WO2022218482A1 - Verfahren zur überwachung des betriebs eines ventilators, vorrichtung und ventilator - Google Patents

Verfahren zur überwachung des betriebs eines ventilators, vorrichtung und ventilator Download PDF

Info

Publication number
WO2022218482A1
WO2022218482A1 PCT/DE2022/200055 DE2022200055W WO2022218482A1 WO 2022218482 A1 WO2022218482 A1 WO 2022218482A1 DE 2022200055 W DE2022200055 W DE 2022200055W WO 2022218482 A1 WO2022218482 A1 WO 2022218482A1
Authority
WO
WIPO (PCT)
Prior art keywords
anomaly
state
specific
characteristic values
values
Prior art date
Application number
PCT/DE2022/200055
Other languages
English (en)
French (fr)
Inventor
Bjoern WENGER
Jacob KRAUTH
Fabian MOELLER
Original Assignee
Ziehl-Abegg Se
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ziehl-Abegg Se filed Critical Ziehl-Abegg Se
Priority to US18/553,679 priority Critical patent/US20240247659A1/en
Priority to BR112023019002A priority patent/BR112023019002A2/pt
Priority to JP2023562721A priority patent/JP2024517383A/ja
Priority to EP22718855.4A priority patent/EP4153866A1/de
Priority to CN202280028101.2A priority patent/CN117178122A/zh
Publication of WO2022218482A1 publication Critical patent/WO2022218482A1/de

Links

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
    • F04D—NON-POSITIVE-DISPLACEMENT PUMPS
    • F04D27/00—Control, e.g. regulation, of pumps, pumping installations or pumping systems specially adapted for elastic fluids
    • F04D27/001—Testing thereof; Determination or simulation of flow characteristics; Stall or surge detection, e.g. condition monitoring
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
    • F04D—NON-POSITIVE-DISPLACEMENT PUMPS
    • F04D27/00—Control, e.g. regulation, of pumps, pumping installations or pumping systems specially adapted for elastic fluids
    • F04D27/008—Stop safety or alarm devices, e.g. stop-and-go control; Disposition of check-valves
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
    • F05D2260/00—Function
    • F05D2260/80—Diagnostics
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
    • F05D2270/00—Control
    • F05D2270/30—Control parameters, e.g. input parameters
    • F05D2270/334—Vibration measurements

Definitions

  • the invention relates to a method for monitoring the operation of a ventilator, a device for monitoring the operation of a fan and a fan with such a device.
  • an automatic emergency shutdown is triggered regularly.
  • the defective component of the fan that caused the anomaly can then be repaired or replaced on the basis of the collected data, without a fatal event occurring, for example a system failure that causes high financial damage and/or a risk to people through consequential damage can represent people and the environment.
  • a fatal event for example a system failure that causes high financial damage and/or a risk to people through consequential damage can represent people and the environment.
  • the overall lifespan of the fan is extended.
  • the present invention is therefore based on the object of designing and developing a method and a device for monitoring the operation of fans of the type mentioned in such a way that the operation via the The service life of the fan can be further optimized and unnecessary downtimes can be reduced. Furthermore, an improved fan with a correspondingly equipped device is to be specified.
  • the above object is achieved by the features of claim 1.
  • the method in question for monitoring the operation of a fan comprises the following steps:
  • monitoring can also be possible in particular when the fan is at a standstill and/or in a voltage-free state.
  • the operation to be monitored therefore includes the entire use of the fan over the product service life and also periods of standstill. This not only extends the operation from a financial point of view, but also allows real-time monitoring of the system in the sense of passive observation. This can be linked to recommendations for action be in the sense of an active action, which can, for example, trigger automatic control actions or be directed at a user. This also reduces the application risk that can arise from a system failure.
  • the acquisition of the at least one input signal over a period of time can be done continuously or at defined points in time.
  • a sensor can capture time data over the at least one time period.
  • the data can be a yaw rate and/or an acceleration in one, two or three spatial axes.
  • the spatial axes can be defined as non-rotatable or circumferential.
  • the acceleration sensor can be assigned to a rotating component or to a stationary component of the fan.
  • the measurements can be evaluated in order to calculate the characteristic values via a computing unit of the fan, in particular a motor driving the fan.
  • the motor is preferably an electric motor, in particular a brushless DC motor designed as an external rotor motor—EC motor, electronically commutated motor.
  • data relating to the measurement can be processed via defined interfaces (l 2 C, Modbus, CAN, Wifi, ...) for further signal processing and/or signal utilization and/or signal storage--at certain times or linked to events other end devices are transmitted.
  • Selected measurements associated with specific points in time can be backed up to internal memory on the device itself or external memories.
  • This data can be used, for example, for reclamation purposes, in which case a service employee can preferably access the memory.
  • Parameter data, comparison data, data relating to the classification of the actual state and/or other data relating to monitoring can also be transmitted to other terminals for further signal processing and/or signal utilization. In this way, monitoring of the operation of the fan can also be tracked via an app, for example on a smartphone or tablet.
  • the data is optically processed and displayed to an operator on external screens/displays.
  • Characteristic values can be calculated from one or more measurements, which reflect the current actual status. If the input signals are acceleration or sound pressure data, amplitudes of the frequency spectrum, for example, can be determined as characteristic values. Especially when diagnosing an anomaly in a roller bearing, this includes bearing damage frequencies, which can depend on the one hand on the speed and load and on the other hand on the geometry of the roller bearing. Characteristic values can, for example, depend on the application, i.e. on specific use cases/areas of use/installations, but also on the respective environmental conditions/
  • Parameters can also be dependent, for example, on the applied rotor speed/rotational rate and/or on a load condition. Bearing geometry information can also be included in the calculation of the characteristic values.
  • the limit values required for the comparison can be determined in advance or in real time in experimental or numerical studies and limit the maximum permissible value range of the characteristic values.
  • One or more upper threshold values and/or one or more lower threshold values can thus be defined for each input signal and/or each characteristic value in order to delimit the permissible range of values.
  • a self-configuration of a classifier for classifying the states is also possible.
  • the comparison of calculated characteristic values with limit values allows classification into two or more states.
  • the comparison can be made over several measurements in order to increase the robustness of the method with regard to environmental conditions/environmental influences.
  • these interference signals can be external excitations, for example due to vibrating or moving bodies, different location factors or the absolute or relative speed of a moving application - for example when operating the fan in an airplane or a train , a motor vehicle or another means of transport.
  • the detection of an anomaly condition can be falsely caused by temporary environmental factors or environmental conditions.
  • the number of all limit deviations - ie the comparisons in which a characteristic value was recorded above an upper threshold value or below a lower threshold value for the respective limit value - can therefore also be considered per period.
  • the intensity of a limit value deviation can be taken into account by considering the relative and/or absolute differences between the limit value and the characteristic value.
  • a rate of change over time of a characteristic value profile can also be taken into account. If, for example, there are strong fluctuations or rapid changes - also known as high gradients - within one or more defined periods of time, the deviation from the limit value can be weighted accordingly and taken into account when classifying the current state.
  • the actual state can be classified as an anomaly-free normal state if regular operation of the fan and/or the EC motor and/or the application is diagnosed. This includes in particular natural wear and tear.
  • the current status can be assessed iteratively by comparing characteristic values with limit values.
  • the actual state can be classified as a general anomaly state if a significant malfunction of the fan, its EC motor or the application is diagnosed. This condition can be attributed to increased wear, for example.
  • the significant fault can be, for example, bearing damage, contamination of the lubricant, foreign objects in the roller bearing, or in the form of erosion of the roller bodies, e.g. due to bearing currents, an imbalance - e.g minor material failure, a defect or partial defect of electronic components and/or other irregular influences.
  • the metrics may include one or more of the following:
  • a rotation rate of the fan an acceleration in one, two or three spatial axes, non-rotatable and/or rotating, at least one temperature, a sound pressure, a torque, a pressure, in particular an operating or ambient pressure,
  • the entirety of all data recorded by one or more sensors in a period of time is the result of a measurement.
  • the temperature can be an ambient temperature. Additionally or alternatively, it can be an operating temperature of the fan, in particular a temperature on a specific component, namely on one or more transistors, capacitors, heat exchangers, coolants, computing units, resistors, coils, lubricants, mechanical components such as bearings , shafts, permanent magnets.
  • characteristic values can preferably be calculated from one or more characteristic values.
  • Other parameters can be:
  • Classifying/evaluating variables for example using a points system similar to a ranking as for energy efficiency classes, and/or combinations, for example a linear combination of several parameters, with uniform or different weighting factors.
  • the values of the input signals determined in one or more previous measurements can be included in the calculation of individual characteristic values in a suitable manner, depending on the application.
  • combinations of the above variables can be defined and summarized in individual characteristic values, for example the circulating accelerations in one, two or three spatial axes, and the rotation rate of the fan, the temperature and humidity values or other suitable combinations.
  • a characteristic value in the form of a counter can also be formed to classify the actual state.
  • a number of previously defined limit value deviations is counted as a characteristic value in a counter over time.
  • the counter determines the limit value deviations either continuously, i.e. over all previous measurements, or also for measurements within defined periods of time, in other words for the number of all limit value deviations over a defined period of time, for example for the measurements of the last 30 minutes.
  • the corresponding limit value or tolerance value for each characteristic value configured as a counter can be configured relative.
  • the characteristic value designed as a counter can lie outside the tolerance values if 10% deviations from the limit value have been counted over a defined period of time or over all measurements.
  • a characteristic value functioning as a counter can also be absolute.
  • the counter can be outside the tolerance values if 20 limit deviations have been counted in the last 50 measurements or in all measurements.
  • the counter can also take into account current or earlier comparisons in which the respective characteristic values are within the limit values and no deviation from the limit value is determined. Then, for example, the counter can to be reduced or counted down. At the next limit deviation, the counter can be increased or vice versa. In other words, the counter can be incremented and/or decremented.
  • the intensity of a limit value deviation for the increase or decrease of the counter can additionally or alternatively be taken into account.
  • a particularly severe limit deviation by a factor of 2 can lead to an increase in the counter by a value of 2
  • a less intense limit deviation by a factor of 1.1 can only lead to an increase in the counter by a value of 1.1.
  • the characteristic value calculated in this way can then be compared with a limit value designed as a tolerance value.
  • the classification of the actual state can not only be done by directly comparing current characteristic values from current input signals of the actual state with limit values, but also by comparing a counter with a tolerance value.
  • a quota of limit value violations can be determined, which in turn can be a characteristic value.
  • a combination of direct and indirect comparison is also conceivable when considering several comparisons between characteristic values, which are assigned to the actual state, and limit values.
  • the characteristic value designed as a counter can increase by the value 2/3, for example, if two of three limit values are exceeded by the other associated characteristic values.
  • monitoring whether a specific anomaly condition exists includes the following steps:
  • the specific characteristic values that are decisive for assessing whether a specific anomaly state is present can be calculated from one or more measurements, preferably in the engine's computing unit.
  • the specific characteristic values can differ from the general characteristic values for classifying the actual state into the anomaly-free state or the general anomaly state, or they can be partially or completely identical to these general characteristic values.
  • the specific characteristic values can also depend on the application, i.e. on specific use cases/areas of use/installations, but also on the respective ambient conditions/environmental influences.
  • the specific characteristic values can also be dependent on the applied rotor speed/rotational rate and/or on a load condition.
  • Bearing geometry information can also be included in the calculation of the specific characteristic values, for example when monitoring specific anomaly states that can be assigned to a rolling bearing.
  • Bearing geometry information can also be included in the calculation of the specific characteristic values, for example when monitoring specific anomaly states that can be assigned to a rolling bearing.
  • the described variants and design options for classifying the current condition either as an anomaly-free normal condition or as a general anomaly condition can also be referred to to get expelled.
  • a critical anomaly condition is the extreme case of a specific anomaly condition.
  • An anomaly state that is not associated with urgent, immediate recommendations for action is therefore a non-critical anomaly state.
  • timely maintenance can be recommended.
  • a critical anomaly state can then be assumed.
  • a critical anomaly can exist if an increased significant malfunction of the fan, its EC motor or the application is diagnosed. This condition can be due to a very high level of wear, for example.
  • the described monitoring as to whether a specific anomaly state is present is carried out following the classification of an actual state as a general anomaly state.
  • classifying a current actual state as an anomaly state can be a condition for monitoring whether the current actual state is a specific anomaly state being carried out.
  • the correct assessment of the presence of a general, non-specific abnormal condition or a specific abnormal condition can be over 95%.
  • a second monitoring of whether a second specific abnormal condition is present is performed subsequent to the judgment that a first specific abnormal condition is present.
  • a third monitoring as to whether a third specific anomaly state is present is only carried out if there is an assessment that initially a second specific anomaly state is present, etc.
  • Each specific anomaly state just like the distinction between anomaly free normal state and general anomaly state - represents a binary state classifier.
  • Two binary classifications connected in series thus allow a trinary classification. Furthermore, the negative classification can be determined, according to which a general anomaly state exists, but a certain specific anomaly state does not exist.
  • the following condition can preferably be formulated for the series connection:
  • the next classifier stage ie the next more pronounced specific anomaly state—to be able to be reached, the previous stage must have identified an anomaly state, so that a cascade is created. This applies in particular to the highest level of the specific anomaly state - this is the special case of the critical anomaly.
  • one or more of the other specific anomaly states can form intermediate stages between the general anomaly state and a critical anomaly state, in which there is a significant fault in the fan that requires immediate intervention.
  • several intermediate states can be associated with different degrees of manifestation of a specific damage pattern or determinable damage patterns.
  • a first intermediate stage can be an anomaly with a low level, a second intermediate level corresponding to an anomaly state of high magnitude and a third intermediate level corresponding to an anomaly state of dangerous magnitude before a critical anomaly state of catastrophic magnitude is reached.
  • Each of these anomaly states or each of these intermediate stages can be classified in binary.
  • the monitoring can be carried out independently for each anomaly state or each intermediate stage or depending on the fact that the presence of a more general or less pronounced anomaly state has been determined beforehand.
  • Each anomaly state or each intermediate stage forms a binary state classifier.
  • the characteristic values and limit values for each anomaly state or each intermediate stage can be defined differently or overlap in parts. The use of different counters and tolerance values is also possible within the framework of the various diagnoses.
  • the monitoring of whether a specific anomaly state is present can be independent of an actual state being classified as a general anomaly state on the first level.
  • diagnosing a specific anomaly independently of a classification of the current or a previous actual state as a general anomaly state e.g. for monitoring natural wear and tear.
  • a prompt system failure can be detected over the entire service life of the fan. For example, if immediate action is required, a critical anomaly state is immediately identified, which further improves the diagnosis of possible anomalies in the operation of the fan and further increases operational reliability.
  • a first specific anomaly state can be monitored based on a first specific comparison of a first combination of first specific characteristic values with first specific limit values.
  • a second specific anomaly state can be monitored by a second specific comparison of a second combination of second specific characteristic values with second specific limit values.
  • a third specific anomaly condition is monitored by a third specific comparison of a third combination of third specific characteristics with third specific limit values, etc.
  • One or more binary classifiers can be activated and deactivated independently of one another. For example, this can be illustrated as follows: a first level - anomaly with a low degree - is inactive, a second level - anomaly with a strong degree - is inactive, a third level - anomaly with a dangerous degree - is active, a fourth level - more critical Catastrophic anomaly condition - is active.
  • An advantage of this can be that only anomalies that are assigned to different types of damage or damage patterns are monitored, for example in a roller bearing a specific anomaly assigned to the roller bearing grease, specific anomalies of rolling elements, their inner ring, outer ring, etc.
  • classifiers can be provided that are not mandatory are related or dependent on each other.
  • the number of binary classifiers, i.e. the various defined and monitored specific anomaly states can also be more than four, more than ten, more than 50, more than 100 or any number of more, as long as sufficiently fast data processing seems possible.
  • a signal feedback can take place.
  • the returned data can be used for at least one future measurement. The result of the classification is thus available and can be taken into account in the context of condition monitoring in the classification or assessment of future measurements.
  • the method can preferably also include an adjustment of the diagnosis, taking into account direct or indirect comparisons of characteristic values of at least one past actual state with limit values.
  • the consideration of older characteristic values and comparative data collected over part or the entire service life of the fan and/or its motor can form a particularly good basis for decision-making.
  • limit values similar to the characteristic values described—can be dependent on applications/areas of use/installations, on a rotor speed/rotational rate and/or on a load condition.
  • the classifiers can be adjusted during operation. Their configurations and data, such as calculated characteristic values and/or limit values, for example counters and/or tolerance values, are available to the computing unit at any time and can preferably be transmitted or retrieved via defined interfaces.
  • the system can react tolerantly in order not to immediately classify a current actual state into one of the two states and thus avoid or reduce incorrect classifications. For example, it can be determined statically or dynamically that one or more specific characteristic values for a certain number of measurements in a row are outside the limits defined by the limit values permissible value range before an actual state is classified as a general anomaly state. As described, a quota of limit value deviations over a certain number of past measurements is also conceivable. The sensor system can also be recalibrated here.
  • the limit values can be reselected or defined so that a system tolerance against exceeding and/or falling below limit values can be changed.
  • the calculation of characteristic values of future actual states, the comparison with limit values or the classification of the actual state based on the comparison can be adjusted.
  • the diagnosis can be adapted by the operator or automatically as a self-learning system on the computing unit or via the defined interfaces as part of the external signal processing.
  • the characteristic values determined by measurements can be recorded in a log with a time stamp so that they can be taken into account in future adjustments to the diagnosis.
  • Data can be passed on and/or secured/saved/deposited as part of signal processing, in particular with regard to the definition of anomaly states and classifiers.
  • Classification results and classifier configurations can be saved together with a time stamp in an internal or external memory and can be read from there, and/or data can be transferred via communication interfaces, for example streaming to the cloud.
  • a self-diagnosis and a recalibration of the sensors can take place. If the sensor system is identified as faulty and cannot be recalibrated, information is given that further steps shown cannot be carried out.
  • This information can be stored in logs on the one hand and communicated externally via the defined interfaces on the other.
  • the current configuration of the classifier ie the characteristic values and/or limit values associated with the respectively monitored general or specific anomaly state—can also be checked and, if necessary, adjusted.
  • the task mentioned above is achieved by a device with at least one nem sensor for detecting at least one input signal over at least one period of time to carry out at least one measurement, and a processing unit that is designed to run the method described above ren.
  • the processing unit can be a processing unit of an electric motor of the fan, preferably an EC engines.
  • the sensor can be one or more sensors internal to the fan or its motor and/or external sensors.
  • the sensor system can include one or more of the following: a yaw rate sensor, an acceleration sensor, a temperature sensor, a microphone, a torque sensor, a pressure sensor, a moisture sensor, a force sensor and/or virtual sensors/soft sensors.
  • the object mentioned at the outset is achieved by a fan which comprises a device as described for monitoring its operation.
  • FIG. 1 shows a schematic flowchart of a first embodiment of the method according to the invention.
  • FIG. 2 shows a schematic flowchart of a second embodiment of the method according to the invention.
  • 1 generally shows a flowchart.
  • a diagnosis of an anomaly A as part of the monitoring of a company of a fan shown schematically.
  • Monitoring starts with a measurement 1 over a period of time.
  • an internal sensor can detect input signals 2.1 for measurement 1.
  • input signals 2.1 are, for example, the yaw rate and/or acceleration in one, two or three spatial axes.
  • the input signals 2.1 are detected at a defined sampling rate, either over a defined period of time per measurement 1 with subsequent defined pauses, or alternatively continuously.
  • input signals 2.1 can be recorded for measurement 1 once per minute over a period of 5 seconds with a sampling rate of 1 kHz—that is, almost continuously.
  • a measurement 1 includes the entirety of all data recorded in the period from the input signals 2.1, which originate from one or more internal or external sensors. This measurement 1 will be examined below. Measurements 1 can be evaluated by the engine's arithmetic unit (not shown) and/or by transmission to other terminals via defined interfaces (l 2 C, Modbus, CAN, Wifi, ...), so that status monitoring can also be tracked via app/displays is possible.
  • Characteristic values 2 are calculated from a measurement 1, which represent a current actual state. In the case of acceleration or sound pressure data, this includes, among other things, amplitudes of the frequency spectrum.
  • a first specific comparison leads to the assessment that a first specific anomaly state, which indicates a non-critical anomaly on the inner ring, is present
  • a second specific comparison results in an assessment that a second specific anomaly condition indicative of an inner ring anomaly is not present
  • a third specific comparison results in an assessment that a third specific anomaly condition indicative of a indicates an uncritical anomaly in connection with the roller bearing grease.
  • a corresponding new further parameter can be defined depending on which and how many specific comparisons in which way and/or Indicate severity and/or severity of anomaly.
  • it is defined that there is a limit deviation as soon as the majority opinion - namely the first and third comparison compared to the second comparison - detects an anomaly. From this it can even be concluded that a critical anomaly is present and a measure is necessary, even if the first and third specific anomaly states are only non-critical anomaly states.
  • Characteristic values 2 calculated from a measurement 1 are compared with limit values 3.1. Suitable limit values 3.1 for this comparison 3 can have been determined in experimental or numerical investigations and limit the maximum permissible value range of characteristic values 2.
  • the comparison 3 of calculated characteristic values 2 with limit values 3.1 allows the actual state to be classified 4 or classified into two or more states, in particular as an anomaly-free normal state 5 or an anomaly state 6.
  • the comparison 3 can be carried out over several measurements 1 in order to To increase the robustness of the method against disturbance variables from the environment or from the environment.
  • This information is stored in logs and/or communicated externally via defined interfaces. If the actual state is classified as an anomaly-free normal state 5, a first signal feedback R1 for future measurements 1 can take place. The result of classifying the current state as anomaly-free normal state 5 or as a general anomaly state 6 is transmitted to the outside by means of an output signal 7 via defined interfaces for further signal processing 7.1.
  • a signaling device display, LED, loudspeaker
  • a signaling device that is optional, integrated or mountable in the EC motor can inform a user in real time analogously/digitally, acoustically and/or visually about the current actual state. The current status is recorded in a log together with a time stamp.
  • This log can be read out in real time or for later maintenance purposes via defined interfaces or displayed with an app.
  • the classification result can be saved in an internal or external memory and/or communicated externally via the defined interfaces.
  • the adaptation of the binary classifiers based on the protocol is possible. This can include adjusting the characteristic values 2 and/or limit values 3 or the counters/tolerance values.
  • an adjustment of the input signals 2.1 can also be useful, for example if a user uses a different inlet nozzle, positions the fan in a different way, etc. It is possible to adjust all the factors that contribute to the classification of the actual state 4.
  • the signal processing 7.1 can take place alternatively or additionally in the computing unit and cause an emergency shutdown or operational changes.
  • the signal processing 7.1 can also result in human intervention. This can be pointed out to the user, for example by signal lights, sirens or similar means.
  • a further diagnosis of a specific anomaly B is shown schematically in the lower part of FIG. 1 .
  • specific characteristic values 8 are calculated from the current and/or previous measurements 1, for example in the engine's computing unit. These specific characteristic values 8 can differ from the general characteristic values 2 and can take into account the same input signals 2.1 or other input signals 8.1. In particular, the specific characteristic values 8 can be a subset of the general characteristic values 2 . The specific characteristic values 8 are in turn used for a comparison 9 with specific limit values
  • an assessment 10 is made that whether it is the general anomaly state 6 that is determined is a general, non-specific anomaly state 11 that is not a specific anomaly state, or whether it is a specific anomaly state 12 . If the actual state is classified and assessed as a general, non-specific anomaly state 11, a second signal feedback R2 can take place for future measurements 1.
  • the result of this assessment 10 can also be transmitted to the outside as an output signal 13 via defined interfaces for further signal processing 13.1 or in a internal and/or external storage can be backed up.
  • a general but not a specific anomaly state 11 exists if a general anomaly state 6 in the form of a fault in the EC motor or the application is diagnosed, which is not to be assessed as a specific anomaly state 12 .
  • the other diagnoses of specific anomalies C and D are intermediate stages between diagnoses A and B. They each describe the monitoring carried out depending on the presence of a corresponding anomaly state on the previous stage A, C, D, i.e. shown above in FIG the presence of other specific abnormal conditions that are more severe than general abnormal condition 6 in diagnosis A and less severe than specific abnormal condition 12 in diagnosis B.
  • the results of assessments in diagnosis C and D can be transmitted to the outside as an output signal for further signal processing 14, 15.
  • the diagnoses A, B, C, D form a cascade.
  • the specific anomaly state 12 within the scope of the diagnosis B can be a critical anomaly state.
  • FIG. 2 also generally shows a flowchart.
  • a diagnosis of a general anomaly A is shown schematically, which corresponds to the diagnosis of a general anomaly A from FIG.
  • the diagnosis of a specific anomaly B is not shown below the diagnosis of a general anomaly A in FIG. 2, but in the right part of FIG. 2.
  • the difference between the two embodiments of the method from FIG. 1 and FIG in that the monitoring of whether a specific anomaly state 12 is present is set up in the method according to FIG. 2 independently of the diagnosis of an anomaly A. That means the diagnosis of a specific abnormality B, ie a specific anomaly state 12, can also be carried out if the current actual state and/or previous actual states have not been classified as a general anomaly state 6.
  • a general, non-specific anomaly state 11 can be diagnosed with the method according to FIG however, is not assessed as a specific anomaly state 12 on the basis of the characteristic values 8 .
  • the diagnosis of a specific anomaly B can be carried out at specific times or continuously .
  • the general diagnosis of a general anomaly A and/or the diagnosis of a specific anomaly B can also only be carried out individually.
  • the diagnosis of a general anomaly A can be made without further checking for the presence of a specific anomaly condition 12 .
  • the further diagnoses C and D in FIG. 2 can relate to other binary classifications and, in particular, independently of the diagnoses A and B, monitor further deviating specific anomaly states which relate to deviating and specific damage patterns.
  • one or more diagnoses A, B, C, D connected in parallel or in series can be carried out continuously or at defined times based on one or more current or previous characteristic values with regard to one or more components of the fan and/or its motor , whereby one or more types of damage to one or more components can be monitored.

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

Verfahren zur Überwachung des Betriebs eines Ventilators, wobei das Verfahren die folgenden Schritte aufweist: Durchführen mindestens einer Messung (1), indem mindestens ein Eingangssignal (2.1, 8.1) über mindestens einen Zeitraum erfasst wird, Berechnen von Kennwerten (2, 8) eines Ist-Zustands auf Grundlage der gemessenen Eingangssignale (2.1, 8.1), Vergleich (3, 9) der berechneten Kennwerte (2, 8) mindestens eines Ist-Zustands mit Grenzwerten (3.1, 9.1), Klassifizieren (4) des Ist-Zustands anhand des Vergleichs (3) entweder als einen anomaliefreien Normalzustand (5) oder als einen allgemeinen Anomaliezustand (6), und Überwachen, ob mindestens ein spezifischer Anomaliezustand (12) vorliegt.

Description

VERFAHREN ZUR ÜBERWACHUNG DES BETRIEBS EINES VEN TILATORS, VORRICHTUNG UND VENTILATOR
Die Erfindung betrifft ein Verfahren zur Überwachung des Betriebs eines Ventila tors, eine Vorrichtung zur Überwachung des Betriebs eines Ventilators und einen Ventilator mit einer solchen Vorrichtung.
Verfahren und Vorrichtungen zur Überwachung des Betriebs von Ventilatoren der in Rede stehenden Art sind seit Jahren aus der Praxis bekannt. Beispielsweise ist es bekannt an rotierenden Maschinen zur Schadensfrüherkennung Schwingungs analysen durchzuführen, beispielsweise unter Verwendung von Beschleunigungs sensoren oder ähnlicher Schwingungssensorik. Ferner ist es bekannt, dabei be stimmte Schadensordnungen zu identifizieren. Dabei handelt es sich um bestimm te Vielfache der Drehfrequenz der rotierenden Maschine. Im Vergleich zum übri gen Frequenzspektrum der Schwingungsanalsyse deutet eine auffällige Amplitude im Bereich einer bestimmten Schadensordnung auf eine bestimmte Anomalie im Betrieb der mechanischen Maschine hin, beispielsweise auf einen Lagerschaden. Bestimmte Schadensordnungen - und die zugehörigen Lagerschadensfrequenzen - lassen sich dabei einzelnen Lagerbauteilen zuordnen, beispielsweise einem Au ßenring, einem Innenring, einem Wälzkörper oder einem Käfig des jeweiligen Wälzlagers. Wird im Rahmen der Schwingungsanalyse eine auffällige Amplitude im Frequenzspektrum erfasst, wird regelmäßig eine automatische Notabschaltung ausgelöst. Im besten Fall kann dann anhand der gesammelten Daten das die Anomalie verursachende schadhafte Bauteil des Ventilators repariert oder ausge tauscht werden, ohne dass es zu einem fatalen Ereignis kommt, beispielsweise zu einem Systemversagen, das hohe finanzielle Schäden verursachen und/oder durch Folgeschäden eine Gefahr für Mensch und Umwelt darstellen kann. Trotz der Stillstandzeiten im Falle der Erkennung einer Anomalie wird somit die Lebens dauer des Ventilators insgesamt verlängert.
Der vorliegenden Erfindung liegt daher die Aufgabe zugrunde, ein Verfahren und eine Vorrichtung zur Überwachung des Betriebs von Ventilatoren der eingangs genannten Art derart auszugestalten und weiterzubilden, dass der Betrieb über die Lebensdauer des Ventilators weiter optimiert und unnötige Stillstandzeiten verrin gert werden können. Ferner soll ein verbesserter Ventilator mit einer entsprechend eingerichteten Vorrichtung angegeben werden.
Erfindungsgemäß wird die voranstehende Aufgabe durch die Merkmale des An spruches 1 gelöst. Danach weist das in Rede stehende Verfahren zur Über wachung des Betriebs eines Ventilators die folgenden Schritte auf:
Durchführen mindestens einer Messung, indem mindestens ein Eingangs signal über mindestens einen Zeitraum erfasst wird,
Berechnen von Kennwerten eines Ist-Zustands auf Grundlage der gemes senen Eingangssignale,
Vergleich der berechneten Kennwerte mindestens eines Ist-Zustands mit Grenzwerten,
Klassifizieren des Ist-Zustands anhand des Vergleichs entweder als einen anomaliefreien Normalzustand oder als einen allgemeinen Anomaliezustand, und
Überwachen, ob mindestens ein spezifischer Anomaliezustand vorliegt.
In erfindungsgemäßer Weise ist zunächst erkannt worden, dass auch bei Er kennung eines Anomaliezustands nicht zwingend ein unmittelbares Einschreiten erforderlich ist. Selbst wenn einzelne Kennwerte sich im Verlauf der Lebensdauer des Ventilators derart verändern, dass sie irgendwann außerhalb eines durch die Grenzwerte abgesteckten zulässigen Wertebereichs liegen, hat das nicht zwin gend zur Folge, dass ein schädigendes Ereignis unmittelbar bevorsteht und zeit nah abgewendet werden muss. Somit lassen sich unnötige Notabschaltungen und Stillstandzeiten verringern und der Betrieb wird über die Lebensdauer des Ventila tors weiter optimiert.
Über die Vermeidung unnötiger Stillstandzeiten hinaus kann insbesondere auch im Stillstand und/oder in einem spannungsfreien Zustand des Ventilators eine Überwachung möglich sein. Der zu überwachende Betrieb umfasst also die ge samte Nutzung des Ventilators über die Produktlebensdauer und auch Zeiten des Stillstands. Hierdurch wird nicht nur die Verlängerung des Betriebs aus finanziellen Aspekten, sondern auch ein Echtzeit-Monitoring des Systems im Sinne eines pas siven Zuschauens erreicht. Hiermit verbunden können Handlungsempfehlungen im Sinne eines aktiven Handelns sein, die zum Beispiel automatische Steue rungsaktionen auslösen oder an einen Benutzer gerichtet sein können. Dadurch lässt sich auch das Anwendungsrisiko reduzieren, das durch ein Systemversagen auftreten kann.
Das Erfassen des mindestens einen Eingangssignals über jeweils einen Zeitraum kann kontinuierlich oder zu definierten Zeitpunkten geschehen. Ein Sensor kann dabei Zeitdaten über den mindestens einen Zeitraum erfassen. Im Falle eines Be schleunigungssensors kann es sich bei den Daten um eine Drehrate und/oder ei ne Beschleunigung in eine, zwei oder drei Raumachsen handeln. Die Raumach sen können dabei drehfest oder auch umlaufend definiert werden. Der Beschleu nigungssensor kann einem rotierenden Bauteil oder einem stehenden Bauteil des Ventilators zugeordnet sein.
Die Messungen können zur Berechnung der Kennwerte über eine Recheneinheit des Ventilators, insbesondere eines den Ventilator antreibenden Motors, ausge wertet werden. Vorzugsweise handelt es sich bei dem Motor um einen Elektromo tor, insbesondere um einen als Außenläufermotor ausgebildeten bürstenlosen Gleichstrommotor - EC-Motor, Electronically Commutated Motor.
Gemäß einer weiteren Ausführungsform können die Messung betreffende Daten über definierte Schnittstellen (l2C, Modbus, CAN, Wifi, ...) zur weiteren Signal verarbeitung und/oder Signalverwertung und/oder Signalspeicherung - zu be stimmten Zeitpunkten oder gebunden an Ereignisse - an andere Endgeräte über mittelt werden. Die Sicherung von ausgewählten Messungen, die bestimmten Zeitpunkten zugeordnet sind, ist in einem internen Speicher auf dem Gerät selbst oder externen Speichern möglich. Diese Daten können beispielsweise für Rekla mationszwecke verwendet werden, wobei dann vorzugsweise ein Service mitarbeiter auf den Speicher zugreifen kann. Auch Kennwertdaten, Vergleichsda ten, Daten betreffend die Klassifizierung des Ist-Zustands und/oder andere die Überwachung betreffende Daten können zur weiteren Signalverarbeitung und/oder Signalverwertung an andere Endgeräte übermittelt werden. Auf diese Weise kann ein Verfolgen der Überwachung des Betriebs des Ventilators auch via App er möglicht werden, beispielsweise auf einem Smartphone oder Tablet. Ferner kön- nen die Daten optisch aufbereitet und einem Bediener auf externen Bild schirmen/Displays angezeigt werden.
Aus einer oder mehreren Messungen können Kennwerte berechnet werden, die den aktuellen Ist-Zustand abbilden. Handelt es sich bei den Eingangssignalen um Beschleunigungs- oder Schalldruckdaten, so können als Kennwerte beispielswei se Amplituden des Frequenzspektrums bestimmt werden. Speziell bei der Diagno se einer Anomalie in einem Wälzlager schließt dies insbesondere Lagerschadens frequenzen ein, die einerseits von der Drehzahl und Belastung und andererseits von der Wälzlagergeometrie abhängen können. Kennwerte können beispielsweise abhängig sein von der Applikation, also von spezifischen Anwendungsfällen/Ein- satzgebieten/lnstallationen, aber auch von den jeweiligen Umgebungsbedingun gen/
Umwelteinflüssen. Kennwerte können weiter beispielsweise abhängig sein von der anliegenden Rotordrehzahl/Drehrate und/oder von einem Lastzustand. Auch La gergeometrieinformationen können in die Kennwertberechnung einfließen.
Die für den Vergleich benötigten Grenzwerte können vorab oder in Echtzeit in ex perimentellen oder in numerischen Untersuchungen ermittelt werden und grenzen den maximal zulässigen Wertebereich der Kennwerte ein. Für jedes Eingangssig nal und/oder jeden Kennwert können somit ein oder mehrere obere Schwellwerte und/oder ein oder mehrere untere Schwellwerte definiert werden, um den zulässi gen Wertebereich einzugrenzen. Auch eine Selbstkonfiguration eines Klassifika tors zum Klassifizieren der Zustände ist möglich.
Der Vergleich berechneter Kennwerte mit Grenzwerten erlaubt die Einordnung in zwei oder mehr Zustände. Der Vergleich kann über mehrere Messungen erfolgen, um die Robustheit des Verfahrens gegenüber Umgebungsbedingungen/Umwelt einflüssen zu erhöhen. Im Falle von ermittelten Beschleunigungsdaten kann es sich bei diesen Störsignalen um externe Anregungen handeln, beispielsweise durch schwingende oder sich bewegende Körper, unterschiedliche Ortsfaktoren oder die absolute oder relative Geschwindigkeit bei einer sich bewegenden Appli kation - etwa bei Betrieb des Ventilators in einem Flugzeug, einem Zug, einem Kraftfahrzeug oder einem anderen Fortbewegungsmittel. Das Erkennen eines Anomaliezustands kann fälschlicherweise durch temporäre Umweltfaktoren oder Umgebungsbedingungen hervorgerufen werden. Für den Vergleich kann daher auch die Anzahl aller Grenzwertabweichungen - also der Vergleiche, in denen ein Kennwert oberhalb eines oberen Schwellwerts oder un terhalb eines unteren Schwellwerts für den jeweiligen Grenzwert erfasst worden ist - pro Zeitraum betrachtet werden. Weiterhin ist die Berücksichtigung der Intensität einer Grenzwertabweichung durch Betrachtung der relativen und/oder absoluten Differenzen zwischen Grenzwert und Kennwert möglich. Ebenso kann eine zeitli che Änderungsrate eines Kennwertverlaufs berücksichtigt werden. Erfolgen bei spielsweise innerhalb eines oder mehrerer definierter Zeiträume starke Schwan kungen oder schnelle Änderungen - auch hohe Gradienten genannt - so kann die Grenzwertabweichung entsprechend gewichtet und beim Klassifizieren des Ist- Zustands berücksichtigt werden.
Der Ist-Zustand kann als anomaliefreier Normalzustand klassifiziert werden, wenn ein regulärer Betrieb des Ventilators und/oder des EC-Motors und/oder der Appli kation diagnostiziert wird. Dies schließt insbesondere einen natürlichen Verschleiß mit ein. Der Ist-Zustand kann dabei iterativ durch den Vergleich von Kennwerten mit Grenzwerten beurteilt werden.
Der Ist-Zustand kann als allgemeiner Anomaliezustand klassifiziert werden, wenn eine signifikante Störung des Ventilators, seines EC-Motors oder der Applikation diagnostiziert wird. Dieser Zustand kann beispielsweise auf einen erhöhten Ver schleiß zurückzuführen sein. Bei der signifikanten Störung kann es sich beispiels weise um eine Lagerschädigung, eine Verunreinigung des Schmierstoffs, um Fremdkörper im Wälzlager, oder in Form einer Erosion der Wälzkörper, z.B. auf grund von Lagerströmen, eine Unwucht - etwa durch Verschmutzung, Beschädi gung einer Laufschaufel, ein geringfügiges Materialversagen, einen Defekt oder Teildefekt elektronischer Komponenten und/oder um anderweitige nicht reguläre Einflüsse handeln. Die Primärfunktionen des Systems sind hierbei jedoch nicht zwingend beeinträchtigt. Die Kennwerte können eines oder mehrere der folgenden umfassen:
Ergebnisse eines oder mehrerer früherer Vergleiche, eine Drehrate des Ventilators, eine Beschleunigung in einer, zwei oder drei Raumachsen, drehfest und/oder umlaufend, mindestens eine Temperatur, einen Schalldruck, ein Drehmoment, einen Druck, insbesondere einen Betriebs- oder Umgebungsdruck,
Feuchtigkeitswerte, gemessene Kräfte und/oder virtuelle Werte, beispielsweise mittels Softsensoren erfasst.
Die Gesamtheit aller in einem Zeitabschnitt von einem oder mehreren Sensoren erfassten Daten ist das Ergebnis einer Messung. Bei der Temperatur kann es sich um eine Umgebungstemperatur handeln. Zusätzlich oder alternativ kann es sich um eine Betriebstemperatur des Ventilators handeln, insbesondere um eine Tem peratur an einem bestimmten Bauteil, nämlich an einem oder mehreren Transisto ren, Kondensatoren, Wärmeübertragern, Kühlmitteln, Recheneinheiten, Wider ständen, Spulen, Schmierstoffen, mechanischen Bauteile wie Lager, Wellen, Per manentmagneten.
Vorzugsweise können aus einem oder mehreren Kennwerten weitere Kennwerte berechnet werden. Weitere Kennwerte können sein:
Statistische Größen, wie z.B. Minimal- und Maximalwerte,
Perzentilwerte,
Standardabweichungen,
Mittelwerte,
Klassifizierende/Bewertende Größen, beispielsweise mittels eines Punkte systems ähnlich eines Rankings wie für Energieeffizienzklassen, und/oder Kombinationen, beispielsweise Linearkombination mehrerer Kennwerte, mit einheitlichen oder unterschiedlichen Gewichtungsfaktoren. Auf diese Weise können die in einer oder mehreren vergangenen Messungen er mittelten Werte der Eingangssignale je nach Anwendungsfall auf geeignete Weise in die Berechnung einzelner Kennwerte einfließen.
Dabei können einerseits Kombinationen aus den oben genannten Größen definiert und in einzelnen Kennwerten zusammengefasst werden, beispielsweise die um laufenden Beschleunigungen in einer, zwei oder drei Raumachsen, und die Dreh rate des Ventilators, die Temperatur und Feuchtigkeitswerte oder andere geeigne te Kombinationen.
Andererseits können aus aktuellen und früheren Kennwerten neue Kennwerte er zeugt werden. Das ist insbesondere dann sinnvoll, wenn hieraus Rückschlüsse auf den gegenwärtigen Ist-Zustand oder zukünftige Ist-Zustände des Ventilators wahrscheinlich erscheinen. Beispielsweise kann zur Klassifizierung des Ist- Zustands auch ein Kennwert in Gestalt eines Zählers gebildet werden. Hierzu wird eine Anzahl von definierten früheren Grenzwertabweichungen als Kennwert in ei nem Zähler über die Zeit mitgezählt. Der Zähler bestimmt die Grenzwertab weichungen entweder kontinuierlich, d.h. über die Gesamtheit aller zurückliegen den Messungen, oder auch für Messungen innerhalb definierter Zeiträume, mit anderen Worten für die Anzahl aller Grenzwertabweichungen über einen definier ten Zeitraum, beispielsweise für die Messungen der letzten 30 Minuten.
Der entsprechende Grenzwert bzw. Toleranzwert für jeden als Zähler ausgebilde ten Kennwert kann relativ ausgebildet sein. Beispielsweise kann der als Zähler ausgebildete Kennwert außerhalb der Toleranzwerte liegen, wenn über einen de finierten Zeitraum oder über alle Messungen 10 % Grenzwertabweichungen ge zählt worden sind. Ein als Zähler funktionierender Kennwert kann auch absolut ausgebildet sein. Beispielsweise kann der Zähler außerhalb der Toleranzwerte liegen, wenn in den letzten 50 Messungen oder in allen Messungen 20 Grenzwert abweichungen gezählt worden sind.
Der Zähler kann zusätzlich auch aktuelle oder frühere Vergleiche berücksichtigen, bei denen die jeweiligen Kennwerte innerhalb der Grenzwerte liegen und keine Grenzwertabweichung festgestellt wird. Dann kann beispielsweise der Zähler wie- der reduziert oder herabgezählt werden. Bei der nächsten Grenzwertabweichung kann der Zähler erhöht werden oder umgekehrt. Mit anderen Worten kann der Zähler inkrementierend und/oder dekrementierend ausgebildet sein.
Neben der Häufigkeit an Grenzwertabweichungen bzw. Nicht-Grenzwertabwei- chungen kann zusätzlich oder alternativ die Intensität einer Grenzwertabweichung für die Zu- oder Abnahme des Zählers berücksichtigt werden. Beispielsweise kann eine besonders intensive Grenzwertabweichung um den Faktor 2 zu einer Zu nahme des Zählers um den Wert 2 führen, eine weniger intensive Grenz wertabweichung um den Faktor 1,1 lediglich zu einer Zunahme des Zählers um den Wert 1,1.
Der so berechnete Kennwert kann dann mit einem als Toleranzwert ausgebildeten Grenzwert verglichen werden. Die Klassifizierung des Ist-Zustands kann also nicht nur durch den direkten Vergleich von aktuellen Kennwerten aus aktuellen Ein gangssignalen des Ist-Zustands mit Grenzwerten erfolgen, sondern auch mithilfe des Vergleichs eines Zählers mit einem Toleranzwert. Mit anderen Worten kann mit einem indirekten Vergleich von aktuellen und früheren Kennwerten und Grenz werten eine Quote von Grenzwertüberschreitungen ermittelt werden, die ihrerseits wiederum ein Kennwert sein kann.
Denkbar ist auch eine Kombination von direktem und indirekten Vergleich bei Be trachtung mehrerer Vergleiche zwischen Kennwerten, die dem Ist-Zustand zuge ordnet sind, und Grenzwerten. Dabei kann der als Zähler ausgebildete Kennwert beispielsweise um den Wert 2/3 steigen, wenn zwei von drei Grenzwerten von den jeweils zugehörigen anderen Kennwerten überschritten werden.
Nach einer Ausführungsform umfasst die Überwachung, ob ein spezifischer Ano maliezustand vorliegt, die folgenden Schritte:
Berechnen von spezifischen Kennwerten mindestens eines Zustands auf Grundlage der gemessenen Eingangssignale, spezifischer Vergleich der berechneten spezifischen Kennwerte mit spezifi schen Grenzwerten, Beurteilung, ob ein spezifischer Anomaliezustand vorliegt, anhand des spe zifischen Vergleichs.
Diese weitere Überwachung kann ebenfalls kontinuierlich oder zu definierten Zeit punkten über definierte Zeitabschnitte mit einer definierten Abtastrate ausgeführt werden. Die für die Beurteilung, ob ein spezifischer Anomaliezustand vorliegt, maßgeblichen spezifischen Kennwerte können aus einer oder mehreren Messun gen berechnet werden, vorzugsweise in der Recheneinheit des Motors. Die spezi fischen Kennwerte können sich von den allgemeinen Kennwerten zur Klassifizie rung des Ist-Zustands in den anomaliefreien Zustand oder den allgemeinen Ano maliezustand unterscheiden oder mit diesen allgemeinen Kennwerten teilweise oder gänzlich identisch sein. Auch die spezifischen Kennwerte können abhängig sein von der Applikation, also von spezifischen Anwendungs- fällen/Einsatzgebieten/lnstallationen, aber auch von den jeweiligen Umgebungsbe dingungen/Umwelteinflüssen. Die spezifischen Kennwerte können weiter abhängig sein von der anliegenden Rotordrehzahl/Drehrate und/oder von einem Lastzu stand. Auch Lagergeometrieinformationen können in die Berechnung der spezifi schen Kennwerte einfließen, beispielsweise bei der Überwachung von spezifi schen Anomaliezuständen, die einem Wälzlager zuzuordnen sind. Zu den Varian ten und Ausgestaltungsmöglichkeiten der Beurteilung, ob ein spezifischer Anoma liezustand vorliegt - oder ob ein spezifischer Anomaliezustand entsprechend nicht vorliegt - kann zudem auf die beschriebenen Varianten und Aus gestaltungsmöglichkeiten der Klassifizierung des Ist-Zustands entweder als einen anomaliefreien Normalzustand oder als einen allgemeinen Anomaliezustand ver wiesen werden.
Nicht jeder allgemeine Anomaliezustand ist kritisch. Auch nicht jeder spezifische Anomaliezustand ist kritisch. Ein kritischer Anomaliezustand ist der Extremfall ei nes spezifischen Anomaliezustands. Ein Anomaliezustand, der nicht mit dringli chen, unmittelbaren Handlungsempfehlungen verbunden ist, ist daher ein unkriti scher Anomaliezustand. Eine zeitnahe Wartung kann jedoch empfohlen werden. Andererseits kann auch eine gesteigerte signifikante Störung vorliegen und eine Notabschaltung erfordern, weil ein fatales Ereignis unmittelbar bevorsteht. Dann kann von einem kritischen Anomaliezustand ausgegangen werden. Eine kritische Anomalie kann vorliegen, wenn eine gesteigerte signifikante Störung des Ventilators, seines EC-Motors oder der Applikation diagnostiziert wird. Dieser Zustand kann beispielsweise auf einen sehr hohen Verschleiß zurückzuführen sein. Ferner kann es sich um ausgeprägtes, nicht reguläres Verhalten handeln, beispielsweise um eine fortgeschrittene Lagerschädigung, eine signifikante Un wucht durch enorme Verschmutzung, eine starke Beschädigung einer Laufschau fel, ein fortgeschrittenes Materialversagen, ein erheblicher Defekt oder Teildefekt elektronischer Komponenten oder um anderweitige gesteigerte nicht reguläre Ein flüsse handeln. Hierbei ist regelmäßig ein zeitnahes Eingreifen erforderlich, denn das Systemverhalten ist System kritisch und kann für die Applikation, Lebewesen und/oder Umwelt gefährlich werden. Das Eingreifen kann ein System - hierbei kann es sich um einen Motor des Ventilators, dessen Steuerung oder auch um die signalverarbeitende Peripherie handeln - autonom ausführen, etwa durch eine Abschaltung des Motors, oder durch eine Änderung des Betriebspunkts wie zum Beispiel bei starken Hitzelasten. Ein Eingreifen kann aber auch menschliches Handeln bedeuten.
Nach einer Ausführungsform wird die beschriebene Überwachung, ob ein spezi fischer Anomaliezustand vorliegt, im Anschluss an das Klassifizieren eines Ist- Zustands als allgemeiner Anomaliezustand durchgeführt. Beispielsweise kann ein Klassifizieren eines aktuellen Ist-Zustands als Anomaliezustand eine Bedingung dafür sein, dass eine Überwachung, ob der aktuelle Ist-Zustand ein spezifischer Anomaliezustand ist, durchgeführt wird. Die korrekte Beurteilung des Vorliegens eines allgemeinen, unspezifischen Anomaliezustands oder eines spezifischen Anomaliezustands kann hierbei über 95 % betragen. Vorzugsweise wird eine zweite Überwachung, ob ein zweiter spezifischer Anomaliezustand vorliegt, im Anschluss an die Beurteilung, dass ein erster spezifischer Anomaliezustand vor liegt, durchgeführt. Weiter vorzugsweise wird eine dritte Überwachung, ob ein drit ter spezifischer Anomaliezustand vorliegt, nur dann durchgeführt, wenn eine Beur teilung vorliegt, dass zunächst einmal ein zweiter spezifischer Anomaliezustand vorliegt, usw. So können mehrere spezifische Anomaliezustände insbesondere hinsichtlich der Stärke ihrer Ausprägung aufeinander aufbauen. Dabei stellt jeder spezifische Anomaliezustand - genau wie die Unterscheidung zwischen anomalie- freien Normalzustand und allgemeinem Anomaliezustand - einen binären Zu standsklassifikator dar. Durch eine solche Serienschaltung mehrerer Diagnosen einer allgemeinen und dann einer immer weiter spezifischen Anomalie in mehre ren Stufen, die vorzugsweise durch Bedingungen aneinandergeknüpft sind, wird die Anzahl an Klassifikationszuständen erweitert.
In der Grundform mit zwei Stufen - Klassifizieren als anomaliefreien Normalzu stand und allgemeinem Anomaliezustand und Beurteilen, ob eine spezifische Anomaliezustand vorliegt oder nicht - sind die folgenden drei positiven Klassifika tionen möglich:
Anomaliefreier Normalzustand, allgemeiner Anomaliezustand und spezifischer Anomaliezustand
Zwei binäre Klassifikationen in Serie geschaltet erlauben somit eine trinäre Klassi fikation. Ferner ist die negative Klassifikation feststellbar, wonach zwar ein allge meiner Anomaliezustand vorliegt, ein bestimmter spezifischer Anomaliezustand allerdings nicht vorliegt.
Vorzugsweise kann bei der Serienschaltung die folgende Bedingung formuliert werden: Damit die nächste Klassifikatorstufe - also der nächst stärker ausgepräg te spezifische Anomaliezustand - erreicht werden kann, muss die vorherige Stufe einen Anomaliezustand festgestellt haben, so dass eine Kaskade entsteht. Das gilt insbesondere für die höchste Stufe des spezifischen Anomaliezustands - hierbei handelt es sich um den Sonderfall der kritischen Anomalie.
Weiter vorzugsweise können einer oder mehrere der weiteren spezifischen Ano maliezustände Zwischenstufen bilden zwischen dem allgemeinen Anomalie zustand und einem kritischen Anomaliezustand, in welchem eine signifikante Stö rung des Ventilators vorliegt, die ein unmittelbares Einschreiten erfordert. Hierbei können mehrere Zwischenzustände verschieden starke Ausprägungen eines be stimmten Schadensbilds oder bestimmbarer Schadensbilder zugeordnet sein. Höchst beispielsweise kann eine erste Zwischenstufe einem Anomaliezustand mit geringer Ausprägung, eine zweite Zwischenstufe einem Anomaliezustand mit starker Ausprägung und eine dritte Zwischenstufe einem Anomaliezustand mit gefährlicher Aus prägung entsprechen, bevor ein kritischer Anomaliezustand mit katastrophaler Ausprägung erreicht ist.
Jeder dieser Anomaliezustände bzw. jede dieser Zwischenstufen kann binär klas sifiziert werden. Die Überwachung kann auch hier für jeden Anomaliezustand oder jede Zwischenstufe unabhängig erfolgen oder in Abhängigkeit davon, dass zuvor das Vorliegen einer jeweils allgemeineren bzw. weniger ausgeprägten Anomalie zustands festgestellt worden ist. Jeder Anomaliezustand bzw. jede Zwischenstufe bildet dabei einen binären Zustandsklassifikator. Dabei können die Kennwerte und Grenzwerte für jeden Anomaliezustand bzw. jede Zwischenstufe unterschiedlich definiert werden oder sich in Teilen überschneiden. Auch die Verwendung von unterschiedlichen Zählern und Toleranzwerten ist im Rahmen der verschiedenen Diagnosen möglich.
Nach einer anderen Ausführungsform kann die Überwachung, ob ein spezifischer Anomaliezustand vorliegt, unabhängig von einer erfolgten Klassifizierung eines Ist- Zustands als allgemeiner Anomaliezustand auf der ersten Stufe sein. Somit be steht die Möglichkeit, unabhängig von einer Klassifizierung des aktuellen oder ei nes vorausgehenden Ist-Zustands als allgemeinen Anomaliezustand - etwa zur Überwachung eines natürlichen Verschleißes - eine spezifische Anomalie zu di agnostizieren. Unabhängig von einer Dauerüberwachung des Betriebs des Venti lators und unabhängig davon, wie die Kenn- und Grenzwerte automatisch oder manuell angepasst werden, nachdem erstmals ein Anomaliezustand ermittelt wor den ist, kann so über die gesamte Lebensdauer des Ventilators ein zeitnaher Sys temausfall erkannt werden. So wird bei Erforderlichkeit eines unmittelbaren Ein schreitens beispielsweise sofort ein kritischer Anomaliezustand festgestellt, was die Diagnose der möglichen Anomalien im Betrieb des Ventilators weiter verbes sert und die Betriebssicherheit weiter steigert. Denkbar ist auch, die Überwachung auf einen spezifischen Anomaliezustand sowohl dann durchzuführen, wenn ein Ist-Zustands als Anomaliezustand klassifiziert wird, als auch unabhängig von einer solchen Klassifizierung - etwa zu regelmäßigen Zeitpunkten oder bei Eintritt einer anderen internen oder externen Bedingung.
Dabei können vorzugsweise weitere spezifische Anomaliezustände mit unter schiedlichen Ausprägungen definiert werden. Hierdurch lässt sich eine schlei chende Schädigung oder Alterung des Ventilators und/oder seines Motors abbil den und überwachen. Beispielsweise kann ein erster spezifischer Anomaliezu stand anhand eines ersten spezifischen Vergleich einer ersten Kombination von ersten spezifischen Kennwerten mit ersten spezifischen Grenzwerten überwacht werden. Ein zweiter spezifischer Anomaliezustand durch einen zweiten spezifi schen Vergleich einer zweiten Kombination von zweiten spezifischen Kennwerten mit zweiten spezifischen Grenzwerten überwacht werden. Ein dritter spezifischer Anomaliezustand durch einen dritten spezifischen Vergleich einer dritten Kombina tion von dritten spezifischen Kennwerten mit dritten spezifischen Grenzwerten überwacht werden, usw.
Die Parallelschaltung mehrerer binärer Klassifikatoren durch unabhängige Über wachung der verschiedenen Anomaliezustände erlaubt eine unabhängige, be dingungslose binäre Klassifikation eines Zustands.
Dabei lassen sich ein oder mehrere binäre Klassifikatoren unabhängig voneinan der aktivieren und inaktivieren. Höchst beispielsweise lässt sich das wie folgt ver anschaulichen: eine erste Stufe - Anomaliezustand mit geringer Ausprägung - ist inaktiv, eine zweite Stufe - Anomaliezustand mit starker Ausprägung - ist inaktiv, eine dritte Stufe - Anomaliezustand mit gefährlicher Ausprägung - ist aktiv eine vierte Stufe - kritischer Anomaliezustand mit katastrophaler Ausprä gung - ist aktiv.
Ein Vorteil hiervon kann sein, dass ausschließlich Anomalien überwacht werden, die unterschiedlichen Schadensarten oder Schadensbildern zugeordnet sind, bei spielsweise bei einem Wälzlager eine dem Wälzlagerfett zugeordnete spezifische Anomalie, spezifische Anomalien von Wälzkörpern, dessen Innenring, Außenring, usw. Es können mehrere Klassifikatoren vorgesehen werden, die nicht zwingend mit einander in Verbindung stehen oder voneinander abhängig sind. Die Anzahl der binären Klassifikatoren, also der verschiedenen definierten und überwachten spezifischen Anomaliezustände, kann dabei je nach Anwendungsfall auch mehr als vier, mehr als zehn, mehr als 50, mehr als 100 oder beliebig darüber betragen, solange eine hinreichend schnelle Datenverarbeitung möglich scheint.
Im Falle eines Klassifizierens des Ist-Zustands als anomaliefreien Normalzustand und/oder einer Beurteilung, dass ein überwachter spezifischer Anomaliezustand nicht vorliegt, kann eine Signalrückführung stattfinden. Vorzugsweise können die rückgeführten Daten für mindestens eine zukünftige Messung verwendet werden. Somit steht das Ergebnis der Klassifizierung zur Verfügung und kann im Rahmen der Zustandsüberwachung bei der Klassifizierung oder Beurteilung der zukünfti gen Messungen berücksichtigt werden.
Vorzugsweise kann das Verfahren weiter eine Anpassung der Diagnose unter Be rücksichtigung von direkten oder indirekten Vergleichen von Kennwerten mindes tens eines vergangenen Ist-Zustands mit Grenzwerten umfassen. Die Berücksich tigung von älteren, über einen Teil oder die gesamte Lebensdauer des Ventilators und/oder seines Motors gesammelten Kennwerten und Vergleichsdaten kann hierbei eine besonders gute Entscheidungsgrundlage bilden. Weiterhin können Grenzwerte - ähnlich wie die beschriebenen Kennwerte - abhängig von Anwen- dungsfällen/Einsatzgebieten/lnstallationen, von einer Rotordrehzahl/Drehrate und/oder von einem Lastzustand sein. Eine Anpassung der Klassifikatoren wäh rend des Betriebs ist möglich. Deren Konfigurationen und Daten, wie etwa be rechnete Kennwerte und/oder Grenzwerte, beispielsweise Zähler und/oder Tole ranzwerte, stehen der Recheneinheit zu jedem Zeitpunkt zur Verfügung und kön nen vorzugsweise über definierte Schnittstellen übermittelt oder abgerufen wer den. Je nach Anwendungsfall können unterschiedliche - parametrierbare - Grenzwerte vorliegen. Auch bei vorliegenden Grenzwertabweichungen kann das System tolerant reagieren, um einen aktuellen Ist-Zustand nicht unmittelbar in ei nen der beiden Zustände einzuordnen und somit Falschklassifikationen zu ver meiden oder zu reduzieren. Beispielsweise kann statisch oder dynamisch festge legt werden, dass ein oder mehrere bestimmte Kennwerte für eine gewisse Anzahl von Messungen hintereinander außerhalb des durch die Grenzwerte definierten zulässigen Wertebereichs liegen müssen, bevor ein Ist-Zustand als allgemeiner Anomaliezustand klassifiziert wird. Denkbar ist wie beschrieben auch eine Quote von Grenzwertabweichungen über eine bestimmte Anzahl vergangener Messun gen. Hierbei kann die Sensorik auch neu kalibriert werden. Die Grenzwerte kön nen neu gewählt oder festgelegt werden, so dass eine Systemtoleranz gegen das Über- und/oder Unterschreiten von Grenzwerten veränderbar wird. Das Berech nen von Kennwerten zukünftiger Ist-Zustände, der Vergleich mit Grenzwerten oder das Klassifizieren des Ist-Zustands anhand des Vergleichs können angepasst werden. Mit anderen Worten kann die Diagnose vom Bediener angepasst oder als selbstlernendes System auf der Recheneinheit oder über die definierten Schnitt stellen im Rahmen der externen Signalverarbeitung automatisch angepasst wer den.
Die durch Messungen ermittelten Kennwerte können zur Berücksichtigung bei der zukünftigen Anpassung der Diagnose mit Zeitstempel in einem Protokoll festge halten werden. Daten können im Rahmen der Signalverarbeitung weitergegeben und/oder gesichert/gespeichert/hinterlegt werden, insbesondere in Bezug auf die Definition von Anomaliezuständen und Klassifikatoren. Klassifikationsergebnisse und Klassifikatorkonfigurationen können zusammen mit einem Zeitstempel in ei nem internen oder externen Speicher gesichert werden und lassen sich von dort auslesen, und/oder es kann ein Datentransfer über Kommunikationsschnittstellen erfolgen, beispielsweise ein Streamen in die Cloud. Bei permanent auftretenden Grenzwertabweichungen kann eine Selbstdiagnose und eine Neukalibrierung der Sensorik erfolgen. Wird die Sensorik als fehlerhaft und nicht rekalibrierbar identifi ziert, erfolgt eine entsprechende Information darüber, dass weitere dargestellte Schritte nicht durchgeführt werden können. Diese Information kann einerseits in Protokollen abgelegt und andererseits über die definierten Schnittstellen nach au ßen kommuniziert werden. Bei permanenten Grenzwertabweichungen kann auch die aktuelle Konfiguration des Klassifikators - also die zu dem jeweils überwach ten allgemeinen oder spezifischen Anomaliezustand zugehörigen Kennwerte und/oder Grenzwerte - überprüft und gegebenenfalls angepasst werden.
In Bezug auf die Vorrichtung zur Überwachung des Betriebs von Ventilatoren wird die eingangs genannte Aufgabe gelöst durch eine Vorrichtung mit mindestens ei- nem Sensor zum Erfassen mindestens eines Eingangssignals über mindestens einen Zeitraum zur Durchführung mindestens einer Messung, und einer Rechen einheit, die ausgebildet ist, um das vorstehend beschriebene Verfahren auszufüh ren. Die Recheneinheit kann eine Recheneinheit eines elektrischen Motors des Ventilators sein, vorzugsweise eines EC-Motors. Bei dem Sensor kann es sich um einen oder mehrere für den Ventilator oder seinen Motor interne Sensoren und/oder um externe Sensoren handeln. Die Sensorik kann einen oder mehrere der folgenden umfassen: einen Drehratensensor, einen Beschleunigungssensor, einen Temperatursensor, ein Mikrofon, einen Drehmomentsensor, einen Druck sensor, einen Feuchtigkeitssensor, einen Kraftsensor und/oder virtuelle Senso ren/Softsensoren.
In Bezug auf den verbesserten Ventilator wird die Eingangs genannte Aufgabe durch einen Ventilator gelöst, der eine beschriebe Vorrichtung zur Überwachung seines Betriebs umfasst.
Es gibt nun verschiedene Möglichkeiten, die Lehre der vorliegenden Erfindung in vorteilhafter Weise auszugestalten und weiterzubilden. Dazu ist einerseits auf die dem Anspruch 1 nachgeordneten Ansprüche und andererseits auf die nachfolgen de Erläuterung bevorzugter Ausführungsbeispiele der Erfindung anhand der Zeichnung zu verweisen. In Verbindung mit der Erläuterung der bevorzugten Aus führungsbeispiele der Erfindung anhand der Zeichnung werden auch im Allgemei nen bevorzugte Ausgestaltungen und Weiterbildungen der Lehre erläutert. In der Zeichnung zeigen
Fig. 1 ein schematisches Ablaufdiagramm einer ersten Ausführungsform des erfindungsgemäßen Verfahrens.
Fig. 2 ein schematisches Ablaufdiagramm einer zweiten Ausführungsform des erfindungsgemäßen Verfahrens.
Gleiche oder ähnliche Merkmale sind in den Figuren mit denselben Bezugszei chen gekennzeichnet. Fig. 1 zeigt allgemein ein Ablaufdiagramm. Im oberen Teil ist eine Diagnose einer Anomalie A im Rahmen der Überwachung eines Betriebs eines Ventilators schematisch dargestellt. Ausgangspunkt der Überwachung ist eine Messung 1 über einen Zeitraum. Im hier dargestellten Beispiel kann ein inter ner Sensor Eingangssignale 2.1 für die Messung 1 erfassen. Im Falle eines Be schleunigungssensors sind das zum Beispiel die Drehrate und/oder Be schleunigung in einer, zwei oder drei Raumachsen. Das Erfassen der Eingangs signale 2.1 erfolgt mit einer definierten Abtastrate, entweder über einen definierten Zeitraum pro Messung 1 mit anschließenden, definierten Pausen, oder wahlweise auch kontinuierlich. Zum Beispiel können für die Messung 1 einmal pro Minute über einen Zeitraum von 5 Sekunden mit der Abtastrate 1 kHz - also nahezu kon tinuierlich - Eingangssignale 2.1 erfasst werden. Eine Messung 1 umfasst die Ge samtheit aller in dem Zeitraum erfassten Daten aus den Eingangssignalen 2.1, die von einem oder mehreren internen oder externen Sensoren stammen. Diese Mes sung 1 wird im Folgenden untersucht. Messungen 1 können durch die Rechenein heit des Motors (nicht dargestellt) ausgewertet werden und/oder durch eine Über tragung an weitere Endgeräte über definierte Schnittstellen (l2C, Modbus, CAN, Wifi, ...), sodass ein Verfolgen der Zustandsüberwachung auch via App/Displays möglich ist. Aus einer Messung 1 werden Kennwerte 2 berechnet, die einen aktu ellen Ist-Zustand darstellen. Im Falle von Beschleunigungs- oder Schalldruckdaten zählen hierzu unter anderem Amplituden des Frequenzspektrums.
Ein Beispiel zur Berechnung weiterer Kennwerte aus einem oder mehreren Kenn werten kann der folgende Fall am Wälzlager genannt werden: a) ein erster spezifischer Vergleich führt zu der Beurteilung, dass ein erster spezifischer Anomaliezustand, der auf eine unkritische Anomalie am Innen ring hindeutet, vorliegt, b) ein zweiter spezifischer Vergleich führt zu der Beurteilung, dass ein zweiter spezifischer Anomaliezustand, der auf eine Anomalie am Innenring hindeu tet, nicht vorliegt, und c) ein dritter spezifischer Vergleich führt zu der Beurteilung, dass ein dritter spezifischer Anomaliezustand, der auf eine unkritische Anomalie im Zu sammenhang mit dem Wälzlagerfett hindeutet, vorliegt.
Ein entsprechender neuer weiterer Kennwert kann in Abhängigkeit davon definiert werden, welche und wie viele spezifische Vergleiche auf welche Art und/oder Schwere und/oder Ausprägung von Anomalie hindeuten. In diesem Beispiel defi niert werden, dass eine Grenzwertabweichung vorliegt, sobald die Mehrheitsmei nung - nämlich der erste und dritte Vergleich gegenüber dem zweiten Vergleich - eine Anomalie detektieren. Hieraus kann dann sogar geschlossen werden, dass eine kritische Anomalie vorliegt und eine Maßnahme notwendig ist, selbst wenn es sich bei den ersten und dritten spezifischen Anomaliezuständen jeweils lediglich um unkritische Anomaliezustände handelt.
Berechnete Kennwerte 2 aus einer Messung 1 werden mit Grenzwerten 3.1 ver glichen. Geeignete Grenzwerte 3.1 für diesen Vergleich 3 können in experimentel len oder in numerischen Untersuchungen ermittelt worden sein und grenzen den maximal zulässigen Wertebereich von Kennwerten 2 ein. Der Vergleich 3 berech neter Kennwerte 2 mit Grenzwerten 3.1 erlaubt ein Klassifizieren 4 oder Einordnen des Ist-Zustands in zwei oder mehr Zustände, insbesondere als einen anomalief reien Normalzustand 5 oder einen Anomaliezustand 6. Der Vergleich 3 kann über mehrere Messungen 1 erfolgen, um die Robustheit des Verfahrens gegen Stör größen aus der Umgebung oder aus der Umwelt zu erhöhen.
Für den Vergleich 3 wird die Anzahl und/oder die Intensität von Grenzwertab weichungen pro Zeitraum und/oder die Änderungsrate von Grenzwertabweichun gen - Gradienten - betrachtet. Erfolgen beispielsweise innerhalb eines definierten Zeitraums besonders starke Schwankungen oder schnelle Änderungen, liegen also hohe Gradienten vor, so wird die Abweichung der Kennwerte 2 von den Grenzwerten 3.1 entsprechend gewichtet. Das System kann dann tolerant reagie ren, um den Ist-Zustand nicht unmittelbar in einen der Zustände einzuordnen. So mit werden falsche Klassifikationen 4 vermieden. Bei permanent auftretenden Grenzwertabweichungen erfolgt eine Selbstdiagnose der Sensorik und erforderli chenfalls eine Neukalibrierung. Wird die Sensorik als fehlerhaft und nicht rekalib- rierbar identifiziert, erfolgt eine entsprechende Information darüber, dass weitere dargestellte Schritte nicht durchgeführt werden können. Diese Information wird einerseits in Protokollen abgelegt und/oder andererseits über definierte Schnitt stellen nach außen kommuniziert. Wird der Ist-Zustand als anomaliefreier Normal zustand 5 klassifiziert, so kann eine erste Signalrückführung R1 für zukünftige Messungen 1 erfolgen. Das Ergebnis der Klassifizierung des Ist-Zustands als anomaliefreier Normalzustand 5 oder als allgemeiner Anomaliezustand 6 wird mit tels eines Ausgabesignals 7 über definierte Schnittstellen zur weiteren Signalver arbeitung 7.1 nach außen übermittelt. Dabei kann beispielsweise eine im EC- Motor optionale, integrierte oder montierbare Signalvorrichtung (Anzeige, LED, Lautsprecher) einen Benutzer in Echtzeit analog/digital, akustisch und/oder visuell über den aktuell vorliegenden Ist-Zustand informieren. Der vorliegende Ist-Zustand wird zusammen mit einem Zeitstempel in einem Protokoll festgehalten. Dieses Protokoll kann in Echtzeit oder zu späteren Wartungszwecken über definierte Schnittstellen ausgelesen oder auch mit einer App dargestellt werden. Außerdem kann das Klassifikationsergebnis in einem internen oder externen Speicher gesi chert und/oder über die definierten Schnittstellen nach außen kommuniziert wer den. Weiterhin ist die Anpassung der Binärklassifikatoren auf Basis des Protokolls möglich. Das kann die Anpassung der Kennwerte 2 und/oder Grenzwerte 3 bzw. der Zähler/Toleranzwerte umfassen. Sofern sich an der Applikation des Systems etwas geändert hat, kann jedoch auch eine Anpassung der Eingangssignale 2.1 sinnvoll sein, etwa, wenn ein Benutzer eine andere Einlaufdüse verwendet, den Ventilator auf andere Weise positioniert, etc. Möglich ist die Anpassung aller Fak toren, die zum Klassifizieren des Ist-Zustands 4 beitragen. Die Signalverarbeitung
7.1 kann alternativ oder zusätzlich in der Recheneinheit erfolgen und eine Notab schaltung oder Betriebsänderungen bewirken. Die Signalverarbeitung 7.1 kann auch menschliches Eingreifen zur Folge haben. Hierauf kann der Benutzer bei spielsweise durch Signalleuchten, Sirenen oder ähnliche Mittel hingewiesen wer den.
Im unteren Teil der Fig. 1 ist eine weitergehende Diagnose einer spezifischen Anomalie B schematisch dargestellt. Ist der Ist-Zustand als allgemeiner Anomalie zustand 6 klassifiziert, so werden aus der aktuellen und/oder vorherigen Messun gen 1 spezifische Kennwerte 8 berechnet, beispielsweise in der Recheneinheit des Motors. Diese spezifischen Kennwerte 8 können sich von den allgemeinen Kennwerten 2 unterscheiden und dieselben Eingangssignale 2.1 oder andere Ein gangssignale 8.1 berücksichtigen. Insbesondere können die spezifischen Kenn werte 8 eine Teilmenge der allgemeinen Kennwerte 2 sein. Die spezifischen Kennwerte 8 werden ihrerseits für einen Vergleich 9 mit spezifischen Grenzwerten
9.1 verwendet. Auf Grundlage dieses Vergleichs 9 findet eine Beurteilung 10 da- hingehend statt, ob es sich bei dem festgestellten allgemeinen Anomaliezustand 6 um einen allgemeinen, nichtspezifischen Anomaliezustand 11, der kein spezifi scher Anomaliezustand ist, oder um einen spezifischen Anomaliezustand 12 han delt. Wird der Ist-Zustand als allgemeiner, nichtspezifischer Anomaliezustand 11 klassifiziert und beurteilt, so kann eine zweite Signalrückführung R2 für zukünftige Messungen 1 erfolgen Das Ergebnis dieser Beurteilung 10 kann ebenfalls als Ausgabesignal 13 über definierte Schnittstellen zur weiteren Signalverarbeitung 13.1 nach außen übermittelt werden oder in einem internen und/oder externen Speicher gesichert werden. Ein allgemeiner, aber kein spezifischer Anomaliezu stand 11 liegt vor, sofern ein allgemeiner Anomaliezustand 6 in Gestalt einer Stö rung des EC-Motors oder der Applikation diagnostiziert wird, der nicht als spezifi scher Anomaliezustand 12 zu beurteilen ist. Die weiteren Diagnosen von spezifi schen Anomalien C und D sind Zwischenstufen zwischen den Diagnosen A und B. Sie beschreiben die jeweils in Abhängigkeit vom Vorliegen eines entsprechenden Anomaliezustands auf der vorherigen - also in Figur 1 oberhalb dargestellten - Stufe A, C, D durchgeführte Überwachung auf das Vorliegen weiterer spezifischer Anomaliezustände, die stärker ausgeprägt sind als der allgemeine Anomaliezu stand 6 im Rahmen der Diagnose A und weniger stark ausgeprägt sind, als der spezifische Anomaliezustand 12 im Rahmen der Diagnose B. Auch die Ergebnisse der Beurteilungen im Rahmen der Diagnosen C und D können als Ausgabesignal zur weiteren Signalverarbeitung 14, 15 nach außen übermittelt werden. Insbe sondere bilden die Diagnosen A, B, C, D eine Kaskade. Insbesondere kann der spezifische Anomaliezustand 12 im Rahmen der Diagnose B ein kritischer Anoma liezustand sein.
Fig. 2 zeigt ebenfalls allgemein ein Ablaufdiagramm. Im linken Teil ist eine Diag nose einer allgemeinen Anomalie A schematisch dargestellt, die der Diagnose einer allgemeinen Anomalie A aus Fig. 1 entspricht. Die Diagnose einer spezifi schen Anomalie B ist in Fig. 2 jedoch nicht unterhalb der Diagnose einer allgemei nen Anomalie A dargestellt, sondern im rechten Teil von Fig. 2. Der Unterschied zwischen den beiden Ausführungsformen des Verfahrens aus Fig. 1 und Fig. 2 besteht darin, dass die Überwachung, ob ein spezifischer Anomaliezustand 12 vorliegt, im Verfahren gemäß Fig. 2 unabhängig von der Diagnose einer Anomalie A eingerichtet ist. Das bedeutet, dass die Diagnose einer spezifischen Anomalie B, also eines spezifischen Anomaliezustands 12, auch dann durchgeführt werden kann, wenn der aktuelle Ist-Zustand und/oder vorherige Ist-Zustände nicht als all gemeiner Anomaliezustand 6 klassifiziert worden sind. Damit ist die Realisierung unabhängiger bzw. bedingungsloser Klassifikatoren möglich. Da für die Über wachung auf das Vorliegen eines spezifischen Anomaliezustands 12 keine Klassi fizierung 4 des Ist-Zustands als allgemeinen Anomaliezustand 6 vorliegen muss, wird im Rahmen der Signalrückführung R2 nicht die Information transportiert, dass ein allgemeiner, nichtspezifischer Anomaliezustand 11 vorliegt, sondern lediglich die Information, dass ein spezifischer Anomaliezustand 12 nicht vorliegt 16. Ein allgemeiner, nichtspezifischer Anomaliezustand 11 kann mit dem Verfahren ge mäß Fig. 2 also dann diagnostiziert werden, wenn ein Ist-Zustand einerseits auf Grundlage der Kennwerte 2 als allgemeiner Anomaliezustand 6 klassifiziert wird, andererseits auf Grundlage der Kennwerte 8 jedoch nicht als spezifischer Anoma liezustand 12 beurteilt wird.
Wird der spezifische Anomaliezustand 12 unabhängig von einer vorausgehenden Klassifizierung 4 eines Ist-Zustands als allgemeiner Anomaliezustand 6 überwacht - etwa zur Überwachung eines natürlichen Verschleißes - so kann die Diagnose einer spezifischen Anomalie B, die einen zeitnahen Systemausfall untersucht, zu bestimmten Zeitpunkten oder fortlaufend durchgeführt werden. Die allgemeine Diagnose einer allgemeinen Anomalie A und/oder die Diagnose einer spezifischen Anomalie B können auch nur einzeln ausgeführt werden. Die Diagnose einer all gemeinen Anomalie A kann ohne eine weitere Überprüfung auf das Vorliegen ei nes spezifischen Anomaliezustands 12 durchgeführt werden. Somit ist ein mög licherweise allgemeiner Anomaliezustand 6, der möglicherweise als allgemeiner, nichtspezifischer Anomaliezustand 11 einzuordnen ist, auch dann erkennbar, wenn ein - möglicherweise aufgrund anderer Kennwerte oder anderer Grenz wertabweichungen erkannter - spezifischer Anomaliezustand 12 bereits erkannt worden ist. Die weiteren Diagnosen C und D in Fig. 2 können sich auf andere Bi närklassifikationen beziehen und insbesondere unabhängig von den Diagnosen A und B weitere abweichende spezifische Anomaliezustände überwachen, die sich auf abweichende und spezifische Schadensbilder beziehen. Andererseits können auch eine oder mehrere weitere Diagnosen C, D auf Zwischenstufen zwischen dem mit der Diagnose A überwachten allgemeinen Anomaliezustand 6 und dem mit der Diagnose B überwachten spezifischen Anomaliezustands 12 sein, insbe sondere wenn der spezifische Anomaliezustand 12 der Diagnose B ein kritischer Anomaliezustand ist. Diese Zwischenstufen bzw. das jeweilige Vorliegen deren spezifischer Anomaliezustände werden dann unabhängig überwacht.
Insgesamt kann eine oder können mehrere parallel oder in Serie geschaltete Di agnosen A, B, C, D anhand von einem oder mehreren aktuellen oder früheren Kennwerten in Bezug auf eine oder mehrere Komponenten des Ventilators und/oder seines Motors kontinuierlich oder zu definierten Zeitpunkten ausgeführt werden, wobei eine oder mehrere Schädigungsarten einer oder mehrerer Kompo nenten überwacht werden können.
Hinsichtlich weiterer vorteilhafter Ausgestaltungen der erfindungsgemäßen Vor richtung wird zur Vermeidung von Wiederholungen auf den allgemeinen Teil der Beschreibung sowie auf die beigefügten Ansprüche verwiesen.
Schließlich sei ausdrücklich darauf hingewiesen, dass die voranstehend be schriebenen Ausführungsbeispiele der erfindungsgemäßen Vorrichtung lediglich zur Erörterung der beanspruchten Lehre dienen, diese jedoch nicht auf die Aus- führungsbeispiele einschränken.
Bezugszeichenliste
A Diagnose einer allgemeinen Anomalie
1 Messung .1 Eingangssignal
2 Kennwerte
3 Vergleich .1 Grenzwerte
4 Klassifizieren
5 Anomaliefreier Normalzustand
6 Allgemeiner Anomaliezustand R1 Erste Signalrückführung
7 Ausgabesignal .1 Signalverarbeitung B Diagnose einer spezifischen Anomalie
8 Spezifische Kennwerte .1 Eingangssignal 9 Vergleich .1 Spezifische Grenzwerte
10 Beurteilung
11 Allgemeiner, nichtspezifischer Anomaliezustand
12 Spezifischer Anomaliezustand
13 Ausgabesignal
Signalverarbeitung
R2 Zweite Signalrückführung
C Diagnose einer spezifischen Anomalie als Zwischenstufe
D Diagnose einer spezifischen Anomalie als Zwischenstufe
14 Signalverarbeitung
15 Signalverarbeitung
16 Kein spezifischer Anomaliezustand

Claims

A n s p r ü c h e
1. Verfahren zur Überwachung des Betriebs eines Ventilators, wobei das Ver fahren die folgenden Schritte aufweist:
Durchführen mindestens einer Messung (1), indem mindestens ein Eingangssignal (2.1, 8.1) über mindestens einen Zeitraum erfasst wird,
Berechnen von Kennwerten (2, 8) eines Ist-Zustands auf Grundlage der gemessenen Eingangssignale (2.1, 8.1),
Vergleich (3, 9) der berechneten Kennwerte (2, 8) mindestens eines Ist-Zustands mit Grenzwerten (3.1, 9.1),
Klassifizieren (4) des Ist-Zustands anhand des Vergleichs (3) entwe der als einen anomaliefreien Normalzustand (5) oder als einen allgemeinen Anomaliezustand (6), und
Überwachen, ob mindestens ein spezifischer Anomaliezustand (12) vorliegt.
2. Verfahren nach Anspruch 1 , wobei die Kennwerte (2, 8) eines oder mehrere der folgenden umfassen:
Ergebnisse eines oder mehrerer früherer Vergleiche (3, 9), eine Drehrate des Ventilators, eine Beschleunigung in einer, zwei oder drei Raumachsen, mindestens eine Temperatur, einen Schalldruck, ein Drehmoment, einen Druck, insbesondere einen Betriebs- oder Umgebungsdruck,
Feuchtigkeitswerte, gemessene Kräfte, und/oder virtuelle Werte, beispielsweise mittels Softsensoren erfasst.
3. Verfahren nach einem der Ansprüche 1 oder 2, wobei aus mehreren Kennwerten (2, 8) mindestens ein weiterer Kennwert (2, 8) berechnet wird.
4. Verfahren nach einem der Ansprüche 1 bis 3, wobei die Überwachung, ob ein spezifischer Anomaliezustand (12) vorliegt, umfasst:
Berechnen von spezifischen Kennwerten (8) mindestens eines Zu stands auf Grundlage der gemessenen Eingangssignale (2.1, 8.1), spezifischer Vergleich (9) der berechneten spezifischen Kennwerte (8) mit spezifischen Grenzwerten (9.1),
Beurteilung (10), ob ein spezifischer Anomaliezustand (12) vorliegt, anhand des spezifischen Vergleichs (9), und/oder wobei die Überwachung, ob ein spezifischer Anomaliezustand (12) vorliegt, unabhängig von einer bereits erfolgten Klassifizierung eines Ist- Zustands als allgemeiner Anomaliezustand (6) ist.
5. Verfahren nach einem der Ansprüche 1 bis 4, wobei weitere spezifische Anomaliezustände (12) mit unterschiedlichen Ausprägungen definiert wer den und vorzugsweise Zwischenstufen bilden zwischen dem allgemeinen Anomaliezustand und einem kritischen spezifischen Anomaliezustand, in welchem eine signifikante Störung des Ventilators vorliegt, die ein unmittel bares Einschreiten erfordert.
6. Verfahren nach einem der Ansprüche 1 bis 5, wobei im Falle eines Klassifizierens (4) des Ist-Zustands als anomaliefreien Normalzustand (5) und/oder Beurteilung (10), dass ein allgemeiner Anoma liezustand nicht zugleich ein spezifischer Anomaliezustand (11) ist, und/oder Beurteilung (10), dass ein spezifischer Anomaliezustand nicht vor liegt (16), eine Signalrückführung (R1, R2) für mindestens eine zukünftige Messung (1) stattfindet.
7. Verfahren nach einem der Ansprüche 1 bis 6, weiter umfassend den Schritt:
Anpassung der Diagnose (A, B, C, D) unter Berücksichtigung von Ver gleichen (3, 9) von Kennwerten (2, 8) mindestens eines vergangenen Ist- Zustands mit Grenzwerten (3.1, 9.1). 8. Verfahren nach Anspruch 7, wobei die durch Messungen (1) ermittelten Kennwerte (2,
8) zur Berück sichtigung bei der zukünftigen Anpassung der Diagnose (A, B, C, D) vor- zugsweise mit Zeitstempel in einem Protokoll festgehalten werden.
9. Vorrichtung zur Überwachung des Betriebs eines Ventilators, umfassend: mindestens einen Sensor zum Erfassen mindestens eines Eingangs signals (2.1, 8.1) über mindestens einen Zeitraum zur Durchführung min- destens einer Messung (1), und eine Recheneinheit, die ausgebildet ist, um das Verfahren nach einem der Ansprüche 1 bis 8 auszuführen.
10. Ventilator mit einer Vorrichtung nach Anspruch 9.
PCT/DE2022/200055 2021-04-16 2022-03-23 Verfahren zur überwachung des betriebs eines ventilators, vorrichtung und ventilator WO2022218482A1 (de)

Priority Applications (5)

Application Number Priority Date Filing Date Title
US18/553,679 US20240247659A1 (en) 2021-04-16 2022-03-23 Method for monitoring the operation of a fan, apparatus and fan
BR112023019002A BR112023019002A2 (pt) 2021-04-16 2022-03-23 Método para monitoramento da operação de um ventilador, dispositivo e ventilador
JP2023562721A JP2024517383A (ja) 2021-04-16 2022-03-23 ファンの動作を監視する方法、装置およびファン
EP22718855.4A EP4153866A1 (de) 2021-04-16 2022-03-23 Verfahren zur überwachung des betriebs eines ventilators, vorrichtung und ventilator
CN202280028101.2A CN117178122A (zh) 2021-04-16 2022-03-23 用于监控风扇运行的方法、设备和风扇

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102021203806.9A DE102021203806A1 (de) 2021-04-16 2021-04-16 Verfahren zur Überwachung des Betriebs eines Ventilators, Vorrichtung und Ventilator
DE102021203806.9 2021-04-16

Publications (1)

Publication Number Publication Date
WO2022218482A1 true WO2022218482A1 (de) 2022-10-20

Family

ID=81387353

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/DE2022/200055 WO2022218482A1 (de) 2021-04-16 2022-03-23 Verfahren zur überwachung des betriebs eines ventilators, vorrichtung und ventilator

Country Status (7)

Country Link
US (1) US20240247659A1 (de)
EP (1) EP4153866A1 (de)
JP (1) JP2024517383A (de)
CN (1) CN117178122A (de)
BR (1) BR112023019002A2 (de)
DE (1) DE102021203806A1 (de)
WO (1) WO2022218482A1 (de)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102023103395A1 (de) 2023-02-13 2024-08-14 KSB SE & Co. KGaA Verfahren zur Erkennung einer Anomalie einer in einem Schacht oder Becken nasslaufend aufgestellten Abwasserpumpe
DE102023202590A1 (de) * 2023-03-22 2024-09-26 Ziehl-Abegg Se Verfahren zur Überwachung des Betriebs eines Ventilators auf einen Strömungsabriss, Vorrichtung, Ventilator und Computerprogrammprodukt
CN117662510B (zh) * 2024-01-02 2024-06-07 徐州中矿科光机电新技术有限公司 一种风机故障诊断系统及其方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080226442A1 (en) * 2007-03-14 2008-09-18 Technofan Fan with means for monitoring wear
DE102017206040A1 (de) * 2017-04-07 2018-10-11 BSH Hausgeräte GmbH System und Verfahren zur Zustandsüberwachung und/oder Fehlerdiagnose
CN111441983A (zh) * 2020-05-12 2020-07-24 南京海精电子技术有限公司 风机晃度监测系统及监测方法

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5625276A (en) * 1994-09-14 1997-04-29 Coleman Powermate, Inc. Controller for permanent magnet generator
US6271609B1 (en) * 1999-03-25 2001-08-07 General Electric Company Programmable electric motor and method of assembly
DE202005004382U1 (de) 2005-03-16 2005-06-09 Rempen, Thomas Verschleißindikatoren für Haushaltsgeräte mit abnutzbaren Bauteilen
DE102005023256A1 (de) 2005-05-20 2006-11-23 Deere & Company, Moline Überwachungseinrichtung und ein Verfahren zur Überwachung der Funktion der Komponenten einer landwirtschaftlichen Arbeitsmaschine
US7298110B2 (en) * 2005-09-28 2007-11-20 Caterpillar Inc. Integrated motor monitoring system
US20100049343A1 (en) * 2008-08-25 2010-02-25 International Business Machines Corporation Non-intrusive acoustic monitoring for equipment diagnostic and fault reporting
DE102008044652A1 (de) * 2008-08-27 2010-03-04 Nordex Energy Gmbh Verfahren zum Betreiben einer Windenergieanlage mit einer Windgeschwindigkeitsmesseinrichtung
US10591519B2 (en) * 2012-05-29 2020-03-17 Nutech Ventures Detecting faults in wind turbines
DE102012223237A1 (de) 2012-12-14 2014-06-18 BSH Bosch und Siemens Hausgeräte GmbH Analyse eines Geräusches eines Haushaltsgerätes
WO2015100632A1 (zh) * 2013-12-31 2015-07-09 西门子公司 燃气轮机运行参数检测故障的诊断方法
JP6673053B2 (ja) * 2016-06-28 2020-03-25 株式会社島津製作所 ロータ寿命推定装置および真空ポンプ
US11510338B2 (en) * 2019-02-01 2022-11-22 Arista Networks, Inc. Low temperature threshold fan gating
EP3961333A1 (de) * 2020-08-24 2022-03-02 Siemens Aktiengesellschaft System und verfahren zur bestimmung einer ursache einer betriebsanomalie einer maschine sowie computerprogramm und elektronisch lesbarer datenträger

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080226442A1 (en) * 2007-03-14 2008-09-18 Technofan Fan with means for monitoring wear
DE102017206040A1 (de) * 2017-04-07 2018-10-11 BSH Hausgeräte GmbH System und Verfahren zur Zustandsüberwachung und/oder Fehlerdiagnose
CN111441983A (zh) * 2020-05-12 2020-07-24 南京海精电子技术有限公司 风机晃度监测系统及监测方法

Also Published As

Publication number Publication date
DE102021203806A1 (de) 2022-10-20
JP2024517383A (ja) 2024-04-22
BR112023019002A2 (pt) 2023-10-24
US20240247659A1 (en) 2024-07-25
EP4153866A1 (de) 2023-03-29
CN117178122A (zh) 2023-12-05

Similar Documents

Publication Publication Date Title
WO2022218482A1 (de) Verfahren zur überwachung des betriebs eines ventilators, vorrichtung und ventilator
EP3436877B1 (de) Verfahren zur schwingungsdiagnostischen überwachung einer maschine
EP0895197B1 (de) Verfahren zum Überwachen von Anlagen mit mechanischen Komponenten
DE102010026678B4 (de) Überwachungs-und Diagnosesystem für ein Fluidenergiemaschinensystem sowie Fluidenergiemachinensystem
EP1761828A1 (de) Intelligenter antrieb
DE102019001972A1 (de) Störungserfassungsvorrichtung
EP3649033B1 (de) Verfahren zur untersuchung eines funktionsverhaltens einer komponente einer technischen anlage, computerprogramm und computerlesbares speichermedium
DE102007006966A1 (de) Antriebseinrichtung zum Antreiben von mehreren Achsen
EP2701020A1 (de) Überwachung einer ersten Ausrüstung einer technischen Anlage zur Herstellung eines Produkts
DE102012203002A1 (de) Überwachung einer Bahngeschwindigkeit einer Materialbahn
WO2020064712A1 (de) Verfahren zur verbesserung der priorisierung von meldungen, softwarekomponente, bedien- und beobachtungssystem und automatisierungssystem
EP3961333A1 (de) System und verfahren zur bestimmung einer ursache einer betriebsanomalie einer maschine sowie computerprogramm und elektronisch lesbarer datenträger
EP4100803B1 (de) Verfahren und vorrichtung zum betrieb einer maschine mit einem werkzeug
DE102021209846A1 (de) Überwachungsverfahren für einen fliegenden Kurbelscherenprozess für Plattenknüppel
DE102009027269A1 (de) System und Verfahren zur Überwachung des Zustands einer Maschine
DE102021110536A1 (de) Verfahren zur Überwachung einer Förderanlage mit Förderelementen, Computerprogramm sowie elektronisch lesbarer Datenträger
DE102013205353B4 (de) Verfahren zum Warten einer Maschine der Tabak verarbeitenden Industrie, und entsprechend eingerichtete Maschine
EP2206024B1 (de) Verfahren zur überwachung der güte eines regelkreises in einem kraftwerk
EP3963291B1 (de) Sensoranordnung zum überwachen eines technischen systems und verfahren zum betreiben einer sensoranordnung
DE102019107242A1 (de) Diagnoseverfahren, Diagnosesystem und Kraftfahrzeug
EP3805884A1 (de) Verfahren zur bestimmung und/oder klassifizierung eines bahnzustands einer warenbahn, computerprogrammprodukt, vorrichtung zur herstellung und industrielle anlage
WO2023222161A1 (de) Verfahren und vorrichtung zur erfassung von messdaten einer maschine sowie reifenheizpresse aufweisend eine vorrichtung zur erfassung von messdaten
EP4226494A1 (de) Verfahren zur überwachung eines oder mehrerer elektrischer antriebe einer elektromechanischen anlage
WO2024193772A1 (de) Verfahren zur überwachung des betriebs eines ventilators auf einen strömungsabriss, vorrichtung, ventilator und computerprogrammprodukt
WO2024153480A1 (de) Schwingungsueberwachung zur fehlererkennung bei der prozessautomatisierung

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 22718855

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2022718855

Country of ref document: EP

Effective date: 20221220

WWE Wipo information: entry into national phase

Ref document number: 18553679

Country of ref document: US

REG Reference to national code

Ref country code: BR

Ref legal event code: B01A

Ref document number: 112023019002

Country of ref document: BR

WWE Wipo information: entry into national phase

Ref document number: 2023562721

Country of ref document: JP

ENP Entry into the national phase

Ref document number: 112023019002

Country of ref document: BR

Kind code of ref document: A2

Effective date: 20230919

WWE Wipo information: entry into national phase

Ref document number: 202317077408

Country of ref document: IN

WWE Wipo information: entry into national phase

Ref document number: 2023126447

Country of ref document: RU