CN1047387A - 采用中枢网络的自动轨迹分析 - Google Patents

Abstract

一种通过利用中枢网络进行轨迹分析来诊断设备异常的***。经过一个输入单元或者是来自x-y探针的偏转数据输入轨迹图，该探针用于检测设备(例如电动机或涡轮机)的旋转轴上的偏转情况。利用设备上的已知的异常或缺陷产生的轨迹图来培训中心网络，这个经过培训的中心网络能够鉴别在输入轨迹图中的类似特征，以便诊断设备的异常。

Description

本发明涉及一种检测装有旋转轴的设备缺陷的***，特别是涉及一种采用中枢网络完成的轨迹分析***，以便检测出这些缺陷。

目前已有多种用于检测装有旋转轴的设备（例如电动机、涡轮机等）上的异常或缺陷的分析方法，它们是根据轴的运动偏差进行检测的。一类分析方法是用传感器检测设备（特别是轴）上的振动，然后分析这个振动。检测为运转速度的谐波形式的振动分量的变化是这类分析中最简单的一种。如果轴正在发生摩擦，则将出现几个运转速度的谐波;如果只出现高振幅的一次谐波，则表明这个轴需要进行平衡。为了检测设备上的其它缺陷或异常，可以采用比较复杂的频率分析。

另一种公知的分析技术是轨迹分析。在轨迹分析中，要对轴的轴线偏离正常位置的运动进行检测。通过从轴的一个端部观察到的运动图形，可以分析出有关类型的缺陷。典型的做法是，把一对偏转传感器靠近轴承安装，以便检测轴沿着X（水平的）和Y（垂直的）轴方向的偏移，再把这对传感器产生的信号输入到示波器就可显示出一个轨迹图形。

在图1A-1D中示出了几个典型的由于设备中的缺陷产生的轨迹图。图1A中示出了一个对应于严重不同轴情况下的轨迹图的典型例子;图1B中示出由在一个轴套中的油膜旋涡或润滑油起泡所产生的轨迹例子;在图1C中所示出的一个带有许多尖峰的圆圈是由摩擦引起的轨迹图例;而在图1D中所示的轨迹图则是由轴的弯曲或不平衡产生的轨迹图的例子。随着摩擦的位置、不同轴的形式或引起轴的不平衡的原因的不同，由圆周偏移的取向和程度也发生变化。

因此，与轨迹的曲线分析相比，轨迹的数值分析是相当困难的。虽然轨迹分析是诊断装有旋转轴设备的缺陷的有效手段，但是这个方法不适合于自动化;对所显示的轨迹的分析结果在很大程度上要靠人们的经验，相比之下，频率分析比较容易实现自动化。

本发明的一个目的是要提供一种完成轨迹分析的自动化***。

本发明的另一个目的是要提供一种既用轨迹分析又用频率分析来对装有旋转轴设备的异常进行诊断的方法。

概括地说，本发明是属于根据轴线的运动方式对装有旋转轴设备进行自动轨迹分析以检测异常的方法和***，该***包括：用于输入指示轴的运动数据的输入装置，其特征在于有一个用经过培训的中枢网络处理运动数据的中枢网络***，用以产生设备的第一异常指示。

现在详细描述用于自动分析检测装有旋转轴设备上缺陷的***，该***包括：用于输入指示轴的运动数据的输入装置和一个为了产生轴承***中的第一缺陷指示而用经过培训的中枢网络处理运动数据的中枢网络***。这些运动数据可以利用偏转传感器来产生，这些传感器能够测定该轴沿着基本上垂直于旋转轴表面的两个互相垂直的轴线中的每一个方向的偏移。对于轴安装在几个轴承上的重型设备，最好要用至少两个偏转传感器与其中的每一个轴承相连接。这些偏转传感器还可以用于产生为获得第二缺陷指示的频率分析数据。最好再用一个评价***的判据来分析第一和第二缺陷指示，以便完成对设备的诊断。

为了更清楚理解和易于实践本发明，下面结合附图来描述仅作为例子的实施例。

图1A-1D示出了某些有异常的实例的轴轨迹的x-y图;

图2为按照本发明的一个实施例的***方块图;

图3为按照本发明的一个实施例的方法流程图。

各种类型的应用中枢网络或中枢计算的曲线分析的方法业已研制出来。例如最早的由Frank    Rosenblatt在康奈尔大学于1957年为识别打印字符而研制出的中枢网络，人工打印字符的识别已被几个试验者演示过，其中包括Kunihiko    Fukushima在NHK实验室的演示，还可以举出在最近20年甚至更早一些时间应用中枢网络识别曲线或非曲线图形的例子。在图2所示的***中，一个中枢网络被用于对设备12的旋转轴10进行轨迹分析。这个设备可以是任何类型的，通常用图2中的圆柱体12来表示。关于采用轨迹分析来识别设备上异常的方法将参考图3来描述;关于使用这种方法的具体***将参考图2来描述。

应用任何中枢网络的第一步都是要确定一个或几个待识别的目标。在某些早期的中枢网络中，是采用人工的方式对该网络的每个分支加权而编制程序的方法来确定识别目标的;在最现代的中枢网络中有一个培训模式，待识别的数据以这个模式输入并提供待显示的合适的输出。从概念上讲，这个培训模式类似于教小孩子学说话或识字，在那里可以边回答问题边校正错误。

对中枢网络培训的关键在于选择供培训用的数据。应该把容易识别的图形作为一个目标的实例（或者对于本发明的情况，作为一个缺陷）提供出来，同时还应为识别某些区别不太明显的实例提供技术指导。例如图1A-1D中的轨迹图可以用作培训一个中枢网络的部分内容，以便识别图1A-1D所示轨迹图反映的各种设备缺陷。

这些图可以用两种方法来产生。通常是把包括x-y探针14、16的绘制轨迹的仪器靠着轴承18安装，以便将信号提供给可以从例如Bentley-Nevada（Minden，Nevada，U.S.A）购买的通用轨迹监测仪（未示出）。然而，要在设备正常操作期间获得该设备出现异常的图是困难的，这是因为人们总希望尽可能快地修理和更换出现异常的设备。此外，还必须等待出现每个检测所要求的情况。另一种方法是可以在测试条件下诱发设备中的这些缺陷。显然，利用人工模拟所产生的数据是最简单的。

可以用曲线输入单元20把培训数据输入到中枢计算处理器22，不管这些数据是来自异常设备的轨迹图，还是来自人工模拟的数据源。为了直接地从x-y探针14、16经数据收集***24获得这些培训数据，最好是应用曲线输入单元20，因为它能较强地控制这些数据。

不管用何种输入源，都最好把该培训数据存入一个与中心计算处理器22相连的计算***26的一个存储器（未示出）中。这样能使中枢计算处理器重新被培训并用同一培训数据来培训其它的中枢计算处理器，而不需要重新输入数据。另外，在发现新的轨迹图或者需要改进中枢网络时，可修改这些培训数据。

一旦中枢计算处理器受到了培训，就可以用中枢计算处理器22中形成的中枢网络来进行轨迹分析。x-y偏转数据既可经过曲线输入单元20，也可经过数据收集***24在28中输入。曲线输入单元20可以是一个鼠标、一个数字化板或者任何已知的输入曲线数据的装置。可以把一个例如高分辨率的触模屏装在一个显示轨迹的示波器上，还可以用一个记录笔描绘该轨迹的轮廓。这对于图1D所示的这类相对稳定和连续的轨迹可以得到满意的结果，但对于图1C中所示的那类不规则的轨迹将难以输入，即使在示波器中存储一个相应于一个轴的单次旋转信号的轨迹图也是如此。一个类似的技术是使用照相机获得一张由通用的轨迹分析仪上的示波器显示的轨迹照片，然后再采用数字化板或鼠标输入这个拍照下来的轨迹。

在这个最佳实施例中，中枢计算处理器22与数据收集***24联机连接，该数据收集***从x-y探针或偏转传感器14、16获得运动数据。虽然在图2中示出的仅是一个轴承18同偏移传感器14、16相连，但是一个典型的设备上都有几个轴承，这些偏转传感器可以靠近这些轴承中的每一个安装，也可以沿着轴交错放置。这些偏转传感器可以是已知的任何一种，例如邻近传感器（proximi-ty    sensors）或振动传感器。

为了使偏转传感器14、16输出的偏转数据能够和轴10的转动位置相对应，最好用一个键控相位传感器30使得能够在轴10的旋转过程中测定相位角。这个键控相位传感器30除了为偏转数据定时之外，还可用于提供速度信息。

由数据收集***24获得的数据表明了轴10的轴线偏离其正常位置的情况，这个运动数据经中枢计算处理器22处理，处理器22还利用由培训数据产生的中枢网络来完成轨迹分析步骤32。轨迹分析的结果将作为缺陷指示。当然，这个缺陷指示也可以表明没有检测出缺陷。这种情况下，对应的轨迹图是一个圆点或一个小圆圈，表明这个轴10的轴线基本上保持在中心。

这个缺陷指示可能表明在轴上存在的一个缺陷，例如轴出现了弯曲或不平衡，或者在设备别处出现的异常，例如已经发生摩擦。正如在轨迹分析的方法中所指出的那样，这个图形的大小（如沿着图1D中所示这类椭圆的长轴和短轴的尺寸）、轨迹的取向（如椭圆的长轴和x轴间的夹角）以及轨迹的形状都是区别特征，如图1A-1D所示的那样。

此外，与轴的旋转方向相比较的轨迹方向也是中心计算处理器22所必需考虑的重要因素。因此，提供经中枢计算处理器22的数据不仅必须包括由轨迹形成的图形，还应包括取向信息、尺度信息，以及这个轴的中心是按与轴的表面转动方向相同的方向运动，还是按相反的方向运动。换句话说，如果从轴的一端观察到的轴是按顺时针方向旋转时，那么必须提供数据表明从同一端观察时，这个轴的轴线是以顺时针方向运动还是以反时针方向运动。

虽然单独使用的轨迹分析是诊断一个设备的缺陷或异常的很有效的工具，然而在最佳实施例中，轨迹分析是和频率分析34结合起来使用的。为此目的，偏转数据在步骤经过数据收集***24被输入到频率分析处理器38。图2中没有示出的单独的振动传感器可以用任何公知的方式装在设备12的外部，例如，装在图中所示的相位传感器30的位置上，也可以装在设备12的内部。

频率分析处理器38可以完成常规的分析，包括全振动（振幅和相位）和设备12运行速度的谐波变化。频率分析34的结果给出缺陷或异常的第二指示，该第二指示可以同由轨迹分析得到的指示相比较。这样就可以确定由轨迹分析所得到的缺陷指示同由频率分析所得到的缺陷指示是相重的，还是不一致的。这最好是借助评价***42完成的评价分析步骤40来实现。美国专利No.4，644479提供了一个评价***的实例，该***已经用于诊断由机内传感器产生的指示。由评价***分析步骤40得到的输出是对设备12上操作状态的诊断44。

在最佳实施例中，中枢计算处理器22和频率分析器38在计算***26中紧密配合并共用一些装置，例如存储器、输入/输出口、操作者接口等。计算***26最好经数据收集***24在被检测设备12所在处与传感器14、16、36连用。使计算***26和设备12尽可能靠近是很必要的，因为分析步骤32和34需要大量的高频数据。由处理器22和30产生的缺陷指示可以经过通讯线46传送到包括评价***42在内的远距离监测***48。

在本发明的第二个实施例中，评价***42可以包括在计算***26中。如果认为不需要评价***分析步骤40，那么就可以使用由轨迹分析步骤32得出的缺陷指示，这时，用或不用附加的频率分析34都可以。

在第三个实施例中，中枢计算处理器22不与设备12联机相接，而偏转数据是经曲线输入单元20和另一个人/机接口，例如用于提供尺度信息等的键盘（未示出）输入的。经曲线输入单元20的轨迹图输入可以是示波器荧光屏上的图样，或者象上面所述的那样，结合培训数据的输入把一个照片数字化后再输入。需要指出的是，某些中枢计算器能够产生一个编译程序，这个程序可以在通用的计算机中执行，然后用这个计算机去完成轨迹分析。

通过上面的详细描述，使本发明的特点和优点更加清楚。概括本发明的这些特点和优点的权利要求书是本发明的核心和保护范围。然而，对于本专业的普通技术人员来说，可以在不违背本发明方案的实质内容的前提下做出各种改进和改型。显然，在说明书中所描述的具体结构和操作不是对本发明的限制，因此所有的相应的改进和等同物都可能处于本发明的保护范围之内。

Claims (14)

1、一种对装有旋转轴的设备进行自动轨迹分析，以便根据轴的轴线运动检测轴的异常的***，包括：

用于输入指示轴运动的运动数据的输入装置(20、24)；其特征在于还包括：

一个利用经过培训的中枢网络处理运动数据，以便产生该设备的第一异常指示的中枢网络***(22、42、48)。

2、如权利要求1所述的***，其特征在于：所述输入装置包括用于以曲线的形式输入的轴线轨迹图的曲线装置（20）。

3、如权利要求2所述的***，其特征在于：所述曲线装置包括一个同所述中枢网络***在操作上相联系的鼠标。

4、如权利要求2所述的***，其特征在于：所述曲线装置包括一个同该中枢网络***在操作上相联系的数字化板。

5、如权利要求1所述的***，其特征在于：所述输入装置包括用于接收指示轴的轴线偏离正常位置的运动信号的信号接收装置。

6、如权利要求5所述的***，其特征在于还包括：用于产生包括在运动信号中的偏转信号的偏转传感器（14，15），用以指标出该轴沿着基本上垂直于该轴表面的两个互相垂直的轴线的偏转状态。

7、如权利要求6所述的***，其特征在于：该设备包括支承轴的轴承，并靠近这些轴承中的每一个至少将两个偏转传感器安装在该设备上。

8、在一个装有具有轴线的旋转轴的设备中，一种为了根据轴的轴线运动来检测缺陷和异常而自动进行轨迹分析的方法，包括下列步骤（20，24）;

（a）获得指示轴运动的运动数据;其特征在于下列步骤（26，48）;

（b）应用一个经过培训的中枢网络处理运动数据，以便产生该设设备的第一缺陷指示。

9、如权利要求8所述的方法，其特征在于：所述运动数据表明了轴的轴线离开正常位置的偏转状态。

10、如权利要求9所述的方法，进一步还包括步骤：

（c）利用偏转传感器产生运动数据，所述偏转传感器能对轴沿着基本垂直于该轴表面的两个互相垂直的轴中的每一个的偏移敏感。

11、如权利要求10所述的方法，其特征在于：该轴被安装在多个轴承上。

以及至少使两个偏转传感器与这些轴承中的每一个相连接。

12、如权利要求10所述的方法，还包括下列步骤：

（d）利用频率分析处理偏转数据，以获得第二缺陷指示;

（e）利用评价***的判据分析第一和第二缺陷指示，从而完成对该设备的诊断。

13、如权利要求12所述的方法，还包括下列步骤：

（f）自动地提供偏转数据用于在步骤（b）和（d）中进行处理，以及

（g）自动地将第一和第二缺陷指示供给评价***中的判据单元。

14、如权利要求8所述的方法，还包括步骤（c）：当偏转传感器检测该轴沿着基本上垂直于该轴表面的两个互相垂直的轴线中各个的偏转状态时，用与该偏转传感器产生的信号相对应的培训数据培训中枢网络，以便识别设备的缺陷。

Images