JPH10333743A - 負荷変動を伴う設備の簡易異常診断方法及びその簡易異常診断装置 - Google Patents

Abstract

(57)【要約】 【課題】 異常兆候データに影響を及ぼす他の要因を考
慮することにより、異常診断の精度を高める。 【解決手段】 稼働速度及び負荷が変動する設備の異常
診断を行う場合において、異常兆候データである振動異
常に対して、外乱の要因と考えられる速度変動やトルク
変動等の負荷変動の影響度を、ニューラルネットワーク
を用いて同定し、所定の変数を与えることによって、各
影響を補正する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、負荷変動を伴う設
備の簡易異常診断方法及びその簡易異常診断装置に関す
る。具体的には、例えば、製鉄設備等の生産設備等で使
用される回転機械装置、特に、回転速度変動やトルク変
動等の負荷変動を伴う回転機械系において、異常発生に
伴う異常兆候データを検出することで、その異常部位ま
たは異常原因の判定を行うことができるようにしたもの
である。

【０００２】

【従来の技術】回転機械設備において、安定した生産状
態を維持するためには、歯車や軸受等の機械要素の異常
を常に監視し、異常が発生した場合には速やかに対策を
とることが重要となっている。このため、従来から種々
の設備異常診断方法が、提案されていた。しかし、従来
の設備異常診断方法は、稼働状態が安定した場合におい
てのみ有効であった。すなわち、稼働状態で常に負荷変
動を伴う設備において、生産ラインを止めずに、タイミ
ングを図って異常兆候データを採取し、精密な判定を行
うことは困難であった。

【０００３】そこで、上記した問題点に対処するため
に、異常兆候データとして検出された振動信号に対して
所定の処理を行って得られた信号と、回転数検出器で検
出された回転機械の回転数とを次数比分析回路に入力
し、回転次数比を求めて該回転機械の異常診断を行う方
法が、特開昭５４−１５４０５９号公報に開示されてい
る。また、異常兆候データとして検出された振動信号に
対して所定の処理を行って得られた信号と、回転数検出
器で検出された回転機械の回転数とをデジタル信号とし
て測定した後に、予め設定した標準回転周期と回転系の
回転周期の比率から、該回転周期信号と同時にサンプリ
ングされた上記振動信号の時間間隔変更処理を行い、そ
の後この時間間隔変更処理のなされた振動信号を使うこ
とによって、回転数が変動する設備の診断を行う方法
が、特開平４−２７９８２６号公報に開示されている。

【０００４】

【発明が解決しようとする課題】しかし、上記した特開
昭５４−１５４０５９号公報に記載された発明では、専
用のアナログ回路を設ける必要があった。また、特開平
４−２７９８２６号公報に記載された発明では、負荷変
動は回転変動としてしか考慮することができず、トルク
変動等の異常兆候データに影響を及ぼすその他の要因を
考慮することができなかった。このため、異常診断の精
度が低下するという問題があった。そこで、本発明は、
上記課題を有利に解決して、異常兆候データに影響を及
ぼす他の要因を考慮することにより、異常診断の精度を
高めることが可能な負荷変動を伴う設備の簡易異常診断
方法及びその簡易異常診断装置を提供することを目的と
するものである。

【０００５】

【課題を解決するための手段】

（特徴点）本発明は、上記した目的を達成するためのも
ので、以下に説明するような特徴点を備えている。請求
項１記載の発明は、以下の点を特徴とする。すなわち、
異常兆候データと共に当該異常兆候データに影響を及ぼ
すと考えられる負荷変動データを採取するデータ採集課
程と、上記異常兆候データと上記負荷変動データとに基
づいて異常診断を行う異常診断課程とからなる。上記デ
ータ採集課程では、速度変動データ及びトルク変動デー
タをそれぞれ時系列にデジタル化して計測する。上記移
動診断課程では、過去の異常兆候データ値Ｘi-1，Ｘi-
2，・・・，Ｘi-n が、現在の異常兆候データ値Ｘiに対
して与える影響度と、現在から過去の速度変動データ値
Ｙi，Ｙi-1，・・・，Ｙi-n及び現在から過去のトルク
変動データ値Ｚi，Ｚi-1，・・・，Ｚi-nが、現在の異
常兆候データ値Ｘiに対して与える影響度とを、現在の
異常兆候データ値Ｘiを教師データとし、過去の異常兆
候データ値Ｘi-1，Ｘi-2，・・・，Ｘi-nと、現在から
過去の速度変動データ値Ｙi，Ｙi-1，・・・，Ｙi-n
と、現在から過去のトルク変動データ値Ｚi，Ｚi-1，・
・・，Ｚi-nとを入力データとして、ニューラルネット
ワークにより同定する。さらに、上記ニューラルネット
ワークの入力データとして、過去の異常兆候データ値Ｘ
i-1，Ｘi-2，・・・，Ｘi-nと、現在から過去の速度変
動データ値Ｙi，Ｙi-1，・・・，Ｙi-nとに対応する所
定の定数αと、現在から過去のトルク変動データ値Ｚ
i，Ｚi-1，・・・，Ｚi-nに対応する所定の定数βとを
代入して、異常兆候データに対する各々の影響を補正す
る。そして、補正した異常兆候データ値Ｘi'を用いて異
常診断を行う。

【０００６】請求項２記載の発明は、上記した請求項１
記載の発明の特徴点に加えて、以下の点を特徴とする。
すなわち、上記異常兆候データとして、振動加速度，速
度，変位，電動機の電流，歪みの各データを用いる。ま
た、上記速度変動データとして、電動回転機の速度，回
転数の各データを用いる。また、上記トルク変動データ
として、回転トルク，電動機の電流の各データを用い
る。

【０００７】請求項３記載の発明は、上記した請求項１
又は請求項２記載の発明の特徴点に加えて、以下の点を
特徴とする。すなわち、現在の異常兆候データに対する
過去の影響をどこまで考慮すべきかをＦＰＥ（最終予測
値誤差：final prediction error）アルゴリズム、前進
選択法、又は後退消去法を用いて自動的に決定する。

【０００８】請求項４記載の発明は、以下の点を特徴と
する。すなわち、必要なデータを収集するデータ収集装
置と、上記データ収集装置により採取したデータに負荷
変動補正を行い、設備の異常診断アルゴリズムを実行す
る演算装置と、上記データ収集から異常診断までの一連
の過程における結果を記憶する記憶装置と、上記記憶装
置の内容を表示する表示装置と、上記演算装置において
設備異常と判定した場合に警報を発生する警報装置とに
より負荷変動を伴う設備の簡易異常診断装置を構成する
ことを特徴とする。

【０００９】（作用）回転体機械要素において、例えば
軸受の疵などの異常が発生すると、疵を起点とした衝突
が起こり、異常兆候データとして振動異常が発生する。
請求項１記載の発明においては、外乱と考えられる異常
以外の振動変化の要因、例えば、速度変動やトルク変動
等の負荷変動を伴う場合であっても、ニューラルネット
ワークを用いて各振動の発生の影響度を同定し、所定の
変数を与えることによって各影響を補正し、診断精度を
向上させることができる。

【００１０】請求項２記載の発明においては、異常兆候
データ、速度変動データ、トルク変動データとして、採
取可能なあらゆるデータを使用して異常診断を行うこと
により、異常診断が広範囲にわたって可能となる。

【００１１】請求項３記載の発明においては、異常兆候
データが過去の影響をどこまで考慮すべきかをＦＰＥア
ルゴリズム、前進選択法、又は後退消去法によって自動
的に決定することにより、ニューラルネットワークの設
定を簡便にすることができる。

【００１２】請求項４記載の発明においては、異常診断
装置を用いることにより、より迅速に解を求めることが
できる。

【００１３】

【発明の実施の形態】

（診断装置を応用する圧延ロール駆動系設備）以下、図
面に基づいて、本発明の実施の形態の一例を説明する。
図１は、本発明に係る診断装置の概略構成を示したブロ
ック図、図２は、診断装置を応用した圧延工程の粗圧延
機の概略構成を示した説明図である。本発明に係る診断
装置１は、図２に示すように、例えば、圧延工程の粗圧
延機の圧延ロール駆動系設備２に対して取り付けて使用
される。この圧延ロール駆動系設備２は、図２に示すよ
うに、半製品状の鋼板３を加減速の速度変動及びトルク
変動等の負荷変動を伴いつつ圧延を行う設備である。具
体的には、圧延ロール駆動系設備２は、圧延ロールであ
るワークロール４をスピンドル５、ピニオンスタンド
６、減速機７を介してモータ８で駆動し、鋼板３を圧延
するようになっている。上記したそれぞれの機器は、軸
受９を備えていて、各軸受９に対してセンサー１０を設
置してある。このセンサー１０としては、例えば、異常
兆候データを採取するための加速度振動計と、速度変動
を計るための回転計と、トルク変動を計るための歪みゲ
ージとを用いる。

【００１４】（診断装置）診断装置は、図１に示すよう
に、オペレータ１８が操作するキーボード等の入力装置
１１と、上記した圧延ロール駆動系設備２に設置したセ
ンサー１０と、診断に必要なデータを収集するデータ収
集装置１２と、採取したデータとニューラルネットワー
クを用いて各負荷変動による振動の発生の影響度を同定
し、所定の変数を与えることによって各影響を補正して
演算する診断データ補正演算装置１３と、補正された診
断データを使用して、従来用いられている周波数分析
と、振動ピーク診断アルゴリズムとを実行し異常判定を
行う判定演算装置１４と、演算に用いるデータ及び補正
演算過程及び結果を記憶する記憶装置１５と、演算の過
程及び診断結果を表示する表示装置１６と、異常状態が
発生した場合に警報を発生する警報装置１７とを備えて
いる。

【００１５】（各装置の説明）上記したオペレータ１８
が操作するキーボード等からなる入力装置１１と、セン
サー１０とにより、データ収集装置１２に対してデータ
の入力が行われる。この場合、オペレータ１８からの入
力は、オフラインで行われ、センサー１０からの入力は
オンラインで行われる。上記したデータ収集装置１２
と、診断データ補正演算装置１３と、判定演算装置１４
とは、例えば、ＣＰＵ及び付属機器を備えたコンピュー
タにより構成され、予め設定されたプログラムに従って
コンピュータが動作することにより、コンピュータが各
装置として機能する。

【００１６】（異常診断方法）上記した診断データ補正
演算装置１３と、判定演算装置１４とにより、過去の異
常兆候データ値Ｘi-1，Ｘi-2，・・・，Ｘi-nが、診断
に必要である現在の異常兆候データ値Ｘiに対して与え
る影響度と、現在から過去の速度変動データ値Ｙi，Ｙi
-1，・・・，Ｙi-n及び現在から過去のトルク変動デー
タ値Ｚi，Ｚi-1，・・・，Ｚi-nが、現在の異常兆候デ
ータ値Ｘiに対して与える影響度とを、現在の異常兆候
データ値Ｘiを教師データとし、過去の異常兆候データ
値Ｘi-1，Ｘi-2，・・・，Ｘi-nと、現在から過去の速
度変動データ値Ｙi，Ｙi-1，・・・，Ｙi-nと、現在か
ら過去のトルク変動データ値Ｚi，Ｚi-1，・・・，Ｚi-
nとを入力データとして、ニューラルネットワークによ
り同定する。さらに、ニューラルネットワークの入力デ
ータとして、過去の異常兆候データ値Ｘi-1，Ｘi-2，・
・・，Ｘi-nと、現在から過去の速度変動データ値Ｙi，
Ｙi-1，・・・，Ｙi-nとに対応する所定の定数αと、現
在から過去のトルク変動データ値Ｚi，Ｚi-1，・・・，
Ｚi-nに対応する所定の定数βとを代入して、異常兆候
データに対する各々の影響を補正する。そして、補正し
た異常兆候データＸi'を用いて、従来用いられている周
波数分析、振動ピーク診断アルゴリズムを実行して、異
常判定を行う。

【００１７】（その他の付属装置）上記した記憶装置１
５は、例えばＲＡＭ、ハードディスク記憶装置、その他
の磁気的あるいは光学的記憶装置により構成され、デー
タ収集装置１２により収集したデータや、診断データ補
正演算手段１３及び判定演算装置１４における演算デー
タを記憶する。上記した表示装置は、例えば、ＣＲＴ表
示装置等により構成され、演算の過程及び診断結果を表
示する。上記した警報装置１７は、例えば、警報音を発
生するアンプ及びスピーカや、発光により警報を発生す
るランプにより構成され、異常状態が発生した場合に警
報を発生させる。

【００１８】（ニューラルネットワーク）上記した診断
装置１で利用するニューラルネットワークとは、複数の
比較的単純な要素が互いに連結して、単純な信号をやり
取りすることで情報処理を行うシステムのことであり、
神経細胞（ニューロン）の構造や働きをハードウエアや
ソフトウエアで模倣し、人間の脳が行っているような高
度な情報処理を実現しようと目指す技術のことをいう。
このニューラルネットは、学習機能を備えていて、入力
データと出力データの間に一見して分かる関連性が見出
し難い場合でも、入力データと出力データの組み合わせ
を学習させれば、システムは自分で内部規則を作り出す
ことができる。

【００１９】本実施例で用いたニューラルネットワーク
を、図３に基づいて説明する。ニューラルネットワーク
は、入力データ層と出力データ層の間に複数層の隠れ層
を持っている。すなわち、図３に示すようにｉ＝１〜ｎ
まで採取したｎ個の振動加速度データ（異常兆候デー
タ）値Ｘiと、速度変動データ値Ｙi 及びトルク変動デ
ータ値Ｚi を、別途、ＦＰＥ（最終予測値誤差：final
prediction error）アルゴリズム、前進選択法、又は後
退消去法を用いて求め、あるいは、事前に設定した入力
データ数を３ｍ＋２とし、出力層を１つを持っている。
ニューラルネットワークにおける学習は、学習教師デー
タを現在のデータ値Ｘiとしたとき、Ｘiに対する過去の
データ値Ｘi-1，Ｘi-2，・・・，Ｘi-m と、現在から過
去の速度変動データ値Ｙi，Ｙi-1，・・・，Ｙi-m 及び
トルク変動データ値Ｚi，Ｚi-1，・・・，Ｚi-m を入力
データとし、ｉ＝（３ｍ＋２）〜ｎまでの入出力データ
の組み合わせを、教師データと出力データの差が所定の
レベルまで小さくなるように繰り返し学習させ、各デー
タの要因を同定するものである。ここでの添字のｉは、
データ値をデジタル化する際の時系列タイミングにひも
つきである。

【００２０】ところで、前述した入力データ数の決定方
法であるＦＰＥアルゴリズムは、線型予測モデルの入力
次数の一般的な手法で、所定のニューラルネットワーク
の学習を行った後のネットワークを各次数毎に記憶して
おき、評価して決定方法とするものである。また、前述
した前進選択法とは、説明変数が一つも含まれていない
場合からスタートして以下の手順により変数を一つずつ
増加させるものである。 (i)目的変数ｙとの単相関が最大（言い換えると、一つ
ずつ順番に変数を採用してみて回帰式を計算したとき、
回帰係数の検定のためのｔの絶対値又はＦ値が最大）の
変数を選び、回帰係数がゼロであるという仮説の検定を
して仮説が棄却されなければ、どの変数も回帰モデルに
含めない。一方、仮説が棄却されれば、この変数を取り
込んで次のステップに進む。 (ii)既に入っている変数に加えて残りの変数を一つずつ
順番に採用してみて偏相関係数が最大（回帰係数検定の
ためのｔの絶対値又はＦ値が最大）の変数を選ぶ。選ば
れた変数に対する回帰係数がゼロであるという仮説の検
定を行い、仮説が棄却されなければ、終了する。一方、
仮説が棄却されれば、選ばれた変数を取り込んで次のス
テップに進む。 (iii)回帰式を計算する。もし、モデルに全ての変数が
含まれていれば、終了する。一方、そうでなければステ
ップ(ii)へ戻る。また、前述した後退消去法とは、説明
変数の候補全てが含まれた状態からスタートして次のよ
うな手順で変数を一つずつ減少させるものである。 (i)モデルに含まれている変数の各々に対する回帰係数
検定のためのｔまたはＦ値を計算し、その中の絶対値が
最小となる変数を選ぶ。回帰係数がゼロであるという仮
説が棄却されなければ、その変数をおとして次のステッ
プへ進む。一方、棄却されれば、終了する。 (ii)もし、モデルに含まれる変数が無くなっていれば、
終了する。一方、そうでなければ回帰式を計算し直して
ステップ(i)へ戻る。 このようにして各データの要因を同定した後に、ニュー
ラルネットワークの入力データとして、学習時と同様
に、現在の振動加速度データ（異常兆候データ）値Ｘi
に対する過去の振動加速度データ（異常兆候データ）値
Ｘi-1，Ｘi-2，・・・，Ｘi-nと、現在から過去の速度
変動データ値Ｙi，Ｙi-1，・・・，Ｙi-nに対応する所
定の定数αをと、現在から過去のトルク変動データ値Ｚ
i，Ｚi-1，・・・，Ｚi-nに対応する所定の定数βとを
代入して、出力層から出てくる変換されたデータＸi'を
補正データとして利用する。次に、補正データに基づい
て、従来のオーバーオール値診断と、周波数分析と、無
次元パラメータとによるトレンド診断等の異常診断分析
手法を用いて、データの解析を行う。

【００２１】（診断装置における異常診断の評価）上記
した診断装置１を用いて、モータの負荷変動時の無負荷
状態時の振動のオーバーオール値を使用し、アンバラン
ス量の変化によるバラツキを評価した。この診断評価
を、図４に基づいて説明する。図４に示すように、本発
明に係る診断装置１を用いて診断を行うと、安定状態を
わざわざ作らなくても、負荷一定状態におけるオーバー
オール量実績と、負荷変動状態におけるオーバーオール
量予測との間に、相関係数９６％と極めて相関関係を得
ることができた。このような結果から、稼働中であれ
ば、タイミングを計らなくても常に診断が可能となり、
診断による設備管理の信頼性を高めることが可能となる
ことがわかる。

【００２２】

【発明の効果】本発明は、上記した構成からなるので、
以下に説明するような効果を奏することができる。請求
項１記載の発明によれば、外乱と考えられる異常以外の
振動変化の要因、を伴う場合であっても、ニューラルネ
ットワークを用いて各振動の発生の影響度を同定し、所
定の変数を与えることによって、異常診断の精度を向上
させることができる。

【００２３】請求項２記載の発明においては、計測可能
なあらゆるデータを使って異常診断を行うことにより、
異常診断が広範囲に渡って可能となる。

【００２４】請求項３記載の発明においては、ＦＰＥア
ルゴリズム、前進選択法、又は後退消去法を使用するこ
とにより、ニューラルネットワークの設定を簡便にする
ことができる。

【００２５】請求項４記載の発明においては、異常診断
装置を用いることにより、より迅速に解を求めることが
できる。

【図面の簡単な説明】

【図１】本発明に係る診断装置の概略構成を示したブロ
ック図である。

【図２】本発明の診断装置を応用した圧延工程の粗圧延
機の概略構成を示した説明図である。

【図３】ニューラールネットワークの構成及び本発明に
おける学習メカニズムを示した説明図である。

【図４】圧延ロール駆動系設備における負荷変動時と無
負荷状態時のアンバランス量との変化によるバラツキ評
価を示した説明図である。

【符号の説明】

１ 診断装置 ２ 圧延ロール駆動系設備 ３ 鋼板 ４ ワークロール ５ スピンドル ６ ピニオンスタンド ７ 減速機 ８ モータ ９ 軸受 １０ センサー １１ 入力装置 １２ データ収集装置 １３ 診断データ補正演算装置 １４ 判定演算装置 １５ 記憶装置 １６ 表示装置 １７ 警報装置 １８ オペレータ

フロントページの続き (72)発明者 相蘇 勝宏 千葉県富津市新富20−１ 新日本製鐵株式 会社技術開発本部内

Claims (4)

【特許請求の範囲】
1. 【請求項１】 負荷変動を伴う設備の簡易異常診断方法
   において、 異常兆候データと共に当該異常兆候データに影響を及ぼ
   すと考えられる負荷変動データを採取するデータ採集課
   程と、 上記異常兆候データと上記負荷変動データとに基づいて
   異常診断を行う異常診断課程とからなり、 上記データ採集課程では、 速度変動データ及びトルク変動データをそれぞれ時系列
   にデジタル化して計測し、 上記移動診断課程では、 過去の異常兆候データ値Ｘi-1，Ｘi-2，・・・，Ｘi-n
   が、現在の異常兆候データ値Ｘiに対して与える影響度
   と、現在から過去の速度変動データ値Ｙi，Ｙi-1，・・
   ・，Ｙi-n及び現在から過去のトルク変動データ値Ｚi，
   Ｚi-1，・・・，Ｚi-nが、現在の異常兆候データ値Ｘi
   に対して与える影響度とを、現在の異常兆候データ値Ｘ
   iを教師データとし、過去の異常兆候データ値Ｘi-1，Ｘ
   i-2，・・・，Ｘi-nと、現在から過去の速度変動データ
   値Ｙi，Ｙi-1，・・・，Ｙi-nと、現在から過去のトル
   ク変動データ値Ｚi，Ｚi-1，・・・，Ｚi-nとを入力デ
   ータとして、ニューラルネットワークにより同定し、 さらに上記ニューラルネットワークの入力データとし
   て、過去の異常兆候データ値Ｘi-1，Ｘi-2，・・・，Ｘ
   i-nと、現在から過去の速度変動データ値Ｙi，Ｙi-1，
   ・・・，Ｙi-nとに対応する所定の定数αと、現在から
   過去のトルク変動データ値Ｚi，Ｚi-1，・・・，Ｚi-n
   に対応する所定の定数βとを代入して、異常兆候データ
   に対する各々の影響を補正し、 補正した異常兆候データ値Ｘi'を用いて異常診断を行う
   ことを特徴とする負荷変動を伴う設備の簡易異常診断方
   法。
2. 【請求項２】上記異常兆候データとして、振動加速度，
   速度，変位，電動機の電流，歪みの各データを用い、 上記速度変動データとして、電動回転機の速度，回転数
   の各データを用い、 上記トルク変動データとして、回転トルク，電動機の電
   流の各データを用いることを特徴とする請求項１記載の
   負荷変動を伴う設備の簡易異常診断方法。
3. 【請求項３】現在の異常兆候データに対する過去の影響
   をどこまで考慮すべきかをＦＰＥアルゴリズム、前進選
   択法、又は後退消去法を用いて自動的に決定することを
   特徴とする請求項１又は請求項２記載の負荷変動を伴う
   設備の簡易異常診断方法。
4. 【請求項４】負荷変動を伴う設備の簡易異常診断装置に
   おいて、 異常診断に必要なデータを収集するデータ収集装置と、 上記データ収集装置により採取したデータに負荷変動補
   正を行い、設備の異常診断アルゴリズムを実行する演算
   装置と、 上記データ収集から異常診断までの一連の過程における
   結果を記憶する記憶装置と、 上記記憶装置の内容を表示する表示装置と、 上記演算装置において設備異常と判定した場合に警報を
   発生する警報装置と、 を備えたことを特徴とする負荷変動を伴う設備の簡易異
   常診断装置。