WO2017169849A1 - バルブ診断方法及びバルブ診断装置 - Google Patents

バルブ診断方法及びバルブ診断装置 Download PDF

Info

Publication number
WO2017169849A1
WO2017169849A1 PCT/JP2017/010675 JP2017010675W WO2017169849A1 WO 2017169849 A1 WO2017169849 A1 WO 2017169849A1 JP 2017010675 W JP2017010675 W JP 2017010675W WO 2017169849 A1 WO2017169849 A1 WO 2017169849A1
Authority
WO
WIPO (PCT)
Prior art keywords
valve
calculated
diagnosis
change
data
Prior art date
Application number
PCT/JP2017/010675
Other languages
English (en)
French (fr)
Inventor
真人 菅
宮本　学
泰稔 野村
Original Assignee
巴バルブ株式会社
学校法人立命館
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 巴バルブ株式会社, 学校法人立命館 filed Critical 巴バルブ株式会社
Priority to KR1020187031097A priority Critical patent/KR102118818B1/ko
Priority to US16/088,648 priority patent/US10920907B2/en
Priority to CN201780019670.XA priority patent/CN108885154B/zh
Priority to DE112017001747.5T priority patent/DE112017001747T5/de
Publication of WO2017169849A1 publication Critical patent/WO2017169849A1/ja

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
    • G01M13/00—Testing of machine parts
    • G01M13/003—Machine valves
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
    • F16K—VALVES; TAPS; COCKS; ACTUATING-FLOATS; DEVICES FOR VENTING OR AERATING
    • F16K37/00—Special means in or on valves or other cut-off apparatus for indicating or recording operation thereof, or for enabling an alarm to be given
    • F16K37/0075—For recording or indicating the functioning of a valve in combination with test equipment
    • F16K37/0083—For recording or indicating the functioning of a valve in combination with test equipment by measuring valve parameters
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
    • F16K—VALVES; TAPS; COCKS; ACTUATING-FLOATS; DEVICES FOR VENTING OR AERATING
    • F16K37/00—Special means in or on valves or other cut-off apparatus for indicating or recording operation thereof, or for enabling an alarm to be given
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M13/00—Testing of machine parts
    • 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
    • G01M99/008—Subject matter not provided for in other groups of this subclass by doing functionality tests
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis

Definitions

  • the present invention relates to a valve diagnosis method and a valve diagnosis device for predicting in advance a malfunction due to sticking of a valve stem or the like.
  • a wide variety of valves are used in various plants and factories. The following three methods are mentioned as maintenance methods for these valves.
  • the maintenance method (1) has a problem that, when a failure occurs at an unexpected timing, the entire apparatus in which the valve is incorporated must be stopped for a predetermined period for valve replacement. Further, in the maintenance method (2), there is a problem that unnecessary costs may arise because the parts constituting the valve are in good condition and are periodically replaced even if they are still usable. is there. However, even if periodic replacement is performed, if a sudden failure occurs, the entire apparatus must be stopped for a predetermined period for valve replacement, as in the maintenance method (1).
  • Patent Document 1 Japanese Patent Application Laid-Open No. 6-300667 discloses a method for detecting a crack or the like of a valve stem.
  • an acceleration sensor is attached to the valve stem, and vibrations generated in the valve stem by a person percussion on site are measured.
  • the natural frequency is calculated from the measured data, and damage to the valve stem is diagnosed by comparing the natural frequency at the time of soundness with the natural frequency at the time of measurement.
  • This method has the following problems. [1] When the valve stem is exposed to high temperature or when the valve stem is in the valve and not exposed to the outside, it may be difficult to attach the acceleration sensor to the valve stem. [2] A person needs to go to the site to consult.
  • the vibration measured by the percussion may vary depending on the position where the percussion hammer is applied, the hit angle, and the like. [4] If the time interval for percussion is too long, cracks and the like cannot be detected before damage occurs. [5] It cannot be constantly monitored.
  • Patent Document 2 Japanese Patent Laid-Open No. 2002-130531
  • a driving force sensor, a supply energy sensor to a driving unit, and a vibration sensor are attached to a driving unit of a valve device, and a method of predicting deterioration from data from the sensors Is disclosed.
  • This method has the following problems. [1] Since a permanent driving force sensor needs to be attached to the driving unit, the driving unit is expensive. [2] Since the diagnosis is performed using the intermediate torque data, the diagnosis cannot be performed unless the valve is moved. [3] Since the validity of the allowable value set for each valve specification varies depending on the usage conditions, it is difficult to set an appropriate allowable value without accumulating actual usage records.
  • Patent Document 3 Japanese Patent Laid-Open No. 2011-27615 discloses a method of monitoring the soundness of a valve by measuring the fluid pressure upstream and downstream of the valve and indirectly evaluating the vibration of the valve from the fluid pressure. Yes. This method has the following problems. [1] An appropriate structural analysis model needs to be established in advance. [2] The vibration is merely estimated indirectly from the fluid pressure, and the vibration is not always accurately evaluated.
  • Patent Document 4 Japanese Patent Application Laid-Open No. 2010-544364 discloses a method of diagnosing valve abnormality by transmitting ultrasonic waves to a valve and receiving ultrasonic waves reflected from the valve. This method has the following problems. [1] An ultrasonic device is separately required to excite an elastic wave in the valve.
  • Patent Document 5 discloses a method of measuring the amount of leakage by measuring the sound generated in the valve by leakage using an ultrasonic acoustic detector. This method has the following problems. [1] It is necessary to build an analysis model of a valve in a piping state in advance.
  • the present invention provides a diagnosis method and a diagnosis apparatus that appropriately predicts a change in the state of a valve with a simple configuration.
  • this diagnostic method and diagnostic apparatus for appropriately predicting the change in the state of the valve for example, the administrator or operator of the valve appropriately selects the necessary treatment to be performed before the occurrence of the failure according to the state of the valve. It is intended to be able to make decisions.
  • the valve diagnosis method includes: For diagnosis at the time of diagnosis calculated based on the autoregressive model constructed from the vibration data at the time of diagnosis against the predetermined damage index at the time of obtaining the reference data calculated based on the autoregressive model constructed from the vibration data used as the reference Calculating a value of a first rate of change of the predetermined damage index; The difference between the predicted vibration data of the autoregressive model and the reference vibration data calculated by inputting the reference vibration data into the autoregressive model constructed from the reference vibration data and the reference data.
  • the diagnostic method and diagnostic apparatus it is possible to appropriately predict and diagnose a change in the state of the valve with a simple configuration. As a result, the administrator or operator of the valve can appropriately select and determine necessary measures to be performed before the occurrence of a failure according to the state of the valve.
  • the valve opening / closing torque increases due to the sticking of the valve stem.
  • FIG. 1 is a schematic overall configuration diagram of a valve diagnostic device and a data collection diagnostic cloud system according to a first embodiment of the present invention. It is a figure which shows the flow of the process which determines and estimates the state of a valve
  • DI damage parameter
  • FIG. 8A is a graph showing a transition example of the DI change rate value from the 0th week (W0), the 1st week (W1) to the 18th week (W18).
  • FIG. 8B is a graph showing a transition example of the value of the cross prediction error change rate from week 0 (W0), week 1 (W1) to week 18 (W18). It is a figure which shows the example of a state diagnostic map.
  • the present invention presents an apparatus and method for accurately predicting the future state of a valve (device) before a failure occurs.
  • FIG. 1 is a schematic overall configuration diagram of a valve diagnosis device 2 and a data collection diagnosis cloud system 22 according to Embodiment 1 of the present invention.
  • the valve diagnostic apparatus 2 shown in FIG. 1 includes a signal processing unit 4, an AR (autoregressive model) signal receiving unit 6, a signal receiving unit 8, a data storage unit 10, a transmission unit 12, an acceleration sensor 14, and an opening sensor. 16 and a pressure / temperature sensor 18.
  • the acceleration sensor 14, the opening degree sensor 16, and the pressure / temperature sensor 18 are disposed or attached to the measurement target valve itself or in the vicinity thereof.
  • the autoregressive model is “Auto-regressive model” which is also expressed as an AR model.
  • the AR signal receiver 6 receives a vibration signal for constructing an autoregressive model from the acceleration sensor 14 as will be described in detail later.
  • the signal receiving unit 8 receives a signal for determining the open / closed state of the valve from the opening sensor 16 and the pressure / temperature sensor 18 (as will be described later). Based on the data from the AR signal receiving unit 6 and the data from the signal receiving unit 8, the signal processing unit 4 accurately predicts the future state of the valve, for example, schematically shown in FIGS. Perform the process.
  • the data storage unit 10 stores data output from the signal processing unit 4.
  • the transmission unit 12 transmits data output from the signal processing unit 4 and data stored in the data storage unit 10 to the outside.
  • the transmission unit 12 transmits data to the data collection / diagnosis cloud system 22 (which is external as viewed from the valve diagnosis device 2).
  • the transmission unit 12 may communicate with the data collection / diagnosis cloud system 22 via a personal computer (PC) 20 that is connected to the valve diagnosis device 2 by wire (in addition, for example, via an Internet communication network).
  • the data collection / diagnosis cloud system 22 may communicate with each other via various wireless communications (and, for example, via an Internet communication network).
  • the data collection / diagnosis cloud system 22 can be operated by the information terminal 24, for example.
  • the data analysis, determination, and prediction processing may be performed by the signal processing unit 4 of the valve diagnosis device 2, or data collection / diagnosis may be performed. It may be performed in the cloud system 22. Further, it may be performed by a separate computer processor. For example, it may be performed by a personal computer (PC) 20 that is connected to the valve diagnostic device 2 by wire or a personal computer arranged in the vicinity of the valve diagnostic device 2.
  • PC personal computer
  • FIG. 2 is a diagram showing a flow of processing for determining and predicting a valve state in the valve diagnosis device 2 according to Embodiment 1 of the present invention.
  • processing is performed in the order of data measurement, analysis, diagnosis (determination), and prediction. Note that the processing of the flow shown in FIG. 2 is performed periodically. For example, the processing may be performed in units of hours or may be performed in units of days.
  • the valve diagnostic device 2 includes a clock.
  • the structure of the valve is different between the open state and the closed state, and the response to externally applied vibrations is different. For this reason, accurate diagnosis (determination) cannot be performed unless the open / closed state of the valve is the same as the determination standard (valve) and the diagnosis state.
  • the open / closed state of the valve is measured as follows.
  • an opening sensor 16 and a pressure / temperature sensor 18 are provided on the valve (or in the vicinity of the valve). With these sensors, the signal processing unit 4 of the valve diagnosis device 2 or the data collection / diagnosis cloud system 22 measures the open / close state of the valve. At the time of diagnosis, when these sensors measure that the open / closed state is different from the judgment standard (valve) sound, the opening degree of the valve is the judgment standard by the plant control system and the valve operator. Adapted to the healthy one. Thereby, the accuracy of determination and prediction in the process of determining and predicting the state of the valve shown in FIG. 2 is improved.
  • step S02 After the opening of the valve is adjusted to the soundness of the judgment criterion, the steps (processing) after step S02 shown in FIG. 2 are performed.
  • a limit switch In order to measure the open / close state of the valve, a limit switch, a potentiometer, an energy sensor for a drive unit (such as a motor), or the like may be used.
  • Step S02 “Acquisition of vibration data of diagnostic object”. Moreover, it is desirable that the valve is returned to the original open / closed state after the process of determining / predicting the state of the valve shown in FIG.
  • step S02 Acquisition of vibration data of diagnostic object and prior signal processing.
  • step S02 the step of “acquisition of vibration data of the diagnostic object” (step S02) is executed. Specifically, in this “acquisition of vibration data of a diagnostic object” (step S02), ⁇ Response data input ⁇ Averaging process ⁇ Bandpass filter application ⁇ Transfer function process etc.
  • the signal processing unit 4 receives a valve vibration signal from the acceleration sensor 14 of the valve diagnostic device 2 shown in FIG. 1 via the AR signal receiving unit 6.
  • the signal processing unit 4 acquires measurement data of constant vibration generated in the valve (including vibration propagated from the surrounding environment) for diagnosis of the valve state.
  • -Prior signal processing (averaging 1) For example, the measurement is performed for 5 seconds. That is, the measurement for 5 seconds is performed 5 times, each result is Fourier transformed, and the average of the five transformation results is calculated in the frequency domain. The result of inverse Fourier transform of the calculated conversion result is used as vibration data for diagnosis.
  • -Prior signal processing (averaging 2) Moreover, you may acquire measurement data as follows. Sufficiently long data (for example, 30 seconds) is measured, the data is divided into a plurality of sections, and each is Fourier transformed. The average of the Fourier transform results is calculated. The result of inverse Fourier transform of the calculated conversion result is used as vibration data for diagnosis.
  • Preliminary signal processing It is preferable to remove noise from vibration data for diagnosis obtained by measurement. For this reason, a Fourier transform is performed on the vibration data for diagnosis, and a band pass filter is applied to the result. By this bandpass filter, a frequency band that does not affect diagnosis and includes a lot of noise is removed. The removed result is subjected to inverse Fourier transform and returned to vibration data.
  • vibration noise of a car passing in the vicinity is often included. Therefore, signals in the region of 200 Hz or less are often removed regardless of whether such vibration noise is actually included. Further, in the region of 10,000 Hz or higher, there is often no characteristic vibration as a valve in many cases, so signals in the region of 10,000 Hz or higher are often removed.
  • the vibration component transmitted to the valve to be diagnosed does not always have a constant strength and frequency component included. These effects need to be corrected.
  • the second sensor in addition to the acceleration sensor 14 that measures the vibration of the valve 100 itself, the second sensor is located near the valve 100 to be diagnosed (in FIG. 3, on the outer surface of the pipe 102). The acceleration sensor 14a is attached. The free vibration of the valve 100 is extracted using the measured value by the second acceleration sensor 14a.
  • free vibration is vibration inherent to a certain system, and is vibration data of the valve itself. That is, it can be said that the characteristic is composed of a natural vibration of the valve, a damping constant, and the like.
  • the values of the acceleration sensor 14 that measures the vibration of the valve 100 are X1, Y1, and Z1, and the values of the second acceleration sensor 14a are X2, Y2, and Z2. Then, the values of X1 / X2, Y1 / Y2, and Z1 / Z2 that are transfer functions are used as vibration data for soundness diagnosis (determination).
  • step S04 and step S06 are executed in parallel. However, step S06 may be executed after step S04 and before step S08 (described later), or step S06. Step S04 may be executed after and before step S08.
  • FIG. 4 is a diagram showing a flow of processing steps for calculating the degree of damage (DI) using the autoregressive coefficient, and shows the detailed contents of step S04 of the processing flow shown in FIG.
  • FIG. 5 is a diagram showing a flow of processing steps for calculating the degree of damage using the intersection prediction error, and shows details of step S06 of the processing flow shown in FIG.
  • the processing flow is divided between reference data acquisition and diagnosis (other than reference data acquisition). That is, in the flowchart shown in FIG. 4, the left flow is executed in the process at the time of reference data acquisition, and the right flow is executed in the process at the time of diagnosis.
  • the reference data that is, the vibration data serving as a reference is acquired when the valve state is healthy at the beginning of the use of the valve. Therefore, the reference data acquisition indicates a time point at the beginning of the use of the valve.
  • the processing at the time of reference data acquisition is determined by acquiring an autoregressive model at the time of reference data acquisition (described later), a damage index (DI BASE ) at the time of reference data acquisition, and a self-prediction error (AutoPE). It is necessary to be performed at least once.
  • the processing flow is divided at the time of reference data acquisition and at the time of diagnosis (other than at the time of reference data acquisition), the left flow is executed in the processing at the time of reference data acquisition, and the right flow is executed in the processing at the time of diagnosis.
  • an AR model (autoregressive model) based on vibration data serving as a reference is first constructed (step S20).
  • the construction of the well-known AR model (autoregressive model) is expressed by the following equation.
  • k is the “order”. That is, in order to construct an autoregressive model, it is necessary to determine the order “k” of the autoregressive coefficient. Therefore, in the present invention, a known technique called Akaike Information Criterion (AIC) is used.
  • AIC Akaike Information Criterion
  • An autoregressive model is constructed based on the order calculated by AIC.
  • the order is determined as follows, for example.
  • the AIC calculation function outputs a numerical value.
  • Such an operation is sequentially repeated while changing the number of “order” candidates, and the number of “order” candidates when the numerical value output by the AIC calculation function is the smallest among the number of finite “order” candidates, The order when the AR model is constructed.
  • the range of the number of finite “order” candidates is specified as 20 to 400, for example.
  • the measurement data (vibration data) and the order obtained by the above-mentioned AIC calculation function are input to a well-known autoregressive model calculation function, and an autoregressive model is constructed.
  • a damage index is calculated from the autoregressive coefficient based on the vibration data serving as a reference (step S22).
  • the damage index is defined as follows:
  • n is a natural number whose value is appropriately determined.
  • the autoregressive coefficient of the autoregressive model constructed based on the measurement data (vibration data) includes information on the valve structure.
  • the damage index is defined as described above as an index for viewing the degree of change of the autoregressive coefficient, that is, the degree of valve damage.
  • the calculated DI (damage index) is stored in the data storage unit 10 as the damage index “DI BASE ” at the time of obtaining the reference data. Note that step S40 is not performed in the process for acquiring the reference data.
  • an AR model (autoregressive model) is constructed based on vibration data at the time of diagnosis (step S30). Although there is a difference between whether it is based on vibration data at the time of diagnosis or based on vibration data as a reference at the time of obtaining reference data, the construction procedure of the AR model (autoregressive model) is the same as that at the time of obtaining reference data (step S20). ).
  • a damage index is calculated from autoregressive coefficients based on vibration data at the time of diagnosis (step S32). Although there is a difference between whether it is based on the autoregressive coefficient based on the vibration data at the time of diagnosis or on the basis of the vibration data used as the reference when acquiring the reference data, the calculation of the damage index is the same as when the reference data was acquired ( The same as step S20).
  • the rate of change of the damage index (DI) is calculated at the time of diagnosis (step S40).
  • the rate of change of the damage index (DI) is defined as follows.
  • DI BASE is a damage index at the time of obtaining reference data (stored in the data storage unit 10)
  • DI TEST is a damage index at the time of diagnosis.
  • the autoregressive coefficient constructed based on vibration data expresses the vibration characteristics of the valve as a structure.
  • the vibration characteristic is information such as a natural frequency and a damping constant. For this reason, when sticking etc. occur in the valve, a change occurs in the structure, and a difference occurs in the autoregressive coefficient compared with the reference time (when the reference data is acquired). Therefore, it is possible to detect a change in the state of the valve by comparing using a coefficient containing these characteristics.
  • the detected change rate (difference) is calculated as the change rate of the damage index (DI).
  • an AR model (autoregressive model) is first constructed based on vibration data as a reference (step S50).
  • the construction procedure of the AR model (autoregressive model) here is the same as that in step S20 in the flowchart shown in FIG.
  • the vibration data (waveform data) serving as the reference is input to the autoregressive model constructed from the vibration data serving as the reference, and the autoregressive model obtained at the time of acquiring the reference data Calculate predicted vibration waveform data.
  • the mean square of the difference between the vibration data (waveform data) serving as a reference and the predicted waveform data of the vibration based on the autoregressive model at the time of acquiring the reference data is calculated (step S52).
  • the mean square here is referred to as “self-prediction error (AutoPE (Prediction Error))”.
  • the predicted waveform data contains errors because the autoregressive model is an approximate expression.
  • AutoPE is a numerical value of the error.
  • step S70 is not performed in the process for acquiring the reference data.
  • the flow diagram shown in FIG. 5 does not build an autoregressive model based on vibration data at the time of diagnosis.
  • vibration data (waveform data) at the time of diagnosis is input to the autoregressive model constructed in step S50 based on vibration data serving as a reference, and the predicted waveform of vibration at the time of diagnosis by the autoregressive model at the time of reference data acquisition Calculate the data.
  • the root mean square of the difference between the vibration data (waveform data) at the time of diagnosis and the predicted waveform data of vibration at the time of diagnosis by the autoregressive model at the time of obtaining the reference data is calculated (step S62).
  • the mean square here is referred to as a cross prediction error (CrossPE (Prediction Error)).
  • the auto-regression model contains information as a structure (valve)
  • the vibration data at the time of diagnosis is input to the auto-regression model at the time of reference data acquisition.
  • the error (CrossPE) becomes larger than that at the time of acquiring the reference data.
  • the rate of change of the intersection prediction error is subsequently calculated (step S70).
  • the rate of change of the cross prediction error is defined as follows.
  • step S08 Execution of comprehensive judgment (soundness judgment) (step S08) In the flow of processing for determining / predicting the state of the valve shown in FIG. 2, the step of “execution of comprehensive determination (soundness determination)” (step S08) is subsequently executed.
  • step S08 In the processing at the time of acquiring reference data, the following “execution of comprehensive determination (soundness determination)” (step S08) and “deterioration prediction” (step S10) are not executed.
  • step S10 the purpose of the processing at the time of acquiring the reference data is to construct an autoregressive model at the time of acquiring the reference data, acquire and determine the damage index (DI BASE ) and the self-predictive error (AutoPE) at the time of acquiring the reference data. is there.
  • the change rate of the damage index (DI) and the change rate of the cross prediction error are plotted on a state diagnosis map as shown in FIG.
  • the DI change rate is taken on the Y axis
  • the cross prediction error change rate is taken on the X axis.
  • the state diagnosis map is divided into nine areas, and specific thresholds are assigned to the boundaries of the areas (see FIGS. 7 and 9).
  • the DI change rate of the Y axis is divided into “sound area”, “warning area”, and “fixed area”.
  • the “warning area” and the “adhesion area” of the DI change rate are classified by the threshold value 1, and are classified by the damage threshold value 2.
  • the X-axis cross prediction error change rate is divided into a “sound region”, a “warning region”, and a “fixed region”.
  • the “region” is classified by the damage threshold 3
  • the “warning region” and the “fixed region” of the cross prediction error change rate are classified by the damage threshold 4. Determination of specific values for the damage thresholds 1 to 4 will be described later.
  • the nine regions of the state diagnosis map include “healthy regions” and (two) in accordance with the Y-axis DI change rate region and the X-axis cross prediction error change rate region. It is divided into “minor warning area”, “warning area”, (two) “semi-adhesion area”, (two) “adhesion area” and “heavy adhesion area”.
  • the Y-axis DI change rate classification and the X-axis cross prediction error change rate classification are not limited to those described above. Each may be divided into more (or fewer) sections. Accordingly, the area division of the state diagnosis map is not limited to the above. It may be divided into more (or fewer) areas.
  • the damage thresholds 1 to 4 in the state diagnosis map can be determined by various calculation methods. Below, the example of the calculation method determined experimentally and the example of the calculation method statistically determined are demonstrated.
  • the acquired DI change rate value is “damage threshold 2”
  • the acquired cross prediction error change rate value is “damage threshold 4”.
  • the reason why the value when the valve opening / closing torque is 50 N ⁇ m is adopted is that 50 N ⁇ m is a value that clearly feels resistance due to valve sticking when the valve is opened and closed manually.
  • “damage threshold 2” was 0.35
  • “damage threshold 4” was 0.65.
  • Table 1 below shows an example of damage threshold determination.
  • step S10 In the process flow for determining / predicting the state of the valve shown in FIG. 2, the step of “deterioration prediction” (step S10) is subsequently executed.
  • step S10 the transition time between each area
  • FIG. 8A is a graph showing a transition example of the value of DI change rate from week 0 (W0), week 1 (W1) to week 18 (W18), and
  • FIG. 9 is a graph showing a transition example of the value of the cross prediction error change rate from week 0 (W0), week 1 (W1) to week 18 (W18).
  • approximation formulas linear approximation, exponential approximation, polynomial approximation, moving average, etc.
  • FIG. 9 is a state diagnosis map in which an example of a periodic diagnosis result for a certain valve is plotted.
  • the diagnosis results from the 0th week (W0), the 1st week (W1) to the 30th week (W30) are plotted.
  • an approximate expression that best represents the transition of the DI change rate and an approximate expression that best represents the transition of the cross prediction error change rate are obtained, and these two approximate expressions are used to determine the future (that is, after the 31st week).
  • the DI change rate value, the cross prediction error change rate value, and the plot position of the state diagnosis map can be predicted.
  • the user of the valve diagnosis device 2 or the data collection / diagnosis cloud system 22 grasps the time when the state of the valve can change, thereby performing maintenance or the like before the state change, or the timing of periodic inspection. It is possible to take specific measures such as adding the valve to the valve list to be maintained at.
  • the valve diagnosis apparatus includes an AR signal receiving unit 6 that receives a vibration signal from the acceleration sensor 14 and outputs vibration data, and a signal processing unit 4.
  • the signal processing unit 4 (A) Calculated based on an autoregressive model constructed from vibration data at the time of diagnosis with respect to a predetermined damage index obtained at the time of obtaining reference data calculated based on an autoregressive model constructed from vibration data serving as a reference Calculating a first rate of change value of the predetermined damage index at the time of diagnosis; (B) Predicted waveform data of vibration based on the autoregressive model at the time of acquiring the reference data, and the reference vibration data calculated by inputting the reference vibration data to the autoregressive model constructed from the reference vibration data For the mean square calculated from the difference between Predicted waveform data of vibration at the time of diagnosis and vibration at the time of diagnosis based on the autoregressive model at the time of reference data calculation calculated by inputting the vibration data at the time of diagnosis into the autoregressive model constructed from the vibration data used as
  • the diagnostic device By using the diagnostic device according to the first embodiment, it is possible to appropriately predict and diagnose a change in the state of the valve with a simple configuration. As a result, the administrator or operator of the valve can appropriately select and determine necessary measures to be performed before the occurrence of a failure according to the state of the valve.
  • the present invention is not limited to the first embodiment described above.
  • three or more damage thresholds may be set for each of the X axis and the Y axis, or only one may be set.
  • the valve diagnosis apparatus may calculate the approximate expression based on a plurality of plots in the state diagnosis map and predict the valve state.
  • the present invention can be used not only for valves but also for plant maintenance, factory maintenance, and equipment condition diagnosis.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Mechanical Engineering (AREA)
  • Mathematical Optimization (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Operations Research (AREA)
  • Algebra (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
  • Indication Of The Valve Opening Or Closing Status (AREA)

Abstract

簡素な構成によりバルブの状態変化を適切に予測する診断方法を提供する。本発明のバルブ診断方法は、基準データ取得時の所定の損傷指標に対する、診断時の前記所定の損傷指標の、第１の変化率の値を算出するステップと、基準データ取得時の振動の予測波形データと、基準となる振動データとの差から算出される２乗平均に対する、診断時の振動の予測波形データと、診断時の振動データとの差から算出される２乗平均の、第２の変化率の値を算出するステップと、平面において、算出された前記第１の変化率の値と、算出された前記第２の変化率の値とに基づいて、診断結果のプロットを配置するステップと、算出された前記第１の変化率の値、算出された前記第２の変化率の値、及び、前記診断結果のプロットの前記平面上の配置位置により、診断対象のバルブの状態を判定するステップとを含む。

Description

バルブ診断方法及びバルブ診断装置
　本発明は、バルブの弁棒固着等による作動不良を事前に予測するためのバルブ診断方法及びバルブ診断装置に関する。
　様々なプラントや工場において、多種多様なバルブが用いられている。これらバルブのためのメンテナンスの方法としては、以下のような三つのものが挙げられる。
（１）バルブ故障後に交換を行うメンテナンス方法。
（２）使用期間に応じて定期的にメンテナンスを行うメンテナンス方法。
（３）バルブの状態に応じて故障発生の前に必要な処置を行う方法。
　上記（１）のメンテナンス方法では、予想しないタイミングで故障が発生した際に、バルブが組み込まれた装置の全体をバルブ交換のために所定期間停止させねばならない、という問題がある。また上記（２）のメンテナンス方法では、バルブを構成する部品の状態が良好でありまだまだ使用できる状態であっても定期的に交換を行うため、不必要なコストが生じることがある、という問題がある。しかし、定期的な交換を行っていても、突発的な故障が発生すれば上記（１）のメンテナンス方法と同様に、装置の全体をバルブ交換のために所定期間停止させねばならない。
　上記（３）の方法では、バルブ交換のために装置の全体を所定期間停止させねばならないという問題や、バルブやバルブの部品の状態が良好でありまだまだ使用できる状態であっても定期的に交換を行うことからコスト軽視に繋がることがあるという問題は、生じない。上記（３）のメンテナンス方法を実施するために、バルブの状態変化を予測する方法がこれまで幾つか提示されている。
　特許文献１（特開平６－３００６６７号）では、弁棒の亀裂等を検知する方法が開示されている。該方法では、加速度センサを弁棒に取り付け、現地で人が打診することによって弁棒に生じる振動を測定する。その測定データより固有振動数を算出し、健全時の固有振動数と測定時の固有振動数を比較することによって弁棒の損傷を診断する。この方法においては、以下のような課題が挙げられる。
［１］弁棒が高温に晒される場合や弁棒がバルブ内にあり外部に露出していない場合などでは、弁棒に加速度センサを取り付けることが困難な場合がある。
［２］打診するためには人が現地に行く必要がある。
［３］打診によって測定される振動は、打診ハンマーを当てる位置、当たる角度などにより変わる場合がある。
［４］打診を行う時間間隔が長すぎると、損傷が発生する前に亀裂等を検知することができない。
［５］常時監視することができない。
　特許文献２（特開２００２－１３０５３１号）では、弁装置の駆動部に、駆動力センサ、駆動部への供給エネルギセンサ、及び振動センサを取り付け、そのセンサ類からのデータより劣化予測を行う方法が開示されている。この方法においては、以下のような課題が挙げられる。
［１］恒久的な駆動力センサを駆動部に取り付ける必要があるため駆動部が高額になる。
［２］中間トルクのデータを利用して診断を行うため、バルブを動かさないと診断することができない。
［３］バルブの仕様ごとに設定する許容値の妥当性が、使用条件によって変化するため、実際の使用実績の積み重ねが無ければ適切な許容値の設定が困難である。
　特許文献３（特開２０１１－２７６１５号）では、バルブの上流と下流の流体圧力を測定し、流体圧力から間接的にバルブの振動を評価してバルブの健全性を監視する方法が開示されている。この方法においては、以下のような課題が挙げられる。
［１］事前に適切な構造解析モデルを立てる必要がある。
［２］流体圧力から間接的に振動を推定するに過ぎず正確に振動を評価しているとは限らない。
　特許文献４（特開２０１０－５４４３４号）では、バルブに超音波を送信しバルブから反射された超音波を受信することによって、バルブの異常を診断する方法が開示されている。この方法においては、以下のような課題が挙げられる。
［１］バルブに弾性波を励起させるために超音波装置が別途必要となる。
　特許文献５（公開実用新案公報昭和６１－２８９６８号）では、超音波用音響検出器を用いて漏洩によってバルブに発生する音響を測定し、漏洩量の測定を行う方法が開示されている。この方法においては、以下のような課題が挙げられる。
［１］配管状態のバルブの解析モデルを事前に構築する必要がある。
特開平６－３００６６７号公報 特開２００２－１３０５３１号公報 特開２０１１－２７６１５号公報 特開２０１０－５４４３４号公報 公開実用新案公報昭和６１－２８９６８号
　本発明は、簡素な構成によりバルブの状態変化を適切に予測する診断方法及び診断装置を提供する。このバルブの状態変化を適切に予測する診断方法及び診断装置は、例えば、バルブの管理者や操作者が、バルブの状態に応じて故障発生の前に行われるべき必要な処置を適切に選択して決定できるようにすることを目的とするものである。
　本発明に係るバルブ診断方法は、
　基準となる振動データにより構築された自己回帰モデルに基づいて計算された基準データ取得時の所定の損傷指標に対する、診断時の振動データにより構築される自己回帰モデルに基づいて計算される診断時の前記所定の損傷指標の、第１の変化率の値を算出するステップと、
　基準となる振動データにより構築された自己回帰モデルに基準となる振動データを入力して計算された、基準データ取得時の自己回帰モデルによる振動の予測波形データと、基準となる振動データとの差から算出される２乗平均に対する、
基準となる振動データにより構築された自己回帰モデルに診断時の振動データを入力して計算された、基準データ取得時の自己回帰モデルによる、診断時の振動の予測波形データと、診断時の振動データとの差から算出される２乗平均の、第２の変化率の値を算出するステップと、
　第１の軸と第２の軸が直交する平面であって、第１の軸における変数が第１の変化率であり、第２の軸における変数が第２の変化率である平面において、算出された前記第１の変化率の値と、算出された前記第２の変化率の値とに基づいて、診断結果のプロットを配置するステップと、
　算出された前記第１の変化率の値、算出された前記第２の変化率の値、及び、前記診断結果のプロットの前記平面上の配置位置により、診断対象のバルブの状態を判定するステップと
を含む。
　本発明に係る診断方法及び診断装置を利用することにより、簡素な構成によりバルブの状態変化を適切に予測及び診断することができる。このことにより更に、バルブの管理者や操作者は、バルブの状態に応じて故障発生の前に行われるべき必要な処置を、適宜選択して決定することができる。
　バルブにおける弁棒固着によりバルブ開閉トルクは上昇する。この弁棒固着、延いてはバルブ開閉トルクの上昇、即ちバルブ作動不良は、バルブの振動変化に現れる。従って、バルブの振動変化を測定することによって、作動不良に繋がり得るようなトルク上昇を示し始めた後、作動不良になる前に、外部に予測を知らせることができる。また、バルブ及びその周辺装置について非破壊の状態で、バルブの状態変化(例えば、固着など)を診断することができる。また、個々のバルブについて事前に診断のための構造解析モデルを構築する必要がない。また、常時バルブの監視を行うことができる。更に、複数の指標の変化傾向に基づいてバルブの劣化予測を行うことができる。
本発明の実施の形態１に係るバルブ診断装置及びデータ収集診断クラウドシステムの概略の全体構成図である。 本発明の実施の形態１に係るバルブ診断装置における、バルブの状態を判定・予測する処理のフローを示す図である。 二つの加速度センサを取り付けられたバルブの斜視図である。 自己回帰係数による損傷指標（ＤＩ）を用いた損傷度算出の処理ステップのフローを示す図であり、図２に示す処理フローのステップＳ０４の詳細な内容を示している。 交差予測誤差を用いた損傷度算出の処理ステップのフローを示す図であり、図２に示す処理フローのステップＳ０６の詳細な内容を示している。 状態診断マップの例を示す図である。 状態診断マップの例を示す図である。 図８（ａ）は、第０週（Ｗ０）、第１週（Ｗ１）から第１８週（Ｗ１８）までの、ＤＩ変化率の値の推移例を表すグラフである。図８（ｂ）は、第０週（Ｗ０）、第１週（Ｗ１）から第１８週（Ｗ１８）までの、交差予測誤差変化率の値の推移例を表すグラフである。 状態診断マップの例を示す図である。
　以下、図面を参照して、本発明に係る好適な実施の形態を説明する。
本発明に至る経緯
　様々なプラントを構成する種々のバルブに対して、幾つかのメンテナンス方法が開発されている。その方法のうちで有力なものとして、「バルブのコンディション（状況）に応じて、故障発生の前に必要な処置を行う方法」が、挙げられる。
　この「バルブのコンディション（状況）に応じて、故障発生の前に行われるべき必要な処置」を適切に選択し決定するためには、バルブの故障がいつ発生するのかという点を中心にして、バルブ（機器）の状態を予測する方法が開発されなければならない。
　前述のように、故障発生の前にバルブ（機器）の状態を予測する方法は幾つか提案されている。しかしながら、それらの方法のいずれもが未解決の課題を抱えている。即ち、故障発生の前にバルブ（機器）の今後の状態を正確に予測する方法は、十分に提示されているとは言えない。
　以上の状況を鑑みて、本発明は、故障発生の前にバルブ（機器）の今後の状態を正確に予測する装置及び方法を提示するものである。
実施の形態１
バルブ診断装置の構成
　図１は、本発明の実施の形態１に係るバルブ診断装置２及びデータ収集診断クラウドシステム２２の概略の全体構成図である。まず、図１に示すバルブ診断装置２は、信号処理部４、ＡＲ（自己回帰モデル）用信号受信部６、信号受信部８、データ保存部１０、送信部１２、加速度センサ１４、開度センサ１６、及び圧力・温度センサ１８を、含む。このうち、加速度センサ１４、開度センサ１６、及び圧力・温度センサ１８は、測定対象バルブそのものに若しくはその近傍に、配置若しくは付着される。
　なお、以下において、自己回帰モデルとは、ＡＲモデルとも表記される「Ａｕｔｏ　ｒｅｇｒｅｓｓｉｖｅ　ｍｏｄｅｌ」のことである。
　ＡＲ用信号受信部６は、後で詳しく説明するように、加速度センサ１４から自己回帰モデルを構築するための振動信号を受信する。信号受信部８は、開度センサ１６及び圧力・温度センサ１８から（後で説明するように）バルブの開閉状態を判定するための信号を受信する。信号処理部４は、ＡＲ用信号受信部６からのデータ及び信号受信部８からのデータに基づいて、例えば、図２、図４及び図５に概略示す、バルブの今後の状態を正確に予測する処理を行う。データ保存部１０は、信号処理部４の出力するデータ等を保存する。
　送信部１２は、信号処理部４の出力するデータやデータ保存部１０に保存されるデータを外部に送信する。例えば、送信部１２は、（バルブ診断装置２から見て外部である）データ収集・診断クラウドシステム２２に、データを送信する。送信部１２は、バルブ診断装置２に有線で接続するパーソナルコンピュータ（ＰＣ）２０を経て（、更に、例えば、インターネット通信網を介して、）データ収集・診断クラウドシステム２２と通信してもよいし、各種無線通信を経て（、更に、例えば、インターネット通信網を介して、）データ収集・診断クラウドシステム２２と通信してもよい。データ収集・診断クラウドシステム２２は、例えば、情報端末２４により操作され得る。
　なお、図２、図４及び図５に示すフロー図における、データの解析、判定及び予測に係る処理は、バルブ診断装置２の信号処理部４にて行われてもよいし、データ収集・診断クラウドシステム２２にて行われてもよい。また、別途のコンピュータプロセッサにより行われてもよい。例えば、バルブ診断装置２に有線で接続するパーソナルコンピュータ（ＰＣ）２０や、バルブ診断装置２近辺に配置されているパーソナルコンピュータにより行われてもよい。
バルブ診断装置の動作
　図２は、本発明の実施の形態１に係るバルブ診断装置２における、バルブの状態を判定・予測する処理のフローを示す図である。図２に示すフローでは、データ測定、解析、診断（判定）、及び予測の順で処理が行われる。なお、図２に示すフローの処理は、定期的に行われる。例えば、該処理は、時間単位で行われてもよいし、日単位で行われてもよい。
　このように、図２に示すバルブの状態を判定・予測する処理を定期的に行うために、バルブ診断装置２は時計を備える。
　また、バルブは開いている状態と閉じている状態では構造形態が異なり、外部から与えられた振動に対する反応が異なる。このため、バルブの開閉状態が、判定基準となる（バルブの）健全時の状態と、診断時の状態とが同じでないと、正確な診断（判定）を行うことができない。そのために、以下のようにバルブの開閉状態が測定される。
　図１に示すように、バルブ（若しくはバルブの近傍）には、開度センサ１６、圧力・温度センサ１８が設けられている。これらセンサにより、バルブ診断装置２の信号処理部４若しくはデータ収集・診断クラウドシステム２２が、バルブの開閉状態を測定する。診断時において、判定基準の（バルブの）健全時とは開閉状態が異なることがこれらセンサにより測定されると、プラントの制御システムやバルブの操作者により、バルブの開度が、判定基準である健全時のものに合わせられる。これにより、図２に示すバルブの状態を判定・予測する処理の、判定及び予測の精度が向上する。
　バルブの開度が判定基準の健全時のものに合わせられた上で、図２に示すステップＳ０２以下のステップ（処理）が行われる。なお、バルブの開閉状態を測定するために、リミットスイッチ、ポテンショメータ、（モータ等の）駆動部へのエネルギセンサなどが利用されてもよい。
　以上のような、バルブの開閉状態の測定及び開度の調整は、（ステップＳ０２）「診断対象物の振動データの取得」のステップの前に行われる。また、図２に示すバルブの状態を判定・予測する処理の終了後、バルブは元の開閉状態に戻されるのが望ましい。
診断対象物の振動データの取得及び事前信号処理（ステップＳ０２）
　図２に示すバルブの状態を判定・予測する処理のフローでは、まず「診断対象物の振動データの取得」（ステップＳ０２）のステップが実行される。詳細には、この「診断対象物の振動データの取得」（ステップＳ０２）では、
・応答データ入力
・平均化処理
・バンドパスフィルタの適用
・伝達関数処理
などが行われる。
　・応答データ入力
図１に示すバルブ診断装置２の加速度センサ１４から、ＡＲ用信号受信部６を介して、信号処理部４は、バルブの振動信号を受ける。信号処理部４は、バルブ状態の診断のために、バルブに生じている(周囲環境から伝播する振動を含む)常時振動の測定データを取得する。
　・事前信号処理(平均化処理１)
例えば、測定においては５秒間の測定を実施する。つまり、５秒間の測定を５回実施し、それぞれの結果をフーリエ変換し、周波数領域で５つの変換結果の平均を算出する。算出された変換結果を逆フーリエ変換したものを、診断のための振動データとする。
　・事前信号処理(平均化処理２)
また、次のようにして測定データを取得してもよい。十分に長いデータ（例えば、３０秒）を計測し、そのデータを複数の区間に分割して夫々をフーリエ変換する。それらのフーリエ変換結果の平均を算出する。算出された変換結果を逆フーリエ変換したものを、診断のための振動データとする。
　・事前信号処理(バンドパスフィルタ)
測定で得られた、診断のための振動データからノイズを除去することが好ましい。このため、診断のための振動データに対してフーリエ変換を行い、その結果に対しバンドパスフィルタを掛ける。このバンドパスフィルタにより、診断に影響せず且つノイズを多く含む周波数帯を除去する。除去した結果を逆フーリエ変換し、振動データに戻す。
　例えば、２００Ｈｚ以下の領域では、付近を通過する自動車の振動ノイズなどが含まれることが多い。よって、実際にそのような振動ノイズが含まれるかどうかに拘わらず、２００Ｈｚ以下の領域の信号を除去することが多い。また、１００００Ｈｚ以上の領域では、バルブとしての特徴的な振動を殆ど含まないことが多いため、１００００Ｈｚ以上の領域の信号を除去することも多い。
　・伝達関数処理
周囲環境からのノイズ成分を除去しても、診断対象であるバルブに伝達する振動成分は、その強度や含まれる周波数成分が毎回一定とは限らない。これらの影響を補正する必要がある。この補正のために、図３に示すように、バルブ１００自体の振動を測定する加速度センサ１４以外に、診断対象のバルブ１００の近傍に（図３では、配管１０２の外側面に）第２の加速度センサ１４ａを取り付ける。この第２の加速度センサ１４ａによる測定値を用いて、バルブ１００の自由振動を抽出する。ここでの「自由振動」とは、あるシステムの固有の振動であり、バルブそのものの振動データである。即ち、バルブの固有振動や減衰定数などで構成される特徴であると言える。
　具体的には、環境振動の変化を相殺するために、バルブ１００の振動を測定する加速度センサ１４の値をＸ１、Ｙ１、Ｚ１とし、第２の加速度センサ１４ａの値をＸ２、Ｙ２、Ｚ２とすると、伝達関数であるＸ１／Ｘ２、Ｙ１／Ｙ２、Ｚ１／Ｚ２の値を、健全性診断（判定）のための振動データとして利用する。
損傷度算出（ステップＳ０４、ステップＳ０６）
　図２に示すバルブの状態を判定・予測する処理のフローでは、続いて「自己回帰係数を用いた損傷度（ＤＩ）算出」（ステップＳ０４）及び「交差予測誤差を用いた損傷度算出」（ステップＳ０６）のステップが実行される。
　図２に示すフローでは、ステップＳ０４とステップＳ０６とは並行して実行されるが、ステップＳ０４の後且つ（後で説明する）ステップＳ０８の前にステップＳ０６が実行されてもよいし、ステップＳ０６の後且つステップＳ０８の前にステップＳ０４が実行されてもよい。
　図４は、自己回帰係数を用いた損傷度（ＤＩ）算出の処理ステップのフローを示す図であり、図２に示す処理フローのステップＳ０４の詳細な内容を示している。同様に図５は、交差予測誤差を用いた損傷度算出の処理ステップのフローを示す図であり、図２に示す処理フローのステップＳ０６の詳細な内容を示している。
　まず図４に示すフロー図では、図に示すように、基準データ取得時と（基準データ取得時以外の）診断時とで処理フローが分かれる。つまり、図４に示すフロー図において、基準データ取得時の処理では左側のフローが実行され、診断時の処理では右側のフローが実行される。ここで、基準データ、つまり、基準となる振動データは、バルブの使用開始初期の、バルブの状態が健全である時に取得される。よって、基準データ取得時は、バルブの使用開始初期の一時点を示す。
　なお、通常、基準データ取得時の処理は、（後で説明する）基準データ取得時の自己回帰モデル、基準データ取得時の損傷指標（ＤＩＢＡＳＥ）、及び自己予測誤差(ＡｕｔｏＰＥ)を取得し決定するために実行されるので、少なくとも一回行われればよい。
　基準データ取得時と（基準データ取得時以外の）診断時とで処理フローが分かれ、基準データ取得時の処理では左側のフローが実行され、診断時の処理では右側のフローが実行されることは、図５に示す交差予測誤差を用いた損傷度算出の処理ステップのフロー図でも、同様である。
　図４に示すフロー図では、基準データ取得時には先ず基準となる振動データによるＡＲモデル（自己回帰モデル）が構築される（ステップＳ２０）。周知であるＡＲモデル（自己回帰モデル）の構築は、以下の式で表される。
Figure JPOXMLDOC01-appb-M000001
 ここで、ｋは「次数」である。つまり、自己回帰モデルを構築するためには、自己回帰係数の次数「ｋ」を決定する必要がある。このため本発明では、周知である赤池情報量規準（ＡＩＣ）という手法を用いる。ＡＩＣによって算出された次数を基にして自己回帰モデルを構築する。
　次数の決定は、例えば、以下のように行う。周知の数値計算ソフトウエアに含まれる、ＡＩＣの算出関数に対して、測定データ（振動データ）と「次数」候補の数とを入力して計算させると、ＡＩＣの算出関数は数値を出力する。このような作業を「次数」候補の数を変化させながら順次繰り返し、有限の「次数」候補の数のうちでＡＩＣの算出関数が出力する数値が最も小さいときの「次数」候補の数を、ＡＲモデル構築の際の次数とする。有限の「次数」候補の数の範囲は、例えば、２０から４００まで、というように指定される。
　更に、周知の自己回帰モデル算出関数に、測定データ（振動データ）と上述のＡＩＣの算出関数で得られた次数とが入力されて、自己回帰モデルが構築される。
　図４に示すフロー図では、基準データ取得時には、続いて基準となる振動データによる自己回帰係数から、損傷指標が算出される（ステップＳ２２）。損傷指標は以下のように定義される。
Figure JPOXMLDOC01-appb-M000002
 ここで、ｎは、適宜、値が決定される自然数である。
　測定データ（振動データ）を基に構築した、自己回帰モデルの自己回帰係数にはバルブの構造体としての情報が含まれる。自己回帰係数の変化具合、即ち、バルブの損傷具合を見るための指標として、上記のように損傷指標が定義される。
　算出されたＤＩ（損傷指標）は、基準データ取得時の損傷指標「ＤＩＢＡＳＥ」としてデータ保存部１０に保存される。なお、基準データ取得時の処理ではステップＳ４０は行わない。
　更に、図４に示すフロー図では、診断時には、診断時の振動データによるＡＲモデル（自己回帰モデル）が構築される（ステップＳ３０）。診断時の振動データに基づくか、基準データ取得時における基準となる振動データに基づくか、の差異はあるが、ＡＲモデル（自己回帰モデル）の構築手順は、基準データ取得時のもの（ステップＳ２０）と同様である。
　更に、図４に示すフロー図では、診断時には、続いて診断時の振動データによる自己回帰係数から、損傷指標が算出される（ステップＳ３２）。診断時の振動データによる自己回帰係数に基づくか、基準データ取得時における基準となる振動データによる自己回帰係数に基づくか、の差異はあるが、損傷指標の算出は、基準データ取得時のもの（ステップＳ２０）と同様である。
　更に、図４に示すフロー図では、診断時には、損傷指標（ＤＩ）の変化率が算出される（ステップＳ４０）。損傷指標（ＤＩ）の変化率は、以下のように定義される。
Figure JPOXMLDOC01-appb-M000003
 ここで、「ＤＩＢＡＳＥ」は（データ保存部１０に保存されている）基準データ取得時の損傷指標であり、「ＤＩＴＥＳＴ」は診断時の損傷指標である。
　振動データを基に構築した自己回帰係数は、構造体としてのバルブの振動特性を表現する。振動特性というのは、固有振動数や減衰定数などの情報である。このため、バルブに固着等が発生すると、構造体に変化が生じ、基準時（基準データ取得時）と比較して自己回帰係数に差異が発生する。よって、これらの特性を含有した係数を用いて、比較することによりバルブの状態変化を検出することが可能である。この検出される変化率（差異）を、損傷指標（ＤＩ）の変化率として算出する。
　続いて、図５に示すフロー図でも、前に説明したように、基準データ取得時と（基準データ取得時以外の）診断時とで処理フローが分かれる。
　図５に示すフロー図では、基準データ取得時には先ず基準となる振動データによるＡＲモデル（自己回帰モデル）が構築される（ステップＳ５０）。ここでのＡＲモデル（自己回帰モデル）の構築手順は、図４に示すフロー図のステップＳ２０のものと同様である。
　図５に示すフロー図では、基準データ取得時には、続いて基準となる振動データにより構築した自己回帰モデルに、基準となる振動データ（波形データ）を入力し、基準データ取得時の自己回帰モデルによる振動の予測波形データを算出する。その上で、基準となる振動データ（波形データ）と、基準データ取得時の自己回帰モデルによる振動の予測波形データとの差の、２乗平均を算出する（ステップＳ５２）。ここでの２乗平均を「自己予測誤差(ＡｕｔｏＰＥ（Ｐｒｅｄｉｃｔｉｏｎ　Ｅｒｒｏｒ）)」と称する。
　基準データ取得時の振動データにより構築した自己回帰モデルに、基準データ取得時にける基準となる振動データを入力しても、自己回帰モデルは近似式であるため、予測波形データは誤差を含んでいる。ＡｕｔｏＰＥは、その誤差を数値化したものである。
　算出されたＡｕｔｏＰＥ（自己予測誤差)は、データ保存部１０に保存される。なお、基準データ取得時の処理ではステップＳ７０は行わない。
　更に、診断時には、図５に示すフロー図では、診断時の振動データによる自己回帰モデルの構築を行うことは無い。診断時には、基準となる振動データによりステップＳ５０にて構築した自己回帰モデルに、診断時の振動データ（波形データ）を入力し、基準データ取得時の自己回帰モデルによる、診断時の振動の予測波形データを算出する。その上で、診断時の振動データ（波形データ）と、基準データ取得時の自己回帰モデルによる診断時の振動の予測波形データとの差の、２乗平均を算出する（ステップＳ６２）。ここでの２乗平均を交差予測誤差(ＣｒｏｓｓＰＥ（Ｐｒｅｄｉｃｔｉｏｎ　Ｅｒｒｏｒ）)と称する。
　自己回帰モデルには構造体（バルブ）としての情報が含まれるため、診断時に構造体（バルブ）の状態が変化していれば、基準データ取得時の自己回帰モデルに診断時の振動データを入力すると、誤差（ＣｒｏｓｓＰＥ）が基準データ取得時と比較して大きくなる。図５に示すフロー図では、診断時には、続いて、交差予測誤差の変化率が算出される（ステップＳ７０）。交差予測誤差の変化率は、以下のように定義される。
Figure JPOXMLDOC01-appb-M000004
総合判定（健全性判定）の実行（ステップＳ０８）
　図２に示すバルブの状態を判定・予測する処理のフローでは、続いて「総合判定（健全性判定）の実行」（ステップＳ０８）のステップが実行される。
　なお、基準データ取得時の処理では、以下の「総合判定（健全性判定）の実行」（ステップＳ０８）及び「劣化予測」（ステップＳ１０）は実行されない。基準データ取得時の処理では、基準データ取得時の自己回帰モデルの構築、基準データ取得時の損傷指標（ＤＩＢＡＳＥ）、及び自己予測誤差(ＡｕｔｏＰＥ)を取得し決定することが目的であるからである。
　損傷指標（ＤＩ）の変化率と、交差予測誤差の変化率とは、図６に示すような状態診断マップにプロットされる。状態診断マップでは、Ｙ軸にＤＩ変化率が、Ｘ軸に交差予測誤差変化率が取られている。状態診断マップは、図６に示すように、九つの領域に分けられており、領域の境には夫々具体的な閾値が割り当てられる（図７及び図９参照）。
　つまり、図７に示すように、Ｙ軸のＤＩ変化率は「健全領域」「警戒領域」及び「固着領域」に分けられ、ＤＩ変化率の「健全領域」と「警戒領域」とは、損傷閾値１により区分され、ＤＩ変化率の「警戒領域」と「固着領域」とは、損傷閾値２により区分される。同様にして、図７に示すように、Ｘ軸の交差予測誤差変化率は「健全領域」「警戒領域」及び「固着領域」に分けられ、交差予測誤差変化率の「健全領域」と「警戒領域」とは、損傷閾値３により区分され、交差予測誤差変化率の「警戒領域」と「固着領域」とは、損傷閾値４により区分される。損傷閾値１～４についての具体的値の決定は、後で説明する。
　更に、状態診断マップの九つの領域は、図６に示すように、Ｙ軸のＤＩ変化率の領域及びＸ軸の交差予測誤差変化率の領域に合わせて、「健全領域」、（二つの）「軽微警戒領域」、「警戒領域」、（二つの）「準固着領域」、（二つの）「固着領域」及び「重固着領域」に分けられている。
　図６に示す状態診断マップでは、どちらか一方の指標のみが健全領域から出た場合は固着が生じつつあるということで、軽微警戒と判断されている。両方の指標が警戒領域にある場合は警戒と判断されている。一方の指標が健全領域にあり、もう一方の指標が固着領域にある場合は準固着と判断されている。一方の指標が警戒領域にあり、もう一方の指標が固着領域にある場合は固着と判断されている。両方の指標とも固着領域にある場合には重固着と判断されている。
　以上のように構成される状態診断マップにおいて、損傷指標（ＤＩ）の変化率、及び交差予測誤差の変化率がプロットされる領域により、バルブの状態が「健全」であるのか、「軽微警戒」であるのか、「警戒」であるのか、「準固着」であるのか、「固着」であるのか、又は「重固着」であるのかが判定される。
　なお、Ｙ軸のＤＩ変化率の区分、及びＸ軸の交差予測誤差変化率の区分は、上記のようなものに限定されるものではない。夫々、より多く（若しくは、より少なく）区分されてもよい。従って、状態診断マップの領域の区分も上記のようなものに限定されるものではない。より多くの（若しくは、より少ない）領域に区分されてもよい。
　状態診断マップにおける損傷閾値１～４は、様々な算定方法により決定され得る。以下では、実験的に決定する算定方法の例と、統計的に決定する算定方法の例を説明する。
［実験的に損傷閾値を決定する算定方法の例］
　バルブをゴム製のシートリングを持つバタフライとした場合、このバルブにおいて、開閉トルクが１０Ｎ・ｍとなる状態時に、取得されるＤＩ変化率の値を「損傷閾値１」とし、取得される交差予測誤差変化率の値を「損傷閾値３」とする。バルブの開閉トルクが１０Ｎ・ｍである状態時の値を採用するのは、１０Ｎ・ｍが、人が固着を検知できるほぼ最低限界値であるからである。実際の実験では「損傷閾値１」は０．２５となり、「損傷閾値３」は０．３３となった。
　更に、このバルブにおいて、開閉トルクが５０Ｎ・ｍとなる状態時に、取得されるＤＩ変化率の値を「損傷閾値２」とし、取得される交差予測誤差変化率の値を「損傷閾値４」とする。バルブの開閉トルクが５０Ｎ・ｍである状態時の値を採用するのは、５０Ｎ・ｍが、人力により開閉を行う場合に明らかにバルブ固着による抵抗感を感じる値であるからである。実際の実験では「損傷閾値２」は０．３５となり、「損傷閾値４」は０．６５となった。
［統計的に損傷閾値を決定する算定方法の例］
　実験的に損傷閾値を決定する算定方法では、バルブの種類ごとに実験を行い夫々個別に閾値を決定しなければならないため、現実的ではない場合もある。そこで、損傷閾値を自動的に設定するために、基準データ取得時に複数回の測定を行い、複数のＤＩ変化率の値と交差予測誤差変化率の値を基にして、標準偏差(σ)を求め、変化率の平均値に１σを加えたものを損傷閾値１及び損傷閾値３とし、変化率の平均値に２σを加えたものを損傷閾値２及び損傷閾値４とする。
［決定式］
損傷閾値１及び損傷閾値３＝平均値＋標準偏差
損傷閾値２及び損傷閾値４＝平均値＋２×標準偏差
　以下の表１は、損傷閾値決定の一例を示す。Ｗ０-１からＷ０－３０は、基準データ取得時の複数の測定結果を表す。つまり、バルブが使用される実運転の状態において、基準データ取得時の３０回の測定により標準偏差を求め、損傷閾値を算出している。
Figure JPOXMLDOC01-appb-T000005
上記表１より、
損傷閾値１＝０．２２１
損傷閾値３＝０．４４６
損傷閾値２＝０．２９６
損傷閾値４＝０．５５３
となる。
劣化予測（ステップＳ１０）
　図２に示すバルブの状態を判定・予測する処理のフローでは、続いて「劣化予測」（ステップＳ１０）のステップが実行される。
　前述のように測定を継続することで、バルブの状態を表すＤＩ変化率の値及び交差予測誤差変化率の値が蓄積されていく。ステップＳ１０では、これらの値の傾向(トレンド)を用いて状態診断マップの各領域間の遷移時期を予測する。
　つまり、定期的に測定・算出されるＤＩ変化率の値及び交差予測誤差変化率の値に関して、近似式を構築する。図８（ａ）は、第０週（Ｗ０）、第１週（Ｗ１）から第１８週（Ｗ１８）までの、ＤＩ変化率の値の推移例を表すグラフであり、図８（ｂ）は、第０週（Ｗ０）、第１週（Ｗ１）から第１８週（Ｗ１８）までの、交差予測誤差変化率の値の推移例を表すグラフである。これら図８（ａ）や図８（ｂ）の推移（例）について、近似式を求める。ここで近似式としては、直線近似、指数近似、多項式近似、移動平均などを予め準備しておき、この近似式に測定結果（ＤＩ変化率、交差予測誤差変化率）を入力して近似式と実測値との相関係数Ｒ２を夫々について算出し、最終的に最もフィット率の高い(即ち、相関係数の数値が大きい)近似式を採用する。このように構築した近似式より、ＤＩ変化率、及び交差予測誤差変化率について、「健全領域」→「警戒領域」→「固着領域」と移っていく時期を予測することができる。
　図９は、あるバルブについての定期的な診断結果の例がプロットされた、状態診断マップである。図９には、第０週（Ｗ０）、第１週（Ｗ１）から第３０週（Ｗ３０）までの診断結果がプロットされている。この場合、ＤＩ変化率の推移を最も良く表す近似式と、交差予測誤差変化率の推移を最も良く表す近似式とを求め、これら二つの近似式により、将来（即ち、第３１週以降）のＤＩ変化率の値、交差予測誤差変化率の値、及び状態診断マップのプロット位置を予測することができる。
　このように、バルブ診断装置２やデータ収集診断クラウドシステム２２の利用者は、バルブの状態が変化し得る時期を把握することにより、状態変化の前にメンテナンス等を実施したり、定期点検のタイミングにてメンテナンスを実施すべきバルブリストに当該バルブを加えたりするなどの、具体的対策を取ることが可能となる。
まとめ
　実施の形態１に係るバルブ診断装置は、加速度センサ１４から振動信号を受信して振動データを出力するＡＲ用信号受信部６と、信号処理部４とを含む。信号処理部４は、
（ａ）基準となる振動データにより構築された自己回帰モデルに基づいて計算された基準データ取得時の所定の損傷指標に対する、診断時の振動データにより構築される自己回帰モデルに基づいて計算される診断時の前記所定の損傷指標の、第１の変化率の値を算出するステップと、
（ｂ）基準となる振動データにより構築された自己回帰モデルに基準となる振動データを入力して計算された、基準データ取得時の自己回帰モデルによる振動の予測波形データと、基準となる振動データとの差から算出される２乗平均に対する、
基準となる振動データにより構築された自己回帰モデルに診断時の振動データを入力して計算された、基準データ取得時の自己回帰モデルによる、診断時の振動の予測波形データと、診断時の振動データとの差から算出される２乗平均の、第２の変化率の値を算出するステップと、
（ｃ）第１の軸と第２の軸が直交する平面であって、第１の軸における変数が第１の変化率であり、第２の軸における変数が第２の変化率である平面において、算出された前記第１の変化率の値と、算出された前記第２の変化率の値とに基づいて、診断結果のプロットを配置するステップと、
（ｄ）算出された前記第１の変化率の値、算出された前記第２の変化率の値、及び、前記診断結果のプロットの前記平面上の配置位置により、診断対象のバルブの状態を判定するステップと
を実行する。
　実施の形態１に係る診断装置を利用することにより、簡素な構成によりバルブの状態変化を適切に予測及び診断することができる。このことにより更に、バルブの管理者や操作者は、バルブの状態に応じて故障発生の前に行われるべき必要な処置を、適宜選択して決定することができる。
その他の実施の形態
　本発明は、前述の実施の形態１に限定されるものでは無い。例えば、状態診断マップにおいて、Ｘ軸Ｙ軸の夫々において、損傷閾値が三つ以上設定されてもよいし、一つだけ設定されてもよい。
　また、例えば、バルブ診断装置は、状態診断マップにおける複数のプロットに基づいて近似式を求めてバルブの状態の予測を行うようにしてもよい。
　また、本発明は、バルブだけで無く、プラントの保全、工場の保全、機器の状態診断に用いることができる。
２・・・バルブ診断装置、４・・・信号処理部、１４・・・加速度センサ、２２・・・データ収集診断クラウドシステム、１００・・・バルブ。

Claims (6)

  1. 　基準となる振動データにより構築された自己回帰モデルに基づいて計算された基準データ取得時の所定の損傷指標に対する、診断時の振動データにより構築される自己回帰モデルに基づいて計算される診断時の前記所定の損傷指標の、第１の変化率の値を算出するステップと、
    　基準となる振動データにより構築された自己回帰モデルに基準となる振動データを入力して計算された、基準データ取得時の自己回帰モデルによる振動の予測波形データと、基準となる振動データとの差から算出される２乗平均に対する、
    基準となる振動データにより構築された自己回帰モデルに診断時の振動データを入力して計算された、基準データ取得時の自己回帰モデルによる、診断時の振動の予測波形データと、診断時の振動データとの差から算出される２乗平均の、第２の変化率の値を算出するステップと、
    　第１の軸と第２の軸が直交する平面であって、第１の軸における変数が第１の変化率であり、第２の軸における変数が第２の変化率である平面において、算出された前記第１の変化率の値と、算出された前記第２の変化率の値とに基づいて、診断結果のプロットを配置するステップと、
    　算出された前記第１の変化率の値、算出された前記第２の変化率の値、及び、前記診断結果のプロットの前記平面上の配置位置により、診断対象のバルブの状態を判定するステップと
    を含む、バルブ診断方法。
  2. 　前記判定するステップでは、
    第１の変化率に関する少なくとも一つの第１の閾値、及び、第２の変化率に関する少なくとの一つの第２の閾値に基づいて、算出された前記第１の変化率の値、算出された前記第２の変化率の値、及び、前記診断結果のプロットの配置位置により診断対象のバルブの状態を判定する、
    請求項１に記載のバルブ診断方法。
  3. 　前記第１の閾値及び前記第２の閾値が、バルブに対する実験により得られるデータに基づいて決定される
    請求項２に記載のバルブ診断方法。
  4. 　前記第１の閾値及び前記第２の閾値が、バルブに関する複数の振動データを統計処理することにより得られるデータに基づいて決定される
    請求項２に記載のバルブ診断方法。
  5. 　更に、
    　複数の第１の変化率の値に基づいて第１の変化率の推移を示す第１の近似式を構築するステップと、
    　複数の第２の変化率の値に基づいて第２の変化率の推移を示す第２の近似式を構築するステップと、
    　前記第１の近似式から算出される第１の予測値と、前記第２の近似式から算出される第２の予測値と、前記第１の予測値と前記第２の予測値とによる前記平面上の予測プロットの配置位置により、診断対象のバルブの状態を予測するステップと
    を含む、請求項１に記載のバルブ診断方法。
  6. 　振動信号を受信して振動データを出力する信号受信部と、信号処理部とを含み、
    　信号処理部は、
    　基準となる振動データにより構築された自己回帰モデルに基づいて計算された基準データ取得時の所定の損傷指標に対する、診断時の振動データにより構築される自己回帰モデルに基づいて計算される診断時の前記所定の損傷指標の、第１の変化率の値を算出するステップと、
    　基準となる振動データにより構築された自己回帰モデルに基準となる振動データを入力して計算された、基準データ取得時の自己回帰モデルによる振動の予測波形データと、基準となる振動データとの差から算出される２乗平均に対する、
    基準となる振動データにより構築された自己回帰モデルに診断時の振動データを入力して計算された、基準データ取得時の自己回帰モデルによる、診断時の振動の予測波形データと、診断時の振動データとの差から算出される２乗平均の、第２の変化率の値を算出するステップと、
    　第１の軸と第２の軸が直交する平面であって、第１の軸における変数が第１の変化率であり、第２の軸における変数が第２の変化率である平面において、算出された前記第１の変化率の値と、算出された前記第２の変化率の値とに基づいて、診断結果のプロットを配置するステップと、
    　算出された前記第１の変化率の値、算出された前記第２の変化率の値、及び、前記診断結果のプロットの前記平面上の配置位置により、診断対象のバルブの状態を判定するステップと
    を実行する、
    バルブ診断装置。
PCT/JP2017/010675 2016-03-29 2017-03-16 バルブ診断方法及びバルブ診断装置 WO2017169849A1 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
KR1020187031097A KR102118818B1 (ko) 2016-03-29 2017-03-16 밸브 진단 방법 및 밸브 진단 장치
US16/088,648 US10920907B2 (en) 2016-03-29 2017-03-16 Valve diagnosis method and valve diagnosis device
CN201780019670.XA CN108885154B (zh) 2016-03-29 2017-03-16 阀门诊断方法及阀门诊断装置
DE112017001747.5T DE112017001747T5 (de) 2016-03-29 2017-03-16 Ventildiagnoseverfahren und Ventildiagnosevorrichtung

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2016066522A JP6153145B1 (ja) 2016-03-29 2016-03-29 バルブ診断方法及びバルブ診断装置
JP2016-066522 2016-03-29

Publications (1)

Publication Number Publication Date
WO2017169849A1 true WO2017169849A1 (ja) 2017-10-05

Family

ID=59218466

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2017/010675 WO2017169849A1 (ja) 2016-03-29 2017-03-16 バルブ診断方法及びバルブ診断装置

Country Status (6)

Country Link
US (1) US10920907B2 (ja)
JP (1) JP6153145B1 (ja)
KR (1) KR102118818B1 (ja)
CN (1) CN108885154B (ja)
DE (1) DE112017001747T5 (ja)
WO (1) WO2017169849A1 (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107991077A (zh) * 2017-11-28 2018-05-04 南瑞集团有限公司 一种水轮机调速器主配压阀故障诊断方法
EP3633196B1 (de) * 2018-10-01 2022-04-27 SISTO Armaturen S.A. Hubmessung

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102242231B1 (ko) * 2017-06-22 2021-04-20 가부시키가이샤 후지킨 유량 제어 장치 및 유량 제어 장치의 유량 제어 방법
JP7032912B2 (ja) * 2017-11-17 2022-03-09 ホーチキ株式会社 制御弁装置
JP7014080B2 (ja) * 2018-07-27 2022-02-01 日本製鉄株式会社 情報処理装置、情報処理方法及びプログラム
JP7197385B2 (ja) * 2019-01-28 2022-12-27 アズビル株式会社 電動アクチュエータおよび劣化指標計算方法
JP7126474B2 (ja) * 2019-04-23 2022-08-26 株式会社日立製作所 モニタリングシステム、漏洩検知方法
JP7356267B2 (ja) * 2019-06-17 2023-10-04 三菱重工業株式会社 異常検知装置、異常検知方法及びプログラム
KR102203050B1 (ko) * 2020-02-06 2021-01-14 주식회사 노아 엑츄에이션 밸브 및 전동 엑츄에이터 고장 감지 장치
CN111626144B (zh) * 2020-05-08 2023-08-29 湖南挚新科技发展有限公司 冲击特征向量构建方法、装置、终端设备及存储介质
CN115014748B (zh) * 2022-05-31 2023-05-23 南京林业大学 一种用于籽棉分选喷阀的故障诊断方法
JP7374528B1 (ja) 2022-10-17 2023-11-07 巴バルブ株式会社 バルブ状態診断装置及び状態診断方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS60171507A (ja) * 1984-02-16 1985-09-05 Nippon Atom Ind Group Co Ltd プラントの異常診断方法
WO2015146295A1 (ja) * 2014-03-25 2015-10-01 株式会社日立ハイテクノロジーズ 弁状態診断システム
US20150362090A1 (en) * 2014-06-17 2015-12-17 Fisher Controls International Llc System and method for controlling a field device

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SU1132175A1 (ru) * 1983-12-13 1984-12-30 Ростовский институт инженеров железнодорожного транспорта Способ диагностировани поршневого двигател внутреннего сгорани
JPS6128968A (ja) 1984-07-20 1986-02-08 Konishiroku Photo Ind Co Ltd 画像形成方法
JPS6128968U (ja) 1984-07-23 1986-02-21 財団法人 電力中央研究所 バルブの異常検出装置
JPH06300667A (ja) 1993-04-19 1994-10-28 Toshiba Corp 弁棒異常検出方法およびその検出装置
JP3411980B2 (ja) 2000-10-25 2003-06-03 日本原子力発電株式会社 弁装置における異常診断及び劣化予測方法並びに装置
JP2010054434A (ja) 2008-08-29 2010-03-11 Toshiba Corp 弁診断方法及び弁診断装置
FR2939170B1 (fr) * 2008-11-28 2010-12-31 Snecma Detection d'anomalie dans un moteur d'aeronef.
JP5150543B2 (ja) 2009-03-27 2013-02-20 日立Ｇｅニュークリア・エナジー株式会社 弁状態監視方法および弁状態監視システム
CN101566523B (zh) 2009-05-11 2011-04-13 中能电力科技开发有限公司 风力发电机组齿轮箱状态监测方法
JP2011027615A (ja) 2009-07-28 2011-02-10 Toshiba Corp 弁装置の健全性監視評価支援システム及び健全性監視評価方法
CN102207426B (zh) * 2011-03-17 2013-05-08 北京必可测科技有限公司 一种旋转机械的轴系状态监测方法
FR2974392B1 (fr) * 2011-04-21 2013-05-10 Renault Sa Procede de diagnostic de defaillance d'un moteur suralimente et moteur suralimente
US8855898B2 (en) 2011-04-29 2014-10-07 GM Global Technology Operations LLC Systems and methods to diagnose valve leakage in a vehicle
CN102721519A (zh) * 2012-06-15 2012-10-10 武汉理工大学 塔型杆系钢结构塔身主杆失稳损伤发生位置两步诊断法
CN102831325B (zh) * 2012-09-04 2016-03-30 北京航空航天大学 一种基于高斯过程回归的轴承故障预测方法
CN102944435B (zh) * 2012-10-25 2015-02-11 北京航空航天大学 一种基于费希尔判别分析与马氏距离的旋转机械健康评估与故障诊断方法
GB2518893B (en) * 2013-10-07 2018-11-21 Ge Aviat Systems Ltd Method for predicting an auxiliary power unit fault
JP6119708B2 (ja) 2014-09-25 2017-04-26 トヨタ自動車株式会社 非水電解質二次電池

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS60171507A (ja) * 1984-02-16 1985-09-05 Nippon Atom Ind Group Co Ltd プラントの異常診断方法
WO2015146295A1 (ja) * 2014-03-25 2015-10-01 株式会社日立ハイテクノロジーズ 弁状態診断システム
US20150362090A1 (en) * 2014-06-17 2015-12-17 Fisher Controls International Llc System and method for controlling a field device

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107991077A (zh) * 2017-11-28 2018-05-04 南瑞集团有限公司 一种水轮机调速器主配压阀故障诊断方法
EP3633196B1 (de) * 2018-10-01 2022-04-27 SISTO Armaturen S.A. Hubmessung

Also Published As

Publication number Publication date
DE112017001747T5 (de) 2018-12-20
KR20190007418A (ko) 2019-01-22
US20190107463A1 (en) 2019-04-11
CN108885154B (zh) 2020-06-23
JP2017181203A (ja) 2017-10-05
CN108885154A (zh) 2018-11-23
JP6153145B1 (ja) 2017-06-28
KR102118818B1 (ko) 2020-06-03
US10920907B2 (en) 2021-02-16

Similar Documents

Publication Publication Date Title
JP6153145B1 (ja) バルブ診断方法及びバルブ診断装置
RU2756731C2 (ru) Способы и устройства для наблюдения за состоянием конструкции
JP4422412B2 (ja) 流れ診断システム
RU2008102141A (ru) Система и способ мониторинга и управления режимом работы силового трансформатора
WO2017078004A1 (ja) 配管状態検知装置、配管状態検知方法、コンピュータ読み取り可能記録媒体および配管状態検知システム
EP2345894A2 (en) Trending of vibration data taking into account torque effect
CN106052847B (zh) 对具有旋转的机器组件的机器的监控
US20180306677A1 (en) Structure abnormality detection device, structure abnormality detection method, storage medium, and structure abnormality detection system
JP2024045515A (ja) 構造物診断システム、構造物診断方法、および構造物診断プログラム
JP2014153957A (ja) センサ健全性診断装置、センサ健全性診断方法、該センサ健全性診断装置を備えるプラント診断装置、および該センサ健全性診断方法を用いたプラント診断方法
KR101754165B1 (ko) 비주기 가속도 데이터를 병합한 구조물 이상거동 검출 및 안전성 평가 시스템
WO2016174958A1 (ja) 漏水発生位置推定装置、システムおよび方法
CN102636254B (zh) 气体管路噪声源特性预测方法
KR20180035549A (ko) 회전체 설비 고장발생 위험도 지수 평가 장치 및 그 방법
CN113464711B (zh) 一种基于振动测量技术的阀门内漏监测系统及方法
JPWO2019117053A1 (ja) 分析装置、診断方法およびプログラム
WO2022069990A1 (en) Method and system for monitoring and testing industrial valves
US20120053895A1 (en) Method and system for evaluating the condition of a collection of similar elongated hollow objects
JP2022017037A (ja) 故障診断装置および故障箇所推定方法
WO2017154761A1 (ja) 診断装置、診断システム、診断方法及びコンピュータ読み取り可能記録媒体
CN117169447B (zh) 一种排污管道清洁检测方法及检测装置
JP7014223B2 (ja) 分析装置、診断装置、分析方法及びプログラム
CN116738859B (zh) 一种铜管在线无损寿命评估方法及系统
KR101035469B1 (ko) 플랜트 구성요소에 대한 펄스 기계적 효과를 검출하기 위한방법 및 장치
JP2023115776A (ja) 異常予兆診断システム、異常予兆診断装置およびその診断方法

Legal Events

Date Code Title Description
ENP Entry into the national phase

Ref document number: 20187031097

Country of ref document: KR

Kind code of ref document: A

121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 17774393

Country of ref document: EP

Kind code of ref document: A1

122 Ep: pct application non-entry in european phase

Ref document number: 17774393

Country of ref document: EP

Kind code of ref document: A1