KR102150425B1 - Monitoring apparatus for rotary machine and monitoring method for rotary machine - Google Patents

Monitoring apparatus for rotary machine and monitoring method for rotary machine Download PDF

Info

Publication number
KR102150425B1
KR102150425B1 KR1020160006335A KR20160006335A KR102150425B1 KR 102150425 B1 KR102150425 B1 KR 102150425B1 KR 1020160006335 A KR1020160006335 A KR 1020160006335A KR 20160006335 A KR20160006335 A KR 20160006335A KR 102150425 B1 KR102150425 B1 KR 102150425B1
Authority
KR
South Korea
Prior art keywords
characteristic factor
condition diagnosis
rotating machine
leakage
diagnosis characteristic
Prior art date
Application number
KR1020160006335A
Other languages
Korean (ko)
Other versions
KR20170087092A (en
Inventor
강현식
박현용
Original Assignee
현대일렉트릭앤에너지시스템(주)
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 현대일렉트릭앤에너지시스템(주) filed Critical 현대일렉트릭앤에너지시스템(주)
Priority to KR1020160006335A priority Critical patent/KR102150425B1/en
Publication of KR20170087092A publication Critical patent/KR20170087092A/en
Application granted granted Critical
Publication of KR102150425B1 publication Critical patent/KR102150425B1/en

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks
    • E—FIXED CONSTRUCTIONS
    • E03—WATER SUPPLY; SEWERAGE
    • E03B—INSTALLATIONS OR METHODS FOR OBTAINING, COLLECTING, OR DISTRIBUTING WATER
    • E03B9/00—Methods or installations for drawing-off water
    • E03B9/02—Hydrants; Arrangements of valves therein; Keys for hydrants
    • E03B9/04—Column hydrants
    • A—HUMAN NECESSITIES
    • A62—LIFE-SAVING; FIRE-FIGHTING
    • A62C—FIRE-FIGHTING
    • A62C35/00—Permanently-installed equipment
    • A62C35/20—Hydrants, e.g. wall-hoses, wall units, plug-in cabinets
    • E—FIXED CONSTRUCTIONS
    • E03—WATER SUPPLY; SEWERAGE
    • E03B—INSTALLATIONS OR METHODS FOR OBTAINING, COLLECTING, OR DISTRIBUTING WATER
    • E03B9/00—Methods or installations for drawing-off water
    • E03B9/02—Hydrants; Arrangements of valves therein; Keys for hydrants
    • E03B9/025—Taps specially designed for outdoor use, e.g. wall hydrants, sill cocks
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H1/00—Measuring characteristics of vibrations in solids by using direct conduction to the detector
    • G01H1/003—Measuring characteristics of vibrations in solids by using direct conduction to the detector of rotating machines
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M3/00—Investigating fluid-tightness of structures
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02K—DYNAMO-ELECTRIC MACHINES
    • H02K11/00—Structural association of dynamo-electric machines with electric components or with devices for shielding, monitoring or protection
    • H02K11/20—Structural association of dynamo-electric machines with electric components or with devices for shielding, monitoring or protection for measuring, monitoring, testing, protecting or switching

Abstract

본 발명의 일 실시예에 따른 회전기 모니터링 장치 및 방법은 회전기의 동작 상태 정보로부터 누유 상태진단 특성 인자와 진동/소음 상태 진단 특성 인자를 추출하는 데이터 추출 모듈, 상기 데이터 추출 모듈에 의해 추출된 누유 상태진단 특성 인자와 진동/소음 상태 진단 특성 인자를 회전기의 초기 정상 상태 건전성 데이터와 비교하는 데이터 분석 모듈, 상기 누유 상태진단 특성 인자를 이용하여 다중 로지스틱 회귀 분석을 시행하고, 상기 진동/소음 상태 진단 특성 인자를 이용하여 다중 선형 회귀 분석을 시행하는 통계적 추정 모듈과, 상기 다중 로지스틱 회귀 분석을 통해 획득한 누유 발생 확률값이 제1 기준값 이상이면 누유가 발생된 것으로 평가하고, 상기 다중 선형 회귀 분석을 통해 획득한 예측 효율값이 제2 기준값보다 작으면 회전기에 문제가 발생된 것으로 평가하여, 결과를 상기 데이터 저장부에 저장하는 평가 해석 모듈을 포함할 수 있다. The apparatus and method for monitoring a rotating machine according to an embodiment of the present invention include a data extraction module for extracting a leakage condition diagnosis characteristic factor and a vibration/noise condition diagnosis characteristic factor from operation status information of the rotating machine, and a leakage oil condition extracted by the data extraction module. A data analysis module that compares the diagnostic characteristic factor and the vibration/noise state diagnostic characteristic factor with the initial steady state health data of the rotating machine, and performs multiple logistic regression analysis using the leak condition diagnostic characteristic factor, and the vibration/noise state diagnostic characteristic A statistical estimation module that performs multiple linear regression analysis using factors, and if the probability of occurrence of leakage of oil obtained through the multiple logistic regression is greater than or equal to the first reference value, it is evaluated as having leakage, and is obtained through the multiple linear regression analysis. If one predicted efficiency value is less than the second reference value, it may include an evaluation and analysis module that evaluates that a problem has occurred in the rotating machine and stores the result in the data storage unit.

Figure R1020160006335
Figure R1020160006335

Description

회전기 모니터링 장치 및 회전기 모니터링 방법{MONITORING APPARATUS FOR ROTARY MACHINE AND MONITORING METHOD FOR ROTARY MACHINE}Rotator monitoring device and rotating machine monitoring method {MONITORING APPARATUS FOR ROTARY MACHINE AND MONITORING METHOD FOR ROTARY MACHINE}

본 발명은 회전기를 모니터링하는 회전기 모니터링 장치 및 회전기 모니터링 방법에 관한 것이다.
The present invention relates to a rotating machine monitoring apparatus and a rotating machine monitoring method for monitoring a rotating machine.

회전기 제품은 크게 전동기와 발전기로 나눌 수 있다. 전동기는 송배전을 통해 수용가에 공급된 전력으로 발전소, 담수설비, 화공플랜트 등 모든 산업 플랜트에서 펌프, 팬, 컴프레서 등을 구동하는데 사용된다. 발전기는 디젤 엔진, 가스터빈과 결합하여 전력을 생산하는데 사용되며 선박 내에서도 전력공급을 위해 이용된다. 전동기나 발전기는 산업설비계통에서 여러 개의 모터들의 조합으로 제어하고 있으므로 문제가 생긴 모터를 찾는데 어려움이 있다. 또한, 문제가 발생된 후에 모터를 확인하는 것은 문제의 발생을 사전에 막을 수 없기 때문에 큰 고장을 야기시켜 산업설비 계통에 마비를 일으킬 염려가 있다.
Rotator products can be largely divided into motors and generators. An electric motor is the power supplied to customers through transmission and distribution and is used to drive pumps, fans, compressors, etc. in all industrial plants such as power plants, desalination facilities, and chemical plants. Generators are used to generate power by combining diesel engines and gas turbines, and are also used for power supply in ships. Since the motor or generator is controlled by a combination of several motors in the industrial facility system, it is difficult to find a motor with a problem. In addition, checking the motor after a problem has occurred may cause a major breakdown since the occurrence of the problem cannot be prevented in advance, thereby causing paralysis of the industrial equipment system.

대한민국 공개특허공보 제10-2013-0134092호Republic of Korea Patent Publication No. 10-2013-0134092

본 발명의 일 실시예에 따르면, 회전기의 구동시 발생되는 소음 및 진동과 상태 정보를 수집하여 회전기의 이상 진단 및 고장 예측을 모니터링하는 회전기 모니터링 장치 및 회전기 모니터링 방법이 제공된다.
According to an embodiment of the present invention, there is provided a rotating machine monitoring device and a rotating machine monitoring method for monitoring abnormality diagnosis and failure prediction of a rotating machine by collecting noise and vibration and status information generated when a rotating machine is driven.

상술한 본 발명의 과제를 해결하기 위해, 본 발명의 일 실시예에 따른 회전기 모니터링 장치는 회전기의 센서로부터 회전기의 동작 상태 정보를 수신받는 수신부, 상기 수신부로부터 전달받은 회전기의 동작 상태 정보를 저장하는 데이터 저장부, 회전기의 동작 상태 정보로부터 누유 상태진단 특성 인자와 진동/소음 상태 진단 특성 인자를 추출하는 데이터 추출 모듈, 상기 데이터 추출 모듈에 의해 추출된 누유 상태진단 특성 인자와 진동/소음 상태 진단 특성 인자를 회전기의 초기 정상 상태 건전성 데이터와 비교하는 데이터 분석 모듈, 상기 누유 상태진단 특성 인자를 이용하여 다중 로지스틱 회귀 분석을 시행하고, 상기 진동/소음 상태 진단 특성 인자를 이용하여 다중 선형 회귀 분석을 시행하는 통계적 추정 모듈와, 상기 다중 로지스틱 회귀 분석을 통해 획득한 누유 발생 확률값이 제1 기준값 이상이면 누유가 발생된 것으로 평가하고, 상기 다중 선형 회귀 분석을 통해 획득한 예측 효율값이 제2 기준값보다 작으면 회전기에 문제가 발생된 것으로 평가하여, 결과를 상기 데이터 저장부에 저장하는 평가 해석 모듈을 포함할 수 있다.
In order to solve the above-described problem of the present invention, the rotating machine monitoring apparatus according to an embodiment of the present invention includes a receiving unit receiving information on the operation state of the rotating unit from a sensor of the rotating unit, and storing information on the operation state of the rotating unit received from the receiving unit. Data storage unit, a data extraction module that extracts the leakage condition diagnosis characteristic factor and the vibration/noise condition diagnosis characteristic factor from the operation state information of the rotating machine, the leakage oil condition diagnosis characteristic factor and the vibration/noise condition diagnosis characteristic extracted by the data extraction module A data analysis module that compares factors with the initial steady state health data of the rotating machine, performs multiple logistic regression analysis using the leak condition diagnosis characteristic factor, and performs multiple linear regression analysis using the vibration/noise condition diagnosis characteristic factor If the probability value of occurrence of leakage of oil obtained through the multi-logistic regression analysis is greater than or equal to the first reference value, it is evaluated as the occurrence of leakage, and if the predicted efficiency value obtained through the multiple linear regression analysis is less than the second reference value, It may include an evaluation analysis module that evaluates that a problem has occurred in the rotating machine and stores the result in the data storage unit.

또한, 본 발명의 일 실시예에 따른 회전기 모니터링 방법은 수신부가 회전기에서 측정된 동작 상태 정보를 무선 통신 방식을 수신받는 단계, 데이터 추출 모듈이 상기 동작 상태 정보로부터 누유 상태진단 특성 인자와 진동/소음 상태 진단 특성 인자를 추출하는 단계, 데이터 분석 모듈이 상기 데이터 추출 모듈에 의해 추출된 누유 상태진단 특성 인자와 진동/소음 상태 진단 특성 인자를 회전기의 초기 상태 건전성 데이터와 비교하고, 운전 시간에 따른 변환 추이를 분석하는 단계, 통계적 추정 모듈이 상기 누유 상태진단 특성 인자를 이용하여 다중 로지스틱 회귀 분석을 시행하고, 상기 진동/소음 상태 진단 특성 인자를 이용하여 다중 선형 회귀 분석을 시행하는 단계와, 평가 해석 모듈이 상기 다중 로지스틱 회귀 분석을 통해 획득한 누유 발생 확률값이 제1 기준값 이상이면 누유가 발생된 것으로 평가하고, 상기 다중 선형 회귀 분석을 통해 획득한 예측 효율값이 제2 기준값보다 작으면 해당 회전기에 문제가 발생된 것으로 평가하여 알람을 발생하고, 결과를 데이터 저장부에 저장하는 단계를 포함할 수 있다.
In addition, in the rotating machine monitoring method according to an embodiment of the present invention, the receiving unit receives the operation status information measured by the rotating machine through a wireless communication method, and the data extraction module receives the leakage condition diagnosis characteristic factor and vibration/noise from the operation status information. Extracting the condition diagnosis characteristic factor, the data analysis module compares the leakage condition diagnosis characteristic factor and the vibration/noise condition diagnosis characteristic factor extracted by the data extraction module with the initial state soundness data of the rotating machine, and converts it according to operation time Analyzing the trend, performing multiple logistic regression analysis using the leak condition diagnosis characteristic factor by a statistical estimation module, performing multiple linear regression analysis using the vibration/noise condition diagnosis characteristic factor, and evaluation analysis If the probability value of the occurrence of leakage obtained through the multi-logistic regression analysis is greater than or equal to the first reference value, the module evaluates the occurrence of leakage, and when the predicted efficiency value obtained through the multiple linear regression analysis is less than the second reference value, It may include evaluating that a problem has occurred, generating an alarm, and storing the result in a data storage unit.

본 발명의 일 실시예에 따르면, 회전기의 구동 시 발생되는 소음 및 진동 신호와 상태정보들을 수집하여 분석함으로써 회전기의 이상진단, 고장 예측하여 유지 보수함으로써 회전기의 품질 및 신뢰성을 향상할 수 있는 효과가 있다.
According to an embodiment of the present invention, by collecting and analyzing noise and vibration signals and status information generated during driving of a rotary machine, there is an effect of improving the quality and reliability of the rotary machine by diagnosing abnormalities and predicting and maintaining failures of the rotary machine. have.

도 1은 본 발명의 일 실시예에 따른 회전기 모니터링 장치의 개략적인 구성을 나타내는 블럭도이다.
도 2는 본 발명의 일 실시예에 따른 회전기 모니터링 방법의 동작 흐름을 나타내는 플로우 챠트이다.1 is a block diagram showing a schematic configuration of a rotating machine monitoring apparatus according to an embodiment of the present invention.
2 is a flow chart showing the operation flow of the rotating machine monitoring method according to an embodiment of the present invention.

이하, 첨부된 도면을 참조하여 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 바람직한 실시예를 상세히 설명한다.
Hereinafter, preferred embodiments will be described in detail with reference to the accompanying drawings so that those of ordinary skill in the art may easily implement the present invention.

도 1은 본 발명의 일 실시예에 따른 회전기 모니터링 장치의 개략적인 구성을 나타내는 블럭도이고, 도 2는 본 발명의 일 실시예에 따른 회전기 모니터링 방법의 동작 흐름을 나타내는 플로우 챠트이다.1 is a block diagram showing a schematic configuration of a rotating machine monitoring apparatus according to an embodiment of the present invention, and Fig. 2 is a flow chart showing an operation flow of a rotating machine monitoring method according to an embodiment of the present invention.

도 1 및 도 2를 참조하면, 본 발명의 일 실시예에 따른 회전기 모니터링 장치(100)는 수신부(110), 데이터 저장부(120), 데이터 추출 모듈(130), 데이터 분석 모듈(140), 통계적 추출 모듈(150), 평가 해석 모듈(160)을 포함할 수 있다.1 and 2, the rotating machine monitoring apparatus 100 according to an embodiment of the present invention includes a receiving unit 110, a data storage unit 120, a data extraction module 130, a data analysis module 140, A statistical extraction module 150 and an evaluation analysis module 160 may be included.

본 발명의 일 실시예에 따른 회전기 모니터링 장치(100)는 회전기를 모니터링하기 위한 데이터 베이스 서버일 수 있다.
The rotating machine monitoring apparatus 100 according to an embodiment of the present invention may be a database server for monitoring a rotating machine.

수신부(110)는 회전기 설비부로부터 회전기의 동작 상태 정보를 전송받을 수 있다(S10).The receiving unit 110 may receive information on the operation state of the rotating machine from the rotating machine facility (S10).

상기 회전기 설비부는 적어도 하나의 회전기를 포함할 수 있고, 예를 들어, 복수의 회전기를 포함할 수 있다.The rotary machine installation unit may include at least one rotary machine, and, for example, may include a plurality of rotary machines.

도시된 바와 같이, 상기 회전기 설비부는 제1 내지 제N(여기서, N은 1 이상의 자연수) 회전기를 포함할 수 있고, 제1 내지 제N 회전기 각각은 해당 회전기의 동작 상태를 검출하는 센서부와, 상기 센서부에 의해 검출된 회전기의 동작 상태 정보를 와이파이, 블루투스, 지그비 등과 같은 무선 통신 방식으로 수신부(110)에 전송하는 송신부를 포함할 수 있다.
As shown, the rotating machine installation unit may include first to Nth (here, N is a natural number of 1 or more) rotating machines, each of the first to Nth rotating machines is a sensor unit for detecting an operating state of the rotating machine, It may include a transmitter that transmits the operation state information of the rotating machine detected by the sensor unit to the receiving unit 110 by a wireless communication method such as Wi-Fi, Bluetooth, Zigbee.

데이터 저장부(120)는 수신부(110)에 의해 수신된 회전기의 동작 상태 정보를 저장할 수 있고, 평가 해석 모듈(160)로부터의 평가 결과를 저장할 수 있다.
The data storage unit 120 may store operation state information of the rotating machine received by the receiving unit 110 and may store an evaluation result from the evaluation analysis module 160.

데이터 추출 모듈(130)는 누유 상태 진단 특성 인자 추출부(131)과 진동/소음 상태 진단 특성 인자 추출부(132)를 포함할 수 있다.The data extraction module 130 may include a leak condition diagnosis characteristic factor extractor 131 and a vibration/noise condition diagnosis characteristic factor extractor 132.

누유 상태 진단 특성 인자 추출부(131)는 수신된 회전기의 동작 상태 정보로부터 회전기의 누유 상태를 진단할 수 있는 특성 인자를 추출할 수 있고, 진동/소음 상태 진단 특성 인자 추출부(132)는 수신된 회전기의 동작 상태 정보로부터 회전기의 소음 및 진동 상태를 진단할 수 있는 특성 인자를 추출할 수 있다(S20, S60).The leakage condition diagnosis characteristic factor extraction unit 131 may extract a characteristic factor capable of diagnosing the leakage condition of the rotating machine from the received operation status information of the rotating machine, and the vibration/noise status diagnosis characteristic factor extraction unit 132 receives A characteristic factor capable of diagnosing the noise and vibration status of the rotating machine may be extracted from the operation status information of the rotating machine (S20, S60).

상술한 누유 상태 진단 특성 인자 및 진동/소음 상태 진단 특성 인자는 하기의 표1과 같을 수 있다.The above-described leakage condition diagnosis characteristic factor and vibration/noise condition diagnosis characteristic factor may be shown in Table 1 below.

(표1)(Table 1)

Figure 112016005847702-pat00001
Figure 112016005847702-pat00001

상기의 표와 같이, 누유 상태 진단 특성 인자는 압력, 온도, 오일 주입량, 오일 레벨, 하중 및 갭(Gap)을 예로 들 수 있으며, 진동/소음 상태 진단 특성 인자는 회전기에 발생하는 진동, 소음, 온도, 속도, 전압, 전류 및 토크를 예로 들 수 있다.As shown in the table above, the leakage condition diagnosis characteristic factors include pressure, temperature, oil injection amount, oil level, load and gap, and the vibration/noise condition diagnosis characteristic factors include vibration, noise, and Examples are temperature, speed, voltage, current and torque.

상술한 누유 상태 진단 특성 인자 중 온도는 구동단(DE)과 비구동단(NDE) 측 베어링의 온도, 대기온도 및 내부 온도 등일 수 있고, 갭(Gap)은 라비린스 씰(labyrinth seal)과 축간의 갭일 수 있다. Among the above-described leakage condition diagnosis characteristic factors, the temperature may be the temperature of the bearing on the driving end (DE) and the non-driving end (NDE), the ambient temperature, and the internal temperature, and the gap is the gap between the labyrinth seal and the shaft. I can.

상술한 진동/소음 상태 진단 특성 인자 중 진동은 진동 크기, 주파수, 위상 등일 수 있고, 전압 및 전류는 단상 또는 삼상 전압 또는 전류(UV, VW,WU, UVW)일 수 있다.Among the above-described vibration/noise state diagnosis characteristic factors, vibration may be a vibration magnitude, frequency, phase, etc., and voltage and current may be single-phase or three-phase voltage or current (UV, VW, WU, UVW).

데이터 분석 모듈(140)는 트렌드 분석부(141)를 포함할 수 있다.The data analysis module 140 may include a trend analysis unit 141.

트렌드 분석부(141)는 추출된 누유 상태 진단 특성 인자와 진동/소음 상태 진단 특성 인자를 회전기의 초기 정상 상태 건전성 데이터와 비교하고, 회전기의 동작 시간에 따른 추이를 분석할 수 있다(S30,S70).The trend analysis unit 141 may compare the extracted oil leakage condition diagnosis characteristic factor and the vibration/noise condition diagnosis characteristic factor with the initial steady state health data of the rotating machine, and analyze a trend according to the operation time of the rotating machine (S30, S70). ).

상기 건전성 데이터는 추출된 특성인자를 통해 정의한 통계적 수치로 하기의 표2와 같을 수 있다.The health data is a statistical value defined through the extracted characteristic factors, and may be shown in Table 2 below.

(표2)(Table 2)

Figure 112016005847702-pat00002

Figure 112016005847702-pat00002

상기의 표2와 같이, 건전성 데이터는 시간영역 통계적 파라미터(Root Mean Square, Skewness, Kurtosis, Crest Factor, Shape factor, Impulse factor 등), 주파수 영역 통계적 파라미터(Root Mean Square Frequency, Frequency Center, Root Variance Frequency 등)를 포함할 수 있다.
As shown in Table 2 above, the soundness data includes time domain statistical parameters (Root Mean Square, Skewness, Kurtosis, Crest Factor, Shape factor, Impulse factor, etc.), frequency domain statistical parameters (Root Mean Square Frequency, Frequency Center, Root Variance Frequency). Etc.).

여기서, 시간 영역 통계적 파라미터와 주파수 영역 통계적 파라미터 건전성 데이터 형태의 각 정의는 하기의 표3과 같을 수 있다.Here, each definition of the time domain statistical parameter and the frequency domain statistical parameter soundness data type may be as shown in Table 3 below.

(표3)(Table 3)

Figure 112016005847702-pat00003

Figure 112016005847702-pat00003

한편, 통계적 추정 모듈(150)은 다중 로지스틱 회귀 분석부(151) 및 다중 선형 회귀 분석부(152)를 포함할 수 있다.Meanwhile, the statistical estimation module 150 may include a multiple logistic regression analysis unit 151 and a multiple linear regression analysis unit 152.

다중 로지스틱 회귀 분석부(151)는 다중 로지스틱 회귀 분석을 통해 운전시간에 따른 누유 발생 확률값을 도출할 수 있다(S40).The multiple logistic regression analysis unit 151 may derive a leakage oil occurrence probability value according to the driving time through multiple logistic regression analysis (S40).

예를 들어, 다중 로지스틱 회귀 분석부(151)는 하기의 수식1을 통해 상기 누유 발생 확률값을 도출할 수 있다. For example, the multiple logistic regression analysis unit 151 may derive the leakage oil occurrence probability value through Equation 1 below.

(수식1)(Equation 1)

Figure 112016005847702-pat00004
Figure 112016005847702-pat00004

Figure 112016005847702-pat00005
Figure 112016005847702-pat00005

(여기서, Y는 누유발생여부에 대한 종속변수로 이산형이고, i는 sample data index, x는 누유 발생 진단을 위한 특성 인자를 의미할 수 있으며, β는 최대우도추정법(Maximum Likelihood Estimation)에 의해 추정될 수 있다.)
(Here, Y is a discrete variable as a dependent variable on whether or not leakage occurs, i is a sample data index, x can mean a characteristic factor for diagnosis of leakage, and β is based on the maximum likelihood estimation method. Can be estimated.)

다중 선형 회귀 분석부(152)는 다중 선형 회귀 분석을 통해 운전 시간에 따른 진동, 소음으로 인한 회전기의 효율 예측값을 도출할 수 있다(S80).The multiple linear regression analysis unit 152 may derive an efficiency prediction value of the rotating machine due to vibration and noise according to the driving time through the multiple linear regression analysis (S80).

예를 들어, 다중 선형 회귀 분석부(152)는 하기의 수식2를 통해 상기 효율 예측값을 도출할 수 있다. For example, the multiple linear regression analysis unit 152 may derive the efficiency prediction value through Equation 2 below.

(수식2)(Equation 2)

Figure 112016005847702-pat00006
Figure 112016005847702-pat00006

(여기서, Y는 예측된 효율, x는 효율 예측을 위한 손실 요소, εi는 오차항, Pi는 입력 전력을 의미할 수 있고, β는 최소 제곱 추정법(Least Squares Estimation)에 의해 추정될 수 있다. 상술한 손실 요소는 철손(core loss), 고정자 동손(stator copper loss), 회전자 동손(rotor copper loss), 표류부하손(stray load loss), 기계손실 (마찰손(friction loss), 풍손(windage loss)) 등이 있을 수 있다.)
(Here, Y is the predicted efficiency, x is a loss factor for efficiency prediction, ε i is an error term, Pi can be an input power, and β can be estimated by the least squares estimation method (Least Squares Estimation). The above-described loss factors are core loss, stator copper loss, rotor copper loss, stray load loss, mechanical loss (friction loss, windage loss)), etc.)

평가 해석 모듈(160)은 누유 발생 확률 비교부(161) 및 예측 효율 비교부(162)를 포함할 수 있다.The evaluation analysis module 160 may include a leakage oil probability comparison unit 161 and a prediction efficiency comparison unit 162.

누유 발생 확률 비교부(161)는 다중 로지스틱 회귀 분석부(151)에 의해 도출된 누유 발생 확률값을 제1 기준값과 비교하여 누유 발생을 진단 또는 예상할 수 있다.The leakage oil occurrence probability comparison unit 161 may diagnose or predict the occurrence of leakage by comparing the leakage oil occurrence probability value derived by the multiple logistic regression analysis unit 151 with the first reference value.

예를 들어, 누유 발생 확률 비교부(161)는 누유 발생 확률값(P(Y=1│x))가 0.5보다 크면 해당 회전기에 누유가 발생한 것으로 진단 또는 예상할 수 있다(S50).
For example, if the leakage oil occurrence probability comparison unit 161 is greater than 0.5, the leakage oil occurrence probability value P(Y=1|x) may diagnose or predict that oil leakage occurs in the corresponding rotating machine (S50).

예측 효율 비교부(162)는 다중 선형 회귀 분석부(152)에 의해 도출된 효율 예측값을 제2 기준값(ηmin)과 비교하여 회전기에 문제가 발생된 것으로 진단 또는 예상할 수 있다.The prediction efficiency comparison unit 162 may diagnose or predict that a problem has occurred in the rotating machine by comparing the efficiency prediction value derived by the multiple linear regression analysis unit 152 with the second reference value η min .

예를 들어, 예측 효율 비교부(162)는 효율 예측값(η)가 제2 기준값(ηmin)보다 작으면 해당 회전기에 문제가 발생한 것으로 진단 또는 예상할 수 있다(S90).
For example, if the predicted efficiency value η is less than the second reference value η min , the predicted efficiency comparing unit 162 may diagnose or predict that a problem has occurred in the corresponding rotating machine (S90).

누유 발생 확률 비교부(161) 및 예측 효율 비교부(162) 각각은 해당 회전기에 문제가 발생된 것으로 진단 또는 예상되면 알람을 발생하고(S100), 진단 또는 예상 결과를 데이터 저장부(120)에 저장할 수 있다(S110).Each of the leakage occurrence probability comparison unit 161 and the prediction efficiency comparison unit 162 generates an alarm when it is diagnosed or predicted that a problem has occurred in the corresponding rotating machine (S100), and the diagnosis or expected result is stored in the data storage unit 120. Can be stored (S110).

또한, 누유 발생 확률 비교부(161) 및 예측 효율 비교부(162) 각각은 사용자에 분석 리포트를 제공할 수도 있다(S120).
In addition, each of the leakage oil occurrence probability comparison unit 161 and the prediction efficiency comparison unit 162 may provide an analysis report to the user (S120).

한편, 상술한 바와 같이, 본 발명의 일 실시예에 따른 회전기 모니터링 장치(100)는 모니터링 데이터 베이스 서버일 수 있으며, 이에 따라, 상기 모니터링 데이터 베이스 서버는 적어도 하나의 프로세스 유닛과 메모리를 포함할 수 있다. 여기서, 상기 프로세스 유닛은 예를 들어 중앙처리장치(CPU), 그래픽처리장치(GPU), 마이크로프로세서, 주문형 반도체(Application Specific Integrated Circuit, ASIC), Field Programmable Gate Arrays(FPGA) 등을 포함할 수 있으며, 복수의 코어를 가질 수 있다. 상기 메모리는 휘발성 메모리(예를 들어, RAM 등), 비휘발성 메모리(예를 들어, ROM, 플래시 메모리 등) 또는 이들의 조합일 수 있다.Meanwhile, as described above, the rotating machine monitoring apparatus 100 according to an embodiment of the present invention may be a monitoring database server, and accordingly, the monitoring database server may include at least one process unit and a memory. have. Here, the process unit may include, for example, a central processing unit (CPU), a graphic processing unit (GPU), a microprocessor, an Application Specific Integrated Circuit (ASIC), Field Programmable Gate Arrays (FPGA), etc. , Can have multiple cores. The memory may be a volatile memory (eg, RAM, etc.), a nonvolatile memory (eg, ROM, flash memory, etc.), or a combination thereof.

예를 들어, 데이터 추출 모듈(130), 데이터 분석 모듈(140), 통계적 추출 모듈(150), 평가 해석 모듈(160)은 상기 프로세스 유닛에 소프트웨어로 구성될 수도 있고, 데이터 저장부(120)는 상기 메모리로 구성될 수도 있다.
For example, the data extraction module 130, the data analysis module 140, the statistical extraction module 150, and the evaluation analysis module 160 may be configured as software in the process unit, and the data storage unit 120 It may be configured with the above memory.

상술한 바와 같이, 본 발명에 따르면, 회전기의 구동 시 발생되는 소음 및 진동 신호와 상태정보들을 수집하여 분석함으로써 회전기의 이상진단, 고장 예측하여 유지 보수함으로써 회전기의 품질 및 신뢰성을 향상할 수 있다.
As described above, according to the present invention, it is possible to improve the quality and reliability of the rotary machine by collecting and analyzing noise and vibration signals and status information generated when the rotary machine is driven, thereby diagnosing abnormalities of the rotary machine and predicting and maintaining failures.

이상에서 설명한 본 발명은 전술한 실시예 및 첨부된 도면에 의해 한정되는 것이 아니고 후술하는 특허청구범위에 의해 한정되며, 본 발명의 구성은 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 그 구성을 다양하게 변경 및 개조할 수 있다는 것을 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 쉽게 알 수 있다.
The present invention described above is not limited by the above-described embodiments and the accompanying drawings, but is limited by the claims to be described later, and the configuration of the present invention is varied within the scope not departing from the technical spirit of the present invention. It can be easily understood by those of ordinary skill in the art that the present invention can be changed and modified.

100: 회전기 모니터링 장치
110: 수신부
120: 데이터 저장부
130: 데이터 추출 모듈
131: 누유 상태 진단 특성 인자 추출부
132: 진동/소음 상태 진단 특성 인자 추출부
140: 데이터 분석 모듈
141: 트렌드 분석부
150: 통계적 추정 모듈
151: 다중 로지스틱 회귀 분석부
152: 다중 선형 회귀 분석부
160: 평가 해석 모듈
161: 누유 발생 확률 비교부
162: 예측 효율 비교부100: rotating machine monitoring device
110: receiver
120: data storage unit
130: data extraction module
131: leak condition diagnosis characteristic factor extraction unit
132: vibration/noise condition diagnosis characteristic factor extraction unit
140: data analysis module
141: trend analysis unit
150: statistical estimation module
151: multiple logistic regression analysis unit
152: multiple linear regression analysis unit
160: evaluation analysis module
161: oil leakage probability comparison unit
162: prediction efficiency comparison unit

Claims (6)

회전기의 센서에 의해 측정된 회전기의 동작 상태 정보를 수신받는 수신부;
상기 수신부로부터 전달받은 회전기의 동작 상태 정보를 저장하는 데이터 저장부;
회전기의 동작 상태 정보로부터 누유 상태진단 특성 인자와 진동/소음 상태 진단 특성 인자를 추출하는 데이터 추출 모듈;
상기 데이터 추출 모듈에 의해 추출된 누유 상태진단 특성 인자와 진동/소음 상태 진단 특성 인자를 회전기의 초기 정상 상태 건전성 데이터와 비교하는 데이터 분석 모듈;
상기 누유 상태진단 특성 인자를 이용하여 다중 로지스틱 회귀 분석을 시행하고, 상기 진동/소음 상태 진단 특성 인자를 이용하여 다중 선형 회귀 분석을 시행하는 통계적 추정 모듈; 및
상기 다중 로지스틱 회귀 분석을 통해 획득한 누유발생확률값이 제1 기준값 이상이면 누유가 발생된 것으로 평가하고, 상기 다중 선형 회귀 분석을 통해 획득한 예측 효율값이 제2 기준값보다 작으면 회전기에 문제가 발생된 것으로 평가하여, 결과를 상기 데이터 저장부에 저장하는 평가 해석 모듈을 포함하고,
상기 통계적 추정 모듈은
상기 누유 상태진단 특성 인자를 이용하여 다중 로지스틱 회귀 분석을 시행하여 누유 발생 확률값을 획득하는 다중 로지스틱 회귀 분석부; 및
상기 진동/소음 상태 진단 특성 인자를 이용하여 다중 선형 회귀 분석을 시행하여 예측 효율값을 획득하는 다중 선형 회귀 분석부를 포함하며,
상기 누유 상태 진단 특성 인자는 상기 회전기의 압력, 온도, 오일 주입량, 오일 레벨, 하중 및 갭(Gap)을 포함하고, 상기 온도는 구동단과 비구동단 측 베어링의 온도, 대기온도 및 내부 온도이고, 상기 갭은 라비린스 씰(labyrinth seal)과 축간의 갭을 의미하는 회전기 모니터링 장치.
A receiving unit for receiving information on an operation state of the rotating machine measured by the sensor of the rotating machine;
A data storage unit for storing operation state information of the rotating machine received from the receiving unit;
A data extracting module for extracting a leak condition diagnosis characteristic factor and a vibration/noise condition diagnosis characteristic factor from operation state information of the rotating machine;
A data analysis module comparing the leakage oil condition diagnosis characteristic factor and the vibration/noise condition diagnosis characteristic factor extracted by the data extraction module with initial steady state health data of the rotating machine;
A statistical estimation module for performing multiple logistic regression analysis using the leakage condition diagnosis characteristic factor and performing multiple linear regression analysis using the vibration/noise condition diagnosis characteristic factor; And
If the leakage oil occurrence probability value obtained through the multiple logistic regression analysis is greater than or equal to the first reference value, it is evaluated that oil leakage has occurred, and if the predicted efficiency value obtained through the multiple linear regression analysis is less than the second reference value, a problem occurs in the rotator. And an evaluation analysis module for evaluating as being done and storing the result in the data storage unit,
The statistical estimation module
A multi-logistic regression analysis unit that obtains a leakage oil occurrence probability value by performing multiple logistic regression analysis using the leakage condition diagnosis characteristic factor; And
A multiple linear regression analysis unit for obtaining a prediction efficiency value by performing multiple linear regression analysis using the vibration/noise condition diagnosis characteristic factor,
The oil leakage condition diagnosis characteristic factor includes pressure, temperature, oil injection amount, oil level, load and gap of the rotating machine, and the temperature is the temperature of the bearing at the driving end and the non-driving end, the ambient temperature, and the internal temperature, and the Gap is a rotating machine monitoring device that means the gap between the labyrinth seal and the shaft.
제1항에 있어서,
상기 데이터 추출 모듈은
회전기의 동작 상태 정보로부터 누유 상태진단 특성 인자를 추출하는 누유 상태 진단 특성 인자 추출부; 및
회전기의 동작 상태 정보로부터 진동/소음 상태 진단 특성 인자를 추출하는 진동/소음 상태 진단 특성인자 추출부
를 포함하는 회전기 모니터링 장치.
The method of claim 1,
The data extraction module
A leakage oil condition diagnosis characteristic factor extracting unit for extracting a leakage oil condition diagnosis characteristic factor from operation state information of the rotating machine; And
Vibration/noise condition diagnosis characteristic factor extraction unit that extracts the vibration/noise condition diagnosis characteristic factor from the operation state information of the rotating machine
Rotator monitoring device comprising a.
제1항에 있어서,
상기 데이터 분석 모듈은 상기 데이터 추출 모듈에 의해 추출된 누유 상태진단 특성 인자와 진동/소음 상태 진단 특성 인자를 상기 초기 정상 상태 건전성 데이터와 비교하여, 시간에 따른 변환 추이를 분석하는 트렌드 분석부를 포함하는 회전기 모니터링 장치.
The method of claim 1,
The data analysis module includes a trend analysis unit that compares the oil leakage condition diagnosis characteristic factor and the vibration/noise condition diagnosis characteristic factor extracted by the data extraction module with the initial steady state health data, and analyzes a transformation trend over time. Rotator monitoring device.
삭제delete 제1항에 있어서,
상기 평가 해석 모듈은
상기 누유 발생 확률값을 상기 제1 기준값과 비교하여 누유발생을 판단하는 누유 발생 확률 비교부; 및
상기 예측 효율값을 상기 제2 기준값과 비교하여 해당 회전기의 문제 발생을 판단하는 예측 효율 비교부
를 포함하는 회전기 모니터링 장치.
The method of claim 1,
The evaluation analysis module
A leakage oil occurrence probability comparison unit that compares the leakage oil occurrence probability value with the first reference value to determine the occurrence of leakage oil; And
A prediction efficiency comparison unit that compares the predicted efficiency value with the second reference value to determine the occurrence of a problem in the rotating machine
Rotator monitoring device comprising a.
수신부가 회전기에서 측정된 동작 상태 정보를 무선 통신 방식을 수신받는 단계;
데이터 추출 모듈이 상기 동작 상태 정보로부터 누유 상태진단 특성 인자와 진동/소음 상태 진단 특성 인자를 추출하는 단계;
데이터 분석 모듈이 상기 데이터 추출 모듈에 의해 추출된 누유 상태진단 특성 인자와 진동/소음 상태 진단 특성 인자를 회전기의 초기 상태 건전성 데이터와 비교하고, 운전 시간에 따른 변환 추이를 분석하는 단계;
통계적 추정 모듈이 상기 누유 상태진단 특성 인자를 이용하여 다중 로지스틱 회귀 분석을 시행하고, 상기 진동/소음 상태 진단 특성 인자를 이용하여 다중 선형 회귀 분석을 시행하는 단계; 및
평가 해석 모듈이 상기 다중 로지스틱 회귀 분석을 통해 획득한 누유발생확률값이 제1 기준값 이상이면 누유가 발생된 것으로 평가하고, 상기 다중 선형 회귀 분석을 통해 획득한 예측 효율값이 제2 기준값보다 작으면 해당 회전기에 문제가 발생된 것으로 평가하여 알람을 발생하고, 결과를 데이터 저장부에 저장하는 단계를 포함하고,
상기 다중 로지스틱 회귀 분석을 시행하는 단계는
다중 로지스틱 회귀 분석부가 상기 누유 상태진단 특성 인자를 이용하여 다중 로지스틱 회귀 분석을 시행하여 누유 발생 확률값을 획득하며,
상기 누유 상태 진단 특성 인자는 상기 회전기의 압력, 온도, 오일 주입량, 오일 레벨, 하중 및 갭(Gap)을 포함하고, 상기 온도는 구동단과 비구동단 측 베어링의 온도, 대기온도 및 내부 온도이고, 상기 갭은 라비린스 씰(labyrinth seal)과 축간의 갭을 의미하는 회전기 모니터링 방법.
Receiving, by a receiving unit, the operation state information measured by the rotating machine by a wireless communication method;
Extracting, by a data extraction module, a leak condition diagnosis characteristic factor and a vibration/noise condition diagnosis characteristic factor from the operation state information;
Comparing, by a data analysis module, the leakage oil condition diagnosis characteristic factor and the vibration/noise condition diagnosis characteristic factor extracted by the data extraction module with initial state soundness data of the rotating machine, and analyzing a conversion trend according to the driving time;
Performing, by a statistical estimation module, multiple logistic regression analysis using the leakage condition diagnosis characteristic factor, and performing multiple linear regression analysis using the vibration/noise condition diagnosis characteristic factor; And
The evaluation and analysis module evaluates the occurrence of leakage if the probability value of leakage oil obtained through the multi-logistic regression analysis is greater than or equal to the first reference value, and the predicted efficiency value obtained through the multiple linear regression analysis is less than the second reference value. Evaluating that a problem has occurred in the rotating machine, generating an alarm, and storing the result in a data storage unit,
The step of performing the multiple logistic regression analysis
A multiple logistic regression analysis unit performs multiple logistic regression analysis using the leak condition diagnosis characteristic factor to obtain a leak occurrence probability value,
The oil leakage condition diagnosis characteristic factor includes pressure, temperature, oil injection amount, oil level, load and gap of the rotating machine, and the temperature is the temperature of the bearing at the driving end and the non-driving end, the ambient temperature, and the internal temperature, and the Gap means the gap between the labyrinth seal and the shaft.
KR1020160006335A 2016-01-19 2016-01-19 Monitoring apparatus for rotary machine and monitoring method for rotary machine KR102150425B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020160006335A KR102150425B1 (en) 2016-01-19 2016-01-19 Monitoring apparatus for rotary machine and monitoring method for rotary machine

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160006335A KR102150425B1 (en) 2016-01-19 2016-01-19 Monitoring apparatus for rotary machine and monitoring method for rotary machine

Publications (2)

Publication Number Publication Date
KR20170087092A KR20170087092A (en) 2017-07-28
KR102150425B1 true KR102150425B1 (en) 2020-09-02

Family

ID=59422332

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160006335A KR102150425B1 (en) 2016-01-19 2016-01-19 Monitoring apparatus for rotary machine and monitoring method for rotary machine

Country Status (1)

Country Link
KR (1) KR102150425B1 (en)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102348387B1 (en) 2020-05-18 2022-01-06 한국항공대학교산학협력단 Rotating body health evaluation system and method thereof
CN113777488B (en) * 2021-09-14 2023-12-12 中国南方电网有限责任公司超高压输电公司昆明局 State evaluation method and device for valve cooling main pump motor and computer equipment

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003106893A (en) * 2001-09-28 2003-04-09 Yamatake Sangyo Systems Co Ltd Apparatus and program for monitoring of abnormality

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06307921A (en) * 1993-04-27 1994-11-04 Toshiba Corp Diagnostic monitoring system for rotating machine
KR20110009615A (en) * 2009-07-22 2011-01-28 제이에프이 메커니컬 가부시키가이샤 Data collection device, and diagnosis device of facility management with data collection device thereof
KR20110075332A (en) * 2009-12-28 2011-07-06 재단법인 포항산업과학연구원 Fault prediction method for plant
KR101345099B1 (en) 2012-05-30 2013-12-31 파워켐텍 주식회사 An apparatus for monitoring fault of air-cooled rotary machine

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003106893A (en) * 2001-09-28 2003-04-09 Yamatake Sangyo Systems Co Ltd Apparatus and program for monitoring of abnormality

Also Published As

Publication number Publication date
KR20170087092A (en) 2017-07-28

Similar Documents

Publication Publication Date Title
CN111758036B (en) System and method for monitoring an operating state of an operating electrical device
CN107429685B (en) Pump monitoring apparatus and method
JP5985099B1 (en) Rotating machine system abnormality detection method, rotating machine system abnormality monitoring method using the abnormality detection method, and rotating machine system abnormality monitoring apparatus using the abnormality monitoring method
US10393621B2 (en) Method for assessing the condition of rotating machinery connected to an electric motor
JP6514239B2 (en) Machine diagnostic device and machine diagnostic method
KR102393095B1 (en) A system for predicting and diagnosing malfunctions in rotating equipment based on artificial intelligence using vibration, sound, and image data
CN110987166A (en) Method, device, equipment and storage medium for predicting health state of rotating machine
Muetze et al. The useful life of inverter-based drive bearings: Methods and research directions from localized maintenace to prognosis
WO2015047121A1 (en) Method and apparatus for embedded current signature analysis and remote condition monitoring for industrial machinery
CN113632026A (en) Fault diagnosis method and system for rotary mechanical equipment and storage medium
KR102150425B1 (en) Monitoring apparatus for rotary machine and monitoring method for rotary machine
Ferracuti et al. Induction motor fault detection and diagnosis using KDE and Kullback-Leibler divergence
Leonidovich et al. The development and use of diagnostic systems and estimation of residual life in industrial electrical equipment
Antonino-Daviu et al. Advanced rotor assessment of motors operating under variable load conditions in mining facilities
Strangas Response of electrical drives to gear and bearing faults—diagnosis under transient and steady state conditions
AU2019244842B2 (en) System and method for monitoring health and predicting failure of an electro-mechanical machine
Cao et al. Remaining useful life prediction of wind turbine generator bearing based on EMD with an indicator
Kraleti et al. Model based diagnostics and prognostics of three-phase induction motor for vapor compressor applications
Ranga et al. Advanced tool based condition monitoring of induction machines by using LabVIEW—A review
US11366460B2 (en) System for monitoring electrical devices and a method thereof
Bulgakov et al. A cyber-physical system of diagnosing electric drives of building robots
de Assis Boldt et al. Fast feature selection using hybrid ranking and wrapper approach for automatic fault diagnosis of motorpumps based on vibration signals
Sułowicz et al. Specialized diagnostic system for induction motors
Azarian et al. Applications of health monitoring to wind turbines
Touhami et al. Remote monitoring system of electrical machines via INTERNET

Legal Events

Date Code Title Description
N231 Notification of change of applicant
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant