供监测机器之用的系统和方法

专利名称：供监测机器之用的系统和方法
技术领域：
一般来说，本文所公开的主题涉及监测系统，更具体来说，涉及供监测机器的物理状况之用的系统和方法。
背景技术：
许多已知的工业设施包括多个已知的旋转和往复式机器。至少一些这类已知机器包括涡轮机组、泵、电动机、压缩机、柴油机、变速箱和风扇。这类已知工业设施中的至少一些是发电设施，其中包括已知涡轮机组的至少一些，诸如燃气涡轮发动机和蒸汽涡轮发电机。许多已知的机器包括接收监测设备以用于实时数据获取和离线诊断的组件。这类已知组件包括例如可旋转的轴及关联的轴承。另外，这类已知监测设备包括例如接近度探 头、振动传感器和温度传感器。在机器的常规和非常规操作期间，监测设备向监控和数据获取(SCADA)系统和/或数据获取系统(DAS)传送大量实时数据。在这些已知机器中的一些机器操作期间，机器可能遇到偏离正常操作的情况。这些偏离中的一些是不发起任何告警、警告或报警的异常。机器在异常的短暂显示之后可能返回到其正常操作参数。此外，如果检查在异常期间所收集的数据，在检查期间可能完全不会识别出这类异常，并且异常会一直被忽视和使人莫名其妙。这些异常可指示即将发生的更严重地偏离正常操作的情况，包括机器的突然和/或灾难性故障。在机器的这种故障的情况下，先前忽视的异常的指示可在检查贯穿机器的操作寿命所记录的历史数据期间再次被忽略。因此，机器的操作人员可能仍然没意识到可指示可能即将发生或逼近的故障的机器的某些行为和/或状况。此外，这类历史数据检查是费时的、资源密集的，并且因而是昂贵的。在有些已知设施内，操作人员形成了一些已知机器的计算机实现的模型，以便促进故障的识别、通知和诊断。这些已知计算机实现的模型中的一些模型通过基于经验数据的基本原理来生成。备选地，这些已知模型中的一些模型采用有些波形数据的谱分析来生成，以便创建用于诊断机器中的故障的确定性模型。快速傅立叶变换(FFT)用于将所记录波形数据从时域变换到频域。通常，所使用的经变换的波形数据局限于频率数据和幅度数据。此外，备选地，一些已知的计算机实现的模型使用经验过程信息和/或使用仅仅包括所收集波形数据的频率数据和幅度数据的谱分析信息。这类计算机实现的模型可通过建模技术来生成，建模技术包括神经网络、聚类模型和/或支持向量机。这些已知的计算机实现的模型可能不采用足够的谱分析数据和/或经验数据来生成以全面准确地定义机器、关联过程和/或关联故障。此外，将谱数据的实时分析局限于所收集波形的频率和幅度延长了模型的分析时间和/或响应时间，由此使操作人员的响应延迟。此外，有限谱数据的使用增加了对经验数据用于生成模型的依赖性，由此增加模型的复杂度，并且因而增加模型的维护要求。

发明内容
在一个方面，提供一种用于监测机器的系统。用于监测机器的系统包括配置成存储被监测机器的多个操作测量结果的至少一个存储器装置。各操作测量结果与时间关联。该系统还包括与至少一个存储器装置耦合的至少一个处理器。至少一个存储器装置包括指示至少一个处理器执行下列步骤的所编程计算机指令记录机器的第一多个操作测量结果，以及执行机器的第一多个操作测量结果的全谱分析并且从其中生成第一全谱数据集。至少一个存储器装置还包括指示至少一个处理器执行下列步骤的所编程计算机指令向至少一个存储器装置内存储的至少一个模型传送第一全谱数据集，并且确定第一全谱数据集与第二全谱数据集之间的偏差。第二全谱数据集与第一全谱数据集不同。在另一方面，提供一种供监测机器之用的方法。该方法包括在机器处于预定操作状况时由计算装置来记录被监测机器的多个第一操作测量结果。该方法还包括由计算装置将多个第一操作测量结果与机器的预定操作状况关联。该方法还包括由计算装置来执行机器的多个第一操作测量结果的全谱分析，并且从其中生成第一全谱数据集。该方法还包括 由计算装置向计算装置内存储的至少一个模型传送第一全谱数据集。该方法还包括由计算装置来确定第一全谱数据集与第二全谱数据集之间的差异，其中第二全谱数据集与第一全谱数据集不同。在又一方面，提供其上包含计算机可执行指令的一个或多个非暂时计算机可读存储介质。计算机可执行指令在由至少一个处理器执行时，使至少一个处理器与至少一个存储器装置进行通信，从而使至少一个存储器装置存储和检索机器的多个第一操作测量结果。各操作测量结果与时间关联，并且机器处于预定操作状况中。另外，计算机可执行指令在由至少一个处理器执行时，使至少一个处理器记录机器的多个第一操作测量结果，将多个第一操作测量结果与机器的预定操作状况关联，执行机器的多个第一操作测量结果的全谱分析并且从其中生成第一全谱数据集，以及向至少一个存储器装置内存储的至少一个模型传送第一全谱数据集。另外，计算机可执行指令在由至少一个处理器执行时，使至少一个处理器确定第一全谱数据集与第二全谱数据集之间的差异。第二全谱数据集与第一全谱数据集不同。


图I是可用于监测和/或控制机器的操作的典型服务器架构的简化框 图2是可用于监测和/或控制机器的操作的用户计算机装置的示范配置的框 图3是可用于监测和/或控制机器的操作的服务器计算机装置的示范配置的框 图4是包括经由网络在通信上耦合的内燃机、内燃机控制器和神经网络的示范内燃机监测系统的框 图5是可实现以监测和评估图3和图4所示同步机器的操作的示范方法的流程图；以
及
图6是图5的流程图的延续。
具体实施例方式图I是监测系统100的典型服务器架构的简化框图。在示范实施例中，监测系统100促进收集、存储和显示与工业设施(未示出)中的机器(未示出)的操作关联的数据。另外，在示范实施例中，监测系统100包括服务器系统102，服务器系统102在通信上耦合到可包括一个或多个输入装置(图I中未示出)的多个客户端系统104。此外，在示范实施例中，客户端系统104是包括万维网浏览器的计算机，这使客户端系统104能够使用监测系统100内集成的通信网络106来访问服务器系统102。通信网络106的至少一部分形成监测系统100的主干。更具体来说，客户端系统104通过许多可能接口中的至少一个在通信上耦合到服务器系统102，所述接口包括但不限于因特网、局域网(LAN)、广域网(WAN)和/或综合服务数字网(ISDN)、拨号连接、数字用户线(DSL)、电缆调制解调器、网状网络和/或 虚拟专用网络(VPN)中的至少一个。客户端系统104可以是能够访问服务器系统102的任何装置，包括但不限于台式计算机、膝上型计算机、个人数字助理(PDA)、智能电话或者其它基于万维网的可连接设备。另外，在示范实施例中，数据库服务器110在通信上耦合到数据库112，数据库112包含与工业设施内的机器关联的各种操作数据，所述数据包括但不限于从轴承X探头和Y探头接收的位置和振动数据以及轴承温度。数据与测量时间关联。在示范实施例中，远离服务器系统102来存储数据库112。在一个备选实施例中，数据库112可以是分散的。在示范实施例中，人能够通过登录到服务器系统102上来经由客户端系统104访问数据库112。本文所示和所述的实施例以及本文没有具体描述但处于本公开的方面的范围之内的实施例构成用于记录、存储、检索和显示与机器关联的操作数据的示范部件。例如，月艮务器系统102、客户端系统104或者添加到其中或其中包含的任何其它类似的计算机装置，当集成在一起时，包括足够的计算机可读存储介质，所述计算机可读存储介质被编程有足够的计算机可执行指令，以便如本文所述采用处理器来执行过程和技术。具体来说，服务器系统102、客户端系统104或者添加到其中或其中包含的任何其它类似的计算机装置，当集成在一起时，构成用于记录、存储、检索和显示与机器关联的操作数据的示范部件。图2是供可用于监测和/或控制机器的操作的监测系统100使用的例如客户端系统104之类的用户计算机装置的示范配置的框图。客户端系统104包括存储器装置120以及在操作上耦合到存储器装置120以用于执行指令的处理器122。在一些实施例中，可执行指令存储在存储器装置120中。客户端系统104可配置成由编程处理器122来执行本文所述的一个或多个操作。例如，可通过将操作编码为一个或多个可执行指令，并且在存储器装置120中提供可执行指令，来对处理器122编程。处理器122可包括一个或多个处理单元(例如，在多核配置中)。在示范实施例中，存储器装置120是实现诸如可执行指令和/或其它数据之类的信息的存储和检索的一个或多个装置。存储器装置120可包括一个或多个计算机可读介质，诸如但不限于动态随机存取存储器(DRAM)、静态随机存取存储器(SRAM)、固态盘和/或硬盘。存储器装置120可配置成存储与工业设施内的机器关联的各种操作数据，这些数据包括但不限于从轴承X探头和Y探头接收的振动数据以及轴承温度。在一些实施例中，处理器122基于数据的存在时间从存储器装置120中删除或“清除”数据。例如，处理器122可盖写与后续时间和/或事件关联的先前所记录和存储的数据。作为补充或替代，处理器122可删除超过预定时间间隔的数据。在一些实施例中，客户端系统104包括耦合到处理器122的呈现接口 124。呈现接口 124向用户126呈现诸如用户界面和/或报警之类的信息。例如，呈现接口 124可包括显示适配器(未示出)，显示适配器可耦合到诸如阴极射线管(CRT)、液晶显示器(LCD)、有机LED(OLED)显示器和/或“电子墨水”显示器之类的显示装置(未示出)。在一些实施例中，呈现接口 124包括一个或多个显示装置。作为补充或替代，呈现接口 124可包括音频输出装置(未示出)(例如，音频适配器和/或扬声器)。在一些实施例中，客户端系统104包括用户输入接口 128。在示范实施例中，用户输入接口 128耦合到处理器122，并且接收来自用户126的输入。用户输入接口 128可包括例如键盘、指示装置、鼠标、触控笔和/或触敏板(例如，触摸垫或触摸屏)。诸如触摸屏之类的单个组件可用作呈现接口 124和用户输入接口 128这两者的显示装置。通信接口 130耦合到处理器122，并且配置为与诸如服务器系统102(图I所示)和另一个客户端系统104之类的一个或多个其它装置在通信上耦合。通信接口 130执行针对这类装置的输入和输出(I/O)操作。例如，通信接口 130可包括但不限于有线网络适配器、无线网络适配器、移动电信适配器、串行通信适配器和/或并行通信适配器。通信接口130可从一个或多个远程装置接收数据和/或向其传送数据。例如，一个客户端系统104的通信接口 130可向另一客户端系统104的通信接口 130传送事务处理信息。呈现接口 124和/或通信接口 130都能够(例如向用户126或另一装置)提供适合与本文所述方法配合使用的信息。因此，呈现接口 124和通信接口 130可称作输出装置。类似地，用户输入接口 128和通信接口 130能够接收适合与本文所述方法配合使用的信息，并且可称作输入装置。 图3是可用于监测和/或控制机器的操作的服务器计算机装置140的示范配置的框图。更具体来说，图3是供监测系统100使用的服务器计算机装置140的示范配置的框图，以及更具体来说，服务器系统102包括服务器计算机装置140。服务器计算机装置140可包括但不限于数据库服务器110(图I所示)。服务器计算机装置140还包括用于执行指令的处理器142。例如，指令可存储在存储器装置144中。处理器142可包括一个或多个处理单元(例如，在多核配置中)。存储器装置144还可包括与工业设施内的机器关联的各种操作数据，包括但不限于从轴承X探头和Y探头所接收的位置和振动数据以及轴承温度。处理器142在操作上耦合到通信接口 146，使得服务器计算机装置140能够与诸如客户端系统104或者另一服务器计算机装置140之类的装置进行通信。例如，通信接口146可经由通信网络106(图I所示)接收来自客户端系统104的请求。处理器142还可在操作上耦合到存储装置148。存储装置148是适合存储和/或检索数据(例如但不限于与数据库112关联的数据)的任何计算机操作的硬件。在一些实施例中，存储装置148集成在服务器计算机装置140中。例如，服务器计算机装置140可包括作为存储装置148的一个或多个硬盘驱动器。在其它实施例中，存储装置148在服务器计算机装置140外部，并且可由多个服务器计算机装置140访问。例如，存储装置148可包括多个存储单元，诸如按照廉价盘冗余阵列(RAID)配置的硬盘和/或固态盘。存储装置148可包括存储区域网络(SAN)和/或网络附连存储(NAS)系统。在一些实施例中，处理器142经由存储接口 150在操作上耦合到存储装置148。存储接口 150是能够为处理器142提供对存储装置148的访问的任何组件。存储接口 150可包括例如高级技术附连(ATA)适配器、串行ATA(SATA)适配器、小型计算机系统接口(SCSI)适配器、RAID控制器、SAN适配器、网络适配器和/或为处理器142提供对存储装置148的访问的任何组件。诸如客户端系统104和服务器计算机装置140之类的计算机装置可一起组合在计算机系统中。例如，可通过将多个服务器计算机装置140和/或客户端系统104连接到单个网络，来创建计算机系统。备选地，单个用户可操作的一个或多个计算机装置可被认为是一个计算机系统。
图4是可用于监测和/或操作机器155的监测系统100的框图。机器155可以是用于任何工业过程的任何工业设备，包括但不限于任何往复式装置(例如内燃机和压缩机)、化学过程反应器、热回收蒸汽发生器、蒸汽涡轮机、燃气涡轮机、开关场断路器和开关场变压器。监测系统100能够用于任何更大的工业设施中，包括但不限于发电站(常规的和核的)、炼油厂、化学制造工厂和食品加工厂。在示范实施例中，机器155是可以包括但不限于机器155的多个单元的这种更大的集成工业设施(未示出)的一部分。在示范实施例中，监测系统100包括机器控制器160。监测系统还包括学习方法/模型或学习模型，其中包括但不限于神经网络、聚类分析模型和支持向量机模型。支持向量机模型是一种监督学习模型。聚类分析模型是一种无监督学习模型。神经网络是一种数据驱动的学习模型。备选地，使用实现本文所述监测系统100的操作的任何计算机实现的模型和/或建模应用。在示范实施例中并且如其中所使用，监测系统100包括计算机实现的学习模型，该模型是经由网络106与机器控制器160在通信上耦合的神经网络165。虽然下面针对特定计算装置、例如客户端系统104来描述某些操作，但是预期任何计算装置可执行所述操作中的一个或多个。例如，控制器160可执行以下所有操作。在示范实施例中，控制器160和神经网络165各在客户端系统104和/或服务器系统102其中至少一个中实现。在示范实施例中，各客户端系统104和服务器系统102经由通信接口 130(图2所示)耦合到网络106。控制器160 (例如，经由都示于图2中的用户输入接口 128和/或呈现接口 124)与操作人员170进行交互。例如，控制器160可向操作人员170呈现与机器155有关的信息，例如报警。神经网络165(例如，经由用户输入接口 128和/或呈现接口 124)与技术员和/或工程师175进行交互。例如，神经网络165可向技术员/工程师175呈现信息，包括但不限于原始数据、推导数据和评估数据。用户126(图2所示)可以是操作人员170或者技术员/工程师175。机器155包括一个或多个监测传感器180。在示范实施例中，监测传感器180收集操作测量结果，包括但不限于轴承振动和温度读数。监测传感器180反复(例如，周期性地、连续地和/或在请求时)传送当前时间的操作测量结果读数。例如，监测传感器180可产生最小值(例如4毫安(ma))与最大值(例如20 ma)之间的电流。最小值表示没有检测到场电流的指示，而最大值表示检测到最高可检测量的场电流的指示。控制器160接收并且处理操作测量结果读数。在操作中，并且参照图I至4，在示范实施例中，监测传感器180包括安装成接近轴承盖(未示出)的X探头和Y探头(均未示出)以及安装成通过轴承盖延伸到油润滑流中的电阻温度检测器(RTD)(未示出)。X探头和y探头通过测量轴承盖与探头的相对位置，来测量轴承振动。RTD测量轴承润滑油温度。监测传感器180以表示被测量变量的幅值的信号(未示出)的形式传送操作测量结果。信号被指配或标记有记录的日期和时间。另外，所传送的信号具有带幅度和频率的波形。信号从监测传感器180或控制器160传送以促进机器155的操作、观测和控制。信号还传送给数据库服务器110，并且存储在数据库112中。在示范实施例中，信号被标记有数据收集时的机器155的操作模式或状况。操作状况的示例包括但不限于完全停机、回转装置合上(on turning gear)、初始启动直至同步、发电以及回转装置停机(shutdown to turning gear)。因此,信号在作为数据加载到数据库112内的数据记录中时，是关于机器155的操作状况可分类的。对于各操作状况，在数据库112内记录和存储数据，其中将数据作为历史数据来存储。作为机器155的各操作状况的函数所存储的数据定义数据的一部分。另外，在操作中，客户端系统104和/或服务器系统102中的至少一个包括可执行指令，在从监测传感器180接收数据时，可执行指令从数据库112或者直接从控制器160收集历史数据的至少一部分。此外，客户端系统104和/或服务器系统102中的至少一个包括可执行指令和算法，可执行指令和算法在可用计算机可读存储介质内被编程为执行机器·155的这些第一操作测量结果的全谱分析，并且生成第一全谱数据集。将第一全谱数据集传送给神经网络165。在示范实施例中，只有一个神经网络165驻留在监测系统100内。备选地，实现如本文所述的监测系统100的任何数量的神经网络165可驻留，包括但不限于用于机器155的各操作状况的神经网络165。此外，在操作中，全谱分析包括执行快速傅立叶变换(FFT)，以便将机器155的第一操作测量结果的所记录波形数据从时域变换到频域，从而生成第一全谱数据集。第一全谱数据集包括使用标准半谱分析不可得到的、机器155的第一操作测量结果中捕获的波形的多个元素和特性的计算。这类所计算元素和特性包括但不限于全谱前向和反向分量幅度、全谱前向和反向分量频率、全谱前向和反向轨道分量以及至少一个全谱前向和反向次幂(order powers)。本文所使用的术语“前向”和“后向”用于定义例如相对于例如转子旋转方向的轨道和壳体运动。另外，这类所计算元素和特性包括所推导信息，诸如但不限于间隙、轴中心线和轨道形状。此外，这类所计算元素和特性包括所推导波形趋势信息，诸如但不限于谱分量的变化率、频率漂移和相移。此外，在操作中，客户端系统104和/或服务器系统102中的至少一个包括可执行指令，可执行指令培训/教导神经网络165将第一全谱数据集的第一部分与机器155的第一操作状况关联。第一全谱数据集的第一部分定义具体是对于那个第一操作状况的机器155的至少一个第一操作模式。另外，客户端系统104和/或服务器系统102中的至少一个包括可执行指令，可执行指令培训神经网络165将第一全谱数据集的第二部分与机器155的第二操作状况关联。第一全谱数据集的第二部分定义具体是对于那个第二操作状况的机器155的至少一个第二操作模式。因此，在完成培训神经网络165时，神经网络165包括定义机器155的各操作状况的“正常”操作模式的足够能力。此外，由于“正常”操作状况可因气候、一年中的时节以及最近操作历史而随着包括但不限于环境条件在内的条件而改变，所以可在神经网络165内生成多个操作模式。另外，对于已知的“异常”或“故障”操作状况，数据库112中的数据可额外地被适当地标记为特定故障状况，供神经网络165后续识别为这种操作模式。例如，在初始转子加速期间，在从回转装置滑离期间涡轮机器的跳闸可被这样识别以供后续分析。因此，使用数据的迭代记录和全谱分析，这类数据与操作状况特定模式的一致关联以及以这类模式加载神经网络165促进对于各已知操作状况为机器155建模。因此，监测系统100至少部分经由直接记录的数据以及作为机器155的操作状况的函数的第一全谱数据集来生成如上所述的轴承的模型。更具体来说，原始数据以及从关联X探头、y探头和RTD分别对于振动和温度所生成的全谱分析数据促进生成轴承的准确模型。此外，除了上述数据之外，还可为数据库112和神经网络165提供与和机器155及其组件(例如上述轴承)相关的其它信息关联的数据。例如，如果机器155的特定模型包括与关联传动系中的其它轴承相比通常运行发热的轴承，或者轴承启动期间在临界轴转速附近遇到相对较高的振动，则这种信息可输入到机器155的模型和轴承中，以便在神经网络165内进一步定义其模型的精度。因此，这类神经模型可部分通过原始和分析数据来生成，并且可与基于物理学的模型或确定性逻辑相结合，以便完成神经网络165内的操作状况特定模式建模。 此外，额外地，预定范围的筛选过滤器可在监测系统100内沿上述神经网络培训过程的各个点处建立。例如，一些数据可以是供神经网络165中进行选择的预定数据范围之外的，并且可从其中排除。另外，在操作中，除了上述历史数据之外，监测传感器180还以表示被测量变量的即时幅值的即时信号的形式传送后续的实时或即时操作测量结果。即时信号被指配或标记有记录的日期和时间。另外，即时信号在传送时具有波形。即时信号从监测传感器180或控制器160传送以促进机器155的操作、观测和控制。即时信号还传送给数据库服务器110，并且存储在数据库112中。在示范实施例中，即时信号被标记有数据收集时的机器155的操作模式或状况。因此，即时信号在作为即时数据加载到数据库112内的数据记录中时，是关于机器155的操作状况可分类的。对于各操作状况在数据库112内记录和存储即时数据，其中即时数据可作为历史数据来存储。但是，与历史数据相对照，即时数据与为之保持数据记录的机器155的各操作状况的上述历史数据记录进行比较。此外，在操作中，客户端系统104和/或服务器系统102中的至少一个包括可执行指令，在从监测传感器180接收数据时，可执行指令从数据库112或者直接从控制器160收集即时数据的至少一部分。此外，客户端系统104和/或服务器系统102中的至少一个包括可执行指令和算法，可执行指令和算法在可用计算机可读存储介质内被编程为执行机器155的这些第二操作测量结果的全谱分析，并且按照与以上对于第一全谱数据集所述相似的方式和采用与其相似的数据内容来生成第二全谱数据集。将第二全谱数据集传送给神经网络165。这种操作状况特定数据促进指导神经网络165将第二全谱数据集与机器155的第一操作状况和机器155的第二操作状况其中之一进行关联。此外，在操作中，客户端系统104和/或服务器系统102中的至少一个包括可执行指令，可执行指令指导神经网络165来执行第二全谱数据集和如上所述形成的机器155的操作状况特定模式的比较。将神经网络165培训成“识别”各操作状况的操作模式，并且进一步“识别”即时操作模式与所建模的操作模式实质上不同的时间。非限制性地例如，在神经网络165内对于机器155的各组件来建立预定参数。另外，将神经网络165培训成确定多个操作模型中的哪一个操作模型最接近即时操作状况，并且使用那个操作模型作为比较的基线。在即时操作模式和最接近匹配的所建模操作模式之间的比较超过至少一个预定参数的情况下，监测系统100将采用告警、警告或报警其中之一来通知操作人员170和技术员/工程师175中的至少一个。一旦通知操作人员170和/或技术员/工程师175，他们将需要进一步使用其它方法和设备(例如但不限于目视检查)来调查状况。例如，如果上述轴承包括X探头的高于正常的振动指示，并且来自I探头和RTD的振动读数完全在即时操作状况的所建立参数之内，则神经网络165将确定轴承的唯一状况存在，并且适当地通知操作人员。在一些实施例中，包括但不限于即时状况与神经网络165中模型的偏差的幅值和持续时间的参数可采用低阈值来设置，以便为操作人员提供充分时间来响应通知。例如，从大约60摄氏度(V ) (140华氏度(°F ))至大约79. 4°C (175 0F )的快速上升油温通常是应当立即调查并且在必要时由操作人员响应的轴承的重大故障的指示。在其它实施例中，包括但不限于由相关监测传感器180生成的信号之间的所确立关 系的附加参数可准许较高阈值用于生成通知。例如，在机器155的转子加速期间具有已知异常高温度的轴承与来自相邻轴承的正常振动读数和所有轴承的正常油温组合可以不生成通知。虽然示范实施例描述包括转子和轴承的机器155的一部分的建模，但是监测系统100可用于对机器155的任何部分进行建模，包括但不限于燃气涡轮压缩机和/或燃烧器以及耦合到燃气涡轮机、蒸汽涡轮机、风力涡轮机和柴油机的发电机。此外，监测系统100能够与用于任何工业过程的任何机械配合使用，所述工业过程包括但不限于炼油厂中的裂化过程、化学制造工厂中的混合过程、食品加工厂中的包装过程和化石燃料燃烧锅炉中的燃烧过程。图5是可实现以监测和评估机器155 (图4所示)的操作的示范方法200的流程图。图6是图5的流程图的延续。在不范实施例中，机器155被置于202第一操作状况和第二操作状况其中至少一个中。计算装置，例如服务器系统102和/或客户端系统104之一(均如图I所示)中的至少一个，记录204机器155的多个第一操作测量结果。服务器系统102和/或客户端系统104之一中的至少一个将多个第一操作测量结果与机器155的第一操作状况和机器155的第二操作状况其中之一关联206。另外,在不范实施例中，服务器系统102和/或客户端系统104之一中的至少一个执行208机器155的多个第一操作测量结果的全谱分析，并且生成第一全谱数据集。服务器系统102和/或客户端系统104之一中的至少一个将第一全谱数据集传送210给服务器系统102和/或客户端系统104之一中的至少一个内存储的神经网络165 (图4所示)。服务器系统102和/或客户端系统104之一中的至少一个记录212机器155的多个第二操作测量结果。此外，在示范实施例中，月艮务器系统102和/或客户端系统104之一中的至少一个执行214机器155的多个第二操作测量结果的全谱分析，并且生成第二全谱数据集。服务器系统102和/或客户端系统104之一中的至少一个记录212向神经网络165传送第二全谱数据集。服务器系统102和/或客户端系统104之一中的至少一个确定218第一全谱数据集与第二全谱数据集之间的差异。与机器的已知计算机实现的模型相对照，本文所述的方法、系统和设备提供对正操作的机器的改进监测。具体来说，与机器的已知计算机实现的模型相对照，本文所述的方法、系统和设备实现对故障的改进识别、通知和诊断。更具体来说，与机器的已知计算机实现的模型相对照，本文所述的方法、系统和设备实现使用现有监测硬件以及扩展分析频率数据和幅度数据之外的所收集波形数据的全谱分析来生成机器的模型。此外，又与机器的已知计算机实现的模型相对照，本文所述的方法、系统和设备实现将全谱分析的扩展结果导入学习模型(例如神经网络)中。此外，与机器的已知计算机实现的模型相对照，本文所述的方法、系统和设备实现构建机械和/或故障的更准确模型。经由将数据从全谱分析导入学习模型(例如神经网络)来对机器进行这种改进建模还通过减少模型的分析时间和/或响应时间来促进将这类模型用于异常检测和故障诊断，由此促进由机器的操作人员对异常和故障的改进响应时间。此外，机器的这种改进建模促进降低模型的复杂度，并且由此降低模型的维护要求，以及促进更好地理解所收集与所生成数据之间的关系。此外，使用现有数据收集基础设施来收集用于全谱分析的原始操作数据促进降低本文所述的方法、系统和设备的安装和实现成本。本文所述的方法、系统和设备的示范技术效果包括下列至少一个(a)使用现有传感器和监测硬件来收集和存储在机器的关联操作状况中的每个状况期间与机器关联的操作数据；(b)使用全谱分析来分析所存储的操作数据；(c)将全谱分析的结果导入学习模型(例如神经网络)中，以便生成机器的计算机实现的模型；(d)将所收集数据和从全谱 分析所生成的数据的部分关联到机器的关联操作状况；(e)记录先前所定义的操作状况中的机器的后续操作期间的附加操作数据；(f)将附加操作数据与计算机实现的模型进行比较；以及(g)确定操作异常和机械故障的存在。本文所述的方法和系统并不局限于本文所述的具体实施例。例如，各系统的组件和/或各方法的步骤可与本文所述的其它组件和/或步骤独立且分离地使用和/或实施。另外，各组件和/或步骤还可与其它部件和方法结合使用和/或实施。本书面描述使用示例来公开本发明，其中包括最佳模式，并且还使本领域的技术人员能够实施本发明，包括制作和使用任何装置或系统以及执行任何结合的方法。本发明的可专利范围由权利要求来定义，并且可包括本领域的技术人员想到的其它示例。如果这类其它示例具有与权利要求的文字语言完全相同的结构要素，或者如果它们包括具有与权利要求的文字语言的非实质差异的等效结构要素，则它们意在落入权利要求的范围之内。一些实施例涉及一个或多个电子或计算装置的使用。这类装置通常包括处理器或控制器，诸如通用中央处理单元(CPU)、图形处理单元(GPU)、微控制器、精简指令集计算机(RISC)处理器、专用集成电路(ASIC)、可编程逻辑电路(PLC)和/或能够执行本文所述功能的任何其它电路或处理器。本文所述的方法可编码为包含在包括但不限于存储装置和/或存储器装置的计算机可读介质中的可执行指令。这类指令在由处理器执行时使该处理器执行本文所述方法的至少一部分。上述示例只是示范性的，因而并不是要以任何方式限制术语“处理器”的定义和/或含意。虽然按照各种具体实施例描述了本发明，但是本领域的技术人员会知道，在权利要求的精神和范围之内，能够经过修改来实施本发明。配件表
权利要求
1.一种用于监测机器(155)的系统(100)，所述系统包括 至少一个存储器装置(120/144)，所述存储器装置配置成存储被监测机器的多个操作测量结果，其中各操作测量结果与时间关联；以及 与所述至少一个存储器装置耦合的至少一个处理器(122/142)，所述至少一个存储器装置包括指示所述至少一个处理器执行下列步骤的所编程计算机指令 记录所述机器的第一多个操作测量结果； 执行所述机器的所述第一多个操作测量结果的全谱分析，并且从其中生成第一全谱数据集； 将所述第一全谱数据集传送给所述至少一个存储器装置内存储的至少一个模型(165);以及 确定所述第一全谱数据集与第二全谱数据集之间的差异，其中所述第二全谱数据集与所述第一全谱数据集不同。
2.如权利要求I所述的系统(100)，其中，所述至少一个存储器装置(120/144)还包括指示所述至少一个处理器(122/142)执行下列步骤的所编程计算机指令 记录所述机器(155)的第二多个操作测量结果； 执行所述机器的所述第二多个操作测量结果的全谱分析，并且从其中生成所述第二全谱数据集；以及 将所述第二全谱数据集传送给所述至少一个模型。
3.如权利要求I所述的系统(100)，其中，所述至少一个存储器装置(120/144)还包括所编程计算机指令，所述计算机指令指示所述至少一个处理器(122/142)通过计算下列至少一项来执行全谱分析并且生成第一全谱数据集和第二全谱数据集 全谱前向分量幅度； 全谱反向分量幅度； 全谱前向分量频率； 全谱反向分量频率； 全谱前向轨道分量； 全谱反向轨道分量； 至少一个全谱前向次幂；以及 至少一个全谱反向次幂。
4.如权利要求I所述的系统(100)，其中，所述至少一个存储器装置(120/144)还包括所编程计算机指令，所述计算机指令指示所述至少一个处理器(122/142)通过计算包括谱分量的变化率、频率漂移和相移中至少一个的波形趋势，来执行全谱分析并且生成第一全谱数据集和第二全谱数据集。
5.如权利要求I所述的系统(100)，还包括操作上耦合到至少一个客户端系统(104)的至少一个数据库服务器(110)，其中，所述至少一个数据库服务器和所述至少一个客户端系统中的每个包括所述至少一个存储器装置(144/120)和所述至少一个处理器(142/122)，其中，所述至少一个数据库服务器在操作上耦合到数据库(112)，所述数据库(112)包括包含所述机器(155)的历史操作数据的多个数据记录，所述历史操作数据包括所述第一全谱数据集。
6.如权利要求5所述的系统(100)，其中，所述至少一个数据库服务器(110)和所述至少一个客户端系统(104)的所述至少一个存储器装置(144/120)存储所述至少一个模型(165)的至少一部分，所述至少一个存储器装置包括指示所述至少一个处理器(142/122)执行下列步骤的所编程计算机指令 在所述至少一个模型内将所述第一全谱数据集的第一部分与所述机器(155)的第一操作状况关联，其中，所述第一全谱数据集的第一部分定义所述机器的至少一个第一操作模式；以及 在所述至少一个模型内将所述第一全谱数据集的第二部分与所述机器的第二操作状况关联，其中，所述第一全谱数据集的第二部分定义所述机器的至少一个第二操作模式。
7.如权利要求6所述的系统(100)，其中，所述至少一个存储器装置(144/120)包括指示所述至少一个处理器(142/122)执行下列步骤的所编程计算机指令 指导所述至少一个模型(165)将所述第二全谱数据集与所述机器(155)的所述第一操作状况和所述机器的所述第二操作状况其中之一关联； 指导所述至少一个模型执行所述第二全谱数据集和所述机器的所述至少一个第一操作模式的比较；以及 当所述比较超过至少一个预定参数时，通知所述系统的操作人员(126/170/175)。
8.如权利要求6所述的系统(100)，其中，所述至少一个模型(165)包括 与所述机器(155)的所述第一操作状况关联的第一模型(165);以及 与所述机器(155)的所述第二操作状况关联的第二模型(165)。
9.一个或多个非暂时计算机可读存储介质，其上包含了计算机可执行指令，其中，所述计算机可执行指令在由至少一个处理器(142/122)执行时使所述至少一个处理器 与至少一个存储器装置(144/120)进行通信以使所述至少一个存储器装置存储和检索机器(155)的多个第一操作测量结果，其中各操作测量结果与时间关联，所述机器处于预定操作状况中； 记录所述机器的多个第一操作测量结果； 将所述多个第一操作测量结果与所述机器的所述预定操作状况关联； 执行所述机器的所述多个第一操作测量结果的全谱分析，并且从其中生成第一全谱数据集； 将所述第一全谱数据集传送给所述至少一个存储器装置内存储的至少一个模型(165);以及 确定所述第一全谱数据集与第二全谱数据集之间的差异，其中所述第二全谱数据集与所述第一全谱数据集不同。
10.如权利要求9所述的计算机可读存储介质，其中，所述计算机可执行指令还使所述至少一个处理器(142/122) 记录所述机器(155)的多个第二操作测量结果； 执行所述机器的所述多个第二操作测量结果的全谱分析，并且从其中生成第二全谱数据集； 将所述第二全谱数据集传送给所述至少一个模型(165);以及 指导所述至少一个模型将所述第二全谱数据集与所述机器的所述预定操作状况关联。
全文摘要
本发明名称是“供监测机器之用的系统和方法”。用于监测机器(155)的系统(100)包括操作上与处理器(122/142)耦合的存储器装置(120/144)。存储器装置存储机器的多个操作测量结果，并且编程有计算机指令，计算机指令指示处理器记录机器的第一多个操作测量结果，执行其全谱分析，并且从其中生成第一全谱数据集。指令还指示处理器将第一全谱数据集传送给存储器装置内存储的模型(165)。指令还指示处理器确定第一全谱数据集与第二全谱数据集之间的差异。第二全谱数据集与第一全谱数据集不同。
文档编号G06F19/00GK102902873SQ20121026239
公开日2013年1月30日 申请日期2012年7月27日 优先权日2011年7月27日
发明者D.戴维 申请人:通用电气公司