuadro 5), la unidad de diagnóstico 46 puede configurarse para calcular una medida de i evidencia de corroboración C(Y¡, A) (los síntomas esperados para Y¡ i para coincidir con el vector de anomalía A), y una medida para 1 refutar evidencia R(Y¡, A) (falta de coincidencia entre los síntomas i esperados para Y¡ y el vector de anomalía A). Existen múltiples formas de calcular estas tres medidas. Para un mejor entendimiento, se discuten a continuación funciones ilustrativas para C y R.

El vector de anomalía, que es la entrada para el procedimiento de diagnóstico, se define como l A = [A1,A2,...Ak]e[0,1], en donde cada valor A, tiene un valor entre cero y gnó.

Para totalizar la coincidencia parcial de las entradas y sus referencias correspondientes, tomando en cuenta la probabilidad Alta (H), Media (M), o Baja (L) de observar ese síntoma, p el hecho que puede ser una consecuencia directa (ic) LHS X, la ¡ regla de asociación Regla¡ puede descomponerse a: j X] - ?)?? j{M)Xf K.J(1.)X;- J(ÍC)X ^(nil)Xf \ en donde X¡H es un indicador binario del valor H: X¡H = [x¡ j | x j j = 1 if (Xj j = H), también x¡ ¡ = 0] etc.

I Además, se introduce un grupo de pesos W que refleja la importancia de hacer coincidir entradas con las entradas H, M, L, ic, í nulo del Cuadro 5 se introduce como a continuación: W = {WH, WM. WL, WÍC. wm,} ' I W siendo, por ejemplo, {0.8, 0.5, 0.2, 0.1, 0.0}. Basándose en este ejemplo, la medida de evidencia de corroboración C puede calcularse para totalizar la cantidad de evidencia esperada para una falla/modo de falla Y¡ y la anomalía A. En otras palabras, puede pesarse C, coincidencia parcial entre el vector de anomalía A y X¡ y L H S de. la regla Regla,, como se proporciona por: ! C(Yi,A) = coincidencia en donde el producto interior (A,X¡H) se implementa utilizando el producto tradicional. Observar A = [A,,A2, ...AK] en donde A e [0,1], mientras X¡H = [x¡j,x¡,j x¡ik] en donde x¡ j e{0,1}.

Para ejemplificar el cálculo de una falla/modo de falla Y¡, como a continuación en el ejemplo mostrado en el Cuadro 6. Asumir que el vector de anomalía A tiene los valores mostrados en la primera fila del Cuadro 6. También asumir que la regla (una fila no mostrada en el Cuadro 5) se proporciona por X¡ como se muestra en la segunda fila del Cuadro 6. La regla X¡ en la segunda fila se descompone en sub-reglas que corresponden a los valores H, M, y L como se muestra' en las terceras, cuartas, y quintas filas del Cgadro 6. También no está presente ninguno de los valores ic o nulo para la falla/modo de falla Y¡, reglas correspondientes no se muestran en el i Cuadro 6. Aunque los valores del vector de anomalía A se calculan basándose en (i) parámetros medidos del compresor y (ii) restricciones predeterminadas como se discute anteriormente con respecto a los Cuadros 1-4, la regla X¡ se determina similarmente basándose en la experiencia del operador del compresor y/o el fabricante del compresor. Al utilizar la medida de evidencia de i corroboración C definida anteriormente y los pesos observados anteriormente, se determinó el valor de 82% para la falla/modo de falla Y,. o 22 CUADRO 6 Otro ejemplo que tiene más síntomas se muestra en el Cuadro 7. Aquí hay síntomas con un valor bajo L además de los valores alto í H y medio M. Unir los factores de peso y la misma evidencia de medida de evidencia de corroboración C se utilizan para el Cuadro 7 para llegar a un 50.7% de coincidencia entre la falla/modo Ide falla Y¡ y el vector de anomalía A.

CUADRO 7 También como se discute anteriormente puede ser relevante, calcular la cantidad de evidencia esperada para ver para una falla/modo de falla Y¡ ausente del vector de anomalía A. Puede utilizarse una métrica complementaría para C, tal como R(Y¡, A) = 1 -C(Y¡, A). Sin embargo, esta métrica R no proporciona ninguna información adicional. ¡ Una mejor medida es para calcular un factor de descuento basándose en la probabilidad de Y¡ que es la causa de las fallas/modos de falla sin observar los síntomas esperados. Para simplicidad computacional se asume que todos los síntomas son independientes entre sí. Esto es equivalente al tomar la negación de la suma probabilística del valor faltante en cada grado de anomalía j (es decir, complemento uno), cada uno pesado por su peso correspondiente. La suma probabilística es una de muchas conormas triangulares (T-conormas) que pueden utilizarse para evaluar la unión, y se define como S(a,b) = a + b - a-b. Similar a to¡dos las T-conormas, esta función es asociativa. Esto significa que cuando existen tres o más argumentos, la función pude calcularse i recursivamente, es decir S(a,b,c) = S(S(a,b), c). ¡ I Por ejemplo, en el ejemplo presentado en el Cuadro 6, están presentes los siguientes valores ausentes: para anomalía de resistencia alta (WH = 0.8) hay un 0.1 en A2 y 0.2 en A3l y para anomalía de resistencia baja (WL = 0.2) existe 0.8 en A5 y 0.2 en A6. Basándose en estos valores, la medida de la evidencia de refutación R(Y¡, A) puede calcularse como: ¡ S( S( S(0.8 · 0.1, 0.8 · 0.2), 0.2 · 0.8), 0.2 · 0.5) = cuando S(a,b) = a + b - a-b. Si se utiliza una T-conorma diferente, tal como S(a,b) = Max(a, b), entonces la expresión anterior se vuelve: S( S( S(0.8¦ 0.1, 0.8 · 0.2), 0.2 ¦ 0.8), 0.2 · 0.5) = 0.116.

Al calcular la medida de evidencia de refutación al utilizar el operador máximo en lugar de la suma probabilística, se!toma una vista menos drástica de la información faltante. ¡ Existen muchas familias parametrizadas de T-conorma conocidas en la técnica. Otras T-conormas serían adecuadas para calcular la medida de refutación. La selección de T-conorma muy I apropiado se impulsa por la posición conservadora o liberal que se desea tomar al graduar el impacto de la información faltante en el procedimiento de diagnóstico global. De acuerdo con una modalidad I ilustrativa, el procesador en el cual se implementa el método de diagnóstico puede configurarse para ofrecer al operador del procesador que funciona elegir para la medida de refutación. Un experto en la técnica reconocerá, el procedimiento descrito anteriormente puede implementarse en hardware, software o una combinación de los mismos.

De acuerdo con una modalidad ilustrativa, las medidas C y R pueden combinarse y puede presentarse un resultado global como el intervalo formado por [C(Y¡, A), max(C(Y¡, A), 1 - R(Y¡, A))] o por la integración de estas dos medidas C y R en donde 1 - R(Y¡, A) se utiliza para descontar C(Y¡, A). ¡ Por ejemplo, con respecto al ejemplo mostrado en el Cuadro 6, C(Y¡, A)= 0.82, R(Y¡, A) = 0.415 (cuando utiliza S(a, b) = a -fi b - a-b), y 1 - R(Y¡, A) = 0.585. El intervalo observado anteriormente realmente es un punto [0.82, 0.82] y la marca descontada es C(Y¡, j j ?)·(1 - R(Y¡, A)) = 0.48. Al utilizar el intervalo o el factor descontado, es posible clasificar la falla/modos de falla potenciales para formar una lista ordenada basándose en esto es posible sugerir acciones correctivas para la falla/modos de falla más probables.

El procedimiento para detectar la falla/modo de falla puede representarse como se muestra en la Figura 5. En el paso 500, el procesador en el cual se implementa el procedimiento recibe datos de medición. Los datos de medición son indicativos de varios parámetros del compresor. Un vector de configuración F se genera en el paso 502. El vector de configuración F puede tener componentes k. El número de componentes puede cambiar por el operador del compresor. Algunos de los componentes son los datos medidos y algunos otros componentes se calculan basándose en los datos medidos. En el paso 504, que puede realizarse antes de los pasos 500 y 502, los umbrales de fragmentación como se discutió anteriormente se describen para cada uno de los componentes del I vector de configuración F. Dependiendo de la situación, los umbrales de fragmentación pueden contabilizarse para un aumento o | disminución del componente. En una aplicación, una combinación de umbrales de fragmentación y umbrales de paso puede utilizarse para los componentes del vector de configuración F.

Basándose en los umbrales de fragmentación y el vector de configuración F, se calcula un vector de anomalía A en el paso 504.

EL procedimiento para calcular el vector de anomalía puede diferir í de aplicación a aplicación como ya se discute anteriormente. §e í recupera un grupo de reglas en el paso 508 de una base de datos. El grupo de reglas que almacenó previamente en la base de datos o pues cambiar en vivo por el operador. El grupo de reglas1 indica un grupo de fallas/modos de falla a síntomas correspondientes. Por ejemplo, como se muestra en el Cuadro 5, la primera columna identifica varias fallas/modos de falla y para cada falla/modo de falla se espera un grupo de síntomas (listado en la fila correspondiente). Los síntomas considerados se enlistan en la primera fila del Cuadro 5 y su expectación para una falla/modo de falla dado en la fila "n" se enlista en la fila "n". Como se observa en el Cuadro 5, no¡todos los síntomas están presentes para una falla/modo de falla dado, algunos tienen una alta expectativa, algunos tienen una baja expectativa y algunos tienen una presencia pero no directamente relacionada con la falla/modo de falla. Por estas razones, la expectativa para ver un síntoma para una falla/modo de falla dado se cuantifica como alta como alta, media, baja, nula, y relacionado indirectamente. Se observa que de acuerdo con una modalidad ilustrativa, el grupo de reglas se ingresa manualmente por un técnico que está familiarizado con la operación y las fallas del compresor.

Basándose en las reglas el vector de anomalía A, se calcula i una medida de evidencia de corroboración C en el paso 510. Esta I medida proporciona una confianza sobre una falla/modo de falla identificado para corresponder a síntomas detectados. La medida j puede expresarse como un porcentaje, con 100% que es un resultado completamente confiable. Sin embargo, de acuerdo con 'un paso I opcional 512, también puede calcularse una medida de evidencia de refutación R y esta medida indica la falta de confiabili!dad de la falla/modo de falla identificado. De acuerdo con otro paso opcional 514, las dos medidas C y R pueden combinarse para producir en el paso 516 una clasificación más confiable de la falla/modo de falla posible correspondiente a un grupo de síntomas detectados. De acuerdo con una modalidad ilustrativa ilustrada en la Figura 6 existe un método para diagnosticar un compresor. El método incluye el paso 600 de generar un vector de configuración del compresor, el vector de configuración del compresor que incluye componentes que describen estados de varios componentes del compresor; un paso 602 para determinar, basándose en restricciones de fragmentación, un vector de anomalía agregado correspondiente al vector de configuración; un paso 604 para definir reglas para una lista preestablecida de posibles diagnósticos del compresor; unj paso 606 para calcular una medida de corroboración entre el yector dé i anomalía agregado y las reglas; y un paso 608 para identificar un diagnóstico del compresor basándose en un resultado de la medida de corroboración.

Pasos opcionales pueden incluir calcular una medida de evidencia de refutación R que cuantifíca una cantidad de evidencia que está faltante o una falla/modo de falla, en donde la medida de evidencia de refutación R puede basarse en una función de conorma triangular, o al combinar la medida de corroboración C con la medida de evidencia de refutación R para clasificar cada falla/modo de falla del compresor. | De acuerdo con una modalidad ilustrativa, puede configurarse un sistema que incluye un procesador para recibir valores de los componentes del vector de configuración y una ventana jde tiempo predeterminada, aplicar las restricciones de fragmentación a los componentes del vector de configuración para determinar anomalías instantáneas correspondientes en ciertos tiempos durante la ventana de tiempo predeterminada, y agregar las anomalías instantáneas i correspondientes en los ciertos tiempos para generar el vector de anomalía agregado para la ventana de tiempo predeterminada completa y para todos los componentes del vector de configuración.

De acuerdo con otra modalidad ilustrativa, el procesador además está configurado para dividir cada regla en sjjb-reglas, calcular un producto de escala entre cada sub-regla y el ¡vector de i anomalía agregado, y determinar un valor de porcentaje que es indicativo de una falla/modo de falla experimentado por el compresor basándose en productos de escala calculados que forman la medida de corroboración.

Adicional o alternativamente, el procesador además está configurado para utilizar una medida de corroboración C entre cada regla y el vector de anomalía agregado, en donde C se define como A siendo el vector de anomalía agregado Y¡, que representa gna falla/modo de falla X¡, que representa la regla "i", wh, ^, w¡ y wic que son los factores de peso, y X¡H, X¡M , X¡L y X¡IC que son las sub-reglas de la regla X¡.

De acuerdo con otra modalidad ilustrativa, el procesador además está c onfigurado para calcular una medida de evidencia de refutación R que cuantifica una cantidad de evidencia que está faltando para una falla/modo de falla, en donde la medida de evidencia y refutación R se basa en una con norma triangular. El procesador además puede configurarse para combinar la ijnedida de corroboración C con la medida de evidencia de refutación R para clasificar cada falla/modo de falla del compresor.

De acuerdo con una modalidad ilustrativa, un medio legible por computadora incluye instrucciones ejecutables por computadora, en donde las instrucciones, cuando se ejecutan, implementan un método para diagnosticar un compresor. El método incluye generar un vector de configuración del compresor, el vector de configuración del compresor incluye componentes que describen estados de varias partes del compresor; determinar, basándose en restricciones de fragmentación, un vector de anomalía agregado correspondiente al vector de configuración; definir reglas para una lista preestablecida de posibles fallas/modos de falla del compresor; calcular uria medida í de corroboración entre el vector de anomalía agregado y las reglas; e identificar fallas/modo de falla del compresor basándojse en un resultado de la medida de corroboración.

Para propósitos de ilustración y no de limitación, por ejemplo de un sistema representativo capaz de llevar a cabo operaciones de acuerdo con las modalidades ilustrativas se ilustra en la Figura 7. El procesador discutido anteriormente para implemjentar el procedimiento de diagnóstico puede ser parte del sistema. Puede utilizarse hardware, fírmware, software o una combinación de los mismos para realizar los varios pasos y operaciones aquí descritas.

El sistema ilustrativo 700 adecuado para realizar las actividades descritas en las modalidades ilustrativas puede incluir el servidor 701. Dicho servidor 701 puede incluir un procesador central (CPU) 702 acoplado a una memoria de acceso aleatorio (RAM) 704 y a una memoria de sólo lectura (ROM) 706. La ROM 706 puede ser l también otros tipos de medios de almacenamiento para almacenar programas, tales como ROM programable (PROM, PROM borrable (EPROM), etc. El procesador 702 puede comunicarse con otros componentes internos y externos a través del sistema de circuitos de entrada/salida (l/O) 708 y conductores comunes 7H0, para proporcionar señales de control y similares. Por ejemplo, él sistema 700 puede comunicarse con varios compresores para! verificar cualquiera de los síntomas que pueden aparecer. Los varios compresores pueden distribuirse en una gran área geográfica mientras el sistema 700 puede ser un sistema centralizado. El procesador 702 lleva a cabo una variedad de funciones j como se conoce en la técnica, como se dicta por instrucciones de software y/o firmware. ¡ I El servidor 701 también puede incluir uno o más dispositivos de almacenamiento de datos, que incluyen unidades de disco duro flexible 712, unidades de CD-ROM 714, y otro hardware! capaz de leer y/o almacenar información tal como DVD, etc. En una modalidad, el software para llevar a cabo los pasos discutidos anteriormente puede almacenarse y distribuirse en un CD-ROM 716, disq'uetes 718 u otra forma de medios capaz de almacenar de forma portátil información. Estos medios de almacenamiento puede insertarse en, y verse por, dispositivos tal como la unidad de CD-ROM 714,! la unidad de disco 712, etc. El servidor 701 puede acoplarsje a una presentación 720, que puede ser cualquier tipo de presentación conocida o pantalla de presentación, tal como pantallas LCD, pantalla de plasma, tubos de rayo de cátodo (CRT),| etc. Se proporciona una interfase de entrada de usuario 722, que incluye uno o más mecanismos de interfase de usuario tal como un ratón, teclado, micrófono, almohadilla táctil, pantalla táctil, sistema de reconocimiento de voz, etc. El operador del sistema 700 puede ingresar cualquier información a través de la interfase 722, como por I ejemplo, al modificar el número de componentes del vector de configuración F.

El servidor 701 puede acoplarse a otros dispositivos de cómputo, tales como la línea terrestre y/o terminales inalámbricas y I aplicaciones de observador asociadas, a través de una red. El servidor puede ser parte de una configuración de red más grande como en una red de área global (GAN) tal como Internet 728, que permite la conexión final a varios dispositivos de cliente/observador de línea terrestre y/o móvil.

Las modalidades ilustrativas descritas proporcionan un sistema, un método y un producto de programa de computadora para determinar una falla/modo de falla de un compresor. Se debe entender que esta d escripción no pretende limitar la invención. Por el contrario, las modalidades ilustrativas pretenden cubrir alternativas, modificaciones y equivalentes, que se incluyen en el espíritu y alcance de la invención como se definej por las I reivindicaciones anexas. Además, en la descripción detallada de las modalidades ilustrativas, se describen numerosos ¡ detalles específicos con el fin de nsivo de la invención reclama cnica entenderá que pueden tales detalles específicos.

Como también se , las modalidades ilustrativas o de comunicación inalámbrica, una red de telecomunicación, un método o en un producto de programa de c omputadora . Por consiguiente, las utilizarse que incluye discos duros, CD-ROM, discos versátiles digitales (DVD), dispositivo de almacenamiento óptico, o dispositivos i de almacenamiento magnético tal como disco flexible o cinta magnética. Otros ejemplos no limitantes de medios legibles por computadora incluyen memorias tipo flash u otras m emorias conocidas.

Aunque las características y elementos de las presentes modalidades ilustrativas se describen en las modalidades en combinaciones particulares, cada característica o elemento puede utilizarse sólo sin las otras características y elementos de las modalidades o en varias combinaciones con o sin otras I características y elementos aquí descritos. Los métodos o cuadros de flujo proporcionados en la presente solicitud' pueden implementarse en un programa de computadora, software, q firmware tangiblemente representado en un medio de almacenamiento I egible por computadora para ejecución por una computadora o procesador i específicamente programado.

Esta opinión escrita utiliza ejemplos del tema descrito para permitir que cualquier experto en la técnica practique los! mismos, incluyendo a cero al utilizar cualquiera de los dispositivos ojsistemas y realizar cualquiera de los métodos incorporados. El alcance i patentado en el tema se define por las reivindicaciones, y puede i incluir otros ejemplos que no ocurre para aquellos expertos en la i técnica. Esos otros ejemplos están hechos para estar dentro del alcance de las reivindicaciones. j I

Claims (10)

j REIVINDICACIONES I

1. - Un método para diagnosticar un compresor, jel método comprende: j generar un vector de configuración del compresor, el vector de configuración del compresor incluye componentes que describen estados de varias partes del compresor; determinar, basándose en las restricciones de fragmentación, un vector de anomalía agregado correspondiente al vector de configuración; l definir reglas para una lista preestablecida de posibles fallas/modos de falla del compresor; calcular una medida de corroboración entre el vector de anomalía agregado y las reglas; y identificar una falla/modo de falla del compresor basándose en un resultado de la medida de corroboración.

2. - El método de acuerdo con la reivindicación 1, en donde el paso de generar un vector de configuración comprende: 1 medir primeros parámetros plurales del compresor; y I estimar segundos parámetros plurales del compresor i basándose en los primeros parámetros plurales, en donde el vector de configuración incluye una de los primeros parámetros plurales y los segundos parámetros plurales.

3. - El método de acuerdo con la reivindicación 1, |en donde las varias partes del compresor incluyen cojinetes y un rotor y los í I estados incluyen al menos uno de presión, temperatura,) amplitud, presión diferencial, masa o flujo volumétrico o velocidad de rotor.

4. - El método de acuerdo con la reivindicación 1, que además comprende: ' definir las restricciones de fragmentación para desviaciones de i los componentes del vector de configuración de los valores de referencia, en donde las restricciones de fragmentación son umbrales i que cambian continuamente de un valor bajo a un valor alto.

5. - El método de acuerdo con la reivindicación 4, en, donde al menos una restricción de fragmentación se define por un valor de atención y un valor de riesgo, el valor de atención indicando que un parámetro correspondiente necesita verificarse como una1 anomalía que va a ocurrir probablemente, el valor de riesgo indi da que ha ocurrido la anomalía.

6.- El método de acuerdo con la reivindicación 1, en donde el paso de determinar un vector de anomalía agregado comprende: recibir valores de los componentes del vector de configuración a través de una ventana de tiempo predeterminada; | aplicar la restricciones de fragmentación a los componentes del vector de configuración para determinar anomalías instantáneas correspondientes en ciertos tiempos durante la ventana dé tiempo predeterminada; y agregar las anomalías instantáneas correspondientes ciertos momentos para generar el vector de anomalía agregado para la i ventana de tiempo predeterminada completa y para todos los componentes del vector de configuración. I

7. - El método de acuerdo con la rei indicación 1, eh donde el paso de calcular comprende: ' dividir cada regla en sub-reglas; i calcular un producto de escala entre cada sub-regla y el vector de anomalía agregado; y i determinar un valor de porcentaje que es indicativo de una falla/modo de falla experimentado por el compresor basándose en los productos de escala calculados que forman la medida de corroboración. ;

8. - El método de acuerdo con la reivindicación 7, que además comprende: ¡ utilizar una medida de corroboración C y cada regla y , e I vector de anomalía agregado, en donde C se define como , C(Y,,A) = coincidencia(X A) ~ en donde A es el vector de anomalía agregado, Y¡ representa una falla/modo de falla, X¡ representa la regla "i", wh, wm, w¡, y wic son los factores de peso, y X¡H , X¡M, X¡L y X¡ic son las sub-reglas de la regla X¡. '

9. - El método de acuerdo con la reivindicación 1, en donde el paso de identificación comprende: ' calcular una medida de evidencia de refutación R que cuantifica una cantidad de evidencia que está faltando para una falla/modo de I ? 37 falla. ?

10.- El sistema para diagnosticar un compresor, el sistema comprende: ! una interfase configurada para recibir datos de medición sobre el compresor; y ? un procesador configurado para recibir los datos de medición y para, i generar un vector de configuración del compresor basándose en los datos de medición, el vector de configuración del compresor incluye componentes que describen estados de varias partes del compresor, ; determinar, basándose en restricciones de fragmentación, un vector de anomalía agregado correspondiente al vector de configuración, í recuperar reglas para una lista preestablecida de posibles i fallas/modos de falla del compresor, calcular una medida de corroboración entre el vector de ? anomalía agregado y las reglas, y identificar una falla/modo de falla del compresor basándose en un resultado de la medida de corroboración.