JP7383207B1 - Motor abnormality determination system - Google Patents

Motor abnormality determination system Download PDF

Info

Publication number
JP7383207B1
JP7383207B1 JP2023551714A JP2023551714A JP7383207B1 JP 7383207 B1 JP7383207 B1 JP 7383207B1 JP 2023551714 A JP2023551714 A JP 2023551714A JP 2023551714 A JP2023551714 A JP 2023551714A JP 7383207 B1 JP7383207 B1 JP 7383207B1
Authority
JP
Japan
Prior art keywords
abnormality
motor
amount
level
feature
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.)
Active
Application number
JP2023551714A
Other languages
Japanese (ja)
Inventor
達也 山本
将仁 三好
雄一朗 中村
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Mitsubishi Electric Corp
Original Assignee
Mitsubishi Electric Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Mitsubishi Electric Corp filed Critical Mitsubishi Electric Corp
Application granted granted Critical
Publication of JP7383207B1 publication Critical patent/JP7383207B1/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

異常が発生したときにモータの内部の機械的な変化量および電気的な変化量のレベルを判定することができるモータの異常判定装置を提供する。モータの異常判定装置（１）は、モータ（２０）に流れる電流データを含む時系列の運転データを収集するレコーダ（１１）と、レコーダで収集された運転データを周波数分析し、周波数毎の振幅値を運転データの特徴量として計算する特徴量計算部（１２）と、特徴量計算部で計算された特徴量から異常発生の有無、異常の種類および異常レベルを識別する異常識別部（１３）とを備えている。そして、異常レベルは、異常の種類に対応するモータの内部の機械的な変化量および電気的な変化量のレベルである。Provided is a motor abnormality determination device capable of determining the level of mechanical change and electrical change inside a motor when an abnormality occurs. The motor abnormality determination device (1) includes a recorder (11) that collects time-series operating data including current data flowing through the motor (20), and a frequency analysis of the operating data collected by the recorder to determine the amplitude of each frequency. A feature amount calculation unit (12) that calculates the value as a feature amount of operation data, and an abnormality identification unit (13) that identifies the presence or absence of an abnormality, the type of abnormality, and the abnormality level from the feature amount calculated by the feature amount calculation unit. It is equipped with The abnormality level is the level of the amount of mechanical change and the amount of electrical change inside the motor corresponding to the type of abnormality.

Description

本願は、モータの異常判定システムに関する。 The present application relates to a motor abnormality determination system.

モータを備えたプラント設備の保守管理において、費用削減の観点からモータの異常を検知する技術の開発が望まれている。モータの異常検知システムとして、回転動作中のモータの振動、温度、圧力などのデータに基づいて異常の種類、異常の発生部位を特定する異常検知システムが開示されている（例えば、特許文献１参照）。また、別の異常検知システムとして、回転動作中のモータの消費電力を計測し、動作開始から消費電力がピーク電力になるまでの時間に基づいて異常の有無を検出する異常検知システムが開示されている（例えば、特許文献２参照）。さらに、別の異常検知システムとして、回転動作中のモータの振動音に基づいて異常の有無を検出する異常検知システムが開示されている（例えば、特許文献３参照）。 In the maintenance and management of plant equipment equipped with motors, there is a desire to develop technology for detecting abnormalities in motors from the perspective of cost reduction. As a motor abnormality detection system, an abnormality detection system that identifies the type of abnormality and the location where the abnormality occurs based on data such as vibration, temperature, and pressure of the motor during rotational operation has been disclosed (for example, see Patent Document 1). ). In addition, as another abnormality detection system, an abnormality detection system is disclosed that measures the power consumption of a motor during rotating operation and detects the presence or absence of an abnormality based on the time from the start of operation until the power consumption reaches peak power. (For example, see Patent Document 2). Further, as another abnormality detection system, an abnormality detection system that detects the presence or absence of an abnormality based on the vibration sound of a motor during rotational operation has been disclosed (for example, see Patent Document 3).

特開平７－１７４６１７号公報Japanese Unexamined Patent Publication No. 7-174617 特許第３５２５７３６号公報Patent No. 3525736 特開平１１－２４１９４５号公報Japanese Patent Application Publication No. 11-241945

従来のモータの異常検知システムにおいては、モータの異常の有無および異常の発生部位を検知することができる。しかしながら、従来のモータの異常検知システムにおいては、異常が発生したときにモータの内部の機械的な変化量および電気的な変化量のレベルを判定することができないという問題がある。 In a conventional motor abnormality detection system, it is possible to detect the presence or absence of an abnormality in the motor and the location where the abnormality occurs. However, the conventional motor abnormality detection system has a problem in that it is not possible to determine the level of mechanical change and electrical change inside the motor when an abnormality occurs.

本願は、上述の課題を解決するためになされたもので、異常が発生したときにモータの内部の機械的な変化量および電気的な変化量のレベルを判定することができるモータの異常判定システムを提供することを目的とする。 The present application was made in order to solve the above-mentioned problems, and is a motor abnormality determination system that can determine the level of mechanical change and electrical change inside the motor when an abnormality occurs. The purpose is to provide

本願のモータの異常判定システムは、モータに流れる電流データを含む時系列の運転データを収集するレコーダと、レコーダで収集された時系列の運転データを周波数分析し、周波数毎の振幅値を運転データの特徴量として計算する特徴量計算部と、特徴量計算部で計算された特徴量から異常発生の有無、異常の種類および異常レベルを識別する異常識別部とを備えたモータの異常判定装置を有するモータの異常判定システムであって、異常レベルは、異常の種類に対応するモータの内部の機械的な変化量および電気的な変化量のレベルであり、異常が発生したモータの異常の種類、モータの内部の機械的な変化量および電気的な変化量を含む異常内容が入力される異常内容入力部と、モータに接続されたモータの異常判定装置と、異常内容とモータの異常判定装置の特徴量計算部で計算された特徴量とを関連付けて記憶するデータベース部と、データベース部に記憶された異常内容と特徴量との関連に基づいて、異常の種類に対応するモータの内部の機械的な変化量および電気的な変化量のレベルである異常レベルの基準を設定する異常判定基準設定部とを有し、異常内容入力部に入力される異常の種類、モータの内部の機械的な変化量および電気的な変化量は、異常が発生したモータを分解調査して得られた情報であり、異常判定基準設定部は、異常判定後に回収したモータの分解調査で得られた情報に基づいて異常レベルの基準を更新している。 The motor abnormality determination system of this application includes a recorder that collects time-series operating data including data on the current flowing through the motor, and frequency analysis of the time-series operating data collected by the recorder, and the amplitude value of each frequency is calculated from the operating data. A motor abnormality determination device includes a feature quantity calculation unit that calculates the feature quantity of the motor, and an abnormality identification unit that identifies the presence or absence of an abnormality, the type of abnormality, and the abnormality level from the feature quantity calculated by the feature quantity calculation unit. A motor abnormality determination system having an abnormality determination system, wherein the abnormality level is the level of the amount of mechanical change and the amount of electrical change inside the motor corresponding to the type of abnormality, and the abnormality level of the motor in which the abnormality has occurred , an abnormality content input section into which abnormality details including mechanical changes and electrical changes inside the motor are input; a motor abnormality determination device connected to the motor; and an abnormality content and motor abnormality determination device. A database unit that stores the feature quantities calculated by the feature quantity calculation unit in association with each other, and a machine inside the motor that corresponds to the type of abnormality based on the relationship between the abnormality content and the feature quantity stored in the database unit. It has an abnormality judgment standard setting section that sets the standard for the abnormality level, which is the level of the electrical change amount and the electrical change amount. The amount of change and the amount of electrical change are information obtained by disassembling and investigating the motor in which the abnormality has occurred, and the abnormality determination standard setting section is based on the information obtained by disassembling and investigating the motor that was recovered after the abnormality was determined. The standards for abnormal levels have been updated .

本願のモータの異常判定システムにおいては、異常識別部が異常の種類に対応するモータの内部の機械的な変化量および電気的な変化量のレベルである異常レベルを判定することができる。

In the motor abnormality determination system of the present application, the abnormality identification unit can determine the abnormality level, which is the level of the amount of mechanical change and the amount of electrical change inside the motor corresponding to the type of abnormality.

実施の形態１に係るモータの異常判定システムの構成図である。1 is a configuration diagram of a motor abnormality determination system according to Embodiment 1. FIG. 実施の形態１に係るモータの異常判定システムにおける異常内容調査を示すフローチャートである。2 is a flowchart showing an investigation of abnormality details in the motor abnormality determination system according to the first embodiment. 実施の形態１に係る異常判定装置の動作を示すフローチャートである。3 is a flowchart showing the operation of the abnormality determination device according to the first embodiment. 実施の形態１に係る異常判定装置の動作を説明する図である。FIG. 3 is a diagram illustrating the operation of the abnormality determination device according to the first embodiment. 実施の形態２に係るモータの異常判定システムの構成図である。FIG. 2 is a configuration diagram of a motor abnormality determination system according to a second embodiment. 実施の形態３に係るモータの異常判定システムの構成図である。FIG. 3 is a configuration diagram of a motor abnormality determination system according to a third embodiment. 実施の形態３に係るモータの異常判定システムにおける機械学習部の構成図である。FIG. 7 is a configuration diagram of a machine learning section in a motor abnormality determination system according to Embodiment 3; 実施の形態３に係るモータの異常判定システムにおける異常識別部の構成図である。FIG. 7 is a configuration diagram of an abnormality identification section in a motor abnormality determination system according to Embodiment 3; 実施の形態１から３に係る異常判定基準設定部、機械学習部、特徴量計算部および異常識別部のハードウエア構成の一例を示す図である。FIG. 3 is a diagram showing an example of a hardware configuration of an abnormality determination criterion setting section, a machine learning section, a feature quantity calculation section, and an abnormality identification section according to Embodiments 1 to 3;

以下、本願を実施するための実施の形態に係るモータの異常判定装置およびモータの異常判定システムについて、図面を参照して詳細に説明する。なお、各図において同一符号は同一もしくは相当部分を示している。 DESCRIPTION OF THE PREFERRED EMBODIMENTS Hereinafter, a motor abnormality determination device and a motor abnormality determination system according to an embodiment of the present application will be described in detail with reference to the drawings. In each figure, the same reference numerals indicate the same or corresponding parts.

実施の形態１．
図１は、実施の形態１に係るモータの異常判定システムの構成図である。本実施の形態のモータの異常判定システム１０は、モータ２０の異常を判定するシステムである。本実施の形態の異常判定システム１０は、異常判定装置１と、異常内容入力部２と、データベース部３と、異常判定基準設定部４とで構成されている。モータ２０は、回転運動する回転機、または直線運動するリニアモータである。なお、これ以降、モータが回転機の場合の回転速度およびモータがリニアモータの場合の移動速度を合わせて、モータの運転速度と称する。Embodiment 1.
FIG. 1 is a configuration diagram of a motor abnormality determination system according to the first embodiment. The motor abnormality determination system 10 of this embodiment is a system that determines whether the motor 20 is abnormal. The abnormality determination system 10 of this embodiment includes an abnormality determination device 1, an abnormality content input section 2, a database section 3, and an abnormality determination standard setting section 4. The motor 20 is a rotary machine that rotates or a linear motor that moves linearly. Note that hereinafter, the rotational speed when the motor is a rotating machine and the moving speed when the motor is a linear motor are collectively referred to as the operating speed of the motor.

異常判定装置１は、レコーダ１１と、特徴量計算部１２と、異常識別部１３とを有している。レコーダ１１は、モータ２０に接続されており、モータ２０に流れる電流データを含む時系列の運転データを収集する。特徴量計算部１２は、レコーダ１１で収集された時系列の運転データを周波数分析し、周波数毎の振幅値を運転データの特徴量として計算する。異常識別部１３は、特徴量計算部１２で計算された特徴量から異常発生の有無、異常の種類および異常レベルを識別する。また、異常識別部１３は、識別した異常発生の有無、異常の種類および異常レベルを外部の異常内容表示部３０に出力する。レコーダ１１が収集する電流データは、モータ２０の相電流でもよく、ｄｑ軸に変換した電流でもよい。また、レコーダ１１は、モータ２０を駆動するインバータに含まれていてもよい。 The abnormality determination device 1 includes a recorder 11 , a feature calculation section 12 , and an abnormality identification section 13 . The recorder 11 is connected to the motor 20 and collects time-series operating data including data on the current flowing through the motor 20. The feature calculation unit 12 performs frequency analysis on the time-series driving data collected by the recorder 11, and calculates an amplitude value for each frequency as a feature of the driving data. The abnormality identification unit 13 identifies the presence or absence of an abnormality, the type of abnormality, and the abnormality level from the feature amount calculated by the feature amount calculation unit 12. Further, the abnormality identifying unit 13 outputs the presence or absence of the identified abnormality, the type of abnormality, and the abnormality level to the external abnormality content display unit 30. The current data collected by the recorder 11 may be the phase current of the motor 20 or the current converted to the dq axis. Further, the recorder 11 may be included in an inverter that drives the motor 20.

レコーダ１１で収集される運転データは、電流データの他に振動センサで収集した振動データ、マイクで収集した音圧データなどである。振動データ、音圧データなどはモータ２０の外部に取り付けた振動センサ、マイクなどでデータを収集できるので、データの収集が容易である。 The operation data collected by the recorder 11 includes, in addition to current data, vibration data collected by a vibration sensor, sound pressure data collected by a microphone, and the like. Since vibration data, sound pressure data, etc. can be collected using a vibration sensor, a microphone, etc. attached to the outside of the motor 20, data collection is easy.

特徴量計算部１２は、モータ２０の運転速度が一定である定速運転のときは、時系列の運転データを、フーリエ変換を用いて周波数分析してもよい。特徴量計算部１２は、モータ２０の運転速度が変動する加減速運転のときは、時系列の運転データを短時間毎のフーリエ変換またはウェーブレット変換を用いて周波数分析してもよい。特徴量計算部１２は、加減速運転のときに短時間毎のフーリエ変換またはウェーブレット変換を用いて周波数分析を行うことで、モータ２０の運転状態に依存せずに特徴量を計算することができる。 The feature value calculation unit 12 may perform frequency analysis on the time-series operating data using Fourier transform when the operating speed of the motor 20 is constant. During acceleration/deceleration operation in which the operating speed of the motor 20 fluctuates, the feature value calculation unit 12 may perform frequency analysis on the time-series operating data using Fourier transform or wavelet transform for each short time period. The feature amount calculation unit 12 can calculate the feature amount without depending on the operating state of the motor 20 by performing frequency analysis using Fourier transform or wavelet transform every short time during acceleration/deceleration operation. .

異常内容入力部２には、後述する異常内容調査によって決定された異常発生時の異常の種類、異常によって発生したモータ２０の内部の機械的な変化量および異常によって変化したモータ２０の電気的な変化量が入力される。異常の種類とは、例えば巻線の抵抗増加、巻線の断線、ベアリングの損傷、磁石の損傷などである。異常によって発生したモータ２０の内部の機械的な変化量とは、例えばモータ２０の内部の傷、割れ、摩耗などの正常時からの形状の変化量である。異常によって変化したモータ２０の電気的な変化量とは、例えばモータ２０の端子間のインピーダンスの基準値からの変化量である。 The abnormality content input section 2 stores the type of abnormality at the time of abnormality occurrence determined by the abnormality content investigation described later, the amount of mechanical change inside the motor 20 caused by the abnormality, and the electrical change of the motor 20 caused by the abnormality. The amount of change is input. The types of abnormality include, for example, an increase in the resistance of the winding, a break in the winding, damage to the bearing, and damage to the magnet. The amount of mechanical change inside the motor 20 caused by an abnormality is, for example, the amount of change in the shape of the inside of the motor 20 from a normal state due to scratches, cracks, wear, etc. The amount of electrical change in the motor 20 due to an abnormality is, for example, the amount of change in impedance between terminals of the motor 20 from a reference value.

データベース部３は、異常内容入力部２から入力された異常の種類、機械的な変化量および電気的な変化量と、異常発生時に特徴量計算部１２で計算された運転データの特徴量とを関連付けた情報を記憶する。 The database unit 3 stores the type of abnormality, the amount of mechanical change, and the amount of electrical change input from the abnormality content input unit 2, and the feature amount of the operating data calculated by the feature amount calculation unit 12 at the time of occurrence of the abnormality. Store associated information.

異常判定基準設定部４は、データベース部３に記憶された異常の種類、機械的な変化量および電気的な変化量と運転データの特徴量とを関連付けた情報から異常の種類毎に異常の程度を示す異常レベルを判定するための異常判定閾値の設定と、異常判定閾値に基づく異常レベルの判定基準とを設定する。ここで、異常レベルとは、モータ内部の機械的な変化量および電気的な変化量のレベルである。なお、レベルとしては、数値で記載してもいいし、大、中、小、のような表記をしてもよい。もしくは、レベルをモータ、もしくは部品の余寿命に換算して、時間の表記としてもよい。このように、異常のレベルが大きいほど表示する数値を大きくしてもよい。また異常のレベルが大きいほど表示する数値を小さくしてもよい。 The abnormality determination standard setting unit 4 determines the degree of abnormality for each type of abnormality from information that associates the type of abnormality, the amount of mechanical change, the amount of electrical change, and the characteristic amount of the operation data stored in the database unit 3. An abnormality determination threshold value for determining the abnormality level indicating the abnormality level is set, and an abnormality level determination criterion based on the abnormality determination threshold value is set. Here, the abnormal level is the level of the amount of mechanical change and the amount of electrical change inside the motor. Note that the level may be written numerically, or may be expressed as high, medium, or small. Alternatively, the level may be converted into the remaining life of the motor or parts and expressed as time. In this way, the displayed numerical value may be increased as the level of abnormality increases. Further, the larger the level of abnormality is, the smaller the numerical value displayed may be.

次に、異常内容調査について説明する。
図２は、本実施の形態に係るモータの異常判定システムにおける異常内容調査を示すフローチャートである。この異常内容調査は、異常が発生したモータに対してユーザ、もしくはモータの製造メーカが実施する調査である。この調査は、予め異常の種類が特定されており、かつ異常の程度が異なる複数のモータに対して行う。ここで、異常の程度が異なるモータとは、モータ内部の機械的な変化量および電気的な変化量が異なるモータという意味である。Next, the abnormality content investigation will be explained.
FIG. 2 is a flowchart showing an investigation of abnormality details in the motor abnormality determination system according to the present embodiment. This abnormality content investigation is carried out by the user or the motor manufacturer on the motor in which the abnormality has occurred. This investigation is performed on a plurality of motors for which the type of abnormality has been specified in advance and the degree of abnormality differs. Here, motors with different degrees of abnormality mean motors with different amounts of mechanical change and electrical change inside the motor.

ステップＳ０１において、モータのインピーダンスを測定する。ステップＳ０２において、測定したインピーダンスが基準値と異なるか否かを判定する。なお、インピーダンスの基準値とはモータが正常な場合のインピーダンスの値である。ステップＳ０２において、測定したインピーダンスが基準値と異なる場合（ＹＥＳ）、ステップＳ０３に進む。ステップＳ０３において、異常の種類、電気的な変化量を異常内容入力部２に入力した後、ステップＳ０４に進む。ここで、電気的な変化量とは測定したインピーダンスと基準値との差である。ステップＳ０２において、測定したインピーダンスが基準値と同じである場合（ＮＯ）、ステップＳ０４に進む。 In step S01, the impedance of the motor is measured. In step S02, it is determined whether the measured impedance is different from a reference value. Note that the reference value of impedance is the value of impedance when the motor is normal. In step S02, if the measured impedance is different from the reference value (YES), the process proceeds to step S03. In step S03, the type of abnormality and the amount of electrical change are input into the abnormality content input section 2, and then the process proceeds to step S04. Here, the amount of electrical change is the difference between the measured impedance and the reference value. In step S02, if the measured impedance is the same as the reference value (NO), the process proceeds to step S04.

ステップＳ０４において、ユーザ、もしくはモータの製造メーカの調査者はモータを分解する。そして、ステップＳ０５において、モータに機械的な変化が発生しているか否かを判定する。ステップＳ０５において、モータに機械的な変化が発生している場合（ＹＥＳ）、ステップＳ０６に進む。ステップＳ０６において、ユーザ、もしくはモータの製造メーカの調査者はモータ内部のベアリングおよび磁石に発生した傷、割れなどの機械的な変化量を測定する。ここで、機械的な変化量とはベアリングおよび磁石に発生した傷、割れなどのサイズである。ステップＳ０７において、異常の種類、機械的な変化量を異常内容入力部２に入力する。このようにして、異常内容入力部２には、異常発生時の異常の種類、異常によって発生したモータ２０の内部の機械的な変化量および異常によって変化したモータ２０の電気的な変化量が入力される。異常内容入力部２は、入力された異常の種類、機械的な変化量および電気的な変化量をデータベース部３に出力する。 In step S04, the user or an investigator from the motor manufacturer disassembles the motor. Then, in step S05, it is determined whether a mechanical change has occurred in the motor. In step S05, if a mechanical change has occurred in the motor (YES), the process advances to step S06. In step S06, the user or an investigator from the motor manufacturer measures the amount of mechanical changes such as scratches and cracks occurring in the bearings and magnets inside the motor. Here, the amount of mechanical change is the size of scratches, cracks, etc. that occur in the bearings and magnets. In step S07, the type of abnormality and the amount of mechanical change are input into the abnormality content input section 2. In this way, the type of abnormality at the time of abnormality occurrence, the amount of mechanical change inside the motor 20 caused by the abnormality, and the amount of electrical change in the motor 20 caused by the abnormality are input to the abnormality content input section 2. be done. The abnormality content input section 2 outputs the inputted abnormality type, mechanical change amount, and electrical change amount to the database section 3.

なお、モータを分解せずに異常の種類およびモータの内部の機械的な変化量が特定できる場合は、モータを分解しなくてもよい。 Note that if the type of abnormality and the amount of mechanical change inside the motor can be identified without disassembling the motor, it is not necessary to disassemble the motor.

次に、本実施の形態に係るモータの異常判定システム１０におけるデータベース部３および異常判定基準設定部４について説明する。 Next, the database section 3 and the abnormality determination standard setting section 4 in the motor abnormality determination system 10 according to the present embodiment will be explained.

図２に示したフローチャートに基づいて異常内容を調査した複数のモータを図１に示したモータの異常判定システムに接続する。レコーダ１１は、予め異常の種類が特定されているモータの時系列の運転データを収集する。特徴量計算部１２は、レコーダ１１で収集された時系列の運転データを周波数分析し、周波数毎の振幅値を運転データの特徴量として計算する。特徴量計算部１２は、運転データの特徴量をデータベース部３に出力する。 A plurality of motors whose abnormalities have been investigated based on the flowchart shown in FIG. 2 are connected to the motor abnormality determination system shown in FIG. 1. The recorder 11 collects time-series operating data of the motor in which the type of abnormality has been specified in advance. The feature calculation unit 12 performs frequency analysis on the time-series driving data collected by the recorder 11, and calculates an amplitude value for each frequency as a feature of the driving data. The feature amount calculation unit 12 outputs the feature amount of the driving data to the database unit 3.

データベース部３は、異常内容入力部２から入力された異常の種類、機械的な変化量および電気的な変化量と、特徴量計算部１２から入力された運転データの特徴量とを関連付けしたテーブルを保存する。すなわち、データベース部３には、異常の種類とその異常の程度が異なるモータにおける機械的な変化量および電気的な変化量と運転データの特徴量とが関連付けされたテーブルが保存される。 The database unit 3 has a table that associates the type of abnormality, the amount of mechanical change, and the amount of electrical change inputted from the abnormality content input unit 2 with the feature quantity of the operation data inputted from the feature quantity calculation unit 12. Save. That is, the database unit 3 stores a table in which mechanical and electrical variations in motors having different types of abnormalities and degrees of abnormality are associated with characteristic amounts of operating data.

なお、このテーブルには正常なモータにおける機械的な変化量および電気的な変化量と運転データの特徴量との関連付けを含めることが好ましい。正常なモータのデータを含めることで、異常判定において正常であることを判定することが可能となる。 Note that it is preferable that this table includes an association between the amount of mechanical change and the amount of electrical change in a normal motor and the characteristic amount of the operating data. By including data of a normal motor, it becomes possible to determine that the motor is normal in abnormality determination.

異常判定基準設定部４は、データベース部３に保存された異常の種類とその異常の程度が異なるモータにおける機械的な変化量および電気的な変化量と運転データの特徴量とが関連付けされたテーブルから、異常判定の基準を設定する。具体的には、異常判定基準設定部４は、異常の種類毎にその異常の程度が異なるモータにおける機械的な変化量および電気的な変化量と、それらのモータの運転データの特徴量とのデータから、例えば最小二乗法を用いた多項式の近似によって関係式を算出し、予め決められた分割数に基づいて特徴量に対する複数の閾値を決定する。そして、複数の閾値によって分割された特徴量に基づいて、異常レベルの判定基準を設定する。多項式の次数は１、２などの整数でもよい。次数が１の場合は線形近似となり非線形な関係は表現できないが、データのばらつきの問題、ノイズを過度に近似する問題などは起こりにくい。このようにして、異常判定基準設定部４は、特徴量に対する複数の閾値を決定し、その閾値に基づいて異常レベルの判定基準を設定する。そして、異常判定基準設定部４は、決定した特徴量に対する複数の閾値とその閾値に基づいて設定した異常レベルの判定基準とを異常識別部１３に出力する。 The abnormality determination standard setting unit 4 stores a table in which the types of abnormalities stored in the database unit 3 and the mechanical change amounts and electrical change amounts of motors having different degrees of abnormality are associated with the characteristic amounts of the operating data. Based on this, the criteria for abnormality determination are set. Specifically, the abnormality determination standard setting unit 4 calculates the mechanical change amount and electrical change amount in the motor, which has a different degree of abnormality depending on the type of abnormality, and the feature amount of the operation data of the motor. A relational expression is calculated from the data by polynomial approximation using, for example, the least squares method, and a plurality of threshold values for the feature amount are determined based on a predetermined number of divisions. Then, a criterion for determining the abnormality level is set based on the feature amounts divided by a plurality of threshold values. The degree of the polynomial may be an integer such as 1 or 2. When the degree is 1, it is a linear approximation and non-linear relationships cannot be expressed, but problems such as data variation and excessive approximation of noise are unlikely to occur. In this way, the abnormality determination standard setting unit 4 determines a plurality of threshold values for the feature amount, and sets the abnormality level determination standard based on the threshold values. Then, the abnormality determination criterion setting section 4 outputs to the abnormality identification section 13 a plurality of threshold values for the determined feature amount and an abnormality level determination criterion set based on the thresholds.

次に、本実施の形態における異常判定装置１の動作について説明する。
図３は、本実施の形態における異常判定装置の動作を示すフローチャートである。異常判定装置１には、調査対象であるモータ２０が接続されている。ステップＳ１１において、レコーダ１１が時系列の運転データを収集する。運転データは、電流データを含む例えば運転速度の時系列データである。運転データは、常時または間欠的にレコーダ１１に保存される。次にステップＳ１２において、特徴量計算部１２がレコーダ１１に保存された時系列の運転データから特徴量を計算する。Next, the operation of the abnormality determination device 1 in this embodiment will be explained.
FIG. 3 is a flowchart showing the operation of the abnormality determination device in this embodiment. A motor 20 to be investigated is connected to the abnormality determination device 1 . In step S11, the recorder 11 collects time-series driving data. The operating data is, for example, time-series data of operating speed including current data. The driving data is stored in the recorder 11 constantly or intermittently. Next, in step S12, the feature amount calculation unit 12 calculates feature amounts from the time-series driving data stored in the recorder 11.

ステップＳ１３において、異常識別部１３は、特徴量に基づいてモータ２０に発生している異常の種類を判定する。そして、ステップＳ１４において、異常識別部１３は、特徴量に基づいてモータ２０に発生している異常レベルを判定する。最後に、ステップＳ１５において、異常識別部１３は、異常の有無、異常の種類および異常レベルを異常内容表示部３０に出力する。異常内容表示部３０は、入力された情報を表示する。 In step S13, the abnormality identification unit 13 determines the type of abnormality occurring in the motor 20 based on the feature amount. Then, in step S14, the abnormality identification unit 13 determines the abnormality level occurring in the motor 20 based on the feature amount. Finally, in step S15, the abnormality identification unit 13 outputs the presence or absence of an abnormality, the type of abnormality, and the abnormality level to the abnormality content display unit 30. The abnormality content display section 30 displays the input information.

図４は、本実施の形態における異常判定装置の動作の一例を説明する図である。図４において、横軸は周波数、縦軸は振幅である。図４に示すように、特徴量計算部１２は、レコーダ１１で収集された時系列の運転データを周波数分析し、周波数毎の振幅値を運転データの特徴量として計算する。異常識別部１３は、異常の種類毎に異常判定基準設定部４で決定された特徴量に対する複数の閾値とその閾値に基づいて設定した異常レベルの判定基準とを予め記憶している。異常識別部１３は、例えば異常の種類Ａが発生したときに周波数がＦ１の振幅が増加すること、異常の種類Ｂが発生したときに周波数がＦ２の振幅が増加することを記憶している。さらに異常識別部１３は、異常の種類Ａが発生したときに異常レベルの判定基準となる周波数Ｆ１の振幅の閾値Ａ１、Ａ２、・・・Ａ５を記憶している。 FIG. 4 is a diagram illustrating an example of the operation of the abnormality determination device in this embodiment. In FIG. 4, the horizontal axis is frequency and the vertical axis is amplitude. As shown in FIG. 4, the feature calculation unit 12 performs frequency analysis on the time-series driving data collected by the recorder 11, and calculates an amplitude value for each frequency as a feature of the driving data. The abnormality identification unit 13 stores in advance a plurality of threshold values for the feature quantities determined by the abnormality determination standard setting unit 4 for each type of abnormality, and a determination standard for the abnormality level set based on the thresholds. The abnormality identification unit 13 stores, for example, that when abnormality type A occurs, the amplitude of frequency F1 increases, and when abnormality type B occurs, the amplitude of frequency F2 increases. Further, the abnormality identification unit 13 stores amplitude thresholds A1, A2, . . . A5 of the frequency F1, which serve as criteria for determining the abnormality level when the abnormality type A occurs.

例として、モータのベアリングに傷が発生している場合について説明する。モータのベアリングに傷が発生しているときは周波数Ｆ１の振幅が増加すると仮定する。このとき、異常識別部１３は、振幅がＡ１以下の場合は異常レベルとして異常なし、振幅がＡ１を超えてＡ２以下の場合は異常レベルとしてベアリングに０．２ｍｍ以下の傷が発生している、振幅がＡ２を超えてＡ３以下の場合は異常レベルとしてベアリングに０．５ｍｍ以下の傷が発生している、などのように判定することができる。 As an example, a case will be explained in which a scratch occurs on the bearing of a motor. It is assumed that the amplitude of frequency F1 increases when a scratch occurs on the motor bearing. At this time, the abnormality identification unit 13 determines that if the amplitude is less than or equal to A1, it is determined that there is no abnormality, and if the amplitude exceeds A1 and is less than or equal to A2, it is determined that there is no abnormality, and that if the amplitude exceeds A1 and is equal to or less than A2, it is determined that there is an abnormality and that a flaw of 0.2 mm or less has occurred on the bearing. If the amplitude exceeds A2 and is below A3, it can be determined as an abnormal level that a flaw of 0.5 mm or less has occurred on the bearing.

このように構成されたモータの異常判定装置においては、異常レベルを異常の種類に対応するモータの内部の機械的な変化量および電気的な変化量で示すことができる。そのため、本実施の形態のモータの異常判定装置は、異常が発生したときにモータの内部の機械的な変化量および電気的な変化量のレベルを判定することができる。 In the motor abnormality determination device configured as described above, the abnormality level can be indicated by the amount of mechanical change and the amount of electrical change inside the motor corresponding to the type of abnormality. Therefore, the motor abnormality determination device of this embodiment can determine the level of the mechanical change amount and electrical change amount inside the motor when an abnormality occurs.

なお、異常判定を行ったモータが回収できるのであれば、モータを回収して分解調査を行うことが好ましい。回収したモータを分解調査して実際にモータに発生した機械的な変化量と特徴量計算部１２で計算された特徴量との相関を確認することができる。そして、分解調査で得られた機械的な変化量を異常内容入力部２に入力することで、異常判定基準設定部４で決定された特徴量に対する複数の閾値とその閾値に基づく異常レベルの判定基準とを更新することができる。 Note that if the motor that has been determined to be abnormal can be recovered, it is preferable to recover the motor and conduct a disassembly investigation. By disassembling and inspecting the recovered motor, it is possible to confirm the correlation between the amount of mechanical change that actually occurred in the motor and the feature amount calculated by the feature amount calculation unit 12. By inputting the amount of mechanical change obtained in the disassembly investigation into the abnormality content input section 2, a plurality of thresholds for the feature quantities determined by the abnormality determination standard setting section 4 and an abnormality level based on the thresholds are determined. Standards can be updated.

本実施の形態のモータの異常判定システムにおいて、データベース部３は遠隔に設置されたサーバであってもよい。データベース部３が他の機器とネットワークで接続されたサーバである場合、複数の異常判定システムと共有したデータベース部が構築できる。 In the motor abnormality determination system of this embodiment, the database unit 3 may be a remotely installed server. If the database unit 3 is a server connected to other devices via a network, it is possible to construct a database unit shared with a plurality of abnormality determination systems.

実施の形態２．
図５は、実施の形態２に係るモータの異常判定システムの構成図である。本実施の形態のモータの異常判定システム１０は、複数のモータ２０の異常を判定するシステムである。本実施の形態の異常判定システム１０は、複数の異常判定装置１と、異常内容入力部２と、データベース部３と、異常判定基準設定部４とで構成されている。Embodiment 2.
FIG. 5 is a configuration diagram of a motor abnormality determination system according to the second embodiment. The motor abnormality determination system 10 of this embodiment is a system that determines abnormalities in a plurality of motors 20. The abnormality determination system 10 of this embodiment includes a plurality of abnormality determination devices 1, an abnormality content input section 2, a database section 3, and an abnormality determination standard setting section 4.

複数の異常判定装置１は、複数のモータ２０にそれぞれ接続されている。それぞれの異常判定装置１は、レコーダ１１と、特徴量計算部１２と、異常識別部１３とを有している。レコーダ１１は、１つのモータ２０に接続されており、モータ２０に流れる電流データを含む時系列の運転データを収集する。特徴量計算部１２は、レコーダ１１で収集された時系列の運転データを周波数分析し、周波数毎の振幅値を運転データの特徴量として計算する。異常識別部１３は、特徴量計算部１２で計算された特徴量から異常発生の有無、異常の種類および異常レベルを識別する。また、異常識別部１３は、識別した異常発生の有無、異常の種類および異常レベルを外部の異常内容表示部３０に出力する。 The plurality of abnormality determination devices 1 are connected to the plurality of motors 20, respectively. Each abnormality determination device 1 includes a recorder 11 , a feature calculation section 12 , and an abnormality identification section 13 . The recorder 11 is connected to one motor 20 and collects time-series operating data including data on the current flowing through the motor 20. The feature calculation unit 12 performs frequency analysis on the time-series driving data collected by the recorder 11, and calculates an amplitude value for each frequency as a feature of the driving data. The abnormality identification unit 13 identifies the presence or absence of an abnormality, the type of abnormality, and the abnormality level from the feature amount calculated by the feature amount calculation unit 12. Further, the abnormality identifying unit 13 outputs the presence or absence of the identified abnormality, the type of abnormality, and the abnormality level to the external abnormality content display unit 30.

異常内容入力部２は、複数のモータ２０それぞれの異常発生時の異常の種類、異常によって発生したモータ２０の内部の機械的な変化量および異常によって変化したモータ２０の電気的な変化量が入力される。 The abnormality content input unit 2 inputs the type of abnormality when an abnormality occurs in each of the plurality of motors 20, the amount of mechanical change inside the motor 20 caused by the abnormality, and the amount of electrical change in the motor 20 that changes due to the abnormality. be done.

データベース部３は、複数の異常判定装置の特徴量計算部１２に接続されている。データベース部３は、各モータ２０に関する異常内容入力部２から入力された異常の種類、機械的な変化量および電気的な変化量と、異常発生時に特徴量計算部１２で計算された運転データの特徴量とを関連付けた情報を記憶する。 The database section 3 is connected to the feature amount calculation sections 12 of the plurality of abnormality determination devices. The database unit 3 stores the type of abnormality, mechanical change amount, and electrical change amount input from the abnormality content input unit 2 regarding each motor 20, and the operation data calculated by the feature value calculation unit 12 when the abnormality occurs. Stores information associated with feature amounts.

異常判定基準設定部４は、データベース部３に記憶された各モータ２０の異常の種類、機械的な変化量および電気的な変化量と運転データの特徴量とを関連付けた情報から、異常の種類毎に異常の程度を示す異常レベルを判定するための異常判定閾値の設定と、異常判定閾値に基づく異常レベルの判定基準とを設定する。 The abnormality determination standard setting unit 4 determines the type of abnormality from information that associates the type of abnormality, mechanical change amount, and electrical change amount of each motor 20 with the feature amount of the operation data stored in the database unit 3. An abnormality determination threshold for determining an abnormality level indicating the degree of abnormality is set for each abnormality determination threshold, and an abnormality level determination criterion based on the abnormality determination threshold is set.

このように構成されたモータの異常判定システムにおいては、異常判定基準設定部４がそれぞれのモータの異常の種類、機械的な変化量および電気的な変化量と運転データの特徴量とを関連付けた情報から、異常の種類毎に異常の程度を示す異常レベルを判定するための異常判定閾値の設定と、異常判定閾値に基づく異常レベルの判定基準とを設定しているので、複数のモータの異常発生時のデータを活用することができる。 In the motor abnormality determination system configured in this manner, the abnormality determination standard setting unit 4 associates the type of abnormality, mechanical change amount, and electrical change amount of each motor with the feature amount of the operation data. Based on the information, an abnormality judgment threshold is set to determine the abnormality level indicating the degree of abnormality for each type of abnormality, and an abnormality level judgment criterion based on the abnormality judgment threshold is set. Data at the time of occurrence can be utilized.

また、回収したモータを分解調査して実際にモータに発生した機械的な変化量と特徴量計算部１２で計算された特徴量との相関を確認する頻度を増やすことができる。そのため、異常判定基準設定部４で決定された特徴量に対する複数の閾値とその閾値に基づく異常レベルの判定基準との更新頻度が増加する。 Further, it is possible to increase the frequency of disassembling and inspecting the collected motor to check the correlation between the amount of mechanical change that actually occurred in the motor and the feature amount calculated by the feature amount calculation unit 12. Therefore, the frequency of updating of the plurality of threshold values for the feature quantities determined by the abnormality determination criterion setting unit 4 and the determination criterion of the abnormality level based on the thresholds increases.

実施の形態３．
図６は、実施の形態３に係るモータの異常判定システムの構成図である。本実施の形態の異常判定システム１０は、実施の形態１の図１に示した異常判定システムの異常判定基準設定部が機械学習部５で構成されたものである。Embodiment 3.
FIG. 6 is a configuration diagram of a motor abnormality determination system according to the third embodiment. In the abnormality determination system 10 of the present embodiment, the abnormality determination criterion setting section of the abnormality determination system shown in FIG. 1 of the first embodiment is configured with the machine learning section 5.

本実施の形態の異常判定システム１０において、異常内容調査については実施の形態１の図２に示したフローチャートと同様である。また、データベース部３が異常内容入力部２から入力された異常の種類、機械的な変化量および電気的な変化量と、特徴量計算部１２から入力された運転データの特徴量とを関連付けしたテーブルを保存するまでは、実施の形態１と同様である。 In the abnormality determination system 10 of this embodiment, the investigation of abnormality details is similar to the flowchart shown in FIG. 2 of the first embodiment. In addition, the database unit 3 associates the type of abnormality, mechanical change amount, and electrical change amount input from the abnormality content input unit 2 with the feature amount of the operation data input from the feature value calculation unit 12. The process is the same as in the first embodiment until the table is saved.

図７は、本実施の形態に係るモータの異常判定システムにおける機械学習部の構成図である。図７に示すように、機械学習部５は、データ取得部５１とモデル生成部５２とを備えている。データ取得部５１は、データベース部３に保存されたテーブルを学習用データとして取得する。学習用データは、異常の種類とその異常の程度が異なるモータにおける機械的な変化量および電気的な変化量と運転データの特徴量とが関連付けされたテーブルである。モデル生成部５２は、データ取得部５１で取得された学習用データに基づいて、特徴量とモータに発生している異常の種類および異常レベルとの相関を学習する。すなわち、モデル生成部５２は、特徴量計算部１２で計算された運転中のモータの特徴量から異常の有無と異常発生時の異常の種類と異常レベルとを推論する学習モデルを生成する。機械学習部５は、この学習済みモデルを異常識別部１３に出力する。機械学習部５における学習は、異常内容入力部２に異常内容が入力される毎に行われる。これにより、学習済みモデルが更新される。 FIG. 7 is a configuration diagram of a machine learning section in the motor abnormality determination system according to the present embodiment. As shown in FIG. 7, the machine learning section 5 includes a data acquisition section 51 and a model generation section 52. The data acquisition unit 51 acquires the table stored in the database unit 3 as learning data. The learning data is a table in which mechanical variation amounts and electrical variation amounts in motors having different abnormality types and degrees of abnormality are associated with feature amounts of operating data. Based on the learning data acquired by the data acquisition unit 51, the model generation unit 52 learns the correlation between the feature amount and the type and level of abnormality occurring in the motor. That is, the model generation unit 52 generates a learning model that infers the presence or absence of an abnormality, the type of abnormality at the time of abnormality occurrence, and the abnormality level from the feature amount of the motor in operation calculated by the feature amount calculation unit 12. The machine learning section 5 outputs this learned model to the anomaly identification section 13. Learning in the machine learning unit 5 is performed every time abnormality content is input to the abnormality content input unit 2. This updates the trained model.

図８は、本実施の形態に係るモータの異常判定システムにおける異常識別部の構成図である。図８に示すように、異常識別部１３は、特徴量取得部１３１と推論部１３２とを備えている。特徴量取得部１３１は、特徴量計算部１２から運転中のモータの特徴量を取得する。推論部１３２は、機械学習部５から学習済みモデルが入力される。推論部１３２は、この学習済みモデルを用いて、特徴量取得部１３１で取得された運転中のモータの特徴量から異常の有無と異常発生時の異常の種類と異常レベルとを推論する。推論部１３２は、推論した異常の有無と異常発生時の異常の種類と異常レベルとを出力する。 FIG. 8 is a configuration diagram of an abnormality identification section in the motor abnormality determination system according to the present embodiment. As shown in FIG. 8, the abnormality identification section 13 includes a feature amount acquisition section 131 and an inference section 132. The feature amount acquisition unit 131 obtains the feature amount of the motor in operation from the feature amount calculation unit 12. The inference unit 132 receives the learned model from the machine learning unit 5 as input. Using this learned model, the inference unit 132 infers the presence or absence of an abnormality, the type of abnormality at the time of occurrence, and the abnormality level from the feature amount of the motor in operation acquired by the feature amount acquisition unit 131. The inference unit 132 outputs the presence or absence of an inferred abnormality, the type of abnormality at the time of occurrence of the abnormality, and the abnormality level.

このように構成されたモータの異常判定システムにおいては、実施の形態１のモータの異常判定システムのように、予め決められた分割数に基づいて特徴量に対する複数の閾値を設定する必要がない。なお、機械学習部５で行われる機械学習は、例えば多項式近似、ニューラルネットワークなどである。機械学習部５で行われる機械学習の手法は、モータの運転データから算出される特徴量を入力とし、異常の有無、異常の種類、異常レベルを判定可能な学習済みモデルを生成できる手法であれば他の機械学習の手法でもよい。 In the motor abnormality determination system configured in this manner, unlike the motor abnormality determination system of the first embodiment, there is no need to set a plurality of threshold values for the feature amount based on a predetermined number of divisions. Note that the machine learning performed by the machine learning unit 5 is, for example, polynomial approximation, neural network, etc. The machine learning method performed by the machine learning unit 5 may be any method that can generate a trained model that can determine the presence or absence of an abnormality, the type of abnormality, and the abnormality level by inputting feature quantities calculated from motor operation data. For example, other machine learning methods may be used.

