JP2017187494A - 波形の診断解析を用いたアクティブな軸接地システム - Google Patents

Abstract

【課題】タービン、発電機、又はモータの問題を診断する方法を提供する。【解決手段】回転軸１８の接地電圧信号を最小化するために、回転軸１８に相殺電圧又は相殺電流を印加し、これらの相殺信号を測定及び解析し、ベースライン波形、故障波形、及び劣化波形の、以前に学習された波形及びモデルを、動作中の波形と比較して、故障及び劣化イベントを特定及び予測するエキスパートシステムロジックを提供する。自己学習ロジックは、動作中の波形を解析してその変化を検出し、アーカイブされた以前の波形の特徴に関連して、故障及び劣化イベントを検出又は予測する。自己学習ロジックは、その後、前兆的波形の特徴を、モデル波形のデータベースに追加し、検出された前兆に基づいてエキスパートロジックにおける規則及び閾値を更新する。【選択図】図１Ａ

Description

技術分野
本発明は概して、軸に関連する電圧及び／又は電流、例えば軸の接地電圧及び／又は接地電流、若しくは軸に印加される相殺電圧及び／又は相殺電流を解析することによって、タービン、発電機、又はモータの問題を診断することに関する。本発明は特に、相殺電圧の電圧波形及び／又は相殺電流の電流波形の学習アルゴリズム及び自動解析に関する。

発明の背景
タービン、発電機、及びモータの回転軸には、種々の理由が原因で電位が発生することがある。軸の構成要素に蒸気又は水が接触することによる静電気の蓄積、ステータ巻線又は界磁巻線の非対称性に基づく容量性結合又は誘導性結合、例えば回転界磁の構成要素又は絶縁軸受の場合には接地された軸受台における短絡のような、励磁システム又は励磁装置の問題が原因で、電位が発生することがある。軸受の表面の損傷を引き起こし、その結果として重大な損傷を引き起こす、軸受内の油膜に生じるアーク放電のような問題をもたらす、高レベルまでの電圧上昇を回避するためには、タービン／発電機の軸上の電位を接地しなければならない。軸接地システムは、典型的には、回転軸に接触するカーボンブラシ又は銅編組線を介して軸に接続される。しかしながら、ブラシと軸との間に汚れや油による半導電性の膜が形成されることがあり、これによって接地効果が低下し、軸電圧が上昇しうることとなる。軸及びブラシを清掃するためには定期的なメンテナンスが必要である。メンテナンスが時間通りに実施されない場合には、接地が不十分な軸によって、軸受又はその他の構成要素の障害及び強制停止が引き起こされるおそれがある。この障害は、結果的にシール、他の軸受、及びタービンブレード先端部への重大な損傷につながる可能性がある。発電機の水素シールへの損傷は、水素爆発の原因となりうる。絶縁された軸受台又はロータ巻線における短絡のようなさらに別の問題は、即座に非常に高い軸電流を発生させるおそれがあり、如何なるメンテナンス間隔にも程遠い大規模な停止を引き起こすおそれがある。

米国特許第７０３４７０６号明細書（US patent 7,034,706（Nippes））は、軸電圧波形をサンプリングすることを記載している。しかしながら、同明細書は、平均電圧制限及びピーク電圧制限のような標準的な電気信号処理を教示しているに過ぎず、波形形状を評価しているわけではない。単純な平均電圧値及びピーク電圧値は、その後、ブールロジックを用いて、高い軸受温度のような他の動作パラメータの警告条件と共に使用することができる。上記の方法は、潜在的な問題の重要な指標である波形形状の評価を何ら行っていない。

米国特許第９０９１７３２号明細書（US patent 9,091,732（Higgins））は、電圧信号の高調波含有率及び電磁干渉（ＥＭＩ）のデータに基づいて故障状態をユーザに通知する軸監視システムを記載している。

人間の専門家によるオシロスコープを用いた手動解析により、波形形状を解析することが可能である。しかしながら、このような解析を高度な専門技術レベルで実行できる人は殆どおらず、そのような人の時間は高価であり、また、このような人は、現場での経験によって常に学習している。この経験は、他の専門家に即座には伝達されない。人間の専門家は、典型的には、データを捕捉している時にタービン／発電機を評価するだけなので、システムは、殆どの時間、波形形状の専門家によって監視されておらず、故障又は前兆的形状の変化が起こっても気づかれないことがある。

米国特許第４８７３５１２号明細書（U.S. patent 4,873,512（Miller））は、参照によりその全体が本明細書に組み込まれる。同明細書は、軸電圧を最小化するために回転機器の軸に相殺電圧を供給する、アクティブな軸接地及び診断システムを記載している。故障を監視、診断、及び予測するため、並びに故障の原因を特定するためには、さらなる改善が必要である。

図面の簡単な説明
以下の説明では本発明を、図面を参照しながら説明する。

本発明の一実施形態の態様の概略的なシステム図である。 アクティブな軸接地システムのための本発明の一実施形態の態様の概略図であり、ここでは、相殺電圧及び／又は相殺電流が回路によって供給され、診断解析のために軸電圧及び／又は軸電流と比較される。 本発明の一実施形態の態様の概略図であり、ここでは、相殺電圧波形及び／又は相殺電流波形がプロセッサによって計算され、診断解析のために軸電圧波形及び／又は軸電流波形と比較される。 一実施形態の態様に基づく監視プロセスを示す図である。 さらに別の実施形態に基づく軸電圧の相殺及び診断プロセスを示す図である。 本発明の一実施形態の態様に基づく接地波形、相殺波形、及び結果波形を示す図である。 波形のベクトルモデル及び仕様エンベロープを例示するサポートベクトルマシンの出力画面を示す図である。

発明の詳細な説明
図１Ａは、本発明の一実施形態に基づく回転軸接地監視システム１６Ａの態様を示す。発電機１９、タービン２０、又はモータのような回転機器の軸１８に、電気的な接続２２が形成される。この接続は、接地ブラシを含むブラシ又はその他の装置の形態をとることができる。電圧センサ２４は、波形解析装置３０に電圧信号を供給する。電圧センサは、サンプリング及びアナログ／デジタル変換を実施することができるか、又は、波形解析装置におけるこのような処理のために信号を調整することができる。任意選択の電流センサ２６は、波形解析装置３０に電流信号を供給することができる。電流センサは、サンプリング及びアナログ／デジタル変換を実施することができるか、又は、波形解析装置におけるこのような処理のために信号を調整することができる。電圧信号及び電流信号は、少なくとも２ｋＨｚ又は少なくとも３ｋＨｚのサンプルレートで時系列のデータとして捕捉されることができる。波形解析装置３０は、ランダムアクセスメモリ、プログラムロジック、及びプログラムデータベースを有するプロセッサと、ベースラインモデル波形及び故障モデル波形と、アーカイブされた接地波形と、時系列の縮小データと、監視される機器の他のシステムから転送された、当該監視される機器の動作状態からのデータと、機器の構成情報と、エキスパートシステムロジックと、自己学習ロジックとを含む。本明細書における「プロセッサ」には、波形解析装置と、相互に関係のあるシステム要素とを含む１つ又は複数の相互に接続されたプロセッサが含まれる。

図１Ｂは、軸上の電圧を中和又は最小化するためにアクティブな軸接地システムによって軸に印加される相殺電圧及び／又は相殺電流を監視及び診断するための各要素を有するシステムの一実施形態１６Ｂの態様を示す。接地電圧２４を監視する代わりに又はこれに加えて、このような相殺電圧又は相殺電流を監視してもよい。相殺電圧レベルは、例えば米国特許第４８７３５１２号明細書（U.S. patent 4,873,512）に記載されているようにオペアンプのようなアナログ回路３７によって決定して、軸１８に印加３５することができる。図面では、電気素子３７が記号を用いて図示されているが、記号の詳細によって限定されてはいない。診断要素３９は、電圧センサ２４からの入力と、相殺電流及び相殺電圧の測定２７からの入力とを受信する波形解析装置３０又は付加装置内にあるプログラムロジックを含むことができる。冗長性のために、追加的な電圧センサ２５を軸１８に接続することができる。

本明細書における「信号」は、電圧又は電流を表す。「接地波形」という用語は、軸１８に関連するセンサ２４，２５によって供給される電圧信号及び／又は電流信号の波形を含む。相殺信号３５は、軸から検出されるというよりむしろ、相殺信号を生成する構成要素３７から受信することができる。本明細書における「接地電圧又は接地電流」及び「相殺電圧又は相殺電流」とは、回転機器のグラウンド又はシャーシにおける基準電位に対して相対的な電圧、又はそのような電圧に関連する電流を意味する。「電圧又は電流」という用語は、「電圧及び電流の少なくとも一方」を意味する。

図１Ｃは、軸電圧を中和又は最小化するための相殺電圧を計算、印加、監視、及び診断するための各要素を有するシステムの一実施形態１６Ｃの態様を示す。この実施形態では、相殺電圧レベルは、図示されているように相殺電圧３５を軸１８に供給するための入力及び出力を有する装置３８によって計算することができる。この計算は、波形解析装置３０のプロセッサ又は付加プロセッサ内のロジックによって実施することができる。相殺電圧及び相殺電流は、後述するように測定２７、診断３９、及び精密化することができる。診断要素３９は、軸電圧センサ２４からの入力と、相殺電流及び相殺電圧の測定２７からの入力とを受信する波形解析装置又は付加装置内のプログラムロジックを含むことができる。冗長性のために、追加的な電圧センサ２５を軸１８に接続することができる。

プログラムは、例えばフーリエ変換、ウェーブレット変換、主成分変換、サポートベクトルマシンモデリング、ニューラルネットワークモデリングによる、波形モデリングを含むことができる。本明細書における「モデリング」及び「モデル」は、受信した信号の波形形状を数学的に特徴付けすることを表している。モデルはまた、データ圧縮を提供することもできる。プログラムはさらに、波形形状を解析するために、事前に読み込まれた規則及び自己学習された規則を使用するエキスパートロジックを含むことができる。プログラムはさらに、高い軸受温度、振動、又はアークのような後々の警告又は故障の前兆を示す波形形状の早期の変化を検出する自己学習ロジックを含むことができる。プラント制御システムデータ２８は、波形解析プログラム又はエキスパート分析プログラムに入力され、波形に関する環境／動作コンテキスト及び規則に関するパラメータを供給することができる。プラント制御システムデータは、例えば主成分分析又はサポートベクトルマシンロジックによって、自己学習された動作状態の波形モデルにベクトルとして組み込むことができる。波形の位相関係を確立するために、軸回転位置又は回転毎パルス２９を入力することができる。軸電圧及び軸電流の他にエキスパート分析プログラムに供給することができる動作パラメータのその他の例には以下のものが含まれるが、ただしこれらには限定されていない：
・負荷（ＭＷ、ＨＰ等）
・反発荷重（ＭＶＡＲ、ＶＡＲ等）
・ロータ励磁電流
・ロータ励磁電圧
・電圧レギュレータの設定
・ロータ巻線温度
・ロータ温度
・軸受温度（複数の軸受及び位置）
・軸受振動（複数の軸受及び位置）
・周囲条件
・部分放電モニタの出力
・フラックスプローブの出力信号
・ローカルの煙感知器の出力
・高周波軸電圧／電流の活動評価
３相発電機又は３相モータの場合：
・Ａ相のステータ電流
・Ｂ相のステータ電流
・Ｃ相のステータ電流
・Ａ相のステータ電圧
・Ｂ相のステータ電圧
・Ｃ相のステータ電圧
・発電機状況モニタの出力
・中性接地電流及び中性接地電圧
蒸気タービンの軸の場合：
・ＬＰタービンへの蒸気流量
・ＬＰタービンへの蒸気温度
・蒸気の化学解析パラメータ
・温度及び圧力

このようなデータをエキスパート分析プログラムによって使用して、プラントの現在の状態に関連するモデル波形を選択することができる。エキスパート分析の出力は、プラントへの自動介入、オペレータへの警告、及びステータス３２を含むことができる。これらの出力のうちの少なくともいくつかは、回転機器の動作挙動の変化を生じさせる回転機器への介入を提供することができる。故障及び劣化の検出結果は、後述するように自己学習ロジックにフィードバック３３することができる。オペレータは、警告及びステータス情報３２に応答して、プラント制御システムに追加的な入力３４を供給することができる。自己学習ロジックは、例えば認証されたシステムによってインターネットを介してアクセス可能な中央データベース３６との間で、新たに学習した経験を通信し合うことができる。

波形特性は、軸の回転速度に関連する周期特徴を分解するために、軸の複数回の回転にわたって、例えば少なくとも４回転又は８回転にわたって計算することができる。さらに別の波形特性は、二乗平均平方根又はピーク平均などにおいて、過渡スパイクを含む非周期信号を分解するのに十分な比較的短い期間及び比較的長い期間にわたって、かつ比較的長い傾向にわたって計算することができるか、若しくは、何時間又は何年間にも及びうる経時的な挙動解析のために計算することができる。自己相関を使用して、例えば信号のノイズ又は他の特徴によって隠されている可能性のある周期的なイベントを検出することができる。解析には、所定のモデルウェーブレットを接地電圧又は接地電流の実時間波形と畳み込み又は相互相関させて、機器の劣化の前兆を示す不規則な又は片側の過渡現象を特定することが含まれる。フーリエ変換又はウェーブレットベース変換、デジタルフィルタ、又は他の手段、又はこれらの方法の組み合わせを使用して、データベースに信号をモデリング、解析、及び保存し、ベースラインモデルウェーブレット及び故障モデルウェーブレット並びに周期波と波形との間の相関を特定することができる。これに代えて又はこれに加えて、このような相関を識別するために、主成分分析（ＰＣＡ）、サポートベクトルマシン（ＳＶＭ）モデリング、又は他の数学的手法のような統計的手法を使用してもよい。このようにして、潜在的な異常状態が予測的に特定される。

これらの技術は、データ圧縮に使用することができるのと同様に、解析にも使用することができる。波形は、縮小データに加えて生の状態で保存することができる。自己学習型の波形解析装置は、一連のベクトルによってデータを記述するサポートベクトルマシンを含むことができる。各ベクトルは、統計的な計算結果からなる要素によって定義され、これにはＲＭＳ、ピーク値、又は標準偏差のような標準的な計算と、システムが使用する負荷、温度、及び他の全てのパラメータのような動作データと、フーリエ変換又はウェーブレット変換、ＰＣＡ分析、若しくは他の全ての解析技術に基づく周波数での特定の振幅と、を含むことができる。エキスパートシステムは、ＳＶＭからの出力に加えて上記の要素のいずれかを個別に使用して、故障又は操作上の問題の識別に焦点を当てた解析を実行することができる。

ベースライン波形は、接地電圧又は接地電流若しくは相殺電圧又は相殺電流の受信信号から特徴付けされることができ、かつ、例えば機器が最適に調整されて手動でチェックされた後に、モデルとしてデータベースに保存されることができる。データベースは、自己学習された一群の期待される波形を含むことができ、これらは、正常動作中に特徴付けされてモデルとして保存される。本明細書における「一群の期待される波形」という用語は、回転機器の正常動作に関連する波形の集合を意味する。予想される周囲条件及びプラント負荷のそれぞれのサブレンジに対して、一群のモデル波形を供給することができる。

図２は、以下の例示的なステップを有する本発明の一実施形態に基づくプロセス４０を示す：
４２ − 回転機器の接地システムから受信した電圧信号及び／又は電流信号の波形と比較するために、ベースライン波形モデル及び故障波形モデルをデータベースに保存する。波形は、上述したようにモデルに保存することができる。
４３ − 軸の接地電圧信号及び／又は接地電流信号及び／又は相殺電圧信号及び／又は相殺電流信号をサンプリングする。
４４ − サンプリングされた信号の波形をモデルとして特徴付けする。モデルと、任意選択的に信号の生データとを、日時スタンプと共にデータベースにアーカイブする。
４５−４６ − 現在の動作を表す波形を特徴付けする。波形モデリングを使用して、これらの波形の特性を学習する。ベースライン波形と比較するために、後の信号波形を特徴付けする。軸の接地パラメータに影響を及ぼしうる回転機器又は固定機器のメンテナンス後には、プラントのオペレータによって、メンテナンス作業が完了したこと及び正常動作が期待されることを示すマニュアル入力を行うことができる。メンテナンス後の動作を表す一群の波形を保存する。これら一群の波形が、既知の誤動作の波形と一致しない場合には、これらの波形は、その時点で、機器の特定の一部に対する正常動作を定義するために保存される。これら一群の波形が、既知の誤動作、特にメンテナンス中又はメンテナンス後に発生する既知の誤動作のモデルに近似する場合には、本システムは、オペレータに警告する、及び／又は、別の自動介入を実行する。メンテナンスインジケータを使用して、既知の劣化特性に関する経時的な波形変化を確認することもできる。

本システムは、プラントの動作状態の情報の有無にかかわらず期待される波形を学習し、変化の警告を発することができる。この機能は、特定の問題と相関しうるベースラインモデル及び故障モデルからは独立させることができる。この場合の警告４７は、何が悪いかを示すのではなく、波形が以前の波形から実質的に変化したことを示す。
４７ − データが、以前に学習した波形に対する閾値エンベロープの外側にあることを、オペレータに警告する。
４８ − サンプリングされた波形をモデル波形と自動的に相関させる。
５０ −エキスパートシステムロジックによって相関を解析し、ベースライン波形からの逸脱に基づいて、かつ、故障波形及び劣化波形との類似性に基づいて、プラントシステムデータを考慮して、故障及び劣化イベントを検出する。
５２ − 検出した故障及び劣化イベントを自己学習ロジックに自動的に転送する。アーカイブされたサンプリングされた波形を自己学習ロジックによって再検討し、現在識別されている故障及び劣化の前兆となる波形とその傾向を検出する。
５４ − 新たに検出された前兆的波形によって故障及び劣化モデルのデータベースを更新する。
５６ − 新たに検出された前兆的波形とその傾向を解析するための、エキスパートシステムロジックのための規則及び閾値のデータベースを更新する。これは、新たに識別された前兆的波形に関連する相関閾値及び傾向速度閾値の更新又は追加を含むことができる。
５８ − サンプリングされた波形が、モデル波形によって表される期待された挙動から逸脱した機器挙動を示している場合には、相関ステップに基づいて回転機器への介入を実施する。
６０ − オペレータが状況に応じた人間の知識を提供することが可能であるモデルデータベース及び経験データベースに対して、オペレータによる更新を可能にする。これは、ステップ４５−４６にも記載されているメンテナンス情報を含むことができる。
６２ − プラント制御システム及びシステムデータにオペレータ入力を供給する。

波形参照は、エキスパートシステムによってプログラミングされた又は学習された故障解析値と比較することができるのと同様に、学習された挙動と比較することもできる。以下は、いくつかのサンプル診断である：
ａ）例えば波形解析が、安定した高い値又は電圧上昇と、それに続く放電期間とを示すことに基づき、信頼性レベル０．７で、軸の接地ブラシが汚れていてメンテナンスの必要がある。
ｂ）波形解析が、適切な走行速度成分で低電圧のバーストに相関がある高電流のバーストを示すことに基づき、信頼性レベル０．３４で、軸受台のグラウンドが軸及び軸受を流れる大きな循環電流を引き起こしている。
ｃ）波形が以前の測定の障害シナリオと一致しているので、信頼性レベル０．９５で、軸監視システムが誤動作している。

図３は、図１Ｂのシステムにおける軸電圧を相殺するプロセス７０を示す。軸上の電圧を中和又は最小化するために、第２のブラシ又は他の装置を介して相殺電圧を軸に印加することができる。図１Ｂのシステムの診断要素３９は、軸の接地電圧波形とアクティブな相殺電圧波形とを同時に記録及び比較することができる。例えば、以下のステップを使用することができる：
７２ − 軸電圧を検出する。
７４ − 相殺電圧が印加されている場合には、軸電圧波形と相殺電圧波形とを特性付けして比較する。
７６ − 相殺電圧が印加されていない場合には、軸電圧波形及び軸電流波形を記録し、最近及び将来の相殺波形と比較する。
７８ − 相殺電圧を軸に印加する。
８０ − 比較ステップ７４及び７６に基づいて、故障及び潜在的な劣化を特定及び予測する。
５８ − 自動介入及びオペレータへの警告を実施する。

本システムは、周期的かつ自動的にアクティブモードからパッシブモードに切り替わることができ、秒オーダーの短い時間の間、いかなる相殺電圧も印加されていない状態で軸の波形を捕捉することができる（ステップ７６）。アクティブな接地機能を解除することによって結果的に過大な軸電圧が発生しうることを、相殺電圧の進行中の解析が示している場合には、このモードは実施されない。その後、本システムは、パッシブモードからアクティブモードに復帰し、アクティブな相殺電圧が印加されている状態の軸電圧波形、及び相殺電圧と、最近のパッシブな波形とを即座に比較することができる。

発電機又は励磁の問題は、軸上の電圧又はグラウンドへの電流として発現するだけでなく、相殺電圧波形に対する反応時間及び／又は挙動によっても発現し、これは、インダクタンス、キャパシタンス、及び充電量の特性を示しており、ロータ／発電機システムに保存される。ある場合には、軸電圧が相殺電圧にほぼ即座に反応するが、また別の場合には、より時間がかかることがある。軸電圧波形及び相殺電圧波形における特定の特徴は、識別及び相関することができるが、しかし、その特徴は、時間的にオフセットされ、又は、期待される形状から形状変化してしまうことがある。位相差及び特徴形状の特性差は、回転機器の特定の誤動作を示すことができる。

本システムは、軸電圧を最小にするために予測された継続波形の対応する位相に関連して相殺波形を印加するためのリードタイムを、連続的に監視及び調整することができる。本システムは、軸電圧波形と相殺電圧波形とを比較し、対応する特徴同士の間の時間オフセットを決定して、リードタイムを調整することができる。本システムはさらに、リードタイム及びその傾向に基づいて、回転機器における故障及び潜在的な劣化を特定及び予測することができる。

相殺電圧を用いる実施形態では、診断比較要素３９は、以下のパラメータのうちの少なくとも１つ又は少なくとも２つを解析して、回転機器の状態を診断し、任意選択的に相殺電圧波形の連続的な調整を容易にすることができる：
ａ）相殺電圧波形
ｂ）相殺電圧が印加されている状態における接地波形
ｃ）相殺電圧が印加されていない状態における接地波形
ｄ）相殺電圧が印加されている状態における、接地波形と相殺電圧波形との間の数学的な差として計算された波形
ｅ）相殺電圧が印加されていない状態における、接地波形と相殺電圧波形との間の数学的な差として計算された波形
ｆ）接地波形と相殺電圧波形とにおける特定の対応する特徴同士の間の位相差
ｇ）接地波形と相殺電圧波形との間の波形形状の差

図１Ｂの実施形態では、例えば米国特許第４８７３５１２号明細書（US patent 4,873,512）に既に記載されているような標準的なエレクトロニクスフィードバックシステムによって、相殺電圧を生成することができる。図１Ｃの実施形態では、上記の解析に基づいて相殺電圧波形を計算することができ、本システムは、相殺波形による接地波形に対する影響を監視することによって相殺波形を連続的に修正及び改善することができる。本システムはさらに、モデルの相殺波形を学習して保存することができ、現在の相殺波形をモデルの相殺波形と比較することによって解析して、回転機器の故障及び潜在的な劣化を特定及び予測することができる。

図４は、本発明の一実施形態の態様に基づく接地波形８６、予測波形８８、相殺波形９０、及び結果波形９２を示す。図示された波形は、分かりやすくするために簡略化及び概念化されている。例えば接地波形は、低周波数、非周期パルス、又はスパイクの非整数倍の周波数を有するいくつかの周期波が含まれた複数の周期波のノイジーな重ね合わせであってよい。予測波形８８は、接地波形８６の１つ又は複数の選択された周期特徴の継続として計算することができる。相殺波形は、応答遅延９４の量だけ予測波形の前に印加することができる。相殺電圧波形によって結果的に軸電圧波形９２が減少し、この軸電圧波形９２を、その後、相殺波形を精密化するために解析することができる。例えば結果波形９２が、予測される継続波形８８と同位相９６にある場合には、その結果として得られた波形に既存の利得係数を乗算し、その後（遅延オフセットを適用する前に）相殺波形から減算して、相殺波形の利得を調整することが可能である。結果波形９２が予測波形と位相がずれている場合には、応答遅延９４のためのオフセットを調整することができる。

相殺電圧がプログラムロジックによって計算されるか、又は、オペアンプのようなアナログ回路の構成要素によって生成されるかにかかわらず、相殺電圧の印加と接地電圧における関連応答との間の反応時間又は遅延９４は、特定の問題の徴候を与えることができる。このようにして、相殺電圧波形を接地電圧波形と比較して、応答における時間遅延を検出することができる。この応答遅延の解析を、本システムによって使用して、回転機器の状態を示すことができる。

一実施形態では、本システム内のエキスパートロジックは、接地波形又は相殺波形における特定の非周期パルス又はスパイクを、特定の動作状態下でそのようなパルス又はスパイクに一貫して先行している波形の変化に基づいて予測するために、自己学習することができる。このようにして、本システムは、そのような非周期的なイベントに先立って警告及び介入を実施することができる。

図５は、サポートベクトルマシンからの出力画面を示し、波形のベクトルモデル及び仕様限界エンベロープ１００を示す。この可視化は２次元に限定されているが、エンベロープは、多次元形状からのスライスを表すことができる。ベクトルモデル及びエンベロープは、回転機器の正常動作中に本発明によって学習されることができ、学習された一群の期待される波形におけるベースラインモデルとして機能する。さらに、このようなベクトルモデルは、故障検出中に学習されることができ、故障モデルとして機能する。エンベロープの内側の各ドット１０２は、１つのベクトルを表す。プラントの構成及び動作パラメータは、例えばＳＶＭモデル又はＰＣＡモデルにおけるベクトルとして、ニューラルネットワークにおけるベクトルとして、若しくは、同一モデル内に波形モデリングと環境モデリングの両方のための能力を有するその他の数学的モデリング手法におけるベクトルとして、モデル自体に統合することができる。このことにより、期待される範囲の所定のマトリックスを使用した場合よりもより特定化され、かつより微妙な違いが表現されたモデルが提供され、さらには、プラントのパラメータの期待される範囲の外側で発生する状況のモデリングが可能となる。このことにより、問題の早期予測のために、特定のプラント負荷又は温度に基づく警告限界よりも、より包括的な解析が提供される。モデル及びエンベロープは、モデルが学習する回転機器の設置（インストレーション）に固有のものであり、波形における小さな差又は微妙な差を極めて判別しやすくするものである。しかしながら、モデルをコピーしてもよく、かつ任意選択的に修正してもよく、またエンベロープを、監視される同類タイプの機器に対する警告のために使用されるように拡大してもよい。例えば、或るタイプの１つの設置（インストレーション）において学習されたモデルを、本発明の初期学習の期間中に、新たに設置された又は新たに調整された同じタイプの回転機器において使用することができる。このモデルをさらに、より一般的なクラスの機器に対する警告のために、はるかに大きなエンベロープと共に使用することができる。

回転機器のインストレーションによって、信号波形の特性付けに基づく、信号のインストレーション固有の期待される波形のモデルが作成され、保存される。各波形モデルは、回転機器の所定の動作状態下での波形に対する仕様エンベロープを含むことができる。当該インストレーション又は他の場所にあるプロセッサは、当該インストレーション固有のモデルの仕様エンベロープを拡大することによって、拡大されたこの仕様エンベロープが所定の範囲のインストレーションにおける回転機器の所与の機械モデルに対してより一般的に適用できるように、一連の修正されたモデル群を作成することができる。仕様エンベロープをさらに拡大することによって、さらに拡大されたこの仕様エンベロープが回転機械の機械タイプに対してさらにより一般的に適用されるように、さらに修正されたモデルを作成することができる。波形モデル、修正されたモデル、及びさらに修正されたモデルを、回転機器の所与のモデル又はタイプの別の機械によって使用するために、複数のプラントにアクセス可能なデータベースに供給することができる。その場合、これら別の機械の少なくともいくつかは、本明細書で説明するように信号波形及び／又は相殺波形を特徴付けすることができ、信号波形の成分が、拡大された仕様エンベロープ又はさらに拡大された仕様エンベロープのうちの１つの外側にある場合に、故障又は予測される問題を診断することができる。

特徴付けされた波形において認識される故障又は他の異常の繰り返しは、所与の動作状態下での所与の期間における故障の繰り返し回数及び繰り返しパターンに関する診断情報を提供することが可能である。本発明は、通常であれば許容されうる故障の繰り返しパターンを解析して、追加的な問題を診断及び予測することができる。例えば、ある特定の既知の故障は、既知のプラント状態下において所定の周波数においては、発生が許容されうることがある。しかしながら、異なる周波数で又は異なるプラント運転状態下で発生した同一の故障は、対処が必要な重大又は不明な状態を示すことがある。オペレータは、既知の擬似的な故障の繰り返しを、冗長な情報であるとして、ひいては重要でないとして解釈するおそれがある。しかしながら本システムは、自己学習によって、又はオペレータによるインタラクティブフラッギングによって、又は中央データベースから、当該システムのデータベースに記憶された故障及び異常の繰り返しのモデルパターンと、このような異常のパターンとを統計的に比較することによって、故障又は他の異常の繰り返しパターンを継続的に解析することができる。

繰り返しパターンの解析は、信号波形を、ドロップ又はスパイク、若しくは波形の他の異常な逸脱又は形状変化のような一連の異常に関連させることができる。米国特許第４８７３５１２号明細書（US patent 4,873,512）の図８に示されている例は、１回転につき１回の、平均信号レベルからのドロップアウトを含む。ここでの解析は、異常の発生頻度の特徴付け及び解析を含むことができるか、若しくは幅、端部形状、又は辺の角度のような異常の形状特徴の解析を含むことができる。例えば、漸進的に増加する幅を有する一連のドロップアウトは、一定の幅を有する一連の同様のドロップアウトよりも重大でありうる。漸進的に増加する発生頻度の一連の異常は、一定の発生頻度の一連の同様の異常よりも重大でありうる。解析はさらに、一連の連続するドロップ又はスパイクにおける形状特徴の変化の解析を含むことができる。解析は、接地電圧又は接地電流、及び／又は、相殺電圧又は相殺電流に基づいて実施することができる。許容可能な振幅閾値内にある異常であって、それ故に故障とはみなされない異常を、それでもなおこのような解析に含めることができる。

本発明は、軸電圧波形及びドレイン電流波形の連続的かつ自動化された診断を可能にする。本発明は、以前の傾向データと比較される関連動作パラメータの波形及び傾向に関する自己学習を含み、解析作業において人間の専門家に匹敵するか又は凌駕すること、さらには、継続的にかつ実時間で解析を行う能力によって人間の専門家を凌駕することが可能である。アクティブな相殺電圧と、常時の自己学習及び自己修正とを用いる実施形態では、本発明は、従来のシステムよりもより効果的に軸電圧を最小化することが可能である。

本発明の種々の実施形態を本明細書において図示及び説明してきたが、そのような実施形態が単なる例示として提供されていることは明白である。本発明から逸脱することなく多数の変形、変更、及び置換を行うことができる。従って、本発明は、添付の特許請求の範囲の精神及び範囲によってのみ限定されることが意図されている。

Claims (10)

1. コンピュータ実装される、軸接地システムを動作させるための方法であって、
   前記方法は、
   回転機器の軸に関連する信号を受信するステップであって、前記信号は、前記軸の接地電圧又は接地電流を低減するために前記軸に印加される相殺電圧又は相殺電流に応答する信号である、ステップと、
   前記信号の信号波形を経時的に特徴付けして、前記回転機器の状態を診断するステップと、
   前記診断に応答して前記回転機器への介入を実施するステップと、
   をプロセッサ上で実行することを含む、
   ことを特徴とする方法。
2. 前記プロセッサはさらに、
   前記信号波形の形状特徴を、ベースラインモデル波形及び故障モデル波形のデータベース内にあるモデル波形の形状特徴と比較するステップと、
   前記回転機器の挙動が、前記モデル波形によって表される当該回転機器の期待される挙動から逸脱していることを、前記信号波形が示している場合には、前記比較するステップに基づいて前記回転機器への介入を実施するステップと、
   を実行する、請求項１記載の方法。
3. 前記プロセッサはさらに、
   前記信号波形によって示される故障の繰り返しパターンを識別するステップと、
   前記故障の繰り返しパターンを、データベース内に保存された前兆的な故障の繰り返しパターンと比較して、前記回転機器の状態を特定するステップと、
   を実行する、請求項１記載の方法。
4. 前記プロセッサはさらに、
   前記信号波形において非周期的な異常（事態）に統計的に先行する当該信号波形の特徴を自己学習するステップと、
   前記自己学習するステップに基づいて、前記非周期的な異常の予測に応答して、前記回転機器の状態を診断するステップと、
   を実行する、請求項１記載の方法。
5. 前記プロセッサはさらに、
   少なくとも２ｋＨｚのサンプルレートで、時系列で電圧又は電流の信号を収集するステップと、
   ウェーブレット変換、フーリエ変換、主成分分析、ニューラルネットワーク、及びサポートベクトルマシンアルゴリズムのうちの少なくとも１つによって、前記時系列信号を特徴付けするステップと、
   前記特徴付けされた時系列信号を、ベースライン波形モデル及び故障波形モデルと相関させて、前記回転機器の状態を診断するステップと、
   を実行する、請求項１記載の方法。
6. 前記プロセッサはさらに、
   前記回転機器の許容可能なベースライン状態を特徴付ける複数のベースライン波形モデルを作成して、データベース内に保存するステップと、
   前記回転機器の劣化状態又は故障状態を特徴付ける複数の故障波形モデルを作成して、前記データベース内に保存するステップと、
   前記信号波形を特徴付ける信号波形モデルを作成するステップと、
   前記回転機器の所与の動作状態下での当該回転機器の動作パラメータを、前記信号波形モデル、前記ベースライン波形モデル、及び前記故障波形モデルに直接的に組み込むステップと、
   前記信号波形モデルを、前記データベースからの１つのベースライン波形モデル及び１つの故障波形モデルの少なくとも一方と相関させて、前記回転機器の状態を診断するステップと、
   を実行する、請求項１記載の方法。
7. 前記プロセッサはさらに、
   手動による調整及び検証後、前記信号波形の特徴に基づいて、良好に調整された前記回転機器の動作中における前記信号の期待される波形モデルを作成して、保存するステップと、
   前記回転機器の動作パラメータを、前記期待される波形モデルに直接的に組み込むステップであって、各前記期待される波形モデルは、所定の動作状態下での許容可能な波形に対する仕様エンベロープを供給する、ステップと、
   前記回転機器の信号波形をモデリングするステップと、
   前記所定の動作状況下において、信号波形モデルの成分が、期待される波形モデルの前記仕様エンベロープの外側にある場合には、故障又は予測される問題を示すステップと、
   を実行する、請求項１記載の方法。
8. 前記プロセッサはさらに、
   前記信号波形の前記特徴付けに基づいて、前記信号の期待される波形のインストレーション固有のモデルを作成して、保存するステップであって、それぞれの前記インストレーション固有のモデルは、所与のインストレーションにおける前記回転機器の所与の動作状態下での波形に対する仕様エンベロープを含む、ステップと、
   前記インストレーション固有のモデルの前記仕様エンベロープを拡大することによって、一連の修正されたモデルを作成するステップであって、拡大された前記仕様エンベロープは、所定の範囲のインストレーションのための前記回転機器の所与の機械モデルに適用される、ステップと、
   前記インストレーション固有のモデルの前記仕様エンベロープをさらに拡大することによって、一連のさらに修正されたモデルを作成するステップであって、さらに拡大された前記仕様エンベロープは、前記回転機器の複数のモデルを含む前記回転機器の機械タイプに適用される、ステップと、
   さらには、前記修正されたモデルと前記さらに修正されたモデルとを、前記回転機器の前記機械タイプの機械の複数のインストレーションにアクセス可能なデータベースに供給するステップと、
   を実行し、
   前記機械タイプの前記機械の少なくともいくつかは、当該機械の信号波形の特徴が、前記拡大された仕様エンベロープの１つ、又は前記さらに拡大された仕様エンベロープの１つの外側にある場合に、故障又は予測される問題を示すステップを実行するプロセッサを含む、
   請求項１記載の方法。
9. 前記プロセッサはさらに、
   前記接地電圧又は前記接地電流の継続波形を、当該接地電圧又は当該接地電流の周期特徴に基づいて予測するステップと、
   前記接地電圧の予測された前記継続波形を最小化する前記相殺電圧又は前記相殺電流の波形を計算するステップと、
   前記相殺電圧又は前記相殺電流を、相殺波形の形態で前記軸に印加するステップと、
   前記相殺電圧又は前記相殺電流、及び前記接地電圧又は前記接地電流の、特徴付けされた波形を解析することによって、前記回転機器の状態を診断するステップと、
   を実行する、請求項１記載の方法。
10. 回転機器の軸接地システムにおいて、
    前記回転機器の軸と前記回転機器のシャーシ又はグラウンドとの間における接地電圧又は接地電流を低減する相殺電圧又は相殺電流を生成する装置と、
    前記相殺電圧又は前記相殺電流の波形を特徴付けし、これらの相殺波形を、モデル波形のデータベース内にある自己学習された一群の期待される波形と比較し、前記相殺波形が、前記期待される波形の少なくとも１つによって表される挙動から逸脱している挙動を示している場合に、前記回転機器の故障又は劣化を診断又は予測する、波形解析装置と、
    を含み、
    前記波形解析装置は、前記回転機器の相殺波形のモデルを経時的にアーカイブし、後々の故障又は劣化イベントに関して、エキスパートロジックによって識別された、アーカイブされた前記相殺波形における以前の変化を解析し、前記以前の変化の把握に基づいて、将来の故障又は劣化の予測を実施するように前記エキスパートロジックを更新して、自己学習型のエキスパートシステムを提供する、
    ことを特徴とする、回転機器の軸接地システム。

Images