CN112903001A

CN112903001A - 织物定型机的操作方法

Info

Publication number: CN112903001A
Application number: CN201911222921.1A
Authority: CN
Inventors: 廖育佐; 林于栋; 许文正; 叶明宪
Original assignee: Taiwan Textile Research Institute
Current assignee: Taiwan Textile Research Institute
Priority date: 2019-12-03
Filing date: 2019-12-03
Publication date: 2021-06-04
Also published as: TW202122939A; TWI754879B

Abstract

一种织物定型机的操作方法包括以下步骤。采集马达的电流数据、振动数据、局部放电数据以及故障类型。建立电流数据、振动数据以及局部放电数据对故障类型的关联性。重复执行上述步骤，以建立数据库。依据数据库内的多笔电流数据、多笔振动数据以及多笔局部放电数据，建立回归方程式。在定型机的工作阶段采集马达的工作电流数据、工作振动数据以及工作局部放电数据，并透过关联性及回归方程式分别获得预计故障类型以及预计故障时间。织物定型机的控制系统可分别依据所建立的关联性以及回归方程式预测马达的故障类型以及故障时间，从而提前作出相对应的准备。此外，控制系统亦可逐步修正已建立好的关联性以及回归方程式，从而提升其准确性及可靠性。

Description

织物定型机的操作方法

技术领域

本揭露是有关于一种织物定型机的操作方法，且特别是有关于一种织物定型机的马达的故障预测方法。

背景技术

随着生活水准的提高，消费者对织物的功能有了新的要求，因此织物的需求亦与日俱增。在织物的大量生产过程中，作为织物原料的布材会经过定型处理以使织物的表面平整。由于一般的织物定型设备缺少故障检测装置，因此操作人员往往无法提前预知设备故障的发生并作出相对应的准备，且当设备发生故障时，往往须待维修人员进一步检查方能找出故障的原因并进行修复，从而导致生产线停摆而造成严重的损失。

发明内容

本揭露内容提供一种具有马达的织物定型机的操作方法。

根据本揭露一实施方式，织物定型机的操作方法包括以下步骤。采集马达的电流数据、振动数据、局部放电数据以及故障类型。建立电流数据、振动数据以及局部放电数据对故障类型的关联性。重复执行上述步骤，以建立数据库；依据数据库内的多笔电流数据、多笔振动数据以及多笔局部放电数据，建立回归方程式。在定型机的工作阶段采集马达的工作电流数据、工作振动数据以及工作局部放电数据，并透过关联性及回归方程式分别获得预计故障类型以及预计故障时间。

在本揭露一实施方式中，建立数据库的步骤包括：对多笔电流数据、多笔振动数据以及多笔局部放电数据进行正规化步骤，以分别得到多笔正规化电流数据、多笔正规化振动数据以及多笔正规化局部放电数据；以及依据多笔正规化电流数据、多笔正规化振动数据以及多笔正规化局部放电数据建立回归方程式。

在本揭露一实施方式中，回归方程式为[预计故障时间＝A×(正规化电流数据)-B×(正规化振动数据)-C×(正规化局部放电数据)+D×(正规化电流数据)×(正规化振动数据)+E×(正规化电流数据)^1/2×(正规化局部放电数据)]，其中A、B、C、D及E为常数，且7.2≦A≦8.8，18.3≦B≦22.3，1.4≦C≦1.8，1.1≦D≦1.3，2.2≦E≦2.7。

在本揭露一实施方式中，织物定型机的操作方法还包括：依据工作电流数据、工作振动数据以及工作局部放电数据修改关联性、数据库以及回归方程式。

在本揭露一实施方式中，电流数据、振动数据以及局部放电数据是分别透过三相电流轨迹图、振动轨迹图以及局部放电频谱图呈现。

在本揭露一实施方式中，三相电流轨迹图所呈现的轨迹形状为三维椭圆，且电流数据＝三维椭圆的长轴长度-三维椭圆的短轴长度。

在本揭露一实施方式中，振动数据为马达的轴承在振动轨迹图中的位移量。

在本揭露一实施方式中，故障类型包括定子故障、转子故障、轴承故障以及对心故障。

在本揭露一实施方式中，电流数据、振动数据以及局部放电数据分别透过第一感测器、第二感测器以及第三感测器测量，且第一感测器、第二感测器以及第三感测器设置于马达的轴承上。

在本揭露一实施方式中，织物定型机的操作方法还包括：将预计故障类型及预计故障时间传送至排程系统，以对织物定型机的工作阶段进行重新排程。

根据本揭露上述实施方式，在织物定型机的操作方法中，采集马达的电流数据、振动数据、局部放电数据以及故障类型，从而建立其关联性以及回归方程式。织物定型机的控制系统可分别依据所建立的关联性以及回归方程式预测马达的故障类型以及故障时间，从而提前作出相对应的准备。此外，透过比对每一次的预测结果与实际故障状况之间的差异，控制系统可逐步修正已建立好的关联性以及回归方程式，从而提升所获得的预计故障类型以及预计故障时间的准确性及可靠性。

附图说明

图1绘示根据本揭露一实施方式的织物定型机的操作方法的流程图。

【符号说明】

S10、S20、S30、S40、S50、S60、S70：步骤

具体实施方式

以下将以附图揭露本揭露的多个实施方式，为明确说明起见，许多实务上的细节将在以下叙述中一并说明。然而，应了解到，这些实务上的细节不应用以限制本揭露。也就是说，在本揭露部分实施方式中，这些实务上的细节是非必要的。此外，为简化附图起见，一些已知惯用的结构与元件在附图中将以简单示意的方式绘示。

本揭露提供一种织物定型机的操作方法，其可针对织物定型机的马达进行故障类型及故障时间的预测，从而预知故障的发生以提前作出相对应的准备。例如，进行织物定型机工作阶段的重新排程以及安排织物定型机的维修作业等。

图1绘示根据本揭露一实施方式的织物定型机的操作方法的流程图。织物定型机的操作方法包含步骤S10、S20、S30、S40、S50、S60及S70。在步骤S10中，采集马达的电流数据、振动数据、局部放电数据以及故障类型。在步骤S20中，建立电流数据、振动数据以及局部放电数据对故障类型的关联性。在步骤S30中，重复执行步骤S10及S20，以建立数据库。在步骤S40中，依据数据库内的多笔电流数据、多笔振动数据以及多笔局部放电数据，建立回归方程式。在步骤S50中，在织物定型机的工作阶段采集马达的工作电流数据、工作振动数据以及工作局部放电数据。在步骤S60中，透过关联性及回归方程式分别获得预计故障类型以及预计故障时间。在步骤S70中，依据工作电流数据、工作振动数据以及工作局部放电数据修改关联性、数据库及回归方程式。在以下叙述中，将进一步说明上述各步骤。

在一些实施方式中，可于织物定型机的马达的轴承上安装感测器。感测器可包括第一感测器、第二感测器以及第三感测器，其中第一感测器配置以测量马达的电流数值，第二感测器配置以测量马达的振动数值，而第三感测器配置以测量马达的局部放电数值。详细来说，第一感测器、第二感测器以及第三感测器可于织物定型机的工作阶段分别测量马达的电流数值、振动数值以及局部放电数值，并将各数值传输至织物定型机的控制系统以进一步转换为电流数据、振动数据以及局部放电数据。

在步骤S10中，采集马达的故障类型，并分别透过第一感测器、第二感测器以及第三感测器测量马达的电流数值、振动数值以及局部放电数值。故障类型的采集以及电流数值、振动数值及局部放电数值的测量是在织物定型机的工作阶段进行。接着，透过织物定型机的控制系统进一步将所测量到的电流数值、振动数值以及局部放电数值分别转换为电流数据、振动数据以及局部放电数据。

在一些实施方式中，马达的故障类型包括定子故障、转子故障、轴承故障以及对心故障。详细来说，定子故障包括定子绕组故障、内部放电、槽放电、绕组端部放电或导电粒子故障；转子故障包括转子断条；轴承故障包括轴承断条、支承部件松动或轴承弯曲；对心故障包括动静态偏心、转子不对心、转子不平衡或动静件摩擦。上述13种故障类型为马达常见的故障类型，且本揭露的织物定型机的操作方法可针对上述13种故障类型进行故障特征的采集。

在一些实施方式中，电流数值可以是马达的定子的三相电流数值，且三相电流数值可透过三相电流轨迹图呈现。具体来说，三相电流轨迹图是透过将三相电流数值的三个振幅分别转换为三维电流轨迹而获得的。应了解到，在正常的马达的三相电流轨迹图中，三相电流数值所呈现的三维电流轨迹形状分别为三个三维圆形；反之，在故障的马达的三相电流轨迹图中，三相电流数值所呈现的三维电流轨迹形状分别为三个三维椭圆形。

在故障的马达的三相电流轨迹图中，马达的故障相与三维椭圆形的长轴方向一致，也就是说，可根据三维椭圆形的长轴方向判断马达的故障相。此外，在故障的马达的三相电流轨迹图中，三维椭圆形的长轴的长度与马达在特定故障相的严重程度呈正相关。举例来说，当马达于同一负载电流下发生短路的线圈匝数越多，三维椭圆形的长轴的长度越长。在一些实施方式中，织物定型机的控制系统进一步将所测量到的电流数值转换为电流数据(亦称作严重性因子)，且透过电流数据可判断马达故障的严重程度，其中电流数据＝三维椭圆形的长轴长度-三维椭圆形的短轴长度。当电流数据的绝对值越大，代表马达在特定故障相的故障程度越大。在一些实施方式中，上述电流数据的范围可介于-4单位长度至4单位长度之间，亦即，三维椭圆形的长轴减去短轴的长度差的范围可介于-4单位长度至4单位长度之间。

在一些实施方式中，振动数值可以是马达的轴承在特定方向(例如，水平的x方向或垂直的y方向)上的位移量，例如，振动数值可包括水平振动数值(x)以及垂直振动数值(y)。振动数值可透过振动轨迹图以振动数据的形式呈现，且振动数据可以是马达的轴承于工作阶段在二维平面上相对于静止阶段的位移量。举例来说，在振动轨迹图中，当静止阶段的马达的轴承的座标位置为(0，0)，且工作阶段的马达的轴承的座标位置为(x，y)时，振动数据可表示为[(x²+y²)^1/2]。透过振动轨迹图中马达的轴承的位移方向以及振动数据的大小，可判断马达于工作阶段的偏移方向以及故障程度。在一些实施方式中，振动数据的范围可介于0微米至300微米之间。

在一些实施方式中，局部放电数值可以是马达内部的三相电流的局部放电数值。局部放电数值可透过局部放电频谱图以局部放电数据的形式呈现。在一些实施方式中，局部放电数据可反映马达的定子绕组的绝缘状况，也就是说，可根据局部放电数据的大小判断马达的定子绕组是否达到其应有的绝缘效果。具体来说，局部放电数据的大小与马达的定子绕组的绝缘状况之间的关系如表一所示。在一些实施方式中，局部放电数据具有三个区段的范围，分别为小于10000pC、介于10000pC至30000pC之间以及大于30000pC。

表一

在步骤S20中，针对于步骤S10中所采集的电流数据、振动数据、局部放电数据以及故障类型进行归纳及关联性分析，以建立电流数据、振动数据以及局部放电数据对故障类型的关联性。透过关联性的建立，当织物定型机于下次工作阶段产生相近(或相同)的工作电流数据、工作振动数据以及工作局部放电数据时，控制系统便可通过上述关联性预测马达可能发生的故障类型。

当完成上述阶段后，可视为完整地进行一次电流数据、振动数据、局部放电数据以及故障类型的采集与关联性的建立。对于单次数据及类型的采集与关联性建立而言，可将一些参数输出以作为建立数据库的试验数据。此些参数包括电流数据、振动数据、局部放电数据以及故障类型。换句话说，在进行一次数据及类型的采集与关联性建立后，可得到一笔试验数据，此试验数据包括一笔电流数据、一笔振动数据、一笔局部放电数据以及一笔故障类型。在重复进行多次数据及类型的采集与关联性的建立后，可得到多笔试验数据。接着，收集多笔试验数据，从而在步骤S30中透过多笔试验数据建立出数据库。

在步骤S40中，透过数据库中的多笔试验数据，建立出马达的故障时间预测模型。马达的故障时间预测模型的表示方式可以是“预计故障时间对于电流数据、振动数据以及局部放电数据的回归方程式”，在本文中以“回归方程式”表示。在回归方程式中，预计故障时间是应变数，而电流数据、振动数据以及局部放电数据是自变数。透过回归方程式的建立，控制系统可通过采集工作阶段的马达的工作电流数据、工作振动数据以及工作局部放电数据而预测马达预计发生故障的时间。

在一些实施方式中，为了降低不同的织物定型机于操作时的差异，可于建立马达的故障时间预测模型之前进行正规化(或标准化)步骤。具体来说，在将每一笔试验数据储存至数据库前，可先针对每一笔试验数据中的每一笔电流数据、每一笔振动数据以及每一笔局部放电数据进行正规化步骤。在一些实施方式中，电流数据、振动数据以及局部放电数据是分别透过不同的正规化计算式进行正规化步骤，且电流数据、振动数据以及局部放电数据分别具有不同的正规化范围。举例来说，电流数据的正规化计算式为：正规化电流数据＝电流数据+4，且其正规化电流数据的范围为介于0至8之间；振动数据的正规化计算式为：正规化振动数据＝振动数据/1000，且其正规化振动数据的范围为介于0至0.3之间；局部放电数据的正规化计算式为：正规化局部放电数据＝局部放电数据/10000，且正规化局部放电数据的范围为介于0至3之间。

在进行正规化步骤后，便可得到多笔正规化电流数据、多笔正规化振动数据以及多笔正规化局部放电数据。在一些实施方式中，回归方程式是依据多笔正规化后的数据所建立。举例来说，回归方程式可表示为：[预计故障时间＝A×(正规化电流数据)-B×(正规化振动数据)-C×(正规化局部放电数据)+D×(正规化电流数据)×(正规化振动数据)+E×(正规化电流数据)^1/2×(正规化局部放电数据)]，其中A、B、C、D及E为常数，且7.2≦A≦8.8，18.3≦B≦22.3，1.4≦C≦1.8，1.1≦D≦1.3，2.2≦E≦2.7。

在步骤S50中，采集马达的工作电流数据、工作振动数据以及工作局部放电数据。工作电流数据、工作振动数据以及工作局部放电数据的采集是在织物定型机的工作阶段进行。在一些实施方式中，工作电流数据、工作振动数据以及工作局部放电数据的采集是分别透过以第一感测器、第二感测器以及第三感测器测量工作电流数值、工作振动数值以及工作局部放电数值，并将各数值经由控制系统转换而得。

在步骤S60中，透过于步骤S50中所采集的工作电流数据、工作振动数据与工作局部放电数据以及于步骤S20中所建立的电流数据、振动数据以及局部放电数据对故障类型的关联性，可预测织物定型机的马达于下次发生故障的类型(即预计故障类型)以及此预计故障类型发生的机率，且预计故障类型可以是于步骤S10中所采集的13种故障类型中的任一者。此外，透过于步骤S50中所采集的工作电流数据、工作振动数据与工作局部放电数据以及于步骤S40中所建立的故障时间预测模型(即回归方程式)，可预测织物定型机的马达于下次发生故障的时间(即预计故障时间)。表二为透过上述关联性以及故障时间预测模型来分别获得预计故障类型以及预计故障时间的实施例1至实施例15。

表二

在一些实施方式中，可将于步骤S60中所预测的故障类型以及故障时间传送至织物定型机的排程系统，从而对织物定型机的工作阶段进行重新排程。具体来说，排程系统可根据预计故障类型以及预计故障时间重新安排后续的制程顺序(例如，将交期较早的订单提前安排至织物定型机故障前执行)以及制程产量。此外，排程系统亦可根据预计故障类型以及预计故障时间提前安排维修作业，以减少织物定型机因故障而无法运作的时间。

在步骤S70中，当织物定型机发生故障后，透过比对预计故障类型及时间与实际故障类型及时间之间的差异，控制系统可修正数据库中的各数据以及已建立好的关联性与回归方程式，从而提升所获得的预计故障类型以及预计故障时间的准确性及可靠性。

本揭露提供一种织物定型机的操作方法，其可针对织物定型机的马达进行故障类型及故障时间的预测。在织物定型机的操作方法中，采集马达的电流数据、振动数据、局部放电数据以及故障类型，从而建立其关联性以及回归方程式。织物定型机的控制系统可分别依据所建立的关联性以及回归方程式预测马达的故障类型以及故障时间，从而提前做出相对应的准备。此外，透过比对每一次的预测结果与实际故障状况之间的差异，控制系统可逐步修正已建立好的关联性以及回归方程式，从而提升所获得的预计故障类型以及预计故障时间的准确性及可靠性。

虽然本揭露已以实施方式揭露如上，然其并非用以限定本揭露，任何熟悉此技艺者，在不脱离本揭露的精神和范围内，当可作各种的更动与润饰，因此本揭露的保护范围当视所附的权利要求书所界定的范围为准。

Claims

1.一种织物定型机的操作方法，所述定型机具有马达，其特征在于，所述织物定型机的操作方法包括：

采集所述马达的电流数据、振动数据、局部放电数据以及故障类型；

建立所述电流数据、所述振动数据以及所述局部放电数据对所述故障类型的关联性；

重复执行上述步骤，以建立数据库；

依据所述数据库内的多笔所述电流数据、多笔所述振动数据以及多笔所述局部放电数据，建立回归方程式；以及

在所述织物定型机的工作阶段采集所述马达的工作电流数据、工作振动数据以及工作局部放电数据，并透过所述关联性及所述回归方程式分别获得预计故障类型以及预计故障时间。

2.根据权利要求1所述的织物定型机的操作方法，其特征在于，其中建立所述数据库的步骤包括：

对多笔所述电流数据、多笔所述振动数据以及多笔所述局部放电数据进行正规化步骤，以分别得到多笔正规化电流数据、多笔正规化振动数据以及多笔正规化局部放电数据；以及

依据多笔所述正规化电流数据、多笔所述正规化振动数据以及多笔所述正规化局部放电数据建立所述回归方程式。

3.根据权利要求2所述的织物定型机的操作方法，其特征在于，其中所述回归方程式为[所述预计故障时间＝A×(所述正规化电流数据)-B×(所述正规化振动数据)-C×(所述正规化局部放电数据)+D×(所述正规化电流数据)×(所述正规化振动数据)+E×(所述正规化电流数据)^1/2×(所述正规化局部放电数据)]，其中A、B、C、D及E为常数，且7.2≦A≦8.8，18.3≦B≦22.3，1.4≦C≦1.8，1.1≦D≦1.3，2.2≦E≦2.7。

4.根据权利要求1所述的织物定型机的操作方法，其特征在于，还包括：

依据所述工作电流数据、所述工作振动数据以及所述工作局部放电数据修改所述关联性、所述数据库以及所述回归方程式。

5.根据权利要求1所述的织物定型机的操作方法，其特征在于，其中所述电流数据、所述振动数据以及所述局部放电数据是分别透过三相电流轨迹图、振动轨迹图以及局部放电频谱图呈现。

6.根据权利要求5所述的织物定型机的操作方法，其特征在于，其中所述三相电流轨迹图所呈现的轨迹形状为三维椭圆，且所述电流数据＝三维椭圆的长轴长度-三维椭圆的短轴长度。

7.根据权利要求5所述的织物定型机的操作方法，其特征在于，其中所述振动数据为所述马达的轴承在所述振动轨迹图中的位移量。

8.根据权利要求1所述的织物定型机的操作方法，其特征在于，其中所述故障类型包括定子故障、转子故障、轴承故障以及对心故障。

9.根据权利要求1所述的织物定型机的操作方法，其特征在于，其中所述电流数据、所述振动数据以及所述局部放电数据分别透过第一感测器、第二感测器以及第三感测器测量，且所述第一感测器、所述第二感测器以及所述第三感测器设置于所述马达的轴承上。

10.根据权利要求1所述的织物定型机的操作方法，其特征在于，还包括：

将所述预计故障类型及所述预计故障时间传送至排程系统，以对所述织物定型机的所述工作阶段进行重新排程。