專利名稱：用于診斷壓縮機(jī)的方法和系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本文公開的發(fā)明主題的實(shí)施例一般涉及方法和系統(tǒng)，并且更具體地說(shuō)涉及用于診斷一般的機(jī)器(以及具體來(lái)說(shuō)，壓縮機(jī))的機(jī)制和技術(shù)。
背景技術(shù)：
目前有大量的機(jī)器(如壓縮機(jī)的工業(yè)機(jī)器)安裝在多種設(shè)施處并用于處理油料和氣體。此類機(jī)器可能遭遇指示缺陷或故障模式的征兆。由于這些機(jī)器的技術(shù)復(fù)雜性，機(jī)器的用戶可能沒(méi)有能力處理這些征兆。因此，有技術(shù)能力確定影響機(jī)器的問(wèn)題的機(jī)器制造商與用戶達(dá)成維護(hù)和診斷協(xié)議，以確保在充分操作狀態(tài)中監(jiān)視和維護(hù)這些機(jī)器。為此原因，機(jī)器制造商可能將多個(gè)傳感器安裝在用戶的位置處以用于監(jiān)視機(jī)器的“健康”。相同制造商可能與多個(gè)客戶有多個(gè)合同。預(yù)報(bào)和健康管理(PHM)是一個(gè)新興技術(shù)，其支持如機(jī)車、醫(yī)療掃描器、飛行器引·擎、渦輪和壓縮機(jī)等的資產(chǎn)的合同服務(wù)協(xié)議(CSA)的有效執(zhí)行。PHM的一個(gè)目的在于長(zhǎng)時(shí)間地維持這些資產(chǎn)的操作性能，從而在將它們的維護(hù)成本最小化的同時(shí)提高它們的利用。PHM可以用作產(chǎn)品微分器，以降低資產(chǎn)的保證期期間原設(shè)備制造商服務(wù)的成本或依據(jù)CSA更有效率地提供服務(wù)。圖I示出傳統(tǒng)PHM系統(tǒng)10。根據(jù)此附圖，在執(zhí)行傳統(tǒng)準(zhǔn)備任務(wù)(如傳感器驗(yàn)證單元12中的傳感器驗(yàn)證和處理單元14中的輸入數(shù)據(jù)預(yù)處理)之后，PHM系統(tǒng)10在單元16中執(zhí)行異常檢測(cè)和識(shí)別、在單元18中執(zhí)行診斷分析、在單元20中執(zhí)行預(yù)報(bào)分析、在單元22中執(zhí)行故障調(diào)節(jié)和在單元24中執(zhí)行后勤決策。這些動(dòng)作是本領(lǐng)域技術(shù)人員公知的，為此本文省略其詳細(xì)描述。異常檢測(cè)單元利用非監(jiān)督學(xué)習(xí)技術(shù)，如聚類。其目的是從數(shù)據(jù)提取底層結(jié)構(gòu)信息，定義正常結(jié)構(gòu)和識(shí)別與此類正常結(jié)構(gòu)的偏離。診斷單元利用監(jiān)督學(xué)習(xí)技術(shù)，如分類。其目的是從數(shù)據(jù)提取潛在表征(signature)，這些表征可以被用于識(shí)別不同的缺陷/故障模式。預(yù)報(bào)單元產(chǎn)生剩余有效期(RUL)的估計(jì)。其目的是維護(hù)并預(yù)測(cè)資產(chǎn)健康指標(biāo)。最初，此指標(biāo)反映正常操作狀況下預(yù)期退化。后來(lái)，通過(guò)異常/故障發(fā)生修改了此指標(biāo)，從而反映更快速的RUL減少。上文論述的功能是機(jī)器狀態(tài)的解釋。這些解釋引申到平臺(tái)內(nèi)控制動(dòng)作和平臺(tái)外后勤、維修和規(guī)劃動(dòng)作。平臺(tái)內(nèi)控制動(dòng)作常常著重于維持性能或安全性邊際，并且實(shí)時(shí)地執(zhí)行。平臺(tái)外維護(hù)/維修動(dòng)作覆蓋更復(fù)雜的離線決策。它們需要決策支持系統(tǒng)(DSS)，其執(zhí)行多目標(biāo)優(yōu)化、探索校正動(dòng)作的前沿以及將它們與偏好聚合組合以生成最佳決策權(quán)衡。但是，用于計(jì)算有關(guān)壓縮機(jī)的現(xiàn)存征兆確定的診斷的相關(guān)性的傳統(tǒng)算法不總是準(zhǔn)確的，且有時(shí)它們是引起歧義的。因此，期望提供避免前述問(wèn)題和缺點(diǎn)的系統(tǒng)和方法。

發(fā)明內(nèi)容
根據(jù)一示范實(shí)施例，有一種診斷壓縮機(jī)的方法。該方法包括生成壓縮機(jī)的特征向量，壓縮機(jī)的特征向量包括描述該壓縮機(jī)的多種部件的狀態(tài)的分量；基于模糊約束確定與特征向量對(duì)應(yīng)的聚合的異常向量；定義該壓縮機(jī)的可能缺陷/故障模式的預(yù)設(shè)列表的規(guī)則；計(jì)算聚合的異常向量與規(guī)則之間的確證測(cè)量；以及基于確證測(cè)量的結(jié)果來(lái)識(shí)別該壓縮機(jī)的缺陷/故障模式。根據(jù)另一個(gè)示范實(shí)施例，有一種用于診斷壓縮機(jī)的系統(tǒng)。該系統(tǒng)包括配置成接收有關(guān)壓縮機(jī)的測(cè)量數(shù)據(jù)的接口 ；以及配置成接收測(cè)量數(shù)據(jù)的處理器。該處理器配置成基于測(cè)量數(shù)據(jù)生成壓縮機(jī)的特征向量，該壓縮機(jī)的特征向量包括描述該壓縮機(jī)的多種部件的狀態(tài)的分量，基于模糊約束確定與特征向量對(duì)應(yīng)的聚合的異常向量，檢索壓縮機(jī)的可能缺陷/故障模式的預(yù)設(shè)列表的規(guī)則，計(jì)算聚合的異常向量與規(guī)則之間的確證測(cè)量，以及基于確證測(cè)量的結(jié)果來(lái)識(shí)別該壓縮機(jī)的缺陷/故障模式。根據(jù)又一個(gè)示范實(shí)施例，有一種包含計(jì)算機(jī)可執(zhí)行指令的計(jì)算機(jī)可讀介質(zhì)，其中這些指令在被執(zhí)行時(shí)，實(shí)現(xiàn)用于診斷壓縮機(jī)的方法。該方法包括生成壓縮機(jī)的特征向量，壓縮機(jī)的特征向量包括描述該壓縮機(jī)的多種部件的狀態(tài)的分量；基于模糊約束確定與特征向量對(duì)應(yīng)的聚合的異常向量；確定該壓縮機(jī)的可能缺陷/故障模式的預(yù)設(shè)列表的規(guī)則；計(jì)算 聚合的異常向量與規(guī)則之間的確證測(cè)量；以及基于確證測(cè)量的結(jié)果來(lái)識(shí)別該壓縮機(jī)的缺陷/故障模式。


并入本說(shuō)明書中并構(gòu)成其一部分的附示一個(gè)或多個(gè)實(shí)施例，并且連同描述解釋這些實(shí)施例。在這些附圖中圖I是常規(guī)壓縮機(jī)診斷系統(tǒng)的示意圖；圖2是根據(jù)示范實(shí)施例的壓縮機(jī)診斷系統(tǒng)的示意圖；圖3和圖4是示出根據(jù)示范實(shí)施例的模糊閾值的曲線圖；圖5是圖示根據(jù)示范實(shí)施例的用于檢測(cè)壓縮機(jī)的缺陷/故障模式的過(guò)程的流程圖；圖6是圖示根據(jù)示范實(shí)施例的用于對(duì)壓縮機(jī)的多種缺陷/故障模式評(píng)級(jí)的方法的流程圖；以及圖7是能夠?qū)崿F(xiàn)用于診斷壓縮機(jī)的方法的示范系統(tǒng)。
具體實(shí)施例方式示范實(shí)施例的下文描述參考附圖。不同附圖中的相同引用號(hào)標(biāo)識(shí)相同或相似的元件。下文詳細(xì)描述并不限制本發(fā)明。相反，本發(fā)明的范圍由所附權(quán)利要求限定。為了簡(jiǎn)明，下文實(shí)施例是結(jié)合離心式壓縮機(jī)的術(shù)語(yǔ)和結(jié)構(gòu)來(lái)論述的。但是，接下來(lái)要論述的實(shí)施例不限于這些壓縮機(jī)，而是可以應(yīng)用于其他壓縮機(jī)或可能遇到需要識(shí)別的變化的復(fù)雜結(jié)構(gòu)。本說(shuō)明書中對(duì)“一個(gè)實(shí)施例”或“一實(shí)施例”的引述表示結(jié)合一實(shí)施例描述的一特定特征、結(jié)構(gòu)或特性包含在所公開的發(fā)明主題的至少一個(gè)實(shí)施例中。因此，貫穿本說(shuō)明書中多個(gè)位置出現(xiàn)的短語(yǔ)“在一個(gè)實(shí)施例中”或“在一實(shí)施例中”不一定全部指相同的實(shí)施例。再者，特定的特征、結(jié)構(gòu)或特性可以任何適合的方式在一個(gè)或多個(gè)實(shí)施例中進(jìn)行組合。根據(jù)一示范實(shí)施例，一種系統(tǒng)配置成從至少一個(gè)壓縮機(jī)接收測(cè)量，生成至少一個(gè)壓縮機(jī)的特征向量，該壓縮機(jī)的特征向量包括描述該壓縮機(jī)的多種部件的狀態(tài)的分量，基于模糊約束確定與特征向量對(duì)應(yīng)的聚合的異常向量，定義該壓縮機(jī)的可能診斷的預(yù)設(shè)列表的規(guī)則，計(jì)算聚合的異常向量與規(guī)則之間的確證測(cè)量，以及基于確證測(cè)量的結(jié)果來(lái)識(shí)別該壓縮機(jī)的缺陷/故障模式。圖2中示出這種系統(tǒng)30，并且這種系統(tǒng)30可配置成監(jiān)視多個(gè)壓縮機(jī)。在一個(gè)示范實(shí)施例中，系統(tǒng)30是經(jīng)由數(shù)據(jù)采集單元32連接到?jīng)]有數(shù)百也有數(shù)十個(gè)壓縮機(jī)的集中式系統(tǒng)。這些壓縮機(jī)可以屬于多種客戶，以及該集中式系統(tǒng)向這些客戶提供維護(hù)和技術(shù)支持。稍后結(jié)合圖7論述這種系統(tǒng)的示意圖。收集的數(shù)據(jù)被存儲(chǔ)在數(shù)據(jù)庫(kù)34中，以及可以將收集的數(shù)據(jù)與壓縮機(jī)的多種參數(shù)(溫度、壓力、速度、氣體成分等)關(guān)聯(lián)。作業(yè)調(diào)度器36配置成作為輸入接收收集的數(shù)據(jù)并監(jiān)聽定時(shí)器或由定時(shí)器啟動(dòng)應(yīng)用。作業(yè)調(diào)度器36可以配置成依次且按給定時(shí)間間隔檢查從多個(gè)壓縮機(jī)接收的數(shù)據(jù)，并確定是否應(yīng)該啟動(dòng)異常標(biāo)識(shí)過(guò)程。作業(yè)調(diào)度器36配置成與數(shù)據(jù)預(yù)處理單元38通信。數(shù)據(jù)預(yù)處理單元38配置成從數(shù)據(jù)庫(kù)34接收收集的數(shù)據(jù)并對(duì)收集的數(shù)據(jù)執(zhí)行多種操作。例如，預(yù)處理單元38可以檢索收集的數(shù)據(jù)的參考值，可以基于預(yù)確定的算法執(zhí)行特征提取，可以基于收集的數(shù)據(jù)來(lái)計(jì)算壓縮機(jī)的多種參數(shù)(特征)等。預(yù)處理單元38執(zhí)行的計(jì)算可以基于壓縮機(jī)的熱動(dòng)力學(xué)模型。預(yù)處理單元38可以持續(xù)從機(jī)器配置單元40接收數(shù)據(jù)，該數(shù)據(jù)包括機(jī)器特定參數(shù)、這些參數(shù)的缺省值、這些參數(shù)的正常值、這些參數(shù)的可接受范圍等。將預(yù)處理單元38確定的推導(dǎo)的特征提供到異常通知單元42，異常通知單元42配置成計(jì)算異常矩陣和異常向量，正如稍后論述的。異常通知單元42還連接到機(jī)器配置單元40，并且能夠從此單元檢索期望的數(shù)據(jù)。將來(lái)自異常通知單元42的輸出提供到案例管理器單元44。案例管理器單元44尤其配置成開啟展示異常的壓縮機(jī)的新案例。診斷推理單元46連接到案例管理器單元44，并向案例管理器單元44提供所展示的壓縮機(jī)征兆的可能診斷(缺陷/故障模式)的評(píng)級(jí)列表。稍后論述用于生成可能診斷的 評(píng)級(jí)列表的細(xì)節(jié)。如果需要更多數(shù)據(jù)，則案例管理器單元44可以從能夠與壓縮機(jī)50通信的數(shù)據(jù)請(qǐng)求單元48接收必要的數(shù)據(jù)。擁有此評(píng)級(jí)列表時(shí)，案例管理器44可以將數(shù)據(jù)存儲(chǔ)在數(shù)據(jù)庫(kù)52中或可以例如經(jīng)由專用用戶接口 54將數(shù)據(jù)呈示給用戶56。作為備選或附加，案例管理器44可以經(jīng)由通信單元60將分析的結(jié)果呈示給客戶58。因此，客戶58有機(jī)會(huì)向案例管理器44提供反饋。根據(jù)一示范實(shí)施例，提供有關(guān)異常通知單元42的更多細(xì)節(jié)。假定壓縮機(jī)上分布多個(gè)傳感器(未示出)，并且這些傳感器測(cè)量壓縮機(jī)的多種參數(shù)，例如，壓縮機(jī)的多種位置處的溫度、壓力、速度等。本文中將包含此數(shù)據(jù)的向量稱為特征向量F。向量F可以具有k個(gè)分量(對(duì)應(yīng)于測(cè)量的k個(gè)參數(shù))，并且每個(gè)分量具有時(shí)間戳，即每個(gè)分量與測(cè)量對(duì)應(yīng)參數(shù)所在的時(shí)間關(guān)聯(lián)。此向量可以包括從作業(yè)調(diào)度器36接收且如數(shù)據(jù)預(yù)處理單元38處理的數(shù)據(jù)。使用向量及其分量的專用數(shù)學(xué)符號(hào)，由F(t) = [fjt)，...，fk(t)]給出特征向量。向量F的每個(gè)分量表示動(dòng)態(tài)特征，如測(cè)量的值、測(cè)量的值與參考值之差、閾值百分比、測(cè)量的參數(shù)的趨勢(shì)等。在取樣時(shí)間點(diǎn)上測(cè)量和/或推導(dǎo)特征向量F的分量I至k。按給定時(shí)間間隔重復(fù)這些分量的測(cè)量，并將這些測(cè)量和/或計(jì)算的分量存儲(chǔ)在數(shù)據(jù)庫(kù)中以供后續(xù)處理。根據(jù)一示范實(shí)施例，濾波這些分量以僅保持處于非瞬態(tài)的那些分量，即期望分析穩(wěn)態(tài)系統(tǒng)。然后，將一個(gè)或多個(gè)分量與包含兩個(gè)值(關(guān)注值和風(fēng)險(xiǎn)值)的對(duì)應(yīng)模糊閾值比較。當(dāng)壓縮機(jī)可能開始以非期望的方式運(yùn)轉(zhuǎn)時(shí)，關(guān)注值提示操作員應(yīng)該觀察相應(yīng)的參數(shù)。風(fēng)險(xiǎn)值指示壓縮機(jī)可能處于故障的危險(xiǎn)中，并且需要執(zhí)行測(cè)量以校正越過(guò)此閾值的參數(shù)。要注意，基于發(fā)明人所知，診斷壓縮機(jī)的領(lǐng)域中先前尚未使用模糊閾值。為此原因，現(xiàn)在更詳細(xì)地論述模糊閾值。對(duì)于向量F的每個(gè)分量fjt)，可以定義下限閾值LTi(A)和/或上限閾值UTJfi)以將閾變量A映射到區(qū)間
中。例如，下限閾值可以是LTi(^)Ifi-
，以及上限閾值可以是UTi (A)Zfi — [O, I] ο圖3圖示下限模糊閾值，以及圖4圖示上限模糊閾值。要注意，圖3和圖4呈示模糊閾值的特定示例。但是，所公開的示范實(shí)施例與其他模糊閾值相兼容，并且圖3和圖4所示的特定模糊閾值僅出于說(shuō)明性目的。圖3示出關(guān)注值Ci和風(fēng)險(xiǎn)值ai;而圖4示出關(guān)注值％和風(fēng)險(xiǎn)值Ci。圖3示出壓縮機(jī)的參數(shù)fi的變化越過(guò)O值觸發(fā)關(guān)注值Ci被超過(guò)，而參數(shù)fi的變化向I值觸發(fā)風(fēng)險(xiǎn)值Bi被超過(guò)。對(duì)于圖4，類似的解釋是有效的。當(dāng)監(jiān)視的參數(shù)fi具有上限或下限時(shí)，需要使用適合的上限模糊值或下限模糊值。再者，假設(shè)TJfi)定義特征&的通用模糊閾值，要理解Kfi)將取決于危害度的方向被LTi(A)或UTi(A)替代。閾值Kfi)被認(rèn)為是約束，需要滿足這些約束才能保持壓縮機(jī)的正常操作狀態(tài)。模糊約束和傳統(tǒng)約束之間的差異反映在，傳統(tǒng)約束按慣例是階躍函數(shù)，而模糊約束由非階躍函數(shù)表示。 特征向量F可以被認(rèn)為是kX N矩陣M，其中k是特征的數(shù)量以及N是在時(shí)間窗口上所取得的分量f的樣本數(shù)量。時(shí)間窗口是執(zhí)行分量f的測(cè)量所經(jīng)過(guò)的預(yù)確定時(shí)間量。為了簡(jiǎn)明，考慮兩個(gè)小時(shí)時(shí)間窗口上每分鐘測(cè)量壓縮機(jī)的k = 20個(gè)參數(shù)f”基于壓縮機(jī)和需要也可以使用其他數(shù)量。當(dāng)組合為矩陣M時(shí)，該數(shù)據(jù)具有(i，j)個(gè)元素，并且可以如表I所示的來(lái)表示。表I
權(quán)利要求
1.一種用于診斷壓縮機(jī)的方法，所述方法包括 生成所述壓縮機(jī)的特征向量，所述壓縮機(jī)的所述特征向量包括描述所述壓縮機(jī)的多種部件的狀態(tài)的分量； 基于模糊約束確定與所述特征向量對(duì)應(yīng)的聚合的異常向量； 定義所述壓縮機(jī)的可能缺陷/故障模式的預(yù)設(shè)列表的規(guī)則； 計(jì)算所述聚合的異常向量與所述規(guī)則之間的確證測(cè)量；以及 基于所述確證測(cè)量的結(jié)果來(lái)識(shí)別所述壓縮機(jī)的缺陷/故障模式。
2.如權(quán)利要求I所述的方法，其中，生成特征向量的所述步驟包括 測(cè)量所述壓縮機(jī)的第一多個(gè)參數(shù)；以及 基于所述第一多個(gè)參數(shù)來(lái)估計(jì)所述壓縮機(jī)的第二多個(gè)參數(shù)， 其中所述特征向量包括所述第一多個(gè)參數(shù)和所述第二多個(gè)參數(shù)的其中一部分。
3.如權(quán)利要求I所述的方法，其中，所述壓縮機(jī)的所述多種部件包括軸承和轉(zhuǎn)子，以及所述狀態(tài)包括壓力、溫度、振幅、壓力差、質(zhì)量或容積流量或轉(zhuǎn)子速度的至少其中之一。
4.如權(quán)利要求I所述的方法，還包括 定義所述特征向量的所述分量與參考值的偏離的所述模糊約束，其中所述模糊約束是從低值到高值連續(xù)地變化的閾值。
5.如權(quán)利要求4所述的方法，其中，由關(guān)注值和風(fēng)險(xiǎn)值定義至少一個(gè)模糊約束，所述關(guān)注值指示當(dāng)可能發(fā)生異常時(shí)需要監(jiān)視對(duì)應(yīng)的參數(shù)，以及所述風(fēng)險(xiǎn)值指示所述異常已經(jīng)發(fā)生。
6.如權(quán)利要求I所述的方法，其中，確定聚合的異常向量的所述步驟包括 在預(yù)確定時(shí)間窗口上接收所述特征向量的所述分量的值； 對(duì)所述特征向量的所述分量應(yīng)用模糊約束以確定所述預(yù)確定時(shí)間窗口期間的某些時(shí)間處的對(duì)應(yīng)即時(shí)異常，以及 將所述某些時(shí)間處的所述對(duì)應(yīng)即時(shí)異常聚合以生成對(duì)于所述整個(gè)預(yù)確定時(shí)間窗口且對(duì)于所述特征向量的所有所述分量的、聚合的異常向量。
7.如權(quán)利要求I所述的方法，其中，所述計(jì)算步驟包括 將每個(gè)規(guī)則分成子規(guī)則； 計(jì)算每個(gè)子規(guī)則與所述聚合的異常向量之間的標(biāo)量積；以及 基于形成所述確證測(cè)量的、所計(jì)算的標(biāo)量積來(lái)確定指示所述壓縮機(jī)遇到的缺陷/故障模式的百分比值。
8.如權(quán)利要求7所述的方法，還包括 使用每個(gè)規(guī)則與所述聚合的異常向量之間的確證測(cè)量C，其中C定義為 其中A是所述聚合的異常向量，Y1表示缺陷/故障模式，Xi表示規(guī)則“i”，Wh, Wffl, W1和Wic是加權(quán)系數(shù)，以及ΧΛ ΧΛ XiL和X廣是規(guī)則Xi的子規(guī)則。
9.如權(quán)利要求I所述的方法，其中，所述識(shí)別步驟包括 計(jì)算反駁證據(jù)的測(cè)量R，其量化未命中缺陷/故障模式的證據(jù)的量值。
10.一種用于診斷壓縮機(jī)的系統(tǒng)，所述系統(tǒng)包括 配置成接收有關(guān)所述壓縮機(jī)的測(cè)量數(shù)據(jù)的接口；以及 配置成接收所述測(cè)量數(shù)據(jù)的處理器，并且所述處理器配置成 基于所述測(cè)量數(shù)據(jù)生成所述壓縮機(jī)的特征向量，所述壓縮機(jī)的所述特征向量包括描述所述壓縮機(jī)的多種部件的狀態(tài)的分量， 基于模糊約束確定與所述特征向量對(duì)應(yīng)的聚合的異常向量， 檢索所述壓縮機(jī)的可能缺陷/故障模式的預(yù)設(shè)列表的規(guī)則， 計(jì)算所述聚合的異常向量與所述規(guī)則之間的確證測(cè)量，以及 基于所述確證測(cè)量的結(jié)果來(lái)識(shí)別所述壓縮機(jī)的缺陷/故障模式。
全文摘要
用于診斷壓縮機(jī)的方法、系統(tǒng)和計(jì)算機(jī)軟件。該方法包括生成壓縮機(jī)的特征向量，壓縮機(jī)的特征向量包括描述該壓縮機(jī)的多種部件的狀態(tài)的分量；基于模糊約束確定與特征向量對(duì)應(yīng)的聚合的異常向量；定義該壓縮機(jī)的可能缺陷/故障模式的預(yù)設(shè)列表的規(guī)則；計(jì)算聚合的異常向量與規(guī)則之間的確證測(cè)量；以及基于確證測(cè)量的結(jié)果來(lái)識(shí)別該壓縮機(jī)的缺陷/故障模式。
文檔編號(hào)G05B23/02GK102763047SQ201080064239
公開日2012年10月31日 申請(qǐng)日期2010年11月5日 優(yōu)先權(quán)日2009年12月19日
發(fā)明者A.法布里, A.皮里, D.比亞努奇, G.莫基, L.薩盧斯蒂, P.P.博尼索內(nèi), V.阿瓦薩拉拉, 胡曉, 薛峰 申請(qǐng)人:諾沃皮尼奧內(nèi)有限公司