ES2690077T3 - Monitorización de una máquina con un componente de máquina rotatorio - Google Patents

Monitorización de una máquina con un componente de máquina rotatorio Download PDF

Info

Publication number
ES2690077T3
ES2690077T3 ES15163653.7T ES15163653T ES2690077T3 ES 2690077 T3 ES2690077 T3 ES 2690077T3 ES 15163653 T ES15163653 T ES 15163653T ES 2690077 T3 ES2690077 T3 ES 2690077T3
Authority
ES
Spain
Prior art keywords
measurement
power density
measurement time
frequency
determined
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.)
Active
Application number
ES15163653.7T
Other languages
English (en)
Inventor
Henning OCHSENFELD
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Siemens AG
Original Assignee
Siemens AG
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Siemens AG filed Critical Siemens AG
Application granted granted Critical
Publication of ES2690077T3 publication Critical patent/ES2690077T3/es
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M13/00—Testing of machine parts
    • G01M13/02—Gearings; Transmission mechanisms
    • G01M13/028—Acoustic or vibration analysis
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M7/00—Vibration-testing of structures; Shock-testing of structures
    • 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
    • G01H1/006—Measuring characteristics of vibrations in solids by using direct conduction to the detector of rotating machines of the rotor of turbo machines

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

Procedimiento para la monitorización de una máquina con un componente de máquina rotatorio, registrándose de manera automatizada - en tiempos de medición sucesivos valores de parámetro (Pt) de parámetros de funcionamiento de la máquina y en cada caso a lo largo de una duración de medición predeterminada vibraciones de la máquina, - determinándose para cada duración de medición un espectro de vibración (Yt(f)) de amplitudes de vibración en función de frecuencia de vibración (f) de las vibraciones registradas durante la duración de medición, caracterizado por que - a partir del espectro de vibración (Yt(f)) para varios intervalos de frecuencia se determina en cada caso una densidad de potencia media**Fórmula** del espectro de vibración (Yt(f)), - durante una fase de aprendizaje que comprende varios tiempos de medición a partir de las densidades de potencia medias **Fórmula**determinadas para estos tiempos de medición y los valores de parámetro registrados (Pt) para cada intervalo de frecuencia se determina una función de modelo **Fórmula** a **Fórmula**para una densidad de potencia promediada a lo largo del intervalo de frecuencia esperada como función lineal de los parámetros de funcionamiento, entrenando un modelo de regresión múltiple lineal para la estimación de la función de modelo **Fórmula**a **Fórmula**, - y durante una fase de monitorización para cada tiempo de medición y cada intervalo de frecuencia se forma una medida de desviación para una desviación de la densidad de potencia media**Fórmula** determinada a partir de las vibraciones registradas de una densidad de potencia media esperada **Fórmula**, - formándose la densidad de potencia media esperada para un tiempo de medición y un intervalo de frecuencia **Fórmula**como valor de función de la función de modelo **Fórmula**a **Fórmula** determinada en la fase de aprendizaje para el intervalo de frecuencia en el punto definido por los valores de parámetro (Pt) registrados en el respectivo tiempo de medición.

Description

DESCRIPCIÓN
Monitorización de una máquina con un componente de máquina rotatorio
La invención se refiere a un procedimiento para la monitorización de una máquina con un componente de máquina rotatorio.
5 En el entorno, los componentes de máquinas con un componente de máquina rotatorio, tal como por ejemplo cojinetes de engranaje de engranajes construidos en grupos motopropulsores, presentan tras un tiempo en la mayoría de los casos impredecible con frecuencia anomalías, que están condicionadas o bien por el desgaste natural o bien por errores de material o de sistema que aparecen esporádicamente. Un reconocimiento a su debido tiempo de un defecto de este tipo tiene una alta prioridad en muchos campos de aplicación, dado que la obtención 10 de sustitutos de determinados elementos constructivos es de larga duración, la interrupción del funcionamiento es muy costosa o el daño es problemático de otro modo. Por este motivo, con frecuencia se formaliza un contrato con un proveedor de servicios de un denominado “servicio de mantenimiento”, que encarga al proveedor de servicios reconocer a su debido tiempo anomalías y el inicio de eventuales medidas de mantenimiento. Tales servicios (servicios de mantenimiento) está hoy en día poco automatizados y se ejecutan por tanto con un esfuerzo de 15 personal correspondientemente alto.
El documento US 2005/0119840 A1 da a conocer un procedimiento para localizar anomalías de almacenamiento en máquinas mediante la medición y evaluación de vibraciones de máquina.
El documento P. J. Tavner: “Review of condition monitoring of rotating electrical machines”, IET Electric Power Applications, 2008, tomo 2, n° 4, pág. 215-247 ofrece una visión general sobre monitorizaciones de estado 20 conocidas de máquinas eléctricas rotatorias.
El documento EP 2 626 682 A1 da a conocer un sistema y un procedimiento para reconocer errores de máquinas rotatorias.
El documento EP 1 014 054 A2 da a conocer un procedimiento para la monitorización del diagnóstico por oscilación basada en un modelo de máquinas rotatorias.
25 El documento W. J. Wang et al: “Early detection of gear failure by vibration analysis - I. Calculation of the time- frequency distribution”, Mechanical Systems and Signal Processing (1993) 7 (3), 193-203 se refiere al reconocimiento de errores de engranaje mediante un análisis de vibración.
W. Bartelmus et al: “A new feature for monitoring the condition of gearboxes in non-stationary operating conditions”, Mechanical Systems and Signal Processing 23 (2009) 1528-1534 se refiere a la monitorización del estado de 30 engranajes en condiciones de funcionamiento no estacionarias.
El documento US 5 602 761 A da a conocer un procedimiento basado en el ordenador para la monitorización y el diagnóstico de estados de máquina anómalos.
La invención se basa en el objetivo de indicar un procedimiento mejorado para la monitorización de una máquina con un componente de máquina rotatorio.
35 El objetivo se alcanza según la invención mediante las características de la reivindicación 1.
Configuraciones ventajosas de la invención son el objeto de las reivindicaciones dependientes.
En el procedimiento automatizado, según la invención, para la monitorización de una máquina con un componente de máquina rotatorio se registran en tiempos de medición sucesivos valores de parámetro de parámetros de funcionamiento de la máquina y en cada caso vibraciones de la máquina a lo largo de una duración de medición 40 predeterminada. Para cada duración de medición se determina un espectro de vibración de amplitudes de vibración en función de frecuencias de vibración de las vibraciones registradas durante la duración de medición. A partir del espectro de vibración se determina para varios intervalos de frecuencia en cada caso una densidad de potencia media del espectro de vibración. Durante una fase de aprendizaje que comprende varios tiempos de medición se determina a partir de las densidades de potencia medias determinadas para estos tiempos de medición y valores de 45 parámetro registrados para cada intervalo de frecuencia una función de modelo para una densidad de potencia promediada a lo largo del intervalo de frecuencia esperada como función de los parámetros de funcionamiento. Durante una fase de monitorización se forma para cada tiempo de medición y cada intervalo de frecuencia se forma una medida de desviación para una desviación de la densidad de potencia media determinada a partir de las vibraciones registradas con respecto a una densidad de potencia media esperada. A este respecto, la densidad de 50 potencia media esperada para un tiempo de medición y un intervalo de frecuencia como valor de función de la
5
10
15
20
25
30
35
40
45
50
función de modelo determinada en la fase de aprendizaje para el intervalo de frecuencia en el punto definido por los valores de parámetro registrados con respecto al respectivo tiempo de medición.
Por tanto, el procedimiento según la invención prevé (al menos) una fase de aprendizaje y (al menos) una fase de monitorización. Durante la fase de aprendizaje se registran repetidamente valores de parámetro de parámetros de funcionamiento de la máquina y vibraciones de la máquina y a partir de ellos para diferentes intervalos de frecuencia se determina en cada caso una función de modelo, que indica una densidad de potencia media esperada de amplitudes de vibración en el respectivo intervalo de frecuencia como función de los parámetros de funcionamiento. En la fase de monitorización se registran igualmente valores de parámetro de los parámetros de funcionamiento de la máquina y la vibración de la máquina, y las vibraciones registradas se evalúan por separado para cada intervalo de frecuencia mediante las funciones de modelo determinadas en la fase de aprendizaje.
Las funciones de modelo determinadas en la fase de aprendizaje reproducen propiedades específicas de máquina de la máquina y forman la base para la evaluación de los datos de medición registrados en la fase de monitorización. De este modo, el procedimiento es ventajosamente genérico, es decir aplicable para diferentes máquinas, sin tener que conocer previamente las propiedades específicas de máquina de las máquinas, dado que estas propiedades se aprenden de manera automatizada durante la fase de aprendizaje y se plasman en las funciones de modelo determinadas durante la fase de aprendizaje.
La evaluación por separado de diferentes intervalos de frecuencia posibilita un modelado cualitativamente bueno por medio de funciones de modelo sencillas, por ejemplo por medio de funciones lineales de los parámetros de funcionamiento, cuya determinación solo requiere pocos datos de medición. De esto resulta ventajosamente una breve fase de aprendizaje, que también puede repetirse sin problemas y sin una gran pérdida de tiempo, por ejemplo para tener en cuenta las variaciones esenciales de la máquina y/o su entorno.
En general, el procedimiento posibilita una monitorización automatizada de máquinas de tipo genérico y reduce de este modo en particular el esfuerzo de personal necesario para la monitorización de las máquinas y la propensión a errores de la monitorización que resulta de ello.
Una configuración de la invención prevé que la máquina sea un engranaje.
Esta configuración de la invención tiene en cuenta que precisamente los engranajes son susceptibles para la aparición de anomalías condicionadas por el desgaste y el sistema y pueden monitorizarse eficientemente mediante la evaluación según la invención de espectros de vibración.
Una configuración adicional de la invención prevé que como parámetros de funcionamiento se usen un momento de giro y/o un número de revoluciones y/o una temperatura de un componente de máquina rotatorio de la máquina.
Esta configuración aprovecha ventajosamente que los momentos de giro, números de revoluciones y temperaturas de componentes de máquina rotatorio por regla general influyen en una medida especialmente intensa en espectros de vibración registrados en estos componentes de máquina y por tanto son especialmente relevantes y adecuados como parámetros de funcionamiento para la evaluación de los espectros de vibración.
Una configuración adicional de la invención prevé que una anchura de los intervalos de frecuencia aumente de manera monótona con una frecuencia de vibración creciente.
El aumento de la anchura de los intervalos de frecuencia con una frecuencia de vibración creciente es ventajoso en particular que el contenido de información relevante para la monitorización de la máquina de los espectros de vibración disminuya con frecuencias de vibración crecientes, tal como es a menudo el caso. La invención prevé que la función de modelo para cada intervalo de frecuencia se determine como una función lineal de los parámetros de funcionamiento, al entrenar un modelo de regresión múltiple lineal para estimar la función de modelo.
Las funciones lineales de los parámetros de funcionamiento pueden determinarse ventajosamente de manera especialmente sencilla y rápida, es decir a partir de pocos datos de medición. Tal como ya se ha expuesto anteriormente, el procedimiento según la invención posibilita un uso razonable de funciones lineales de los parámetros de funcionamiento para el modelado de densidades de potencia esperadas debido a la evaluación específica para el intervalo de frecuencia según la invención de los espectros de vibración. Una configuración adicional de la invención prevé que como medida de desviación para cada tiempo de medición y cada intervalo de frecuencia se forme una diferencia de densidad de potencia normalizada para una distribución normal estándar entre la densidad de potencia media determinada a partir de las vibraciones registradas y la densidad de potencia media esperada.
5
10
15
20
25
30
Las medidas de desviación normalizadas para una distribución normal estándar posibilitan ventajosamente una interpretación y evaluación sencilla y fácilmente comprensible de las medidas de desviación.
A este respecto, la diferencia de densidad de potencia normalizada para un tiempo de medición y un intervalo de frecuencia se forma preferiblemente según
imagen1
s(i)
a partir de una diferencia de densidad de potencia 1 entre la densidad de potencia media, que se determina a partir de las vibraciones registradas con respecto al tiempo de medición, y la densidad de potencia media esperada
durante el tiempo de medición, un valor esperado suavizado
L#\
1 1 de las diferencias de densidad de potencia para
cr(0
un tiempo de medición previo al tiempo de medición y una desviación estándar suavizada 1 1 de las diferencias de densidad de potencia para el tiempo de medición previo al tiempo de medición. A este respecto, t es un índice de tiempo, que enumera los tiempos de medición según su sucesión temporal, e i es un índice de intervalo de frecuencia, que enumera los intervalos de frecuencia.
sm
De este modo se normalizan las diferencias de densidad de potencia * en cada caso con respecto a diferencias
que indican en cada caso una distancia con
£(0
de densidad de potencia distribuidas de manera normal estándar
O,
respecto a su propia distribución. Expresado de otro modo, las diferencias de densidad de potencia transforman de ese modo para dar magnitudes estadísticas, que posibilitan en particular la utilización de intervalos de confianza habituales de la distribución normal estándar para la interpretación y evaluación de las diferencias de densidad de potencia.
se
Mi
(0
para un tiempo de medición se forma preferiblemente en función
A este respecto, el valor esperado suavizado
I5(i) Ll{i)
. 1 para este tiempo de medición y el valor esperado suavizado ^-i
para el tiempo de medición previo al tiempo de medición según
siendo Á un parámetro de suavizado.
Áí)
Además, se forma la desviación estándar suavizada
para un tiempo de medición en función de la diferencia de
densidad de potencia 1
y el valor esperado suavizado
M,
(i)
para este tiempo de medición y la desviación
estándar suavizada ‘ 1 para el tiempo de medición previo al tiempo de medición según
(of)r = '
siendo Á un parámetro de suavizado.
Las configuraciones mencionadas anteriormente de la invención posibilitan ventajosamente una actualización móvil
,(0 0-íO
U ut
constante de los parámetros de distribución ^1 y usados para el cálculo de las diferencias de densidad de
potencia normalizadas
como consecuencia de sus definiciones anteriores recursivas.
5
10
15
20
25
30
35
40
imagen2
a partir de una constante de tiempo predeterminable t y una frecuencia de muestreo fs de la detección de las vibraciones de la máquina.
Lly CT
De este modo se consigue un suavizado exponencial de los parámetros de distribución y 1 con una
constante de tiempo predeterminable t En particular, esto posibilita eliminar o suprimir los componentes de señal de tendencia que se producen posiblemente, que se provocan por ejemplo por el desgaste natural y solo avanzan lentamente, mediante la especificación de una constante de tiempo t suficientemente grande. Las señales de anomalías que se producen rápidamente en relación temporal con ello no se ven influidas.
Una configuración adicional de la invención prevé que se predetermine un intervalo de tolerancia para la medida de desviación y se determine para cada tiempo de medición y cada intervalo de frecuencia, si la medida de desviación se encuentra dentro del intervalo de tolerancia predeterminado.
El intervalo de tolerancia para la medida de desviación proporciona ventajosamente un criterio cuantitativo y que puede emplearse de manera automatizada para la evaluación específica en cuanto al intervalo de frecuencia de las densidades de potencia medias para cada tiempo de medición.
Las propiedades, características y ventajas descritas anteriormente de esta invención, así como la manera en cómo se alcanzan, se entenderán de manera más clara y evidente en relación con la siguiente descripción de ejemplos de realización, que se explican más detalladamente en relación con los dibujos. A este respecto, muestran:
la Figura 1,
un diagrama de flujo de una fase de aprendizaje de un procedimiento para la monitorización de una máquina,
la Figura 2, intervalos de frecuencia de frecuencias de vibración,
la Figura 3, un diagrama de flujo de una fase de monitorización de un procedimiento para la monitorización de
una máquina,
la Figura 4,
para un tiempo de medición una densidad de potencia media determinada a partir de vibraciones registradas y una densidad de potencia media esperada en función del intervalo de frecuencia,
la Figura 5, para un intervalo de frecuencia una diferencia de densidad de potencia entre una densidad de potencia media, que se determina para un tiempo de medición a partir de vibraciones registradas, y una densidad de potencia media esperada para el tiempo de medición así como un valor esperado suavizado de las diferencias de densidad de potencia en función del tiempo de medición,
la Figura 6,
para un intervalo de frecuencia una desviación estándar suavizada de las diferencias de densidad de potencia en función del tiempo de medición,
la Figura 7,
para un intervalo de frecuencia una diferencia de densidad de potencia normalizada en función del tiempo de medición.
Las partes correspondientes entre sí están dotadas en todas las figuras de los mismos números de referencia.
Un procedimiento según la invención para la monitorización de una máquina con al menos un componente de máquina rotatorio, por ejemplo un engranaje, comprende (al menos) una fase de aprendizaje y (al menos) una fase de monitorización.
La Figura 1 muestra un diagrama de flujo de una fase de aprendizaje del procedimiento.
5
10
15
20
25
30
35
40
45
Durante la fase de aprendizaje se registran en una etapa de procedimiento S1 en tiempos de medición sucesivos valores de parámetro Pt de parámetros de funcionamiento P de la máquina y en cada caso a lo largo de una duración de medición predeterminada vibraciones de la máquina (en el caso de varios parámetros de funcionamiento Pt designa una tupla de valores de medición). A este respecto, t es un índice de tiempo, que enumera los tiempos de medición según su sucesión temporal. Como parámetro de funcionamiento P se usan por ejemplo un momento de giro y/o un número de revoluciones y/o una temperatura del respectivo componente de máquina rotatorio, cuyos valores de parámetro Pt se registran por medio de sensores correspondientes. Las vibraciones se registran por medio de al menos un sensor de vibración. Cuando la máquina que debe monitorizarse es por ejemplo un engranaje con un cojinete de engranaje o varios cojinetes de engranaje, se dispone por ejemplo para cada cojinete de engranaje un sensor de vibración en el respectivo cojinete de engranaje o en su proximidad.
A continuación se asume para la simplificación de la descripción y la notación, que solo está presente un sensor de vibración. En los casos en los que estén presentes varios sensores de vibración, las etapas de procedimiento descritas a continuación se realizarán por separado para cada sensor de vibración.
En una etapa de procedimiento S2 se determina para cada duración de medición un espectro de vibración discreto Yt(f) de amplitudes de vibración Y en función de frecuencias de vibración f de las vibraciones registradas durante la duración de medición mediante una transformada de Fourier, preferiblemente mediante una transformada rápida de Fourier (Fast Fourier Transform), de las señales de sensor del respectivo sensor de vibración.
En una etapa de procedimiento S3 se almacenan los valores de parámetro Pt y espectros de vibración Yt(f registrados para los tiempos de medición individuales, por ejemplo en una base de datos.
En una etapa de procedimiento S4 se forman a partir de cada espectro de vibración Yt(f N espectros parciales, que contienen en cada caso amplitudes de vibración de un intervalo de frecuencia.
La Figura 2 muestra a modo de ejemplo la división de frecuencias de vibración f entre 0 Hz y 12000 Hz en intervalos
de frecuencia enumerados con un índice de intervalo de frecuencia i (i=1....N), cuya anchura aumenta de manera
monótona con una frecuencia de vibración f creciente. Un aumento representado en la Figura 2 de la anchura de los intervalos de frecuencia con una frecuencia de vibración f creciente es ventajoso cuando el contenido de información relevante para la monitorización de la máquina de los espectros de vibración disminuye con frecuencias de vibración f crecientes, tal como es a menudo el caso. En otros ejemplos de realización, en los que este no es el caso, los intervalos de frecuencia también pueden tener anchuras distribuidas de otra manera, por ejemplo en cada caso iguales, y/o solaparse mutuamente.
En las etapas de procedimiento S5.1 a S5.N se calcula en cada caso para uno de los N espectros parciales de cada
(J)(0
espectro de vibración Yt{f) una densidad de potencia media ‘ según
imagen3
siendo i el índice de intervalo de frecuencia, siendo t el índice de tiempo, siendo l un índice de frecuencia, que enumera las frecuencias de vibración f del iésimo espectro parcial, es decir las frecuencias de vibración f contenidas en el iésimo intervalo de frecuencia del espectro de vibración discreto Yt(f), L(i) es el número de las frecuencias de vibración f del iésimo espectro parcial, e Yt(fí) es la amplitud de vibración determinada para el tiempo de medición con el índice de tiempo t y la frecuencia de vibración f con el índice de frecuencia l del iésimo espectro parcial.
En las etapas de procedimiento S6.1 a S6.N se determina para cada intervalo de frecuencia a partir de las
0>(,)
densidades de potencia medias ‘ determinadas para este intervalo de frecuencia en las etapas de
procedimiento S5.1 a S5.N y los valores de parámetro registrados Pt una función de modelo a ®^(P) para
una densidad de potencia esperada promediada a lo largo del intervalo de frecuencia como una función de los parámetros de funcionamiento P. Por ejemplo, para ello se entrena para cada intervalo de frecuencia un modelo de
regresión múltiple lineal, que proporciona como función de modelo ®^(P) a ®^(P) una función lineal de los parámetros de funcionamiento P con coeficientes (parámetros de modelo), que se determinan en las etapas de procedimiento S6.1 a S6.N de la fase de aprendizaje. En lugar de un modelo de regresión múltiple lineal puede entrenarse también un modelo complicado, que también describe dependencias no lineales de la función de modelo
A A
^■MP) de los parámetros de funcionamiento P.
5
10
15
20
25
30
Las funciones de modelo ^ ■1 ;{P) a ®^{P) determinadas para los diferentes intervalos de frecuencia se almacenan en cada caso, para usarse en la fase de monitorización.
La Figura 3 muestra un diagrama de flujo de una fase de monitorización del procedimiento.
Durante la fase de monitorización se ejecutan como en la fase de aprendizaje las etapas de procedimiento S1 a S5.N, registrándose en tiempos de medición sucesivos de la fase de monitorización, por ejemplo periódicamente, valores de parámetro Pt de los parámetros de funcionamiento P de la máquina y en cada caso a lo largo de una duración de medición vibraciones de la máquina y determinándose a partir de ello para cada tiempo de medición y para los mismos intervalos de frecuencia que en la fase de aprendizaje en cada caso una densidad de potencia
o>;¿)
media según la ecuación [1],
Además, en las etapas de procedimiento S7.1 a S7.N para cada tiempo de medición y cada intervalo de frecuencia
se forma una densidad de potencia media esperada como valor de función de la función de modelo OÍMP)
a determinada en la fase de aprendizaje para el respectivo intervalo de frecuencia en el punto definido
mediante los valores de parámetro Pt registrados en el respectivo tiempo de medición.
En las etapas de procedimiento S8.1 a S8.N se forma para cada tiempo de medición y cada intervalo de frecuencia
<J>(0
una medida de desviación para la desviación de la densidad de potencia media “ t vibraciones registradas de la densidad de potencia media esperada
determinada a partir de las
A este respecto, como medida de desviación se forma por ejemplo en cada caso una diferencia de densidad de
7
potencia 1
(O
fiV) _ ,,U)
_ n_____
' o-w
°t-1
normalizada para una distribución normal estándar según
A-i
[2]
£(í:
A este respecto, ut designa una diferencia de densidad de potencia formada según = O(0 _ $(0^)
:3]
<5
(O
entre la densidad de potencia media * determinada a partir de las vibraciones registradas y la densidad de
,(0
potencia media esperada ^ designa un valor esperado suavizado, que se forma para un tiempo de
medición en función de la diferencia de densidad de potencia
,0)
SP
para este tiempo de medición, el valor esperado
suavizado f^t-x para e| tiempo de medición previo al tiempo de medición y un parámetro de suavizado Á según
imagen4
cr(í)
y t una desviación estándar suavizada, que se forma para un tiempo de medición en función de la diferencia de densidad de potencia 1
ir1
y el valor esperado suavizado A ‘ para este tiempo de medición así como la
desviación estándar suavizada suavizado A según
_(¿)
't-i
para el tiempo de medición previo al tiempo de medición y el parámetro de
imagen5
5
10
15
20
25
30
35
40
imagen6
a partir de una constante de tiempo predeterminable t y una frecuencia de muestreo fs de la detección de las vibraciones de la máquina (es decir el valor inverso fs de la diferencia de dos tiempos de medición sucesivos). Los valores iniciales para el valor esperado suavizado y la desviación estándar suavizada se determinan por ejemplo a
partir de las densidades de potencia medias 1 determinadas durante la fase de aprendizaje.
La ecuación [1] normaliza las diferencias de densidad de potencia 1 en cada caso para diferencias de densidad de potencia normalizadas en una distribución normal estándar zí ' que indican en cada caso una distancia con
s0)
respecto a su propia distribución. Expresado de otro modo, las diferencias de densidad de potencia t se transforman de ese modo para dar magnitudes estadísticas, de modo que pueden utilizarse intervalos de confianza
,(0
habituales de la distribución normal estándar para su interpretación. Los parámetros de distribución y
usados para el cálculo de las diferencias de densidad de potencia normalizadas se determinan de manera adaptativa y continua por medio de un suavizado exponencial recursivo según las ecuaciones [4] a [6].
Además de la capacidad de interpretación estadística clara de las diferencias de densidad de potencia normalizadas
de los diferentes intervalos de frecuencia, el procedimiento posibilita de manera ventajosa una denominada deducción de tendencia para eliminar efectos no deseados de tendencias a largo plazo sobre los resultados. Por ejemplo, pueden eliminarse los componentes de señal de tendencia que se producen posiblemente, que se provocan por ejemplo por el desgaste natural y avanzan solo lentamente, mediante la sustracción de los valores
Ll{i) S{i)
esperados suavizados móviles A ,_1 de las diferencias de densidad de potencia ‘ en la ecuación [1] por medio de una especificación de una constante de tiempo t suficientemente grande. Las señales de anomalías que se producen rápidamente en relación temporal con ello no se ven influidas.
La Figura 4 muestra a modo de ejemplo para un tiempo de medición con el índice de tiempo t una densidad de
. Cp(0
potencia media
t determinada a partir de vibraciones registradas y una densidad de potencia media esperada
dfrWfP,) en función del intervalo de frecuencia, estando representadas * y según una escala logarítmica
seleccionada de manera adecuada s1
Las Figuras 5 y 6 muestran a modo de ejemplo para un intervalo de frecuencia con el índice de intervalo de
á(0 "(í)
frecuencia i una diferencia de densidad de potencia
y un
valor esperado suavizado correspondiente ^
CT
(0
(Figura 5) así como una desviación estándar suavizada correspondiente 1 (Figura 6) en función del índice de tiempo t de los tiempos de medición en una escala seleccionada de manera adecuada S2.
En una etapa de procedimiento S9 se evalúan las medidas de desviación formadas en las etapas de procedimiento S8.1 a S8.N.
Para ello se predetermina por ejemplo un intervalo de tolerancia T para las medidas de desviación formadas in las etapas de procedimiento S8.1 a S8.N y para cada tiempo de medición y cada intervalo de frecuencia se determina si la respectiva medida de desviación se encuentra dentro del intervalo de tolerancia predeterminado T.
En el caso de que las medidas de desviación se formen en cada caso como una diferencia de densidad de potencia
zv)
normalizada según las ecuaciones [2] a [6], como intervalo de tolerancia T se predetermina un intervalo de confianza adecuado de la distribución normal estándar, por ejemplo un intervalo de confianza 3ct, y en la etapa de procedimiento S9 se genera para cada tiempo de medición y cada intervalo de frecuencia una señal de salida binaria
ÁD
M)
'^t , que adopta del valor cero, cuando la respectiva diferencia de densidad de potencia normalizada se encuentra dentro del intervalo de tolerancia predeterminado, y en caso contrario adopta el valor uno. En el caso de
un intervalo de confianza T predeterminado como 3crde la distribución normal estándar se forma la señal de salida
para el tiempo de medición con el índice de tiempo t y el intervalo de frecuencia con el índice de intervalo de frecuencia i por tanto según
5 siendo a la desviación estándar de la distribución normal estándar.
De este modo se generan por tiempo de medición para cada sensor de vibración N señales de salida binarias que pueden evaluarse para la monitoñzación de la máquina, por ejemplo formando una señal de emisión total a
partir de las señales de salida binarias ' 1 y/o visualizándolas de manera adecuada.
La Figura 7 muestra a modo de ejemplo para un intervalo de frecuencia con el índice de intervalo de frecuencia i una
10 diferencia de densidad de potencia normalizada en unidades de desviación estándar a de la distribución normal estándar en función del índice de tiempo t de los tiempos de medición. A modo de ejemplo se representa además como intervalo de tolerancia T el intervalo de confianza 3crde la distribución normal estándar. En el ejemplo
representado, la diferencia de densidad de potencia normalizada representado dentro del intervalo de tolerancia T.
M)
discurre en el intervalo de tiempo
imagen7
15 Aunque la invención se ha ilustrado y descrito más detalladamente mediante ejemplos de realización preferidos, la invención no está limitada por los ejemplos dados a conocer y el experto en la técnica puede deducirse otras variaciones de los mismos, sin abandonar el alcance de protección de la invención.

Claims (8)

  1. 5
    10
    15
    20
    25
    30
    35
    40
    REIVINDICACIONES
    1. Procedimiento para la monitorización de una máquina con un componente de máquina rotatorio, registrándose de manera automatizada
    - en tiempos de medición sucesivos valores de parámetro (Pt) de parámetros de funcionamiento de la máquina y en cada caso a lo largo de una duración de medición predeterminada vibraciones de la máquina,
    - determinándose para cada duración de medición un espectro de vibración (Yt(f)) de amplitudes de vibración en función de frecuencia de vibración (f) de las vibraciones registradas durante la duración de medición,
    caracterizado por que
    - a partir del espectro de vibración (Yt{f¡) para varios intervalos de frecuencia se determina en cada caso una
    ( )
    densidad de potencia media ‘ del espectro de vibración (Yt(f)),
    - durante una fase de aprendizaje que comprende varios tiempos de medición a partir de las densidades de
    ((j>w \
    potencia medias ' t ' determinadas para estos tiempos de medición y los valores de parámetro registrados
    A A
    {Pt) para cada intervalo de frecuencia se determina una función de modelo a para una
    densidad de potencia promediada a lo largo del intervalo de frecuencia esperada como función lineal de los parámetros de funcionamiento, entrenando un modelo de regresión múltiple lineal para la estimación de la
    función de modelo (íW'ífP) a®^(P)),
    - y durante una fase de monitorización para cada tiempo de medición y cada intervalo de frecuencia se forma una
    ( <D0))
    medida de desviación para una desviación de la densidad de potencia media ' determinada a partir de las vibraciones registradas de una densidad de potencia media esperada
    - formándose la densidad de potencia media esperada para un tiempo de medición y un intervalo de frecuencia
    A fit * ... .
    (4r0(Ft)) como valor de función de la función de modelo (W1)(F) a ® determinada en la fase de
    aprendizaje para el intervalo de frecuencia en el punto definido por los valores de parámetro (Pt) registrados en el respectivo tiempo de medición.
  2. 2. Procedimiento de acuerdo con la reivindicación 1, caracterizado por que la máquina es un engranaje.
  3. 3. Procedimiento de acuerdo con una de las reivindicaciones anteriores, caracterizado por que como parámetros de funcionamiento se usan un momento de giro y/o un número de revoluciones y/o una temperatura de un componente de máquina rotatorio de la máquina.
  4. 4. Procedimiento de acuerdo con una de las reivindicaciones anteriores, caracterizado por que una anchura de los intervalos de frecuencia aumenta de manera monótona con una frecuencia de vibración (f) creciente.
  5. 5. Procedimiento de acuerdo con una de las reivindicaciones anteriores, caracterizado por que como medida de desviación para cada tiempo de medición y cada intervalo de frecuencia se forma una diferencia de densidad de
    potencia frecuencia según
    normalizada para una distribución normal estándar para un tiempo de medición y un intervalo de
    imagen1
    (S(0 } ( ®(¿) ) ,
    a partir de una diferencia de densidad de potencia ‘ entre la densidad de potencia media ' que se determina a partir de las vibraciones registradas con respecto al tiempo de medición, y la densidad de potencia
    (¡)
    media esperada para el tiempo de medición, un valor esperado suavizado ^ de las diferencias de
    densidad de potencia
    suavizada ^ de medición.
    1 para un tiempo de medición previo al tiempo de medición y una desviación estándar
    para el tiempo de medición previo al tiempo
    suavizada v 1 1 de las diferencias de densidad de potencia
    ¿,(0
    5
    10
    15
    20
    imagen2
    imagen3
    siendo A un parámetro de suavizado.
  6. 7. Procedimiento de acuerdo con la reivindicación 5 o 6, caracterizado por que la desviación estándar suavizada
    para un tiempo de medición se forma en función de la diferencia de densidad de potencia
    y el valor
    ( ) f <T(Í) 1
    esperado suavizado ^ para este tiempo de medición y la desviación estándar suavizada ' ' para el
    tiempo de medición previo al tiempo de medición según
    imagen4
    siendo A un parámetro de suavizado.
  7. 8. Procedimiento de acuerdo con una de las reivindicaciones 6 o 7, caracterizado por que el parámetro de suavizado se forma según
    imagen5
    a partir de una constante de tiempo predeterminable t y una frecuencia de muestreo fs de la detección de las vibraciones de la máquina.
  8. 9. Procedimiento de acuerdo con una de las reivindicaciones anteriores, caracterizado por que se predetermina un intervalo de tolerancia (T) para la medida de desviación y se determina para cada tiempo de medición y cada intervalo de frecuencia, si la medida de desviación se encuentra dentro del intervalo de tolerancia predeterminado (T).
ES15163653.7T 2015-04-15 2015-04-15 Monitorización de una máquina con un componente de máquina rotatorio Active ES2690077T3 (es)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
EP15163653.7A EP3081914B1 (de) 2015-04-15 2015-04-15 Überwachung einer maschine mit einer rotierenden maschinenkomponente

Publications (1)

Publication Number Publication Date
ES2690077T3 true ES2690077T3 (es) 2018-11-19

Family

ID=53039710

Family Applications (1)

Application Number Title Priority Date Filing Date
ES15163653.7T Active ES2690077T3 (es) 2015-04-15 2015-04-15 Monitorización de una máquina con un componente de máquina rotatorio

Country Status (4)

Country Link
US (1) US10330567B2 (es)
EP (1) EP3081914B1 (es)
CN (1) CN106052847B (es)
ES (1) ES2690077T3 (es)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3415891B1 (en) * 2017-06-12 2020-11-25 Tetra Laval Holdings & Finance S.A. Method of fault prediction of a cyclically moving machine component
JP7344291B2 (ja) * 2018-11-27 2023-09-13 テトラ ラバル ホールディングス アンド ファイナンス エス エイ 周期可動機械部品の状態監視のための方法
DE102020133684A1 (de) 2020-12-16 2022-06-23 Voith Patent Gmbh Zustandsüberwachung für einen Antriebsstrang
DE102021119985A1 (de) * 2021-08-02 2023-02-02 Prüftechnik Dieter Busch GmbH Überwachungsvorrichtung und Überwachungsverfahren zur Erfassung eines Diagnosezustands
DE102021209957A1 (de) * 2021-09-09 2023-03-09 Aktiebolaget Skf Vorrichtung zum Identifizieren eines Defekts einer rotierenden Komponente

Family Cites Families (15)

* Cited by examiner, † Cited by third party
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
US6484109B1 (en) * 1998-05-20 2002-11-19 Dli Engineering Coporation Diagnostic vibration data collector and analyzer
DE19860333A1 (de) * 1998-12-24 2000-06-29 Schenck Vibro Gmbh Verfahren zur modellbasierten schwingungsdiagnostischen Überwachung rotierender Maschinen
FR2803036B1 (fr) * 1999-12-23 2002-10-11 Snecma Detection de l'endommagement de pieces d'un moteur
JP3609982B2 (ja) * 2000-04-20 2005-01-12 リオン株式会社 故障診断方法及びその装置
US6999884B2 (en) * 2003-01-10 2006-02-14 Oxford Biosignals Limited Bearing anomaly detection and location
FR2900745B1 (fr) * 2006-05-05 2008-10-10 Eurocopter France Procede et dispositif de diagnostic d'un mecanisme
NO2370801T3 (es) * 2008-12-22 2018-04-21
FR2941049B1 (fr) * 2009-01-13 2011-02-11 Snecma Procede et systeme de surveillance de phenomenes vibratoires survenant dans un moteur a turbine a gaz d'aeronef en fonctionnement
US9091588B2 (en) * 2010-05-28 2015-07-28 Prognost Systems Gmbh System and method of mechanical fault detection based on signature detection
EP2518456A1 (en) * 2011-04-29 2012-10-31 ABB Technology AG Method for monitoring demagnetization
GB201110048D0 (en) 2011-06-15 2011-07-27 Romax Technology Ltd Vibration monitoring
US8963733B2 (en) * 2012-02-13 2015-02-24 Honeywell International Inc. System and method for blind fault detection for rotating machinery
WO2014042582A1 (en) * 2012-09-11 2014-03-20 S.P.M. Instrument Ab Apparatus for monitoring the condition of a machine
CA2869487A1 (en) * 2013-10-30 2015-04-30 Syncrude Canada Ltd. In Trust For The Owners Of The Syncrude Project, As Such Owners Exist Now And In The Future Method for diagnosing faults in slurry pump impellers

Also Published As

Publication number Publication date
CN106052847B (zh) 2019-12-31
EP3081914B1 (de) 2018-07-04
US10330567B2 (en) 2019-06-25
EP3081914A1 (de) 2016-10-19
CN106052847A (zh) 2016-10-26
US20160305844A1 (en) 2016-10-20

Similar Documents

Publication Publication Date Title
ES2690077T3 (es) Monitorización de una máquina con un componente de máquina rotatorio
CN109947088B (zh) 基于模型全生命周期管理的设备故障预警***
Soualhi et al. Prognosis of bearing failures using hidden Markov models and the adaptive neuro-fuzzy inference system
US7571057B2 (en) System and method for monitoring degradation
AU2012201961B2 (en) Methods and systems for monitoring operation of equipment
ITTO20070303A1 (it) Procedimento e dispositivo di diagnostica di un meccanismo.
JP6153145B1 (ja) バルブ診断方法及びバルブ診断装置
US7853441B2 (en) Systems and methods involving engine models
JP2004156616A (ja) 高温計信号と関連させてニューラルネットワーク利用診断技法を使用してタービンブレード（バケット）の健康状態を監視し、予後を診断する方法
CN110100158A (zh) 旋转机的状态监视***、旋转机的状态监视方法、程序以及存储介质
CA2984058C (en) Methods and systems for alerting a user to the presence of a fault in an electromechanical system in a railway infrastructure
BRPI0706274A2 (pt) processo e dispositivo para detectar a localização de um efeito mecánico do tipo de pulso sobre uma parte de sistema
BR102015009530A2 (pt) método para determinar estol rotativo
CN204287267U (zh) 一种矫正器及阻性电流测试仪
JP2023522909A (ja) 回転機械の速度推定
Zhou et al. Multi-node feature learning network based on maximum spectral harmonics-to-noise ratio deconvolution for machine condition monitoring
Santamato et al. Detecting early damages in the railway pantograph mechanism: a multiple excitation approach for the frequency domain
CN106898031A (zh) 一种用于高精度光纤测量的抽丝方法
Malekjafarian et al. Drive-by bridge health monitoring using multiple passes and machine learning
KR20070087139A (ko) 진공펌프의 고장 방지 및 예보유지를 위한 정밀진단 기법과그 구현 시스템.
WO2015178820A1 (en) A method and device for determining properties of a bearing
RU2719507C1 (ru) Способ оценки технического состояния потребителя-регулятора на основе нейросетевого диагностирования
JP2023043898A (ja) 異常診断装置及び異常診断方法
CN107560848B (zh) 轴温变化模型构建方法及模块、轴承健康监测方法及***
TW202244649A (zh) 智慧減輕或預防設備性能缺陷