專利名稱：用于檢測泵機組中的故障的方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種用于檢測具有電動馬達的泵機組中或電動馬達中的故 障的方法。
背景技術(shù)：
在由電動馬達驅(qū)動的泵機組或者在電動馬達自身中可能出現(xiàn)各種故障， 特別是軸承磨損或者泵機組中葉輪的磨損或者污染。期望的是，能夠在機組 全部損壞之前盡可能早地確定這些故障，從而可以提早更換此類機組或者進 行修理。

發(fā)明內(nèi)容
有鑒于這種問題，本發(fā)明的目的在于，提供一種方法以及相應(yīng)的裝置， 通過該方法以及相應(yīng)的裝置可以以簡單的方式可靠地檢測具有電動馬達的 泵機組中或電動馬達中的各種故障。
上述目的通過具有權(quán)利要求1所述特征的方法以及通過具有權(quán)利要求8 所述特征的泵機組或電動馬達來實現(xiàn)。優(yōu)選實施形式在從屬權(quán)利要求、后面 的文字說明以及附圖中給出。
根據(jù)本發(fā)明的方法用于檢測具有驅(qū)動用電動馬達的泵機組中或電動馬 達中的故障。所述機組始終具有至少一個轉(zhuǎn)軸。所述軸設(shè)置在例如可能會出 現(xiàn)故障的軸承中，所述故障例如可以通過根據(jù)本發(fā)明的方法進行檢測。
為了檢測故障，需采集(獲取)電動馬達的振動信號，或者泵機組以及 泵機組的驅(qū)動馬達中的振動信號。在此可以使用公知的振動采樣傳感器。在 隨后的處理步驟中，首先對采集的振動信號進行消除軸的當(dāng)前轉(zhuǎn)速對其影響 的處理。以此方式使得處理過的信號與轉(zhuǎn)速無關(guān)，從而可以與當(dāng)前轉(zhuǎn)速無關(guān) 地識別出各種運行狀態(tài)，特別是故障類型。優(yōu)選以下述方式進行處理以消除
轉(zhuǎn)速影響，即使采樣頻率與當(dāng)前轉(zhuǎn)速相乘并與一恒定轉(zhuǎn)速值相除，由此使采樣頻率實際上與所述恒定轉(zhuǎn)速值發(fā)生關(guān)系，從而可以進行無當(dāng)前轉(zhuǎn)速影響
的進一步的頻率分析。為了防止混淆效應(yīng)(Aliasing-Effekt)，振動信號在進 行處理之前還要通過例如Butterworth過濾器20來進行低通過濾。可以將經(jīng) 處理的采樣頻率的40%設(shè)置為截止頻率。必要時，在經(jīng)過低通濾波器之后通 過再取樣和/或使采樣率變化用與恒定轉(zhuǎn)速相關(guān)聯(lián)的采樣率來進行振動信號 的處理。再取樣例如可以在應(yīng)用非因果的正弦函數(shù)作為脈沖傳輸函數(shù)(脈沖 響應(yīng)函數(shù))的情況下通過對時間離散的信號進行過濾來實現(xiàn)。
軸的所需轉(zhuǎn)速可以以不同的己知方式，例如通過轉(zhuǎn)速表或直接由所謂的
(如在專利文獻US 7,031,873 B2中公開的)虛擬轉(zhuǎn)速傳感器的振動信號， 來確定。例如，由振動信號通過下取樣(downsampling)或降低采樣率到128 Hz，并且隨后確定每個時間空檔(Zeitfenster)的譜圖的十個最高凸峰
(Ausschlag)來獲得轉(zhuǎn)速信號。當(dāng)前時間空檔的這些最高凸峰在一定范圍內(nèi) 位于隨后的時間空檔的最高凸峰之上。隨后基于這些凸峰的一致性而繪制出 轉(zhuǎn)速曲線。
隨后對以此方式處理的振動信號進行過濾，其中從處理過的振動信號中 過濾出周期信號。隨后可以根據(jù)所述周期信號識別出泵機組或電動馬達的與 振動相關(guān)的(vibmtionsmamge)運行狀態(tài)。尤其可以識別出包括故障(例如 軸承故障)在內(nèi)的這類與振動相關(guān)的運行狀態(tài)。例如可以以下述方式識別周 期信號，即采集某些確定的特征信號的振幅，特別是故障特征信號的振幅， 并在隨后測量這些振幅之間的時間間隔。由此基于所述振幅之間的時間間隔 可以確定所述信號在此處是否為周期信號。
處理過的振動信號優(yōu)選直接通過倒譜分析(Cepstralanalyse)來過濾出周 期信號或周期信號部分(Signaltdle)。這意味著，在倒譜分析之前不進行振 動信號的其他轉(zhuǎn)換或分析。隨后根據(jù)由倒譜分析產(chǎn)生的倒譜圖識別出運行狀 態(tài)或可能的故障。確定的運行狀態(tài)在倒譜圖中是以確定的特征表示的，由此 可以識別出特定的故障。
在倒譜分析中涉及雙頻分析(doppelte Frequenzanalyse)，即對一次頻 率分析的結(jié)果再進行一次頻率分析。由此從振動信號中過濾出或提取周期信 號部分(periodische Signalanteile)。
作為倒譜分析或倒譜轉(zhuǎn)換，能夠通過在頻域(Frequenzdom組e)內(nèi)進行頻率分析來執(zhí)行振動信號譜圖的短時倒譜分析。為了消除馬達結(jié)構(gòu)的影響， 在進行頻域傅立葉變換之前進行頻域高通濾波。由此形成的倒譜域
(Cepstral-Domane)隨后有利地僅包括軸承影響，而不包括馬達影響。
優(yōu)選通過模式識別(Mustererkennung，圖形識別)進行用于識別運行狀 態(tài)或故障的倒譜圖分析，其中應(yīng)特別注意的是，在倒譜圖中凸峰出現(xiàn)的位置。 也就是說，在此優(yōu)選從倒譜圖中單獨凸峰的分布或位置而較少從凸峰的絕對 值方面進行識別。通過所執(zhí)行的對傅立葉譜圖進行頻率轉(zhuǎn)換的倒譜分析可進 一步去除電動馬達或泵機組的特征干擾并且分離周期信號。隨后從倒譜圖中 信號的分布或信號的位置，尤其從單個信號的周期重復(fù)率能夠識別出確定的 運行狀態(tài)，尤其能夠推斷出故障的類型。
特別優(yōu)選的是，根據(jù)在周期信號(特別是在倒譜圖)中的預(yù)知模式來識 別運行狀態(tài)。也就是說，例如出現(xiàn)的信號的模式(即單個凸峰的位置或分布) 對于確定的故障類型而言是己知的。通過將當(dāng)前的信號模式或倒譜圖與已知 的模式進行比較，就可以推斷出確定的運行狀態(tài)或已知的故障類型。其中以 兩種方式使用預(yù)知模式來識別運行狀態(tài)。 一種方式是，可以使其預(yù)知模式對 應(yīng)于確定的待識別的運行狀態(tài)和確定的故障類型，使得當(dāng)這種或相似模式出 現(xiàn)時可以被識別出，然后推斷得到恰好存在的這種運行狀態(tài)或故障?；蛘哌€ 可以考慮另一種方式，使其預(yù)知模式對應(yīng)于期望的(亦即尤其沒有故障的) 運行狀態(tài)，并且進行比較，以將當(dāng)前周期信號或者倒譜圖模式中出現(xiàn)的、與 預(yù)知模式不對應(yīng)的模式識別為不期望的運行狀態(tài)。
預(yù)知模式可以由工廠方面存儲在泵機組或電動馬達的控制電子裝置中。 然而可選地或額外地可以考慮的是，例如在泵機組或電動馬達工作時由控制 或調(diào)節(jié)電子裝置自動采集對應(yīng)于確定的運行狀態(tài)(特別是沒有故障的額定運 行狀態(tài))的模式。然后由此有利地得出泵機組或電動馬達在出售之后并且在 運行時無故障地工作。
還優(yōu)選的是，在倒譜圖的所選區(qū)段中進行對運行狀態(tài)尤其是對故障的識 別，其中所述區(qū)段優(yōu)選為預(yù)定區(qū)段。也就是說，對于識別特別是模式識別而 言，無需考慮整個倒譜圖，而僅需考慮重要的部分。為此，可以考慮預(yù)定的 部分，在確定的運行狀態(tài)尤其是故障下，確定的特征信號通常會出現(xiàn)在此預(yù) 定的部分中。為了能夠識別所述確定的運行狀態(tài)，不需分析整個倒譜圖(Cepstral-Diagramm)或倒譜譜圖(Cepstrum)。因此，可以進行局部放大。 還優(yōu)選的是，根據(jù)倒譜圖借助神經(jīng)網(wǎng)絡(luò)和/或模糊邏輯進行與振動相關(guān)的
運行狀態(tài)或故障的識別。由此可以實現(xiàn)智能分析，還可以顧及預(yù)知運行狀態(tài)
的變型并且可以適應(yīng)外部的影響因素。
還優(yōu)選的是，在倒譜分析之后、在識別運行狀態(tài)之前，以下述方式進行
倒譜圖的標(biāo)準(zhǔn)化，即使圖中的凸峰與背景干擾成比例。由此所述分析可以
適應(yīng)具有不同干擾級或不同背景干擾的不同類型的泵或電動馬達。通過使凸
峰或信號與所述背景干擾成比例，可以對不同類型的泵或馬達進行統(tǒng)一的分 析，因為此分析能夠與當(dāng)前的干擾級無關(guān)地進行。
本發(fā)明還能通過具有電動馬達的泵機組或通過電動馬達來實現(xiàn)，其中用 于根據(jù)前述方法執(zhí)行故障檢測的裝置被整合在所述泵機組或電動馬達中。
這種泵機組具有用于對其進行驅(qū)動的電動馬達。電動馬達或泵機組具有 至少一個轉(zhuǎn)軸，馬達中的轉(zhuǎn)子圍繞所述轉(zhuǎn)軸轉(zhuǎn)動或者泵機組中的至少一個葉 輪通過所述轉(zhuǎn)軸驅(qū)動。根據(jù)本發(fā)明，故障檢測系統(tǒng)被整合在泵機組或電動馬 達中。所述故障檢測系統(tǒng)可以包括自己的電子裝置或單獨的電子元件，但是 也可以被整合到為控制或調(diào)節(jié)泵機組或電動馬達而設(shè)置的電子組件(特別是 微處理器)中或者使用為控制或調(diào)節(jié)泵機組或電動馬達而設(shè)置的電子組件 (特別是微處理器)。
故障檢測系統(tǒng)具有至少一個振動傳感器以及與所述振動傳感器聯(lián)接的 分析裝置，其中分析裝置優(yōu)選由一個或多個微處理器構(gòu)成。分析裝置設(shè)有處 理模塊，所述處理模塊用于從由傳感器采集的振動信號中去除軸的當(dāng)前轉(zhuǎn)速 的影響。這可以通過前述方法得以實現(xiàn)，其中使采樣率與一恒定轉(zhuǎn)速相關(guān)聯(lián)， 并且以此采樣率對振動信號進行處理或再取樣。為此，處理模塊具有能夠進 行相應(yīng)計算的所謂的計算結(jié)構(gòu)。
故障檢測系統(tǒng)還具有過濾模塊，所述過濾模塊能從由處理模塊處理的振 動信號中過濾出或提取周期信號。此外，設(shè)有識別模塊，所述識別模塊可以 根據(jù)過濾出的周期信號或信號部分識別出泵機組或電動馬達的與振動相關(guān) 的運行狀態(tài)。其中在識別模塊中根據(jù)特征周期信號執(zhí)行與在機組中出現(xiàn)的振 動相關(guān)的確定的運行狀態(tài)的自動識別。特別地，可以識別出能推斷為故障運 行(例如軸承磨損)的運行狀態(tài)。分析裝置具有優(yōu)選作為過濾模塊的倒譜分析模塊，所述倒譜分析模塊用 于對以上述方式由處理模塊處理的振動信號執(zhí)行倒譜分析或倒譜轉(zhuǎn)換。倒譜 分析模塊為對振動信號進行倒譜轉(zhuǎn)換或分析的計算單元或軟件組件。必要時 還可以如上所述在處理模塊或倒譜分析模塊之前整合有低通濾波器和/或高 通濾波器，以便清除干擾信號的影響。
分析裝置還優(yōu)選具有識別模塊，所述識別模塊根據(jù)由倒譜分析模塊產(chǎn)生 的倒譜圖識別出運行狀態(tài)或故障。識別模塊同樣可以為處理模塊的硬件組件 和/或軟件組件。其中識別模塊構(gòu)造成能夠以根據(jù)上述方法所描述的方式從倒 譜圖識別出不同的運行狀態(tài)或故障。
識別模塊優(yōu)選具有模糊邏輯和/或神經(jīng)網(wǎng)絡(luò)，從而根據(jù)倒譜圖執(zhí)行識別。 通過這種結(jié)構(gòu)可以提供人工智能，這使得可以識別對應(yīng)于單個運行狀態(tài)的不 同特征模式以及可能的與預(yù)知模式不同的某種模式。這種系統(tǒng)可以對變化的 邊界條件自動作出反應(yīng)。
分析裝置優(yōu)選具有存儲模塊，在所述存儲模塊中存儲有對應(yīng)于確定運行 狀態(tài)的周期信號(特別是倒譜圖或倒譜圖區(qū)段)的特征模式，并且所述識別 模塊根據(jù)存儲的模式從周期信號或倒譜圖識別確定的運行狀態(tài)。存儲模塊可
以為單獨的存儲組件(Speicherbaustein)，但是其也可以使用原本設(shè)置在泵 機組或電動馬達的控制裝置中的存儲組件。識別模塊將當(dāng)前的信號模式或倒 譜圖或倒譜圖區(qū)段與存儲的預(yù)知模式進行比較，并且一旦確定出與已知模式 具有一致性或相似性則識別出相應(yīng)的運行狀態(tài)。隨后可以通過輸出裝置輸出 信號，特別是故障信號。為此在電動馬達或者泵機組上例如可以設(shè)有報警信 號燈。還可以在顯示裝置中以明文方式輸出故障代碼或故障名稱。還可以考 慮的是，將故障類型傳遞至外部分析裝置(例如遠程控制裝置)，以便可以 在此進行詳細的故障分析。
一方面，可以在存儲模塊中存儲對應(yīng)于不期望的運行狀態(tài)(例如特征故 障)的模式。當(dāng)識別模塊在當(dāng)前的信號中識別出相應(yīng)的模式，則可以由此推 斷出這種不期望的運行狀態(tài)。另一方面，可選地或額外地，可以在存儲模塊 中存儲對應(yīng)于額定運行狀態(tài)(即，尤其是無故障的運行狀態(tài))的模式。然后， 在此正好相反地進行不期望的運行狀態(tài)的識別，其中根據(jù)當(dāng)前的信號模式與 存儲的預(yù)知模式存在不同(abweichen)而識別出不期望的運行狀態(tài)。這些模式可以由工廠方面存儲在存儲模塊中。但是可選地或額外地，故 障檢測系統(tǒng)可以設(shè)有用于采集待存儲的預(yù)知模式的校準(zhǔn)模塊
(Kalibrierungsmodul)。校準(zhǔn)模塊例如可以構(gòu)造成，在運轉(zhuǎn)時，尤其在該機 組(即泵機組或電動馬達)第一次運轉(zhuǎn)時，采集一種或多種與振動相關(guān)的運 行狀態(tài)并將其作為預(yù)知模式存儲在存儲模塊中。這是因為該機組在第一次運 轉(zhuǎn)時基本上是無故障工作的。此外，校準(zhǔn)模塊還可以構(gòu)造成，在該機組隨后
的運行中對模式進行存儲。因此例如可以考慮的是，可以啟動校準(zhǔn)模塊，以 在機組維修之后、在其無故障工作時，存儲預(yù)知模式。
振動傳感器優(yōu)選設(shè)置在泵機組或電動馬達的機械結(jié)構(gòu)上、在接線盒中、 在電子元件的裝置內(nèi)部和/或在用于待由泵機組輸送的流體的流體管線中。這 樣可以根據(jù)待采集的振動類型(例如在泵機組中的軸承故障或葉輪故障)設(shè) 定對于一個或多個振動傳感器的其他有利的安裝位置，從而可以特別好地釆 集相應(yīng)的振動。振動會特別好地通過機械結(jié)構(gòu)傳遞并且由此可以在機械結(jié)構(gòu) 處很好地被采集。振動傳感器設(shè)置在電子元件的裝置內(nèi)部或在接線盒中的優(yōu) 點在于，簡化了布線和裝配。當(dāng)振動傳感器與其他的電子元件(例如控制裝 置或變頻器) 一起設(shè)置在接線盒中時，可以省去整合在機組中的額外的傳感 器并由此省去額外的傳感器與控制組件或顯示組件在接線盒中一起布線。此 外，傳感器可以通過設(shè)置在接線盒中而受到保護?？傊?，能大幅簡化安裝， 因為在理想情況下傳感器可以連同其他電子元件一起安置在電路板上。還可 以十分有利地在由泵機組輸送的流體中采集振動，因為在此可以使用浸入在 流體中的可能總歸是需要的壓力傳感器。例如葉輪但有時是葉輪故障會將振 動傳遞到待輸送的流體上，并且在此可以通過足夠靈敏的傳感器直接在流體 中檢測。
根據(jù)本發(fā)明的另一優(yōu)選實施形式，在振動傳感器與分析裝置之間進行無 線的信號傳遞，特別優(yōu)選地通過無線電。以此方式，傳感器可以十分便利地 安置在電動馬達或泵機組中，其中優(yōu)選根據(jù)能夠最好地采集分析所需的振動 的位置來選擇如何進行布置。其中不必考慮布線。振動傳感器可以設(shè)有用于 實現(xiàn)供能的電池，但是也可以考慮，例如通過在振動傳感器自身中進行振動 能或熱能的能量轉(zhuǎn)換來制備所需的電能。
還優(yōu)選的是，分析裝置具有標(biāo)準(zhǔn)化模塊，所述標(biāo)準(zhǔn)化模塊用于將由倒譜分析模塊產(chǎn)生的倒譜圖標(biāo)準(zhǔn)化，使得在圖中的凸峰如上所述地與背景干擾成 比例。所述標(biāo)準(zhǔn)化模塊可以作為硬件組件整合在故障檢測系統(tǒng)中，或者也可 以僅僅作為軟件組件設(shè)置在故障檢測系統(tǒng)中。
應(yīng)該理解的是，故障檢測系統(tǒng)可以整體由提供上述功能的單獨的硬件組 件構(gòu)造。但是此處還可以考慮的是，故障檢測系統(tǒng)的全部或單個功能或模塊 構(gòu)造為軟件組件，所述軟件組件在具有微處理器的計算單元中執(zhí)行。為此可 以設(shè)有單獨的計算單元，但是還可以考慮的是，軟件組件整合在同時承擔(dān)電 動馬達或泵機組中其他功能(例如控制或調(diào)節(jié)電動馬達或泵機組)的計算單 元中。


以下參照附圖和所附圖表對本發(fā)明進行舉例說明。其中
圖1為根據(jù)本發(fā)明的方法的流程圖2、圖3、圖4為振動傳感器的可行設(shè)置的示意圖5為在根據(jù)本發(fā)明的方法中產(chǎn)生的倒譜圖6為對應(yīng)于圖5的倒譜圖的局部放大圖；以及
圖7為圖6的標(biāo)準(zhǔn)化區(qū)段。
具體實施例方式
下面將參照圖1描述根據(jù)本發(fā)明優(yōu)選實施例的基本方法流程。
在圖1的步驟1中，通過適當(dāng)?shù)膫鞲衅?例如加速度傳感器、光學(xué)傳感
器、麥克風(fēng)或水聽器(Hydrofon)進行振動測量或采集振動信號。所述傳感 器或振動測量的輸出信號用于步驟2和步驟3。在步驟2中進行信號準(zhǔn)備 (SignalvOTbereitung)或信號處理，其中根據(jù)整合在設(shè)備中的根據(jù)本發(fā)明的 故障識別系統(tǒng)(Fehlererkennungssystem)最小化或消除馬達軸或泵葉輪的當(dāng) 前轉(zhuǎn)速的影響。其通過以與恒定的預(yù)定轉(zhuǎn)速相關(guān)的采樣頻率進行再取樣來處 理振動信號。為此，使當(dāng)前的采樣頻率乘以當(dāng)前的轉(zhuǎn)速并除以一恒定轉(zhuǎn)速(例 如3000轉(zhuǎn)每分鐘)。以此方式形成新的采樣率，以此采樣率進行再取樣或 者改變振動信號的采樣率。以此方式可以形成在此恒定轉(zhuǎn)速下的待被接收的 振動信號，從而使隨后的分析與當(dāng)前的馬達轉(zhuǎn)速無關(guān)。為了防止混淆效應(yīng)，在執(zhí)行再取樣之前還要低通過濾振動信號。
必需的轉(zhuǎn)速信號從準(zhǔn)備步驟2被輸送至步驟3。轉(zhuǎn)速信號可以通過適當(dāng) 的測量接收器(Messaufiiehmer)直接采集(fs)，或者也可例如在步驟3中 直接由采集的振動信號確定，如在專利文獻US 7,031 ,873中所述的。
在處理振動信號之后，在步驟4中以倒譜分析或倒譜轉(zhuǎn)換的形式執(zhí)行過 濾，以從振動信號提取出周期信號或信號部分。這種倒譜分析包括傅立葉變 換，其中在頻域內(nèi)對傅立葉圖進行頻率分析。這種倒譜分析的優(yōu)點在于，馬 達或者泵機組的特征干擾約為零或者可以由此與周期信號分離。
此外，在倒譜分析中為了排除馬達結(jié)構(gòu)的影響，在進行頻域傅立葉變換 之前進行頻域高通濾波。由此產(chǎn)生的倒譜范圍基本不再包含馬達干擾的影 響。
在步驟4之后進行振動信號的真正的信號處理。隨后在步驟5中開始運 行狀態(tài)或故障的真正識別。為此在步驟5中首先進行信號的區(qū)段放大，如圖 5和圖6所示。圖5示出了例如在所述方法的步驟4中所產(chǎn)生的倒譜圖或倒 譜譜圖(Cepstrum)。在此可清楚地識別出，在左側(cè)區(qū)域存在表示特征信號 的多個較強的凸峰。隨后的分析僅關(guān)注出現(xiàn)所述特征信號的區(qū)域，因此首先 將該區(qū)域作為考慮區(qū)段，如其在圖6中所示。此區(qū)段可以基于倒譜譜圖中出 現(xiàn)凸峰的位置來確定，或者可以視為預(yù)期的已知特征信號(特別是故障信號) 所在的預(yù)定區(qū)段。隨后在步驟6中進行在圖6中所選區(qū)段的倒譜或信號的標(biāo) 準(zhǔn)化。這種標(biāo)準(zhǔn)化用于排除不同馬達尺寸或機組尺寸的影響。產(chǎn)生的凸峰因 機組的尺寸和功率的不同而相互不同。所述凸峰通過標(biāo)準(zhǔn)化而與出現(xiàn)的背景 干擾成比例，所述比例同樣因機組功率的不同而不同。通過使曲線或凸峰與 背景干擾成比例，所進行的分析就能與馬達或機組的當(dāng)前尺寸無關(guān)，由此對 于不同尺寸的機組可以使用同一個故障識別系統(tǒng)。
這在圖7中示出。其中背景干擾的平均值以線10示出。所述值與凸峰 或待研究的信號有關(guān)。隨后在步驟7中借助神經(jīng)元網(wǎng)絡(luò)或模糊邏輯進行運行 狀態(tài)或故障的真正的識別，在此進行模式識別。運行狀態(tài)則以倒譜圖中的單 個凸峰的分布來確定。也就是說，此處與凸峰的絕對值無關(guān)，而是僅與凸峰 在何時或何處以何種時間重復(fù)頻率出現(xiàn)的情況有關(guān)。所述模式可以與代表確 定運行狀態(tài)的預(yù)存模式進行比較，從而識別出例如軸承磨損或葉輪磨損等故障。如果識別出故障，則隨后在步驟8中以適當(dāng)?shù)姆绞捷敵?。為此可以將?br> 障信號傳遞至其他的控制部件或操作部件或者以可聞或可視的方式用信號傳遞故障。
圖2示出了可能的示例，例如振動傳感器20或22可以設(shè)置在電動馬達上。傳感器20安置在設(shè)置于馬達殼體26上的端子箱(Anschlusskasten)或接線盒(Klemmenkasten) 24中。這種布置十分有利，因為一方面可在接線盒中保護傳感器，另一方面可以十分方便地與其他的電子元件一起設(shè)置。此外，還可以縮短布線路徑的長度。傳感器22直接設(shè)置在電動馬達23的機械結(jié)構(gòu)上，此處為設(shè)置在馬達殼體26上。傳感器22優(yōu)選與馬達軸的軸承盡可能近地設(shè)置，從而在此處可以特別好地采集在軸承中產(chǎn)生的振動或干擾。
圖3和圖4示出了振動傳感器的布置的其他示例。其中，對應(yīng)于傳感器22的傳感器28可以直接設(shè)置在泵殼體30上，從而可以在此處采集振動。如圖4所示，相應(yīng)地，傳感器32還可以整合在泵殼體30中。此外例如還可以將振動傳感器34設(shè)置在泵機組的連接套管之外?？蛇x地，還可以將傳感器36設(shè)置在連接套管之內(nèi)，即設(shè)置在流體中并且間接通過待輸送的流體來采集振動。附圖標(biāo)記列表
1振動信號采集模塊(振動傳感器)2處理模塊
3用于采集轉(zhuǎn)速的模塊
4倒譜分析模塊/過濾模塊
5放大模塊或用于從倒譜圖中構(gòu)建區(qū)段的模塊
6標(biāo)準(zhǔn)化模塊
7識別模塊
8輸出模塊
20, 22振動傳感器
24接線盒
23電動馬達
26馬達殼體
28振動傳感器
30泵殼體
32, 34, 36振動傳感器
權(quán)利要求
1.一種用于檢測具有電動馬達(23)的泵機組中或電動馬達(23)中的故障的方法，該電動馬達具有至少一個轉(zhuǎn)軸，其特征在于采集振動信號；對所采集的振動信號進行處理，消除所述軸的當(dāng)前轉(zhuǎn)速對振動信號的影響；從處理過的振動信號中過濾出周期信號，并根據(jù)所述周期信號識別與振動相關(guān)的運行狀態(tài)，尤其是識別可能存在的故障。
2. 如權(quán)利要求1所述的方法，其特征在于，對處理過的振動信號進行 倒譜分析，并且根據(jù)由該倒譜分析產(chǎn)生的倒譜圖來識別與振動相關(guān)的運行狀 態(tài)且尤其識別可能存在的故障。
3. 如權(quán)利要求1或2所述的方法，其特征在于，執(zhí)行模式識別，以便 由所述倒譜圖識別運行狀態(tài)，在識別時尤其要考慮凸峰在所述倒譜圖中出現(xiàn) 的位置。
4. 如前述權(quán)利要求中任一項所述的方法，其特征在于，根據(jù)預(yù)知模式 在所述倒譜圖中識別運行狀態(tài)。
5. 如前述權(quán)利要求中任一項所述的方法，其特征在于，在所述倒譜圖 的所選區(qū)段中進行運行狀態(tài)的識別，其中所選區(qū)段優(yōu)選為預(yù)先確定的區(qū)段。
6. 如前述權(quán)利要求中任一項所述的方法，其特征在于，根據(jù)所述倒譜 圖借助神經(jīng)網(wǎng)絡(luò)和/或模糊邏輯進行運行狀態(tài)的識別。
7. 如前述權(quán)利要求中任一項所述的方法，其特征在于，在倒譜分析之 后并且在識別運行狀態(tài)之前，對所述倒譜圖進行標(biāo)準(zhǔn)化處理，使得在所述倒 譜圖中的凸峰與背景干擾成比例。
8. —種具有電動馬達(23)的泵機組或電動馬達(23)，該電動馬達 具有至少一個轉(zhuǎn)軸，其特征在于包括故障檢測系統(tǒng)，該故障檢測系統(tǒng)具有 至少一個振動傳感器(20， 22)以及與所述振動傳感器(20， 22)聯(lián)接的分 析裝置，其中所述分析裝置設(shè)有處理模塊(2)，所述處理模塊用于從由所 述振動傳感器(20， 22)采集的振動信號中消除所述軸的當(dāng)前轉(zhuǎn)速的影響； 過濾模塊(4)，所述過濾模塊用于從由所述處理模塊處理過的振動信號中過濾出周期信號；以及識別模塊(7)，所述識別模塊用于根據(jù)上述周期信 號識別與振動相關(guān)的運行狀態(tài)。
9. 如權(quán)利要求8所述的泵機組，其特征在于，所述過濾模塊為倒譜分 析模塊(4)，所述倒譜分析模塊用于對由所述處理模塊(2)處理過的振動 信號執(zhí)行倒譜分析，并且所述識別模塊(7)用于根據(jù)由所述倒譜分析模塊 產(chǎn)生的倒譜圖來識別運行狀態(tài)。
10. 如權(quán)利要求8或9所述的具有電動馬達的泵機組或電動馬達，其特 征在于，所述識別模塊(7)具有模糊邏輯和/或神經(jīng)網(wǎng)絡(luò)。
11. 如前述權(quán)利要求8至10中任一項所述的具有電動馬達的泵機組或 電動馬達，其特征在于，所述分析裝置具有存儲模塊，在所述存儲模塊中存 儲有對應(yīng)于確定運行狀態(tài)的倒譜圖的特征模式，并且所述識別模塊(7)用 于根據(jù)已存儲的模式以倒譜圖來識別運行狀態(tài)。
12. 如前述權(quán)利要求8至11中任一項所述的具有電動馬達的泵機組或 電動馬達，其特征在于，所述振動傳感器(20， 22)設(shè)置在所述泵機組或電 動馬達(23)的機械結(jié)構(gòu)(26)上、在接線盒(24)中、在電子元件的裝置 內(nèi)部和/或在用于待由所述泵機組輸送的流體的流體管線中。
13. 如前述權(quán)利要求8至12中任一項所述的具有電動馬達的泵機組或 電動馬達，其特征在于，在所述振動傳感器(20， 22)與分析裝置之間進行 無線信號傳遞。
14. 如前述權(quán)利要求8至13中任一項所述的具有電動馬達的泵機組或 電動馬達，其特征在于，所述分析裝置具有標(biāo)準(zhǔn)化模塊(6)，所述標(biāo)準(zhǔn)化 模塊用于對由所述倒譜分析模塊(4)產(chǎn)生的倒譜圖進行標(biāo)準(zhǔn)化處理，以使 所述倒譜圖中的凸峰與背景干擾成比例。
全文摘要
本發(fā)明涉及一種用于檢測具有電動馬達的泵機組中或電動馬達中的故障的方法，該電動馬達具有至少一個轉(zhuǎn)軸，其特征在于，采集振動信號(1)；對所采集的振動信號進行處理(2)，以消除所述軸的當(dāng)前轉(zhuǎn)速的影響(3)；從處理過的振動信號中過濾出周期信號(4)，并且根據(jù)所述周期信號識別與振動相關(guān)的運行狀態(tài)并且尤其識別可能的故障(5，7)，本發(fā)明還涉及一種使用上述方法的具有電動馬達的泵機組或電動馬達。
文檔編號F04D15/00GK101636589SQ200880008952
公開日2010年1月27日 申請日期2008年2月23日 優(yōu)先權(quán)日2007年3月23日
發(fā)明者哈康·博斯廷, 弗萊明·蒙克 申請人:格倫德福斯管理聯(lián)合股份公司