プラント機械の健康状態の監視

単純なアラームしきい値から、平滑化されたデータの傾向を監視し、将来の障害につながる可能性のある状況の発生をユーザーに警告することは、小さなステップです。

次のエラーには、少なくともシャフトトランスデューサが取り付けられている必要があります。これは、精密モーションコントロールアプリケーションの場合によくあることです。 。ただし、すべてのアプリケーションで、ドライブは、外部計装では取得が困難な特別な測定値であるモータートルクにもアクセスできます。

モータートルクの測定

従来のトランスデューサーを使用してモータートルクを測定するには、モーターハウジングの固定にひずみゲージまたはロードセルを取り付けることによって最も一般的に行われます。これには、トルクを適切に測定するために特別なモーターの取り付けが必要であり、測定は重いモーターフレームの慣性モーメントの影響を受け、高周波に対する感度が低下します。

さらに難しいのは、実際の動的シャフトトルクを測定することです。 、これには回転ひずみゲージをシャフトに固定する必要があるため、データを固定側に渡すためのテレメトリを使用します。これは費用のかかる操作であり、特別なテストでもめったに行われません。恒久的な設置ではない可能性があります。

ただし、ドライブにはモーターのトルク生成電流の内部データがあります。これは、シャフトトルクの優れたプロキシであり、無料で入手できます。データは、機械の奥深く、水中、危険な場所など、モーター自体にアクセスできない場合でも利用できます。トルク測定の精度は、完全な閉ループシステムで最高ですが、単純な開ループドライブでも、最低速度を除く多くの目的でトルクデータは十分に優れています。

トルクデータが実質的に無料でドライブで利用可能であり、対応する速度データが利用可能であることがわかったら、機械とプラントの監視のための新しい領域に入ることができます。以下は、コントロールテクニックで遭遇したさまざまな可能性です。

読者は特定のタイプの機械について新しいアイデアを持っているかもしれません。ドライブによって解放されるトルクデータを使用するための新しい方法を発明するには、機械の詳細な知識が必要です。

次のリストは、ドライブが持っている、または適度なコストで持つことができる情報を示しています。これらすべてを監視および関連付けて、マシンに関する有用な情報を生成できます。

平均またはピークトルクの単純な制限

リアルタイムのトルクデータを平滑化して、ドライブがアクティブなときの移動平均値を取得したり、アプリケーションに合わせて選択したタイムスケールでピーク値を取得したりできます。これは、プロセスに応じてミリ秒から数日までのいずれかになります。値が期待値の範囲外に移動した場合（つまり、期待値を超えた場合、またはまれに期待値を下回った場合）にアラームが生成される可能性があります。

トルクの傾向

同じトルクデータをログに記録し、経時的な傾向または他の変数に対して分析することができます。アラームは、不健康な傾向を示すように設定されています。

平均トルクと速度の単純な相関関係

多くのプロセスでは、トルクは明確に定義されたパターンで速度に強く依存します。たとえば、固定ダクト、パイプ、ループ、またはそれらのネットワークを介して流体を駆動するファンまたはポンプは、明確に定義されたトルク/速度曲線を持ちます。正規曲線からの有意な偏差は、問題を表す可能性のある変化を示します。いくつかの例は次のとおりです。

低トルク：

• ドライブベルトまたはその他のカップリングの破損
• ポンプ内の液体の損失
• 流れの妨げ、例：ブロックされたフィルターまたはスクリーン（インペラータイプのポンプまたはファンの場合、コンベヤーなどにも適用できます）
• ファンまたはポンプローターへの堆積物の蓄積
• 空気の侵入、スワール、またはその他の障害によるポンプのキャビテーション（脈動も引き起こします-以下を参照）

高トルク：

• ローターまたはその他の部品の焼き付き（部分的または全体的）
• 流れの妨げ（容積式ポンプ）
• 重大な漏れ（インペラタイプのポンプまたはファン）

たとえば図1に示すように、トルク/速度プロファイルを確立して、その外部でアラーム状態を生成することができます。

トルクデータは、動的効果（加速トルク）または通常の脈動が誤ったアラームを生成するのを防ぐために、十分なローパスフィルタリングまたは平均化を行う必要があります。

他の変数が影響を与える可能性があります。たとえば、流体の供給圧力が変動する可能性があるため、この原因による誤警報を防ぐために、許容範囲を十分に広く設定する必要があります。

多変数相関

より複雑なプロセスでは、トルクはいくつかの変数に依存します。これらの変数は、ドライブで使用できる場合とできない場合があります。たとえば、ダクトのシステムを介して空気を駆動するファンについて考えてみます。ダクトの一部には、局所的な空気の流れを変えるためのダンパー制御があります。トルク/速度曲線は、ダンパーの位置によって異なります。

ダンパーの状態、またはダンパー上の圧力降下に関するデータが利用できる場合は、これを可能にするために多変数相関が可能である可能性があります。図2は、ダンパー付きの2つのダクト分岐がある場合の簡単な図を示しています。

もう1つの可能性は、測定されたトルクと速度の値を使用して、ポンプまたはファンの流量と圧力を特性曲線から推定し、トランスデューサーからの測定値と比較することです。不一致がある場合は、ポンプまたはファンに欠陥があるか、トランスデューサーに欠陥がある可能性があります。

トルクの動的解析

ドライブのトルクデータは帯域幅が広く、原則として動的解析に使用できます。トルク帯域幅が1kHz以上のオーダーになることは非常に一般的ですが、このような高速でデータにアクセスして分析することは不可能な場合があります。データ通信チャネルは通常、データアクセスを約250に制限します。ミリ秒のサンプル間隔。

トルクデータは、モーターの電気トルクに関連しています。電気トルクは出力シャフトに伝達されますが、モーターローターの慣性とモーター制御アルゴリズムの有効剛性の影響を受けます。これらは、特性が不明な可能性のあるローパスフィルターを形成します。

完全閉ループシステムでは、伝達関数を推定して正確なシャフトトルクデータを取得できるため、たとえば高周波トルクの逆転を検出できます。ただし、比較や傾向分析を成功させるために、測定値を正確に調整する必要はありません。

実際には、100〜500 Hzの範囲の周波数の脈動は、モーターの電気トルクデータから有効に監視されています。

データのブロックをリアルタイムでキャプチャし、オフラインで動的分析を行うことができます。分析は、時間領域で、たとえば変動の大きさ（全体的なトルクの脈動または変動、時間平均の有無にかかわらずr.m.s.振幅、ピーク値またはピークの負の値）を計算することによって、または周波数領域でフーリエ変換を介して行うことができます。時間または位置などの他の変数に。これにより、特にトルク脈動のパターンで、発生中の変化を検出できます。

• 過度のねじり全体の振動振幅、広帯域または帯域制限、例：壊れた機械部品またはポンプのキャビテーションから
• 過度のピークトルクは、機械的損傷や早期の摩耗を引き起こす可能性があります
• 頻繁なトルクの逆転により、ギアのチャタリングが発生し、早期の摩耗や破損が発生する可能性があります
• ねじれ共鳴、例：結合が緩いため、周波数スペクトルにピークが生じ、その周波数は速度に依存しませんが、特定の速度で増強される場合があります。
• 1回転あたり1サイクル以上のねじれ脈動、例：シャフトのひび割れ、インペラーまたはギアの歯の損傷、またはその他の機械的損傷から、スペクトルピークの周波数、速度、およびギアボックスまたはその他の駆動比の知識から複雑な機械のソースを追跡する可能性があります。

速度相関を伴うトルクの動的解析

上記の例のいくつかでは、シャフトの回転に関連する脈動が回転周波数（回転ごとに1回の効果）またはその倍数（たとえば、ひびの入ったシャフトは1回転あたり2回、インペラは1回転あたりN、歯車の歯はNまたはN ₁ / N ₂ –革命ごと）。

速度による振動スペクトル分析の複合プロットを生成すると役立つ場合があります。これにより、N-per-revolution効果と、周波数が固定されているが特定の速度範囲でのみ刺激される可能性のある共振効果が明確に区別されます。これらはカスケードプロットまたはウォーターフォールプロットと呼ばれ、振動解析装置のサプライヤーによって広く提供されています。

注意–サンプリングレートとエイリアシング

トルクの脈動が速いシステムでは注意が必要です。トルクデータは、内部で取得されたレートでデータを保存またはエクスポートするドライブの機能によって制限される可能性のあるレートでサンプリングされます。サンプリング周波数は、（f _sなどの周波数でエイリアスエラーを生成します – f _d ）ここで、f _d データとf_sの頻度コンテンツです。 はサンプリング周波数です。 f _s f _dの約3倍以上に保つ必要があります 関心領域内で紛らわしい新しい周波数積を生成しないようにするため。

カスケードプロットの追加の利点は、エイリアス製品がはっきりと見えることです。速度が上がると周波数が下がりますが、本物の効果では周波数が上がるか一定のままです。

人工知能分析

上記のすべてにおいて、私はプロセスの物理的理解を使用して期待される動作を定義し、利用可能なデータを使用して実際の操作を期待と比較するアプリケーションに集中しました。振幅のスケーリングが不確かな場合でも、周波数は一意であり、傾向を特定できます。

このアプローチの利点は、プロセスに関与する人々がデータを理解し、生成された情報とアラーム条件から作業して、プラントの診断を開発できることです。

別の方法は、何らかの形式の機械学習アルゴリズムを使用して、利用可能なすべてのデータを追跡し、正常な動作と異常な動作のパターンを推測することです。これは現在の研究の主題です。たとえば、https：//phys.org/news/2016-02-scientist-ai-algorithm-machinery-health.html。

結論

上記のアイデアは、回転部品、カップリング、ギア、またはポンプやファンを備えた機械の全体像に基づいた一般的なアイデアです。ドライブがいくつかの貴重なデータ、特に動的トルクデータに与える特別なアクセスを指摘することにより、機械の設計者がこれらのアイデアを独自の独自のアプリケーションに適用できるようになることを願っています。