JP5101396B2 - 健全性診断方法及びプログラム並びに風車の健全性診断装置 - Google Patents
健全性診断方法及びプログラム並びに風車の健全性診断装置 Download PDFInfo
- Publication number
- JP5101396B2 JP5101396B2 JP2008141431A JP2008141431A JP5101396B2 JP 5101396 B2 JP5101396 B2 JP 5101396B2 JP 2008141431 A JP2008141431 A JP 2008141431A JP 2008141431 A JP2008141431 A JP 2008141431A JP 5101396 B2 JP5101396 B2 JP 5101396B2
- Authority
- JP
- Japan
- Prior art keywords
- matrix
- diagnosis
- unit
- mahalanobis distance
- data set
- 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.)
- Expired - Fee Related
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/72—Wind turbines with rotation axis in wind direction
Landscapes
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Wind Motors (AREA)
Description
例えば、特許文献1には、自動分析装置における反応過程での異常の有無判定に、MT法を適用し、マハラノビス距離に基づいて異常の有無を検知する方法が開示されている。
しかしながら、上記余因子行列を用いるMTA法は、単位空間の相関行列のランクが特性値の個数よりも1だけ落ちている場合だけに有効で、2以上落ちている場合はマハラノビス距離が計算できないことが知られている(例えば、非特許文献2参照)。そこで、非特許文献2では、MT法、MTA法の改善のため、MTA法の余因子行列に代わり、相関行列をスペクトル分解して、ランク落ちしていない固有値に対応するムーア・ペンローズ一般化逆行列を用いる第1種の平方距離と、ランク落ちした固有値0(ゼロ)に対応する固有ベクトルから作成した第2種の平方距離を用いてマハラノビス距離を算出する手法を提案している。
しかしながら、この手法では、必要数の定義に任意性があり、また主成分分析を介した計算が必要となり、処理が煩雑であるという問題があった。
本発明は、健全性診断の対象となる被診断データセットを設定するとともに、該被診断データセットと比較する基準データセットを設定するデータ設定過程と、前記基準データセットを用いて相関行列を計算する相関行列算出過程と、逆行列の公式を用いて前記相関行列の逆行列を計算する逆行列算出過程と、前記逆行列算出過程で算出された該行列と前記相関行列とを乗算し、該乗算した結果得られた行列が略単位行列であるか否かを判定する判定過程と、該行列が略単位行列でない場合に、前記相関行列の特異値分解を行い、該行列が略単位行列となるまで、前記特異値の小さい方から順にその特異値の逆数をゼロに置換した対角行列と、特異値分解で得た2個の直交行列とによる3行列積によって、近似逆行列を求める近似逆行列算出過程と、該行列が略単位行列となったときの該近似逆行列を用いて、マハラノビス距離を計算するマハラノビス距離算出過程とを有し、該マハラノビス距離に基づいて診断対象の健全性を評価する健全性診断方法を提供する。
相関行列の特異値が小さい場合、その特異値の逆数は、限りなく大きい値となり、計算を不可能にする可能性がある。このため、特異値が小さい場合には、その特異値を逆数とした場合の分母に、丸め誤差から決まる定数を一様に加算することにより、逆行列の特性値が無限大に近い値になることを防止することが可能となる。これにより、計算が暴走することを防止することができ、信頼性の高い近似逆行列を得ることができる。従って、この近似逆行列を用いてMD値を算出することにより、信頼性の高いMD値を得ることが可能となる。
また、このような近似逆行列の求め方によれば、上述のように、値の小さい特異値からその逆数をゼロに置換する場合に比べて、その都度に近似逆行列と相関行列との積を求める必要もなくなり、1回の処理で近似逆行列を求めることが可能となる。これにより、近似逆行列に関する処理を簡便化することができる。
また、本発明によれば、信頼性の高い近似逆行列を得ることができるので、この近似逆行列を用いてMD値を算出することにより、信頼性の高いMD値を得ることが可能となる。
また、本発明によれば、信頼性の高い近似逆行列を得ることができるので、この近似逆行列を用いてMD値を算出することにより、信頼性の高いMD値を得ることが可能となる。
また、本発明によれば、MD値を主成分分析して得た複数の項の絶対値に基づいて異常発生の要因を特定するので、一般的に知られている直交表を用いた要因効果分析と比べて、処理を低減することが可能となる。このように、本発明によれば、1回の主成分分析により、容易に異常の要因候補を特定することができ、要因分析を容易に行うことができる。
図1は、風車の概略構成を示した図である。図1に示すように、風車1は、基礎6の上に立設される支柱2と、支柱2の上端に設置されるナセル3と、略水平な軸線周りに回転可能にしてナセル3に設けられるロータヘッド4とを有している。ロータヘッド4には、その回転軸線周りに放射状に複数枚の風車翼5が取り付けられている。これにより、ロータヘッド4の回転軸線方向から風車翼5に当たった風の力が、ロータヘッド4を回転軸線周りに回転させる動力に変換され、この動力が発電機によって電気エネルギーに変換されるようになっている。
Memory)などの主記憶装置12、HDD(Hard Disk Drive)などの補助記憶装置13、キーボードやマウスなどの入力装置14、及びモニタやプリンタなどの出力装置15、外部の機器と通信を行うことにより情報の授受を行う通信装置16などで構成されている。
補助記憶装置13には、各種プログラム(例えば、健全性診断プログラム)が格納されており、CPU11が補助記憶装置13から主記憶装置12にプログラムを読み出し、実行することにより種々の処理を実現させる。
健全性評価部30は、診断設定部(診断設定手段)31と、指標値算出部(指標値算出手段)32と、異常判定部(異常判定手段)33、通知部34とを備えている。
計測情報記憶部21には、センサ毎に複数の測定データからなる複数のデータファイルが格納される。
ここで、各データファイルの各計測データには、その計測データが測定された計測時間が関連付けられている。この計測時間は、後述するクラス分類部24において行われる診断データの作成処理において、データファイル間の各種測定データを互いに関連付ける紐付けパラメータとして機能する。
〔サンプリング時間の統一化処理〕
上述した計測情報記憶部21に格納されている各種データファイルに係る各計測データの計測時間の時間間隔(以下「サンプリング時間」という)は統一されていない。従って、データ生成部22は、まず、これらのサンプリング時間を統一する処理を行う。本実施形態では、各データファイルを1分間隔の計測データとなるように再構築する。
このようにすることで、全てのデータファイルの計測データを共通の時間間隔で同期関連付けさせることができる。
次に、データ生成部22は、計測時間を統一させた各種データファイルのうち、所定のデータファイルを対象に、「診断物理量」の抽出を行う。
つまり、上述のように、上記計測情報記憶部21には、各種センサによって計測された生のデータが格納されることとなるが、各監視部位の運転状況等を診断するためには、これら生のデータから診断に好適な診断物理量を生成、抽出する必要がある。
このようにして、所定のデータファイルにおいて、診断物理量が算出され、新たなデータベースが作成される。
図6に、被診断データファイルの一例を示す。図6に示されるように、センサ別に各計測時間における計測データまたは診断物理量が関連付けられている。本実施形態では、図6の表の最上段に記載された各計測データや診断物理量の属性を示す「正規化風速」、「MET風速乱れ度」、「送電端出力」、「AZi1」、「AZi2」等の見出しを「特性項目」といい、各特性項目の各データを「特性値」と定義する。
本実施形態では、ある1日の0:00から23:59までの1分刻みの特性値を統合して1つの被診断データファイルを構成している。
具体的には、クラス分類部24は、クラス分類定義部23に定義されているクラス定義に基づいて、各データセット、換言すると、図6に示された被診断データファイルの行毎に、どのクラス分類に属するかを区分けし、各データセットにクラス分類を示すフラグを立てる。
本実施形態では、クラス分類の指標量となる特性項目を、「風速」としている。「風速」は、風車の発電性能に強い相関性を有しているため好都合である。ここでは、「風速」の段階毎の物理量で境界値(条件)を設定し、クラスF0、F1、F2、F3とクラス分類を定義している。
上記クラスF0は、風車が発電に寄与しない風速域であるため、クラスF0は診断対象外のデータ集団とし、クラスF1からF3の3クラスを診断対象となるクラスとして定義する。
また、上記例では、風速等に基づいてクラス分類を行ったが、図7にカッコで示されるように、風車の発電性能に強い相関性を示す「回転数」に基づいてクラス分類を行うこととしてもよい。
もちろんこの段階で、第2記憶部28に格納されている正常データファイル(比較用データファイル)の各データセットには、前段処理のクラス分類部24においてクラス分類のフラグが付加されている。
図9は、発電量の変動範囲を規定したおよそ性能面からの正常定義である。
図9において横軸は風速、縦軸は発電量Pである。発電量の性能曲線は、P(V、r)の関数で表すことができる。発電量の正常範囲は、風速によるクラス分類F1〜F3毎に、正常範囲(I),(II),(III)がそれぞれ定義されており、正常な性能範囲であると定義する条件は、その性能曲線から±ΔP/2の変動幅としている。
更に、上記例では、横軸を風速としたが、図9において、横軸を回転数r、縦軸を発電量Pとしてもよい。この場合、回転数に応じたクラス分類毎に、上記正常範囲(I)、(II)、(III)が定義されることとなる。
図10において横軸は風速、縦軸は風向偏差Δθである。ここで「風向偏差」について説明する。通常、風車の「正常」な運転条件とは、常に風向きに対して風車翼の回転面が真正面で受け止めていることが前提となる。
そして、第1記憶部25に格納された被診断データファイル及び第2記憶部28に格納された正常データファイルを用いて、検査対象である風車1の健全性診断が健全性評価部30によって実施される。
診断設定部31は、第1記憶部25の被診断データファイルからその全体または一部のデータセットを抽出し、診断用の「被診断データファイル」(信号空間)を作成するとともに、第2記憶部28の正常データファイルからその全体または一部のデータセットを抽出し、診断用の「基準データファイル」(単位空間)を作成する。
まず、指標値算出部32は、データの規格化処理を実行する(図11のステップSA1)。
例えば、診断設定部31において設定された基準データファイルの計測時間数をi、特性項目数をjとすると、基準データファイルは、i行j列の行列を成す。例えば、1分間隔で1日分のデータ数ならば、24時間×60分=1440分で1440行、計測したデータ項目種類が200種類あれば、200列のデータサイズになる。
なお、以下の説明においては、図12に示すように、n行k列の各データファイルを想定して説明する。
次に、指標値算出部32は、基準データファイルの特性規格値Xijを用いて、相関行列R=(rij)を計算する(図11のステップSA2)。相関行列Rは以下の(5)式を用いて導出される。相関行列は対角成分が1であるk次行列となる。
次に、指標値算出部32は、上記(5)式で求めた相関行列の逆行列R-1を以下の(6)式を用いて算出する(図11のステップSA3)。
次に、上記逆行列R-1と相関行列Rとを乗算し、乗算した結果得られた行列が略単位行列であるか否かを判定する(図11のステップSA4)。
略単位行列であるか否かは、例えば、対角成分の絶対値が全て1に近い所定の閾値(例えば、0.5)以上であり、かつ、対角成分以外の成分の絶対値がゼロに近い所定の閾値(例えば、0.5)未満であるか否かにより判定される。好ましくは、単位空間を構成するデータレコードのうち、相関行列の計算に用いなかった単位空間データレコードのMD値を計算し、そのMD値が1近傍にあるか否かで判定する。そして、そのMD値が1近傍(例えば、最大5以下)でない場合は、略単位行列と判断しないこととする。
一方、上記行列が略単位行列でない場合には、近似逆行列を算出する(図11のステップSA5)。
具体的には、以下の(7)式に示すように上記相関行列の特異値分析を行い、特異値λiの小さい方から順に、その特異値の逆数1/λiをゼロに置換した対角行列と、特異値分解で得た2個の直交行列とによる3行列積によって、近似逆行列を求める。
以下の(8)式では、特異値λnが最小値であった場合の近似逆行列の一例を示している。
そして、非対角成分やゼロに置換した固有値に対応する対角成分の絶対値がゼロに近い所定の閾値(例えば、0.5)未満となり、かつ、ゼロに置換した固有値に対応する対角成分以外の対角成分の絶対値が全て1に近い所定の閾値(例えば、0.5)以上となった場合には、当該行列が略単位行列となったと判断し、そのときの近似逆行列R-1´を用いて、MD値を計算する(図11のステップSA6)。
次に、上記ステップSA3において求められた逆行列RまたはステップSA5において求められた近似逆行列R-1´と、規格化後の被診断データファイルの各特性規格値Yijを用いてMD値D2 iを求める(図11のステップSA6)。MD値D2 iは、以下の(9)式を用いて算出される。
例えば、図11のステップSA2において、図13に示すような相関行列Rが得られた場合、ステップSA3では、この相関行列の逆行列R-1を算出する。図14に、図13に示した相関行列の逆行列R-1を示す。続いて、ステップSA5において、図13に示した相関行列Rと図14に示した逆行列R-1とを乗算し、この行列が略単位行列であるか否かを判定する。図15に上記相関行列と逆行列Sとを乗算した結果、得られた行列を示す。
図20は、図19に示した近似逆行列R-1´と相関行列Rとの積を示した行列、図21は3番目に小さい特異値λである「5.1E−16」まで、その逆数1/λをゼロに置換した場合の近似逆行列R-1´、図22は、図21に示した近似逆行列R-1´と相関行列Rとの積を示した行列である。図22に示した行列においては、略単位行列であると判定するための条件を満たしている。従って、このときの近似逆行列R-1´、即ち、図21に示した近似逆行列を用いてMD値を計算することとなる。
更に、本実施形態に係る健全性診断方法及びそのプログラム並びに風車の健全性診断装置によれば、逆行列が算出できる通常の場合とあまり変化のない近似逆行列とすることができるので、この近似逆行列を用いて算出されるMD値が通常の場合と乖離することを防止することができ、連続性を確保したMD値を算出することが可能となる。
例えば、近似を行う前の逆関数Rである図14に示した逆行列Rを使用して算出したある測定時間における信号A〜DまでのMD値と、相関行列Rと近似逆行列R-1´の積が単位行列となったときの近似逆行列である図21に示した近似逆行列R-1´を使用して算出したある測定時間における信号A〜DまでのMD値とを以下の表1に示す。
図24及び図25に示すように、本実施形態に係る健全性診断方法及びそのプログラム並びに風車の健全性診断装置を用いれば、単位空間の項目数と同じ単位空間のデータレコード数を用いてMD値を求めた場合でも、それよりもはるかに大きいデータレコード数を用いてMD値を求めた場合と略同じ結果を得ることができることがわかる。
次に、本発明の第2の実施形態に係る風車の健全性診断装置について説明する。
上述した第1の実施形態においては、相関行列Rとその逆行列R-1との積を示す行列が略単位行列でなかった場合に、相関行列Rの特異値分析を行い、この特異値λの小さい値から順にその逆数1/λをゼロに置換していくことで、近似逆行列R-1´を求めていたが、本実施形態においては、この近似逆行列R-1´の求め方が異なる。
以下、本実施形態に係る健全性診断方法及びそのプログラム並びに風車の健全性診断装置について、上述した第1の実施形態と共通する点については説明を省略し、異なる点について主に説明する。
次に、本発明の第3の実施形態に係る風車の健全性診断装置について説明する。
上述した第1及び第2の実施形態においては、図3に示した異常判定部33がMD値に基づいて風車に異常が発生しているか否かを判定することとしていたが、本実施形態においては、異常判定部33が更に異常の要因を特定する点で上述した各実施形態とは異なる。
宮川雅巳 著「品質を獲得する技術」225頁〜226頁
ここで、MD値を主成分で分解し、個々の項のどれが大きいかを見出せば、その項を構成する特徴量が異常であることがわかる。また主成分分解で得た個々の項の影響を見ることで、近いMD値を示すが異なる異常状態の区別をすることが可能である。このような知見から、MDの主成分分解によって固有値の小さい項のトレンドを見れば、異常の要因をある程度特定できることがわかった。
まず、異常判定部33は、MD値を主成分分析し、MD値を主成分分析の結果として得られる固有値λ及び固有ベクトルpからなる複数の項の和として表す。ここで、各項は、被診断データファイルにおける主成分に対応している。具体的には、MD値は、以下の(11)式のように複数の項の和として表される。
3 ナセル
4 ロータヘッド
5 風車翼
10 風車の健全性診断装置
11 CPU
12 主記憶装置
13 補助記憶装置
14 入力装置
15 出力装置
16 通信装置
20 データファイル作成部
21 計測情報記憶部
22 データ生成部
23 クラス分類定義部
24 クラス分類部
25 第1記憶部
26 正常データ条件定義部
27 正常データ抽出部
28 第2記憶部
30 健全性評価部
31 診断設定部
32 指標算出部
33 異常判定部
34 通知部
Claims (12)
- 健全性診断の対象となる被診断データセットを設定するとともに、該被診断データセットと比較する基準データセットを設定するデータ設定過程と、
前記基準データセットを用いて相関行列を計算する相関行列算出過程と、
逆行列の公式を用いて前記相関行列の逆行列を計算する逆行列算出過程と、
前記逆行列算出過程で算出された行列と前記相関行列とを乗算し、該乗算した結果得られた行列が略単位行列であるか否かを判定する判定過程と、
該行列が略単位行列でない場合に、前記相関行列の特異値分解を行い、該行列が略単位行列となるまで、前記特異値の小さい方から順にその特異値の逆数をゼロに置換した対角行列と、特異値分解で得た2個の直交行列とによる3行列積によって、近似逆行列を求める近似逆行列算出過程と、
該行列が略単位行列となったときの該近似逆行列を用いて、マハラノビス距離を計算するマハラノビス距離算出過程と
を有し、
該マハラノビス距離に基づいて診断対象の健全性を評価する健全性診断方法。 - 健全性診断の対象となる被診断データセットを設定するとともに、該被診断データセットと比較する基準データセットを設定するデータ設定過程と、
前記基準データセットを用いて相関行列を計算する相関行列算出過程と、
逆行列の公式を用いて前記相関行列の逆行列を計算する逆行列算出過程と、
前記逆行列算出過程で算出された行列と前記相関行列とを乗算し、該乗算した結果得られた行列が略単位行列であるか否かを判定する判定過程と、
該行列が略単位行列でない場合に、前記相関行列の特異値分解を行い、前記特異値の逆数の分母に計算機の丸め誤差から決定される所定の定数を加算することで、近似逆行列を算出する近似逆行列算出過程と、
該近似逆行列を用いて、マハラノビス距離を計算するマハラノビス距離算出過程と
を有し、
該マハラノビス距離に基づいて診断対象の健全性を評価する健全性診断方法。 - 前記被診断データセットには、特性項目別に複数の特性値が関連付けられており、
前記マハラノビス距離に基づいて診断対象の異常の有無を判定する異常判定過程と、
異常が発生していると判定した場合に、前記マハラノビス距離の主成分分析を行い、該マハラノビス距離を前記主成分に対応する複数の項の和として表す主成分分析過程と、
複数の前記項のうち、絶対値が既定の閾値よりも大きい項に対応する主成分が異常要因であると特定する要因分析過程と
を有する請求項1または請求項2に記載の健全性診断方法。 - 該マハラノビス距離に基づいて検査対象の健全性を評価するのに用いられる健全性診断プログラムであって、
健全性診断の対象となる被診断データセットを設定するとともに、該被診断データセットと比較するための基準データセットを設定するデータ設定処理と、
前記基準データセットを用いて相関行列を計算する相関行列算出処理と、
逆行列の公式を用いて前記相関行列の逆行列を計算する逆行列算出処理と、
前記逆行列算出処理で算出された行列と前記相関行列とを乗算し、該乗算した結果得られた行列が略単位行列であるか否かを判定する判定処理と、
該行列が略単位行列でない場合に、前記相関行列の特異値分解を行い、該行列が略単位行列となるまで、前記特異値の小さい方から順にその特異値の逆数をゼロに置換した対角行列と、特異値分解で得た2個の直交行列とによる3行列積によって、近似逆行列を求める近似逆行列算出処理と、
該行列が略単位行列となったときの該近似逆行列を用いて、マハラノビス距離を計算するマハラノビス距離算出処理と
をコンピュータに実行させるための健全性診断プログラム。 - 該マハラノビス距離に基づいて検査対象の健全性を評価するのに用いられる健全性診断プログラムであって、
健全性診断の対象となる被診断データセットを設定するとともに、該被診断データセットと比較するための基準データセットを設定するデータ設定処理と、
前記基準データセットを用いて相関行列を計算する相関行列算出処理と、
逆行列の公式を用いて前記相関行列の逆行列を計算する逆行列算出処理と、
前記逆行列算出処理で算出された行列と前記相関行列とを乗算し、該乗算した結果得られた行列が略単位行列であるか否かを判定する判定処理と、
該行列が略単位行列でない場合に、前記相関行列の特異値分解を行い、前記特異値の逆数の分母に計算機の丸め誤差から決定される所定の定数を加算することで、近似逆行列を算出する近似逆行列算出処理と、
該近似逆行列を用いて、マハラノビス距離を計算するマハラノビス距離算出処理と
をコンピュータに実行させるための健全性診断プログラム。 - 前記被診断データセットには、特性項目別に複数の特性値が関連付けられており、
前記マハラノビス距離に基づいて診断対象の異常の有無を判定する異常判定処理と、
異常が発生していると判定した場合に、前記マハラノビス距離の主成分分析を行い、該マハラノビス距離を前記主成分に対応する複数の項の和として表す主成分分析処理と、
複数の項のうち、絶対値が既定の閾値よりも大きい項に対応する主成分が異常要因であると特定する要因分析処理と
を含む請求項4または請求項5に記載の健全性診断プログラム。 - 計測時間に関連付けられた複数の特性値が特性項目別に格納されている被診断データファイルと、
計測時間に関連付けられた複数の特性値が特性項目別に格納されているとともに、特定の前記特性項目の特性値が予め定義されている所定の基準範囲に属している比較用データファイルと、
被診断データファイルから診断に用いる複数のデータセットを抽出し、被診断データセットとして設定するとともに、前記比較用データファイルから前記診断に用いる複数の前記データセットを抽出し、基準データセットとして設定する診断設定手段と、
前記被診断データセット及び前記基準データセットを元に、統計的演算手法を用いて、診断対象の状態を表す状態指標値を算出する指標値算出手段と、
前記指標値算出手段によって算出された状態指標値に基づいて、診断対象である風車の状態を判定する異常判定手段と
を備え、
前記指標値算出手段は、
前記基準データセットを用いて相関行列を計算し、
逆行列の公式を用いて該相関行列の逆行列を計算し、
前記逆行列の公式を用いて計算した該行列と前記相関行列とを乗算し、該乗算した結果得られた行列が略単位行列であるか否かを判定し、
該行列が略単位行列でない場合に、前記相関行列の特異値分解を行い、該行列が略単位行列となるまで、前記特異値の小さい方から順にその特異値の逆数をゼロに置換した対角行列と、特異値分解で得た2個の直交行列とによる3行列積によって、近似逆行列を求め、
該行列が略単位行列となったときの該近似逆行列を用いて、マハラノビス距離を計算し、該マハラノビス距離を前記状態指標値として出力する風車の健全性診断装置。 - 計測時間に関連付けられた複数の特性値が特性項目別に格納されている被診断データファイルと、
計測時間に関連付けられた複数の特性値が特性項目別に格納されているとともに、特定の前記特性項目の特性値が予め定義されている所定の基準範囲に属している比較用データファイルと、
被診断データファイルから診断に用いる複数のデータセットを抽出し、被診断データセットとして設定するとともに、前記比較用データファイルから前記診断に用いる複数の前記データセットを抽出し、基準データセットとして設定する診断設定手段と、
前記被診断データセット及び前記基準データセットを元に、統計的演算手法を用いて、診断対象の状態を表す状態指標値を算出する指標値算出手段と、
前記指標値算出手段によって算出された状態指標値に基づいて、診断対象である風車の状態を判定する異常判定手段と
を備え、
前記指標値算出手段は、
前記基準データセットを用いて相関行列を計算し、
逆行列の公式を用いて該相関行列の逆行列を計算し、
前記逆行列の公式を用いて計算した該行列と前記相関行列とを乗算し、該乗算した結果得られた行列が略単位行列であるか否かを判定し、
該行列が略単位行列でない場合に、前記相関行列の特異値分解を行い、前記特異値の逆数の分母に計算機の丸め誤差から決定される所定の定数を加算することで、近似逆行列を算出し、
該近似逆行列を用いて、マハラノビス距離を計算し、該マハラノビス距離を前記状態指標値として出力する風車の健全性診断装置。 - 前記異常判定手段は、
前記指標値算出手段によって算出された前記マハラノビス距離に基づいて風車の異常の有無を判定し、
異常であると判定した場合に、前記マハラノビス距離の主成分分析を行い、該マハラノビス距離を前記主成分に対応する複数の項の和として表し、
複数の項のうち、絶対値が既定の閾値よりも大きい項に対応する主成分が異常要因であると特定する請求項7または請求項8に記載の風車の健全性診断装置。 - 前記特性項目は、風車を取り巻く環境に関する環境区分、風車運転の性能・発電条件に関する性能区分、及び風車に設定された各種監視部位に係る運転状態の診断に関する特性区分の3つに大別される請求項7から請求項9のいずれかに記載の風車の健全性診断装置。
- 前記被診断データファイル及び前記比較用データファイルにおいて、同じ計測時間に関連付けられている特性値を一つのデータセットとした場合に、該データセットには、所定の特性項目の特性値に応じて決定されるクラス分類を示す識別情報が付与されている請求項7から請求項10のいずれかに記載の風車の健全性診断装置。
- 前記クラス分類は、前記環境区分及び前記性能区分の少なくともいずれか一方に分類される所定の特性項目の特性値に応じて決定される請求項11に記載の風車の健全性診断装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008141431A JP5101396B2 (ja) | 2008-05-29 | 2008-05-29 | 健全性診断方法及びプログラム並びに風車の健全性診断装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008141431A JP5101396B2 (ja) | 2008-05-29 | 2008-05-29 | 健全性診断方法及びプログラム並びに風車の健全性診断装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2009288100A JP2009288100A (ja) | 2009-12-10 |
JP5101396B2 true JP5101396B2 (ja) | 2012-12-19 |
Family
ID=41457451
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2008141431A Expired - Fee Related JP5101396B2 (ja) | 2008-05-29 | 2008-05-29 | 健全性診断方法及びプログラム並びに風車の健全性診断装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5101396B2 (ja) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015151237A1 (ja) * | 2014-04-02 | 2015-10-08 | 株式会社日立製作所 | 風車の診断装置 |
EP3043066A1 (en) | 2015-01-07 | 2016-07-13 | Mitsubishi Heavy Industries, Ltd. | System and method of diagnosing wind turbine power generation facility |
JP2017215864A (ja) * | 2016-06-01 | 2017-12-07 | 三菱日立パワーシステムズ株式会社 | 監視装置、対象装置の監視方法、およびプログラム |
JP2020144111A (ja) * | 2019-03-04 | 2020-09-10 | 三菱重工業株式会社 | 異常検出装置、回転機械、異常検出方法、及びプログラム |
US10844842B2 (en) | 2017-06-14 | 2020-11-24 | Mitsubishi Heavy Industries, Ltd. | Abnormality monitoring apparatus and abnormality monitoring method for wind farm |
US11093316B2 (en) | 2018-08-16 | 2021-08-17 | Mitsubishi Heavy Industries, Ltd. | Abnormality detection device, abnormality detection method, and program |
US11500965B2 (en) | 2019-06-28 | 2022-11-15 | Mitsubishi Heavy Industries, Ltd. | Abnormality detection device, abnormality detection method, and non-transitory computer-readable medium |
DE102020001020B4 (de) | 2019-03-04 | 2023-12-07 | Mitsubishi Heavy Industries, Ltd. | Anomalieerfassungsvorrichtung, rotierende maschine, anomalieerfassungsverfahren und programm |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5535954B2 (ja) * | 2011-01-28 | 2014-07-02 | 三菱重工業株式会社 | 健全性評価装置及びその方法並びにプログラム |
JP2016031568A (ja) * | 2014-07-28 | 2016-03-07 | 株式会社Ihi | 異常診断装置、異常診断方法及び異常診断プログラム |
JP6115607B2 (ja) * | 2015-09-24 | 2017-04-19 | 株式会社Ihi | 異常診断装置、異常診断方法及び異常診断プログラム |
KR101724444B1 (ko) * | 2016-01-28 | 2017-04-07 | 삼성중공업(주) | 피진단체 진단 장치 및 방법 |
CN106895985B (zh) * | 2017-03-10 | 2019-10-25 | 汉威广园(广州)机械设备有限公司 | 高速线材轧机的故障信号降噪重构特征识别方法 |
JP2021128364A (ja) * | 2020-02-10 | 2021-09-02 | 三菱重工業株式会社 | 異常検知装置、異常検知方法およびプログラム |
RU2753156C1 (ru) | 2020-09-01 | 2021-08-12 | Акционерное Общество "Российский Концерн По Производству Электрической И Тепловой Энергии На Атомных Станциях" (Ао "Концерн Росэнергоатом") | Способ контроля технического состояния дизель-генератора при эксплуатации |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003141306A (ja) * | 2001-10-30 | 2003-05-16 | Ohken:Kk | 評価システム |
JP4767017B2 (ja) * | 2003-12-26 | 2011-09-07 | 株式会社電通 | キャンペーン動的適正化システム及びその方法又はその方法を記録した記録媒体及びその方法を伝送する伝送媒体 |
JP4366261B2 (ja) * | 2004-07-09 | 2009-11-18 | 株式会社日立ハイテクノロジーズ | 測定反応過程の異常の有無判定方法,該方法を実行可能な自動分析装置及び該方法のプログラムを記憶した記憶媒体 |
-
2008
- 2008-05-29 JP JP2008141431A patent/JP5101396B2/ja not_active Expired - Fee Related
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015151237A1 (ja) * | 2014-04-02 | 2015-10-08 | 株式会社日立製作所 | 風車の診断装置 |
EP3043066A1 (en) | 2015-01-07 | 2016-07-13 | Mitsubishi Heavy Industries, Ltd. | System and method of diagnosing wind turbine power generation facility |
JP2017215864A (ja) * | 2016-06-01 | 2017-12-07 | 三菱日立パワーシステムズ株式会社 | 監視装置、対象装置の監視方法、およびプログラム |
US11591925B2 (en) | 2016-06-01 | 2023-02-28 | Mitsubishi Heavy Industries, Ltd. | Monitoring device, method for monitoring target device, and program |
US10844842B2 (en) | 2017-06-14 | 2020-11-24 | Mitsubishi Heavy Industries, Ltd. | Abnormality monitoring apparatus and abnormality monitoring method for wind farm |
US11093316B2 (en) | 2018-08-16 | 2021-08-17 | Mitsubishi Heavy Industries, Ltd. | Abnormality detection device, abnormality detection method, and program |
JP2020144111A (ja) * | 2019-03-04 | 2020-09-10 | 三菱重工業株式会社 | 異常検出装置、回転機械、異常検出方法、及びプログラム |
JP7350667B2 (ja) | 2019-03-04 | 2023-09-26 | 三菱重工業株式会社 | 異常検出装置、回転機械、異常検出方法、及びプログラム |
DE102020001020B4 (de) | 2019-03-04 | 2023-12-07 | Mitsubishi Heavy Industries, Ltd. | Anomalieerfassungsvorrichtung, rotierende maschine, anomalieerfassungsverfahren und programm |
US11500965B2 (en) | 2019-06-28 | 2022-11-15 | Mitsubishi Heavy Industries, Ltd. | Abnormality detection device, abnormality detection method, and non-transitory computer-readable medium |
Also Published As
Publication number | Publication date |
---|---|
JP2009288100A (ja) | 2009-12-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5101396B2 (ja) | 健全性診断方法及びプログラム並びに風車の健全性診断装置 | |
JP4995134B2 (ja) | 風車の監視装置及び方法並びにプログラム | |
US8433539B2 (en) | Wind turbine monitoring device, method, and program | |
Lei et al. | Gear crack level identification based on weighted K nearest neighbor classification algorithm | |
Song et al. | Wind turbine health state monitoring based on a Bayesian data-driven approach | |
JP5484591B2 (ja) | プラントの診断装置及びプラントの診断方法 | |
US20110106510A1 (en) | Methods, apparatus and computer readable storage mediums for model-based diagnosis | |
US6847917B2 (en) | Method and apparatus for selecting condition indicators in determining the health of a component | |
US20130060524A1 (en) | Machine Anomaly Detection and Diagnosis Incorporating Operational Data | |
US20040199368A1 (en) | Poor data quality identification | |
CN109416023B (zh) | 风力涡轮机监视装置、风力涡轮机监视方法、风力涡轮机监视程序以及存储介质 | |
US6728658B1 (en) | Method and apparatus for determining the health of a component using condition indicators | |
CN111337244B (zh) | 一种风机齿轮箱输入轴故障监测和诊断的方法及装置 | |
US8355879B2 (en) | Trending of vibration data taking into account torque effect | |
JP6714498B2 (ja) | 設備診断装置及び設備診断方法 | |
CN117980707A (zh) | 操作振动信号的自主辨别 | |
Qian et al. | Gearbox fault diagnosis in a wind turbine using single sensor based blind source separation | |
CN114154779A (zh) | 一种基于emd-som的健康评估与故障诊断方法及系统 | |
CN114088389A (zh) | 一种齿轮变速箱的数据处理方法和相关装置 | |
Ogaili et al. | Statistically optimal vibration feature selection for fault diagnosis in wind turbine blade | |
Sadeqi et al. | Automated operational modal analysis based on long‐term records: A case study of Milad Tower structural health monitoring | |
US11339763B2 (en) | Method for windmill farm monitoring | |
King et al. | Probabilistic approach to the condition monitoring of aerospace engines | |
Inturi et al. | Principal component analysis based gear fault diagnostics in different stages of a multi-stage gearbox subjected to extensive fluctuating speeds | |
Maatallah et al. | Condition monitoring of wind turbine bearings progressive degradation using principal component analysis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20100908 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20120612 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20120813 |
|
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: 20120904 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20120926 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20151005 Year of fee payment: 3 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20151005 Year of fee payment: 3 |
|
LAPS | Cancellation because of no payment of annual fees |