CN109643113A - 故障诊断装置及故障诊断方法 - Google Patents
故障诊断装置及故障诊断方法 Download PDFInfo
- Publication number
- CN109643113A CN109643113A CN201780052859.9A CN201780052859A CN109643113A CN 109643113 A CN109643113 A CN 109643113A CN 201780052859 A CN201780052859 A CN 201780052859A CN 109643113 A CN109643113 A CN 109643113A
- Authority
- CN
- China
- Prior art keywords
- data
- sensing data
- driving source
- motor
- threshold 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
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
在作为故障诊断装置的主站点(1)中,具有:推定传感器数据计算部(30),其从在使连结有第1驱动源及第2驱动源的装置动作时检测的表示装置的状态的第1检测数据,将起因于第2驱动源的数据成分去除,由此对起因于第1驱动源的表示装置的状态的第2检测数据进行推定;以及故障诊断部(31),其对第2检测数据和阈值进行比较,由此对装置的故障进行诊断。
Description
技术领域
本发明涉及对装置的故障进行诊断的故障诊断装置及故障诊断方法。
背景技术
装置如果发生故障,则无法执行期望的动作,因此希望适当地对在装置中是否发生了故障进行诊断。因此,以往提出了各种对装置的故障进行诊断的技术。
关于在专利文献1中记载的异常检测系统,多个振动传感器对电动机的振动进行测定,将根据对处在振动传感器的输出值间的相互关系进行表示的模型而求出的输出值的相关关系、和从多个振动传感器得到的测定数据间的相关关系进行比较处理。而且,异常检测系统基于相关关系的错乱量而检测出电动机的异常。
专利文献1:日本特开2016-003875号公报
发明内容
但是,如果装置结构或者装置特性发生了变更,则来自各传感器的传感器数据会变化,因此在作为上述现有技术的专利文献1中,存在下述问题,即,必须将用于对装置是否异常进行判断的阈值针对每个装置结构或者针对每个装置特性进行设定。因此,在专利文献1中,在装置结构或者装置特性发生了变更的情况下,无法容易地进行装置的故障诊断。
本发明就是鉴于上述情况而提出的,其目的在于得到一种故障诊断装置,其即使在装置结构或者装置特性发生了变更的情况下,也能够容易地进行装置的故障诊断。
为了解决上述的课题并达到目的,本发明是一种故障诊断装置,其具有推定数据计算部,该推定数据计算部从在使连结有第1驱动源及第2驱动源的装置动作时检测的表示装置的状态的第1检测数据,将起因于第2驱动源的数据成分去除,由此对起因于第1驱动源的表示装置的状态的第2检测数据进行推定。另外,本发明的故障诊断装置具有故障诊断部,该故障诊断部对第2检测数据和阈值进行比较,由此对装置的故障进行诊断。
发明的效果
本发明所涉及的故障诊断装置具有下述效果,即,即使在装置结构或者装置特性发生了变更的情况下,也能够容易地进行装置的故障诊断。
附图说明
图1是表示具有本发明的实施方式所涉及的故障诊断装置的故障诊断系统的结构的图。
图2是表示实施方式所涉及的机械装置的结构的图。
图3是表示实施方式所涉及的主站点的结构的框图。
图4是表示实施方式所涉及的第1指令数据保存部的内部结构的图。
图5是表示实施方式所涉及的传感器数据保存部的内部结构的图。
图6是表示实施方式所涉及的第2指令数据保存部的内部结构的图。
图7是表示实施方式所涉及的故障诊断系统的动作处理顺序的流程图。
图8是表示生成实施方式所涉及的故障诊断阈值时的、第1指令数据和传感器数据的关系的图。
图9是表示生成实施方式所涉及的传感器数据计算模型时的、第2指令数据和传感器数据的关系的图。
图10是表示执行实施方式所涉及的故障诊断时的、第1指令数据、第2指令数据和传感器数据的关系的图。
图11是表示实施方式所涉及的第2指令数据和推定传感器数据的关系的图。
图12是表示实施方式所涉及的第1指令数据和推定传感器数据的关系的图。
图13是表示实施方式所涉及的主站点的硬件结构例的图。
具体实施方式
下面,基于附图对本发明的实施方式所涉及的故障诊断装置及故障诊断方法详细地进行说明。此外,本发明并不限定于本实施方式。
实施方式
图1是表示具有本发明的实施方式所涉及的故障诊断装置的故障诊断系统的结构的图。故障诊断系统100具有:主站点1,其是故障诊断装置;机械装置2,其是成为故障诊断的对象的装置的一个例子;第1电动机4,其使机械装置2驱动;以及1个或者多个第2电动机7,其使机械装置2驱动。另外,故障诊断系统100具有:第1从属站点3,其向第1电动机4输出扭矩指令;第2从属站点6,其向第2电动机7输出扭矩指令;以及传感器5,其配置在机械装置2而对机械装置2的状态进行检测。
主站点1经由通信网络而与第1从属站点3、传感器5及第2从属站点6连接。另外,第1从属站点3与第1电动机4连接,第2从属站点6与第2电动机7连接。而且,第1电动机4及第2电动机7与机械装置2连结。
主站点1将用于使第1电动机4驱动的数据即第1指令数据11输出至第1从属站点3,并且将用于使第2电动机7驱动的数据即第2指令数据13输出至第2从属站点6。
第1从属站点3生成与第1指令数据11相对应的扭矩指令而输出至第1电动机4。第2从属站点6生成与第2指令数据13相对应的扭矩指令而输出至第2电动机7。
作为第1驱动源的第1电动机4执行与来自第1从属站点3的扭矩指令相对应的动作,作为第2驱动源的第2电动机7执行与来自第2从属站点6的扭矩指令相对应的动作。机械装置2通过第1电动机4及第2电动机7而动作。
传感器5如果检测到机械装置2的状态,则将作为检测结果的传感器数据12输出至主站点1。由此,主站点1取得从传感器5输出的传感器数据12。
主站点1是对机械装置2进行控制的计算机。另外,主站点1基于第1指令数据11、第2指令数据13及传感器数据12,对机械装置2所具有的机械部件是否发生了故障进行诊断。实施方式的主站点1从在使连结有第1电动机4及第2电动机7的机械装置2动作时检测到的传感器数据12,将起因于第2电动机7的数据成分去除,由此对起因于第1电动机4的传感器数据12进行推定。而且,主站点1将起因于第1电动机4的传感器数据12、和基于在使第1电动机4动作时检测到的传感器数据12而设定出的后面记述的故障诊断阈值进行比较,由此对机械装置2的故障进行诊断。
图2是表示实施方式所涉及的机械装置的结构的图。在图2中,关于机械装置2是卷对卷(Roll to Roll)方式的装置的情况进行说明,但机械装置2也可以是任意的装置。
机械装置2具有作为机械部件的例子的辊41、42,对作为加工对象物的工件40进行加工。第1电动机4接收第1从属站点3输出的扭矩指令而驱动,使机械装置2的机械部件动作。在这里的第1电动机4使与第1电动机4连接的辊41旋转。另外,第2电动机7接收第2从属站点6输出的扭矩指令而驱动,使机械装置2的机械部件动作。在这里的第2电动机7使与第2电动机7连接的辊42旋转。
第1电动机4及第2电动机7只要是能够驱动机械装置2的构造,可以是任意的机械部件。第1电动机4及第2电动机7的例子是旋转型伺服电动机、逆变器这样的设备。如果第1电动机4使辊41旋转、第2电动机7使辊42旋转,则载置于辊41、42的工件40移动。传感器5安装在机械装置2的外部,对起因于第1电动机4及第2电动机7的动作而产生的机械装置2的状态进行检测。因此,在第1电动机4没有与机械装置2连结的状态下,如果第2电动机7不驱动而第1电动机4驱动,则传感器5对起因于第1电动机4的机械装置2的状态进行检测。另外,在第2电动机7没有与机械装置2连结的状态下,如果第1电动机4不驱动而第2电动机7驱动,则传感器5对起因于第2电动机7的机械装置2的状态进行检测。传感器5的例子是振动检测传感器或者温度传感器。此外,传感器5进行检测的机械装置2的状态,可以是机械装置2所具有的机械部件的状态,也可以是将机械装置2和第1电动机4连接的部件的状态或者将机械装置2和第2电动机7连接的部件的状态。
图3是表示实施方式所涉及的主站点的结构的框图。主站点1具有:第1指令数据生成部21,其生成第1指令数据11;以及第1指令数据保存部23,其对第1指令数据11进行保存。另外,主站点1具有:第2指令数据生成部22,其生成第2指令数据13;以及第2指令数据保存部25,其对第2指令数据13进行保存。
另外,主站点1具有:传感器数据保存部24,其对传感器数据12进行保存;阈值生成部26,其生成成为对机械装置2是否发生了故障进行诊断时的基准的阈值即故障诊断阈值;以及阈值保存部27,其对故障诊断阈值进行保存。另外,主站点1具有:模型生成部28,其生成传感器数据计算模型,该传感器数据计算模型表示第2指令数据13和传感器数据12之间的对应关系;以及模型保存部29,其对传感器数据计算模型进行保存。传感器数据计算模型是用于对与第2指令数据13相对应的传感器数据12进行计算的模型。传感器数据计算模型由算式表示。另外,主站点1具有:推定传感器数据计算部30,其生成后面记述的推定传感器数据;以及故障诊断部31,其对有无机械装置2的故障进行诊断。
第1指令数据生成部21生成第1指令数据11,将第1指令数据11输出至第1从属站点3及第1指令数据保存部23。第1指令数据11的例子是用于对第1电动机4的位置或者旋转速度进行控制的指令。第1指令数据保存部23是诸如存储器这样的存储单元,对第1指令数据生成部21生成的第1指令数据11进行保存。
第2指令数据生成部22生成第2指令数据13,将第2指令数据13输出至第2从属站点6及第2指令数据保存部25。第2指令数据13的例子是用于对第2电动机7的位置或者旋转速度进行控制的指令。第2指令数据保存部25是诸如存储器这样的存储单元,对第2指令数据生成部22生成的第2指令数据13进行保存。
传感器数据保存部24是保存传感器数据12的存储器这样的存储单元。传感器数据12的例子是表示振动的状态的振动数据或者表示温度的状态的温度数据。
阈值生成部26从第1指令数据保存部23读出第1指令数据11,从传感器数据保存部24读出传感器数据12。阈值生成部26基于第1指令数据11及传感器数据12,生成故障诊断阈值。故障诊断阈值是成为对是否发生了故障进行诊断时的基准的阈值。阈值生成部26将生成的故障诊断阈值发送至阈值保存部27。阈值保存部27是对由阈值生成部26生成的故障诊断阈值进行保存的存储器这样的存储单元。
模型生成部28将输出了第2指令数据13时的传感器数据12从传感器数据保存部24读出,将与读出的传感器数据12相对应的第2指令数据13从第2指令数据保存部25读出。模型生成部28基于读出的传感器数据12及第2指令数据13,生成传感器数据计算模型,该传感器数据计算模型表示输出了第2指令数据13时的传感器数据12和第2指令数据13的对应关系。模型生成部28将生成的传感器数据计算模型发送至模型保存部29。模型保存部29是对由模型生成部28生成的传感器数据计算模型进行保存的存储器这样的存储单元。
作为推定数据计算部的推定传感器数据计算部30,从模型保存部29读出传感器数据计算模型。另外,推定传感器数据计算部30将输出了第1指令数据11及第2指令数据13时的传感器数据12从传感器数据保存部24读出,将与读出的传感器数据12相对应的第2指令数据13从第2指令数据保存部25读出。推定传感器数据计算部30基于读出的传感器数据计算模型、传感器数据12及第2指令数据13,对推定传感器数据进行计算。推定传感器数据是在主站点1输出了第1指令数据11的情况下,从传感器5输出的传感器数据12的推定值。
主站点1的第1指令数据生成部21将各种第1指令数据11输出至第1从属站点3,将各种第2指令数据13输出至第2从属站点6。在该情况下,机械装置2执行与第1指令数据11及第2指令数据13相对应的动作。而且,传感器5对与机械装置2的动作相对应的传感器数据12进行检测,发送至主站点1。推定传感器数据计算部30对传感器数据12的数据成分中的起因于第1指令数据11的输出的数据成分进行计算。推定传感器数据计算部30将计算出的推定传感器数据发送至故障诊断部31。
故障诊断部31从阈值保存部27读出故障诊断阈值。故障诊断部31基于由推定传感器数据计算部30计算出的推定传感器数据、和从阈值保存部27读出的故障诊断阈值,对有无机械装置2的故障进行诊断。
如上所述,在实施方式的主站点1中,阈值生成部26基于在使第1电动机4动作时检测的传感器数据12,生成故障诊断阈值。另外,模型生成部28基于在使第2电动机7动作时检测的传感器数据12,生成传感器数据计算模型。另外,推定传感器数据计算部30使用传感器数据计算模型,对起因于第2电动机7的传感器数据12进行计算。该传感器数据12与起因于第2电动机7的数据成分相对应。推定传感器数据计算部30从在使连结有第1电动机4及第2电动机7的机械装置2动作时检测到的传感器数据12,将起因于第2电动机7的数据成分去除,由此对起因于第1电动机4的传感器数据12进行计算。而且,故障诊断部31将起因于第1电动机4的传感器数据12和故障诊断阈值进行比较,由此对机械装置2的故障进行诊断。故障诊断阈值为恒定值,故障诊断部31在传感器数据12的值超过作为恒定值的故障诊断阈值的情况下,诊断为故障。
图4是表示实施方式所涉及的第1指令数据保存部的内部结构的图。第1指令数据保存部23具有第1指令数据保存区域230。第1指令数据保存区域230是对在故障诊断阈值的生成中使用的第1指令数据11进行保存的区域。
图5是表示实施方式所涉及的传感器数据保存部的内部结构的图。传感器数据保存部24具有传感器数据保存区域240A、240B、240C。传感器数据保存区域240A是对在故障诊断阈值的生成中使用的传感器数据12进行保存的区域。传感器数据保存区域240B是对在生成传感器数据计算模型时使用的传感器数据12进行保存的区域。传感器数据保存区域240C是对在生成推定传感器数据时使用的传感器数据12进行保存的区域。
在传感器数据保存区域240A中保存的传感器数据12,是在不输出第2指令数据13、而输出第1指令数据11时由传感器5检测到的数据。在传感器数据保存区域240B中保存的传感器数据12,是在不输出第1指令数据11、而输出第2指令数据13时由传感器5检测到的数据。在传感器数据保存区域240C中保存的传感器数据12,是在输出第1指令数据11及第2指令数据13时由传感器5检测到的第1检测数据。此外,传感器数据保存区域240A、240B、240C无需是固定区域,也可以是能够任意地变更的区域。
图6是表示实施方式所涉及的第2指令数据保存部的内部结构的图。第2指令数据保存部25具有第2指令数据保存区域250A、250B。第2指令数据保存区域250A是对在生成传感器数据计算模型时使用的第2指令数据13进行保存的区域。第2指令数据保存区域250B是对在生成推定传感器数据时使用的第2指令数据13进行保存的区域。此外,第2指令数据保存区域250A、250B无需是固定区域,也可以是能够任意地变更的区域。
图7是表示实施方式所涉及的故障诊断系统的动作处理顺序的流程图。故障诊断系统100在执行运转前准备之后,执行装置运转。运转前准备是使机械装置2运转前的准备阶段的处理,装置运转是使机械装置2运转的处理。因此,故障诊断系统100在运转前准备时,使机械装置2执行准备阶段的动作而对准备阶段的传感器数据12进行收集。另外,故障诊断系统100在装置运转时,使机械装置2执行实际的动作而对实际的传感器数据12进行收集。而且,故障诊断系统100在装置运转时,对机械装置2的故障进行诊断。
故障诊断系统100如果开始进行运转前准备,则在步骤S10中,主站点1对在机械装置2没有与第1电动机4连结的状态下使第1电动机4驱动时的传感器数据12进行收集。
具体地说,主站点1的第1指令数据生成部21生成与实际上使机械装置2运转时相同的第1指令数据11,输出至第1从属站点3及第1指令数据保存部23。此外,在该情况下,第2指令数据生成部22不输出第2指令数据13。而且,第1指令数据保存部23对作为第1驱动指令的第1指令数据11进行保存。另外,第1从属站点3生成与第1指令数据11相对应的扭矩指令而输出至第1电动机4,对第1电动机4进行驱动。
而且,传感器5对使第1电动机4驱动时的机械装置2的状态进行检测,将作为检测结果的传感器数据12输出至主站点1。由此,传感器数据保存部24将使第1电动机4驱动时的传感器数据12保存至传感器数据保存区域240A。如上所述,传感器数据保存部24在传感器数据保存区域240A中保存的传感器数据12,是主站点1不使第2电动机7驱动、而是使第1电动机4驱动时的传感器数据12。
而且,在步骤S20中,阈值生成部26生成故障诊断阈值。具体地说,阈值生成部26从第1指令数据保存部23将作为第1驱动指令的第1指令数据11读出,从传感器数据保存部24的传感器数据保存区域240A将作为第3检测数据的传感器数据12读出。而且,阈值生成部26基于第1指令数据11及传感器数据12,生成故障诊断阈值。阈值生成部26可以通过任意的方法生成故障诊断阈值。阈值保存部27对由阈值生成部26生成的故障诊断阈值进行保存。
此外,阈值生成部26也可以不使用第1指令数据11,而是使用传感器数据12生成故障诊断阈值。在该情况下,主站点1可以不具有第1指令数据保存部23。
在这里,说明阈值生成部26不使用第1指令数据11,而是使用传感器数据12生成故障诊断阈值的情况。阈值生成部26例如使用下面的(1)至(3)的方法,生成故障诊断阈值。(1)的方法是使用正常动作时的传感器数据12而生成故障诊断阈值的方法,(2)及(3)的方法是使用从正常动作时至机械装置2的机械部件发生故障为止的期间的传感器数据12而生成故障诊断阈值的方法。
(1)阈值生成部26将正常动作时的传感器数据12的最大值及最小值乘以特定的倍率而得到的值设定为故障诊断阈值。
(2)阈值生成部26将从机械部件发生了故障的定时起特定的时间量之前的传感器数据12的值设定为故障诊断阈值。
(3)阈值生成部26将在正常动作中稳定的传感器数据12的值直至机械部件发生故障为止而示出上升倾向或者下降倾向的定时的值设定为故障诊断阈值。
图8是表示生成实施方式所涉及的故障诊断阈值时的第1指令数据和传感器数据的关系的图。在图8中,示出了在步骤S10中故障诊断系统100使第1电动机4驱动时的第1指令数据11及传感器数据12。图8所示的曲线图的横轴是时间。图8所示的上段侧的曲线图的纵轴是第1指令数据11,下段侧的曲线图的纵轴是传感器数据12。阈值生成部26基于如图8所示的第1指令数据11及传感器数据12,生成故障诊断阈值。
另外,在故障诊断系统100中,在步骤S30中,主站点1对在机械装置2与第2电动机7连结的状态使第2电动机7驱动时的传感器数据12进行收集。
具体地说,主站点1的第2指令数据生成部22生成第2指令数据13,输出至第2从属站点6及第2指令数据保存部25。此外,在该情况下,第1指令数据生成部21不输出第1指令数据11。而且,第2指令数据保存部25在第2指令数据保存区域250A对作为第2驱动指令的第2指令数据13进行保存。另外,第2从属站点6生成与第2指令数据13相对应的扭矩指令而输出至第2电动机7,对第2电动机7进行驱动。
而且,传感器5对使第2电动机7驱动时的机械装置2的状态进行检测,将作为检测结果的传感器数据12输出至主站点1。由此,传感器数据保存部24将使第2电动机7驱动时的传感器数据12保存至传感器数据保存区域240B。此外,用于使第2电动机7驱动的第2指令数据13,也可以与实际上使机械装置2运转时的指令数据不同。如上所述,传感器数据保存部24在传感器数据保存区域240B中保存的传感器数据12,是主站点1不使第1电动机4驱动、而是使第2电动机7驱动时的传感器数据12。
在步骤S40中,模型生成部28生成传感器数据计算模型。具体地说,模型生成部28从传感器数据保存部24的传感器数据保存区域240B将作为第4检测数据的传感器数据12读出,从第2指令数据保存部25的第2指令数据保存区域250A将作为第2驱动指令的第2指令数据13读出。而且,模型生成部28基于传感器数据12及第2指令数据13,生成传感器数据计算模型。模型生成部28可以通过任意的方法生成传感器数据计算模型。模型保存部29对通过模型生成部28生成的传感器数据计算模型进行保存。
模型生成部28例如使用系统辨识方法而生成传感器数据计算模型。该系统辨识方法的例子是频率响应法、暂态响应法或者最小二乘法。模型生成部28在使用系统辨识方法而生成传感器数据计算模型的情况下,基于作为实际的输入数据的第2指令数据13和作为实际的输出数据的传感器数据12,对传感器数据计算模型进行推定。具体地说,模型生成部28如果被输入第2指令数据13,则对输出与其相对应的传感器数据12的传感器数据计算模型进行推定。换言之,模型生成部28基于被输入的第2指令数据13和被输出的传感器数据12,对与输入和输出之间的处理相对应的传感器数据计算模型进行推定。
图9是表示生成实施方式所涉及的传感器数据计算模型时的、第2指令数据和传感器数据的关系的图。在图9中,示出了在步骤S30中故障诊断系统100使第2电动机7驱动时的第2指令数据13及传感器数据12。图9所示的曲线图的横轴是时间。图9所示的上段侧的曲线图的纵轴是第2指令数据13,下段侧的曲线图的纵轴是传感器数据12。模型生成部28基于如图9所示的传感器数据12及第2指令数据13,生成传感器数据计算模型。
主站点1在步骤S10的处理后执行步骤S20的处理,在步骤S30的处理后执行步骤S40的处理。此外,主站点1可以先执行步骤S10、S20的处理和步骤S30、S40的处理中的任意者。主站点1如果执行了故障诊断阈值的生成和传感器数据计算模型的生成,则运转前准备结束。
故障诊断系统100在机械装置2与第1电动机4及第2电动机7连结的状态下开始装置运转。在步骤S50中,主站点1对使第1电动机4及第2电动机7驱动时的传感器数据12进行收集。
具体地说,第1指令数据生成部21生成第1指令数据11,输出至第1从属站点3。另外,第2指令数据生成部22生成第2指令数据13,输出至第2从属站点6及第2指令数据保存部25。
由此,第2指令数据保存部25在第2指令数据保存区域250B中对作为第3驱动指令的第2指令数据13进行保存。另外,第1从属站点3生成与第1指令数据11相对应的扭矩指令而输出至第1电动机4,第2从属站点6生成与第2指令数据13相对应的扭矩指令而输出至第2电动机7。由此,第1电动机4及第2电动机7驱动,机械装置2通过第1电动机4及第2电动机7而进行动作。
而且,传感器5对使第1电动机4及第2电动机7驱动时的机械装置2的状态进行检测,将作为检测结果的传感器数据12输出至主站点1。由此,传感器数据保存部24将使第1电动机4及第2电动机7驱动时的作为第1检测数据的传感器数据12保存至传感器数据保存区域240C。
推定传感器数据计算部30在执行机械装置2的故障诊断时,从传感器数据保存部24的传感器数据保存区域240C读出传感器数据12,从模型保存部29读出传感器数据计算模型,从第2指令数据保存部25的第2指令数据保存区域250B读出第2指令数据13。
图10是表示执行实施方式所涉及的故障诊断时的、第1指令数据、第2指令数据和传感器数据的关系的图。在图10中,示出了在步骤S50中故障诊断系统100使第1电动机4及第2电动机7驱动时的、第1指令数据11、第2指令数据13及传感器数据12。图10所示的曲线图的横轴是时间。图10所示的上段的曲线图的纵轴是第1指令数据11,中段的曲线图的纵轴是第2指令数据13,下段的曲线图的纵轴是传感器数据12。
在故障诊断系统100中,在步骤S60中,推定传感器数据计算部30对使第2电动机7驱动的情况下的推定传感器数据进行计算。使第2电动机7驱动的情况下的推定传感器数据,是与第2指令数据13相对应的推定传感器数据。此时,推定传感器数据计算部30使用传感器数据计算模型,对与第2指令数据保存区域250B的第2指令数据13相对应的推定传感器数据进行计算。
与第2指令数据13相对应的推定传感器数据,是传感器数据12中的、与第2指令数据13相对应的数据成分的推定值。在下面的说明中,有时将与第2指令数据13相对应的推定传感器数据称为推定传感器数据X2。作为第5检测数据的推定传感器数据X2,是在使第1电动机4及第2电动机7驱动的情况下检测的传感器数据12中的、起因于第2电动机7的数据成分的推定值。
图11是表示实施方式所涉及的第2指令数据和推定传感器数据的关系的图。在图11中,示出了在步骤S50中主站点1收集到的第2指令数据13和在步骤S60中推定传感器数据计算部30计算出的推定传感器数据X2的关系。图11所示的曲线图的横轴是时间。图11所示的上段侧的曲线图的纵轴是第2指令数据13,下段侧的曲线图的纵轴是推定传感器数据X2。
推定传感器数据计算部30在计算出推定传感器数据X2后,在步骤S70中,对使第1电动机4驱动的情况下的推定传感器数据进行计算。使第1电动机4驱动的情况下的推定传感器数据,是与第1指令数据11相对应的推定传感器数据。此时,推定传感器数据计算部30将从传感器数据保存区域240C读出的传感器数据12减去推定传感器数据X2,由此对与第1指令数据11相对应的推定传感器数据进行计算。
与第1指令数据11相对应的推定传感器数据,是传感器数据12中的、与第1指令数据11相对应的数据成分的推定值。在下面的说明中,有时将与第1指令数据11相对应的推定传感器数据称为推定传感器数据X1。作为第2检测数据的推定传感器数据X1,是在使第1电动机4及第2电动机7驱动的情况下检测的传感器数据12中的、起因于第1电动机4的数据成分的推定值。
图12是表示实施方式所涉及的第1指令数据和推定传感器数据的关系的图。在图12中,示出了在步骤S50中主站点1收集到的第1指令数据11和在步骤S70中推定传感器数据计算部30计算出的推定传感器数据X1的关系。图12所示的曲线图的横轴是时间。图12所示的上段侧的曲线图的纵轴是第1指令数据11,下段侧的曲线图的纵轴是推定传感器数据X1。
推定传感器数据计算部30将计算出的推定传感器数据X1输出至故障诊断部31。而且,在步骤S80中,故障诊断部31执行故障诊断,该故障诊断是在机械装置2中是否发生了故障的判定。故障诊断部31在推定传感器数据X1超过了阈值保存部27内的故障诊断阈值的情况下判定为故障。
故障诊断部31例如使用下面的(4)至(6)的方法,进行故障的判定。(4)至(6)的方法是周期性地检查推定传感器数据X1是否超过故障诊断阈值,根据推定传感器数据X1超过故障诊断阈值的次数而判定故障的方法。故障诊断部31使用(5)或者(6)的方法,由此能够防止误检测。
(4)如果推定传感器数据X1超过了故障诊断阈值,则故障诊断部31立即判定为故障。换言之,故障诊断部31即使推定传感器数据X1仅1次超过故障诊断阈值,也判定为故障。
(5)如果推定传感器数据X1以特定的次数连续地超过故障诊断阈值,则故障诊断部31判定为故障。故障诊断部31例如如果推定传感器数据X1连续3次超过故障诊断阈值,则判定为故障。
(6)如果推定传感器数据X1在特定的次数或者特定的时间中多次超过故障诊断阈值,则故障诊断部31判定为故障。故障诊断部31例如如果在10次中3次推定传感器数据X1超过故障诊断阈值,则判定为故障。
现有的故障诊断系统在开始装置运转后,使用使多个驱动源动作时的传感器数据,创建用于对机械装置的故障进行判定的阈值。在该情况下,使多个驱动源动作时的传感器数据,叠加有起因于多个驱动源的数据成分。因此,就现有的故障诊断系统而言,如果机械装置的结构发生变更,则起因于变更后的部位的传感器数据的数据成分会变化。其结果,传感器数据在对机械装置的结构进行变更前和变更后不同。因此,根据机械装置的结构或者特性而传感器数据变得不同,因此以往需要针对机械装置的每个结构及每个特性对用于判定机械装置的故障的阈值进行设定。
另一方面,实施方式的故障诊断系统100在机械装置2的结构或者特性发生了变更的情况下,仅再次执行步骤S30至S70的处理,就能够对机械装置2的故障进行诊断。即,实施方式的故障诊断系统100在机械装置2的结构或者特性发生了变更的情况下,无需执行步骤S10、S20的处理,使用设定完成的故障诊断阈值就能够对机械装置2的故障进行诊断。
此外,在实施方式中,说明了机械装置2通过第1电动机4及第2电动机7而动作的情况,但使机械装置2动作的驱动源也可以大于或等于3个。在该情况下,故障诊断系统100通过与上述的处理顺序相同的处理顺序,也能够对机械装置2的故障进行诊断。
在这里,关于主站点1的硬件结构进行说明。图13是表示实施方式所涉及的主站点的硬件结构例的图。主站点1能够通过图13所示的控制电路300、即处理器301及存储器302而实现。处理器301的例子是CPU(还称为Central Processing Unit、中央处理装置、处理装置、运算装置、微处理器、微型计算机、处理器、DSP)或者系统LSI(Large ScaleIntegration)。存储器302的例子是RAM(Random Access Memory)、ROM(Read Only Memory)或者闪存。
主站点1是处理器301读出并执行由存储器302存储的、用于执行主站点1的动作的程序而实现的。另外,该程序还可以说是使计算机执行主站点1的顺序或者方法的程序。存储器302还用于处理器301执行各种处理时的暂时存储器。
如上所述,处理器301执行的程序是具有计算机可读取且非易失性的(non-transitory)记录介质的计算机程序产品,该记录介质包含能够由计算机执行的、用于进行数据处理的多个命令。处理器301执行的程序使计算机针对多个命令而执行数据处理。
另外,可以将主站点1通过专用的硬件实现。另外,关于主站点1的功能,也可以将一部分通过专用的硬件实现,将一部分通过软件或者固件实现。
如以上所述,在故障诊断系统100中,主站点1的推定传感器数据计算部30从在使连结有第1电动机4及第2电动机7的机械装置2动作时检测的传感器数据12将起因于第2电动机7的数据成分去除,由此推定出起因于第1电动机4的传感器数据12。而且,故障诊断部31将起因于第1电动机4的传感器数据12和故障诊断阈值进行比较,由此诊断出机械装置2的故障。
如上所述,根据实施方式,对起因于第1电动机4的传感器数据12进行推定,因此能够适用用于对机械装置2是否发生故障进行诊断的单一的故障诊断阈值。因此,在机械装置2的装置结构或者装置特性发生了变更的情况下,能够节省针对每个机械装置2生成故障诊断阈值的工作量,因此能够削减进行故障诊断时的准备工序数。因此,即使在机械装置2的装置结构或者装置特性发生了变更的情况下,也能够容易地进行机械装置2的故障诊断。
以上的实施方式所示的结构,表示本发明的内容的一个例子,也能够与其他公知技术进行组合,在不脱离本发明的主旨的范围,也能够对结构的一部分进行省略、变更。
标号的说明
1主站点,2机械装置,3第1从属站点,4第1电动机,5传感器,6第2从属站点,7第2电动机,11第1指令数据,12传感器数据,13第2指令数据,21第1指令数据生成部,22第2指令数据生成部,23第1指令数据保存部,24传感器数据保存部,25第2指令数据保存部,26阈值生成部,27阈值保存部,28模型生成部,29模型保存部,30推定传感器数据计算部,31故障诊断部,100故障诊断系统。
Claims (4)
1.一种故障诊断装置,其特征在于,具有:
推定数据计算部,其从在使连结有第1驱动源及第2驱动源的装置动作时检测的表示所述装置的状态的第1检测数据,将起因于所述第2驱动源的数据成分去除,由此对起因于所述第1驱动源的表示所述装置的状态的第2检测数据进行推定;以及
故障诊断部,其对所述第2检测数据和阈值进行比较,由此对所述装置的故障进行诊断。
2.根据权利要求1所述的故障诊断装置,其特征在于,
还具有阈值生成部,该阈值生成部基于在所述装置没有与所述第1驱动源连结的状态下输出至所述第1驱动源侧的用于对所述第1驱动源进行驱动的第1驱动指令、和在输出了所述第1驱动指令时检测的表示所述装置的状态的第3检测数据,生成所述阈值。
3.根据权利要求1或2所述的故障诊断装置,其特征在于,
还具有模型生成部,该模型生成部基于在所述装置与所述第2驱动源连结的状态下输出至所述第2驱动源侧的用于对所述第2驱动源进行驱动的第2驱动指令、和在输出了所述第2驱动指令时检测的表示所述装置的状态的第4检测数据而生成模型,该模型用于对表示所述装置的状态、作为起因于所述第2驱动源的数据成分的第5检测数据进行推定,
所述推定数据计算部基于在检测到所述第1检测数据时输出至所述第2驱动源的用于对所述第2驱动源进行驱动的第3驱动指令和所述模型,对所述第5检测数据进行推定,从所述第1检测数据将所述第5检测数据去除,由此对所述第2检测数据进行推定。
4.一种故障诊断方法,其特征在于,包含下述步骤:
检测步骤,对使连结有第1驱动源及第2驱动源的装置动作时的表示所述装置的状态的第1检测数据进行检测;
推定步骤,从所述第1检测数据将起因于所述第2驱动源的数据成分去除,由此对起因于所述第1驱动源的表示所述装置的状态的第2检测数据进行推定;以及
故障诊断步骤,将所述第2检测数据和阈值进行比较,由此对所述装置的故障进行诊断。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2017/015497 WO2018193508A1 (ja) | 2017-04-17 | 2017-04-17 | 故障診断装置および故障診断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109643113A true CN109643113A (zh) | 2019-04-16 |
CN109643113B CN109643113B (zh) | 2020-03-31 |
Family
ID=63354858
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780052859.9A Active CN109643113B (zh) | 2017-04-17 | 2017-04-17 | 故障诊断装置及故障诊断方法 |
Country Status (3)
Country | Link |
---|---|
JP (1) | JP6381850B1 (zh) |
CN (1) | CN109643113B (zh) |
WO (1) | WO2018193508A1 (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7264231B2 (ja) * | 2019-03-19 | 2023-04-25 | 日本電気株式会社 | 監視方法、監視装置、プログラム |
US10783902B1 (en) * | 2019-04-18 | 2020-09-22 | Hitachi, Ltd. | Adaptive acoustic sensing method and system |
CN112526964B (zh) * | 2020-11-05 | 2022-05-03 | 东风商用车有限公司 | 一种车载控制器底层驱动故障诊断方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011215605A (ja) * | 2010-03-18 | 2011-10-27 | Ricoh Co Ltd | 電子機器、異常判定方法およびプログラム |
JP2016003875A (ja) * | 2014-06-13 | 2016-01-12 | 日本電気株式会社 | モータ異常検知システム、モータ異常検知方法、及びモータ異常検知プログラム |
JP2016224938A (ja) * | 2015-05-29 | 2016-12-28 | 株式会社日立ハイテクノロジーズ | 異常診断システム、及び異常診断方法 |
-
2017
- 2017-04-17 CN CN201780052859.9A patent/CN109643113B/zh active Active
- 2017-04-17 WO PCT/JP2017/015497 patent/WO2018193508A1/ja active Application Filing
- 2017-04-17 JP JP2018506361A patent/JP6381850B1/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011215605A (ja) * | 2010-03-18 | 2011-10-27 | Ricoh Co Ltd | 電子機器、異常判定方法およびプログラム |
JP2016003875A (ja) * | 2014-06-13 | 2016-01-12 | 日本電気株式会社 | モータ異常検知システム、モータ異常検知方法、及びモータ異常検知プログラム |
JP2016224938A (ja) * | 2015-05-29 | 2016-12-28 | 株式会社日立ハイテクノロジーズ | 異常診断システム、及び異常診断方法 |
Also Published As
Publication number | Publication date |
---|---|
JP6381850B1 (ja) | 2018-08-29 |
CN109643113B (zh) | 2020-03-31 |
WO2018193508A1 (ja) | 2018-10-25 |
JPWO2018193508A1 (ja) | 2019-04-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP3780508B2 (ja) | 工作機械の異常診断装置、異常診断方法及び異常診断プログラム | |
CN108572006B (zh) | 状态诊断装置 | |
US20180107196A1 (en) | Method of Detecting Home Appliance Bus Control System | |
US6898554B2 (en) | Fault detection in a physical system | |
RU2678623C1 (ru) | Устройство диагностики неисправностей и способ диагностики неисправностей | |
JP5991042B2 (ja) | 異常監視システムおよび異常監視方法 | |
US20130197854A1 (en) | System and method for diagnosing machine tool component faults | |
US20190258223A1 (en) | Failure prediction device and machine learning device | |
CN109643113A (zh) | 故障诊断装置及故障诊断方法 | |
EP2613163B1 (en) | Self-diagnostic apparatus and method for electric device | |
WO2019207881A1 (ja) | 故障診断装置、故障診断方法並びに故障診断装置が適用された機械 | |
US10571890B2 (en) | Diagnostic data acquisition system, diagnostic system, and computer readable medium | |
JP7332438B2 (ja) | 診断装置 | |
CN105539948A (zh) | 控制装置、系统及库程序 | |
JP2021015573A (ja) | 異常判定装置及び異常判定システム | |
JP6509001B2 (ja) | 故障診断システム | |
JP6415335B2 (ja) | 不具合診断方法及び不具合診断システム | |
US11009431B2 (en) | Failure mode specifying system, failure mode specifying method, and program | |
JP6702297B2 (ja) | プロセスの異常状態診断方法および異常状態診断装置 | |
CN110096029B (zh) | 热位移校正装置 | |
JP2006221308A (ja) | 異常検出方法および制御装置と、これらを用いた制御システム | |
JP7453049B2 (ja) | 異常予兆監視システム、異常予兆監視方法、及びプログラム | |
KR101473580B1 (ko) | 절삭 가공 장치의 상태 진단 방법 | |
JP7471983B2 (ja) | 状態監視装置および状態監視方法 | |
Chen et al. | Dynamic Drive Chain Error Analysis of Industrial Robots with Cyber Sensing Technology |
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 |