JP6730169B2 - 速度推定システム - Google Patents

Description

本開示は、振動信号処理システム及び方法に関連し、特に、振動システム用回転速度及び／またはアンバランス追跡に関する。

振動による回転速度の推定は、振動に基づく機械診断及び予知において、重要なステップである。故障シグネチャの多くが回転速度または基本周波数と相関性が高いため、振動データ分析及びアルゴリズム処理には、信頼性の高い速度推定が基本となる。振動分析での基礎的な物理現象では、アンバランスな回転に関連する振動に周期成分があるので、正確な速度推定によって、アンバランスによる振動を適切に特定及び測定し、それにより、タコメータを必要とせず適切な対策で、最小限にできる。

基本周波数の推定方法の多くは関連性の高い多様な分野で開発されてきたが、いずれにおいても、信号雑音比（ＳＮＲ）が一度所定レベルまで低下すれば正確な結果が得られなかった。当該比からわかるように、ＳＮＲの低下には、ノイズ増加及び信号低下の、２つの潜在的な要因がある。ノイズ特性が既知であるか、ノイズを基準とし得る場合には、従来フィルタまたは適応フィルタを使って前者を対処することが多い。しかし、非定常的ノイズ（例えば、外部環境の急激な変化により出現したり消滅したりするノイズ）を効果的に減衰することはできない。後者の要因により悪化した場合、システム内部での動作状態変動（例えば、ランプアップ／ダウン及び荷重移動）によって誤った速度推定となり得る。過渡変化で起きる見かけ上の速度推定を、アンバランスとする前に識別し除外する必要があり、状態をアルゴリズム的に評価する。

そのような従来方法及びシステムは一般的に各用途を十分満たすとされてきた。しかし、当業界では、依然として速度推定システム及び方法の改良が必要とされる。本開示では、この必要性を満たす方法を提供する。

システムの回転速度の推定方法では、センサから振動データを受信し、振動データから速度を推定して推定速度データを生成し、推定速度データを適応的重み付けフィルタでフィルタリングして誤った速度推定を最小限にする。所定の実施形態において、当該方法では、フィルタリングされた推定速度を使って、システムの動作状態（例えば、バランスが取れているかアンバランスか）を（例えば、リアルタイムに）判断できる。

適応的重み付けフィルタでの推定速度データのフィルタリングでは、適応ウェイトを有するカルマンフィルタで推定速度データをフィルタリングできる。適応ウェイトを有するカルマンフィルタでの推定速度データのフィルタリングでは、カルマンゲインＫ_ｋを備えたカルマンフィルタで推定速度データをフィルタリングでき、以下を満たし、
ここで、Ｐ_k ^-は事前予測誤差分散であり、Ｒは測定ノイズの分散行列であり、ｗは適応ウェイトである。

適応ウェイトを有するカルマンフィルタでの推定速度データのフィルタリングでは、検定統計を使用し、現推定値の前推定値との偏差を測定し時間領域での継続性を強化することができる。検定統計の使用では、速度予測、標準得点、またはマハラノビス距離のうち少なくとも１つと速度推定との誤差を判断して、推定の正確性を判断し、誤った推定であると判断されれば適応ウェイトｗを修正することができる。

適応ウェイトｗの修正では、適応ウェイトｗをリアルタイムで修正できる。適応ウェイトの修正では、マハラノビス距離Ｄを閾値Ｔと比較し、適応ウェイトｗの値を以下を満たすよう設定できる。

回転システム用速度推定システムは、振動信号を出力するよう構成された１以上の振動センサ、振動センサに動作可能に接続され、振動信号を受信し、振動信号に基づき推定速度データを出力する速度推定モジュール、及び、推定速度データを受信するよう構成され、フィルタリングされた推定速度データを出力するよう構成された適応的重み付けフィルタモジュールを備えることができる。

適応的重み付けフィルタモジュールは、適応ウェイトを有するカルマンフィルタを備えることができる。カルマンフィルタは、カルマンゲインＫ_ｋを備えることができ、以下を満たし、
ここで、Ｐ_k ^-は事前予測誤差分散であり、Ｒは測定ノイズの分散行列であり、ｗは適応ウェイトである。

所定の実施形態において、当該システムは、回転システムへの１以上の入力を制御するコントローラの一部を構成するか、コントローラに動作可能に接続され、コントローラにフィードバックすることができる。

本開示のシステム及び方法のあらゆる特徴は、当業者には図と併せて詳述した内容から容易にわかるであろう。

本開示が属する分野の当業者であれば、不要な実験をせずとも本開示の装置及び方法の作成方法及び使用方法を容易に理解できるよう、所定の図を参考に、本実施形態の詳細を以下で説明する。

本開示によるシステムの実施形態の概略図である。 観察中の回転システムの揮発性動作状態の振動（例えば、１つのチャネル）から推定した速度チャート。 図２Ａでの推定速度にカルマンフィルタを適用し結果を滑らかにしたチャート。 本開示による、図２Ａでの推定速度に適応的重み付けカルマンフィルタを適用した後、除外を実施した速度推定チャート。

図を参照するが、同様の参照番号は、本開示での類似した構造特徴または態様を示す。限定のためではなく説明及び図示のため、本開示によるシステムの実施形態を図１に表し、全体として参照番号１００で指定する。本開示の他の実施形態及び／または態様を図２Ａ−２Ｃに表す。本明細書で説明するシステム及び方法は、より高精度な速度推定及び／またはその他好適な用途に使用可能である。

図１によると、回転システム（図に無い）用速度推定システム１００は、振動信号を出力するよう構成された少なくとも１つの振動センサ１０１を備え得る。振動センサ１０１は、任意の好適なセンサ（例えば、加速度センサ）を含み得る。少なくとも１つのセンサ１０１は、任意の好適な位置に搭載され得る（例えば、コンプレッサのハウジングなど振動システムに外付けされる）。

システム１００は、振動センサ１０１に動作可能に接続された速度推定モジュール１０３を備え、振動信号の受信、及び、振動信号に基づく推定速度データの出力が可能である。速度推定モジュール１０３は、回転システムの振動に基づき任意の好適な速度推定方法／モデル（例えば、以下に説明するような）により、速度推定が可能である。

また、システム１００は、推定速度データを受信するよう構成され、フィルタリングした推定速度データを出力するよう構成された、適応的重み付けフィルタモジュール１０５を備える。適応的重み付けフィルタモジュール１０５は、任意の好適な方法／モデル（例えば、以下で説明する重み付けカルマンフィルタ）を使用した推定速度データのフィルタリングが可能である。所定の実施形態において、システム１００は、回転システムへの１以上の入力を制御するコントローラ９９の一部を構成するか、コントローラ９９に動作可能に接続され、コントローラ９９へのフィードバックが可能である。

機械システムにおいて回転速度のみが連続的に可変であることを利用し、継続して当該推定を追跡し、個々の推定の妥当性の判断基準に速度の継続性を使うことで、見かけ上の速度推定を除外してもよい。そのためには、推定結果よりも上位に時間領域における実施継続性を置く必要があり、カットオフ周波数が対象システムの物理的現象に適合可能なローパスフィルタゲートとみなし得る。このため、定期的にカルマンフィルタを使用して推定値と比較する予測値を提供し、信頼性の高い結果を得ることができる。

しかし、従来のカルマンフィルタによる予測値は、外れ値、つまり、以前の誤った速度推定値に大きく影響される。これは、カルマンフィルタが線形であり、正常であることを前提に構築されているからであり、１つの外れ値により多くのその後の予測値が損なわれる。速度推定における直接の結果では、誤った推定値の後に出る多くの正しい推定結果が間違いであると誤って識別され得る。高頻度に過渡ノイズ／変化が起こる場合はさらに悪く、フィルタからの出力が全く無い場合もある。

速度推定変化を追跡する離散時間モデルは、以下のように示すことができる。
この時、ｖ_ｋは時刻ｋにおける推定速度ベクトル、ｖ_ｋ−１は時刻ｋ−１における速度ベクトル、ｕは時刻間の速度変化、ｗは、振動による速度測定での誤差またはノイズである。振動チャネルが１つであれば、モデルは単純な１変数式になる。

状態遷移行列及び観測行列の両行列を単位行列として設定し、さらに、速度変化ｕをプロセスノイズとすることで、簡単に当該モデルを標準カルマンフィルタモデルに並び替えることができる。明らかに、２つのノイズは互いに無関係であり、それぞれ一般的に、ｐ（ｕ）〜Ｎ（０，Ｑ）及びｐ（ｗ）〜Ｎ（０，Ｒ）と仮定される。

当該モデルには、強力な物理的根拠がある。一方、プロセスノイズＱの分散は、土台の機械システムの仕様に直接関連し、簡単に定量化が可能である。つまり、通常の動作状態では、速度の最大許容変動量は仕様で限定され、確実にＱとして使用できる。一方、測定ノイズの分散行列Ｒを、チャネルごとに独立しているとの仮定に基づき、対角行列にする。各振動チャネルでの分散またはＲの対角要素を、さらに速度推定アルゴリズムの解で定量化してもよく、理論的には大抵可能である。全ての振動チャネルで同一のアルゴリズムを使用する一般的な適用において、Ｒの対角要素は同一であってもよい。

カルマンフィルタを使用し、現在速度推定及び前ステップからの予測により、速度予測を求めることができる。再帰的ステップは以下のように表現できる。
この時、ｖ^~ _kは現予測速度値、ｖ^~ _k-1は前予測速度値、ｖ_ｋは推定速度値、Ｋ_ｋはカルマンゲインである。予測値と推定値の差異を測り、見かけ上の推定値の除外方法を提供する。しかし、前述したように、推定における１つの外れ値が複数の以後の予測値に影響する。これは、モデル（１）で簡略化され、以下の再帰式セットで表現されるカルマンゲインを検討することで、適正化が可能である。
この時、Ｐ^- _kは現在の事前予測誤差分散、Ｐ^- _k-1は前の事前予測誤差分散、Ｐ_k-1は前の事後予測誤差分散、Ｋ_k-1は前のカルマンゲイン、Ｒは測定ノイズの分散行列、Ｉは単位行列である。これらの式から、Ｑ及びＲがモデルごとに一定であれば、カルマンゲインＫ及び予測誤差分散Ｐはいずれも、長期にわたり安定し一定値に集束する。推定における外れ値について、Ｑの予測値への影響が徐々に消滅するようにモデルにおけるＱの影響を無効にする。

信頼性及び精度を向上するために、以下のように適応ウェイトｗを式（３）に導入して、カルマンゲインを変更する。

ノイズ分散が外れ値に応答して均等に増加することに着目して、上記を理解する。Ｋ及びＰは一定値に集束することはなく、適応しない。そこで、外れ値が検出された場合、好適な適応ウェイトによりカルマンゲインの既定ノイズ分散Ｒに対する感度を低くし、外れ値が無くなれば、カルマンゲインを即時最適値に戻すことができるよう期待される。

外れ値を検出し適応ウェイトを規定するために、所定の検定統計を利用することができる。例えば、複数の振動チャネルではマハラノビス距離を利用することができる。検定統計により、速度推定と予測との間の誤差を定量化し、以下のように閾値Ｔとの比較が可能である。
振動チャネルが１つの場合、Ｐ^- _kが実際には予測誤差分散であることに着目すれば、マハラノビス距離Ｄは標準得点となる。この場合閾値Ｔの選択では、３が一般的な選択であるので、無視される。

図２Ａ、２Ｂ及び２Ｃではそれぞれ、速度推定データについて、フィルタリング無しの実施形態（図２Ａ）、従来のカルマンフィルタを使った実施形態（図２Ｂ）、及び、上記のように適応的重み付けカルマンフィルタを使った実施形態（図２Ｃ）を示す。図からわかるように、適応的重み付けカルマンフィルタを使った結果では、より精確で現実に即した速度推定を追跡している。

上記の方法及びシステムにおける好適な部分または全体を、好適なコンピュータハードウェア（例えば、マイクロプロセッサ、メモリ）またはソフトウェア（好適な言語で書かれた）で実施可能である。所定の実施形態において、上記の方法及びシステムの好適な部分または全体は、振動システム（例えば、コンプレッサ）に接続されたコントローラの一部を構成するか、コントローラと併せて動作可能にし、コントローラが振動システムへの１以上の入力（例えば、速度）を制御できるようにする。

上記のように、信頼性のある適応的重み付けフィルタ（例えば、上記の重み付けカルマンフィルタ）を有する速度推定システムを、誤った速度推定による悪影響を最小限にするよう設計することができる。予測、標準得点またはマハラノビス距離と速度推定との間の誤差についての検定統計を使って推定精度を判断し、誤推定であると判断されればフィルタ（例えば、カルマンフィルタゲイン）を修正することができる。検定統計により、現推定値の前ノイズ推定値との偏差が測定可能であり、時間領域における継続性の強化方法を提供することができる。一方、ゲインを修正することで、予測値が前の誤推定に影響されにくくなる。正確な速度推定結果を使って、リアルタイムに振動及びその他の状態表示装置（例えば、コンプレッサ、ファン、またはその他好適な装置）がアンバランスかどうかを判断することができる。

換言すると、回転速度は継続的にリアルタイムで追跡可能であり、速度測定及び関連した動作状態（例えば、アンバランスな振動）に悪影響が及ばないよう、早期での見かけ上の速度推定の除外が可能である。速度測定器またはタコメータが使用できない場合、実施形態により、こういった測定に密接に関係する故障シグネチャでのアーチファクト／ノイズを低減することができる。

上で記述し図で示すように、本開示の方法及びシステムにより、速度推定が改良された優れた速度推定システムを提供する。当該開示の装置及び方法を、実施形態を参考に図で示し記述してきたが、当業者であれば、当該開示の意図及び範囲から逸脱すること無く変更及び／または変形が可能なことは、容易に理解するであろう。

９９ コントローラ
１００ 速度推定システム
１０１ 振動センサ
１０３ 速度推定モジュール
１０５ 適応的重み付けフィルタモジュール

Claims (5)

1. システムの回転速度の推定方法であって、
   センサから振動データを受信し、
   前記振動データから速度を推定して推定速度データを生成し、
   前記推定速度データを適応的重み付けフィルタでフィルタリングして誤った速度推定を最小限にする、ことを備え、
   前記適応的重み付けフィルタでの前記推定速度データのフィルタリングでは、適応ウェイトを有するカルマンフィルタで前記推定速度データをフィルタリングし、
   適応ウェイトを有するカルマンフィルタでの前記推定速度データのフィルタリングでは、カルマンゲインＫ _k を備えた前記カルマンフィルタで前記推定速度データをフィルタリングし、以下を満たし、
   ここで、Ｐ ^- は事前予測誤差分散であり、Ｒは測定ノイズの分散行列であり、ｗは前記適応ウェイトであり、
   適応ウェイトを有するカルマンフィルタでの前記推定速度データのフィルタリングでは、検定統計を使用し、現推定値の前推定値との偏差を測定し時間領域での継続性を強化し、
   前記検定統計の使用では、速度予測、標準得点、またはマハラノビス距離のうち少なくとも１つと速度推定との誤差を判断して、推定の正確性を判断し、誤った推定であると判断されれば前記適応ウェイトｗを修正する、方法。
2. 前記適応ウェイトｗの修正では、前記適応ウェイトｗをリアルタイムで修正する、請求項１に記載の方法。
3. 前記適応ウェイトの修正では、マハラノビス距離Ｄを閾値Ｔと比較し、前記適応ウェイトｗの値を以下を満たすよう設定する、請求項１に記載の方法。
   
4. 回転システム用速度推定システムであって、
   振動信号を出力するよう構成された振動センサ、
   前記振動センサに動作可能に接続され、前記振動信号を受信し、前記振動信号に基づき推定速度データを出力する速度推定モジュール、及び
   前記推定速度データを受信するよう構成され、フィルタリングされた推定速度データを出力するよう構成された適応的重み付けフィルタモジュールを備え、
   前記適応的重み付けフィルタモジュールは、適応ウェイトを有するカルマンフィルタを備え、
   前記カルマンフィルタは、カルマンゲインＫ _k を備え、以下を満たし、
   ここで、Ｐ ^- は事前予測誤差分散であり、Ｒは測定ノイズの分散行列であり、ｗは前記適応ウェイトであり、
   前記適応的重み付けフィルタモジュールは、検定統計を使用し、現推定値の前推定値との偏差を測定して、時間領域での継続性を強化するように構成され、
   前記適応的重み付けフィルタモジュールは、速度予測、標準得点、またはマハラノビス距離のうち少なくとも１つと速度推定との誤差を判断して、推定の正確性を判断し、誤った推定であると判断されれば前記適応ウェイトｗを修正する、ように構成された、システム。
5. 前記システムは、前記回転システムへの１以上の入力を制御するコントローラの一部を構成するか、前記コントローラに動作可能に接続され、前記コントローラにフィードバックする、請求項４に記載のシステム。