CN112469937A - 阀的状态把握系统 - Google Patents

Abstract

提供阀的状态把握系统，前述阀的状态把握系统相对于已设置或工作中的各种各样的阀(旋转阀)、致动器、特别是不被供给商用电源那样的设备也能够容易地附加，且也能够进行阀、致动器的详细且精密的状态把握・诊断或故障预测。是基于将阀开闭的阀轴的角速度数据进行该阀的状态监视、诊断、及寿命预测的阀的状态把握系统，在阀轴装卸自如地固定至少具有半导体型的陀螺仪传感器的监视单元，并且在角速度数据包括从该监视单元得到的阀体的与从全开或全闭向全闭或全开的旋转运动对应的角速度数据。

Description

阀的状态把握系统

技术领域

本发明涉及阀的状态把握系统，特别地，涉及球阀等旋转阀的状态把握系统。

背景技术

一般地在各种工厂、建筑物等的大规模设备、或住房・店铺等的小规模建造物等的各种各样场所设置各种的配管和阀，进而设置包括这些阀的自动控制用的各种的致动器的各种各样的配管设备。该配管设备中，例如球阀、蝶阀等的旋转阀为90度旋转型（四分之一转类型）的需要较高，此外，作为这些驱动用致动器，大多搭载为简单的结构且小型化也容易，且在成本方面也优异的空气压型致动器。

通常，在这样的配管设备中，也需要将阀、致动器等的设备类自动控制，或在进行工作状况的管理、保养等的基础上，经由机械的或人工的等某手段监视这些设备类的状态的机构。进而，近年来熟练的人材不足、技术传承的不足也越来越明显，相对于如下系统的需要也提高：不仅配管设备的阀、致动器的状态监视，这些设备的故障预知、寿命诊断、乃至产品・零件水平的针对故障・症状的适当的评价・判别等、更精密的状态检测能力、基于该检测结果能够从各种各样的观点将设备管理・控制。

特别地，具备PTFE、PEEK材料等的树脂制阀座片，基于致动器的驱动力下连续地受到复杂且细微的摩擦作用而转动的球阀（特别是浮动形式）、蝶阀等的旋转阀类作为典型的开闭阀或流量调整阀，与地域、场所无关地在较多的环境的下以多样的使用方式使用，对于其精密的状态监视・诊断机构的需要近年来逐渐提高。例如球阀的球座作为阀功能的中核且根据材质特性也容易发生状态变化，是在工作中的球阀中把握状态的必要性最高的部分。

与此相对，作为以至少监视配管设备的阀、致动器的状态为目的的机构，以往提出各种技术方案，但例如专利文献1中，基于从装置、特别是从阀、致动器的动作所得到的特性图表，实现装置的各种各样的状态的确认。该文献1是用于使用特性图表判断工序结构控制零件的状态的方法，具体地，公开了如下方法：借助某装置在既定期间测定特性图表测定，且借助同一装置在另外的期间内测定特性图表，将这两个特性图表经由计算装置在显示器上显示，由此，通过特性图表彼此的比较（是否处于边界值内），将装置的状态用计算装置评价。

另一方面，上述那样的多样的配管设备中，与其结构、状况无关地，由于各种各样的原因，有时需要基于作业者的人工的手段，即将致动器、阀的动作状况在现场确认。例如，不具有现场总线那样的高度的计装系统的简单的工厂结构的情况下，无法在管理室等远程监视・控制，所以作业者需要前往现场将各个阀、致动器逐一确认，此外，即使具备远程监视系统，在其故障等情况下，至少需要现场确认。

但是，这样的现场确认中，即使例如在阀致动器的控制轴等具备既定的指示器等，阀、致动器被设置于复杂的管路、狭窄的场所等且不与这样的配管状况对应的情况下，现场的确认作业困难。此外，构成为能够远程监视的情况下，随着系统的简化等，作为不设想现场确认的设备构成的也较多，这样的情况下现场确认也困难。进而，为了促进现场确认而欲相对于已设置的致动器、阀新设置记录・显示装置的情况下，多需要直至致动器、阀・配管等的设备的分解、安装作业、或更换作业，并且，设置这样的装置类的情况下，甚至有致动器等大型化而无法向管路配置的情况。

因此，上述那样的围绕配管设备的现场确认作业中，对于如下监视机构的需要也较高：能够将阀动器的状态当场容易地确认，且相对于已经配备于配管设备或工作中的阀、致动器也例如单元式地构成，由此构成为能够新地容易地附加。此外，近年来，希望能够经由所谓的IOT（internet of things）技术、云计算技术管理阀等的设备的系统结构。进而，即使具有现有的计装系统，也需要能够与该系统独立地简易地把握设备的状态的系统。这种技术的提案也已经存在几个，例如专利文献2、3被提出。

专利文献2是阀的能够预测的维护系统，具体地，在相对于箱体侧的支承部件装卸自如的盒收纳有磁气类型的位置传感器，另一方面，在阀杆侧产生被传感器测定的磁场的磁铁被以既定间隔配置，构成为，基于从至少由它们构成的角度检测机构得到的阀杆的角度位置、来自阀杆具备的转矩传感器的转矩信息，预测球、片的损伤、或致动器的故障等的状态，特别地，根据转矩‐角度的曲线图表评价状态的方面被记述。

专利文献3公开了如下例子：在搭载于四分之一转阀的致动器的上部经由托架安装附加型的阀监视单元，另一方面，构成为，在阀的阀杆侧，安装能够读取致动器状态（阀杆的角度位置）来向监视单元传送角度变动信号的传感器，由此总能将阀的状态基于阀杆的角度位置监视可能，例如，在该文献的图表图中，表示相对于时间的阀杆角度的图表，基于该模式推测阀的不良状态。

专利文献1 : 日本特表2009-543194。

专利文献2 : WO2016/139376。

专利文献3 : 日本特表2015-528085。

然而，专利文献1在装置的特性图表的比较・评价这样的观点下被认为能够相对于宽泛的一般的对象应用，但关于特性图表的取得方法等未公开具体的机构。因此，例如，针对球阀、蝶阀等的阀种类、或这些阀座片、填料等的零件、乃至这些损伤状态、更换时期等，关于各个具体的对象不能进行精密的状态把握、诊断。由此，不能说是能够针对球阀、蝶阀等的具体的对象实施上述精密的状态把握・诊断。

这方面，作为特性图表被具体地例示的是空气压式致动器的致动器压力和移动位置的图表，欲得到从已设置的致动器即配管连接后这样的特性图表的情况下，将空气压吸气排气的配管系统暂时卸下来将压力传感器等装入致动器，需要再次组装致动器，所以不能作为监视装置容易地附加于设备类。

此外，专利文献2、3的装置结构中，至少需要另外在阀杆等的阀、致动器侧安装作为被测定对象的部件，所以该文献的装置为外界信息测量类型，需要这样的被测定部件，相应地装置的零件数量、制造・管理工序增加，并且也花费安装的工夫而损害处理性，并且，应用对象也被限制而损害使用性，所以称得上是不利的方面。由此从应为简易的结构和附加容易的上述问题的观点出发还不足。

进而，该文献2、3中，终究是基于检测阀杆等的旋转轴的角度的角度传感器的数据把握设备的状态。然而，如后所述，将受到特别随机的摩擦作用的同时旋转的旋转轴运动用简易的结构详细地把握且至少由角度传感器构成的传感器中，实现运动的详细的解析上还不足，特别是作为用于寿命诊断等的数据取得机构不足。具体地，角度传感器中作为角度的时间推移仅能够得到线形的会顺畅的曲线的图表，这意味着角度传感器中终究只能得到精度低而粗糙的不足的运动数据。由此，根据基于角度传感器的角度信息，也不能解决应更精密地将对象物状态把握・诊断的上述问题的解决。

现在，该文献3中公开的角度―时间图表中，某个实时测定值的图表也呈线形或舒缓的曲线，由此，可以说只不过捕捉大概的旋转运动特性。特别地，在波浪状地振动的测定图表也被表示，但它们终究是阀转动逆行的情况，只不过捕捉简单的较大且极为稀少的运动。

此外，相对于上述问题，至少为了阀、致动器的状态监视显然需要具备能够测量这些状态（旋转角度等）的传感器，特别地，考虑若为能够容易附加的传感器则有效，但这种例如惯性传感器（惯性测量单元（IMU））被设置于阀、致动器类的技术以往就被提出几个，但它们终究仅作为测量阀的开度（旋转角度）的阀开度计被提出的技术而存在。因此，即使惯性传感器等能够容易相对于对象产品附加的传感器被阀、致动器装备，关于从该传感器怎样取代什么样的数据、或将所得到的数据如何与解决上述问题（精密的状态把握、诊断等）相连等也不得而知，还是不能解决上述问题。

发明内容

因此，本发明是为了解决上述问题而被开发，其目的在于，提供阀的状态把握系统，前述阀的状态把握系统对于已设置或工作中的各种各样的阀（旋转阀）、致动器、特别是对于不被供给商用电源的那样的设备也能够容易地附加，且也能够进行阀、致动器的详细且精密的状态把握・诊断或故障预测。

为了实现上述目的，技术方案1的发明是阀的状态把握系统，基于将阀开闭的阀轴的角速度数据，进行该阀的状态监视、诊断及寿命预测。

技术方案2的发明是阀的状态把握系统，在阀轴装卸自如地固定至少具有半导体型的陀螺仪传感器的监视单元，并且，角速度数据包括从该监视单元得到的与阀体的从全开或全闭向全闭或全开的旋转运动对应的角速度数据。

技术方案3的发明是阀的状态把握系统，阀是通过使阀轴转动来将流路开闭或控制的旋转阀，阀轴是由经由致动器的自动阀的输出轴和控制轴或经由手动手柄的手动阀的阀杆构成的旋转轴。

技术方案4的发明是阀的状态把握系统，旋转阀为四分之一转型的球阀或蝶阀。

技术方案5的发明是阀的状态把握系统，状态监视包括至少阀座、压盖填料、及/或阀杆轴承的磨损状态的把握。

技术方案6的发明是阀的状态把握系统，能够根据角速度数据进一步算出阀轴的旋转角度。

技术方案7的发明是阀的状态把握系统，阀的状态把握系统包括阀、固定于该阀的传感器单元、能够与该传感器单元通信地连接而具备数据库的服务器，基于借助传感器单元所具备的传感器从将阀开闭的阀轴测量的测量数据所含的特征量把握磨损零件的磨损状态。

技术方案8的发明是阀的状态把握系统，传感器是将阀轴旋转的角速度数据作为测量数据测量的陀螺仪传感器。

技术方案9的发明是阀的状态把握系统，特征量为由根据阀轴的轴心方向的角速度数据得到的角速度图表显示的阀的从全开至既定开度或全闭的时间、从既定开度至全闭的时间、既定时间区域所含的角速度的急梯度的数量、位置、大小、或幅度、及/或、至角速度的最大值或极大值的时间、最大值或极大值的大小、幅度的全部或一部分构成的特征量数据。

技术方案10的发明是阀的状态把握系统，在数据库，容纳有由针对特定条件与阀的既定开闭次数对应的多个标签数据和特征量数据构成的第1参考数据表，在传感器单元及/或服务器具备构成为把握磨损状态来执行阀的异常诊断的第1异常诊断机构，该第1异常诊断机构包括特定数据制作机构、数据取得机构、比较判定机构，特定数据制作机构制作由基于阀的特定条件、阀的开闭次数、角速度数据的特定特征量数据构成的特定数据，数据取得机构从第1参考数据表取得具有与特定数据的开闭次数系统的开闭次数且具有大致相等的特定特征量的第1参考数据，比较判定机构将该取得的第1参考数据具有的标签数据的某一个与既定的阈值比较而得到既定的判定结果。

技术方案11的发明是阀的状态把握系统，在数据库容纳有根据特征量数据算出一个推测标签数据的学习模式，在传感器单元及/或服务器，具备构成为把握磨损状态来执行阀的异常诊断的第2异常诊断机构，该第2异常诊断机构包括特征量制作机构、推测标签数据计算机构、比较判定机构，特征量制作机构基于测量数据制作特征量数据，推测标签数据计算机构基于特征量数据经由学习模式计算一个推测标签数据，比较判定机构将该推测标签数据和既定的阈值比较来得到判定结果。

技术方案12的发明是阀的状态把握系统，在数据库容纳有根据蓄积特征量数据算出模式数据的学习模式，在传感器单元及/或服务器，具备构成为把握磨损状态来执行阀的异常诊断的第3异常诊断机构，该第3异常诊断机构包括特征量制作机构、数据蓄积机构、数据控制机构、模式数据算出机构、指标计算机构、比较判定机构，特征量制作机构基于测量数据制作既定的特征量数据，数据蓄积机构将特征量数据蓄积于数据库来生成蓄积特征量数据，数据控制机构进行既定的控制，模式数据算出机构基于蓄积特征量数据经由学习模式算出模式数据，指标计算机构根据模式数据和新的特征量数据计算既定的指标，比较判定机构将指标与既定的阈值比较来得到判定结果。

技术方案13的发明是阀的状态把握系统，磨损零件是阀座片，阀是旋转阀，传感器单元是能够与服务器无线通信且具备电源的单一单元，将该传感器单元以能够随阀轴移动的方式装卸自如地固定。

技术方案14的发明是阀的状态把握系统，标签数据包括尺寸数据及/或泄漏量数据，尺寸数据包括非磨损状态的磨损零件的尺寸，泄漏量数据包括阀的全闭时的泄漏量。

技术方案15的发明是阀的状态把握系统，阀的状态把握系统包括阀、固定于该阀的陀螺仪传感器单元、能够与该陀螺仪传感器单元通信地连接而具备数据库的服务器，在该数据库容纳包括与阀的开闭次数对应的输出数据和产品数据的第2参考数据表，在传感器单元及/或服务器具备第4异常诊断机构，第4异常诊断机构构成为，把握阀具备的磨损零件的磨损状态，执行阀的异常诊断，该第4异常诊断机构包括数据制作机构、数据取得机构、故障判定机构，数据制作机构与阀的开闭次数对应地制作包括陀螺仪传感器单元测量的输出数据与产品数据的测量数据，数据取得机构根据第2参考数据表取得具有与该测量数据具有的阀的输出数据大致相等的输出数据的第2参考数据，故障判定机构基于该被取得的第2参考数据具有的阀的使用频率数据判定阀的故障预知。

发明效果

根据技术方案1所述的发明，阀的阀轴是与阀体连动而其运动直接传递的部位，所以适合作为通过摩擦作用的阀座的状态等、当前时刻的阀的性能・症状容易原样反映的阀体运动的观测部位，并且与轴承、填料等各种各样的重要部位也直接关联，所以这些状态也容易直接反映。

另一方面，至少精度高的（角）速度数据的情况下，本质上与位置（角度）数据不同，是较好反映测定的瞬间的对象物的运动特性的信息，例如摩擦作用下的随机的运动中，未被位置数据反映的细微的运动特性也被反映。由此，若基于阀的阀轴的角速度数据，则阀的状态监视、诊断、及寿命预测能够容易且精密地实现。

根据技术方案2所述的发明，借助陀螺仪传感器，能够将旋转运动（旋转摩擦）作为具有包括多个峰的非线形区域的角速度图表取得，所以难以获得的详细的诊断信息被简易地取得，能够进行基于该数据的详细的阀的状态把握。此外，原来陀螺仪传感器是用于将相对于基准轴的旋转运动高精度地检测的传感器，所以即使是廉价・低性能、或通用传感器，作为这样的寿命预知用传感器也极为有用。

此外，实际使用的阶段，仅通过几乎将监视单元装卸自如地安装于各个对象产品的阀轴部位的作业，能够构成与现有的系统独立的简易的阀的状态把握系统，并且安装对象（产品种别、配管状况、工作的有无等）、安装方法的幅度也极广，所以能够不挑选作业者地相对于各种各样的对象产品极容易地附加。并且，作为监视单元能够紧凑集聚功能，所以作为产品的处理性、使用性、或成本面等也优异。

根据技术方案3所述的发明，至少将旋转阀的旋转轴作为测定对象，所以基于陀螺仪传感器的测定对象运动仅由不位移的基准轴的单纯的轴旋转运动构成，所以最容易发挥作为轴旋转运动传感器的陀螺仪传感器的功能，因此，能够仅借助简易的结构进行精密的运动测定。

根据技术方案4所述的发明，与手动・自动无关地大多在各种各样的情况普及，根据多种多样的需求，能够进行相对于现在或将来的需要也高的四分之一转型球阀或蝶阀的状态把握。此外，特别是根据从阀的运动所得到的角速度数据计算角度时，累计范围（角度位移）最大也较小的90度，所以累计的误差也能够在较小的范围即可，也能够与计算資源、设备的结构的节约相关。

根据技术方案5所述的发明，阀座、压盖填料、及/或阀杆轴承分别负责阀的重要部分，包括磨损状态的这些性能左右阀的重要的功能，另一方面，为装入内部的消耗部件，所以这些磨损状态通常为在阀设备的卸下・分解、零件的取出・基于肉眼观察的检查，至少非破坏性地简易且迅速的磨损状态的把握困难。然而，根据本发明，相对于这样的关于产品的寿命的重要的内部零件・部分等也能够极容易地实现详细的诊断。

根据技术方案6所述的发明，角度・开度信息在各种各样的情况下作为阀的基本的信息较重要，能够将角速度数据至少有效利用于角度计算。

根据技术方案7所述的发明，将阀的磨损零件的磨损状态基于从阀的实际运转所得到的测量数据的特征量来诊断，所以根据运转信号进行设备的状态把握的所谓的非破坏检查的手法的异常诊断成为可能。这正是在一个配管上配设有多个阀的配管系统中在系统整体的维护的方面能够合理地更换。即，维护一个阀的情况下该配管不得不停止运用，现状还能够使用的阀即使被另外配设也全部更换，但根据本发明，使用频率少的阀的实质的耐用年数比其他相同的阀长，所以也可以不更换，能够实现维护相关的成本减少。并且，具有新品至故障的整个期间数据，所以在经过一定程度的使用期间的阀安装陀螺仪传感器也能够把握使用状态。由此，能够将故障预测的控制在市场迅速地展开。

根据技术方案8所述的发明，阀轴的旋转运动由于由陀螺仪传感器测量的角速度图表带有特征的倾向极强，所以也极容易进行测量数据的处理，特别地从机械学习等的大量的数据处理的观点出发，极适合对象物的状态把握。

根据技术方案9所述的发明，将特征量仅特定成几个容易认识的图表图案，所以能够提取容易处理的特征量数据。

根据技术方案10所述的发明，基于从角速度数据所得到的清楚的图案，能够根据参考数据经由简易的处理容易地执行阀的诊断。此外，能够将从阀产品的实际运转所得到的参考数据极有效地利用。并且，也能够应用既定的机械学习。

根据技术方案11所述的发明，使用基于特定化成对象物的固有的数据的机械学习的手法，基于经由该机械学习所得到的标签数据进行阀的异常诊断，所以与近年的机械学习技术的发展、计算机的处理能力、数据储存能力的提高、低成本化相结合，能够容易地实施特定化成对象物的精度和可靠性高的异常诊断。

根据技术方案12所述的发明，能够执行基于在特定条件下使用的实际运转中的产品个性对应的实时的数据诊断，所以与产品对应地能够提高诊断的精度・可靠性，并且至少系统结构时，能够限于实际工作的产品个体准备数据库即可。

根据技术方案13所述的发明，传感器单元为能够无线通信的单一单元，所以阀向配管的设备的附加、回收、或阀的状态监视极为容易，并且单元自身也容易处理。

根据技术方案14所述的发明，作为标签数据将阀的特性选择为重要的值，所以极适合阀的异常诊断。

根据技术方案15所述的发明，第2参考数据表预先容纳有从阀的新品状态至故障状态的全部数据的情况下，借助基于阀的使用频率数据判定阀的故障预知的故障判定机构，能够将3个月前、3个月前这样的更换时期时时刻刻地阶段性地通知。并且，保有新品至故障的整个期间数据，所以在经过一定程度的使用期间的阀安装陀螺仪传感器也能够把握使用状态，所以能够将故障预测的控制在市场上迅速展开。

附图说明

图1是本例的带致动器的球阀的外观立体图。

图2是图1的外观俯视图。

图3是图2的A-A线部分剖视图。

图4是表示本例的监视单元的内部构造的框图。

图5是特定条件下的实施例（试验号码10）所得到的角速度图表的一例。

图6是特定条件下的实施例（试验号码10）所得到的角速度图表的一例。

图7是特定条件下的实施例（试验号码10）所得到的角速度图表的一例。

图8是特定条件下的实施例（试验号码10）所得到的角速度图表的一例。

图9是特定条件下的实施例（试验号码10）所得到的角速度图表的一例。

图10是图3的B-B线剖视图，是表示全闭状态的球阀的一例的剖视图。

图11是图3的B-B线剖视图，是表示途中开度的球阀的一例的剖视图。

图12是图3的B-B线剖视图，是表示途中开度的球阀的一例的剖视图。

图13是图3的B-B线剖视图，是表示途中开度的球阀的一例的剖视图。

图14是图3的B-B线剖视图，是表示全开状态的球阀的一例的剖视图。

图15是特定条件下的实施例（试验号码2）所得到的角速度图表的一例。

图16是特定条件下的实施例（试验号码2）所得到的角速度图表的一例。

图17是特定条件下的实施例（试验号码2）所得到的角速度图表的一例。

图18是特定条件下的实施例（试验号码8）所得到的角速度图表的一例。

图19是特定条件下的实施例（试验号码8）所得到的角速度图表的一例。

图20是特定条件下的实施例（试验号码8）所得到的角速度图表的一例。

图21是特定条件下的实施例（试验号码11）所得到的角速度图表的一例。

图22是特定条件下的实施例（试验号码11）所得到的角速度图表的一例。

图23是特定条件下的实施例（试验号码11）所得到的角速度图表的一例。

图24是说明球座的磨损量的测定状况的一例的模式说明图。

图25是初始（初始动作）所得到的X轴角速度图表的一例。

图26是初始（初始动作）所得到的Y轴角速度图表的一例。

图27是初始（初始动作）所得到的Z轴角速度图表的一例。

图28是初始（20000次）所得到的X轴角速度图表的一例。

图29是初始（20000次）所得到的Y轴角速度图表的一例。

图30是初始（20000次）所得到的Z轴角速度图表的一例。

图31是表示本发明的阀的状态把握系统的概略的框图。

图32是表示本发明的阀的状态把握系统的异常诊断工序的概略的流程图图。

图33是表示第4异常诊断机构的异常诊断工序（通常流程）的数据流程图。

图34是表示第4异常诊断机构的异常诊断工序（参考制作流程）的数据流程图。

图35是初始（初始动作）所得到的加速度图表的一例。

图36是初始（20000次）所得到的加速度图表的一例。

具体实施方式

以下，基于附图详细说明本发明的实施方式的阀的状态把握系统。图1是将本实施方式的监视单元1安装于致动器2的状态的带致动器的球阀的外观立体图，图2是图1中从致动器2的上侧观察的外观俯视图。此外，图1是阀3的全开状态，X轴与流路轴心方向一致，相对于该X轴，Y轴为控制轴4伸出的方向（该图为上方），Z轴为XY轴的右螺纹方向。

图1、2中，监视单元1的＆（收纳机构）若为单手握持而で容易携带地程度的紧凑的大小・重量，则外形、材质等能够根据实施任意选择，但本例中形成为长度约15cm×10cm、厚度约3cm的矩形板状，作为完成品为重数百克左右的树脂制箱体，例如在正面侧显示产品信息、品号、或安装方向（使用方法）等，在背面侧设有由未图示的内螺纹孔、粘接面等构成的既定的安装部，能够安装安装件5。其他，例如，也可以形成为相同程度的尺寸的圆形圆盘状。

安装件5是安装机构的一例，本例中由L型金板构成，在作为安装面的一侧面固接于监视单元1的背面侧，在另一面侧在致动器2的控制轴4上端部借助螺栓6固接。这里，NAMUR规格是指致动器的标准的接口规格（VDI/VDE3845-2010），阀的安装、致动器上部的附属品安装用的尺寸被规定，但致动器2若为该NAMUR规格准据品，则在控制轴4上端部设置有与该规格对应的未图示的内螺纹部，设有能够利用该内螺纹部将监视单元1安装于安装件5来容易附加至致动器2。

这里，在已使用的致动器，有在控制轴4的上部安装有开闭限位开关等的附属设备的情况。该情况下，通过使用本例的L型金板，也确保安装有附属设备的控制轴4的上部的空间，且能够将监视单元1安装于控制轴4。

在图1、2、4，内置于本例的监视单元1的矩形半导体元件即陀螺仪传感器7以与矩形的监视单元1的短边・长边分别平行的方式装备于内部基板。具体地，在图1、2中，监视单元1被以与XY平面平行的姿势安装，该状态下，陀螺仪传感器7的横摆轴与Z轴方向一致，侧倾轴和俯仰轴分别与Y轴和X轴方向一致。

在图2，本例中阀3为全开状态的基准位置处，内置于监视单元1的陀螺仪传感器7被设置成相对于控制轴4位置为双重偏心的位置。具体地，相对于控制轴4的轴心位置（流路26a、27a的轴心方向），监视单元1经由安装件5配置于平行地离开偏心距离α（该图右方）的位置，并且与陀螺仪传感器7的基板上的位置对应地，相对于螺栓6的轴心位置（流与路26a、27a的轴心垂直的方向），配置于以偏心距离β（该图下方）离开的位置。本例中设定成α＝18mm、β＝33mm。

陀螺仪传感器7若这样地配置于双重偏心位置，则至少将监视单元1安装于对象产品时，容易利用其他部件不存在的空的空间，并且容易紧凑地将监视单元1安装于对象产品，相对于各种各样的尺寸、构造、姿势的产品也能够当场容易地附加，特别是随意的安装的作业性较好，安装对象的幅度也大。此外，相对于控制轴4位置保持接近监视单元1的位置的距离的状态下，大多能够确保来自作为测量对象的旋转轴即控制轴4的旋转半径 （α² ＋β²）^1/2。另外，陀螺仪传感器的配置不限于经由安装件5的构造，在控制轴的轴心方向中间位置，也可以借助以夹持控制轴的形式固定的安装件固定。

这样，在阀轴，至少具有半导体型的陀螺仪传感器7的监视单元1被装卸自如地固定。此外，如后所述，本发明中，基于将阀3开闭的阀轴的角速度数据，进行该阀的状态监视、诊断、及寿命预测，该角速度数据包括从监视单元1所得到的与从阀体（球30）的全开或全闭向全闭或全开的旋转运动对应的角速度图表化的数据（图5~9、15~23）。进而，本例中将监视单元1安装于控制轴4，但也可以经由适当的安装机构安装于输出轴14。

