JP7260410B2

JP7260410B2 - 回転機械の異常診断方法

Info

Publication number: JP7260410B2
Application number: JP2019112706A
Authority: JP
Inventors: 裕一牛尾; 忍大城戸
Original assignee: Hitachi GE Nuclear Energy Ltd
Current assignee: Hitachi GE Nuclear Energy Ltd
Priority date: 2019-06-18
Filing date: 2019-06-18
Publication date: 2023-04-18
Anticipated expiration: 2039-06-18
Also published as: JP2020204555A

Description

本発明は、蒸気タービン発電機等の回転機械の異常診断方法に関する。

原子力プラント等で用いられる蒸気タービン発電機では、熱変形によるロータ曲り等の異常を検知するため、軸振動の監視が行われている。これは、タービンの振動振幅に対して制限値を設けておき、振動振幅が制限値を上回るとタービンを停止するというものである。そして、タービンの停止後に、タービンの分解点検が行われ、異常の原因分析を行うこととなる。タービンの異常が事故に繋がることを防ぐため、早期に異常を検知し、迅速に原因分析を行うことが求められる。

特許文献１には、正常な運転時の回転数と振動振幅値の平均値との関係を振動特性データとして記録し、回転数毎に振動振幅値をこの振動特性データと比較することで異常と診断するものが記載されている。

また、特許文献２には、オンラインで正常な運転時の振動振幅値に加えて温度、圧力、流量、回転数等のプロセスデータを収集し、このデータと計測されたデータを比較することで異常を診断するものが記載されている。また、異常と診断した際には、振動振幅値の周波数分析結果を元に、原因分析を行うものが記載されている。

また、特許文献３には、回転数の変化に対する振動振幅の変化率を用いて異常診断を行うものが記載されている。

特開平４－１３１７１７号公報特開平５－６０５９６号公報特開平７－２４８２５４号公報

原子力プラント等では、プラントを運転・制御するための運転データが計測・保存されている。この運転データを用いて蒸気タービン等の回転体の診断を行うことができれば、新たな計測装置が不要であると共に、過去のデータを利用した診断が可能となる点で有益である。

特許文献１では、回転数毎に振動振幅値を振動特性データと比較するものであり、振動振幅値が振動特性データより大きければ異常があると判断する。振動振幅値はばらつきがあり、特許文献１においても、計測された振幅値を平均化し、データベース化すると記載されている。特許文献１の方法の場合、振動振幅がデータベースより大きくなるまで異常と診断されないため、振動振幅が大きくなる前に早期に異常を検知することができないという問題がある。

また、特許文献２では、異常の診断に周波数分析を使用しており、サンプリング速度の遅い運転データを用いた診断を行うことができないという問題がある。

さらに、特許文献３では、振動振幅でなく、振動振幅の変化率に対する異常診断を行う方法が記載されているが、変化率の異常しきい値を設定して異常かどうかを判定する方法であり、原因によらずしきい値は１つであると共に、異常の際の回転数も考慮されていないことから、異常の原因分析を行うことができないという問題がある。

そこで、本発明の目的は、運転データを用いて、回転機械の異常を早期に検知し、原因分析を行うことができる回転機械の異常診断方法を提供することにある。

上記課題を解決するため、本発明の回転機械の異常診断方法は、回転機械の運転データを取得する運転データ取得ステップと、前記運転データの変化率を算出する変化率算出ステップと、前記変化率が異常判定値Ｊを上回ったとき、または、下回ったときに、異常と判定する異常判定ステップと、を有し、前記運転データには、前記回転機械の回転数と、回転軸の軸振幅のデータを含み、前記変化率算出ステップでは、前記回転数に対する前記軸振幅の変化率を算出するものであり、前記異常判定ステップで異常と判定された場合、異常と判定された前記運転データの前記回転数と、前記変化率が上回った、または、下回った異常判定値Ｊの組み合わせに基づいて、異常原因を分析する異常原因分析ステップを更に有するものとした。

本発明の回転機械の異常診断方法によれば、振動振幅が小さい異常の初期段階で異常と診断することができ、さらに、異常の原因を分析することができる。

実施例１の回転機械の異常診断フローチャート回転数Ｒに対する振動振幅Ａの変化率を用いた、実施例１の異常診断方法異常原因の分析マトリクス実施例１における、回転数と振動振幅の関係実施例１の異常判定値の設定方法実施例１の異常判定値の設定方法負荷Ｂに対する振動振幅Ａの変化率を用いた、実施例２の異常診断方法温度Ｔに対する振動振幅Ａの変化率を用いた、実施例２の異常診断方法回転数Ｒに対する振動振幅Ａの変化率を用いた、実施例３の異常診断方法実施例４における、回転数と振動振幅の関係回転数Ｒに対する振動振幅Ａの変化率を用いた、実施例４の異常診断方法

以下、本発明の実施例に係る異常診断方法を、図面を用いて説明する。

以下、本発明の実施例１に係る異常診断方法を、図１～図６を用いて説明する。

図１は、本実施例の異常診断方法のフローチャートである。なお、ここに示す異常診断方法は、実際には、ＣＰＵ等の演算装置、半導体メモリ等の主記憶装置、ハードディスク等の補助記憶装置、および、通信装置などのハードウェアを備えたパソコン等の計算機で実行されるものである。より具体的には、補助記憶装置に記録されたデータベースを参照しながら、主記憶装置にロードされたプログラムを演算装置が実行することで、実現されるものであるが、以下では、このような計算機分野での周知技術を適宜省略しながら説明する。

まず、ステップＳ１では、蒸気タービン発電機等の回転機械に取り付けられた各種センサから運転データｄを取得する。本実施例の運転データｄは、少なくとも、回転機械のエンコーダ等で計測した回転数Ｒの値と、回転機械の振動センサで計測した回転軸の振動振幅（以下、軸振幅Ａ）の値を含むものである。なお、この運転データｄには、回転機械の負荷センサで計測した負荷Ｂの値や、温度センサで計測した軸受の温度Ｔの値を含んでも良い。

次に、ステップＳ２では、複数の運転データｄを用いて、回転数Ｒの変化に対する軸振幅Ａの変化率Δ_Ｒを算出する。この変化率Δ_Ｒは、軸振幅Ａの変化量を回転数Ｒの変化量で除すことで算出することができる。

ステップＳ３では、この変化率Δ_Ｒに基づいて異常の有無を判定する。具体的には、変化率Δ_Ｒが異常判定値Ｊを超えている場合には異常と判定する。図２は、変化率Δ_Ｒを用いたステップＳ３の異常診断の具体例を示す。ここに示すように、本実施例では、複数の異常判定値Ｊ（Ｊ_Ａ，Ｊ_Ｂ）を設定している。以下では、異常判定値Ｊを超えた運転データｄを異常データｄ_Ｆと称する。

ステップＳ４では、異常データｄ_Ｆに対し、超過した異常判定値Ｊの種類と、その時の回転数Ｒを元に、異常原因を分析する。図３は、異常原因の分析に用いるマトリクスの一例であり、異常データｄ_Ｆの回転数Ｒと、異常データｄ_Ｆの変化率Δ_Ｒが超過した異常判定値Ｊの種別と、異常原因Ｃの関係をまとめたものである。例えば、図２に示す異常データｄ_Ｆが危険速度以下であったなら、異常判定値Ｊ_Ａを超過し、異常判定値Ｊ_Ｂに満たないため、異常原因Ｃが「フリクションホイップ」であると分析することができる。

ここで、図４を用いて、従来の異常診断方法に対する、本実施例の異常診断方法の効果を説明する。同図において、横軸は回転数Ｒ、縦軸は軸振幅Ａであり、実線は正常な回転機械から計測される運転データの一例、一点鎖線は異常な回転機械から計測される運転データの一例を示している。また、破線は従来の異常診断方法で用いた制限値Ｌである。従来の異常診断方法では、軸振幅Ａの値が制限値Ｌよりも大きくなったＰ_１の時点で異常と診断するため、異常と診断した時には既に振幅値が増加した後となっている。

一方、本実施例では、図２、図３で示したように、変化率Δ_Ｒを用いて異常を診断するため、軸振幅Ａの変化率Δ_Ｒが正常時と異なる値となったＰ_２の時点で異常と診断できるため、軸振幅Ａを直接用いた従来の診断と比較して異常診断を早期に行うことができる。また、回転機械の異常は、その原因により軸振幅の増加速度と軸振幅が増加する回転数が異なるため、図３のように異常分析マトリクスに、異常原因Ｃ毎に異常判定値Ｊと回転数Ｒを設定しておくことで、回転数Ｒと変化率Δ_Ｒを元に、異常原因Ｃを分析することが可能となる。

次に、図５と図６を用いて、本実施例での異常判定値Ｊの設定方法を説明する。

異常判定値Ｊは既存の運転データｄを用いて設定する。まず、図５に示すように、複数の回転機械における正常時の運転データｄを、横軸を回転数Ｒとし、縦軸を変化率ΔＲとした平面上に配置する。なお、図５において、黒丸、黒三角、黒四角の夫々は異なる運転期間に取得した運転データｄ_１、ｄ_２、ｄ_３である。ここでは一台の回転機械で３回に分けて取得した運転データｄを例示しているが、運転データｄを取得する回数が多いほどより適切な異常判定値Ｊを設定できるため、より多くの運転データを利用することが望ましい。

次に、所定の回転数間隔Ｎ毎に回転数Ｒを区分する。図５の例では、回転数Ｒを、低速領域Ｒ_Ｌ、中速領域Ｒ_Ｍ、高速領域Ｒ_Ｈの三領域に区分している。その後、統計処理により、各領域での平均値μと標準偏差σを算出する。これらの統計値（μ、σ）を元に、平均値μから係数Ｓ×標準偏差σ離れた値を各領域の異常判定値Ｊとして設定する。

例えば、高速領域Ｒ_Ｈでの異常判定値Ｊ_Ｈは、図６に示すように、同領域での平均値μ_Ｈに、Ｓ×σ_Ｈを加算することで決定する。なお、係数Ｓの値は、必要な異常判定の感度に基づき任意に設定するが、好ましくは、１～３の範囲である。

運転データｄは実機のデータであるため、ばらつきやノイズが存在する。回転数間隔を区切り、データを統計処理することで、ばらつきを考慮しノイズの影響を抑えた異常判定値Ｊを設定することができる。また、異常データｄ_Ｆを有している場合には、正常時と同じように回転数間隔Ｎ毎に区切り、各回転数間隔Ｎで統計分布を仮定し、統計処理を行い、求めた平均値μと標準偏差σから異常判定値Ｊを設定する。これを異常原因Ｃの異なるデータに対して行うことで、異常原因Ｃ毎の異常判定値Ｊを設定することができる。

以上で説明したように、本実施例の回転機械の異常診断方法によれば、軸振幅Ａが小さい異常の初期段階で異常と診断できるだけでなく、異常原因Ｃを分析することができる。

次に、図７、図８を用いて本発明の実施例２を説明する。なお、実施例１との共通点は、重複説明を省略する。

実施例１では、回転数Ｒに対する軸振幅Ａの変化率Δ_Ｒを用いたが、実施例２では回転機械に加わる負荷Ｂに対する軸振幅Ａの変化率Δ_Ｂ、または、回転機械の軸受の温度Ｔに対する軸振幅Ａの変化率Δ_Ｔを用いる点が主な変更点である。

蒸気タービンで発生するスチームホワールのような蒸気量の増減により、軸振幅Ａの増減が変化するような異常の場合、負荷Ｂに追従して軸振幅Ａが変化するため、負荷Ｂに対する軸振幅Ａの変化率Δ_Ｂと異常判定値Ｊ_Ｃを用いて診断することで、異常データｄ_Ｆを早期に検知できると共に、原因分析の際に負荷Ｂに起因する異常原因であることが確認できる。

また、蒸気タービンで発生するフリクションホイップのように、軸と軸受の接触により発生する異常の場合、軸受の温度Ｔの増加と共に軸振幅Ａが大きくなるため、温度Ｔに対する軸振幅Ａの変化率Δ_Ｔと異常判定値Ｊ_Ｄを用いて診断することで、異常データｄ_Ｆを早期に検知できると共に、原因分析の際に温度Ｔに起因する異常原因であることが確認できる。

なお、言うまでもないが、本実施例では、実施例１の図３に示した異常原因の分析マトリクスの左列を、負荷Ｂまたは温度Ｔに置換した分析マトリクスを使用して、異常原因Ｃを分析する。

次に、図９を用いて本発明の実施例３を説明する。上記した実施例との共通点は、重複説明を省略する。

実施例１では、回転数Ｒに対する軸振幅Ａの変化率Δ_Ｒが正の異常判定値Ｊ（Ｊ_Ａ，Ｊ_Ｂ）を超過したときに異常と診断したが、本実施例では、変化率Δ_Ｒが、負の異常判定値Ｊ_Ｅを下回る場合に異常と診断する。

回転機械の異常では、軸受給油不足振動のように、潤滑油への気泡混入により非定常振動が発生する場合がある。非定常な振動の場合、軸振幅Ａが増減するため、軸振幅Ａの変化率Δ_Ｒは正負の値を交互に取ることとなる。そこで、図９に示すように負の異常判定値Ｊ_Ｅを設定し、軸振幅の変化率Δ_Ｒがこの異常判定値Ｊ_Ｅを下回るときに異常判定すると共に、非定常振動に起因する異常であると異常原因を確認することができる。

次に、図１０、図１１を用いて本発明の実施例４を説明する。上記した実施例との共通点は、重複説明を省略する。

実施例１では、回転数Ｒに対する軸振幅Ａの変化率Δ_Ｒが異常判定値Ｊ（Ｊ_Ａ，Ｊ_Ｂ）を超過したときに異常と診断したが、本実施例では正の異常判定値Ｊを下回る場合でも異常を診断できる診断方法について述べる。

図１０に示すように、回転機械が正常であれば、共振回転数にて軸振幅Ａが増加し、定常運転の回転数にて軸振幅Ａが収まる実線に示す振幅の関係となる。

ところが、図１０の二点鎖線で示すように、回転機械の組み立て不良等により回転機械の共振点がずれた場合、従来の異常診断方法では、軸振幅Ａが制限値Ｌに達するＰ_３まで異常を検出することができなかった。

そこで、本実施例では、図１１のように、正常時の軸振幅Ａの変化率Δ_Ｒを踏まえ、変化率Δ_Ｒの下限値を求めておき、これを異常判定値Ｊ_Ｆと設定することで、変化率Δ_Ｒが異常判定値Ｊ_Ｆを下回った場合に異常と診断することができる。

このような異常診断方法により、組み立て不良等により共振点がずれた回転機械においても、振幅の変化率Δ_Ｒが正常時より下回る図１０のＰ_４にて異常を早期に診断することができる。

なお、本発明は上記した実施例に限定されるものではなく、様々な変形例が含まれる。例えば、上記した実施例は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。また、ある実施例の構成の一部を他の実施例の構成に置き換えることが可能であり、また、ある実施例の構成に他の実施例の構成を加えることも可能である。また、各実施例の構成について、他の構成の追加、削除、置換をすることが可能である。

ｄ運転データ
ｄ_Ｆ異常データ
Ｊ、Ｊ_Ａ～Ｊ_Ｆ異常判定値
Ｓ１運転データ取得ステップ
Ｓ２変化率算出ステップ
Ｓ３異常判定ステップ
Ｓ４異常原因分析ステップ

Claims

回転機械の異常を診断する異常診断方法であって、
前記回転機械の運転データを取得する運転データ取得ステップと、
前記運転データの変化率を算出する変化率算出ステップと、
前記変化率が異常判定値Ｊを上回ったとき、または、下回ったときに、異常と判定する異常判定ステップと、を有し、
前記運転データには、前記回転機械の回転数と、回転軸の軸振幅のデータを含み、
前記変化率算出ステップでは、前記回転数に対する前記軸振幅の変化率を算出するものであり、
前記異常判定ステップで異常と判定された場合、異常と判定された前記運転データの前記回転数と、前記変化率が上回った、または、下回った異常判定値Ｊの組み合わせに基づいて、異常原因を分析する異常原因分析ステップを更に有することを特徴とする回転機械の異常診断方法。
回転機械の異常を診断する異常診断方法であって、
前記回転機械の運転データを取得する運転データ取得ステップと、
前記運転データの変化率を算出する変化率算出ステップと、
前記変化率が異常判定値Ｊを上回ったとき、または、下回ったときに、異常と判定する異常判定ステップと、を有し、
前記運転データには、前記回転機械の負荷と、回転軸の軸振幅のデータを含み、
前記変化率算出ステップでは、前記負荷に対する前記軸振幅の変化率を算出する回転機械の異常診断方法であって、
前記異常判定ステップで異常と判定された場合、異常と判定された前記運転データの前記負荷と、前記変化率が上回った、または、下回った異常判定値Ｊの組み合わせに基づいて、異常原因を分析する異常原因分析ステップを更に有することを特徴とする回転機械の異常診断方法。
回転機械の異常を診断する異常診断方法であって、
前記回転機械の運転データを取得する運転データ取得ステップと、
前記運転データの変化率を算出する変化率算出ステップと、
前記変化率が異常判定値Ｊを上回ったとき、または、下回ったときに、異常と判定する異常判定ステップと、を有し、
前記運転データには、前記回転機械の軸受の温度と、回転軸の軸振幅のデータを含み、
前記変化率算出ステップでは、前記温度に対する前記軸振幅の変化率を算出することを特徴とする回転機械の異常診断方法。
請求項３に記載の回転機械の異常診断方法において、
前記異常判定ステップで異常と判定された場合、異常と判定された前記運転データの前記温度と、前記変化率が上回った、または、下回った異常判定値Ｊの組み合わせに基づいて、異常原因を分析する異常原因分析ステップを更に有することを特徴とする回転機械の異常診断方法。