CN109690279A - 旋转机异常检测装置及其方法和旋转机 - Google Patents

旋转机异常检测装置及其方法和旋转机 Download PDF

Info

Publication number
CN109690279A
CN109690279A CN201780056345.0A CN201780056345A CN109690279A CN 109690279 A CN109690279 A CN 109690279A CN 201780056345 A CN201780056345 A CN 201780056345A CN 109690279 A CN109690279 A CN 109690279A
Authority
CN
China
Prior art keywords
frequency spectrum
whirler
abnormal
characteristic quantity
frequency
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201780056345.0A
Other languages
English (en)
Other versions
CN109690279B (zh
Inventor
荒木要
高桥英二
高木秀刚
林雅人
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Kobe Steel Ltd
Original Assignee
Kobe Steel Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Kobe Steel Ltd filed Critical Kobe Steel Ltd
Publication of CN109690279A publication Critical patent/CN109690279A/zh
Application granted granted Critical
Publication of CN109690279B publication Critical patent/CN109690279B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01M13/00—Testing of machine parts
    • G01M13/02—Gearings; Transmission mechanisms
    • G01M13/028—Acoustic or vibration analysis
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
    • G01N29/46—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by spectral analysis, e.g. Fourier analysis or wavelet analysis
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
    • 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
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/14—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object using acoustic emission techniques
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
    • G01N29/4472—Mathematical theories or simulation

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • Biochemistry (AREA)
  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Mathematical Physics (AREA)
  • Acoustics & Sound (AREA)
  • Pure & Applied Mathematics (AREA)
  • Algebra (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

在本发明所涉及的旋转机异常检测装置、旋转机异常检测方法及旋转机，测量因第一旋转体及第二旋转体中的至少一方而产生的振动，基于其测量数据的频谱，求出关于频率成分的规定的特征量，基于该求出的规定的特征量，判定有无异常。此时，在判定为有异常的情况下，基于所述频谱判定所述异常的判定是否由噪声引起，在判定为不是由所述噪声引起的情况下，则判定的所述异常最终被视为异常。

Description

旋转机异常检测装置及其方法和旋转机
技术领域
本发明涉及检测旋转机的异常的旋转机异常检测装置、旋转机异常检测方法以及具备所述旋转机异常检测装置的旋转机。
背景技术
例如，电动机、发电机、压缩机及泵等旋转机具备相对于规定的轴而绕轴旋转的旋转体。此种旋转机被利用于各种机械设备中，为了确保其正常的运转状态，检测其异常。为了检测其异常，例如有专利文献1公开的诊断装置以及专利文献2公开的异常接触检测装置。
在基于传感器的输出检测旋转机的异常的情况下，如果所述传感器的输出混入噪声，则有可能会误检测。如果是始终叠加于所述传感器的输出的噪声，则能够通过调查弄清所述噪声的特征，因此，通过利用对应于该弄清楚的所述噪声的特征的滤波器对所述传感器的输出进行过滤(滤波)，能够去除所述噪声。但是，不是异常时而有时产生的噪声并不一定具有再现性，难以掌握其特征，因此，难以去除此种噪声。结果，有可能会误检测。
现有技术文献
专利文献
专利文献1：日本专利公开公报特开平5-231361号
专利文献2：日本专利公开公报特开平9-133577号
发明内容
本发明是鉴于所述的情况而作出的发明，其目的在于提供一种能够以更高的可靠性判定异常的旋转机异常检测装置、旋转机异常检测方法以及具备所述旋转机异常检测装置的旋转机。
本发明所涉及的旋转机异常检测装置、旋转机异常检测方法及旋转机，测量因第一旋转体及第二旋转体中的至少一方而产生的振动，基于其测量数据的频谱，求出关于频率成分的规定的特征量，基于该求出的规定的特征量，判定有无异常。此时，在判定为有异常的情况下，基于所述频谱判定所述异常的判定是否由噪声引起，在判定为不是由所述噪声引起的情况下，则判定的所述异常最终被视为异常。因此，本发明所涉及的旋转机异常检测装置及旋转机异常检测方法能够以更高的可靠性判定异常。根据本发明，能够提供具备此种旋转机异常检测装置的旋转机。
所述以及其他的本发明的目的、特征及优点，通过以下的详细记载和附图而明确。
附图说明
图1是表示实施方式中的旋转机以及该旋转机具备的旋转机异常检测装置的结构的方框图。
图2是图1所示的旋转机的一例旋转体的俯视示意图。
图3是图2所示的旋转体的剖面示意图。
图4是用于说明在比较小的背景噪声的情况下的频谱处理的图。
图5是用于说明在比较大的背景噪声的情况下的频谱处理的图。
图6是表示正常时以及异常时的各B-频谱以及正常时以及噪声发生时的各B-频谱的图。
图7是表示正常时以及异常时的各B-频谱的差以及正常时以及噪声发生时的各B-频谱的差的图。
图8是表示最大值与平均值的差以及最大值与中间值的差的图。
图9是表示正常时以及噪声发生时的最大值与平均值的各差的图。
图10是表示实施方式中的旋转机异常检测装置的动作的流程图。
图11是用于说明第二实施方式的特征量的图。
图12是表示异常发生前后的频谱的时间变化的图。
图13是用于说明第三实施方式的特征量的图。
图14涉及第四实施方式的特征量，是表示模型信息的一例的图。
图15是用于说明图14所示的模型信息的求出方法的图。
图16是表示使用第五实施方式的特征量的异常判定结果的一例的图。
具体实施方式
下面，基于附图说明本发明所涉及的一实施方式。另外，在各图中，附上同一符号的结构表示相同的结构，并适当省略其说明。在本说明书中，总称的情况下用省略后缀的参照符号来表示，指个别的结构的情况下，用附上后缀的参照符号来表示。
图1是表示实施方式中的旋转机以及该旋转机具备的旋转机异常检测装置的结构的方框图。图2是图1所示的旋转机的一例旋转体的俯视示意图。图3是图2所示的旋转体的剖面示意图。图4是用于说明在比较小的背景噪声的情况下的频谱处理的图。图4A表示用AE传感器测量的测量数据，图4B表示其RMS，图4C表示其频谱。图4A的横轴是时间(自测量开始起的经过时间)，其纵轴是传感器输出的输出电平。图4B的横轴是时间(自测量开始起的经过时间)，其纵轴是RMS值。图4C的横轴是频率，其纵轴是成分值。图5是用于说明在比较大的背景噪声的情况下的频谱处理的图。图5A表示用AE传感器测量的测量数据，图5B表示透过高通滤波器后的测量数据。图5A及B的各横轴是时间(自测量开始起的经过时间)，其各纵轴是传感器输出的输出电平。
实施方式中的旋转机(旋转机械)是具备相对于规定的轴而绕轴旋转的旋转体的装置，而且，在本实施方式中，具备用于检测所述旋转体的异常的旋转机异常检测装置。更具体而言，如图1所示，旋转机M具备至少具有第一旋转体及第二旋转体的旋转部RB和旋转机异常检测装置AD，该旋转机异常检测装置AD例如具备振动测量部1以及具有异常检测部22的控制处理部2。并且，在图1所示的例子中，所述旋转机异常检测装置AD还具备输入部3、输出部4、接口部(IF部)5及存储部6。
组装了本实施方式的旋转机异常检测装置AD的旋转机M例如可为电动机、发电机、压缩机及泵等包含旋转体RB的任意的装置，在此，作为一例，对旋转机M为压缩机的情况进行以下说明。
作为该压缩机的旋转机M包括：至少具有所述第一旋转体及第二旋转体，并作为压力输送流体的压缩机而发挥功能的旋转部RB；和用于旋转驱动所述旋转体的图略的周边装置。例如，如图2及图3所示，旋转部RB具备：以在正常状态下隔开规定的间隔(间隙)G互相啮合的方式卡合，并相对于规定的各轴而绕轴旋转的一对的第一旋转体81-1及第二旋转体81-2；以及收容这些第一旋转体81-1及第二旋转体81-2的壳体82。
第一旋转体81-1是压缩机中的公转子，大概具备第一旋转体主体811-1、形成在第一旋转体主体的周面的多个凸部812-1、以及与该第一旋转体主体811-1同轴设置的第一旋转轴813-1。此种第一旋转体81-1以第一旋转轴813-1为中心例如向逆时针方向(箭头A方向)被旋转驱动。第二旋转体81-2是压缩机中的母转子，大概具备第二旋转体主体811-2、形成在第二旋转体主体的周面的多个凹部812-2、以及与该第二旋转体主体811-2同轴设置的第二旋转轴813-2。此种第二旋转体81-2以第二旋转轴813-2为中心例如向顺时针方向(箭头B方向)被旋转驱动。
以下，多个凸部812-1是指形成在第一旋转体81-1的周面的多个凸部812-1，凸部812-1是指这些多个凸部812-1中的任一个。多个凹部812-2是指形成在第二旋转体81-2的周面的多个凹部812-2，凹部812-2是指这些多个凹部812-2中的任一个。
通过第一旋转体81-1向逆时针方向旋转且第二旋转体81-2向顺时针方向旋转，多个凸部812-1及多个凹部812-2中的相对应的凸部812-1与凹部812-2依次啮合。即，通过第一旋转体81-1向逆时针方向旋转且第二旋转体81-2向顺时针方向旋转，某个凸部812-1与某个凹部812-2互相啮合，而且通过各自旋转而它们的啮合解除，下一个凸部812-1与下一个凹部812-2啮合，进一步通过各自旋转，它们的啮合解除，其下一个凸部812-1与下一个凹部812-2啮合。以下，反复这些动作。并且，通过这些动作，流体被压缩。
凸部812-1与凹部812-2啮合是指，凸部812-1进入凹部812-2，但在正常状态下，凸部812-1与凹部812-2不接触，具有所述规定的间隔G。凸部812-1与凹部812-2的接触意味着第一旋转体81-1与第二旋转体81-2的接触，是异常状态的一模式。
壳体82是截面为椭圆形，且具有能够从该壳体82的内周面隔开规定的间隔收容各轴平行地排列设置的第一旋转体81-1及第二旋转体81-2的空间的中空的圆柱体。壳体82在第一旋转体81-1及第二旋转体81-2的轴向的其中一侧设置有导入应压缩的流体的图略的流入口，在其另一侧设置有取出通过第一旋转体81-1及第二旋转体81-2被压缩的流体的图略的流出口。
并且，为了由旋转机异常检测装置AD检测出旋转体的异常，在本实施方式中，在壳体82的外壁，在预先设定的规定的位置安装振动测量部1。另外，振动测量部1可在壳体82的互不相同的位置安装多个。在图2中，作为其一例，所述振动测量部1在相对于轴向的大致中央位置靠近其中一侧的位置安装在壳体82的外侧壁。
振动测量部1是连接于控制处理部2，为了检测在旋转机M产生的异常，尤其检测在旋转部RB的旋转体81产生的异常，测量因旋转体81而产生的振动的装置。在本实施方式中，振动测量部1测量因第一旋转体81-1及第二旋转体81-2中的至少一方产生的振动。振动测量部1优选测量可听频带的振动以及超声波频带的振动中的至少一方的振动。另外，可听频带一般是20Hz至20kHz的范围，超声波频带一般是20kHz以上。此种振动测量部1例如是AE(Acoustic Emission)传感器等。具备该AE传感器的振动测量部1例如观测因接触等异常而在旋转体81产生的规定的波段的弹性波，并测量该弹性波。由振动测量部1测量的测量结果输出到控制处理部2。更具体而言，振动测量部1观测振动，并将所述振动的测量结果输出到控制处理部2。控制处理部2以预先设定的规定的时间间隔(采样间隔)将从振动测量部1输入的测量结果作为测量数据而采样。据此，控制处理部2获取隔开采样间隔而连续的时间序列性的测量数据。
输入部3是连接于控制处理部2，并将例如指示异常检测的开始的指令等各种指令、以及检测例如异常检测对象的旋转机M(或者旋转体81)中的标识符(ID)的输入等的异常时所需的各种数据输入到旋转机异常检测装置AD(旋转机M)的设备，例如为分配规定的功能的多个输入开关等、键盘以及鼠标等。输出部4是连接于控制处理部2，并按照控制处理部2的控制输出从输入部3被输入的指令、数据以及由旋转机异常检测装置AD检测及测量的各结果的设备，例如为CRT显示器、LCD显示器(液晶显示器)及有机EL显示器等显示装置、以及打印机等印刷装置等。
IF部5是连接于控制处理部2，并按照控制处理部2的控制与外部设备之间进行数据的输入输出的电路，例如为串行通信方式的RS-232C的接口电路以及使用USB(UniversalSerial Bus)规格的接口电路等。
存储部6连接于控制处理部2，按照控制处理部2的控制存储用于使旋转机异常检测装置AD的各部根据该各部的功能而动作的控制程序、用于检测旋转机M的异常的异常检测程序等各种控制处理程序、以及执行各控制处理程序所需的信息等。存储部6也是对控制处理部2的所谓的工作存储器。存储部6具备存储所述各控制处理程序以及这些程序所需的信息等的例如ROM(Read Only Memory)等非易失性存储元件、EEPROM(ElectricallyErasable Programmable Read Only Memory)等可擦写的非易失性的存储元件以及作为工作存储器的例如RAM(Random Access Memory)等易失性的存储元件和它们的周边电路而构成。并且，存储部6功能性地具备测量数据暂时存储部61及正常时频谱存储部62。
测量数据暂时存储部61如后所述用于暂时存储由振动测量部1测量的至少求出频谱而所需的测量数据(例如20秒钟、30秒钟、40秒钟、60秒钟等时间序列性的测量数据)。测量数据暂时存储部61如果存储满存储容量的测量数据，则删除时间上最早存储的测量数据，并存储最新的测量数据。测量数据暂时存储部61的存储容量是为至少求出所述频谱而所需的测量数据的容量以上。
正常时频谱存储部62用于存储正常时频谱。所述正常时频谱是在异常检测部22的后述的异常判定部223判定为无异常的情况下由振动测量部1测量的测量数据的频谱。优选：正常时频谱62在异常判定部223最近判定为无异常的情况下，将该判定中使用的由振动测量部1测量的测量数据的频谱作为正常时频谱而存储(更新并存储)。
另外，为了存储求出由振动测量部1测量的频谱所需的测量数据以上的个数(时间长度)的时间序列性的测量数据、以及通过对该测量数据实施规定的各数据处理而获得的各种数据，存储部6也可以还具备例如硬件等比较大容量的存储装置。
控制处理部2为了检测旋转机M的异常而将旋转机异常检测装置AD的各部根据该各部的功能而分别控制，例如具备CPU(Central Processing Unit)等微处理器及其周边电路而构成。并且，在控制处理部2中通过执行控制处理程序而功能性地形成控制部21以及异常检测部22。
控制部21用于将旋转机异常检测装置AD的各部根据该各部的功能而分别控制，并统括旋转机异常检测装置AD的整体控制。
异常检测部22基于由振动测量部1测量的测量结果，检测旋转机M中的异常。更具体而言，在本实施方式中，异常检测部22通过执行所述控制处理程序而功能性地具备频谱处理部221、特征量处理部222、异常判定部223及噪声判定部224。
频谱处理部221用于求出由振动测量部1测量的测量数据的频谱。在本实施方式中，特征量处理部222利用由振动测量部1测量的测量数据的RMS的频谱(A-频谱)，而噪声判定部224利用由振动测量部1测量的测量数据本身的频谱(B-频谱)，因此，对应于这些，频谱处理部221功能性地具备求出特征量处理部222用的A-频谱的A-子频谱处理部2211以及求出噪声判定部224用的B-频谱的B-子频谱处理部2212。
更具体而言，A-子频谱处理部2211求出由振动测量部1测量的测量数据的RMS(Root Mean Square，均方根)，并通过对该求出的测量数据的RMS进行傅里叶变换，例如高速傅里叶变换，从而求出所述测量数据的A-频谱(A-功率谱)。在一例中，根据图4A所示的测量数据，由A-子频谱处理部2211求出图4B所示的所述测量数据的RMS，然后，由A-子频谱处理部2211求出图4C所示的所述测量数据的A-频谱(A-功率谱)。另外，RMS的时间常数(用于求出RMS的测量数据的个数)考虑振动测量部1的采样率和旋转体81的转数而适当设定。此外，图4是具备齿数为3个的第一旋转体81-1和齿数为4个的第二旋转体81-2的旋转机M的测量结果，在图4C所示的例子中，三次谐波成分F3最强，因此，齿数为4个的第二旋转体81-2每当旋转一圈就接触一次。
另外，也可代替求出RMS来求出A-频谱的A-子频谱处理部2211而使用图1中用虚线所示的求出包络(包络线)来求出频谱(C-频谱)的C-子频谱处理部2213。例如，C-子频谱处理部2213通过包络线检波，求出由振动测量部1测量的测量数据的包络(包络线)，通过对该求出的测量数据的包络进行傅里叶变换(优选高速傅里叶变换)来求出所述测量数据的频谱(C-频谱、C-功率谱)。
B-子频谱处理部2212对由振动测量部1测量的测量数据直接进行傅里叶变换，例如通过进行高速傅里叶变换来求出所述测量数据的B-频谱(B-功率谱)。即，B-子频谱处理部2212对由振动测量部1测量的测量数据本身(由振动测量部1测量的原始测量数据)进行傅里叶变换。
另外，大概始终产生的背景噪声例如图4A所示比较小的情况下，如上所述，可根据振动测量部1的测量数据求出所述测量数据的RMS以及所述测量数据的包络，但是，例如有时因旋转机M的设置环境等而所述背景噪声例如图5A所示比较大，在此种情况下，表示旋转机81的异常的信号有时埋没于所述背景噪声而不明确地显现。在此种情况下，为了提取表示旋转体81的异常的信号，频谱处理部221例如图1的虚线所示，也可以具备用于去除所述背景噪声等噪声的高通滤波器2214。高通滤波器2214的截止频率可考虑表示旋转体81的异常的信号的频率而适当设定，例如设定为100kHz等值。这些所述的A-子频谱处理部2211及C-子频谱处理部2213对通过高通滤波器2214过滤(滤波)的测量数据求出其RMS以及其包络，并求出其频谱。同样，所述的B-子频谱处理部2212对通过高通滤波器2214过滤(滤波)的测量数据求出其频谱。
特征量处理部222基于由频谱处理部221求出的频谱求出关于规定的频率成分相关的规定的特征量CV。在本实施方式中，如上所述，特征量处理部222基于由频谱处理部221的A-子频谱处理部2211求出的A-频谱，求出关于规定的频率成分的规定的特征量CV。更具体而言，设第一旋转体81-1的第一齿数以及第一旋转频率分别为MA[个]及VA[Hz]，第二旋转体81-2的第二齿数及第二旋转频率分别为MB[个]及VB[Hz]，第一齿数MA和第二齿数MB的最小公倍数为XAB，第一旋转频率VA除以第一齿数MA的基波啮合频率VA/MA为f1[Hz]，对基波啮合频率f1的n次谐波啮合频率(n为2以上的整数)为fn[Hz]的情况下，特征量处理部222根据由频谱处理部221求出的频谱，求出基波啮合频率f1的基波成分F1以及到最小公倍数XAB为止的n次谐波啮合频率fn(n＝2～XAB)的n次谐波成分Fn，并基于该求出的基波成分F1以及n次谐波成分Fn求出所述规定的特征量CV。
为了取出包含在振动测量部1的测量数据中的表示旋转体81的异常的信号以及去除包含在振动测量部1的测量数据中的各种噪声，关于该规定的频率成分的所述规定的特征量CV可采用各种适宜的各量，例如可举出第一至第五实施方式的各特征量CVa～CVe。在此，说明第一实施方式的特征量CVa，第二至第五实施方式的各特征量CVb～CVe将在后面叙述。
该第一实施方式的特征量CVa如下式1所示，是求出的所述基波成分F1及所述n次谐波成分Fn的总和CVa。因此，特征量处理部222具备根据由频谱处理部221求出的A-频谱求出基波啮合频率f1的基波成分F1以及到最小公倍数XAB为止的n次谐波啮合频率fn(n＝2～XAB)的n次谐波成分Fn，并求出该求出的基波成分F1以及n次谐波成分Fn的总和的特征量处理部222a而构成。另外，如上所述，也可代替A-频谱而使用C-频谱。以下也相同。
CVa＝∑Fi (1)
其中，i为1～XAB的整数，∑是对i求出F的和的运算符。
例如，在第一旋转体81-1，其第一齿数MA为3个，其第一旋转频率VA为60Hz(MA＝3、VA＝60)，在第二旋转体81-2，其第二齿数MB为4个，其第二旋转频率VB为45Hz(MB＝4、VB＝45)的情况下，它们的最小公倍数XAB为12，因此，啮合的组合也为12种。在此，基波啮合频率f1为20(＝60/3)Hz，因此，这些第一旋转体81-1及第二旋转体81-2具有基波啮合频率f1的20Hz和40Hz、60Hz、80Hz、……、200、220、240的n次谐波啮合频率fn(n＝2～XAB(＝12))的12种啮合频率(f1～f12)。因此，在此种情况下，特征量处理部222a根据A-频谱求出基波啮合频率20Hz的基波成分F1以及到最小公倍数12为止的n次谐波啮合频率fn(n＝2～12)的n次谐波成分Fn，并将它们的总和作为第一实施方式的特征量CVa而求出(CVa＝∑Fi、i＝1～12，∑对i求和)。
异常判定部223基于由特征量处理部222求出的特征量CV判定旋转机M中有无异常。更具体而言，异常判定部223根据由特征量处理部222求出的特征量CV是否为预先设定的规定的阈值(异常判定阈值)tha以上来判定旋转机M中有无异常。更详细而言，异常判定部223在特征量处理部222求出的特征量CV为所述异常判定阈值tha以上的情况下，判定为旋转机M异常，在特征量处理部222求出的特征量CV不是所述异常判定阈值tha以上的情况下(所述特征量CV低于所述异常判定阈值tha的情况下)，判定为旋转机M无异常。所述规定的阈值(异常判定阈值)tha在从正常状态的旋转机M采样的测量数据和从异常状态的旋转机M采样的测量数据中，配合特征量CV的方式而适当设定。并且，异常判定部223在所述判定的结果判定为无异常的情况下，将使用于该判定的测量数据的频谱作为正常时频谱而存储在存储部6中。更具体而言，异常判定部223在所述判定的结果判定为无异常的情况下，根据使用于该判定的测量数据，由B-子频谱处理部2212求出B-频谱，将该求出的B-频谱作为正常时频谱而存储在存储部6的正常时频谱存储部62中。
在此，异常判定部223在判定所述异常的有无的结果判定为有异常的情况下，设该判定的异常为暂时的判定，在由噪声判定部224判定为不是由噪声引起的情况下，将设为暂时的判定的所述异常最终视为异常，而在由噪声判定部224判定为是由噪声引起的情况下，将设为暂时的判定的所述异常废弃。另外，代替所述废弃，也可输出所述噪声的发生。
噪声判定部224在由异常判定部223判定为有异常的情况下，基于由频谱处理部221求出的频谱判定所述异常的判定是不是由噪声引起的。在本实施方式中，如上所述，噪声判定部224基于由频谱处理部221的B-子频谱处理部2212求出的B-频谱判定所述异常的判定是否由噪声引起。因此，在本实施方式中，噪声判定部224在异常判定部223判定为无异常的情况下，不实施其判定的处理。
更具体而言，噪声判定部224基于由频谱处理部221的B-子频谱处理部2212求出的B-频谱与存储在存储部6的正常时频谱存储部62中的正常时频谱的差，判定所述异常的判定是否由噪声引起。更详细而言，噪声判定部224基于从所述差的最大值减去所述差的平均值的减法结果(第一减法结果)，判定所述异常的判定是否由噪声引起。优选：噪声判定部224比较所述第一减法结果和预先设定的规定的阈值(第一判定阈值)thb，在所述第一减法结果大于所述第一判定阈值thb的情况下(或所述第一减法结果为所述第一判定阈值thb以上的情况下)，判定为所述异常的判定是由噪声引起，在所述第一减法结果为所述第一判定阈值thb以下的情况下(或所述第一减法结果低于所述第一判定阈值thb的情况下)，判定为所述异常的判定不是由噪声引起。
以下说明通过此种噪声判定部224的数据处理能够判定所述噪声的有无的理由。
图6是表示正常时及异常时的各B-频谱和正常时及噪声发生时的各B-频谱的图。图6A表示正常时及异常时的各B-频谱，图6B表示正常时及噪声发生时的各B-频谱。在图6A及图6B中，其各横轴是频率，其各纵轴为频谱强度(成分值、频谱值)。另外，在图6A及图6B中，在包含高于高通滤波器2214的截止频率的频率的频率范围示出了B-频谱。图7是表示正常时及异常时的各B-频谱的差和正常时及噪声发生时的各B-频谱的差的图。图7的横轴是频率，其纵轴是差分值。图8是表示最大值与平均值的差以及最大值与中间值的差的图。图8A表示最大值与平均值的差，图8B表示最大值与中间值的差。图9是表示异常时以及噪声发生时的最大值与平均值的各差的图。图9的横轴是事例(测量数据名)，其纵轴是指标值α。◇表示异常时的指标值α，口表示噪声发生时的指标值α。
根据旋转机M没有异常且由振动测量部1测量的测量数据不含所述噪声的情况下(正常时)的测量数据求出的B-频谱(正常时频谱)在一例中为图6A及图6B中用虚线所示的波形。
相对于此，根据旋转机M有异常且由振动测量部1测量的测量数据不包所述噪声的情况下的测量数据求出的B-频谱(异常发生时频谱)在一例中如图6A中用实线所示，通过发生所述异常，在各频率，成为具有大于正常时频谱的成分值的波形(大概在整个频率范围具有大于正常时频谱的成分值的波形)。
另一方面，根据旋转机M没有异常且振动测量部1测量的测量数据包含所述噪声的情况下的测量数据求出的B-频谱(噪声发生时频谱)在一例中如图6B中用实线所示，大致整体上为具有与正常时频谱大致相同的成分值的波形，但是，因所述噪声的发生而在有些频率成为以脉冲状具有大于正常时频谱的成分值的波形。
由于具有此种特性，按各频率求出的异常发生时频谱与正常时频谱的差(第一差)如图7中用实线所示，在整个频率范围大致成为平坦的波形(作为整体上的倾向为平坦的波形)。另一方面，按各频率求出的噪声发生时频谱与正常时频谱的差(第二差)如图7中用虚线所示，在所述有些频率成为以脉冲状具有大的值的波形。
其结果，噪声发生时频谱与正常时频谱的第二差的最大值减去所述第二差的平均值的第一减法结果(噪声发生时，图8A的纸面右侧)如图8A所示，非偶然地大于异常发生时频谱与正常时频谱的第二差的最大值减去所述第二差的平均值的第一减法结果(接触异常时，图8A的纸面左侧)。其他多个事例(采样)中的第一减法结果如图9所示，得到与图8A同样的结果。因此，根据这些，第一减法结果能够用作可将振动测量部1测量的测量数据分为异常发生时和噪声发生时的指标值α((指标值α)＝(第一减法结果)＝(所述第二差的最大值)-(所述第二差的平均值))。所述第二差的平均值通过累积各频率的各第二差(全部加在一起)并除以所述各频率的个数而求出。
第一判定阈值thb例如图9所示适当地被设定为可从多个事例中分离异常发生时的指标值α(◇)和噪声发生时的指标值α(口)。
另外，如图8B所示，噪声发生时频谱与正常时频谱的第二差的最大值减去所述第二差的中间值(中位数)的减法结果(第二减法结果)(噪声发生时，图8B的纸面右侧)非偶然地大于异常发生时频谱与正常时频谱的第二差的最大值减去所述第二差的中间值的第二减法结果(接触异常时，图8B的纸面左侧)。虽未图示，其他多个事例(采样)中的第二减法结果也一样。因此，也可用所述第二差的中间值来代替所述第二差的平均值。即，噪声判定部224可基于从所述第二差的最大值减去所述第二差的中间值(中位数)的减法结果(第二减法结果)判定所述异常的判定是否由噪声引起。在此情况下，优选：噪声判定部224比较所述第二减法结果与预先设定的阈值(第二判定阈值)thc，在所述第二减法结果大于所述第二判定阈值thc的情况下(或者所述第二减法结果为所述第二判定阈值thc以上的情况下)判定为所述异常的判定由噪声引起，在所述第二减法结果为所述第二判定阈值thc以下的情况下(或者所述第二减法结果小于所述第二判定阈值thc的情况下)判定为所述异常的判定不是由噪声引起。
下面，说明本实施方式的动作。图10是表示实施方式的旋转机异常检测装置的动作的流程图。
旋转机异常检测装置AD例如由用户操作图略的起动开关而旋转机M的运转开始，就执行控制处理程序。通过该控制处理程序的执行，在控制处理部2功能性地构成控制部21及异常检测部22，在异常检测部22功能性地构成频谱处理部221、特征量处理部222(在此为特征量处理部222a)、异常判定部223及噪声判定部224，在频谱处理部221功能性地构成A-子频谱处理部2211及B-子频谱处理部2212。并且，旋转机异常检测装置AD通过以下的动作检测旋转机M的异常。
首先，振动测量部1观测旋转机M中的振动，并将所述振动的测量结果输出到控制处理部2。
在图10，首先，旋转机异常检测装置AD利用控制处理部2收集测量数据(S1)。更具体而言，在所述的状态下，控制处理部2利用控制部21以规定的采样间隔将从振动测量部1输入的测量结果(振动测量部1的输出)作为测量数据而采样，并将其存储在存储部6的测量数据暂时存储部61中。据此，测量结果隔开采样间隔而连续地被计测，由时间序列性的多个数据形成的测量数据被存储到测量数据暂时存储部61中。如果测量数据暂时存储部61的存储容量全部(存储部60中作为测量数据暂时存储部61而确保的存储区域全部)被时间序列性的各测量数据所占满，时间上最早被采样并被存储的测量数据从测量数据暂时存储部61删除，新采样的测量数据被存储在测量数据暂时存储部61中。
接着，旋转机异常检测装置AD通过异常检测部22中的频谱处理部221的A-子频谱处理部2211(或者C-子频谱处理部2213)，根据存储在存储部6中的包含最新测量(采样)的测量数据且预先设定的规定的时间范围的测量数据(从最新的测量时间起追溯与所述规定的时间范围相对应的时间的时间为止测量的各测量结果的测量数据)求出所述测量数据的RMS(或者所述测量数据的包络)，通过对该求出的所述测量数据的RMS(或者所述测量数据的包络)进行高速傅里叶变换(FFT)，从而求出测量数据的第一频谱(或者C-频谱)(S2)。另外，如上所述，在求出RMS或包络之前，测量数据也可用高通滤波器2214滤波。
接着，旋转机异常检测装置AD通过异常检测部22的特征量处理部222基于频谱处理部221求出的频谱求出所述规定的特征量CV(S3)。在此，由特征量处理部222a求出第一实施方式的特征量CVa，即求出基波成分F1及n次谐波成分Fn的总和(CVa＝∑Fi，i＝1～12，∑对i求和)。另外，考虑旋转体81的转数的误差，为了包含基波成分F1及n次谐波成分Fn的各成分，可分别在基波成分F1及n次谐波成分Fn的各成分中，对所述总和加上前后的数字数据。
接着，旋转机异常检测装置AD通过异常检测部22的异常判定部223基于特征量处理部222求出的所述规定的特征量CV判定旋转机M中有无异常(S4)。更具体而言，在此，异常判定部223通过判定特征量处理部222a求出的第一实施方式的特征量CVa是否为所述规定的阈值(异常判定阈值)tha以上来判定旋转机M中有无异常。该判定的结果，异常判定部223在特征量处理部222a求出的第一实施方式的特征量CVa为所述异常判定阈值tha以上的情况下判定为有旋转机M的异常(是)，接着，执行处理S5。另一方面，所述判定的结果，异常判定部223在特征量处理部222a求出的第一实施方式的特征量CVa不是所述异常判定阈值tha以上的情况下判定为无旋转机M的异常(否)，接着执行处理S11。
在处理S11，旋转机异常检测装置AD在异常检测部22的异常判定部223判定为无异常的情况下，根据该判定中使用的测量数据，由B-子频谱处理部2212求出B-频谱，将该求出的B-频谱作为正常时频谱而存储在存储部6的正常时频谱存储部62中，并使处理返回到处理S2。在正常时频谱存储部62中存储有正常时频谱的情况下，用该求出的B-频谱更新正常时频谱存储部62，该求出的B-频谱被存储在正常时频谱存储部62中。因此，在存储部6的正常时频谱存储部62中，由异常判定部223最近判定为无所述异常的情况下由振动测量部1测量的测量数据的B-频谱作为正常时频谱而被存储(更新并存储)。
另一方面，在处理S5，旋转机异常检测装置AD通过异常检测部22的噪声判定部224基于频谱处理部221求出的频谱判定所述处理S4中的异常的判定是否由噪声引起。更具体而言，在本实施方式中，噪声判定部224首先通过频谱处理部221的B-子频谱处理部2212求出所述测量数据的B-频谱，求出该求出的B-频谱与存储在存储部6的正常时频谱存储部62中的正常时频谱的差(第二差)。另外，如上所述，在求出B-频谱之前，测量数据也可用高通滤波器2214被滤波。接着，噪声判定部224求出从所述第二差的最大值减去所述第二差的平均值的减法结果(第一减法结果)。然后，噪声判定部224比较所述第一减法结果和预先设定的规定的阈值(第一判定阈值)thb，据此基于所述第一减法结果判定所述异常的判定是否由噪声引起。该判定的结果，噪声判定部224在所述第一减法结果大于所述第一判定阈值thb的情况下(或者所述第一减法结果为所述第一判定阈值thb以上的情况下)，判定所述异常的判定由噪声引起(是)，并使处理返回到处理S2。因此，在本实施方式中，在处理S4由异常判定部223判定为有异常的判定结果被废弃。另一方面，所述判定的结果，噪声判定部224在所述第一减法结果为所述第一判定阈值thb以下的情况下(或者所述第一减法结果小于所述第一判定阈值thb的情况下)，判定所述异常的判定不是由噪声引起(否)，接着执行处理S6。另外，如上所述，也可以代替所述平均值而使用所述中间值(中位数)，此时，代替所述第一判定阈值thb而使用所述第三判定阈值thc。
在处理S6，旋转机异常检测装置AD通过异常检测部22的异常判定部223，将在处理S4由异常判定部223判定为有异常的判定结果视为最终的判定结果，并通过控制部21将处理S4的判定结果(有异常)输出到输出部4。
接着，旋转机异常检测装置AD通过控制处理部2判定是否结束，即判定是否不需要下一次异常判定(S7)。该判定的结果，控制处理部2在结束(不需要)的情况下(是)，结束本处理，另一方面，在不是结束(不需要)的情况下(否)，使处理返回到处理S2。另外，也可以在使处理返回到处理S2之前实施待机规定的时间的待机处理(等待处理)。据此，每隔规定的时间继续实施异常判定。
如以上说明，本实施方式中的旋转机异常检测装置AD、安装于该旋转机异常检测装置AD的旋转机异常检测方法以及具备该旋转机异常检测装置AD的旋转机M在噪声判定部224判定为不是由所述噪声引起的情况下，将由异常判定部223判定的异常最终视为异常，因此，能够辨别由所述噪声引起的异常判定和不是由所述噪声引起的异常判定，能够以更高的可靠性判定异常。并且，所述旋转机异常检测装置AD、该方法以及旋转机M在异常判定部223判定为有异常的情况下，由噪声判定部224实施判定处理，因此，在异常判定部223判定为无异常的情况下，噪声判定部224不实施判定处理，因此，相对应地能够减少数据处理量。
所述旋转机异常检测装置AD、该方法以及旋转机M以正常时频谱为基准判定所述异常的判定是否由噪声引起，因此，能够更准确地掌握不是始终而是时常产生的噪声，能够以更高的可靠性判定异常。尤其，通过以最近的正常时频谱为基准判定所述异常的判定是否由噪声引起，从而即使在正常时频谱发生变化的情况下，也能进一步更准确地掌握不是始终而是时常产生的噪声。
所述旋转机异常检测装置AD、该方法以及旋转机M基于所述第一减法结果判定所述异常的判定是否由噪声引起，因此，能够利用使用图6、图7、图8A及图9说明的特性，能够以更高的可靠性判定异常。另外，在代替所述第一减法结果而使用所述第二减法结果的情况下，所述旋转机异常检测装置AD、该方法以及旋转机M也能利用使用图6、图7及图8B说明的特性，能够以更高的可靠性判定异常。
所述旋转机异常检测装置AD、该方法以及旋转机M设第一旋转频率VA除以第一齿数MA的频率VA/MA为基波啮合频率f1[Hz]，第一齿数MA和第二齿数MB的最小公倍数为XAB，并根据频谱求出所述基波啮合频率f1的基波成分F1以及到所述最小公倍数XAB为止的对所述基波啮合频率f1的n次谐波啮合频率fn(n＝2～XAB)的n次谐波成分Fn，因此，能够求出涉及第一旋转体81-1及第二旋转体81-2中的接触的所有组合的频率成分F1、Fn。并且，所述旋转机异常检测装置AD、该方法以及旋转机M基于涉及这些接触的所有组合的频率成分F1、Fn判定接触的有无，因此，能够以更高精度判定异常。
在具备所述的高通滤波器2214的情况下，所述旋转机异常检测装置AD、该方法以及旋转机M能够去除分布在较低频带的背景噪声，能够以更高精度检测异常。尤其，压缩机中的背景噪声主要因振动而产生，因此，较强地分布在较低频带，而因接触产生的信号在高频带也较强地发生。根据此种特征的差异，通过具备高通滤波器2214，能够提高检测接触的有无的性能。
另外，在所述说明中，振动测量部1为一个，但是也可为多个，可对各振动测量部1测量的各测量数据个别地进行处理。
此外，在所述说明中，特征量处理部222具备求出第一实施方式的特征量CVa的特征量处理部222a而构成，但也可具备求出第二至第五实施方式的特征量CVb～CVe的特征量处理部222b～222e而构成。
图11是用于说明第二实施方式的特征量的图。图11的横轴是时间，其纵轴是变化量。图12是表示异常发生前后的频谱的时间变化的图。图12A表示接触发生10秒前的频谱，图12B表示接触发生5秒前的频谱，图12C表示接触发生时的频谱，图12D表示接触发生2秒后的频谱。图12的各图中的各横轴是频率，它们的纵轴是成分值(频谱强度，频谱值)。图13是用于说明第三实施方式的特征量的图。图13A是基波啮合频率f1以及n次谐波啮合频率fn的各成分，图13B表示各非谐波成分。图14涉及第四实施方式的特征量，是表示模型信息的一例的图。图15是用于说明图14所示的模型信息的求出方法的图。图15A表示12啮合中在一个啮合接触的情况下的测量数据的RMS，图15B表示其傅里叶变换的结果的一部分。图16是表示使用第五实施方式的特征量的异常的判定结果的一例的图。图16的横轴是事例，其纵轴是特征量(指标值β)。
首先，说明第二实施方式的特征量CVb。该第二实施方式的特征量CVb是基波成分F1以及n次谐波成分Fn的变化量，更具体而言，是相对于时间经过的基波成分F1以及n次谐波成分Fn的变化量。作为异常而发生接触的前后，频谱如图12所示变化，据此，相对于时间经过的基波成分F1以及n次谐波成分Fn的变化量如图11所示变化。更详细而言，发生接触前，频谱如图12A及B所示，几乎不变化，其结果，所述变化量也图11所示大致为0。如果发生接触，如图12C所示，频谱发生变化，该变化如图11所示作为所述变化量而显现。并且，如果接触严重，则频谱如图12D所示进一步发生变化，该变化如图11所示作为更大的所述变化量而显现。因此认为，相对于时间经过的基波成分F1以及n次谐波成分Fn的所述变化量可作为评价异常的有无的指标而利用，适合作为所述规定的特征量CV的一个。
在使用此种第二实施方式的特征量CVb的情况下，特征量处理部222具备分别根据在互相不同的第一及第二期间分别测量的第一及第二测量数据的第一及第二频谱求出所述第一及第二期间各自的基波成分F1及n次谐波成分Fn，并将该求出的所述第一及第二期间各自的所述基波成分F1及所述n次谐波成分Fn的变化量作为第二实施方式的特征量CVb而求出的特征量处理部222b而构成。更具体而言，特征量处理部222b将按该求出的所述第一及第二期间各自的所述基波成分F1及所述n次谐波成分Fn的各成分的差分的平方和作为所述变化量而求出。另外，频谱处理部221如上所述从处理S6返回到处理S2的情况下，以互不相同的期间依次求出频谱，因此，分别求出在互不相同的第一及第二期间分别测量的第一及第二测量数据的第一及B-频谱。
更详细而言，设本次的期间的基波成分F1及n次谐波成分Fn(所述第一期间的所述基波成分F1及所述n次谐波成分Fn的一例)为Fi_now(i＝1～n的整数)，在本次的期间以前的各期间求出的基波成分F1及n次谐波成分Fn各自的平均值(所述第二期间的所述基波成分F1及所述n次谐波成分Fn的一例)为Fi_past(i＝1～n的整数)的情况下，特征量处理部222b如下式2所示求出所述变化量，即第二实施方式的特征量CVb。另外，用于计算出所述平均值Fi_past的期间根据变更对象旋转机M的运转条件的周期等而适当设定。
CVb＝∑(Fi_now-Fi_past)2 (2)
此外，作为异常而发生接触的时间前后，振动测量部1的输出如上所述较大地变化，但在非接触的情况下例如如果旋转机M的运转条件变化，则振动测量部1的输出有时也逐渐变化。由于所述第一及第二期间各自的基波成分F1及n次谐波成分Fn的变化量CVb，尤其所述式2所示的按它们的各成分的差分的平方和CVb表示接触的周期性变化，因此，具有在非接触的状态起发生接触的时间以及接触的状态本身变化的时间变得较大的特征。因此，求出第二实施方式的特征量CVb的旋转机异常检测装置AD、安装于旋转机异常检测装置AD的方法以及使用旋转机异常检测装置AD的旋转机M将此种所述变化量CVb作为所述规定的特征量CV而求出，因此，能够以更高精度检测出非接触的状态起发生接触的时间以及接触的状态本身变化的时间。此外，即使在背景噪声比较大的情况下，其趋势(倾向)没有变化的情况下，所述变化量也不会变大，因此，所述旋转机异常检测装置AD、该方法以及旋转机M能够减少过检测。
接着，说明第三实施方式的特征量CVc。该第三实施方式的特征量CVc是不仅基于基波成分F1及n次谐波成分Fn，而且，基于基波啮合频率f1以及n次谐波啮合频率fn(n＝2～XAB)中互相邻接的频率间存在的规定的频率g的非谐波成分G的量。
在使用此种第三实施方式的特征量CVc的情况下，特征量处理部222具备根据频谱处理部221求出的频谱进一步求出基波啮合频率f1以及到最小公倍数XAB为止的n次谐波啮合频率fn(n＝2～XAB)中互相邻接的频率间存在的规定的频率g的非谐波成分G，基于所述求出的基波成分F1、n次谐波成分Fn以及非谐波成分G求出第三实施方式的特征量CVc的特征量处理部222c而构成。更具体而言，根据求出从基波啮合频率f1及n次谐波啮合频率fn最离开的频率的观点，非谐波成分G如图13B所示是所述互相邻接的频率间的中央的频率的成分(Gk＝(Fk+Fk+1)/2，k＝1～XAB-1的整数)。
更详细而言，特征量处理部222c如下式3所示，根据频谱处理部221求出的频谱进一步求出基波啮合频率f1以及到最小公倍数XAB为止的n次谐波啮合频率fn(n＝2～XAB)中在互相邻接的各频率间的中央存在的规定的各频率gk的各非谐波成分Gk(k为1至(XAB-1)为止的范围内的整数)，将这些求出的基波成分F1及n次谐波成分Fn的总和(参照图13A)除以所述求出的非谐波成分Gk的总和(参照图13B)的成分总和比作为第三实施方式的特征量CVc而求出。另外，也可以根据非谐波成分Gk的总和判定异常的有无，但该方法对背景噪声的电平的变化弱，因此，在本实施方式中，通过成分总和比判定异常的有无。据此，能够判断第三实施方式的特征量CVc(＝成分总和比)与因旋转体81产生的信号大致一致。
CVc＝成分总和比＝(基波成分F1及n次谐波成分Fn的总和)/(非谐波成分Gk的总和)＝(∑Fi)/(∑Gk) (3)
AE传感器等振动测量部1的输出有时叠加单发的电气噪声等。求出第三实施方式的特征量CVc的旋转机异常检测装置AD、安装于旋转机异常检测装置AD的方法以及使用该旋转机异常检测装置AD的旋转机M还考虑所述非谐波成分G求出所述规定的特征量CV，因此，能够避免此种单发的电气噪声等的叠加影响异常的检测，能够减少无周期性的噪声。
下面，说明第四实施方式的特征量CVd。该第四实施方式的特征量CVd是在针对第一旋转体81-1及第二旋转体81-2的每个异常模式预先生成的多个模型的各个之间求出的一致度中的最大值。所述模型由对应于所述异常的模式的所述基波成分F1及所述n次谐波成分Fn的各模型值构成。所述一致度是表示根据由振动测量部1测量的测量数据的频谱求出的所述基波成分F1及所述n次谐波成分Fn与所述模型的一致的程度的值。
在使用此种第四实施方式的特征量CVd的情况下，旋转机异常检测装置AD如图1中用虚线所示，在存储部6还具备针对每个所述异常的模式，将对应于所述异常的模式的所述基波成分F1及所述n次谐波成分Fn的各模型值作为模型信息而预先存储的模型信息存储部63。并且，特征量处理部222具备针对每个所述异常的模式求出根据由振动测量部1测量的测量数据的频谱求出的所述基波成分F1及所述n次谐波成分Fn与所述模型信息(所述模型)的所述一致度，并将针对每个所述异常的模式求出的一致度中的最大的一致度作为第四实施方式的特征量CVd而求出的特征量处理部222d而构成。
更具体而言，所述模型信息以表形式存储在模型信息存储部63中。该模型信息表MT例如图14所示具备登记模型名的接触模型区域631和登记以登记在接触模型区域631的模型名表示的模型的各模型值的系数区域632，且针对每个模型名具备记录。系数区域632为了登记各模型值而具备第一齿数MA和第二齿数MB的最小公倍数XAB个子区域。在图14所示的例子中，如上所述，第一旋转体81-1的第一齿数MA为3个，第二旋转体81-2的第二齿数MB为4个，因此，系数区域632为了登记各模型值ai(i＝1～12)而具备12个子区域632-1～632-12。并且，模型信息表MT登记有将接触周期性地发生的异常模型化的6个模型，且具备：记录在这些12个组合中的1啮合接触的异常、即12啮合中1啮合接触的各模型值ai的第一行记录；记录在所述12个组合中的2啮合接触的异常、即12啮合中2啮合接触的各模型值ai的第二行记录；记录在所述12个组合中的3啮合接触的异常、即12啮合中3啮合接触的各模型值ai的第三行记录；记录在所述12个组合中的4啮合接触的异常、即12啮合中4啮合接触的各模型值ai的第四行记录；记录在所述12个组合中的6啮合接触的异常、即12啮合中6啮合接触的各模型值ai的第五行记录；记录在所述12个组合中的12啮合接触的异常、即12啮合中12啮合接触的各模型值ai的第六行记录。各模型的各模型值ai例如通过从实际发生接触异常的旋转机M实测多个采样，根据这些多个采样进行统计处理并求出基波成分F1及n次谐波成分Fn而预先求出。例如，12啮合中1啮合接触的情况下，如果根据采样的测量数据求出RMS，则获得图15A所示的结果，通过将其高速傅里叶变换(FFT)，从而获得图15B所示的结果(在图15B中示出了高速傅里叶变换的结果的一部分)。该图15B所示的高速傅里叶变换的各峰值成为12啮合中1啮合接触的模型的各模型值ai。另外，各模型值ai以使各模型值ai的总和成为1的方式被规格化(∑ai＝1)。
特征量处理部222d例如按各模型，对根据由振动测量部1测量的测量数据的频谱求出的所述基波成分F1及所述n次谐波成分Fn的各值Fi的各个分别乘以模型的各模型值ai(Fi×ai)，并求出其总和Sm(Sm＝∑(Fi×ai)，i＝1～12，∑对i求和，在该例子中m为1～6)。特征量处理部222d求出按这些各模型求出的各总和Sm的总和SS(SS＝∑Sm，m＝1～6，∑对m求和)，并按各模型，模型的总和Sm除以(规格化)其求出的总和SS(Sm/SS，m＝1～6)。该除法结果为一致度，通过此种计算方法，能够去除所述基波成分F1及所述n次谐波成分Fn的各成分分布中的绝对值的影响。并且，特征量处理部222d将这些按各模型求出的各除法结果(各一致度)中的最大值作为第四实施方式的特征量CVd而求出。
求出第四实施方式的特征量CVd的旋转机异常检测装置AD、安装于旋转机异常检测装置AD的方法以及使用旋转机异常检测装置AD的旋转机M将按所述异常的模式(在所述说明中为接触的模式)求出的一致度中的最大的一致度作为所述规定的特征量而求出，因此，能够辨别电气性的脉冲噪声以及因来自外部的冲击的单发性且具有比较大的振幅的噪声与例如接触等异常，能够以更高精度检测异常。
另外，在使用该第四实施方式的特征量CVd的情况下，优选：异常判定部223可通过具有由特征量处理部222d针对每个所述异常的模式求出的一致度中的最大的一致度的异常的模式判定旋转机M有异常。例如，12啮合中1啮合接触的一致度、12啮合中2啮合接触的一致度、12啮合中3啮合接触的一致度、12啮合中4啮合接触的一致度、12啮合中6啮合接触的一致度、以及12啮合中12啮合接触的一致度中最大的一致度为12啮合中2啮合接触的一致度的情况下，异常判定部223判定有该12啮合中2啮合接触的异常。由此，能够检测出异常的模式。
接着，说明第五实施方式的特征量CVe。该第五实施方式的特征量CVe是基于这些所述的总和、变化量、成分总和比以及最大的一致度中的多个的量。
在使用此种第五实施方式的特征量CVe的情况下，特征量处理部222具备进行总和处理、变化量处理、成分总和比处理以及最大一致度处理中的多个处理，并基于进行的所述多个处理的处理结果求出第五实施方式的特征量CVe的特征量处理部222e而构成。所述总和处理如上所述是求出基波成分F1及n次谐波成分Fn的总和CVa的处理。所述变化量处理是如上所述分别根据第一及第二频谱求出第一及第二期间各自的基波成分F1及n次谐波成分Fn，并求出该求出的第一及第二期间各自的基波成分F1及n次谐波成分Fn的变化量CVb的处理。所述成分总和比处理是如上所述根据频谱进一步求出基波啮合频率f1以及到最小公倍数XAB为止的n次谐波啮合频率fn(n＝2～XAB)中互相邻接的各频率间存在的规定的各频率gi的各非谐波成分Gi(i为1至(n-1)为止的范围内的整数)，并求出将求出的所述基波成分F1及n次谐波成分Fn的总和除以求出的所述非谐波成分Gi的总和的成分总和比CVc的处理。所述最大一致度处理是针对每个异常的模式求出表示求出的所述基波成分F1及n次谐波成分Fn与模型信息一致的程度的一致度，并从针对每个所述异常的模式求出的一致度中求出最大的一致度CVd的处理。
更具体而言，特征量处理部222e例如根据下式4求出第五实施方式的特征量CVe。
CVe＝p1*CVa+p2*CVb+p3*CVc+p4*CVd (4)
此外，例如，特征量处理部222e例如根据下式5求出第五实施方式的特征量CVe。
CVe＝CVap1*CVbp2*CVcp3*CVdp4 (5)
在此，这些式4及式5中的参数p1～p4(实数)通过使用根据发生接触时实际由振动测量部1测量的测量数据求出的总和CVa、变化量CVb、成分总和比CVc及最大的一致度CVd和根据非接触时实际由振动测量部1测量的测量数据求出的总和CVa、变化量CVb、成分总和比CVc及最大的一致度CVd，并使用例如多元回归分析等方法求出能够适合辨别接触的有无的值。
作为一例，图16中示出了根据发生接触时实际由振动测量部1测量的测量数据并用式5求出的特征量CVe(◆)以及根据非接触时实际由振动测量部1测量的测量数据并用式5求出的特征量CVe(×)的结果。如图16所示，接触时的特征量CVe(◆)的分布和非接触时的特征量CVe(×)的分布大致明确地被分开，因此，可根据式5的特征量CVe辨别因接触引起的异常的有无。
求出第五实施方式的特征量CVe旋转机异常检测装置AD以及在其安装的方法以及使用该旋转机异常检测装置AD的旋转机M基于所述进行的多个出处理的处理结果求出第五方式的特征量CVe，因此，能够以更高的精度检测出异常。
另外，所述的式4及式5使用了总和CVa、变化量CVb、成分总和比CVc以及最大的一致度CVd这4个全部，但是，这些式4及式5可使用总和CVa、变化量CVb、成分总和比CVc以及最大的一致度CVd中的任意组合的两个而构成，此外，这些式4及式5也可使用总和CVa、变化量CVb、成分总和比CVc以及最大的一致度CVd中的任意组合三个而构成。总和CVa、变化量CVb、成分总和比CVc以及最大的一致度CVd分别如上所述是用于取出振动测量部1的测量数据中包含的表示旋转体81的异常的信号，或者用于去除振动测量部1的测量数据中包含的各种噪声的适宜的量，因此，优选这些式4及式5可由总和CVa、变化量CVb、成分总和比CVc以及最大的一致度CVd中与所述目的相应的适宜的两个组合构成，此外，优选这些式4及式5可由总和CVa、变化量CVb、成分总和比CVc以及最大的一致度CVd中与所述目的相应的适宜的三个组合构成。
此外，所述专利文献1公开的诊断装置以及所述专利文献2公开的异常接触检测装置不个别地对接触的模式分别进行检测，不同于本实施方式。
本说明书公开了如上所述的各种方式的技术，将其中的主要技术概括如下。
一方式所涉及的旋转机异常检测装置检测至少具备第一旋转体及第二旋转体的旋转机的异常，所述第一旋转体及所述第二旋转体在正常状态下互相隔开规定的间隔卡合，并相对于规定的各轴而绕轴旋转，所述旋转机异常检测装置包括：振动测量部，测量因所述第一旋转体及所述第二旋转体中的至少一方而产生的振动；频谱处理部，求出由所述振动测量部测量的测量数据的频谱；特征量处理部，基于由所述频谱处理部求出的频谱，求出关于规定的频率成分的规定的特征量；异常判定部，基于由所述特征量处理部求出的规定的特征量，判定所述旋转机有无异常；以及噪声判定部，在所述异常判定部判定为有异常的情况下，基于由所述频谱处理部求出的频谱，判定所述异常的判定是否由噪声引起，其中，所述异常判定部进一步在所述噪声判定部判定为不是由所述噪声引起的情况下，将判定的所述异常最终视为异常。优选在所述的旋转机异常检测装置中，所述频谱处理部具备：求出由所述振动测量部测量的测量数据的RMS(Root Mean Square，均方根)，并通过对该求出的测量数据的RMS进行傅里叶变换(优选高速傅里叶变换)从而求出所述测量数据的A-频谱(A-功率谱)的A-子频谱处理部；以及通过对由所述振动测量部测量的测量数据直接进行傅里叶变换(优选高速傅里叶变换)，从而求出所述测量数据的B-频谱(B-功率谱)的B-子频谱处理部，所述特征量处理部基于所述A-子频谱处理部求出的A-频谱求出所述规定的特征量，所述噪声判定部基于由B-子频谱处理部求出的B-频谱判定所述异常的判定是否由噪声引起。优选在所述的旋转机异常检测装置中，所述频谱处理部具备：求出由所述振动测量部测量的测量数据的包络(包络线)，通过对该求出的测量数据的包络进行傅里叶变换(优选高速傅里叶变换)来求出所述测量数据的C-频谱(C-功率谱)的C-子频谱处理部；以及通过对由所述振动测量部测量的测量数据直接进行傅里叶变换(优选高速傅里叶变换)，从而求出所述测量数据的B-频谱(B-功率谱)的B-子频谱处理部，所述特征量处理部基于由C-子频谱处理部求出的C-频谱求出所述规定的特征量，所述噪声判定部基于由B-子频谱处理部求出的B-频谱判定所述异常的判定是否由噪声引起。
此种旋转机异常检测装置在所述噪声判定部判定为不是由所述噪声引起的情况下，将所述异常判定部判定的异常最终视为异常，因此，能够辨别由所述噪声引起的异常的判定和不是由所述噪声引起的异常的判定，能够以更高的可靠性判定异常。并且，所述旋转机异常检测装置在所述异常判定部判定为有异常的情况下，所述噪声判定部实施判定的处理，因此，在所述异常判定部判定为无异常的情况下，所述噪声判定部不实施判定的处理，相应地能够减少数据处理量。
在其他方式，在所述的旋转机异常检测装置中，还包括：存储部，在所述异常判定部判定为无异常的情况下，将由所述振动测量部测量的测量数据的频谱作为正常时频谱而存储，其中，所述噪声判定部基于由所述频谱处理部求出的频谱与存储在所述存储部中的正常时频谱的差，判定所述异常的判定是否由噪声引起。优选在所述的旋转机异常检测装置中，所述振动测量部以预先设定的规定的采样间隔测量所述振动，对于所述振动测量部以所述规定的采样间隔测量的各测量数据，所述频谱处理部求出所述频谱，所述特征量处理部求出所述规定的特征量，所述异常判定部判定所述异常的有无，所述存储部在所述异常判定部最近判定为无所述异常的情况下，将所述振动测量部测量的测量数据的频谱作为正常时频谱而存储(更新并存储)。
此种旋转机异常检测装置以正常时频谱为基准判定所述异常的判定是否由噪声引起，因此，能够更准确地掌握不是始终产生而是时常产生的噪声，能够以更高的可靠性判定异常。尤其，以最近的正常时频谱为基准判定所述异常的判定是否由噪声引起，从而即使在正常时频谱变化的情况下，也能进一步更准确地掌握不是始终产生而是时常产生的噪声。
在其他方式，在所述的旋转机异常检测装置中，所述噪声判定部基于从所述差的最大值减去所述差的平均值的减法结果(第一减法结果)，判定所述异常的判定是否由噪声引起。优选在所述的旋转机异常检测装置中，所述噪声判定部比较所述第一减法结果和预先设定的阈值(第一判定阈值)，在所述第一减法结果大于所述第一判定阈值的情况下(或者所述第一减法结果为所述第一判定阈值以上的情况下)，判定为所述异常的判定由噪声引起，在所述第一减法结果为所述第一判定阈值以下的情况下(或者所述第一减法结果小于所述第一判定阈值的情况下)，判定为所述异常的判定不是由噪声引起。
所述旋转机异常检测装置基于所述第一减法结果判定所述异常的判定是否由噪声引起，因此，能够利用使用图6、图7、图8A及图9后述的特性，能够以更高的可靠性判定异常。
此外，在其他方式，在所述的旋转机异常检测装置中，所述噪声判定部基于从所述差的最大值减去所述差的中间值(中位数)的减法结果(第二减法结果)，判定所述异常的判定是否由噪声引起。优选在所述的旋转机异常检测装置中，所述噪声判定部比较所述第二减法结果和预先设定的阈值(第二判定阈值)，在所述第二减法结果大于所述第二判定阈值的情况下(或者所述第二减法结果为所述第二判定阈值以上的情况下)，判定为所述异常的判定由噪声引起，在所述第二减法结果为所述第二判定阈值以下的情况下(或者所述第二减法结果小于所述第二判定阈值的情况下)，判定为所述异常的判定不是由噪声引起。
所述旋转机异常检测装置基于所述第二减法结果判定所述异常的判定是否由噪声引起，因此，能够利用使用图6、图7及图8B后述的特性，能够以更高的可靠性判定异常。
在其他方式，在这些所述的旋转机异常检测装置中，还包括：所述特征量处理部，在设所述第一旋转体的第一齿数为MA个、第一旋转频率为VAHz，所述第二旋转体的第二齿数为MB个，所述第一齿数MA和所述第二齿数MB的最小公倍数为XAB，所述第一旋转频率VA除以所述第一齿数MA的基波啮合频率VA/MA为f1Hz，对于所述基波啮合频率f1的n次谐波啮合频率为fnHz的情况下，其中，n为2以上的整数，根据所述频谱求出所述基波啮合频率f1的基波成分F1以及到所述最小公倍数XAB为止的n次谐波啮合频率fn的n次谐波成分Fn，其中，n＝2～XAB，基于求出的所述基波成分F1及n次谐波成分Fn求出所述规定的特征量。优选在所述的旋转机异常检测装置中，所述振动测量部测量可听频带的振动以及超声波频带的振动中的至少一方的振动。优选在所述的旋转机异常检测装置中，所述特征量处理部将所述求出的基波成分F1及n次谐波成分Fn的总和作为所述规定的特征量而求出。优选在所述的旋转机异常检测装置中，所述异常判定部根据所述特征量处理部求出的特征量是否为预先设定的规定的阈值以上来判定所述旋转机有无异常。
此种旋转机异常检测装置设将第一旋转频率VA除以第一齿数MA的频率VA/MA为基波啮合频率f1[Hz]，第一齿数MA和第二齿数MB的最小公倍数为XAB，并根据频谱求出所述基波啮合频率f1的基波成分F1以及到所述最小公倍数XAB为止的对所述基波啮合频率f1的n次谐波啮合频率fn(n＝2～XAB)的n次谐波成分Fn，因此，能够求出涉及第一旋转体及第二旋转体中的接触的所有组合的频率成分F1、Fn。并且，所述旋转机异常检测装置基于涉及这些接触的所有组合的频率成分F1、Fn判定接触的有无，因此，能够以更高精度判定异常。
在其他方式，在所述的旋转机异常检测装置中，所述频谱处理部，分别求出在互相不同的第一期间及第二期间分别测量的第一测量数据及第二测量数据的第一频谱及第二频谱，所述特征量处理部，根据所述第一频谱及所述第二频谱求出在所述第一期间及所述第二期间的各所述基波成分F1及所述n次谐波成分Fn，将这些求出的在所述第一期间及所述第二期间的各所述基波成分F1及所述n次谐波成分Fn的变化量作为所述规定的特征量而求出。优选在所述的旋转机异常检测装置中，所述特征量处理部，将这些求出的在所述第一期间及所述第二期间的各所述基波成分F1及所述n次谐波成分Fn中的针对各成分的差分的平方和作为所述变化量而求出。
在作为异常而发生接触的时间前后，振动测量部的输出较大地变化，但在非接触的情况下例如如果旋转机的运转条件变化，则振动测量部的输出有时也逐渐变化。由于所述第一及第二期间各自的所述基波成分F1及所述n次谐波成分Fn的变化量，尤其按它们的各成分的差分的平方和表示接触的周期性变化，因此，具有在非接触的状态起发生接触的时间以及接触的状态本身变化的时间变得较大的特征。因此，所述旋转机异常检测装置将此种所述变化量作为所述规定的特征量而求出，因此，能够以更高精度检测出非接触的状态起发生接触的时间以及接触的状态本身变化的时间。此外，即使在背景噪声比较大的情况下，其趋势(倾向)没有变化的情况下，所述变化量也不会变大，因此，所述旋转机异常检测装置能够减少过检测。
在其他方式，在所述的旋转机异常检测装置中，所述特征量处理部，根据所述频谱进一步求出所述基波啮合频率f1以及到所述最小公倍数XAB为止的n次谐波啮合频率fn中互相邻接的频率间存在的规定的频率g的非谐波成分G，其中，n＝2～XAB，基于求出的所述基波成分F1、所述n次谐波成分Fn及所述非谐波成分G求出所述规定的特征量。优选在所述的旋转机异常检测装置中，根据求出从所述基波啮合频率f1及所述n次谐波啮合频率fn最离开的频率的观点，所述非谐波成分G是所述频率间的中央的频率的成分(Gk＝(Fk+Fk+1)/2，k＝1～XAB-1的整数)。优选在所述的旋转机异常检测装置中，所述特征量处理部所述频谱进一步求出所述基波啮合频率f1以及到最小公倍数XAB为止的n次谐波啮合频率fn(n＝2～XAB)中在互相邻接的各频率间存在的规定的各频率gk的各非谐波成分Gk(k为1至(XAB-1)为止的范围内的整数)，将求出的所述基波成分F1及所述n次谐波成分Fn的总和除以求出的所述非谐波成分Gk的总和的成分总和比作为所述规定的特征量而求出。
振动测量部的输出有时叠加单发的电气噪声等。所述旋转机异常检测装置进一步考虑所述非谐波成分G求出所述规定的特征量，因此，能够避免此种单发的电气噪声等的叠加对异常的检测带来的影响，能够减少无周期性的噪声。
在其他方式，在所述的旋转机异常检测装置中，模型信息存储部，针对所述第一旋转体及所述第二旋转体的每个异常的模式，将与所述异常的模式相对应的所述基波成分F1及所述n次谐波成分Fn的各模型值作为模型信息而预先存储，其中，所述特征量处理部，针对每个所述异常的模式，求出表示求出的所述基波成分F1及所述n次谐波成分Fn与所述模型信息的一致程度的一致度，将针对每个所述异常的模式求出的一致度中的最大的一致度作为所述规定的特征量而求出。
此种旋转机异常检测装置将针对每个所述异常的模式求出的一致度中的最大的一致度作为所述规定的特征量而求出，因此，能够辨别电气性的脉冲噪声以及来自外部冲击导致的单发性且具有比较大的振幅的噪声与例如接触等异常，能够以更高精度检测出异常。
在其他方式，在所述的旋转机异常检测装置中，所述异常判定部，在具有由所述特征量处理部针对每个所述异常的模式求出的一致度中的最大的一致度的异常的模式下，判定所述旋转机有异常。
此种旋转机异常检测装置能够检测出异常的模式。
在其他方式，在所述的旋转机异常检测装置中，还包括：模型信息存储部，针对所述第一旋转体及所述第二旋转体的每个异常的模式，将与所述异常的模式相对应的所述基波成分F1及所述n次谐波成分Fn的各模型值作为模型信息而预先存储，其中，所述频谱处理部，分别求出在互相不同的第一期间及第二期间分别测量的第一测量数据及第二测量数据的第一频谱及第二频谱，所述特征量处理部进行总和处理、变化量处理、成分总和比处理及最大一致度处理中的多个处理，基于进行的所述多个处理的处理结果求出所述规定的特征量，其中，所述总和处理对求出的所述基波成分F1及所述n次谐波成分Fn求出总和，所述变化量处理分别根据所述第一频谱及所述第二频谱求出在所述第一期间及第二期间各频谱的所述基波成分F1及所述n次谐波成分Fn，并求出这些求出的在所述第一期间及所述第二期间的各所述基波成分F1及所述n次谐波成分Fn的变化量，所述成分总和比处理根据所述频谱进一步求出所述基波啮合频率f1及到所述最小公倍数XAB为止的n次谐波啮合频率fn中互相邻接的各频率间存在的规定的各频率gi的各非谐波成分Gi，其中，n＝2～XAB，i为1至n-1为止的范围内的整数，并求出将求出的所述基波成分F1及所述n次谐波成分Fn的总和除以求出的所述非谐波成分Gi的总和的成分总和比，所述最大一致度处理针对每个所述异常的模式，求出表示求出的所述基波成分F1及所述n次谐波成分Fn与所述模型信息的一致程度的一致度，并从针对每个所述异常的模式求出的一致度中求出最大的一致度。
此种旋转机异常检测装置基于进行的所述多个处理的处理结果求出所述规定的特征量，因此，能够以更高精度检测出异常。
在其他方式，在这些所述的旋转机异常检测装置中，所述频谱处理部包括：高通滤波器，用于去除噪声；以及子频谱处理部，求出由所述振动测量部测量并通过所述高通滤波器的测量数据的频谱。
此种旋转机异常检测装置具备所述高通滤波器，因此，能够去除分布在比较低频带的背景噪声。因此，所述旋转机异常检测装置能够以更高精度检测出异常。
在其他方式所涉及的旋转机异常检测方法中，检测具备第一旋转体及第二旋转体的旋转机的异常，所述第一旋转体及所述第二旋转体在正常状态下互相隔开规定的间隔卡合，并相对于规定的各轴而绕轴旋转，所述旋转机异常检测方法包括：振动测量步骤，测量因所述第一旋转体及所述第二旋转体中的至少一方而产生的振动；频谱处理步骤，求出在所述振动测量步骤测量的测量数据的频谱；特征量处理步骤，基于在所述频谱处理步骤求出的频谱，求出关于规定的频率成分的规定的特征量；异常判定步骤，基于在所述特征量处理步骤求出的特征量，判定所述旋转机有无异常；以及噪声判定步骤，基于在所述频谱处理步骤求出的频谱，判定在所述振动测量步骤测量的测量数据上有无叠加噪声，其中，所述噪声判定步骤在通过所述异常判定步骤判定为有异常的情况下被实施，所述异常判定步骤进一步在通过所述噪声判定步骤判定为没有所述噪声的情况下，将判定的所述异常最终视为异常。
此种旋转机异常检测方法在所述噪声判定步骤判定为没有所述噪声的情况下，将在所述异常判定步骤判定的异常最终视为异常，因此，能够辨别基于包含所述噪声的测量数据的异常的判定和基于不含所述噪声的测量数据的异常的判定，能够以更高的可靠性判定异常。并且，所述旋转机异常检测方法在所述异常判定步骤判定为有异常的情况下，实施所述噪声判定步骤，因此，在所述异常判定步骤判定为无异常的情况下，不实施所述噪声判定步骤，相应地能够减少数据处理量。
在其他方式中，是具备这些所述的任一旋转机异常检测装置的旋转机。
据此，提供具备这些所述的任一旋转机异常检测装置的旋转机，此种旋转机由于具备这些所述的任一旋转机异常检测装置，因此，能够以更高的可靠性判定异常。
该申请以2016年10月6日提出的日本国专利申请特愿2016-197684为基础，其内容包含在本申请中。
为了表述本发明，在上述中参照附图并通过实施方式适当且充分说明了本发明，但是，应该认识到只要是本领域技术人员，就能够容易地对上述的实施方式进行变更及/或改良。因此，解释为本领域技术人员实施的变更方式或改良方式只要不脱离权利要求书记载的权利要求范围，该变更方式或该改良方式就包含在该权利要求范围。
产业上的可利用性
根据本发明，能够提供旋转机异常检测装置、旋转机异常检测方法以及具备所述旋转机异常检测装置的旋转机。

Claims (14)

1.一种旋转机异常检测装置，检测至少具备第一旋转体及第二旋转体的旋转机的异常，所述第一旋转体及所述第二旋转体在正常状态下互相隔开规定的间隔卡合，并相对于规定的各轴而绕轴旋转，所述旋转机异常检测装置的特征在于包括：
振动测量部，测量因所述第一旋转体及所述第二旋转体中的至少一方而产生的振动；
频谱处理部，求出由所述振动测量部测量的测量数据的频谱；
特征量处理部，基于由所述频谱处理部求出的频谱，求出关于规定的频率成分的规定的特征量；
异常判定部，基于由所述特征量处理部求出的规定的特征量，判定所述旋转机有无异常；以及
噪声判定部，在所述异常判定部判定为有异常的情况下，基于由所述频谱处理部求出的频谱，判定所述异常的判定是否由噪声引起，其中，
所述异常判定部进一步在所述噪声判定部判定为不是由所述噪声引起的情况下，将判定的所述异常最终视为异常。
2.根据权利要求1所述的旋转机异常检测装置，其特征在于还包括：
存储部，在所述异常判定部判定为无异常的情况下，将由所述振动测量部测量的测量数据的频谱作为正常时频谱而存储，其中，
所述噪声判定部基于由所述频谱处理部求出的频谱与存储在所述存储部中的正常时频谱的差，判定所述异常的判定是否由噪声引起。
3.根据权利要求2所述的旋转机异常检测装置，其特征在于，
所述噪声判定部基于从所述差的最大值减去所述差的平均值的减法结果，判定所述异常的判定是否由噪声引起。
4.根据权利要求2所述的旋转机异常检测装置，其特征在于，
所述噪声判定部基于从所述差的最大值减去所述差的中间值的减法结果，判定所述异常的判定是否由噪声引起。
5.根据权利要求1所述的旋转机异常检测装置，其特征在于，
所述特征量处理部，在设所述第一旋转体的第一齿数为MA个、第一旋转频率为VAHz，所述第二旋转体的第二齿数为MB个，所述第一齿数MA和所述第二齿数MB的最小公倍数为XAB，所述第一旋转频率VA除以所述第一齿数MA的基波啮合频率VA/MA为f1Hz，对于所述基波啮合频率f1的n次谐波啮合频率为fnHz的情况下，其中，n为2以上的整数，根据所述频谱求出所述基波啮合频率f1的基波成分F1以及到所述最小公倍数XAB为止的n次谐波啮合频率fn的n次谐波成分Fn，其中，n＝2～XAB，基于求出的所述基波成分F1及n次谐波成分Fn求出所述规定的特征量。
6.根据权利要求5所述的旋转机异常检测装置，其特征在于，
所述频谱处理部，分别求出在互相不同的第一期间及第二期间分别测量的第一测量数据及第二测量数据的第一频谱及第二频谱，
所述特征量处理部，根据所述第一频谱及所述第二频谱求出在所述第一期间及所述第二期间的各所述基波成分F1及所述n次谐波成分Fn，将这些求出的在所述第一期间及所述第二期间的各所述基波成分F1及所述n次谐波成分Fn的变化量作为所述规定的特征量而求出。
7.根据权利要求6所述的旋转机异常检测装置，其特征在于，
所述特征量处理部，将这些求出的在所述第一期间及所述第二期间的各所述基波成分F1及所述n次谐波成分Fn中的针对各成分的差分的平方和作为所述变化量而求出。
8.根据权利要求5所述的旋转机异常检测装置，其特征在于，
所述特征量处理部，根据所述频谱进一步求出所述基波啮合频率f1以及到所述最小公倍数XAB为止的n次谐波啮合频率fn中互相邻接的频率间存在的规定的频率g的非谐波成分G，其中，n＝2～XAB，基于求出的所述基波成分F1、所述n次谐波成分Fn及所述非谐波成分G求出所述规定的特征量。
9.根据权利要求5所述的旋转机异常检测装置，其特征在于还包括：
模型信息存储部，针对所述第一旋转体及所述第二旋转体的每个异常的模式，将与所述异常的模式相对应的所述基波成分F1及所述n次谐波成分Fn的各模型值作为模型信息而预先存储，其中，
所述特征量处理部，针对每个所述异常的模式，求出表示求出的所述基波成分F1及所述n次谐波成分Fn与所述模型信息的一致程度的一致度，将针对每个所述异常的模式求出的一致度中的最大的一致度作为所述规定的特征量而求出。
10.根据权利要求9所述的旋转机异常检测装置，其特征在于，
所述异常判定部，在具有由所述特征量处理部针对每个所述异常的模式求出的一致度中的最大的一致度的异常的模式下，判定所述旋转机有异常。
11.根据权利要求5所述的旋转机异常检测装置，其特征在于还包括：
模型信息存储部，针对所述第一旋转体及所述第二旋转体的每个异常的模式，将与所述异常的模式相对应的所述基波成分F1及所述n次谐波成分Fn的各模型值作为模型信息而预先存储，其中，
所述频谱处理部，分别求出在互相不同的第一期间及第二期间分别测量的第一测量数据及第二测量数据的第一频谱及第二频谱，
所述特征量处理部进行总和处理、变化量处理、成分总和比处理及最大一致度处理中的多个处理，基于进行的所述多个处理的处理结果求出所述规定的特征量，其中，
所述总和处理对求出的所述基波成分F1及所述n次谐波成分Fn求出总和，
所述变化量处理分别根据所述第一频谱及所述第二频谱求出在所述第一期间及第二期间各频谱的所述基波成分F1及所述n次谐波成分Fn，并求出这些求出的在所述第一期间及所述第二期间的各所述基波成分F1及所述n次谐波成分Fn的变化量，
所述成分总和比处理根据所述频谱进一步求出所述基波啮合频率f1及到所述最小公倍数XAB为止的n次谐波啮合频率fn中互相邻接的各频率间存在的规定的各频率gi的各非谐波成分Gi，其中，n＝2～XAB，i为1至n-1为止的范围内的整数，并求出将求出的所述基波成分F1及所述n次谐波成分Fn的总和除以求出的所述非谐波成分Gi的总和的成分总和比，
所述最大一致度处理针对每个所述异常的模式，求出表示求出的所述基波成分F1及所述n次谐波成分Fn与所述模型信息的一致程度的一致度，并从针对每个所述异常的模式求出的一致度中求出最大的一致度。
12.根据权利要求1所述的旋转机异常检测装置，其特征在于，所述频谱处理部包括：
高通滤波器，用于去除噪声；以及
子频谱处理部，求出由所述振动测量部测量并通过所述高通滤波器的测量数据的频谱。
13.一种旋转机异常检测方法，检测具备第一旋转体及第二旋转体的旋转机的异常，所述第一旋转体及所述第二旋转体在正常状态下互相隔开规定的间隔卡合，并相对于规定的各轴而绕轴旋转，所述旋转机异常检测方法的特征在于包括：
振动测量步骤，测量因所述第一旋转体及所述第二旋转体中的至少一方而产生的振动；
频谱处理步骤，求出在所述振动测量步骤测量的测量数据的频谱；
特征量处理步骤，基于在所述频谱处理步骤求出的频谱，求出关于规定的频率成分的规定的特征量；
异常判定步骤，基于在所述特征量处理步骤求出的特征量，判定所述旋转机有无异常；以及
噪声判定步骤，基于在所述频谱处理步骤求出的频谱，判定在所述振动测量步骤测量的测量数据上有无叠加噪声，其中，
所述噪声判定步骤在通过所述异常判定步骤判定为有异常的情况下被实施，
所述异常判定步骤进一步在通过所述噪声判定步骤判定为没有所述噪声的情况下，将判定的所述异常最终视为异常。
14.一种旋转机，其特征在于包括：
如权利要求1所述的旋转机异常检测装置。
CN201780056345.0A 2016-10-06 2017-08-28 旋转机异常检测装置及其方法和旋转机 Active CN109690279B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2016-197684 2016-10-06
JP2016197684A JP6630653B2 (ja) 2016-10-06 2016-10-06 回転機異常検出装置および該方法ならびに回転機
PCT/JP2017/030772 WO2018066267A1 (ja) 2016-10-06 2017-08-28 回転機異常検出装置および該方法ならびに回転機

Publications (2)

Publication Number Publication Date
CN109690279A true CN109690279A (zh) 2019-04-26
CN109690279B CN109690279B (zh) 2021-04-27

Family

ID=61831865

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780056345.0A Active CN109690279B (zh) 2016-10-06 2017-08-28 旋转机异常检测装置及其方法和旋转机

Country Status (5)

Country Link
US (1) US11143632B2 (zh)
EP (1) EP3483584B1 (zh)
JP (1) JP6630653B2 (zh)
CN (1) CN109690279B (zh)
WO (1) WO2018066267A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110617562A (zh) * 2019-09-12 2019-12-27 成都仙德科技有限公司 一种便携式声能空调震动抑制方法
CN111397725A (zh) * 2020-03-20 2020-07-10 符霞 一种智能振动频谱传感器自动监控系统和方法

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111060337B (zh) * 2019-12-05 2022-05-06 杭州哲达科技股份有限公司 一种基于专家系统的运转设备实时故障诊断方法
KR20210073840A (ko) * 2019-12-11 2021-06-21 현대자동차주식회사 엔진소음을 이용한 기계적 연소 이상 진단 판단방법 및 연소 이상 진단 시스템
JP2021197158A (ja) * 2020-06-15 2021-12-27 三菱パワー株式会社 予兆判定装置、予兆判定システム、予兆判定方法及びプログラム
CN111860599A (zh) * 2020-06-19 2020-10-30 中海油能源发展装备技术有限公司 一种对机泵故障进行诊断方法
JP6995969B1 (ja) 2020-12-22 2022-01-17 株式会社クボタ 回転機器の診断装置

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05231361A (ja) * 1992-02-26 1993-09-07 Hitachi Ltd オイルフリースクリュー圧縮機の診断方法およびその装置
JPH09133577A (ja) * 1995-11-07 1997-05-20 Hitachi Ltd 異常接触検出方法および装置
EP1338873A1 (en) * 2000-11-06 2003-08-27 NSK Ltd., Abnormality diagnosing device and method for mechanical equipment
CN102156873A (zh) * 2010-12-31 2011-08-17 北京航空航天大学 一种基于混沌的机械零部件早期单点故障检测与分类方法
CN102661783A (zh) * 2012-04-24 2012-09-12 北京信息科技大学 一种旋转机械故障趋势预测的特征提取方法
CN103376291A (zh) * 2012-04-18 2013-10-30 松下电器产业株式会社 异常检查方法及异常检查装置
WO2016039086A1 (ja) * 2014-09-12 2016-03-17 株式会社神戸製鋼所 回転機の異常検知装置、回転機の異常検知方法、及び、回転機
JP2016057247A (ja) * 2014-09-12 2016-04-21 株式会社神戸製鋼所 回転機の異常診断装置、回転機の異常診断方法、及び、回転機
CN105738806A (zh) * 2016-02-03 2016-07-06 北京汉能华科技股份有限公司 一种风力发电机组故障诊断系统和方法

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4429578A (en) * 1982-03-22 1984-02-07 General Electric Company Acoustical defect detection system
US7204161B2 (en) * 1998-06-29 2007-04-17 Veri-Tek International Corp. Isolation arrangement for system under test
FI108755B (fi) * 1999-07-07 2002-03-15 Metso Paper Automation Oy Menetelmä kunnon valvomiseksi laitteissa
JP4265982B2 (ja) * 2004-02-25 2009-05-20 三菱電機株式会社 機器診断装置、冷凍サイクル装置、冷凍サイクル監視システム
US7606673B2 (en) * 2006-05-01 2009-10-20 Dynamic Measurement Consultants, Llc Rotating bearing analysis and monitoring system
FR2900745B1 (fr) * 2006-05-05 2008-10-10 Eurocopter France Procede et dispositif de diagnostic d'un mecanisme
US10520397B2 (en) * 2012-05-31 2019-12-31 University Of Connecticut Methods and apparatuses for defect diagnosis in a mechanical system
EP2975397B1 (en) * 2014-07-18 2020-01-15 Siemens Aktiengesellschaft High frequency acoustic spectrum imaging method and corresponding device
JP6223935B2 (ja) * 2014-09-12 2017-11-01 株式会社神戸製鋼所 回転機械異常検出装置および該方法ならびに回転機
US20170067860A1 (en) * 2015-09-03 2017-03-09 Paul Grabill Control Area Network Machine Diagostic
JP6539594B2 (ja) * 2016-01-18 2019-07-03 株式会社神戸製鋼所 回転機異常検出装置および該方法ならびに回転機
JP2017138398A (ja) * 2016-02-02 2017-08-10 富士ゼロックス株式会社 診断装置、画像形成装置、診断システムおよびプログラム
US10801998B2 (en) * 2017-03-13 2020-10-13 University Of South Carolina Identifying structural defect geometric features from acoustic emission waveforms
JP6698715B2 (ja) * 2018-01-23 2020-05-27 三菱重工業株式会社 設備状態監視装置および設備状態監視方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05231361A (ja) * 1992-02-26 1993-09-07 Hitachi Ltd オイルフリースクリュー圧縮機の診断方法およびその装置
JPH09133577A (ja) * 1995-11-07 1997-05-20 Hitachi Ltd 異常接触検出方法および装置
EP1338873A1 (en) * 2000-11-06 2003-08-27 NSK Ltd., Abnormality diagnosing device and method for mechanical equipment
CN102156873A (zh) * 2010-12-31 2011-08-17 北京航空航天大学 一种基于混沌的机械零部件早期单点故障检测与分类方法
CN103376291A (zh) * 2012-04-18 2013-10-30 松下电器产业株式会社 异常检查方法及异常检查装置
CN102661783A (zh) * 2012-04-24 2012-09-12 北京信息科技大学 一种旋转机械故障趋势预测的特征提取方法
WO2016039086A1 (ja) * 2014-09-12 2016-03-17 株式会社神戸製鋼所 回転機の異常検知装置、回転機の異常検知方法、及び、回転機
JP2016057247A (ja) * 2014-09-12 2016-04-21 株式会社神戸製鋼所 回転機の異常診断装置、回転機の異常診断方法、及び、回転機
CN105738806A (zh) * 2016-02-03 2016-07-06 北京汉能华科技股份有限公司 一种风力发电机组故障诊断系统和方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110617562A (zh) * 2019-09-12 2019-12-27 成都仙德科技有限公司 一种便携式声能空调震动抑制方法
CN111397725A (zh) * 2020-03-20 2020-07-10 符霞 一种智能振动频谱传感器自动监控系统和方法

Also Published As

Publication number Publication date
EP3483584A4 (en) 2020-03-18
WO2018066267A1 (ja) 2018-04-12
EP3483584A1 (en) 2019-05-15
CN109690279B (zh) 2021-04-27
EP3483584B1 (en) 2021-03-31
JP6630653B2 (ja) 2020-01-15
US20190170704A1 (en) 2019-06-06
JP2018059821A (ja) 2018-04-12
US11143632B2 (en) 2021-10-12

Similar Documents

Publication Publication Date Title
CN109690279A (zh) 旋转机异常检测装置及其方法和旋转机
CN107063654B (zh) 旋转机械异常检测装置及该方法、以及旋转机械
US6889553B2 (en) Method and apparatus for vibration sensing and analysis
EP3049788B1 (en) Gear fault detection
CN106662504B (zh) 旋转机械异常检测装置及其方法以及旋转机
ES2800319T3 (es) Sistema de detección de fallos y método asociado
Reddy et al. Detection and monitoring of coupling misalignment in rotors using torque measurements
US20030209077A1 (en) Automated fault diagnosis device and method
SE535559C2 (sv) Förfarande och anordning för analys av tillståndet hos maskin med roterande del
JP5740208B2 (ja) 軸受診断方法及びシステム
JP2008292288A (ja) 減速機の軸受診断装置
EP3605037A1 (en) Information terminal and machine component diagnosis system
WO2014047714A1 (en) System and method for vibration severity assessment independently of vibration frequency
JP2020041849A (ja) 転がり軸受の異常診断方法及び異常診断装置、異常診断プログラム
Upadhye et al. Real-time wireless vibration monitoring system using LabVIEW
JP2011252762A (ja) 軸受状態監視方法及び軸受状態監視装置
JP2004020424A (ja) 振動信号の処理方法
JP2016170085A (ja) 異常診断装置及び異常診断方法
KR101012097B1 (ko) 비접촉식 센서를 이용한 선박용 디젤엔진 크랭크축의 종방향 진동 측정장치 및 이를 이용한 진동 측정방법
JP2006189333A (ja) 軸受の異常診断装置
JP7518808B2 (ja) 診断方法、診断プログラム、および診断装置
US20240210278A1 (en) Rolling bearing abnormality detection device and rolling bearing abnormality detection method
Galar et al. Overall factory average spectrum: global vibration index for diagnosis and prognosis of large sets of rotating machinery
CN118435034A (zh) 滚动轴承异常检测装置以及滚动轴承异常检测方法
Ai et al. The Application of the Diagnoses Technique of Vibration on the Failure Analysis of Gear and Bearing in Gearbox

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