KR20170087092A - 회전기 모니터링 장치 및 회전기 모니터링 방법 - Google Patents

회전기 모니터링 장치 및 회전기 모니터링 방법 Download PDF

Info

Publication number
KR20170087092A
KR20170087092A KR1020160006335A KR20160006335A KR20170087092A KR 20170087092 A KR20170087092 A KR 20170087092A KR 1020160006335 A KR1020160006335 A KR 1020160006335A KR 20160006335 A KR20160006335 A KR 20160006335A KR 20170087092 A KR20170087092 A KR 20170087092A
Authority
KR
South Korea
Prior art keywords
regression analysis
vibration
rotating machine
diagnostic characteristic
characteristic factor
Prior art date
Application number
KR1020160006335A
Other languages
English (en)
Other versions
KR102150425B1 (ko
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/ko
Publication of KR20170087092A publication Critical patent/KR20170087092A/ko
Application granted granted Critical
Publication of KR102150425B1 publication Critical patent/KR102150425B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M99/00—Subject matter not provided for in other groups of this subclass
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Public Health (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Hydrology & Water Resources (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Power Engineering (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Automation & Control Theory (AREA)

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.

Description

회전기 모니터링 장치 및 회전기 모니터링 방법{MONITORING APPARATUS FOR ROTARY MACHINE AND MONITORING METHOD FOR ROTARY MACHINE}
본 발명은 회전기를 모니터링하는 회전기 모니터링 장치 및 회전기 모니터링 방법에 관한 것이다.
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.
대한민국 공개특허공보 제10-2013-0134092호
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.
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.
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.
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.
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.
이하, 첨부된 도면을 참조하여 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 바람직한 실시예를 상세히 설명한다.
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.
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.
본 발명의 일 실시예에 따른 회전기 모니터링 장치(100)는 회전기를 모니터링하기 위한 데이터 베이스 서버일 수 있다.
수신부(110)는 회전기 설비부로부터 회전기의 동작 상태 정보를 전송받을 수 있다(S10).
상기 회전기 설비부는 적어도 하나의 회전기를 포함할 수 있고, 예를 들어, 복수의 회전기를 포함할 수 있다.
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.
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.
데이터 추출 모듈(130)는 누유 상태 진단 특성 인자 추출부(121)과 진동/소음 상태 진단 특성 인자 추출부(122)를 포함할 수 있다.
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).
상술한 누유 상태 진단 특성 인자 및 진동/소음 상태 진단 특성 인자는 하기의 표1과 같을 수 있다.
(표1)
Figure 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.
상술한 누유 상태 진단 특성 인자 중 온도는 구동단(DE)과 비구동단(DE) 측 베어링의 온도, 대기온도 및 내부 온도 등일 수 있고, 갭(Gap)은 라비린스 씰(labyrinth seal)과 축간의 갭일 수 있다.
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.
데이터 분석 모듈(140)는 트렌드 분석부(141)를 포함할 수 있다.
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).
상기 건전성 데이터는 추출된 특성인자를 통해 정의한 통계적 수치로 하기의 표2와 같을 수 있다.
(표2)
Figure 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.
여기서, 시간 영역 통계적 파라미터와 주파수 영역 통계적 파라미터 건전성 데이터 형태의 각 정의는 하기의 표3과 같을 수 있다.
(표3)
Figure pat00003

한편, 통계적 추정 모듈(150)은 다중 로지스틱 회귀 분석부(151) 및 다중 선형 회귀 분석부(152)를 포함할 수 있다.
다중 로지스틱 회귀 분석부(151)는 다중 로지스틱 회귀 분석을 통해 운전시간에 따른 누유 발생 확률값을 도출할 수 있다(S40).
예를 들어, 다중 로지스틱 회귀 분석부(151)는 하기의 수식1을 통해 상기 누유 발생 확률값을 도출할 수 있다.
(수식1)
Figure pat00004
Figure 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.)
다중 선형 회귀 분석부(152)는 다중 선형 회귀 분석을 통해 운전 시간에 따른 진동, 소음으로 인한 회전기의 효율 예측값을 도출할 수 있다(S80).
예를 들어, 다중 선형 회귀 분석부(152)는 하기의 수식2를 통해 상기 효율 예측값을 도출할 수 있다.
(수식2)
Figure 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.)
평가 해석 모듈(160)은 누유 발생 확률 비교부(161) 및 예측 효율 비교부(162)를 포함할 수 있다.
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.
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).
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.
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).
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).
또한, 누유 발생 확률 비교부(161) 및 예측 효율 비교부(162) 각각은 사용자에 분석 리포트를 제공할 수도 있다(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.
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.
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.
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.
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 비교부

Claims (6)

  1. 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 모듈
    을 포함하는 회전기 모니터링 장치.
  2. 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.
  3. 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.
  4. 제1항에 있어서,
    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 분석부
    를 포함하는 회전기 모니터링 장치.
  5. 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.
  6. 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 단계
    를 포함하는 회전기 모니터링 방법.
KR1020160006335A 2016-01-19 2016-01-19 회전기 모니터링 장치 및 회전기 모니터링 방법 KR102150425B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020160006335A KR102150425B1 (ko) 2016-01-19 2016-01-19 회전기 모니터링 장치 및 회전기 모니터링 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160006335A KR102150425B1 (ko) 2016-01-19 2016-01-19 회전기 모니터링 장치 및 회전기 모니터링 방법

Publications (2)

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

Family

ID=59422332

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160006335A KR102150425B1 (ko) 2016-01-19 2016-01-19 회전기 모니터링 장치 및 회전기 모니터링 방법

Country Status (1)

Country Link
KR (1) KR102150425B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210142220A (ko) 2020-05-18 2021-11-25 한국항공대학교산학협력단 회전체 건전성 평가 시스템 및 방법
CN113777488A (zh) * 2021-09-14 2021-12-10 中国南方电网有限责任公司超高压输电公司昆明局 阀冷主泵电机的状态评估方法、装置、计算机设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06307921A (ja) * 1993-04-27 1994-11-04 Toshiba Corp 回転機械の監視診断装置
JP2003106893A (ja) * 2001-09-28 2003-04-09 Yamatake Sangyo Systems Co Ltd 異常監視装置および異常監視プログラム
KR20110009615A (ko) * 2009-07-22 2011-01-28 제이에프이 메커니컬 가부시키가이샤 데이터 수집장치 및 상기 데이터 수집장치를 구비한 설비기기의 진단장치
KR20110075332A (ko) * 2009-12-28 2011-07-06 재단법인 포항산업과학연구원 설비 고장 예측 방법
KR20130134092A (ko) 2012-05-30 2013-12-10 파워켐텍 주식회사 공랭식 회전기의 이상 감시 장치

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06307921A (ja) * 1993-04-27 1994-11-04 Toshiba Corp 回転機械の監視診断装置
JP2003106893A (ja) * 2001-09-28 2003-04-09 Yamatake Sangyo Systems Co Ltd 異常監視装置および異常監視プログラム
KR20110009615A (ko) * 2009-07-22 2011-01-28 제이에프이 메커니컬 가부시키가이샤 데이터 수집장치 및 상기 데이터 수집장치를 구비한 설비기기의 진단장치
KR20110075332A (ko) * 2009-12-28 2011-07-06 재단법인 포항산업과학연구원 설비 고장 예측 방법
KR20130134092A (ko) 2012-05-30 2013-12-10 파워켐텍 주식회사 공랭식 회전기의 이상 감시 장치

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210142220A (ko) 2020-05-18 2021-11-25 한국항공대학교산학협력단 회전체 건전성 평가 시스템 및 방법
CN113777488A (zh) * 2021-09-14 2021-12-10 中国南方电网有限责任公司超高压输电公司昆明局 阀冷主泵电机的状态评估方法、装置、计算机设备
CN113777488B (zh) * 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 阀冷主泵电机的状态评估方法、装置、计算机设备

Also Published As

Publication number Publication date
KR102150425B1 (ko) 2020-09-02

Similar Documents

Publication Publication Date Title
CN111758036B (zh) 用于监测运行中的电力设备的运行状态的系统和方法
Yu Health condition monitoring of machines based on hidden Markov model and contribution analysis
CN107076157B (zh) 用于通过手持通信装置检测泵组件中的故障的方法和系统
JP2018515706A (ja) ポンプモニタ装置及び方法
US8370109B2 (en) Machine vibration baseline synthesizer
KR102393095B1 (ko) 진동, 음향, 이미지 데이터를 활용한 인공지능 기반의 회전설비 고장예지진단시스템
US8958995B2 (en) System and method for monitoring rotating and reciprocating machinery
CN103995229A (zh) 一种基于特征选取和马氏距离的电机健康监测和异常诊断方法
CN110987166A (zh) 旋转机械健康状态的预测方法、装置、设备及存储介质
Goyal et al. Condition monitoring of rotating machines: a review
KR102150425B1 (ko) 회전기 모니터링 장치 및 회전기 모니터링 방법
Leonidovich et al. The development and use of diagnostic systems and estimation of residual life in industrial electrical equipment
AU2019244842B2 (en) System and method for monitoring health and predicting failure of an electro-mechanical machine
Ginart et al. Automated feature selection for embeddable prognostic and health monitoring (PHM) architectures
Vaimann et al. Artificial intelligence in monitoring and diagnostics of electrical energy conversion systems
Cao et al. Remaining useful life prediction of wind turbine generator bearing based on EMD with an indicator
Strangas Response of electrical drives to gear and bearing faults—diagnosis under transient and steady state conditions
KR101499728B1 (ko) 설비고장 예측방법
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
Jeevanand et al. State of art on condition monitoring of induction motors
US10345194B2 (en) Detection device for initiating failures of a mechanical system
Azarian et al. Applications of health monitoring to wind turbines
Briglia et al. Bearing fault detection and recognition from supply currents with decision trees
Mosallam et al. Unsupervised trend extraction for prognostics and condition assessment

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