專利名稱：使用間斷檢測(cè)的機(jī)器狀況監(jiān)測(cè)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明一般地涉及機(jī)器狀況監(jiān)測(cè)，并且更特別地涉及使用間斷檢測(cè) 來(lái)進(jìn)行趨勢(shì)分析以用于機(jī)器狀況預(yù)報(bào)。
背景技術(shù)：
機(jī)器狀況監(jiān)測(cè)(MCM)是監(jiān)測(cè)一個(gè)或多個(gè)機(jī)器參數(shù)的過(guò)程，從而機(jī) 器參數(shù)的明顯變化能夠表明當(dāng)前或發(fā)展中的狀況(例如失靈、故障等)。 這樣的機(jī)器包括旋轉(zhuǎn)和固定機(jī)器，諸如渦輪機(jī)、鍋爐、熱交換器等。所 監(jiān)測(cè)機(jī)器的機(jī)器參數(shù)可能是可由適當(dāng)?shù)膫鞲衅鞅O(jiān)測(cè)的振動(dòng)、溫度、摩擦、 用電量(electrical usage )、功耗、聲音等。這些傳感器的輸出可具 有傳感器信號(hào)或類似的信號(hào)形式和/或可被集合成傳感器信號(hào)或類似信 號(hào)。
一般地，狀況(condition)是機(jī)器參數(shù)與閾值的比較。例如，可 利用等式和/或不等式運(yùn)算符如<，=，>，*，=， <， >等將機(jī)器參數(shù) 值與閾值進(jìn)行比較。因此，狀況信號(hào)是基于機(jī)器參數(shù)值的信號(hào)(例如， 多個(gè)機(jī)器參數(shù)值分組為離散或連續(xù)的信號(hào))。因?yàn)闄C(jī)器傳感器易受一定 量的不確定性、誤差、噪聲等等的影響，所以狀況信號(hào)由實(shí)際信號(hào)以及 一定量的噪聲組成。
機(jī)器狀況監(jiān)測(cè)系統(tǒng)一般使用多個(gè)規(guī)則來(lái)限定待監(jiān)測(cè)的機(jī)器參數(shù)和 關(guān)于那些機(jī)器參數(shù)的(例如表明狀況變化的)關(guān)鍵信息。在某些情況下， 成百上千的傳感器監(jiān)測(cè)和/或記錄這些機(jī)器參數(shù)。然后，這些傳感器的 輸出(例如傳感器信號(hào)、傳感器估計(jì)、傳感器殘數(shù)(residue)等)可 被用作一個(gè)或多個(gè)規(guī)則的輸入。規(guī)則用于檢測(cè)故障，但是規(guī)則必須將故 障(例如錯(cuò)誤警報(bào))的不當(dāng)指示最小化。通常，簡(jiǎn)單規(guī)則被構(gòu)造為指示 性的條件邏輯操作(例如，"如果-則"語(yǔ)句)。規(guī)則的輸入，即"如果"，是如上所述的狀況(例如，如果機(jī)器參數(shù)A〉閾值B)，而規(guī)則的輸出， 即"則"，是故障(例如，則故障類型l)。
MCM中的故障預(yù)報(bào)用于預(yù)測(cè)機(jī)器的未來(lái)參數(shù)值和/或狀況信號(hào)。也就 是說(shuō)，故障預(yù)報(bào)試圖確定故障狀況或其它重要的機(jī)器事件將在什么時(shí)候 發(fā)生?？刹扇☆A(yù)防性的維護(hù)或其它動(dòng)作來(lái)預(yù)防這些故障。
目前，機(jī)器狀況監(jiān)測(cè)故障預(yù)報(bào)依賴于狀況信號(hào)的趨勢(shì)分析。對(duì)當(dāng)前 的和以前的機(jī)器參數(shù)值進(jìn)行分析以確定狀況趨勢(shì)。通過(guò)確定逼近該趨勢(shì) 的方程如多項(xiàng)式方程來(lái)確定狀況趨勢(shì)?；谠撢厔?shì)分析，可確定機(jī)器的 未來(lái)狀況。然而，這種基本的趨勢(shì)分析不能考慮到狀況信號(hào)中的間斷。 也就是說(shuō)，MCM中的當(dāng)前趨勢(shì)分析容易錯(cuò)誤地預(yù)測(cè)趨勢(shì)并因而錯(cuò)誤地預(yù) 測(cè)失靈時(shí)間。
因此，需要替換方法用以在機(jī)器狀況監(jiān)測(cè)期間分析趨勢(shì)并檢測(cè)間斷。

發(fā)明內(nèi)容
本發(fā)明提供用于通過(guò)檢測(cè)和補(bǔ)償觀察信號(hào)中的間斷來(lái)進(jìn)行機(jī)器狀 況監(jiān)測(cè)和故障檢測(cè)的方法和儀器。觀察機(jī)器的狀況信號(hào)并在狀況信號(hào)中 檢測(cè)到 一 個(gè)或多個(gè)間斷。(例如通過(guò)將移動(dòng)因子應(yīng)用于這些信號(hào)的模型 來(lái))補(bǔ)償狀況信號(hào)中的間斷并確定所補(bǔ)償?shù)臓顩r信號(hào)的趨勢(shì)。所述趨勢(shì) 被用于預(yù)測(cè)機(jī)器中的未來(lái)故障狀況。
在一些實(shí)施例中，包含觀察模型和演化模型的卡爾曼濾波器被用于 確定所迷趨勢(shì)。使用假設(shè)測(cè)試來(lái)檢測(cè)觀察信號(hào)中的間斷。確定狀況信號(hào) 中的間斷概率和在給定觀察狀況信號(hào)情況下實(shí)際狀況信號(hào)的條件概率。 迭代地確定在給定所接收的狀況信號(hào)和移動(dòng)因子情況下的移動(dòng)因子和 實(shí)際信號(hào)的條件概率，直到達(dá)到在給定所接收的狀況信號(hào)和移動(dòng)因子情 況下實(shí)際信號(hào)的最大條件概率。通過(guò)將狀況信號(hào)中的不間斷概率與給定所 接收的狀況信號(hào)情況下實(shí)際狀況信號(hào)的條件概率相乘來(lái)計(jì)算第一間斷評(píng)估。 類似地，通過(guò)將狀況信號(hào)中的間斷概率與給定所接收的狀況信號(hào)情況下實(shí)際 狀況信號(hào)的條件概率相乘來(lái)計(jì)算第二間斷評(píng)估。最后，只在第二間斷評(píng)估大 于第一間斷評(píng)估時(shí)，才表明狀況信號(hào)中存在間斷。
通過(guò)參考下面的詳細(xì)說(shuō)明和附圖，本發(fā)明的這些和其它優(yōu)點(diǎn)將對(duì)本 領(lǐng)域的技術(shù)人員來(lái)說(shuō)是顯而易見(jiàn)的。
8


圖l繪出狀況信號(hào)的圖表；
圖2繪出狀況信號(hào)和現(xiàn)有技術(shù)趨勢(shì)分析曲線的圖表；
圖3繪出根據(jù)本發(fā)明實(shí)施例的狀況信號(hào)和趨勢(shì)分析曲線的圖表；
圖4是根據(jù)本發(fā)明實(shí)施例的機(jī)器狀況監(jiān)測(cè)的方法的流程圖6是根據(jù)本發(fā)明實(shí)施例的機(jī)器狀況監(jiān)測(cè)系統(tǒng)的圖示；
圖6是計(jì)算機(jī)的示意圖。
具體實(shí)施例方式
本發(fā)明 一般性地提供用于在機(jī)器狀況監(jiān)測(cè)期間使用間斷檢測(cè)來(lái)準(zhǔn) 確地預(yù)測(cè)故障的方法和儀器。雖然在此所討論的是機(jī)器狀況監(jiān)測(cè)的方法 及其狀況信號(hào)的趨勢(shì)分析，但是本領(lǐng)域的技術(shù)人員將認(rèn)識(shí)到，在此所述 的趨勢(shì)分析中的間斷檢測(cè)并不限于機(jī)器狀況監(jiān)測(cè)，而是可擴(kuò)展到任何需 要檢測(cè)信號(hào)中的間斷的適當(dāng)系統(tǒng)。因而，本發(fā)明可應(yīng)用于任何適當(dāng)?shù)念A(yù) 告方法或算法，諸如天氣預(yù)告、社會(huì)和/或行為模式、結(jié)構(gòu)體系 (architecture )等。
圖1-3繪出在機(jī)器狀況監(jiān)測(cè)期間所使用的信號(hào)(例如，狀況信號(hào)、 機(jī)器狀況信號(hào)等)。這些信號(hào)可表示由機(jī)器的一個(gè)或多個(gè)傳感器所獲得 的機(jī)器參數(shù)值。雖然被表示為信號(hào)的圖表，但是應(yīng)當(dāng)理解，這些圖表表 示實(shí)際獲得的(例如測(cè)量到的)待分析信號(hào)。出于說(shuō)明本發(fā)明實(shí)施例的 目的，在圖1-3中繪出相同的信號(hào)。圖1提供狀況信號(hào)100和與其相 關(guān)的某些特征的概覽；圖2示出趨勢(shì)分析的現(xiàn)有技術(shù)方法；圖3繪出根
據(jù)本發(fā)明實(shí)施例的趨勢(shì)分析。
圖1繪出狀況信號(hào)100的圖表。狀況信號(hào)100可能是表明當(dāng)前機(jī)器 狀況的狀況信號(hào)。例如，狀況信號(hào)IOO可能是特定機(jī)器的溫度測(cè)量。在 MCM中，該機(jī)器可能服從閾值規(guī)則，諸如"如果溫度>14,則存在溫度 故障。"也就是說(shuō)，當(dāng)所測(cè)得的溫度超過(guò)閾值102 (例如超過(guò)14)時(shí)， 則達(dá)到故障狀況，這可表明機(jī)器失靈、需要維護(hù)等等。如上面所討論的， 希望預(yù)測(cè)規(guī)則的輸入何時(shí)為真以及何時(shí)輸出故障(例如，當(dāng)狀況信號(hào)100 跨過(guò)閾值102時(shí))。
狀況信號(hào)100可具有一個(gè)或多個(gè)間斷104(例如偏移(shift))。在
9圖l-3的示例中，狀況信號(hào)100具有大約在第80個(gè)和第120個(gè)參數(shù)值 (例如，在時(shí)刻(t) 80和IOO)之間的大約為幅度(magnitude) 10 的間斷104。然而，因?yàn)闋顩r信號(hào)100沒(méi)有達(dá)到閾值102 (例如，沒(méi)有 超過(guò)14)，所以不應(yīng)該給出和/或指示警報(bào)、故障或故障狀況。如在此所 討論的，"間斷"或偏移類似于數(shù)學(xué)中的跳躍型間斷，但是與數(shù)學(xué)中的 跳躍型間斷有所區(qū)別。狀況信號(hào)IOO是在每個(gè)時(shí)刻t都具有不同參數(shù)值 的連續(xù)信號(hào)。在本發(fā)明的情況下，間斷是狀況信號(hào)參數(shù)值的快速和劇烈 偏移，當(dāng)為這些偏移建模時(shí)，這些偏移導(dǎo)致對(duì)狀況信號(hào)進(jìn)行估計(jì)的方程 的明顯變化，而這些明顯變化呈現(xiàn)為故障趨勢(shì)。換句話說(shuō)，任何比演化 模型所描繪的變化得更快速的狀況信號(hào)都能夠被視為具有間斷。
圖2繪出狀況信號(hào)100的常規(guī)分析圖表。也就是說(shuō)，在如圖1所示 的狀況信號(hào)100的圖表上加上了現(xiàn)有技術(shù)趨勢(shì)分析曲線202。通過(guò)為趨 勢(shì)分析曲線202確定方程或者以其它方式為趨勢(shì)分析曲線202建模，可 做出測(cè)得的溫度將什么時(shí)候超過(guò)閾值102的預(yù)測(cè)。
大約從第200個(gè)參數(shù)值開(kāi)始，狀況信號(hào)IOO展現(xiàn)出向上趨向閾值102 (未在圖2中示出)的基本上線性的趨勢(shì)204。然而，因?yàn)殚g斷1(M不 促使?fàn)顩r信號(hào)IOO超過(guò)閾值102 (例如，間斷104是溫度方面不明的、 但不合理的尖峰)，所以趨勢(shì)分析不應(yīng)該示出在大約第80個(gè)和第HO個(gè) 參數(shù)值之間的趨勢(shì)。更確切地說(shuō)，趨勢(shì)分析曲線202只應(yīng)該示出在大約
第200個(gè)參數(shù)值之后的趨勢(shì)204。
常規(guī)的趨勢(shì)分析將輸入信號(hào)(例如狀況信號(hào)100)擬合為多項(xiàng)式曲
線以確定趨勢(shì)分析曲線202。卡爾曼濾波器在這種趨勢(shì)分析中得到廣泛
使用。眾所周知，卡爾曼濾波器是從一系列不完整的和/或有噪聲的測(cè)
量中估計(jì)動(dòng)態(tài)系統(tǒng)狀態(tài)的遞歸濾波器。這些卡爾曼濾波器具有觀察模型
和演化模型。能夠通過(guò)乂 = ^ + "(來(lái)描述該觀察模型，其中少,是所觀察的
狀況信號(hào)100， & (例如趨勢(shì)分析曲線202 )是實(shí)際信號(hào)(例如所觀察
的狀況信號(hào)100的實(shí)際信號(hào)分量)或?qū)嶋H信號(hào)的估計(jì)(例如表明"真實(shí)"
或"精確，，參數(shù)值的信號(hào))，而",是狀況信號(hào)100的高斯噪聲分量。由
此演化模型能夠被描述為
V—1 At-、—
0 1
,，其中v'是^的一階導(dǎo)數(shù)(例如速度)，At是時(shí)間分辨率，而w'是補(bǔ)償演化模型的任何不確定性(例
如誤差)的高斯噪聲向量。
在運(yùn)算期間，w,和w,的參數(shù)都可(例如由用戶)進(jìn)行預(yù)置和/或從訓(xùn) 練數(shù)據(jù)中學(xué)習(xí)到。演化模型描述了當(dāng)前實(shí)際信號(hào)x,和當(dāng)前導(dǎo)數(shù)v,與它們 上一時(shí)間間隔的值&和、如何關(guān)聯(lián)。當(dāng)然，可在演化模型中包括表示x, 的二階導(dǎo)數(shù)(例如加速度)、x,的三階導(dǎo)數(shù)(例如加加速度)等的x,的高 階導(dǎo)數(shù)。在此，出于圖解說(shuō)明的簡(jiǎn)化目的，沒(méi)有將高階導(dǎo)數(shù)包括進(jìn)來(lái)。 使用觀察模型和演化模型，卡爾曼濾波器從所有的歷史觀察點(diǎn) 乂,A,...,;;,推斷出、和v,。 一旦可以獲得x和v在時(shí)刻t的估計(jì)，則可在某 個(gè)未來(lái)時(shí)刻預(yù)測(cè)x的值。例如，在未來(lái)時(shí)刻Z + AZ所預(yù)測(cè)的x的值只是 + v(。
當(dāng)前的^由其一階泰勒級(jí)數(shù)jc,Xw + A,",誤差項(xiàng)來(lái)近似。當(dāng)前的v, 由其零階泰勒級(jí)數(shù)^=^+誤差項(xiàng)來(lái)近似?？柭鼮V波器的成功依賴于 演化模型與(如信號(hào)100中的)參數(shù)值相擬合的準(zhǔn)確程度，并且特別依 賴于泰勒級(jí)數(shù)近似的準(zhǔn)確程度。然而在某些情況下，在存在"'的間斷的 地方，上述演化模型不再是x'的良好近似，并且如在下面參照方法400 以及圖3和4所述的那樣，需要特殊處理。
在此所述的常規(guī)卡爾曼濾波器產(chǎn)生如圖2所示的趨勢(shì)分析曲線202 (例如A的估計(jì))。趨勢(shì)分析曲線202在大約第200個(gè)參數(shù)值之后示出 線性趨勢(shì)204。然而，趨勢(shì)分析曲線202分別在大約第80個(gè)數(shù)據(jù)點(diǎn)和大 約第120個(gè)數(shù)據(jù)點(diǎn)附近錯(cuò)誤地示出兩個(gè)趨勢(shì)206和208，這因此導(dǎo)致了 錯(cuò)誤警報(bào)、對(duì)規(guī)則的不當(dāng)觸發(fā)、不正確的故障等。也就是說(shuō)，如果使用 趨勢(shì)分析曲線202來(lái)做出故障預(yù)測(cè)，則趨勢(shì)206將導(dǎo)致會(huì)在大約第120 個(gè)參數(shù)值(例如時(shí)間記錄等)處發(fā)生故障的不正確結(jié)論。
圖3繪出狀況信號(hào)IOO和改善的趨勢(shì)分析曲線302的圖表。也就是 說(shuō)，在圖1和圖2所示的狀況信號(hào)100的圖表上加上了根據(jù)下面參照?qǐng)D 4所述方法所確定的趨勢(shì)分析曲線302。類似于上面參照?qǐng)D2所述的趨 勢(shì)分析曲線202，通過(guò)為趨勢(shì)分析曲線302確定方程或者以其它方式為 趨勢(shì)分析曲線302建模，可做出關(guān)于所測(cè)得的溫度在什么時(shí)候?qū)⒊^(guò)閾 值102的預(yù)測(cè)。然而，改善的趨勢(shì)分析曲線302預(yù)測(cè)并考慮到了偏移104 而沒(méi)有圖2的錯(cuò)誤的趨勢(shì)206和208。趨勢(shì)分析曲線302在現(xiàn)有趨勢(shì)分 析曲線202的基礎(chǔ)上得到改善，因?yàn)橼厔?shì)分析曲線302不產(chǎn)生誤判(例如錯(cuò)誤的趨勢(shì)206 )和隨之而來(lái)的故障預(yù)測(cè)(例如跨過(guò)閾值102 )。
圖4是機(jī)器狀況監(jiān)測(cè)的方法400的流程圖。在至少一個(gè)實(shí)施例中， 方法400的方法步驟可被用于預(yù)測(cè)和/或檢測(cè)故障狀況?？墒褂肕CM計(jì) 算才凡一諸如下面參照?qǐng)D6所述的計(jì)算機(jī)600—來(lái)預(yù)測(cè)和/或檢測(cè)機(jī)器中 的故障。如上面所討論的，雖然為了解釋的簡(jiǎn)單性而在下面參照MCM和 圖1-3來(lái)描述方法400，但是方法400可被廣泛地應(yīng)用于需要趨勢(shì)分析 的任何系統(tǒng)。該方法從步驟402開(kāi)始。
在步驟404,接收狀況信號(hào)(例如狀況信號(hào)100 )。該狀況信號(hào)可能 是從機(jī)器上的一個(gè)或多個(gè)傳感器接收到的一個(gè)或多個(gè)參數(shù)值。也就是 說(shuō)，該狀況信號(hào)可能是如在上面參照?qǐng)D1-3所述的實(shí)際觀察信號(hào)。
在步驟406，執(zhí)行測(cè)試以確定在狀況信號(hào)100中是否檢測(cè)到了間斷 104?？赏ㄟ^(guò)在每個(gè)時(shí)間間隔執(zhí)行假設(shè)測(cè)試來(lái)確定間斷l(xiāng)(M的存在。
一般地，二進(jìn)制變量A表示時(shí)刻t處的間斷事件。如果&=1，則發(fā) 生間斷事件；如果^=0，則沒(méi)有發(fā)生間斷事件。這樣的間斷事件發(fā)生的 概率是/^(=1) = / 。間斷事件的概率p可由用戶輸入、可使用歷史數(shù)據(jù)來(lái) 確定、可使用訓(xùn)練數(shù)據(jù)來(lái)確定、可近似、和/或可通過(guò)任何其它適當(dāng)方 法來(lái)確定。在至少一個(gè)實(shí)施例中，間斷事件概率p被設(shè)為0.01，這表明 間斷事件不大可能發(fā)生?？纱_定和/或使用其它適當(dāng)?shù)母怕蕄。
對(duì)于步驟406中的假設(shè)測(cè)試，//。表明在時(shí)刻t沒(méi)有發(fā)生間斷事件。 可使用評(píng)估函數(shù)來(lái)確定仏。//。的評(píng)估函數(shù)是i^,0)"O;^)，其中 = o) = (1 -P)，而是在根據(jù)上述卡爾曼濾波器給定估計(jì)x(情況下 的^的條件概率。條件概率ny^)可根據(jù)上述觀察模型計(jì)算出，并且表 明原卡爾曼濾波器擬合數(shù)據(jù)(例如狀況信號(hào)IOO)的良好程度。
仏表明在時(shí)刻t確實(shí)發(fā)生了間斷事件。//,的評(píng)估函數(shù)是
/^(二1)*戶0^(,0,其中m,是移動(dòng)因子(例如移動(dòng)趨勢(shì)分析曲線302的一 部分從而考慮到間斷104的因子)。利用移動(dòng)因子m,，用于原信號(hào)^的 原演化方程變?yōu)閞^^，+w,+A,"(+誤差項(xiàng)。最大的條件概率尸(x卜(,w,)可 通過(guò)迭代地確定其它移動(dòng)因子和搜尋使尸0^x,，O最大化的移動(dòng)因子m, 來(lái)確定。因?yàn)镻(乂l;w,)是高斯概率密度函數(shù)，所以使P(乂h，w)最大化等于使f^'—A:^n最小化，其中C7是觀察噪聲的預(yù)置標(biāo)準(zhǔn)偏差或所學(xué)習(xí)
到的標(biāo)準(zhǔn)偏差。對(duì)于每個(gè)可能的移動(dòng)因子m,,可將過(guò)去的實(shí)際信號(hào)和當(dāng) 前的移動(dòng)因子(例如、,+附，)而不是過(guò)去的實(shí)際信號(hào)(例如v,)輸入給 卡爾曼濾波器，如在上面參照?qǐng)D2所述那樣，并且可計(jì)算出新的、。
如果尸h =0)尸(>^)<尸(^=i)ny,|x(,w,)，則確定已經(jīng)發(fā)生了間斷事件(例
如間斷104)(例如檢測(cè)到間斷)，并且該方法轉(zhuǎn)到步驟408。如果間斷 事件發(fā)生(例如//,)的評(píng)估函數(shù)沒(méi)有被確定為大于間斷事件沒(méi)有發(fā)生(例 如//。)的評(píng)估函數(shù)，則確定沒(méi)有發(fā)生間斷事件(例如間斷104)，并且 方法400將控制返回到步驟404來(lái)繼續(xù)接收狀況信號(hào)100 (例如接收進(jìn) 一步的參數(shù)值)。應(yīng)該注意，即使通過(guò)調(diào)整移動(dòng)因子w,而實(shí)現(xiàn)了高條件 概率尸0^,m》，但是由于間斷事件的小概率尸(^=1)，也一般不在上述假 設(shè)測(cè)試方法步驟406中選擇^。這有效地減少了誤判(例如不當(dāng)故障、 錯(cuò)誤的報(bào)警等)。
在步驟408，在演化模型中(例如在趨勢(shì)分析曲線302中)補(bǔ)償間 斷104?？赏ㄟ^(guò)在演化模型中插入移動(dòng)因子來(lái)補(bǔ)償間斷104。該移動(dòng)因 子減輕了間斷104對(duì)整個(gè)趨勢(shì)的影響。也就是說(shuō)，在圖l-3的示例中， 添加偏移以考慮間斷104的上升沿，并且去除偏移以考慮間斷l(xiāng)(M的下 降沿，如圖3所示。因而，當(dāng)整個(gè)趨勢(shì)分析曲線302被確定時(shí)，將消除 間斷。如上所述，將^添加到演4匕模型x^;^+m, + A"v,。換句話i兌， 標(biāo)準(zhǔn)卡爾曼濾波器具有輸入&和輸出x,。在本發(fā)明的至少一個(gè)實(shí)施例 中，卡爾曼濾波器被用:^+m,輸入并輸出A。當(dāng)然，可適當(dāng)?shù)厥褂闷渌?br> 濾波器。例如，可使用用于對(duì)真正的基本信號(hào)進(jìn)行降噪和估計(jì)的其它估 計(jì)算法?？稍跁r(shí)間窗中將多項(xiàng)式曲線與狀況信號(hào)擬合，并且該擬合曲線 可被應(yīng)用于預(yù)測(cè)未來(lái)信號(hào)。
在步驟410，確定趨勢(shì)。在至少一個(gè)實(shí)施例中，趨勢(shì)是圖3的趨勢(shì) 分析曲線302?？墒褂萌缟纤龅目柭鼮V波器來(lái)確定該趨勢(shì)。也就是 說(shuō)，可通過(guò)在步驟408中向演化模型添加移動(dòng)因子來(lái)補(bǔ)償間斷104，并 且卡爾曼濾波器可產(chǎn)生狀況信號(hào)100的模型(例如趨勢(shì)分析曲線302 )。
在某些實(shí)施例中，趨勢(shì)分析曲線302可在步驟412中被用于預(yù)測(cè)一 個(gè)或多個(gè)故障狀況。換句話說(shuō)，可使用趨勢(shì)分析曲線302來(lái)計(jì)算一個(gè)或多個(gè)未來(lái)的故障狀況。在至少一個(gè)實(shí)施例中，該故障狀況表明參數(shù)值(例
如狀況信號(hào)100的一部分)超過(guò)閾值(例如閾值102)。可在特定時(shí)刻或時(shí)間范圍內(nèi)至少部分地基于在步驟410中確定的經(jīng)過(guò)補(bǔ)償?shù)臓顩r信號(hào)的趨勢(shì)來(lái)預(yù)測(cè)該故障狀況。在替換實(shí)施例中，可將趨勢(shì)分析曲線302 (例如經(jīng)由在下面參照?qǐng)D6所述的1/0裝置610)輸出給用戶，從而用戶可預(yù)測(cè)未來(lái)故障。
該方法在步驟414結(jié)束。
圖5繪出了根據(jù)本發(fā)明實(shí)施例的機(jī)器狀況監(jiān)測(cè)系統(tǒng)500。機(jī)器狀況監(jiān)測(cè)(MCM)系統(tǒng)500可被兼用于在上面參照?qǐng)D4和圖3的方法400所述的趨勢(shì)分析以及一般的機(jī)器狀況監(jiān)測(cè)。MCM系統(tǒng)500監(jiān)測(cè)一個(gè)或多個(gè)機(jī)器502，每個(gè)機(jī)器502都具有一個(gè)或多個(gè)傳感器504。在趨勢(shì)分析計(jì)算機(jī)506處接收傳感器504的輸出，該趨勢(shì)分析計(jì)算機(jī)506如在上面參照?qǐng)D3和圖4所述的那樣分析從傳感器104輸出的信號(hào)(例如狀況信號(hào)100等)的趨勢(shì)。
機(jī)器502可能是具有一個(gè)或多個(gè)可監(jiān)測(cè)機(jī)器參數(shù)的任何裝置或系統(tǒng)，所述機(jī)器參數(shù)可由傳感器504監(jiān)測(cè)。示例性機(jī)器502包括旋轉(zhuǎn)和固定機(jī)器，諸如渦輪機(jī)、鍋爐、熱交換器等。
傳感器504是測(cè)量物理量(quantity)并將該物理量轉(zhuǎn)換為能夠被觀察者和/或被已知儀表所讀取的信號(hào)的任何裝置。傳感器504可測(cè)量機(jī)器502的機(jī)器參數(shù)，諸如振動(dòng)、溫度、摩擦、用電量、功耗、聲音等。傳感器504的輸出可具有圖1-3所繪的狀況信號(hào)(例如狀況信號(hào)100)的形式和/或可被集合成圖l-3所繪的狀況信號(hào)(例如狀況信號(hào)100)。
在一些實(shí)施例中，趨勢(shì)分析計(jì)算機(jī)506可在一個(gè)或多個(gè)計(jì)算機(jī)上實(shí)施和/或連同一個(gè)或多個(gè)計(jì)算機(jī)實(shí)施，所述一個(gè)或多個(gè)計(jì)算機(jī)諸如是下面參照?qǐng)D6所述的計(jì)算機(jī)600。
圖6是根據(jù)本發(fā)明實(shí)施例的計(jì)算機(jī)600的示意圖。計(jì)算機(jī)600可執(zhí)行方法400的方法步驟。
計(jì)算機(jī)600包括通過(guò)執(zhí)行計(jì)算機(jī)程序指令來(lái)控制計(jì)算機(jī)600的整個(gè)運(yùn)行的處理器602，所述計(jì)算機(jī)程序指令限定了這種運(yùn)算。計(jì)算機(jī)程序指令可存儲(chǔ)在存儲(chǔ)裝置604 (例如磁盤(pán)、數(shù)據(jù)庫(kù)等)中，并在希望執(zhí)行該計(jì)算機(jī)程序指令時(shí)被裝載到內(nèi)存606中。因而，在方法400中，用于執(zhí)行在此所述方法步驟一諸如間斷檢測(cè)、故障檢測(cè)和機(jī)器狀況監(jiān)測(cè)一的
14儲(chǔ)器604中的計(jì)算機(jī)程序指令來(lái)限定并且由執(zhí)行該計(jì)算機(jī)程序指令的處理器602來(lái)控制。計(jì)算機(jī)600還可包括用于經(jīng)由網(wǎng)絡(luò)與其它裝置通信的一個(gè)或多個(gè)網(wǎng)絡(luò)接口 608。計(jì)算機(jī)600還包括使得用戶能夠與計(jì)算機(jī)600交互的輸入/輸出裝置610(例如顯示器、鍵盤(pán)、鼠標(biāo)、揚(yáng)聲器、按鈕等)。計(jì)算機(jī)600和/或處理器602可包括一個(gè)或多個(gè)中央處理單元、只讀存儲(chǔ)器(ROM)裝置和/或隨機(jī)訪問(wèn)存儲(chǔ)器(MM)裝置。本領(lǐng)域技術(shù)人員將認(rèn)識(shí)到，實(shí)際控制器的實(shí)施
還可能包含其它部件，而圖6的控制器是用于說(shuō)明目的的這種控制器的其中一些部件的高級(jí)表示。
根據(jù)本發(fā)明的一些實(shí)施例，程序(例如控制器軟件)的指令可被讀入內(nèi)存606,諸如從ROM裝置到RAM裝置或從LAN適配器到RAM裝置。執(zhí)行程序中的指令序列可促使計(jì)算機(jī)6 0 0執(zhí)行在此所述的一個(gè)或多個(gè)方法步驟，諸如在上面參照方法400所述的方法步驟。在替換實(shí)施例中，硬連線電路或集成電路可代替軟件指令或與軟件指令結(jié)合使用以便實(shí)施本發(fā)明的過(guò)程。因而，本發(fā)明的實(shí)施例不限于硬件、固件和/或軟件的任何特定組合。內(nèi)存606可為計(jì)算機(jī)600存儲(chǔ)軟件，該計(jì)算機(jī)600可適于執(zhí)行該軟件程序并因此適于根據(jù)本發(fā)明、特別是根據(jù)在上面詳細(xì)描述的方法來(lái)運(yùn)行。然而，本領(lǐng)域技術(shù)人員應(yīng)當(dāng)理解，在此所述的本發(fā)明可使用廣泛的編程技術(shù)以及通用硬件子系統(tǒng)或?qū)Ｓ每刂破鱽?lái)以許多不同方式實(shí)施。
可用壓縮、未編譯、和/或加密格式來(lái)存儲(chǔ)這樣的程序。另外，該程序可包括普遍適用的程序元素，諸如操作系統(tǒng)、數(shù)據(jù)庫(kù)管理系統(tǒng)和裝置驅(qū)動(dòng)程序，以允許控制器與計(jì)算機(jī)外圍裝置和其它的裝置/部件進(jìn)行接口。適當(dāng)?shù)耐ㄓ贸绦蛟貙?duì)于本領(lǐng)域技術(shù)人員來(lái)說(shuō)是公知的，因此不需要在此詳細(xì)描述。
而不是限制性的，并且在此公開(kāi)的本發(fā)明的范圍不應(yīng)根據(jù)該具體實(shí)施方式
來(lái)確定，而是應(yīng)當(dāng)根據(jù)按照專利法所允許的全部寬度所解釋的權(quán)利要求來(lái)確定。應(yīng)當(dāng)理解，在此所述和所示的實(shí)施例對(duì)于本發(fā)明的原理只是說(shuō)明性的，并且本領(lǐng)域技術(shù)人員可在不脫離本發(fā)明精神和范圍的情況下實(shí)施各種修改。本領(lǐng)域技術(shù)人員能夠在不脫離本發(fā)明精神和范圍的情況下實(shí)施各種其它的特征組合。
權(quán)利要求
1.一種機(jī)器狀況監(jiān)測(cè)的方法，包括接收狀況信號(hào)；檢測(cè)狀況信號(hào)中的間斷；補(bǔ)償狀況信號(hào)中的間斷；以及確定所補(bǔ)償?shù)臓顩r信號(hào)的趨勢(shì)。
2. 根據(jù)權(quán)利要求1所述的方法，其中所述狀況信號(hào)包括實(shí)際狀況分量和噪聲分量。
3. 根據(jù)權(quán)利要求2所述的方法，其中檢測(cè)狀況信號(hào)中的間斷包括(a) 確定狀況信號(hào)中的間斷概率；(b) 在給定所接收的狀況信號(hào)的情況下確定實(shí)際狀況信號(hào)的條件概率；(c) 確定移動(dòng)因子；(d) 在給定所接收的狀況信號(hào)和(c)的移動(dòng)因子情況下確定實(shí)際信號(hào)的條件概率；(e) 迭代地重復(fù)(c)和(d);(f )在給定所接收的狀況信號(hào)和移動(dòng)因子的情況下選擇實(shí)際信號(hào)的最大條件概率；(g )通過(guò)將狀況信號(hào)中的不間斷概率與給定所接收的狀況信號(hào)情況下實(shí)際狀況信號(hào)的條件概率相乘來(lái)確定第一間斷評(píng)估；(h )通過(guò)將狀況信號(hào)中的間斷概率與給定所接收的狀況信號(hào)情況下實(shí)際狀況信號(hào)的條件概率相乘來(lái)確定第二間斷評(píng)估；以及(i)只在第二間斷評(píng)估大于第 一間斷評(píng)估時(shí)，才表明狀況信號(hào)中存在間斷。
4. 根據(jù)權(quán)利要求2所述的方法，進(jìn)一步包括利用卡爾曼濾波器來(lái)確定實(shí)際狀況信號(hào)。
5. 根據(jù)權(quán)利要求4所述的方法，其中卡爾曼濾波器包括狀況信號(hào)的觀察模型和狀況信號(hào)的演化模型，并且補(bǔ)償狀況信號(hào)中的間斷包括將移動(dòng)因子應(yīng)用于狀況信號(hào)的演化模型。
6. 根據(jù)權(quán)利要求3所述的方法，其中補(bǔ)償狀況信號(hào)中的間斷包括將對(duì)應(yīng)于給定所接收的狀況信號(hào)情況下實(shí)際信號(hào)的最大條件概率的移動(dòng)因子應(yīng)用于狀況信號(hào)的演化模型并將移動(dòng)因子應(yīng)用于狀況信號(hào)的演化模型。
7. 根據(jù)權(quán)利要求1所述的方法，進(jìn)一步包括至少部分地基于所補(bǔ)償?shù)臓顩r信號(hào)的所確定趨勢(shì)來(lái)預(yù)測(cè)故障狀況。
8. 根據(jù)權(quán)利要求1所述的方法，其中檢測(cè)狀況信號(hào)中的間斷包括確定移動(dòng)因子；至少部分地基于該移動(dòng)因子來(lái)進(jìn)行假設(shè)測(cè)試以確定在狀況信號(hào)中是否存在間斷。
9. 一種趨勢(shì)分析的方法，包括接收觀察信號(hào)；檢測(cè)觀察信號(hào)中的間斷；以及通過(guò)移動(dòng)一部分趨勢(shì)分析曲線來(lái)補(bǔ)償觀察信號(hào)中的間斷。
10. 根據(jù)權(quán)利要求9所述的方法，進(jìn)一步包括使用卡爾曼濾波器來(lái)基于所M察信號(hào)估計(jì)實(shí)際信號(hào)。
11. 根據(jù)權(quán)利要求9所述的方法，其中檢測(cè)狀況信號(hào)中的間斷包括(a) 確定觀察信號(hào)中的間斷概率；(b) 在給定觀察信號(hào)的情況下確定實(shí)際信號(hào)的條件概率；(c) 確定移動(dòng)因子；(d) 在給定觀察信號(hào)和(c)的移動(dòng)因子情況下確定實(shí)際信號(hào)的條件概率；(e) 迭代地重復(fù)(c)和(d);(f )在給定觀察信號(hào)和移動(dòng)因子的情況下選擇實(shí)際信號(hào)的最大條件概率；(g )通過(guò)將實(shí)際信號(hào)中的不間斷概率與給定觀察信號(hào)情況下實(shí)際信號(hào)的條件概率相乘來(lái)確定第 一間斷評(píng)估；(h )通過(guò)將實(shí)際信號(hào)中的間斷概率與給定觀察信號(hào)情況下實(shí)際信號(hào)的條件概率相乘來(lái)確定第二間斷評(píng)估；以及(i )只在笫二間斷評(píng)估大于笫一間斷評(píng)估時(shí)，才表明狀況信號(hào)中存在間斷。
12. 根據(jù)權(quán)利要求9所述的方法，其中檢測(cè)觀察信號(hào)中的間斷包括確定移動(dòng)因子；至少部分地基于移動(dòng)因子來(lái)進(jìn)行假設(shè)測(cè)試以確定在狀況信號(hào)中是否存在間斷。
13. —種用于機(jī)器狀況監(jiān)測(cè)的儀器，包括用于接收狀況信號(hào)的裝置；用于檢測(cè)狀況信號(hào)中的間斷的裝置；用于補(bǔ)償狀況信號(hào)中的間斷的裝置；以及用于確定所補(bǔ)償?shù)臓顩r信號(hào)的趨勢(shì)的裝置。
14. 根據(jù)權(quán)利要求13所述的儀器，其中用于檢測(cè)狀況信號(hào)中的間斷的裝置包括(a) 用于確定狀況信號(hào)中的間斷概率的裝置；(b) 用于在給定所接收的狀況信號(hào)情況下確定實(shí)際狀況信號(hào)的條件概率的裝置；(c) 用于確定移動(dòng)因子的裝置；(d) 用于在給定所接收的狀況信號(hào)和移動(dòng)因子的情況下確定實(shí)際信號(hào)的條件概率的裝置；(e) 用于在給定所接收的狀況信號(hào)和移動(dòng)因子的情況下選擇實(shí)際信號(hào)的最大條件概率的裝置；(f )用于通過(guò)將狀況信號(hào)中的不間斷概率與給定所接收的狀況信號(hào)情況下實(shí)際狀況信號(hào)的條件概率相乘來(lái)確定第一間斷評(píng)估的裝置；(g )用于通過(guò)將狀況信號(hào)中的間斷概率與給定所接收的狀況信號(hào)情況下實(shí)際狀況信號(hào)的條件概率相乘來(lái)確定第二間斷評(píng)估的裝置；以及(h )用于只在第二間斷評(píng)估大于第 一 間斷評(píng)估時(shí)才表明狀況信號(hào)中存在間斷的裝置。
15. 根據(jù)權(quán)利要求13所述的儀器，進(jìn)一步包括:故配置來(lái)確定實(shí)際狀況信號(hào)的卡爾曼濾波器。
16. 根據(jù)權(quán)利要求15所述的儀器，其中卡爾曼濾波器包括狀況信號(hào)的觀察模型和狀況信號(hào)的演化模型，并且用于補(bǔ)償狀況信號(hào)中的間斷的裝置包括將移動(dòng)因子應(yīng)用于狀況信號(hào)的演化模型的裝置。
17. 根據(jù)權(quán)利要求14所述的儀器，其中用于補(bǔ)償狀況信號(hào)中的間斷的裝置包括將對(duì)應(yīng)于在給定所接收的狀況信號(hào)情況下實(shí)際信號(hào)的最大條件概率的移動(dòng)因子應(yīng)用于狀況信號(hào)的演化模型和將移動(dòng)因子應(yīng)用于狀況信號(hào)的演化模型的裝置。
18. 根據(jù)權(quán)利要求13所述的儀器，進(jìn)一步包括用于至少部分地基于所補(bǔ)償?shù)臓顩r信號(hào)的所確定趨勢(shì)來(lái)預(yù)測(cè)故障狀況的裝置。
19. 根據(jù)權(quán)利要求13所述的儀器，其中用于檢測(cè)狀況信號(hào)中的間斷的裝置包括用于確定移動(dòng)因子的裝置；用于至少部分地基于該移動(dòng)因子來(lái)進(jìn)行假設(shè)測(cè)試以確定在狀況信號(hào)中是否存在間斷的裝置。
20. —種存儲(chǔ)了程序指令的機(jī)器可讀介質(zhì)，所述指令能夠由處理器執(zhí)行并限定下列步驟接收狀況信號(hào)；檢測(cè)狀況信號(hào)中的間斷；補(bǔ)償狀況信號(hào)中的間斷；以及確定所補(bǔ)償?shù)臓顩r信號(hào)的趨勢(shì)。
21. 根據(jù)權(quán)利要求20所述的機(jī)器可讀介質(zhì)，其中用于檢測(cè)狀況信號(hào)中的間斷的指令進(jìn)一步限定下列步驟(a) 確定狀況信號(hào)中的間斷概率；(b) 在給定所接收的狀況信號(hào)的情況下確定實(shí)際狀況信號(hào)的條件概率；(c) 確定移動(dòng)因子；(d) 在給定所接收的狀況信號(hào)和(c)的移動(dòng)因子情況下確定實(shí)際信號(hào)的條件概率；(e) 迭代地重復(fù)(c)和(d);(f )在給定所接收的狀況信號(hào)和移動(dòng)因子的情況下選擇實(shí)際信號(hào)的最大條件概率；(g)通過(guò)將狀況信號(hào)中的不間斷概率與給定所接收的狀況信號(hào)情況下實(shí)際狀況信號(hào)的條件概率相乘來(lái)確定第 一 間斷評(píng)估；(h )通過(guò)將狀況信號(hào)中的間斷概率與給定所接收的狀況信號(hào)情況下實(shí)際狀況信號(hào)的條件概率相乘來(lái)確定第二間斷評(píng)估；以及(i)只在第二間斷評(píng)估大于第一間斷評(píng)估時(shí)，才表明狀況信號(hào)中存在間斷。
22. 根據(jù)權(quán)利要求20所述的機(jī)器可讀介質(zhì)，其中所述指令進(jìn)一步限定下 列步驟利用卡爾曼濾波器來(lái)確定實(shí)際狀況信號(hào)。
23. 根據(jù)權(quán)利要求22所述的機(jī)器可讀介質(zhì)，其中卡爾曼濾波器包括狀 況信號(hào)的觀察模型和狀況信號(hào)的演化模型，并且用于補(bǔ)償狀況信號(hào)中的間 斷的指令進(jìn)一步限定下列步驟將移動(dòng)因子應(yīng)用于狀況信號(hào)的演化模型。
24. 根據(jù)權(quán)利要求21所述的機(jī)器可讀介質(zhì)，其中用于補(bǔ)償狀況信號(hào)中 的間斷的指令進(jìn)一步限定下列步驟將對(duì)應(yīng)于給定所接收的狀況信號(hào)情況下實(shí)際信號(hào)的最大條件概率的 移動(dòng)因子應(yīng)用于狀況信號(hào)的演化模型并將移動(dòng)因子應(yīng)用于狀況信號(hào)的演化 模型。
25. 根據(jù)權(quán)利要求20所述的機(jī)器可讀介質(zhì)，其中所述指令進(jìn)一步限定 下列步驟至少部分地基于所補(bǔ)償?shù)臓顩r信號(hào)的所確定趨勢(shì)來(lái)預(yù)測(cè)故障狀況。
26. 根據(jù)權(quán)利要求20所述的機(jī)器可讀介質(zhì)，其中用于檢測(cè)狀況信號(hào)中 的間斷的所述指令進(jìn)一步限定下列步驟確定移動(dòng)因子；至少部分地基于該移動(dòng)因子來(lái)進(jìn)行假設(shè)測(cè)試以確定在狀況信號(hào)中是 否存在間斷。
全文摘要
觀察機(jī)器的狀況信號(hào)并檢測(cè)狀況信號(hào)中的一個(gè)或多個(gè)間斷。(例如通過(guò)將移動(dòng)因子應(yīng)用于狀況信號(hào)的模型來(lái))補(bǔ)償狀況信號(hào)中的間斷并確定所補(bǔ)償?shù)臓顩r信號(hào)的趨勢(shì)。所述趨勢(shì)被用于預(yù)測(cè)機(jī)器中的未來(lái)故障狀況。包括觀察模型和演化模型的卡爾曼濾波器被用于確定所述趨勢(shì)。使用假設(shè)測(cè)試來(lái)檢測(cè)所觀察信號(hào)中的間斷。
文檔編號(hào)G05B23/02GK101657770SQ200880011825
公開(kāi)日2010年2月24日 申請(qǐng)日期2008年3月20日 優(yōu)先權(quán)日2007年4月12日
發(fā)明者C·源, C·諾伊鮑爾 申請(qǐng)人:西門(mén)子共同研究公司