JP2021143844A - 状態判定装置、状態判定方法及びコンピュータプログラム - Google Patents
状態判定装置、状態判定方法及びコンピュータプログラム Download PDFInfo
- Publication number
- JP2021143844A JP2021143844A JP2020040672A JP2020040672A JP2021143844A JP 2021143844 A JP2021143844 A JP 2021143844A JP 2020040672 A JP2020040672 A JP 2020040672A JP 2020040672 A JP2020040672 A JP 2020040672A JP 2021143844 A JP2021143844 A JP 2021143844A
- Authority
- JP
- Japan
- Prior art keywords
- data
- state determination
- state
- unit
- equipment
- 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 description 35
- 238000004590 computer program Methods 0.000 title claims description 5
- 238000001514 detection method Methods 0.000 claims abstract description 134
- 238000009826 distribution Methods 0.000 claims description 78
- 238000012545 processing Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 13
- 230000005856 abnormality Effects 0.000 claims description 12
- 239000000284 extract Substances 0.000 claims description 2
- 238000003745 diagnosis Methods 0.000 abstract description 21
- 230000001133 acceleration Effects 0.000 description 35
- 238000004891 communication Methods 0.000 description 20
- 230000000052 comparative effect Effects 0.000 description 11
- 230000008569 process Effects 0.000 description 10
- 230000007704 transition Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 230000001052 transient effect Effects 0.000 description 7
- 239000003990 capacitor Substances 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 230000000737 periodic effect Effects 0.000 description 4
- 238000010248 power generation Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 230000006866 deterioration Effects 0.000 description 2
- 238000005401 electroluminescence Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 239000010687 lubricating oil Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical compound CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 239000003921 oil Substances 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 239000010865 sewage Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Landscapes
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
Description
以上のように、単純に振動値の大きさで設備の異常診断を行う場合であっても、様々な要因により異常診断の結果に大きな影響を与えうる。そのため、診断毎にその設備にあった方法で設備の状態を判定する必要があるため、手間がかかってしまうという問題があった。
図1は、本発明における状態判定システム100の構成を表す構成図である。
状態判定システム100は、振動検出装置10、中継装置20、データサーバ40及び状態判定装置50を備える。振動検出装置10と中継装置20との間は、無線により通信可能に接続される。中継装置20とデータサーバ40との間及びデータサーバ40と状態判定装置50との間は、有線により通信可能に接続される。
振動検出装置10は、ヘッド部1及び本体部2で構成される。ヘッド部1と本体部2との間は、有線により接続される。ヘッド部1は、診断対象設備60に設置される。
ヘッド部1は、センサ11を備える。センサ11は、診断対象設備60の振動のデータを検出する。センサ11は、振動センサ、例えば加速度センサ、速度センサ及び変位センサのいずれかのセンサである。センサ11は、振動検出装置10の識別情報、検出時刻情報及び検出した振動のデータを本体部2に出力する。
信号処理部12は、センサ11により検出された振動のデータに対して信号処理を行う。具体的には、信号処理部12は、振動のデータに加え、振動検出装置10の識別情報、検出時刻情報、センサ11の周辺温度情報、電力供給部14のキャパシタ電圧情報(バッテリ残量)を対応付けて通信部13に出力する。
状態判定装置50は、通信部51、表示部52、操作部53、制御部54及び記憶部55を備える。
通信部51は、データサーバ40との間で通信を行う。通信部51は、データサーバ40から送信された検出データを受信する。
設備情報550は、診断対象設備60に関する情報である。例えば、設備情報550は、診断対象設備60を識別するための識別情報、診断対象設備60に設置されている振動検出装置10のセンサ11の識別情報及び設置場所を対応付けた情報である。設備情報550は、テーブルの形式で記憶部55に記憶されていてもよい。
検出データ551は、ノイズ除去部542によって蓄積されたノイズ除去検出データである。なお、検出データ551として、センサの識別情報及び検出時刻情報が、ノイズ除去検出データに対応付けられていてもよい。
判定結果553は、状態判定部545による状態判定の結果を示すデータである。例えば、判定結果553として、回帰予測による結果や診断対象設備60の測定時の状態の情報等がある。
データ取得部541は、通信部51によって受信された検出データを取得する(ステップS101)。データ取得部541は、取得した検出データをノイズ除去部542に出力する。ノイズ除去部542は、データ取得部541から出力された検出データからノイズを除去する(ステップS102)。具体的には、まずノイズ除去部542は、検出データに含まれる加速度の時間波形に基づいて加速度の平均値を算出する。そして、ノイズ除去部542は、検出データに含まれる加速度の時間波形から、算出した加速度の平均値(加速度の時間波形に基づく平均値)を減算することで検出データからノイズを除外する。これにより、加速度の振幅変化量の絶対値の基準を統一することができる。ノイズ除去部542は、ノイズ除去検出データを、記憶部55に蓄積するとともにデータ選択部543に出力する。ノイズ除去部542は、ステップS102の処理を検出データ毎に実行する。
一方で、比較分布と、基準分布との差が閾値未満である場合(ステップS106−NO)、データ選択部543は基準分布との差が閾値未満となった比較分布のノイズ除去検出データを状態判定部545に出力する。
回帰予測用のデータがある場合(ステップS108−YES)、状態判定部545は回帰予測を行うために必要となる数のノイズ除去検出データを用いて回帰予測を行う(ステップS109)。例えば、状態判定部545は最小二乗法による回帰予測を行う。この場合、まず状態判定部545は、1つのノイズ除去検出データを用いて、加速度の振幅が最も大きい値を加速度ピーク値として取得し、ノイズ除去検出データ(ノイズ除去した加速度の時間波形)を積分し、算出した実効値を速度RMS値として取得する。状態判定部545は、この処理を回帰予測に用いるノイズ除去検出データに対して行う。
表示部52の表示画面には、表示する情報を選択するための選択領域61と、選択された情報が表示される表示領域とが表示される。図5及び図6に示す選択領域61には、故障予測一覧を表示するためのボタンと、グラフを表示するためのボタンとが表示されている。図5には故障予測一覧の情報が表示領域され、図6にはグラフが表示領域されている。図5に示す測定時刻は、振動検出装置10が設置された設置場所において測定された最新の時刻を表す。図5に示す有効期間は、グラフを表示するために用いるデータの期間を表す。有効期間内のデータのみを用いて図6に示すグラフが表示される。
これに対して、本実施形態における状態判定システム100では、基準値設定部544により基準となるデータを事前に登録し、状態判定部545により得られたデータと基準のデータとの違いを求めて運転の状態を判定する。これにより、熟練工のように経験や知識が乏しくても、精度の高い状態判定が可能になる。
これに対して、本実施形態における状態判定システム100では、電力供給部14が自立して発電するため電力の供給源が限定されない。さらに、商用電源や通信ネットワーク環境のない現場にも簡単に設置でき、また設置場所の移設も容易である。そのため、コストを抑えることができる。
データサーバ40及び状態判定装置50は、一体化されて構成されてもよい。状態判定装置50の一部の機能部が他の装置に実装されてもよい。例えば、状態判定装置50が備える表示制御部546及び表示部52が他の装置に実装されてもよい。この場合、表示制御部546及び表示部52を備える他の装置は、状態判定装置50に対して表示部52に表示するためのデータを要求する。表示部52に表示するためのデータとは、例えば、図5及び図6を表示するために必要となるデータである。
このように構成されることによって、定常状態だけでなく、過渡状態や停止状態における異常振動を検知することが可能になる。なお、確率分布が共通するグループに分類する方法として、クラスタリング手法として知られるK−mean法を用いてもよいし、機械学習により得られる学習済みモデルを用いてもよい。学習済みモデルは、例えば予め運転状態を分類する際に、作業員が運転状況を入力し、その運転状況を正解としてディープラーニングなどにより学習させればよい。
このように構成されることによって、振動の監視精度を向上させることが可能になる。
Claims (8)
- 特定の運転状態時の基準となる基準データを設定する基準値設定部と、
前記基準データに基づいて、診断対象の設備に設置されたセンサが検出した振動に関する情報を含む検出データの中から状態判定に用いるデータを選択するデータ選択部と、
選択された前記データを用いて前記設備の状態を判定する状態判定部と、
を備える状態判定装置。 - 前記検出データからノイズを除去することで機械本来の振動成分を抽出するノイズ除去部をさらに備え、
前記データ選択部は、前記基準データに基づいて、ノイズが除去された前記検出データの中から前記状態判定に用いるデータを選択する、
請求項1に記載の状態判定装置。 - 前記データ選択部は、前記検出データから得られる確率分布と、前記基準データから得られる確率分布とを比較する演算を行い、演算結果の値が所定の閾値未満となる検出データを前記状態判定に用いるデータとして選択する、
請求項1又は2に記載の状態判定装置。 - 前記状態判定部は、選択された前記データを用いて回帰予測を行い、少なくとも異常が発生すると推定されるまでの期間を算出する、
請求項1から3のいずれか一項に記載の状態判定装置。 - 前記データ選択部は、前記検出データから得られる確率分布と、複数の運転状態時のデータから得られる複数の確率分布それぞれとを比較する演算を行い、演算結果から前記検出データの運動状態を判別した後に、前記検出データから得られる確率分布と、判別した運動状態における基準データから得られる確率分布とを比較する演算を行い、演算結果の値が所定の閾値未満となる検出データを前記状態判定に用いるデータとして選択する、
請求項1から4のいずれか一項に記載の状態判定装置。 - 前記基準値設定部は、前記状態判定部による処理に用いるデータの数の基準をさらに設定し、
前記状態判定部は、設定された数のデータを用いて前記設備の状態を判定する、
請求項1から5のいずれか一項に記載の状態判定装置。 - 特定の運転状態時の基準となる基準データを設定する基準値設定ステップと、
前記基準データに基づいて、診断対象の設備に設置されたセンサが検出した振動に関する情報を含む検出データの中から状態判定に用いるデータを選択するデータ選択ステップと、
選択された前記データを用いて前記設備の状態を判定する状態判定ステップと、
を有する状態判定方法。 - 特定の運転状態時の基準となる基準データを設定する基準値設定ステップと、
前記基準データに基づいて、診断対象の設備に設置されたセンサが検出した振動に関する情報を含む検出データの中から状態判定に用いるデータを選択するデータ選択ステップと、
選択された前記データを用いて前記設備の状態を判定する状態判定ステップと、
をコンピュータに実行させるためのコンピュータプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020040672A JP6979477B2 (ja) | 2020-03-10 | 2020-03-10 | 状態判定装置、状態判定方法及びコンピュータプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020040672A JP6979477B2 (ja) | 2020-03-10 | 2020-03-10 | 状態判定装置、状態判定方法及びコンピュータプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021143844A true JP2021143844A (ja) | 2021-09-24 |
JP6979477B2 JP6979477B2 (ja) | 2021-12-15 |
Family
ID=77766339
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020040672A Active JP6979477B2 (ja) | 2020-03-10 | 2020-03-10 | 状態判定装置、状態判定方法及びコンピュータプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6979477B2 (ja) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07218334A (ja) * | 1994-02-07 | 1995-08-18 | Nippon Steel Corp | 軸受の異常診断方法及び装置 |
JP2009186463A (ja) * | 2008-01-18 | 2009-08-20 | Rolls Royce Plc | ノベルティ検出 |
JP2017044148A (ja) * | 2015-08-26 | 2017-03-02 | 株式会社小野測器 | ノッキング判定装置及びノッキング判定方法 |
WO2017094267A1 (ja) * | 2015-12-01 | 2017-06-08 | 株式会社Preferred Networks | 異常検出システム、異常検出方法、異常検出プログラム及び学習済モデル生成方法 |
WO2018163640A1 (ja) * | 2017-03-08 | 2018-09-13 | 株式会社日立製作所 | 振動騒音問題要因推定システム |
JP2019070965A (ja) * | 2017-10-10 | 2019-05-09 | 日本電信電話株式会社 | 学習装置、学習方法、プログラム |
WO2019220620A1 (ja) * | 2018-05-18 | 2019-11-21 | 日本電気株式会社 | 異常検出装置、異常検出方法及びプログラム |
WO2020017285A1 (ja) * | 2018-07-20 | 2020-01-23 | 日本電信電話株式会社 | 異常検知装置、異常検知方法、およびプログラム |
WO2020044599A1 (ja) * | 2018-08-29 | 2020-03-05 | 株式会社日立製作所 | 振動騒音伝達経路推定システム及び伝達率推定方法 |
JP2020523609A (ja) * | 2017-06-12 | 2020-08-06 | テトラ ラバル ホールディングス アンド ファイナンス エス エイ | 周期可動機械部品の故障予測の方法 |
-
2020
- 2020-03-10 JP JP2020040672A patent/JP6979477B2/ja active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07218334A (ja) * | 1994-02-07 | 1995-08-18 | Nippon Steel Corp | 軸受の異常診断方法及び装置 |
JP2009186463A (ja) * | 2008-01-18 | 2009-08-20 | Rolls Royce Plc | ノベルティ検出 |
JP2017044148A (ja) * | 2015-08-26 | 2017-03-02 | 株式会社小野測器 | ノッキング判定装置及びノッキング判定方法 |
WO2017094267A1 (ja) * | 2015-12-01 | 2017-06-08 | 株式会社Preferred Networks | 異常検出システム、異常検出方法、異常検出プログラム及び学習済モデル生成方法 |
WO2018163640A1 (ja) * | 2017-03-08 | 2018-09-13 | 株式会社日立製作所 | 振動騒音問題要因推定システム |
JP2020523609A (ja) * | 2017-06-12 | 2020-08-06 | テトラ ラバル ホールディングス アンド ファイナンス エス エイ | 周期可動機械部品の故障予測の方法 |
JP2019070965A (ja) * | 2017-10-10 | 2019-05-09 | 日本電信電話株式会社 | 学習装置、学習方法、プログラム |
WO2019220620A1 (ja) * | 2018-05-18 | 2019-11-21 | 日本電気株式会社 | 異常検出装置、異常検出方法及びプログラム |
WO2020017285A1 (ja) * | 2018-07-20 | 2020-01-23 | 日本電信電話株式会社 | 異常検知装置、異常検知方法、およびプログラム |
WO2020044599A1 (ja) * | 2018-08-29 | 2020-03-05 | 株式会社日立製作所 | 振動騒音伝達経路推定システム及び伝達率推定方法 |
Non-Patent Citations (4)
Title |
---|
AFGANI, MOSTAFA ほか: "Anomaly Detection Using the Kullback-Leibler Divergence Metric", 2008 FIRST INTERNATIONAL SYMPOSIUM ON APPLIED SCIENCES ON BIOMEDICAL AND COMMUNICATION TECHNOLOGIES, JPN6020046787, 2008, ISSN: 0004567399 * |
DIEDERIK P KINGMA AND MAX WELLING: "Auto-encoding variational bayes", [ONLINE], JPN6021007456, 1 May 2014 (2014-05-01), ISSN: 0004567396 * |
JINWON AN AND SUNGZOON CHO: "Variational Autoencoder based Anomaly Detection using Reconstruction Probability", [ONLINE], JPN6021007457, 27 December 2015 (2015-12-27), ISSN: 0004567397 * |
小泉悠馬 ほか: "深層学習を用いた機器動作音の異常音検知", 日本音響学会 2017年春季研究発表会講演論文集, JPN6018039148, 1 March 2017 (2017-03-01), JP, pages 473 - 476, ISSN: 0004567398 * |
Also Published As
Publication number | Publication date |
---|---|
JP6979477B2 (ja) | 2021-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105809255B (zh) | 一种基于物联网的火电厂旋转机械健康管理方法及系统 | |
US11067973B2 (en) | Data collection system, abnormality detection method, and gateway device | |
JP3321487B2 (ja) | 機器/設備診断方法およびシステム | |
US20200081054A1 (en) | Power line issue diagnostic methods and apparatus using distributed analytics | |
US20170108407A1 (en) | Machine component diagnosis system and server thereof | |
CN110910383B (zh) | 基于红外图像识别的调相机故障监测方法和系统 | |
Prieto et al. | Self-powered wireless sensor applied to gear diagnosis based on acoustic emission | |
KR101214765B1 (ko) | 전력설비 모니터링 시스템 및 방법 | |
CN113982850B (zh) | 融合高低频信号的风机综合健康分析方法及系统 | |
CN112199410A (zh) | 一种基于物联网的桥梁健康监测系统 | |
KR101910892B1 (ko) | IoT 기반의 모바일 스마트 태양광 발전 관리 시스템 | |
EP2026159A2 (en) | A method and system for automatically evaluating the performance of a power plant machine | |
CN111860899A (zh) | 电机运维方法、装置、电子设备以及系统 | |
TWI586943B (zh) | enhanced-FFT線上機台振動量測系統與方法 | |
CN108508358A (zh) | 一种在线的风电机组双信号故障诊断装置及诊断方法 | |
CN114184956A (zh) | 一种基于大数据管理的服役风力发电机组故障预测方法 | |
JP6979477B2 (ja) | 状態判定装置、状態判定方法及びコンピュータプログラム | |
CN117330948A (zh) | 一种断路器机械特性在线监测方法及系统 | |
JP4322617B2 (ja) | 管路更新計画支援装置 | |
CN107250931B (zh) | 能源服务推荐引擎 | |
CN108122036B (zh) | 一种变电站带电运检辅助分析方法 | |
RU2668852C1 (ru) | Способ и система учета остаточного ресурса компонентов турбоагрегата | |
JPWO2019035279A1 (ja) | 人工知能アルゴリズム | |
WO2022248004A1 (en) | Establishing health indicator of a rotating component | |
US11463032B2 (en) | Detecting rotor anomalies by determining vibration trends during transient speed operation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200310 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210309 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210510 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210810 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211011 |
|
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: 20211102 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20211115 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6979477 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |