RU2809934C1 - Система диагностики аномалий и способ диагностики аномалий - Google Patents

Abstract

Группа изобретений относится к области диагностики аномалий и может быть использована для диагностики аномалий в оборудовании, содержащем приводной механизм. Техническим результатом является повышение точности определения аномалий за счет предотвращения ошибочной диагностики оборудования как имеющего аномалию, когда оборудование фактически не имеет аномалии. Система содержит датчик снятия отсчетов и вычислительное устройство, выполненное с возможностью: выполнения первого определения аномалии для определения наличия аномалии на основе результата первого анализа главных компонент; если в результате первого определения аномалии обнаружено наличие аномалии, выполнения второго определения аномалии для определения наличия аномалии на основе результата второго анализа главных компонент; и если результат второго определения аномалии указывает наличие аномалии, диагностирования оборудования как имеющего аномалию. 2 н. и 8 з.п. ф-лы, 7 ил.

Description

Область техники, к которой относится изобретение

Настоящее изобретение относится к системе диагностики аномалий и к способу диагностики аномалий в оборудовании, содержащем приводной механизм.

Уровень техники

Обычно, для оборудования, содержащего приводной механизм, такой как гидравлический привод или электродвигатель, аномалии диагностируют на основе, например, сигнала тока или прилагаемой нагрузки, полученного от приводного механизма. В случаях, когда работа приводного механизма осуществляется в виде последовательности повторяющихся циклов, совершаемых по заданной фиксированной схеме, предлагается использовать метод анализа главных компонент (principal component analysis) (далее также называется анализом PCA) для диагностики аномалий (например, JP 5991042 B2 (PTL 1) и JP 2017-32567 A (PTL 2)).

Например, в калибровочном прессе матрицы для прессования по ширине расположены по обе стороны от перемещаемой заготовки, и усилие передается от двигателей к этим матрицам через кривошипные механизмы для прессования заготовки по ширине в речение постоянного периода времени. Сигнал тока (форму сигнала) или сигнал прилагаемой нагрузки (форму сигнала), появляющийся многократно в течение такой обработки, собирают для каждого материала, и анализируют форму этого сигнала тока или сигнала прилагаемой нагрузки для одного цикла работы кривошипных механизмов методом PCA для каждого материала, чтобы выделить аномальную форму сигнала. Использование анализа PCA позволяет более точно выполнить диагностику аномалий в работе оборудования, чем простая проверка верхнего и нижнего пределов.

Список литературы

Патентная литература

PTL 1: JP 5991042 B2

PTL 2: JP 2017-32567 A

Раскрытие сущности изобретения

(Техническая проблема)

Однако, даже если оборудование фактически не повреждено, возможна ситуация, когда, по некоторым причинам, сигнал тока, сигнал прилагаемой нагрузки или другой подобный сигнал, получаемый от приводного механизма оборудования, оказывается вдруг исключительно слабым. Например, во время работы калибровочного пресса, время от времени возникает ситуация, когда сигнал прилагаемой нагрузки едва увеличивается, например, из-за недостаточной подачи материала, вызванной проскальзыванием тянущих валков. Когда возникает такое явление, считают, что оборудование работает аномально, даже если это оборудование фактически не повреждено.

Поэтому могло бы оказаться полезным создание системы диагностики аномалий и способа диагностики аномалий, которые могли бы предотвратить ошибочную диагностику оборудования, как имеющего аномалии в работе, тогда как фактически это оборудование аномалий не имеет.

(Решение проблемы)

Мы предлагаем следующее: (1) – (10).

(1) Система диагностики аномалий, выполненная с возможностью выполнения диагностики аномалий оборудования, работа которого осуществляется в виде повторения фиксированной схему, при этом система диагностики аномалий содержит: датчик снятия отсчетов, выполненный с возможностью получения отсчетов последовательных во времени данных, указывающих состояние оборудования, причем последовательные во времени данные повторяются по схеме, соответствующей указанной фиксированной схеме; и вычислительное устройство, выполненное с возможностью выполнения анализа главных компонент на основе последовательных во времени данных, отсчеты которых получаются датчиком снятия отсчетов, и диагностики, имеет ли оборудование какую-то аномалию, причем вычислительное устройство выполнено с возможностью: выполнения первого анализа главных компонент на основе одной схемы в последовательности отсчетов данных, указывающей состояние, и выполнения первого определения аномалии для определения наличия аномалии на основе результата первого анализа главных компонент; если в результате первого определения аномалии обнаружено наличие аномалии, выполнения второго анализа главных компонент совместно на множестве последовательных во времени схемах, в том числе на схеме, которая была подвергнута первому анализу главных компонент, и выполнения второго определения аномалии для определения наличия аномалии на основе результата второго анализа главных компонент; и если результат второго определения аномалии указывает, что имеется аномалия, диагностирования оборудования как имеющего аномалию.

(2) Система диагностики аномалий согласно (1), в которой первое определение аномалии основано на Q-статистике, вычисленной по результатам первого анализа главных компонент, а второе определение аномалии основано на Q-статистике, вычисленной по результатам второго анализа главных компонент.

(3) Система диагностики аномалий согласно (1) или (2), в которой N2 < N1 × M или k2 < k1 × M, где N1 – число точек взятия отсчетов во временной последовательности данных, использованных вычислительным устройством для первого анализа главных компонент, k1 – число размерностей после уменьшения размерности посредством первого анализа главных компонент, N2 – число точек взятия отсчетов во временной последовательности данных, использованных для второго анализа главных компонент, k2 – число размерностей после уменьшения размерности посредством второго анализа главных компонент, и M – число схем, входящих в множество схем, где M ≥ 2.

(4) Система диагностики аномалий согласно любому из (1) – (3), в которой указанное оборудование представляет собой калибровочный пресс, уменьшающий ширину заготовки путем приведения в движение матрицы с использованием приводного двигателя, а последовательные во времени данные, указывающие состояние оборудования, представляют собой временную диаграмму тока, потребляемого приводным двигателем, или временную диаграмму прилагаемой нагрузки матрицы.

(5) Система диагностики аномалий согласно (4), дополнительно содержащая предпроцессор данных, выполненный с возможностью предварительной обработки последовательных во времени данных, отсчеты которых получены датчиком снятия отсчетов, причем предварительная обработка содержит процедуру нормировки высоты диаграммы сигнала и процедуру классификации в соответствии с величиной уменьшения ширины заготовки.

(6) Способ диагностики аномалий для выполнения диагностики аномалий оборудования, работа которого осуществляется в виде повторения фиксированной схемы, причем способ диагностики аномалий содержит этапы, на которых: получают отсчеты последовательных во времени данных, указывающих состояние оборудования, причем последовательные во времени данные повторяются по схеме, соответствующей указанной фиксированной схеме; выполняют первый анализ главной компоненты на основе одной схемы в последовательных во времени данных, указывающих состояние; выполняют первое определение аномалии для определения наличия аномалии на основе результата первого анализа главных компонент; выполняют, если в результате первого определения аномалии обнаружено наличие аномалии, второй анализ главных компонент совместно на множестве последовательных во времени схем, включающих в себя схему, которая была подвергнута первому анализу главных компонент, в последовательных во времени данных, указывающих состояние; выполняют второе определение аномалии для определения наличия аномалии на основе результата второго анализа главных компонент; и если результат второго определения аномалии указывает наличие аномалии, диагностируют оборудование как имеющее аномалию.

(7) Способ диагностики аномалий согласно (6), в котором первое определение аномалии основано на Q-статистике, вычисленной по результатам первого анализа главных компонент, а второе определение аномалии основано на Q-статистике, вычисленной по результатам второго анализа главных компонент.

(8) Способ диагностики аномалий согласно (6) или (7), в котором N2 < N1 × M или k2 < k1 × M, где N1 – число точек взятия отсчетов в последовательных во времени данных, использованных вычислительным устройством для первого анализа главных компонент, k1 – число размерностей после уменьшения размерности посредством первого анализа главных компонент, N2 – число точек взятия отсчетов в последовательных во времени данных, использованных для второго анализа главных компонент, k2 – число размерностей после уменьшения размерности посредством первого анализа главных компонент, и M – число схем, входящих в множество схем, где M ≥ 2.

(9) Способ диагностики аномалий согласно любому из (6) – (8), в котором указанное оборудование представляет собой калибровочный пресс, уменьшающий ширину заготовки путем приведения в движение матрицы с использованием приводного двигателя, причем последовательные во времени данные, указывающие состояние оборудования, представляют собой временную диаграмму тока, потребляемого приводным двигателем, или временную диаграмму прилагаемой нагрузки матрицы.

(10) Способ диагностики аномалий согласно (9), дополнительно содержащий предварительную обработку отсчетов последовательных во времени данных, причем предварительная обработка содержит процедуру нормировки высоты диаграммы сигнала и процедуру классификации в соответствии с величиной уменьшения ширины заготовки.

Таким образом можно создать систему диагностики аномалий и способ диагностики аномалий, способные предотвратить ошибочную диагностику оборудования, как имеющего аномалию, когда фактически это оборудование аномалии не имеет.

Краткое описание чертежей

На прилагаемых чертежах:

Фиг. 1 представляет упрощенную схему и блок-схему, иллюстрирующие пример использования для калибровочного пресса системы диагностики аномалий согласно одному из предлагаемых вариантов;

Фиг. 2 представляет диаграмму, иллюстрирующую пример форм сигналов, построенных на основе отсчетов, при выделении аномальной формы сигнала;

Фиг. 3 представляет диаграмму для пояснения способа анализа PCA, осуществляемого с использованием построенных на основе отсчетов форм сигналов, показанных на Фиг. 2;

Фиг. 4 представляет логическую схему, иллюстрирующую способ диагностики аномалий, осуществляемый системой диагностики аномалий согласно одному из предложенных вариантов;

Фиг. 5 представляет график, иллюстрирующий сравнение между случаем, когда форма сигнала прилагаемой нагрузки, построенная из временной последовательности данных, указывающих нагрузку, представляет собой нормальную форму сигнала, и случаем, когда форма сигнала прилагаемой нагрузки представляет собой форму сигнала при наличии аномалии в оборудовании;

Фиг. 6 представляет график, иллюстрирующий сравнение между случаем, когда форма сигнала прилагаемой нагрузки, построенная из временной последовательности данных, указывающих нагрузку, представляет собой полностью нормальную форму сигнала, и случаем, когда форма сигнала прилагаемой нагрузки содержит участок, где произошло проскальзывание; и

Фиг. 7 представляет график, иллюстрирующий соотношение между числом циклов и Q-статистикой (среднеквадратическая ошибка), когда в одном цикле произошло проскальзывание (в одном участке формы сигнала, т.е. в форме сигнала для одного цикла периодического сигнала).

Осуществление изобретения

Ниже один из предлагаемых вариантов будет описан со ссылками на прилагаемые чертежи.

Этот вариант описывает случай применения предлагаемых здесь способов в диагностике аномалий в оборудовании калибровочного пресса.

На Фиг. 1 представлены упрощенная схема и блок-схема, иллюстрирующие пример использования, для калибровочного пресса, системы диагностики аномалий согласно одному из предлагаемых вариантов;

Калибровочный пресс 10 уменьшает ширину заготовки 11 в технологической линии горячей прокатки после непрерывной разливки.

Калибровочный пресс 10 содержит пару матриц 2, входной тянущий валок 3 и выходной тянущий валок 4, пару приводных двигателей 5, предназначенных для соответствующей пары матриц 2 для приведения в движение матриц 2, и пару кривошипных механизмов 6, соединяющих эти матрицы 2 с соответствующими приводными двигателями 5.

В калибровочном прессе 10, заготовку 11 вводят между парой матриц 2, обращенных одна к другой, посредством входного тянущего валка 3, уменьшают ширину этой заготовки посредством пары матриц 2, осциллирующих под воздействием усилия, передаваемого от приводных двигателей 5 через кривошипные механизмы 6, и выгружают из пресса посредством выходного тянущего валка 4. Заготовку 11 многократно подвергают уменьшению ширины с постоянным периодом посредством матриц 2 в процессе прерывистого перемещения для образования заготовки заданной ширины.

Система 20 диагностики аномалий диагностирует аномалии оборудования калибровочного пресса 10 и содержит датчик 21 снятия отсчетов для получения дискретных отсчетов, предпроцессор 22 данных, запоминающее устройство 23, вычислительное устройство 24 и выходную секцию 25.

Датчик 21 снятия отсчетов выполняет отсчеты временной последовательности данных, указывающих состояние оборудования. В рассматриваемом варианте временная последовательность данных обозначает нагрузку, такую как значение тока, потребляемого каждым приводным двигателем 5, или прилагаемая нагрузка каждой матрицы 2, когда происходит уменьшение ширины заготовки 11 посредством матриц 2. В качестве информации о времени для получения временной последовательности данных может быть использована информация об угле поворота кривошипа. В таком случае, данные временной последовательности, указывающие нагрузку, такую как значение тока или прилагаемая нагрузка, составляют сигнал, в форме которого одна диаграмма (схема) с пиком, соответствующий одному циклу кривошипных механизмов 6, повторяет сам себя многократно. Конкретнее, данные временной последовательности составляют сигнал тока или сигнал прилагаемой нагрузки.

Предпроцессор 22 данных осуществляет предварительную обработку отсчетов данных, поступающих от датчика 21 снятия отсчетов. Эта предварительная обработка содержит процедуру нормировки высоты формы сигнала, соответствующего одному циклу кривошипных механизмов 6, и процедуру классификации данных в соответствии с величиной бокового обжатия (величиной уменьшения ширины) в процессе уменьшения ширины.

Запоминающее устройство 23 сохраняет предварительно обработанные данные. Это запоминающее устройство 23 сохраняет полученные ранее данные временной последовательности (нормальную форму сигнала), обозначающую нагрузку во время нормальной работы, в качестве эталонной формы сигнала.

Вычислительное устройство 24 осуществляет диагностику аномалии формы сигнала предварительно обработанных данных временной последовательности нагрузки (значения тока или прилагаемой нагрузки), сохраняемых в запоминающем устройстве 23, с использованием метода анализа главных компонент (PCA). Результат диагностики передают в выходную секцию 25.

Способ анализа с использованием метода PCA представляет собой способ выделения из множества форм сигналов одной формы сигнала (аномальной), отличающейся от формы сигнала в обычное время. Для выделения аномальной формы сигнала используют метод PCA и способ статистического контроля процесса с использованием нескольких переменных.

Фиг. 2 представляет диаграмму, иллюстрирующую пример форм сигналов, построенных на основе отсчетов, при выделении аномальной формы сигнала с использованием анализа PCA. На Фиг. 2, горизонтальная ось представляет время, а вертикальная ось представляет нагрузку, такую как значение усилия или прилагаемая нагрузка. На Фиг. 2, показаны два графика форм сигналов, а именно, форма P[1], представляющая собой эталонную форму в нормальном состоянии, и форма P[2], представляющую собой форму в аномальном состоянии (число форм сигналов: P = 2). Для этих форм P[1] и P[2] сигналов, собраны N отсчетов через заданные интервалы в период сбора данных о формах сигналов (число отсчетов: N). Например, если отсчеты собирают с интервалом 100 мс в течение времени 5 с накопления, число N отсчетов равно 50.

На Фиг. 3 представлена концептуальная диаграмма для случая анализа этих форм сигналов с использованием метода PCA. Фиг. 3 иллюстрирует пример двумерного пространства, где, для простоты, число точек данных равно 2. Для точки в пространстве, представленном первой элементной осью (ось X) и второй элементной осью (ось Y) данных, ось с максимальной дисперсией задана для первой главной компоненты, а ось, ортогональная первой главной компоненте, задана для второй главной компоненты. В случае многомерных данных, имеющих три или более элементов, определяют ось второй главной компоненты с максимальной дисперсией. Когда число элементов данных соответствует N точкам, можно вычислить максимум N главных компонент. Здесь k-ой главной компоненте (k < N) соответствует ось с максимальной дисперсией из совокупности осей, ортогональных главным компонентам с первой по (k - 1)-ю.

При статистическом контроле процесса с несколькими переменными оценивают Q-статистику. Эта Q-статистика представляет собой сумму квадратов (сумму квадратов ошибок) расстояний между каждым отсчетом и осью главной компоненты. В рассматриваемом варианте, в качестве Q-статистики предпочтительно используют среднеквадратическую ошибку, получаемую путем деления этого значения на число отсчетов, подлежащих нормировке. Здесь, если число R главных компонент равно 1, Q-статистику оценивают только посредством расстояния от первой главной компоненты. Аномальный отсчет находится на большом расстоянии от оси главной компоненты. Соответственно, если имеется аномальный отсчет, Q-статистика возрастает. Такая Q-статистика может быть определена как аномальная, так что можно распознать вероятность аномалии оборудования. Например, может быть задано пороговое значение для Q-статистики. Тогда, если Q-статистика больше или равно пороговому значению, можно определить, что имеется вероятность аномалии оборудования. В примере, показанном на Фиг. 2, форма P[2] представляет аномальное состояние, содержащее аномальный отсчет, так что Q-статистика увеличивается, и ее определяют как аномальную.

Вычислительное устройство 24 сначала выделяет одну диаграмму формы сигнала для одного цикла кривошипного механизма из данных нагрузки, сохраненных в запоминающем устройстве 23, и осуществляет анализ PCA этой диаграммы формы сигнала для вычисления Q-статистики. Затем определяют, является ли эта Q-статистика аномальной. Например, если Q-статистика больше порогового значения, эту Q-статистику определяют как аномальную. Если Q-статистика не является аномальной, в выходную секцию 25 передают сигнал, обозначающий, что аномалии нет. Если Q-статистика является аномальной, тогда имеется вероятность наличия аномалии оборудования, но также имеется вероятность описываемой ниже потери прилагаемой нагрузки. Поэтому если Q-статистика является аномальной, для определения, имеется ли действительно аномалия оборудования, из запоминающего устройства 23 вызывают диаграммы формы сигнала для еще нескольких последовательных циклов, включая указанную выше одну диаграмму формы сигнала для одного цикла, и выполняют анализ PCA коллективно для этих нескольких диаграмм формы сигнала для вычисления Q-статистики. Если эта Q–статистика не является аномальной, в выходную секцию 25 передают сигнал, указывающий, что аномалии нет. Если же эта Q-статистика оказалась аномальной, в выходную секцию 25 передают сигнал, указывающий, что аномалия присутствует.

Ниже будет описан способ диагностики, применяемый в системе 20 диагностики аномалий.

На Фиг. 4 представлена логическая схема, иллюстрирующая способ диагностики аномалий, осуществляемый в системе 20 диагностики аномалий.

Оборудование калибровочного пресса 10 осуществляет калибровочное прессование, прерывисто перемещая заготовку 11, передавая усилие к матрицам 2 от приводных двигателей 5 через кривошипные механизмы 6 и уменьшая ширину заготовки 11 посредством матриц 2 с постоянным периодом. Такое калибровочное прессование успешно осуществляется на множестве заготовок 11.

Система 20 диагностики аномалий осуществляет диагностику аномалий калибровочного пресса 10 на основе данных временной последовательности, обозначающих нагрузку, такую как значение тока, потребляемого каждым приводным двигателем 5, или прилагаемая нагрузка каждой матрицы 2 во время калибровочного прессования, с использованием следующего способа.

Сначала, система 20 диагностики аномалий выполняет отсчеты данных временной последовательности нагрузки при калибровочном прессовании заготовки 11 из определенного материала посредством датчика 21 снятия отсчетов (этап 1).

Данные временной последовательности, указывающие нагрузку, составляют сигнал, в форме которого одна диаграмма с пиком, соответствующая одному циклу кривошипных механизмов 6, повторяет сам себя многократно, как описано выше. В частности, эти данные временной последовательности представляют собой форму тока, потребляемого приводными двигателями 5, или форму прилагаемой нагрузки матриц 2.

Далее, система 20 диагностики аномалий выполняет предварительную обработку данных, полученных датчиком 21, посредством предпроцессора 22 данных (этап 2).

Предварительная обработка данных содержит процедуру нормировки высоты формы сигнала, соответствующей одному циклу работы кривошипного механизма 6, и процедуру классификации данных в соответствии с величиной бокового обжатия (величиной уменьшения ширины) при уменьшении ширины. Процедура классификации данных в соответствии с величиной бокового обжатия (величиной уменьшения ширины) при уменьшении ширины производится потому, что угол поворота кривошипного механизма, при котором генерируется некая величина прилагаемой нагрузки, различается, и форма сигнала варьируется в зависимости от величины бокового обжатия. В частности, генерация прилагаемой нагрузки происходит медленнее, когда величина бокового обжатия меньше.

Предварительно обработанные данные сохраняют в запоминающем устройстве 23.

Далее, система 20 диагностики аномалий выделяет одну диаграмму формы сигнала, соответствующий одному циклу работы кривошипных механизмов 6, из предварительно обработанных данных временной последовательности для заготовки из рассматриваемого материала, сохраняемый в запоминающем устройстве 23, и осуществляет анализ PCA для этой диаграммы формы сигнала (этап 3).

На этапе 3, выполняют анализ PCA с использованием формы сигнала данных временной последовательности во время обычной работы (нормальной формы сигнала) в качестве эталонной формы сигнала и вычисляют Q-статистику на основе результатов анализа с применением упомянутого выше способа статистического контроля процесса с использованием нескольких переменных.

Далее, система 20 диагностики аномалий определяет, является ли Q-статистика аномальной (этап 4). Например, если Q-статистика больше или равна пороговому значению, система 20 диагностики аномалий определяет, что Q-статистика аномальна.

Когда в оборудовании возникает аномалия, то поскольку это явление необратимое, форма сигнала прилагаемой нагрузки, представляющая данные временной последовательности, указывающей нагрузку, становится аномальной формой, которая отличается от нормальной формы сигнала во всех циклах, как показано на Фиг. 5. Соответственно, если нет аномалии в диаграмме формы сигнала, соответствующей одному циклу, можно определить, что оборудование не имеет аномалий. На Фиг. 5, горизонтальная ось представляет угол поворота кривошипного механизма, соответствующий времени, а вертикальная ось прилагаемую нагрузку каждой матрицы. То же самое применимо к Фиг. 6, описываемому позднее.

Даже если Q-статистика определена как аномальная в результате выполнения анализа PCA для одной диаграммы формы сигнала (одного цикла), еще нельзя определить, что эта аномалия является аномалией оборудования. Если подробнее, во время реальной работы калибровочного пресса, такое явление (потеря прилагаемой нагрузки), когда эта прилагаемая нагрузка (нагрузка) увеличивается «с трудом», случается время от времени из-за, например, недостаточной подачи материала (заготовки), вызванной проскальзыванием тянущих валков. Форма сигнала в цикле, в котором произошло такое проскальзывание, является «формой с проскальзыванием», подобной форме сигнала при аномалии оборудования, как показано на Фиг. 6. Полученная в результате форма сигнала прилагаемой нагрузки, представляющая данные временной последовательности, указывающие нагрузку, показывает состояние, в каком в нормальной форме сигнала время от времени появляется «форма с проскальзыванием». Поэтому, если система 20 диагностики аномалий случайно «выхватила» цикл «формы с проскальзыванием» и произвела анализ PCA этой «формы с проскальзыванием», Q-статистика увеличивается, как в случае, когда имеется аномалия оборудования. Такое явление, когда прилагаемая нагрузка «с трудом» увеличивается, возникает в одном-двух циклах из десяти, но предсказать его невозможно.

Следовательно, если на этапе 4 Q-статистика определена как аномальная в результате выполнения анализа PCA одной диаграммы формы сигнала, система 20 диагностики аномалий извлекает несколько последовательных диаграмм формы сигнала для нескольких циклов, включая диаграмму, использованную на этапе 3, из сохраняемых в запоминающем устройстве 23 предварительно обработанных данных временной последовательности для заготовки из рассматриваемого материала и выполняет анализ PCA этих нескольких диаграмм формы сигнала (этап 5).

На этапе 5, выполняют анализ PCA коллективно (одновременно) для множества диаграмм формы сигнала для множества циклов (т.е. для множества схем, последовательных во времени) с использованием формы сигнала для данных временной последовательности в обычное время (нормальная форма сигнала) в качестве эталонной формы сигнала. Из результатов анализа вычисляют Q-статистику посредством приведенного выше способа статистического контроля процесса с использованием нескольких переменных.

Если на этапе 4 Q-статистика не является аномальной, в выходную секцию 25 передают сигнал, указывающий, что аномалии оборудования нет.

Далее, система 20 диагностики аномалий определяет, является ли Q-статистика, вычисленная на этапе 5, аномальной (этап 6).

Если аномалия, обнаруженная на этапе 4, является аномалией оборудования, форма сигнала прилагаемой нагрузки отличается от нормальной формы сигнала во всех циклах, как иллюстрирует Фиг. 5. В таком случае, Q-статистика (среднеквадратическая ошибка), полученная в результате выполнения анализа PCA для нескольких диаграмм формы сигнала на этапе 5, имеет по существу такое же значение, что и при выполнении анализа PCA для одной диаграммы.

Если аномалия, обнаруженная на этапе 4 в результате анализа PCA для одной диаграммы формы сигнала, является проявлением потери прилагаемой нагрузки вследствие проскальзывания тянущего валка, что происходит время от времени, например, около одного-двух циклов из десяти циклов, каждый из нескольких диаграмм формы сигнала для нескольких циклов, отличных от «формы с проскальзыванием», имеет приблизительно нормальную форму, как иллюстрирует Фиг. 6, так что Q-статистика буде меньше, чем в случае аномалии оборудования.

Иными словами, выполняя анализ PCA коллективно на нескольких диаграммах формы сигнала для нескольких циклов и вычисляя Q-статистику, можно определить, является ли аномалия Q-статистики, найденная при выполнении анализа PCA для одной диаграммы формы сигнала на этапе 4, аномалией оборудования или же проявлением происходящей время от времени потери прилагаемой нагрузки.

Таким образом, имеется ли аномалия оборудования, можно определить с использованием Q-статистики на этапе 6. Если Q-статистика является аномальной, например, если Q-статистика больше или равна пороговому значению, система 20 диагностики аномалий диагностирует, что оборудование имеет аномалию. Если Q-статистика не является аномальной, например, если Q-статистика меньше порогового значения, система 20 диагностики аномалий диагностирует оборудование как не имеющее аномалий.

Пусть число точек взятия отсчетов во временной последовательности данных для одной схемы, используемой при первом анализе главных компонент, равно N1, число координат после уменьшения размерности посредством первого анализа главных компонент равно k1, число точек снятия отсчетов во временной последовательности данных для множества схем, используемых при втором анализе главных компонент равно N2, число координат после уменьшения размерности посредством второго анализа главных компонент равно k2, и число схем в указанном множестве схем равно M (M ≥ 2), т.е. число анализируемых диаграмм формы сигнала равно M, включая соответствующая одному циклу диаграмма, используемая при первом анализе главных компонент. В ходе второго анализа главных компонент, свойства сигнала временной последовательности для M диаграмм формы сигнала более важны, чем возмущения формы сигнала в одном цикле. Следовательно, могут быть получены данные, удовлетворяющие соотношению N2 < N1 × M или k2 < k1 × M.

В результате сбора данных таким способом, диагностика аномалий для одной схемы может быть произведена с использованием подробных данных для этой одной схемы, тогда как диагностика аномалий по множеству схем может быть выполнена с сохранением формы данных в виде M диаграмм формы сигнала при сохранении свойства одной диаграммы сигнала в некоторой степени. Таким образом, и обработка формы сигнала для одной схемы, и обработка формы сигнала для M схем могут быть осуществлены с уменьшенной вычислительной нагрузкой. Более того, тогда как на первом шаге определения присутствия аномалии могут быть обнаружены небольшие возмущения формы сигнала для указанной одной схемы, на втором шаге определения присутствия аномалии можно сосредоточиться на повторяемости таких возмущений, отклонениях (времени задержки) появления такой формы сигнала и других подобных характеристиках. Это позволяет определять аномалии с высокой точностью и высокой надежностью.

На Фиг. 7 представлен график, иллюстрирующий соотношение между числом циклов и Q-статистикой (среднеквадратическая ошибка), когда в одном цикле (в одной диаграмме формы сигнала) произошло проскальзывание. Как иллюстрировано на Фиг. 7, когда число циклов (т.е. число диаграмм формы сигнала), используемых при вычислениях анализа PCA, больше, величина Q-статистики (среднеквадратическая ошибка) меньше, так что различать между аномалией оборудования и потерей прилагаемой нагрузки становится легче. Например, можно определить, что имеется аномалия оборудования, если значение Q-статистики (среднеквадратическая ошибка) не меньше 10000, и определить, что имеет место потеря прилагаемой нагрузки из-за проскальзывания, если Q-статистика (среднеквадратическая ошибка) меньше 10000. Из Фиг. 7 можно также понять, что различение между аномалией оборудования и потерей прилагаемой нагрузки из-за проскальзывания еще более облегчается, когда число циклов (число диаграмм формы сигнала) равно трем или более.

Как описано выше, согласно этому варианту, система 20 диагностики аномалий, осуществляющая диагностику аномалий в оборудовании калибровочного пресса 10, может предотвратить ошибочную диагностику, что присутствует аномалия, когда это оборудование фактически аномалии не имеет. Поэтому можно предотвратить, например, остановку оборудования из-за ошибочной диагностики и не допустить снижения эффективности производства.

Более того, поскольку предпроцессор 22 осуществляет не только процедуру нормировки высоты формы сигнала, соответствующей одному циклу работы кривошипных механизмов 6, а также процедуру классификации данных в соответствии с величиной бокового обжатия (величиной уменьшения ширины) в процессе уменьшения ширины в качестве предварительной обработки, вариации формы сигнала в зависимости от величины бокового обжатия (величины уменьшения ширины) можно подавить.

Хотя выше был описан один из предлагаемых вариантов, изложенные здесь способы не исчерпываются приведенным выше вариантом, так что возможны разнообразные модификации в пределах объема идеи настоящего изобретения. Например, хотя описываемые здесь сегодня в приведенном выше варианте технологии применяются к определению аномалии в оборудовании калибровочного пресса, предлагаемые технологии могут быть применены к любому оборудованию, работа приводного механизма которого происходит в виде повторяющейся фиксированной схемы. Хотя в качестве примера повторяющейся схемы данных временной последовательности, указывающих нагрузку в приведенном выше варианте, использована диаграмма формы сигнала, технологии, предлагаемые здесь, этим не ограничиваются. Хотя в качестве примера данных временной последовательности, указывающих нагрузку, использованы ток или прилагаемая нагрузка, предлагаемые здесь технологии этим не ограничиваются.

Список позиционных обозначений

2 матрица

3 входной тянущий валок

4 выходной тянущий валок

5 приводной двигатель

6 кривошипный механизм

10 оборудование калибровочного пресса

11 заготовка

20 система диагностики аномалий

21 датчик снятия отчетов

22 предпроцессор данных

23 запоминающее устройство

24 вычислительное устройство

25 выходная секция

Claims (26)

1. Система диагностики аномалий, характеризующаяся тем, что выполнена с возможностью выполнения диагностики аномалий в работе оборудования, совершающего повторение фиксированной схемы, причем система диагностики аномалий содержит:

датчик снятия отсчетов, выполненный с возможностью получения отсчетов последовательных во времени данных, указывающих состояние оборудования, причем последовательные во времени данные повторяют схему, соответствующую фиксированной схеме; и

вычислительное устройство, выполненное с возможностью выполнения анализа главных компонент на основе последовательных во времени данных, отсчеты которых получены датчиком снятия отсчетов, и диагностики, имеется ли аномалия в оборудовании,

при этом вычислительное устройство выполнено с возможностью:

выполнения первого анализа главных компонент на одной схеме в последовательных по времени данных, указывающих состояние, и выполнения первого определения аномалии для определения наличия аномалии на основе результата первого анализа главных компонент;

если в результате первого определения аномалии обнаружено наличие аномалии, выполнения второго анализа главных компонент совместно на множестве последовательных во времени схем, включающих в себя схему, которая была подвергнута первому анализу главных компонент, в последовательных во времени данных, указывающих состояние, и выполнения второго определения аномалии для определения наличия аномалии на основе результата второго анализа главных компонент; и

если результат второго определения аномалии указывает наличие аномалии, диагностирования оборудования как имеющего аномалию.

2. Система диагностики аномалий по п. 1, в которой первое определение аномалии основано на Q-статистике, вычисленной по результатам первого анализа главных компонент, а второе определение аномалии основано на Q-статистике, вычисленной по результатам второго анализа главных компонент.

3. Система диагностики аномалий по п. 1 или 2, в которой N2 < N1 × M или k2 < k1 × M, где N1 – число точек взятия отсчетов в последовательных во времени данных, использованных вычислительным устройством для первого анализа главных компонент, k1 – число размерностей после уменьшения размерности посредством первого анализа главных компонент, N2 – число точек взятия отсчетов в последовательных во времени данных, использованных для второго анализа главных компонент, k2 – число размерностей после уменьшения размерности посредством второго анализа главных компонент, и M – число схем в указанном множестве схем, где M ≥ 2.

4. Система диагностики аномалий по любому из пп. 1–3, в которой указанное оборудование представляет собой калибровочный пресс, уменьшающий ширину заготовки путем приведения в движение матрицы с использованием приводного двигателя, а

последовательные по времени данные, указывающие состояние оборудования, представляют собой временную диаграмму тока, потребляемого приводным двигателем, или временную диаграмму прилагаемой нагрузки матрицы.

5. Система диагностики аномалий по п. 4, дополнительно содержащая

предпроцессор данных, выполненный с возможностью предварительной обработки последовательных во времени данных, отсчеты которых получены датчиком снятия отсчетов, причем предварительная обработка содержит процедуру нормировки высоты временной диаграммы сигнала и процедуру классификации в соответствии с величиной уменьшения ширины заготовки.

6. Способ диагностики аномалий для выполнения диагностики аномалий в работе оборудования, совершающего повторение фиксированной схемы, причем способ диагностики аномалий содержит этапы, на которых:

получают отсчеты последовательных во времени данных, указывающих состояние оборудования, причем последовательные во времени данные повторяют схему, соответствующую фиксированной схеме;

выполняют первый анализ главных компонент на одной схеме в последовательных во времени данных, указывающих состояние;

выполняют первое определение аномалии для определения наличия аномалии на основе результата первого анализа главных компонент;

выполняют, если в результате первого определения аномалии обнаружено наличие аномалии, второй анализ главных компонент совместно на множестве последовательных во времени схем, включающих в себя схему, которая была подвергнута первому анализу главных компонент, в последовательных во времени данных, указывающих состояние;

выполняют второе определение аномалии для определения наличия аномалии на основе результата второго анализа главных компонент; и

если результат второго определения аномалии указывает наличие аномалии, диагностируют оборудование как имеющее аномалию.

7. Способ диагностики аномалий по п. 6, в котором первое определение аномалии основано на Q-статистике, вычисленной по результатам первого анализа главных компонент, а второе определение аномалии основано на Q-статистике, вычисленной по результатам второго анализа главных компонент.

8. Способ диагностики аномалий по п. 6 или 7, в котором N2 < N1 × M или k2 < k1 × M, где N1 – число точек взятия отсчетов в последовательных во времени данных, использованных для первого анализа главных компонент, k1 – число размерностей после уменьшения размерности посредством первого анализа главных компонент, N2 – число точек взятия отсчетов в последовательных во времени данных, использованных для второго анализа главных компонент, k2 – число размерностей после уменьшения размерности посредством первого анализа главных компонент, и M – число схем в указанном множестве схем, где M ≥ 2.

9. Способ диагностики аномалий по любому из пп. 6–8, в котором указанное оборудование представляет собой калибровочный пресс, уменьшающий ширину заготовки путем приведения в движение матрицы с использованием приводного двигателя, а

последовательные во времени данные, указывающие состояние оборудования, представляют собой временную диаграмму тока, потребляемого приводным двигателем, или временную диаграмму прилагаемой нагрузки матрицы.

10. Способ диагностики аномалий по п. 9, дополнительно содержащий этап, на котором:

выполняют предварительную обработку последовательных во времени данных, причем предварительная обработка содержит процедуру нормировки высоты временной диаграммы сигнала и процедуру классификации в соответствии с величиной уменьшения ширины заготовки.

Images