CN110800207A - 电动机诊断装置 - Google Patents
电动机诊断装置 Download PDFInfo
- Publication number
- CN110800207A CN110800207A CN201780092485.3A CN201780092485A CN110800207A CN 110800207 A CN110800207 A CN 110800207A CN 201780092485 A CN201780092485 A CN 201780092485A CN 110800207 A CN110800207 A CN 110800207A
- Authority
- CN
- China
- Prior art keywords
- unit
- current
- motor
- power spectrum
- sideband wave
- 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
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P29/00—Arrangements for regulating or controlling electric motors, appropriate for both AC and DC motors
- H02P29/02—Providing protection against overload without automatic interruption of supply
- H02P29/024—Detecting a fault condition, e.g. short circuit, locked rotor, open circuit or loss of load
- H02P29/0241—Detecting a fault condition, e.g. short circuit, locked rotor, open circuit or loss of load the fault being an overvoltage
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P29/00—Arrangements for regulating or controlling electric motors, appropriate for both AC and DC motors
- H02P29/02—Providing protection against overload without automatic interruption of supply
- H02P29/024—Detecting a fault condition, e.g. short circuit, locked rotor, open circuit or loss of load
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/34—Testing dynamo-electric machines
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Tests Of Circuit Breakers, Generators, And Electric Motors (AREA)
- Control Of Electric Motors In General (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Manufacture Of Motors, Generators (AREA)
Abstract
本发明提供一种电动机诊断装置,在来自检测电动机(5)的电流的电流输入部(71)的电流处于稳定状态时,利用FFT分析部(8402)分析电流的功率谱,利用求平均运算部(8406)对FFT分析部(8402)分析后得到的多次功率谱求平均,利用边带波提取部(8407)提取求平均后的功率谱的边带波,当边带波提取部(8407)提取到信号强度在设定值以上的边带波时,从警报输出部(85)输出警报。
Description
技术领域
本发明涉及在例如闭锁配电盘及控制中心所使用的用于诊断感应电动机有没有异常的电动机诊断装置。
背景技术
以往,提出了如下的设备异常诊断方法:测定感应电动机的负载电流并进行频率分析,关注在运转频率的两侧所产生的边带,基于短周期的上下方向的波形紊乱和长周期的上下方向的波形振荡即波纹的状态,来诊断感应电动机及感应电动机所驱动的设备的异常(例如专利文献1)。
现有技术文献
专利文献
专利文献1:日本专利特许4782218号公报
发明内容
发明所要解决的技术问题
在以往的设备异常诊断方法中,当感应电动机的负载转矩发生变动时,电源频率(运转频率)附近两侧的频谱强度增大,在电源频率的两侧所产生的峰形边带波的振荡强度也变大,从而存在难以检测出边带波的问题。
本发明是为了解决上述问题而作出的,其目的在于提供一种电动机诊断装置,即使是负载转矩会发生变动的电动机,也能够检测出在电源频率附近的两侧所产生的峰形边带波,从而诊断电动机有没有异常。
解决技术问题所采用的技术方案
本发明所涉及的电动机诊断装置包括:电流输入部,该电流输入部检测并输入电动机的电流;FFT分析部,该FFT分析部基于通过通信线路获得的电流输入部中的检测电流的电流数据,在来自电流输入部的电流处于稳定状态时,对所述电流的功率谱进行分析;求平均运算部,该求平均运算部对FFT分析部分析后得到的多次功率谱求平均;边带波提取部,该边带波提取部提取经求平均运算部求平均后的功率谱的边带波;边带波判定部,该边带波判定部根据边带波提取部提取出的边带波的个数及信号强度,来判定电动机是否有异常;以及警报输出部,该警报输出部在边带波判定部判断为有异常时输出警报。
发明效果
根据本发明,由于包括:电流输入部,该电流输入部检测并输入电动机的电流;FFT分析部,该FFT分析部基于通过通信线路获得的所述电流输入部中的检测电流的电流数据,在来自电流输入部的电流处于稳定状态时,对所述电流的功率谱进行分析;求平均运算部,该求平均运算部对FFT分析部分析后得到的多次功率谱求平均;边带波提取部,该边带波提取部提取经求平均运算部求平均后的功率谱的边带波;边带波判定部,该边带波判定部根据边带波提取部提取出的边带波的个数及信号强度,来判定电动机是否有异常;以及警报输出部,该警报输出部在边带波判定部判断为有异常时输出警报,因此,通过在电流处于稳定状态时由FFT分析部进行功率谱分析,从而能够可靠地检测出电源频率的两侧所产生的波峰位置。另外,通过由求平均运算部对多次功率谱进行求平均,从而能够减小因例如噪声等混入功率谱的波峰位置的信号强度,边带波提取部能够可靠地提取出边带波,从而能够得到即使是负载转矩会发生变动的电动机,也能够检测出在电源频率附近的两侧产生的峰形边带波,从而能够诊断出电动机有没有异常的电动机诊断装置。
附图说明
图1是表示本发明的实施方式1中的电动机诊断装置的设置情况的简要结构图。
图2是表示本发明的实施方式1中的电动机诊断装置的逻辑运算部的结构的框图。
图3是说明本发明实施方式1所涉及的电动机诊断装置中的频率轴变换的说明图。
图4是说明本发明的实施方式1中的电动机诊断装置的动作的流程图。
图5是说明本发明的实施方式1中的电动机诊断装置的阈值设定的说明图。
图6是表示本发明的实施方式2中的电动机诊断装置的设置情况的简要结构图。
图7是表示本发明的实施方式2中的电动机诊断装置的逻辑运算部的结构的框图。
图8是表示本发明的实施方式2所涉及的电动机诊断装置中的与机械振动相关的电流谱变化趋势的趋势图。
图9是表示本发明的实施方式2所涉及的电动机诊断装置中的与轴承损伤相关的电流谱变化趋势的趋势图。
图10是表示本发明的实施方式2所涉及的电动机诊断装置中将电流谱叠加显示的状态的图。
图11是说明本发明的实施方式2中的电动机诊断装置的动作的流程图。
图12是表示本发明的实施方式3中的电动机诊断装置的结构图。
图13是表示本发明的实施方式3中的电动机诊断装置的逻辑运算部的结构的框图。
具体实施方式
下面,参照附图来说明本发明的实施方式。图中的相同标号表示相同或相当的部分。
实施方式1
图1是表示本发明的实施方式1中的电动机诊断装置的设置情况的简要结构图,图2是表示实施方式1中的电动机诊断装置的逻辑运算部的结构的框图,图3是说明实施方式1所涉及的电动机诊断装置中的频率轴变换的说明图,图4是说明实施方式1中的电动机诊断装置的动作的流程图,图5是说明实施方式1中的电动机诊断装置的阈值设定的说明图。
图1中,接入电力系统的主电路1中设有布线用断路器2、电磁接触器3、以及用于检测三相主电路1的一相的负载电流的仪表用变压器等电流检测器4。主电路1连接有作为负载的三相感应电动机等电动机5,通过电动机5对机械设备6的运转进行驱动。对于这样的设备,本实施方式中的电动机诊断装置具备电流数字转换部7和数据运算部8,电流数字转换部7和数据运算部8通过有线或无线的通信线路9相连接。另外,电动机5和机械设备6针对主电路1设有多组,对应于这样的电动机5和机械设备6的各组,电流数字转换部7同样设有多个。来自多个电流数字转换部7的传输数据经由通信线路9输入至数据运算部8。
构成电动机诊断装置的一部分的电流数字转换部7包括:输入由电流检测器4检测出的电流的电流输入部71;对从电流输入部71输入的电流进行模数转换的A/D转换部72;将A/D转换部72所得到的数字数据转换为规定形式的数字数据的数据转换部73;以及将来自数据转换部73的数字数据转换为传输数据的传输数据转换部74。
电流数字转换部7所生成的传输数据经由通信线路9传输至构成电动机诊断装置的一部分的数据运算部8。
数据运算部8中设有:将从电流数字转换部7的传输数据转换部74经由通信线路9输入的传输数据转换成规定形式的数据的传输数据转换部81;预先输入了电源频率或电动机5的额定输出、额定电压、额定电流、极数、额定转速等的额定信息输入部82;以及将从额定信息输入部82输入的额定信息加以保存的额定信息存储部83。额定信息是通过浏览电动机5的制造商的产品目录或翻看装在电动机5上的铭牌而能容易获取的信息。在诊断对象的电动机5存在多台的情况下,预先输入所有诊断对象的电动机5的额定信息,但在下文的说明中对一台电动机5的情况进行说明。
电动机诊断装置中,利用传输数据转换部74将来自通信线路9的传输数据加工成数字值。
电动机诊断装置设有用于诊断电动机5有没有异常的逻辑运算部84、以及在逻辑运算部84发现了异常的情况下通过警报或故障灯的闪烁等来输出警报的警报输出部85。
基于图2来说明逻辑运算部84的结构。
逻辑运算部84包括:求出从电流输入部71输入的电流是否有变动的电流变动运算部8400;使用电流变动运算部8400所求出的结果来提取电流稳定的区间以确定功率谱分析区间的FFT(快速傅里叶变换)分析区间判定部8401;使用FFT分析区间判定部8401所确定的区间的电流来实施功率谱分析的FFT分析部8402;检测FFT分析部8402分析出的功率谱中所包含的波峰位置的波峰检测运算部8403;根据波峰检测运算部8403检测出的波峰位置来求出由旋转频率引起的波峰位置的旋转频带判定部8404;将多次功率谱的旋转频带的频率合并的频率轴变换运算部8405;对频率轴变换运算部8405变换了频率轴后的多次功率谱进行求平均处理的求平均运算部8406;使用求平均运算部8406求平均后的功率谱来提取旋转频带以外且在电源频率的两侧是否有波峰位置(以下将该波峰位置称为边带波)的边带波提取部8407;以及在边带波提取部8407提取出边带波时判定边带波的信号强度是否在设定值以上的边带波判定部8408。
电流变动运算部8400基于来自电流输入部71的电流,计算电流值的统计偏差。偏差的计算有例如标准偏差或马氏距离等方法。
FFT分析区间判定部8401基于电流变动运算部8400所求出的电流值的统计偏差,仅提取出偏差在阈值以下的电流值处于稳定状态的电流区间,从而确定功率谱分析区间。通常,当电动机5的负载转矩发生变动时,电流值会产生偏差,若对偏差大的电流波形的功率谱进行分析,则电源频率附近两侧的信号强度将增大,从而不会出现边带波等波峰位置。
即,边带波的波峰位置会包含在电源频率附近两侧的信号强度分布内,从而无法检测出边带波的波峰位置。为了防止这一情况出现,设置FFT分析区间判定部8401的阈值。
FFT分析部8402使用在FFT分析区间判定部8401所确定的区间被输入的电流波形来进行频率分析,从而计算出电流功率谱的强度。通过对电流值处于稳定状态的电流波形进行功率谱分析,在电源频率附近两侧的功率谱强度不会增大,只要有波峰位置,就能可靠地出现。
波峰检测运算部8403根据电流功率谱强度的分析结果,检测由电源频率引起的波峰位置、由旋转频率引起的波峰位置、由边带波引起的波峰位置及其它波峰位置。波峰位置的检测可以通过提取出一阶、二阶和三阶微分计算所算出的结果中斜率突然反转的部分来进行检测。通过实施到三阶为止的微分计算,能够检测出信号强度更小的波峰位置。由电源频率引起的波峰位置产生在额定信息存储部83中保存的电源频率(一般为50Hz或60Hz)的位置上,因此能够简单地确认。
旋转频带判定部8404根据额定信息存储部83中保存的额定转速,求出旋转频率,并提取出以电源频率为中心在其两侧错开旋转频率的位置附近的信号强度相同的波峰位置。通常,电动机5会根据其负载转矩的状况发生打滑从而导致转速产生偏差,因此由旋转频率引起的波峰位置也会出现相应的偏差。旋转频带判定部8404提取出将上述偏差考虑在内的频带内的波峰位置,并确定其为旋转频带。
频率轴变换运算部8405是求平均运算部8406所实施的求平均运算得以正确进行所必需的。通常,由电动机5的异常所导致的边带波的产生位置与旋转频率存在很大关系,边带波的频带与旋转频率多为倍数关系。另外,如上所述,旋转频率根据电动机5的负载转矩的状况而会出现偏差。
因此,对于求平均对象的多次功率谱分析结果,需要以波峰位置追踪方式将频率轴合并。具体而言,如图3所示,若旋转频带的频率在偏离了电源频率fr的位置上,边带波的频率在偏离了电源频率fb的位置上,电动机5处于无负载的状态下旋转频带的频率在偏离了电源频率fr1的位置上,则变换率α为α=fr1/fr,在无负载时的边带波的位置为fb1的情况下,有负载时的边带波的位置fb可以通过fb=α·fb1来求出。
图3所示的虚线部表示有负载时的信号强度分布,实线部表示无负载时的信号强度分布。通过这样以旋转频带为基准再乘以变换率α,对所有的波峰位置的频率轴进行变换。
在以上的说明中说明了在无负载时将频率轴合并的情况,但也可以例如在额定负载时将频率轴合并等、在规定负载时频率轴变换运算部8405将求平均对象的多次功率谱分析结果的频率轴合并即可。
求平均运算部8406对频率轴变换运算部8405将频率轴合并后的多次功率谱分析结果进行求平均处理,通过求平均处理来降低背景噪声,从而能够提高波峰位置的S/N比。具体而言,若对10次功率谱分析结果进行求平均处理,则因仅发生了1次的噪声等所引起的波峰位置的信号强度被降至1/10。另一方面,由于旋转频带或边带波在10次中均产生了波峰位置,且以波峰追踪方式进行了频率轴变换从而合并了频率,因此即使求平均其波峰位置的信号强度也不发生变化。在以上的说明中说明了对10次功率谱分析结果求平均的情况,但并不限于10次,只要是多次求平均即可。
边带波提取部8407从求平均运算部8406进行了求平均处理后的功率谱分析结果中,提取以电源频率为中心且在两侧错开相同频率的位置上所产生的波峰位置作为边带波。边带波的候补是将波峰检测运算部8403所得到的波峰位置作为候补来进行选择。在以电源频率为中心只在单侧产生了波峰位置的情况下,判定为不是边带波,且不进行提取。
边带波判定部8408根据边带波提取部8407提取出的边带波的个数和信号强度,来判定电动机5是否有异常。在判定电动机5有异常的情况下,从警报输出部85输出警报。
接下来,基于图4对动作进行说明。图4是说明实施方式1中的电动机诊断装置的动作的流程图。电动机诊断装置以规定的时间间隔启动,并执行以下的处理。步骤S101中,电流输入部71输入由电流检测器4检测出的电动机5的电流。步骤S102中,电流变动运算部8400计算从电流输入部71输入的电流的有效值(以下称为电流值)的偏差,FFT分析区间判定部8401使用该运算结果来判定电流是否处于稳定状态。在判定结果是电流值的偏差在预先设定的阈值以上的不稳定状态(否)的情况下,返回步骤S101,并重复上述动作直至电流达到稳定状态为止。在电流处于稳定状态(是)的情况下,前进至步骤S103。关于阈值,例如通过事先获取多个马达的现场数据,根据该数据的电流偏差值(标准偏差)在偏差值较小的范围内进行选定,将选定的值作为阈值。作为具体的计算例,例如图5所示,计算50次的偏差值,将它们从小到大排列,将与判定灵敏度相匹配的第n小的偏差值(例如在高灵敏度设定下,根据实验数据测定结果,将第5个数据(0.8))确定为阈值。作为事先获得现场数据的替代方式,也可以为电动机5设置一定的学习期间,根据在学习期间中获得的电流偏差值(标准偏差),同样可以计算出上述阈值。
步骤S103中,FFT分析部8402使用所输入的电流值处于稳定状态的区间的电流波形,在0Hz~电源频率60Hz的2倍即频率120Hz之间进行频率分析,并将功率谱分析结果传输至波峰检测运算部8403。步骤S104中,波峰检测运算部8403检测出功率谱分析结果中包含的所有波峰位置。步骤S105中,旋转频带判定部8404从检测出的波峰位置内提取出位于旋转频带的波峰位置,从而确定旋转频带。步骤S106中,频率轴变换运算部8405对所有波峰位置的频率轴进行变换,以使检测出的旋转频带变成无负载时的旋转频带。步骤S107中,将步骤S101~步骤S106的动作重复10次,收集10个进行了频率轴变换后的功率谱分析结果。
步骤S108中,求平均运算部8406对收集到的10个功率谱分析结果进行求平均处理。步骤S109中,边带波提取部8407关注求平均处理后的功率谱分析结果中的波峰位置,并提取出边带波。步骤S110中,边带波判定部8408在边带波提取部8407没有提取到边带波的情况下或者虽然提取到边带波但其信号强度小于设定值的情况下,判定电动机5没有发生异常(否),并结束诊断处理。另一方面,在边带波提取部8407提取到的边带波的信号强度大于设定值的情况下(是),判定电动机5发生了异常,并向警报输出部85发送信号,然后在步骤S111中,从警报输出部85输出警报,结束诊断处理。关于边带波判定部8408的设定值,通过学习正常时的边带波的信号强度A,计算出标准偏差σ,将检测出的边带波峰值为A+3σ即99.7%的数据所在的范围设为设定值。或者,也可以乘上安全系数α(例如2以上),设为A+3σ×α。作为上述设定值的其它确定方法,可以利用同一电动机过去故障时的数据等来确定,故障事例越多,越能根据边带波来判定准确的故障部位、故障程度。
如上所述,通过对电流值稳定时的电流波形进行功率谱分析,边带波等的波峰部位会可靠地出现。另外,通过实施求平均处理来降低噪声等,能够更加准确地进行故障诊断。
另外,经由通信线路将传输数据传输至数据运算部,因此,能够将数据运算部设置在任意位置,还能够将警报输出部设置在用户的附近。
另外,每一台电动机所配置的电流数字转换部只有数字转换的功能,因此可以用处理能力小的低价的CPU或小规模栅极电容的低价ASIC、FPGA来构成。
而且,经由通信线路将传输数据传输至数据运算部,因此,数据运算部能够接收来自多个电流数字转换部的输入,因此能够用一个数据运算部来诊断多台电动机的异常。
实施方式2
图6是表示本发明的实施方式2中的电动机诊断装置的设置情况的简要结构图,图7是表示本发明的实施方式2中的电动机诊断装置的逻辑运算部的结构的框图。
实施方式2的电动机诊断装置的基本结构与实施方式1的电动机诊断装置相同,但数据运算部8中设有功率谱存储部86和显示部87。逻辑运算部84中还设有趋势分析部8409。功率谱存储部86将求平均处理后的功率谱分析结果按照时间序列进行保存。显示部87可以显示功率谱。
图8是表示电动机诊断装置中的与机械振动相关的电流功率谱变化趋势的趋势曲线图。该曲线图将电流功率谱的旋转频率绘制成趋势图,由于与电动机的机械振动大小相关,因此用于在将要损坏之前的晚期劣化以前来检测出电动机的异常。
通常,工场里的电动机维护是通过人的五感来实施的,因此,电动机的杂音也多被判断为异常,从而希望在电动机杂音时的级别下也能够检测出异常,而旋转频率的功率谱中,即使是杂音时的级别下的异常,也能够检测出异常。
图9是表示电动机诊断装置中的与电动机的轴承损伤相关的电流功率谱变化趋势的趋势图。
电动机的轴承损伤的功率谱基本只能检测出电动机的晚期故障,一旦该频谱变大,就需要迅速进行电动机的精密诊断。
图10是将特定时间的电流功率谱叠加后的图。例如,通过将正常时的功率谱图叠加在劣化加重时的功率谱图上并用彩色来绘制曲线,频谱的不同之处将一目了然。
接着,对实施方式2中的电动机诊断装置的动作进行说明。图11是表示实施方式2的电动机诊断装置的处理动作流程的流程图。实施方式2的电动机诊断装置的处理动作中的基本部分与实施方式1的电动机诊断装置相同,但是具有步骤S1001和步骤S1002。步骤S1001中,将步骤S109中提取出的边带波的功率谱与时间信息一同存储到功率谱存储部86。步骤S1002中,趋势分析部8409生成旋转频率、轴承损伤的功率谱的趋势图,并显示在显示部87上。
接着,对趋势分析部8409的动作进行说明。趋势分析部8409着眼于功率谱存储部86中按照时间序列保存的功率谱分析结果的特定频率的边带波,图8、图9所示那样按照时间序列求出并显示该边带波的信号强度。图8、图9中的设定值是边带波判定部8408所使用的设定值。通过这样进行趋势分析,例如当电动机5的轴承磨损而产生边带波时,在边带波的信号强度较小的情况下,轴承的磨损程度较小,不会出现异常,但随着轴承的磨损慢慢增加,边带波的信号强度也会如图11所示那样按照时间序列慢慢增大。因而,边带波的信号强度达到设定值从而需要更换轴承的时期可通过实施趋势分析来掌握。其它部分与实施方式1相同,因此省略说明。
实施方式3
图12是本发明的实施方式3中的电动机诊断装置的结构图,图13是表示本发明的实施方式3中的电动机诊断装置的逻辑运算部的结构的框图。
实施方式3的电动机诊断装置的基本结构与实施方式2的电动机诊断装置相同,但如图12所示,与实施方式1及实施方式2同样进行数字化后的电流数据从电流数字转换部7经由通信线路9被输入至个人计算机(以下称为PC)10。
PC10与互联网11相连,通过使作为数据运算部8的客户端(客户端计算)12上的电动机诊断工具软件始终运行,在客户端上运作电动机诊断功能。互联网11与电动机诊断的服务用户的PC131、132、133相连。显示部87中的显示数据显示在PC131、132、133的显示部上。
电动机诊断功能与实施方式1、2相同。
在客户端上运行的优点在于不受PC操作系统(OS)的影响,且诊断工具软件的升级在客户端上进行,因此在用户的PC上无需做任何变更就能提供升级服务。
数字化后的电流数据无论是保存在客户端上,还是保存在PC上,都能够提供服务。
另外,利用本服务的多个用户可以通过访问客户端上的软件来享受服务。
本发明可以在其发明范围内对各实施方式进行自由组合,或者对各实施方式适当地进行变形、省略。
标号说明
1主电路;2布线用断路器;3电磁接触器;4电流检测器;5电动机;6机械设备;7电流数字转换部;8数据运算部;71电流输入部;72 A/D转换部;82额定信息输入部;83额定信息存储部;84逻辑运算部;85警报输出部;86功率谱存储部;87显示部;8400电流变动运算部;8401 FFT分析区间判定部;8402 FFT分析部;8403波峰检测运算部;8404旋转频带判定部;8405频率轴变换运算部;8406求平均运算部;8407边带波提取部;8408边带波判定部;8409趋势分析部。
Claims (5)
1.一种电动机诊断装置,其特征在于,包括:
电流输入部,该电流输入部检测并输入电动机的电流;FFT分析部,该FFT分析部基于通过通信线路获得的所述电流输入部中的检测电流的电流数据,在来自所述电流输入部的电流处于稳定状态时,对所述电流的功率谱进行分析;求平均运算部,该求平均运算部对所述FFT分析部分析后得到的多次功率谱求平均;边带波提取部,该边带波提取部提取经所述求平均运算部求平均后的功率谱的边带波;边带波判定部,该边带波判定部根据所述边带波提取部提取出的边带波的个数及信号强度,来判定所述电动机是否有异常;以及警报输出部,该警报输出部在所述边带波判定部判断为有异常时输出警报。
2.如权利要求1所述的电动机诊断装置,其特征在于,
所述FFT分析部基于经由所述通信线路得到的来自多个所述电流输入部的所述电流数据,来对所述电流的功率谱进行分析。
3.如权利要求1或2所述的电动机诊断装置,其特征在于,
具有波峰检测运算部,该波峰检测运算部检测所述FFT分析部所求出的功率谱的波峰位置,所述求平均运算部对多次功率谱的频率轴进行变换,在因旋转频带所引起的波峰位置合并的状态下求平均。
