JP2022052864A - ワイヤロープの劣化判定装置およびワイヤロープの劣化判定方法 - Google Patents

Abstract

【課題】より精度の高いワイヤロープの劣化を判定できるワイヤロープの劣化判定装置を提供する。【解決手段】ワイヤロープの劣化判定装置は、漏洩磁束法により、ワイヤロープの劣化を検出する検出器３０と、検出器３０から計測データを得るデータ入力部３１と、データ入力部３１からノイズ成分を除去するノイズ成分除去手段と、ワイヤロープの劣化要因との相関性が高いと判定されるデータを抽出する波形処理手段と、を含む。【選択図】図１

Description

この発明はワイヤロープの劣化判定装置およびワイヤロープの劣化判定方法に関し、特に、漏洩磁束法によるセンサを用いた、ワイヤロープの劣化判定装置およびワイヤロープの劣化判定方法に関する。

従来のワイヤロープの劣化判定装置が、例えば、特開２０１３－０３５６９３号公報（特許文献１）に開示されている。同公報によれば、複数の鋼線を撚り合わせて成るワイヤロープの素線切れを検出する素線切れ検出部と、この素線切れ検出部で検出されたデータに応じてワイヤロープの素線切れの診断結果を表示する表示部とを有し、ある一定区間毎に素線切れ検出部によって検出された素線切れ出力と、この出力の閾値越え数の相関関係から算出したレベルに基づいて、ワイヤロープの素線切れの状態を段階に分けて測定開始からの経過時間を対応させて表示部９に表示させるようにした。またこの装置では、計測した波形に対して素線切れが発生している箇所と、測定開始からの経過時間を対応させて表示部に表示させるようにした。

その結果、ワイヤロープの損傷が軽微なものであるか、重度のものであるかを容易に把握することができるエレベーターのワイヤロープ素線切れ診断システムを提供している。

特開２０１３－０３５６９３号公報（要約）

従来のワイヤロープの劣化判定装置においては、例えばワイヤロープの診断時には、機械室に配置された素線切れ検出部に磁束を通してワイヤロープに接触させるようにし、この状態でエレベーターかごを走行させることにより、ワイヤロープの表面の素線切れの磁束密度の大きさにより素線切れを検出していた。

従来のワイヤロープの劣化判定装置は、ワイヤロープの損傷が軽微なものであるか、重度のものであるかを把握することができるが、その劣化の兆候を検出するというという発想は無かった。

この発明は上記のような問題点を解消するためになされたもので、ワイヤロープの劣化状況を計測および診断する際に、劣化要因を知ることができる、ワイヤロープの診断装置およびその方法を提供することを目的とする。

この発明に係る、ワイヤロープの劣化判定装置は、ワイヤロープの劣化を、漏洩磁束法を用いて検出するセンサと、センサから計測データを得るデータ取得手段と、データからノイズ成分を除去するノイズ成分除去手段と、ノイズ成分除去手段でノイズが除去されたデータからワイヤロープの劣化要因との相関性が高いと判定されるデータを抽出するデータ抽出手段と、データ抽出手段で抽出されたデータに基づいて、劣化特性を検出する劣化特性検出手段と、を含む。

好ましくは、計測データは実波形成分とノイズ成分とを含み、ノイズ成分除去手段は、データ抽出手段で抽出された時系列データを自己回帰モデルにあてはめて、実波形成分とノイズ成分を分離する。なお、ノイズ成分は白色雑音であってもよい。

この発明の一実施の形態においては、データ抽出手段は、基準断線による波形成分である参照時系列との相関が高い箇所を、前記ワイヤロープの劣化要因との相関性が高いと判定する。

データ抽出手段は、予測時系列に自己回帰モデルとの相関係数の二乗を乗じた評価時系列を抽出してもよい。

この発明の他の局面においては、ワイヤロープの劣化判定方法は、漏洩磁束法を用いたセンサからワイヤロープの漏洩磁束データを検出し、検出したデータからノイズ成分を除去し、ノイズが除去されたデータからワイヤロープの劣化要因との相関性が高いと判定されるデータを抽出し、抽出されたデータに基づいて、劣化特性を検出する。

この発明によれば、ワイヤロープの劣化要因との相関性が高いデータを抽出するため、より精度の高いワイヤロープの劣化を判定できるワイヤロープの劣化判定装置およびワイヤロープの劣化判定方法を提供できる。

この発明の一実施の形態に係るワイヤロープの劣化判定装置のブロック図である。 ワイヤロープの劣化判定装置の処理手順を示すフローチャートである。 模擬断線ワイヤを用いた断線検知例を示す図である。計測結果の一例を示す図である。 計測結果の一例を示す図である。 劣化要因との関係性が高いと判定される時系列を生成するために必要な計算過程を示す図である。 オリジナル時系列と予測時系列の対比を示す図である。 予測時系列に相関係数R2を乗じた時系列との対比を示す図である。 予防保全のためのデータの利用方法を示す図であり、評価時系列のピーク振幅の確率密度分布を示したものである。 かなり劣化が進んでいる場合に抽出されるピーク値の確率分布の推測値を示す図である。

以下、この発明の一実施の形態を、図面を参照して説明する。図１は、この発明の一実施の形態に係る、ワイヤロープ劣化判定装置１０の全体構成を示すブロック図である。図１を参照して、ワイヤロープ劣化判定装置１０は、ワイヤロープ劣化判定装置１０全体を制御するＣＰＵを含む制御部２０と、制御部２０に接続された検出器３０と、検出器３０で検出されたデータを制御部によって処理する処理部４０とを含む。

検出器３０には、永久磁石３１とコイル３２が設けられ、このコイル３２の近傍に、劣化が判定されるワイヤロープ５０が通される。

なお、ワイヤロープ５０の劣化をコイル３２で検出する基本原理は次の通りである。ワイヤロープ５０が検出器３０の中を通過するときに、永久磁石３１によって磁化される。断線などの局部的な断面積の減少があると、漏洩磁束が変化し、ワイヤロープ５０が、検出器３０中央のコイル３２を通過すると、その漏洩磁束φの時間変化によりコイル３２に誘導電圧Ｅ_Dが発生し、これを検出器３０で検出する。

処理部４０は、検出器３０からのデータを入力するデータ入力部４１と、入力されたデータからノイズ成分を除去するノイズ成分除去部４２と、入力されたデータからノイズ成分除去部４２で除去されたデータを抽出するデータ抽出部４３と、データ抽出部４３で抽出されたデータに基づいて、ワイヤロープの劣化状態を検出する特性検出部４４とを含む。なお、これらの各部の処理は、制御部２０に格納された図示のないアプリケーションが行う。

図２は、ワイヤロープ劣化判定装置１０の制御部２０が行う動作を示すフローチャートである。図２を参照して、制御部２０は、データ入力部４１を介して検出データを入力し（Ｓ１１）、ノイズ成分除去部４２でノイズを除去し（Ｓ１２）、データ抽出部４３でデータを抽出し（Ｓ１３）、抽出したデータに基づいて、ワイヤロープの劣化を検出するために、特性検出を行う（Ｓ１４）。

図３は、模擬断線ワイヤを用いた断線検出の検知例を示す図である。図３を参照して、ここでは、５つの模擬断線と、その場合の誘導電圧（出力電圧）（Ｖ）を示している。

図４は、データ入力部４１で抽出した計測結果の一例を示す図である。横軸は測定位置を示し、縦軸は基準化した誘導電圧である。すなわち、縦軸は、電圧そのものでは無く、ワイヤの素線１本を断線させて、そのときの出力電圧（約３Ｖ）で除して基準化した数値を示している。

図４（Ａ）は、断線の無い、健全なワイヤの計測結果を示し、図４（Ｂ）は、劣化の兆候が見られたワイヤの計測結果を示す。特に図４（Ｂ）を参照して、基準化した誘導電圧が０．２以下の領域にノイズがあるが、このノイズに埋もれた部分にも劣化の兆候を示す信号出力があると考えた。

発明者は、図３や図４の計測結果のデータに着目して、この信号が、ワイヤロープの劣化要因と関連があるのではないかと考えて、それを抽出する方法を考えた。そして、それに基づいて、図１や図２に説明した、本願発明の基本構成を完成した。以下、具体的に説明する。

まず、発明者の考えた、劣化要因との相関が高い信号の抽出方法について説明する。

データ入力部に入力される計測データをみると、全体的に波形が正側にシフトするドリフト成分、電気ノイズ等、白色雑音に近いノイズ成分が混在しており、その中にワイヤロープの劣化に関する出力が含まれていると考えられる。これら計測データを式で表記すると、以下のように与えられる。

ここに、Xm(t)は検出器による全計測値であり、
X0はドリフト成分（正値）であり、
Xtst(t)は、検出器による出力（「実波形成分」と称す）であり、
n(t)は白色雑音に近いノイズ成分である。

このうち、ドリフト成分については、近似的に計測波形の時間平均を取ることで、計算することができる。検出器が正側に反応することから、実際には単純な時間平均とならないが、ここでは、簡単のために、時間平均値で近似できるものと考えた。

ここに、Tは、波形のサンプリング時間である。

ドリフト成分を除去した時系列を次式で表記する。

次に、波形成分とノイズ成分を分離する方法を説明する。ノイズを除去する代表的な方法として、時系列の周波数解析を行い、ある特定の周波数成分を除去し（ローパスフィルタ）、再度、時間領域に戻すフーリエ変換＆逆フーリエ変換を用いた方法がある。除去する周波数の選定等、不明点があることから、今回は、以下に示すように時系列を自己回帰モデル（Autoregressive Model、以下、「ARモデル」と略称する）にあてはめ、実波形成分とノイズ成分を分離する方法を採用した。

ARモデルのあてはめには、Burg法とYule-Walker法と呼ばれる方法（日野：スペクトル解析、朝倉出版、1968に記載されている）があるが、ほとんど差異は認められなかった。ここでは、Burg法を採用している。

ここに、a(m)は自己回帰係数（M次）であり、
e(t)は予測誤差である。

ここで、式(4)で最適な予測が可能とすると、e(t)は前後の時間ステップとは全く相関のない白色雑音になる。ここでは、n(t)≒e(t)と仮定し、式(4)で与えられる自己回帰モデルによる時系列を検出器による出力（実波形成分）と仮定した。しかし、ある程度のノイズ成分を除去したとはいえ、完全には除去仕切れないノイズ成分やワイヤの微妙な断面変化等に反応する出力等、必ずしも劣化要因とは関係ない信号が含まれるものと考えられる。

そこで、次は劣化要因に対して反応する検出器の信号の抽出方法について述べる。

発明者が行った基礎実験データ等によると、ワイヤロープの断線、へこみおよび浮き等により、出力信号は正側に反応することが分かっている。ここでは基準断線による波形部分（断線位置を中心として数秒程度）を参照時系列とし、その参照時系列を、時間軸上に移動させながら自己回帰モデルによる時系列との相関係数を計算した。基準断線による時系列は室内実験により得られたものであり、ドリフト成分やノイズ成分の混在がほとんど認められなかった。

参照時系列との相関が高い箇所を、劣化要因と関係性が高い出力みなし、相関係数の2乗（_Ｒ ² 時系列）を自己回帰モデルによる時系列に乗ずることで（ただし、ピーク出力は自己回帰モデルによる時系列と一致させる）、劣化要因との関係性が高いと判定される時系列を生成した。

以上の計算過程を、図５（Ａ）～（Ｈ）に示す。図５（Ａ）は、オリジナル時系列（ドリフト成分除去後）を示す図であり、図５（Ｂ）は、図５（Ａ）の周波数分析結果（実線：FFT手法によるパワースペクトル、破線：自己回帰モデルによるパワースペクトル）であり、図５（Ｃ）は、図５（Ａ）のオリジナル時系列に対して適用した自己回帰モデルによる時系列（予測時系列）である。ここで、ＡＲ次数は１５である。

なお、ここで、ＡＲ次数は、少なすぎても多すぎても時系列の再現に影響すると予想されるため、発明者は、次数を変化させて、ピーク値の検出への影響度を調査した。その結果、次数が５～１０程度あれば、影響度は収斂することが分かったため、ここでは、やや長めの１５を採用した。

図５（Ｄ）は、オリジナル時系列と予測時系列との差（e(t)に相当する値）を示す図であり、図５（Ｅ）は、基準断線にもとづく参照時系列（実線部分、断線位置を中心に前後2秒の時間幅）を示す図であり、図５（Ｆ）は、参照時系列と予測時系列との相関解析（縦軸：相関係数_Ｒest ²）を示す図であり、図５（Ｇ）は、予測時系列と相関係数の二乗_Ｒest ²との乗算（以下、評価時系列と称す。図中○はピーク検出結果）を示す図である。

図５（Ｇ）から分かるように、ワイヤロープの劣化を検出するための特性検出が行われ、ワイヤロープの劣化要因と関連性の高い出力が図中○として得られている。

図６にオリジナル時系列と予測時系列の対比を示す。両者は良く一致していることが分かる。図７に予測時系列に相関係数_Ｒ ²を乗じた時系列との対比を示す。検出器特有のプラス側に反応する時系列が抽出されていることが分かる。

発明者は、上記以外にも様々なワイヤロープの劣化の事例を解析して、いずれも正側に反応する時系列を抽出した。

さらに、ワイヤロープの上昇・下降での一連のデータを見比べて、再現性のあるデータも検出した。

以上のように、得られたオリジナルの時系列信号からノイズ成分を除去することで、ワイヤロープの劣化要因と関連性の高い信号を得ることができることが分かった。

発明者は、上記の結果から、この信号を元に、ワイヤロープの断線等の予防保全ができることを認識した。

そこで、次に、ワイヤロープの断線等の予防保全のためのデータの利用について説明する。

ノイズ成分を除去し、劣化要因との相関性が高いと判定されるデータの抽出方法について，上記で説明したが、抽出されたデータ（評価時系列）がどの程度の劣化要因と関連しているかは不明である。しかしながら、再現性の高いデータが含まれていることから、何らかの予兆を示すデータ群と考えられる。予防保全の観点からは、明確な反応を示すデータだけでなく、ノイズに埋もれた兆候を監視することも重要である。

以下、予兆を判定することを目的として、上述のデータの利用方法の一例を示す。ここでは、評価時系列の度数分布に着目した利用例を説明する。ここでは、度数分布が劣化兆候と関連がある情報であると仮定する。以下に示すような確率手法での評価が可能となる。

図８は前述の評価時系列のピーク振幅の確率密度分布を示したものである。図中には、計測値（○）を対数正規分布でフィットした曲線、さらに、それに対応した極値分布（極値II型分布）を併記している。対数正規分布および極値分布の算定手法は文献（「改訂土木・建築のための確率・統計の基礎、丸善、2007」）に記載されている通りである。図中下向きの矢印↓は極値の期待値である。対数正規分布に従うデータ群が仮に1,000個得られた場合、極値の期待値は約0.6となる。この例では、断線時の出力電圧を３Ｖ付近に設定していることから、仮に最大値の計測漏れがあったとしても、安全上、問題ないと判定できる。逆に、極値が１．５Ｖ付近（断線時の出力電圧３Ｖに対して、安全率２とした場合）までになってくると、かなり劣化が進んでいると考えてよい（図９）。

なお、この図９は、図８に基づいた推測値を示す図であり、ここでは、抽出されたピーク値の確率分布を示す。劣化進行データとして、図８のデータを２倍にしている。

なお、上記実施の形態においては、ワイヤロープ劣化判定装置１０を全体を制御するＣＰＵを含む制御部を有する場合について説明したが、これに限らず、検出器で検出したデータをデータロガー等に格納し、それを別途まとめてパソコン等で処理するような構成としてもよい。

上記実施の形態においては、ノイズを除去する方法として、ＡＲモデルを用いた例について説明したが、これに限らず、時系列の周波数解析を行い、ある特定の周波数成分を除去する、ローパスフィルタや、再度、時間領域に戻すフーリエ変換＆逆フーリエ変換を用いてもよい。

また、上記実施の形態においては、相関係数の二乗を用いた例について説明したが、これに限らず、相関係数の四乗や、一乗を用いてもよい。

図面を参照してこの発明の実施形態を説明したが、本発明は、図示した実施形態に限定されるものではない。本発明と同一の範囲内において、または均等の範囲内において、図示した実施形態に対して種々の変更を加えることが可能である。

この発明によれば、ワイヤロープの劣化を判定できるワイヤロープの劣化判定装置を提供できるため、ワイヤロープの劣化判定装置として有利に利用される。

１０ ワイヤロープ劣化判定装置、２０ 制御部、３０ 検出器、３１ 永久磁石、３２ コイル、４０ 処理部、４１ データ入力部、４２ ノイズ成分除去部、４３ データ抽出部、４４ 特性検出部、５０ ワイヤロープ。

Claims (6)

1. ワイヤロープの劣化を、漏洩磁束法を用いて検出するセンサと、
   前記センサから計測データを得るデータ取得手段と、
   前記データからノイズ成分を除去するノイズ成分除去手段と、
   前記ノイズ成分除去手段でノイズが除去されたデータから前記ワイヤロープの劣化要因との相関性が高いと判定されるデータを抽出するデータ抽出手段と、
   前記データ抽出手段で抽出されたデータに基づいて、劣化特性を検出する劣化特性検出手段と、を含む、ワイヤロープの劣化判定装置。
2. 前記計測データは実波形成分とノイズ成分とを含み、
   前記ノイズ成分除去手段は、前記データ抽出手段で抽出された時系列データを自己回帰モデルにあてはめて、前記実波形成分とノイズ成分を分離する、請求項１に記載のワイヤロープの劣化判定装置。
3. 前記ノイズ成分は白色雑音である、請求項２に記載のワイヤロープの劣化判定装置。
4. 前記データ抽出手段は、基準断線による波形成分である参照時系列との相関が高い箇所を、前記ワイヤロープの劣化要因との相関性が高いと判定する、請求項１～３のいずれかに記載のワイヤロープの劣化判定装置。
5. 前記データ抽出手段は、予測時系列に自己回帰モデルとの相関係数の二乗を乗じた評価時系列を抽出する、請求項１～４のいずれかに記載のワイヤロープの劣化判定装置。
6. 漏洩磁束法を用いたセンサからワイヤロープの漏洩磁束データを検出し、
   検出したデータからノイズ成分を除去し、
   ノイズが除去されたデータからワイヤロープの劣化要因との相関性が高いと判定されるデータを抽出し、
   抽出されたデータに基づいて、劣化特性を検出する、ワイヤロープの劣化判定方法。
   

Images