CN104634551A - 寿命预测方法、寿命预测装置、寿命运算装置、旋转机械 - Google Patents
寿命预测方法、寿命预测装置、寿命运算装置、旋转机械 Download PDFInfo
- Publication number
- CN104634551A CN104634551A CN201410553765.8A CN201410553765A CN104634551A CN 104634551 A CN104634551 A CN 104634551A CN 201410553765 A CN201410553765 A CN 201410553765A CN 104634551 A CN104634551 A CN 104634551A
- Authority
- CN
- China
- Prior art keywords
- life
- span
- frequency spectrum
- characteristic quantity
- vibrational waveform
- 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
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M99/00—Subject matter not provided for in other groups of this subclass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M7/00—Vibration-testing of structures; Shock-testing of structures
-
- 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
-
- 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
- G01H1/12—Measuring characteristics of vibrations in solids by using direct conduction to the detector of longitudinal or not specified vibrations
- G01H1/14—Frequency
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
Abstract
本发明涉及寿命预测方法、寿命预测装置、寿命运算装置、旋转机械。该寿命预测方法包括输入设置在主泵(6)中的陀螺传感器(10)输出的振动波形;对振动波形进行频率解析来运算频谱;根据频谱来运算特征量;以及使用特征量来判定主泵(6)的寿命,设为R=特征量、D=频谱中的振幅的平方的总和、P=超过第1判定值的振幅的平方的总和,
Description
技术领域
本发明涉及寿命预测方法、寿命预测装置、寿命预测系统、寿命运算装置以及旋转机械。
背景技术
半导体装置、机床等各种旋转机械中具备由马达等驱动的旋转机构。而且,旋转机构因摩擦、附着物而性能恶化,最终变得功能不全。将老化恶化而变得功能不全称为寿命。在干式泵中,制造中途装置失去功能时制造中途的加工品变得不合格。因此,为了在装置达到寿命前维护装置,而设计一种诊断装置的寿命的方法。
专利文献1中公开有诊断装置的寿命的方法。根据该方法,在装置设置有检测振动的传感器。而且,对振动波形进行频率解析,并运算功率谱。接下来,从功率谱选定基准振动的频率,并作成基准振动的功率谱的时间序列数据。在功率谱的值超过判定值时,判断出接近寿命。
专利文献1:日本特开2004-117253号公报
在专利文献1的寿命预测方法中,蓄积有从使成为预测寿命的对象的装置的运转开始时开始的基准振动的功率谱的时间序列数据。而且,根据时间序列数据来设定判定值,功率谱的值超过判定值时,判断出接近寿命。因此,需要保存、管理数据的功能。若成为对象的装置变化,则基准振动改变,为了寿命预测而需要同一装置的功率谱的时间序列数据。在成为预测寿命的对象的装置的台数较多时,需要增多传感器的个数,成为较难实施的方法。因此,期望一种即使没有成为对象的装置的时间序列数据,也能够预测装置的寿命的方法。
发明内容
本发明是为了解决上述的课题而提出的,能够作为以下的方式或者应用例来实现。
应用例1
是本应用例所涉及的寿命预测方法,其特征在于,包括:对设置于被检测装置的惯性传感器输出的振动波形进行频率解析来运算频谱;使用上述频谱来运算特征量;以及使用上述特征量来判定上述被检测装置的寿命,在R=上述特征量、D=上述频谱中的振幅的平方的总和、P=超过第1判定值的上述振幅的平方的总和时,
根据本应用例,在被检测装置设置有惯性传感器。被检测装置振动,惯性传感器输出表示振动随时间变化的振动波形。接下来,对振动波形进行频率解析来运算频谱。接着,根据频谱来运算特征量。
在特征量的运算中设定第1判定值。对超过第1判定值的振幅的平方的总和进行运算,并将该运算结果设为P。接下来,对振幅的平方的总和进行运算,并将该运算结果设为D。而且,将作为特征量。
被检测装置开始运转之后随着接近寿命,P的值变小,D的值变大。因此,作为特征量的R的值随着接近寿命而变小。由于特征量与寿命之间有相关性,所以能够使用特征量来检测被检测装置的寿命。
根据规定的范围的频率的频谱来运算特征量。因此,判定方法能够使用于相同结构的装置。而且,由于利用测量时的特征量来判定寿命,所以即使没有被检测装置的个别的时间序列数据也能够预测装置的寿命。
应用例2
是本应用例所涉及的寿命预测方法,其特征在于,包括:对设置于被检测装置的惯性传感器输出的振动波形进行频率解析来运算频谱;使用上述频谱来运算特征量;以及使用上述特征量来判定上述被检测装置的寿命,在R=上述特征量、D=上述频谱中的振幅的平方的总和、P=超过第1判定值的上述振幅的平方的总和时,
根据本应用例,在被检测装置设置有惯性传感器。被检测装置振动,惯性传感器输出表示振动随时间变化的振动波形。接下来,对振动波形进行频率解析来运算频谱。接着,根据频谱来运算特征量。
在特征量的运算中设定第1判定值。对超过第1判定值的振幅的平方的总和进行运算,并将该运算结果设为P。接下来,对振幅的平方的总和进行运算,并该运算结果设为D。而且,将作为特征量。
被检测装置开始运转之后随着接近寿命,P的值变小,D的值变大。因此,作为特征量的R的值随着接近寿命而接近1。由于特征量与寿命之间有相关性,所以能够使用特征量来判定被检测装置的寿命。
根据规定的范围的频率的频谱来运算特征量。因此,判定方法能够使用于相同结构的装置。而且,由于利用测量时的特征量来判定寿命,所以即使没有被检测装置的个别的时间序列数据也能够预测装置的寿命。
应用例3
在上述应用例所涉及的寿命预测方法中,特征在于,对上述特征量相对于运转时间的变化率进行运算,使用上述变化率来判定上述被检测装置的寿命。
根据本应用例,对特征量相对于运转时间的变化率进行运算。而且,使用变化率来判定被检测装置的寿命。变化率随着寿命接近而变大。变化率与特征量相比较大地变化。因此,通过使用变化率,能够容易地判定寿命。
应用例4
在上述应用例所涉及的寿命预测方法中,特征在于,将上述特征量和第2判定值相比较来判定上述被检测装置的寿命。
根据本应用例,将特征量和第2判定值相比较来判定被检测装置的寿命。因此,能够容易且明确地判定寿命。
应用例5
在上述应用例所涉及的寿命预测方法中,其特征在于,上述惯性传感器输出的振动波形包括相互正交的第1方向、第2方向、以及第3方向的上述被检测装置的振动成分,上述寿命预测方法包括:对上述第1方向、上述第2方向、以及上述第3方向的上述频谱以及上述特征量进行运算;使用上述第1方向、上述第2方向、以及上述第3方向的上述特征量来对合成特征量进行运算;以及使用上述合成特征量来判定上述被检测装置的寿命,设为R1=使用上述第1方向上的上述振动波形而运算出的上述特征量,R2=使用上述第2方向上的上述振动波形而运算出的上述特征量,R3=使用上述第3方向上的上述振动波形而运算出的上述特征量,将等式1
设为合成特征量。
根据本应用例,惯性传感器对相互正交的第1方向、第2方向、以及第3方向的被检测装置的振动进行检测。而且,惯性传感器输出第1方向、第2方向、以及第3方向的振动波形。而且,对三个方向的振动波形进行频率解析来运算各方向的频谱以及特征量。而且,使用三个方向的特征量来对合成特征量进行运算。因此,合成特征量为表示三个方向的振动的状态的数据。其结果,能够不受惯性传感器相对于被检测装置的方向的限制而判定被检测装置的寿命。
应用例6
是本应用例所涉及的寿命预测方法,其特征在于,包括:对设置于被检测装置的惯性传感器输出的振动波形进行频率解析来运算频谱;使用上述频谱来运算特征量;以及使用上述特征量来判定上述被检测装置的寿命,在R=上述特征量、D=上述频谱中的振幅的平方的总和、P=超过第1判定值的上述振幅的平方的总和时,R=P/D。
根据本应用例,等式“R=P/D”的运算与等式“”的运算相比省去平方根的运算,所以能够缩短运算时间。而且,此时也根据规定的范围的频率的频谱来运算特征量。因此,判定方法能够使用于相同结构的装置。而且,由于利用测量时的特征量来判定寿命,所以即使没有被检测装置的个别的时间序列数据也能够预测装置的寿命。
应用例7
是本应用例所涉及的寿命预测方法,其特征在于,包括:对设置于被检测装置的惯性传感器输出的振动波形进行频率解析来运算频谱;使用上述频谱来运算特征量;以及使用上述特征量来判定上述被检测装置的寿命,在R=上述特征量、D=上述频谱中的幅的平方的总和、P=超过第1判定值的上述振幅的平方的总和时,R=(D-P)/D。
根据本应用例,等式“R=(D-P)/D”的运算与等式“ ”的运算相比省去平方根的运算,所以能够缩短运算时间。而且,根据规定的范围的频率的频谱来运算特征量。因此,判定方法能够使用于相同结构的装置。而且,由于利用测量时的特征量来判定寿命,所以即使没有被检测装置的个别的时间序列数据也能够预测装置的寿命。
应用例8
是本应用例所涉及的寿命预测装置,其特征在于,具备:惯性传感器,其设置于被检测装置,输出上述被检测装置的振动波形;频谱运算部,其对上述振动波形进行频率解析来运算频谱;特征量运算部,其使用上述频谱来运算特征量;以及判定部,其使用上述特征量来判定上述被检测装置的寿命,在R=上述特征量、D=上述频谱中的振幅的平方的总和、P=超过第1判定值的上述振幅的平方的总和时,
根据本应用例,在被检测装置设置有惯性传感器。被检测装置振动,惯性传感器输出表示振动随时间变化的振动波形。接下来,频谱运算部对振动波形进行频率解析来运算频谱。接着,特征量运算部根据频谱来运算特征量。
在特征量的运算中设定第1判定值。特征量运算部对超过第1判定值的振幅的平方的总和进行运算,并将该运算结果设为P。并且,特征量运算部对振幅的平方的总和进行运算,并将该运算结果设为D。而且,特征量运算部运算等式“”而作为特征量。
被检测装置开始运转之后随着接近寿命,P的值变小,D的值变大。因此,作为特征量的R的值随着接近寿命而变小。由于特征量与寿命之间有相关性,所以寿命预测装置能够使用特征量来检测被检测装置的寿命。
根据规定的范围的频率的频谱来运算特征量。因此,判定方法能够使用于相同结构的装置。而且,由于利用测量时的特征量来判定寿命,所以即使没有被检测装置的个别的时间序列数据也能够预测装置的寿命。
应用例9
是本应用例所涉及的寿命预测装置,其特征在于,具备:惯性传感器,其设置于被检测装置,输出上述被检测装置的振动波形;频谱运算部,其对上述振动波形进行频率解析来运算频谱;特征量运算部,其使用上述频谱来运算特征量;以及判定部,其使用上述特征量来判定上述被检测装置的寿命,在R=上述特征量、D=上述频谱中的振幅的平方的总和、P=超过第1判定值的上述振幅的平方的总和时,
根据本应用例,在被检测装置设置有惯性传感器。被检测装置振动,惯性传感器输出表示振动随时间变化的振动波形。接下来,频谱运算部对振动波形进行频率解析来运算频谱。接着,特征量运算部根据频谱来运算特征量。
在特征量的运算中设定第1判定值。特征量运算部对超过第1判定值的振幅的平方的总和进行运算,并将该运算结果设为P。并且,特征量运算部对振幅的平方的总和进行运算,并将该运算结果设为D。而且,特征量运算部对等式“”进行运算而作为特征量。
被检测装置开始运转之后随着接近寿命,P的值变小,D的值变大。因此,作为特征量的R的值随着接近寿命而接近1。由于特征量与寿命之间有相关性,所以寿命预测装置能够使用特征量来判定被检测装置的寿命。
根据规定的范围的频率的频谱来运算特征量。因此,判定方法能够使用于相同结构的装置。而且,由于利用测量时的特征量来判定寿命,所以即使没有被检测装置的个别的时间序列数据也能够预测装置的寿命。
应用例10
在上述应用例所涉及的寿命预测装置中,其特征在于,上述惯性传感器为陀螺传感器。
根据本应用例,惯性传感器为陀螺传感器。惯性传感器包括检测加速度的加速度传感器和检测角速度的陀螺传感器。而且,将根据加速度传感器输出的振动波形运算出的特征量作为加速度特征量,将根据陀螺传感器输出的振动波形运算出的特征量作为角速度特征量。此时,角速度特征量与加速度特征量相比与被检测装置的寿命的相关性总的来看较大。因此,惯性传感器使用陀螺传感器能够容易地判定被检测装置的寿命。
应用例11
本应用例所涉及的寿命预测系统的特征在于,是振动检测装置和寿命运算装置以能够经由网络进行通信的方式连接的寿命预测系统,上述振动检测装置具有:惯性传感器,其设置于被检测装置,输出上述被检测装置的振动波形;以及发送部,其向上述寿命运算装置发送上述振动波形,上述寿命运算装置具有:接收部,其从上述振动检测装置接收上述振动波形;频谱运算部,其对上述振动波形进行频率解析来运算频谱;特征量运算部,其使用上述频谱来运算特征量;以及判定部,其使用上述特征量来判定上述被检测装置的寿命,在R=上述特征量、D=上述频谱中的振幅的平方的总和、P=超过第1判定值的上述振幅的平方的总和时,
根据本应用例,在寿命预测系统中,振动检测装置和寿命运算装置以能够经由网络进行通信的方式连接。振动检测装置具备惯性传感器以及发送部。惯性传感器设置于被检测装置。被检测装置振动,惯性传感器输出表示振动随时间变化的振动波形。而且,发送部经由网络向寿命运算装置发送振动波形。
寿命运算装置具有接收部、频谱运算部、特征量运算部以及判定部。接收部接收振动波形。频谱运算部对振动波形进行频率解析来运算频谱。在特征量的运算中设定第1判定值。特征量运算部对超过第1判定值的振幅的平方的总和进行运算,并将该运算结果设为P。并且,特征量运算部对振幅的平方的总和进行运算,并将该运算结果设为D。而且,特征量运算部对等式“”进行运算而作为特征量。判定部使用特征量来判定被检测装置的寿命。
被检测装置开始运转之后随着接近寿命,P的值变小,D的值变大。因此,作为特征量的R的值随着接近寿命而变小。由于特征量与寿命之间有相关性,所以寿命运算装置能够使用特征量来检测被检测装置的寿命。振动检测装置和寿命运算装置经由网络连接。因此,在网络连接有多个振动检测装置时,寿命运算装置也能够判定多个被检测装置的寿命。
根据规定的范围的频率的频谱来运算特征量。因此,判定方法能够使用于相同结构的装置。而且,由于利用测量时的特征量来判定寿命,所以即使没有被检测装置的个别的时间序列数据也能够预测装置的寿命。
应用例12
本应用例所涉及的寿命预测系统的特征在于,是振动检测装置和寿命运算装置以能够经由网络进行通信的方式连接的寿命预测系统,上述寿命预测系统具有上述振动检测装置和上述寿命运算装置,上述振动检测装置具备:惯性传感器,其设置于被检测装置,输出上述被检测装置的振动波形;和发送部,其向上述寿命运算装置发送上述振动波形;上述寿命运算装置具备:接收部,其接收上述振动波形;频谱运算部,其对上述振动波形进行频率解析来运算频谱;特征量运算部,其使用上述频谱来运算特征量;以及判定部,其使用上述特征量来判定上述被检测装置的寿命,在R=上述特征量、D=上述频谱中的振幅的平方的总和、P=超过第1判定值的上述振幅的平方的总和时,
根据本应用例,在寿命预测系统中,振动检测装置和寿命运算装置以能够经由网络进行通信的方式连接。振动检测装置具备惯性传感器以及发送部。惯性传感器设置于被检测装置。被检测装置振动,惯性传感器输出表示振动随时间变化的振动波形。而且,发送部经由网络向寿命运算装置发送振动波形。
寿命运算装置具有接收部、频谱运算部、特征量运算部以及判定部。接收部接收振动波形。频谱运算部对振动波形进行频率解析来运算频谱。在特征量的运算中设定第1判定值。特征量运算部对超过第1判定值的振幅的平方的总和进行运算,并将该运算结果设为P。并且,特征量运算部对振幅的平方的总和进行运算,并将该运算结果设为D。而且,特征量运算部对等式“”进行运算而作为特征量。判定部使用特征量来判定被检测装置的寿命。
被检测装置开始运转之后随着接近寿命,P的值变小,D的值变大。因此,作为特征量的R的值随着接近寿命而接近1。由于特征量与寿命之间有相关性,所以寿命运算装置能够使用特征量来判定被检测装置的寿命。振动检测装置和寿命运算装置经由网络连接。因此,在网络连接有多个振动检测装置时,寿命运算装置也能够判定多个被检测装置的寿命。
根据规定的范围的频率的频谱来运算特征量。因此,判定方法能够使用于相同结构的装置。而且,由于利用测量时的特征量来判定寿命,所以即使没有被检测装置的个别的时间序列数据也能够预测装置的寿命。
应用例13
本应用例所涉及的寿命运算装置的特征在于,是在以能够经由网络与振动检测装置进行通信的方式连接的系统中使用的寿命运算装置,上述寿命运算装置具备:接收部,其接收上述振动检测装置发送的被检测装置的振动波形;频谱运算部,其对上述振动波形进行频率解析来运算频谱;特征量运算部,其使用上述频谱来运算特征量;以及判定部,其使用上述特征量来判定上述被检测装置的寿命,在R=上述特征量、D=上述频谱中的振幅的平方的总和、P=超过第1判定值的上述振幅的平方的总和时,
根据本应用例,在寿命预测系统中,振动检测装置和寿命运算装置以能够经由网络进行通信的方式连接。被检测装置在运转时振动。振动检测装置经由网络向寿命运算装置输出表示被检测装置的振动随时间变化的振动波形。
寿命运算装置具有接收部、频谱运算部、特征量运算部以及判定部。接收部接收振动波形。频谱运算部对振动波形进行频率解析来运算频谱。在特征量的运算中设定第1判定值。特征量运算部对超过第1判定值的振幅的平方的总和进行运算,并将该运算结果设为P。并且,特征量运算部对振幅的平方的总和进行运算,并将该运算结果设为D。而且,特征量运算部对等式“”的值进行运算而作为特征量。判定部使用特征量来判定被检测装置的寿命。
被检测装置开始运转之后随着接近寿命,P的值变小,D的值变大。因此,作为特征量的R的值随着接近寿命而变小。由于特征量与寿命之间有相关性,所以寿命运算装置能够使用特征量来检测被检测装置的寿命。振动检测装置和寿命运算装置经由网络连接。因此,在网络连接有多个振动检测装置时,寿命运算装置也能够判定多个被检测装置的寿命。
根据规定的范围的频率的频谱来运算特征量。因此,判定方法能够使用于相同结构的装置。而且,由于利用测量时的特征量来判定寿命,所以即使没有被检测装置的个别的时间序列数据也能够预测装置的寿命。
应用例14
本应用例所涉及的寿命运算装置的特征在于,是在以能够经由网络与振动检测装置进行通信的方式连接的系统中使用的寿命运算装置,上述寿命运算装置具备:接收部,其接收上述振动检测装置发送的被检测装置的振动波形,频谱运算部,其对上述振动波形进行频率解析来运算频谱;特征量运算部,其使用上述频谱来运算特征量;以及判定部,其使用上述特征量来判定上述被检测装置的寿命,在R=上述特征量、D=上述频谱中的振幅的平方的总和、P=超过第1判定值的上述振幅的平方的总和时,
根据本应用例,在寿命预测系统中,振动检测装置和寿命运算装置以能够经由网络进行通信的方式连接。被检测装置在运转时振动。振动检测装置经由网络向寿命运算装置输出表示被检测装置的振动随时间变化的振动波形。
寿命运算装置具有接收部、频谱运算部、特征量运算部以及判定部。接收部接收振动波形。频谱运算部对振动波形进行频率解析来运算频谱。在特征量的运算中设定第1判定值。特征量运算部对超过第1判定值的振幅的平方的总和进行运算,并将该运算结果设为P。并且,特征量运算部对振幅的平方的总和进行运算,并将该运算结果设为D。而且,特征量运算部对等式“”的值进行运算而作为特征量。判定部使用特征量来判定被检测装置的寿命。
被检测装置开始运转之后随着接近寿命,P的值变小,D的值变大。因此,作为特征量的R的值随着接近寿命而接近1。由于特征量与寿命之间有相关性,所以寿命运算装置能够使用特征量来检测被检测装置的寿命。振动检测装置和寿命运算装置经由网络连接。因此,在网络连接有多个振动检测装置时,寿命运算装置也能够判定多个被检测装置的寿命。
根据规定的范围的频率的频谱来运算特征量。因此,判定方法能够使用于相同结构的装置。而且,由于利用测量时的特征量来判定寿命,所以即使没有被检测装置的个别的时间序列数据也能够预测装置的寿命。
应用例15
是本应用例所涉及的旋转机械,其特征在于,具备:旋转部;惯性传感器,其输出上述旋转部的振动波形;频谱运算部,其对上述振动波形进行频率解析来运算频谱;特征量运算部,其使用上述频谱来运算特征量;以及判定部,其使用上述特征量来判定旋转机械的寿命,在R=上述特征量、D=上述频谱中的振幅的平方的总和、P=超过第1判定值的上述振幅的平方的总和时,
根据本应用例,在旋转机械设置有惯性传感器。旋转部使旋转机械振动,惯性传感器检测旋转机械的振动。而且,惯性传感器输出表示振动随时间变化的振动波形。接下来,频谱运算部对振动波形进行频率解析来运算频谱。接着,特征量运算部根据频谱来运算特征量。
在特征量的运算中设定第1判定值。特征量运算部对超过第1判定值的振幅的平方的总和进行运算,并将该运算结果设为P。并且,特征量运算部对振幅的平方的总和进行运算,并将该运算结果设为D。而且,特征量运算部对等式“”进行运算而作为特征量。
旋转机械开始运转之后随着接近寿命,P的值变小,D的值变大。因此,作为特征量的R的值随着接近寿命而变小。由于特征量与寿命之间有相关性,判定部能够使用特征量来检测旋转机械的寿命。
根据规定的范围的频率的频谱来运算特征量。因此,判定方法能够使用于相同结构的装置。而且,由于利用测量时的特征量来判定寿命,所以即使没有旋转机械的个别的时间序列数据也能够预测装置的寿命。
应用例16
是本应用例所涉及的旋转机械,其特征在于,具备:旋转部;惯性传感器,其输出上述旋转部的振动波形;频谱运算部,其对上述振动波形进行频率解析来运算频谱;特征量运算部,其使用上述频谱来运算特征量;以及判定部,其使用上述特征量来判定旋转机械的寿命,在R=上述特征量、D=上述频谱中的振幅的平方的总和、P=超过第1判定值的上述振幅的平方的总和时,
根据本应用例,在旋转机械设置有惯性传感器。旋转部使旋转机械振动,惯性传感器检测旋转机械的振动。而且,惯性传感器输出表示振动随时间变化的振动波形。接下来,频谱运算部对振动波形进行频率解析来运算频谱。接着,特征量运算部根据频谱来运算特征量。
在特征量的运算中设定第1判定值。特征量运算部对超过第1判定值的振幅的平方的总和进行运算,并将该运算结果设为P。并且,特征量运算部对振幅的平方的总和进行运算,并将该运算结果设为D。而且,特征量运算部对等式“”进行运算而作为特征量。
旋转机械开始运转之后随着接近寿命,P的值变小,D的值变大。因此,作为特征量的R的值随着接近寿命而接近1。由于特征量与寿命之间有相关性,所以判定部能够使用特征量来判定旋转机械的寿命。
根据规定的范围的频率的频谱来运算特征量。因此,判定方法能够使用于相同结构的装置。而且,由于利用测量时的特征量来判定寿命,所以即使没有被检测装置的个别的时间序列数据也能够预测装置的寿命。
附图说明
图1是表示第1实施方式所涉及的干式蚀刻装置的结构的框图。
图2(a)是表示陀螺传感器的结构的示意立体图,(b)是寿命预测方法的流程图。
图3是用于说明寿命预测方法的图。
图4是用于说明寿命预测方法的图。
图5是用于说明第2实施方式所涉及的寿命预测方法的图。
图6是用于说明第3实施方式所涉及的寿命预测方法的图。
图7是用于说明第4实施方式所涉及的寿命预测方法的图。
图8是用于说明第5实施方式所涉及的寿命预测方法的图。
图9是用于说明第6实施方式所涉及的寿命预测方法的图。
图10是用于说明第7实施方式所涉及的寿命预测方法的流程图。
图11是用于说明寿命预测方法的图。
图12是用于说明第8实施方式所涉及的寿命预测方法的图。
图13是表示第9的实施方式所涉及的寿命预测系统的结构的框图。
具体实施方式
在本实施方式中,对设置在旋转机械中的特征性的寿命预测装置、使用该寿命预测装置来检测装置的寿命的寿命预测方法的特征性的例子进行说明。以下,基于附图,对实施方式进行说明。另外,由于将各附图中的各部件设为能够在各附图上识别的程度的大小,所以按照每一部件的比例尺不同的方式进行图示。
第1实施方式
基于图1~图4,对第1实施方式所涉及的寿命预测装置以及寿命预测方法根据进行说明。图1是表示干式蚀刻装置的结构的框图。如图1所示,作为旋转机械的干式蚀刻装置1具备腔室2。在腔室2的内部设置有搭载硅晶片的工作台、等离子体产生装置、以及将带电的离子引导至等离子体的电极等。
在腔室2连接有供给蚀刻气体的配管3和控制蚀刻气体的流量的电磁阀4。在腔室2连接有排放用的配管5。配管5被设置于主泵6以及粗抽泵7。主泵6和粗抽泵7通过配管5连接。在腔室2与主泵6之间的配管5设置有电磁阀4。并且,在腔室2与粗抽泵7之间的配管5也设置有电磁阀4。并且,在主泵6与粗抽泵7之间的配管5也设置有电磁阀4。粗抽泵7经由配管5被设置于排放处理装置8。排放处理装置8是从排放气体分离、除去有害物质的装置。
在腔室2中对硅晶片进行蚀刻时将腔室2减压。首先,干式蚀刻装置1驱动粗抽泵7来排放腔室2内的气体。接下来,干式蚀刻装置1驱动主泵6来提高腔室2内的真空度。接着,关闭配管5的电磁阀4。接下来,打开配管3的电磁阀4,将蚀刻气体供给给腔室2。蚀刻气体达到规定的浓度后关闭配管3的电磁阀4。而且,开始硅晶片的蚀刻。
蚀刻气体使用CF4、CHF3。而且,通过蚀刻产生包括AlF3、C的气体。而且,在主泵6以及粗抽泵7工作时,AlF3、C等生成物附着、蓄积于主泵6以及粗抽泵7。在生成物的蓄积变多时,主泵6、粗抽泵7发生动作故障而达到寿命。
主泵6以及粗抽泵7的种类并未特别限定,但能够使用例如隔膜式、摆动活塞式、旋转叶片式、机械增压式、涡旋式、涡轮分子式、旋转式、低温泵等各种泵。在本实施方式中,例如,主泵6以及粗抽泵7使用干式泵。在主泵6中内置马达6a,马达6a旋转,主泵6工作。因此,在主泵6工作时主泵6振动。同样地,在粗抽泵7也内置马达7a,马达7a旋转,粗抽泵7工作。因此,在粗抽泵7工作时粗抽泵7振动。
在主泵6以及粗抽泵7设置有检测寿命的寿命预测装置9。寿命预测装置9具备陀螺传感器10以及运算装置11。陀螺传感器10通过配线与运算装置11连接。陀螺传感器10被设置为与主泵6以及粗抽泵7接触。主泵6以及粗抽泵7伴随着振动而摆动。陀螺传感器10通过检测由摆动所引起的旋转速度的变化来检测振动。寿命预测装置9检测主泵6以及粗抽泵7的寿命的方法大致相同。因此,为了容易明白地说明,对寿命预测装置9检测主泵6的寿命的方法进行说明,而省略检测粗抽泵7的寿命的方法的说明。
检测振动的惯性传感器有检测加速度的加速度传感器和检测角速度的陀螺传感器。而且,将根据加速度传感器输出的振动波形而运算出的特征量作为加速度特征量,将根据陀螺传感器输出的振动波形而运算出的特征量作为角速度特征量。此时,角速度特征量与加速度特征量相比,与被检测装置的寿命的相关性总的来看较大。因此,惯性传感器使用陀螺传感器能够容易地判定被检测装置的寿命。
运算装置11作为处理器具备进行各种运算处理的CPU12、和存储各种信息的存储器13。并且,寿命预测装置9具备显示装置14以及输入装置15,陀螺传感器10、显示装置14以及输入装置15经由输入输出接口16以及数据总线17与CPU12连接。
显示装置14由液晶显示装置、OLED(Organic Light-EmittingDiode:有机发光二极管)等构成,是显示寿命预测装置9的状态、各种数据的装置。输入装置15是与键盘、外部设备的连接接口等的输入数据的装置。操作者能够使用输入装置15来输入各种数据,并在显示装置14确认。
存储器13是包括RAM、ROM等这样的半导体存储器、硬盘、DVD-ROM这样的外部存储装置的概念。功能上,设定对描述振动数据的取得、各种的运算顺序的程序软件18进行存储的存储区域、对陀螺传感器10输出的振动波形数据21进行存储的存储区域。
另外,也设定用于存储频谱数据22的存储区域,频谱数据22作为对振动波形数据21进行傅里叶运算而计算出的频谱。此外,也设定用于存储判定数据23的存储区域,判定数据23是根据频谱数据22运算并在判定中使用的数据。并且,设定作为用于CPU12的工作区、临时文件等发挥作用的存储区域、其它各种存储区域。
CPU12根据存储在存储器13内的程序软件18,来进行使陀螺传感器10工作的控制、运算。作为具体的功能实现部,具有传感器控制部24。传感器控制部24向陀螺传感器10输出指示信号,使其检测主泵6的振动。而且,将陀螺传感器10输出的振动波形数据21保存在存储器13中。
另外,CPU12具有频谱运算部25。频谱运算部25使用振动波形数据21来进行傅立叶变换的运算。而且,将作为运算出的结果的频谱数据22保存于存储器13。此外,CPU12具有特征量运算部26。特征量运算部26对频谱数据22进行处理来运算在寿命判定中使用的判定数据23。而且,将判定数据23保存于存储器13。
另外,CPU12具有判定部27。判定部27使用判定数据23来进行主泵6、粗抽泵7的是否接近寿命的判定。而且,将判定结果显示于显示装置14。
图2(a)是表示陀螺传感器10的结构的示意立体图。如图2(a)所示,陀螺传感器10重叠设置有X轴陀螺传感器10a、Y轴陀螺传感器10b以及Z轴陀螺传感器10c。X轴陀螺传感器10a是检测将X方向作为旋转轴的角速度的传感器,Y轴陀螺传感器10b是检测将Y方向作为旋转轴的角速度的传感器。Z轴陀螺传感器10c是检测将Z方向作为旋转轴的角速度的传感器。X方向、Y方向以及Z方向是相互正交的方向。因此,主泵6在摆动时不管以哪个方向为旋转轴来摆动,陀螺传感器10都能够检测主泵6的摆动。主泵6振动时,主泵6伴随着振动而摆动。因此,陀螺传感器10检测基于主泵6的振动的摆动的角速度的波形。陀螺传感器10将该角速度的波形作为振动波形数据21输出。
接下来,利用图2(b)~图4,对使用了上述的寿命预测装置9的寿命预测方法进行说明。图2(b)是寿命预测方法的流程图,图3以及图4是用于说明寿命预测方法的图。
在图2(b)的流程图中,步骤S1相当于振动测量工序。该工序是陀螺传感器10检测基于主泵6的振动的振动波形并将振动波形数据21输出给存储器13的工序。接下来,移至步骤S2。步骤S2相当于频谱运算工序。该工序是频谱运算部25对振动波形数据21进行傅立叶变换并将频谱数据22输出给存储器13的工序。接下来移至步骤S3。
步骤S3相当于特征量运算工序。该工序是特征量运算部26使用频谱数据22来运算在寿命的判定中使用的判定数据23并输出给存储器13的工序。接下来移至步骤S4。步骤S4相当于寿命判定工序。该工序是判定部27使用判定数据23来判断主泵6是否接近寿命的工序。接下来移至步骤S5。步骤S5相当于寿命报告工序。该工序是将判定部27所判断出的结果显示于显示装置14的工序。通过以上的工序,检测主泵6的寿命的工序结束。
接下来,使用图3以及图4,与图2(b)所示的步骤对应地详细说明寿命预测方法。在步骤S1的振动测量工序中,操作者使用输入装置15对CPU12发出开始测量的指示。接下来,传感器控制部24对陀螺传感器10输出指示信号。陀螺传感器10输入指示信号而检测主泵6的振动。而且,陀螺传感器10将振动波形数据21输出给存储器13而保持。振动波形数据21的一部分是表示主泵6摆动的角速度随时间变化的波形的数据。
图3是与步骤S2的频谱运算工序对应的图。在步骤S2中,频谱运算部25对振动波形数据21进行傅立叶变换来运算频谱数据22。其结果,如图3所示,得到第1频谱28、第2频谱29等频谱数据22。图3中,横轴表示频率,纵轴表示振幅。由于傅立叶变换是复变函数,所以变换后的数据为复数。使将实部平方后的值和将虚部平方后的值相加来运算平方根所得的值为振幅。傅立叶变换使用FFT(Fast FourierTransform:快速傅里叶变换)。因此,第1频谱28以及第2频谱29等的频谱数据22成为有限个的离散数据。
第1频谱28是运转时间较短的状态的主泵6的频谱。而且,第2频谱29是运转时间较长的状态的主泵6的频谱。如第1频谱28所示,在运转时间较短的状态下,特定的频率的振幅较大地突出。而且,振幅不突出的频率成为较小的振幅。如第2频谱29所示,在运转时间较长的状态下,在第1频谱28中振幅较大地突出的频率的振幅变小。而且,除了在第1频谱28中振幅突出的频率以外,振幅增加。因此,随着主泵6的运转时间变长,振幅突出的位置的振幅变小,振幅不突出的位置的振幅变大。
在运转时间较短的状态下,滑动部件间的缝隙较少,所以以特定的固有振动进行振动。在运转时间较长的状态下,滑动部件磨损,所以滑动部件间的缝隙变大。由此,振动模式变多,频率分布从特定的固有振动分散为较多的频率。其结果,振幅不突出的位置的振幅变大。
图4(a)是与步骤S3的特征量运算工序对应的图。如图4(a)所示,在步骤S3中,检索频谱30中振幅超过第1判定值31的频率。并未特别限定第1判定值31,但例如可以是运算频谱30的振幅的平均值32以及标准偏差,在,振幅的平均值32加上将标准偏差3倍后的值所得的值。另外,第1判定值31也可以是使用实验或过去蓄积的数据而决定的值。
将频谱30中振幅超过第1判定值31的频率中的振幅设为Pi。而且,将频谱30中的各频率的振幅设为Di。i是从1开始的整数。从频率较低的开始按顺序标注编号。
将m设为整数,设振幅超过第1判定值31的频率的位置为m个。此时,Pi存在P1~Pm。将n设为整数,设频谱30的数据为n个。此时,Di存在D1~Dn。而且,对下面的等式的P、D以及R进行运算。P为超过第1判定值31的振幅的平方的总和,D为振幅的平方的总和。R为判定寿命时所使用的特征量。
等式2
对X轴陀螺传感器10a、Y轴陀螺传感器10b以及Z轴陀螺传感器10c的输出进行R的运算。而且,将X轴陀螺传感器10a中的R的值设为R1,将Y轴陀螺传感器10b中的R的值设为R2。并且,将Z轴陀螺传感器10c中的R的值设为R3。而且,使用下面的式4来运算RM的RM是合成三个方向的特征量所得的合成特征量。不管陀螺传感器10检测的振动的方向是哪个方向,RM都与振动的大小对应。因此,能够对不受陀螺传感器10的方向影响的振动的特征量进行运算。
等式3
图4(b)以及图4(c)是与步骤S4的寿命判定工序对应的图。在图4(b)以及图4(c)中,纵轴表示合成特征量,横轴表示主泵6的运转时间。在图4(b)中,标绘出合成特征量相对于测量出一个主泵6的振动时的运转时间的图。标绘点沿着近似线33分布。而且,根据过去测量出的主泵6的合成特征量的分布来设定第2判定值34。而且,能够在本次运算出的合成特征量比第2判定值34小的时候,判定主泵6接近寿命。在本实施方式中,合成特征量比第2判定值34小的主泵6在500小时以内出现故障。
在图4(c)中,标绘出合成特征量相对于测量出多个同一机型的主泵6的振动时的运转时间的图。第1标绘点35a~第7标绘点35g为分别不同的主泵6中的合成特征量的运算值。标绘点沿着近似线33分布。而且,根据过去测量出的主泵6的合成特征量的分布来设定第2判定值34。运算出的合成特征量比第2判定值34小的主泵6在500小时以内出现故障。能够利用该数据在同一机型的主泵6中使用相同的第2判定值34来进行主泵6的判定。因此,能够按照每个机型设定第2判定值34,并使用合成特征量和第2判定值34来判定接近寿命。其结果,即使不确认主泵6的振动数据随时间变化,也能够通过比较测量出的振动的合成特征量和第2判定值34来判定是否接近寿命。
在步骤S5的寿命报告工序中,判定部27在显示装置14显示判定结果。作为显示内容,显示是否接近寿命的内容。另外,也可以对到寿命为止的时间进行预测并显示。
在判断出接近寿命时,在视觉上以及听觉上对操作者传递警报。由此,操作者能够在故障前维修主泵6。通过以上的内容,预测装置的寿命的工序结束。
如上述,根据本实施方式,具有以下的效果。
根据(1)本实施方式,主泵6从开始运转开始之后随着接近寿命,P的值变小,D的值变大。因此,作为特征量的R的值随着接近寿命而变小。由于特征量与寿命之间有相关性,所以能够使用特征量来检测主泵6的寿命。
根据规定的范围的频率的频谱来运算出特征量。因此,判定方法能够使用于相同的构造的装置。而且,由于利用测量时的特征量来判定寿命,所以即使没有主泵6的个别的时间序列数据,也能够预测装置的寿命。
(2)根据本实施方式,通过比较合成特征量和第2判定值34来判定主泵6的寿命。因此,能够容易且明确地判定寿命。
(3)根据本实施方式,合成三个方向的特征量来对合成特征量进行运算。因此,合成特征量为表示全部的方向的振动的状态的数据。其结果,不受陀螺传感器10相对于主泵6方向的限制也能够判定主泵6的寿命。
(4)根据本实施方式,检测振动的惯性传感器使用陀螺传感器10。使用了陀螺传感器10的特征量与使用了加速度传感器的特征量相比与主泵6的寿命的相关性总的来看较大。因此,通过使用陀螺传感器10,能够容易地判定主泵6的寿命。
第2实施方式
接下来,使用图5,对寿命预测装置的一实施方式进行说明。本实施方式与第1实施方式不同之处在于传感器使用加速度传感器这一点。另外,省略与第1实施方式相同的点的说明。
图5是用于说明寿命预测方法的图。图5(a)所示的第1频谱36表示运转时间较短的主泵的频谱。第1频谱36是相当于第1实施方式中的第1频谱28的频谱。图5(b)表示运转时间较长的主泵的频谱。图5(a)以及图5(b)中,横轴表示频率,纵轴表示振幅。第2频谱37是相当于第1实施方式中的第2频谱29的频谱。第1频谱36以及第2频谱37是频谱数据22的一部分,是对使用加速度传感器所检测出的波形进行傅立叶变换而计算出的频谱。
如第1频谱36所示,在运转时间较短的状态下,特定的频率的振幅较大地突出。而且,振幅不突出的频率成为较小的振幅。如第2频谱37所示,在运转时间较长的状态下,振幅较大地突出的频率变少,其频率的振幅变小。而且,振幅不突出的频率的振幅增加。换言之,与运转时间对应地变化的频谱的形态在检测振动的传感器使用加速度传感器时和传感器使用陀螺传感器10时为相同的形态。因此,检测振动的传感器除了陀螺传感器10之外也能够使用加速度传感器。
在图5(c)中,纵轴表示合成特征量,横轴表示主泵6的运转时间。图5(c)中,标绘出合成特征量相对于测量出一个主泵6的振动时的运转时间的图。标绘点沿着近似线38分布。而且,根据测量出过去测量出的主泵6的合成特征量的分布来设定第2判定值39。而且,能够在本次运算出的合成特征量比第2判定值39小的时候判定主泵6接近寿命。在本实施方式中合成特征量比第2判定值39小的主泵6在500小时以内出现故障。
在标绘合成特征量相对于测量出多个同一机型的主泵6的振动时的运转时间的图时,标绘点沿着近似线38分布。因此,能够在检测振动的传感器使用加速度传感器时,也按照每个机型设定第2判定值39,并使用合成特征量和第2判定值39来判定接近寿命。而且,由于利用测量时的特征量来判定寿命,所以即使没有主泵6的个别的时间序列数据也能够预测装置的寿命。
第3实施方式
接下来,使用图6,对寿命预测装置的一实施方式进行说明。本实施方式与第2实施方式的不同之处在于在主泵6设置加速度传感器的位置的不同是否影响寿命预测这一点。另外,省略与第1实施方式、第2实施方式相同的点的说明。
图6是用于说明寿命预测方法的图。如图6(a)所示,在主泵6设置作为惯性传感器的第1加速度传感器42、第2加速度传感器43、第3加速度传感器44以及第4加速度传感器45这四个加速度传感器。各加速度传感器被设置在相互分开的位置。
第1加速度传感器42构成为包括X轴加速度传感器42a、Y轴加速度传感器42b以及Z轴加速度传感器42c。X轴加速度传感器42a对设置有第1加速度传感器42的位置的X方向的加速度进行检测。同样地,Y轴加速度传感器42b对Y方向的加速度进行检测,Z轴加速度传感器42c对Z方向的加速度进行检测。由此,第1加速度传感器42能够对设置有第1加速度传感器42的位置的X、Y以及Z方向的各方向的加速度进行检测。而且,X方向、Y方向以及Z方向为相互正交的方向。
由于加速度与振动对应,所以第1加速度传感器42能够对X、Y以及Z方向的各方向的振动进行检测。第2加速度传感器43、第3加速度传感器44以及第4加速度传感器45分别成为与第1加速度传感器42相同的构成。因此,第2加速度传感器43、第3加速度传感器44以及第4加速度传感器45能够对分别正交的三个方向的振动进行检测。
在图6(b)中,纵轴表示合成特征量,横轴表示主泵6的运转时间。图6(b)中标绘出合成特征量相对于测量出一个主泵6的振动时的运转时间的图。圆形记号所示的第1标绘点46a表示利用第1加速度传感器42所检测出的振动的合成特征量。方形记号所示的第2标绘点46b表示利用第2加速度传感器43所检测出的振动的合成特征量。三角记号所示的第3标绘点46c表示利用第3加速度传感器44所检测出的振动的合成特征量。倒立三角记号所示的第4标绘点46d表示利用第4加速度传感器45所检测出的振动的合成特征量。
利用第1标绘点46a~第4标绘点46d标绘出的位置沿着近似线47分布。因此,在主泵6所检测的振动的推移不受测量的位置的限制而沿着相同的近似线47推移。因此,即使在每次测量改变测量的位置,通过与相同的第2判定值39比较,能够判定主泵6的寿命是否将结束。因此,即使测量点的位置变化,也能够高精度地判定主泵6的寿命。
另外,即使将传感器从加速度传感器改变为陀螺传感器10,标绘点也同样沿着近似线33推移。因此,即使将检测振动的传感器从加速度传感器改变为陀螺传感器10,也能够在每次测量改变测量点。
第4实施方式
接下来,使用图7,对寿命预测装置的一实施方式进行说明。本实施方式与第1实施方式的不同之处在于运算特征量的等式不同这一点。另外,与第1实施方式相同的点省略说明。
在步骤S3的特征量运算工序中,运算出P以及D后,利用接下来所示的式5来运算R。该R也是判定寿命时所使用的特征量。
等式4
接下来,使用式4对合成三个方向的特征量所得的合成特征量亦即RM进行运算。
图7是用于说明寿命预测方法的图。图7(a)以及图7(b)中,纵轴表示合成特征量,横轴表示主泵6的运转时间。图7(a)中标绘出合成特征量测量出一个主泵6的振动时的运转时间的图。标绘点沿着近似线48分布。而且,根据过去测量出的主泵6的合成特征量的分布来设定第2判定值49。而且,能够在本次运算出的合成特征量比第2判定值49大的时候判定主泵6接近寿命。在本实施方式中合成特征量比第2判定值49大的主泵6在500小时以内出现故障。
图7(b)中标绘出合成特征量相对于检测出多个同一机型的主泵6的振动时的运转时间的图。第1标绘点50a~第7标绘点50g分别成为不同的主泵6中的合成特征量的运算值。标绘点沿着近似线48分布。而且,根据过去测量出的主泵6的合成特征量的分布来设定第2判定值49。运算出的合成特征量比第2判定值49大的时候,主泵6在500小时以内出现故障。能够利用该数据在同一机型的主泵6中使用相同的第2判定值49来进行主泵6的判定。因此,能够按照每个机型来设定第2判定值49,并使用合成特征量和第2判定值49来判定是否接近寿命。
如上述,根据本实施方式,具有以下的效果。
(1)根据本实施方式,主泵6开始运转之后随着接近寿命,P的值变小,D的值变大。因此,作为特征量的R的值随着接近寿命而接近1。由于特征量与寿命之间有相关性,所以能够使用特征量来判定主泵6的寿命。
(2)根据本实施方式,根据规定的范围的频率的频谱来运算出特征量。因此,判定方法能够使用于相同的构造的主泵6。而且,由于利用测量时的特征量来判定寿命,所以即使没有主泵6的个别的时间序列数据,也能够预测装置的寿命。
第5实施方式
接下来,使用图8,对寿命预测装置的一实施方式进行说明。本实施方式与第4实施方式的不同之处在于传感器使用加速度传感器这一点。另外,省略与第4实施方式相同的点的说明。
图8是用于说明寿命预测方法的图。图8中,纵轴表示合成特征量,横轴表示主泵6的运转时间。图8中标绘出合成特征量相对于测量出一个主泵6的振动时的运转时间的图。该合成特征量是对使用加速度传感器所检测出的波形进行傅立叶变换,并使用式5运算出的合成特征量。利用运算结果所标绘出的位置沿着近似线51分布。而且,根据过去测量出的主泵6的合成特征量的分布来设定第2判定值52。而且,能够在运算出的合成特征量比第2判定值52大时判定主泵6接近寿命。在本实施方式中,合成特征量比第2判定值52大的主泵6在500小时以内出现故障。
在标绘合成特征量相对于测量出多个同一机型的主泵6的振动时的运转时间的图时,标绘点沿着近似线51分布。因此,在检测振动的传感器使用加速度传感器时,也能够按照每个机型设定第2判定值52,并使用合成特征量和第2判定值52来判定接近寿命。而且,由于利用测量时的特征量来判定寿命,所以即使没有主泵6的个别的时间序列数据也能够预测装置的寿命。
第6实施方式
接下来,使用图9,对寿命预测装置的一实施方式进行说明。本实施方式与第4实施方式的不同之处在于在主泵6设置陀螺传感器10的位置不同这一点。另外,省略与第1实施方式~第5实施方式相同的点的说明。
图9是用于说明寿命预测方法的图。如图9(a)所示,主泵6中设置有作为惯性传感器的第1陀螺传感器53、第2陀螺传感器54、第3陀螺传感器55以及第4陀螺传感器56这四个陀螺传感器10。各陀螺传感器被设置在相互分开的位置。
陀螺传感器10对绕沿正交的三个方向延伸的轴的角速度进行检测。因此,第1陀螺传感器53~第4陀螺传感器56能够检测绕全部方向的轴的角速度。由于角速度与振动对应,所以第1陀螺传感器53~第4陀螺传感器56能够分别检测三个方向的振动。
图9(b)中,纵轴表示合成特征量,横轴表示主泵6的运转时间。图9(b)中标绘出合成特征量相对于由第1陀螺传感器53~第4陀螺传感器56测量出一个主泵6的振动的运转时间的图。另外,合成特征量是通过式5的运算而得到的合成特征量。圆形记号所示的第1标绘点57a表示利用第1陀螺传感器53检测出的振动的合成特征量。方形记号所示的第2标绘点57b表示由第2陀螺传感器54检测出的振动的合成特征量。三角记号所示的第3标绘点57c表示由第3陀螺传感器55检测出的振动的合成特征量。倒立三角记号所示的第4标绘点57d表示由第4陀螺传感器56检测出的振动的合成特征量。
利用第1标绘点57a~第4标绘点57d标绘出的位置沿着近似线48分布。因此,在主泵6检测的振动的推移不受测量的位置的限制而沿着相同的近似线48推移。因此,即使每次测量改变测量的位置,也能够通过与相同的第2判定值49比较来判定主泵6的寿命是否将结束。
另外,即使将传感器从陀螺传感器10改变为加速度传感器,标绘点也同样地沿着近似线51推移。因此,即使将检测振动的传感器从陀螺传感器10改变为加速度传感器,也能够在每次测量改变测量点。
第7实施方式
接下来,使用图10以及图11,对寿命预测装置的一实施方式进行说明。本实施方式与第2实施方式的不同之处在于着眼于主泵6的合成特征量的变化率这一点。在本实施方式中,传感器使用加速度传感器。另外,省略与第1实施方式~第6的实施方式相同的点的说明。
图10是用于说明寿命预测方法的流程图,图11是用于说明寿命预测方法的图。图10中,在步骤S1的振动测量工序中,使用加速度传感器来检测振动,并输出振动波形。在步骤S3的特征量运算工序中,使用式3来运算特征量,使用式4来运算合成特征量。在步骤S3的特征量运算工序之后进行步骤S6的变化率运算工序。在步骤S6中对在步骤S3中运算出的合成特征量的变化率进行运算。
将上一次测量振动运算出的合成特征量设为RM1。将本次测量运算出的合成特征量设为RM2。将上一次测量时与本次测量时之间的期间设为T。通过下面的式6来运算变化率H。
H=(RM2-RM1)/T …(式6)
在步骤S4的寿命判定工序中,使用式6的运算结果来进行判定。图11中,纵轴表示合成特征量的每个时间的变化率的绝对值,横轴表示主泵6的运转时间。图11中,标绘出合成特征量的每个时间的变化率H的绝对值相对于测量出一个主泵6的振动时的运转时间的图。另外,合成特征量的每个时间的变化率的绝对值是通过式6的运算所得到的变化率H的绝对值。
在标绘变化率H的绝对值相对于运转时间的图时,标绘点沿着近似线58分布。若主泵6接近寿命,则近似线58急剧上升。因此,在使用变化率H的绝对值时也能够按照每个机型来设定第2判定值59,并使用变化率H的绝对值和第2判定值59来判定主泵6是否接近寿命。
另外,传感器使用陀螺传感器10时也进行相同的运算,得到的标绘点的近似线成为与近似线58相同的形状。因此,能够使用变化率H的绝对值,按照每个机型来设定第2判定值,并使用变化率H的绝对值和第2判定值来判定主泵6是否接近寿命。
如上述,根据本实施方式,具有以下的效果。
(1)根据本实施方式,运算特征量相对于运转时间的变化率。而且,使用变化率来判定主泵6的寿命。随着寿命接近,变化率变大。因此,通过使用变化率,能够容易地判定寿命。
第8实施方式
接下来,使用图12,对寿命预测装置的一实施方式进行说明。图12是用于说明寿命预测方法的图。本实施方式与第7的实施方式的不同之处在于传感器使用陀螺传感器10这一点。并且,还在于主泵6的合成特征量的运算使用式5这一点。另外,省略与第1实施方式~第7的实施方式相同的点的说明。
换言之,在步骤S1的振动测量工序中,使用陀螺传感器10来检测振动,并输出振动波形。在步骤S3的特征量运算工序中,使用式5来运算特征量R。而且,根据特征量R来运算合成特征量RM。在步骤S6的变化率运算工序中,使用合成特征量RM并利用式6来运算变化率H的绝对值。
