[发明专利]用于模式匹配轴承振动诊断的系统和过程

说明书

一种系统和方法，其包括：从多个不同的资产接收振动频谱数据；基于针对多个资产中的各个的振动频谱数据的形状来确定针对多个资产的群集，被分组在同一群集中的资产具有类似频谱形状的振动频谱数据；基于针对振动频谱数据的域导出模式识别规则的应用来针对群集中的各个确定多个故障分类中的一个；生成输出，该输出包括多个资产中的各个与特定资产被分组在其中的群集的故障分类的关联；以及保存输出的记录。

技术领域

本公开的领域总体上涉及系统监测和诊断。更特别地，本公开涉及用以基于振动频谱数据中的模式来检测和确定故障的系统、设备和方法。

背景技术

资产的不同构件的工作状况可由状况监测系统(CMS)监测，其中可生成警报以指示关于资产的操作的故障和其它警告。对于诸如例如风力涡轮的一些资产，风力涡轮振动分析师可使用CMS来监测涡轮的齿轮箱和其它轴承的健康，CMS使用轴承振动数据来检测异常频谱尖峰，并因此基于检测到的频谱尖峰来产生警报。这种常规方法严重依赖于针对被监测的风力涡轮的确切齿轮箱运动学信息的可获得性和知识，并且是基于规则的，并且使用极限或趋势改变来警告可能的构件磨损或损坏。

一般来说，一些常规的振动监测和分析系统通常由两个步骤组成，其中第一步骤是自动报警系统，其存储或能够访问物理信息，诸如自然故障频率和从诸如齿轮齿/滚动元件的数量等的风力涡轮的运动学信息导出的旋转频率。在第二步骤中，振动分析师可审查与风力涡轮相关联的振动频谱曲线图，以了解来自报警系统的诊断是否正确。该第二步骤是必要的，因为报警系统通常仅查看在频谱中的具体位置(即频率)处的绝对振幅值或趋势改变。通过使用精确的运动学信息，如果特征与教科书(即理论的)特征甚至稍微不同，传统的CMS系统也可能遗漏已知的故障。这是由于系统的基于规则的性质，其依赖于具体频率下的频谱尖峰来指示已知类型的故障。虽然这种方法可适用于故障特征明确限定且众所周知的问题，但当出现新的(即新颖的)故障时，该方法往往会行不通。

因此，常规系统可能潜在地遗漏新颖的故障和/或可能不正确地检测已知故障，这些已知故障具有与标准故障频率甚至稍微不同的特征，或者随着磨损或损坏的进展而远离标准故障频率偏移的特征。

因此，需要支持并便于针对资产的振动频谱的整体观(而不是在信号频谱中的具体频率下的具体振幅值)的方法和系统。

发明内容

在一个方面，本公开的实施例涉及一种方法，该方法包括：从多个不同的资产接收振动频谱数据；基于针对多个资产中的各个的振动频谱数据的形状来确定针对多个资产的群集，被分组在同一群集中的资产具有类似频谱形状的振动频谱数据；基于针对振动频谱数据的域导出模式识别规则的应用来针对群集中的各个确定多个故障分类中的一个；生成输出，该输出包括多个资产中的各个与特定资产被分组在其中的群集的故障分类的关联；以及保存输出的记录。

在其它实施例中，可实施包括频谱模式匹配(或类似功能)模块和根本原因标识(或类似功能)模块的系统，以执行本文中所公开的方法和过程的特征中的至少一些。在又一个示例实施例中，有形介质可使可执行指令具体化，该可执行指令可由处理器使能设备或系统执行，以实施本公开的过程的至少一些方面。

虽然本公开描述了用于检测风力涡轮轴承、轴和传动装置问题的多种方法和系统的使用，但是本公开可适用于所有旋转或往复式机械，包括但不限于和跨越许多不同类型的发电、工业和制造行业。本文中所公开的方法和系统适用的一些设备的说明性示例包括但不限于发电设备、马达、泵、齿轮箱、轴承、轴、齿轮、压缩机、金属挤出设备、采矿和金属生产设备。

附图说明

当参考附图阅读以下详细描述时，本公开的这些和其它特征、方面和优点将变得更好理解，在附图中，遍及附图，相同的字符表示相同的部件，其中：

图1是其中包括轴承机构的风力涡轮的说明性示意性示例；

图2是根据本文中的一些实施例的包括轴承外座圈故障的说明性示例信号频谱；

图3是根据本文中的一些实施例的包括轴承内座圈故障的说明性示例信号频谱；