用于识别旋转组件缺陷的装置的制作方法

1.本发明涉及适用于检测旋转组件劣化的信号处理方法和装置。
2.更特别地，本发明涉及对由这种旋转组件引起的振动信号的处理。


背景技术：

3.在若干工业领域中，由于当代电气系统的复杂性及其主要与维护相关的操作成本的增加，系统监测和诊断变得重要。
4.为了降低这些成本，使用预测性维护来预测可能的故障，从而缩短诸如旋转机器的系统的不可用时间。
5.这种机器的轴承最容易产生缺陷。因此，我们需要尽早检测缺陷的开始(onset)。
6.特别地，随着轴承劣化增加，轴承组件中的摩擦效应可能将转矩从旋转参照物传递到非旋转参照物，这可能导致损坏。
7.由于不同类型的轴承缺陷产生有区别的振动曲线(profile)，因此诊断方法主要基于对由轴承中的缺陷引起的振动的分析。
8.因此，使用在与被监测的轴承相邻的固定位置处的加速度计来检测缺陷。
9.然而，由于感测到的振动中的低信噪比，可检测性的准确度不令人满意。
10.此外，轴承缺陷可能不会出现在预期频率上。
11.因此，本发明的一个目的是基于振动信号的分析来提高缺陷检测的准确度。


技术实现要素：

12.出于此目的，根据第一方面，提供了一种在一组预定义缺陷之中识别旋转组件(/旋转组成部件)(rotating component)的至少一个缺陷的方法，包括以下步骤：
[0013]-提取与每个预定义缺陷相关的频率数据，从而形成频率数据的第一频谱特征(spectrum signature)；
[0014]
–
在旋转组件正在运行时测量至少一个振动信号，以获得至少两个第二频谱；
[0015]-基于指数平滑算法对每个第二频谱进行滤波，其特征在于，所述方法包括：
[0016]-根据每个第二频谱中的峰的突出性选择每个第二频谱中的峰；
[0017]-如果选择的峰不存在于预定义数量的连续第二频谱中，则将选择的峰设定为零，并且
[0018]-计算每个生成的第一频谱特征与第二频谱对应的概率。
[0019]
换句话说，本发明首先使用至少两种按顺序(/连续)振动测量或将振动信号分块(chunk)为至少两个部分，这使得能够降低两个频谱中的噪声。
[0020]
然后，通过根据当前测量和先前测量中的有效值(rms)的指数滤波值调整噪声阈值来对每个第二频谱进行滤波，从而降低噪声。
[0021]
为了进一步增加准确度，将第二频谱与表征缺陷的每个第一频谱进行比较。相似性越大，由该缺陷产生振动信号的概率越高。
[0022]
在一个实施方式中，频率数据包括每个预定义缺陷的谐波和边带(sidebands)。
[0023]
所述数据被用于产生分配给预定义缺陷的第一频谱。
[0024]
在一个实施方式中，通过积分泄漏平均算法(integrative leaky average algorithm)来完成峰值选择。
[0025]
在一个实施方式中，所述方法包括基于最可能的第一频谱特征来选择每个第二频谱中的未知峰。
[0026]
根据另一方面，本发明还包括一种用于在一组预定义缺陷之中识别旋转组件的至少一个缺陷的装置，包括：
[0027]-获取部件，被配置为提取与每个预定义缺陷相关的频率数据；
[0028]-计算部件，被配置为从每组的所述频率数据形成第一频谱特征；
[0029]-振动传感器，被配置为在所述旋转组件正在运行时测量至少一个振动信号，以获得至少两个第二频谱；
[0030]-滤波器，被配置为基于指数平滑算法对每个第二频谱进行滤波，其特征在于，所述装置包括：
[0031]-处理部件，被配置为根据每个第二频谱中的峰的突出性来选择每个第二频谱中的峰，如果选择的峰不存在预定义数量的连续第二频谱中，则将选择的峰设定为零，并且计算每个生成的第一频谱特征与第二频谱对应的概率。
[0032]
在一个实施方式中，频率数据包括每个预定义缺陷的谐波和边带。
[0033]
在一个实施方式中，处理部件被配置为通过使用积分泄漏平均算法来选择所述峰。
[0034]
在一个实施方式中，处理部件被配置为基于最可能的第一频谱特征来选择每个第二频谱中的未知峰。
[0035]
本发明还包括一种集成电路，该集成电路包括如上限定的用于在一组预定义缺陷之中识别旋转组件的至少一个缺陷的装置。
[0036]
本发明还包括轴承，该轴承在其座内部包括如上所限定的集成电路。
附图说明
[0037]
通过研究通过非限制性示例给出并由附图示出的具体实施方式的详细描述，将更好地理解本发明及其优点，其中：
[0038]
图1示意性地示出根据本发明的实施方式的被配置为识别旋转组件的至少一个缺陷的装置。
具体实施方式
[0039]
图1示出被配置为在一组预定义缺陷之中识别旋转组件的至少一个缺陷的装置1。
[0040]
在旋转组件之中，轴承最容易出现缺陷，因此需要尽早检测缺陷的开始以防止损坏。
[0041]
出于此目的，装置1包括获取部件(acquisition means)2，获取部件2被配置为从数据库中提取与每个预定义缺陷相关的频率数据，并将它们发送到计算部件3，计算部件3被配置为形成第一频谱特征(spectrum signature)。
[0042]
换句话说，每个第一频谱特征与特定缺陷相关。
[0043]
因此，所述第一频谱特征旨在与第二频谱进行比较，第二频谱是通过对由轴承生成的振动信号进行处理而构造的。
[0044]
第二频谱与第一频谱特征越相似，振动信号是由与第一频谱相关的缺陷产生的概率越大。
[0045]
为了执行该比较，装置1包括振动传感器4，振动传感器4被配置为在轴承正在运行时测量至少一个振动信号以获得至少两个第二频谱，然后增加缺陷的可检测性。
[0046]
特别地，振动信号被分为至少两个部分，其中每个部分用于生成第二频谱。
[0047]
作为另一种选择，振动传感器4执行两种振动信号测量，其中每种信号被用于生成第二频谱。
[0048]
为了降低每个第二频谱的噪声且增加缺陷的可检测性，装置1包括滤波器(filter)5，滤波器5被配置为基于指数平滑算法(exponential smoothing algorithm)对每个第二频谱进行滤波。
[0049]
作为指数平滑算法，我们可以引用例如基本(指数平滑算法简单)指数平滑或双指数平滑(其也被称为二阶指数平滑)。
[0050]
可以通过例如霍尔特-温特(holt-winters)方法或布朗(brown)方法来执行双指数平滑。
[0051]
然后将经滤波的第二频谱发送到处理部件6，处理部件6被配置为通过利用积分泄漏平均算法进行处理来根据每个第二频谱中的峰的突出性(prominence)来选择每个第二频谱中的峰。
[0052]
具体地，峰的突出性测量峰从频谱的周围基线突出多少，并且被限定为峰与峰的最低轮廓线之间的垂直距离。
[0053]
为了抑制选择的峰之中的随机峰，处理部件6还被配置为：如果选择的峰不存在于预定义数量的连续第二频谱中，则将选择的峰设定为零。
[0054]
根据所述第二频谱的数量进行预定义数量的选择。
[0055]
例如，如果仅存在两个第二频谱，则预定义数量等于二。
[0056]
在这种情况下，处理部件6在两个第二频谱中搜索选择的峰。
[0057]
在另一示例中，如果存在七个第二频谱，则预定义数量可以被包括在四个连续频谱和七个连续频谱之间。
[0058]
然后由处理部件6将该组第二频谱与每个第一频谱进行比较，从而计算振动信号是由与所述第一频谱相关的缺陷产生的概率。
[0059]“概率”是指用于在预定义缺陷的组之中进行检测的分类得分质量，其范围从(针对缺陷的完全错误的分类的)0到(针对缺陷的完美分类的)1。
[0060]
特别地，处理部件6识别第一频谱和第二频谱的谐波和频带以检查它们是否重叠。
[0061]
因此，频率数据重叠越多，与所述第一频谱相关的缺陷的可能性越大。
[0062]
然后可以经由有线线缆或远程线缆将概率作为数据发送到计算机。
[0063]
本发明不限于这些实施方式，而是包括所有变型。例如，装置1可以在组件内部实现，并且将概率无线地传送到计算机。