なお、実施の形態１から３の異常判定基準設定部４、機械学習部５、特徴量計算部１２および異常識別部１３は、ハードウエアの一例を図９に示すように、プロセッサ４０と記憶装置５０とから構成される。記憶装置は、図示していないが、ランダムアクセスメモリなどの揮発性記憶装置と、フラッシュメモリなどの不揮発性の補助記憶装置とを具備する。また、フラッシュメモリの代わりにハードディスクの補助記憶装置を具備してもよい。プロセッサ４０は、記憶装置５０から入力されたプログラムを実行する。この場合、補助記憶装置から揮発性記憶装置を介してプロセッサ４０にプログラムが入力される。また、プロセッサ４０は、演算結果などのデータを記憶装置５０の揮発性記憶装置に出力してもよいし、揮発性記憶装置を介して補助記憶装置にデータを保存してもよい。 Note that the abnormality determination criterion setting unit 4, machine learning unit 5, feature value calculation unit 12, and abnormality identification unit 13 of Embodiments 1 to 3 are implemented using a processor 40 and a storage device, as an example of hardware is shown in FIG. It consists of 50. Although not shown, the storage device includes a volatile storage device such as a random access memory and a nonvolatile auxiliary storage device such as a flash memory. Further, an auxiliary storage device such as a hard disk may be provided instead of the flash memory. Processor 40 executes a program input from storage device 50. In this case, the program is input to the processor 40 from the auxiliary storage device via the volatile storage device. Further, the processor 40 may output data such as calculation results to a volatile storage device of the storage device 50, or may store data in an auxiliary storage device via the volatile storage device.

本願は、様々な例示的な実施の形態が記載されているが、１つまたは複数の実施の形態に記載された様々な特徴、態様、および機能は特定の実施の形態の適用に限られるのではなく、単独で、または様々な組み合わせで実施の形態に適用可能である。
したがって、例示されていない無数の変形例が、本願に開示される技術の範囲内において想定される。例えば、少なくとも１つの構成要素を変形する場合、追加する場合または省略する場合、さらには、少なくとも１つの構成要素を抽出し、他の実施の形態の構成要素と組み合わせる場合が含まれるものとする。Although this application describes various exemplary embodiments, various features, aspects, and functions described in one or more embodiments may be limited to the application of particular embodiments. Rather, they are applicable to the embodiments alone or in various combinations.
Therefore, countless variations not illustrated are envisioned within the scope of the technology disclosed herein. For example, this includes cases where at least one component is modified, added, or omitted, and cases where at least one component is extracted and combined with components of other embodiments.

１ 異常判定装置、２ 異常内容入力部、３ データベース部、４ 異常判定基準設定部、５ 機械学習部、１０ 異常判定システム、１１ レコーダ、１２ 特徴量計算部、１３ 異常識別部、２０ モータ、３０ 異常内容表示部、４０ プロセッサ、５０ 記憶装置、５１ データ取得部、５２ モデル生成部、１３１ 特徴量取得部、１３２ 推論部。 1 abnormality determination device, 2 abnormality content input unit, 3 database unit, 4 abnormality determination standard setting unit, 5 machine learning unit, 10 abnormality determination system, 11 recorder, 12 feature quantity calculation unit, 13 abnormality identification unit, 20 motor, 30 Abnormal content display section, 40 processor, 50 storage device, 51 data acquisition section, 52 model generation section, 131 feature amount acquisition section, 132 inference section.

Claims (3)

モータに流れる電流データを含む時系列の運転データを収集するレコーダと、
前記レコーダで収集された時系列の前記運転データを周波数分析し、周波数毎の振幅値を前記運転データの特徴量として計算する特徴量計算部と、
前記特徴量計算部で計算された前記特徴量から異常発生の有無、異常の種類および異常レベルを識別する異常識別部とを備えたモータの異常判定装置を有するモータの異常判定システムであって、
前記異常レベルは、前記異常の種類に対応する前記モータの内部の機械的な変化量および電気的な変化量のレベルであり、
異常が発生したモータの異常の種類、前記モータの内部の機械的な変化量および電気的な変化量を含む異常内容が入力される異常内容入力部と、
前記モータに接続された前記モータの異常判定装置と、
前記異常内容と前記モータの異常判定装置の前記特徴量計算部で計算された特徴量とを関連付けて記憶するデータベース部と、
前記データベース部に記憶された前記異常内容と前記特徴量との関連に基づいて、前記異常の種類に対応する前記モータの内部の機械的な変化量および電気的な変化量のレベルである異常レベルの基準を設定する異常判定基準設定部とを有し、
前記異常内容入力部に入力される前記異常の種類、前記モータの内部の機械的な変化量および電気的な変化量は、異常が発生した前記モータを分解調査して得られた情報であり、
前記異常判定基準設定部は、異常判定後に回収した前記モータの前記分解調査で得られた情報に基づいて前記異常レベルの基準を更新することを特徴とするモータの異常判定システム。 a recorder that collects time-series operating data including data on the current flowing through the motor;
a feature calculation unit that performs frequency analysis on the time-series driving data collected by the recorder and calculates an amplitude value for each frequency as a feature of the driving data;
A motor abnormality determination system comprising a motor abnormality determination device comprising an abnormality identification unit that identifies the presence or absence of abnormality occurrence, the type of abnormality, and the abnormality level from the feature amount calculated by the feature amount calculation unit,
The abnormality level is a level of a mechanical change amount and an electrical change amount inside the motor corresponding to the type of abnormality,
an abnormality content input section into which abnormality details including the type of abnormality of the motor in which the abnormality has occurred, the amount of mechanical change and the amount of electrical change inside the motor are input;
a motor abnormality determination device connected to the motor;
a database unit that stores the abnormality content in association with the feature quantity calculated by the feature quantity calculation unit of the motor abnormality determination device;
An abnormality level that is a level of the mechanical change amount and electrical change amount inside the motor corresponding to the type of abnormality, based on the relationship between the abnormality content and the feature amount stored in the database unit. and an abnormality determination standard setting unit that sets a standard for the
The type of abnormality, the amount of mechanical change inside the motor, and the amount of electrical change input into the abnormality content input section are information obtained by disassembling and investigating the motor in which the abnormality has occurred,
A motor abnormality determination system, wherein the abnormality determination standard setting unit updates the abnormality level standard based on information obtained in the disassembly investigation of the motor collected after the abnormality determination. モータに流れる電流データを含む時系列の運転データを収集するレコーダと、
前記レコーダで収集された時系列の前記運転データを周波数分析し、周波数毎の振幅値を前記運転データの特徴量として計算する特徴量計算部と、
前記特徴量計算部で計算された前記特徴量から異常発生の有無、異常の種類および異常レベルを識別する異常識別部とを備えたモータの異常判定装置を有するモータの異常判定システムであって、
前記異常レベルは、前記異常の種類に対応する前記モータの内部の機械的な変化量および電気的な変化量のレベルであり、
異常が発生した複数のモータの異常の種類、前記モータの内部の機械的な変化量および電気的な変化量を含む異常内容が入力される異常内容入力部と、
複数の前記モータにそれぞれ接続された複数の前記モータの異常判定装置と、
前記異常内容と複数の前記モータの異常判定装置の前記特徴量計算部で計算された特徴量とを関連付けて記憶するデータベース部と、
前記データベース部に記憶された前記異常内容と前記特徴量との関連に基づいて、前記異常の種類に対応する前記モータの内部の機械的な変化量および電気的な変化量のレベルである異常レベルの基準を設定する異常判定基準設定部とを有し、
前記異常内容入力部に入力される前記異常の種類、前記モータの内部の機械的な変化量および電気的な変化量は、異常が発生した前記モータを分解調査して得られた情報であり、
前記異常判定基準設定部は、異常判定後に回収した前記モータの前記分解調査で得られた情報に基づいて前記異常レベルの基準を更新することを特徴とするモータの異常判定システム。 a recorder that collects time-series operating data including data on the current flowing through the motor;
a feature calculation unit that performs frequency analysis on the time-series driving data collected by the recorder and calculates an amplitude value for each frequency as a feature of the driving data;
A motor abnormality determination system comprising a motor abnormality determination device comprising an abnormality identification unit that identifies the presence or absence of abnormality occurrence, the type of abnormality, and the abnormality level from the feature amount calculated by the feature amount calculation unit,
The abnormality level is a level of a mechanical change amount and an electrical change amount inside the motor corresponding to the type of abnormality,
an abnormality content input section into which abnormality details including the type of abnormality of the plurality of motors in which the abnormality has occurred, the amount of mechanical change and the amount of electrical change inside the motors are input;
a plurality of motor abnormality determination devices connected to the plurality of motors, respectively;
a database unit that stores the abnormality contents in association with the feature quantities calculated by the feature quantity calculation units of the plurality of motor abnormality determination devices;
An abnormality level that is a level of the mechanical change amount and electrical change amount inside the motor corresponding to the type of abnormality, based on the relationship between the abnormality content and the feature amount stored in the database unit. and an abnormality determination standard setting unit that sets a standard for the
The type of abnormality, the amount of mechanical change inside the motor, and the amount of electrical change input into the abnormality content input section are information obtained by disassembling and investigating the motor in which the abnormality has occurred,
A motor abnormality determination system, wherein the abnormality determination standard setting unit updates the abnormality level standard based on information obtained in the disassembly investigation of the motor collected after the abnormality determination. 前記異常判定基準設定部は、前記データベース部に記憶された前記異常内容と前記特徴量との関連を学習用データとして機械学習を用いて生成した学習済みモデルに基づいて前記異常の種類に対応する前記モータの内部の機械的な変化量および電気的な変化量のレベルである異常レベルの基準を設定することを特徴とする請求項１または２に記載のモータの異常判定システム。 The abnormality determination criterion setting unit corresponds to the type of abnormality based on a trained model generated using machine learning using a relationship between the abnormality content and the feature quantity stored in the database unit as learning data. 3. The motor abnormality determination system according to claim 1, wherein a reference for an abnormality level is set as a level of a mechanical change amount and an electrical change amount inside the motor.
JP2023551714A 2023-03-31 2023-03-31 Motor abnormality determination system Active JP7383207B1 (en)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2023013468 2023-03-31

Publications (1)

Publication Number Publication Date
JP7383207B1 true JP7383207B1 (en) 2023-11-17

Family

ID=88748749

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2023551714A Active JP7383207B1 (en) 2023-03-31 2023-03-31 Motor abnormality determination system

Country Status (1)

Country Link
JP (1) JP7383207B1 (en)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117520999A (en) * 2024-01-08 2024-02-06 浙江德塔森特数据技术有限公司 Intelligent operation and maintenance method and system for edge data center equipment

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004257836A (en) 2003-02-25 2004-09-16 Nsk Ltd Abnormality diagnostic device of mechanical device
JP2005172685A (en) 2003-12-12 2005-06-30 Nsk Ltd Monitoring system of machine equipment
US7539549B1 (en) 1999-09-28 2009-05-26 Rockwell Automation Technologies, Inc. Motorized system integrated control and diagnostics using vibration, pressure, temperature, speed, and/or current analysis
WO2019003389A1 (en) 2017-06-29 2019-01-03 三菱電機株式会社 Diagnostic device for electric motor
US20210072320A1 (en) 2018-05-31 2021-03-11 Abb Schweiz Ag Device for condition monitoring and protection of rotating electrical machines, and a method thereof

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7539549B1 (en) 1999-09-28 2009-05-26 Rockwell Automation Technologies, Inc. Motorized system integrated control and diagnostics using vibration, pressure, temperature, speed, and/or current analysis
JP2004257836A (en) 2003-02-25 2004-09-16 Nsk Ltd Abnormality diagnostic device of mechanical device
JP2005172685A (en) 2003-12-12 2005-06-30 Nsk Ltd Monitoring system of machine equipment
WO2019003389A1 (en) 2017-06-29 2019-01-03 三菱電機株式会社 Diagnostic device for electric motor
US20210072320A1 (en) 2018-05-31 2021-03-11 Abb Schweiz Ag Device for condition monitoring and protection of rotating electrical machines, and a method thereof

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117520999A (en) * 2024-01-08 2024-02-06 浙江德塔森特数据技术有限公司 Intelligent operation and maintenance method and system for edge data center equipment
CN117520999B (en) * 2024-01-08 2024-04-05 浙江德塔森特数据技术有限公司 Intelligent operation and maintenance method and system for edge data center equipment

Similar Documents

Publication Publication Date Title
JP6140331B1 (en) Machine learning device and machine learning method for learning failure prediction of main shaft or motor driving main shaft, and failure prediction device and failure prediction system provided with machine learning device
JP5561835B2 (en) System and method for article monitoring
JP7383207B1 (en) Motor abnormality determination system
JP5485939B2 (en) Apparatus abnormality determination device and apparatus abnormality determination method
US8831233B2 (en) Monitoring apparatus and method
Cipollini et al. Unsupervised deep learning for induction motor bearings monitoring
JP2013140144A (en) Detecting rotor anomalies
CN111122191B (en) Equipment health alarm threshold setting method based on EWMA control
JP2019139414A (en) Failure site specification device, failure site specification method and failure site specification program
CN117131110A (en) Method and system for monitoring dielectric loss of capacitive equipment based on correlation analysis
JP7188143B2 (en) Anomaly sign detection system, anomaly sign detection method
KR20210006832A (en) Method and apparatus for machine fault diagnosis
CN117435883A (en) Method and system for predicting equipment faults based on digital twinning
CN107725456A (en) The analysis and diagnosis method and device of centrifugal compressor unit
EP3557346B1 (en) State identification device, state identification method and mechanical device
JP6497919B2 (en) Diagnosis method and diagnosis system for equipment including rotating body and its bearing
US11598694B2 (en) Abnormality diagnosis system for rotary electric machine
CN110065091A (en) A kind of mechanical arm dynamic monitoring system and its implementation method
CN113642618A (en) Method and equipment for state prediction model training of screw device
JP2022109737A (en) Abnormality detection method, and abnormality detection apparatus
CN112268703A (en) Mine ventilation machine bearing detecting system
Waters et al. Vibration Anomaly Detection using Deep Autoencoders for Smart Factory
JP2020107025A (en) Data selection device and method, and monitoring/diagnosing device
US20240125675A1 (en) Anomaly detection for industrial assets
CN116793653B (en) Acoustic signal-based full life cycle monitoring method and system for rotating equipment

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20230824

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20230824

A871 Explanation of circumstances concerning accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A871

Effective date: 20230824

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20231010

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20231107

R151 Written notification of patent or utility model registration

Ref document number: 7383207

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R151