JPH07168619A

JPH07168619A - 機器／設備診断方法およびシステム

Info

Publication number: JPH07168619A
Application number: JP4888694A
Authority: JP
Inventors: Yuichiro Ueno; 雄一郎上野; Takao Yoneyama; 隆雄米山; Kazuya Sato; 弌也佐藤; Makoto Senoo; 誠妹尾; Yuji Taguchi; 勇二田口
Original assignee: Hitachi Engineering and Services Co Ltd; Hitachi Ltd
Current assignee: Hitachi Engineering and Services Co Ltd; Hitachi Ltd
Priority date: 1993-10-20
Filing date: 1994-03-18
Publication date: 1995-07-04
Anticipated expiration: 2017-09-03
Also published as: JP3321487B2

Abstract

(57)【要約】【目的】異常の発生確率の高い回転上昇時や負荷変動
時などの非定常運転時においても、異常の種類や進展度
合いを的確に診断できる複合センシング診断方法を提供
するにある。【構成】現象解析処理は、異常が既知である対象につ
いて、各種測定を行うと共に、測定値に基づいて、それ
らの特徴を表す特徴量（パラメータ）を抽出して、抽出
したパラメータと異常との関係を解析して、異常を表す
パラメータ間の相関を求めて、異常の種別および程度を
特定するために用いる有効相関パターンを予め決定して
おく。診断処理は、機器／設備の実機について、各種測
定を行い、その測定値に基づいてパラメータを抽出する
と共に、パラメータ間相関を算出し、予め求めてある有
効相関パターンと比較して、異常の種別を判定し、当該
機器／設備の異常を診断する。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、定常および非定常運転
時の機器異常を高精度で診断する方法およびそのための
診断装置に係り、特に、発電プラントなどの機器診断あ
るいは量産工場のインライン検査において、異常の発生
確率の高い回転上昇時や負荷変動時などの非定常運転時
の機器異常を高精度で診断することができる診断方法お
よび装置に関する。

【０００２】

【従来の技術】各種プラント等の設備／機器が運転中な
んらかの原因で異常を生じた場合、その兆候を早期に発
見して事故を未然に防止するための適切な処置を施す必
要がある。特に、大形回転機における機械的故障は、重
大事故に発展する恐れがあるため、わずかな異常でも早
期に発見することが望まれている。一方、製造工場にお
いても、自動化や無人化が進んできており、機械の信頼
性向上が必須となっている。また、製品自体の検査も感
応検査から機械化による評価精度の向上が要求される。
このため、機器／設備の診断技術の開発が行われてい
る。

【０００３】ところで、開発に際して、発電プラントの
機器診断技術の場合、異常の発生確率の高い回転上昇時
や、負荷変動時などの非定常運転時の診断については、
不明確な点が多く、解決すべき課題が多い。一方、量産
工場における機器のインライン検査においても、非定常
運転時の検査を要求される場合がある。しかし、従来、
この場合についても、適切な対応がされていない。

【０００４】また、従来の診断法は、１種類のセンサか
らの検出信号に基づいて診断を行っているものが多い。
これでは、機器／設備等の事象が複雑に生起する対象に
おいては、対象状態を把握するには不十分である。この
ため、異常を高精度で診断するには、複数のセンサを用
いた診断が必要になってきている。

【０００５】複数のセンサを用いた診断例としては、特
開昭61−83831号公報や、特開昭60−122351号公報など
がある。特開昭61−83831号公報に記載される技術は、
空気調和装置の運転状況を検出する各種のセンサからの
各検出信号をコンピュ−タに入力して、空気調和装置の
運転状態を監視する際に、該検出信号として、空気調和
装置稼働中の送風機電流値と風量、ならびに、振動と温
度から決まる関係から逸脱した場合は、異常とする方法
である。また、特開昭60−122351号に記載される技術
は、油圧ポンプモ−タの振動と温度を検出し、それらを
演算して、損傷度を算出する方法である。

【０００６】

【発明が解決しようとする課題】以上の公知文献記載の
技術では、異常の有無や程度を知ることができる。しか
し、さらに、異常の種類や異常の程度を的確に判断する
ことまでは、解決されていない。

【０００７】例えば、発電プラントなどの機器診断の場
合、診断対象機器として、発電機、タ−ビン、モ−タ、
ポンプ、圧縮機などがある。これらの回転機における異
常の種別としては、例えば、ラビング（回転部と固定部
との接触）、ロ−タ相互接触、軸受損傷（メタルワイ
プ、片当たりなど）、ロ−タクラック、ゆるみなどが挙
げられる。従来の１種類のセンサや、複数のセンサを用
いた診断法では、センサの個別的な検出信号に基づいて
判断するか、さらに、特定の複数のセンサからの検出信
号に基づいて判断している。このため、判断できる事
項、および、その範囲が限られてくる。前記発電プラン
トのような、多くの対象機器を有し、しかも、それらの
静特性および動特性は種々である診断対象については、
従来の診断法では、各センサからの個別的な情報による
個別的な診断が行えるにすぎなかった。すなわち、本来
最も知りたい情報である、異常の種別や、異常の程度に
ついてまでは、診断することが行われていなかった。

【０００８】その原因は、一つは、一つ一つのセンサに
よって計測されるパラメ−タ（特徴量）の数が多いこと
にある。例えば、ＡＥセンサにおいては、計測される特
徴量は、２０項目にも及ぶ。複数のセンサを用いて非定
常運転時などの診断を行う際、リアルタイムの診断が必
要である。そのため、各センサについての全てのパラメ
−タを計測監視することは容易ではない。特に、機器／
設備に運転状態がかと上に有る場合のように、種々の計
測値が変動している状態にあり、要因が複雑にから見合
うため、計測を監視することは困難である。

【０００９】本発明の目的は、異常の発生確率の高い回
転上昇時や負荷変動時などの非定常運転時においても、
異常の種類を的確に判定し、その異常種別ごとの異常の
程度を高精度に診断できる機器／設備診断方法および診
断装置を提供することにある。

【００１０】

【課題を解決するための手段】前記目的を達成するため
の第１の態様によれば、診断対象について、複数のセン
サを配置し、前記各センサにより対象を計測して、得ら
れた検出信号に基づいて機器／設備の診断を行う方法に
おいて、各センサの検出信号から診断対象に関する特徴
量を抽出し、各特徴量間の相関値を求め、これらの相関
値を、異常種別ごとに予め求められている、各特徴量間
の相関パターンとを比較して、異常種別を判定すること
を特徴とする機器／設備の診断方法が提供される。

【００１１】予め求められている相関パターンは、異常
の程度と相関値との関係を示すパターンとすることがで
きる。この場合、予め求められている相関パターンは、
異常の程度が既知の診断対象について、異常の程度が異
なる複数のサンプルを用意し、これらについて、それぞ
れ各センサにより対象を計測して、得られた検出信号か
ら診断対象に関する特徴量を抽出し、これらの特徴量間
の相関を求め、それらの相関値を、対応する異常の程度
と関係付けて得られたものを用いることができる。

【００１２】予め求められている相関パターンは、前記
得られた特徴量の中から、正常状態と異常状態との差が
大きく表れる特徴量を、有効特徴量として複数個選択し
て、それらについて相関値を求めて得たものとすること
ができる。さらに、予め求められている相関パターン
は、前記得られた相関パターンの中から、有効相関関係
パターンとして、正常時と異常時とで相関値の変化が大
きいものを複数個選択したものとすることができる。こ
れによって、特徴量の抽出、相関値の演算および異常種
別判定が、限られた特徴量について行えばよく、演算量
を低減できる。

【００１３】また、相関値と相関パターンとの比較は、
各異常の種別ごとの複数の相関パターンの大小順の組み
合わせのいずれかと、値が基準値より大きい相関値を含
む、得られた相関値の大小順の組合せのなかで、一致す
るものがあるか否か探索することにより行うことができ
る。そして、一致するものがある場合、その一致する組
合せを持つ異常種別の異常が起きていると判定する。

【００１４】さらに、異常種別の判定と共に、異常の程
度の判定を行うことができる。異常の程度の判定は、次
の（ａ）、（ｂ）および（ｃ）のうち少なくとも１の方
法で行うことができる。

【００１５】（ａ）当該異常種別に関係する複数の相関
パターンのいずれかを選んで、それに、求められた相関
値を代入して、異常の程度を得る。

【００１６】（ｂ）当該異常種別に関係する複数の相関
パターンのそれぞれについて得られる異常の程度を表す
値を平均して、異常の程度を得る。

【００１７】（ｃ）当該異常種別に関係する複数の相関
パターンのそれぞれについて得られる異常の程度を表す
値を加重平均して、異常の程度を得る。

【００１８】また、本発明の他の態様によれば、診断対
象に設けられた複数のセンサから出力される検出信号に
基づいて機器／設備の診断を行う装置において、各セン
サの検出信号から診断対象に関する特徴量を抽出する前
処理部と、抽出された特徴量を取り込み、各特徴量間の
相関値を求める相関解析部と、これらの相関値を、異常
種別ごとに予め求められている、各特徴量間の相関パタ
ーンとを比較して、異常種別を判定する異常判定部と、
判定結果を表示する表示部とを有することを特徴とする
機器／設備の診断装置が提供される。

【００１９】

【作用】本発明では、診断対象について、複数のセンサ
を配置し、前記各センサにより対象を計測して、得られ
た検出信号に基づいて機器／設備の診断を行う。その
際、各センサの検出信号から診断対象に関する特徴量を
抽出し、各特徴量間の相関値を求め、これらの相関値を
基に、異常の判定を行う。そのため、判定の基準となる
相関パターンを予め用意する。これは、診断のための特
徴量と同じものを、同じ手法により収集し、各特徴量間
の相関値を求める。さらに、その相関値と異常の程度と
を関係付けた相関パターンを作成する。そして、この相
関パターンを記憶しておく。

【００２０】診断は、上述したように、得られた相関値
を、予め用意された相関パターンと比較して、異常の有
無および異常の種別を判定する。

【００２１】まず、前記異常種別の判定に際し、得られ
た相関値が、予め定めた基準に達しているか否か調べ、
基準に達したとき、異常種別の判定を行う。これによ
り、異常の発生していないとき、判定処理を行わずにす
むので、コンピュータの負荷を低減することができる。

【００２２】予め求められている相関パターンは、前記
得られた特徴量の中から、正常状態と異常状態との差が
大きく表れる特徴量を、有効特徴量として複数個選択し
て、それらについて相関値を求めて得たものとすること
ができる。さらに、予め求められている相関パターン
は、前記得られた相関パターンの中から、有効相関関係
パターンとして、正常時と異常時とで相関値の変化が大
きいものを複数個選択し、さらに、それらの中から、異
常種別の違いが大きく表れる有効曲線を複数選択したも
のとすることができる。これによって、特徴量の抽出、
相関値の演算および異常種別判定が、限られた特徴量に
ついて行えばよく、演算量を低減できる。

【００２３】また、相関値と相関パターンとの比較は、
各異常の種別ごとの複数の相関パターンの大小順の組み
合わせのいずれかと、値が基準値より大きい相関値を含
む、得られた相関値の大小順の組合せのなかで、一致す
るものがあるか否か探索することにより行うことができ
る。そして、一致するものがある場合、その一致する組
合せを持つ異常種別の異常が起きていると判定する。こ
れにより、異常種別の判定が、パターン化されるので、
迅速にかつ簡単に行える。

【００２４】さらに、異常種別の判定と共に、異常の程
度の判定を行うことができる。異常の程度の判定は、次
の（ａ）、（ｂ）および（ｃ）のうち少なくとも１の方
法で行うことができる。

【００２５】（ａ）当該異常種別に関係する複数の相関
パターンのいずれかを選んで、それに、求められた相関
値を代入して、異常の程度を得る。

【００２６】（ｂ）当該異常種別に関係する複数の相関
パターンのそれぞれについて得られる異常の程度を表す
値を平均して、異常の程度を得る。

【００２７】（ｃ）当該異常種別に関係する複数の相関
パターンのそれぞれについて得られる異常の程度を表す
値を加重平均して、異常の程度を得る。

【００２８】このような方法により、機器／設備に生じ
ている異常の程度を定量的に知ることができる。

【００２９】従って、定常運転時はもちろん、過渡的な
運転が行われている場合、変動が大きい場合等の非定常
運転時でも、迅速、かつ、確実に、異常種別の判定が行
える。また、事前に、異常程度に応じて、決め細かく、
より多くの相関パターンを用意しておくことにより、そ
れだけ、異常の種別および程度を高精度に判定すること
が可能となる。

【００３０】

【実施例】以下、本発明の機器診断方法およびそれに用
いる診断装置の実施例について、図面を参照して説明す
る。なお、本実施例は、複数のセンサによりセンシング
を行う複合センシングにおける処理例である。

【００３１】以下の実施例は、現象解析処理と診断処理
の両者を実行する例であって、両者の処理を実行できる
ハードウエア資源を有する。現象解析処理は、異常が既
知である対象について、各種測定を行うと共に、測定値
に基づいて、それらの特徴を表す特徴量（パラメータ）
を抽出して、抽出したパラメータと異常との関係を解析
して、異常を表すパラメータ間の相関を求めて、異常の
種別および程度を特定するために用いる有効相関パター
ンを予め決定しておくための処理である。一方、診断処
理は、機器／設備の実機について、各種測定を行い、そ
の測定値に基づいてパラメータを抽出すると共に、パラ
メータ間相関を算出し、予め求めてある有効相関パター
ンと比較して、異常の種別および程度を判定し、当該機
器／設備の異常を診断する処理である。そして、本実施
例のシステムは、それらの処理のための、現象解析処理
システムと、診断処理システムとを有する。

【００３２】なお、本発明は、現象解析処理と診断処理
とをそれぞれ独立に行ってもよいことはいうまでもな
い。すなわち、現象解析処理は、診断処理システムを提
供するメーカにおいて予め実行して、その結果を診断処
理システムに蓄積しておくことができる。もちろん、両
システムを備えて、診断処理時に得られた新たな情報
を、現象解析処理システムにわたし、それについて、現
象解析処理を行って、その結果を、それ依然に行われた
現象解析結果のデータと共に、蓄積するようにしてもよ
い。

【００３３】図１に、本発明の第１実施例による複合セ
ンシングによる機器診断装置の機能構成を示す。また、
図２に、そのハードウエアシステム構成の概要を示す。

【００３４】図１において、本実施例の装置は、診断対
象となる機器／設備等の被試験体１の各所に設置された
センサ群２と、センサ群からの検出信号を処理する前処
理部３と、前処理された情報に基づいて、相関を求める
相関解析部４と、解析結果に基づいて異常判定を行う異
常判定部５と、判定結果を表示する表示部６とを備え
る。

【００３５】前記前処理部３は、各センサ信号からパラ
メ−タの抽出処理を行う。例えば、ＡＥセンサによって
計測されるパラメ−タは、波形解析パラメ−タと周波数
パラメ−タとがある。波形解析パラメ−タには、平均
値、波高値、エネルギ、発生数など、また、周波数解析
パラメ−タには、第１ピ−ク周波数、第１ピ−ク周波数
電圧、第２ピ−ク周波数、第２ピ−ク周波数電圧、回転
１次周波数、回転１次周波数電圧、回転２次周波数、回
転２次周波数電圧など合わせて２０項目にも及ぶ。

【００３６】前記相関解析部４は、解析処理のための予
備実験時には、異常状態の明白な診断実験デ−タを用い
て、異常種別に各パラメ−タ間の相関と異常程度の相関
関係パタ−ンを求め、異常種別ごとの前記相関関係パタ
−ンより、有効な相関曲線をいくつか選択し、前記有効
相関曲線からなる有効相関関係パタ−ンを求めておき、
前記有効相関関係パタ−ンを前記異常判定部５に出力す
る。また実際の運転時には、入力した各パラメ−タ間の
相関演算処理を行い前記異常判定部５に出力する。

【００３７】前記異常判定部５は、予備実験時には、前
記相関解析部４から入力した前記有効相関関係パタ−ン
を記憶しておく。実際の運転状態においては、前記相関
解析部４から入力した相関の状態を監視しながら、前記
有効相関関係パタ−ンを基準にして、まず異常の種類を
判定し、その異常種別ごとの有効相関関係パタ−ンを基
準にして異常程度を判定する。そしてその結果を表示部
６に出力する。

【００３８】本実施例は、現象解析処理と、診断処理と
を同じハードウエアシステムにより実現している。図２
に、そのシステム構成の一例を示す。

【００３９】図２において、本実施例は、センサ群２
と、前処理部３と、コンピュータ４００と、マン・マシ
ンインタフェース６００とで構成される。

【００４０】センサ群２には、例えば、ＡＥ（アコ−ス
テイック・エミッション）センサ２０１、振動センサ２
０２、音響センサ２０３、温度センサ２０４、回転セン
サ２０５等が含まれる。これらのセンサの出力が、前処
理部３に接続される。

【００４１】前処理部３は、ＤＳＰ（ディジタルシグナ
ルプロセッサ）部３２０と、その前段に置かれ、センサ
出力を増幅するためのプリアンプ３０１，３０２および
メインアンプ３１１，３１２とを有する。プリアンプ３
０１，３０２およびメインアンプ３１１，３１２は、本
実施例では、ＡＥセンサ２０１と、振動センサ２０２と
に接続されている。もちろん、これに限定されない。

【００４２】ＤＳＰ部３２０は、例えば、図３に示すよ
うに、アナログ／ディジタル変換を行うＡ／Ｄ変換器３
２１と、周波数パラメータを抽出するためのＦＦＴ（高
速フーリエ変換）ボード３２２および波形パラメータを
抽出するための波形解析ボード３２３とを有する。ＦＦ
Ｔボード３２２および波形解析ボード３２３のそれぞれ
にＤＳＰ（ディジタルシグナルプロセッサ）が搭載さ
れ、予め定めた演算プログラムに従って、高速で処理を
実行する。

【００４３】コンピュータ４００は、前記ＤＳＰ部３２
０の動作制御、抽出されたパラメータについて、現象解
析／診断を行う中央処理ユニット（ＣＰＵ）４１０と、
ＣＰＵ４１０の動作プログラム、各種データ、処理結
果、現象解析結果等を記憶するためのメモリ４２０とを
少なくとも有する。また、このコンピュータ４００に
は、外部記憶装置４３０が接続される。外部記憶装置４
３０としては、例えば、ディスク型の記憶装置が用いら
れる。より具体的には、磁気ディスク装置、光ディスク
装置等が用いられる。このコンピュータ４００により、
図１における相関解析部４および異常判定部５の機能が
実行される。すなわち、解析、判定および相関パターン
の記憶等が行われる。また、表示部６での表示データが
作成される。

【００４４】マン・マシンインタフェース６００は、処
理過程、処理結果等の表示を行うための表示装置６１０
と、各種指示、データ等の入力を行うための入力装置６
２０とを少なくとも有する。この表示装置には、例え
ば、現象解析処理の場合、センサの設置等のメッセージ
を表示する。また、処理の過程において、必要な入力を
促すメッセージ等の表示を行うこともできる。表示装置
６１０としては、例えば、ＣＲＴディスプレイ、液晶デ
ィスプレイ等が用いられる。また、入力装置６２０とし
ては、例えば、キーボードが用いられる。このほかに、
マウス、タッチパネル等の入力機器を付加してもよい。

【００４５】次に、本実施例における現象解析処理につ
いて、図４を参照して説明する。図４は、現象解析処理
の手順を示す。

【００４６】まず、診断対象に関する正常および異常の
各状態についての、種々の計測データを収集する。この
ためには、例えば、次のような手法がある。診断対象
そのもの、または、これを模擬した機器／設備につい
て、正常状態、および、異常状態を実験的に発生させ
る。実験プラントを構成して実験を行ってデータを収
集する。シミュレーションによりデータを作成する。
同種の機器／設備に関する過去の運転記録からデータ
を収集する。これらのうちいずれかの手法を取り込ん
で、必要なデータを作成することができる。もちろん、
データの作成は、これら以外の方法によってもよい。本
実施例では、このような手法により、予め診断対象に関
するデータを収集するための処理を予備実験と称するこ
ととする。

【００４７】このようにして、正常であることが明らか
なサンプル、ならびに、異常の種別および程度が異なる
種々のサンプルを実現する。これは、並列的に実現して
も、また、同じ機器／設備を用いて、異なる時間帯にそ
れぞれのサンプルを実現するようにしてもよい。なお、
種々の異常種別について、異常の進行と共に、異なるサ
ンプルとすることにより、異常程度が異なるサンプルが
複数得られる。これは、後述する、異常の程度と相関値
との関係を示す相関パターンの決定のために好ましい。

【００４８】本システムは、このようなサンプルの準備
段階において、必要なセンサの取り付けについて、ガイ
ドメッセージをマン・マシンインタフェース６に表示さ
せるようにすることができる（ステップ１００１）。

【００４９】そして、ＤＳＰ部３２０に各センサから信
号の取り込みを指示する（ステップ１００２）。このセ
ンサからの信号の取り込みは、最初の指示以外は、一定
周期で自動的に行うようにする。もちろん、必要の都度
指示するようにしてもよい。そして、ＤＳＰ部３２０
に、対象の特徴量である波形パラメータおよび周波数パ
ラメータの抽出を指示する（ステップ１００３）。この
指示を受けて、ＤＳＰ部３２０は、パラメータ抽出を行
う。抽出された各パラメータは、ＣＰＵ４１０が取り込
んで、メモリ４２０に格納する（ステップ１００４）。
以上の処理を、サンプルごとに行う。

【００５０】ここで、ＤＳＰ部３２０で抽出されるパラ
メータの一例について、図５および６を参照して説明す
る。ここでは、ＡＥセンサ２０１、振動センサ２０２お
よび音響センサ２０３からの検出信号に基づいて、抽出
されるパラメータの例を示す。

【００５１】波形解析ボード３２３は、波形パラメータ
として、例えば、図５に示すように、平均値Ｖ_mean、平
均波高値Ｖ_peak、エネルギ値Ｖ_energy、波高率Ｋ_mp、最
小電圧値Ｖ_min、平均持続時間Ｔ_durt、平均立上り時間
Ｔ_rise、および、ＡＥ事象発生数Ｎを抽出する。また、
ＦＦＴボード３２２は、周波数パラメータとして、例え
ば、図６に示すように、第１ピ−ク周波数Ｆ１Ｆ、第１
ピ−ク周波数電圧Ｆ１Ｖ、第１ピーク周波数比Ｆ１Ｐ、
第２ピ−ク周波数Ｆ２Ｆ、第２ピ−ク周波数電圧Ｆ２
Ｖ、第２ピーク周波数比Ｆ２Ｐ、全電圧ＦＴ、回転１次
周波数電圧Ｒ１Ｖ、回転１次周波数比Ｒ１Ｐ、回転２次
周波数電圧Ｒ２Ｖ、回転２次周波数比Ｒ２Ｐ、および、
Ｒ１Ｖ対Ｒ２Ｖの回転度比ＲＫを抽出する。これらは、
一例であって、これに限定されない。

【００５２】次に、各パラメータの中から、特定の異常
種別に関係するパラメータ（有効パラメータ）の抽出を
行う（ステップ１００５）。有効パラメータは、異常種
別ごとに抽出する。この抽出は、図７のフローチャート
に従って行う。

【００５３】まず、ＣＰＵ４１０は、対処物についての
サンプル群の中から、正常サンプルｎ個、異常サンプル
ｍ個を選定する（ステップ２００１）。そして、それら
について、それぞれ得られたパラメータをメモリ４２０
から読みだし（２００２）、それぞれの平均値を算出す
る（ステップ２００３）。さらに、正常サンプルについ
ての分散Ｓｎと、異常サンプルの分散Ｓａとを算出する
（ステッ２００４，２００５）。得られた結果から、次
式により分散率Ｋｓを求める（ステップ２００６）。

【００５４】

【数１】Ｋｓ＝Ｓａ／Ｓｎ ……（１）得られた分散率Ｋｓに基づいて、異常と正常との偏差が
大きいパラメータを大きい順に上位から複数個選定する
（ステップ２００７）。これにより、有効パラメータが
決定される。

【００５５】次に、図４のフローチャートのステップ１
００６において、異常種別ごとに、得られた有効パラメ
ータ間の相関を求める。相関を求めるに当たり、各々の
パラメータごとに、複数個のサンプルより得られたデー
タに基づいて、最小の値を１、最大の値を１００とする
ように規格化する。規格化した後、それぞれパラメータ
の積を求める。この積は、平均値が０の共分散と同じ形
であり、標準偏差による正規化を行わない相関係数と考
えることができる。そこで、本実施例では、この値（相
関値）を、パラメータ間の相関を表す尺度（積相関）と
して用いる。なお、前記規格化は、入力装置６２０を用
いて手入力により行ってもよい。

【００５６】次に、求めた相関値について、異常の程度
との関係を示すパターンを決定する（ステップ１００
７）。このため、各々のサンプルの異常の程度を、それ
ぞれの状態について得られたデータに基づいて、専門家
が判断して、０（正常）から１（完全異常）の範囲で決
定しておく。そして、その結果を、入力装置６２０から
システムに入力し、メモリ４２０に格納しておく。ＣＰ
Ｕ４１０は、各相関値を、異常の程度に基づいてプロッ
トし、異常の程度との関係を示す曲線を求める。これ
は、具体的には、例えば、テーブルを作成するか、さら
に、曲線を示す方程式を求めることにより行う。なお、
表示装置６１０には、例えば、図８に示すようなグラフ
の形式で表示することが好ましい。

【００５７】そして、表示装置に表示させた図８のよう
なグラフを基に、専門家によって、異常の程度につい
て、正常の領域ＸＡ、注意を要する領域ＸＢおよび異常
領域ＸＣの境界を決定して、入力装置６２０を介して入
力し、メモリ４２０に記憶させる。また、それを、図８
のグラフ中に表示する。

【００５８】次に、前述のようにして求めた多くの相関
曲線より、診断に有効な相関曲線、すなわち、有効相関
曲線を選択する（ステップ１００８）。このステップで
は、ＣＰＵ４１０は、まず、各相関曲線について、次式
の演算を行ない、得られた結果に基づいて、Ｓの大きい
順に、複数個の曲線を選択する。

【００５９】

【数２】ｆ（ｘ_n）−ｆ（ｘ₀）＝Ｓ ……（２）次に、ＣＰＵ４１０は、相関曲線を、図９に示すよう
に、種別ごとに整理して、複数種の相関曲線を得る。図
９の９Ａと９Ｂとを比較すると、相関曲線ｆは、種別ａ
と種別ｂとの間で、同じ傾向の変化を示しており、曲線
の形に差が少ない。一方、相関曲線ｇは、種別ａと種別
ｂとの間で、異なる傾向の変化を示しており、曲線の形
に差が大きい。そこで、この差を、定量的に評価するた
め、異なる種別において、パラメータの組合せが同じ相
関曲線どうしについて、次式により、種別差を度合いを
示す指標Ｗを求める。そして、得られた結果に基づい
て、Ｗの大きい順に、複数個の曲選択する。なお、この
Ｗの選択は、専門家の知識に基づいて選択し、入力装置
６２０を介して、手入力で入力するようにしてもよい。

【００６０】

【数３】

【００６１】上記３式によれば、図９に示す二つの相関
曲線のうち、ｆはＷが小さく、ｇはＷが大きいといえ
る。これは、この２つの異常種別についていえば、相関
値の大きいｆよりも相関値の小さいｇのほうが、両者の
区別には適していることを示すものである。

【００６２】このように、異常種別ついて１種類の相関
曲線のみでは、他の異常との区別がつきにくいことが分
かる。そこで、各種別ごとに複数の相関曲線を判定用に
選定しておく。そのため、次式により相関値の累積値
（グラフ上での面積に相当する）Ｓ_fを求めて、有効相
関曲線から複数、例えば、最大値（ＭａｘＳ_f）、中間
値（ＭｉｄＳ_f）および最小値（ＭｉｎＳ_f）について、
３個の異常種別判定曲線を選択する。なお、異常種別判
定曲線は３個に限られない。それより少ない数、また
は、多い数とすることができる。後述する図１１および
１２では、４本選択されている。

【００６３】

【数４】

【００６４】以上のようにして得られた相関関係パター
ンをメモリ４２０に格納する（ステップ１００９）。

【００６５】次に、実際の機器／設備の診断について、
図１０をさらに参照して説明する。なお、この診断処理
に際して、前記解析処理時と同様にセンサ類が設置さ
れ、同様の測定が行われることが前提となる。

【００６６】まず、ＣＰＵ４１０は、センサ群２からの
検出信号の取り込みを、ＤＳＰ部３２０に指示する。そ
して、ＤＳＰ部３２０から前処理された信号を取り込む
（ステップ３００１）。そして、検出信号について、上
述した解析処理の場合と同様の手法に、パラメータ抽
出、および、パラメータ間相関算出を行う（ステップ３
００２，３００３）。

【００６７】次に、ＣＰＵ４１０は、得られた相関値に
ついて、その相関値が異常といえる程度に上昇している
か否かを、例えば、前述した図８に示すデータを参照し
て調べる（ステップ３００４）。そして、予め定めた基
準を満たす場合には、相関値が上昇したと判断する。こ
の判断は、具体的には、例えば、各相関値のうち、図８
に示す注意領域ＸＢの領域に含まれるものの有無と、そ
れが、予め定めた数以上となったかどうかを調べること
により行う。具体的には、例えば、本実施例の場合、注
意領域ＸＢの領域に含まれる相関値が３個以上となった
とき、相関値の上昇と判断する。該当する相関値が存在
しない場合には、以上のステップを繰り返す。

【００６８】該当する相関値が存在する場合には、異常
種別および程度の判定を行う（ステップ３００５）。判
定には、上述した異常種別判定曲線のパターンを用いて
判定する。すなわち、得られている各相関値について、
各異常種別について予め得られている、相関値の大小の
組合せのいずれと一致するかを、メモリ４２０に格納さ
れているパターンデータを検索して調べる。そして、該
当する組合せがあったとき、その種別の異常があると判
断する。

【００６９】なお、異常種別の判断は、例えば、各異常
種別判定曲線に基づいて、相関値と異常種別との関係を
予め学習させたニューラルネットワークを用いることに
より、判定することもできる。ニューラルネットワーク
には、具体的には、抽出した全てのパラメータ、有効パ
ラメータ、異常度、相関関係等のデータを、予め既知の
異常種別および程度とに対応させて、学習させることが
できる。

【００７０】また、異常程度は、複数の手法が可能であ
る。例えば、第１の方法では、異常程度判定のための相
関曲線を１つ選び、その相関曲線に基づいて異常程度を
判定する。第２の方法では、全ての有効相関曲線を用い
て、それらにより得られる異常の程度の平均値を用いて
判定する。第３の方法では、全ての有効相関曲線を用
い、重み付けを行って、得られた平均値で判定する。

【００７１】次に、ＣＰＵ４１０は、上述した判断の結
果得られた異常の種別およびその程度について、表示装
置６１０に表示させる。表示は、例えば、図１１および
１２に示すように、グラフで表示される。また、これら
の図に示される表を併せて表示することもできる。これ
により、使用者は、診断対象の機器／設備の状態を、目
視で知ることができる。また、異常の種別および程度
を、メッセージと数値で示すこともできる。例えば、
“軸受が異常です”、“注意が必要です”等のメッセー
ジを表示することができる。

【００７２】次に、上記実施例を具体的な機器に適用し
た例について、説明する。具体例の１として蒸気タ−ビ
ンの診断を行う場合、また、具体例の２としてスクリュ
−圧縮機の診断を行う場合について、それぞれ説明す
る。

【００７３】最初に例１として、蒸気タ−ビンの場合に
ついて、図１３を用いて説明する。蒸気タ−ビンは、ケ
−シング７中のロ−タ８が、蒸気により高速回転するこ
とにより発電を行う。ロ−タ８は、軸受９に支えられて
いて、軸受９とジャ−ナル１０の間に、潤滑油循環ポン
プ１３により潤滑油を供給して、油膜１１を形成するこ
とにより、ロ−タ８は安定に回転している。

【００７４】蒸気タ−ビンの異常診断対象として、例え
ば、ラビング，メタルワイプがある。前者のラビングと
は、回転部が固定部に接触する現象であり、回転機械の
異常振動発生の要因となる。蒸気タ−ビンの場合、例え
ば、アライメントのわずかな変化や、局部温度上昇によ
る軸の曲がりがあると、ロ−タ８と油切り１２またはロ
−タ８とケ−シング７などの隙間の狭い部分が接触し、
摩擦音を発生させるとともに、軸振動を増加させる。こ
の異常のセンシングの特徴は、ＡＥの発生とともに、軸
振動が増加するが、廃油温度の上昇はほとんどみられな
いことである。また、ＡＥ信号の周波数分析を行うと、
ロ−タの回転に同期した回転一次成分が顕著に計測され
る。

【００７５】後者のメタルワイプとは、軸受異常の一種
であり、低速運転時における軸受損傷の主要因である。
蒸気タ−ビンなどに用いられているすべり軸受８は、正
常時には油膜形成による潤滑が行われているが、軸受荷
重の過大や潤滑油温度の上昇などが原因となり、油膜形
成が悪化する。そして、ついには、油膜破断により、ジ
ャ−ナル１０と軸受９との損傷、つまり、メタルワイプ
を引き起こす。この異常のセンシングによる特徴は、Ａ
Ｅの発生とともに廃油温度は上昇するが、ラビングの場
合ほど軸振動は大きくない。例として、この二つの異常
（ラビング，メタルワイプ）を診断する。

【００７６】まず、上述した解析処理と同様に、有効相
関パターンを算出し、これを異常の程度と対応させて、
予めコンピュータ４００に入力しておく。

【００７７】そのための、および、診断時における、対
象のセンシング手段として、ＡＥセンサ２０１、振動セ
ンサ２０２、音響センサ２０３および温度センサ２０４
が用いられる。図３のように、ＡＥセンサ２０１は、軸
受９に取付け軸受部および油切り１２より発生するＡＥ
信号を測定する。振動センサ２０２は、軸振動を測定
し、音響センサ２０３は、軸受付近の発生音響を監視
し、温度センサ２０４は、廃油温度をそれぞれ監視す
る。

【００７８】まず、解析処理として、ラビングおよびメ
タルワイプそれぞれの有効相関関係パタ−ンを、上記し
たと同様にして作成する。そして、有効相関関係パター
ンを決定する。本例のラビング，メタルワイプの有効相
関関係パタ−ンは、それぞれ図１１および１２のように
なる。これらの図において、４つの相関曲線（ＡＥ_R・
振動_V）、（ＡＥ_N・音響）、（ＡＥ_N・温度）および
（ＡＥ_f・振動_V）は、ラビングおよびメタルワイプの相
関関係パタ−ンを代表するもので、有効相関曲線であ
る。パラメ−タ間の相関は、積相関である。ここで、Ａ
Ｅ_Rは、ＡＥ信号から得られる回転１次成分比であり、
ＡＥ_Nは、ＡＥ信号から得られるカウントレイトであ
り、ＡＥ_fは、ＡＥ信号から得られる第１周波数成分比
である。振動_Vは、軸振動振幅値である。

【００７９】正常および異常の判定は、図１１および１
２の横軸のａ、ｂ、ｃおよびｄの各点を境界として、例
えば、次のように定められる。ラビンングの場合、図１
１において、曲線ｆ（ＡＥ_R・振動_V）が増加し始めたａ
点までを正常とし、曲線ｇ（ＡＥ_N・音響）が増加し始
めたｂ点までを注意とし、かつ、これらがいずれも急上
昇しているｂ点以上であれば異常とする。また、メタル
ワイプの場合、図１２において、曲線ｈ（ＡＥ_N・温
度）が増加し始めたｃ点までを正常とし、曲線ｉ（ＡＥ
_f・振動_V）が増加し始めたｄ点までを注意とし、かつ、
これらがいずれも急上昇するｄ点以上であれば異常とす
る。これらの判断は、専門家の知識を用いて行う。従っ
て、判断後に、入力装置６２０を介して、コンピュータ
４００に入力する。入力されたデータは、メモリ４２０
または外部記憶装置４３０に蓄積される。

【００８０】次に、異常種別は、上記のようにして得ら
れた図１１および１２に示す有効相関関係パタ−ンか
ら、同じ異常程度を表す領域内における、相関値の大小
順の組合せを予め記憶しておく。これにより、診断時
は、この組合せに該当するか否かで、判定する。ここで
は、一例を挙げると、異常領域において、ラビングの場
合、ｆ＞ｇ＞ｉの組合せとなり、メタルワイプの場合、
ｈ＞ｉ＞ｆの組合せとなる。なお、この組合せの情報を
記憶せず、有効相関パターンを用いて、この組合せを探
索するようにしてもよい。

【００８１】異常の程度は、本例では、上述した第２の
方法または第３の方法により行う。まず、有効相関曲線
ｆ、ｇ、ｈおよびｉのそれぞれの相関値に対応する異常
程度を、ｆ^-1、ｇ^-1、ｈ^-1およびｉ^-1とする。ここで、
第２の方法では、異常の程度Ｅは、次式で表される。

【００８２】

【数５】Ｅ＝（ｆ^-1＋ｇ^-1＋ｈ^-1＋ｉ^-1）／４ ……（５）また、各有効相関曲線の重みを、それぞれｗ_f、ｗ_g、ｗ
_h、ｗ_iとすると、第３の方法では、異常の程度Ｅは、次
式で求まる。なお、本実施例では、これらの重みｗ_f、
ｗ_g、ｗ_h、ｗ_iは、総和が１となるように、規格化した
ものを用いる。

【００８３】

【数６】Ｅ＝ｆ^-1・ｗ_f＋ｇ^-1・ｗ_g＋ｈ^-1・ｗ_h＋ｉ^-1・ｗ_i ……（６）ここで、各有効相関曲線の重みは、例えば、上述した各
相関曲線の相関値の累積値Ｓ_fの比、特定の異常の程度
の値における相関値の比等を基にして決めることができ
る。また、累積値Ｓ_fの大小の順に、予め一定の重みを
決定して、それを割り当てるようにしてもよい。

【００８４】次に、診断について説明する。診断は、上
述したように、ｆ（ＡＥ_R・振動_V）、ｇ（ＡＥ_N・音
響）、ｈ（ＡＥ_N・温度）およびｉ（ＡＥ_f・振動_V）が
有効相関関係パターンであるので、これらに関係する相
関値を監視する。そして、得られた相関値が、上昇して
いるか否か調べる。

【００８５】ここで、時刻Ｔ１において、ｆ＝７、ｇ＝
８１０、ｈ＝３、ｉ＝８が得られたとする。この場合、
これを、上記基準にあてはめると、ラビングの場合、ｇ
のみが、ａ（＝８００）＜ｇ（＝８１０）＜ｂ（＝１６
００）となり、ａ点の値より大きい。一方、他の相関値
は、全てａ点における値より小さい。従って、注意領域
に属する相関値が３個未満であるので、この場合には、
“ラビングは異常なし”と判断される。また、メタルワ
イプの場合、ｆおよびｇが注意領域にあるが、他は全て
ａ点における値より小さい。従って、この場合も、注意
領域に属する相関値が３個未満であるので、“メタルワ
イプは異常なし”と判断される。

【００８６】次に、時刻Ｔ２において、ｆ＝２，００
０、ｇ＝７９０、ｈ＝２２、ｉ＝９が得られたとする。
この場合、これを、上記基準にあてはめると、ラビング
の場合、ｆ、ｇおよびｈがいずれもａ点における値より
大きい。従って、注意領域に属する相関値が３個以上と
する条件を満たすので、“相関値が上昇した”と判定さ
れる。また、メタルワイプの場合、ｆおよびｇが注意領
域にあるが、他は全てａ点における値より小さい。従っ
て、この場合も、注意領域に属する相関値が３個未満で
あるので、“メタルワイプは異常なし”と判断される。

【００８７】次に、前記時刻Ｔ２の場合は、相関値上昇
であるので、それについて、異常種別の判定を行う。判
定は、上述した有効相関関係曲線の相関値の大小関係の
組合せを探索して行う。すなわち、本例の場合、予め求
められている関係は、ラビングの場合、（ｆ＞ｇ＞ｈ）
であり、メタルワイプの場合、（ｈ＞ｉ＞ｆ）である。
これと、前記データに基づく有効相関関数値の大小関係
の組合せは、ラビングの場合、（ｆ＞ｇ＞ｈ）である。
しかし、メタルワイプの場合、（ｆ＞ｈ＞ｉ）であっ
て、一致しない。従って、本例では、異常の種別は、ラ
ビングであると判定される。

【００８８】次に、この場合の異常程度を求める。ここ
では、上述した第２および第３の方法を用いて行う。

【００８９】まず、第２の方法を用いる場合は、図１１
を用いて、ｆ^-1（２０００）＝０．３９、ｇ^-1（７９
０）＝０．３３、ｈ^-1（２２）＝０．４４、ｉ^-1（９）
＝０．４９を求め、これらを前記５式に代入して平均値
を求めると、Ｅ≒０．４１となる。

【００９０】第３の方法を用いる場合は、図１１を用い
て予め決めておいた重みｗ_f、ｗ_g、ｗ_h、ｗ_iを用いて加
重平均をとる。ここでは、重みは、相関値の累積値Ｓ_f
の大きい順に、かつ、総和が１となるように規格化し
て、予め決定した値を用いる。例えば、ｗ_f＝０．５、
ｗ_g＝０．４、ｗ_h＝０．１とし、ｗ_iは、非常に小さい
ので、０とする。これらの重みと、ｆ^-1、ｇ^-1およびｈ
^-1の値とを６式に代入して、異常の程度Ｅを求めると、
Ｅ≒０．３９となる。

【００９１】以上の結果を、表示装置６１０に表示する
ことにより、診断対象の蒸気タービンが、ラビングにお
いて注意を要する程度の異常があり、その異常の程度
は、第２の方法を用いた場合には、０．３９、第３の方
法を用いた場合には、０．４１であることがユーザに分
かる。なお、両者を用いて、得られた異常の程度を併記
するようにしてもよい。

【００９２】次に、例２としてス、クリュ−圧縮機の場
合を、図１４、図１５を用いて説明する。スクリュ−圧
縮機は、スクリュ−形状をしたＦロ−タ１７およびＭロ
−タ１８を回転し、吸い込み側より気体を流入し、圧縮
した気体を吐き出し側より取り出すものである。

【００９３】スクリュ−圧縮機のロ−タ間接触現象につ
いて診断する場合を、簡単に説明する。解析処理および
診断処理自体は、例１の蒸気タ−ビンと同様な処理が可
能であるから、主な相違点である有効相関関係パタ−ン
についてのみ説明する。異常原因として、例えば、オイ
ルホイップ、カ−ボンリング１９／シャフト２０間接触
がある。センシングとしては、図示していないが、ＡＥ
センサ、振動センサ、音響センサおよび温度センサが用
いられる。オイルホイップ、カ−ボンリング１９／シャ
フト２０間接触の有効相関関係パタ−ンは、それぞれ図
１６および図１７のようになる。相関関係パタ−ンを代
表する有効相関曲線は、積相関（音響・振動）、（音響
・温度）および（ＡＥ・振動）である。

【００９４】なお、図１６および１７は、基本的には、
図１１および図１２と同じように表現される。ただし、
図１１および１２における異常領域を、図１６および１
７では、危険領域とし、危険領域の最上位点が異常と定
義されていること、および、各領域の境界点の位置に相
違がある。しかし、この相違は、表現上の相違にすぎ
ず、本質的な相違ではない。

【００９５】以上、積相関について述べたが、相関とし
ては時間相関や周波数相関などについても同様な処理が
可能である。

【００９６】上記から明らかなように、予備実験時に、
複数のセンサより測定したパラメ−タ間の相関と異常程
度との相関関係パタ−ンを求め、前記相関パタ−ンより
診断に有効な相関曲線を選定することにより、実際の運
転時には、監視するパラメ−タの数を減らしリアルタイ
ムでの監視、診断が可能となる。そのため、非定常運転
時などにも適応可能となる。また、前記有効相関曲線で
構成される有効相関関係パタ−ンを用いることにより、
異常種別の判定を的確に行うことが出来る。そして、異
常種別ごとの有効相関関係パタ−ンを用いることによ
り、異常種別ごとの異常程度を、正確に判定することが
出来る。

【００９７】以上が本発明の主概念であり、以下に記す
ような処理の追加や変更なども可能である。

【００９８】まず、異常進展を予測する機能を付加した
例について説明する。

【００９９】解析処理における予備実験で、対象の連続
運転を複数回を行って、上述した実施例における（異常
の程度に対する相関値）のほかに、（時間に対する相関
値）をも算出する。この相関値の算出は、上述したと同
様である。得られた（時間に対する相関値）の一例を、
図１８に示す。図１８では、時間の経過に伴って、正常
から、注意、異常の順に相関値が変化する相関曲線が示
されている。

【０１００】次に、異常程度判定曲線を決定する。これ
には、上述した（４）式を用いる。得られたＳ_fを用い
て、上位から複数個曲線を選ぶ。さらに、それらの曲線
の中より、分散Ｖ_fを次式により求める。これは、予測
を行うには、変動の小さい曲線を用いることが好ましい
ためである。

【０１０１】

【数７】

【０１０２】この分散が最小となる曲線ｆを、異常程度
判定曲線とし、各点（Ｔｉ）において、±２σを許容範
囲とする。図１９に、その一例を示す。ここで、σは標
準偏差である。

【０１０３】次に、診断の際の処理について、説明す
る。この場合も、予測を中心に説明する。なお、センサ
による測定時間間隔をＴ_dとする。

【０１０４】ｉ−１回目の測定に基づく相関値α
_i-1が、図２０に示すように、予め定めたα_sより大きく
なったとき、予測処理を開始する。その時点での図２０
のＡのグラフ上での時刻Ｔ_i-1は、次式で決定される。

【０１０５】

【数８】Ｔ_i-1＝ｆ^-1（α_i-1） ……（８）この後、ｉ回目において、その後、どの程度の時間で、
注意領域または異常領域に達するかについての予測を行
う。予測に際しては、予測が可能か否かを判別しつつ行
う。

【０１０６】まず、予測を行う時点のｉ回目の測定値か
ら求められた相関値α_iについて、次式でＴ_iを求める。

【０１０７】

【数９】Ｔ_i＝ｆ^-1（α_i） ……（９）次に、（ｉ−１）回目の相関値α_i-1について求められ
ているＴ_i-1を基準として、次にサンプリングする（Ｔ
_i-1＋Ｔ_d）時点における相関値をｆ（Ｔ_i-1＋Ｔ_d）とし
て、このα_iが、ｆ（Ｔ_i-1＋Ｔ_d）±２σの範囲に入る
か否かを、（i）、（ii）および（iii）のいずれにあて
はまるかを調べ、それぞれに応じて予測を行う（図２０
Ａ，Ｂ参照）。

【０１０８】

【数１０】（i） α_i＞ｆ（Ｔ_i-1＋Ｔ_d）＋２σ （ii）ｆ（Ｔ_i-1＋Ｔ_d）−２σ＜α_i＜ｆ（Ｔ_i-1＋
Ｔ_d）＋２σ （iii）α_i＜ｆ（Ｔ_i-1＋Ｔ_d）−２σ α_iが（i）を満たす場合は、相関値が＋２σの範囲を越
えているので、本来は予測できない。しかし、異常が急
激に進展する可能性が考えられる。そこで、原点から注
意領域の境界に達する時間をＴ_Aとし、原点から異常領
域に達するまでの時間をＴ_Bとすると、それぞれ次式に
より、Ｔ_iからｔ_a時間以内に注意領域に達する旨の警
告、または、ｔ_b時間以内に異常領域に達する旨の警告
を出力する。

【０１０９】

【数１１】Ｔ_A−Ｔ_i＝ｔ_a Ｔ_B−Ｔ_i＝ｔ_ｂまた、α_ｉが（ii）を満たす場合は、前記の式より、Ｔ
_iからｔ_a時間後に注意領域に達することが予測でき、ま
た、ｔ_b時間後に異常領域に達することが予測できる。

【０１１０】さらにα_iが（iii）を満たす場合は、相関
値が−２σの範囲を下回っているので、予測不能と判定
する。そして、予測は行わず、次の測定に移る。

【０１１１】次に、本発明の他の実施例について、説明
する。

【０１１２】本実施例は、前記前処理部３と相関解析部
４の間に、各センサごとの有効パラメ−タ抽出処理、お
よび、例えば、各センサごとの異常度などの新しいパラ
メ−タの抽出処理を行うパラメ−タ抽出部２１を付加し
たものである。その構成について、図２１を用いて説明
する。

【０１１３】ところで、有効パラメ−タ抽出は、例え
ば、ＡＥセンサによって計測されるパラメ−タは、前記
の通り２０項目にも及ぶ。このため、処理効率の向上を
はかるために、相関処理以前に、診断に有効なパラメ−
タをいくつか選択しておく。異常度とは、各センシング
ごとに診断対象別に異常の程度を基準化したものであ
る。前述したように、回転機における異常の種別として
は、例えば、ラビング（回転部と固定部との接触）、ロ
−タ相互接触、軸受損傷（メタルワイプ，片当たりな
ど）、ロ−タクラック、ゆるみ等が挙げられる。異常度
とは、これらの前記異常種ごとに、正常を０、完全異常
を１として０〜１までに評価したものである。前記有効
パラメ−タの抽出および異常度を評価する方法に、例え
ば、確信度評価法がある。発明者らが先に出願した特願
平３−２９８０８号は、前記確信度評価法に関するもの
で、統計的処理により、数個の有効パラメ−タを抽出
し、ファジ−的処理により評価を行うものである。

【０１１４】上記から明らかなように、多数のパラメ−
タから診断に有効なパラメ−タを事前に選択しておくこ
とにより、信号処理時間を短縮し、診断効率を向上する
ことができる。

【０１１５】また、本発明のさらに他の実施例につい
て、図２２ないし２５を参照して、説明する。

【０１１６】これらの図に示す実施例は、図１および図
２１において、異常種別判定機能を、異常判定部５の代
わりに持つニュ−ラルネット演算部３０を取り入れた例
である。

【０１１７】図２２に示す実施例は、前処理部３で求め
られる全てのパラメ−タをニュ−ラルネット演算部３０
に入力する場合である。図２３に示す実施例は、相関解
析部４で求められるパラメ−タ間の全ての相関の値を、
ニュ−ラルネット演算部３０に入力する場合である。図
２４に示す実施例は、パラメ−タ抽出部２１より求めら
れる有効パラメ−タあるいは異常度の値を、ニュ−ラル
ネット演算部３０に入力する場合である。図２５に示す
実施例は、パラメ−タ抽出部２１より求められる異常度
の値あるいは相関解析部４から求められる各有効パラメ
−タ間の相関の値を、ニュ−ラルネット演算部３０に入
力する場合である。

【０１１８】どの場合においても、ニュ−ラルネット演
算部３０の行う診断は、異常種別の判定だけである。異
常の進展度合いについては、異常判定部５において、相
関解析部より求められる相関の値と、ニュ−ラルネット
判定部より求められる異常種別に対して予め求められて
いる、前記相関関係パタ−ンと比較することにより異常
の進展度合いを診断する。

【０１１９】次に、ニュ−ラルネット演算部３０の構成
について、図２６を用いて説明する。ニュ−ラルネット
ワ−クは、入力層２２、中間層２３および出力層２４の
三層構造となっている。前記入力層２２への入力デ−タ
としては、上述の通り、各センシングのすべてのパラメ
−タを用いる場合、各センシング有効パラメ−タおよび
異常度を用いる場合、あるいは、相関解析部４の出力で
ある相関の値を用いる場合などがある。

【０１２０】前記出力層の出力数を、例えば、５個にし
た場合、各出力２４０１，２４０２，２４０３，２４０
４，２４０５は、０と１の組合せで同図の出力表示２５
のように、５個の異常の対象種類を表すことができる。
例えば、蒸気タ−ビンのラビング診断実験において、あ
る回転数におけるＡＥ異常度、振動異常度、音響異常度
および温度異常度のデ−タを入力層に与え、出力表示に
１，０，０，０，０をラビングとして表す。以下、各回
転数におけるデ−タを入力して、前記中間層の重み関数
を学習的に求める。同様にして、メタルワイプ、片あた
りなどの軸受異常やロ−タクラックなどについて、重み
関数を学習的に求める。実際の運転状態においては、前
記入力信号を、前記学習を行ったニュ−ラルネットワ−
クに入力し、異常種の判定を行う。

【０１２１】上記の実施例の構成は、有効相関曲線が求
められない異常種別の判定の難しい場合、異常種別が複
合している場合等に、ニュ−ラルネットワ−クを用いる
ことにより、異常種別の判定を可能にする。

【０１２２】

【発明の効果】本発明によると、発電プラントなどの機
器診断あるいは量産工場のインライン検査において、定
常運転時のみならず、異常の発生確率の高い回転上昇時
や負荷変動時などの非定常運転時の機器異常を高精度で
診断することができる。

【図面の簡単な説明】

【図１】本発明の一実施例の機器／設備診断システムの
機能的な構成を示すブロック図である。

【図２】本発明の機器／設備診断システムのハードウエ
アシステム構成を示すブロック図である。

【図３】前記実施例において用いられるＤＳＰ（ディジ
タルシグナルプロセッサ）部の構成を示すブロック図で
ある。

【図４】本実施例の機器／設備診断において、センサの
検出信号に基づいて、有効相関パターンの決定を行うた
めの手順を示すフローチャートである。

【図５】検出信号から抽出され波形パラメータの一例を
示す図表。

【図６】検出信号から抽出され周波数パラメータの一例
を示す図表。

【図７】前記図４のフローチャートに含まれる有効パラ
メータの抽出の手順の一例を示すフローチャートであ
る。

【図８】予備実験に基づいて得られた相関値について、
異常の程度との関係を示す相関関係パターンを示すグラ
フである。

【図９】算出された相関値について、種別に示すグラフ
であり、９Ａは種別ａについてのグラフ、９Ｂは種別ｂ
についてのグラフである。

【図１０】前記実施例の診断処理の手順を示すフローチ
ャートである。

【図１１】蒸気タ−ビンから得られた有効相関関係パタ
−ンの一例について示すグラフである。

【図１２】蒸気タ−ビンから得られた有効相関関係パタ
−ンの他の例について示すグラフである。

【図１３】本発明の機器／設備診断システムが適用され
る蒸気タ−ビンの構造を示す断面図である。

【図１４】本実施例が適用されるスクリュ−圧縮機の構
造を示す断面図である。

【図１５】スクリュ−圧縮機のロ−タ部の構造図であ
る。

【図１６】スクリュ−圧縮機から得られた有効相関関係
パタ−ンの一例について示すグラフである。

【図１７】スクリュ−圧縮機から得られた有効相関関係
パタ−ンの一例について示すグラフである。

【図１８】相関値の時間変化を示すグラフである。

【図１９】異常判定曲線の一例を示すグラフである。

【図２０】２０ａは、異常判定曲線を用いて行う異常進
展予測の一例を示すグラフ、２０ｂは、その一部を拡大
して示すグラフである。

【図２１】図１に示す実施例のシステムにパラメ−タ抽
出部を組み込んだ実施例を示すブロック図である。

【図２２】図１に示す実施例のシステムにニュ−ラルネ
ット演算部を組み込んだ実施例を示すブロック図であ
る。

【図２３】図１に示す実施例のシステムにニュ−ラルネ
ット演算部を組み込んだ他の実施例を示すブロック図で
ある。

【図２４】図２１に示す実施例のシステムにニュ−ラル
ネット演算部を組み込んだ実施例を示すブロック図であ
る。

【図２５】図２１に示す実施例のシステムにニュ−ラル
ネット演算部を組み込んだ他の実施例を示すブロック図
である。

【図２６】ニュ−ラルネットワ−クの構成を模式的に示
す説明図である。

【符号の説明】

１…被試験体、２…センサ群、３…前処理部、４…相関
解析部、５…異常判定部、６…表示部、７…ケ−シン
グ、８…ロ−タ、９…軸受、１０…ジャ−ナル、１１…
油膜、１２…油切り、１７…Ｆロ−タ、１８…Ｍロ−
タ、１９…カ−ボンリング、２０…シャフト、２１…パ
ラメ−タ抽出部、２２…入力層、２３…中間層、２４…
出力層、２５…出力表示、２０１…ＡＥセンサ、２０２
…振動センサ、２０３…音響センサ、２０４…温度セン
サ、３２０…ＤＳＰ部、３２１…Ａ／Ｄ変換器、３２２
…ＦＦＴボード、３２３…波形解析ボード、４００…コ
ンピュータ、４１０…中央処理装置（ＣＰＵ）、４２０
…メモリ、４３０…外部記憶装置、６００…マン・マシ
ンインタフェース、６１０…表示装置、６２０…入力装
置。

───────────────────────────────────────────────────── フロントページの続き (72)発明者佐藤弌也茨城県日立市大みか町七丁目２番１号株式会社日立製作所エネルギー研究所内 (72)発明者妹尾誠茨城県日立市大みか町七丁目２番１号株式会社日立製作所エネルギー研究所内 (72)発明者田口勇二茨城県日立市幸町三丁目２番２号株式会社日立エンジニアリングサービス内

Claims

【特許請求の範囲】

【請求項１】診断対象について、複数のセンサを配置
し、前記各センサにより対象を計測して、得られた検出
信号に基づいて機器／設備の診断を行う方法において、各センサの検出信号から診断対象に関する特徴量を抽出
し、各特徴量間の相関値を求め、これらの相関値を、異
常種別ごとに予め求められている、各特徴量間の相関パ
ターンとを比較して、異常種別を判定することを特徴と
する機器／設備の診断方法。
【請求項２】請求項１において、予め求められている相
関パターンは、異常の程度と相関値との関係を示すパタ
ーンである機器／設備の診断方法。
【請求項３】請求項２において、予め求められている相
関パターンは、異常の程度が既知の診断対象について、
異常の程度が異なる複数のサンプルを用意し、これらに
ついて、それぞれ各センサにより対象を計測して、得ら
れた検出信号から診断対象に関する特徴量を抽出し、こ
れらの特徴量間の相関を求め、それらの相関値を、対応
する異常の程度と関係付けて得られたものであることを
特徴とする機器／設備の診断方法。
【請求項４】請求項３において、予め求められている相
関パターンは、前記得られた特徴量の中から、正常状態
と異常状態との差が大きく表れる特徴量を、有効特徴量
として複数個選択して、それらについて相関値を求めて
得たものである機器／設備の診断方法。
【請求項５】請求項２、３または４において、予め求め
られている相関パターンは、前記得られた相関パターン
の中から、有効相関関係パターンとして、正常時と異常
時とで相関値の変化が大きいものを複数個選択したもの
である機器／設備の診断方法。
【請求項６】請求項２、３または４において、前記相関
は、相関関係を求める特徴量どうしの積で表現される積
相関である機器／設備の診断方法。
【請求項７】請求項１において、前記異常種別の判定に
際し、得られた相関値が、予め定めた基準に達している
か否か調べ、基準に達したとき、異常種別の判定を行う
機器／設備の診断方法。
【請求項８】請求項７において、前記基準は、異常の程
度を、正常、注意および異常の各領域に予め分け、１つ
の異常種別について、得られた相関値が予め定めた個
数、注意領域に入ったとき、判定を行うとするものであ
る機器／設備の診断方法。
【請求項９】請求項８において、相関値と相関パターン
との比較は、各異常の種別ごとの複数の相関パターンの
大小順の組み合わせのいずれかと、値が基準値より大き
い相関値を含む、得られた相関値の大小順の組合せのな
かで、一致するものがあるか否か探索し、一致するもの
がある場合、その一致する組合せを持つ異常種別の異常
が起きていると判定する機器／設備の診断方法。
【請求項１０】請求項２、７、８または９において、異
常種別の判定と共に、異常の程度の判定をさらに行い、
異常の程度の判定は、次の（ａ）、（ｂ）および（ｃ）
のうち少なくとも１の方法で行うことを特徴とする機器
／設備の診断方法。（ａ）当該異常種別に関係する複数の相関パターンのい
ずれかを選んで、それに、求められた相関値を代入し
て、異常の程度を得る。（ｂ）当該異常種別に関係する複数の相関パターンのそ
れぞれについて得られる異常の程度を表す値を平均し
て、異常の程度を得る。（ｃ）当該異常種別に関係する複数の相関パターンのそ
れぞれについて得られる異常の程度を表す値を加重平均
して、異常の程度を得る。
【請求項１１】診断対象に設けられた複数のセンサから
出力される検出信号に基づいて機器／設備の診断を行う
装置において、各センサの検出信号から診断対象に関する特徴量を抽出
する前処理部と、抽出された特徴量を取り込み、各特徴量間の相関値を求
める相関解析部と、これらの相関値を、異常種別ごとに予め求められてい
る、各特徴量間の相関パターンとを比較して、異常種別
を判定する異常判定部と、判定結果を表示する表示部とを有することを特徴とする
機器／設備の診断装置。
【請求項１２】請求項１１において、異常判定部は、予
め求められている相関パターンとして、異常の程度と相
関値との関係を示すパターンを記憶するものである機器
／設備の診断装置。
【請求項１３】請求項１２において、予め求められてい
る相関パターンは、異常の程度が既知の診断対象につい
て、異常の程度が異なる複数のサンプルを用意し、これ
らについて、それぞれ各センサにより対象を計測して、
得られた検出信号から診断対象に関する特徴量を抽出
し、これらの特徴量間の相関を求め、それらの相関値
を、対応する異常の程度と関係付けて得られたものであ
ることを特徴とする機器／設備の診断装置。