JPH0493610A - 機器の異常監視装置 - Google Patents
機器の異常監視装置Info
- Publication number
- JPH0493610A JPH0493610A JP2205017A JP20501790A JPH0493610A JP H0493610 A JPH0493610 A JP H0493610A JP 2205017 A JP2205017 A JP 2205017A JP 20501790 A JP20501790 A JP 20501790A JP H0493610 A JPH0493610 A JP H0493610A
- Authority
- JP
- Japan
- Prior art keywords
- normal
- pattern
- parameter
- equipment
- abnormal
- 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.)
- Pending
Links
- 238000009825 accumulation Methods 0.000 claims abstract description 5
- 230000005856 abnormality Effects 0.000 claims description 27
- 238000012806 monitoring device Methods 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 7
- 238000012935 Averaging Methods 0.000 claims description 3
- 230000002159 abnormal effect Effects 0.000 abstract description 13
- 238000000605 extraction Methods 0.000 abstract description 8
- 238000004458 analytical method Methods 0.000 abstract description 3
- 238000004364 calculation method Methods 0.000 abstract description 3
- 238000005259 measurement Methods 0.000 abstract description 3
- 230000010354 integration Effects 0.000 abstract description 2
- 238000010276 construction Methods 0.000 abstract 1
- 238000012544 monitoring process Methods 0.000 description 38
- 238000010219 correlation analysis Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 230000000694 effects Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000000034 method Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 239000012530 fluid Substances 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000007257 malfunction Effects 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 1
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
- Y02E30/00—Energy generation of nuclear origin
- Y02E30/30—Nuclear fission reactors
Landscapes
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Monitoring And Testing Of Nuclear Reactors (AREA)
Abstract
(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。
め要約のデータは記録されません。
Description
【発明の詳細な説明】
〔産業上の利用分野〕
本発明はプラントで使用される機器の稼働状態が正常で
あるか異常であるかの判定をおこなうための機器監視装
置に係り、特に、異常判定アルゴリズムを自動的しこ設
定できる方式の学習機能をもつプラント機器監視装置に
関する。
あるか異常であるかの判定をおこなうための機器監視装
置に係り、特に、異常判定アルゴリズムを自動的しこ設
定できる方式の学習機能をもつプラント機器監視装置に
関する。
従来の学習機能のついた監視機器は、倒えば、特開昭５
８−１１１１９５１４号公報に記載のように、あらかじ
め異常判定のアルゴリズムを機器のメカニズムに応じて
決めておき、それを前提にして学習機能を利用するよう
になっていた。
８−１１１１９５１４号公報に記載のように、あらかじ
め異常判定のアルゴリズムを機器のメカニズムに応じて
決めておき、それを前提にして学習機能を利用するよう
になっていた。
上記従来技術は、異常判定のアルゴリズムが機械の動作
のメカニズムに応して作成されたものであり、その判定
アルゴリズムで考慮されない異常については検知できな
いという点に問題があった。
のメカニズムに応して作成されたものであり、その判定
アルゴリズムで考慮されない異常については検知できな
いという点に問題があった。
上記目的を達成するために１本発明では計測量から機器
の動作に密接な関係のある監視パラメータを算出し、そ
れと学習で得られた正常時の監視パラメータのパターン
を比較して、正常時の監視パラメータの組合せと違った
パターンを検知したときに異常と判定するようにする。
の動作に密接な関係のある監視パラメータを算出し、そ
れと学習で得られた正常時の監視パラメータのパターン
を比較して、正常時の監視パラメータの組合せと違った
パターンを検知したときに異常と判定するようにする。
正常運転時の計測量の各監視パラメータの関係を経験的
に知っていれば、機器の構造や他の機器との連動の仕方
についての詳細な知識がなくても異常の有無の判定は可
能である。この場合、予想しえなかった異常についての
異常検出も可能となる。しかし、通常の異常判定のアル
ゴリズムは、機器のメカニズムに基づいて組み立ててい
るため、機器が違ってくるとそれに応じてアルゴリズム
も変更の必要がでてくる。
に知っていれば、機器の構造や他の機器との連動の仕方
についての詳細な知識がなくても異常の有無の判定は可
能である。この場合、予想しえなかった異常についての
異常検出も可能となる。しかし、通常の異常判定のアル
ゴリズムは、機器のメカニズムに基づいて組み立ててい
るため、機器が違ってくるとそれに応じてアルゴリズム
も変更の必要がでてくる。
計測量の特徴抽出演算により異常判定の監視パラメータ
を算出するとともに、この監視パラメータの時間相関分
析により別の監視パラメータを算出し、監視パラメータ
の比較手段により測定した監視パラメータパターンと正
常運転時のパラメータパターンが一致しているかどうか
を判断し、−致してなければ異常と判定する。正常運転
時の監視パラメータパターンは、運転員が正常と判断し
た監視パラメータパターンを累積して作成するため、異
常判定アルゴリズムを特別に作成しなくても異常判定が
可能となる。
を算出するとともに、この監視パラメータの時間相関分
析により別の監視パラメータを算出し、監視パラメータ
の比較手段により測定した監視パラメータパターンと正
常運転時のパラメータパターンが一致しているかどうか
を判断し、−致してなければ異常と判定する。正常運転
時の監視パラメータパターンは、運転員が正常と判断し
た監視パラメータパターンを累積して作成するため、異
常判定アルゴリズムを特別に作成しなくても異常判定が
可能となる。
以下、本発明の一実施例を第１図により説明する。第１
図は、本発明を原子力発電プラントのポンプの異常監視
に用いた例である。
図は、本発明を原子力発電プラントのポンプの異常監視
に用いた例である。
センサＳ１は振動検出器であり、センサ２はポンプの回
転数検出器である。その他に、流体の流量検出センサや
温度センサなど各種のセンサが装備されれている。特徴
抽出演算器１は、センサで検出したプラント量を異常検
出に必要な監視パラメータに変換するための機能をもつ
。監視パラメータ変換部１１では、振動信号からその振
幅の実効値や、回転周波数成分の位相等を算出する。時
間相関分析部１２では各監視パラメータ間の相関係数や
時間遅れを算出する。パターン比較器２では、特徴抽出
演算器１で算出した監視パラメータと結果とすでに学習
によりえられた各種の監視パラメータパターンとを比較
し、正常パターン以外ならば異常検知信号を発生する。
転数検出器である。その他に、流体の流量検出センサや
温度センサなど各種のセンサが装備されれている。特徴
抽出演算器１は、センサで検出したプラント量を異常検
出に必要な監視パラメータに変換するための機能をもつ
。監視パラメータ変換部１１では、振動信号からその振
幅の実効値や、回転周波数成分の位相等を算出する。時
間相関分析部１２では各監視パラメータ間の相関係数や
時間遅れを算出する。パターン比較器２では、特徴抽出
演算器１で算出した監視パラメータと結果とすでに学習
によりえられた各種の監視パラメータパターンとを比較
し、正常パターン以外ならば異常検知信号を発生する。
正常パターン判別器３は、異常検知した監視パラメータ
パターンについては正常かどうかを運転員に問い合わせ
、正常ならば正常パターン管理器５にそのデータを送る
。正常パターン管理器５では、新たに受は入れる正常パ
ターンを同種の入力済みのパターンと比較し、その正常
時の変動範囲や平均値の更新を行なう。
パターンについては正常かどうかを運転員に問い合わせ
、正常ならば正常パターン管理器５にそのデータを送る
。正常パターン管理器５では、新たに受は入れる正常パ
ターンを同種の入力済みのパターンと比較し、その正常
時の変動範囲や平均値の更新を行なう。
凍に、主要部の動作について詳細に説明する。
特徴抽出演算器１の監視パラメータ変換部１１は、検出
信号の実効値の算出や温度信号の零接点補償、振動信号
からの位相の抽出などの機能をもっており、単一信号が
もっている異常検知に有効な情報を抽出する機能をもつ
。また、時間相関分析部１２では、複数の信号間の関連
を分析する機能をもっており、本実施例では信号間の相
関係数や時間遅れを算出する。第２図は、相関分析結果
の例を示したものであり、得られた遅れ時間や相関の大
きさを示す相関係数も監視パラメータとして用いる。本
実施例では、監視パラメータへの変換処理をあらかじめ
定めた一定時間ごとに、時間相関分析処理は監視パラメ
ータのうちの一つ以上があらかじめ設定した変化率を越
える場合に実施するようにしている。
信号の実効値の算出や温度信号の零接点補償、振動信号
からの位相の抽出などの機能をもっており、単一信号が
もっている異常検知に有効な情報を抽出する機能をもつ
。また、時間相関分析部１２では、複数の信号間の関連
を分析する機能をもっており、本実施例では信号間の相
関係数や時間遅れを算出する。第２図は、相関分析結果
の例を示したものであり、得られた遅れ時間や相関の大
きさを示す相関係数も監視パラメータとして用いる。本
実施例では、監視パラメータへの変換処理をあらかじめ
定めた一定時間ごとに、時間相関分析処理は監視パラメ
ータのうちの一つ以上があらかじめ設定した変化率を越
える場合に実施するようにしている。
パターン比較器２では、特徴抽出演算器１の出力である
監視パラメータパターンと正常パターン管理器５に格納
されている正常運転時の監視パラメータパターンとを比
較し、どの正常の監視パラメータパターンに近いかを検
索する。次に、検索により得られた正常パターンと、監
視パラメータパターンを比較する。ただし、この比較は
パラメータ個々について行なう。それぞれのパラメータ
のうち正常値と測定値がゆらぎ幅を越えて違っていれば
異常と判断する。
監視パラメータパターンと正常パターン管理器５に格納
されている正常運転時の監視パラメータパターンとを比
較し、どの正常の監視パラメータパターンに近いかを検
索する。次に、検索により得られた正常パターンと、監
視パラメータパターンを比較する。ただし、この比較は
パラメータ個々について行なう。それぞれのパラメータ
のうち正常値と測定値がゆらぎ幅を越えて違っていれば
異常と判断する。
正常パターン判別器３は、二つの動作モードを選択でき
るようになっている。一つは、試運転時に正常パターン
を作成するための学習モードであり、他の一つは通常監
視モードである。学習モードでは異常の有無にかかわら
ず算出した監視パラメータを記録しておき、運転員の指
示によりそれらの分析結果を提示する。運転員は、各分
析結果についての正常と異常とを判断して、正常／異常
信号を正常パターン判別器３に入力する。正常パターン
判別器３では、判断された正常パターンのみを正常パタ
ーン管理器４に送る。通常監視モードでは、パターン比
較器３で正常と判断された監視パラメータはそのまま正
常として正常パターン監視器に送られる。また、異常と
判断した監視パラメータは−たん記録しておき、運転員
の再判断をあおぎ、正常ならば、正常パターン管理器４
に送り、異常ならば捨てる。
るようになっている。一つは、試運転時に正常パターン
を作成するための学習モードであり、他の一つは通常監
視モードである。学習モードでは異常の有無にかかわら
ず算出した監視パラメータを記録しておき、運転員の指
示によりそれらの分析結果を提示する。運転員は、各分
析結果についての正常と異常とを判断して、正常／異常
信号を正常パターン判別器３に入力する。正常パターン
判別器３では、判断された正常パターンのみを正常パタ
ーン管理器４に送る。通常監視モードでは、パターン比
較器３で正常と判断された監視パラメータはそのまま正
常として正常パターン監視器に送られる。また、異常と
判断した監視パラメータは−たん記録しておき、運転員
の再判断をあおぎ、正常ならば、正常パターン管理器４
に送り、異常ならば捨てる。
正常パターン管理器４では、正常パターンとして新たに
入力されたパターンと、すでに格納されている正常パタ
ーンとが同一パターンに属するかどうかの判定と、正常
パターンの累積、正常パターン同士の統合を行なう機能
をもつ。第３図と第４図によりその動作をさらに詳細に
説明する。第３図は正常パターン管理器４で管理されて
いる正常パターンの例である。プロットの円の大きさは
、その監視パラメータの統計的なゆらぎ幅をあられす。
入力されたパターンと、すでに格納されている正常パタ
ーンとが同一パターンに属するかどうかの判定と、正常
パターンの累積、正常パターン同士の統合を行なう機能
をもつ。第３図と第４図によりその動作をさらに詳細に
説明する。第３図は正常パターン管理器４で管理されて
いる正常パターンの例である。プロットの円の大きさは
、その監視パラメータの統計的なゆらぎ幅をあられす。
プロットされていない監視パラメータは、その正常パタ
ーンにはないことを示す。つまり、正常パターン１の場
合、流体温度と、回転数・流体温度の相関分析による遅
れ時間はパターン比較器での比較対象にならないパラメ
ータであることを示している。第４図は、測定値より算
出した監視パラメータである。本実施例では、すでに登
録されているすべての正常パターンと、測定により得ら
れた第４図のパターンとの間の距離計算を行い、最小距
離の正常パターンに属するとする。ただし。
ーンにはないことを示す。つまり、正常パターン１の場
合、流体温度と、回転数・流体温度の相関分析による遅
れ時間はパターン比較器での比較対象にならないパラメ
ータであることを示している。第４図は、測定値より算
出した監視パラメータである。本実施例では、すでに登
録されているすべての正常パターンと、測定により得ら
れた第４図のパターンとの間の距離計算を行い、最小距
離の正常パターンに属するとする。ただし。
最小距離があらかじめ設定した値よりも大きければ新た
な正常パターンとして登録する。登録済みの正常パター
ンが見つかった場合は、各監視パラメータごとに測定値
を加えて平均値とその統計的なゆらぎ幅を計算し、再登
録する。これをパターンの累積と呼ぶことにする。累積
の過程で、累積数が設定された数を越えてもある監視パ
ラメータのゆらぎ幅があらかじめ設定された値より大き
い場合は、その監視パラメータを正常パターンから除い
て、他の正常パターンに同一パターンとみなせるものが
あるかどうかを検索し、あれば両方の正常パターンを累
積して、正常パターン同士の統合を図る。このような累
積と統合により、自動的に関連のあるパラメータ同士の
パターンが作成されることになる。
な正常パターンとして登録する。登録済みの正常パター
ンが見つかった場合は、各監視パラメータごとに測定値
を加えて平均値とその統計的なゆらぎ幅を計算し、再登
録する。これをパターンの累積と呼ぶことにする。累積
の過程で、累積数が設定された数を越えてもある監視パ
ラメータのゆらぎ幅があらかじめ設定された値より大き
い場合は、その監視パラメータを正常パターンから除い
て、他の正常パターンに同一パターンとみなせるものが
あるかどうかを検索し、あれば両方の正常パターンを累
積して、正常パターン同士の統合を図る。このような累
積と統合により、自動的に関連のあるパラメータ同士の
パターンが作成されることになる。
なお、機器の運転開始直後は本発明の異常監視装置では
すべて異常と判断することとなるため、機器据え付は後
の試運転時に運転条件を種々変更して、あらかじめ正常
パターンを学習させてから用いる。
すべて異常と判断することとなるため、機器据え付は後
の試運転時に運転条件を種々変更して、あらかじめ正常
パターンを学習させてから用いる。
以上の構成によれば、機器の正常運転時の測定値から逸
脱した値のときに異常と判定されることになるため、多
側してない異常の検出も可能になるわ なお、特徴抽出演算器１の監視パラメータ変換部１１は
、一般に用いられる各種センサ用の信号処理装置の組合
せで実現できる。また、時間相関分析部１２は相関分析
器とディジタル信号処理回路で実現することができる。
脱した値のときに異常と判定されることになるため、多
側してない異常の検出も可能になるわ なお、特徴抽出演算器１の監視パラメータ変換部１１は
、一般に用いられる各種センサ用の信号処理装置の組合
せで実現できる。また、時間相関分析部１２は相関分析
器とディジタル信号処理回路で実現することができる。
パターン比較器２゜正常パターン判別器３．正常パター
ン管理器４も通常のディジタル信号処理回路で実現する
ことができる。
ン管理器４も通常のディジタル信号処理回路で実現する
ことができる。
本実施例の特有の効果として下記の事項があげられる。
（１）正常パターンの累積で平均化方式を採用している
ため、運転員が異常を正常と間違って教えても、平均化
によりその間違いが正常パターンに与える効果が時間の
経過につれて小さくなるので誤動作抑制の効果がある。
ため、運転員が異常を正常と間違って教えても、平均化
によりその間違いが正常パターンに与える効果が時間の
経過につれて小さくなるので誤動作抑制の効果がある。
（２）正常パターンの作成時に、運転員の介在を許すよ
うにしているため、希にしか発生しない正常パターンも
登録できるため、誤動作防止の効果がある。
うにしているため、希にしか発生しない正常パターンも
登録できるため、誤動作防止の効果がある。
（３）正常パターンの累積で、正常パターン同士の統合
機能をもたせたため、真に関連のある監視パラメータの
みが抽出でき、応用の範囲が広がるため、装置性能向上
の効果がある。
機能をもたせたため、真に関連のある監視パラメータの
みが抽出でき、応用の範囲が広がるため、装置性能向上
の効果がある。
本発明によれば、監視対象機器の動作メカニズムに依存
しない異常判別が実現でき、運転上予測しえない異常発
生の検知が可能となる。
しない異常判別が実現でき、運転上予測しえない異常発
生の検知が可能となる。
第１図は本発明の一実施例のポンプの異常監視装置のブ
ロック図、第２図は相関分析の説明図、第３図は監視パ
ラメータの正常パターンの説明図、第４図は測定した監
視パラメータの説明図である。 １・・・特徴抽呂演算器、２・・・パターン比較器、３
・・・正常パターン判別器、４・・・正常パターン管理
器、１１・・・監視パラメータ変換部、１２・・・時間
相関分第 図 呵間 第３図 回転数歳什ツ昆夏 第４図
ロック図、第２図は相関分析の説明図、第３図は監視パ
ラメータの正常パターンの説明図、第４図は測定した監
視パラメータの説明図である。 １・・・特徴抽呂演算器、２・・・パターン比較器、３
・・・正常パターン判別器、４・・・正常パターン管理
器、１１・・・監視パラメータ変換部、１２・・・時間
相関分第 図 呵間 第３図 回転数歳什ツ昆夏 第４図
Claims (1)
- 【特許請求の範囲】 １、機器の運転に関連する計測量を取込、設定された許
容値と比較して異常を検知する異常検知装置において、 比較すべき前記計測量の選択とその許容範囲とを学習に
より得る手段を備えたことを特徴とする機器の異常監視
装置。 ２、請求項１において、学習工程が、異常検知に用いる
パラメータパターンの類似度を算出して類似した前記パ
ラメータパターンを選択する手段と、前記パラメータパ
ターンそれぞれの個々のパラメータ同士を加算して平均
するとともにゆらぎ幅を算出して新たなパラメータパタ
ーンを作成する累積手段からなる機器の異常監視装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2205017A JPH0493610A (ja) | 1990-08-03 | 1990-08-03 | 機器の異常監視装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2205017A JPH0493610A (ja) | 1990-08-03 | 1990-08-03 | 機器の異常監視装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH0493610A true JPH0493610A (ja) | 1992-03-26 |
Family
ID=16500066
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2205017A Pending JPH0493610A (ja) | 1990-08-03 | 1990-08-03 | 機器の異常監視装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH0493610A (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103792100A (zh) * | 2012-10-31 | 2014-05-14 | 华北电力科学研究院有限责任公司 | 一种确定分离器分离效率的方法及设备 |
| US11480501B2 (en) | 2017-02-17 | 2022-10-25 | Mitsubishi Heavy Industries, Ltd. | Diagnosis device and diagnosis method for plant |
-
1990
- 1990-08-03 JP JP2205017A patent/JPH0493610A/ja active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103792100A (zh) * | 2012-10-31 | 2014-05-14 | 华北电力科学研究院有限责任公司 | 一种确定分离器分离效率的方法及设备 |
| CN103792100B (zh) * | 2012-10-31 | 2016-03-23 | 华北电力科学研究院有限责任公司 | 一种确定分离器分离效率的方法及设备 |
| US9523628B2 (en) | 2012-10-31 | 2016-12-20 | North China Electric Power Research Institute Co., Ltd. | Method and apparatus for determining separation efficiency of cyclone separator |
| US11480501B2 (en) | 2017-02-17 | 2022-10-25 | Mitsubishi Heavy Industries, Ltd. | Diagnosis device and diagnosis method for plant |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108496123B (zh) | 对机器进行振动诊断监测的方法以及装置 | |
| RU2576588C2 (ru) | Обнаружение ухудшения характеристик датчика, реализованное в передатчике | |
| US4437163A (en) | Method and apparatus for symptom diagnosis by monitoring vibration of shaft of rotary machine | |
| US4214301A (en) | Diagnostic device for use with automatic control systems | |
| KR101554216B1 (ko) | 시계열 형태의 센싱 데이터 배드 패턴 검증 방법 및 그 장치 | |
| KR102067344B1 (ko) | 이상 진동데이터 감지 장치 및 방법 | |
| US20050231350A1 (en) | Method and system for generating automatic alarms based on trends detected in machine operation | |
| JP2931187B2 (ja) | ポンプ劣化診断システム | |
| JP2002022617A (ja) | 軸受診断装置 | |
| CN110132402B (zh) | 振动趋势数据中尖峰和故障的检测 | |
| CN117708748B (zh) | 一种用于离心风机的运行监测系统及方法 | |
| JP7198089B2 (ja) | 電力変換装置、回転機システム、及び診断方法 | |
| CN107923407A (zh) | 压缩机中喘振循环的探测和计数 | |
| CN101657770B (zh) | 使用间断检测的机器状况监测 | |
| KR102026069B1 (ko) | 반도체 설비의 센서 데이터 분할 시스템 및 그 방법 | |
| US20050246593A1 (en) | Methods and apparatus for providing alarm notification | |
| JPH08241121A (ja) | プラント異常検知装置 | |
| JPH0493610A (ja) | 機器の異常監視装置 | |
| JP2005182647A (ja) | 機器の異常検知装置 | |
| KR102235243B1 (ko) | 스마트 진동 분석 장치 | |
| JPH01270623A (ja) | 回転機の振動診断装置 | |
| JP2575323B2 (ja) | データ抽出平均法による切削負荷監視方法 | |
| JP3398142B2 (ja) | 圧縮機のサージング検出装置 | |
| CN110529203A (zh) | 一种汽机超速保护系统及其控制方法 | |
| JP2020007920A (ja) | 液体ポンプの異常検出装置および方法 |