專利名稱：具備狀態(tài)判斷功能的信號(hào)收集裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明是有關(guān)狀態(tài)判斷法和信號(hào)收集裝置，它非常適用于長(zhǎng)期監(jiān)測(cè)對(duì)象物的狀態(tài)和采集反映狀態(tài)的數(shù)據(jù)與信號(hào)。例如在進(jìn)行設(shè)備診斷、醫(yī)療診斷和地震監(jiān)視等時(shí)，為了長(zhǎng)時(shí)間監(jiān)視對(duì)象物的狀態(tài)和收集信號(hào)，如判斷出沒有異常和狀態(tài)變化，則只收集反映其狀態(tài)的特征參數(shù)，而判斷出發(fā)生了異常和狀態(tài)變化時(shí)，就同時(shí)記錄表示其異常和狀態(tài)變化的特征參數(shù)和原始信號(hào)，并且可以利用這些特征參數(shù)和原始信號(hào)進(jìn)行狀態(tài)變化的趨勢(shì)管理、狀態(tài)預(yù)測(cè)以及查明狀態(tài)變化原因。
二.現(xiàn)有技術(shù)現(xiàn)在的信號(hào)采集方法主要有1)直接連續(xù)地收集原始信號(hào)。
2)預(yù)先設(shè)定時(shí)間間隔，進(jìn)行收集。
3)將信號(hào)的峰值和輸入電平作為觸發(fā)，決定是否收集信號(hào)。
但是，為了進(jìn)行狀態(tài)監(jiān)視，收集信號(hào)時(shí)，想要盡可能地收集反映測(cè)定對(duì)象的狀態(tài)變化的信號(hào)，這是一般的做法。例如，收集設(shè)備狀態(tài)的信號(hào)時(shí)，特別是長(zhǎng)期收集時(shí)序的原始信號(hào)需要大容量的收集媒體，所以在目前的記錄媒體的技術(shù)中，進(jìn)行長(zhǎng)期收集原始信號(hào)是困難的。如果設(shè)備是正常狀態(tài)，或者沒有狀態(tài)變化，收集一次原始信號(hào)后，只記錄反映狀態(tài)趨勢(shì)的特征參數(shù)就可以。如果收集超出需要的相同狀態(tài)的原始信號(hào)，就會(huì)浪費(fèi)收集媒體，還會(huì)縮短可以收集信號(hào)的時(shí)間。
另外，當(dāng)狀態(tài)變化時(shí)，為了進(jìn)行其原因的分析和查明原因，需要不錯(cuò)過記錄狀態(tài)變化時(shí)的原始信號(hào)。象這樣開發(fā)出一種既不浪費(fèi)收集媒體，而且又能在適當(dāng)?shù)臅r(shí)候收集反映狀態(tài)的特征參數(shù)和原始信號(hào)的信號(hào)收集裝置，是很有意義的。
直接收集對(duì)象物的原始信號(hào)時(shí)，不僅長(zhǎng)時(shí)間收集困難，而且捕捉狀態(tài)變化也很困難。
預(yù)先設(shè)定時(shí)間間隔，進(jìn)行收集時(shí)，在收集信號(hào)期間，不一定發(fā)生狀態(tài)變化，在不收集期間，有可能發(fā)生狀態(tài)變化。也就是說，不能保證能收集到想要收集的信號(hào)，避免不了收集一些沒有用的信號(hào)。
當(dāng)峰值和信號(hào)電平超過了預(yù)先設(shè)定的閾值時(shí)，收集信號(hào)時(shí)，要進(jìn)行閾值的決定則很困難。也就是說，信號(hào)的峰值和信號(hào)電平不一定反映狀態(tài)變化。
由于事先大都不知道用于狀態(tài)判斷的特征參數(shù)是按哪一種概率密度分布的，所以假設(shè)其特征參數(shù)是按照正態(tài)概率密度分布，根據(jù)統(tǒng)計(jì)理論進(jìn)行狀態(tài)判斷時(shí)，就不能保證判斷結(jié)果的精確度。
三.要解決的課題在本發(fā)明中，為了解決上述的問題點(diǎn)，對(duì)于用傳感器測(cè)定的信號(hào)，首先計(jì)算高、中、低頻率區(qū)域的特征參數(shù)，將特征參數(shù)變換成服從正態(tài)概率密度分布的“正態(tài)特征參數(shù)”，通過概率檢驗(yàn)、置信區(qū)間和可能性理論決定正態(tài)特征參數(shù)的狀態(tài)判斷基準(zhǔn)，再通過綜合有量綱和無量綱特征參數(shù)的判斷結(jié)果，進(jìn)行狀態(tài)判斷，根據(jù)狀態(tài)變化的程度決定只收集特征參數(shù)或者同時(shí)收集特征參數(shù)和所需要的時(shí)間長(zhǎng)的原始信號(hào)。只收集特征參數(shù)時(shí)，所需要的收集媒體的容量比連續(xù)收集原始信號(hào)時(shí)遠(yuǎn)為少，可以進(jìn)行長(zhǎng)時(shí)間的收集和狀態(tài)監(jiān)視。
再者，可以使用記錄的原始信號(hào)、特征參數(shù)和正態(tài)特征參數(shù)，進(jìn)行狀態(tài)變化的趨勢(shì)管理、狀態(tài)預(yù)測(cè)以及分析狀態(tài)變化的原因。另外，根據(jù)需要顯示狀態(tài)，并在危險(xiǎn)狀態(tài)時(shí)發(fā)出報(bào)警。
