预测性监测系统和方法与流程

本申请要求于2016年2月16日提交的美国申请号15/044,473的权益，该美国申请通过引用结合在此。

本发明总体上涉及一种预测性监测系统和方法，并且更具体地涉及一种用于减轻即将发生的部件故障的预测性监测系统和方法。

背景技术：

预测性监测系统被实施在各种各样的应用比如车辆和计算机中。这些系统可以用于预测需要维护或经受即将发生的故障的任何部件。

在许多机械系统中，监测振动是预测性监测的有利方法。尽管振动是大多数机械系统的固有部分，但是过度的振动等级可能指示某种问题。高振动等级可能指示比如部件松动、部件故障、联接未对准、共振和变形、或机械不平衡或电磁不平衡等问题。通常，通过使用永久地或磁性地安装至系统部件的加速度计来监测振动。振动等级通常根据频率和振幅来测量。振动曲线也可以根据频率、振幅、和位置而在三维中可视化。此外，可以通过移动范围分析来分析数据，其中，值是随时间评估的。但是，仅振动数据不能够准确地预测即将发生的故障，该预测高度取决于给定系统部件的正常操作状况。

如果系统中的部件发生故障，则可能不可修复地损坏该部件或甚至整个系统。因此，如果执行维护或自动停用该部件，则可以避免进一步损坏。另一方面，过度灵敏的报警系统可能导致烦琐的警报。在关键系统部件中，不必要的关机可能是危险的。此外，在复杂系统中，操作员拆解复杂系统以关停不重要的部件可能是不切实际的。

因此，需要一种可以准确地判定何时需要干预、在给定情况下选择适当的干预、以及相应地自动起作用的预测性监测系统。

技术实现要素：

简要地并且一般来说，本发明实施成一种用于防止机械系统比如飞行器内即将发生的部件故障的综合监测与报告系统和方法。该监测系统监测系统部件的健康和状况，以在故障发生之前预测所监测部件中即将发生的故障。

更具体地，在示例性实施例中，该系统实时测量所监测部件的特性。针对每个所选择的部件分析得到数据，以预测数据输出何时达到接近即将发生故障的部件的特征。

在示例性实施例的详细方面，如果示出即将发生故障的征兆，则停用所监测系统的特定部件。

在示例性实施例的另一详细方面，将数据记录器直接安装至作为所监测系统的一部分的部件。所述数据记录器感测所监测部件的规定特性，比如振动频率、部件温度、和/或电特性波动。

在示例性实施例的另一详细方面，这些记录器经由有线器件或无线器件将数据传输回至监测器。监测器从这些数据记录器中的每一个数据记录器接收实时数据，并且应用专用算法来判定所监测系统内的这些部件是否展示出故障前特征。故障前特征是预测即将发生部件故障的前兆的特性。然后，监测器将发送电子通知或信号至这些数据记录器，以关停处于故障前模式的特定部件。

在优选实施例中，开发出算法以监测飞机环境控制系统，其中振动数据作为主要因子。用于开发算法的其他因子包括但不限于：多飞行器型号安装、飞机内部的部件安装位置、操作状况、系统配置、操作是在空中还是在地上等等。

在示例性实施例的另一详细方面，生成经验数据，以向可服务部件和不可服务部件二者提供因子输入。这些输入是部件正常运行(可服务)或不正常运行(不可服务)时的特征。

在示例性实施例的另一详细方面，针对这些部件的可服务版本和不可服务版本，对因子的每种组合执行两次移动范围分析。这用于评估“滤波器”，这些滤波器是在多个因子上评估的频率范围。这些滤波器用于开发分布曲线。然后，将每个滤波器的分布曲线用于产生对每个滤波器幅值的上控制极限和下控制极限。开发z评分，并且将其用于确定部件的一致故障前状况路径以及描述部件以外的系统故障的状况。选择具有最高z评分的滤波器。有着最高z评分的滤波器具有捕获所有无法使用单元且消除假阳性指示的最高概率。

在示例性实施例的另一详细方面，使用时间延迟或时间变量、不同操作模式期间对滤波器的移位、和/或对上控制极限或下控制极限的移位来补偿在操作期间影响滤波器和/或z评分的任何外部因子。

出于将本发明和现有技术中实现的优点汇总的目的，在此描述了本发明的某些优点。当然，应当理解的是，根据本发明的任何具体实施例不一定都可以实现全部这些优点。因此，例如，本领域技术人员将认识到本发明可以被实施或执行成其方式使得实现或优化如在此所教授的一个优点或一组优点，而不一定实现如在此可能教授或建议的其他优点。

所有这些实施例旨在落入在此公开的本发明的范围内。参照附图，本发明的这些实施例和其他实施例从优选实施例的以下详细说明中对本领域技术人员将变得明显，本发明不局限于任何所公开的特定优选实施例。

附图说明

现在将参照以下附图仅以举例方式来描述本发明的实施例，在附图中：

图1是根据本发明的预测性监测系统的简化框图，描绘了连接至数据记录器装置的监测器。

图2是图1的系统的示例性流程图。

图3是图1系统的监测器的用于限定故障前状况的示例性算法的总体流程图。

图4是通过因子输入对滤波器的示例性评估，以供图1的监测器使用。

图5是对图1的监测器使用的滤波器的z评分的示例性评估。

具体实施方式

现在参照附图并且具体地参照图1，示出了具有连接至多个数据记录器装置2至6的监测器装置1的预测性监测系统15。所述连接可以经由有线器件或无线器件，并且应该允许与数据记录器2至6进行双向通信。数据记录器2至6各自被附接至所监测系统15内的部件7至11，以直接测量操作特性并且将数据传输回至监测器1。

在示例性实施例中，监测器1由本地电力输入供能。监测器1可以暂时地或永久地存储来自每个数据记录器2至6的原始数据，以便利于系统诊断。

在本实施例中，监测器1由用于处理数据以及用于控制其他期望操作的计算硬件构成。例如，此硬件可以包括配置成处理从数据记录器2至6接收的数据，或者执行软件编程指令或固件编程指令。另外，本实施例中的监测器1具有可以读取、写入、和执行信息的数据存储能力。监测器可以包括能够与系统数字地通信和交互的其他硬件部件，并且可以使用能够存储同位的或分布在网络上的编程、数据、或其他数字信息的其他配置，而不脱离本发明。

数据记录器2至6安装至作为所监测系统15的一部分的部件7至11。所述数据记录器2至6感测所监测部件7至11的各种特性，并且经由有线器件或无线器件将原始数据传输回至监测器1。

数据记录器2至6可以采用用于测量振动频率的振动数据记录器的形式、用于测量部件表面温度的温度数据记录器的形式、用于测量电特性波动的电数据记录器的形式、或任何数据记录器或适用于当前系统的记录器组合的形式。数据记录器2至6可以由本地电力输入或者通过能量收集技术供能。

图2是示例性服务中过程的流程图。这些数据记录器从部件获得特性输入20。这些数据记录器实时地将数据传输至监测器21。监测器应用专用算法以对来自每个数据记录器的数据进行分析22。这些算法允许监测器判定所监测系统内的这些部件是否展示出故障前特征23。

如果检测到故障前特征，则检查以判定该故障前状况是否由所监测部件之一或由系统内的其他因子产生。如果检测到故障前状况，则系统判定此状况是否由于不重要部件的即将发生故障而造成24。如果不重要部件存在即将发生的故障24，则监测器命令数据记录器关停此部件30。然后将得到的部件信号返回至数据记录器20。

如果不重要部件不存在即将发生的故障24，则监测器判定是否指示系统故障25。在系统故障的情况下，监测器根据需要来调节部件阈值40，并且如果需要则传输适当的系统警报41。如果并非指示系统故障25，则监测器判定问题的危急程度并且发出适当的警报50。然后，监测器传输适当的部件警报51。这可以是电子通知，即关于所监测系统内的部件即将发生故障的电子邮件、文本消息、至显示面板的消息等的任何组合。

图3是用于限定故障前状况的算法的流程图。首先，生成经验数据60。向可服务部件和不可服务部件二者提供因子输入61。针对可服务部件和不可服务部件二者，对因子的每种组合执行两次移动范围分析62，80至84(图4)。将此信息用于评估滤波器63，85至88。开发分布曲线64(图4)。然后，将每个滤波器的分布曲线用于产生对每个滤波器85至88幅值的上控制极限和下控制极限65。

开发z评分70，以确定部件的一致故障前状况路径以及描述部件以外的系统故障的其他状况(图5)。选择具有最高z评分的滤波器71。有着最高z评分的滤波器是具有捕获所有无法使用单元且消除假阳性指示的最高概率的滤波器。对在操作期间影响滤波器和/或z评分的任何外部因子进行补偿75。这可以通过时间变量或时间延迟、不同操作模式期间对滤波器的移位、对上控制极限或下控制极限的移位等来完成。

图4是通过因子输入对滤波器85至88的示例性评估。对来自所监测系统环境的多个因子80至84进行评估，以便开发出有用的且相关的算法。在图4中，提供了典型实施例——开发出算法以监测飞机环境控制系统，其中振动数据作为主要因子。对飞行器类型80、安装位置81、操作状况82、系统配置83、和其他因子84进行评估。每个滤波器85至88是在若干个因子上评估的频率范围。

图5是针对一个滤波器的z评分的示例性评估。开发z评分，以确定部件的一致故障前状况路径以及描述部件以外的系统故障的其他状况。选择具有最高z评分的滤波器71。

应当从上文理解，本发明提供了一种用于使用算法来预测即将发生的部件故障、并且将即将发生的故障的曲线与从连接至系统部件的检测器读取的实时数据进行比较的系统和方法，该算法判定何时可能发生即将发生的故障。

已经根据当前优选实施例对本发明进行描述，这样使得可以传达对本发明的理解。然而，存在可应用于本发明的未具体描述的其他实施例。因此，本发明不应当视为受限于所示出的形式，这些形式应当被认为是说明性而非限制性的。