图4中，将内置于监视单元1的基本的结构的一例作为框图表示，不限于该结构地能够与实施对应地任意选择，但至少具有作为运动传感器的陀螺仪传感器7（角速度传感器）。本例的陀螺仪传感器7是利用IC类型的MEMS（Micro Electric Mechanical System）技术的振动型陀螺仪传感器，以半导体式装备于内部基板。

具体地，为能够测量正交XYZ3轴方向的旋转的3轴陀螺仪传感器，现在使用一般的搭载于各种各样的民用设备的。更具体地使用ST微量（マイクロ）公司制“L3GD20”产品，作为其特性，例如具有电源电压：DC3.3V（动作范围：DC2.4V~DC3.6V）、消耗电流：6.1mA、测定范围：±250dps（分辨率：0.00875dps）、±500dps（分辨率：0.0175dps）、±2000dps（分辨率：0.07dps）。但是，不限于这样的特性，显然能够根据实施任意地选择・调整。

此外，在图4中，监视单元1至少具备CPU8（中央运算处理装置）、存储器9、通信模块10、电源11、IC标签12，在后述的本实施例还具备温度传感器。进而，除了上述陀螺仪传感器7以外，也可以将图中未示出的加速度传感器、磁气传感器组合来利用于本发明的系统。此外，也可以为了省电而将压电传感器组合，必要时使陀螺仪传感器工作。

CPU8意味着也包括缓存，能够使用一般的规格，能够根据实施任意选择，但特别地，需要具备能够实现后述的各功能（特别是省电功能）的处理能力。该CPU8经由母线与存储器9、通信模块10等的周边元件连接。存储器9也CPU8相同地具备能够实现后述的各功能的能力（容量、速度），但根据实施任意选择，在不设想连续的电源供给的情况下，优选为非挥发性的存储器。进而，若为具有余量地具有执行省电功能等的各种的应用而能够读取的容量较适合。

通信模块10优选为近距离无线通信模块，本例使用蓝牙（Bluetooth（注册商标））。经由该通信模块10，至少陀螺仪传感器7的角速度数据、其推移被在图中未示出的外部的移动终端之间通信，能够借助该移动终端经由专用的应用进行自动阀的状态记录、显示确认。此外，除了Bluetooth（注册商标）以外也能够使用红外线、Wi-Fi Direct等。

电源11还包括既定的电源转换回路，根据实施任意选择，但例如基于按钮电池的独立电源、或电池电源，例如按钮电池的情况下，在其装卸位置，经由图中未示出的密封部件，圆盘状的电池用盖被卡合固定于在盖体形成的孔部，设置成借助横螺丝刀等使其旋转既定角度而能够装卸。在电源11连接包括陀螺仪传感器7、CPU8、存储器9、通信模块10的各元件，成为它们的驱动源。

IC标签12蓄积致动器2、阀3的固有信息，作为该信息，至少为（1）致动器2、阀3的型式、订购号码、（2）应用软件的下载用统一资源定位器，这些蓄积信息被图中未示出的专用端末等输入。应用软件的下载用统一资源定位器是移动终端用的，能够从该下载用统一资源定位器获取应用软件。

上述监视单元1至少作为对象产品（阀3、致动器2）的状态监视・把握功能的一部分具有数据测定功能、蓄积该测定数据的功能。在测定对象的数据，至少包括每段时间、每个开闭次数的控制轴4的角速度数据，获取数据被从陀螺仪传感器7输出，经由CPU8的数据处理蓄积于存储器9。该情况下，也可以转换成向外部的显示器能够作为图表显示的数据形式。此外，也可以是，这些数据例如，从CPU8每一定时间蓄积于存储器9的、所谓的“间隔”、数据的平均值、或既定的过滤（噪音除去）等、至少进行简易的数据加工后蓄积于存储器9。蓄积数据根据来自移动终端的要求经由作为Bluetooth（注册商标）的近距离无线通信模块10向移动终端传送，借助该移动终端，致动器2、阀3的状态记录被显示确认。

此外，如后所述，监视单元1具备基于监视・把握的阀的状态进行阀（对象产品）的零件・部分水平的故障预测等的症状诊断的工序（由各种的处理步骤构成的流程）中必要的各种的功能、省电功能、辅助传感器（加速度传感器等）的数据校正功能等的选择性的功能、或借助从外部获取的既定的应用执行的功能。

此外，这样的各种的功能可以在监视单元1中执行，也可以在外部的服务器等中执行，可以根据需要适当分配。特别地，基于角速度数据进一步构成为能够算出角度数据的情况下，作为陀螺仪传感器7的漂移修正用而使用适当加速度传感器，并且借助不经由积分机构地由四则运算构成的累计（矩形法等），从数据的精度、消耗电力、负荷的观点出发较合适。进而，也可以是，在外部服务器等构成用于来自监视单元1的数据分析的既定的数据库。

本发明中基本上根据测定的角速度数据得到角速度图表，基于该图表数据的形状・模式分析，执行包括寿命预测工序的各种的诊断工序，该诊断工序中，例如，包括将图表模式认识・评价的工序、现有的蓄积数据（比较用图表数据）的调出与所得到的图表模式的比较工序、症状的判定工序、结果、警告等的输出・显示工序等，构成物理性或逻辑性的系统，使得这样的各种的工序能够适当地执行。

进而，也可以还具备作为对象产品的固有信息将流体压力、粘度・温度、产品环境的温度、湿度、阀的开闭次数、设置后的工作时间、致动器的供给压、工作速度、或球阀的球座、填料的材质、磨损系数、球、流路的尺寸这样的各种的固有数据测定・保持的功能、使这些数据向外部输出・显示的功能、或将它们用于上述工序的功能等。

特别地，陀螺仪传感器7电消耗量较多，本发明的监视单元1较长的情况下放置数年水平的较长期间来使用，所以从节电的观点选定陀螺仪传感器7和电源11的组合较重要，并且省电功能也重要。例如，将CPU8通常设为省电状态，接收来自陀螺仪传感器7的数据，另一方面，设为不进行这些数据向存储器9的蓄积的状态。并且，也可以是，检测到致动器2的动作时解除省电状态，至少由陀螺仪传感器7检测的角速度数据被蓄积于存储器9。也可以是，未检测致动器2的动作的状态经过既定时间后返回省电状态。另外，作为省电功能，例如，也可以使用自家发电类型（振动发电、太阳光发电等）的陀螺仪传感器。

另一方面，在图1~3，在本例中，作为监视单元1的监视对象产品，表示复合工作型止转棒轭构造的空气压式转盘致动器2和90度旋转式的球阀3。

图1~3中，在致动器2的主体内部设置有将往复运动转换成旋转运动的转换机构13，能够将该转换机构13的旋转力借助输出轴14向球阀3的阀杆15输出。转换机构13由向旋转轴（阀轴）传递的止转棒轭35、将该止转棒轭35卡合的一对滚柱16设置于活塞杆17的构造构成，它们被内置于壳18。

在壳18的一侧、图3中为右侧固定有压力缸部19，在该压力缸部19的压力缸罩20内收纳有与活塞杆17一体化的活塞21。压力缸罩20可以例如借助PTFE（聚四氟乙烯）、ENP（化学镀镍）、Hcr（硬质镀铬）等的材料被涂层处理。本例是复合工作式的，在压力缸部19设置有吸排口38、39，与基于该空气吸排口38、39的向空气室22a、22b的压缩空气的吸排对应地，活塞21往复运动，活塞杆17随之直线状地往复运动，该运动经由滚柱16被向止转棒轭35传递而被转换成旋转运动。

在止转棒轭35，旋转轴被设置成，经由借助未图示的花键等能够嵌合地设置的固接部23能够抽插，旋转轴的旋转经由固接部23向止转棒轭35传递。

本例的旋转轴由球阀3侧（图3下侧）的输出轴14、其相反侧（图3上侧）的控制轴4构成，输出轴14与控制轴4均经由筒状部件24、25装配于壳18。筒状部件24、25在图中未示出的金属制的主轴轴承内被压入既定的轴承，将该筒状部件24、25分别向形成于壳18的轴承部压入，向其内侧插入输出轴14、控制轴4，旋转轴被相对于致动器2主体能够转动轴连接。

另外，能够与实施对应地在适当致动器2设置压力传感器（未图示）。该情况下，例如，在空气吸排口38、39设置速度控制器（未图示），在这些空气吸排口38、39与速度控制器之间经由盒形管（チーズ管）、螺纹管等接头连接压力传感器的话，在盒形管的分岔部分装配压力传感器，由此在不会对压缩空气的吸气排气造成不良影响的情况下，能够借助简单的构造进行基于压力传感器的压力测定。

本发明的系统的状态把握对象是阀，本例在是通过使阀轴转动来将流路开闭的旋转阀，阀轴由经由致动器2的自动阀的输出轴14和控制轴4构成。但是，作为对象的阀轴不限于自动阀，虽未图示，但也可以是由经由手动手柄的手动阀的阀杆构成的旋转轴。此外，本例的旋转阀为四分之一转型的球阀，但此外也包括柱阀、蝶阀、或180度旋转型的球阀等能够通过电动工作的类型，各种旋转阀成为对象。

图1~3的球阀3是浮动型球阀，阀箱由具有1次侧流路26a的阀主体26、具有2次侧流路27a的阀主体盖27被螺栓・螺母28固接而构成，在阀主体26和阀主体盖27，在流路26a、27a的连接部分别形成有凸缘。

作为阀体的球30是具有大致球形状部分、与流路26a、27a同径地形成的贯通路30a的全孔类型，在阀室内从1次侧和2次侧被作为阀座的两个环状球座A1、A2支承，基于该球座A1、A2的球30的紧固被通过螺栓・螺母28的紧固调整。在球30的上端部形成有阀杆15（阀棒）能够卡合的卡合部29（例如双面幅度的凹凸卡合部），经由该卡合部29，球30的旋转运动被以较高的精度向阀杆15传递。

阀杆15经由筒状的阀杆轴承B被转动自如地装配于阀主体26的压盖部31，并且在阀杆15与压盖部31之间，压盖填料C和填料座金填料推压件32压入。填料推压件32的紧固被通过推压螺栓33的紧固调整。作为致动器2主体与球阀3的连结部件的托架34被螺栓40固定。此外，在输出轴14的下部形成有图中未示出的角形状的连接部，在该连接部使形成于阀杆15的上部的图中未示出的嵌合部嵌合而输出轴14和阀杆15被连结，输出轴14的转动运动被以高的精度向阀杆15传递。

在图1中，虚线所示的旋转编码器37用于在本发明的系统的状态监视前预先安装于对象产品而获得必要的数据从而利用于本发明，本发明的实际的使用情况中基本不设想使用。该图的解码器37的情况为，经由大致コ字形的安装板36与控制轴4上端部连接，至少准确地测量控制轴4的旋转角度，测量数据被作为对象产品的固有数据适当保持。本例中使用欧姆龙公司制“E6C3-C”产品。

接着，说明本发明的阀的状态监视系统的基本的使用方法。监视单元1能够适当地安装于对象产品（阀、致动器）的容易装配的部位，例如安装于不妨碍对象产品的工作的地能够长期间放置的部位，不限于前述的图1、2所示的安装方式，至少需要以与控制轴4（阀轴）的转动准确地一同转动的方式被安装。

图1、2所示的方式中固定时，能够向根据NAMUR规格设置于控制轴4上端的内螺纹部配合安装件5的螺栓孔，并且能够仅通过在使安装件5朝向适当的固定方向的状态下使螺栓6螺纹连接来固定。由此，本发明的监视单元1不将已设置的致动器2、阀3从配管设备卸下或将致动器2从阀3卸下，此外，完全不进行与现有的计装系统的调整等，能够简单地附加于对象产品的既定位置，这样地装配后，能够准确地把握控制轴4的旋转运动特性。

此外，上述安装方式抑制向外的突出来防止设置空间的扩大。因此，也能够安装于设置于狭窄空间的自动阀。监视单元1也能够在相对于致动器2偏离180°的位置装配，该情况下，也与前述相同地进通过螺栓6的装卸就能够装配可能。由此，能够与阀3、致动器2的设置状况对应地在180°相向的任意侧设置监视单元1。

进而，阀3不限于全闭状态的情况，该阀3为中间开度且控制轴4在旋转途中的情况下，也能够相对于该控制轴4适当定位的同时安装监视单元1，由此自动阀即使在工作中也能够准确地安装来进行初始设定作业。

监视单元1的装配后能够使用移动终端视觉确认各现场的阀3的动作状况。此时，通过使用由Bluetooth（注册商标）构成的通信模块10，阀3、致动器2被设置于复杂的管路、狭窄的场所的情况下，也能够从不将它们直接视觉确认地接近的场所用移动终端确认。

预先引入初始设定模式功能的情况下，在监视单元1的设置后立即在移动终端进行初始设定作业时，仅与监视单元1的使用方式对应地复位成适当初始设定模式的状态即可。该情况下，例如配合阀3的全闭状态地将角度数据等的数据设定成初始值。此时，也不需要致动器2、阀3等对象产品侧的调整作业，例如能够利用保持于IC标签12的产品信息、订购号码来设定。此外，例如，若将移动终端用应用软件从下载用统一资源定位器下载来向初始设定的数据を服务器传送，则能够记录监视单元1的设置日。

初始设定作业结束后，从该初始设定模式切换成通常模式。如前所述，也可以设定成，通常模式的切换时，经过一定时间后使电源11为关闭状态向省电模式过渡。

另一方面，作为上述的移动终端，例如，使用图中未示出的智能手机、平板等。该情况下，作为与数据的输入有关的功能，例如，具有（1）来自监视单元1的数据、固有信息的接收功能、（2）将从监视单元1接收的数据、固有信息向服务器（未图示）传送的功能、（3）保持GPS（全球测位系统）位置信息、照相机图像等来向服务器传送的功能。

（1）在来自监视单元1的数据、固有信息的接收功能中，控制轴4的旋转时的角速度数据被经由通信模块10接收，另一方面，致动器2、阀3的固有信息被经由IC标签12接收。

（2）在将从监视单元1接收的数据、固有信息向服务器传送的功能中，例如，使用图中未示出的LTE（长期演进）、Wi-Fi（无线网络）等的中距离无线通信模块，借助它们向服务器传送。该情况下，不进行测定数据的加工。

（3）将GPS位置信息、照相机图像等保持来向服务器传送的功能是选择功能，在该功能中，由移动终端的照相机拍摄的致动器2的状态被向服务器传送。

另一方面，作为关于使用移动终端的数据的输出的功能，例如，具有（1）基于向服务器传送的数据显示从服务器接收的信息的功能、（2）不经由服务器地显示借助基于从监视单元1接收的信息的应用软件判定的异常速报等的信息的功能。

虽未图示，但（1）基于被向服务器传送的数据显示从服务器接收的信息的功能中，能够以容易视觉确认至少包括阀、致动器的诊断结果的信息的方式显示。例如，将与被测定的阀的开闭次数对应的角速度数据在图表上与比较对象数据一同从全开至全闭（从全闭至全开）的范围中显示，并且显示其判定结果。此外，能够分别显示致动器2的工作次数、工作时间、压力数据、工作转矩历史、流体的压力、温度、环境温度、湿度、进而致动器2、阀3的图面等。

此外，作为其他功能，也可以显示基于上述历史的维护推荐信息等，或有监视单元1的初始设定的误输入的可能时、安装监视单元1的对象产品为模仿品时，将其显示。例如，列举相对于被向IC标签12输入的、致动器2、阀3的型式、订购号码（每个订购不同的特别的规格），致动器2的工作时间极早的情况、极晚的情况，或借助移动终端的照相机拍摄的现场的致动器2小的情况。

另一方面，（2）作为显示不经由服务器而基于从装置接收的信息借助应用软件判定的异常速报的功能，例如，工作时间极端地长的情况、与施加空气压无关地陀螺仪传感器7的值不变的情况、即致动器2不工作的情况下，判定成异常而作为速报显示。进而，这样的异常值被测定的情况下，配合显示督促向服务器的数据传送。

接着，作为用于上述的系统的服务器，具有（1）致动器2、阀3的固有信息蓄积功能、（2）致动器2的角速度数据、空气压的测定数据的蓄积功能、（3）致动器2的工作转矩计算功能、（4）与移动终端的接收发送功能。

（1）作为致动器2、阀3的固有信息蓄积功能，将图面信息、用于工作转矩的算出的致动器2的设计信息蓄积。（2）作为致动器2的角速度、空气压的测定数据的蓄积功能，从移动终端多次地接收的情况下，将这些测定数据作为一系列蓄积。（3）作为致动器2的工作转矩计算功能，例如，基于从移动终端接收的空气压数据，根据图中未示出的致动器2的压力缸径、距小齿轮（或止转棒轭）的中心轴的偏离量、转换效率等算出。（4）作为与移动终端的接收发送功能，借助LTE、Wi-Fi等的中距离无线通信模块进行。

另外，在上述实施方式中说明了作为自动操作用致动器使用空气压式致动器的例子，但也可以是空气压以外的流体压式致动器或电动式的。安装件5、监视单元1的罩也能够与阀3、致动器2的尺寸对应地使其外形对应的同时改变。进而，在上述实施方式中，控制轴4根据NAMUR规格设置，但也可以根据其以外的规格设置，该情况下也根据形状形成，由此与NAMUR规格的情况相同地能够在致动器容易附加地安装。

这里，后述的实施例是表示90度旋转浮动球阀的球座的诊断的例子，本发明的系统不限于该对象，根据从包括广泛地从对象产品提取的角速度数据的数据生成的特性图表（角速度图表）的形状・图案的分析，能够在对象产品的特定部分・特定症状的水平进行详细的诊断。特别是阀的情况下，作为对象部分・零件，至少包括阀座、压盖填料、及/或阀杆轴承的磨损状态的把握即可。

此外，如实施例的角速度图表的图5~9、15~23所示，角速度图表至少表示多个峰值。这样的具有峰值的开度或时间发展图表例如不能从设置于旋转阀的通常的角度（位置）传感器得到，因此现有技术中，无法构成基于该峰值的信息（图表上的位置、值、峰幅度等）进行详细的诊断的本发明这样的系统。根据本申请的申请人的刻苦研究，发现这样的角速度图表如前所述至少能够借助陀螺仪传感器7得到。

这至少在MEMS制半导体类型的振动型陀螺仪传感器的情况下根据其测定原理被如下考察。即，通常的角度传感器终究只能按照时间幅度捕捉离散的角度，所以从角度数据转换成角速度的情况下，在时间发展图表上，只能作为时间幅度间的倾斜算出。另一方面，陀螺仪传感器的情况下，将感测振动元件的瞬间的科里奥利力转换成角速度来测定，所以设定后大致能够准确地测定现实的角速度。此外，欲将其用角度传感器实现的情况下，至少需要将时间幅度极小地设定，不现实。

这方面，顺畅・缓慢且连续的运动的情况下，两者（从角度传感器与陀螺仪传感器所得到的角速度数据）上不太有差别，但接受细微且随机・非连续的摩擦作用的同时运动的对象、例如旋转阀的阀棒的旋转运动等中，表现出两者的差别，具体地，从角度传感器所得到的角速度图表中，无法详细地追随至细微的动作，因此无法得到峰那样的非曲线的、振动的图案，但陀螺仪传感器的情况下，能够较好地捕捉至基于摩擦作用的阀棒的细微的动作，由此有能够得到在多处产生峰的精密的角速度图表的可能性。

进而，作为内界信息型传感器有代表性的惯性传感器通常分为加速度传感器和陀螺仪传感器，但现有技术中也存在具备该加速度传感器而在旋转阀的阀杆上端部容易设置的阀开度计类的。即，经由该加速度传感器等检测阀手柄的旋转角度等。然而，至少近年常被使用的MEMS型加速度传感器的情况下，原理上相对于并进运动、振动运动或重力方向的倾斜的检测优异，另一方面，详细的旋转运动的检测并非不可能，但以简易的结构进行的检测上改良的余地较多。

这种加速度传感器具有相对于重力方向不倾斜的水平面内的运动接近不感带而检测极为困难的性质，进而，加速度传感器也容易拾取重力加速度成分、并並进（振动）加速度成分等、旋转加速度以外的不要的成分，并且，将被测量的多余的加速度根据输出信号适当地分离至少理论上可知借助一个加速度传感器是不可能的。实际上，这种阀开度计在安装对象的配管姿势、方向上有限制，大多情况下预先确认作为安装对象的阀的配管姿势后，调整成与该对象对应的传感器结构来使用。由此，至少在仅由加速度传感器构成的简易的结构中，也难以详细地捕捉受到随机的摩擦的同时转动的旋转运动。另外，实际上验证，后述的图31、32不能借助加速度传感器详细地捕捉与旋转阀的旋转运动相关的数据。

如以下的实施例中具体地说明的那样，使其与安装有监视单元的对象产品（球阀）特有的构造、被适当图表化的角速度数据所表示的多个峰的位置、大小、峰幅度对应，进行对象产品的精密的状态把握、和基于其把握内容的精密的对象产品的诊断。

实施例

图5~23是基于角速度数据进行阀的状态把握的实施的一例，图5~9、15~20是在前述的图1~3所示的四分之一转的致动器2和浮动球阀3中用本发明的监视单元1在球30从全闭至全开地90度旋转时从陀螺仪传感器7得到的角速度图表的一例是，在右纵轴表示（单位：度/秒）。此外，该角速度的测定值表示图1所示的陀螺仪传感器7中Y轴方向的测定值。另外，本实施例中，X轴方向、Z轴方向的测定值不作为图表数据使用，但以修正陀螺仪传感器的安装误差的目的，也可以将它们用于补充。

该图横轴是阀的工作时间，是向致动器2经由速度控制器供给空气压起的时间（单位：毫秒）。具体地为不锈钢制球阀，公称径50A，公称压力20K，诊断对象是PTFE＋PFA制的球座A1、A2、带玻璃纤维的PTFE制的阀杆轴承B、PTFE制V填料的填料C为对象（将球座A、阀杆轴承B、压盖填料C总称为“磨损零件”。）。此外，如该图所标明的开闭次数所示，图5是0次，图6是300次，图7是5000次，图8是10000次，图9是10000次开闭的时刻下取得的数据。此外，图15、18是00次，图16、19是5000次，图17、20是15000次开闭的时刻下取得的数据。

进而，本实施例中将如图1所示那样的解码器37与监视单元1一同安装于控制轴4，将该解码器37所得到的角度数据也在图5~9、15~20作为阀开度在该图的左纵轴标明（单位：度）。

图10~14按照该图面号码的顺序示意地表示图5~9、15~20所示的从阀的全闭至全开，具体地为关于球30的贯通路30a和球座A1、A2的位置关系等的说明图。图10为开度0（全闭），图11为开度约10度，图12为开度约20度，图13为开度约80度，图14为开度90度（全开）。另外，图10~14在图3中与B-B线截面观察对应。

此外，球30和球座A的接触率在图10所示的状态设为100%的情况下，在图11中依然为100%，在图12中减少至85%，在图13中进一步减少至62%，在图14中在返回100%。

[表1]

试验号码	驱动时间（秒/90度）	安装姿势	Act供给压力	流体	流体压（MPa）	配管支承	环境温度（℃）
								1	8	横倒	0.4	空气	0.55	10	30
2	2	横倒	0.5	空气	1	70	60
								3	4	垂直	0.5	空气	1	10	0
4	8	垂直	0.6	温水	0.1	70	0
								5	2	垂直	0.5	温水	0.55	40	30
6	4	水平	0.4	温水	0.55	70	60
								7	2	水平	0.4	冷水	0.1	10	0
8	8	水平	0.5	冷水	1	40	60
								9	4	横倒	0.6	冷水	0.1	40	30
10	4	水平	0.5	蒸气	1	100	25
								11	2	水平	0.2	冷水	0.1	10	0

表1的10的试验条件表示检定本发明的系统时品质工学上被认为最低必要限度的被试品的条件例，图5~9是该表的试验号码10的条件下进行的实验数据，（其中阀的公称压力使用10K的），图15~17是该表的试验号码2的条件下进行的实验数据，图18~20是该表的试验号码8的条件下进行的实验数据。

表1中，驱动时间为用于从阀的全闭至全开的90度旋转驱动的速度控制器的设定时间，安装姿势是相对于配管的阀的姿势，水平是指图1下表面侧为地面的情况的该图的姿势，垂直是指图2下表面侧为地面的情况下的该图的姿势，横倒是指图1中使流路轴心绕旋转轴转90度地安装配管的姿势。此外，Act供给压力是向致动器供给的空气压（MPa），流体是试验流体的种类，流体压是流体的压力，配管支承是从阀的凸缘位置至支承与阀连接的配管的部位的距离（cm），环境温度是试验环境的温度。此外，试验号码1~9在恒温・恒湿槽内进行，试验号码10在建筑物内进行。

以下，将图5~9（试验号码10）、15~17（试验号码2）、18~20（试验号码8）的角速度图表分别参照来说明图10~14所示的阀的开度状况且进行阀的状态监视的工序的概略。该工序中，作为阀的状态特别关注球座A的磨损状态的把握。另外，以下那样的诊断工序作为能够利用计算机的软件资源的信息处理（处理步骤的集合）被具体地实现，且能够向本发明的系统物理性・逻辑性地导入。

此外，本发明的系统的使用角速度数据的阀的故障预测、寿命预测除了从与上述的从阀开度的全开或全闭向全闭或全开的旋转运动、即阀的全行程的整体对应的角速度数据的推移把握以外，也可以从行程的一部、例如以下所示那样的根据区域T ₁~T ₃那样的与有特征的阀开度的区域对应的角速度数据的推移把握。进而，作为能够利用于本发明的系统的其他数据，例如，除了工厂、建筑设备的阀的工作状态以外，也可以使用阀的动作确认（所谓的部分行程测试）状态的角速度数据。

首先，在图5~9（试验号码10），区域T ₁是基于解码器测定的阀开度从全闭状态至开度约10度的区域，作为球30的动作与图10~11的状态对应。

该区域T ₁（球30在球座A1、A2的全周接触密封的状态下角速度频繁上下的区域）内，球座A1、A2为均与球30相接的状态，与刚从静摩擦过渡至动摩擦的后的状态对应。若观察该区域的角速度的下降频率，则在图6读取两次，图9中增加至4次。该数据特性例如根据球座A1、A2的磨损，球30向2次侧的球座A2侧移动而推压力上升，动摩擦力增加等、能够推定成随着球30的转动发生某些障碍，所以例如能够利用于随着球座A1、A2的减耗、密封面的劣化的故障预测。

此外，至区域T ₁的时间、即从向致动器2供给空气压至球30开始转动为止所需的时间的变化也能够利用于故障预测。具体地，图6中区域T ₁从1000毫秒附近开始，从想致动器2的空气压供给至转动的时差为1秒左右，与此相对，在图8中，从350毫秒附近开始，所以随着阀的开闭次数的增大，该时差减少。根据该数据特性能够推定球座A的静摩擦力下降。

进而，区域T ₁的时间幅度也能够利用于故障预测。具体地，图7中区域T ₁读取为约1000~1800毫秒，但图8中为约350~1500毫秒，随着阀的开闭次数的增大，区域T ₁的所要时间、即球30的转动所要时间变长。根据该数据特性能够推定发生球座A的动摩擦力的上升，所以例如能够利用于随着球座A的减耗的故障预测。

图5~9中，区域T ₂为开度约30度附近的小的带域，作为球30的动作，大致从图12附近开始与球进一步转动（开度约20~30度）的状态对应。在该区域T ₂附近，从区域T ₁的全周面接触状态向球30的贯通路30a到达球座A而部分的接触状态过渡，随着阀开而流体对球30的贯通路30a的内壁施加压力而向球30作用阀开方向的力的状态被包括。本例中，流体在图10~14中从左向右流动。

该流体的阀开力的作用在角速度图表（特性图表）也被作为角速度的急剧上升获取，具体地，图6的区域T ₂附近的极大值读取为约44度/秒，但图8的该极大值为约63度/秒，所以读取随着阀开闭次数的增加的角速度的极大值的上升。根据该数据特性，能够推定发生球座A的动摩擦力的下降，所以例如能够领用于随着球座A的减耗的故障预测。为球30与球座A1、A2部分地接触的状态，动摩擦力减少，并且由于流体压的作用而向球30的转动方向施加力，由此动摩擦力的减少进一步发展。由此，将流体压作为摩擦的要素把握的话在区域T ₂适合。

此外，至区域T ₂为止的时间也与区域T ₁同样地能够利用于故障预测。图6中，区域T ₂在约2300毫秒附近发生，与此相对，图8中在约2000毫秒附近发生，所以随着阀的开闭次数的增加而减少，在较早阶段开始转动。由此，能够推定球座A的静摩擦力或动摩擦力下降，能够利用于随着球座A的减耗的故障预测。

在图5~9，区域T ₃是从开度约80度至全开状态（在开度90度处角速度为0）的区域，作为球30的动作，与从图13至图14的状态对应。该区域T ₃内，从球座A的部分的接触状态再次过渡至全周面接触状态，并且从动摩擦向静摩擦过渡的状态被包括。

在区域T ₃，在图6表示角速度的大小从约42度/秒减少的倾向，但在图8中表示从约30度/秒减少的倾向。根据该数据特性，球30即使向在球座A1、A2的全周密封的状态过渡，也不与角速度的下降相关，所以例如推定发生动摩擦力的下降，能够利用于随着球座A的减耗的故障预测。

区域T ₃的时间幅度也能够利用于故障预测。具体地，图7中区域T ₃读取为约3500~4000毫秒，但图8中为约3400~4100毫秒，随着阀的开闭次数的增大，区域T ₃的所要时间、即球30的转动所要时间变长。根据该数据特性，推定成发生球座A的动摩擦力的上升，所以例如能够利用于随着球座A的减耗的故障预测。另外，在本实施例中，在区域T ₃，例示了随着阀3的开闭次数的增大而所要时间变长的状态，但不限于此，也可以参照所要时间变短的状态来把握球座A1、A2的磨损状态。

接着，说明上述试验号码10的实施例的、测定实际的球座A2的磨损量的结果。另外，图24是表示该测定状况的模式说明图。该测定中，各开闭次数（30次、500次、1000次、10000次）的动作后，将球阀3分解来取出球30和2次侧的球座A2，如示意图24所示，将取出的球座A2载置于适当的水平面上，在将取出的球30载置于该密封面的状态下，将从球座A2的底面侧至球30的顶部的全高h针对开闭次数地测量。即，该全高h与球座A2的磨损量的增大对应地稍微减少，所以能够根据其减少量至少能够把握磨损状态的程度（将全高h称作球座A的“G尺寸”。）。

实际上，开闭30次（与图6对应）和开闭500次（与图7对应）均为减少量＝0.26mm而不变，但开闭1000次（与图8对应）的话减少量＝0.36mm，开闭10000次（与图9对应）的话减少量＝0.48mm，随着工作次数的增大而减少量增大，确认磨损实际进行。另外，将各开闭次数工作后的实际的密封面通过肉眼观察确认的结果为开闭0次和30次时刻，密封面几乎无法观察变化，但在开闭1000次时刻，观察出与球的线状或槽状的接触痕迹，开闭10000次时刻的话，观察处与金属（球）摩擦形状痕迹和带状的接触痕迹。

另外，本实施例中，10000次工作后确认阀座密封泄漏。因此，至少根据图9的角速度数据所得到的，能够进行由球座的磨损等引起的故障预测、寿命预知。

接着，对图15~17（试验号码2）、图18~20（试验号码8）的状态监视的工序的概略进行说明。各图15~20中各区域T ₁~T ₃均与上述含义相同。根据这些图表也能够与上述相同地监视阀的状态监视。

即，将至区域T ₁的时间、时间幅度、或、该区域的角速度的极大或极小峰的出现频率的变化与阀的开闭次数对应地读取，由此至少将球座的磨损状态推测而能够利用于阀的故障预测。在区域T ₂也读取与开闭次数对应的极大峰的位置、大小的变化，由此能够至少推出球座的磨损状态而利用于阀的故障预测。但是，可知在图16、17（试验号码2），极大峰的位置与其他结果不同，向区域T ₂’（开度约40度附近的小的带域）附近移动。此外，在区域T₃，通过读取至与开闭次数对应的该区域的时间、时间幅度、或该区域内的角速度的变化率等的变化，能够至少推出球座的磨损状态来利用于阀的故障预测。

接着在图21~23（试验号码11）不表示构造图，但齿条和小齿轮构造的复合工作型空气压式致动器与四分之一转型的蝶阀中，是使用本发明的监视单元而阀体从全闭至全开地90度旋转时从陀螺仪传感器得到的角速度图表的一例，图表标记内容与前述的情况相同，试验条件与表1的试验号码11对应。

具体地，该蝶阀是公称压力10K、公称径50A的铝压铸制中心型蝶阀构造，在其阀轴与前述的方式相同地安装本发明的监视单元，与该图的图表相同地，将由基于解码器测定的角度、内置于监视单元的陀螺仪传感器（Y轴测定值）所得到的角速度图表化，诊断对象为EPDM制橡胶片。此外，图21为开闭次数0次、图22为开闭次数500次、图23为开闭次数1500次开闭的时刻取得的数据。

在图21~23，各区域T ₁、T ₂也与上述含义相同。根据这些图表能够与上述相同地进行阀的状态监视。即，区域T ₁中为阀体从与橡胶片相接的状态离开的区域，也是发生所谓的突变现象的区域。该区域中，随着开闭次数为500次、1500次地重复工作，在角速度的上升・下降倾向上可观察变化。根据该数据特性，例如，能够利用于随着橡胶片的减耗、密封面的劣化的故障预测。

此外，区域T ₂中，阀体从橡胶片离开而呈中间开度姿势，该状态中对阀体作用由流体产生的不平衡的转矩，阀体更容易打开。随着开闭次数为500次、1500次地重复工作，角速度的上升急剧，此外，读取至区域T ₂的时间也变短的倾向。根据该数据特性，例如，能够利用于随着在阀体的上下方向（绕阀杆）的橡胶片的减耗等的故障预测。

接着，图25~30表示在与上述实施例不同的初始处得到的角速度图表。该初始在与上述试验号码10大致相同的条件下进行（使用图1所示的球阀的水平配管、蒸气、1.0Mpa的条件）、图表标明（表示各轴的的量、线种等）也与图5等相同，但与上述实施例不同，也测量图1所示的陀螺仪传感器7的X轴和Z轴（侧倾轴以外）的角速度数据。即，图25将初始动作期的X轴方向的角速度数据图表化，图26将初始动作期的Y轴方向的角速度数据图表化，图27将初始动作期的Z轴方向的角速度数据图表化。由此，图5和图26表示大致相同条件下的角速度图表。

此外，图28~30是继图25~27的初始动作期后20000次开闭阀的时刻的角速度图表，分别是，图28将X轴、图29将Y轴、图30将Z轴的各方向的角速度数据与图25~27相同地图表化。由此，图28与图25、图29与图26、图30与图27分别对应，特别地，图29可以说是继在大致相同条件下将阀を10000次开闭的时刻的图表的图9所得到的数据。

如图26、29所示，从Y轴方向的角速度图表读取与Y轴方向的图表相同的倾向。特别地，图26与图5相同地在区域T ₁，峰状的特征出现一个或多个，在区域T ₂附近至少一个急剧上升的模式出现，在区域T ₃出现减少模式。图29也得到与此大致相同的特征，但若特别地与图9比较，则区域T ₂的峰状（最大值）的特征更明显，另一方面，角速度作为整体减少且得到平稳的图案。不管怎样都可以说能够得到容易获取的特征。

另一方面，在Y轴方向以外的图表即图25、27、28、30，至少上述那样的特征不被明显表示，多观察难以获取的随机的振幅。由此，作为用于图表化的角速度数据，可以说旋转的侧倾轴（Y轴）方向的角速度数据是优选的。

接着，在图31、32，说明本发明的阀的状态把握系统。本发明是包括阀3、固定于该阀3的传感器单元1、与该传感器单元1能够通信地连接的服务器41的系统，是如下阀的状态把握系统：被基于传感器单元1具备的传感器7从将阀3开闭的阀轴4测量的测量数据所含的特征量把握磨损零件（A、B、C）的磨损状态。

图31中，阀3是图1所示的前述的球阀，传感器单元1也是图1所示的前述的监视单元1。此外，如图2所示，传感器单元1与监视单元1相同，设为具备电源11的独立的单一单元，被以能够随阀轴4一同转动的方式装卸自如地固定，能够借助通信模块10经由互联网43与服务器41等用既定的无线通信协议来无线通信地连接。此外，作为磨损零件，选择前述球座A。

在图31，平板44、PC45是用于确认传感器单元1传送的与阀3相关的信息的终端的例子，具备能够显示传感器单元1的传送数据的显示机构。该显示机构例如业而言使用能够从服务器41所具备的应用服务器任意取得的显示用应用。

在图31，服务器41使用云服务器。若为云服务器，则适合后述的各种的运算处理、安全对策。此外，具备后述的数据库、未图示的异常诊断机构的全部或一部分。进而，也可以具备终端显示用等的既定的应用服务器。该情况下，具有终端的使用者在何时何地都能够连接服务器来阅览阀状态。

作为用于阀的状态把握的测量数据的特征量，也可以是，从阀轴4的轴心方向（Y轴方向）的角速度数据得到的角速度图表（图5~9、15~23、26、29）显示的阀3的从全开至既定开度的时间（例如开度从0度至10度的时间T ₁、从0度至30度的时间T ₂）、从全开至全闭的全闭时间、从既定开度至全闭的时间（例如开度从80度至90度的时间T ₃），此外，也可以是既定时间区域（例如时间区域T ₁、T ₃）所含的角速度的急梯度的数量、位置、大小、及/或幅度，此外，也可以是至角速度的最大值或极大值的时间、、最大值或极大值的大小、幅度，或包括这些全部或一部分。进而，也可以是既定时间（时间T ₁等）的开始・结束时间，泄漏量的情况也可以是泄漏的有无（2值）。与这些特征量的种类对应地，生成作为数值数据（标量、矢量）的特征量数据。

这里急梯度是指，例如图5~9、图15~20、图21~23、图25~30分别所示，相在对于全开和全闭之间的时间轴存在不均的不均匀的位置显示一个乃至多个左右的阀开度急剧变化的角速度图表的部，为了读取成急梯度的倾斜（增减率）能够根据实施适当设定，但例如图5~9、图15~20、图21~23的区域T ₁内所示的单峰状的轨迹的倾斜、图5~9、图19、20、23的区域T₂附近的倾斜、或图16、17的区域T ₂’附近的倾斜均读取成急梯度。

此外，急梯度的数量是指例如图表上出现的读取成急梯度的时间的数量。急梯度的位置是指例如该急梯度开始或结束的时间，也可以是这些时间的途中，若为单峰状则也可以是极大值的时间。此外，急梯度的位移是指例如与该急梯度的开始和结束的时间对应的值（开度或角速度）的差，若为单峰状则也可以设定成适当的极大值的峰的高度。同样地，急梯度的幅度是指，例如，该急梯度的开始与结束的时间的差，若为单峰状则也可设定成与适当的极大值的峰的高度对应的幅度。

该这样能够取得与一次的阀的开闭对应的数据的图案上出现容易捕获的特征时，后述的数据的统计运算中，能够使处理所必要的信息量的尺寸减少或最佳化。特别地，陀螺仪传感器的角速度图表能够容易地带有特征，所以如后所述容易进行教师数据（被试数据）的生成。陀螺仪传感器以外的传感器的情况下，能够与阀开闭对应地取得的数据的模式难以出现特征，所以将该特征少的信息用于机械学习的情况下，另外进行统计处理来进行特征提取，需要使用取得数据的大部分或全部，但本发明中使用的角速度图表数据中容易出现特征性的急梯度，所以仅根据关于该急梯度的较少的信息（位置、数量、位移、及/或幅度等、几个数值的组）能够以高精度进行统计运算，由此，实现计算资源的节约。

使用从这样的角速度图表得到的特征量数据，在本发明中，想以下那样地借助第1异常诊断机构、第2异常诊断机构、或第3异常诊断机构执行阀的状态把握。执行以下说明的各功能的机构不被特别限定，能够与实施对应地被系统适当地具备。

第1异常诊断机构的情况下，在数据库42容纳针对特定条件与阀的既定开闭次数对应的多个标签数据和特征量数据构成的第1参考数据表（未图示），在传感器单元1及/或服务器41具备构成为把握磨损状态来执行阀3的异常诊断的第1异常诊断机构，该第1异常诊断机构包括，制作由基于阀3的特定条件、阀3的开闭次数、角速度数据的特定特征量数据构成的特定数据的特定数据制作机构、与特定数据的开闭次数为相同的开闭次数且将具有最近的值的特定特征量的第1参考数据从第1参考数据表取得的数据取得机构、将具有该被取得的第1参考数据的标签数据的某个与既定的阈值比较来得到既定的判定结果的比较判定机构。

标签例如是尺寸数据或泄漏量数据，标签数据是指标签的数值。本例中，作为标签数据使用尺寸数据或泄漏量数据。标签使用进行阀3的磨损零件的磨损状态的状态把握时重要的特性值的种类较适合。

尺寸数据是指，例如球座A的情况下前述的图24所示的G尺寸为其一例，但由非磨损状态的磨损零件的某部位的尺寸数据构成，与磨损量的增加对应地减少。泄漏量数据是指例如阀3的情况下在图14所示的全闭状态下将从球30和球座A之间泄漏的流体的量以既定的测定装置测量的值，是阀的密封性能被直接反映的特性值，能够评价为泄漏量越多则阀状态越恶化。

第1参考数据例如是以下的表2（参考数据表的一例）所示的各行的记录，针对特定条件，与具备特定的磨损零件的阀3的开闭次数对应地由多个标签的组合（阀的开闭次数、球座的尺寸减耗量、泄漏的有无）、特征量数据的组合（区域T ₁的开始时间、区域T ₂附近的极大值）构成。特定条件除了阀种类、产品制造商名以外、使用条件（包括温度的设置环境、使用流体等）以外、还为磨损零件的种类与尺寸数据的部位等、用于将处于使用状态的阀特定所必需的各种的条件，第1参考数据为，在同一特定条件的下，从作为测定对象的阀包括角速度数据地取得与第1参考数据对应的数据，被预先蓄积于数据库42。蓄积的第1参考数据被按照特定条件分类来管理，得到与多个标签的组合对应的足够量的数据。

此外，至少用于第1异常诊断机构的角速度数据中，除了为了得到角速度图表所必要的陀螺仪传感器7测量的数据以外，还包括与阀3的开闭次数和特定条件相关的信息。进而，阀3的开闭次数例如若针对特定条件预先确定测量的次数，则能够将开闭次数的记录预先对齐，所以后述的数据取得机构参照第1参考数据表时，能够使特定数据的开闭次数和参照目标的记录的开闭次数一致。

因此，第1参考数据为，仅将传感器单元1安装于阀来起动，就不妨碍阀的实际运转将各种各样的特定条件下的第1参考数据例如由阀制造商、维护公司容易地取得，能够蓄积于数据库。此外，特定特征量数据意味着，从特征量数据预先选择的一个特征量数据，选择显现与标签的相关强的倾向的应关注的特性值。

[表2]

对象图面	阀的开闭次数（次）	阀座的尺寸减耗量（mm）	阀座密封泄漏	区域T1开始时间（毫秒）	区域T2极大值（开度/秒）
						图5	0	0	无	800	35
图6	30	0.26	无	1000	44
						图7	500	0.26	无	1000	45
图8	1,000	0.36	无	350	63
						图9	10,000	0.48	有	400	51

特定数据制作机构为如下机构：根据从陀螺仪传感器7测量的角速度数据（原数据）向Y轴方向的角速度图表数据转换的图表数据将该图表中出现的特定特征量识别来读取，并且使该阀3的特定条件和该测量时的阀的开闭次数配合地作为数值的组输出。另外，也可以将这里所得到的图表数据向既定的显示装置能够显示地输出。

数据取得机构是如下机构：输入特定数据，进入数据库42的参考数据表，检索与该特定数据所含的特定条件一致的表，表找出后从该表参照与特定数据所含的阀的开闭次数相同的开闭次数的记录，并且取得与特定数据所含的特定特征量（特定数据特征量）对应的记录的特定特征量（记录特征量），进而，判断该记录特征量与特定数据特征量是否大致相等。这里，判定成大致相等的范围被预先适当设定。

比较判定机构是如下机构：将具有判定成与特定数据特征量大致相等的记录特征量的记录具有的多个标签数据设为阀3的推测标签数据，将该推测标签数据与预先针对标签数据设定的多个阈值分别比较，与比较结果对应地输出既定的判定结果。例如，推测标签数据为阈值以上的情况下，将既定的警告信息（警告）作为判定结果输出，在标签数据比阈值小的情况下，将关于现状的既定的信息作为判定结果输出。例如，采取最安全对策的情况下，若某一个标签数据超过阈值则输出警告。

这里，说明表2的具体的读法。在该表显示的一系列的图面中，在阀的开度从全闭至开度约10度的区域（区域T ₁）中，角速度开始上升的时机例如是阀的开闭次数为1000次的情况（图8）下比500次的情况（图7）早，从阀开动作开始将1000毫秒较大地下降至350毫秒。此时，球座的全高（图24的h尺寸）的减少量比500次的情况（减少量0.26mm）多0.36mm，能够把握球座的磨损进行的情况。

阀制造商、维护会公司预先将这些信息作为参考数据容纳于存储器9、服务器41等，且与工作中的工厂等所使用的阀3的实测数据（角速度数据）对比，由此能够把握该阀的球座的磨损状态。

具体地，在开闭次数1000次的阀的实测数据中，区域T ₁的角速度上升的时机若为400毫秒，则为接近参考数据的350毫秒的值，所以能够推测作为密封部件的球座磨损至接近0.36mm的状况。另外，将区域T ₁的角速度上升的时机仅在400毫秒这一点判断，但也可以基于每单位时间的平均值等多个值判断。这里，本实施例的阀的开闭所要的时间能够使用内置于CPU8的时钟把握，但也可以使用另外的计时器等。此外，阀的开闭次数除了解码器以外也可以使用检测阀的全开・全闭位置的微型开关（限位开关）等来计数。

阀的开度为约30度附近的较小的区域（区域T2）中，急剧上升的角速度的值例如在阀的开闭次数为1,000次的情况下（图8），比500次的情况下（图7）比大，为较多地超过45开度/秒的63开度/秒（rad/sec）。此时，球座的全高（图24的h尺寸）的减少量如前所述为比500次的情况下（减少量0.26mm）多的0.36mm，所以能够将球座的磨损进行的情况根据区域T2的角速度的急剧上升来把握。

阀制造商、维护会公司预先将这些信息作为参考数据容纳于存储器9、服务器41等，并且与工作中的工厂等使用的阀3的实测数据（角速度数据）对比，由此能够把握该阀的球座的磨损状态。

具体地，在开闭次数1000次的阀的实测数据中，若为区域T2的角速度が65（rad/sec），则为接近参考数据的63（rad/sec）的值，所以能够推测成作为密封部件的球座接近0.36mm地磨损的状况。

进而，关于表2的具体的读法，根据与阀的泄漏数据组合，基于测定的角速度能够预测前述密封零件的寿命。具体地，阀的开闭次数为10,000次的情况下（图9），球座的全高（图24的h尺寸）的减少量比1，000次的情况下（减少量0.36mm）多的0.48mm，能够把握球座的磨损进行的情况。并且，确认阀的阀座泄漏，所以阀的开闭次数到达10,000次的话判断为球座的寿命。这里，本实施例的阀的阀座泄漏试验作为试验流体使用氮，该流体压力在0.6MPa的条件下实。

阀制造商、维护会公司预先将这些信息作为参考数据容纳于存储器9、服务器41等，并且与工作中的工厂等中使用的阀3的实测数据（角速度数据）对比，由此能够预测该阀的球座的寿命。

具体地，例如，开闭次数1000次的阀的实测数据中，区域T1的角速度上升的时机为400毫秒，区域T2的角速度若为65（rad/sec），则判断成沿着表2的参考数据的阀的状态，开闭次数10,000次能够判断成球座的寿命，该阀到达开闭次数10,000次前能够按计划地进行维护。

进而，关于表2的具体的读法，通过与作为密封零件的更换基准的尺寸或消耗数据组合，由此基于测定的角速度，能够预测前述密封零件的寿命。具体地，若将球座的全高（图24的h尺寸）的减少量为0.40mm的情况作为更换基准，则基于表2的参考数据的阀的开闭次数1，000次的情况下和10，000次的情况下的比例关系，若阀的开闭次数到达3，000次则判断成球座的寿命。

具体地，开闭次数1000次的阀的实测数据中，区域T2的角速度若为65（rad/sec），则为接近参考数据的63（rad/sec）的值，所以能够推测成作为密封部件的球座磨损至接近0.36mm的状况，能够将上述的3，000次判断成寿命。

另外，用于第1异常诊断机构的数据例如如表2所示，标签数据将带有两个（以上）的特征量数据作为被试数据蓄积于数据库，所以有所谓的多标签（多级分类）问题。由此，相对于被蓄积的参考数据，也能够应用关于公知的多级分类的学习模式。

接着，第2、第3异常诊断机构的情况下，根据基于单标签的机械学习的手法进行异常诊断。在数据库42容纳有基于带标签的训练数据生成的既定的学习模式。用于该第2异常诊断机构的推测标签数据是学习模式输出的推测值。

上述学习模式例如像以下那样地生成。使特定条件相同的状态下，在模仿相同的标签数据（尺寸、泄漏量）的范围内使阀以充分的次数开闭由此取得角速度数据，由它们分别生成特征量数据 （即从角速度图表读取特征量），使它们带有相同的标签数据而生成训练用的教师数据。这些教师数据针对标签数据的充分的量进行取样而被容纳于数据库42。

相对于每个相同标签数据的教师数据的样品组，应用机械学习（统计运算）来生成模式（识别模式、生成模式）。也可以将其作为学习模式，但也可以进而寻找基于测试数据的查定、最佳的统计模式，进行针对每个统计模式的参数组的调整，提高精度、可靠性。因此，通过所谓的有教师的机械学习的手法生成学习模式。作为机械学习，能够与实施对应地适当选择、改良。例如，能够适当应用公知的手法，若标签数据为连续值作为通常采用回归（线形回归、物流回归、SVM等）的手法。该情况下，学习模式与能够作为“推测标签数据＝f（特征量数据）”推测的回归函数f对应地以既定的参数特定函数。

进而，阀的工作途中，在将磨损零件更换成其他零件的情况下，该更换的其他的零件的标签数据考虑未被预先充分取样、或完全不存在的情况。这样的情况下，更换零件的学习模式不存在于数据库，使用无法执行异常诊断机构。这样的情况下，也能够将已容纳于数据库的学习模式修正来转用。例如，能够采用公知的转移学习的手法。例如，也可以对已知的学习模式的标签数据进行既定的重赋权来将标签数据修正成更换零件用来使用。

与此相对，在传感器单元1、服务器41具备构成为把握磨损状态来执行阀的异常诊断的图中未示出的异常诊断机构，该异常诊断机构至少由制作既定的特征量数据的特征量制作机构、基于特征量数据经由机械学习计算标签数据（标量）的推测标签数据计算机构、比较该标签数据和既定的阈值来得到判定结果的比较判定机构。

特征量制作机构根据从陀螺仪传感器7测量的角速度数据（原数据）向Y轴方向的角速度图表数据转换的图表数据，将在该图表出现的各特征量识别来读取，作为由多个数值的组构成的特征量数据的形式输出。另外，也可以将这里所得到的图表数据向既定的显示装置能够显示地输出。

推测标签数据计算机构是如下机构：输入特征量数据，将该特征量数据向从数据库42调出的学习模式应用，由此将标签数据作为推测值计算，标签为多个（尺寸值、泄漏值）的情况下与标签的种类对应的学习模式被分别调出。

比较判定机构输出推测标签数据，将该推测标签数据与预先对应标签地设定・容纳的阈值比较，例如，推测标签数据为阈值以上的情况下将既定的警告信息（警告）作为判定结果输出，推测标签数据比阈值小的情况下将关于现状的既定的信息作为判定结果输出。多个标签的判定结果相反的情况下，能够适当地使判定结果与某个对应。另外，也可以不是这样的2值反馈（好、不好），而使设定多个阈值，设定与各阈值的范围对应的判定结果。

例如，尺寸数据的情况下，在评价成故障（要更换）的磨损量设定第1阈值，作为比该第1磨损量小的磨损量，例如，也可以预先另外地取得与在同一种的阀在通常的使用条件被使用的情况下被评价成故障的3个月前的时期对应的磨损量的数据（3个月前磨损量），将该磨损量作为第2阈值设定。例如，推测标签数据的值为第2阈值以上且比第1阈值小的情况下，也可以将要更换3个月前的信息作为判定结果输出。也可以是，同样地作为与既定期间前的磨损量（既定期间前磨损量）对应地按时间顺序得到的磨损阈值（既定期间越长越为小的值），在值顺序上设定多个，为精度更高的判定结果。这样的多阶段的判定结果的输出在泄漏量数据的情况下也能够同样地执行。

另外，上述第1、第2异常诊断机构执行的诊断时机例如每次来自经由终端的使用者的指示、阀的开闭进行，或也可以设定时机，使得以既定的阀的开闭次数、既定的时间间隔进行。

此外，也可以具备将判定结果通过终端的应用能够显示可能地传送的机构、将判定结果向阀的制造商（维护者）管理的管理服务器通知的机构等。

利用上述标签的教师数据（被试数据）针对使用的阀、流体等的阀的特定条件下的磨损零件的标签（特性值），作为学习模式预先准备于数据库42，所以能够将特征量数据仅通过应用于该学习模式来执行诊断。由此，与预先需要教师数据（被试数据）的收集和学习模式的生成相反，阀3的实际运转中能够以高速进行诊断处理，用于系统结构的资源也能够减少。

进而，与上述异常诊断机构的手法不同，借助基于教师至机械学习的手法也可以构成本发明的阀的状态把握系统。该情况下，数据库42也能够作为与上述特征量数据相同的形式的数据仓库使用。该手法的异常诊断机构为第3异常诊断机构，至少包括数据蓄积机构、数据控制机构、模式数据运算机构、指标计算机构、比较判定机构。

数据蓄积机构是如下机构：从由陀螺仪传感器7测量的角速度数据所得到的角速度图表数据制作与上述相同的特征量数据，阿静该特征量数据向数据库42传送，并且以既定的形式容纳于数据库42来生成蓄积特征量数据。数据蓄积机构中能够适当地利用从前述的角速度数据向图表数据的转换机构、特征量制作机构。该数据容纳被数据控制机构控制。数据控制机构在被预先设定的既定量的特征量数据被蓄积于数据库42为止，阀每次开闭，就以将取得的特征量数据容纳于数据库42的方式控制数据蓄积机构。蓄积数据到达既定量的话将其检测，向模式数据运算机构通知。

受到该通知的模式数据运算机构在该时刻将机械学习应用于蓄积于数据库42的全部的特征量数据（蓄积特征量数据），生成学习模式。将该学习模式的输出值称作消耗数据。因此，通过所谓的教师至机械学习的手法生成学习模式。该消耗数据是所谓的正常数据，需要是在阀正常动作的期间取得・蓄积的数据。

作为该情况的机械学习，也能够与实施对应地适当选择、改良。公知的手法中，例如，采用维度削减（PCA、SVD等）的手法。例如部分空间法的情况下，将使用被蓄积的所有的正常动作时的特征量数据（设为N维矢量）进行主成分分析所得到的固有矢量组（按照分散顺添字的主成分）的上位k个作为基底生成正常动作的部分空间U。模式运算机构进行该运算。由此，学习模式与n×k行列（2阶张量）对应。

指标计算机构计算在数据控制机构向模式运算机构通知后的基于从最初的阀开闭所得到的角速度数据的特征量数据（新的特征量数据）和上述消耗数据之间所定义的既定的指标来输出。

上述部分空间法的情况下，由模式数据运算机构生成的正常部分空间和新的特征量数据（未知数据）之间能够将作为既定的距离的异常度（指标）定义。例如将从正常数据组所得到的部分空间U定义为（u ₁、、、u _k），将未知数据设为x＝（x ₁、、、x _N），定义成异常度d ²＝x ^Tx-x ^TU _kU ^T _kx。

比较判定机构将上述的指标与预先设定・容纳的阈值比较，例如，指标为阈值以上的情况下，作为不正常的偏离值，将既定的警告信息（警告）作为判定结果输出，指标比阈值小的情况下，将与现状相关的既定的信息作为判定结果输出。

接着，图32表示本发明的阀的状态把握的工序的概略。首先，在作为对象的阀3安装传感器单元1。具体地，以前述的图1所示方式固定。通常，传感器单元1在一次安装后为使阀3的监视自动地继续的独立的单一单元，所以应将电源充分充电等，进行电源的确认。此外，通常，如图31所示地使其无线通信，所以也需要进行与经由互联网43的云服务器41、终端44、45等、必要的通信对象的通信状态的确认。

图32中，初始设定46中在陀螺仪传感器7将阀的开闭位置准确地设定，并且在传感器单元1设定关于阀3的信息（阀的形式、制造商、使用环境、使用流体等）。特别地，也设定关于标签（尺寸值、泄漏量、阈值等）的信息。结束初始设定46后使阀3实际工作。

图32中，由附图标记47总结的工序与前述第1~第3异常诊断机构的诊断工序的概略对应。如前所述，第1、第2异常诊断机构的情况下，需要在云服务器41的数据库42预先容纳既定的数据。由此，为了执行第1、第2异常诊断机构，不得不将标签值、即特定条件下的、特定的磨损零件的特定的尺寸值、特定的阀的泄漏量的充分的数的样品数据预先取得。

工序47中，首先，在既定的时机，借助图表转换机构，根据从实际运转中的阀3的阀轴4由陀螺仪传感器7测量的角速度数据得到图表数据。从该图表数据借助特征量制作机构得到特征量数据（第1异常诊断机构的情况下为由一个特定特征量构成的数值、第2异常诊断机构的情况下为由全部的特征量构成数值的组）。

接着，第1异常诊断机构的情况下，借助数据取得机构参照特定的参考数据，借助比较判定机构，该参考数据具有的特定特征量和既定的阈值被比较，判定结果送达使用者。第2异常诊断机构的情况下，借助模式呼出机构，学习模式被从数据库42调出，借助推测标签数据计算机构，对于学习模式应用特征量数据而得到标签数据。该标签数据借助比较判定机构与阈值比较，其判定结果被结果传送机构向显示机构（终端）传送而能够使判定结果送达使用者。

进而，工序47中，也可以执行使用前述的教师至机械学习的手法的第3异常诊断机构を。该情况下，无需教师数据的蓄积，但需要安装数据蓄积机构、数据控制机构、模式数据运算机构、指标计算机构、特定化成产品的学习模式等、与产品对应的程序。

接着对第4异常诊断机构进行说明。图31、32的结构如前所述。该图中，为包括阀3、固定于该阀3而具备陀螺仪传感器7的陀螺仪传感器单元1、具备与该陀螺仪传感器单元1能够通信地连接的数据库42的服务器41的系统，在该数据库42容纳包括与阀3的开闭次数对应的输出数据和产品数据的第2参考数据表，在陀螺仪传感器单元1及/或服务器41，具备构成为把握阀3所具备的磨损零件（A、B、C）的磨损状态来执行阀3的异常诊断的第4异常诊断机构，该第4异常诊断机构是阀的状态把握系统，包括制作包括与阀3的开闭次数对应地陀螺仪传感器单元1测量的输出数据和产品数据的测量数据的数据制作机构、将具有与该测量数据具有的阀3的输出数据大致相等的阀3的输出数据的第2参考数据从第2参考数据表取得的数据取得机构、基于该取得的第2参考数据具有的阀3的使用频率数据判定阀3的故障预知的故障判定机构。

第2参考数据表具有的第2参考数据包括产品数据和输出数据。表3是该第2参考数据表的一例，各行的记录为第2参考数据。产品数据是将产品的属性・规格特定的数据，本例中如以下所述由制造商名、阀种类、磨损零件的对象部位、及阀的平均使用频率（使用频率数据）构成。输出数据在本例的情况下才新品状态（第1次开闭）至故障状态（针对产品而异、例如50000次等），针对各开闭（动作次数），从固定陀螺仪传感器的被试阀预先采取的每个开度步骤（1度→2度~89度→90度）的陀螺仪传感器的输出值被在设置于云服务器41侧的数据库42作为基准值储存。这例如是本公司制的话，在向市场销售前预先在本公司内改变条件的同时进行重复实验来作为基本的参考数据储存。但是，也可以是，输出数据并非这样的0~90度量的数据，仅将如前所述的角速度数据的特征的部分（特征量）部分地使用。

此外，本实施例的情况下，陀螺仪传感器7能够将与第2参考数据的输出数据相同形式的输出数据针对动作次数以测量数据所含的形式输出。测量数据由产品数据、针对阀3的开闭次数（动作次数）的陀螺仪传感器7的输出数据构成，至少包括第2参考数据所含数据。

另外，上述使用频率数据（阀的平均使用频率）也可以适当地不为产品数据而被输出数据所含。例如，也可以是，陀螺仪传感器单元1侧中从使用中的阀3以既定的时机取得动作次数，基于该动作次数算出使用频率来以输出数据所含的形式输出。此外，将监视单元1（传感器单元1）安装于使用途中的阀3时，预先得到该时刻的阀3的动作次数（阀3的开闭次数）的信息的情况下，也可以将该动作次数向监视单元1（传感器单元1）输入来修正输出数据的动作次数。

[表3]

。

数据制作机构是将陀螺仪传感器7以上述输出数据的形式测量的从全开至全闭的一次的旋转的测量数据（角速度的全开度数据）、向陀螺仪传感器单元1以既定的形式（例如向单元1的手动输入、借助既定的光学读取传感器读取的数据）输入的阀3的产品数据与此时刻的阀3的开闭次数一同作为一个测量数据制作来向服务器41侧传送的机构。

数据取得机构是输入上述测量数据来将与该测量数据所含的输出数据大致等的第2参考数据从第2参考数据表取得的机构。这里，判定是否大致相等的输出数据彼此的类似度（图表形状的比较方法）例如为面积比较等，选择适当的公知的手法，也一并安装将其实现的机构。这里，关于参照目标不存在应取得的第2参考数据的情况、输出数据彼此不大致相等的情况下的具体的处理用图33、34在后说明。

故障判定机构是如下机构：参照数据取得机构取得的第2参考数据具有的阀的使用频率数据，并且参照前述测量数据所含的阀3的开闭次数，根据两者算出阀3的故障时期，由此判定阀3的故障预知信息 （进而向终端能够显示地输出）。

例如，表3的情况下，关于某阀，预先得到平均使用频率（次/月）和至故障的开闭次数，另一方面，从测量数据得到现在的阀的开闭次数，所以能够从它们容易地算出从现在至故障的期间（月）。该情况下，若为故障3个月前的数据，则将球座的更换时期3个月前的信息经由互联网43向作为服务器的PC45通知，能够向服务器携带的终端通知。或者，才市场存在的多个阀的各使用频率特定3个月前相当的参考数据，被测定的角度速度与该参考数据大致相等时能够通知故障3个月前。

如后所述，将参考数据从产品的新品状态至故障时的全部数据储存，所以能够3个月前、2个月前这样地将更换时期时时刻刻地阶段性地通知。如果即使有督促零件更换的通知也不维护的情况下，即例如达到50000次时，能够警告故障时期的到来。如后所述，作为故障预知控制，实际发生使用流体超过允许值的泄漏发生，控制继续至配管系统的控制无法进行系统故障，取得故障时的输出数据而结束。

这样地球阀的故障预知控制必须在一个配管上配设有多个阀的配管系统中在系统整体的维护的方面能够合理地更换。即，即使在维护一个阀的情况下该配管系统也必须停止运用，现状下运用停止的损害较大，所以还能够使用的阀即使被另外地配设也需要全更换。根据本实施例，使用频率少的阀的实质上的耐用年数比其他相同的阀长，所以有至下次的维护也可以不更换也可以的情况，能够同时实现关于配管系统的零件更换的成本减少、配管系统的维护整体时间的缩短。

并且，保有新品至故障的整个期间数据，所以在经过一定程度的使用期间的阀安装陀螺仪传感器也能够把握使用状态，所以能够将故障预测的控制在市场上迅速展开。例如，将经过半年的阀装配于传感器单元1的情况下，搜索与测定的角速度数据大致相同的参考数据来根据对应的动作次数和平均使用频率求出使用期间，若其为半年则该动作次数被认识成正确，能够从中途开始故障预知控制。

接着，根据图33、34，说明基于第4异常诊断机构的异常诊断工序。图33是表示第4异常诊断机构的诊断工序的数据流程图。工序48是在最先执行该异常诊断机构的情况下，相对于借助数据制作机构制作的测量数据，判断与该测量数据所含的产品数据一致的表是否存在于数据库42的工序。该图中针对产品数据，参考数据表的存在与否预先被现有参考标记管理，所以判断借助该标记检索的表（同一的产品数据）存在与否，存在的情况下进入工序49，不存在的情况下进入图34的工序A。

在图33，工序49是测量数据被向数据库42输入的工序，该工序中，工序50中，接受被向数据库42输入的测量数据的数据取得机构检索具有与该测量数据所含的开闭次数相同的开闭次数的表记录来取得，且判断该记录（取得数据）的输出数据（角速度图表模式）与测量数据所含的输出数据是否大致相等。判断成大致相等的话进入工序52，判断成不大致相等的话进入图34的工序。这两个输出数据的间的比较方法（是否大致相等的判定手法）能够从各种各样的公知的手法（数据间距离的概念、集合・形状的类似度等）适当选择。

图33中，工序52中是借助故障判定机构进行基于动作次数的故障时期预测的工序。具体地，得到取得数据的产品数据所含的使用频率数据（次数/期间）和故障开闭次数（次数）。另一方面，也得到测量数据所含的现在开闭次数（次数）。根据它们，测量该测量数据的阀3的故障预测时期能够得到（故障开闭次数-现在开闭次数）/使用频率（期间）。由此，能够不经由处理成本大的统计处理（机械学习）而仅以简易的处理具体地得到故障预测时期。

另外，该工序中，例如也可以参照图中未示出的判定结果表来取得判定结果。该判定结果表预先针对同一产品数据与开闭次数对应地制作，例如，也可以是，将阀的开闭次数以设为主要键的大小顺序准备将通知内容（例如正常、警告、故障等）和故障预告时期（例如3个月前通知、1个月前通知等）等列名的记录，经由适当的机构，参照与测量数据所含的开闭次数相同的开闭次数的判定结果表记录，作为判定结果取得通知内容和故障预告时期等的各数据。通知内容等也可以在既定的多个阈值划分。这样，也可以不经由运算处理地通过参照表来得到故障预测时期。

工序52中进行故障预告时期的取得，工序53中进行通知内容的取得。它们能够经由适当的机构显示可能地向终端传送。接下来的工序54中进行是否是故障时期的判断。该故障时期例如在每个故障预告时期以既定的阈值为界判定是否。该工序54中判断成故障时期的情况下，进入工序55，判断成不是这样的话也可以返回工序49来继续异常诊断。

工序55是判断成故障时期的情况下进行警告工序。接下来的工序56中判断是否故障。判断成不是故障的情况下也可以返回工序49来继续异常诊断。另外，这些工序52~56基本均能够由故障判定机构执行，但显然能够与实施对应地适当设定。

另一方面，在图33，与产品数据一致的参考数据表不存在的情况下，以该异常诊断为契机，重新进行制作第2参考数据表的处理。该处理为图34所示的工序A，该工序A由工序61、63构成。如后所述，由参考数据改变标记管理是否进入作为改变第2参考数据表的处理的工序B，所以首先在工序59判定参考数据改变标记。

即，即使是相同的阀，全闭至全开的90度区间的数据差异较大，其差异程度在多个阀以大致相同的倾向继续的情况下，例如，基于本公司内进行的实验的参考数据上有限制，市场销售后的产品数量的数据取得的一方压倒性地变多的情况下，可以认为数据本身已经退化。此外，即使特殊的使用流体、外部温湿度等范围较大、能够特定产品的属性・规格的产品数据作为参考数据是现有的，也设想与输出数据不匹配。此外，其他公司制球阀原本也不存在产品数据，换言之也设想参考数据完全不保管的情况。为了解决从故障预知控制观察预知变差的变动要因，本实施例中由两种参考数据制作处理A和B。将工序A称作参考数据新制作模式，将工序B称作参考数据改变模式，此外，将图34所示的工序整体称作参考数据制作工序。

图34中，工序60是在数据库42新容纳从测量数据制作的第2参考数据的工序。例如，对关于本公司产品在产品出货前进行试验的情况进行说明。首先作为测量数据，产品数据被手动输入或从已知的光学读取传感器等自动输入后，作为输出数据在安装于阀3的致动器2将球阀转动控制，将由大概设想的阀的平均使用频率、基于试验的从新品至故障的全闭至全开的每一次的每个角度的角速度数据输入，将这样的一系列的试验实施N次，作为精度高的测定数据收取，在接下来的工序61中使第2参考数据表完成。通过接下来的工序63，新设定表示参考数据存在的现有参考数据标记来结束，返回判定详细流程。

接着，在新制作第2参考数据的工序中，例如，对测定其他公司产品的球阀的情况进行说明。这相当于表3所示的第2参考数据表的最下的记录。由此，传感器单元1被装配而读取产品数据的阶段中，认识到不是本公司制而是其他公司制，所以在工序A不如上所述地将一系列的测定实施N次，通过一次的测定制作参考数据（工序66），返回图33所示的流程。

另一方面，产品数据相同，因此无论现有的第2参考数据表是否存在该参考数据表都没有大致相等的参考数据的情况下（工序51），这需要将第2参考数据自身改写，设定参考数据改变标记（工序59）而在工序B被执行。该情况下存在现有的参考数据，所以采用一点点改变的过程。

在工序B，若从测定数据取得输出数据（工序64），则求出该输出数据和现有的第2参考数据的差量，以该差量的10%使现有的第2参考数据增减来设定新的第2参考数据。工序64~67中，将计数器C设为1，此外作为输出数据将角速度数据输入来将相同的处理重复10次，在工序65从循环退出，在工序68设定现有参考标记来结束。

这样，至少通过10次测定数据而被平衡化，所以不会具有一个球阀的特异的测定数据而第2参考数据被改写。特别地，其他公司制球阀的球座的紧急的规格改变被作为产品数据输入的可能性低，所以不仅产品数据也在测定数据的特别是角速度数据的比较对照的精度的方面极有效。

进而，关于参考数据的改写，作为另外的机构，也有进行加重平均化等赋权（根据特征的部分的不同程度进行赋权）的做法。这例如在其他公司制的阀为对象的情况下，若由于某技术上理由而球座的规格紧急改变来切换成另外的球座时，具有球座固有的角速度，所以根据同一阀从全闭至全开的大半的开闭区间中与现有的参考数据的变动幅度变大，在多个阀继续地出现相同的倾向时对产品数据进行赋权，将参考数据以比变动幅度小的变动率（例如，输出数据比以前的参考数据的输出数据变动10%的话以2%的变动率一点点改写）一点点改写，由此即使为预先储存参考数据也能够从输出数据（测量数据）制作出参考数据，能够使故障预知系统的实现容易且能够实现预知精度的提高。

这样，制作参考数据时，与新制作来确定参考数据的处理和使现有的参考数据平衡化或赋权的同时改写的处理组合，由此在产品出货前制作该产品的参考数据，或从市场的其他公司产品输入测定数据来自动地制作参考数据，此外在市场为了即刻的零件使用的改变而能够与等的各种状况对应。

由此，通过将上述陀螺仪传感器单元1用于使用中的阀3，根据该陀螺仪传感器单元1测量的测量数据，能够进行包括与阀3的开闭次数对应的输出数据和产品数据的第2参考数据制作工序，该第2参考数据制作工序如图34所示，具备参考数据新规制作模式和参考数据改变模式。

进而，以既定的间隔进行维护的多个阀被配置的一个配管系统中，能够对于前述多个阀使用本发明的阀的状态把握系统来执行各个阀的故障时期的预测来得到各预测结果，进行以该预测结果将超过前述间隔的阀从维护对象除外为特征的配管系统的维护方法。

另外，图35、36是在与上述初始（图25~30）所示的条件相同的条件下取代陀螺仪传感器7而借助加速度传感器测量旋转运动的图表。该加速度传感器虽未图示，但在图1，在监视单元1的安装件5背面侧的位置安装来测量XYZ3轴的加速度，在以与内置于监视单元1的陀螺仪传感器7大致相同的移动量的位置进行测量。

图35在与图25~27相同的条件下测量加速度，该图（a）将X轴方向的加速度、（b）将Y轴方向的加速度、（c）将Z轴方向的加速度数据图表化。图36也相同，在与图28~30相同的条件下测量加速度，该图（a）将X轴方向的加速度、（b） 将Y轴方向的加速度、（c） 将Z轴方向的加速度数据图表化。此外，图表标明也与其他图相同，但图35、36的右纵轴为加速度，均为极小的刻度（0.005~0.02G、G为重力加速度）。

从图35、36可知，仅能够采用3轴某个方向的加速度都在极小的范围内随机地振动的模式，一部分也能够测量成突出的峰状的图案，但这终究是使加速度规模极小地设定才出现的模式，不能说作为对于阀的诊断实用的精度的图表模式测量。由此，虽说与陀螺仪传感器同种的惯性传感器，但仅在加速度传感器中，确认不能以必要的精度获取阀的旋转运动。

以上对本发明的实施方式进行了详细说明，但本发明不限于前述实施方式的记载，能够在不脱离本发明的权利要求书所记载的发明的宗旨的范围内进行各种改变。

附图标记说明

1监视单元（传感器单元）

2致动器

3球阀（旋转阀）

4控制轴（旋转轴、阀轴）

7陀螺仪传感器

14输出轴（旋转轴、阀轴）

15阀杆（旋转轴、阀轴）

26a、27a、30a流路

30球（阀体）

41云服务器

42数据库

A1、A2球座（阀座）（磨损零件）

B阀杆轴承（磨损零件）

C压盖填料（磨损零件）

T₁ T₂ T₃ 特征量。

Claims (15)

1.一种阀的状态把握系统，其特征在于，

基于将阀开闭的阀轴的角速度数据，进行该阀的状态监视、诊断及寿命预测。

2.如权利要求1所述的阀的状态把握系统，其特征在于，

在前述阀轴装卸自如地固定至少具有半导体型的陀螺仪传感器的监视单元，并且，前述角速度数据包括从该监视单元得到的与前述阀体的从全开或全闭向全闭或全开的旋转运动对应的角速度数据。

3.如权利要求2所述的阀的状态把握系统，其特征在于，

前述阀是通过使前述阀轴转动来将流路开闭或控制的旋转阀，前述阀轴是由经由前述致动器的自动阀的输出轴和控制轴或经由手动手柄的手动阀的阀杆构成的旋转轴。

4.如权利要求3所述的阀的状态把握系统，其特征在于，

前述旋转阀为四分之一转型的球阀或蝶阀。

5.如权利要求1至4中任一项所述的阀的状态把握系统，其特征在于，

前述状态监视包括至少阀座、压盖填料、及/或阀杆轴承的磨损状态的把握。

6.如权利要求1至5中任一项所述的阀的状态把握系统，其特征在于，

能够根据前述角速度数据进一步算出前述阀轴的旋转角度。

7.一种阀的状态把握系统，前述阀的状态把握系统包括阀、固定于该阀的传感器单元、能够与该传感器单元通信地连接而具备数据库的服务器，其特征在于，

基于借助传感器单元所具备的传感器从将阀开闭的阀轴测量的测量数据所含的特征量把握磨损零件的磨损状态。

8.如权利要求7所述的阀的状态把握系统，其特征在于，

前述传感器是将前述阀轴旋转的角速度数据作为前述测量数据测量的陀螺仪传感器。

9.如权利要求7或8所述的阀的状态把握系统，其特征在于，

前述特征量为由根据前述阀轴的轴心方向的角速度数据得到的角速度图表显示的前述阀的从全开至既定开度或全闭的时间、从既定开度至全闭的时间、既定时间区域所含的角速度的急梯度的数量、位置、大小、或幅度、及/或、至角速度的最大值或极大值的时间、前述最大值或前述极大值的大小、幅度的全部或一部分构成的特征量数据。

10.如权利要求8或9所述的阀的状态把握系统，其特征在于，

在前述数据库，容纳有由针对特定条件与阀的既定开闭次数对应的多个标签数据和前述特征量数据构成的第1参考数据表，在前述传感器单元及/或前述服务器具备构成为把握前述磨损状态来执行前述阀的异常诊断的第1异常诊断机构，该第1异常诊断机构包括特定数据制作机构、数据取得机构、比较判定机构，前述特定数据制作机构制作由基于前述阀的特定条件、阀的开闭次数、前述角速度数据的特定特征量数据构成的特定数据，前述数据取得机构从前述第1参考数据表取得具有与前述特定数据的开闭次数系统的开闭次数且具有大致相等的特定特征量的第1参考数据，前述比较判定机构将该取得的第1参考数据具有的标签数据的某一个与既定的阈值比较而得到既定的判定结果。

11.如权利要求8或9所述的阀的状态把握系统，其特征在于，

在前述数据库容纳有根据前述特征量数据算出一个推测标签数据的学习模式，在前述传感器单元及/或前述服务器，具备构成为把握前述磨损状态来执行前述阀的异常诊断的第2异常诊断机构，该第2异常诊断机构包括特征量制作机构、推测标签数据计算机构、比较判定机构，前述特征量制作机构基于前述测量数据制作前述特征量数据，前述推测标签数据计算机构基于前述特征量数据经由前述学习模式计算一个推测标签数据，前述比较判定机构将该推测标签数据和既定的阈值比较来得到判定结果。

12.如权利要求8或9所述的阀的状态把握系统，其特征在于，

在前述数据库容纳有根据蓄积特征量数据算出模式数据的学习模式，在前述传感器单元及/或前述服务器，具备构成为把握前述磨损状态来执行前述阀的异常诊断的第3异常诊断机构，该第3异常诊断机构包括特征量制作机构、数据蓄积机构、数据控制机构、模式数据算出机构、指标计算机构、比较判定机构，前述特征量制作机构基于前述测量数据制作既定的特征量数据，前述数据蓄积机构将前述特征量数据蓄积于前述数据库来生成前述蓄积特征量数据，前述数据控制机构进行既定的控制，前述模式数据算出机构基于前述蓄积特征量数据经由前述学习模式算出前述模式数据，前述指标计算机构根据前述模式数据和新的特征量数据计算既定的指标，前述比较判定机构将前述指标与既定的阈值比较来得到判定结果。

13.如权利要求7至12中任一项所述的阀的状态把握系统，其特征在于，

前述磨损零件是阀座片，前述阀是旋转阀，前述传感器单元是能够与前述服务器无线通信且具备电源的单一单元，将该传感器单元以能够随前述阀轴移动的方式装卸自如地固定。

14.如权利要求7至13中任一项所述的阀的状态把握系统，其特征在于，

前述标签数据包括尺寸数据及/或泄漏量数据，前述尺寸数据包括非磨损状态的前述磨损零件的尺寸，前述泄漏量数据包括前述阀的全闭时的泄漏量。

15.一种阀的状态把握系统，前述阀的状态把握系统包括阀、固定于该阀的陀螺仪传感器单元、能够与该陀螺仪传感器单元通信地连接而具备数据库的服务器，其特征在于，

在该数据库容纳包括与阀的开闭次数对应的输出数据和产品数据的第2参考数据表，在前述传感器单元及/或前述服务器具备第4异常诊断机构，前述第4异常诊断机构构成为，把握前述阀具备的磨损零件的磨损状态，执行前述阀的异常诊断，该第4异常诊断机构包括数据制作机构、数据取得机构、故障判定机构，前述数据制作机构与前述阀的开闭次数对应地制作包括前述陀螺仪传感器单元测量的输出数据与产品数据的测量数据，前述数据取得机构根据前述第2参考数据表取得具有与该测量数据具有的阀的输出数据大致相等的输出数据的第2参考数据，前述故障判定机构基于该被取得的第2参考数据具有的阀的使用频率数据判定前述阀的故障预知。

Images