JP2004020193A - 対象設備を診断する方法、コンピュータプログラム、および対象設備を診断するための装置 - Google Patents
対象設備を診断する方法、コンピュータプログラム、および対象設備を診断するための装置 Download PDFInfo
- Publication number
- JP2004020193A JP2004020193A JP2002171037A JP2002171037A JP2004020193A JP 2004020193 A JP2004020193 A JP 2004020193A JP 2002171037 A JP2002171037 A JP 2002171037A JP 2002171037 A JP2002171037 A JP 2002171037A JP 2004020193 A JP2004020193 A JP 2004020193A
- Authority
- JP
- Japan
- Prior art keywords
- time
- frequency bands
- waveform data
- facility
- frequency
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
【課題】正確に対象設備の劣化傾向管理を行う。
【解決手段】設備の波形データを、該設備が正常な時点を含む複数の時間帯において取得し、前記複数の時間帯それぞれの前記波形データの一部を解析時間とし、該解析時間帯を、分割時間帯に分割し、該分割時間帯をＴ個の時間帯に分割し、前記Ｔ個の時間帯それぞれについて、前記波形データをフーリエ変換して、分割された周波数帯域毎の強さを求め、前記周波数帯域毎の強さを標準化し、前記標準化された周波数帯域毎の強さを用いて、前記分割時間帯毎の主成分得点を求め、前記分割時間帯毎の主成分得点を求めるステップにおいて、主成分得点を求める際に使用する固有ベクトルは、前記設備が正常な時点における固有ベクトルである。
【選択図】 図１
【解決手段】設備の波形データを、該設備が正常な時点を含む複数の時間帯において取得し、前記複数の時間帯それぞれの前記波形データの一部を解析時間とし、該解析時間帯を、分割時間帯に分割し、該分割時間帯をＴ個の時間帯に分割し、前記Ｔ個の時間帯それぞれについて、前記波形データをフーリエ変換して、分割された周波数帯域毎の強さを求め、前記周波数帯域毎の強さを標準化し、前記標準化された周波数帯域毎の強さを用いて、前記分割時間帯毎の主成分得点を求め、前記分割時間帯毎の主成分得点を求めるステップにおいて、主成分得点を求める際に使用する固有ベクトルは、前記設備が正常な時点における固有ベクトルである。
【選択図】 図１
Description
【０００１】
【発明の属する技術分野】
本発明は、音響データや振動データ等の波形データに基づいて対象設備の診断を行う方法、そのコンピュータプログラム、および対象設備を診断するための装置に関する。
【０００２】
【従来の技術】
プラント等の現場では、様々な機器・設備が稼動している。このため、管理の対象となる設備からのみ、音響あるいは振動データを採取しようとしても、他の機器や周りからの騒音などが混入してしまう。
【０００３】
また、管理の対象となる設備の運転条件の変動や運転の時間経過などの影響によって、機器の状態は正常であっても、音響あるいは振動データが変動してしまうこともある。このような外乱が存在しても管理対象設備の状態を安定して把握することが求められる。
【０００４】
採取される音響あるいは振動データには上述のような外乱を含んでいるために、管理の対象となる設備の状態変化に対応して、データの波形や周波数分布には明白な特徴が現れない。よって、管理対象設備の状態変化を正確に把握してトレンド監視を定量的に行ったり、危険状態に達する時期を予測したりするのは困難である。例えば、ころがり軸受の故障の初期段階では、ボールや内・外輪に圧痕が生じ、微細傷が進行してゆくが、この初期段階で発生する音響や振動は、そのエネルギーが微小すぎるために波形や周波数分布の明らかな相違としては現れないのである。
【０００５】
すべり軸受でも事情は同じであり、ホワイトメタルのはく離や偏磨耗が生じる場合も、それが軽微なときには検出できない。軽微な段階で発見できれば、その損傷個所を補修して安全に復旧できるが、従来手法で検知できるほどに異常状態が進行すると多大な補修あるいは新規部品との交換が必要になったり、生産効率が大きく低下したりする恐れがある。
【０００６】
従来技術では、たとえば振動値の劣化傾向管理法としてはオーバーオール値の傾向管理、劣化指標の傾向管理、スペクトル傾向管理などがある。オーバーオール値傾向管理法は、低周波領域（１０Ｈｚ〜１ｋＨｚ）、中間周波数領域（１〜１０ｋＨｚ）、および高周波数領域（１０ｋＨｚ以上）における振動計などの読み値の時間経過を蓄積することによって、傾向管理を行うものである。その際周波数領域毎の振動計の読み値に限界値を設定しておき、故障の有無などの判定を行っている。劣化指標を用いた傾向管理法は、振動波形の特徴を表す無次元パラメータの値をプロットしていくものである。この無次元パラメータとしては、波形率、波高率、衝撃指数、間げき率、クートシス値などがある。スペクトル傾向管理は、特定の機械要素の異常に対応する周波数コンポーネントの高さを時間経過に対してプロットするものである。ここで、この周波数コンポーネントの高さに応じて、「注意レベル」や「危険レベル」と見なされる範囲を予め設定しておくことによって危険レベルに達する時点の予測を行おうとするものである。
【０００７】
また、周波数分布を分割し主成分分析を適用することにより、主成分得点という形で特徴量を抽出し、これらをマッピングすることによって異常判断を行うという手法が各種提案されている。しかしながら、これらの手法では得られる主成分得点を抽出しプロットするのであるが、時間経過とともに主成分得点座標の原点周りに次第に分散していくのが観測されるのみであり、対象物の状態変化に対応した定量化は困難であるだけでなく、時間波形の情報が消えていることもあり、異常判断の指標としては不十分である。
【０００８】
特開平７−２１９５８１には、対象音源設備、周辺の未知の暗騒音の変動の中に埋もれた小さな異常音を感知し、運転員に注意を早期に促す音響信号の識別方法と装置についての発明が記載されている。この発明は、音響データの特徴抽出として主成分分析を用いるが、その際、暗騒音の変動は大局的であることに着目し、ケプストラム分析によって得られる大局的スペクトルを主成分分析し、２つの主成分分析結果を総合的に判断するものである。マイクからの音響をそのまま主成分分析し、第１主成分〜第ｎ主成分得点を主成分座標系にマッピングし、通常運転時の主成分データベースと比較を行う。そして当該データベースの領域内にあるか否かによって異常判断を行う。もし当該領域外になり異常になった場合には暗騒音の変動による影響が考えられるので、上記ケプストラム分析により得られた大局的スペクトルに対する主成分分析結果に基づき判定を修正するというものである。
【０００９】
この発明では、その都度得られる音響データあるいは大局的スペクトルを主成分分析する。正常時にその時の音響データを主成分分析した結果をマッピングして正常時主成分データベースとして標準値とする。検査対象時点で主成分分析し、得られた得点をプロットして、上記標準値と比較を行うのであるが、検査開始時から時間を追うに従い、プロットされた点の集合が主成分得点座標の原点周りに次第に分散してゆくだけであって、これでは対象設備の運転時間経過に対応した状態変化の正確な把握が困難である。
【００１０】
また、特開平１０−３３９６６４には、主成分分析法で正常と判断された時に、振動波に埋もれた小さな異常を検出することのできる監視装置お呼び方法が記載されている。
【００１１】
この発明は、主成分分析による判断で正常であった場合には、さらに因子分析を適用して異常判断を行うというものである。主成分分析自体は、上記先行文献と同様の主成分分析であって、検査開始時から時間を追うに従い、プロットされた点の集合が主成分得点座標の原点周りに次第に分散してゆくだけであって、これでは対象設備の運転時間経過に対応した状態変化の正確な把握が困難である。
【００１２】
また、特開平１１−１１７８７５には、監視員の判断に近いコンプレッサの異常検知を行えるようにする、音響によるコンプレッサの監視装置が記載されている。
【００１３】
この発明は、やはり同様の主成分分析を適用するものであるが、マイクをコンプレッサの吸気弁、排気弁近くに置くこと、周波数帯域の分割が１／６〜１／１２オクターブに分割することを特徴としている。したがって、ここでもその都度、その都度主成分分析を実行してマッピングするだけであるので、検査開始時から時間を追うに従い、プロットされた点の集合が主成分得点座標の原点周りに次第に分散してゆくだけであって、これでは対象設備の運転時間経過に対応した状態変化の正確な把握が困難である。
【００１４】
【発明が解決しようとする課題】
以上のような従来の技術が有する種々の問題点を解決すべく、本発明は、分析対象となる音響・振動データが暗騒音や外乱に埋もれた場合であっても、正確に対象設備の診断を行うことのできる方法等を提供することを目的とする。特に、対象設備の劣化が危険レベルに達する時期を正確に推定することができる、あるいは劣化の具体的な内容を特定することができるような、劣化傾向の管理方法等を提供することを目的とする。
【００１５】
【課題を解決するための手段】
上記の課題を解決するために、本願第１の発明では、対象となる設備の波形データを、該設備が正常な時点を含む複数の時間帯において取得するステップと、前記複数の時間帯それぞれの前記波形データの一部を解析時間とし、該解析時間帯を、分割時間帯に分割し、該分割時間帯をＴ個の時間帯に分割するステップと、前記Ｔ個の時間帯それぞれについて、前記波形データをフーリエ変換して、分割された周波数帯域毎の強さを求めるステップと、前記周波数帯域毎の強さを標準化するステップと、前記標準化された周波数帯域毎の強さを用いて、前記分割時間帯毎の主成分得点を求めるステップと、を有し、対象設備を診断する方法であって、前記分割時間帯毎の主成分得点を求めるステップにおいて、主成分得点を求める際に使用する固有ベクトルは、前記設備が正常な時点における固有ベクトルであることを特徴とする。
【００１６】
このような第１の発明によれば、対象設備の劣化傾向を時系列的に把握する劣化傾向管理において、主成分得点の集合が主成分得点座標の原点周りに次第に分散してゆくだけではなく、主成分得点の集合の重心位置が原点から遠ざかる様子が明確に示されるため、対象設備の劣化が危険レベルに達する時期を正確に推定することができる。
【００１７】
また、本願第２の発明では、対象となる設備の波形データを、該設備が正常な時点を含む複数の時間帯において取得するステップと、前記複数の時間帯それぞれの前記波形データの一部を解析時間とし、該解析時間帯をＴ個の時間帯に分割するステップと、前記Ｔ個の時間帯それぞれについて、前記波形データをフーリエ変換して、分割された周波数帯域毎の強さを求めるステップと、前記周波数帯域毎の強さを標準化するステップと、１つ以上の前記複数の時間帯について、前記標準化された周波数帯域毎の強さを用いて、各周波数帯域間の相関係数を求めるステップと、前記各周波数帯域間の相関係数に基づいて、強相関の周波数帯域同士をグループ化することによって、１つないし複数の周波数帯域群に分類するステップと、前記分類された周波数帯域群ごとに、逆フーリエ変換により時系列の波形データを再構成するステップと、を有することを特徴とする。
このような第２の発明によれば、対象設備の劣化の具体的な内容を容易に特定することができる。
【００１８】
また、本願第３の発明では、第１の発明における方法と、第２の発明における方法とを、併せて行うことを特徴とする。
このような第３の発明によれば、第１の発明により、対象設備の劣化が危険レベルに達する時期を正確に推定することができるとともに、第２の発明により、対象設備の劣化の具体的な内容を特定することができるため、よりいっそう正確に対象設備の劣化傾向管理を行うことができる。
【００１９】
【発明の実施の形態】
＝＝＝開示の概要＝＝＝
本明細書の記載、及び添付図面により、少なくとも次の事項が明らかとされている。
【００２０】
対象となる設備の波形データを、該設備が正常な時点を含む複数の時間帯において取得するステップと、前記複数の時間帯それぞれの前記波形データの一部を解析時間とし、該解析時間帯を、分割時間帯に分割し、該分割時間帯をＴ個の時間帯に分割するステップと、前記Ｔ個の時間帯それぞれについて、前記波形データをフーリエ変換して、分割された周波数帯域毎の強さを求めるステップと、前記周波数帯域毎の強さを標準化するステップと、前記標準化された周波数帯域毎の強さを用いて、前記分割時間帯毎の主成分得点を求めるステップと、を有し、対象設備を診断する方法であって、前記分割時間帯毎の主成分得点を求めるステップにおいて、主成分得点を求める際に使用する固有ベクトルは、前記設備が正常な時点における固有ベクトルであることを特徴とする方法（第１の方法）。
【００２１】
前記の方法において、前記求められた主成分得点の分布を、前記正常な時点を含む複数の時間帯について求めるステップを有することとしてもよい。
前記の方法において、前記求められた主成分得点の原点からの距離の頻度分布を、前記正常な時点を含む複数の時間帯について求めるステップと、前記頻度分布のピーク値を構成する、原点からの距離を特定するステップと、を有することとしてもよい。
前記の方法において、前記対象となる設備の波形データは、振動データであることとしてもよい。
前記の方法において、前記対象となる設備の波形データは、音響データであることとしてもよい。
【００２２】
対象となる設備の波形データを、該設備が正常な時点を含む複数の時間帯において取得するステップと、前記複数の時間帯それぞれの前記波形データの一部を解析時間とし、該解析時間帯をＴ個の時間帯に分割するステップと、前記Ｔ個の時間帯それぞれについて、前記波形データをフーリエ変換して、分割された周波数帯域毎の強さを求めるステップと、前記周波数帯域毎の強さを標準化するステップと、１つ以上の前記複数の時間帯について、前記標準化された周波数帯域毎の強さを用いて、各周波数帯域間の相関係数を求めるステップと、前記各周波数帯域間の相関係数に基づいて、強相関の周波数帯域同士をグループ化することによって、１つないし複数の周波数帯域群に分類するステップと、前記分類された周波数帯域群ごとに、逆フーリエ変換により時系列の波形データを再構成するステップと、を有することを特徴とする、対象設備を診断する方法（第２の方法）。
【００２３】
前記の方法において、前記分割された周波数帯域のうち、最も低い周波数帯域の、前記標準化された帯域の強さを基準として、相関係数を求めるステップと、この相関係数に基づいて、強相関の周波数帯域同士をグループ化するステップと、グループされた周波数帯域以外の周波数帯域のうち、最も低い周波数帯域の、前記標準化された帯域の強さを基準として相関係数を求め、この相関係数に基づいて、強相関の周波数帯域同士をさらにグループ化するステップと、を有することとしてもよい。
前記の方法において、グループ化すべき周波数帯域が無くなるまで、既にグループされた周波数帯域以外の周波数帯域のうち、最も低い周波数帯域の、前記標準化された帯域の強さを基準として相関係数を求め、この相関係数に基づいて、強相関の周波数帯域同士をさらにグループ化するステップを繰り返すこととしてもよい。
前記の方法において、前記解析時間帯を、分割時間帯に分割し、該分割時間帯をＴ個の時間帯に分割することとしてもよい。
前記の方法において、前記対象となる設備の波形データは、振動データであることとしてもよい。
前記の方法において、前記対象となる設備の波形データは、音響データであることとしてもよい。
【００２４】
前記の第１の方法と、前記第２の方法とを併せて行うことこととしてもよい。
前記第１の方法において、前記距離の頻度分布が、所定の状態に至った際に、初めて、前記第２の方法を適用とすることとしてもよい。
前記第１の方法を実現するためのコンピュータプログラム。
前記第２の方法を実現するためのコンピュータプログラム。
対象となる設備のデータを取得するためのセンサ、フーリエ変換部、メイン計算機、および表示出力装置を備えた、対象設備を診断するための装置であって、該装置は、前記第１の方法を実行することを特徴とする。
対象となる設備のデータを取得するためのセンサ、フーリエ変換部、メイン計算機、および表示出力装置を備えた、対象設備を診断するための装置であって、該装置は、前記第２の方法を実行することを特徴とする。
【００２５】
添付の図面を参照しつつ、本発明の実施の形態について、さらに詳細に説明する。本発明に係る診断方法としての劣化傾向管理方法は、大きく２つの部分に分けることができる。
一方は、対象設備の劣化が本格的な「危険レベル」に入る時期を推定するための方法であり、他方は、劣化の具体的な内容を特定するための方法である。両者を適切に組み合わせることによって、最も正確に対象設備の劣化傾向管理を行うことのできる方法が提供される。
【００２６】
＝＝＝前処理＝＝＝
図１は本発明の劣化傾向管理方法の、前処理段階（ステップＰ１００〜１０４）、劣化時期を推定する方法（以下、「ワンショット法」ともいう）（ステップＡ１００〜１０８）、劣化の具体的な内容を特定するための方法（以下、「選択的波形による判定」ともいう）（ステップＢ１００〜１０６）、及び、ワンショット法の結果および選択的波形による判定の結果を総合判断する（ステップＣ１００）までの処理の流れを示すフロー図である。
【００２７】
まず、上記２つの傾向管理方法に共通の前処理段階（ステップＰ１００〜１０４）について説明する。
図２は、対象となる設備の一例としてのポンプに取り付けた加速度計等のセンサを用いて採取された、振動データの時間波形を示した図である。図２（ａ）は、初期状態（正常状態）での時間波形であり、図２（ｂ）は、初期状態から所定時間１だけ経過した状態での時間波形であり、図２（ｃ）は、初期状態から所定時間２だけ経過した状態での時間波形であり、図２（ｄ）は、初期状態から所定時間３だけ経過した状態での時間波形である（ここで、所定時間１＜所定時間２＜所定時間３）。
【００２８】
図２（ａ）〜図２（ｄ）を見て分かるように、採取された振動データの波形の強さや形からは、時間経過に伴う対象設備たるポンプの状態変化に関する差異は見て取れない。これは、ポンプの周囲にある他の機器の騒音・振動等が、採取された振動データに含まれているからである。
そこで、各時間波形（図２（ａ）〜図２（ｄ））について、解析時間帯δを決め、解析時間帯δの振動データ波形についてフーリエ変換を施し周波数分布の時間変化を得る（ステップＰ１０２）。この際、図３に示すように、解析時間帯δを幾つかの分割時間帯ΔＩを分割し、更に、分割時間帯ΔＩをＴ個の時間帯に分け、このＴ個の時間帯毎にフーリエ変換を施す。
次に、フーリエ変換後の各周波数分布について、得られた各周波数帯域をあらかじめ設定したｎ個の帯域に分割する（ステップＰ１０４）。
【００２９】
＝＝＝劣化時期を推定する方法＝＝＝
次に、ワンショット法 （ステップＡ１００〜１０８）について説明する。
前述したように、ステップＰ１０２においてフーリエ変換によって得た周波数分布は、すべてｎ個の帯域に細分化する。また、ｎ個に分割された各帯域における振動データの強さをＸｉｊアンダーバー（ｉ＝１、・・・Ｔ：時間軸の分割）、（ｊ＝１、・・・ｎ：周波数軸の分割）とし、その中心周波数をｆｊ（ｊ＝１〜ｎ）とする。
【００３０】
図４および図５は、ある時間波形（図２（ａ）〜図２（ｄ）のうちのいずれか）について、それぞれ上記の時間方向、周波数方向の分割の様子を分かりやすく示した説明図と表である。
【００３１】
図４は、ある時間波形（図２（ａ）〜図２（ｄ）のうちのいずれか）について、解析時間帯δを幾つかの分割時間帯ΔＩを分割し、更に、分割時間帯ΔＩをＴ個の時間帯に分け、このＴ個の時間帯毎にフーリエ変換を施したものであり、横軸は周波数ｆを示し、縦軸は強さＸｉｊアンダーバーを示している。図４に示すように、分割時間帯ΔＩを対象としてフーリエ変換を行うと、Ｔ個の波形が得られる。
【００３２】
ここで、以下の数式１〜数式３によって、標準化された強さデータＸｉｊが求められる。
【数１】
【数２】
【数３】
【００３３】
かかる演算により、図５に示すように、周波数帯域（中心周波数）毎に、かつ、Ｔ個に分割された時間帯毎に、標準化された強さデータＸｉｊが求められる。この標準化された強さデータをベクトルで表して、このベクトルをＸとする。 各解析時間帯δの中の分割時間帯ΔＩにおける主成分得点ＺΔＩは、図２（ａ）に示す時間波形、すなわち初期状態（正常状態）における固有ベクトルＡａを用いて次の数式４で求めることができる。
【００３４】
【数４】
なお、数式４において、
ＺΔＩ（ベクトル）＝（ＺΔＩ１、ＺΔＩ２、…、ＺΔＩｍ）とし、
Ｘ（ベクトル＝（Ｘ１、Ｘ２、…、Ｘｎ）として、数式４を書き下すと、次のようになる。
第１主成分得点 ＺΔＩ１＝ ａ１１Ｘ１＋ａ１２Ｘ２＋…＋ａ１ｎＸｎ
第２主成分得点 ＺΔＩ２＝ ａ２１Ｘ１＋ａ２２Ｘ２＋…＋ａ２ｎＸｎ
……
第ｍ主成分得点 ＺΔＩｍ＝ ａｍ１Ｘ１＋ａｍ２Ｘ２＋…＋ａｍｎＸｎ
【００３５】
ここで、この各時間波形の状態における固有ベクトルＡａ、Ａｂ、Ａｃ、Ａｄは、標準化された強さのデータから数式５で求められる相関行列Ｃ、および数式６の固有方程式とから求められる。
【数５】
【数６】
主成分得点を用いた劣化傾向管理方法において、各解析時間帯の主成分得点を求める際に、各解析時間帯の固有ベクトルＡａ〜Ａｄを用いることも考えられる。
【００３６】
しかしながら、本実施の形態では、どの時間波形（図２（ａ）〜図２（ｄ））における、各解析時間帯δの中の分割時間帯ΔＩの主成分得点を求める際にも、初期状態における固有ベクトルＡａを用いることを特徴としている。その結果、主成分得点の時間的推移が明確に現れるようになり、その結果、対象設備の故障時期を正確に推定することが可能となった。
【００３７】
図６（ａ）〜図６（ｄ）は、図２（ａ）〜図２（ｄ）に示す各解析時間帯において、求められた第１主成分得点及び第２主成分得点（ＺΔＩ、ＺΔ２）をプロットした図であり、主成分得点の分布を示す図である。図６（ａ）は初期状態（正常状態）の解析例であり、図６（ｂ）は、初期状態から所定時間１だけ経過した状態の解析例であり、図６（ｃ）は、初期状態から所定時間２だけ経過した状態の解析例であり、図６（ｄ）は、初期状態から所定時間３だけ経過した状態の解析例である。
【００３８】
また、図６（ａ）〜図６（ｄ）には、第１主成分得点及び第２主成分得点により特定される点の原点からの距離の頻度分布も併せて示している。
【００３９】
図６（ａ）における、頻度分布のピーク値を構成する、原点からの距離は、ゼロである。図６（ｂ）における、頻度分布のピーク値を構成する、原点からの距離をＷ１、図６（ｃ）における、頻度分布のピーク値を構成する、原点からの距離をＷ２、図６（ｄ）における、頻度分布のピーク値を構成する、原点からの距離をＷ３、とすると、０＜Ｗ１＜Ｗ２＜Ｗ３ となっている。すなわち、図６（ａ）→図６（ｂ）→図６（ｃ）→図６（ｄ）と時間が経過するにつれて、頻度分布のピーク値を構成する、原点からの距離が次第に大きくなっていることが分かる。
【００４０】
横軸に時間軸を、縦軸に、頻度分布のピーク値を構成する、原点からの距離Ｗをとって示したグラフが図７である。グラフには、あらかじめ設定した「注意判定ライン」および「異常判定の閾値」が設けられている。時間経過１および２では距離Ｗ１、Ｗ２が注意判定ライン以下であって、正常状態であることが判定される。一方時間経過３では、距離Ｗ３が注意判定ラインを超えていることが分かる。
【００４１】
Ｗ３より右側の点線に示すように、異常判定の閾値に到達する時刻の点を外挿することによって、この劣化管理対象設備（ポンプ）が故障にいたる時期の推定を正確に行うことができる。
【００４２】
なお、前述した例では、第１主成分得点及び第２主成分得点（ＺΔＩ、ＺΔ２）を用いたが、より多くの主成分得点、例えば、第１主成分得点から第３主成分得点、を用いてもよい。
【００４３】
＝＝＝劣化の具体的な内容を特定するための方法＝＝＝
次に、選択的波形による判定（ステップＢ１００〜Ｂ１０６：図１）について説明する。
前述したように、ステップＰ１０２においてフーリエ変換によって得た周波数分布は、すべてｎ個の帯域に細分化する。このように分割された振動データの強さをＸｉｊアンダーバー（ｉ＝１、・・・Ｔ：時間軸の分割）、（ｊ＝１、・・・ｎ：周波数軸の分割）とし、その中心周波数をｆｊ（ｊ＝１〜ｎ）とする。その具体的なイメージは図４、図５に示したとおりである。
【００４４】
まず、ワンショット法のときと同様に数式１〜数式３によって、標準化された強さデータＸｉｊが求められる。この標準化されたデータをベクトルで表して、ベクトルＸとする。
【００４５】
次に、帯域間の強さの相関係数を指標にして帯域を分類する。具体的には帯域ｆ１の強さを基準にした他の帯域での強さとの相関係数Ｃ１を、数式７を用いて求める（ステップＢ１００）。なお、数式７において、Ｘ１は、Ｘ１１、Ｘ２１、Ｘ３１、…、ＸＴ１を成分とするベクトルであり、Ｘｐは、Ｘ１ｐ、Ｘ２ｐ、Ｘ３ｐ、…、ＸＴｐ（ｐ＝１、２、…、ｎ）を成分とするベクトルである。また、前述したベクトルＸとの関係においては、ベクトルＸが、ベクトルＸ１、Ｘ２、Ｘ３、…、ＸＴを成分として有することとなる。
【００４６】
【数７】
【００４７】
かかる演算により、帯域ｆ１を基準にした帯域ｆ２の相関係数Ｃ１、帯域ｆ１を基準にした帯域ｆ３の相関係数Ｃ１、帯域ｆ１を基準にした帯域ｆ３の相関係数Ｃ１、…、帯域ｆ１を基準にした帯域ｆｎの相関係数Ｃ１が得られる。
そして、この帯域ｆ１を基準にした相関係数Ｃ１の値を指標として、帯域を分類する（ステップＢ１０２）。例えば、３つに分類する場合、弱相関 ０〜０．４未満、中相関 ０．４以上０６未満、 強相関 ０．６以上、のように定義し、帯域ｆ１〜帯域ｆｎのうちから、強相関の帯域を抽出する。これを第一回目の帯域抽出とする。
【００４８】
次にｆ１帯域と相関が強い帯域を削除した残りの周波数帯域に関して、上記と同様な手順により第２回目の抽出を行う。このときは、当該残りの帯域のうち最も小さい帯域を基準として数式７と同様の計算式にて相関係数を求める。
すなわち、例えば残りの周波数帯域のうち最も小さい帯域がｆ２とすると，このｆ２の強さを基準とする相関係数Ｃ２を、数式８を用いて求める。
【００４９】
【数８】
【００５０】
そして、第一回目の帯域抽出と同様にして、この相関係数Ｃ２の値によって強相関の帯域を抽出する。
以上に示した手順によって順次、相関係数に基づき周波数帯域を大局的に分類する。そして、強相関帯域がなくなった時点で、即ち、グループ化すべき周波数帯域が無くなって時点で、残りの周波数帯域は一つの抽出領域とし、帯域分割を完了する。
【００５１】
次に、分割した周波数帯域毎にそれぞれをフーリエ逆変換することによって各帯域の時系列波形データを得る（ステップＢ１０４）。すなわち、周波数成分をＦ（ｗ）、時系列波形データＶ（ｔ）とし、数式９により、時系列波形データの再構成を行う。なお、これは一般的なフーリエ逆変換である。これにより、帯域別波形が求まる。
【００５２】
【数９】
【００５３】
より詳しく説明するために、上記ワンショット法における劣化傾向の判定において、最初に注意判定ラインを超えた時点である、時間波形３（解析時間帯（ｃ））についての相関係数を例に挙げて説明する。
【００５４】
図８は、各中心周波数ｆ１〜ｆｎの強さを基準とし、他の中心周波数の帯域の強さとの相関係数を例示した表である。この表から分かるように、周波数帯域ｆ１と強相関であるのは帯域ｆ２（相関係数：０．７）、帯域ｆ３と強相関であるのは帯域ｆ５（相関係数：０．８）、帯域ｆ４と強相関であるのは帯域ｆｎ（相関係数：０．７）、などである。強相関同士の帯域を順次、グループ化すると、全帯域を大局的に分類することができる。
【００５５】
ここで、時間波形３の例において、前述した手法によりグループ分けを下結果、グループ１〜グループ４までの４つのグループに分類されたとする。
次に、これら４つの強相関周波数帯域グループごとに、前述した数式９に従ってフーリエ逆変換を施し、グループごとの時系列波形データを再構成する。図９は、各グループをフーリエ逆変換し、時系列波形データとして再構成した様子を表すグラフである。右側の時系列波形データを分析し、対象設備の劣化の具体的内容を診断する。
【００５６】
この時間波形３の結果に関しては、次の３点の特徴が見て取れる。（１）グループ１は対象設備であるポンプの回転周期に同期した間欠的な波形である。（２）グループ２は、グループ１の回転の約２倍の周期であって、若干うなりのような波形が見られる。（３）グループ３とグループ４は、いわゆるガウス性ノイズである。
【００５７】
図１０は、上記ワンショット法における時間波形２（解析時間帯（ｂ））における図９と同様の計算結果のグラフである。こちらの時間波形データは、４つのグループに大局分類された上記時間波形３の場合と異なり、グループ５〜グループ７の３つのグループに分類された。グループ５、６、７はそれぞれ、時間波形３におけるグループ１、３、４の内容に相当している。従って、グループ２の波形が、時間波形３の時点で新たに発生したわけである。
【００５８】
このグループ２の波形、すなわちうなりに似た周期的な振動波形が異常の兆候と診断される。さらに、ポンプの異常についてすでに知られている知識から、このポンプのベアリングの微細な組み立て不良に起因した異常か、保持器の不良が増幅してきたことなどを推定することが可能である。
【００５９】
結果的に、選択的波形による判定方法では、フーリエ分割された周波数帯域相互間の相関係数を求め、強相関のものをグループ化することによって分類し、そのグループごとにフーリエ逆変換によって時系列波形データに再構成することによって、劣化傾向が認められる時点の波形データから具体的な劣化の内容について詳細に推察することが可能となった。
【００６０】
なお、この選択的波形による判定においては、解析時間帯δに属するいずれかの分割時間帯ΔＩを対象として処理を行えばよい。また、解析時間帯δの長さによっては、解析時間帯δを部分時間帯ΔＩに分割しなくてもよい。その場合は、解析時間帯δ＝分割時間帯ΔＩとなる。
【００６１】
＝＝＝２つの方法の組み合わせ＝＝＝
上記したワンショット法、および選択的波形による判定方法は、それぞれ、対象設備の故障時期の推定、および具体的な劣化内容の特定について非常に有効である。両者を組み合わせると、一段と詳細、正確な劣化傾向の総合的管理を行うことができる（ステップｃ１００：図１）。
【００６２】
具体的には、ワンショット法における主成分得点群の原点距離Ｗを表示する図７のグラフ、および選択的波形による判定の方法における周波数帯域グループごとに分類した時系列波形を表示する図９のグラフ等を常にモニターしていればよい。
【００６３】
図７の原点距離Ｗのグラフにおいて、注意判定ラインを超えたときには特に注意をして図９のグラフを観察し、特別な波形が現れていないかを早急に発見する。発見した場合には、その波形が示す具体的な異常の内容についてすでに知られている対象設備についての知識を元に推定する。このようにすれば、一段と詳細、正確な劣化傾向の総合的管理を行うことができる。
【００６４】
＝＝＝劣化傾向管理装置＝＝＝
上記したワンショット法、および選択的波形による判定方法を中心的な機能として組み込んだ、対象設備を診断するための装置たる劣化傾向管理装置を実現することも可能である。図１１は、そのハードウェア構成の一例を示すブロック図である。
【００６５】
劣化傾向管理装置１０は、対象設備の音響データや振動データを採取するための加速度計などのセンサ１２、Ａ／Ｄ変換器１４、フーリエ変換器１６、ワンショット法および選択的波形による判定方法のプログラムがインストールされるなどしたメイン計算機２０、表示・出力装置１８などから構成される。
【００６６】
センサ１２、Ａ／Ｄ変換器１４、フーリエ変換器１６などは市販のものを用いればよい。表示・出力装置からは、上記の図７のグラフ、および図９のグラフなどが表示・出力される。そのほかにも適宜、図６のグラフなどが表示されることとすれば、より好ましい。
【００６７】
＝＝＝変形例など＝＝＝
なお、上記実施形態においては、入力された信号の周波数分布を求めるためにフーリエ変換を利用したが、ウェーブレット変換などの方法を利用することとしてもよい。
【００６８】
【発明の効果】
本発明によれば、分析対象となる音響・振動データ等が暗騒音や外乱に埋もれた場合であっても、正確に対象設備の診断を行うことができる。
【図面の簡単な説明】
【図１】本発明の処理の流れを示すフロー図である。
【図２】ポンプの振動データについて、初期状態（正常状態）での時間波形（ａ）から順に時間経過１（ｂ）、２（ｃ）、３（ｄ）における時間波形を示す。
【図３】解析時間帯δと分割時間帯ΔＩとの関係を示す概念図である。
【図４】ある時間波形について、時間方向、周波数方向の分割の様子を分かりやすく示した説明図である。
【図５】ある時間波形について、時間方向、周波数方向の分割の様子を分かりやすく示した表である。
【図６】各解析時間帯（ａ〜ｄ）において、求められた主成分得点をプロットした図である。
【図７】原点距離を縦軸にとって、その時間推移を描いたグラフである。
【図８】時間波形３における周波数帯域間の相関係数一覧を示す表である。
【図９】各帯域グループをフーリエ逆変換し、時系列波形データとして再構成した様子を表すグラフである。
【図１０】時間波形２に対する、図９と同様の計算結果を示すグラフである。
【図１１】本発明の劣化傾向管理装置の一実施例を示すハードウェア構成ブロック図である。
【符号の説明】
１０ 劣化傾向管理装置
１２ センサ
１４ Ａ／Ｄ変換器
１６ フーリエ変換器
１８ 表示・出力装置
２０ メイン計算機
【発明の属する技術分野】
本発明は、音響データや振動データ等の波形データに基づいて対象設備の診断を行う方法、そのコンピュータプログラム、および対象設備を診断するための装置に関する。
【０００２】
【従来の技術】
プラント等の現場では、様々な機器・設備が稼動している。このため、管理の対象となる設備からのみ、音響あるいは振動データを採取しようとしても、他の機器や周りからの騒音などが混入してしまう。
【０００３】
また、管理の対象となる設備の運転条件の変動や運転の時間経過などの影響によって、機器の状態は正常であっても、音響あるいは振動データが変動してしまうこともある。このような外乱が存在しても管理対象設備の状態を安定して把握することが求められる。
【０００４】
採取される音響あるいは振動データには上述のような外乱を含んでいるために、管理の対象となる設備の状態変化に対応して、データの波形や周波数分布には明白な特徴が現れない。よって、管理対象設備の状態変化を正確に把握してトレンド監視を定量的に行ったり、危険状態に達する時期を予測したりするのは困難である。例えば、ころがり軸受の故障の初期段階では、ボールや内・外輪に圧痕が生じ、微細傷が進行してゆくが、この初期段階で発生する音響や振動は、そのエネルギーが微小すぎるために波形や周波数分布の明らかな相違としては現れないのである。
【０００５】
すべり軸受でも事情は同じであり、ホワイトメタルのはく離や偏磨耗が生じる場合も、それが軽微なときには検出できない。軽微な段階で発見できれば、その損傷個所を補修して安全に復旧できるが、従来手法で検知できるほどに異常状態が進行すると多大な補修あるいは新規部品との交換が必要になったり、生産効率が大きく低下したりする恐れがある。
【０００６】
従来技術では、たとえば振動値の劣化傾向管理法としてはオーバーオール値の傾向管理、劣化指標の傾向管理、スペクトル傾向管理などがある。オーバーオール値傾向管理法は、低周波領域（１０Ｈｚ〜１ｋＨｚ）、中間周波数領域（１〜１０ｋＨｚ）、および高周波数領域（１０ｋＨｚ以上）における振動計などの読み値の時間経過を蓄積することによって、傾向管理を行うものである。その際周波数領域毎の振動計の読み値に限界値を設定しておき、故障の有無などの判定を行っている。劣化指標を用いた傾向管理法は、振動波形の特徴を表す無次元パラメータの値をプロットしていくものである。この無次元パラメータとしては、波形率、波高率、衝撃指数、間げき率、クートシス値などがある。スペクトル傾向管理は、特定の機械要素の異常に対応する周波数コンポーネントの高さを時間経過に対してプロットするものである。ここで、この周波数コンポーネントの高さに応じて、「注意レベル」や「危険レベル」と見なされる範囲を予め設定しておくことによって危険レベルに達する時点の予測を行おうとするものである。
【０００７】
また、周波数分布を分割し主成分分析を適用することにより、主成分得点という形で特徴量を抽出し、これらをマッピングすることによって異常判断を行うという手法が各種提案されている。しかしながら、これらの手法では得られる主成分得点を抽出しプロットするのであるが、時間経過とともに主成分得点座標の原点周りに次第に分散していくのが観測されるのみであり、対象物の状態変化に対応した定量化は困難であるだけでなく、時間波形の情報が消えていることもあり、異常判断の指標としては不十分である。
【０００８】
特開平７−２１９５８１には、対象音源設備、周辺の未知の暗騒音の変動の中に埋もれた小さな異常音を感知し、運転員に注意を早期に促す音響信号の識別方法と装置についての発明が記載されている。この発明は、音響データの特徴抽出として主成分分析を用いるが、その際、暗騒音の変動は大局的であることに着目し、ケプストラム分析によって得られる大局的スペクトルを主成分分析し、２つの主成分分析結果を総合的に判断するものである。マイクからの音響をそのまま主成分分析し、第１主成分〜第ｎ主成分得点を主成分座標系にマッピングし、通常運転時の主成分データベースと比較を行う。そして当該データベースの領域内にあるか否かによって異常判断を行う。もし当該領域外になり異常になった場合には暗騒音の変動による影響が考えられるので、上記ケプストラム分析により得られた大局的スペクトルに対する主成分分析結果に基づき判定を修正するというものである。
【０００９】
この発明では、その都度得られる音響データあるいは大局的スペクトルを主成分分析する。正常時にその時の音響データを主成分分析した結果をマッピングして正常時主成分データベースとして標準値とする。検査対象時点で主成分分析し、得られた得点をプロットして、上記標準値と比較を行うのであるが、検査開始時から時間を追うに従い、プロットされた点の集合が主成分得点座標の原点周りに次第に分散してゆくだけであって、これでは対象設備の運転時間経過に対応した状態変化の正確な把握が困難である。
【００１０】
また、特開平１０−３３９６６４には、主成分分析法で正常と判断された時に、振動波に埋もれた小さな異常を検出することのできる監視装置お呼び方法が記載されている。
【００１１】
この発明は、主成分分析による判断で正常であった場合には、さらに因子分析を適用して異常判断を行うというものである。主成分分析自体は、上記先行文献と同様の主成分分析であって、検査開始時から時間を追うに従い、プロットされた点の集合が主成分得点座標の原点周りに次第に分散してゆくだけであって、これでは対象設備の運転時間経過に対応した状態変化の正確な把握が困難である。
【００１２】
また、特開平１１−１１７８７５には、監視員の判断に近いコンプレッサの異常検知を行えるようにする、音響によるコンプレッサの監視装置が記載されている。
【００１３】
この発明は、やはり同様の主成分分析を適用するものであるが、マイクをコンプレッサの吸気弁、排気弁近くに置くこと、周波数帯域の分割が１／６〜１／１２オクターブに分割することを特徴としている。したがって、ここでもその都度、その都度主成分分析を実行してマッピングするだけであるので、検査開始時から時間を追うに従い、プロットされた点の集合が主成分得点座標の原点周りに次第に分散してゆくだけであって、これでは対象設備の運転時間経過に対応した状態変化の正確な把握が困難である。
【００１４】
【発明が解決しようとする課題】
以上のような従来の技術が有する種々の問題点を解決すべく、本発明は、分析対象となる音響・振動データが暗騒音や外乱に埋もれた場合であっても、正確に対象設備の診断を行うことのできる方法等を提供することを目的とする。特に、対象設備の劣化が危険レベルに達する時期を正確に推定することができる、あるいは劣化の具体的な内容を特定することができるような、劣化傾向の管理方法等を提供することを目的とする。
【００１５】
【課題を解決するための手段】
上記の課題を解決するために、本願第１の発明では、対象となる設備の波形データを、該設備が正常な時点を含む複数の時間帯において取得するステップと、前記複数の時間帯それぞれの前記波形データの一部を解析時間とし、該解析時間帯を、分割時間帯に分割し、該分割時間帯をＴ個の時間帯に分割するステップと、前記Ｔ個の時間帯それぞれについて、前記波形データをフーリエ変換して、分割された周波数帯域毎の強さを求めるステップと、前記周波数帯域毎の強さを標準化するステップと、前記標準化された周波数帯域毎の強さを用いて、前記分割時間帯毎の主成分得点を求めるステップと、を有し、対象設備を診断する方法であって、前記分割時間帯毎の主成分得点を求めるステップにおいて、主成分得点を求める際に使用する固有ベクトルは、前記設備が正常な時点における固有ベクトルであることを特徴とする。
【００１６】
このような第１の発明によれば、対象設備の劣化傾向を時系列的に把握する劣化傾向管理において、主成分得点の集合が主成分得点座標の原点周りに次第に分散してゆくだけではなく、主成分得点の集合の重心位置が原点から遠ざかる様子が明確に示されるため、対象設備の劣化が危険レベルに達する時期を正確に推定することができる。
【００１７】
また、本願第２の発明では、対象となる設備の波形データを、該設備が正常な時点を含む複数の時間帯において取得するステップと、前記複数の時間帯それぞれの前記波形データの一部を解析時間とし、該解析時間帯をＴ個の時間帯に分割するステップと、前記Ｔ個の時間帯それぞれについて、前記波形データをフーリエ変換して、分割された周波数帯域毎の強さを求めるステップと、前記周波数帯域毎の強さを標準化するステップと、１つ以上の前記複数の時間帯について、前記標準化された周波数帯域毎の強さを用いて、各周波数帯域間の相関係数を求めるステップと、前記各周波数帯域間の相関係数に基づいて、強相関の周波数帯域同士をグループ化することによって、１つないし複数の周波数帯域群に分類するステップと、前記分類された周波数帯域群ごとに、逆フーリエ変換により時系列の波形データを再構成するステップと、を有することを特徴とする。
このような第２の発明によれば、対象設備の劣化の具体的な内容を容易に特定することができる。
【００１８】
また、本願第３の発明では、第１の発明における方法と、第２の発明における方法とを、併せて行うことを特徴とする。
このような第３の発明によれば、第１の発明により、対象設備の劣化が危険レベルに達する時期を正確に推定することができるとともに、第２の発明により、対象設備の劣化の具体的な内容を特定することができるため、よりいっそう正確に対象設備の劣化傾向管理を行うことができる。
【００１９】
【発明の実施の形態】
＝＝＝開示の概要＝＝＝
本明細書の記載、及び添付図面により、少なくとも次の事項が明らかとされている。
【００２０】
対象となる設備の波形データを、該設備が正常な時点を含む複数の時間帯において取得するステップと、前記複数の時間帯それぞれの前記波形データの一部を解析時間とし、該解析時間帯を、分割時間帯に分割し、該分割時間帯をＴ個の時間帯に分割するステップと、前記Ｔ個の時間帯それぞれについて、前記波形データをフーリエ変換して、分割された周波数帯域毎の強さを求めるステップと、前記周波数帯域毎の強さを標準化するステップと、前記標準化された周波数帯域毎の強さを用いて、前記分割時間帯毎の主成分得点を求めるステップと、を有し、対象設備を診断する方法であって、前記分割時間帯毎の主成分得点を求めるステップにおいて、主成分得点を求める際に使用する固有ベクトルは、前記設備が正常な時点における固有ベクトルであることを特徴とする方法（第１の方法）。
【００２１】
前記の方法において、前記求められた主成分得点の分布を、前記正常な時点を含む複数の時間帯について求めるステップを有することとしてもよい。
前記の方法において、前記求められた主成分得点の原点からの距離の頻度分布を、前記正常な時点を含む複数の時間帯について求めるステップと、前記頻度分布のピーク値を構成する、原点からの距離を特定するステップと、を有することとしてもよい。
前記の方法において、前記対象となる設備の波形データは、振動データであることとしてもよい。
前記の方法において、前記対象となる設備の波形データは、音響データであることとしてもよい。
【００２２】
対象となる設備の波形データを、該設備が正常な時点を含む複数の時間帯において取得するステップと、前記複数の時間帯それぞれの前記波形データの一部を解析時間とし、該解析時間帯をＴ個の時間帯に分割するステップと、前記Ｔ個の時間帯それぞれについて、前記波形データをフーリエ変換して、分割された周波数帯域毎の強さを求めるステップと、前記周波数帯域毎の強さを標準化するステップと、１つ以上の前記複数の時間帯について、前記標準化された周波数帯域毎の強さを用いて、各周波数帯域間の相関係数を求めるステップと、前記各周波数帯域間の相関係数に基づいて、強相関の周波数帯域同士をグループ化することによって、１つないし複数の周波数帯域群に分類するステップと、前記分類された周波数帯域群ごとに、逆フーリエ変換により時系列の波形データを再構成するステップと、を有することを特徴とする、対象設備を診断する方法（第２の方法）。
【００２３】
前記の方法において、前記分割された周波数帯域のうち、最も低い周波数帯域の、前記標準化された帯域の強さを基準として、相関係数を求めるステップと、この相関係数に基づいて、強相関の周波数帯域同士をグループ化するステップと、グループされた周波数帯域以外の周波数帯域のうち、最も低い周波数帯域の、前記標準化された帯域の強さを基準として相関係数を求め、この相関係数に基づいて、強相関の周波数帯域同士をさらにグループ化するステップと、を有することとしてもよい。
前記の方法において、グループ化すべき周波数帯域が無くなるまで、既にグループされた周波数帯域以外の周波数帯域のうち、最も低い周波数帯域の、前記標準化された帯域の強さを基準として相関係数を求め、この相関係数に基づいて、強相関の周波数帯域同士をさらにグループ化するステップを繰り返すこととしてもよい。
前記の方法において、前記解析時間帯を、分割時間帯に分割し、該分割時間帯をＴ個の時間帯に分割することとしてもよい。
前記の方法において、前記対象となる設備の波形データは、振動データであることとしてもよい。
前記の方法において、前記対象となる設備の波形データは、音響データであることとしてもよい。
【００２４】
前記の第１の方法と、前記第２の方法とを併せて行うことこととしてもよい。
前記第１の方法において、前記距離の頻度分布が、所定の状態に至った際に、初めて、前記第２の方法を適用とすることとしてもよい。
前記第１の方法を実現するためのコンピュータプログラム。
前記第２の方法を実現するためのコンピュータプログラム。
対象となる設備のデータを取得するためのセンサ、フーリエ変換部、メイン計算機、および表示出力装置を備えた、対象設備を診断するための装置であって、該装置は、前記第１の方法を実行することを特徴とする。
対象となる設備のデータを取得するためのセンサ、フーリエ変換部、メイン計算機、および表示出力装置を備えた、対象設備を診断するための装置であって、該装置は、前記第２の方法を実行することを特徴とする。
【００２５】
添付の図面を参照しつつ、本発明の実施の形態について、さらに詳細に説明する。本発明に係る診断方法としての劣化傾向管理方法は、大きく２つの部分に分けることができる。
一方は、対象設備の劣化が本格的な「危険レベル」に入る時期を推定するための方法であり、他方は、劣化の具体的な内容を特定するための方法である。両者を適切に組み合わせることによって、最も正確に対象設備の劣化傾向管理を行うことのできる方法が提供される。
【００２６】
＝＝＝前処理＝＝＝
図１は本発明の劣化傾向管理方法の、前処理段階（ステップＰ１００〜１０４）、劣化時期を推定する方法（以下、「ワンショット法」ともいう）（ステップＡ１００〜１０８）、劣化の具体的な内容を特定するための方法（以下、「選択的波形による判定」ともいう）（ステップＢ１００〜１０６）、及び、ワンショット法の結果および選択的波形による判定の結果を総合判断する（ステップＣ１００）までの処理の流れを示すフロー図である。
【００２７】
まず、上記２つの傾向管理方法に共通の前処理段階（ステップＰ１００〜１０４）について説明する。
図２は、対象となる設備の一例としてのポンプに取り付けた加速度計等のセンサを用いて採取された、振動データの時間波形を示した図である。図２（ａ）は、初期状態（正常状態）での時間波形であり、図２（ｂ）は、初期状態から所定時間１だけ経過した状態での時間波形であり、図２（ｃ）は、初期状態から所定時間２だけ経過した状態での時間波形であり、図２（ｄ）は、初期状態から所定時間３だけ経過した状態での時間波形である（ここで、所定時間１＜所定時間２＜所定時間３）。
【００２８】
図２（ａ）〜図２（ｄ）を見て分かるように、採取された振動データの波形の強さや形からは、時間経過に伴う対象設備たるポンプの状態変化に関する差異は見て取れない。これは、ポンプの周囲にある他の機器の騒音・振動等が、採取された振動データに含まれているからである。
そこで、各時間波形（図２（ａ）〜図２（ｄ））について、解析時間帯δを決め、解析時間帯δの振動データ波形についてフーリエ変換を施し周波数分布の時間変化を得る（ステップＰ１０２）。この際、図３に示すように、解析時間帯δを幾つかの分割時間帯ΔＩを分割し、更に、分割時間帯ΔＩをＴ個の時間帯に分け、このＴ個の時間帯毎にフーリエ変換を施す。
次に、フーリエ変換後の各周波数分布について、得られた各周波数帯域をあらかじめ設定したｎ個の帯域に分割する（ステップＰ１０４）。
【００２９】
＝＝＝劣化時期を推定する方法＝＝＝
次に、ワンショット法 （ステップＡ１００〜１０８）について説明する。
前述したように、ステップＰ１０２においてフーリエ変換によって得た周波数分布は、すべてｎ個の帯域に細分化する。また、ｎ個に分割された各帯域における振動データの強さをＸｉｊアンダーバー（ｉ＝１、・・・Ｔ：時間軸の分割）、（ｊ＝１、・・・ｎ：周波数軸の分割）とし、その中心周波数をｆｊ（ｊ＝１〜ｎ）とする。
【００３０】
図４および図５は、ある時間波形（図２（ａ）〜図２（ｄ）のうちのいずれか）について、それぞれ上記の時間方向、周波数方向の分割の様子を分かりやすく示した説明図と表である。
【００３１】
図４は、ある時間波形（図２（ａ）〜図２（ｄ）のうちのいずれか）について、解析時間帯δを幾つかの分割時間帯ΔＩを分割し、更に、分割時間帯ΔＩをＴ個の時間帯に分け、このＴ個の時間帯毎にフーリエ変換を施したものであり、横軸は周波数ｆを示し、縦軸は強さＸｉｊアンダーバーを示している。図４に示すように、分割時間帯ΔＩを対象としてフーリエ変換を行うと、Ｔ個の波形が得られる。
【００３２】
ここで、以下の数式１〜数式３によって、標準化された強さデータＸｉｊが求められる。
【数１】
かかる演算により、図５に示すように、周波数帯域（中心周波数）毎に、かつ、Ｔ個に分割された時間帯毎に、標準化された強さデータＸｉｊが求められる。この標準化された強さデータをベクトルで表して、このベクトルをＸとする。 各解析時間帯δの中の分割時間帯ΔＩにおける主成分得点ＺΔＩは、図２（ａ）に示す時間波形、すなわち初期状態（正常状態）における固有ベクトルＡａを用いて次の数式４で求めることができる。
【００３４】
【数４】
ＺΔＩ（ベクトル）＝（ＺΔＩ１、ＺΔＩ２、…、ＺΔＩｍ）とし、
Ｘ（ベクトル＝（Ｘ１、Ｘ２、…、Ｘｎ）として、数式４を書き下すと、次のようになる。
第１主成分得点 ＺΔＩ１＝ ａ１１Ｘ１＋ａ１２Ｘ２＋…＋ａ１ｎＸｎ
第２主成分得点 ＺΔＩ２＝ ａ２１Ｘ１＋ａ２２Ｘ２＋…＋ａ２ｎＸｎ
……
第ｍ主成分得点 ＺΔＩｍ＝ ａｍ１Ｘ１＋ａｍ２Ｘ２＋…＋ａｍｎＸｎ
【００３５】
ここで、この各時間波形の状態における固有ベクトルＡａ、Ａｂ、Ａｃ、Ａｄは、標準化された強さのデータから数式５で求められる相関行列Ｃ、および数式６の固有方程式とから求められる。
【数５】
【００３６】
しかしながら、本実施の形態では、どの時間波形（図２（ａ）〜図２（ｄ））における、各解析時間帯δの中の分割時間帯ΔＩの主成分得点を求める際にも、初期状態における固有ベクトルＡａを用いることを特徴としている。その結果、主成分得点の時間的推移が明確に現れるようになり、その結果、対象設備の故障時期を正確に推定することが可能となった。
【００３７】
図６（ａ）〜図６（ｄ）は、図２（ａ）〜図２（ｄ）に示す各解析時間帯において、求められた第１主成分得点及び第２主成分得点（ＺΔＩ、ＺΔ２）をプロットした図であり、主成分得点の分布を示す図である。図６（ａ）は初期状態（正常状態）の解析例であり、図６（ｂ）は、初期状態から所定時間１だけ経過した状態の解析例であり、図６（ｃ）は、初期状態から所定時間２だけ経過した状態の解析例であり、図６（ｄ）は、初期状態から所定時間３だけ経過した状態の解析例である。
【００３８】
また、図６（ａ）〜図６（ｄ）には、第１主成分得点及び第２主成分得点により特定される点の原点からの距離の頻度分布も併せて示している。
【００３９】
図６（ａ）における、頻度分布のピーク値を構成する、原点からの距離は、ゼロである。図６（ｂ）における、頻度分布のピーク値を構成する、原点からの距離をＷ１、図６（ｃ）における、頻度分布のピーク値を構成する、原点からの距離をＷ２、図６（ｄ）における、頻度分布のピーク値を構成する、原点からの距離をＷ３、とすると、０＜Ｗ１＜Ｗ２＜Ｗ３ となっている。すなわち、図６（ａ）→図６（ｂ）→図６（ｃ）→図６（ｄ）と時間が経過するにつれて、頻度分布のピーク値を構成する、原点からの距離が次第に大きくなっていることが分かる。
【００４０】
横軸に時間軸を、縦軸に、頻度分布のピーク値を構成する、原点からの距離Ｗをとって示したグラフが図７である。グラフには、あらかじめ設定した「注意判定ライン」および「異常判定の閾値」が設けられている。時間経過１および２では距離Ｗ１、Ｗ２が注意判定ライン以下であって、正常状態であることが判定される。一方時間経過３では、距離Ｗ３が注意判定ラインを超えていることが分かる。
【００４１】
Ｗ３より右側の点線に示すように、異常判定の閾値に到達する時刻の点を外挿することによって、この劣化管理対象設備（ポンプ）が故障にいたる時期の推定を正確に行うことができる。
【００４２】
なお、前述した例では、第１主成分得点及び第２主成分得点（ＺΔＩ、ＺΔ２）を用いたが、より多くの主成分得点、例えば、第１主成分得点から第３主成分得点、を用いてもよい。
【００４３】
＝＝＝劣化の具体的な内容を特定するための方法＝＝＝
次に、選択的波形による判定（ステップＢ１００〜Ｂ１０６：図１）について説明する。
前述したように、ステップＰ１０２においてフーリエ変換によって得た周波数分布は、すべてｎ個の帯域に細分化する。このように分割された振動データの強さをＸｉｊアンダーバー（ｉ＝１、・・・Ｔ：時間軸の分割）、（ｊ＝１、・・・ｎ：周波数軸の分割）とし、その中心周波数をｆｊ（ｊ＝１〜ｎ）とする。その具体的なイメージは図４、図５に示したとおりである。
【００４４】
まず、ワンショット法のときと同様に数式１〜数式３によって、標準化された強さデータＸｉｊが求められる。この標準化されたデータをベクトルで表して、ベクトルＸとする。
【００４５】
次に、帯域間の強さの相関係数を指標にして帯域を分類する。具体的には帯域ｆ１の強さを基準にした他の帯域での強さとの相関係数Ｃ１を、数式７を用いて求める（ステップＢ１００）。なお、数式７において、Ｘ１は、Ｘ１１、Ｘ２１、Ｘ３１、…、ＸＴ１を成分とするベクトルであり、Ｘｐは、Ｘ１ｐ、Ｘ２ｐ、Ｘ３ｐ、…、ＸＴｐ（ｐ＝１、２、…、ｎ）を成分とするベクトルである。また、前述したベクトルＸとの関係においては、ベクトルＸが、ベクトルＸ１、Ｘ２、Ｘ３、…、ＸＴを成分として有することとなる。
【００４６】
【数７】
かかる演算により、帯域ｆ１を基準にした帯域ｆ２の相関係数Ｃ１、帯域ｆ１を基準にした帯域ｆ３の相関係数Ｃ１、帯域ｆ１を基準にした帯域ｆ３の相関係数Ｃ１、…、帯域ｆ１を基準にした帯域ｆｎの相関係数Ｃ１が得られる。
そして、この帯域ｆ１を基準にした相関係数Ｃ１の値を指標として、帯域を分類する（ステップＢ１０２）。例えば、３つに分類する場合、弱相関 ０〜０．４未満、中相関 ０．４以上０６未満、 強相関 ０．６以上、のように定義し、帯域ｆ１〜帯域ｆｎのうちから、強相関の帯域を抽出する。これを第一回目の帯域抽出とする。
【００４８】
次にｆ１帯域と相関が強い帯域を削除した残りの周波数帯域に関して、上記と同様な手順により第２回目の抽出を行う。このときは、当該残りの帯域のうち最も小さい帯域を基準として数式７と同様の計算式にて相関係数を求める。
すなわち、例えば残りの周波数帯域のうち最も小さい帯域がｆ２とすると，このｆ２の強さを基準とする相関係数Ｃ２を、数式８を用いて求める。
【００４９】
【数８】
そして、第一回目の帯域抽出と同様にして、この相関係数Ｃ２の値によって強相関の帯域を抽出する。
以上に示した手順によって順次、相関係数に基づき周波数帯域を大局的に分類する。そして、強相関帯域がなくなった時点で、即ち、グループ化すべき周波数帯域が無くなって時点で、残りの周波数帯域は一つの抽出領域とし、帯域分割を完了する。
【００５１】
次に、分割した周波数帯域毎にそれぞれをフーリエ逆変換することによって各帯域の時系列波形データを得る（ステップＢ１０４）。すなわち、周波数成分をＦ（ｗ）、時系列波形データＶ（ｔ）とし、数式９により、時系列波形データの再構成を行う。なお、これは一般的なフーリエ逆変換である。これにより、帯域別波形が求まる。
【００５２】
【数９】
より詳しく説明するために、上記ワンショット法における劣化傾向の判定において、最初に注意判定ラインを超えた時点である、時間波形３（解析時間帯（ｃ））についての相関係数を例に挙げて説明する。
【００５４】
図８は、各中心周波数ｆ１〜ｆｎの強さを基準とし、他の中心周波数の帯域の強さとの相関係数を例示した表である。この表から分かるように、周波数帯域ｆ１と強相関であるのは帯域ｆ２（相関係数：０．７）、帯域ｆ３と強相関であるのは帯域ｆ５（相関係数：０．８）、帯域ｆ４と強相関であるのは帯域ｆｎ（相関係数：０．７）、などである。強相関同士の帯域を順次、グループ化すると、全帯域を大局的に分類することができる。
【００５５】
ここで、時間波形３の例において、前述した手法によりグループ分けを下結果、グループ１〜グループ４までの４つのグループに分類されたとする。
次に、これら４つの強相関周波数帯域グループごとに、前述した数式９に従ってフーリエ逆変換を施し、グループごとの時系列波形データを再構成する。図９は、各グループをフーリエ逆変換し、時系列波形データとして再構成した様子を表すグラフである。右側の時系列波形データを分析し、対象設備の劣化の具体的内容を診断する。
【００５６】
この時間波形３の結果に関しては、次の３点の特徴が見て取れる。（１）グループ１は対象設備であるポンプの回転周期に同期した間欠的な波形である。（２）グループ２は、グループ１の回転の約２倍の周期であって、若干うなりのような波形が見られる。（３）グループ３とグループ４は、いわゆるガウス性ノイズである。
【００５７】
図１０は、上記ワンショット法における時間波形２（解析時間帯（ｂ））における図９と同様の計算結果のグラフである。こちらの時間波形データは、４つのグループに大局分類された上記時間波形３の場合と異なり、グループ５〜グループ７の３つのグループに分類された。グループ５、６、７はそれぞれ、時間波形３におけるグループ１、３、４の内容に相当している。従って、グループ２の波形が、時間波形３の時点で新たに発生したわけである。
【００５８】
このグループ２の波形、すなわちうなりに似た周期的な振動波形が異常の兆候と診断される。さらに、ポンプの異常についてすでに知られている知識から、このポンプのベアリングの微細な組み立て不良に起因した異常か、保持器の不良が増幅してきたことなどを推定することが可能である。
【００５９】
結果的に、選択的波形による判定方法では、フーリエ分割された周波数帯域相互間の相関係数を求め、強相関のものをグループ化することによって分類し、そのグループごとにフーリエ逆変換によって時系列波形データに再構成することによって、劣化傾向が認められる時点の波形データから具体的な劣化の内容について詳細に推察することが可能となった。
【００６０】
なお、この選択的波形による判定においては、解析時間帯δに属するいずれかの分割時間帯ΔＩを対象として処理を行えばよい。また、解析時間帯δの長さによっては、解析時間帯δを部分時間帯ΔＩに分割しなくてもよい。その場合は、解析時間帯δ＝分割時間帯ΔＩとなる。
【００６１】
＝＝＝２つの方法の組み合わせ＝＝＝
上記したワンショット法、および選択的波形による判定方法は、それぞれ、対象設備の故障時期の推定、および具体的な劣化内容の特定について非常に有効である。両者を組み合わせると、一段と詳細、正確な劣化傾向の総合的管理を行うことができる（ステップｃ１００：図１）。
【００６２】
具体的には、ワンショット法における主成分得点群の原点距離Ｗを表示する図７のグラフ、および選択的波形による判定の方法における周波数帯域グループごとに分類した時系列波形を表示する図９のグラフ等を常にモニターしていればよい。
【００６３】
図７の原点距離Ｗのグラフにおいて、注意判定ラインを超えたときには特に注意をして図９のグラフを観察し、特別な波形が現れていないかを早急に発見する。発見した場合には、その波形が示す具体的な異常の内容についてすでに知られている対象設備についての知識を元に推定する。このようにすれば、一段と詳細、正確な劣化傾向の総合的管理を行うことができる。
【００６４】
＝＝＝劣化傾向管理装置＝＝＝
上記したワンショット法、および選択的波形による判定方法を中心的な機能として組み込んだ、対象設備を診断するための装置たる劣化傾向管理装置を実現することも可能である。図１１は、そのハードウェア構成の一例を示すブロック図である。
【００６５】
劣化傾向管理装置１０は、対象設備の音響データや振動データを採取するための加速度計などのセンサ１２、Ａ／Ｄ変換器１４、フーリエ変換器１６、ワンショット法および選択的波形による判定方法のプログラムがインストールされるなどしたメイン計算機２０、表示・出力装置１８などから構成される。
【００６６】
センサ１２、Ａ／Ｄ変換器１４、フーリエ変換器１６などは市販のものを用いればよい。表示・出力装置からは、上記の図７のグラフ、および図９のグラフなどが表示・出力される。そのほかにも適宜、図６のグラフなどが表示されることとすれば、より好ましい。
【００６７】
＝＝＝変形例など＝＝＝
なお、上記実施形態においては、入力された信号の周波数分布を求めるためにフーリエ変換を利用したが、ウェーブレット変換などの方法を利用することとしてもよい。
【００６８】
【発明の効果】
本発明によれば、分析対象となる音響・振動データ等が暗騒音や外乱に埋もれた場合であっても、正確に対象設備の診断を行うことができる。
【図面の簡単な説明】
【図１】本発明の処理の流れを示すフロー図である。
【図２】ポンプの振動データについて、初期状態（正常状態）での時間波形（ａ）から順に時間経過１（ｂ）、２（ｃ）、３（ｄ）における時間波形を示す。
【図３】解析時間帯δと分割時間帯ΔＩとの関係を示す概念図である。
【図４】ある時間波形について、時間方向、周波数方向の分割の様子を分かりやすく示した説明図である。
【図５】ある時間波形について、時間方向、周波数方向の分割の様子を分かりやすく示した表である。
【図６】各解析時間帯（ａ〜ｄ）において、求められた主成分得点をプロットした図である。
【図７】原点距離を縦軸にとって、その時間推移を描いたグラフである。
【図８】時間波形３における周波数帯域間の相関係数一覧を示す表である。
【図９】各帯域グループをフーリエ逆変換し、時系列波形データとして再構成した様子を表すグラフである。
【図１０】時間波形２に対する、図９と同様の計算結果を示すグラフである。
【図１１】本発明の劣化傾向管理装置の一実施例を示すハードウェア構成ブロック図である。
【符号の説明】
１０ 劣化傾向管理装置
１２ センサ
１４ Ａ／Ｄ変換器
１６ フーリエ変換器
１８ 表示・出力装置
２０ メイン計算機
Claims (17)
- 対象となる設備の波形データを、該設備が正常な時点を含む複数の時間帯において取得するステップと、
前記複数の時間帯それぞれの前記波形データの一部を解析時間とし、該解析時間帯を、分割時間帯に分割し、該分割時間帯をＴ個の時間帯に分割するステップと、
前記Ｔ個の時間帯それぞれについて、前記波形データをフーリエ変換して、分割された周波数帯域毎の強さを求めるステップと、
前記周波数帯域毎の強さを標準化するステップと、
前記標準化された周波数帯域毎の強さを用いて、前記分割時間帯毎の主成分得点を求めるステップと、を有し、対象設備を診断する方法であって、
前記分割時間帯毎の主成分得点を求めるステップにおいて、主成分得点を求める際に使用する固有ベクトルは、前記設備が正常な時点における固有ベクトルであることを特徴とする方法。 - 請求項１に記載の方法において、
前記求められた主成分得点の分布を、前記正常な時点を含む複数の時間帯について求めるステップを有する。 - 請求項１又は請求項２に記載の方法において、
前記求められた主成分得点の原点からの距離の頻度分布を、前記正常な時点を含む複数の時間帯について求めるステップと、
前記頻度分布のピーク値を構成する、原点からの距離を特定するステップと、
を有する。 - 請求項１乃至請求項３のいずれかに記載の方法において、
前記対象となる設備の波形データは、振動データである。 - 請求項１乃至請求項３のいずれかに記載の方法において、
前記対象となる設備の波形データは、音響データである。 - 対象となる設備の波形データを、該設備が正常な時点を含む複数の時間帯において取得するステップと、
前記複数の時間帯それぞれの前記波形データの一部を解析時間とし、該解析時間帯をＴ個の時間帯に分割するステップと、
前記Ｔ個の時間帯それぞれについて、前記波形データをフーリエ変換して、分割された周波数帯域毎の強さを求めるステップと、
前記周波数帯域毎の強さを標準化するステップと、
１つ以上の前記複数の時間帯について、前記標準化された周波数帯域毎の強さを用いて、各周波数帯域間の相関係数を求めるステップと、
前記各周波数帯域間の相関係数に基づいて、強相関の周波数帯域同士をグループ化することによって、１つないし複数の周波数帯域群に分類するステップと、
前記分類された周波数帯域群ごとに、逆フーリエ変換により時系列の波形データを再構成するステップと、を有することを特徴とする、対象設備を診断する方法。 - 請求項６に記載の方法において、
前記分割された周波数帯域のうち、最も低い周波数帯域の、前記標準化された帯域の強さを基準として、相関係数を求めるステップと、
この相関係数に基づいて、強相関の周波数帯域同士をグループ化するステップと、
グループされた周波数帯域以外の周波数帯域のうち、最も低い周波数帯域の、前記標準化された帯域の強さを基準として相関係数を求め、この相関係数に基づいて、強相関の周波数帯域同士をさらにグループ化するステップと、を有することを特徴とする方法。 - 請求項７に記載の方法において、
グループ化すべき周波数帯域が無くなるまで、
既にグループされた周波数帯域以外の周波数帯域のうち、最も低い周波数帯域の、前記標準化された帯域の強さを基準として相関係数を求め、この相関係数に基づいて、強相関の周波数帯域同士をさらにグループ化するステップを繰り返すことを特徴とする方法。 - 請求項６乃至請求項８のいずれかに記載の方法において、
前記解析時間帯を、分割時間帯に分割し、該分割時間帯をＴ個の時間帯に分割することを特徴とする方法。 - 請求項６乃至請求項９のいずれかに記載の方法において、
前記対象となる設備の波形データは、振動データである。 - 請求項６乃至請求項９のいずれかに記載の方法において、
前記対象となる設備の波形データは、音響データである。 - 請求項１に記載の対象設備を診断する方法と、請求項６に記載の対象設備を診断する方法とを、併せて行うことを特徴とする、対象設備を診断する方法。
- 請求項３に記載の方法において、
前記距離の頻度分布が、所定の状態に至った際に、初めて、請求項６の方法を適用とすることを特徴とする。 - 請求項１に記載の方法を実現するためのコンピュータプログラム。
- 請求項６に記載の方法を実現するためのコンピュータプログラム。
- 対象となる設備のデータを取得するためのセンサ、フーリエ変換部、メイン計算機、および表示出力装置を備えた、対象設備を診断するための装置であって、
該装置は、請求項１に記載の方法を実行することを特徴とする。 - 対象となる設備のデータを取得するためのセンサ、フーリエ変換部、メイン計算機、および表示出力装置を備えた、対象設備を診断するための装置であって、
該装置は、請求項６に記載の方法を実行することを特徴とする。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2002171037A JP3382240B1 (ja) | 2002-06-12 | 2002-06-12 | 対象設備を診断する方法、コンピュータプログラム、および対象設備を診断するための装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2002171037A JP3382240B1 (ja) | 2002-06-12 | 2002-06-12 | 対象設備を診断する方法、コンピュータプログラム、および対象設備を診断するための装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP3382240B1 JP3382240B1 (ja) | 2003-03-04 |
| JP2004020193A true JP2004020193A (ja) | 2004-01-22 |
Family
ID=19195141
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2002171037A Expired - Lifetime JP3382240B1 (ja) | 2002-06-12 | 2002-06-12 | 対象設備を診断する方法、コンピュータプログラム、および対象設備を診断するための装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3382240B1 (ja) |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006292734A (ja) * | 2005-03-15 | 2006-10-26 | Omron Corp | 検査装置用の判定モデル作成支援装置および検査装置ならびに耐久試験装置および耐久試験方法 |
| JP2007051982A (ja) * | 2005-08-19 | 2007-03-01 | Japan Science & Technology Agency | 診断対象物の評価方法および評価装置 |
| JP2007108107A (ja) * | 2005-10-17 | 2007-04-26 | Mitsubishi Electric Corp | 設備診断装置 |
| JP2008175613A (ja) * | 2007-01-17 | 2008-07-31 | Central Res Inst Of Electric Power Ind | 地盤挙動の分析方法、装置及びプログラム |
| JP2008292288A (ja) * | 2007-05-24 | 2008-12-04 | Mitsubishi Electric Engineering Co Ltd | 減速機の軸受診断装置 |
| JP2010193625A (ja) * | 2009-02-18 | 2010-09-02 | Toshiba Corp | 入力電気量の異常兆候判定装置 |
| WO2011108391A1 (ja) * | 2010-03-03 | 2011-09-09 | 旭化成エンジニアリング株式会社 | すべり軸受の診断方法および診断装置 |
| KR101234775B1 (ko) * | 2012-03-09 | 2013-02-20 | (주)씨아이엠씨스 | 장비진단 모델링 장치, 장비진단 모델링 방법, 장비진단장치, 장비진단방법 및 기록매체 |
| WO2014084214A1 (ja) * | 2012-11-29 | 2014-06-05 | 株式会社サタケ | 回転機械のモニタリング装置 |
| JP5753301B1 (ja) * | 2014-08-11 | 2015-07-22 | 山本 隆義 | プラント装置の統括診断方法、及び、プラント装置の統括診断装置 |
| US9110461B2 (en) | 2011-12-28 | 2015-08-18 | Hitachi High-Technologies Corporation | Semiconductor manufacturing equipment |
| JP2016197030A (ja) * | 2015-04-02 | 2016-11-24 | 川崎重工業株式会社 | 音信号の信号処理装置及び方法 |
| JP2017198620A (ja) * | 2016-04-28 | 2017-11-02 | 株式会社明電舎 | 異常診断装置および異常診断方法 |
| JP2019203753A (ja) * | 2018-05-22 | 2019-11-28 | 株式会社ジェイテクト | 転がり軸受の診断方法、及び転がり軸受の診断装置 |
| JP2021056014A (ja) * | 2019-09-27 | 2021-04-08 | 三菱パワー株式会社 | 信号処理装置、信号処理方法およびプログラム |
| KR20220096915A (ko) * | 2020-12-31 | 2022-07-07 | 주식회사 포스코아이씨티 | 진동 및 소리의 주파수를 센싱하는 센서모듈 및 이를 포함하는 설비 모니터링 시스템 |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3780299B1 (ja) * | 2005-06-24 | 2006-05-31 | 独立行政法人科学技術振興機構 | 対象設備の診断方法、コンピュータプログラム、及び、対象設備を診断するための装置 |
| JP7009961B2 (ja) * | 2017-12-04 | 2022-01-26 | 株式会社明電舎 | 異常診断装置および異常診断方法 |
| JP2020067334A (ja) * | 2018-10-23 | 2020-04-30 | 三菱重工業株式会社 | 異常診断装置及び異常診断方法 |
| EP3712577B1 (en) | 2019-03-22 | 2023-07-26 | ABB Schweiz AG | Apparatus for equipment monitoring |
-
2002
- 2002-06-12 JP JP2002171037A patent/JP3382240B1/ja not_active Expired - Lifetime
Cited By (24)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006292734A (ja) * | 2005-03-15 | 2006-10-26 | Omron Corp | 検査装置用の判定モデル作成支援装置および検査装置ならびに耐久試験装置および耐久試験方法 |
| JP2007051982A (ja) * | 2005-08-19 | 2007-03-01 | Japan Science & Technology Agency | 診断対象物の評価方法および評価装置 |
| JP2007108107A (ja) * | 2005-10-17 | 2007-04-26 | Mitsubishi Electric Corp | 設備診断装置 |
| JP2008175613A (ja) * | 2007-01-17 | 2008-07-31 | Central Res Inst Of Electric Power Ind | 地盤挙動の分析方法、装置及びプログラム |
| JP2008292288A (ja) * | 2007-05-24 | 2008-12-04 | Mitsubishi Electric Engineering Co Ltd | 減速機の軸受診断装置 |
| JP2010193625A (ja) * | 2009-02-18 | 2010-09-02 | Toshiba Corp | 入力電気量の異常兆候判定装置 |
| WO2011108391A1 (ja) * | 2010-03-03 | 2011-09-09 | 旭化成エンジニアリング株式会社 | すべり軸受の診断方法および診断装置 |
| US9588015B2 (en) | 2010-03-03 | 2017-03-07 | Asahi Kasei Engineering Corporation | Diagnostic method and diagnostic device for a slide bearing |
| JP5968217B2 (ja) * | 2010-03-03 | 2016-08-10 | 旭化成エンジニアリング株式会社 | すべり軸受の診断方法および診断装置 |
| JP2016048267A (ja) * | 2010-03-03 | 2016-04-07 | 旭化成エンジニアリング株式会社 | すべり軸受の診断方法および診断装置 |
| US9110461B2 (en) | 2011-12-28 | 2015-08-18 | Hitachi High-Technologies Corporation | Semiconductor manufacturing equipment |
| KR101234775B1 (ko) * | 2012-03-09 | 2013-02-20 | (주)씨아이엠씨스 | 장비진단 모델링 장치, 장비진단 모델링 방법, 장비진단장치, 장비진단방법 및 기록매체 |
| JP2014106199A (ja) * | 2012-11-29 | 2014-06-09 | Satake Corp | 回転機械のモニタリング装置 |
| CN104823035A (zh) * | 2012-11-29 | 2015-08-05 | 株式会社佐竹 | 旋转机械的监视装置 |
| WO2014084214A1 (ja) * | 2012-11-29 | 2014-06-05 | 株式会社サタケ | 回転機械のモニタリング装置 |
| JP2016038856A (ja) * | 2014-08-11 | 2016-03-22 | 山本 隆義 | プラント装置の統括診断方法、及び、プラント装置の統括診断装置 |
| JP5753301B1 (ja) * | 2014-08-11 | 2015-07-22 | 山本 隆義 | プラント装置の統括診断方法、及び、プラント装置の統括診断装置 |
| JP2016197030A (ja) * | 2015-04-02 | 2016-11-24 | 川崎重工業株式会社 | 音信号の信号処理装置及び方法 |
| JP2017198620A (ja) * | 2016-04-28 | 2017-11-02 | 株式会社明電舎 | 異常診断装置および異常診断方法 |
| JP2019203753A (ja) * | 2018-05-22 | 2019-11-28 | 株式会社ジェイテクト | 転がり軸受の診断方法、及び転がり軸受の診断装置 |
| JP2021056014A (ja) * | 2019-09-27 | 2021-04-08 | 三菱パワー株式会社 | 信号処理装置、信号処理方法およびプログラム |
| JP7228497B2 (ja) | 2019-09-27 | 2023-02-24 | 三菱重工業株式会社 | 信号処理装置、信号処理方法およびプログラム |
| KR20220096915A (ko) * | 2020-12-31 | 2022-07-07 | 주식회사 포스코아이씨티 | 진동 및 소리의 주파수를 센싱하는 센서모듈 및 이를 포함하는 설비 모니터링 시스템 |
| KR102469614B1 (ko) * | 2020-12-31 | 2022-11-21 | 주식회사 포스코아이씨티 | 진동 및 소리의 주파수를 센싱하는 센서모듈 및 이를 포함하는 설비 모니터링 시스템 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP3382240B1 (ja) | 2003-03-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2004020193A (ja) | 対象設備を診断する方法、コンピュータプログラム、および対象設備を診断するための装置 | |
| Hemmati et al. | Roller bearing acoustic signature extraction by wavelet packet transform, applications in fault detection and size estimation | |
| TWI587294B (zh) | 設備異音的檢測方法及檢測裝置 | |
| JP2005121639A (ja) | 検査方法および検査装置ならびに設備診断装置 | |
| JP2006292734A (ja) | 検査装置用の判定モデル作成支援装置および検査装置ならびに耐久試験装置および耐久試験方法 | |
| JP2002022617A (ja) | 軸受診断装置 | |
| JP6714806B2 (ja) | 状態監視装置及び状態監視方法 | |
| JP6620290B2 (ja) | 振動音響解析方法及び装置と機器異常部位推定方法及び装置 | |
| Zhan et al. | Robust detection of gearbox deterioration using compromised autoregressive modeling and Kolmogorov–Smirnov test statistic—Part I: Compromised autoregressive modeling with the aid of hypothesis tests and simulation analysis | |
| Hashim et al. | Combustion fault detection technique of spark ignition engine based on wavelet packet transform and artificial neural network | |
| JP2018205292A (ja) | 時間領域・周波数領域のヒストグラムの特徴解析による状態識別法 | |
| Kirankumar et al. | Review on Condition Monitoring of Bearings using vibration analysis techniques. | |
| JPWO2020008533A1 (ja) | データ処理装置およびデータ処理方法 | |
| JP2001318031A (ja) | 装置の異常診断方法 | |
| JP7383367B1 (ja) | 回転機器の振動データ分析方法及び分析システム | |
| Li et al. | On-line fault detection in wind turbine transmission system using adaptive filter and robust statistical features | |
| JP4598809B2 (ja) | 打音解析による健全性診断方法 | |
| JP5476413B2 (ja) | 回転機械の健全性診断方法 | |
| CN117370879A (zh) | 一种风力机齿轮箱的实时在线故障诊断方法及系统 | |
| JP2006285884A (ja) | 故障診断方法およびそれを備えた制御装置 | |
| JP3608676B2 (ja) | 自己回帰モデルを利用した時系列データの収集、処理方法 | |
| CN115438688A (zh) | 关键设备的故障检测方法、装置、电子设备及存储介质 | |
| JPH10174373A (ja) | 電気機器の劣化診断装置 | |
| Tsiapoki et al. | Combining a vibration-based SHM scheme and an airborne sound approach for damage detection on wind turbine rotor blades | |
| Kamiel et al. | Ball bearing fault diagnosis using wavelet transform and principal component analysis |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| TRDD | Decision of grant or rejection written | ||
| R150 | Certificate of patent or registration of utility model |
Ref document number: 3382240 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20081220 Year of fee payment: 6 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20091220 Year of fee payment: 7 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20091220 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101220 Year of fee payment: 8 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111220 Year of fee payment: 9 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111220 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121220 Year of fee payment: 10 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20131220 Year of fee payment: 11 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R154 | Certificate of patent or utility model (reissue) |
Free format text: JAPANESE INTERMEDIATE CODE: R154 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| EXPY | Cancellation because of completion of term |