JP2018138909A - 翼振動監視装置および翼振動監視方法 - Google Patents
翼振動監視装置および翼振動監視方法 Download PDFInfo
- Publication number
- JP2018138909A JP2018138909A JP2017033978A JP2017033978A JP2018138909A JP 2018138909 A JP2018138909 A JP 2018138909A JP 2017033978 A JP2017033978 A JP 2017033978A JP 2017033978 A JP2017033978 A JP 2017033978A JP 2018138909 A JP2018138909 A JP 2018138909A
- Authority
- JP
- Japan
- Prior art keywords
- vibration
- blade
- data
- regression line
- coordinate system
- 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
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
Description
回転翼を有する回転機械の翼振動を監視する翼振動監視装置であって、
前記回転翼の回転軸を支持する軸受を介して前記回転翼の回転数毎に、前記翼振動を計測した計測データである静止座標系の振動データを取得する振動データ取得部と、
前記静止座標系の振動データを回転座標系の振動データに座標変換する座標系変換部と、
前記回転座標系の振動データの周波数特性を算出する周波数特性算出部と、
前記振動データの周波数特性に基づいて、一軸が周波数、他軸が前記回転翼の回転数からなるグラフ上にプロットされた複数の振動点を有するキャンベル線図の線図データを生成するキャンベル線図データ生成部と、
前記複数の振動点に対してクラスタ分析を実行することにより、前記複数の振動点の各々を対応する振動モードに分類する振動モード分類部と、
前記振動モード毎に前記振動点の回帰線を決定する回帰線決定部と、を備える。
前記振動モード分類部は、前記翼振動を数値解析して前記振動モード毎に得られる、前記回転数と前記周波数との関係を示す振動モード解析関数との類似性に基づいて前記クラスタ分析を実行する。
上記(2)の構成によれば、FEMなどの数値解析結果を用いることにより、上述したクラスタ分析による振動点の分類精度の向上を図ることができる。
前記振動モード分類部は、k平均法を用いて前記クラスタ分析を実行する。
上記(3)の構成によれば、k平均法を用いることにより、キャンベル線図上に描かれる振動点の各々を対応する振動モードへ精度良く分類することができる。
前記回帰線決定部は、前記振動モード解析関数をF(x)と表した場合に、前記回帰線が、パラメータaおよびパラメータbを用いてa×F(x)+bの関係を有するものと仮定した回帰分析を実行することにより前記回帰線を決定する。
上記(4)の構成によれば、数値解析により得た振動モード解析関数を、パラメータaを用いて拡大あるいは縮小し、また、パラメータbを用いて平行移動することにより、振動モード毎の回帰線を適切に決定することができる。
前記回帰線決定部は、遺伝的アルゴリズムにより前記回帰線を決定する。
上記(5)の構成によれば、遺伝的アルゴリズム(GA)を用いることにより、少ない計算量で、振動モード毎の回帰線を適切に決定することができる。
前記周波数特性からノイズ成分を除去するノイズ成分除去部を、さらに備え、
前記ノイズ成分除去部は、
前記ノイズ成分であるか否かを判定するためのノイズ判定閾値を、最尤推定法により前記周波数特性に基づいて決定するノイズ判定閾値決定部と、
前記周波数特性の強度が前記ノイズ判定閾値以下を前記ノイズ成分として除去するノイズ除去実行部と、を有する。
上記(6)の構成によれば、最尤推定法により自動でノイズ判定閾値を決定することができると共に、周波数特性に基づいて決定したノイズ判定閾値を用いてノイズ成分を判別することで、周波数特性からノイズ成分を適切に自動で除去することができる。
前記最尤推定法は、EM法である。
上記(7)の構成によれば、EM法(期待値−最大化法:expectation−maximization algorithm)によってノイズ判定閾値を合理的かつ適切に決定することができる。
前記線図データおよび前記回帰線を表示装置に出力する表示出力部を、さらに備える。
上記(8)の構成によれば、キャンベル線図を視覚的に表示することが可能なディスプレイなどの表示装置にキャンベル線図を表示することができ、回転機械の翼振動の監視に用いる情報(キャンベル線図および回帰線)を監視者に提供することができる。
回転翼を有する回転機械の翼振動を監視する翼振動監視方法であって、
前記回転翼の回転軸を支持する軸受を介して前記回転翼の回転数毎に、前記翼振動を計測した計測データである静止座標系の振動データを取得する振動データ取得ステップと、
前記静止座標系の振動データを回転座標系の振動データに座標変換する座標系変換ステップと、
前記回転座標系の振動データの周波数特性を算出する周波数特性算出ステップと、
前記振動データの周波数特性に基づいて、一軸が周波数、他軸が前記回転翼の回転数からなるグラフ上にプロットされた複数の振動点を有するキャンベル線図の線図データを生成するキャンベル線図データ生成ステップと、
前記複数の振動点に対してクラスタ分析を実行することにより、前記複数の振動点の各々を対応する振動モードに分類する振動モード分類ステップと、
前記振動モード毎に前記振動点の回帰線を決定する回帰線決定ステップと、を備える。
前記振動モード分類ステップは、前記翼振動を数値解析して前記振動モード毎に得られる、前記回転数と前記周波数との関係を示す振動モード解析関数との類似性に基づいて前記クラスタ分析を実行する。
上記(10)の構成によれば、上記(2)と同様の効果を奏することができる。
前記振動モード分類ステップは、k平均法を用いて前記クラスタ分析を実行する。
上記(11)の構成によれば、上記(3)と同様の効果を奏することができる。
前記回帰線決定ステップは、前記振動モード解析関数をF(x)と表した場合に、前記回帰線が、パラメータaおよびパラメータbを用いてa×F(x)+bの関係を有するものと仮定した回帰分析を実行する。
上記(12)の構成によれば、上記(4)と同様の効果を奏することができる。
前記回帰線決定ステップは、遺伝的アルゴリズムにより前記回帰線を決定する。
上記(13)の構成によれば、上記(5)と同様の効果を奏することができる。
前記周波数特性からノイズ成分を除去するノイズ成分除去ステップを、さらに備え、
前記ノイズ成分除去ステップは、
前記ノイズ成分であるか否かを判定するためのノイズ判定閾値を、最尤推定法により前記周波数特性に基づいて決定するノイズ判定閾値決定ステップと、
前記周波数特性の強度が前記ノイズ判定閾値以下を前記ノイズ成分として除去するノイズ除去実行ステップと、を有する。
上記(14)の構成によれば、上記(6)と同様の効果を奏することができる。
前記最尤推定法は、EM法である。
上記(15)の構成によれば、上記(7)と同様の効果を奏することができる。
前記線図データおよび前記回帰線を表示装置に出力する表示出力ステップを、さらに備える。
上記(16)の構成によれば、上記(8)と同様の効果を奏することができる。
例えば、「ある方向に」、「ある方向に沿って」、「平行」、「直交」、「中心」、「同心」或いは「同軸」等の相対的或いは絶対的な配置を表す表現は、厳密にそのような配置を表すのみならず、公差、若しくは、同じ機能が得られる程度の角度や距離をもって相対的に変位している状態も表すものとする。
例えば、「同一」、「等しい」及び「均質」等の物事が等しい状態であることを表す表現は、厳密に等しい状態を表すのみならず、公差、若しくは、同じ機能が得られる程度の差が存在している状態も表すものとする。
例えば、四角形状や円筒形状等の形状を表す表現は、幾何学的に厳密な意味での四角形状や円筒形状等の形状を表すのみならず、同じ効果が得られる範囲で、凹凸部や面取り部等を含む形状も表すものとする。
一方、一の構成要素を「備える」、「具える」、「具備する」、「含む」、又は、「有する」という表現は、他の構成要素の存在を除外する排他的な表現ではない。
以下、翼振動監視装置1が備える上述した機能部の各々について、それぞれ説明する。
幾つかの実施形態では、振動モード分類部16は、上述した翼振動を数値解析して振動モード毎に得られる、回転数と周波数との関係を示す振動モード解析関数との類似性に基づいてクラスタ分析を実行しても良い。これによって、上述したクラスタ分析による振動点Vの分類精度の向上を図ることが可能となる。図2〜図7に示される実施形態では、振動モード分類部16は、k平均法を用いてクラスタ分析を実行している。つまり、線図データDcに含まれる複数の振動点Vの各々を、所定数nの振動モード(1次〜n次)にそれぞれ対応する所定数nのクラスタのいずれかに分類する。
例えば、各クラスタのクラスタ中心は、振動モード毎の振動モード解析関数の平均値(周波数値の平均値)としても良い。より具体的には、yを周波数、xを回転数とし、k次(k=1、2、3、・・・n)の振動モードの振動モード解析関数をy=Fk(x)とすると、k番目のクラスタのクラスタ中心は、Fk(x)で算出されるyの平均値となる。なお、上記の周波数値の平均は、上述した線図データDcにおける回転数と周波数とで定まる振動点Vが存在する回転数の範囲で算出しても良い。そして、各振動点V(回転数、周波数)について、その各々の周波数値を各クラスタのクラスタ中心と比較し、最も近いクラスタ中心を有するクラスタに関連づける。
幾つかの実施形態では、回転座標系の振動データDrからノイズ成分を除去するノイズ成分除去部14を、さらに備える。このノイズ成分除去部14は、ノイズ成分であるか否かを判定するためのノイズ判定閾値Tnを、最尤推定法により周波数特性Fに基づいて決定するノイズ判定閾値決定部14aと、周波数特性Fの強度がノイズ判定閾値Tn以下をノイズ成分として除去するノイズ除去実行部14bと、を有する。より具体的には、ノイズ除去実行部14bは、周波数特性Fの強度(図3の縦軸の値)がノイズ判定閾値Tn以下となる周波数の強度を0として扱っても良いし、全ての周波数の強度からノイズ判定閾値Tnを減算するなどしても良い。最尤推定法を用いることによって、自動でノイズ判定閾値Tnを決定することができると共に、周波数特性Fに基づいて決定したノイズ判定閾値Tnを用いてノイズ成分を判別することで、人が介在することなく、周波数特性からノイズ成分を適切に自動で除去することができる。
以下、翼振動監視方法について、図11のステップの順に説明する。なお、図11の各ステップは、上述した同様の名称の機能部に対応するため、詳細な説明は省略する。
11 振動データ取得部
12 座標系変換部
13 周波数特性算出部
14 ノイズ成分除去部
14a ノイズ判定閾値決定部
14b ノイズ除去実行部
15 キャンベル線図データ生成部
16 振動モード分類部
17 回帰線決定部
18 表示出力部
4 回転機械
41 ケーシング
42 回転軸
43 回転翼(動翼)
45 静翼
46 軸受
47 軸受台
48 基礎台
6 振動センサ
62 通信ケーブル
7 表示装置
Pv 振動伝達経路
Dm 静止座標系の振動データ
Dr 回転座標系の振動データ
F 周波数特性(回転座標系の振動データで生成)
C キャンベル線図
x 横軸
y 縦軸
z 斜軸
Dc 線図データ
V 振動点
Lr 回帰線
a、b 回帰線のパラメータ
J 評価関数
J1 第1サブ評価関数
J2 第2サブ評価関数
N1 第1正規分布
N2 第2正規分布
N3 第3正規分布
N4 第4正規分布
N5 第5正規分布
Tn ノイズ判定閾値
Claims (16)
- 回転翼を有する回転機械の翼振動を監視する翼振動監視装置であって、
前記回転翼の回転軸を支持する軸受を介して前記回転翼の回転数毎に、前記翼振動を計測した計測データである静止座標系の振動データを取得する振動データ取得部と、
前記静止座標系の振動データを回転座標系の振動データに座標変換する座標系変換部と、
前記回転座標系の振動データの周波数特性を算出する周波数特性算出部と、
前記振動データの周波数特性に基づいて、一軸が周波数、他軸が前記回転翼の回転数からなるグラフ上にプロットされた複数の振動点を有するキャンベル線図の線図データを生成するキャンベル線図データ生成部と、
前記複数の振動点に対してクラスタ分析を実行することにより、前記複数の振動点の各々を対応する振動モードに分類する振動モード分類部と、
前記振動モード毎に前記振動点の回帰線を決定する回帰線決定部と、を備えることを特徴とする翼振動監視装置。 - 前記振動モード分類部は、前記翼振動を数値解析して前記振動モード毎に得られる、前記回転数と前記周波数との関係を示す振動モード解析関数との類似性に基づいて前記クラスタ分析を実行することを特徴とする請求項1に記載の翼振動監視装置。
- 前記振動モード分類部は、k平均法を用いて前記クラスタ分析を実行することを特徴とする請求項2に記載の翼振動監視装置。
- 前記回帰線決定部は、前記振動モード解析関数をF(x)と表した場合に、前記回帰線が、パラメータaおよびパラメータbを用いてa×F(x)+bの関係を有するものと仮定した回帰分析を実行することにより前記回帰線を決定することを特徴とする請求項2または3に記載の翼振動監視装置。
- 前記回帰線決定部は、遺伝的アルゴリズムにより前記回帰線を決定することを特徴とする請求項1〜3のいずれか1項に記載の翼振動監視装置。
- 前記周波数特性からノイズ成分を除去するノイズ成分除去部を、さらに備え、
前記ノイズ成分除去部は、
前記ノイズ成分であるか否かを判定するためのノイズ判定閾値を、最尤推定法により前記周波数特性に基づいて決定するノイズ判定閾値決定部と、
前記周波数特性の強度が前記ノイズ判定閾値以下を前記ノイズ成分として除去するノイズ除去実行部と、を有することを特徴とする請求項1〜5のいずれか1項に記載の翼振動監視装置。 - 前記最尤推定法は、EM法であることを特徴とする請求項6に記載の翼振動監視装置。
- 前記線図データおよび前記回帰線を表示装置に出力する表示出力部を、さらに備えることを特徴とする請求項1〜7のいずれか1項に記載の翼振動監視装置。
- 回転翼を有する回転機械の翼振動を監視する翼振動監視方法であって、
前記回転翼の回転軸を支持する軸受を介して前記回転翼の回転数毎に、前記翼振動を計測した計測データである静止座標系の振動データを取得する振動データ取得ステップと、
前記静止座標系の振動データを回転座標系の振動データに座標変換する座標系変換ステップと、
前記回転座標系の振動データの周波数特性を算出する周波数特性算出ステップと、
前記振動データの周波数特性に基づいて、一軸が周波数、他軸が前記回転翼の回転数からなるグラフ上にプロットされた複数の振動点を有するキャンベル線図の線図データを生成するキャンベル線図データ生成ステップと、
前記複数の振動点に対してクラスタ分析を実行することにより、前記複数の振動点の各々を対応する振動モードに分類する振動モード分類ステップと、
前記振動モード毎に前記振動点の回帰線を決定する回帰線決定ステップと、を備えることを特徴とする翼振動監視方法。 - 前記振動モード分類ステップは、前記翼振動を数値解析して前記振動モード毎に得られる、前記回転数と前記周波数との関係を示す振動モード解析関数との類似性に基づいて前記クラスタ分析を実行することを特徴とする請求項9に記載の翼振動監視方法。
- 前記振動モード分類ステップは、k平均法を用いて前記クラスタ分析を実行することを特徴とする請求項10に記載の翼振動監視方法。
- 前記回帰線決定ステップは、前記振動モード解析関数をF(x)と表した場合に、前記回帰線が、パラメータaおよびパラメータbを用いてa×F(x)+bの関係を有するものと仮定した回帰分析を実行することを特徴とする請求項10または11に記載の翼振動監視方法。
- 前記回帰線決定ステップは、遺伝的アルゴリズムにより前記回帰線を決定することを特徴とする請求項9〜11のいずれか1項に記載の翼振動監視方法。
- 前記周波数特性からノイズ成分を除去するノイズ成分除去ステップを、さらに備え、
前記ノイズ成分除去ステップは、
前記ノイズ成分であるか否かを判定するためのノイズ判定閾値を、最尤推定法により前記周波数特性に基づいて決定するノイズ判定閾値決定ステップと、
前記周波数特性の強度が前記ノイズ判定閾値以下を前記ノイズ成分として除去するノイズ除去実行ステップと、を有することを特徴とする請求項9〜13のいずれか1項に記載の翼振動監視方法。 - 前記最尤推定法は、EM法であることを特徴とする請求項14に記載の翼振動監視方法。
- 前記線図データおよび前記回帰線を表示装置に出力する表示出力ステップを、さらに備えることを特徴とする請求項9〜15のいずれか1項に記載の翼振動監視方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017033978A JP6783163B2 (ja) | 2017-02-24 | 2017-02-24 | 翼振動監視装置および翼振動監視方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017033978A JP6783163B2 (ja) | 2017-02-24 | 2017-02-24 | 翼振動監視装置および翼振動監視方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018138909A true JP2018138909A (ja) | 2018-09-06 |
JP6783163B2 JP6783163B2 (ja) | 2020-11-11 |
Family
ID=63450768
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017033978A Active JP6783163B2 (ja) | 2017-02-24 | 2017-02-24 | 翼振動監視装置および翼振動監視方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6783163B2 (ja) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109459200A (zh) * | 2018-11-06 | 2019-03-12 | 浙江大学 | 水环境动静叶相互作用振动测试装置 |
CN112329279A (zh) * | 2019-07-30 | 2021-02-05 | 中国航发商用航空发动机有限责任公司 | 坎贝尔图模态排序的方法 |
CN112381860A (zh) * | 2020-11-21 | 2021-02-19 | 西安交通大学 | 一种旋转叶片动频测量的无标记计算机视觉方法 |
CN114777913A (zh) * | 2022-04-28 | 2022-07-22 | 西安热工研究院有限公司 | 一种风机叶片状态监测的预警方法及系统 |
CN115855461A (zh) * | 2022-11-18 | 2023-03-28 | 中节能风力发电股份有限公司 | 一种风电机组风机叶片噪音异常系统和方法 |
CN114777913B (zh) * | 2022-04-28 | 2024-06-07 | 西安热工研究院有限公司 | 一种风机叶片状态监测的预警方法及系统 |
-
2017
- 2017-02-24 JP JP2017033978A patent/JP6783163B2/ja active Active
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109459200A (zh) * | 2018-11-06 | 2019-03-12 | 浙江大学 | 水环境动静叶相互作用振动测试装置 |
CN109459200B (zh) * | 2018-11-06 | 2023-07-25 | 浙江大学 | 水环境动静叶相互作用振动测试装置 |
CN112329279A (zh) * | 2019-07-30 | 2021-02-05 | 中国航发商用航空发动机有限责任公司 | 坎贝尔图模态排序的方法 |
CN112381860A (zh) * | 2020-11-21 | 2021-02-19 | 西安交通大学 | 一种旋转叶片动频测量的无标记计算机视觉方法 |
CN112381860B (zh) * | 2020-11-21 | 2023-04-11 | 西安交通大学 | 一种旋转叶片动频测量的无标记计算机视觉方法 |
CN114777913A (zh) * | 2022-04-28 | 2022-07-22 | 西安热工研究院有限公司 | 一种风机叶片状态监测的预警方法及系统 |
CN114777913B (zh) * | 2022-04-28 | 2024-06-07 | 西安热工研究院有限公司 | 一种风机叶片状态监测的预警方法及系统 |
CN115855461A (zh) * | 2022-11-18 | 2023-03-28 | 中节能风力发电股份有限公司 | 一种风电机组风机叶片噪音异常系统和方法 |
CN115855461B (zh) * | 2022-11-18 | 2023-09-05 | 中节能风力发电股份有限公司 | 一种风电机组风机叶片噪音异常系统和方法 |
Also Published As
Publication number | Publication date |
---|---|
JP6783163B2 (ja) | 2020-11-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | A novel statistical time-frequency analysis for rotating machine condition monitoring | |
JP6783163B2 (ja) | 翼振動監視装置および翼振動監視方法 | |
CN104884926B (zh) | 轴承装置振动分析方法、轴承装置振动分析装置和滚动轴承状态监视装置 | |
Soylemezoglu et al. | Mahalanobis Taguchi system (MTS) as a prognostics tool for rolling element bearing failures | |
US20130030765A1 (en) | System and method for use in monitoring machines | |
KR101748559B1 (ko) | 회전체 진단 장치 및 방법 | |
Rodriguez et al. | Monitoring of Rotor‐Stator Interaction in Pump‐Turbine Using Vibrations Measured with On‐Board Sensors Rotating with Shaft | |
US11782430B2 (en) | Abnormality diagnosis method, abnormality diagnosis device and non-transitory computer readable storage medium | |
CN109973325A (zh) | 识别异常振动的方法和设备 | |
KR20160008491A (ko) | 회전 블레이드 강건성 모니터링 방법 및 시스템 | |
Diamond et al. | A comparison between three blade tip timing algorithms for estimating synchronous turbomachine blade vibration | |
Haj Mohamad et al. | Rolling element bearing diagnostics using extended phase space topology | |
Wu et al. | Looseness diagnosis of rotating machinery via vibration analysis through Hilbert–Huang transform approach | |
CN113343500A (zh) | 一种构建数字孪生系统的方法及计算设备 | |
US20220260985A1 (en) | System and method for automated failure mode detection of rotating machinery | |
Kumar et al. | A comprehensive review of conventional and intelligence-based approaches for the fault diagnosis and condition monitoring of induction motors | |
CN117077064B (zh) | 一种风电设备的故障检测方法、装置、设备及存储介质 | |
JP6989398B2 (ja) | 故障診断装置、故障診断方法、および故障診断プログラム | |
Gangsar et al. | Online diagnostics of mechanical and electrical faults in induction motor using multiclass support vector machine algorithms based on frequency domain vibration and current signals | |
US11555757B2 (en) | Monitoring device, monitoring method, method of creating shaft vibration determination model, and program | |
Vishwendra et al. | A novel method to classify rolling element bearing faults using K-nearest neighbor machine learning algorithm | |
Akbar et al. | State-of-the-Art Techniques for Fault Diagnosis in Electrical Machines: Advancements and Future Directions | |
Zhao et al. | A novel nonlinear spectrum estimation method and its application in on-line condition assessment of bearing-rotor system | |
Maturkanič et al. | Construction of the signal profile for use in blade tip-timing analysis | |
JP2013033477A (ja) | 電力システム内の故障を識別するためのデータを提示するコンピュータデバイスおよび方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190904 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200729 |
|
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: 20201006 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20201021 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6783163 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |