DE102021129508A1 - System zur trennung periodischer spitzen interessierender frequenzen von nicht- periodischen spitzen in maschinenschwingungsdaten - Google Patents

Abstract

Eine statistische Methode wird verwendet, um periodische von nicht-periodischen Schwingungsspitzen in Maschinenschwingungsspektren zu trennen. Im Allgemeinen ist ein Maschinenschwingungsspektrum nicht normalverteilt, da die Amplituden periodischer Spitzen im Vergleich zum allgemein gaußförmigen Rauschen signifikant groß und zufällig sind. In einem normalverteilten Signal hat der statistische Kurtosis-Parameter einen Wert von 3. Die Methode entfernt nacheinander jede Spitze mit der größten Amplitude aus den Spitzen in einem interessierenden Frequenzbereich des Spektrums, bis die Kurtosis einen Wert von 3 oder weniger hat. Die entfernten Spitzen, die alle als periodisch angesehen werden, werden in eine Liste der Kandidatenspitzen aufgenommen. Wenn die Kurtosis der verbleibenden Spitzen im interessierenden Frequenzbereich auf drei oder weniger fällt, wird der Prozess gestoppt und die Liste der Kandidatenspitzen definiert.

Description

• TECHNISCHES GEBIET
• Diese Erfinung bezieht sich auf die Analyse von Signalen. Insbesondere bezieht sich diese Erfindung auf ein System zum Trennen periodischer Amplitudenspitzen von nichtperiodischen Amplitudenspitzen in Maschinenschwingungsdaten.
• HINTERGRUND UND ZUSAMMENFASSUNG
• Periodizität ist ein Begriff zum Quantifizieren, wie viel Energie in einem Signal periodisch ist. Die Autokorrelationskoeffizientenfunktion ist ein mathematischer Prozess, der verwendet werden kann, um zu bestimmen, wie viel der Energie in einer Signalwellenform periodisch ist. Das Muster der periodischen Spitzen - oder das Fehlen derselben - kann bei der Identifizierung von Fehlertypen sehr hilfreich sein. Der Begriff „periodische Spitzen“ ist eine allgemeine Charakterisierung, die eine oder mehrere Familien harmonischer Spitzen beschreibt. Periodische Spitzen, die sich auf die Laufgeschwindigkeiten einer Maschine beziehen, werden als synchrone periodische Spitzen bezeichnet. Eine Familie von periodischen Spitzen, die nicht harmonisch mit der Laufgeschwindigkeit zusammenhängen (wie Lager- und Riemenfrequenzen), wird als nicht synchrone periodische Spitzen bezeichnet.
• Traditionell erfordert das Erkennen dieser Muster und deren Anwendung einen erfahrenen Schwingungsanalytiker. Der Wunsch besteht darin, zunächst einen Indikator zu berechnen, der für allgemeine periodische Muster repräsentativ ist. Dieser Wert, der hier als „periodischer Signalparameter“ (PSP) bezeichnet wird, wird basierend auf statistischen Maßen berechnet, die von einer Autokorrelationswellenform der Ursprungswellenform abgeleitet werden. Basierend auf den Spitzen im Ursprungsspektrum in Kombination mit den Spitzen aus dem Spektrum, das der Autokorrelationswellenform entnommen wurde, und dem PSP-Wert kann ein periodisches Informationsdiagramm (PIP) erstellt werden. Dieses Diagramm enthält nur die periodischen Spitzen (synchrone und nicht-synchrone periodische Spitzen) aus den Ursprungsspektren.
• Eine Schätzung, wie viel Periodizität in der ursprünglichen Wellenform vorhanden ist, kann aus der größten Amplitude bestimmt werden, die in der autokorrelierten Wellenform gefunden wird. Die Quadratwurzel der größten Amplitude in der autokorrelierten Wellenform wird verwendet, um die prozentuale periodische Energie zu schätzen (definiert als Prozentsatz der Energie in den ursprünglichen Spektren, die sich auf periodische Signale bezieht). Im Allgemeinen liegt ein periodisches Signal vor, wenn der Wert des PSP größer als 0,1 ist oder die prozentuale periodische Energie größer als 50 % ist.
• Indem die geschätzte Energie in dem ursprünglichen Spektrum in Bezug auf periodische Spitzen bekannt ist, kann ein „grundlegendes“ periodisches Informationsdiagramm (Periodic Information Plot; PIP) erzeugt werden. Dieses „grundlegende“ PIP wird erstellt, indem die periodischen Spitzen nacheinander aufgetragen werden - beginnend mit der größten Spitze und fortfahrend in absteigender Reihenfolge - bis die Energie im resultierenden Diagramm gleich der prozentualen periodischen Energie ist. Da es sich bei dem Wert für die prozentuale periodische Energie jedoch um eine Schätzung handelt, enthält das resultierende „grundlegende“ PIP häufig übermäßiges Rauschen.
• Hierin wird ein statistisches Verfahren beschrieben, um genauer zu bestimmen, welche Spitzen im Autokorrelationsspektrum periodisch sind. Sobald die genauen periodischen Spitzenwerte erreicht sind, kann ein „sauberer“ (weniger verrauschter) PIP konstruiert werden. Der PIP-Algorithmus wird im Folgenden ausführlicher beschrieben.
• Das statistische Verfahren zum Trennen periodischer von nichtperiodischen Daten in Autokorrelationsspektren wurde basierend auf einem Verständnis der mit jedem Satz von Spitzen assoziierten Verteilung entwickelt. Insgesamt ist das Autokorrelationsspektrum nicht normalverteilt, da die periodischen Spitzen relativ zum Grundrauschen signifikant groß und in ihrer Amplitude zufällig sind. Das Grundrauschen ist jedoch im Allgemeinen normalverteilt (unter Annahme von Gaußschem Rauschen). Auf dieser Grundlage wurde ein Verfahren entwickelt, um die periodischen Spitzen vom Rauschen (nicht periodische Spitzen) zu trennen.
• Ein statistischer Parameter, der das Grundrauschen am besten charakterisiert, ist die Kurtosis. Für ein normalverteiltes Signal sollte die Kurtosis einen Wert von 3 haben. Daher wird nach dem Sortieren der Spitzen von der größten zur kleinsten Amplitude die Kurtosis des Satzes von Spitzen berechnet und die größten Spitzen werden sequentiell aus dem Satz entfernt, bis die Kurtosis gleich einem Kurtosis-Schwellwert ist. In einer bevorzugten Ausführungsform beträgt die Kurtosis-Schwelle 3. In anderen Ausführungsformen kann die Kurtosis-Schwelle 2,9 oder 3,1 oder ein anderer Wert nahe 3 betragen im Set berechnet. Alle ausgesonderten Spitzen (die einen periodischen Spitzen-Satz bilden) werden als periodisch betrachtet. Die Energie des periodischen Spitzensatzes wird als die periodische Energie des ursprünglichen Spektrums angesehen. Wenn der Prozess des Aussortierens von Spitzen fortschreitet, wenn die Gesamtenergie des „wachsenden“ periodischen Spitzen-Satzes größer oder gleich der prozentualen periodischen Energie wird, bevor die Kurtosis des Spitzen-Satzes einen Kurtosis-Schwellenwert von 3 oder weniger erreicht, dann stoppt der Prozess, und der periodische Spitzen-Satz ist somit definiert.
• Der hierin beschriebene Kurtosis-Algorithmus kann auf jede beliebige FFT angewendet werden, nicht nur auf autokorrelierte FFTs. Durch Anwenden dieses Algorithmus auf beispielsweise eine Geschwindigkeits-FFT können die wichtigsten lokalisierten Spitzen aussortiert und zum Bestimmen der einflussreichsten Spitzen in einer FFT verwendet werden. (Diese Spitzen werden nicht notwendigerweise alle periodischen Spitzen sein, wie sie bei Anwendung auf die aktuelle Offenbarung gefunden werden können.) Diese einflussreichen Spitzen können als Grundlage zur Verbesserung der Geschwindigkeitserfassung sowie der Hauptharmonischenfamilien verwendet werden. Die harmonischen Familien können sich auf mechanische Komponenten beziehen, die Zahneingriff, Verzahnung, Exzentrizität (statisch und dynamisch) und Lageranomalien erzeugen, um nur einige zu nennen.
• Die Implementierung der hierin beschriebenen Periodizitätstechnologie ist besonders nützlich, wenn sie auf PeakVue™-Daten angewendet wird. „PeakVue Plus“ bezieht sich auf einen Prozess, der den PeakVue™-Prozess mit der hier beschriebenen Periodizität kombiniert. Jede Periodizität, die keine Harmonische einer Laufgeschwindigkeit ist (hierin als „nicht synchrone Periodizität“ bezeichnet), ist typischerweise mit einem Lagerfehler verbunden (wie etwa Innen- oder Außenringfehler oder Kugeldreh- oder Käfigfehler). Die Schwere eines Lagerfehlers kann durch die Spitzenamplitude der zugehörigen PeakVue™-Kurve bestimmt werden. Diese Schwere ist proportional zu den durch die Drehgeschwindigkeit des Lagers diktierten Fehlerniveaus. Wenn ein Getriebe überwacht wird, hängt jede synchrone Periodizität mit dem Zustand der Verzahnung zusammen. Der Schweregrad von Verzahnungsfehlern hängt von der Spitzenamplitude der PeakVue™-Wellenform ab und ist proportional zu den Fehlerpegeln, die von der zugehörigen Zahnraddrehzahl diktiert werden. Wenn in der PeakVue™-Kurve große Spitzenamplitudenwerte und ein PSP ≤ 0,1 vorhanden sind, werden Schmierprobleme in Wälzlagern und/oder Getrieben vermutet.
• Durch Bestimmen der Periodizität einer Wellenform kann der PIP erzeugt werden, um es einem Analytiker zu ermöglichen, den Zustand der überwachten Maschinerie leicht zu visualisieren. Aus diesem vereinfachten Diagramm kann der Analysator Fehler vorhersagen, auf die reagiert oder auf Wunsch untersucht werden muss. Im Folgenden werden bevorzugte Ausführungsformen eines Prozesses zum Erzeugen des PIP beschrieben.
• Einige hierin beschriebene Ausführungsformen stellen ein computerimplementiertes Verfahren zum Analysieren periodischer Informationen in digitalen Schwingungsdaten bereit, um eine Drehzahl einer Welle in einer Maschine zu bestimmen. Eine bevorzugte Ausführungsform des Verfahrens beinhaltet:
• (a) Erzeugen einer Schwingungswellenform basierend auf den digitalen Schwingungsdaten;
• (b) Durchführen einer schnellen Fourier-Transformation an der Schwingungswellenform, um ein Schwingungsspektrum zu erzeugen, das Schwingungsamplitudenspitzen enthält;
• (c) Bestimmen einer interessierenden Zahnradeingriffsfrequenz basierend zumindest teilweise auf einer Drehzahl eines Zahnrads einer Maschine, wobei das Zahnrad eine Anzahl von Zahnradzähnen aufweist;
• (d) Bestimmen eines interessierenden Frequenzbereichs innerhalb des Schwingungsspektrums in Bezug auf die interessierende Zahneingriffsfrequenz;
• (e) Zusammenstellen einer Liste lokalisierter Spitzen der Schwingungsamplitudenspitzen bei Frequenzen, die in den interessierenden Frequenzbereich fallen;
• (f) Anordnen der Schwingungsamplitudenspitzen in der lokalisierten Spitzenwertliste in der Reihenfolge absteigender Amplitude oder ansteigender Amplitude, um eine sortierte Spitzenwertliste zu erstellen, in der eine größte Amplitudenspitze zuerst und eine kleinste Amplitudenspitze zuletzt ist oder in der die kleinste Amplitudenspitze ist der erste und die größte Amplitudenspitze die letzte ist;
• (g) Berechnen eines Kurtosis-Werts basierend auf Amplituden aller Spitzenwerte in der sortierten Spitzenwertliste;
• (h) wenn der Krümmungswert größer als ein Krümmungsschwellenwert ist, Entfernen des Spitzenwerts mit der größten Amplitude aus der sortierten Spitzenwertliste und Einordnen in eine größte Spitzenwertliste;
• (i) Wiederholen der Schritte (g) und (h), bis der Kurtosis-Wert kleiner oder gleich dem Kurtosis-Schwellenwert ist;
• (j) Auswählen eines oder mehrerer Zahneingriffsfrequenzkandidaten, die eine oder mehrere Frequenzen von Spitzen in der Liste der größten Spitzen sind, die in einen Delta-Frequenzbereich um die interessierende Zahneingriffsfrequenz fallen, wobei der Delta-Frequenzbereich durch eine obere Frequenzgrenze und eine untere Frequenzgrenze begrenzt ist, wobei:
  • - die obere Frequenzgrenze gleich der Anzahl der Zähne auf der Welle ist, die der interessierenden Zahneingriffsfrequenz zugeordnet ist, multipliziert mit einer Synchrondrehzahl der Maschine, und
  • - die untere Frequenzgrenze gleich der Anzahl der Zahnradzähne auf der Welle ist, die der interessierenden Zahneingriffsfrequenz zugeordnet ist, mal 120 % einer Volllastdrehzahl der Maschine; und
• (k) Bestimmen der Drehzahl der Welle basierend auf dem Dividieren des einen oder der mehreren ausgewählten Zahneingriffsfrequenzkandidaten durch die Anzahl von Zahnradzähnen auf der Welle, die der interessierenden Zahneingriffsfrequenz zugeordnet ist.
• In einigen Ausführungsformen beträgt der Kurtosis-Schwellenwert 3.
• In einigen Ausführungsformen ist das Schwingungsspektrum ein Geschwindigkeitsspektrum.
• Figurenliste
• Die Patent- oder Anmeldungsakte enthält mindestens eine farbig ausgeführte Zeichnung. Kopien dieser Patent- oder Patentanmeldungsveröffentlichung mit Farbzeichnung(en) werden vom Amt auf Anfrage und Zahlung der erforderlichen Gebühr zur Verfügung gestellt. Weitere Vorteile der Erfindung werden durch Bezugnahme auf die detaillierte Beschreibung in Verbindung mit den Figuren offensichtlich, wobei Elemente nicht maßstabsgetreu sind, um die Details klarer zu zeigen, wobei gleiche Bezugszeichen in den verschiedenen Ansichten gleiche Elemente bezeichnen und wobei:
• 1A und 1B zeigen Funktionsblockdiagramme eines Systems zum Ableiten und Analysieren periodischer Informationen in einem Signal gemäß bevorzugten Ausführungsformen der Erfindung;
• 2 zeigt ein Flussdiagramm eines Verfahrens zum Bestimmen eines periodischen Signalparameters gemäß einer bevorzugten Ausführungsform der Erfindung;
• 3 - 7 zeigen beispielhafte autokorrelierte Schwingungswellenformen für verschiedene Werte eines periodischen Signalparameters;
• 8 zeigt ein Flussdiagramm eines Verfahrens zum Erzeugen eines periodischen Informationsdiagramms gemäß einer ersten Ausführungsform der Erfindung;
• 9 zeigt ein beispielhaftes Standardschwingungsspektrum;
• 10 zeigt ein beispielhaftes autokorreliertes Schwingungsspektrum, das aus dem in 9 dargestellten Spektrum abgeleitet ist;
• 11 - 17 zeigen periodische, basierend auf dem in 9 gezeigten Spektrum erzeugte Informationsdiagramme gemäß bevorzugten Ausführungsformen der Erfindung;
• 18 zeigt eine grafische Darstellung von Diagnosefehlerzustandsanzeigen gemäß einer bevorzugten Ausführungsform;
• 19 zeigt eine Energiekurve, die aus einer Autokorrelationswellenform in Bezug auf zufälliges Vibrationsrauschen und andere nicht periodische Energie, die in einem Vibrationssignal vorhanden ist, berechnet wird;
• 20 zeigt ein Flussdiagramm eines Verfahrens zum Erzeugen eines periodischen Informationsdiagramms gemäß einer zweiten Ausführungsform der Erfindung;
• 21 zeigt eine grafische Anzeige von Diagnoseinformationen für ein zweistufiges Getriebe mit einem gebrochenen Zahn am Hauptzahnrad der zweiten Welle;
• 22 zeigt ein Flussdiagramm eines Verfahrens zum Bestimmen eines Lagerfehlerschwerewerts und eines Schmierungsschwerewerts gemäß einer bevorzugten Ausführungsform der Erfindung;
• 23 zeigt eine grafische Anzeige von Diagnoseinformationen für ein vollständig geschmiertes Lager ohne Fehler;
• 24 zeigt eine grafische Anzeige von Diagnoseinformationen für ein gutes Lager ohne signifikante Fehler, außer dass es aufgrund eines Mangels an Schmierung „trocken“ läuft;
• 25 zeigt eine grafische Anzeige von Diagnoseinformationen für ein vollständig geschmiertes Lager mit einem Innenringfehler;
• 26 zeigt eine grafische Anzeige von Diagnoseinformationen für ein Lager, das einen Innenringfehler hat und das aufgrund eines Mangels an Schmierung „trocken“ läuft;
• 27 zeigt ein Flussdiagramm eines Verfahrens zum Bestimmen eines Lagerfehlerschwerewerts, eines Getriebefehlerschwerewerts und eines Schmierungsschwerewerts gemäß einer bevorzugten Ausführungsform der Erfindung;
• 28 zeigt einen beispielhaften Graphen repräsentativer Warnstufen für eine PeakVue-Wellenform für einen Innenringlagerfehler, der gemäß einer Ausführungsform bestimmt wurde;
• 29A und 29B zeigen einen Prozess zum Erzeugen eines periodischen Informationsplots gemäß einer dritten Ausführungsform;
• 30 zeigt eine Anzeige von Schwingungsinformationen, die einen gebrochenen Zahn an einem ersten Hauptzahnrad eines zweistufigen Getriebes anzeigen, wobei die Informationen ein gemäß der dritten Ausführungsform erzeugtes periodisches Informationsdiagramm umfassen;
• 31 zeigt ein alternatives Verfahren zum Bezeichnen von Spitzenfamilien unter Verwendung von Linien mit unterschiedlichen Liniendicken und/oder Mustern;
• 32 zeigt ein periodisches Informationsdiagramm, das gemäß einer Ausführungsform der Erfindung erzeugt wurde, wobei Familien von Spitzen unter Verwendung von Linien mit unterschiedlichen Liniendicken und/oder Mustern angezeigt werden; und
• 33 zeigt ein Verfahren zum Erzeugen einer Liste von Schwingungsspitzen, die einer Zahnradeingriffsfrequenz zugeordnet sind.
• DETAILLIERTE BESCHREIBUNG
• 1A und 1B zeigen beispielhafte Systeme 100 zum Ableiten und Analysieren von periodischen Informationen in einem Vibrationssignal. In der Ausführungsform von 1A ist ein Sensor 104, beispielsweise ein Beschleunigungssensor, an einer Maschine 102 angebracht, um deren Schwingung zu überwachen. Obwohl in der beispielhaften Ausführungsform von 1A ein Beschleunigungssensor abgebildet ist, versteht es sich, dass andere Arten von Sensoren verwendet werden könnten, wie beispielsweise ein Geschwindigkeitssensor, eine Verschiebungssonde, ein Ultraschallsensor oder ein Drucksensor. Der Sensor 104 erzeugt ein Vibrationssignal (oder einen anderen Signaltyp für einen anderen Sensor als einen Beschleunigungsmesser), das periodische Informationen enthält. Für wiederholbare und beste Ergebnisse ist es vorzuziehen, jeden Sensor 104 so zu platzieren, dass ein fester Übergangspfad von der Signalquelle (z. B. einem Lager) zum Montageort des Sensors vorhanden ist. Die Montage des Sensors 104 sollte auch erfolgen, um sicherzustellen, dass das Signal mit so minimaler Verzerrung wie möglich erfasst wird. Bevorzugte Ausführungsformen umfassen einen oder mehrere Drehzahlmesser 116 zum Messen der Drehzahl einer oder mehrerer rotierender Komponenten der Maschine 102. Die Vibrations- und Drehzahlmessersignale werden an einen Datenkollektor 106 geliefert, der vorzugsweise einen Analog-Digital-Wandler (ADC) 108 für Abtasten der Vibrations- und Tachometersignale, ein optionaler Tiefpass-Antialiasing-Filter 110 (oder eine andere Kombination von Tiefpass- und Hochpassfiltern) und Pufferspeicher 112. Zum Beispiel kann der Datensammler 106 ein digitaler Datenrekorder sein, ein tragbarer Schwingungsdatensammler oder ein permanent oder temporär montiertes Überwachungsgerät. Die Vibrationssignaldaten werden an einen periodischen Informationsprozessor 114 übermittelt, der die hier beschriebenen Informationsverarbeitungsaufgaben durchführt. In der Ausführungsform von 1A ist der periodische Informationsprozessor 114 eine Komponente des Datenkollektors 106. In dieser Ausführungsform kommuniziert der periodische Informationsprozessor 114 verarbeitete Daten über ein Maschinendatennetzwerk 122, das ein HART™- oder WirelessHART™-Netzwerk, ein Ethernet-Netzwerk, oder das Internet. Ein Analystencomputer 120 empfängt die verarbeiteten Daten über das Netzwerk 122 zur Anzeige auf einer Anzeigevorrichtung 118.
• In einer alternativen Ausführungsform, die in 1B gezeigt ist, ist der periodische Informationsprozessor 114 eine Komponente des Analysecomputers 120. Diese Ausführungsform kann für Situationen vorzuziehen sein, in denen Datenübertragung und - speicherung kein Hauptanliegen sind, so dass der gesamte Datensatz über das Netzwerk 122 an die Analystencomputer 120 oder eine andere entfernte Verarbeitungsvorrichtung zur Nachverarbeitung unter Verwendung derselben Algorithmen und Techniken übertragen werden kann.
• Im Hinblick auf die Sensorplatzierung für die Lager- und Getriebediagnose wird der Sensor 104 typischerweise orthogonal zur Welle montiert. Es wird vorzugsweise auf einem starren und massiven Metallstück montiert, das sich in der Nähe der Signalquelle (z. B. Lager oder Getriebe) befindet. Die große Metallmasse, auf der der Sensor montiert ist, verhindert, dass Resonanzen aufgrund der Oberfläche der Maschine in das Signal eindringen, im Gegensatz zu den internen Vorgängen in der Maschine. Der Sensor 104 sollte so angebracht werden, dass der Verlust der Signalintegrität während der Übertragung minimiert wird. Dies erfordert eine starre Verbindung - typischerweise durch Bolzenmontage des Sensors 104. Unter bestimmten Umständen, beispielsweise wenn die Montagefläche der Maschine rau oder mit vielen Farbschichten bedeckt ist, muss die Oberfläche geschliffen werden.
• Parameter für periodisches Signal
• 2 zeigt ein Flussdiagramm eines Verfahrens zum Berechnen eines periodischen Signalparameters (periodic signal parameter; PSP) gemäß einer bevorzugten Ausführungsform der Erfindung. Eine Schwingungswellenform im Zeitbereich wird gemessen, beispielsweise unter Verwendung des Beschleunigungsmessers 104 oder eines anderen Sensors, der an der überwachten Maschine 102 angebracht ist (Schritt 12). An der Schwingungswellenform wird eine Autokorrelationsfunktion ausgeführt, um zu bestimmen, wie viel der Energie in der Wellenform periodisch ist (Schritt 14). In einer bevorzugten Ausführungsform kreuzkorreliert die Autokorrelationsfunktion das Schwingungssignal mit sich selbst, um sich wiederholende Muster innerhalb der Wellenform zu finden. Die Autokorrelationsfunktion gibt eine Autokorrelationswellenform 16 aus, von denen Beispiele in den 3-7 dargestellt sind. Mehrere statistische Eigenschaften der Autokorrelationswellenform werden berechnet, einschließlich der Standardabweichung (σ), der maximalen absoluten Spitzenamplitude in der Wellenform (MaxPeak), der maximalen absoluten Spitze nach den ersten 3% der Wellenform (MaxPeak (after first 3%)) und den Scheitelfaktor (CF1) (Schritt 18). Die positiven Signalspitzen werden aussortiert (Schritt 32), alle statistisch zu großen Spitzen werden verworfen (Schritt 34) und die mittlere Amplitude (sorted µ) und der Scheitelfaktor (CF2) der verbleibenden Spitzen werden berechnet (Schritt 35). Im Folgenden werden Verfahren zum Sortieren und Verwerfen von statistisch zu großen Spitzen beschrieben.
• Wenn MaxPeak größer oder gleich 0,3 ist (Schritt 20) und $$\frac{MaxPeak\left(afterfirst3\%\right)}{sorted\mu }\ge 4$$

  

  (Schritt 22), dann ist Y = 0,025 (Schritt 24).
• Wenn MaxPeak größer oder gleich 0,3 ist (Schritt 20) und $$\frac{MaxPeak\left(afterfirst3\%\right)}{sorted\mu }\text{< }4$$

  

  (Schritt 22), dann ist Y = 0 (Schritt 25).
• Wenn MaxPeak kleiner als 0,3 ist (Schritt 20) und CF1 kleiner als 4 ist und σ kleiner oder gleich 0,1 ist (Schritt 26), dann ist Z = 0,025 (Schritt 28). Wenn MaxPeak kleiner als 0,3 ist (Schritt 20) und CF1 nicht kleiner als 4 ist oder größer als 0,1 ist (Schritt 26), dann ist Z = 0 (Schritt 30).
• Wenn CF2 größer oder gleich 4 ist und die Anzahl der verworfenen Spitzen größer als 2 ist (Schritt 36), dann ist W = 0,025 (Schritt 38). Wenn CF2 kleiner als 4 ist oder die Anzahl der verworfenen Spitzen nicht größer als 2 ist (Schritt 36), dann ist W = 0 (Schritt 40).
• Wenn $\frac{MaxPeak}{MaxPeak\left(afterfirst3\%\right)}\text{> 1}$

  

  und σ zwischen 0,1 und 0,9 liegt (Schritt 44), dann ist X = 0,1 (Schritt 46). Wenn $\frac{MaxPeak}{MaxPeak\left(afterfirst3\%\right)}\le \text{ 1}$

  

  oder σ nicht zwischen 0,1 und 0,9 liegt (Schritt 44), dann ist X = σ (Schritt 48).
• Der PSP ist die Summe der Werte von X, W, Y und Z (Schritt 50).
• Im Allgemeinen weisen kleinere PSP-Werte auf mehr nicht-periodische Signale und weniger ausgeprägte Frequenzen hin, während größere PSP-Werte symptomatisch für mehr periodische Signale sind, die sich auf große Einzelfrequenzen beziehen. Wie in 3 gezeigt, zeigen PSP-Werte von weniger als einem ersten Schwellenwert, beispielsweise 0,1, an, dass die Schwingungswellenform größtenteils nicht periodisch ist. Wie in 4 gezeigt, weist der Algorithmus für den PSP Signalen mit niedriger Amplitude und höheren Frequenzdaten einen Wert von 0,1 zu. Diese Daten können sich auch als schlechte Daten erweisen. Wie in 5 gezeigt, zeigen PSP-Werte zwischen ersten und zweiten Schwellenwerten, wie etwa zwischen etwa 0,10 und 0,14, an, dass unterschiedliche Frequenzen vorhanden sind, aber immer noch ein erheblicher Anteil an nichtperiodischem Inhalt vorhanden ist. Wie in 6 gezeigt, zeigen PSP-Werte, die größer als der zweite Schwellenwert sind, z. B. größer als etwa 0,14, sehr charakteristische Frequenzen an, die für die Analyse wichtig sind, etwa Flügeldurchlauf- oder Kugeldurchlauffrequenzen, zusammen mit Signalen kleiner Amplitude, die niedrigere Frequenzen anzeigen, wie beispielsweise Drehzahl oder Käfig zusammen mit ihren Harmonischen. Wie in 7 gezeigt, zeigen PSP-Werte größer als ein dritter Schwellenwert, beispielsweise größer als 0,5 und darüber, große dominante Einzelfrequenzen im Spektrum an, das aus der Schwingungswellenform entnommen wird. Je näher der PSP-Wert bei 1,0 liegt, desto mehr periodische Signalkomponenten und weniger nichtperiodischen Inhalt hat die Wellenform.
• Im Folgenden sind einige Vorteile der Erzeugung eines PSP aufgeführt.
• - Die PSP liefert eine einzelne Zahl, die den periodischen Inhalt einer Wellenform anzeigt.
• - Statistische Werte werden aus der autokorrelierten Wellenform berechnet und einer oder mehrere dieser Werte werden kombiniert, um den PSP zu erzeugen.
• - Eine Anzeige von schlechten Daten oder nicht periodischen Signalen wird bereitgestellt.
• - Informationen über die Periodizität können aus einem großen Datensatz extrahiert und über ein Protokoll mit geringer Bandbreite wie HART^®, WirelessHART^® und andere ähnliche Protokolle übertragen werden.
• - Der PSP-Wert kann speziell auf PeakVue™-Daten angewendet werden, um zwischen periodischen und nicht periodischen Fehlern wie Schmierung, Kavitation, Lager-, Getriebe- und Rotorfehlern zu unterscheiden.
• - Der PSP-Wert kann in Verbindung mit anderen Informationen verwendet werden, um einen Hinweis auf den Maschinenzustand (d. h. Art des mechanischen Fehlers, Schwere des Fehlers) zu generieren. Die anderen Informationen können sein:
• - die Schwingungswellenform;
• - verarbeitete Versionen der Wellenform;
• - Informationen aus der ursprünglichen Schwingungswellenform (d. h. Spitzenwert, Scheitelfaktor, Kurtosis, Schiefe);
• - Informationen, die von einer verarbeiteten Version der Schwingungswellenform erhalten werden (d. h. von PeakVue™ verarbeitete, gleichgerichtete oder demodulierte Wellenform); und/oder
• - ein oder mehrere Regelsätze.
• Ein Beispiel ist in Tabelle 2 unten dargestellt, wo abgeleitete Werte, die die PSP-Ausgabe und die Ausgabe der Belastungswellenanalyse darstellen (z. B. maximale Spitze in der PeakVue™-Kurve oder eine andere Ableitung der PeakVue™-Typanalyse oder eine andere Form der Belastungswellenanalyse), verwendet werden, um zwischen verschiedenen Fehlertypen zu unterscheiden. In den meisten Fällen nimmt die Schwere des Defekts mit zunehmender PeakVue™-Belastung zu. Obwohl sich das nachfolgende Beispiel auf einen Belastungswellenwert bezieht, können andere Ausführungsformen andere Schwingungswellenforminformationen verwenden, die einen Aufprall- oder anderen Fehlerzustand anzeigen. Tabelle 2. PSP- und Belastungswellenanalyse-Ausgaben

  Periodisch [rechts] Stresswelle [unten]	PSP - Niedrig (PSP < PSP-Schwellenwert)	PSP - Hoch (PSP > PSP-Schwellenwert)
  PeakVue™ oder andere Spannungswellenanalyse - Niedrig (Wert der Belastungswelle < Schwellenwert der Belastungswelle)	Keine Fehlermeldung: aufgrund dieser Erkenntnis kein Handlungsbedarf	Periodischer Fehler im Frühstadium: Suchen Sie nach einem frühen Hinweis auf einen der periodischen Fehlertypen wie die unten aufgeführten
  PeakVue™ oder andere Spannungswellenanalyse - Hoch (Wert der Belastungswelle > Schwellenwert der Belastungswelle)	Nicht periodischer Fehler: Suchen Sie nach weiteren oder bestätigenden Hinweisen auf unzureichende Schmierung oder Undichtigkeit oder Kontaktreibung oder Pumpenkavitation	Periodischer Fehler: Suchen Sie nach einem Wälzlagerdefekt oder einem Getriebedefekt oder einer anderen Quelle für sich wiederholende periodische mechanische Einwirkungen - verwenden Sie Frequenzinformationen und andere Informationen, um
  		zwischen mehreren möglichen Ursachen zu unterscheiden

• Eine weitere Ausführungsform der vorliegenden Erfindung verwendet eine programmierbare Zentraleinheit, wie beispielsweise den Prozessor 114, der mit einer Programmlogik programmiert ist, um einen Benutzer bei einer Interpretation von Wellenforminformationen zu unterstützen. Die Programmlogik vergleicht die Analyseinformationen der periodischen Signalparameter und der Belastungswellen mit erwarteten oder historischen oder empirisch abgeleiteten Erfahrungswerten, um eine relative Rangfolge von niedrig nach hoch zu erkennen. Dann werden diskrete oder abgestufte Ausgaben, wie sie in Tabelle 2 oben dargestellt sind, verwendet, um logisch geordnete Beobachtungen, Ergebnisse und Empfehlungen auszuwählen. Zusätzlich zum Auswerten von PSP- und Belastungswellenanalyse-Informationen fordert die Programmlogik manchmal einen Benutzer auf, zusätzliche Informationen bereitzustellen oder zusätzliche Informationen aus einer anderen Quelle zu erhalten, beispielsweise aus einer Wissensdatenbank, damit die Logik zwischen zwei oder mehr möglichen logischen Ergebnissen unterscheiden kann. Beispielsweise kann eine Programmlogik, die ein hohes PSP-Ergebnis und ein hohes Ergebnis der Spannungswellenanalyse zurückgibt, ein Wälzelementdefektfeststellung anstelle anderer möglicher Feststellungen innerhalb dieser Kategorie auswählen, da eine Ähnlichkeit berechnet wird, wenn die Programmlogik eine periodische Frequenzfeststellung und eine Lagerfehlerhäufigkeit vergleicht für eine in einer Wissensdatenbank identifizierte Maschinenkomponente.
• Eine andere Technik zum Unterscheiden zwischen Schmierung und Pumpenkavitation besteht darin, den Trend des Aufpralls zu betrachten, wie er durch die Spannungswellenanalyse angezeigt wird. Steigt sie langsam an, ist von einer Mangelschmierung auszugehen. Wenn er bei einer Pumpe plötzlich ansteigt, handelt es sich wahrscheinlich um eine Pumpenkavitation. In Kombination mit Logik oder Eingängen in einem Steuerungssystem könnte die Logik nach Prozesskonfigurationsänderungen suchen, die gleichzeitig mit der Zunahme der Stoßbelastung - zusammen mit einem niedrigen PSP - aufgetreten sind, um die Kavitation der Pumpe zu bestätigen. In einigen Ausführungsformen schlägt das System dem Bediener vor, welche Aktion die Kavitation verursacht hat, so dass der Bediener die Ursache beseitigen und die Maschine von übermäßigem Verschleiß und vorzeitigem Ausfall abhalten kann.
• Periodische Informationsdarstellung
• Eine bevorzugte Ausführungsform der Erfindung erzeugt einen neuen Typ von Schwingungsspektrum, das hier als periodisches Informationsdiagramm (Periodic Information Plot; PIP) bezeichnet wird. Der PIP liefert dem Benutzer eine leicht einsehbare Zusammenfassung der vorherrschenden periodischen Spitzen aus dem Ursprungsspektrum, das in einer bevorzugten Ausführungsform ein PeakVue-Spektrum wäre.
• PIP-Erzeugung - Erste Ausführungsform
• In einer ersten Ausführungsform wird ein Signal von einer Anlagenausrüstung (z. B. einer rotierenden oder hin- und hergehenden Ausrüstung) gesammelt und unter Verwendung von zwei verschiedenen Sätzen von Analysetechniken verarbeitet, wie in 8 dargestellt.
• Zuerst wird eine Wellenform erfasst (Schritt 60 von 8), wie beispielsweise eine Vibrationswellenform, die unter Verwendung des in 1A dargestellten Systems erfasst wird. Bei Verwendung eines Hochpassfilters und einer Spitzenwert-Halte-Dezimierung auf eine überabgetastete Wellenform, um Einflussinformationen zu erfassen (z. B. mit dem PeakVue™-Prozess), kann dies eine berechnete Wellenform sein. Eine FFT der Wellenform wird genommen (Schritt 62), was zu einem Schwingungsspektrum (VS) 64 mit Frequenz auf der X-Achse und Amplitude auf der Y-Achse führt, von dem ein Beispiel in 9 gezeigt ist.
• Die Wellenform aus Schritt 60 wird auch autokorreliert (Schritt 66), um eine Wellenform zu erzeugen, die hier als die Autokorrelationswellenform 68 bezeichnet wird, mit der Zeit auf der X-Achse und dem Korrelationsfaktor auf der Y-Achse. Der Autokorrelationsprozess akzentuiert periodische Komponenten der Schwingungswellenform, während das Vorhandensein zufälliger Ereignisse im Originalsignal verringert wird. Als Ergebnis der Autokorrelationsberechnungen hat die Autokorrelationswellenform 68 die Hälfte der x-Achsen-(Zeit-)Werte wie die der ursprünglichen Schwingungswellenform 60. Daher ist die Zeitspanne der Autokorrelationswellenform 68 die Hälfte derjenigen der ursprünglichen Schwingungswellenform 60. Ein optionaler Schritt (70) nimmt die Quadratwurzel der Autokorrelationswellenform (Y-Achsen-Werte), um eine bessere Unterscheidung zwischen niedrigeren Amplitudenwerten bereitzustellen.
• Eine FFT der Autokorrelationswellenform 68 wird genommen (Schritt 72), was zu einem Autokorrelationsspektrum (AS) 74 führt. Da Zufallsereignisse weitgehend aus der Autokorrelationswellenform 68 entfernt wurden, ist das verbleibende Signal in dem Autokorrelationsspektrum 74 stark im Zusammenhang mit periodischen Ereignissen. Wie in 10 gezeigt, weist das Autokorrelationsspektrum 74 eine Frequenz auf der X-Achse und eine Amplitude bezogen auf den Korrelationsfaktor auf der Y-Achse auf. Da die Dauer der Autokorrelationswellenform halb so lang ist wie die der Vibrationswellenform 60, weist das zugehörige Autokorrelationsspektrum 74 die Hälfte der Auflösungslinien im Vergleich zum Vibrationsspektrum 64 auf.
• In der ersten Ausführungsform werden das Schwingungsspektrum 64 und das Autokorrelationsspektrum 74 verarbeitet, um einen Graphen abzuleiten, der hier als periodischer Informationsplot (PIP) bezeichnet wird (Schritt 76). Mehrere Verfahren zum Verarbeiten des Schwingungsspektrums 64 und des Autokorrelationsspektrums 74 können gemäß der ersten Ausführungsform verwendet werden, von denen drei unten beschrieben werden.
• Da das Schwingungsspektrum die doppelte Auflösung des Autokorrelationsspektrums hat, ist ein Punkt-zu-Punkt-Vergleich der Werte auf der x-Achse (Frequenz) zwischen den beiden Spektren nicht möglich. Ein Punkt-zu-Punkt-Vergleich kann jedoch durch mathematisches Kombinieren der Amplitudenwerte von zwei x-Achsen-Werten im Schwingungsspektrum (Schritt 65) für jeden zugehörigen x-Achsen-Wert im Autokorrelationsspektrum durchgeführt werden. Jeder X_AS(n)-Wert des Autokorrelationsspektrums (wobei n = 1 ... N, und N die Anzahl der Auflösungslinien für das Autokorrelationsspektrum ist) wird auf den X_VS(2n)-Wert des Schwingungsspektrums abgebildet. Der mathematisch kombinierte x-Achsen-Wert ist so definiert, dass X_MCVS(n) = X_VS(2n). Die mathematisch kombinierten Amplitudenwerte Y_VS(2n) und Y_VS(2n-1) (hier als Y_MCVS(n) bezeichnet), die dem X_MCVS(n)-Wert aus dem Schwingungsspektrum zugeordnet sind, werden aus den Amplituden sowohl von den X_VS(2n)- als auch den X_VS(2n-1)-Frequenzen von der x-Achse berechnet. Die Berechnung zur Ableitung des mathematisch kombinierten Amplitudenwerts, der dem X_MCVS(n)-Wert zugeordnet ist, aus dem Schwingungsspektrum lautet: $${\text{Y}}_{\text{MCVS}}\left(\text{n}\right)=\sqrt{{\left(Y_{VS}\left(2n-1\right)\right)}^2+{\left(Y_{VS}\left(2n\right)\right)}^2},$$

  

  wobei n = 1...N und N die Anzahl der Auflösungslinien im Autokorrelationsspektrum ist.
• In einem ersten Verfahren (Schritt 76a) wird für jeden X-Wert im PIP (XPIP1) der Y-Wert im PIP (Y_PIP1) durch Multiplizieren des mathematisch kombinierten Y-Wertes im Schwingungsspektrum (Y_MCVS) durch den entsprechenden Y-Wert im Autokorrelationsspektrum (Y_AS) bestimmt, gemäß: $${\text{Y}}_{\text{PIP1}}\left(\text{n}\right)={\text{Y}}_{\text{MCVS}}\left(\text{n}\right)\times {\text{Y}}_{\text{AS}}\left(\text{n}\right)$$

  

  für n = 1 bis N, wobei N die Anzahl der X-Werte (Frequenzwerte) im Autokorrelationsspektrum ist. Da die Amplituden von periodischen Signalen im Autokorrelationsspektrum höher sind als die Amplituden von Zufallssignalen, wird der Multiplikationsprozess die periodischen Spitzen akzentuieren, während nicht periodische Spitzen verringert werden. Ein Beispiel eines durch das erste Verfahren gebildeten PIP ist in 11 dargestellt. In allen hier dargestellten Beispielen ist N = 1600.
• In einem zweiten Verfahren (Schritt 76b) wird für jeden X-Wert im PIP (X_PIP2) der Y-Wert im PIP (Y_PIP2) durch Vergleichen des entsprechenden Y-Werts im Autokorrelationsspektrum (Y_AS) mit einen vorbestimmten Schwellenwert (Y_THR) bestimmt. Für jede Amplitude des Autokorrelationsspektrums, die größer als dieser Schwellenwert ist, wird die zugehörige Amplitude für PIP (Y_PIP2(n)) auf den entsprechenden mathematisch kombinierten Wert aus dem Schwingungsspektrum (Y_MCVS(n)) gesetzt. Y_AS-Werte über dem vorbestimmten Schwellenwert zeigen Daten an, die weitgehend periodisch sind. Somit werden die Y_PIP2-Werte bestimmt nach: $${\text{Wenn Y}}_{\text{AS}}\left(\text{n}\right)>{\text{Y}}_{\text{THR}\text{,}}{\text{Y}}_{\text{PIP2}}\left(\text{n}\right)={\text{Y}}_{\text{MCVS}}\left(\text{n}\right)$$

  

  $${\text{Wenn Y}}_{\text{AS}}\left(\text{n}\right)\le {\text{Y}}_{\text{THR}\text{,}}{\text{Y}}_{\text{PIP2}}\left(\text{n}\right)=0\left(\text{oder ein anderer Standardwert}\right)$$

  

  für n = 1 bis N.
• In einer bevorzugten Ausführungsform des zweiten Verfahrens wird Y_THR so eingestellt, dass es nur einen Prozentsatz der größten Spitzen aus dem Autokorrelationsspektrum enthält. Der Prozentsatz kann basierend auf dem prozentualen periodischen Signal in der Autokorrelationswellenform berechnet werden. Das prozentuale periodische Signal wird basierend auf dem Autokorrelationskoeffizienten berechnet, der die Quadratwurzel des Y-Werts dergrößten Spitzen in der Autokorrelationswellenform ist. Bei dieser Methode wird nur das prozentuale periodische Signal der Gesamtzahl der Autokorrelationsspektrumsspitzen ausgewertet. Ein Beispiel eines durch dieses Verfahren gebildeten PIP, wobei Y_THR auf 59% eingestellt ist, ist in 12 dargestellt.
• In einer anderen bevorzugten Ausführungsform des zweiten Verfahrens wird Y_THR so eingestellt, dass es nur Spitzenwerte mit Werten enthält, die innerhalb des „prozentualen periodischen Signals“ des größten Spitzenwerts im Autokorrelationsspektrum liegen. Diese Spitzen werden zusammen mit ihren Harmonischen, die im Autokorrelationsspektrum erscheinen, als Gruppe von Spitzen verwendet, die mit denen im Schwingungsspektrum zu schneiden sind, um das PIP zu bilden. Ein Beispiel eines durch dieses Verfahren gebildeten PIP, wobei Y_THR auf 59% eingestellt ist, ist in 13 dargestellt.
• In einem dritten Verfahren (Schritt 76c) wird der PIP gemäß dem oben beschriebenen ersten Verfahren bestimmt, und dann wird der Schwellenwert des zweiten Verfahrens auf den PIP angewendet gemäß: $${\text{Wenn Y}}_{\text{PIP1}}\left(\text{n}\right)>{\text{Y}}_{\text{THR}\text{,}}{\text{Y}}_{\text{PIP3}}\left(\text{n}\right)={\text{Y}}_{\text{PIP1}}\left(\text{n}\right)$$

  

  $${\text{Wenn Y}}_{\text{PIP1}}\left(\text{n}\right)\le {\text{Y}}_{\text{THR}\text{,}}{\text{Y}}_{\text{PIP3}}\left(\text{n}\right)=0\left(\text{oder ein anderer Standardwert}\right)$$

  

  für n = 1 bis N. Ein Beispiel eines durch dieses Verfahren gebildeten PIP ist in 14 dargestellt.
• Einige Ausführungsformen leiten auch ein nicht-periodisches Informationsdiagramm (Non-periodic Information Plot; NPIP) ab, das nur aus den Y-Werten des Autokorrelationsspektrums besteht, die kleiner als ein vorbestimmter Schwellenwert sind (Schritt 78). Somit enthält der NPIP nur nichtperiodische Komponenten. Ein Beispiel eines durch dieses Verfahren gebildeten NPIP ist in 15 dargestellt.
• Einige Ausführungsformen leiten auch eine Periodizitätskarte aus dem Schwingungsspektrum und dem Autokorrelationsspektrum ab (Schritt 82). Die Periodizitätskarte wird erstellt, indem die mathematisch kombinierten Y-Werte aus dem Schwingungsspektrum und dem Autokorrelationsspektrum entsprechend einem beliebigen gegebenen X-Wert des Autokorrelationsspektrums gepaart werden. Diese Paare werden mit dem mathematisch kombinierten Y-Wert aus dem Schwingungsspektrum Y_MCVS(n) als X-Wert des Punktes auf der Karte X_PM(n) und dem Y-Wert aus dem Autokorrelationsspektrum Y_AS(n) als entsprechender Y-Wert auf der Karte Y_PM(n) dargestellt, gemäß: $${\text{X}}_{\text{PM}}\left(\text{n}\right)={\text{Y}}_{\text{MCVS}}\left(\text{n}\right)$$

  

  $${\text{Y}}_{\text{PM}}\left(\text{n}\right)={\text{Y}}_{\text{AS}}\left(\text{n}\right)$$

  

  für n = 1 bis N. Wie in 16 gezeigt, ähnelt der resultierende Graph einer Wahrscheinlichkeitsabbildung. Eine spezielle Softwareimplementierung würde es dem Benutzer ermöglichen, mit einem Cursor über jeden Punkt zu fahren, um die Werte anzuzeigen, die diesen Punkt erzeugen.
• Einige Ausführungsformen leiten auch eine kreisförmige Informationsdarstellung von einer der oben beschriebenen periodischen Informationsdarstellungen ab (Schritt 80). Sobald ein lineares PIP berechnet wurde, kann eine inverse FFT angewendet werden, um eine „Informationswellenform“ zu erzeugen. Aus dieser Informationswellenform kann dann ein kreisförmiges Informationsdiagramm erzeugt werden. Ein Beispiel eines durch dieses Verfahren gebildeten kreisförmigen Informationsplots ist in 17 dargestellt.
• Obwohl bevorzugte Ausführungsformen der Erfindung mit Schwingungssignalen arbeiten, ist die Erfindung nicht nur auf Schwingungssignale beschränkt. Periodische Signalparameter und periodische Informationsdiagramme können von jedem Signal abgeleitet werden, das periodische Komponenten enthält.
• PIP-Erzeugung - Zweite Ausführungsform
• In einer zweiten Ausführungsform wird ein Signal von einer Anlagenausrüstung (d. h. einer rotierenden oder hin- und hergehenden Ausrüstung) gesammelt und unter Verwendung des in 20 dargestellten Verfahrens 300 verarbeitet.
• Zuerst wird eine Wellenform erzeugt (Schritt 302 von 20), wie beispielsweise eine Vibrationswellenform, die unter Verwendung des in 1A dargestellten Systems erfasst wird. Bei Verwendung eines Hochpassfilters und einer Spitzenwert-Halte-Dezimierung auf eine überabgetastete Wellenform, um Einflussinformationen zu erfassen (z. B. mit dem PeakVue™-Prozess), kann dies eine berechnete Wellenform sein. Eine FFT der Schwingungswellenform wird genommen (Schritt 304), was zu einem Schwingungsspektrum 306 mit Frequenz auf der X-Achse und Amplitude auf der Y-Achse führt, von dem ein Beispiel in 9 gezeigt ist. Das Schwingungsspektrum 306 wird hier auch als das Schwingungsspektrum bezeichnet, um sich von dem im Folgenden erörterten Autokorrelationsspektrum zu unterscheiden.
• Die Wellenform von Schritt 302 wird autokorreliert (Schritt 314), um eine Autokorrelationswellenform 316 mit der Zeit auf der X-Achse und dem Korrelationsfaktor auf der Y-Achse zu erzeugen. Eine FFT der Autokorrelationswellenform 316 wird unter Verwendung des gleichen Fmax berechnet, das bei der Berechnung der FFT der Vibrationswellenform verwendet wurde (Schritt 318), was zu einem Autokorrelationsspektrum 320 führt. Die Verwendung des gleichen Fmax zwingt die Auflösungslinien (lines of resolution; LOR) des Autokorrelationsspektrums 320 auf die Hälfte des LOR, die bei der Berechnung des Schwingungsspektrums 306 verwendet werden. Da Zufallsereignisse weitgehend aus der Autokorrelationswellenform 316 entfernt wurden, hängt das verbleibende Signal im Autokorrelationsspektrum 320 stark mit periodischen Ereignissen zusammen. Wie in 10 gezeigt, hat das Autokorrelationsspektrum eine Frequenz auf der X-Achse und eine Amplitude bezogen auf den Korrelationsfaktor auf der Y-Achse. Da die Dauer der Autokorrelationswellenform halb so lang ist wie die der Vibrationswellenform, hat das zugehörige Autokorrelationsspektrum die Hälfte der Auflösungslinien im Vergleich zum Vibrationsspektrum.
• Die prozentuale periodische Energie (% periodische Energie) ist der Prozentsatz der Energie im Schwingungsspektrum 306, der sich auf periodische Signale bezieht. Sie wird in Schritt 322 basierend auf der Autokorrelationswellenform 316 berechnet gemäß: $$\%PeriodischeEnergie=\sqrt{MaxPeak\left(nach3\%derAutokorrelationswellenform\right)}$$

  
• In einer bevorzugten Ausführungsform wird die Gesamtenergie des Schwingungsspektrums 306 als die Quadratwurzel der Summe der Quadrate jedes Bin-Wertes im Schwingungsspektrum 306 im Bereich von Null bis Fmax berechnet. Zum Auffinden von Lager- und/oder Verzahnungsfehlern ist das Schwingungsspektrum 306 das PeakVue-Spektrum.
• Die prozentuale Energie des Schwingungsspektrums 306 wird bei Schritt 308 berechnet gemäß: $$\text{\%Energie des Originals=Gesamtenergie des Schwingungsspektrums}\times \text{\%Periodische Energie}.$$

  
• Eine Liste von Spitzen aus dem Schwingungsspektrum 306 wird erzeugt, wobei jede aufgelistete Spitze eine lokalisierte Spitze mit einer lokalisierten Frequenz und einer zugeordneten lokalisierten Amplitude ist (Schritt 310). Eine Liste von Spitzenwerten aus dem Autokorrelationsspektrum 320 wird ebenfalls erzeugt, wobei jede aufgelistete Spitze eine lokalisierte Spitze mit einer lokalisierten Frequenz und einer zugeordneten lokalisierten Amplitude ist (Schritt 324). In beiden Listen sind die Spitzen in der Reihenfolge absteigender Amplitude angeordnet, so dass die Spitze mit der größten Amplitude an erster Stelle in der Liste und die Spitze mit der kleinsten Amplitude zuletzt steht (Schritte 312 und 326).
• Für den Frequenzwert jeder Spitze in der für das Autokorrelationsspektrum erzeugten Spitzenliste wird eine zugehörige übereinstimmende Spitze in der für das Schwingungsspektrum erzeugten Spitzenliste gefunden (Schritt 328). Damit ein Spitzenwert „übereinstimmen“ kann, muss der Frequenzwert des Spitzenwerts aus dem Schwingungsspektrum 306 innerhalb von N × ΔFrequenz des Frequenzwerts des Spitzenwerts aus dem Autokorrelationsspektrum 320 liegen, wobei in einer bevorzugten Ausführungsform N = 4 ist und ΔFrequenz ausgedrückt wird als: $$\Delta Frequenz=\frac{FmaxdesOriginalspektrums}{LORdesOriginalspektrums}$$

  
• Somit liegt eine Übereinstimmung vor, wenn $$\left|\text{urspr}\ddot{\text{u}}\text{ngliche Spitzenfrequenz}-\text{Autokorrelationsspitzenfrequenz}\right|\le \text{N}\times \Delta \text{Frequenz}\text{.}$$

  
• Für jede übereinstimmende Spitze aus dem Schwingungsspektrum 306, die in Schritt 328 gefunden wurde, werden die Werte der lokalisierten Frequenz und der lokalisierten Amplitude zu einer PIP-Spitzenliste hinzugefügt (Schritt 330). Wenn jeder übereinstimmende Spitzenwert zu der PIP-Spitzenliste hinzugefügt wird, wird ein laufender Gesamtspitzenenergiewert aller Spitzen in der PIP-Spitzenliste berechnet (Schritt 332). Da bei der FFT-Berechnung für diese Ausführungsform ein Hanning-Fenster verwendet wird, ist die Energie einer lokalisierten Spitze das Ergebnis der Energie von drei Bin-Werten, die bei der Erzeugung der lokalisierten Spitze verwendet werden.
• Für jede Gesamtspitzenenergie ≤ % Energie des Originals verwerfen Sie die zugehörige Spitze in Schritt 330 aus der Autokorrelationsspektrum-Spitzenliste, bevor zu Schritt 328 zurückgekehrt wird (Schritt 335). Dieser Prozess des Anpassens von Spitzen und des Hinzufügens angepasster Spitzen zur PIP-Spitzenliste wird fortgesetzt, bis $$\text{Gesamtspitzenergie > \% Energie des Originals}$$

  

  ist.
• Der periodische Informationsplot (PIP) wird erzeugt, indem die drei Punkte, die jeder Spitze in der PIP-Spitzenliste zugeordnet sind, aufgetragen werden (Schritt 336). In der bevorzugten Ausführungsform entsprechen die drei Punkte drei Bins, die jeder lokalisierten Spitze zugeordnet sind, unter der Annahme, dass ein Hanning-Fenster für FFT-Berechnungen verwendet wird. Beispiele für PIPs, die unter Verwendung des Verfahrens 300 aus 20 erzeugt wurden, sind in den 21 und 23-26 abgebildet.
• Periodische Spitzen
• Periodische Spitzen in einem Spektrum werden entweder als synchrone oder nicht-synchrone Spitzen klassifiziert. Synchrone Spitzen sind Spitzen, die bei der Laufgeschwindigkeit einer Welle und ihren harmonischen Frequenzen auftreten. Bei einem Getriebe mit mehreren Wellen gibt es auch mehrere Familien von Synchronspitzen, wobei jede Familie der Drehzahl einer bestimmten Welle im Getriebe zugeordnet ist. Neben den Laufgeschwindigkeitsspitzen treten auch bei allen Hunting-Zahn-Grundfrequenzen und deren Harmonischen getriebebedingte Synchronspitzen auf. Nicht-synchrone Spitzen sind periodische Familien harmonischer Spitzen, die nicht Mitglieder einer synchronen Familie sind. Eine Familie von nicht synchronen, periodischen Spitzen hängt höchstwahrscheinlich mit einem Lagerdefekt zusammen.
• Da es viele Familien von Spitzenwerten geben kann, die sich entweder auf synchrone oder nicht-synchrone Spitzen beziehen, stellt eine bevorzugte Ausführungsform ein Anzeigefarbschema bereit, um die verschiedenen Spitzenfamilien zu trennen. Durch die Farbcodierung der verschiedenen Familien in einem Spektrum ist es leicht, zwischen lagerbezogenen (nicht synchronen) und laufgeschwindigkeitsbezogenen Frequenzen zu unterscheiden. In einem Getriebe kann die Analyse dieser harmonischen Familien der Laufgeschwindigkeiten (synchron) zur Entdeckung von Verzahnungsproblemen führen. Die Verwendung von Farben zur Kennzeichnung der verschiedenen Spitzenfamilien in einer Spektralanzeige oder im periodischen Informationsdiagramm vereinfacht die Analyse sowohl für den Anfänger als auch für den erfahrenen Analytiker.
• 21 zeigt eine beispielhafte Anzeige, die das Vorhandensein eines gebrochenen Zahns an einem zweistufigen Getriebe anzeigt. Das Vorhandensein von synchronen und nicht-synchronen periodischen Spitzen ist im Periodic Information Plot (PIP) 130 bemerkenswert. Wie im in 21 dargestellten Schlüssel angezeigt wird, enthalten synchrone Spitzenfamilien die Laufgeschwindigkeits-Grundschwingungen und/oder Oberwellen von „Welle 1“, weiß hervorgehoben (dargestellt durch große durchgezogene Linien), „Welle 2“, hervorgehoben in Rot (dargestellt durch lange Strichlinien) und „Welle 3“, grün hervorgehoben (dargestellt durch gepunktete Linien). Andere synchrone Familien von Spitzen umfassen die Grundfrequenzen des Hunting-Zahns und ihre Harmonischen „HTF 1“ in Blau hervorgehoben (dargestellt durch Strich-Punkt-Strich-Punkt-Linien) und „HTF 2“ in Gelb hervorgehoben (dargestellt durch Strich-Punkt-Punkt-Linien). Nicht-synchrone Spitzenfamilien sind violett hervorgehoben (dargestellt durch dünne durchgezogene Linien). Es ist zu beachten, dass die rot dargestellten Spitzen (lange gestrichelte Linien) die überwiegende Anzahl der synchronen Spitzengruppen ausmachen, die sich alle auf die zweite Welle im Getriebe beziehen. In diesem Beispiel hat das Hauptzahnrad auf der zweiten Welle einen fehlenden Zahn.
• Verfahren zum Sortieren und Verwerfen von statistisch abweichenden Spitzen in der Autokorrelationswellenform (Schritt 34 in 2).
• Die folgende Routine nimmt ein Array von Datenwerten, wie beispielsweise Werte positiver Spitzen in der Autokorrelationswellenform, und verwirft Werte außerhalb der statistisch berechneten Grenzen. In einer bevorzugten Ausführungsform gibt es vier Verfahren oder Kriterien zum Festlegen der Grenzen.
• Methode 1: Nicht-konservativ, unter Verwendung von minimalen und maximalen statistischen Grenzen
• Man betrachte ein Array von P Werten (oder Elementen), wobei P₀ die Anzahl von Werten in dem gegenwärtig ausgewerteten Array darstellt. Lassen Sie nun P_-1 die Anzahl der Werte im Array darstellen, die einen einzelnen Schritt vor P₀ ausgewertet wurden, P_-2 die Anzahl der Werte im Array, die einen einzelnen Schritt vor P_-1 ausgewertet wurden, und P_-3 die Anzahl der Werte im Array einen einzelnen Schritt vor P_-2 ausgewertet wurden.
• Schritt 1:

  
• Schritt 2:

  

  
• Schritt 3:

  
• Verfahren 2: Nicht-konservativ, nur unter Verwendung der maximalen statistischen Grenze (keine minimale Grenze)
• Verwenden Sie dasselbe Verfahren wie in Verfahren 1, außer dass nur Werte, die die oberen statistischen Grenzen überschreiten, verworfen werden. Die minimale Grenze wird auf Null gesetzt.
• Methode 3: Konservativ, unter Verwendung minimaler und maximaler statistischer Grenzen
• Verwerfen Sie Werte nur basierend auf Verfahren 1, Schritt 1.
• Methode 4: Konservativ, nur unter Verwendung der maximalen statistischen Grenze (keine minimale Grenze)
• Verwerfe Werte nur basierend auf Verfahren 1, Schritt 1 und basierend auf Werten, die die oberen statistischen Grenzen überschreiten. Die minimale Grenze wird auf Null gesetzt.
• Beispiel für Verfahren 1 zum Aussortieren statistischer Ausreißer
• Als Beispiel für das Sortierverfahren 1 sei ein ursprünglicher Satz von Werten P₀ betrachtet, der die einundzwanzig Werte enthält, die unten in Tabelle 3 unten aufgelistet sind, mit n = 1. Tabelle 3.

  0.953709
  0.828080
  0.716699
  0.653514
  0.612785
  0.582031
  0.579209
  0.557367
  0.545801
  0.495215
  0.486426
  0.486053
  0.475123
  0.472348
  0.467129
  0.465488
  0.446327
  0.440497
  0.437959
  0.427256
  0.411627

• Der Mittelwert (µ) dieses ursprünglichen Satzes, P₀, beträgt 0,54955 und die Standardabweichung (σ) beträgt 0,13982. Daher in Schritt 1 von Methode 1 $$\frac{n\sigma }{\mathrm{\mu }}=1\ast \frac{0.13982}{0.54955}=\mathrm{0.25442.}$$

  
• Da 0,25442 größer als 0,1 ist, berechne $$\mathrm{\mu -}\text{n}\mathrm{\sigma =}\text{0}\text{.54955}-1*0.13982=0.409735$$

  

  und $$\mathrm{\mu }+\text{n}\mathrm{\sigma =}\text{0}\text{.54955}+\text{1*0}\text{.13982}=\text{0}\text{.689373}\text{.}$$

  
• Als nächstes definiere den Satz P_-1 = P₀ und definiere einen neuen Satz P₀, dessen Werte alle Werte von P_-1 sind, die zwischen den Werten µ + σ = 0,689343 und µ - σ = 0,409735 liegen. Die Menge P₀ enthält nun die unten in Tabelle 4 aufgeführten Werte, wobei drei Ausreißerwerte eliminiert wurden. [00106] Tabelle 4.

  0.653514
  0.612785
  0.582031
  0.579209
  0.557367
  0.545801
  0.495215
  0.486426
  0.486053
  0.475123
  0.472348
  0.467129
  0.465488
  0.446327
  0.440497
  0.437959
  0.427256
  0.411627

• Da P₀ ≠ P_-1, wird Schritt 1 wiederholt, wobei für die Menge P₀ gilt:
• µ = 0.50234,
• σ = 0.06946,
• σ/µ = 0.138263,
• µ + σ = 0.571797, und
• µ - σ = 0.432887.
• Definiere nun die Menge P_-2 = P_-1 und P_-1 = P₀ und definiere eine neue Menge P₀, deren Werte alle Werte von P_-1 sind, die zwischen den Werten u + σ = 0,571797 und u - σ = 0,432887 liegen. Die Menge P₀ enthält nun die unten in Tabelle 5 aufgeführten Werte, wobei vier weitere Ausreißerwerte eliminiert wurden. Tabelle 5.

  0.557367
  0.545801
  0.495215
  0.486426
  0.486053
  0.475123
  0.472348
  0.467129
  0.465488
  0.446327
  0.440497
  0.437959

• Da P₀ ≠ P_-1, wird Schritt 1 wiederholt, wobei für den Satz P₀ gilt:
• µ = 0.481311,
• σ = 0.037568, und
• σ/µ = 0.078053.
• Da $$\mathrm{\sigma /\mu =}\text{0}\text{,078053}\le \text{1}\text{,}$$

  

  sind alle Mitglieder des Arrays P0 statistisch im Wert ähnlich und müssen nicht mehr aussortiert werden.
• Wenn zu irgendeinem Zeitpunkt in den Berechnungen P₀ = P_-1 und P_-1 ≠ P_-2, dann würde Schritt 2 anstelle von Schritt 1 ausgeführt. Da im obigen Beispiel P₀ ≠ P_-1 für jede Iteration gilt, war nur Schritt 1 für die Berechnungen notwendig.
• Vorhersage von Lagerfehlern basierend auf periodischen Signalparametern (Periodic Signal Parameter; PSP)
• 22 zeigt Schritte in einer bevorzugten Ausführungsform eines Verfahrens 400 zum Erzeugen von Lagerfehlerzustandsinformationen. Eine im Zeitbereich abgetastete Schwingungswellenform wird gemessen (Schritt 402), beispielsweise unter Verwendung des Beschleunigungsmessers 104 oder eines anderen Sensors, der an der überwachten Maschine 102 angebracht ist. Dann wird eine PeakVue™ -Wellenform erzeugt (Schritt 404), beispielsweise durch Hochpassfilterung und Spitzenwerthaltedezimierung der abgetasteten Wellenform. Die maximale Spitzenamplitude (MaxPeak) der PeakVue™-Wellenform wird bestimmt (Schritt 406), und ihre zugehörige Autokorrelationswellenform wird berechnet (Schritt 408). Basierend auf der Autokorrelationswellenform wird der periodische Signalparameter (PSP) gemäß dem in 2 dargestellten Verfahren berechnet (Schritt 410).
• In einer bevorzugten Ausführungsform werden Warnamplitudengrenzwerte (in g) basierend auf der Nenndrehgeschwindigkeit gemäß der in 28 dargestellten Beziehung bestimmt (Schritt 412). Die Grenzwerte für die Fehleramplitude sind vorzugsweise das Doppelte der Alarmpegel. 28 zeigt eine grafische Darstellung eines Verfahrens zum Bestimmen von Warngrenzen für ein PeakVue-Signal basierend auf der Drehzahl der Maschinenwelle. Der Alarmpegel würde mit dem Spitzenwert verglichen, der in der PeakVue-Wellenform auftritt, und gilt für einen sich entwickelnden Innenringfehler. Es versteht sich, dass die in 28 gezeigten Alarmgrenzpegel nur Vorschläge sind, wobei sich der Analytiker dazu entscheiden kann, Werte zu verwenden, die für seine Maschine als optimal bestimmt wurden. In einigen Situationen kann der Analytiker damit beginnen, indem er die Werte aus 28 verwendet, um diese dann basierend auf Erfahrung anzupassen.
• Bevor Berechnungen von Schweregradwerten durchgeführt werden können, muss die prozentuale periodische Energie berechnet werden. Die prozentuale periodische Energie (Schritt 414) wird aus der Autokorrelationswellenform wie folgt berechnet: $$\%PeriodischeEnergie=\sqrt{MaxPeak\left(nachdenersten3\%\right)}$$

  
• wobei die maximale Spitze in der Autokorrelationswellenform nicht die ersten 3% der Wellenform enthält. Im Allgemeinen ist die Berechnung der prozentualen periodischen Energie bei Werten unter 50 % nicht so genau. Dementsprechend ist, wie in 19 gezeigt, die Steigung der Funktion für Werte unter 50 % größer als 1,0. Daher wird die prozentuale Periodizität für Werte unter 50 % nicht bestimmt. Für alle Schätzungen des Schweregrads ist ein allgemeiner Schweregrad erforderlich, der wie folgt berechnet wird: $$AllgemeinerSchweregrand=\frac{MaxPeak}{2\times Fehrergrenze}$$

  
• In einer bevorzugten Ausführungsform wird der Schwerewert durch Multiplizieren des Ergebnisses von Schritt 416 mit einem gewünschten maximalen Messwert x gemäß: $$NomalisierterallgemeinerSchweregrand=AllgemeinerSchweregrand\times x$$

  

  Für die in 18 gezeigten Messgeräte, wobei x = 10, $$NomalisierterallgemeinerSchweregrand=AllgemeinerSchweregrand\times 10.$$

  
• Wenn der PSP größer als 0,1 ist (Schritt 419), liegt möglicherweise ein Lagerfehler vor. Die Schwere der Lagerfehler (Bearing Fault Severity; BFS) kann wie folgt berechnet werden: $$BFS=NomalisierterSchweregrand\times \%PeriodicEnergie$$

  
• Wenn die resultierende Antwort größer als x ist (in diesem Beispiel 10), wird die Antwort auf x gekürzt.
• In einigen Ausführungsformen erhöht die Kenntnis der Drehgeschwindigkeit die Gewissheit, dass die Periodizität mit Lagerfehlern und nicht mit Drehgeschwindigkeitsereignissen zusammenhängt. Bei bekannter Drehgeschwindigkeit können periodische Spitzen aus dem Periodic Information Plot (PIP) als synchron und nicht synchron klassifiziert werden. Sind nur synchrone Spitzen vorhanden, wird kein Lagerfehler angezeigt. Wenn signifikante nicht synchrone Spitzen vorhanden sind, wird ein mögliches Lagerproblem bestätigt, wie angezeigt durch: $$BFS=NomalizedSeverity\times \left[\left(\frac{{\left(EnergiederlokalisiertenasynchronenSpitzen\right)}^2}{Gesamtenergiedeszugeh\ddot{o}rigenPeakVue-Spektrum{s}^2}\right)\right].$$

  
• Wenn PSP ≤ 0,1 und MaxPeak < Alarmstufe ist, wird bei der Messung kein Fehler angezeigt, was bedeutet, dass sich das Asset in einem guten Zustand befindet.
• Wenn PSP kleiner oder gleich 0,1 ist und MaxPeak größer als der Alarmamplitudengrenzwert ist (Schritt 420), wird ein Mangel an Lagerschmierung angezeigt. Außerdem kann es bei einem Lagerfehler zu Schmierproblemen kommen. (Dies ist in 22 mit einem Pfeil gezeigt, der zwischen den Schritten 419 und 430 zu Schritt 422 führt.) Die Schwere des Schmierungsproblems hängt im Allgemeinen vom MaxPeak-Wert der Ursprungswellenform (Schritt 406) und dem Prozentsatz nicht periodischer Energie (%NPE) ab, der von der zugehörigen Autokorrelationswellenform (Schritt 408) angezeigt wird.
• Wie in 19 gezeigt, ist die prozentuale nicht-periodische Energie (%NPE) eine Funktion der prozentualen periodischen Energie und kann unter Verwendung des Diagramms aus 19 bestimmt werden (Schritt 422). Die prozentuale periodische Energie (% periodische Energie) ist definiert als der Prozentsatz der Energie im (ursprünglichen) PeakVue Spektrum, der sich auf periodische Signale bezieht. %NPE ist definiert als der Prozentsatz der Energie im (originalen) PeakVue Spektrum, der sich auf zufällige Vibrationssignale bezieht.
• Der Wert für den Schmiergrad (Lubrication Severity; LS) wird bestimmt nach: $$LS=\frac{MaxPeak}{2\times Fehlergrenze}\times x\times \%NPE.$$

  

  wobei x der Normalisierungswert ist (Schritt 426). Für das in 18 gezeigte Schmiergrad-Messgerät ist x = 10. Wenn der resultierende Wert größer als x ist (in diesem Beispiel 10), wird der Wert auf x gekürzt.
• In einer alternativen Ausführungsform wird in Schritt 114 anstelle der Bestimmung, ob PSP größer als 0,1 ist, bestimmt, ob % Periodische Energie größer als Y ist, wobei in den meisten Fällen Y 50% beträgt.
• Während die bevorzugte Ausführungsform des oben beschriebenen und in 22 gezeigten Algorithmus eine PeakVue-Wellenform verwendet, kann der Algorithmus auf jede Wellenform angewendet werden, die aus jeder Art von Signal wie Vibration, Strom, Ultraschall usw. erzeugt wird.
• Es folgen vier Beispiele, die die Verwendung des Algorithmus aus 22 demonstrieren, um den Zustand eines Lagers unter verschiedenen Bedingungen zu bestimmen. 23 zeigt die Ergebnisse für ein neues, vollgeschmiertes Lager ohne Fehler. Wie dargestellt, zeigen die Anzeigen für den Schweregrad der Lagerfehler und den Schweregrad der Schmierung beide einen Wert von Null an, da das Lager neu und in gutem Zustand ist.
• 24 zeigt die Ergebnisse für ein fehlerfreies Lager, außer dass es „trocken“ läuft, weil das Lager nicht ausreichend geschmiert ist. Wie gezeigt, ist der Schweregrad der Lagerfehler immer noch null, aber der Schweregrad der Schmierung beträgt etwa 6,5. In diesem Beispiel beträgt die % Periodische Energie 44,3 %. Der auf 19 basierende, resultierende %NPE beträgt 77,85%. Es sollte beachtet werden, dass der PSP 0,0618 beträgt.
• 25 zeigt die Ergebnisse für ein Lager mit einem kleinen Innenringfehler und keinen Schmierproblemen. Wie gezeigt, ist der Schweregrad der Lagerfehler leicht auf etwa 1,4 erhöht, aber der Schweregrad der Schmierung ist nahe Null. In diesem Beispiel beträgt die % Periodische Energie 88,8 %. Basierend auf 19 beträgt der resultierende %NPE 11,2 %. Es sollte beachtet werden, dass der PSP für dieses Beispiel 0,213 beträgt.
• 26 zeigt die Ergebnisse für ein Lager mit einem kleinen Innenringfehler sowie einem Schmierproblem aufgrund der Tatsache, dass das Lager „trocken“ läuft. Obwohl PSP 0,074 beträgt, beträgt die % Periodische Energie 51%. Daher weist das Signal eine gewisse Periodizität auf. Wie gezeigt, beträgt der Schweregrad der Lagerfehler fast 3, während der Schweregrad der Schmierung etwa 3,25 beträgt. Der Fachmann wird erkennen, dass dieses Diagnoseergebnis ein technologischer Fortschritt ist und nicht durch andere verfügbare Algorithmen bestimmt werden könnte. Die Fähigkeit, die asynchronen Signale mit geringerer Amplitude, die durch die mechanische Beschädigung des Lagers verursacht werden, von der aperiodischen Energie zu isolieren, die durch Mangelschmierung erzeugt wird und deren Amplitude wesentlich höher ist, war bisher nicht verfügbar.
• Vorhersage von Getriebefehlern basierend auf periodischen Signalparametern (PSP)
• 27 zeigt Schritte in einer bevorzugten Ausführungsform eines Verfahrens 200 zum Erzeugen von Getriebefehlerzustandsinformationen. Eine im Zeitbereich abgetastete Schwingungswellenform wird gemessen, beispielsweise unter Verwendung des Beschleunigungsmessers 104 oder eines anderen Sensors, der an der überwachten Maschine 102 angebracht ist (Schritt 202). Dann wird eine PeakVue™-Wellenform erzeugt, beispielsweise durch Hochpassfilterung und Spitzenwerthaltedezimierung der abgetasteten Wellenform (Schritt 204). Die maximale Spitzenamplitude (MaxPeak) der PeakVue™-Wellenform wird bestimmt (Schritt 206) und ihre zugehörige Autokorrelationswellenform wird berechnet (Schritt 208). Basierend auf der Autokorrelationswellenform wird der periodische Signalparameter (PSP) gemäß dem in 2 dargestellten Verfahren berechnet (Schritt 210).
• Die Drehzahl von mindestens einer der Wellen im Getriebe wird gemessen, beispielsweise unter Verwendung eines Drehzahlmessers (Schritt 212), und die Drehzahl jeder der anderen Wellen im Getriebe wird basierend auf der in Schritt 212 gemessenen Drehzahl und dem Wissen über die Übersetzungsverhältnisse der anderen Wellen berechnet (Schritt 214). Außerdem werden basierend auf Wellenlaufgeschwindigkeiten Jagdzahnfrequenzen basierend auf Techniken berechnet, die dem Durchschnittsfachmann bekannt sind. In einer bevorzugten Ausführungsform werden Warnamplitudengrenzwerte (in g) basierend auf der Nenndrehgeschwindigkeit gemäß der in 28 dargestellten Beziehung bestimmt, oder basierend auf der Erfahrung des Analytikers oder beides, wie oben ausgeführt (Schritt 216). Die Grenzwerte für die Fehleramplitude sind vorzugsweise das Doppelte der Alarmpegel.
• Bevor Berechnungen von spezifischen Schweregradwerten durchgeführt werden können, muss die prozentuale periodische Energie berechnet werden. In einer bevorzugten Ausführungsform wird die prozentuale periodische Energie aus der Autokorrelationswellenform berechnet gemäß: $$\%PeriodischeEnergie=\sqrt{MaxPeak\left(nachdenersten3\%\right)}$$

  

  wobei der MaxPeak der Autokorrelationswellenform nicht die ersten 3% der Wellenform enthält (Schritt 218). Im Allgemeinen ist die Berechnung der prozentualen periodischen Energie bei Werten unter 50 % nicht so genau. Dementsprechend ist, wie in 19 gezeigt, die Steigung der Funktion für Werte unter 50 % größer als 1,0.
• Um Schwerewerte für verschiedene Fehler zu berechnen, wird ein allgemeiner Schwerewert bestimmt. Der allgemeine Schweregrad kann wie folgt berechnet werden: $$AllgemeinerSchweregrand=\frac{MaxPeak}{2\times Fehlergrenze}$$

  
• Der Schwerewert wird normiert durch Multiplizieren des Ergebnisses von Schritt 220 mit einem gewünschten maximalen Messgerätewert x gemäß: $$NormalisierterallgemeinerSchweregrand=AllgemeinerSchweregrand\times x$$

  
• Für das in 18 gezeigte Messgerät ist x = 10, $$NormalisierterallgemeinerSchweregrand=AllgemeinerSchweregrand\times 10.$$

  
• Der PIP wird unter Verwendung des hier unter Bezugnahme auf 20 beschriebenen Verfahrens erzeugt (Schritt 224).
• Wenn der PSP größer als 0,1 ist (Schritt 225), liegen periodische Frequenzen in Bezug auf das Getriebe und/oder die Lager vor.
• Aufgrund der Kenntnis der Drehgeschwindigkeit können periodische Spitzen aus dem Periodic Information Plot (PIP) in synchron und nicht synchron eingeteilt werden. Wenn im PIP nicht-synchrone Spitzen vorhanden sind (Schritt 226), kann ein Wert für die Schwere des Lagerfehlers (BFS) berechnet (Schritt 228) und angezeigt (Schritt 234) werden gemäß: $$\begin{array}{l}BFS=Normalisierter\text{ S}chweregrand\left(step222\right)\\ \times \left[\left(\frac{{\left(EnergiederlokalisiertenasynchronenSpitzen\right)}^2}{\left(Gesamtenergiedeszugeh\ddot{o}rigenPeakVue-Spektrum{s}^2\right)}\right)\right]\end{array}$$

  
• Wenn synchrone Spitzen vorhanden sind (Schritt 230) und Fehlergrenzen überschritten werden, wird eine Verschlechterung der Verzahnung angezeigt. Ein Wert der Getriebefehlerschwere (gearbox fault severity; GFS) kann berechnet (Schritt 232) und angezeigt (Schritt 234) gemäß: $$\begin{array}{l}GFS=Normalisierter\text{ S}chweregrand\left(step222\right)\\ \times \left[\left(\frac{{\left(EnergiederlokalisiertenasynchronenSpitzen\right)}^2}{\left(Gesamtenergiedeszugeh\ddot{o}rigenPeakVue-Spektrum{s}^2\right)}\right)\right]\end{array}$$

  
• Wenn die resultierende Antwort größer als x ist (in diesem Beispiel 10), wird die Antwort auf x gekürzt.
• Wenn PSP ≤ 0,1 und MaxPeak < Alarmstufe ist, wird bei der Messung kein Fehler angezeigt, was bedeutet, dass sich das Asset in einem guten Zustand befindet.
• Wenn PSP kleiner oder gleich 0,1 ist und MaxPeak größer als der Alarmamplitudengrenzwert ist (Schritt 234), wird ein Mangel an Lager- und/oder Getriebeschmierung angezeigt. Darüber hinaus kann es zu Schmierproblemen zusammen mit mechanischen Fehlern kommen. (Dies ist in 27 durch einen Pfeil gezeigt, der zwischen den Schritten 225 und 226 zu Schritt 236 geht). Die Schwere des Schmierungsproblems hängt im Allgemeinen vom MaxPeak-Wert der Ursprungswellenform (Schritt 206) und der prozentualen nichtperiodischen Energie (%NPE) ab, die von der zugehörigen Autokorrelationswellenform (Schritt 208) angezeigt wird.
• Wie oben erörtert, ist die prozentuale nicht-periodische Energie (%NPE) eine Funktion der prozentualen periodischen Energie und kann unter Verwendung des Diagramms auf 19 bestimmt werden (Schritt 236). Die prozentuale periodische Energie (% periodische Energie) ist definiert als der Prozentsatz der Energie im (ursprünglichen) PeakVue Spektrum, der sich auf periodische Signale bezieht. Die nichtperiodische Energie in Prozent ist definiert als der Prozentsatz der Energie im (originalen) PeakVue Spektrum, der sich auf zufällige Vibrationssignale bezieht.
• Der Wert der Lager- oder Getriebeschmierung wird ermittelt und angezeigt gemäß: $$\text{Schmierungsschweregrand}=\frac{MaxPeak}{2\times Fehlergrenze}\times x\times \%NPE,$$

  

  wobei x der Normalisierungswert ist (Schritte 240 und 242). Für das in 18 gezeigte Schmierungs-Schweregrad-Messgerät ist x = 10. Wenn der resultierende Wert größer als x ist (in diesem Beispiel 10), wird der Wert auf x gekürzt.
• In einer alternativen Ausführungsform wird in Schritt 218 nicht bestimmt, ob PSP größer als 0,1 ist, sondern bestimmt, ob % Periodische Energie größer als Y ist, wobei Y in den meisten Fällen 50 % beträgt.
• PIP-Erzeugung - Dritte Ausführungsform
• In einer dritten Ausführungsform wird ein Signal von einer Anlagenausrüstung (d. h. einer rotierenden oder hin- und hergehenden Ausrüstung) gemessen und unter Verwendung des Verfahrens 500 verarbeitet, das in den 29A und 29B dargestellt ist.
• Zuerst wird eine Wellenform erzeugt (Schritt 502 auf 29A), wie beispielsweise eine Vibrationswellenform, die unter Verwendung des in 1A dargestellten Systems erfasst wird. Bei Verwendung eines Hochpassfilters und einer Spitzenwert-Halte-Dezimierung für eine überabgetastete Wellenform, um Einflussinformationen zu erfassen (z. B. unter Verwendung des PeakVue™-Prozesses), kann dies eine berechnete Wellenform sein. Eine FFT der Schwingungswellenform wird genommen (Schritt 504), was zu einem Schwingungsspektrum 506 mit Frequenz auf der X-Achse und Amplitude auf der Y-Achse führt, von dem ein Beispiel in 9 gezeigt ist. Das Schwingungsspektrum 506 kann hier auch als das ursprüngliche Spektrum bezeichnet werden, um sich von dem im Folgenden erörterten Autokorrelationsspektrum zu unterscheiden.
• Die Wellenform aus Schritt 502 wird autokorreliert (Schritt 514), um eine Autokorrelationswellenform 516 zu erzeugen, die die Zeit auf der X-Achse und den Korrelationsfaktor auf der Y-Achse aufweist. Eine FFT der Autokorrelationswellenform 516 wird unter Verwendung derselben Fmax berechnet, die bei der Berechnung der FFT der Originalwellenform verwendet wurde (Schritt 518), was zu einem Autokorrelationsspektrum 320 führt. Die Verwendung derselben Fmax erzwingt die Auflösungslinien (Lines of Resolution; LOR) des Autokorrelationsspektrums 520 auf die Hälfte der LOR, die bei der Berechnung des Schwingungsspektrums 506 verwendet werden. Da Zufallsereignisse weitgehend aus der Autokorrelationswellenform 516 entfernt wurden, hängt das verbleibende Signal im Autokorrelationsspektrum 520 stark mit periodischen Ereignissen zusammen. Wie in 10 gezeigt, hat das Autokorrelationsspektrum eine Frequenz auf der X-Achse und eine Amplitude bezogen auf den Korrelationsfaktor auf der Y-Achse. Da die Dauer der Autokorrelationswellenform halb so lang ist wie die der Originalwellenform, hat das zugehörige Autokorrelationsspektrum die Hälfte der Auflösungslinien im Vergleich zum Originalspektrum.
• Die prozentuale periodische Energie (% periodische Energie) wird in Schritt 522 basierend auf der Autokorrelationswellenform 516 berechnet gemäß: $$\%PeriodischeEnergie=\sqrt{MaxPeak\left(nach3\%derAutokorrelationswellenform\right).}$$

  
• In einer bevorzugten Ausführungsform wird die Gesamtenergie des Schwingungsspektrums 506 als die Quadratwurzel der Summe der Quadrate jedes Bin-Wertes im Schwingungsspektrum 506 im Bereich von Null bis Fmax berechnet (Schritt 507). Zum Auffinden von Lager- und/oder Verzahnungsfehlern ist das ursprüngliche Spektrum 506 das PeakVue-Spektrum.
• Die prozentuale Energie des ursprünglichen Spektrums 506 wird in Schritt 508 berechnet gemäß: $$\%EnergiedesOriginals=GesamtenergiedesOriginalspektrums\times \%PeriodischeEnergie.$$

  
• Eine Liste der größten Spitzen aus dem Schwingungsspektrum 506 wird erzeugt, wobei jede aufgelistete Spitze eine lokalisierte Spitze mit einer lokalisierten Frequenz und einer zugeordneten lokalisierten Amplitude ist (Schritt 510). Eine Liste der größten Spitzen aus dem Autokorrelationsspektrum 520 wird ebenfalls erzeugt, wobei jede aufgelistete Spitze eine lokalisierte Spitze mit einer lokalisierten Frequenz und einer zugeordneten lokalisierten Amplitude ist (Schritt 524). In beiden Listen kann es N Spitzen geben (z. B. N = 300), die vorzugsweise in der Reihenfolge absteigender Amplitude angeordnet sind, so dass die Spitze mit der größten Amplitude an erster Stelle in der Liste und die Spitze mit der kleinsten Amplitude zuletzt steht (Schritte 512 und 526).
• Weitere Einzelheiten von Schritt 526 sind in 29B dargestellt. Wie oben angemerkt, wird die Autokorrelations-Spitzenwertliste vorzugsweise in der Reihenfolge absteigender Amplitude sortiert, so dass der Spitzenwert mit der größten Amplitude an erster Stelle in der Liste und der Spitzenwert mit der kleinsten Amplitude zuletzt steht (Schritt 526a). Basierend auf der Kurtosis werden statistisch signifikante Spitzen aus der Autokorrelations-Spitzenliste aussortiert, um eine periodische Spitzenliste zu erstellen. Um die periodische Spitzenliste zu erzeugen, wird zuerst die Kurtosis aus den Amplituden der Spitzen in der Autokorrelationsspitzenliste berechnet, die in Schritt 524 erzeugt wurde (Schritt 526b). Wenn die Kurtosis größer als 3 ist (Schritt 526c), wird die größte Spitze in der Autokorrelations-Spitzenliste entfernt und in die periodische Spitzenliste platziert (Schritt 526d). Die Schritte 526b bis 526d werden wiederholt, bis die Kurtosis für die verbleibenden Spitzen in der Autokorrelationsspitzenliste kleiner oder gleich 3 ist. Da die Kurtosis für die in der Autokorrelationsspitzenliste verbleibenden Spitzen kleiner oder gleich 3 ist, gelten diese verbleibenden Spitzen als Rauschen und werden bei der Berechnung des periodischen Informationsplots nicht verwendet. Die resultierende periodische Spitzenliste (mit einer Anzahl K von Spitzen) wird beim Bestimmen des periodischen Informationsplots verwendet, wie nachstehend beschrieben.
• Für den Frequenzwert jeder der Anzahl K von Spitzen in der periodischen Spitzenliste wird eine zugehörige übereinstimmende Spitze in der Spitzenliste gefunden, die für das Schwingungsspektrum 506 erzeugt wurde (Schritt 528). Damit ein Spitzenwert „übereinstimmen“ kann, muss der Frequenzwert des Spitzenwerts aus dem Schwingungsspektrum 506 innerhalb von N × ΔFrequenz des Frequenzwerts des Spitzenwerts aus der periodischen Spitzenwertliste liegen, wobei in einer bevorzugten Ausführungsform N = 3 und ΔFrequenz ausgedrückt wird als: $$\Delta Frequenz=\frac{FmaxdesSchwingungsspektrums}{LORdesSchwingungsspektrums}.$$

  

  Somit liegt eine Übereinstimmung vor, wenn $$\left|\text{urspr}\ddot{\text{u}}\text{ngliche Spitzenfrequenz}-\text{Periodische Spitzenlisten}-\text{Spitzenfrequenz}\right|\le \text{N}\times \Delta \text{Frequenz}\text{.}$$

  
• Die Gesamtzahl der Übereinstimmungen kann als M bezeichnet werden.
• Für jede übereinstimmende Spitze aus dem Schwingungsspektrum 506, die in Schritt 528 gefunden wurde, werden die Werte der lokalisierten Frequenz und der lokalisierten Amplitude zu der periodischen Spitzenliste hinzugefügt (Schritt 530). Wenn jeder übereinstimmende Spitzenwert zu der periodischen Spitzenwertliste hinzugefügt wird, wird ein laufender Gesamtspitzenenergiewert aller Spitzenwerte in der periodischen Spitzenwertliste berechnet (Schritt 532). Da bei der FFT-Berechnung für diese Ausführungsform ein Hanning-Fenster verwendet wird, ist die Energie einer lokalisierten Spitze das Ergebnis der Energie von drei Bin-Werten, die bei der Erzeugung der lokalisierten Spitze verwendet werden.
• Für jeden Gesamtspitzenenergiewert, der kleiner oder gleich der %-Energie des ursprünglichen Schwingungsspektrums (berechnet in Schritt 508) ist, wird der zugehörige größte Spitzenwert (aus Schritt 350) aus der periodischen Spitzenwertliste verworfen, bevor zu Schritt 528 zurückgekehrt wird (Schritt 535). Dieser Prozess des Anpassens von Spitzenwerten und des Hinzufügens angepasster Spitzenwerte zur periodischen Spitzenwertliste wird fortgesetzt, bis die Anzahl der Iterationen gleich K ist oder die Gesamtspitzenenergie größer oder gleich der %-Energie des ursprünglichen Schwingungsspektrums ist, je nachdem, welches Ereignis zuerst eintritt (Schritt 534).
• Der periodische Informationsplot (PIP) wird erzeugt durch Auftragen der drei Punkte, die jeder Spitze in der periodischen Spitzenliste zugeordnet sind (Schritt 536). Die drei Punkte entsprechen drei Bins, die jeder lokalisierten Spitze zugeordnet sind, unter der Annahme, dass ein Hanning-Fenster für FFT-Berechnungen verwendet wird. In einer bevorzugten Ausführungsform wird die Anzahl P von PIP- Spitzen beginnend mit der ersten Spitze in der Liste der periodischen Spitzen aufgezeichnet, wobei die Anzahl P die maximal gewünschte Anzahl von aufzutragenden Spitzen ist und P ≤ M ist. Zum Beispiel im Falle eines CSI 9420 Wireless Vibration Transmitters, können nur zwanzig Spitzen (P = 20) für ein „Miniaturbild“ angezeigt werden. Ein Beispiel für ein PIP, das unter Verwendung des Verfahrens 500 aus 29A und 29B erzeugt wurde, ist in 30 dargestellt.
• Periodische Spitzen
• Die periodischen Spitzen in einem Spektrum werden entweder als synchrone oder nicht synchrone Spitzen klassifiziert, wie unten definiert.
• Synchrone periodische Spitzen sind alle Laufgeschwindigkeitsspitzen und deren Harmonische. Für ein Getriebe gibt es mehrere Familien von synchronen periodischen Spitzen - je eine Familie, die mit der Drehzahl einer Welle in einem Getriebe verbunden ist. Als synchrone periodische Spitzen werden für ein Getriebe neben den Drehzahlspitzen auch alle Hunting-Zahn-Grundfrequenzen und deren Harmonische definiert.
• Nicht-synchrone periodische Spitzen sind alle periodischen Familien von harmonischen Spitzen, die nicht Mitglieder einer synchronen Familie sind. Die meisten nicht-synchronen periodischen Spitzen beziehen sich auf Lagerfrequenzen.
• Es ist sehr wichtig, die richtige Drehzahl (und die zugehörigen Drehzahlen anderer Wellen für Getriebe) der zu bewertenden Maschine zu bestimmen. Wie bei jeder Analyse erzeugt eine falsche Geschwindigkeit falsche Positionen der synchronen und nicht-synchronen periodischen Spitzen. Präzise Geschwindigkeiten werden typischerweise aus Drehzahlmesser/Strobe-Ausgängen oder manueller Analyse von Spektren erhalten. Wenn die genaue Geschwindigkeit unbekannt ist, sollte ein Geschwindigkeitserkennungsalgorithmus verwendet werden.
• Da es viele Familien von Spitzenwerten geben kann, die sich entweder auf synchrone oder nicht-synchrone periodische Spitzen beziehen, kann ein Farbschema entwickelt werden, um die verschiedenen Spitzenfamilien zu unterscheiden. Durch die Farbcodierung der verschiedenen Spitzenfamilien ist es leicht, Frequenzen in Bezug auf Lager (nicht synchron) von denen in Bezug auf die Laufgeschwindigkeit zu unterscheiden. In einem Getriebe können diese harmonischen Familien der Laufgeschwindigkeiten (synchron) zur Entdeckung von Verzahnungsproblemen führen. Die Verwendung von Farben zur Kennzeichnung der verschiedenen Familien periodischer Spitzen im periodischen Informationsdiagramm vereinfacht die Analyse sowohl für den Anfänger als auch für den erfahrenen Analytiker.
• Die Verwendung von Farben zum Bezeichnen der verschiedenen Familien von periodischen Spitzen ist in 30 dargestellt, die ein Beispiel für das Vorhandensein eines gebrochenen Zahns an einem zweistufigen Getriebe zeigt. Das Vorhandensein von synchronen und nicht-synchronen periodischen Spitzen ist im Periodic Information Plot (PIP) bemerkenswert. Zu den Synchronfamilien gehören die Grundschwingungen und/oder Oberwellen von „Welle 1“ (weiß aufgetragen), „Welle 2“ (rot aufgetragen) und „Welle 3“ (grün aufgetragen). Darüber hinaus umfassen andere synchrone Familien von Spitzenwerten die Grundfrequenzen des Hunting-Zahns und ihre Oberwellen „HTF 1“ (blau aufgetragen) und „HTF 2“ (gelb aufgetragen). Nicht-synchrone Familien periodischer Spitzen sind in Violett aufgetragen. Die rot gefärbten Frequenzen im PIP machen einen überwiegenden Teil der synchronen Familie der periodischen Spitzen aus, die sich auf die zweite Welle im Getriebe beziehen. Das Hauptzahnrad auf der zweiten Welle hat einen abgebrochenen Zahn.
• Eine Alternative zur Verwendung von Farben besteht darin, jede Familie von Spitzen mit einer anderen Liniendicke und/oder einem anderen Muster anzuzeigen, wovon ein Beispiel in 31 dargestellt ist. 32 zeigt ein Beispiel für die Verwendung unterschiedlicher Liniendicken und/oder Muster für denselben PIP, wie in 30 gezeigt.
• Obwohl hierin beschriebene bevorzugte Ausführungsformen auf PeakVue™-Schwingungsdaten angewendet werden, können die Techniken auf jede Analyse angewendet werden, bei der Zufalls(rauschen)-Daten von gewünschten informativen Daten zu trennen sind. Beispiele umfassen die Analyse von Beschleunigungs- und/oder Geschwindigkeitsschwingungsdaten.
• Hier beschriebene Ausführungsformen finden auch Anwendung bei der Analyse von Schwingungen von Pumpen aufgrund von Kavitation. Kavitation in Pumpen verursacht Schwingungssignale, die zufälliger Natur sind und daher in einem FFT-Spektrum als Rauschen erscheinen. Diese Zufälligkeit impliziert, dass durch Kavitation verursachte Schwingungssignale nicht periodischer Natur sind und daher unter Verwendung der hier beschriebenen Prozesse von den periodischen Signalen getrennt werden können.
• Kavitation erscheint in der FFT als Rauschen (zufällige Signale) um die Schaufeldurchgangsfrequenz einer Pumpe herum, die die Anzahl der Lüfterschaufeln in der Pumpe multipliziert mit der Laufgeschwindigkeit ist. Kavitation kann sich auch als hohe Frequenzen zeigen, die mit der PeakVue™-Wellenformanalyse als nicht periodische Signale erkennbar sind. Die grundlegenden Periodizitätsalgorithmen, die im US-Patent Nr. 9,791,422 und der US-Patentveröffentlichung Nr. 2018/0011065A1 beschrieben sind, können verwendet werden, um diese Kavitationsindikatoren zu isolieren. Autokorrelation kann auf Geschwindigkeits-, Beschleunigungs- und PeakVue™-Wellenformen angewendet werden, um die durch Kavitation erzeugte Zufälligkeit zu isolieren.
• Im Allgemeinen unterscheidet sich die Erkennung von Kavitation von der Erkennung von Lager- oder Zahnraddefekten dadurch, dass eine Autokorrelation auf Geschwindigkeitswellenformen angewendet werden muss und der „nicht periodische“ Indikator überarbeitet werden muss, um Änderungen in der Nichtperiodizität zu sehen.
• Erzeugern einer Liste von Schwingungsspitzen, die der Zahneingriffsfrequenz zugeordnet sind
• Eine bevorzugte Ausführungsform stellt ein Verfahren bereit, um gewünschte periodische Schwingungsspitzen, wie z. B. Spitzen, die der Zahnradeingriffsfrequenz (gear mesh frequency; GMF) zugeordnet sind, von Rauschen innerhalb eines bestimmten interessierenden Frequenzbereichs in einem Schwingungsspektrum zu trennen. Im Allgemeinen haben GMF-Spitzen Amplituden, die viel höher sind als das Grundrauschen. Es gibt jedoch Zeiten, in denen es schwierig sein kann, solche Spitzen mit bekannten Verfahren leicht vom Rauschen zu trennen, beispielsweise durch einfaches Auswählen der 300 größten Spitzen in einem Spektrum. Unter Bezugnahme auf 33 ist hier ein Kurtosis-Prozess beschrieben, der die gewünschten Spitzen vom Rauschen über einen interessierenden Frequenzbereich (region of interest; ROI) trennt. Der ROI kann als Bereich von einem unteren Frequenzwert bis zu einem oberen Frequenzwert oder als Delta-Frequenz um eine bestimmte interessierende Frequenz (frequency of interest; FOI) oder als Prozentbereich um die FOI spezifiziert werden. Das in 33 gezeigte beispielhafte Verfahren 600 gibt den ROI als Prozentbereich um die FOI an.
• Die GMF wird berechnet als $$GMF=n\times StartFreq,$$

  

  wobei n die Zahnanzahl des Zahnrads auf der der GMF zugeordneten Welle ist und StartFreq die Drehzahl der Welle ist (Schritt 602). Der ROI wird unter Verwendung der GMF als FOI berechnet (Schritt 604). Im Beispiel aus 33 wird der Prozentbereich um die FOI mit fünf Prozent angegeben (PztBereich = 5 %). Der ROI ist ± FreqDiff zentriert auf die FOI, wobei FreqDiff berechnet wird als $$FreqDiff=PztBereich\times Fmax/100=5\times Fmax/\mathrm{100,}$$

  

  wobei Fmax die maximale Frequenz des Schwingungsspektrums ist. Wenn die FOI größer als Fmax ist, wird die FOI gleich Fmax gesetzt. Die Mindestfrequenz im ROI wird bestimmt als $$\text{MinBereichFreq}=\text{FOI}-\text{FreqDiff}\text{,}$$

  

  und die maximale Häufigkeit im ROI wird bestimmt als $$\text{MaxBereichFreq}=\text{FOI}+\text{FreqDiff}\text{.}$$

  
• Wenn MinBereichFreq kleiner oder gleich Null ist, wird MinBereichFreq gleich Null gesetzt, und wenn MaxBereichFreq größer oder gleich Fmax ist, wird MaxBereichFreq gleich Fmax gesetzt.
• In Schritt 606 wird eine Teilmenge lokalisierter Spitzen erzeugt, die die Anzahl M der Spitzen mit der höchsten Amplitude mit Frequenzwerten zwischen MinBereichFreq und MaxBereichFreq umfasst. Diese Teilmenge der höchsten Amplitudenspitzen, hier als GB_LocPeak(m) bezeichnet, enthält einen Amplitudenwert (GB_AmplLocPeak(m)) und einen Frequenzwert (GB_FreqLocPeak(m)) für jeden der lokalisierten Spitzen, wobei m = 1 bis M. In einer bevorzugten Ausführungsform beträgt M 300.
• In Schritt 608 werden die lokalisierten Spitzen in der GB_LocPeak(m)-Liste dann von der höchsten zur niedrigsten Amplitude sortiert, um eine sortierte Spitzenliste zu erzeugen, wobei GB_LocPeak(1) der höchsten Amplitudenspitze zugeordnet ist, GB_LocPeak(2) der nächsthöheren Amplitudenspitze und GB_LocPeak(M) der niedrigsten Amplitudenspitze zugeordnet ist.
• In Schritt 610 wird der Kurtosis-Wert für die M-Anzahl von Spitzen in der sortierten Liste berechnet. Wenn der Kurtosis-Wert größer als 3 ist, wird der höchste Amplitudenspitze (GB_LocPeak(1))) aus der sortierten Liste entfernt und seine Amplituden- und Frequenzwerte werden in einer Liste der größten Spitzen als GB_AmplPeak(1) und GB_FreqPeak(1) gespeichert. Der Kurtosis-Wert wird erneut für die verbleibende Anzahl (M-1) von Spitzen in der sortierten Liste berechnet, und wenn der Wert immer noch größer als 3 ist, wird die nächsthöhere Amplitudenspitze (GB_LocPeak(2)) aus der sortierten Liste entfernt und seine Amplituden- und Frequenzwerte werden in der größten Spitzenwertliste als GB_AmplPeak(2) und GB_FreqPeak(2) gespeichert. Dieser Vorgang des Verschiebens der Spitzen mit der höchsten Amplitude von der sortierten Liste in die Liste der größten Spitzen wird fortgesetzt, bis der Kurtosis-Wert für die verbleibenden Spitzen in der sortierten Liste kleiner oder gleich 3 ist.
• In Schritt 612 wird die Anzahl J von Zahneingriff-Kandidatenfrequenzen als die Frequenzen der Spitzen in der Liste der größten Spitzen bestimmt, für die die folgende Bedingung erfüllt ist: $$LowerFreqLimit<GB\_FreqPeak\left(i\right)<UpperFreqLimit$$

  

  wobei die Frequenzen und Amplituden der Kandidatenspitze $$\begin{array}{l}FreqCandidate\left(j\right)=GB\_FreqPeak\left(i\right)\\ AmplCandidate\left(j\right)=GB\_AmplPeak\left(i\right)\end{array}$$

  

  sind. In Schritt 614 werden die Kandidatendrehzahlen der Getriebewelle bestimmt als: $$SpeedCandidate\left(j\right)=FreqCandidate\left(j\right)/n.$$

  
• In einer bevorzugten Ausführungsform basieren die Frequenzgrenzen - LowerFreqLimit und UpperFreqLimit - auf den Geschwindigkeitsinformationen, wie sie beispielsweise in einem Geschwindigkeitserkennungsalgorithmus verwendet werden können. Die untere Grenze ist vorzugsweise die „Service Faktor Geschwindigkeit“ (Synchrongeschwindigkeit * (1-1,2*% Schlupf), die 120% der Volllastgeschwindigkeit beträgt. Die obere Grenze ist vorzugsweise die Synchrongeschwindigkeit.
• Das Vorgehen aus 33 kann auch dazu verwendet werden, um andere interessierende Frequenzen zu finden, wie beispielsweise Schlitzdurchgangsfrequenzen und Schaufeldurchgangsfrequenzen.
• Die vorstehende Beschreibung bevorzugter Ausführungsformen dieser Erfindung wurde zum Zwecke der Veranschaulichung und Beschreibung präsentiert. Sie soll nicht erschöpfend sein oder die Erfindung auf die genaue offenbarte Form beschränken. Im Lichte der obigen Lehren sind naheliegende Modifikationen oder Variationen möglich. Die Ausführungsformen werden in dem Bemühen ausgewählt und beschrieben, die Prinzipien der Erfindung und ihre praktische Anwendung am besten zu veranschaulichen und es dadurch einem Durchschnittsfachmann zu ermöglichen, die Erfindung in verschiedenen Ausführungsformen und mit verschiedenen Modifikationen nach Bedarf und für den jeweils vorgesehenen Verwendungszweck zu verwenden. Alle derartigen Modifikationen und Variationen liegen innerhalb des Schutzumfangs der Erfindung, wie er durch die beigefügten Ansprüche definiert wird, wenn sie in einem gerechten und rechtmäßigen Umfang ausgelegt werden.
• ZITATE ENTHALTEN IN DER BESCHREIBUNG
• Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
• Zitierte Patentliteratur
• US 9791422 [0138]

Claims (20)

1. Vorrichtung zum Erfassen und Analysieren von periodischen Informationen zu mit einer Maschine verbundenen Vibration, wobei die Vorrichtung umfasst: einen an der Maschine angebrachten Schwingungssensor, der ein Schwingungssignal erzeugt; einen Datensammler in Verbindung mit dem Schwingungssensor, der das Schwingungssignal empfängt und aufbereitet, wobei der Datensammler einen Analog-Digital-Wandler zum Umwandeln des Schwingungssignals in digitale Schwingungsdaten enthält; und einen Prozessor, der die digitalen Schwingungsdaten empfängt und folgende Betriebsanweisungen zur Verarbeitung der digitalen Schwingungsdaten ausführt: (a) Erzeugen einer Schwingungswellenform basierend auf den digitalen Schwingungsdaten; (b) Durchführen einer Fast-Fourier-Transformation der Schwingungswellenform, um ein Schwingungsspektrum zu erzeugen, das Schwingungsamplitudenspitzen enthält; (c) Bestimmen einer interessierenden Frequenz, die zumindest teilweise auf einer Drehzahl einer Komponente der Maschine basiert; (d) Bestimmen eines interessierenden Frequenzbereichs innerhalb des Schwingungsspektrums in Bezug auf die interessierende Frequenz; (e) Zusammenstellen einer Liste mit lokalisierten Spitzenwerten der Schwingungsamplitudenspitzen bei Frequenzen, die in den interessierenden Frequenzbereich fallen; (f) Anordnen der Schwingungsamplitudenspitzen in der Liste der lokalisierten Spitzen in der Reihenfolge absteigender Amplitude oder aufsteigender Amplitude, um eine sortierte Spitzenliste zu erzeugen, in der eine Spitze mit der größten Amplitude an erster und eine Spitze mit der kleinsten Amplitude an letzter Stelle steht, oder in der sie Spitze mit der kleinsten Amplitude an erster und die Spitze mit der größten Amplitude an letzter Stelle steht; (g) Berechnen eines Kurtosis-Wertes auf der Grundlage der Amplituden aller Spitzen in der sortierten Spitzen-Liste; (h) wenn der Kurtosis-Wert größer als ein Kurtosis-Schwellenwert ist, wird die Spitze mit der größten Amplitude aus der Liste der sortierten Spitzen entfernt und in eine Liste der größten Spitzen aufgenommen; (i) Wiederholen der Schritte (g) und (h), bis der Kurtosis-Wert kleiner oder gleich dem Kurtosis-Schwellenwert ist; und (j) Auswählen eines oder mehrerer Kandidaten für die interessierende Frequenz, die eine oder mehrere Frequenzen von Spitzen in der Liste der größten Spitzen sind, die in einen Delta-Frequenzbereich um die interessierende Frequenz herum fallen.
2. Vorrichtung nach Anspruch 1, wobei der Prozessor eine Drehzahl einer Komponente der Maschine zumindest teilweise auf der Grundlage der einen oder mehreren ausgewählten Kandidaten für die interessierende Frequenz bestimmt.
3. Vorrichtung nach Anspruch 2, wobei der eine oder die mehreren ausgewählten Frequenzkandidaten von Interesse ein oder mehrere Zahneingriffsfrequenzkandidaten sind und die Drehzahl einer Welle in der Maschine zugeordnet ist, die auf der Grundlage der Division des einen oder der mehreren Zahneingriffsfrequenzkandidaten durch eine Anzahl von Zähnen in einem Zahnrad auf der Welle bestimmt wird.
4. Vorrichtung nach Anspruch 3, wobei der Delta-Frequenzbereich durch eine obere Frequenzgrenze und eine untere Frequenzgrenze begrenzt ist, wobei: - die obere Frequenzgrenze gleich der Anzahl der Zahnradzähne mal der Synchrondrehzahl der Maschine ist, und - die untere Frequenzgrenze gleich der Anzahl der Getriebezähne mal 120% einer Volllastdrehzahl der Maschine ist.
5. Vorrichtung nach Anspruch 1, wobei die interessierende Frequenz eine Zahneingriffsfrequenz ist.
6. Vorrichtung nach Anspruch 1, wobei der Kurtosis-Schwellenwert 3 beträgt.
7. Vorrichtung nach Anspruch 1, bei der das Schwingungsspektrum ein Geschwindigkeitsspektrum ist.
8. Die Vorrichtung nach Anspruch 1, ferner umfassend: ein Datenkommunikationsnetz, an das der Prozessor angeschlossen ist und über das der eine oder mehrere interessierende Frequenzkandidaten kommuniziert werden; und einen Analysecomputer, der mit dem Datenkommunikationsnetz verbunden ist, wobei der Analysecomputer die eine oder die mehreren interessierenden Frequenzen empfängt und einen Drehzahlalgorithmus ausführt, um die Komponentendrehzahl auf der Grundlage der einen oder der mehreren interessierenden Frequenzen zu bestimmen.
9. Vorrichtung nach Anspruch 1, wobei der Datensammler einen digitalen Datenschreiber oder einen Schwingungsdatensammler umfasst.
10. Vorrichtung nach Anspruch 1, bei der der Prozessor eine Komponente des Datensammlers oder eine Komponente eines Analyserechners ist, der über ein Kommunikationsnetz mit dem Datensammler in Verbindung steht.
11. Computerimplementiertes Verfahren zum Analysieren periodischer Informationen in digitalen Schwingungsdaten, die für eine Maschinenleistungsanalyse gesammelt wurden, wobei das Verfahren Folgendes umfasst: (a) Erzeugen einer Schwingungswellenform basierend auf den digitalen Schwingungsdaten; (b) Durchführen einer Fast-Fourier-Transformation an der Schwingungswellenform, um ein Schwingungsspektrum zu erzeugen, das Schwingungsamplitudenspitzen enthält; (c) Bestimmen einer interessierenden Frequenz, die zumindest teilweise auf einer Drehzahl einer Komponente einer Maschine basiert; (d) Bestimmen eines interessierenden Frequenzbereichs innerhalb des Schwingungsspektrums in Bezug auf die interessierende Frequenz; (e) Zusammenstellen einer Liste der lokalisierten Spitzenwerte der Schwingungsamplitudenspitzen bei Frequenzen, die in den interessierenden Frequenzbereich fallen; (f) Anordnen der Schwingungsamplitudenspitzen in der Liste der lokalisierten Spitzen in der Reihenfolge absteigender Amplitude oder aufsteigender Amplitude, um eine sortierte Spitzenliste zu erstellen, in der eine Spitze mit dergrößten Amplitude an erster und eine Spitze mit der kleinsten Amplitude an letzter Stelle steht, oder in der die Spitze mit der kleinsten Amplitude an erster und die Spitze mit der größten Amplitude an letzter Stelle steht; (g) Berechnen eines Kurtosis-Wertes auf der Grundlage der Amplituden aller Spitzen in der sortierten Spitzen-Liste; (h) wenn der Kurtosis-Wert größer als ein Kurtosis-Schwellenwert ist, Entfernen der Spitze mit der größten Amplitude aus der Liste der sortierten Spitzen und Platzieren derselben in einer Liste der größten Spitzen; (i) Wiederholen der Schritte (g) und (h), bis der Kurtosis-Wert kleiner oder gleich dem Kurtosis-Schwellenwert ist; und (j) Auswählen eines oder mehrerer Kandidaten für die interessierende Frequenz, die eine oder mehrere Frequenzen von Spitzen in der Liste der größten Spitzen sind, die in einen Delta-Frequenzbereich um die interessierende Frequenz herum fallen.
12. Das Verfahren nach Anspruch 11, ferner umfassend das Bestimmen einer Drehzahl einer Komponente der Maschine zumindest teilweise auf der Grundlage des einen oder der mehreren ausgewählten Kandidaten für eine interessierende Frequenz.
13. Verfahren nach Anspruch 12, wobei der eine oder die mehreren ausgewählten Frequenzkandidaten von Interesse ein oder mehrere Zahneingriffsfrequenzkandidaten sind und die Drehzahl einer Welle in der Maschine zugeordnet ist, die auf der Grundlage der Division des einen oder der mehreren Zahneingriffsfrequenzkandidaten durch eine Anzahl von Zähnen in einem Zahnrad auf der Welle bestimmt wird.
14. Verfahren nach Anspruch 13, wobei der Delta-Frequenzbereich durch eine obere Frequenzgrenze und eine untere Frequenzgrenze begrenzt ist, wobei: - die obere Frequenzgrenze gleich der Anzahl der Zahnradzähne mal einer Synchrondrehzahl der Maschine ist, und - die untere Frequenzgrenze gleich der Anzahl der Getriebezähne mal 120% einer Volllastdrehzahl der Maschine ist.
15. Verfahren nach Anspruch 11, wobei die interessierende Frequenz eine Zahneingriffsfrequenz ist.
16. Verfahren nach Anspruch 11, wobei der Kurtosis-Schwellenwert 3 beträgt.
17. Verfahren nach Anspruch 11, bei dem das Schwingungsspektrum ein Geschwindigkeitsspektrum ist.
18. Computerimplementiertes Verfahren zum Analysieren periodischer Informationen in digitalen Schwingungsdaten, um eine Drehgeschwindigkeit einer Welle in einer Maschine zu bestimmen, wobei das Verfahren umfasst: (a) Erzeugen einer Schwingungswellenform basierend auf den digitalen Schwingungsdaten; (b) Durchführen einer Fast-Fourier-Transformation an der Schwingungswellenform, um ein Schwingungsspektrum zu erzeugen, das Schwingungsamplitudenspitzen enthält; (c) Bestimmen einer interessierenden Zahneingriffsfrequenz, die zumindest teilweise auf einer Drehgeschwindigkeit eines Zahnrads einer Maschine basiert, wobei das Zahnrad eine Anzahl von Zähnen aufweist; (d) Bestimmen eines interessierenden Frequenzbereichs innerhalb des Schwingungsspektrums in Bezug auf die interessierende Zahneingriffsfrequenz; (e) Zusammenstellen einer Liste der lokalisierten Spitzenwerte der Schwingungsamplitudenspitzen bei Frequenzen, die in den interessierenden Frequenzbereich fallen; (f) Anordnen der Schwingungsamplitudenspitzen in der Liste der lokalisierten Spitzen in der Reihenfolge der absteigenden Amplitude oder der aufsteigenden Amplitude, um eine sortierte Spitzenliste zu erzeugen, in der eine Spitze mit der größten Amplitude an erster und eine Spitze mit der kleinsten Amplitude an letzter Stelle steht, oder in der die Spitze mit der kleinsten Amplitude an erster und die Spitze mit der größten Amplitude an letzter Stelle steht; (g) Berechnen eines Kurtosis-Wertes auf der Grundlage der Amplituden aller Spitzen in der sortierten Spitzen-Liste; (h) wenn der Kurtosis-Wert größer als ein Kurtosis-Schwellenwert ist, Entfernen der Spitze mit der größten Amplitude aus der Liste der sortierten Spitzen und Platzieren desselben in einer Liste der größten Spitzen; (i) Wiederholen der Schritte (g) und (h), bis der Kurtosis-Wert kleiner oder gleich dem Kurtosis-Schwellenwert ist; (j) Auswählen eines oder mehrerer Zahneingriffsfrequenzkandidaten, die eine oder mehrere Frequenzen von Spitzen in der Liste der größten Spitzen sind, die in einen Delta-Frequenzbereich um die interessierende Zahneingriffsfrequenz herum fallen, wobei der Delta-Frequenzbereich durch eine obere Frequenzgrenze und eine untere Frequenzgrenze begrenzt ist, wobei: - die obere Frequenzgrenze gleich der Anzahl der Zähne auf der Welle, die mit der interessierenden Zahneingriffsfrequenz verbunden ist, multipliziert mit einer Synchrondrehzahl der Maschine ist, und - die untere Frequenzgrenze gleich der Anzahl der Zähne auf der Welle, die der interessierenden Zahneingriffsfrequenz zugeordnet ist, mal 120% einer Volllastdrehzahl der Maschine ist; und (k) Bestimmen der Drehzahl der Welle auf der Grundlage der Division des einen oder der mehreren ausgewählten Zahneingriffsfrequenzkandidaten durch die Anzahl der Zahnräder auf der Welle, die der interessierenden Zahneingriffsfrequenz zugeordnet ist.
19. Verfahren nach Anspruch 18, wobei der Kurtosis-Schwellenwert 3 beträgt.
20. Verfahren nach Anspruch 18, wobei das Schwingungsspektrum ein Geschwindigkeitsspektrum ist.

Images