JP6518001B2

JP6518001B2 - 回転機の診断装置及び診断方法

Info

Publication number: JP6518001B2
Application number: JP2018503884A
Authority: JP
Inventors: 鵜沼　宗利; 宗利鵜沼; 藤原　淳輔; 淳輔藤原
Original assignee: Hitachi Ltd
Current assignee: Hitachi Ltd
Priority date: 2016-03-08
Filing date: 2016-03-08
Publication date: 2019-05-22
Anticipated expiration: 2036-03-08
Also published as: WO2017154091A1; US10962449B2; JPWO2017154091A1; US20190003928A1

Description

本発明は、回転機及び回転機が駆動する被駆動機械の異常診断に係る回転機の診断装置及び診断方法に関する。

装置に様々なセンサを取り付けて機器の故障や異常状態を検出する手法が開発されている。特許文献１には、電動機の負荷側が歯車で構成される回転機械系の異常診断方法において、電動機の稼働時の電流信号をサンプリングし、ハイパスフィルターによるフィルター処理を行った後、包絡線検波による包絡線処理を行った電流の時系列信号に対し、更に高速フーリエ変換を行い、歯車の軸の回転周波数の偶数倍の周波数付近に現れるスペクトルのピーク群を検出することで、回転機械系の歯車の軸受又は該歯車の噛み合いに異常が発生したと判断することが開示されている。

また、特許文献２には、誘導電動機と、誘導電動機により駆動される機器と、それら誘導電動機及び機器を相互に接続するカップリングとを有する設備の異常を診断する設備の異常診断方法であって、誘導電動機の少なくとも一相分の負荷電流を測定する電流測定工程と、測定した負荷電流を周波数解析する周波数解析工程と、周波数解析により得られた波形において、誘導電動機に印加される電圧の周波数である運転周波数の高周波数側及び低周波数側の両側に現われる側波帯の有無と、側波帯の位置及び大きさとの少なくとも何れかに基づいて、設備の異常の有無を判断し、設備の異常がある場合には、設備の異常の種類を判定する異常判定工程と、を有することが開示されている。いずれの広報にも、回転機の駆動電流の変化をもとに回転機の異常診断を行う手法について述べられている。

特開２０１５−４６９４号公報特開２０１０−２８８３５２号公報

豊田俊夫、"電流徴候解析ＭＣＳＡによる電動機駆動回転機の診断技術"、高田技報、(Vol.20) 2010年4月、［平成２８年２月１７日検索］、インターネット、＜URL: http://www.takada.co.jp/giho/pdf/gihou20/kikou_1.pdf＞

特許文献１では、歯車の回転周波数の偶数倍の周波数に出現するピークの有無を検出し歯車の噛み合い異常を検出したり、電源周波数のスペクトル強度とこの周波数から軸の回転周波数ずれた位置に表れるスペクトル強度との差を用いて軸アライメントの異常を検出する手法について述べている。

特許文献２では、負荷変動が激しい場合にはサイドバンド周波数が±０〜±数Ｈｚで連続的に変化するため、特許文献２の図５（ｂ）のような波形を示し、正常な誘導電動機の理論的な波形の位置例として示している。

非特許文献１では、回転子の不均一性によりサイドバンド周波数ｆ_ｐｐは、すべりｓと電源周波数ｆ_Ｌの関数として、
ｆ_ｐｐ＝２ｓ・ｆ_Ｌ・・・（１）
と表すことができることを示している。また、これを用いて、電源周波数ｆ_Ｌのスペクトル強度とサイドバンド周波数ｆ_ｐｐのスペクトル強度の差を尺度として回転子バーの損傷状況を検出する手法に関して示している。

回転機及び回転機が駆動する被駆動機械に異常が発生した場合、機械的な損失である機械損や電気的な損失である銅損が増加する。ところが、これらの増加量を、駆動電流を用いて検出する手段に関しては前記文献では開示されて述べられていない。

本発明は、前記の課題を解決するための発明であって、駆動電流により回転機及び回転機が駆動する被駆動機械の異常（特に、機械損や銅損の増加）を検出できる回転機の診断装置及び診断方法を提供することを目的とする。

前記目的を達成するため、本発明の回転機の診断装置は、被駆動機械を駆動する回転機の駆動電流を測定するセンサからの電流を取得する電流取得部と、取得した駆動電流をサンプリングするサンプリング部と、サンプリングされた時間領域のデータを周波数領域に変換する周波数領域変換部と、周波数領域において駆動電流を搬送波としその振幅変調により搬送波の両側に表れるスペクトルを側波帯として検出する側波帯検出部と、側波帯検出部で検出した側波帯の周波数と搬送波の周波数との周波数差に基づいて、回転機及び被駆動機械に異常があるか否かを検出する異常検出部と、を有する。本発明のその他の態様については、後記する実施形態において説明する。

本発明によれば、駆動電流により回転機及び回転機が駆動する被駆動機械の異常（機械損や銅損の増加）を検出できる。

本実施形態に係る診断装置を含む回転機及び回転機が駆動する被駆動機械の構成を示す図である。第1実施形態に係る診断装置の処理ブロックを示す図である。第1実施形態に係る診断装置の処理を示すフローチャートである。駆動電流波形の様子を示す図であり、（ａ）は駆動電流波形であり、（ｂ）は駆動電流尖頭値部の拡大図である。側波帯の様子を示す図である。すべりの経時変化を示す図である。第１実施形態に係る診断装置の他の処理を示すフローチャートである。第２実施形態に係る診断装置の処理ブロックを示す図である。第２実施形態に係る診断装置の処理を示すフローチャートである。検波処理の概略を示す図であり、（ａ）は駆動電流尖頭値部の拡大図であり（ｂ）は検波処理を示す図であり、（ｃ）は検波後の波形（変調信号）を示す図である。第１検波手法を示す図である。第２検波手法を示す図である。検波後の側波帯スペクトル強度を示す図である。第２実施形態に係る診断装置の他の処理を示すフローチャートである。第３実施形態に係る負荷変動を考慮した診断装置の構成を示す図である。第３実施形態に係る負荷変動を考慮した処理ブロックを示す図である。すべりとトルクの関係を示す図である。

以下、本発明の実施形態について、図面を参照して詳細に説明する。
<<第１実施形態>>
図１は、本実施形態に係る診断装置を含む回転機及び回転機が駆動する被駆動機械の構成を示す図である。２３は回転機、２０は回転機２３を駆動するための３相交流電源である。３相交流電源２０は、商用電源でも構わないし、インバータ電源でも構わない。２２はＵ相２１に取り付けられた電流センサ（ＣＴ）である。図１ではＵ相に取り付けられているが他のＶ相、Ｗ相でも構わない。２６は回転機２３が駆動している被駆動機械である。２４は回転機２３の回転軸、２５は回転機２３の動力を被駆動機械２６へ伝達するためのジョイント、ベルト、歯車などの動力伝達装置である。

本実施形態の診断装置１００は電流センサ２２の出力を入力データとして診断を行っている。診断装置１００が検出する機械損とは、回転機２３の軸受、２５の動力伝達装置、２６の被駆動機械などの不具合で増加した機械損である。銅損は回転機２３のコイルの銅損であり、銅損・機械損の増加を診断装置１００が判定し異常がある場合それを出力する。

最初に本実施形態に係る回転機の診断装置１００の処理概要について説明する。
（１）駆動電流より側波帯を検出する。特許文献２でサイドバンド周波数と述べている周波数である。第１の実施形態では以後、駆動電流を搬送波としその振幅変調により搬送波両側に表れるスペクトルを側波帯とする。
（２）側波帯周波数の経時変化の履歴を蓄積する。側波帯周波数は、式（１）よりすべりｓに比例する。すべりｓは機械出力や銅損に比例しており、回転機の負荷が一定の場合、経時劣化による機械損や銅損の増加を表すことになる。
（３）側波帯周波数の変動を比較し、所定の周波数よりも大きくなった（すなわち、所定の機械損及び銅損よりも大きくなった）とし、異常を検出する。
このようなプロセスにより課題を解決できる。以下、第１実施形態では、側波帯の経時変化により異常の検知について説明する。

図２は、第1実施形態に係る診断装置の処理ブロックを示す図である。診断装置１００は、被駆動機械２６を駆動する回転機２３の駆動電流を測定する電流センサ２２からの電流を取得する電流取得部１０と、取得した駆動電流をサンプリングするサンプリング部１１と、サンプリングされた時間領域のデータを周波数領域に変換する周波数領域変換部１２と、周波数領域において駆動電流を搬送波としその振幅変調により搬送波の両側に表れるスペクトルを側波帯として検出する側波帯検出部１３と、側波帯検出部１３で検出した側波帯の周波数と搬送波の周波数との周波数差に基づいて、回転機２３及び被駆動機械２６に異常があるか否かを検出する異常検出部１４と、出力部１５とを有する。異常検出部１４では、例えば、側波帯に基づく指標（例えば、すべりｓ、側波帯周波数ｆ_ｐｐ）を所定の閾値と比較し、回転機２３及び被駆動機械２６に異常があるか否かを検出する。記憶部１６には、各部で処理した結果データ、異常検出部１４で使用する側波帯周波数ｆ_ｐｐの閾値などが記憶されている。

図３は、第１実施形態に係る診断装置の処理を示すフローチャートである。各処理について、適宜図２を参照して説明する。
(処理Ｓ３０)
電流取得部１０は、電流センサ２２の出力値（アナログ値）を取り込む。サンプリング部１１は、デジタル値として変換する。図４に駆動電流波形の一例を示す。

図４は、駆動電流波形の様子を示す図であり、（ａ）は駆動電流波形であり、（ｂ）は駆動電流尖頭値部の拡大図である。図４（ａ）に示す駆動電流は、全体が可視できる倍率で表示している。三相交流波形を電源とした例であるため正弦波に近い波形となっている。図４（ｂ）は、図４（ａ）の点線で囲まれた正弦波の尖頭値部分を拡大した図である。（ａ）では振幅が一定に見えるが拡大することにより、電流振幅に揺らぎが生じていることが分かる。後述するがこの揺らぎが回転機のすべりを表している。

（処理Ｓ３１）
図３に戻り、サンプリング部１１は、処理Ｓ３１で周波数領域に変換する際の窓幅分の時系列電流データを１回の処理サイクルとして、記憶部１６に記憶する。

（処理Ｓ３２）
周波数領域変換部１２は、時系列の時間領域データから、周波数領域へと変換する。変換手法として高速フーリエ変換（ＦＦＴ）や離散フーリエ変換（ＤＦＴ）などを用いても構わない。周波数領域に変換した一例を図５に示す。

図５は、側波帯の様子を示す図である。横軸が周波数、縦軸が電流のスペクトル強度である。被駆動機械２６の負荷が等しい条件での日時Ａ（５１）と日時Ｂ（５２）を表している。日時Ａ（５１）は、装置が稼働して間もない時点、日時Ｂ（５２）は稼働開始後かなり時間が経過した時点である。６０Ｈｚの商用電源を用いて駆動しており電源周波数を表すスペクトルが５０である。日時Ａ（５１）の側波帯スペクトルは、５３及び５４の周波数にあるスペクトルであり、日時Ｂ（５２）の側波帯スペクトルは５７，５８の周波数にあるスペクトルである。

（処理Ｓ３３）
図３に戻り、側波帯検出部１３は、電源周波数（搬送波）と側波帯位置の周波数との周波数差より側波帯周波数ｆ_ｐｐを算出する。日時Ａの５３の周波数をｆ_ＵＳＢ、５４の周波数をｆ_ＬＳＢとする。日時Ａの側波帯周波数ｆ_ｐｐは、電源周波数をｆ_Ｌとすると次式で表される。

ｆ_ｐｐ＝ｆ_ＵＳＢ−ｆ_Ｌ・・・（２）
ｆ_ｐｐ＝ｆ_Ｌ−ｆ_ＬＳＢ・・・（３）
ｆ_ＵＳＢ、ｆ_ＬＳＢとはｆ_Ｌを中心に左右対称に表れるためにどちらを使っても構わない。

（処理Ｓ３４）
側波帯検出部１３は、電源周波数（搬送波）と側波帯位置の周波数との周波数差よりすべりｓを演算する。式（１）の側波帯周波数ｆ_ｐｐと電源周波数ｆ_Ｌとすべりｓの関係から、すべりｓは、式（４）となる。
ｓ＝ｆ_ｐｐ／（２・ｆ_Ｌ）・・・（４）

すべりｓの値が数％以下の場合、トルクとすべりは比例関係にあり、すべりの増加はトルクの増加、つまり機械損や銅損の増加と考えてよい。

図５に示す日時Ａ（５１）の側波帯と日時Ｂ（５２）の側波帯を比較すると、搬送波を中心として若干外側（５５や５６のように搬送波から離れる方向）に移動していることが分かる。日時Ｂは機器を使用開始してからしばらく経過した時点での計測データであるため経年劣化による機械損や銅損の上昇によりすべりが増加しているためである。

（処理Ｓ３５）
図３に戻り、異常検出部１４は、求めたすべりｓと異常状態のすべり閾値Ｔｈ_ｓを比較する。すべりｓがすべり閾値Ｔｈ_ｓを超えた場合（処理Ｓ３５，Ｙｅｓ、異常状態である場合）処理Ｓ３６に進み、すべりｓがすべり閾値Ｔｈ_ｓ以下の場合（処理Ｓ３５，Ｎｏ）、処理Ｓ３０に戻る。

