JP4561304B2 - 機械設備の異常診断システム - Google Patents

Description

本発明は、鉄道車両、航空機械、風力発電装置、工作機械、自動車、製鉄機械、製紙機械、回転機械、等といった、軸受を含む機械設備の異常診断技術に関し、より詳細には、機械設備から発生する音または振動を分析することにより、その機械設備内の摺動部材または摺動部材関連部材の異常を診断する機械設備の異常診断技術に関する。

従来、この種の異常診断技術として、機械設備の摺動部材または摺動部材関連部材からの音または振動を表す信号を検出し、検出した信号またはそのエンベロープ信号の周波数スペクトルを求め、その周波数スペクトルから、機械設備の摺動部材または機械設備の摺動部材関連部材の異常に起因する周波数成分のみを抽出し、抽出した周波数成分の大きさにより、機械設備に使用されている摺動部材における異常の有無を診断するものが知られている（特許文献１参照）。

また、回転体または回転体関連部材から発生する音または振動を検出し、検出した信号から診断に必要な周波数帯域の信号を取り出し、更に取り出した信号のエンベロープ信号を求め、求めたエンベロープ信号を周波数解析し、周波数解析により回転体または回転体関連部材の異常に起因する周波数の基本周波数成分の大きさと、その自然数倍の周波数成分の大きさとを求め、求めた基本周波数成分の大きさと、その自然数倍の周波数成分の大きさとを比較し、少なくともその比較結果を、機械設備の異常を判断する基準として用いるようにしたものも知られている（特許文献２参照）。

また、機械設備から発生した音または振動のアナログ信号をＡ／Ｄ（アナログ・デジタル）変換によりデジタル信号に変換して実測デジタルデータを生成し、この実測デジタルデータに対して周波数分析およびエンベロープ分析等の適宜解析処理を行なって実測周波数スペクトルデータを生成し、機械設備の異常に起因した周波数成分の１次、２次、４次値に対する実測周波数スペクトルデータ上のピークの有無により、機械設備に対する異常の有無の診断を行なうものも知られている（特許文献３参照）。

また、振動加速度のエンベロープ波形をデジタル信号に変換し、デジタル化した振動データの時間毎の振動スペクトル分布を求めると共に、振動測定時の転がり軸受の回転速度を時々刻々求めて、回転速度の時間変化パターンと振動スペクトル分布におけるピークスペクトルの周波数の時間変化パターンが一致し、さらに、任意の時刻におけるピークスペクトルの周波数が、転がり軸受の回転数と転がり軸受の幾何学的寸法とから求まる転がり軸受損傷の特徴周波数と一致する場合に、転がり軸受の特定部位に損傷が発生したと判定するものも知られている（特許文献４参照）。

これらの従来技術においては、エンベロープ信号を求める処理（エンベロープ処理）はアナログ処理であったりデジタル処理であったりするが、周波数解析処理にはデジタル処理である高速フーリエ変換（ＦＦＴ）処理が使用される。ＦＦＴ演算を行なうために、エンベロープ処理の前または後にＡ／Ｄ変換を行なっている。そして、いずれの従来技術においても、エンベロープ処理の直後にＦＦＴ演算を行なっている。

エンベロープ処理をアナログ処理により行なう方式では、エンベロープ処理ユニットが必要となる。したがって、システムのコスト低減および小型化を図る上では、エンベロープ処理をデジタル処理で行なう方式の方が有利である。

エンベロープ処理をデジタル処理で行なう方式において、異常診断効率を上げる方法として、ＦＦＴ演算の効率を上げることが考えられる。ＦＦＴ演算の効率向上は、ＦＦＴ演算のポイント数を少なくすることにより達成可能である。
特開２００３−２０２２７６号公報 特開２００３−２３２６７４号公報 特開２００３−１３０７６３号公報 特開平０９−１１３４１６号公報

しかし、ＦＦＴ演算のポイント数を少なくして計算効率を上げようとすると、周波数分解能が悪くなってしまい、異常診断の精度低下を招くという問題がある。

本発明は、前述した事情に鑑みなされたものであり、その目的は、機械設備からの信号の周波数分解能の向上とＦＦＴ演算の効率向上とを両立させて、異常診断を高精度に且つ高効率に実施することができる、機械設備の異常診断システムを提供することにある。

上記目的を達成するため、本発明にかかる異常診断システムは、下記（１）、（２）、および（３）を特徴としている。
（１）機械設備から発生する音または振動を検出し、検出した信号を分析することにより、その機械設備内の軸受または軸受関連部材の異常を診断する異常診断システムであって、
前記検出した信号を予め必要とされるサンプリング周波数よりも高いサンプリング周波数でサンプリングするサンプリング処理部と、
当該サンプリング処理部によりサンプリングされた信号から診断に必要な周波数帯域の信号を取り出すフィルタ処理部と、
当該フィルタ処理部により取り出された信号を間引き処理するデシメーション処理部と、
当該デシメーション処理部により間引き処理された信号のエンベロープ信号を求めるエンベロープ処理部と、
当該エンベロープ処理部により得られたエンベロープ信号を周波数解析するＦＦＴ演算部と、
当該ＦＦＴ演算部による解析結果に基づいて異常を診断する診断部と、
を備えたこと。
（２）上記（１）の構成の異常診断システムにおいて、前記エンベロープ信号の周波数帯域を低帯域化するデジタルフィルタ処理部を更に備えたこと。
（３）上記（１）または（２）の構成の異常診断システムにおいて、前記ＦＦＴ演算部をＤＳＰで実現するとともに、前記ＦＦＴ演算部に入力するデータ数を当該ＤＳＰ内のメモリに収容可能なデータ数としたこと。

上記（１）の構成の異常診断システムによれば、検出された信号のＡ／Ｄ変換時のサンプリングレートを高めに設定してから周波数帯域制限および間引き処理を行なうため、アンチエリアシングフィルタの省略が可能であり、エンベロープ処理の後で信号の間引き処理を行なって、エンベロープ波形解析のためのＦＦＴ演算のポイント数を少なくするので、検出された信号の周波数分解能の向上とＦＦＴ演算の効率向上とを両立させて、軸受の異常診断を高精度に且つ高効率に実施することができる。
上記（２）の構成の異常診断システムによれば、エンベロープ信号の周波数帯域を低帯域化するデジタルフィルタ処理を行なうことにより、エリアシング等の影響を抑えて確実に低域のＦＦＴ演算処理を実行することができる。
上記（３）の構成の異常診断システムによれば、ＤＳＰによる高速ＦＦＴ処理が可能になる。

本発明の異常診断システムによれば、機械設備内の軸受または軸受関連部材の異常診断を高精度に且つ高効率に実施することができる。

以下、本発明を実施するための最良の形態について、転がり軸受を含む機械設備を対象とし、機械設備内の転がり軸受の傷の有無を判断する場合を例に説明する。

［第１の形態例］
図１は本発明の異常診断システムの第１の形態例を示すブロック図、図２は本発明の異常診断システムの具体的構成要素であるマイクロコンピュータ（ＭＰＵ）とその周辺回路の形態例を示すブロック図である。

図１に示すように、本発明の異常診断システムは、アンプ・フィルタ（フィルタ処理部）１、Ａ／Ｄ変換器２、第１デジタルローパスフィルタ３、第１デシメーション部（間引き部）４、エンベロープ処理部５、第２デジタルローパスフィルタ６、第２デシメーション部（間引き部）７、ＦＦＴ演算部８、診断部９、回転速度変換処理部１０、および診断結果出力部１１を備えている。

アンプ・フィルタ１には、診断対象の機械設備から発生する音または振動を検出するセンサ（振動センサ、音響センサ、等）により検出された信号が入力される。アンプ・フィルタ１は、入力された信号を所定のゲインで増幅するとともに、所定周波数（ここでは８０ｋＨｚ）以上の信号を遮断する。

Ａ／Ｄ変換器２は、アンプ・フィルタ１を通過したアナログ信号を、所定のサンプリング周波数（ここでは２５０ｋＨｚ）でサンプリングし、デジタル信号に変換する。一度にサンプリングするポイント数はおよそ２０万としておく。データ長は１６ビットである。図２に示すように、このシステムは信号処理回路としてマイクロコンピュータ１０を使用しているが、外付けのＲＡＭ１１を備えているので、この程度の変数領域を確保することは容易である。マイクロコンピュータ１０は浮動小数点ユニット（ＦＰＵ）を備えていない。

第１デジタルローパスフィルタ３は、Ａ／Ｄ変換器２により生成されたデジタル信号のうち、所定の周波数（ここでは１０ｋＨｚ）以下の信号のみ通過させるものであり、たとえば５５次のＦＩＲフィルタで構成されている。図３は第１デジタルローパスフィルタ３の周波数特性を例示している。このフィルタ３は、１０ｋＨｚ以下ではまったく減衰せず、１０ｋＨｚから２５ｋＨｚまで減衰率が増加し、２５ｋＨｚ以上では６０ｄＢの減衰率になる。２５ｋＨｚで阻止域に達する周波数帯域の波形に対しては、サンプリング周波数が少なくとも５０ｋＨｚあれば十分である。

第１デシメーション部（間引き部）４は、第１デジタルローパスフィルタ３を通過した信号を所定のサンプリング周波数（ここでは５０ｋＨｚ）でサンプリングすることにより間引き処理する。Ａ／Ｄ変換器２によるサンプリング周波数が２５０ｋＨｚであるので、サンプリングポイント数（データ数）が１／５に間引かれる。これにより、２０万ポイントあったデータが40960ポイントのデータに削減される。

エンベロープ処理部５は、第１デシメーション部４により取り出された信号のエンベロープ信号（包絡線波形信号）を求める。

第２デジタルローパスフィルタ６は、エンベロープ処理部５により得られたエンベロープ信号のうち、所定の周波数（ここでは１ｋＨｚ）以下の信号のみ通過させるためのフィルタであり、たとえば１１０次のＦＩＲフィルタで構成されている。図４は第２デジタルローパスフィルタ６の特性波形を例示している。このフィルタ６は、軸受の異常を示す特徴周波数に合わせてフィルタリング処理を行なうものであり、１ｋＨｚ以下では全く減衰せず、１ｋＨｚから２．５ｋＨｚまで減衰率が増加し、２．５ｋＨｚ以上では６０ｄＢの減衰率になる。

第２デシメーション部（間引き部）７は、第２デジタルローパスフィルタ６を通過した信号を所定のサンプリング周波数（ここでは５ｋＨｚ）でサンプリングすることにより間引き処理する。第１デシメーション部４によるサンプリング周波数が５０ｋＨｚであるので、その１／１０のサンプリングポイントに間引かれる。２．５ｋＨｚで阻止域に達する周波数の波形に対しては、サンプリング周波数が少なくとも５ｋＨｚあれば十分である。この間引き処理により、40960ポイントあったデータが4096ポイントのデータに削減される。

ＦＦＴ演算部８は、第２デシメーション部７により間引き処理した後のエンベロープ信号を周波数解析する。この例の場合、4096ポイントのデータを使用して、検出された信号のエンベロープの周波数分析を行なう。これにより5000／4096＝１．２２Ｈｚの分解能で周波数分析がなされる。

診断部９は、ＦＦＴ演算部６にて周波数解析された結果より得られるピークのなかで、転がり軸受に起因した周波数の基本周波数成分の大きさと、回転速度変換処理部１０より与えられる判定基準データ（回転速度）と軸受の諸元から得られる軸受の異常を示す周波数とを比較し、その結果に基づいて転がり軸受の異常を診断する。

回転速度変換処理部１０は、転がり軸受に設けられた図示しない回転センサからの回転信号に応じた判定基準データを生成し、そのデータを診断部９に与える。

診断結果出力部１１は、診断部９による診断結果を出力する。

図５（ａ）はＦＦＴ演算部８による演算の結果得られたエンベロープのスペクトル波形を示している。これは転がり軸受の外輪傷成分を捉えたもので、基本周波数成分と高次成分が明瞭に表れている。この場合、診断部９は、回転速度変換部１０から得られる回転速度と軸受の諸元から得られる軸受の異常を示す周波数を算出し、図５（ａ）における基本周波数と６次までの高調波成分とを比較した結果、外輪欠陥に起因する周波数成分と一致したため、外輪に異常があるとの診断結果を出力した。

ここで比較例として、サンプリング周波数ｆｓを２５ｋＨｚ、カットオフ周波数ｆｃを１０ｋＨｚとした上記の例と同じ条件の波形をエンベロープ処理してからＦＦＴ演算して得られたスペクトル波形を図５（ｂ）に示す。ＦＦＴ演算のポイント数は１６３８４であるから、この比較例における周波数分解能は25000／16384＝１．５２６Ｈｚである。

本発明の形態例（図５（ａ））では、比較例（図５（ｂ））に対してＦＦＴ演算のポイント数が16384からその１／４の4096に減った上に分解能は約１．５３Ｈｚから１．２２Ｈｚに向上している。これはエンベロープ処理の前後で間引き（デシメーション）処理を行なったことによる効果である。

図６は、ＦＦＴ演算のポイント数を少なくしたことによるＦＦＴ演算処理時間削減の効果を示している。この形態例の場合、ＦＦＴ演算処理を実行するハードウェアとして図２に示すように内部に高速ＲＡＭ１０ａを有するマイクロコンピュータ１０を使用した。このマイクロコンピュータ１０の内部の高速ＲＡＭ１０ａには４０９６ポイントまでのＦＦＴデータを収めることができた。その結果、８１９２ポイント以上のＦＦＴデータを収めた場合の計算時間よりも圧倒的に速く計算することができた。このような高速メモリ１０ａを持たないシステムにおいても、図６中の点線に示したような効果が得られる。ＦＦＴは２のべき乗の点数で計算することが必要なので、この例では結果的に４０９６ポイントになるようにサンプリングと間引き処理を行なったが、仮に４０９６ポイントに過不足があってもその分のポイント数を省くかまたは０のデータを前後に追加すればよい。

図７は、転がり軸受の外輪診断のＳ／Ｎ比の比較例を示すグラフである。基本波と６次までの高調波成分とそれらの成分を除いた１ｋＨｚまでの成分の比がＳ／Ｎ比で示されている。図７中のＡは上記比較例に対応している。Ｃは上記形態例に対応している。Ｂは第２のデジタルローパスフィルタ６を省略した場合のＳ／Ｎ比である。ＡとＣとの比較では、両者のＳ／Ｎ比にさほど差異はないといえるが、Ｃの方が若干良い。Ｃの方がＡよりもＦＦＴ演算のポイント数が少ないにも拘わらず、Ｓ／Ｎ比が向上しているのは第２のデジタルローパスフィルタ６による帯域制限の効果である。

以上説明したように、この形態例の異常診断システムでは、エンベロープ処理の前後で信号の間引き処理を行なって、センサにより検出された信号のエンベロープ波形解析のためのＦＦＴ演算のポイント数を少なくしたことにより、信号の周波数分解能の向上とＦＦＴ演算の効率向上とを両立させて、軸受の異常診断を高精度に且つ高効率に実施することができる。

また、この異常診断システムでは、センサにより検出された信号のＡ／Ｄ変換時のサンプリングレートを高めに設定してから周波数帯域制限および間引き処理を行なうため、アンチエリアシングフィルタの省略が可能である。すなわち、Ａ／Ｄ変換器２によるサンプリング周波数（２５０ｋＨｚ）の１／２（ナイキスト周波数）以上の周波数の信号を第１デジタルローパスフィルタ３でカットするため、通常はアンチエリアシングフィルタを挿入する必要があるが、ここではアンプ・フィルタ１の周波数帯域が８０ｋＨｚ未満であるのに対して、Ａ／Ｄ変換器２によるサンプリング周波数が２５０ｋＨｚであるので、サンプリング定理を満たしており、アンチエリアシングフィルタは不要となった。これにより、異常診断システムの低コスト化が可能となった。

［第２の形態例］
図８は本発明の異常診断システムの第２の形態例を示すブロック図である。第２の形態例では、第１の形態例においてエンベロープ処理部５の前後に設けられていたデジタルローパスフィルタ３、６およびエンベロープ処理部５の前のデシメーション処理部４が省略されている。この構成は、Ｓ／Ｎ比が多少低下しても、少ないポイント数のＦＦＴ演算でエンベロープ波形解析の周波数分解能を高めることができればよい場合に適用できる。

デジタルローパスフィルタを使用しない間引き処理は、エリアシングの影響を受ける反面それ自体がローパスフィルタ処理の役割を果たす。そしてエンベロープ処理もそれ自体が結果的にローパスフィルタ処理の働きを兼ねるので、デシメーション処理部７の前のデジタルローパスフィルタ６を省略できる場合は多いと考えられる。前段のアンプや伝送路の周波数特性からエリアシングを起こさないことが分かっている場合は、デジタルローパスフィルタを使用せずに間引き処理を行なうことは何の差支えもない。

なお、デジタルフィルタの演算効率はＦＦＴ演算の場合と若干性格が異なる。ＦＦＴは一括演算処理のためデータ数が少ないほど演算速度が向上するのに対し、デジタルフィルタは基本的に逐次処理を行なうためフィルタの次数が問題となる。しかし、上記の形態例では、エンベロープ処理部５の後の第２デジタルローパスフィルタ６でも１００〜２００のフィルタ次数を見込んでおけばよい。この程度のフィルタ次数であれば、一般的なマイクロコンピュータ１０内の高速メモリ１０ａにおける処理に何ら問題ない。

また、第１および第２の形態例では、マイクロコンピュータ１０がＦＰＵを備えていないため、固定小数点演算に適したＦＩＲフィルタを使用したが、ＦＰＵを備えたシステムの場合にはデジタルローパスフィルタにＩＩＲフィルタを使用すれば、計算精度を落とすことなくフィルタ次数を低減できる。

［第３の形態例］
図９は本発明の異常診断システムの第３の形態例を示すブロック図（ハードウェア構成図）である。図１０は第３の形態例の異常診断システムにおける一連の処理の流れを示すフロー図である。

マイクロコンピュータ２０には、シンクロナスＤＲＡＭ２１、フラッシュメモリ２２、アンプ・フィルタ（フィルタ処理部）２３、および液晶表示器（ＬＣＤ）２４が接続されている。

マイクロコンピュータ２０は、ＣＰＵ２０ａの他にＤＳＰ２０ｂ、およびキャッシュＲＡＭ２０ｃを備えている。

ＤＳＰ２０ｂは、専用の命令で積和演算を１サイクルで実行できるように、それぞれ専用のバスで接続されたＸ-ＲＡＭとＹ-ＲＡＭとからなるＸ／Ｙ-ＲＡＭ２０ｄを内蔵している。Ｘ-ＲＡＭとＹ-ＲＡＭの容量は８キロバイトずつである。ＤＳＰ２０ｂは、命令バスと合わせて３つのバスに同時にアクセス可能であり、複数の命令を同時に実行することができる。Ｘ／Ｙ-ＲＡＭは、デュアルポートＲＡＭ、デュアルアクセスＲＡＭ、マルチポートＲＡＭ、等とも呼ばれる。

シンクロナスＤＲＡＭ２１、フラッシュメモリ２２およびアンプ・フィルタ２３は、ＣＰＵ２０ａの外部バスに接続されている。シンクロナスＤＲＡＭ２１は、主記憶として機能する３２ＭＢ（メガバイト）の容量のメモリである。フラッシュメモリ２２は、プログラム格納領域として機能する４ＭＢの容量のメモリである。フラッシュメモリ２２には、図１０に示す一連の処理を実施するためのプログラムが格納されている。アンプ・フィルタ２３は、センサからの信号を増幅するアンプ２３ａと、アンプ２３ａにより増幅された信号を所定のサンプリング周波数（ここでは２５０ｋＨｚ）でサンプリングし、デジタル信号に変換する１６ビットの分解能のＡ／Ｄ変換器２３ｂとで構成される。

シンクロナスＤＲＡＭ２１およびフラッシュメモリ２２は、ＣＰＵ２０ａよりも動作速度が遅いため、ＣＰＵ２０ａの高速性を生かすためにはキャッシュメモリが不可欠である。そのために、マイクロコンピュータ２０には、データ／命令混在型のキャッシュＲＡＭ２０ｃが内蔵されている。

液晶表示器２４は、診断情報を表示するための出力装置である。

図１０に示す一連の処理に含まれるデジタル演算処理のうち扱うデータの量が最も大きいのはＦＦＴ演算処理（Ｓ４）である。ＦＦＴ演算処理（Ｓ４）をＤＳＰ２０ｂで行なうには、ＦＦＴ演算処理（Ｓ４）で使用するデータがＸ／Ｙ-ＲＡＭ２０ｄに収まる必要がある。

一方、軸受の振動解析によって傷を検出するには、１０ｋＨｚ程度までの周波数帯域で振動を検出する必要があるが、傷を捕捉するための軸受の転動体の通過振動数は一般的には１ｋＨｚ以下になる。この例では、診断対象である軸受の転動体通過振動数が１００Ｈｚ以下の低い周波数であるものとする。

このように転動体通過振動数が低い場合、軸受の異常を正確に診断するには比較的長い時間の波形サンプリングが必要である。

そこで、図１０のサンプリング処理（Ｓ１）では、アンプ・フィルタ２３からの信号に対し、４８ｋＨｚのサンプリング周波数でサンプリングを行なって、４０００点以上のデータからなる波形データをサンプリングする。この場合、８００ｍｓ以上のサンプリング時間Ｔｗを確保できる。ＦＦＴ演算処理（Ｓ４）の周波数分解能Δｆは、このサンプリング時間Ｔｗで決まる。すなわち、周波数分解能Δｆは、サンプリング時間Ｔｗの逆数（１／Ｔｗ）である。

絶対値処理（Ｓ２）は、エンベロープ処理と同様の処理であり、デジタル処理ではヒルベルト変換による方法等に比べて大幅に演算を簡略化できる。この処理では、サンプリング処理（Ｓ１）にてサンプリングした信号のエンベロープまたは絶対値波形に対して、ＤＣ成分を消すために平均値をとって、振幅０のラインを引き直す。

デシメーション処理（Ｓ３）では、絶対値処理（Ｓ２）を経たエンベロープまたは絶対値波形信号を所定のサンプリング周波数（ここでは４．８ｋＨｚ）でサンプリングすることにより間引き処理する。

ＦＦＴ演算処理（Ｓ４）では、デシメーション処理（Ｓ３）により間引き処理した後の信号を周波数解析する。

ＦＦＴ演算処理（Ｓ４）におけるデータは、実数部と虚数とからなり、それぞれＸ／Ｙ-ＲＡＭ２０ｄのＸ-ＲＡＭとＹ-ＲＡＭに割り当てられる。入力と出力でメモリ領域を供給させる方式とすれば、８ｋＢ分のデータ長をＦＦＴできる。Ａ／Ｄ変換器２３ｂの分解能が１６ビット（２バイト）なので8192／2バイトすなわち４０９６点までのデータをＤＳＰ２０ｂで処理することが可能である。逆に４０９６を越える点数のデータはＤＳＰ２０ｂでは扱えなくなる。そこで、本例では、データ長が４０９６になるように、デシメーション処理（Ｓ３）にて間引き処理を行なっている。サンプリング周波数ｆｓ＝４８ｋＨｚを１／１０に間引くと、ｆｓ＝４．８ｋＨｚになる。これでも軸受欠陥を検知するのに必要な１ｋＨｚの周波数帯域を確保するには十分なサンプリング周波数である。

スペクトル評価処理（Ｓ５）では、ＦＦＴ演算処理（Ｓ４）６にて周波数解析された結果より得られる周波数スペクトルのピークを検出し、そのピークと軸受異常周波数とを比較し、その比較結果に対応する部位別異常診断インデックスを参照することにより異常か否かを評価する。

異常診断ポイント加算処理（Ｓ６）では、スペクトル評価処理（Ｓ５）により異常と評価された数をカウントする。

反復回数判定処理（Ｓ７）では、スペクトル評価処理（Ｓ５）を行なった回数（評価回数ｎ１）が所定の回数Ｎ１に達したか否かを判定する。

位相シフト処理（Ｓ８）は、反復回数判定処理（Ｓ７）にて評価回数ｎ１が所定の回数Ｎ１に達していない（Ｓ８でＮｏ）と判定された場合に実行される。この処理により、位相をずらしてデシメーション処理（Ｓ３）以降の処理が反復される。

波形取込回数判定処理（Ｓ９）は、反復回数判定処理（Ｓ７）にて評価回数ｎ１が所定の回数Ｎ１に達した（Ｓ８でＹｅｓ）と判定された場合に実行される。波形取込回数ｎ２が所定の回数Ｎ２に達していない場合は（Ｓ９でＮｏ）、サンプリング処理（Ｓ１）以降の処理が反復される。波形取込回数ｎ２が所定の回数Ｎ２に達した場合（Ｓ９でＹｅｓ）は、評価／判定処理（Ｓ１０）に進む。

評価／判定処理（Ｓ１０）では、異常診断ポイント加算処理（Ｓ６）によりカウントされた異常評価ポイント数に基づいて軸受の異常の評価／判定を行なう。

上記のように、この形態例では、スペクトル評価処理（Ｓ５）を実施する度に位相をずらして複数回のデシメーション処理（Ｓ３）を実施し、１回のサンプリング波形に対して複数回のＦＦＴ演算処理（Ｓ４）を行なって診断ポイントを累計する方法を採っている。これは、単に間引きをしたデータを１回のＦＦＴで評価したのでは４８ｋＨｚの周波数でサンプリングする意義が小さくなり、最初から４．８ｋＨｚでサンプリングしたのと同じことになるためである。軸受の転動体通過周期は長くても、通過中に起こる衝撃波は傷が小さいほど短時間で減衰するので、高サンプリングは本来有効であり、これを生かすために複数回の位相シフト処理およびＦＦＴ演算処理を行なっている。

図１１（ａ）、（ｂ）は、振動のエンベロープ波形に対して位相をずらして間引き処理を行なう様子を示している。位相シフトは、サンプリングポイントを１ポイントずらすことに相当する。図１１の例では、（ａ）の状態に対し（ｂ）の状態は１ポイントだけ位相シフトして再サンプリングしている様子を示している。図１２の例では、１／５に間引きを行なっているため、最大５通りの再サンプリングの組が得られる。

したがって、１／１０に間引きを行なった場合は、最大１０通りの再サンプリングの組が得られる。この１０通りの組すべてをＦＦＴ演算処理し、検出された周波数成分に応じた評価ポイントを積算した結果を下記の表に例示する。

図１２は位相シフトとＦＦＴ演算処理の繰り返しによる転がり軸受の外輪傷診断結果を示している。この例では、転がり軸受の外輪軌道面に人工傷を付けたサンプル（１、２）と傷の無い正常なサンプル（３、４）とを用意し、軸受の外輪傷の特徴周波数成分を主成分として試験を行なった。一定の時間、このポイントの累計をとり、それを外輪欠陥指標とした。周波数成分の検出は、ＦＦＴスペクトルの移動平均と平滑化微分によるピークを検出することにより行ない、さらにスペクトル成分の大きさにより上位９個の成分に絞り込んだ。

図１３はＦＦＴ演算処理の時間について、ＤＳＰ２０ｂを使った場合とＣＰＵ２０ａのみで行なった場合とを対比させて示したグラフである。この例では、ＦＦＴ演算の点数を、ＤＳＰ２０ｂに命令と同時に２つのデータを読み込むことのできる高速メモリ２０ｄの容量に合わせて４ｋワード長としたので、ＦＦＴ演算をＤＳＰで高速に実行することができた。

以上説明したように、この形態例の異常診断システムでは、デジタル化されたエンベロープ波形に対してＤＳＰ２０ｂ内のＸ／Ｙ-ＲＡＭ２０ｄの容量に見合ったデータ数までサンプリング周波数を下げてＦＦＴ演算処理を行なうようにしたので、ＤＳＰ２０ｂによる高速ＦＦＴ処理が可能であり、しかも絶対値処理の後で間引き処理を行なって、エンベロープ波形解析のためのＦＦＴ演算のポイント数を少なくしたことにより、信号の周波数分解能の向上とＦＦＴ演算の効率向上とを両立させて、軸受の異常診断を高精度に且つ高効率に実施することができる。

［第４の形態例］
図１４は第４の形態例の異常診断システムにおける一連の処理の流れを示すフロー図である。このフローは、デシメーション処理（Ｓ３）の前にデジタルローパスフィルタによるフィルタ処理（Ｓ１１）が挿入されている点が図１０と異なる。また、反復回数判定処理（Ｓ７）および位相シフト処理（Ｓ８）は省略されている。

このように、デシメーション処理（Ｓ３）を行なう際、デジタルローパスフィルタで帯域を予め下げておくことにより、アンチエリアス等の影響を抑えて確実に低域のＦＦＴ演算処理を実行することができる。図１０の方式に比べると、デジタルローパスフィルタ用のプログラムコードとフィルタの特性に合わせて算出されたフィルタ係数とが余計に必要にはなるが、雑音の除去が確実に行なわれる点では有利である。図１５は第４の形態例の場合の外輪傷診断結果を示している。試験に使用したサンプルは図１２の場合と同じである。

本発明の異常診断システムの第１の形態例を示すブロック図である。 本発明の異常診断システムを構成するマイクロコンピュータとその周辺回路の形態例を示すブロック図である。 図１中の第１デジタルローパスフィルタの周波数−利得特性を例示した波形図である。 図１中の第２デジタルローパスフィルタの周波数−利得特性を例示した波形図である。 （ａ）は間引き処理を行なった場合のＦＦＴスペクトル波形を示す波形図、そして（ｂ）は間引き処理を省略した場合のＦＦＴスペクトル波形を示す波形図である。 ＦＦＴ演算のポイント数を少なくしたことによるＦＦＴ演算処理時間削減の効果をグラフに示した図である。 条件を変えて行なった複数の診断の結果をＳ／Ｎ比で対比させたグラフである。 本発明の異常診断システムの第２の形態例を示すブロック図である。 本発明の異常診断システムの第３の形態例を示すブロック図である。 第３の形態例の異常診断システムにおける一連の処理の流れを示すフロー図である。 （ａ）および（ｂ）は、振動のエンベロープ波形に対して位相をずらして間引き処理を行なう様子を示した説明図である。 第３の形態例の場合の診断結果を示す図である。 ＦＦＴ演算処理の時間について、ＤＳＰを使った場合とＣＰＵのみで行なった場合とを対比させて示した図である。 第４の形態例の異常診断システムにおける一連の処理の流れを示すフロー図である。 第４の形態例の場合の傷診断結果を示す図である。

符号の説明

１ アンプ・フィルタ（フィルタ処理部）
２ Ａ／Ｄ変換器
３ 第１デジタルローパスフィルタ
４ 第１デシメーション部（間引き部）
５ エンベロープ処理部
６ 第２デジタルローパスフィルタ
７ 第２デシメーション部（間引き部）
８ ＦＦＴ演算部
９ 診断部
２０ マイクロコンピュータ
２３ アンプ・フィルタ（フィルタ処理部）
２０ｂ ＤＳＰ
２０ｄ Ｘ／Ｙ-ＲＡＭ（内部メモリ）

Claims (3)

1. 機械設備から発生する音または振動を検出し、検出した信号を分析することにより、その機械設備内の軸受または軸受関連部材の異常を診断する異常診断システムであって、
   前記検出した信号を予め必要とされるサンプリング周波数よりも高いサンプリング周波数でサンプリングするサンプリング処理部と、
   当該サンプリング処理部によりサンプリングされた信号から診断に必要な周波数帯域の信号を取り出すフィルタ処理部と、
   当該フィルタ処理部により取り出された信号を間引き処理するデシメーション処理部と、
   当該デシメーション処理部により間引き処理された信号のエンベロープ信号を求めるエンベロープ処理部と、
   当該エンベロープ処理部により得られたエンベロープ信号を周波数解析するＦＦＴ演算部と、
   当該ＦＦＴ演算部による解析結果に基づいて異常を診断する診断部と、
   を備えたことを特徴とする機械設備の異常診断システム。
2. 前記エンベロープ信号の周波数帯域を低帯域化するデジタルフィルタ処理部を更に備えたことを特徴とする請求項１記載の機械設備の異常診断システム。
3. 前記ＦＦＴ演算部をＤＳＰで実現するとともに、前記ＦＦＴ演算部に入力するデータ数を当該ＤＳＰ内のメモリに収容可能なデータ数としたことを特徴とする請求項１又は２記載の機械設備の異常診断システム。

Images