CN117157515A - 异常诊断装置和异常诊断方法 - Google Patents
异常诊断装置和异常诊断方法 Download PDFInfo
- Publication number
- CN117157515A CN117157515A CN202180097130.XA CN202180097130A CN117157515A CN 117157515 A CN117157515 A CN 117157515A CN 202180097130 A CN202180097130 A CN 202180097130A CN 117157515 A CN117157515 A CN 117157515A
- Authority
- CN
- China
- Prior art keywords
- frequency
- peak
- caused
- inverter
- spectral peak
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000005856 abnormality Effects 0.000 title claims abstract description 265
- 238000003745 diagnosis Methods 0.000 title claims abstract description 169
- 238000000034 method Methods 0.000 title claims description 44
- 230000003595 spectral effect Effects 0.000 claims abstract description 271
- 230000005540 biological transmission Effects 0.000 claims abstract description 168
- 230000007246 mechanism Effects 0.000 claims abstract description 165
- 238000001228 spectrum Methods 0.000 claims description 181
- 230000002159 abnormal effect Effects 0.000 claims description 45
- 238000012544 monitoring process Methods 0.000 claims description 37
- 238000001514 detection method Methods 0.000 claims description 14
- 239000000284 extract Substances 0.000 claims description 8
- 239000003638 chemical reducing agent Substances 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 23
- 230000008569 process Effects 0.000 description 10
- 238000010183 spectrum analysis Methods 0.000 description 9
- 230000008859 change Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000002405 diagnostic procedure Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000000605 extraction Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000004804 winding Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P29/00—Arrangements for regulating or controlling electric motors, appropriate for both AC and DC motors
- H02P29/02—Providing protection against overload without automatic interruption of supply
- H02P29/024—Detecting a fault condition, e.g. short circuit, locked rotor, open circuit or loss of load
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M15/00—Testing of engines
- G01M15/02—Details or accessories of testing apparatus
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M99/00—Subject matter not provided for in other groups of this subclass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
- G01R19/0046—Arrangements for measuring currents or voltages or for indicating presence or sign thereof characterised by a specific application or detail not covered by any other subgroup of G01R19/00
- G01R19/0053—Noise discrimination; Analog sampling; Measuring transients
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
- G01R19/0092—Arrangements for measuring currents or voltages or for indicating presence or sign thereof measuring current only
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
- G01R23/005—Circuits for comparing several input signals and for indicating the result of this comparison, e.g. equal, different, greater, smaller (comparing phase or frequency of 2 mutually independent oscillations in demodulators)
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
- G01R23/16—Spectrum analysis; Fourier analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/34—Testing dynamo-electric machines
- G01R31/343—Testing dynamo-electric machines in operation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Inverter Devices (AREA)
- Control Of Ac Motors In General (AREA)
Abstract
本发明的异常诊断装置(100)判定由以预先设定的运行频率驱动的逆变器(81)驱动的电动机(15)的异常以及将动力从电动机(15)传递到负载(30)的动力传递机构(16)的异常中的至少任一个异常,对检测到的电动机(15)的电流进行FFT分析以分析提取出的频谱峰值,通过运行频率和相对于运行频率的边带波的频率预先获取由逆变器的噪声引起的频谱峰值的频率,在异常诊断时对检测到的电动机的电流进行FFT分析以从提取出的频谱峰值中提取出由逆变器的噪声引起的频谱峰值,然后进行异常判定。
Description
技术领域
本申请涉及异常诊断装置和异常诊断方法。
背景技术
工厂中存在许多机械设备通过动力传递机构连接到电动机上,为了进行维护而对电动机及动力传递机构进行异常诊断。
在专利文献1中,申请人公开了一种无需使用特殊传感器等,通过使用电流检测器就能够尽早、简单、低成本地检测到与电动机连接的动力传递机构中发生的异常的技术。
另外,已知在由商用电源驱动的电动机中,能够对测量到的电流进行频率分析,根据电源频率附近的频率中产生的异常引起的边带波的频谱强度来诊断电动机的异常(例如,参照专利文献2)。
现有技术文献
专利文献
专利文献1:日本专利第6628905号公报
专利文献2:日本专利第6410572号公报
发明内容
发明所要解决的技术问题
近年来,在驱动控制中使用逆变器的电动机越来越多,但是在使用流过电动机的电流的频谱峰值进行异常诊断时,产生了逆变器引起的频谱峰值和动力传递机构引起的频谱峰值以及电动机异常引起的频谱峰值重叠的可能性。如果这些频谱峰值重合,则在现有的专利文献1和2的异常诊断中可能无法正确判断。
本申请公开了一种用于解决上述问题的技术,其目的是提供一种异常诊断装置和异常诊断方法,在将逆变器用于电动机的驱动控制时,通过提取逆变器引起的频谱峰值,不存在错误判断的可能性。
用于解决技术问题的技术手段
本公开的异常诊断装置是对由电动机控制装置所转换的电力所驱动的电动机的异常、以及将动力从所述电动机传递到负载的动力传递机构的异常中的至少任一个异常进行判定的异常诊断装置,所述电动机控制装置具有逆变器,所述异常诊断装置包括:电流检测电路,该电流检测电路对所述电动机的电流进行检测;以及监视诊断部,该监视诊断部使用对所述电流检测电路所检测到的电流进行FFT分析而提取出的频谱峰值来判定异常,所述监视诊断部包括:峰值分析部,该峰值分析部使用用于驱动所述逆变器的所述电动机控制装置的运行频率和相对于所述运行频率的边带波的频率来进行分析,对所提取出的所述频谱峰值是否由所述逆变器的噪声所引起进行推测;逆变器噪声频率判定部,该逆变器噪声频率判定部根据由所述峰值分析部推测为由所述逆变器的噪声所引起的频谱峰值,来判定由所述逆变器的噪声所引起的频谱峰值的频率;逆变器噪声频率存储部,该逆变器噪声频率存储部预先对所述逆变器噪声频率判定部所判定的由所述逆变器的噪声所引起的频谱峰值的频率进行存储;以及异常判定部,所述异常判定部对于对所述电流检测电路所检测到的电流进行FFT分析而提取出的所述频谱峰值,提取由所述逆变器的噪声所引起的频谱峰值,然后判定异常。
发明效果
根据本公开的异常诊断装置和异常诊断方法,在将逆变器用于电动机的驱动控制的情况下,通过提取由逆变器的噪声所引起的频谱峰值,从而能提供一种不存在错误判断的可能性的异常诊断装置和异常诊断方法。
附图说明
图1是用于说明实施方式1所涉及的异常诊断装置的简要结构的图。
图2是示出实施方式1所涉及的电动机控制装置的结构的一例的图。
图3是示出实施方式1所涉及的监视诊断部的结构的框图。
图4是示出使用了实施方式1所涉及的异常诊断装置的电流FFT的分析结果的一例即频谱波形的图。
图5A是示出使用实施方式1所涉及的异常诊断装置进行动力传递机构的异常诊断的整体步骤的流程图。
图5B是示出使用实施方式1所涉及的异常诊断装置进行动力传递功能的异常诊断的整体步骤的流程图。
图6是示出使用实施方式1所涉及的异常诊断装置进行异常诊断的步骤的流程图。
图7是示出实施方式1所涉及的监视诊断部的另一个结构的框图。
图8是示出使用实施方式1所涉及的异常诊断装置进行异常诊断的另一个步骤的流程图。
图9是用于说明实施方式2所涉及的异常诊断装置的简要结构的图。
图10是示出实施方式2所涉及的监视诊断部的结构的框图。
图11是示出使用了实施方式2所涉及的异常诊断装置的电流FFT的分析结果的一例即频谱波形的图。
图12A是示出使用实施方式2所涉及的异常诊断装置进行电动机的机械***的异常诊断的整体步骤的流程图。
图12B是示出使用实施方式2所涉及的异常诊断装置进行电动机的机械***的异常诊断的整体步骤的流程图。
图13是示出使用实施方式2所涉及的异常诊断装置进行异常诊断的步骤的流程图。
图14是示出实施方式3所涉及的监视诊断部的结构的框图。
图15A是示出使用实施方式3所涉及的异常诊断装置进行异常诊断的整体步骤的流程图。
图15B是示出使用实施方式3所涉及的异常诊断装置进行异常诊断的整体步骤的流程图。
图16是用于说明实施方式4所涉及的异常诊断装置的简要结构的图。
图17是用于说明实施方式5所涉及的异常诊断装置的简要结构的图。
图18是实施方式1至5所涉及的异常诊断装置的硬件结构图。
具体实施方式
以下,参照附图对本实施方式进行说明。另外,在各图中,同一标号表示相同或相当部分。
实施方式1.
以下,利用附图对实施方式1所涉及的电动机的诊断装置进行说明。
图1是用于说明实施方式1所涉及的异常诊断装置的简要结构的图。异常诊断装置100通常检测电动机15的异常以及从电动机15向作为负载的机械设备30传递动力的动力传递机构16的异常并进行异常诊断,在实施方式1中如后所述,对检测动力传递机构16的异常并进行异常诊断的示例进行说明。在图中,电动机15是例如在工厂等中大量使用的一个示例,经由电动机控制装置80连接到用于电动机驱动的电源线11,布线用断路器12a、12b、12c连接到电源线11的各相,电磁接触器13a、13b、13c连接到电源线11的各相。
异常诊断装置100包括电动机控制装置80、监视诊断部20、显示部40、报警部50、以及电流检测器14,该电流检测器14与连接到电动机15的三相的电源线11中的任一个相连接。该异常诊断装置100具有搭载在用于管理配置在工厂等中的多个电动机的电动机控制中心上、或者作为与电动机控制中心分开设置的电动机诊断装置等方式。电动机控制装置80可以包括在异常诊断装置100中,也可以独立于异常诊断装置100地设置。
电流检测器14有时设置在三相的电源线11的各相上。但是,只测量任一个相即可。此外,只要是能够测量电动机15的驱动电流的位置,不限定电流检测器14的设置位置。这表示检测精度不会随测量位置而变化。
在本实施方式中,对于一个电动机15各具备一个监视诊断部20。
显示部40显示监视诊断部20的诊断结果。报警部50基于监视诊断部20的诊断结果以声音或视觉方式输出警报,并通知电动机和动力传递机构的异常。
图2是用于说明电动机控制装置80的结构的图。电动机控制装置80包括逆变器(功率转换装置)81和用于驱动逆变器81的控制部82。例如,在逆变器81由半导体开关元件构成时,逆变器81的半导体开关元件被驱动和控制,使得通过PWM(Pulse Width Modulation:脉宽调制)方式等从由控制部82生成的载波和矩形波进行功率转换。这里,作为用于驱动逆变器81的基本的载波的频率是电动机控制装置80的运行频率fs。由逆变器81转换的电力被提供给电动机15。也就是说,电动机15由逆变器81驱动控制。
动力传递机构16通过将作为动力传递构件的例如皮带161卷绕在连接到电动机15的旋转轴的皮带轮Pu1和连接到机械设备30的驱动轴的皮带轮Pu2上而构成。动力传递构件不仅限于皮带,还可以是减速器、链条等。
<监视诊断部20的结构
接下来,说明监视诊断部20的结构。图3是示出实施方式1所涉及的异常诊断装置100的监视诊断部20的结构的框图。在图3中,监视诊断部20具备电动机设定部21、存储器部22、存储部23、运算部25、异常判定部27以及诊断结果存储部28。
另外,在实施方式1所涉及的异常诊断装置100中,对用于检测动力传递机构16的异常的监视诊断部20的结构例进行说明。
电动机设定部21用于设定动力传递机构16的信息和电动机15的信息。在动力传递机构16是皮带的情况下,进行用于识别皮带已安装的设定。或者,在动力传递机构16是减速器的情况下,进行用于识别减速器已安装的设定。在不存在动力传递机构16的情况下,进行用于识别不存在的设定。
另外,电动机设定部21用于从安装到电动机15上的铭牌的信息中获取电源频率、极数、额定转速等电动机15的规格。电动机15在空载时的旋转频率可以用2·fs/p(fs:电动机控制装置的运行频率,p:极数)计算。因此,电动机15的旋转频率fr一定是空载时的旋转频率与额定时的旋转频率之间的值,因此,旋转频率的范围被限定。使用该信息,在线实时且高精度地确定电动机15的旋转频率,并用于电动机的机械***异常检测。
这些电动机15的规格信息和动力传递机构的信息存储在存储器部22中。另外,由电流检测器14获取到的电动机15的驱动电流存储在存储器部22中。
存储部23包括判定基准存储部23a、逆变器噪声频率存储部23d和动力传递机构频率存储部23e。
判定基准存储部23a用于保存用于判定动力传递机构16的异常的阈值等。
逆变器噪声频率存储部23d存储由从电动机控制装置80产生的逆变器的噪声引起的频谱峰值的频率值。不仅存储频率值,还可以同样地存储由逆变器的噪声引起的频谱峰值的信号强度、以及电动机控制装置80的运行频率、运行频率的频谱峰值的信号强度。都存储由后述的运算部25分析出的结果。或者,在事先判明产生频率的情况下,可以由电动机设定部21获取并设定。
动力传递机构频率存储部23e存储由动力传递机构引起的频谱峰值的频率值。优选为,不仅存储频率值,同样还存储由动力传递机构引起的频谱峰值的信号强度、以及当获取由动力传递机构引起的频谱峰值时的电动机控制装置80的运行频率、运行频率的频谱峰值的信号强度。
运算部25包括频谱分析部25a、边带波分析部25b、峰值分析部25c、逆变器噪声频率判定部25d和动力传递机构频率判定部25e。
频谱分析部25a使用由电流检测器14检测到的电流来执行电流FFT(Fast FourierTransform:快速傅立叶变换)分析(频率分析)。
边带波分析部25b从由频谱分析部25a分析的频谱波形中检测所有频谱峰值。所检测的频率范围优选在0~1000Hz之间。接下来,从检测到的频谱峰值中判定满足边带波条件的频谱峰值。
峰值分析部25c按频率分析由边带波分析部25b提取的边带波。
逆变器噪声频率判定部25d基于由峰值分析部25c分析出的结果,判定边带波是否是由逆变器的噪声引起的频谱峰值。若判定为逆变器的噪声引起的频率,则将频谱峰值的频率值存储在存储部23的逆变器噪声频率存储部23d中。优选为,同时还同样地存储频谱峰值的信号强度、以及在获取由逆变器的噪声引起的频谱峰值时的电动机控制装置80的运行频率、运行频率的频谱峰值的信号强度。
动力传递机构频率判定部25e基于由峰值分析部25c分析出的结果判定边带波是否是由动力传递机构引起的频谱峰值。若判定是由动力传递机构引起的频谱峰值,则将这些频谱峰值的频率值存储在动力传递机构频率存储部23e中。优选为,同时还同样地存储频谱峰值的信号强度、以及在获取由动力传递机构引起的频谱峰值时的电动机控制装置80的运行频率、运行频率的频谱峰值的信号强度。
异常判定部27判定动力传递机构16有无异常。基于预先存储在判定基准存储部23a中的阈值,与由动力传递机构频率判定部25e判定的频谱峰值进行比较,并进行判定。
诊断结果存储部28存储由异常判定部27判定的结果。
<运算部25中的频谱峰值的分析>
接下来,对运算部25中的频谱峰值分析方法进行说明。
图4是示出电流FFT分析结果的频谱波形的图。上部示出了动力传递机构16的皮带161正常的状态,下部示出了皮带161断裂的状态。
在图4所示的频谱波形中,以电动机控制装置80的运行频率fs(这里为60Hz)为中心,在高频侧和低频侧两者以均等的间隔出现频谱峰值P。即,从电源频率到高频侧+fb,+2fb等,低频侧-fb,-2fb等的间隔出现频谱峰值P。这些频谱峰值P是边带波的一个频谱峰值。频谱峰值P的信号强度和出现模式根据电动机15的转速而变化。
首先,说明频谱峰值P出现的理由。例如,由于皮带161连接到与电动机15的旋转轴连接的皮带轮Pu1,皮带161的速度变动引起电动机15的转子的转速的变动,这影响电动机15的驱动电流。此时,由于在皮带161旋转一周的频率下也发生速度变动,因此出现皮带161旋转一周的频率及其高次谐波的频谱峰值P。如果将Dr设为连接到电动机15的旋转轴的皮带轮Pu1的半径,将fr设为电动机15的旋转轴的旋转频率,将L设为皮带161的长度,则频谱峰值P出现的频带fb由下式(1)表示。
fb=(2πDr·fr)/L···式(1)
由此,频带fb由皮带轮Pu1的半径Dr、电动机15的旋转轴的旋转频率fr、皮带161的长度L决定。然后,若通过FFT对电流波形进行频率分析,则在运行频率fs的两侧fs±fb出现边带波。同时,还观测到边带波的高次谐波分量fs±2fb。根据电动机15的动作条件,还观测到fs±3fb等高次谐波。
接着,在峰值分析部25c中,对由边带波分析部25b获取的边带波的分析方法进行说明。将由边带波分析部25b获取的边带波的频率值、即作为从运行频率fs的偏移的边带波出现的频率设为fp,进行下式(2)的计算。
Δ=fs/fp···式(2)
在计算出的Δ为整数的情况下,判断(推测)为逆变器噪声引起的频谱峰值的可能性较高。另一方面,Δ不是整数的情况下,判断(推测)为有可能是由动力传递机构引起的边带波的频谱峰值。
这里,对若Δ为整数则能判断为逆变器噪声引起的频谱峰值的可能性高的情况进行说明。
在电动机控制装置80所具有的逆变器81中,将用于在进行直流-交流转换时决定开关元件的开关定时的载波的频率定义为运行频率fs,将用于决定临时存储调制波的值的定时以与载波进行比较的采样频率定义为fsm,将调制波的频率定义为f0。此时,在载波的频率fs或采样频率fsm不是调制波频率f0的倍数的情况下,在频谱峰值处产生具有这些值的最大公约数和该值的倍数的频率的噪声。因此,在运行频率fs或采样频率fsm和调制波频率f0的最大公约数及其高次谐波处,产生逆变器噪声的频谱峰值。也就是说,电动机控制装置的运行频率fs可以被产生的逆变器噪声引起的频谱峰值的频率finv整除,式(2)的Δ为整数。
在图4所示的频谱波形中,以电动机控制装置80的运行频率fs(这里为60Hz)为中心,由逆变器噪声引起的频谱峰值出现在fs±finv、fs±2finv处,finv=20(Hz)。因此,根据式(2),Δ=60/20=3为整数。
接下来,对由动力传递机构引起的频谱峰值列的频率fb进行说明。
频率fb根据式(1)计算。这里,电动机15的旋转轴的旋转频率fr根据下式(3)计算。
fr=(2fs·(1-s))/p···式(3)
其结果是,若对于由动力传递机构引起的频谱峰值列的频率,计算式(2),则如下面的式(4)所示。
Δ=fs/fp=fs/fb
=fs/((2πDr·fr)/L)
=pL/(4πDr·(1-s))···式(4)
式(4)在分母中含有无理数π(圆周率),因此理论上Δ不会成为整数。
即使观察图4所示的频谱波形,Δ=fs/fp=fs/fb也不是整数。
如上所述,可知若在峰值分析部25c中对式(2)进行计算,则能判断是由逆变器噪声引起的频谱峰值,还是由动力传递机构引起的频谱峰值。
接下来,详细说明逆变器噪声频率判定部25d的动作。在峰值分析部25c中,对于计算出的Δ为整数且被判断为由逆变器噪声引起的频谱峰值的可能性较高(被推测为由逆变器噪声引起的频谱峰值)的频谱峰值,逆变器噪声频率判定部25d检测是否为频谱峰值列。频谱峰值列是指以等间隔的频率产生的频谱峰值。条件是这些频谱峰值为边带波。若判定为频谱峰值列,则频谱峰值的频率值被存储在存储部23的逆变器噪声频率存储部23d中。如上所述,优选为同时还存储频谱峰值的信号强度以及电动机控制装置80的运行频率、运行频率的频谱峰值的信号强度。
接着,对动力传递机构频率判定部25e的动作的详细情况进行说明。在峰值分析部25c中,对于Δ不是整数并且被判断为是由动力传递机构引起的频谱峰值的可能性较高的频谱峰值,动力传递机构频率判定部25e判定与电动机控制装置80的运行频率fs的频谱峰值的信号强度之间的差分强度是否为常数A(dB)以下。常数A优选为50(dB)或60(dB)左右的值。也就是说,表示由动力传递机构引起的频谱峰值的信号强度大于其周围的频谱峰值。在差分强度为常数A(dB)以下的情况下,检测是否存在两个以上频谱峰值列。在判定为频谱峰值列时,这些频谱峰值的频率值被存储在动力传递机构频率存储部23e中。如上所述,优选为同时还存储频谱峰值的信号强度以及电动机控制装置80的运行频率、运行频率的频谱峰值的信号强度。
异常判定部27中,判定动力传递机构16有无异常。将动力传递机构频率判定部25e所判定的由动力传递机构引起的频谱峰值列与预先存储在判定基准存储部23a中的阈值B(dB)进行比较,从而判定皮带断裂。
此外,若检测到D个以上超过预先存储在判定基准存储部23a中的阈值C(dB)的信号强度的频谱峰值,则判定为异常。另外,用于异常判定的频谱峰值的个数D例如为2,但不限于2,但优选为2以上。
用于异常判定的阈值可以预先存储在判定基准存储部23a中,或者也可以通过将动力传递机构处于正常状态时的数据存储在存储器部22中并实施统计处理等来决定阈值。
作为使用统计处理的阈值的决定方法,例如有如下方法:通过进行一定期间的学习来计算由动力传递机构引起的频谱峰值的信号强度与电动机控制装置80的运行频率fs的频谱峰值的信号强度之间的差分强度在正常时的偏差σ,并将阈值设定为3σ。该情况下,如果超过±3σ的范围,则判定为异常(皮带断裂)。
另外,除了统计处理以外,也可以使用机器学习的方法来决定阈值。也可以预先从同机种的电动机设备的正常数据中学习数据的行为,并根据学习的数据确定阈值。或者,也可以学习多个电动机的各种数据的模式,对各种模式进行分类,根据分类的模式来确定阈值等。
<动力传递机构16的异常诊断步骤1:初始学习>
接着,用附图说明本实施方式1所涉及的异常诊断方法。
图5A以及图5B是表示诊断实施方式1所涉及的动力传递机构的异常的步骤的流程图。
首先,在步骤S000中,将电动机的规格信息和动力传递机构的信息输入到电动机设定部21。
接下来,在步骤S001中,开始初始学习。
在步骤S002中,由电流检测器14检测流过电动机15的电流。
在步骤S003中,由频谱分析部25a对检测到的电流进行电流FFT分析,从而获取频谱波形。
在步骤S004,由边带波分析部25b从频谱波形检测所有频谱峰值,并将在检测到的频谱峰值中满足边带波条件的频谱峰值判定为边带波(步骤S005)。
在步骤S006中,提取电动机控制装置80的运行频率fs附近的边带波的频率。此时,优选为,对于由边带波分析部25b判定为边带波的频谱峰值,从接近运行频率的频谱峰值开始依次提取边带波频率fp。另外,存在多个频率fp。
在步骤S007中,由峰值分析部25c计算通过将运行频率fs除以边带波频率fp而得到的值fs/fp。
在步骤S008,计算出的fs/fp为整数的情况下(在步骤S008中为“是”),推测为由逆变器噪声引起的频谱峰值,并且前进到步骤S009,由逆变器噪声频率判定部分25d判定是否检测到两个以上频谱峰值列。
在步骤S009中,判定为未检测到两个以上频谱峰值列的情况下(步骤S009中为“否”),返回到步骤S001。
在步骤S009中判定为检测到两个以上频谱峰值列的情况下(步骤S009中为“是”),前进到步骤S018,具有频率finv的频谱峰值的频率等作为逆变器噪声频率被存储在逆变器噪声频率存储部23d中。
在步骤S008中计算出的fs/fp不是整数的情况下(步骤S008中为“否”),前进到步骤S011,由动力传递机构频率判定部25e计算运行频率fs的频谱峰值的信号强度Ip(fs)与边带波频率fp的频谱峰值的信号强度Ip(fs±fp)之间的差分强度,并判定该差分强度是否为常数A(dB)以下。
在步骤S011,在Ip(fs)-Ip(fs±fp)≤A的情况下(步骤S011中为“是”),前进到步骤S010,判定是否检测到两个以上的频谱峰值列。
在步骤S012中判定为检测到两个以上频谱峰值列的情况下(在步骤S012中为“是”),前进到步骤S013,具有该频率fb的频谱峰值的频率等作为动力传递机构频率被存储在动力传递机构频率存储部23e中。
接着,如果在步骤S014中判定为逆变器噪声频率已存储在逆变器噪声频率存储部23d中,则已获取逆变器噪声频率和动力传递机构频率,初始学习结束。另外,由于通常存在多个由动力传递机构引起的频谱峰值的边带波的频率fb,因此最好通过重复步骤S011至步骤S013来获取多组动力传递机构频率。
在步骤S011中,Ip(fs)-Ip(fs±fp)>A的情况下(步骤S011中为“否”),以及在步骤S012中判断为没有检测到两个以上的频谱峰值列的情况下(步骤S012中“否”),由于没有获取动力传递机构频率,所以返回到步骤S001。
另外,在获取了动力传递机构频率之后,在步骤S014中判定为逆变器噪声频率未被存储在逆变器噪声频率存储部23d中的情况下(步骤S014中为“否”),也返回到步骤S001。
在图4所示的频谱波形中,上部侧是皮带161正常的情况,出现fs±finv、fs±2·finv、fs±fb以及fs±2·fb的频谱峰值。在此,进行作为初始学习的步骤S007到步骤S014。按照接近运行频率fs=60(Hz)的顺序,对所有边带波频率fp,计算fs/fp,判定频率fp是由逆变器噪声引起的频谱峰值列的频率finv还是由动力传递机构引起的频谱峰值列的频率fb。具体来说,fs为60Hz,finv为20Hz,fb为13.2Hz,fs/finv=3时为整数值,fs/fb=4.55时不为整数值。
fs以及finv是离散的值,由于包含小数点,所以在微机或者电脑等运算装置的计算中不是整数值的情况较多,但是取非常接近整数值的值。另一方面,由于fs/fb=4.55时不是整数值,因此可以说通过计算fs/fp并进行整数值判定,频谱峰值的识别判定的精度较高。
在fs/fb也成为整数值的情况下,可以在其他运行频率下再次尝试计算,或者在相同运行频率下改变负载,判定频谱峰值是否移动。在后者中,电动机控制装置的运行频率恒定的情况下,理论上由逆变器噪声引起的频谱峰值不会移动。另一方面,由动力传递机构引起的频率中,滑动s随着负载的变动而发生变化,其结果,频谱峰值移动滑动的量。通过检测其差异,能更准确地判别由逆变器噪声引起的频谱峰值和由动力传递机构引起的频谱峰值。
另外,这里由逆变器噪声引起的频谱峰值和由动力传递机构引起的频谱峰值都具有2个以上的频谱峰值列。
在步骤S001至步骤S014的初始学习中获取上述逆变器噪声频率、动力传递机构频率和各自的频谱峰值的强度。
返回到图5A和图5B的流程图。在步骤S014中,若判断为已获取逆变器噪声频率和动力传递机构频率,则结束初始学习,在步骤S015中开始异常诊断。在异常诊断中,与初始学习同样进行电流FFT分析,提取在初始学习中已获取的逆变器噪音引起的频谱峰值,根据除此以外的频谱峰值进行异常诊断。
在步骤S016中,进行动力传递机构有无异常的判定,若判定为存在异常,则在诊断结果存储部28中存储该结果,并且在步骤S018中,进行警报及显示。
<动力传递机构16的异常诊断步骤2:异常诊断>
接着,使用图6的流程图说明步骤S015的异常诊断的步骤。
若在步骤S01501中开始诊断,则在步骤S01502中,由电流检测器14检测流过电动机15的电流。
在步骤S01503中,由频谱分析部25a对检测到的电流进行电流FFT分析,从而获取频谱波形。
在步骤S01504,由边带波分析部25b从频谱波形检测所有频谱峰值,并将在检测到的频谱峰值中满足边带波条件的频谱峰值判定为边带波(步骤S01505)。
这里,步骤S01502至步骤S01505与步骤S002至步骤S005相同。
在步骤S01505,对于被判定为是边带波的频谱峰值,使用在逆变器噪声频率存储部23d中存储的由逆变器噪声引起的频谱峰值的频率等信息,提取边带波中由逆变器噪声引起的频谱峰值的频率(步骤S01506)。
在步骤S01507中,对于不是由逆变器噪声引起的频谱峰值的边带波的边带波,使用存储在动力传递机构频率存储部23e中的由动力传递机构引起的频谱峰值的频率等信息,判定运行频率fs的信号强度与由动力传递机构引起的频谱峰值的频率的位置处的信号强度之间的差分是否为阈值B(dB)以上。
本来,在皮带没有异常的情况下,如步骤S011中所判定的那样,由动力传递机构引起的频谱峰值的强度Ip(fs±fp)比较大,与运行频率fs的信号强度Ip(fs)在一定范围内。因此,如果根据在诊断时获取到的频谱波形判定fs±fb频率下的信号强度Ip(fs±fb)和fs的信号强度Ip(fs)是否为预先规定的阈值B(dB)以上,则能够通过异常判定部27判定动力传递机构的异常。
如上所述,在图4下部的频谱波形中,位于fs±fb、fs±2·fb位置的频谱峰值消失。因此,在步骤S01507中,如果判定为Ip(fs)-Ip(fs±fb)≥B,则前进到步骤S016,判定为动力传递机构存在异常,即判定为皮带断裂。若判定为动力传递机构存在异常,则将该结果存储在诊断结果存储部28中,并且在步骤S017中,进行警报及显示。
在步骤S01507中使用的阈值B可以存储在判定基准存储部23a中,并且可以是与在步骤S011的判定中使用的常数A相同的值。但是,若考虑到电力传输机构的随时间的变化,阈值B优选为大于常数A。
在步骤S01507中,判定为Ip(fs)-Ip(fs±fb)<B的情况下,将在步骤S01504中检测到的频谱峰值中不是边带波的频谱峰值检测为异常频率的频谱峰值(步骤S01508)。
如果在步骤S01509检测到D个以上超过预先存储在判定基准存储部23a中的阈值C(dB)的信号强度的频谱峰值(步骤S01509中为“是”),则判定为存在异常(步骤S017)。另外,如上所述用于异常判定的频谱峰值的个数D例如为2,但不限于2,但优选为2以上。
使用了该异常频率峰值的异常诊断例如可以使用专利文献1记载的方法。
如上所述,重复步骤S01501至步骤S01509从而进行动力传递机构16的异常诊断。
接着,用图7和图8说明诊断时的电动机控制装置80的运行频率fs从学习时起发生了变化的情况。根据电动机的驱动条件等适当地改变电动机控制装置80的运行频率fs。以下,包含在诊断时确定电动机控制装置80的运行频率fs的步骤来进行说明。
图7是示出在图3的运算部25中还具备频率校正部25g的监视诊断部20的结构的框图。图8是实施方式1的变形例中的异常诊断的流程图,是对图6进行了一部分变更后的流程图。
若在步骤S01501中开始诊断,则在步骤S01502中,由电流检测器14检测流过电动机15的电流。
在步骤S01503中,由频谱分析部25a对检测到的电流进行电流FFT分析,从而获取频谱波形。
在步骤S01504,由边带波分析部25b从频谱波形检测所有频谱峰值,并将在检测到的频谱峰值中满足边带波条件的频谱峰值判定为边带波(步骤S01505)。
在步骤S01504中,检测到的频谱峰值中信号强度最大的频谱峰值是电动机控制装置80的运行频率fs的频谱峰值。因此,将在学习时获取到的电动机控制装置80的运行频率fs与在诊断时获取到的信号强度最大的频谱的频率进行比较,在两者的频率不同的情况下,确定为电动机控制装置80的运行频率发生了改变。另外,在电动机控制装置80的运行频率没有改变的情况下,按照图6的流程图的步骤进行诊断。
在步骤S01506a中,频率校正部25g校正信号强度最大的频谱峰值的频率作为诊断时的电动机控制装置80的运行频率fs,并推测由动力传递机构引起的频谱峰值的频率。
由动力传递机构引起的频谱峰值出现的频带fb可以使用式(1)和式(3),用下式表述。
fb=fs·4πDr(1-s)p/L
也就是说,可知fb在运行频率fs下发生变化。其他的Dr、L、p是恒定的,只有s(滑动)的数值有轻微的变化,但由于其变化很小,所以可以认为几乎是恒定的。也就是说,如果在学习时获取运行频率fs并进行存储,则在运行频率发生变化的情况下,能推测动力传递机构频率的位置(频段fb)。
例如,考虑由于电动机控制装置80的逆变器的运行的变化而使运行频率fs从60HzHz改变到30Hz的情况。运行频率fs为60Hz时,fb为13.2Hz。若运行频率fs改变为30Hz,则fb从13.2Hz变为约6.6Hz。因此,在步骤S01504中,在检测到运行频率fs改变到30Hz之后,能推测动力传递机构频率的位置(频带fb),在步骤S01505中,从作为边带波提取到的频谱峰值中提取相当于fb的频谱峰值。然后,如在学习时所实施的那样,通过进行动力传递机构频率的判定(步骤S007至步骤S012),从而确定为动力传递机构频率。
接下来,在步骤S01506b中,基于校正后的运行频率fs(诊断时的电动机控制装置80的运行频率fs)来求出由逆变器噪声引起的频谱峰值,并从诊断时的频谱峰值中提取频谱峰值。以与学习时的步骤S007至步骤S010相同的步骤来判定基于校正后的运行频率fs的由逆变器噪声引起的频谱峰值即可。
步骤S01507之后的步骤与用图6说明的步骤相同。
因此,若在诊断时的电动机控制装置80的运行频率fs从学习时起发生了改变的情况下,基于校正后的运行频率fs,进行动力传递机构频率的频带fb
的推测、以及由逆变器噪声引起的频谱峰值的判定,则能在运行频率变动的情况下没有误检测地进行异常诊断。
另外,所谓诊断时的电动机控制装置80的运行频率fs从学习时起发生变化的情况,是指与存储在逆变器噪声频率存储部23d、动力传递机构频率存储部23e中的频率相关联地进行存储的运行频率fs与诊断时的电动机控制装置80的运行频率fs不同,即没有该运行频率fs下的学习结果。因此,在通过重复学习将与多个运行频率fs对应的各个频率存储在逆变器噪声频率存储部23d、动力传递机构频率存储部23e中的情况下,可以使用这些频率。上述情况是由于没有学习结果,所以没有从逆变器噪声频率存储部23d、动力传递机构频率存储部23e所保存的频率中引用的数据的情况。例如,即使最近的学习时的电动机控制装置80的运行频率fs与诊断时的电动机控制装置80的运行频率fs不同,但在与诊断时的运行频率fs对应的各频率被存储在逆变器噪声频率存储部23d、动力传递机构频率存储部23e中的情况那样已经有学习结果的情况下,也可以使用这些频率。
如上所述,根据实施方式1,对于由逆变器驱动控制的电动机,在初始学习中,检测流过电动机的电流,在通过检测出的电流的FFT分析提取出的边带波中,对于电动机控制装置的运行频率fs,具有fs/fp为整数的频率的边带波形成2个以上的频谱峰值列的情况下,判定为由逆变器噪声引起的边带波,并存储其频率等。因此,在异常诊断中,能从通过电流的FFT分析提取出的频谱峰值中提取由逆变器噪声引起的频谱峰值,消除了由逆变器噪声引起的误诊断,提高了诊断的精度。
另外,在初始学习中,通过电动机中流过的电流的FFT分析提取出的边带波中,具有相对于电动机控制装置的运行频率fs,fs/fp不为整数的频率的边带波的信号强度与电动机控制装置的运行频率的信号强度的差分在常数A以下,并且形成2个以上的频谱峰值列,在上述情况下,判定为由动力传递机构引起的边带波,存储其频率等。因此,在异常诊断中,通过将由动力传递机构引起的频率的信号强度与所存储的信号强度进行比较,从而能容易地进行动力传递机构的异常、即皮带断裂等的诊断。
进而,在诊断时判定电动机控制装置的运行频率fs,在此之前没有在该运行频率fs下的学习结果的情况下,通过利用已经学习的运行频率fs推测由动力传递机构引起的边带波,并且提取以诊断时电动机控制装置的运行频率fs作为运行频率的由逆变器噪声引起的频谱峰值,从而能进行没有误诊断的异常诊断。
实施方式2.
以下,利用附图对实施方式2所涉及的异常诊断装置进行说明。
图9是用于说明实施方式2所涉及的异常诊断装置的简要结构的图。异常诊断装置100通常检测电动机15的异常以及从电动机15向作为负载的机械设备30传递动力的动力传递机构17的异常并进行异常诊断,但在实施方式2中如后所述,对检测电动机15的机械***异常并进行异常诊断的示例进行说明。因此,以与实施方式1不同之处为中心进行说明,相同之处省略说明。
在图9中,将动力从电动机15传递到机械设备30的动力传递机构17与使用皮带、减速器或链条等的实施方式1不同,使用将电动机15的旋转直接传递到机械设备30的联轴器等。因此,在实施方式2中,考虑忽略动力传递机构17的异常。此外,异常诊断装置100包括监视诊断部20a。对于一个电动机15分别设置一个监视诊断部20a。
<监视诊断部20a的结构>
接下来,说明监视诊断部20a的结构。图10是示出实施方式2所涉及的异常诊断装置100的监视诊断部20a的结构的框图。在图10中,监视诊断部20a具备电动机设定部21、存储器部22、存储部23、运算部25、异常判定部27以及诊断结果存储部28。
另外,在实施方式2所涉及的异常诊断装置100中,对用于检测电动机15的异常的监视诊断部20a的结构例进行说明。电动机设定部21及存储器部22具有与实施方式1相同的结构,省略说明。
存储部23包括判定基准存储部23a、逆变器噪声频率存储部23d和机械***异常频率存储部23f。
判定基准存储部23a用于保存用于判定电动机15的机械***的异常的阈值等。
逆变器噪声频率存储部23d具有与实施方式1相同的结构。
机械***异常频率存储部23f存储由电动机的机械***的异常引起的频谱峰值的频率值。最好不仅存储频率值,还同样地存储频谱峰值的信号强度、以及当获取频谱峰值时的电动机控制装置80的运行频率、运行频率的频谱峰值的信号强度。
运算部25包括频谱分析部25a、边带波分析部25b、峰值分析部25c、逆变器噪声频率判定部25d和机械***异常频率判定部25f。
频谱分析部25a、边带波分析部25b以及峰值分析部25c是与实施方式1相同的结构。
机械***异常频率判定部25f基于由峰值分析部25c分析出的结果,判定边带波的频率是否是由电动机的机械***异常引起的频率。若判定是由机械***异常引起的频率,则将这些频谱峰值的频率值存储在机械***异常频率存储部23f中。优选为,同时还存储频谱峰值的信号强度以及电动机控制装置80的运行频率、运行频率的频谱峰值的信号强度。
异常判定部27判定电动机15的机械***中有无异常。电动机15的机械***的异常是轴承异常、偏心、错位、不平衡、螺栓松动、摇晃和异常振动等。基于预先存储在判定基准存储部23a中的阈值,与由机械***异常频率判定部25f判定的频谱峰值进行比较来进行判定。
诊断结果存储部28存储由异常判定部27判定的结果。
<运算部25中的频谱峰值的分析>
下面,对电动机的机械***异常频率的提取进行说明。
图11是示出实施方式2中的监视诊断部20a的运算部25中的电流FFT分析结果的频谱波形的图。上部示出电动机处于空载的状态,下部示出在额定负载下的运行状态。在实施方式2中,由于动力传递机构17是对负载直接施加旋转的联轴器等,因此忽略了由动力传递机构引起的频谱峰值。
在图11所示的频谱波形中,上下部均以电动机控制装置80的运行频率fs为中心,在高频侧和低频侧以均等的间隔观察由逆变器噪声引起的边带波。另外,已知作为边带波,在fs±fd处还会出现电动机15的机械***异常的频谱峰值。
接下来,对用于判定图11所示的频谱峰值是否是电动机15的机械***异常的方法进行说明。
在峰值分析部25c中对式(2)进行计算,但是已知由电动机15的机械***异常引起的频谱峰值出现在电动机的旋转频率fr附近,这里,若着眼于式(3)中的电动机的旋转频率fr,则式(2)变形为下面的式(5)。
Δ=fs/fp=p/(2·(1-s))···式(5)
此时,空载的状态下滑动s=0,式(5)为整数值。因此,难以与由逆变器噪声引起的频谱峰值进行判别。但是,一般来说,对电动机15施加负载,滑动s不是0,因此,在Δ不是整数的情况下,能判定是机械***异常频率的可能性很高。此外,由于已知由电动机15的机械***异常引起的频谱峰值出现在电动机15的旋转频率fr附近,因此能根据电动机的额定信息推测由机械***异常引起的频谱峰值产生的频率。从式(3)可以知道电动机15的极数和电动机控制装置80的运行频率fs。机械***异常频率的值从电动机15的旋转频率fr偏移滑动s的量,但该偏移量最大为1~2Hz左右。
即,由峰值分析部25c根据式(2)计算fs/fp,对于成为整数的边带波,判定频谱峰值的频率是否根据负载的有无而变动。在不变动的情况下,与实施方式1相同,由逆变器噪声频率判定部25d进行是否是由逆变器噪声引起的频谱峰值的判定。
在机械***异常频率判定部25f中,对于由峰值分析部25c计算出的fs/fp的值不是整数的频谱峰值、以及即使由峰值分析部25c计算出的fs/fp的值是整数、频谱峰值的频率也会因负载的有无而变动的频谱峰值,判定是否接近电动机的旋转频率fr。这里,预先设定阈值E(Hz),并判定阈值E(Hz)是否在该范围以内。阈值E可以是1~2(Hz)左右。阈值可以存储在判定基准存储部23a中,也可以作为在由机械***异常频率判定部25f计算频谱峰值的频率与电动机的旋转频率fr之间的差分时的比较常数来进行保存。在判定为频谱峰值接近电动机的旋转频率fr时,该频谱的频率存储在机械***异常频率存储部23f中。优选为同时还存储频谱峰值的信号强度、以及当获取频谱峰值时的电动机控制装置80的运行频率、运行频率的频谱峰值的信号强度。
在异常判定部27中,判定电动机15的机械***中有无异常。将由机械***异常频率判定部25f所判定的机械***异常引起的频谱峰值的信号强度与电动机控制装置80的运行频率fs的频谱强度之间的差分为F(dB)以下的情况判定为存在机械***异常。阈值F(dB)预先存储在判定基准存储部23a中。
可以将由机械***异常频率判定部25f所判定的由机械***异常引起的频谱峰值与预先存储在判定基准存储部23a中的阈值Fa(dB)相比较,若超过阈值Fa(dB),则判定为存在机械***异常。阈值F(dB)和阈值Fa(dB)均用于判断由机械***异常引起的频谱峰值足够大的情况。
用于异常判定的阈值可以预先存储在判定基准存储部23a中,或者也可以通过将电动机15处于正常状态时的数据存储在存储器部22中并实施统计处理等,来决定阈值。
另外,除了统计处理以外,也可以使用机器学习的方法来决定阈值。也可以预先从同机种的电动机设备的正常数据中学习数据的行为,并根据学习到的数据来确定阈值。或者,也可以学习多个电动机的各种数据的模式,对各种模式进行分类,根据分类的模式来确定阈值等。
<电动机15的机械***异常诊断步骤1:初始学习>
接着,用附图说明本实施方式2所涉及的异常诊断方法。
图12A以及图12B是示出诊断实施方式2所涉及的电动机的机械***的异常的步骤的流程图。
从输入电动机的规格的步骤S000到计算fs/fp的步骤S007与实施方式1相同,省略说明。
在由峰值分析部25c计算出的fs/fp的值是整数的情况下(步骤S008a中为“是”),前进到步骤S008b,判定在电动机15处于额定负载时的运行状态和空载的运行状态下,fs/fp的值具有整数的边带波的频率是否变动。这里,设为电动机15在额定负载时的运行状态和空载时的运行状态下被控制在相同的运行频率fs下。
在步骤S008b中,在判定为没有变动的情况下(步骤S008b为“否”),前进到步骤S009,与实施方式1相同地进行逆变器噪声频率判定。
在步骤S008a中计算出的fs/fp的值不是整数的情况下(步骤S008a中为“否”),并且在步骤S008b中判定为存在变动的情况下(步骤S008b中为“是”),前进到步骤S021。
在步骤S021,由机械***异常频率判定部25f判定频谱峰值是否接近电动机15的旋转频率fr。在判定为频谱峰值接近电动机15的旋转频率fr的情况下(步骤S021中为“是”),该频谱的频率作为机械***异常频率存储在机械***异常频率存储部23f中(步骤S022)。
接着,如果在步骤S023中判定为逆变器噪声频率已存储在逆变器噪声频率存储部23d中,则已获取逆变器噪声频率和机械***异常频率,初始学习结束。
另外,在步骤S021中未判定为频谱峰值接近电动机15的旋转频率fr的情况下(步骤S021中为“否”),由于未获取机械***异常频率,因此返回到步骤S001。
另外,在获取了机械***异常频率之后,在步骤S023中判定为逆变器噪声频率未被存储在逆变器噪声频率存储部23d中的情况下(步骤S023中为“否”),也返回到步骤S001。
接着,在步骤S025中开始异常诊断。
在步骤S026中,进行电动机的机械***是否有异常的判定。这里,与初始学习同样进行电流FFT分析,但提取在初始学习中已获取的由逆变器噪音引起的频谱峰值,根据从除此之外的频谱峰值进行异常诊断。
若判定为存在异常,则将该结果存储在诊断结果存储部28中,并且在步骤S027中,进行警报及显示。
<电动机15的机械***的异常诊断步骤2:异常诊断>
接着,使用图13的流程图说明步骤S025的异常诊断的步骤。
步骤S02501至步骤S02505与步骤S002至步骤S005相同。
在步骤S02506中,从被判定为是边带波的频谱峰值中使用存储在逆变器噪声频率存储部23d中的由逆变器噪声引起的频谱峰值的频率等信息,提取边带波中的由逆变器噪声引起的频谱峰值的频率。
在步骤S02507中,对被判定为边带波的频谱峰值中是否在电动机15的旋转频率fr附近进行判定。在判定是否在电动机15的旋转频率fr附近的情况下(步骤S02507为“是”),由电动机的机械***的异常引起的边带波的可能性较高,并且在步骤S02508中检测该频谱峰值的频率fp和信号强度Ip(fs±fp)。
在步骤S02509中,计算由电动机的机械***异常引起的边带波的频谱峰值的信号强度Ip(fs±fp)与电动机控制装置80的运行频率fs的信号强度Ip(fs)之间的差分。如果判断为Ip(fs)-Ip(fs±fp)≤F(步骤S02509为“是”),则由电动机的机械***异常引起的边带波的频谱峰值足够大,判定为机械***存在异常(步骤S026)。
若判定为电动机的机械***存在异常,则将该结果存储在诊断结果存储部28中,并且在步骤S027中,进行警报及显示。
这里,在步骤S02507中,边带波中还包含由逆变器噪声引起的频谱峰值。因此,在进行异常诊断的情况下,可以使电动机15处于有负载的运行状态和空载的运行状态,并且仅对在两者之间频谱峰值的频率有变动的频谱峰值执行步骤S02507以后的步骤。
另外,在预先知道电动机控制装置80的运行频率fs和电动机的旋转频率fr的情况下,由于知道由逆变器噪声引起的频谱峰值的频率finv和旋转频率fr是否重叠,因此可以利用这一点来执行步骤S02507以后的步骤。
如上所述,重复步骤S02501至步骤S02509从而进行电动机15的机械***的的异常诊断。
接着,判定图11所示的频谱峰值是否是电动机15的机械***异常。在图中,fs=60(Hz),fr=30(Hz)。首先,在上部空载的情况下,从检测到的频谱峰值中检测边带波。接着,若算出fs/fp,则由于finv=20(Hz),fd=30(Hz),所以fs/finv=3,fs/fd=2。
这里,位于电动机的旋转频率fr附近的是具有边带波的频率fd的频谱峰值,并且与和finv一致的频谱峰值不重叠,该finv与运行频率fs一起存储在逆变器噪声频率存储部23d中。另外,和与运行频率fs、旋转频率fr一起存储在机械***异常频率存储部中的fd一致。因此,将在电动机旋转频率fr附近的频谱峰值判定为机械***异常频率,并将其信号强度与运行频率fs的频谱峰值的信号强度进行比较。在两者之间的差分为阈值F以下的情况下,判定为异常。
或者,在诊断时进行额定负载状态的频谱分析,获取图11的下部所示的额定负载状态的频谱波形。在额定负载的状态下,由机械***异常引起的频谱峰值发生变动,边带波的频率fd为28.8Hz,fs/fd=2.08时不是整数值。因此,将在电动机的旋转频率fr附近的频谱峰值判定为机械***异常频率,并将其信号强度与运行频率fs的频谱峰值的信号强度进行比较即可。
如上所述,根据实施方式2,对于由逆变器驱动控制的电动机,在初始学习中,检测流过电动机的电流,在通过检测出的电流的FFT分析提取出的边带波中,对于电动机控制装置的运行频率fs,具有fs/fp为整数的频率的边带波不因负载的有无而变动且形成2个以上的频谱峰值列,在上述情况下,判定为是由逆变器噪声引起的边带波,对其频率等进行存储。因此,在异常诊断中,能从通过电流的FFT分析而提取出的频谱峰值中提取由逆变器噪声引起的频谱峰值,消除了由逆变器噪声引起的误诊断,提高了诊断的精度。
另外,在初始学习中,将通过流过电动机的电流的FFT分析而提取出的边带波中,位于电动机旋转频率fr附近、并且具有频谱峰值频率或边带波的频率根据负载的有无而变动的频谱峰值的频谱峰值判定为由电动机的机械***异常引起的边带波,并存储其频率等。因此,在异常诊断中,能判定是否是由电动机的机械***异常引起的频率,并且将由机械***异常引起的频谱峰值的信号强度与预先设定的阈值进行比较,从而能容易地对电动机的机械***异常进行诊断。
实施方式3.
以下,利用附图对实施方式3所涉及的异常诊断装置进行说明。
图14是示出实施方式3所涉及的异常诊断装置的监视诊断部20b的结构的框图。图14示出在图1的结构中,在电动机15与机械设备30之间安装有皮带等动力传递机构16的情况下,用于诊断动力传递机构16及电动机15的机械***异常两者的监视诊断部20b的结构。
因此,构成为存储部23具有动力传递机构频率存储部23e和机械***异常频率存储部23f,运算部25具有动力传递机构频率判定部25e和机械***异常频率判定部25f两者。其他的结构与实施方式1、2相同。
接着,用附图说明本实施方式3所涉及的异常诊断方法。
图15A以及图15B是示出使用实施方式3所涉及的异常诊断装置诊断异常的步骤的流程图。
<异常诊断步骤1:初始学习>
首先,对初始学习的步骤进行说明。
在步骤S000中,将电动机的规格信息和动力传递机构的信息输入到电动机设定部21。
图15A的步骤S001至步骤S010与实施方式2相同。
在边带波中,在步骤S008a中判定为fs/fp的值不是整数时,以及在步骤S008b中判定为频率相对于电动机是空载的情况和额定负载下的运行状态的情况下的负载的有无而发生变动时,前进到步骤S011。
在步骤S011,在Ip(fs)-Ip(fs±fp)≤A的情况下(步骤S011中为“是”),前进到步骤S012,判定是否检测到两个以上的频谱峰值列。
在步骤S012中判定为检测到两个以上频谱峰值列的情况下(在步骤S012中为“是”),前进到步骤S013,具有该频率fb的频谱峰值的频率等作为动力传递机构频率被存储在动力传递机构频率存储部23e中。
在步骤S011中,Ip(fs)-Ip(fs±fp)>A的情况下(步骤S011中为“否”),以及在步骤S012中判定为没有检测到两个以上的频谱峰值列的情况下(步骤S012中为“否”),不判定为动力传递机构频率,并前进到步骤S021。
在步骤S021,由机械***异常频率判定部25f判定频谱峰值是否接近电动机15的旋转频率fr。在判定为频谱峰值接近电动机15的旋转频率fr的情况下(步骤S021中为“是”),该频谱的频率作为机械***异常频率而存储在机械***异常频率存储部23f中(步骤S022)。
接着,在步骤S031中,如果判定为逆变器噪声频率已存储在逆变器噪声频率存储部23d中并且动力传递机构频率存储部23e中已存储由动力传递机构引起的频率,则已获取逆变器噪声频率、动力传递机构频率和机械***异常频率,初始学习结束。
另外,在步骤S021中未判定为频谱峰值接近电动机15的旋转频率fr的情况下(步骤S021中为“否”),由于未获取机械***异常频率,因此返回到步骤S001。
另外,在获取了机械***异常频率之后,在步骤S023中,在判定为逆变器噪声频率未存储在逆变器噪声频率存储部23d中,或者在动力传递机构频率存储部23e中未存储由动力传递机构引起的频率的情况下(步骤S031中为“否”),也返回到步骤S001。
接着,在步骤S035中开始异常诊断。
在步骤S036,进行动力传递机构和电动机的机械***是否有异常的判定。这里,与初始学习同样进行电流FFT分析,但提取在初始学习中已获取的由逆变器噪音引起的频谱峰值,参照该频谱峰值进行异常诊断。
若判定为存在异常,则将该结果存储在诊断结果存储部28中,并且在步骤S037中,进行警报及显示。
另外,关于异常诊断的详细内容省略,只要按照实施方式1、2的异常诊断的步骤进行即可。
如上所述,根据实施方式3,起到与实施方式1、2同样的效果。也就是说,对于由逆变器驱动控制的电动机,在初始学习中,检测流过电动机的电流,在通过检测出的电流的FFT分析提取出的边带波中,对于电动机控制装置的运行频率fs,具有fs/fp为整数的频率的边带波不因负载的有无而变动且形成2个以上的频谱峰值列,在上述情况下,判定为由逆变器噪声引起的边带波,并存储其频率等。因此,在异常诊断中,能从通过电流的FFT分析而提取出的频谱峰值中提取由逆变器噪声引起的频谱峰值,消除了由逆变器噪声引起的误诊断,提高了诊断的精度。
另外,在实施方式3中,能够分别识别电动机控制装置80的由逆变器噪声引起的频谱峰值、由动力传递机构引起的频谱峰值以及电动机的机械***异常的频谱峰值,提高诊断的精度。
实施方式4.
以下,利用附图对实施方式4所涉及的异常诊断装置进行说明。
图16是用于说明实施方式4所涉及的异常诊断装置的简要结构的图。在实施方式1至3中,监视诊断部20、20a是针对一个电动机15分别具备一个的结构,但在本实施方式中是由一个监视诊断部监视多个电动机的结构。
在图16中,多个电动机15a、15b、15c分别经由电动机控制装置80a、80b、80c与电动机驱动用的电源线11a、11b、11c连接,用于检测流过各电动机15a、15b、15c的电流的电流检测器14a、14b、14c配置在至少一个电源线上。此外,布线用断路器12a、12b、12c和电磁接触器13a、13b、13c分别设置在各个电源线11a、11b、11c上。
监视诊断部20中预先存储有各电动机15a、15b、15c、电动机控制装置80a、80b、80c的规格信息以及从各电动机15a、15b、15c向机械设备30a、30b、30c传递动力的动力传递机构16a、16b、16c的规格信息。然后,由电流检测器14a、14b、14c检测到的流过各电动机15a、15b、15c的电流被输入到监视诊断部20,进行电流FFT分析,进行初始学习。之后进行异常诊断。
在实施方式4的结构中,例如能够用一个异常诊断装置100对多个动力传递机构16a、16b、16c进行一并诊断。此外,例如,是相同种类的电动机、相同种类的负载设备的类型的情况下,也可以进行频谱波形的比较判定。在是相同种类的电动机、相同种类的负载设备的类型的情况下,通常观测到相同的波形。因此,能通过比较来自三个电流检测器14a、14b、14c的频谱波形,容易地进行异常判定。另外,在只有特定的频谱波形有异常的情况下,也可以推测在发生异常之前的预兆。在进行这些比较时,也可以预先设定规定的阈值。
如上所述,根据实施方式4,由于采用了由一个监视诊断部监视多个电动机的结构,所以不仅具有与实施方式1至3相同的效果,还能够比较从多个电动机得到的频谱波形并进行异常诊断。另外,监视诊断装置的台数减少,能节省空间。
另外,电动机给出了3个示例,但不限于3个。
实施方式5.
以下,利用附图对实施方式5所涉及的异常诊断装置进行说明。
图17是用于说明实施方式5所涉及的异常诊断装置的简要结构的图。在实施方式1至4中,异常诊断装置和电动机控制装置是独立的结构,但如图15所示,也可以将电动机控制装置80配置在异常诊断装置100内。
由此,构成为将异常诊断装置和电动机控制装置一体化,从而不需要单独为电动机控制装置和异常诊断装置确保各自的空间。
如上所述,根据实施方式5,在获取与实施方式1至3相同的效果的同时,通过将异常诊断装置和电动机控制装置一体化构成,有助于节省配置空间。
虽然示出了构成为在异常诊断装置的内部具有电动机控制装置的示例,但是电动机控制装置也可以包括监视诊断部、显示部、报警部,构成带有异常诊断功能的电动机控制装置。
另外,在上述实施方式1至5中,在逆变器噪声频率存储部23d、动力传递机构频率存储部23e以及机械***异常频率存储部23f中分别获取频谱峰值时的电动机控制装置80的运行频率、运行频率的频谱峰值的信号强度也相同,但这是因为,根据电动机控制装置80的运行频率,由逆变器噪声引起的频率、由动力传递机构引起的频率以及由电动机的机械***异常引起的频率分别都会发生变动。将获取到频谱峰值时的电动机控制装置80的运行频率、运行频率的频谱峰值的信号强度以集合进行存储,并将与电动机控制装置80的运行频率对应的学习数据用于诊断,从而消除了误诊断的可能性。
另外,在上述实施方式1至5中,异常诊断装置100如图18中示出硬件的一例那样,由处理器1000和存储装置2000构成。虽然存储装置未图示,但具备随机存取储存器等易失性存储装置、和闪存等非易失性的辅助存储装置。另外,也可以具备硬盘这样的辅助存储装置来代替闪存。处理器1000执行从存储装置2000输入的程序。该情况下,将程序从辅助存储装置经由易失性存储装置输入到处理器1000。另外,处理器1000可以将运算结果等数据输出至存储装置2000的易失性存储装置,也可以经由易失性存储装置将数据保存至辅助存储装置。
本公开记载了各种例示性的实施方式及实施例,但1个或多个实施方式中记载的各种特征、形态及功能并不限于特定实施方式的应用,可单独或以各种组合来应用于实施方式。
因此,可以认为未例示的无数变形例也包含在本申请说明书所公开的技术范围内。例如,设为包括对至少一个构成要素进行变形、追加或省略的情况,以及提取至少一个构成要素并与其他实施方式的构成要素进行组合的情况。
标号说明
11、11a、11b、11c:电源线,12a、12b、12c:布线用断路器,13a、13b、13c:电磁接触器,14、14a、14b、14c:电流检测器,15、15a、15b、15c:电动机,16、16a、16b、16c、17:动力传递机构,20、20a、20b:监视诊断部,21:电动机设定部,22:存储器部,23:存储部,23a:判定基准存储部,23d:逆变器噪声频率存储部,23e:动力传递机构频率存储部,23f:机械***异常频率存储部,25:运算部,25a:频谱分析部,25b:边带波分析部,25c:峰值分析部,25d:逆变器噪声频率判定部,25e:动力传递机构频率判定部,25f:机械***异常频率判定部,25g:频率校正部,27:异常判定部,28:诊断结果存储部,30、30a、30b、30c:机械设备,40:显示部,50:报警部,80、80a、80b,80c:电动机控制装置,81:逆变器,82:控制部,100:异常诊断装置,161:皮带,1000:处理器,2000:存储装置。
Claims (13)
1.一种异常诊断装置,该异常诊断装置对由电动机控制装置所转换的电力所驱动的电动机的异常、以及将动力从所述电动机传递到负载的动力传递机构的异常中的至少任一个异常进行判定,所述异常诊断装置的特征在于,
所述电动机控制装置具有逆变器,
所述异常诊断装置包括:
电流检测电路,该电流检测电路对所述电动机的电流进行检测;以及
监视诊断部,该监视诊断部使用对所述电流检测电路所检测到的电流进行FFT分析而提取出的频谱峰值来判定异常,
所述监视诊断部包括:
峰值分析部,该峰值分析部使用用于驱动所述逆变器的所述电动机控制装置的运行频率和相对于所述运行频率的边带波的频率来进行分析,对所提取出的所述频谱峰值是否由所述逆变器的噪声所引起进行推测;
逆变器噪声频率判定部,该逆变器噪声频率判定部根据由所述峰值分析部推测为由所述逆变器的噪声所引起的频谱峰值,来判定由所述逆变器的噪声所引起的频谱峰值的频率;
逆变器噪声频率存储部,该逆变器噪声频率存储部预先对所述逆变器噪声频率判定部所判定的由所述逆变器的噪声所引起的频谱峰值的频率进行存储;以及
异常判定部,
所述异常判定部对于对所述电流检测电路所检测到的电流进行FFT分析而提取出的所述频谱峰值,提取由所述逆变器的噪声所引起的频谱峰值,然后判定异常。
2.如权利要求1所述的异常诊断装置,其特征在于,
所述监视诊断部还包括动力传递机构频率判定部和动力传递机构频率存储部,
在将所述电动机控制装置的所述运行频率除以相对于所述运行频率的边带波的频率而得到的值为整数的情况下,所述峰值分析部推测为所提取出的所述频谱峰值是由所述逆变器的噪声所引起的第一频谱峰值,
在由所述峰值分析部推测为由所述逆变器的噪声所引起的第一频谱峰值在所述边带波的频率处具有两个以上的频谱峰值列的情况下,所述逆变器噪声频率判定部判定所述第一频谱峰值是由所述逆变器的噪声所引起的频谱峰值,对由所述逆变器的噪声所引起的频谱峰值的频率进行判定,
对于所述峰值分析部将所述电动机控制装置的所述运行频率除以相对于所述运行频率的边带波的频率而得到的值不是整数的第二频谱峰值,所述第二频谱峰值的信号强度与所述运行频率的频谱峰值的信号强度之差为预先设定的阈值以下,并且在所述第二频谱峰值的边带波的频率处具有两个以上的频谱峰值列,在上述情况下,所述动力传递机构频率判定部判定所述第二频谱峰值是由动力传递机构所引起的频谱峰值,对由所述动力传递机构所引起的频谱峰值的频率进行判定,
所述动力传递机构频率存储部预先对所述动力传递机构频率判定部所判定的由所述动力传递机构所引起的频谱峰值的频率进行存储,
所述异常判定部对于对所述电流检测电路所检测到的电流进行FFT分析而提取出的所述频谱峰值,从存储在所述逆变器噪声频率存储部中的由所述逆变器的噪声所引起的边带波的频率中提取由所述逆变器的噪声所引起的频谱峰值,然后使用存储在所述动力传递机构频率存储部中的由所述动力传递机构所引起的频谱峰值的频率,来判定异常。
3.如权利要求1所述的异常诊断装置,其特征在于,
所述监视诊断部还包括动力传递机构频率判定部、动力传递机构频率存储部以及频率校正部,
在将所述电动机控制装置的所述运行频率除以相对于所述运行频率的边带波的频率而得到的值为整数的情况下,所述峰值分析部推测为所提取出的所述频谱峰值是由所述逆变器的噪声所引起的第一频谱峰值,
在由所述峰值分析部推测为由所述逆变器的噪声所引起的第一频谱峰值在所述边带波的频率处具有两个以上的频谱峰值列的情况下,所述逆变器噪声频率判定部判定所述第一频谱峰值是由所述逆变器的噪声所引起的频谱峰值,对由所述逆变器的噪声所引起的频谱峰值的频率进行判定,
对于所述峰值分析部将所述电动机控制装置的所述运行频率除以相对于所述运行频率的边带波的频率而得到的值不是整数的第二频谱峰值,所述第二频谱峰值的信号强度与所述运行频率的频谱峰值的信号强度之差为预先设定的阈值以下,并且在所述第二频谱峰值的边带波的频率处具有两个以上的频谱峰值列,在上述情况下,所述动力传递机构频率判定部判定所述第二频谱峰值是由动力传递机构所引起的频谱峰值,对由所述动力传递机构所引起的频谱峰值的频率进行判定,
所述动力传递机构频率存储部预先对所述动力传递机构频率判定部所判定的由所述动力传递机构所引起的频谱峰值的频率进行存储,
所述异常判定部对于对所述电流检测电路所检测到的电流进行FFT分析而提取出的所述频谱峰值,将信号强度最大的频谱峰值的频率判定为所述电动机控制装置的诊断时运行频率,
在与所述诊断时运行频率对应的由所述逆变器的噪声所引起的频谱峰值的频率以及由所述动力传递机构所引起的频谱峰值的频率未分别存储在所述逆变器噪声频率存储部和所述动力传递机构频率存储部中的情况下,
所述频率校正部将所述诊断时运行频率校正为运行频率,并且对于存储在所述动力传递机构频率存储部中的由所述动力传递机构所引起的频谱峰值的频率,基于所述诊断时运行频率来推测由所述动力传递机构所引起的频谱峰值的频率,
所述异常判定部使用在所述频率校正部中基于所述诊断时运行频率而推测出的由所述动力传递机构所引起的频谱峰值的频率以及根据校正后的所述运行频率而判定出的由所述逆变器的噪声所引起的频谱峰值,来判定异常。
4.如权利要求1所述的异常诊断装置,其特征在于,
所述监视诊断部还包括所述电动机的机械***异常频率判定部和机械***异常频率存储部,
所述峰值分析部推测为第三频谱峰值是由所述逆变器的噪声所引起的,其中,对于所述第三频谱峰值,将所述电动机控制装置的所述运行频率除以相对于所述运行频率的边带波的频率而得到的值为整数,并且相对于所述运行频率的边带波的频率不因所述电动机的运行状态有无所述负载而变动,
在由所述峰值分析部推测为由所述逆变器的噪声所引起的第三频谱峰值在第三频谱峰值的边带波的频率处具有两个以上的频谱峰值列的情况下,所述逆变器噪声频率判定部判定所述第三频谱峰值是由所述逆变器的噪声所引起的频谱峰值,对由所述逆变器的噪声所引起的频谱峰值的频率进行判定,
所述机械***异常频率判定部中,对于第二频谱峰值以及第四频谱峰值,将所述第二频谱峰值和所述第四频谱峰值的频率与所述电动机的旋转频率之差进行比较,在该差为预先设定的阈值以下的情况下,判定所述第二频谱峰值和所述第四频谱峰值是由所述电动机的机械***异常所引起的频谱峰值,对由所述电动机的机械***异常所引起的频谱峰值的频率进行判定,其中,对于所述第二频谱峰值,所述峰值分析部将所述电动机控制装置的所述运行频率除以相对于所述运行频率的边带波的频率而得到的值不是整数,对于所述第四频谱峰值,将所述电动机控制装置的所述运行频率除以相对于所述运行频率的边带波的频率而得到的值为整数,并且相对于所述运行频率的边带波的频率因所述电动机的运行状态有无所述负载而变动,
所述机械***异常频率存储部预先对所述机械***异常频率判定部所判定的由所述电动机的机械***异常所引起的频谱峰值的频率进行存储,
所述异常判定部对于对所述电流检测电路所检测到的电流进行FFT分析而提取出的所述频谱峰值,从存储在所述逆变器噪声频率存储部中的由所述逆变器的噪声所引起的边带波的频率中提取由所述逆变器的噪声所引起的频谱峰值,然后使用存储在所述机械***异常频率存储部中的由所述电动机的机械***异常所引起的频谱峰值的频率,来判定异常。
5.如权利要求1所述的异常诊断装置,其特征在于,
所述监视诊断部还包括动力传递机构频率判定部、动力传递机构频率存储部、所述电动机的机械***异常频率判定部以及所述电动机的机械***异常频率存储部,
所述峰值分析部推测为第三频谱峰值是由所述逆变器的噪声所引起的,其中,对于所述第三频谱峰值,将所述电动机控制装置的所述运行频率除以相对于所述运行频率的边带波的频率而得到的值为整数,并且相对于所述运行频率的边带波的频率不因所述电动机的运行状态有无所述负载而变动,
在由所述峰值分析部推测为由所述逆变器的噪声所引起的第三频谱峰值在第三频谱峰值的边带波的频率处具有两个以上的频谱峰值列的情况下,所述逆变器噪声频率判定部判定所述第三频谱峰值是由所述逆变器的噪声所引起的频谱峰值,对由所述逆变器的噪声所引起的频谱峰值的频率进行判定,
所述动力传递机构频率判定部中,对于第二频谱峰值以及第四频谱峰值,将所述第二频谱峰值和所述第四频谱峰值的信号强度与所述运行频率的频谱峰值的信号强度之差进行比较,在该差为预先设定的阈值以下的第五频谱峰值在其边带波的频率处具有两个以上的频谱峰值列的情况下,判定所述第五频谱峰值是由动力传递机构所引起的频谱峰值,对由所述动力传递机构所引起的频谱峰值的频率进行判定,其中,对于所述第二频谱峰值,所述峰值分析部将所述电动机控制装置的所述运行频率除以相对于所述运行频率的边带波的频率而得到的值不是整数,对于所述第四频谱峰值,将所述电动机控制装置的所述运行频率除以相对于所述运行频率的边带波的频率而得到的值为整数,并且相对于所述运行频率的边带波的频率因所述电动机的运行状态有无所述负载而变动,
所述动力传递机构频率存储部预先对由所述动力传递机构频率判定部所判定的由所述动力传递机构所引起的频谱峰值的频率进行存储,
所述机械***异常频率判定部在所述动力传递机构频率判定部中将所述第二频谱峰值和所述第四频谱峰值的信号强度与所述运行频率的频谱峰值的信号强度之差进行比较,对于该差大于预先设定的阈值的第六频谱峰值、以及所述第五频谱峰值中未被判定为由所述动力传递机构所引起的频谱峰值的第七频谱峰值,所述机械***异常频率判定部将所述第六频谱峰值和所述第七频谱峰值的频率与所述电动机的旋转频率之差进行比较,在该差为预先设定的阈值以下的情况下,判定所述第六频谱峰值和所述第七频谱峰值是由所述电动机的机械***异常所引起的频谱峰值,并对由所述电动机的机械***异常所引起的频谱峰值的频率进行判定,
所述机械***异常频率存储部预先对所述机械***异常频率判定部所判定的由所述电动机的机械***异常所引起的频谱峰值的频率进行存储,
所述异常判定部对于对所述电流检测电路所检测到的电流进行FFT分析而提取出的所述频谱峰值,从存储在所述逆变器噪声频率存储部中的由所述逆变器的噪声所引起的边带波的频率中提取由所述逆变器的噪声所引起的频谱峰值,然后使用存储在所述动力传递机构频率存储部中的由所述动力传递机构所引起的频谱峰值的频率、以及存储在所述机械***异常频率存储部中的由所述电动机的机械***异常所引起的频谱峰值的频率,来判定异常。
6.如权利要求1至5中任一项所述的异常诊断装置,其特征在于,
所述动力传递机构包括皮带、减速器和链条中的任一个。
7.如权利要求1至6中任一项所述的异常诊断装置,其特征在于,
对于由单独的所述电动机控制装置驱动的多个所述电动机,分别包括所述电流检测电路,以多个所述电动机为对象来判定异常。
8.如权利要求1至6中任一项所述的异常诊断装置,其特征在于,
在内部包括所述电动机控制装置。
9.一种异常诊断方法,该异常诊断方法对由具有逆变器且驱动所述逆变器的电动机控制装置所转换的电力所驱动的电动机的异常、以及将动力从所述电动机传递到负载的动力传递机构的异常中的至少任一个异常进行判定,所述异常诊断方法的特征在于,包括:
具有第一步骤、第二步骤、第三步骤、第四步骤和第五步骤的学习步骤;以及
具有第六步骤、第七步骤、第八步骤和在所述第八步骤之后进行异常诊断的步骤的异常诊断步骤,
所述第一步骤对所述电动机的电流进行检测,
所述第二步骤对检测到的所述电流进行FFT分析来检测频谱峰值,
所述第三步骤从在第二步骤中检测到的所述频谱峰值中提取与用于驱动所述逆变器的所述电动机控制装置的运行频率相对的边带波的频率,
所述第四步骤使用所述运行频率和提取出的所述边带波的频率来对所述频谱峰值是否是由所述逆变器的噪声所引起的频谱峰值进行推测,
所述第五步骤根据推测为由所述逆变器的噪声所引起的频谱峰值的频谱峰值,来判定并存储由所述逆变器的噪声所引起的频谱峰值的频率,
所述第六步骤检测所述电动机的电流,
所述第七步骤对在所述第六步骤中检测到的所述电流进行FFT分析来检测频谱峰值,
所述第八步骤对于在所述第七步骤中检测到的所述频谱峰值,提取由所述逆变器的噪声所引起的频谱峰值的频率。
10.如权利要求9所述的异常诊断方法,其特征在于,
所述学习步骤的所述第四步骤包括以下步骤:
在将所述电动机控制装置的所述运行频率除以相对于所述运行频率的边带波的频率而得到的值为整数的情况下,推测为所提取出的所述频谱峰值是由所述逆变器的噪声所引起的第一频谱峰值;以及
对于将所述电动机控制装置的所述运行频率除以相对于所述运行频率的边带波的频率而得到的值不是整数的第二频谱峰值,所述第二频谱峰值的信号强度与所述运行频率的频谱峰值的信号强度之差为预先设定的阈值以下,并且在所述第二频谱峰值的边带波的频率处具有两个以上的频谱峰值列,在上述情况下,判定所述第二频谱峰值是由动力传递机构所引起的频谱峰值,对由所述动力传递机构所引起的频谱峰值的频率进行存储,
在所述第五步骤中,在所述第一频谱峰值在所述边带波的频率处具有两个以上的频谱峰值列的情况下,判定所述第一频谱峰值是由所述逆变器的噪声所引起的频谱峰值,对由所述逆变器的噪声所引起的频谱峰值的频率进行判定并进行存储,
所述异常诊断步骤具有在所述第八步骤之后使用由所述动力传递机构所引起的频谱峰值的频率来判定异常的步骤。
11.如权利要求9所述的异常诊断方法,其特征在于,
所述学习步骤的所述第四步骤包括以下步骤:
在将所述电动机控制装置的所述运行频率除以相对于所述运行频率的边带波的频率而得到的值为整数的情况下,推测为所提取出的所述频谱峰值是由所述逆变器的噪声所引起的第一频谱峰值;以及
对于将所述电动机控制装置的所述运行频率除以相对于所述运行频率的边带波的频率而得到的值不是整数的第二频谱峰值,所述第二频谱峰值的信号强度与所述运行频率的频谱峰值的信号强度之差为预先设定的阈值以下,并且在所述第二频谱峰值的边带波的频率处具有两个以上的频谱峰值列,在上述情况下,判定所述第二频谱峰值是由动力传递机构所引起的频谱峰值,对由所述动力传递机构所引起的频谱峰值的频率进行存储,
在所述第五步骤中,在所述第一频谱峰值在所述边带波的频率处具有两个以上的频谱峰值列的情况下,判定所述第一频谱峰值是由所述逆变器的噪声所引起的频谱峰值,对由所述逆变器的噪声所引起的频谱峰值的频率进行判定并进行存储,
所述异常诊断步骤的所述第八步骤包括以下步骤:
对于在所述第七步骤中检测到的所述频谱峰值,将信号强度最大的频谱峰值的频率判定为所述电动机控制装置的诊断时运行频率;
在所述学习步骤中,在未分别存储与所述诊断时运行频率对应的由所述逆变器的噪声所引起的频谱峰值的频率和由所述动力传递机构所引起的频谱峰值的频率的情况下,将所述诊断时运行频率校正为运行频率,并且基于所述诊断时运行频率来推测由所述动力传递机构所引起的频谱峰值的频率;
使用所述诊断时运行频率,来对由所述逆变器的噪声所引起的频谱峰值的频率进行判定;以及
对于在所述第七步骤中检测到的所述频谱峰值,提取由使用所述诊断时运行频率而判定出的由所述逆变器的噪声所引起的频谱峰值的频率,
所述异常诊断步骤具有在所述第八步骤之后判定异常的步骤。
12.如权利要求9所述的异常诊断方法,其特征在于,
所述学习步骤的所述第四步骤包括以下步骤:
推测为第三频谱峰值是由所述逆变器的噪声所引起的,其中,对于所述第三频谱峰值,将所述电动机控制装置的所述运行频率除以相对于所述运行频率的边带波的频率而得到的值为整数,并且相对于所述运行频率的边带波的频率不因所述电动机的运行状态有无所述负载而变动;以及
对于第二频谱峰值以及第四频谱峰值,将所述第二频谱峰值和所述第四频谱峰值的频率与所述电动机的旋转频率之差进行比较,在该差为预先设定的阈值以下的情况下,判定所述第二频谱峰值和所述第四频谱峰值是由所述电动机的机械***异常所引起的频谱峰值,对由所述电动机的机械***异常所引起的频谱峰值的频率进行判定,其中,对于所述第二频谱峰值,将所述电动机控制装置的所述运行频率除以相对于所述运行频率的边带波的频率而得到的值不是整数,对于所述第四频谱峰值,将所述电动机控制装置的所述运行频率除以相对于所述运行频率的边带波的频率而得到的值为整数,并且相对于所述运行频率的边带波的频率因所述电动机的运行状态有无所述负载而变动,
在所述第五步骤中,在所述第三频谱峰值在所述边带波的频率处具有两个以上的频谱峰值列的情况下,判定所述第三频谱峰值是由所述逆变器的噪声所引起的频谱峰值,对由所述逆变器的噪声所引起的频谱峰值的频率进行判定并进行存储,
所述异常诊断步骤具有在所述第八步骤之后使用由所述电动机的机械***异常所引起的频谱峰值的频率来判定异常的步骤。
13.如权利要求9所述的异常诊断方法,其特征在于,
所述学习步骤的所述第四步骤包括以下步骤:
推测为第三频谱峰值是由所述逆变器的噪声所引起的,其中,对于所述第三频谱峰值,将所述电动机控制装置的所述运行频率除以相对于所述运行频率的边带波的频率而得到的值为整数,并且相对于所述运行频率的边带波的频率不因所述电动机的运转状态有无所述负载而变动;
对于第二频谱峰值以及第四频谱峰值,将所述第二频谱峰值和所述第四频谱峰值的频率的信号强度与所述运行频率的频谱峰值的信号强度进行比较,将比较结果在预先设定的阈值以下的所述第二频谱峰值和所述第四频谱峰值作为第五频谱峰值,在所述第五频谱峰值的边带波的频率处具有两个以上的频谱峰值列的情况下,判定所述第五频谱峰值是由动力传递机构所引起的频谱峰值,对由所述动力传递机构所引起的频谱峰值的频率进行存储,其中,对于所述第二频谱峰值,将所述电动机控制装置的所述运行频率除以相对于所述运行频率的边带波的频率而得到的值不是整数,对于所述第四频谱峰值,将所述电动机控制装置的所述运行频率除以相对于所述运行频率的边带波的频率而得到的值为整数,并且相对于所述运行频率的边带波的频率因所述电动机的运行状态有无所述负载而变动;以及
将所述第二频谱峰值和所述第四频谱峰值的信号强度与所述运行频率的频谱峰值的信号强度之差进行比较,对于该差大于预先设定的阈值的第六频谱峰值、以及所述第五频谱峰值中未被判定为由所述动力传递机构所引起的频谱峰值的第七频谱峰值,将所述第六频谱峰值和所述第七频谱峰值的频率与所述电动机的旋转频率之差进行比较,在该差为预先设定的阈值以下的情况下,判定所述第六频谱峰值和所述第七频谱峰值是由所述电动机的机械***异常所引起的频谱峰值,对由所述电动机的机械***异常所引起的频谱峰值的频率进行存储,
在所述第五步骤中,在所述第三频谱峰值在所述边带波的频率处具有两个以上的频谱峰值列的情况下,判定所述第三频谱峰值是由所述逆变器的噪声所引起的频谱峰值,对由所述逆变器的噪声所引起的频谱峰值的频率进行判定并进行存储,
所述异常诊断步骤具有在所述第八步骤之后使用由所述动力传递机构所引起的频谱峰值的频率和由所述电动机的机械***异常所引起的频谱峰值的频率来判定异常的步骤。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2021/016243 WO2022224391A1 (ja) | 2021-04-22 | 2021-04-22 | 異常診断装置及び異常診断方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117157515A true CN117157515A (zh) | 2023-12-01 |
Family
ID=78509665
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180097130.XA Pending CN117157515A (zh) | 2021-04-22 | 2021-04-22 | 异常诊断装置和异常诊断方法 |
Country Status (5)
Country | Link |
---|---|
JP (1) | JP6968323B1 (zh) |
KR (1) | KR20230154992A (zh) |
CN (1) | CN117157515A (zh) |
DE (1) | DE112021007568T5 (zh) |
WO (1) | WO2022224391A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2023127857A (ja) * | 2022-03-02 | 2023-09-14 | 日立建機株式会社 | 機械の性能診断装置 |
WO2023210441A1 (ja) * | 2022-04-26 | 2023-11-02 | 三菱電機株式会社 | 異常診断装置、異常診断システム、異常診断方法及びプログラム |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS6410572U (zh) | 1987-07-02 | 1989-01-20 | ||
US7117125B2 (en) * | 2003-06-18 | 2006-10-03 | Eaton Corporation | System and method for proactive motor wellness diagnosis based on potential mechanical faults |
JP5565120B2 (ja) * | 2010-06-09 | 2014-08-06 | 富士電機株式会社 | 転がり軸受部振動データの高周波電磁振動成分除去方法および高周波電磁振動成分除去装置、回転機械の転がりの軸受診断方法および軸受診断装置 |
JP2013102636A (ja) * | 2011-11-09 | 2013-05-23 | Toyota Motor Corp | 交流電動機の制御装置 |
JP6410572B2 (ja) | 2014-11-11 | 2018-10-24 | 旭化成エンジニアリング株式会社 | 電流診断装置および電流診断方法 |
JP6450575B2 (ja) * | 2014-12-10 | 2019-01-09 | 旭化成エンジニアリング株式会社 | インバータノイズ除去方法、およびインバータを含む設備の診断方法 |
EP3474029B1 (en) * | 2016-06-21 | 2022-03-30 | Mitsubishi Electric Corporation | Load abnormality detection device |
US10883895B2 (en) * | 2016-12-15 | 2021-01-05 | Mitsubishi Electric Corporation | Abnormality diagnostic device for power transmission mechanism and abnormality diagnostic method for power transmission mechanism |
KR102340119B1 (ko) * | 2017-06-29 | 2021-12-16 | 미쓰비시덴키 가부시키가이샤 | 전동기의 진단 장치 |
WO2019082277A1 (ja) * | 2017-10-24 | 2019-05-02 | 三菱電機株式会社 | 異常診断装置、異常診断方法及び異常診断システム |
DE112020007369T5 (de) * | 2020-06-29 | 2023-05-04 | Mitsubishi Electric Corporation | Abnormalitätsdiagnosevorrichtung, leistungsumwandlungsvorrichtung undabnormalitätsdiagnosisverfahren |
-
2021
- 2021-04-22 CN CN202180097130.XA patent/CN117157515A/zh active Pending
- 2021-04-22 WO PCT/JP2021/016243 patent/WO2022224391A1/ja active Application Filing
- 2021-04-22 KR KR1020237034585A patent/KR20230154992A/ko active Search and Examination
- 2021-04-22 DE DE112021007568.3T patent/DE112021007568T5/de active Pending
- 2021-04-22 JP JP2021544742A patent/JP6968323B1/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP6968323B1 (ja) | 2021-11-17 |
DE112021007568T5 (de) | 2024-02-15 |
JPWO2022224391A1 (zh) | 2022-10-27 |
WO2022224391A1 (ja) | 2022-10-27 |
KR20230154992A (ko) | 2023-11-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI710701B (zh) | 泵浦監測裝置及其方法 | |
JP6896090B2 (ja) | 異常診断装置、異常診断方法及び異常診断システム | |
KR102097510B1 (ko) | 부하의 이상 검출 장치 | |
EP2790028B1 (en) | Broken rotor bar detection based on current signature analysis of an electric machine | |
JP6190841B2 (ja) | 電動機の診断装置 | |
JP7046064B2 (ja) | 電動機の診断装置 | |
CN110268623B (zh) | 电动机的诊断装置 | |
CN117157515A (zh) | 异常诊断装置和异常诊断方法 | |
CN109478832B (zh) | 电动机的诊断装置 | |
CN115136487A (zh) | 电动机的诊断装置 | |
WO2020208743A1 (ja) | 電動機設備の異常診断装置、電動機設備の異常診断方法、および電動機設備の異常診断システム | |
KR100812303B1 (ko) | 웨이블릿 변환을 이용한 유도전동기의 고장 진단 장치 및방법 | |
KR101348635B1 (ko) | 유도전동기 회전자의 고장 진단 장치 및 방법 | |
WO2016151708A1 (ja) | 電機品の故障検出装置および故障検出方法 | |
CN113544487A (zh) | 异常诊断装置以及异常诊断方法 | |
KR100542893B1 (ko) | 유도 전동기 이상 상태 진단장치 | |
JP6824493B1 (ja) | 電動機の診断装置 | |
JP2021050921A (ja) | 回転機の異常予兆診断システム、回転機の異常予兆診断方法 | |
JP7422896B2 (ja) | 電動機の診断装置 | |
WO2022269657A1 (ja) | 電動機付設備の故障徴候検出装置および電動機付設備の故障徴候検出方法 | |
CN110319798A (zh) | 用于检测电机安装故障的方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |