[发明专利]确定轴承状况的系统、装置和方法

说明书

公开了确定系统中至少一个轴承（810）的状况的系统、装置和方法。该方法包括从与系统相关联的一个或多个感测单元接收与系统相关联的操作数据；从所述操作数据确定所述至少一个轴承（810）的操作轮廓，其中所述操作轮廓包括与所述至少一个轴承（810）相关联的振动响应、热响应和频率响应中的至少一个；基于所述操作轮廓和虚拟轴承模型（400，600）确定所述至少一个轴承（810）的操作期间的冲击力轮廓，所述虚拟轴承模型在与同所述至少一个轴承（810）可比较的轴承组相关联的操作轮廓和冲击力轮廓上训练；以及基于冲击力轮廓确定所述至少一个轴承（810）的状况。

本发明涉及确定系统中轴承的状况。

马达或任何旋转系统中使用的轴承可能由于多种原因而出现故障。例如，在滚动轴承的情况下，滚动轴承的使用寿命可能由于润滑剂功能的丧失而受到影响。润滑剂可能由于可能导致温度上升的集中应力而丧失其润滑能力。润滑剂也可能由于由磨损生成的颗粒引起的润滑剂污染而丧失其润滑能力。

确定润滑剂状况的技术包括实验方法。实验方法基于与轴承或使用轴承的系统的操作相关联的数据。基于数据的分析的准确性取决于捕获数据的感测单元的放置。例如，轴承的振动响应可以取决于加速度计的放置。

此外，在某些场景下，不可能测量可能导致润滑能力丧失的应力。在这样的场景下，基于数据的分析可能无法准确指示润滑剂的状况。因此，可能无法准确地标识轴承的状况。

鉴于上述情况，存在确定轴承的状况的需要。因此，本发明的目的是提供一种用于确定系统中轴承状况的系统、装置和方法。

本发明的方面是一种确定系统中至少一个轴承的状况的计算机实现方法。该方法包括从与系统相关联的一个或多个感测单元接收与系统相关联的操作数据；从操作数据确定所述至少一个轴承的操作轮廓（profile），其中操作轮廓包括与所述至少一个轴承相关联的振动响应、热响应和频率响应中的至少一个；基于所述操作轮廓和虚拟轴承模型确定所述至少一个轴承的操作期间的冲击力轮廓，所述虚拟轴承模型在与同所述至少一个轴承可比较的轴承组相关联的操作轮廓和冲击力轮廓上训练；以及基于冲击力轮廓确定所述至少一个轴承的状况。

示例轴承包括流体轴承和具有滚动元件或滚针的滚动轴承。示例系统包括转子、马达、传动系、齿轮箱等。

如本文使用的，“操作数据”是指反映轴承和/或系统的操作状况的从不同源（例如，传感器、扫描仪、用户设备等）接收的数据。传感器测量与技术系统相关联的操作参数。传感器可以包括振动传感器、电流和电压传感器等。例如，马达中轴电压的测量被映射到轴承的操作参数。术语“操作参数”是指轴承的一个或多个特性。例如，操作数据包括系统（包括轴承）的振动、温度、电流、磁通量、速度、功率的值。

如本文使用的，“操作轮廓”是指振动响应、热响应、频率响应、磁响应等之一的组合。响应依次从操作数据生成。在实施例中，可以基于来自振动传感器的振动数据的均方根来生成振动响应。

如本文使用的“冲击力轮廓”是指基于操作轮廓测量和确定的冲击力。冲击力是在轴承操作过程期间测量的，并且因此称为冲击力轮廓。

如本文使用的“虚拟轴承模型”是指基于轴承组的操作数据和与轴承相关联的物理特性生成的软件定义的轴承。虚拟轴承模型包括预测和人工智能算法来预测轴承的状况。

该方法可以包括在操作期间预测与所述至少一个轴承相关联的应力分布。基于所述至少一个轴承的冲击力轮廓和虚拟轴承模型来预测应力分布。此外，该方法可以包括使用神经网络基于应力分布和预测寿命来预测所述至少一个轴承的剩余寿命；其中所述神经网络被配置为执行梯度下降优化。

该方法可以包括基于冲击力轮廓标识所述至少一个轴承中的缺陷，并且确定所述至少一个轴承中润滑剂的污染状况。在实施例中，通过将所述至少一个轴承的操作轮廓叠加在虚拟轴承模型中的操作轮廓上来标识缺陷，并且确定污染状况。此外，通过导出冲击力轮廓并确定应力分布来执行叠加。