KR20120038729A - 기계시스템 상태감시장치 및 상태감시방법 - Google Patents
기계시스템 상태감시장치 및 상태감시방법 Download PDFInfo
- Publication number
- KR20120038729A KR20120038729A KR1020100100339A KR20100100339A KR20120038729A KR 20120038729 A KR20120038729 A KR 20120038729A KR 1020100100339 A KR1020100100339 A KR 1020100100339A KR 20100100339 A KR20100100339 A KR 20100100339A KR 20120038729 A KR20120038729 A KR 20120038729A
- Authority
- KR
- South Korea
- Prior art keywords
- data
- mechanical system
- state
- unit
- collected
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000012544 monitoring process Methods 0.000 title claims description 31
- 238000012545 processing Methods 0.000 claims abstract description 70
- 238000013500 data storage Methods 0.000 claims abstract description 38
- 230000008569 process Effects 0.000 claims abstract description 12
- 238000012806 monitoring device Methods 0.000 claims abstract description 11
- 238000004458 analytical method Methods 0.000 claims description 77
- 238000013480 data collection Methods 0.000 claims description 43
- 230000001133 acceleration Effects 0.000 claims description 9
- 238000004148 unit process Methods 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 abstract description 14
- 238000005259 measurement Methods 0.000 description 12
- 238000012805 post-processing Methods 0.000 description 12
- 238000012423 maintenance Methods 0.000 description 11
- 230000008439 repair process Effects 0.000 description 10
- 238000005070 sampling Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 238000011156 evaluation Methods 0.000 description 9
- 238000013075 data extraction Methods 0.000 description 7
- 238000004519 manufacturing process Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 230000001131 transforming effect Effects 0.000 description 3
- 230000007774 longterm Effects 0.000 description 2
- 239000000314 lubricant Substances 0.000 description 2
- 238000010183 spectrum analysis Methods 0.000 description 2
- 239000000341 volatile oil Substances 0.000 description 2
- 238000012952 Resampling Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000003921 oil Substances 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- 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
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/048—Monitoring; Safety
Landscapes
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Automation & Control Theory (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
본 발명에 따른 기계시스템 상태감시장치는, 기계시스템의 운전에 따라 기계시스템에 설치된 적어도 하나의 센서로부터 데이터를 수집하는 데이터 수집부; 데이터 수집부에서 수집된 데이터를 가공하는 데이터 가공부; 데이터 수집부에서 수집된 데이터 또는 데이터 가공부에서 가공된 데이터를 저장하는 데이터 저장부; 및 데이터 가공부에서 가공된 데이터 또는 데이터 저장부에 저장된 데이터를 기초로 하여 기계시스템의 상태가 정상인지 여부를 판단하는 상태 판단부;를 포함하고, 데이터 수집부가 설정조건에 따라 데이터를 수집하고, 데이터 저장부가 데이터 수집부에서 수집된 데이터를 저장하고, 데이터 가공부가 데이터 저장부에 저장된 데이터를 가공하고, 상태 판단부가 데이터 가공부에서 가공된 데이터를 기초로 하여 기계 시스템의 상태가 정상인지 여부를 판단하는, 제1 모드; 데이터 수집부가 실시간으로 데이터를 수집하고, 데이터 가공부가 데이터 수집부에서 수집된 데이터를 실시간으로 가공하고, 상태 판단부가 데이터 가공부에서 가공된 데이터를 기초로 하여 기계 시스템의 상태가 정상인지 여부를 판단하는, 제2 모드; 및 데이터 수집부가 실시간으로 데이터를 수집하고, 데이터 가공부가 데이터 수집부에서 수집된 데이터를 실시간으로 가공하고, 데이터 저장부가 데이터 가공부에서 가공된 데이터를 샘플링하여 저장하고, 상태 판단부가 데이터 저장부에 저장된 데이터를 기초로 하여 기계 시스템의 상태가 정상인지 여부를 판단하는, 제3 모드;로 동작하며, 제1, 제2, 제3 모드 간의 전환이 가능하다.
Description
본 발명은 기계시스템 상태감시장치 및 상태감시방법에 관한 것으로, 특히 기계시스템의 상태를 감시하고 실시간으로 운영자에게 기계시스템의 상태를 전달하여 효과적인 유지와 보수를 가능하게 하는 장치 및 방법에 관한 것이다.
기계시스템의 건전성 평가 및 유지/보수를 위한 모니터링 시스템(또는 상태감시시스템, Condition Monitoring System, CMS)은 측정신호로부터 기계시스템의 상태를 분석하여 운영자에게 현재의 상태에 대한 정보를 제공하는 것이 핵심이며, 이를 위해 기계의 특성에 따라 출력, 진동, 온도, 오일상태 및 주요부위의 응력 등 복합적인 정보를 실시간으로 제공하는 것이 중요하다.
기계시스템의 상태를 정확히 분석하기 위하여, 예를 들어 진동신호의 경우에는 많은 샘플링을 통하여 데이터를 수집하는 것이 필요한데, 장시간 동안 많은 샘플링을 통하여 수십 개의 채널에서 전송되는 데이터를 전송하고 수집하는 것은, 전송속도 및 저장용량의 한계로 인하여 실제로 구현하는데 있어서 어려움이 있다.
따라서, 수십 개의 채널에서 전송되는 신호를 장시간 동안 지속적으로 모니터링하기 위해서는, 1분 동안의 평균값이나 10분 동안의 평균값 등 사용자가 설정한 시간 동안의 평균값을 전송하고 저장하는 것이 일반적이다.
한편, 기존의 상태감시장치는 단순히 장시간 동안의 모니터링을 위한 데이터 수집방법으로 구현되어 있고, 사용자가 설정한 범위를 벗어난 측정결과에 대하여 메시지나 경고음과 같은 알람 등의 신호를 발생하여 운영자에게 알리고 있다.
그러나, 기계의 종류 또는 제작자에 따라 정상상태의 데이터값이 다르게 나타나므로 초기의 정상적인 기계상태의 측정값을 설정한 후 일정값 이상 변동이 발생한 경우, 메시지나 경고음과 같은 알람 등의 신호를 발생하고, 이상신호의 원인 등을 운영자에게 알리는 것이 필요하다.
특히, 풍력발전기의 경우 너셀 내부에는 블레이드의 회전에 의해 회전수를 높여 발전효율을 높이기 위한 기어와, 회전에너지를 전기에너지로 변환시키는 제너레이터와 같은 발전용 부품들과, 기어와 제너레이터와 같은 부품들의 원활한 기계적 동작을 위해 사용되는 휘발성이 강한 오일이나 윤활유와, 플라스틱 부품이나 여러가지 전기부품들이 구비되어 있는데, 이러한 전기부품들에 의한 스파크가 발생하면 휘발성이 강한 오일이나 윤활유에 착화되어 화재가 발생할 위험성이 높으므로 데이터값을 측정하여 메시지나 경고음과 같은 알람을 발생시키는 것이 필요하다. 이때, CMS는 운영자 또는 CMS 제작자의 경험에 의해 설정레벨이 결정되며, 메시지나 경고음과 같은 알람의 원인이 추정된다. CMS 운영시 이와 같은 알람이 발생할 경우, 시스템 운영자는 이상신호의 원인을 분석하여 해결하여야 하는데, 초기 제공된 설정값과 단순화된 이상신호의 원인은 시스템이 운영되는 동안 발생한 많은 운영상 이력을 반영할 수 없고, 장기적인 측정을 위해 단순화된 측정값(예 : 1일 24회의 1분 평균 진동값 또는 온도)들은 이상신호의 원인분석을 위해 필요한 신호분석(예 : 진동신호의 경우 5000Hz까지의 주파수 성분을 분석하기 위해서는 1초에 12500회 이상의 샘플링이 필요)에 사용할 수 없다.
따라서, CMS 이상신호 발생시 실제 대부분의 운영자는 정밀분석을 위한 측정시스템을 단기적으로 도입하는 경우가 있으며, 경우에 따라서는 정밀분석을 위해 기계시스템의 운영을 중지해야 하는 문제점이 있다.
또한, 메시지나 경고음과 같은 알람이 발생하여 운영자가 정밀분석이 필요하다고 판단한 경우에는, 기존의 모니터링 시스템과는 별도로 정밀분석을 위한 계측기를 단기적으로 도입하여 기계시스템에 설치하고 정밀분석을 위한 데이터를 수집하게 된다. 이때, 필요에 따라 기계시스템을 정지해야할 경우가 있으며, 기계시스템 설치 및 데이터 수집을 위한 시간이 많이 소요되어 기계시스템의 이용률을 크게 떨어뜨릴 뿐만 아니라 메시지나 경고음과 같은 알람이 발생한 원인을 분석하는 시간이 많이 소요된다.
본 발명은 운영 중인 기계시스템의 상태를 실시간으로 감시할 수 있도록 데이터를 전송하고 이로부터 설정된 정상신호레벨과의 비교를 통하여 메시지나 경고음과 같은 알람 등의 신호를 발생할 수 있으며, 동일한 하드웨어를 이용하여 운영자의 설정에 따라 고장분석을 위한 정밀분석을 가능하게 하는 기계시스템 상태감시장치 및 상태감시방법을 제공하는 것을 목적으로 한다.
청구항 1에 관한 발명인 기계시스템 상태감시장치는, 기계시스템의 운전에 따라 상기 기계시스템에 설치된 적어도 하나의 센서로부터 데이터를 수집하는 데이터 수집부; 상기 데이터 수집부에서 수집된 데이터를 가공하는 데이터 가공부; 상기 데이터 수집부에서 수집된 데이터 또는 상기 데이터 가공부에서 가공된 데이터를 저장하는 데이터 저장부; 및 상기 데이터 가공부에서 가공된 데이터 또는 상기 데이터 저장부에 저장된 데이터를 기초로 하여 상기 기계시스템의 상태가 정상인지 여부를 판단하는 상태 판단부;를 포함하고, 상기 데이터 수집부가 설정조건에 따라 데이터를 수집하고, 상기 데이터 저장부가 상기 데이터 수집부에서 수집된 데이터를 저장하고, 상기 데이터 가공부가 상기 데이터 저장부에 저장된 데이터를 가공하고, 상기 상태 판단부가 상기 데이터 가공부에서 가공된 데이터를 기초로 하여 상기 기계 시스템의 상태가 정상인지 여부를 판단하는, 제1 모드; 상기 데이터 수집부가 실시간으로 데이터를 수집하고, 상기 데이터 가공부가 상기 데이터 수집부에서 수집된 데이터를 실시간으로 가공하고, 상기 상태 판단부가 상기 데이터 가공부에서 가공된 데이터를 기초로 하여 상기 기계 시스템의 상태가 정상인지 여부를 판단하는, 제2 모드; 및 상기 데이터 수집부가 실시간으로 데이터를 수집하고, 상기 데이터 가공부가 상기 데이터 수집부에서 수집된 데이터를 실시간으로 가공하고, 상기 데이터 저장부가 상기 데이터 가공부에서 가공된 데이터를 샘플링하여 저장하고, 상기 상태 판단부가 상기 데이터 저장부에 저장된 데이터를 기초로 하여 상기 기계 시스템의 상태가 정상인지 여부를 판단하는, 제3 모드;로 동작하며, 상기 제1, 제2, 제3 모드 간의 전환이 가능하다. 따라서, 기계시스템의 운전에 따라 기계시스템으로부터 데이터를 측정하여 고장분석을 할 수 있게 됨으로써, 기계시스템의 이상신호 원인을 신속하게 파악하여 기계시스템의 정지시간을 단축할 수 있을 뿐만 아니라 다양한 형태의 신호평가를 통해 기계시스템의 유지 및 보수에 관한 비용절감이 가능하게 된다.
청구항 2에 관한 발명인 기계시스템 상태감시장치는, 청구항 1에 관한 발명에 있어서, 설정조건은 설정시간간격인 경우 또는 설정시간인 경우이다. 따라서, 기계시스템의 운전에 따라 기계시스템으로부터 설정시간간격으로 또는 설정시간에 데이터를 측정하여 고장분석을 할 수 있게 됨으로써, 기계시스템의 이상신호 원인을 신속하게 파악하여 기계시스템의 정지시간을 단축할 수 있을 뿐만 아니라 다양한 형태의 신호평가를 통해 기계시스템의 유지 및 보수에 관한 비용절감이 가능하게 된다.
청구항 3에 관한 발명인 기계시스템 상태감시장치는, 청구항 1에 관한 발명에 있어서, 상기 데이터 가공부는 고속 퓨리에 변환분석, 시간에 대한 주파수 분석, 또는 차수분석 중에서 적어도 어느 하나의 분석을 통하여 상기 데이터 수집부가 수집한 데이터를 가공한다.
청구항 4에 관한 발명인 기계시스템 상태감시장치는, 청구항 1에 관한 발명에 있어서, 상기 상태 판단부는 상기 데이터 가공부에서 가공된 데이터 또는 상기 데이터 저장부에 저장된 데이터가 설정값으로부터 설정오차범위를 초과하는 경우에 정상이 아닌 것으로 판단한다.
청구항 5에 관한 발명인 기계시스템 상태감시장치는, 청구항 1에 관한 발명에 있어서, 상기 기계시스템은 풍력발전기이고, 상기 데이터 수집부는 상기 풍력발전기에 구비된 회전자의 회전속도 증감에 비례하여 데이터를 수집한다. 따라서, 풍력발전기의 운전에 따라 풍력발전기로부터 데이터를 측정하여 고장분석을 할 수 있게 됨으로써, 풍력발전기의 이상신호 원인을 신속하게 파악하여 풍력발전기의 정지시간을 단축할 수 있을 뿐만 아니라 다양한 형태의 신호평가를 통해 풍력발전기의 유지 및 보수에 관한 비용절감이 가능하게 된다
청구항 6에 관한 발명인 기계시스템 상태감시장치는, 청구항 5에 관한 발명에 있어서, 상기 센서는 상기 풍력발전기에 구비된 타코센서이고, 상기 설정조건은 상기 타코센서의 신호로부터 측정된 회전자의 rpm(분당 회전속도)이 설정값으로부터 설정오차범위를 초과하는 경우이다. 따라서, 풍력발전기의 운전에 따라 풍력발전기에 구비된 회전자의 rpm 을 측정하여 고장분석을 할 수 있게 됨으로써, 풍력발전기의 이상신호 원인을 신속하게 파악하여 풍력발전기의 정지시간을 단축할 수 있을 뿐만 아니라 다양한 형태의 신호평가를 통해 풍력발전기의 유지 및 보수에 관한 비용절감이 가능하게 된다.
청구항 7에 관한 발명인 기계시스템 상태감시장치는, 청구항 5에 관한 발명에 있어서, 상기 센서는 상기 풍력발전기에 구비된 타코센서이고, 상기 설정조건은 상기 풍력발전기에 구비된 회전자의 rps(초당 회전속도)가 설정값을 초과하는 경우이다. 따라서, 풍력발전기의 운전에 따라 풍력발전기에 구비된 회전자의 rps를 측정하여 고장분석을 할 수 있게 됨으로써, 풍력발전기의 이상신호 원인을 신속하게 파악하여 풍력발전기의 정지시간을 단축할 수 있을 뿐만 아니라 다양한 형태의 신호평가를 통해 풍력발전기의 유지 및 보수에 관한 비용절감이 가능하게 된다.
청구항 8에 관한 발명인 기계시스템 상태감시장치는, 청구항 5에 관한 발명에 있어서, 상기 데이터 수집부는 상기 풍력발전기에 구비된, 기어박스의 가속도 데이터, 회전자의 회전수 데이터, 및 전기발생부, 기어박스, 베어링의 온도 데이터를 수집한다. 따라서, 풍력발전기의 운전에 따라 풍력발전기에 구비된, 기어박스의 가속도 데이터, 회전자의 회전수 데이터, 및 전기발생부, 기어박스, 베어링의 온도 데이터를 측정하여 고장분석을 할 수 있게 됨으로써, 풍력발전기의 이상신호 원인을 신속하게 파악하여 풍력발전기의 정지시간을 단축할 수 있을 뿐만 아니라 다양한 형태의 신호평가를 통해 풍력발전기의 유지 및 보수에 관한 비용절감이 가능하게 된다.
청구항 9에 관한 발명인 기계시스템 상태감시장치는, 청구항 1에 관한 발명에 있어서, 제3 모드에 있어서, 상태 판단부는 데이터 저장부에 저장된 데이터의 시간 구간별 트렌드를 그래프로 표시한다. 따라서, 풍력발전기의 운전에 따라 가속도 데이터, 회전수 데이터, 온도 데이터, 및 풍력발전기가 설치된 장소에서의 풍향 및 풍속 데이터 중 적어도 어느 하나의 데이터에 의한 진동분석값 데이터를 측정하여 고장분석을 할 수 있게 됨으로써, 풍력발전기의 이상신호 원인을 신속하게 파악하여 풍력발전기의 정지시간을 단축할 수 있을 뿐만 아니라 다양한 형태의 신호평가를 통해 풍력발전기의 유지 및 보수에 관한 비용절감이 가능하게 된다.
청구항 10에 관한 발명인 기계시스템 상태감시장치는, 기계시스템의 운전에 따라 상기 기계시스템에 설치된 적어도 하나의 센서로부터 데이터를 수집하는 데이터 수집 단계; 상기 데이터 수집단계에서 수집된 데이터를 가공하는 데이터 가공 단계; 상기 데이터 수집단계에서 수집된 데이터 또는 상기 데이터 가공단계에서 가공된 데이터를 저장하는 데이터 저장 단계; 및 상기 데이터 가공단계에서 가공된 데이터 또는 상기 데이터 저장단계에 저장된 데이터를 기초로 하여 상기 기계시스템의 상태가 정상인지 여부를 판단하는 상태 판단 단계;를 포함하고, 상기 데이터 수집단계에서 설정조건에 따라 데이터가 수집되고, 상기 데이터 저장 단계에서 상기 데이터 수집 단계에서 수집된 데이터가 저장되고, 상기 데이터 가공 단계에서 상기 데이터 저장 단계에서 저장된 데이터가 가공되고, 상기 상태 판단 단계에서 상기 데이터 가공 단계에서 가공된 데이터에 기초하여 상기 기계 시스템의 상태가 정상인지 여부가 판단되는, 제1 모드; 상기 데이터 수집단계에서 실시간으로 데이터가 수집되고, 상기 데이터 가공단계에서 상기 데이터 수집단계에서 수집된 데이터가 실시간으로 가공되고, 상기 상태 판단단계에서 상기 데이터 가공단계에서 가공된 데이터에 기초하여 상기 기계 시스템의 상태가 정상인지 여부가 판단되는, 제2 모드; 및 상기 데이터 수집단계에서 실시간으로 데이터가 수집되고, 상기 데이터 가공단계에서 상기 데이터 수집단계에서 수집된 데이터가 실시간으로 가공되고, 상기 데이터 저장단계에서 상기 데이터 가공단계에서 가공된 데이터가 샘플링되어 저장되고, 상기 상태 판단단계에서 상기 데이터 저장단계에서 저장된 데이터에 기초하여 상기 기계시스템의 상태가 정상인지 여부가 판단되는, 제3 모드;가 각각 수행가능하다. 따라서, 기계시스템의 운전에 따라 기계시스템 으로부터 데이터를 측정하여 고장분석을 할 수 있게 됨으로써, 기계시스템의 이상신호 원인을 신속하게 파악하여 기계시스템의 정지시간을 단축할 수 있을 뿐만 아니라 다양한 형태의 신호평가를 통해 기계시스템의 유지 및 보수에 관한 비용절감이 가능하게 된다.
본 발명에 따르면, 기계시스템의 운전에 따라 기계시스템으로부터 데이터를 측정하여 고장분석을 할 수 있게 됨으로써, 기계시스템의 이상신호 원인을 신속하게 파악하여 기계시스템의 정지시간을 단축할 수 있을 뿐만 아니라 다양한 형태의 신호평가를 통해 기계시스템의 유지 및 보수에 관한 비용절감이 가능하게 된다.
또한, 본 발명에 따르면, CMS 설치시 메시지나 경고음과 같은 알람의 레벨설정이 가능하고, CMS 운영시나 기계시스템 이상신호 발생시 동일한 기계시스템에서 사용자의 선택에 따라 정밀하게 분석할 수 있으며, 모든 정보를 원격접속을 통해 구현할 수 있다.
도 1은 본 발명의 기계시스템 상태감시장치의 구성도이다.
도 2는 본 발명의 데이터 수집부의 구성도이다.
도 3은 본 발명의 상태판단부의 구성도이다.
도 4a는 본 발명의 ES 모드에서의 기계시스템 상태감시방법의 흐름도이다.
도 4b는 본 발명의 CA 모드에서의 기계시스템 상태감시방법의 흐름도이다.
도 4c는 본 발명의 CMS 모드에서의 기계시스템 상태감시방법의 흐름도이다.
도 5는 본 발명의 상태모니터링 시스템의 소프트웨어 구성도이다.
도 2는 본 발명의 데이터 수집부의 구성도이다.
도 3은 본 발명의 상태판단부의 구성도이다.
도 4a는 본 발명의 ES 모드에서의 기계시스템 상태감시방법의 흐름도이다.
도 4b는 본 발명의 CA 모드에서의 기계시스템 상태감시방법의 흐름도이다.
도 4c는 본 발명의 CMS 모드에서의 기계시스템 상태감시방법의 흐름도이다.
도 5는 본 발명의 상태모니터링 시스템의 소프트웨어 구성도이다.
이하, 첨부된 도면을 참조하여 본 발명의 실시형태를 설명한다. 그러나, 본 발명의 실시형태는 여러 가지의 다른 형태로 변형될 수 있으며, 본 발명의 범위가 이하 설명하는 실시형태로만 한정되는 것은 아니다. 도면에서의 요소들의 형상 및 크기 등은 보다 명확한 설명을 위해 과장될 수 있으며, 도면상의 동일한 부호로 표시되는 요소는 동일한 요소이다.
도 1은 본 발명의 기계시스템 상태감시장치의 구성도이다. 도 1을 참조하면, 기계시스템의 상태감시장치는 데이터 수집부(200), 데이터 가공부(300), 데이터 저장부(400), 상태 판단부(500)를 포함한다.
데이터 수집부(200)는 기계시스템의 운전에 따라 기계시스템에 설치된 적어도 하나의 센서(100)로부터 데이터를 수집한다. 기계시스템에 설치된 센서는 가속도 센서(110), 타코센서(120), 온도센서(130), 기상센서(140)를 포함하는데, 일 예로 기계시스템은 풍력발전기를 들 수 있다.
가속도 센서(110)는 기계시스템에 구비된 기어박스의 가속도 데이터를 감지하여 전압으로 출력신호를 발생시키고, 타코센서(120)는 기계시스템에 구비된 회전자의 회전수 데이터를 감지하여 전압으로 출력신호를 발생시킨다. 그리고, 온도센서(130)는 저항온도감지(Resistance Temperature Detection, RTD)에 의해 기계시스템에 구비된 전기발생부, 기어박스, 베어링의 온도를 감지하고, 기상센서(140)는 풍향 및 풍속을 감지한다.
데이터 가공부(300)는 데이터 수집부(200)에서 수집된 데이터를 가공한다. 데이터 가공부(300)는 고속 퓨리에 변환분석(Fast Fourier Transform analysis), 시간에 대한 주파수 분석, 차수분석(Order tracking analysis)을 통하여 데이터 수집부(200)가 수집한 데이터를 가공할 수 있으며, 기타 다른 분석방법을 통하여 데이터를 가공하는 것도 가능하다.
데이터 저장부(400)는 데이터 수집부(200)에서 수집된 데이터 또는 데이터 가공부(300)에서 가공된 데이터를 저장한다.
상태 판단부(500)는 데이터 가공부(300)에서 가공된 데이터 또는 데이터 저장부(400)에 저장된 데이터를 기초로 하여 기계시스템의 상태가 정상인지 여부를 판단한다. 상태 판단부(500)는 데이터 가공부(300)에서 가공된 데이터 또는 데이터 저장부(400)에 저장된 데이터가 설정값으로부터 설정오차범위를 초과하는 경우에 정상이 아닌 것으로 판단한다.
이때, 상태 판단부(500)는 가속도 데이터, 회전수 데이터, 온도 데이터, 및 풍력발전기가 설치된 장소에서의 풍향 및 풍속 데이터에 의한 진동분석값 데이터가 설정값으로부터 설정오차범위를 초과하는 경우에 메시지나 경고음과 같은 알람을 발생시킨다.
한편, 풍력발전기 상태감시장치의 동작과 관련하여, 제1 모드, 제2 모드, 제3 모드로 구현될 수 있는데, 제1 모드, 제2 모드, 제3 모드는 각각 ES(Early Stage) 모드, CA(Calibration & Analysis) 모드 및 CMS(Condition Monitoring System) 모드로 구체화될 수 있다. 즉, 풍력발전기 상태감시장치는 ES 모드, CA 모드, CMS 모드 중의 어느 하나의 모드로 동작하며, 제1, 제2, 제3 모드로의 전환이 가능하다.
ES 모드에서는 데이터 수집부(200)가 설정조건에 따라 데이터를 수집하고, 데이터 저장부(400)가 데이터 수집부(200)에서 수집된 데이터를 저장하고, 데이터 가공부(300)가 데이터 저장부(400)에 저장된 데이터를 가공하고, 상태 판단부(500)가 데이터 가공부(300)에서 가공된 데이터를 기초로 하여 기계 시스템의 상태가 정상인지 여부를 판단한다. 구체적으로, ES 모드에서는 운용자가 설정한 설정조건에 따라 25.6kHz로 진동분석값 데이터를 획득하여 저장하고 1~5Hz로 수집한 풍향 및 풍속 등에 관한 데이터를 저장한다. 저장된 데이터를 이용하여 트렌드(trend) 분석을 수행하며, 풍력발전기 상태의 일일보고서를 생성하여 운용자의 이메일로 전송하여 풍력발전기 정보를 관리한다.
설정조건에 따라 데이터를 수집하는 방식은, 데이터를 수집하는데 있어서 설정한 조건을 만족하게 되면 데이터를 수집하는 방식으로서, 설정시간간격으로 데이터를 수집하거나 설정시간에 데이터를 수집할 수 있다. 예를 들어, 1시간마다 5분 동안의 데이터를 수집하거나 오전 9시, 오전 11시, 오후 1시, 오후 3시, 오후 5시와 같이 정해진 시간에 5분 동안의 데이터를 수집할 수 있다.
또한, 설정조건에 따라 데이터를 수집하는 방식은 풍력발전기에 타코센서(120)가 구비되어 있을 때 풍력발전기에 구비된 회전자의 rpm(분당 회전속도)이 설정값으로부터 설정오차범위를 초과하는 경우, 또는 풍력발전기에 구비된 회전자의 rps(초당 회전속도)가 설정값을 초과하는 경우에 데이터를 수집할 수 있다.
특히, 기계시스템이 풍력발전기일 경우에는 풍속에 따라 회전자의 회전속도가 크게 변할 수 있는데, 데이터 수집부(200)는 풍력발전기에 구비된 회전자의 회전속도 증감에 비례하여 회전속도 데이터를 수집한다. 즉, 회전자의 회전속도가 빠를 경우에는 회전각이 큰 간격으로 회전속도 데이터를 수집하고 회전자의 회전속도가 느릴 경우에는 회전각이 작은 간격으로 회전속도 데이터를 수집함으로써 일정한 각도마다 회전속도 데이터를 수집한 것과 같은 결과를 갖게 된다. 이렇게 하여, 회전자의 회전속도에 관계없이 회전자의 동일위치에서 회전속도 데이터를 수집할 수 있게 된다.
CA 모드에서는 데이터 수집부(200)가 실시간으로 데이터를 수집하고, 데이터 가공부(300)가 데이터 수집부(200)에서 수집된 데이터를 실시간으로 가공하고, 상태 판단부(500)가 데이터 가공부(400)에서 가공된 데이터를 기초로 하여 기계 시스템의 상태가 정상인지 여부를 판단한다. 구체적으로, CA 모드에서는 25.6kHz로 진동분석값 데이터를 획득하여 시간 파형 및 주파수의 분석을 수행한다. 그리고, 1~5Hz로 풍향 및 풍속 등에 관한 데이터를 수집한다. 그리고, 풍력발전기 상태의 일일보고서를 생성하여 운용자의 이메일로 전송하여 풍력발전기 정보를 관리한다. 예를 들어, 특정한 센서에 고장이 발생하였을 경우 이에 관한 정보를 운용자에게 알려 해당 센서를 교정할 수 있게 한다. CA 모드는 수집된 데이터로부터 실시간 고속 퓨리에 변환을 통하여 진동분석값 데이터를 획득하는 방식에 해당한다. 이와 같이, CA 모드에서는 실시간 고속 퓨리에 변환을 통하여 획득한 진동분석값 데이터가 설정값으로부터 설정오차범위 이내에 있는지를 감시하여 기계시스템의 상태가 정상인지 여부를 판단하고, 진동분석값 데이터의 트렌드(trend) 및 차수(order)를 분석하여 기계시스템의 상태가 정상이 아닌 경우 메시지나 경고음과 같은 알람을 발생시킨다.
CMS 모드에서는 데이터 수집부(200)가 실시간으로 데이터를 수집하고, 데이터 가공부(300)가 데이터 수집부(200)에서 수집된 데이터를 실시간으로 가공하고, 데이터 저장부(400)가 데이터 가공부(300)에서 가공된 데이터를 샘플링(sampling)하여 저장하고, 상태 판단부(500)가 데이터 저장부(400)에 저장된 데이터를 기초로 하여 기계 시스템의 상태가 정상인지 여부를 판단한다. CMS 모드에서는 데이터 저장부(400)에 저장된 데이터의 시간 구간별 트렌드를 그래프(graph)로 표시한다. 구체적으로, CMS 모드에서는 25.6kHz로 진동분석값 데이터를 획득하여 2~5kHz의 데이터로 리샘플링(resampling)하여 저장한다. 그리고, 풍력발전기 상태의 일일보고서를 생성하여 운용자의 이메일로 전송하여 풍력발전기 정보를 관리한다. CMS 모드는 실시간으로 데이터를 수집하는 방식에 해당하는데, 실시간으로 데이터를 수집하여 가공한 후 샘플링을 통하여 저장하고, 저장된 데이터로부터 트렌드를 분석하거나 설정오차범위 내에 있는지를 분석하여 기계시스템의 상태가 정상이 아닌 경우 메시지나 경고음과 같은 알람을 발생시킨다.
한편, 실시간으로 데이터를 수집하는 방식은 설정조건에 따라 데이터를 수집하는 방식과는 달리, 실시간으로 센서들로부터 데이터를 수집하는 방식인데, 설정조건에 따라 데이터를 수집하는 방식이 실시간으로 데이터를 수집하는 방식보다 먼저 수행된다. 즉, 기계시스템 설치초기에는 설정조건에 따라 데이터를 수집하는 방식을 이용하여 특정한 조건에서의 기계시스템의 상태를 기록하지만, 충분한 기간이 경과하면 실시간으로 센서들(110~140)로부터 데이터를 수집한다.
본 발명에서는 일반적인 모니터링 방법에 해당하는 “실시간 데이터 수집”과 사용자 설정에 따라 데이터의 정밀분석과 고장분석이 가능한 “설정조건에 따른 데이터 수집”이 모두 가능하다. 따라서, 본 발명에서는 장시간 동안 모니터링을 통해 측정된 데이터의 평균값을 기록하는 기존의 모니터링 시스템이 정밀분석을 위해 필요한 많은 샘플링 데이터를 저장할 수 없는 문제점을 해결할 수 있다.
상기 ES 모드, CA 모드 및 CMS 모드에 관해서는, 좀 더 상세히 후술한다.
도 2는 본 발명의 데이터 수집부의 구성도이다. 도 2를 참조하면, 데이터 수집부(200)는 타이머 수단(210)과 데이터 추출수단(200)을 포함한다.
타이머 수단(210)은 시간을 카운트하여 설정된 시간이 되면 데이터 추출수단(200)에 데이터 추출을 지시하고, 데이터 추출수단(220)은 타이머 수단(210)으로부터 데이터 추출지시를 받아 센서들(110~140)로부터 데이터를 추출한다. 예를 들어, 오전 9시, 오전 11시, 오후 1시, 오후 3시, 오후 5시와 같이 정해진 시간에 5분 동안 풍력발전기의 회전속도 데이터를 추출하도록 설정되어 있다면, 타이머 수단(210)은 상기 정해진 시간이 되면 데이터 추출수단(220)에 데이터 추출을 지시하고, 데이터 추출수단(220)은 데이터 추출지시를 받은 후 5분 동안 풍력발전기의 회전속도 데이터를 추출한다.
도 3은 본 발명의 상태판단부의 구성도이다. 도 3을 참조하면, 데이터 가공부(300)는 A/D(Analog/Digital) 변환기(310), 고속 퓨리에 변환수단(320), 저역통과필터(330), 고역통과필터(340), 대역통과필터(350), 대역제거필터(360), 비교수단(370)을 포함한다.
데이터 수집부(200)에서 수집된 데이터는 A/D 변환기(310)로 인가되는데, A/D 변환기(310)는 아날로그 신호를 디지털 신호로 변환하는 장치로, 수집된 아날로그 신호를 디지털 신호로 변환시킨다.
그리고, A/D 변환기(310)에서 변환된 디지털 신호는 고속 퓨리에 변환수단(320)과 각 필터들(330~360)로 전달되는데, 고속 퓨리에 변환수단(320)은 상기 디지털 신호를 고속 퓨리에 변환을 통하여 그 주파수 스펙트럼을 분석하여 진동분석값 데이터를 획득할 수 있게 하고, 각 필터들(330~360)은 상기 디지털 신호를 주파수 대역별로 필터링한다.
또한, 고속 퓨리에 변환수단(320)에서 출력된 주파수 스펙트럼 분석결과로부터의 진동분석값 데이터 및 각 필터들(330~360)의 출력은 비교수단(370)에 전달되는데, 비교수단(370)은 진동분석값 데이터가 설정값으로부터 설정오차범위 이내에 있는지를 감시하여 기계시스템의 상태가 정상인지 여부를 판단한다. 즉, 진동분석값 데이터가 설정값으로부터 오차범위 이내에 있으면 비교수단(370)은 기계시스템이 정상인 것으로 판단하고, 설정값으로부터 오차범위 이내에 있지 않으면 비교수단(370)은 기계시스템이 고장인 것으로 판단한다.
도 4a는 본 발명의 ES 모드에서의 기계시스템 상태감시방법의 흐름도이다. 도 4a를 도 1과 함께 살펴보기로 한다.
먼저, 데이터 수집부(200)가 설정조건에 따라 데이터를 수집하고, 데이터 저장부(400)가 데이터 수집부(200)에서 수집된 데이터를 저장한다(S100).
S100 단계 이후, 데이터 가공부(300)가 데이터 저장부(400)에 저장된 데이터를 가공한다(S110). 데이터 가공부(300)에서 데이터 가공시에는 고속 퓨리에 변환분석, 시간에 대한 주파수 분석, 차수분석을 통하여 데이터를 가공할 수 있으며, 기타 다른 분석방법을 통하여 데이터를 가공하는 것도 가능하다.
S110 단계 이후, 상태 판단부(500)가 데이터 가공부(300)에서 가공된 데이터를 기초로 하여 기계 시스템의 상태가 정상인지 여부를 판단한다(S120). 예를 들어, 타코센서(120)로부터 획득한 진동분석값 데이터의 설정값이 23rpm이고, 설정오차범위가 ±3rpm이라 할 때, 타코센서(120)로부터 획득한 진동분석값 데이터가 20~26rpm의 범위를 벗어나는지를 판단한다. 이때, 타코센서(120)로부터 획득한 진동분석값 데이터가 20~26rpm이면 풍력발전기에 설치된 타코센서(120)의 상태가 정상인 것으로 판단하고, 20rpm 미만이거나 26rpm을 초과하면 고장인 것으로 판단한다.
도 4b는 본 발명의 CA 모드에서의 기계시스템 상태감시방법의 흐름도이다. 도 4b를 도 1과 함께 살펴보기로 한다.
먼저, 데이터 수집부(200)가 실시간으로 데이터를 수집하고, 데이터 가공부(300)가 데이터 수집부(200)에서 수집된 데이터를 실시간으로 가공한다(S200). 데이터 가공부(300)에서 데이터 가공시에는 도 4a에서와 같이 고속 퓨리에 변환분석, 시간에 대한 주파수 분석, 차수분석을 통하여 데이터를 가공할 수 있으며, 기타 다른 분석방법을 통하여 데이터를 가공하는 것도 가능하다
S200 단계 이후, 상태 판단부(500)가 데이터 가공부(400)에서 가공된 데이터를 기초로 하여 기계 시스템의 상태가 정상인지 여부를 판단한다(S210). 상태 판단부(500)에서의 상태판단방식은 도 4a에서 살펴본 바와 동일하다.
도 4c는 본 발명의 CMS 모드에서의 기계시스템 상태감시방법의 흐름도이다.도 4c를 도 1과 함께 살펴보기로 한다.
먼저, 데이터 수집부(200)가 실시간으로 데이터를 수집하고, 데이터 가공부(300)가 데이터 수집부(200)에서 수집된 데이터를 실시간으로 가공한다(S300). 데이터 가공부(300)에서 데이터 가공시에는 도 4a 및 도 4b에서와 같이 고속 퓨리에 변환분석, 시간에 대한 주파수 분석, 차수분석을 통하여 데이터를 가공할 수 있으며, 기타 다른 분석방법을 통하여 데이터를 가공하는 것도 가능하다.
S300 단계 이후, 데이터 저장부(400)가 데이터 가공부(300)에서 가공된 데이터를 샘플링하여 저장한다(S310).
S310 단계 이후, 상태 판단부(500)가 데이터 저장부(400)에 저장된 데이터를 기초로 하여 기계 시스템의 상태가 정상인지 여부를 판단한다(S320). 상태 판단부(500)에서 상태 판단시에는 도 4a에서 살펴본 예와 같이 상태 판단이 가능하다.
상기한 바와 같은 본 발명을 기초로 하여 발명자는 아래와 같은 프런트 엔드(Front-End) 소프트웨어 및 호스트(Host) 소프트웨어를 개발하였는데, 이에 대하여 상세히 살펴보기로 한다.
(1) 프런트 엔드 소프트웨어
프런트 엔드 소프트웨어는 상태모니터링 시스템의 메인 컨트롤러에 탑재되어 풍력발전기의 운행시 진동, 온도, 브레이드의 회전속도, 풍향 및 풍속에 관한 신호를 수집하고, 수집된 데이터를 이용하여 기본적인 신호처리를 수행한다. 즉, 수집된 데이터를 이용하여 기본적인 신호처리기능과 호스트시스템으로 측정데이터를 전송한다.
도 5는 본 발명의 상태모니터링 시스템의 소프트웨어 구성도이다. 도 5를 참조하면, 프런트 엔드 소프트웨어는 ES(Early Stage) 모드, CA(Calibration & Analysis) 모드, CMS(Condition Monitoring System) 모드로 구성된다.
ES 모드에서는 운용자가 설정한 트리거 설정조건에 따라 컨트롤러에서 25.6kHz 샘플링 속도(sampling rate)으로 진동데이터를 수집하여 호스트로 전송한다. 또한, 운전 데이터(풍향, 풍속, 온도, 생산전력 등)는 1~5Hz로 상시 수집하여 호스트로 전송한다.
CA 모드에서는 컨트롤러에서 25.6kHz의 샘플링 속도로 실시간 진동데이터를 수집하여 호스트로 전송한다. 또한, 운전 데이터(풍향, 풍속, 온도, 생산전력 등)는 1~5Hz로 상시 수집하여 호스트로 전송한다.
CMS 모드에서는 컨트롤러에서 25.6kHz의 샘플링 속도로 실시간 진동데이터를 수집하여 2~5kHz의 데이터로 리샘플링(resampling)하여 호스트로 전송한다. 또한, 운전 데이터(풍향, 풍속, 온도, 생산전력 등)는 1~5Hz로 상시 수집하여 호스트로 저장한다.
프런트 엔드 소프트웨어별 모드별 주요기능은 표 1과 같다.
| 구 분 |
주요 기능 |
| ES Mode |
- 25.6kHz의 샘플링 속도로 데이터 수집 - 1~5Hz 운전데이터 (풍향, 풍속, 생산전력, 온도) 데이터 수집/저 장 - 트리거 조건 분석 - 트리거에 설정에 의한 데이터 수집 - 수집된 데이터 호스트로 전송 |
| CA 모드 |
- 25.6kHz의 샘플링 속도로 데이터 수집 및 저장 - 1~5Hz 운전데이터 (풍향, 풍속, 생산전력, 온도) 데이터 수집/저 장 - 수집된 데이터 실시간 호스트로 전송 |
| CMS 모드 |
- 25.6kHz의 샘플링 속도로 데이터 수집 - 수집된 데이터의 리샘플링(시간, 스펙트럼)/저장 - 1~5Hz 운전데이터 (풍향, 풍속, 생산전력, 온도) 데이터 수집/저 장 - 수집된 데이터 실시간 호스트로 전송 |
이하, 표 1의 3가지 모드에 대하여 상세히 살펴보기로 한다.
ES 모드는 풍력발전기 등 기계시스템의 특성을 추출하는 초기 데이터 수집모드이다. 각 센서로부터 측정된 신호의 경향을 분석하는 것이 주요한 목적이며, 설정조건에 따라 구간별(예를 들어, 분별, 시간별 등) 경향을 실시간으로 사용자에게 전송하도록 한다. 초기의 기계시스템의 정상상태를 측정한 신호이며, 풍력발전기의 경우 분당 회전수(rpm), 풍속, 출력 등에 연동된 기계시스템의 정상데이터(레퍼런스 신호)로 관리될 수 있다. 이 데이터를 이용하여 운영자가 메시지나 경고음과 같은 알람 등의 레벨설정을 할 수 있게 하는 기능을 제공한다.
CA 모드는 기계시스템의 상태를 상세히 분석하여 교정할 수 있는 측정모드이다. 풍력발전기의 경우, 각 센서로부터 측정된 신호를 분당 회전수, 풍속, 출력 등과 연계하여 정밀한 분석을 하는 것이 목적이며, 사용자의 설정에 따라 실시간 고속 퓨리에 변환, 시간/주파수 분석, 차수 분석(order tracking analysis) 등을 할 수 있다. 측정된 데이터가 많은 샘플링이기 때문에 장시간 동안 전송하거나 저장하는 것은 불가능하나, 이러한 분석을 통해 기계시스템이 정지하고 있지 않은 상태에서도 원격으로 기계시스템의 상태를 정밀하게 분석할 수 있고 고장분석 및 고장진단을 할 수 있도록 한다.
CMS 모드는 풍력발전기를 장시간 동안 상태감시하는 측정모드이다. ES 모드를 통해 설정된 레벨을 실시간으로 측정한 데이터(예를 들면, 1분 동안의 평균값, 10분 동안의 평균값 등)와 비교하여 메시지나 경고음과 같은 알람 등의 신호가 발생하도록 한다.
프런트 엔드 소프트웨어에서 데이터 수집시 설정하는 트리거 조건은 표 2와 같다.
| 구 분 |
주요 기능 |
| 시간간격 트리거 |
- 주기적인 데이터 저장 시간 설정 - 측정시간 및 간격 설정 |
| 디지털 입력 트리거 |
- 운전데이터에 연동해서 움직이는 디지털 신호를 입력 - 풍력발전기가 가동되는 신호에 따라 측정 - 풍력발전기 기동에 의한 측정 |
| 운전데이터 트리거 |
- 풍향, 풍속, 생산전력 등의 운전데이터 조건에 따라 측정 - 운전데이터의 상/하한치 적용 |
| 다이나믹 신호 트리거 |
- 측정된 신호의 피크값 또는 RMS값에 의한 데이터 저장 - 레벨, 프리 트리거(Pre-Trigger) 및 포스트 트리거(Post Trigger) 설정 |
(2) 호스트 소프트웨어
호스트 소프트웨어는 프런트 엔드에서 측정된 데이터를 수신받아 데이터를 저장하고 트렌드 분석, 후처리(Post Processing) 기능을 수행한다.
호스트 소프트웨어는 프런트 엔드 소프트웨어의 모드와 동일한 ES(Early Stage) 모드, CA(Calibration & Analysis) 모드, CMS(Condition Monitoring System) 모드로 구성되어 프런트 엔드의 기능에 따라 해당 기능을 수행한다.
ES 모드에서는 진동데이터와 운전 데이터는 후처리 기능을 수행하고, 저장된 데이터를 이용하여 트렌드 분석을 수행한다.
CA 모드에서는 후처리 모드와 실시간 분석(Real-Time Analyzer) 모드로 구성된다. 후처리 모드에서는 실시간 수신되는 모든 데이터를 이용하여 후처리를 수행하며, 실시간 분석 모드에서는 실시간으로 수신되는 모든 데이터를 시간 파형 및 주파수 분석의 기능을 수행한다.
CMS 모드에서는 수신된 진동데이터와 운전 데이터의 후처리 기능을 수행하고 풍력발전기의 상태를 기초분석한다.
| 구 분 |
주요 기능 |
| ES Mode |
- 프런트 엔드로부터 수집된 데이터 수신 - 수집된 데이터 저장 - 트렌드 분석 및 후처리 수행 - 풍력발전기 상태 일일 보고서 생성(E-mail 발송) - 풍력발전기 정보 관리 |
| CA 모드 |
- 프런트 엔드로부터 수집된 데이터 실시간 수신 - 수집된 데이터 저장 - 트렌드 분석 및 후처리 수행 - 풍력발전기 상태 일일 보고서 생성(E-mail 발송) - 풍력발전기 정보 관리 - 프런트 엔드로부터 수집된 데이터 실시간 수신 - 실시간 주파수 분석 - 센서 교정 |
| CMS 모드 |
- 프런트 엔드로부터 수집된 데이터 실시간 수신 - 수집된 데이터 저장 - 트렌드 분석 및 후처리 수행 - 측정데이터 신호 분석 - 풍력발전기 상태 일일 보고서 생성(E-mail 발송) - 풍력발전기 정보 관리 |
| 구 분 |
항 목 |
주요 기능 |
| 신호처리 |
회전속도 계산기 |
타코미터에 의하여 입력된 센서의 값을 이용 하여 로터의 속도(RPM)를 계산 |
| 전력 스펙트럼 |
진동센서에서 입력된 신호를 각 대역별 전력 레벨을 산출 |
|
| 엔벨러프 처리 |
- 시간영역상에서 고주파 영역의 신호를 저주 파 영역의 신호로 변환 - 2~5KHz의 대역통과필터 내장 - 2차 엔벨러프 계산 |
|
| 차수분석 |
- 비례속도 계산부분에서 산출된 각속도를 기 반으로 하여 신호를 리샘플링하는 기능수행 - 주파수영역에서 특정협대역에 대한 전력산출 |
|
| 신호처리 |
시간영역분석 |
- 신호를 시간영역에서 해석 - 신호의 RMS, 평균, 표준편차, 피크, 형상요 소, 비대칭도 등의 값을 산출 |
| 2차원 분석 |
- 2차원 주파수 영역 해석 - 신호에 대한 스펙트로그램, 웨이브렛, 시간 대 주파수 분석, RPM 대 차수 스펙트럼 분석 |
|
| 트렌드 분석 |
트렌드 인덱스생성 |
- 일반 대역의 전력 - 차수 스펙트럼 대역의 전력 - 시간영역 인덱스 - 고조파 대역의 전력 - 기저(Harmonic 이외 부분) 전력 |
| 트렌드 분석 |
- 구간 평균, 익스포넨셜(exponential) 평균 - 분, 시, 일, 주간, 월간 트렌드 그래프 표시 - 트렌드 경향 분석 |
(3) 서버 소프트웨어
서버 소프트웨어는 호스트 소프트웨어 모드와 동일한 ES(Early Stage) 모드, CA(Calibration & Analysis) 모드, CMS(Condition Monitoring System) 모드로 구성되어 호스트의 기능에 따라 해당 기능을 수행한다.
ES 모드에서는 호스트로부터 데이터를 수신하여 후처리 기능을 수행한다.
CA 모드에서는 후처리 모드와 실시간 분석(Real-Time Analyzer) 모드로 구성된다. 후처리 모드에서는 호스트로부터 데이터를 수신하여 상태체크모드를 수행한다.
CMS 모드에서는 호스트로부터 데이터를 수신하여 CMS 모드를 수행한다.
본 발명은 상술한 실시형태 및 첨부된 도면에 의해 한정되지 아니한다. 첨부된 청구범위에 의해 권리범위를 한정하고자 하며, 청구범위에 기재된 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 다양한 형태의 치환, 변형 및 변경이 가능하다는 것은 당 기술분야의 통상의 지식을 가진 자에게 자명할 것이다.
100 : 센서 110 : 가속도 센서
120 : 타코센서 130 : 온도센서
140 : 기상센서 200 : 데이터 수집부
210 : 타이머 수단 220 : 데이터 추출수단
300 : 데이터 가공부 310 : A/D 변환기
320 : 고속 퓨리에 변환수단 330 : 저역통과필터
340 : 고역통과필터 350 : 대역통과필터
360 : 대역제거필터 370 : 비교수단
400 : 데이터 저장부 500 : 상태 판단부
120 : 타코센서 130 : 온도센서
140 : 기상센서 200 : 데이터 수집부
210 : 타이머 수단 220 : 데이터 추출수단
300 : 데이터 가공부 310 : A/D 변환기
320 : 고속 퓨리에 변환수단 330 : 저역통과필터
340 : 고역통과필터 350 : 대역통과필터
360 : 대역제거필터 370 : 비교수단
400 : 데이터 저장부 500 : 상태 판단부
Claims (10)
- 기계시스템의 운전에 따라 상기 기계시스템에 설치된 적어도 하나의 센서로부터 데이터를 수집하는 데이터 수집부;
상기 데이터 수집부에서 수집된 데이터를 가공하는 데이터 가공부;
상기 데이터 수집부에서 수집된 데이터 또는 상기 데이터 가공부에서 가공된 데이터를 저장하는 데이터 저장부; 및
상기 데이터 가공부에서 가공된 데이터 또는 상기 데이터 저장부에 저장된 데이터를 기초로 하여 상기 기계시스템의 상태가 정상인지 여부를 판단하는 상태 판단부;
를 포함하고,
상기 데이터 수집부가 설정조건에 따라 데이터를 수집하고, 상기 데이터 저장부가 상기 데이터 수집부에서 수집된 데이터를 저장하고, 상기 데이터 가공부가 상기 데이터 저장부에 저장된 데이터를 가공하고, 상기 상태 판단부가 상기 데이터 가공부에서 가공된 데이터를 기초로 하여 상기 기계 시스템의 상태가 정상인지 여부를 판단하는, 제1 모드;
상기 데이터 수집부가 실시간으로 데이터를 수집하고, 상기 데이터 가공부가 상기 데이터 수집부에서 수집된 데이터를 실시간으로 가공하고, 상기 상태 판단부가 상기 데이터 가공부에서 가공된 데이터를 기초로 하여 상기 기계 시스템의 상태가 정상인지 여부를 판단하는, 제2 모드; 및
상기 데이터 수집부가 실시간으로 데이터를 수집하고, 상기 데이터 가공부가 상기 데이터 수집부에서 수집된 데이터를 실시간으로 가공하고, 상기 데이터 저장부가 상기 데이터 가공부에서 가공된 데이터를 샘플링하여 저장하고, 상기 상태 판단부가 상기 데이터 저장부에 저장된 데이터를 기초로 하여 상기 기계 시스템의 상태가 정상인지 여부를 판단하는, 제3 모드;
로 동작하며,
상기 제1, 제2, 제3 모드 간의 전환이 가능한,
기계시스템 상태감시장치. - 제1항에 있어서,
상기 설정조건은 설정시간간격인 경우 또는 설정시간인 경우인 기계시스템 상태감시장치. - 제1항에 있어서,
상기 데이터 가공부는 고속 퓨리에 변환분석, 시간에 대한 주파수 분석, 또는 차수분석 중에서 적어도 어느 하나의 분석을 통하여 상기 데이터 수집부가 수집한 데이터를 가공하는 기계시스템 상태감시장치. - 제1항에 있어서,
상기 상태 판단부는 상기 데이터 가공부에서 가공된 데이터 또는 상기 데이터 저장부에 저장된 데이터가 설정값으로부터 설정오차범위를 초과하는 경우에 정상이 아닌 것으로 판단하는 기계시스템 상태감시장치. - 제1항에 있어서,
상기 기계시스템은 풍력발전기이고,
상기 데이터 수집부는 상기 풍력발전기에 구비된 회전자의 회전속도 증감에 비례하여 데이터를 수집하는 기계시스템 상태감시장치. - 제5항에 있어서,
상기 센서는 상기 풍력발전기에 구비된 타코센서이고, 상기 설정조건은 상기 타코센서의 신호로부터 측정된 회전자의 rpm(분당 회전속도)이 설정값으로부터 설정오차범위를 초과하는 경우인 기계시스템 상태감시장치. - 제5항에 있어서,
상기 센서는 상기 풍력발전기에 구비된 타코센서이고, 상기 설정조건은 상기 풍력발전기에 구비된 회전자의 rps(초당 회전속도)가 설정값을 초과하는 경우인 기계시스템 상태감시장치. - 제5항에 있어서,
상기 데이터 수집부는, 상기 풍력발전기에 구비된,
기어박스의 가속도 데이터,
회전자의 회전수 데이터, 및
전기발생부, 기어박스, 베어링의 온도 데이터
를 수집하는 기계시스템 상태감시장치. - 제1항에 있어서,
상기 제3 모드에 있어서, 상기 상태 판단부는 상기 데이터 저장부에 저장된 데이터의 시간 구간별 트렌드를 그래프로 표시하는 기계시스템 상태감시장치. - 기계시스템의 운전에 따라 상기 기계시스템에 설치된 적어도 하나의 센서로부터 데이터를 수집하는 데이터 수집 단계;
상기 데이터 수집단계에서 수집된 데이터를 가공하는 데이터 가공 단계;
상기 데이터 수집단계에서 수집된 데이터 또는 상기 데이터 가공단계에서 가공된 데이터를 저장하는 데이터 저장 단계; 및
상기 데이터 가공단계에서 가공된 데이터 또는 상기 데이터 저장단계에 저장된 데이터를 기초로 하여 상기 기계시스템의 상태가 정상인지 여부를 판단하는 상태 판단 단계;
를 포함하고,
상기 데이터 수집단계에서 설정조건에 따라 데이터가 수집되고, 상기 데이터 저장 단계에서 상기 데이터 수집 단계에서 수집된 데이터가 저장되고, 상기 데이터 가공 단계에서 상기 데이터 저장 단계에서 저장된 데이터가 가공되고, 상기 상태 판단 단계에서 상기 데이터 가공 단계에서 가공된 데이터에 기초하여 상기 기계 시스템의 상태가 정상인지 여부가 판단되는, 제1 모드;
상기 데이터 수집단계에서 실시간으로 데이터가 수집되고, 상기 데이터 가공단계에서 상기 데이터 수집단계에서 수집된 데이터가 실시간으로 가공되고, 상기 상태 판단단계에서 상기 데이터 가공단계에서 가공된 데이터에 기초하여 상기 기계 시스템의 상태가 정상인지 여부가 판단되는, 제2 모드; 및
상기 데이터 수집단계에서 실시간으로 데이터가 수집되고, 상기 데이터 가공단계에서 상기 데이터 수집단계에서 수집된 데이터가 실시간으로 가공되고, 상기 데이터 저장단계에서 상기 데이터 가공단계에서 가공된 데이터가 샘플링되어 저장되고, 상기 상태 판단단계에서 상기 데이터 저장단계에서 저장된 데이터에 기초하여 상기 기계시스템의 상태가 정상인지 여부가 판단되는, 제3 모드;
가 각각 수행가능한,
기계시스템 상태 감시 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020100100339A KR101166871B1 (ko) | 2010-10-14 | 2010-10-14 | 기계시스템 상태감시장치 및 상태감시방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020100100339A KR101166871B1 (ko) | 2010-10-14 | 2010-10-14 | 기계시스템 상태감시장치 및 상태감시방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20120038729A true KR20120038729A (ko) | 2012-04-24 |
| KR101166871B1 KR101166871B1 (ko) | 2012-07-19 |
Family
ID=46139347
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020100100339A KR101166871B1 (ko) | 2010-10-14 | 2010-10-14 | 기계시스템 상태감시장치 및 상태감시방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101166871B1 (ko) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20140109132A (ko) * | 2013-03-05 | 2014-09-15 | 한국전력공사 | 파워커브 모니터링을 통한 경보 발생 방법 |
| KR101663426B1 (ko) * | 2015-07-10 | 2016-10-07 | 한양대학교 산학협력단 | 대형 운용 시스템의 상태 기반 예방정비 장치 및 방법 |
| KR20160145057A (ko) * | 2014-04-03 | 2016-12-19 | 이갈 리브네 | 스마트 커플링 |
| CN115013086A (zh) * | 2022-06-10 | 2022-09-06 | 深圳市云帆自动化技术有限公司 | 一种基于海上电网透平发电机的数据远程采集装置 |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101413565B1 (ko) * | 2012-12-03 | 2014-07-04 | 한국전기연구원 | 풍력터빈 피치제어기의 성능 평가장치 및 그 방법 |
| KR101420846B1 (ko) * | 2014-02-13 | 2014-07-18 | 한국기계연구원 | 액티브 빈을 이용한 풍력 발전기 고장 진단 방법 |
| KR101599210B1 (ko) * | 2015-07-08 | 2016-03-03 | 한국기계연구원 | 풍력발전기의 이상 진단을 위한 알람 설정 방법 |
-
2010
- 2010-10-14 KR KR1020100100339A patent/KR101166871B1/ko active IP Right Grant
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20140109132A (ko) * | 2013-03-05 | 2014-09-15 | 한국전력공사 | 파워커브 모니터링을 통한 경보 발생 방법 |
| KR20160145057A (ko) * | 2014-04-03 | 2016-12-19 | 이갈 리브네 | 스마트 커플링 |
| KR101663426B1 (ko) * | 2015-07-10 | 2016-10-07 | 한양대학교 산학협력단 | 대형 운용 시스템의 상태 기반 예방정비 장치 및 방법 |
| WO2017010778A1 (ko) * | 2015-07-10 | 2017-01-19 | 한양대학교 산학협력단 | 대형 운용 시스템의 상태 기반 예방정비 장치 및 방법 |
| US11068859B2 (en) | 2015-07-10 | 2021-07-20 | Industry-University Cooperation Foundation Hanyang University | Condition based preventive maintenance apparatus and method for large operation system |
| CN115013086A (zh) * | 2022-06-10 | 2022-09-06 | 深圳市云帆自动化技术有限公司 | 一种基于海上电网透平发电机的数据远程采集装置 |
| CN115013086B (zh) * | 2022-06-10 | 2024-05-31 | 深圳市云帆自动化技术有限公司 | 一种基于海上电网透平发电机的数据远程采集装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR101166871B1 (ko) | 2012-07-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101166871B1 (ko) | 기계시스템 상태감시장치 및 상태감시방법 | |
| US20210223094A1 (en) | Apparatus and a method for analysing the vibration of a machine having a rotating part | |
| US11561127B2 (en) | Apparatus for analysing the condition of a machine having a rotating part | |
| Crabtree et al. | Survey of commercially available condition monitoring systems for wind turbines | |
| KR101962246B1 (ko) | 기어박스의 상태를 모니터링하는 방법 및 시스템 | |
| Barszcz et al. | Application of spectral kurtosis for detection of a tooth crack in the planetary gear of a wind turbine | |
| US10495693B2 (en) | Wind turbine fault detection using acoustic, vibration, and electrical signals | |
| CA2891326C (en) | Early detection of wind turbine degradation using acoustical monitoring | |
| EP2746885A1 (en) | Method of monitoring the condition of a wind turbine | |
| US20130096848A1 (en) | Methods and systems for automatic rolling-element bearing fault detection | |
| US20110285532A1 (en) | analysis system | |
| CN102156043A (zh) | 风力发电机组在线状态监测与故障诊断系统 | |
| US20110301872A1 (en) | Analysis system | |
| CN111509847A (zh) | 一种电网机组状态的智能检测系统及方法 | |
| CN102706560A (zh) | 一种风力发电机组的状态监测方法和装置 | |
| KR20110009615A (ko) | 데이터 수집장치 및 상기 데이터 수집장치를 구비한 설비기기의 진단장치 | |
| JP2020056801A (ja) | 計測診断装置、及び計測診断方法 | |
| JP2017166960A (ja) | 計測診断装置、及び計測診断方法 | |
| KR20120063634A (ko) | 기계시스템 상태감시장치 및 상태감시방법 | |
| KR101456589B1 (ko) | 고장 원인 스펙트럼 분석을 통한 기계 설비의 상태 관리 시스템 | |
| DK181393B1 (en) | Establishing health indicator of a rotating component | |
| EP3425199B1 (en) | Data collection system and method for wind turbine power generation facility, and wind turbine power generation facility | |
| KR101482511B1 (ko) | 위상 지연과 데이터 분포 형상지수를 이용한 베어링 결함 진단 시스템 및 그 진단 방법 | |
| CN116537965B (zh) | 一种柴油机在线监测和故障诊断装置 | |
| CN116642575A (zh) | 一种发电机振动监测预警方法、系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| FPAY | Annual fee payment |
Payment date: 20150506 Year of fee payment: 4 |
|
| FPAY | Annual fee payment |
Payment date: 20160520 Year of fee payment: 5 |
|
| FPAY | Annual fee payment |
Payment date: 20170512 Year of fee payment: 6 |
|
| FPAY | Annual fee payment |
Payment date: 20180423 Year of fee payment: 7 |
|
| FPAY | Annual fee payment |
Payment date: 20190429 Year of fee payment: 8 |