ITTO20070303A1 - Procedimento e dispositivo di diagnostica di un meccanismo. - Google Patents

Description

DESCRIZIONE dell’invenzione industriale dal titolo: "Procedimento e dispositivo di diagnostica di un meccanismo"

DESCRIZIONE

La presente invenzione è relativa ad un procedimento di diagnostica di un meccanismo, ad un programma di diagnostica di un meccanismo e ad un dispositivo suscettibile di eseguire tale programma per mettere in atto tale procedimento.

Il settore tecnico dell'invenzione è quello dei sistemi di sorveglianza dello stato di aerogiri.

L’invenzione si applica in particolare alla diagnostica di un meccanismo di trasmissione inserito fra almeno un motore ed almeno un rotore di un aerogiro.

Un tale meccanismo comprende abitualmente più alberi provvisti di ingranaggi e permette di trasmettere la coppia del/i motore/i al/i rotore/i ed accessori dell’aerogiro.

La sorveglianza o rilevamento della comparsa di un difetto all'interno di un meccanismo è stata oggetto di numerose ricerche; si può citare il brevetto EP 0 838 048 relativo al rilevamento di un guasto di un sensore.

Tali aspetti della sorveglianza dello stato di motori o turbine sono stati in particolare descritti nei brevetti US 6301 572, US 2004/0176902 e US 2005/0096873 .

L'analisi di dati di tendenza di motori di aereo a fini diagnostici è stata descritta nel brevetto EP 0843 244.

Il brevetto EP 0407 179 ed il documento "Helicopter HUM/FDR benefits and developments’<1>, Brian D. Larder, American Helicopter Society 55th Annual Forum, Montreal, Quebec, 1999, forniscono informazioni concernenti la sorveglianza dello stato di un elicottero .

Il documento "Vibration monitoring techniques investigated for thè monitoring of a ch-47d swashplate hearing", Paul Grabill et al., American Helicopter Society 59th Annual Forum, Phoenix, AZ, 2003, descrive tecniche utilizzate per rilevare difetti di rotolamento a partire da dati vibratori.

Il documento "Helicopter trasmission diagno stics using constrained adaptive lifting", Paul Samuel et al., American Helicopter Society 59th Annual Forum, Phoenix, AZ, 2003, descrive l'utilizzo di un algoritmo di diagnostica di un meccanismo di trasmissione di elicottero con l'ausilio di wavelet; le wavelet sono utilizzate per adattare l'algoritmo ad un meccanismo definito; esse sono determinate a partire da dati vibratori di una trasmissione in buono stato e permettono di costruire un modello predittivo della forma d'onda dei segnali vibratori. L'algoritmo determina un errore di predizione durante il funzionamento della trasmissione, la cui ampiezza fornisce un'indicazione dell'esistenza di tali tipi di difetto di un ingranaggio.

La presente invenzione si applica in particolare alla diagnostica di un meccanismo di trasmissione dì potenza di un elicottero, mediante analisi delle variazioni - nel corso del tempo - di indicatori determinati a partire da misure vibratorie ef-fettuate sull'elicottero, e/o mediante analisi di tali misure vibratorie.

Per mettere in pratica tali misure, si equipaggia l'elicottero di accelerometri che sono disposti (fissati) sul/i motore/i, sul/i involucro/i di scatole di trasmissione, su cuscinetti d'albero, e/o in altri punti della struttura dell'elicottero. Durante un volo, i segnali forniti da tali sensori sono convertiti in dati ed all<1>occorrenza sincronizzati (grazie a segnali forniti da un sensore di rotazione) e/o "mediati", e poi registrati a bordo dell'elicottero.

Al ritorno a terra, i dati registrati vengono collazionati ed analizzati.

L'interpretazione di tali dati è complessa: essa necessita di un lungo intervento da parte di un esperto.

Gli strumenti noti di analisi automatica di tali dati al fine di diagnosticare un difetto meccanico nel meccanismo di trasmissione sono incompleti ed imperfetti; difetti esistenti non vengono rilevati, mentre indicazioni ingiustificate di difetto sono talvolta generate da tali strumenti di analisi.

Uno scopo dell'invenzione è quello di proporre un procedimento di analisi di tali dati, un programma di analisi ed un dispositivo includente tale programma, che permettano di stabilire una diagnostica affidabile, che cioè massimizzi la percentuali di difetti effettivi rilevati e minimizzi la percentuale di difetti non avverati.

Uno scopo dell'invenzione è quello di proporre procedimenti, programmi e dispositivi che siano migliorati e/o rimedino, almeno in parte, alle lacune o inconvenienti dei procedimenti, programmi e dispositivi noti.

Secondo un aspetto dell'invenzione, si propone un procedimento di diagnostica di un meccanismo mediante analisi delle misure vibratorie effettuate sul meccanismo e/o mediante analisi delle variazioni di un segnale indicatore (i) del comportamento del meccanismo, che comprende le operazioni successive seguenti:

normalizzazione {correzione} delle variazioni dell'indicatore mediante riferimento a variazioni simultanee di un parametro (PA) di funzionamento del meccanismo, in particolare mediante riferimento a variazioni simultanee della velocità (ias) dell'aerogiro rispetto all'aria;

determinazione di soglie o valori di riferimento per la velocità di variazione dell'indicatore ΐi) o di almeno una delle sue componenti (w, b, s, c) a partire dalle variazioni dell'indicatore durante un periodo di funzionamento senza difetto del meccanismo; e poi

comparazione della velocità di variazione del l'indicatore (i) o di almeno una delle sue componenti (w, b, s, c) con le soglie o valori di riferimento .

L'operazione di normalizzazione può comprendere un filtraggio di dati di variazione dell'indicatore. Tale operazione può comprendere una modellizzazione parametrica dell’indicatore o di misure da cui si estrae l'indicatore.

Il meccanismo può essere un meccanismo di trasmissione di un aerogiro, l'indicatore può essere derivato dall'analisi sincrona di misure vibratorie sull'aerogiro in volo, ed il parametro di funzionamento (PA) può essere la velocità (ias) dell'aerogiro rispetto all'aria.

Secondo un altro aspetto dell<1>invenzione, si propone un procedimento di analisi delle variazioni di un indicatore (i) del comportamento di un meccanismo, che comprende le operazioni seguenti:

(0P1, 0P2) estrarre il rumore (w) ed eventuali discontinuità (b, s) dell'indicatore (i) per ottenere una tendenza (c);

(0P8) comparare le variazioni della tendenza (c) ad uno o più valori di riferimento;

(OPIO) segnalare un difetto del meccanismo in funzione dei risultati della/e comparazione/i (0P8) .

Secondo modi preferiti di realizzazione del-1<1>invenzione:

per estrarre le eventuali discontinuità, (0P1) si ricercano e si sottraggono gli eventuali dati aberranti (s) nei dati di indicatore (i); e (0P2) si estraggono eventuali dati di salto (b) dai dati (i-s) ottenuti alla conclusione dell'operazione (0P1);

per ricercare la data dei dati aberranti (s), si sottrae ai dati di indicatore (i) un valore mediano mobile (mm (i)} dei dati di indicatore, per ottenere dati con rumore (i<1>); e si identificano i dati per i quali il rapporto fra l'ampiezza dei dati con rumore (i<[>) ed il livello (wrms(i)) dei dati di indicatore, è superiore ad una soglia (ts);

per identificare la presenza di un salto (b) nei dati (i-s), si analizzano le variazioni di coefficienti (d') di scala corrispondenti ad una trasformata a wavelet delle variazioni dei dati (i-s);

si identifica un possìbile salto (b) nei dati (i-s) quando il rapporto bpfra una media (abs(mean (d<1>})) dei coefficienti di scala e lo scarto tipo (std(d')) delle variazioni di tali coefficienti (d<1>), supera un primo valore determinato tp, e quando il rapporto bmfra tale media (abs(mean (d'))) dei coefficienti di scala ed il livello (wrms(i-s)) dei dati (ii = i-s), supera un secondo valore determinato tm;

per comparare le variazioni di tendenza a valori di riferimento, (0P5) si calcolano dati di variazione di scale dì una trasformata a wavelet dei dati di tendenza (c); e (0P8) si comparano i dati di variazione di scale della trasformata a wavelet dei dati dì tendenza ai valori di riferimento;

si effettuano inoltre le operazioni seguenti: (0P3) si calcola un livello (wrms(w)) del rumore (w); {0P7) si comparano le variazioni del livello (wrms(w)) del rumore ad uno o più valori di riferimento; e (0P9) si segnala un difetto del meccanismo in funzione dei risultati della/e comparazione/i (0P7);

per comparare le variazioni del livello (wrms) del rumore a valori di riferimento, (0P4) si calcolano dati di variazione di scale di una trasformata a wavelet delle variazioni del livello (wrms(w)) del rumore; e (0P7) si comparano i dati di variazione di scale della trasformata a wavelet del livello (wrms(w)) del rumore ai valori di riferimento;

si utilizza la wavelet di Haar e la funzione di scala associata alla wavelet di Haar;

quando si rileva un salto, si compara la data del salto a dati storici di manutenzione del meccanismo;

si compara (0P9) l'ampiezza dei dati (i-s) ad almeno un terzo valore di riferimento;

si diagnostica un difetto del meccanismo in funzione dei risultati di comparazione.

Secondo ancora un altro aspetto dell'invenzione, si propone un dispositivo di diagnostica di un meccanismo in funzione di dati (i) elaborati a partire da misure vibratorie effettuate sul meccanismo, il quale è programmato per effettuare le operazioni di un procedimento secondo l'invenzione.

Secondo ancora un altro aspetto dell<1>invenzione, si propone un programma di diagnostica di un meccanismo in funzione di dati (i) elaborati a partire da misure vibratorie effettuate sul meccanismo, caratterizzato dal fatto di essere disposto (struttura ed organizzato) per effettuare le operazioni di un procedimento secondo 1<1>invenzione.

Il programma può essere disposto per effettuare le operazioni seguenti:

(OPl) ricercare e separare gli eventuali dati aberranti {s) nei dati (i);

(0P2) estrarre dati di rumore (w) ed eventuali dati di salto (b) dai dati (ία= ì-s) ottenuti in uscita dall’operazione (0P1) per ottenere dati di tendenza (c);

(0P3) calcolare dati di livello di rumore (wrms(w)) a partire da dati di rumore;

{OP4) calcolare dati di velocità di variazione temporale dei dati di livello di rumore;

(0P5) calcolare dati di velocità di variazione temporale dei dati di tendenza;

{OP6) elaborare un dato di rilevamento di salto, ed all<1>occorrenza calcolare una data di salto a partire dai dati di salto, e comparare la data di salto a dati storici di manutenzione del meccanismo;

(0P7) comparare i dati di velocità di variazione temporale dei dati di livello di rumore a primi valori di riferimento;

(0P8) comparare i dati di velocità di variazione temporale dei dati di tendenza a secondi valori di riferimento;

(0P9) comparare l’ampiezza dei dati (i-s) ottenuti in uscita dall'operazione (0P1) ad almeno un terzo valore di riferimento;

(OPIO) elaborare un dato di rilevamento di difetto del meccanismo in funzione dei risultati di comparazione (0P6, 0P7, 0P9, 0P9).

I dati (i) elaborati a partire da misure vibratorie effettuate sul meccanismo possono in particolare corrispondere alle variazioni, durante un periodo di utilizzazione del meccanismo:

del livello (energia) di accelerazioni misurate sul meccanismo ad una frequenza di sincronizzazione (cioè di rotazione di un elemento del meccanismo), o ad un multiplo di tale frequenza, o

del livello di accelerazioni misurate sul meccanismo in una banda di frequenza, o

di un indicatore del grado di appiattimento di uno spettro delle misure vibratorie, quale una curiosi .

Altri aspetti, caratteristiche e vantaggi dell'invenzione risulteranno dalla descrizione seguente, che si riferisce ai disegni allegati ed illustra, senza alcun carattere limitativo, modi preferiti di realizzazione dell'invenzione.

La figura 1A è un grafico che illustra le variazioni di un indicatore "Ω-71" di una ruota dentata di una trasmissione di aerogiro, in funzione del tempo.

La figura 1B è un grafico che illustra da una parte le variazioni dello stesso indicatore in funzione della velocità dell'aerogiro, e dall'altra un modello polinomiale dell'influenza della velocità su tale indicatore.

La figura 2 è un grafico che illustra le variazioni in funzione del tempo dell'indicatore delle figure 1A e 1B, prima (curva in alto) e dopo (curva in basso) la correzione dell'influenza della velocità su tale indicatore, sempre in funzione della velocità (ras) dell'aerogiro.

La figura 3 è un grafico che illustra variazioni del livello (DSP) di un segnale in funzione della frequenza di rotazione di un albero di una trasmissione di aerogiro, ed in funzione della velocità anemometrica dell'aerogiro (segnale o indicatore "grezzo") .

La figura 4 è un grafico che illustra le variazioni corrispondenti di un modello H<(ias)>(ω) parametrico delle variazioni del segnale illustrato nella figura 3 in funzione della frequenza di rotazione ω; si applica tale modello di semplificazione in frequenza per ottenere un'approssimazione che permetta di eliminare dispersioni o irregolarità dovute al rumore in frequenza.

La figura 5 è un grafico che illustra le variazioni corrispondenti di un modello Η<(,αι]>(ω) in frequenza ed in velocità (ias) ottenuto a partire dal modello H<Uas)>(ω), per il segnale della figura 3.

La figura 6 è un grafico che illustra le variazioni corrispondenti dello stesso segnale filtrato.

La figura 7 è un grafico che illustra le variazioni di quattro fattori di scala, di a d4, associati ad una trasformata wavelet di un indicatore.

La figura 8 è un grafico che illustra le variazioni di un primo indicatore e le figure 9A a 9D sono quattro grafici che illustrano, rispettivamente, da sinistra a destra e dall'alto in basso, le variazioni delle quattro componenti (s), (w), (b) e (c) estratte da tale indicatore.

La figura 10 è un grafico che illustra le variazioni di un secondo indicatore e le figure HA a 11D sono quattro grafici che illustrano, rispettivamente, da sinistra a destra e dall'alto in basso, le variazioni delle quattro componenti (s), (w), (b) e (c) estratte da tale indicatore.

La figura 12 è un grafico che illustra in scala ingrandita le variazioni nel corso del tempo della componente di tendenza (c) del primo indicatore della figura 9D, e la figura 13 è un grafico che illustra le variazioni rispettive durante lo stesso periodo di quattro fattori di scala, d3 a d6, associati alla componente di tendenza (c) di tale indicatore e rappresentativi della velocità di variazione di tale componente.

La figura 14 è un grafico che illustra le variazioni temporali di un indicatore di un segnale senza difetto.

La figura 15 è un grafico che illustra le variazioni temporali di un indicatore di un segnale durante un periodo comprendente un atto di manutenzione che ha provocato un salto dell’indicatore.

La figura 16 è un grafico che illustra le variazioni temporali di un indicatore di un segnale rappresentativo della comparsa di un difetto meccanico.

La figura 17 è uno schema che illustra l'organizzazione dei principali moduli di un dispositivo programmato per realizzare le operazioni di un procedimento secondo l'invenzione.

La figura 18 è uno schema che illustra l'organizzazione di un modulo di separazione di quattro componenti di un indicatore da analizzare, facente parte del dispositivo secondo l'invenzione illustrato nella figura 17.

Con riferimento alla figura 17, il dispositivo secondo l'invenzione comprende un modulo 20 di lettura di dati, la cui uscita è collegata all'ingresso di un modulo 21 di correzione delle variazioni contestuali al quale sono così forniti i dati da analizzare .

Il segnale o indicatore corretto (i) fornito in uscita dal modulo 21 è diretto verso un modulo 22 di separazione delle componenti parassita (s), di rumore (w), di salto (b) e di tendenza (c), nonché verso un sommatore 23 che sottrae i parassiti (s) dall ’indicatore.

I dati di ciascuna delle componenti (b) e (c) sono rispettivamente analizzati tramite due moduli 26 e 27 di calcolo di velocità delle variazioni dei valori di tali componenti che forniscono i loro risultati ad un modulo 30 di analisi.

I rispettivi livelli di ciascuna delle componenti (w) e (s) sono rispettivamente calcolati tramite due moduli 24 e 25 di calcolo di livello, i quali forniscono rispettivamente i loro risultati ad un modulo di calcolo 28 di velocità di variazione del livello di rumore, nonché ad un modulo 29 di calcolo di frequenza di comparsa dei parassiti; secondo un modo di realizzazione semplificato, i mo duli 25 e 29 di trattamento dei parassiti possono essere omessi.

Quindi, il modulo 22 realizza le operazioni 0P1 e 0P2 dettagliate nella figura 18, mentre i moduli 24, 27 e 28 realizzano rispettivamente le operazioni 0P3, 0P5 e 0P4. Il modulo 30 di analisi compara - operazioni OP6 a OP9 - i dati forniti dai moduli 26 a 29 a delle soglie; i risultati di tali comparazioni possono essere rilasciati ad una persona tramite un dispositivo 31 di visualizzazione e/o di allarme .

Tali operazioni sono dettagliate qui nel seguito .

Notazioni

Conformemente ad un modo di realizzazione dell'invenzione, mediane mobili sono utilizzate per eliminare o estrarre da un segnale, cioè da dati di variazione temporale di un indicatore, mediante filtraggio, una parte o componente corrispondente essenzialmente ai dati parassiti o aberranti {"outlier") . Il calcolo della mediana mobile è affine ad un filtraggio.

Si indica con mm(x, n, K) la mediana di K valori successivi del dato x fino a quello di indice n:

{equazione l} Una media quadratica in finestra ("windowed RMS") è impiegata per stimare l'energia di una porzione di un segnale corrispondente a una successione o "finestra" di dati consecutivi. Una media quadratica in finestra di lunghezza K di un segnale di lunghezza N fornisce un risultato di lunghezza M=N-K.

Si indica con "wrms (x, n, K) " la media quadratica di K valori successivi del dato x fino a quello di indice n:

1<n>

x essendo la media di x

{equazione 2}

Alcuni principi e notazioni delle trasformate wavelet sono brevemente richiamati qui di seguito. Secondo la teoria wavelet, un segnale f(t) può essere rappresentato come una somma ponderata di funzioni ψj,kΐt) (cfr. equazione 3}. Gli indici (inte-ri) j e k sono rappresentativi della messa in scala (cioè dilatazione o espansione) e della traslazione di una funzione 3⁄4/-j,k(t) di base wavelet, o wavelet di base (cfr. equazione 4). La scelta di 3⁄4j-jrk(t) dipende dall'applicazione. Per l'eliminazione del rumore e la compressione, si può scegliere una wavelet che confina il rumore e la parte significativa del segnale analizzato in parti differenti della matrice dei coefficienti djik(cfr. equazione 5). Per il rilevamento di un evento si può scegliere una wavelet che fornisce all'evento una firma facilmente riconoscibile.

(equazione 3}

(equazione 4}

(equazione 5} Per un segnale di lunghezza finita, si ottiene una matrice di lunghezza finita nella dimensione di traslazione (k). Essendo infinito il numero di scale possibili (j), la ricostruzione del segnale necessiterà di calcolare coefficienti per un numero infinito di scale.

La trasformata wavelet discreta DWT ("Discrete Wavelet Transform") supera tale difficoltà dilatando con solamente un numero limitato di funzioni/coefficienti di scala la parte restante del segnale f(t) che forma un vettore di approssimazione ak. In questo modo, la matrice di coefficienti dj,ke il vettore di approssimazione a* contengono insieme tutta 1<1>informazione necessaria per ricostruire il segnale d'origine {cfr. equazione 6). Il numero di scale deve essere scelto in modo che sia ottenuta una separazione appropriata delle caratteristiche del segnale analizzato fra il vettore di approssimazione ed i vettori di scala della matrice dei coefficienti.

{equazione 6}

La funzione wavelet ^{t) e la funzione di scala <£{t) associata devono essere ortogonali (cfr. equazione 7):

{equazione 7} Di conseguenza, la trasformata DWT può solamente essere calcolata utilizzando funzioni wavelet madre per le quali esiste una funzione di scala ortogonale .

Si può utilizzare in pratica una batteria di filtri (h, hi) diadici derivati dalle funzioni wavelet e di scala (cfr. equazione 8 ed equazione 9):

(equazione 8}

{equazione 9}

Ciò forma un sistema di equazioni ricorsive in cui il vettore di approssimazione iniziale è la funzione da trasformare: aj0=f(t) (cfr. equazione 10 ed equazione 11). L'ingresso a una scala qualunque ajè il risultato di approssimazione precedente .

{equazione 10 }

{equazione 11}

La ricostruzione (equazione 12) del segnale inizia con l'impiego di un vettore di approssimazione e della matrice di coefficienti dj)kdi livello più basso, per ricostruire l'approssimazione di livello superiore. Un algoritmo ricorsivo permette di ottenere i coefficienti originali a-j0- Di conseguenza, solo il vettore di approssimazione di livello più basso e la matrice intera di coefficienti sono necessari per la ricostruzione dell'ingresso (segnale) originale.

{equazione 12}

Il fattore di traslazione di 2k dei filtri proviene dal fattore due che lega le scale (cfr. equazione 4). Così, ciascuna funzione di scala ha due volte meno coefficienti della precedente. Di conseguenza, il numero totale di coefficienti sarà uguale al numero di campioni di ingresso, indipendentemente dal numero dì iterazioni. Conservando unicamente i coefficienti di valore elevato, una ricostruzione di precisione ragionevole può essere ottenuta utilizzando solamente una parte dei coefficienti di partenza. Riportando a zero i coefficienti che rappresentano il rumore, la ricostruzione permette di ottenere un segnale {un ingresso) privato del rumore.

Per eliminare il rumore di un segnale (ingresso), i migliori risultati sono spesso ottenuti utilizzando una trasformata wavelet stazionaria SWT ("Stationary Wavelet Transform"). Una trasformata SWT differisce da una trasformata DWT per il fatto che i coefficienti di rango pari (2k) e i coefficienti di rango dispari (2k+l) sono estratti e trattati separatamente. Ciò crea una ridondanza poiché ciascuno strato (j) - o livello di dettaglio della matrice dei coefficienti dj|k- produce lo stesso numero di coefficienti del segnale di ingresso. Ne risulta una migliore precisione temporale (k) per i coefficienti di scala elevata corrispondenti ai valori elevati dell’indice j. Durante la ricostruzione, ì contributi di ciascun insieme di coefficienti ridondanti sono semplicemente riportati ad una media.

Al fine di conservare una lunghezza (o un numero di misurazioni i) del segnale in uscita di filtro che sia identica alla lunghezza in ingresso di filtro, e per minimizzare i transitori, le misurazioni dei segnali possono essere completate all'inizio e alla fine. L'integrazione si può comporre di campioni aventi il valore medio di un numero determinato dei primi/secondi campioni del segnale. Ciò può fornire risultati migliori rispetto al riempimento periodico (convoluzione circolare), in particolare quando l'inizio e la fine dei segnali presentano ampiezze differenti.

Normalizzazione/correzione dei segnali o dati di analisi

Le acquisizioni registrate durante il funzionamento di un meccanismo, in particolare durante il funzionamento in volo di un meccanismo di trasmissione di potenza di un elicottero, sono influenzati da un certo numero di fattori di contributo (parametri di funzionamento e/o di ambiente). In modo generale, un segnale osservato x di lunghezza finita registrato durante un periodo di tempo cha va da t a t+d può essere considerato come il prodotto di modelli Mkdipendenti ciascuno da una combinazione (lineare o meno) di parametri (cfr. equazione 13). Quando i parametri variano nel corso del periodo "d" di registrazione, almeno alcune componenti del segnale possono variare a causa della ripercussione, in uscita da tali modelli, di variazioni di tali parametri (di funzionamento e/o di ambiente) .

{equazione 13}

Per semplificare, si può considerare che i parametri non cambino in modo significativo per tutto un periodo - unico - di registrazione. Tale ipotesi è valida nella maggior parte dei casi, per registrazioni di breve durata come le acquisizioni di livelli vibratori su cuscinetti a rotolamento o radenti. Per le misure di sorveglianza di ingranaggi e alberi, che sono riportate a una media su almeno duecento rotazioni d'albero, la durata del periodo d è lunga e i parametri possono deviare. Le acquisizioni di sorveglianza di ingranaggi e alberi possono essere oggetto di una media sincrona per ridurre il rumore aleatorio durante tutto il periodo di acquisizione. Ciò significa che i segnali sono tagliati secondo finestre rappresentanti ciascuna una rotazione d'albero, nuovamente campionati per dare a ciascuna finestra la stessa lunghezza, e poi riportati a una media. Se uno dei modelli devia in modo significativo durante il periodo di registrazione, il segnale x può non essere periodico durante la rotazione d'albero e un calcolo di convergenza integrato in un algoritmo di calcolo di media può provocare un rigetto dell'acquisizione.

Di conseguenza, il segnale x può essere considerato, con una perdita minore di precisione, come il prodotto dei modelli dipendenti dai parametri registrati all'inizio dell’acquisizione.

Tale espressione può essere ancora semplificata considerando solamente 1'influenza per lo stato del componente associato Me del meccanismo, e i fattori ambientali Me (cfr. equazione 14}. Il rilevamento di difetto consiste nello stimare Me, normalmente dopo una fase di apprendimento, utilizzando uno stato normale E, e comparando al modello delle osservazioni consecutive.

{equazione 14} L'influenza ambientale Me risulta dall'ambiente al momento dell'acquisizione. Ciascuna acquisizione è accompagnata da un insieme di parametri contestuali che descrivono tale ambiente. Tali parametri possono essere dati di volo quali la velocità anemometrica dell'elicottero, la coppia trasmessa dal meccanismo di trasmissione, o la temperatura d'olio di lubrificazione del meccanismo. Così, Me dipende da tali parametri contestuali pl(t) a pN(t).

Per un insieme di segnali xn{t) di lunghezza finita, in cui t rappresenta la data (1<1>ora) di inizio dì acquisizione e n rappresenta il numero di campioni di ciascuna acquisizione risultante da misure su un componente il cui stato E è stabile durante l'acquisizione, l'uscita del modello Me è costante. Di conseguenza, il solo fattore che contribuisce alle variazioni di xn(t) nel corso del tempo t è Me. La funzione Me può essere stimata a partire dal segnale xn(t) e dai parametri contestuali da cui dipende Me, dato che i parametri contestuali necessari sono stati registrati.

Al fine di sopprimere l'effetto di variazioni ambientali, deve essere definito l'ambiente di riferimento, e si deve correggere ciascuna osservazione affinché essa sembri essere stata fatta nell'ambiente di riferimento. Così, una funzione di correzione (cfr. equazione 15) fornisce, per un'osservazione, il rapporto fra l'influenza Me dell'ambiente al momento dell'osservazione e l'influenza Me dell'ambiente di riferimento. Moltiplicando ciascuna osservazione per la funzione Gcdi correzione, si decorrelano così Me e l'osservazione in modo tale che l'osservazione sembri essere stata fatta nell'ambiente di riferimento.

{equazione 15}

Modellizzazìone di un indicatore

Gli indicatori di tipo Ω-kz sono generalmente utilizzati come indicatori dello stato di un ingranaggio. Sono puntatori di ampiezza spettrale semplici, in cui Ω è la frequenza di rotazione dell'albero che porta l'ingranaggio, z è il numero di denti dell'ingranaggio considerato, e k è un numero intero superiore a zero. Il trattino in tale notazione rappresenta il segno di moltiplicazione. Tali indicatori rappresentano 1'energia del segnale vibratorio alla frequenza (Ωζ) d'ingranamento o a multipli (k) di tale frequenza, e sono correlati con lo stato E dell'ingranaggio. Tali indicatori possono essere influenzati dalla coppia trasmessa dall'ingranaggio, e indirettamente dalla velocità anemometrica (ias) dell'aerogiro. La velocità anemometrica è utilizzata qui nel seguito per esplicitare variazioni di valori di indicatore e della firma vibratoria. Ben inteso, i metodi descritti possono essere impiegati con altri parametri di funzionamento del meccanismo o con combinazioni di più parametri di funzionamento.

Più indicatori possono essere calcolati a partire da un insieme di segnali x di lunghezza finita. Se lo stato E dell'ingranaggio associato è costante per 1<1>insieme di dati corrispondente ai segnali, allora non importa quale variazione del valore di un indicatore nel corso del tempo t debba risultare da Me. La figura 1A illustra a titolo di esempio le variazioni di un indicatore "Ω-71" associato allo stato di una ruota dentata conica {a 71 denti) di un meccanismo di trasmissione di elicottero nel corso di acquisizioni successive, mentre la figura 1B illustra le variazioni dello stesso indicatore in funzione della velocità anemometrica al momento dell'acquisizione. Non importa quale tendenza in un grafico rappresentativo delle variazioni dell'indicatore "Ω-71" {cioè il segnale x) in funzione del tempo dovrà indicare che lo stato E del componente meccanico associato a tale indicatore evolve nel corso del tempo, cioè che lo stato del componente associato si degrada. Il grafico della figura 1A non mostra una tendenza di variazione, mentre il grafico della figura 1B mostra chiaramente una tendenza decrescente. Ciò mostra che esìste una relazione fra l'indicatore Ω-71 e la velocità anemometrica ias, senza che non vi sia al cuna correlazione significativa fra la velocità anemometrica e il tempo.

La curva a tratti interrotti della figura 1B rappresenta un<1>approssimazione polinomiale dell'influenza Me (ias) (cfr. equazione 16) della velocità ias sull'indicatore Ω-71. Una matrice P è formata a partire da un vettore colonna delle misure di ias, in cui ciascuna colonna di P contiene la stessa colonna di ias a una potenza differente. Un modello polinomiale di ordine quattro è stato impiegato in tale esempio P (ias)=[ias<0>(t), ias<1>(t)iias<2>(t), ias<3>{t), ias<4>(t)]. Il vettore a dì coefficienti del modello contiene i pesi di ciascuna potenza. La variabile e è l'errore del modello, cioè la differenza fra il risultato fornito dal modello e i valori osservati. La stima del modello {cfr. equazioni 16 e 17) è ottenuta invertendo la matrice P e moltiplicando con i valori (i) dell'indicatore osservato.

{equazione 16}

{equazione 17} La funzione di correzione dì indicatore è fornita qui di seguito (cfr. equazione 18), e fornisce il fattore di correzione per ciascuna osservazione di indicatore. La moltiplicazione di ciascuna valore o dato di indicatore con il fattore di correzione dato dalla sua velocità anemometrica corrispondente de-correla i valori di indicatore e la velocità anemometrica, come se tutti gli indicatori risultassero da misure fatte nell’ambiente di riferimento scelto.

{equazione 18}

Modellizzazione di un segnale

Alcuni indicatori, come quelli descritti nel documento "Helicopter transmission diagnostics using constrained adaptive lifting" sopra menzionato o nel documento "Nearest neighbor-time series analysis classification of faults in rotating machinery<11>, Journal of Vibration, Acoustic, Stress and Reliabilìty in Design, 105:178-184, 1983, sono più complessi degli indicatori spettrali semplici discussi precedentemente. Tali metodi utilizzano una wavelet/filtro di riferimento in qualità di approssimazione del segnale, calcolando la distanza fra ciascun campione del segnale e il riferimento. Una volta che una caratteristica scalare è stata estratta, non è più possibile eseguire una correzione.

In questo caso, è necessario correggere il segnale grezzo direttamente, e/o creare un modello che descriva le incidenze dell'ambiente sulla forma d'onda del segnale. Ciò può essere fatto valutando la densità spettrale di potenza (DSP) del segnale in funzione dei fattori ambientali significativi, ad esempio in funzione della velocità anemometrica (cfr. figura 3 sulla quale la frequenza è rapportata alla velocità di rotazione di un albero). Tali dati sono stati acquisiti a bordo dì un elicottero in volo dì crociera. A partire dai dati vibratori registrati, una DSP non parametrica è ottenuta mediante una trasformata di Fourier discreta, i segnali essendo preliminarmente stati riportati a una media nel dominio temporale. L'ampiezza e la fase della DSP formano così una rappresentazione del segnale nel domìnio temporale, senza perdita di informazione .

Per modellizzare il comportamento spettrale in funzione della velocità anemometrica, è necessario stabilire un'approssimazione della DSP del segnale utilizzando un modello parametrico. Come illustrato in figura 3, il grafico della DSP del segnale di vibrazione d'ingranaggio comprende una regione di livello/energia elevato/a corrispondente alle armo niche di ingranamento e alle bande laterali di modulazione, al di sopra di un rumore di fondo. Una tale forma spettrale può essere validamente approssimata mediante un modello auto-regressivo MAR {cfr. equazione 19). La frequenza corrispondente a un polo k del modello MAR è indicata con ω*, mentre il livello energetico corrispondente è indicato con rk, e il livello globale b0. Tutti i poli complessi devono avere un complesso coniugato, altrimenti l'uscita del modello è complessa.

{equazione 19)

Il livello della regione del grafico d'energia elevata varia con la velocità anemometrica mentre la sua posizione sull’asse delle frequenze resta costante. Al fine di evitare che un polo non sia messo a zero o Π per distorsioni senza energia significativa alla frequenza di ingranamento, si definisce esplicitamente per ciascuna componente e si ottimizzano solamente b0e rk. Stimatori parametrici tradizionali, quali coefficienti di predizione lineare ("LPC") non possono essere utilizzati a questo scopo.

I parametri b0e rkdel modello sono quindi modell!zzati tramite parametri contestuali. Si definisce un modello MAR modificato {cfr. le equazioni 20 e 21) per il quale ciascun polo ha un complesso coniugato. Tale modificazione è possibile, poiché nessuna acquisizione presenta armoniche della frequenza di ìngranamento, né bande laterali di modulazione ad una frequenza zero o Π.

{equazione 20}

{equazione 2l) Il numero k di poli complessi coniugati è scelto per coincidere con il numero di regioni di energia elevata, e gli angoli di polo ω* sono scelti per corrispondere alla frequenza di tali regioni. I parametri b0e 3⁄4 possono essere stimati utilizzando un algoritmo di regione di confidenza {"trust region"). Tale stima può ugualmente essere effettuata utilizzando un algoritmo evoluzionario, o altri metodi dì stima di filtri quali quelli basati su un gradiente. Stimando ciascun segnale X<Uas)>(ω) nell'insieme di dati, si ottiene l'approssimazione corrispondente H<Uas)>(ω) , data per b0<Uas)>e rk<(:Las)>: {equazione 22} La figura 4 illustra un esempio dell'ampiezza del segnale modellizzato mediante H<(ias)>(ω). I parametri b0<tias)>e rk<Uas)>che definiscono un modello possono essere essi stessi modellizzati mediante un polinomio .

Sostituendo i parametri b0<(iasl>, rk<(ias)>e m<(ias)>mediante la loro approssimazione polinomiale 3⁄4<,Λί)>,

r^<,as)>e ώ<(,αί)>, si ottiene un modello H<i,as)>(ù>) dell'energia del segnale in funzione della frequenza e della velocità anemometrica, che è illustrata nella figura 5 e corrisponde all'equazione 23 seguente:

{equazione 23}

Al fine di correggere i segnali, si sceglie una velocità anemometrica (ref) di riferimento. Il filtro G(ias)(ω) di correzione corrisponde al rapporto tra lo spettro di potenza di riferimento e lo spettro di potenza corrispondente ad una velocità anemometrica qualunque. A causa della divisione dei due filtri autoregressivi, il filtro di correzione è una media mobile autoregressiva.

{equazione 24} {equazione 25}

Quando si moltiplica il modello di correzione G<Uas)>(ω) per il modello dì velocità anemometrica H<(ia3)>(ω), si ottiene lo spettro di potenza di riferimento per tutti i valori di velocità ias. I coefficienti bke akdel filtro nel dominio temporale per una velocità ias data sono i coefficienti corrispondenti ai polinomi del numeratore e del denominatore di G<(ias)>(ω). Il calcolo di un filtro di correzione a partire dalla velocità anemometrica associata a ciascuna porzione di un segnale, ed il filtraggio del segnale prima della sua ulteriore trasformazione, permette di eliminare in gran parte 1<1>influenza della velocità anemometrica sul segnale (cfr. la figura 6 che illustra un segnale così filtrato).

Tale metodo di decorrelazione dell’ampiezza dello spettro di potenza di un segnale e della velocità di spostamento dell'elicottero non prende in considerazione la fase dello spettro dì potenza: il filtro di correzione può provocare una deformazione significativa della fase. All<1>occorrenza i dati possono essere trattati da un equalizzatore di fase che corregge gli sfasamenti causati dal correttore di ampiezza del segnale.

I metodi di correzione/normalizzazione proposti nel seguito contribuiscono a correggere l'influenza dell'ambiente sui dati di vibrazione, in modo che tali dati acquisiti in differenti condizioni ambientali siano più facilmente comparabili, il che aumenta l'affidabilità globale del sistema.

Separazione di sorgenti (o componenti) di un segnale

Per sopprìmere il rumore di un insieme di dati, si suppone spesso che i valori osservati i(n) sono la somma di un processo determinista d{n) e di un processo aleatorio w(n). Conformemente ad un aspetto dell'invenzione, un indicatore di sorveglianza i (n) è decomposto in quattro parti o componenti: una componente s{n) di discontinuità, una componente w(n) di rumore aleatorio, una componente b(n) di salto/gradino, una componente c(n) di tendenza: i (n) = s (n)+w (n) b (n) c (n) {equazione 27} I valori della componente di discontinuità, che sono completamente al difuori del campo di dati normale, sono facilmente identificabili. Da tali discontinuità risultano tipicamente difetti dì sensori o, nel contesto di misure in volo, un regime di volo inadatto durante l'acquisizione dei segnali vibratori. Una degradazione meccanica può anche causare in certi casi un aumento della frequenza di misure aberranti.

La componente di rumore aleatorio è una dispersione attorno alla tendenza generale dell'indicatore. Essendo tale componente di rumore a larga banda, è più difficile isolarla e sopprimerla. Un aumento dell'energia di rumore aleatorio può risultare da una degradazione meccanica.

Si introduce un salto - o spostamento - nel segnale, affinché il punto di partenza della componente c(n) nell'equazione 27 sia sempre uguale a zero. Il valore di tale spostamento iniziale è il valore iniziale dell'indicatore, dopo che le componenti s(n) e w{n) sono state sottratte. Lo spostamento rappresenta il valore allo stato normale dell'insieme di dati, in modo tale che non importi quale valore non nullo della componente c(n) corrisponde ad una deviazione rispetto allo stato normale.

Quando un'operazione importante di manutenzione viene effettuata sul meccanismo analizzato, il valore dello stato normale dell'indicatore può variare. A tale variazione corrisponde quindi un salto (un gradino) nell'insieme dei dati. In questo caso, il valore di b(n) deve anch'esso variare per riflettere la variazione del livello di stato normale.

Le operazioni 0P1 e 0P2 di separazione di quattro componenti (b, c, w,s) di un indicatore (i) sono illustrate schematicamente nella figura 18 e dettagliate qui di seguito.

Operazione 0P1: separazione dei dati aberranti La tendenza della serie di dati (i) è soppressa eliminando la mediana mobile dei dati con una finestra di dimensione Ls. La mediana mobile sopprime la componente (s) ed una parte della componente (w), conservando intatta la maggior parte delle componenti (c) e (b). L'insieme dei dati modificati (i<1>) contiene di conseguenza la componente (s), una parte della componente (w) ed una parte debole delle componenti (c) e (b):

{equazione 28} Contenendo i dati modificati un debole contributo di tendenza o di salto, la loro media è sostanzialmente nulla. Una discontinuità è definita come uno di tali dati (i') modificati il cui scarto tipo supera la media dell'insieme dei dati. Si impiega una media in finestra, poiché la fluttuazione del segnale può variare nel corso del tempo:

{equazione 29}

Prima di procedere alla separazione delle componenti (w), (b) e (c), la componente discontinua s(n) corrispondente ai dati aberranti è sottratta dai dati di indicatore:

{equazione 30} Operazione 0P2: separazione di salto/i

Al fine di rilevare i salti, la serie di dati di indicatore ii(n) è dilatata (estesa) tramite la wavelet di Haar (cfr. equazione 31) utilizzando l'equazione (5) ai fattori di scala -la -J,

{equazione 31} Per un campione di dati in ingresso di lunghezza N, dilatato mediante fattori (-1) a (-J), la trasformata produce una matrice D di coefficienti di,jdi dimensione J x N. Le informazioni veicolate da una matrice di coefficienti wavelet dipendono dalla scelta della wavelet*Per la wavelet di Haar, i coefficienti corrispondono alla derivata numerica - cioè la velocità di variazione - dell'insieme di dati a scale differenti. Così, il vettore djcontiene la derivata media dell<1>insieme di dati attraverso una finestra scorrevole di 2<j>punti.

Le tendenze corrispondenti ad evoluzioni lente dei fenomeni (segnali) sono isolate negli strati di indice j elevato della matrice D. La presenza del rumore aleatorio nelle scale superiori è trascurabile rispetto all'energia delle tendenze. La sola componente avente un impatto significativo a tutte le scale è il salto. L'effetto di un salto di ampiezza unitaria ad una scala data è di,j= 2<1/2>.

Di conseguenza, un salto può essere identificato ricercando la firma di salto attraverso le scale (cfr. figura 7). Una matrice modificata di coefficienti d'jfDè calcolata (cfr. equazione 32) per determinare l'ampiezza di un salto. Un salto di ampiezza A e di posizione p produce la matrice modificata, i cui coefficienti verificano: d'jjP= A per tutti i valori di j,

{equazione 32} Utilizzando la definizione suddetta, un salto è una posizione nel tempo n, in cui d'j,nè uguale per tutti i valori di j. A causa della presenza delle componenti (w) e (c), i valori attraverso le scale non saranno completamente identici, e deve essere definita una metrica di firma di salto, ad esempio mediante la formula:

(equazione 33}

bp(n) rappresentando il grado di presenza di un salto al punto n dell'asse temporale. Le funzioni media "mean" e scarto tipo "std" sono calcolate per tutte le scale j in ciascun punto n. Cosi, un salto può essere definito come un punto {un dato) corrispondente all'istante n in cui bp(n) è superiore ad una soglia tp. Tale procedimento permette di identìficare/localizzare ogni transizione brusca, anche di ampiezza minore, che soddisfi i criteri suddetti. Un criterio supplementare di selezione di salto fra le transizioni può essere utilizzato per mantenere solo le transizioni di ampiezza maggiore, ad esempio utilizzando la formula:

(equazione 34}

Un salto è una transizione che supera distintamente il rumore di fondo. L'equazione suddetta normalizza l'ampiezza di salto mediante l'energia dell'insieme dei dati in una finestra di posizione n e di dimensione 2<jaalto>. Un salto rilevato corrisponde così ad un dato all'istante n che soddisfa i criteri di firma di salto e la cui ampiezza bm(n) è superiore ad una soglia tm, il che corrisponde alle due equazioni seguenti:

{equazione 35 } {equazione 36 } Il valore iniziale di b<1>è nullo. Un insieme di dati modificati i2(n) è ottenuto mediante sottrazione della componente di salto:

{equazione 37} Operazione 0P3: separazione del rumore aleatorio L'insieme di dati i2(n) è dilatato mediante la wavelet di Haar utilizzando la trasformata wavelet stazionaria (SWT) alle scale {-1} a (-Jrumore)■ La costante Jrumoreè scelta per catturare la maggior parte dell'energia di tendenza in a.jper un insieme di dati realista. Indipendentemente dalla distribuzione di tendenza fra D e a-j, il vettore dijknon contiene praticamente alcun contributo dì (c). Di conseguenza, l'energia in di^ è sostanzialmente il rumore (w). Supponendo che (w) sia un rumore bianco gaussiano, il livello di energia in di,kè rappresentativo del contributo di (w) per tutte le scale. Una valutazione dell'energia di (w) in funzione del tempo è ottenuta mediante una media quadratica in finestra:

{equazione 38} Si suppone che la componente (w) sia formata dai coefficienti il cui valore assoluto è inferiore ad una soglia tw, la stessa soglia essendo applicata per tutte le scale:

{equazione 39} La soppressione di rumore consiste abitualmente nel mettere i coefficienti più piccoli da d a zero prima della ricostruzione. Al fine di isolare al contrario il rumore, i coefficienti più grandi di d ed a sono messi a zero prima della ricostruzione (cfr. equazione 12).

La componente di salto è basata sul calcolo stimato b<1>descritto sopra, ma corretto in modo che il suo valore iniziale sia il valore iniziale dell'insieme di dati senza (w) e (s):

{equazione 40} La componente di tendenza è costituita dai dati restanti dopo che (s), (w) e (b) sono stati rimossi :

{equazione 4l} Altri procedimenti di isolamento della componente di rumore possono essere utilizzati.

Esempio

Una prova è stata fatta utilizzando l'indicatore RMS di vibrazioni di una ruota dentata intermedia di una scatola di velocità ausiliaria sinistra di un elicottero Super Puma AS332L2, le cui variazioni sono illustrate nella figura 8, e le cui variazioni rispettive dei quattro componenti sono illustrate nelle figure 9A a 9D. Durante il periodo corrispondente all'insieme di dati analizzati, i bulloni di fissaggio della ruota dentata intermedia si sono allentati. Ciò ha avuto come conseguenza una traiettoria di rotazione "oscillante" danneggial e i profili di dente della ruota dentata intermedia e delle ruote dentate adiacenti.

Dopo circa 514 ore dì volo, la scatola di trasmissione principale {BTP) è stata smontata per una manutenzione programmata . Ciò ha necessitato lo smontaggio delle due scatole di trasmissione ausiliarìe, e poi il loro rimontaggio sulla nuova BTP. Un salto appariva chiaramente sul grafico delle variazioni dell'indicatore RMS, al momento della revisione .

L'indicatore RMS di un componente meccanico adiacente, una ruota dentata di pompa idraulica, è altresì analizzato (cfr. figure 15A e 15B). L’insieme di dati illustrato da tale grafico è estratto da un periodo posteriore a quello corrispondente al grafico della figura 8, e copre la fine del periodo di propagazione di un difetto. La revisione dopo 514 ore dì volo non è inclusa in tali dati. L’indicatore mostra una tendenza netta fino alla rottura del pezzo (a circa 1000 ore di volo). Una transizione evidente appare sul grafico a circa 735 ore di volo. La transizione è tuttavia continua, ed illustra una tendenza piuttosto che un salto o balzo.

I valori dei parametri utilizzati per i calcoli di separazione dei componenti dell'indicatore sono i seguenti:

Analisi della tendenza

Piuttosto che rilevare il superamento di una soglia mediante un indicatore, è possibile rilevare il processo di variazione graduale del valore previsto dell'indicatore. La degradazione dei componenti di un meccanismo provoca fluttuazioni rilevabili dei valori di indicatore nel corso del tempo. L'analisi di tendenza è una parametrizzazione delle fluttuazioni di indicatore, e costituisce una parametrizzazione di secondo livello dei dati di misura acquisiti .

Per dati di misura acquisiti durante un volo ad intervalli regolari, il distanziamento fra ciascun valore di indicatore, in tempo di volo, è sostanzialmente uniforme. Quando il distanziamento non è uniforme, ad esempio a causa di dati mancanti dovuti ad una panne del sensore, la serie di dati di indicatore può essere interpolata con una funzione di smussamente, e poi ricampionata.

Separazione delle componenti di un indicatore Come descritto nel seguito, l'indicatore è decomposto in quattro componenti. Balzi/salti sono rilevati in qualità di discontinuità in una serie di dati di indicatore, mentre il rumore bianco e le tendenze sono separate utilizzando wavelet ed aberrazioni sono estratte dal rumore.

Analisi di tendenza non parametrica (operazioni 0P4 a 0P6)

L'analisi di tendenza di un segnale x è realizzata mediante una trasformata continua wavelet (CWT) che impiega la wavelet di Haar. Questo corrisponde ad una regressione lineare di una finestra scorrevole. La dimensione della finestra è data dal coefficiente j di scala, in modo tale che la dimensione della finestra nella quale la regressione lineare è eseguita è uguale a 2K Di conseguenza, una valore basso di j cattura fluttuazioni rapide, mentre un valore di j elevato permette di catturare tendenze più lente. Al fine di rilevare le tendenze crescenti e decrescenti legate ad una degradazione meccanica, è necessario impiegare più valori per j. Ciò produce la matrice D/dj<U)>(n> di coefficienti di scala di dimensione N x J:

{equazione 49}

{equazione 50}

{equazione 51} La figura 7 mostra come le scale di wavelet di a d4 permettono dì rilevare e di datare un salto nei dati di ingresso: l'ampiezza dì tali quattro coefficienti è sostanzialmente superiore ai loro valori medi rispettivi per una data comune {corrispondente sostanzialmente nella figura 7 a 250 ore di volo).

La figura 13 mostra come le scale di wavelet d3 a d6 reagiscono ad una variazione lenta o rapida dei dati di tendenza. I coefficienti di e d2 non sono qui utilizzati, essendo il loro valore sostanzialmente nullo durante tutto il periodo analizzato.

Ciascuna delle curve illustrate su tale figura corrisponde all'evoluzione, nel corso del perìodo di analisi, della velocità di variazione (derivata) della componente di tendenza: d3 corrisponde alla variazione "locale" di tale componente, in una finestra di otto punti successivi.

A tale coefficiente d3 corrisponde un filtro hi<(3)>= [-1,-1,-1,-1,1,1,1,1]; d4 a d 6 corrispondono rispettivamente alle variazioni locali calcolate con finestre di sedici, trentadue e sessantaquattro punti successivi.

Si osserva nella figura 13 un aumento sostanziale - in valore assoluto - dei coefficienti d4 a d6 alla fine del periodo analizzato, a circa 640 ore di volo.

Andarnento delle variazioni temporali di un indicatore e delle sue componenti

Le figure 14 a 16 illustrano rispettivamente le variazioni "normali" di un salto e di una tendenza (aumento) di esempi di indicatori.

Rilevamento di difetto

Per alcuni pezzi di meccanismo, quali motori, alberi principali, e rotori, i valori (dati) globali di indicatore/i possono direttamente dare buoni risultati di diagnostica, di preferenza dopo sottrazione preliminare dei dati parassiti (cfr. figura 17). Il risultato di tale sottrazione può quindi essere trasmesso direttamente ad un sistema di classificazione, che compara le osservazioni a delle soglie, che possono essere predeterminate o determinate durante una fase di apprendimento.

Per componenti di un meccanismo che non sono adatte ad una comparazione con soglie fisse, si impiegano misure di tendenza, Ciò è fatto eseguendo un'analisi di una velocità di variazione della componente (c) di tendenza dell'indicatore, come illustrato nella figura 16. Un aumento o una diminuzione progressiva del valore di un indicatore sarà isolato in tale componente (c). L'analisi di tendenza per tale componente indicherà così se il valore atteso dell'indicatore è stazionario o fluttuante.

Le misure fatte in volo o a terra comportano un certo livello di rumore aleatorio. Un aumento regolare del livello di rumore è tuttavìa un'indicazione di una degradazione di un componente meccanico o di misura. Per stimare il livello di rumore in ciascun punto di un campione di dati successivi, si effettua una media quadratica in finestra che calcola (operazione 0P3) l'energia di un indicatore o segnale x al punto (all'istante) n utilizzando una finestra. Una volta che il livello di energia di rumore è stato calcolato, la velocità di variazione di tale livello può essere esaminata (operazioni 0P4 e 0P7) allo stesso modo che per la componente di tendenza (c).

I salti o balzi nei dati di misure o di indicatori rappresentano tipicamente azioni di manutenzione. La presenza dei balzi rende difficile il rilevamento di difetto per comparazione con soglie predeterminate, poiché un nuovo apprendimento deve essere generalmente effettuato dopo ciascuna occorrenza di un balzo. Durante il rilevamento di un salto, un operatore/utilizzatore del sistema di sorveglianza deve essere avvertito o un controllo automatizzato della serie storica del meccanismo dell'aerogiro deve essere effettuato per verificare che un'azione di manutenzione si sia realmente prodotta alla data (l'ora) del balzo (operazione 0P6). Se nessuna operazione di manutenzione è stata registrata per tale data, il salto deve essere considerato come rivelatore di una possibile panne meccanica .

L'analisi di tendenza (operazioni 0P5 e 0P8) permette di raffrontare un insieme osservato di fluttuazioni di indicatore alle caratteristiche di diversi tipi di difetto. Ciò permette un’identificazione più precisa di un tipo di difetto, ma altresì una predizione rilevando lo stato dì avanzamento riflesso dalle osservazioni correnti rispetto ad un processo di degradazione noto.

Una prova è stata effettuata utilizzando dati di apprendimento derivati da misure a bordo di elicotteri AS332. Serie storiche di dati comprendenti dei difetti constatati sono state raccolte e sono stati isolati periodi di propagazione dei difetti documentati. Serie di dati sono state scelte in modo aleatorio al difuori dei periodi contenenti dei difetti noti per costituire serie storiche - o casi - privi di difetti; ciascuno di tali riferimenti da 1 a 21 nella tabella seguente risulta da misure su elicotteri differenti.

Gli stati difettosi (caso n. 1 a 14) corrispondono ad un allentamento dei bulloni di fissaggio di una ruota dentata intermedia. E<1>in generale difficile rilevare un tale difetto, contrariamente ad esempio al difetto di equilibratura di un albero, poiché il deterioramento di una ruota dentata non causa un aumento significativo di energia vibratoria.

Gli indicatori preferiti per rilevare tale tipo di difetto sono le bande laterali di modulazione e l'energia residua di ruota dentata. Quando la ruota dentata gira in modo disequilibrato, si ha una modulazione fra la frequenza di rotazione dell'albero e la frequenza di ingranamento dei denti della ruota dentata: bande laterali di modulazione appaiono su ciascun lato della frequenza di ingranamento, ad una distanza corrispondente alla velocità di rotazione della ruota dentata. Man mano che il disequilibrio aumenta, l'energia delle bande laterali di modulazione aumenta anch'essa.

Un segnale di vibrazione di una ruota dentata contiene tipicamente un livello elevato alle armoniche della frequenza di ingranamento al disopra di un rumore di fondo. L'indicatore residuo di energia è 1'energia totale del segnale, dopo che tutte le armoniche della frequenza di ingranamento sono state rimosse, comprendendo per questo motivo il rumore di fondo. Il danneggiamento ripartito della ruota dentata provocato da una rotazione disequilibra-ta di quest'ultima prova un aumento di tale energia.

Nella tabella qui di seguito, la colonna "durata" contiene la durata in ore di volo di ciascun caso analizzato. Il caso difettoso n. 6 presenta una durata troppo corta per permettere un rilevamento di tendenza, poiché una durata significativa è necessaria per permettere 1'apprendimento di soglie di variazione dinamica per ciascun indicatore.

La colonna "HUMS" contiene i risultati di rìlevamento di difetto per un sistema di sorveglianza noto che utilizza soglie ottenute mediante un apprendimento tradizionale. Quattro casi (n. 1, 3, 12, 14) contenenti un difetto non sono stati rilevati dal sistema noto di diagnostica, e sono stati scoperti da allarmi o da ispezioni. Il caso n. 7 è stato scoperto dall'operatore che controlla gli indicatori di segnali.

Le soglie associate alle velocità di variazione della componente di tendenza sono state determinate a partire da inviluppi di fluttuazioni per i casi 17 a 20: le soglie massima e minima per ciascun fattore di scala di indicatore sono state fissate a 120% del valore estremo corrispondente incontrato per i casi 17 a 20. I fattori di scala d3 a d8 sono stati scelti per analizzare tali fluttuazioni di tendenza .

La colonna intitolata "tendenza A" fornisce i risultati di rilevamento impieganti direttamente la trasformata CWT, il che rende i livelli di fluttuazione sensibili all'ampiezza dell’indicatore.

La colonna intitolata "tendenza B" fornisce i risultati di un rilevamento con l'ausilio di una trasformata CWT, normalizzati mediante l'energia del rumore bianco (w) e delle aberrazioni (s). Tale normalizzazione permette di decorrelare la tendenza e l'ampiezza di indicatore. Una tendenza corrispondente ad un aumento del 10% dà quindi un risultato identico qualunque sia l’ampiezza dell'indicatore, contrariamente al metodo che conduce i risultati della colonna "tendenza A".

La combinazione mediante un operatore "0” dei risultati dei procedimenti A e B di analisi di tendenza conduce al non rilevamento di un caso solamente: il caso n. 6, il che si può spiegare con la mancanza di dati; l'utilizzazione delle scale 3 a 8 significa che sono valutate tendenze con finestre comprendenti da 8 a 256 punti, il che corrisponde circa al numero dì plinti disponibili; la durata del segnale disponibile è troppo corta in questo caso per poter essere analizzata efficacemente.

Secondo un altro modo di realizzazione, i risultati di due di tali procedimenti di analisi di tendenza possono essere presentati in ingresso ad un classificatore, quale una rete neurale a funzioni radiali di base, per migliorare, dopo apprendimento della rete di neuroni, l'efficacia del rilevamento di difetti a partire da calcoli di trasformata wavelet applicati alle componenti dei dati analizzati, in particolare a partire da calcoli ap plicati alla componente di tendenza.

Claims (18)

1. RIVENDICAZIONI 1 . Procedimento di analisi delle variazioni di un indicatore (i) del comportamento di un meccanismo, l'indicatore essendo derivato da misure sul meccanismo, caratterizzato dal fatto di comprendere le operazioni seguenti: (0P1) ricercare e sottrarre gli eventuali dati aberranti (s) nei dati di indicatore (i); (OP2) estrarre dati di rumore (w) ed eventuali dati di salto (b) dai dati (ì-s) ottenuti in uscita dall'operazione (0P1), per ottenere dati di tendenza (c); (0P5) calcolare dati di variazione di scale di una trasformata wavelet dei dati di tendenza (c); (0P8) comparare i dati di variazione di scale della trasformata wavelet dei dati di tendenza ad uno o più valori di riferimento, per comparare le variazioni della tendenza (c) ad uno o più valori di riferimento; (OPIO) segnalare un difetto del meccanismo in funzione dei risultati della/e comparazìone/i (0P8) .
2. 2. Procedimento secondo la rivendicazione 1, in cui, per ricercare la data dei dati aberranti (s): si sottrae ai dati di indicatore (i) un valore mediano mobile (mm{i)) dei dati di indicatore per ottenere dati con rumore {i'); e si identifica la/e data/e per la/e quale/i il rapporto fra l'ampiezza dei dati con rumore (i<1>) ed il livello (wrms(i)) dei dati di indicatore è superiore ad una soglia (ts).
3. 3. Procedimento secondo la rivendicazione 1 o 2, in cui, per identificare la presenza dì un salto (b) nei dati (i-s), si analizzano le variazioni di coefficienti (d<[>) di scala corrispondenti ad una trasformata wavelet delle variazioni dei dati tisi.
4. 4. Procedimento secondo la rivendicazione 3, in cui si identifica un possibile salto (b) nei dati {i-s) quando il rapporto bpfra una media {abs{mean <d '))) dei coefficienti di scala e lo scarto tipo {std(d’)) delle variazioni di tali coefficienti (d’) supera un primo valore determinato tp, e quando il rapporto bmfra tale media (abs(mean(d<1>))) dei coefficienti di scala ed il livello (wrms(i-s)} dei dati {ii = i-s) supera un secondo valore determinato tm.
5. 5. Procedimento secondo una qualsiasi delle rivendicazioni 1 a 4, in cui inoltre: (0P3) si calcola un livello (wrms(w)) del rumore (w); (0P7) sì comparano le variazioni del livello (wrms(w)) del rumore ad uno o più valori di riferimento; e (0P9) si segnala un difetto del meccanismo in funzione dei risultati della/e comparazione/i (0P7}.
6. 6. Procedimento secondo la rivendicazione 5, in cui, per comparare le variazioni del livello (wrms) del rumore a valori dì riferimento: {0P4) si calcolano dati di variazione di scale dì una trasformata wavelet delle variazioni del livello (wrms(w)) del rumore; e (0P7) si comparano i dati di variazione di scale della trasformata wavelet del livello (wrms(w)) del rumore ai valori di riferimento.
7. 7. Procedimento secondo una qualsiasi delle rivendicazioni 1 a 6, in cui si utilizza la wavelet di Haar e la funzione di scala associata alla wavelet di Haar.
8. 8. Procedimento secondo una qualsiasi delle rivendicazioni 1 a 7, in cui, quando si rileva un salto, si compara la data del salto con i dati di serie storica di manutenzione del meccanismo.
9. 9. Procedimento secondo una qualsiasi delle rivendicazioni 1 a 8, in cui si compara (OP9) l'ampiezza dei dati (i-s) ad almeno un terzo valore di riferimento .
10. 10. Procedimento secondo una qualsiasi delle rivendicazioni 1 a 9, in cui si diagnostica un difetto del meccanismo in funzione dei risultati delle comparazioni .
11. 11. Procedimento secondo una qualsiasi delle rivendicazioni 1 a 10, che comprende inoltre le operazioni preliminari successive seguenti: normalizzazione delle variazioni dell'indicatore con riferimento a variazioni simultanee di un parametro (PA) di funzionamento del meccanismo, e poi determinazione di soglie o valori di riferimento per la velocità di variazione di almeno una componente (w, b, s, c) dell'indicatore (i), a partire dalle variazioni dell'indicatore durante un perìodo di funzionamento senza difetto del meccanismo.
12. 12. Procedimento secondo la rivendicazione 11, in cui l’operazione di normalizzazione comprende una modellizzazione parametrica dell'indicatore o di misure da cui si estrae l'indicatore.
13. 13. Procedimento secondo la rivendicazione 11 o 12, in cui l'operazione di normalizzazione comprende un filtraggio di dati di variazione dell'indicatore.
14. 14 . Procedimento secondo una qualsiasi delle rivendicazioni 1 a 13, in cui il meccanismo è un meccanismo di trasmissione di un aerogiro, l'indicatore è derivato da misure vibratorie sull'aerogiro in volo, ed il parametro di funzionamento {ias} è la velocità dell'aerogiro rispetto all'aria.
15. 15. Dispositivo di diagnostica di un meccanismo in funzione di dati (i) elaborati a partire da misure vibratorie effettuate sul meccanismo, caratterizzato dal fatto di essere programmato per effettuare le operazioni di un procedimento secondo una qualsiasi delle rivendicazioni 1 a 14.
16. 16. Programma di diagnostica di un meccanismo in funzione di dati (i) elaborati a partire da misure vibratorie praticate sul meccanismo, caratterizzato dal fatto di essere disposto (strutturato ed organizzato) per effettuare le operazioni di un procedimento secondo una qualsiasi delle rivendicazioni 1 a 14.
17. 17. Programma secondo la rivendicazione 16, che è disposto per effettuare le operazioni seguenti: (0P1) ricercare e separare gli eventuali dati aberranti (s) nei dati (i); (0P2) estrarre dati di rumore (w) ed eventuali dati di salto (b) dei dati (i-s) ottenuti in uscita dall'operazione (OP1), per ottenere dati di tendenza (c) (0P3) calcolare dati di livello di rumore (wrms{w)) a partire da dati di rumore; (OP4) calcolare dati di velocità di variazione temporale dei dati di livello di rumore; {0P5) calcolare dati (d3 a d8) di velocità di variazione temporale dei dati di tendenza; (OP6) elaborare un dato di rilevamento di salto, ed allOccorrenza calcolare una data di salto a partire dai dati di salto, e comparare la data di salto a dati di serie storica di manutenzione del meccanismo; (0P7) comparare i dati di velocità di variazione temporale dei dati di livello di rumore a primi valori di riferimento; (0P8) comparare i dati di velocità di variazione temporale dei dati di tendenza a secondi valori di riferimento; (0P9) comparare l'ampiezza dei dati (i-s) ottenuti in uscita dall'operazione (0P1) ad almeno un terzo valore di riferimento; (OPIO) elaborare un dato di rilevamento di difetto del meccanismo in funzione dei risultati delle comparazioni (0P6, 0P7, 0P8, 0P9).
18. 18. Programma secondo la rivendicazione 16 o 17, in cui i dati di indicatore (i) elaborati a partire da misure vibratorie praticate sul meccanismo corrispondono a variazioni, durante un periodo di utilizzazione del meccanismo: del livello (energia) di accelerazioni misurate sul meccanismo ad una frequenza di sincronizzazione (cioè di rotazione di un elemento del meccanismo), o a un multiplo di tale frequenza, o del livello di accelerazioni misurate sul meccanismo in una banda di frequenza, o di un indicatore del grado di appiattimento di uno spettro delle misure vibratorie, quale una curiosi.