JP2006161677A - Compressor inspection device - Google Patents
Compressor inspection device Download PDFInfo
- Publication number
- JP2006161677A JP2006161677A JP2004354329A JP2004354329A JP2006161677A JP 2006161677 A JP2006161677 A JP 2006161677A JP 2004354329 A JP2004354329 A JP 2004354329A JP 2004354329 A JP2004354329 A JP 2004354329A JP 2006161677 A JP2006161677 A JP 2006161677A
- Authority
- JP
- Japan
- Prior art keywords
- compressor
- value
- parameter
- state quantity
- waveform data
- 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.)
- Granted
Links
- 238000007689 inspection Methods 0.000 title claims abstract description 71
- 238000001514 detection method Methods 0.000 claims abstract description 75
- 230000005856 abnormality Effects 0.000 claims description 131
- 230000002159 abnormal effect Effects 0.000 claims description 49
- 230000006870 function Effects 0.000 claims description 44
- 238000004519 manufacturing process Methods 0.000 claims description 41
- 238000007906 compression Methods 0.000 claims description 34
- 230000006835 compression Effects 0.000 claims description 32
- 238000004364 calculation method Methods 0.000 claims description 30
- 238000003860 storage Methods 0.000 claims description 27
- 239000002131 composite material Substances 0.000 claims description 7
- 239000007858 starting material Substances 0.000 claims description 3
- 230000002123 temporal effect Effects 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 claims 1
- 230000000737 periodic effect Effects 0.000 claims 1
- 238000003745 diagnosis Methods 0.000 abstract description 11
- 230000010349 pulsation Effects 0.000 abstract description 9
- 230000005611 electricity Effects 0.000 abstract 1
- 230000001788 irregular Effects 0.000 abstract 1
- 238000012545 processing Methods 0.000 description 50
- 238000005259 measurement Methods 0.000 description 35
- 238000000034 method Methods 0.000 description 27
- 230000008569 process Effects 0.000 description 19
- 238000010586 diagram Methods 0.000 description 12
- 230000000694 effects Effects 0.000 description 11
- 238000005314 correlation function Methods 0.000 description 9
- 238000012806 monitoring device Methods 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 8
- 238000001228 spectrum Methods 0.000 description 8
- 230000001133 acceleration Effects 0.000 description 7
- 230000007246 mechanism Effects 0.000 description 6
- 208000024891 symptom Diseases 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- 230000004913 activation Effects 0.000 description 5
- 230000007547 defect Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 210000000078 claw Anatomy 0.000 description 4
- 238000013500 data storage Methods 0.000 description 4
- 238000012935 Averaging Methods 0.000 description 3
- 230000002238 attenuated effect Effects 0.000 description 3
- 230000002950 deficient Effects 0.000 description 3
- 238000000491 multivariate analysis Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000004907 flux Effects 0.000 description 2
- 229910052451 lead zirconate titanate Inorganic materials 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 230000003466 anti-cipated effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- HFGPZNIAWCZYJU-UHFFFAOYSA-N lead zirconate titanate Chemical compound [O-2].[O-2].[O-2].[O-2].[O-2].[Ti+4].[Zr+4].[Pb+2] HFGPZNIAWCZYJU-UHFFFAOYSA-N 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012847 principal component analysis method Methods 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
Images
Landscapes
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Control Of Positive-Displacement Pumps (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
Description
本発明は、圧縮機の製造不良を検出する技術に関するものである。 The present invention relates to a technique for detecting a manufacturing defect of a compressor.
従来から、圧縮機にはスクロール圧縮機や揺動ピストン型ロータリ圧縮機等の種類がある。そして、これらの圧縮機の製造ラインには、圧縮機の異常や故障等の不良がないかを検査する工程が設けられている。一般に、この検査工程は組み立て完了後に行なわれることが多い。
そこで、圧縮機等の回転機器の異常診断を行なう装置が開示されている（例えば、特許文献１）。この装置は、回転機器から生じる振動や音を検知して運転時波形データとし、この運転時波形データから周波数特徴量と時間特徴量とを抽出し、これらの特徴量を基準データと照合したりニューラルネットワークに入力したりすることで異常の有無の診断及び異常の種類の特定を行っている。
Conventionally, there are various types of compressors such as a scroll compressor and a swinging piston type rotary compressor. A process for inspecting these compressor production lines for defects such as abnormality and failure of the compressor is provided. Generally, this inspection process is often performed after assembly is completed.
Thus, an apparatus for diagnosing abnormality of a rotating device such as a compressor is disclosed (for example, Patent Document 1). This device detects vibrations and sounds generated from rotating equipment to generate waveform data during operation, extracts frequency feature quantities and time feature quantities from this operation waveform data, and compares these feature quantities with reference data. Diagnosis of the presence or absence of abnormality and specification of the type of abnormality are performed by inputting into a neural network.
また、圧縮機の寿命を予測する寿命予測装置を組み込んだ空気調和機が開示されている（例えば、特許文献２）。この寿命予測装置は、圧縮機の脚における振動や音、モータの入力電流を検知して、この測定値とあらかじめ定めた許容値とを比較することで圧縮機の寿命予測を行っている。例えば、測定値が許容値を連続して所定時間（例えば、１０分）経過すると異常を知らせるようになっている。
さらに、圧縮機に組み込まれた駆動軸に作用するトルクを検出して不良個所を判定する圧縮機構の検査装置が開示されている（例えば、特許文献３）。この検査装置は、検出したトルクの変動を示すトルク波形の中の波形パラメータ（ピーク領域の幅であるピーク幅パラメータとピーク領域内におけるピーク位置パラメータとを含む）に基づいて不良箇所の判定を行っている。
Moreover, the air conditioner incorporating the lifetime prediction apparatus which estimates the lifetime of a compressor is disclosed (for example, patent document 2). This life prediction apparatus detects the vibration and sound at the legs of the compressor and the input current of the motor, and compares the measured value with a predetermined allowable value to predict the life of the compressor. For example, the abnormality is notified when a predetermined value (for example, 10 minutes) elapses after the measured value has passed the allowable value.
Furthermore, an inspection device for a compression mechanism that detects torque acting on a drive shaft incorporated in a compressor and determines a defective portion is disclosed (for example, Patent Document 3). This inspection apparatus determines a defective portion based on a waveform parameter (including a peak width parameter that is a width of a peak region and a peak position parameter in the peak region) in a torque waveform that indicates a detected torque fluctuation. ing.
上記の回転機器の異常診断を行なう装置は、回転機器の運転状態が安定している定常運転時に測定した結果を分析して判定を行っていた。そのために、圧縮機の試運転検査において圧縮機の起動時に表れる異常の検出及び原因の特定が困難であった。 The above-described apparatus for diagnosing abnormality of a rotating device has made a determination by analyzing a result measured during a steady operation in which the operating state of the rotating device is stable. For this reason, it has been difficult to detect an abnormality appearing at the time of starting the compressor and to identify the cause in the test run of the compressor.
また、上記の寿命予測装置は、振動や音、モータの入力電流を検知して極端な異常や故障の有無の判断及び原因の特定を行っていた。そのために、小さな異常や故障の原因を特定することはできず、異常を検出する精度が高いとはいえなかった。すなわち、特定の運転状態量の閾値のみに注目しているので、異常の有無しか判定できずに、異常の原因を特定することができなかった。 In addition, the above-described life prediction apparatus detects vibrations, sounds, and motor input currents to determine the presence or absence of an extreme abnormality or failure and to identify the cause. Therefore, the cause of a small abnormality or failure cannot be specified, and it cannot be said that the accuracy of detecting the abnormality is high. That is, since attention is paid only to the threshold value of a specific driving state quantity, only the presence or absence of abnormality can be determined, and the cause of abnormality cannot be identified.
例えば、圧縮機で生ずる振動等の振動加速度を測定し、この値が許容限界値を超えた場合に異常信号を発信するが、異常があったことを発報するだけに留まり、異常の種類や原因はわからないままであった。また、振動や音、モータの入力電流の測定位置が圧縮機の脚部であったため、圧縮機構部品（圧縮室）との距離が遠く振動や音、モータの入力電流が減衰してしまって、微妙なスクロール部品の寸法異常等の検出が困難であった。 For example, the vibration acceleration such as vibration generated in the compressor is measured and an abnormal signal is transmitted when this value exceeds the allowable limit value. The cause remained unknown. Also, because the measurement position of vibration, sound, and motor input current was at the legs of the compressor, the distance from the compression mechanism parts (compression chamber) is far away, vibration, sound, and motor input current are attenuated, It was difficult to detect subtle scroll component dimensions.
さらに、上記の圧縮機構の検査装置は、主に揺動ピストン型ロータリ圧縮機のトルクを検出して不良個所の判定を行っていた。そのために、圧縮機内部に駆動軸が組み込まれて構成されている密閉型スクロール圧縮機のようなトルクの検出が難しいものへの適用は困難であった。 Further, the above-described inspection device for the compression mechanism mainly detects the torque of the oscillating piston type rotary compressor and determines the defective portion. For this reason, it has been difficult to apply to a difficult-to-detect torque such as a hermetic scroll compressor in which a drive shaft is built into the compressor.
本発明は、上述の問題を解決するためになされたのものであり、圧縮機で発生する振動や音、電流、電圧等の脈動情報を利用して異常の有無と異常原因の特定を可能とし、圧縮機の周辺外部から比較的容易に異常診断の実行を可能とすることを目的としている。
また、圧縮機の起動時においても異常診断を可能とすることを目的としている。さらに、高精度かつ安定した異常診断の実行を可能とすることも目的としている。
The present invention has been made in order to solve the above-mentioned problems, and enables the presence / absence of an abnormality and the cause of the abnormality to be identified using pulsation information such as vibration, sound, current, voltage, etc. generated in the compressor, and compression. The purpose is to make it possible to perform abnormality diagnosis relatively easily from outside the machine.
Another object of the present invention is to enable abnormality diagnosis even when the compressor is started. It is another object of the present invention to enable highly accurate and stable abnormality diagnosis.
本発明に係る圧縮機検査装置は、圧縮機の所定の状態量を検知する状態量検知手段と、前記状態量検知手段で検知された波形データを、圧縮機の起動開始から所定時間経過するまでの起動部と前記起動部以降の定常部とに分けて所定のパラメータの値に変換する演算手段と、正常な圧縮機についての前記パラメータの値または正常と異常とを判別する閾値を記憶する記憶手段と、前記状態量検知手段で新たに検知された波形データを基に得られたパラメータの値と前記記憶手段に記憶されている値または閾値とを比較する比較手段と、前記比較手段の結果に基づいて圧縮機の正常／異常を判断する判断手段とを有することを特徴とする。 The compressor inspection apparatus according to the present invention includes a state quantity detection unit that detects a predetermined state quantity of the compressor, and waveform data detected by the state quantity detection unit until a predetermined time elapses from the start of starting the compressor. A memory for storing a calculation unit for converting into a predetermined parameter value divided into a starting part and a steady part after the starting part, and a threshold value for discriminating between the parameter value or normality and abnormality for a normal compressor A comparison means for comparing a value of the parameter obtained based on the waveform data newly detected by the state quantity detection means with a value or threshold value stored in the storage means, and a result of the comparison means And determining means for determining normality / abnormality of the compressor based on the above.
本発明に係る圧縮機検査装置は、圧縮機の所定の状態量を圧縮機の起動開始から所定時間経過するまでの起動部と前記起動部以降の定常部とに分けて所定のパラメータの値に変換して、それを対応する正常な場合のパラメータまたは閾値と比較して圧縮機の正常／異常を判断するので、異常のある圧縮機を高精度に検出し、またその原因を特定することができる。 The compressor inspection apparatus according to the present invention divides a predetermined state quantity of the compressor into a predetermined parameter value by dividing into a starting part until a predetermined time elapses from the start of starting the compressor and a steady part after the starting part. Since it is converted and compared with the corresponding normal parameter or threshold value to determine whether the compressor is normal or abnormal, it is possible to detect an abnormal compressor with high accuracy and identify the cause. it can.
