[发明专利]采用中枢网络的自动轨迹分析

说明书

本发明涉及一种检测装有旋转轴的设备缺陷的系统，特别是涉及一种采用中枢网络完成的轨迹分析系统，以便检测出这些缺陷。

目前已有多种用于检测装有旋转轴的设备（例如电动机、涡轮机等）上的异常或缺陷的分析方法，它们是根据轴的运动偏差进行检测的。一类分析方法是用传感器检测设备（特别是轴）上的振动，然后分析这个振动。检测为运转速度的谐波形式的振动分量的变化是这类分析中最简单的一种。如果轴正在发生摩擦，则将出现几个运转速度的谐波;如果只出现高振幅的一次谐波，则表明这个轴需要进行平衡。为了检测设备上的其它缺陷或异常，可以采用比较复杂的频率分析。

另一种公知的分析技术是轨迹分析。在轨迹分析中，要对轴的轴线偏离正常位置的运动进行检测。通过从轴的一个端部观察到的运动图形，可以分析出有关类型的缺陷。典型的做法是，把一对偏转传感器靠近轴承安装，以便检测轴沿着X（水平的）和Y（垂直的）轴方向的偏移，再把这对传感器产生的信号输入到示波器就可显示出一个轨迹图形。

在图1A-1D中示出了几个典型的由于设备中的缺陷产生的轨迹图。图1A中示出了一个对应于严重不同轴情况下的轨迹图的典型例子;图1B中示出由在一个轴套中的油膜旋涡或润滑油起泡所产生的轨迹例子;在图1C中所示出的一个带有许多尖峰的圆圈是由摩擦引起的轨迹图例;而在图1D中所示的轨迹图则是由轴的弯曲或不平衡产生的轨迹图的例子。随着摩擦的位置、不同轴的形式或引起轴的不平衡的原因的不同，由圆周偏移的取向和程度也发生变化。

因此，与轨迹的曲线分析相比，轨迹的数值分析是相当困难的。虽然轨迹分析是诊断装有旋转轴设备的缺陷的有效手段，但是这个方法不适合于自动化;对所显示的轨迹的分析结果在很大程度上要靠人们的经验，相比之下，频率分析比较容易实现自动化。

本发明的一个目的是要提供一种完成轨迹分析的自动化系统。

本发明的另一个目的是要提供一种既用轨迹分析又用频率分析来对装有旋转轴设备的异常进行诊断的方法。

概括地说，本发明是属于根据轴线的运动方式对装有旋转轴设备进行自动轨迹分析以检测异常的方法和系统，该系统包括：用于输入指示轴的运动数据的输入装置，其特征在于有一个用经过培训的中枢网络处理运动数据的中枢网络系统，用以产生设备的第一异常指示。

现在详细描述用于自动分析检测装有旋转轴设备上缺陷的系统，该系统包括：用于输入指示轴的运动数据的输入装置和一个为了产生轴承系统中的第一缺陷指示而用经过培训的中枢网络处理运动数据的中枢网络系统。这些运动数据可以利用偏转传感器来产生，这些传感器能够测定该轴沿着基本上垂直于旋转轴表面的两个互相垂直的轴线中的每一个方向的偏移。对于轴安装在几个轴承上的重型设备，最好要用至少两个偏转传感器与其中的每一个轴承相连接。这些偏转传感器还可以用于产生为获得第二缺陷指示的频率分析数据。最好再用一个评价系统的判据来分析第一和第二缺陷指示，以便完成对设备的诊断。

为了更清楚理解和易于实践本发明，下面结合附图来描述仅作为例子的实施例。

图1A-1D示出了某些有异常的实例的轴轨迹的x-y图;

图2为按照本发明的一个实施例的系统方块图;

图3为按照本发明的一个实施例的方法流程图。

各种类型的应用中枢网络或中枢计算的曲线分析的方法业已研制出来。例如最早的由Frank    Rosenblatt在康奈尔大学于1957年为识别打印字符而研制出的中枢网络，人工打印字符的识别已被几个试验者演示过，其中包括Kunihiko    Fukushima在NHK实验室的演示，还可以举出在最近20年甚至更早一些时间应用中枢网络识别曲线或非曲线图形的例子。在图2所示的系统中，一个中枢网络被用于对设备12的旋转轴10进行轨迹分析。这个设备可以是任何类型的，通常用图2中的圆柱体12来表示。关于采用轨迹分析来识别设备上异常的方法将参考图3来描述;关于使用这种方法的具体系统将参考图2来描述。

应用任何中枢网络的第一步都是要确定一个或几个待识别的目标。在某些早期的中枢网络中，是采用人工的方式对该网络的每个分支加权而编制程序的方法来确定识别目标的;在最现代的中枢网络中有一个培训模式，待识别的数据以这个模式输入并提供待显示的合适的输出。从概念上讲，这个培训模式类似于教小孩子学说话或识字，在那里可以边回答问题边校正错误。