四.實(shí)施的形態(tài)1.狀態(tài)判斷用的特征參數(shù)可以在信號(hào)收集裝置中使用的特征參數(shù)，有時(shí)間域的特征參數(shù)、頻率區(qū)域的參數(shù)((1)(1)Peng CHEN，Masami NASU，Toshio TOYOTASelf-reorganization of symptom parameters in frequency domain for failure diagnosis bygenetic algorithms，Journal of Intelligent & Fuzzy System，IOS Press，Vol.6 No 1.1，pp.27-37，1998.)和時(shí)間—頻率區(qū)域的特征參數(shù)((2)Peng CHEN，Toshio TOYOTA，Masatoshi TANIGUTI，F(xiàn)eng FANG，and Tomoya NIHOFailure Diagnosis Methodfor Machinery in Unsteady Operating Condition by Instantaneous Power Spectrum andGenetic Algorithms，Proc.of Fourth International Conference on Knowledge-BasedIntelligent Engineering System & Allied Technologies(KES2000)，pp.640-643，2000.)，但這里以時(shí)間域的特征參數(shù)為例加以說明。
1)無量綱特征參數(shù)使用濾波器，從測(cè)定的時(shí)序信號(hào)中抽取低、中、高頻率區(qū)域的信號(hào)。用下列公式對(duì)抽取的信號(hào)x(t)進(jìn)行歸一化。
xi=xi′-x‾S---(0)]]>
式中，x’i是A/D變換后的x(t)的離散值，x和S分別是x’i的平均值和標(biāo)準(zhǔn)偏差。
原來使用的特征參數(shù)在(1)～(10)中表示((3)Peng CHEN，Toshio TOYOTA，Yueton LIN，F(xiàn)eiyue WANGFAILURE DIAGNOSIS OF MACHINERY BY SELF-REORGANIZATION OF SYMPTOM PARAMETERS IN TIME DOMAIN USINGGENETIC ALGORITHMS，Intemational Joumal of Intelligent Control and System，Vol.3，No.4，pp.571-585，1999.)。
p1=σ/x‾abs;]]>(變動(dòng)率)(1)式中xabs‾=Σi=1N|xi|/N;]]>(絕對(duì)平均值，N為數(shù)據(jù)的總數(shù))σ=Σi=1N(xi-x-)2N-1;]]>(標(biāo)準(zhǔn)偏差)p2=Σi=1N(xi-x‾)3(N-1)σ3;]]>(歪度) (2)p3=Σi=1N(xi-x‾)4(N-1)σ4;]]>(峭度) (3)p4=x‾p/x‾abs---(4)]]>式中，xp為波形的極大值(峰值)的平均值。
p5=|xmax‾|/x‾p]]>
(5)式中， 為10個(gè)波形的最大值的平均值。p6＝xp/σp(6)式中，σp為極大值的標(biāo)準(zhǔn)偏差值。
P7=xL‾/σL---(7)]]>式中，xL和σL分別為極小值(谷值)的平均值和標(biāo)準(zhǔn)偏差值。
p8=Σi=1N|xi|Nσ---(8)]]>p9=Σi=1Nxi2Nσ2---(9)]]>p10=Σi=1Nlog|xi|Nlogσ;(xi≠0)---(10)]]>公式(1)～.(10)是常用的特征參數(shù)，但為了在數(shù)值計(jì)算中易于高速計(jì)算，這里重新提出“區(qū)間特征參數(shù)”，如公式(11)～(16)所示。
pk1=Σi=1Nk1xiNk1---(11)]]>σk1=Σi=1Nk1(xi-pk1)2Nk1---(12)]]>其中，xikσ、k可以任意設(shè)定，例如，k＝0.5、1、2。
ph1=Σi=1Nh1|xi|Nh1---(13)]]>σh1=Σi=1Nh1(|xi|-ph1)2Nh1---(14)]]>其中，xihσ、h可以任意設(shè)定，例如，k＝0.5、1、2。
pk2=Σi=1Nk1(xi-pk1)′σk1′Nk1---(15)]]>其中，xi＞kσ、k和pk1與公式(11)相同。t可以任意設(shè)定，例如t＝2、3、4。
ph2=Σi=1Nh1(|xi|-ph1)′σh1′Nh1---(16)]]>其中，xi＜-hσ、h和ph1與公式(13)相同。t可以任意設(shè)定，例如t＝2、3、4。
2)有量綱特征參數(shù)計(jì)算有量綱特征參數(shù)時(shí)，對(duì)于測(cè)定的信號(hào)，如公式(0)那樣，沒有進(jìn)行歸一化。
pd1=Σi=1N|xi|N-1]]>(信號(hào)的絕對(duì)平均值)(17)pd2=Σi=1Nxi2N-1]]>(信號(hào)的有效值)(18)pd3=Σi=1Np|xi|pNp]]>(信號(hào)的絕對(duì)值的峰值平均值)(19)
式中，|xi|P是信號(hào)的絕對(duì)值的峰值平均值(極大值)、Np是峰值的總數(shù)。
pd4=Σi=1Np|xi|p2Np]]>(信號(hào)的絕對(duì)值的峰值有效值)(20)另外，除了上述的特征參數(shù)以外，還可以定義許多的特征參數(shù)，但應(yīng)用本方法時(shí)，首先要用上述的特征參數(shù)試一下，如果識(shí)別狀態(tài)的效果不好，也可以追加定義其它的特征參數(shù)。
2.將特征參數(shù)變換成正態(tài)概率變量用p*i表示收集的原始特征參數(shù)。使用p*i，根據(jù)統(tǒng)計(jì)理論進(jìn)行狀態(tài)判斷和狀態(tài)預(yù)測(cè)時(shí)，需要事先知道p*i是否服從正態(tài)分布以及其概率密度函數(shù)。但是由于測(cè)定的對(duì)象不能事先特定，所以多數(shù)情況事先不知道p*i是服從哪一種概率分布。
因此，在本發(fā)明中，對(duì)于收集的特征參數(shù)p*i，使用下列的方法，將p*i變換成正態(tài)分布的概率變量pi。
(1)基于基準(zhǔn)時(shí)間的方法決定測(cè)定對(duì)象的基準(zhǔn)時(shí)間，例如，決定第1次測(cè)定的時(shí)間，求出此時(shí)的特征參數(shù)p*io的概率密度函數(shù)f(p*io)和累計(jì)概率分布函數(shù)F(p*io)。設(shè)標(biāo)準(zhǔn)正態(tài)分布的概率密度分布為(xi)，設(shè)標(biāo)準(zhǔn)正態(tài)分布的累計(jì)概率分布函數(shù)為Φ(xi)。另外，為離散數(shù)據(jù)的p*io的概率密度函數(shù)也可以稱為“頻度分布函數(shù)”和“直方圖”，但以下記載為“概率密度分布函數(shù)”。
1)基于正態(tài)分布變換的平均值和標(biāo)準(zhǔn)偏差的方法經(jīng)過正態(tài)分布變換的平均值μio可用下列公式求出。
μi0=pi0*-σi0×Φ-1(F(pi0*))---(21)]]>式中，-1表示的反函數(shù)，σio是經(jīng)過正態(tài)分布變換的標(biāo)準(zhǔn)偏差，可用下列公式求出。
σi0=1f(p*i0)φ(Φ-1(F(pi0*)))---(22)]]>如果將在基準(zhǔn)時(shí)間以外的時(shí)間求出的特征參數(shù)P*ik代入公式(21)，就可求出μiok。使用μiok，進(jìn)行狀態(tài)判斷和狀態(tài)預(yù)測(cè)。
2)直接變量變換法用下列公式將在基準(zhǔn)時(shí)間以外的時(shí)間求出的特征參數(shù)p*ik變換成正態(tài)分布的概率變量。
xik=Φ-1(F(pik*))---(23)]]>使用xik，進(jìn)行狀態(tài)判斷和狀態(tài)預(yù)測(cè)。
(2)不按基準(zhǔn)時(shí)間的方法求出從在任意的時(shí)間上測(cè)定的數(shù)據(jù)中求出的特征參數(shù)p*ik的概率密度函數(shù)fk(p*ik)和累計(jì)概率分布函數(shù)Fk(p*ik)。
1)直接將特征參數(shù)p*ik變換成正態(tài)分布的概率變量μik的方法變換成正態(tài)分布的平均值μik可用下列公式求出。
μik=pik*-σik×Φ-1(Fk(pik*))---(24)]]>式中，σik可用下列公式求出。
σik=1fk(p*ik)φ(Φ-1(Fk(pik*)))---(25)]]>使用μik，進(jìn)行狀態(tài)判斷和狀態(tài)預(yù)測(cè)。
2)使用特征參數(shù)pik的概率密度函數(shù)，間接地變換成正態(tài)分布的概率變量μikj的方法將特征參數(shù)p*ik的最小值和最大值分別設(shè)為(p*ik)min和(p*ik)max。將從(p*ik)min到(p*ik)max按等間隔取的N個(gè)新的變量X*ik的數(shù)值設(shè)為Xikj。其中，j＝1～N。若將X*ik代入公式(24)，就可以得到與變量X*ik對(duì)應(yīng)的N個(gè)的μikj。
使用μikj，進(jìn)行狀態(tài)判斷和狀態(tài)預(yù)測(cè)。
在公式(21)、(23)和(24)中將特征參數(shù)P*i變換成正態(tài)概率變量的μiok、Xik、μik和μikj稱為“正態(tài)特征參數(shù)”，統(tǒng)一用Pi表示。
3.根據(jù)統(tǒng)計(jì)理論和可能性理論，判斷狀態(tài)變化的方法這里說明使用正態(tài)特征參數(shù)Pi，根據(jù)統(tǒng)計(jì)檢驗(yàn)理論和可能性理論，判斷狀態(tài)變化程度的方法。
(1)根據(jù)統(tǒng)計(jì)理論進(jìn)行判斷1)正態(tài)特征參數(shù)的平均值的檢驗(yàn)將在狀態(tài)k和狀態(tài)y中求出的正態(tài)特征參數(shù)Pi的數(shù)值分別設(shè)為Pik和Piy。
式中，表示為i＝1～M(M為使用的正態(tài)特征參數(shù)的總數(shù))。
如果將Pik與Piy的平均值分別設(shè)為Pik和Piy，將Pik與Piy的標(biāo)準(zhǔn)偏差分別設(shè)為Si和Siy平均值和標(biāo)準(zhǔn)偏差就使用下列公式計(jì)算。
P‾=Σj=1JpjJ---(26)]]>S2=Σj=1J(pj-p‾)2J-1---(27)]]>檢驗(yàn)Pik和Piy是否相等要按下列所示進(jìn)行。((4)K.A.Brownlee.StatisticalTheory and Methodology in Science and Engineering，Second Edition，The UniversityChicago，1965)|p‾ik-p‾iy|>SiyJtα/2(J-1)---(28)]]>如果上述公式成立，就用有效水平α判斷“Pik和Piy不相等”。
式中，tα/2(J-1)是自由度J-1的F分布的概率密度函數(shù)對(duì)于下側(cè)概率α/2的百分點(diǎn)。
2)正態(tài)特征參數(shù)離散的檢驗(yàn)檢驗(yàn)Sik和Siy是否相同要按下列所示進(jìn)行。((5)K.A.Brownlee.StatisticalTheory and Methodology in Science and Engineering，Second Edition，The UniversityChicago，1965)Sik2Siy2>Fα/2(J-1,J-1)orSiy2Sik2>Fα/2(J-1,J-1)---(29)]]>如果上述公式成立，就用有效水平α判斷“Sik和Siy不相等”。
式中，F(xiàn)α/2(J-1，J-1)是自由度J-1的F分布的概率密度函數(shù)對(duì)于下側(cè)概率α/2的百分點(diǎn)。
改變了有效水平α?xí)r，通過確認(rèn)是否滿足公式(28)或公式(29)，決定狀態(tài)y對(duì)于狀態(tài)k的狀態(tài)變化的程度。根據(jù)有效水平α決定狀態(tài)變化的程度的示例見表1所示。另外，在進(jìn)行設(shè)備診斷時(shí)，假設(shè)狀態(tài)k為正常狀態(tài)，狀態(tài)y是處于正常狀態(tài)、注意狀態(tài)還是危險(xiǎn)狀態(tài)的判斷，可按表1所示，設(shè)定“正?！?α1)、“注意”(α2)、和“危險(xiǎn)”(α3)，并進(jìn)行檢驗(yàn)。
表1 按有效水平的狀態(tài)變化程度的判斷例

另外，表1的數(shù)字表示在α變成該值時(shí)，公式(28)或公式(29)才成立。
3)根據(jù)置信區(qū)間進(jìn)行判斷將在基準(zhǔn)時(shí)間測(cè)定的數(shù)據(jù)中求出的正態(tài)特征參數(shù)的平均值設(shè)為Pio，從其它時(shí)間測(cè)定的數(shù)據(jù)中求出的正態(tài)特征參數(shù)的平均值設(shè)為Pik時(shí)，Pio的置信區(qū)間可用下列公式給出。
pi0‾±tσ/2(J-1)Si0/J---(30)]]>式中，tα/2(J-1)是自由度J-1的t分布的概率密度函數(shù)對(duì)于下側(cè)概率α/2的百分點(diǎn)。Sio是從數(shù)據(jù)中求出的Pio的標(biāo)準(zhǔn)偏差。
如果Pik位于公式(30)示出的區(qū)間內(nèi)，可以說在α的概率中沒有Pio的差。
的99％置信區(qū)間為10＜J＜50時(shí)，可近似表示如下。
pi0‾±3Si0/J---(31)]]>因此，如果Pik超過公式(31)的范圍，可以說在99％的概率中與Pio不同。
而且，用測(cè)定的數(shù)據(jù)求出的Pik的置信區(qū)間可用下列公式求出。
pik‾±3Sik/J---(32)]]>式中，Sik是從數(shù)據(jù)中求出的Pik的標(biāo)準(zhǔn)偏差。
若將表1的α代入公式(30)，就可以得到以下的置信區(qū)間。
pi0‾±t0.2(J-1)Si0/J]]>(沒有狀態(tài)變化的區(qū)間)(正常) (33)pi0‾±t0.05(J-1)Si0/J]]>(狀態(tài)變化為中等的區(qū)間)(注意) (34)pi0‾±t0.025(J-1)Si0/J]]>(狀態(tài)變化大的區(qū)間)(危險(xiǎn)) (35)根據(jù)Pik是否位于這些區(qū)間內(nèi)的情況來進(jìn)行狀態(tài)的判斷。
(2)按可能性理論的判斷
1)可能性分布函數(shù)的編成用狀態(tài)k中的實(shí)測(cè)信號(hào)計(jì)算出正態(tài)特征參數(shù)Pi的值之后，用公式(36)從Pi的概率密度函數(shù)fk(Pi)中求出可能性分布函數(shù)Pk(Pi)。
如果根據(jù)可能性理論((6)L.DavisHANDBOOK OF GENETICALGORITHMS，Van Nostrand Reinhold，A Division of Wadsworth，Inc(1990))，無論P(yáng)i按哪一種概率分布，都可以求出其可能性分布函數(shù)。例如，Pi按照正態(tài)分布時(shí)，N段的可能性分布函數(shù)Pk(Pi)就按下列所示求出。
Pk(pix)=Σy=1Ymin{λx,λy}---(36)]]>式中，λx=∫pix-1pix1Si2πexp{(p-pi‾)22Si2}dp]]>λy=∫piy-1pij1Si2πexp{-(p-pi‾)22Si2}dp]]>在上述公式中，Pix＝min{Pi}+x×(max{Pi})/N、x＝1～N，Si是Pi的標(biāo)準(zhǔn)偏差，Pi是Pi的平均值。
2)可能性的求出方法如

圖1所示，將在狀態(tài)k和狀態(tài)y中求出的正態(tài)特征參數(shù)Pi的可能性分布函數(shù)設(shè)為Pk(Pi)和Py(Pi)，將在狀態(tài)y中求出的正態(tài)特征參數(shù)的數(shù)值設(shè)為Pi時(shí)，“狀態(tài)y與狀態(tài)k相同”的可能性w可按下列所示求出。
a)根據(jù)Pi的平均值Pi mean與Pk(Pi)的匹配，進(jìn)行w的決定，b)根據(jù)Py(Pi)與Pk(Pi)的匹配，進(jìn)行w的決定。
另外，求出Py(Pi)與Pk(Pi)的匹配的w的公式如下所示。
w=Σx=-∞+∞Pk(pix)·Py(pix)---(37)]]>3)狀態(tài)變化的判斷在得到在狀態(tài)k中求出的正態(tài)特征參數(shù)Pi的可能性分布函數(shù)Pk(Pi)之后，左右兩側(cè)的“狀態(tài)變化小”的可能性分布函數(shù)(Pc1(Pi)和Pc2(Pi))、和“狀態(tài)變化大”的可能性分布函數(shù)(Pd1(Pi)和Pd2(Pi))要按圖2所示決定。
邊界值的pi+iSi，pi±jSi中的i，j要根據(jù)用戶輸入決定，但作為標(biāo)準(zhǔn)值，i＝3，j＝6。
在進(jìn)行設(shè)備診斷時(shí)，要將正常狀態(tài)的可能性分布函數(shù)設(shè)為Pk(Pi)、將注意狀態(tài)的可能性分布函數(shù)設(shè)為(Pc1(Pi)和Pc2(Pi)、將危險(xiǎn)狀態(tài)的可能性分布函數(shù)設(shè)為Pd1(Pi)和Pd2(Pi)。在實(shí)際的識(shí)別時(shí)得到的“正常”、“注意”、“危險(xiǎn)”的可能性如圖3所示。另外，在判斷為“危險(xiǎn)”時(shí)，也有可能發(fā)出報(bào)警。
(3)將數(shù)個(gè)特征參數(shù)綜合成一個(gè)的狀態(tài)判斷法也可以將數(shù)個(gè)特征參數(shù)綜合成一個(gè)特征參數(shù)，進(jìn)行判斷狀態(tài)。綜合的方法，例如有用遺傳算法進(jìn)行的狀態(tài)的判斷法((7)國(guó)際專利申請(qǐng)No.PCT/JP00/03006、申請(qǐng)?zhí)?000-618695)、神經(jīng)網(wǎng)絡(luò)和主成分分析法((8)大津，栗田，關(guān)田著圖形識(shí)別，朝倉書店(1996))、(9)甘利著神經(jīng)回路網(wǎng)的數(shù)理，產(chǎn)業(yè)圖書(1978)、(10)K.FukunagaIntroduction to StatisticalPattern Recognition，Academic Press(1972)、(11)豐田利夫有關(guān)最新設(shè)備診斷技術(shù)的實(shí)用化的研究報(bào)告書、社團(tuán)法人日本設(shè)備維護(hù)協(xié)會(huì)、(1999))等。
(4)通過綜合有量綱特征參數(shù)與無量綱特征參數(shù)的判斷基準(zhǔn)進(jìn)行狀態(tài)變化的判斷有量綱特征參數(shù)表示信號(hào)波形的大小。無量綱特征參數(shù)表示信號(hào)波形的形狀特征。例如，在進(jìn)行設(shè)備診斷時(shí)，即使在正常狀態(tài)下，隨著轉(zhuǎn)速的變化和負(fù)載的變化，有量綱特征參數(shù)也發(fā)生變動(dòng)。綜合有量綱特征參數(shù)和無量綱特征參數(shù)，進(jìn)行狀態(tài)變化的判斷更為有效。
1)有量綱特征參數(shù)的判斷基準(zhǔn)進(jìn)行旋轉(zhuǎn)機(jī)械設(shè)備的診斷時(shí)，在低、中、高頻率區(qū)域中，無量綱特征參數(shù)的判斷基準(zhǔn)見圖4、5、6所示。
圖中的k作為缺省值，設(shè)定為1，但要使得可以調(diào)節(jié)。例如，想要以0.2為一檔提高靈敏度時(shí)，將k每次下降0.2，反之想要下降靈敏度時(shí)，則將k每次提高0.2。
另外，低頻率區(qū)域的測(cè)定信號(hào)采用振動(dòng)速度，中、高區(qū)域的測(cè)定信號(hào)采用加速度。還有，圖4、5、6表示旋轉(zhuǎn)機(jī)械設(shè)備的判斷基準(zhǔn)，但其它的測(cè)定對(duì)象的判斷基準(zhǔn)，如圖4、5、6所示，需要預(yù)先設(shè)定好。
2)無量綱特征參數(shù)的判斷基準(zhǔn)在進(jìn)行設(shè)備診斷時(shí)，如表1所示，無量綱特征參數(shù)的判斷基準(zhǔn)要通過統(tǒng)計(jì)檢驗(yàn)、或者按照公式(33)、(34)、(35)示出的置信區(qū)間、或者按照?qǐng)D2所示的可能性分布函數(shù)來決定。
3)有量綱特征參數(shù)與無量綱特征參數(shù)的判斷基準(zhǔn)的綜合圖7表示有量綱特征參數(shù)與無量綱特征參數(shù)的判斷基準(zhǔn)的綜合。現(xiàn)對(duì)此圖，做如下說明。
(a)用數(shù)個(gè)無量綱特征參數(shù)進(jìn)行狀態(tài)判斷時(shí)，判斷了“狀態(tài)變化大”的特征參數(shù)的判斷結(jié)果優(yōu)先。例如，用P1～P3進(jìn)行設(shè)備診斷時(shí)，在低、中、高頻率區(qū)域中，可以獲得以下的檢驗(yàn)結(jié)果。
用p1進(jìn)行的判斷結(jié)果“正?！薄ⅰ白⒁狻?、“正?！庇胮2進(jìn)行的判斷結(jié)果“注意”、“危險(xiǎn)”、“正?！庇胮3進(jìn)行的判斷結(jié)果“正常”、“正?！?、“正?！痹谥蓄l率區(qū)域中，由于p2的判斷結(jié)果是“危險(xiǎn)”，所以最終判斷結(jié)果為“危險(xiǎn)”。
(b)用數(shù)個(gè)有量綱特征參數(shù)進(jìn)行狀態(tài)判斷時(shí)，最終判斷結(jié)果與上述的(a)一樣決定。
(c)將上述的(3)中敘述的數(shù)個(gè)特征參數(shù)綜合成一個(gè)時(shí)，用統(tǒng)一的一個(gè)特征參數(shù)進(jìn)行的判斷基準(zhǔn)要按照各個(gè)綜合法來決定。例如，綜合了用主成分分析法進(jìn)行的特征參數(shù)時(shí)，就可以用x2檢驗(yàn)法進(jìn)行狀態(tài)判斷。((12)豐田利夫有關(guān)最新設(shè)備診斷技術(shù)的實(shí)用化的研究報(bào)告書、社團(tuán)法人日本設(shè)備維護(hù)協(xié)會(huì)、(1999))。
(d)用有量綱特征參數(shù)與無量綱特征參數(shù)的判斷基準(zhǔn)的綜合進(jìn)行的最終判斷結(jié)果可以直接用字符顯示在裝置的屏幕上。根據(jù)圖7的示出的狀態(tài)變化，也可以用彩色指示燈(這里稱“狀態(tài)燈”)表示。
4)結(jié)果的表示用有量綱和無量綱特征參數(shù)進(jìn)行的判斷結(jié)果和通過判斷基準(zhǔn)的綜合進(jìn)行的判斷結(jié)果(狀態(tài)燈)的表示例見圖8所示。另外，無量綱特征參數(shù)的判斷結(jié)果表示狀態(tài)的概率、或可能性的程度。
4.狀態(tài)變化的趨勢(shì)管理用正態(tài)有量綱和無量綱特征參數(shù)進(jìn)行狀態(tài)變化的趨勢(shì)管理圖示例見圖9和圖10所示。另外，有量綱特征參數(shù)的狀態(tài)變化的趨勢(shì)管理圖示例見圖11所示。圖9和圖10中的k與圖4的k相同。
5.狀態(tài)預(yù)測(cè)求出正態(tài)特征參數(shù)pi之后，使用原來的狀態(tài)預(yù)測(cè)方法((13)石川真澄、武藤博道預(yù)測(cè)方法、計(jì)測(cè)和控制、1982年3月。(14)小川，M時(shí)間序列分析和隨機(jī)預(yù)測(cè)，數(shù)理統(tǒng)計(jì)報(bào)告，8，8-72，1958年)就可以比較容易地預(yù)測(cè)測(cè)定對(duì)象的狀態(tài)。
6.處理的流程本發(fā)明中提出的信號(hào)收集系統(tǒng)的處理流程見圖12所示。還有，如圖13所示，可以構(gòu)成信號(hào)收集裝置與外部計(jì)算機(jī)分開的信號(hào)收集系統(tǒng)。這樣，通過減輕信號(hào)收集裝置的計(jì)算處理的負(fù)擔(dān)，就可以將信號(hào)收集裝置制作成緊湊型，并很容易地在現(xiàn)場(chǎng)進(jìn)行設(shè)置。外部計(jì)算機(jī)通過與信號(hào)收集裝置的數(shù)據(jù)通信可進(jìn)行測(cè)定條件的設(shè)定、判斷基準(zhǔn)的制成、狀態(tài)的趨勢(shì)管理、精密診斷以及原因的分析等。另外，進(jìn)行精密診斷和原因分析時(shí)，也可以使用遺傳算法、神經(jīng)網(wǎng)絡(luò)和主成分分析法等進(jìn)行狀態(tài)判斷。
五.實(shí)施例圖14表示用裝在某個(gè)旋轉(zhuǎn)機(jī)械的軸上的速度傳感器測(cè)定的時(shí)序信號(hào)實(shí)例。該機(jī)械從正常狀態(tài)向不平衡狀態(tài)變化下去。為了識(shí)別狀態(tài)，例如，使用公式(1)～(6)示出的無量綱特征參數(shù)(P1～P6)、和公式(15)～(17)示出的有量綱特征參數(shù)(Pd1～Pd3)。
圖15是無量綱特征參數(shù)(P1～P5)的判斷結(jié)果，圖16表示無量綱特征參數(shù)(p6)的判斷結(jié)果。根據(jù)這些結(jié)果，由于p6比其它的無量綱特征參數(shù)，判斷狀態(tài)要敏感，所以，如圖16所示，p6的判斷結(jié)果就作為用無量綱特征參數(shù)進(jìn)行的狀態(tài)判斷結(jié)果。
圖17表示有量綱特征參數(shù)的判斷結(jié)果。
綜合有量綱和無量綱特征參數(shù)的判斷結(jié)果的最終判斷結(jié)果見圖18所示。
另外，雖然對(duì)于正常的狀態(tài)變化的程度用狀態(tài)燈表示，但是，相對(duì)于先前狀態(tài)的狀態(tài)變化程度，將作為決定是否記錄原始信號(hào)的基準(zhǔn)。例如，要根據(jù)圖18的綜合判斷，決定記錄“測(cè)定1(正常)”、“測(cè)定3(狀態(tài)變化中等)”和“測(cè)定7(狀態(tài)變化大)”的原始波形。
還有，在這個(gè)示例中，由于從測(cè)定3到測(cè)定8的信號(hào)是處于相同狀態(tài)(不平衡)，所以，認(rèn)為根據(jù)上述的判斷結(jié)果的原始信號(hào)的記錄用于闡明異常原因(精密診斷)已經(jīng)足夠。如果在測(cè)定期間，也發(fā)生了其它的異常狀態(tài)，與這個(gè)實(shí)例一樣，用于狀態(tài)判斷的有量綱和無量綱特征參數(shù)就會(huì)反映到其狀態(tài)變化中，可在適當(dāng)?shù)臅r(shí)候收集發(fā)生狀態(tài)變化的原始信號(hào)。
信號(hào)收集裝置的回路圖示例見圖19所示。圖中，1傳感器、2充電放大器、3濾波器模塊、4單片CPU、5結(jié)果顯示器、6數(shù)據(jù)用RAM、7AD變換器、8DC端口、9SCI、10CPU、11閃光ROM、12外部計(jì)算機(jī)。
該信號(hào)收集裝置可以設(shè)計(jì)成多個(gè)通道。另外，外部計(jì)算機(jī)可以用于信號(hào)收集裝置的收集條件的設(shè)定、狀態(tài)判斷基準(zhǔn)的設(shè)定、讀取記錄的特征參數(shù)和原始信號(hào)、進(jìn)行狀態(tài)變化的趨勢(shì)管理以及原因分析等。
六.發(fā)明的效果本發(fā)明在進(jìn)行設(shè)備診斷、醫(yī)療診斷和地震監(jiān)視等中，長(zhǎng)時(shí)間監(jiān)視對(duì)象物的狀態(tài)，在判斷沒有明顯的異常和狀態(tài)變化時(shí)，只收集一次原始信號(hào)和反映了其狀態(tài)的特征參數(shù)，在判斷發(fā)生了明顯的異常和狀態(tài)變化時(shí)，及時(shí)記錄表示其異常和狀態(tài)變化的特征參數(shù)和原始信號(hào)，并可以利用收集的特征參數(shù)和原始信號(hào)進(jìn)行狀態(tài)變化的趨勢(shì)分析和原因分析以及查明原因。使用本發(fā)明的信號(hào)收集系統(tǒng)和收集裝置，長(zhǎng)時(shí)間收集信號(hào)時(shí)，可以減少信號(hào)收集媒體的浪費(fèi)，而且還可以在適當(dāng)時(shí)候收集到表示狀態(tài)變化的特征參數(shù)和原始信號(hào)。進(jìn)行狀態(tài)判斷時(shí)，將收集的特征參數(shù)變換成服從正態(tài)概率密度分布的正態(tài)特征參數(shù)，通過概率檢驗(yàn)、置信區(qū)間和可能性理論決定有量綱和無量綱特征參數(shù)和正態(tài)特征參數(shù)的狀態(tài)判斷基準(zhǔn)，并通過綜合有量綱和無量綱特征參數(shù)的判斷結(jié)果，進(jìn)行狀態(tài)判斷。另外，根據(jù)需要，進(jìn)行狀態(tài)變化的趨勢(shì)管理、狀態(tài)預(yù)測(cè)和狀態(tài)變化的原因分析，表示測(cè)定時(shí)間的狀態(tài)，并在危險(xiǎn)狀態(tài)時(shí)發(fā)出報(bào)警。
七.圖的簡(jiǎn)單說明圖1是表示可能性分布函數(shù)實(shí)例的示圖。
圖2是表示用可能性函數(shù)進(jìn)行狀態(tài)變化的判斷的圖形。
圖3是表示可能性的表示例的說明圖。
圖4是表示低頻率區(qū)域中的有量綱特征參數(shù)的判斷基準(zhǔn)的圖形。
圖5是表示中頻率區(qū)域中的有量綱特征參數(shù)的判斷基準(zhǔn)的圖形。
圖6是表示高頻率區(qū)域中的有量綱特征參數(shù)的判斷基準(zhǔn)的圖形。
圖7是表示有量綱特征參數(shù)與無量綱特征參數(shù)的判斷基準(zhǔn)的綜合說明圖。
圖8是表示判斷結(jié)果的表示例的說明圖。
圖9是表示用正態(tài)有量綱特征參數(shù)進(jìn)行狀態(tài)變化的趨勢(shì)管理圖的示例的圖形。
圖10是表示用正態(tài)無量綱特征參數(shù)進(jìn)行狀態(tài)變化的趨勢(shì)管理圖的示例的圖形。
圖11是表示有量綱特征參數(shù)進(jìn)行狀態(tài)變化的趨勢(shì)管理圖的示例的圖形。
圖12是表示信號(hào)收集系統(tǒng)的處理流程的流程圖。
圖13是表示外部計(jì)算機(jī)與信號(hào)收集裝置分開的信號(hào)收集的處理流程的流程圖。
圖14是表示測(cè)定的原始信號(hào)的示例的圖形。
圖15是表示無量綱特征參數(shù)(P1～P5)的判斷結(jié)果示例的說明圖。
圖16是表示無量綱特征參數(shù)p6的判斷結(jié)果示例的說明圖。
圖17是表示有量綱特征參數(shù)(Pd1，Pd2，Pd3)的判斷結(jié)果示例的說明圖。
圖18是表示通過有量綱和無量綱特征參數(shù)的綜合進(jìn)行的判斷結(jié)果的示例的說明圖。
圖19是表示信號(hào)收集裝置的回路的一個(gè)示例的回路圖，圖中符號(hào)如下。
1傳感器、2充電放大器、3濾波器模塊、4單片CPU、5結(jié)果顯示器、6數(shù)據(jù)用RAM、7AD變換器、8DC端口、9SCI(串行通信接口)、10CPU、11閃光ROM、12計(jì)算機(jī)。
權(quán)利要求
用傳感器測(cè)定的對(duì)象物的信號(hào)計(jì)算各個(gè)頻帶的有量綱和無量綱特征參數(shù)的方法、將特征參數(shù)變換成服從正態(tài)概率密度分布的正態(tài)特征參數(shù)的方法、使用通過上述的變換得到的正態(tài)特征參數(shù)，進(jìn)行對(duì)象物的狀態(tài)判斷、狀態(tài)變化的趨勢(shì)管理以及狀態(tài)預(yù)測(cè)的方法、為判斷狀態(tài)變化的程度，通過統(tǒng)計(jì)檢驗(yàn)、置信區(qū)間和可能性理論決定有量綱特征參數(shù)和無量綱特征參數(shù)的狀態(tài)判斷基準(zhǔn)的方法、通過統(tǒng)計(jì)檢驗(yàn)、置信區(qū)間和可能性理論決定正態(tài)特征參數(shù)的狀態(tài)判斷基準(zhǔn)的方法、通過綜合有量綱特征參數(shù)和無量綱特征參數(shù)的狀態(tài)判斷結(jié)果，判斷狀態(tài)變化的程度的方法、根據(jù)狀態(tài)變化的結(jié)果，決定只記錄各個(gè)頻帶的特征參數(shù)，或者同時(shí)記錄各個(gè)頻帶的特征參數(shù)和原始信號(hào)的方法、通過概率、可能性的程度和狀態(tài)燈作為顯示狀態(tài)變化程度的方法、采用以上所述方法的、具有與外部計(jì)算機(jī)通信功能的狀態(tài)判斷和信號(hào)收集系統(tǒng)以及信號(hào)收集裝置。
全文摘要
本發(fā)明提出這樣一種信號(hào)收集系統(tǒng)和信號(hào)收集裝置，它在進(jìn)行狀態(tài)監(jiān)視和收集信號(hào)時(shí)，不僅能減少信號(hào)收集媒體的浪費(fèi)，而且還可以在適當(dāng)?shù)臅r(shí)候收集反映狀態(tài)變化的特征參數(shù)和原始信號(hào)，并具備狀態(tài)判斷功能。在本信號(hào)收集系統(tǒng)和信號(hào)收集裝置中，對(duì)于用傳感器測(cè)定的信號(hào)，首先計(jì)算高、中、低頻率區(qū)域的特征參數(shù)，再根據(jù)狀態(tài)變化的程度，決定只收集特征參數(shù)，或者同時(shí)收集特征參數(shù)和所需要的時(shí)間長(zhǎng)度的原始信號(hào)。進(jìn)行狀態(tài)判斷時(shí)，將收集的特征參數(shù)變換成服從正態(tài)概率密度分布的正態(tài)特征參數(shù)，通過概率檢驗(yàn)、置信區(qū)間和可能性理論確定有量綱和無量綱特征參數(shù)和正態(tài)特征參數(shù)的狀態(tài)判斷基準(zhǔn)，并通過綜合有量綱和無量綱特征參數(shù)的判斷結(jié)果，進(jìn)行狀態(tài)判斷。另外，根據(jù)需要，進(jìn)行狀態(tài)變化的趨勢(shì)管理、狀態(tài)預(yù)測(cè)和狀態(tài)變化的原因分析，顯示測(cè)定時(shí)間的狀態(tài)，并在危險(xiǎn)狀態(tài)時(shí)發(fā)出報(bào)警。
文檔編號(hào)G01D21/00GK1516807SQ02811929
公開日2004年7月28日 申請(qǐng)日期2002年6月10日 優(yōu)先權(quán)日2001年6月14日
發(fā)明者陳山鵬 申請(qǐng)人:陳山鵬, 李光千