JP6620290B2 - 振動音響解析方法及び装置と機器異常部位推定方法及び装置 - Google Patents
振動音響解析方法及び装置と機器異常部位推定方法及び装置 Download PDFInfo
- Publication number
- JP6620290B2 JP6620290B2 JP2017144124A JP2017144124A JP6620290B2 JP 6620290 B2 JP6620290 B2 JP 6620290B2 JP 2017144124 A JP2017144124 A JP 2017144124A JP 2017144124 A JP2017144124 A JP 2017144124A JP 6620290 B2 JP6620290 B2 JP 6620290B2
- Authority
- JP
- Japan
- Prior art keywords
- peak
- feature
- peak value
- order
- wavelet transform
- Prior art date
- Legal status (The legal status 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 status listed.)
- Active
Links
- 238000004458 analytical method Methods 0.000 title claims description 41
- 230000002159 abnormal effect Effects 0.000 title claims description 35
- 238000000034 method Methods 0.000 title claims description 26
- 238000000605 extraction Methods 0.000 claims description 92
- 238000012545 processing Methods 0.000 claims description 90
- 238000005259 measurement Methods 0.000 claims description 62
- 238000010183 spectrum analysis Methods 0.000 claims description 51
- 238000010801 machine learning Methods 0.000 claims description 32
- 230000005856 abnormality Effects 0.000 claims description 27
- 238000003745 diagnosis Methods 0.000 claims description 20
- 239000000284 extract Substances 0.000 claims description 11
- 230000001133 acceleration Effects 0.000 claims description 7
- 230000001131 transforming effect Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 6
- 239000013598 vector Substances 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Images
Landscapes
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Description
該特徴量抽出処理工程で抽出され且つ前記機器が正常に作動している状態での特徴量と前記機器の一般計測データとを蓄積し、機械学習により前記機器正常作動状態での特徴量と一般計測データとの相関関係に関する確率分布モデルを構築し、該確率分布モデルに前記機器の一般計測データと前記特徴量抽出処理工程で抽出された特徴量とを与え、前記確率分布モデルに基づいて異常度を算出する機械学習診断工程と
を有する。
運転中の機器において計測された振動音響の時系列データの計測加速度から特徴量として実効値、ピーク値、最大ピーク差、歪度、尖度、平均波高率、絶対平均振幅を抽出する基本特徴量抽出処理工程と、
前記時系列データをスペクトル解析した後の特徴量として最大ピーク次数及びそのピーク値、第二ピーク次数及びそのピーク値、第三ピーク次数及びそのピーク値、第四ピーク次数及びそのピーク値、・・・第nピーク次数及びそのピーク値を抽出するスペクトル解析特徴量抽出処理工程と、
前記時系列データをウェーブレット変換し複数の周波数帯に相当するスケールレベルに分解し、該スケールレベル毎のパワー時系列データを求める連続ウェーブレット変換処理工程と、
該連続ウェーブレット変換処理工程で求められたスケールレベル毎のパワー時系列データから各周波数帯の特徴量として実効値、最大値、最大波高率、絶対平均値を抽出するウェーブレット変換特徴量抽出処理工程と、
前記連続ウェーブレット変換処理工程で求められたスケールレベル毎のパワー時系列データをスペクトル解析した後の特徴量として最大ピーク次数及びそのピーク値、第二ピーク次数及びそのピーク値、第三ピーク次数及びそのピーク値、第四ピーク次数及びそのピーク値、・・・第nピーク次数及びそのピーク値を抽出するウェーブレット変換スペクトル解析特徴量抽出処理工程と
を有することができる。
該特徴量抽出処理部で抽出され且つ前記機器が正常に作動している状態での特徴量と前記機器の一般計測データとを蓄積し、機械学習により前記機器正常作動状態での特徴量と一般計測データとの相関関係に関する確率分布モデルを構築し、該確率分布モデルに前記機器の一般計測データと前記特徴量抽出処理部で抽出された特徴量とを与え、前記確率分布モデルに基づいて異常度を算出する機械学習診断部と
を備えることができる。
運転中の機器において計測された振動音響の時系列データの計測加速度から特徴量として実効値、ピーク値、最大ピーク差、歪度、尖度、平均波高率、絶対平均振幅を抽出する基本特徴量抽出処理部と、
前記時系列データをスペクトル解析した後の特徴量として最大ピーク次数及びそのピーク値、第二ピーク次数及びそのピーク値、第三ピーク次数及びそのピーク値、第四ピーク次数及びそのピーク値、・・・第nピーク次数及びそのピーク値を抽出するスペクトル解析特徴量抽出処理部と、
前記時系列データをウェーブレット変換し複数の周波数帯に相当するスケールレベルに分解し、該スケールレベル毎のパワー時系列データを求める連続ウェーブレット変換処理部と、
該連続ウェーブレット変換処理部で求められたスケールレベル毎のパワー時系列データから各周波数帯の特徴量として実効値、最大値、最大波高率、絶対平均値を抽出するウェーブレット変換特徴量抽出処理部と、
前記連続ウェーブレット変換処理部で求められたスケールレベル毎のパワー時系列データをスペクトル解析した後の特徴量として最大ピーク次数及びそのピーク値、第二ピーク次数及びそのピーク値、第三ピーク次数及びそのピーク値、第四ピーク次数及びそのピーク値、・・・第nピーク次数及びそのピーク値を抽出するウェーブレット変換スペクトル解析特徴量抽出処理部と
を備えることができる。
前記機械学習診断工程で予め算出された異常度の損傷時データセットと、前記機器の一般計測データから算出される異常度の実計測データセットとを比較して前記機器の各部位毎の類似度を求め、該機器の各部位毎の類似度が高い順番に損傷可能性の高い部位として出力する異常部位推定工程を有する機器異常部位推定方法とすることができる。
前記機械学習診断部で予め算出された異常度の損傷時データセットと、前記機器の一般計測データから算出される異常度の実計測データセットとを比較して前記機器の各部位毎の類似度を求め、該機器の各部位毎の類似度が高い順番に損傷可能性の高い部位として出力する異常部位推定部を備える機器異常部位推定装置とすることができる。
ピーク平均値MP2、
(但し、ピークは、極大値、極小値の両方)
最大ピーク差MP3、
(但し、x+p:サンプル期間中の最大値、x-p:サンプル期間中の最小値)
歪度MP4、
但し、σ:標準偏差
尖度MP5、
平均波高率MP6、
(但し、[波高率(Crest factor)]=[ピーク値]/[実効値]であるが、ピーク値はピーク平均値MP2を取っている。)
絶対平均振幅MP7
を抽出するようになっている(ステップS110参照)。尚、前記ステップS100の基本特徴量抽出処理工程においては、ステップS110で抽出された特徴量を、ステップS120として定義済みの正常範囲と比較し、前記特徴量が正常範囲外である場合には、ステップS130として警報を発令するようになっている。
最大値WP2、
最大波高率WP3、
絶対平均値WP4
を抽出するようになっている(ステップS410参照)。尚、前記ステップS400のウェーブレット変換特徴量抽出処理工程においては、ステップS410で抽出された特徴量を、ステップS420として定義済みの正常範囲と比較し、前記特徴量が正常範囲外である場合には、ステップS430として警報を発令するようになっている。
11 基本特徴量抽出処理部
12 スペクトル解析特徴量抽出処理部
13 連続ウェーブレット変換処理部
14 ウェーブレット変換特徴量抽出処理部
15 ウェーブレット変換スペクトル解析特徴量抽出処理部
20 機械学習診断部
30 異常部位推定部
Claims (8)
- 運転中の機器において計測された振動音響の時系列データから特徴量を抽出する特徴量抽出処理工程と、
該特徴量抽出処理工程で抽出され且つ前記機器が正常に作動している状態での特徴量と前記機器の一般計測データとを蓄積し、機械学習により前記機器正常作動状態での特徴量と一般計測データとの相関関係に関する確率分布モデルを構築し、該確率分布モデルに前記機器の一般計測データと前記特徴量抽出処理工程で抽出された特徴量とを与え、前記確率分布モデルに基づいて異常度を算出する機械学習診断工程と
を有する振動音響解析方法。 - 前記特徴量抽出処理工程は、
運転中の機器において計測された振動音響の時系列データの計測加速度から特徴量として実効値、ピーク値、最大ピーク差、歪度、尖度、平均波高率、絶対平均振幅を抽出する基本特徴量抽出処理工程と、
前記時系列データをスペクトル解析した後の特徴量として最大ピーク次数及びそのピーク値、第二ピーク次数及びそのピーク値、第三ピーク次数及びそのピーク値、第四ピーク次数及びそのピーク値、・・・第nピーク次数及びそのピーク値を抽出するスペクトル解析特徴量抽出処理工程と、
前記時系列データをウェーブレット変換し複数の周波数帯に相当するスケールレベルに分解し、該スケールレベル毎のパワー時系列データを求める連続ウェーブレット変換処理工程と、
該連続ウェーブレット変換処理工程で求められたスケールレベル毎のパワー時系列データから各周波数帯の特徴量として実効値、最大値、最大波高率、絶対平均値を抽出するウェーブレット変換特徴量抽出処理工程と、
前記連続ウェーブレット変換処理工程で求められたスケールレベル毎のパワー時系列データをスペクトル解析した後の特徴量として最大ピーク次数及びそのピーク値、第二ピーク次数及びそのピーク値、第三ピーク次数及びそのピーク値、第四ピーク次数及びそのピーク値、・・・第nピーク次数及びそのピーク値を抽出するウェーブレット変換スペクトル解析特徴量抽出処理工程と
を有する請求項1記載の振動音響解析方法。 - 前記機器の一般計測データは、回転数、出力、仕事量、圧力、温度、速力の少なくとも一つである請求項1又は2記載の振動音響解析方法。
- 運転中の機器において計測された振動音響の時系列データから特徴量を抽出する特徴量抽出処理部と、
該特徴量抽出処理部で抽出され且つ前記機器が正常に作動している状態での特徴量と前記機器の一般計測データとを蓄積し、機械学習により前記機器正常作動状態での特徴量と一般計測データとの相関関係に関する確率分布モデルを構築し、該確率分布モデルに前記機器の一般計測データと前記特徴量抽出処理部で抽出された特徴量とを与え、前記確率分布モデルに基づいて異常度を算出する機械学習診断部と
を備えた振動音響解析装置。 - 前記特徴量抽出処理部は、
運転中の機器において計測された振動音響の時系列データの計測加速度から特徴量として実効値、ピーク値、最大ピーク差、歪度、尖度、平均波高率、絶対平均振幅を抽出する基本特徴量抽出処理部と、
前記時系列データをスペクトル解析した後の特徴量として最大ピーク次数及びそのピーク値、第二ピーク次数及びそのピーク値、第三ピーク次数及びそのピーク値、第四ピーク次数及びそのピーク値、・・・第nピーク次数及びそのピーク値を抽出するスペクトル解析特徴量抽出処理部と、
前記時系列データをウェーブレット変換し複数の周波数帯に相当するスケールレベルに分解し、該スケールレベル毎のパワー時系列データを求める連続ウェーブレット変換処理部と、
該連続ウェーブレット変換処理部で求められたスケールレベル毎のパワー時系列データから各周波数帯の特徴量として実効値、最大値、最大波高率、絶対平均値を抽出するウェーブレット変換特徴量抽出処理部と、
前記連続ウェーブレット変換処理部で求められたスケールレベル毎のパワー時系列データをスペクトル解析した後の特徴量として最大ピーク次数及びそのピーク値、第二ピーク次数及びそのピーク値、第三ピーク次数及びそのピーク値、第四ピーク次数及びそのピーク値、・・・第nピーク次数及びそのピーク値を抽出するウェーブレット変換スペクトル解析特徴量抽出処理部と
を備えた請求項4記載の振動音響解析装置。 - 前記機器の一般計測データは、回転数、出力、仕事量、圧力、温度、速力の少なくとも一つである請求項4又は5記載の振動音響解析装置。
- 請求項1〜3の何れか一項に記載の振動音響解析方法の前記機械学習診断工程において、機器の各部位毎に損傷時に発生する異常度の損傷時データセットを予め算出し、
前記機械学習診断工程で予め算出された異常度の損傷時データセットと、前記機器の一般計測データから算出される異常度の実計測データセットとを比較して前記機器の各部位毎の類似度を求め、該機器の各部位毎の類似度が高い順番に損傷可能性の高い部位として出力する異常部位推定工程を有する機器異常部位推定方法。 - 請求項4〜6の何れか一項に記載の振動音響解析装置の前記機械学習診断部は、機器の各部位毎に損傷時に発生する異常度の損傷時データセットを予め算出するよう構成され、
前記機械学習診断部で予め算出された異常度の損傷時データセットと、前記機器の一般計測データから算出される異常度の実計測データセットとを比較して前記機器の各部位毎の類似度を求め、該機器の各部位毎の類似度が高い順番に損傷可能性の高い部位として出力する異常部位推定部を備えた機器異常部位推定装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017144124A JP6620290B2 (ja) | 2017-07-26 | 2017-07-26 | 振動音響解析方法及び装置と機器異常部位推定方法及び装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017144124A JP6620290B2 (ja) | 2017-07-26 | 2017-07-26 | 振動音響解析方法及び装置と機器異常部位推定方法及び装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019027814A JP2019027814A (ja) | 2019-02-21 |
JP6620290B2 true JP6620290B2 (ja) | 2019-12-18 |
Family
ID=65478032
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017144124A Active JP6620290B2 (ja) | 2017-07-26 | 2017-07-26 | 振動音響解析方法及び装置と機器異常部位推定方法及び装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6620290B2 (ja) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102113218B1 (ko) * | 2018-03-16 | 2020-05-20 | 울산과학기술원 | 시계열 데이터의 분석 및 예측을 위한 통합적인 딥러닝 시스템 |
WO2020202567A1 (ja) * | 2019-04-05 | 2020-10-08 | 株式会社Ihi原動機 | 振動音響解析方法及び装置と機器異常部位推定方法及び装置 |
JP7294222B2 (ja) | 2020-04-16 | 2023-06-20 | トヨタ自動車株式会社 | 異音評価システムおよび異音評価方法 |
CN112098102B (zh) * | 2020-09-04 | 2022-12-20 | 常州工学院 | 一种基于ewt-scwt的内燃机异响识别与诊断方法 |
CN112508350A (zh) * | 2020-11-19 | 2021-03-16 | 中国大唐集团科学技术研究院有限公司火力发电技术研究院 | 一种汽轮发电机组振动预警方法及*** |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3321487B2 (ja) * | 1993-10-20 | 2002-09-03 | 株式会社日立製作所 | 機器/設備診断方法およびシステム |
JP3624546B2 (ja) * | 1996-05-17 | 2005-03-02 | 株式会社日立製作所 | 予防保全方法及び装置 |
JP2010276339A (ja) * | 2009-05-26 | 2010-12-09 | Hitachi-Ge Nuclear Energy Ltd | センサ診断方法およびセンサ診断装置 |
GB201215649D0 (en) * | 2012-09-03 | 2012-10-17 | Isis Innovation | System monitoring |
JP6236282B2 (ja) * | 2013-10-21 | 2017-11-22 | 株式会社日立ハイテクノロジーズ | 異常検出装置、異常検出方法、及びコンピュータ読み取り可能な記憶媒体 |
-
2017
- 2017-07-26 JP JP2017144124A patent/JP6620290B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2019027814A (ja) | 2019-02-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6620290B2 (ja) | 振動音響解析方法及び装置と機器異常部位推定方法及び装置 | |
Wang et al. | Spectral kurtosis for fault detection, diagnosis and prognostics of rotating machines: A review with applications | |
JP6061693B2 (ja) | 異常診断装置およびこれを用いた異常診断方法 | |
JP5162114B2 (ja) | 回転機械におけるイベント検出のための信号シグニチャ解析の方法および装置 | |
US20130148817A1 (en) | Abnormality detection apparatus for periodic driving system, processing apparatus including periodic driving system, abnormality detection method for periodic driving system, and computer program | |
EP2031386A1 (en) | Acoustic emission detector and controller | |
Singh et al. | Analytical validation of an explicit finite element model of a rolling element bearing with a localised line spall | |
Skrickij et al. | Diagnostic features for the condition monitoring of hypoid gear utilizing the wavelet transform | |
US20140039806A1 (en) | Estimating remaining useful life from prognostic features discovered using genetic programming | |
JP6190343B2 (ja) | 回転機の異常診断装置、回転機の異常診断方法、及び、回転機 | |
KR101966270B1 (ko) | 전자 진동 성분의 제거 방법, 회전 기계 진단 방법, 및 회전 기계 진단 장치 | |
Wang et al. | A novel adaptive wavelet stripping algorithm for extracting the transients caused by bearing localized faults | |
JP2016126016A (ja) | サウンド信号を利用して機械装置を診断する方法および装置 | |
JP6430234B2 (ja) | 回転機械の振動解析装置およびプログラム | |
Zhang et al. | Adaptive filtering enhanced windowed correlated kurtosis for multiple faults diagnosis of locomotive bearings | |
Nedelcu et al. | A structural health monitoring Python code to detect small changes in frequencies | |
KR101958628B1 (ko) | 시간-주파수 변환을 이용한 플랜트 설비의 누출음 탐지 장치 및 방법 | |
KR20150090950A (ko) | 진동 장치의 상태 판단 방법 | |
JPWO2015011791A1 (ja) | 異常検知評価システム | |
WO2020202567A1 (ja) | 振動音響解析方法及び装置と機器異常部位推定方法及び装置 | |
JP5476413B2 (ja) | 回転機械の健全性診断方法 | |
Chang et al. | Real-time detection of wave profile changes | |
Popescu et al. | Change detection in vibration analysis—A review of problems and solutions | |
JP6934832B2 (ja) | 状態監視装置、状態監視システムおよび状態監視方法 | |
JP2005266965A (ja) | データ監視装置およびデータ監視方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180424 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180817 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20190718 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190731 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20190731 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20190917 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20190924 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A712 Effective date: 20191011 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20191015 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20191011 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6620290 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313115 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |