设备监控装置的制作方法

1.本发明涉及根据技术方案1的前序部分的设备监控装置，本发明还涉及根据技术方案9的前序部分的设备监控方法。


背景技术：

2.在工业设备之类的设备状态监测中，传感器信号往往由时域或频域的脉冲组成。与状态有关的现象发生的频率是事先未知的。此外，源
‑
传感器传递函数(source
‑
sensor transfer function)也具有很强的频率依赖性。因此，传感器信号的信噪比(signal
‑
to
‑
noise ratio，缩写snr)具有很强的频率依赖性，这在机器与机器之间，甚至在采集与采集之间都有很大的差异。尤其是，要么由于没有在正确的频率进行检测而削弱信号，要么由于不必要地检测一个更宽的频率带宽从而引入更多的噪声，要么上述两种情形兼具，缺乏对正确频率(即与状态有关的现象发生的频率)的了解可能会导致检测灵敏度的下降。
3.特别是，在已知的系统中，人们试图通过使用固定的检测频带来解决这个问题(这导致非最佳的信噪比)，抑或试图通过广泛的人工干预来设定最佳的检测频带。这两种方法都不适合传感器信号的自动、规模化检测和诊断。


技术实现要素：

4.因此，本发明的目的是提供一种改进的基于传感器信号的设备监控方法。
5.该目的是由技术方案1所述的设备监控装置和技术方案9所述的设备监控方法加以实现的。
6.所述设备监控装置包括接收单元，用于接收来自设备传感器的输入信号。
7.所述传感器可以是任何类型的频率检测传感器，例如，加速度、速度、位移、负载或电磁辐射传感器。所述设备也可以是任何类型的设备，尤其是工业设备，例如包含轴承的机器。
8.来自传感器的输入信号是有噪声的二维宽带信号(noisy two
‑
dimensional broad bandwidth signal)，尤其是有噪声的二维全带宽信号(noisy two
‑
dimensional full bandwidth signal)。这意味着输入信号是每个时间点都包含多个频率的信号。所述第二维度可以包含，例如，时间、空间、相位、复相角、速度、温度、幅值、频率、阶次或重复频率的值，并且可以通过对(滑动窗口化的)一维信号的操作获得。这类操作，例如，可以是傅立叶变换、小波变换、希尔伯特变换、奇异值分解(singular value decomposition)、(非)线性滤波、装仓(binning)以及聚类(clustering)、自动编码和解码、回归、分类(classification)、神经网络之类的机器学习方法。
9.为改善设备监控，特别是通过优化信噪比来改善设备监控，所述装置包括用于处理输入信号的处理单元。对输入信号的处理包含对输入信号进行归一化(/标准化)(normalization)处理，将归一化的输入信号进行平均和阈值化处理，并且提供平均和阈值化处理后的信号作为滤波后的输出信号。尤其是，通过对归一化的输入信号进行平均和阈
值化处理，信号与噪声之间的区别得以被清晰化(sharpened)，因为在被平均和阈值化处理的信号中，噪声已被消除或者至少被降低。这尤其可以允许以特定的检测频率，例如与设备的缺陷或信号脉冲/峰值的其他来源(例如驱动器和电动机以及邻近设备)的缺陷有关的频率，来自动检测脉冲和峰值。这种自动检测不需要用户进行任何手动诠释(interpretation)。
10.如上所述，输入信号在第一维度和第二维度中包含多个频率，所述第二维度包括，例如，时间、空间、相位、相角、速度、温度、幅度、频率、阶次或重复频率的量值。为对输入信号进行归一化处理，处理单元适于对每一个频率进行独立处理，并且针对每一个频率对输入信号进行归一化处理。
11.对输入信号的归一化处理可以通过低通滤波来实现，例如，独立针对每个频率通过第二维度内的移动窗口对输入信号进行中值滤波或者取平均值。所使用窗口的尺寸，例如，至少为信号峰值的宽度。在该滤波步骤以后，处理单元适于针对每个频率通过将信号除以低通滤波后的信号来对信号进行归一化。这意味着输入信号是逐个频率被归一化的。除了取平均值或中值滤波，还可以使用其他归一化操作，例如，由低通滤波器(例如与高斯核的卷积)形成的线性平滑滤波器、各向异性扩散滤波器、非局部平均滤波器、非线性秩条件秩选择过滤器(non
‑
linear rank
‑
conditioned rank
‑
selection filter)(例如中值过滤器)、小波变换过滤器、统计方法过滤、块匹配过滤、随机字段过滤、以及通过机器学习方法(例如人工和深度神经网络)进行过滤。
12.在针对每个频率独立进行归一化处理之后，归一化的全带宽信号被进行空间低通滤波(spatially low pass filtered)(取平均值)和阈值化处理。为此，处理单元适于计算归一化的输入信号(该信号为二维矩阵形式)的一个数据点和该一个数据点预定数目的邻近数据点的平均值，并且根据所述平均值计算该所述一个数据点的新值。这意味二维矩阵的每一个数据点都被取平均值并且被阈值化处理用以获得新值。
13.所述平均值的计算可以基于这些数据点的中值滤波或者这些数据点平均值的计算，也可以基于任何上述滤波方法。
14.特别是，如果平均值低于预定阈值，则新值可被设定为零。此外，如果平均值大于或等于预定阈值，则新值可以保持当前值。预定阈值可以根据，例如，统计信息来确定。所述阈值，例如，可被设定为表征噪声统计阈值(statistical threshold for noise)的一个量值，尤其是实际被监控的设备的噪声统计阈值。通过对归一化的输入信号进行平均和阈值化处理，可使信号和噪声之间的区别清晰化，从而可以提高输入信号的整体质量。这可以加强对设备的监控。这种区别尤其在以下情形会变得清晰：当噪声出现在中值以下和以上从而导致其邻域平均值趋向于中值时，实际信号却仅具有高于中值的量值，故(实际信号的)这些数据点仍保持当前值，即真实信号。
15.经过平均和阈值化处理的二维信号可以被汇总起来，从而得到具有增强信噪比的全带宽信号的一维表征。这意味着处理单元适于通过计算在所有频率上滤波后的输出信号的总和来计算汇总信号，用以获得一维信号，或者输出滤波后的阈值化处理过的二维信号。
16.本发明的另一方面涉及一种设备监控方法，所述方法包括从设备的传感器接收输入信号，所述输入信号是有噪声的二维宽带信号，尤其是有噪声的二维全带宽信号。所述方法进一步包括对输入信号进行归一化处理，对归一化的输入信号进行平均和阈值化处理，
用以减少噪声，并且提供平均和阈值化处理后的信号作为滤波后的输出信号。
17.本发明的另一方面涉及一种计算机程序产品，所述产品包含适于促使控制单元(例如，计算机和/或上述监视设备的计算机)执行上述步骤的计算机程序代码。
18.所述计算机程序产品可以被提供为诸如存储卡、usb棒、cd
‑
rom、dvd之类的存储设备，并且/或者也可以是能够从网络服务器(特别是远程服务器)上下载的文件。所述网络可以是用于传输包含所述计算机程序产品的文件的无线通信网络。这也可以包含在服务器(例如云环境中的虚拟服务器)上运行所述方法或计算机程序的情形。
19.进一步优选实施方式在从属权利要求以及说明书和附图中被予以阐述。因此，在不脱离保护范围的情况下，与其他要素被一起描述或显示的要素可以独立存在，也可以与其他要素共同存在。
附图说明
20.在下文中，本发明的优选实施方式被对照附图予以描述，其中，附图仅为示范性质，并非旨在限制保护范围。所述保护范围仅由随附的权利要求书限定。
21.所述附图显示：
22.图1：设备监控装置的方框示意图；以及
23.图2a
‑
图2h：设备监控方法的示范性流程图。
24.附图标记说明
[0025]1ꢀꢀꢀꢀꢀ
装置
[0026]2ꢀꢀꢀꢀꢀ
设备
[0027]4ꢀꢀꢀꢀꢀ
接收单元
[0028]6ꢀꢀꢀꢀꢀ
输入信号
[0029]8ꢀꢀꢀꢀꢀ
传感器
[0030]
10
ꢀꢀꢀꢀ
处理单元
[0031]
12
ꢀꢀꢀꢀ
滤波后的输出信号
[0032]
14
ꢀꢀꢀꢀ
频率
[0033]
16
ꢀꢀꢀꢀ
噪声
[0034]
18
ꢀꢀꢀꢀ
数据点
[0035]
20
ꢀꢀꢀꢀ
邻域数据点
具体实施方式
[0036]
在以下描述中，相同或相似的功能元件被以相同的附图标记表示。
[0037]
图1显示用于监控设备2的装置1。设备2可以是任何类型的工业设备，例如，包含轴承的机器。
[0038]
为监控设备2，装置1包括接收单元4，用于接收来自设备2的传感器8的输入信号6。传感器8可以是设备2的一部分，抑或设置在设备2附近，以便感知，例如，设备2的振动。
[0039]
来自传感器8的输入信号6是有噪声的二维宽带信号，尤其是有噪声的二维全带宽信号。这意味着输入信号6是一种在每个时间点上都包含多个频率的信号。
[0040]
为改善对设备2的监控，尤其是以优化输入信号6的信噪比的方式，装置1还进一步
包含用于处理输入信号6的处理单元10。对输入信号6的处理包括对输入信号6进行归一化处理，对归一化的输入信号进行平均和阈值化处理，用以降低噪声，并且提供平均和阈值化处理后的信号作为滤波后的输出信号12。
[0041]
通过对归一化的输入信号进行平均和阈值化处理，信号与噪声之间的区别得以被清晰化，因为在被平均和阈值化处理的信号中，噪声已被消除或者至少被降低。输入信号6的归一化、平均化和阈值化处理将参照图2a至2h更详细地解释。
[0042]
图2a至2h显示设备监控方法的流程示意图，尤其采用图1所示的装置。
[0043]
图2a显示有噪声的全带宽传感器输入信号。y轴显示传感器频率，z轴表示相应频率的强度。可以看出，输入信号6包含一些高强度的频率(标记14)和一些噪声16。归一化处理被针对每一个单独频率的强度线(intensity line，以下简称“频率线”)实施，如图2b所示。
[0044]
在归一化的第一步中，每个频率线被中值滤波，如图2c所示，然后被归一化处理，例如，被除以中值，如图2d所示。如果不用中值滤波，也可以执行平均值计算。
[0045]
图2c中的中值滤波分离出信号中的峰值，如脉冲、谱峰(spectral peaks)等。图2d中的归一化处理使强度分布围绕1集中。
[0046]
如图2b
‑
2d所示，归一化分别针对每个频率线独立进行，并且在归一化以后，信号被再次处理为全带宽信号。这意味着输入信号6的进一步处理是作为二维矩阵进行的。
[0047]
图2e显示归一化的二维全带宽信号被平均和阈值化处理。针对每一个数据点18，该数据点18及其周围临近数据点20的平均值被予以计算。所述平均值可以使用中值滤波来计算，也可以作为平均值来计算。
[0048]
在计算出平均值以后，各数据点18的值可被调整为一个新值。例如，如果所述平均值低于预定的阈值，则所述新值可被设定为零。此外，如果平均值高于或等于预定的阈值，则所述新值可仍然保持当前值。
[0049]
由于平均和阈值化处理，仅具有高信噪比的像素或数据点18、20才会被选中，于是大部分噪声被归零剔除。这就是噪声出现在中值上下导致其邻域平均值趋向于所述中值，而信号值则只会高于所述中值的情形。
[0050]
从图2f可以看出，经过平均和阈值筛选后的二维信号仍然包含频率14，但已不包含噪声16。对比滤波后的信号，尤其是平均和阈值筛选后信号，如图2g所示，可以清楚地看出，噪声已经被成功剔除。在图2h中，图2a有噪声的全带宽一维原始信号被显示包含有比图2g滤波后的信号高得多的噪声。
[0051]
滤波后信号的二维表征(图2f)也可以用于机器学习，特别是用于图像识别。例如，可以通过使用这种图像识别来执行对设备2状态的自动检测。
[0052]
于是，图2f所示滤波后的信号可在传感器的带宽上被加以汇总，如图2g所示，显示一些频率可被用于监测设备2。这些频率能与特定的状态关联，例如，设备故障或任何其他类型的状态。这使得对设备2缺陷的自动识别成为可能。
[0053]
本发明提出的设备监控装置具有无需设定检测频段因而不再导致信号丢失的优点。通过使用，例如，大窗口中值滤波，脉冲信号和连续背景(即噪声)可被自动分离。当使用这种装置时，输入信号对频率的依赖性(例如由于上述传递函数的原因)能够得以被最小化。