CN102713554A - 滚动轴承的异常诊断装置、风力发电装置及异常诊断系统 - Google Patents

滚动轴承的异常诊断装置、风力发电装置及异常诊断系统 Download PDF

Info

Publication number
CN102713554A
CN102713554A CN2010800605979A CN201080060597A CN102713554A CN 102713554 A CN102713554 A CN 102713554A CN 2010800605979 A CN2010800605979 A CN 2010800605979A CN 201080060597 A CN201080060597 A CN 201080060597A CN 102713554 A CN102713554 A CN 102713554A
Authority
CN
China
Prior art keywords
rolling bearing
envelope
waveform
diagnosis
effective value
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.)
Granted
Application number
CN2010800605979A
Other languages
English (en)
Other versions
CN102713554B (zh
Inventor
坂口智也
二之汤伸幸
平田淳一
榊原育彦
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.)
NTN Corp
Original Assignee
NTN 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 NTN Corp filed Critical NTN Corp
Publication of CN102713554A publication Critical patent/CN102713554A/zh
Application granted granted Critical
Publication of CN102713554B publication Critical patent/CN102713554B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H1/00—Measuring characteristics of vibrations in solids by using direct conduction to the detector
    • G01H1/003—Measuring characteristics of vibrations in solids by using direct conduction to the detector of rotating machines
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
    • F03D—WIND MOTORS
    • F03D17/00—Monitoring or testing of wind motors, e.g. diagnostics
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
    • F03D—WIND MOTORS
    • F03D80/00—Details, components or accessories not provided for in groups F03D1/00 - F03D17/00
    • F03D80/70—Bearing or lubricating arrangements
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M13/00—Testing of machine parts
    • G01M13/04—Bearings
    • G01M13/045—Acoustic or vibration analysis
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
    • F05B2270/00—Control
    • F05B2270/30—Control parameters, e.g. input parameters
    • F05B2270/334—Vibration measurements
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/70—Wind energy
    • Y02E10/72—Wind turbines with rotation axis in wind direction

Abstract

有效值运算部(120)计算出利用振动传感器(70)测定的轴承的振动波形的有效值。包络处理部(140)通过对利用振动传感器(70)测定的振动波形进行包络处理，从而生成振动波形的包络波形。有效值运算部(160)计算出由包络处理部(140)生成的包络波形的交流分量的有效值。诊断部(190)基于由有效值运算部(120)计算出的振动波形的有效值及由有效值运算部(160)计算出的包络波形的交流分量的有效值，来诊断轴承的异常。

Description

滚动轴承的异常诊断装置、风力发电装置及异常诊断系统
技术领域
本发明涉及滚动轴承的异常诊断装置、风力发电装置及异常诊断系统，特别涉及在风力发电装置的主轴和增速器、发电机等上设置的滚动轴承的异常诊断技术。
背景技术
在风力发电装置中，使得与接收风力的叶片相连接的主轴旋转，利用增速器使主轴的旋转增速，之后使发电机的转子旋转，从而进行发电。主轴以及增速器和发电机的转轴分别由滚动轴承支承，能自由旋转，已知有对这种轴承的异常进行诊断的异常诊断装置。
日本专利特开2006－105956号公报(专利文献1)公开一种对轴承装置等旋转构件的异常进行诊断的异常诊断装置。该异常诊断装置是对在与轴承箱相对旋转的火车用滚动轴承装置上组装的多列圆锥滚子轴承的异常进行诊断的异常诊断装置，包括将多列圆锥滚子轴承进行旋转驱动的驱动电动机、和安装于轴承箱的振动传感器。而且，在驱动电动机不通电的时期内，当多列圆锥滚子轴承在规定的转速区域内惯性旋转时，基于振动传感器的检测信号，可诊断出多列圆锥滚子轴承的异常。
根据该异常诊断装置，能诊断旋转构件的异常，而不用将组装有旋转构件的装置进行分解，并且，能防止因由旋转驱动单元产生的电干扰噪声的影响而导致的误诊断，以进行可靠性较高的异常诊断(参照专利文献1)。
现有技术文献
专利文献
专利文献1：日本专利特开2006－105956号公报
发明内容
本发明要解决的技术问题
在上述日本专利特开2006－105956号公报所公开的异常诊断装置中，利用安装于轴承箱的振动传感器来测定振动波形，基于对该振动波形进行频率分析后得到的结果，来进行旋转构件的异常判定。更详细而言，在滚动轴承中，由于因轴承的损伤而产生的异常振动的产生周期会根据损伤的发生部位而变化，因此，对利用振动传感器测定的振动波形进行频率分析，并对其峰值频率进行解析，从而可确定轴承有无异常并确定异常部位。
然而，在这种频率分析的方法中，例如，在像上述风力发电装置那样设置有增速器的情况下，由于混入有增速器的齿轮的啮合振动频率，或混入有各种周边构件的固有振动频率，有时会导致无法进行正确的异常诊断。
因而，本发明是为了解决上述问题而完成的，其目的在于提供一种实现更正确的异常诊断的滚动轴承的异常诊断装置、风力发电装置及异常诊断系统。
用于解决技术问题的技术手段
根据本发明，滚动轴承的异常诊断装置包括用于测定滚动轴承的振动波形的振动传感器、和用于诊断滚动轴承的异常的处理部。处理部包含第1和第2运算部、包络处理部、及诊断部。第1运算部计算出利用振动传感器测定的振动波形的有效值。包络处理部通过对利用振动传感器测定的振动波形进行包络处理，从而生成振动波形的包络波形。第2运算部计算出由包络处理部生成的包络波形的交流分量的有效值。诊断部基于由第1运算部计算出的振动波形的有效值及由第2运算部计算出的包络波形的交流分量的有效值，来诊断滚动轴承的异常。
优选为，滚动轴承的异常诊断装置还包括用于检测由滚动轴承支承的轴或滚动轴承的转速的旋转传感器。处理部还包含修正振动度计算部和修正调制度计算部。修正振动度计算部计算出用转速将由第1运算部计算出的振动波形的有效值进行标准化后得到的修正振动度。修正调制度计算部计算出用转速将由第2运算部计算出的包络波形的交流分量的有效值进行标准化后得到的修正调制度。而且，诊断部基于修正振动度及修正调制度，来诊断滚动轴承的异常。
更优选为，诊断部基于修正振动度及修正调制度随时间的变化的推移，来诊断滚动轴承的异常。
优选为，处理部还包含频率分析部。频率分析部对振动波形和包络波形中的至少一方进行频率分析。诊断部基于频率分析部的分析结果，来进一步推定滚动轴承的异常部位。
优选为，振动传感器包含加速度传感器。
优选为，滚动轴承的异常诊断装置还包括用于检测滚动轴承的内外轮间的相对位移的位移传感器。而且，诊断部进一步利用位移传感器的检测值，来诊断滚动轴承的异常。
此外，优选为，滚动轴承的异常诊断装置还包括用于检测由滚动轴承产生的声发射波的AE传感器。而且，诊断部进一步利用AE传感器的检测值，来诊断滚动轴承的异常。
此外，优选为，滚动轴承的异常诊断装置还包括用于测定滚动轴承的温度的温度传感器。而且，诊断部进一步利用温度传感器的测定值，来诊断滚动轴承的异常。
此外，优选为，滚动轴承的异常诊断装置还包括用于测定滚动轴承的润滑剂所包含的杂质量的传感器。而且，诊断部进一步利用传感器的测定值，来诊断滚动轴承的异常。
优选为，滚动轴承的异常诊断装置还包括用于检测由滚动轴承支承的轴或滚动轴承的转速的旋转传感器。包络处理部包含绝对值检波部和包络线检波部。绝对值检波部输出振动波形的绝对值。包络线检波部通过对绝对值检波部的输出信号实施规定的时间常数的衰减处理，从而生成包络波形。此处，时间常数基于转速来设定。
更优选为，时间常数设定为滚动轴承中的转动体的自转的半个周期以下。
更优选为，时间常数设定为转动体的自转的半个周期的0.5倍以上。
此外，优选为，时间常数设定为滚动轴承的转动体相对于静止轮的通过周期以下。
更优选为，时间常数设定为转动体的通过周期的0.5倍以上。
此外，根据本发明，风力发电装置包括叶片、主轴、增速器、发电机、多个滚动轴承、及异常诊断装置。叶片接收风力。主轴与叶片相连接。增速器使主轴的旋转增速。发电机与增速器的输出轴相连接。多个滚动轴承设置于主轴、增速器及发电机。异常诊断装置诊断多个滚动轴承中的至少一个滚动轴承的异常。异常诊断装置包含用于测定诊断对象的滚动轴承的振动波形的振动传感器、和用于对诊断对象的滚动轴承的异常进行诊断的处理部。处理部包含第1和第2运算部、包络处理部、及诊断部。第1运算部计算出利用振动传感器测定的振动波形的有效值。包络处理部通过对利用振动传感器测定的振动波形进行包络处理，从而生成振动波形的包络波形。第2运算部计算出由包络处理部生成的包络波形的交流分量的有效值。诊断部基于由第1运算部计算出的振动波形的有效值及由第2运算部计算出的包络波形的交流分量的有效值，来诊断滚动轴承的异常。
此外，根据本发明，异常诊断系统包括风力发电装置、异常诊断装置、及通信装置。异常诊断装置与风力发电装置配置在不同位置。通信装置在风力发电装置与异常诊断装置之间进行通信。风力发电装置包括叶片、主轴、增速器、发电机、多个滚动轴承、振动传感器、及数据处理部。叶片接收风力。主轴与叶片相连接。增速器使主轴的旋转增速。发电机与增速器的输出轴相连接。多个滚动轴承设置于主轴、增速器及发电机。振动传感器测定多个滚动轴承中的至少一个滚动轴承的振动波形。数据处理部对利用振动传感器测定的振动波形进行一次处理。数据处理部包含第1和第2运算部、及包络处理部。第1运算部计算出利用振动传感器测定的振动波形的有效值。包络处理部通过对利用振动传感器测定的振动波形进行包络处理，从而生成振动波形的包络波形。第2运算部计算出由包络处理部生成的包络波形的交流分量的有效值。异常诊断装置基于利用通信装置从风力发电装置的数据处理部接收到的振动波形的有效值及包络波形的交流分量的有效值，来对诊断对象的滚动轴承的异常进行诊断。
优选为，异常诊断装置及通信装置与对风力发电装置的发电量进行远程监视的系统分离设置。
优选为，通信装置在通信路径的一部分包含无线通信。
更优选为，异常诊断装置与互联网相连接。通信装置包含无线通信部和通信服务器。无线通信部设置在风力发电装置内。通信服务器与互联网相连接，构成为能与无线通信部进行无线通信。
发明效果
根据本发明，由于基于利用振动传感器测定的振动波形的有效值、以及通过对利用振动传感器测定的振动波形进行包络处理而生成的包络波形的交流分量的有效值，来诊断滚动轴承的异常，因此，与现有的频率分析的方法相比，能实现更正确的异常诊断。此外，能免除不必要的维护，从而能降低维护所需的成本。
附图说明
图1是简要表示应用本发明的实施方式1所涉及的滚动轴承的异常诊断装置的风力发电装置的结构的图。
图2是在功能上表示图1所示的数据处理装置的结构的功能框图。
图3是表示在轴承未发生异常时的轴承的振动波形的图。
图4是表示在轴承的轨道轮的表面变粗糙或发生润滑不良时观察到的轴承的振动波形的图。
图5是表示在轴承的轨道轮发生剥离时的初始阶段中的轴承的振动波形的图。
图6是表示在剥离异常的末期阶段观察到的轴承的振动波形的图。
图7是表示在轴承的轨道轮的一部分发生剥离、之后剥离转移到轨道轮整个区域时的轴承的振动波形的有效值及包络波形的交流分量的有效值随时间的变化的图。
图8是表示在轴承的轨道轮的表面变粗糙或发生润滑不良时的轴承的振动波形的有效值及包络波形的交流分量的有效值随时间的变化的图。
图9是在功能上表示实施方式2中的数据处理装置的结构的功能框图。
图10是在功能上表示实施方式3中的数据处理装置的结构的功能框图。
图11是在功能上表示实施方式4中的数据处理装置的结构的功能框图。
图12是简要表示实施方式5所涉及的异常诊断系统的整体结构的图。
图13是在功能上表示图12所示的风力发电装置所包含的数据处理装置的结构的功能框图。
图14是实施方式6中的包络处理部的功能框图。
图15是表示在使包络处理的时间常数变化时的包络波形的变化的图。
图16是表示将调制度除以振动度后得到的值与包络处理的时间常数之间的关系的图。
图17是表示异常产品(剥离)的调制比相对于正常产品的调制比的比率、与包络处理的时间常数之间的关系的图。
具体实施方式
以下，参照附图，详细说明本发明的实施方式。此外，对于图中相同或相当的部分标注相同标号，不再重复其说明。
[实施方式1]
图1是简要表示应用本发明的实施方式1所涉及的滚动轴承的异常诊断装置的风力发电装置的结构的图。参照图1，风力发电装置10包括主轴20、叶片30、增速器40、发电机50、主轴用轴承(以下简称为“轴承”)60、振动传感器70、及数据处理装置80。增速器40、发电机50、轴承60、振动传感器70、及数据处理装置80放置在机舱(nacelle)90内，机舱90由塔架(tower)100所支承。
主轴20进入机舱90内而与增速器40的输入轴相连接，由轴承60支承，能自由旋转。而且，主轴20将由接收到风力的叶片30产生的转矩传递给增速器40的输入轴。叶片30设置于主轴20的前端，将风力转换成转矩以传递给主轴20。
轴承60固定设置在机舱90内，支承主轴20使主轴20能自由旋转。轴承60由滚动轴承构成，例如，由自动调心滚子轴承、圆锥滚子轴承、圆柱滚子轴承、球轴承等构成。另外，这些轴承可以是单列的，也可以是多列的。振动传感器70固定设置于轴承60。而且，振动传感器70检测出轴承60的振动，并将其检测值输出到数据处理装置80。振动传感器70例如由利用了压电元件的加速度传感器构成。
增速器40设置在主轴20与发电机50之间，增大主轴20的转速，并输出到发电机50。作为一例，增速器40由包含行星齿轮、和中间轴、高速轴等的齿轮增速机构构成。另外，虽然未特别图示，但在该增速器40内也设置有支承多个轴使多个轴能自由旋转的多个轴承。发电机50与增速器40的输出轴相连接，利用从增速器40接收到的转矩进行发电。发电机50例如由感应发电机构成。另外，在该发电机50内也设置有支承转子使转子能自由旋转的轴承。
数据处理装置80设置在机舱90内，从振动传感器70接收轴承60的振动检测值。然后，数据处理装置80按照预先设定的程序，通过后述的方法，利用轴承60的振动波形来诊断轴承60的异常。
图2是在功能上表示图1所示的数据处理装置80的结构的功能框图。参照图2，数据处理装置80包含高通滤波器(以下称为HPF(High PassFilter))110、150、有效值运算部120、160、包络处理部140、存储部180、及诊断部190。
HPF110从振动传感器70接收轴承60的振动检测值。然后，HPF110对于该接收到的检测信号，使得比预先确定的频率要高的信号分量通过，并切断低频分量。该HPF110是为了去除轴承60的振动波形所包含的直流分量而设置的。另外，若来自振动传感器70的输出不包含直流分量，则也可以省略HPF110。
有效值运算部120从HPF110接收去除直流分量后的轴承60的振动波形。然后，有效值运算部120计算出轴承60的振动波形的有效值(也称为“RMS(Root Mean Square：均方根)值”)，将该计算出的振动波形的有效值输出到存储部180。
包络处理部140从振动传感器70接收轴承60的振动检测值。然后，包络处理部140通过对该接收到的检测信号进行包络处理，从而生成轴承60的振动波形的包络波形。另外，对于在包络处理部140中进行运算的包络处理，可适用各种公知方法，作为一例，将利用振动传感器70测定的轴承60的振动波形整流成绝对值，使其通过低通滤波器(LPF(Low Pass Filter))，从而生成轴承60的振动波形的包络波形。
HPF150从包络处理部140接收轴承60的振动波形的包络波形。然后，HPF150对于该接收到的包络波形，使得比预先确定的频率要高的信号分量通过，并切断低频分量。该HPF 150是为了去除包络波形所包含的直流分量、提取包络波形的交流分量而设置的。
有效值运算部160从HPF150接收去除直流分量后的包络波形、即包络波形的交流分量。然后，有效值运算部160计算出该接收到的包络波形的交流分量的有效值(RMS值)，并将该计算出的包络波形的交流分量的有效值输出到存储部180。
存储部180使得由有效值运算部120计算出的轴承60的振动波形的有效值、和由有效值运算部160计算出的包络波形的交流分量的有效值进行同步，并时刻进行存储。该存储部180例如由可读写的非易失性存储器等构成。
诊断部190将存储部180中时刻存储的、轴承60的振动波形的有效值及包络波形的交流分量的有效值从存储部180读出，基于该读出的两个有效值，来诊断轴承60的异常。详细而言，诊断部190基于轴承60的振动波形的有效值及包络波形的交流分量的有效值随时间的变化的推移，来诊断轴承60的异常。
即，由于由有效值运算部120计算出的轴承60的振动波形的有效值是未进行包络处理的原始的振动波形的有效值，因此，例如，对于仅当在轨道轮的一部分发生剥离、转动体通过该剥离部位时振幅增加的脉冲性振动，值的增加量较小，但对于在轨道轮和转动体的接触部的表面变粗糙、润滑不良时产生的持续性振动，值的增加量变大。
另一方面，由有效值运算部160计算出的包络波形的交流分量的有效值中，对于在轨道轮的表面变粗糙、润滑不良时产生的持续性振动，值的增加量较小，有时不会增加，但对于脉冲性振动，值的增加量变大。因而，在该实施方式1中，通过使用轴承60的振动波形的有效值和包络波形的交流分量的有效值，能将仅用一个有效值无法检测出的异常检测出来，从而能实现更正确的异常诊断。
图3～图6是表示利用振动传感器70测定的轴承60的振动波形的图。另外，在该图3～图6中，示出主轴20(图1)的转速一定时的振动波形。
图3是表示轴承60未发生异常时的轴承60的振动波形的图。参照图3，横轴表示时间，纵轴表示振动度，该振动度表示振动的大小。
图4是表示在轴承60的轨道轮的表面变粗糙或发生润滑不良时观察到的轴承60的振动波形的图。参照图4，若轨道轮的表面变粗糙或发生润滑不良，则振动增加，且振动增加的状态持续产生。振动波形中，未产生显著的峰值。因而，对于这种振动波形，若与轴承60未发生异常时的振动波形的有效值(有效值运算部120(图2)的输出)及包络波形的交流分量的有效值(有效值运算部160(图2)的输出)进行比较，则未进行包络处理的原始的振动波形的有效值增加，包络波形的交流分量的有效值不太增加。
图5是表示在轴承60的轨道轮发生剥离时的初始阶段中的轴承60的振动波形的图。参照图5，剥离异常的初始阶段是轨道轮的一部分发生剥离的状态，由于在转动体通过该剥离部位时产生较大振动，因此，随着轴的旋转而周期性地产生脉冲性振动。在转动体通过剥离部位以外的部位时，振动的增加量较小。因此，对于这种振动波形，若与轴承60未发生异常时的振动波形的有效值及包络波形的交流分量的有效值进行比较，则包络波形的交流分量的有效值增加，原始的振动波形的有效值不太增加。
图6是表示在剥离异常的末期阶段观察到的轴承60的振动波形的图。参照图6，剥离异常的末期阶段是剥离转移到轨道轮的整个区域的状态，与异常的初始阶段相比，振动整体上增加，脉冲性振动的倾向变弱。因此，对于这种振动波形，若与剥离异常的初始阶段中的振动波形的有效值及包络波形的交流分量的有效值进行比较，则原始的振动波形的有效值增加，包络波形的交流分量的有效值下降。
图7是表示在轴承60的轨道轮的一部分发生剥离、之后剥离转移到轨道轮整个区域时的轴承60的振动波形的有效值及包络波形的交流分量的有效值随时间的变化的图。另外，在该图7及以下说明的图8中，示出主轴20的转速一定时的各有效值随时间的变化。
参照图7，曲线k1表示未进行包络处理的振动波形的有效值随时间的变化，曲线k2表示包络波形的交流分量的有效值随时间的变化。在发生剥离前的时刻t1，振动波形的有效值(k1)及包络波形的交流分量的有效值(k2)均较小。另外，时刻t1的振动波形如上述图3所示的波形那样。
若轴承60的轨道轮的一部分发生剥离，则如图5所说明的那样，包络波形的交流分量的有效值(k2)有较大增加，另一方面，未进行包络处理的振动波形的有效值(k1)不太增加(时刻t2附近)。
再之后，若剥离转移到轨道轮的整个区域，则如图6所说明的那样，未进行包络处理的振动波形的有效值(k1)有较大增加，另一方面，包络波形的交流分量的有效值(k2)下降(时刻t3附近)。
此外，图8是表示在轴承60的轨道轮的表面变粗糙或发生润滑不良时的轴承60的振动波形的有效值及包络波形的交流分量的有效值随时间的变化的图。参照图8，与图7相同，曲线k1表示未进行包络处理的振动波形的有效值随时间的变化，曲线k2表示包络波形的交流分量的有效值随时间的变化。
在轨道轮的表面变粗糙或发生润滑不良前的时刻t11，振动波形的有效值(k1)及包络波形的交流分量的有效值(k2)均较小。另外，时刻t11的振动波形如上述图3所示的波形那样。
若轴承60的轨道轮的表面变粗糙或发生润滑不良，则如图4所说明的那样，未进行包络处理的振动波形的有效值(k1)增加，另一方面，包络波形的交流分量的有效值(k2)未见增加(时刻t12附近)。
这样，基于未进行包络处理的原始的振动波形的有效值(k1)和包络波形的交流分量的有效值(k2)随时间的变化的推移，能更正确地进行轴承60的异常诊断。
如上所述，根据该实施方式1，由于基于利用振动传感器70测定出的轴承60的振动波形的有效值、以及通过对利用振动传感器70测定出的振动波形进行包络处理而生成的包络波形的交流分量的有效值，来诊断轴承60的异常，因此，与现有的频率分析的方法相比，能实现更正确的异常诊断。此外，能免除不必要的维护，从而能降低维护所需的成本。
[实施方式2]
若主轴20(图1)的转速发生变化，则轴承60的振动大小发生变化。一般而言，随着主轴20的转速增加，轴承60的振动也增加。因而，在该实施方式2中，用主轴20的转速将轴承60的振动波形的有效值及包络波形的交流分量的有效值分别进行标准化，利用该标准化后的各有效值来执行轴承60的异常诊断。
该实施方式2中的风力发电装置的整体结构与图1所示的实施方式1的结构相同。
图9是在功能上表示实施方式2中的数据处理装置80A的结构的功能框图。参照图9，数据处理装置80A是在图2所示的实施方式1中的数据处理装置80的结构中，还包含修正振动度计算部130、修正调制度计算部170、及速度函数生成部200。
速度函数生成部200接收旋转传感器210(图1中未图示)所得到的主轴20的转速的检测值。另外，也可以构成为旋转传感器210输出主轴20的旋转位置的检测值，在速度函数生成部200中计算出主轴20的转速。然后，速度函数生成部200生成速度函数A(N)及速度函数B(N)，该速度函数A(N)用于将由有效值运算部120计算出的轴承60的振动波形的有效值用主轴20的转速N进行标准化，该速度函数B(N)用于将由有效值运算部160计算出的包络波形的交流分量的有效值用主轴20的转速N进行标准化。作为一例，速度函数A(N)、B(N)由下式来表示。
A(N)＝a×N-0.5 …(1)
B(N)＝b×N-0.5 …(2)
式中，a、b是由实验等预先确定的常数，可以是不同值，也可以是相同值。
修正振动度计算部130从有效值运算部120接收轴承60的振动波形的有效值，从速度函数生成部200接收速度函数A(N)。然后，修正振动度计算部130利用速度函数A(N)，计算出将由有效值运算部120计算出的振动波形的有效值用主轴20的转速进行标准化后的值(以下称为“修正振动度”)。具体而言，利用由有效值运算部120计算出的振动波形的有效值Vr和速度函数A(N)，通过下式计算出修正振动度Vr*。
[数学式1]
Vr * = A ( N ) ∫ 0 T { Vr ( t ) - Vra } 2 dt T · · · ( 3 )
式中，Vra表示Vr在时间0～T内的平均值。
然后，修正振动度计算部130将由式(3)计算出的修正振动度Vr*输出到存储部180。
修正调制度计算部170从有效值运算部160接收包络波形的交流分量的有效值，从速度函数生成部200接收速度函数B(N)。然后，修正调制度计算部170利用速度函数B(N)，计算出将由有效值运算部160计算出的包络波形的交流分量的有效值用主轴20的转速进行标准化后的值(以下称为“修正调制度”)。具体而言，利用由有效值运算部160计算出的包络波形的交流分量的有效值Ve和速度函数B(N)，通过下式计算出修正调制度Ve*。
[数学式2]
Ve * = B ( N ) ∫ 0 T { Ve ( t ) - Vea } 2 dt T · · · ( 4 )
式中，Vea表示Ve在时间0～T内的平均值。修正调制度计算部170将由式(4)计算出的修正调制度Ve*输出到存储部180。
然后，利用诊断部190读出存储部180中时刻存储的修正振动度Vr*及修正调制度Ve*，基于该读出的修正振动度Vr*及修正调制度Ve*随时间的变化的推移，利用诊断部190来进行轴承60的异常诊断。
另外，在上述内容中，旋转传感器210也可以安装于主轴20，也可以将对轴承60组装有旋转传感器210的带旋转传感器的轴承用作为轴承60。
如上所述，根据该实施方式2，由于基于用转速将轴承60的振动波形的有效值进行标准化后得到的修正振动度Vr*、及用转速将包络波形的交流分量的有效值进行标准化后得到的修正调制度Ve*，来诊断异常，因此，能去除转速的变动所引起的干扰，实现更正确的异常诊断。
[实施方式3]
在该实施方式3中，为了进一步正确地进行异常诊断，除了上述实施方式1或2以外，一并使用频率分析来进行异常诊断。
该实施方式3中的风力发电装置的整体结构与图1所示的风力发电装置10相同。
图10是在功能上表示实施方式3中的数据处理装置80B的结构的功能框图。参照图10，数据处理装置80B是在图9所示的数据处理装置80A的结构中，还包含频率分析部220、230。
频率分析部220从HPF110接收去除直流分量后的轴承60的振动波形。然后，频率分析部220对该接收到的轴承60的振动波形进行频率分析，并将该频率分析结果输出到存储部180。作为一例，频率分析部220对从HPF110接收到的轴承60的振动波形进行快速傅里叶变换(FFT)处理，将超过预先设定的阈值的峰值频率输出到存储部180。
此外，频率分析部230从HPF150接收去除直流分量后的包络波形的交流分量。然后，频率分析部230对该接收到的包络波形的交流分量进行频率分析，并将该频率分析结果输出到存储部180。作为一例，频率分析部230对从HPF110接收到的包络波形的交流分量进行FFT处理，将超过预先设定的阈值的峰值频率输出到存储部180。
然后，诊断部190将频率分析部220、230所得到的频率分析结果与修正振动度Vr*及修正调制度Ve*一起从存储部180读出，通过一并使用修正振动度Vr*及修正调制度Ve*随时间的变化的推移和频率分析结果，从而进行可靠性更高的异常诊断。
例如，在利用基于修正振动度Vr*及修正调制度Ve*的异常诊断而检测出异常时，频率分析部220、230所得到的频率分析结果可用于推定异常的发生部位。即，若在轴承内部发生损伤，则对应于损伤部位(内轮、外轮、转动体)，在由轴承内部的几何学结构及转速而理论上决定的特定频率下产生振动的峰值。因而，对于利用上述修正振动度Vr*及修正调制度Ve*来进行的异常诊断，一并使用频率分析部220、230所得到的频率分析结果，能更正确地诊断异常发生部位。
另外，在上述内容中，假设对实施方式2追加频率分析部220、230，但也可以对图2所示的实施方式1中的数据处理装置80追加频率分析部220、230。
如上所述，根据该实施方式3，由于一并使用频率分析来进行异常诊断，因此，能进一步提高异常诊断的可靠性，并能更正确地诊断异常发生部位。
[实施方式4]
在实施方式4中，为了进一步提高轴承60的异常诊断的可靠性，一并使用各种传感器的检测值。
图11是在功能上表示实施方式4中的数据处理装置80C的结构的功能框图。参照图11，数据处理装置80C是在图10所示的数据处理装置80B的结构中，包含诊断部190A来代替诊断部190。
在该实施方式4的风力发电装置中，除了振动传感器70及旋转传感器210以外，还包括位移传感器240、AE(Acoustic Emission：声发射)传感器250、温度传感器260、及磁性铁粉传感器270中的至少一个传感器。然后，诊断部190A从所包括的位移传感器240、AE传感器250、温度传感器260、及磁性铁粉传感器270中的至少一个传感器接收检测值。此外，诊断部190A将修正振动度Vr*、修正调制度Ve*、及频率分析部220、230所得到的频率分析结果从存储部180读出。
然后，诊断部190A通过一并使用修正振动度Vr*、修正调制度Ve*、及频率分析部220、230所得到的频率分析结果、和从位移传感器240、AE传感器250、温度传感器260、及磁性铁粉传感器270中的至少一个传感器接收到的检测值，来进行轴承60的异常诊断。
位移传感器240安装于轴承60，检测轴承60的内轮相对于外轮的相对位移，并输出到诊断部190A。在利用振动传感器70的检测值的上述修正振动度Vr*、修正调制度Ve*、及频率分析方法中，在难以检测出对于转动面的整体磨损的异常时，通过利用位移传感器240检测出内轮相对于外轮的相对位移，能检测出轴承内部的磨损。然后，诊断部190A在来自位移传感器240的检测值超过预先设定的值时，判定为轴承60中发生了异常。另外，由于位移传感器240检测外轮及内轮间的相对位移，因此，需要保持高质量的非测定面的精度。
AE传感器250安装于轴承60，检测由轴承60产生的声发射波(AE信号)，并输出到诊断部190A。该AE传感器250擅长于检测构成轴承60的构件的内部裂纹，通过一并使用AE传感器250，能提早检测出用振动传感器70难以检测出的因内部裂纹成为主要原因而发生的剥离异常。然后，诊断部190A在由AE传感器250检测出的AE信号的振幅超过设定值的次数超过阈值、或者检测出的AE信号或对AE信号进行包络处理后的信号超过阈值时，判定为轴承60中发生了异常。
温度传感器260安装于轴承60，检测轴承60的温度，并输出到诊断部190A。一般而言，轴承在因润滑不良或轴承内部的间隙过少等而发热、经过转动面的变色或软化熔敷而变成烧接状态时，会变得无法旋转。因而，通过利用温度传感器260检测出轴承60的温度，可提早检测出润滑不良等异常。
然后，诊断部190A在修正振动度Vr*及修正调制度Ve*示出图8所示的特性时，通过进一步参照温度传感器260的检测值，来进行润滑不良等的异常诊断。另外，诊断部190A也可以在来自温度传感器260的检测值超过了预先设定的值时，仅凭此来判定为轴承60中发生了异常。
另外，温度传感器260例如由热敏电阻、铂电阻体、热电偶等构成。
磁性铁粉传感器270检测出轴承60的润滑剂所包含的铁粉量，并将其检测值输出到诊断部190A。磁性铁粉传感器270例如由内置有磁体的电极和棒状电极构成，设置在轴承60的润滑剂的循环路径上。然后，磁性铁粉传感器270利用磁体捕获润滑剂中所包含的铁粉，在因附着铁粉而导致电极间的电阻成为设定值以下时输出信号。即，由于若轴承发生磨损，则因磨损而产生的铁粉混入到润滑剂中，因此，通过利用磁性铁粉传感器270来检测出轴承60的润滑剂所包含的铁粉量，能检测出轴承60的磨损。然后，诊断部190A在从磁性铁粉传感器270接收到信号时，判定为轴承60中发生了异常。
另外，虽然未特别图示，但也可以用光学式传感器来代替磁性铁粉传感器270，该光学式传感器根据光的透过率来检测出润滑剂的污染。例如，光学式传感器将发光元件的光照射到润滑油(grease)，根据到达受光元件的光的强度变化来检测出润滑油中的轴承磨损粉的量。另外，利用在润滑油中未混入有异物的状态下的受光元件的输出值、与混入有氧化铁时的受光元件的输出值之比来定义光的透过率，诊断部190A在该透过率超过设定值时，判定为轴承60中发生了异常。
另外，在图11中，虽然示出了位移传感器240、AE传感器250、温度传感器260、及磁性铁粉传感器270，但不一定需要包括所有传感器，可通过包括至少一个传感器，来提高异常诊断的可靠性。
如上所述，根据该实施方式4，由于将各种传感器的检测值一并使用于异常诊断，因此，能进一步提高异常诊断的可靠性。特别是，通过一并使用位移传感器240，还能诊断出轴承内部的磨损，通过一并使用AE传感器250，能提早诊断出因内部裂纹成为主要原因而发生的剥离异常。此外，通过一并使用温度传感器260，能提早诊断出润滑不良等异常，通过一并使用磁性铁粉传感器270、或利用光的透过率来检测出润滑剂的污染的光学式传感器等，能诊断出轴承60的磨损异常。
[实施方式5]
由于机舱90(图1)设置在高处，因此，对于上述异常诊断装置，若考虑该装置本身的维护性，则本来优选设置在远离机舱90的地方。然而，为了将利用振动传感器70测定的轴承60的振动波形本身传送到远处，需要传送速度较快的发送单元，导致成本增加。此外，若考虑像上述那样将机舱90设置在高处的情况，则对于从机舱90到外部的通信单元，优选使用无线通信。
因而，在该实施方式5中，在设置于机舱90内的数据处理装置中执行修正振动度Vr*和修正调制度Ve*的计算、以及频率分析处理(一并使用频率分析时)，计算出的修正振动度Vr*、修正调制度Ve*、以及频率分析结果(峰值频率)的各数据通过无线方式从机舱90发送到外部。然后，从机舱90无线发送来的数据由与互联网相连接的通信服务器接收，经由互联网发送到诊断服务器，以执行轴承60的异常诊断。
图12是简要表示实施方式5所涉及的异常诊断系统的整体结构的图。参照图12，异常诊断系统包括风力发电装置10、通信服务器310、互联网320、及轴承状态诊断服务器330。
风力发电装置10的结构如图1中说明的那样。另外，如后所述，在该实施方式5的风力发电装置10的数据处理装置中，设置有无线通信部以代替诊断部。而且，风力发电装置10利用振动传感器70(图1)的检测值来计算出上述修正振动度Vr*、修正调制度Ve*、以及频率分析结果(一并使用频率分析时)，并通过无线方式将该计算结果输出到通信服务器310。
通信服务器310与互联网320相连接。而且，通信服务器310接收从风力发电装置10通过无线方式发送来的数据，并将该接收到的数据经由互联网320输出到轴承状态诊断服务器330。轴承状态诊断服务器330与互联网320相连接。而且，轴承状态诊断服务器330经由互联网320从通信服务器310接收数据，基于风力发电装置10中计算出的修正振动度Vr*、修正调制度Ve*、以及频率分析结果(一并使用频率分析时)，对设置于风力发电装置10的轴承60(图1)进行异常诊断。
图13是在功能上表示图12所示的风力发电装置10所包含的数据处理装置80D的结构的功能框图。参照图13，数据处理装置80D是在图10所示的数据处理装置80B的结构中，包含无线通信部280来代替诊断部190。无线通信部280从存储部180读出修正振动度Vr*、修正调制度Ve*、以及频率分析部220、230所得到的频率分析结果，并通过无线方式将该读出的数据发送到通信服务器310(图12)。
另外，数据处理装置80D的其他结构与图10所示的数据处理装置80B相同。
另外，在上述内容中，假设机舱90与通信服务器310之间进行无线通信，但也可以将机舱90与通信服务器310之间进行有线连接。在此情况下，虽然需要布线，但无需另外设置无线通信装置，而且，一般而言，由于有线方式能传输更多的信息，因此，在机舱90内可将处理集中在主基板上。
此外，上述异常诊断系统优选与已有的发电监视系统独立地构成。通过采用这种结构，能不对已有的系统进行变更，抑制异常诊断系统的引进成本。
如上所述，根据该实施方式5，由于在设置于远处的轴承状态诊断服务器330中对设置于风力发电装置10的轴承实施异常诊断，因此，能降低维护负担和成本。
此外，在机舱90设置于高处、使得操作环境恶劣时，由于通过设置无线通信部280和通信服务器310，从而将来自机舱90的信号输出实现无线化，因此，能将机舱90中的布线施工抑制在最低限度，在支承机舱90的塔架100内也无需进行布线施工。
[实施方式6]
在该实施方式6中，为了进行检测灵敏度更高的异常诊断，在上述各实施方式中，力图优化包络处理部140中的包络处理。
图14是该实施方式6中的包络处理部的功能框图。参照图14，包络处理部140A包含绝对值检波部410和包络线检波部420。
绝对值检波部410从振动传感器70接收轴承60的振动检测值，并输出该接收到的检测信号的绝对值。包络线检波部420通过对绝对值检波部410的输出信号实施规定的时间常数的衰减处理，从而生成轴承60的振动波形的包络波形。具体而言，包络线检波部420利用下式来生成包络波形。
[数学式3]
E [ n ] = Max ( | S [ n ] , | S [ n - 1 ] | e - Δt τ ) · · · ( 5 )
式中，n表示将对时间的连续信号进行离散化后的数值的编号，E[n]表示包络处理后的第n个信号，Max(a，b)表示返回a和b中的较大值的函数,|S[n]|表示绝对值检波部410的输出的第n个离散化信号，|S[n－1]|表示第n－1个离散化信号，Δt表示离散化周期，τ表示时间常数。该式(5)在信号被输入时，使输出从峰值以时间常数τ进行衰减，在超过输出的信号被输入的情况下，使输出从新的峰值进行衰减。根据该式(5)，能通过简便的处理来生成包络波形，并且，能可靠地保留因剥离异常等而在瞬间产生的较大峰值的信号。
此外，在此处，包络线检波部420基于主轴20或轴承60的转速N来设定时间常数τ。关于决定包络波形的时间常数τ，若其值过大，则由于会舍弃输入信号(振动波形)的特征，因此，不是优选的。另一方面，若时间常数τ过小，则会输出与输入信号(振动波形)同等的信号，无法成为包络波形。因而，时间常数τ需要设定为适当的值。
图15是表示在使包络处理的时间常数τ变化时的包络波形的变化的图。其中，该波形是除去直流分量后的仅有交流分量的信号。参照图15，此处，示出对于同一输入信号(振动波形)、使时间常数τ为τ1、τ2、τ3(τ1＜τ2＜τ3)时的包络波形。横轴表示时间。从图15可知，若增大时间常数τ，则包络波形的衰减速度下降。
图16是表示将包络波形的交流分量的有效值(以下也称为“调制度”)除以振动波形的有效值(以下也称为“振动度”)后得到的值与包络处理的时间常数之间的关系的图。参照图16，纵轴表示调制度/振动度(以下也称为“调制比”)。横轴表示将时间常数τ除以转动体相对于轴承60的静止轮(例如外轮)的通过周期τ0而得到的无量纲时间常数(τ/τ0)。另外，该τ0例如相当于图5所示的振动波形中的脉冲性振动的周期。
曲线k11表示在轴承60中未发生异常的正常产品的调制比，曲线k12表示在轴承60的静止轮中发生了剥离的异常产品的调制比。静止轮中发生了剥离时的脉冲状振动的产生周期成为转动体相对于静止轮的通过周期、即横轴的时间常数τ0。这样，若发生剥离，则如图5中说明的那样，由于调制度增加，而振动度不太增加，因此，调制比变大。而且，为了提高剥离的检测灵敏度，增大异常产品的调制比相对于正常产品的调制比的比率即可。
图17是表示异常产品(剥离)的调制比相对于正常产品的调制比的比率、与包络处理的时间常数之间的关系的图。参照图17，横轴表示无量纲时间常数。异常产品的调制比相对于正常产品的调制比的比率随着无量纲时间常数从0增加而增加，在无量纲时间常数超过0.5时，单调减少。
其结果可考虑如下。即，由于正常产品的振动波形如图3所示，为以较短周期连续进行同等振动的波形，因此，即使改变包络处理的时间常数，调制度也不太变化。因而，对于正常产品，即使改变时间常数，调制比也不太变化(参照图16的曲线k11)。
另一方面，对于异常产品(剥离)，如图16所示，调制比随着无量纲时间常数从0增加而增加，在无量纲时间常数超过0.5时，单调减少。这是由于，如图15所示，如根据随着时间常数τ的变化而发生的包络波形的变化可推测的那样，包络波形的交流分量的有效值(调制度)虽然随着时间常数从0增加而变大，但在无量纲时间常数超过0.5时，包络波形的衰减变慢，从而包络波形的交流分量的有效值(调制度)变小。
另外，在无量纲时间常数成为1以上时，输入信号(振动波形)的信息被大大破坏。即，由于包络波形的频率较低，因此，即使延长离散化周期，也能维持波形品质。而且，由于包络波形能降低保存容量，因此，适于保存数据。然而，若时间常数过大，则无法根据包络波形来推定原来的振动波形的特征。因而，优选将无量纲时间常数设定为0.5以上1以下的值。即，时间常数τ优选为转动体相对于轴承60的静止轮的通过周期τ0的0.5倍以上通过周期τ0以下。
再次参照图14，包络线检波部420基于主轴20或轴承60的转速N来设定时间常数τ。即，通过周期τ0可基于主轴20或轴承60的转速N、以及轴承60的规格来计算出。因而，包络线检波部420基于转速N及轴承60的规格来计算通过周期τ0，在该计算出的通过周期τ0的0.5倍以上1以下的范围内(例如τ0的0.5倍的值)设定时间常数τ。另外，转速N可由图9所示的旋转传感器210等来检测出。
另外，在上述内容中，由于在轴承60中最开始发生剥离的大多是静止轮，因此，以转动体相对于静止轮的通过周期τ0为基准来设定时间常数τ。在转动体比静止轮要容易发生剥离的情况下，也可以以转动体的自转的半周期为基准来设定时间常数τ。即，包络线检波部420也可以基于转速N及轴承60的规格来计算转动体的自转的半个周期，在该半个周期的0.5倍以上1以下的范围内(例如自转半个周期的0.5倍)设定时间常数τ。另外，之所以以转动体的自转的半个周期为基准，是因为每当转动体自转一次时，转动体与轨道轮接触两次。
如上所述，根据该实施方式6，由于基于主轴20或轴承60的转速N来设定包络处理中的时间常数τ，因此，即使转速N发生变化，也能实现检测灵敏度较高的异常诊断。
另外，再次参照图1，在上述各实施方式中，振动传感器70安装于轴承60，以进行轴承60的异常诊断，但也可以除了轴承60之外，或代替轴承60，对设置在增速器40内或发电机50内的轴承设置振动传感器，通过与上述各实施方式相同的方法，对设置在增速器40内或发电机50内的轴承进行异常诊断。
另外，在上述内容中，数据处理装置80、80A～80C对应于本发明中的“处理部”的一个实施例，有效值运算部120、160分别对应于本发明中的“第1运算部”和“第2运算部”的一个实施例。此外，数据处理装置80D对应于本发明中的“数据处理部”的一个实施例，轴承状态诊断服务器330对应于本发明中的“轴承异常诊断装置”的一个实施例。
应该认为这里所揭示的实施方式在所有方面是举例表示，而不是限制性的。可认为本发明的范围并不是由上述实施方式的说明所表示，而是由权利要求书的范围所表示，包含与权利要求书的范围同等的意义及范围内的所有变更。
标号说明
10风力发电装置，20主轴，30叶片，40增速器，50发电机，60轴承，70振动传感器，80、80A～80D数据处理装置，90机舱，100塔架，110、150HPF，120、160有效值运算部，130修正振动度计算部，140、140A包络处理部，170修正调制度计算部，180存储部，190、190A诊断部，200速度函数生成部，210旋转传感器，220、230频率分析部，240位移传感器，250AE传感器，260温度传感器，270磁性铁粉传感器，280无线通信部，310通信服务器，320互联网，330轴承状态诊断服务器，410绝对值检波部，420包络线检波部。

Claims (15)

1.一种滚动轴承的异常诊断装置，其特征在于，包括：
振动传感器(70)，该振动传感器(70)用于测定滚动轴承(60)的振动波形；及
处理部(80、80A～80C)，该处理部(80、80A～80C)用于诊断所述滚动轴承的异常，
所述处理部包含：
第1运算部(120)，该第1运算部(120)计算出利用所述振动传感器测定的所述振动波形的有效值；
包络处理部(140、140A)，该包络处理部(140、140A)通过对利用所述振动传感器测定的所述振动波形进行包络处理，从而生成所述振动波形的包络波形；
第2运算部(160)，该第2运算部(160)计算出由所述包络处理部生成的所述包络波形的交流分量的有效值；及
诊断部(190、190A)，该诊断部(190、190A)基于由所述第1运算部计算出的所述振动波形的有效值及由所述第2运算部计算出的所述包络波形的交流分量的有效值，来诊断所述滚动轴承的异常。
2.如权利要求1所述的滚动轴承的异常诊断装置，其特征在于，
还包括用于检测由所述滚动轴承支承的轴或所述滚动轴承的转速的旋转传感器(210)，
所述处理部还包含：
修正振动度计算部(130)，该修正振动度计算部(130)计算出用所述转速将由所述第1运算部计算出的所述振动波形的有效值进行标准化后得到的修正振动度；及
修正调制度计算部(170)，该修正调制度计算部(170)计算出用所述转速将由所述第2运算部计算出的所述包络波形的交流分量的有效值进行标准化后得到的修正调制度，
所述诊断部基于所述修正振动度及所述修正调制度，来诊断所述滚动轴承的异常。
3.如权利要求2所述的滚动轴承的异常诊断装置，其特征在于，
所述诊断部基于所述修正振动度及所述修正调制度随时间的变化的推移，来诊断所述滚动轴承的异常。
4.如权利要求1所述的滚动轴承的异常诊断装置，其特征在于，
所述处理部还包含对所述振动波形和所述包络波形中的至少一方进行频率分析的频率分析部(220，230)，
所述诊断部基于所述频率分析部的分析结果，来进一步推定所述滚动轴承的异常部位。
5.如权利要求1所述的滚动轴承的异常诊断装置，其特征在于，
所述振动传感器包含加速度传感器。
6.如权利要求1所述的滚动轴承的异常诊断装置，其特征在于，
还包括用于检测所述滚动轴承的内外轮间的相对位移的位移传感器(240)，
所述诊断部进一步利用所述位移传感器的检测值，来诊断所述滚动轴承的异常。
7.如权利要求1所述的滚动轴承的异常诊断装置，其特征在于，
还包括用于测定所述滚动轴承的温度的温度传感器(260)，
所述诊断部进一步利用所述温度传感器的测定值，来诊断所述滚动轴承的异常。
8.如权利要求1所述的滚动轴承的异常诊断装置，其特征在于，
还包括用于测定所述滚动轴承的润滑剂所包含的杂质量的传感器(270)，
所述诊断部进一步利用所述传感器的测定值，来诊断所述滚动轴承的异常。
9.如权利要求1所述的滚动轴承的异常诊断装置，其特征在于，
还包括用于检测由所述滚动轴承支承的轴或所述滚动轴承的转速的旋转传感器(210)，
所述包络处理部(140A)包含：
绝对值检波部(410)，该绝对值检波部(410)输出所述振动波形的绝对值；及
包络线检波部(420)，该包络线检波部(420)通过对所述绝对值检波部的输出信号进行规定的时间常数的衰减处理，从而生成所述包络波形，
所述时间常数基于所述转速来设定。
10.如权利要求9所述的滚动轴承的异常诊断装置，其特征在于，
所述时间常数设定为所述滚动轴承中的转动体的自转的半个周期以下。
11.如权利要求10所述的滚动轴承的异常诊断装置，其特征在于，
所述时间常数设定为所述半个周期的0.5倍以上。
12.如权利要求9所述的滚动轴承的异常诊断装置，其特征在于，
所述时间常数设定为所述滚动轴承的转动体相对于静止轮的通过周期以下。
13.如权利要求12所述的滚动轴承的异常诊断装置，其特征在于，
所述时间常数设定为所述通过周期的0.5倍以上。
14.一种风力发电装置，其特征在于，包括
接收风力的叶片(30)；
与所述叶片相连接的主轴(20)；
与所述主轴或用于使所述主轴的旋转增速的增速器相连接的发电机(50)；
设置于所述主轴、所述增速器及所述发电机的多个滚动轴承(60)；及
诊断所述多个滚动轴承中的至少一个滚动轴承的异常的异常诊断装置，
所述异常诊断装置包含：
振动传感器(70)，该振动传感器(70)用于测定诊断对象的滚动轴承的振动波形；及
处理部(80、80A～80C)，该处理部(80、80A～80C)用于诊断所述诊断对象的滚动轴承的异常，
所述处理部包含：
第1运算部(120)，该第1运算部(120)计算出利用所述振动传感器测定的所述振动波形的有效值；
包络处理部(140、140A)，该包络处理部(140、140A)通过对利用所述振动传感器测定的所述振动波形进行包络处理，从而生成所述振动波形的包络波形；
第2运算部(160)，该第2运算部(160)计算出由所述包络处理部生成的所述包络波形的交流分量的有效值；及
诊断部(190)，该诊断部(190)基于由所述第1运算部计算出的所述振动波形的有效值及由所述第2运算部计算出的所述包络波形的交流分量的有效值，来诊断所述滚动轴承的异常。
15.一种异常诊断系统，其特征在于，包括
风力发电装置(10)；
与所述风力发电装置配置在不同位置的异常诊断装置(330)；及
用于在所述风力发电装置与所述异常诊断装置之间进行通信的通信装置(310)，
所述风力发电装置包含：
接收风力的叶片(30)；
与所述叶片相连接的主轴(20)；
与所述主轴或用于将所述主轴的旋转增速的增速器相连接的发电机(50)；
设置于所述主轴、所述增速器及所述发电机的多个滚动轴承(60)；
振动传感器(70)，该振动传感器(70)用于测定所述多个滚动轴承中的至少一个滚动轴承的振动波形；及
数据处理部(80D)，该数据处理部(80D)对利用所述振动传感器测定的振动波形进行一次处理，
所述数据处理部包含：
第1运算部(120)，该第1运算部(120)计算出利用所述振动传感器测定的所述振动波形的有效值；
包络处理部(140、140A)，该包络处理部(140、140A)通过对利用所述振动传感器测定的所述振动波形进行包络处理，从而生成所述振动波形的包络波形；及
第2运算部(160)，该第2运算部(160)计算出由所述包络处理部生成的所述包络波形的交流分量的有效值，
所述异常诊断装置基于利用所述通信装置从所述风力发电装置的所述数据处理部接收到的所述振动波形的有效值及所述包络波形的交流分量的有效值，来对诊断对象的滚动轴承的异常进行诊断。
CN201080060597.9A 2010-01-04 2010-12-24 滚动轴承的异常诊断装置、风力发电装置及异常诊断系统 Active CN102713554B (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
JP2010000070 2010-01-04
JP2010-000070 2010-01-04
JP2010-281373 2010-12-17
JP2010281373A JP5725833B2 (ja) 2010-01-04 2010-12-17 転がり軸受の異常診断装置、風力発電装置および異常診断システム
PCT/JP2010/073300 WO2011081085A1 (ja) 2010-01-04 2010-12-24 転がり軸受の異常診断装置、風力発電装置および異常診断システム

Publications (2)

Publication Number Publication Date
CN102713554A true CN102713554A (zh) 2012-10-03
CN102713554B CN102713554B (zh) 2015-11-25

Family

ID=44226491

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201080060597.9A Active CN102713554B (zh) 2010-01-04 2010-12-24 滚动轴承的异常诊断装置、风力发电装置及异常诊断系统

Country Status (6)

Country Link
US (1) US9423290B2 (zh)
EP (1) EP2522977B1 (zh)
JP (1) JP5725833B2 (zh)
CN (1) CN102713554B (zh)
DK (1) DK2522977T3 (zh)
WO (1) WO2011081085A1 (zh)

Cited By (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105337259A (zh) * 2015-11-24 2016-02-17 珠海格力电器股份有限公司 一种电机堵转保护方法及装置
CN105518294A (zh) * 2013-09-05 2016-04-20 维斯塔斯风力系统集团公司 用于风力涡轮机的安全系统
CN105765362A (zh) * 2013-11-05 2016-07-13 日本精工株式会社 轴承状态检测装置和轴承状态检测方法
CN106030101A (zh) * 2014-02-12 2016-10-12 Ntn株式会社 用于风力发电装置的状态检测设备
CN106168534A (zh) * 2015-05-19 2016-11-30 发那科株式会社 具备机床的异常检测功能的异常检测装置及异常检测方法
CN106471247A (zh) * 2014-06-24 2017-03-01 Ntn株式会社 状态监视系统和使用该系统的风力发电系统
CN106662506A (zh) * 2014-09-12 2017-05-10 株式会社神户制钢所 旋转机的异常诊断装置、旋转机的异常诊断方法以及旋转机
CN106716103A (zh) * 2014-09-17 2017-05-24 Ntn株式会社 用于滚动轴承的异常诊断设备、风力发电机、及用于滚动轴承的异常诊断方法
CN106872168A (zh) * 2017-03-09 2017-06-20 武汉科技大学 一种用于滚动轴承的故障诊断方法
CN107063427A (zh) * 2016-02-10 2017-08-18 株式会社神户制钢所 旋转机的异常探测系统以及旋转机的异常探测方法
CN107807174A (zh) * 2017-08-29 2018-03-16 浙江理工大学 一种基于弹性波检测的旋转主轴裂纹检测装置
CN107884712A (zh) * 2017-10-26 2018-04-06 北京新能源汽车股份有限公司 电机输入电流的波动量曲线的确定方法及装置
CN108351248A (zh) * 2015-12-14 2018-07-31 富士施乐株式会社 诊断装置、诊断系统、诊断方法及程序
CN108507788A (zh) * 2018-01-22 2018-09-07 内蒙古久和能源装备有限公司 一种滚动轴承故障程度判断方法
CN108700492A (zh) * 2016-02-23 2018-10-23 Ntn株式会社 异常诊断装置和异常诊断方法
CN108780025A (zh) * 2016-03-17 2018-11-09 Ntn株式会社 状态监视系统和风力发电装置
CN108885157A (zh) * 2016-03-23 2018-11-23 Ntn株式会社 铁路用异常诊断系统及数据收集装置
CN108894932A (zh) * 2018-05-28 2018-11-27 国电联合动力技术有限公司 一种风电机组发电机轴承故障智能诊断系统及方法
CN109752185A (zh) * 2019-01-24 2019-05-14 长安大学 一种用于滚动轴承滚子左右歪斜摆动状态的测量方法
CN106716103B (zh) * 2014-09-17 2019-07-16 Ntn株式会社 用于滚动轴承的异常诊断设备、风力发电机、及用于滚动轴承的异常诊断方法
CN110030164A (zh) * 2018-01-11 2019-07-19 西门子歌美飒可再生能源公司 监测叶片轴承
CN110080900A (zh) * 2018-01-25 2019-08-02 丰田自动车株式会社 内燃机的控制装置
CN110234972A (zh) * 2017-01-31 2019-09-13 Ntn株式会社 状态监视系统及风力涡轮机
CN110411747A (zh) * 2018-04-25 2019-11-05 斯凯孚公司 用于确定车辆的车轮端的旋转速度和振动的装置
CN110431390A (zh) * 2017-03-24 2019-11-08 日本精工株式会社 信息终端器和机械部件诊断系统
CN110785644A (zh) * 2017-06-29 2020-02-11 川崎重工业株式会社 具有旋转构件的装置的异常原因确定系统
CN111771113A (zh) * 2018-02-28 2020-10-13 日产自动车株式会社 异常种类判定装置以及异常种类判定方法
CN112304417A (zh) * 2019-07-29 2021-02-02 计算系统有限公司 振动波形的直流干扰的去除
US11539317B2 (en) 2021-04-05 2022-12-27 General Electric Renovables Espana, S.L. System and method for detecting degradation in wind turbine generator bearings

Families Citing this family (44)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5562274B2 (ja) * 2010-03-12 2014-07-30 Ｎｔｎ株式会社 摩耗検知装置およびそれを備える風力発電装置ならびに摩耗検知方法
CN102900600B (zh) * 2011-07-29 2015-09-09 西门子公司 风力发电机状态监测方法
US8227930B2 (en) * 2011-08-25 2012-07-24 General Electric Company System and method for adjusting a bending moment of a shaft in a wind turbine
DK2626683T3 (da) * 2012-02-07 2014-09-08 Siemens Ag Vindmølle, omfattende et antal af lejer
JP5947144B2 (ja) * 2012-08-08 2016-07-06 東海旅客鉄道株式会社 電機子軸の支持構造の破損検出装置
US10677685B2 (en) 2013-04-05 2020-06-09 Aktiebolaget Skf Method, computer program product and system
WO2014161589A1 (en) * 2013-04-05 2014-10-09 Aktiebolaget Skf Method for processing data obtained from a condition monitoring system
JP6133112B2 (ja) * 2013-04-11 2017-05-24 Ntn株式会社 転がり軸受の診断装置および転がり軸受の診断方法
JP6407592B2 (ja) * 2013-07-22 2018-10-17 Ntn株式会社 風力発電装置の異常診断装置および異常診断方法
JP6374234B2 (ja) * 2014-06-24 2018-08-15 Ntn株式会社 状態監視システム及びそれを備えた風力発電システム
JP2016024008A (ja) * 2014-07-18 2016-02-08 Ntn株式会社 機械部品診断システムおよびそのサーバ
JP2016024007A (ja) * 2014-07-18 2016-02-08 Ntn株式会社 機械部品診断システムおよびそのサーバ
US10047726B2 (en) * 2014-07-29 2018-08-14 Ntn Corporation Condition monitoring system and wind power generation system comprising the same
CN105502115A (zh) * 2014-09-26 2016-04-20 刘一 一种基于电梯的维保质量在线评估方法、装置及系统
JP6183346B2 (ja) * 2014-12-10 2017-08-23 日本精工株式会社 異常診断装置、軸受、回転装置、産業機械及び車両
EP3260838B1 (en) 2015-02-19 2021-03-24 NSK Ltd. Abnormality diagnosis system
EP3320319A1 (de) * 2015-07-07 2018-05-16 Brit Hacke Vorrichtung zur zustandsüberwachung
DE102015010491A1 (de) * 2015-08-17 2017-02-23 Senvion Gmbh Verfahren zum Betrieb einer Windenergieanlage, Windenergieanlage und Computerprogrammprodukt
JP6588814B2 (ja) * 2015-12-17 2019-10-09 株式会社東芝 異常診断装置及び方法
JP6639265B2 (ja) * 2016-02-23 2020-02-05 Ntn株式会社 異常診断装置および異常診断方法
JP6639266B2 (ja) * 2016-02-23 2020-02-05 Ntn株式会社 異常診断装置および異常診断方法
US10648948B2 (en) * 2016-02-29 2020-05-12 Mitsubishi Heavy Industries, Ltd. Method for diagnosing performance degradation of machine element, and system for same
JP6824076B2 (ja) * 2016-03-23 2021-02-03 Ntn株式会社 状態監視システムおよび風力発電装置
WO2017159784A1 (ja) * 2016-03-17 2017-09-21 Ntn株式会社 状態監視システムおよび風力発電装置
JP6820771B2 (ja) * 2016-03-17 2021-01-27 Ntn株式会社 状態監視システムおよび風力発電装置
JP6639288B2 (ja) * 2016-03-17 2020-02-05 Ntn株式会社 状態監視システムおよび風力発電装置
JP2017173076A (ja) 2016-03-23 2017-09-28 Ntn株式会社 状態監視システム及びそれを備える風力発電装置
DE112017001631T5 (de) * 2016-03-30 2018-12-13 Ntn Corporation Zustandsüberwachungssystem eines Getriebes und Zustandsüberwachungsverfahren
CN107448362B (zh) * 2016-05-31 2018-11-20 北京金风科创风电设备有限公司 回转支承轴承的状态监测方法、装置及风力发电机组
ES2924494T3 (es) 2016-06-30 2022-10-07 Vestas Wind Sys As Sistema de diagnóstico, sistema de aerogenerador, método para uso en un aerogenerador y producto de programa informático
US10816437B2 (en) * 2017-03-22 2020-10-27 General Electric Company Contactless rotor state/speed measurement of x-ray tube
US10655607B2 (en) * 2017-06-02 2020-05-19 General Electric Company Systems and methods for detecting damage in wind turbine bearings
WO2019044955A1 (ja) * 2017-08-31 2019-03-07 Ntn株式会社 状態監視装置のノイズ除去方法および状態監視装置
JP6496061B1 (ja) * 2018-03-30 2019-04-03 オークマ株式会社 転がり軸受の異常診断方法及び異常診断装置
JP7006457B2 (ja) * 2018-03-30 2022-01-24 三菱電機ビルテクノサービス株式会社 エレベーターの巻上機の摩耗粉検出装置
JP7357294B2 (ja) * 2018-06-19 2023-10-06 パナソニックＩｐマネジメント株式会社 診断システム、診断方法、プログラム
US11313740B2 (en) 2019-02-08 2022-04-26 Fairfield Manufacturing Company, Inc. Gearbox temperature measurement device
EP3951167B1 (en) * 2019-03-28 2024-01-31 NTN Corporation Condition monitoring system
US11460006B2 (en) 2019-07-31 2022-10-04 General Electric Company Systems and methods for detecting damage in rotary machines
WO2021049008A1 (ja) * 2019-09-13 2021-03-18 三菱電機エンジニアリング株式会社 振動検出装置、振動検出方法および異常判定システム
US11708815B2 (en) 2021-02-08 2023-07-25 General Electronic Company System and method for controlling a wind turbine
US11774324B2 (en) 2021-03-12 2023-10-03 General Electric Renovables Espana, S.L. System and method for detecting actual slip in a coupling of a rotary shaft
US11913429B2 (en) 2021-04-29 2024-02-27 General Electric Renovables Espana, S.L. System and method for slip detection and surface health monitoring in a slip coupling of a rotary shaft
CN117470968A (zh) * 2023-11-10 2024-01-30 武汉路通市政工程质量检测中心有限公司 一种预应力混凝土结构中预应力钢筋断裂监测方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS58127142A (ja) * 1982-01-26 1983-07-28 Nippon Seiko Kk 軸受の傷検出装置
JPH0489534A (ja) * 1990-07-31 1992-03-23 Nkk Corp 可変速回転機械の診断方法
JP2004044635A (ja) * 2002-07-09 2004-02-12 Nsk Ltd センサ付軸受装置及びその製造方法
JP2005147848A (ja) * 2003-11-14 2005-06-09 Mitsubishi Heavy Ind Ltd 異常予兆方法及び異常予兆システム
CN1906473A (zh) * 2004-09-13 2007-01-31 日本精工株式会社 故障诊断装置和故障诊断方法
JP2007101244A (ja) * 2005-09-30 2007-04-19 Omron Corp 検査装置
JP2009243428A (ja) * 2008-03-31 2009-10-22 Mitsubishi Heavy Ind Ltd 風車の監視装置及び方法並びにプログラム

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS599842B2 (ja) * 1974-07-12 1984-03-05 日本精工株式会社 回転体の損傷検出装置
JPS59212512A (ja) * 1983-05-17 1984-12-01 Sumitomo Metal Ind Ltd すべり軸受の監視方法
JPH01152335A (ja) * 1987-12-09 1989-06-14 Fuji Electric Co Ltd ころがり軸受異常診断装置
JPH02205727A (ja) * 1989-02-03 1990-08-15 Nippon Seiko Kk 軸受の異常検知装置
JP3002093B2 (ja) 1994-06-22 2000-01-24 矢崎総業株式会社 電気接続箱及び製造方法
US6983207B2 (en) * 2000-06-16 2006-01-03 Ntn Corporation Machine component monitoring, diagnosing and selling system
JP3944744B2 (ja) * 2003-07-29 2007-07-18 日本精工株式会社 異常診断装置及びこれを有する転がり軸受装置
JP4117500B2 (ja) * 2003-07-29 2008-07-16 日本精工株式会社 異常診断装置及びこれを有する転がり軸受装置並びに異常診断方法
JP2006234785A (ja) * 2005-01-26 2006-09-07 Nsk Ltd 機械設備の異常診断装置及び異常診断方法
JP4581693B2 (ja) 2004-09-13 2010-11-17 日本精工株式会社 異常診断装置
US7860663B2 (en) * 2004-09-13 2010-12-28 Nsk Ltd. Abnormality diagnosing apparatus and abnormality diagnosing method
JP4808148B2 (ja) * 2006-12-15 2011-11-02 東光電気株式会社 ブレード雷撃監視装置および雷撃監視システム
EP2502174B1 (en) * 2009-11-16 2018-06-13 Simmonds Precision Products, Inc. Data acquisition system for condition-based maintenance

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS58127142A (ja) * 1982-01-26 1983-07-28 Nippon Seiko Kk 軸受の傷検出装置
JPH0489534A (ja) * 1990-07-31 1992-03-23 Nkk Corp 可変速回転機械の診断方法
JP2004044635A (ja) * 2002-07-09 2004-02-12 Nsk Ltd センサ付軸受装置及びその製造方法
JP2005147848A (ja) * 2003-11-14 2005-06-09 Mitsubishi Heavy Ind Ltd 異常予兆方法及び異常予兆システム
CN1906473A (zh) * 2004-09-13 2007-01-31 日本精工株式会社 故障诊断装置和故障诊断方法
JP2007101244A (ja) * 2005-09-30 2007-04-19 Omron Corp 検査装置
JP2009243428A (ja) * 2008-03-31 2009-10-22 Mitsubishi Heavy Ind Ltd 風車の監視装置及び方法並びにプログラム

Cited By (47)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105518294B (zh) * 2013-09-05 2019-10-18 维斯塔斯风力系统集团公司 用于风力涡轮机的安全系统
CN105518294A (zh) * 2013-09-05 2016-04-20 维斯塔斯风力系统集团公司 用于风力涡轮机的安全系统
CN105765362A (zh) * 2013-11-05 2016-07-13 日本精工株式会社 轴承状态检测装置和轴承状态检测方法
CN106030101A (zh) * 2014-02-12 2016-10-12 Ntn株式会社 用于风力发电装置的状态检测设备
US10519935B2 (en) 2014-06-24 2019-12-31 Ntn Corporation Condition monitoring system and wind power generation system using the same
CN106471247A (zh) * 2014-06-24 2017-03-01 Ntn株式会社 状态监视系统和使用该系统的风力发电系统
CN106471247B (zh) * 2014-06-24 2019-06-28 Ntn株式会社 状态监视系统和使用该系统的风力发电系统
CN106662506A (zh) * 2014-09-12 2017-05-10 株式会社神户制钢所 旋转机的异常诊断装置、旋转机的异常诊断方法以及旋转机
CN106662506B (zh) * 2014-09-12 2019-05-17 株式会社神户制钢所 旋转机的异常诊断装置、旋转机的异常诊断方法以及旋转机
CN106716103A (zh) * 2014-09-17 2017-05-24 Ntn株式会社 用于滚动轴承的异常诊断设备、风力发电机、及用于滚动轴承的异常诊断方法
CN106716103B (zh) * 2014-09-17 2019-07-16 Ntn株式会社 用于滚动轴承的异常诊断设备、风力发电机、及用于滚动轴承的异常诊断方法
CN106168534A (zh) * 2015-05-19 2016-11-30 发那科株式会社 具备机床的异常检测功能的异常检测装置及异常检测方法
CN105337259A (zh) * 2015-11-24 2016-02-17 珠海格力电器股份有限公司 一种电机堵转保护方法及装置
CN108351248B (zh) * 2015-12-14 2020-10-23 富士施乐株式会社 诊断装置、诊断系统、诊断方法及程序
CN108351248A (zh) * 2015-12-14 2018-07-31 富士施乐株式会社 诊断装置、诊断系统、诊断方法及程序
CN107063427A (zh) * 2016-02-10 2017-08-18 株式会社神户制钢所 旋转机的异常探测系统以及旋转机的异常探测方法
US11047768B2 (en) 2016-02-23 2021-06-29 Ntn Corporation Abnormality diagnosis device and abnormality diagnosis method
CN108700492A (zh) * 2016-02-23 2018-10-23 Ntn株式会社 异常诊断装置和异常诊断方法
CN108700492B (zh) * 2016-02-23 2020-08-11 Ntn株式会社 异常诊断装置和异常诊断方法
CN108780025A (zh) * 2016-03-17 2018-11-09 Ntn株式会社 状态监视系统和风力发电装置
US11460005B2 (en) 2016-03-17 2022-10-04 Ntn Corporation Condition monitoring system and wind turbine generation apparatus
CN108780025B (zh) * 2016-03-17 2021-07-23 Ntn株式会社 状态监视系统和风力发电装置
CN108885157A (zh) * 2016-03-23 2018-11-23 Ntn株式会社 铁路用异常诊断系统及数据收集装置
CN110234972A (zh) * 2017-01-31 2019-09-13 Ntn株式会社 状态监视系统及风力涡轮机
CN110234972B (zh) * 2017-01-31 2021-09-21 Ntn株式会社 状态监视系统及风力涡轮机
CN106872168A (zh) * 2017-03-09 2017-06-20 武汉科技大学 一种用于滚动轴承的故障诊断方法
CN110431390B (zh) * 2017-03-24 2022-08-02 日本精工株式会社 信息终端器和机械部件诊断系统
CN110431390A (zh) * 2017-03-24 2019-11-08 日本精工株式会社 信息终端器和机械部件诊断系统
CN110462352A (zh) * 2017-03-24 2019-11-15 日本精工株式会社 振动分析器和机械部件诊断系统
CN110785644B (zh) * 2017-06-29 2021-08-20 川崎重工业株式会社 具有旋转构件的装置的异常原因确定系统
CN110785644A (zh) * 2017-06-29 2020-02-11 川崎重工业株式会社 具有旋转构件的装置的异常原因确定系统
CN107807174A (zh) * 2017-08-29 2018-03-16 浙江理工大学 一种基于弹性波检测的旋转主轴裂纹检测装置
CN107807174B (zh) * 2017-08-29 2020-06-02 浙江理工大学 一种基于弹性波检测的旋转主轴裂纹检测装置
CN107884712A (zh) * 2017-10-26 2018-04-06 北京新能源汽车股份有限公司 电机输入电流的波动量曲线的确定方法及装置
CN107884712B (zh) * 2017-10-26 2021-05-18 北京新能源汽车股份有限公司 电机输入电流的波动量曲线的确定方法及装置
CN110030164A (zh) * 2018-01-11 2019-07-19 西门子歌美飒可再生能源公司 监测叶片轴承
CN108507788A (zh) * 2018-01-22 2018-09-07 内蒙古久和能源装备有限公司 一种滚动轴承故障程度判断方法
CN110080900B (zh) * 2018-01-25 2022-05-03 丰田自动车株式会社 内燃机的控制装置
CN110080900A (zh) * 2018-01-25 2019-08-02 丰田自动车株式会社 内燃机的控制装置
CN111771113A (zh) * 2018-02-28 2020-10-13 日产自动车株式会社 异常种类判定装置以及异常种类判定方法
CN110411747A (zh) * 2018-04-25 2019-11-05 斯凯孚公司 用于确定车辆的车轮端的旋转速度和振动的装置
CN108894932A (zh) * 2018-05-28 2018-11-27 国电联合动力技术有限公司 一种风电机组发电机轴承故障智能诊断系统及方法
CN108894932B (zh) * 2018-05-28 2020-07-10 国电联合动力技术有限公司 一种风电机组发电机轴承故障智能诊断系统及方法
CN109752185B (zh) * 2019-01-24 2020-11-06 长安大学 一种用于滚动轴承滚子左右歪斜摆动状态的测量方法
CN109752185A (zh) * 2019-01-24 2019-05-14 长安大学 一种用于滚动轴承滚子左右歪斜摆动状态的测量方法
CN112304417A (zh) * 2019-07-29 2021-02-02 计算系统有限公司 振动波形的直流干扰的去除
US11539317B2 (en) 2021-04-05 2022-12-27 General Electric Renovables Espana, S.L. System and method for detecting degradation in wind turbine generator bearings

Also Published As

Publication number Publication date
CN102713554B (zh) 2015-11-25
JP2011154020A (ja) 2011-08-11
EP2522977A4 (en) 2015-04-29
WO2011081085A1 (ja) 2011-07-07
US20130006540A1 (en) 2013-01-03
EP2522977B1 (en) 2020-06-17
US9423290B2 (en) 2016-08-23
EP2522977A1 (en) 2012-11-14
JP5725833B2 (ja) 2015-05-27
DK2522977T3 (da) 2020-09-14

Similar Documents

Publication Publication Date Title
CN102713554A (zh) 滚动轴承的异常诊断装置、风力发电装置及异常诊断系统
CN100573085C (zh) 滚动轴承的剩余寿命诊断方法及剩余寿命诊断装置
Villa et al. Statistical fault diagnosis based on vibration analysis for gear test-bench under non-stationary conditions of speed and load
CN107850513B (zh) 异常诊断设备和传感器分离检测方法
ES2405359T3 (es) Procedimiento y sistema para estimar la vida útil de una caja de engranajes
CN102539538B (zh) 用于监测风力涡轮的方法和系统
US9459179B2 (en) Method and device for monitoring a drive train of a wind power plant
EP2730898B1 (en) Bearing, housing including a set of bearings, associated method and computer program
CN103140672A (zh) 在风力发电厂中执行状况监测的方法
US20120025526A1 (en) System and method for monitoring wind turbine gearbox health and performance
CN104977047A (zh) 基于振动和油液的风电机组在线状态监测与健康评估系统及方法
US11047364B2 (en) Method of identifying a fault in a system of gears in a wind turbine
Elforjani et al. Analysis of extremely modulated faulty wind turbine data using spectral kurtosis and signal intensity estimator
CN102441579B (zh) 热连轧轧机运行状态的在线监测方法
Skrimpas et al. Residual signal feature extraction for gearbox planetary stage fault detection
Becker et al. Keeping the blades turning: condition monitoring of wind turbine gears
US20240053225A1 (en) Method and Apparatus for Identifying an Abnormality in Mechanical Apparatus or Mechanical Component
CN108225762B (zh) 一种齿轮单齿裂纹断齿故障识别诊断方法
Walker et al. Wind turbine bearing fault detection using adaptive resampling and order tracking
JP2019212195A (ja) 状態監視システム
Hirani Online Condition Monitoring of High Speed Gears Using Vibration and Oil Analyses
Koukoura et al. Wind turbine gearbox vibration signal signature and fault development through time
JP2015175828A (ja) 転動装置の状態監視装置およびそれを備える風力発電設備
CN211230718U (zh) 一种风机运行状态在线监测装置
CN103335708B (zh) 汽轮发电机组低频振动实时预警方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant