CN110785644B - 具有旋转构件的装置的异常原因确定系统 - Google Patents

Abstract

具有旋转构件的装置的异常原因确定系统（10）特征在于，具备：观测旋转构件（R）的状态，且取得测量数据的加速度传感器（22a）、（22b）及拾取传感器（24）以及温度传感器（26）；将测量数据转换为两个以上的互异的新形式的转换数据的测量数据转换部（30）；以及通过解析由测量数据转换部（30）制作的转换数据来确定所述装置的异常原因的异常原因确定部（40）。

Description

具有旋转构件的装置的异常原因确定系统

技术领域

本发明涉及具有旋转构件的装置的异常原因确定系统。

背景技术

以往已知在具有旋转构件的装置（例如燃气轮机、压缩机及包含多关节臂的机器人等）上安装传感器，基于从该传感器得到的测量数据来确定装置异常处的系统。但为了进行具有旋转构件的装置的改良，不仅希望确定异常处，还希望一并确定异常原因。作为能满足这样的要求的具有旋转构件的装置的异常原因确定系统，例如有专利文献1中公开的旋转机械的异常诊断系统。

专利文献1的异常诊断系统具备：在作为诊断对象的旋转机械上设置的振动检测传感器；将来自振动检测传感器的检测信号转换为振动数据的运算处理器；以及根据来自运算处理器的振动数据进行诊断的信息处理设备。

现有技术文献：

专利文献：

专利文献1 ：日本特许第3834228号公报。

发明内容

发明要解决的问题：

然而，专利文献1中虽未详细记载，但专利文献1的旋转机械的异常诊断系统是对旋转机械运行时产生的1种与频率有关的数据进行转换并制作一个转换数据，基于其来确定异常原因。但在这样的情况下无法高精度地确定异常原因。且能确定的异常原因的种类也较少。

因此，本发明目的在于提供一种能高精度地确定较多种类的异常原因的具有旋转构件的装置的异常原因确定系统。

解决问题的手段：

为了解决前述问题，根据本发明的具有旋转构件的装置的异常原因确定系统特征在于，是基于具有旋转构件的装置运行时测量的测量数据来确定所述装置的异常原因的具有旋转构件的装置的异常原因确定系统；具备：观测所述旋转构件的状态，且取得所述测量数据的传感器；将所述测量数据转换为两个以上的互异的新形式的转换数据的测量数据转换部；以及通过解析所述测量数据转换部制作的所述转换数据来确定所述装置的异常原因的异常原因确定部。

根据该结构，由测量数据转换部将测量数据转换为两个以上的互异的新形式的转换数据，由异常原因确定部解析这些转换数据，从而对装置的异常原因进行确定。由此，相比于以往那样例如对旋转机械运行时产生的1种与频率有关的数据进行转换并制作一个转换数据并基于其来确定异常原因的情况，能高精度地确定异常原因。且也能增多能确定的异常原因的种类。即，根据本发明的具有旋转构件的装置的异常原因确定系统能高精度地确定较多种类的异常原因。

也可以是，所述异常原因确定部通过将所述测量数据转换部制作的所述两个以上的互异的新形式的转换数据中的至少两个转换数据组合起来进行解析，来确定所述装置的异常原因。

根据该结构，能使上述的本发明所发挥的效果显著。

也可以是，所述转换数据包括以下数据中的至少两个：以通过用正交坐标系示出特定时刻下的每个频率的振幅，从而具有频率的数据的形式制作的频率分析数据；以通过在特定时间范围内排列示出每个频率的振幅，从而除频率的数据外还具有时间的数据的形式制作的瀑布数据（Waterfall data）；以通过用正交坐标系示出每个转速的振幅和相位，从而具有振幅数据及相位的数据的形式制作的波德数据（Bode data）；以通过用极坐标系示出每个时间的振幅及相位，从而具有相位的数据的形式制作的极坐标（Polar）数据；以通过使由同时刻测量的来自两个方向的振动数据决定的轴心位置在特定时间范围内连续排列地示出振动轨迹，从而具有两个方向的振动数据的形式制作的轨迹（Orbit）数据；以通过用极坐标系示出在同时刻的特定时间范围内测量的来自两个方向的振动数据各自的振动中心即轴心位置的每个时间的轨迹或每个转速的轨迹，从而具有滑动轴承内的轴心位置的数据的形式制作的轴心轨迹数据；以通过在特定转速范围内排列示出每个频率的振幅，从而除频率的数据外还具有转速的数据的形式制作的级联（Cascade）数据；以及以通过在特定转速范围内将每个频率的振幅排列并用不同于所述级联数据的形式示出，从而除频率的数据外还具有转速的数据的形式制作的坎贝尔（Campbell）数据。

根据该结构，异常原因确定部能通过利用例如频率分析数据或瀑布数据和其它数据，从而不仅基于特定时间范围内的频率的数据，还基于其它数据来进行解析，并对装置的异常原因进行确定。由此能使上述的本发明所发挥的效果显著。

也可以是，所述测量数据转换部在将所述测量数据转换为所述频率分析数据、所述瀑布数据、所述波德数据、所述级联数据或所述坎贝尔数据时，利用各数据的特征频率进行无因次化。

根据该结构，不依存于每个装置的频率而能通用地使用根据本发明的具有旋转构件的装置的异常原因确定系统。

也可以是，所述测量数据转换部在将所述测量数据转换为所述频率分析数据、所述瀑布数据、所述级联数据或所述坎贝尔数据时，利用各数据的互异的两种以上的特征频率，分别制作两个以上的无因次化数据。

根据该结构，由一个转换数据制作两个以上的无因次化数据，从而能将该两个以上的无因次化数据组合起来进行解析。由此，能在突出起因于异常的特征后进行解析，从而能更为高精度地确定异常原因。

也可以是，所述测量数据转换部将进行所述无因次化时使用的特征频率的种类标记于所述无因次化数据。

根据该结构，即便在由一个转换数据制作两个以上的无因次化数据的情况下，也能容易地进行该两个以上的无因次化数据的管理。由此，例如能提高确定异常原因时的处理速度。

例如也可以是，所述异常原因确定部通过进行由所述测量数据转换部制作的所述转换数据与预先制作的判定模型的比较来进行解析。

也可以是，所述测量数据包括通过所述测量数据转换部转换为所述两个以上的转换数据的第一测量数据和不通过所述测量数据转换部进行转换的第二测量数据；所述异常原因确定部通过将所述第二测量数据及对所述装置的控制指令数据中的至少任一方添加至至少一个转换数据并进行解析，来确定所述装置的异常原因。

根据该结构，也能确定仅通过解析上述两个以上的转换数据无法确定的异常原因。即，根据该结构，能进一步增加可确定的异常原因的种类，也能提高确定的精度。

也可以是，所述测量数据包括通过所述测量数据转换部转换为所述两个以上的转换数据的第一测量数据和不通过所述测量数据转换部进行转换的第二测量数据；所述异常原因确定部还通过解析所述第二测量数据及对所述装置的控制指令数据中的至少任一方来确定所述装置的异常原因。

根据该结构，也能确定仅通过解析上述两个以上的转换数据无法确定的异常原因。即，根据该结构，能进一步增加可确定的异常原因的种类，也能提高确定的精度。

发明效果：

本发明提供能高精度地确定较多种类的异常原因的具有旋转构件的装置的异常原因确定系统。

附图说明

图1是示出根据本发明一实施形态的具有旋转构件的装置的异常原因确定系统的整体结构的框图；

图2是示出由图1所示的异常原因确定系统所具备的测量数据转换部制作的波德数据的一例的图；

图3是示出由所述异常原因确定系统所具备的所述测量数据转换部制作的极坐标数据的一例的图；

图4是示出由所述异常原因确定系统所具备的所述测量数据转换部制作的轨迹数据的一例的图；

图5是示出由所述异常原因确定系统所具备的所述测量数据转换部制作的频率分析数据的一例的图；

图6是示出由所述异常原因确定系统所具备的所述测量数据转换部制作的瀑布数据的一例的图；

图7是示出由所述异常原因确定系统所具备的所述测量数据转换部制作的级联数据的一例的图；

图8是示出由所述异常原因确定系统所具备的所述测量数据转换部制作的坎贝尔数据的一例的图；

图9是示出由所述异常原因确定系统所具备的所述测量数据转换部制作的轴心轨迹数据的一例的图；

图10是示出根据本发明一实施形态的具有旋转构件的装置的异常原因确定系统所具备的预先制作的判定模型的一例的图。

具体实施方式

（整体结构）

以下，参照附图对根据本发明一实施形态的具有旋转构件的装置的异常原因确定系统进行说明。图1是示出根据本发明一实施形态的具有旋转构件的装置的异常原因确定系统的整体结构的框图。

根据本发明一实施形态的具有旋转构件的装置的异常原因确定系统10（以下仅称为“异常原因确定系统10”。）用于基于在具有旋转构件R的装置（例如燃气轮机、蒸汽涡轮、压缩机、油压泵/马达、包括在电动马达及旋转机的作用下驱动的多关节臂的机器人等）运行时测量的测量数据，确定所述装置的异常原因。

参照图1，异常原因确定系统10具备：在具有旋转构件R的装置上设置的两个加速度传感器22a、22b及拾取（pick-up）传感器24；在具有旋转构件R的装置的附近设置的温度传感器26；分别与两个加速度传感器22a、22b及拾取传感器24电气连接的测量数据转换部30；以及分别与测量数据转换部30及温度传感器26电气连接的异常原因确定部40。

（加速度传感器22a、22b及拾取传感器24）

两个加速度传感器22a、22b分别用于对装置运行时产生的旋转构件R的振动数据（第一测量数据）进行测量。加速度传感器22a对与旋转构件R的轴心方向正交的第一方向（X轴方向）的振动数据进行测量，加速度传感器22b对与旋转构件R的轴心方向及所述第一方向正交的第二方向（Y轴方向）的振动数据进行测量。两个加速度传感器22a、22b分别将测量的振动数据向测量数据转换部30发送。又，拾取传感器24用于测量旋转构件R的转速（第一测量数据）。拾取传感器24将测量的转速向测量数据转换部30发送。另，测量振动数据除了使用两个加速度传感器22a、22b，也可以使用例如速度传感器、位移传感器。

（温度传感器26）

温度传感器26用于测量温度数据（第二测量数据）。温度传感器26将测量的温度数据向异常原因确定部40发送。

（测量数据转换部30）

测量数据转换部30将加速度传感器22a、22b所取得的两个方向的振动数据及拾取传感器24所取得的转速转换为两个以上的互异的新形式的转换数据。测量数据转换部30例如为计算机，具有ROM、RAM等存储器和CPU，储存于ROM的程序由CPU执行。

图2～8是分别示出由测量数据转换部30制作的上述的新形式的转换数据的一例的图。测量数据转换部30将制作的转换数据向异常原因确定部40发送。此时，转换数据可以作为数值数据发送，也可以作为图表数据或图像数据发送。

图2示出以通过正交坐标系表示每个转速的振幅和相位，从而具有振幅的数据及相位的数据的形式制作的波德数据的一例。如图2所示，波德数据例如表示为横轴示出转速且纵轴示出相位的相位图表和横轴示出转速且纵轴示出振幅的图的组合。另，波德数据例如也可以是，对旋转同步分量X、抽取其2以上的整数倍及负1倍的振动频率分量而得的（nX）和抽取1/n（n为2以上的整数）倍的振动频率分量而得的（（1/n）X）等分别制作。此外也可以是，将旋转构件R上设置有叶片的情况下的其叶片片数z、设置有齿轮的情况下的其齿数z乘以旋转同步分量X形成zX后，对以下内容分别制作：相对于该zX为1以上的整数倍的振动频率分量的（nzX）、1/n（n为2以上的整数）倍的振动频率分量的（（1/n）zX）、加上旋转同步分量X的（zX＋nX）（n为1以上的整数）及减去旋转同步分量X的（zX-nX）（同前）等。另，以下所称不平衡振动分量与上述的旋转同步分量同义。又，危险速度通过波德数据而明确。

图3示出以通过极坐标系表示每个时间的振幅及相位，从而具有相位的数据的形式制作的极坐标数据的一例。如图3所示，极坐标数据例如表示为同心圆的刻度线示出振幅且放射状的刻度线示出相位的图表。极坐标数据表现出振动矢量的轨迹，示出不平衡振动分量（1X）的相位和振幅，从而易于与该不平衡振动关联地在发生异常的情况下表现出特征。尤其是在相位变化时显著表现出特征。

图4示出以使由同时刻测量的来自两个方向的振动数据决定的轴心位置在特定时间范围内连续排列地表示振动轨迹，从而具有两个方向的振动数据的形式制作的轨迹数据的一例。如图4所示，轨迹数据例如在横轴及纵轴均示出振幅的正交坐标系中将轴心位置的瞬时值连续排列而表示为图表。轨迹数据在接触带来的反力这样的与不平衡（离心力）不同的矢量的力产生时，圆形状（或椭圆形状）大幅变化，所以易于在例如有接触等非线性现象产生的情况下表现出特征。

图5示出以通过正交坐标系表示特定时刻下的每个频率的振幅，从而具有频率的数据的形式制作的频率分析数据的一例。如图5所示，频率分析数据例如表示为通过对振动数据进行高速傅里叶变换而得的两个与频率有关的图表（横轴示出频率且纵轴示出相位的图表及横轴示出频率且纵轴示出振幅的图表）。能根据频率分析数据掌握某特定时间范围内的频率的特性。另，示出异常的不平衡分量在危险速度等频率下易表现出变化，所以也可以在以其特征频率进行无因次化后制作。

图6示出以在特定时间范围内排列表示每个频率的振幅，从而除频率的数据外还具有时间的数据的形式制作的瀑布数据的一例。如图6所示，瀑布数据例如表示为横轴示出频率而纵轴示出时间且颜色（或浓淡）示出振幅的色彩浓淡映射图。由于利用一个转换数据，除频率的数据外还能表示时间的数据，所以易于在发生异常的情况下表现出其时间性变化。在此，在装置自身发生异常的情况下，其特征周期性地或逐渐变大地显现。另一方面，在因杂音、外部干扰等而发生异常的情况下，其特征临时地显现，也在装置停止时、低速运行时显现。从而，具有上述作用的瀑布数据能在因杂音、外部干扰等而发生异常的情况下，以时间性变化掌握其征候。此外，通过以转速进行无因次化，从而易于在有起因于齿轮的啮合或轴承的异常、非线性现象发生等情况下表现出特征。而且，通过以固有振动数进行无因次化，从而易于在有不稳定振动发生的情况下表现出特征。

图7示出以在特定转速范围内排列表示每个频率的振幅，从而除频率的数据外还具有转速的数据的形式制作的级联数据的一例。如图7所示，级联数据例如表示为横轴示出频率而纵轴示出转速且颜色（或浓淡）示出振幅的色彩浓淡映射图。级联数据能掌握每个转速的状态变化。又，固有振动数、危险速度通过级联数据而明确。

图8示出以在特定转速范围内将每个频率的振幅排列并用不同于所述级联数据的形式表示，从而除频率的数据外还具有转速的数据的形式制作的坎贝尔数据的一例。如图8所示，坎贝尔数据例如表示为横轴示出转速而纵轴示出频率且以圆示出振幅的绝对值的图表。另，坎贝尔数据以不同的形式表示与级联数据相同的内容。因而其用途等与级联数据相同，故在此不重复其说明。

图9示出以通过极坐标系表示在同时刻的特定时间范围内测量的来自两个方向的振动数据各自的振动中心即轴心位置的每个时间的轨迹或每个转速的轨迹，从而具有滑动轴承内的轴心位置的数据的形式制作的轴心轨迹数据的一例。如图9所示，轴心轨迹数据例如表示为横轴示出滑动轴承内的水平方向的轴心位置且纵轴示出滑动轴承内的铅垂方向的轴心位置的图表。轴心轨迹数据易在产生滑动轴承内的异常的情况下表现出其特征。在此，描绘在可倾瓦（Tilting pad）轴承内径直向上的轨迹等，滑动轴承内的轴的浮起路径根据转速来决定。从而能通过与该路径进行比较来确定是否发生异常。

测量数据转换部30将装置运行时测量的振动数据及转速转换为例如图2所示般的波德数据、图3所示般的极坐标数据、图4所示般的轨迹数据、图5所示般的频率分析数据、图6所示般的瀑布数据、图9所示般的轴心轨迹数据、图7所示般的级联数据及图8所示般的坎贝尔数据中的至少两个。

另，装置内不存在滑动轴承时，也可以不进行向轴心轨迹数据的转换。如此，通过不进行不必要的转换，能提高测量数据转换部30的处理速度。

测量数据转换部30也可以在向频率分析数据、瀑布数据、波德数据、级联数据或坎贝尔数据转换时，利用各数据的特征频率来进行无因次化。进行频率分析数据、瀑布数据、波德数据、级联数据或坎贝尔数据的无因次化时，可以利用1种特征频率分别制作一个无因次化数据，也可以利用互异的两种以上的特征频率分别制作两个以上的无因次化数据。

在此，作为进行频率分析数据、瀑布数据、级联数据及坎贝尔数据的无因次化时使用的特征频率，可列举固有振动数及危险速度。也可以是，旋转构件R上设置有齿轮的情况下，无因次化时的特征频率包括齿轮的啮合频率。又，也可以是，旋转构件R由滚动轴承支持的情况下，无因次化时的特征频率包括轴承内轮缺陷路径（Path）、轴承外轮缺陷路径、轴承转动体缺陷路径及轴承保持器缺陷路径中的至少一个。此外，也可以是，旋转构件R上设置有叶片的情况下，无因次化时的特征频率包括叶片通过的频率。另一方面，作为进行波德数据的无因次化时使用的特征频率，可列举危险速度。

另，装置内不存在齿轮时，不利用齿轮的啮合频率进行无因次化。同样地，装置内不存在滚动轴承及滑动轴承时，不利用轴承内轮缺陷路径、轴承外轮缺陷路径、轴承转动体缺陷路径及轴承保持器缺陷路径进行无因次化，装置内不存在叶片时，不利用叶片通过的频率进行无因次化。如此，通过不进行不必要的无因次化，能提高测量数据转换部30的处理速度。

另，在如上所述进行无因次化的情况下，测量数据转换部30也可以将进行无因次化时使用的特征频率的种类标记于无因次化数据。

（异常原因确定部40）

异常原因确定部40通过解析由测量数据转换部30制作的转换数据来对装置的异常原因进行确定。异常原因确定部40与测量数据转换部30同样具有ROM、RAM等存储器和CPU，储存于ROM的程序由CPU执行。另，异常原因确定部40也可以构成为具有用于人工实现推论・判断等智力功能的自我学习功能的计算机系统（即“人工智能（AI）”）。

异常原因确定部40也可以将测量数据转换部30制作的两个以上的如图2～9所示般的转换数据中的至少两个转换数据组合起来进行解析。

异常原因确定部40也可以通过进行由测量数据转换部30制作的例如图2～9所示般的转换数据与预先制作的判定模型的比较来进行解析。从而，异常原因确定部40也可以为了储存预先制作的判定模型而包含与上述存储器分开设置的存储装置。

图10是示出根据本发明一实施形态的具有旋转构件的装置的异常原因确定系统所具备的预先制作的判定模型的一例的图。图10中，最左侧的列将异常原因列举示出，且示出确定该异常原因各自产生与否所使用的转换数据的组合候补。图10中列举了有代表性的12个异常原因，当然异常原因不限于此。

图10中，对异常原因各自产生时其特征显著表现的转换数据标以“◎”。又，对异常原因各自产生时虽逊于标以“◎”的转换数据但其特征被表现出的转换数据标以“○”。此外，对存在如下可能性的转换数据标以“△”：异常原因各自产生时其特征未必表现出，但若有则易进行解析。从而，异常原因各自能通过对标以“◎”的转换数据进行解析而确定或限定。另，异常原因各自可通过组合并解析标以“◎”的两个以上的转换数据而比解析标以“◎”的一个转换数据的情况更高精度地确定或限定。又，异常原因各自虽能通过仅解析标以“○”的转换数据来确定或限定，但通过添加标以“◎”的至少一个转换数据并解析，能更为高精度地确定或限定。另，异常原因确定部40也可以将标以“◎”的转换数据、标以“〇”的转换数据及标以“△”的转换数据中的至少两个转换数据组合起来进行解析。

分别对图10所示的异常原因进行说明。另，图10中也记载了用于对装置处于正常状态进行确定的解析的组合候补。装置为正常状态的情况下，如图10所示，能通过解析波德数据及极坐标数据中的至少任一方来将其确定。异常原因确定部40解析这些转换数据，在振动数据的振幅小于规定值，且接近危险速度的转速时相位反转的情况下，确定为装置处于正常状态。又，能通过将瀑布数据也一并解析来提高精度。此外，通过将级联数据或坎贝尔数据也一并解析可能会使解析易于进行。

在因旋转构件R上产生缺损及有物附着而发生异常的情况下（图10中为“旋转构件上的缺损/附着”），如图10所示，能通过解析极坐标数据来将其限定。这是因为，在因上述原因发生异常的情况下，不平衡的大小、位置发生变化，从而除旋转同步的不平衡分量（1X）的振动的振幅外还有相位也变化，该相位的变化易表现在极坐标数据（◎）上。另，该相位及振幅在旋转构件R发生缺损的情况下急剧变化，在有物附着的情况下用较长时间逐渐变化。又，能通过将瀑布数据及级联数据或坎贝尔数据也一并解析来确认产生的振动为不平衡分量（1X），所以能将其确定。此外，通过将波德数据也一并解析可能会使解析易于进行。

在因旋转构件R的热不平衡而发生异常的情况下，如图10所示，能通过解析极坐标数据来将其限定。这是因为，热不平衡通过摩擦产生，热应变带来的不平衡随着时间的推移，尤其是相位以持续画圆的形式变化，而该相位的变化易表现在极坐标数据（◎）上。又，由于能通过将瀑布数据也一并解析来掌握不平衡分量（1X）的时间性变化，所以能将其确定。此外，通过将波德数据及级联数据或坎贝尔数据也一并解析可能会使解析易于进行。

在因旋转轴产生裂缝而发生异常的情况下，如图10所示，能通过解析级联数据或坎贝尔数据来将其确定。这是因为，在裂缝打开方向和关闭方向上刚性出现差距从而产生旋转同步分量的两倍（2X）振动，裂缝可能会在制造、装配阶段产生，很可能在启动时就已产生振动，因而其特征易表现在除频率外还包含转速信息的级联数据、坎贝尔数据（◎）上。又，在裂缝随着时间经过而扩大的情况下，可通过将除频率外还包含时间信息的瀑布数据也一并解析来提高精度。此外，通过将频率分析数据也一并解析可能会使解析易于进行。

在因旋转构件R的摩擦而发生异常的情况下，如图10所示，能通过解析轨迹数据来将其限定。这是因为，在因上述原因发生异常的情况下，接触带来的间歇性外力作用于转子，不平衡分量（1X）的振摆回转的形状大幅紊乱地变化，而该振摆回转振动的形状的变化易表现在轨迹数据（◎）上。又，可通过将极坐标数据及瀑布数据中的至少任一方也一并解析来确定。这是因为，例如在由瀑布数据确认摩擦振荡（Friction whip）的情况下，在相对于旋转同步分量X为负1倍的振动频率分量（-1X）上表现特征。此外，通过将频率分析数据也一并解析可能会使解析易于进行。

在联轴器构件同芯连接而滑动轴承不对准（Misalignment）造成发生异常的情况下（图10中为“不对准（联轴器同芯连接）”），轴承内的轴心的位置向与通常相比浮或沉的位置移动，所以轴承的特性发生变化从而产生异常的振动。如图10所示，能通过解析轴心轨迹数据（◎）来限定轴心的位置的异常。又，可通过将级联数据或坎贝尔数据也一并解析来确定。此外，通过将频率分析数据也一并解析可能会使解析易于进行。

在因联轴器构件与旋转构件R的角度差而发生异常的情况下（图10中为“联轴器角度差”），如图10所示，能通过解析级联数据或坎贝尔数据来将其限定。这是因为，上述原因是从装置运行的初始阶段产生的，因此其特征不随时间变化，能通过解析级联数据或坎贝尔数据，根据不平衡分量的2倍的分量（2X）是否在改变转速时也产生来判別。又，可通过将瀑布数据也一并解析来确定。此外，通过将频率分析数据也一并解析可能会使解析易于进行。

在因轴承台不平衡，产生松旷而发生异常的情况下（图10中为“轴承台松旷”），如图10所示，能通过解析瀑布数据来将其限定。这是因为，上述原因由于轴承台的支持刚性为非线性而产生谐波振荡，因而若负荷、转速增大则上述松旷的影响变显著而呈时间性变化，该变化易表现在瀑布数据（◎）上。又，可通过将级联数据或坎贝尔数据也一并解析来确定。此外，通过将频率分析数据也一并解析可能会使解析易于进行。

在因滑动轴承所轴支的旋转构件R的油膜涡动（Oil whirl）而发生异常的情况下，在即将产生油膜振荡前的转速时表现出成为旋转同步的一半（（1/2）X）的分量的振动，随着转速的上升，（1/2）X的分量接近固有振动（fn），所以如图10所示，能通过解析同时包含转速和频率信息的级联数据及坎贝尔数据（◎）中的至少任一方来将其限定。又，由于是因滑动轴承异常而产生，所以变化也易表现在轴心轨迹（◎）上，能通过一并解析来确定。又，可通过将轨迹数据及瀑布数据中的至少任一方也一并解析来提高精度。此外，通过将频率分析数据也一并解析可能会使解析易于进行。

在因滑动轴承所轴支的旋转构件R的油膜振荡（Oil whip）而发生异常的情况下，在与最低阶的固有振动数（fn）的频率的2倍以上相当的转速时产生固有振动（fn）的振动，所以如图10所示，能通过解析同时包含转速和频率信息的级联数据及坎贝尔数据（◎）中的至少任一方来将其限定。又，由于是因滑动轴承异常而产生，所以变化也易表现在轴心轨迹（◎）上，能通过一并解析来确定。又，可通过将极坐标数据、轨迹数据及瀑布数据中的至少一个也一并解析来提高精度。此外，通过将频率分析数据也一并解析可能会使解析易于进行。

具有旋转构件R的装置为蒸汽涡轮的情况下，在因蒸汽激振（Steam whirl）而发生异常的情况下，如图10所示，能通过解析瀑布数据来将其限定。这是因为，涡轮叶轮中发生向前的振摆回转，产生起因于蒸汽的流体力的自激振动（fn）。又，能通过将轨迹数据、级联数据及坎贝尔数据中的至少一个也一并解析来确定。此外，通过将频率分析数据及轴心轨迹数据中的至少任一方也一并解析可能会使解析易于进行。

具有旋转构件R的装置为压缩机的情况下，在因气膜振荡（Gas whirl）而发生异常的情况下，如图10所示，能通过解析瀑布数据来将其限定。这是因为，起因于工作流体的流体力的自激振动（fn）产生，轴流压缩机中发生向后转的振摆回转。又，能通过将轨迹数据、级联数据及坎贝尔数据中的至少一个也一并解析来确定。此外，通过将频率分析数据及轴心轨迹数据中的至少任一方也一并解析可能会使解析易于进行。

联轴器构件与旋转构件R通过摩擦嵌合的情况下，在因该嵌合所产生的衰减（Damping）而发生异常的情况下，在危险速度(fc)以上的转速时产生固有振动数(fn)的振动，所以如图10所示，能通过解析同时包含转速和频率信息的级联数据或坎贝尔数据（◎）来将其限定。这是因为，上述原因是由轴与嵌合构件之间产生的摩擦力带来的自激振动（fn）而来，在超过危险速度（fc）时产生。又，能通过将轨迹数据及瀑布数据中的至少任一方也一并解析来确定。此外，通过将频率分析数据也一并解析可能会使解析易于进行。

在齿轮发生异常的情况下，对测量数据进行包络线处理，利用该数据，如图10所示，能通过解析频率分析数据来限定异常原因。又，能通过将瀑布数据、级联数据及坎贝尔数据中的至少一个也一并解析来确定异常原因。这是因为，对于存在异常的齿轮，作为其特征频率的啮合频率、其高次分量、还有它们的边带分量通常会从正常时慢慢发生变化，因而能通过与某特定时间上的频率分析数据一并，确认时间、转速带来的变化，从而确定异常原因。

在滚动轴承发生异常的情况下，对测量数据进行包络线处理，利用该数据，如图10所示，能通过解析频率分析数据来限定异常原因。又，能通过将瀑布数据、级联数据及坎贝尔数据中的至少一个也一并解析来确定异常原因。这是因为，当滚动轴承中混入了异物等时，作为特征频率的轴承内轮缺陷路径、轴承外轮缺陷路径、轴承转动体缺陷路径、轴承保持器缺陷路径之类、或它们的高次分量的任一表现出急剧变化，因而能通过与某特定时间上的频率分析数据一并，确认时间、转速带来的变化，从而确定异常原因。

异常原因确定部40如上所述对装置的异常原因进行确定，例如可以将其结果向显示器等输出装置（未图示）输出，也可以保存其结果并能通过远程设置的任意装置（同前）来确认。

（效果）

根据本实施形态的异常原因确定系统10利用测量数据转换部30来将测量数据转换为两个以上的互异的新形式的转换数据（例如在图2～9中示出其一例那样的转换数据），用异常原因确定部40解析这些转换数据，从而对装置的异常原因进行确定。由此，相比于以往那样转换例如旋转机械运行时产生的1种与频率有关的数据并制作一个转换数据，基于其来确定异常原因的情况，能高精度地确定异常原因。又，也能够增多能确定的异常原因的种类。即，根据本实施形态的异常原因确定系统10能高精度地确定较多种类的异常原因。

又，异常原因确定部40将测量数据转换部30制作的两个以上的互异的新形式的转换数据中的至少两个转换数据组合起来进行解析，由此能使上述的本实施形态所发挥的效果显著。

此外，异常原因确定部40能通过解析图2～9中示出其一例的转换数据中的至少两个，例如利用频率分析数据或瀑布数据和其它数据，从而不仅基于特定时间范围内的频率的数据，也基于其它数据进行解析，对装置的异常原因进行确定。由此能使上述的本发明所发挥的效果显著。

而且，测量数据转换部30如上所述，利用各数据的特征频率进行无因次化。由此，能不依存于每个装置的频率，而是通用地使用根据本实施形态的异常原因确定系统。

又，测量数据转换部30如上所述，利用各个数据的互异的两种以上的特征频率分别制作两个以上的无因次化数据。由此，由一个转换数据制作两个以上的无因次化数据，所以异常原因确定部40能将该两个以上的无因次化数据组合起来进行解析。其结果为，根据本实施形态的异常原因确定系统10能在突出起因于异常的特征后进行解析，从而能更为高精度地确定异常原因。

此外，测量数据转换部30通过在无因次化数据上进行标记，因而即便是在由一个转换数据制作两个以上的无因次化数据的情况下，也能容易地进行该两个以上的无因次化数据的管理。由此，例如能提高确定异常原因时的处理速度。

又，能通过将不由测量数据转换部30转换的温度数据、压力数据及装置的输出数据等运行状态的监控数据（第二测量数据）添加至一个以上的转换数据（例如具有时间轴的瀑布数据）中并解析，来提高异常原因的确定精度或进一步增加可确定的异常原因的种类。

（变形例）

上述实施形态中说明了通过将两个加速度传感器22a、22b及拾取传感器24设置在具有旋转构件R的装置上来测量振动数据及转速作为第一测量数据的情况，但不限于此。例如也可以通过将传声器设置在旋转构件R的附近来测量声音数据作为第一测量数据。又，还可以通过在具有旋转构件R的装置上安装转矩计来测量转矩数据作为第一测量数据。此外，在具有旋转构件R的装置为马达驱动的情况下，可测量马达电流数据作为第一测量数据。

上述实施形态中说明了异常原因确定部30将不由测量数据转换部30转换的第二测量数据（温度数据、压力数据及装置的输出数据等运行状态的监控数据）添加至一个以上的转换数据并进行解析的情况，但不限于此。例如，异常原因确定部30也可以将对于装置的控制指令数据（例如对于机器人，使多关节臂动作的控制指令数据等）添加至一个以上的转换数据并解析。由此，异常原因系统10也能进一步增加可确定的异常原因的种类。即，异常原因确定部30也可以将不由测量数据转换部30转换的第二测量数据及对于装置的控制指令数据中的至少任一方添加至一个以上的转换数据并解析。

又，异常原因确定部30也可以通过解析由测量数据转换部30转换的转换数据中的至少两个，并解析第二测量数据及对于装置的控制指令数据中的至少任一方，来确定异常原因。由此，也可确定仅通过解析上述两个以上的转换数据无法确定的异常原因。即，根据该结构，能进一步增加可确定的异常原因的种类，也能提高确定的精度。此时，第二测量数据及控制指令数据中的至少任一方与转换数据之间例如可由时间轴等进行关联。

上述实施形态中说明了测量数据转换部30和异常原因确定部40构成为各别的装置，且异常原因确定部40也可以构成为所谓的人工智能（AI），但不限于此种情况。例如测量数据转换部30和异常原因确定部40也可以构成为一个装置。且该一个装置也可以构成为所谓的人工智能（AI）。

上述实施形态中说明了异常原因确定系统10对具有一台旋转构件R的装置的异常原因进行确定的情况，但不限于此。即，异常原因确定系统10也可以对具有两台以上的旋转构件R的装置的异常原因进行确定。

由上述说明，作为本领域技术人员，可明确本发明较多的改良或其它实施形态。从而，上述说明应仅理解为示例，是以向本领域技术人员教导执行本发明的最优形态为目的而提供的说明。可不脱离本发明的主旨地实质性变更其构造及/或功能的详细内容。

符号说明：

10　异常原因确定系统 ；

22a、22b　加速度传感器 ；

24　拾取传感器 ；

26　温度传感器 ；

30　测量数据转换部 ；

40　异常原因确定部 ；

R　旋转构件。

Claims (7)

1.一种具有旋转构件的装置的异常原因确定系统，其特征在于，

是基于具有旋转构件的装置运行时测量的测量数据来确定所述装置的异常原因的具有旋转构件的装置的异常原因确定系统；具备：

观测所述旋转构件的状态，且取得所述测量数据的传感器；

将所述测量数据转换为两个以上的互异的新形式的转换数据的测量数据转换部；以及

通过解析所述测量数据转换部制作的所述转换数据来确定所述装置的异常原因的异常原因确定部，

所述转换数据包括以下数据中的至少两个：

以通过用正交坐标系示出特定时刻下的每个频率的振幅，从而具有频率的数据的形式制作的频率分析数据；

以通过在特定时间范围内排列示出每个频率的振幅，从而除频率的数据外还具有时间的数据的形式制作的瀑布数据；

以通过用正交坐标系示出每个转速的振幅和相位，从而具有振幅数据及相位的数据的形式制作的波德数据；

以通过用极坐标系示出每个时间的振幅及相位，从而具有相位的数据的形式制作的极坐标数据；

以使由同时刻测量的来自两个方向的振动数据决定的轴心位置在特定时间范围内连续排列地示出振动轨迹，从而具有两个方向的振动数据的形式制作的轨迹数据；

以通过用极坐标系示出在同时刻的特定时间范围内测量的来自两个方向的振动数据各自的振动中心即轴心位置的每个时间的轨迹或每个转速的轨迹，从而具有滑动轴承内的轴心位置的数据的形式制作的轴心轨迹数据；

以通过在特定转速范围内排列示出每个频率的振幅，从而除频率的数据外还具有转速的数据的形式制作的级联数据；以及

以通过在特定转速范围内将每个频率的振幅排列并用不同于所述级联数据的形式示出，从而除频率的数据外还具有转速的数据的形式制作的坎贝尔数据，

所述测量数据转换部在将所述测量数据转换为所述频率分析数据、所述瀑布数据、所述波德数据、所述级联数据或所述坎贝尔数据时，利用各数据的特征频率进行无因次化。

2.根据权利要求1所述的具有旋转构件的装置的异常原因确定系统，其特征在于，

所述测量数据转换部在将所述测量数据转换为所述频率分析数据、所述瀑布数据、所述级联数据或所述坎贝尔数据时，利用各数据的互异的两种以上的特征频率，分别制作两个以上的无因次化数据。

3.根据权利要求2所述的具有旋转构件的装置的异常原因确定系统，其特征在于，

所述测量数据转换部将进行所述无因次化时使用的特征频率的种类标记于所述无因次化数据。

4.一种具有旋转构件的装置的异常原因确定系统，其特征在于，

是基于具有旋转构件的装置运行时测量的测量数据来确定所述装置的异常原因的具有旋转构件的装置的异常原因确定系统；具备：

观测所述旋转构件的状态，且取得所述测量数据的传感器；

将所述测量数据转换为两个以上的互异的新形式的转换数据的测量数据转换部；以及

通过解析所述测量数据转换部制作的所述转换数据来确定所述装置的异常原因的异常原因确定部，

所述异常原因确定部通过进行由所述测量数据转换部制作的所述转换数据与预先制作的判定模型的比较来进行解析，

所述判定模型由多个所述异常原因和确定多个所述异常原因各自产生与否所使用的所述转换数据的组合候补构成。

5.一种具有旋转构件的装置的异常原因确定系统，其特征在于，

是基于具有旋转构件的装置运行时测量的测量数据来确定所述装置的异常原因的具有旋转构件的装置的异常原因确定系统；具备：

观测所述旋转构件的状态，且取得所述测量数据的传感器；

将所述测量数据转换为两个以上的互异的新形式的转换数据的测量数据转换部；以及

通过解析所述测量数据转换部制作的所述转换数据来确定所述装置的异常原因的异常原因确定部，

所述测量数据包括通过所述测量数据转换部转换为两个以上的所述转换数据的第一测量数据和不通过所述测量数据转换部进行转换的第二测量数据；

所述异常原因确定部通过将所述第二测量数据及对所述装置的控制指令数据中的至少任一方添加到至少一个转换数据中并进行解析，来确定所述装置的异常原因。

6.一种具有旋转构件的装置的异常原因确定系统，其特征在于，

是基于具有旋转构件的装置运行时测量的测量数据来确定所述装置的异常原因的具有旋转构件的装置的异常原因确定系统；具备：

观测所述旋转构件的状态，且取得所述测量数据的传感器；

将所述测量数据转换为两个以上的互异的新形式的转换数据的测量数据转换部；以及

通过解析所述测量数据转换部制作的所述转换数据来确定所述装置的异常原因的异常原因确定部，

所述测量数据包括通过所述测量数据转换部转换为两个以上的所述转换数据的第一测量数据和不通过所述测量数据转换部进行转换的第二测量数据；

所述异常原因确定部还通过解析所述第二测量数据及对所述装置的控制指令数据中的至少任一方来确定所述装置的异常原因。

7.根据权利要求1至6中任一项所述的具有旋转构件的装置的异常原因确定系统，其特征在于，

所述异常原因确定部通过将所述测量数据转换部制作的所述两个以上的互异的新形式的转换数据中的至少两个转换数据组合起来进行解析，来确定所述装置的异常原因。

Images