專利名稱：動(dòng)力設(shè)備異常檢測裝置及其檢測方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種針對動(dòng)力設(shè)備運(yùn)行的監(jiān)測與診斷，特別涉及一種動(dòng)力設(shè)備異常檢測裝置及其檢測方法。
背景技術(shù)：
一般來說，動(dòng)力設(shè)備在故障發(fā)生前，常常會出現(xiàn)性能的衰退與耗能的增加，但這些現(xiàn)象并不會立即影響到設(shè)備的運(yùn)轉(zhuǎn)，因此時(shí)常不會被使用者所發(fā)現(xiàn)，此結(jié)果除了會增加故障發(fā)生機(jī)率與縮短設(shè)備壽命外，動(dòng)力設(shè)備效能降低與耗能的增加，對于產(chǎn)業(yè)競爭力與環(huán)境保護(hù)都有著負(fù)面的影響。動(dòng)力設(shè)備(例如馬達(dá))的診斷模式大多是利用一感測器來感測動(dòng)力設(shè)備運(yùn)行的狀態(tài)，再通過有線或無線傳輸方式將所感測到的數(shù)據(jù)傳送到后端系統(tǒng)做進(jìn)一步的分析。但此種模式需要通過大量的數(shù)據(jù)傳輸頻寬，主要原因在于為了確保分析診斷的有效性及穩(wěn)定性，盡可能地將所有感測器所接收到運(yùn)行狀態(tài)數(shù)據(jù)完整的發(fā)送至后端系統(tǒng)中。因此，如何能夠通過一種方法或手段，除了保有一樣精確的分析診斷能力，先將感測的運(yùn)行狀態(tài)數(shù)據(jù)進(jìn)行處理，以減少需要傳送至后端系統(tǒng)的數(shù)據(jù)量，進(jìn)而達(dá)到有效降低數(shù)據(jù)傳輸頻寬大小、提升數(shù)據(jù)傳輸穩(wěn)定性、縮短診斷更新時(shí)間與降低設(shè)置成本等功效，長久以來一直是相關(guān)廠商努力的目標(biāo)。

發(fā)明內(nèi)容
鑒于以上的問題，本發(fā)明提供一種動(dòng)力設(shè)備異常檢測裝置及其檢測方法。通過將感測的運(yùn)行狀態(tài)數(shù)據(jù)預(yù)先進(jìn)行處理，以達(dá)到有效降低數(shù)據(jù)傳輸頻寬大小、提升數(shù)據(jù)傳輸穩(wěn)定性、縮短診斷更新時(shí)間與降低設(shè)置成本。根據(jù)本發(fā)明所揭露的動(dòng)力設(shè)備異常檢測裝置，包括一感測模塊、一處理模塊、一最優(yōu)化處理模塊及一分類診斷模塊。感測模塊用以感測一動(dòng)力設(shè)備以取得多個(gè)運(yùn)轉(zhuǎn)信號。處理模塊連接于該感測模塊，以接收所述運(yùn)轉(zhuǎn)信號，并依序自各該運(yùn)轉(zhuǎn)信號取得多個(gè)特征值。最優(yōu)化處理模塊連接該處理模塊，以接收所述特征值，并分類所述特征值來建立多個(gè)因素群組。其中，最優(yōu)化處理模塊可利用因素分析方法，將特征值依關(guān)聯(lián)性分類出多個(gè)因素群組。各該因素群組具有一代表該因素群組的變異特征值，所述變異特征值的數(shù)量少于所述特征值的數(shù)量。分類診斷模塊連接該最優(yōu)化處理模塊用以接收所述因素群組，并依據(jù)一預(yù)設(shè)規(guī)則與所述因素群組發(fā)送一狀態(tài)信號。此預(yù)設(shè)規(guī)則可為一分類列表，分類列表包括一正常項(xiàng)目及一異常項(xiàng)目。正常項(xiàng)目為動(dòng)力設(shè)備運(yùn)轉(zhuǎn)時(shí)的正常情況，異常項(xiàng)目則為表示運(yùn)轉(zhuǎn)時(shí)異常的情況，例如，異常項(xiàng)目可包括但不限于不平衡情況、不對心情況、潤滑情況、共振情況、軸承損壞情況、軸彎曲情況、松動(dòng)情況、相位不平衡情況、電位不平衡情況、諧波倍頻情況及短路情況。因此，通過上述的動(dòng)力設(shè)備異常檢測裝置，檢測裝置可設(shè)置于一動(dòng)力設(shè)備上，通過最優(yōu)化處理模塊利用因素分析方法將動(dòng)力設(shè)備上所感測的運(yùn)轉(zhuǎn)信號簡化，直接通過分類診斷模塊來進(jìn)行動(dòng)力設(shè)備運(yùn)行情況的判斷，無須將所感測的運(yùn)轉(zhuǎn)信號發(fā)送至后端系統(tǒng)來進(jìn)行直接且即時(shí)的處理，以達(dá)到縮短診斷更新時(shí)間與降低設(shè)置成本。再者，即便未來仍需要后端系統(tǒng)來進(jìn)行處理(例如通過一遠(yuǎn)端服務(wù)器匯整多個(gè)動(dòng)力設(shè)備的運(yùn)行狀態(tài))，經(jīng)因素分析方法所歸納出的變異特征值的數(shù)量低于自各該運(yùn)轉(zhuǎn)信號所取得的特征值的數(shù)量，故可達(dá)到降低數(shù)據(jù)傳輸頻寬大小和提升數(shù)據(jù)傳輸穩(wěn)定性的功效。根據(jù)本發(fā)明所揭露的動(dòng)力設(shè)備異常檢測方法，通過偵測動(dòng)力設(shè)備運(yùn)轉(zhuǎn)的資訊來進(jìn)行異常參數(shù)的檢測與診斷。動(dòng)力設(shè)備異常檢測方法，首先利用一信號處理方法自該動(dòng)力設(shè)備取得多個(gè)運(yùn)轉(zhuǎn)信號，并自運(yùn)轉(zhuǎn)信號中擷取多個(gè)特征值。接著，再將特征值依關(guān)聯(lián)性進(jìn)行分類以建立多個(gè)因素群組，而各該因素群組具有一變異特征值。最后再將所取得變異特征值大于1的因素群組，利用類神經(jīng)網(wǎng)絡(luò)和經(jīng)驗(yàn)法則得到此動(dòng)力設(shè)備的運(yùn)行狀態(tài)，并依一預(yù)設(shè)規(guī)則判斷動(dòng)力設(shè)備的運(yùn)行狀態(tài)是否異常。其中，當(dāng)類神經(jīng)網(wǎng)絡(luò)和經(jīng)驗(yàn)法則所判斷的運(yùn)行狀態(tài)不一致時(shí)，根據(jù)所述因素群組修正類神經(jīng)網(wǎng)絡(luò)的模型，直到兩者判斷出來的運(yùn)行狀態(tài)結(jié)果一致。運(yùn)轉(zhuǎn)信號可為動(dòng)力設(shè)備的振動(dòng)信號、溫度信號、磁通信號、電流信號或電壓信號。處理模塊系將所感測的運(yùn)轉(zhuǎn)信號通過一時(shí)域轉(zhuǎn)換處理或一多尺度熵(Multiscale Entropy, MSE)運(yùn)算以取得特征值，特征值可為振動(dòng)信號的倍頻峰值或特征頻率值。時(shí)域轉(zhuǎn)換處理可采用一離散傅立葉轉(zhuǎn)換處理(Discrete Fourier Transform, DFT)、一快速傅立葉轉(zhuǎn)換處理(Fast Fourier Transform，F(xiàn)FT)、一離散余弦轉(zhuǎn)換處理(Discrete Cosine Transformation，DCT)、一離散哈特利轉(zhuǎn)換處理(Discrete Hartley Transform，DHT)、一小波轉(zhuǎn)換處理(Wavelet Transform, WT)或一功率頻率處理(Power Spectrum)。用以判斷動(dòng)力設(shè)備的運(yùn)行狀態(tài)是否異常的預(yù)設(shè)規(guī)則可為一分類列表，分類列表包括一正常項(xiàng)目及一異常項(xiàng)目。正常項(xiàng)目為動(dòng)力設(shè)備運(yùn)轉(zhuǎn)時(shí)的正常情況，異常項(xiàng)目則為表示運(yùn)轉(zhuǎn)時(shí)異常的情況，例如，異常項(xiàng)目可包括但不限于不平衡情況、不對心情況、潤滑情況、共振情況、軸承損壞情況、軸彎曲情況、松動(dòng)情況、相位不平衡情況、電位不平衡情況、諧波倍頻情況及短路情況。于此，當(dāng)通過類神經(jīng)網(wǎng)絡(luò)取得動(dòng)力設(shè)備的運(yùn)行狀態(tài)后，可根據(jù)上述的預(yù)設(shè)規(guī)則判斷此動(dòng)力設(shè)備可能是哪一部份發(fā)生異常情況。類神經(jīng)網(wǎng)絡(luò)則可采用一倒傳遞類神經(jīng)網(wǎng)絡(luò) (Back Propagation Network,BPN)(Hopfield Neural Network,ΗΝΝ) > — 徑向基底類神經(jīng)網(wǎng)絡(luò)(Radial Basis Function Network，RBFN)、一模糊類神經(jīng)網(wǎng)絡(luò)(Fuzzy Neural Network, FNN)或一函數(shù)鏈路類神經(jīng)網(wǎng)絡(luò)(Functional Link Neural Network, FLNN)。經(jīng)驗(yàn)法則為一特征頻譜、一臨界門檻、一軌跡圖、一包絡(luò)線、一諧波分析或其組合。因此，通過本發(fā)明的動(dòng)力設(shè)備異常檢測方法，可通過感測一動(dòng)力設(shè)備的運(yùn)轉(zhuǎn)信號， 并通過因素分析方法簡化自運(yùn)轉(zhuǎn)信號所取得的特征值的數(shù)量和大小，可適用于資源消耗較小的微處理器中，直接進(jìn)行運(yùn)算處理來判斷動(dòng)力設(shè)備的運(yùn)行狀態(tài)，無須將所感測到的運(yùn)轉(zhuǎn)信號傳送至后端系統(tǒng)，后端系統(tǒng)僅需要接收判斷結(jié)果，可達(dá)到降低數(shù)據(jù)傳輸頻寬大小、提升數(shù)據(jù)傳輸穩(wěn)定性、縮短診斷更新時(shí)間與降低設(shè)置成本的功效。有關(guān)本發(fā)明的特征、實(shí)施與功效，茲配合圖式作實(shí)施例詳細(xì)說明如下。


圖1是本發(fā)明的動(dòng)力設(shè)備異常檢測裝置的示意圖。圖2A是本發(fā)明的動(dòng)力設(shè)備異常檢測裝置一實(shí)施例的示意圖。圖2B是本發(fā)明的動(dòng)力設(shè)備異常檢測裝置另一實(shí)施例的示意圖。圖2C是本發(fā)明的動(dòng)力設(shè)備異常檢測裝置又一實(shí)施例的示意圖。圖3是本發(fā)明的動(dòng)力設(shè)備異常檢測方法的步驟流程圖。圖4A是圖3中步驟S310的一實(shí)施例流程圖。圖4B是圖3中步驟S310的另一實(shí)施例流程圖。圖4C是圖3中步驟S320的步驟流程圖。圖5系圖3中步驟S340的一實(shí)施例的流程圖。主要元件符號說明100 動(dòng)力設(shè)備異常檢測裝置110 感測模塊120 處理模塊130 最優(yōu)化處理模塊140 分類診斷模塊150 警示裝置160 傳輸模塊170 存儲模塊200 動(dòng)力設(shè)備。
具體實(shí)施例方式請參考圖1所示，圖1是本發(fā)明的動(dòng)力設(shè)備異常檢測裝置的示意圖。動(dòng)力設(shè)備異常檢測裝置100可為一嵌入式系統(tǒng)晶片或一個(gè)人數(shù)字助理裝置(Personal Digital Assistant,PDA)等數(shù)據(jù)處理裝置，動(dòng)力設(shè)備異常檢測裝置100設(shè)置于一動(dòng)力設(shè)備200并包括一感測模塊110、一處理模塊120、一最優(yōu)化處理模塊130及一分類診斷模塊140。感測模塊110用以感測動(dòng)力設(shè)備100以取得多個(gè)運(yùn)轉(zhuǎn)信號，以馬達(dá)為例，感測模塊 110除通過振動(dòng)程度感測動(dòng)力設(shè)備100的振動(dòng)信號數(shù)據(jù)外，也取得溫度、磁通、電流、轉(zhuǎn)速、 電壓等馬達(dá)運(yùn)行時(shí)的運(yùn)轉(zhuǎn)信號。