设备状态监测技术PPT课件
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
9
1 设备状态监测任务的要素与组成
一种特殊情况是 xP(t y)yt，即监测指数是传感器信号本身。推荐 使用的是归一化指数，即监测指数独立于物理单位。
通常，算子P(·)可能是随时间变化的（与时间相关）、非线性的、甚 至是非解析的形式。
因此，监测指数可以是连续数值（如传感器信号的平均值），或离散 的事件（如逻辑符号“on”和“off”）。过程的工作状态（即工作条件， 如切削速度等）也可以用作监测指数。
显然，选择适当的监测指数是非常关键的。在理想情况下，监测指数 应能：（1）对过程健康状况灵敏；（2）对过程工作条件不灵敏； （3）实现成本经济。实际上，监测指数是以分析研究、计算机过程 仿真和系统试验为基础的。在许多应用中，监测指数的选择需要一定 的技巧，监测指数的适当选择常常包含着各种各样的信号处理技术。
5
1 设备状态监测任务的要素与组成
监测方法可以分为两大类：（1）基于模型的方法；（2）基 于特征的方法。对许多设备及过程而言，传感器信号被认为 是动态系统的输出，并以时间序列的形式表现出来。相应地， 过程监测是以系统模型化和模型估计为基础的。
根据Willems的定义，一个动态系统可以用由三个元素组成的 集合{T，W，B}来表示，其中T表示与系统相关的时间事件 集；W表示信号感兴趣变量的赋值空间，它是通过系统与环 境的相互作用而得到的；行为B表示映射T→W。动态系统可 能是非线性的和时变的，而线性时不变系统则更易于理解， 研究也更成熟。
6
1 设备状态监测任务的要素与组成
一个线性时不变系统可以用许多模型来描述，如状态空间模 型、输入输出传递函数模型、自回归模型（AR）、自回归滑 动平均模型（ARMA）等。有两类方法可用来对模型进行参数 估计：精确模型方法和近似模型方法。在各类模型中，动态 数据系统方法（DDS）对很多设备及过程的监测非常有效。 根据DDS方法的理论，过程可以由ARMA模型来近似：
如果 y tx ，那么状态正常，否则状态异常。 式中 y — 传感器信号；tx — 阈值。
不管过程工作状态和噪声分布如何改变，如果信号对正常和异常 状态给出了明确的表征，则这一简单的描述将是最优的判决策略 规则。然而在许多应用中，这一简单的判决策略不能令人满意。 因此，有必要研究更有效的监测方法。
10
1 设备状态监测任务的要素与组成
获取了监测指数后，监测可以用简单的条件描述如下：
如果 x t x ，那么状态正常，否则状态异常。
但在许多应用场合，阈值不能完全把各种各样的过程状态区分 开来。因此，阈值的确定是非常重要的。通常，阈值可用假设 检验的方法来确定。如果过程故障的性质是不断变化的，如磨 损和疲劳等，可以采用Pareto分布等方法；如果监测指数与过 程工作条件强烈有关，可推荐使用经验阈值估计方法。 更为有效的方法是使用多传感器信号和多监测指数，这也称之 为传感器融合、分类或判别决策。这里的判别决策仅限于辨识 过程特性的改变量，并不包括诸如风险分析之类的更深层次的 决策问题。
测
所估
处
决
Leabharlann Baidu计的
理
策
过程
状态
传感器
传感器 信号
计算机系统
图1-1 设备与过程的监测
4
1 设备状态监测任务的要素与组成
可以认为：信号处理和监测决策是一个集成的整体，称之为监测 方法。目前已开发了大量的监测方法，最简单的方法就是辨识两 类过程状态（正常和异常状态）的方法。如使用一个传感器信号， 可按如下条件描述：
8
1 设备状态监测任务的要素与组成
基于特征的监测方法是使用传感器信号的适当特征来辨识设 备及过程状态的。给定一个传感器信号 yt，t 1， 2， ，传感 器信号的特征（也称作监测指数，亦即模式特征向量）可以 表达为
xP (yt ) 式中 P(·) — 模型阶次算子。
这些特征可能是传感器信号的时域或频域特征，如均值、方 差、偏斜度、峭度、特定频带功率等。
3
1 设备状态监测任务的要素与组成
如图1-1所示，状态监测的任务主要由三部分组成：信号拾取、信 号处理和监测决策。可用的传感器信号包括力、变形、加速度、 温度、压力、声发射、电流或电压、光学信号等，与传感器有关 的主要指标包括成本、可靠性、有效性和信噪比。
设 备 及 过 程
传感器 传感器
信
监
输出
号
2
1 设备状态监测任务的要素与组成
在针对设备及过程的研究中有两个重要的目标：（1）开发能够良好 运行的或有能力制造各种各样产品的、集成的自调节系统，它很少 受操作员的监督和辅助；（2）提高运行过程的可靠性、安全性和提 高产品质量，减少维护维修费用。为了实现这两个目标，状态监测 显然是重要的技术需求之一。 关于监测（Monitoring），有几个意义有关联且易混的词，如监视 （Surveillance，Supervision）、诊断法（Diagnostics）、诊断 （Diagnosis）和检测（Detection）。在这里，状态监测指的是辨识 基于设备及过程特征估计的状态特性改变量的活动。状态监测的意 义是确定状态和检测故障，而诊断则隐含分析与定位故障。
目录：
1 设备状态监测任务的要素与组成 2 振动监测 3 声学监测 4 油样分析 5 红外监测 6 水汽监测 7 性能参数在线监测与诊断 8 剩余寿命评估
1
整体概况
+ 概况1
您的内容打在这里，或者通过复制您的文本后。
概况2
+ 您的内容打在这里，或者通过复制您的文本后。
概况3
+ 您的内容打在这里，或者通过复制您的文本后。
y t 1 y t 1 n y t n a t 1 a t 1 n 1 a t n 1
式中 at ~NI(D 0,a2)—白噪声； i 、 i —参数阵；n—由系
统程序来确定的模型阶次。
7
1 设备状态监测任务的要素与组成
当找到一个模型后，监测可通过检测模型参数的改变（如阻尼 比、固有频率）来执行，或检测系统期望响应的改变（如预测 误差）来执行。基于模型的监测方法是故障检测方法之一，例 如：可以利用动态模型（AR Model）与状态图、Boolean方程对 机床的状态进行监测。 尽管如此，基于模型的方法有两个明显的局限。首先，许多设 备及过程是非线性的时变系统。一个典型的例子是机械制造中 的切削过程，它的非线性是由结构振动和切削力之间的相互作 用引起的。即使采用自适应的方案，以基于模型的方法对过程 结构的改变量进行监测，仍难见成效。其次，传感器的信号依 赖于过程的工作条件，常常很难辨识一个传感器信号的改变量 是由过程工作条件改变引起的还是由过程本身的衰变引起的。
1 设备状态监测任务的要素与组成
一种特殊情况是 xP(t y)yt，即监测指数是传感器信号本身。推荐 使用的是归一化指数，即监测指数独立于物理单位。
通常，算子P(·)可能是随时间变化的（与时间相关）、非线性的、甚 至是非解析的形式。
因此，监测指数可以是连续数值（如传感器信号的平均值），或离散 的事件（如逻辑符号“on”和“off”）。过程的工作状态（即工作条件， 如切削速度等）也可以用作监测指数。
显然，选择适当的监测指数是非常关键的。在理想情况下，监测指数 应能：（1）对过程健康状况灵敏；（2）对过程工作条件不灵敏； （3）实现成本经济。实际上，监测指数是以分析研究、计算机过程 仿真和系统试验为基础的。在许多应用中，监测指数的选择需要一定 的技巧，监测指数的适当选择常常包含着各种各样的信号处理技术。
5
1 设备状态监测任务的要素与组成
监测方法可以分为两大类：（1）基于模型的方法；（2）基 于特征的方法。对许多设备及过程而言，传感器信号被认为 是动态系统的输出，并以时间序列的形式表现出来。相应地， 过程监测是以系统模型化和模型估计为基础的。
根据Willems的定义，一个动态系统可以用由三个元素组成的 集合{T，W，B}来表示，其中T表示与系统相关的时间事件 集；W表示信号感兴趣变量的赋值空间，它是通过系统与环 境的相互作用而得到的；行为B表示映射T→W。动态系统可 能是非线性的和时变的，而线性时不变系统则更易于理解， 研究也更成熟。
6
1 设备状态监测任务的要素与组成
一个线性时不变系统可以用许多模型来描述，如状态空间模 型、输入输出传递函数模型、自回归模型（AR）、自回归滑 动平均模型（ARMA）等。有两类方法可用来对模型进行参数 估计：精确模型方法和近似模型方法。在各类模型中，动态 数据系统方法（DDS）对很多设备及过程的监测非常有效。 根据DDS方法的理论，过程可以由ARMA模型来近似：
如果 y tx ，那么状态正常，否则状态异常。 式中 y — 传感器信号；tx — 阈值。
不管过程工作状态和噪声分布如何改变，如果信号对正常和异常 状态给出了明确的表征，则这一简单的描述将是最优的判决策略 规则。然而在许多应用中，这一简单的判决策略不能令人满意。 因此，有必要研究更有效的监测方法。
10
1 设备状态监测任务的要素与组成
获取了监测指数后，监测可以用简单的条件描述如下：
如果 x t x ，那么状态正常，否则状态异常。
但在许多应用场合，阈值不能完全把各种各样的过程状态区分 开来。因此，阈值的确定是非常重要的。通常，阈值可用假设 检验的方法来确定。如果过程故障的性质是不断变化的，如磨 损和疲劳等，可以采用Pareto分布等方法；如果监测指数与过 程工作条件强烈有关，可推荐使用经验阈值估计方法。 更为有效的方法是使用多传感器信号和多监测指数，这也称之 为传感器融合、分类或判别决策。这里的判别决策仅限于辨识 过程特性的改变量，并不包括诸如风险分析之类的更深层次的 决策问题。
测
所估
处
决
Leabharlann Baidu计的
理
策
过程
状态
传感器
传感器 信号
计算机系统
图1-1 设备与过程的监测
4
1 设备状态监测任务的要素与组成
可以认为：信号处理和监测决策是一个集成的整体，称之为监测 方法。目前已开发了大量的监测方法，最简单的方法就是辨识两 类过程状态（正常和异常状态）的方法。如使用一个传感器信号， 可按如下条件描述：
8
1 设备状态监测任务的要素与组成
基于特征的监测方法是使用传感器信号的适当特征来辨识设 备及过程状态的。给定一个传感器信号 yt，t 1， 2， ，传感 器信号的特征（也称作监测指数，亦即模式特征向量）可以 表达为
xP (yt ) 式中 P(·) — 模型阶次算子。
这些特征可能是传感器信号的时域或频域特征，如均值、方 差、偏斜度、峭度、特定频带功率等。
3
1 设备状态监测任务的要素与组成
如图1-1所示，状态监测的任务主要由三部分组成：信号拾取、信 号处理和监测决策。可用的传感器信号包括力、变形、加速度、 温度、压力、声发射、电流或电压、光学信号等，与传感器有关 的主要指标包括成本、可靠性、有效性和信噪比。
设 备 及 过 程
传感器 传感器
信
监
输出
号
2
1 设备状态监测任务的要素与组成
在针对设备及过程的研究中有两个重要的目标：（1）开发能够良好 运行的或有能力制造各种各样产品的、集成的自调节系统，它很少 受操作员的监督和辅助；（2）提高运行过程的可靠性、安全性和提 高产品质量，减少维护维修费用。为了实现这两个目标，状态监测 显然是重要的技术需求之一。 关于监测（Monitoring），有几个意义有关联且易混的词，如监视 （Surveillance，Supervision）、诊断法（Diagnostics）、诊断 （Diagnosis）和检测（Detection）。在这里，状态监测指的是辨识 基于设备及过程特征估计的状态特性改变量的活动。状态监测的意 义是确定状态和检测故障，而诊断则隐含分析与定位故障。
目录：
1 设备状态监测任务的要素与组成 2 振动监测 3 声学监测 4 油样分析 5 红外监测 6 水汽监测 7 性能参数在线监测与诊断 8 剩余寿命评估
1
整体概况
+ 概况1
您的内容打在这里，或者通过复制您的文本后。
概况2
+ 您的内容打在这里，或者通过复制您的文本后。
概况3
+ 您的内容打在这里，或者通过复制您的文本后。
y t 1 y t 1 n y t n a t 1 a t 1 n 1 a t n 1
式中 at ~NI(D 0,a2)—白噪声； i 、 i —参数阵；n—由系
统程序来确定的模型阶次。
7
1 设备状态监测任务的要素与组成
当找到一个模型后，监测可通过检测模型参数的改变（如阻尼 比、固有频率）来执行，或检测系统期望响应的改变（如预测 误差）来执行。基于模型的监测方法是故障检测方法之一，例 如：可以利用动态模型（AR Model）与状态图、Boolean方程对 机床的状态进行监测。 尽管如此，基于模型的方法有两个明显的局限。首先，许多设 备及过程是非线性的时变系统。一个典型的例子是机械制造中 的切削过程，它的非线性是由结构振动和切削力之间的相互作 用引起的。即使采用自适应的方案，以基于模型的方法对过程 结构的改变量进行监测，仍难见成效。其次，传感器的信号依 赖于过程的工作条件，常常很难辨识一个传感器信号的改变量 是由过程工作条件改变引起的还是由过程本身的衰变引起的。