在步骤S4的寿命判定工序中,使用式6的运算结果来进行判定。图12中,纵轴表示合成特征量的每个时间的变化率的绝对值,横轴表示主泵6的运转时间。图12中标绘出变化率H的绝对值相对于测量出一个主泵6的振动时的运转时间的图。另外,合成特征量的每个时间当的变化率的绝对值是通过式5的运算所得到的变化率H的绝对值。
在标绘变化率H的绝对值相对于运转时间的图时,标绘点沿着近似线60分布。若主泵6接近寿命,则近似线60急剧上升。因此,在使用变化率H的绝对值时也能够按照每个机型来设定第2判定值61,并使用变化率H的绝对值和第2判定值61来判定主泵6是否接近寿命。
另外,传感器使用加速度传感器时也进行相同的运算,得到的标绘点的近似线成为与近似线58相同的形状。因此,能够使用变化率H的绝对值,按照每个机型来设定第2判定值,并使用变化率H的绝对值和第2判定值来判定主泵6是否接近寿命。
第9实施方式
接下来,使用图13,对寿命预测装置的一实施方式进行说明。图13是表示寿命预测系统的结构的框图。本实施方式与第1实施方式的不同之处在于具有运算的功能的部分被设置在服务器,经由网络转发陀螺传感器10的数据这一点。另外,省略与第1实施方式~第8的实施方式相同的点的说明。
如图13所示,寿命预测系统64具备作为寿命运算装置的寿命运算服务器65。寿命运算服务器65具备作为接收部的LAN端口66(LocalArea Network:局域网),在LAN端口66连接有作为网络的LAN67。在LAN67连接有多个振动检测装置68。并未特别限定与LAN67连接的振动检测装置68的台数,但图中示出设置了三台的例子。振动检测装置68具备陀螺传感器10、控制部69以及作为发送部的LAN端口70。LAN67除了有线LAN之外还能够使用无线LAN、Controller AreaNetwork。
LAN端口70具有经由LAN67输入来自寿命运算服务器65的指示,并将振动波形数据21输出给寿命运算服务器65的接口的功能。控制部69接受来自寿命运算服务器65的指示来驱动陀螺传感器10。而且,将检测出的振动波形数据21经由LAN端口70输出给寿命运算服务器65。振动检测装置68被设置在作为被检测装置的旋转机械71。旋转机械71中具有马达、泵等旋转机构。陀螺传感器10被设置在旋转机械71,对旋转机械71的振动进行检测。振动检测装置68将陀螺传感器10检测出的旋转机械71的振动波形数据21发送给寿命运算服务器65。另外,也可以代替陀螺传感器10而在振动检测装置68设置加速度传感器。
寿命运算服务器65除了LAN端口66之外还具备显示装置14、输入装置15、输入输出接口16、数据总线17、CPU12以及存储器13等。LAN端口66接收振动检测装置68发送的振动的数据,并经由输入输出接口16以及数据总线17输出给CPU12或者存储器13。
在存储器13中设定有对程序软件72、振动波形数据21、频谱数据22、判定数据23以及装置构成数据73等进行存储的存储区域。程序软件72是表示CPU12进行动作的顺序的数据。基于程序软件72在CPU12中进行各种运算。装置构成数据73是与LAN67连接的振动检测装置68、旋转机械71所涉及的数据。
CPU12具备传感器控制部74、频谱运算部25、特征量运算部26以及判定部27。传感器控制部74基于规定的振动检测计划以及装置构成数据73向振动检测装置68输出测量振动的指示信号。而且,传感器控制部74接收各振动检测装置68输出的旋转机械71的振动波形数据21,并保存于存储器13。
频谱运算部25从存储器13输入振动波形数据21,并运算频谱数据22,并保存于存储器13。特征量运算部26输入频谱数据22来进行式1~式5的运算,计算合成特征量。特征量运算部26可以使用式3来运算特征量,也可以使用式5来运算特征量。而且,对合成特征量进行运算,并作为判定数据23保存于存储器13。判定部27将合成特征量与第2判定值比较来判定旋转机械71是否接近寿命,并显示于显示装置14。
如上述,根据本实施方式,具有以下的效果。
(1)根据本实施方式,振动检测装置68和寿命运算服务器65经由LAN67连接。因此,在LAN67连接有多个振动检测装置68时,寿命运算服务器65也能够判定多个旋转机械71的寿命。
另外,本实施方式并不限定于上述的实施方式,在本发明的技术思想内本领域中具有通常知识的人也能够加入各种变更、改进。以下记述变形例。
变形例1
在上述第1实施方式中,在干式蚀刻装置1的主泵6设置了陀螺传感器10。也可以代替干式蚀刻装置1而应用于等离子体CVD装置。此时,原料气体使用TEOS(Tetraethyl orthosilicate:等硅酸乙酯)、Si(OC3H5)。而且,通过成膜处理产生包括SiO2的气体。而且,在主泵6以及粗抽泵7工作时在主泵6以及粗抽泵7蓄积SiO2等生成物。生成物的蓄积变多时,主泵6、粗抽泵7发生动作故障。此时,寿命预测装置9能够检测主泵6、粗抽泵7是否接近寿命。另外,该内容也能够应用于其它实施方式。
变形例2
在上述第1实施方式中,在运算作为特征量的R时使用了式3。也可以使用除去式3的平方根的式7来运算特征量。
R=P/D …(式7)
而且,也可以设定与利用式7运算出的特征量对应的第2判定值。由于式7的“R=P/D”的运算与式3的“”的运算相比省去平方根的运算,所以能够缩短运算时间。而且,由于此时特征量与寿命之间有相关性,所以能够使用特征量来检测主泵6的寿命。而且,由于利用测量时的特征量来判定寿命,所以即使没有主泵6的个别的时间序列数据也能够预测装置的寿命。另外,该内容也能够应用于第2、第3、第7以及第9实施方式。
变形例3
在上述第4实施方式中,在运算作为特征量的R时使用了式5。也可以使用除去式5的平方根的式8来运算特征量。
R=(D-P)/D …(式8)
而且,也可以设定与利用式8运算出的特征量对应的第2判定值。由于式8“R=(D-P)/D”的运算与式5“”的运算相比省去平方根的运算,所以能够缩短运算时间。而且,由于此时特征量与寿命之间有相关性,所以能够使用特征量来检测主泵6的寿命。而且,由于利用测量时的特征量来判定寿命,所以即使没有主泵6的个别的时间序列数据也能够预测装置的寿命。另外,该内容也能够应用于第5、第6、第8以及第9实施方式。
变形例4
在上述第1实施方式中,陀螺传感器10对绕沿正交的三个方向延伸的轴的角速度进行检测。三个方向也可以不是正交而是交叉。通过预先得知各轴交叉的角度,能够运算正交的三个方向的成分运。同样地,在第3实施方式中,第1加速度传感器42~第4加速度传感器45对正交的三个方向的加速度进行检测。三个方向也可以不是正交而是交叉。通过预先得知各轴交叉的角度,能够运算正交的三个方向的加速度成分。由此,容易进行传感器的设置。另外,该内容也能够应用于其它实施方式。
变形例5
在上述第1实施方式中,陀螺传感器10检测绕沿三个方向延伸的轴的角速度。检测的方向的数量并不限于三个方向,也可以是一个方向、两个方向、四个方向以上。也可以对应于振动的状况来设定。同样地,在第3实施方式中,检测三个方向的加速度。检测的方向的数量并不限于三个方向,也可以是一个方向、两个方向、四个方向以上。也可以对应于振动的状况来设定。检测的方向的数量越少,传感器的个数可以越少,所以容易制造装置。另外,检测的方向的数量越多,越能够提高精度。另外,该内容也能够应用于其它实施方式。
变形例6
在上述第1实施方式中,陀螺传感器10和运算装置11通过配线连接。陀螺传感器10和运算装置11也可以通过无线连接。能够容易地变更陀螺传感器10和运算装置11的相对位置。以使运算装置11可移动的方式在多个主泵6设置陀螺传感器10。由此,能够以一台运算装置11来检测多个主泵6的寿命。无线通信可以使用ZigBee(注册商标)、Bluetooth(注册商标)。有线通信时也可以使用Universal Serial Bus。
变形例7
在上述第1实施方式中,判定出主泵6接近寿命时在显示装置14进行显示。另外,也可以设置与主泵6连接的接口。而且,也可以在判定出主泵6接近寿命时寿命预测装置9使主泵6停止。此外,该内容也能够应用于其它实施方式。在上述第9实施方式中,控制部69也可以具备使旋转机械71停止的功能。而且,也可以在判定出旋转机械71接近寿命时,寿命运算服务器65使控制部69停止旋转机械71。
变形例8
在上述第1实施方式中,使用合成特征量来判定主泵6的寿命。也可以利用合成前的特征量来判定主泵6的寿命。也可以对应于检测寿命的装置的特性来选择。由此,运算的项目减少,所以能够缩短运算时间。
变形例9
在上述第1实施方式中,陀螺传感器10重叠设置有X轴陀螺传感器10a、Y轴陀螺传感器10b以及Z轴陀螺传感器10c。X轴陀螺传感器10a、Y轴陀螺传感器10b以及Z轴陀螺传感器10c也可以排列配置,也可以为容易设置的配置。同样地能够检测角速度。也可以在使用加速度传感器时同样地为容易设置的配置。
变形例10
在上述第1实施方式中,使用合成特征量来判定主泵6的寿命。预测寿命的设备也能够应用于其它冷却水的泵、送风机、线锯、研磨机的马达、旋转机构等。
附图标记的说明:1…作为旋转机械的干式蚀刻装置;6…作为被检测装置以及旋转部的主泵;10…作为惯性传感器的陀螺传感器;22…作为频谱的频谱数据;25…频谱运算部;26…特征量运算部;27…判定部;31…第1判定值;34、39、49、52、59、61…第2判定值;42…作为惯性传感器的第1加速度传感器;43…作为惯性传感器的第2加速度传感器;44…作为惯性传感器的第3加速度传感器;45…作为惯性传感器的第4加速度传感器;53…作为惯性传感器的第1陀螺传感器;54…作为惯性传感器的第2陀螺传感器;55…作为惯性传感器的第3陀螺传感器;56…作为惯性传感器的第4陀螺传感器;64…寿命预测系统;65…作为寿命运算装置的寿命运算服务器;66…作为接收部的LAN端口;67…作为网络的LAN;68…振动检测装置;70…作为发送部的LAN端口;71…作为被检测装置的旋转机械。
Claims (16)
1.一种寿命预测方法,其特征在于,包括:
对设置于被检测装置的惯性传感器输出的振动波形进行频率解析来运算频谱;
使用所述频谱来运算特征量;以及
基于所述特征量来判定所述被检测装置的寿命,
在R=所述特征量、D=所述频谱中的振幅的平方的总和、P=超过第1判定值的所述振幅的平方的总和时,
2.一种寿命预测方法,其特征在于,包括:
对设置于被检测装置的惯性传感器输出的振动波形进行频率解析来运算频谱;
使用所述频谱来运算特征量;以及
基于所述特征量来判定所述被检测装置的寿命,
在R=所述特征量、D=所述频谱中的振幅的平方的总和、P=超过第1判定值的所述振幅的平方的总和时,
3.根据权利要求1或者2所述的寿命预测方法,其特征在于,
对所述特征量相对于运转时间的变化率进行运算,
使用所述变化率来判定所述被检测装置的寿命。
4.根据权利要求1或者2所述的寿命预测方法,其特征在于,
将所述特征量和第2判定值相比较来判定所述被检测装置的寿命。
5.根据权利要求1~4中任一项所述的寿命预测方法,其特征在于,
所述惯性传感器输出的振动波形包括相互正交的第1方向、第2方向、以及第3方向的所述被检测装置的振动成分,
所述寿命预测方法包括:
对所述第1方向、所述第2方向、以及所述第3方向的所述频谱以及所述特征量进行运算;
使用所述第1方向、所述第2方向、以及所述第3方向的所述特征量来对合成特征量进行运算;以及
使用所述合成特征量来判定所述被检测装置的寿命,
设为,
R1=使用所述第1方向上的所述振动波形而运算出的所述特征量,
R2=使用所述第2方向上的所述振动波形而运算出的所述特征量,
R3=使用所述第3方向上的所述振动波形而运算出的所述特征量,
将等式1
设为合成特征量。
6.一种寿命预测方法,其特征在于,包括:
对设置于被检测装置的惯性传感器输出的振动波形进行频率解析来运算频谱;
使用所述频谱来运算特征量;以及
基于所述特征量来判定所述被检测装置的寿命,
在R=所述特征量、D=所述频谱中的振幅的平方的总和、P=超过第1判定值的所述振幅的平方的总和时,
R=P/D。
7.一种寿命预测方法,其特征在于,包括:
对设置于被检测装置的惯性传感器输出的振动波形进行频率解析来运算频谱;
使用所述频谱来运算特征量;以及
基于所述特征量来判定所述被检测装置的寿命,
在R=所述特征量、D=所述频谱中的振幅的平方的总和、P=超过第1判定值的所述振幅的平方的总和时,
R=(D-P)/D。
8.一种寿命预测装置,其特征在于,具备:
惯性传感器,其设置于被检测装置,输出所述被检测装置的振动波形;
频谱运算部,其对所述振动波形进行频率解析来运算频谱;
特征量运算部,其使用所述频谱来运算特征量;以及
判定部,其基于所述特征量来判定所述被检测装置的寿命,
在R=所述特征量、D=所述频谱中的振幅的平方的总和、P=超过第1判定值的所述振幅的平方的总和时,
9.一种寿命预测装置,其特征在于,具备:
惯性传感器,其设置于被检测装置,输出所述被检测装置的振动波形;
频谱运算部,其对所述振动波形进行频率解析来运算频谱;
特征量运算部,其使用所述频谱来运算特征量;以及
判定部,其基于所述特征量来判定所述被检测装置的寿命,
在R=所述特征量、D=所述频谱中的振幅的平方的总和、P=超过第1判定值的所述振幅的平方的总和时,
10.根据权利要求8或者9所述的寿命预测装置,其特征在于,
所述惯性传感器为陀螺传感器。
11.一种寿命预测系统,其特征在于,
是振动检测装置和寿命运算装置以能够经由网络进行通信的方式连接的寿命预测系统,
所述振动检测装置具有:
惯性传感器,其设置于被检测装置,输出所述被检测装置的振动波形;和
发送部,其向所述寿命运算装置发送所述振动波形,
所述寿命运算装置具有:
接收部,其从所述振动检测装置接收所述振动波形;
频谱运算部,其对所述振动波形进行频率解析来运算频谱;
特征量运算部,其使用所述频谱来运算特征量;以及
判定部,其基于所述特征量来判定所述被检测装置的寿命,
在R=所述特征量、D=所述频谱中的振幅的平方的总和、P=超过第1判定值的所述振幅的平方的总和时,
12.一种寿命预测系统,其特征在于,
是振动检测装置和寿命运算装置以能够经由网络进行通信的方式连接的寿命预测系统,
所述寿命预测系统具有所述振动检测装置和所述寿命运算装置,
所述振动检测装置具备:
惯性传感器,其设置于被检测装置,输出所述被检测装置的振动波形;和
发送部,其向所述寿命运算装置发送所述振动波形,
所述寿命运算装置具备:
接收部,其接收所述振动波形;
频谱运算部,其对所述振动波形进行频率解析来运算频谱;
特征量运算部,其使用所述频谱来运算特征量;以及
判定部,其基于所述特征量来判定所述被检测装置的寿命,
在R=所述特征量、D=所述频谱中的振幅的平方的总和、P=超过第1判定值的所述振幅的平方的总和时,
13.一种寿命运算装置,其特征在于,
是在以能够经由网络与振动检测装置进行通信的方式连接的系统中使用的寿命运算装置,
所述寿命运算装置具备:
接收部,其接收所述振动检测装置发送的被检测装置的振动波形;
频谱运算部,其对所述振动波形进行频率解析来运算频谱;
特征量运算部,其使用所述频谱来运算特征量;以及
判定部,其基于所述特征量来判定所述被检测装置的寿命,
在R=所述特征量、D=所述频谱中的振幅的平方的总和、P=超过第1判定值的所述振幅的平方的总和时,
14.一种寿命运算装置,其特征在于,
是在以能够经由网络与振动检测装置进行通信的方式连接的系统中使用的寿命运算装置,
所述寿命运算装置具备:
接收部,其接收所述振动检测装置发送的被检测装置的振动波形,
频谱运算部,其对所述振动波形进行频率解析来运算频谱;
特征量运算部,其使用所述频谱来运算特征量;以及
判定部,其基于所述特征量来判定所述被检测装置的寿命,
在R=所述特征量、D=所述频谱中的振幅的平方的总和、P=超过第1判定值的所述振幅的平方的总和时,
15.一种旋转机械,其特征在于,具备:
旋转部;
惯性传感器,其输出所述旋转部的振动波形;
频谱运算部,其对所述振动波形进行频率解析来运算频谱;
特征量运算部,其使用所述频谱来运算特征量;以及
判定部,其基于所述特征量来判定旋转机械的寿命,
在R=所述特征量、D=所述频谱中的振幅的平方的总和、P=超过第1判定值的所述振幅的平方的总和时,
16.一种旋转机械,其特征在于,具备:
旋转部;
惯性传感器,其输出所述旋转部的振动波形;
频谱运算部,其对所述振动波形进行频率解析来运算频谱;
特征量运算部,其使用所述频谱来运算特征量;以及
判定部,其基于所述特征量来判定旋转机械的寿命,
在R=所述特征量、D=所述频谱中的振幅的平方的总和、P=超过第1判定值的所述振幅的平方的总和时,
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013231917A JP6221652B2 (ja) | 2013-11-08 | 2013-11-08 | 寿命予測方法、寿命予測装置、寿命予測システム、寿命演算装置及び回転機械 |
JP2013-231917 | 2013-11-08 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104634551A true CN104634551A (zh) | 2015-05-20 |
Family
ID=53044491
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410553765.8A Pending CN104634551A (zh) | 2013-11-08 | 2014-10-17 | 寿命预测方法、寿命预测装置、寿命运算装置、旋转机械 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20150134271A1 (zh) |
JP (1) | JP6221652B2 (zh) |
CN (1) | CN104634551A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107944190A (zh) * | 2017-12-14 | 2018-04-20 | 天津工业大学 | 基于人工神经网络的大功率led灯具寿命预测方法 |
CN110770561A (zh) * | 2017-06-12 | 2020-02-07 | 利乐拉瓦尔集团及财务有限公司 | 周期性运动的机器部件的故障预测方法 |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017142153A (ja) * | 2016-02-10 | 2017-08-17 | セイコーエプソン株式会社 | 寿命予測方法、寿命予測装置、および寿命予測システム |
DE102016105877B4 (de) | 2016-03-31 | 2021-03-11 | Fibro Gmbh | Verfahren und Vorrichtung zur Überwachung einer Maschine |
KR102120753B1 (ko) * | 2017-06-23 | 2020-06-09 | 퓨처메인 주식회사 | 진동 특성 분석을 이용한 공구 수명 예측 방법 |
JP7091654B2 (ja) * | 2017-12-26 | 2022-06-28 | 横河電機株式会社 | X線式坪量測定装置 |
DE112019002316T5 (de) | 2018-06-06 | 2021-02-18 | Kitz Corporation | System zum erfassen eines ventilzustands |
WO2020009210A1 (ja) * | 2018-07-06 | 2020-01-09 | パナソニックIpマネジメント株式会社 | 異常予測システム及び異常予測方法 |
JP2020016491A (ja) | 2018-07-24 | 2020-01-30 | 株式会社日立製作所 | 状態検知システムおよび状態検知方法 |
WO2020209366A1 (ja) | 2019-04-12 | 2020-10-15 | 株式会社サタケ | 篩い分け装置 |
TWI729500B (zh) * | 2019-09-18 | 2021-06-01 | 財團法人工業技術研究院 | 電腦可讀取紀錄媒體、資料處理方法及資料處理系統 |
WO2022064558A1 (ja) * | 2020-09-23 | 2022-03-31 | 株式会社Kokusai Electric | 半導体装置の製造方法、異常予兆検知方法、異常予兆検知プログラム、及び基板処理装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000193520A (ja) * | 1998-12-11 | 2000-07-14 | Oki Electric Ind Co Ltd | 動物の個体識別装置 |
CN1419264A (zh) * | 2001-08-31 | 2003-05-21 | 株式会社东芝 | 半导体制造装置用旋转机的寿命预测方法和半导体制造装置 |
CN1490527A (zh) * | 2002-09-27 | 2004-04-21 | ��ʽ���綫֥ | 制造装置及旋转机的寿命预测方法 |
CN1926413A (zh) * | 2004-10-18 | 2007-03-07 | 日本精工株式会社 | 机械设备的异常诊断系统 |
JP2010216938A (ja) * | 2009-03-16 | 2010-09-30 | Fuji Electric Systems Co Ltd | 回転機の振動監視装置および振動監視方法 |
CN102072827A (zh) * | 2010-11-30 | 2011-05-25 | 北京华谷减振器设备有限公司 | 减振器双动寿命试验台 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06221909A (ja) * | 1993-01-27 | 1994-08-12 | Agency Of Ind Science & Technol | 回転機械の異常診断手法 |
JPH06307921A (ja) * | 1993-04-27 | 1994-11-04 | Toshiba Corp | 回転機械の監視診断装置 |
US7640139B2 (en) * | 2004-10-18 | 2009-12-29 | Nsk Ltd. | Abnormality diagnosing system for mechanical equipment |
GB201110048D0 (en) * | 2011-06-15 | 2011-07-27 | Romax Technology Ltd | Vibration monitoring |
DE102012109393A1 (de) * | 2012-10-02 | 2014-04-03 | Prüftechnik Dieter Busch AG | Vorrichtung und Verfahren zur Bewertung von Schwingungen |
CA2869487A1 (en) * | 2013-10-30 | 2015-04-30 | Syncrude Canada Ltd. In Trust For The Owners Of The Syncrude Project, As Such Owners Exist Now And In The Future | Method for diagnosing faults in slurry pump impellers |
-
2013
- 2013-11-08 JP JP2013231917A patent/JP6221652B2/ja not_active Expired - Fee Related
-
2014
- 2014-10-17 CN CN201410553765.8A patent/CN104634551A/zh active Pending
- 2014-11-06 US US14/535,140 patent/US20150134271A1/en not_active Abandoned
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000193520A (ja) * | 1998-12-11 | 2000-07-14 | Oki Electric Ind Co Ltd | 動物の個体識別装置 |
CN1419264A (zh) * | 2001-08-31 | 2003-05-21 | 株式会社东芝 | 半导体制造装置用旋转机的寿命预测方法和半导体制造装置 |
CN1490527A (zh) * | 2002-09-27 | 2004-04-21 | ��ʽ���綫֥ | 制造装置及旋转机的寿命预测方法 |
CN1926413A (zh) * | 2004-10-18 | 2007-03-07 | 日本精工株式会社 | 机械设备的异常诊断系统 |
JP2010216938A (ja) * | 2009-03-16 | 2010-09-30 | Fuji Electric Systems Co Ltd | 回転機の振動監視装置および振動監視方法 |
CN102072827A (zh) * | 2010-11-30 | 2011-05-25 | 北京华谷减振器设备有限公司 | 减振器双动寿命试验台 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110770561A (zh) * | 2017-06-12 | 2020-02-07 | 利乐拉瓦尔集团及财务有限公司 | 周期性运动的机器部件的故障预测方法 |
CN107944190A (zh) * | 2017-12-14 | 2018-04-20 | 天津工业大学 | 基于人工神经网络的大功率led灯具寿命预测方法 |
CN107944190B (zh) * | 2017-12-14 | 2021-07-27 | 天津工业大学 | 基于人工神经网络的大功率led灯具寿命预测方法 |
Also Published As
Publication number | Publication date |
---|---|
JP2015094587A (ja) | 2015-05-18 |
JP6221652B2 (ja) | 2017-11-01 |
US20150134271A1 (en) | 2015-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104634551A (zh) | 寿命预测方法、寿命预测装置、寿命运算装置、旋转机械 | |
JP2017142153A (ja) | 寿命予測方法、寿命予測装置、および寿命予測システム | |
CN103513633B (zh) | 使用振动数据来确定过程控制设备的状况的方法和装置 | |
TWI710701B (zh) | 泵浦監測裝置及其方法 | |
JP5190464B2 (ja) | 非接触ブレード振動測定方法 | |
JP3547708B2 (ja) | コリオリ流量計における過渡的気泡への対処 | |
CN103313828B (zh) | 机械手以及机械手的噪声消除方法 | |
JP5373793B2 (ja) | 処理装置の作動監視システム | |
CN103119411B (zh) | 旋转体的不平衡修正方法以及不平衡修正量计算装置 | |
CN103076163A (zh) | 一种轴承—转子系统特性参数的在线测试方法 | |
JP2003077907A (ja) | 生産装置の異常停止回避方法及び異常停止回避システム | |
CN112470016A (zh) | 用于评估电动机的振动行为的方法和系统 | |
CN103049670A (zh) | 管道激励源识别及其振动响应预测方法 | |
CN104097202A (zh) | 机械手、机械手控制装置以及机械手系统 | |
JP4788543B2 (ja) | エンジンベンチシステムのパラメータ推定装置 | |
WO2019167180A1 (ja) | 異常種別判定装置及び異常種別判定方法 | |
US20180347394A1 (en) | Turbine blade maximum response prediction method, turbine blade maximum response prediction system and control program, and turbine equipped with turbine blade maximum response prediction system | |
CN105277350A (zh) | 一种风机性能监测实验装置 | |
CN102966582B (zh) | 用于确定风机叶轮的质量变化的方法和设备 | |
US8171789B2 (en) | Dynamic balancing apparatus and method using simple harmonic angular motion | |
CN108896258A (zh) | 一种变频压缩机振动载荷计算方法 | |
JP2021528641A (ja) | 共通プラットフォームに統合された複数のコリオリ流量計の証明法 | |
JP5459533B2 (ja) | アンバランス計測方法と装置 | |
JP2002214034A (ja) | 高速回転機器の振動レベル演算確認装置及び方法 | |
CN114812794B (zh) | 一种扫频速率引起的叶尖定时参数辨识误差修正方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20150520 |
|
WD01 | Invention patent application deemed withdrawn after publication |