KR102502740B1

KR102502740B1 - Vibration diagnosis method of rotating machine considering the complex conditions

Info

Publication number: KR102502740B1
Application number: KR1020210185119A
Authority: KR
Inventors: 황덕영; 민지홍
Original assignee: 현대건설(주)
Priority date: 2021-12-22
Filing date: 2021-12-22
Publication date: 2023-02-21
Anticipated expiration: 2041-12-22

Abstract

본 발명에서는 회전기계의 시운전시 측정된 진동 신호로부터 진동 진단의 필요 여부를 판단하고, 상기 회전기계의 기본 정보로부터 주파수 특성치를 추출하여 주파수 기반 진동 원인을 도출한 후, 상기 진동 신호로부터 추출된 시간 영역 진단 특성치를 이용하여 시간 영역 진단 가중치를 추가로 부여하고, 상기 회전기계의 진동 해석 데이터로부터 추출된 고유 진동수의 주파수 대역을 고려하여 공진 결함에 따른 해석 기반 진단 가중치를 추가로 부여함으로써, 상기 진동 신호의 주파수 특성치, 시간 영역 진단 특성치 및 진동 해석 데이터를 모두 포함한 복합 조건을 고려하여 진동 원인을 진단하기 때문에, 보다 정확하게 진동 원인을 진단할 수 있다. In the present invention, it is determined whether a vibration diagnosis is necessary from the vibration signal measured during the test operation of the rotating machine, and a frequency-based vibration cause is derived by extracting a frequency characteristic value from the basic information of the rotating machine, and then the time extracted from the vibration signal is determined. Time-domain diagnosis weights are additionally assigned using domain diagnosis characteristic values, and analysis-based diagnosis weights are additionally assigned according to resonance defects in consideration of the frequency band of the natural frequency extracted from the vibration analysis data of the rotating machine. Because the cause of vibration is diagnosed in consideration of complex conditions including all of the frequency characteristic value of the signal, the time domain diagnostic characteristic value, and vibration analysis data, the cause of vibration can be diagnosed more accurately.

Description

Vibration diagnosis method of rotating machine considering the complex conditions

본 발명은 복합 조건을 고려한 회전 기계의 진동 진단 방법에 관한 것으로서, 보다 상세하게는 회전 기계의 진동 신호값을 측정하고, 주파수 데이터, 시간 데이터 및 회전 기계의 해석 데이터를 모두 포함한 복합 조건을 고려하여, 보다 정확하게 진동 원인과 진동 원인별 진동 발생 확률을 진단할 수 있는 복합 조건을 고려한 회전 기계의 진동 진단 방법에 관한 것이다. The present invention relates to a method for diagnosing vibration of a rotating machine considering complex conditions, and more particularly, by measuring a vibration signal value of a rotating machine and considering complex conditions including frequency data, time data, and analysis data of the rotating machine , It relates to a method for diagnosing vibration of a rotating machine considering complex conditions capable of more accurately diagnosing the cause of vibration and the probability of occurrence of vibration for each vibration cause.

일반적으로 플랜트의 회전 기계는 회전 축에서 발생하는 진동 특성과 함께 구조적 고유 특성, 기계적 요소들인 베어링, 기어박스, 블레이드, 커플러 등에서 결함이 점차 증가함에 따라 진동량의 증가도 함께 나타나고 진동의 특성 변화도 발생하게 된다.In general, a rotating machine in a plant shows an increase in the amount of vibration along with a gradual increase in structural inherent characteristics and defects in mechanical elements such as bearings, gearboxes, blades, couplers, etc. It happens.

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 occurs in a rotating machine, it takes a long time for an expert to directly visit and evaluate it, and while finding the cause of the defect and taking countermeasures, the range of failure is transferred or operation is stopped frequently.

한국등록특허 제10-2120756호Korean Patent Registration No. 10-2120756

본 발명의 목적은, 회전기계의 진동 원인과 진동 원인에 따른 진동 발생 확률을 보다 정확하게 진단할 수 있는 복합 조건을 고려한 회전 기계의 진동 진단 방법을 제공하는 데 있다.An object of the present invention is to provide a method for diagnosing vibration of a rotating machine in consideration of complex conditions capable of more accurately diagnosing a cause of vibration of a rotating machine and a probability of occurrence of vibration according to the cause of vibration.

본 발명에 따른 복합 조건을 고려한 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 입력받는 기본정보 입력단계와; 상기 컴퓨터가 상기 회전 기계의 진동 해석 데이터를 입력받는 진동 해석 데이터 입력단계와; 상기 회전 기계의 시운전시, 상기 회전 기계에 구비된 센서가 상기 회전 기계의 진동 신호를 측정하는 측정단계와; 상기 컴퓨터가 상기 측정단계에서 측정된 진동 신호를 입력받고, 상기 진동 신호를 미리 설정된 진동 진단 기준 범위와 비교하여, 상기 회전기계의 진동 진단의 필요 여부를 판단하는 진단 여부 판단단계와;상기 진단 여부 판단단계에서 진동 진단이 필요하다고 판단되면, 상기 기본 정보를 이용하여 주파수 특성치들을 추출하고, 상기 주파수 특성치들과 복수의 진동 원인들에 따라 미리 설정된 진동 원인별 주파수 가중치를 부여하여, 주파수 기반 진동 원인과 진동 원인별 진단 점수의 초기값을 포함하는 주파수 기반 진단 결과를 도출하는 주파수 기반 진단단계와; 상기 측정단계에서 측정된 진동 신호로부터 미리 설정된 시간 영역 진단 특성치들을 추출하고, 상기 시간 영역 진단 특성치들에 따라 미리 저장된 데이터베이스로부터 시간 기반 진동 원인을 도출하고, 상기 시간 기반 진동 원인 중에서 상기 주파수 기반 진동 원인과 동일한 진동 원인에 대해 미리 설정된 시간 영역 진단 가중치를 부여하여, 시간 기반 진단 결과를 도출하는 시간 기반 진단단계와; 상기 진동 해석 데이터로부터 상기 회전 기계를 구성하는 구성 요소들의 고유진동수의 주파수 대역을 추출하고, 상기 고유진동수의 주파수 대역과 상기 주파수 기반 진동 원인들을 발생시킨 진동 발생 주파수 대역을 비교하고, 상기 주파수 기반 진동 원인들 중에서 상기 고유진동수의 주파수 대역에 상기 진동 발생 주파수 대역이 포함되는 진동 원인에 대해 미리 설정된 해석 기반 진단 가중치를 부여하여 진동 해석 기반 진단 결과를 도출하는 진동 해석 기반 진단단계와; 상기 주파수 기반 진단단계, 상기 시간 기반 진단단계 및 상기 진동 해석 데이터 기반 진단단계에서 각각 도출된 진단 결과들을 병렬로 연산 처리하여, 상기 주파수 특성치, 상기 시간 영역 진단 특성치 및 상기 진동 해석 데이터가 모두 반영된 진동 원인, 진동 원인별 진단 점수, 진동 원인별 확률 및 진동 원인별 순위를 계산하는 계산단계와; 상기 계산단계에서 계산된 상기 진동 원인별 진단 점수, 상기 진동 원인별 확률 및 상기 진동 원인별 순위를 출력하는 출력단계를 포함한다.A method for diagnosing vibration of a rotating machine considering complex conditions according to the present invention receives basic information including at least a part of the size, type, rotational speed, number of blades, bearing information, and power frequency of a rotating machine to be diagnosed by a computer. basic information input step; a vibration analysis data input step in which the computer receives vibration analysis data of the rotating machine; a measuring step of measuring a vibration signal of the rotating machine by a sensor provided in the rotating machine during a trial operation of the rotating machine; a diagnosis determination step in which the computer receives the vibration signal measured in the measurement step, compares the vibration signal with a preset vibration diagnosis reference range, and determines whether a vibration diagnosis of the rotating machine is necessary; In the determination step, if it is determined that vibration diagnosis is necessary, frequency characteristic values are extracted using the basic information, frequency weights are assigned to each vibration cause preset according to the frequency characteristic values and a plurality of vibration causes, and frequency-based vibration causes are determined. a frequency-based diagnosis step of deriving a frequency-based diagnosis result including an initial value of a diagnosis score for each cause of vibration; Preset time-domain diagnostic characteristic values are extracted from the vibration signal measured in the measuring step, and a time-based vibration cause is derived from a database stored in advance according to the time-domain diagnostic characteristic values, and the frequency-based vibration cause is derived from among the time-based vibration causes. a time-based diagnosis step of deriving a time-based diagnosis result by assigning a predetermined time-domain diagnosis weight to the same vibration cause as The frequency band of the natural frequency of the components constituting the rotating machine is extracted from the vibration analysis data, the frequency band of the natural frequency is compared with the vibration generation frequency band generating the frequency-based vibration causes, and the frequency-based vibration A vibration analysis-based diagnosis step of deriving a vibration analysis-based diagnosis result by assigning a predetermined analysis-based diagnosis weight to a vibration cause including the vibration generation frequency band in a frequency band of the natural frequency among causes; Diagnosis results derived from the frequency-based diagnosis step, the time-based diagnosis step, and the vibration analysis data-based diagnosis step are processed in parallel, and the frequency characteristic value, the time-domain diagnostic characteristic value, and the vibration analysis data are all reflected. a calculation step of calculating a cause, a diagnosis score for each vibration cause, a probability for each vibration cause, and a rank for each vibration cause; and an output step of outputting the diagnosis score for each vibration cause calculated in the calculating step, the probability for each vibration cause, and the ranking for each vibration cause.

상기 주파수 기반 진단단계는, 상기 기본 정보를 이용하여 m개의 상기 주파수 특성치들을 성분으로 하는 1×m의 특성 행렬을 생성하는 특성 행렬 생성 과정과, 상기 m개의 주파수 특성치들과 미리 설정된 n개의 상기 진동 원인에 대해 미리 설정된 m×n개의 상기 주파수 가중치들을 성분으로 하는 m×n의 주파수 가중치 행렬을 상기 특성 행렬에 곱하여, 상기 진동 원인에 대해 상기 주파수 가중치들을 각각 적용한 n개의 진동 원인별 진단 점수를 성분으로 하는 1×n의 진단 행렬을 도출하는 진단 행렬 도출과정을 포함한다.The frequency-based diagnosis step includes a characteristic matrix generation process of generating a 1×m characteristic matrix having the m frequency characteristic values as components using the basic information, and the m frequency characteristic values and the preset n vibration characteristics. The characteristic matrix is multiplied by an m×n frequency weighting matrix having m×n frequency weights set in advance for the cause as components, and a diagnosis score for each of the n vibration causes is obtained by applying the frequency weighting factors to the vibration cause. It includes a diagnostic matrix derivation process for deriving a 1 × n diagnostic matrix.

상기 진동 신호는, 상기 회전 기계의 x축, y축 및 z축을 포함하는 측정 방향에 대한 진동 신호의 주파수 대역별 진동속도 레벨을 포함한다.The vibration signal includes a vibration speed level for each frequency band of the vibration signal with respect to measurement directions including the x-axis, y-axis, and z-axis of the rotating machine.

상기 주파수 특성치는, 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 frequency characteristic value includes at least some of the vibration level ratio for each measurement direction, the size of multiple components of the rotational speed, the size of a wing frequency, the size of a noise floor, the size of a power frequency component, and the size of a characteristic frequency component for each bearing defect position. do.

상기 주파수 가중치들은, 상기 진동 원인과 상기 주파수 특성치들에 대한 데이터들로부터 계산되어 상기 데이터베이스에 미리 저장된다.The frequency weights are calculated from data on the cause of the vibration and the frequency characteristic values and stored in the database in advance.

상기 주파수 가중치 행렬은, 실험 또는 시뮬레이션을 통해 얻어진 학습 데이터 중에서 상기 주파수 특성치들을 입력 변수로 하고 상기 진동 원인을 출력변수로 하여 학습시킨 가중치 행렬 생성 모델을 이용하여 생성된다.The frequency weight matrix is generated using a weight matrix generation model learned by using the frequency characteristic values as input variables and the vibration cause as an output variable among learning data obtained through experiments or simulations.

상기 계산단계에서는, 상기 진동 원인별 확률은, 미리 설정된 n개의 진동 원인별 진단 점수의 총 합에 대한 각각의 상기 진동 원인별 진단 점수의 비율로 계산된다. In the calculating step, the probability for each vibration cause is calculated as a ratio of diagnosis scores for each vibration cause to the total sum of diagnosis scores for each of the preset n vibration causes.

상기 시간 영역 진단 특성치는, 상기 진동 신호의 주기성, 충격파형 및 진폭 변조 중 적어도 일부를 포함한다.The time domain diagnosis characteristic value includes at least a part of periodicity, shock waveform, and amplitude modulation of the vibration signal.

상기 데이터베이스에는 미리 설정된 n개의 상기 진동 원인들별로 상기 시간 영역 진단 특성치들을 매칭한 시간 특성치 매치 테이블이 저장되고, 상기 시간 기반 진단단계에서는, 상기 매치 테이블로부터 상기 시간 영역 진단 특성치에 따른 시간 기반 진동 원인을 도출한다.In the database, a time characteristic value match table in which the time domain diagnosis characteristic values are matched for each of the preset n vibration causes is stored, and in the time based diagnosis step, a time based vibration cause according to the time domain diagnosis characteristic value from the match table. derive

상기 진동 해석 데이터는, The vibration analysis data,

상기 회전 기계를 구성하는 구성 요소 중에서 축을 포함하는 회전체의 1~n차 고유 진동수와 주파수 대역, 상기 회전체 이외의 구성 요소의 1~n차 고유 진동수와 주파수 대역을 포함한다.Among the components constituting the rotary machine, the 1st to nth natural frequencies and frequency bands of the rotating body including the shaft and the 1st to nth natural frequencies and frequency bands of components other than the rotating body are included.

본 발명의 다른 측면에 따른 복합 조건을 고려한 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 입력받는 기본정보 입력단계와; 상기 컴퓨터가 상기 회전 기계의 진동 해석 데이터를 입력받는 진동 해석 데이터 입력단계와; 상기 회전 기계의 시운전시, 상기 회전 기계에 구비된 센서가 상기 회전 기계의 진동 신호를 측정하는 측정단계와; 상기 컴퓨터가 상기 측정단계에서 측정된 진동 신호를 입력받고, 상기 진동 신호를 미리 설정된 진동 진단 기준 범위와 비교하여, 상기 회전기계의 진동 진단의 필요 여부를 판단하는 진단 여부 판단단계와; 상기 진단 여부 판단단계에서 진동 진단이 필요하다고 판단되면, 상기 기본 정보를 이용하여 주파수 특성치들을 추출하고, 상기 주파수 특성치들과 복수의 진동 원인들에 따라 미리 설정된 진동 원인별 주파수 가중치를 부여하여, 주파수 기반 진동 원인과 진동 원인별 진단 점수의 초기값을 포함하는 주파수 기반 진단 결과를 도출하는 주파수 기반 진단단계와; 상기 측정단계에서 측정된 진동 신호로부터 미리 설정된 시간 영역 진단 특성치들을 추출하고, 상기 시간 영역 진단 특성치들에 따라 미리 저장된 데이터베이스로부터 시간 기반 진동 원인을 도출하고, 상기 시간 기반 진동 원인 중에서 상기 주파수 기반 진동 원인과 동일한 진동 원인에 대해 미리 설정된 시간 영역 진단 가중치를 부여하여, 시간 기반 진단 결과를 도출하는 시간 기반 진단단계와; 상기 진동 해석 데이터로부터 상기 회전 기계를 구성하는 구성 요소들의 고유진동수의 주파수 대역을 추출하고, 상기 고유진동수의 주파수 대역과 상기 주파수 기반 진동 원인들을 발생시킨 진동 발생 주파수 대역을 비교하고, 상기 주파수 기반 진동 원인들 중에서 상기 고유진동수의 주파수 대역에 상기 진동 발생 주파수 대역이 포함되는 진동 원인에 대해 미리 설정된 해석 기반 진단 가중치를 부여하여 진동 해석 기반 진단 결과를 도출하는 진동 해석 기반 진단단계와; 상기 주파수 기반 진단단계, 상기 시간 기반 진단단계 및 상기 진동 해석 데이터 기반 진단단계에서 각각 도출된 진단 결과들을 병렬로 연산 처리하여, 상기 주파수 특성치, 상기 시간 영역 진단 특성치 및 상기 진동 해석 데이터가 모두 반영된 진동 원인, 진동 원인별 진단 점수, 진동 원인별 확률 및 진동 원인별 순위를 계산하는 계산단계와; 상기 계산단계에서 계산된 상기 진동 원인별 진단 점수, 상기 진동 원인별 확률 및 상기 진동 원인별 순위를 출력하는 출력단계를 포함하고, 상기 주파수 기반 진단단계는, 상기 기본 정보를 이용하여 m개의 상기 주파수 특성치들을 성분으로 하는 1×m의 특성 행렬을 생성하는 특성 행렬 생성 과정과, 상기 m개의 주파수 특성치들과 미리 설정된 n개의 상기 진동 원인에 대해 미리 설정된 m×n개의 상기 주파수 가중치들을 성분으로 하는 m×n의 주파수 가중치 행렬을 상기 특성 행렬에 곱하여, 상기 진동 원인에 대해 상기 주파수 가중치들을 각각 적용한 n개의 진동 원인별 진단 점수를 성분으로 하는 1×n의 진단 행렬을 도출하는 진단 행렬 도출과정을 포함하고, 상기 주파수 가중치 행렬은, 실험 또는 시뮬레이션을 통해 얻어진 학습 데이터 중에서 상기 주파수 특성치들을 입력 변수로 하고 상기 진동 원인을 출력변수로 하여 학습시킨 가중치 행렬 러닝 모델을 이용하여 생성되고, 상기 시간 영역 진단 특성치는, 상기 진동 신호의 주기성, 충격파형 및 진폭 변조 중 적어도 일부를 포함하고, 상기 진동 해석 데이터는, 상기 회전 기계를 구성하는 구성 요소 중에서 축을 포함하는 회전체의 1~n차 고유 진동수와 주파수 대역, 상기 회전체 이외의 구성 요소의 1~n차 고유 진동수와 주파수 대역을 포함한다.According to another aspect of the present invention, a method for diagnosing vibration of a rotating machine considering complex conditions includes basic information including at least a part of the size, type, rotational speed, number of blades, bearing information, and power frequency of a rotating machine to be diagnosed by a computer. Basic information input step of receiving input; a vibration analysis data input step in which the computer receives vibration analysis data of the rotating machine; a measuring step of measuring a vibration signal of the rotating machine by a sensor provided in the rotating machine during a trial operation of the rotating machine; a diagnosis determination step in which the computer receives the vibration signal measured in the measurement step, compares the vibration signal with a preset vibration diagnosis reference range, and determines whether vibration diagnosis of the rotating machine is necessary; If it is determined that vibration diagnosis is necessary in the diagnosis determination step, frequency characteristic values are extracted using the basic information, and frequency weights are given for each vibration cause preset according to the frequency characteristic values and a plurality of vibration causes. a frequency-based diagnosis step of deriving a frequency-based diagnosis result including a root cause of vibration and an initial value of a diagnosis score for each vibration cause; Preset time-domain diagnostic characteristic values are extracted from the vibration signal measured in the measuring step, and a time-based vibration cause is derived from a database stored in advance according to the time-domain diagnostic characteristic values, and the frequency-based vibration cause is derived from among the time-based vibration causes. a time-based diagnosis step of deriving a time-based diagnosis result by assigning a predetermined time-domain diagnosis weight to the same vibration cause as The frequency band of the natural frequency of the components constituting the rotating machine is extracted from the vibration analysis data, the frequency band of the natural frequency is compared with the vibration generation frequency band generating the frequency-based vibration causes, and the frequency-based vibration A vibration analysis-based diagnosis step of deriving a vibration analysis-based diagnosis result by assigning a predetermined analysis-based diagnosis weight to a vibration cause including the vibration generation frequency band in a frequency band of the natural frequency among causes; Diagnosis results derived from the frequency-based diagnosis step, the time-based diagnosis step, and the vibration analysis data-based diagnosis step are processed in parallel, and the frequency characteristic value, the time-domain diagnostic characteristic value, and the vibration analysis data are all reflected. a calculation step of calculating a cause, a diagnosis score for each vibration cause, a probability for each vibration cause, and a rank for each vibration cause; and an output step of outputting a diagnosis score for each vibration cause calculated in the calculation step, a probability for each vibration cause, and a ranking for each vibration cause, wherein the frequency-based diagnosis step includes m frequency-based diagnosis using the basic information. A characteristic matrix generation process of generating a 1×m characteristic matrix having characteristic values as components, and m having the m × n frequency weights as components for the m frequency characteristic values and the preset n vibration causes A diagnosis matrix derivation process of multiplying the characteristic matrix by a ×n frequency weighting matrix and deriving a 1 × n diagnosis matrix having diagnostic scores for each n vibration causes obtained by applying the frequency weightings to each vibration cause as components The frequency weight matrix is generated using a weight matrix learning model learned by using the frequency characteristic values as input variables and the vibration cause as an output variable among learning data obtained through experiments or simulations, and the time domain diagnostic characteristic values contains at least some of the periodicity, shock waveform, and amplitude modulation of the vibration signal, and the vibration analysis data includes the 1st to nth natural frequencies and frequency bands of the rotating body including the shaft among the components constituting the rotating machine. , Including the 1st to nth natural frequencies and frequency bands of components other than the rotating body.

본 발명에서는 회전기계의 시운전시 측정된 진동 신호로부터 진동 진단의 필요 여부를 판단하고, 상기 회전기계의 기본 정보를 이용하여 주파수 특성치를 추출하여 주파수 기반 진동 원인을 도출한 후, 상기 진동 신호로부터 추출된 시간 영역 진단 특성치를 이용하여 시간 영역 진단 가중치를 추가로 부여하고, 상기 회전기계의 진동 해석 데이터로부터 추출된 고유 진동수의 주파수 대역을 고려하여 공진 결함에 따른 해석 기반 진단 가중치를 추가로 부여함으로써, 상기 진동 신호의 주파수 특성치, 시간 영역 진단 특성치 및 진동 해석 데이터를 모두 포함한 복합 조건을 고려하여 진동 원인을 진단하기 때문에, 보다 정확하게 진동 원인을 진단할 수 있다. In the present invention, it is determined whether vibration diagnosis is necessary from the vibration signal measured during trial operation of the rotating machine, and a frequency-based vibration cause is derived by extracting a frequency characteristic value using basic information of the rotating machine, and then extracted from the vibration signal. Time-domain diagnosis weights are additionally assigned using the obtained time-domain diagnosis characteristic values, and analysis-based diagnosis weights according to resonance defects are additionally assigned by considering the frequency band of the natural frequency extracted from the vibration analysis data of the rotating machine, Because the cause of vibration is diagnosed in consideration of complex conditions including all of the frequency characteristic value of the vibration signal, the time domain diagnostic characteristic value, and vibration analysis data, the cause of vibration can be diagnosed more accurately.

도 1은 본 발명의 실시예에 따른 복합 조건을 고려한 회전 기계의 진동 진단 방법을 나타낸 순서도이다.
도 2는 도 1에서 주파수 기반 진단 단계를 나타낸 순서도이다.
도 3은 도 1에서 시간 기반 진단 단계를 나타낸 순서도이다.
도 4는 도 1에서 진동 해석 기반 진단 단계를 나타낸 순서도이다.
도 5는 본 발명의 실시예에 따른 특성 행렬과 주파수 가중치 행렬을 나타낸 도면이다.
도 6은 본 발명의 실시예에 따른 진단 행렬을 계산하는 방법을 나타낸 도면이다.
도 7은 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 considering complex conditions according to an embodiment of the present invention.
FIG. 2 is a flowchart illustrating a frequency-based diagnosis step in FIG. 1 .
FIG. 3 is a flowchart illustrating a time-based diagnosis step in FIG. 1 .
FIG. 4 is a flowchart illustrating a vibration analysis-based diagnosis step in FIG. 1 .
5 is a diagram illustrating a characteristic matrix and a frequency weighting matrix according to an embodiment of the present invention.
6 is a diagram illustrating a method of calculating a diagnostic matrix according to an embodiment of the present invention.
7 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, 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.Hereinafter, embodiments of the present invention will be described in detail so that those skilled in the art can easily practice with reference to the accompanying drawings. However, the present invention may be embodied in many different forms and is not limited to the embodiments described herein. Throughout the specification, when a certain component is said to "include", it means that it may further include other components without excluding other components unless otherwise stated.

도 1은 본 발명의 실시예에 따른 복합 조건을 고려한 회전 기계의 진동 진단 방법을 나타낸 순서도이다.1 is a flowchart illustrating a method for diagnosing vibration of a rotating machine considering complex conditions according to an embodiment of the present invention.

도 1을 참조하면, 본 발명의 실시예에 따른 복합 조건을 고려한 회전 기계의 진동 진단 방법은, 기본정보 입력단계(S1), 진동 해석 데이터 입력단계(S2), 측정단계(S3), 진단 여부 판단단계(S4), 주파수 기반 진단단계(S5), 시간 기반 진단단계(S6), 진동 해석 기반 진단단계(S7), 계산단계(S8) 및 출력단계(S9)를 포함한다. Referring to FIG. 1, the method for diagnosing vibration of a rotating machine considering complex conditions according to an embodiment of the present invention includes a basic information input step (S1), a vibration analysis data input step (S2), a measurement step (S3), diagnosis It includes a judgment step (S4), a frequency-based diagnosis step (S5), a time-based diagnosis step (S6), a vibration analysis-based diagnosis step (S7), a calculation step (S8), and an output step (S9).

여기서, 상기 회전 기계는, 플랜트에 구비된 회전 기계이다. Here, the said rotary machine is a rotary machine with which the plant was equipped.

상기 기본정보 입력단계(S1)는, 컴퓨터(미도시)가 진단하고자 하는 회전 기계에 대한 기본 정보를 입력받는 단계이다. The basic information input step (S1) is a step in which a computer (not shown) receives basic information about a rotating machine to be diagnosed.

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 on the rotating machine includes at least a part of the size, type, rotational speed, number of blades, bearing information, and power frequency of the rotating machine. The basic information may be provided from a manufacturer of the rotary machine, or may be directly measured and input by an operator if necessary. In this embodiment, the basic information will be described as being input based on a data sheet provided from a manufacturer of the rotary machine as an example.

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 type of the rotary machine is classified according to a pump type or a bearing type, the pump type includes a horizontal pump type and a vertical pump type, and the bearing type includes a ball bearing type, a roller bearing type, and a journal bearing type. The power frequency follows the 50Hz format and 60Hz format according to the usage standards for each country.

상기 전원 주파수는 국가 별 사용 기준에 따라 50Hz 형식과 60Hz 형식을 따른다.The power frequency follows the 50Hz format and the 60Hz format according to the usage standards for each country.

또한, 상기 기본정보 입력단계(S1)에서는 진동 진단 기준 범위를 설정하는 것을 포함할 수 있다. In addition, the step of inputting basic information (S1) may include setting a reference range for vibration diagnosis.

상기 진동 진단 기준범위는, 상기 기본 정보에 따라 다르게 미리 설정되며, 진동 진단이 필요하다고 판단하는 기준이 되는 값에 오차 범위를 가감한 범위로 설정된다. 다만, 이에 한정되지 않고, 상기 진동 진단 기준 범위는 하나의 진동 진단 기준값으로 설정되는 것도 가능하다. 예를 들어, 원심식 펌프에 대한 적용 기준은 API 610이고, 펌프의 형식이 VS(Vertically-Suspended)일 때, 상기 진동 진단 기준 범위(Overall value)는 5mm/s 미만으로 설정될 수 있다. The vibration diagnosis reference range is set in advance differently according to the basic information, and is set as a range obtained by adding or subtracting an error range from a standard value for determining that vibration diagnosis is necessary. However, it is not limited thereto, and the vibration diagnosis reference range may be set to one vibration diagnosis reference value. For example, when the application standard for a centrifugal pump is API 610 and the pump type is VS (Vertically-Suspended), the vibration diagnosis standard range (Overall value) may be set to less than 5 mm/s.

상기 진동 해석 데이터 입력단계(S2)는, 상기 컴퓨터가 상기 회전 기계의 진동 해석 데이터를 입력받는 단계이다. 상기 진동 해석 데이터는 상기 회전 기계의 제작 업체 또는 판매 업체로부터 제공받을 수 있고, 필요에 따라 사용처에서 직접 해석을 수행하여 미리 설정된 데이터베이스에 저장되어 있을 수도 있다. The vibration analysis data input step (S2) is a step in which the computer receives vibration analysis data of the rotating machine. The vibration analysis data may be provided from a manufacturer or seller of the rotary machine, or may be directly analyzed at a place of use and stored in a preset database, if necessary.

상기 진동 해석 데이터는, 상기 회전 기계를 구성하는 구성 요소 중에서 축을 포함하는 회전체의 굽힘(lateral), 비틀림(Torsional) 해석 데이터와, 상기 축 외 구성 요소의 구조적(Structural) 해석 데이터를 포함한다. 상기 진동 해석 데이터는, 상기 축의 1~n차 고유 진동수와 이의 주파수 대역(Margin,%), 상기 축 이외의 구성요소, 예를 들어 하우징, 스풀 등과 같은 구성 요소의 1~n차 고유 진동수와 이의 주파수 대역에 대한 데이터를 포함한다. The vibration analysis data includes lateral and torsional analysis data of a rotating body including an axis among components constituting the rotating machine, and structural analysis data of components other than the axis. The vibration analysis data includes the 1st to nth natural frequencies of the shaft and its frequency band (Margin, %), the 1st to nth natural frequencies of components other than the shaft, for example, housings and spools, and their Contains data about frequency bands.

상기 측정단계(S3)는, 상기 회전 기계의 시운전시 상기 회전 기계에 구비된 센서(미도시)가 상기 회전 기계의 진동 신호를 측정하는 단계이다.The measuring step (S3) is a step in which a sensor (not shown) provided in the rotating machine measures a vibration signal of the rotating machine during a test run of the rotating machine.

상기 센서는, FFT(Fourier Frequency Transform) 분석이 가능한 진동 센서를 사용할 경우 별도의 분석단계 없이 데이터를 상기 컴퓨터(미도시)로 전송할 수 있다. 또한, 상기 센서가 일반 진동 센서일 경우, 측정된 시간 신호로부터 FFT 분석단계를 거쳐 상기 컴퓨터(미도시)로 전송되는 것도 가능하다.The sensor may transmit data to the computer (not shown) without a separate analysis step when using a vibration sensor capable of FFT (Fourier Frequency Transform) analysis. In addition, if the sensor is a general vibration sensor, it is also possible to transmit the measured time signal to the computer (not shown) through an FFT analysis step.

상기 진동 신호는, 상기 회전기계의 x축, y축 및 z축을 포함하는 3개의 측정 방향에 대한 진동 신호의 시간영역 데이터와 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 is time domain data of the vibration signal for three measurement directions including the x-axis, y-axis, and z-axis of the rotating machine and the vibration speed level for each frequency band. In order to determine the accuracy of diagnosis based on the measured value and the satisfaction of the criterion, the range of vibration frequency during measurement is 1 ~ 1,000Hz, and the unit frequency (resolution) delta f during FFT analysis is within 1Hz.

상기 진단 여부 판단단계(S4)에서는, 상기 컴퓨터가 상기 준비단계(S1)에서 설정된 진동 진단 기준 범위와 상기 측정단계(S3)에서 측정된 진동 신호를 비교하여, 진동 발생 여부를 진단한다. 상기 진동 신호가 상기 진동 진단 기준 범위를 벗어나면, 진동 진단이 필요하다고 판단한다. In the diagnosis determination step (S4), the computer compares the vibration diagnosis standard range set in the preparation step (S1) with the vibration signal measured in the measurement step (S3) to diagnose whether vibration has occurred. When the vibration signal is out of the vibration diagnosis reference range, it is determined that vibration diagnosis is necessary.

상기 진단 여부 판단단계(S4)에서 진동 진단이 필요하다고 판단되면, 진동 원인을 진단하기 위하여 주파수 기반 진단단계(S5), 시간 기반 진단단계(S6) 및 진동 해석 기반 진단단계(S7)를 수행한다. 즉, 본 실시예에서는, 상기 진동 원인을 진단하기 위해서는 상기 센서가 측정한 진동 신호로부터 시간과 주파수 관련 데이터를 모두 활용할 뿐만 아니라, 상기 진동 해석 데이터도 활용한다. If it is determined that vibration diagnosis is necessary in the diagnosis determination step (S4), a frequency-based diagnosis step (S5), a time-based diagnosis step (S6), and a vibration analysis-based diagnosis step (S7) are performed to diagnose the cause of the vibration. . That is, in this embodiment, in order to diagnose the cause of the vibration, not only use both time and frequency related data from the vibration signal measured by the sensor, but also use the vibration analysis data.

도 2는 도 1에서 주파수 기반 진단 단계를 나타낸 순서도이다.FIG. 2 is a flowchart illustrating a frequency-based diagnosis step in FIG. 1 .

도 2를 참조하면, 상기 주파수 기반 진단단계(S5)는, 특성 행렬 생성 과정(S51), 진단 행렬 도출 과정(S53) 및 주파수 기반 진동결과 도출 과정(S54)을 포함한다.Referring to FIG. 2 , the frequency-based diagnosis step (S5) includes a characteristic matrix generation process (S51), a diagnostic matrix derivation process (S53), and a frequency-based vibration result derivation process (S54).

상기 특성 행렬 생성 과정(S51)에서는, 상기 기본정보 입력단계(S1)에서 입력된 기본 정보를 이용하여, m개의 주파수 특성치들(Features)을 추출하여, 상기 주파수 특성치들을 성분으로 하는 1×m의 특성 행렬(M_F)을 생성한다.In the characteristic matrix generation process (S51), m frequency characteristic values are extracted using the basic information input in the basic information input step (S1), and 1 × m of frequency characteristic values are used as components. Create a feature matrix (M _F ).

상기 주파수 특성치들의 종류는 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 포함하는 것으로 예를 들어 설명한다. 본 실시예에서는, 상기 진동신호 특성치들(F1~Fm)은 25개인 것으로 예를 들어 설명하나, 이에 한정되지 않고, 상기 회전 기계의 특성이나 상기 기본 정보에 따라 다양하게 변경가능하다. The type of frequency characteristic values includes at least some of the vibration level ratio for each measurement direction, the multiple component size of the rotational speed, the wing frequency, the noise floor, the power frequency component size, and the characteristic frequency component size for each bearing type. explain with an example. In this embodiment, the vibration signal characteristic values (F1 to Fm) are 25 and described as an example, but are not limited thereto, and can be changed in various ways according to the characteristics of the rotating machine or the basic information.

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 vibration level ratio in the axial direction and the radial direction and the vibration level in the horizontal and vertical directions among the radial directions as a characteristic value.

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 magnitude of the multiple component 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 6X (6X), 8X (8X), 9X (9X), 12X (12X), 1/2X (1/2X), 1/3X (1/3X), 0.38~0.48X (0.38X) The vibration level at the frequency corresponding to ~0.48X) is 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 rotational speed of the rotating machine by the number of blades of the rotating 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) based on 10 times the basic rotational speed, and characteristics are defined as percentile values of each frequency vibration level.

상기 전원 주파수는 국가 별로 50Hz 혹은 60Hz의 주파수를 기준으로 전원 주파수의 1배(LF), 2배(2×LF) 시의 주파수를 특성치로 한다.The power frequency has a characteristic value of a frequency at 1 (LF) or 2 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 BPFO (Ball Pass Frequency Outer Race), BPFI (Ball Pass Frequency Inner Race) using the number of balls, pitch diameter, ball diameter, rotation speed, and contact angle of the ball bearing. Race), BSF (Ball Spin Frequency), and FTF (Fundamental Train Frequency) are calculated and used as characteristic values.

도 5는 본 발명의 실시예에 따른 특성 행렬과 주파수 가중치 행렬을 나타낸 도면이고, 도 6은 본 발명의 실시예에 따른 진단 행렬을 계산하는 방법을 나타낸 도면이다. 5 is a diagram showing a characteristic matrix and a frequency weighting matrix according to an embodiment of the present invention, and FIG. 6 is a diagram showing a method for calculating a diagnosis matrix according to an embodiment of the present invention.

도 5 및 도 6을 참조하면, 상기 진단 행렬 도출과정(S52)에서는 상기 1×m의 특성 행렬(M_F)에 미리 생성된 m×n의주파수 가중치 행렬(M_W)을 곱하여, 1×n의 진단 행렬(M_D)을 도출하는 과정이다. 5 and 6, in the process of deriving the diagnostic matrix (S52), the 1×m characteristic matrix (M _F ) is multiplied by a pre-generated m×n frequency weighting matrix (M _W ) to obtain a 1×n This is the process of deriving the diagnostic matrix (M _D ) of

상기 주파수 가중치 행렬(M_W)은, 상기 m개의 주파수 특성치들(F1~Fm)과 미리 설정된 n개의 상기 진동 원인들(Causes)에 대해 m×n개의 주파수 가중치들(W11~Wmn)을 성분으로 하는 m×n의 행렬이다. The frequency weighting matrix M _W is composed of m×n frequency weighting elements W11 to Wmn for the m frequency characteristic values F1 to Fm and the preset n causes of the vibration. is an m×n matrix.

상기 주파수 가중치 행렬(M_W)은, 실험 또는 시뮬레이션을 통해 얻어진 학습 데이터 중에서 상기 주파수 특성치들을 입력 변수로 하고, 상기 진동 원인을 출력변수로 하여 학습시킨 가중치 행렬 러닝 모델을 이용하여 생된다. 즉, 상기 주파수 가중치 행렬(M_W)은, 상기 n개의 진동 원인별 주파수 특성치에 대한 가중치를 부여하는 행렬이다. The frequency weight matrix M _W is generated using a weight matrix learning model trained using the frequency characteristic values as input variables and the vibration cause as an output variable among learning data obtained through experiments or simulations. That is, the frequency weighting matrix M _W is a matrix for assigning weights to the frequency characteristic values for each of the n vibration causes.

도 7을 참조하면, 상기 주파수 가중치 행렬(M_W)의 상기 주파수 가중치들(W11~Wmn)은 머신 러닝을 통해 도출된 것으로 예를 들어 설명한다. Referring to FIG. 7 , the frequency weights W11 to Wmn of the frequency weight matrix M _W are derived through machine learning and will be described as an example.

상기 주파수 가중치 행렬(M_W)은, 실험 또는 시뮬레이션을 통해 얻어진 다량의 학습 데이터들이 데이터베이스(DB)에 저장된 상태에서, 상기 학습 데이터 중에서 상기 주파수 특성치들을 입력 변수로 하고, 상기 진동 원인을 출력변수로 하여, 머신 러닝을 수행하여 도출된다. 다만, 머신 러닝에 한정되지 않고, 상기 가중치들은 실험 또는 시뮬레이션을 통해 데이터 베이스에 미리 저장된 데이터들을 이용하여 우선 계산되며, 본 발명이 대상 기기에 지속 적용되어 유사 형식의 회전기계 결함 데이터들이 일정 수준 이상 누적된 후 머신 러닝으로 가중치가 최적화된 시점, 즉 진단 정확도가 기존 데이터 베이스에 기반한 결과보다 높아진 시점에 사용자가 가중치 행렬의 선택이 가능하다.The frequency weighting matrix (M _W ), in a state in which a large amount of learning data obtained through experiments or simulations is stored in the database (DB), uses the frequency characteristic values among the learning data as input variables and the vibration cause as an output variable. So, it is derived by performing machine learning. However, it is not limited to machine learning, and the weights are first calculated using data pre-stored in the database through experiments or simulations, and the present invention is continuously applied to the target device so that the defect data of similar types of rotating machines is more than a certain level. After being accumulated, the user can select a weight matrix when the weights are optimized by machine learning, that is, when the diagnostic accuracy is higher than the result based on the existing database.

한편, 본 실시예에서는, 상기 진동 원인의 개수(n)는 21개인 것으로 예를 들어 설명한다. 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) 등을 포함하는 것으로 예를 들어 설명한다. 다만, 이에 한정되지 않고, 상기 진동 원인의 종류나 개수는 다양하게 변경하여 적용 가능하다.On the other hand, in the present embodiment, the number n of the vibration sources is described as 21 as an example. The cause of the vibration is unbalance, parallel misalignment, angular misalignment, ball bearing outer race, ball bearing inner race, ball bearing Ball bearing ball damage, Ball bearing fundamental, Structural Looseness, Rotating Looseness, Resonance, Bent shaft, Cavitation, Alignment Cocked bearing, Journal bearing (Wear), Journal bearing (Oil whirl), Rotor rub, Blade fault, Electrical defect, Misalignment Examples include a 3-jaw coupling, a misaligned 4-jaw coupling, and a locked gearflex coupling. However, it is not limited thereto, and the type or number of vibration sources may be variously changed and applied.

상기 m×n개의 주파수 가중치들(W11~Wmn)은, 상기 m개의 주파수 특성치들과 상기 n개의 진동 원인에 따라 다르게 미리 설정된다. The m×n frequency weights W11 to Wmn are preset differently according to the m frequency characteristic values and the n vibration causes.

예를 들어, 특정 진동 원인에 따라 나타날 수 있는 진동 신호의 주파수 특성치에 대해 보다 큰 가중치가 적용된다. 예를 들어, 상기 n개의 진동 원인 중에서 제1진동 원인(C1)에 의해 나타날 수 있는 주파수 특성치가 제1특성치(F1)라면, 상기 제1진동 원인과 상기 제1특성치(F1)에 대한 제11가중치(W11)는 상기 제1진동 원인에 대한 나머지 주파수 특성치(F2~Fm)에 대한 가중치들보다 크게 설정된다. 또한, 특정 진동 원인에 대해 나타나지 않는 주파수 특성치에 대한 가중치는 다른 가중치에 비해 작게 설정되거나 음수로 설정될 수 있다. 상기 주파수 가중치들(W11~Wmn)은 필요에 따라 미세 조정이 가능하다. For example, a higher weight is applied to a frequency characteristic value of a vibration signal that may appear according to a specific vibration cause. For example, if the frequency characteristic value that can be represented by the first vibration source C1 among the n vibration causes is the first characteristic value F1, the 11th vibration cause and the first characteristic value F1 The weight W11 is set higher than weights for the remaining frequency characteristic values F2 to Fm for the first vibration cause. In addition, a weight for a frequency characteristic value that does not appear for a specific vibration cause may be set smaller than other weights or set to a negative number. The frequency weights W11 to Wmn can be finely adjusted as needed.

상기 진단 행렬(M_D)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 diagnosis matrix M _D represents each diagnosis score for the n vibration causes. For example, D1 is the diagnosis score for the first vibration cause, D2 is the diagnosis score for the second vibration cause, and Dn is the diagnosis score for the nth vibration cause.

상기 주파수 기반 진단결과 도출 과정(S54)에서는 상기 진단 행렬(M_D)로부터 상기 주파수 기반 진동 원인과, 진동 원인별 진단 점수의 초기값을 도출한다.(S53)In the process of deriving the frequency-based diagnosis result (S54), the cause of the frequency-based vibration and the initial value of the diagnosis score for each vibration cause are derived from the diagnosis matrix (M _D ) (S53).

한편, 도 3은 도 1에서 시간 기반 진단 단계를 나타낸 순서도이다. Meanwhile, FIG. 3 is a flowchart illustrating a time-based diagnosis step in FIG. 1 .

도 3을 참조하면, 상기 시간 기반 진단 단계(S6)는, 상기 측정 단계(S3)에서 측정된 진동 신호의 시간 영역 진단 특성치들을 이용하여 시간 기반 진단 결과를 도출하는 단계이다.Referring to FIG. 3 , the time-based diagnosis step (S6) is a step of deriving a time-based diagnosis result using the time-domain diagnosis characteristic values of the vibration signal measured in the measurement step (S3).

상기 시간 기반 진단 단계(S6)는, 시간 특성치 추출과정(S61), 시간 기반 진동원인 도출과정(S62), 유사성 판단과정(S63), 시간 가중치 부여과정(S64) 및 시간 기반 진단결과 도출과정(S65)를 포함한다.The time-based diagnosis step (S6) includes a time characteristic value extraction process (S61), a time-based vibration source derivation process (S62), a similarity determination process (S63), a time weighting process (S64), and a time-based diagnosis result derivation process ( S65).

상기 시간 특성치 추출과정(S61)에서는, 상기 측정단계(S3)에서 측정된 진동 신호로부터 미리 설정된 시간 영역 진단 특성치들을 추출한다.In the time characteristic value extraction process (S61), preset time domain diagnostic characteristic values are extracted from the vibration signal measured in the measuring step (S3).

여기서, 상기 시간 영역 진단 특성치(이하, '시간 특성치'라 칭함)는, 상기 진동 신호의 파고율(Crest factor), 첨도(Kurtosis), 피크(Peak), 실효값(RMS), 타임 블록 밴드(Time block band)를 활용한 신호의 주기성, 충격파형 및 진폭 변조를 포함하는 것으로 예를 들어 설명한다. Here, the time domain diagnosis characteristic value (hereinafter, referred to as 'time characteristic value') is a crest factor, kurtosis, peak, root mean value (RMS), and time block band (Time Block Band) of the vibration signal. It will be described as an example including periodicity of a signal using a block band, impulse waveform, and amplitude modulation.

상기 시간 기반 진동원인 도출과정(S62)에서는, 상기 시간 특성치 추출과정(S61)에서 추출된 시간 특성치에 따라 미리 저장된 데이터베이스로부터 시간 기반 진동 원인을 도출한다. 상기 데이터 베이스에는 상기 n개의 진동 원인들별로 상기 시간 특성치들을 매칭한 시간 특성치 매치 테이블이 미리 저장되어 있다. 따라서, 상기 시간 특성치 매치 테이블로부터 상기 시간 특성치에 따른 시간 기반 진동 원인을 도출할 수 있다.In the process of deriving the time-based vibration source (S62), a time-based vibration source is derived from a pre-stored database according to the time characteristic value extracted in the time characteristic value extraction process (S61). A time characteristic value match table in which the time characteristic values are matched for each of the n vibration causes is previously stored in the database. Accordingly, a time-based vibration cause according to the time characteristic value may be derived from the time characteristic value match table.

표 1은 시간 특성치와 n개의 진동 원인을 매치한 시간 특성치 매치 테이블의 예를 나타낸다. Table 1 shows an example of a time characteristic value matching table in which time characteristic values and n vibration causes are matched.

표 1을 참조하여 예를 들면, 상기 시간 특성치 중에서 주기성이 추출되면, 상기 시간 특성치 매치 테이블로부터 상기 주기성과 관련된 진동 원인인 언발란스를 상기 시간 기반 진동 원인으로 도출한다.Referring to Table 1, for example, when periodicity is extracted from the time characteristic value, unbalance, which is a vibration cause related to the periodicity, is derived as the time-based vibration cause from the time characteristic value match table.

상기와 같은 방법으로 상기 시간 기반 진동 원인이 도출되면, 상기 시간 기반 진동 원인과 상기 주파수 기반 진동 원인의 유사성을 판단하는 유사성 판단과정(S63)을 수행한다. When the time-based vibration cause is derived in the above method, a similarity determination process (S63) of determining similarity between the time-based vibration source and the frequency-based vibration source is performed.

예를 들어, 상기 시간 기반 진동 원인으로 언발란스가 도출된 경우, 상기에서 도출된 상기 주파수 기반 진동 원인 중에 언발란스가 있는지 판단한다.For example, when unbalance is derived as the time-based vibration cause, it is determined whether there is unbalance among the frequency-based vibration causes derived above.

상기 유사성 판단과정(S63)에서 상기 시간 기반 진동 원인과 상기 주파수 기반 진동 원인이 동일하다고 판단되면, 해당 진동 원인에 미리 설정된 시간 영역 진단 가중치를 부여하는 시간 가중치 부여과정(S63)을 수행한다.If it is determined in the similarity determination process (S63) that the time-based vibration cause and the frequency-based vibration cause are the same, a time weighting process (S63) of assigning a preset time-domain diagnosis weight to the corresponding vibration cause is performed.

예를 들어, 상기 언발란스가 동일한 진동 원인이면, 상기 언발란스에 시간 영역 진단 가중치(이하, '시간 가중치'라 칭함)를 부여할 수 있다.For example, if the unbalance has the same vibration cause, a time domain diagnosis weight (hereinafter referred to as 'time weight') may be assigned to the unbalance.

상기와 같이 상기 시간 기반 진동 원인 중에서 상기 주파수 기반 진동 원인과 동일한 진동 원인들에 각각 상기 시간 가중치를 부여한 후, 상기 시간 기반 진단 결과를 도출한다.(S65)As described above, after assigning the time weight to the same vibration causes as the frequency-based vibration causes among the time-based vibration causes, the time-based diagnosis result is derived (S65).

한편, 도 4는 도 1에서 진동 해석 기반 진단 단계를 나타낸 순서도이다. Meanwhile, FIG. 4 is a flowchart illustrating a vibration analysis-based diagnosis step in FIG. 1 .

상기 진동 해석 기반 진단 단계(S7)는, 상기 진동 해석 데이터를 이용하여 진동 해석 기반 진단 결과를 도출하는 단계이다.The vibration analysis-based diagnosis step (S7) is a step of deriving a vibration analysis-based diagnosis result using the vibration analysis data.

상기 진동 해석 기반 진단 단계(S7)에서는 먼저 상기 진동 해석 데이터로부터 상기 회전 기계를 구성하는 구성 요소들의 고유진동수의 주파수 대역을 추출한다. (S71)In the vibration analysis-based diagnosis step (S7), first, a frequency band of natural frequencies of components constituting the rotating machine is extracted from the vibration analysis data. (S71)

상기 진동 해석 데이터에는, 상기 회전 기계를 구성하는 구성 요소 중에서 축을 포함하는 회전체의 1~n차 고유 진동수와 주파수 대역(Margin,%), 상기 회전체 이외의 구성 요소의 1~n차 고유 진동수와 주파수 대역에 대한 정보가 고유 진동수 테이블에 미리 저장된다.In the vibration analysis data, the 1st to nth natural frequencies and frequency bands (Margin,%) of the rotating body including the shaft among the components constituting the rotating machine, and the 1st to nth natural frequencies of components other than the rotating body and information about the frequency band are pre-stored in the natural frequency table.

상기 진동 해석 데이터로부터 상기 고유 진동수의 주파수 대역이 추출되면, 상기 고유 진동수의 주파수 대역을 상기 주파수 기반 진단단계(S5)에서 도출된 상기 주파수 기반 진동 원인을 발생시킨 진동 발생 주파수 대역과 비교한다.(S72)When the frequency band of the natural frequency is extracted from the vibration analysis data, the frequency band of the natural frequency is compared with the vibration generation frequency band that generated the frequency-based vibration cause derived in the frequency-based diagnosis step (S5). ( S72)

상기 주파수 기반 진동 원인의 진동 발생 주파수 대역이 상기 고유 진동수의 주파수 대역에 포함되면, 해당 진동 원인에 대해 미리 설정된 해석 기반 진단 가중치(이하, '해석 가중치'라 칭함)를 부여한다.(S73)If the vibration generation frequency band of the frequency-based vibration source is included in the frequency band of the natural frequency, a preset analysis-based diagnosis weight (hereinafter referred to as 'analysis weight') is assigned to the corresponding vibration source (S73).

예를 들어, 언발란스를 발생시킨 진동 발생 주파수 대역이 상기 고유 진동수 테이블에 포함된 고유 진동수의 주파수 대역과 유사할 경우, 언발란스에 상기 해석 가중치를 부여한다.For example, when a vibration generation frequency band that generates unbalance is similar to a frequency band of a natural frequency included in the natural frequency table, the analysis weight is given to the unbalance.

상기와 같이 상기 해석 가중치가 부여된 진동 원인들을 해석 기반 진단 결과로 도출한다.(S74)As described above, the vibration causes to which the analysis weight is assigned are derived as analysis-based diagnosis results (S74).

이후, 상기 계산단계(S8)에서는, 상기 주파수 기반 진단단계(S5), 상기 시간 기반 진단단계(S6) 및 상기 진동 해석 기반 진단단계(S7)에서 각각 도출된 진단 결과를 병렬로 연산 처리하여, 상기 주파수 특성치, 상기 시간 특성치 및 상기 진동 해석 데이터를 모두 반영한 진동 원인, 진동 원인별 진단 점수, 진동 원인별 확률 및 진동 원인별 순위를 포함한다. Thereafter, in the calculation step (S8), the diagnosis results derived from the frequency-based diagnosis step (S5), the time-based diagnosis step (S6), and the vibration analysis-based diagnosis step (S7) are calculated and processed in parallel, A vibration cause reflecting all of the frequency characteristic value, the time characteristic value, and the vibration analysis data, a diagnosis score for each vibration cause, a probability for each vibration cause, and a ranking for each vibration cause are included.

상기 계산단계(S8)에서는, 상기 주파수 기반 진단단계(S5)에서 상기 진단 행렬(M_D)로부터 도출한 상기 진동 원인별 진단 점수(D1~Dn), 상기 시간 기반 진단단계(S6)에서 상기 시간 가중치가 적용된 진동 원인들, 상기 진동 해석 기반 진단단계(S7)에서 상기 해석 가중치가 적용된 진동 원인들을 병렬로 연산하여, n개의 진동 원인별 확률과, n개의 진동 원인별 순위를 계산한다.In the calculation step (S8), the diagnosis scores (D1 to Dn) for each vibration cause derived from the diagnosis matrix (M _D ) in the frequency-based diagnosis step (S5), and the time-based diagnosis in the time-based diagnosis step (S6). Weighted vibration causes are calculated in parallel in the vibration analysis-based diagnosis step (S7) to calculate a probability for each n vibration cause and a rank for each n vibration cause.

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 diagnosis scores D1 to Dn for each vibration cause to the total sum (∑D) of the diagnosis 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 diagnosis scores for the vibration causes D1 to Dn in descending order.

상기 출력단계(S9)에서는, 상기 계산단계(S6)에서 계산된 상기 진동 원인별 확률, 상기 진동 원인별 순위를 출력한다. In the output step S9, the probability for each vibration cause calculated in the calculation step S6 and the ranking for each vibration cause are output.

또한, 상기 출력단계(S9)에서는, 상기 진동 원인별 진단 점수, 상기 준비단계(S1)에서 설정된 진동 진단 기준범위, 상기 측정단계(S2)에서 측정한 진동 신호값의 레벨을 더 출력할 수 있다.In addition, in the output step S9, the diagnosis score for each vibration cause, the vibration diagnosis reference range 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 구성된 본 발명에서는 상기 회전기계의 시운전시 측정된 진동 신호로부터 진동 발생 여부를 판단하고, 상기 회전기계의 기본 정보로부터 주파수 특성치를 추출하여 주파수 기반 진동 원인을 도출한 후, 상기 진동 신호로부터 추출된 시간 특성치를 이용하여 시간 가중치를 추가로 부여하고, 상기 회전기계의 진동 해석 데이터로부터 추출된 고유 진동수의 주파수 대역을 고려하여 공진 결함에 따른 해석 가중치를 추가로 부여함으로써, 상기 진동 신호의 주파수 특성치, 시간 특성치 및 진동 해석 데이터를 모두 포함한 복합 조건을 고려하여 진동 원인을 진단하기 때문에, 보다 정확하게 진동 원인을 진단할 수 있다. In the present invention configured as described above, it is determined whether or not vibration occurs from the vibration signal measured during trial operation of the rotating machine, and a frequency-based vibration cause is derived by extracting a frequency characteristic value from basic information of the rotating machine, and then, from the vibration signal By using the extracted time characteristic value, a time weight is additionally assigned, and an analysis weight according to the resonance defect is additionally assigned in consideration of the frequency band of the natural frequency extracted from the vibration analysis data of the rotating machine, so that the frequency of the vibration signal Because the cause of vibration is diagnosed in consideration of complex conditions including all characteristic values, time characteristic values, and vibration analysis data, the cause of vibration can be diagnosed more accurately.

또한, 범용 모델 뿐만 아니라 회전기계의 종류에 따라 머신러닝을 통해 최적의 주파수 가중치 행렬을 도출 가능하기 때문에, 다양한 회전기계에 적용이 용이하다. In addition, since an optimal frequency weighting matrix can be derived through machine learning according to the type of rotating machine as well as a general-purpose model, it is easy to apply to various rotating machines.

또한, 진동 원인별 확률, 진동 원인별 순위를 표시함으로써, 복합적인 문제도 진단할 수 있을 뿐만 아니라, 진동 현상에 대한 이해가 부족한 비전문가도 쉽고 빠르게 진동 결함과 원인을 인식할 수 있으므로, 빠른 대처가 가능한 이점이 있다.In addition, by displaying the probability for each vibration cause and the ranking for each vibration cause, not only can complex problems be diagnosed, but also non-experts who lack understanding of vibration phenomena can easily and quickly recognize vibration defects and causes, enabling quick response. There are possible advantages.

또한, 상기 특성 행렬과 상기 주파수 가중치 행렬의 곱으로 상기 진단 행렬을 도출하는 단순 구조를 구성하고 있으므로, 종래의 순차적 진단 모델에 비해 수정이 용이한 이점이 있다.In addition, since the diagnosis matrix is derived by multiplying the characteristic matrix and the frequency weighting matrix, it is easy to modify compared to the conventional sequential diagnosis 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 a vibration characteristic value or a vibration cause is to be added, there is an advantage in that the characteristic matrix or the weight matrix can be flexibly changed only by adding rows or columns.

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 the product of the weight matrix and the characteristic matrix as the input value, the change in the output value according to the weight adjustment is linear, so there is an advantage in that the weight of the weight matrix is easily adjusted.

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 embodiments shown in the drawings, this is only exemplary, and those skilled in the art will understand that various modifications and equivalent other embodiments are possible therefrom. Therefore, the true technical scope of protection of the present invention should be determined by the technical spirit of the appended claims.

Claims

A basic information input step of receiving basic information including at least a part of the size, type, rotational speed, number of blades, bearing information, and power frequency of the rotating machine to be diagnosed by the computer;
a vibration analysis data input step in which the computer receives vibration analysis data of the rotating machine;
a measuring step of measuring a vibration signal of the rotating machine by a sensor provided in the rotating machine during a trial operation of the rotating machine;
a diagnosis determination step in which the computer receives the vibration signal measured in the measurement step, compares the vibration signal with a preset vibration diagnosis reference range, and determines whether vibration diagnosis of the rotating machine is necessary;
If it is determined that vibration diagnosis is necessary in the diagnosis determination step, frequency characteristic values are extracted using the basic information, and frequency weights are given for each vibration cause preset according to the frequency characteristic values and a plurality of vibration causes. a frequency-based diagnosis step of deriving a frequency-based diagnosis result including a root cause of vibration and an initial value of a diagnosis score for each vibration cause;
Preset time-domain diagnostic characteristic values are extracted from the vibration signal measured in the measuring step, and a time-based vibration cause is derived from a database stored in advance according to the time-domain diagnostic characteristic values, and the frequency-based vibration cause is derived from among the time-based vibration causes. a time-based diagnosis step of deriving a time-based diagnosis result by assigning a predetermined time-domain diagnosis weight to the same vibration cause as
From the vibration analysis data, a frequency band of natural frequencies of the components constituting the rotating machine is extracted, and the frequency band of the natural frequencies is a vibration generation frequency band that generated the frequency-based vibration causes derived in the frequency-based diagnosis step. Vibration analysis base for comparing and deriving a vibration analysis based diagnosis result by assigning a preset analysis based diagnosis weight to a vibration cause including the vibration generation frequency band in the frequency band of the natural frequency among the frequency based vibration causes diagnosis step;
Diagnosis results derived from the frequency-based diagnosis step, the time-based diagnosis step, and the vibration analysis data-based diagnosis step are processed in parallel, and the frequency characteristic value, the time-domain diagnostic characteristic value, and the vibration analysis data are all reflected. a calculation step of calculating a cause, a diagnosis score for each vibration cause, a probability for each vibration cause, and a rank for each vibration cause;
And an output step of outputting the diagnosis score for each vibration cause calculated in the calculation step, the probability for each vibration cause, and the ranking for each vibration cause,
The vibration analysis data of the rotating machine is provided from a manufacturer or seller of the rotating machine, and is data obtained by analyzing lateral, torsional, and structural analysis of the rotating machine, and Among the components constituting the 1st to nth natural frequency and frequency band of the rotating body including the axis, and the 1st to nth natural frequency and frequency band of components other than the rotating body,
The time-based diagnosis step,
a time characteristic value extraction step of extracting the time domain diagnosis characteristic values from the vibration signal measured in the measuring step;
A time-based vibration source for deriving a time-based vibration cause related to a time-domain diagnostic characteristic value extracted in the time-characteristic value extraction process from a time-characteristic value match table in which time-domain diagnostic characteristic values for each n vibration causes stored in the database are matched in advance. derivation process,
A similarity determination process of determining similarity between the time-based vibration cause derived in the time-based vibration cause derivation process and the frequency-based vibration cause derived in the frequency-based diagnosis step;
When it is determined in the similarity determination process that the time-based vibration cause and the frequency-based vibration cause are identical, a time weighting process of assigning the time-domain diagnosis weight to the time-based vibration cause,
A method for diagnosing vibration of rotating machinery considering complex conditions.

The method of claim 1,
The frequency-based diagnosis step,
A characteristic matrix generation process of generating a 1×m characteristic matrix having m frequency characteristic values as components using the basic information;
By multiplying the characteristic matrix by an m×n frequency weighting matrix having the m frequency characteristic values and the m×n frequency weighting elements preset for the n vibration causes as components, the frequency weighting matrix for the vibration cause is A method for diagnosing vibration of a rotating machine considering complex conditions including a diagnosis matrix derivation process of deriving a diagnosis matrix of 1×n having diagnosis scores for each of n vibration causes applied with weights as components.

The method of claim 2,
The vibration signal is
A method for diagnosing vibration of a rotating machine considering a complex condition including a vibration speed level for each frequency band of a vibration signal in a measurement direction including an x-axis, a y-axis, and a z-axis of the rotating machine.

The method of claim 3,
The frequency characteristic value,
Considering complex conditions including at least some of the vibration level ratio for each measurement direction, the size of multiple components of the rotational speed, the size of the wing frequency, the size of the noise floor, the size of the power frequency component, and the size of the characteristic frequency component for each bearing defect location A method for diagnosing vibration in rotating machinery.

The method of claim 2,
The frequency weights are
A method for diagnosing vibration of a rotating machine considering complex conditions calculated from the data on the cause of vibration and the frequency characteristics and stored in advance in the database.

The method of claim 2,
The frequency weight matrix,
A method for diagnosing vibration of a rotating machine considering complex conditions generated by using a weight matrix generation model trained with the frequency characteristic values as input variables and the vibration cause as an output variable among learning data obtained through experiments or simulations.

The method of claim 1,
In the calculation step,
The probability for each vibration cause is calculated as a ratio of diagnosis scores for each vibration cause to the total sum of diagnosis scores for each of the preset n vibration causes.

The method of claim 1,
The time domain diagnostic characteristic value,
A method for diagnosing vibration of a rotating machine considering complex conditions including at least some of periodicity, shock waveform, and amplitude modulation of the vibration signal.

delete