JP7456366B2 - 診断装置、測定装置、診断方法、および診断プログラム - Google Patents

Description

本発明は、診断装置、測定装置、診断方法、および診断プログラムに関する。

特許文献１は、渦流量計を開示する。特許文献１の渦流量計は、管路６に流れる被測定流体が渦発生体７にぶつかることにより発生するカルマン渦による渦発生体７の交番的な微小変形を圧電素子８１、８２により検出し、単位時間に発生するカルマン渦の数が流速に比例することから、検出した微小変形を用いて被測定流体の流量を測定する（段落０００２～０００７等）。

特許文献２には、「渦発生体によって発生する渦信号を検出する２つの検出部から出力される第１及び第２渦信号を用いて渦流量信号と共に前記第１及び第２渦信号の信号比を出力する渦流量計」について、「前記信号比を前記機器管理ツールで収集して前記渦流量計の詰まりの予知診断をする」ことが記載されている（請求項１）。

特許文献３には、「渦信号をデジタル化してこれを高速フ－リエ変換して周波数領域に変換しこの周波数領域に設定された判定手段でノイズの有無を判定するようにした」渦流量計が記載されている（段落００２７）。
［先行技術文献］
［特許文献］
［特許文献１］ 特開２００３－４４９７号公報
［特許文献２］ 特開２００８－７０２９２号公報
［特許文献３］ 特開平５－７９８７０号公報

本発明の第１の態様においては、診断装置を提供する。診断装置は、渦発生体と、渦発生体によって発生される渦に応じた少なくとも１つの検出信号を検出する検出部とを有する渦流量計によって検出された少なくとも１つの検出信号のうちの少なくとも１つの対象検出信号のそれぞれの信号成分の大きさ、または少なくとも１つの検出信号のうちの２以上を線形結合した結合信号の少なくとも１つの信号成分の大きさの判定結果を用いて、渦流量計の状態を診断する診断部を備えてよい。

診断部は、結合信号の信号成分の大きさを閾値と比較することによって得られる判定結果に基づいて、渦流量計の状態を診断してよい。

診断装置は、結合信号の信号成分の大きさを渦周波数により正規化する正規化部を備えてよい。

診断部は、結合信号の信号成分の正規化された大きさが、第１閾値以下であるとの判定結果に基づいて、渦流量計が異常であると診断してよい。

診断部は、結合信号の信号成分の正規化された大きさが、第１閾値を超え、かつ第２閾値以下であるとの判定結果に基づいて、渦流量計が異常となると予知してよい。

診断装置は、結合信号の信号成分の正規化された大きさの履歴を用いて、第１閾値を学習により生成する学習処理部を更に備えてよい。

診断装置は、結合信号の信号成分の正規化された大きさの時系列データを記憶する時系列データ記憶部を備えてよい。診断装置は、時系列データを表示するための表示処理を行う表示処理部を備えてよい。

診断部は、少なくとも１つの対象検出信号のそれぞれの信号成分の大きさの変化の判定結果に基づいて、渦流量計の状態を診断してよい。

診断部は、少なくとも１つの対象検出信号のそれぞれの、渦周波数に応じた信号成分の大きさの変化の判定結果に基づいて、渦流量計の状態を診断してよい。

診断装置は、過去における少なくとも１つの対象検出信号のそれぞれの、渦周波数に応じた信号成分の大きさを渦周波数に対応付けた履歴データを記憶する履歴記憶部を備えてよい。診断部は、履歴データに含まれる、診断の対象となる少なくとも１つの対象検出信号の渦周波数に相当する渦周波数に対応づけられた信号成分の大きさと、診断の対象となる少なくとも１つの対象検出信号の信号成分の大きさとの差の判定結果に基づいて、渦流量計の状態を診断してよい。

診断装置は、少なくとも１つの対象検出信号のそれぞれの信号成分の大きさを渦周波数により正規化する正規化部を備えてよい。

診断部は、少なくとも１つの対象検出信号のそれぞれの信号成分の正規化された大きさが、少なくとも１つの対象検出信号のそれぞれに応じた第１閾値以下であるとの判定結果に基づいて、渦流量計が異常であると診断してよい。

本発明の第２の態様によれば、診断装置と、渦流量計とを備える測定装置を提供する。

本発明の第３の態様によれば、診断方法を提供する。診断方法は、渦発生体と、渦発生体によって発生される渦に応じた少なくとも１つの検出信号を検出する検出部とを有する渦流量計によって検出された少なくとも１つの検出信号のうちの少なくとも１つの対象検出信号のそれぞれの信号成分の大きさ、または少なくとも１つの検出信号のうちの２以上を線形結合した結合信号の少なくとも１つの信号成分の大きさを取得することを備えてよい。診断方法は、信号成分の大きさの判定結果を用いて、渦流量計の状態を診断することを備えてよい。

本発明の第４の態様によれば、コンピュータにより実行される診断プログラムを提供する。診断プログラムは、コンピュータを、渦発生体と、渦発生体によって発生される渦に応じた少なくとも１つの検出信号を検出する検出部とを有する渦流量計によって検出された少なくとも１つの検出信号のうちの少なくとも１つの対象検出信号のそれぞれの信号成分の大きさ、または少なくとも１つの検出信号のうちの２以上を線形結合した結合信号の少なくとも１つの信号成分の大きさの判定結果を用いて、渦流量計の状態を診断する診断部として機能させてよい。

なお、上記の発明の概要は、本発明の特徴の全てを列挙したものではない。また、これらの特徴群のサブコンビネーションもまた、発明となりうる。

本実施形態に係る測定装置５の構成を示す。 本実施形態に係る渦流量計１０における、渦による振動を検出するための構造、および渦発生体２０に発生する応力分布の一例を示す。 本実施形態に係る渦流量計１０の動作フローを示す。 本実施形態に係る診断装置１９０の構成を示す。 本実施形態に係る診断装置１９０による渦流量計１０の診断フローを示す。 本実施形態に係る診断装置１９０による渦流量計１０の診断例を示すグラフである。 本実施形態に係る診断装置１９０による渦流量計１０の、将来の状態の予測例を示すグラフである。 本実施形態に係る診断装置１９０の学習処理フローを示す。 本実施形態の変形例に係る診断装置９９０の構成を示す。 本実施形態に変形例に係る診断装置９９０による渦流量計１０の診断フローを示す。 本発明の複数の態様が全体的または部分的に具現化されてよいコンピュータ２２００の例を示す。

以下、発明の実施の形態を通じて本発明を説明するが、以下の実施形態は特許請求の範囲にかかる発明を限定するものではない。また、実施形態の中で説明されている特徴の組み合わせの全てが発明の解決手段に必須であるとは限らない。

図１は、本実施形態に係る測定装置５の構成を示す。測定装置５は、渦流量計１０と、診断装置１９０とを備える。本実施形態において、渦流量計１０は、特許文献１または２に記載の渦流量計と同一または類似の構成をとってよい。渦流量計１０は、渦発生体２０と、検出部３０と、１または複数のチャージコンバータ１００ａ～ｂ（「チャージコンバータ１００」とも示す。）と、１または複数のＡ／Ｄコンバータ１１０ａ～ｂ（「Ａ／Ｄコンバータ１１０」とも示す。）と、ゲートアレイ１２０と、ＣＰＵ１６０と、出力回路１７０と、表示部１８０とを有する。

渦発生体２０は、被測定流体を流す管路内に設けられる。検出部３０は、管路内を流れる被測定流体が渦発生体２０にぶつかることで、渦発生体２０によって発生される渦（カルマン渦）に応じた少なくとも１つの検出信号を検出する。本実施形態において、検出部３０は、図２を用いて後述するように、渦発生体２０の異なる２箇所に設けた２つの圧電素子によって検出された第１検出信号および第２検出信号を出力する。本実施形態においては、各圧電素子は、渦発生体２０における各圧電素子が設けられた箇所における応力に応じた電荷を検出信号として出力する。

１または複数のチャージコンバータ１００は、検出部３０に接続され、少なくとも１つの検出信号の電荷を電圧信号に変換することにより、電圧形式の少なくとも１つの検出信号に変換する。本実施形態においては、チャージコンバータ１００ａは、第１検出信号を電圧信号に変換し、チャージコンバータ１００ｂは、第２検出信号を電圧信号に変換する。なお、検出部３０が電圧形式または電流形式の検出信号を出力する場合には、チャージコンバータ１００ａ～ｂは不要である。

１または複数のＡ／Ｄコンバータ１１０は、１または複数のチャージコンバータ１００にそれぞれ接続され、電圧形式の少なくとも１つの検出信号を、デジタル形式の少なくとも１つの検出信号に変換する。本実施形態においては、Ａ／Ｄコンバータ１１０ａは、第１検出信号をデジタル信号に変換し、Ａ／Ｄコンバータ１１０ｂは、第２検出信号をデジタル信号に変換する。

ゲートアレイ１２０は、１または複数のＡ／Ｄコンバータ１１０に接続される。ゲートアレイ１２０は、１または複数のスペクトル分析器１２５ａ～ｂ（「スペクトル分析器１２５」とも示す。）と、加算器１３０と、スペクトル分析器１３５と、バンドパスフィルタ１４０と、シュミットトリガ１４５と、カウンタ１５０とを含む。なお、本実施形態においては、これらの回路が１つのゲートアレイ１２０に実装されるが、これらの各回路のうちの少なくとも１つが別のＩＣ等に実装されてもよく、少なくとも一部がＣＰＵ１６０等においてプログラムを実行することによって実現されてもよい。

１または複数のスペクトル分析器１２５は、１または複数のＡ／Ｄコンバータ１１０に接続される。１または複数のスペクトル分析器１２５は、１または複数のＡ／Ｄコンバータ１１０からそれぞれ入力されるデジタル形式の検出信号のスペクトル分析を行う。スペクトル分析器１２５ａは、第１検出信号を、渦周波数の測定対象となる全周波数帯（例えば０～１５ＫＨｚ）を分割した複数の周波数のバンド（例えばオクターブバンド）に分解し、各バンドの信号強度を出力する。スペクトル分析器１２５ｂは、第２検出信号を複数の周波数のバンドに分解し、各バンドの信号強度を出力する。

加算器１３０は、１または複数のＡ／Ｄコンバータ１１０およびＣＰＵ１６０に接続される。加算器１３０は、少なくとも１つの検出信号のうちの２以上を、ＣＰＵ１６０から設定されるノイズ比を用いて線形結合して、結合信号として出力する。これにより、加算器１３０は、少なくとも１つの検出信号に含まれるノイズ成分を相殺して除去し、渦によって発生する渦信号の成分を含む結合信号（「渦流量信号ＳＱ」とも示す。）を出力することができる。

スペクトル分析器１３５は、加算器１３０に接続される。スペクトル分析器１３５は、渦流量信号ＳＱのスペクトル分析を行う。スペクトル分析器１３５は、渦流量信号ＳＱを複数の周波数のバンドに分解し、各バンドの信号強度を出力する。そして、スペクトル分析器１３５は、複数の周波数のバンドのうち、周波数の２乗に比例する感度曲線を基準とした信号強度が最も高い周波数のバンドを、バンドパスフィルタ１４０の通過周波数帯域としてバンドパスフィルタ１４０に設定する。ここで、カルマン渦による振動の大きさは、流速の２乗に比例（すなわち渦周波数の２乗に比例）することから、スペクトル分析器１３５は、周波数の２乗に比例する感度曲線を基準とした場合に信号強度が最大となる周波数のバンドを、カルマン渦によって発生する渦信号が含まれる周波数のバンドであると特定する。なお、スペクトル分析器１３５は、特許文献２に記載の方法を用いて、カルマン渦によって発生する渦信号が含まれる周波数のバンドを特定してもよい。

バンドパスフィルタ１４０は、加算器１３０およびスペクトル分析器１３５に接続される。バンドパスフィルタ１４０は、渦流量信号ＳＱにおける、スペクトル分析器１３５から設定された通過周波数帯域内の信号成分を通過させ、帯域外の信号成分を低減または除去する。これにより、バンドパスフィルタ１４０は、渦流量信号ＳＱのうち周波数の２乗に比例する感度曲線を基準とした信号強度が最も高くなる、単位時間に発生するカルマン渦の数に応じた周波数を有するバンドパス信号を出力する。一例として、このバンドパス信号は、図中（ａ）に示したように、ほぼサイン波形状を有する信号である。このように、スペクトル分析器１３５およびバンドパスフィルタ１４０は、少なくとも１つの検出信号のうちの２以上を線形結合した結合信号（渦流量信号ＳＱ）から、周波数の２乗に比例する感度曲線を基準とした信号強度が最も高い周波数成分（すなわち渦周波数に応じた周波数成分）を抽出する抽出部として機能する。

シュミットトリガ１４５は、バンドパスフィルタ１４０に接続される。シュミットトリガ１４５は、バンドパスフィルタ１４０を通過した渦流量信号ＳＱを、同一の周波数を有するパルス信号に変換する。カウンタ１５０は、シュミットトリガ１４５に接続される。カウンタ１５０は、シュミットトリガ１４５が出力するパルス信号をカウントすることにより、単位時間当たりのパルス数（すなわち周波数）を計測する。このように、シュミットトリガ１４５およびカウンタ１５０は、スペクトル分析器１３５およびバンドパスフィルタ１４０によって抽出された結合信号における、渦周波数に応じた周波数成分の周波数を計測する周波数計測部として機能する。

ＣＰＵ１６０は、１または複数のスペクトル分析器１２５と、スペクトル分析器１３５と、カウンタ１５０とに接続される。ＣＰＵ１６０は、各検出信号のスペクトル分析結果を各スペクトル分析器１２５から受け取って、スペクトル分析結果に基づいて、ノイズ比を算出するノイズ比演算部として機能する。ＣＰＵ１６０は、算出したノイズ比を加算器１３０へと設定する。

また、ＣＰＵ１６０は、バンドパスフィルタ１４０を通過した渦流量信号ＳＱの単位時間当たりのパルス数をカウンタ１５０から受け取る。ＣＰＵ１６０は、流量算出部または流速算出部として機能し、渦流量信号ＳＱの単位時間当たりのパルス数によって表される渦周波数から流量または流速を算出する。ＣＰＵ１６０は、算出した流量または流速を出力回路１７０および表示部１８０へと出力する。また、ＣＰＵ１６０は、スペクトル分析器１３５によるスペクトル分析結果をスペクトル分析器１３５から受け取る。

出力回路１７０は、ＣＰＵ１６０に接続される。出力回路１７０は、渦流量計１０により測定された流量または流速をＣＰＵ１６０から受け取って、測定された流量または流速を、例えばＨＡＲＴ（登録商標）、ＢＲＡＩＮ、ファウンデーションフィールドバス（登録商標）、ＩＳＡ１００．１１ａ等で規定される通信プロトコルを用いて、上位の制御装置またはヒューマンインターフェイス装置へと送信する。表示部１８０は、測定された流量または流速をＣＰＵ１６０から受け取って表示する。

診断装置１９０は、渦流量計１０に接続される。診断装置１９０は、渦流量計１０の診断機能を有する専用ハードウェアまたは専用コンピュータによって実現されてよい。これに代えて、診断装置１９０は、ＰＣ（パーソナルコンピュータ）、タブレット型コンピュータ、スマートフォン、ワークステーション、サーバコンピュータ、または汎用コンピュータ等のコンピュータにより実現されてもよい。また、診断装置１９０は、インターネット等のネットワークを介して渦流量計１０に接続され、渦流量計１０の診断と、これに加えて任意で渦流量計１０を用いた流量または流速の計測、計測結果の解析、または計測結果に応じた設備の制御等とを行うクラウドサービスを提供するクラウドコンピューティングシステムにより実現されてもよい。診断装置１９０がコンピュータによって実現される場合、診断装置１９０は、コンピュータで診断装置１９０用の診断プログラムを実行することにより、診断装置１９０の各種機能を提供してもよい。

診断装置１９０は、少なくとも１つの検出信号のうちの少なくとも１つの対象検出信号のそれぞれの信号成分の大きさ、または少なくとも１つの検出信号のうちの２以上を線形結合した結合信号の少なくとも１つの信号成分の大きさ、すなわち信号成分の振幅または信号強度等、を受け取って判定し、判定結果を用いて渦流量計１０の状態を診断する。

なお、本実施形態において、診断装置１９０は、渦流量計１０に接続される、渦流量計１０とは別体の装置である。これに代えて、診断装置１９０は、渦流量計１０と一体化されて測定装置５として実現されてもよい。また、診断装置１９０は、渦流量計１０における、例えばゲートアレイ１２０の少なくとも一部またはＣＰＵ１６０の機能の少なくとも一部のような診断に必要なデータを生成する構成要素に対応する構成要素を、渦流量計１０と重複して有してもよい。

図２は、本実施形態に係る渦流量計１０における、（Ａ）渦による振動を検出するための構造、および、（Ｂ）渦発生体２０に発生する応力分布の一例を示す。本実施形態において、渦発生体２０は、管路１６に垂直に配置される。管路１６に流れる被測定流体が渦発生体２０にぶつかるとカルマン渦が発生し、そのため渦発生体２０には交番的な揚力が加わって微小変形する。

検出部３０は、管路１６の外側において、渦発生体２０に設けられた１または複数の圧電素子３４ａ～ｂ（「圧電素子３４」とも示す。）を含む。本実施形態においては、複数の圧電素子３４ａ～ｂが、渦発生体２０の延伸方向（管路１６に垂直な方向）の異なる位置に埋め込まれる等により配置される。第１圧電素子３４ａは、第２圧電素子３４ｂに対して、管路１６からより離れた位置に配置される。各圧電素子３４は、各圧電素子３４が設けられた箇所における渦発生体２０の微小変形を検出し、電荷信号として出力する。単位時間に発生するカルマン渦の数は流速に比例するので、渦流量計１０は、検出部３０の検出信号を用いて被測定流体の流量を測定することができる。

なお、検出部３０は、圧電素子３４に代えて、他の方法により渦発生体２０の微小変形または振動を検出するセンサを有してもよい。また、圧電素子３４は、渦発生体２０に配置されるのに代えて、カルマン渦による振動を受けるように渦発生体２０の下流に配置されてもよい。

ここで、各圧電素子３４は、カルマン渦による信号だけでなく、管路１６の振動等によって発生するノイズも検出する。図２（Ｂ）は、図２（Ａ）に示した渦発生体２０の延伸方向の各位置における、カルマン渦による応力と振動等のノイズによる応力との分布（応力分布）の一例を示す。図中Ｓはカルマン渦による応力分布を示し、Ｎはノイズの応力分布を示す。図に示したように、これらの応力分布はかなり異なっている。

第１圧電素子３４ａは、第１圧電素子３４ａが設けられた位置における、カルマン渦による応力に応じた渦信号Ｓ１およびノイズによる応力に応じたノイズＮ１を合わせた第１検出信号を出力する。また、第２圧電素子３４ｂは、第２圧電素子３４ｂが設けられた位置における、カルマン渦による応力に応じた渦信号Ｓ２およびノイズによる応力に応じたノイズＮ２を合わせた第２検出信号を出力する。

ここで、第１検出信号をＱ１、第２検出信号をＱ２とすると、これらの信号は以下の式（１）および（２）で表すことができる。
Ｑ１＝Ｓ１＋Ｎ１ （１）
Ｑ２＝Ｓ２＋Ｎ２ （２）

ここで、Ｓ１、Ｓ２は渦信号成分、Ｎ１、Ｎ２はノイズ成分である。第１検出信号および第２検出信号における渦信号成分の比Ｓ１／Ｓ２と、ノイズ成分の比Ｎ１／Ｎ２とは図２（Ｂ）に示したように異なるので、式（２）にノイズ比（Ｎ１／Ｎ２）を乗算して式（１）から減じることによりノイズ成分を相殺し、以下の式（３）に示す渦流量信号ＳＱを得ることができる。
ＳＱ＝Ｑ１－（Ｎ１／Ｎ２）×Ｑ２
＝Ｓ１＋Ｎ１－（Ｎ１／Ｎ２）（Ｓ２＋Ｎ２）
＝Ｓ１－（Ｎ１／Ｎ２）×Ｓ２
＝Ｓ１－γ×Ｓ２ （３）

ここで、ノイズ比γ＝Ｎ１／Ｎ２が既知の定数であれば、渦流量信号ＳＱはノイズ成分を含まず、渦信号成分Ｓ１、Ｓ２のみを含むものとなる。本実施形態に係るＣＰＵ１６０は、各スペクトル分析器１２５から受け取る各検出信号のスペクトル分析結果に基づいて、ノイズ比γを算出する。

図３は、本実施形態に係る渦流量計１０の動作フローを示す。ステップ３００（Ｓ３００）において、渦流量計１０は、検出部３０、各チャージコンバータ１００、および各Ａ／Ｄコンバータ１１０を用いて少なくとも１つの検出信号を取得する。

Ｓ３１０において、各スペクトル分析器１２５は、そのスペクトル分析器１２５に対応する検出信号のスペクトル分析を行う。各スペクトル分析器１２５は、特許文献２に記載のバンド増幅器２３および２４と同様に、渦流量計１０が対象とする全周波数帯を分割した複数の周波数帯（バンド）に１対１に対応付けられた複数の増幅器ＡＭＰ１～ｎを有し、各増幅器ＡＭＰが、検出信号における割り当てられた周波数帯内の信号成分を増幅し、帯域外の信号成分を低減または除去する構成をとってよい。これにより、スペクトル分析器１２５は、検出信号を周波数帯毎に分割することができる。そして、スペクトル分析器１２５は、検出信号の、周波数帯毎の信号成分の大きさを算出する。これに代えて、各スペクトル分析器１２５は、検出信号をフーリエ変換することによって周波数領域の信号に変換することで、周波数帯毎の検出信号の大きさを算出してもよい。

Ｓ３２０において、ＣＰＵ１６０は、各スペクトル分析器１２５によるスペクトル分析結果に基づいて、ノイズ比γを算出する。ＣＰＵ１６０は、特許文献２に記載の演算手段２６と同様にして、ノイズ比γを算出してよい。

本実施形態に係るＣＰＵ１６０は、１または複数の圧電素子３４のうち、管路１６から最も遠い圧電素子３４ａからの検出信号の周波数帯毎の信号成分の中で、周波数の２乗に比例する感度曲線を基準とした信号強度が最も高い信号成分を除いて次に高い信号成分が含まれる周波数帯を、ノイズが重畳された周波数帯とみなす。そして、ＣＰＵ１６０は、ノイズが重畳された周波数帯における、第１検出信号および第２検出信号の比をノイズ比γとして算出する。これに代えて、ＣＰＵ１６０は、周波数の２乗に比例する感度曲線を基準とした信号強度が最も高い信号成分を除く他のいずれかの周波数帯を、ノイズが重畳された周波数帯とみなしてノイズ比γを算出してもよい。

ＣＰＵ１６０は、算出したノイズ比γを加算器１３０に設定する。なお、ＣＰＵ１６０は、ノイズが重畳された周波数帯を特定するために、検出信号の周波数帯毎の信号成分の大きさを、その周波数帯の中心周波数の２乗により除算した値の大小を比較することにより、ノイズが重畳された周波数帯を特定してもよい。また、ＣＰＵ１６０は、新たに検出信号を取得する度にノイズ比γを更新するのではなく、例えば一定期間おき等にノイズ比γを更新してよい。

Ｓ３３０において、加算器１３０は、複数の検出信号のうちの２以上を、ノイズ比γを用いて重み付け和をとることによって線形結合して、渦信号の成分を含む渦流量信号ＳＱを生成する。本実施形態において、加算器１３０は、式（３）で示したように、第２検出信号Ｑ２を－γ倍して第１検出信号Ｑ１に加えることにより、渦流量信号ＳＱを生成する。

Ｓ３４０において、スペクトル分析器１３５は、渦流量信号ＳＱのスペクトル分析を行って、渦流量信号ＳＱを複数の周波数のバンドに分解した各バンドの信号強度を算出する。そして、スペクトル分析器１３５は、複数の周波数のバンドのうち、周波数の２乗に比例する感度曲線を基準とした信号強度が最も高い周波数のバンドを、バンドパスフィルタ１４０の通過周波数帯域としてバンドパスフィルタ１４０に設定する。ここで、スペクトル分析器１３５は、各バンドの信号強度をそのバンドの中心周波数の２乗により除算した値が最も高いバンドを、バンドパスフィルタ１４０の通過周波数帯域としてもよい。

Ｓ３５０において、バンドパスフィルタ１４０は、渦流量信号ＳＱにおける、スペクトル分析器１３５により設定された通過周波数帯域内の信号成分を通過させ、帯域外の信号成分を低減または除去する。Ｓ３６０において、シュミットトリガ１４５およびカウンタ１５０は、バンドパスフィルタ１４０を通過した渦流量信号ＳＱの周波数（渦周波数）を計測する。

Ｓ３７０において、ＣＰＵ１６０は、シュミットトリガ１４５およびカウンタ１５０により計測された渦流量信号ＳＱの周波数から流量または流速を算出する。Ｓ３８０において、出力回路１７０および表示部１８０は、算出された流量または流速を出力および表示する。

以上に示した渦流量計１０は、２つの検出信号Ｑ１およびＱ２を、ノイズ比γを用いて線形結合することにより渦流量信号ＳＱを生成した。これに代えて、渦流量計１０は、３以上の検出信号を線形結合してノイズ成分を相殺することにより渦流量信号ＳＱを生成してもよい。

また、渦流量計１０は、１つの圧電素子３４からの検出信号を用いて流量または流速を測定するものであってもよい。この場合、渦流量計１０は、圧電素子３４、チャージコンバータ１００、およびＡ／Ｄコンバータ１１０を１組有し、スペクトル分析器１２５および加算器１３０は有しなくてもよい。スペクトル分析器１３５およびバンドパスフィルタ１４０は、１つの検出信号を入力し、その検出信号のうち周波数の２乗に比例する感度曲線を基準とした信号強度が最も高くなる、単位時間に発生するカルマン渦の数に応じた周波数を有するバンドパス信号を出力する。シュミットトリガ１４５およびカウンタ１５０は、バンドパスフィルタ１４０を通過した検出信号の周波数を計測する。このような構成においては、渦流量計１０は、検出信号のノイズ成分を相殺しない。しかし、検出信号中にノイズ成分と比較して十分に大きな渦信号成分が含まれていれば、渦流量計１０は、圧電素子３４を１つのみ有する構成を用いて被測定流体の流量または流速を測定することができる。

図４は、本実施形態に係る診断装置１９０の構成を示す。診断装置１９０は、取得部４００と、測定データ記憶部４１０と、正規化部４２０と、診断部４３０と、時系列データ記憶部４４０と、診断結果出力部４５０と、表示装置４７０と、学習処理部４８０とを有する。

取得部４００は、渦流量計１０のＣＰＵ１６０に接続される。取得部４００は、結合信号（渦流量信号ＳＱ）の信号成分の大きさ、および渦流量計１０が計測した渦周波数を含む測定データを渦流量計１０から取得する。ここで、診断装置１９０は、スペクトル分析器１３５による渦流量信号ＳＱのスペクトル分析結果をＣＰＵ１６０を介して取得することにより、渦流量信号ＳＱが含まれる周波数帯の信号強度を取得してよい。

測定データ記憶部４１０は、取得部４００に接続され、取得部４００が取得した測定データを格納する。正規化部４２０は、測定データ記憶部４１０に接続される。正規化部４２０は、測定データ記憶部４１０に格納された測定データに含まれる、渦流量信号ＳＱの信号成分の大きさを渦周波数により正規化する。ここで、前述したように、カルマン渦による振動の大きさは流速の２乗に比例することに起因して、渦流量信号ＳＱの信号成分の大きさは渦周波数の２乗に比例する。そこで、正規化部４２０は、渦流量信号ＳＱの信号成分の大きさを、渦周波数の２乗で除算することにより、渦周波数に依存しない信号成分の大きさに変換する。

診断部４３０は、正規化部４２０に接続される。診断部４３０は、渦流量信号ＳＱの信号成分の正規化された大きさを閾値と比較することによって得られる判定結果に基づいて、渦流量計１０の状態を診断する。また、診断部４３０は、渦流量信号ＳＱの信号成分の正規化された大きさの推移を時系列データ記憶部４４０から取得して、その推移を用いて将来における渦流量計１０の状態を予測する。

時系列データ記憶部４４０は、診断部４３０に接続される。時系列データ記憶部４４０は、渦流量信号ＳＱの信号成分の正規化された大きさおよび渦流量計１０の状態の診断結果の時系列データを記憶する。

診断結果出力部４５０は、時系列データ記憶部４４０に接続される。診断結果出力部４５０は、時系列データ記憶部４４０に格納された、渦流量計１０の状態の診断結果を含む時系列データを出力する。診断結果出力部４５０は、例えば渦流量計１０が配置されたプラント等を制御または管理する上位の装置に対して、渦流量計１０の状態の診断結果を含む時系列データを出力してよい。また、診断結果出力部４５０は、表示処理部４６０を含んでよい。表示処理部４６０は、渦流量計１０の状態の診断結果を含む時系列データを表示装置４７０に表示させるための処理（表示画面またはウェブページの生成等）を行う。表示装置４７０は、診断結果出力部４５０に接続され、表示処理部４６０によって生成された表示画面等を表示する。表示装置４７０は、診断装置１９０の外部（例えば診断装置１９０から離れた場所）に設けられ、表示処理部４６０によって生成された表示画面等をネットワークを介して受信して表示してもよい。

学習処理部４８０は、時系列データ記憶部４４０に接続される。学習処理部４８０は、時系列データ記憶部４４０に格納された、渦流量信号ＳＱの信号成分の正規化された大きさの履歴を用いて、診断部４３０が使用する閾値等を含む判定基準を学習により生成する。本実施形態において、学習処理部４８０は、渦流量計１０が正常であった期間（正常期間）または異常であった期間（異常期間）の少なくとも１つの入力を受けて、時系列データ記憶部４４０が格納する時系列データにおける各時点のデータに正常または異常のアノテーションを付加する。そして、学習処理部４８０は、アノテーションを付加した時系列データを用いて、判定基準を学習により生成する。

図５は、本実施形態に係る診断装置１９０による渦流量計１０の診断フローを示す。Ｓ５００において、取得部４００は、渦流量信号ＳＱの信号成分の大きさ、および渦流量計１０が計測した渦周波数を含む測定データを渦流量計１０から取得して測定データ記憶部４１０に格納する。取得部４００は、測定データを渦流量計１０からリアルタイムで順次取得してもよく、渦流量計１０に格納された過去のある期間の測定データを一括して取得してもよい。

Ｓ５１０において、正規化部４２０は、測定データ記憶部４１０に格納された測定データにおける、渦流量信号ＳＱの信号成分の大きさを渦周波数により正規化した指標値を算出する。このような指標値は、渦流量信号ＳＱにおける、渦周波数に依存しない渦流量計１０の感度を示すものである。なお、渦流量信号ＳＱの信号成分の大きさは、被測定流体の密度によっても変化する。そこで、被測定流体の密度が変わる場合には、正規化部４２０は、渦流量信号ＳＱの信号成分の大きさを、被測定流体の密度によって更に正規化してもよい。

Ｓ５２０において、診断部４３０は、渦流量信号ＳＱの信号成分の正規化された大きさを示す指標値が、第１閾値Ｔｈ１以下であるか否かを判定する。そして、診断部４３０は、指標値が第１閾値以下であるとの判定結果に基づいて（Ｓ５２０における「Ｙ」）、Ｓ５３０において渦流量計１０が異常であると診断する。診断結果出力部４５０は、渦流量計１０が異常であるとの診断結果を出力する。

Ｓ５４０において、診断部４３０は、渦流量信号ＳＱの信号成分の正規化された大きさを示す指標値が、第１閾値Ｔｈ１を超え、かつ第２閾値Ｔｈ２以下であるか否かを判定する。そして、診断部４３０は、指標値が第１閾値Ｔｈ１を超え、かつ第２閾値Ｔｈ２以下であるとの判定結果に基づいて（Ｓ５４０における「Ｙ」）、Ｓ５５０において、現時点で渦流量計１０が異常とは診断しないものの、後に渦流量計１０が異常となると予知する。この状態は、現時点では渦流量計１０は異常ではないが、渦流量計１０の保守点検が推奨される状態を示す。診断結果出力部４５０は、後に渦流量計１０が異常となるとの予測結果を出力する。

診断部４３０は、指標値が第２閾値Ｔｈ２を超える場合（Ｓ５４０における「Ｎ」）、Ｓ５６０において、渦流量計１０は正常であると診断する。診断結果出力部４５０は、渦流量計１０が正常であるとの診断結果を出力する。

Ｓ５７０において、表示処理部４６０は、時系列データ記憶部４４０に格納された指標値の時系列データを用いて、渦流量計１０の将来の状態を予測する。この予測方法については、図７に関連して後述する。

図６は、本実施形態に係る診断装置１９０による渦流量計１０の診断例を示すグラフである。本図は、横軸に時間の経過をとり、縦軸に、渦流量信号ＳＱの信号成分の正規化された大きさを示す指標値をとり、時間の経過に応じた指標値の変化を示す。表示処理部４６０は、渦流量計１０の診断のために、本図のようなグラフを用いて指標値の変化を表示してよい。

本実施形態においては、図２に示したように、渦発生体２０と管路１６の間には隙間２４が設けられている。隙間２４に異物が詰まると渦発生体２０の振動が抑制されて各検出信号の振幅が小さくなり、最終的にはバンドパスフィルタ１４０から出力される渦流量信号ＳＱの振幅が、シュミットトリガ１４５によって検出可能な振幅未満となって渦流量計１０が渦周波数を測定することができなくなってしまう。

本図に示したように、指標値は、渦流量計１０が正常である場合には第２閾値Ｔｈ２を超えるが、詰まりが進むにつれて徐々に小さくなり、時刻ｔ１において第２閾値Ｔｈ２以下となる。さらに詰まりが進むと、指標値は更に低下し、時刻ｔ２において第１閾値Ｔｈ１以下となる。

本実施形態においては、渦流量計１０が渦周波数を測定可能な指標値の境界を第１閾値Ｔｈ１とする。なお、第１閾値Ｔｈ１は、渦周波数が測定できなくなっているにもかかわらず異常と診断できないことを防ぐべく、ある程度のマージンを持たせた値であってよい。これにより、診断装置１９０は、隙間２４の異物の詰まり等によって渦流量計１０が流量または流速を測定できない場合には、渦流量計１０の状態が異常であると診断することができる。

また、本実施形態においては、診断部４３０は、第１閾値Ｔｈ１より大きな第２閾値Ｔｈ２を用いて、指標値が第１閾値Ｔｈ１を超える場合であっても第２閾値Ｔｈ２以下となった場合には、将来の異常発生を予知する。これにより、診断装置１９０は、渦流量計１０が流量または流速を測定できなくなるよりも前に、渦流量計１０の保守点検を推奨する旨の診断をすることができ、保守点検の計画を立てることを促すことができる。

なお、特許文献２においては、第１検出信号における渦信号成分Ｓ１および第２検出信号における渦信号成分Ｓ２の線形結合ではなく、信号比ＳＲ（＝Ｓ１／Ｓ２）の大きさを判定した結果を用いて詰まりを予測する（段落００１７～００１８、００３９～００４４等）。上述したように、隙間２４に異物が詰まる等によって渦発生体２０の振動が抑制されて各検出信号の振幅が小さくなるのであるから、渦信号成分Ｓ１およびＳ２のいずれも詰まりによって振幅が小さくなる。このため、渦信号成分Ｓ１を渦信号成分Ｓ２で除算した信号比ＳＲは、渦信号成分Ｓ１およびＳ２の振幅減少がある程度相殺されるので、本実施形態の指標値と比較して詰まりに対する感度が鈍くなる。

これに対し、本実施形態においては、渦信号成分Ｓ１およびＳ２を線形結合した渦流量信号ＳＱを渦周波数により正規化した大きさを用いて診断を行うので、より良い感度で渦流量計１０の状態を診断することができる。

なお、本実施形態においては、診断部４３０は、渦流量信号ＳＱの信号成分を渦周波数により正規化した大きさを閾値と比較する。これに代えて、診断部４３０は、渦流量信号ＳＱの正規化しない信号成分を、渦周波数に応じた閾値、すなわち例えば第１閾値または第２閾値に渦周波数の２乗を乗じた閾値、と比較することによって、実質的に渦流量信号ＳＱの信号成分を渦周波数により正規化した大きさと第１閾値または第２閾値とを比較してもよい。

図７は、本実施形態に係る診断装置１９０による渦流量計１０の、将来の状態の予測例を示すグラフである。本図は、横軸に時間の経過をとり、縦軸に、渦流量信号ＳＱの信号成分の正規化された大きさを示す指標値をとり、時間の経過に応じた指標値の変化を示す。

診断部４３０は、図５のＳ５７０において、時系列データ記憶部４４０に格納された、現時刻ｔ１までの指標値の時系列データを用いて、指標値が第２閾値Ｔｈ２まで低下する時点ｔ２、または指標値が第１閾値Ｔｈ１まで低下する時点ｔ３の少なくとも１つを予測する。一例として、診断部４３０は、現時刻ｔ１を末尾とする予め定められた期間（例えば１週間、１ヶ月等）における指標値のトレンドを延長し、延長したトレンドが第２閾値Ｔｈ２または第１閾値Ｔｈ１に達する時点ｔ２またはｔ３を算出する。ここで、診断部４３０は、指標値のトレンドを、時間の経過の一次関数により近似してよい。これにより、診断部４３０は、時間の経過に伴って、単位時間当たりにほぼ一定量の異物が蓄積する場合に適した予測を行うことができる。これに代えて、診断部４３０は、予め定められた期間における指標値の変化を他の関数にフィッティングした結果を用いて、指標値のトレンドを予測してもよい。

診断結果出力部４５０は、渦流量計１０の保守点検を推奨する予測時点ｔ２または渦流量計１０が異常と診断する予測時点ｔ３の少なくとも一つ、またはこれらの予測時点までの期間長を出力する。表示処理部４６０は、図７に例示したトレンドグラフを表示装置４７０に表示することにより、時点ｔ２および時点ｔ３の予測結果を出力してよい。

以上に示した診断装置１９０によれば、将来保守点検を推奨するであろう時点ｔ２または将来渦流量計１０を異常と診断するであろう時点ｔ３を予測して、その予測結果をこれらの事象が発生するよりも十分前に診断装置１９０の使用者に通知することができる。これにより、診断装置１９０は、渦流量計１０の保守点検をより好ましいタイミングでスケジューリングさせることができ、渦流量計１０の可用性を高めることができる。

図８は、本実施形態に係る診断装置１９０の学習処理フローを示す。Ｓ８００において、学習処理部４８０は、時系列データ記憶部４４０に格納された時系列データに対するアノテーションを取得する。このアノテーションは、時系列データ記憶部４４０に格納された時系列データにおける少なくとも一部の時点について指標値が正常または異常のいずれであるかを示すものである。本実施形態に係る学習処理部４８０は、第１閾値Ｔｈ１の学習に用いるために、渦流量計１０の正常期間（指標値＞第１閾値Ｔｈ１）または異常期間（指標値≦第１閾値Ｔｈ１）の少なくとも１つを入力し、正常期間中の各時点における指標値には正常を示すタグを付加し、異常期間中の各時点における指標値には異常を示すタグを付加してよい。

例えば、渦流量計１０の定期点検または臨時点検等により複数回点検した場合に、渦流量計１０がある点検の時点で正常であり、次の点検の時点でも正常であった場合には、これらの点検の間の期間は、渦流量計１０が正常であったとみなすことができる。したがって、学習処理部４８０は、これらの点検の間の期間中、渦流量計１０が正常であったことを示すアノテーションの入力を受けてよい。

また、渦流量計１０がある点検の時点では正常であったが、次の点検の時点では異常であった場合には、前後の点検の間のある時点で渦流量計１０が正常から異常に変化し、後の点検までの期間の間、渦流量計１０が異常であったとみなすことができる。したがって、学習処理部４８０は、この期間の間、渦流量計１０が異常であったことを示すアノテーションの入力を受けてもよい。ここで、学習処理部４８０は、正常および異常の境界となる時点を、前後の点検の間を予め定められた比率で分割した時点と決定してもよく、後ろの点検を基準として予め定められた期間前の時点と決定してもよい。

同様に、学習処理部４８０は、渦流量計１０の正常期間（指標値＞第２閾値Ｔｈ２）または渦流量計１０の保守点検が少なくとも推奨される期間（指標値≦第２閾値Ｔｈ２）の少なくとも１つを入力して、第２閾値Ｔｈ２の学習に用いるタグを各時点の指標値に付加してよい。

Ｓ８１０において、学習処理部４８０は、アノテーションを付加した測定データを用いて、渦流量計１０の正常または異常を判定するための判定基準を学習する。学習処理部４８０は、正常とのタグが付加された少なくとも１つの指標値と、異常とのタグが付加された指標値とを収集して学習データとし、この学習データを用いて図６に示した第１閾値Ｔｈ１および第２閾値Ｔｈ２を学習により生成する。

一例として、学習処理部４８０は、指標値を正常または異常と分類する境界となる第１閾値Ｔｈ１を、サポートベクタマシン（ＳＶＭ）を用いて学習により生成してもよい。これに代えて、学習処理部４８０は、指標値を入力とし、正常または異常の分類またはその確率を出力とするニューラルネットワークを学習により生成し、指標値に応じたニューラルネットワークの出力の分布をサンプリングして境界となる第１閾値Ｔｈ１を決定してもよい。学習処理部４８０は、その他各種の機械学習の手法を用いて第１閾値Ｔｈ１を学習により生成してもよい。同様に、学習処理部４８０は、指標値を正常または保守点検を推奨と分類する境界となる第２閾値Ｔｈ２を、サポートベクタマシン（ＳＶＭ）またはその他の機械学習手法を用いて学習により生成してもよい。

Ｓ８２０において、学習処理部４８０は、Ｓ８１０で学習した判定基準（第１閾値Ｔｈ１および第２閾値Ｔｈ２）を診断部４３０に設定する。この設定を受けたことに応じて、診断部４３０は、学習処理部４８０により新たに設定された第１閾値Ｔｈ１および第２閾値Ｔｈ２を用いて渦流量計１０の診断を行う。

以上に示した診断装置１９０によれば、渦流量計１０から取得した測定データを用いて渦流量計１０の状態の判定基準を学習することができる。これにより、診断装置１９０は、渦流量計１０が設置された箇所における管路１６および渦発生体２０の構造、被測定流体の密度、およびその他の測定環境に応じて判定条件を調整することができる。なお、診断装置１９０は、学習処理部４８０を有しない構成をとることもできる。この場合、診断装置１９０は、予め設定された第１閾値Ｔｈ１および第２閾値Ｔｈ２を用いて渦流量計１０の状態の診断を行ってよい。

図９は、本実施形態の変形例に係る診断装置９９０の構成を示す。診断装置９９０は、図４に示した診断装置１９０の変形例であり、第１検出信号および第２検出信号を線形結合した結合信号の信号成分の大きさの判定結果を用いて渦流量計１０の状態を診断するのに代えて、１または複数の検出信号のうちの少なくとも１つを対象検出信号とし、対象検出信号の信号成分の大きさの判定結果を用いて渦流量計１０の状態を診断する。本変形例に係る診断装置９９０は、図４に示した診断装置１９０と類似するので、以下相違点を除き説明を省略する。

診断装置９９０は、取得部９００と、測定データ記憶部９１０と、診断部９３０と、時系列データ記憶部９４０と、診断データ出力部９５０と、表示装置９７０と、学習処理部９８０とを有する。取得部９００は、渦流量計１０に接続される。取得部９００は、渦流量計１０が検出する少なくとも１つの検出信号のうち、診断装置９９０による診断処理の対象とする少なくとも１つの対象検出信号のそれぞれの信号成分の大きさ、および渦流量計１０が計測した渦周波数を含む測定データを渦流量計１０から取得する。

測定データ記憶部９１０は、取得部９００に接続される。測定データ記憶部９１０は、図４に示した測定データ記憶部４１０と同様であり、取得部９００が取得した測定データを格納する。

診断部９３０は、測定データ記憶部９１０に接続される。診断部９３０は、少なくとも１つの対象検出信号のそれぞれの信号成分の大きさの変化を判定する。診断部９３０は、この変化の判定結果に基づいて、渦流量計１０の状態を診断する。時系列データ記憶部９４０は、診断部９３０に接続され、少なくとも１つの対象検出信号のそれぞれの信号成分の大きさおよび渦流量計１０の状態の診断結果の時系列データを記憶する。ここで、時系列データ記憶部９４０は、過去における少なくとも１つの対象検出信号のそれぞれの、渦周波数に応じた信号成分の大きさを渦周波数に対応付けた時系列データを履歴データとして記憶する履歴記憶部として機能する。

診断データ出力部９５０は、時系列データ記憶部９４０に接続される。診断データ出力部９５０は、時系列データ記憶部９４０に格納された、渦流量計１０の状態の診断結果を含む時系列データを出力する。診断データ出力部９５０は、表示処理部９６０を含んでよい。表示処理部９６０は、渦流量計１０の状態の診断結果を含む時系列データを表示装置９７０に表示させるための処理を行う。表示装置９７０は、診断データ出力部９５０に接続され、表示処理部９６０によって生成された表示画面等を表示する。

学習処理部９８０は、時系列データ記憶部９４０に接続される。学習処理部９８０は、時系列データ記憶部９４０に格納された、少なくとも１つの対象検出信号のそれぞれの信号成分の大きさの履歴を用いて、診断部９３０による判定基準を学習により生成する。ここで、学習処理部９８０は、結合信号の信号成分の大きさに代えて、少なくとも１つの対象検出信号のそれぞれの信号成分の大きさについての判定基準を学習により生成する点を除き、図４に示した学習処理部４８０と同様の学習処理を行ってよい。

図１０は、本変形例に係る診断装置９９０による渦流量計１０の診断フローを示す。本診断フローにおいて、診断装置９９０内の診断部９３０は、少なくとも１つの対象検出信号のそれぞれの信号成分の大きさの変化の判定結果に基づいて、渦流量計１０の状態を診断する。ここで、診断部９３０は、１つの対象検出信号を診断の対象としてもよく、２以上の対象検出信号を診断の対象としてもよい。以下、説明の便宜上、診断部９３０が、１つの対象検出信号を診断の対象とする場合について説明する。

Ｓ１０００において、取得部９００は、対象検出信号の信号成分の大きさと、渦流量計１０が計測した渦周波数とを含む測定データを渦流量計１０から取得する。本実施形態において、取得部９００は、一例として、第１検出信号の渦周波数に応じた信号成分の大きさをＣＰＵ１６０から取得してよい。

ここで、渦流量計１０は、第１検出信号の渦周波数に応じた信号成分の大きさとして、スペクトル分析器１２５ａからＣＰＵ１６０へと出力された第１検出信号における複数の周波数のバンドのそれぞれの信号強度のうち、渦周波数を含む周波数のバンドの信号強度を用いる。これにより、診断装置１９０は、第１検出信号における渦信号成分の大きさＳ１を取得することができる。取得部９００は、取得した測定データを測定データ記憶部９１０へと格納する。

Ｓ１０１０において、診断部９３０は、診断の対象となる対象検出信号の信号成分の大きさの変化を算出する。診断部９３０は、過去における対象検出信号の信号成分の大きさを時系列データ記憶部９４０から読み出し、過去の値に対する新たに取得された対象検出信号の信号成分の大きさの変化を算出する。

ここで、対象検出信号の渦信号成分の大きさは、渦周波数に応じて変化する。そこで、診断部９３０は、時系列データ記憶部９４０に格納された履歴データに含まれる対象検出信号の渦周波数に相当する渦周波数に対応づけられた信号成分の大きさと、取得部９００が取得した対象検出信号の信号成分の大きさとを用いて変化を算出する。診断部９３０は、時系列データ記憶部９４０に格納された履歴データに含まれる、対象検出信号の、渦周波数に相当する周波数に対応づけられた信号成分の大きさのうち、最も直近のものを用いてよく、予め定められた期間（１週間、１ヶ月等）以上前のものを用いてもよく、予め定められた期間の範囲で大きさが最大のものを用いてもよい。また、診断部９３０は、履歴データに含まれる、対象検出信号の渦周波数近辺に相当する渦周波数に対応づけられた信号成分の大きさを用いてもよい。例えば、診断部９３０は、履歴データの中から、取得部９００が取得した対象検出信号の渦周波数の前後予め定められた周波数幅の範囲に含まれる渦周波数に対応付けられた信号成分の大きさを用いてよい。また、診断部９３０は、履歴データの中から、取得部９００が取得した対象検出信号の渦周波数と同じ周波数バンドに含まれる渦周波数に対応付けられた信号成分の大きさを用いてもよい。

また、本実施形態においては、診断部９３０は、対象検出信号の信号成分の大きさの変化の指標として、過去の値と現在の値との差である変化量を用いる。この変化量は、過去の値から現在の値までの減少量（すなわち、過去の値から現在の値を減じた値）であってよい。これに代えて、診断部９３０は、対象検出信号の信号成分の大きさの変化の指標として、変化率等の他の指標を用いてもよい。

Ｓ１０２０において、診断部９３０は、Ｓ１０１０において算出した変化量が、第３閾値Ｔｈ３以上か否かを判定し、この判定結果に基づいて渦流量計１０の状態を診断する。変化量が第３閾値Ｔｈ３以上である場合（Ｓ１０２０における「Ｙ」）、新たに取得された対象検出信号の信号成分の大きさが、その対象検出信号における、同じ渦周波数に対応付けれられた過去の信号成分の大きさと比較して大幅に低下している。そこで、診断部９３０は、Ｓ１０３０において渦流量計１０が異常であると診断する。これに応じて、時系列データ記憶部９４０は、測定データに診断結果を対応付けて格納し、診断データ出力部９５０は、異常であるとの診断結果を出力する。

変化量が第３閾値Ｔｈ３未満である場合（Ｓ１０２０における「Ｎ」）、新たに取得された対象検出信号の信号成分の大きさが、その対象検出信号における、同じ渦周波数に対応付けれられた過去の信号成分の大きさと比較してあまり低下していない。そこで、診断部９３０は、Ｓ１０４０において渦流量計１０が正常であると診断する。これに応じて、時系列データ記憶部９４０は、測定データに診断結果を対応付けて格納し、診断データ出力部９５０は、正常であるとの診断結果を出力する。

以上に示した診断フローにおいては、診断装置９９０は、１つの対象検出信号を用いて渦流量計１０を診断する。これに代えて、診断装置９９０は、２以上の対象検出信号を用いて渦流量計１０を診断してもよい。すなわち、取得部９００は、２以上の対象検出信号のそれぞれの信号成分の大きさを含む測定データを渦流量計１０から取得し、診断部９３０は、２以上の対象検出信号のそれぞれの、渦周波数に応じた信号成分の大きさの変化の判定結果に基づいて、渦流量計１０の状態を診断する。

ここで、診断部９３０は、Ｓ１０２０において、２以上の対象検出信号のうち、少なくとも１つの対象検出信号についての変化量が、その対象検出信号に応じた第３閾値Ｔｈ３以上である場合に渦流量計１０が異常と診断してよい。これに代えて、診断部９３０は、Ｓ１０２０において、２以上の対象検出信号の全てについて、変化量が、各対象検出信号に応じた第３閾値Ｔｈ３以上である場合に渦流量計１０が異常と診断してもよい。この場合において、第３閾値Ｔｈ３は、対象検出信号毎に異なる値をとってもよい。

以上に示した診断装置９９０によれば、対象検出信号の信号成分の大きさの変化の判定結果に基づいて渦流量計１０の状態を診断することができるので、２以上の検出信号を線形結合した結合信号を用いなくてもよい。このため、診断装置９９０は、流量または流速の測定のために結合信号を生成しない渦流量計１０、または、診断用に結合信号を外部に出力する機能を有しない渦流量計１０の診断を行うことができる。

なお、以上に示した診断装置９９０によれば、履歴データに含まれる、対象検出信号の渦周波数に相当する渦周波数に対応付けられた信号成分の大きさを用いて診断を行う。これに代えて、診断装置９９０は、図４に示した診断装置１９０が渦流量信号ＳＱの信号成分の大きさを渦周波数により正規化するのと同様に、新たに取得された対象検出信号および履歴データに含まれる対象検出信号の信号成分の大きさを渦周波数により正規化して診断に用いてもよい。

この場合、診断装置９９０は、少なくとも１つの対象検出信号のそれぞれの信号成分の大きさを渦周波数により正規化する、図４に示した正規化部４２０と同様の正規化部を備えてよい。そして、診断部９３０は、図４に示した診断部４３０が渦流量信号ＳＱを判定するのと同様に、少なくとも１つの対象検出信号のそれぞれの信号成分の正規化された大きさが、少なくとも１つの対象検出信号のそれぞれに応じた第１閾値以下であるとの判定結果に基づいて、渦流量計が異常であると診断してよい。このような診断部９３０は、図４に示した診断部４３０と同様に、渦流量計１０が異常となると予知してもよい。この場合、診断装置９９０は、履歴データに含まれる、新たに取得された対象検出信号の渦周波数とは異なる渦周波数に対応付けられた信号成分の大きさを用いて診断を行うことができる。

また、診断装置９９０は、対象検出信号の信号成分の大きさの変化の判定結果に基づいて渦流量計１０の状態を診断するのに代えて、対象検出信号の代わりに渦流量信号ＳＱの信号成分の大きさの変化の判定結果に基づいて渦流量計１０の状態を診断してもよい。この場合、診断装置９９０は、渦流量信号ＳＱを正規化しなくてよく、図９および図１０に示した方法と同様にして、取得部９００が取得した渦流量信号ＳＱにおける渦周波数に対応する信号成分の大きさと、履歴データに記録した過去の渦流量信号ＳＱにおけるその渦周波数に対応づけられた信号成分の大きさとを用いて信号成分の大きさの変化を算出する。

本発明の様々な実施形態は、フローチャートおよびブロック図を参照して記載されてよく、ここにおいてブロックは、（１）操作が実行されるプロセスの段階または（２）操作を実行する役割を持つ装置のセクションを表わしてよい。特定の段階およびセクションが、専用回路、コンピュータ可読媒体上に格納されるコンピュータ可読命令と共に供給されるプログラマブル回路、および／またはコンピュータ可読媒体上に格納されるコンピュータ可読命令と共に供給されるプロセッサによって実装されてよい。専用回路は、デジタルおよび／またはアナログハードウェア回路を含んでよく、集積回路（ＩＣ）および／またはディスクリート回路を含んでよい。プログラマブル回路は、論理ＡＮＤ、論理ＯＲ、論理ＸＯＲ、論理ＮＡＮＤ、論理ＮＯＲ、および他の論理操作、フリップフロップ、レジスタ、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、プログラマブルロジックアレイ（ＰＬＡ）等のようなメモリ要素等を含む、再構成可能なハードウェア回路を含んでよい。

コンピュータ可読媒体は、適切なデバイスによって実行される命令を格納可能な任意の有形なデバイスを含んでよく、その結果、そこに格納される命令を有するコンピュータ可読媒体は、フローチャートまたはブロック図で指定された操作を実行するための手段を作成すべく実行され得る命令を含む、製品を備えることになる。コンピュータ可読媒体の例としては、電子記憶媒体、磁気記憶媒体、光記憶媒体、電磁記憶媒体、半導体記憶媒体等が含まれてよい。コンピュータ可読媒体のより具体的な例としては、フロッピー（登録商標）ディスク、ディスケット、ハードディスク、ランダムアクセスメモリ（ＲＡＭ）、リードオンリメモリ（ＲＯＭ）、消去可能プログラマブルリードオンリメモリ（ＥＰＲＯＭまたはフラッシュメモリ）、電気的消去可能プログラマブルリードオンリメモリ（ＥＥＰＲＯＭ）、静的ランダムアクセスメモリ（ＳＲＡＭ）、コンパクトディスクリードオンリメモリ（ＣＤ-ＲＯＭ）、デジタル多用途ディスク（ＤＶＤ）、ブルーレイ（登録商標）ディスク、メモリスティック、集積回路カード等が含まれてよい。

コンピュータ可読命令は、アセンブラ命令、命令セットアーキテクチャ（ＩＳＡ）命令、マシン命令、マシン依存命令、マイクロコード、ファームウェア命令、状態設定データ、またはＳｍａｌｌｔａｌｋ（登録商標）、ＪＡＶＡ（登録商標）、Ｃ＋＋等のようなオブジェクト指向プログラミング言語、および「Ｃ」プログラミング言語または同様のプログラミング言語のような従来の手続型プログラミング言語を含む、１または複数のプログラミング言語の任意の組み合わせで記述されたソースコードまたはオブジェクトコードのいずれかを含んでよい。

コンピュータ可読命令は、汎用コンピュータ、特殊目的のコンピュータ、若しくは他のコンピュータ等のプログラム可能なデータ処理装置のプロセッサまたはプログラマブル回路に対し、ローカルにまたはローカルエリアネットワーク（ＬＡＮ）、インターネット等のようなワイドエリアネットワーク（ＷＡＮ）を介して提供され、フローチャートまたはブロック図で指定された操作を実行するための手段を作成すべく、コンピュータ可読命令を実行してよい。プロセッサの例としては、コンピュータプロセッサ、処理ユニット、マイクロプロセッサ、デジタル信号プロセッサ、コントローラ、マイクロコントローラ等を含む。

図１１は、本発明の複数の態様が全体的または部分的に具現化されてよいコンピュータ２２００の例を示す。コンピュータ２２００にインストールされたプログラムは、コンピュータ２２００に、本発明の実施形態に係る装置に関連付けられる操作または当該装置の１または複数のセクションとして機能させることができ、または当該操作または当該１または複数のセクションを実行させることができ、および／またはコンピュータ２２００に、本発明の実施形態に係るプロセスまたは当該プロセスの段階を実行させることができる。そのようなプログラムは、コンピュータ２２００に、本明細書に記載のフローチャートおよびブロック図のブロックのうちのいくつかまたはすべてに関連付けられた特定の操作を実行させるべく、ＣＰＵ２２１２によって実行されてよい。

本実施形態によるコンピュータ２２００は、ＣＰＵ２２１２、ＲＡＭ２２１４、グラフィックコントローラ２２１６、およびディスプレイデバイス２２１８を含み、それらはホストコントローラ２２１０によって相互に接続されている。コンピュータ２２００はまた、通信インターフェイス２２２２、ハードディスクドライブ２２２４、ＤＶＤ－ＲＯＭドライブ２２２６、およびＩＣカードドライブのような入／出力ユニットを含み、それらは入／出力コントローラ２２２０を介してホストコントローラ２２１０に接続されている。コンピュータはまた、ＲＯＭ２２３０およびキーボード２２４２のようなレガシの入／出力ユニットを含み、それらは入／出力チップ２２４０を介して入／出力コントローラ２２２０に接続されている。

ＣＰＵ２２１２は、ＲＯＭ２２３０およびＲＡＭ２２１４内に格納されたプログラムに従い動作し、それにより各ユニットを制御する。グラフィックコントローラ２２１６は、ＲＡＭ２２１４内に提供されるフレームバッファ等またはそれ自体の中にＣＰＵ２２１２によって生成されたイメージデータを取得し、イメージデータがディスプレイデバイス２２１８上に表示されるようにする。

通信インターフェイス２２２２は、ネットワークを介して他の電子デバイスと通信する。ハードディスクドライブ２２２４は、コンピュータ２２００内のＣＰＵ２２１２によって使用されるプログラムおよびデータを格納する。ＤＶＤ－ＲＯＭドライブ２２２６は、プログラムまたはデータをＤＶＤ－ＲＯＭ２２０１から読み取り、ハードディスクドライブ２２２４にＲＡＭ２２１４を介してプログラムまたはデータを提供する。ＩＣカードドライブは、プログラムおよびデータをＩＣカードから読み取り、および／またはプログラムおよびデータをＩＣカードに書き込む。

ＲＯＭ２２３０はその中に、アクティブ化時にコンピュータ２２００によって実行されるブートプログラム等、および／またはコンピュータ２２００のハードウェアに依存するプログラムを格納する。入／出力チップ２２４０はまた、様々な入／出力ユニットをパラレルポート、シリアルポート、キーボードポート、マウスポート等を介して、入／出力コントローラ２２２０に接続してよい。

プログラムが、ＤＶＤ－ＲＯＭ２２０１またはＩＣカードのようなコンピュータ可読媒体によって提供される。プログラムは、コンピュータ可読媒体から読み取られ、コンピュータ可読媒体の例でもあるハードディスクドライブ２２２４、ＲＡＭ２２１４、またはＲＯＭ２２３０にインストールされ、ＣＰＵ２２１２によって実行される。これらのプログラム内に記述される情報処理は、コンピュータ２２００に読み取られ、プログラムと、上記様々なタイプのハードウェアリソースとの間の連携をもたらす。装置または方法が、コンピュータ２２００の使用に従い情報の操作または処理を実現することによって構成されてよい。

例えば、通信がコンピュータ２２００および外部デバイス間で実行される場合、ＣＰＵ２２１２は、ＲＡＭ２２１４にロードされた通信プログラムを実行し、通信プログラムに記述された処理に基づいて、通信インターフェイス２２２２に対し、通信処理を命令してよい。通信インターフェイス２２２２は、ＣＰＵ２２１２の制御下、ＲＡＭ２２１４、ハードディスクドライブ２２２４、ＤＶＤ－ＲＯＭ２２０１、またはＩＣカードのような記録媒体内に提供される送信バッファ処理領域に格納された送信データを読み取り、読み取られた送信データをネットワークに送信し、またはネットワークから受信された受信データを記録媒体上に提供される受信バッファ処理領域等に書き込む。

また、ＣＰＵ２２１２は、ハードディスクドライブ２２２４、ＤＶＤ－ＲＯＭドライブ２２２６（ＤＶＤ－ＲＯＭ２２０１）、ＩＣカード等のような外部記録媒体に格納されたファイルまたはデータベースの全部または必要な部分がＲＡＭ２２１４に読み取られるようにし、ＲＡＭ２２１４上のデータに対し様々なタイプの処理を実行してよい。ＣＰＵ２２１２は次に、処理されたデータを外部記録媒体にライトバックする。

様々なタイプのプログラム、データ、テーブル、およびデータベースのような様々なタイプの情報が記録媒体に格納され、情報処理を受けてよい。ＣＰＵ２２１２は、ＲＡＭ２２１４から読み取られたデータに対し、本開示の随所に記載され、プログラムの命令シーケンスによって指定される様々なタイプの操作、情報処理、条件判断、条件分岐、無条件分岐、情報の検索／置換等を含む、様々なタイプの処理を実行してよく、結果をＲＡＭ２２１４に対しライトバックする。また、ＣＰＵ２２１２は、記録媒体内のファイル、データベース等における情報を検索してよい。例えば、各々が第２の属性の属性値に関連付けられた第１の属性の属性値を有する複数のエントリが記録媒体内に格納される場合、ＣＰＵ２２１２は、第１の属性の属性値が指定される、条件に一致するエントリを当該複数のエントリの中から検索し、当該エントリ内に格納された第２の属性の属性値を読み取り、それにより予め定められた条件を満たす第１の属性に関連付けられた第２の属性の属性値を取得してよい。

上で説明したプログラムまたはソフトウェアモジュールは、コンピュータ２２００上またはコンピュータ２２００近傍のコンピュータ可読媒体に格納されてよい。また、専用通信ネットワークまたはインターネットに接続されたサーバーシステム内に提供されるハードディスクまたはＲＡＭのような記録媒体が、コンピュータ可読媒体として使用可能であり、それによりプログラムを、ネットワークを介してコンピュータ２２００に提供する。

以上、本発明を実施の形態を用いて説明したが、本発明の技術的範囲は上記実施の形態に記載の範囲には限定されない。上記実施の形態に、多様な変更または改良を加えることが可能であることが当業者に明らかである。その様な変更または改良を加えた形態も本発明の技術的範囲に含まれ得ることが、特許請求の範囲の記載から明らかである。

特許請求の範囲、明細書、および図面中において示した装置、システム、プログラム、および方法における動作、手順、ステップ、および段階等の各処理の実行順序は、特段「より前に」、「先立って」等と明示しておらず、また、前の処理の出力を後の処理で用いるのでない限り、任意の順序で実現しうることに留意すべきである。特許請求の範囲、明細書、および図面中の動作フローに関して、便宜上「まず、」、「次に、」等を用いて説明したとしても、この順で実施することが必須であることを意味するものではない。

５ 測定装置、１０ 渦流量計、１６ 管路、２０ 渦発生体、２４ 隙間、３０ 検出部、３４ａ～ｂ 圧電素子、１００ａ～ｂ チャージコンバータ、１１０ａ～ｂ Ａ／Ｄコンバータ、１２０ ゲートアレイ、１２５ａ～ｂ スペクトル分析器、１３０ 加算器、１３５ スペクトル分析器、１４０ バンドパスフィルタ、１４５ シュミットトリガ、１５０ カウンタ、１６０ ＣＰＵ、１７０ 出力回路、１８０ 表示部、１９０ 診断装置、４００ 取得部、４１０ 測定データ記憶部、４２０ 正規化部、４３０ 診断部、４４０ 時系列データ記憶部、４５０ 診断結果出力部、４６０ 表示処理部、４７０ 表示装置、４８０ 学習処理部、９００ 取得部、９１０ 測定データ記憶部、９３０ 診断部、９４０ 時系列データ記憶部、９５０ 診断データ出力部、９６０ 表示処理部、９７０ 表示装置、９８０ 学習処理部、９９０ 診断装置、２２００ コンピュータ、２２０１ ＤＶＤ－ＲＯＭ、２２１０ ホストコントローラ、２２１２ ＣＰＵ、２２１４ ＲＡＭ、２２１６ グラフィックコントローラ、２２１８ ディスプレイデバイス、２２２０ 入／出力コントローラ、２２２２ 通信インターフェイス、２２２４ ハードディスクドライブ、２２２６ ＤＶＤ－ＲＯＭドライブ、２２３０ ＲＯＭ、２２４０ 入／出力チップ、２２４２ キーボード

Claims (12)

1. 渦発生体と、前記渦発生体によって発生される渦に応じた少なくとも２つの検出信号を検出する検出部とを有する渦流量計の状態を診断する診断装置であって、
   前記少なくとも２つの検出信号のうちの２以上を線形結合した結合信号の渦周波数に応じた信号成分の渦周波数により正規化された大きさを所定の閾値と比較することによって得られる判定結果に基づいて、前記渦流量計の状態を診断する診断部を備える診断装置。
2. 前記結合信号の渦周波数に応じた信号成分の大きさを渦周波数により正規化する正規化部を備える請求項１に記載の診断装置。
3. 前記診断部は、前記結合信号の渦周波数に応じた信号成分の正規化された大きさが、第１閾値以下であるとの前記判定結果に基づいて、前記渦流量計が異常であると診断する請求項２に記載の診断装置。
4. 前記診断部は、前記結合信号の渦周波数に応じた信号成分の正規化された大きさが、第１閾値を超え、かつ第２閾値以下であるとの前記判定結果に基づいて、前記渦流量計が異常となると予知する請求項３に記載の診断装置。
5. 前記結合信号の渦周波数に応じた信号成分の正規化された大きさの履歴を用いて、前記第１閾値を学習により生成する学習処理部を更に備える請求項３または４に記載の診断装置。
6. 前記結合信号の前記渦周波数に応じた信号成分の正規化された大きさの時系列データを記憶する時系列データ記憶部と、
   前記時系列データを表示するための表示処理を行う表示処理部と
   を更に備える請求項２から５のいずれか一項に記載の診断装置。
7. 渦発生体と、前記渦発生体によって発生される渦に応じた少なくとも２つの検出信号を検出する検出部とを有する渦流量計の状態を診断する診断装置であって、
   前記少なくとも２つの検出信号のうちの２以上を線形結合した結合信号の渦周波数に応じた信号成分の大きさを渦周波数に応じて異なる閾値と比較することにより、実質的に、前記結合信号の渦周波数に応じた信号成分の正規化された大きさを所定の閾値と比較し、前記比較によって得られる判定結果に基づいて、前記渦流量計の状態を診断する診断部を備える診断装置。
8. 請求項１から７のいずれか一項に記載の診断装置と、
   前記渦流量計と
   を備える測定装置。
9. 渦発生体と、前記渦発生体によって発生される渦に応じた少なくとも２つの検出信号を検出する検出部とを有する渦流量計の状態を診断する診断方法であって、
   前記少なくとも２つの検出信号のうちの２以上を線形結合した結合信号の渦周波数に応じた信号成分の渦周波数により正規化された大きさを所定の閾値と比較することによって得られる判定結果に基づいて、前記渦流量計の状態を診断すること
   を備える診断方法。
10. 渦発生体と、前記渦発生体によって発生される渦に応じた少なくとも２つの検出信号を検出する検出部とを有する渦流量計の状態を診断する診断方法であって、
    前記少なくとも２つの検出信号のうちの２以上を線形結合した結合信号の渦周波数に応じた信号成分の大きさを渦周波数に応じて異なる閾値と比較することにより、実質的に、前記結合信号の渦周波数に応じた信号成分の正規化された大きさを所定の閾値と比較し、前記比較によって得られる判定結果に基づいて、前記渦流量計の状態を診断すること
    を備える診断方法。
11. コンピュータにより実行され、前記コンピュータを、
    渦発生体と、前記渦発生体によって発生される渦に応じた少なくとも２つの検出信号を検出する検出部とを有する渦流量計によって検出された前記少なくとも２つの検出信号のうちの２以上を線形結合した結合信号の渦周波数に応じた信号成分の渦周波数により正規化された大きさを所定の閾値と比較することによって得られる判定結果に基づいて、前記渦流量計の状態を診断する診断部
    として機能させる診断プログラム。
12. コンピュータにより実行され、前記コンピュータを、
    渦発生体と、前記渦発生体によって発生される渦に応じた少なくとも２つの検出信号を検出する検出部とを有する渦流量計によって検出された前記少なくとも２つの検出信号のうちの２以上を線形結合した結合信号の渦周波数に応じた信号成分の大きさを渦周波数に応じて異なる閾値と比較することにより、実質的に、前記結合信号の渦周波数に応じた信号成分の正規化された大きさを所定の閾値と比較し、前記比較によって得られる判定結果に基づいて、前記渦流量計の状態を診断する診断部
    として機能させる診断プログラム。

Images