大型运行系统的基于状态的预防维护装置及方法制造方法及图纸

公开一种大型运行系统的基于状态的预防维护装置及方法。大型运行系统的基于状态的预防维护装置包括：从设置于系统的多个传感器收集传感器数据的收集部；对收集的所述传感器数据进行小波变换提取能谱作为特征值的特征提取部；计算提取的所述特征值的斜率和截距的计算部；以及利用算出的所述斜率和截距监控所述系统有无故障的监控部。

【技术实现步骤摘要】
【国外来华专利技术】大型运行系统的基于状态的预防维护装置及方法
本专利技术涉及一种预测大型运行系统的老化过程，事先感测故障的基于状态的预防维护装置及其方法。
技术介绍
基于状态维护是通过传感器与运算处理技术的快速发展监控系统的老化过程以早期感测异常状态，事先防止故障的接近法，受到生产企业的广泛关注。基于状态保全是实时监控系统、评价系统的状态、事先感测系统的异常或故障征兆并采取维护措施，能够最小化故障导致的更换及系统停机引起的机会费用等不必要的费用。就现有的时间基准维护来讲，经过规定时间后无条件地更换部件或系统，因此便于适用，但不能100％预防故障，可能会因过度维护造成不必要的超额费用。而基于状态维护是通过传感器实时监控系统的状态以判断有无异常，预测何时达到故障发生可能性高的致命水平并事先采取维护措施，从而能够100％防止故障的新型概念的维护措施。现有的基于状态维护的研究以通过人工神经网络(ArtificialNeuralNetwork)、支持向量机(SupportVectorMachine)或遗传算法(GeneticAlgorithm)区分正常和异常状态为主。由于通过传感器实时监控将系统的状态数值化，而数值化的数据中含有噪声，因此无法准确提取系统的特征。通常，监控与故障直接相关的特性的直接状态监控并不多，主要使用的是监控判断认为与故障相关的品质特性值的间接状态监控。工业现场使用的间接状态监控的一般例子有振动监控、温度监控、油渣分析。现有的维护保全的概念受到作为变数的噪声的影响，因此其缺点是无论在故障之后实施还是事先预防，其预测率都非常低。另外，现有技术采用由人监控传感器数据的依赖于人的视觉的方式，受传感器附着环境或个人能力差异的影响，具有无法很好地管理传感器数据的问题。
技术实现思路
技术问题本专利技术提供一种根据传感器数据的信号分析结果，利用包括赫斯特(Hurst)系数的线性轮廓判断系统有无异常、预测系统的老化过程、事先感测故障的基于状态的预防维护装置及其方法。技术方案根据本专利技术的一个方面，提供一种根据传感器数据的信号分析结果，利用包括赫斯特(Hurst)系数的线性轮廓判断系统有无异常、预测系统的老化过程、事先感测故障的基于状态的预防维护方法。根据本专利技术的一个实施例，可提供一种大型运行系统的基于状态的预防维护方法，包括：(a)从设置于系统的多个传感器收集传感器数据的步骤；(b)对收集的所述传感器数据进行小波变换以提取能谱作为特征值的步骤；(c)计算所述提取的特征值的斜率和截距的步骤；及(d)利用算出的所述斜率和截距监控所述系统有无故障的步骤。所述(b)步骤可通过能谱分析对所述传感器数据进行小波变换得到的数据导出赫斯特(Hurst)系数以提取所述特征值。所述(b)步骤的特征在于根据对所述传感器数据进行小波变换得到的结果计算关于细节信号(father)的能量平均值并提取所述能谱作为特征值，所述斜率与截距为关于所述细节信号的能谱的斜率与截距。所述(d)步骤可利用所述斜率与截距计算T2统计量，利用算出的所述T2统计量监控所述系统有无故障。所述(d)步骤可通过比较算出的所述T2统计量和上限管理界限监控所述系统有无故障。根据本专利技术的另一方面，提供一种根据传感器数据的信号分析结果，利用包括赫斯特(Hurst)系数的线性轮廓判断系统有无异常、预测系统的老化过程、事先感测故障的基于状态的预防维护装置。根据本专利技术的一个实施例，可提供一种大型运行系统的基于状态的预防维护装置，包括：从设置于系统的多个传感器收集传感器数据的收集部；对收集的所述传感器数据进行小波变换以提取能谱作为特征值的特征提取部；计算提取的所述特征值的斜率和截距的计算部；及利用算出的所述斜率和截距监控所述系统有无故障的监控部。所述特征提取部可通过能谱分析对所述传感器数据进行小波变换得到的数据导出赫斯特(Hurst)系数以提取所述特征值。所述特征提取部的特征在于根据对所述传感器数据进行小波变换得到的结果计算关于细节信号(father)的能量平均值并提取所述能谱作为特征值，所述斜率与截距为关于所述细节信号的能谱的斜率与截距。所述监控部可利用所述斜率与截距计算T2统计量，利用算出的所述T2统计量监控所述系统有无故障。所述监控部可比较算出的所述T2统计量和上限管理界限监控所述系统有无故障。技术效果本专利技术一个实施例提供一种大型运行系统的基于状态的预防维护装置及方法，其有益效果是能够根据传感器数据的信号分析结果，利用包括赫斯特(Hurst)系数的线性轮廓判断系统有无异常、预测系统的老化过程、事先感测故障。从而，本专利技术能够评价系统的状态、事先感测异常故障征兆，因此能够最小化不必要的费用及时间。附图说明图1为显示本专利技术一个实施例的大型运行系统的基于状态的预防维护方法的流程图；图2为简要显示本专利技术一个实施例的大型运行系统的基于状态的预防维护装置的内部构成的框图。具体实施方式可对本专利技术进行多种变换，可具有多种实施例。附图例示特定实施例，在具体说明中对此进行详细说明。但这目的并不是将本专利技术限定在特定的实施形态，需要理解包括本专利技术的思想及技术范围内的所有变换、等同物及替代物。在说明本专利技术方面，判断认为对相关公知技术的具体说明可能会混淆本专利技术的主旨的情况下省略对其具体说明。第一、第二等用语可用于说明多种构成要素，但所述构成要素不得限定于所述用语。所述用语只是用于使一个构成要素区别于其他构成要素。本申请中所使用的用语只是用于说明特定实施例，而并非限定本专利技术。单数的记载在无特殊说明的情况下还包括复数的表达。应理解本申请所述的“包括”或“具有”等用语旨在指定存在说明书上记载的特征、数字、步骤、动作、构成要素、部件或其组合，而并非提前排除一个或多个其他特征或数字、步骤、动作、构成要素、部件或其组合。以下参见附图具体说明本专利技术的实施例。图1为显示本专利技术一个实施例的大型运行系统的基于状态的预防维护方法的流程图。以下假设汽轮发电机之类的大型运行系统上设置有多个传感器。其中，多个传感器可以是至少两个以上不同的传感器。以下，本说明书假设系统分别具有多个温度传感器与振动传感器，从各温度传感器与振动传感器获取传感器数据并进行说明，但传感器的种类还可以有更多种。步骤110中，基于状态的预防维护装置100从系统的多个传感器收集传感器数据。例如，系统上可具有多个温度传感器。这种情况下，基于状态的预防维护装置可将设置于系统的温度传感器测量的温度数据作为传感器数据进行收集。如上，通过各传感器收集的传感器数据可能含有噪声(noise)。因此，步骤115中，基于状态的预防维护装置100对收集的传感器数据进行小波变换(wavelettransform)提取能谱作为特征值。基于状态的预防维护装置不仅能够通过对传感器数据进行小波变换去除收集的传感器数据中的噪声，还能够提取能谱作为特征值。本专利技术一个实施例的基于状态的预防维护装置基于对传感器数据进行小波变换得到的数据进行能谱分析导出赫斯特(Hurst)系数，以提取出所述特征值。并且，本专利技术一个实施例的基于状态的预防维护装置可基于对所述传感器数据进行小波变换得到的结果计算关于细节信号(father)的能量平均值，提取所述能谱作为特征值。可通过以下说明对此有更具体的理解。小波区域显示因规模(Sca本文档来自技高网...

【技术保护点】
一种大型运行系统的基于状态的预防维护方法，包括：(a)从设置于系统的多个传感器收集传感器数据的步骤；(b)对收集的所述传感器数据进行小波变换以提取能谱作为特征值的步骤；(c)计算所述提取的特征值的斜率和截距的步骤；及(d)利用算出的所述斜率和截距监控所述系统有无故障的步骤。

【技术特征摘要】
【国外来华专利技术】2015.07.10 KR 10-2015-00985241.一种大型运行系统的基于状态的预防维护方法，包括：(a)从设置于系统的多个传感器收集传感器数据的步骤；(b)对收集的所述传感器数据进行小波变换以提取能谱作为特征值的步骤；(c)计算所述提取的特征值的斜率和截距的步骤；及(d)利用算出的所述斜率和截距监控所述系统有无故障的步骤。2.根据权利要求1所述的大型运行系统的基于状态的预防维护方法，其特征在于：所述(b)步骤为通过能谱分析对所述传感器数据进行小波变换得到的数据导出赫斯特(Hurst)系数以提取所述特征值。3.根据权利要求1所述的大型运行系统的基于状态的预防维护方法，其特征在于：所述(b)步骤是根据对所述传感器数据进行小波变换得到的结果计算关于细节信号(father)的能量平均值并提取所述能谱作为特征值，所述斜率与截距为关于所述细节信号的能谱的斜率与截距。4.根据权利要求1所述的大型运行系统的基于状态的预防维护方法，其特征在于：所述(d)步骤利用所述斜率与截距计算T2统计量，利用算出的所述T2统计量监控所述系统有无故障。5.根据权利要求4所述的大型运行系统的基于状态的预防维护方法，其特征在于：所述(d)步骤是比较算出的所述T2统计量和上限管理界限监...

【专利技术属性】
技术研发人员：裵锡柱，
申请(专利权)人：汉阳大学校产学协力团，
类型：发明
国别省市：韩国,KR