JP4003088B2 - 回転体の異常診断方法及び装置 - Google Patents

Description

本発明は、減速機や電動機ならびに鉄道車両用の車軸などに用いられる複数の回転部品の異常診断方法及び装置に関する。特に、機械装置を分解することなく、回転部品の欠陥を検出可能な方法及び装置に関する。

回転体の異常診断装置は、減速機、電動機、鉄道車両用の車軸等の回転体から発生する音、温度、振動等を解析し、回転体の異常を診断する装置である。異常診断においては、音、温度、振動等の波動情報をマイクロホン、温度センサ、振動センサ等の検出器で検出し、増幅器を用いて検出信号を増幅する。増幅された検出信号は、Ａ／Ｄ変換器によってデジタル信号に変換され、診断用ソフトウェアを備えた診断用ＰＣに出力される。診断用ソフトウェアは、診断用ＰＣ上で周波数分析、比較分析等の各種分析を行う。比較分析においては、得られた周波数スペクトルに対して、回転体に起因する周波数成分との比較照合を行う。ユーザは、モニタ上に表示された診断結果を基に、異常の有無を判断し、異常が発生した場合には、回転体を停止する等の対処を行う。

しかしながら、回転状態や構造物の影響などもあって、回転体の実際の回転数が異常発生時にピークが発生するピーク発生周波数を計算するための回転数と異なる場合があり、誤診断が発生する可能性がある。また、周波数成分について、逐次整合性を確認していくためには、演算時間及び演算負荷が多大にかかるなどの問題もある。

本発明は、上記課題を解決するために為されたものであり、誤診断の発生を防止し、且つ短時間で演算負荷の小さい異常診断を行う方法及び装置を提供することを目的とする。

上記課題を解決するため、本発明の請求項１記載の異常診断方法は、１又は複数の摺動部材を含む機械設備の異常を診断する異常診断方法であって、
前記機械設備から発生する波動を検出するステップと、
前記波動の周波数スペクトルを算出するステップと、
前記周波数スペクトルの一つの次数成分帯域の自乗平均又はパーシャルオーバオール、及び、前記周波数スペクトルの帯域全体の自乗平均又はオーバーオールである正規化値を算出する第１算出ステップと、
前記一つの次数成分帯域の自乗平均又はパーシャルオーバオールを前記正規化値で除した値又は差分の値を算出する第２算出ステップと、
前記除した値又は差分の値と所定の定数との比較照合を行うステップと、
前記比較照合の結果に基づき、前記機械設備の異常を診断するステップと、を有し、
前記波動の周波数スペクトルを算出するステップは、
検出された波動をＦＦＴアルゴリズムにより周波数変換して周波数スペクトルデータを生成するステップと、
得られた周波数スペクトルを基に、異常ピーク周波数が含まれる周波数を切り出すフィルタ処理を行うステップと、
前記フィルタ処理を行って異常周波数が含まれる切り出された周波数の信号にエンベロープ処理を施すステップと、
前記エンベロープ処理を施された信号をＦＦＴアルゴリズムにより周波数変換して周波数スペクトルデータを生成するステップと、
を備えることを特徴とする。

また、本発明の請求項３記載の異常診断装置は、１又は複数の摺動部材を含む機械設備の異常を診断する異常診断装置であって、
前記機械設備から発生する波動を検出する波動検出手段と、
前記波動の周波数スペクトルを算出する周波数解析手段と、
前記周波数スペクトルの一つの次数成分帯域の自乗平均又はパーシャルオーバオール、及び、前記周波数スペクトルの帯域全体の自乗平均又はオーバーオールである正規化値を算出し、前記一つの次数成分帯域の自乗平均又はパーシャルオーバオールを前記正規化値で除した値又は差分の値を算出するパラメータ演算手段と、
前記除した値又は差分の値と所定の定数との比較照合を行う比較照合手段と、
前記比較照合の結果に基づき、前記機械設備の異常を診断する診断手段と、を有し、
前記周波数解析手段は、
検出された波動をＦＦＴアルゴリズムにより周波数変換して周波数スペクトルデータを生成する第１周波数処理部と、
得られた周波数スペクトルを基に、異常ピーク周波数が含まれる周波数を切り出すフィルタ処理を行うフィルタ部と、
前記フィルタ処理を行って異常周波数が含まれる切り出された周波数の信号にエンベロープ処理を施すエンベロープ部と、
前記エンベロープ処理を施された信号をＦＦＴアルゴリズムにより周波数変換して周波数スペクトルデータを生成する第２周波数処理部と、
を備えることを特徴とする。

上記によれば、１又は複数の摺動部材を含む機械設備に起因した周波数の帯域を用いるため、ノイズや回転体に起因しない周波数成分のピークの影響を無くすことができる。また、詳細に実測したデータの周波数と計算で求めた基本周波数およびその高調波との照合をしなくてよいので、計算負荷も軽減し、解析に要する時間のロスも少なくすることができる。さらに、回転体に起因する周波数成分のレベルが小さいときでも確実に異常を補足することができるため、より精度の高い診断が可能となる。また、一回の測定のみで機械設備を構成する回転体の各部品の異常の有無とその部位を特定することが可能となる。加えて、検出された波動をＦＦＴアルゴリズムにより周波数変換して周波数スペクトルデータを生成するので、異常ピーク周波数がどの周波数帯に含まれているかを調べることができる。

以下、図面を参照しながら本発明の実施形態を詳細に説明する。

図１は、本実施形態の異常診断装置１０を示す図である。異常診断装置１０は、診断対象となる機械設備１上又はその近傍に配置された検出部１１と、検出部１１の出力を増幅する増幅部１２と、異常診断を行うＰＣ部３０とを有している。

機械設備１は、ころ軸受（内輪回転数：169min^-1）および正常な歯車（歯数：31）を有する機械設備である。ころ軸受は、軸に外嵌する内輪と、ハウジング等に内嵌し、径方向に内輪と対向する外輪と、内輪及び外輪間に転動可能に配置された転動体としてのころとを有している。ここでは、機械設備１に損傷が発生している場合、特に外輪３に損傷が発生している場合を例に説明する。

検出部１１は、機械設備の振動を検出する振動センサ、ころ軸受の回転数を検出する回転センサ、機械設備の温度を検出する温度センサ、機械設備から発生する音やAE等を検出する音センサ、ＡＥセンサ等の複数のセンサ等から構成されており、診断対象である機械設備１の近傍にそれぞれ又は一体に配置されている。

回転センサは、回転体に取り付けられたころ軸受の内輪の回転数を検出するものである。回転センサとしては、ころ軸受の内輪又は外輪に取り付けられた図示せぬ被検出体であるエンコーダ上の磁石配置を検出する磁気センサ、エンコーダの形状を検出する変位センサ等を用いることが可能である。

温度センサは、機械設備１近傍に配置され、機械設備１又はその近傍の温度を検出するセンサである。温度センサとしては、熱電対等の接触式温度センサや、赤外放射温度計等の非接触式温度センサを用いることが可能である。非接触式の温度センサの場合、内輪等の回転部材の温度検出が可能となる。

検出部１１は、用途や機械設備の構成又は状況に応じて、これらのセンサすべてを有していてもよいし、その一部だけを有していてもよい。また、各種センサは、一つのセンサユニット内に納められ一体化していてもよいし、それぞれ別々に構成されていてもよい。各センサの取り付けに好ましい場所が異なっている場合もあり、それぞれが別ユニットであるほうが精度よい検出を行うことが可能な場合もある。

増幅部１２は、ＯＰアンプ等で構成されており、検出部１１からの各種信号の強度をＰＣ部３０の処理に適したレベルに増幅する。各種信号は、増幅部１２からＰＣ部３０に出力される。なお、検出部１１が増幅機能を有している場合、又は増幅の必要がない信号は、敢えて増幅部１２を経る必要はない。この場合、検出部１１の出力は、直接ＰＣ部３０に送られる。

ＰＣ部３０は、所定のOS、及び分析・診断ソフトウェア４０がインストールされたコンピュータである。ＰＣ部３０は、OS上で機能する分析診断ソフトウェア４０を用いて、各種信号処理を行い、機械設備の異常診断を行う。勿論、診断部１４として、ＰＣによるソフトウェア処理ではなく、専用の診断機器を用いてもよい。

ＰＣ部３０は、受け取った信号をそれぞれＡ／Ｄ変換し、ＰＣ部内の診断ソフトウェア４０を用いて診断を行う。なお、ＰＣ部３０の前段に専用のＡ／Ｄ変換器を設け、ＰＣ部３０に入力する前にＡ／Ｄ変換するようにしてもよい。

診断ソフトウェア４０は、各種分析処理部４１、各種パラメータ演算部４２、照合部４３、及び、診断部４４を機能として有している。

図２は、各種分析処理部４１を示す図である。各種分析処理部４１は、第１周波数処理部４１ａ、フィルタ部４１ｂ、エンベロープ処理部４１ｃ及び第２周波数処理部４１ｄとを有しており、周波数解析に用いられる信号の周波数スペクトルを計算する処理を行う。

第１周波数処理部４１ａは、検出された振動信号、音信号、AE信号等をＦＦＴアルゴリズム等を用いて周波数変換し、周波数スペクトルデータを生成する。ここでは、検出信号に含まれている異常ピーク周波数がどの周波数帯に含まれているかを調べるために行われる。

フィルタ部４１ｂは、増幅部１３から出力された振動信号から所望の周波数帯を抽出する周波数フィルタである。この所望の周波数帯は、第１周波数処理部４１ａで得られた周波数スペクトルを基に、異常ピーク周波数が含まれる周波数帯を切り出す処理を行う。フィルタ部４１ｂは、フィルタ処理後の信号を、エンベロープ部４１ｃに送出する。なお、このフィルタ部４１ｂは、信号の特性によっては、適宜省略してもよい。

また、機械設備１の損傷に起因して検出される予想される異常ピーク周波数がわかっている場合には、この所望の周波数帯域を異常が発生すると予想される異常周波数ピークに応じて設定することも可能である。例えば、軸受に損傷が発生している場合には、内輪回転速度、転動体の数、保持器の回転速度、転動体の自転速度、転動体の大きさ、ピッチ円直径、接触角等に応じて、破損個所に応じて固有の周波数成分が観測される。従って、回転センサから得られる回転速度を基に、これらの異常周波数成分の発生領域を予測し、その発生予想範囲について周波数の切り出しを行ってもよい。

エンベロープ部４１ｃは、フィルタ部４１ｂから送出された信号にエンベロープ処理を施す。エンベロープ処理は、入力振動波形の包絡線に比例した出力を得るものである。エンベロープ部４１ｃは、エンベロープ処理後の信号を第２周波数処理部４１ｄに出力する。なお、このエンベロープ部４１ｃは、信号の特性によっては、適宜省略することが可能である。

第２周波数処理部４１ｄは、エンベロープ部４１ｃから出力された信号をＦＦＴアルゴリズム等を用いて周波数変換し、周波数スペクトルデータを生成する。図３及び図４は、第２周波数処理部４１ｄにより生成された周波数スペクトルデータを表すグラフである。外輪に異常が発生している場合、図３に示されるように、外輪の損傷に起因する周期的なスペクトルピークが信号成分に含まれていることがわかる。一方、異常が発生していない場合、図４に示されるように、どの周波数帯にも特別なピークは見受けられない。生成された周波数スペクトルデータは、各種パラメータ演算部４２に出力される。

各種パラメータ演算部４２は、第２周波数処理部４１ｄで得られた周波数スペクトルの一つの次数成分帯域の自乗平均（Ｖｉ）又はパーシャルオーバオール（Ｓｉ）、及び、周波数スペクトルの帯域全体の自乗平均（Ｖ_ＲＭＳ）又はオーバーオール（Ｓ_ＯＡ）である正規化値を算出し、前述の一つの次数成分帯域の自乗平均（Ｖｉ）又はパーシャルオーバオール（Ｓｉ）を前記正規化値（Ｖ_ＲＭＳ又はＳ_ＯＡ）で除した値又は差分の値を算出する処理を行う。算出された除した値又は差分の値は、照合部４３に送られる。

ここで、自乗平均(Vi)、パーシャルオーバオール(Si)、自乗平均(V_RMS)及びオーバーオール(S_OA)は以下の式で与えられる。

照合部４３は、各種パラメータ演算部４２から送出された除した値又は差分の値を保存されている参照データと比較照合し、パラメータ演算部４２から送出された値が、正常な範囲であるかどうかを判断する。そして、照合部４３は、判断結果を診断部４４に出力する。参照データは、ＰＣ部３０内部に設けられたハードディスク等の記録媒体からなる参照データ保持部５１、又はＰＣ部３０の外部に設けられた参照データ保持部５０に保存されている。外部に設けられた参照データ保持部５０は、インターネットやＬＡＮ等からなるネットワークを介してＰＣ部３０に接続されていてもよい。照合部４３に保存された参照データは、所定の定数であってもよく、また異常が発生していない場合に測定された正常値を基に算出された値であってもよい。

診断部４４は、照合部４４の判断結果を受け取り、判断結果に応じて異常が発生しているかどうかを判断する。診断部４４は、異常が発生していると判断した場合、ＰＣ部３０に接続されたモニタ６０に異常が発生している旨を通知したり、警告音を発して異常をユーザに通知したりする。

以下、図３及び図４のデータに関し、上記手法を適用してみる。図３の左端近傍（10〜20Hzあたり）には、異常ピーク周波数帯が存在する。このスペクトル全体の自乗平均値Vaは、0.016である。一方、図４の対応するスペクトル全体の自乗平均値Vnは、0.008である。ここで、外輪傷に起因する異常周波数帯（基本周波数）に対して抽出する周波数帯域幅を2Hzとすると、その帯域における自乗平均値をVで正規化した値は、図３の場合90.78であり、図４の場合38.47となる。異常を有する場合は、正常時に比べて約2.4倍正規化した値が大きいことがわかる。従って、90.78と38.47の間又は正常時と異常時の比に所定のしきい値を設け、しきい値より大きい場合には、外輪に異常が発生していると判断することができる。

なお、ころ軸受の内輪きずに起因する周波数成分帯域に関して算出すると、異常時の正規化された値は、正常時の約0.3倍である。また、ころ軸受の転動体や保持器等、及び歯車に起因する周波数成分帯域に関して算出すると、正常値に比べて同等若しくはそれよりも小さくなっている。このことから、各部品の異常の有無と部位（この例では外輪）が特定できることが確認できる。また、ここでは自乗平均を用いて比較を行ったが、オーバーオールを用いて同様の比較を行うことにより、各部品の異常の有無と部位を特定することができる。

また、上記説明では、一つの周波数成分帯域を用いて異常診断を行ったが、これに限らず、複数の周波数成分帯域を用いて異常診断を行うことも可能である。具体的には、周波数スペクトルの複数の次数成分帯域の自乗平均又はパーシャルオーバオール、及び、周波数スペクトルの帯域全体の自乗平均又はオーバーオールである正規化値を算出し、複数の次数成分帯域の自乗平均又はパーシャルオーバオールを正規化値でそれぞれ除した値又は差分の値を算出し、除した値又は差分の値と所定の定数との比較照合を行うことにより達成される。

図５及び図６は、複数の帯域を用いる場合の例を示す。図５は、外輪に損傷を有するころ軸受及び正常な歯車（歯数；31）を有する機械設備のエンベロープ周波数スペクトルを示すグラフである。この図では、５つの周波数ピークが観測されており、基本周波数から、その整数倍毎に第１次高調波から第４次高調波までが観測されている。一方、図６は、図５に対応する観測データであり、特異周波数は見あたらない。

以下、図５及び図６のデータに関し、上記手法を適用してみる。外輪きずに起因する基本周波数およびその５次までの高調波の各帯域における自乗平均値の和をスペクトル全体の自乗平均値で正規化した値は、図５の場合は11.64であり、図６の場合は5.19となる。ここで、５次の高長波とは、基本周波数から数えて５番目のピークを意味する。異常を有する場合は、正常時に比べて約2.2倍正規化した値が大きいことがわかる。従って、11.64と5.19の間又は正常時と異常時の比に所定のしきい値を設け、しきい値より大きい場合には、外輪に異常が発生していると判断することができる。

同様に、ころ軸受の内輪、転動体、保持器等および歯車に起因する周波数成分帯域に関して算出すると、正常値に比べて同等若しくは小さくなっているので、各部品（この例では、軸受）の異常の有無と部位（この例では、外輪）が特定できる。本実施例により、複数の次数成分帯域を対象とした場合においても有効であることがわかる。ここでは、複数の次数成分帯域は、所定の振動の基本周波数帯域から５次の周波数帯域の組み合わせであることが好ましい。

また、複数の次数成分帯域は、所定の振動の基本周波数帯域、２次の周波数帯域、及び３次の周波数帯域からなる第１の組み合わせ、所定の振動の基本周波数帯域、２次の周波数帯域、及び４次の周波数帯域からなる第２の組み合わせ、又は、２次の周波数帯域、４次の周波数帯域、及び６次の周波数帯域からなる第３の組み合わせであってもよい。また、正規化値は、基本周波数からｎ次の高調波までの周波数帯域全体の自乗平均又はオーバーオールであってもよい。

また、単一の周波数帯を用いる場合でも複数の周波数帯を用いる場合であっても、正常値と比較するのではなく、基準値を設定し、基準値と比較することでも異常の有無を判別することが可能となる。例えば、本実施例においては、自乗平均値10を基準値として設定しておけば、この値を超えているときに異常があると判定することができる。基準値を設定する場合には、任意に設定してもよいし、予め固定しておいてもよい。

図７は、図５と図６のスペクトルデータを用いて、周波数スペクトルにおける外輪きずに起因する成分帯域のみの自乗平均値を周波数全体の自乗平均で正規化した値と周波数帯域幅の関係を示す。実線は、基本周波数のみで比較算出した場合で、波線は基本周波数から５次の高調波までの各帯域を用いて比較算出した場合である。図より、周波数帯域幅を大きくしても正常の場合に比べ異常値の値の比がはっきりと区別されていることがわかる。従って、基本周波数を算出するときに用いる回転数が実際の回転数と多少異なっていたとしても、周波数帯域幅を広く取ることで、異常診断を正確に行うことが可能である。

以上、本実施形態によれば、自乗平均値又はオーバーオールを算出して各種計算を行い、所定のしきい値（基準値）と比較を行うことで、異常診断を行い、良好な異常診断を行うことが可能である。また、本実施形態では、データ数の限定を行っているため、ノイズや回転体に起因しない周波数成分のピークの影響を無くすことができ、計算負荷も軽減し、解析に要する時間のロスも少なくすることが可能である。

なお、本実施形態では、モニタ６０上に、現在の回転数又は回転数の時間変化を表すグラフを表示させるようにしてもよい。これにより、ユーザは、回転数の異常を確認し、機械設備１に異常が発生していると判断することも可能となる。

なお、ＰＣ部３０は、モニタ６０に異常を表示すると共に、機械設備１を有する機械装置を緊急停止するよう構成してもよい。この場合、ユーザが機械装置近傍にいない場合であっても、これ以上の機械装置の破損を未然に防ぐことが可能である。

なお、上記実施形態では、回転体として転がり軸受を例に説明したが、本発明はこれに限られず、回転体を有する各種機械装置に適用することが可能である。例として、ボールねじ、リニアガイド、各種モータ等に適用することが可能である。

本発明の実施形態の異常診断装置を示す図である。 各種分析処理部での処理を示す図である 異常を有するころ軸受のエンベロープ周波数スペクトルを示すグラフである。 正常なころ軸受のエンベロープ周波数スペクトルを示すグラフである。 異常を有するころ軸受のエンベロープ周波数スペクトルを示すグラフである。 正常なころ軸受のエンベロープ周波数スペクトルを示すグラフである。 周波数スペクトルにおける外輪きずに起因する成分帯域のみの自乗平均値を周波数全体の自乗平均で正規化した値と周波数帯域幅の関係を示すグラフである。

符号の説明

１ 機械設備
１０ 異常診断装置
１１ 検出部
１２ 増幅部
３０ ＰＣ部
４０ 診断プログラム
５０，５１ 参照データ保持部
６０ モニタ

Claims (4)

1. １又は複数の摺動部材を含む機械設備の異常を診断する異常診断方法であって、
   前記機械設備から発生する波動を検出するステップと、
   前記波動の周波数スペクトルを算出するステップと、
   前記周波数スペクトルの一つの次数成分帯域の自乗平均又はパーシャルオーバオール、及び、前記周波数スペクトルの帯域全体の自乗平均又はオーバーオールである正規化値を算出する第１算出ステップと、
   前記一つの次数成分帯域の自乗平均又はパーシャルオーバオールを前記正規化値で除した値又は差分の値を算出する第２算出ステップと、
   前記除した値又は差分の値と所定の定数との比較照合を行うステップと、
   前記比較照合の結果に基づき、前記機械設備の異常を診断するステップと、を有し、
   前記波動の周波数スペクトルを算出するステップは、
   検出された波動をＦＦＴアルゴリズムにより周波数変換して周波数スペクトルデータを生成するステップと、
   得られた周波数スペクトルを基に、異常ピーク周波数が含まれる周波数を切り出すフィルタ処理を行うステップと、
   前記フィルタ処理を行って異常周波数が含まれる切り出された周波数の信号にエンベロープ処理を施すステップと、
   前記エンベロープ処理を施された信号をＦＦＴアルゴリズムにより周波数変換して周波数スペクトルデータを生成するステップと、
   を備えることを特徴とする異常診断方法。
2. 前記第１算出ステップは、前記周波数スペクトルの１つの次数成分帯域の自乗平均、前記周波数スペクトルの帯域全体の自乗平均である正規化値を算出し、
   前記第２算出ステップは、前記１つの次数成分帯域の自乗平均を前記正規化値で除した値又は差分の値を算出することを特徴とする請求項１に記載の異常診断方法。
3. １又は複数の摺動部材を含む機械設備の異常を診断する異常診断装置であって、
   前記機械設備から発生する波動を検出する波動検出手段と、
   前記波動の周波数スペクトルを算出する周波数解析手段と、
   前記周波数スペクトルの一つの次数成分帯域の自乗平均又はパーシャルオーバオール、及び、前記周波数スペクトルの帯域全体の自乗平均又はオーバーオールである正規化値を算出し、前記一つの次数成分帯域の自乗平均又はパーシャルオーバオールを前記正規化値で除した値又は差分の値を算出するパラメータ演算手段と、
   前記除した値又は差分の値と所定の定数との比較照合を行う比較照合手段と、
   前記比較照合の結果に基づき、前記機械設備の異常を診断する診断手段と、を有し、
   前記周波数解析手段は、
   検出された波動をＦＦＴアルゴリズムにより周波数変換して周波数スペクトルデータを生成する第１周波数処理部と、
   得られた周波数スペクトルを基に、異常ピーク周波数が含まれる周波数を切り出すフィルタ処理を行うフィルタ部と、
   前記フィルタ処理を行って異常周波数が含まれる切り出された周波数の信号にエンベロープ処理を施すエンベロープ部と、
   前記エンベロープ処理を施された信号をＦＦＴアルゴリズムにより周波数変換して周波数スペクトルデータを生成する第２周波数処理部と、
   を備えることを特徴とする異常診断装置。
4. 前記パラメータ演算手段は、前記周波数スペクトルの１つの次数成分帯域の自乗平均、前記周波数スペクトルの帯域全体の自乗平均である正規化値を算出し、前記１つの次数成分帯域の自乗平均を前記正規化値で除した値又は差分の値を算出することを特徴とする請求項３に記載の異常診断装置。

Images