设备监诊方法技术

本发明专利技术提供一种设备监诊方法，该方法包括：撷取一设备在固定转速下的振动信号，先根据该振动信号计算相应频宽范围中符合高斯分布的特征值，并据以建立至少一基准线，再根据该基准线、相应频宽范围及特征值判断该设备为正常或异常。藉此，若振动信号超过安全范围基准线，即可诊断及识别出异常及故障类型，并且更可进一步具有自动监诊及学习能力。另外，本发明专利技术的设备监诊方法不需要考虑设备整个使用寿命中可能遇到的所有故障类型，大幅降低故障监诊系统发展的规模及困难，故可提升设备状况的可视化及增加设备的妥善率。

Equipment monitoring method

The invention provides a device for monitoring and diagnosis methods, the method includes: a vibration signal capture device in fixed speed, according to the vibration signal calculation of Gauss distribution of eigenvalues of the corresponding frequency range, and to establish at least one datum line, according to the datum line and the corresponding frequency range and characteristics of value judgment the equipment is normal or abnormal. Therefore, if the vibration signal exceeds the safe range reference line, the abnormal and fault types can be diagnosed and identified, and further automatic monitoring and learning ability can be further obtained. In addition, the equipment monitoring and diagnosis method of the invention does not need to consider all fault types may be encountered throughout the life of the equipment, greatly reduce the size and difficulty of development of fault monitoring and diagnosis system, it can enhance the status of equipment availability visualization and increase equipment.

【技术实现步骤摘要】

本专利技术是关于一种，详言之，是关于一种在设备定转速下的监诊方法。
技术介绍
设备的故障监诊是为了有效执行设备维护与管理而发展。在现有故障监诊技术开发过程中，分析流程的着眼点是一种从上而下的方式。其中，以振动为监诊对象的分析流程大致为振动信号撷取、数字信号处理、信号特征提取及决策分析。在该现有故障监诊流程中，其面临到许多选择的问题。首先，根据监诊设备的操作状况，要选择测量加速度、速度或是位移振幅信号？信号选择部分会决定信号对于故障类型的灵敏度；其次，在数字信号处理过程中，要选择均方根值(RMS)、频谱(spectrum)、小波转换(wavelet transform)、阶次分析(order tracking analysis)、或是碎形(fractal) 的维度(dimension)表示，这部分工作会影响故障特征选择方式；再来，信号特征提取部分，如何依据选用的分析方法，简化故障特征成某些特征值；最后，在决策分析部分，如何选择适合的决策分析方法，作为设备状况识别使用，例如类神经网络(neuralnetwork)、专家系统(expert system)等，但无论是选择哪一条分析路径，其目标终究要以定性及定量方式，将测量数据转换成设备管理上的信息(设备正常或异常)。然而，根据上述现有故障监诊分析流程，在推展至故障监诊系统中使用时，显然并不完整，且难以识别设备状况，其由于该现有故障监诊流程忽略两个因素一为产生振动的物理条件；二为分析设备或测点数量。基本上，机械产生振动程度，是作用力与动态刚性之间响应关系。以定转速设备而言，振动的所以能作为诊断参考，是在假设设备作用力不变的前提下，当动态刚性改变时(如轴承损坏、机座松动、轴系不平衡)，会完全反应至设备振动的原则，进而可利用其进行监诊及判断。但影响动态刚性还有其他因素，例如设备安装方式、安装机座稳定性、安装位置等因素，同样的也具有关键影响性，因此在实际状况中，可发现两部一样的设备，在相同测量位置，使用的机座的形式，在历经多年使用及反复维修后，在相同操作条件及正常情况下，产生的振动程度是不一样的。由此可知，若以上述现有故障监诊分析流程，无论是采用任何决策模式，即使可做到设备定性分析，但定量问题上，便难以决定，一旦设备的检测测点或类型众多，问题将无法获得解决。此外，在设备振动定量问题无法解决的情形下，在上述现有故障监诊分析流程的逻辑下，导入人工智慧(如类神经网络、专家系统)在决策分析部分，其目的在于解决故障类型分类方面问题。然而，在实际应用上受到以下因素影响其应用至其他设备的实用性及复制，故降低应用成效。最佳正规化(normalized)问题类神经网络的输入值及期望值，为配合计算过程中非线性函数，均需正规化至W，1]或是，正规化的大小将影响辨识系统的灵敏度，因此存在最佳正规化问题。即使是相同设备、相同振动测量位置，均在正常运转下，因机座、安装、位置不同， 其正常状况下的特征参数(如振动量)并不一致。因此，即使是在针对某一类型设备进行类神经网络发展模式，也没有完全的复制性，需要依其设备特性不同而调整。 在故障样本数量不足情况下，如何进行类神经网络学习？辨识过程中如何表示趋势分析演变过程？若类神经网络根据输入值(经数字信号处理后的特征值)大小及其相关频率，在良好正规化条件下可区分设备是否(同时或单一)发生不平衡、偏心、或轴承损坏等故障情形，但利用此方式在故障趋势分析中会遇到很大困难，即在相同的特征频率下，特征值依故障趋势的增加而增加，一旦增加至某一特定值，可能因为聚类中心的改变，又发出另一新故障类型，但其应被视为同一故障类型，而非新的故障产生，其之间差异只在于程度上大小，因此在这样的学习过程中，存在过度学习及样本爆炸问题。如上所述，当上述现有故障监诊分析技术在实际应用中的问题无法克服时，遑论如何利用此技术协助设备管理工作。因此，有必要提供一创新且富有进步性的，以解决上述问题。
技术实现思路
本专利技术提供一种，用以进行一设备的异常检测，该设备可进行一固定转速的运转，该包括以下步骤(a)撷取该设备在该固定转速下的一振动信号，该振动信号是一振动加速度信号且其具有多个频宽范围；(b)根据该振动信号计算一振动速度信号及计算相应所述多个频宽范围的特征值，所述特征值是相应所述多个频宽范围的速度均方根值及加速度波高率，其中所述特征值符合高斯分布；(c)计算各特征值的标准差及平均值，且根据相应频宽范围及标准差和平均值，计算至少一基准线；及(d)根据该基准线、相应频宽范围及特征值判断该设备为正常或异常。在本专利技术的中，若振动信号超过安全范围基准线，即可诊断及识别出异常及故障类型，并且更可进一步具有自动监诊及学习能力。另外，本专利技术的不需要考虑设备整个使用寿命中可能遇到的所有故障类型，大幅降低故障监诊系统发展的规模及困难，故可提升设备状况的可视化及增加设备的妥善率。附图说明图1显示本专利技术的流程图；图2(a)显示根据设备的原始振动信号，建立正常、警告、危险三条基准线的示意图；图2(b)显示于1250-2500HZ的频宽范围内建立基准线的示意图；图2(c)显示于625-1250HZ的频宽范围内建立基准线的示意图；图2(d)显示于0-625HZ的频宽范围内建立基准线的示意图；及图3(a)显示一部风车马达的原始振动信号的统计数据的结果示意图；图3(b)显示一部风车马达的振动信号位于1250-2500HZ的频宽范围内的统计数据的结果示意图3(c)显示一部风车马达的振动信号位于625-1250HZ的频宽范围内的统计数据的结果示意图；图3(d)显示一部风车马达的振动信号位于0-625HZ的频宽范围内的统计数据的结果示意图；图4(a)显示另一部风车马达的原始振动信号的统计数据的结果示意图；图4(b)显示另一部风车马达的振动信号位于1250-2500HZ的频宽范围内的统计数据的结果示意图；图4 (c)显示另一部风车马达的振动信号位于625-1250HZ的频宽范围内的统计数据的结果示意图；图4(d)显示另一部风车马达的振动信号位于0-625HZ的频宽范围内的统计数据的结果示意图。具体实施例方式参考图1，其显示本专利技术的流程图。本专利技术的用以进行一设备的异常检测，该设备可进行一固定转速的运转。首先，参考步骤S11，撷取该设备在该固定转速下的一振动信号，其中该振动信号的频率具有多个频宽范围。在本实施例中，本专利技术的方法是连续撷取该设备在该固定转速下的一振动加速度信号。其中，在步骤Sll中可利用一振动感测器，在固定高通滤波器、低通滤波器截止频率设定下撷取该振动加速度信号。较佳地，该高通滤波器的截止频率设定在0. 5Hz，该低通滤波器的截止频率设定在3000Hz，每隔1小时测量该振动加速度信号，且持续测量30至50 天。在本实施例中，是将该振动加速度信号区分为0-625Hz、625-1250Hz及1250_2500Hz的频宽范围，然而在其他应用中，可将该振动加速度信号区分为更多频宽范围。参考步骤S12，根据该振动信号计算相应所述多个频宽范围的特征值，其中所述特征值符合高斯分布。在本实施例中，根据该振动加速度信号计算相应所述多个频宽范围的速度均方根值(RMS)及加速度波高率(Crest Factor，Cf)，在此，该速度均方根本文档来自技高网...

【技术保护点】
１．一种设备监诊方法，用以进行一设备的异常检测，所述的设备可进行一固定转速的运转，其特征在于，所述的设备监诊方法包括以下步骤：（ａ）撷取所述设备在所述固定转速下的一振动信号，所述振动信号是一振动加速度信号且其具有多个频宽范围；（ｂ）根据所述振动信号计算一振动速度信号及计算相应所述多个频宽范围的特征值，所述特征值是相应所述多个频宽范围的速度均方根值及加速度波高率，其中所述特征值符合高斯分布；（ｃ）计算各特征值的标准差及平均值，且根据相应频宽范围及标准差和平均值，计算至少一基准线；及（ｄ）根据所述基准线、相应频宽范围及特征值判断所述设备为正常或异常。

【技术特征摘要】

【专利技术属性】
技术研发人员：王智中，吴崇勇，柯忠和，林智贤，李仙家，刘熙铭，
申请(专利权)人：中国钢铁股份有限公司，
类型：发明
国别省市：71[]