JP2017101954A - 機械設備の評価方法 - Google Patents

Abstract

【課題】機械設備が発生する音や振動から、機械設備における異常の有無及び異常箇所の特定を精度よく診断することができる機械設備の評価方法を提供する。
【解決手段】機械設備１５の発生する音又は振動を検知する振動センサ１２と、検出した電気信号に対して周波数分析及びエンベロープ分析してスペクトルデータを得る振動分析手段４２と、機械要素３１，３２，３３毎に、異常発生時にピーク値をもたらす理論周波数を計算する理論周波数算出手段４１と、各機械要素３１，３２，３３の最小周波数差×０．５を検出周波数範囲とする検出周波数範囲決定手段４６と、スペクトルデータのピーク値Ｃ，Ｅ，Ｆ，Ｈ，Ｊの周波数が、理論周波数±検出周波数範囲の範囲内であるか否かを判別する判別手段４７と、機械設備１５の異常箇所を特定する異常診断手段４８と、を備える。
【選択図】図５

Description

本発明は、機械設備の評価方法に関し、より詳細には、機械設備における異常の有無及び異常箇所を精度よく診断することができる機械設備の評価方法に関する。

鉄道車両や工作機械、風力発電装置、エレベータ装置等の機械設備には、転がり軸受等の回転部品やボールねじ、リニアガイド等の摺動部品が多く装備されて使用されている。これら回転部品や摺動部品を長時間使用することにより摩耗や損傷が発生すると、その回転部品や摺動部品のスムーズな回転、摺動が阻害され、異常音を発生するだけでなく、寿命の低下を来たして破損に至り、機械設備の故障、事故を招くおそれがある。このため従来は、機械設備を一定期間使用した後に摩耗や損傷等、異常の有無を検査していた。

この検査は、機械設備の回転部品や摺動部品が組み込まれた部位、或いは機械設備全体を分解することにより行われ、回転部品或いは摺動部品に発生した損傷や摩耗は、作業者の目視による検査によって発見される。そして、検査で発見される主な欠陥（異常）としては、軸受の場合、異物の噛み込み等によって生ずる圧痕、転がり疲れによる剥離、その他の摩耗等、歯車の場合には、歯部の欠損や摩耗等、車輪の場合には、フラット等の摩耗があり、いずれの場合も新品にはない凹凸や摩耗等が発見されれば、新品に交換される。即ち、検査の結果、摩耗や損傷等の異常が発見された場合は、当該部品を新品に交換して、機械設備の故障や事故を未然に防止していた。

しかしながら、機械設備の一部、又は全体を分解し、作業者の目視によって行う検査方法では、機械設備から回転部品や摺動部品を取り外す作業と、検査が終了した回転部品や摺動部品を再び機械設備に組み込む作業に多大な労力がかかり、機械設備の保守コストが嵩むという問題があった。

また、組立て直す際に検査前にはなかった打痕を回転部品や摺動部品につけてしまう等、検査自体が回転部品や摺動部品の欠陥を生む原因となる可能性があった。また、限られた時間内で多数の軸受を目視で検査するため、欠陥を見落とす可能性が残るという問題もあった。さらに、この欠陥の程度の判断も個人差があり、実質的には欠陥がなくても部品交換が行なわれるため、無駄なコストがかかることにもなる。

このような問題を解決するために、転がり軸受が組み込まれた機械装置を分解することなく、機械設備の実稼動状態で回転部品や摺動部品の状態を評価する評価装置が提案されている（例えば、特許文献１参照）。

特許文献１の評価装置は、理論的に異常時に発生する周波数成分（理論周波数成分）を予め構成部品ごとに算出しておく。また、サンプリング基準設定手段に設定された基準値に基づいて、回転体より検出された実測データからノイズの影響の大きい領域を除外した有効実測データを抽出し、該有効実測データに対して、エンベロープ分析等の解析処理を行って実測周波数成分を生成する。そして、理論周波数成分と一致する実測周波数成分が、一定以上のピークを持つか否かによって異常診断している。

特許第３８２９９２４号公報

ところで、特許文献１の評価装置では、振動検出手段によって得られる実測データには、回転数の変動や解析時の分解能等の理由により、実測周波数成分が理論周波数成分と必ずしも一致しない場合があり、診断の信頼性が低下する問題がある。

そのため、実測周波数成分と比較する理論周波数成分に所定の幅の範囲を持たせ、その範囲内に一致する実測周波数成分が、一定以上のピークを持つか否かにより異常診断する方法がある。しかしながら、例えば、風車の主軸軸受などのように低速回転（特に、２０ｍｉｎ^−１以下）する機械装置の場合、異常部位ごとの理論周波数成分の差が僅かであるため、異常発生箇所を誤診断する可能性があり、改善の余地があった。

本発明は、前述した課題に鑑みてなされたものであり、その目的は、機械設備が発生する音や振動から、機械設備における異常の有無及び異常箇所の特定を精度よく診断することができる機械設備の評価方法を提供することにある。

本発明の上記目的は、下記の構成により達成される。
（１） 回転体が静止部材に対して相対的に回転する機械設備における異常の有無及び異常箇所を特定する機械設備の評価方法であって、
前記機械設備の発生する音又は振動を検知して該検知した音又は振動に応じた電気信号を出力する検出工程と、
前記電気信号に対して周波数分析を行い、スペクトルデータを得る演算処理工程と、
前記機械設備の複数の機械要素毎に、前記回転体の回転情報から異常発生時に周波数スペクトル上にピーク値をもたらす理論周波数を所定の次数まで算出する理論周波数算出工程と、
前記複数の機械要素間の前記理論周波数の差が最小となる最小周波数差を、少なくとも１つの次数求め、検知範囲係数を０．５以下として、いずれかの次数の前記最小周波数差×前記検知範囲係数を検出周波数範囲とする検出周波数範囲決定工程と、
前記スペクトルデータのピーク周波数が、前記理論周波数±前記検出周波数範囲の範囲内であるか否かを判別する判別工程と、
前記判別工程の結果に基づいて、前記機械要素の異常箇所を特定する異常診断工程と、
を備えることを特徴とする機械設備の評価方法。
（２） 回転体が静止部材に対して相対的に回転する機械設備における異常の有無及び異常箇所を特定する機械設備の評価方法であって、
前記機械設備の発生する音又は振動を検知して該検知した音又は振動に応じた電気信号を出力する検出工程と、
前記電気信号に対して周波数分析を行い、スペクトルデータを得る演算処理工程と、
前記スペクトルデータから極大値を抽出する極大値抽出工程と、
前記スペクトルデータから前記極大値を除いた有効スペクトルデータに基づいて、ベースラインを求めるベースライン算出工程と、
前記極大値と前記ベースラインとの差が、所定の大きさよりも大きいピーク周波数を抽出するピーク周波数抽出工程と、
前記機械設備の複数の機械要素毎に、前記回転体の回転情報から異常発生時に周波数スペクトル上にピーク値をもたらす理論周波数を所定の次数まで算出する理論周波数算出工程と、
前記複数の機械要素間の前記理論周波数の差が最小となる最小周波数差を、少なくとも１つの次数求め、検知範囲係数を０．５以下として、いずれかの次数の前記最小周波数差×前記検知範囲係数を検出周波数範囲とする検出周波数範囲決定工程と、
前記ピーク周波数が、前記理論周波数±前記検出周波数範囲の範囲内であるか否かを判別する判別工程と、
前記判別工程の結果に基づいて、前記機械要素の異常箇所を特定する異常診断工程と、
を備えることを特徴とする機械設備の評価方法。
（３） 前記複数の機械要素は、転がり軸受の外輪、内輪、及び転動体を含むことを特徴とする（１）又は（２）に記載の機械設備の評価方法。

本発明の機械設備の評価方法によれば、検出手段が機械設備の発生する音又は振動を検知して電気信号を出力し、振動分析手段が電気信号に対して周波数分析を行ってスペクトルデータを得る。そして、理論周波数算出手段が、機械設備の複数の機械要素毎に、異常発生時に周波数スペクトル上にピーク値をもたらす理論周波数を所定の次数まで算出し、検出周波数範囲決定手段が、複数の機械要素間の理論周波数の差が最小となる最小周波数差を、少なくとも１つの次数求め、検知範囲係数を０．５以下として、いずれかの次数の最小周波数差×検知範囲係数を検出周波数範囲とする。その後、判別手段が理論周波数±検出周波数範囲の範囲内にスペクトルデータのピーク周波数があるか否かを判別して、異常診断手段が機械要素の異常箇所を特定する。これにより、機械設備が発生する音や振動から、機械設備における異常の有無及び異常箇所の特定を精度よく診断することができる。

本発明の実施形態に係る機械設備の評価装置の概略構成を示すブロック図である。 図１に示す演算処理部の主要な機能構成を示すブロック図である。 図２に示す演算処理部の要部のブロック図である。 本発明の実施形態に係る転がり軸受の傷の部位と、傷に起因して発生する振動周波数の関係を示す表である。 演算処理部の動作手順を説明するためのフローチャートである。 検出された振動波形をエンベロープ分析した結果を示すグラフである。 図６に示すエンベロープ分析波形の極大値を抽出した結果を示すグラフである。 図６に示すエンベロープ分析波形から極大値を除いた近似曲線のグラフである。 抽出されたピーク周波数を示すグラフである。

以下、本発明に係る機械設備の評価方法の一実施形態を図面に基づいて詳細に説明する。
本発明に係る機械設備の評価装置は、機械要素から発生する音又は振動を検出して得られた電気信号を分析して、機械要素に起因する異常の有無及び異常箇所を特定する装置である。以下の説明においては、機械要素として、例えば、風力発電装置などの機械設備に配設されて２０ｍｉｎ^−１程度の低速回転する転がり軸受を例にとって説明する。なお、本発明に係る機械設備の評価装置では、機械設備の作動に伴って理論周波数を有する音又は振動を発生する機械要素であれば転がり軸受に限定されず、任意の機械要素に適用することができる。

図１に示すように、本実施形態の機械設備の評価装置１０は、回転する転がり軸受１１から発生する振動や音を電気信号として検出する、検出手段としての振動センサ１２と、転がり軸受１１の回転速度を検出する不図示の回転センサと、振動センサ１２や回転センサで検出した信号を、データ伝送手段（伝送手段）１３を介して受信し、信号処理を行って転がり軸受１１の異常の有無の診断、及び異常箇所の特定行う演算処理部２１及び機械設備１５を駆動制御する制御装置２２からなる制御器２０と、モニタや警報機等からなる出力装置２３と、を備えている。

転がり軸受１１は、回転軸に外嵌されて回転する内輪３１と、ハウジング等に内嵌される外輪３２と、内輪３１及び外輪３２との間で転動可能に配置された複数の転動体３３と、転動体３３を転動自在に保持する不図示の保持器と、を有する。

振動センサ１２は、転がり軸受１１の固定輪である外輪３２のハウジング負荷圏に固定される。振動センサ１２としては、加速度センサの他、例えば、ＡＥ（Ａｃｏｕｓｔｉｃ Ｅｍｉｓｓｉｏｎ）センサ、超音波センサ、ショックパルスセンサ等が使用可能であり、また、加速度、速度、歪み、応力、変位等を検出することで、等価的に音や振動を検出して電気信号に変換することができるものも適宜使用することができる。
なお、振動センサ１２の固定方法には、ボルト固定、接着、ボルト固定と接着の併用、及び樹脂材による埋め込み等がある。

また、本実施形態では、振動センサ１２自体に、その出力信号を増幅して出力する増幅器が内蔵されているが、センサ出力を増幅する増幅手段は、振動センサ１２と制御器２０を構成するマイクロコンピュータとの間に接続したり、マイクロコンピュータ側に内蔵する構成としても良い。但し、増幅器を振動センサ１２に内蔵させた構成の場合は、振動センサ１２の出力信号が強いため、振動センサ１２とマイクロコンピュータとの間の信号伝達経路等で加わるノイズの影響を抑えることができ、ノイズによる処理精度の低下を抑制して、異常診断の信頼性を向上させることができる。

図２は、演算処理部２１の主要な機能構成を示すブロック図であり、図３は、演算処理部の要部のブロック図である。
図２及び図３に示すように、演算処理部２１は、データ収集・分配部２４、回転分析部２５、フィルタ処理部２６、振動分析部２７、比較判定部２８及び内部メモリ２９を有して構成される。演算処理部２１は、マイクロコンピュータで構成されており、このマイクロコンピュータ内に記録保持されたプログラムが実行されることにより、各処理部は以下のような処理を実行する。

データ収集・分配部２４は、振動センサ１２から送られる信号をＡ／Ｄ変換器によってデジタル信号に変換するとともに、回転速度に関する信号も同時に収集して一時的に蓄積し、信号の種類に応じて回転分析部２５、フィルタ処理部２６のいずれかに振り分ける。なお、Ａ／Ｄ変換器を振動センサ１２に一体化される構成とし、前述のデータ伝送手段１３を介してデジタル信号を受信するようにしてもよい。

フィルタ処理部２６は、バンドパスフィルタの機能を有し、振動センサ１２の出力信号から損傷フィルタ周波数帯域を抽出し、不要な周波数帯域を除去する。損傷フィルタ周波数帯域は各軸受装置における固有振動数帯域に応じて設定される。この固有振動数は、インパルスハンマ等を用いた打撃法により被測定物を加振し、被測定物に取付けた振動検出器、又は打撃により発生した音響を周波数分析することにより容易に求めることができる。

なお、被測定物が転がり軸受１１の場合には、内輪３１、外輪３２、転動体３３、ハウジング等のいずれかに起因する固有振動数が与えられることになる。一般的に、機械要素の固有振動数は複数存在し、固有振動数における振幅レベルは高くなるので測定の感度がよい。

振動分析部２７は、フィルタ処理された振動センサ１２からの振動信号（電気信号）に対して周波数分析を行う振動分析手段４２を有する。振動分析手段４２は、振動信号の周波数スペクトルを算出するＦＦＴ演算部であり、ＦＦＴアルゴリズム及びエンベロープ分析に基づいて振動信号の周波数スペクトルを算出し、算出された周波数スペクトルを、スペクトルデータとしている。
なお、振動分析手段４２は、ＦＦＴを行う前処理として、絶対値化処理やエンベロープ処理を行い、異常の診断に必要な周波数成分のみに変換してもよい。

また、振動分析部２７は、上記振動分析手段４２の他、極大値抽出手段４３と、ベースライン算出手段４４と、ピーク周波数抽出手段４５と、を備える。

極大値抽出手段４３は、スペクトルデータを微分処理し、微分値（傾斜）がゼロになる点を見出すことで極大値を抽出する。

ベースライン算出手段４４は、スペクトルデータから抽出された極大値を除いて有効スペクトルデータを算出し、該有効スペクトルデータに基づいて、多項式近似、直線近似、或いは移動平均などの手法によりベースラインを求める。

ピーク周波数抽出手段４５は、極大値とベースラインとの差が所定の大きさよりも大きい周波数をピーク周波数として抽出する。
例えば、ピーク値の抽出は、極大値とベースラインとの差が所定の値（以下の実施例では、５ｄｂ）を閾値として抽出してもよいが、これに限定されず、例えば、極大値の近似曲線とベースラインとの平均値を閾値とすることもできる。
その後、振動分析部２７は、抽出されたピーク周波数を比較判定部２８に出力する。

回転分析部２５は、回転センサから出力される信号を基にして内輪３１の回転速度を算出する。
なお、回転センサが、内輪３１に取り付けられたエンコーダと、外輪３２に取り付けられた磁石または磁気検出素子と、により構成される場合は、出力信号がエンコーダの形状と回転速度に応じたパルス信号となる。このため、回転分析部２５は、エンコーダの形状に応じた所定の変換関数、又は変換テーブルを有し、パルス信号から内輪３１の回転速度を算出する。

また、回転分析部２５は、転がり軸受１１の設計諸元データ、及び回転センサからの回転速度信号に基づき、図４に示す所定の関係式を用いて、転がり軸受１１の部位ごとの損傷に起因する軸受損傷周波数を所定の次数まで計算する理論周波数算出手段４１を有する。
なお、軸受損傷周波数の算出は、以前に同様の診断を行っている場合は、内部メモリ２９に記憶しておいた過去のデータを用いてもよい。

さらに、回転分析部２５は、内輪３１、外輪３２、及び転動体３３などの機械要素間のそれぞれの複数次（例えば、１次、２次、・・・）の理論周波数に対して理論周波数の差が最小となる最小周波数差を求め、最小周波数差×検出範囲係数（０．５以下）を検出周波数範囲として求める検出周波数範囲決定手段４６を備える。

ここで、検出周波数範囲に使用される最小周波数差は、全ての次数での診断時において共通とし、いずれかの次数の最小周波数差を用いてもよいし、次数ごとの診断時において、異なる最小周波数差を用いてもよい。即ち、
ｎ次のピーク検出範囲＝ｎ次の理論周波数±ｍ次の最小周波数差×検出範囲係数（０．５以下）とする。
ここで、ｍは任意の値である。

例えば、全ての次数の診断時において、１次の最小周波数差に検出範囲係数を乗じて検出周波数範囲を求めてもよい。この場合には、１次の最小周波数差が最も小さく、検出周波数範囲も狭くなるため、高い精度での検出が可能となる。

また、所定の次数の診断時において、所定の次数以上の次数の最小周波数差を用い、該最小周波数差に検出範囲係数を乗じて検出周波数範囲を求めてもよい。

さらに、検出範囲係数を０．５以下としたのは、検出範囲係数を０．５よりも大きく設定すると、内輪３１、外輪３２、及び転動体３３のいずれかの理論周波数±検出周波数範囲同士が重なる領域（周波数）が生じ、該重なる領域にピーク値の周波数がある場合、内輪３１、外輪３２、及び転動体３３のいずれの異常かを診断することができなくなる。しかし、検出範囲係数を０．５以下とすることで、理論周波数±検出周波数範囲同士が重なる領域がなくなり、誤った診断を防止することができる。

比較判定部２８は、ピーク周波数抽出手段４５によって抽出されたピーク周波数が、理論周波数±検出周波数範囲の範囲内であるか否かを判別する判別手段４７と、ピーク周波数が理論周波数±検出周波数範囲の範囲内にあるとき転がり軸受１１が異常と判断すると共に、転がり軸受１１の異常箇所を特定する異常診断手段４８と、を備え、転がり軸受１１の異常の有無、及び異常がある場合には、異常部位の特定を行う。

異常診断手段４８は、特定の次数のピーク周波数が、理論周波数±検出周波数範囲の範囲に含まれるかどうかによって、転がり軸受１１の異常箇所を特定してもよいし、理論周波数±検出周波数範囲の範囲に含まれるピーク周波数の次数の数（例えば、３つ以上）によって、転がり軸受１１の異常箇所を特定してもよい。その他、異常診断手段４８は、１，２，４，６次のピークが一致することで異常と判断するなど、他の方法で異常を判断することもできる。
特に、異常診断手段４８は、特定の次数のピーク周波数が、理論周波数±検出周波数範囲の範囲に含まれるかどうかで判断するため、検出漏れを防止するためには、低次の最小周波数差を用いた場合、２×検出周波数範囲≧周波数分解能を満たす必要がある。このため、周波数分解能も小さくなって、計算負荷が高くなってしまう。したがって、検出周波数範囲決定手段４６において、計算負荷が軽減されるように、低次の診断時においても高次の最小周波数差を用いて検出周波数範囲を算出した場合には、１次〜５次のピーク値に対する診断結果を総合的に判断することで異常箇所を特定することが好ましい。

このようにして判定された転がり軸受１１の診断結果は、内部メモリ２９に記憶すると共に、機械設備１５の動作を制御する制御装置２２へ出力され、診断結果に応じた制御信号をフィードバックすると共に、出力装置２３に送る。

内部メモリ２９は、例えばメモリ又はＨＤＤ等により構成され、異常周波数の算出に用いる各機械要素の設計諸元データと、比較判定部２８により判定された転がり軸受１１の異常の有無の診断及び異常の部位特定に関する各データを記憶する。

出力装置２３は、転がり軸受１１の診断結果をモニタ等にリアルタイムで表示する。また、異常が検出された場合に、ライトやブザー等の警報機を用いて使用者に異常であることの注意を促すようにしてもよい。

次に、機械設備の評価装置１０により、転がり軸受１１の異常の有無、及び異常部位の特定を行う手順について図５を参照して説明する。

先ず、振動センサ１２により転がり軸受１１から発生する振動を電気信号として検出すると共に、不図示の回転センサにより転がり軸受１１の回転速度を検出し、演算処理部２１に入力する（ステップＳ１）。

更に演算処理部２１では、振動分析手段４２が振動信号を周波数分析及びエンベロープ分析してスペクトルデータを生成し（ステップＳ２）、極大値抽出手段４３がスペクトルデータから極大値を抽出する（ステップＳ３）。

次に、ベースライン算出手段４４が、スペクトルデータから抽出された極大値を除いて有効スペクトルデータを算出し、該有効スペクトルデータに基づいて、多項式近似、直線近似、或いは移動平均などの手法によりベースラインを求める（ステップＳ４）。

そして、ピーク周波数抽出手段４５が、極大値とベースラインとの差が所定の大きさよりも大きい周波数をピーク周波数として抽出する（ステップＳ５）。

演算処理部２１では、理論周波数算出手段４１が、内輪３１の損傷に起因する理論周波数Ｚｆｉ、外輪３２の損傷に起因する理論周波数Ｚｆｃ、及び転動体３３の損傷に起因する理論周波数２ｆｂ等をそれぞれ算出する（ステップＳ６）。

次いで、検出周波数範囲決定手段４６が、内輪３１、外輪３２、及び転動体３３間のそれぞれの複数次（例えば、１次、２次、・・・）の理論周波数に対して理論周波数の差が最小となる最小周波数差を求め、最小周波数差×所定の検出範囲係数を検出周波数範囲として求める（ステップＳ７）。

そして、判別手段４７が、ステップＳ５で求めたピーク周波数が、理論周波数±検出周波数範囲の範囲内であるか否かを判別する（ステップＳ８）。ピーク周波数が、理論周波数±検出周波数範囲の範囲外であれば、転がり軸受１１は正常であると判断する（ステップＳ９）。一方、ピーク周波数が、理論周波数±検出周波数範囲の範囲内であれば、異常ありと判断し（ステップＳ１０）、異常診断手段４８が、ピーク周波数が含まれる理論周波数を有する部位（内輪３１、外輪３２、又は転動体３３）を、異常箇所として特定する（ステップＳ１１）。

このような手順を経て、回転体である転がり軸受１１における異常の有無の診断、及び異常箇所の特定を行うことができる。

次に、低速回転する風車の主軸用軸受において、転がり軸受１１に異常が発生した場合の異常診断について、具体的な実施例を用いて説明する。
なお、実施例１では、検出範囲係数を０．５とした場合と、検出範囲係数を０．８とした場合での異常診断結果を比較した。また、実施例２では、実施例１と最小周波数差の設定を変えて異常診断を行った場合について説明する。

（実施例１）
図６は、主軸に適用された転がり軸受１１に異常が発生した場合の周波数分析及びエンベロープ分析後のスペクトルデータを表す。
また、表１は、以下に説明する各実施例における転がり軸受１１の設計諸元データを、図４の式に代入して求めた内輪３１、外輪３２、及び転動体３３の１次理論周波数を示す。

次に、極大値抽出手段４３は、図６のスペクトルデータに微分などの処理を施すことで、図７に示す１１個の極大値Ａ〜Ｋを抽出する。抽出された極大値Ａ〜Ｋの周波数を表２に示す。

次いで、ベースライン算出手段４４は、図７に示すスペクトルデータから極大値Ａ〜Ｋを除いた有効スペクトルデータを多項式近似し、図８に示すベースラインＭを算出する。そして、ピーク周波数抽出手段４５が、図９に示すように、極大値Ａ〜ＫとベースラインＭとの差が５ｄｂ以上ある５つの周波数をピーク値Ｃ，Ｅ，Ｆ，Ｈ，Ｊとして抽出する。表３は、抽出されたピーク値Ｃ，Ｅ，Ｆ，Ｈ，Ｊの周波数である。これら５つのピーク値Ｃ，Ｅ，Ｆ，Ｈ，Ｊが、異常診断の対象となる。

ピーク値Ｃ，Ｅ，Ｆ，Ｈ，Ｊの周波数と理論周波数とを比較して異常箇所を特定するが、このエンベロープ分析の分解能は、この実施例では、０．１８３Ｈｚ（上限周波数２４ｋＨｚ、ＦＦＴ点数１３１０７２）であるため、理論周波数とピーク値Ｃ，Ｅ，Ｆ，Ｈ，Ｊの周波数とが一致することは難しい。このため、理論周波数に範囲を設定し、その範囲内にピーク値Ｃ，Ｅ，Ｆ，Ｈ，Ｊの周波数があるか否かで異常箇所を特定する。

即ち、ピーク値Ｃ，Ｅ，Ｆ，Ｈ，Ｊの周波数と比較して異常を診断するための検出周波数範囲は以下のように求められる。検出周波数範囲決定手段４６が、内輪３１、外輪３２、及び転動体３３について、各次数（本実施例では、１次、２次、・・・、５次）の理論周波数から、次数ごとに理論周波数の差が最小となる最小周波数差を求め、一番小さい最小周波数差である１次の最小周波数差に、本実施形態の検出範囲係数である０．５と、比較例としての検出範囲係数である０．８を乗じて検出周波数範囲をそれぞれ求める。

そして、次数ごとの理論周波数±検出周波数範囲を算出して、ピーク検出範囲とする。即ち、ｎ次のピーク検出範囲＝ｎ次の理論周波数±１次の最小周波数差×検出範囲係数（０．５）である。

表４は、内輪３１、外輪３２、及び転動体３３の各次数の理論周波数及び最小周波数差を示す。

そして、判別手段４７は、ピーク値Ｃ，Ｅ，Ｆ，Ｈ，Ｊの各周波数が、理論周波数±検出周波数範囲の範囲内にあるか否かを判別する。検出範囲係数を０．５とした本実施例では、ピーク値Ｃ，Ｅ，Ｆ，Ｈ，Ｊの周波数が、外輪３２の１〜５次の全ての理論周波数±検出周波数範囲内に含まれている。一方、これらピーク値の周波数は、内輪３１及び転動体３３の理論周波数±検出周波数範囲には含まれていない。従って、異常診断手段４８は、表５に示すように、外輪３２に異常があり、内輪３１及び転動体３３は正常であると診断することができる。一方、検出範囲係数を０．８とした場合には、１次のピーク値Ｃの周波数が外輪３２及び転動体３３のピーク検出範囲に含まれているため、異常箇所を特定できないことを示している。

（実施例２）
上記した実施例１では、最小周波数差が小さい１次の最小周波数差を用いて、全ての次数の診断に使用される検出周波数範囲を算出したが、実施例２では、１次〜４次の理論周波数について診断する場合、最小周波数差が大きな４次の最小周波数差×０．５を検出周波数範囲として診断する。そして、５次の理論周波数についての診断は、５次の最小周波数差×０．５を検出周波数範囲として診断する。

したがって、実施例２では、ピーク値Ｃ，Ｅ，Ｆ，Ｈ，Ｊの各周波数が、理論周波数±上記検出周波数範囲の範囲内にあるか否かを判別する。

判別結果は、表６に示すように、ピーク値Ｃ（３．２９Ｈｚ）は、内輪３１、外輪３２、及び転動体３３全ての１次の理論周波数±検出周波数範囲内に含まれ、内輪３１、外輪３２、及び転動体３３全てが異常ありと診断される。ピーク値Ｅ（６．５９Ｈｚ）は、外輪３２及び転動体３３の２次の理論周波数±検出周波数範囲内に含まれ、外輪３２及び転動体３３が異常ありと診断される。また、ピーク値Ｆ，Ｈ，Ｊは、外輪３２の３次から５次の理論周波数±検出周波数範囲内に含まれ、外輪３２が異常ありと診断される。

表６に示すように、１次及び２次の診断結果には誤診断が含まれるが、３次以上の診断では正しく診断されており、１次〜５次の診断結果において３つ以上で異常と診断されたことを総合的に判断すれば、異常箇所を外輪３２と特定することができる。

このように、診断精度を下げることで計算負荷を低減し、診断精度と計算負荷のバランスを調整することで効率的な診断が可能となる。

以上説明したように、本実施形態の機械設備の評価装置１０及び評価方法によれば、振動センサ１２が機械設備１５の発生する音又は振動を検知して電気信号を出力し、振動分析手段４２が電気信号に対して周波数分析を行ってスペクトルデータを得る。また、極大値抽出手段４３がスペクトルデータから極大値Ａ〜Ｋを抽出して、ベースライン算出手段４４が有効スペクトルデータに基づいてベースラインＭを求め、ピーク周波数抽出手段４５が極大値Ａ〜ＫとベースラインＭとの差が、５ｄｂよりも大きいピーク値Ｃ，Ｅ，Ｆ，Ｈ，Ｊを抽出する。

そして、理論周波数算出手段４１が、機械設備１５の複数の機械要素３１，３２，３３毎に、異常発生時に周波数スペクトル上にピーク値をもたらす理論周波数を１次から５次まで算出し、検出周波数範囲決定手段４６が、複数の機械要素３１，３２，３３間の理論周波数の差が最小となる最小周波数差を、少なくとも１つの次数求め、いずれかの次数の最小周波数差×０．５以下の検知範囲係数を検出周波数範囲とする。その後、判別手段４７はピーク値Ｃ，Ｅ，Ｆ，Ｈ，Ｊの周波数が、理論周波数±検出周波数範囲の範囲内であるか否かを判別して、異常診断手段４８が機械要素３１，３２，３３の異常箇所を特定する。これにより、機械設備１５が発生する音や振動から、機械設備１５における異常の有無及び異常箇所の特定を精度よく診断することができる。

また、異常診断手段４８は、理論周波数±検出周波数範囲の範囲に含まれるピーク周波数の次数の数によって、機械要素３１，３２，３３の異常箇所を特定するので、機械設備１５における異常の精度のよい診断が可能となる。

また、判別手段４７は、所定の次数のピーク周波数に対して理論周波数±検出周波数範囲の範囲内にあるか否かを判別する際、所定の次数以上の次数の最小周波数差から得られる検出周波数範囲を用いて判別するので、異常診断のための計算負荷を軽減することができ、効率よく異常診断することができる。

尚、本発明は、前述した各実施形態に限定されるものではなく、適宜、変形、改良等が可能である。
本発明の異常の有無を診断するための診断箇所としては、転がり軸受の内輪、外輪、転動体、保持器に限定されず、他の機械要素にも適用可能である。

本実施形態では、スペクトルデータのピーク周波数は、極大値抽出手段、ベースライン算出手段、及びピーク周波数抽出手段を用いて算出したが、他の手法を用いて算出してもよい。

以上の通り、本明細書には次の事項が開示されている。
［１］ 回転体が静止部材に対して相対的に回転する機械設備における異常の有無及び異常箇所を特定する機械設備の評価方法であって、
前記機械設備の発生する音又は振動を検知して該検知した音又は振動に応じた電気信号を出力する検出工程と、
前記電気信号に対して周波数分析を行い、スペクトルデータを得る演算処理工程と、
前記機械設備の複数の機械要素毎に、前記回転体の回転情報から異常発生時に周波数スペクトル上にピーク値をもたらす理論周波数を所定の次数まで算出する理論周波数算出工程と、
前記複数の機械要素間の前記理論周波数の差が最小となる最小周波数差を、少なくとも１つの次数求め、検知範囲係数を０．５以下として、いずれかの次数の前記最小周波数差×前記検知範囲係数を検出周波数範囲とする検出周波数範囲決定工程と、
前記スペクトルデータのピーク周波数が、前記理論周波数±前記検出周波数範囲の範囲内であるか否かを判別する判別工程と、
前記判別工程の結果に基づいて、前記機械要素の異常箇所を特定する異常診断工程と、
を備えることを特徴とする機械設備の評価方法。
［２］ 回転体が静止部材に対して相対的に回転する機械設備における異常の有無及び異常箇所を特定する機械設備の評価方法であって、
前記機械設備の発生する音又は振動を検知して該検知した音又は振動に応じた電気信号を出力する検出工程と、
前記電気信号に対して周波数分析を行い、スペクトルデータを得る演算処理工程と、
前記スペクトルデータから極大値を抽出する極大値抽出工程と、
前記スペクトルデータから前記極大値を除いた有効スペクトルデータに基づいて、ベースラインを求めるベースライン算出工程と、
前記極大値と前記ベースラインとの差が、所定の大きさよりも大きいピーク周波数を抽出するピーク周波数抽出工程と、
前記機械設備の複数の機械要素毎に、前記回転体の回転情報から異常発生時に周波数スペクトル上にピーク値をもたらす理論周波数を所定の次数まで算出する理論周波数算出工程と、
前記複数の機械要素間の前記理論周波数の差が最小となる最小周波数差を、少なくとも１つの次数求め、検知範囲係数を０．５以下として、いずれかの次数の前記最小周波数差×前記検知範囲係数を検出周波数範囲とする検出周波数範囲決定工程と、
前記ピーク周波数が、前記理論周波数±前記検出周波数範囲の範囲内であるか否かを判別する判別工程と、
前記判別工程の結果に基づいて、前記機械要素の異常箇所を特定する異常診断工程と、
を備えることを特徴とする機械設備の評価方法。
［３］ 前記異常診断手段は、前記理論周波数±前記検出周波数範囲の範囲に含まれる前記ピーク周波数の次数の数によって、前記機械要素の異常箇所を特定することを特徴とする［１］又は［２］に記載の機械設備の評価方法。
［４］ 前記判別手段は、所定の次数の前記ピーク周波数に対して前記理論周波数±前記検出周波数範囲の範囲内にあるか否かを判別する際、前記所定の次数以上の次数の前記最小周波数差から得られる前記検出周波数範囲を用いて判別することを特徴とする［３］に記載の機械設備の評価方法。
［５］ 前記複数の機械要素は、転がり軸受の外輪、内輪、及び転動体を含むことを特徴とする［１］〜［４］のいずれかに記載の機械設備の評価方法。

１０ 機械設備の評価装置
１１ 転がり軸受（回転体）
１２ 振動センサ（検出手段）
１５ 機械設備
２１ 演算処理部
３１ 内輪（機械要素）
３２ 外輪（機械要素）
３３ 転動体（機械要素）
４１ 理論周波数算出手段
４２ 振動分析手段
４３ 極大値抽出手段
４４ ベースライン算出手段
４５ ピーク周波数抽出手段
４６ 検出周波数範囲決定手段
４７ 判別手段
４８ 異常診断手段
Ａ〜Ｋ 極大値
Ｃ，Ｅ，Ｆ，Ｈ，Ｊ ピーク値
Ｍ ベースライン

Claims (3)

1. 回転体が静止部材に対して相対的に回転する機械設備における異常の有無及び異常箇所を特定する機械設備の評価方法であって、
   前記機械設備の発生する音又は振動を検知して該検知した音又は振動に応じた電気信号を出力する検出工程と、
   前記電気信号に対して周波数分析を行い、スペクトルデータを得る演算処理工程と、
   前記機械設備の複数の機械要素毎に、前記回転体の回転情報から異常発生時に周波数スペクトル上にピーク値をもたらす理論周波数を所定の次数まで算出する理論周波数算出工程と、
   前記複数の機械要素間の前記理論周波数の差が最小となる最小周波数差を、少なくとも１つの次数求め、検知範囲係数を０．５以下として、いずれかの次数の前記最小周波数差×前記検知範囲係数を検出周波数範囲とする検出周波数範囲決定工程と、
   前記スペクトルデータのピーク周波数が、前記理論周波数±前記検出周波数範囲の範囲内であるか否かを判別する判別工程と、
   前記判別工程の結果に基づいて、前記機械要素の異常箇所を特定する異常診断工程と、
   を備えることを特徴とする機械設備の評価方法。
2. 回転体が静止部材に対して相対的に回転する機械設備における異常の有無及び異常箇所を特定する機械設備の評価方法であって、
   前記機械設備の発生する音又は振動を検知して該検知した音又は振動に応じた電気信号を出力する検出工程と、
   前記電気信号に対して周波数分析を行い、スペクトルデータを得る演算処理工程と、
   前記スペクトルデータから極大値を抽出する極大値抽出工程と、
   前記スペクトルデータから前記極大値を除いた有効スペクトルデータに基づいて、ベースラインを求めるベースライン算出工程と、
   前記極大値と前記ベースラインとの差が、所定の大きさよりも大きいピーク周波数を抽出するピーク周波数抽出工程と、
   前記機械設備の複数の機械要素毎に、前記回転体の回転情報から異常発生時に周波数スペクトル上にピーク値をもたらす理論周波数を所定の次数まで算出する理論周波数算出工程と、
   前記複数の機械要素間の前記理論周波数の差が最小となる最小周波数差を、少なくとも１つの次数求め、検知範囲係数を０．５以下として、いずれかの次数の前記最小周波数差×前記検知範囲係数を検出周波数範囲とする検出周波数範囲決定工程と、
   前記ピーク周波数が、前記理論周波数±前記検出周波数範囲の範囲内であるか否かを判別する判別工程と、
   前記判別工程の結果に基づいて、前記機械要素の異常箇所を特定する異常診断工程と、
   を備えることを特徴とする機械設備の評価方法。
3. 前記複数の機械要素は、転がり軸受の外輪、内輪、及び転動体を含むことを特徴とする請求項１又は２に記載の機械設備の評価方法。

Images