（処理Ｓ３６）
異常検出部１４は、異常状態である場合、出力部１５に異常がある旨を通知し、処理Ｓ３０に戻る。すべりｓの閾値Ｔｈ_ｓの決定と判定の模式図を図６に示す。

図６は、すべりの経時変化を示す図である。横軸は稼働開始からの経過時間、縦軸はすべりｓである。異常状態のすべり閾値Ｔｈ_ｓの決定方向の一例は、過去に故障と判定された機械で計測したすべりｓの値を用いる方法である。過去に機械が故障したときのすべりの値が６０であったとする。経過時間と共に機械的・電気的劣化により徐々に損失が大きくなり異常状態のすべり閾値Ｔｈ_ｓを超えた６１になった場合に異常と判断する。

他の例としては、稼働初期の状態におけるすべりｓの値を基準に、故障或いは注意状態と判定する増加割合を事前に決めておく例である。図６の例では機械の稼働初期のすべりの状態が６２であればすべりの正常な基準６３とし、この基準値の例えば２倍（６４）を、注意の要するすべりの閾値Ｔｈ_ｓとする。これにより、時間経過と共にすべりｓが増加し閾値６４を超えた６５で異常或いは注意と出力しても構わない。

このように、駆動電流の電源周波数を搬送波とした側波帯の周波数偏移を観測することにより機械の異常を検出する事が可能になる。

なお、すべりｓの周波数偏移を用いて説明したが、比例関係にある側波帯周波数ｆ_ｐｐやすべりｓから求まるトルクを用いて処理を行っても同様の効果が得られる。側波帯周波数ｆ_ｐｐを用いた診断装置の処理を図７に示す。

図７は、第１実施形態に係る診断装置の他の処理を示すフローチャートである。図７は図３と比較して、処理Ｓ３３以降の処理が異なる。図７では、異常検出部１４は、側波帯周波数ｆ_ｐｐと異常状態の側波帯周波数の閾値Ｔｈ_ｆを比較する。側波帯周波数ｆ_ｐｐが側波帯周波数の閾値Ｔｈ_ｆを超えた場合（処理Ｓ３５Ａ，Ｙｅｓ、異常状態である場合）、処理Ｓ３６に進み、側波帯周波数ｆ_ｐｐが側波帯周波数ｆ_ｐｐの閾値Ｔｈ_ｆ以下の場合（処理Ｓ３５Ａ，Ｎｏ）、処理Ｓ３０に戻る。そして、処理Ｓ３６において、異常検出部１４は、異常状態である場合、出力部１５に異常がある旨を通知し、処理Ｓ３０に戻る。

<<第２実施形態>>
第２実施形態で、検波処理で分解能向上をした診断装置１００Ａについて説明する。
第１実施形態では、周波数領域へ変換する際に変換窓幅内に図４に示した駆動電流の正弦波も再現できるようなサンプリング速度で取り込んだデータを用いて周波数領域への変換処理を行った。これにより図５に示したように電源周波数と側波帯の関係を可視化することができている。

しかし、図５に示す日時Ａの側波帯（５３）と日時Ｂの側波帯（５７）の周波数差は非常に微小である。周波数分解能を上げるためには周波数領域への変換処理で用いる窓幅を広げればよいが、搬送波の波形形状を保つ条件（正弦波の尖頭値を再現）で窓幅を広げると非常に多くのデータ点数を必要とする。

例えば、図５の例では１０．２４ｋＨｚのサンプリング速度、窓幅約６秒、６５５３６点のデータで周波数分解能０．１６Ｈｚとなる。さらに、窓幅を増やせば周波数分解能を高くすることができるが計算量が大きくなり処理が困難になる。

すべりｓの算出には、搬送波と側波帯の周波数差（側波帯周波数ｆ_ｐｐ）が必要であり、搬送波の周波数位置は不要である。つまり、側波帯（変調信号）を分離し（検波）、変調信号を周波数領域に変換することにより側波帯周波数ｆ_ｐｐを求めることができる。搬送波から分離した信号であるため搬送波を再現するサンプリング周波数は不要となり、変調信号を再現できるサンプリング周波数があればよいことになる。

具体的には、搬送波が６０Ｈｚの場合、変調できる信号は６０Ｈｚ又は１２０Ｈｚ以下であるので、６０Ｈｚ或いは１２０Ｈｚ程度のサンプリング周波数でサンプリングすればよく、図５と同程度の周波数分解能を得たい場合、１／８５程度のサンプリング点でよいことになる。従って、さらに窓を増やし周波数分解能を高くすることが可能になる。以下、第２実施形態では検波処理によりすべり変化の分解能を向上させるための手段について述べる。

図８は、第２実施形態に係る診断装置の処理ブロックを示す図である。図２と同一機能には、同一符号を付している。診断装置１００Ａは、電流取得部１０と、駆動電流を搬送波としその振幅変調の部分を検波処理し変調信号を得て、該変調信号をサンプリングするサンプリング部１１Ａ（検波部）と、サンプリングされた時間領域のデータを周波数領域に変換する周波数領域変換部１２Ａと、周波数領域において変調信号に基づくスペクトルを側波帯として検出する側波帯検出部１３Ａと、側波帯検出部１３Ａで検出した側波帯位置の周波数に基づいて、回転機２３及び被駆動機械２６に異常があるか否かを検出する異常検出部１４Ａと、出力部１５とを有する。記憶部１６には、各部で処理した結果データ、異常検出部１４Ａで使用する側波帯周波数の閾値などが記憶されている。

図９は、第２実施形態に係る診断装置の処理を示すフローチャートである。適宜図８を参照して説明する。
（処理Ｓ９０）
電流取得部１０は、電流センサ２２の出力値（アナログ値）を取り込む。
（処理Ｓ９１）
サンプリング部１１Ａ（検波処理部）は、処理Ｓ９１の検波処理がアナログ処理の場合、アナログ値として、デジタル処理の場合デジタル値として取り込む。取り込んだデータの検波処理を行う。検波処理の概略を図１０に示す。

図１０は、検波処理の概略を示す図であり、（ａ）は駆動電流尖頭値部の拡大図であり（ｂ）は検波処理を示す図であり、（ｃ）は検波後の波形（変調信号）を示す図である。図１０（ａ）に示すように駆動電流がトルク変動（すべり）により振幅変調され電流波形の揺らぎが生じている。従って、電源周波数を搬送波とした振幅変調の検波処理を行えばよい。つまり検波処理とは、図１０（ａ）の電流波形の尖頭値を結んだ曲線（あるいは包絡線）を生成し、図１０（ｂ）の経過を経て、図１０（ｃ）のような波形を生成する手法である。図１０（ｃ）のような波形を生成するには様々な手法がある。その中の幾つかを説明する。

｛第１検波手法｝
図１１は、第１検波手法を示す図である。第１検波手法は、ダイオードとコンデンサ（ローパスフィルタ）を用いた検波手法である。電流波形全体は、図４（ａ）に示すように正負対称な波形でありそのままローパスフィルタをかけても包絡線とはならない。そこで、ダイオードにより負信号部分をカットする。その後にローパスフィルタをかけることにより図１０（ｃ）のような波形が変調信号として生成される。変調信号はＡ／Ｄコンバータなどでデジタルデータに変換され次の処理が行われる。図１１は、半波整流回路であるが全波整流回路でもかまわない。電流のピーク位置が２倍に増えるため電源周波数が６０Ｈｚの場合、１２０Ｈｚまでの変調信号が抽出できる。

なお、図１０はアナログ回路として記載したが、電流信号をデジタル値に変換し、負部分のデータを削除或いは正の信号に反転した後にデジタルのローパスフィルタをかけても構わない。

｛第２検波手法｝
図１２は、第２検波手法を示す図である。第２検波手法は、同期検波、プロダクト検波と言われる手法である。計測した電流波形と電流波形と位相が同期した余弦波を１１１の乗算器で掛け算処理をする。この処理により、正負対称な波形が正部分波形になり、搬送波の２倍の周波数で変調信号が変調波形となる。正の成分になるのでダイオードは不要となる。その後、ローパスフィルタを用いて包絡線を生成することにより図１０（ｃ）のような波形が変調信号として生成される。変調信号はＡ／Ｄコンバータなどでデジタルデータに変換され次の処理が行われる。本手法も第１検波手法と同様にデジタル処理が可能であり、デジタル領域での処理が可能である。

｛第３検波手法｝
図１０（ｂ）の波形から、駆動電流波形の尖頭値（最大値）をサンプリング点とすれば変調信号が検出できることが分かる。従って、駆動電流波形１サイクルの最大値を検出しそれをサンプリング点としても構わない。最大値検出は、アナログ領域で行うであればピークホールド回路を、デジタル領域で行う場合、駆動電流波形１サイクル中の最大値を検出する処理を行えばよい。この場合、搬送波の周波数を考慮しなくとも処理が可能である。

｛第４検波手法｝
電源の周波数は既知である。第２検波手法と同様に電流波形と位相が同期した余弦波の最大値の時刻で駆動電流波形をサンプリングすれば変調信号を生成できる。なお、インバータ電源を用いる場合、インバータ信号に同期した余弦波の最大値付近にスイッチング雑音などが存在する場合もある。このような場合、雑音が存在しない時刻に位相をずらしサンプリング処理を行っても構わない。

以上、いくつかの検波処理について説明したが、その他に振幅変調信号を検波する手法も存在し、それらの手法を用いて検波処理を行っても構わない。

（処理Ｓ９２）
図９に戻り、サンプリング部１１Ａは、決められた窓幅の時系列検波処理後のデータを記憶部１６に記憶する。

（処理Ｓ９３）
周波数領域変換部１２Ａは、変調信号を周波数領域に変換する処理を行う。例えば、高速フーリエ変換（ＦＦＴ）や離散フーリエ変換（ＤＦＴ）などの手法を用いて変換処理を行う。

図１３は、検波後の側波帯スペクトル強度を示す図である。横軸が側波帯周波数、縦軸が側波帯のスペクトル強度である。表現されているスペクトルは、異なる日時の駆動電流波形から検出したすべりに対応するスペクトルである。図５の日時Ａのスペクトルは、左端の１３０のスペクトル、図５の日時Ｂスペクトルは、右端側の１３１のスペクトルである。運転時間の経過に伴い左から右側にスペクトル位置が移動している。変調信号のみを周波数領域に変換しているため、図５に示したような搬送波両端の側波帯としてすべりに対応するスペクトルが現れるのではなく、側波帯周波数ｆ_ｐｐが直接スペクトルとして現れている。

図１３は、サンプリング速度６０Ｈｚ、データ点数１６３８４点でＦＦＴ処理を行っている。周波数分解能は０．００３７Ｈｚである。図５に比べてサンプリング点は１／４に減少しているが、周波数分解能は約４０倍向上しており、微小なすべり変化も検出可能になっている。

（処理Ｓ９４）
図９に戻り、側波帯検出部１３Ａは、図１３に示したスペクトル１３０，１３１のすべりに対応したスペクトルを検出する。そして、処理Ｓ３４以降の処理は、図３に示した処理３４以降と同じであり、本実施形態では説明を省略する。なお、処理Ｓ３４における周波数差によるすべりｓとは、図９においては、スペクトル１３０，１３１の周波数に対応する。図１４を参照して説明する。

図１４は、第２実施形態に係る診断装置の他の処理を示すフローチャートである。
図１４は図９と比較して、処理Ｓ９４以降の処理が異なる。図１４では、異常検出部１４は、スペクトル周波数Ｓ_ｆを異常状態のスペクトル周波数の閾値Ｔｈ_Ｓｆを比較する。スペクトル周波数Ｓ_ｆが異常状態のスペクトル周波数の閾値Ｔｈ_Ｓｆを超えた場合（処理Ｓ９５，Ｙｅｓ、異常状態である場合）処理Ｓ３６に進み、スペクトル周波数Ｓ_ｆが異常状態のスペクトル周波数の閾値Ｔｈ_Ｓｆ以下の場合（処理Ｓ９５，Ｎｏ）、処理Ｓ９０に戻る。そして、処理Ｓ３６において、異常検出部１５は、異常状態である場合、出力部１５に異常がある旨を通知し、処理Ｓ９０に戻る。

本実施形態では、駆動電流波形を検波処理した後に周波数領域に変換することにより微小なすべり変化を検出できる特徴がある。

<<第３実施形態>>
第３実施形態で、同一運転状況を加味して診断処理について説明する。
第１実施形態及び第２実施形態では、負荷一定条件で回転機を運転した場合の実施形態である。機械は負荷が変動して運転する場合もある。負荷が変わることにより機械出力の変動によりすべりも変動する。そこで、運転状況が同じ状態のすべりを比較し、機械出力によるすべりの変化を考慮した異常検出手法について説明する。

図１５は、第３実施形態に係る負荷変動を考慮した診断装置の構成を示す図である。図１５は、図１に対し、回転機の制御・出力・負荷情報取得部１１０と、被駆動機械の制御・出力・負荷情報取得部１２０が追加されている。

図１６は、第３実施形態に係る負荷変動を考慮した処理ブロックを示す図である。図１６に示す診断装置１００Ｂは、図２と比較して回転機の制御・出力・負荷情報取得部１８と、被駆動機械の制御・出力・負荷情報取得部１９を有している。また、図１６に示す診断装置１００Ｂは、図示していないが、図８と比較して、回転機の制御・出力・負荷情報取得部１８と、被駆動機械の制御・出力・負荷情報取得部１９を有している。

診断装置１００Ｂは、回転機の制御・出力・負荷情報取得部１８及び被駆動機械の制御・出力・負荷情報取得部１９を介して取得した情報を基づいて、回転機や被駆動機械の運転状況を把握し、同一の運転状況におけるすべりの経時変化を観測する。同一条件におけるすべりの状態を図６に示したような経時変化で表現し、異常を検出してもよい。回転機の制御・出力・負荷情報取得部１８及び被駆動機械の制御・出力・負荷情報取得部１９を介して取得した情報を多次元のベクトルとして機械学習などを用いて学習し、異常となる状態に推移したら異常を検出してもよい。

まとめると、第３実施形態に係る診断装置１００Ｂは、回転機２３及び被駆動機械２６の運転状態を取得する運転状態取得部（回転機の制御・出力・負荷情報取得部１８及び被駆動機械の制御・出力・負荷情報取得部１９）を有し、異常検出部１４は、運転状態取得部で取得した同一又は類似条件における側波帯の周波数に基づいて、回転機２３及び被駆動機械２６に異常があるか否かを検出することができる。

また、第３実施形態に係る診断装置１００Ｂは、回転機２３及び被駆動機械２６の運転状態を取得する運転状態取得部を有し、異常検出部１４は、あらかじめ運転状態取得部で取得した運転状態と側波帯の周波数との関係を、機械学習手法を用いて学習し、診断時は、学習した情報と、現在の側波帯の周波数及び運転状態とに基づいて、回転機及び前記被駆動機械に異常があるか否かを検出することができる。

<<第４実施形態>>
第４実施形態で、回転計としての応用、トルク計としての応用について説明する。
第１実施形態〜第３実施形態では、異常の診断装置として説明したが、回転速度（回転数）の診断装置としても構わない。

すべりｓは、同期回転周波数ｆ_xと実測回転周波数ｆ_Rより次式のように求められる。
ｓ＝（ｆ_x−ｆ_R）／ｆ_x ・・・（５）

式（１）と式（５）より回転機の実測回転周波数ｆ_Rを、同期回転周波数ｆ_x、側波帯周波数ｆ_ｐｐ、電源周波数ｆ_Ｌで表すと、
ｆ_Ｒ＝ｆ_x−（ｆ_x・ｆ_ｐｐ）／（２・ｆ_Ｌ）・・・（６）
となる。

これにより回転機の実測回転周波数ｆ_Ｒが求まるため、回転数を診断することも可能である。また、トルクに関しては、図１７に示すすべりートルク曲線で、すべりとトルクが比例する関係を用いて、すべりよりトルクに変換することによりトルクの診断も可能になる。

最後に、第１実施形態および第２実施形態では、主として診断装置１００，１００Ａについて説明したが、回転機の診断方法について説明すると、回転機の診断装置１００は、被駆動機械を駆動する回転機の駆動電流を測定するセンサからの電流を取得する電流取得処理と、取得した駆動電流をサンプリングするサンプリング処理と、サンプリング処理で処理された時間領域のデータを周波数領域に変換する周波数領域変換処理と、周波数領域において駆動電流を搬送波としその振幅変調により搬送波の両側に表れるスペクトルを側波帯として検出する側波帯検出処理と、側波帯検出処理で検出した側波帯の周波数と搬送波の周波数との周波数差に基づいて、回転機及び被駆動機械に異常があるか否かを検出する異常検出処理と、を含んで実行するとよい。

また、回転機の診断装置１００Ａは、被駆動機械を駆動する回転機の駆動電流を測定するセンサからの電流を取得する電流取得処理と、駆動電流を搬送波としその振幅変調の部分を検波処理し変調信号を得て、該変調信号をサンプリングするサンプリング処理と、サンプリング処理で処理された時間領域のデータを周波数領域に変換する周波数領域変換処理と、周波数領域において変調信号に基づくスペクトルを側波帯として検出する側波帯検出処理と、側波帯検出処理で検出した側波帯位置の周波数に基づいて、回転機及び被駆動機械に異常があるか否かを検出する異常検出処理と、を含んで実行するとよい。

本実施形態の診断方法によれば、駆動電流により回転機及び回転機が駆動する被駆動機械の異常（機械損や銅損の増加）を検出できる効果がある。

１０電流取得部
１１サンプリング部
１１Ａサンプリング部（検波部）
１２周波数領域変換部
１３側波帯検出部
１４異常検出部
１５出力部
１６記憶部
１８回転機の制御・出力・負荷情報取得部（運転状態取得部）
１９被駆動機械の制御・出力・負荷情報取得部（運転状態取得部）
２０３相交流電源
２１Ｕ相
２２電流センサ
２３回転機
２４回転軸
２５動力伝達装置
２６被駆動機械
１００診断装置

Claims

被駆動機械を駆動する回転機の駆動電流を測定するセンサからの電流を取得する電流取得部と、
前記取得した駆動電流をサンプリングするサンプリング部と、
前記サンプリングされた時間領域のデータを周波数領域に変換する周波数領域変換部と、
前記周波数領域において前記駆動電流を搬送波としその振幅変調により前記搬送波の両側に表れるスペクトルを側波帯として検出する側波帯検出部と、
前記側波帯検出部で検出した側波帯の周波数と前記搬送波の周波数との周波数差に基づいて、前記回転機及び前記被駆動機械に異常があるか否かを検出する異常検出部と、を有する
ことを特徴とする回転機の診断装置。
被駆動機械を駆動する回転機の駆動電流を測定するセンサからの電流を取得する電流取得部と、
前記駆動電流を搬送波としその振幅変調の部分を検波処理し変調信号を得て、該変調信号をサンプリングするサンプリング部と、
前記サンプリングされた時間領域のデータを周波数領域に変換する周波数領域変換部と、
前記周波数領域において前記変調信号に基づくスペクトルを側波帯として検出する側波帯検出部と、
前記側波帯検出部で検出した側波帯位置の周波数に基づいて、前記回転機及び前記被駆動機械に異常があるか否かを検出する異常検出部と、を有する
ことを特徴とする回転機の診断装置。
前記異常検出部は、前記周波数差に基づきすべりを算出し、該すべりの経時変化により、前記回転機及び前記被駆動機械の異常を検出する
ことを特徴とする請求項１に記載の回転機の診断装置。
前記回転機の診断装置は、
前記回転機及び前記被駆動機械の運転状態を取得する運転状態取得部を有し、
前記異常検出部は、前記運転状態取得部で取得した同一又は類似条件における前記側波帯の周波数に基づいて、前記回転機及び前記被駆動機械に異常があるか否かを検出する
ことを特徴とする請求項１又は請求項２に記載の回転機の診断装置。
前記回転機の診断装置は、
前記回転機及び前記被駆動機械の運転状態を取得する運転状態取得部を有し、
前記異常検出部は、あらかじめ前記運転状態取得部で取得した運転状態と前記側波帯の周波数との関係を、機械学習手法を用いて学習し、
診断時は、前記学習した情報と、現在の前記側波帯の周波数及び前記運転状態とに基づいて、前記回転機及び前記被駆動機械に異常があるか否かを検出する
ことを特徴とする請求項１又は請求項２に記載の回転機の診断装置。
前記異常検出部は、前記周波数差および前記搬送波の周波数に基づき、前記回転機の回転周波数を算出し、該回転周波数を出力部に出力する
ことを特徴とする請求項１に記載の回転機の診断装置。
前記異常検出部は、前記すべりに基づいてトルクを算出し、該トルクを出力部に出力する
ことを特徴とする請求項３に記載の回転機の診断装置。
回転機の診断装置は、
被駆動機械を駆動する回転機の駆動電流を測定するセンサからの電流を取得する電流取得処理と、
前記取得した駆動電流をサンプリングするサンプリング処理と、
前記サンプリング処理で処理された時間領域のデータを周波数領域に変換する周波数領域変換処理と、
前記周波数領域において前記駆動電流を搬送波としその振幅変調により前記搬送波の両側に表れるスペクトルを側波帯として検出する側波帯検出処理と、
前記側波帯検出処理で検出した側波帯の周波数と前記搬送波の周波数との周波数差に基づいて、前記回転機及び前記被駆動機械に異常があるか否かを検出する異常検出処理と、を含んで実行する
ことを特徴とする回転機の診断方法。
前記異常検出処理は、前記周波数差に基づきすべりを算出し、該すべりの経時変化により、前記回転機及び前記被駆動機械の異常を検出する
ことを特徴とする請求項８に記載の回転機の診断方法。