专利名称：用于使用定子电流噪音消除的轴承故障检测的系统和方法
技术领域：
本发明一般涉及电动机，特别涉及用于检测表示电动机故障的初期条 件的系统和方法。
背景技术：
三相感应电动机消耗所产生电容量的大的百分比。用于工业的这种"重 负荷机器"的许多应用为风扇和泵工业应用。例如，在典型的集成造纸厂 中，低电压与中电压电动机可包含所有驱动电气负荷的接近70%。由于工 业中的这种电动机的流行，三相电动机的可靠性是主要的。工业可靠性研 究建议，电动机故障典型地在四个主要种类中的一个之中。具体而言，电 动机故障典型地来自于轴承故障、定子匝故障、转子线棒故障、或其他的 一般故障/失效。在这四种故障中，轴承、定子和转子故障占所有电动机故 障的大约85%。
据信，这种百分比可大大减小，如果被驱动设备在安装时更好地对准， 且无论运行条件如何变化都保持对准的话。然而，电动机常常耦合到非对 准的泵负载或具有旋转不对称的负载，并由于在电动机轴承上给予的压力 而过早地故障。另外，手动检测这种导致故障的条件难以^故到最好，因为 这样做需要电动机运行。照此，操作者通常需要将电动机停止运行，以进 行维护检查和诊断。然而，将电动机停止使用在许多应用中是不希望的， 因为电动机停机时间可能成^L高。照此，已经设计出某些检测装置，其产生关于运行的电动机的反馈。 于是，由操作者检查反馈，以便确定电动机的运行条件。然而，监视运行 的电动机的大多数系统仅仅提供可能已经损坏电动机的故障的反馈。照此， 尽管运行反馈纟支发送到操作者，通常对于采取保护性动作来说太迟了 。
某些系统试图向操作者提供早期故障警报反馈。例如，振动监视已经 用于提供某些基于早期不对准或不平衡的故障。然而，当机械共振发生时， 机器振动被放大。由于这种放大，指示严重机械不对称的误诊是可能的。 另外，基于振动的监视系统典型地要求电动机系统内配置高度侵入性和专 用的监视系统。
鉴于基于振动的监视的缺点，基于电流的监视"t支术已经开发出来，以 便提供更为便宜的非侵入性技术，以便检测轴承故障。也存在进行基于电 流的故障检测的限制和缺点。也就是说，在基于电流的轴承故障检测中， 从电动机定子电流中提取故障表征可能是项挑战。对于不同类型的轴承故 障，故障表征可能处于不同的形式。根据一般故障建立过程，轴承故障可
分为单点故障或全面粗糙度(generalized roughness )。当前使用的大多数
基于电流的轴承故障检测技术指向检测单点故障，并依赖于定子电流中的 特征轴承故障频率的定位和处理。然而，这种技术不能适应于检测全面粗
糙度故障。也就是说，全面Wt度故障表现出劣化的轴承表面，但不必然 是显著的缺陷，因此，特征故障频率不是必然在定子电流中存在。由于许 多轴承故障在一开始建立为全面粗糙度轴承故障，特别是在早期，基于电 流的轴承故障检测技术能够检测这种全面粗糙度轴承故障是有利的。
因此，希望i爻计一种基于电流的轴承故障检测技术，其能克服前面提 到的缺点。通过提供轴承故障的早期检测，允许检测全面粗糙度轴承故障 的基于电流的轴承故障检测技术将会是有利的。
发明内容
本发明提供了借助电流噪音消除(cancellation)来检测即将发生的机 械电动机故障的系统和方法。电流数据被分解为非故障分量(即噪音)和故障分量，进行噪音消除，以便隔离电流的故障分量，并产生故障标识。
根据本发明一实施形态，被配置为检测初期机械电动机故障指标的控 制器包含处理器，其被编程为在已知的正常运行过程中从电动机接收一组 电流数据，基于从已知正常运行电动机获取的该组电流数据定义基线噪音， 重复地从运行电动机接收实时运行电流数据。处理器被进一 步编程为从运 行电流数据移除基线噪音，以便识别在运行电流数据中存在的任何故障分 量，并基于任何隔离的故障分量产生运行电流数据的故障标志。
根据本发明另 一实施形态，用于在电机中检测即将发生的轴承故障非
侵入性方法包含这样的步骤在运行中从电机获取多个定子电流数据组， 将所述多个定子电流数据组中的各个实时施加到电流数据滤波器，以便产 生消除噪音的定子电流，并对于所述多个定子电流数据組的每一个从噪音 消除定子电流确定故障标志。该方法还包含这样的步骤对于所述多个定 子电流数据组监视故障标志的值，如果预定数量的故障标志值超过控制限 制值，产生警报。
根据本发明又一实施形态，用于监视电流以预测轴承故障的系统包含 至少 一个非侵入性电流传感器，其被配置为从运行电动机获取定子电流数 据；处理器，其被连接以便从所述至少一个非侵入性电流传感器接收定子 电流数据。处理器被编程为从所述至少一个电流传感器接收第一定子电流 数据組，第一定子电流数据組包含表示正常电动机运行的基线电流数据。 处理器也被编程为由基线电流数据定义非故障分量，重复从运行电动机接 收实时运行电流数据，并实时地从运行电流数据移除非故障分量，以便隔 离剩余的电流数据。处理器被进一步编程为处理剩余电流数据，以便识别 可能的轴承故障，对于任何识别出的轴承故障产生故障标志，如果故障标 志超过故障标志阈值，产生警才艮。
由下面的详细介绍和附图，可以明了本发明的多种其他特征和优点。
附图示出了当前为实现本发明想到的优选实施例。在附图中
图l为实现本发明想到的电动机组件的原理图； 图2为根据本发明的控制器的框图3为才艮据本发明一实施例用于配置Wiener滤波器的控制器的框图； 图4为根据本发明一实施例使用电流噪音消除进行故障检测的控制器 的框图5为根据本发明一实施例根据统计处理控制技术相对于故障标志阈 值的所绘制的故障标志数据的图示；
图6为根据本发明另一实施例的控制器的框图7为一流程图，其示出了使用电路噪音消除的故障检测技术。
具体实施例方式
这里所述的实施例涉及异常条件检测，以便预测性地缺定可能的电动 机故障。电流表征分析(CSA)用于检查从监视运行电动机的控制器的多 个传感器接收的原始数据。优选为在控制器内配置的系统将所检测/监视到 的电流分解为非故障分量和故障分量，并进行噪音消除操作，以便隔离电 流的故障分量，并产生故障标识。于是，在故障发生之前，先行一步地向 被监视电动机系统的操作者警报可能的故障。
现在参照图1，电动机组件，例如感应电动才几，净皮配置为驱动负载。 电动机组件10包含电动机12，其从电源14接收电力。电动机组件10还 包含控制器16 (即电流监视系统)，用于响应于操作者输入或电动机故障 条件来监视以及控制电动机10的运行。电动机12和控制器16典型地被耦 合到电子装置，例如电力控制器或启动器17,并与电动机电源串联来控制 到电动机12的电力。控制器16包含处理器18，处理器18如将在下面参 照图2更为详细地介绍地那样实现确定不希望的机械条件存在并预测性地 在故障发生之前向操作者警报可能的故障的算法。控制器16还包含电流传 感器22。根据本发明一示例性实施例，将会明了，电流传感器22为用于 监视到电动机的电流输入并一般地监视电动机运行的已有传感器。也就是
9说，不需要用于获取用在本发明的噪音消除系统/技术(下面详细介绍)中 的电流数据的单独的一组电流传感器。因此，用在噪音消除系统/技术中的
电流数据经由电流传感器22的获取被理解为构成"无传感器"电流监视系 统/技术，用于预测性地确定可能的电动机故障。如一般所知的，电流数据 可从三相电动机的仅仅两个相获取，因为第三相的电流数据可由所监视的 两个相的电流数据外推。尽管本发明将参照三相电动机来介绍，本发明等 价地适用于其他电动机。另外，尽管被示为包含一对电流传感器22，也可 想到， 一个电流传感器可用于获取仅仅一相的电流。
在本发明一实施例中，电流传感器22从感应电动机获取定子电流数 据。从传感器22获取的定子电流数据被传送到处理器18，在那里，使用 电流表征分析(CSA)对电流进行分析，以便检测初期(即，即将到来的) 电动机故障，例如轴承故障。由于特征故障频率的识别不是检测所有类型 轴承故障(例如全面粗糙度故障)的可用方案，根据本发明一实施例，处 理器18被编程为处理作为低信噪比(SNR)问题的故障检测问题。处理器 18因此>^皮编程为将定子电流分解为噪音分量和故障分量(即轴承故障信 号)。噪音分量为定子电流中的首要分量，并包含供电基波频率和谐波、 偏心度谐波(eccentricity harmonics )、槽谐波(slot harmonics ),饱和 谐波以及来自未知源的其他分量，包括环境噪音在内。由于这些主要分量 在存在轴承故障之前以及之后存在，它们包含的信息的主体与故障无关。 在这个意义上，它们可被处理为轴承故障检测问题的噪音。由于噪音可能 是轴承故障信号的104倍那么强(即几十安培Vs毫安培)，轴承故障信号 的检测构成低SNR问题。为了解决低SNR问题，处理器18进行噪音消除 技术/处理来检测轴承故障信号。定子电流中的噪音分量被推定，于是以实 时方式通过其推定来消除，由此由剩余的分量提供故障指示。
尽管处理器18被示为包含在独立控制器16中，也可想到，处理器18 可包含在电力控制器/启动器17中。另外，可以想到，处理器18可被包含 在另一电力控制装置中，例如仪表、继电器或驱动器。也就是说，将会明 了，控制器16可包含已有的电力控制装置，例如仪表、继电器、启动器或电动机驱动器，处理器18可被集成在其中。
现在参照图2，示出了控制器16的更为详细的框图。如参照图l所介 绍的，控制器16包含处理器18和电流传感器22。另外，继电器组件16 包含陷波滤波器24、低通滤波器26、模拟至数字(A/D)转换器28。陷波 滤波器24、低通滤波器26、 A/D转换器28用于接收由电流传感器22产生 的原始数据，并准备用于由处理器处理的原始数据。也就是说，滤波器24 和26用于消除基波频率(例如美国为60Hz,亚洲为50Hz)和低频谐波， 因为这些谐波分量与轴承故障无关。从测量得到的电流数据移除这种频率 (特别M本频率分量)能大大改进模拟至数字转换分辨率和SNR，因为 60Hz频率在电流信号的频谱中具有大的量值。尽管控制器16被示为包含 滤波器24、 26，然而，也可想到，电流数据可直接从电流传感器22传送 到A/D转换器28。
如图2所示，处理器18至少部分作为噪音消除系统运行，该系统将定 子电流分解为噪音分量和故障分量。处理器18由此包含输入延迟器30和 电流估计器32，电流估计器被配置为估计在定子电流中存在的噪音分量。 从重复获取的实时定子电流中减去噪音分量的估计得到被轴承故障/失效 注入定子电流的故障分量。可以想到，电流估计器32可被配置为Wiener 滤波器(无限脉冲响应IIR或固定脉冲响应FIR)、最陡下降算法、最小 平均二乘(LMS)算法、最小递归二乘(LRS)算法或其他的数字滤波器。
现在参照图3，在本发明一示例性实施例中，处理器34在其中包含 Wiener滤波器36，其提供定子电流中的噪音消除以及其中的故障信号隔 离。为了在定子电流中提供准确的噪音消除，处理器34被编程为将Wiener 滤波器36配置为准确定义(即推定)定子电流中的大多数噪音分量，使得 定子电流中的故障信号不包含在其输出中。在Wiener滤波器36的配置中， 处理器34分析与健康轴承条件相关联的定子电流数据。这种与健康轴承状 况相关联的定子电流数据可包含例如在安装轴承后的短时间内或在轴承状 况监视处理开始时所采集的第一定子电流数据组，由此保证没有轴承故障 分量被包含在定子电流中。第 一定子电流数据組因此包含基线电流数据，其本质上包含纯噪音数据，不包含故障信息。
第一定子电流数据組或基线电流数据由处理器34接收，并被实现为用 于配置Wiener滤波器36。具体而言，基线电流数据用于分配Wiener滤波 器36中的系数。处理器34向Wiener滤波器36分配系数，使得滤波器的 估计误差e(n)在均方意义上最小化。如图3所示，基线电流数据由下式描 述
将
二 —x("— —A:)
輔 [公式3a
代入公式3，得到
五^(")x("—"0 — &)}= 0 ; 二 0，1,…，p [,〉式4] 其被称为投影定理或正交原理。将<formula>formula see original document page 13</formula>
代入公式4，得到:
<formula>formula see original document page 13</formula>[公式51
或等价地
乞w(,/)/^x(" - rt， 一，/)x(m . rt。國/ [y0i)x(h — 。 - /<; = (),，，.,"/;
通过假设信号x(n)为广义平稳过程(WSS )，贝'J: E (X「" 一》Xfh — ~} 二 & —》[公式7]
公式6于是被简化为
<formula>formula see original document page 13</formula>
以矩阵形式，公式8可被写作
<formula>formula see original document page 13</formula>
这与公式2是同样的误差，其被最小化，以便找到wiener滤波器的系 数。在扩展时，上面的公式可改写为<formula>formula see original document page 17</formula>
在这样的条件下，由于x(n)-di(n)+v"n)，因此，可见
<formula>formula see original document page 17</formula>[公式15
由于d"n)和vn(n)均为广义静态过程(WSS)，公式15变为
<formula>formula see original document page 17</formula>("[公式16]
由于测量噪音v"n)是随机的，其功率语分布在宽广的频率范围上，其 自相关是脉冲式的，且其与其他信号的互相关为零(即根据定义，信号的
自相关序列为其功率语的逆傅立叶变换)。因此，从7>式16得到
<formula>formula see original document page 17</formula> [公式n
将公式17带入公式14，得到
<formula>formula see original document page 17</formula> [公式18]
为了进一步研究系统的性能，噪音分量(包含供电基波与谐波，偏心
度谐波，槽谐波等)被描述为
<formula>formula see original document page 17</formula>[公式19
其中，Am, oom， c|)m， m-l…M，为定子电流中的M谐波分量的幅度、
频率和角度。为了计算信号^(n)的自相关序列，定义下面的关系' |j-1 " ，」j
" J L一 ,j.j揭 . {cosf气F) - cos(2气/7 + &^ + 2^>。}二2 cos(气
2 2 [公式21]
以及
'，
，
S-《iX.〈4。'如.,- )"〖，>十(<^. 1』-'4。S[(，, +<,,W"' ;十&)|)
因此，信号dt(n)的自相关序列为
=i 2 [公式23
将公式23带入公式18，得到对于健康轴承条件的滤波器42的估计误 差为
《隨=S导'f卜￡ 一 cos ^("。 + W卜、〖X) J
"'=1 2 L " J [乂>式24]
类似地，对于故障轴承条件，均方估计误差仍能由公式13计算。出于
方便，公式13在这里重复为
《=
A=0
+ 2 ,
L/=o .[4 + ^ + 4"丁 ^ ; v、 +々)]}
18[公式26
假设d(n)， d(n)， vKn)均为WSS，则公式26变为
~⑨=、W + 。 (A) + 、 (1) + 2r一 + (A) + 2% 、"[公式27
对于健康轴承条件，如果假设测量噪音w(n)为宽带信号且不与c3U(n)
以及d(n)相关，则可见
,'/()」=rJ0)十r/0八。，+ 2r"'0)[公式网
以及
~⑨=、("+ 0 W + 2 W, h 0 [公式29
如果噪音分量被描述为
AT
W") = 5ASmk" + ^」[公式29a
如公式19所述，于是，故障分量可被表述为
剩二 2 "8。 sm k" + & )
— [7>式30
其中，Aq、COq、(j)q为由轴承故障注入定子电流的Q故障分量的幅度、频
率和角度。D(n)的自相关序列因此可如公式20-23中那样计算，结果为
"2 [公式31
对于cOq^C0m， q=l， 2，…，Q， m=l， 2，…，M，在如7〉式20到 23的同样的步骤之后，噪音分量和故障分量之间的互相关序列变为 O一 (&) = 0 k:整数公式32
因此，合并公式25到32，故障轴承条件的估计误差可被获得为
《，",,+ 2 + 1 - S补'沐》cos f":, ， ;. 4 S ~f S w'沐》S w伊"w〖w/A'—力-eos V"o ""卩
4 i - '. " J > : 二 I, '. j ■、 」j
[公式331
其中，Smin为公式24所表示的故障轴承条件的估计误差。
有利的是，注意，上面所述的噪音消除方法考虑故障分量的集体效应， 以便促进故障检测。也就是说，因为故障信号的频率COq，S和故障分量的量 度Bq，S对于全面粗糙度轴承故障小，与轴承接触角(Oq—起在集体故障^量d(n)中综合这些因素允许增大的故障信号强度和改进的轴承故障检测。 还要进一步注意，如果故障信号d(n)为宽带信号，则其与宽带测量噪音Vl(n) 具有同样的效果，由于宽带信号的功率保持在估计误差中(即对于健康轴 承条件，又对于故障轴承条件)，故障信号的存在导致估计误差的增大。
另外，即使CO^COm且存在估计误差的较小增大(由于公式33右边的 第三项为零，而第二项非零)，故障信息仍在结果得到的估计器误差中存 在。也就是说，即使故障分量和噪音分量具有共有的频率，例如当轴承故 障增大电动机的动态偏心度时，故障信息仍在结果得到的估计器误差中存 在。上面的特征因此提供了改进的基于电流的检测技术，以便检测全面粗 糙度轴承故障。
现在参照图7，示出了一流程图，该图显示出用于检测全面粗糙度轴 承故障的基于电流的技术46。该技术开始于从例如为三相感应电动机的电 机获取和接收第一定子电流数据组x(n)，从而产生基线电流数据48。所获 取/接收的第 一定子电流数据组包含与健康度轴承条件相关联的定子电流 数据，已经知道其没有任何轴承故障信号。
由基线电流数据，电流数据滤波器(即噪音消除系统)被配置50为向 定子电流提供噪音消除。从而隔离其中存在的任何故障分量。在一示例性 实施例中，电流数据滤波器为Wiener滤波器，其械/没计为通过定子电流 中噪音分量的推定基于所接收的定子电流数据的滤波从定子电流中消除噪 音分量。为了提供定子电流中的准确噪音消除，Wiener滤波器^J己置为 其能准确推定定子电流中的大多数噪音分量，并使定子电流中的故障信号 不包含在其输出中。在Wiener滤波器的配置中，基线电流数据用于分配 Wiener滤波器中的系数，使得轴承故障信息不被包含在系数中。Wiener 滤波器被设计为使得其估计误差以均方形式最小化。也就是说，使用最小 均方误差(MMSE)方法来分配系数。由于Wiener滤波器基于基线电流 数据(即纯噪音电流数据)来配置，这意味着Wiener滤波器的输出为定 子电流的估计的噪音分量g(n)，其基本上等于基线电流数据，使得估计误 差最小化，即e(n)=x(n)-g(n)。
20在配置Wiener滤波器之后，技术通过获取并接收定子电流的至少一 个附加数据组52来继续。附加定子电流数据在使用电机的一时间段后获取 /接收，并被监视，以便检测定子电流中存在的轴承故障信号。定子电流数 据的附加数据组净皮传送到电流数据滤波器54，以便在其上进行噪音分量消 除。将电流数据滤波器提供的推定的噪音分量从定子电流56中消除，以便 隔离在定子电流中存在的任何故障分量。也就是说，由于定子电流中的噪 音分量(正弦)无论量值还是频率上基本上不在恒定的负载下改变，从电 流数据滤波器输出的估计的噪音分量(并基于基线电流数据)可从定子电 流的最近的样本(即另外获得的定子电流)消除，以^t准确地确定定子电 流的故障分量。假设电流数据滤波器被准确配置并具有好的性能，定子电 流在噪音消除后的剩余部分将会准确地描绘故障信号d(n)。
由在噪音消除后的定子电流中剩余的故障分量，故障标志(即故障指 示)被确定58。在一示例性实施例中，故障指示被计算为噪音消除后的定 子电流的RMS值。取隔离后的故障分量的RMS值提供了可被监视的较大 的信号，允许轴承故障的改进识别。在计算时，将故障标志与另外计算的 故障标志进行比较，以便产生故障标志阈值59并确定故障指示是否超过故 障标志阈值60。如果故障指示没有超过故障标志阈值62，则该技术通过继 续接收和监视附加定子电流数据64来继续。然而，如果故障指示超过故障 标志阈值66，则产生警才艮68，例如听觉或视觉警报，从而通知操作者定子 电流中的故障分量已经超过希望的量。于是，使得操作者能够关闭电机的 运行，并进一步检查轴承是否存在故障。
在技术46的示例性实施例中，故障标志阈值经由统计处理控制(SPC ) 技术来确定59。故障标志阈值(即控制限制)对于X图表和mR (移动范 围i)图表中的各个确定。在经由SPC技术计算故障标志阈值时，故障标 志关于这些阈值60受到分析。如果预定量或百分比的故障标志落在故障标 志阈值66之外，确定为存在劣化的轴承条件并产生警才艮68。例如，如果 落在控制限制外的故障标志的百分比高于10%，则可产生警净艮。SPC技术 因此用于监视实时获得的故障标志，并分析故障标志值，以便确定"阈值，，
21是否已裙"超过；由此允许劣化轴承条件或轴承故障存在的判断。
根据本发明 一 实施例，上面所述的噪音消除方法能够隔离定子电流中 的故障分量，以便检测初期轴承故障，而不需要确定电机参数、轴承尺寸、
铭牌值或定子电流谱分布。通过使用SPC技术的噪音消除后的定子电流的
分析(且故障标志由之产生)消除了对获知这些机器参数、轴承尺寸、铭
牌值或定子电流镨分布的需要。也就是说，由于噪音消除方法借助SPC技
术基于所获取的故障标志值而不是基于描述定子电流中的故障表证的一组 预定公式来确定控制限制和故障标志警报阈值，对于定子电流中的故障分 量的分析不需要这种信息。因为机器参数、轴承尺寸、铭牌值或定子电流 语分布的确定/获取可以是困难且耗时的，在本发明的系统和方法的实施例 中不需要这样的信息带来了更为高效的基于电流的轴承故障检测。
所公开的方法和设备的技术贡献在于，提供了借助电流噪音消除来检 测即将发生的机械电动机故障的计算机实现的技术。电流数据被分解为非 故障分量(即噪音)和故障分量，进行噪音消除，以便隔离电流中的故障 分量，并产生故障标志。
因此，根据本发明一实施例，被配置为检测初期机械电动机故障的指 标的控制器包含处理器，该处理器被编程为在已知的正常运行中从电动机 接收电流数据组，基于从已知正常运行电动机所获取的电流数据组来定义 基线噪音，并从运行电动机重复接收实时运行电流数据。处理器被进一步 编程为从运行电流数据中移除基线噪音，以便识别运行电流数据中存在的 任何故障分量，并基于任何隔离的故障分量对于运行电流数据产生故障标
士
根据本发明另 一实施例，用于检测电机中的即将到来的轴承故障的非
侵入性方法包含以下步骤在运行中，从电机获取多个定子电流数据组， 将所述多个定子电流数据集中的各个实时应用到电流数据滤波器，以便产 生消除噪音后的定子电流，并对于所述多个定子电流数据组中的每一个由 噪音消除后的定子电流确定故障标志。该方法还包含以下步骤监视所述 多个定子电流数据组的故障标志值，如果预定数量的故障标志超过控制限制，产生警报。
根据本发明又一实施例，用于监视电流以预测轴承故障的系统包含 至少一个非侵入性电流传感器，其被配置为从运行电动机获取定子电流数 据；处理器，其被连接以便从所述至少一个非侵入性电流传感器接收定子 电流数据。处理器被编程为从所述至少一个电流传感器接收第 一定子电流 数据组，第一定子电流数据组包含表示正常电动机运行的基线电流数据。 处理器也被编程为由基线电流数据定义非故障分量，重复从运行电动机接 收实时运行电流数据，并实时地从运行电流数据移除非故障分量，以便隔 离剩余的电流数据。处理器被进一步编程为处理剩余电流数据，以便识别 可能的轴承故障，对于任何识别出的轴承故障产生故障标志，如果故障标 志超过故障标志阈值，产生警报。
已经在优选实施例的意义上介绍了本发明，将会明了，除明确介绍的 外的等价、替代和修改是可能的，并属于所附权利要求的范围。
2权利要求
1.一种被配置为检测初期机械电动机故障指标的控制器，其包含处理器，处理器被编程为在已知的正常运行过程中从电动机接收一组电流数据；基于从已知正常运行的电动机获取的该组电流数据定义基线噪音；重复地从运行的电动机接收实时运行电流数据；从运行电流数据移除基线噪音，以便识别在运行电流数据中存在的任何故障分量；以及基于任何隔离的故障分量对于运行电流数据产生故障标志。
2. 根据权利要求l的控制器，其中，处理器被进一步编程为向多个 所产生的故障标志应用统计处理控制分析，从而计算故障标志警报阈值。
3. 根据权利要求2的控制器，其中，处理器被进一步编程为如果故 障标志的检测到的变化超过故障标志警报阈值，产生警报。
4. 根据权利要求3的控制器，其中，处理器被进一步编程为确定超过故障标志警报阈值的故障标志的百分比；以及 如果超过故障标志警报阈值的故障标志的百分比超过预定的百分比，产生警才艮。
5. 根据权利要求l的控制器，其中，处理器被进一步编程为基于从 已知正常运行的电动机获取的该组电流数据，配置Wiener滤波器，Wiener 滤波器^L配置为推定基线噪音。
6. 根据权利要求5的控制器，其中，处理器被进一步编程为在Wiener 滤波器上进行最小均方误差(MMSE)运算，以便使得推定的基线噪音中 的误差最小化。
7. 根据权利要求5的控制器，其中，故障分量包含Wiener滤波器的 估计误差。
8. 根据权利要求l的控制器，其中，处理器被进一步编程为计算故 障分量的均方根(RMS)值，以^更产生故障标志。
9. 根据权利要求1的控制器，其还包含 电流传感器；陷波滤波器，其被连接为从电流传感器接收电流数据； 低通滤波器，其被连接为从陷波滤波器接收电流数据； 模拟至数字转换器，其被连接为从低通滤波器接收电流数据；以及 延迟单元，其被连接为从模拟至数字转换器接收电流数据，以便保证 实时监视过程中的数据捕获。
10. 根据权利要求1的控制器，其被配置为，基于故障标志，检测全 面粗糙度轴承故障和单点缺陷轴承故障中的至少一个。
11. 根据权利要求1的控制器，其中，故障分量包含具有多个故障幅 度的多个故障频率，且其中，故障标志包含所述多个故障频率的故障幅度 的总和。
12. —种用于在电机中检测即将发生的轴承故障的非侵入性方法，其 包含在运行中从电机获取多个定子电流数据组；将所述多个定子电流数据組中的各个实时施加到电流数据滤波器，以 便产生消除噪音的定子电流；对于所述多个定子电流数据组的每一个，由消除噪音的定子电流确定 故障标志；对于所述多个定子电流数据组，监视故障标志的值；以及 如果预定数量的故障标志的值超过控制限制，产生警报。
13. 根据权利要求12的方法，其还包含 向故障标志应用统计处理控制(SPC)技术；以及 基于SPC技术，设置控制限制。
14. 根据权利要求13的方法，其还包含 确定超过控制限制的故障标志的百分比；以及 如果超过控制限制的故障标志的百分比高于预定数，产生警报。
15. 根据权利要求12的方法，其中，将定子电流数据施加到电流数据滤波器包含将定子电流数据施加到Wiener滤波器。
16. 根据权利要求15的方法，其还包含在获取所述多个定子电流数据组之前获取基线定子电流数据，基线定 子电流数据是从处于正常运行条件的电机获取的；以及将基线定子电流数据应用到Wdner滤波器，以便推定其中的噪音分
17. 根据权利要求16的方法，其中，对于所述多个定子电流数据组中 的每一个产生消除噪音的定子电流包含从所获取的定子电流数据组消除所推定的噪音分量。
18. 根据权利要求16的方法，其还包含通过将最小均方误差 (MMSE )运算施加到基线定子电流数据，选择Wiener滤波器中的系数。
19. 根据权利要求12的方法，其中，确定故障标志包含计算消除噪音 的定子电流的均方才艮。
20. —种用于监视电流以预测轴承故障的系统，其包含 至少一个非侵入性电流传感器，其被配置为从运行的电动机获取定子电流数据；以及处理器，其被连接为从所述至少一个非侵入性电流传感器接收定子电 流数据，处理器被编程为从所述至少一个电流传感器接收第一定子电流数据组，第一定子 电流数据组包含表示正常电动机运行的基线电流数据； 由基线电流数据定义非故障分量， 重复地从逸行的电动机接收实时运行电流数据； 实时a运行电流数据移除非故障分量，以便隔离剩余的电流数据；处理剩余电流数据，以便识别可能的轴承故障；对于任何识别出 的轴承故障，产生故障标志；以及如果故障标志超过故障标志阈值，产生警报。
21. 根据权利要求20的电流监视系统，其中，处理器被进一步编程为分析多个所产生的多个故障标志；以及将统计处理控制(SPC)技术应用到所述多个故障标志，以使i殳置故 障标志阈值。
22. 根据权利要求20的电流监视系统，其中，处理器被进一步编程为 基于基线电流数据配置Wiener滤波器，Wiener滤波器被配置为由基线电 流数据定义非故障分量。
23. 根据权利要求20的电流监视系统，其中，处理器被进一步编程为 计算剩余电流数据的均方根值，以便确定故障标志。
24. 根据权利要求20的电流监视系统，其中，处理器被进一步编程为 由故障标志，检测全面粗糙度轴承故障。
全文摘要
公开了借助电流噪音消除来检测初期机械电动机故障的系统和方法。系统包含控制器，其被配置为检测初期机械地能动机故障的指标。控制器还包含处理器，其被编程为从运行的电动机接收基线电流数据组并定义基线电流数据组中的噪音分量。处理器也被配置为重复地从运行的电动机接收实时运行电流数据，并实时地从运行电流数据移除噪音分量，以便隔离在运行电流数据中存在的任何故障分量。处理器被编程为基于任何隔离的故障分量产生运行电流数据的故障标志。
文档编号G01H11/00GK101688820SQ200880018968
公开日2010年3月31日 申请日期2008年6月3日 优先权日2007年6月4日
发明者B·陆, P·泰森, R·哈利, T·海布特勒, W·周 申请人:伊顿公司