JP7337293B2 - ロバストな減衰信号分離に基づく故障検出のシステムおよび方法 - Google Patents

Description

本発明は、一般に、電気機械を監視するシステムおよび方法に関し、特に、ロバストな減衰信号分離に基づく電気機械の故障検出のシステムおよび方法に関する。

電気機械は、発電所、製造工場、家電製品および電気自動車など、さまざまな応用分野で広く使用されている。電気機械には、軸受故障、回転子バー故障および巻線短絡故障など、さまざまな故障が発生する可能性がある。これらの故障は、電気機械の寿命を縮め、さらには突然の壊滅的な故障を引き起こす場合がある。たとえば、軸受故障は、電気機械が高速で回転しているときに過剰な振動および摩擦を引き起こす可能性がある。それゆえ、このような故障による損失を減らすために、電気機械の故障を検出することが必要である。

現在採用されている故障検出の異なる技術には、振動・音響信号解析、電磁界モニタリング、温度測定、赤外線認識および固定子電流スペクトル解析などがあるが、これらに限定されるわけではない。

電気機械の運転をオンラインで監視し、故障を即座に検出するためには、回転電気機械の時系列信号（振動信号または電流信号）を解析し、特徴的な故障サインを抽出してさらに分析する必要がある。しかしながら、電気機械は、動作環境の雑音が多く、負荷が変化するため、測定される信号には通常、正常な動作信号、故障信号、スパイク干渉、負荷または電源電圧の急変による過渡信号、および白色ガウス雑音が混在している。たとえば、固定子電流の故障信号がすでに微妙なものであっても、負荷が異なれば故障サインの大きさが異なる場合がある。その結果、故障サインを正常な動作信号および雑音と区別することが困難になる可能性がある。

信号を分解し故障サインを検出するために、フーリエ変換およびウェーブレット変換などの古典的な方法が、静的な動作の場合は良好に機能する。しかしながら、過渡的に動作する電気機械の場合、故障サインの大きさが変化するため、これらの古典的な方法は故障サインの抽出においてパフォーマンスが悪い。

信号を分解し成分を分析する別の方法として、ヒルベルト－ホアン変換（Hilbert-Huang transform：ＨＨＴ）がある。ＨＨＴでは、経験的モード分解（empirical mode decomposition：ＥＭＤ）を用いて、信号をトレンドを有するいわゆる固有モード関数（intrinsic mode function：ＩＭＦ）に分解し、ＩＭＦに対してヒルベルトスペクトル分析（Hilbert spectral analysis：ＨＳＡ）法を適用して、瞬時周波数のデータが得られる。ＨＨＴ法は、非定常の非線形データに対して良好に機能するように設計されている。しかしながら、ＨＨＴ法は、理論的な保証はなく、どちらかというと経験的なアプローチに近い。

また、圧縮センシングを用いた故障サイン検出技術もある。この技術では、圧縮センシング技術の超解像特性を利用して、非常に短時間で故障サインを抽出して、電気機械がこのような短時間で定常状態で動作していると仮定することが可能である。

本発明の一実施形態によれば、電気機械の動作中に故障を検出する方法が提供される。この方法では、時間領域において、電気機械に電力を供給する固定子電流の信号を測定し、測定は、固定子電流の基本周波数の少なくとも２倍のサンプリングレートで、誘導モータの動作中の一定期間、信号をサンプリングすることを含み、プロセッサは、時間領域において、非ゼロ振幅、スパイク干渉、および雑音を有する減衰信号のセットが、動作信号の基本周波数、１つまたは複数の可能な故障信号、および他の調和減衰信号を含むように、減衰信号のセットを分離し、信号周波数および大きさに従って、起こり得る故障に対応する故障信号を判断する。この方法では、減衰信号のセットが故障に対応する故障特性周波数を含む場合、電気機械の故障を検出する。

本発明のいくつかの実施形態は、電気機械の動作中に電気機械に電力を供給する固定子電流または電気機械の振動信号の分析に基づいて、電気機械の故障検出を行うのに適したシステムおよび方法を提供し得る。このような態様で、故障検出は、電気機械の運転と同時に連続的に、かつ電気機械の再起動を必要とせずに、実行することができる。

さらに、本発明のいくつかの実施形態は、電気機械がスパイク干渉を受け負荷状態が変化する可能性がある場合に、電気機械の雑音信号を測定することによって、故障検出を行うことが可能なシステムおよび方法を提供する。

本発明のいくつかの実施形態は、故障状態において、誘導モータに電力を供給する結果として生じる固定子電流は、減衰指数信号、白色ガウス雑音およびスパイク干渉の混合物であるという認識に基づいている。これは、固定子電流が、固定子電流を生成する電源の基本周波数の高調波と、故障によって引き起こされる故障周波数成分とを含むからである。スパイク干渉は、負荷もしくは作業条件の変化またはその他の干渉によって引き起こされる。

本発明のいくつかの実施形態は、減衰指数関数のパラメータ推定が雑音のない設定において広範に研究されてきたという認識に基づいている。この問題を解決するための確立された方法には、多項式の根を見つける操作を含むＰｒｏｎｙ法、および入力信号に基づいて行列ペンシルを形成し、一般化された固有値問題を解く行列ペンシル法が含まれる。しかしながら、いずれの方法も雑音に非常に敏感である。

本発明のいくつかの実施形態は、ハンケル行列の特異値分解（singular value decomposition：ＳＶＤ）に基づくデータ前処理法が行列ペンシル法について提案され、雑音がランダムガウスである場合に雑音除去に優れていることが見出されたとの認識に基づいている。

本発明のいくつかの実施形態は、減衰指数の和で構成されるハンケル行列が低ランクであるという認識に基づいている。

本発明のいくつかの実施形態は、ロバスト主成分分析（Robust principle component analysis：ＲＰＣＡ）がスパイク干渉に汚染された観測から低ランク行列を抽出するのに非常に有効であることが証明されているとの認識に基づいている。

これらの認識から、行列ペンシル、ＲＰＣＡ、スパイク雑音、ガウス雑音を用いた減衰信号の分離の組合わせにより、行列ペンシル法では低ランクのハンケル行列を雑音除去する、疎性に基づく手法を用いて、実際の信号を再構成できることが理解された。

したがって、本発明の一実施形態は、電気機械の動作中に故障を検出するための方法を開示する。この方法は、時間領域で、電気機械に電力を供給する電流の信号を測定することと、非ゼロ振幅、スパイク干渉、および雑音を有する減衰信号のセットを、減衰信号のセットが動作信号の基本周波数、１つ以上の可能な故障信号、および他の調和減衰信号を含むように分離することと、信号周波数および大きさに従って、起こり得る故障に対応する故障信号を判断することとを備える。

この分離は、時間領域測定値のハンケル行列を形成することと、ハンケル行列を雑音除去するために凸ロバストパラメータ推定（convex robust parameter estimation：ＣＲＰＥ）法または非凸ロバストパラメータ推定（non-convex robust parameter estimation：ＮＲＰＥ）法を用いて雑音除去することと、雑音除去したハンケル行列に対して行列ペンシル法を用いて分析を行って、減衰信号のパラメータを実現することとを含む。本方法のステップは、プロセッサによって実行される。

他の実施形態は、電気機械を動作させるためのシステムを開示し、システムは、基本周波数を有する固定子電流で電気機械に電力を供給するための電源と、時間領域において、電気機械に電力を供給する固定子電流の信号を測定するためのセンサとを備え、測定は、固定子電流の基本周波数の少なくとも２倍のサンプリングレートで、誘導モータの動作中に信号を一定期間サンプリングすることを含み、システムはさらに、時間領域において、非ゼロ振幅、スパイク干渉、および雑音を有する減衰信号の組を分離して、減衰信号の組が動作信号、１つ以上の可能な故障信号、および他の高調波減衰信号の基本周波数を含み、信号周波数および大きさに従って、起こり得る故障に対応する故障信号を判断するプロセッサとを備える。

現在開示されている実施形態は、添付の図面を参照してさらに説明される。示された図面は、必ずしも縮尺通りではなく、一般に、現在開示されている実施形態の原理を説明することに重点が置かれている。

本発明の実施形態に係る、運転中の電気機械の故障を検出するためのシステムを示すブロック図である。 本発明の実施形態に係る、運転中の電気機械の故障を検出するためのシステムを説明するための図面である。 本発明の一実施形態に係る、電気機械における故障検出方法を示すブロック図である。 本発明の他の実施形態に係る、測定値のハンケル行列を雑音除去するための方法を示すブロック図である。 電気機械に流れる固定子電流の信号と、基本動作周波数成分、故障サイン減衰信号、ガウス雑音およびスパイク干渉を含む、分離された減衰信号との例示的なプロットを示す図である。

上記で特定された図面は、現在開示されている実施形態を示すが、説明において指摘されるように、他の実施形態も考えられる。本開示は、代表として説明的な実施形態を提示するものであり、限定するものではない。現在開示されている実施形態の原理の範囲および精神に属する多数の他の修正ならびに実施形態が、当業者によって考案され得る。

以下の説明は、例示的な実施形態を提供するのみであり、本開示の範囲、適用性、または構成を限定することを意図していない。むしろ、例示的な実施形態の以下の説明は、１つ以上の例示的な実施形態を実施するための可能な説明を当業者に提供するものである。添付の特許請求の範囲に規定されるように開示された主題の精神および範囲から逸脱することなく、要素の機能および配置において行われ得るさまざまな変更が考えられる。

実施形態の十分な理解を提供するために、具体的な詳細が以下の説明で与えられる。しかしながら、当業者によって理解されるのは、実施形態がこれらの特定の詳細なしに実施され得るということである。たとえば、開示された主題におけるシステム、プロセス、および他の要素は、不必要な詳細で実施形態を不明瞭にしないために、ブロック図の形態で構成要素として示されることがある。他の例では、周知のプロセス、構造、および技術は、実施形態を不明瞭にしないために、不必要な詳細なしに示されることがある。さらに、さまざまな図面における同様の参照番号および呼称は、同様の要素を示した。

また、個々の実施形態は、フローチャート、フロー図、データフロー図、構造図、またはブロック図として描かれるプロセスとして説明されることがある。フローチャートでは、動作を逐次処理として記述する場合があるが、動作の多くは、並列にまたは同時進行で実行することができる。また、動作の順序を入れ替えてもよい。プロセスは、その動作が完了すると終了する場合があるが、説明されていない、または図に含まれていない追加のステップを有することがある。さらに、特に説明されたプロセスにおけるすべての動作が、すべての実施形態で発生するわけではない場合がある。プロセスは、方法、関数、手順、サブルーチン、サブプログラムなどに対応し得る。プロセスが関数に対応する場合、関数の終了は、呼び出し関数または主関数への関数の戻りに対応してもよい。

さらに、開示される主題の実施形態は、少なくとも部分的に、手動または自動のいずれかで実装されることがある。手動または自動の実装は、機械、ハードウェア、ソフトウェア、ファームウェア、ミドルウェア、マイクロコード、ハードウェア記述言語、もしくはそれらの任意の組合わせを用いて実行されてもよい、または少なくとも支援されてもよい。ソフトウェア、ファームウェア、ミドルウェアまたはマイクロコードで実装される場合、必要なタスクを実行するためのプログラムコードまたはコードセグメントは、機械読取可能媒体に格納されてもよい。プロセッサ（複数可）が必要なタスクを実行してもよい。

図１Ａは、本発明の一実施形態に係る、例示的な電気機械を監視するためのシステム１００を示す概略図である。この例では、電源・コントローラ１１を介して動作する電気機械１０は、回転するロータと固定された固定子とを有する非同期機械または同期機械である。

システム１００は、電気機械（または誘導モータ）１０に電力を供給する固定子電流の信号を時間領域で測定するためのセンサ（電気信号センサ）１２０を備える。測定は、固定子電流の基本周波数の少なくとも２倍のサンプリングレートで、誘導モータの動作の定常状態の間、信号をある期間サンプリングすることを含む。特定の実施形態によれば、電気信号センサ１２０は、電気機械１０に関する電流データおよび振動データを取得するための電流センサまたは振動センサであり得る。たとえば、センサ１２０は、電気機械１０の複数の相のうちの１つ以上から電流データを検知するように構成されてもよい。より具体的には、電気機械が三相電気機械の場合、電流センサおよび電圧センサは、三相電気機械の三相から電流データおよび電圧データを検知する。本発明の特定の実施形態は、多相電気機械に関して説明されるが、本発明の他の実施形態は、他の多相電気機械に適用可能である。

プロセッサ１３０は、周波数領域において、非ゼロ振幅を有する周波数のセットを求めて、非ゼロ振幅を有する周波数によって形成される再構成信号が、時間領域において測定された信号を近似するように構成される。このように求めることは、周波数領域における信号の疎性の条件に従って、基本周波数を含むサブバンド内を検索することを含む。

また、システム１００は、信号の測定値、ならびに信号解析を行うための各種パラメータおよび係数を格納するための記憶装置１４０を含む。

図１Ｂは、本発明の実施形態に係る、運転中の電気機械の故障を検出するためのシステム１００を説明するための図である。システム１００は、センサ１２０から信号を取得するように構成された入出力インターフェイス１５０を備えてもよく、非ゼロ振幅を有する周波数のセットが支配周波数と異なる周波数を含む場合、故障に関してネットワーク５０を介して機械制御システム１１０に信号（出力データ）を送信する。さらに、記憶装置１４０は、電気機械の故障を検出するためのコンピュータ実行可能なプログラムを含む。コンピュータ実行可能なプログラムは、信号サンプリングプログラム１４１、行列形成プログラム１４２、行列ペンシルプログラム１４３、およびプロセッサ１３０を用いて非凸ロバストパラメータ推定（ＮＲＰＥ）法および凸ロバストパラメータ推定（ＣＲＰＥ）法を実行するように構成された最適化ソルバ２２０を含む。したがって、プロセッサ１３０は、入出力インターフェイス１５０を介したセンサ（複数可）１２０からの信号に応答して、入力時間領域について、センサを介して、電気機械に関する信号を取得することと、入力時間領域について取得された信号に基づいて信号行列を生成することと、最適化形成プログラムを用いて低ランク制約を有する最適化問題を形成することと、最適化ソルバのうちの１つを用いて最適化問題を解くことによって、信号行列を、低ランク行列、スパイク干渉行列、およびガウス雑音行列に分離することと、行列ペンシルプログラムを用いて、低ランク行列から減衰指数関数パラメータを抽出することと、ルックアップデータに基づいて誘導機の測定システムパラメータの各々を特定することにより、誘導機に関する故障を判断することとを含む。各ステップの手順について、以下で説明する。

図２は、本発明の一実施形態に係る、電気機械の動作中に故障を検出するための方法を示すブロック図である。システム１００は、センサ（複数可）１２０によって測定された誘導モータに電力を供給する固定子電流の信号の雑音の多い測定値１２１を時間領域で検出して、雑音の多いハンケル行列を形成する（２１０）。システム１００のプロセッサ１３０は、ＣＲＰＥ法または非凸ロバストパラメータ推定（ＮＲＰＥ）法を用いて雑音の多いハンケル行列を雑音除去して、減衰信号の設定に対応する低ランクハンケル行列を生成するように構成されている（２２０）。次に、行列ペンシル法１４３が雑音が除去されたハンケル行列に適用されて、減衰信号パラメータを決定する（２３０）。減衰信号パラメータは、故障特性周波数と比較するために使用される（２４０）。故障周波数が存在し、その大きさが閾値より大きい場合（２５０）、対応する故障が検出され（２６０）、そうでなければ、電気機械は正常な状態で運転されている（２７０）。

たとえば、閾値２５０は、以下のようにして決定することができる。ある値より大きい大きさの故障周波数成分、たとえば－３０ｄＢの基本周波数成分が存在し、故障周波数が特性故障周波数に近い、たとえば特性故障周波数の５％以内であるとき、システム１００は、ステップ２６０で故障を検出する。この場合、特性故障周波数は、電気機械の機械的構造（たとえば、軸受の大きさおよび玉数）と回転速度とによって決定することができる。故障周波数の大きさが大きいほど、故障、たとえば、軸受内輪の故障の可能性が高い。

１秒間のｙを１０００サンプルで観測する。ガウス雑音に対する信号の比率は２５ｄＢであり、スパイク干渉は１％の濃度を有し、その非ゼロエントリは、［０，５］で均一にサンプリングされた大きさでランダムに選択される。図４では、電気機械に電力を供給する固定子電流４１０の信号例と、分離した減衰信号とがプロットされている。雑音が除去されたハンケル行列に行列ペンシル法を用いると、雑音の多い測定値は、基本動作周波数成分４２０、故障サイン減衰信号４３０、ガウス雑音４４０、およびスパイク干渉４５０に分離される。

本開示の上述した実施形態は、多くの方法のいずれかで実施することができる。たとえば、実施形態は、ハードウェア、ソフトウェア、またはそれらの組合せを用いて実装され得る。ソフトウェアで実装される場合、ソフトウェアコードは、単一のコンピュータに設けられているか、または複数のコンピュータに分散されているかにかかわらず、任意の適切なプロセッサまたはプロセッサの集合体上で実行することができる。そのようなプロセッサは、集積回路として実装されてもよく、１つ以上のプロセッサが集積回路部品に含まれている。しかしながら、プロセッサは、任意の適切な形式の回路を使用して実装可能である。

また、本明細書で概説したさまざまな方法またはプロセスは、さまざまなオペレーティングシステムまたはプラットフォームのうちの任意の１つを採用する１つ以上のプロセッサ上で実行可能なソフトウェアとしてコード化されてもよい。さらに、そのようなソフトウェアは、多数の適切なプログラミング言語および／またはプログラミングもしくはスクリプトツールのいずれかを使用して書かれてもよく、フレームワークまたは仮想マシン上で実行される実行可能な機械語コードまたは中間コードとしてコンパイルされてもよい。典型的には、プログラムの機能は、さまざまな実施形態において任意に組合わされてもよい、または分散されてもよい。場合によっては、本発明の実施形態で使用されるコンピュータ実装されたプログラムは、プログラムモジュールまたはモジュールと呼ばれることがある。

さらに、本開示の実施形態は、一例が提供された方法として具現化されてもよい。方法の一部として実行される行為は、任意の適切な方法で順序付けされてもよい。したがって、例示的な実施形態において連続した行為として示されていても、いくつかの行為を同時に行うことを含み得る、例示とは異なる順序で行為が実行される実施形態が構成されてもよい。さらに、請求項要素を修飾するために請求項において第１、第２などの序数を使用することは、それ自体、ある請求項要素の他の請求項要素に対する優先、優先順位、または方法の行為が実行される時間的順序を意味するのではなく、単に、ある名前を有するある請求項要素を同じ名前を有する別の要素（ただし序数を使用）と区別して請求項要素を区別するためのラベルとして使用されている。

本開示は、特定の好ましい実施形態を参照して説明されてきたが、本開示の精神および範囲内でさまざまな他の適応および修正を行うことができることを理解されたい。したがって、本開示の真の精神および範囲内に入るようなすべてのそのような変形および修正をカバーすることが、添付の特許請求の範囲の態様である。

Claims (16)

1. 電気機械の故障を検出するためのシステムであって、
   入力時間領域について、センサを介して、前記電気機械に関する信号を取得するように構成されたインターフェイスと、
   信号サンプリングプログラム、行列形成プログラム、最適化形成プログラム、行列ペンシルプログラム、最適化ソルバ、および前記故障に関連する所定のシステムパラメータを含むルックアップデータを含む、コンピュータ実装プログラムを格納するメモリと、
   プロセッサとを備え、前記プロセッサは、前記インターフェイスおよび前記メモリに関連して前記コンピュータ実装プログラムを実行するときに、
   前記入力時間領域について、取得された前記信号に基づいて信号行列を生成することと、
   前記最適化形成プログラムを用いて、低ランク制約を有する最適化問題を形成することと、
   前記最適化ソルバのうちの１つを用いて前記最適化問題を解くことによって、前記信号行列を、低ランク行列、スパイク干渉行列、およびガウス雑音行列に分離することと、
   前記行列ペンシルプログラムを用いて、前記低ランク行列から減衰指数関数のパラメータを抽出することと、
   前記ルックアップデータに基づいて、前記電気機械の測定された前記システムパラメータの各々を特定することによって、前記電気機械に関する前記故障を判断することとを行うように構成されている、システム。
2. 前記最適化形成プログラムは、凸ロバストパラメータ推定（ＣＲＰＥ）最適化問題または非凸ロバストパラメータ推定（ＮＲＰＥ）最適化問題を生成する、請求項１に記載のシステム。
3. 前記最適化ソルバは、凸ロバストパラメータ推定（ＣＲＰＥ）法および非凸ロバストパラメータ推定（ＮＲＰＥ）法に基づく、請求項１に記載のシステム。
4. 前記入力時間領域は、サンプリング期間およびサンプリング周波数を表す、請求項１に記載のシステム。
5. 前記行列ペンシルプログラムは、固有値を求め、前記固有値を用いて減衰係数と周波数とを計算するように構成されている、請求項１に記載のシステム。
6. 取得された前記信号は、前記電気機械の動作に基づく電流信号または振動信号である、請求項１に記載のシステム。
7. 前記低ランク行列はハンケル行列である、請求項１に記載のシステム。
8. 前記電気機械は、電気回路、電気モータまたは発電機である、請求項１に記載のシステム。
9. 電気機械の故障を検出するための方法であって、
   入力時間領域について、センサを介して、前記電気機械に関する信号を取得することと、
   前記入力時間領域について、取得した前記信号に基づいて信号行列を生成することと、
   最適化形成プログラムを用いて、低ランク制約を有する最適化問題を形成することと、
   最適化ソルバのうちの１つを用いて前記最適化問題を解くことによって、前記信号行列を、低ランク行列、スパイク干渉行列、およびガウス雑音行列に分離することと、
   行列ペンシルプログラムを用いて、前記低ランク行列から減衰指数関数のパラメータを抽出することと、
   ルックアップデータに基づいて、前記電気機械の測定されたシステムパラメータの各々を特定することによって、前記電気機械に関する前記故障を判断することとを備える、方法。
10. 前記最適化形成プログラムは、凸ロバストパラメータ推定（ＣＲＰＥ）最適化問題または非凸ロバストパラメータ推定（ＮＲＰＥ）最適化問題を生成する、請求項９に記載の方法。
11. 前記最適化ソルバは、凸ロバストパラメータ推定（ＣＲＰＥ）法および非凸ロバストパラメータ推定（ＮＲＰＥ）法に基づく、請求項９に記載の方法。
12. 前記入力時間領域は、サンプリング期間およびサンプリング周波数を表す、請求項９に記載の方法。
13. 前記行列ペンシルプログラムは、固有値を求め、前記固有値を用いて減衰係数と周波数とを計算するように構成されている、請求項９に記載の方法。
14. 取得された前記信号は、前記電気機械の動作に基づく電流信号または振動信号である、請求項９に記載の方法。
15. 前記低ランク行列はハンケル行列である、請求項９に記載の方法。
16. 前記電気機械は、電気回路、電気モータまたは発電機である、請求項９に記載の方法。

Images