CN108700492B - 异常诊断装置和异常诊断方法 - Google Patents
异常诊断装置和异常诊断方法 Download PDFInfo
- Publication number
- CN108700492B CN108700492B CN201780012987.0A CN201780012987A CN108700492B CN 108700492 B CN108700492 B CN 108700492B CN 201780012987 A CN201780012987 A CN 201780012987A CN 108700492 B CN108700492 B CN 108700492B
- Authority
- CN
- China
- Prior art keywords
- amplitude
- vibration
- value
- vibration data
- abnormality
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
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
- G01M13/00—Testing of machine parts
- G01M13/04—Bearings
- G01M13/045—Acoustic or vibration analysis
-
- 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
- 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
- F05B2240/00—Components
- F05B2240/50—Bearings
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16C—SHAFTS; FLEXIBLE SHAFTS; ELEMENTS OR CRANKSHAFT MECHANISMS; ROTARY BODIES OTHER THAN GEARING ELEMENTS; BEARINGS
- F16C19/00—Bearings with rolling contact, for exclusively rotary movement
- F16C19/52—Bearings with rolling contact, for exclusively rotary movement with devices affected by abnormal or undesired conditions
- F16C19/527—Bearings with rolling contact, for exclusively rotary movement with devices affected by abnormal or undesired conditions related to vibration and noise
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16C—SHAFTS; FLEXIBLE SHAFTS; ELEMENTS OR CRANKSHAFT MECHANISMS; ROTARY BODIES OTHER THAN GEARING ELEMENTS; BEARINGS
- F16C2233/00—Monitoring condition, e.g. temperature, load, vibration
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16C—SHAFTS; FLEXIBLE SHAFTS; ELEMENTS OR CRANKSHAFT MECHANISMS; ROTARY BODIES OTHER THAN GEARING ELEMENTS; BEARINGS
- F16C2360/00—Engines or pumps
- F16C2360/31—Wind motors
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明提供一种异常诊断装置和异常诊断方法,其能够使用加速度的振动数据来提高轴承装置的异常诊断的诊断精度。本发明的异常诊断装置基于轴承装置的加速度的振动数据检测轴承装置的损伤。异常诊断装置包括第一滤波器、第二滤波器和诊断单元。第一滤波器被配置为从振动数据中提取属于第一频带的第一振动波形。第二滤波器被配置为从振动数据中提取属于高于第一频带的第二频带的第二振动波形。当第一振动波形的超过参考值的第一振幅除以在第一振幅产生的时刻的第二振动波形的第二振幅而计算出的评估值超过判定值时,诊断单元诊断为轴承装置存在损伤。
Description
技术领域
本发明涉及轴承装置的异常诊断装置和异常诊断方法。
背景技术
日本专利特开2013-185507号公报(专利文献1)公开了一种状态监测系统(CMS),其能够恰当地诊断风力发电机中设置的装置的异常。该状态监测系统利用由固定在主轴轴承上的加速度计所测量的振动数据的有效值来诊断主轴轴承是否有损伤。
现有技术文献
专利文献
专利文献1:日本专利特开2013-185507
发明内容
发明所要解决的技术问题
振动数据的有效值被定义为振动数据波形的振幅的均方根(RMS)。有效值可以是表示振动数据的波形中包括的振幅有多大的目标指标值。
如果轴承装置损伤,则可能新发生由损伤引起的振动,或者导致正常操作期间会发生的振动在异常操作期间可能不会发生。如上所述,振动数据的波形的振幅在正常操作期间和异常操作期间可以不同。因此,可以使用振动数据的有效值从振动数据中检测轴承装置的异常。
在有效值的计算中,通常,当计算加速度振动数据的振幅的均方根时,也会使用不是由损伤引起的振动的振幅。不是由损伤引起的振动的振幅几乎不会随着损伤的有无而发生变化。损伤的有无所导致的有效值的变化基本上依存于由损伤引起的振动振幅的变化。
例如风力发电机的主轴轴承这样以低速(例如,大约100rpm)旋转的轴承装置受损时,则与以高速旋转的轴承装置相比,由损伤引起的加速度的变化通常较小,导致难以将这种变化与不是由损伤引起的加速度的变化区分开。因此,有效值几乎不会由于损伤的有无而改变。因此,当使用关于加速度的振动数据的有效值诊断出以低速旋转的轴承装置的异常时,可能产生错误诊断。
本发明的主要目的是提供一种异常诊断装置和异常诊断方法,其能够使用加速度的振动数据来提高轴承装置的异常诊断的精度。
解决技术问题的技术手段
根据本发明第一方面的异常诊断装置,基于轴承装置的加速度的振动数据检测轴承装置的损伤。异常诊断装置包括第一滤波器、第二滤波器和诊断单元。第一滤波器配置为从振动数据中提取属于第一频带的第一振动波形。第二滤波器配置为从振动数据中提取属于比第一频带要高的第二频带的第二振动波形。当第一振动波形的超过参考值的第一振幅除以在第一振幅产生的时刻的第二振动波形的第二振幅而计算出的评估值超过判定值时,诊断单元诊断为轴承装置存在损伤。
根据本发明第二方面的异常诊断装置,基于轴承装置的加速度的振动数据检测轴承装置的损伤。异常诊断装置包括滤波器和诊断单元。滤波器被配置为从振动数据中提取属于预定频带的振动波形。当振动波形的超过参考值的第一振幅除以从第一振幅产生的时刻起经过了预定时间段之后的振动波形的第二振幅而计算出的评估值超过判定值时,诊断单元诊断为轴承装置存在损伤。
发明效果
根据本发明的第一方面,通过将在低频带中不小于参考值的第一振幅除以在第一振幅产生的时刻处于高频带的第二振幅而计算出的评估值用于诊断轴承装置的异常,能够关注到振动数据中所包括的频率分量在正常操作期间和异常操作期间的差异来进行异常诊断。结果使轴承装置的异常诊断的精度提高。
根据本发明的第二方面,通过将第一振幅除以从第一振幅产生的时刻起经过了预定时间段之后的振动波形的第二振幅而计算出的值用作为诊断轴承装置异常时的评估值,能够关注到振动的时间波形形状在正常操作期间和异常操作期间的差异来进行异常诊断。结果使轴承装置异常诊断的精度提高。
附图说明
图1是示意性示出风力发电机的结构的图。
图2是示出通过数据处理器进行异常诊断处理的流程图。
图3是示出振动数据的有效值的变化的一例的图。
图4是示出正常操作期间主轴轴承的整体结构的图。
图5是示出异常操作期间主轴轴承的整体结构的图。
图6(a)示出正常操作期间的振动数据的波形的示意图,6(b)示出短时傅里叶变换的结果的示意图。
图7(a)示出异常操作期间的振动数据的波形的示意图,7(b)示出短时傅里叶变换的结果的示意图。
图8(a)示出正常操作期间所测量的振动数据的波形图,8(b)示出振动数据的短时傅里叶变换的结果。
图9(a)示出异常操作期间所测量的振动数据的波形图,9(b)示出振动数据的短时傅里叶变换的结果。
图10是用于说明进行异常诊断时数据处理器的功能结构的功能框图。
图11是示出正常操作期间第一振动波形和第二振动波形的图。
图12是示出异常操作期间第一振动波形和第二振动波形的图。
图13是示出第一振幅除以第二振幅获得的值的平均值的变化的图。
图14是用于说明计算实施例1所使用的评估值的子流程的处理的流程图。
图15是示出第一振幅除以第二振幅获得的值超过阈值的发生频次的变化的图。
图16是用于说明计算实施例2所使用的评估值V的子流程的处理(图2的S1)的流程图。
图17是示出对比较例、实施例1和实施例2各自的评估值进行t检验的显著性检验的结果的图。
图18是用于说明进行异常诊断的数据处理器的功能结构的功能框图。
图19是示出正常操作期间的振动波形(500至5000Hz)的图。
图20是示出将图19所示的振动波形的部分放大的图。
图21是示出异常操作期间的振动波形(500至5000Hz)的图。
图22是示出将图21所示的振动波形的部分放大的图。
图23是示出第一振幅除以第二振幅获得的值低于阈值的次数的变化的图。
图24是用于说明计算实施例3所使用的评估值的子流程的处理的流程图。
图25是示出第一振幅除以第二振幅获得的值低于阈值的发生频次的变化的图。
图26是用于说明计算实施例4所使用的评估值的子流程的处理的流程图。
图27是示出对比较例、实施例3和实施例4各自的评估值进行t检验的显著性检验的结果的图。
具体实施方式
以下参照附图对实施例进行描述。在下面的描述中,对相同或相应的部分标注相同的标号,且不重复其描述。
[实施例1]
图1是示意性示出风力发电机1的结构的图。如图1所示,风力发电机1包括主轴10、主轴轴承20、叶片30、加速齿轮40、发电机50、加速度计70和数据处理器80。主轴轴承20、加速齿轮40、发电机50、加速度计70和数据处理器80收纳在机舱90中,机舱90由塔架100支撑。
主轴10与机舱90内的加速齿轮40的输入轴相连。主轴10可旋转地由主轴轴承20支撑。主轴10将受到风力的叶片30产生的旋转扭矩传递到加速齿轮40的输入轴。叶片30设置在主轴10的尖端,将风力转化为旋转扭矩并传递到主轴10。
主轴轴承20包括滚子轴承,例如自对准滚子轴承、圆锥滚子轴承、圆柱滚子轴承、或滚珠轴承。这种轴承可以是单列或多列轴承。
加速度计70布置在主轴的主轴轴承20中并测量在主轴轴承20中产生的振动。
加速齿轮40设置于主轴10和发电机50之间,增大主轴10的旋转速度,并将该增大后的旋转速度输出至发电机50。在一个示例中,加速齿轮40由包括例如行星齿轮、中间轴、高速轴等的齿轮加速机构构成。加速齿轮40内也设有未图示的支撑着轴使其可旋转的多个轴承。发电机50与加速齿轮40的输出轴相连,利用从加速齿轮40接收的旋转扭矩旋转而产生电力。发电机50包括例如感应发电机。在发电机50内还设置有支撑转子使其可旋转的轴承。
数据处理器80设置在机舱90内,并且接收由加速度计70测量的主轴轴承20的振动数据。数据处理器80使用从加速度计70接收的振动数据执行异常诊断,以判定主轴轴承20是否有损伤。加速度计70和数据处理器80经由未示出的电缆连接,且被配置为执行数据通信。加速度计70和数据处理器80可以通过无线通信彼此通信。数据处理器80相当于本发明的异常诊断装置。
数据处理器80基于从加速度计70接收的振动数据来诊断主轴轴承20是否有损伤。图2是示出通过数据处理器80进行异常诊断的处理的流程图。如图2所示,在步骤(下文中,步骤仅称为S)S1中,数据处理器80基于从加速度计70接收的振动数据,计算用于诊断主轴轴承20是否损伤的评估值V,然后使处理前进至S2。在S2中,数据处理器80判定评估值V是否是异常值。如果评估值V不大于判定值Vd(S2为否),则数据处理器80判定评估值V是正常值并且结束处理。如果评估值V大于判定值Vd(S2为是),则数据处理器80判定评估值V是异常值并且在S3中通知用户主轴轴承20中存在异常。通知方法的非限制性示例包括听觉方法和视觉方法,诸如语音、灯的照明和消息的传输。判定值Vd可以通过实际机器实验或模拟适当地确定。
当主轴轴承20中存在异常时,由异常引起的振动的振幅可能出现在振动数据上。已知有通过关注这种振动数据的波形的振幅大小的差异,使用有效值作为用于区分正常操作期间与异常操作期间的振动数据的评估值V。有效值被定义为振动数据波形中振幅的均方根。有效值可以是用作判定振幅数据的波形中包括的振幅有多大的标准的指标值。
图3是示出振动数据的有效值的变化的一例的图。在图3中,到时刻TR1为止是主轴轴承20损伤的异常状态。在时刻TR1和时刻TR2之间更换主轴轴承20,因此,主轴轴承20在时刻TR2及其之后处于正常状态。如图3所示,在时刻TR1及其之前有分布效值的范围与在时刻TR2及其之后有效值分布的范围基本相同。这使得难以明确地区分正常操作期间和异常操作期间。
在有效值的计算中,当计算加速度振动数据中的振幅的平均均方根时,也会使用不是由损伤引起的振动的振幅。不是由损伤引起的振动的振幅几乎不会随损伤的有无而发生变化。损伤的有无导致的有效值的变化基本依存于由损伤引起的振动振幅的变化。
如果像风力发电机1的主轴轴承20那样以低速(例如,大约100rpm)旋转的轴承装置损伤的情况下,由损伤引起的加速度的变化通常小于高速旋转的轴承装置,这使得难以将这种变化与不是由损伤引起的加速度的变化区分开。因此,如图3所示,有效值几乎不会随损伤的有无而改变。如果使用加速度振动数据的有效值诊断低速旋转的轴承装置的异常,则可能导致误诊断。
考虑到上述情况,实施例1关注因滚动元件与保持架或轴承环(内圈或外圈)等碰撞而引起的振动中所包含的频率分量在正常操作期间和异常操作期间的差异。
参照图4和图5,说明为什么因滚动元件与保持架或轴承环等碰撞而产生的振动中所包含的频率分量在正常操作期间和异常操作期间不同。图4是示出正常操作期间主轴轴承20的整体结构的图。如图4(a)所示,主轴轴承20包括内圈22、外圈24、保持架26和多个滚动元件28。
在图4(a)中,主轴10沿箭头D所示的方向旋转。如图4(a)所示,主轴10在与主轴10的旋转轴正交的箭头N的方向上承受径向载荷。箭头G表示重力的方向。外圈24的内周表面上的点PA位于主轴10的旋转轴的垂直正上方。外圈24的内周表面上的点PB位于从点PA的位置沿旋转方向D旋转90度的位置。外圈24的内周表面上的点PC位于主轴10的旋转轴的垂直正下方。
内圈22安装在主轴10上并固定在其上,并且与主轴10一起沿箭头D的方向旋转。外圈24设置在内圈22的外侧。
用于保持滚动元件28的多个袋部Pkt等间距地设置在保持架26中。保持架26布置在内圈22的外周表面和外圈24的内周表面之间,滚动元件28保持在袋部Pkt中。当滚动元件28随着内圈22的旋转而沿内圈22的外周表面旋转时,保持架26与滚动元件28一起在内圈22的外周表面和外圈24的内周表面之间旋转。滚动元件28在旋转方向D上在内圈22和外圈24之间旋转,同时被保持在保持架26的袋部Pkt中。如图4(b)和(c)所示,在滚动元件28和保持滚动元件28的保持架26的袋部Pkt之间设置间距(袋部Pkt间距),以允许滚动元件28在袋部Pkt中旋转。滚动元件28通常涂有润滑脂,以减小与保持架26的袋部Pkt、内圈22和外圈24之间的摩擦。
滚动元件28在从点PC移动到点PA的期间,由于重力而在袋部Pkt内沿与旋转方向D相反的方向倾斜从而与保持架26接触,并且被保持架26向上推到点PA。因此,当滚动元件28通过点PA时,滚动元件28在袋部Pkt内与旋转方向D相反的方向上倾斜(参见图4(b))。
在经过点PA之后,处于图4(b)所示状态的滚动元件28在通过点PB之前在重力作用下在袋部Pkt内移动,并且直接与保持架26、内圈22、外圈24等碰撞(参照图4(c))。当滚动元件28与保持架26、内圈22、外圈24等碰撞时发生振动。
图5是示出异常操作期间主轴轴承20的整体结构的图。在图5(a)中,由于滚动元件28引起的磨损而在点PC及其周围存在损伤I。当滚动元件28穿过点PC时,位于主轴10的旋转轴垂直正下方的点PC具有比外圈24的内周表面上的任何其他位置都要高的径向载荷。每当滚动元件28通过点PC时,点PC承受高载荷,因此点PC可能损伤。
当发生损伤I时,如剥离件或磨损粉末这样的异物S粘附到内圈22、外圈24、保持架26和滚动元件28(参照图5(b))。剥离件是例如发生损伤I时外圈24的内周表面在点PC处及其周围被滚动元件28切掉而产生的。磨损粉末是在滚动元件28通过损伤I时产生的。当滚动元件28通过点PA并且在如上所述的状态下与保持架26、内圈22或外圈24碰撞时,异物S经常存在于滚动元件28与保持架26、内圈22或外圈24之间。(参照图5(c))。异物S减小了滚动元件28与保持架26、内圈22、外圈24等碰撞时所引起的冲击。当滚动元件28与保持架26、内圈22、外圈24等碰撞时,主轴轴承20中产生的振动所包括的频率分量在异常操作期间要比在正常操作期间低。
下面将参照图6和图7描述当滚动元件28与保持架26、内圈22、外圈24等碰撞时产生的振动所包括的频率分量在正常操作期间和异常操作期间的不同。图6(a)示出正常操作期间的振动数据的波形的示意图,图6(b)示出短时傅里叶变换的示意图。图7(a)示出异常操作期间的振动数据的波形的示意图,图7(b)示出短时傅里叶变换的示意图。在短时傅里叶变换中,振动数据以预定的时间间隔划分,并进行快速傅里叶变换(FFT)。
参照图6(a),滚动元件28在TN1至TN3的每个时刻与保持架26、内圈22、外圈24等碰撞。参照图7(a),滚动元件28在TD1至TD3的每个时刻与保持架26、内圈22、外圈24等碰撞。
如图6(b)所示,时刻TN1至TN3的频率分量超过频率Fth。相对地,如图7(b)所示,时刻TD1至TD3的频率分量不大于频率Fth。如上所述,可以明确地区分在正常操作期间和异常操作期间滚动元件28与保持架26、内圈22、外圈24等碰撞时产生的振动所包括的频率分量。
参考图8和9描述在正常操作期间和异常操作期间实际测量的振动数据所包括的频率分量有何不同。图8(a)示出正常操作期间所测量的振动数据的波形图,8(b)示出振动数据的短时傅里叶变换的结果。图9(a)示出异常操作期间所测量的振动数据的波形图,9(b)示出振动数据的短时傅里叶变换的结果。图8(b)和9(b)均示出了以0.1秒的间隔对40秒振动数据执行快速傅里叶变换(FFT)的结果。
在图8(b)和9(b)中,横轴表示时刻,纵轴表示频率分量。在图8(b)和9(b)中,绘制了功率谱密度大于预定阈值的频率分量,以便提取在异常诊断中要注意的频带。功率谱密度相当于作为FFT结果的频谱中与每个频率分量对应的信号的强度。由于功率谱密度不大于阈值的频率分量不太可能被认为是由滚动元件28与保持架26、内圈22、外圈24等碰撞引起的振动的频率分量,因此它没有被绘制在图中。
比较图8(b)和9(b)可知,振动数据中所包括的频率分量超过5000Hz的时刻在正常操作期间(图8(b))比在异常操作期间多(图9(b)),在异常操作期间几乎不存在这种时刻。相对地,在正常操作期间以及异常操作期间的大多数时刻都包括不大于5000Hz的频率分量。换句话说,在异常操作期间,超过5000Hz的频率分量的比例显著低于不大于5000Hz的频率分量的比例。由于在异常操作期间超过5000Hz的频率分量显著减小,因此将振动数据中不大于5000Hz的频率分量的比例除以超过5000Hz的频率分量的比例而获得的值(振幅比)在异常操作期间要大于正常操作期间。
在实施例1中,考虑到上述情况,从振动数据中提取500至5000Hz的第一振动波形和5000至10000Hz的第二振动波形。然后,通过将第一振动波形(500至5000Hz)中超过参考值的第一振幅除以在第一振幅产生的时刻的第二振动波形(5000至10000Hz)的第二振幅而获得的值的平均值,用作异常诊断的评估值。通过将在第一振幅产生的时刻的第一振幅除以第二振幅而计算的值用作为评估值,可以关注正常操作期间和异常操作期间的振动数据所包括的频率分量的差异来进行异常诊断。结果,提高了主轴轴承20的异常诊断的精度。
图10是用于说明进行异常诊断时数据处理器80的功能结构的功能框图。如图10所示,数据处理器80包括第一滤波器81、第二滤波器82和诊断单元83。第一滤波器81和第二滤波器82接收由加速度计70测量的振动数据的输入。第一滤波器81和第二滤波器82可以实时地从加速度计70接收振动数据,或者可以从存储器读取存储在存储器(未示出)中的振动数据。
第一滤波器81从振动数据中提取500至5000Hz的第一振动波形Wv1,并将其输出到诊断单元83。第一滤波器81包括例如带通滤波器。
第二滤波器82从振动数据中提取5000至10000Hz的第二振动波形Wv2,并将其输出到诊断单元83。第二滤波器82包括例如带通滤波器。
诊断单元83包括如中央处理单元(CPU)的计算机、以及用于存储异常诊断所需的数据的易失性存储器和非易失性存储器。诊断单元83接收第一振动波形Wv1和第二振动波形Wv2,并执行异常诊断以判定主轴轴承20是否有损伤。当判定主轴轴承20中存在异常时,诊断单元83控制通知单元84以通知用户主轴轴承20中存在异常。
在异常诊断中,诊断单元83在第一振动波形Wv1(500至5000Hz)中提取超过参考值E的第一振幅。如上所述,从第一振动波形Wv1提取超过基准值E的振幅的原因在于,要确定滚动元件28与保持架26、内圈22、外圈24等碰撞的时刻。当滚动元件28与保持架26、内圈22、外圈24等碰撞时产生的加速度的变化会由于碰撞产生的冲击,而在振动数据的波形中显得相对较大。因此,从第一振动波形Wv1提取超过参考值E的振幅可以确定滚动元件28与保持架26、内圈22、外圈24等碰撞的时刻。
当滚动元件28与保持架26、内圈22、外圈24等碰撞时产生的振动所包括的频率分量根据在滚动元件28与保持架26、内圈22、外圈24之间是否存在异物S而产生极大的不同(参照图4(c)和5(c))。因此,通过确定滚动元件28与保持架26、内圈22、外圈24等碰撞的时刻,能从振动数据中提取由异常引起的振幅。因此,可以从评估值的计算中排除与滚动元件28同保持架26、内圈22、外圈24等的碰撞无关的振幅。
提取第一振幅时的参考值E理想地是几乎不会被与滚动元件28和保持架26、内圈22、外圈24等的碰撞无关而产生的振幅超过的值。参考值E可以通过实际的机器实验或通过模拟适当地确定,其可以被设置为例如第一振动波形Wv1的有效值的约五倍。
图11是示出正常操作期间第一振动波形Wv1和第二振动波形Wv2的图。图11(a)所示的第一振动波形Wv1是通过图10的第一滤波器81从图8(a)所示的振动数据中提取的波形。图11(b)所示的第二振动波形Wv2是通过图10的第二滤波器82从图8(a)所示的振动数据中提取的波形。
如图11(a)所示,正常操作期间在时刻Tk(k=1到N)产生超过参考值E的第一振幅PAk。如图11(b)所示,提取第二振动波形Wv2在时刻Tk产生的第二振幅PBk。在实施例1的异常诊断中,将通过第一振幅PAk除以第二振幅PBk而获得的值的平均值用作判定是否存在异常的评估值。
图12是示出异常操作期间第一振动波形Wv1和第二振动波形Wv2的图。图12(a)所示的第一振动波形Wv1是通过图10的第一滤波器81从图9(a)所示的振动数据中提取的波形。图12(b)所示的第二振动波形Wv2是通过图10的第二滤波器82从图9(a)所示的振动数据中提取的波形。在图12中与图11同样地提取第一振幅PAk和第二振幅PBk,并且将第一振幅PAk除以第二振幅PBk而获得的值的平均值用作评估值。
图13是示出第一振幅PAk除以第二振幅PBk获得的值的平均值的变化的图。在图13中,到时刻TR11为止是主轴轴承20损伤的异常状态。在时刻TR11和时刻TR12之间更换主轴轴承20,因此,主轴轴承20在时刻TR12及其之后处于正常操作。例如将值Rd作为判定值Vd,将评估值V超过判定值Vd的情况判定为异常,将评估值V不大于判定值Vd的情况判定为正常,从而可以明确地区分正常操作期间和异常操作期间。结果,与比较例相比,异常诊断的精度更高。
图14是用于说明计算实施例1所使用的评估值V的子流程的处理(图2的S1)的流程图。如图14所示,在S11中,数据处理器80从第一振动波形Wv1(500至5000Hz)提取超过参考值E的第一振幅PAk(k=1到N),然后使处理前进到S12。在S12中,数据处理器80从第二振动波形Wv2(5000至10000Hz)中提取第一振幅PAk产生的时刻Tk的第二振幅PBk,然后使处理前进到S13。在S13中,数据处理器80计算将第一振幅PAk除以第二振幅PBk而获得的值Rk=PAk/PBk(k=1至N),然后将处理前进到S14。在步骤S14中,数据处理器80计算比值Rk的平均值Rave作为评估值V,然后将处理返回到用于执行图2所示的异常诊断的主流程。如果评估值V大于判定值Vd,则数据处理器80通知用户存在异常。
在实施例1中,如上所述,在诊断主轴轴承20的异常时,将500至5000Hz下不小于参考值E的第一振幅PAk除以在第一振幅PAk产生的时刻的5000至10000Hz下的第二振幅PBk获得的值的平均值,用作为评估值V。结果,在振动数据中几乎没有找到任何第二振幅PBk的异常操作期间,评估值V非常大,从而提高了主轴轴承20的异常诊断的精度。
[实施例2]
在实施例1说明了将第一振幅PAk除以第二振幅PBk而获得的值的平均值用作判定是否存在异常的评估值的情况。用于判定是否存在异常的评估值可以是在第一振幅产生的时刻的第一振幅除以第二振幅而计算出的任何值。在实施例2说明了将第一振幅PAk除以第二振幅PBk而获得的值超过阈值的发生频次被用作为用于判定是否存在异常的评估值。
实施例2与实施例1的不同之处在于,将第一振幅除以第二振幅获得的值超过阈值的发生频次用作为用于判定是否存在异常的评估值。实施例1的图13和14分别被实施例2的图15和16代替。其他结构与实施例1的结构类似,不再赘述。
图15是示出第一振幅PAk除以第二振幅PBk获得的值超过阈值的发生频次的变化的图。在图15中,到时刻TR21为止是主轴轴承20中存在异常的状态。在时刻TR21和时刻TR22之间更换主轴轴承20,因此,主轴轴承20在时刻TR22及其之后处于正常操作。如图15所示,例如将值Fd作为判定值Vd,将评估值V超过判定值Vd的情况判定为异常,将评估值V不大于判定值Vd的情况判定为正常,从而可以明确地区分正常操作期间和异常操作期间。结果,与比较例相比异常诊断的精度更高。
图16是用于说明计算实施例2所使用的评估值V的子流程的处理(图2的S1)的流程图。如图16所示,在S11中,数据处理器80从第一振动波形Wv1(500至5000Hz)提取超过参考值E的第一振幅PAk(k=1到N),然后使处理前进到S12。在S12中,数据处理器80从第二振动波形Wv2(5000至10000Hz)中提取第一振幅PAk产生的时刻Tk的第二振幅PBk,然后使处理前进到S13。在S13中,数据处理器80计算将第一振幅PAk除以第二振幅PBk而获得的比值Rk=PAk/PBk(k=1至N),然后将处理前进到S24。在步骤S24中,数据处理器80计算比值Rk(k=1至N)超过阈值Rth的次数L,然后将处理前进到S25。在步骤S25中,数据处理器80计算发生频次F=L/N作为评估值V,然后将处理返回到用于执行图2所示的异常诊断的主流程。如果评估值V大于判定值Vd,则数据处理器80通知用户存在异常。阈值Rth可以通过模拟或实际机器实验适当地获得。
在实施例2中,如上所述,在诊断主轴轴承20的异常时,将500至5000Hz下不小于参考值E的第一振幅PAk除以在第一振幅PAk产生的时刻5000至10000Hz下的第二振幅PBk获得的值大于阈值Rth的发生频次F,用作为评估值V。结果,在振动数据中几乎没有找到任何第二振幅PBk的异常操作期间,评估值V非常大。结果,实施例2也提高了主轴轴承20的异常诊断的精度。
图17是示出对比较例、实施例1和实施例2各自的评估值进行t检验的显著性检验的结果的图。t检验是判定一样本组的平均值与另一个样本组的平均值之间是否存在显著差异的测试方法。参照图17,判定当主轴轴承20损伤时的评估值的平均值、与主轴轴承20没有损伤时的评估值的平均值之间是否存在显著差异。每个样本组的样本数量为21。作为用于判定是否有显著差异的边界值的t值是2.021。当t检验的结果超过2.021时,发现显著差异。
如图17所示,在比较例中没有发现显著差异,因为t检验的结果是0.274,其小于t值。相对地,在实施例1和2中发现显著差异,因为t检验的结果分别为9.86和11.3,两者都超过t值。
显著性试验的结果表明,与将有效值用作评估值的比较例相比,在实施例1和2中,主轴轴承20中没有异常时的评估值与主轴轴承20中存在异常时的评估值之间更容易出现差异。因此,相比于比较例,实施例1和2更容易用评估值的变化来表现异常的发生。因此,与比较例相比,实施例1和2可以进一步实现异常诊断的精度的改善。
[实施例3]
在实施例3中,从振动数据中提取500至5000Hz的振动波形,并且将该振动波形中超过参考值的第一振幅除以从第一振幅产生的时刻起经过了预定时间段之后的第二振幅而获得的值(振幅比)低于阈值的次数,用作为异常诊断的评估值。将第一振幅除以在从第一振幅产生的时刻起经过了预定的时间段之后的第二振幅而计算获得的值用作为评估值,使得能够关注振动的时间波形形状在正常操作期间和异常操作期间的差异来进行异常诊断。结果,提高了主轴轴承20的异常诊断的精度。
图18是用于说明进行异常诊断时数据处理器80C的功能结构的功能框图。如图18所示,数据处理器80C包括滤波器81C、诊断单元83C和通知单元84C。滤波器81C接收由加速度计70C测量的振动数据的输入。滤波器81C可以实时地从加速度计70C接收振动数据,或者可以从存储器读取存储在存储器(未示出)中的振动数据。
滤波器81C从振动数据中提取500至5000Hz的振动波形Wv,并将其输出到诊断单元83C。滤波器81C包括例如带通滤波器。
诊断单元83C包括如中央处理单元(CPU)的计算机、以及用于存储异常诊断所需的数据的易失性存储器和非易失性存储器。诊断单元83C接收振动波形Wv并诊断主轴轴承20是否有损伤。当判定主轴轴承20中存在损伤时,诊断单元83C控制通知单元84C以通知用户主轴轴承20中存在异常。
在异常诊断中,诊断单元83C在振动波形Wv(500至5000Hz)中提取超过参考值E的第一振幅。从振动波形Wv提取超过基准值E的振幅的原因在于,要确定滚动元件28与保持架26、内圈22、外圈24等碰撞的时刻。滚动元件28与保持架26、内圈22、外圈24等碰撞时产生的加速度的变化由于碰撞引起的冲击,会在振动数据的波形中显得相对较大。因此,从振动波形Wv提取超过参考值E的振幅可以确定滚动元件28与保持架26、内圈22、外圈24等碰撞的时刻。可以从评估值的计算中排除与滚动元件28与保持架26、内圈22、外圈24等的碰撞无关的振幅。
提取第一振幅时的参考值E理想地是几乎不会被与滚动元件28和保持架26、内圈22、外圈24等的碰撞无关的振幅超过的值。参考值E可以通过实际的机器实验或通过模拟适当地确定,其可以被设置为例如振动波形Wv的有效值的约五倍。
图19是示出正常操作期间的振动波形Wv的图。图19所示的振动波形Wv是通过图18的滤波器81C从图8(a)所示的振动数据中提取的波形。如图19所示,在时刻TCk(k=1到N)产生超过参考值E的第一振幅PCk。
图20将图19中在时刻TCk的振动波形Wv和其周围放大。如图20所示,在从第一振幅PCk产生的时刻TCk起经过时间段ΔT之后的时刻TDk产生第二振幅PDk。在实施例3的异常诊断中,将第一振幅PCk除以第二振幅PDk而获得的值降至阈值R2th以下的次数用用于判定是否存在异常的评估值。
图21是示出异常操作期间的振动波形Wv的图。图21所示的振动波形Wv是通过图18的滤波器81C从图9(a)所示的振动数据中提取的波形。如图21所示,在时刻TCk(k=1到N)产生超过参考值E的第一振幅PCk。
图22将图21中在时刻TCk的振动波形Wv和其周围放大。如图22所示,在从第一振幅PCk产生的时刻TCk起经过时间段ΔT之后的时刻TDk产生第二振幅PDk。在图22也与图20同样地将第一振幅PCk除以第二振幅PDk而获得的值降至阈值R2th以下的次数用作为判定是否存在异常的评估值。
在大多数振动在500到5000Hz之间发生的异常操作期间,滚动元件28与保持架26、内圈22、外圈24等碰撞的时刻(时刻TCk)发生的振动的阻尼因子要小于正常操作期间的阻尼因子。因此,将第一振幅PCk除以第二振幅PDk而获得的值在异常操作期间要比在正常操作期间小。
图23示出第一振幅PCk除以第二振幅PDk获得的值低于阈值R2th的次数的变化。在图23中,到时刻TR31为止是主轴轴承20损伤的异常状态。在时刻TR31和时刻TR32之间更换主轴轴承20,因此,主轴轴承20在时刻TR32及其之后处于正常操作。例如将值Ld作为判定值Vd,将评估值V超过判定值Vd的情况判定为异常,将评估值V不大于判定值Vd的情况判定为正常,从而可以明确地区分正常操作期间和异常操作期间。结果,与比较例相比异常诊断的精度更高。
图24是用于说明计算实施例3所使用的评估值V的子流程的处理(图2的S1)的流程图。如图24所示,在S31中,数据处理器80C从振动波形Wv(500至5000Hz)提取超过参考值E的第一振幅PCk(k=1到N),然后使处理前进到S32。在S32中,数据处理器80C从第一振幅PCk产生的时刻TCk起经过时间段ΔT之后的时刻TDk处提取第二振幅PDk,然后使处理前进到S33。在S33中,数据处理器80C计算将第一振幅PCk除以第二振幅PDk而获得的比值R2k=PCk/PDk,然后将处理前进到S34。在S34中,数据处理器80C计算比值R2k低于阈值R2th的次数L2作为评估值V,然后将处理返回到图2所示的异常诊断主流程。如果评估值V大于判定值Vd,则数据处理器80C通知用户存在异常。阈值R2th可以通过模拟或实际机器实验适当地确定。
在实施例3中,如上所述,将500至5000Hz的振动波形Wv中不小于参考值E的第一振幅PCk除以从第一振幅PCk产生的时刻TCk起经过时间段ΔT之后的振动波形的第二振幅PDk而获得的比值R2k低于阈值R2th的次数L2,用作为诊断主轴轴承20的异常的评估值。这使得能够关注于在正常操作期间和异常操作期间由滚动元件28与保持架26、内圈22、外圈24等的碰撞引起的振动的时间波形形状的差异而进行异常诊断。提高了主轴轴承20的异常诊断的精度。
[实施例4]
实施例3描述了将第一振幅除以从第一振幅产生的时刻起经过预定时间段之后振动波形的第二振幅而获得的值低于阈值的次数,用作判定是否存在异常的评估值的情况。用于判定是否存在异常的评估值可以是将第一振幅除以从第一振幅产生的时刻起经过预定时间段之后振动波形的第二振幅而计算出的任何值。实施例4说明的是将第一振幅除以第二振幅而获得的值低于阈值的发生频次用作为用于判定是否存在异常的评估值的情况。
实施例4与实施例3的不同之处在于,将第一振幅除以第二振幅获得的值低于阈值的发生频次用作为用于确定是否存在异常的评估值。实施例3的图23和24分别被实施例4的图25和26代替。其他结构与实施例3的结构类似,不再赘述。
图25是示出第一振幅PCk除以第二振幅PDk获得的值低于阈值的发生频次的变化的图。在图25中,到时刻TR41为止是主轴轴承20中存在异常的状态。在时刻TR41和时刻TR42之间更换主轴轴承20,因此,主轴轴承20在时刻TR42及其之后处于正常操作。如图25所示,例如将值F2d作为判定值Vd,将评估值V超过判定值Vd的情况判定为异常,将评估值V不大于判定值Vd的情况判定为正常,从而可以明确地区分正常操作期间和异常操作期间。结果,与比较例相比异常诊断的精度更高。
图26是用于说明计算实施例4所使用的评估值V的子流程的处理(图4的S1)的流程图。如图26所示,在S31中,数据处理器80C从振动波形Wv(500至5000Hz)提取超过参考值E的第一振幅PCk(k=1到N),然后使处理前进到S32。在S32中,数据处理器80C从第一振幅PCk产生的时刻TCk起经过时间段ΔT之后的时刻TDk处提取第二振幅PDk,然后使处理前进到S33。在S33中,数据处理器80C计算将第一振幅PCk除以第二振幅PDk而获得的比值R2k=PCk/PDk,然后将处理前进到S44。在S44中,数据处理器80C计算比值R2k小于阈值R2th的次数L2,然后使处理前进到S45。在S45中,数据处理器80C计算出比值R2k小于阈值R2th的发生频次F2=L2/N,然后将处理返回到用于执行图2所示的异常诊断的主程序。如果评估值V大于判定值Vd,则数据处理器80C通知用户存在异常。
在实施例4中,如上所述,将500至5000Hz的振动波形Wv中不小于参考值E的第一振幅PCk除以从第一振幅PCk产生的时刻TCk起经过时间段ΔT之后的振动波形的第二振幅PDk而获得的比值R2k低于阈值R2th的产生频次F2,用作诊断主轴轴承20的异常的评估值。这使得能够关注于在正常操作期间和异常操作期间由滚动元件28与保持架26、内圈22、外圈24等的碰撞引起的振动的时间波形形状的差异而进行异常诊断。提高了主轴轴承20的异常诊断的精度。
图27是示出对比较例、实施例3和实施例4各自的评估值进行t检验的显著性检验的结果的图。t检验是确定一样本组的平均值与另一个样本组的平均值之间是否存在显著差异的测试方法。参照图27,判定当主轴轴承20损伤时的评估值的平均值、与主轴轴承20没有损伤时的评估值的平均值之间是否存在显著差异。每个样本组的样本数量为21。作为用于判定是否有显著差异的边界值的t值是2.021。当t检验的结果超过2.021时,发现显著差异。
如图27所示,在比较例中没有发现显著差异,因为检测结果是0.274,其小于t值。相对地,在实施例3和4中发现显著差异,因为其检测结果分别为2.09和6.01,两者都超过t值。
显著性试验的结果表明,与将有效值用作评估值的比较例相比,在实施例3和4中,主轴轴承20中没有异常时的评估值与主轴轴承20中存在异常时的评估值之间更容易出现差异。因此,相比于比较例,实施例3和4中的评价值的变化更容易表现异常的发生。因此,与比较例相比,实施例3和4可以进一步实现异常诊断的精度改善。
这里所公开的实施例的适当组合的实践也被考虑。应当理解,本文公开的实施例在各个方面都是说明性的而非限制性的。本发明的范围由权利要求的术语限定而不是上述描述,并且旨在包括与权利要求的术语等同的范围和含义内的任何修改。
标号说明
1风力发电机,10主轴,20主轴轴承,22内圈,24外圈,26保持架,28滚动元件,30叶片,40加速齿轮,50发电机,70、70C加速度计,80、80C数据处理器,81、81C、82滤波器,83、83C诊断单元,84、84C通知单元,90机舱,100塔架。
Claims (8)
1.一种异常诊断装置,其基于轴承装置的加速度的振动数据来检测所述轴承装置的损伤,其特征在于,包括:
第一滤波器,该第一滤波器被配置为从所述振动数据中提取属于第一频带的第一振动波形;
第二滤波器,该第二滤波器被配置为从所述振动数据中提取属于高于所述第一频带的第二频带的第二振动波形;以及
诊断单元,当所述第一振动波形的超过参考值的第一振幅除以在所述第一振幅产生的时刻的所述第二振动波形的第二振幅而计算出的评估值超过判定值时,该诊断单元诊断为所述轴承装置存在损伤。
2.根据权利要求1所述的异常诊断装置,其特征在于,
所述诊断单元被配置为使用所述振动数据的测量期间所包括的多个时刻中的每一个时刻的所述第一振幅除以所述第二振幅而获得的值的平均值作为所述评估值。
3.根据权利要求1所述的异常诊断装置,其特征在于,
所述诊断单元被配置为使用在所述振动数据的测量期间将所述第一振幅除以所述第二振幅而获得的值超过阈值的次数除以在所述测量期间产生所述第一振幅的次数而得到的值,作为所述评估值。
4.一种异常诊断方法,其基于轴承装置的加速度的振动数据来检测所述轴承装置的损伤,其特征在于,包括如下步骤:
从所述振动数据中提取属于第一频带的第一振动波形;
从所述振动数据中提取属于高于所述第一频带的第二频带的第二振动波形;以及
当所述第一振动波形的超过参考值的第一振幅除以在所述第一振幅产生的时刻的所述第二振动波形的第二振幅而计算出的评估值超过判定值时,诊断为所述轴承装置存在损伤。
5.一种异常诊断装置,其基于轴承装置的加速度的振动数据来检测所述轴承装置的损伤,其特征在于,包括:
滤波器,该滤波器被配置为从振动数据中提取属于预定频带的振动波形;以及
诊断单元,当振动波形的超过参考值的第一振幅除以从所述第一振幅产生的时刻起经过了预定时间段之后的所述振动波形的第二振幅而计算出的评估值超过判定值时,该诊断单元诊断为所述轴承装置存在损伤。
6.根据权利要求5所述的异常诊断装置,其特征在于,
所述诊断单元被配置为使用在所述振动数据的测量期间将所述第一振幅除以所述第二振幅而获得的值超过阈值的次数作为所述评估值。
7.根据权利要求5所述的异常诊断装置,其特征在于,
所述诊断单元被配置为使用在所述振动数据的测量期间将所述第一振幅除以所述第二振幅而获得的值超过阈值的次数除以所述第一振幅产生的次数而得到的值,作为所述评估值。
8.一种异常诊断方法,其基于轴承装置的加速度的振动数据来检测所述轴承装置的损伤,其特征在于,包括如下步骤:
从所述振动数据中提取属于预定频带的第一振动波形;以及
当所述振动波形的超过参考值的第一振幅除以从所述第一振幅产生的时刻起经过了预定时间段之后的所述振动波形的第二振幅而计算出的评估值超过判定值时,诊断为所述轴承装置存在损伤。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016-032040 | 2016-02-23 | ||
JP2016032041A JP6639266B2 (ja) | 2016-02-23 | 2016-02-23 | 異常診断装置および異常診断方法 |
JP2016-032041 | 2016-02-23 | ||
JP2016032040A JP6639265B2 (ja) | 2016-02-23 | 2016-02-23 | 異常診断装置および異常診断方法 |
PCT/JP2017/003714 WO2017145687A1 (ja) | 2016-02-23 | 2017-02-02 | 異常診断装置および異常診断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108700492A CN108700492A (zh) | 2018-10-23 |
CN108700492B true CN108700492B (zh) | 2020-08-11 |
Family
ID=59685119
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780012987.0A Active CN108700492B (zh) | 2016-02-23 | 2017-02-02 | 异常诊断装置和异常诊断方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11047768B2 (zh) |
CN (1) | CN108700492B (zh) |
DE (1) | DE112017000950T5 (zh) |
WO (1) | WO2017145687A1 (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111749854B (zh) * | 2019-03-27 | 2022-04-19 | 北京金风科创风电设备有限公司 | 风力发电机组的保护方法及设备 |
WO2020195691A1 (ja) * | 2019-03-28 | 2020-10-01 | Ntn株式会社 | 状態監視システム |
CN110259647B (zh) * | 2019-06-21 | 2020-05-22 | 江南大学 | 一种基于正多胞体滤波的风电机组缓变型故障诊断方法 |
FR3102554B1 (fr) * | 2019-10-23 | 2021-11-19 | Alstom Transp Tech | Procédé et système pour estimer l’usure d’une machine tournante comportant un roulement |
CN112710446B (zh) * | 2020-12-21 | 2022-06-07 | 北京和中普方新能源科技有限公司 | 电动车电池系统振动试验的判断方法、系统及存储介质 |
CN112628089B (zh) * | 2020-12-30 | 2022-04-05 | 上海电气风电集团股份有限公司 | 异常监控方法、系统、平台、电子设备及存储介质 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4448077A (en) * | 1981-04-30 | 1984-05-15 | Hitachi, Ltd. | Vibration diagnosis method for rotary machine |
JPH07218334A (ja) * | 1994-02-07 | 1995-08-18 | Nippon Steel Corp | 軸受の異常診断方法及び装置 |
CN1688874A (zh) * | 2002-08-30 | 2005-10-26 | 日本精工株式会社 | 机械设备的状态监视方法和装置以及异常诊断装置 |
CN101617207A (zh) * | 2007-03-26 | 2009-12-30 | 新日本制铁株式会社 | 超低速旋转设备的异常诊断方法及装置 |
CN102713554A (zh) * | 2010-01-04 | 2012-10-03 | Ntn株式会社 | 滚动轴承的异常诊断装置、风力发电装置及异常诊断系统 |
JP5067979B2 (ja) * | 2010-06-01 | 2012-11-07 | 三菱電機エンジニアリング株式会社 | 軸受の診断装置 |
CN102834701A (zh) * | 2010-03-03 | 2012-12-19 | 旭化成工程株式会社 | 滑动轴承的诊断方法和诊断装置 |
CN103134679A (zh) * | 2011-11-28 | 2013-06-05 | 杰富意先进技术株式会社 | 轴承状态监视方法以及轴承状态监视装置 |
CN103185670A (zh) * | 2011-12-28 | 2013-07-03 | 三菱重工业株式会社 | 风力发电用风车的冲击载荷监视系统及冲击载荷监视方法 |
CN103745085A (zh) * | 2013-12-16 | 2014-04-23 | 西安交通大学 | 一种旋转机械振动信号的数据驱动阈值降噪方法 |
JP5740208B2 (ja) * | 2011-05-23 | 2015-06-24 | 千代田化工建設株式会社 | 軸受診断方法及びシステム |
CN104792528A (zh) * | 2014-01-22 | 2015-07-22 | 中国人民解放军海军工程大学 | 一种自适应最优包络解调方法 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH04204021A (ja) | 1990-11-30 | 1992-07-24 | Hitachi Ltd | 回転機械振動・音響診断装置 |
JPH08285678A (ja) | 1995-04-18 | 1996-11-01 | Mitsubishi Heavy Ind Ltd | 異常振動波形生成装置 |
WO1999016070A1 (fr) * | 1997-09-25 | 1999-04-01 | Matsushita Electric Industrial Co., Ltd. | Mecanisme d'entrainement de disque |
US6801864B2 (en) * | 2001-03-13 | 2004-10-05 | Ab Skf | System and method for analyzing vibration signals |
US7184930B2 (en) | 2002-08-30 | 2007-02-27 | Nsk Ltd. | Method and device for monitoring status of mechanical equipment and abnormality diagnosing device |
US7860663B2 (en) * | 2004-09-13 | 2010-12-28 | Nsk Ltd. | Abnormality diagnosing apparatus and abnormality diagnosing method |
WO2006043511A1 (ja) * | 2004-10-18 | 2006-04-27 | Nsk Ltd. | 機械設備の異常診断システム |
DE102008021360A1 (de) * | 2008-04-29 | 2009-11-05 | Siemens Aktiengesellschaft | Verfahren und Vorrichtung zum Erkennen eines Lagerschadens |
DK2824324T3 (en) | 2012-03-08 | 2018-08-06 | Ntn Toyo Bearing Co Ltd | Condition Monitoring |
JP5917956B2 (ja) | 2012-03-08 | 2016-05-18 | Ntn株式会社 | 状態監視システム |
WO2014042582A1 (en) * | 2012-09-11 | 2014-03-20 | S.P.M. Instrument Ab | Apparatus for monitoring the condition of a machine |
JP5989910B2 (ja) * | 2014-03-25 | 2016-09-07 | 京セラ株式会社 | 音響発生器およびこれを備えた音響発生装置、電子機器 |
-
2017
- 2017-02-02 US US15/998,651 patent/US11047768B2/en active Active
- 2017-02-02 WO PCT/JP2017/003714 patent/WO2017145687A1/ja active Application Filing
- 2017-02-02 CN CN201780012987.0A patent/CN108700492B/zh active Active
- 2017-02-02 DE DE112017000950.2T patent/DE112017000950T5/de active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4448077A (en) * | 1981-04-30 | 1984-05-15 | Hitachi, Ltd. | Vibration diagnosis method for rotary machine |
JPH07218334A (ja) * | 1994-02-07 | 1995-08-18 | Nippon Steel Corp | 軸受の異常診断方法及び装置 |
CN1688874A (zh) * | 2002-08-30 | 2005-10-26 | 日本精工株式会社 | 机械设备的状态监视方法和装置以及异常诊断装置 |
CN101617207A (zh) * | 2007-03-26 | 2009-12-30 | 新日本制铁株式会社 | 超低速旋转设备的异常诊断方法及装置 |
CN102713554A (zh) * | 2010-01-04 | 2012-10-03 | Ntn株式会社 | 滚动轴承的异常诊断装置、风力发电装置及异常诊断系统 |
CN102834701A (zh) * | 2010-03-03 | 2012-12-19 | 旭化成工程株式会社 | 滑动轴承的诊断方法和诊断装置 |
JP5067979B2 (ja) * | 2010-06-01 | 2012-11-07 | 三菱電機エンジニアリング株式会社 | 軸受の診断装置 |
JP5740208B2 (ja) * | 2011-05-23 | 2015-06-24 | 千代田化工建設株式会社 | 軸受診断方法及びシステム |
CN103134679A (zh) * | 2011-11-28 | 2013-06-05 | 杰富意先进技术株式会社 | 轴承状态监视方法以及轴承状态监视装置 |
CN103185670A (zh) * | 2011-12-28 | 2013-07-03 | 三菱重工业株式会社 | 风力发电用风车的冲击载荷监视系统及冲击载荷监视方法 |
CN103745085A (zh) * | 2013-12-16 | 2014-04-23 | 西安交通大学 | 一种旋转机械振动信号的数据驱动阈值降噪方法 |
CN104792528A (zh) * | 2014-01-22 | 2015-07-22 | 中国人民解放军海军工程大学 | 一种自适应最优包络解调方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108700492A (zh) | 2018-10-23 |
DE112017000950T5 (de) | 2018-11-08 |
US20200333214A1 (en) | 2020-10-22 |
WO2017145687A1 (ja) | 2017-08-31 |
US11047768B2 (en) | 2021-06-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108700492B (zh) | 异常诊断装置和异常诊断方法 | |
CN108780025B (zh) | 状态监视系统和风力发电装置 | |
EP3421786B1 (en) | Systems and methods for detecting damage in wind turbine bearings | |
JP6308922B2 (ja) | 転がり軸受の異常診断装置、風力発電装置、及び転がり軸受の異常診断方法 | |
JP6958068B2 (ja) | 回転機械設備の異常診断システム及び異常診断方法 | |
JP7027782B2 (ja) | 転がり軸受の異常診断装置 | |
JP6820771B2 (ja) | 状態監視システムおよび風力発電装置 | |
WO2017159784A1 (ja) | 状態監視システムおよび風力発電装置 | |
JP6605865B2 (ja) | 転がり軸受の状態監視装置及び転がり軸受の状態監視方法 | |
JP6184771B2 (ja) | タービンブレードの状態監視方法及び装置 | |
CN116304848A (zh) | 一种滚动轴承故障诊断系统及方法 | |
CN108760318B (zh) | 一种风力机变桨轴承故障检测方法 | |
JP6824076B2 (ja) | 状態監視システムおよび風力発電装置 | |
JP6639265B2 (ja) | 異常診断装置および異常診断方法 | |
JP6577394B2 (ja) | 風力発電設備の異常診断装置 | |
CN113819011A (zh) | 风力发电机组的叶轮状态检测方法、装置及系统 | |
JP6639266B2 (ja) | 異常診断装置および異常診断方法 | |
WO2021117752A1 (ja) | 転がり軸受の状態監視方法及び転がり軸受の状態監視装置 | |
JP2021096102A (ja) | 転がり軸受の状態監視方法及び転がり軸受の状態監視装置 | |
JP6639288B2 (ja) | 状態監視システムおよび風力発電装置 | |
Ebrahimi | Vibration Analysis for Fault Diagnosis of Rolling Element Bearing | |
JP6561720B2 (ja) | 軸受評価装置 | |
JP2021092455A (ja) | 転がり軸受の状態監視方法及び転がり軸受の状態監視装置 | |
CN106716103B (zh) | 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 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |