Main Content

このページの翻訳は最新ではありません。ここをクリックして、英語の最新版を参照してください。

診断特徴デザイナーでのデータの処理と特徴の調査

この例では、特徴抽出の準備としてアプリでデータを処理する方法を示します。手順を対話的に進める場合は、診断特徴デザイナーでのアンサンブル データのインポートと可視化でインポートしたデータを使用してください。[セッションを開く] を使用して、指定したファイル名でセッション データを再読み込みします。

セッション データがない場合は、診断特徴デザイナーでのアンサンブル データのインポートと可視化のデータの読み込みとインポートの手順を実行してください。

予知保全アルゴリズムの開発における重要な手順に、状態インジケーターの特定があります。状態インジケーターは、その動作がシステムの劣化とともに予測可能な形で変化する、システム データの特徴です。状態インジケーターには、正常動作と故障動作の区別や残存耐用期間の予測に役立つ任意の特徴を指定できます。有用な特徴は、類似のシステム ステータスをクラスターにまとめ、異なるステータスを分離します。

診断特徴デザイナーで、それらの診断を提供する特徴を設計できます。

  • 一部の特徴については、インポートした信号をそのまま使用して特徴を生成できます。

  • それ以外の特徴については、意味のある結果を得るために、フィルター処理や平均化などの追加の信号処理を実行しなければなりません。

実行する処理は、特徴の計算上の要件とシステムおよびシステム データの特性の両方に応じて決まります。この例では、以下の方法を示します。

  • 特徴抽出に向けたデータの処理

  • さまざまなタイプの特徴の生成

  • ヒストグラムでの特徴の有効度の解釈

時間同期平均化の実行

このシステムのデータは、回転子部分があるトランスミッション システムを表します。変数には、シャフトの各回転の完了を正確にマークするタコメーターの出力が含まれます。そのため、このデータは時間同期平均化の理想的な候補になります。

時間同期平均化 (TSA) は、回転機からのデータを解析する一般的な手法です。TSA では、回転をそれぞれ平均化して、回転とコヒーレントでない外乱やノイズをフィルター処理で除外します。

TSA は、ギア歯の故障による摂動のような、回転するたびに繰り返される故障シグネチャを分離するのに役立ちます。元の振動信号ではなく TSA 信号から特徴を生成することで、回転に関する故障状態の区別がより明確になります。この利点は、回転機に固有の特徴でなくても当てはまります。

振動データの TSA を計算するには、まず、平均化する信号 [Vibration/Data] をデータ ブラウザーで選択します。次に、[フィルター処理と平均化]、[時間同期平均化] を選択します。

新しい [時間同期平均化] タブが表示されます。タブ セクションの上のアプリのタイトル バーに、処理中の信号である Vibration/Data が表示されます。

タコメーター信号があるため、[タコメーター信号][Tacho/Data] を選択します。[定格速度の計算 (rpm)] はオフにします。

[適用] をクリックすると、アンサンブルの 16 個のメンバーのそれぞれについて、TSA の計算が開始されます。計算の進行中は進行状況バーにステータスが表示されます。

計算が完了すると次のようになります。

  • インポートされた Ensemble1 データセットに新しい信号変数 Vibration_tsa がアプリによって追加されます。

  • 信号トレースで Vibration_tsa がプロットされます。このトレースの時間軸は 4 秒に満たない長さになります。元の振動データの長さは 30 秒でした。各メンバーの単一の回転の期間を反映して時間範囲が短くなっています。

  • メンバーのシャフト速度の発散が発生します。この発散は、回転におけるピークのずれが増えていること、およびメンバーのトレースがそれぞれ異なる時間に停止していることに明確に表れています。

パワー スペクトルの計算

時間領域の特徴の生成を開始するために必要な情報は TSA 信号から提供されますが、スペクトルの特徴を調べるにはスペクトルを提供しなければなりません。パワー スペクトルを生成するには、新しい TSA 信号 Vibration_tsa/Data をデータ ブラウザーで選択します。次に、[スペクトル推定] をクリックしてスペクトルのオプションを表示します。それらのオプションから、[自己回帰モデル] を選択します。

[自己回帰モデル] タブには、変更できるパラメーターがあります。[適用] をクリックして既定値を受け入れます。

パワー スペクトルの処理により、新しい変数 Vibration_ps/SpectrumData が追加されます。関連付けられたアイコンは周波数応答を表します。

データ ブラウザーでスペクトルの名前にカーソルを合わせると、新しいスペクトルのソース (新しいスペクトルが導出された元の信号) を確認できます。次の図は、このツールヒントの情報を示したものです。信号のソースが Vibration_tsa/Data で、そのソースが Vibration/Data であることが示されています。

スペクトルのプロットがプロット領域に表示されます。[信号トレース] と同様、[パワー スペクトル] タブにはプロットのオプションがあります。これらのオプションは [信号トレース] と同様です。[パナー] は時間でのみ機能し、周波数では機能しないため、[パナー] オプションはありません。

特徴の生成

信号特徴

TSA 信号をソースとして使用して、一般的なデータの統計に基づいて特徴を生成します。[時間領域の特徴]、[信号の特徴] を選択します。

特徴を作成するときは、あらかじめデータ ブラウザーでソース信号を選択するのではなく、特徴の指定の一部としてソース信号を選択します。[信号][Vibration_tsa/Data] に変更します。既定では、すべての特徴が選択されています。[形状係数][信号処理のメトリクス] の選択を解除します。

選択されているすべての特徴について、各アンサンブル メンバーの値がアプリで計算され、ヒストグラムに結果が表示されます。各ヒストグラムには、ビンの範囲内に入る特徴値の数を含むビンがあります。[ヒストグラム] タブには、ヒストグラムの内容と分解能を決定するパラメーターが表示されます。

ヒストグラムでは、[グループ化] の状態変数 [faultCode] に応じてデータがグループ化 (色分け) されます。凡例に示されているように、青色のデータは健全で、オレンジ色のデータは故障です (色分けはセッションによって異なる場合があります)。健全ラベルと故障ラベルがオーバーラップする特徴値は、青色とオレンジ色のオーバーラップによって色が茶色になります。

青色のデータとオレンジ色のデータが明確に区別されているのはどれかを評価すれば、どの特徴が効果的であるかが大まかにわかります。RMSCrestFactor は効果的であるように見えます。オーバーラップしている領域がわずかしかありません。一方、SkewnessKurtosis はオーバーラップが多くなっています。これらの特徴は、このデータとこの状態変数については効果的でないように見えます。

既定では、アプリは、特徴テーブルのすべての特徴についてのヒストグラムをプロットします。[特徴の選択] を選択すると、ヒストグラムのサブセットに絞り込むことができます。[特徴の選択] を使用して、ヒストグラム プロットを特徴テーブルの最初の 4 つに制限します。

ヒストグラムのビューに、選択した特徴のみが含まれるようになります。

[ヒストグラム] タブのパラメーターを使用してヒストグラムの外観を制御します。このタブは、ヒストグラムを生成すると有効になります。CrestFactor の特徴では、健全と不健全のデータがほぼ完全に区別して表示されています。この結果に分解能が影響するかどうかを調べます。[ヒストグラム] タブで、ビンの幅が [自動] に設定されています。これにより、CrestFactor の分解能は 0.1 になっています。ビンの幅を「0.05」と入力し、[適用] をクリックします。

この分解能では、CrestFactorImpulseFactor の両方で健全データと故障データが完全に区別して表示されます。ClearanceFactor には混在したデータがまだ一部ありますが、その度合いはビンの幅が大きいときに比べれば小さくなっています。Kurtosis は、ビンの幅の設定が [自動] のときの方が、ビンの幅が 0.002 と小さくなっていました。ビンの幅を 0.05 に変更したことで、Kurtosis のすべてのデータが単一のビンに含まれる結果になっています。

ヒストグラムは、特徴の健全データと不健全データを区別する能力を可視化します。"グループ距離" を使用して数値による評価も確認できます。グループ距離は、健全データと不健全データの分布間の分離を表します。[Group Distance] をクリックします。ダイアログ ボックスの [特徴のグループ化を表示][CrestFactor] を選択します。

KS 統計量で表されるグループ距離は 1 です。この確率値は完全な分離を表します。

次に、[Kurtosis] を選択します。[Kurtosis] のヒストグラムには、混在がかなり見られました。

ここでは、KS 統計量は約 0.6 で、ヒストグラムにおける混在を反映しています。

[ビンの幅][auto] に戻します。

回転機の特徴

回転機があるため、回転機の特徴を計算します。[時間領域の特徴]、[回転機の特徴] を選択します。回転機のダイアログ ボックスで、解析する TSA 信号を選択し、TSA 信号のメトリクスを選択します。

ダイアログ ボックスの他の特徴の選択肢では、フィルター処理された TSA の差分信号と通常の信号をソースとして使用します。差分信号と通常の信号の計算では共通のシャフト速度が前提となるため、この例では、それらの信号に基づく特徴は使用しません。

新しい特徴が特徴テーブルと [特徴の選択] のリストにアプリで自動的に追加され、新しいヒストグラムのプロットがヒストグラムの表示の一番上に表示されます。CrestFactorKurtosis のヒストグラムは、信号の特徴の計算でも回転機の特徴の計算でも TSA 信号をソースとして使用したため、どちらの特徴として計算したかに関係なく本質的に同じになります。

スペクトルの特徴

前に生成したパワー スペクトルからスペクトルの特徴を計算します。[スペクトルの特徴] をクリックします。[スペクトル][Vibration_ps/SpectrumData] を選択します。

周波数帯域を設定します。スペクトルの特徴のダイアログ ボックスを開くと、パワー スペクトルの x スケールが対数から線形に自動的に変わります。周波数のスライダーを動かすと、そのスライダーの設定がカバーする領域がプロットにおいて影付きで表示されます。パワー スペクトルのピークを効率的に取得するには、周波数範囲を約 10 Hz に制限します。

3 つのいずれの特徴のヒストグラムにおいても、1 つ以上のビンに健全データと不健全データの混在がかなり見られます。

これで、さまざまな特徴のセットが得られました。

セッション データを保存します。このデータは、診断特徴デザイナーでの特徴のランク付けとエクスポートの例を実行するために必要になります。

次のステップ

次のステップでは、それらの特徴をランク付けして、システムの状態を最も適切に示すものを特定します。詳細については、診断特徴デザイナーでの特徴のランク付けとエクスポートを参照してください。

参考

関連するトピック