実施の形態１
以下、図面に基づいて本発明の実施の形態１について説明する。
図１は、本発明の実施の形態１に係る圧縮機検査装置７０の基本的な構成を示す概略図である。圧縮機検査装置７０は、圧縮機固定台５１と、圧縮機１の状態量検知手段である振動検知センサ２と、振動検知センサ２より送られる波形データから所定の波形データを取り出すための信号処理手段２１と、パーソナルコンピュータやマイクロコンピュータ等の所定のプログラムに基づいてデータ処理が可能な端末装置２２と、遠隔監視装置１１と、製造ライン制御装置１２とから構成されている。
Hereinafter,
FIG. 1 is a schematic diagram showing a basic configuration of a
なお、圧縮機検査装置としては、少なくとも振動検知センサ２と、信号処理手段２１と、端末装置２２とがあればよい。また、圧縮機検査装置７０は、所定の圧縮機検査工程に圧縮機固定台５１に固定された圧縮機１がベルトコンベア２３等の運搬装置で運搬されたり、所定のボタンやスイッチ等の操作がされたりすると圧縮機の正常／異常の検査を開始するようになっている。
In addition, as a compressor test | inspection apparatus, the
圧縮機１は、一般に冷蔵や冷凍、空気調和等に使用される圧縮機である。ここでは、密閉型スクロール圧縮機を例に示すが、密閉型ではないスクロール型圧縮機や揺動ピストン型ロータリ圧縮機、スクリュー型圧縮機、レシプロ型圧縮機等の他の形式の圧縮機であっても構わない。
The
圧縮機固定台５１は、圧縮機１を１台づつ載せて固定する台であり、ベルトコンベア２３のローラ上を移動しやすくするものである。振動検知センサ２は、圧縮機の状態量検知手段の一つであり、圧縮機１周辺の脈動情報（振動）を検知する直接接触型の加速度ピックアップや非接触光学式等のセンサである。ここでは、状態量検知手段が振動検知センサ２である場合を例に示すが、これに限定するものではない。例えば、音圧信号や電圧、電流、電気入力等の脈動情報を検知するようなセンサとしても構わない。
The
信号処理手段２１は、フィルター・アンプ３と、Ａ／Ｄ変換器４と、ＦＦＴ演算機５とで構成されている。フィルター・アンプ３は、ローパスもしくはバンドパスのフィルターとアンプとで構成されている。そして、このフィルター・アンプ３は、振動検知センサ２が検知した信号の増幅を行なうものである。Ａ／Ｄ変換器４は、アナログ信号をデジタル信号に変換する信号処理を行なうものである。ＦＦＴ演算機５は、信号を時間の関数から周波数の関数へ高速に変換する信号処理を行なうものである。このＦＦＴとは、Ｆａｓｔ Ｆｏｕｒｉｅｒ Ｔｒａｎｓｆｏｒｍ（高速フーリエ変換）の略称である。
The signal processing means 21 includes a
端末装置２２は、信号処理手段２１で処理された信号を所定の値に演算し、記憶されているデータと比較、判断し、その結果を出力する機能を果たすものである。この端末装置２２は、圧縮機検査装置７０の動作を統括制御するＣＰＵ（中央演算装置）、プログラムやデータを記憶するメモリ、キーボード、外部入出力端子、ディスプレイ等を備えたパーソナルコンピュータやマイクロコンピュータ等である。このうちのＣＰＵと所定のプログラムにより演算手段６、比較手段８、判断手段９が構成されている。また、メモリにより記憶手段７が、キーボードや外部入出力端子、ディスプレイ等により入出力手段１０がそれぞれ構成される。また、この入出力手段１０を利用して圧縮機検査装置７０のプログラムや設定変更等を容易に行なうことが可能となっている。
The
演算手段６は、振動検知センサ２の検知した圧縮機１の状態量である波形データを所定の演算式に基づいて所定のパラメータの値に変換する機能を有している。また、ＦＦＴ演算器５が行なうＦＦＴ演算を演算手段６が担当しても構わない。さらに、演算手段６はパラメータを圧縮機１の状態量である波形データの特徴を示す特徴量パラメータ（時系列パラメータと周波数領域パラメータ）として扱うデータ処理を行なう機能を有しており、その特徴量パラメータに基づいて算出する変数及びその変数に基づいて算出する複合変数を所定のパラメータの値としている。
The calculation means 6 has a function of converting waveform data, which is a state quantity of the
記憶手段７は、正常な圧縮機１の状態を示すパラメータの値または圧縮機１の正常と異常とを判別する閾値を記憶する機能を有している。また、過去のデータや遠隔操作等のデータも随時記憶することが可能となっている。なお、記憶手段７はハードディスク装置（ＨＤＤ）や不揮発メモリ等で構成するとよい。比較手段８は、演算手段６の行った演算結果である所定のパラメータの値と記憶手段７に記憶されている値とを比較する機能を有している。
The
判断手段９は、比較手段８の結果に基づいて、圧縮機１の正常／異常の判断を行なう機能を有している。また、判断手段９は、例えば演算手段６で算出された特徴量パラメータのうち少なくとも１つ以上が記憶手段７に記憶されている値（正常な圧縮機１についてのパラメータの値または圧縮機１の正常と異常とを判別する閾値）よりも小さいとき、圧縮機１を正常であると判断する。さらに、例えば演算手段６で算出された特徴量パラメータの全部が記憶手段７に記憶されている値よりも大きいとき、圧縮機１を異常であると判断する。それらの結果に基づいて、記憶手段７に記憶されている値から新しい閾値を設定することも可能となっている。入出力手段１０は、判断手段９の判断結果を出力したり、判断結果に基づいて設定変更されたデータを入力したりするようになっている。
The
また、判断手段９は、振動検出センサ２で検知された正常及び異常である圧縮機１の波形データを基に変換されたパラメータの値を圧縮機１の正常及び異常状態を示すものとして学習する機能を有している。さらに、判断手段９は、この学習の結果に基づいて、圧縮機１の正常と異常とを判別する閾値を演算し設定する機能を有している。
一方、判断手段９は、圧縮機１の異常状態を示す学習結果とその閾値とから異常の種別を判別する機能を有している。
Further, the determination means 9 learns the parameter values converted based on the normal and abnormal waveform data of the
On the other hand, the determination means 9 has a function of determining the type of abnormality from the learning result indicating the abnormal state of the
判断手段９で判断された結果は、入出力手段１０から図示省略のディスプレイ等の出力表示装置や警報音発生機、製造ライン停止手段、製造ライン制御装置１２へ出力するとよい。製造ライン制御装置１２は、圧縮機１の製造ラインを制御するシーケンサ等で構成される。また、製造ラインとは別の場所に設置されている製造ラインの運転状態を監視する遠隔監視装置１１にその判断結果を情報伝達することもできる。なお、入出力手段１０は遠隔監視装置１１や製造ライン制御装置１２とネットワークを介して通信することで機種型番情報等の情報を端末装置２２へ取り込むことできるようになっている。
The result determined by the determination means 9 may be output from the input / output means 10 to an output display device such as a display (not shown), an alarm sound generator, a production line stop means, and a production
ところで、端末装置２２と信号処理手段２１とは同じ場所に設けてもよいし、異なる場所に設けもよい。例えば、信号処理手段２１のみを圧縮機製造ライン近傍に設け、端末装置２２を遠隔監視装置１１と同じ場所に設けて、遠隔地で圧縮機検査装置７０の操作が可能なように構成しても構わない。また、信号処理手段２１を端末装置２２に組み込むように構成しても構わない。
By the way, the
図２は、圧縮機１と振動検知センサ２との位置関係を示す概略説明図である。圧縮機１に対する振動検知センサ２の測定位置の決定は、位置決め装置３２によってなされている。位置決め装置３２は、状態量検知手段の種類の入力に応じて振動検知センサ２の適切な測定位置を判断し、その測定位置に振動検知センサ２を保持する装置である。位置決め装置３２には、振動検知センサ２が先端に固定されたアーム部である固定アーム３１が備わっている。この固定アーム３１をアーム駆動部内に備えられた駆動源で駆動して圧縮機１の所定の測定個所に振動検知センサ２を移動するようになっている。なお、アーム駆動部内部には、駆動源としてモータや油圧機構、空気圧機構等を備えるとよい。
FIG. 2 is a schematic explanatory diagram showing the positional relationship between the
図３は、圧縮機１の内部構成の概略を示す縦断面図である。圧縮機１は、圧縮室４１と、回転軸４２と、回転子４３と、圧縮機筐体４４とで構成されている。圧縮室４１は、回転軸４２の回転力で気体を実際に圧縮するものである。ここでは、スクロール圧縮機の圧縮室４１を示しているので固定側スクロールと揺動側スクロールとで構成されるている。回転軸４２は、圧縮機１の駆動軸であり、圧縮室４１内の揺動型スクロールと連結し、それを回転させるものである。回転子４３は、圧縮機１内部に組み込まれている電動モータで回転軸４２と共に回転するものである。圧縮機筐体４４は、圧縮機１を覆うケースである。
FIG. 3 is a longitudinal sectional view showing an outline of the internal configuration of the
振動検知センサ２は、振動検知センサ２と圧縮機１の軸中心線１３とを結ぶ直線の間に圧縮機筐体４４と圧縮機構成部品である圧縮室４１との密接、溶接部位がくるように配置するとよい。このように振動検知センサ２は、圧縮室４１の近傍に配置することが好ましい。それは、気体の圧縮が実際に行なわれる圧縮室４１の異常をいち早く検出することが可能となるからである。例えば、圧縮機筐体４４に圧縮室４１を溶接・焼き嵌め等の方法で接着させた場合には、その位置は外見からでも容易に判断可能であるので、その位置近傍を計測位置にするとよい。
In the
すなわち、振動検知センサ２を圧縮室４１の近傍に設置することで、圧縮室４１の圧縮工程において発生する圧縮不良・部品欠陥等の異常を示す振動（脈動情報）を減衰することなく検知することが可能となるのである。また、異常を示す振動が減衰しないうちに検知できるので、微小なスクロール部品の寸法誤差等の異常も高精度に検出することが可能となるのである。
That is, by installing the
図４は、圧縮機１を固定する圧縮機固定装置８０の一例を示す概略図である。圧縮機１の振動測定を行なうには、圧縮機１の固定及び圧縮機１周辺の振動ノイズを防止することが重要である。ここでは、ベルトコンベア２３で運搬された圧縮機１を持ち上げてベルトコンベア２３と接触させずに固定する圧縮機固定装置８０を示している。この圧縮機固定装置８０は、圧縮機固定台５１と、圧縮機固定爪５２と、側面方向固定冶具５４と、上下方向固定冶具５５とで構成されている。また、この圧縮機固定装置８０は、圧縮機１を固定した圧縮機固定台５１を固定するものである。
FIG. 4 is a schematic diagram illustrating an example of a
まず、圧縮機１自体の動きを規制するために、圧縮機１を圧縮機固定台５１に固定するようになっている。圧縮機固定台５１は、鋼鉄等の金属製で圧縮機１を固定する固定台であり、圧縮機１ごとに用意されている。また、この圧縮機固定台５１の上部には圧縮機固定爪５２が設けられている。圧縮機足部４５は、圧縮機１を支える構成部品である。圧縮機１と圧縮機固定台５１は、図５に示すように圧縮機足部４５に設けられた位置決め用の穴と圧縮機固定爪５２を嵌め合わせることで圧縮機１の回転方向の動きが固定されるようになっている。
First, the
さらに、圧縮機固定台５１の一部である圧縮機足固定部５６の突起と圧縮機足部４５の凹み部とが勘合されており、それに圧縮機１の自重も加わるので、より強力に圧縮機１の動き特に上下方向の動きを固定する仕組みとなっている。このように、圧縮機足部４５と圧縮機固定台５１を勘合させることで圧縮機起動時の余計な動きを規制することが可能となり、安定した再現性のある振動データを測定することできるようになっている。
Furthermore, since the protrusion of the compressor
次に、圧縮機固定台５１に固定された圧縮機１は、持ち上げられてベルトコンベア２３の上部に移動するようになっている。圧縮機１をベルトコンベア２３と非接触にするのは、圧縮機検査工程ではベルトコンベア２３を一旦停止するが、他の工程ではベルトコンベア２３が稼動を続けているためそのベルトコンベア２３を通して振動ノイズが検査対象の圧縮機１に伝わってしまうのを防止するためである。圧縮機１を固定した圧縮機固定台５１は、側面方向固定冶具５４と上下方向固定冶具５５とで上下方向及び水平方向の動きが固定されるようになっている。この側面方向固定冶具５４とこの上下方向固定冶具５５とは、それぞれ油圧や空気圧、電動モータ等で駆動するとよい。
Next, the
上下方向固定冶具５５がベルトコンベア２３の隙間を通って上方向に移動し、圧縮機１を圧縮機固定台５１ごと持ち上げてベルトコンベア２３から離す。次に、側面方向固定冶具５４が圧縮機固定台５１を挟み込んで圧縮機固定台５１の上下方向及び水平方向の動きを固定するようになっている。この状態で圧縮機１の振動測定の準備が完了する。そして、圧縮機１はベルトコンベア２３とは完全に非接触で固定されるので、圧縮機１以外から発生する余計な振動や振動ノイズを排除した条件の基で振動測定をすることができるようになっている。また、ここでのベルトコンベア２３は、自動タイプのベルトコンベアであるが、これに限定するものではなく、ローラのみを有し駆動部を持たない手動タイプのローラーコンベアであっても構わない。
The
図６は、圧縮機１を固定する圧縮機固定装置８０ａの別の一例を示す概略図である。ここでは、ローラーコンベア２４を構成するローラ５７と圧縮機１とを接触させたままの状態で圧縮機１を固定する圧縮機固定装置８０ａを示している。この圧縮機固定装置８０ａは、圧縮機固定皿５８と、圧縮機固定棒５９とで構成されている。また、この圧縮機固定装置８０ａは、圧縮機１と圧縮機１を固定する固定台としての圧縮機固定皿５８とをまとめて固定するものである。
FIG. 6 is a schematic diagram illustrating another example of the
まず、圧縮機１は、一台ずつ圧縮機固定皿５８に載せられる。この圧縮機固定皿５８は、圧縮機１を固定する固定台としての機能を果たしている。そして、作業員等が、作業工程に応じてこの圧縮機固定皿５８を手動でローラ５７上を水平方向に移動させるようになっている。この場合に、圧縮機１と圧縮機固定皿５８とが、また圧縮機固定皿５８とローラ５７とがそれぞれ固定されていないと、圧縮機１の起動時に圧縮機１が動いてしまい安定した振動測定ができなくなってしまうことになる。
First, the
そこで、圧縮機固定棒５９を用いて、圧縮機１を固定するようにしている。圧縮機固定棒５９は、２本用意して、それぞれを圧縮機固定皿５８の対向する位置に設けて、先端のカギ状の部分を図示省略の圧縮機足固定部５６に挿入するようになっており、圧縮機１と圧縮機固定皿５８とをまとめて固定する。この圧縮機固定棒５９は、油圧や空気圧、電動モータ等の駆動力を利用して作動させるとよい。すなわち、圧縮機固定皿５８の対向する位置に設けた各圧縮機固定棒５９を互いに拮抗するように引っ張るように作動させて、圧縮機１と圧縮機固定皿５８とをまとめて固定するようにしている。
Therefore, the
なお、圧縮機１の自重で上下方向の動きは予め規制されているが、圧縮機固定棒５９を利用することで圧縮機１の回転や上下方向、水平方向等の動きがより強固に固定される。また、圧縮機固定棒５９を圧縮機固定皿５８の４隅対角線上に設けることで、さらに安定したぐらつきのない固定が可能となる。このような固定具を用いることで、圧縮機１の起動時における圧縮機１本体の動きを規制し、余計な振動やノイズを少なくすることができる。また、ここでのローラーコンベア２４は、手動タイプのローラーコンベアであるが、これに限定するものではなく、自動タイプのベルトコンベアであっても構わない。
Although the vertical movement of the
図７は、圧縮機１内の圧縮室４１の断面を示す模式図である。圧縮室４１は、固定側スクロール６１と、揺動側スクロール６２と、上下方向のクリアランス調整プレート６３とで構成されている。固定側スクロール６１は、圧縮室４１内に固定されており、突起部６１ａを備えている。揺動側スクロール６２は、図示省略の回転軸４２と連結しており、回転軸４２とともに回転するようになっている。また、揺動型スクロール６２は、固定側スクロールの突起部６１ａと組み合わさるように突起部６２ａを備えている。そして、これらが組合わさることにより気体を徐々に圧縮させる複数個の気体空間６５が形成される。
FIG. 7 is a schematic view showing a cross section of the
クリアランス調整プレート６３は、固定側スクロール６１と揺動側スクロール６２とが組み合わされる上下方向の隙間を調整する部品である。このクリアランス調整プレート６３は、クリアランス調整プレート部品６３ａとクリアランス調整プレート部品６３ｂとの二つの部品から構成されている。クリアランス調整プレート部品６３ａは、揺動側スクロール６２の大まかな位置を合わせるようになっている。クリアランス調整プレート部品６３ｂは、その厚みを替えることでクリアランスを微調整するようになっている。
The
図８は、圧縮室４１を構成する揺動型スクロール６２を上方から見た模式図である。上述したように、固定側スクロール６１の突起部６１ａと揺動型スクロール６２の突起部６２ａとが互いに組み合わされて、複数個の気体空間６５を形成するようになっている。そして、この揺動側スクロール６２がモータの駆動力によって回転軸４４とともに回転すると、気体空間６５の容積は、外周側から中心部へ向かうにつれて徐々に小さくなっていき気体の圧縮が行なわれる。最後に、圧縮された気体は中心部（図で示すＢの部分）から高圧ガスとなって吐出される仕組みになっている。
FIG. 8 is a schematic view of the swinging
図９は、圧縮機１の状態を波形データで表した説明図である。この図では、圧縮機１のクリアランスで発生する異常の特徴を表している。この図において、横軸には時間軸、縦軸には加速度振幅を示している。また、図中に示すＡは圧縮機１の正常な状態を表す波形データの一例を示しており、Ｂは圧縮機１の異常な状態を表す波形データの一例を示している。さらに、Ｃは圧縮機１の起動開始から所定時間経過するまでの起動部を示しており、Ｄは起動部経過後の定常部を示している。
FIG. 9 is an explanatory diagram showing the state of the
起動部の波形データは、圧縮機１の起動初期の不安定な状態から定常動作が可能になる状態までの間に圧縮機１で発生する振動を表している。また、定常部の波形データは、圧縮機１が安定して圧縮動作を行っている際に圧縮機１で発生する振動を表している。図からも分かるように、圧縮機１の起動部と定常部とでは波形データに顕著な差異が表れる。
The waveform data of the starting unit represents vibration generated in the
圧縮機１に異常があると、その異常の種類によっては、圧縮機１の起動開始直後に大きな振幅が表れる場合がある（図で示すＦの部分）。このような異常を示す波形データを計測したときは、その波形データを分析することで異常の有無の判断及び異常の特定が可能となる。例えば、このような波形データから特定できる異常の種類としては、圧縮機１の組み立て工程におけるクリアランス調整部品の選定ミスや、スクロール部品の欠損等が考えられる。すなわち、圧縮室４１内のクリアランスが正常に組み立てられた圧縮室４１と比較して大きいと、起動開始直後にその影響が顕著に表れることになる。そこで、起動開始直後に注目することにより、起動開始直後に影響が顕著に表れるが定常部では正常との差異が小さくなるような異常に対しても正確な異常の検出が可能になる。
If there is an abnormality in the
なお、圧縮機１で発生する可能性のある異常の種類にあらかじめ対応できるような所定のデータを記憶手段７に記憶しておけば、特定の異常に対する検査が可能である。また、想定していなかった新しい異常が発生した際には、そのときに表れる波形データを記憶手段７に記憶するようにしておけば、その異常を示す所定のデータが蓄積されるとともに次回以降発生した場合には、そのデータを利用して迅速対処することが可能となる。また、圧縮機１が定常部に至るまでの起動部の時間は、正常に組み立てられた圧縮機１をサンプルとして決定するとよい。例えば、２００ｍｓｅｃ程度の時間で定常部になるのであれば、その時間を境界線Ｅとすればよい。
In addition, if predetermined data that can correspond in advance to the type of abnormality that may occur in the
ここで、圧縮機１で発生するクリアランス異常とスクロール異常とについて説明する。第１にクリアランス異常は、クリアランス調整プレート６３に異常が生じることで発生する。例えば、クリアランス調整プレート部品６３ｂが欠損すると、揺動側スクロール６２上部に微小な隙間が生じるためガタツキ（異常な振動）が生じる。このため、圧縮機１の起動開始直後のトルク変動が大きな領域である起動部（図で示すＣ）では、そのトルク変動と併せて揺動側スクロール６２も上下に大きく振動してしまうので、それが波形データにも表れる。一方、トルク変動が小さい領域である定常部（図で示すＤ）では、揺動側スクロール６２の上下の振動が少なくなるので、それが波形データに表れにくい傾向となる。したがって、この波形データの特徴部分を分析することで、異常原因を明確に特定することが可能となる。
Here, the clearance abnormality and the scroll abnormality that occur in the
すなわち、この異常の特徴は、回転軸４２の中心の重心がずれた状態であるアンバランスや軸受等の芯がずれた状態であるミスアライメントのような異常の症状として波形データに表れるが、クリアランスの大きさが正常なものと比較して極端でない限り定常部ではその影響が微小であり差異は明確とならない。そこで、クリアランス調整プレート６３で発生するような異常の場合は、波形データの特徴的な部分（図で示すＦの部分）を解析することで異常原因を明確に判別することが可能となる。
That is, this abnormality feature appears in the waveform data as a symptom of an abnormality such as an imbalance in which the center of gravity of the center of the
第２にスクロール異常は、圧縮機１の主要部品であるスクロール部品に異常が生じることで発生する。例えば、圧縮機１の主要部品であるスクロール部品の寸法に異常が発生すると、通常では発生しないガタツキ（異常な振動）が発生する。揺動側スクロール６２の渦巻き形状突起部６２ａの寸法が公差範囲から外れたときは、圧縮の過程において固定側スクロール６１の突起部６１ａと揺動側スクロール６２の突起部６２ａとの一部が想定していない範囲で擦れ合うことになる。この異常の特徴は、アンバランスやミスアライメントのような症状として定常部の振動波形に顕著に表れる。したがって、この定常部の振動波形を解析することで異常原因の特定を明確に判別することが可能となる。
Secondly, the scroll abnormality occurs when an abnormality occurs in a scroll component that is a main component of the
特に、スクロール部品の寸法誤差が大きい場合には、二つの傾向が計測されることになる。一つ目の傾向は、固定側スクロール６１の突起部６１ａと揺動側スクロール６２の突起部６２ａとが一回転するとき、想定していない所定の範囲及び一定の周期で擦れ合うことになるために、擦れる際に広帯域の波形データとなって表れるということである。二つ目の傾向は、回転軸４２が応力を受けてゆがんでしまい、ミスアライメントやアンバランスのような異常として低周波数の割合が大きくなる波形データとなって表れるということである。すなわち、圧縮室４１内で揺動型スクロール６２がスムーズに回転せず、一定周期で擦れ合うために、一つ目の傾向が表れることになる。また、ミスアライメントやアンバランスが起きると、その影響により回転周波数及び回転周波数の２次、３次等の低次周波数成分における振動が大きくなるために、二つ目の傾向が表れることになるということである。
In particular, when the dimensional error of the scroll component is large, two tendencies are measured. The first tendency is that when the
このように、スクロール部品の寸法異常では、起動部では圧縮機加振力が小さく、正常な圧縮機１との差異が明確とならず、定常部に近づくにつれて差異が明確になるという特徴がある。したがって、クリアランス異常とは起動部での波形データが顕著に異なるので、その波形データの特徴を比較し解析することで異常原因の特定を明確に判別することが可能となる。
As described above, when the dimension of the scroll part is abnormal, the compressor excitation force is small in the starting part, and the difference from the
次に、圧縮機検査装置７０の作用動作について説明する。
圧縮機１の圧縮機製造ラインでは、圧縮機１はベルトコンベア２３で運搬され、所定の製造工程に基づいて順次組み立てられる。ここでは、圧縮機製造ラインの最終工程である圧縮機１の完成品における試運転検査を対象として説明するが、これに限定するものではない。例えば、圧縮機製造ラインの途中工程で圧縮機１の試運転を行なうような場合でも同様な検査を行なうことが可能となっている。
Next, the operation of the
In the compressor manufacturing line of the
圧縮機１の検査を行なう際には、圧縮機製造ラインの製品検査工程でベルトコンベア２３を一旦停止して、圧縮機１の検査を実行するとよい。この製品検査工程での検査は、振動検知センサ２が位置決め装置３２で駆動されて圧縮機１の所定の測定個所に設置することで開始される。振動検知センサ２は、そのセンサの種類に応じて測定個所を設定することが好ましい。例えば、振動検知センサ２が加速度ピックアップであれば圧縮機１へ一定のトルクで押付けるように設定したり、マグネットで接触させて設定したりするとよい。また、振動検知センサ２が非接触光学式であれば圧縮機１の壁面近傍から１〜２ｃｍ程度の距離に設定するとよい。
When the
検査が開始された圧縮機１は、所定の測定個所に設置された振動検知センサ２で発生する振動が検知される。振動検知センサ２で検知された振動の波形データは、フィルター・アンプ３に送られる。このフィルター・アンプ３では、異常診断に必要な周波数領域の波形データのみが抽出されるようになっている。さらに、このフィルター・アンプ３は、抽出した波形データを増幅する。
In the
増幅された電気信号は、Ａ／Ｄ変換器４に送られて、アナログ信号からデジタル信号に変換される。この変換されたデジタル信号は、時系列波形データとして扱われるようになっている。時系列波形データは、圧縮機１で発生する振動の時間的な変化を表す波形データをデータ処理したものである。この時系列波形データは、ここで２分岐されるようになっている。そして、一方は直接演算手段６へ伝達され、他方はＦＦＴ演算機５へ伝達される。ＦＦＴ演算器５に伝達された時系列波形データは、周波数領域データに変換された後に演算手段６へ伝達される。
The amplified electrical signal is sent to the A / D converter 4 and converted from an analog signal to a digital signal. This converted digital signal is handled as time-series waveform data. The time-series waveform data is obtained by performing data processing on waveform data representing temporal changes in vibration generated in the
このＦＦＴ演算機５では、波形データを時間の関数から周波数の関数へ高速に変換する解析手法を利用して時系列波形データを周波数領域データに変換している。また、ここでは振動から生じる脈動情報ついて説明しているが、音圧信号や電圧、電流、電気入力等から生じる脈動情報を検知するようにしても構わない。なお、ここでいう振動とは、可聴領域の振動だけでなく部品の亀裂の発生や進展に伴ってパルス状に発生する超音波領域の弾性波であるアコースティック・エミッション（ＡＥ）等を含むものである。この場合は、感度の良い圧電物質（ＰＺＴ、ジルコン酸チタン酸鉛等）を状態量検知手段の一つとして使用するとよい。 The FFT calculator 5 converts time-series waveform data into frequency domain data using an analysis technique that converts waveform data from a time function to a frequency function at high speed. Although pulsation information generated from vibration is described here, pulsation information generated from a sound pressure signal, voltage, current, electric input, or the like may be detected. The vibration referred to here includes not only the vibration in the audible region but also acoustic emission (AE) that is an elastic wave in the ultrasonic region generated in the form of pulses in accordance with the occurrence and development of cracks in the component. In this case, a sensitive piezoelectric material (PZT, lead zirconate titanate, etc.) may be used as one of the state quantity detection means.
直接演算手段６へ伝達される時系列波形データは、時系列波形データの特徴を表す特徴量パラメータ（時系列パラメータ）に変換される。この時系列パラメータは、データ処理されており一定期間における代表的な数値として扱われるようになっている。ＦＦＴ演算機５を経た後に演算手段６へ伝達される時系列波形データは、ＦＦＴ演算器５で特定時間（数秒の時間帯）におけるデータのデータ処理が行なわれて、周波数領域における波形データの特徴を表す特徴量パラメータ（周波数領域パラメータ）に変換される。このように、波形データを特徴量パラメータに変換する意義は、各特徴量を基準化することで統一した指標として測定可能となるからであり、また、４０ｋＨｚ等の高速サンプリングの波形データのままでは情報量が膨大となるので、波形データの特徴を表す指標として捉えるためである。 The time-series waveform data directly transmitted to the computing means 6 is converted into a feature parameter (time-series parameter) representing the characteristics of the time-series waveform data. This time series parameter is data-processed and is treated as a representative numerical value for a certain period. The time-series waveform data transmitted to the calculation means 6 after passing through the FFT calculator 5 is subjected to data processing in a specific time (several seconds) in the FFT calculator 5, and the characteristics of the waveform data in the frequency domain Is converted into a feature parameter (frequency domain parameter). Thus, the significance of converting the waveform data into the feature parameter is that it can be measured as a unified index by standardizing each feature, and if waveform data of high-speed sampling such as 40 kHz is used as it is, This is because the amount of information is enormous, so that it can be understood as an index representing the characteristics of the waveform data.
そうすると、同一時間帯における時系列パラメータと周波数領域パラメータとを比較処理することが可能となる。なお、測定を行なう際の圧縮機１の起動検知、すなわちトリガーについては振動や音の変化の変動が大きくなったときに圧縮機１が起動したと判定したり、圧縮機１の電源線に流れる電流の立ち上がりや圧縮機１に電源を供給するリレーのＯＮ／ＯＦＦ信号から判定したりしてもよい。
Then, the time series parameter and the frequency domain parameter in the same time zone can be compared. It should be noted that the start detection of the
時系列パラメータとしては、例えば以下に挙げるようなものがある。式（１）は平均値、式（２）は標準偏差、式（３）は歪度、式（４）は尖度を示している。 Examples of time series parameters include the following. Expression (1) represents an average value, Expression (2) represents standard deviation, Expression (3) represents skewness, and Expression (4) represents kurtosis.
Ｘは時系列波形データ、ｉは測定時間波形の時系列番号、Ｎは波形デジタルデータの合計数を表す。時間領域分析ではｉ＝１〜Ｎまで全てのデータについてノイズ除去のために移動平均処理等の平均化演算処理後に、各パラメータを計算するとよい。なお、歪度（式（３））とは、波形データの平均値に対する時間軸に関する非対称性を表し、尖度（式（４））とは、振動の衝撃度を表す特徴量であり、どちらも統計学で用いられる一般的な指標である。 X represents time series waveform data, i represents the time series number of the measurement time waveform, and N represents the total number of waveform digital data. In the time domain analysis, each parameter may be calculated after averaging calculation processing such as moving average processing for noise removal for all data from i = 1 to N. Note that the skewness (formula (3)) represents asymmetry with respect to the average value of the waveform data with respect to the time axis, and the kurtosis (formula (4)) is a feature quantity representing the degree of vibration impact. Is also a general indicator used in statistics.
ＦＦＴ演算機５の結果を用いた周波数領域パラメータとしては、例えば以下に挙げるようなものがある。式（５）は、２次〜４次の低次高調波成分の和を示している。
圧縮機１の製造異常は、前述したようにクリアランス異常やスクロール部品における寸法異常等の試運転時の挙動がアンバランスやミスアライメントに類似した症状として検知される。この場合に、圧縮機１の基本周波数（例えば、６０Ｈｚ地域であれば６０Ｈｚ）と、その倍数となる高調波に顕著にその異常の症状が表れるため、基本周波数やその高調波成分を利用すると高精度に異常の特定が可能となる。Ｐｈ（ｊ）は圧縮機基本周波数の高調波成分、ｊは高調波の次数を表す。このほか２次〜４次の領域の積分値や、特徴が顕著に表れる２次高調波と１ｋＨｚの低周波数領域の積分値との比等を周波数領域パラメータとするとよい。
As described above, a manufacturing abnormality of the
また、圧縮機１の製造異常はアンバランスやミスアライメントの症状に類似している場合が多いため、主に低周波数領域にその症状の特徴が顕著に表れることが多くなる。このため、周波数領域パラメータは、影響が顕著に表れる１ｋＨｚ以下等の低周波数領域積分値と、影響が表れにくい２ｋＨｚから４ｋＨｚ等の高周波数領域積分値との比である式（６）のようなもので表しても構わない。なお、周波数領域パラメータは式（５）、（６）の値に限るものではなく、異常の特徴に合わせて変更可能にしておき、より異常を明確に検出でき、かつ特定できるようなパラメータ設定を随時行えるようにしておくとよい。
Further, since the manufacturing abnormality of the
以上のように、波形データを二つの特徴量パラメータ（時系列パラメータ、周波数領域パラメータ）として扱うことにより、膨大な量となる波形データを扱い易い特徴量として計算処理することが可能となる。また、上記に挙げた特徴量パラメータ以外の波形データの特徴を表すパラメータについても必要に応じて特徴量パラメータとして加えることも可能である。特徴量パラメータはこのような波形データの特徴を数値指標に置き換えるものであり、これらの特徴量パラメータを比較分析することで圧縮機１における異常の有無の検出及び異常の特定が可能となっている。
As described above, by handling the waveform data as two feature quantity parameters (time series parameter, frequency domain parameter), it becomes possible to perform calculation processing of the enormous quantity of waveform data as easy-to-handle feature quantities. Further, parameters representing the characteristics of the waveform data other than the above-described feature quantity parameters can be added as feature quantity parameters as necessary. The feature parameter replaces the feature of the waveform data with a numerical index. By comparing and analyzing these feature parameters, it is possible to detect the presence or absence of abnormality and to identify the abnormality in the
また、上記説明では時系列波形データをＦＦＴ演算機５でＦＦＴ処理して周波数領域データに変換する例について説明したが、騒音解析で使用されるオクターブ分析や１／３オクターブ分析等を使用しても構わない。さらに、ウェーブレット変換等の処理を行ってもよく、時系列波形データに対する演算もしくはフィルター処理を行ったデータを用いて波形データの特徴量を計算しても構わない。 In the above description, the example in which the time series waveform data is subjected to FFT processing by the FFT calculator 5 and converted to frequency domain data has been described. However, octave analysis or 1/3 octave analysis used in noise analysis is used. It doesn't matter. Furthermore, processing such as wavelet transform may be performed, and the feature amount of the waveform data may be calculated using data obtained by performing computation or filtering on the time series waveform data.
図１０は、圧縮機検査装置７０の機能系統図を示す一覧図である。圧縮機検査装置７０の機能（Ｋ１）は、データ測定機能（Ｋ２）と、演算処理機能（Ｋ３）と、表示処理機能（Ｋ４）と、異常発報処理機能（Ｋ５）と、データ保存機能（Ｋ６）とに大きく分けることができる。データ測定機能（Ｋ２）は、圧縮機の機種型番号読込み機能（Ｋ７）と振動測定機能（Ｋ８）とからなり、主に製造ライン制御装置１２と振動検知センサ２とが担当して処理が行なわれるようになっている。演算処理機能（Ｋ３）は、測定した波形データに基づいて平均化やＦＦＴ処理する機能（Ｋ９）と、特徴量の計算と基準化を行なう機能（Ｋ１０）と、異常判定の演算処理を行なう機能（Ｋ１１）とからなり、主に端末装置２２が有する各手段が担当して処理が行なわれるようになっている。
FIG. 10 is a list showing a functional system diagram of the
表示処理機能（Ｋ４）は、測定した波形データやＦＦＴ処理したグラフ等の情報を表示する表示機能（Ｋ１２）と、特徴量パラメータを表示する特徴量表示機能（Ｋ１３）と、圧縮機１の判定結果を表示する正常／異常判定結果表示機能（Ｋ１４）とからなり、主に遠隔監視装置１１と製造ライン制御装置１２とが担当して処理が行なわれるようになっている。
The display processing function (K4) includes a display function (K12) for displaying information such as measured waveform data and a graph subjected to FFT processing, a feature amount display function (K13) for displaying feature amount parameters, and a determination by the
異常発報処理機能（Ｋ５）は、判定結果機能（Ｋ１４）の結果に基づいて異常と判定された場合に、上記の表示処理機能（Ｋ４）に異常信号を出力する機能（Ｋ１５）を有している。これは、主に入出力手段１０が担当して処理を行なわれるようになっている。データ保存機能（Ｋ６）は、波形データファイルを端末装置２２の記憶手段７にファイル保存する機能（Ｋ１６）である。また、特徴量演算結果を圧縮機機種ごとに測定順に追加して行き、機種ごとに特徴量演算結果ファイルを記憶手段７に保存する機能（Ｋ１７）を有している。
The abnormality notification processing function (K5) has a function (K15) for outputting an abnormality signal to the display processing function (K4) when it is determined that there is an abnormality based on the result of the determination result function (K14). ing. This is mainly performed by the input / output means 10 for processing. The data storage function (K6) is a function (K16) for storing the waveform data file in the storage means 7 of the
図１１は、圧縮機検査装置７０が圧縮機１の診断を行なうまでの処理の流れを示す流れ図である。圧縮機検査装置７０は、まず各特徴量の平均値や標準偏差、判定閾値等の設定値（特徴量パラメータ）が比較手段８に既に読込まれているか否かを判定する（Ｓ１０１）。これらの設定値がまだ読込まれていない場合には（Ｓ１０１；Ｎｏ）、これらの設定値が記憶手段７に既に記憶されているか判定する（Ｓ１０２）。記憶手段７に記憶されている場合には、その設定値を比較手段８に読込む（Ｓ１０３）。記憶手段７に記憶されていない場合には、設定値の読込みは行なわない（Ｓ１０２；Ｎｏ）。
FIG. 11 is a flowchart showing a process flow until the
なお、設定値が記憶手段７に記憶されていない場合には正常データを記憶するための初期学習を行なう必要がある。この初期学習とは、所定期間における特定機種の複数の正常な圧縮機１（例えば、１００台以上の正常圧縮機）のデータを測定し、正常な圧縮機１の正常状態をデータとして定義することをいう。また、初期学習は正常な圧縮機１の正常データを記憶することに限定するものではなく、異常な圧縮機１の異常データを記憶するようにしても構わない。
When the set value is not stored in the storage means 7, it is necessary to perform initial learning for storing normal data. The initial learning is to measure data of a plurality of normal compressors 1 (for example, 100 or more normal compressors) of a specific model in a predetermined period, and to define the normal state of the
次に、圧縮機検査装置７０は、測定終了ボタンが操作されているか判定する（Ｓ１０４）。測定終了ボタンが操作されていなければ（Ｓ１０４；Ｎｏ）、トリガーがＯＮされているか判定する（Ｓ１０５）。一方、測定終了ボタンが操作されていると（Ｓ１０４；Ｙｅｓ）、圧縮機１の異常診断処理は終了する。この測定終了ボタンは、端末装置２２に接続されているディスプレイ画面上に表示されており、製造作業の完了や一時停止等で検査が終了された場合に操作されるボタンである。また、この測定終了ボタンの操作が検査終了の合図となっている。なお、画面上に表示される測定終了ボタンを端末装置２２に接続されているマウスやキーボードから操作してもよく、タッチパネルを用いて直接手で操作してもよい。
Next, the
トリガーは、圧縮機検査装置７０の供給電流が流れたことを電流検知装置にて検知したり、圧縮機運転により発生する大きな振動の有無を感知したりすることによりトリガーＯＮと判定する。トリガーＯＮと判定されると、データ測定や異常判定、データ保存等の異常診断処理が実行される（Ｓ１０６）。
The trigger determines that the trigger is ON by detecting that the supply current of the
図１２は、データ測定や異常判定、データ保存等の異常診断処理の流れを示す流れ図である。既に初期学習が行なわれた圧縮機検査装置７０は、まず組み立てられた圧縮機１のデータ測定を行なう（Ｓ２０１）。このデータ測定は、振動検知センサ２で実行される。そのとき測定された波形データは、信号処理手段２１で起動部と定常部とに分けて抽出される（Ｓ２０２）。抽出された波形データは、所定の演算式に基づいて平均化、ＦＦＴ処理、特徴量計算等の演算処理がＦＦＴ演算機５や演算手段６で行なわれる（Ｓ２０３）。さらに、ＦＦＴ演算機５や演算手段６はこれらの数値を特徴量パラメータに変換して特徴量を基準化する（Ｓ２０４）。この特徴量の基準化は、既に読み込まれている設定値に基づいて各特徴量の平均値と標準偏差を用いて、式（７）により計算される。
FIG. 12 is a flowchart showing the flow of abnormality diagnosis processing such as data measurement, abnormality determination, and data storage. The
ここで、Ｚは特徴量を表し、Ｘバーは式（１）で求めた平均値、Ｓは式（２）で求めた標準偏差を表している。特徴量パラメータを基準化する意義は、式（７）のように各特徴量パラメータを基準化することにより各特徴量パラメータを標準偏差からの距離という統一的な指標で測定することが可能となるからである。さらに、この基準化された特徴量基準化値Ｐを利用すれば、それぞれの特徴量の異常度合いが一見して理解できるようになっている。 Here, Z represents a feature amount, X bar represents an average value obtained by equation (1), and S represents a standard deviation obtained by equation (2). The significance of standardizing feature quantity parameters is that each feature quantity parameter can be measured with a unified index of distance from the standard deviation by standardizing each feature quantity parameter as shown in Equation (7). Because. Further, by using the standardized feature quantity standardized value P, the degree of abnormality of each feature quantity can be understood at a glance.
この各特徴量基準値Ｐと既に読み込まれている設定値とが比較手段８で比較される（Ｓ２０５）。ここでは、既に読み込まれている設定値から閾値を演算し設定して、各特徴量基準化値Ｐがこの閾値より大きいか小さいかを比較するようになっている。この比較結果に基づいて、圧縮機１の正常／異常の判断が判断手段９で行なわれる（Ｓ２０６）。
Each feature quantity reference value P is compared with the set value already read by the comparison means 8 (S205). Here, a threshold value is calculated and set from a setting value that has already been read, and whether each feature amount standardization value P is larger or smaller than this threshold value is compared. Based on the comparison result, the
判断手段９は、圧縮機１に異常があると判断すると（Ｓ２０６；Ｙｅｓ）、異常がある旨の通知を入出力手段１０に送信する（Ｓ２０７）。この送信は、迅速に行われることが好ましい。その後、判断手段９は判定結果に基づいて異常の傾向を解析し、その異常の原因を特定する（Ｓ２０８）。異常の原因が特定されると、その旨の通知が入出力手段１０に送られて表示される（Ｓ２０９）。判断手段９は、圧縮機１が正常であると判断すると（Ｓ２０６；Ｎｏ）、その判断結果が直接入出力手段１０に送られて表示される（Ｓ２０９）。表示される判断結果は、波形グラフやＦＦＴ処理グラフ、各特徴量の演算結果、正常／異常の判断結果、異常原因の特定結果等である。
When determining that the
最終的に、検査を行った各圧縮機１の波形データと特徴量演算結果とを記憶手段７にファイル保存される（Ｓ２１０）。これらの結果が記憶手段７に累積的に蓄積されるに伴い、異常の解析が的確に行なわれるようになっている。すなわち、判断手段９は学習する機能を有しているので、記憶手段７に記憶されている所定のデータに閾値を演算し設定し、再現された異常に的確に対応することが可能になっている。また、圧縮機１に異常があると判断された後に、その異常は許容範囲内であることが指示された場合には、判断手段９は次回以降の検査では正常な圧縮機１であると判断することが可能になっている。
Finally, the waveform data and the feature amount calculation result of each
次に、異常原因の特定を例に示す。クリアランス調整プレート６３の欠損による製造異常の場合には、起動部の波形データにその影響が顕著に表れることは前述した通りである。このため起動部波形データの標準偏差と最大振幅値がこの異常の特徴をよく表している。一方、定常部ではアンバランス、ミスアライメントに類似した影響が表れるため２次〜４次までの低次高調波成分の和すなわち式（５）の特徴量パラメータがこの異常の特徴を表している。したがって、この３つの特徴量を考慮すればさらにこの異常の特徴をよく表すことが可能となる。
Next, the identification of the cause of the abnormality is shown as an example. As described above, in the case of a manufacturing abnormality due to the lack of the
したがって、上記３つの特徴量（起動部における標準偏差と最大振幅値、定常部における低次高調波成分の和）に注目し、この３つのパラメータに対する閾値を設け、測定した振動の波形データの全てがこれら３つの閾値を超えた場合に該当すると、圧縮機１に異常があると判定するとよい。したがって、少なくとも１つの閾値を越えなければ、正常な圧縮機１と判定されるようになっている。そして、閾値を超えたパラメータについてはその都度累積的に記憶手段７に記憶するとよい。そうすれば、判断手段９は次回以降の異常診断で新しい閾値を設定することが可能であるからである。この閾値は、標準偏差の３倍等任意に設定することが可能であり、小さめに設定することで感度をより高めることも可能である。
Therefore, paying attention to the above three feature quantities (standard deviation and maximum amplitude value in the starting part, and sum of low-order harmonic components in the stationary part), a threshold is set for these three parameters, and all of the measured vibration waveform data If it exceeds these three threshold values, it may be determined that the
なお、上記異常の特徴を見極めるためには、試作が可能な異常の場合には予め対象とする異常な圧縮機１を試作し、その異常な圧縮機１に対し測定を行い、正常な圧縮機１との差異を明確化することによって注目すべき特徴量を決定することが可能となる。また、設計当初に異常発生が予測できず、その後発見された異常に対しては、保存されている測定データの中から該当する異常データを選択し、正常データと比較することにより特徴量を決定することが可能となる。なお、そのデータを記憶手段７に記憶して異常の種類を蓄積するとよい。そうすれば、判断手段９は一度発生した異常に対しての解析が迅速に行なわれ、異常の特定の精度が高くなる。
In order to ascertain the characteristics of the abnormality, in the case of an abnormality that can be prototyped, an
スクロール部品の寸法異常の場合では、前述した通り起動部の波形データにおいては正常な圧縮機１との差異が明確ではない。しかしながら、定常部の波形データにおいては、固定側スクロール６１の突起部６１ａと揺動側スクロール６２の突起部６２ａとが一回転するとき所定の範囲で一定の周期で擦れ合うことになり、その影響で回転軸４２がゆがみミスアライメントやアンバランスに類似した症状が表れ、振動成分のうち低周波数成分の割合が大きくなる。このために、式（６）の低周波数領域成分積分値と高周波数領域積分値比の特徴量パラメータ及び式（５）の特徴量パラメータに影響が顕著に表れる。
In the case of the dimension abnormality of the scroll part, the difference from the
したがって、これらの特徴量パラメータに注目し、判定を行なうことでこの異常の特定が可能となっている。なお、前記クリアランス調整プレート６３の欠損とミスアライメント、アンバランスの影響が表れるという点において両異常の特徴は似ているが、クリアランス調整プレート６３の欠損では起動部極初期にも影響が顕著に表れるのに対し、スクロール部品寸法異常では起動部は正常な圧縮機１と差異が少ないという点に注目することで両異常の確実な分離判定が可能となる。また、設計当初に予測していない異常に対しては上記のクリアランスで異常が発生した場合と同様に特徴量を決定するとよい。さらに、そのデータを記憶手段７に記憶することも同様にするとよい。
Therefore, it is possible to specify this abnormality by paying attention to these feature amount parameters and making a determination. The features of both abnormalities are similar in that the defect of the
図１３は、判定閾値の設定処理についての流れを示す流れ図である。判定閾値を設定するためには、圧縮機検査装置７０に初期学習をさせる必要がある。正常な圧縮機１のデータ測定を行ない、集めたデータを基に閾値の設定を行なうようになっている。まず、正常な圧縮機１００個以上から集めた各特徴量演算結果のファイルを読込む（Ｓ３０１）。次に、他のデータと比較して極端に外れたデータを除外する（Ｓ３０２）。
FIG. 13 is a flowchart showing a flow of determination threshold setting processing. In order to set the determination threshold, it is necessary to cause the
これは、異常検出の精度を高めるために、異常な圧縮機１である可能性が否定できないデータを除外するために行っている。但し、このデータを利用すれば想定可能な異常の種類を増やすことも可能である。そして、正常圧縮機データを作成する。この正常圧縮機データの演算処理を行い各特徴量に対して平均値、標準偏差を算出する（Ｓ３０３）。その後、算出された平均値、標準偏差に基づいて各異常に対する閾値の設定を行なう（Ｓ３０４）。
This is performed to exclude data that cannot be denied the possibility of an
なお、各特徴量の閾値判定は各特徴量の絶対値の閾値との比較で判定するようにしてもよいが、式（７）の基準化処理を行なうことにより判定するようにしてもよい。式（７）は、全特徴量について基準からの距離を標準偏差の倍数という統一指標で図ることが可能であるため、どの特徴量が基準からどれだけ離れているかという判定が一見して判断可能となっている。このため、新規の異常に対しても、その異常発生により計測される特徴量に表れる傾向が把握しやすいという特徴を有している。 Note that the threshold value of each feature value may be determined by comparison with the threshold value of the absolute value of each feature value, but may be determined by performing a standardization process of Expression (7). Equation (7) allows the distance from the reference for all features to be determined by a unified index that is a multiple of the standard deviation, so it is possible to determine at a glance which feature is far from the reference. It has become. For this reason, even for a new abnormality, there is a feature that it is easy to grasp the tendency appearing in the feature amount measured by the occurrence of the abnormality.
また、複数の特徴量パラメータに対しそれぞれ閾値を設定し、各特徴量パラメータの組み合わせから異常原因を特定することについて説明したが、特定パラメータの組み合わせや全パラメータについて式（７）で計算される各特徴量基準化値Ｐを式（８）に示すように２乗して合計することで、標準状態からの距離Ｚｍを求め、総合的な基準状態との距離を判断し異常傾向を判断するようにしても構わない。
この他、波形データから得られた複数の特徴量パラメータによって圧縮機１を検査する方法としてマハラノビスの距離を用いてもよい。マハラノビスの距離とは、１９９２年１０月２６日に東京図書株式会社から発行された「すぐわかる多変量解析」に記載があり、多変量解析の分野で使われている手法である。マハラノビスの距離の計算方法を以下に説明する。
In addition, Mahalanobis distance may be used as a method of inspecting the
マハラノビスの距離（Ｄｊ2 ）は、下記の式（９）、（１０）に基づいて求められる。ｊは１〜ｎまでの何れかの値をとり、ｎ個の各測定値に対応するものである。また、ｋは項目数（パラメータの数）である。また、Ｒは項目間の相関を示す行列である。マハラノビスの距離は基準データすなわち正常運転状態のときは約１となり４以下に収まるが、圧縮機運転状態が異常になると数値が大きくなり、異常の度合い（正常からの離れ度合い）に応じて距離が大きくなるという性質を有する。なお、特徴量パラメータの算出をマハラノビスの距離を用いた場合を例に示したがこれに限定するものではなく、主成分分析法等の多変量解析手法を用いることもできる。 The Mahalanobis distance (Dj 2 ) is obtained based on the following equations (9) and (10). j takes any value from 1 to n, and corresponds to each of n measured values. K is the number of items (number of parameters). R is a matrix indicating the correlation between items. The Mahalanobis distance is about 1 in normal data, that is, in normal operation, and is less than 4. However, when the compressor operation is abnormal, the numerical value increases and the distance increases according to the degree of abnormality (degree of departure from normal). It has the property of becoming larger. Although the case where the Mahalanobis distance is used for the calculation of the feature parameter is shown as an example, the present invention is not limited to this, and a multivariate analysis method such as a principal component analysis method can also be used.
上記の実施の形態１では、圧縮機１で生じる振動を例に説明したが、圧縮機１の近傍の音圧を測定し、それを利用しても同様の効果を得ることができる。振動の場合は、圧縮機の筐体の振動を測定する接触式もしくは非接触式の加速度測定手段もしくは速度、変位測定手段等の振動検知センサ２にて振動波形データを測定したが、音圧の場合は振動測定位置の近傍（１〜３ｃｍ程度）に設置したマイクからの出力波形データを測定する。
In the first embodiment, the vibration generated in the
このほかに、検知精度がやや劣るものの電流や電圧、電気入力を測定し、それを利用しても同様の効果を得ることが可能である。電流や電圧、電気入力の場合は圧縮機１への供給電源線に設けたコイル等の電流測定手段を状態量検知手段として用いることで測定すればよい。電流線の周りには磁束が発生しているため電流線のそばに磁束から渦電流を発生させ電流を測定できる非接触式の電流測定手段を設置してもよい。
In addition, although the detection accuracy is slightly inferior, it is possible to obtain the same effect by measuring and using the current, voltage, and electric input. In the case of current, voltage, and electrical input, measurement may be performed by using current measuring means such as a coil provided on the power supply line to the
次に、圧縮機検査装置７０の製造異常検知後の報知動作について説明する。
製造ライン現場で異常を報知する場合には、端末装置２２の入出力手段１０から接点信号等の異常信号を送信するとよい。この異常信号は、製造ライン制御装置１２（シーケンサ等）の製造ライン統合制御を行なう機器の入力端子で受信されるようになっている。
Next, the notification operation after the manufacturing abnormality detection of the
When notifying an abnormality at the production line site, an abnormal signal such as a contact signal may be transmitted from the input / output means 10 of the
これにより、製造ライン制御装置１２は異常を認識して製造ラインを停止させ、図示省略のスピーカーやブザー等を利用した異常報知と、異常内容のディスプレイ表示等の報知動作を行なう。そして、作業者が異常のある圧縮機１を除去もしくはマーキングを行い、ラインを再起動させる。マーキングを行った場合には、製造ラインの後の工程で正常である圧縮機１と異常のある圧縮機１とを別々にしておき、後に異常のある圧縮機１について原因調査を行なうとよい。
As a result, the production
続いて、遠隔監視装置１１に異常情報を報知する動作について説明する。
端末装置２２の入出力手段１０からＬＡＮや無線等の通信回線を経由して異常信号を遠隔監視装置１１に送信するようになっている。この遠隔監視装置１１が異常信号を受信すると、設備管理者にいち早く情報が伝達されることになり、異常の発生状況やその対策等を迅速に行なうことが可能となる。また、異常発生時には端末装置２２に接続されているディスプレイに圧縮機１の異常検知に関する情報を表示するとよい。
Next, an operation for notifying the
An abnormal signal is transmitted from the input / output means 10 of the
この情報としては、圧縮機型名や製造番号、仕様等の機器特定事項や圧縮機１の正常／異常判定結果、異常内容の文字表示、音や振動等の測定波形グラフ、ＦＦＴ演算結果グラフ、特徴量パラメータ演算結果、閾値との比較等の測定量、演算した結果、判断した結果等がある。これらの表示は、複数の画面形式を用いて必要に応じて任意に選択できるようにしても構わない。
This information includes device identification items such as the compressor model name, serial number, and specifications, normal / abnormal determination results of the
また、製造ライン制御装置１２と端末装置２２とが有線もしくは無線の通信を行なうことにより、製造ライン制御装置１２が持っている圧縮機１の型番情報、他の工程における検査情報等を入手することができる。これにより、測定データや演算結果と圧縮機型番との対比が可能となり、圧縮機型番ごとのデータ分析や傾向管理が可能となっている。
In addition, the production
実施の形態２
以下、図面に基づいて本発明の実施の形態２について説明する。なお、実施の形態１で示したものと同一構成の部分については同一符号を付けて説明を省略する。
図１４は、本発明の実施の形態２に係る圧縮機検査装置７０ａの基本的な構成を示す概略図である。この圧縮機検査装置７０ａは、検査対象となる圧縮機１の近傍に、複数の状態量検知手段を備えることを特徴としている。ここでは、二つの状態量検知手段すなわち振動を検知する振動検知センサ２と音圧を検知する音圧検知センサ２ａとの二つを備えている場合を例に示している。
The second embodiment of the present invention will be described below with reference to the drawings. Note that parts having the same configurations as those shown in
FIG. 14 is a schematic diagram showing a basic configuration of a
振動検知センサ２は、接触式の加速度ピックアップ等であり、圧縮機筐体の振動を検知する第一の状態量検知手段である。音圧検知センサ２ａは、マイク等であり、振動検知センサ２の近傍、例えば振動検知センサ２から１〜３ｃｍ程度離れた位置に設置し、振動測定位置の近傍の音圧を検知する第二の状態量検知手段である。その他の構成は、実施の形態１で説明した内容と同様である。なお、自動位置決め装置３２については加速度ピックアップとマイクとの位置関係を固定してふたつの状態量検知手段を併設することで常に振動と音圧とを同じ位置関係の条件で測定するのが好ましい。
The
次に、振動と音圧との同時検知後における演算手段６の波形データ処理動作について説明する。振動検知センサ２と音圧検知センサ２ａとから得られる振動と音圧との２つの時系列波形データを用いて、式（１１）により相関関数を求める。
ｘ（ｔ）、ｙ（ｔ）は時間ｔに関する時系列の信号波形データ、τは時間のズレ、Ｔは時間区間を表す。相関関数をＦＦＴ処理することで２信号の周波数領域における相関関係を表すクロススペクトルを求めることが可能となる。これら時間領域の相関である相関関数と周波数領域の相関であるクロススペクトルを用いることによって２信号の相関を考慮した特徴量の分析が可能となる。 x (t) and y (t) are time-series signal waveform data relating to time t, τ is a time shift, and T is a time interval. By performing FFT processing on the correlation function, it is possible to obtain a cross spectrum representing the correlation in the frequency domain of the two signals. By using the correlation function that is the correlation in the time domain and the cross spectrum that is the correlation in the frequency domain, it is possible to analyze the feature quantity in consideration of the correlation between the two signals.
異常のある圧縮機１では通常とは異なる振動や音が発生する。音圧波形データと振動波形データは基本的には同様の波形データとなるはずであるが、周囲の暗騒音が音圧波形データに重畳したり、圧縮機１の異常による振動とは無関係の圧縮機１起動時の振動が振動波形データに表れたりするため、どちらか一方の信号のみでは異常による波形の変化とノイズとが区別できないような場合がある。そこで、音圧と振動との２つの時系列波形データの相関関数を求めることで、２つの信号に共通な成分のみが残り、ノイズ成分を除去し、より正確な状態量の抽出が可能となる。
The
この相関関数を用いてすでに説明した時系列データに基く特徴量パラメータ（時系列パラメータ）を求めることでノイズの影響を排除した分析が可能となる。なお、上記相関関数によるノイズ除去の方法は音圧波形データや振動波形データのみならず音圧波形データと電流波形データ、もしくは振動波形データと電流波形データ等の他の波形データとの複数の組み合わせについても同様の効果が得られる。電流計測は、モータの端子だけでなく接続された電源線の途中や電源端子等で計測しても構わない。また、演算処理や初期学習、異常の判定等については実施の形態１の場合と同様にして行なうことができる。 By using this correlation function to obtain the feature parameter (time series parameter) based on the time series data already described, it is possible to perform an analysis without the influence of noise. Note that the noise removal method using the above correlation function is not limited to sound pressure waveform data and vibration waveform data, but a plurality of combinations of sound pressure waveform data and current waveform data, or other waveform data such as vibration waveform data and current waveform data. The same effect can be obtained for. The current measurement may be performed not only at the motor terminal but also in the middle of the connected power supply line or at the power supply terminal. Also, arithmetic processing, initial learning, abnormality determination, and the like can be performed in the same manner as in the first embodiment.
なお、ここでは、音圧波形データと振動波形データから相関関数を求め、２信号の周波数成分どうしの相関関係を表すクロススペクトルを計算することを例に説明したが、音圧波形データのＦＦＴ処理結果と振動波形データのＦＦＴ処理結果を掛け合わせることによってもクロススペクトルを求めることができる。そして、クロススペクトル演算結果に逆ＦＦＴ処理を施すことで時間領域波形データに戻すことができ、このクロススペクトル演算結果及び逆ＦＦＴ処理による時間領域波形データ算出結果を用いて特徴量パラメータ等、同様の処理を行なうようにしても、同様にノイズの影響を排除した分析が可能となる。 In this example, the correlation function is obtained from the sound pressure waveform data and the vibration waveform data, and the cross spectrum representing the correlation between the frequency components of the two signals is calculated as an example. However, the FFT processing of the sound pressure waveform data is performed. The cross spectrum can also be obtained by multiplying the result and the FFT processing result of the vibration waveform data. Then, by performing inverse FFT processing on the cross spectrum calculation result, it is possible to return to the time domain waveform data, and using the cross spectrum calculation result and the time domain waveform data calculation result by the inverse FFT processing, the same as for the feature parameter, etc. Even if the processing is performed, the analysis can be similarly performed while eliminating the influence of noise.
なお、クロススペクトル処理は音圧波形データと振動波形データとからだけに限定するものではなく、音圧波形データと電流波形データ、電流波形データと振動波形データ等の同一時間帯に測定した相違する脈動波形データの組み合わせであればどのような組み合わせであっても構わない。 The cross spectrum processing is not limited to the sound pressure waveform data and the vibration waveform data, but the sound pressure waveform data and the current waveform data, the current waveform data and the vibration waveform data, etc. measured in the same time zone are different. Any combination of pulsation waveform data may be used.
また、実施の形態２では音圧波形データと振動波形データから相関関数を求めることを例に説明したが、二つの音圧波形データから相関関数を求めるようにしても構わない。例えば、圧縮機１周辺の暗騒音の影響を軽減させるために２個のマイクを用い、１つを圧縮機１製造異常による音圧変化の大きい位置に設置し、もう１つを圧縮機１異常による音圧変化の小さい位置に設置するように構成してもよい。そして、２つのマイクの測定波形データ差分を取ることで、両方の波形データに同じように表れる暗騒音を排除することができ、異常の影響のみが残った波形データを得ることができる。このように構成しても、同様の異常判定処理が可能で、同様の効果を得ることができる。また、この際、マイクは２個に限るものではなく、より多くの個数を用いるようにしてもよい。
In the second embodiment, the correlation function is obtained from the sound pressure waveform data and the vibration waveform data as an example. However, the correlation function may be obtained from two sound pressure waveform data. For example, in order to reduce the influence of background noise around the
以上説明したように、本発明は、圧縮機１の振動や音、電流、電圧、電気入力等の脈動情報から複合変数を演算し、これを用いて圧縮機１の製造異常を判断することにより、圧縮機１の製造異常原因の特定が可能となっている。
As described above, the present invention calculates a composite variable from pulsation information such as vibration, sound, current, voltage, and electric input of the
１ 圧縮機、２ 振動検知センサ、２ａ 音圧検知センサ、３ フィルター・アンプ、４ Ａ／Ｄ変換器、５ ＦＦＴ演算機、６ 演算手段、７ 記憶手段、８ 比較手段、９ 判断手段、１０ 入出力手段、１１ 遠隔監視装置、１２ 製造ライン制御装置、１３ 軸中心線、２１ 信号処理手段、２２ 端末装置、２３ ベルトコンベア、２４ ローラーコンベア、３１ 固定アーム、３２ 位置決め装置、４１ 圧縮室、４２ 回転軸、４３ 回転子、４４ 圧縮機筐体、４５ 圧縮機足部、５１ 圧縮機固定台、５２ 圧縮機固定爪、５４ 側面方向固定冶具、５５ 上下方向固定冶具、５６ 圧縮機足固定部、５７ ローラ、５８ 圧縮機固定皿、５９ 圧縮機固定棒、６１ 固定側スクロール、６１ａ 突起部、６２ 揺動側スクロール、６２ａ 突起部、６３ クリアランス調整プレート、６３ａ クリアランス調整プレート部品、６３ｂ クリアランス調整プレート部品、６５ 気体空間、７０ 圧縮機検査装置、７０ａ 圧縮機検査装置、８０ 圧縮機固定装置、８０ａ 圧縮機固定装置。
DESCRIPTION OF
Claims (19)
前記状態量検知手段で検知された波形データを、圧縮機の起動開始から所定時間経過するまでの起動部と前記起動部以降の定常部とに分けて所定のパラメータの値に変換する演算手段と、
正常な圧縮機についての前記パラメータの値または正常と異常とを判別する閾値を記憶する記憶手段と、
前記状態量検知手段で新たに検知された波形データを基に得られたパラメータの値と前記記憶手段に記憶されているパラメータの値または閾値とを比較する比較手段と、
前記比較手段の結果に基づいて圧縮機の正常／異常を判断する判断手段と
を有することを特徴とする圧縮機検査装置。 State quantity detection means for detecting a predetermined state quantity of the compressor;
Calculation means for dividing the waveform data detected by the state quantity detection means into a predetermined parameter value by dividing into a starting part until a predetermined time elapses from the start of starting the compressor and a steady part after the starting part; ,
Storage means for storing a value of the parameter for a normal compressor or a threshold value for determining whether normal or abnormal;
A comparison means for comparing a parameter value obtained based on the waveform data newly detected by the state quantity detection means with a parameter value or a threshold value stored in the storage means;
A compressor inspection apparatus comprising: a determination unit that determines whether the compressor is normal or abnormal based on a result of the comparison unit.
前記第１の状態量検知手段の近傍に配置されて圧縮機の所定の状態量を検知する第２の状態量検知手段と、
前記第１の状態量検知手段で検知された波形データと前記第２の状態量検知手段で検知された波形データとを、圧縮機の起動開始から所定時間経過するまでの起動部と前記起動部以降の定常部とに分けて所定のパラメータの値に変換する演算手段と、
正常な圧縮機についての前記パラメータの値または正常と異常とを判別する閾値を記憶する記憶手段と
前記第１及び第２の状態量検知手段で新たに検知された波形データを基に得られたパラメータの値と前記記憶手段に記憶されているパラメータの値または閾値とを比較する比較手段と、
前記比較手段の結果に基づいて圧縮機の正常／異常を判断する判断手段と
を有することを特徴とする圧縮機検査装置。 First state quantity detection means for detecting a predetermined state quantity of the compressor;
A second state quantity detection means arranged in the vicinity of the first state quantity detection means for detecting a predetermined state quantity of the compressor;
The starter and the starter until a predetermined time elapses from the start of starting the compressor, the waveform data detected by the first state quantity detector and the waveform data detected by the second state quantity detector An arithmetic means for converting into a predetermined parameter value separately from the subsequent stationary part,
Obtained on the basis of waveform data newly detected by the storage means for storing the value of the parameter or the threshold value for discriminating between normal and abnormal and the first and second state quantity detection means for a normal compressor A comparison means for comparing a parameter value with a parameter value or a threshold value stored in the storage means;
A compressor inspection apparatus comprising: a determination unit that determines whether the compressor is normal or abnormal based on a result of the comparison unit.
圧縮機で発生する振動、音圧、電圧、電流もしくは圧縮機の電気入力のいずれかの状態量を検知するものである
ことを特徴とする請求項１または２に記載の圧縮機検査装置。 The state quantity detection means is
The compressor inspection device according to claim 1 or 2, wherein the state quantity of vibration, sound pressure, voltage, current, or electric input of the compressor generated in the compressor is detected.
前記波形データの時間的な特徴を示す時系列パラメータと周期的な特徴を示す周波数領域パラメータとで構成する特徴量パラメータとして扱う
ことを特徴とする請求項１〜３のいずれかに記載の圧縮機検査装置。 The parameter
The compressor according to any one of claims 1 to 3, wherein the compressor is treated as a feature parameter composed of a time series parameter indicating a temporal characteristic of the waveform data and a frequency domain parameter indicating a periodic characteristic. Inspection device.
前記演算手段が、前記パラメータに基づいて算出する変数及び該変数に基づいて算出する複合変数である
ことを特徴とする請求項１〜３のいずれかに記載の圧縮機検査装置。 The value of the parameter is
The compressor inspection device according to any one of claims 1 to 3, wherein the arithmetic means is a variable calculated based on the parameter and a composite variable calculated based on the variable.
波形データの所定時間における平均値、前記平均値に基づく標準偏差、前記平均値の時間軸における非対称性を表す歪度もしくは波形データの衝撃度を表す尖度のいずれかまたは、それらの任意の組み合わせから成る複合変数として表される
ことを特徴とする請求項４または５のいずれかに記載の圧縮機検査装置。 The time series parameter is:
Either an average value of waveform data at a predetermined time, a standard deviation based on the average value, a skewness indicating asymmetry on the time axis of the average value or a kurtosis indicating an impact degree of waveform data, or any combination thereof The compressor inspection device according to claim 4, wherein the compressor inspection device is expressed as a composite variable.
圧縮機の基本回転周波数を次倍数して得た高調波次数倍値、前記高調波次数倍値を複数求めてそれらを合計して得た合計値、前記高調波次数倍値または前記合計値と所定の周波数領域を積分して得た積分値との比で求められる値もしくは前記所定の周波数領域の低周波領域と高周波領域とに分けてそれぞれ積分して得た積分値の比で求められる値のいずれかまたは、それらの任意の組み合わせから成る複合変数として表される
ことを特徴とする請求項４または５のいずれかに記載の圧縮機検査装置。 The frequency domain parameter is:
Harmonic order multiple value obtained by subtracting the fundamental rotational frequency of the compressor, a total value obtained by summing up the plurality of harmonic order multiple values, the harmonic order multiple value or the total value A value obtained by a ratio with an integral value obtained by integrating a predetermined frequency region or a value obtained by a ratio of integral values obtained by integrating the low frequency region and the high frequency region of the predetermined frequency region. The compressor inspection device according to claim 4, wherein the compressor inspection device is expressed as a composite variable including any one of the above or any combination thereof.
前記パラメータから前記平均値を引き、その値を前記標準偏差で割って基準化した複合変数として表される
ことを特徴とする請求項１〜５のいずれかに記載の圧縮機検査装置。 The value of the parameter is
The compressor inspection device according to claim 1, wherein the compressor inspection device is expressed as a composite variable obtained by subtracting the average value from the parameter and dividing the value by the standard deviation.
マハラノビスの距離に基づいて算出される複合変数として表される
ことを特徴とする請求項１〜５のいずれかに記載の圧縮機検査装置。 The value of the parameter is
The compressor inspection device according to claim 1, wherein the compressor inspection device is expressed as a composite variable calculated based on a Mahalanobis distance.
該状態量検知手段と前記圧縮機の軸中心線とを結ぶ直線の間に圧縮機筐体と圧縮室構成部品との密接部位がくるように配置されている
ことを特徴とする請求項１〜５のいずれかに記載の圧縮機検査装置。 The state quantity detection means includes
The first and second compressors are arranged so that a close contact portion between the compressor housing and the compression chamber component is located between a straight line connecting the state quantity detection means and the axial center line of the compressor. The compressor inspection device according to any one of 5.
前記状態量検知手段を固定するアーム部と、
前記アーム部を駆動する駆動源を内部に備えたアーム駆動部と、
前記アーム駆動部を固定する固定台とを備えた位置決め装置により配置される
ことを特徴とする請求項１０に記載の圧縮機検査装置。 The state quantity detection means includes
An arm portion for fixing the state quantity detection means;
An arm drive unit having a drive source for driving the arm unit therein;
The compressor inspection device according to claim 10, wherein the compressor inspection device is arranged by a positioning device including a fixing base for fixing the arm driving unit.
前記圧縮機固定装置は、
圧縮機を固定する固定台と前記圧縮機、または前記固定台を上下方向および水平方向から固定する固定冶具とで構成される
ことを特徴とする請求項１０に記載の圧縮機検査装置。 A compressor fixing device for fixing the compressor;
The compressor fixing device is:
The compressor inspection apparatus according to claim 10, comprising: a fixing base that fixes a compressor and the compressor, or a fixing jig that fixes the fixing base from the vertical direction and the horizontal direction.
ことを特徴とする請求項１〜５のいずれかに記載の圧縮機検査装置。 The compressor inspection apparatus according to any one of claims 1 to 5, wherein the waveform data detected by the state quantity detection means is used as a trigger for starting an inspection of the compressor.
ことを特徴とする請求項１〜５のいずれかに記載の圧縮機検査装置。 The function of learning the value of the parameter obtained from a normal compressor based on the waveform data detected by the state quantity detection means as a normal state. Compressor inspection equipment.
ことを特徴とする請求項１４に記載の圧縮機検査装置。 The compressor inspection device according to claim 14, wherein the compressor inspection device has a function of calculating and setting the threshold value based on a learning result of the normal state.
前記異常状態の学習結果に基づいて前記閾値を演算し設定する機能と、
前記異常状態の学習結果と前記閾値とから異常種別を判別する機能とを有する
ことを特徴とする請求項１〜５のいずれかに記載の圧縮機検査装置。 A function of learning the value of the parameter obtained from the abnormal compressor based on the waveform data detected by the state quantity detection means as an abnormal state,
A function to calculate and set the threshold based on the learning result of the abnormal state;
The compressor inspection device according to any one of claims 1 to 5, further comprising a function of discriminating an abnormality type from the learning result of the abnormal state and the threshold value.
ことを特徴とする請求項１〜１６のいずれかに記載の圧縮機検査装置。 The compression according to any one of claims 1 to 16, further comprising a production line control device for managing and controlling a production process of the compressor, and acquiring model number information of the compressor from the production line control means. Machine inspection device.
前記判断手段の判断結果を受け取って、製造ラインの停止及び、または異常の報告を行なう
ことを特徴とする請求項１７に記載の圧縮機検査装置。 The production line controller is
The compressor inspection apparatus according to claim 17, wherein the determination result of the determination means is received, and the production line is stopped and / or an abnormality is reported.
ことを特徴とする請求項１〜１８のいずれかに記載の圧縮機検査装置。
The compressor inspection apparatus according to any one of claims 1 to 18, wherein the determination result of the determination means is transmitted to a remote monitoring apparatus installed at a location different from the production line.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2004354329A JP4232162B2 (en) | 2004-12-07 | 2004-12-07 | Compressor inspection device |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2004354329A JP4232162B2 (en) | 2004-12-07 | 2004-12-07 | Compressor inspection device |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2006161677A true JP2006161677A (en) | 2006-06-22 |
| JP4232162B2 JP4232162B2 (en) | 2009-03-04 |
Family
ID=36663969
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2004354329A Active JP4232162B2 (en) | 2004-12-07 | 2004-12-07 | Compressor inspection device |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP4232162B2 (en) |
Cited By (39)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010511824A (en) * | 2006-11-30 | 2010-04-15 | エンテグリース，インコーポレイテッド | System and method for pump operation |
| JP2010197361A (en) * | 2009-02-27 | 2010-09-09 | Brother Ind Ltd | Abnormal sound diagnosis system |
| CN102072144A (en) * | 2011-03-11 | 2011-05-25 | 大连大学 | Vibration and noise online monitoring and fault diagnosis system of scroll compressor |
| JP2011220333A (en) * | 2010-04-08 | 2011-11-04 | General Electric Co <Ge> | System and method for monitoring compressor |
| WO2013170418A1 (en) * | 2012-05-14 | 2013-11-21 | 山西潞安矿业(集团)有限责任公司 | Repair and management system for sealing components of coal chemical compressor |
| CN103527462A (en) * | 2012-07-04 | 2014-01-22 | 现代摩比斯株式会社 | Method for detecting error of air compressor |
| US8814536B2 (en) | 2004-11-23 | 2014-08-26 | Entegris, Inc. | System and method for a variable home position dispense system |
| US8870548B2 (en) | 2005-12-02 | 2014-10-28 | Entegris, Inc. | System and method for pressure compensation in a pump |
| US9309872B2 (en) | 2005-12-02 | 2016-04-12 | Entegris, Inc. | System and method for position control of a mechanical piston in a pump |
| JP2016133309A (en) * | 2015-01-15 | 2016-07-25 | オタリ株式会社 | Ultrasonic sound pressure measurement device, terminal program and ultrasonic sound pressure measurement system |
| US9399989B2 (en) | 2005-11-21 | 2016-07-26 | Entegris, Inc. | System and method for a pump with onboard electronics |
| JP5996153B1 (en) * | 2015-12-09 | 2016-09-21 | 三菱電機株式会社 | Deterioration location estimation apparatus, degradation location estimation method, and moving body diagnosis system |
| JP2017111018A (en) * | 2015-12-17 | 2017-06-22 | ジヤトコ株式会社 | Abnormality detector and abnormality detecting method |
| JP2017129583A (en) * | 2016-01-20 | 2017-07-27 | シモンズ・プレシジョン・プロダクツ・インコーポレイテッド | Vibration monitoring systems |
| JP2017194371A (en) * | 2016-04-21 | 2017-10-26 | 株式会社トクヤマ | Method for diagnosing abnormality of diagnosis object in rotational drive device and abnormality diagnosis device used therefor |
| WO2018083746A1 (en) * | 2016-11-02 | 2018-05-11 | 愛知機械工業株式会社 | Facility diagnostic apparatus and facility diagnostic method |
| JP2018081588A (en) * | 2016-11-17 | 2018-05-24 | 株式会社富士通エフサス | Specifying device and specifying method |
| WO2018142986A1 (en) * | 2017-01-31 | 2018-08-09 | Ntn株式会社 | State monitoring system and wind power generating device |
| WO2018168838A1 (en) * | 2017-03-17 | 2018-09-20 | 株式会社荏原製作所 | Information processing device, information processing system, information processing method, program, substrate processing device, reference data determination device, and reference data determination method |
| JP2018155243A (en) * | 2017-03-17 | 2018-10-04 | 株式会社荏原製作所 | Information processing device, information processing system, information processing method, program and substrate processing device |
| JP2018193933A (en) * | 2017-05-18 | 2018-12-06 | 株式会社荏原製作所 | Information processor, reference data determination device, information processing method, reference data determination method and program |
| JP2018193932A (en) * | 2017-05-18 | 2018-12-06 | 株式会社荏原製作所 | Information processor, reference data determination device, information processing method, reference data determination method and program |
| JP2020018125A (en) * | 2018-07-26 | 2020-01-30 | 株式会社日立産機システム | Power conversion device and system using the same |
| JP2020024139A (en) * | 2018-08-07 | 2020-02-13 | ファナック株式会社 | Product inspection device |
| JP2020041455A (en) * | 2018-09-07 | 2020-03-19 | 株式会社島津製作所 | Pump monitoring device and vacuum pump |
| WO2020144725A1 (en) * | 2019-01-07 | 2020-07-16 | 三菱電機株式会社 | Diagnostic system and refrigeration cycle device |
| JP2020144063A (en) * | 2019-03-08 | 2020-09-10 | 株式会社アニモ | Method for determining audio or vibration and information processing system for determination |
| JPWO2020250332A1 (en) * | 2019-06-12 | 2020-12-17 | ||
| WO2021024383A1 (en) * | 2019-08-06 | 2021-02-11 | 三菱電機株式会社 | Diagnostic system |
| TWI727554B (en) * | 2018-12-27 | 2021-05-11 | 日商三菱電機股份有限公司 | Abnormality diagnosis device and abnormality diagnosis method |
| CN112924206A (en) * | 2021-01-28 | 2021-06-08 | 广东美的制冷设备有限公司 | Fault detection method, device, equipment and storage medium |
| CN113187715A (en) * | 2021-05-26 | 2021-07-30 | 西安热工研究院有限公司 | Matrix analysis method for intelligent vibration diagnosis of supercritical carbon dioxide compressor |
| JP2021530195A (en) * | 2018-07-17 | 2021-11-04 | ジール・アベッグ エスエー | How to evaluate the operational readiness of electric motors, electric motors and fans |
| CN113677975A (en) * | 2020-02-28 | 2021-11-19 | 株式会社东芝 | State evaluation system, state evaluation device, and state evaluation method |
| US20220220969A1 (en) * | 2019-03-27 | 2022-07-14 | Shimadzu Corporation | Pump monitoring device, vacuum pump, and product-accumulation diagnosis data processing program |
| WO2022215232A1 (en) * | 2021-04-08 | 2022-10-13 | 三菱電機株式会社 | Abnormality diagnosis device and abnormality diagnosis method |
| WO2023166778A1 (en) * | 2022-03-04 | 2023-09-07 | 株式会社日立製作所 | Belt conveyor abnormality detection device |
| CN116717461A (en) * | 2023-08-01 | 2023-09-08 | 德耐尔能源装备有限公司 | Intelligent monitoring method and system for operating state of vacuum pump |
| US11946470B2 (en) | 2017-03-17 | 2024-04-02 | Ebara Corporation | Information processing apparatus, information processing system, information processing method, program, substrate processing apparatus, criterion data determination apparatus, and criterion data determination method |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6434634B2 (en) * | 2015-09-11 | 2018-12-05 | 日立ジョンソンコントロールズ空調株式会社 | Air conditioner equipped with compressor failure prediction / detection means and failure prediction / detection method thereof |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS56122929A (en) * | 1980-03-04 | 1981-09-26 | Sumitomo Metal Ind Ltd | Monitoring method for periodically moving object |
| JPS5774627A (en) * | 1980-10-28 | 1982-05-10 | Sumitomo Metal Ind Ltd | Monitoring method for periodic motion object |
| JPS5968644A (en) * | 1982-10-13 | 1984-04-18 | Sumitomo Metal Ind Ltd | Monitoring method of equipment |
| JPH0552706A (en) * | 1991-08-28 | 1993-03-02 | Aisin Chem Co Ltd | Method and apparatus for testing clutch |
| JPH0777579A (en) * | 1993-09-09 | 1995-03-20 | Japan Atom Energy Res Inst | Electrically cooled semiconductor radiation detector |
| JPH07182035A (en) * | 1993-12-24 | 1995-07-21 | Toshiba Corp | Device and method for diagnosing audio and vibration for rotary machine |
| JPH09178246A (en) * | 1995-12-22 | 1997-07-11 | Mitsubishi Electric Corp | Controller for separate type air conditioning equipment |
| JP2000105223A (en) * | 1998-09-28 | 2000-04-11 | Toyota Motor Corp | Non-destructive inspection method and device of magnetic material ring |
| JP2005195422A (en) * | 2004-01-06 | 2005-07-21 | Ho Jinyama | Facility diagnostic apparatus |
| JP2006046945A (en) * | 2004-07-30 | 2006-02-16 | Takata Corp | Diagnostic method of rotary machine |
-
2004
- 2004-12-07 JP JP2004354329A patent/JP4232162B2/en active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS56122929A (en) * | 1980-03-04 | 1981-09-26 | Sumitomo Metal Ind Ltd | Monitoring method for periodically moving object |
| JPS5774627A (en) * | 1980-10-28 | 1982-05-10 | Sumitomo Metal Ind Ltd | Monitoring method for periodic motion object |
| JPS5968644A (en) * | 1982-10-13 | 1984-04-18 | Sumitomo Metal Ind Ltd | Monitoring method of equipment |
| JPH0552706A (en) * | 1991-08-28 | 1993-03-02 | Aisin Chem Co Ltd | Method and apparatus for testing clutch |
| JPH0777579A (en) * | 1993-09-09 | 1995-03-20 | Japan Atom Energy Res Inst | Electrically cooled semiconductor radiation detector |
| JPH07182035A (en) * | 1993-12-24 | 1995-07-21 | Toshiba Corp | Device and method for diagnosing audio and vibration for rotary machine |
| JPH09178246A (en) * | 1995-12-22 | 1997-07-11 | Mitsubishi Electric Corp | Controller for separate type air conditioning equipment |
| JP2000105223A (en) * | 1998-09-28 | 2000-04-11 | Toyota Motor Corp | Non-destructive inspection method and device of magnetic material ring |
| JP2005195422A (en) * | 2004-01-06 | 2005-07-21 | Ho Jinyama | Facility diagnostic apparatus |
| JP2006046945A (en) * | 2004-07-30 | 2006-02-16 | Takata Corp | Diagnostic method of rotary machine |
Cited By (68)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8814536B2 (en) | 2004-11-23 | 2014-08-26 | Entegris, Inc. | System and method for a variable home position dispense system |
| US9617988B2 (en) | 2004-11-23 | 2017-04-11 | Entegris, Inc. | System and method for variable dispense position |
| US9399989B2 (en) | 2005-11-21 | 2016-07-26 | Entegris, Inc. | System and method for a pump with onboard electronics |
| US9816502B2 (en) | 2005-12-02 | 2017-11-14 | Entegris, Inc. | System and method for pressure compensation in a pump |
| US9309872B2 (en) | 2005-12-02 | 2016-04-12 | Entegris, Inc. | System and method for position control of a mechanical piston in a pump |
| US8870548B2 (en) | 2005-12-02 | 2014-10-28 | Entegris, Inc. | System and method for pressure compensation in a pump |
| JP2014141971A (en) * | 2006-11-30 | 2014-08-07 | Entegris Inc | System and method for operation of pump |
| US9631611B2 (en) | 2006-11-30 | 2017-04-25 | Entegris, Inc. | System and method for operation of a pump |
| JP2010511824A (en) * | 2006-11-30 | 2010-04-15 | エンテグリース，インコーポレイテッド | System and method for pump operation |
| JP2010197361A (en) * | 2009-02-27 | 2010-09-09 | Brother Ind Ltd | Abnormal sound diagnosis system |
| JP2011220333A (en) * | 2010-04-08 | 2011-11-04 | General Electric Co <Ge> | System and method for monitoring compressor |
| CN102072144A (en) * | 2011-03-11 | 2011-05-25 | 大连大学 | Vibration and noise online monitoring and fault diagnosis system of scroll compressor |
| WO2013170418A1 (en) * | 2012-05-14 | 2013-11-21 | 山西潞安矿业(集团)有限责任公司 | Repair and management system for sealing components of coal chemical compressor |
| CN103527462A (en) * | 2012-07-04 | 2014-01-22 | 现代摩比斯株式会社 | Method for detecting error of air compressor |
| JP2016133309A (en) * | 2015-01-15 | 2016-07-25 | オタリ株式会社 | Ultrasonic sound pressure measurement device, terminal program and ultrasonic sound pressure measurement system |
| WO2017098601A1 (en) * | 2015-12-09 | 2017-06-15 | 三菱電機株式会社 | Deteriorated-portion estimating device, deteriorated-portion estimating method, and diagnosis system for movable object |
| JP5996153B1 (en) * | 2015-12-09 | 2016-09-21 | 三菱電機株式会社 | Deterioration location estimation apparatus, degradation location estimation method, and moving body diagnosis system |
| JP2017111018A (en) * | 2015-12-17 | 2017-06-22 | ジヤトコ株式会社 | Abnormality detector and abnormality detecting method |
| JP2017129583A (en) * | 2016-01-20 | 2017-07-27 | シモンズ・プレシジョン・プロダクツ・インコーポレイテッド | Vibration monitoring systems |
| JP2017194371A (en) * | 2016-04-21 | 2017-10-26 | 株式会社トクヤマ | Method for diagnosing abnormality of diagnosis object in rotational drive device and abnormality diagnosis device used therefor |
| WO2018083746A1 (en) * | 2016-11-02 | 2018-05-11 | 愛知機械工業株式会社 | Facility diagnostic apparatus and facility diagnostic method |
| JPWO2018083746A1 (en) * | 2016-11-02 | 2019-06-24 | 愛知機械工業株式会社 | Equipment diagnostic device and method of equipment diagnostic |
| JP2018081588A (en) * | 2016-11-17 | 2018-05-24 | 株式会社富士通エフサス | Specifying device and specifying method |
| WO2018142986A1 (en) * | 2017-01-31 | 2018-08-09 | Ntn株式会社 | State monitoring system and wind power generating device |
| JP2018155243A (en) * | 2017-03-17 | 2018-10-04 | 株式会社荏原製作所 | Information processing device, information processing system, information processing method, program and substrate processing device |
| CN114151343A (en) * | 2017-03-17 | 2022-03-08 | 株式会社荏原制作所 | Information processing apparatus, information processing system, information processing method, and computer readable medium |
| CN110050125A (en) * | 2017-03-17 | 2019-07-23 | 株式会社荏原制作所 | Information processing unit, information processing system, information processing method, program, substrate board treatment, reference data determination device and reference data determining method |
| TWI750349B (en) * | 2017-03-17 | 2021-12-21 | 日商荏原製作所股份有限公司 | Information processing device, information processing system, information processing method, computer-readable recording medium, substrate processing device, reference data determining device, and reference data determining method |
| CN114109799B (en) * | 2017-03-17 | 2024-06-11 | 株式会社荏原制作所 | Information processing apparatus, information processing method, and computer readable medium |
| US11946470B2 (en) | 2017-03-17 | 2024-04-02 | Ebara Corporation | Information processing apparatus, information processing system, information processing method, program, substrate processing apparatus, criterion data determination apparatus, and criterion data determination method |
| CN110050125B (en) * | 2017-03-17 | 2022-03-01 | 株式会社荏原制作所 | Information processing apparatus, information processing system, information processing method, and substrate processing apparatus |
| WO2018168838A1 (en) * | 2017-03-17 | 2018-09-20 | 株式会社荏原製作所 | Information processing device, information processing system, information processing method, program, substrate processing device, reference data determination device, and reference data determination method |
| CN114109799A (en) * | 2017-03-17 | 2022-03-01 | 株式会社荏原制作所 | Information processing apparatus, information processing method, and computer program |
| JP2018193933A (en) * | 2017-05-18 | 2018-12-06 | 株式会社荏原製作所 | Information processor, reference data determination device, information processing method, reference data determination method and program |
| JP2018193932A (en) * | 2017-05-18 | 2018-12-06 | 株式会社荏原製作所 | Information processor, reference data determination device, information processing method, reference data determination method and program |
| JP7356493B2 (en) | 2018-07-17 | 2023-10-04 | ジール・アベッグ エスエー | How to evaluate the operational readiness of electric motors, electric motors and fans |
| JP2021530195A (en) * | 2018-07-17 | 2021-11-04 | ジール・アベッグ エスエー | How to evaluate the operational readiness of electric motors, electric motors and fans |
| US11892369B2 (en) | 2018-07-17 | 2024-02-06 | Ziehl-Abegg Se | Method for evaluating the operational readiness of an electric motor, electric motor, and ventilator |
| JP7157582B2 (en) | 2018-07-26 | 2022-10-20 | 株式会社日立産機システム | Power converter and system using it |
| JP2020018125A (en) * | 2018-07-26 | 2020-01-30 | 株式会社日立産機システム | Power conversion device and system using the same |
| JP7148311B2 (en) | 2018-08-07 | 2022-10-05 | ファナック株式会社 | Product inspection equipment |
| JP2020024139A (en) * | 2018-08-07 | 2020-02-13 | ファナック株式会社 | Product inspection device |
| JP2020041455A (en) * | 2018-09-07 | 2020-03-19 | 株式会社島津製作所 | Pump monitoring device and vacuum pump |
| JP7439890B2 (en) | 2018-09-07 | 2024-02-28 | 株式会社島津製作所 | Pump monitoring equipment and vacuum pumps |
| US11527987B2 (en) | 2018-12-27 | 2022-12-13 | Mitsubishi Electric Corporation | Abnormality diagnosis device and abnormality diagnosis method |
| TWI727554B (en) * | 2018-12-27 | 2021-05-11 | 日商三菱電機股份有限公司 | Abnormality diagnosis device and abnormality diagnosis method |
| DE112018008225T5 (en) | 2018-12-27 | 2021-09-16 | Mitsubishi Electric Corporation | ANOMALY DIAGNOSTIC DEVICE AND ANOMALY DIAGNOSTIC METHOD |
| JPWO2020144725A1 (en) * | 2019-01-07 | 2021-09-09 | 三菱電機株式会社 | Diagnostic system and refrigeration cycle equipment |
| WO2020144725A1 (en) * | 2019-01-07 | 2020-07-16 | 三菱電機株式会社 | Diagnostic system and refrigeration cycle device |
| JP2020144063A (en) * | 2019-03-08 | 2020-09-10 | 株式会社アニモ | Method for determining audio or vibration and information processing system for determination |
| JP7272631B2 (en) | 2019-03-08 | 2023-05-12 | 株式会社アニモ | Sound or vibration determination method and information processing system for determination |
| US20220220969A1 (en) * | 2019-03-27 | 2022-07-14 | Shimadzu Corporation | Pump monitoring device, vacuum pump, and product-accumulation diagnosis data processing program |
| JPWO2020250332A1 (en) * | 2019-06-12 | 2020-12-17 | ||
| JP7184186B2 (en) | 2019-06-12 | 2022-12-06 | 日本電信電話株式会社 | ROAD STATE ESTIMATING DEVICE, METHOD AND PROGRAM |
| US11840240B2 (en) | 2019-06-12 | 2023-12-12 | Nippon Telegraph And Telephone Corporation | Road condition estimation apparatus, method and program |
| JP7112039B2 (en) | 2019-08-06 | 2022-08-03 | 三菱電機株式会社 | diagnostic system |
| JPWO2021024383A1 (en) * | 2019-08-06 | 2021-11-25 | 三菱電機株式会社 | Diagnostic system |
| WO2021024383A1 (en) * | 2019-08-06 | 2021-02-11 | 三菱電機株式会社 | Diagnostic system |
| CN113677975A (en) * | 2020-02-28 | 2021-11-19 | 株式会社东芝 | State evaluation system, state evaluation device, and state evaluation method |
| CN112924206B (en) * | 2021-01-28 | 2024-01-23 | 广东美的制冷设备有限公司 | Fault detection method, device, equipment and storage medium |
| CN112924206A (en) * | 2021-01-28 | 2021-06-08 | 广东美的制冷设备有限公司 | Fault detection method, device, equipment and storage medium |
| WO2022215232A1 (en) * | 2021-04-08 | 2022-10-13 | 三菱電機株式会社 | Abnormality diagnosis device and abnormality diagnosis method |
| JP7499951B2 (en) | 2021-04-08 | 2024-06-14 | 三菱電機株式会社 | Abnormality diagnosis device and abnormality diagnosis method |
| CN113187715A (en) * | 2021-05-26 | 2021-07-30 | 西安热工研究院有限公司 | Matrix analysis method for intelligent vibration diagnosis of supercritical carbon dioxide compressor |
| CN113187715B (en) * | 2021-05-26 | 2022-12-13 | 西安热工研究院有限公司 | Matrix analysis method for intelligent vibration diagnosis of supercritical carbon dioxide compressor |
| WO2023166778A1 (en) * | 2022-03-04 | 2023-09-07 | 株式会社日立製作所 | Belt conveyor abnormality detection device |
| CN116717461B (en) * | 2023-08-01 | 2023-11-28 | 德耐尔能源装备有限公司 | Intelligent monitoring method and system for operating state of vacuum pump |
| CN116717461A (en) * | 2023-08-01 | 2023-09-08 | 德耐尔能源装备有限公司 | Intelligent monitoring method and system for operating state of vacuum pump |
Also Published As
| Publication number | Publication date |
|---|---|
| JP4232162B2 (en) | 2009-03-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP4232162B2 (en) | Compressor inspection device | |
| US20240068864A1 (en) | Systems and methods for monitoring of mechanical and electrical machines | |
| TW305931B (en) | ||
| JP2008292288A (en) | Bearing diagnostic device for reduction gear | |
| JP5460160B2 (en) | Equipment diagnostic equipment | |
| KR20060100248A (en) | Inspection apparatus, aid device for creating judgment model therefor, abnormality detection device for endurance test apparatus and endurance test method | |
| JP2006292734A (en) | Determination model producing support device for test device and test device, and endurance test device and endurance test method | |
| JP6714806B2 (en) | Status monitoring device and status monitoring method | |
| KR101482509B1 (en) | Diagnosis System and Method of Bearing Defect | |
| WO2002073150A3 (en) | System and method for analyzing vibration signals | |
| JP2017219469A (en) | State monitoring device and state monitoring method | |
| TW201703028A (en) | Detection method of abnormal sound of apparatus and detection device | |
| JP6835265B2 (en) | Measurement and diagnostic equipment and measurement and diagnosis method | |
| JP2017101954A (en) | Mechanical facility evaluation method | |
| JP6728808B2 (en) | Measuring and diagnosing device and measuring and diagnosing method | |
| JP2013221877A (en) | Abnormality inspection method and abnormality inspection device | |
| KR20110009615A (en) | Data collection device, and diagnosis device of facility management with data collection device thereof | |
| JP2006234786A (en) | Abnormality diagnostic device and abnormality diagnostic method for mechanical facility | |
| CN105334052A (en) | Main speed-reducer assembly quality detection method | |
| JP7082585B2 (en) | Bearing information analysis device and bearing information analysis method | |
| JPH06258176A (en) | Automatic measuring system for functional inspection | |
| JPH05157662A (en) | Failure diagnostic method and device of injection molding machine | |
| JP5476413B2 (en) | Diagnostic method for soundness of rotating machinery | |
| JP6497919B2 (en) | Diagnosis method and diagnosis system for equipment including rotating body and its bearing | |
| JPH10174373A (en) | Deterioration diagnostic device for electric apparatus |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20080723 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20081007 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20081030 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20081125 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20081127 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111219 Year of fee payment: 3 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 Ref document number: 4232162 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111219 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121219 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121219 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20131219 Year of fee payment: 5 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |