JPH0894499A - 回転機械の故障診断装置 - Google Patents

Abstract

(57)【要約】 【目的】 故障の程度を精度よく識別し得る回転機械の
故障診断装置を提供する。 【構成】 振動検出器２と音圧検出器３と温度検出器４
と流量検出器５と揚程検出器６と回転検出器７の各検出
信号をニューロコンピュータ８へ入力し、ニューロコン
ピュータ８において、前記振動検出器２と音圧検出器３
と温度検出器４と流量検出器５と揚程検出器６と回転検
出器７とから入力層に入力される信号に応じて出力層か
ら出力されるパターン識別値に基づき、回転機械１の各
種運転状態に対応するパターンを認識し、回転機械１が
正常、軽故障、重故障のいずれの状態にあるかを識別
し、前記パターン識別値と回転機械１の状態を表示器９
に表示するよう構成する。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、回転機械の故障診断装
置に関するものである。

【０００２】

【従来の技術】一般に、各種ポンプ、ファン等の回転機
械の故障診断は、その回転機械特有の周波数成分の振動
レベルや音圧レベルなどを検出して正常、異常が識別さ
れている。

【０００３】この正常、異常の識別は検出する振動、音
圧、軸受温度などに対して、図９のようにある範囲を設
けてその逸脱度に応じて識別することが一般的である。

【０００４】

【発明が解決しようとする課題】しかしながら、回転機
械の異常は、振動と軸受温度等が相互に複合的に関係し
ており、ある一定のしきい値で設定するのは、機械的な
損傷防止には充分寄与するものの故障の程度を評価する
には必ずしも適正とは言えない。

【０００５】例えば、振動レベルの機械的許容値が１０
００［μｍ］であるとして、警報値（軽故障の警報値）
を５００［μｍ］とした場合、警報値以下の４００［μ
ｍ］と１００［μｍ］での評価はできず、経時的に１０
０［μｍ］から４００［μｍ］に上昇した場合でも異常
と認められない。

【０００６】本発明は、斯かる実情に鑑み、故障の程度
を精度よく識別し得る回転機械の故障診断装置を提供し
ようとするものである。

【０００７】

【課題を解決するための手段】本発明は、回転機械の振
動を検出する振動検出器と、回転機械の音圧を検出する
音圧検出器と、回転機械の軸受温度を検出する温度検出
器と、回転機械から吐出される流体の流量を検出する流
量検出器と、回転機械から吐出される流体の圧力に基づ
いて揚程を検出する揚程検出器と、回転機械の回転数を
検出する回転検出器と、入力層と、中間層と、出力層が
シナプスにより順に階層接続された構成を有し、各層
が、外部又は前層からの入力信号とシナプス結合係数の
積和演算を行い非線形変換して出力するニューロンを含
み、回転機械の各種運転状態において前記振動検出器と
音圧検出器と温度検出器と流量検出器と揚程検出器と回
転検出器とから入力層に所定の信号が入力された場合
に、出力層から所定の出力信号が出力されるよう予め学
習を行っておき、前記振動検出器と音圧検出器と温度検
出器と流量検出器と揚程検出器と回転検出器とから入力
層に入力される信号に応じて出力層から出力されるパタ
ーン識別値に基づき、回転機械の各種運転状態に対応す
るパターンを認識し、回転機械が正常、軽故障、重故障
のいずれの状態にあるかを識別するニューロコンピュー
タと、該ニューロコンピュータから出力されるパターン
識別値と識別された回転機械の状態を表示する表示器と
を備えたことを特徴とするものである。

【０００８】

【作用】従って、実際の回転機械の運転時においては、
振動検出器によって振動が検出され、音圧検出器によっ
て音圧が検出され、温度検出器によって軸受温度が検出
されると共に、流量検出器によって流量が検出され、揚
程検出器によって揚程が検出され、回転検出器によって
回転数が検出され、各検出器からの検出信号がニューロ
コンピュータへ入力される。

【０００９】該ニューロコンピュータでは、前記振動検
出器と音圧検出器と温度検出器と流量検出器と揚程検出
器と回転検出器とから入力層に入力される信号に応じて
出力層から出力されるパターン識別値に基づき、回転機
械の各種運転状態に対応するパターンが認識され、回転
機械が正常、軽故障、重故障のいずれの状態にあるかが
識別され、前記パターン識別値と回転機械の状態が表示
器に表示される。

【００１０】この結果、パターン識別値に基づき、回転
機械の正常、軽故障、重故障の区別に加え、各状態の範
囲内における程度の差も数値的に把握される。

【００１１】

【実施例】以下、本発明の実施例を図面を参照しつつ説
明する。

【００１２】図１は本発明の一実施例であって、１は回
転機械、２は回転機械１の振動Ｖを検出する振動検出
器、３は回転機械１の音圧Ｐを検出する音圧検出器、４
は回転機械１の軸受温度Ｔを検出する温度検出器、５は
回転機械１から吐出される流体の流量Ｑを検出する流量
検出器、６は回転機械１から吐出される流体の圧力に基
づいて揚程Ｈを検出する揚程検出器、７は回転機械１の
回転数Ｎを検出する回転検出器、８は回転機械１が正
常、軽故障、重故障のいずれの状態にあるかを識別する
ためのニューロコンピュータ、９はニューロコンピュー
タ８で識別された回転機械１の状態を表示する表示器で
ある。

【００１３】前記ニューロコンピュータ８は、図２に示
す如く、入力層と、中間層と、出力層がシナプスにより
順に階層接続された構成を有し、各層が、外部又は前層
からの入力信号とシナプス結合係数の積和演算を行い非
線形変換して出力するニューロンを含み、前記ニューロ
コンピュータ８に関しては、例えば、特開平５−２１０
６５１号公報に記載されているようなものが存在する。

【００１４】次に、ニューロコンピュータ８へのデータ
の入力の仕方について述べる。

【００１５】ニューロコンピュータ８ではデータ入力を
０〜１に変換して行う。

【００１６】例えば、振動Ｖ（変位）は回転機械１の起
動〜停止の各運用で図３のような頻度分布を示す場合、
軽故障の警報値を５００［μｍ］とすると０〜５００
［μｍ］の範囲についてニューロコンピュータ８への入
力データを０．２〜０．８の範囲になるようにシグモイ
ド曲線

【数１】ｆ（Ｖ）＝１／｛１＋ｅｘｐ（−Ｖ）｝ で近似し、続いて、振動Ｖについて

【表１】 入力値 入力変換値 状態識別値（学習値） 〜０ ［μｍ］（０．０〜０．２）−−−→０．０ ０〜２５０［μｍ］（０．２〜０．５）−−−→１．０ ２５０〜４００［μｍ］（０．５〜０．７）−−−→０．９ ４００〜５００［μｍ］（０．７〜０．８）−−−→０．８ ５００〜 ［μｍ］（０．８〜１．０）−−−→０．０ となるよう状態識別値を学習させる。このとき、これら
の各入力変換値を０〜１の範囲で乱数を発生させて個々
の入力変換値について、例えば、振動Ｖの入力変換値
０．５（２５０［μｍ］相当）については状態識別値を
１．０として学習させる。又、振動Ｖの入力変換値が
０．８（５００［μｍ］相当）では状態識別値を０．８
として学習させる。このように乱数入力で、種々の検出
予想データについて出力０．８、０．９、１．０を学習
させる。尚、このとき０．０〜０．２の範囲及び０．８
〜１．０の範囲の入力変換値については通常の運転状態
での振動値を大きく逸脱していることから全て状態識別
値を０．０で学習させる。但し、こうした学習は、振動
Ｖ以外の他の要素、即ち、後述する音圧Ｐ、軸受温度
Ｔ、流量Ｑ、揚程Ｈ、回転数Ｎが全て正常な状態識別値
において、振動Ｖだけを変化させて行う。

【００１７】同様に音圧Ｐが回転機械１の起動〜停止の
各運用で図４のような頻度分布を示す場合、軽故障の警
報値を１１０［ｄＢ］とすると１００〜１１０［ｄＢ］
の範囲についてニューロコンピュータ８への入力データ
を０．２〜０．８の範囲になるようにシグモイド曲線

【数２】ｆ（Ｐ）＝１／｛１＋ｅｘｐ（−Ｐ）｝ で近似し、続いて、音圧Ｐについて

【表２】 入力値 入力変換値 状態識別値 〜１００［ｄＢ］（０．０〜０．２）−−−→０．０ １００〜１０５［ｄＢ］（０．２〜０．５）−−−→１．０ １０５〜１０８［ｄＢ］（０．５〜０．７）−−−→０．９ １０８〜１１０［ｄＢ］（０．７〜０．８）−−−→０．８ １１０〜 ［ｄＢ］（０．８〜１．０）−−−→０．０ となるよう状態識別値を設定し、更に、これら各入力変
換値を０〜１の範囲で乱数を発生させて個々の入力につ
いて、例えば音圧Ｐの入力０．５（１０５［ｄＢ］相
当）についてはその入力変換値について１．０で状態識
別値を学習させる。又、音圧Ｐの入力が０．８（１１０
［ｄＢ］相当）では状態識別値を０．８で学習させる。
このように乱数入力で、種々の検出予想データについて
出力０．８、０．９、１．０を学習させる。尚、このと
き０．０〜０．２の範囲及び０．８〜１．０の範囲の入
力変換値については正常な運転条件下では逸脱した音圧
レベル値のため全て状態識別値を０．０で学習させる。
但し、こうした学習は、音圧Ｐ以外の他の要素、即ち、
前記振動Ｖ、後述する軸受温度Ｔ、流量Ｑ、揚程Ｈ、回
転数Ｎが全て正常な状態識別値において、音圧Ｐだけを
変化させて行う。

【００１８】同様に軸受温度Ｔが回転機械１の起動〜停
止の各運用で図５のような頻度分布を示す場合、軽故障
の警報値を１２０［℃］とすると６０〜１２０［℃］の
範囲についてニューロコンピュータ８への入力データを
０．２〜０．８の範囲になるようにシグモイド曲線

【数３】ｆ（Ｔ）＝１／｛１＋ｅｘｐ（−Ｔ）｝ で近似し、続いて、軸受温度Ｔについて

【表３】 入力値 入力変換値 状態識別値 〜 ６０［℃］ （０．０〜０．２）−−−→０．０ ６０〜 ９０［℃］ （０．２〜０．５）−−−→１．０ ９０〜１１０［℃］ （０．５〜０．７）−−−→０．９ １１０〜１２０［℃］ （０．７〜０．８）−−−→０．８ １２０〜 ［℃］ （０．８〜１．０）−−−→０．０ となるよう状態識別値を設定し、更に、これら各入力を
０〜１の範囲で乱数を発生させて個々の入力について、
例えば軸受温度Ｔの入力０．５（９０［℃］相当）につ
いてはその入力変換値について１．０の状態識別値の学
習を行わせ、又、軸受温度Ｔの入力が０．８（１２０
［℃］相当）では状態識別値を０．８で学習させる。こ
のように乱数入力で、種々の検出予想データについて出
力０．８、０．９、１．０を学習させる。尚、このとき
０．０〜０．２の範囲及び０．８〜１．０の範囲の入力
変換値については機器が正常な状態の条件では極めて異
常な温度であり全て状態識別値を０．０として学習を行
わせる。但し、こうした学習は、軸受温度Ｔ以外の他の
要素、即ち、前記振動Ｖ、音圧Ｐ、後述する流量Ｑ、揚
程Ｈ、回転数Ｎが全て正常な状態識別値において、軸受
温度Ｔだけを変化させて行う。

【００１９】又、流量Ｑ、揚程Ｈ、回転数Ｎに関して
は、回転機械１の通常操業条件範囲（設計仕様範囲）を
正常な領域とし、それ以外をオーバロードとなった異常
な領域とする。

【００２０】即ち、例えば、流量Ｑの設計仕様範囲が、
図６の如く、４０〜２００［ｋＮｍ ³／ｈｒ］である場
合、この範囲についてニューロコンピュータ８への入力
データを０．２〜０．８の範囲になるようにシグモイド
曲線

【数４】ｆ（Ｑ）＝１／｛１＋ｅｘｐ（−Ｑ）｝ で近似し、続いて、流量Ｑについて

【表４】 入力値 入力変換値 状態識別値 〜 ４０［ｋＮｍ³／ｈｒ］（０．０〜０．２）−−−→０．０ ４０〜２００［ｋＮｍ³／ｈｒ］（０．２〜０．８）−−−→１．０ ２００〜 ［ｋＮｍ³／ｈｒ］（０．８〜１．０）−−−→０．０ となるよう状態識別値を設定し、更に、これら各入力を
０〜１の範囲で乱数を発生させて個々の入力について、
例えば流量Ｑの入力０．８（２００［ｋＮｍ³／ｈｒ］
相当）についてはその入力変換値について１．０の状態
識別値を学習させる。このように乱数入力で、種々の検
出予想データについて状態識別値１．０を学習させる。
尚、このとき０．０〜０．２の範囲及び０．８〜１．０
の範囲の入力については０．２以下の入力変換値はファ
ンのサージング発生限界値であり、０．８以上の入力変
換値はオーバーロードの運転値となることから全て状態
識別値を０．０で学習させる。但し、こうした学習は、
流量Ｑ以外の他の要素、即ち、前記振動Ｖ、音圧Ｐ、軸
受温度Ｔ、後述する揚程Ｈ、回転数Ｎが全て正常な状態
識別値において、流量Ｑだけを変化させて行う。

【００２１】同様に、揚程Ｈの設計仕様条件が、例えば
２０００［ｍｍＡｑ］である場合、前記の流量に対する
揚程の関係を考慮して実際の運転条件範囲についてニュ
ーロコンピュータ８への入力データを０．２〜０．８の
範囲になるようにシグモイド曲線（図７参照）

【数５】ｆ（Ｈ）＝１／｛１＋ｅｘｐ（−Ｈ）｝ で近似し、続いて、例えば４００〜２０００［ｍｍＡ
ｑ］の範囲の運転であれば揚程Ｈについて

【表５】 入力値 入力変換値 状態識別値 〜 ４００［ｍｍＡｑ］（０．０〜０．２）−−−→０．０ ４００〜２０００［ｍｍＡｑ］（０．２〜０．８）−−−→１．０ ２０００〜 ［ｍｍＡｑ］（０．８〜１．０）−−−→０．０ となるよう状態識別値を設定し、更に、これら各入力変
換値を０〜１の範囲で乱数を発生させて個々の入力につ
いて、例えば揚程Ｈの入力０．８（２０００［ｍｍＡ
ｑ］相当）についてはその入力変換値について１．０の
状態識別値で学習を行わせ、このように乱数入力で、種
々の検出予想データについて１．０を学習させる。尚、
このとき０．０〜０．２の範囲及び０．８〜１．０の範
囲の入力変換値については全て出力０．０で学習を行わ
せる。但し、こうした学習は、揚程Ｈ以外の他の要素、
即ち、前記振動Ｖ、音圧Ｐ、軸受温度Ｔ、流量Ｑ、後述
する回転数Ｎが全て正常な状態識別値において、揚程Ｈ
だけを変化させて行う。

【００２２】同様に、回転数Ｎの設計仕様範囲が、６０
０〜１２００［ｒｐｍ］である場合、この範囲について
ニューロコンピュータ８への入力データを０．２〜０．
８の範囲になるようにシグモイド曲線（図８参照）

【数６】ｆ（Ｎ）＝１／｛１＋ｅｘｐ（−Ｎ）｝ で近似し、続いて、回転数Ｎについて

【表６】 入力値 入力変換値 状態識別値 〜 ６００［ｒｐｍ］（０．０〜０．２）−−−→０．０ ６００〜１２００［ｒｐｍ］（０．２〜０．８）−−−→１．０ １２００〜 ［ｒｐｍ］（０．８〜１．０）−−−→０．０ となるように状態識別値を設定し、更に、これら各入力
を０〜１の範囲で乱数を発生させて個々の入力につい
て、例えば回転数Ｎの入力０．８（１２００［ｒｐｍ］
相当）についてはその入力変換値について１．０の状態
識別値を学習させ、このように乱数入力で、種々の検出
予想データについて状態識別値１．０を学習させる。
尚、このとき０．０〜０．２の範囲及び０．８〜１．０
の範囲の入力については流体継手による回転数制御の運
転条件範囲外であることから全て出力０．０で学習を行
わせる。但し、こうした学習は、回転数Ｎ以外の他の要
素、即ち、前記振動Ｖ、音圧Ｐ、軸受温度Ｔ、流量Ｑ、
揚程Ｈが全て正常な状態識別値において、回転数Ｎだけ
を変化させて行う。

【００２３】前述のようにニューロコンピュータ８に学
習を行わせると、例えば振動Ｖだけが５００［μｍ］を
わずかに越え、音圧Ｐ、軸受温度Ｔ、流量Ｑ、揚程Ｈ、
回転数Ｎが正常値（状態識別値１．０）であるような場
合には、状態識別の学習値０．８、０．９、１．０のい
ずれにも該当せず、又振動主体での状態識別の学習値に
ついても０に近いものの学習データに合致しないことか
ら０〜１の中間値を示し、且つ状態識別値０．８に近い
ことから０〜０．８の範囲での識別値となり、０．４程
度の状態識別値が出力されることになる。これは、振動
Ｖのみが異常値領域に入ったものの音圧Ｐや軸受温度Ｔ
が正常値のため、回転機械１のパターン識別としては
０．４程度の異常であることを意味する。一方、音圧
Ｐ、軸受温度Ｔも入力境界値（０．８）程度まで近づく
と、パターン識別値は０．４から更に低下し、０．１〜
０．２程度となる。

【００２４】このようになるのは、前述の如く学習に当
り乱数を用いて入力を行っていることに起因している。
即ち、振動Ｖが５００［μｍ］を越えると、パターン識
別値は０．０になるはずであるが、５００［μｍ］の境
界では、図３に示す如く、パターン識別値は０．０では
なく、０．０と０．８の中間の値になるものと予想され
るためである。尚、５００［μｍ］を大きく越えた場合
は、学習する乱数入力がその５００［μｍ］を越える領
域を充分カバーしており、当然のことながら、パターン
識別値は０．０となる。又、乱数入力の数が多ければ多
いほど、出力されるパターン識別値１．０，０．９，
０．８と０．０との違いは明確となる。

【００２５】このような学習によるパターン識別を利用
し、出力されるパターン識別値に基づき、例えば、以下
のように、 パターン識別値 診断結果 ０．８〜１．０−−−→正常 ０．４〜０．８−−−→軽故障 ０．０〜０．４−−−→重故障 とし、該パターン識別値と診断結果を表示器９に表示す
るように構成する。

【００２６】尚、流量Ｑ、揚程Ｈ、回転数Ｎのいずれか
が設計仕様範囲を越えた場合には、オーバロードとして
即座に表示器９に表示がなされるようにしてある。

【００２７】次に、上記実施例の作動を説明する。

【００２８】実際の回転機械１の運転時においては、振
動検出器２によって振動Ｖが検出され、音圧検出器３に
よって音圧Ｐが検出され、温度検出器４によって軸受温
度Ｔが検出されると共に、流量検出器５によって流量Ｑ
が検出され、揚程検出器６によって揚程Ｈが検出され、
回転検出器７によって回転数Ｎが検出され、各検出器
２，３，４，５，６，７からの検出信号がニューロコン
ピュータ８へ入力される。

【００２９】該ニューロコンピュータ８では、前記振動
検出器２と音圧検出器３と温度検出器４と流量検出器５
と揚程検出器６と回転検出器７とから入力層に入力され
る信号に応じて出力層から出力されるパターン識別値に
基づき、回転機械１の各種運転状態に対応するパターン
が認識され、回転機械１が正常、軽故障、重故障のいず
れの状態にあるかが識別され、前記パターン識別値と回
転機械１の状態が表示器９に表示される。

【００３０】この結果、例えば、振動Ｖが経時的に１０
０［μｍ］から４００［μｍ］に上昇したような場合に
は、表示器９に表示されるパターン識別値が１．０から
減少して０．８に近づいて行くため、正常の範囲の中で
も、どの程度の正常であるのかが数値的に把握される。
このことは、軽故障や重故障においても同様であり、そ
の程度が捉えられる。

【００３１】こうして、回転機械１の故障の程度を精度
よく識別することが可能となる。

【００３２】尚、本発明の回転機械の故障診断装置は、
上述の実施例にのみ限定されるものではなく、振動（変
位）そのものをニューロコンピュータへ入力することに
加え、振動の周波数成分をニューロコンピュータへ入力
するようにしてもよいこと等、その他、本発明の要旨を
逸脱しない範囲内において種々変更を加え得ることは勿
論である。

【００３３】

【発明の効果】以上、説明したように本発明の回転機械
の故障診断装置によれば、故障の程度を精度よく識別し
得るという優れた効果を奏し得る。

【図面の簡単な説明】

【図１】本発明の一実施例の概要構成図である。

【図２】ニューロコンピュータの概念図である。

【図３】回転機械における振動（変位）の頻度分布とニ
ューロコンピュータへのデータ入力変換値と出力との対
応関係の一例を表わす線図である。

【図４】回転機械における音圧の頻度分布とニューロコ
ンピュータへのデータ入力変換値と出力との対応関係の
一例を表わす線図である。

【図５】回転機械における軸受温度の頻度分布とニュー
ロコンピュータへのデータ入力変換値と出力との対応関
係の一例を表わす線図である。

【図６】回転機械における流量の設計仕様範囲とニュー
ロコンピュータへのデータ入力変換値と出力との対応関
係の一例を表わす線図である。

【図７】回転機械における揚程の設計仕様範囲とニュー
ロコンピュータへのデータ入力変換値と出力との対応関
係の一例を表わす線図である。

【図８】回転機械における回転数の設計仕様範囲とニュ
ーロコンピュータへのデータ入力変換値と出力との対応
関係の一例を表わす線図である。

【図９】従来の回転機械における故障診断の一例を表わ
す模式図である。

【符号の説明】

１ 回転機械 ２ 振動検出器 ３ 音圧検出器 ４ 温度検出器 ５ 流量検出器 ６ 揚程検出器 ７ 回転検出器 ８ ニューロコンピュータ ９ 表示器 Ｖ 振動 Ｐ 音圧 Ｔ 軸受温度 Ｑ 流量 Ｈ 揚程 Ｎ 回転数

Claims (1)

【特許請求の範囲】
1. 【請求項１】 回転機械の振動を検出する振動検出器
   と、 回転機械の音圧を検出する音圧検出器と、 回転機械の軸受温度を検出する温度検出器と、 回転機械から吐出される流体の流量を検出する流量検出
   器と、 回転機械から吐出される流体の圧力に基づいて揚程を検
   出する揚程検出器と、 回転機械の回転数を検出する回転検出器と、 入力層と、中間層と、出力層がシナプスにより順に階層
   接続された構成を有し、各層が、外部又は前層からの入
   力信号とシナプス結合係数の積和演算を行い非線形変換
   して出力するニューロンを含み、回転機械の各種運転状
   態において前記振動検出器と音圧検出器と温度検出器と
   流量検出器と揚程検出器と回転検出器とから入力層に所
   定の信号が入力された場合に、出力層から所定の出力信
   号が出力されるよう予め学習を行っておき、前記振動検
   出器と音圧検出器と温度検出器と流量検出器と揚程検出
   器と回転検出器とから入力層に入力される信号に応じて
   出力層から出力されるパターン識別値に基づき、回転機
   械の各種運転状態に対応するパターンを認識し、回転機
   械が正常、軽故障、重故障のいずれの状態にあるかを識
   別するニューロコンピュータと、 該ニューロコンピュータから出力されるパターン識別値
   と識別された回転機械の状態を表示する表示器とを備え
   たことを特徴とする回転機械の故障診断装置。