JP2006153774A - State diagnosis method of periodical moving body, diagnosis device, diagnosis system, computer program and recording medium - Google Patents

State diagnosis method of periodical moving body, diagnosis device, diagnosis system, computer program and recording medium Download PDF

Info

Publication number
JP2006153774A
JP2006153774A JP2004347722A JP2004347722A JP2006153774A JP 2006153774 A JP2006153774 A JP 2006153774A JP 2004347722 A JP2004347722 A JP 2004347722A JP 2004347722 A JP2004347722 A JP 2004347722A JP 2006153774 A JP2006153774 A JP 2006153774A
Authority
JP
Japan
Prior art keywords
moving body
state
periodic moving
order lag
data
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.)
Pending
Application number
JP2004347722A
Other languages
Japanese (ja)
Inventor
Kazuhiro Takeyasu
数博 竹安
Sachiko Kaneda
幸子 金田
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.)
Osaka Prefecture
Original Assignee
Osaka Prefecture
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 Osaka Prefecture filed Critical Osaka Prefecture
Priority to JP2004347722A priority Critical patent/JP2006153774A/en
Publication of JP2006153774A publication Critical patent/JP2006153774A/en
Pending legal-status Critical Current

Links

Images

Landscapes

  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

<P>PROBLEM TO BE SOLVED: To take measures in order to detected an abnormality statistically and to perform state diagnosis of equipment based on data such as the number of intervals of shock waves by grasping and detecting precisely vibration enlarged following progression of deterioration in a rotator such as a bearing or a gear, namely, by measuring an amplitude vibration acquired from a measuring object as a vibration signal generated from the shock waves in a periodical moving body. <P>SOLUTION: In this state diagnosis method, a state diagnosis system, a device therefor or the like, the vibration signal or the like is grasped from the rotator such as the bearing or the gear, and a simplified primary delay self-correlation coefficient is calculated, and the result is compared with a primary delay self-correlation coefficient calculated when the shock waves are not generated, and the signal is determined to be an abnormal signal when the former is larger. <P>COPYRIGHT: (C)2006,JPO&NCIPI

Description

本発明は、設備などに衝撃波が生起した場合に、衝撃波による異常を診断するための 1 次遅れ自己相関係数の簡易計算方法を導出し、それに基づく設備診断の良好な指標となる新しいシステム、診断方法、プログラム、記録媒体、診断装置に関するものである。   The present invention derives a simple calculation method of the first-order lag autocorrelation coefficient for diagnosing abnormalities caused by shock waves when shock waves occur in equipment, etc., and is a new system that serves as a good index for equipment diagnosis based on the method, The present invention relates to a diagnostic method, a program, a recording medium, and a diagnostic apparatus.

大型設備を有する鉄鋼業界等では、突発的に発生する設備故障でラインが停止すると、設備の稼働率の低下、次工程への材料供給の不足、納期が切迫している受注物件の納期遅れ等、多大な損害をこうむる。そこで，これらを防止するために設備異常検知は重要な役割を果たす。従来は時間基準保全（ Ｔｉｍｅ Ｂａｓｅｄ Ｍａｉｎｔｅｎａｎｃｅ : ＴＢＭ ）が主流をなしていたが、近年は設備監視のハードウエア、ソフトウエアの充実も相まって、状態基準保全（ Ｃｏｎｄｉｔｉｏｎ Ｂａｓｅｄ Ｍａｉｎｔｅｎａｎｃｅ： ＣＢＭ）へと大きくシフトしている。このほうが部品コスト低減、保全コスド低減、故障率提言につながるからである。保全をすると、保全後の初期故障を生じる確率が高くなるので、保全しなくてもよいものも定期保全で保全したために初期故障を生じたりする。これを現場では「当たり壊し」と呼んでいるところもある。
ＣＢＭ に移行してくると、異常の兆候をできるだけ早く捉えることがクローズアップされる。そのための手法として、さまざまなものが検討されている。分野によってその指標も異なるので，本発明では機械系の異常検知として最も普遍的なテーマである回転体の異常検知にテーマを絞って述べることにする。従来は感度のよい指標として 尖度（クルトシス：Ｋｕｒｔｏｓｉｓ） , バイコヒーレンス（Ｂｉｃｏｈｅｒｅｎｃｅ） などが検討されてきた。本発明では振動振幅を指標化するものに対象を絞り検討する。従来手法では クルトシス は精密診断技法の 1 つであり、振動信号の確率密度関数の 4 次モーメントを正規化して計算していた。現場において精密診断のニーズはあるものの、ハードウエア、ソフトウエア、コスト面から精密診断技術を組み込めないところもある。また、現場で信号波形をモニターしながら早急に対応が要求される場合なども考えられる。
特開２００４−２１８４３号 特開２００４−２８７７３３号 特公昭６２−６００１１号 特公昭６４−４６１１号 In the steel industry, etc., which have large-scale equipment, if the line is shut down due to a sudden equipment failure, the capacity utilization rate of the equipment will be reduced, the supply of materials to the next process will be insufficient, and the delivery date will be delayed for orders that are imminent. Incurs great damage. Therefore, equipment abnormality detection plays an important role in preventing these problems. In the past, time-based maintenance (TBM) has been the mainstream, but recently there has been a major shift to condition-based maintenance (CBM) due to the enhancement of equipment monitoring hardware and software. ing. This is because it leads to reduced component costs, maintenance cost reduction, and failure rate recommendations. When maintenance is performed, there is a high probability that an initial failure after maintenance will occur, so that an initial failure may occur because items that do not need to be maintained are maintained by regular maintenance. Some people call this “smashing” on site.
When moving to CBM, it is close-up to catch signs of abnormality as soon as possible. Various methods are being studied for this purpose. Since the index varies depending on the field, the present invention will focus on the detection of abnormalities in rotating bodies, which is the most universal theme for detecting abnormalities in mechanical systems. Conventionally, kurtosis, bicoherence, and the like have been studied as sensitive indicators. In the present invention, the object is examined considering the vibration amplitude as an index. In the conventional method, kurtosis is one of the precision diagnostic techniques, and it was calculated by normalizing the fourth moment of the probability density function of the vibration signal. Although there is a need for precision diagnosis at the site, there are places where precision diagnosis technology cannot be incorporated due to hardware, software, and cost. In addition, there may be a case where an immediate response is required while monitoring the signal waveform on site.
JP-A-2004-21843 JP 2004-287733 A Japanese Patent Publication No.62-60011 Japanese Patent Publication No. 64-4611

本発明では衝撃波が生起した場合の 1 次遅れ自己相関係数の簡易計算方法を導出し、それが設備診断の良好な指標となる新しい手法を提案する。これは電卓などでも簡易に計算でき、また、マイコンチップなどにも容易に組み込めるものとし、データの量による感度を他の文献等で示されたデータと比較する診断方法、システム、装置を提供する。   In the present invention, a simple calculation method of the first-order lag autocorrelation coefficient when a shock wave occurs is derived, and a new method is proposed as a good index for equipment diagnosis. This can be easily calculated with a calculator, etc., and can be easily incorporated into a microcomputer chip, etc., and provides a diagnostic method, system, and apparatus that compares the sensitivity due to the amount of data with data shown in other literature .

本発明は、振動振幅を指標化するものに対象を絞り、衝撃波が生起した場合の 1 次遅れ自己相関係数の簡易計算として、自己相関係数

Figure 2006153774
とし、
Figure 2006153774
Figure 2006153774
 の方法を導出し、それが設備診断の良好な指標となる新しい手法を提案する。簡便で精度の高いものが導入できれば実用上大いなる効果があることが期待される。
以下に数値計算の実施を示し、詳述する。 In the present invention, the autocorrelation coefficient is used as a simple calculation of the first-order lag autocorrelation coefficient when a shock wave is generated by focusing on the vibration amplitude index.
Figure 2006153774
 age,
Figure 2006153774
Figure 2006153774
 We propose a new method that can be a good indicator of equipment diagnosis. If simple and highly accurate ones can be introduced, it is expected that there will be a great practical effect.
The following is a detailed description of the implementation of numerical calculations.

軸受、歯車等の回転体においては劣化が進行するにしたがって振動が大きぐなる。また、据付等が不適切な場合も振動が大きくなることは一般的によく知られている。振幅の大きさは次のような指標で把握できる。計測対象から得られた振動信号を時間の関数 x ( t ) ，サンプリング間隔を △ t とし、離散データを

Figure 2006153774
とする。機械部品などから発生する振動を平均値０の定常確率過程と仮定し、その確率密度関数を p ( x ）とする。振幅の大きさを示す指標として下記のものが周知である。
Figure 2006153774
Figure 2006153774
Figure 2006153774
Figure 2006153774
 これらは指標が正規化されていない有次元指標である。これらは仮に正常状態であっても機械部品などの大きさや回転数などによっても異なる。したがって汎用的に利用できる指標として正規化された無次元指標として下記のようなものがあげられる。
大別して下記の 4 通りがある。
A . ｒｍｓ 値を正規化するもの
B ．ピーク値を正規化するもの
C ．モーメントを正規化したもの
D ．周波数成分間の相関を正規化するもの、
それぞれについてみることにする。 In a rotating body such as a bearing and a gear, vibration increases as deterioration progresses. Further, it is generally well known that vibration is increased even when installation is inappropriate. The magnitude of the amplitude can be grasped by the following index. The vibration signal obtained from the measurement target is a function of time x (t), the sampling interval is △ t, and discrete data is
Figure 2006153774
 And Assuming that the vibration generated from a mechanical part is a stationary stochastic process with an average value of 0, its probability density function is p (x). The following is well known as an index indicating the magnitude of the amplitude.
Figure 2006153774
Figure 2006153774
Figure 2006153774
Figure 2006153774
 These are dimensional indices whose indices are not normalized. Even if they are in a normal state, they differ depending on the size of the machine parts and the number of rotations. Therefore, the following can be given as normalized dimensionless indices as indices that can be used for general purposes.
There are the following four types.
A. Normalizing the rms value
B. What normalizes the peak value
C. Normalized moment
D. Normalizing the correlation between frequency components,
Let's look at each.

A .ｒｍｓ 値を正規化するもの
a 波形率（Ｓｈａｐｅ Ｆａｃｔｏｒ ： ＳＦ )

Figure 2006153774
B ．ピーク値を正規化するもの
b . 波高率（ Ｃｒｅｓｔ Ｆａｃｔｏｒ ： ＣｒＦ )
Figure 2006153774
 ｃ． クリアランス率（Ｃｌｅａｒａｎｃｅ Ｆａｃｔｏｒ ： ＣｌＦ )
Figure 2006153774
 d ．衝撃指数（ Ｉｍｐｕｌｓｅ Ｆａｃｔｏｒ ： ＩＦ )
Figure 2006153774
 e ．衝撃劣化指標（Iｎｐａｃｔ ｄｅｔｅｒｉｏｒａｔｉｏｎ Ｆａｃｔｏｒ : ＩＤ Ｆａｃｔｏｒ)
Figure 2006153774
 C ．モーメントを正規化したもの
ｆ． 歪度（ ｓｋｅｗｎｅｓｓ : ＳＫ ）
Figure 2006153774
 ｇ． 尖り度（ Ｋｕｒｔｏｓｉｓ ： ＫＴ )
Figure 2006153774
 D ．周波数成分間の相関を正規化するもの
n．バイコヒーレンス（Bｉｃｏｈｅｒｅｎｃｅ）
バイコヒーレンスは各周波数成分間の関わりあいを定量化するもので次式のように計算される。
Figure 2006153774
 ここで
Figure 2006153774
Figure 2006153774
Figure 2006153774
Figure 2006153774
 である。
Figure 2006153774
 であり、周波数 f 1とf2との関わりあいが大きいとき、バイコヒーレンスは1に近づき、そうでないとき 0 に近づく。これらの各指標は組み合わせて総合的に判断されることが多い。なかでも、ｇ 尖り度（ クルトシス ）は他のパラメータより有効であると報告されており、関連研究も多い。
また過去の実験結果では、バイコヒーレンスも感度のよいものであった。 A. Normalizing the rms value
a Waveform rate (Shape Factor: SF)
Figure 2006153774
 B. What normalizes the peak value
b. Crest factor (CrF)
Figure 2006153774
 c. Clearance factor (Clearance Factor: ClF)
Figure 2006153774
 d. Impact factor (IF)
Figure 2006153774
 e. Impact degradation index (ID factor)
Figure 2006153774
 C. Normalized moment f. Skewness (SK)
Figure 2006153774
 g. Sharpness (Kurtosis: KT)
Figure 2006153774
 D. Normalize the correlation between frequency components
n. Bicoherence
Bicoherence quantifies the relationship between frequency components and is calculated as follows:
Figure 2006153774
 here
Figure 2006153774
Figure 2006153774
Figure 2006153774
Figure 2006153774
 It is.
Figure 2006153774
 When the relationship between the frequencies f 1 and f 2 is large, the bicoherence approaches 1; otherwise, it approaches 0. In many cases, these indicators are combined and judged comprehensively. Among them, g kurtosis (kurtosis) has been reported to be more effective than other parameters, and there are many related studies.
In past experimental results, bicoherence was also highly sensitive.

新たに文献では、 e 衝撃劣化指標がよい指標であると提案されている。本論文では振動振幅を指標化するものに対象を絞り、衝撃波が生起した場合の 1 次遅れ自己相関係数の簡易計算方法を導出し、それが設備診断の良好な指標となる新しい手法を提案する。簡便で精度の高いものが導入できれば実用上大いなる効果があることが期待される。 New literature suggests that the e-impact indicator is a good indicator. In this paper, we focus on those that index vibration amplitude, derive a simple calculation method of the first-order lag autocorrelation coefficient when shock waves occur, and propose a new method that can be a good indicator for equipment diagnosis To do. If simple and highly accurate ones can be introduced, it is expected that there will be a great practical effect.

1 次遅れ自己相関係数の簡易計算方法について、
上述に示した振動信号を離散時間系で記述すると、信号データをサンプリングしたものとして、

Figure 2006153774
Figure 2006153774
Figure 2006153774
 である。 上述では平均値が 0 と仮定していたが、以下では計算の一般化のために
Figure 2006153774
Figure 2006153774
 である。自己相関関数は次のように定義される。
Figure 2006153774
 そのため前式は、
Figure 2006153774
 と書き変えることができる。つまり、 0 次の自己相関関数は分数に他ならない。自己相関係数は
Figure 2006153774
 と表される。
回転体に傷がついた場合等には、回転周期ごとにピーク波形が生じる。サンプリングしたデータの m 回ごとに通常の S 倍のピークをもつ信号が現れるものと仮定する。なお、サンプリング間隔の定め方についてはサンプリング定理にもとづく決定方法が周知であるが、ここでは議論を本題テーマに絞って明確化するために単純化している。
m 回ごとに通常のS倍の信号が生ずると仮定する。また、特別なピーク（S倍の信号）時以外の平均、分散は通常時の平均、分散と同じであると仮定する。
Figure 2006153774
Figure 2006153774
Figure 2006153774
 である。｛Xl｝を並べて m 回ごとに通常の S 倍の信号が生ずると、数３５は下記の∧を付けたところにピークが発生すると考えられる。（個々に見るとピークにならないケースもあろうが、全体で統計的にみると差は明瞭に現れる。）
Figure 2006153774
 これを見ると
Figure 2006153774
 が発生する。
Figure 2006153774
 である。
通常の信号レペルに比べ、Ｓ が大きい場合、計算を簡易化して
Figure 2006153774
 と仮定すると次のようになる。 About the simple calculation method of the first-order lag autocorrelation coefficient,
When the vibration signal shown above is described in a discrete time system, the signal data is sampled.
Figure 2006153774
Figure 2006153774
Figure 2006153774
 It is. In the above, the average value was assumed to be 0.
Figure 2006153774
Figure 2006153774
 It is. The autocorrelation function is defined as follows:
Figure 2006153774
 Therefore, the previous equation is
Figure 2006153774
 Can be rewritten. In other words, the 0th-order autocorrelation function is nothing but a fraction. The autocorrelation coefficient is
Figure 2006153774
 It is expressed.
When the rotating body is damaged, a peak waveform is generated for each rotation period. Assume that a signal with a normal S-fold peak appears every m times of sampled data. As for the method of determining the sampling interval, a determination method based on the sampling theorem is well known, but here it is simplified to clarify the discussion focusing on the theme.
Suppose that every m times a normal S-fold signal is generated. Further, it is assumed that the average and variance other than those at the special peak (S times signal) are the same as the average and variance in the normal time.
Figure 2006153774
Figure 2006153774
Figure 2006153774
 It is. When {X l } is arranged and a normal S-fold signal is generated every m times, it is considered that a peak occurs in the equation 35 where the following ∧ is attached. (There may be cases where the peak does not appear when viewed individually, but the difference appears clearly when viewed statistically as a whole.)
Figure 2006153774
 Looking at this
Figure 2006153774
 Occurs.
Figure 2006153774
 It is.
If S is larger than the normal signal lepel, the calculation is simplified.
Figure 2006153774
 Assuming that

（ケース１）

Figure 2006153774
Figure 2006153774
 数３０を用いて、
Figure 2006153774
 を得る。 (Case 1)
Figure 2006153774
Figure 2006153774
 Using Equation 30,
Figure 2006153774
 Get.

（ケース２）

Figure 2006153774
となる。ケース１と同様にして、
Figure 2006153774
 を得る。これは所定の仮定のもと、１次遅れの自己相関係数を近似計算したものであるため、疑似１次遅れ自己相関係数と言い換えることができる。この仮定のもとでは、系が正常である
Figure 2006153774
(Case 2)
Figure 2006153774
 It becomes. Like case 1,
Figure 2006153774
 Get. This is an approximate calculation of the first-order lag autocorrelation coefficient under a predetermined assumption, and can be rephrased as a pseudo first-order lag autocorrelation coefficient. Under this assumption, the system is normal
Figure 2006153774

数値計算例
今、数３３の仮定の元で m = １２ とする。また、数３３における Ｓ 倍のピークを Ｓ = ２、４、６、８ の各ケースで N = １００、３００、５００、１０００、３０００、５０００、１００００ の場合を考え、数４２の値の変遷結果を表 1 に示す。

Figure 2006153774
これからわかるように
Figure 2006153774
これを擬似 1 次遅れの自己相関係数型劣化指標と呼ぶことにする。そして、この結果より擬似 1 次遅れの自己相関係数型劣化指標は N が小さいほど感度がよいことが分かる。 Numerical Calculation Example Now, m = 12 under the assumption of Equation 33. In addition, considering the case of N = 100, 300, 500, 1000, 3000, 5000, 10000 in each case of S = 2, 4, 6, 8 in the case of S times in Equation 33, the transition result of the value of Equation 42 Is shown in Table 1.
Figure 2006153774
 As you can see
Figure 2006153774
This is called a pseudo-first-order autocorrelation coefficient type degradation index. From this result, it can be seen that the smaller the N, the better the sensitivity of the autocorrelation coefficient type degradation index with pseudo first order delay.

以下、この結果を多目的に検討するため、まず 尖度（クルトシス） 、ついで バイコヒーレンス の過去の検討結果を確認する。シミュレータで振動波形を発生させ、（ a ）正常状態（ S = 1 ）、（ｂ）小さい傷が生じている状態（ S = 2 ）、（ c ) 大きな傷が生じている状態（Ｓ = 6 ）について、クルトシスを正常値の比 Fa で比較する（表 3 ）。ここで

Figure 2006153774
Ｐｎｏｒ ：正常時の指標値、Ｐａｂｎ：異常時の指標値である。クルトシス は系が正常値では ３．０である。また文献による クルトシス の簡易計算方法を用いて KT の値は、
Figure 2006153774
 として出すことができる。これを m = 12 、 S = 2 , 4 , 6 のケースで計算すると表 2 のようになる。
Figure 2006153774
 In the following, in order to examine this result for multiple purposes, we first confirm the past examination results of kurtosis and bicoherence. A vibration waveform is generated by the simulator. (A) Normal state (S = 1), (b) Small scratch (S = 2), (c) Large scratch (S = 6) Compare the kurtosis with the normal ratio Fa (Table 3). here
Figure 2006153774
 Pnor: index value at normal time, Pabn: index value at abnormal time. The kurtosis is 3.0 when the system is normal. Also, using the simple calculation method of kurtosis based on literature, the value of KT is
Figure 2006153774
 Can be put out as This is calculated in the case of m = 12 and S = 2, 4, 6 as shown in Table 2.
Figure 2006153774

文献の結果を合わせると Fa は次のようになる。

Figure 2006153774
Ｓ= 6 のような大きな傷の場合は近似した値となっている。 S = 2 のような小さな傷が生じている場合は、過去の何回かの実験から見ても、 KT が ３．５〜４．５ のことが多く表 2 の結果は納得のできる数値である。 Combining the literature results, Fa is as follows.
Figure 2006153774
 In the case of a large scratch such as S = 6, it is an approximate value. When small scratches such as S = 2 occur, KT is often 3.5 to 4.5, and the results in Table 2 are convincing values, even from several past experiments. is there.

また文献には軸受転動体の傷の小、中、大で回転速度を変えた場合の KT を計測している。まとめて表 4 に示す。傷の大小の定義など必ずしも厳密に一致しているわけではないが、参考にすることができる。

Figure 2006153774
The literature also measures the KT when the rotational speed is changed between small, medium and large scratches on the rolling elements of the bearing. These are summarized in Table 4. The definition of the size of the wound is not necessarily exactly the same, but it can be used as a reference.
Figure 2006153774

次に バイコヒーレンス についてみてみる。文献には、概略次のようなものである。小型減速機の歯車の歯面に次のようなピッチング傷を印加し、おのおの傷小レベル、中レベル、大レベルとした。
傷小レベル：第二段歯車の総歯数のうち、約１／３ に印加
傷中レベル：第二段歯車の総歯数のうち、約 ２／3 に印加
傷大レベル：第二段歯車の総歯数のうち、全部に印加
数１６におけるｆ1 とｆ2については、何種類かの組み合わせで検討したが，
ｆ1：固有振動のうち、パワースペクトル値が最大となる周波数
ｆ2：２ｆ1
としたときに最もよい結果を得た。そのときのバイコヒーレンスの推移結果を表 5 に示す。

Figure 2006153774
このように バイコヒーレンス はきわめて感度のよい指標であることがわかった。なお、先ほどと同様、実験対象設備や傷の大小の定義など必ずしも厳密に一致しているわけではないが、参考にすることができる。バイコヒーレンスは数２１に示すように、０と 1 との間で示される絶対指標である点、普遍性が高いといえる。 Next, let's look at bicoherence. The literature is roughly as follows. The following pitching flaws were applied to the tooth surfaces of the gears of the small reduction gears to make the flaws small, medium and large.
Scratch small level: Applied to about 1/3 of the total number of teeth of the second stage gear. Scratched level: Applied to about 2/3 of the total number of teeth of the second stage gear. Scratched large level: Second stage gear. Of the total number of teeth, f 1 and f 2 with a total application number of 16 were studied in several combinations.
f 1 : Of the natural vibration, the frequency at which the power spectrum value is maximum f 2 : 2f 1
And got the best results. Table 5 shows the transition results of bicoherence at that time.
Figure 2006153774
 Thus, it was found that bicoherence is a very sensitive index. Note that, as before, the experimental equipment and the definition of the size of the scratch are not necessarily exactly the same, but can be used as a reference. As shown in Equation 21, bicoherence is an absolute index indicated between 0 and 1, and is highly universal.

さて、これらと今回の擬似 1 次遅れの自己相関係数型劣化指標とを比較する。明らかに今回の手法は バイコヒーレンスのように 0 と 1 との間の値をとる絶対指標である。感度は バイコヒーレンス ほどではないが，傷が大レべルであると０．５ 以下になり、傷が中レべルであると０．６７、傷が小レべルで０．９３となるので、ある程度実態を表すものとして感覚的に分かりやすいともいえる。何より本手法は数４２に示されているように電卓でも簡単に計算できる点が特徴である。簡便で実用的であるため、数１６〜数２１などを計算しなくてはならないバイコヒーレンスに比べ、現場において格段に扱いやすいものといえる。また、 クルトシスについては、系が正常の場合その値が３．０で、系の異常が進展すると表 2〜 4 に示すように値が大きくなっていく。そのため直接比較はできないが、 バイコヒーレンス と クルトシス を併用しながら総合的に判断するような活用の仕方が考えられる。 クルトシスについても数４２に示す簡易計算方法を提出し、その実用性も検証しているので、双方とも同様に簡便に算出して総合的判断に供することができる。   Now compare these with the autocorrelation coefficient type degradation index of this pseudo first order lag. Obviously, this method is an absolute index that takes a value between 0 and 1 like bicoherence. Sensitivity is not as high as bicoherence, but is less than 0.5 when the scratch is large, 0.67 when the scratch is medium, and 0.93 when the scratch is small. Therefore, it can be said that it is easy to understand sensuously as representing the actual situation to some extent. Above all, this method is characterized in that it can be easily calculated with a calculator as shown in Equation 42. Since it is simple and practical, it can be said that it is much easier to handle in the field than bicoherence, in which Equations 16 to 21 must be calculated. As for cultosis, the value is 3.0 when the system is normal, and the value increases as shown in Tables 2 to 4 as the system abnormality progresses. For this reason, it is not possible to make direct comparisons, but it is possible to use it in such a way that comprehensive judgment is made using both bicoherence and kurtosis. As for kurtosis, the simple calculation method shown in Formula 42 is submitted and its practicality is verified, so that both can be calculated simply and used for comprehensive judgment.

衝撃波が生じた場合の 1 次遅れ自己相関係数の簡易計算方法を導出し、それが設備診断の良好な指標となることを示した。それを擬似 1 次遅れの自己相関係数型劣化指標と名付け、バイコヒーレンス や クルトシスとの比較を行った。この新しい劣化指標は過去の文献データと比較してほぼ妥当な数値となっている。この方法による異常検知のステップは次のようになる。

Figure 2006153774
擬似 1 次遅れの自己相関係数型劣化指標は電卓でも簡便に計算できるので、現場における保全において重装備を必要とせず、実用度の高いものである。また、 N が小さいほうが感度がよかったことからも、設備異常の早期発見につながると考えられるので、現場のニーズにより対応した指標といえる。さらに、マイコンチップなどに組み込み、異常の早期発見ツールとしても活用することができる。 A simple calculation method of the first-order lag autocorrelation coefficient in the event of a shock wave was derived, and it was shown that it was a good indicator for equipment diagnosis. We named it an autocorrelation coefficient degradation index with pseudo first order lag and compared it with bicoherence and kurtosis. This new degradation index is a reasonable value compared to past literature data. The steps of abnormality detection by this method are as follows.
Figure 2006153774
The pseudo-first-order lag autocorrelation coefficient type degradation index can be easily calculated with a calculator, so it does not require heavy equipment for on-site maintenance and is highly practical. In addition, the smaller the N, the better the sensitivity. This is thought to lead to early detection of equipment abnormalities, so it can be said that it is an indicator that responds to the needs of the site. Furthermore, it can be incorporated into microcomputer chips and used as a tool for early detection of abnormalities.

図１は、通常の周期振動体から得られるデータの例を示す模式的特性図であり、（ａ）は正常時回転体の振動信号を示し、（ｂ）は衝撃波などの生じる異常時における回転体の振動信号を示す。例えば、回転体が傷ついた場合、回転周期毎のＳ倍のピーク波形1が生じ、ｍ間隔でｌ個蓄積される。特に初期異常の場合、当該回転体の単独損傷が他の回転体に派生的に影響を伝播しない間は、このピークが明確に出てくる。これをモデル化して分析すると、サンプリングしたデータのm間隔毎に通常のS倍のピークを持つ信号が現れる。   FIG. 1 is a schematic characteristic diagram showing an example of data obtained from a normal periodic vibrating body. (A) shows a vibration signal of a rotating body at normal time, and (b) shows a rotation at an abnormal time when a shock wave or the like occurs. The body vibration signal is shown. For example, when the rotating body is damaged, a peak waveform 1 of S times for each rotation period is generated, and l pieces are accumulated at intervals of m. In particular, in the case of an initial abnormality, this peak clearly appears as long as the single damage of the rotating body does not propagate the influence to other rotating bodies. When this is modeled and analyzed, a signal having a normal S-fold peak appears every m intervals of the sampled data.

図２は、具体的な周期運動体の状態診断システムの構成を示すブロック図である。工場内の周期運動体である回転体において、振動を検知するセンサ３１が設けられ、データ取得装置３２に接続され、計測データを装置に入力する。データ取得装置３２は計測データを所定の周期でサンプリングし、複数の信号からなる信号列を作成し、作成した信号列から各種のデータを取得する機能を有している。さらに工場内の通信ネットワークNW３３に接続され、状態診断装置本体１０に送信する。
データ取得装置３２からNW３３と並列して状態診断装置本体１０に接続されている。
状態診断装置本体１０は、本発明の１次遅れ自己相関係数計算装置としての機能を兼備し、コンピュータを用いて構成されている。装置本体１０は、演算を行うＣＰＵ１１と、演算に伴って発生する一時的な情報を記憶するＲＡＭ１２と、ＣＤ−ＲＯＭドライブ等の外部記憶装置１３と、ハードディスク等の内部記憶装置１４とを備えており、ＣＤ−ＲＯＭ等の本発明状態診断判定システム２０から本発明コンピュータプログラム２１を外部記憶装置１３にて読み取り、読み取ったコンピュータプログラム２１を内部記憶装置１４に記憶し、ＲＡＭ１２にコンピュータプログラム２１をロードし、ＣＰＵ１１はコンピュータプログラム２１に基づいて状態診断装置１０に必要な処理を実行する。また、状態診断装置１０は工場内の通信ネットワークＮＷ３３に接続された入力部１５（受付部）を備えており、通信ネットワークＮＷ３３を介してデータ取得装置３２からデータを入力部１５にて受信する。更に、状態診断装置１０は情報を外部へ出力する出力部１６を備えており、出力部１６は警報装置３４に接続され、状態診断装置１０は設備の異常を示す情報を出力部１６から警報装置３４へ送信する。警報装置３４はブザー、ランプ、または警報の内容を表示する表示部などを備え、状態診断装置１０から受信した情報に従って設備の異常を報知する。 FIG. 2 is a block diagram showing the configuration of a specific periodic moving body state diagnosis system. A rotating body, which is a periodic moving body in a factory, is provided with a sensor 31 that detects vibration, is connected to a data acquisition device 32, and inputs measurement data to the device. The data acquisition device 32 has a function of sampling measurement data at a predetermined cycle, creating a signal sequence composed of a plurality of signals, and acquiring various data from the created signal sequence. Further, it is connected to a communication network NW 33 in the factory, and transmitted to the state diagnosis apparatus main body 10.
The data acquisition device 32 is connected to the state diagnosis device main body 10 in parallel with the NW 33.
The state diagnosis apparatus main body 10 also has a function as the first-order lag autocorrelation coefficient calculation apparatus of the present invention, and is configured using a computer. The apparatus main body 10 includes a CPU 11 that performs calculation, a RAM 12 that stores temporary information generated in accordance with the calculation, an external storage device 13 such as a CD-ROM drive, and an internal storage device 14 such as a hard disk. The computer program 21 of the present invention is read by the external storage device 13 from the state diagnosis determination system 20 of the present invention such as a CD-ROM, the read computer program 21 is stored in the internal storage device 14, and the computer program 21 is loaded into the RAM 12. Then, the CPU 11 executes processing necessary for the state diagnosis device 10 based on the computer program 21. Further, the state diagnosis device 10 includes an input unit 15 (accepting unit) connected to a communication network NW33 in the factory, and receives data from the data acquisition device 32 via the communication network NW33. Furthermore, the state diagnosis device 10 includes an output unit 16 that outputs information to the outside. The output unit 16 is connected to the alarm device 34, and the state diagnosis device 10 sends information indicating an abnormality of the facility from the output unit 16 to the alarm device. 34. The alarm device 34 includes a buzzer, a lamp, or a display unit that displays the content of the alarm, and notifies the abnormality of the facility according to the information received from the state diagnosis device 10.

なお、状態診断装置１０は、通信ネットワークＮＷ３３に接続されている、図示しない外部のサーバ装置から本発明にかかるコンピュータプログラム２１をダウンロードし、ＣＰＵ１１にて処理を実行する形態であってもよい。   The state diagnosis device 10 may be configured such that the computer program 21 according to the present invention is downloaded from an external server device (not shown) connected to the communication network NW33, and the processing is executed by the CPU 11.

内部記憶装置１４は、診断対象の設備が正常であるときにデータ取得装置３２が取得したＮ個の信号からなる標準信号列と、標準信号列から計算される１次遅れ自己相関係数数１と記憶している。   The internal storage device 14 includes a standard signal sequence composed of N signals acquired by the data acquisition device 32 when the equipment to be diagnosed is normal, and a first-order lag autocorrelation coefficient number 1 calculated from the standard signal sequence. I remember.

図３は、本発明の状態診断システムが行う動作を示すフローチャートである。センサ３１は、設備の稼動に伴って発生した図１のごとき振動などのデータを計測し、データ取得装置３２は、設備の振動に略一致した周期などの所定の周期でセンサ３１から入力された計測データをサンプリングし（Ｓ１０１）、平均値が０である複数の信号からなる信号列を取得する。データ取得装置３２は、サンプリングの結果、取得した信号がｌ個蓄積されたか否かを判定し（Ｓ１０２）、信号がｌ個蓄積されていない場合は（Ｓ１０２：ＮＯ）、ステップＳ１０１へ処理を戻してサンプリングを継続し、信号がｌ個蓄積されている場合は（Ｓ１０２：ＹＥＳ）、蓄積されたｌ個の信号からなる第１信号列における信号の絶対値の平均の所定倍などの所定値よりも大きい絶対値を有する大信号が前記第１信号列に含まれているか否かを判定する（S１０３）。大信号が第１信号列にふくまれていた場合には（S１０３：ＹＥＳ）、データ取得装置３２は、第１信号列にて、他の信号の絶対値に対する大信号の絶対値の倍率S、カウント数ｌ及び大信号間の信号間隔数ｍを計測し（Ｓ１０４）、倍率Ｓ、カウント数ｌ、間隔数ｍ、及び第１信号列を、通信ネットワークＮＷ３３を介して状態診断装置１０へ送信する（Ｓ１０５）。   FIG. 3 is a flowchart showing an operation performed by the state diagnosis system of the present invention. The sensor 31 measures data such as vibration as shown in FIG. 1 generated with the operation of the equipment, and the data acquisition device 32 is input from the sensor 31 at a predetermined cycle such as a cycle that substantially matches the vibration of the equipment. The measurement data is sampled (S101), and a signal sequence including a plurality of signals having an average value of 0 is acquired. As a result of sampling, the data acquisition device 32 determines whether or not 1 acquired signal has been accumulated (S102). If 1 signal has not been accumulated (S102: NO), the process returns to step S101. If the sampling is continued and 1 signal is accumulated (S102: YES), a predetermined value such as a predetermined multiple of the average of the absolute value of the signal in the first signal sequence consisting of the accumulated l signals is used. It is determined whether or not a large signal having a larger absolute value is included in the first signal sequence (S103). When the large signal is included in the first signal sequence (S103: YES), the data acquisition device 32 uses the first signal sequence to multiply the absolute value S of the large signal with respect to the absolute value of the other signal S, The count number l and the signal interval number m between the large signals are measured (S104), and the magnification S, the count number l, the interval number m, and the first signal sequence are transmitted to the state diagnosis device 10 via the communication network NW33. (S105).

状態診断装置１０は、倍率S、カウント数ｌ、信号間隔数ｍなど、第１信号列をデータ取得装置３２から受信し（Ｓ１０６）、内部記憶装置１４に記憶してある１次遅れ自己相関係数を読み出し（Ｓ１０７）、一方、S、ｌ、ｍから１次遅れ自己相関係数計算式によって

Figure 2006153774
これらを表やグラフに表したものでもよい。この判定によって、所定より大きな値を示せば、異常情報として警報信号の送信し（Ｓ１１０）、異常のない場合は正常として計測状態に戻る。異常のある場合は、ブザーやランプなどで表示するとともに、その設備についてマニュアルに基づき停止などが実行される。 The state diagnosis device 10 receives the first signal sequence from the data acquisition device 32 such as the magnification S, the count number l, and the signal interval number m (S106), and stores the first-order lag self-phase relationship stored in the internal storage device 14. The number is read out (S107).
Figure 2006153774
These may be represented in a table or graph. If this determination shows a value larger than the predetermined value, an alarm signal is transmitted as abnormality information (S110), and if there is no abnormality, the measurement state is returned to normal. If there is an abnormality, it is displayed with a buzzer, a lamp, etc., and the equipment is stopped based on the manual.

図４は、本発明の実施の一形態を示した状態診断方法の概念図である。これは電卓などによる簡易的な

Figure 2006153774
設備に設けられたセンサ３１にはオシロスコープ等のデータ表示装置５１が接続されており、データ表示装置５１にはセンサ３１が計測したデータを図１に示すような表示にすることができる。また、設備の作業者は、データ表示装置から、所定のデータを電卓にインプットして、
Figure 2006153774
計算式にて計算し、設備稼働中のチェックに用いることが可能である。また、数４０を含む１次遅れ自己相関係数の計算方法を内蔵したコンピュータプログラムとしてもよく、更に、これら数４０を含むコンピュータプログラムを内蔵した記録媒体とすることでもよい。 FIG. 4 is a conceptual diagram of a state diagnosis method showing an embodiment of the present invention. This is simple with a calculator
Figure 2006153774
A data display device 51 such as an oscilloscope is connected to the sensor 31 provided in the facility, and the data displayed by the sensor 31 can be displayed on the data display device 51 as shown in FIG. In addition, the operator of the facility inputs predetermined data from the data display device to the calculator,
Figure 2006153774
It is possible to calculate with the calculation formula and use it for checking when the equipment is in operation. Further, a computer program including a calculation method of a first-order lag autocorrelation coefficient including Formula 40 may be used, and a recording medium including a computer program including Formula 40 may be used.

本発明に用いる、通常回転体の正常時（ａ）及び異常時（ｂ）の振動信号の模 式的図である。FIG. 5 is a schematic diagram of vibration signals used in the present invention when the normal rotating body is normal (a) and abnormal (b). 本発明の状態診断システムの構成を示すブロック図である。It is a block diagram which shows the structure of the state diagnostic system of this invention. 本発明の状態診断システムが行う動作を示すフローチャートである。It is a flowchart which shows the operation | movement which the state diagnostic system of this invention performs. 本発明の実施の一形態を示した状態診断方法の概念図である。It is a conceptual diagram of the state diagnostic method which showed one Embodiment of this invention.

符号の説明Explanation of symbols

１ ピーク波形
１０ 状態診断装置
１２ ＲＡＭ
１３ 外部記憶装置
１４ 内部記憶装置
１５ 入力部
１６ 出力部
２０ 状態診断判定システム
３ 片側派生衝撃波
３１ センサ
３２ データ取得装置
３４ 警報装置

1 Peak waveform 10 Condition diagnosis device 12 RAM
DESCRIPTION OF SYMBOLS 13 External storage device 14 Internal storage device 15 Input part 16 Output part 20 State diagnosis determination system 3 One side derived shock wave 31 Sensor 32 Data acquisition apparatus 34 Alarm apparatus

Claims (12)

周期運動体において傷がついた場合、回転周期ごとにピーク波形が生じ、その衝撃波の振動信号（通常のＳ倍のピークを持つ信号）を計測し、間隔数ｍ、を用いて、標準のパターンとを比較して、異常などを検知する工程において、周期運動体の振動信号を計測したデータに対し、衝撃波が生じた場合の 1 次遅れ自己相関係数の簡易計算方法を導出し、設備の異常検知をする際、
Figure 2006153774
 の１次遅れの自己相関関数の簡易計算にて
Figure 2006153774
 の０次自己相関関数とにおいて、1 次遅れ自己相関係数を
Figure 2006153774
 （｛xi｝（i＝1,2、・・・、N）は計測対象から得られた振動信号を時間の関数ｘ（ｔ）としたときの離散データ、
Figure 2006153774
に基づいて計算し、得られた結果に基づいて、状態を判定することを特徴とする周期運動体の状態診断方法。 When a periodic moving body is damaged, a peak waveform is generated for each rotation period, a vibration signal of the shock wave (a signal having a normal S-fold peak) is measured, and a standard pattern is measured using an interval number m. In the process of detecting anomalies, etc., a simple calculation method for the first-order lag autocorrelation coefficient when shock waves occur is derived from data obtained by measuring the vibration signal of a periodic moving body. When detecting anomalies,
Figure 2006153774
 Simple calculation of autocorrelation function of first-order lag
Figure 2006153774
 The first-order lag autocorrelation coefficient for the zeroth-order autocorrelation function
Figure 2006153774
 ({X i } (i = 1, 2,..., N) is discrete data when the vibration signal obtained from the measurement target is a function of time x (t),
Figure 2006153774
A method for diagnosing a state of a periodic moving body, wherein the state is determined based on a result obtained by calculation based on the results. 請求項１において、
Figure 2006153774
 （但し、系が正常である
Figure 2006153774
となる。また
Figure 2006153774
にて、１次遅れ自己相関係数を近似計算する疑似１次遅れ自己相関係数による周期運動体の状態診断方法。 In claim 1,
Figure 2006153774
 (However, the system is normal.
Figure 2006153774
It becomes. Also
Figure 2006153774
A method for diagnosing the state of a periodic moving body using a pseudo first-order lag autocorrelation coefficient that approximates the first-order lag autocorrelation coefficient. 周期運動体の振動信号を計測したデータに対し、衝撃波を計測し、疑似１次遅れ自己相関係数の変遷でもって、予め正常時の１次遅れ自己相関係数との対比において大きい場合、異常と判定することを特徴とする周期運動体の状態診断システム。 If the shock wave is measured for the data of the vibration signal of the periodic moving body, and the transition of the pseudo first order lag autocorrelation coefficient is large in comparison with the first order lag autocorrelation coefficient at normal time, abnormal A system for diagnosing the state of a periodic moving body, characterized in that 異常信号を音、光として発信することを特徴とする請求項３記載の周期運動体の状態診断システム。 The system for diagnosing a state of a periodic moving body according to claim 3, wherein the abnormal signal is transmitted as sound or light. 周期運動体の振動信号を計測したデータに対し、衝撃波が生じた場合の 1 次遅れ自己相関係数の簡易計算方法を導出し、設備の異常検知をする際、正常・異常各レべルの
Figure 2006153774
信号データよりピーク値を計測し、正常データ時におけるピーク値の比をとって、請求項２記載の数４より
Figure 2006153774
異常レべルを判定することを特徴とする周期運動体の状態診断システム。 A simple calculation method of the first-order lag autocorrelation coefficient when shock waves occur is derived from the data obtained by measuring the vibration signal of a periodic moving body.
Figure 2006153774
The peak value is measured from the signal data, and the ratio of the peak value at the time of normal data is calculated.
Figure 2006153774
A system for diagnosing a state of a periodic moving body characterized by determining an abnormal level. 周期運動体の振動信号を計測したデータに対し、衝撃波が生じた場合の 1 次遅れ自己相関係数の簡易計算方法を導出し、設備の異常検知をする際、
Figure 2006153774
信号データよりピーク値を計測する手段、
Figure 2006153774
を備えた周期運動体の状態診断装置。 When deriving a simple calculation method of the first-order lag autocorrelation coefficient when shock waves are generated from data obtained by measuring the vibration signal of a periodic moving body,
Figure 2006153774
Means for measuring peak values from signal data,
Figure 2006153774
A device for diagnosing the state of a periodic moving body. 前記判定手段から、音又は光の媒体による伝達手段を備えた請求項６記載の周期運動体の状態診断装置。 The state diagnosing device for a periodic moving body according to claim 6, further comprising a transmission unit using a sound or light medium from the determination unit. 外部コンピュータに予め１次遅れ自己相関係数の計算式を設定しておき、外部データと連動して瞬間的に表、図、グラフなどを表示するモニター手段を備えたことを特徴とする請求項６記載の周期運動体の状態診断装置。 6. A monitor means for setting a calculation formula for a first-order lag autocorrelation coefficient in an external computer in advance and instantaneously displaying a table, figure, graph or the like in conjunction with the external data. 6. The state diagnosing device for a periodic moving body according to 6. 請求項１記載の数１、数２、数３を備えた周期運動体の状態診断コンピュータプログラム。 A computer program for diagnosing the state of a periodic moving body comprising the equations (1), (2) and (3) according to claim 1. 周期運動体の振動信号を計測したデータに対し、衝撃波が生じた場合の 1 次遅れ自己相関係数の簡易計算方法を導出し、設備の異常検知をする際、
Figure 2006153774
信号データよりピーク値を計測し、正常データ時におけるピーク値の比をとって、請求項２記載の数４より
Figure 2006153774
異常レべルを判定することを備えた周期運動体の状態診断コンピュータプログラム。 When deriving a simple calculation method of the first-order lag autocorrelation coefficient when shock waves are generated from data obtained by measuring the vibration signal of a periodic moving body,
Figure 2006153774
The peak value is measured from the signal data, and the ratio of the peak value at the time of normal data is calculated.
Figure 2006153774
A computer program for diagnosing a state of a periodic moving body comprising determining an abnormal level. 請求項１記載の数１、数２、数３を備えた周期運動体の状態診断記録媒体。 A state-diagnosis recording medium for a periodic moving body comprising the equations (1), (2), and (3) according to claim 1. 請求項５の内容を記録した周期運動体の状態診断記録媒体。 A state-diagnosis recording medium for a periodic moving body in which the contents of claim 5 are recorded.
JP2004347722A 2004-11-30 2004-11-30 State diagnosis method of periodical moving body, diagnosis device, diagnosis system, computer program and recording medium Pending JP2006153774A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2004347722A JP2006153774A (en) 2004-11-30 2004-11-30 State diagnosis method of periodical moving body, diagnosis device, diagnosis system, computer program and recording medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2004347722A JP2006153774A (en) 2004-11-30 2004-11-30 State diagnosis method of periodical moving body, diagnosis device, diagnosis system, computer program and recording medium

Publications (1)

Publication Number Publication Date
JP2006153774A true JP2006153774A (en) 2006-06-15

Family

ID=36632247

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2004347722A Pending JP2006153774A (en) 2004-11-30 2004-11-30 State diagnosis method of periodical moving body, diagnosis device, diagnosis system, computer program and recording medium

Country Status (1)

Country Link
JP (1) JP2006153774A (en)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007138876A1 (en) 2006-06-01 2007-12-06 Nec Corporation Communication node authentication system and method, and communication node authentication program
JP2018153784A (en) * 2017-03-21 2018-10-04 Ｊｆｅプラントエンジ株式会社 Abnormality diagnosis method for sludge scraper
JP7458277B2 (en) 2020-09-16 2024-03-29 株式会社東芝 Information processing device

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007138876A1 (en) 2006-06-01 2007-12-06 Nec Corporation Communication node authentication system and method, and communication node authentication program
JP2018153784A (en) * 2017-03-21 2018-10-04 Ｊｆｅプラントエンジ株式会社 Abnormality diagnosis method for sludge scraper
JP7458277B2 (en) 2020-09-16 2024-03-29 株式会社東芝 Information processing device

Similar Documents

Publication Publication Date Title
Bafroui et al. Application of wavelet energy and Shannon entropy for feature extraction in gearbox fault detection under varying speed conditions
Robertson et al. Singularity detection for structural health monitoring using holder exponents
Wang et al. A wavelet approach to fault diagnosis of a gearbox under varying load conditions
Zhan et al. Adaptive state detection of gearboxes under varying load conditions based on parametric modelling
EP3049788B1 (en) Gear fault detection
Wang et al. Application of local mean decomposition to the surveillance and diagnostics of low-speed helical gearbox
Siegel et al. Novel method for rolling element bearing health assessment—A tachometer-less synchronously averaged envelope feature extraction technique
JP2008292288A (en) Bearing diagnostic device for reduction gear
EP2345894B1 (en) Trending of vibration data taking into account torque effect
KR101857355B1 (en) failure detection method for rotating machinery using Wavelet Entropy(WE) and Cyclic Logarithmic Envelope Spectrum(CLES)
JP7468724B2 (en) Piping diagnosis device, piping diagnosis method, and program
JP2010066244A (en) Method and system for diagnosis of abnormal conditions in facilities
JP2006153774A (en) State diagnosis method of periodical moving body, diagnosis device, diagnosis system, computer program and recording medium
Wagner et al. Implementation of the Average-Log-Ratio ALR gear-damage detection algorithm on gear-fatigue-test recordings
JP2006189333A (en) Device for diagnosing abnormality of bearing
Li et al. Diagnostics and prognostics of a single surface defect on roller bearings
Amer et al. Machine tool condition monitoring using sweeping filter techniques
JP7381390B2 (en) Abnormality diagnosis device and maintenance management system
JP2006153760A (en) State monitoring method for periodical moving body, monitoring device, monitoring system, computer program and recording medium
JP2006153761A (en) State monitoring method of periodical moving body, state monitoring system, state monitoring device, computer program and recording medium
Siew et al. Fault severity trending in rolling element bearings
JP2918683B2 (en) Method for specifying AE signal due to bearing fatigue and method for predicting bearing destruction using this method
WO2004013589A1 (en) Vibration detecting method and device
JP2009115619A (en) State monitoring method, monitoring system, computer program and recording medium for periodical moving object
JP2002310854A (en) Method and device for detecting damaged tooth of speed increasing/reducing gear