KR20220005305A - Vibration diagnosis method of rotating machine - Google Patents
Vibration diagnosis method of rotating machine Download PDFInfo
- Publication number
- KR20220005305A KR20220005305A KR1020200083003A KR20200083003A KR20220005305A KR 20220005305 A KR20220005305 A KR 20220005305A KR 1020200083003 A KR1020200083003 A KR 1020200083003A KR 20200083003 A KR20200083003 A KR 20200083003A KR 20220005305 A KR20220005305 A KR 20220005305A
- Authority
- KR
- South Korea
- Prior art keywords
- vibration
- diagnosis
- rotating machine
- matrix
- cause
- Prior art date
Links
Images
Classifications
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Medical Informatics (AREA)
- Computer Hardware Design (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
Description
본 발명은 회전 기계의 진동 진단 방법에 관한 것으로서, 보다 상세하게는 시운전시 회전 기계의 진동 신호값을 측정하고, 진동 원인별 가중치 행렬을 이용하여 진동 원인별 진단 점수, 확률 및 순위를 도출할 수 있는 회전 기계의 진동 진단 방법에 관한 것이다. The present invention relates to a method for diagnosing vibration of a rotating machine, and more particularly, it is possible to measure the vibration signal value of the rotating machine during test operation, and derive a diagnostic score, probability, and rank for each cause of vibration by using a weight matrix for each cause of vibration. It relates to a method for diagnosing vibration of a rotating machine.
일반적으로 플랜트의 회전 기계는 회전 축에서 발생하는 진동 특성과 함께 기계적 요소들인 베어링, 기어박스 등에서 결함이 점차 증가함에 따라 진동량의 증가도 함께 나타나고 진동의 특성 변화도 발생하게 된다.In general, as defects in bearings and gearboxes, which are mechanical elements, gradually increase along with the vibration characteristics occurring in the rotating shaft of the rotating machine of a plant, the amount of vibration also increases and the characteristics of vibration occur.
종래에는 회전 기계의 진동 문제 발생시 전문가가 직접 방문하여 평가를 하기까지 소요되는 시간이 오래 걸리고, 결함의 원인을 찾고 대책을 세우는 동안 고장 범위가 전이되거나 운전 정지 사례가 많이 발생하고 있다. Conventionally, when a vibration problem of a rotating machine occurs, it takes a long time for an expert to visit and evaluate the problem, and while the cause of the defect is found and countermeasures are taken, the failure range is transferred or the operation is stopped.
본 발명의 목적은, 시운전시 회전 기계의 진동 결함 및 진동 원인을 도출하여 초기 대응능력을 확보할 수 있는 회전 기계의 진동 진단 방법에 관한 것이다.An object of the present invention is to provide a method for diagnosing vibration of a rotating machine, which can secure initial response capability by deriving vibration defects and vibration causes of the rotating machine during test operation.
본 발명에 따른 회전 기계의 진동 진단 방법은, 컴퓨터가 진단하고자 하는 회전 기계의 규격, 종류, 회전속도, 날개 수, 베어링 정보, 전원 주파수 중 적어도 일부를 포함하는 기본 정보를 입력받고, 진동 진단 기준값을 설정하는 준비단계와; 상기 회전 기계의 시운전시, 상기 회전 기계에 구비된 센서가 상기 회전 기계의 진동 신호값을 측정하는 측정단계와; 상기 컴퓨터가 상기 준비단계에서 설정된 진동 진단 기준값과 상기 측정단계에서 측정된 진동 신호값을 비교하여, 상기 진동 신호값이 상기 진동 진단 기준값을 초과하면 진동 진단이 필요하다고 판단하는 진단 여부 판단단계와; 상기 진단 여부 판단단계에서 진동 진단이 필요하다고 판단되면, 상기 기본 정보를 이용하여 m개의 진동신호 특성치들을 성분으로 하는 1ㅧm의 특성 행렬을 생성하는 특성 행렬 생성단계와; 상기 m개의 진동 신호 특성치들과 미리 설정된 n개의 진동 원인에 대해 미리 설정된 mㅧn개의 가중치들을 성분으로 하는 mㅧn의 가중치 행렬을 상기 특성 행렬과 곱하여, 상기 진동 원인에 대해 상기 가중치들을 각각 적용한 n개의 진동 원인별 진단 점수를 성분으로 하는 1ㅧn의 진단 행렬을 도출하는 진단 행렬 도출단계와; 상기 진단 행렬에서 도출된 상기 진동 원인별 진단 점수를 이용하여, n개의 진동 원인별 확률과 n개의 진동 원인별 순위를 계산하는 계산단계와; 상기 계산단계에서 계산된 상기 진동 원인별 확률과 상기 진동 원인별 순위를 출력하는 출력단계를 포함한다.In the method for diagnosing vibration of a rotating machine according to the present invention, a computer receives basic information including at least a part of the standard, type, rotational speed, number of blades, bearing information, and power frequency of the rotating machine to be diagnosed, and a vibration diagnosis reference value a preparation step of setting a measuring step of measuring, by a sensor provided in the rotating machine, a value of a vibration signal of the rotating machine during a test operation of the rotating machine; a diagnosis determination step in which the computer compares the vibration diagnosis reference value set in the preparation step with the vibration signal value measured in the measurement step, and determines that vibration diagnosis is necessary when the vibration signal value exceeds the vibration diagnosis reference value; a characteristic matrix generation step of generating a 1 x m characteristic matrix using m vibration signal characteristic values as components, if it is determined that vibration diagnosis is necessary in the diagnosis determination step; By multiplying the characteristic matrix by an mxn weighting matrix including mxn weights preset with respect to the m vibration signal characteristic values and n preset vibration sources as components, the weights are applied to the vibration sources, respectively a diagnostic matrix derivation step of deriving a 1 x n diagnostic matrix using n diagnostic scores for each cause of vibration; a calculation step of calculating probabilities for each n vibration sources and ranks for each n vibration sources by using the diagnosis scores for each vibration cause derived from the diagnosis matrix; and an output step of outputting the probability for each vibration source calculated in the calculation step and the ranking for each vibration source.
상기 진동 신호값은, 상기 회전 기계의 x축, y축 및 z축을 포함하는 측정 방향에 대한 진동 신호의 주파수 대역별 진동속도 레벨이다.The vibration signal value is a vibration speed level for each frequency band of the vibration signal in a measurement direction including the x-axis, y-axis, and z-axis of the rotating machine.
상기 진동신호 특성치들은, 상기 측정 방향별 진동 레벨비, 상기 회전속도의 배수 성분 크기, 날개 주파수, 노이즈 플로어(Noise floor) 크기, 전원 주파수 성분 크기 및 베어링 결함 위치별 특성 주파수 성분 크기 중 적어도 일부를 포함한다.The vibration signal characteristic values are at least part of the vibration level ratio for each measurement direction, the size of the multiple component of the rotation speed, the blade frequency, the noise floor size, the power frequency component size, and the characteristic frequency component size for each bearing defect location. include
상기 가중치들은, 데이터베이스에 미리 저장되고, 상기 진동 원인과 상기 진동신호 특성치들에 대한 데이터들로부터 계산된다.The weights are stored in advance in a database, and are calculated from data on the cause of vibration and the characteristic values of the vibration signal.
상기 가중치 행렬은, 실험 또는 시뮬레이션을 통해 얻어진 학습 데이터 중에서 상기 진동신호 특성치들을 입력 변수로 하고, 상기 진동 원인을 출력변수로 하여, 머신 러닝을 수행하여 생성된다. The weight matrix is generated by performing machine learning using the vibration signal characteristic values as an input variable and the vibration cause as an output variable among learning data obtained through experiments or simulations.
상기 계산단계에서는, 상기 진동 원인별 확률은, 상기 n개의 진동 원인별 진단 점수의 총 합에 대한 각각의 상기 진동 원인별 진단 점수의 비율이다.In the calculating step, the probability for each vibration cause is a ratio of the diagnostic score for each vibration cause to the total sum of the diagnostic scores for each of the n vibration causes.
상기 출력단계에서는, 상기 진동 진단 기준값과 상기 측정단계에서 측정한 진동 신호값의 레벨을 더 출력한다.In the output step, the vibration diagnosis reference value and the level of the vibration signal value measured in the measuring step are further output.
본 발명의 다른 측면에 따른 회전 기계의 진동 진단 방법은, 컴퓨터가 진단하고자 하는 회전 기계의 규격, 종류, 회전속도, 날개 수, 베어링 정보, 전원 주파수 중 적어도 일부를 포함하는 기본 정보를 입력받고, 진동 진단 기준값을 설정하는 준비단계와; 상기 회전 기계의 시운전시, 상기 회전 기계에 구비된 센서가 상기 회전 기계의 진동 신호값을 측정하는 측정단계와; 상기 컴퓨터가 상기 준비단계에서 설정된 진동 진단 기준값과 상기 측정단계에서 측정된 진동 신호값을 비교하여, 상기 진동 신호값이 상기 진동 진단 기준값을 초과하면 진동 진단이 필요하다고 판단하는 진단 여부 판단단계와; 상기 진단 여부 판단단계에서 진동 진단이 필요하다고 판단되면, 상기 기본 정보를 이용하여 m개의 진동신호 특성치들을 성분으로 하는 1ㅧm의 특성 행렬을 생성하는 특성 행렬 생성단계와; 상기 m개의 진동 신호 특성치들과 미리 설정된 n개의 진동 원인에 대해 미리 설정된 mㅧn개의 가중치들을 성분으로 하는 mㅧn의 가중치 행렬을 상기 특성 행렬과 곱하여, 상기 진동 원인에 대해 상기 가중치들을 각각 적용한 n개의 진동 원인별 진단 점수를 성분으로 하는 1ㅧn의 진단 행렬을 도출하는 진단 행렬 도출단계와; 상기 진단 행렬에서 도출된 상기 진동 원인별 진단 점수를 이용하여, n개의 진동 원인별 확률과 n개의 진동 원인별 순위를 계산하는 계산단계와; 상기 계산단계에서 계산된 상기 진동 원인별 확률과 상기 진동 원인별 순위를 출력하는 출력단계를 포함하고, 상기 진동 신호값은, 상기 회전 기계의 x축, y축 및 z축을 포함하는 측정 방향에 대한 진동 신호의 주파수 대역별 진동속도 레벨이고, 상기 진동신호 특성치들은, 상기 측정 방향별 진동 레벨비, 상기 회전속도의 배수 성분 크기, 날개 주파수, 노이즈 플로어(Noise floor) 크기, 전원 주파수 성분 크기, 베어링 결함 위치별 특성 주파수 성분 크기 중 적어도 일부를 포함하고, 상기 가중치 행렬은, 실험 또는 시뮬레이션을 통해 얻어진 학습 데이터 중에서 상기 진동신호 특성치들을 입력 변수로 하고, 상기 진동 원인을 출력변수로 하여, 머신 러닝을 수행하여 생성된다. In the method for diagnosing vibration of a rotating machine according to another aspect of the present invention, the computer receives basic information including at least a part of the standard, type, rotational speed, number of blades, bearing information, and power frequency of the rotating machine to be diagnosed, a preparation step of setting a vibration diagnosis reference value; a measuring step of measuring, by a sensor provided in the rotating machine, a value of a vibration signal of the rotating machine during a test operation of the rotating machine; a diagnosis determination step in which the computer compares the vibration diagnosis reference value set in the preparation step with the vibration signal value measured in the measurement step, and determines that vibration diagnosis is necessary when the vibration signal value exceeds the vibration diagnosis reference value; a characteristic matrix generation step of generating a 1 x m characteristic matrix using m vibration signal characteristic values as components, if it is determined that vibration diagnosis is necessary in the diagnosis determination step; By multiplying the characteristic matrix by an mxn weighting matrix including mxn weights preset with respect to the m vibration signal characteristic values and n preset vibration sources as components, the weights are applied to the vibration sources, respectively a diagnostic matrix derivation step of deriving a 1 x n diagnostic matrix using n diagnostic scores for each cause of vibration; a calculation step of calculating probabilities for each n vibration sources and ranks for each n vibration sources by using the diagnosis scores for each vibration cause derived from the diagnosis matrix; and an output step of outputting the probability for each vibration source calculated in the calculation step and the ranking for each vibration source, wherein the vibration signal value is a measurement direction including an x-axis, a y-axis and a z-axis of the rotating machine. The vibration speed level for each frequency band of the vibration signal, and the vibration signal characteristic values are, the vibration level ratio for each measurement direction, the multiple component size of the rotation speed, the blade frequency, the noise floor size, the power frequency component size, the bearing At least a portion of the characteristic frequency component size for each defect location is included, and the weighting matrix uses the vibration signal characteristic values as input variables among learning data obtained through experiments or simulations, and uses the vibration causes as output variables to perform machine learning. created by performing
본 발명에서는 회전기계의 시운전시 측정된 진동 신호값으로부터 진동 진단 여부를 판단하고, 진동 원인별 확률, 진동 원인별 순위를 표시함으로써, 진동 현상에 대한 이해가 부족한 비전문가도 쉽고 빠르게 진동 결함과 원인을 인식할 수 있으므로, 보다 신속한 대처가 가능한 이점이 있다. In the present invention, by judging whether to diagnose vibration from the vibration signal value measured during test operation of the rotating machine, and displaying the probability by cause of vibration and the ranking by cause of vibration, even non-experts who lack understanding of vibration phenomena can easily and quickly detect vibration defects and causes. Since it can be recognized, there is an advantage that a more rapid response is possible.
또한, 특성 행렬과 가중치 행렬의 곱으로 진단 행렬을 도출하는 단순 구조를 구성하고 있으므로, 진단 및 수정이 용이한 이점이 있다. In addition, since a simple structure for deriving a diagnosis matrix by a product of a characteristic matrix and a weight matrix is configured, there is an advantage in that diagnosis and correction are easy.
또한, 진동 특성치나 진동 원인을 추가하고자 하는 경우, 상기 특성 행렬 또는 상기 가중치 행렬의 행 또는 열의 추가만으로 유연하게 변경가능한 이점이 있다.In addition, when it is desired to add a vibration characteristic value or a vibration source, there is an advantage that can be flexibly changed only by adding a row or column of the characteristic matrix or the weight matrix.
또한, 출력 값이 입력 값과 가중치 행렬의 곱으로 연산되기 때문에 가중치 조정에 따른 출력값의 변화가 선형적이므로, 가중치 행렬의 가중치 조정이 용이한 이점이 있다.In addition, since the output value is calculated as a product of the input value and the weight matrix, the change in the output value according to the weight adjustment is linear, so that it is easy to adjust the weight of the weight matrix.
또한, 데이터베이스에 기 저장된 데이터를 이용하여 머신 러닝을 수행함으로써, 최적의 가중치 행렬을 도출할 수 있다. In addition, an optimal weight matrix can be derived by performing machine learning using data pre-stored in the database.
도 1은 본 발명의 실시예에 따른 회전 기계의 진동 진단 방법을 나타낸 순서도이다.
도 2는 본 발명의 실시예에 따른 특성 행렬과 가중치 행렬을 나타낸 도면이다.
도 3은 본 발명의 실시예에 따른 진단 행렬을 계산하는 방법을 나타낸 도면이다.
도 4는 본 발명의 실시예에 따른 가중치 행렬 러닝 모델을 머신러닝을 통해 생성하는 방법을 나타낸 도면이다. 1 is a flowchart illustrating a method for diagnosing vibration of a rotating machine according to an embodiment of the present invention.
2 is a diagram illustrating a characteristic matrix and a weight matrix according to an embodiment of the present invention.
3 is a diagram illustrating a method of calculating a diagnostic matrix according to an embodiment of the present invention.
4 is a diagram illustrating a method of generating a weight matrix learning model through machine learning according to an embodiment of the present invention.
이하, 첨부된 도면을 참조하여 본 발명의 실시예에 대해 설명하면 다음과 같다.Hereinafter, an embodiment of the present invention will be described with reference to the accompanying drawings.
도 1은 본 발명의 실시예에 따른 회전 기계의 진동 진단 방법을 나타낸 순서도이다. 도 2는 본 발명의 실시예에 따른 특성 행렬과 가중치 행렬을 나타낸 도면이다. 도 3은 본 발명의 실시예에 따른 진단 행렬을 계산하는 방법을 나타낸 도면이다. 1 is a flowchart illustrating a method for diagnosing vibration of a rotating machine according to an embodiment of the present invention. 2 is a diagram illustrating a characteristic matrix and a weight matrix according to an embodiment of the present invention. 3 is a diagram illustrating a method of calculating a diagnostic matrix according to an embodiment of the present invention.
도 1을 참조하면, 본 발명의 실시예에 따른 회전 기계의 진동 진단 방법은, 준비단계(S1), 측정단계(S2), 진단 여부 판단단계(S3), 특성 행렬 생성단계(S4), 진단 행렬 도출단계(S5), 계산단계(S6) 및 출력단계(S7)를 포함한다.1 , the method for diagnosing vibration of a rotating machine according to an embodiment of the present invention includes a preparation step (S1), a measurement step (S2), a diagnosis determination step (S3), a characteristic matrix generation step (S4), and a diagnosis It includes a matrix derivation step (S5), a calculation step (S6) and an output step (S7).
여기서, 상기 회전 기계는, 플랜트에 구비된 회전 기계이다. Here, the said rotating machine is a rotating machine with which the plant was equipped.
상기 준비단계(S1)는, 컴퓨터(미도시)가 진단하고자 하는 회전 기계에 대한 기본 정보를 입력받고, 진동 진단 기준값을 설정하여, 진동 진단을 준비하는 단계이다.In the preparation step (S1), a computer (not shown) receives basic information about a rotating machine to be diagnosed, sets a vibration diagnosis reference value, and prepares for vibration diagnosis.
상기 회전 기계에 대한 기본 정보는, 회전 기계의 규격, 종류, 회전속도, 날개 수, 베어링 정보, 전원 주파수 중 적어도 일부를 포함한다. 상기 기본 정보는, 상기 회전 기계의 제작 업체로부터 제공받을 수도 있고, 필요에 따라 작업자가 직접 측정하여 입력하는 것도 가능하다. 본 실시예에서는, 상기 기본 정보는 상기 회전 기계의 제작 업체로부터 제공받은 데이터시트를 기반으로 입력받는 것으로 예를 들어 설명한다. The basic information about the rotating machine includes at least a part of the standard, type, rotational speed, number of blades, bearing information, and power frequency of the rotating machine. The basic information may be provided by a manufacturer of the rotary machine, or an operator may directly measure and input the information if necessary. In this embodiment, the basic information will be described as an example of receiving input based on a data sheet provided by a manufacturer of the rotary machine.
상기 회전 기계의 종류는, 펌프 형식이나 베어링 형식에 따라 구분되며, 펌프 형식은 수평 펌프식과 수직 펌프식을 포함하고, 베어링 형식은 볼 베어링, 롤러 베어링 및 저널 베어링 형식을 포함한다.전원 주파수는 국가 별 사용 기준에 따라 50Hz 형식과 60Hz 형식을 따른다.The types of rotary machines are classified according to pump types or bearing types, pump types include horizontal pump types and vertical pump types, and bearing types include ball bearings, roller bearings and journal bearing types. It follows the 50Hz format and the 60Hz format according to the standard of use.
상기 전원 주파수는 국가 별 사용 기준에 따라 50Hz 형식과 60Hz 형식을 따른다.The power frequency follows the 50Hz type and the 60Hz type according to the usage standards for each country.
상기 진동 진단 기준값은, 상기 기본 정보에 따라 다르게 미리 설정된 값이다. 상기 진동 진단 기준값은, 진동 진단이 필요하다고 판단하는 기준이 되는 값에 오차 범위를 가감한 값이다. 상기 진동 진단 기준값은 하나의 값으로 설정되는 것도 가능하고, 범위로 설정되는 것도 가능하다. The vibration diagnosis reference value is a value preset differently according to the basic information. The vibration diagnosis reference value is a value obtained by adding or subtracting an error range to a reference value for determining that vibration diagnosis is necessary. The vibration diagnosis reference value may be set as a single value or may be set as a range.
예를 들어, 원심식 펌프에 대한 적용 기준은 API 610이고, 펌프의 형식이 VS(Vertically-Suspended)일 때, 상기 진동 진단 기준 값(Overall value)은 5mm/s 미만으로 설정될 수 있다. For example, when the application standard for the centrifugal pump is API 610 and the type of the pump is VS (Vertically-Suspended), the overall value of the vibration diagnosis may be set to less than 5 mm/s.
상기 측정단계(S2)는, 상기 회전 기계의 시운전시 상기 회전 기계에 구비된 센서(미도시)가 상기 회전 기계의 진동 신호값을 측정하는 단계이다.The measuring step (S2) is a step in which a sensor (not shown) provided in the rotary machine measures a vibration signal value of the rotary machine during a trial run of the rotary machine.
상기 센서는, FFT(Fourier Frequency Transform) 분석이 가능한 진동 센서이다. 상기 센서는 측정한 진동 신호값을 상기 컴퓨터(미도시)로 전송한다.The sensor is a vibration sensor capable of FFT (Fourier Frequency Transform) analysis. The sensor transmits the measured vibration signal value to the computer (not shown).
상기 진동 신호값은, 상기 회전기계의 x축, y축 및 z축을 포함하는 3개의 측정 방향에 대한 진동 신호의 주파수 대역별 진동속도 레벨이다. 측정 값을 기반으로 하는 진단의 정확도 및 기준 만족 판단을 위해 측정시 진동 주파수의 범위는 1 ~ 1,000Hz, FFT분석 시 단위 주파수(해상도)인 delta f는 1Hz 내외로 한다. The vibration signal value is a vibration speed level for each frequency band of the vibration signal in three measurement directions including the x-axis, y-axis, and z-axis of the rotating machine. In order to determine the accuracy of diagnosis based on the measurement value and satisfaction of the criteria, the range of vibration frequency during measurement is 1 ~ 1,000Hz, and the unit frequency (resolution) delta f during FFT analysis is set to around 1Hz.
상기 진단 여부 판단단계(S3)에서는, 상기 컴퓨터가 상기 준비단계(S1)에서 설정된 진동 진단 기준값과 상기 측정단계(S2)에서 측정된 진동 신호값을 비교한다.In the diagnosis determination step (S3), the computer compares the vibration diagnosis reference value set in the preparation step (S1) with the vibration signal value measured in the measurement step (S2).
상기 진동 신호값이 상기 진동 진단 기준값을 초과하면, 진동 진단이 필요하다고 판단한다. When the vibration signal value exceeds the vibration diagnosis reference value, it is determined that vibration diagnosis is necessary.
상기 진단 여부 판단단계(S3)에서 상기 진동 진단이 필요하다고 판단되면, 상기 진동 원인을 진단하기 위한 하기의 단계들(S4~S7)을 수행한다. If it is determined that the vibration diagnosis is necessary in the diagnosis determination step S3, the following steps S4 to S7 for diagnosing the cause of the vibration are performed.
도 2를 참조하면, 상기 특성 행렬 생성단계(S4)는, m개의 진동신호 특성치들(Features)을 성분으로 하는 1ㅧm의 특성 행렬(MF)을 생성한다.Referring to FIG. 2 , in the feature matrix generating step S4 , a feature matrix M F of 1 x m is generated using m vibration signal feature values as components.
상기 m개의 진동신호 특성치들(F1~Fm)은 상기 준비단계에서 입력된 기본 정보에 따라 다르게 계산되어 설정된다.The m vibration signal characteristic values F1 to Fm are calculated and set differently according to the basic information input in the preparation step.
상기 진동신호 특성치들(F1~Fm)은, 상기 측정 방향별 진동 레벨비, 상기 회전속도의 배수 성분 크기, 날개 주파수, 노이즈 플로어(Noise floor), 전원 주파수 성분 크기 및 베어링 종류 별 특성 주파수 성분 크기 중 적어도 일부를 포함한다.The vibration signal characteristic values (F1 to Fm) are the vibration level ratio for each measurement direction, the size of the multiple component of the rotation speed, the blade frequency, the noise floor, the size of the power frequency component, and the size of the characteristic frequency component for each bearing type includes at least some of
본 실시예에서는, 상기 진동신호 특성치들(F1~Fm)은 25개인 것으로 예를 들어 설명한다.In this embodiment, the vibration signal characteristic values F1 to Fm will be described as 25 as an example.
상기 측정 방향별 진동 레벨은 축방향, 반경방향의 진동레벨과 반경방향 중 수평방향과 수직방향의 진동 레벨비를 특성치로 한다. The vibration level for each measurement direction is a characteristic value of the vibration level in the axial direction and the radial direction, and the ratio of the vibration level in the horizontal direction and the vertical direction among the radial directions.
상기 회전속도의 배수 성분 크기는, 진단 대상 회전기계의 기본 회전속도를 1X로 하였을 때 회전속도의 2배(2X), 3배(3X), 4배(4X), 5배(5X), 6배(6X), 8배(8X), 9배(9X), 12배(12X), 1/2배(1/2X), 1/3배(1/3X), 0.38~0.48배(0.38X~0.48X)에 해당하는 주파수에서의 진동레벨을 특성치로 한다. The multiple component size of the rotation speed is 2 times (2X), 3 times (3X), 4 times (4X), 5 times (5X), 6 times the rotation speed when the basic rotation speed of the rotating machine to be diagnosed is 1X 2X (6X), 8X (8X), 9X (9X), 12X (12X), 1/2X (1/2X), 1/3X (1/3X), 0.38~0.48X (0.38X) ~0.48X), the vibration level at the frequency corresponding to the characteristic value.
상기 날개 주파수는 회전기계의 회전속도에 회전기계의 날개수를 곱하여 계산되는 주파수를 특성치로 한다.The blade frequency is a frequency calculated by multiplying the rotation speed of the rotary machine by the number of blades of the rotary machine as a characteristic value.
상기 노이즈 플로어는 기본 회전속도의 10배를 기준으로 저주파 대역(Noise Floor1), 고주파 대역(Noise Floor2)으로 분류하고 각 주파수 진동레벨의 백분위 값으로 특성을 정의한다. The noise floor is classified into a low frequency band (Noise Floor1) and a high frequency band (Noise Floor2) on the basis of 10 times the basic rotation speed, and a characteristic is defined as a percentile value of each frequency vibration level.
상기 전원 주파수는 국가 별로 50Hz 혹은 60Hz의 주파수를 기준으로 전원 주파수의 1배(LF), 2배(2ㅧLF) 시의 주파수를 특성치로 한다.The power frequency is a characteristic value of a frequency at one time (LF) or two times (2 × LF) of the power frequency based on a frequency of 50 Hz or 60 Hz for each country.
상기 베어링 주파수는 볼 베어링의 볼 개수, 피치 직경(Pitch diameter), 볼 직경(Ball diameter), 회전속도, 접촉각(Contact angle)을 이용하여 BPFO(Ball Pass Frequency Outer Race), BPFI(Ball Pass Frequency Inner Race), BSF(Ball Spin Frequency), FTF(Fundamental Train Frequency)를 계산하여 특성치로 한다.The bearing frequency is determined by using the number of balls, pitch diameter, ball diameter, rotation speed, and contact angle of the ball bearing to determine BPFO (Ball Pass Frequency Outer Race), BPFI (Ball Pass Frequency Inner) Race), BSF (Ball Spin Frequency), and FTF (Fundamental Train Frequency) are calculated and set as characteristic values.
상기 가중치 행렬은, 상기 m개의 진동 신호 특성치들(F1~Fm)과 미리 설정된 n개의 진동 원인(Causes)에 대해 mㅧn개의 가중치들(W11~Wmn)을 성분으로 하는 mㅧn의 행렬로 미리 생성된다.The weighting matrix is a matrix of m×n including m×n weights W11 to Wmn for the m vibration signal characteristic values (F1 to Fm) and n preset vibration causes. created in advance
본 실시예에서는, 상기 진동 원인의 개수(n)는 21개인 것으로 예를 들어 설명한다.In this embodiment, the number n of the vibration sources will be described as an example of 21.
예를 들어, 상기 진동 원인은, 언발란스(Unbalance), 페러렐 미스얼라이먼트(Parallel Misalignment), 앵귤러 미스얼라이먼트(Angular Misalignment), 볼 베어링 아우터 레이스(Ball bearing outer race), 볼 베어링 이너 레이스(Ball bearing Inner race), 볼 베어링 볼 데미지(Ball bearing ball damage), 볼 베어링 펀더멘털(Ball bearing fundamental), 구조적 이완(Structural Looseness), 회전 이완(Rotating Looseness), 공진(Resonance), 벤트 샤프트(Bent shaft), 캐비테이션(Cavitation), 정렬 불량(Cocked bearing), 저널 베어링 웨어(Journal bearing(Wear)), 저널 베어링 오일 월(Journal bearing(Oil whirl)), 로터 럽(Rotor rub), 블레이드 결함(Blade fault), 전기적 결함, 미스얼라이언트 3-조 커플링(Misaligned 3-jaw coupling), 미스얼라이언트 4-조 커플링(Misaligned 4-jaw coupling), 락 기어플렉스 커플링(Locked gearflex coupling) 중 적어도 일부를 포함한다. For example, the cause of the vibration may be: Unbalance, Parallel Misalignment, Angular Misalignment, Ball bearing outer race, Ball bearing inner race ), Ball bearing ball damage, Ball bearing fundamental, Structural Looseness, Rotating Looseness, Resonance, Bent shaft, Cavitation ( Cavitation, Cocked bearing, Journal bearing(Wear), Journal bearing(Oil whirl), Rotor rub, Blade fault, Electrical fault , a misaligned 3-jaw coupling, a misaligned 4-jaw coupling, and a locked gearflex coupling.
상기 mㅧn개의 가중치들(W11~Wmn)은, 상기 m개의 진동 신호 특성치들과 상기 n개의 진동 원인에 따라 다르게 미리 설정된다. The m × n weights W11 to Wmn are preset differently according to the m vibration signal characteristic values and the n vibration sources.
예를 들어, 특정 진동 원인에 따라 나타날 수 있는 진동 신호 특성치에 대해 보다 큰 가중치가 적용된다. 예를 들어, 상기 n개의 진동 원인 중에서 제1진동 원인(C1)에 의해 나타날 수 있는 진동 신호 특성치가 제1진동 특성치(F1)라면, 상기 제1진동 원인과 상기 제1진동 특성치(F1)에 대한 제11가중치(W11)는 상기 제1진동 원인에 대한 나머지 진동 특성치(F2~Fm)에 대한 가중치들보다 크게 설정된다. 또한, 특정 진동 원인에 대해 나타나지 않는 진동 특성치에 대한 가중치는 다른 가중치에 비해 작게 설정되거나 음수로 설정될 수 있다. For example, a greater weight is applied to a characteristic value of a vibration signal that may appear depending on a specific vibration source. For example, if the vibration signal characteristic value that may be caused by the first vibration cause C1 among the n vibration sources is the first vibration characteristic value F1, the first vibration cause and the first vibration characteristic value F1 are The eleventh weight value W11 for the first vibration source is set to be greater than the weights for the remaining vibration characteristic values F2 to Fm for the first vibration cause. In addition, a weight for a vibration characteristic value that does not appear for a specific vibration cause may be set smaller than other weights or set to a negative number.
상기 가중치들(W11~Wmn)은 필요에 따라 미세 조정이 가능하다. The weights W11 to Wmn can be finely adjusted as needed.
도 4는 본 발명의 실시예에 따른 가중치 행렬 러닝 모델을 머신러닝을 통해 생성하는 방법을 나타낸 도면이다. 4 is a diagram illustrating a method of generating a weight matrix learning model through machine learning according to an embodiment of the present invention.
도 4를 참조하면, 본 실시예에서는, 상기 가중치들(W11~Wmn)은 머신 러닝을 통해 도출된 것으로 예를 들어 설명한다. Referring to FIG. 4 , in the present embodiment, the weights W11 to Wmn will be described as derived through machine learning as an example.
상기 가중치 행렬(MW)은, 실험 또는 시뮬레이션을 통해 얻어진 다량의 학습 데이터들이 데이터베이스(DB)에 저장된 상태에서, 상기 학습 데이터 중에서 상기 진동신호 특성치들을 입력 변수로 하고, 상기 진동 원인을 출력변수로 하여, 머신 러닝을 수행하여 도출된다.The weight matrix M W uses the vibration signal characteristic values among the training data as input variables, and the vibration cause as an output variable, in a state in which a large amount of learning data obtained through experiments or simulations are stored in the database DB. Thus, it is derived by performing machine learning.
다만, 머신 러닝에 한정되지 않고, 상기 가중치들은 실험 또는 시뮬레이션을 통해 데이터 베이스에 미리 저장된 데이터들을 이용하여 계산될 수 있다. However, it is not limited to machine learning, and the weights may be calculated using data previously stored in a database through experiments or simulations.
도 3을 참조하면, 상기 진단 행렬 도출단계(S5)에서는, 상기 특성 행렬(MF)과 상기 가중치 행렬(MW)을 곱하여, 진단 행렬(MD)을 도출한다.Referring to FIG. 3 , in the step of deriving the diagnosis matrix ( S5 ), the diagnosis matrix M D is derived by multiplying the characteristic matrix M F and the weight matrix M W .
상기 진단 행렬(MD)은, 상기 특성 행렬(MF)과 상기 가중치 행렬(MW)을 곱하여 생성된 1ㅧn의 행렬이다. 상기 진단 행렬(MD)은, 상기 n개의 진동 원인들에 대해 상기 가중치들(W11~Wmn)이 적용되어, n개의 진동 원인별 진단 점수(D1~Dn)를 성분으로 하는 행렬이다. The diagnostic matrix M D is a 1xn matrix generated by multiplying the characteristic matrix M F and the weight matrix M W . The diagnosis matrix M D is a matrix in which the weights W11 to Wmn are applied to the n vibration causes, and the diagnostic scores D1 to Dn for each n vibration causes are a component.
상기 진단 행렬(MD)은, 상기 n개의 진동 원인들에 대한 각각의 진단 점수를 나타낸다. 예를 들어, D1은 제1진동 원인에 대한 진단 점수이고, D2는 제2진동 원인에 대한 진단 점수이며, Dn은 제n진동 원인에 대한 진단 점수이다.The diagnostic matrix M D represents each diagnostic score for the n vibration causes. For example, D1 is a diagnostic score for a first vibration cause, D2 is a diagnostic score for a second vibration cause, and Dn is a diagnostic score for an nth vibration cause.
상기 진단 행렬(MD)로부터 상기 n개의 진동 원인들 중에서 진단 점수가 가장 높은 진동 원인을 도출할 수 있다.From the diagnosis matrix M D , a vibration cause having the highest diagnostic score among the n vibration causes may be derived.
상기 계산단계(S6)에서는, 상기 진단 행렬(MD)에서 도출한 진동 원인별 진단 점수(D1~Dn)를 이용하여, n개의 진동 원인별 확률과, n개의 진동 원인별 순위를 계산한다.In the calculation step (S6), the probability for each n vibration causes and the rank for each n vibration causes are calculated using the diagnostic scores D1 to Dn for each vibration cause derived from the diagnostic matrix M D .
상기 진동 원인별 확률은, 상기 n개의 진동 원인별 진단 점수의 총 합(∑D)에 대한 각각의 상기 진동 원인별 진단 점수(D1~Dn)의 비율(%)로 계산된다. The probability for each vibration cause is calculated as a ratio (%) of the diagnostic scores (D1 to Dn) for each vibration cause to the total sum (∑D) of the diagnostic scores for each of the n vibration causes.
상기 진동 원인별 순위는, 상기 진동 원인(D1~Dn)에 대한 진단 점수를 내림차순으로 나열하여, 1위부터 n위까지로 결정된다.The ranking for each vibration cause is determined from 1st to nth by arranging the diagnostic scores for the vibration causes (D1 to Dn) in descending order.
상기 출력단계(S7)에서는, 상기 계산단계(S6)에서 계산된 상기 진동 원인별 확률, 상기 진동 원인별 순위를 표시한다.In the output step (S7), the probability for each vibration cause calculated in the calculation step (S6) and the rank for each vibration cause are displayed.
또한, 상기 출력단계(S7)에서는, 상기 진동 원인별 진단 점수, 상기 준비단계(S1)에서 설정된 진동 진단 기준값, 상기 측정단계(S2)에서 측정한 진동 신호값의 레벨을 더 출력할 수 있다.In addition, in the output step S7, the diagnostic score for each vibration cause, the vibration diagnosis reference value set in the preparation step S1, and the level of the vibration signal value measured in the measuring step S2 may be further output.
상기와 같이, 본 발명에서는 상기 회전기계의 시운전시 측정된 진동 신호값으로부터 진동 진단 여부를 판단하고, 진동 원인별 확률, 진동 원인별 순위를 표시함으로써, 진동 현상에 대한 이해가 부족한 비전문가도 쉽고 빠르게 진동 결함과 원인을 인식할 수 있으므로, 빠른 대처가 가능한 이점이 있다.As described above, in the present invention, by determining whether to diagnose vibration from the vibration signal value measured during test operation of the rotary machine, and displaying the probability by cause of vibration and the ranking by cause of vibration, non-experts lacking in understanding of vibration phenomena can easily and quickly Vibration defects and causes can be recognized, so there is an advantage that can be quickly dealt with.
또한, 상기 특성 행렬과 상기 가중치 행렬의 곱으로 진단 행렬을 도출하는 단순 구조를 구성하고 있으므로, 종래의 순차적 진단 모델에 비해 수정이 용이한 이점이 있다.In addition, since a simple structure for deriving a diagnostic matrix by the product of the characteristic matrix and the weight matrix is configured, there is an advantage in that it is easy to modify compared to the conventional sequential diagnostic model.
또한, 진동 특성치나 진동 원인을 추가하고자 하는 경우, 상기 특성 행렬 또는 상기 가중치 행렬의 행 또는 열의 추가만으로 유연하게 변경가능한 이점이 있다.In addition, when it is desired to add a vibration characteristic value or a vibration source, there is an advantage that can be flexibly changed only by adding a row or column of the characteristic matrix or the weight matrix.
또한, 출력 값이 입력 값인 특성 행렬과 가중치 행렬의 곱으로 연산되기 때문에, 가중치 조정에 따른 출력값의 변화가 선형적이므로, 가중치 행렬의 가중치 조정이 용이한 이점이 있다.In addition, since the output value is calculated as a product of an input value of the characteristic matrix and the weight matrix, the change in the output value according to the weight adjustment is linear, so that it is easy to adjust the weight of the weight matrix.
본 발명은 도면에 도시된 실시예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 다른 실시예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 특허청구범위의 기술적 사상에 의하여 정해져야 할 것이다.Although the present invention has been described with reference to the embodiment shown in the drawings, which is merely exemplary, it will be understood by those skilled in the art that various modifications and equivalent other embodiments are possible therefrom. Accordingly, the true technical protection scope of the present invention should be determined by the technical spirit of the appended claims.
Claims (8)
상기 회전 기계의 시운전시, 상기 회전 기계에 구비된 센서가 상기 회전 기계의 진동 신호값을 측정하는 측정단계와;
상기 컴퓨터가 상기 준비단계에서 설정된 진동 진단 기준값과 상기 측정단계에서 측정된 진동 신호값을 비교하여, 상기 진동 신호값이 상기 진동 진단 기준값을 초과하면 진동 진단이 필요하다고 판단하는 진단 여부 판단단계와;
상기 진단 여부 판단단계에서 진동 진단이 필요하다고 판단되면, 상기 기본 정보를 이용하여 m개의 진동신호 특성치들을 성분으로 하는 1ㅧm의 특성 행렬을 생성하는 특성 행렬 생성단계와;
상기 m개의 진동 신호 특성치들과 미리 설정된 n개의 진동 원인에 대해 미리 설정된 mㅧn개의 가중치들을 성분으로 하는 mㅧn의 가중치 행렬을 상기 특성 행렬과 곱하여, 상기 진동 원인에 대해 상기 가중치들을 각각 적용한 n개의 진동 원인별 진단 점수를 성분으로 하는 1ㅧn의 진단 행렬을 도출하는 진단 행렬 도출단계와;
상기 진단 행렬에서 도출된 상기 진동 원인별 진단 점수를 이용하여, n개의 진동 원인별 확률과 n개의 진동 원인별 순위를 계산하는 계산단계와;
상기 계산단계에서 계산된 상기 진동 원인별 확률과 상기 진동 원인별 순위를 출력하는 출력단계를 포함하는 회전 기계의 진동 진단 방법.a preparation step of receiving, by the computer, basic information including at least a part of the standard, type, rotational speed, number of blades, bearing information, and power frequency of the rotating machine to be diagnosed, and setting a vibration diagnosis reference value;
a measuring step of measuring, by a sensor provided in the rotating machine, a value of a vibration signal of the rotating machine during a test operation of the rotating machine;
a diagnosis determination step in which the computer compares the vibration diagnosis reference value set in the preparation step with the vibration signal value measured in the measurement step, and determines that vibration diagnosis is necessary when the vibration signal value exceeds the vibration diagnosis reference value;
a characteristic matrix generation step of generating a 1 x m characteristic matrix using m vibration signal characteristic values as components, if it is determined that vibration diagnosis is necessary in the diagnosis determination step;
By multiplying the characteristic matrix by an mxn weighting matrix including mxn weights preset with respect to the m vibration signal characteristic values and n preset vibration sources as components, the weights are applied to the vibration sources, respectively a diagnostic matrix derivation step of deriving a 1 x n diagnostic matrix using n diagnostic scores for each cause of vibration;
a calculation step of calculating probabilities for each n vibration sources and ranks for each n vibration sources by using the diagnosis scores for each vibration cause derived from the diagnosis matrix;
and an output step of outputting the probability for each vibration cause calculated in the calculation step and the ranking for each vibration cause.
상기 진동 신호값은,
상기 회전 기계의 x축, y축 및 z축을 포함하는 측정 방향에 대한 진동 신호의 주파수 대역별 진동속도 레벨인 회전 기계의 진동 진단 방법.The method according to claim 1,
The vibration signal value is
A method for diagnosing vibration of a rotating machine, which is a vibration speed level for each frequency band of a vibration signal in a measurement direction including the x-axis, y-axis, and z-axis of the rotating machine.
상기 진동신호 특성치들은,
상기 측정 방향별 진동 레벨비, 상기 회전속도의 배수 성분 크기, 날개 주파수, 노이즈 플로어(Noise floor) 크기, 전원 주파수 성분 크기 및 베어링 결함 위치별 특성 주파수 성분 크기 중 적어도 일부를 포함하는 회전 기계의 진동 진단 방법.3. The method according to claim 2,
The vibration signal characteristic values are,
Vibration of a rotating machine comprising at least a part of the vibration level ratio for each measurement direction, the multiple component size of the rotation speed, the blade frequency, the noise floor size, the power frequency component size, and the characteristic frequency component size for each bearing defect location diagnostic method.
상기 가중치들은,
데이터베이스에 미리 저장되고, 상기 진동 원인과 상기 진동신호 특성치들에 대한 데이터들로부터 계산된 회전 기계의 진동 진단 방법.The method according to claim 1,
The weights are
A method for diagnosing vibration of a rotating machine, which is stored in advance in a database and calculated from data on the cause of vibration and the characteristic values of the vibration signal.
상기 가중치 행렬은,
실험 또는 시뮬레이션을 통해 얻어진 학습 데이터 중에서 상기 진동신호 특성치들을 입력 변수로 하고, 상기 진동 원인을 출력변수로 하여, 머신 러닝을 수행하여 생성된 회전 기계의 진동 진단 방법.The method according to claim 1,
The weight matrix is
A method for diagnosing vibration of a rotating machine generated by performing machine learning using the vibration signal characteristic values as input variables among learning data obtained through experiments or simulations and using the vibration causes as output variables.
상기 계산단계에서는,
상기 진동 원인별 확률은, 상기 n개의 진동 원인별 진단 점수의 총 합에 대한 각각의 상기 진동 원인별 진단 점수의 비율인 회전 기계의 진동 진단 방법.The method according to claim 1,
In the calculation step,
The probability for each vibration cause is a ratio of the diagnostic score for each vibration cause to the total sum of the diagnostic scores for each of the n vibration causes.
상기 출력단계에서는,
상기 진동 진단 기준값과 상기 측정단계에서 측정한 진동 신호값의 레벨을 더 출력하는 회전 기계의 진동 진단 방법.The method according to claim 1,
In the output step,
The vibration diagnosis method of a rotating machine which further outputs the vibration diagnosis reference value and the level of the vibration signal value measured in the measuring step.
상기 회전 기계의 시운전시, 상기 회전 기계에 구비된 센서가 상기 회전 기계의 진동 신호값을 측정하는 측정단계와;
상기 컴퓨터가 상기 준비단계에서 설정된 진동 진단 기준값과 상기 측정단계에서 측정된 진동 신호값을 비교하여, 상기 진동 신호값이 상기 진동 진단 기준값을 초과하면 진동 진단이 필요하다고 판단하는 진단 여부 판단단계와;
상기 진단 여부 판단단계에서 진동 진단이 필요하다고 판단되면, 상기 기본 정보를 이용하여 m개의 진동신호 특성치들을 성분으로 하는 1ㅧm의 특성 행렬을 생성하는 특성 행렬 생성단계와;
상기 m개의 진동 신호 특성치들과 미리 설정된 n개의 진동 원인에 대해 미리 설정된 mㅧn개의 가중치들을 성분으로 하는 mㅧn의 가중치 행렬을 상기 특성 행렬과 곱하여, 상기 진동 원인에 대해 상기 가중치들을 각각 적용한 n개의 진동 원인별 진단 점수를 성분으로 하는 1ㅧn의 진단 행렬을 도출하는 진단 행렬 도출단계와;
상기 진단 행렬에서 도출된 상기 진동 원인별 진단 점수를 이용하여, n개의 진동 원인별 확률과 n개의 진동 원인별 순위를 계산하는 계산단계와;
상기 계산단계에서 계산된 상기 진동 원인별 확률과 상기 진동 원인별 순위를 출력하는 출력단계를 포함하고,
상기 진동 신호값은,
상기 회전 기계의 x축, y축 및 z축을 포함하는 측정 방향에 대한 진동 신호의 주파수 대역별 진동속도 레벨이고,
상기 진동신호 특성치들은,
상기 측정 방향별 진동 레벨비, 상기 회전속도의 배수 성분 크기, 날개 주파수, 노이즈 플로어(Noise floor) 크기, 전원 주파수 성분 크기, 베어링 결함 위치별 특성 주파수 성분 크기 중 적어도 일부를 포함하고,
상기 가중치 행렬은,
실험 또는 시뮬레이션을 통해 얻어진 학습 데이터 중에서 상기 진동신호 특성치들을 입력 변수로 하고, 상기 진동 원인을 출력변수로 하여, 머신 러닝을 수행하여 생성된 회전 기계의 진동 진단 방법.a preparation step of receiving, by the computer, basic information including at least a part of the standard, type, rotational speed, number of blades, bearing information, and power frequency of the rotating machine to be diagnosed, and setting a vibration diagnosis reference value;
a measuring step of measuring, by a sensor provided in the rotating machine, a value of a vibration signal of the rotating machine during a test operation of the rotating machine;
a diagnosis determination step in which the computer compares the vibration diagnosis reference value set in the preparation step with the vibration signal value measured in the measurement step, and determines that vibration diagnosis is necessary when the vibration signal value exceeds the vibration diagnosis reference value;
a characteristic matrix generation step of generating a 1 x m characteristic matrix using m vibration signal characteristic values as components, if it is determined that vibration diagnosis is necessary in the diagnosis determination step;
By multiplying the characteristic matrix by an mxn weighting matrix including mxn weights preset with respect to the m vibration signal characteristic values and n preset vibration sources as components, the weights are applied to the vibration sources, respectively a diagnostic matrix derivation step of deriving a 1 x n diagnostic matrix using n diagnostic scores for each cause of vibration;
a calculation step of calculating probabilities for each n vibration sources and ranks for each n vibration sources by using the diagnosis scores for each vibration cause derived from the diagnosis matrix;
An output step of outputting the probability for each vibration cause calculated in the calculation step and the ranking for each vibration cause,
The vibration signal value is
is the vibration velocity level for each frequency band of the vibration signal in the measurement direction including the x-axis, y-axis and z-axis of the rotating machine,
The vibration signal characteristic values are,
At least some of the vibration level ratio for each measurement direction, the size of a multiple component of the rotational speed, the blade frequency, the noise floor size, the power frequency component size, and the characteristic frequency component size for each bearing defect location,
The weight matrix is
A method for diagnosing vibration of a rotating machine generated by performing machine learning using the vibration signal characteristic values as input variables among learning data obtained through experiments or simulations and using the vibration causes as output variables.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200083003A KR102415283B1 (en) | 2020-07-06 | 2020-07-06 | Vibration diagnosis method of rotating machine |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200083003A KR102415283B1 (en) | 2020-07-06 | 2020-07-06 | Vibration diagnosis method of rotating machine |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20220005305A true KR20220005305A (en) | 2022-01-13 |
| KR102415283B1 KR102415283B1 (en) | 2022-06-30 |
Family
ID=79342078
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200083003A KR102415283B1 (en) | 2020-07-06 | 2020-07-06 | Vibration diagnosis method of rotating machine |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102415283B1 (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20240079271A (en) | 2022-11-28 | 2024-06-05 | 주식회사 케이엘넷 | CBM-based Vessel Auxiliary Equipment, Pipe Condition And Analysis Result Monitoring Web Application |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003149043A (en) * | 2001-11-16 | 2003-05-21 | Toshiba Corp | Method and apparatus for diagnosing vibration of rotating machine |
| KR20150058928A (en) * | 2013-11-21 | 2015-05-29 | 이선휘 | Plant defect diagnostic system using vibration characteristics |
| KR20170038348A (en) * | 2015-09-30 | 2017-04-07 | 한국전력공사 | Fault diagnosis system and fault diagnosis method in dynamic equipment |
| KR20180127317A (en) * | 2016-03-31 | 2018-11-28 | 피브로 게엠베하 | How to perform vibration diagnosis monitoring of machine |
| KR102067344B1 (en) * | 2018-10-01 | 2020-01-16 | 주식회사 포스코아이씨티 | Apparatus and Method for Detecting Abnormal Vibration Data |
| KR102120756B1 (en) | 2017-06-23 | 2020-06-09 | 퓨처메인 주식회사 | Automatic diagnosis method for rotating machinery using real-time vibration analysis |
-
2020
- 2020-07-06 KR KR1020200083003A patent/KR102415283B1/en active IP Right Grant
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003149043A (en) * | 2001-11-16 | 2003-05-21 | Toshiba Corp | Method and apparatus for diagnosing vibration of rotating machine |
| KR20150058928A (en) * | 2013-11-21 | 2015-05-29 | 이선휘 | Plant defect diagnostic system using vibration characteristics |
| KR20170038348A (en) * | 2015-09-30 | 2017-04-07 | 한국전력공사 | Fault diagnosis system and fault diagnosis method in dynamic equipment |
| KR20180127317A (en) * | 2016-03-31 | 2018-11-28 | 피브로 게엠베하 | How to perform vibration diagnosis monitoring of machine |
| KR102120756B1 (en) | 2017-06-23 | 2020-06-09 | 퓨처메인 주식회사 | Automatic diagnosis method for rotating machinery using real-time vibration analysis |
| KR102067344B1 (en) * | 2018-10-01 | 2020-01-16 | 주식회사 포스코아이씨티 | Apparatus and Method for Detecting Abnormal Vibration Data |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20240079271A (en) | 2022-11-28 | 2024-06-05 | 주식회사 케이엘넷 | CBM-based Vessel Auxiliary Equipment, Pipe Condition And Analysis Result Monitoring Web Application |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102415283B1 (en) | 2022-06-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US4485678A (en) | Rotor diagnostic and balancing system | |
| US7539594B2 (en) | Method and apparatus for geometric rotor stacking and balancing | |
| JP5073533B2 (en) | How to detect damage to engine bearings | |
| CN103140672B (en) | The method of practice condition monitoring in wind power plant | |
| JP4560110B2 (en) | Abnormality diagnosis apparatus and abnormality diagnosis method | |
| KR102120756B1 (en) | Automatic diagnosis method for rotating machinery using real-time vibration analysis | |
| JP6650030B2 (en) | Rolling bearing fatigue state prediction device and rolling bearing fatigue state prediction method | |
| US8315826B2 (en) | Diagnostic method for a ball bearing, in particular for an angular-contact ball bearing, a corresponding diagnostic system, and use of the diagnostic system | |
| JP2016061634A (en) | Abnormality diagnosis device of rolling bearing, wind power generator, and abnormality diagnosis method of rolling bearing | |
| KR102040179B1 (en) | Method for sensing and diagnosing abnormality of manufacture equipment | |
| JP2018179735A (en) | Abnormality diagnostic method and abnormality diagnostic device for rotary component | |
| KR102415283B1 (en) | Vibration diagnosis method of rotating machine | |
| CN109115408B (en) | Dynamic balance test method of large hydroelectric generating set based on centrifugal force equation | |
| KR102502740B1 (en) | Vibration diagnosis method of rotating machine considering the complex conditions | |
| CN109085375B (en) | Key phase pulse signal monitoring method and device for rotary machine | |
| Vojtko et al. | Examining the effect of alignment of the rotor of the emissions exhaust fan on its operating parameters | |
| JP2007327369A (en) | Method for balancing at low speed of rotary apparatus and device for balancing at low speed | |
| CN114018480A (en) | Real-time diagnosis method for rotor unbalance fault of large-scale rotating machinery | |
| KR102500883B1 (en) | System and method for managing the integrity of rotating machine based on real-time vibration signal using machine learning | |
| CN113819011B (en) | Impeller state detection method, device and system of wind generating set | |
| JP2019190943A (en) | Rolling bearing fatigue state prediction system | |
| CN116839889A (en) | Method for identifying faults of rotor system and supporting system of rotary machine | |
| KR101859625B1 (en) | An apparatus for simulating abnormal operation of rotator system | |
| KR101662125B1 (en) | Method for determining bearing play of exhaust-gas-turbocharger friction bearings | |
| CN216381720U (en) | Deformation evaluation equipment and wind generating set |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |