本发明涉及一种检测泵机组状态的方法。
背景技术：
不仅在医疗技术中，人们关心能够尽可能提早地识别所发生的错误的预防措施，以便能够更好地处理这些错误。同样的情况也适用于机器领域，特别是在此所讨论的泵机组。以前，人们只有在泵损坏的情况下，也就是泵停机的情况下才会更换供热循环泵，而现在则是试图在导致泵并由此多为整个设备停机的故障之前，通过定期地监控泵机组的状态并由此还有检测可能的状态变化，使得能够及时地修复泵机组的部件或者泵机组本身。
在被视为现有技术的专利文献WO2016/059112A1中提出，声学地检测泵机组、例如供热循环泵的状态。可以使用常见的智能手机来接收，该智能手机通过信号处理来编辑声学数据并在所发生的异常或错误方面进行研究。利用该已知的方法，例如可以检测泵内部的轴承损坏或气蚀。这种在泵机组运行期间进行的声学故障分析的优点在于：维修技术人员可以在没有特殊的传感器件或复杂的测试设置的情况下在正在进行的运行期间检查泵机组的错误。
但是该方法的缺点在于，其不能在嘈杂的环境中执行或者至少不能以所需要的可靠性来执行。
技术实现要素：
在此背景下，本发明的目的在于提出一种替代的或附加的用于检测泵机组状态的方法，该方法没有上述的缺点，但是在实践中却能够被简单地和没有较大的结构费用地执行。
本发明的目的通过根据本发明的方法来实现。根据本发明的方法的有利技术方案由下文和附图中给出。
根据本发明的用于检测泵机组或泵机组部件的状态的方法包括两个基本方法步骤，即：记录处于运行中的泵机组或泵机组的至少一部分的视频序列；并随后根据视频序列图像中的变化来确定泵机组或其一部分的状态。
替代已知的声学分析或附加于已知的声学分析之外，本发明的基本思想是：对泵机组或该泵机组的感兴趣的部分执行光学分析。此外，在根据本发明的方法中，还通过对视频序列、也就是多个彼此相接的单个图像进行合适的信号处理来确认：泵机组或该泵机组的感兴趣的部分在其表面上是如何运动/振动的，以便根据该运动推断出泵机组的状态。
根据本发明的方法被设置用于在泵机组运行期间进行状态检测。由于该方法是以视频序列中的图像为基础，因此图像可以仅延伸到机组的表面区域上，例如泵壳体、马达壳体、马达支架、处于马达轴和泵轴之间的离合器等。根据本发明的方法原则上适用于、特别是能够被有利地应用于对所有能想到的泵机组进行状态检测，这种泵机组在由可被转速控制或者转速调节的电动马达驱动的单级或多级离心泵中因此通常具有用于进行操控的整流器/变频器。
本发明意义下的泵机组是一种液体泵，特别可以被理解为一种单级或多级的离心泵，其由马达驱动，特别是由电动马达驱动，其中，马达和泵要么具有公共轴，要么通过离合器、传动装置或其他的驱动连接装置来相互连接。本发明意义下的泵机组也可以由许多例如并联连接的泵机组组成，这些泵机组通过公共的上级控制装置来操控，例如在增压泵中就是该情况。
通过记录处于运行中的泵机组或泵机组的一部分的视频序列来检测表面的运动，这些运动使得能够推断出泵机组状态、特别是就像在构件受到磨损时以及在运行中处于共振临界区域中等时发生的那样的临界状态。
在此有利地通过数字图像处理来确定视频序列图像中的变化，就像这点在下面还要详细说明的那样。
作为用于表征状态的非常重要的标准，本发明提出：确定视频序列的彼此相接的图像的像素或像素组之间的变化的速度，并根据所确定的变化的速度来执行对泵机组状态的确定。在此，通常要对视频序列的直接彼此相接的图像进行评价，但是也可以有针对性地排除单个图像或者必要时排除图像组，当然这点可以在时间计算中加以考虑。为此假设视频序列的时间参数(每个图像的曝光时间)以及彼此相接的图像之间的时间间隔是已知的。已经令人惊讶地证实：视频序列图像中的变化的速度对于泵机组的状态是特别有意义的。
在此有利地，将像素或像素组相应于它们的所确定的变化的速度进行分组并按组进行空间分配。通过这样的分配，能够在稍后的与地图类似的图像中根据所确定的变化的速度进行识别并因此能够最终显示出泵机组的哪些表面区域是特别运动密集的，并由此确定在哪里会发生大的振动振幅，从中能够直接或间接地推断泵机组的轴承、磨损和应力。
令人惊奇地已经证实的是：彼此相接的图像的变化的速度是对在泵机组相应表面区域中的振动的量度，根据该彼此相接的图像的变化的速度能够确认代表特定状态的值或值域。因此在根据本发明的一种扩展方案中提出：将所确定的变化的速度及其空间分配根据一数据库与存储在该数据库中的值进行比对，并根据该比对来确定所述状态。在此有利的是该数据库是基于云的数据库，因为这些值于是例如通过互联网在全球范围内被提供用于比对和状态确定。
在此可以针对特定状态或区域来确认边界值，从而能够在比对期间确定预先确定的速度值是否被超过以及在何处被超过。这些然后可以有利地在显示器上示出，由此使得熟知对应泵机组检查的服务技术人员能够清楚地看到这些关键区域位于哪里以及为此可能需要采取哪些机械或电子补救措施。
在使用移动式计算机，通常为智能手机或平板电脑的情况下，根据本发明的方法被特别实用和节约资源地应用，利用该方法，不仅可以记录视频序列，而且还能够将所记录的数据发送到数据库服务器。目前，智能手机和平板电脑拥有强大的图像采集装置以及无线连接，无论是WLAN或无线电波，或者也可以有线连接地与网络、特别是互联网进行通信。因此，它们拥有所有的必要条件来实现向数据库服务器的传输，该数据库服务器优选是基于云的，从而几乎可以在任何地点利用移动式计算机例如通过互联网访问该数据库服务器。在此，移动式计算机被适宜地设有针对根据本发明的方法所设计的软件应用程序，该软件应用程序在计算机上运行以实施本方法并引导用户到各个方法步骤，这些方法步骤然后在很大程度上是由计算机自行实施的。移动式计算机的显示器应该被有利地用于表现状态显示。根据运算能力，用于确定状态的运算操作可以可选地在移动式计算机或数据库服务器上运行，或者在两者之上运行。
这不仅涉及到对视频序列图像的变化的速度的确定，而且还涉及到它们的空间分配以及基于数据库的评估。
特别有利的是，在根据本发明的方法中在记录视频序列之前或期间，拍摄待检查泵机组的或者该泵机组的待分析区域的至少一个图像，并且将该至少一个图像使用在数据库侧用以确定泵机组类型，其方式是，与按照数据库检测到的图像数据进行比对。这种自动比对的主要优点在于：能够在不输入类型名称、序列号等的情况下，根据数据库确定对应泵机组类型的重要的值/边界值，并将其在状态检测情况下使用用于进一步的方法流程。
在此有利的是，替代地或附加地，在记录视频序列之前，借助于移动式计算机输入泵机组类型和/或泵机组的待分析区域。因此例如可以设置：当通过图像比对发现关于泵机组类型没有结果或者没有明确的结果时，可以附加地手动输入泵机组类型；或者当尽管在数据库侧可以确定泵机组类型时，仍然通过相应输入来给出泵机组的一特定区域，该特定区域的状态应该被分析。在较大结构类型的泵机组中，在泵壳体中设置有单级或多级的离心泵，该泵壳体通过离合器与电动马达相连接，特别是在这些较大结构类型的泵机组中可以适宜地指定出：应该检查三个区域(泵、离合器、马达)中的哪一区域。这点也适用于增压泵，以指定应该检查单个泵机组中的哪个。
在此，在根据本发明方法的一种有利的扩展方案中可以在确认泵机组类型和/或待分析区域之后，在数据库侧确定预先确定的速度和在该相互关系中适宜的、用于图像处理的频率滤波器，并将其提供用于进一步的信号处理以及用于确定所述状态。
对视频序列的数字图像处理可以按照任何适当的方式进行，该方式以可实现的运算工作量无论是在移动式计算机上和/或在服务器侧上都能够实现状态确定。对视频序列图像进行数字图像处理已被证明是特别有利的，其中执行下述步骤中的一个或多个步骤：
适宜的是，首先将代表视频序列的电信号转换成YUV信号，并然后此外使用亮度信号Y进行进一步的分析。YUV信号处理可以被广泛地、稳定地和技术成本低廉地实现。在此，通过使用亮度信号Y已经可以显著地降低数据量，即减少了颜色信息。
然后，为了进一步减少每个单个图像的像素数量，已被证明有利的是：将高斯金字塔或高斯-拉普拉斯金字塔应用到用于分析的单个图像上。通过使用高斯金字塔或高斯-拉普拉斯金字塔能够以比较小的运算工作量大大地降低数据量。通过数据压缩去除了对于当前的评价而言包含最少信息份额的高频率。需要指出的是，这点也可以用其他方法，例如傅里叶变换来进行。
根据本发明的方法，然后有利地在数据减少之后设置对单个图像的带通滤波，即，有利地在数据减少之后将视频序列输送给带通滤波。
因此，有利地在这些图像/信号的数据减少之后，才确定光流以及确定因此光流在彼此相接的图像之间的变化的速度。这点可以有利地借助于卢卡斯-卡纳德方法(Lucas-Kanade-Methode)来进行，在这里仅是示例性参考该方法。这种方法也可以用较低的运算工作量来实现，并且在很大程度上对噪声和图像缺陷不敏感。
最后，根据所确定的速度在考虑到其空间分配的情况下生成泵机组的或泵机组的待分析区域的图像，该图像有利地被显示在显示器上，但是也可以存储在服务器侧或泵机组侧。在此有利地，超过预先确定的速度的图像区域例如通过红色的高亮被做得特别可辨认，而图像的其余部分仅以灰色调示出。本领域技术人员然后能够直接看到所显示出的图像区域涉及什么问题，例如，轴轴承是否有故障或者是否存在降低效率的系统共振。
即使上述的图像处理方法是极其稳健的，但仍然有利的是，在图像处理之前，就视频序列在其图像的空间一致性方面进行检查，以便在一致性不足时在移动式计算机上发出用于重复拍摄视频序列的信号。因此可以适宜的是，使用三脚架来拍摄视频序列。还有利的是，采用光学和/或电子图像稳定器，以便在不利的照明情况下也能排除图像模糊。还可以适宜的是，如同现代智能手机情况下存在的那样使用附加的照明来拍摄视频序列。视频序列的信息含量越高，其图像频率就越高，也就是每秒拍摄的图像就越多。但是，随着图像数量的增加，拍摄时间被缩短并因此使得到达芯片上的光量减少。因此，拍摄视频序列时的附加照明在视频序列的信息含量方面总是产生积极的效果。
在根据本发明方法的一种有利的扩展方案中，在进行了状态检测并确定了至少一个超过了预先确定的变化的速度的区域之后，发送一由数据库支持的信号用于变化地设定泵机组和/或用于替换构件。显而易见的是，在这种情况下，数据库必须不仅包括针对速度的边界值，而且还必须包括具体的速度模式，这些速度模式与错误(无论是轴承错误或设置错误)相关联，从而能够利用指出哪些设定需要改变或者要替换哪些构件来实际地进行错误分析。因此，例如通过使泵机组不再在共振范围内运转，也就是改变转速，可以减小共振错误。
有利地，在拍摄视频序列期间，不仅拍摄图像序列，而且还接收声音，并附加地通过对声音序列的评价来生成泵机组状态的确定。关于该相互关系请参考专利文献WO2016/059112A1，其中对此进行了详细描述。显而易见的是，在该相互关系中，视频和声音接收不一定必须同时进行。特别是在正如前述文献中所述的那样选择频率地进行接收时，于是也可能需要的是，紧接着对处于运行中的泵机组进行多次声音接收。特别是在使用智能手机或平板电脑时，在实践中无需额外的技术成本就能够进行这种附加的声音评价。
有利地，以时间间隔重复根据本发明的方法，其中，将分别所确定的速度值存储起来，从而不仅根据实时的确定来检测泵机组的绝对状态，而且也检测了关于时间的状态变化。
在使用集成在智能手机中的数字照相机的情况下，能够有利地对根据本发明的方法实施应用程序控制，但是并不局限于此。接收频率越高，状态确定就进行得越多。对于每秒240个图像的视频序列，可以检测和分析高至120Hz的颤动。这点相应于每分钟高至7200转的转速范围。几乎所有常见发生的错误都可以在这个范围内被分析。
附图说明
下面基于实施例对本发明做更详细的说明，其中：
图1以高度示意性的视图示出了借助于智能手机在增压泵上应用根据本发明的方法，
图2以高度简化的立体侧视图示出了被分成四个区域的多级内联式离心泵，其具有法兰连接的驱动马达，
图3示出了所选区域的视频序列的图像，
图4示出了速度分布的相应于速度的变化根据视频序列所确定的轮廓图，
图5示出了在该方法完成之后，在考虑到预先确定的值和空间分配的情况下在显示器上看到的图像；以及
图6示出了涉及用于状态确定的方法的流程图。
其中，附图标记说明如下：
1 泵机组
2 离心泵
3 电动马达
4 控制装置
5 抽吸管路
6 压送管路
7 操作者，操作人员
8 智能手机
9 智能手机8的显示器
10 所选择的区域
11 根据图2的泵机组
12 泵基座
13 输入管路接口
14 输出管路接口
15 柱体形泵部件
16 泵头
17 马达支架
18 电动马达
20 根据图6的流程图中的步骤1
21 查询
22 手动输入
23 选择并要求生成所选择的区域的视频序列
24 用于自动识别的发送
25 自动识别，选择区域并要求生成视频序列
26 将视频序列传输到服务器上
27 数字图像处理
28 创建给出光流或变化的速度的轮廓图
29 速度分配
30 显示临界状态区域
31 评价的允许区域
32 位于区域31内部的、超过允许速度的区域
33 轮廓图中的黑色场
34 轮廓图中的白色场
具体实施方式
下面对根据本发明的方法进行举例说明，其中详细列出了如图6所示流程图中的方法步骤。根据图1示出了如何能够示例性执行根据本发明的方法。待检查的泵机组1，该实施方式中的增压泵由三个并联连接的离心泵2组成，它们分别由经变频器控制的电动马达3驱动。上级控制装置4根据需要接通或断开从公共抽吸管路5向压送管路6输送的离心泵2。
为了确定这个由三个单个机组组成的泵机组1的状态，操作人员7(在图1中仅示出了操作人员的手)操纵智能手机8，在该智能手机上首先启动针对该目的所确定的软件应用程序，在该软件应用程序中，要求操作人员7首先借助于智能手机8拍摄泵机组1的图像。该智能手机通过智能手机的无线连接(WLAN，蓝牙，无线3G、4G、5G，等)与服务器的基于云的数据库相连接，该服务器根据图像数据库对泵机组1的所传输的图像进行分析、鉴定并然后要求将泵机组1的待检查部分标出，该待检查部分在图1中通过在智能手机8的显示器9上标出的电动马达3示出。现在将所选择的这个区域10考虑用于进行进一步的状态确定，其中，首先借助于智能手机8拍摄泵机组1的该区域的视频序列，并通过基于云的网络发送到服务器以进行进一步处理，该服务器通过访问存储在数据库中的数据对所传输的视频序列进行编辑、分析并将结果显示在显示器9上。
下面参照如图6所示的流程图来详细说明根据如图2所示的泵机组11是如何进行根据本发明的方法的。
如图2所示的泵机组是一种内联式多级离心泵，其具有竖直的轴布置方案，该内联式多级离心泵例如由申请人以类型名称CR按照不同结构尺寸出售。该泵机组11具有泵基座12，该泵基座承载整个机组并被放置在地面上。在该基座12中并入了输入管路接口13和输出管路接口14。
在泵基座12上向上连接有基本为柱体形的泵部件15，该泵部件收纳泵级并向上被泵头16封闭，泵头被构造为马达支架17并在其上侧上被设计用于收纳电动马达18。具有泵级的柱体形泵部件15在泵头16和泵基座12之间通过拉杆被夹紧。在所述泵部件15的内部可转动地安装有轴，该轴收纳泵级的(未示出的)叶轮，并且该轴的上端部密封地被引导穿过泵头16，在那里，该上端部通过设置在马达支架17区域中的离合器与电动马达18的轴的向下指向的端部驱动连接。为了利用根据本发明的方法进行状态分析，这样的泵机组被示例性地分成四个区域A、B、C和D，其中，区域A包括电动马达18，区域B包括马达支架17，区域C包括具有处于其中的泵级的柱体形泵部件15，而D部分包括带有管路接口13和14的泵基座12。下面基于该泵机组11对用于泵机组11或其一分部的状态检测的根据本发明的方法进行说明：
首先在智能手机8上启动相应的软件应用程序，软件应用程序在第一步骤20中要求使用者7接通泵机组11或者说确认泵机组11正在运行。一旦这点被操作者确认，则进行查询21，在查询中，操作者7可以给出是否应该借助于智能手机或手动输入进行对泵机组的自动识别。在针对泵机组类型例如通过给出序列号进行手动输入22之后，使智能手机8通过网络与基于云的数据库进行通信以识别泵机组，然后要求用户7给出泵机组11的应被检查状态的区域。操作者7现在可以在区域A至D之间进行选择，并在选择好其中一个区域之后提出要求：制作正在运行的泵机组的该区域的视频序列。该步骤在根据图6的图表中被标记为23。
如果操作者7在查询21中决定要进行自动识别，则其借助软件应用程序在步骤25中发出要求：借助其智能手机8创建整个泵机组11的或其一部分，即区域A至D中的一个区域的图像或视频序列，然后通过由数据库支持的图像识别在网络侧对该图像或视频序列进行评价，并将结果发送至智能手机8。如果借助智能手机8对整个泵机组11进行照相检测，无论是单个照片还是短视频序列，则然后在显示器上向操作者7示出泵机组11的区域A至D，以便选择应该检查这些区域A至D中的哪一个区域。在完成对相应区域的选择之后，操作者7类似于步骤23中那样现在在步骤25中提出要求：制作泵机组11的该部分A、B、C或D的视频序列。如果操作者7在进行自动识别时已经给出了泵机组11的仅一个部分A、B、C或D，则可以在相应识别泵机组11和这些区域A至D中的一个区域的情况下省略该区域选择。
现在要求操作者7由之前已选择的待检查区域B制作长度预先确定的例如为5至10秒的视频序列。该由智能手机8所拍摄的泵机组11的区域B(相应于图3)的视频序列对包括马达支架17的区域进行了检测，在该区域中，马达轴和泵轴的端部借助于离合器被驱动连接。该视频序列在步骤26中借助于智能手机8和基于因特网的网络被发送到服务器。然后，服务器在使用存储在数据库中的关于泵机组类型和所选择区域的数据的条件下发出在此发生的频率范围以及在该区域中取决于区域的、针对改变的最大允许速度。因此，在步骤27中，发送到服务器上的视频序列首先通过合适的数字图像处理减少了数据量，然后在步骤28中创建了关于速度分布的轮廓图。该轮廓图在图4中示出并包括由分配给相同灰度值的像素构成的组。每个灰度值表示该像素组的一平均速度变化。也就是说，在图4中黑色场33的地方，变化的速度最低，与之相反，白色场34则代表图像之间的变化的速度最高的图像部分，即，这些图像部分是能够在视频序列的彼此相接的图像之间确定最大光流并因此能够确定泵机组11的区域B(相应于图3)中的表面上的最大运动振幅的图像部分。
在步骤27中通过数字图像处理对视频序列进行编辑，使得能够在步骤28中创建如图4所示的轮廓图，该步骤27例如可以如下地进行：将代表视频序列的信号-如果尚未进行-转换成YUV信号，其中，亮度信号Y在可能必要的增益之后被用于进一步的分析。然后通过应用高斯-金字塔或高斯-拉普拉斯-金字塔来降低视频序列的图像的像素分辨率，另外对视频序列、也就是所有的单个图像进行带通滤波，以实现进一步的数据减少，特别是排除在此不感兴趣的频率范围。这些不感兴趣的频率范围例如通过低通滤波来排除，它们是按照数据库来确定的，并且因此根据数据库在所确定的泵类型以及待检查区域的基础上确定这些不感兴趣的频率范围。最后，例如借助于卢卡斯-卡纳德方法来确定单个图像之间的光流，以便因此获得对图像之间的变化的速度的确定，从而最后在步骤28中创建下述的轮廓图：该轮廓图的灰度值代表光流的速度并因此代表单个图像之间的变化的速度。
然后在步骤29中，在考虑到单个图像的曝光时间和单个图像的时间间隔的情况下，给轮廓图28的灰度值区域33、34分配实际速度，并由此确定哪一个区域以什么样的频率和振幅振动。然后在步骤30中将所确定的速度与区域B的按照数据库所存储的允许速度进行比对并将所确定的速度传输到智能手机8上，该智能手机在显示器9上显示出对应于图5的视图，轮廓图28的区域31对于状态检测而言从根本上说是关系重大的，并且在该区域31中显示出区域32，在这些区域中，检测到的振动超过允许值。
最后，在步骤33中，在分析如图5所示的错误状态之后，在显示器9上向操作者给出一个或多个指令：需要什么操作才能降低这种不允许的高振动。该指令可以是例如降低或增加泵的转速，但是该指令也可以是指出长期预示会发生的轴承损坏。
尽管原则上在步骤26中传输视频序列之后如下地设置了信号检查，即，信号是否适合于评价，也就是说视频序列是否足够长，所有的图像是否包括感兴趣的图像区域并且足够清晰，但是在数字图像处理的过程中也可能会表明：对视频信号的评价没有提供明确的结果。于是，可以通过智能手机上的应用程序要求操作者再次拍摄并传输视频序列，从而在步骤26中重新开始并重复该方法。