CN103134679B - 轴承状态监视方法以及轴承状态监视装置 - Google Patents

Abstract

本发明提供一种轴承状态监视方法及轴承状态监视装置(1)，其具备：在轴承(3)安装的AE传感器(10)、检波处理部(30)、振幅分布计算部(32)、基准波形生成部(33)以及判定部(22)。检波处理部(30)对来自AE传感器(10)的信号进行检波处理以计算出检波波形。振幅分布计算部(32)根据检波波形计算出振幅分布。基准波形生成部(33)根据振幅分布生成基准波形。判定部(22)通过比较振幅分布与基准分布从而判定轴承(3)的状态。

Description

轴承状态监视方法以及轴承状态监视装置

技术领域

本发明涉及轴承状态监视方法以及轴承状态监视装置。

背景技术

在对旋转机械设备等中的轴承状态进行监视以诊断异常的情况下，一般是根据由例如安装在轴承的传感器所测量的振动和声音(AcousticEmission：AE)的振幅是否超过预先设定的阈值来判断有无异常的。另外，关于测量AE的情况，将AE的振幅超过预先设定的阈值的事件在一定期间内所发生的数量设为监视指标也是公知的。

在测量振动的情况下，一般来说，对于旋转速度低于100rpm的低速旋转设备，即使轴承存在损伤所产生的振动强度也是微弱的，难以进行可靠的状态监视(例如，参照非专利文献1)。虽然即使在这样的低速旋转设备中对AE进行测量的情况下也能得到足够的损伤灵敏度，但振幅和事件数量与损伤之间难以建立定量关联，为了设定基准值，需要按每个测量部位或运转条件(连续旋转的旋转数和间歇旋转的周期)储存足够的现场数据，即基于所谓的现场测量的诊断很困难。

【非专利文献】

「基于应对现场疑问的实践振动法的设备诊断」，井上纪明著，日本设备维修协会，1998年9月20日，p.91-92

发明内容

本发明的课题在于，不用设定基于按每个测量部位和运转条件的数据储存的基准值，通过测量数据的处理便可判定轴承的状态。

本发明的第1技术方案在于提供一种轴承状态监视方法，在对旋转轴进行保持的轴承中，对因上述旋转轴的旋转而产生的信号的时间波形进行检波处理以计算出检波波形，根据上述检波波形计算出振幅分布，通过对上述振幅分布与根据上述振幅分布所生成的基准分布之间进行比较，从而判定上述轴承的状态。

由于通过比较振幅分布与由此得到的基准分布，从而判定轴承的状态，因此即使在旋转轴的旋转速度为较低速(例如0.1～200rpm左右)的情况下，不用设定基于按每个测量部位或运转条件的数据储存的基准值，通过检波波形的处理便可判定轴承的状态。

具体而言，使用对振幅进行对数化后的上述检波波形计算出上述振幅分布。上述基准分布的生成，是求出上述振幅分布的频度最大值，求出由低振幅侧分布和高振幅侧分布所构成的推定正态分布，求出对上述推定正态分布的频度进行对数化的对数化推定正态分布，将上述对数化推定正态分布加上容限度以求出上述基准分布，其中，上述低振幅侧分布是指对与上述振幅分布的上述频度最大值的振幅相比为低振幅的数据以正态分布进行近似后的分布，上述高振幅侧分布是指将该低振幅侧分布应用于与上述频度最大值的振幅相比更高振幅的一侧的分布。求出对上述振幅分布的频度进行对数化后的对数化振幅分布，通过比较上述对数化振幅分布与上述基准分布，从而判定上述轴承的状态。通过将对数化推定正态分布加上容限度，从而能够提高判定的可靠性。

更具体而言，将上述对数化振幅分布所包含的数据中、对数化频度超过上述基准分布中相同振幅的频度的数据以多项式进行近似后求出近似系数，

将上述近似系数作为表示上述对数化振幅分布与上述基准分布之间的差异的指标，以用于上述轴承的状态的判定。例如，上述多项式是一次式，使用该一次式的斜率或者其倒数的绝对值作为上述指标。

作为代替方案，针对上述对数化振幅分布的数据中、对数化频度超过上述基准分布中相同振幅的频度的数据，将由下式所计算出的指标面积作为表示上述对数化振幅分布与上述基准分布的差异的指标，使用于上述轴承的状态的判定，

【式1】

$\mathrm{AR}=\underset{i}{\mathrm{\Σ}}(F_{\ln i}-F_{\mathrm{ref}})\×{\mathrm{AM}}_i$

AR：指标面积

F_lni：第i个数据的对数化频度

F_ref：基准频度

AM_i：第i个数据的振幅

关于上述检波处理中的上述旋转轴的1次旋转或者间歇动作的每1周期的采样点数，不管上述旋转轴的旋转数或间歇动作的速度如何，都设定为固定值，通过将使用对振幅进行对数化后的上述检波波形所计算出的上述振幅分布的频度除以上述固定值，从而进行标准化。通过进行标准化，从而能够进一步降低因测量部位或运转条件的不同而产生的影响，能够以更高的精度来判别轴承的状态。

有些情况下，如果要求出一直包含作为干扰噪音的震动成分的振动分布，则振动分布的幅度不是由原本想要测量的信号(例如AE)决定，而是由震动成分来决定，导致轴承的状态判别的精度降低。在这样的情况下，关于上述振幅分布的计算，优选计算出上述检波波形的震动成分，从上述检波波形中去除上述震动成分，并使用将上述震动成分去除后的上述检波波形来计算出上述振幅分布。关于上述震动成分的计算，可以使用移动平均和低通滤波器。

通过上述旋转轴的旋转而产生的信号是AE、振动、或者超声波中的任一种。

本发明的第2技术方案在于提供一种轴承状态监视装置，包含：传感器部，其在对旋转轴进行保持的轴承中对因上述旋转轴的旋转而产生的信号进行检测；检波处理部，其对由上述传感器部所检测的测定波形进行检波处理以计算出检波波形；振幅分布计算部，其根据上述检波波形计算出振幅分布；基准波形生成部，其根据上述振幅分布生成基准分布；以及判定部，其通过对上述振幅分布与上述基准分布进行比较，从而判定上述轴承的状态。

根据本发明，由于通过对振幅分布与由其得到的基准分布进行比较从而对轴承的状态进行判定，因此不必设定基于每个测量部位和运转条件的数据储存的基准值，通过检波波形的处理便可判定轴承的状态。

附图说明

图1是表示本发明的实施方式所涉及的轴承状态诊断装置的示意图。

图2是表示AE的测定波形和检波波形的曲线图。

图3是表示振幅分布和推定正态分布的曲线图。

图4是表示振幅分布、基准分布以及近似曲线的曲线图。

图5A是表示轴承正常时的振幅分布、基准分布以及近似直线的曲线图。

图5B是表示轴承发生异常时的振幅分布、基准分布以及近似直线的曲线图。

图6是表示在各种测量条件下的近似直线的斜率的倒数的条形图。

图7是表示振幅分布、基准分布以及指标面积的曲线图。

图8是表示各种测量条件下的指标面积的条形图。

图9是表示检波波形和震动成分的曲线图。

图10是表示将震动成分去除后的检波波形的曲线图。

符号说明：

1轴承状态监视装置

2旋转轴

3轴承

10声音传感器

11前置放大器

12滤波器

13放大器

14采样电路

21信号处理部

22判定部

23显示部

24存储部

30检波处理部

31采样电路

32振幅分布计算部

33基准分布生成部

具体实施方式

下面，参照附图来说明本发明的实施方式。虽然公知了在轴承正常的情况下的声音(AE)、振动、超声波等RF波形的振幅分布遵从于正态分布，但本发明者觉察到以下见解。在轴承正常且背景噪音低的情况下，检波波形的振幅分布也可以正态分布来近似。另外，在轴承产生损伤的情况下，虽然因高振幅数据的出现导致振幅分布偏离正态分布，但与频度最大值的振幅相比处于低振幅侧的振幅分布也能够以正态分布来近似。进而，在轴承产生损伤的情况下，以正态分布来近似的与频度最大值的振幅相比处于低振幅侧的振幅分布，与轴承正常的情况下的正态分布几乎相同。本发明正是将这些见解应用于轴承的状态监视中。

图1表示本发明的实施方式所涉及的轴承状态监视装置(以下称作监视装置)1。轴承3支撑旋转机械设备(虽然本实施方式中为皮带传输机设备，但对于设备和机械的种类并没有特别限定)的旋转轴2。监视装置1监视轴承3中的磨损、损伤所引起的异常的产生等。

监视装置1具备经由耦合介质(couplant)固定在轴承3的AE传感器10。并且，监视装置1具备滤波器12、放大器13以及进行各种运算处理的信号处理部21。另外，监视装置1具备：基于信号处理部21中的处理结果判定轴承3中是否产生了异常的判定部22；以及用于显示判定部22的判定结果的例如监视器装置的显示部23。进而，监视装置1还具备与信号处理部21以及判定部22协作而对各种数据、运算结果等进行存储的存储部24。信号处理部21具备：检波处理部30、采样电路31、振幅分布计算部32以及基准波生成部33。

以下，对通过该监视装置1所执行的轴承状态监视方法进行说明。

AE传感器10对在轴承3中通过旋转轴2的旋转而产生的AE信号进行检测。代替基于AE传感器10进行的AE信号的检测，也可以采用振动传感器对旋转轴2在旋转时所发生的振动进行检测。另外，还可以采用超声波传感器对旋转轴2在旋转时所产生的超声波进行检测。在对振动和超声波进行检测的情况下，也同样地应用以下的处理。

来自AE传感器10的测定波形(AE的时间波形)，经由未图示的前置放大器、滤波器12以及放大器13被输入到信号处理部21中。来自AE传感器10的微弱的输出信号首先被前置放大器进行放大。前置放大器可以设置在AE传感器10内，也可以设置在AE传感器10与滤波器12之间。滤波器12从前置放大器的信号中去除噪音并仅使适当的频带通过。通过滤波器12后的信号被放大器13放大至适于由信号处理部21进行处理的强度。

检波处理部30对测定波形(从放大器13输入的AE的时间波形)施以检波处理以计算出检波波形(参照图2)。该检波波形的时间长度至少具有旋转轴2的1次旋转的时间长(在旋转轴2执行间歇动作的情况下，间歇动作的1个周期长)。例如，得到旋转轴2的10次旋转左右的测定波形。旋转轴2的一次旋转的时间长度可以由旋转轴2的设定旋转数来决定，也可以实际测量。

采样电路31对于来自检波处理部30的检波波形执行采样。

振幅分布计算部32对于采样后的检波波形进行以下处理而计算出振幅分布。首先，将采样后的检波波形的振幅进行对数化(自然对数化)。使用对该振幅进行对数化后的检波波形计算出振幅分布(检波波形中振幅出现的频度的分布)(参照图3以及图4)。AE由于振幅变化的范围广，因此通过进行对数化而将低振幅侧的信息的权值相对地增加，从而还能够灵敏度良好地检测低振幅的变化。另外，由于通过进行对数化从而比率成为差值(即在线形情况下的10倍差值，若进行对数化，则成为+1)，因此容易处理振幅。

也可以对振幅分布的频度进行标准化。这种情况下，根据旋转轴2的旋转数(在间歇动作的情况下，每单位时间的动作数)使采样电路31对测定波形进行采样的采样频率改变，从而不管旋转数或间歇动作的速度如何，旋转轴2的1次旋转或者间歇动作的每一周期的采样点数N都保持恒定值。然后，通过将振幅分布的频度除以采样点数N(固定值)从而对其进行标准化。图3至图5B以及图7的曲线图的纵轴是标准化了的频度。

基准分布生成部33求出为了判定轴承的状态而使用的基准分布。基准分布是基于对轴承3为正常的情况下的振幅分布进行推定的分布即推定正态分布而求出的。如上述，在轴承3产生损伤的情况下，虽然因高振幅的数据的出现导致振幅分布从正态分布偏离，但与频度最大值的振幅相比处于低振幅侧的振幅分布能够以正态分布来近似，该低振幅侧的振幅分布与轴承3为正常的情况下的正态分布基本相同。另外，通过将与基准分布的频度最大值的振幅相比处于低振幅侧的振幅分布以正态分布进行近似后，以频度最大值的振幅为界线进行折叠，从而还能够推定在轴承为正常的情况下与频度最大值的振幅相比处于高振幅侧的振幅分布。基准分布生成部33根据该原理推定轴承3为正常的情况下的振幅分布。

以下，参照图3来说明基准分布生成部33求出基准分布的具体步骤。首先，求出振幅分布(在进行上述标准化的情况下，对频度进行标准化后的振幅分布)的频度最大值F_max。接着，求出振幅分布所包含的数据中振幅比频度最大值F_max的振幅低的数据以正态分布进行近似后的低振幅侧分布。另外，通过以频度最大值F_max的振幅对该低振幅侧分布进行折叠，从而求出对与频度最大值F_max的振幅相比处于高振幅侧的分布进行推定的高振幅侧分布。将低振幅侧分布与高振幅侧分布合并便成为上述的推定正态分布。接着，求出对推定正态分布进行对数化(自然对数化)后的对数化推定正态分布(同时参照图5A以及图5B)。将对数化推定正态分布的频度加上用于由防止误判定来提高判定可靠性的容限度α。将对数化推定正态分布加上容限度α后所得的分布是基准分布。容限度α被设定为例如与对数化前的推定正态分布所包含的数据的频度的2倍相当的值(α＝ln(2))。

另一方面，振幅分布计算部32针对如上述使用对振幅进行对数化(自然对数化)后的检波波形而求出的振幅分布(在进行上述标准化的情况下，对频度进行标准化后的振幅分布)，进而对振幅分布的频度执行对数化(自然对数化)后计算出对数化振幅分布(参照图3以及图4)。由于异常导致的AE的频度与背景噪音的AE相比要远远少很多，因此如果按线形来看频度，则正常与异常之差很小。通过对振幅分布进行对数化，从而能够将频度少的异常所导致的AE的权值相对地增加，能够对于异常的灵敏度提高。

判定部22通过对振幅分布计算部32所算出的对数化振幅分布与基准分布生成部33所生成的基准分布之间进行比较，判定轴承3是否正常(是否产生因磨损、损伤而引起的异常)。由判定部22所进行的轴承3的状态的判定是通过对对数化振幅分布中所包含的数据(与频度最大值F_max的振幅相比处于高振幅侧)中对数化频度超过基准波形中相同振幅的频度的数据，即对数化振幅分布中频度超过基准波形的区域进行评价而进行的。具体而言，作为判定手法有以下2个种类。

第1判定手法如下。将对数化振幅分布所包含的数据中的对数化频度超过基准分布中相同振幅的频度的数据以多项式进行近似后求出近似系数。然后，将该近似系数作为表示对数化振幅分布与基准分布的差异的指标来判定轴承3的状态。例如，如图4至图5B所示，求出将对数化振幅分布所包含的数据中、对数化频度超过基准分布中相同振幅的频度的数据以一次函数进行近似后的近似直线，根据该近似直线的斜率的倒数的绝对值来判定轴承3的状态。比较图5A(正常时)与图5B(异常时)便可知，当轴承3中产生异常时，与正常时相比较，近似直线的斜率会变得平缓。即，当轴承3中产生异常时，与正常时相比较，斜率的倒数的绝对值会变大。因此，设定与斜率的倒数有关的适当的阈值，如果斜率的倒数的绝对值为阈值以下，则判定轴承3为正常，如果超过阈值，则可以判定轴承3产生异常。

图6表示针对轴承3的旋转数各不相同的情况下(10rpm，20rpm，80rpm，100rpm)，用实验求出的近似曲线的斜率的倒数的绝对值。在该图6中，No.1～12表示轴承3为正常的情况，No.13～16为轴承3中产生异常的情况。近似曲线的斜率的倒数的绝对值，在正常时(No.1～12)为大概1左右，但在异常时(No.13～16)为2以上，存在明显的差异。在图8的例示的情况下，考虑例如将判断是否需要警告轴承3中产生异常的阈值设定为1.5。在本实施方式中，为了对频度进行标准化，可以使用公用的阈值，而不需要在各个测量场所对正常时和异常时的近似曲线的斜率的倒数的绝对值进行测量来设定阈值。

在第1判定方法中采用一次函数进行近似的情况下，也可以将斜率本身或斜率的绝对值用于轴承3的状态判定的指标。开且，代替基于一次函数进行的近似，也可以进行基于二次以上的多次函数的近似，并将所得到的多项式的系数用于状态判定的指标。

第2判定手法如下。参照图7，根据下式计算出由对数化振幅分布中所包含的数据中的对数化频度超过基准分布的相同振幅的频度的数据与基准频度F_ref所包围的区域的面积(指标面积)。

【式1】

$\mathrm{AR}=\underset{i}{\mathrm{\Σ}}(F_{\ln i}-F_{\mathrm{ref}})\×{\mathrm{AM}}_i$

AR：指标面积

F_lni：第i个数据的对数化频度

F_ref：基准频度

AM_i：第i个数据的振幅

关于指标面积AR的计算所使用的基准频度F_ref，优选某个振幅出现的频度比与在检波波形内出现一次的状况相当的频度小，且不会过小。例如，在不进行基于上述频度的采样点数N的标准化的情况下，由于在检波波形内某个波形仅出现1次的情况下的频度为1，因此基准频度F_ref被设定为不足ln(1)＝0且不会过小的值(例如-1)。另外，在基于频度的采样点数N进行标准化的情况下，由于在检波波形内仅1次出现某个波形的情况下的频度为1/N，因此基准频度F_ref被设定为不足ln(1/N)且不会过小的值(例如不足ln(1/N)的最大整数)。在标准化所使用的采样点数N为10，000的情况下，由于ln(1/N)＝-9.2，因此基准频度F_ref被设定为例如-10。

图8表示针对轴承3的旋转数为各种不同的情况(10rpm，20rpm，80rpm，100rpm)，用实验求出的指标面积AR的值。在该图8中，No.1～12表示轴承3为正常的情况，No.13～16为轴承3产生异常的情况。指标面积AR的值在正常时(No.1～12)为不足20，但在产生异常时(No.13～16)为40以上，存在明显的差异。在图8的例子的情况下，考虑例如将判断是否需要警告轴承3中产生异常的阈值设定为20。在以采样点数N对频度进行比较的情况下，如果测量体系相同，则可以使用公共的阈值，不需要对各个测量场所在正常时和异常时的指标面积AR进行测量来设定阈值。

判定部22可以执行第1以及第2判定手法中的一个，也可以执行其双方。例如，判定部22以第1以及第2判定手法双方对产生异常的判定都成立的情况下，判定轴承3中产生异常，在仅第1以及第2判定手法的其中之一对产生异常的判定成立的情况下，也可以判定轴承3为正常。

在本实施方式中，通过将对数化振幅分布与根据对数化前的振幅分布自身计算出的基准分布进行比较，从而对轴承3的状态进行判定。因此，即使在旋转轴的旋转速度为较低速(例如0.1～200rpm程度)的情况下，不用设定基于每个测量部位或运转条件下的数据储存的基准值，通过检波波形的处理也可以来判定轴承的状态。

由于对数化推定正态分布是通过近似而求出的，故而实际的数据以对数化推定正态分布为中心而散乱分布。因此，如果将对数化推定正态分布直接作为基准分布，则因实际的振幅分布的不均，会导致即使并非原本想要求出的高振幅侧的损伤引起的AE而是正常AE部分也可能出现超过基准值的情况，因而导致误诊断。通过使用将对数化推定正态分布加上容限度α所得到的基准分布，从而能够防止因实际数据的分布的不均而引起的误诊断。

若要求出一直包含作为干扰噪音的震动成分的振动分布，则振动分布的幅度不是由原本想要测量的信号(例如AE)而是由震动成分来决定，因损伤引起的振动成分所导致的振幅变化也可能会被吞没于其中。因此，有些情况下会因震动成分而导致轴承3的状态判别的精度降低。在这样的情况下，只要在将震动成分去除后进行振幅分布的计算即可。具体而言，首先，计算出在对振幅进行对数化后的检波波形所包含的震动成分(图9参照)。接着，从检波波形中去除震动成分(图10参照)。关于震动成分的计算，可以使用例如移动平均和低通滤波器。

Claims (10)

1.一种轴承状态监视方法，其特征在于，

在保持旋转轴的轴承中，对因所述旋转轴的旋转而产生的信号的时间波形进行检波处理而计算出检波波形，

根据所述检波波形计算出振幅分布，

通过对所述振幅分布与根据所述振幅分布所生成的基准分布之间进行比较，判定所述轴承的状态，

将所述检波波形的振幅对数化，

根据将所述振幅对数化后的所述检波波形计算出所述振幅分布，

所述基准分布的生成是：求出所述振幅分布的频度最大值，求出由低振幅侧分布和高振幅侧分布所构成的推定正态分布，求出将所述推定正态分布的频度对数化后的对数化推定正态分布，并将所述对数化推定正态分布加上容限度而求出所述基准分布，其中所述低振幅侧分布是指与所述振幅分布的所述频度最大值的振幅相比为低振幅的数据以正态分布进行近似后的分布，所述高振幅侧分布是指将该低振幅侧分布应用于与所述频度最大值的振幅相比高振幅的一侧的分布，

求出将所述振幅分布的频度对数化后的对数化振幅分布，

通过比较所述对数化振幅分布与所述基准分布，判定所述轴承的状态。

2.根据权利要求1所述的轴承状态监视方法，其特征在于，

将所述对数化振幅分布所包含的数据中的对数化频度超过所述基准分布中相同振幅的频度的数据以多项式进行近似后，求出近似系数，

将所述近似系数作为表示所述对数化振幅分布与所述基准分布之间的差异的指标，并用于所述轴承的状态的判定。

3.根据权利要求2所述的轴承状态监视方法，其特征在于，

所述多项式是一次式，使用该一次式的斜率或其倒数的绝对值作为所述指标。

4.根据权利要求1所述的轴承状态监视方法，其特征在于，

针对所述对数化振幅分布的数据中的对数化频度超过所述基准分布中相同振幅的频度的数据，将由下式所计算出的指标面积作为表示所述对数化振幅分布与所述基准分布的差异的指标，并用于所述轴承的状态的判定，

【式1】

$AR=\underset{i}{\Σ}(F_{\ln i}-F_{ref})\×{\mathrm{AM}}_i$

AR：指标面积

F_lni：第i个数据的对数化频度

F_ref：基准频度

AM_i：第i个数据的振幅。

5.根据权利要求1所述的轴承状态监视方法，其特征在于，

关于所述检波处理中的所述旋转轴的1次旋转或者间歇动作的每1周期的采样点数，不管所述旋转轴的旋转数或间歇动作的速度如何，都设定为固定值，

通过使用将振幅对数化后的所述检波波形所计算出的所述振幅分布的频度除以所述固定值，从而进行标准化。

6.根据权利要求1所述的轴承状态监视方法，其特征在于，

在根据将所述振幅对数化后的所述检波波形计算出所述振幅分布之前，将震动成分去除。

7.根据权利要求6所述的轴承状态监视方法，其特征在于，

在所述震动成分的计算中使用移动平均或低通滤波器。

8.根据权利要求1所述的轴承状态监视方法，其特征在于，

因所述旋转轴的旋转而产生的信号是AE、振动或者超声波中的任一种。

9.一种轴承状态监视装置，其特征在于，具备：

传感器部，其在保持旋转轴的轴承中对因所述旋转轴的旋转而产生的信号进行检测；

检波处理部，其对由所述传感器部所检测到的测定波形进行检波处理并计算出检波波形；

振幅分布计算部，其根据所述检波波形计算出振幅分布；

基准波形生成部，其根据所述振幅分布生成基准分布；以及

判定部，其通过对所述振幅分布与所述基准分布进行比较，从而判定所述轴承的状态，

所述振幅分布计算部将所述检波波形的振幅对数化，根据将所述振幅对数化后的所述检波波形计算出所述振幅分布，求出将所述振幅分布的频度对数化后的对数化振幅分布，

所述基准波形生成部求出所述振幅分布的频度最大值，求出由低振幅侧分布和高振幅侧分布所构成的推定正态分布，求出将所述推定正态分布的频度对数化后的对数化推定正态分布，并将所述对数化推定正态分布加上容限度而求出所述基准分布，其中所述低振幅侧分布是指与所述振幅分布的所述频度最大值的振幅相比为低振幅的数据以正态分布进行近似后的分布，所述高振幅侧分布是指将该低振幅侧分布应用于与所述频度最大值的振幅相比高振幅的一侧的分布，

所述判定部通过比较所述对数化振幅分布与所述基准分布，判定所述轴承的状态。

10.根据权利要求9所述的轴承状态监视装置，其特征在于，

所述传感器部对通过所述旋转轴的旋转而在所述轴承产生的AE、振动或者超声波中的任一种进行检测。