[发明专利]周期性运动的机器部件的故障预测方法在审
| 申请号： | 201880038811.7 | 申请日： | 2018-04-26 |
| 公开（公告）号： | CN110770561A | 公开（公告）日： | 2020-02-07 |
| 发明（设计）人： | 马尔科·可康切利;卢卡·卡普里;大卫·博尔基 | 申请（专利权）人： | 利乐拉瓦尔集团及财务有限公司 |
| 主分类号： | G01M13/00 | 分类号： | G01M13/00 |
| 代理公司： | 31263 上海胜康律师事务所 | 代理人： | 李献忠;张静 |
| 地址： | 瑞士*** | 国省代码： | 瑞士;CH |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 数据分布 分散度 周期性运动 故障预测 运动特性 状态参数 量化度 耦合的 关联 部件运动 机器部件 计算数据 可测量 推移 | ||
1.一种周期性运动的机器部件的故障预测方法，其中所述部件的运动的多个周期中的每个周期在每个周期的持续时间内生成可测量运动特性的值的数据分布，对于每个周期，所述方法包括：
确定(101)所述运动特性的所述数据分布，
计算(102)所述数据分布中所述值的集中趋势度量值；
计算(103)每个周期的所述持续时间内所述数据分布的形状的量化度量值；
将所述集中趋势度量值与所述形状的所述量化度量值关联(104)为耦合的状态参数组；
确定(105)与所述周期性运动的部件的运动的所述多个周期相关联的多个耦合的状态参数组的分散度；以及
比较(106)所述分散度与分散阈值，或确定(107)随时间的推移所述分散度的趋势，以进行所述故障预测。
2.根据权利要求1所述的方法，其中，计算所述数据分布的所述值的集中趋势度量值包括：
计算(102′)平均值，例如，算术平均值，和/或几何平均值，和/或调和平均值，和/或广义平均值，和/或所述数据分布的其它集中趋势度量值，例如中值或众数值。
3.根据权利要求1或2所述的方法，其中，计算所述数据分布的形状的量化度量值包括：
计算(103′)围绕所述集中趋势度量值的所测得的运动特性的分布的度量值。
4.根据权利要求3所述的方法，其中，计算围绕所述集中趋势度量值的所测得的运动特性的分布的度量值包括：
计算(103”)与标准正态分布的偏差的度量值。
5.根据权利要求1-4中任一项所述的方法，其中，计算所述数据分布的形状的量化度量值包括：
计算(103”’)所述数据分布的峰度值。
6.根据权利要求1-5中任一项所述的方法，其中，所述运动特性包括所述周期性运动的部件的振动数据。
7.根据权利要求1-6中任一项所述的方法，其中，确定所述多个耦合的状态参数组的分散度包括：
确定(105′)所述多个耦合的状态参数组的包含在设定分散阈值内的百分数。
8.根据权利要求1-7中任一项所述的方法，其中，确定所述多个耦合的状态参数组的分散度包括：
确定(105”)所述多个耦合的状态参数组的分布中心(203)与每个耦合的状态参数组之间的所述距离(202、202′)。
9.根据权利要求1-8中任一项所述的方法，其中，所述分散度通过计算(105”’)所述耦合的状态参数组的四分位距(IQR、IQR')的所述跨度来确定。
10.一种计算机程序产品，其包括指令，当所述程序由计算机执行时，所述指令使所述计算机执行根据权利要求1-9中任一项所述的方法的步骤。
11.一种装置(200)，其被配置为预测周期性运动的部件中的故障，其中，所述部件的运动的多个周期中的每个周期在每个周期的持续时间内生成可测量运动特性的值的数据分布，所述装置包括处理单元(201)，对于每个周期，所述处理单元(201)被配置为；
确定(101)所述运动特性的所述数据分布，
计算(102)所述数据分布中所述值的集中趋势度量值，
计算(103)每个周期的所述持续时间内所述数据分布的形状的量化度量值，
将所述集中趋势度量值与所述量化度量值关联(104)为耦合的状态参数组，
确定(105)与所述周期性运动的部件的多个周期相关联的多个耦合的状态参数组的分散度，以及
比较(106)所述分散度与分散阈值，或确定(107)随时间的推移所述分散度的趋势，以进行所述故障预测。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于利乐拉瓦尔集团及财务有限公司，未经利乐拉瓦尔集团及财务有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201880038811.7/1.html，转载请声明来源钻瓜专利网。
