JP2008070292A - 渦流量計の詰まり予知診断方法 - Google Patents

Abstract

【課題】センサ部への詰まりが発生した場合に始めて詰まり異常が判るため、そのような異常状態では流量出力異常も同時に発生する可能性が高く、正常復帰するためには、計器の調整が必要となる課題を解決する。
【解決手段】渦発生体によって発生する渦信号を検出する２つの検出部から出力される第１及び第２渦信号を用いて渦流量信号と共に先の第１及び第２渦信号の信号比を出力する渦流量計と、先の渦流量計の出力端に接続される機器管理ツールとが存在し、先の信号比を先の機器管理ツールで収集して先の渦流量計の詰まりを予知診断するようにした。
【選択図】 図１

Description

本発明は、渦発生体によって発生する渦信号を検出する渦流量計の詰まり予知診断方法に係り、特にこの渦流量計が出力する２つの信号比を渦流量計の出力端に接続される機器管理ツールで収集して渦流量計の詰まりの予知診断をする渦流量計の詰まり予知診断方法に関する。

図４に従来の渦流量計の構成を示す。図４において、渦流量計１０は、センサ部１１と変換部１２とから構成されている。このうち、センサ部１１は、渦発生体１３に、その長手方向に第１圧電素子１４と第２圧電素子１５の２つのセンサが埋め込まれている。

具体的には、図５（Ａ）に示すように、渦発生体１３は管路１６に垂直に配置される。この管路１６に流れる被測定流体が渦発生体１３にぶつかるとカルマン渦が発生し、そのため渦発生体１３には交番的な揚力が加わって微小変形する。

そして、第１圧電素子１４と第２圧電素子１５によって渦発生体１３の微小変形を検出する。単位時間に発生するカルマン渦の数は流速に比例するので、これによって被測定流体の流量を測定することが出来る。

第１圧電素子１４と第２圧電素子１５は、カルマン渦による信号だけでなく、管路１６の振動などによって発生するノイズも検出する。図５（Ｂ）にカルマン渦信号の振動によるノイズの応力分布を示す。図中、Ｓはカルマン渦による応力分布を示したものであり、Ｎは振動によるノイズの応力分布を示したものである。この図に示すように、これらの応力分布はかなり異なっている。

図中、Ｓ１、Ｎ１は第１圧電素子１４が検出する渦信号とノイズの応力、Ｓ２、Ｎ２は第２圧電素子１５が検出する渦信号とノイズの応力である。第１圧電素子１４と第２圧電素子１５はこれらの応力に応じた電荷を出力し、これらの電荷はそれぞれ図４に示すチャージアンプ１７，１８によって電圧Ｖ１、Ｖ２に変換される。

第１圧電素子１４及び第２圧電素子１５の電荷出力をそれぞれＱ１、Ｑ２とすると、これらの電荷の値は下式（１）、（２）式で表すことが出来る。なお、簡単のため、応力Ｓ１、Ｓ２、ノイズＮ１、Ｎ２による第１圧電素子１４と第２圧電素子１５の出力を同じ記号で表している。
Ｑ１＝Ｓ１＋Ｎ１ ………（１）
Ｑ２＝―Ｓ２―Ｎ２ ………（２）
ここで、Ｓ１、Ｓ２は渦信号成分、Ｎ１、Ｎ２は振動ノイズ成分である。また、Ｓ２、Ｎ２に−符号が付してあるが、これは、位相が逆であることを示している。

ここで、式（２）にノイズ比γ＝Ｎ１／Ｎ２を乗算し、式（１）を加算すると、
Ｑ１＋（Ｎ１／Ｎ２）×Ｑ２＝Ｓ１＋Ｎ１―（Ｓ２＋Ｎ２）×（Ｎ１／Ｎ２）
＝Ｓ１―（Ｎ１／Ｎ２）×Ｓ２
＝Ｓ１―γ×Ｓ２ ………（３）
が得られる。ここで、後述するノイズ比γ＝Ｎ１／Ｎ２が既知であれば、式（３）からノイズ成分は除去されて渦信号成分（Ｓ１とＳ２）のみとなる。

図６は第１圧電素子１４に発生する渦信号とノイズの周波数特性を示す。横軸は対数目盛で示した周波数であり、縦軸は信号強度である。右肩上がりの直線は感度曲線ＳＬであり、信号の検出感度を表す。

周波数が高くなるに従って検出感度は高くなる傾向がある。この感度曲線ＳＬは渦発生体１３及び第１圧電素子１４と第２圧電素子１５の特性から予め求めることが出来る。そして、信号強度がこの感度曲線ＳＬより上の領域は渦信号領域、下の領域はノイズ領域である。従って、この感度曲線ＳＬを目安として、チャーアンプ、つまり第１圧電素子１４と第２圧電素子１５の電荷出力の信号強度の大小により、渦信号ＳかノイズＮかの判断を行う。

また、図５（Ｂ）に示すように、第１圧電素子１４はその電荷出力に占める渦信号Ｓ１の成分の割合はノイズＮ１の成分に比べて多く、第２圧電素子１５の電荷出力に占める渦信号Ｓ２の成分の割合は、ノイズＮ２に比べて少ない傾向を示している。

次に、以上のセンサ部１１の特性を踏まえて図４に戻って変換部１２について説明する。第１圧電素子１４と第２圧電素子１５の電荷出力Ｑ１，Ｑ２は、それぞれチャージアンプ１７，１８で電圧Ｖ１、Ｖ２に変換され、これ等はそれぞれＡ／Ｄ変換器１９，２０でデジタル信号Ｄ１、Ｄ２に再変換される。

デジタル信号Ｄ１、Ｄ２は、それぞれローパスフイルタ（ＬＰＦ）２１，２２を介して、バンド増幅器２３，２４に入力される。バンド増幅器２３，２４は、各々ｎ個の増幅器であるＡＭＰ１〜ＡＭＰｎ（Ａ群、Ｂ群）で構成され、各増幅器ＡＭＰ１〜ＡＭＰｎは、デジタル信号Ｄ１、Ｄ２に対してその全周波数帯を複数の通過帯域が連続的に順次に異なる周波数帯域に分割されて構成されている。

これによって、デジタル信号Ｄ１、Ｄ２は周波数解析がなされたセンサ出力ＳＡ、ＳＢとして各増幅器ＡＭＰ１〜ＡＭＰｎから得られる。
また、デジタル信号Ｄ１、Ｄ２は加算器２５でノイズ比γが演算手段２６から入力されて（３）式を考慮して加算して得られた渦流量信号は、バンド増幅器２７に入力される。

バンド増幅器２７はバンド増幅器２３、２４と同様に、ｎ個の増幅器であるＡＭＰ１〜ＡＭＰｎ（Ｃ群）で構成され、Ａ群とＢ群と同１番号のＡＭＰはそれぞれ同一の周波数帯域を有している。

これによって、加算器２５から出力された渦流量信号は、周波数解析がなされて選定された増幅器から渦流量信号ＳＱとしてバンド増幅器２７から出力される。
ところで、バンド増幅器２７の増幅器ＡＭＰ１〜ＡＭＰｎの選定に当たっては、次のように行われる。Ａ群については、これらの増幅器ＡＭＰ１〜ＡＭＰｎから、感度曲線ＳＬを境として、その上下でそれぞれ１番大きな出力を出す増幅器を演算手段２６が選定する。

感度曲線ＳＬを越える一番大きな出力のＡＭＰでかつそのＡＭＰと同じ番号のＡ群とＢ群のＡＭＰの比が最小信号比以上の場合、そのＡＭＰは、ノイズではなく、渦信号であると判断できる。一方、それ以外で一番大きな出力のＡＭＰはノイズであると判断できる。なお、最小信号比は、口径によって違う値となる。詳しくは、ソフト内部で固定値として持っている。

このようにして、Ａ群の渦信号ＡＭＰとノイズＡＭＰ、Ｂ群の渦信号ＡＭＰとノイズＡＭＰが選定され、選定されたＡ群の渦信号ＡＭＰの出力ＳＡ（Ｓ）と、Ｂ群の渦信号ＡＭＰの出力ＳＢ（Ｓ）とを用いて、演算手段２６は、これ等の信号比ＳＲ（＝ＳＡ（Ｓ）／ＳＢ（Ｓ））を演算する。

また、選定されたＡ群のノイズＡＭＰの出力ＳＡ（Ｎ）と、Ｂ群のノイズＡＭＰの出力ＳＢ（Ｎ）とを用いて、演算手段２６は、これ等のノイズ比γ（＝ＳＡ（Ｎ）／ＳＢ（Ｎ））を演算する。このようにして決定されたノイズ比γは（３）式での演算に使用される。

そして、バンド増幅器２７には、加算器２５の流量出力が入力されるが、渦信号が大きいＡ群で選定された渦信号ＡＭＰと同一の周波数帯である同一番号のＡＭＰがＣ群の増幅器ＡＭＰ１〜ＡＭＰｎの中から選定されて出力される。

更に、演算手段２６で演算された信号比ＳＲは、図５に示すように渦発生体１３と管路１６との間に隙間２８が存在するので、ここに異物が詰まると誤動作するので、この詰まりの検出をするために使用される。そして、詰まりが発生すると、ノイズ比γも変化するので、流量信号も異常を来たす。

この点について、図７を用いて更に説明する。図７において、横軸は詰まりを、縦軸は信号比ＳＲである。詰まりの程度が進むと、徐々に信号比ＳＲが右肩下がりで直線的に低下しているのが判る。

そこで、口径毎に詰まり上限値ＵＬと詰まり下限値ＬＬとを設け、この間に信号比ＳＲが入るとセンサ部１１に詰まりが発生したと、演算手段２６が判断する自己診断をしてエラーを発生させるようにしている。

演算手段２６は、以上の各種演算に当たり、演算に一時的に必要なデータはＲＡＭ（Random Access read write Memory）２９に格納し、演算を実行するために必要なプログラムはＲＯＭ(Read-Only Memory)３０に、演算に必要なパラメータなどはＥＥＰＲＯＭ（Electrically Erasable Programmable ROM）３１に格納する。

そして、流量演算の結果は出力回路３２を介して外部に出力し、詰まりが発生したと判断されたときは、警報回路３３を介して外部に知らせる。

従来技術として、下記の特許文献１には、信号比を用いて渦流量計に発生した詰まりを検出し、警報する渦流量計が記載されている。

特開２００３−４４９７号公報

しかし、このような渦流量形の詰まり診断方法には、次のような課題があった。センサ部への詰まりが発生した場合に始めて詰まり異常が判るため、そのような異常状態では流量出力異常も同時に発生する可能性が高く、正常復帰するためには、計器の調整が必要となる課題がある。また、詰まりの状況によっては、センサ部からの信号が殆どなくなることも考えられる。更に、渦流量計はインライン流量計のため、運転中の取り外しは不可能であるという課題があった。

従って、本発明の目的は、センサ部の信号比のデータを機器管理ツール等により定期的に見ることにより、そのトレンドデータや統計的手段を使って、センサの詰まり具合の予測を行う渦流量計の詰まり予測診断方法を提供することにある。

このような課題を達成する本発明は以下のとおりである。
（１）渦発生体によって発生する渦信号を検出する２つの検出部から出力される第１及び第２渦信号を用いて渦流量信号と共に前記第１及び第２渦信号の信号比を出力する渦流量計と、前記渦流量計の出力端に接続される機器管理ツールとが存在し、前記信号比を前記機器管理ツールで収集して前記渦流量計の詰まりの予知診断をすることを特徴とする渦流量計の詰まり予知診断方法。
（２）前記機器管理ツールは、前記信号比を定期的に読み込むことを特徴とする（１）記載の渦流量計の詰まり予知診断方法。
（３）前記機器管理ツールは、前記信号比を用いてこれを時系列データとして表示し、これにより詰まりの予測または判定をすることを特徴とする（１）または（２）記載の渦流量計の詰まり予知診断方法。
（４）前記機器管理ツールは、前記信号比に対して分散データとして頻度を表示し、これにより詰まりの予測または判定をすることを特徴とする（１）または（２）記載の渦流量計の詰まり予知診断方法。
（５）前記機器管理ツールは、フィールドバスに接続されたことを特徴とする（１）乃至（４）記載の渦流量計の詰まり予知診断方法。

以上説明したことから明らかなように、本発明によれば次のような効果がある。
本発明によれば、センサ部の信号比のデータを定期的に見ることによってそのトレンドデータや統計的手段を使ってセンサ部の詰まり具合を将来的に予測できるので、現実に異常が発生する前に対応が可能になり、事故を未然に防ぐことが可能になるという効果がある。更に、この予測を基に計器の定期点検の計画を立案することも可能になるという効果がある。

以下、本発明について図面を用いて詳細に説明する。図１は本発明に係る渦流量計の詰まりを予知診断方法の１実施例を示す説明図である。図２は本発明に係る渦流量計の詰まりを予知診断方法の他の実施例を示す説明図である。図３は本発明に係る渦流量計の詰まりの予知診断方法を実施するために必要な構成を示す構成図である。

先ず、図３を用いて渦流量計の詰まりを予知する本予知診断方法のベースとなる構成について説明する。フィールドバス機器としての渦流量計４０は、基本的には従来の渦流量計１０と同一であるが、流量信号の他に信号比ＳＲが定期的に出力できる点が異なっている。

渦流量計４０等の複数のフィールドバス機器４１等は下位ネットワークのＨ１フィールドバス４２に接続されている。Ｈ１フィールドバス４２は、Instrument Society of America(ISA)で規定されたフィールドバスのプロトコルの１つである。

このＨ１フィールドバス４２にはフィールドバスサポートツールとしてスレーブＰＣ（パーソナルコンピュータ）４３が接続されると共にフィールドバス通信モジュール４４を搭載した制御ステーション４５等が接続されている。

そして、制御ステーション４５のフィールドバス通信モジュール４４は中位ネットワークのＶＬネット４６にも接続されている。

更に、上位ネットワークとしてのＩＥＥＥ標準８０２.３のイーサネット（登録商標）４７とＶＬネット４６との間には、操作監視機能等を備えたヒューマンインターフェイスステーション４８、機器管理ツール等を備えたマスタＰＣ４９等が接続されている。

これらのネットワークに接続されたスレーブＰＣ４３、マスタＰＣ４９などの機器管理ツールは、渦流量計４０から定期的に出力される信号比ＳＲを収集して格納すると共に自己の表示部に図１に示すように表示する。

図１は、機器管理ツールが横軸に時間、縦軸に信号比ＳＲを取り、時間の経過に従って渦流量計４０から定期的に出力される信号比ＳＲを時系列データとしてプロットした図である。

このプロット図に見るように、時間の経過に従って信号比ＳＲデータが低下しているときは、渦流量計４０のセンサ部１１に詰まりが生じ、時間の経過に従って詰まりが徐々に進行していることを示している。

そして、現実にプロットした最終時点である現時点Ｘ１で見た場合は、詰まりが発生しても未だ異常が発生する段階ではないが、未プロット点である点線で示す予測線上のＸ２時点で初期段階の詰まりが発生すると予測される判定線Ｌ１（レベル１）に達することが想定される。

さらに、メーカに連絡する時点である判定線Ｌ２（レベル２）に達する時点も予め予測できる。このように、信号比ＳＲデータを時系列データとして表示することにより、将来トラブルが発生する時点を予測できるので、より安定的にメンテナンスをすることが出来るメリットがある。

以上は、信号比ＳＲデータを時系列データとして表示した場合であるが、これを統計的データの１つとして信号比ＳＲを分散データ表示としたのが、図２に示す図である。

図２は、横軸に信号比ＳＲを縦軸に頻度をとってプロットしたものである。図１と同じように信号比ＳＲに対してレベル１の判定線Ｌ１と、レベル２の判定線Ｌ２を設け、信号比ＳＲデータのバラツキが大きくなったら（判定線Ｌ２）詰まりが限度に達したと予測してメーカに連絡するなどの対応をすることが出来る。

なお、今までの説明は、フィールドバスでの構成であるが、流量信号などはアナログ信号で出力し、信号比ＳＲ信号等の低速信号はデジタル通信するいわゆるスマートタイプでも通信方式のみの違いで他はほぼ同じ構成であるので同様に適用できる。さらに、Ｈａｒｔ／Ｂｒａｉｎでも可能である。

このように、本発明は、上述の実施例に限定されることなく、その本質を逸脱しない範囲でさらに多くの変更及び変形を含むものである。

本発明の予知診断方法の１実施例を示す説明図である。 本発明の予知診断方法の他の実施例を示す説明図である。 本発明の予知診断方法を実施するための構成を示す構成図である。 従来の渦流量計の構成を示す構成図である。 図４に示す従来の渦流量計のセンサ部の構成を示す説明図である。 図４に示す従来の渦流量計のセンサ部の周波数特性を示す特性図である。 図４に示す従来の渦流量計の信号比と詰まりの関係を示す説明図である。

符号の説明

１０、４０ 渦流量計
１１ センサ部
１２ 変換部
１３ 渦発生体
１４ 第１圧電素子
１５ 第２圧電素子
１６ 管路
１７、１８ チャージアンプ
１９、２０ Ａ／Ｄ変換器
２１、２２ ローパスフイルタ
２３、２４、２７ バンド増幅器
２５ 加算器
２６ 演算手段
２８ 隙間
２９ ＲＡＭ
３０ ＲＯＭ
３１ ＥＥＰＲＯＭ
３２ 出力回路
３３ 警報回路
４１ フィールドバス機器
４２ Ｈ１フィールドバス
４３ スレーブＰＣ
４４ フィールドバス通信モジュール
４５ 制御ステーション
４６ ＶＬネット
４７ イーサネット（登録商標）
４８ ヒューマンインターフェイスステーション
４９ マスタＰＣ
ＳＲ 信号比
ＳＬ 感度曲線
γ ノイズ比

Claims (5)

1. 渦発生体によって発生する渦信号を検出する２つの検出部から出力される第１及び第２渦信号を用いて渦流量信号と共に前記第１及び第２渦信号の信号比を出力する渦流量計と、前記渦流量計の出力端に接続される機器管理ツールとが存在し、
   前記信号比を前記機器管理ツールで収集して前記渦流量計の詰まりの予知診断をする
   ことを特徴とする渦流量計の詰まり予知診断方法。
2. 前記機器管理ツールは、前記信号比を定期的に読み込む
   ことを特徴とする請求項１記載の渦流量計の詰まり予知診断方法。
3. 前記機器管理ツールは、前記信号比を用いてこれを時系列データとして表示し、
   これにより詰まりの予測または判定をする
   ことを特徴とする請求項１または２記載の渦流量計の詰まり予知診断方法。
4. 前記機器管理ツールは、
   前記信号比に対して分散データとして頻度を表示し、
   これにより詰まりの予測または判定をする
   ことを特徴とする請求項１または２記載の渦流量計の詰まり予知診断方法。
5. 前記機器管理ツールは、フィールドバスに接続された
   ことを特徴とする請求項１乃至４記載の渦流量計の詰まり予知診断方法。

Images