JP2022137584A - 設備の異常診断装置及び異常診断方法 - Google Patents

Abstract

【課題】稼働中の設備の異常の有無を診断するに際し、ノイズの影響を低減可能な、設備の異常診断装置及び異常診断方法を提供する。【解決手段】設備の異常診断装置１０は、設備１に設けられたセンサ１１により取得された時系列波形データを基に、設備１の異常を診断するものであり、正常時の時系列波形データ、異常時の時系列波形データ、及び診断時の時系列波形データの各々に対し、診断の指標となる第１特徴パラメータ群の中の各特徴パラメータの値を計算する、異常診断指標値を基に、設備の異常の有無を診断する際に使用する特徴パラメータを選択する、特徴パラメータ選択部１５と、診断時の時系列波形データから計算された、特徴パラメータ選択部１５によって選択された特徴パラメータの値を基に、異常判断値を計算し、異常判断値を基に、異常の有無を診断する、診断部１６と、を備えている。【選択図】図１

Description

本発明は、設備の異常診断装置及び異常診断方法に関する。

製造業や社会インフラ等の分野において使用される設備は、長期間継続的に稼働される場合が多い。したがって、定期的な、または常時監視による異常診断が必須である。上記のような設備は容易に停止できない場合が多いため、設備を定期的に停止させて点検するよりも、設備を常時監視下において、稼働中の設備を異常診断することが望まれている。

上記のような、様々な分野で広く使用される設備として、例えば、滑り軸受、転がり軸受、磁気軸受等の回転機が挙げられる。一般に、稼働中の回転機の異常は、音響診断、油分析診断等により診断されることもあるが、特に、振動センサにより収集した振動波形データを処理し、異常の予兆を検出する振動診断が多用されている。
例えば、特許文献１には、振動診断による回転機械の診断方法が開示されている。
特許文献１の診断方法においては、回転機械の振動情報から算出した複数の有次元振動パラメータから、主成分分析法で状態評価指数を算出し、状態評価指数に基づき回転機械の良否判定を行っている。

上記の特許文献１のように、回転機の異常の有無を診断する際には、振動波形データから計算される、様々なパラメータを基に行われることがある。特許文献１においては、上記のように、複数の有次元振動パラメータから状態評価指数を算出し、これを基に回転機械の良否判定が行われている。これに替えて、異常診断を行う際に、複数のパラメータに対して、ＤＩ値を算出し、ＤＩ値が高いパラメータを選択して、これを基に異常を診断することがある。ＤＩ値は一種の識別指標であり、比較対象となる２者間の差が大きいほど、値が大きくなるという特徴を有する。

特開２０２０－８３３７号公報

回転機が使用される環境においては、診断時の振動波形データにノイズが多く含まれることがある。
特許文献１の方法においては、このような場合にノイズを考慮できず、診断精度が低下する可能性がある。
また、異常診断を行う際に、複数のパラメータに対して、識別指標であるＤＩ値を算出し、ＤＩ値が高いパラメータを選択して、これを基に異常を診断する場合においても、診断時の振動波形データにノイズが多く含まれると、診断精度が低下する可能性がある。これは、パラメータによっては、ノイズの有無によりその値が大きく変わるものがあることに起因する。パラメータの値が変わると、ＤＩ値の値も変わる。このため、ノイズが大きくなって大きな値を有するパラメータがあると、回転機に異常が無くとも、異常診断時に当該パラメータが選択されて、異常が有ると診断されてしまうことがある。
稼働中の設備の異常の有無を診断するに際し、ノイズの影響を低減することが望まれている。

本発明が解決しようとする課題は、稼働中の設備の異常の有無を診断するに際し、ノイズの影響を低減可能な、設備の異常診断装置及び異常診断方法を提供することである。

本発明は、上記課題を解決するため、以下の手段を採用する。すなわち、本発明は、設備に設けられたセンサにより取得された時系列波形データを基に、前記設備の異常を診断する、設備の異常診断装置であって、正常時の時系列波形データ、異常時の時系列波形データ、及び診断時の時系列波形データの各々に対し、診断の指標となる第１特徴パラメータ群の中の各特徴パラメータの値を計算する、特徴パラメータ計算部と、前記第１特徴パラメータ群の中の前記特徴パラメータの各々に対し、前記正常時の時系列波形データと前記異常時の時系列波形データから計算された当該特徴パラメータの値を基に異常診断指標値をそれぞれ計算し、当該異常診断指標値を基に、前記設備の異常の有無を診断する際に使用する前記特徴パラメータを選択する、特徴パラメータ選択部と、前記診断時の時系列波形データから計算された、前記特徴パラメータ選択部によって選択された前記特徴パラメータの値を基に、異常判断値を計算し、当該異常判断値を基に、異常の有無を診断する、診断部と、を備えている、設備の異常診断装置を提供する。

また、本発明は、設備に設けられたセンサにより取得された時系列波形データを基に、前記設備の異常を診断する、設備の異常診断方法であって、正常時の時系列波形データ、異常時の時系列波形データ、及び診断時の時系列波形データの各々に対し、診断の指標となる第１特徴パラメータ群の中の各特徴パラメータの値を計算し、前記第１特徴パラメータ群の中の前記特徴パラメータの各々に対し、前記正常時の時系列波形データと前記異常時の時系列波形データから計算された当該特徴パラメータの値を基に異常診断指標値をそれぞれ計算し、当該異常診断指標値を基に、前記設備の異常の有無を診断する際に使用する前記特徴パラメータを選択し、前記診断時の時系列波形データから計算された、選択された前記特徴パラメータの値を基に、異常判断値を計算し、当該異常判断値を基に、異常の有無を診断する、設備の異常診断方法を提供する。

本発明によれば、稼働中の設備の異常の有無を診断するに際し、ノイズの影響を低減可能な、設備の異常診断装置及び異常診断方法を提供することができる。

本発明の実施形態における設備の異常診断装置のブロック図である。 前記実施形態における設備の異常診断装置の、異常診断指標値の説明図である。 前記実施形態における設備の異常診断方法の、前準備処理のフローチャートである。 前記実施形態における設備の異常診断方法の、診断処理のフローチャートである。

以下、本発明の実施形態について図面を参照して詳細に説明する。
図１は、設備の異常診断装置のブロック図である。設備１は、後に説明する、設備の異常診断装置によって、異常の有無が診断される。本実施形態においては、設備１は、水処理場に設けられたポンプに使用された、滑り軸受、すなわち回転機であるが、これに限られない。設備１は、他の用途に使用されていてもよい。また、設備１が回転機であったとしても、転がり軸受、磁気軸受等、滑り軸受以外のものであっても構わない。
設備１は、回転軸１ａと、回転軸１ａを回転自在に支持する支持部１ｂを備えている。図１においては、回転軸１ａは紙面水平方向に延在しており、方向Ｒに回転するように示されている。

異常診断装置１０は、設備１の異常を診断するものである。異常の原因としては、例えば、滑り軸受中のオイルに気泡が混入した状態となったオイルウィップ、回転軸１ａが偏心している状態となったアンバランス、回転軸１ａに何らかの部材が接触し回転軸１ａが正常に回転しない状態となった接触異常等が考えられる。

異常診断装置１０は、センサ１１と、制御端末１２を備えている。
センサ１１は、設備１に設けられて、時系列波形データとなるセンサ値を取得する。本実施形態においては、センサ１１は振動センサである。したがって、時系列波形データは、振動波形データである。すなわち、本実施形態においては、センサ１１は、設備１の支持部１ｂに接触して設けられて、稼働中の設備１の振動状況を所定の時間計測し、時系列波形データとなるセンサ値を取得する。
センサ１１は、取得したセンサ値を、制御端末１２へ送信する。

制御端末１２は情報処理機器であり、内部に、データ収集部１３、特徴パラメータ計算部１４、特徴パラメータ選択部１５、及び診断部１６を備えている。
以下に説明するように、制御端末１２は、設備１の診断のための前準備に相当する処理と、実際の設備１の診断処理とを実行する。前準備処理は、データ収集部１３、特徴パラメータ計算部１４、及び特徴パラメータ選択部１５によって実行される。診断処理は、データ収集部１３、特徴パラメータ計算部１４、及び診断部１６によって実行される。
ここではまず、前準備処理に関する各構成要素の機能を説明し、その後に、診断処理に関する各構成要素の機能を説明する。双方に関連するデータ収集部１３及び特徴パラメータ計算部１４についても、これら処理の各々で個別に、関連する処理内容を説明する。

データ収集部１３は、センサ１１から、設備１の時系列波形データとなるセンサ値を受信する。
データ収集部１３は、受信したセンサ値を、例えば５０ＫＨｚのサンプリング周波数によりデジタルサンプリングし、時系列波形データを生成する。

データ収集部１３は、前準備処理においては、正常時の時系列波形データと、想定される異常に対応する、異常時の時系列波形データを生成する。
データ収集部１３は、設備１が正常に稼働している際の時系列波形データを、正常時の時系列波形データとして取得する。
異常時の時系列波形データに関しては、設備１において実際に異常を再現することにより取得するか、または、過去に異常が発生した際にデータ収集部１３によって取得された時系列波形データがあれば、それを使用するのが望ましい。異常時の時系列波形データの取得が難しければ、設備１の仕様や設置状況に基づいて異常を再現するシミュレーションを機械的に実行し、その結果として取得された時系列波形データを、データ収集部１３内に取り込むことで用意しても構わない。

データ収集部１３は、正常時の時系列波形データと、異常時の時系列波形データを、特徴パラメータ計算部１４へ送信する。

特徴パラメータ計算部１４は、データ収集部１３から、正常時の時系列波形データと、異常時の時系列波形データを受信する。
特徴パラメータ計算部１４は、受信した各時系列波形データを、時間軸において、所定の分割数Ｄ、例えば８等の数に分割する。この分割数Ｄは、時系列波形データの長さや、波形の周期の長さによって適切に決定される。
この、各時系列波形データの分割は、時系列的に前後するデータの各々が、互いに共通の時間を有してオーバーラップするように、元となる時系列波形データから切り出すことによって、行われても構わない。

特徴パラメータ計算部１４は、分割されて複数となった、正常時の時系列波形データと異常時の時系列波形データの各々に対し、診断の指標となる第１特徴パラメータ群の中の各特徴パラメータの値を計算する。
本実施形態においては、診断の指標となる第１特徴パラメータ群として、次に説明する、第１特徴パラメータから第２４特徴パラメータまでの、２４種類の特徴パラメータを使用している。ここで、特徴パラメータを計算する対象となる（分割された）時系列波形データをｘ_ｉ（１≦ｉ≦Ｎ）とし、Ｘ_ａ、σ、ｘ_ａを次のように定義する。ここで、Ｎはデータ総数である。

第１特徴パラメータである変動率ｐ_１は、次式のように定義される。変動率は、波形のバラツキを表す特徴パラメータである。

第２特徴パラメータである歪度ｐ_２は、次式のように定義される。歪度は、波形の非対称性を表す特徴パラメータである。

第３特徴パラメータである尖度ｐ_３は、次式のように定義される。尖度は、波形確率密度関数の尖りの程度を表す特徴パラメータである。

第４特徴パラメータである波高率ｐ_４は、次式のように定義される。波高率は、波形の衝撃性を表す特徴パラメータである。次式において、Ｘ_{ｍａｘ,ａ}は、時系列波形データの絶対値である｜ｘ_ｉ｜の１０個の最大値の平均値である。

第５特徴パラメータである波形率ｐ_５は、次式のように定義される。波形率は、波形の変動性を表す特徴パラメータである。

第６特徴パラメータである絶対値の極大値の変動率ｐ_６は、次式のように定義される。次式において、Ｘ_Ｐ,ａは、時系列波形データの絶対値である｜ｘ_ｉ｜の、ピーク値の平均値であり、σ_Ｐは、｜ｘ_ｉ｜のピーク値の標準偏差値である。

第７特徴パラメータである絶対値の極大値の歪度ｐ_７は、次式のように定義される。次式において、Ｎ_Ｐは、時系列波形データの絶対値である｜ｘ_ｉ｜のピーク値の総数であり、ｘ_Ｐｉ（１≦ｉ≦Ｎ_Ｐ）は、ピーク値である。

第８特徴パラメータである絶対値の極大値の尖度ｐ_８は、次式のように定義される。

第９特徴パラメータである極大値の変動率ｐ_９は、次式のように定義される。次式において、Ｘ_ｐ,ａは、時系列波形データｘ_ｉのピーク値の平均値であり、σ_ｐは標準偏差値である。

第１０特徴パラメータである極大値の歪度ｐ_１０は、次式のように定義される。次式において、Ｎ_ｐは、時系列波形データｘ_ｉのピーク値の総数であり、ｘ_ｐｉ（１≦ｉ≦Ｎ_ｐ）は、ピーク値である。

第１１特徴パラメータである極大値の尖度ｐ_１１は、次式のように定義される。

第１２特徴パラメータである０値通過頻度と絶対値の極大値頻度の比ｐ_１２は、次式のように定義される。次式において、Ｎ_０は、時系列波形データｘ_ｉが値０を通過する回数である。

第１３特徴パラメータである０値通過頻度と極大値頻度の比ｐ_１３は、次式のように定義される。

第１４特徴パラメータである絶対値の極大値頻度と極大値頻度の比ｐ_１４は、次式のように定義される。

第１５特徴パラメータである平方和平均値と平方標準偏差の比ｐ_１５は、次式のように定義される。

第１６特徴パラメータである二乗和平均値と二乗標準偏差の比ｐ_１６は、次式のように定義される。

第１７特徴パラメータである対数和平均値と対数標準偏差の比ｐ_１７は、次式のように定義される。

第１８～第２４特徴パラメータは、周波数領域の特徴パラメータである。これらは、時系列波形データをフーリエ変換で周波数スペクトルに変換した後に計算される。以下において、周波数ｆ_ｊ（１≦ｊ≦Ｊ）における周波数成分をＦ（ｆ_ｊ）とする。

第１８特徴パラメータである平均特徴周波数ｐ_１８は、次式のように定義される。

第１９特徴パラメータである単位時間あたりに時間平均をクロースする頻度ｐ_１９は、次式のように定義される。

第２０特徴パラメータである波形の安定指数ｐ_２０は、次式のように定義される。

第２１特徴パラメータである周波数領域における変動率ｐ_２１は、次式のように定義される。

上式において、σ_ｆは、時系列波形データｘ_ｉが値０を通過する回数である。

第２２特徴パラメータである周波数領域における歪度ｐ_２２は、次式のように定義される。

第２３特徴パラメータである周波数領域における尖度ｐ_２３は、次式のように定義される。

第２４特徴パラメータである周波数領域におけるルート平均ｐ_２４は、次式のように定義される。

上記の、第１特徴パラメータ群の中の各特徴パラメータｐ_１～ｐ_２４は、無次元特徴パラメータであり、波形の形状を表現するものである。第１特徴パラメータ群の中の特徴パラメータｐ_１～ｐ_２４は、設備の大きさや回転数の変化に影響されにくい。
特徴パラメータ計算部１４は、第１特徴パラメータ群の中の各特徴パラメータｐ_１～ｐ_２４の各々を、データ収集部１３によって取得されて特徴パラメータ計算部１４に送信された時系列波形データの数と、分割数Ｄを乗算した数だけ計算する。
特徴パラメータ計算部１４は、全ての（分割された）時系列波形データに対して計算した特徴パラメータｐ_１～ｐ_２４を、特徴パラメータ選択部１５に送信する。

特徴パラメータ選択部１５は、特徴パラメータ計算部１４から、全ての（分割された）時系列波形データに対して計算された特徴パラメータｐ_１～ｐ_２４を受信する。
特徴パラメータ選択部１５は、第１特徴パラメータ群の中の特徴パラメータｐ_１～ｐ_２４の各々に対し、正常時の時系列波形データと異常時の時系列波形データから計算された当該特徴パラメータｐ_１～ｐ_２４の値を基に異常診断指標値をそれぞれ計算する。
本実施形態においては、異常診断指標値は、ＤＩ値である。
より具体的には、ｘ番目の特徴パラメータをｐ_ｘ（１≦ｘ≦２４）とする。また、各特徴パラメータｐ_ｘに対し、正常時の時系列波形データから計算された特徴パラメータｐ_ｘの平均値をμ_ｎｘとし、標準偏差をσ_ｎｘとする。同様に、各特徴パラメータｐ_ｘに対し、異常時の時系列波形データから計算された特徴パラメータｐ_ｘの平均値をμ_ａｘとし、標準偏差をσ_ａｘとする。
このとき、特徴パラメータ選択部１５は、特徴パラメータｐ_ｘのＤＩ値を、次式（１）により計算する。

図２は、異常診断指標値の説明図である。図２には、値μ_ｎｘを平均値とした確率密度関数（正常時の時系列波形データに相当）と、値μ_ａｘを平均値とした確率密度関数（異常時の時系列波形データに相当）が示されている。上式（１）で表されるＤＩ値は、これら２つの確率密度関数の重なった部分Ｒ１が小さくなり、平均値の差が大きくなるほど、高くなる。換言すれば、ＤＩ値が大きければそれほど、正常時の時系列波形データと異常時の時系列波形データの間で特徴パラメータｐ_ｘの値に差が大きいということであり、当該特徴パラメータｐ_ｘは正常時の時系列波形データと異常時の時系列波形データを識別するのに適切なものであると考えることができる。

特徴パラメータ選択部１５は、各特徴パラメータｐ_ｘに対して、計算されたＤＩ値を判定閾値と比較し、ＤＩ値が判定閾値よりも大きい場合に、当該特徴パラメータｐ_ｘを、設備１の異常の有無を診断する際に使用する特徴パラメータｐ_ｘとして選択する。
判定閾値は、例えば１．５とするのが好ましい。判定閾値は、２．０等と、より大きい値とするのがより好ましい。
特徴パラメータ選択部１５は、判定閾値よりもＤＩ値が大きな特徴パラメータｐ_ｘが複数存在する場合には、複数の、すなわちこれら全ての特徴パラメータｐ_ｘを、設備１の異常の有無を診断する際に使用する特徴パラメータｐ_ｘとして選択する。

次に、異常診断装置１０の、診断処理に関する各部位の機能を説明する。

前準備処理と同様に、データ収集部１３は、センサ１１から、設備１の時系列波形データとなるセンサ値を受信する。
診断処理においては、データ収集部１３は、実際に稼働して異常を診断中の設備１の時系列波形データを、診断時の時系列波形データとして取得する。
データ収集部１３は、診断時の時系列波形データとして、学習用時系列波形データと、診断用時系列波形データを取得する。
データ収集部１３は、設備１に異常が見られない際に、診断時の時系列波形データとして、学習用時系列波形データを取得する。学習用時系列波形データは、できるだけ多い分量を取得するのが望ましい。
データ収集部１３は、学習用時系列波形データを制御端末１２に送信する。
データ収集部１３は、学習用時系列波形データを取得した後に、診断用時系列波形データを取得し、制御端末１２へ送信する。データ収集部１３は、設備１が稼働している間、診断用時系列波形データの取得と、制御端末１２への送信を繰り返し実行し続ける。

制御端末１２は、データ収集部１３から、学習用時系列波形データを受信する。
次に、制御端末１２は、データ収集部１３から繰り返し送信される診断用時系列波形データを随時受信して、異常判断値を計算し、当該異常判断値を基に、異常の有無を診断する。制御端末１２は、図示されない表示部を備え、上記の異常判断値を表示部に随時出力し続けることにより、設備１の傾向を表示するように構成され得る。

より具体的には、まず、特徴パラメータ計算部１４は、データ収集部１３から、診断時の時系列波形データ（学習用時系列波形データ、診断用時系列波形データ）を受信する。特徴パラメータ計算部１４は、受信した診断時の時系列波形データを、正常時の時系列波形データ及び異常時の時系列波形データと同じ要領で、時間軸において、所定の分割数Ｄ、例えば８等の数に分割する。
特徴パラメータ計算部１４は、診断時の時系列波形データの、分割されて複数となった各々に対し、第１特徴パラメータ群の中の各特徴パラメータｐ_１～ｐ_２４の値を計算する。

特徴パラメータ計算部１４は、更に、分割されて複数となった、診断時の時系列波形データの各々に対し、第１特徴パラメータ群とは異なる、診断の指標となる第２特徴パラメータ群の中の各特徴パラメータの値を計算する。
本実施形態においては、診断の指標となる第２特徴パラメータ群として、次に説明する、第２５特徴パラメータから第２８特徴パラメータまでの、４種類の特徴パラメータを使用している。

第２５特徴パラメータである実効値ｐ_２５は、次式のように定義される。

第２６特徴パラメータであるピーク値の平均値ｐ_２６は、次式のように定義される。

第２７特徴パラメータである絶対値ピーク値の平均値ｐ_２７は、次式のように定義される。

第２８特徴パラメータである絶対値ピーク値の実効値ｐ_２８は、次式のように定義される。

上記の、第２特徴パラメータ群の中の各特徴パラメータｐ_２５～ｐ_２８は、有次元特徴パラメータであり、波形の大きさを表現するものである。第２特徴パラメータ群の中の特徴パラメータｐ_２５～ｐ_２８は、設備１の状態の把握に有用であるが、異常状態の早期発見には不向きである。
特徴パラメータ計算部１４は、診断時の時系列波形データの、分割されて複数となった各々に対して計算された、第１特徴パラメータ群の中の各特徴パラメータｐ_１～ｐ_２４の値と、第２特徴パラメータ群の中の各特徴パラメータｐ_２４～ｐ_２８の値を、診断部１６に送信する。

診断部１６は、診断時の時系列波形データに対して計算された、第１特徴パラメータ群の中の各特徴パラメータｐ_１～ｐ_２４の値と、第２特徴パラメータ群の中の各特徴パラメータｐ_２４～ｐ_２８の値を受信する。
診断部１６は、まず、診断時の時系列波形データに対して計算された各特徴パラメータｐ_１～ｐ_２８の異常値を計算する。異常値は、各特徴パラメータｐ_１～ｐ_２８により表現される異常の程度を示す指標である。
学習用時系列波形データに対して得られた、各特徴パラメータｐ_ｘ（１≦ｘ≦２８）の各々の、平均値をμ_０ｘ、標準偏差をσ_０ｘとする。また、診断用時系列波形データに対して得られた、各特徴パラメータｐ_ｘ（１≦ｘ≦２８）の各々の、平均値をμ_ｘ、標準偏差をσ_ｘとする。更に、各特徴パラメータｐ_ｘ（１≦ｘ≦２８）の各々に対して、設備１の設置状況や稼働状況に応じて設定される判定係数を、Ｋ_１ｘ、Ｋ_２ｘとする。このとき、各特徴パラメータｐ_ｘ（１≦ｘ≦２８）の異常値Ｙ_ｘ（１≦ｘ≦２８）は、次式（２）により表される。

診断部１６は、次に、前準備処理において特徴パラメータ選択部１５によって選択された、第１特徴パラメータ群の中の特徴パラメータｐ_ｘが何であるのか、その種類を取得する。特徴パラメータ選択部１５によって、複数の特徴パラメータｐ_ｘが、第１特徴パラメータ群の中から選択された場合には、その全ての種類を取得する。
診断部１６は、第１特徴パラメータ群の中から選択された特徴パラメータｐ_ｘが複数である場合には、ＤＳ（Ｄｅｍｐｓｔｅｒ ａｎｄ Ｓｈａｆｅｒ）確率法を用いて、次式（３）によって、第１異常判断値Ａ_ｌを計算する。

式（３）において、Ｍ（２≦Ｍ≦２４）は、第１特徴パラメータ群の中から選択された特徴パラメータｐ_ｘの数、ａ_ｉ、ａ_ｊ（１≦ｉ≦Ｍ、１≦ｊ≦Ｍ）は、第１特徴パラメータ群の中から選択された特徴パラメータｐ_ｘの各々の異常値であるＹ_ｘ（１≦ｘ≦２４）である。例えば、Ｍが２であり、第１特徴パラメータ群の中から選択された特徴パラメータｐ_ｘがｐ_２、ｐ_４である場合には、ａ_１＝Ｙ_２、ａ_２＝Ｙ_４となる。

診断部１６は、第１特徴パラメータ群の中から選択された特徴パラメータｐ_ｘが１個である場合には、次式（４）として示すように、この選択された特徴パラメータｐ_ｘの異常値Ｙ_ｘを、第１異常判断値Ａ_ｌとして設定する。

診断部１６は、次に、特徴パラメータ計算部１４によって計算された第２特徴パラメータ群の中の特徴パラメータｐ_２５～ｐ_２８から、任意の特徴パラメータｐ_ｘ（２５≦ｘ≦２８）を一つだけ選択する。
診断部１６は、次式（５）として示すように、この選択された特徴パラメータｐ_ｘ（２５≦ｘ≦２８）の異常値Ｙ_ｘを、第２異常判断値Ａ_ｄとして設定する。

診断部１６は、次式（６）として示すように、第１異常判断値Ａ_ｌと第２異常判断値Ａ_ｄの平均を、異常判断値Ａとして計算する。

診断部１６は、上記のように計算された異常判断値Ａを、異常判定閾値と比較することにより、設備１に異常が有るか無いかを診断する。上記のように計算される異常判断値Ａは、正の値となり、大きくなるほど異常である可能性が高まる。例えば、異常判定閾値として、第１異常判定閾値と、第１異常判定閾値よりも値が大きな第２異常判定閾値の、２種類を設定し、異常判断値Ａが第１異常判定閾値以上であり第２異常判定閾値より小さい場合には、設備１に特定異常の注意が必要であると警告し、第２異常判定閾値以上である場合には、設備１に特定異常の危険があると通報するように設定することが好ましい。この場合において、第１異常判定閾値は０．２、第２異常判定閾値は０．７等の値をとり得る。

このように、診断部１６は、診断時の時系列波形データから計算された、特徴パラメータ選択部１５によって第１特徴パラメータ群の中から選択された特徴パラメータｐ_ｘ（１≦ｘ≦２４）と、第２特徴パラメータ群の中の任意の特徴パラメータｐ_ｘ（２５≦ｘ≦２８）の双方の値を基に異常判断値Ａを計算し、当該異常判断値Ａを基に、設備１の異常の有無を診断する。
この異常判断値Ａを、表示部等に、時系列的にグラフとして表示することで、設備１の傾向監視、状態把握が可能となる。

次に、図１、図２、及び図３、図４を用いて、上記の設備１の異常診断方法を説明する。図３は、設備１の異常診断方法の、前準備処理のフローチャートであり、図４は、診断処理のフローチャートである。
前準備処理においては、処理が開始すると（ステップＳ１）、データ収集部１３は、正常時の時系列波形データと、想定される異常に対応する、異常時の時系列波形データを生成する（ステップＳ３）。
データ収集部１３は、正常時の時系列波形データと、異常時の時系列波形データを、特徴パラメータ計算部１４へ送信する。

特徴パラメータ計算部１４は、データ収集部１３から、正常時の時系列波形データと、異常時の時系列波形データを受信する。
特徴パラメータ計算部１４は、受信した各時系列波形データを、時間軸において、所定の分割数Ｄに分割する。
特徴パラメータ計算部１４は、分割されて複数となった、正常時の時系列波形データと異常時の時系列波形データの各々に対し、診断の指標となる第１特徴パラメータ群の中の各特徴パラメータの値を計算する（ステップＳ５）。
特徴パラメータ計算部１４は、全ての（分割された）時系列波形データに対して計算した特徴パラメータｐ_１～ｐ_２４を、特徴パラメータ選択部１５に送信する。

特徴パラメータ選択部１５は、特徴パラメータ計算部１４から、全ての（分割された）時系列波形データに対して計算された特徴パラメータｐ_１～ｐ_２４を受信する。
特徴パラメータ選択部１５は、第１特徴パラメータ群の中の特徴パラメータｐ_１～ｐ_２４の各々に対し、正常時の時系列波形データと異常時の時系列波形データから計算された当該特徴パラメータｐ_１～ｐ_２４の値を基に異常診断指標値をそれぞれ計算する（ステップＳ７）。
特徴パラメータ選択部１５は、各特徴パラメータｐ_ｘに対して、計算された異常診断指標値を判定閾値と比較し、異常診断指標値が判定閾値よりも大きい場合に、当該特徴パラメータｐ_ｘを、設備１の異常の有無を診断する際に使用する特徴パラメータｐ_ｘとして選択（ステップＳ９）し、処理を終了する（ステップＳ１１）。

診断処理においては、処理が開始すると（ステップＳ２１）、データ収集部１３は、実際に稼働して異常を診断中の設備１の時系列波形データを、診断時の時系列波形データとして取得する（ステップＳ２３）。
データ収集部１３は、診断時の時系列波形データを制御端末１２に送信する。

特徴パラメータ計算部１４は、データ収集部１３から、診断時の時系列波形データを受信する。特徴パラメータ計算部１４は、受信した診断時の時系列波形データを、時間軸において、所定の分割数Ｄに分割する。
特徴パラメータ計算部１４は、診断時の時系列波形データの、分割されて複数となった各々に対し、第１特徴パラメータ群の中の各特徴パラメータｐ_１～ｐ_２４の値を計算する（ステップＳ２５）。
特徴パラメータ計算部１４は、分割されて複数となった、診断時の時系列波形データの各々に対し、第１特徴パラメータ群とは異なる、診断の指標となる第２特徴パラメータ群の中の各特徴パラメータの値を計算する（ステップＳ２７）。
診断部１６は、第１異常判断値Ａ_ｌと第２異常判断値Ａ_ｄを計算し、これを基に、異常判断値Ａを計算する（ステップＳ２９）。
診断部１６は、異常判断値Ａを基に、設備１の異常の有無を診断し（ステップＳ３１）、処理を終了する（ステップＳ３３）。

次に、上記の設備の異常診断装置及び異常診断方法の効果について説明する。

本実施形態の設備の異常診断装置１０は、設備１に設けられたセンサ１１により取得された時系列波形データを基に、設備１の異常を診断する装置であって、正常時の時系列波形データ、異常時の時系列波形データ、及び診断時の時系列波形データの各々に対し、診断の指標となる第１特徴パラメータ群の中の各特徴パラメータｐ_ｘ（１≦ｘ≦２４）の値を計算する、特徴パラメータ計算部１４と、第１特徴パラメータ群の中の特徴パラメータｐ_ｘ（１≦ｘ≦２４）の各々に対し、正常時の時系列波形データと異常時の時系列波形データから計算された当該特徴パラメータの値を基に異常診断指標値をそれぞれ計算し、当該異常診断指標値を基に、設備１の異常の有無を診断する際に使用する特徴パラメータｐ_ｘ（１≦ｘ≦２４）を選択する、特徴パラメータ選択部１５と、診断時の時系列波形データから計算された、特徴パラメータ選択部１５によって選択された特徴パラメータｐ_ｘ（１≦ｘ≦２４）の値を基に、異常判断値Ａを計算し、当該異常判断値Ａを基に、異常の有無を診断する、診断部１６と、を備えている。
また、本実施形態の設備の異常診断方法は、設備１に設けられたセンサ１１により取得された時系列波形データを基に、設備１の異常を診断する方法であって、正常時の時系列波形データ、異常時の時系列波形データ、及び診断時の時系列波形データの各々に対し、診断の指標となる第１特徴パラメータ群の中の各特徴パラメータｐ_ｘ（１≦ｘ≦２４）の値を計算し（ステップＳ５、Ｓ２５）、第１特徴パラメータ群の中の特徴パラメータｐ_ｘ（１≦ｘ≦２４）の各々に対し、正常時の時系列波形データと異常時の時系列波形データから計算された当該特徴パラメータｐ_ｘ（１≦ｘ≦２４）の値を基に異常診断指標値をそれぞれ計算し（ステップＳ７）、当該異常診断指標値を基に、設備１の異常の有無を診断する際に使用する特徴パラメータｐ_ｘ（１≦ｘ≦２４）を選択し（ステップＳ９）、診断時の時系列波形データから計算された、選択された特徴パラメータｐ_ｘ（１≦ｘ≦２４）の値を基に、異常判断値Ａを計算し（ステップＳ２９）、当該異常判断値Ａを基に、異常の有無を診断する（ステップＳ３１）。
特徴パラメータのなかには、設備１の異常に反応するものもあれば、ノイズに過敏に反応するものもある。また、どのような特徴パラメータが異常やノイズに反応するのかは、設備１の種類や設置状況、周囲の環境等によっても変化し得る。このため、例えば何らかの判断値を計算してこれを基に設備１の異常の有無を診断するに際し、全ての特徴パラメータを使用して判断値を計算する場合や、数値の変動が特に大きな特徴パラメータを都度選択してこれにより判断値を計算する場合等においては、ノイズにより値が変動した特徴パラメータに起因して判断値が変動することがある。このような場合においては、設備１に異常が無い状態であっても、ノイズが生じた際に、設備１に異常が有ると誤診される可能性がある。
これに対し、上記のような構成によれば、正常時の時系列波形データと異常時の時系列波形データを基に、診断に使用する特徴パラメータを事前に選択する。そのうえで、診断時には、この選択された特徴パラメータの値を基に、異常判断値Ａを計算し、当該異常判断値Ａを基に、異常の有無を診断する。
ここで、特徴パラメータは、正常時の時系列波形データと異常時の時系列波形データを基にされるため、異常に適切に反応して値が変動するものが選択されやすくなり、ノイズに反応しやすいものは選択されにくい。このため、計算された異常判断値Ａは、ノイズよりも、異常を反映したものとなる。
したがって、稼働中の設備１の異常の有無を診断するに際し、ノイズの影響を低減することができる。

また、特徴パラメータ選択部１５は、複数の特徴パラメータｐ_ｘ（１≦ｘ≦２４）を選択し、診断部１６は、診断時の時系列波形データを基に、特徴パラメータ選択部１５によって選択された複数の特徴パラメータｐ_ｘ（１≦ｘ≦２４）の各々の値を基に、異常判断値Ａを計算する。
また、異常診断指標値は、ＤＩ値である。
また、特徴パラメータ計算部１４は、診断時の時系列波形データに対し、第１特徴パラメータ群とは異なる第２特徴パラメータ群の中の各特徴パラメータｐ_ｘ（２５≦ｘ≦２８）の値を計算し、診断部１６は、診断時の時系列波形データから計算された、特徴パラメータ選択部によって第１特徴パラメータ群の中から選択された特徴パラメータｐ_ｘ（１≦ｘ≦２４）と、第２特徴パラメータ群の中の任意の特徴パラメータｐ_ｘ（２５≦ｘ≦２８）の双方の値を基に異常判断値Ａを計算し、第１特徴パラメータ群の中の、特徴パラメータｐ_ｘ（１≦ｘ≦２４）の各々は、波形の形状を表現するものであり、第２特徴パラメータ群の中の、特徴パラメータｐ_ｘ（２５≦ｘ≦２８）の各々は、波形の大きさを表現するものである。
また、設備１は回転機であり、センサ１１は振動センサであり、時系列波形データは振動波形データである。
上記のような構成によれば、設備の異常診断装置１０を好適に実現することができる。

［実施形態の変形例］
次に、上記実施形態として示した設備の異常診断装置及び異常診断方法の変形例を説明する。本変形例における設備の異常診断装置は、上記実施形態の設備の異常診断装置１０とは、特徴パラメータ計算部１４が、データ収集部１３により取得された時系列波形データに対して、フィルタ処理を適用する点が異なっている。

上記実施形態においては、センサ１１として振動センサであり、センサ１１により計測される時系列波形データは振動に関する波形データであったが、センサ１１によっては、振動の他に、音響、電流等に関する時系列波形データを取得するものもある。このような、時系列波形データの種類によっては、ある異常がどのような周波数帯で高く、あるいは低くなりやすいか、既知となっているものがある。例えば、振動波形データの場合において、アンバランスやミスアライメント等の、設備１の構造に問題が生じて発生する異常状態である構造系異常に関しては、例えば１ｋＨｚ以下の低周波数帯に変動が表れやすい。また、軸受異常やその他の接触系の異常等の衝撃系異常に関しては、例えば１０ｋＨｚ以上の高周波数帯に変動が表れやすい。
このため、特徴パラメータ計算部１４が、データ収集部１３により取得された時系列波形データを、バンドパスフィルタ等により、複数の周波数帯域に分割する。この複数の周波数帯としては、例えば０～１ｋＨｚの低周波帯域、例えば１～１０ｋＨｚの中周波帯域、例えば１０ｋＨｚ以上の高周波帯域の、例えば３つの周波数帯域が考えられる。

前準備処理においては、特徴パラメータ計算部１４は、正常時の振動波形データと、異常時の振動波形データを受信し、これらの各々を、複数の周波数帯域に分割する。特徴パラメータ計算部１４は、周波数帯域に応じて分割された時系列波形データの各々に対して、分割数Ｄによる時間軸での分割、第１特徴パラメータ群の中の各特徴パラメータｐ_１～ｐ_２４の値の計算等の、後続の処理を実行する。
そして、特徴パラメータ選択部１５は、第１特徴パラメータ群の中の特徴パラメータｐ_１～ｐ_２４の各々に対する、正常時の時系列波形データと異常時の時系列波形データから計算された当該特徴パラメータｐ_１～ｐ_２４の値を基にした異常診断指標値の計算を、各周波数帯域に対して実行する。
そのうえで、特徴パラメータ選択部１５は、各周波数帯域において、各特徴パラメータｐ_ｘに対して、計算された異常診断指標値を判定閾値と比較し、異常診断指標値が判定閾値よりも大きい場合に、当該周波数帯域と、当該特徴パラメータｐ_ｘを、設備１の異常の有無を診断する際に使用する周波数帯域、及び特徴パラメータｐ_ｘとして選択する。

診断処理においても、同様に、特徴パラメータ計算部１４は、診断時の時系列波形データを受信し、複数の周波数帯域に分割する。特徴パラメータ計算部１４は、周波数帯域に応じて分割された時系列波形データの各々に対して、分割数Ｄによる時間軸での分割、第１特徴パラメータ群の中の各特徴パラメータｐ_１～ｐ_２４の値の計算、第２特徴パラメータ群の中の各特徴パラメータｐ_２５～ｐ_２８の値の計算等の、後続の処理を実行する。
診断部１６は、特徴パラメータ選択部１５において選択された周波数帯域と特徴パラメータｐ_ｘに対して、第１異常判断値Ａ_ｌを計算する。診断部１６はまた、第２異常判断値Ａ_ｄを計算し、これらを基に異常判断値Ａを計算する。

本変形例においては、特徴パラメータ計算部１４は、正常時の時系列波形データ、異常時の時系列波形データ、及び診断時の時系列波形データの各々を、フィルタ処理により複数の周波数帯域に分割し、複数の周波数帯域の各々において、第１特徴パラメータ群の中の各特徴パラメータの値を計算し、特徴パラメータ選択部１５は、複数の周波数帯域の各々において、第１特徴パラメータ群の中の特徴パラメータｐ_１～ｐ_２４の各々に対し、正常時の時系列波形データと異常時の時系列波形データから計算された当該特徴パラメータｐ_１～ｐ_２４の値を基に異常診断指標値をそれぞれ計算し、異常診断指標値を基に、設備１の異常の有無を診断する際に使用する周波数帯域を、特徴パラメータｐ_１～ｐ_２４とともに選択し、診断部１６は、診断時の時系列波形データから計算された、特徴パラメータ選択部１５によって選択された周波数帯域における特徴パラメータｐ_１～ｐ_２４の値を基に、異常判断値Ａを計算する。
このような構成によれば、より高精度に設備１の異常の有無を診断することができる。

本第１変形例が、既に説明した実施形態と同様な効果を奏することは言うまでもない。

なお、本発明の設備の異常診断装置及び異常診断方法は、図面を参照して説明した上述の実施形態及び変形例に限定されるものではなく、その技術的範囲において他の様々な変形例が考えられる。

例えば、上記実施形態においては、設備は回転機であり、センサは振動センサであり、時系列波形データは振動波形データであったが、これに限られないことは、言うまでもない。
すなわち、上記の異常診断装置及び異常診断方法は、回転機に限らず、様々な種類の設備に応用可能である。
上記実施形態においては、設備が回転機であったため、センサとして、稼働時の特徴を効果的に取得し得る振動センサが使用されていたが、対象となる設備に応じて、電流、電圧、温度等、センサの種類を変えても構わないのは、言うまでもない。上記の異常診断装置及び異常診断方法は、センサの種類に拠らず、設備の状態が計測、収集された時系列波形データを基に、異常を診断することができる。
また、使用されるセンサの数や種類も１つに限られず、複数の数及び種類のセンサにより、設備の状態を計測、収集してもよい。これらの複数のセンサから得られた時系列波形データから特徴パラメータを計算することで、様々な種類の設備診断を実現することが可能である。

また、上記実施形態及び各変形例においては、前準備処理と診断処理は、同一の制御端末１２内に設けられていたが、これに限られない。例えば、前準備処理用の制御端末と診断処理用の制御端末を個別に用意し、実行する処理に応じて使い分けても構わない。すなわち、例えば上記実施形態の場合においては、前準備処理用の制御端末にデータ収集部１３、特徴パラメータ計算部１４、及び特徴パラメータ選択部１５を、診断処理用の制御端末にデータ収集部１３、特徴パラメータ計算部１４、及び診断部１６を設けても構わない。

これ以外にも、本発明の主旨を逸脱しない限り、上記実施形態及び変形例で挙げた構成を取捨選択したり、他の構成に適宜変更したりすることが可能である。

１ 設備
１０ 異常診断装置
１１ センサ
１３ データ収集部
１４ 特徴パラメータ計算部
１５ 特徴パラメータ選択部
１６ 診断部

Claims (7)

1. 設備に設けられたセンサにより取得された時系列波形データを基に、前記設備の異常を診断する、設備の異常診断装置であって、
   正常時の時系列波形データ、異常時の時系列波形データ、及び診断時の時系列波形データの各々に対し、診断の指標となる第１特徴パラメータ群の中の各特徴パラメータの値を計算する、特徴パラメータ計算部と、
   前記第１特徴パラメータ群の中の前記特徴パラメータの各々に対し、前記正常時の時系列波形データと前記異常時の時系列波形データから計算された当該特徴パラメータの値を基に異常診断指標値をそれぞれ計算し、当該異常診断指標値を基に、前記設備の異常の有無を診断する際に使用する前記特徴パラメータを選択する、特徴パラメータ選択部と、
   前記診断時の時系列波形データから計算された、前記特徴パラメータ選択部によって選択された前記特徴パラメータの値を基に、異常判断値を計算し、当該異常判断値を基に、異常の有無を診断する、診断部と、
   を備えている、設備の異常診断装置。
2. 前記特徴パラメータ選択部は、複数の前記特徴パラメータを選択し、
   前記診断部は、前記診断時の時系列波形データから計算された、前記特徴パラメータ選択部によって選択された複数の前記特徴パラメータの値を基に、前記異常判断値を計算する、請求項１に記載の設備の異常診断装置。
3. 前記異常診断指標値は、ＤＩ値である、請求項１または２に記載の設備の異常診断装置。
4. 前記特徴パラメータ計算部は、診断時の時系列波形データに対し、前記第１特徴パラメータ群とは異なる第２特徴パラメータ群の中の各特徴パラメータの値を計算し、
   前記診断部は、前記診断時の時系列波形データから計算された、前記特徴パラメータ選択部によって前記第１特徴パラメータ群の中から選択された前記特徴パラメータと、前記第２特徴パラメータ群の中の任意の特徴パラメータの双方の値を基に前記異常判断値を計算し、
   前記第１特徴パラメータ群の中の、前記特徴パラメータの各々は、波形の形状を表現するものであり、
   前記第２特徴パラメータ群の中の、前記特徴パラメータの各々は、波形の大きさを表現するものである、請求項１から３のいずれか一項に記載の設備の異常診断装置。
5. 前記特徴パラメータ計算部は、前記正常時の時系列波形データ、前記異常時の時系列波形データ、及び前記診断時の時系列波形データの各々を、フィルタ処理により複数の周波数帯域に分割し、複数の前記周波数帯域の各々において、前記第１特徴パラメータ群の中の各特徴パラメータの値を計算し、
   前記特徴パラメータ選択部は、複数の前記周波数帯域の各々において、前記第１特徴パラメータ群の中の前記特徴パラメータの各々に対し、前記正常時の時系列波形データと前記異常時の時系列波形データから計算された当該特徴パラメータの値を基に異常診断指標値をそれぞれ計算し、当該異常診断指標値を基に、前記設備の異常の有無を診断する際に使用する前記周波数帯域を、前記特徴パラメータとともに選択し、
   前記診断部は、前記診断時の時系列波形データから計算された、前記特徴パラメータ選択部によって選択された前記周波数帯域における前記特徴パラメータの値を基に、前記異常判断値を計算する、請求項１から４のいずれか一項に記載の設備の異常診断装置。
6. 前記設備は回転機であり、前記センサは振動センサであり、前記時系列波形データは振動波形データである、請求項１から４のいずれか一項に記載の設備の異常診断装置。
7. 設備に設けられたセンサにより取得された時系列波形データを基に、前記設備の異常を診断する、設備の異常診断方法であって、
   正常時の時系列波形データ、異常時の時系列波形データ、及び診断時の時系列波形データの各々に対し、診断の指標となる第１特徴パラメータ群の中の各特徴パラメータの値を計算し、
   前記第１特徴パラメータ群の中の前記特徴パラメータの各々に対し、前記正常時の時系列波形データと前記異常時の時系列波形データから計算された当該特徴パラメータの値を基に異常診断指標値をそれぞれ計算し、当該異常診断指標値を基に、前記設備の異常の有無を診断する際に使用する前記特徴パラメータを選択し、
   前記診断時の時系列波形データから計算された、選択された前記特徴パラメータの値を基に、異常判断値を計算し、当該異常判断値を基に、異常の有無を診断する、設備の異常診断方法。
   

Images