JP2010025715A - 配管亀裂診断装置及び配管の亀裂診断方法 - Google Patents
配管亀裂診断装置及び配管の亀裂診断方法 Download PDFInfo
- Publication number
- JP2010025715A JP2010025715A JP2008186705A JP2008186705A JP2010025715A JP 2010025715 A JP2010025715 A JP 2010025715A JP 2008186705 A JP2008186705 A JP 2008186705A JP 2008186705 A JP2008186705 A JP 2008186705A JP 2010025715 A JP2010025715 A JP 2010025715A
- Authority
- JP
- Japan
- Prior art keywords
- crack
- pipe
- power spectrum
- data
- pressure
- 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
- 238000000034 method Methods 0.000 title claims abstract description 109
- 238000001228 spectrum Methods 0.000 claims abstract description 141
- 238000003860 storage Methods 0.000 claims abstract description 35
- 238000013528 artificial neural network Methods 0.000 claims abstract description 20
- 238000003745 diagnosis Methods 0.000 claims description 61
- 230000009466 transformation Effects 0.000 claims description 37
- 239000011159 matrix material Substances 0.000 claims description 36
- 238000004422 calculation algorithm Methods 0.000 claims description 34
- 230000002068 genetic effect Effects 0.000 claims description 22
- 238000007670 refining Methods 0.000 claims 1
- 230000001131 transforming effect Effects 0.000 claims 1
- 230000006870 function Effects 0.000 description 42
- 238000011156 evaluation Methods 0.000 description 28
- 238000009826 distribution Methods 0.000 description 22
- 238000010586 diagram Methods 0.000 description 16
- 238000012545 processing Methods 0.000 description 16
- 230000008859 change Effects 0.000 description 15
- 230000002159 abnormal effect Effects 0.000 description 12
- 230000013011 mating Effects 0.000 description 12
- 230000008569 process Effects 0.000 description 10
- 230000035772 mutation Effects 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 8
- 230000005856 abnormality Effects 0.000 description 7
- 238000005070 sampling Methods 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 238000002405 diagnostic procedure Methods 0.000 description 4
- 239000012530 fluid Substances 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000006641 stabilisation Effects 0.000 description 3
- 238000011105 stabilization Methods 0.000 description 3
- 238000002945 steepest descent method Methods 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 238000010606 normalization Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000005236 sound signal Effects 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 239000011358 absorbing material Substances 0.000 description 1
- 238000004523 catalytic cracking Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000006477 desulfuration reaction Methods 0.000 description 1
- 230000023556 desulfurization Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000004821 distillation Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000006317 isomerization reaction Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Landscapes
- Examining Or Testing Airtightness (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
【解決手段】配管が発する音を録音し録音した音のパワースペクトルを得る測定手段と、パワースペクトルのデータを用いてニューラルネットワークにより配管の亀裂の有無及び亀裂の大きさを診断するモデルを作成するモデル作成手段と、記憶手段と、配管の亀裂の有無及び亀裂の大きさを診断する亀裂診断手段と、亀裂診断手段により配管に亀裂があると診断された場合にパワースペクトルのデータに対してK近傍法を用いることにより配管の亀裂から漏洩するガスの圧力を診断する圧力診断手段と、を有する配管亀裂診断装置。
【選択図】図2
Description
配管が発する音を録音し、録音した音のパワースペクトルを得る測定手段と、
パワースペクトルのデータを用いてニューラルネットワークにより前記配管の亀裂の有無及び亀裂の大きさを診断するモデルを作成するモデル作成手段と、
パワースペクトル及びモデルを記憶することが可能な記憶手段と、
パワースペクトルのデータを前記モデルに入力することにより得られた出力から、前記配管の亀裂の有無及び亀裂の大きさを診断する亀裂診断手段と、
前記亀裂診断手段により配管に亀裂があると診断された場合に、パワースペクトルのデータに対してK近傍法を用いることにより、前記配管の亀裂から漏洩するガスの圧力を診断する圧力診断手段と、
を有する配管亀裂診断装置に関する。
(1)測定手段により、亀裂の有無及び亀裂の大きさが既知の配管が発する音を録音して、録音した音の第1のパワースペクトルを得るステップと、
(2)第1のパワースペクトルを記憶手段に記憶させるステップと、
(3)モデル作成手段により、前記記憶手段から第1のパワースペクトルのデータを読み込み、第1のパワースペクトルのデータに対してニューラルネットワークを用いることによって配管の亀裂の有無及び亀裂の大きさを診断するモデルを作成するステップと、
(4)前記モデルを記憶手段に記憶させるステップと、
(5)測定手段により、配管が発する音を録音して、録音した音の第2のパワースペクトルを得るステップと、
(6)第2のパワースペクトルを記憶手段に記憶させるステップと、
(7)亀裂診断手段により、前記記憶手段から第2のパワースペクトルのデータ及びモデルを読み込み、第2のパワースペクトルのデータをモデルに入力して得られた出力から前記配管の亀裂の有無及び亀裂の大きさを診断するステップと、
(8)前記亀裂診断手段により配管に亀裂があると診断された場合に、圧力診断手段により、前記記憶手段から第2のパワースペクトルのデータを読み込み、第2のパワースペクトルのデータにK近傍法を用いることによって前記配管の亀裂から漏洩するガスの圧力を診断するステップと、
を有する配管の亀裂診断方法に関する。
まず、測定手段2により、装置1の亀裂の有無及び亀裂の大きさが既知の配管が発する音を録音し、この録音した音を第1のパワースペクトルに変換する。ここで、測定手段2により録音する「音」とは、図3(a)に示すように、時間を横軸、振幅を縦軸とした音のスペクトルを表わす。この図3(a)のスペクトルは、各周波数の音の重ね合わせにより構成されている。そこで、「パワースペクトル」とは、図3(b)に示すように、横軸を音の周波数、縦軸をパワー(音圧)とし、各周波数の強さを示したスペクトルを表わす。
以下、配管亀裂診断装置を構成し、かつ配管の亀裂診断方法で使用する各手段について詳細に説明する。
配管の亀裂について診断を行う対象となる装置としては、プラントの全体や一部、特定の材料・物質の製造装置や処理装置、単一の装置や複数の装置が集合して構成されるプラント等を挙げることができるが、特にこれらの装置に限定されるわけではない。
測定手段としては、所定時間、所定のレベルで音を図3(a)に例示するようなスペクトルとして録音可能なものであれば特に限定されるわけではない。また、この測定手段は、録音した音のスペクトルから音のパワースペクトルを得ることができるようになっている。
モデル作成手段では、記憶手段から読み込んだ第1のパワースペクトルのデータを用いてニューラルネットワークにより、配管の亀裂の有無及び亀裂の大きさを診断するモデルを作成する。以下に、このモデルを作成するアルゴリズムを詳細に説明する。
亀裂無し:y0’=1、y1’=0、y2’=0
直径R1の亀裂有り:y0’=0、y1’=1、y2’=0
直径R2の亀裂有り:y0’=0、y1’=0、y2’=1
同様にして、直径R1、R2・・・Rn(R1<R2・・・<Rn)の大きさの亀裂を診断したい場合には、教師データの出力値を、以下のように決めることができる。
亀裂無し:y0’=1、y1’=0・・・yn’=0
直径R1の亀裂有り:y0’=0、y1’=1・・・yn’=0
直径R2の亀裂有り:y0’=0、y1’=0、y2’=1・・・yn’=0
・・・
直径Rmの亀裂有り(m<n):y0’=0、y1’=0・・・ym’=1・・・yn’=0
・・・
直径Rnの亀裂有り:y0’=0、y1’=0・・・yn’=1。
記憶手段は、測定手段により測定された音のパワースペクトル及びモデル作成手段により作成されたモデルを記憶することが可能なものである。なお、記憶手段は、これら以外にも測定手段により録音した音のスペクトル、装置の状態、測定手段による録音条件、日付や、後述する座標返還行列などを記憶できるように構成されていても良い。また、記憶手段はオペレーターが必要とするデータのみを記憶し、不要なデータは削除できるようになっていても良い。
亀裂診断手段は、記憶手段から第2のパワースペクトルのデータ及びモデルを読み込み、第2のパワースペクトルのデータをモデルに入力することにより得られた出力から、配管の亀裂の有無及び亀裂の大きさを診断するものである。この際、予めモデルの出力値が所定の範囲の値を取る場合に配管の亀裂あり、亀裂なしを診断し、亀裂ありと診断した場合には所定の範囲の値を取る場合に亀裂の大きさを診断できるように設定することができる。
亀裂無し:y0’=1、y1’=0・・・yn’=0
直径R1の亀裂有り:y0’=0、y1’=1・・・yn’=0
直径R2の亀裂有り:y0’=0、y1’=0、y2’=1・・・yn’=0
・・・
直径Rmの亀裂有り(m<n):y0’=0、y1’=0・・・ym’=1・・・yn’=0
・・・
直径Rnの亀裂有り:y0’=0、y1’=0・・・yn’=1。
亀裂無し:a≦y0≦1、0≦y1≦b、・・・0≦yn≦b
直径R1の亀裂有り:0≦y0≦b、a≦y1≦1、・・・0≦yn≦b
直径R2の亀裂有り:0≦y0≦b、0≦y1≦b、a≦y2≦1・・・0≦yn≦b
・・・
直径Rmの亀裂有り(m<n):0≦y0≦b、0≦y1≦b、・・・、a≦ym≦1、・・・、0≦yn≦b
・・・
直径Rnの亀裂有り:0≦y0≦b、0≦y1≦b、・・・、a≦yn≦1
なお、上記a、bは0<a、b<1(ただし、a≧b)を満たす数であれば特に限定されないが、診断の精度を向上させるため、aは1に近い数であり、bは0に近い数とすることが好ましい。典型的には、a=0.8、b=0.2とすることができる。
圧力診断手段は、亀裂診断手段により配管に亀裂があると診断された場合に、記憶手段から第2のパワースペクトルのデータを読み込む。そして、第2のパワースペクトルのデータに対してK近傍法を用いることにより、配管の亀裂から漏洩するガスの圧力を診断する。以下に、K近傍法を用いた診断方法のアルゴリズムを示す。
配管亀裂診断装置は、配管に亀裂があると診断した場合に警告を表示すると共に、配管の亀裂の大きさ及び配管の亀裂から漏洩するガスの圧力を表示する表示手段を有することが好ましい。この表示手段としては、ブラウン管型又は液晶型のディスプレイを挙げることができ、例えば、下記ハードウェア等に電気的に接続されることによって、警告や診断結果を表示できるようになっている。
上記の各手段は個々の独立した存在である必要はなく、複数の手段が1個の部材として形成されていること、ある手段が他の手段の一部であること、ある手段の一部と他の手段の一部とが重複していること等が可能である。
以下に、本発明の変形例について、実施形態を用いて詳細に説明する。
第1実施形態は、遺伝的アルゴリズムにより第2のパワースペクトルのデータの最適な座標変換行列を決定し、座標変換行列により座標変換した後の第2のパワースペクトルのデータに対してK近傍法を用いることにより配管の亀裂から漏洩するガスの圧力を診断するものである。以下に、この遺伝的アルゴリズムについて、図7〜11を用いて詳細に説明する。
交配方法としては、1点交配、多点交配、1成分交配、多成分交配などを行うことができる。すなわち、1点交配では、図8(a)(図8では一例として、成分数が9個の個体を示す)に示すように、A個の個体の中から任意の1組(2つ)の個体を選択する。そして、図8(b)に示すように、これら1組(2つ)の個体中の所定の1点で各個体の成分を2分割し、各個体の2分割された一方の成分の群どうしを交換するものである。
突然変異とは、図10(a)に示すように、A個の個体の中から選択した任意の個体について、所定の確率でその個体の任意の成分を変化させることである(図10(b))。突然変異による個体成分の変化の方法としては、以下の方法を用いることができる。
・摂動:個体成分をランダムに選択した値だけ変更する。
・逆位:個体内のランダムに選ばれた2点で挟まれた成分の順序を逆転する。
・スクランブル:個体内のランダムに選ばれた2点で挟まれた成分の順序をランダムに並べ替える。
・転座:個体内のランダムに選ばれた2点で挟まれた成分を、他の位置のものと入れ替える。
なお、考え得る全ての個体について突然変異を行っても、予め定めた数の個体についてランダムに突然変異を行っても良い。
(識別率)=(診断したガスの圧力が、既知のガスの圧力と一致したデータ数)/(全データ数)。
第2実施形態は、測定手段が、録音した音に対して高速フーリエ変換(Fast Fourier Transform)を行うことにより、パワースペクトルを得るものである。このデータ処理のアルゴリズムを以下に示す。
ここで、g(n)の離散フーリエ変換Gkは下記式で表わされる。
第3実施形態は、モデル作成手段により、ニューラルネットワークを用いてモデルを作成する際に、しきい値を使用するものである。以下に、しきい値を用いたモデルの作成方法を示す。以下、その詳細なアルゴリズムを説明する。
(1)音データの取得
プラント内の配管に類似させた擬似漏洩装置を作成し、この擬似漏洩装置の配管に空気ボンベを接続させた。次に、この擬似漏洩装置の配管に所定の大きさの開口を有するフランジを取り付け、空気ボンベから配管内に空気を流した。そして、このフランジの開口を配管の亀裂とみなし、この開口から空気を漏洩させた。図12(a)にこの擬似漏洩装置に取り付けたフランジ、図12(b)に空気ボンベ及びフランジと擬似漏洩装置の接続状態を表わす図を示す。また、この擬似漏洩装置の仕様を下記表1、擬似漏洩装置の各部の寸法を図13に示す。なお、図13中の数字の単位は「mm」である。
次に、ディジタル・オーディオ・オープンデッキを用いて、校正信号を元に得られたリーク音のスペクトルのレンジを変えることにより校正を行ない、正しい音レベルに変換した。具体的には、フランジの開口径がφ2.0mm、漏洩するガスの圧力が3.0MPaの場合に録音したリーク音のスペクトルの一例は図15(a)に示すものとなっており、このレンジは100dBである。これに対して、校正信号は図15(b)に示されるように114dBの正弦波であり、そのレンジは120dBとなっている。そこで、図15(a)のリーク音のスペクトルを、図15(b)の校正信号を用いて120−100=20dBだけ小さい波形とする。この校正後の波形を図15(c)に示す。
図16に示すように、上記のようにして録音したリーク音を地下トンネルの配管上に設置したスピーカーから各種類ごとに30回、再生させた。また、再生時間は50秒間とした。そして、この再生したリーク音を、地下トンネルの配管からのリーク音とみなし、2種類のマイク1及びマイク2により録音した。また、これとは別に配管に亀裂のない暗騒音として、スピーカーから音を再生しない状態でマイク1及び2により録音を行った。そして、このようにして得られたリーク音をコンピュータ内蔵のハードディスクに記憶させた。これらのリーク音のスペクトルの一例を図17に示す。
上記のようにして録音したリーク音は、異なる周波数の波がいくつも合成されている。このため、このリーク音に対してFFT処理を行うことにより、各周波数の波がどのくらいの割合で合成されているかを示すパワースペクトルに変換した。具体的には、専用のプログラムをインストールしたコンピュータを用いて、FFT処理を行わせた。なお、この際のFFT処理のアルゴリズムとしては、上記式(18)〜(27)の処理方法を用いた。
まず、上記(4)でハードディスク内に記憶させた第1のパワースペクトルを読み込むと共に、専用のプログラムをインストールしたコンピュータを用いて、配管の亀裂の有無及び亀裂の大きさを診断するモデルを作成した。
地下トンネルで収録する暗騒音:y0’=1、y1’=0、y2’=0
穴径φ0.3mm:y0’=0、y1’=1、y2’=0
穴径φ2.0mm:y0’=0、y1’=0、y2’=1。
まず、マイク1で録音した音のパワースペクトルについて、上記モデルを用いて亀裂の大きさの診断を行なった。具体的には、まず、上記(1)〜(5)と同様にして、暗騒音と、フランジの穴径が既知のφ0.3mm(ガス漏洩圧:1.3MPa、3.0MPa、5.0MPa)とφ2.0mm(ガス漏洩圧:1.3MPa、3.0MPa)の6種類の評価用データ(各種類ごとに30組のデータ;第2のパワースペクトルのデータに相当する)を準備し、コンピュータ内蔵のハードディスクに記憶させた。
亀裂無し:0.8≦y0≦1,0≦y1≦0.2、0≦y2≦0.2
φ0.3mmの亀裂有り:0≦y0≦0.2、0.8≦y1≦1、0≦y2≦0.2
φ2.0mmの亀裂有り:0≦y0≦0.2、0≦y1≦0.2、0.8≦y2≦1。
(識別率)=(診断した結果が既知の亀裂の状態と一致したデータの数)/(総データ数)×100。
(7−1)穴径φ0.3mmのリーク音
上記(1)〜(4)により、マイク1で録音・校正・FFT処理を行なった穴径φ0.3mmのパワースペクトルについて、漏洩するガスの圧力が既知のテンプレートデータを25点、用意して、コンピュータ内蔵のハードディスク内に記憶させた。そして、ハードディスク内からテンプレートデータを読み込むと共に、専用のプログラムをインストールしたコンピュータを用いて、各パワースペクトルのテンプレートデータについて、5kHzのパワーをX、9kHzのパワーをYとしてデータを抽出して2次元分布図を作成した。
(識別率)=(漏洩するガスの圧力が既知の圧力と一致したデータの数)/30×100
この結果、識別率は92%であった。
この座標変換行列は、以下のようにして作成した。まず、図24に示すように、座標返還行列として定義した20種類の行列を発生させた。この際、座標返還行列の各成分としては、0.1〜10.0まで0.1刻みで表わされる数値の中からランダムに数値を与えた。そして、各座標返還行列の成分を要素とする個体を発生させた(S1、S2)。次に、図24に示すように、各個体を用いて交配(交叉)、突然変異を発生させ、世代交代を行なわせた(S3、S4)。
マイク1の上記4つの場合における識別率を図30に示す。
マイク2の上記4つの場合における識別率を図30に示す。
上記(1)〜(4)により、マイク1で録音・校正・FFT処理を行なった穴径φ2.0mmのパワースペクトルについて、漏洩するガスの圧力が既知のテンプレートデータを25点、用意して、コンピュータ内蔵のハードディスク内に記憶させた。そして、ハードディスク内からテンプレートデータを読み込むと共に、専用のプログラムをインストールしたコンピュータを用いて、各パワースペクトルのテンプレートデータについて、5kHzのパワーをX、9kHzのパワーをYとしてデータを抽出して2次元分布図を作成した。
マイク1の上記4つの場合における識別率を図30に示す。
マイク2の上記4つの場合における識別率を図30に示す。
上記のように、ニューラルネットワークを用いて作成したモデルを用いることによって、亀裂の大きさを高精度で診断できることが分かる。また、図30に示すように、K近傍法を用いることにより漏洩するガスの圧力を高精度で診断できることが分かる。
2 測定手段
3 記憶手段
4 モデル作成手段
5 亀裂診断手段
6 圧力診断手段
7 ガスボンベ
8 フランジ
9 ガス注入口
10 疑似漏洩装置
11 圧力計
12 スピーカー
13 配管
14 マイク1
15 マイク2
16 地下トンネル
Claims (11)
- 配管が発する音を録音し、録音した音のパワースペクトルを得る測定手段と、
パワースペクトルのデータを用いてニューラルネットワークにより前記配管の亀裂の有無及び亀裂の大きさを診断するモデルを作成するモデル作成手段と、
パワースペクトル及びモデルを記憶することが可能な記憶手段と、
パワースペクトルのデータを前記モデルに入力することにより得られた出力から、前記配管の亀裂の有無及び亀裂の大きさを診断する亀裂診断手段と、
前記亀裂診断手段により配管に亀裂があると診断された場合に、パワースペクトルのデータに対してK近傍法を用いることにより、前記配管の亀裂から漏洩するガスの圧力を診断する圧力診断手段と、
を有する配管亀裂診断装置。 - 前記圧力診断手段は、
遺伝的アルゴリズムにより、パワースペクトルのデータの座標変換行列を決定し、
前記座標変換行列により座標変換した後のパワースペクトルのデータに対してK近傍法を用いることにより、前記配管の亀裂から漏洩するガスの圧力を診断することを特徴とする請求項1に記載の配管亀裂診断装置。 - 前記測定手段は、
録音した音に対して高速フーリエ変換(Fast Fourier Transform)を行うことにより、前記パワースペクトルを得ることを特徴とする請求項1又は2に記載の配管亀裂診断装置。 - 前記配管が、石油精製プラントの配管であることを特徴とする請求項1〜3の何れか1項に記載の配管亀裂診断装置。
- 更に、
前記配管に亀裂があると診断された場合に警告を表示すると共に、前記配管の亀裂の大きさ及び配管の亀裂から漏洩するガスの圧力を表示する表示手段を有することを特徴とする請求項1〜4の何れか1項に記載の配管亀裂診断装置。 - 複数の前記測定手段を備え、
各測定手段で録音した音のパワースペクトルのデータに対して、それぞれ配管の亀裂の有無、配管の亀裂の大きさ及び配管の亀裂から漏洩するガスの圧力を診断するように構成されたことを特徴とする請求項1〜5の何れか1項に記載の配管亀裂診断装置。 - (1)測定手段により、亀裂の有無及び亀裂の大きさが既知の配管が発する音を録音して、録音した音の第1のパワースペクトルを得るステップと、
(2)第1のパワースペクトルを記憶手段に記憶させるステップと、
(3)モデル作成手段により、前記記憶手段から第1のパワースペクトルのデータを読み込み、第1のパワースペクトルのデータに対してニューラルネットワークを用いることによって配管の亀裂の有無及び亀裂の大きさを診断するモデルを作成するステップと、
(4)前記モデルを記憶手段に記憶させるステップと、
(5)測定手段により、配管が発する音を録音して、録音した音の第2のパワースペクトルを得るステップと、
(6)第2のパワースペクトルを記憶手段に記憶させるステップと、
(7)亀裂診断手段により、前記記憶手段から第2のパワースペクトルのデータ及びモデルを読み込み、第2のパワースペクトルのデータをモデルに入力して得られた出力から前記配管の亀裂の有無及び亀裂の大きさを診断するステップと、
(8)前記亀裂診断手段により配管に亀裂があると診断された場合に、圧力診断手段により、前記記憶手段から第2のパワースペクトルのデータを読み込み、第2のパワースペクトルのデータにK近傍法を用いることによって前記配管の亀裂から漏洩するガスの圧力を診断するステップと、
を有する配管の亀裂診断方法。 - 前記ステップ(8)は、圧力診断手段によって、
遺伝的アルゴリズムにより、第2のパワースペクトルのデータの座標変換行列を決定するステップと、
前記座標変換行列を記憶手段に記憶させるステップと、
前記記憶手段から第2のパワースペクトルのデータ及び座標返還行列を読み込むステップと、
前記座標変換行列により第2のパワースペクトルのデータを座標変換するステップと、
座標返還後の第2のパワースペクトルのデータに対してK近傍法を用いることにより、前記配管の亀裂から漏洩するガスの圧力を診断するステップと、
を有することを特徴とする請求項7に記載の配管の亀裂診断方法。 - 前記ステップ(1)及び(5)では、
録音した音に対して高速フーリエ変換(Fast Fourier Transform)を行うことにより、パワースペクトルを得ることを特徴とする請求項7又は8に記載の配管の亀裂診断方法。 - 前記配管が、石油精製プラントの配管であることを特徴とする請求項7〜9の何れか1項に記載の配管の亀裂診断方法。
- 更に、
前記配管に亀裂があると診断された場合に、表示手段により、警告を表示すると共に前記配管の亀裂の大きさ及び配管の亀裂から漏洩するガスの圧力を表示するステップを有することを特徴とする請求項7〜10の何れか1項に記載の配管の亀裂診断方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008186705A JP5193714B2 (ja) | 2008-07-18 | 2008-07-18 | 配管亀裂診断装置及び配管の亀裂診断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008186705A JP5193714B2 (ja) | 2008-07-18 | 2008-07-18 | 配管亀裂診断装置及び配管の亀裂診断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2010025715A true JP2010025715A (ja) | 2010-02-04 |
JP5193714B2 JP5193714B2 (ja) | 2013-05-08 |
Family
ID=41731695
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2008186705A Active JP5193714B2 (ja) | 2008-07-18 | 2008-07-18 | 配管亀裂診断装置及び配管の亀裂診断方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5193714B2 (ja) |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150013435A1 (en) * | 2013-07-11 | 2015-01-15 | Denso Corporation | Method of detecting defects in honeycomb structural body |
KR20150035633A (ko) * | 2013-09-27 | 2015-04-07 | 한국전력공사 | 지진측정장치 및 지진측정방법 |
CN104657550A (zh) * | 2015-02-10 | 2015-05-27 | 吉林建筑大学 | 一种评估老旧城区给水管道改造次序的方法 |
JP2016105091A (ja) * | 2010-05-14 | 2016-06-09 | ベルキン・インターナショナル・インコーポレイテッド | ガス使用状況を検出するよう構成された装置、同装置を設ける方法およびガス使用状況を検出する方法 |
CN106644782A (zh) * | 2016-12-22 | 2017-05-10 | 南京航空航天大学 | 一种基于功率谱密度的多轴疲劳裂纹萌生方向预测方法 |
WO2017145900A1 (ja) * | 2016-02-26 | 2017-08-31 | 日本電気株式会社 | 配管診断装置、配管診断方法、判別問題最適化装置、判別問題最適化方法、基準分布生成装置、基準分布生成方法、及び記憶媒体 |
JP2018077120A (ja) * | 2016-11-09 | 2018-05-17 | エヌ・ティ・ティ・アドバンステクノロジ株式会社 | 判定装置、判定方法及び学習装置 |
CN108361560A (zh) * | 2018-03-21 | 2018-08-03 | 天津科技大学 | 一种基于小波包用于天然气管道安全监测装置的管道安全识别方法 |
CN109117985A (zh) * | 2018-07-13 | 2019-01-01 | 上海市水利工程设计研究院有限公司 | 一种基于矩阵与遗传算法的管网压力监测点优化布置方法 |
CN110207906A (zh) * | 2019-05-31 | 2019-09-06 | 中国航天空气动力技术研究院 | 一种变参数的电弧加热器轨道试验漏水诊断系统 |
CN110296125A (zh) * | 2019-06-19 | 2019-10-01 | 欧洛普智控(北京)科技发展有限公司 | 一种检测设备液压系统漏油的方法 |
CN110431395A (zh) * | 2017-03-13 | 2019-11-08 | 通用电气公司 | 疲劳裂纹增长预测 |
KR102176465B1 (ko) * | 2019-10-31 | 2020-11-09 | 주식회사 라텔 | 머신러닝 학습을 이용한 스마트미터 |
CN111964846A (zh) * | 2020-09-28 | 2020-11-20 | 郑州斯倍思机电有限公司 | 一种利用co2进行工件密封性检测的系统 |
CN112445251A (zh) * | 2020-12-17 | 2021-03-05 | 南京兴如恒商贸有限公司 | 一种建筑暖通冷却水温度控制调节设备 |
CN114018500A (zh) * | 2021-11-05 | 2022-02-08 | 安徽省城建设计研究总院股份有限公司 | 一种基于遗传算法的地下管线渗漏点三维定位方法 |
JP7096928B1 (ja) | 2021-04-14 | 2022-07-06 | Jfeアドバンテック株式会社 | 漏洩量推定方法、漏洩量推定装置及び漏洩量推定システム |
CN114877262A (zh) * | 2022-04-20 | 2022-08-09 | 成都千嘉科技股份有限公司 | 基于ai芯片燃气管道泄漏的声发射检测方法 |
CN115406967A (zh) * | 2022-11-01 | 2022-11-29 | 湖南木屋网络科技有限公司 | 一种水果品质判断方法、系统、设备及储存介质 |
KR102524682B1 (ko) * | 2022-12-28 | 2023-04-21 | 수자원기술 주식회사 | 상수도 비금속 관로의 노후도 진단방법 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6751937B2 (ja) * | 2016-07-14 | 2020-09-09 | 株式会社ポート電子 | 打音診断装置及び診断方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08304124A (ja) * | 1995-05-12 | 1996-11-22 | Hokkaido Univ | 被検体同定方法、装置およびシステム |
JPH10221197A (ja) * | 1997-02-07 | 1998-08-21 | Hitachi Ltd | 漏洩検知方法及びその装置 |
JP2000310577A (ja) * | 1999-04-27 | 2000-11-07 | Toshiba Corp | 漏洩量測定装置および漏洩量測定方法 |
JP2007333550A (ja) * | 2006-06-15 | 2007-12-27 | Eito Syst Kk | ハウジングなどの漏れ検査装置及び漏れ検査方法 |
-
2008
- 2008-07-18 JP JP2008186705A patent/JP5193714B2/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08304124A (ja) * | 1995-05-12 | 1996-11-22 | Hokkaido Univ | 被検体同定方法、装置およびシステム |
JPH10221197A (ja) * | 1997-02-07 | 1998-08-21 | Hitachi Ltd | 漏洩検知方法及びその装置 |
JP2000310577A (ja) * | 1999-04-27 | 2000-11-07 | Toshiba Corp | 漏洩量測定装置および漏洩量測定方法 |
JP2007333550A (ja) * | 2006-06-15 | 2007-12-27 | Eito Syst Kk | ハウジングなどの漏れ検査装置及び漏れ検査方法 |
Cited By (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016105091A (ja) * | 2010-05-14 | 2016-06-09 | ベルキン・インターナショナル・インコーポレイテッド | ガス使用状況を検出するよう構成された装置、同装置を設ける方法およびガス使用状況を検出する方法 |
US9709457B2 (en) * | 2013-07-11 | 2017-07-18 | Denso Corporation | Method of detecting defects in honeycomb structural body |
US20150013435A1 (en) * | 2013-07-11 | 2015-01-15 | Denso Corporation | Method of detecting defects in honeycomb structural body |
KR20150035633A (ko) * | 2013-09-27 | 2015-04-07 | 한국전력공사 | 지진측정장치 및 지진측정방법 |
CN104657550A (zh) * | 2015-02-10 | 2015-05-27 | 吉林建筑大学 | 一种评估老旧城区给水管道改造次序的方法 |
GB2563351B (en) * | 2016-02-26 | 2021-07-21 | Nec Corp | Piping diagnostic device, piping diagnostic method, discriminant-problem optimizing device, discriminant-problem optimizing method, criteria distribution ge |
US11614205B2 (en) | 2016-02-26 | 2023-03-28 | Nec Corporation | Piping diagnostic device, piping diagnostic method, discriminant-problem optimizing device, discriminant-problem optimizing method, criteria distribution generating device, criteria distribution generating method, and storage medium |
WO2017145900A1 (ja) * | 2016-02-26 | 2017-08-31 | 日本電気株式会社 | 配管診断装置、配管診断方法、判別問題最適化装置、判別問題最適化方法、基準分布生成装置、基準分布生成方法、及び記憶媒体 |
GB2563351A (en) * | 2016-02-26 | 2018-12-12 | Nec Corp | Piping diagnostic device, piping diagnostic method, discriminant-problem optimizing device, discriminant-problem optimizing method, criteria distribution ge |
JPWO2017145900A1 (ja) * | 2016-02-26 | 2018-12-27 | 日本電気株式会社 | 配管診断装置、配管診断方法、判別問題最適化装置、判別問題最適化方法、基準分布生成装置、基準分布生成方法、及びプログラム |
JP2018077120A (ja) * | 2016-11-09 | 2018-05-17 | エヌ・ティ・ティ・アドバンステクノロジ株式会社 | 判定装置、判定方法及び学習装置 |
CN106644782B (zh) * | 2016-12-22 | 2019-02-01 | 南京航空航天大学 | 一种基于功率谱密度的多轴疲劳裂纹萌生方向预测方法 |
CN106644782A (zh) * | 2016-12-22 | 2017-05-10 | 南京航空航天大学 | 一种基于功率谱密度的多轴疲劳裂纹萌生方向预测方法 |
CN110431395A (zh) * | 2017-03-13 | 2019-11-08 | 通用电气公司 | 疲劳裂纹增长预测 |
CN108361560A (zh) * | 2018-03-21 | 2018-08-03 | 天津科技大学 | 一种基于小波包用于天然气管道安全监测装置的管道安全识别方法 |
CN109117985A (zh) * | 2018-07-13 | 2019-01-01 | 上海市水利工程设计研究院有限公司 | 一种基于矩阵与遗传算法的管网压力监测点优化布置方法 |
CN109117985B (zh) * | 2018-07-13 | 2021-09-17 | 上海市水利工程设计研究院有限公司 | 一种基于矩阵与遗传算法的管网压力监测点优化布置方法 |
CN110207906A (zh) * | 2019-05-31 | 2019-09-06 | 中国航天空气动力技术研究院 | 一种变参数的电弧加热器轨道试验漏水诊断系统 |
CN110296125A (zh) * | 2019-06-19 | 2019-10-01 | 欧洛普智控(北京)科技发展有限公司 | 一种检测设备液压系统漏油的方法 |
CN110296125B (zh) * | 2019-06-19 | 2021-09-21 | 欧洛普智控(北京)科技发展有限公司 | 一种检测设备液压系统漏油的方法 |
KR102176465B1 (ko) * | 2019-10-31 | 2020-11-09 | 주식회사 라텔 | 머신러닝 학습을 이용한 스마트미터 |
CN111964846A (zh) * | 2020-09-28 | 2020-11-20 | 郑州斯倍思机电有限公司 | 一种利用co2进行工件密封性检测的系统 |
CN112445251A (zh) * | 2020-12-17 | 2021-03-05 | 南京兴如恒商贸有限公司 | 一种建筑暖通冷却水温度控制调节设备 |
JP7096928B1 (ja) | 2021-04-14 | 2022-07-06 | Jfeアドバンテック株式会社 | 漏洩量推定方法、漏洩量推定装置及び漏洩量推定システム |
JP2022163472A (ja) * | 2021-04-14 | 2022-10-26 | Jfeアドバンテック株式会社 | 漏洩量推定方法、漏洩量推定装置及び漏洩量推定システム |
CN114018500A (zh) * | 2021-11-05 | 2022-02-08 | 安徽省城建设计研究总院股份有限公司 | 一种基于遗传算法的地下管线渗漏点三维定位方法 |
CN114018500B (zh) * | 2021-11-05 | 2023-11-03 | 安徽省城建设计研究总院股份有限公司 | 一种基于遗传算法的地下管线渗漏点三维定位方法 |
CN114877262A (zh) * | 2022-04-20 | 2022-08-09 | 成都千嘉科技股份有限公司 | 基于ai芯片燃气管道泄漏的声发射检测方法 |
CN115406967A (zh) * | 2022-11-01 | 2022-11-29 | 湖南木屋网络科技有限公司 | 一种水果品质判断方法、系统、设备及储存介质 |
CN115406967B (zh) * | 2022-11-01 | 2023-03-21 | 湖南木屋网络科技有限公司 | 一种水果品质判断方法、系统、设备及储存介质 |
KR102524682B1 (ko) * | 2022-12-28 | 2023-04-21 | 수자원기술 주식회사 | 상수도 비금속 관로의 노후도 진단방법 |
Also Published As
Publication number | Publication date |
---|---|
JP5193714B2 (ja) | 2013-05-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5193714B2 (ja) | 配管亀裂診断装置及び配管の亀裂診断方法 | |
Regan et al. | Wind turbine blade damage detection using supervised machine learning algorithms | |
CN101509604B (zh) | 一种金属管内堆积物的检测和评定方法及装置 | |
Lee et al. | Oil and gas pipeline failure prediction system using long range ultrasonic transducers and Euclidean-Support Vector Machines classification approach | |
SA108290823B1 (ar) | اختبار غير متلف، بوجه خاص لأنابيب خلال التصنيع أو في حالتها النهائية | |
US10473626B2 (en) | Method for the graphical representation and data presentation of weld inspection results | |
Bakhtawar et al. | Review of water leak detection and localization methods through hydrophone technology | |
JP7468724B2 (ja) | 配管診断装置、配管診断方法、及びプログラム | |
CN107121501A (zh) | 一种汽轮机叶轮缺陷分类方法 | |
AU2020271967A1 (en) | Method for determining the geometry of a defect on the basis of non-destructive measurement methods using direct inversion | |
Ma et al. | Classification of damage types in liquid-filled buried pipes based on deep learning | |
JP6364742B2 (ja) | 構造物診断装置、構造物診断方法、及びプログラム | |
JPH0484754A (ja) | 材料の健全性評価法 | |
CN116861789A (zh) | 微震参数多输入序列预测模型的岩爆预测方法 | |
JP2004163250A (ja) | 超音波による配管劣化診断方法 | |
US20120053895A1 (en) | Method and system for evaluating the condition of a collection of similar elongated hollow objects | |
Feng | Condition Classification in Underground Pipes Based on Acoustical Characteristics. Acoustical characteristics are used to classify the structural and operational conditions in underground pipes with advanced signal classification methods | |
Alobaidi et al. | Development of an optimized neural network for the detection of pipe defects using a microwave signal | |
Zhai et al. | Novel defect location method for pressure vessel by using L (0, 2) mode guided wave | |
CN112819053A (zh) | 模型库的建立方法及装置、诊断方法及装置、预测方法 | |
JP6881432B2 (ja) | 診断装置、診断方法及びプログラム | |
CN117968971B (zh) | 气体泄漏量检测方法、装置及电子设备 | |
Appadoo | Condition Monitoring and Fault Diagnosis of Fluid Machines in Process Industries | |
RU2515423C1 (ru) | Способ повышения точности локации шумоподобных источников акустической эмиссии на основе спектрально-временного самоподобия | |
CN116818889B (zh) | 一种管道表面缺陷定量化成像方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20110713 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20110713 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20121025 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20121030 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20121212 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20130108 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20130204 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5193714 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20160208 Year of fee payment: 3 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
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 |
|
S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
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 |