JP2005147848A - 異常予兆方法及び異常予兆システム - Google Patents

Abstract

【課題】 対象機器に現れる事象に基づき、該対象機器に与える影響の大きい重大異常を精度良く予兆することを可能とした異常予兆方法及びシステムを提供する。
【解決手段】 対象機器に発生する重大な異常を予兆する異常予兆方法において、原因事象と該原因事象により引き起こされる二次的事象の関係に基づき前記対象機器に発生する複数の事象を相互に関連付けておき、各種センサ類により前記対象機器に発生した少なくとも一の事象を検出し、該事象に関連付けられた複数の事象を抽出して重大異常に達するまでの異常発生経路を作成し、該異常発生経路における二の事象間の発生確率及び時間を積算して重大異常の発生確率及び重大異常が発生するまでの最短時間を求める。
【選択図】 図１

Description

本発明は、対象機器に与える影響の大きい重大異常を早期に検知することを可能とした異常予兆方法及び異常予兆システムに関する。

近年、各種機器において欠陥や故障等の異常を予兆する技術が普及してきている。これは、機器に現れる異常現象自体は軽微な事象であってもこれを起因として重大な異常が誘発され、機器の運転を停止せざるを得ない状態となったり、修復不可能な故障となる可能性があり、異常が軽微なうちに問題を解消する必要があるためである。そこで、従来より多様な異常予兆技術が提案されている。
例えば、図６に示すように、対象機器に生じた微視的欠陥を検出するために、ＡＥセンサにより得られたＡＥ信号５１を解析し、該解析結果に基づき大異常５２又は小異常５３の判定を行なう方法等がある。

このように、異常の発生を検出、予兆するためには各種検出センサを利用する方法が有効である。検出センサは各種機器、検出すべき事象等に応じて適宜選択する必要がある。
前記ＡＥセンサは、対象機器に発生した損傷を把握するために、機器の異常部位が放出するアコースティックエミッション（ＡＥ）を検出し、これを分析することにより損傷規模や損傷発生箇所を推定することができる。他にも、広範に利用可能な検出センサとして、磁気抵抗効果素子を用いて磁界の変化や磁性体の有無を検出するＭＲセンサ等が挙げられる。

検出センサを利用して異常診断を行なう方法が例えば特開２００３−３３０５１０号公報（特許文献１）に開示されている。かかる方法は、２個の振動センサを回転機械に配置し、検出した振動波形を分析して軸受に異常発生の確からしさを定量的に判断するようにしている。同様に振動データを用いた方法として、特開２００３−１６６９０８号公報（特許文献２）では、該振動データと回転機械の運転速度とに基づき異常原因を診断する方法が提案されている。

さらに、特開２００２−９０２６７号公報（特許文献３）には、検査対象より得られる時系列データから複数の異常状態を判別出力するための異常診断方法が開示されている。かかる方法は、各異常種毎にニューラルネットワークを構築しておき、各ニューラルネットワークには異常種毎に設定された特徴量を抽出する前処理を行なったデータを入力して異常種ごとの個別判定をなして異常診断を行なう。これにより、ごく少数の異常データから精度良い異常診断が可能となる。

特開２００３−３３０５１０号公報 特開２００３−１６６９０８号公報 特開２００２−９０２６７号公報

上記したように、特許文献１及び２等では各種検出センサを用いることにより対象機器が放出する振動、音響等の事象を検出し、対象機器の異常の発生、異常部位の特定、又は異常種類の判別を行なうことが可能となっている。しかし、これらの従来技術では検出した事象から直接的に導き出せる異常しか判別することはできず、限られた用途のみにしか利用できない。また、特許文献３では、異常種別を的確に判別することは可能であるが、かかる技術は異常種別の特定を目的としており、該判別された異常種から誘発される二次的異常を予兆する構成は備えていない。
従って、本発明は上記従来技術の問題点に鑑み、対象機器に現れる事象に基づき、該対象機器に与える影響の大きい重大異常を精度良く予兆することを可能とした異常予兆方法及びシステムを提供することを目的とする。

そこで、本発明はかかる課題を解決するために、
対象機器に発生する重大な異常を予兆する異常予兆方法において、
原因事象と該原因事象により引き起こされる二次的事象の関係に基づき前記対象機器に発生する複数の事象を相互に関連付けておき、
各種センサ類により前記対象機器に発生した少なくとも一の事象を検出し、該事象に関連付けられた複数の事象を抽出して重大異常に達するまでの異常発生経路を作成し、該異常発生経路における二の事象間の発生確率及び時間を積算して重大異常の発生確率及び重大異常が発生するまでの最短時間を求めることを特徴とする。

ここで事象とは、対象機器の一部に発生した正常状態とは異なる現象であり、重大異常とは対象機器の通常の使用に差し障りがでる程度の重度の異常現象をいう。
このように、対象機器に発生する可能性のある複数の事象を相互に関連付けておき、事象が発生した際に該関連付けに基づき総合的な評価から重大異常を予兆することができるため、従来のように一の事象から異常予兆を行なうよりも精度良い予兆を行なうことができる。また、本発明によれば、軽微な事象からも異常予兆を行なうことができ、重大異常の早期発見が可能となり機器の信頼性が向上する。重大異常を早期発見することができれば、異常が軽微な段階でメンテナンス等の処置を施すことができ、機器の故障、使用停止等の重大異常を回避することができる。

また、前記事象を、前記対象機器の使用状態が正常であると認識される正常範囲事象と、異常であると認識される異常段階事象とに分類し、前記正常範囲事象を検出することにより重大異常発生を予兆することが好ましい。
かかる発明では、対象機器の一部に正常状態とは異なる現象、即ち事象が発生した場合においても、対象機器自体の使用には何ら影響を与えない正常範囲と、該対象機器に明らかに異常状態が発生したと認識される異常段階とに、前記事象を分類している。これにより、正常範囲で重大異常を予兆することができ、早期に重大異常を回避することができる。

前記対象機器が回転機械の軸受であって、
各種センサ類により軸受に発生した少なくとも一の事象が検出されたときに、作成された複数の異常発生経路の発生確率及び最短時間に基づき前記軸受に重大異常が発生する確率の時系列データを作成し、該時系列データに基づき前記重大異常が発生する確率が所定の閾値となるまでの時間を前記軸受の余寿命とすることを特徴とする。
このように、複数の異常発生経路の発生確率及び最短時間から求められた、図３に示すような時系列データを作成し、重大異常発生確率が高く、危険領域となるＳとの閾値であるｓまでの時間を余寿命に設定することにより、対象機器の余寿命を容易に求めることができる。このとき、前記各種センサ類がＡＥセンサ若しくは電磁式センサであることが好適である。

また、システムの発明として、原因事象と該原因事象により引き起こされる二次的事象の関係に基づき前記対象機器に発生する複数の事象データを相互に関連付けたデータベースと、該関連付けられた二の事象データ間の発生確率及び時間からなる付随データと、を格納した記憶手段と、
対象機器に発生する事象を検出する各種センサ類と、
該各種センサ類により検出された少なくとも一の事象をデータ化し、該事象データに基づき対象機器に発生する重大な異常を予兆する演算装置と、を有し、
前記演算装置が、取得した前記事象データに関連付けられた複数の事象データを前記データベースより抽出し、該複数の事象データから重大異常に達するまでの異常発生経路を作成し、該異常発生経路における前記付随データを積算して重大異常の発生確率及び重大異常が発生するまでの最短時間を求めるように構成されることを特徴とする。

このとき、前記データベースに格納される事象データは、前記対象機器の使用状態が正常であると認識される正常範囲と、異常であると認識される異常段階とに分類されており、前記正常範囲の事象データの検出により重大異常の発生を予兆することを可能としたことを特徴とする。

また、前記対象機器が回転機械の軸受であって、
前記演算装置が、各種センサ類により軸受に発生した少なくとも一の事象データが取得されたときに、前記演算装置にて作成された複数の異常発生経路の発生確率及び最短時間に基づき前記軸受に重大異常が発生する確率の時系列データを作成し、該時系列データに基づき前記重大異常が発生する確率が所定の閾値となるまでの時間を前記軸受の余寿命として出力するように構成されることを特徴とし、好適には前記各種センサ類としてＡＥセンサ若しくは電磁式センサを用いる。

以上記載のごとく本発明によれば、対象機器に発生する可能性のある複数の事象を相互に関連付けておき、事象が発生した際に該関連付けに基づき総合的な評価から重大異常を予兆することにより、従来のように一の事象から直接的に異常予兆を行なうよりも精度良い予兆を行なうことができる。また本発明によれば、軽微な事象からも異常予兆を行なうことができ、重大異常の早期発見が可能となり機器の信頼性が向上する。重大異常を早期発見することができれば、異常が軽微な段階でメンテナンス等の処置を施すことができ、機器の故障、使用停止等の重大異常を回避することができる。

以下、図面を参照して本発明の好適な実施例を例示的に詳しく説明する。但しこの実施例に記載されている構成部品の寸法、材質、形状、その相対的配置等は特に特定的な記載がない限りは、この発明の範囲をそれに限定する趣旨ではなく、単なる説明例に過ぎない。
本実施形態では、図１に示すように対象機器に生じる複数の事象を相互に関連付け、関連する事象間に発生する付随データを基に確率を求め、さらにこれを基に対象機器の余寿命を推定する。

ここで事象とは、対象機器の一部に発生した正常状態とは異なる現象であり、重大異常とは対象機器の通常の使用に差し障りがでる程度の重度の異常現象をいう。例えば回転機械のころ軸受の異常予兆を行なう場合には、図４に示されるように、ころ軸受に生じる過大面圧、衝撃荷重、腐食、潤滑油劣化、欠損、大異物等かみ込み、等が事象として挙げられ、またモータートリップ、エレメント損傷等対象機器の機能阻害が重大異常として挙げられる。
また、前記複数の事象の関連付けは、対象機器に現れた任意の事象と、これに起因して誘発される他の事象とを関連付けることにより行なわれ、関連付けられた事象間の時系列的変化は何れも一方向のみである。
また、前記事象間に発生する付随データは、一の事象が他の事象を誘発する確率及びこれに要する時間からなり、何れも一の関連付けに対して一の付随データを有している。

図２を参照して本発明の実施形態に係る異常予知フローを説明する。まず、各種センサ類により検出された信号に基づき、対象機器に事象が発生したか否かの判定を演算装置により行なう（Ｓ１）。事象が発生していない場合には、各種センサ類による事象検出を続行する。事象の発生が認められた場合には、発生した事象に関連付けられた事象を事象関連付けデータベースから抽出し（Ｓ２）、抽出された複数の事象からなり重大異常に到達する全ての異常発生経路を演算して作成する（Ｓ３）。

さらに、前記異常発生経路の各パスにおける付随データを積算して該経路毎の重大異常発生確率、及び重大異常発生までの最短時間を算出する。即ち、複数の事象の組み合わせからなる複数の経路を作成し、該経路が有する各パスの発生確率及び時間を積算して異常発生経路の重大異常発生確率及び時間を算出する（Ｓ４）。
例えば、図１のモデル図において、事象２の発生が認められた場合、考え得る異常発生経路は（１）事象２→事象１→事象３→重大異常、（２）事象２→事象４→事象３→重大異常、（３）…等であり、（１）の経路の場合には、事象２→事象１のパスが発生する確率と、事象１→事象３のパスが発生する確率と、事象３→重大異常のパスが発生する確率を積算した値が（１）の異常発生経路の発生確率となる。同様に、（２）、（３）、…の異常発生経路についても各パスの発生確率を積算して算出する。また、各パスにおいて重大異常が発生するまでの最短時間を前記と同様に各パスの最短時間を積算して求める。

このようにして求められた各異常発生経路の異常発生確率と時間から重大異常発生までの確率及び時間を算出する（Ｓ５）。ここで、一の事象が発生した場合の重大異常発生確率の時系列データを図３のごとく作成する。一般には該時系列データは、図３に示すように時間の経過とともに重大異常の発生確率は増大する。このとき、重大異常の発生確率が高く、メンテナンス若しくは部品交換等を行なう必要がある確率を閾値ｓとし、これに対応する時間ｔ_１までの時間を余寿命と推定することが好適である。このように、前記異常発生経路の異常発生確率と時間から余寿命の推定、出力を行なう（Ｓ６）。

本実施例１は、前記実施形態における異常予兆モデルを、例えば、ガスタービンや蒸気タービンが備えられた発電プラントにおける発電機の廃熱を回収するエアヒータの回転軸のころ軸受の異常予兆に適用したものである。
図４は本発明の第１実施例に係るころ軸受の異常予知システムのブロック図、図５はころ軸受の事象関連付けデータベースを表す図である。

本第１実施例では、軸受２００は、図４に示すようにハウジング２３内に設けられ、回転体の軸とともに回転する内輪２０と、定位置に固定される外輪２１と、これらの内外輪の間に挟持されて転動する複数のころ２２と、該ころ２２を等間隔に保持する不図示の保持器と、から構成される。
本実施例では、かかる軸受２００の近傍若しくはこれに接触させて一又は複数のＡＥセンサ１０を取付けている。該ＡＥセンサ１０の取付け方法としては、軸受に直接接触させて取付けてもよいし、軸受から離間させてハウジング２３等に取付けても良い。また、離間させた場合は、軸受２００とＡＥセンサ１０との間に固体若しくは液体を介在させ、該介在物質は音響伝播性に優れた物質とすることが好ましい。勿論、既存の潤滑油中に浸漬するように設けることもできる。

また、本第１実施例は、軸受が発生するＡＥを電気的なＡＥ信号として検出する前記ＡＥセンサ１０と、入力信号を増幅する増幅器１１と、入力信号の特定周波数成分をのみを通過させるバンドパスフィルタ１２と、増幅されたＡＥ信号を包絡線検波する検波器１３と、取得したＡＥ信号に基づき損傷種別を判別する演算装置１５と、を備えている。前記ＡＥセンサ１０は公知のセンサであり、音響波を検出する素子を検査面に具備している。

また本実施例では、前記軸受２００の回転を円滑にするために潤滑油循環装置１７が設けられており、軸受２００から抜き出した潤滑油から不純物を除去して該軸受２００に返送する構成となっている。さらに、前記潤滑油循環装置１７の循環ライン上には摩耗粉センサ１４が配設されており、引き抜かれた潤滑油中に含まれる摩耗粉を検出するようになっている。該摩耗粉センサ１４には公知の電磁式センサが好適に用いられ、鉄系粒子、非鉄系粒子を検出可能である。

前記ＡＥセンサ１０及び摩耗粉センサ１４は演算装置１５に接続されている。かかる演算装置１５は、ＡＥ信号検出部１５１と、摩耗粉発生検出部１５２と、関連事象抽出部１５３と、異常経路演算部１５４と、確率・時間積算部１５５とを有している。さらに、該演算装置１５は、書き込み及び読み取り可能な記憶装置１６と接続されて各種データを送受信するように構成される。該記憶装置１６は、図５に示されるような事象関連付けデータベース１６１と、各パスにおける発生確率データ及び発生最短時間データからなる付随データ１６２を始めとする各種データが蓄積されている。

図５に示される事象関連付けデータベース１６１は、事象が発生する要因と、正常範囲及び異常段階における事象、事象の発生部位、事象の発生により現れる症状と、末期事象と、重大異常とからなるデータが夫々分類されて格納されている。例えば、事象が発生する要因としては、形状不良、材質不良、あらさ不良等の軸受製作不良や、過大外力からなる突発事象などが挙げられる。また正常範囲においては、ころ軸受の変形、疲労進行、温度上昇等の症状を各種センサ類により検出することにより過大面圧、応力集中、材質強度不足等の事象の発生を認識することができる。異常段階では、軸受回転トルク増加、軸受位置変化、異音・ＡＥ、振動、破片発生等を各種センサ類で検出することにより欠損、割れ等の事象の発生を認識できる。このように、前記事象と部位と症状とが一体化されて格納され、さらに該一体化された事象データが事象種別により分類されている。また、正常範囲及び異常段階における事象データは相互に関連付けられ、矢印の向きに一方向に進むように条件付けられている。

ここで、図５及び図６を参照してころ軸受の異常予兆フローにつき説明する。
まず、前記ＡＥセンサ１０及び前記摩耗粉センサ１４で得られた信号を演算装置１５に伝送し、ＡＥ信号検出部１５１及び摩耗粉発生検出部１５２にて随時検出する。例えば、ころ軸受の使用条件不良により発生する事象であれば、前記ＡＥセンサ１０及び前記摩耗粉センサ１４で得られた信号を基に、前記ＡＥ信号検出部１５１及び摩耗粉発生検出部１５２にてＡＥの発生及び摩耗粉の発生が検出され、油中浮遊粒子のかみ込み（事象Ａ）が特定される。かかる事象Ａは、過大面圧、応力集中、材質強度不足（事象Ｂ）を誘発する確率を有しているため事象Ａと事象Ｂとは関連付けられており、さらに事象Ｂは、フレーキング（事象Ｃ）に関連付けられ、事象Ｃは欠損、割れ（事象Ｄ）に関連付けられ、事象Ｄは軸受回転トルク大、…（事象Ｅ）に関連付けられ、事象Ｅはモータトリップ（重大事象Ｆ）に関連付けられている。

そこで、前記異常発生経路作成部１５４により事象Ａ〜重大事象Ｆからなる事象発生経路を作成し、前記確率・時間積算部１５５により各パスにおける付随データ１６２を積算して異常発生経路の発生確率及び時間を求める。また、事象Ａを起因とする別の異常発生経路についても同様に発生確率及び時間を求めて、これに基づき重大異常の発生する確率、時間、余寿命を算出する。
このように、本実施例では各種センサ類によりころ軸受に発生した事象を特定し、複数の事象の相互関係に基づき重大異常を予兆しているため、軽微な異常からころ軸受に与える影響の大きい重大異常を予兆することができる。従って、重大異常が発生する前に、異常が軽微な段階でメンテナンス等の処置を施すことができるため、円滑な運転が可能であるとともに、運転費用を低廉化することができる。

本実施形態では回転機械のころ軸受のデータベースを利用し、ころ軸受に発生する異常予兆を行なっているが、かかる実施形態を例えば発電プラント等の設備に適用し、各機器毎の事象を関連付けてプラント全体の異常予兆を行なうことも可能である。

本発明の実施形態に係る異常予知モデルを示す図である。 図１のモデルによる異常予知方法のフロー図である。 重大異常発生確率の時系列データを示すグラフである。 本発明の第１実施例に係るころ軸受の異常予知システムのブロック図である。 ころ軸受の事象関連付けデータベースを表す図である。 従来の異常予兆モデルを示す図である。

符号の説明

１０ ＡＥセンサ
１４ 摩耗粉センサ
１５ 演算装置
１６ 記憶装置
１７ 潤滑油循環装置
２０ 内輪
２１ 外輪
２２ ころ
１５１ ＡＥ信号検出部
１５２ 摩耗粉発生検出部
１５３ 関連事象抽出部
１５４ 異常発生経路作成部
１５５ 確率・時間積算部
１６１ 事象関連付けデータベース
１６２ 付随データ
２００ 軸受

Claims (8)

1. 対象機器に発生する重大な異常を予兆する異常予兆方法において、
   原因事象と該原因事象により引き起こされる二次的事象の関係に基づき前記対象機器に発生する複数の事象を相互に関連付けておき、
   各種センサ類により前記対象機器に発生した少なくとも一の事象を検出し、該事象に関連付けられた複数の事象を抽出して重大異常に達するまでの異常発生経路を作成し、該異常発生経路における二の事象間の発生確率及び時間を積算して重大異常の発生確率及び重大異常が発生するまでの最短時間を求めることを特徴とする異常予兆方法。
2. 前記事象を、前記対象機器の使用状態が正常であると認識される正常範囲事象と、異常であると認識される異常段階事象とに分類し、前記正常範囲事象を検出することにより重大異常発生を予兆することを可能としたことを特徴とする請求項１記載の異常予兆方法。
3. 前記対象機器が回転機械の軸受であって、
   各種センサ類により軸受に発生した少なくとも一の事象が検出されたときに、作成された複数の異常発生経路の発生確率及び最短時間に基づき前記軸受に重大異常が発生する確率の時系列データを作成し、該時系列データに基づき前記重大異常が発生する確率が所定の閾値となるまでの時間を前記軸受の余寿命とすることを特徴とする請求項１記載の異常予兆方法。
4. 前記各種センサ類がＡＥセンサ若しくは電磁式センサであることを特徴とする請求項３記載の異常予兆方法。
5. 原因事象と該原因事象により引き起こされる二次的事象の関係に基づき前記対象機器に発生する複数の事象データを相互に関連付けたデータベースと、該関連付けられた二の事象データ間の発生確率及び時間からなる付随データと、を格納した記憶手段と、
   対象機器に発生する事象を検出する各種センサ類と、
   該各種センサ類により検出された少なくとも一の事象をデータ化し、該事象データに基づき対象機器に発生する重大な異常を予兆する演算装置と、を有し、
   前記演算装置が、取得した前記事象データに関連付けられた複数の事象データを前記データベースより抽出し、該複数の事象データから重大異常に達するまでの異常発生経路を作成し、該異常発生経路における前記付随データを積算して重大異常の発生確率及び重大異常が発生するまでの最短時間を求めるように構成されることを特徴とする異常予兆システム。
6. 前記データベースに格納される事象データは、前記対象機器の使用状態が正常であると認識される正常範囲と、異常であると認識される異常段階とに分類されており、前記正常範囲の事象データの検出により重大異常の発生を予兆することを可能としたことを特徴とする請求項５記載の異常予兆システム。
7. 前記対象機器が回転機械の軸受であって、
   前記演算装置が、各種センサ類により軸受に発生した少なくとも一の事象データが取得されたときに、前記演算装置にて作成された複数の異常発生経路の発生確率及び最短時間に基づき前記軸受に重大異常が発生する確率の時系列データを作成し、該時系列データに基づき前記重大異常が発生する確率が所定の閾値となるまでの時間を前記軸受の余寿命として出力するように構成されることを特徴とする請求項５記載の異常予兆システム。
8. 前記各種センサ類がＡＥセンサ若しくは電磁式センサであることを特徴とする請求項５記載の異常予兆システム。

Images