[发明专利]用于机器的声学或振动分析的学习阶段的方法、系统及计算机程序

说明书

本发明涉及一种用于对机器(M)的运作状态进行分析的方法，所述方法包括学习步骤，所述学习步骤用于向参考数据库(3)提供一个或多个指示符的一个或多个阈值，该一个或多个指示符是根据与所述机器相关联的传感器(2)所提供的信号而计算的，所述学习步骤包括由计算机处理单元(10)实施的以下操作：采集表征所述机器的正常运作的信号和表征所述机器的异常运作的信号；针对表征正常运作的每个信号，通过实施数学运算来形成至少一个所谓的偏差信号，所述数学运算的属性是表征正常运作的信号以及除了该表征正常运作的信号以外表征正常运作或者异常运作的信号之一；针对每个偏差信号计算指示符；确定表示机器的正常运作与异常运作之间的界限的指示符阈值。

技术领域

本发明涉及机器(例如，诸如飞行器发动机之类的发动机)的监测领域。特别地，本发明涉及一种用于对机器进行分析(例如，声学或振动分析)以检测、识别或者预见机器中的异常的系统及方法。

背景技术

机器是一种经受应力的机械系统，该应力可能导致其部件磨损。因此，寻求一种尽可能有效地监测机器的状态的一般方法，以检测对机器的任何损坏，从而从关于机器的一组可能的类型的损坏中识别出这些类型的损坏，或者预测这些类型的损坏的发生。

尽管机器(例如，飞行器发动机)呈现出生成噪音的缺点，然而，可以想到可以使用该缺点以非侵入性方式执行损坏的诊断或预测。实际上，飞行器发动机和旋转机器通常会呈现出可以通过耳朵进行识别的一些类型的损坏。

因此，根据公开US 2007/0255563 A1，已知一种用于监测飞行器涡轮喷气式发动机的系统，根据该系统，使用位于涡轮喷气式发动机机舱下方的两个麦克风来记录来自工作中的涡轮喷气式发动机的声学信号。使用语音识别算法将所采集的信号与参考信号进行比较。因此，可以从所采集的信号中识别出表示涡轮喷气式发动机的状态的特征。

类似地，已经设想到通过使用由机器生成的声学信号以及使用通过机器的各种部件的振动信号来实现这种监测。参考与此相关的专利申请WO2011/054867 A1。

这样的监测系统使用了数据库，该数据库中记录有表示正常运作的信号与表示异常运作的信号之间的界限特性。更具体地说，数据库存储有一个或多个阈值，所述一个或多个阈值是关于根据与机器相关联的传感器(例如，布置在机器内的麦克风)所提供的信号而计算的一个或多个指示符的。特别地，在学习阶段期间可以通过以统计方式确定一定数量的指示符的阈值来给数据库提供信息。在测试阶段期间可以使用根据传感器所提供的信号而计算的指示符来查询数据库，以确定正被测试的机器是处于正常运作状态还是处于异常运作状态。

学习阶段期间的一个困难是由于下述事实：几乎没有表示正常运作的数据以及尤其表示异常运作的数据可用。这可能不足以获得统计信息。例如当使用测试装置或者正在进行开发并且其配置可能会发生改变的机器来进行学习时的情况就是如此。因此，利用有限数量的学习数据，特别是利用可用的少量异常数据，无法使以统计方式估算的阈值优化。这限制了在测试阶段期间确定运作状态的质量。

因此，寻求对高质量数据库的访问，以实现对异常的高水平正确检测并且降低异常的错误检测率。

发明内容

本发明的目的在于对这组问题做出响应。为此，本发明提出了一种对诸如飞行器发动机之类的机器的运作状态进行分析的方法，该方法包括学习步骤，该学习步骤用于向参考数据库提供数据，该数据与一个或多个指示符的一个或多个阈值有关，所述一个或多个指示符是根据与机器相关联的一个或多个传感器所提供的信号而计算的，其特征在于，所述学习步骤包括由计算机化处理单元实施的以下操作：

-采集表征机器的正常运作的信号和表征机器的异常运作的信号；

-针对表征正常运作的每个信号，通过使用数学运算来计算至少一个所谓的偏差信号，所述数学运算的属性是该表征正常运作的信号以及除了该表征正常运作信号以外表征正常运作或者异常运作的信号之一；