JP2012008030A - Rotator bearing diagnostic device - Google Patents
Rotator bearing diagnostic device Download PDFInfo
- Publication number
- JP2012008030A JP2012008030A JP2010144828A JP2010144828A JP2012008030A JP 2012008030 A JP2012008030 A JP 2012008030A JP 2010144828 A JP2010144828 A JP 2010144828A JP 2010144828 A JP2010144828 A JP 2010144828A JP 2012008030 A JP2012008030 A JP 2012008030A
- Authority
- JP
- Japan
- Prior art keywords
- waveform
- bearing
- determination
- abnormality
- determination criterion
- 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
Images
Landscapes
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
Description
本発明は、モータにより駆動されるポンプなどの回転機の軸受診断装置に関する。 The present invention relates to a bearing diagnosis apparatus for a rotating machine such as a pump driven by a motor.
一般にポンプなどのモータによって駆動される回転機において、異常が発生する確率が高い箇所としては軸受部分があげられる。このため、定期的に軸受部分の振動を監視し、異常診断装置を使用しで監視対象である軸受の周波数のみを検出する方法が用いられている。また、軸受診断装置において、正常値の実効値及び最大値を基準とした判定基準や波形の尖度や歪度などの統計量による判定方法を利用して異常判定を行っている。 In general, in a rotating machine driven by a motor such as a pump, a portion having a high probability of occurrence of an abnormality is a bearing portion. For this reason, a method is used in which the vibration of the bearing portion is periodically monitored and only the frequency of the bearing to be monitored is detected by using an abnormality diagnosis device. Further, in the bearing diagnosis apparatus, abnormality determination is performed using a determination method based on a criterion based on the effective value and the maximum value of a normal value and a statistic such as a kurtosis and a skewness of a waveform.
しかしながら、ポンプ、モータなどの軸受診断を行う場合には、軸受付近に振動センサを取り付け、振動測定を行いＦＦＴ解析を行うことが一般的であるが、軸受にモータや回転機からの振動が伝播し、その周波数がＦＦＴ解析の結果として現われる。このため、モータや回転機から発生する理論周波数を考慮し外乱部分を除外してスムーズに軸受診断ができるようになることが課題である。 However, when performing bearing diagnosis for pumps, motors, etc., it is common to install a vibration sensor near the bearing, perform vibration measurement, and perform FFT analysis. However, vibration from the motor or rotating machine propagates to the bearing. The frequency appears as a result of the FFT analysis. For this reason, it is a problem that the bearing diagnosis can be smoothly performed in consideration of the theoretical frequency generated from the motor or the rotating machine and excluding the disturbance portion.
また、特許文献１には、軸受の傷の有無を診断する技術が開示されており、軸受を内輪、外輪、転動体、保持器に分けてそれぞれの基本周波数を算出し、この基本周波数と比較して異常を診断する技術である。しかしながら、この診断技術によっては、軸受の内輪、外輪、転動体、保持器のいずれの部位においてもエンベロープ処理を実施して得られるエンベロープデータを利用して診断を行っており、精度の高い識別診断には困難が伴う。
更に、特許文献２には、回転機軸受診断装置に関し、振動信号を用いた簡易診断と精密診断を行うシステムが示されており、簡易診断では、包絡線処理により得られるピーク値により異常の有無を診断し、精密診断では、更にＦＦＴ処理により特徴周波数を抽出して診断を行うことが示されている。しかしながら、この診断技術においては、異常分類機能、平均値・標準偏差算出機能、その他、更に改善された各種機能、構成などの開示は認められない。
Further,
本発明は、上記した従来技術の課題を解決するためになされたもので、簡単な構成で精度の高い診断を可能とした回転機軸受診断装置を提供することを目的とする。 The present invention has been made to solve the above-described problems of the prior art, and an object of the present invention is to provide a rotating machine bearing diagnosis apparatus that enables highly accurate diagnosis with a simple configuration.
本発明の請求項１に係わる回転機軸受診断装置は、モータにより駆動される回転機の仕様情報を格納する機器仕様データベースと、前記回転機の軸受の振動波形を格納する振動波形データベースと、前記振動波形を包絡線処理する包絡線処理手段と、前記振動波形から指定した点数毎にデータを間引いてサンプリング振動波形を作成する間引き処理手段と、前記振動波形、前記包絡線処理波形並びに前記間引き処理波形を高速フーリエ解析するＦＦＴ解析手段と、前記ＦＦＴ解析手段の解析結果から前記機器仕様に対応した理論周波数の振動成分を抽出する特徴周波数抽出手段と、前記振動波形の分布処理を行う波形分布処理手段と、前記特徴周波数抽出結果並びに前記波形分布結果から判定基準を算出する判定基準算出手段と、この判定基準算出手段にて算出された判定基準を格納する判定基準データベースと、前記特徴周波数抽出結果に対して前記判定基準を用いて判定する判定手段とを具備することを特徴とする。
A rotating machine bearing diagnosis apparatus according to
本発明の請求項２に係わる回転機軸受診断装置は、前記機器仕様データベースには回転機仕様、モータ仕様並びに軸受仕様が格納されており、前記判定基準データベースには回転機異常判定基準、モータ異常判定基準並びに軸受異常判定基準が格納されており、前記判定手段は、間引き処理した振動波形のＦＦＴ解析結果を前記回転機異常判定基準と比較して前記回転機の異常を判定する回転機異常判定機能、振動波形のＦＦＴ解析結果を前記モータ異常判定基準と比較して前記モータの異常を判定するモータ異常判定機能、包絡線処理した振動波形のＦＦＴ解析結果を前記軸受異常判定基準と比較して前記軸受の異常を判定する軸受異常判定機能、前記各異常判定結果から前記回転機、前記モータ並びに前記軸受の異常を分類する異常分類機能、及び前記異常分類機能によって軸受異常に分類された場合に前記軸受の各異常個所の判定を行う軸受異常箇所特定機能とを有することを特徴とする。
In the rotating machine bearing diagnosis device according to
本発明の請求項３に係わる回転機軸受診断装置は、前記機器仕様データベースには回転機仕様、モータ仕様並びに軸受仕様が格納されており、前記特徴周波数抽出手段は、間引き処理した振動波形のＦＦＴ解析結果から前記回転機仕様の周波数の振幅を抽出する回転機特徴抽出機能、振動波形のＦＦＴ解析結果から前記モータ仕様の周波数の振幅を抽出するモータ特徴周波数抽出機能並びに包絡線処理した振動波形のＦＦＴ解析結果から前記軸受仕様の周波数の振幅を抽出する軸受特徴周波数抽出機能を有し、前記判定基準算出手段は、抽出した周波数の振幅からＦＦＴ解析回数分の平均値及び標準偏差を算出する統計量算出手段、算出された統計量から判定基準を算出する判定基準算出手段を有し、算出された判定基準を前記判定基準データベースに格納することを特徴とする。 In the rotating machine bearing diagnosis apparatus according to claim 3 of the present invention, the machine specification database stores rotating machine specifications, motor specifications and bearing specifications, and the characteristic frequency extracting means performs FFT of the thinned vibration waveform. A rotating machine feature extracting function for extracting the amplitude of the frequency of the rotating machine specification from the analysis result, a motor characteristic frequency extracting function for extracting the amplitude of the frequency of the motor specification from the FFT analysis result of the vibration waveform, and an envelope processed vibration waveform It has a bearing characteristic frequency extraction function for extracting the amplitude of the frequency of the bearing specification from the FFT analysis result, and the determination criterion calculation means calculates the average value and the standard deviation for the number of FFT analysis from the extracted frequency amplitude. A quantity calculation means, and a judgment standard calculation means for computing a judgment standard from the calculated statistic. And storing, in the base.
本発明の請求項４に係わる回転機軸受診断装置は、前記判定基準算出手段は、複数の特徴周波数抽出結果の平均値及び標準偏差を算出する統計量算出手段、算出された統計量から判定基準を算出する判定基準算出手段、複数データの時系列での傾きを算出する変化量算出手段、算出された傾きから変化量の判定基準を算出する変化量判定基準算出手段を有し、算出された判定基準を前記判定基準データベースに格納することを特徴とする。
In the rotating machine bearing diagnosis apparatus according to
本発明の請求項５に係わる回転機軸受診断装置は、前記波形分布処理手段は、波形の標準偏差を算出する波形分布標準偏差算出手段、波形の尖度を算出する波形分布尖度算出手段、波形の歪度を算出する波形歪度算出手段を有し、前記判定基準算出手段は、複数の振動波形の標準偏差、尖度、歪度算出結果の平均値及び標準偏差を算出する統計量算出手段、算出された統計量から判定基準を算出する判定基準算出手段、複数データの時系列での傾きを算出する変化量算出手段、算出された傾きから変化量の判定基準を算出する変化量判定基準算出手段を有し、算出した判定基準を前記判定基準データベースに格納することを特徴とする。 In the rotating machine bearing diagnosis device according to claim 5 of the present invention, the waveform distribution processing means includes a waveform distribution standard deviation calculating means for calculating a standard deviation of the waveform, a waveform distribution kurtosis calculating means for calculating the kurtosis of the waveform, A waveform skewness calculating means for calculating the skewness of the waveform, wherein the determination criterion calculating means calculates a standard deviation, a kurtosis, an average value of skewness calculation results and a standard deviation of a plurality of vibration waveforms; Means, a criterion calculation means for calculating a criterion based on the calculated statistics, a change amount calculation means for calculating a time-series inclination of a plurality of data, and a change amount determination for calculating a criterion for the amount of change from the calculated inclination It has a reference calculation means, and stores the calculated determination criterion in the determination criterion database.
回転機の転がり軸受の診断が監視対象から採取したデータから保守員の熟練度に関係なく、異常発生の有無を自動的に得ることができる。このため、異常検知後の対応を迅速に行うことが可能となり、機器の安定運転をサポートするとともに保守費用を削減しプラントのランニングコストの低下に貢献できる。 Whether or not an abnormality has occurred can be automatically obtained from the data collected from the monitoring object by the diagnosis of the rolling bearing of the rotating machine regardless of the skill level of the maintenance staff. For this reason, it becomes possible to respond quickly after detecting an abnormality, supporting stable operation of the equipment, reducing maintenance costs, and contributing to lowering the running cost of the plant.
以下に本発明に係る実施形態を図を参照して説明する。図１に以下に説明する具体的な診断対象の機器構成例を示したが、回転機であるポンプ１１は駆動源であるモータ１２に接続され、転がり軸受１３によって回転体が支持されている。このような機器構成にあっては、上述もしたが、異常が発生する確率の高い箇所として転がり軸受１３が挙げられる。
Embodiments according to the present invention will be described below with reference to the drawings. FIG. 1 shows a specific device configuration example to be diagnosed as described below. A pump 11 that is a rotating machine is connected to a
そこで、この転がり軸受１３に図示しない振動計を取付けて、転がり軸受１３の異常を監視することになるが、振動計からの出力波形データにはポンプ１１、モータ１２からの振動も混在して採取されることになる。本発明は、このような機器構成にて各種の振動波形データが混在して採取されても、各構成機器・部品の正常・異常を精度よく検出することを可能としたものである。
Therefore, a vibration meter (not shown) is attached to the rolling bearing 13 to monitor the abnormality of the rolling bearing 13, and the output waveform data from the vibration meter is also sampled including vibrations from the pump 11 and the
図２は、本発明の実施形態のシステム概要を示したものである。すなわち、矢印で示した転がり軸受１３から採取されたオリジナル振動波形データ１４は振動波形データベース１５に格納される。振動波形データベース１５に格納されたオリジナル振動波形データ１４は、包絡線処理手段１６、間引き処理手段１７、波形分布処理手段１８並びに高速フーリエ解析するＦＦＴ解析手段１９へ入力される。
FIG. 2 shows a system outline of the embodiment of the present invention. That is, the original
ＦＦＴ解析手段１９には、包絡線処理手段１６、間引き処理手段１７からの出カデータも入力される。ＦＦＴ解析手段１９にて解析された出カデータは特徴周波数抽出手段２０に入力される。また、特徴周波数抽出手段２０には、機器仕様データベース２１が接続されており、このデータベース２１に格納されている機器仕様データ、すなわち、ポンプ１１、モータ１２、転がり軸受１３などの機器仕様データが格納されている。
Output data from the envelope processing means 16 and the thinning processing means 17 are also input to the FFT analysis means 19. The output data analyzed by the FFT analysis means 19 is input to the feature frequency extraction means 20. In addition, a
特徴周波数抽出手段２０並びに波形分布処理手段１８からの出カデータは判定手段２２に入力され、判定基準データベース２３に格納されている判定基準データと比較され各機器の異常の有無が判定される。判定基準データベース２３に格納されている判定基準データは、判定基準算出手段２４にて算出されるが、判定基準算出にあたっては、波形分布処理手段１８並びに特徴周波数抽出手段２０からの出カデータが利用される。また、判定基準データベース２３には機器仕様データベース２１から機器仕様データも入力される。
The output data from the characteristic frequency extraction means 20 and the waveform distribution processing means 18 are input to the determination means 22 and compared with the determination reference data stored in the
このような図２の構成において、振動波形データベース１５に格納された振動波形データは、包絡線処理手段１６により包絡線処理された振動波形データと、間引き処理手段１７により予め指定された点数ごとに間引きが行われた振動波形データと、採取された状態のオリジナル振動波形データ１４の３種類の波形に加工され、ＦＦＴ解析手段１９により各振動波形データがＦＦＴ解析される。
In the configuration of FIG. 2, the vibration waveform data stored in the
ＦＦＴ解析されたデータは、特徴周波数抽出手段２０に送られ、機器仕様データベース２１に格納されている機器仕様から算出される発生すべき周波数部分の振幅を抽出する。一方、振動波形データベース１５の振動波形データは波形分布処理手段１８により波形分布の統計処理が行われる。
The data subjected to the FFT analysis is sent to the characteristic frequency extraction means 20 and the amplitude of the frequency portion to be generated, which is calculated from the device specifications stored in the
波形分布処理結果は、特徴周波数抽出手段２０による処理結果とともに判定基準算出手段２４に送られ、判定基準の計算を行い、計算結果が判定基準データベース２３に格納される。特徴周波数抽出手段２０と波形分布処理手段１８の処理結果は判定手段２２で判定基準データベース２３の判定基準と比較され、転がり軸受の診断が行われる。
The waveform distribution processing result is sent to the determination
このような構成によれば、特徴周波数抽出手段２０及び波形分布
処理手段１８により振動の特徴の数値化を可能とし、判定基準との比較により異常判定が可能となるだけでなく、同一の振動波形データを包絡線処理、間引き処理、波形分布の処理を施すことにより異常事象を分類し転がり軸受以外の異常を区別することが可能となる。
According to such a configuration, the characteristic frequency extraction means 20 and the waveform distribution processing means 18 can quantify the vibration characteristics, and not only can the abnormality be determined by comparison with the determination criteria, but also the same vibration waveform. By performing envelope processing, thinning processing, and waveform distribution processing on the data, it is possible to classify abnormal events and distinguish abnormalities other than rolling bearings.
次に、図３を参照して図２に示した処理内容を更に詳細に説明する。すなわち、オリジナル振動波形データ１４を包絡線処理２５し、ＦＦＴ解析２６を行って特徴周波数抽出処理２７を行い判定２８に至る。この処理方法によると、転がり軸受仕様の周波数が抽出できる。
Next, the processing content shown in FIG. 2 will be described in more detail with reference to FIG. That is, the original
図４には正常な転がり軸受の包絡線処理後の波形を示しており、図５にこの図４の包絡線処理済波形をＦＦＴ解析した出力波形を示してある。さて、図６には外輪に傷がある転がり軸受の包絡線処理後の波形を示しており、図７にこの図６の包絡線処理済波形をＦＦＴ解析した出力波形を示してある。 FIG. 4 shows a waveform after the envelope processing of a normal rolling bearing, and FIG. 5 shows an output waveform obtained by FFT analysis of the envelope processed waveform of FIG. Now, FIG. 6 shows the waveform after the envelope processing of the rolling bearing having a scratch on the outer ring, and FIG. 7 shows the output waveform obtained by FFT analysis of the envelope processed waveform of FIG.
次に、図３のオリジナル振動波形データ１４を直接ＦＦＴ解析２９し、特徴周波数抽出３０、判定３１に至る処理である。この処理方式は、高速サンプリング方式といい、周波数帯域を広げ周波数のメッシュを粗くする方式で、モータの振動診断に好適である。
Next, the original
図８は、この高速サンプリング方式にて正常な転がり軸受のオリジナル振動波形データを示すもので、図９は、これをＦＦＴ解析した出力波形を示してある。これに対して、図１０は、高速サンプリング方式にて外輪に傷がある転がり軸受のオリジナル振動波形データを示すもので、図１１には、これをＦＦＴ解析した出力波形を示してある。 FIG. 8 shows original vibration waveform data of a normal rolling bearing by this high-speed sampling method, and FIG. 9 shows an output waveform obtained by FFT analysis. On the other hand, FIG. 10 shows original vibration waveform data of a rolling bearing having a scratch on the outer ring by a high-speed sampling method, and FIG. 11 shows an output waveform obtained by FFT analysis of this.
次に、図３のオリジナル振動波形データ１４の波形のサンプリング点数を間引く間引き処理３２を行った後にＦＦＴ解析３３を経て特徴周波数抽出３４、判定３５に至る処理である。この処理方式は低速サンプリング方式といい、周波数帯域を狭くし周波数のメッシュを細かくする方式で回転機の振動診断に好適である。
Next, the thinning
図１２はこの低速サンプリング方式にて正常な転がり軸受の間引き処理後の出力波形を示すもので、図１３は、これをＦＦＴ解析した出力波形を示すものである。図１４には、低速サンプリング方式にて外輪に傷がある転がり軸受の間引き処理後の出力波形を示すもので、これに対して図１５は、これをＦＦＴ解析した出力波形を示すものである。 FIG. 12 shows an output waveform after thinning processing of a normal rolling bearing by this low-speed sampling method, and FIG. 13 shows an output waveform obtained by performing FFT analysis. FIG. 14 shows an output waveform after thinning-out processing of a rolling bearing having a scratch on the outer ring by the low-speed sampling method, and FIG. 15 shows an output waveform obtained by performing FFT analysis on this.
次に、図３にて波形分布処理３６の出力結果をもって判定３７を行う方式を説明する。この波形分布処理方式は、図３にて上述した包絡線処理２５後にＦＦＴ解析２６を行う方式、オリジナル振動波形データをＦＦＴ解析２９する方式、波形間引き後にＦＦＴ解析を行う方式のいずれにおいても判定結果が異常と出たときに、波形分布処理方式による判定が異常の場合には、モータ並びに回転機は正常で転がり軸受が異常であることを識別するための方式である。図１６には、正常軸受の波形分布を示してあり、図１７には、外輪に傷がある転がり軸受の波形分布を示してある。いずれも横軸には振幅を縦軸には確率密度を表してある。
Next, a method of performing the
図１８には上述した判定に係るデータベースの関係を示す図である。すなわち、ＦＦＴ解析手段１９からは間引き処理、未処理、包絡線処理のそれぞれの出力結果が抽出されるが、これらの出力結果と機器仕様データベース２１に格納されている各種仕様データにより得られた出力が判定手段２２に入力される。判定手段２２では判定基準データベース２３に格納されている判定基準と比較して異常
判定がなされる。
FIG. 18 is a diagram showing a database relationship related to the above-described determination. That is, the FFT analysis means 19 extracts the output results of the thinning processing, unprocessed processing, and envelope processing, and outputs obtained from these output results and various specification data stored in the
図１８の機器仕様データベース２１の回転機仕様２１ａは間引き処理後のＦＦＴ解析結果に反映され、モータ仕様２１ｂは未処理データのＦＦＴ解析結果に反映され、軸受仕様２１ｃは包絡線処理データのＦＦＴ解析結果にそれぞれ反映されている。そして、図１８に示すように、判定基準データベース２３の回転機異常判定基準２３ａ、モータ異常判定基準２３ｂ、軸受異常判定基準２３ｃに基づいて、判定が行われる。判定手段２２には回転機異常判定機能２２ａ、モータ異常判定機能２２ｂ、軸受異常判定機能２２ｃが設けられており、これらの機能に基づいて異常分類機能２２ｄが働く。判定手段２２には、更に軸受異常個所特定機能２２ｅが設けられている。
18 is reflected in the FFT analysis result after the thinning process, the
図１９には上述した各種データベースなどのファイル構成例を示したものである。すなわち、波形ファイル３８は、図１に示した振動波形データベース１５を構成するファイルを示したものである。軸受診断結果ファイル３９は、診断結果を構成するファイルを示したものである。機器仕様ファイル４０は、図１の機器仕様データベース２１内のファイル構成を示したものである。判定基準ファイル４１は、図１の判定基準データベース２３内のファイル構成を示したものである。
FIG. 19 shows an example of the file structure of the various databases described above. That is, the
そして、図１９の下方に示してあるように、波形ファイル３８のデータに対して機器仕様ファイル４０、判定基準ファイル４１を参照して軸受診断４２を行った結果を軸受診断結果ファイル３９に保存されることになる。
Then, as shown in the lower part of FIG. 19, the result of performing the bearing
さて、上述したように軸受の診断を行うにあたっては、判定基準が必要である。以下にこの判定基準の形成方法並びに構成などについて図を参照して説明する。 Now, as described above, a criterion for determination is necessary when diagnosing a bearing. Hereinafter, a method and a configuration for forming the determination criterion will be described with reference to the drawings.
図２０は正常データを選択して統計量判定基準を形成する方法を説明するためのブロック図である。ＦＦＴ解析手段１９からのＦＦＴ解析結果は、特徴周波数抽出手段２０に送られ、間引き処理後のＦＦＴ解析結果から機器仕様データベース２１に格納されている回転機仕様２１ａの周波数が抽出され(２０ａ)、直接のＦＦＴ解析結果はモータ仕様２１ｂの周波数が抽出され(２０ｂ)、包絡線処理後のＦＦＴ解析結果から軸受仕様２１ｃの周波数が抽出される(２０ｃ)。
FIG. 20 is a block diagram for explaining a method of selecting normal data and forming a statistical criterion. The FFT analysis result from the FFT analysis means 19 is sent to the characteristic frequency extraction means 20, and the frequency of the
各機器仕様の周波数が抽出された結果は、判定基準算出手段２４に送られ、統計量算出手段２４ａで複数の特徴値の平均値と標準偏差が算出され、統計量判定基準算出手段２４ｂで平均値＋標準偏差×係数の判定基準が算出され、判定基準データベース２３に格納される。この判定基準によれば、過去の正常状態のデータによりその機器の特徴に合った判定基準を算出し、転がり軸受の異常を自動で精度よく判定することができる。
The result of extracting the frequency of each device specification is sent to the determination criterion calculation means 24, the average value and standard deviation of a plurality of feature values are calculated by the statistic calculation means 24a, and the average is calculated by the statistic determination criterion calculation means 24b. A criterion of value + standard deviation × coefficient is calculated and stored in the
図２１は変化量による判定基準を形成する方法を説明するためのブロック図である。ＦＦＴ解析手段１９からのＦＦＴ解析結果は、特徴周波数抽出手段２０に送られ、間引き処理後のＦＦＴ解析結果から機器使用データベース２１に格納されている回転機仕様２１ａの周波数が抽出され(２０ａ)、直接のＦＦＴ解析結果はモータ仕様２１ｂの周波数が抽出され(２０ｂ)、包絡線処理後のＦＦＴ解析結果から軸受仕様２１ｃの周波数が抽出される(２０ｃ)。
FIG. 21 is a block diagram for explaining a method of forming a determination criterion based on a change amount. The FFT analysis result from the FFT analysis means 19 is sent to the characteristic frequency extraction means 20, and the frequency of the
各機器仕様の周波数が抽出された結果は、判定基準算出手段２４に送られ、統計量算出手段２４ａで複数の特徴値の平均値と標準偏差が算出され、統計量判定基準算出手段２４ｂで平均値＋標準偏差×係数の判定基準が算出され、変化量算出手段２４ｃで複数データを選択した場合の平均値と標準偏差の時系列の傾きを算出し、変化量判定値算出手段２４ｄで時系列の傾き×係数の変化量判定基準が算出され、判定基準データベース２３に格納される。この判定基準によれば、過去の複数のデータによりその機器の特徴と異常の進展速度を数値化することで、機器の特性と異常進展速度に合った転がり軸受の異常を自動で精度よく判定することができる。
The result of extracting the frequency of each device specification is sent to the determination criterion calculation means 24, the average value and standard deviation of a plurality of feature values are calculated by the statistic calculation means 24a, and the average is calculated by the statistic determination criterion calculation means 24b. The criterion of value + standard deviation × coefficient is calculated, the change
図２２は波形分布による判定基準を形成する方法を説明するためのブロック図である。振動波形データベース１５からのオリジナル振動波形データ１４を特徴周波数抽出手段２０の波形分布標準偏差算出手段２０ｄにより波形分布標準偏差を算出し、波形分布尖度算出手段２０ｅにより波形分布尖度を算出し、波形分布歪度算出手段２０ｆにより波形分布歪度を算出する。
FIG. 22 is a block diagram for explaining a method of forming a determination criterion based on a waveform distribution. The original
これらの波形分布データを判定基準算出手段２４の統計量算出手段２４ａにて統計量を算出し、統計量判定基準算出手段２４ｂにより基準値を算出する。また、変化量算出手段２４ｃにより変化量を算出し、変化量判定基準算出手段２４ｄにより基準値を算出して統計量判定基準値とともに判定基準データベース２３に格納する。この判定基準によれば、振動波形データの波形分布の判定基準を数値化することができることから、機器仕様から判定できる転がり軸受の異常のほかに例えばグリース切れなど、非定常な軸受異常に対しても異常判定が可能となる。
A statistic is calculated from the waveform distribution data by the
次に機器仕様データベース２１の一部項目の計算式を図２３に示す。項目としては、モータすべり、外輪厚さ、中立輪半径、保持器公転周波数ｆｃ、Ｎ成分周波数、ポンプＺＮ成分周波数ＺＮｐ、モータＺＮ(外扇)成分ＺＮＭＯ、溝高調波(回転子スロット)周波数、溝高調波(固定子)周波数など一例を示した。
Next, calculation formulas for some items in the
図２４は、機器仕様データベース２１のデータの編集を行う画面例である。編集するデータベースを選択し、選択する項目は回転数などの機器仕様をプルダウンメニューから選択する。編集を行う項目にレ印を付与すると入力可能となり、機器仕様の追加、削除、変更を行うことができる。同様にして図２５は、判定基準データベース２３の編集を行う画面例で、図２４と同様に判定基準の追加、削除、変更を行うことができる。
FIG. 24 shows an example of a screen for editing the data in the
上述したように診断を行った結果を診断結果一覧画面表示４３として図２６に示すが、この図２６は診断結果が正常な例である。すなわち、画面４３の右欄上部に収録ファイル一覧４４が表示され、ここには診断を行った結果をファイル名４４ａ、収録日時４４ｂ、回転数４４ｃが表示される。これらのファイルの内で、診断結果の詳細は表示希望のファイルを選択する。
The result of diagnosis as described above is shown in FIG. 26 as a diagnosis result
図で黒白反転表示してある黒白反転ファイル４４ｄが選択された項目である。選択された黒白反転ファイル４４ｄの診断結果は、画面左欄に診断結果一覧４５として表示される。ここでは、各項目ごとの表示欄４５ａに棒グラフ４５ｂ表示され、図の白抜き表示は画面では緑色表示される。各項目ごとの表示欄には正常／異常の境界ライン４５ｃが全項目の表示欄に表示されている。
The black-white
各項目の棒グラフ４５ｂがこの境界ライン４５ｃに達していない場合には、その項目は正常であることを表しており、棒グラフ４５ｂが境界ライン４５ｃを超えている場合にはその項目は異常であることを表している。図２６の例ではいずれも正常であることが分かるが、異常な項目の棒グラフは画面表示では赤色表示がなされる。また、画面の右下にはガイダンス欄４６が設けられており、この欄には診断対象の診断結果が簡潔に表示されるようになっている。図の例では、軸受、モータ、ポンプのいずれも「良」であることを表している。
When the
図２７には他の診断結果一覧表示画面４７を示してある。この例では、診断結果が異常であることを表示しており、収録ファイル一覧４８のファイル名４８ａの中から黒白反転ファイル４８ｂを選択する。このファイル４８ｂは、転動体に傷がある軸受に関する診断データが格納されている。ファイルを選択することによって、診断結果一覧４９には診断対象の各機器並びに要素部品ごとの診断結果が棒グラフ表示されている。
FIG. 27 shows another diagnosis result list display screen 47. In this example, it is displayed that the diagnosis result is abnormal, and the black and white
この表示は図２６と同一の表示ルールになっており、白抜きの棒グラフは正常であることを表してある。しかしながら、診断結果一覧４９のｆｂの棒グラフ４９ａはハッチングで表示してあるが、これは画面では赤色表示になっている。そして、この赤色の棒グラフ４９ａは正常／異常の境界ライン４９ｂを超えていて、この項目ｆｂは異常であることを表している。項目ｆｂは、図２３に示してあるが、転がり軸受の転動体自転周波数を示しており、この棒グラフ４９ａが赤色表示ということは、項目ｆｂが異常であることを示していることが分かる。
This display has the same display rule as that in FIG. 26, and the white bar graph indicates normality. However, the bar graph 49a of fb in the
また、図２７の診断結果一覧表示画面４７の右下に設けられているガイダンス欄５０には、「軸受が判定基準値を超過しています。」との記述があり、更に、モータ、ポンプについては正常であるが、転がり軸受については注意を要し、特に項目ｆｂ、すなわち転動体には異常があることを示している。
In addition, in the
次に本発明に係るシステムフローを図２８を参照して説明する。すなわち、システムは、大別して軸受診断フロー５１とデータベース編集フロー５２から構成されている。軸受診断フロー５１は更に軸受診断実行フロー５３、診断結果表示フロー５４、判定基準計算フロー５５から構成されている。軸受診断実行フロー５３は、機器仕様判定基準選択ステップ５３ａ、診断実行ステップ５３ｂ、診断結果保存ステップ５３ｃから構成されている。診断は、回転機、ポンプ、転がり軸受ごとの機器仕様によって決定される判定基準に基づき実行される。
Next, a system flow according to the present invention will be described with reference to FIG. That is, the system is roughly divided into a bearing diagnosis flow 51 and a
診断結果表示フロー５４は、条件設定ステップ５４ａ、検索ステップ５４ｂ、データ選択ステップ５４ｃ、表示データ読込ステップ５４ｄ、データ表示ステップ５４ｅから構成されている。診断結果表示に際しては、図２６、図２７で説明したように上述の各ステップによってなされる。判定基準計算フロー５５は、判定基準計算ステップ５５ａ、計算結果保存ステップ５５ｂから構成されている。
The diagnosis
データベース編集フロー５２は、パスワード設定ステップ５２ａ、データベース選択ステップ５２ｂ、機器仕様設定ステップ５２ｃ、判定基準設定ステップ５２ｄ、データベース読込ステップ５２ｅ、データベース編集ステップ５２ｆ、データベース保存ステップ５２ｇから構成されている。そして、診断結果表示フロー５４、データベース編集フロー５２はモード選択５６にて選択する方式となっている。
The
１１…ポンプ、１２…モータ、１３…軸受、１４…オリジナル振動波形データ、１５…振動波形データベース、１６…包絡線処理手段、１７…間引き処理手段、１８…波形分布処理手段、１９…ＦＦＴ解析手段、２０…特徴周波数抽出手段、２１…機器仕様データベース、２２…判定手段、２３…判定基準データベース、２４…判定基準算出手段、２５…包絡線処理、２６、２９、３３…ＦＦＴ解析、２７、３０、３４…特徴周波数抽出処理、２８、３１、３５、３７…判定、３２…間引き処理、３６…波形分布処理、３８…波形ファイル、３９…軸受診断結果ファイル、４０…機器仕様ファイル、４１…判定基準ファイル、４２…軸受診断、４３、４７…診断結果一覧画面表示、４４、４８…収録ファイル一覧、４５、４９…診断結果一覧、４６、５０…ガイダンス欄、５１…軸受診断フロー、５２…データベース編集フロー、５３…軸受診断実行フロー、５４…診断結果表示フロー、５５…判定基準計算フロー。
DESCRIPTION OF SYMBOLS 11 ... Pump, 12 ... Motor, 13 ... Bearing, 14 ... Original vibration waveform data, 15 ... Vibration waveform database, 16 ... Envelope processing means, 17 ... Thinning processing means, 18 ... Waveform distribution processing means, 19 ... FFT analysis means , 20 ... characteristic frequency extraction means, 21 ... equipment specification database, 22 ... determination means, 23 ... determination reference database, 24 ... determination reference calculation means, 25 ... envelope processing, 26, 29, 33 ... FFT analysis, 27, 30 , 34 ... feature frequency extraction process, 28, 31, 35, 37 ... determination, 32 ... thinning process, 36 ... waveform distribution process, 38 ... waveform file, 39 ... bearing diagnosis result file, 40 ... equipment specification file, 41 ... determination Reference file, 42 ... Bearing diagnosis, 43, 47 ... Diagnosis result list screen display, 44, 48 ... Recorded file list, 45, 49 ...
Claims (5)
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2010144828A JP2012008030A (en) | 2010-06-25 | 2010-06-25 | Rotator bearing diagnostic device |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2010144828A JP2012008030A (en) | 2010-06-25 | 2010-06-25 | Rotator bearing diagnostic device |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2012008030A true JP2012008030A (en) | 2012-01-12 |
Family
ID=45538741
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2010144828A Pending JP2012008030A (en) | 2010-06-25 | 2010-06-25 | Rotator bearing diagnostic device |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2012008030A (en) |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103398831A (en) * | 2013-07-09 | 2013-11-20 | 西安瑞特快速制造工程研究有限公司 | Method for identifying supporting difference fault of rotary machine by procession trajectories of cross sections |
| JP2016091417A (en) * | 2014-11-07 | 2016-05-23 | 株式会社Ihi | Abnormality diagnostic method, abnormality diagnostic apparatus and abnormality diagnostic program |
| WO2016175322A1 (en) * | 2015-04-30 | 2016-11-03 | 日本精工株式会社 | Abnormality diagnosis system |
| JP2017181441A (en) * | 2016-03-31 | 2017-10-05 | Ｊｆｅスチール株式会社 | State determination device and state determination method of rotary bearing |
| CN107631866A (en) * | 2017-08-31 | 2018-01-26 | 西安交通大学 | A kind of initial failure recognition methods of low speed operation rotating machinery |
| US10038399B2 (en) | 2015-02-27 | 2018-07-31 | Mitsubishi Electric Corporation | Electric motor control device |
| WO2018142986A1 (en) * | 2017-01-31 | 2018-08-09 | Ntn株式会社 | State monitoring system and wind power generating device |
| WO2018229836A1 (en) * | 2017-06-12 | 2018-12-20 | 株式会社日立製作所 | Bearing diagnosis device |
| WO2019044575A1 (en) * | 2017-08-31 | 2019-03-07 | Ntn株式会社 | State-monitoring device and state-monitoring method |
| JP2019045472A (en) * | 2017-08-31 | 2019-03-22 | Ntn株式会社 | State monitoring device and method for monitoring state |
| CN109839270A (en) * | 2017-11-24 | 2019-06-04 | 大隈株式会社 | The abnormality diagnostic method and apparatus for diagnosis of abnormality of feed shaft |
| WO2020170409A1 (en) * | 2019-02-22 | 2020-08-27 | 株式会社日本製鋼所 | Anomaly detection system and anomaly detection method |
| CN113092111A (en) * | 2020-01-09 | 2021-07-09 | 珠海格力电器股份有限公司 | Method and system for detecting wear of gas bearing |
| JPWO2021255927A1 (en) * | 2020-06-19 | 2021-12-23 | ||
| WO2024116959A1 (en) * | 2022-11-29 | 2024-06-06 | ニデック株式会社 | System |
-
2010
- 2010-06-25 JP JP2010144828A patent/JP2012008030A/en active Pending
Cited By (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103398831A (en) * | 2013-07-09 | 2013-11-20 | 西安瑞特快速制造工程研究有限公司 | Method for identifying supporting difference fault of rotary machine by procession trajectories of cross sections |
| JP2016091417A (en) * | 2014-11-07 | 2016-05-23 | 株式会社Ihi | Abnormality diagnostic method, abnormality diagnostic apparatus and abnormality diagnostic program |
| US10038399B2 (en) | 2015-02-27 | 2018-07-31 | Mitsubishi Electric Corporation | Electric motor control device |
| WO2016175322A1 (en) * | 2015-04-30 | 2016-11-03 | 日本精工株式会社 | Abnormality diagnosis system |
| CN107532969A (en) * | 2015-04-30 | 2018-01-02 | 日本精工株式会社 | Abnormity diagnostic system |
| JPWO2016175322A1 (en) * | 2015-04-30 | 2018-02-22 | 日本精工株式会社 | Abnormality diagnosis system |
| JP2017181441A (en) * | 2016-03-31 | 2017-10-05 | Ｊｆｅスチール株式会社 | State determination device and state determination method of rotary bearing |
| CN110234972A (en) * | 2017-01-31 | 2019-09-13 | Ntn株式会社 | Condition monitoring system and wind turbine |
| CN110234972B (en) * | 2017-01-31 | 2021-09-21 | Ntn株式会社 | Condition monitoring system and wind turbine |
| WO2018142986A1 (en) * | 2017-01-31 | 2018-08-09 | Ntn株式会社 | State monitoring system and wind power generating device |
| WO2018229836A1 (en) * | 2017-06-12 | 2018-12-20 | 株式会社日立製作所 | Bearing diagnosis device |
| WO2019044575A1 (en) * | 2017-08-31 | 2019-03-07 | Ntn株式会社 | State-monitoring device and state-monitoring method |
| JP2019045472A (en) * | 2017-08-31 | 2019-03-22 | Ntn株式会社 | State monitoring device and method for monitoring state |
| CN107631866A (en) * | 2017-08-31 | 2018-01-26 | 西安交通大学 | A kind of initial failure recognition methods of low speed operation rotating machinery |
| JP7098399B2 (en) | 2017-08-31 | 2022-07-11 | Ntn株式会社 | Status monitoring device and status monitoring method |
| CN109839270A (en) * | 2017-11-24 | 2019-06-04 | 大隈株式会社 | The abnormality diagnostic method and apparatus for diagnosis of abnormality of feed shaft |
| WO2020170409A1 (en) * | 2019-02-22 | 2020-08-27 | 株式会社日本製鋼所 | Anomaly detection system and anomaly detection method |
| CN113092111A (en) * | 2020-01-09 | 2021-07-09 | 珠海格力电器股份有限公司 | Method and system for detecting wear of gas bearing |
| JPWO2021255927A1 (en) * | 2020-06-19 | 2021-12-23 | ||
| JP7361919B2 (en) | 2020-06-19 | 2023-10-16 | 三菱電機株式会社 | Failure sign identification device, in-vehicle equipment, and failure sign identification method |
| WO2024116959A1 (en) * | 2022-11-29 | 2024-06-06 | ニデック株式会社 | System |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2012008030A (en) | Rotator bearing diagnostic device | |
| US6801864B2 (en) | System and method for analyzing vibration signals | |
| US9477223B2 (en) | Condition monitoring system and method | |
| JP6411769B2 (en) | Condition monitoring device | |
| JP3321487B2 (en) | Device / equipment diagnosis method and system | |
| US11782430B2 (en) | Abnormality diagnosis method, abnormality diagnosis device and non-transitory computer readable storage medium | |
| US9791856B2 (en) | Fault frequency set detection system and method | |
| US10281360B2 (en) | Method and system for the vibration analysis of an engine | |
| CN111122191B (en) | Equipment health alarm threshold setting method based on EWMA control | |
| US9709980B2 (en) | Method and system for diagnosing compressors | |
| JP6714498B2 (en) | Equipment diagnosis device and equipment diagnosis method | |
| JPWO2016117021A1 (en) | Machine diagnostic device and machine diagnostic method | |
| JP2005345154A (en) | Method and device for detecting omen of abnormality | |
| JP2017102765A (en) | Abnormality sign detection system and abnormality sign detection method | |
| JP5780870B2 (en) | Rotating equipment soundness diagnosis apparatus, method and program | |
| CN113383215A (en) | System and process for mode-matched bearing vibration diagnostics | |
| CN111457958A (en) | Port machine equipment situation monitoring method and device, computer equipment and storage medium | |
| WO2016117453A1 (en) | Anomaly diagnosis/analysis apparatus | |
| JP2018138909A (en) | Blade vibration monitoring device and blade vibration monitoring method | |
| US11300482B2 (en) | Graphical differentiation of spectral frequency families | |
| US10823749B2 (en) | Determination of RPM from vibration spectral plots | |
| TWI683112B (en) | State analyser, displaying method thereof, and computer program product thereof | |
| JP2005063385A (en) | Monitoring method, monitoring apparatus and program | |
| US11972642B2 (en) | Rotating machinery diagnosis and monitoring device and method | |
| Galar et al. | Application of dynamic benchmarking of rotating machinery for e-maintenance |