DE19907454A1 - Verfahren zur modellbasierten schwingungsdiagnostischen Überwachung rotierender Maschinen - Google Patents
Verfahren zur modellbasierten schwingungsdiagnostischen Überwachung rotierender MaschinenInfo
- Publication number
- DE19907454A1 DE19907454A1 DE1999107454 DE19907454A DE19907454A1 DE 19907454 A1 DE19907454 A1 DE 19907454A1 DE 1999107454 DE1999107454 DE 1999107454 DE 19907454 A DE19907454 A DE 19907454A DE 19907454 A1 DE19907454 A1 DE 19907454A1
- Authority
- DE
- Germany
- Prior art keywords
- operating parameters
- vibration
- model
- quantities
- operating
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H1/00—Measuring characteristics of vibrations in solids by using direct conduction to the detector
- G01H1/003—Measuring characteristics of vibrations in solids by using direct conduction to the detector of rotating machines
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
Mit dem Verfahren zur modellbasierten schwingungsdiagnostischen Überwachung rotierender Maschinen ist es möglich, die Zusammenhänge zwischen Schwingungsverhalten der Maschine und Betriebsparametern bei Reduktion des Aufwandes exakter zu bestimmen. Dies wird dadurch erreicht, daß die Überwachung und Analyse in der Betriebsphase durchgeführt wird. Die Dynamik der Betriebsparameter wird aus der Überwachung entfernt. Man ist so in der Lage, Grenzwertüberschreitungen verursacht durch Schwankungen der Betriebsparameter von Überschreitungen verursacht durch tatsächliche Zustandsänderung der Maschine, zu unterscheiden.
Description
Die Erfindung betrifft ein Verfahren zur modellbasierten
schwingungsdiagnostischen Überwachung rotierender Maschinen.
Die Hauptaufgabe eines Verfahren zur schwingungsdiagnostischen
Überwachung des Zustandes von rotierenden Maschinen besteht
darin, möglichst ohne Betriebsunterbrechung eine Beurteilung
des aktuellen Maschinenzustandes, der Belastung der Maschine
und jeglicher Veränderungen des Maschinenzustandes zu ermögli
chen. Unter Maschinenzustand versteht man dabei die Bewertung
des technischen Zustandes der Maschine auf der Basis der Ge
samtheit der aktuellen Werte aller Schwingungsgrößen und Be
triebsparameter. Schwingungsgrößen sind alle aus den
Schwingungssignal-Zeitfunktionen ableitbaren Kenngrößen, bei
spielsweise Effektivwert der Schwinggeschwindigkeit oder Spit
zenwert des drehfrequenten Schwingweganteiles. Betriebspara
meter sind beispielsweise Drehzahl, Leistung, Erregerstrom,
Temperaturen und Drücke.
Eine Beurteilung des Maschinenzustandes, bei der eine qualita
tive Aussage über den technischen Zustand der Maschine getrof
fen wird, erfolgt durch Analyse der gemessenen Schwingungs
größen unter Einbeziehung der Betriebsparameter.
Ein derartiges Verfahren ist aus der Druckschrift "VIBROCAM
5000, Das System zur diagnostischen Überwachung von Turboma
schinen, C081, der Carl Schenck AG" bekannt, das besonders für
den Einsatz an Dampfturbosätzen, Gasturbinen, Turbopumpen,
Turboverdichtern und Wasserkraftmaschinen geeignet ist.
Die Rotoren der genannten Maschinen bilden zusammen mit den
Lagern und dem Fundament ein komplexes Feder-Masse-System. Das
Schwingungsverhalten hängt stark vom Betriebsregime, von der
Betriebsart, dem Betriebszustand und den Aufstellungsbedingun
gen der Maschine ab, so daß für jede einzelne Meßstelle jeder
Maschine betriebsart-, betriebsregime- und betriebszustands
abhängige, individuelle Schwingungsgrößen ermittelt und zur
Beurteilung herangezogen werden müssen.
Unter Betriebsart versteht man die prinzipiell zu unterschei
denden Modi der Maschine, wie z. B. Hochlauf, Normalbetrieb und
Auslauf. Ein Betriebsregime unterscheidet innerhalb einer Be
triebsart mögliche unterschiedliche Arbeitsweisen wie z. B.
Turbinenbetrieb, Pumpenbetrieb und Phasenschieberbetrieb bei
Pumpspeichersätzen in Wasserkraftwerken. Der Betriebszustand
wird durch die Werte der signifikanten Betriebsparameter in
den Betriebsregimen charakterisiert.
Veränderungen im Schwingungsverhalten können z. B. durch Abnut
zungen und Schäden, Überlastungen und Verformungen, durch Stö
rungen in der normalen Betriebsweise und durch Einflüsse aus
dem elektrischen Netz verursacht werden. Die Ursachen von
Schwingungen werden dabei im wesentlichen nach ihren Erschei
nungsmerkmalen charakterisiert. Den höchsten Informationsge
halt haben dabei die Frequenzen der dominierenden Signalantei
le im Schwingungsspektrum und die Frequenzen der Signalantei
le, bei denen Änderungen auftreten.
Bei dem bekannten Verfahren schwingungsdiagnostischer Überwa
chung erfolgt zunächst eine Erfassung von Schwingungsgrößen
und der Betriebsparameter beim jeweiligen Betriebsregime und
Betriebszustand, sowie eine Frequenzanalyse und Bildung von
Kenngrößen, die das Schwingungsverhalten und seine Änderung
charakterisieren. Anschließend wird in einer Lernphase der
Normalbereich und das Normalverhalten der selektiven Kenngrö
ßen im Schwankungsbereich der Betriebsparameter für alle Be
triebsregime und Betriebszustände ermittelt. In dem nachfol
genden Schritt erfolgt dann ein Grenzwertvergleich der aktuel
len selektiven Kenngrößen mit den entsprechenden Kenngrößen
des Normalzustandes, so daß gegebenenfalls Alarme ausgelöst
bzw. sich anbahnende kritische Maschinenzustände rechtzeitig
signalisiert werden können.
Aus der DE 37 25 123 ist weiterhin ein Verfahren zur schwin
gungsdiagnostischen Überwachung rotierender Maschinen, ins
besondere thermischer Turbomaschinen bekannt. Bei diesem Ver
fahren werden als Schwingungsgrößen die zur Drehfrequenz har
monischen Signalanteile bei verschiedenen Zuständen erfaßt und
in einem Zeigerspeicher abgelegt. Anschließend wird in einem
Bezugswertspeicher das arithmetische Mittel für jeden Signal
anteil abgelegt. In einem Überwachungsmodul wird dann der Dif
ferenzwert zwischen aktuellem Zustand und mittlerem Bezugs
zustand ermittelt, der dann mit dem Normalbereich verglichen
wird. Zusätzlich können zum jeweiligen Meßpunkt die zugehöri
gen Betriebsparameter erfaßt werden. Mit Hilfe dieser Meßdaten
wird dann in einem Regressator eine Funktion bereitgestellt,
die den Bezugswert in Abhängigkeit von den Betriebsparametern
vorausbestimmen kann.
Aus den oben beschriebenen Verfahren zur schwingungsdiagnosti
schen Überwachung rotierender Maschinen sind die Zusammenhänge
zwischen Schwingungsverhalten der Maschine und den Betriebs
parametern nur unzureichend ermittelbar. Weiterhin sind für
die Schwingungsgrößen der unterschiedlichen Betriebsregime und
Betriebszustände eine Vielzahl von Grenzwerten vorzugeben, was
zu einer großen Datenmenge und einem erheblichen Arbeitsauf
wand führt.
Aufgrund des bekannten Standes der Technik liegt der vorlie
genden Erfindung die Aufgabe zugrunde, die Zusammenhänge zwi
schen Schwingungsverhalten der Maschine und Betriebsparametern
bei Reduktion des Aufwandes exakter zu bestimmen, um die Über
wachung und Beurteilung des Maschinenzustandes zu verbessern.
Diese Aufgabe wird durch die in Patentanspruch 1 angegebenen
Merkmale gelöst.
Mit dem erfindungsgemäßen Verfahren zur modellbasierten
schwingungsdiagnostischen Überwachung rotierender Maschinen
wird es möglich, automatisch Abhängigkeiten der Schwingungen
von Betriebsparametern zu ermitteln und anzuzeigen. Dies führt
nicht nur zur erheblichen Reduktion der Datenmengen, die bei
der bisherigen Überwachung gespeichert werden mußten, sondern
gibt auch einen besseren Aufschluß über die Ursachen der
Schwingungen. Veränderungen des Maschinenzustandes werden bes
ser erkannt. Durch optimierte Einstellung der Betriebspara
meter kann ein schwingungsärmerer Betrieb der Maschinen er
reicht werden.
Da die Vorwärtsauswahl als auch die Modellbildung anhand der
jeweils aktuell in der Betriebsphase erfaßten Schwingungsgrö
ßen und Betriebsparameter erfolgt, wird eine größtmögliche
Übereinstimmung des bei der Modellbildung gewonnenen komplexen
Modells und dem tatsächlichen momentanen Betriebszustand der
Maschine erreicht. Das bei der Modellbildung gewonnene kom
plexe Modell wird den stetigen Veränderungen angepaßt. Hier
durch ist gegenüber dem Stand der Technik eine aktuellere Be
wertung des Maschinenzustandes möglich.
Weiterhin werden bei dem erfindungsgemäßen Verfahren sogenann
te Referenzbetriebsparameter festgelegt. Das Schwingungsver
halten der rotierenden Maschine setzt sich aus einem Anteil,
der aus bekannten Betriebsparametern resultiert, und gegebe
nenfalls aus Anteilen, die aus Veränderungen des Maschinen
zustandes resultieren, zusammen. Anhand des jeweils aktuell
nachgeführten Modells und der Einbeziehung der zuvor festge
legten Referenzbetriebsparameter können die Schwankungen im
Schwingungsverhalten, die aus den akutellen Betriebsparametern
resultieren, entfernt werden, so daß die Anteile, die aus Ver
änderungen des Maschinenzustandes resultieren, extrahiert wer
den.
Die Überwachung des Maschinenzustandes wird dadurch erheblich
vereinfacht, da nur die extrahierten Anteile, die aus Verände
rungen des Maschinenzustandes resultieren, sichtbar sind. Da
mit ist es dann einerseits möglich, sofort Informationen über
den Maschinenzustand der Maschine zu erhalten, als auch einen
langfristigen Trend über den Zustand der Maschine zu erstel
len.
Des weiteren ist eine von dynamischen Einflüssen befreite Dar
stellung des Schwingungsverhaltens möglich. Eine durch Be
triebsparameteränderungen verdeckte Änderung des Maschinen
zustandes wird somit sichtbar und einer weiteren Beurteilung
zugänglich.
In einer Weiterentwicklung des Erfindungsgedankens ist vor
gesehen, daß bei der Bewertung der relativen Abweichung der
Schwingungsgrößen für alle Betriebsregime und Betriebszustände
wenige oder ein einziger Kennwert vorgegeben wird. Hierdurch
wird eine drastische Reduktion der sonst nötigen Anzahl von
Grenzwerten für die Überwachung des Maschinenzustandes er
reicht.
Die vorliegende Erfindung wird anhand der schwingungsdiagno
stischen Überwachung eines Pumpspeichersatzes näher erläutert.
Es zeigen:
Fig. 1 eine schematische Darstellung des Wellenstrangs
eines Pumpspeichersatzes mit den Meßstellen und
der Datenverarbeitungseinheit;
Fig. 2 eine Darstellung der Lernphase in einem Block
schaltbild;
Fig. 3 eine Darstellung der Modellbildung in der Be
triebsphase in einem Blockschaltbild;
Fig. 4 eine schematische Darstellung des Überwachungs
verfahrens in der Betriebsphase.
In Fig. 1 ist schematisch der Wellenstrang 1 eines Pumpspeich
ersatzes mit den Meßstellen zur Schwingungsmessung dar
gestellt. Den Lagerstellen und den Meßebenen für Wellenschwin
gungsmessungen sind jeweils Aufnehmer 2, 3 zur Erfassung von
Schwingungssignalen zugeordnet. Die an den Meßstellen über die
Aufnehmer 2, 3 ermittelten Schwingungssignale werden an eine
Datenverarbeitungseinheit 4 weitergeleitet (dargestellt durch
Pfeile 5). Gleichzeitig wird vom Wellenstrang 1 mittels Refe
renzaufnehmer 3' ein Referenzsignal 3" (ein Impuls pro Ma
schinenumdrehung) abgeleitet und der Datenverarbeitungseinheit
4 zugeführt. Zusätzlich sind eine Vielzahl von Aufnehmern vor
gesehen, die die unterschiedlichen Betriebsparameter, wie bei
spielsweise Leistung, Erregerstrom, Drücke und Temperaturen,
erfassen. Die Meßsignale für die Betriebsparameter werden
ebenfalls an die Datenverarbeitungseinheit 4 weitergeleitet
(dargestellt durch Pfeile 6). In der Datenverarbeitungseinheit
4 werden aus den Schwingungssignalen 5 und gegebenenfalls aus
den Referenzsignalen 3" Schwingungsgrößen 5' ermittelt und
abgespeichert oder zwischengespeichert. Gleichzeitig werden
auch die Meßwerte für die Betriebsparameter 6' abgespeichert.
Bei dem erfindungsgemäßen modellbasierten Verfahren zur
schwingungsdiagnostischen Überwachung wird zunächst in einer
Lernphase, die in Fig. 2 schematisch dargestellt ist, eine
Modellbildung anhand eines einfachen Modells durchgeführt.
Erstes Ziel der Modellbildung ist es festzustellen, ob alle
Betriebsparameter meßtechnisch erfaßt sind, die das Schwin
gungsverhalten der Maschine entscheidend beeinflussen. Dies
läßt sich durch Vorhersage der Schwingungsgrößen alleine aus
den Betriebsparametern überprüfen. Es wird zunächst überprüft,
ob es möglich ist, mit einer einfachen Abbildungsvorschrift
aus den Parameterwerten hinreichend genau auf die Schwingungs
größen zu schließen. Ist dies möglich, dann sind die gesuchten
Informationen in den Daten repräsentiert. Dazu wird der Ansatz
i = (xi)
gemacht, wobei die Modellfunktion bezeichnet. Ein möglicher
Ansatz für ist eine Linearkombination von i. a. nichtlinearen
Basisfunktionen. Das Modell für einen Datenpunkt der Zielgröße
yi = y(its) (ts: Abstastzeit) für einen beliebigen Zustandsvek
tor xi ist dann gegeben durch
wobei xj eine Basisfunktion des Modells darstellt.
In der Lernphase werden zunächst alle gemessenen und in der
Datenverarbeitungseinheit gespeicherten Betriebsparameter 6'
einer Vorwärtsauswahl-Einheit 7 übermittelt. Weiterhin werden
die Schwingungsgrößen 5' übermittelt. Es wird zunächst von
einem linearen Vorhersagemodell ausgegangen, das die zum Zu
standsvektor xi = (xi 1, xi 2, . . . xi d)T zusammengefaßten Betriebs
parameter 6' (die unterschiedlichen Betriebsparameter werden
durch die Hochindices bezeichnet) durch Linearkombination von
dessen Komponenten auf die Schwingungsgrößen yi 1, yi 2, . . . y1 k
i = 1, 2, . . . N abbildet (wobei die Hochindices die unterschied
lichen Schwingungsgrößen bezeichnet). Anschließend erfolgt mit
dem Verfahren der Vorwärts-Auswahl, das nachfolgend detail
liert beschrieben ist, eine Bewertung der schwingungsbestim
menden Betriebsparameter auf Relevanz.
Die Auswahl der schwingungsbestimmenden Betriebsparameter wird
so zurückgeführt auf ein Modellstruktur-Bestimmungsproblem,
denn die einzelnen Betriebsparameter können als Terme eines
Modells aufgefaßt werden und mittels Termauswahlverfahren die
jenigen Terme ausgewählt werden, die zu einem optimalen Modell
führen. Die so ausgewählten relevanten Betriebsparameter 8
sind die Ausgangsgrößen der Vorwärtsauswahl-Einheit 7.
Die Modellstruktur-Bestimmung erfolgt mit dem im folgenden
beschriebenen Verfahren der Vorwärts-Auswahl, die in der
Vorwärtsauswahl-Einheit 7 in der Lernphase ausgeführt wird. Zu
einer zunächst leeren Menge von Betriebsparametern wird
schrittweise diejenige Größe hinzugenommen, die den quadrati
schen Fehler χ2 am meisten verringert. Dadurch ergibt sich eine
Rangfolge, die angibt, welche Betriebsparameter die Schwin
gungsgrößen am stärksten beeinflussen. Je mehr Betriebspara
meter berücksichtigt werden, desto kleiner wird dieser quadra
tische Fehler χ2. Er bezieht sich jedoch nur auf die Daten der
Lernphase (Trainingsdaten) und läßt keine Aussage darüber zu,
wie das Modell auf unbekannte Daten (Testdaten) reagiert. ZU
leine ist der quadratische Fehler χ2 damit zur Auswahl relevan
ter Terme ungeeignet.
Eine notwendige Aussage liefert die Abschätzung des sogenann
ten Vorhersagefehlers mit den Testdaten. Dieser gibt an, wie
genau das trainierte Modell bei zukünftigen, unbekannten Daten
vorhersagt. Falls ausreichende Datenmengen aus der Lernphase
vorliegen, kann dies durch Aufteilung der Daten in eine Trai
ningsdatenmenge und Testdatenmenge erfolgen.
Eine weitere Möglichkeit besteht in der Anwendung einer sehr
viel effizienteren Methode, die in der Statistik bekannt ist
und mit "Cross-Validation" bezeichnet wird (B. Efron und R. J.
Tibshirani "An Introduction to the Bootstrap", Chapman and
Hall, 1993). Bei dieser Methode werden mehrere Aufteilungen in
Trainings- und Testdatenmengen vorgenommen. Eine extreme Va
riante davon ist es, die N Datenpunkte in eine Trainingsdaten
menge der Größe N-1 und eine Testdatenmenge der Größe 1 auf
zuteilen. Dieses Verfahren wird "Leave-One-Out(LOO)Cross-Vali
dation" genannt. Das Auswahlkriterium σ2 ergibt sich dann als
Durchschnitt der quadratischen Fehler bei Vorhersage der aus
gelassenen Testdatensätze.
Bei i(xi) die Vorhersage des i-ten Datensatzes, nachdem das
Modell mit den anderen N-1 Datensätzen trainiert wurde, dann
ergibt sich für den Testdatenfehler σ2:
Der Vorteil dieser Methode ist zum einen, daß keine Beeinflus
sung des Mittelwertes durch die Aufteilung in Trainings- und
Testdatenmenge entsteht und zum anderen, daß die gesamte
Trainings- und Testdatenmenge zum Training verwendet werden
kann.
Im Gegensatz zum quadratischen Fehler χ2, der angibt wie gut
die Modellvorhersage mit den Trainingsdaten übereinstimmt,
erhält man mit σ2 ein Maß für die Übereinstimmung bei unbekann
ten Datensätzen. Die zuvor eingeführte Fehlerfunktion χ2 nimmt
monoton mit Zunahme neuer Basisfunktionen ab und ist damit zur
Auswahl relevanter Terme ungeeignet. Der LOO-Fehler σ2 jedoch,
nimmt mit Hinzunahme neuer Basisfunktionen zunächst ab und
steigt ab einer kritischen Anzahl wieder an, da der Fehler
zwischen den Datensätzen der Trainingsmenge zunimmt (Overfit
ting). Diese Eigenschaft wird zur Auswahl relevanter Terme
genutzt.
Die Berechnung der optimalen Modellstruktur nach oben angege
benen Zusammenhängen
setzt die Kenntnis von N-Datensätzen voraus.
In Fig. 3 ist die weitere Modellbildung schematisch dar
gestellt, die in der adaptiven Modellbildungseinheit 20 er
folgt. Die weitere Modellbildung findet in der Betriebsphase
statt, wobei jeweils die aktuell gemessenen Schwingungsgrößen
5' und Betriebsparameter 6' berücksichtigt werden.
Die Betriebsparameter, die in der zuvor beschriebenen IJernpha
se als relevant für die Vorhersage der Schwingungsgrößen er
kannt werden, werden als Eingangsgrößen 8 einem Polynomgenera
tor 9 zugeführt. In dem Polynomgenerator 9 wird ein komplexe
res und damit leistungsfähigeres Modell ermittelt. Komplexe
Modelle lassen sich durch Hinzufügen von Potenztermen und Pro
dukttermen realisieren. Diese Modelle nennt man Polynomialmo
delle. Die Auswahl der optimalen Modellterme aus einer vor
gegebenen Obermenge ist wieder eine Form der Modellstruktur
bestimmung und erfolgt durch Vorwärtsauswahl, wie sie nachfol
gend in der Vorwärtsauswahl-Einheit 11 beschrieben wird.
In der Betriebsphase ist es auch erwünscht, aktualisierte Wer
te der Größen χ2 und σ2 für jeden neu gemessenen Datensatz zu
erhalten. Die analogen Größen lauten J(n) und j2(n) und werden
nach folgenden Formeln in der Vorwärtsauswahleinheit 11 be
rechnet:
Diese Größen entsprechen den in der Lernphase berechneten Grö
ßen χ2 und σ2 mit dem Unterschied, daß eine exponentielle
Wichtung der mit Hilfe des sogenannten Gedächtnisfaktors λ
vorgenommen wird. Hierbei stellt n den akutellen Zeitpunkt dar
(n = nts; ts: Abtastzeit). Außerdem werden die Werte mit Erhalt
jedes neuen Datensatzes aktualisiert. Der Gedächtnisfaktor λ
legt fest, wie schnell sich die Fehler J(n) und j2(n) an die
gegenwärtige Situation anpassen.
In der Vorwärtsauswahl-Einheit 11 wird die Struktur des Mo
dells aus den Schwingungsgrößen 5 und der vom Polynomgenera
tor 9 zur Verfügung gestellten Basisfunktion 10 ermittelt.
Anschließend erfolgt die Bestimmung der optimalen Parameter aj
durch das Minimieren des gewichteten quadratischen Modellfeh
lers J(n):
in der darauffolgenden Recursive-Least-Squares Parameter
Schätzungseinheit 13 anhand der zugeführten Schwingungsgrößen
5' und der ausgewählten Basisfunktion 12. Dies führt zu einem
linearen Gleichungssystem, dessen Lösung die gesuchten Modell
parameter 14 liefert.
Um die Lösung dieses Gleichungssystems während der Be
triebsphase zu aktualisieren, ist ein rekursives Lösungsver
fahren notwendig. Rekursiv bedeutet, daß mit jedem neu gemes
senen Datensatz (Schwingungsgröße und Betriebsparameter) eine
Aktualisierung der Lösungen des Gleichungssystems im Sinne der
kleinsten Fehlerquadrate erfolgt. Ein solches Verfahren ist
als "recursive least squares" aus Simon Haykin, Adaptive Fil
ter Theory, Prentice Hall, Kapitel 13, Seiten 477-486, 1991
bekannt.
Die Modellstruktur-Bestimmung erfolgt mit dem im folgenden
beschriebenen Verfahren der Vorwärtsauswahl in der
Vorwärtsauswahl-Einheit 11. Dieses Verfahren verläuft analog
zu dem Verfahren das zur Vorwärtsauswahl-Einheit 7 beschrieben
ist.
Wenn eine reine Adaption der Modellparameter unzureichend ist,
ein hinreichend genaues Modell der Maschine zu bestimmen, wird
automatisch eine Vorwärtsauswahl in der Vorwärtsauswahl-Ein
heit 11 ausgeführt. Hierzu wird bestimmt welcher Betriebspara
meter den gewichteten quadratischen Fehler J(n) am meisten
verringert. Daraus ergibt sich die Reihenfolge der Hinzunahme
der verschiedenen Betriebsparameter in das Modell bestimmt.
Gleichzeitig wird betrachtet wie sich der exponentiell gewich
tete Testdatenfehler
verändert. Steigt dieser Fehler nach Hinzunahme eines Be
triebsparameters an so wird dieser zuletzt hinzugenommene Be
triebsparameter aus dem Modell entfernt und eine weitere Hin
zunahme von Betriebsparametern in das Modell gestoppt. Die
neue Modellstruktur ist damit bestimmt.
Als Ergebnis erhält man einen kompakten formelmäßigen Zusam
menhang (wird nachfolgend als optimiertes Modell 12 bezeich
net) zwischen Schwingungsgrößen und Betriebsparametern. Wenn
jetzt im weiteren Überwachungsverlauf eine Adaption der Mo
dellparameter unzureichend ist ein hinreichend genaues Modell
zu bestimmen, so ist dies ein Anzeichen dafür, daß der Maschi
nenzustand sich strukturell geändert hat und eine erneute Vor
wärtsauswahl in 11 notwendig wird. Diese wird automatisch aus
geführt. Auf diese Weise liegt immer ein aktueller formelmäßi
ger Zusammenhang vor. Bis der dieser neue Zusammenhang noch
nicht komplett vorliegt wird der bisher benutzte weiter in die
Recheneinheit 15 übertragen. Liegt der neue Zusammenhang vor,
so wird dieser jetzt als optimiertes Modell 12 in die Rechen
einheit 15 übertragen. Die Ermittlung der Werte für die Mo
dellparameter aj 14 erfolgt in der Least-Square Parameter
Schätzungseinheit 13 unter Berücksichtigung des optimierten
Modells 12. In der Recheneinheit 15 erfolgt dann die Vorhersa
ge der Schwingungsgrößen 16 nach dem optimierten Modell 12
unter Berücksichtigung der optimalen Modellparameter 14, die
ebenfalls der Recheneinheit 15 zugeführt werden. Die vorherge
sagten Schwingungsgrößen 16 stehen der weiteren Verarbeitung
als Ausgangsgrößen der Recheneinheit 15 zur Verfügung.
In Fig. 4 ist das in der Betriebsphase ablaufende Überwa
chungsverfahren schematisch dargestellt.
Sowohl für den Wellenstrang 1 des Pumpspeichersatzes, der
schematisch dargestellt ist, als auch für die adaptive Modell
bildungseinheit 20 stellen die vorausgewählten Betriebspara
meter 8 die Eingangsgrößen dar. Der bei der adaptiven Modell
bildungseinheit 20 angedeutete Pfeil 19 deutet die Anpassung
der Modellparameter an die aktuell gemessenen Schwingungsgrö
ßen 5' an. Im Differenzbilder 18 wird der Unterschied der ge
messenen Schwingungsgrößen 5' und den in der adaptiven Modell
bildungseinheit 20 vom Modell 20a vorhergesagten Schwingungs
größen 16 gebildet und als zu minimierender Fehler in der
adaptiven Modellbildungseinheit 20 vom Modell 20a gemäß der
mathematischen Zusammenhänge
berücksichtigt. Das in der adaptiven Modellbildungseinheit 20
gebildete Modell 20a bestehend aus optimiertem Modell 12 sowie
den dazugehörigen Modellparametern 14, das den funktionalen
Zusammenhang zwischen Schwingungsgrößen und Betriebsparametern
beinhaltet, wird in der Anzeigeeinheit 21 zur Anzeige ge
bracht.
Eine stets aktuelle Kopie des in der adaptiven Modellbildungs
einheit gebildeten Modells 20a wird als 20b bezeichnet und
wird an eine adaptive Modellbildungseinheit 20' übergeben.
Dieses kopierte adaptive Modell 20b erhält als Eingangsgrößen
feste sich zeitlich nicht verändernde Betriebsparameter, die
als Referenzbetriebsparameter 17 bezeichnet werden. Als ge
eignete Werte können ein oder mehrere bevorzugte für den Be
trieb typische Parametereinstellungen gewählt werden (bei
spielsweise Nieder-, Mittel- und Spitzenlast). Durch die zeit
liche Veränderung sowohl der Modellparameter als auch der Mo
dellstruktur ergeben sich zeitlich veränderliche Vorhersagen
der Schwingungsgrößen 23, obwohl die Referenzbetriebsparameter
17 konstant sind. Diese Veränderungen der Schwingungsgrößen
stehen in direktem Zusammenhang zur Veränderung des Maschinen
zustandes und kommen im Anzeigegerät 22 zur Anzeige.
Die so ermittelten Schwingungsgrößen 23, die von der durch die
Betriebsparameterveränderungen resultierenden Schwingungsver
änderungen bereinigt sind können in einer nachfolgenden kon
ventionellen Überwachungsanlage gegenüber vorgegebenen Grenz
werten überwacht werden.
Claims (1)
- Verfahren zur modellbasierten schwingungsdiagnostischen Überwachung rotierender Maschinen, bei dem in einer Lernphase zunächst Schwingungsgrößen und Betriebspara meter erfaßt und gespeichert werden und anschließend eine Modellbildung in mehreren Schritten erfolgt, wobei zuerst anhand eines einfachen, beispielsweise linearen Modells die zum Zustandsvektor x(i) zusammengefaßten Betriebs parameter durch Linearkombination von dessen Komponenten auf die Schwingungsgrößen y(i) abgebildet werden und durch Vergleich der gemessenen und der vorhergesagten Schwingungsgrößen anhand des Modells zunächst überprüft wird, ob alle schwingungsrelevanten Größen erfaßt sind und mittels des Verfahrens der Vorwärtsauswahl eine Be wertung der Rangfolge der Betriebsparameter auf Relevanz erfolgt, anschließend in der Betriebsphase aktuelle Schwingungsgrößen und Betriebsparameter erfaßt werden dann mittels ausgewählten relevanten Betriebsparametern eine Modellbildung mit einem komplexen Modell erfolgt und dann mit dem Verfahren der Vorwärtsauswahl eine erneute Bewertung der Rangfolge der Betriebsparameter auf Rele vanz erfolgt, so daß ein funktionaler Zusammenhang auf Basis eines komplexen Modells zwischen ausgewählten rele vanten Betriebsparametern und Schwingungsgrößen ableitbar ist, wobei sowohl die Vorwärtsauswahl als auch die Mo dellbildung anhand der jeweils aktuell erfaßten Schwin gungsgrößen und Betriebsparameter erfolgt und aus dem aktuellen funktionalen Zusammenhang Informationen zur Bewertung der rotierenden Maschine gewonnen werden und zusätzlich mit vorher festgelegter Referenzbetriebspara meter und des aktuellen funktionalen Zusammenhangs eine Beurteilung des Maschinenzustandes erfolgt.
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE1999107454 DE19907454A1 (de) | 1999-02-22 | 1999-02-22 | Verfahren zur modellbasierten schwingungsdiagnostischen Überwachung rotierender Maschinen |
PCT/EP2000/001307 WO2000050857A1 (de) | 1999-02-22 | 2000-02-18 | Verfahren zur modellbasierten schwingungsdiagnostischen überwachung rotierender maschinen |
AU25491/00A AU2549100A (en) | 1999-02-22 | 2000-02-18 | Method for conducting model-based, vibration diagnostic monitoring of rotating machines |
DK200101240A DK200101240A (da) | 1999-02-22 | 2001-08-21 | Fremgangsmåde ved modelbaseret svingningsdiagnostisk overvågning af roterende maskiner |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE1999107454 DE19907454A1 (de) | 1999-02-22 | 1999-02-22 | Verfahren zur modellbasierten schwingungsdiagnostischen Überwachung rotierender Maschinen |
Publications (1)
Publication Number | Publication Date |
---|---|
DE19907454A1 true DE19907454A1 (de) | 2000-08-24 |
Family
ID=7898368
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE1999107454 Withdrawn DE19907454A1 (de) | 1999-02-22 | 1999-02-22 | Verfahren zur modellbasierten schwingungsdiagnostischen Überwachung rotierender Maschinen |
Country Status (4)
Country | Link |
---|---|
AU (1) | AU2549100A (de) |
DE (1) | DE19907454A1 (de) |
DK (1) | DK200101240A (de) |
WO (1) | WO2000050857A1 (de) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7010445B2 (en) | 2002-01-23 | 2006-03-07 | Csi Technology, Inc. | Automated fault diagnosis device and method |
DE102009038011A1 (de) | 2009-08-20 | 2011-03-10 | Schenck Rotec Gmbh | Verfahren zur automatischen Erfassung und Erkennung von Fehlern an einer Auswuchtmaschine |
WO2015158343A3 (de) * | 2014-04-16 | 2015-12-10 | Schaeffler Technologies AG & Co. KG | Verfahren zur verminderung niederfrequenter schwingungen in einem antriebsstrang eines kraftfahrzeugs |
DE102018115354A1 (de) * | 2018-06-26 | 2020-01-02 | Rolls-Royce Deutschland Ltd & Co Kg | Vorrichtung und Verfahren zur Bestimmung mindestens eines Rotationsparameters einer rotierenden Vorrichtung |
JP2020024119A (ja) * | 2018-08-06 | 2020-02-13 | 三菱日立パワーシステムズ株式会社 | 性能評価装置、性能評価方法及び性能影響度出力方法 |
FR3096031A1 (fr) * | 2019-05-13 | 2020-11-20 | Safran Aircraft Engines | Recalage de modèle par segment ou plan dans une turbomachine |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE3725123A1 (de) * | 1986-10-27 | 1988-04-28 | Inst Energieversorgung | Verfahren zur selektiven schwingungsueberwachung rotierender maschinen |
DE4243882C1 (de) * | 1992-12-23 | 1994-01-05 | Baleanu Michael Alin | Verfahren und Einrichtung zur Überwachung eines technischen Prozesses |
DE4406723A1 (de) * | 1993-02-27 | 1994-09-01 | Boetius & Partner Informations | Verfahren zur Überwachung des Betriebszustands einer Maschine oder Anlage |
DE19754918A1 (de) * | 1996-12-10 | 1998-06-18 | Caterpillar Inc | Verbesserungen beim Komponentenmaschinentest unter Verwendung einer von einem neuralen Netzwerk verarbeiteten Schwingungsdatenanalyse |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5602761A (en) * | 1993-12-30 | 1997-02-11 | Caterpillar Inc. | Machine performance monitoring and fault classification using an exponentially weighted moving average scheme |
-
1999
- 1999-02-22 DE DE1999107454 patent/DE19907454A1/de not_active Withdrawn
-
2000
- 2000-02-18 AU AU25491/00A patent/AU2549100A/en not_active Abandoned
- 2000-02-18 WO PCT/EP2000/001307 patent/WO2000050857A1/de active Application Filing
-
2001
- 2001-08-21 DK DK200101240A patent/DK200101240A/da not_active Application Discontinuation
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE3725123A1 (de) * | 1986-10-27 | 1988-04-28 | Inst Energieversorgung | Verfahren zur selektiven schwingungsueberwachung rotierender maschinen |
DE4243882C1 (de) * | 1992-12-23 | 1994-01-05 | Baleanu Michael Alin | Verfahren und Einrichtung zur Überwachung eines technischen Prozesses |
DE4406723A1 (de) * | 1993-02-27 | 1994-09-01 | Boetius & Partner Informations | Verfahren zur Überwachung des Betriebszustands einer Maschine oder Anlage |
DE19754918A1 (de) * | 1996-12-10 | 1998-06-18 | Caterpillar Inc | Verbesserungen beim Komponentenmaschinentest unter Verwendung einer von einem neuralen Netzwerk verarbeiteten Schwingungsdatenanalyse |
Non-Patent Citations (4)
Title |
---|
HAMSCHER,Walter (Hrsg.), et.al.: Model-based Diagnosis, Morgan Kaufmann Publishers, Inc., San Mateo, CA, USA, 1992, S.249-254 * |
ISERMANN,Rolf: Modellgestützte Überwachung und Fehlerdiagnose Technischer Systeme (Teil 1). In: atp - Automatisierungstechnische Praxis 38, 1996, 5, S.9,10,12-14,16-20 * |
REMBOLD,Ulrich: Methoden der Künstlichen Intelligenz in der industriellen Fertigung. In: TR Technische Rundschau, H.13, 1992, S.38-49 * |
VIBROCAM 5000 der Fa. Schenck Vibro GmbH, Darmstadt, 1998, S.3-11 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7010445B2 (en) | 2002-01-23 | 2006-03-07 | Csi Technology, Inc. | Automated fault diagnosis device and method |
DE102009038011B4 (de) | 2009-08-20 | 2018-03-08 | Schenck Rotec Gmbh | Verfahren zur automatischen Erfassung und Erkennung von Fehlern an einer Auswuchtmaschine |
DE102009038011A1 (de) | 2009-08-20 | 2011-03-10 | Schenck Rotec Gmbh | Verfahren zur automatischen Erfassung und Erkennung von Fehlern an einer Auswuchtmaschine |
US8561463B2 (en) | 2009-08-20 | 2013-10-22 | Schenck Rotec Gmbh | Method for the automatic detection and identification of errors in a balancing machine |
DE102009038011B9 (de) * | 2009-08-20 | 2018-04-12 | Schenck Rotec Gmbh | Verfahren zur automatischen Erfassung und Erkennung von Fehlern an einer Auswuchtmaschine |
WO2015158343A3 (de) * | 2014-04-16 | 2015-12-10 | Schaeffler Technologies AG & Co. KG | Verfahren zur verminderung niederfrequenter schwingungen in einem antriebsstrang eines kraftfahrzeugs |
CN106233024A (zh) * | 2014-04-16 | 2016-12-14 | 舍弗勒技术股份两合公司 | 用于减小机动车的动力传动系中的低频振动的方法 |
US10215240B2 (en) | 2014-04-16 | 2019-02-26 | Schaeffler Technologies AG & Co. KG | Method for reducing low-frequency vibrations in the drive train of a motor vehicle |
CN106233024B (zh) * | 2014-04-16 | 2019-06-07 | 舍弗勒技术股份两合公司 | 用于减小机动车的动力传动系中的低频振动的方法 |
DE102018115354A1 (de) * | 2018-06-26 | 2020-01-02 | Rolls-Royce Deutschland Ltd & Co Kg | Vorrichtung und Verfahren zur Bestimmung mindestens eines Rotationsparameters einer rotierenden Vorrichtung |
JP2020024119A (ja) * | 2018-08-06 | 2020-02-13 | 三菱日立パワーシステムズ株式会社 | 性能評価装置、性能評価方法及び性能影響度出力方法 |
JP7014686B2 (ja) | 2018-08-06 | 2022-02-01 | 三菱パワー株式会社 | 性能評価装置、性能評価方法及び性能影響度出力方法 |
FR3096031A1 (fr) * | 2019-05-13 | 2020-11-20 | Safran Aircraft Engines | Recalage de modèle par segment ou plan dans une turbomachine |
Also Published As
Publication number | Publication date |
---|---|
WO2000050857A1 (de) | 2000-08-31 |
DK200101240A (da) | 2001-08-21 |
AU2549100A (en) | 2000-09-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE3112567C2 (de) | Vorrichtung und Verfahren zur Bestimmung eines Anzeichens für eine ungewöhnliche Arbeitsweise einer Rotationsmaschine | |
EP1231476B1 (de) | Verfahren und Anordnung zur Bestimmung des Alterungszustands einer Batterie | |
DE102011102034B4 (de) | Online-Abgleich eines prozessanalytischen Modells mit effektivem Prozessbetrieb | |
DE60121295T2 (de) | Lagerwartung | |
DE102016105877A1 (de) | Verfahren zur Überwachung einer Maschine | |
DE2742080C2 (de) | Diagnoseverfahren und -gerät für den Turbolader eines Verbrennungsmotors | |
DE2622120A1 (de) | Verfahren und vorrichtung zur automatischen ueberwachung von anlagen | |
EP3538963A1 (de) | Verfahren zum betrieb eines zustandsüberwachungssystems einer schwingmaschine und zustandsüberwachungssystem | |
WO2004034166A1 (de) | Vorrichtung und verfahren zur überwachung einer mehrere systeme umfassenden technischen anlage, insbesondere einer kraftwerksanlage | |
DE3141225A1 (de) | Verfahren und vorrichtung zur bestimmung des massenflusses eines stroemenden mediums | |
DE3919220B4 (de) | Digitale elektronische Steuerung und Verfahren zum Gewinnen von gedruckten Daten aus derselben | |
DE102018126434B4 (de) | Testvorrichtung und Maschinenlernvorrichtung | |
EP3914979A1 (de) | Virtueller sensor auf einer übergeordneten maschinenplattform | |
DE19707173C5 (de) | Maschinendiagnosesystem und Verfahren zur zustandsorientierten Betriebsüberwachung einer Maschine | |
DE19907454A1 (de) | Verfahren zur modellbasierten schwingungsdiagnostischen Überwachung rotierender Maschinen | |
DE102007008968A1 (de) | Verfahren zum Erkennen von Wassereintrag in Dampfturbinen | |
DE4406723A1 (de) | Verfahren zur Überwachung des Betriebszustands einer Maschine oder Anlage | |
DE19860333A1 (de) | Verfahren zur modellbasierten schwingungsdiagnostischen Überwachung rotierender Maschinen | |
DE102018104846B3 (de) | Verfahren zur Kalibrierung einer Auswuchtmaschine | |
DE69728942T2 (de) | System zur Auswertung des Zustandes einer Vakuumpumpe | |
EP4001938A1 (de) | Computergestütztes verfahren zum bestimmen von zustandsgrössen eines batteriespeichers und batteriespeicher | |
DE4039647A1 (de) | Messwertverarbeitungssystem fuer eine walzwerksanlage | |
EP1189126B1 (de) | Verfahren zum Überwachen einer Anlage | |
DE102019134113A1 (de) | Datensortiervorrichtung und datensortierverfahren und überwachungs- und diagnosevorrichtung | |
DE19803956A1 (de) | Verfahren zur schwingungsdiagnostischen Überwachung rotierender Maschinen, insbesondere Pumpspeichersätzen in Wasserkraftwerken |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
OM8 | Search report available as to paragraph 43 lit. 1 sentence 1 patent law | ||
8127 | New person/name/address of the applicant |
Owner name: BRUEEL & KJAER VIBRO GMBH, 64293 DARMSTADT, DE CAR |
|
8110 | Request for examination paragraph 44 | ||
8139 | Disposal/non-payment of the annual fee |