處理模塊120根據(jù)感測模塊110所感測到的運(yùn)轉(zhuǎn)信號，利用一信號處理方法自運(yùn)轉(zhuǎn)信號中擷取多個(gè)特征值。以振動(dòng)信號來說，處理模塊120利用快速傅立葉轉(zhuǎn)換處理方法將運(yùn)轉(zhuǎn)信號自時(shí)域轉(zhuǎn)換成頻域，并通過轉(zhuǎn)速換算出振動(dòng)信號的基頻，再依序自頻域的振動(dòng)信號擷取出0. 5倍頻、1倍頻至12倍頻，所擷取的倍頻信號即為對應(yīng)振動(dòng)信號的特征值。最優(yōu)化處理模塊130連接該處理模塊120，以接收所述特征值，并分類所述特征值來建立多個(gè)因素群組。其中，最優(yōu)化處理模塊130可利用因素分析方法，將特征值依關(guān)聯(lián)性分類出多個(gè)因素群組。各該因素群組具有一代表該因素群組的變異特征值，所述變異特征值的數(shù)量少于所述特征值的數(shù)量。分類診斷模塊140連接該最優(yōu)化處理模塊130用以接收所述因素群組，并依據(jù)一預(yù)設(shè)規(guī)則與所述因素群組發(fā)送一狀態(tài)信號，以判斷動(dòng)力設(shè)備的運(yùn)行情況。此預(yù)設(shè)規(guī)則可為一分類列表，分類列表包括一正常項(xiàng)目及一異常項(xiàng)目。正常項(xiàng)目為動(dòng)力設(shè)備運(yùn)轉(zhuǎn)時(shí)的正常情況，異常項(xiàng)目則為表示運(yùn)轉(zhuǎn)時(shí)異常的情況，例如，異常項(xiàng)目可包括但不限于不平衡情況、 不對心情況、潤滑情況、共振情況、軸承損壞情況、軸彎曲情況、松動(dòng)情況、相位不平衡情況、 電位不平衡情況、諧波倍頻情況及短路情況。請參考圖2A所示，圖2A為本發(fā)明的動(dòng)力設(shè)備異常檢測裝置一實(shí)施例的示意圖。動(dòng)力設(shè)備異常檢測裝置更包括一警示裝置150，該警示裝置150用以接收該狀態(tài)信號，并當(dāng)該狀態(tài)信號為該異常時(shí)，用以通知使用者。警示裝置150可為但不限于一振動(dòng)模塊、一發(fā)光模塊、一顯示模塊、一聲響模塊或其組合，以通過振動(dòng)警示、燈光警示、信息警示或聲音警示等方式來通知使用者動(dòng)力設(shè)備200的運(yùn)行發(fā)生異常。請參考圖2B所示，圖2B為本發(fā)明的動(dòng)力設(shè)備異常檢測裝置另一實(shí)施例的示意圖。 動(dòng)力設(shè)備異常檢測裝置還包括一傳輸模塊160，傳輸模塊160連接該分類診斷模塊140，用以接收該狀態(tài)信號，并通過有線或無線的傳輸方式將該狀態(tài)信號發(fā)送至警示裝置150。請參考圖2C所示，圖2C為本發(fā)明的動(dòng)力設(shè)備異常檢測裝置又一實(shí)施例的示意圖。 動(dòng)力設(shè)備異常檢測裝置還包括一存儲模塊170，存儲模塊170用以儲存該動(dòng)力設(shè)備200的所述運(yùn)轉(zhuǎn)信號，當(dāng)使用者有需要讀取動(dòng)力設(shè)備的運(yùn)轉(zhuǎn)信號來進(jìn)行進(jìn)一步的分析，再通過存取存儲模塊170來取得所需的運(yùn)轉(zhuǎn)信號。存儲模塊170可供設(shè)置存儲卡以儲存感測的運(yùn)轉(zhuǎn)信號，存儲卡可為一小型快閃(Compact Flash,CF)存儲卡、一微型硬盤(Micro Drive,MD) 存儲卡、一安全數(shù)字(Secure Digital, SD)存儲卡、一微型安全數(shù)字(Micro SD)存儲卡、一多媒體(Multi Media Card,MMC)存儲卡、一長條(Memory Stick,MS)存儲卡或一微型長條 (Micro MS)存儲卡。因此，通過上述的動(dòng)力設(shè)備異常檢測裝置，檢測裝置可設(shè)置于一動(dòng)力設(shè)備上，通過最優(yōu)化處理模塊利用因素分析方法將自動(dòng)力設(shè)備上所感測的運(yùn)轉(zhuǎn)信號簡化，直接通過分類診斷模塊來進(jìn)行動(dòng)力設(shè)備運(yùn)行情況的判斷，無須將所感測的運(yùn)轉(zhuǎn)信號發(fā)送至后端系統(tǒng)來進(jìn)行直接且即時(shí)的處理，以達(dá)到縮短診斷更新時(shí)間與降低設(shè)置成本。再者，即便未來仍需要后端系統(tǒng)來進(jìn)行處理(例如通過一遠(yuǎn)端服務(wù)器匯整多個(gè)動(dòng)力設(shè)備的運(yùn)行狀態(tài))，經(jīng)因素分析方法所歸納出的變異特征值的數(shù)量低于自各該運(yùn)轉(zhuǎn)信號所取得的特征值的數(shù)量，故可達(dá)到降低數(shù)據(jù)傳輸頻寬大小和提升數(shù)據(jù)傳輸穩(wěn)定性的功效。請參考圖3所示，圖3為本發(fā)明的動(dòng)力設(shè)備異常檢測方法的步驟流程圖。動(dòng)力設(shè)備異常檢測方法應(yīng)用于一動(dòng)力設(shè)備，包括步驟S300 利用一信號處理方法自該動(dòng)力設(shè)備取得多個(gè)運(yùn)轉(zhuǎn)信號；步驟S310 自所述運(yùn)轉(zhuǎn)信號取得對應(yīng)于各該運(yùn)轉(zhuǎn)信號的多個(gè)特征值；步驟S320 將所述特征值進(jìn)行分組，以建立多個(gè)因素群組，各該因素群組具有一變異特征值；步驟S330 根據(jù)所述因素群組，利用一類神經(jīng)網(wǎng)絡(luò)判斷該動(dòng)力設(shè)備運(yùn)轉(zhuǎn)的一第一運(yùn)行狀態(tài)；步驟S340 根據(jù)所述特征值，利用一經(jīng)驗(yàn)法則判斷該動(dòng)力裝置運(yùn)轉(zhuǎn)的一第二運(yùn)行狀態(tài)； 步驟S350 比較該第一運(yùn)行狀態(tài)與該第二運(yùn)行狀態(tài)是否相同； 步驟S360 當(dāng)該第一運(yùn)行狀態(tài)與該第二運(yùn)行狀態(tài)不相同時(shí)，根據(jù)所述因素群組修正該類神經(jīng)網(wǎng)絡(luò)，直到該第一運(yùn)行狀態(tài)與該第二運(yùn)行狀態(tài)相同；步驟S370 當(dāng)該第一運(yùn)行狀態(tài)與該第二運(yùn)行狀態(tài)相同時(shí)，根據(jù)一預(yù)設(shè)規(guī)則判斷該第一運(yùn)行狀態(tài)是否異常；步驟S380 若判斷該第一運(yùn)行狀態(tài)為異常，則發(fā)送一異常信號；以及步驟S390 若判斷該第一運(yùn)行狀態(tài)為正常，則發(fā)送一正常信號。請參考圖4A所示，圖4A為圖3中步驟S310的一實(shí)施例流程圖。步驟S310所述的自所述運(yùn)轉(zhuǎn)信號取得對應(yīng)于各該運(yùn)轉(zhuǎn)信號的多個(gè)特征值，運(yùn)轉(zhuǎn)信號包括振動(dòng)信號、溫度信號、磁通信號、電流信號或電壓信號。步驟S310包括步驟S311 感測該動(dòng)力設(shè)備，以取得所述運(yùn)轉(zhuǎn)信號；步驟S312 利用一時(shí)域轉(zhuǎn)換處理，將該運(yùn)轉(zhuǎn)信號的一時(shí)域數(shù)據(jù)轉(zhuǎn)換為一頻域數(shù)據(jù)；以及步驟S313 自該頻域數(shù)據(jù)擷取多個(gè)特征值。其中，時(shí)域轉(zhuǎn)換處理可為一離散傅立葉轉(zhuǎn)換處理、一快速傅立葉轉(zhuǎn)換處理、一離散余弦轉(zhuǎn)換處理、一離散哈特利轉(zhuǎn)換處理、一小波轉(zhuǎn)換處理或一功率頻率處理。以馬達(dá)的振動(dòng)信號來說，當(dāng)振動(dòng)信號經(jīng)過快速傅立葉轉(zhuǎn)換處理，基頻(諧波)可通過以下公式計(jì)算第一基頻位置=((IX轉(zhuǎn)速X運(yùn)轉(zhuǎn)信號的數(shù)據(jù)長度)/60) X頻譜擷取頻率；第二基頻位置=(QX轉(zhuǎn)速X運(yùn)轉(zhuǎn)信號的數(shù)據(jù)長度)/60) X頻譜擷取頻率；以此類推。舉例假設(shè)感測一每分鐘1800轉(zhuǎn)的馬達(dá)，來取得一 16千位元組的運(yùn)轉(zhuǎn)信號，取頻率為12千赫茲的頻域，則第一基頻的位置可為40。據(jù)此，當(dāng)步驟S311取得一代表馬達(dá)振動(dòng)信號的運(yùn)轉(zhuǎn)信號時(shí)，通過步驟S312將運(yùn)轉(zhuǎn)信號自時(shí)域數(shù)據(jù)轉(zhuǎn)換為頻域數(shù)據(jù)，再依序自頻域的運(yùn)轉(zhuǎn)信號擷取出0. 5倍頻、1倍頻至 12倍頻位置的值，所擷取的倍頻信號即為對應(yīng)振動(dòng)信號的特征值，這些特征值的數(shù)量為24 個(gè)，并根據(jù)倍頻的大小分別定義為 0. 5χ、1χ、1· 5χ,2χ,2. 5χ、3χ、3· 5χ,4χ,4. 5χ,5χ,5. 5χ、6χ、 6.5χ、7χ、7·5χ、8χ、8· 5χ、9χ、9· 5χ、10χ、10· 5χ、11χ、11· 5χ 及 12χ。請參考圖4Β所示，圖4Β為圖3中步驟S310的另一實(shí)施例流程圖。相較圖4Α所示的步驟S310的實(shí)施例，圖4Β所示的步驟S310實(shí)施例通過多尺度熵(Multiscale Entropy, MSE)運(yùn)算來取得運(yùn)轉(zhuǎn)信號的特征值，此實(shí)施例包括步驟S314 感測該動(dòng)力設(shè)備，以取得所述運(yùn)轉(zhuǎn)信號；以及步驟S315 將去除噪聲后的所述運(yùn)轉(zhuǎn)信號通過一多尺度熵(Multiscale Entropy, MSE)運(yùn)算，以取得對應(yīng)該運(yùn)轉(zhuǎn)信號的所述特征值。步驟S314和S315之間還可包括一步驟S316，步驟S316 利用小波轉(zhuǎn)換對所述運(yùn)轉(zhuǎn)信號進(jìn)行噪聲處理。主要原因在于經(jīng)過感測所取得的運(yùn)轉(zhuǎn)信號可能具有噪聲，通過小波轉(zhuǎn)換處理可以達(dá)到抑制噪聲的功效。請參考圖3及圖4C所示，圖4C為圖3中步驟S320的步驟流程圖。待取得所述對應(yīng)于運(yùn)轉(zhuǎn)信號的多個(gè)特征值(步驟S310)，動(dòng)力設(shè)備異常檢測方法再通過因素分析方法簡化這些特征值，如步驟S320所述的將所述特征值進(jìn)行分組，以建立多個(gè)因素群組，各該因素群組具有一變異特征值，步驟S320包括
步驟S321 利用因素分析方法對所述特征值分群，以建立所述因素群組；步驟S322 依序計(jì)算各該因素群組中所述特征值，以取得一變異特征值；以及步驟S323 保留所述變異特征值大于1的變異特征值。通過上述的步驟S321至步驟S323，并搭配上述步驟S310所取得的對應(yīng)振動(dòng)信號的特征值為變數(shù)，可得到下列表一的結(jié)果。表一
權(quán)利要求
1.一種動(dòng)力設(shè)備異常檢測裝置，該裝置包括一感測模塊，感測一動(dòng)力設(shè)備以取得多個(gè)運(yùn)轉(zhuǎn)信號；一處理模塊，連接該感測模塊，用以接收所述運(yùn)轉(zhuǎn)信號并依序自各該運(yùn)轉(zhuǎn)信號擷取多個(gè)特征值；一最優(yōu)化處理模塊，連接該處理模塊，該最優(yōu)化處理模塊接收所述特征值，并分類所述特征值以建立多個(gè)因素群組，其中，各該因素群組具有一代表該因素群組的變異特征值，所述變異特征值的數(shù)量少于所述特征值的數(shù)量；以及一分類診斷模塊，連接該最優(yōu)化處理模塊，用以接收所述變異特征值下的該因素群組， 并依據(jù)一預(yù)設(shè)規(guī)則與所述因素群組發(fā)送一狀態(tài)信號。
2.如權(quán)利要求1所述的動(dòng)力設(shè)備異常檢測裝置，還包括一警示裝置，用以接收該狀態(tài)信號，并當(dāng)該狀態(tài)信號為異常時(shí)，通知該動(dòng)力設(shè)備運(yùn)行發(fā)生異常。
3.如權(quán)利要求2所述的動(dòng)力設(shè)備異常檢測裝置，還包括一傳輸模塊，該傳輸模塊連接該分類診斷模塊，用以接收該狀態(tài)信號并通過有線或無線的傳輸方式將該狀態(tài)信號發(fā)送至該警示裝置。
4.如權(quán)利要求1所述的動(dòng)力設(shè)備異常檢測裝置，還包括一存儲模塊，該存儲模塊儲存該動(dòng)力設(shè)備的所述運(yùn)轉(zhuǎn)信號。
5.一種動(dòng)力設(shè)備異常檢測方法，應(yīng)用于一動(dòng)力設(shè)備，該動(dòng)力設(shè)備異常檢測方法包括 利用一信號處理方法自該動(dòng)力設(shè)備取得多個(gè)運(yùn)轉(zhuǎn)信號；自所述運(yùn)轉(zhuǎn)信號取得對應(yīng)于各該運(yùn)轉(zhuǎn)信號的多個(gè)特征值； 將所述特征值進(jìn)行分組，以建立多個(gè)因素群組，各該因素群組具有一變異特征值； 根據(jù)所述因素群組，利用一類神經(jīng)網(wǎng)絡(luò)判斷該動(dòng)力設(shè)備運(yùn)轉(zhuǎn)的一第一運(yùn)行狀態(tài)； 根據(jù)所述特征值，利用一經(jīng)驗(yàn)法則判斷該動(dòng)力裝置運(yùn)轉(zhuǎn)的一第二運(yùn)行狀態(tài)； 比較該第一運(yùn)行狀態(tài)與該第二運(yùn)行狀態(tài)是否相同；當(dāng)該第一運(yùn)行狀態(tài)與該第二運(yùn)行狀態(tài)不相同時(shí)，根據(jù)所述因素群組修正該類神經(jīng)網(wǎng)絡(luò)，直到該第一運(yùn)行狀態(tài)與該第二運(yùn)行狀態(tài)相同；當(dāng)該第一運(yùn)行狀態(tài)與該第二運(yùn)行狀態(tài)相同時(shí)，根據(jù)一預(yù)設(shè)規(guī)則判斷該第一運(yùn)行狀態(tài)是否異常；若判斷該第一運(yùn)行狀態(tài)為異常，則發(fā)送一異常信號；以及若判斷該第一運(yùn)行狀態(tài)為正常，則發(fā)送一正常信號。
6.如權(quán)利要求5所述的動(dòng)力設(shè)備異常檢測方法，其中，該運(yùn)轉(zhuǎn)信號為一振動(dòng)信號。
7.如權(quán)利要求5所述的動(dòng)力設(shè)備異常檢測方法，其中，該運(yùn)轉(zhuǎn)信號為一溫度信號。
8.如權(quán)利要求5所述的動(dòng)力設(shè)備異常檢測方法，其中，該運(yùn)轉(zhuǎn)信號為一磁通信號。
9.如權(quán)利要求5所述的動(dòng)力設(shè)備異常檢測方法，其中，該運(yùn)轉(zhuǎn)信號為一電流信號。
10.如權(quán)利要求5所述的動(dòng)力設(shè)備異常檢測方法，其中，該運(yùn)轉(zhuǎn)信號為一電壓信號。
11.如權(quán)利要求5所述的動(dòng)力設(shè)備異常檢測方法，其中，該運(yùn)轉(zhuǎn)信號為一轉(zhuǎn)速信號。
12.如權(quán)利要求5所述的動(dòng)力設(shè)備異常檢測方法，其中，該利用該信號處理方法自該動(dòng)力設(shè)備取得所述運(yùn)轉(zhuǎn)信號的步驟，包括感測該動(dòng)力設(shè)備，以取得所述運(yùn)轉(zhuǎn)信號；利用一時(shí)域轉(zhuǎn)換處理，將該運(yùn)轉(zhuǎn)信號的一時(shí)域數(shù)據(jù)轉(zhuǎn)換為一頻域數(shù)據(jù)；以及自該頻域數(shù)據(jù)擷取所述特征值。
13.如權(quán)利要求12所述的動(dòng)力設(shè)備異常檢測方法，其中，該時(shí)域轉(zhuǎn)換處理為一離散傅立葉轉(zhuǎn)換處理、一快速傅立葉轉(zhuǎn)換處理、一離散余弦轉(zhuǎn)換處理、一離散哈特利轉(zhuǎn)換處理、一小波轉(zhuǎn)換處理或一功率頻率處理。
14.如權(quán)利要求5所述的動(dòng)力設(shè)備異常檢測方法，其中，該利用該信號處理方法自該動(dòng)力設(shè)備取得所述運(yùn)轉(zhuǎn)信號的步驟，包括感測該動(dòng)力設(shè)備，以取得所述運(yùn)轉(zhuǎn)信號；以及將去除噪聲后的所述運(yùn)轉(zhuǎn)信號通過一多尺度熵運(yùn)算，以取得對應(yīng)所述運(yùn)轉(zhuǎn)信號的所述特征值。
15.如權(quán)利要求14所述的動(dòng)力設(shè)備異常檢測方法，其中，于該感測該動(dòng)力設(shè)備，以取得所述運(yùn)轉(zhuǎn)信號的步驟及該將去除噪聲后的該運(yùn)轉(zhuǎn)信號通過該多尺度熵運(yùn)算，以取得對應(yīng)該運(yùn)轉(zhuǎn)信號的所述特征值的步驟之間，還包括利用小波轉(zhuǎn)換對所述運(yùn)轉(zhuǎn)信號進(jìn)行噪聲處理。
16.如權(quán)利要求5所述的動(dòng)力設(shè)備異常檢測方法，其中，該將所述特征值進(jìn)行分組，以建立所述因素群組的步驟包括利用因素分析方法對所述特征值分群，以建立所述因素群組；依序計(jì)算各該因素群組中所述特征值，以取得該變異特征值；以及保留所述變異特征值大于1的變異特征值。
17.如權(quán)利要求5所述的動(dòng)力設(shè)備異常檢測方法，其中，該類神經(jīng)網(wǎng)絡(luò)為一倒傳遞類神經(jīng)網(wǎng)絡(luò)、一霍普菲爾網(wǎng)絡(luò)、一徑向基底類神經(jīng)網(wǎng)絡(luò)、一模糊類神經(jīng)網(wǎng)絡(luò)或一函數(shù)鏈路類神經(jīng)網(wǎng)絡(luò)。
18.如權(quán)利要求5所述的動(dòng)力設(shè)備異常檢測方法，其中，該預(yù)設(shè)規(guī)則為一分類列表，該分類列表包括一正常項(xiàng)目及一異常項(xiàng)目，該異常項(xiàng)目包括不平衡情況、不對心情況、潤滑情況、共振情況、軸承損壞情況、軸彎曲情況、松動(dòng)情況、相位不平衡情況、電位不平衡情況、諧波倍頻情況及短路情況。
19.如權(quán)利要求5所述的動(dòng)力設(shè)備異常檢測方法，其中，該經(jīng)驗(yàn)法則為一特征頻譜、一門檻設(shè)定值、一軌跡圖、一包絡(luò)線或一諧波分析。
全文摘要
一種動(dòng)力設(shè)備異常檢測裝置及其檢測方法，檢測裝置包括一感測模塊、一處理模塊、一最優(yōu)化處理模塊及一分類診斷模塊。感測模塊用以感測一動(dòng)力設(shè)備以取得多個(gè)運(yùn)轉(zhuǎn)信號。處理模塊自運(yùn)轉(zhuǎn)信號取得多個(gè)特征值。最優(yōu)化處理模塊分類特征值來建立多個(gè)因素群組。分類診斷模塊連接最優(yōu)化處理模塊依據(jù)一預(yù)設(shè)規(guī)則與所建立的多個(gè)因素群組發(fā)送一狀態(tài)信號。檢測方法利用信號處理方式自動(dòng)力設(shè)備取得多個(gè)特征值。接著，將特征值依關(guān)聯(lián)性建立多個(gè)因素群組。最后再通過類神經(jīng)網(wǎng)絡(luò)和經(jīng)驗(yàn)法則得到此動(dòng)力設(shè)備的運(yùn)行狀態(tài)，并依一預(yù)設(shè)規(guī)則判斷運(yùn)行狀態(tài)是否異常。
文檔編號G01R31/34GK102466566SQ20111000385
公開日2012年5月23日 申請日期2011年1月4日 優(yōu)先權(quán)日2010年11月3日
發(fā)明者曾仕民, 朱億龍, 鐘欣儀, 鐘欣蘭 申請人:財(cái)團(tuán)法人工業(yè)技術(shù)研究院