CN1854706A - 诊断机器的方法和系统 - Google Patents

诊断机器的方法和系统 Download PDF

Info

Publication number
CN1854706A
CN1854706A CNA2006100746347A CN200610074634A CN1854706A CN 1854706 A CN1854706 A CN 1854706A CN A2006100746347 A CNA2006100746347 A CN A2006100746347A CN 200610074634 A CN200610074634 A CN 200610074634A CN 1854706 A CN1854706 A CN 1854706A
Authority
CN
China
Prior art keywords
data
rule
impact damper
computer program
parts
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CNA2006100746347A
Other languages
English (en)
Other versions
CN1854706B (zh
Inventor
A·佩特彻内夫
N·B·利特雷尔
O·马拉克霍瓦
J·W·格兰特
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
General Electric Co
Original Assignee
General Electric Co
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by General Electric Co filed Critical General Electric Co
Publication of CN1854706A publication Critical patent/CN1854706A/zh
Application granted granted Critical
Publication of CN1854706B publication Critical patent/CN1854706B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00Testing or monitoring of control systems or parts thereof
    • G05B23/02Electric testing or monitoring
    • G05B23/0205Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/0227Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
    • G05B23/0232Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions based on qualitative trend analysis, e.g. system evolution
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00Testing or monitoring of control systems or parts thereof
    • G05B23/02Electric testing or monitoring
    • G05B23/0205Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0283Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]

Abstract

一种预测部件的剩余的运行寿命的方法,包括:使用包含具有至少一个规则组(400)的数据库的机器监测系统生成多个部件数据,该部件数据表明该部件的至少一个运行参数,使用规则组确定部件数据的趋势,并且,外推该趋势数据以促进预测部件的剩余运行寿命。

Description

诊断机器的方法和系统
技术领域
本发明总的涉及对机器的监测,并且,尤其涉及到精确地评估设备故障的方法和系统。
背景技术
至少有一些已知的机器监测系统,监测机器驱动装置,例如电机和涡轮机,或者受机器驱动的部件例如泵、压缩机和风扇。其他已知的监测系统监测过程的过程参数(例如管道系统)和机器环境情况(例如机器振动、机器温度、和机油的情况)。通常,这样的监测系统是由原始设备制造商(OEM)提供的,OEM仅为设施的一部分负责,例如仅为设备的一个特定部件负责,并且,例如,OEM仅为由该OEM配备的设备提供监测。然而,工业设施例如发电厂、精炼厂、工厂,以及商业设施例如医院、高层建筑、旅游胜地、和娱乐活动场所,使用相当多的独立的机器驱动装置和被驱动的设备,相互连接形成不同的过程系统。建筑师/工程师为该设施的业主或操作人员集成这样的设备。由不同的OEM提供的监测系统,与外部的数据收集和控制系统进行通信,这些系统例如是位于远离监测设备的现场如控制室和/或操作区域的分布控制系统(DCS)。
通常,机器监测系统主要集中在为不正常事件的将来重建提供操作指示和控制、趋势、和/或数据记录的功能。然而,已知的监测系统不对数据进行分析以评估何时机器可能发生故障。例如,监测系统收集来自电机的电的数据,然而,操作人员必须解释数据以确定电机是否和/或何时可能达到临界状态,即何时机器可能发生故障。尤其是,在操作期间,操作人员直观地分析数据趋势以确定机器是否趋势于危险的程度。然后,操作人员用眼睛来估计什么时候机器将到达危险的程度。例如,操作人员可以拿着一个尺子对着趋势显示器以便目测在未来的哪一个时间点机器可能在运行期间发生故障。
因此,估算机器可能发生故障的时间,通常是由操作人员按照他对数据趋势的视觉分析而确定的。因此,预测机器可能发生故障的时间会根据每一个特定操作人员对数据趋势的目测解释而变化。
发明内容
在一个方面中,提供一种对部件的剩余运行寿命进行预测的方法。该方法包括:通过使用一个包含具有至少一个规则组的数据库的机器监测系统,生成多个部件数据,该部件数据表明部件的至少一个操作参数,通过使用该规则组来确定部件数据的趋势,并且,外推该趋势数据以促进部件的剩余运行寿命的预测。
在另一个方面中,提供一种预测一个部件的剩余运行寿命的计算机程序。该计算机程序被配置成:通过使用一个包含具有至少一个规则组的数据库的机器监测系统来生成多个部件数据样本,该部件数据样本表明部件的至少一个操作参数,通过使用该规则组来获得部件数据样本的趋势,并且,外推该趋势数据以促进部件的剩余运行寿命的预测。
附图说明
图1是一个典型的工厂的设备布局的框图;
图2是一个典型的规则组的框图,该规则组可以与在图1中所示的连续集成机器监测系统(CIMMS)一起使用;
图3说明在图2中所示的规则组的寿命周期的一个典型的流程图;
图4是一个预测设备故障的典型的规则;和
图5是使用在图4中所示的规则获得的结果的图形说明。
具体实施方式
图1是工厂10的一个典型的设备布局的框图。工厂10可以包括多个泵、电机、风扇、和过程监测传感器,它们通过相互连接的管道与流体的传送相耦合,并且,通过一个或多个远程输入/输出(I/O)模块以及相互连接的电缆和/或无线通信与控制系统的信号通信相耦合。在典型的实施例中,工厂10包括一个包含网络中枢22的分布控制系统(DCS)20。网络中枢22可以是一个硬接线的数据通信路径,它由例如双绞线电缆、屏蔽同轴电缆或光纤电缆制成,或者至少一部分可以是无线的。DCS20也可以包括处理器24,通过网络中枢22,处理器24被通信连接到位于工厂10或者在远程位置的设备。应该明白:任何数量的机器可以被通信连接到网络中枢22。一部分机器可以用硬接线通信连接到网络中枢22,并且,另一部分机器可以通过基站26无线连接到网络中枢22,基站26是以可通信的方式连接到DCS20的。无线基站26可以被用于扩展DCS20的有效通信范围,例如,位于远离工厂10的设备或传感器,但是,仍然与工厂10里的一个或多个系统相互连接。
DCS20可以被配置成接收和显示与多个设备结合的操作参数,并且,生成自动的控制信号并接收用于控制工厂10的设备操作的手工控制输入。在典型的实施例中,DCS20可以包括一个软件代码部分,软件代码部分配置成控制处理器24以分析在DCS20处接收的允许对工厂机器进行在线监测和诊断的数据。可以从每一台机器收集过程参数数据,机器包括泵和电机,相关的过程传感器,和本地环境传感器,例如包括振动、地震、环境温度和环境湿度传感器。可以通过本地诊断模块或者远程输入/输出模块对数据进行预处理,或者,可以以未加工的形式传送到DCS20。
特别地,工厂10可以包括一个第一处理系统30,它包括通过联轴器36例如水压联轴器和互联轴38连接到电机34的泵32。泵32、电机34、和联轴器30的联合体,虽然包含独立的部件,可以作为一个单独的系统运行,这样,影响联合体的一个部件的操作的情况可以影响联合体的每一个其他部件。于是,从联合体的一个部件收集的表明部件的一部分故障或者部件即将发生故障的情况监测数据,可以在联合体的其他部件处被感知以确定部件的故障,和/或促进确定故障源或根本原因。
通过一个或多个阀42,泵32可以被连接到管道系统40。阀42可以包括执行机构44(例如是,但是,不限制空气操作器、电机操作器、以及电磁线圈)。执行机构44可以被通信连接到DCS20,用于远程驱动和位置指示。在典型的实施例中,管道系统40可以包括过程参数传感器,例如,压力传感器46、流量传感器48、温度传感器50、和压差(DP)传感器52。在另一个实施例中,管道系统40可以包括其他传感器,例如,与由管道系统40传送的特殊流体相结合的混浊度、盐度、PH、比重、和其他的传感器。传感器46、48、50和52可以通信连接到现场模块54,例如,预处理模块、或远程I/O机架。
电机34可以包括可用于监测电动机器的运行情况的传感器(图中未示出)中的一个或多个。通过一个相互连接的导管56例如铜线或铜电缆、光纤电缆以及通过无线技术,这样的传感器可以通信连接到现场模块54。
通过网络部分58,现场模块54可以与DCS20通信。通信可以通过任何网络协议进行,并且,可以表示为预处理数据和未加工的数据。数据可以在实时环境中连续地传送到处理器24,或者,按照自动的安排或来自处理器24的对数据的请求,间歇地传送到处理器24。DCS20包括一个与网络中枢22通信的实时时钟,用于为基于与时间进行比较的过程变量作时间印记。
管道系统40可以包括其他的处理部件例如罐60,它可以包括可用于监测与罐相关联的例如罐内液面传感器62的过程参数的多个传感器中的一个或多个。罐60可以为通过泵32泵入的流体提供涌动容积,和/或可以为下游的部件例如执行机构(skid)64提供吸入压力。执行机构64可以是由OEM提供的各部件的预制的和预先包装的子系统。执行机构64可以包括第一泵66和第二泵68。在典型的实施例中,第一泵被连接到电机,通过可以由DCS20控制的电路断路器(图中未示出),电机被直接连接到电源(图中未示出)。第二泵68被连接到电机72,电机72通过可变速度驱动器(VSD)74被连接到电源,按照来自执行机构控制器76的命令,可变速度驱动器(VSD)74控制电机72的转动速度。泵66和68、以及电机70和72、以及VSD74中的每一个,可以包括一个或多个传感器,传感器与上述的按照泵/电机/联轴器32、34、36组合的关系中每一种类型的设备的相应操作参数相关联。执行机构控制器76接收来自传感器的信号,并且可以未经预处理,或者在按照驻留在执行机构控制器76中的预定的算法处理数据以后传送信号到DCS20。执行机构控制器76也可以处理这些信号,并且,为泵66和68、以及电机70和72、以及VSD74中的每一个生成控制信号而不用传送数据到DCS20。执行机构控制器76也可以接收来自DCS20的命令,按此修改执行机构64的操作。
第二管道系统80可以包括一台风扇82,风扇82接收来自周围空间84的空气,并且,通过阀或风门86把空气传送到部件,例如炉子88。风门86可以包括检测风门86的打开和关闭位置的位置传感器90和92。炉子88可以包括由执行机构96操作的风门94,致动器96可以是例如电机执行机构、液压动力活塞执行机构、或者其它执行机构,它可以通过导管(图中未示出)传送信号,并由DCS20远程控制。第二风扇98可以是炉子88上的抽风口,去除来自炉子88的燃烧气体,并且,引导燃烧气体到烟道或烟筒(图中未示出)以便排出到周围空间84。风扇可以通过连接风扇98和电机100之间的轴102而由电机100驱动。电机100的转动速度由VSD104控制,VSD104可以通过网络中枢22而通信连接到DCS20。风扇82可以通过液压的或其他动力转换设备构成的联轴器108由发动机106驱动,发动机106例如是内燃机、或者蒸汽、水、风、或燃气涡轮机,或者其它驱动器。每一个部件可以包括不同的传感器和控制机构,通过网络中枢22,它们可以通信连接到DCS20,或者,可以通过无线发送器/接收器108到无线基站26与DCS20通信。
DSC20可以独立地操作以便控制工厂10,或者可以通信连接到一个或多个其它的控制系统110。每一个控制系统可以通过网络部分112相互通信和与DCS20通信,或者通过例如星形网络拓扑(图中未示出)通信。
在典型的实施例中,工厂10包括连续集成机器监测系统(CIMMS)114,CIMMS114与DCS20和其它控制系统110通信。CIMMS114也可以被具体体现为在DCS20和/或一个或多个其它控制系统110上执行的软件程序段。于是,CIMMS114可以按分布方式操作,使得软件程序段的一部分同时在几个处理器上执行。同样,CIMMS114可以被完全地集成到DCS20和其它的控制系统110的操作中。CIMMS114分析由DCS20接收的数据,并且,其它的控制系统110,使用对工厂10的全面观察,确定机器和/或使用该机器的过程的健全情况。CIMMS114分析驱动器和被驱动部件的组合,和与每一个与组合相关联的过程参数以便把一台机器的机器健全数据与在该联合中的来自其它机器的以及来自结合过程或环境数据的机器健全状况相互关联。CIMMS114使用来自在每一台机器上可得到的不同的传感器的直接的测量,和源自工厂10中的全部传感器的或全部中的一部分传感器的量。CIMMS114使用预定的分析规则,确定一台机器的故障或即将发生的故障,自动地实时地把用于确定故障或将到来故障的数据与在组合中的其它部件的运行参数或根据过程参数导出的等价数据相关联。CIMMS114也对机器组合进行趋势分析,并且以多种格式显示数据和/或趋势,以便向CIMMS114的用户提供能够快速地解释由CIMMS114提供的健全评估以及趋势信息。
图2是一个典型的规则组280的框图,该规则组280可以与CIMMS114(在图1中示出的)一起被使用。规则组280可以是一个或多个传统规则和一系列的规定传统规则的行为和状态的性质的联合。这些规则和性质可以按照XML串的格式被组织在一起并存储,当存储在一个文件中时,它可以按照25个字母数字字符的关键字被加密。规则组280是一个模块化的知识单元,包括一个或多个输入282和一个或多个输出284。输入282可以是软件端口,软件端口把来自在CIMMS114中的特定位置的数据指引到规则组280。例如,来自电机电流传感器的输入可以被传送到在DCS20中的硬件输入终端。DCS20可以在终端处对信号进行取样以在该处接收信号。然后,信号可以被处理并存储在对DCS20是可访问的存储器单元和/或整合到DCS20。规则组280的第一输入286可以被映射到在存储器单元,使得在存储器单元中的内容可用于规则组280作为输入。同样地,输出288可以被映射到对DCS20是可访问的存储器的另一单元,或者到另一个存储器,这样,在存储器的单元中包含规则组280的输出288。
在典型的实施例中,规则组280包括一个或多个规则,这些规则与在工厂中运行的设备相关的特定问题的监测和诊断有关,这些工厂例如是发电厂、精炼厂、和化学加工工厂。虽然,以工厂使用的术语,描述了规则组280,但是,规则组280可以适当地被构造成吸收任何知识并且被用于在任何领域中确定解决方案。例如,规则组280可以包含与经济行为、金融活动、天气现象、设计过程、和医疗环境有关的知识。因此,规则组280可以用于确定在这些领域中的问题的解决方案。规则组280包括来自一个或多个源的知识,使得知识被传送到应用规则组280的任何系统。知识是按照使输出284与输入282联系的规则的形式而吸取的,使得输入282和输出284的规范允许规则组280被应用到CIMMS114。规则组280可以仅包括专用于特定的工厂资产的规则,并且,可以指向与该特定的工厂资产相关的仅仅一个可能发生的问题。例如,规则组280可以仅包括可应用于电机或电机/泵联合的规则。规则组280可以仅包括使用振动数据来确定电机/泵联合的健全状况的规则。规则组280也可以包括使用一套诊断工具来确定电机/泵联合的健全状况的规则,诊断工具包括,除了振动分析技术以外,而且也可以包括如电机/泵联合的性能计算工具和/或财务计算工具。
在操作时,以软件开发工具创建规则组280,软件开发工具向用户提示输入282和输出284之间的关系。输入282可以接收代表,例如,数字信号、模拟信号、波形、手工输入的和/或配置的参数、以及来自其它规则组的输出数据。在规则组280里的规则可以包括逻辑规则、数字算法、波形的应用和信号处理技术、专家系统和人工智能算法、统计工具、和可以把输出284与输入282相关联的任何其它表达式。输出284可以被映射到存储器中的各个单元,它们是被保留和配置成接收各输出284的。然后,CIMMS114和DCS20可以使用在存储器中各单元来完成任何监测和/或控制功能,这些功能是CIMMS114和DCS20可以被编程而执行的。虽然,直接或间接地通过干预设备,输入282可以被提供到规则组280,并且,输出284可以被提供到规则组280,但是,规则组280的规则是独立于CIMMS114和DCS20而运行的。
图3说明规则组280(如图2中所示)的寿命周期的一个典型的流程图300。在规则组280的创建期间,在开发方式302中,在建立规则组280的领域中的专家,通过使用开发工具编写一个或多个规则而透露针对特定内容所特有领域的知识。通过建立在输出284和输入282之间的关系的表达式,规则被创建,以使得不需要对规则进行编码。从操作数的库中选取操作数可以使用图形方法,例如,使用在开发工具中内含的图形用户接口上的拖曳(drag)和下落(drop)。操作数的图形表示可以从屏幕显示(图中未示出)的库部分中选取,并且拖曳和下落到规则建立部分里。在输入282和操作数之间的关系是按照逻辑显示方式安排的,并且,对于某些值,例如常数,当按照所选择的特定操作数和特定的一些输入282认为是适当时,就向用户提示。所建立的规则的数量是按照为获得专家的知识的需要而定的。因此,规则组280可以包括一组牢靠的诊断和/或监测规则,或一组相对较不牢靠的诊断和/或监测规则,这是根据顾客需求和在规则组280的特定领域中的当前技术状态而定的。在开发的测试模式304期间,开发工具提供用于测试规则组280的资源以确保输入282的不同的组合和各种数值在输出284处产生期望的输出。为了保护在规则组280中采集的知识或知识产权,开发的加密代码可以被用于给规则组280加锁,防止除了拥有加密钥匙以外的那些人进行更改。例如,规则组280的创建者可以保持加密钥匙,锁定规则组280的终端用户,创建者可以销售加密钥匙或给终端用户或第三方一个时期的许可,这样,第三方可以向最终用户提供服务。
在开发以后,规则组280可以进入分发方式,其中,规则组280被转换成可发送形式,例如,XML文件,它可以通过电子邮件、CD-ROM、链接到因特网的站点、或者用于传送计算机可读文件的任何其他的手段,而被传送到客户。可以用分发用的加密代码给规则组280加密,分发用的加密代码可以防止使用规则组280,除非终端用户得到创建者的授权,例如,通过购买分发用的加密钥匙。通过可以传送计算机可读文件的任何手段,终端用户可以接收规则组280。规则组管理器306(它可以是构成CIMMS114的一部分的软件平台)可以接收规则组280的可分发的形式,并且,把它转换为CIMMS114可使用的格式。规则组管理器306可以是图形用户接口,图形用户接口允许终端用户操纵一个或多个规则组280作为对象。规则组管理器306可以用于应用规则组280,以使输入282和在存储器中的对应单元能被正确地映射,并且,输出284和它们在存储器中的对应单元能被正确地映射。当开始应用时,规则组280可以位于试验模式308,其中,规则组280按建立时的情况操作,其不同之处是:对可以被规则组280检测到的异常情况的通知不予以发布或在有限的基础上发布。在试验模式308期间,质量鉴定可以被执行以确保规则组280在操作环境中正确地操作。当质量鉴定完成时,规则组280可以处于委托方式310,其中,规则组280在CIMMS114上以在规则组280中各条规则的全部功能来运行。在另一个实施例中,规则组280包括仅具有两种模式的寿命周期,试验模式和活动模式。在试验模式中,除了既没有事件生成也没有告示发送以外,规则正常运行,而活动方式实际上类似于委托方式310。
图4是一个典型的规则组400,它被配置成接收来自部件的数据,并分析接收的数据,以便在测量的数据将来可能跨越任何警告或报警级别时,进行精确预测,从而消除操作人员的任何猜测工作。
在典型的实施例中,规则组400包括多个规则,这些规则对应于规则组400。尤其是,在典型的实施例中,规则组400至少包括:数据收集规则410、故障检查及排除规则412、容许限度规则414、和数据外推规则416。在典型的实施例中,外推规则416接收多个变量,这些变量源自、收集和/或存储在其它的规则中,例如,但是,并不限制于此,数据收集规则410、故障检查及排除规则412、和容许限度规则414。
在操作期间,由数据收集规则410生成的多个数据样本被规则400使用,以方便预测部件是否和/或何时会发生故障。虽然,这里描述的方法和系统与使用从电机接收的电流信号来外推电机的故障有关,但是,应该认识到:规则组400被用于精确地预测从任何部件接收的测量数据将来是否和/或何时可能会跨越任何警告或警示级别。所以,在这里,电机电流被用于描述一个典型的实施例,因此,并不限制规则组400的范围。
因此,规则组400包括用来组织第一自动缓冲器420和第二自动缓冲器422的程序设计语言。在操作期间,第一自动缓冲器420收集和/或接收来自数据收集规则410的“电流A”数据样本。特别地,第一自动缓冲器420在m小时中每分钟进行电流取样n次。在典型的实施例中,n=1,并且,m=60。因此,在典型的实施例中,电机电流数据每分钟取样一次,进行60分钟,每小时生成60个电机电流数据的样本,然后,被存储在第一自动缓冲器420中。60个电机电流数据取样然后在一起被平均,生成平均电机电流数据结果,即,表明在进行数据采集的一小时内平均电机电流的单个数据点424。然后,平均电机数据点424被传送到第一手工缓冲器430。在典型的实施例中,来自第一自动缓冲器420的单个平均数据点424,每小时被传送到第一手工缓冲器430。此外,在典型的实施例中,第一手工缓冲器430被编程为存储8个数据点424,它们是从第一自动缓冲器420接收的,其中,每一个数据点424表示一个小时的电流数据。因此,第一手工缓冲器存储8个数,表示在典型实施例中的连续8个小时的“电流A”的小时平均值。
在典型实施例中,第二自动缓冲器422在m个小时内每分钟取样二进制数据n次。在典型的实施例中,n=1,并且,m=60。于是,在典型的实施例中,二进制数据每分钟取样一次,进行60分钟以生成60个二进制数据样本,它们被存储在第二自动缓冲器422中。60个二进制数据样本然后在一起被平均以生成平均二进制数据结果,即,所有的0和1被加在一起,并被二进制数据点的总的个数除,以便生成一个单个的二进制数据点,它表明在进行数据采集的1小时内的平均二进制数。
第二自动缓冲器422收集和/或接收来自故障检查及排除规则412的二进制数据,即,0和1。尤其是,故障检查及排除规则412被配置成监测由数据收集规则410生成的数据样本。在典型的实施例中,如果由数据收集规则410生成的数据样本是可接受的,那么,故障检查及排除规则412生成一个“1”指示,它被传送到第二自动缓冲器422。另外,如果由数据收集规则410生成的数据样本是不可接受的,那么,故障检查及排除规则412生成一个“0”指示,也称为“Not OKCurrent A(不好的电流A)”指示,它被传送到第二自动缓冲器422。特殊地,在把样本传送到第一自动缓冲器420以前,第二自动缓冲器422被配置成:确认由数据收集规则410生成的数据样本是否满足预定的阈限。更特定地,如果样本数据是在预定的范围里,那么,故障检查及排除规则412生成一个“1”指示,它被传送到第二自动缓冲器422。然而,如果取样数据超出预定的电流范围,那么,故障检查及排除规则412生成一个“0”指示,它被传送到第二自动缓冲器422。例如,当电机在起动和/或停止时,由数据收集规则410生成的取样可以大于和/或小于预定的范围,这样,故障检查及排除规则412确定:该数据是不可靠的。
在典型的实施例中,按照规则418,布尔值“Not OK Current A”和布尔值“Diagnostics must be suppressed”(诊断必须被抑制)被联合在一起以产生一个具有一般性的概念“Something is NotRight”有某种不正确的布尔值,它分别操作自动缓冲器420和自动缓冲器422。在操作期间,如果“Something is Not Right”变量是真,即,由第二自动缓冲器422收集的平均数据是“0”,那么,收集Current A(电流A)取样的第一自动缓冲器420被重新设置为0。更特定地,如果变量“Something is Not Right”是真,即,在第二自动缓冲器422中的至少一个样本(n)是0,因此,在第二自动缓冲器422里的所有的二进制样本的平均值小于1,那么,样本数据不传送到第一自动缓冲器420。例如,如果存储在第二手工缓冲器432中的8个连续的平均值被相加在一起,那么,作为合计结果将不给出数8,如果至少一个样本“Something is Not Right”的变量是真的话。因此,由于根据的是不可靠的数据,所以预测将被抑制。
另外,如果存储在第二手工缓冲器432中的8个连续的平均值424被相加在一起,并且,结果是1,即,对所有的样本,“Something is NotRight”变量是假,则来自第一手工缓冲器430的结果被传送到数据外推规则416,以便精确地和/或可视地预测将来是否和/或何时测量的数据,即电流可能会跨越任何警告或报警级别。
在典型的实施例中,收集在第一手工缓冲器430中的数据被数据外推规则416使用以生成电机电流的图形说明,这是按照前面从电机收集的数据,并且用来计算电机电流将来何时可能跨越任何警告或报警级别。
图5是由数据外推规则416生成的曲线的图形说明。在典型的实施例中,从第一手工缓冲器430接收的数据点424被绘制在曲线图上。更特殊地,从第一手工缓冲器430传送来的8个数据点被数据外推规则416使用以生成曲线460。在典型的实施例中,数据点424被用于生成多项式曲线,例如直线“最佳拟合(best fit)”曲线,如在图5中所示。在另一个实施例中,数据点424被用于生成指数曲线。在另一个实施例中,数据点424被用于生成威布尔(Weibull)曲线。
在数据外推规则416已经生成曲线460以后,在曲线460将跨越预定的表示相对危险的操作级别的阈值470时,即,部件可能要经受故障时,数据外推规则416也生成一个“时间(time)”472。在一个实施例中,时间472被表示为到电机将到达预测故障还有几个小时的时间。在另一个实施例中,时间472被表示为电机将到达预测故障的一个日期。更特定地,在典型的实施例中,预定的阈值470从容许限度规则414传送到外推规则416。在典型的实施例中,预定的阈值470是存储在容许限度规则414中的“MaxCurrent”变量,即,电机可以操作而不会经受故障的最大电流。于是,在典型的实施例中,当电机电流将遇到和/或超出可容许的最大电机电流MaxCurrent时,外推规则416发出预测,并生成一个结果,表明这个时间472,它是操作人员是看得见的。
在典型的实施例中,时间472被精确确定在如下的等式中:
Figure A20061007463400151
a = 1 336 * [ 8 ( 0 * y 1 - 1 * y 2 - 2 * y 3 - 3 * y 4 - 4 * y 5 - 5 * y 6 - 6 * y 7 - 7 * y 8 ) + 28 Σ i = 1 8 y i ]
b = 1 336 * [ 8 ( 0 * y 1 - 1 * y 2 - 2 * y 3 - 3 * y 4 - 4 * y 5 - 5 * y 6 - 6 * y 7 - 7 * y 8 ) + 140 Σ i = 1 8 y i ]
这里,yi…y8表示从第一手工缓冲区430获得的值,即连续8个小时收集的数据点424,如在图5中的“最佳拟合”曲线所示。
在典型的实施例中,外推规则416也生成一个可靠性因数474。在一个实施例中,如果可靠性因数474等于1,那么,时间472是精确的。二者择一地,如果可靠性因数474等于0,那么,时间472是不精确的,并且应该被抛弃。更特殊地,布尔操作符“Not OK CurrentA”和布尔操作符“Something is Not Right”变量被合并在规则418中。于是,如果规则418的输出是“1”,那么,外推规则416提供带有数据是可靠的指示的操作符,并因此直到故障的估计也是可靠的。然而,如果规则418的输出是“0”,那么,外推规则416提供带有数据是不可靠的指示的操作符,并因此直到故障的估计也是不可靠的。于是,规则400也包括一种方法,用来确认估计的直到部件发生故障的时间得以验证以确保估算是精确的。
本发明的技术效果是提供一种基于规则的计算机程序,它被配置成预测部件的剩余操作寿命。尤其是,来自被监测的设备的数据不仅被显示,而且也被精确地分析。这种分析实现了关于什么时候测量的数据可能在将来跨越任何警告或报警级别的预测,因此,消除了来自操作人员的任何猜测工作。更特殊地,为了外推将来趋势的目的,趋势数据被精确地处理。然后,外推的数据跨越一些危险程度的任何可能性被加以检验,并且,检验出来的时间被报告。进一步,这里描述的规则可通过分析数据的趋势而可视地和精确地确定什么时候有该趋势的数据将达到报警的程度,从而提供将来什么时候设备可能失效的时间。这些规则也抑制或者远离过去或者太远离将来的任何数据,并且抑制在数据里的任何坏的样本。
虽然本发明是参考一个工厂而描述的,但要看到许多其它的应用。应该注意到:本发明可以被应用到任何控制系统,包括各种设施,例如商业设施、交通工具、如轮船、飞行器、火车、和办公楼或者校园楼房,以及,精练和中间液体设施、和生产分立产品输出的设施,例如制造厂。
上述的预测设备故障的系统和方法对监测和管理设施的操作和维护是高效和高可靠性的。尤其是,这里描述的方法和系统促进了确定设施机器的健全状况。结果,这里描述的方法和系统以高效和可靠方式促进了工厂运行成本的降低。
已经在上面详细描述了监测系统和方法的典型的实施例。该系统不限制于这里描述的特定的实施例,而且更合适地,每一个系统的部件可以与这里描述的其它部件分开和独立地使用。每一个系统部件也能够以与其它系统部件联合的方式而使用。
虽然已经以不同的特定的实施例描述了本发明,但本领域熟练技术人员将会认识到:能够以在权利要求的精神和范围内的修改来实施本发明。
                              部件表
工厂………………………………………………………………  10
分布控制系统(DCS)……………………………………………… 20
网络中枢……………………………………………………………22
处理器………………………………………………………………24
无线基站……………………………………………………………26
第一处理系统………………………………………………………30
泵……………………………………………………………………32
电机…………………………………………………………………34
联轴器………………………………………………………………36
互连轴………………………………………………………………38
管道系统……………………………………………………………40
阀……………………………………………………………………42
执行机构……………………………………………………………44
压力传感器…………………………………………………………46
流动传感器…………………………………………………………48
温度传感器…………………………………………………………50
压差(DP)传感器……………………………………………………52
现场模块……………………………………………………………54
导管…………………………………………………………………56
网络部分……………………………………………………………58
罐……………………………………………………………………60
罐内液面传感器……………………………………………………62
执行机构……………………………………………………………64
第一泵………………………………………………………………66
第二泵………………………………………………………………68
电机…………………………………………………………………70
电机…………………………………………………………………72
可变速度驱动器……………………………………………………74
执行机构控制器……………………………………………………76
第二管道控制器…………………………………………………… 80
风机………………………………………………………………… 82
风门………………………………………………………………… 86
炉子………………………………………………………………… 88
位置传感器………………………………………………………… 90
位置传感器………………………………………………………… 92
风门………………………………………………………………… 94
执行机构…………………………………………………………… 96
电机…………………………………………………………………100
轴……………………………………………………………………102
可变速度驱动器……………………………………………………104
发动机………………………………………………………………106
联轴器………………………………………………………………108
无线发射器/接收器……………………………………………… 109
控制系统……………………………………………………………110
网络部分……………………………………………………………112
连续集成机器监测系统……………………………………………114
规则组………………………………………………………………280
输入…………………………………………………………………282
输出…………………………………………………………………284
第一输入……………………………………………………………286
输出…………………………………………………………………288
流程图………………………………………………………………300
开发模式……………………………………………………………302
测试模式……………………………………………………………304
规则组管理器………………………………………………………306
试验模式……………………………………………………………308
委托模式……………………………………………………………310
规则组………………………………………………………………400
数据收集规则………………………………………………………410
故障检查及排除规则………………………………………………412
容许限度规则………………………………………………………414
外推规则……………………………………………………………416
规则的输出…………………………………………………………418
第一自动缓冲器……………………………………………………420
第二自动缓冲器……………………………………………………422
数据点………………………………………………………………424
第一手工缓冲器……………………………………………………430
第二手工缓冲器……………………………………………………432
曲线…………………………………………………………………460
预定阈值……………………………………………………………470
时间…………………………………………………………………472
可靠性因数…………………………………………………………474

Claims (10)

1.一种预测部件的剩余运行寿命的计算机程序,所说的计算机程序被配置成:
通过使用一个包含具有至少一个规则组(400)的数据库的机器监测系统(114)来生成多个部件数据样本,该部件数据样本表明部件的至少一个运行参数,
通过使用该规则组来确定部件数据样本的趋势,和
外推(416)该数据趋势以促进对该部件的剩余运行寿命的预测。
2.按照权利要求1的计算机程序,还配置成:产生该外推数据(416)将超出预定的阈值(470)的时间(472)。
3.按照权利要求1的计算机程序,还配置成:
通过使用数据收集规则(410),生成部件数据样本;
把部件数据样本传送到第一自动缓冲器(420);
通过使用第一自动缓冲器,生成多个数据点;和
把多个数据点传送到第一手工缓冲器(430)。
4.按照权利要求3的计算机程序,还配置成:
通过使用第一自动缓冲器(420),确定第一数据点(424)的平均值;和
把平均值传送到第一手工缓冲器(430);和
通过使用在第一手工缓冲器中的平均值,生成说明预测的曲线图(460)。
5.按照权利要求3的计算机程序,还配置成:
验证数据样本是否在预定的范围里;
如果数据样本不在预定的范围里,那么,删除该数据样本;和
如果至少一个数据样本不在预定的范围里,那么,生成预测是不精确的指示。
6.按照权利要求5的计算机程序,还配置成:在预定的时间长度以后,生成预测是无效的指示。
7.按照权利要求1的计算机程序,还配置成:
使用第一自动缓冲器(420),每分钟收集一个数据样本;
使用第一自动缓冲器,取60个数据样本的平均值以生成单个数据点;和
外推至少8个数据点;和
缓冲存储8个数据点以促进生成预测部件剩余运行寿命的相对平滑的图形说明(460)。
8.按照权利要求7的计算机程序,还配置成:使用最小平方拟合法外推(416)8个数据点以促进生成表示外推数据点的曲线(460)。
9.按照权利要求8的计算机程序,还配置成:通过使用8个数据点,生成多项式曲线、指数曲线、和威布尔曲线中的至少一个曲线。
10.按照权利要求2的计算机程序,还配置成:当按照如下的等式在外推的数据(416)将超出预定的阈值时生成一个时间(472):
Figure A2006100746340003C1
a = 1 336 * [ 8 ( 0 * y 1 - 1 * y 2 - 2 * y 3 - 3 * y 4 - 4 * y 5 - 5 * y 6 - 6 * y 7 - 7 * y 8 ) + 28 Σ i = 1 8 y i ]
b = 1 336 * [ 8 ( 0 * y 1 - 1 * y 2 - 2 * y 3 - 3 * y 4 - 4 * y 5 - 5 * y 6 - 6 * y 7 - 7 * y 8 ) + 140 Σ i = 1 8 y i ]
这里,yi…y8表示从数据点获得的值。
CN2006100746347A 2005-04-21 2006-04-21 诊断机器的方法和系统 Expired - Fee Related CN1854706B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US11/111199 2005-04-21
US11/111,199 US7222048B2 (en) 2005-04-21 2005-04-21 Methods and systems for diagnosing machinery

Publications (2)

Publication Number Publication Date
CN1854706A true CN1854706A (zh) 2006-11-01
CN1854706B CN1854706B (zh) 2010-07-21

Family

ID=36609540

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2006100746347A Expired - Fee Related CN1854706B (zh) 2005-04-21 2006-04-21 诊断机器的方法和系统

Country Status (5)

Country Link
US (1) US7222048B2 (zh)
EP (1) EP1715397A3 (zh)
JP (1) JP5014664B2 (zh)
CN (1) CN1854706B (zh)
AU (1) AU2006201477B2 (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102298672A (zh) * 2010-06-25 2011-12-28 通用电气公司 涡轮机翼型件寿命管理系统及方法
CN102680258A (zh) * 2011-12-13 2012-09-19 河南科技大学 一种在役机械装备结构疲劳状态估算方法
CN104541215A (zh) * 2012-08-22 2015-04-22 西门子公司 对用于生产产品的技术设备的第一装备的监控
CN109313438A (zh) * 2016-03-03 2019-02-05 德克尔马霍普夫龙滕有限公司 与数控机床联用的数据存储装置

Families Citing this family (46)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006047382A (ja) * 2004-07-30 2006-02-16 Fuji Photo Film Co Ltd 写真処理装置の管理方法、およびシステム
US7251585B2 (en) * 2005-06-14 2007-07-31 Siemens Aktiengesellschaft Method and computer system for formulating potential measures for increasing the reliability of a technical system
JP4349408B2 (ja) * 2005-12-28 2009-10-21 日本電気株式会社 寿命予測監視装置、寿命予測監視方法及び寿命予測監視プログラム
US20070153443A1 (en) * 2005-12-31 2007-07-05 Lucent Technologies, Inc. Method and apparatus for preemptively detecting fan failure in an electronic system
US7543192B2 (en) * 2006-06-20 2009-06-02 Sun Microsystems, Inc. Estimating the residual life of a software system under a software-based failure mechanism
US7417332B2 (en) * 2006-08-24 2008-08-26 General Electric Company Method and apparatus of monitoring a machine
DE102006047262A1 (de) * 2006-10-04 2008-04-10 Endress + Hauser Gmbh + Co. Kg Verfahren zum Testen einer Elektronikeinheit
WO2008111907A1 (en) * 2007-03-12 2008-09-18 Bromma Conquip Aktiebolag Method and arrangement for spreader maintenance
DE102007022672C5 (de) * 2007-05-15 2010-09-09 Lfk-Lenkflugkörpersysteme Gmbh Verfahren zur Zustandsüberwachung einer intelligenten Waffe und intelligente Waffe
US7886875B2 (en) * 2007-07-11 2011-02-15 United Technologies Corp. Systems and methods for monitoring gas turbine engines
US8111028B2 (en) 2007-10-10 2012-02-07 Prime Datum, Inc. Integrated fan drive system for cooling tower
US20090228242A1 (en) * 2008-03-10 2009-09-10 Nassar Ayman E Measuring sustainability, viability, and value proposition of a system
US7840376B2 (en) * 2008-03-20 2010-11-23 The Boeing Company Risk-based design and maintenance systems and methods
US8230266B2 (en) * 2008-06-03 2012-07-24 General Electric Company System and method for trip event data acquisition and wind turbine incorporating same
US7877231B2 (en) * 2008-07-22 2011-01-25 Honeywell International Inc. Electromechanical actuator and effector health management system and method
JP5183507B2 (ja) * 2009-01-21 2013-04-17 日立アプライアンス株式会社 空気調和機
US20100274579A1 (en) * 2009-04-22 2010-10-28 Christian Marten Dynamic, Interactive, Web-Based Treatment System
US8577509B2 (en) * 2009-06-24 2013-11-05 Vestas Wind Systems A/S Method and a system for controlling operation of a wind turbine
US10137542B2 (en) 2010-01-14 2018-11-27 Senvion Gmbh Wind turbine rotor blade components and machine for making same
ES2794015T3 (es) 2010-01-14 2020-11-17 Siemens Gamesa Renewable Energy Service Gmbh Componentes de pala del rotor de la turbina eólica y métodos para hacer los mismos
US20120163974A1 (en) * 2010-09-27 2012-06-28 Taylor Brendan F Use of automation in wind data acquisition systems to improve wind resource assessment accuracy
US10670028B2 (en) 2011-10-21 2020-06-02 Prime Datum Development Company, Llc Load bearing direct drive fan system with variable process control
SG11201401228XA (en) 2011-10-21 2014-06-27 Prime Datum Inc Direct drive fan system with variable process control
ITCO20120008A1 (it) 2012-03-01 2013-09-02 Nuovo Pignone Srl Metodo e sistema per monitorare la condizione di un gruppo di impianti
US20130326383A1 (en) * 2012-06-04 2013-12-05 Roger Anthony Gatti Vibration data collection and processing for a gas turbine engine
EP2895837B1 (en) * 2012-09-12 2017-04-26 GKN Aerospace Sweden AB The logic of reliability limits to ensure high quality data
US9255525B2 (en) * 2012-11-30 2016-02-09 General Electric Company System and method for gas turbine operation
US9568349B2 (en) * 2013-03-15 2017-02-14 Ruskin Company Gas flow measurement system and method of operation
US10037026B2 (en) * 2014-09-25 2018-07-31 General Electric Company Systems and methods for fault analysis
JP6664893B2 (ja) * 2014-12-19 2020-03-13 川崎重工業株式会社 ロボット保守支援装置および方法
US20160217674A1 (en) 2015-01-26 2016-07-28 Trane International Inc. Remote monitoring of an hvac system for fault detection and diagnostics
US9605559B2 (en) 2015-02-02 2017-03-28 General Electric Company Wash timing based on turbine operating parameters
WO2016196596A1 (en) 2015-06-01 2016-12-08 Prime Datum Development Company, Llc Line replaceable unit (lru) sensor systems for motors and other machines
US10754334B2 (en) 2016-05-09 2020-08-25 Strong Force Iot Portfolio 2016, Llc Methods and systems for industrial internet of things data collection for process adjustment in an upstream oil and gas environment
CN114625076A (zh) * 2016-05-09 2022-06-14 强力物联网投资组合2016有限公司 用于工业物联网的方法和系统
US11327475B2 (en) 2016-05-09 2022-05-10 Strong Force Iot Portfolio 2016, Llc Methods and systems for intelligent collection and analysis of vehicle data
US11774944B2 (en) 2016-05-09 2023-10-03 Strong Force Iot Portfolio 2016, Llc Methods and systems for the industrial internet of things
CN106441962A (zh) * 2016-08-30 2017-02-22 上海发电设备成套设计研究院 一种电站锅炉风机性能实时监测的方法
WO2018129482A1 (en) * 2017-01-06 2018-07-12 Arcus Technology, Inc. Multi-dimensional motion performance modeling and real-time monitoring of a motion system
JP6339707B1 (ja) * 2017-01-23 2018-06-06 ファナック株式会社 モータ振動要因判定システム
US10989427B2 (en) 2017-12-20 2021-04-27 Trane International Inc. HVAC system including smart diagnostic capabilites
US11126490B2 (en) * 2018-10-12 2021-09-21 Vixtera, Inc. Apparatus and methods for fault detection in a system consisted of devices connected to a computer network
EP4043856A4 (en) * 2019-10-02 2023-10-11 NTN Corporation VIBRATION ANALYSIS DEVICE AND VIBRATION MEASUREMENT SYSTEM
JP7443011B2 (ja) 2019-10-02 2024-03-05 Ntn株式会社 振動解析装置及び振動測定システム
JP7360887B2 (ja) * 2019-10-07 2023-10-13 Ntn株式会社 振動解析装置及び振動測定システム
CN111736571A (zh) * 2020-06-16 2020-10-02 深圳科瑞技术股份有限公司 一种故障诊断系统及方法、存储介质

Family Cites Families (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4122621A (en) 1977-07-14 1978-10-31 Barr W Lincoln Underwater repeating spear gun
JP2867477B2 (ja) * 1989-10-19 1999-03-08 日産自動車株式会社 オンライン設備の寿命予測方法
US5210704A (en) * 1990-10-02 1993-05-11 Technology International Incorporated System for prognosis and diagnostics of failure and wearout monitoring and for prediction of life expectancy of helicopter gearboxes and other rotating equipment
JPH04143634A (ja) * 1990-10-04 1992-05-18 Hitachi Metals Ltd 金属材料の熱疲労寿命の推定方法
US6801877B2 (en) 1993-11-12 2004-10-05 Entek Ird International Corporation Portable, self-contained data collection systems and methods
US6003808A (en) 1997-07-11 1999-12-21 Pratt & Whitney Canada Inc. Maintenance and warranty control system for aircraft
US6505145B1 (en) 1999-02-22 2003-01-07 Northeast Equipment Inc. Apparatus and method for monitoring and maintaining plant equipment
JP2000259222A (ja) * 1999-03-04 2000-09-22 Hitachi Ltd 機器監視・予防保全システム
US6694285B1 (en) 1999-03-13 2004-02-17 Textron System Corporation Method and apparatus for monitoring rotating machinery
US6622264B1 (en) 1999-10-28 2003-09-16 General Electric Company Process and system for analyzing fault log data from a machine so as to identify faults predictive of machine failures
US6463380B1 (en) 1999-06-01 2002-10-08 General Electric Company Control system and method for controlling an engine in response to deterioration of the engine
US6405108B1 (en) 1999-10-28 2002-06-11 General Electric Company Process and system for developing predictive diagnostics algorithms in a machine
US6643801B1 (en) 1999-10-28 2003-11-04 General Electric Company Method and system for estimating time of occurrence of machine-disabling failures
US6799154B1 (en) 2000-05-25 2004-09-28 General Electric Comapny System and method for predicting the timing of future service events of a product
DE10048826B4 (de) * 2000-09-29 2012-03-01 Robert Bosch Gmbh Verfahren und Vorrichtung zur Erfassung alterungsbedingter Veränderungen von technischen Systemen wie Elektromotoren
JP4138267B2 (ja) 2001-03-23 2008-08-27 株式会社東芝 半導体製造装置、真空ポンプの寿命予測方法及び真空ポンプの修理タイミング決定方法
US6735549B2 (en) 2001-03-28 2004-05-11 Westinghouse Electric Co. Llc Predictive maintenance display system
CN1287075C (zh) 2001-06-18 2006-11-29 株式会社日立制作所 燃气轮机的状态诊断方法及诊断系统
US6711952B2 (en) 2001-10-05 2004-03-30 General Electric Company Method and system for monitoring bearings
US6745153B2 (en) 2001-11-27 2004-06-01 General Motors Corporation Data collection and manipulation apparatus and method
JP2003270060A (ja) * 2002-03-14 2003-09-25 Nec Corp 応力ひずみ解析システム及びそれに用いる応力ひずみ解析方法並びにそのプログラム
CN2570760Y (zh) * 2002-07-05 2003-09-03 包头市蒙奥工贸有限责任公司 工程机械参数监测装置
US6922640B2 (en) * 2002-12-18 2005-07-26 Sulzer Markets And Technology Ag Method for the estimating of the residual service life of an apparatus
CN1424566A (zh) * 2003-01-10 2003-06-18 南京航空航天大学 数字化微型化大型结构寿命实时监测监控系统
JP4201628B2 (ja) * 2003-03-24 2008-12-24 三菱電機ビルテクノサービス株式会社 高圧遮断機の残存寿命評価装置及び該残存寿命評価装置によって作成された帳票
DE102005025673A1 (de) * 2005-06-03 2006-12-14 Siemens Ag Betriebsverfahren für eine Auswertungseinrichtung für eine Produktionsmaschine

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102298672A (zh) * 2010-06-25 2011-12-28 通用电气公司 涡轮机翼型件寿命管理系统及方法
CN102298672B (zh) * 2010-06-25 2014-07-30 通用电气公司 涡轮机翼型件寿命管理系统及方法
CN102680258A (zh) * 2011-12-13 2012-09-19 河南科技大学 一种在役机械装备结构疲劳状态估算方法
CN102680258B (zh) * 2011-12-13 2014-04-16 河南科技大学 一种在役机械装备结构疲劳状态估算方法
CN104541215A (zh) * 2012-08-22 2015-04-22 西门子公司 对用于生产产品的技术设备的第一装备的监控
CN104541215B (zh) * 2012-08-22 2017-08-11 西门子公司 对用于生产产品的技术设备的第一装备的监控
CN109313438A (zh) * 2016-03-03 2019-02-05 德克尔马霍普夫龙滕有限公司 与数控机床联用的数据存储装置

Also Published As

Publication number Publication date
CN1854706B (zh) 2010-07-21
AU2006201477A1 (en) 2006-11-09
EP1715397A3 (en) 2006-11-02
US7222048B2 (en) 2007-05-22
JP2006302293A (ja) 2006-11-02
US20060241910A1 (en) 2006-10-26
EP1715397A2 (en) 2006-10-25
AU2006201477B2 (en) 2011-07-21
JP5014664B2 (ja) 2012-08-29

Similar Documents

Publication Publication Date Title
CN1854706A (zh) 诊断机器的方法和系统
CN104254810B (zh) 用于一组工厂的条件监视的方法和系统
CN1310105C (zh) 热电厂维护服务提供方法
CN1690685A (zh) 监测机器的方法及系统
KR100522342B1 (ko) 설비 기기 진단 시스템, 관리 장치 및 진단 장치
US20140303796A1 (en) Apparatus and method for controlling building energy
CN1324418C (zh) 制炼系统内使用的气穴检测
WO2017134983A1 (ja) 設備診断装置、設備診断方法及び設備診断プログラム
CN105809255A (zh) 一种基于物联网的火电厂旋转机械健康管理方法及系统
CA3171201A1 (en) Diagnostic baselining
JP2010287011A (ja) 装置異常監視方法及びシステム
CN1685294A (zh) 监控包括多个系统的技术设备特别是电站的装置和方法
JP2002073154A (ja) 設備機器診断システム
CN115586009A (zh) 一种故障诊断与健康管理系统、方法
CN110546657A (zh) 用于评估组件的生命周期的方法和设备
US10156844B1 (en) System and method for new equipment configuration and sound monitoring
CN106662869B (zh) 用于高级过程控制的系统和方法
CN115909203A (zh) 建筑施工安全全景监控系统及方法
US20210150464A1 (en) Global monitoring system for critical equipment performance evaluation
WO2021042233A1 (en) Remote diagnosis system, apparatus and method for power tool
Roemer et al. Prognostic enhancements to naval condition-based maintenance systems
JP2020042472A (ja) 省エネルギー診断システム
US20050193270A1 (en) Mobile remote monitoring and diagnostics and method
CN117648544A (zh) 设备故障的确定方法、装置、可读存储介质及电子设备
CN113592179A (zh) 预测性维护方法、系统及存储介质

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
C17 Cessation of patent right
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20100721

Termination date: 20140421