專利名稱：設(shè)備監(jiān)診方法
技術(shù)領(lǐng)域：
本發(fā)明是關(guān)于一種設(shè)備監(jiān)診方法，詳言之，是關(guān)于一種在設(shè)備定轉(zhuǎn)速下的監(jiān)診方法。
背景技術(shù)：
設(shè)備的故障監(jiān)診是為了有效執(zhí)行設(shè)備維護(hù)與管理而發(fā)展。在現(xiàn)有故障監(jiān)診技術(shù)開(kāi)發(fā)過(guò)程中，分析流程的著眼點(diǎn)是一種從上而下的方式。其中，以振動(dòng)為監(jiān)診對(duì)象的分析流程大致為振動(dòng)信號(hào)擷取、數(shù)字信號(hào)處理、信號(hào)特征提取及決策分析。在該現(xiàn)有故障監(jiān)診流程中，其面臨到許多選擇的問(wèn)題。首先，根據(jù)監(jiān)診設(shè)備的操作狀況，要選擇測(cè)量加速度、速度或是位移振幅信號(hào)？信號(hào)選擇部分會(huì)決定信號(hào)對(duì)于故障類型的靈敏度；其次，在數(shù)字信號(hào)處理過(guò)程中，要選擇均方根值(RMS)、頻譜(spectrum)、小波轉(zhuǎn)換(wavelet transform)、階次分析(order tracking analysis)、或是碎形(fractal) 的維度(dimension)表示，這部分工作會(huì)影響故障特征選擇方式；再來(lái)，信號(hào)特征提取部分，如何依據(jù)選用的分析方法，簡(jiǎn)化故障特征成某些特征值；最后，在決策分析部分，如何選擇適合的決策分析方法，作為設(shè)備狀況識(shí)別使用，例如類神經(jīng)網(wǎng)絡(luò)(neuralnetwork)、專家系統(tǒng)(expert system)等，但無(wú)論是選擇哪一條分析路徑，其目標(biāo)終究要以定性及定量方式，將測(cè)量數(shù)據(jù)轉(zhuǎn)換成設(shè)備管理上的信息(設(shè)備正?；虍惓?。然而，根據(jù)上述現(xiàn)有故障監(jiān)診分析流程，在推展至故障監(jiān)診系統(tǒng)中使用時(shí)，顯然并不完整，且難以識(shí)別設(shè)備狀況，其由于該現(xiàn)有故障監(jiān)診流程忽略兩個(gè)因素一為產(chǎn)生振動(dòng)的物理?xiàng)l件；二為分析設(shè)備或測(cè)點(diǎn)數(shù)量。基本上，機(jī)械產(chǎn)生振動(dòng)程度，是作用力與動(dòng)態(tài)剛性之間響應(yīng)關(guān)系。以定轉(zhuǎn)速設(shè)備而言，振動(dòng)的所以能作為診斷參考，是在假設(shè)設(shè)備作用力不變的前提下，當(dāng)動(dòng)態(tài)剛性改變時(shí)(如軸承損壞、機(jī)座松動(dòng)、軸系不平衡)，會(huì)完全反應(yīng)至設(shè)備振動(dòng)的原則，進(jìn)而可利用其進(jìn)行監(jiān)診及判斷。但影響動(dòng)態(tài)剛性還有其他因素，例如設(shè)備安裝方式、安裝機(jī)座穩(wěn)定性、安裝位置等因素，同樣的也具有關(guān)鍵影響性，因此在實(shí)際狀況中，可發(fā)現(xiàn)兩部一樣的設(shè)備，在相同測(cè)量位置，使用的機(jī)座的形式，在歷經(jīng)多年使用及反復(fù)維修后，在相同操作條件及正常情況下，產(chǎn)生的振動(dòng)程度是不一樣的。由此可知，若以上述現(xiàn)有故障監(jiān)診分析流程，無(wú)論是采用任何決策模式，即使可做到設(shè)備定性分析，但定量問(wèn)題上，便難以決定，一旦設(shè)備的檢測(cè)測(cè)點(diǎn)或類型眾多，問(wèn)題將無(wú)法獲得解決。此外，在設(shè)備振動(dòng)定量問(wèn)題無(wú)法解決的情形下，在上述現(xiàn)有故障監(jiān)診分析流程的邏輯下，導(dǎo)入人工智慧(如類神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng))在決策分析部分，其目的在于解決故障類型分類方面問(wèn)題。然而，在實(shí)際應(yīng)用上受到以下因素影響其應(yīng)用至其他設(shè)備的實(shí)用性及復(fù)制，故降低應(yīng)用成效。最佳正規(guī)化(normalized)問(wèn)題類神經(jīng)網(wǎng)絡(luò)的輸入值及期望值，為配合計(jì)算過(guò)程中非線性函數(shù)，均需正規(guī)化至W，1]或是[-1，1]，正規(guī)化的大小將影響辨識(shí)系統(tǒng)的靈敏度，因此存在最佳正規(guī)化問(wèn)題。即使是相同設(shè)備、相同振動(dòng)測(cè)量位置，均在正常運(yùn)轉(zhuǎn)下，因機(jī)座、安裝、位置不同， 其正常狀況下的特征參數(shù)(如振動(dòng)量)并不一致。因此，即使是在針對(duì)某一類型設(shè)備進(jìn)行類神經(jīng)網(wǎng)絡(luò)發(fā)展模式，也沒(méi)有完全的復(fù)制性，需要依其設(shè)備特性不同而調(diào)整。 在故障樣本數(shù)量不足情況下，如何進(jìn)行類神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)？辨識(shí)過(guò)程中如何表示趨勢(shì)分析演變過(guò)程？若類神經(jīng)網(wǎng)絡(luò)根據(jù)輸入值(經(jīng)數(shù)字信號(hào)處理后的特征值)大小及其相關(guān)頻率，在良好正規(guī)化條件下可區(qū)分設(shè)備是否(同時(shí)或單一)發(fā)生不平衡、偏心、或軸承損壞等故障情形，但利用此方式在故障趨勢(shì)分析中會(huì)遇到很大困難，即在相同的特征頻率下，特征值依故障趨勢(shì)的增加而增加，一旦增加至某一特定值，可能因?yàn)榫垲愔行牡母淖?，又發(fā)出另一新故障類型，但其應(yīng)被視為同一故障類型，而非新的故障產(chǎn)生，其之間差異只在于程度上大小，因此在這樣的學(xué)習(xí)過(guò)程中，存在過(guò)度學(xué)習(xí)及樣本爆炸問(wèn)題。如上所述，當(dāng)上述現(xiàn)有故障監(jiān)診分析技術(shù)在實(shí)際應(yīng)用中的問(wèn)題無(wú)法克服時(shí)，遑論如何利用此技術(shù)協(xié)助設(shè)備管理工作。因此，有必要提供一創(chuàng)新且富有進(jìn)步性的設(shè)備監(jiān)診方法，以解決上述問(wèn)題。

發(fā)明內(nèi)容
本發(fā)明提供一種設(shè)備監(jiān)診方法，用以進(jìn)行一設(shè)備的異常檢測(cè)，該設(shè)備可進(jìn)行一固定轉(zhuǎn)速的運(yùn)轉(zhuǎn)，該設(shè)備監(jiān)診方法包括以下步驟(a)擷取該設(shè)備在該固定轉(zhuǎn)速下的一振動(dòng)信號(hào)，該振動(dòng)信號(hào)是一振動(dòng)加速度信號(hào)且其具有多個(gè)頻寬范圍；(b)根據(jù)該振動(dòng)信號(hào)計(jì)算一振動(dòng)速度信號(hào)及計(jì)算相應(yīng)所述多個(gè)頻寬范圍的特征值，所述特征值是相應(yīng)所述多個(gè)頻寬范圍的速度均方根值及加速度波高率，其中所述特征值符合高斯分布；(c)計(jì)算各特征值的標(biāo)準(zhǔn)差及平均值，且根據(jù)相應(yīng)頻寬范圍及標(biāo)準(zhǔn)差和平均值，計(jì)算至少一基準(zhǔn)線；及(d)根據(jù)該基準(zhǔn)線、相應(yīng)頻寬范圍及特征值判斷該設(shè)備為正常或異常。在本發(fā)明的設(shè)備監(jiān)診方法中，若振動(dòng)信號(hào)超過(guò)安全范圍基準(zhǔn)線，即可診斷及識(shí)別出異常及故障類型，并且更可進(jìn)一步具有自動(dòng)監(jiān)診及學(xué)習(xí)能力。另外，本發(fā)明的設(shè)備監(jiān)診方法不需要考慮設(shè)備整個(gè)使用壽命中可能遇到的所有故障類型，大幅降低故障監(jiān)診系統(tǒng)發(fā)展的規(guī)模及困難，故可提升設(shè)備狀況的可視化及增加設(shè)備的妥善率。


圖1顯示本發(fā)明的設(shè)備監(jiān)診方法流程圖；圖2(a)顯示根據(jù)設(shè)備的原始振動(dòng)信號(hào)，建立正常、警告、危險(xiǎn)三條基準(zhǔn)線的示意圖；圖2(b)顯示于1250-2500HZ的頻寬范圍內(nèi)建立基準(zhǔn)線的示意圖；圖2(c)顯示于625-1250HZ的頻寬范圍內(nèi)建立基準(zhǔn)線的示意圖；圖2(d)顯示于0-625HZ的頻寬范圍內(nèi)建立基準(zhǔn)線的示意圖；及圖3(a)顯示一部風(fēng)車馬達(dá)的原始振動(dòng)信號(hào)的統(tǒng)計(jì)數(shù)據(jù)的結(jié)果示意圖；圖3(b)顯示一部風(fēng)車馬達(dá)的振動(dòng)信號(hào)位于1250-2500HZ的頻寬范圍內(nèi)的統(tǒng)計(jì)數(shù)據(jù)的結(jié)果示意圖3(c)顯示一部風(fēng)車馬達(dá)的振動(dòng)信號(hào)位于625-1250HZ的頻寬范圍內(nèi)的統(tǒng)計(jì)數(shù)據(jù)的結(jié)果示意圖；圖3(d)顯示一部風(fēng)車馬達(dá)的振動(dòng)信號(hào)位于0-625HZ的頻寬范圍內(nèi)的統(tǒng)計(jì)數(shù)據(jù)的結(jié)果示意圖；圖4(a)顯示另一部風(fēng)車馬達(dá)的原始振動(dòng)信號(hào)的統(tǒng)計(jì)數(shù)據(jù)的結(jié)果示意圖；圖4(b)顯示另一部風(fēng)車馬達(dá)的振動(dòng)信號(hào)位于1250-2500HZ的頻寬范圍內(nèi)的統(tǒng)計(jì)數(shù)據(jù)的結(jié)果示意圖；圖4 (c)顯示另一部風(fēng)車馬達(dá)的振動(dòng)信號(hào)位于625-1250HZ的頻寬范圍內(nèi)的統(tǒng)計(jì)數(shù)據(jù)的結(jié)果示意圖；圖4(d)顯示另一部風(fēng)車馬達(dá)的振動(dòng)信號(hào)位于0-625HZ的頻寬范圍內(nèi)的統(tǒng)計(jì)數(shù)據(jù)的結(jié)果示意圖。
具體實(shí)施例方式
參考圖1，其顯示本發(fā)明的設(shè)備監(jiān)診方法流程圖。本發(fā)明的設(shè)備監(jiān)診方法用以進(jìn)行一設(shè)備的異常檢測(cè)，該設(shè)備可進(jìn)行一固定轉(zhuǎn)速的運(yùn)轉(zhuǎn)。首先，參考步驟S11，擷取該設(shè)備在該固定轉(zhuǎn)速下的一振動(dòng)信號(hào)，其中該振動(dòng)信號(hào)的頻率具有多個(gè)頻寬范圍。在本實(shí)施例中，本發(fā)明的方法是連續(xù)擷取該設(shè)備在該固定轉(zhuǎn)速下的一振動(dòng)加速度信號(hào)。其中，在步驟Sll中可利用一振動(dòng)感測(cè)器，在固定高通濾波器、低通濾波器截止頻率設(shè)定下擷取該振動(dòng)加速度信號(hào)。較佳地，該高通濾波器的截止頻率設(shè)定在0. 5Hz，該低通濾波器的截止頻率設(shè)定在3000Hz，每隔1小時(shí)測(cè)量該振動(dòng)加速度信號(hào)，且持續(xù)測(cè)量30至50 天。在本實(shí)施例中，是將該振動(dòng)加速度信號(hào)區(qū)分為0-625Hz、625-1250Hz及1250_2500Hz的頻寬范圍，然而在其他應(yīng)用中，可將該振動(dòng)加速度信號(hào)區(qū)分為更多頻寬范圍。參考步驟S12，根據(jù)該振動(dòng)信號(hào)計(jì)算相應(yīng)所述多個(gè)頻寬范圍的特征值，其中所述特征值符合高斯分布。在本實(shí)施例中，根據(jù)該振動(dòng)加速度信號(hào)計(jì)算相應(yīng)所述多個(gè)頻寬范圍的速度均方根值(RMS)及加速度波高率(Crest Factor，Cf)，在此，該速度均方根值及該加速度波高率即為所述特征值，且符合高斯分布為所述特征值的陡峭值(Kurtosis)在3士0.5 之間。在本實(shí)施例中，步驟S12包括步驟S121，積分該振動(dòng)加速度信號(hào)為一振動(dòng)速度信號(hào)；步驟S122，將該振動(dòng)加速度信號(hào)及該振動(dòng)速度信號(hào)進(jìn)行離散小波轉(zhuǎn)換(Discrete wavelet transform)；及步驟S123，根據(jù)該振動(dòng)加速度信號(hào)及該振動(dòng)速度信號(hào)計(jì)算該加速度波高率及該速度均方根值。在本實(shí)施例中，振動(dòng)信號(hào)的分析是考量包括加速度信號(hào)及速度信號(hào)兩種類型信號(hào)。其中，利用加速規(guī)擷取加速度信號(hào)，并通過(guò)積分使加速度信號(hào)轉(zhuǎn)換成速度信號(hào)。另外，基于機(jī)械學(xué)習(xí)的智能設(shè)備診斷技術(shù)在數(shù)字信號(hào)處理上，一般是利用小波轉(zhuǎn)換作為前處理工具，以擷取不同頻段時(shí)間信號(hào)，其目的在于通過(guò)不同故障類型，對(duì)應(yīng)產(chǎn)生的頻率范圍及其波形，作為故障原因識(shí)別參考。當(dāng)擷取該振動(dòng)加速度信號(hào)后，進(jìn)行離散小波轉(zhuǎn)換，其可表示為下式(1)a I = x(k)
a k - y^j α η-2 k
ηd η(k = 0,1,2,.............，N-l)其中，x(k)時(shí)間數(shù)據(jù)N:取樣點(diǎn)數(shù)h(n)，g(n)共軛鏡象濾波器(QMF)的H(jw)和G(jw)的沖擊反應(yīng)函數(shù)j 分解的層數(shù)再運(yùn)用Mallat 算法(參考 Mallat，S. (1998) "A Wavelet Tour of SignalProcessing, Academic Press”，San Diego, CA, USA)，可將信號(hào)一層層進(jìn)行分解，每一層分解的結(jié)果是將上次分解得到的低頻信號(hào)再分解成低頻和高頻兩部分，每一次分解后的數(shù)據(jù)量減半，因此分析后得到的低頻成分和高頻成分的時(shí)域解析度比分解前信號(hào)減低一半。經(jīng)Mallat分解法后，信號(hào)可用重構(gòu)算法進(jìn)行重構(gòu)，重構(gòu)算法如下式(2)所示a I 二 ^J a 二 h k — 2 n + d 義 S Ii 一 2 η
“ “ (2)(k = 0,1,2,3,........., N-1)重構(gòu)算法為分解算法的逆過(guò)程，經(jīng)每一層重構(gòu)之后，信號(hào)的數(shù)據(jù)量增加一倍，提高信號(hào)時(shí)域解析度，因此時(shí)間數(shù)據(jù)可分解為下式(3)的形式
Lx(k) = A J + Yj D m(3)
m - j - 1其中，A為粗略子空間(Approximation subspace)信號(hào)，D為細(xì)節(jié)子空間(Detail subspace)信號(hào)，L為需分解的層數(shù)(Level)。利用離散小波轉(zhuǎn)換能將信號(hào)正交分解至不同頻寬的時(shí)域表示中，這有助于了解原始信號(hào)中各組成信號(hào)、發(fā)生頻寬及波形，以進(jìn)一步提取其波形特征，作為故障識(shí)別的參考。一般而言，關(guān)于設(shè)備故障的特征參數(shù)大致上可區(qū)分為兩種類型能量參數(shù)及統(tǒng)計(jì)參數(shù)。其中，能量參數(shù)是以能量為單位顯示故障特征(如軸偏心、不平衡)，注重其能量改變以表示設(shè)備狀況傾向；統(tǒng)計(jì)參數(shù)均屬于無(wú)因次參數(shù)，注重其統(tǒng)計(jì)特性(波形)改變以表示設(shè)備狀態(tài)改變。正常信號(hào)多屬于高斯分布，其陡峭值(kurtosis)其值約為3，若發(fā)生沖擊波時(shí) (軸承、齒輪損壞)，其陡峭值統(tǒng)計(jì)參數(shù)會(huì)大于3，故障監(jiān)測(cè)使用數(shù)字信號(hào)處理方法與對(duì)應(yīng)使用量化的特征參數(shù)選擇關(guān)系。其中，利用離散小波轉(zhuǎn)換作為數(shù)字信號(hào)處理工具，既可以用于能量參數(shù)使用，亦可用于統(tǒng)計(jì)參數(shù)使用，且量化結(jié)果具有直觀物理意義，適合用于振動(dòng)的特征表示。參考步驟S13，根據(jù)相應(yīng)頻寬范圍及特征值(速度均方根值及加速度波高率)計(jì)算至少一基準(zhǔn)線。在本實(shí)施例中，其是根據(jù)該振動(dòng)加速度信號(hào)及該振動(dòng)速度信號(hào)，利用標(biāo)準(zhǔn)差過(guò)程計(jì)算一第一基準(zhǔn)線。其中，該標(biāo)準(zhǔn)差過(guò)程包括步驟S131，若所述特征值的統(tǒng)計(jì)分析均符合高斯分布，分別計(jì)算各特征值分布的標(biāo)準(zhǔn)差及平均值；及步驟S132，以所述特征值的統(tǒng)計(jì)樣本的平均值為圓心坐標(biāo)，以所述特征值的統(tǒng)計(jì)樣本的六個(gè)標(biāo)準(zhǔn)差為二弦，以該二弦的一斜邊為半徑畫圓形成該第一基準(zhǔn)線。該第一基準(zhǔn)線作為識(shí)別該設(shè)備振動(dòng)正常與否的參考。該第一基準(zhǔn)線的組成，由前
述步驟S12的敘述可知，信號(hào)特征(所述特征值)是以離散小波轉(zhuǎn)換為基礎(chǔ)，通過(guò)長(zhǎng)時(shí)間搜
集設(shè)備在正常狀況下振動(dòng)信號(hào)，依據(jù)離散小波轉(zhuǎn)換的設(shè)定下，計(jì)算相應(yīng)各頻寬范圍的速度
信號(hào)的均方根值(能量參數(shù))及加速度信號(hào)的波高率(統(tǒng)計(jì)參數(shù))。速度均方根值(RMS)
及加速度波高率(Crest Factor, Cf)可表示為下式(4)及(5)
權(quán)利要求
1.一種設(shè)備監(jiān)診方法，用以進(jìn)行一設(shè)備的異常檢測(cè)，所述的設(shè)備可進(jìn)行一固定轉(zhuǎn)速的運(yùn)轉(zhuǎn)，其特征在于，所述的設(shè)備監(jiān)診方法包括以下步驟(a)擷取所述設(shè)備在所述固定轉(zhuǎn)速下的一振動(dòng)信號(hào)，所述振動(dòng)信號(hào)是一振動(dòng)加速度信號(hào)且其具有多個(gè)頻寬范圍；(b)根據(jù)所述振動(dòng)信號(hào)計(jì)算一振動(dòng)速度信號(hào)及計(jì)算相應(yīng)所述多個(gè)頻寬范圍的特征值， 所述特征值是相應(yīng)所述多個(gè)頻寬范圍的速度均方根值及加速度波高率，其中所述特征值符合高斯分布；(c)計(jì)算各特征值的標(biāo)準(zhǔn)差及平均值，且根據(jù)相應(yīng)頻寬范圍及標(biāo)準(zhǔn)差和平均值，計(jì)算至少一基準(zhǔn)線；及(d)根據(jù)所述基準(zhǔn)線、相應(yīng)頻寬范圍及特征值判斷所述設(shè)備為正?；虍惓?。
2.如權(quán)利要求1所述的方法，其特征在于，在步驟(a)中利用一振動(dòng)感測(cè)器，在固定高、 低通濾波器截止頻率設(shè)定下擷取所述振動(dòng)加速度信號(hào)，所述高通濾波器的截止頻率設(shè)定在 0. 5Hz，所述低通濾波器的截止頻率設(shè)定在3000Hz。
3.如權(quán)利要求2所述的方法，其特征在于，在步驟(a)中所述振動(dòng)加速度信號(hào)至少區(qū)分為 0-625Hz、625-1250Hz 及 1250_2500Hz 的頻寬范圍。
4.如權(quán)利要求1所述的方法，其特征在于，在步驟(a)中每隔1小時(shí)測(cè)量所述振動(dòng)加速度信號(hào)，持續(xù)測(cè)量30至50天。
5.如權(quán)利要求1所述的方法，其特征在于，在步驟(b)中符合高斯分布為所述特征值的陡峭值在3士0. 5之間，步驟(b)包括以下步驟(bl)積分所述振動(dòng)加速度信號(hào)為所述振動(dòng)速度信號(hào)； (b2)將所述振動(dòng)加速度信號(hào)及所述振動(dòng)速度信號(hào)進(jìn)行離散小波轉(zhuǎn)換；及 (b3)根據(jù)所述振動(dòng)加速度信號(hào)及所述振動(dòng)速度信號(hào)計(jì)算所述加速度波高率及所述速度均方根值。
6.如權(quán)利要求5所述的方法，其特征在于，在步驟(c)中根據(jù)所述特征值，利用標(biāo)準(zhǔn)差過(guò)程計(jì)算所述基準(zhǔn)線。
7.如權(quán)利要求6所述的方法，其特征在于，在步驟(c)中的所述標(biāo)準(zhǔn)差過(guò)程包括以下步驟(cl)若所述特征值的統(tǒng)計(jì)分析均符合高斯分布，分別計(jì)算各特征值分布的標(biāo)準(zhǔn)差及平均值；(c2)以所述特征值的統(tǒng)計(jì)樣本的平均值為圓心坐標(biāo)，以所述特征值的統(tǒng)計(jì)樣本的六個(gè)標(biāo)準(zhǔn)差為二弦，以所述二弦的一斜邊為半徑畫圓形成一第一基準(zhǔn)線；(c3)以所述特征值的統(tǒng)計(jì)樣本的平均值為圓心坐標(biāo)，以所述特征值的統(tǒng)計(jì)樣本的十二個(gè)標(biāo)準(zhǔn)差為二弦，以所述二弦的一斜邊為半徑畫圓形成一第二基準(zhǔn)線；及(c4)以所述特征值的統(tǒng)計(jì)樣本的平均值為圓心坐標(biāo)，以所述特征值的統(tǒng)計(jì)樣本的十八個(gè)標(biāo)準(zhǔn)差為二弦，以所述二弦的一斜邊為半徑畫圓形成一第三基準(zhǔn)線。
8.如權(quán)利要求7所述的方法，其特征在于，在步驟(d)中，在所述固定轉(zhuǎn)速下持續(xù)擷取的所述振動(dòng)信號(hào)中，若相應(yīng)每一頻寬范圍的特征值相對(duì)位置在所述第一基準(zhǔn)線范圍之內(nèi)， 判斷所述設(shè)備為正常，若相應(yīng)所述多個(gè)頻寬范圍的至少其中的一特征值相對(duì)位置在所述第一基準(zhǔn)線范圍之外，判斷所述設(shè)備為異常，其中，若相應(yīng)該等頻寬范圍的至少其中的一特征值相對(duì)位置在所述第二基準(zhǔn)線與所述第三基準(zhǔn)線之間，判斷所述設(shè)備的異常為警告狀態(tài)， 若相應(yīng)所述頻寬范圍的至少其中的一特征值相對(duì)位置在所述第三基準(zhǔn)線之外，判斷所述設(shè)備的異常為危險(xiǎn)狀態(tài)。
9.如權(quán)利要求7所述的方法，其特征在于，在步驟(d)中另包括一故障編碼步驟，所述故障編碼步驟包括以下步驟(dl)若所述多個(gè)頻寬范圍中相應(yīng)的特征值相對(duì)位置在基準(zhǔn)線范圍之內(nèi)，定義為一第一編碼，若所述多個(gè)頻寬范圍中相應(yīng)的特征值相對(duì)位置在基準(zhǔn)線范圍之外，定義為一第二編碼；及(d2)根據(jù)所述第一編碼、所述第二編碼及其相應(yīng)頻寬范圍，利用類神經(jīng)網(wǎng)絡(luò)或?qū)＜蚁到y(tǒng)判斷所述設(shè)備的異常類型。
10.如權(quán)利要求9所述的方法，其特征在于，所述類神經(jīng)網(wǎng)絡(luò)選用自適應(yīng)共振類神經(jīng)網(wǎng)絡(luò)，在步驟(d)中另包括一存儲(chǔ)學(xué)習(xí)步驟，以所述類神經(jīng)網(wǎng)絡(luò)記憶及儲(chǔ)存經(jīng)編碼后的異常類型。
全文摘要
本發(fā)明提供一種設(shè)備監(jiān)診方法，該方法包括擷取一設(shè)備在固定轉(zhuǎn)速下的振動(dòng)信號(hào)，先根據(jù)該振動(dòng)信號(hào)計(jì)算相應(yīng)頻寬范圍中符合高斯分布的特征值，并據(jù)以建立至少一基準(zhǔn)線，再根據(jù)該基準(zhǔn)線、相應(yīng)頻寬范圍及特征值判斷該設(shè)備為正?；虍惓?。藉此，若振動(dòng)信號(hào)超過(guò)安全范圍基準(zhǔn)線，即可診斷及識(shí)別出異常及故障類型，并且更可進(jìn)一步具有自動(dòng)監(jiān)診及學(xué)習(xí)能力。另外，本發(fā)明的設(shè)備監(jiān)診方法不需要考慮設(shè)備整個(gè)使用壽命中可能遇到的所有故障類型，大幅降低故障監(jiān)診系統(tǒng)發(fā)展的規(guī)模及困難，故可提升設(shè)備狀況的可視化及增加設(shè)備的妥善率。
文檔編號(hào)G01H17/00GK102155988SQ20101011564
公開(kāi)日2011年8月17日 申請(qǐng)日期2010年2月11日 優(yōu)先權(quán)日2010年2月11日
發(fā)明者劉熙銘, 吳崇勇, 李仙家, 林智賢, 柯忠和, 王智中 申請(qǐng)人:中國(guó)鋼鐵股份有限公司