周期性运动的机器部件的故障预测方法技术

公开了一种周期性运动的机器部件的故障预测方法，其中，部件运动的多个周期中的每个周期在每个周期的持续时间内生成可测量的运动特性的值的数据分布。对于每个周期，该方法包括：确定运动特性的数据分布；计算数据分布中值的集中趋势度量值；计算每个周期的持续时间内数据分布的形状的量化度量值；将集中趋势度量值与形状的量化度量值关联为耦合的状态参数组；确定与周期性运动的部件的多个周期相关联的多个耦合的状态参数组的分散度；以及比较分散度与分散阈值，或者确定随时间的推移分散度的趋势，以进行故障预测。

Fault prediction method of periodic moving machine parts

【技术实现步骤摘要】
【国外来华专利技术】周期性运动的机器部件的故障预测方法
本专利技术总体上涉及状态监测领域。更特别地，本专利技术涉及一种周期性运动的机器部件的故障预测方法，一种相关的计算机程序产品以及一种用于预测周期性运动的机器部件(例如，轴承、皮带或发动机)中的故障的装置，所述机器部件用于诸如灌装机之类的系统或用于生产密封包装的相关系统中。
技术介绍
机器部件(例如，轴承、皮带、发动机、或生产线中任何其他部件)的状态监测，例如在灌装机或相关系统中制造密封包装时，对于确保一段时间内所需的功能和故障预测至关重要。监测此类部件运动中的变形(例如，这些系统中的周期性运动部件的振动)是实现控制所需功能并预防与磨损相关的故障的一个重要部分。这种维护策略主要可能由于以下事实而导致：例如，轴承一旦接近故障时，会变得嘈杂并振动，作为即将发生故障的警告信号，如果该信号被及时发现，将为操作员提供一个时间范围以计划维修作业并更换轴承，而不会影响生产时间。例如振动的变形分析是工业预测性维护计划的重要组成部分，因此可以在机器出现故障之前发现并修复轴承中的磨损和损坏，从而降低了运行和维护成本。对轴承振动等级的经验评估是容易出错的过程，它可能会导致严重低估或高估部件的剩余寿命，并且还会将由完全不同的原因(例如，轴的不平衡)引起的噪音误认为是轴承损坏。以前的旨在表征轴承故障的解决方案包括频率分析，其中从振动信号中提取特性频率特征。除了实施起来很复杂之外，基于频率分析的解决方案也不总是准确的，并且针对用于计算的模型做出了各种假设。特别地，通常假设在轴承元件的相对运动期间不存在滑动；轴承局部损坏；轴承连接的发动机以恒定速度旋转；在发动机运行过程中，损坏会引起一系列的短期冲击，这些冲击会在振动信号的频谱中以一定的周期产生一系列尖峰；以及存在频带，在该频带中，信噪比使得能检测到一系列脉冲。如果未验证这些条件，则一系列脉峰可能会模糊不清，从而不再可识别，或者可能隐藏在其他类型的噪声中。伺服发动机的恒定转速的假设在自动机械领域中受到严格限制，在自动机械领域中，通常将一些伺服发动机用作电凸轮并以可变速度运行，以便获得致动元件的可变速度曲线。采用一些方法来适应可变速度，但是这样的解决方案实施起来也很复杂，并且还与其他限制和非期望的假设相关联。因此，改进的状态监测将是有利的，并且特别地，可以避免更多的上述提及的问题和损害，包括提供不太复杂的故障预测方法，具有较短的执行时间并且从而能够进行动态分析，因此使得周期性移动的机器组件的故障排除省时且稳健。
技术实现思路
因此，本专利技术的实施例优选地通过提供根据所附专利权利要求的装置来试图减轻、缓解或消除本领域中的一个或多个不足、缺点或问题，例如上述单独的或任何组合的不足、缺点或问题。根据第一方面，提供了一种周期性运动的机器部件的故障预测方法，其中，所述部件的运动的多个周期中的每个周期在每个周期的持续时间内生成可测量的运动特性的值的数据分布。该方法包括，对于每个周期；确定所述运动特性的所述数据分布；计算所述数据分布中所述值的集中趋势度量值；计算每个周期的所述持续时间内所述数据分布的形状的量化度量值；将所述集中趋势度量值与所述形状的所述量化度量值关联为耦合的状态参数组；确定与所述周期性运动的部件的多个周期相关联的多个耦合的状态参数组的分散度；以及比较所述分散度与分散阈值，或者确定随时间的推移所述分散度的趋势，以进行所述故障预测。根据第二方面，一种计算机程序产品，包括指令，当程序由计算机执行时，所述指令使所述计算机执行根据第一方面的方法的步骤。根据第三方面，公开了一种被配置为预测周期性运动的部件中的故障的装置，其中，所述部件的运动的多个周期中的每个周期在每个周期的持续时间内生成可测量的运动特性的值的数据分布。该装置包括处理单元，对于每个周期，其被配置为：确定所述运动特性的所述数据分布；计算所述数据分布中所述值的集中趋势度量值；计算每个周期的所述持续时间内所述数据分布的形状的量化度量值；将所述集中趋势度量值与所述量化度量值关联为耦合的状态参数组；确定与所述周期性运动的部件的多个周期性相关联的多个耦合的状态参数组的分散度；并且比较所述分散度与分散阈值，或者确定随时间的推移所述分散度的趋势，以用于所述故障预测。在从属权利要求中限定了本专利技术的其他实施例，其中，本公开的第二和第三方面的特征在细节上作必要修改后与第一方面相同。本公开的一些实施例提供了一种用于预测机器部件中的故障的改进方法。本公开的一些实施例提供了对机器部件的寿命的简易化预测。本公开的一些实施例提供了一种对机器部件的预测性更高和更有效的维护计划。本公开的一些实施例提供了一种故障预测的方法，其具有较短的执行时间，从而能够进行动态分析。本公开的一些实施例提供了避免周期性运动的机器部件，例如轴承、皮带、发动机的故障。本公开的一些实施例提供了一种评估周期性运动的机器部件的质量的更有效的方法。本公开的一些实施例提供了周期性运动的机器部件的耗时较少的故障排除。本公开的一些实施例提供了对周期性运动的机器部件的可测量运动特性的改进表征，例如振动特性。本公开的一些实施例提供了在具有周期性运动的机器部件的机器(例如，填充机)中的改进的状态监测。应该强调的是，当在本说明书中使用术语“包括/包含”时，其是用来说明存在所述特征、整数、步骤或部件，但是不排除存在或增加一个或多个其他特征、整数、步骤、部件或其群组。附图说明参考附图，从下面对本专利技术实施例的描述中，本专利技术的实施例能够实现的这些和其他方面、特征和优点将变得显而易见并得到阐明，其中：图1是表示周期性运动的机器部件的运动特性的数据分布的示图，其中，振动信号的幅值在一个周期的持续时间内绘制。图2a是耦合的状态参数组的示图，其中，根据本公开的一个实施例，在两个不同的时间，每组，即数据点，被确定为图1中的数据分布的值的集中趋势度量值与数据分布的形状的量化度量值的关系图；图2b是在时间t2处图2a中的耦合的状态参数组的放大图。图3a-b是两个不同的机器部件在图2a-b中状态参数组的数据点周围的圆的半径与上述圆内包含的数据点的百分比的关系图；图4a-b是两个不同的机器部件在图2a-b中的状态参数组的数据点周围的圆的半径与上述圆内包含的数据点的百分比的关系图；图5是根据本公开的一个实施例的周期性运动的机器部件的故障预测方法的流程图。图6是根据本公开的一个实施例的周期性运动的机器部件的故障预测方法的流程图。图7是根据本公开的一个实施例的被配置为预测周期性运动的部件中的故障的装置的示意图。具体实施方式现在将参考附图描述本专利技术的具体示例。然而，本专利技术可以以许多不同的形式来实施，并且不应被解释为限于在此阐述的示例。相反，提供这些示例是为了使本公开详尽和完整，并将本专利技术的范围充分传达给本领域技术人员。在附图中示出的实施例的详细描述中使用的术语并不旨在限制本专利技术。在附图中，相同的标记表示相同的元件。...

【技术保护点】
1.一种周期性运动的机器部件的故障预测方法，其中所述部件的运动的多个周期中的每个周期在每个周期的持续时间内生成可测量运动特性的值的数据分布，对于每个周期，所述方法包括：/n确定(101)所述运动特性的所述数据分布，/n计算(102)所述数据分布中所述值的集中趋势度量值；/n计算(103)每个周期的所述持续时间内所述数据分布的形状的量化度量值；/n将所述集中趋势度量值与所述形状的所述量化度量值关联(104)为耦合的状态参数组；/n确定(105)与所述周期性运动的部件的运动的所述多个周期相关联的多个耦合的状态参数组的分散度；以及/n比较(106)所述分散度与分散阈值，或确定(107)随时间的推移所述分散度的趋势，以进行所述故障预测。/n

【技术特征摘要】
【国外来华专利技术】20170612 EP 17175556.41.一种周期性运动的机器部件的故障预测方法，其中所述部件的运动的多个周期中的每个周期在每个周期的持续时间内生成可测量运动特性的值的数据分布，对于每个周期，所述方法包括：
确定(101)所述运动特性的所述数据分布，
计算(102)所述数据分布中所述值的集中趋势度量值；
计算(103)每个周期的所述持续时间内所述数据分布的形状的量化度量值；
将所述集中趋势度量值与所述形状的所述量化度量值关联(104)为耦合的状态参数组；
确定(105)与所述周期性运动的部件的运动的所述多个周期相关联的多个耦合的状态参数组的分散度；以及
比较(106)所述分散度与分散阈值，或确定(107)随时间的推移所述分散度的趋势，以进行所述故障预测。


2.根据权利要求1所述的方法，其中，计算所述数据分布的所述值的集中趋势度量值包括：
计算(102′)平均值，例如，算术平均值，和/或几何平均值，和/或调和平均值，和/或广义平均值，和/或所述数据分布的其它集中趋势度量值，例如中值或众数值。


3.根据权利要求1或2所述的方法，其中，计算所述数据分布的形状的量化度量值包括：
计算(103′)围绕所述集中趋势度量值的所测得的运动特性的分布的度量值。


4.根据权利要求3所述的方法，其中，计算围绕所述集中趋势度量值的所测得的运动特性的分布的度量值包括：
计算(103”)与标准正态分布的偏差的度量值。


5.根据权利要求1-4中任一项所述的方法，其中，计算所述数据分布的形状的量化度量值包括：
计算(103”’)所述数据分布的峰度值。


6.根据权利要求1-5中任一项所述的方法，其中，所述运动特性包括所述周期性运动的部件的振动数据。


7.根据权利要求1-6中任一项所述的方法，其中，确定所述多个耦合的状态参数组的分散度包括：
确定(105′)所述多个耦合的状态参数组的包含在设定分散阈值内的百分数。


8.根据权利要求1-7中任一项所述的方法，其中，确定所述多个耦合的状态参数组的分散度包括：
确定(105”)所述多个耦合的状态参数组的分布中心(203)与每个耦合的...

【专利技术属性】
技术研发人员：马尔科·可康切利，卢卡·卡普里，大卫·博尔基，
申请(专利权)人：利乐拉瓦尔集团及财务有限公司，
类型：发明
国别省市：瑞士;CH