4.如权利要求1至3的任一项所述的电动机诊断装置,其特征在于,
还包括:功率谱存储部,该功率谱存储部保存所述求平均运算部求平均后得到的功率谱的信息;趋势分析部,该趋势分析部根据所述功率谱存储部中保存的功率谱的信息,对功率谱的边带波的趋势进行分析;以及显示部,该显示部显示所述趋势分析部所得到的趋势数据。
5.如权利要求1至4的任一项所述的电动机诊断装置,其特征在于,
所述电流输入部得到的所述电动机的电流数据经由互联网提供给客户端上的电动机诊断工具。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2017/023993 WO2019003389A1 (ja) | 2017-06-29 | 2017-06-29 | 電動機の診断装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110800207A true CN110800207A (zh) | 2020-02-14 |
CN110800207B CN110800207B (zh) | 2023-03-10 |
Family
ID=64740483
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780092485.3A Active CN110800207B (zh) | 2017-06-29 | 2017-06-29 | 电动机诊断装置 |
Country Status (5)
Country | Link |
---|---|
EP (1) | EP3648338B1 (zh) |
JP (1) | JP7046064B2 (zh) |
KR (1) | KR102340119B1 (zh) |
CN (1) | CN110800207B (zh) |
WO (1) | WO2019003389A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116533253A (zh) * | 2023-07-03 | 2023-08-04 | 佛山智能装备技术研究院 | 一种基于反馈电流频谱分析的工业机器人故障诊断方法 |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021166042A1 (ja) * | 2020-02-17 | 2021-08-26 | 三菱電機株式会社 | 永久磁石同期モータの診断装置およびこれを備えたインバータ |
DE112020007232T5 (de) * | 2020-05-25 | 2023-03-16 | Mitsubishi Electric Corporation | Motor-diagnosevorrichtung |
JP7451340B2 (ja) * | 2020-07-31 | 2024-03-18 | 三菱重工業株式会社 | 回転機械の診断装置、診断方法及び診断プログラム |
US20230324258A1 (en) | 2020-10-13 | 2023-10-12 | Mitsubishi Electric Corporation | Failure diagnosis apparatus, training apparatus, training method, and failure diagnosis system |
JP2022147213A (ja) | 2021-03-23 | 2022-10-06 | 富士電機株式会社 | モータの異常診断装置、異常診断方法及び異常診断プログラム |
CN117157515A (zh) * | 2021-04-22 | 2023-12-01 | 三菱电机株式会社 | 异常诊断装置和异常诊断方法 |
JP7383207B1 (ja) | 2023-03-31 | 2023-11-17 | 三菱電機株式会社 | モータの異常判定システム |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015179030A (ja) * | 2014-03-19 | 2015-10-08 | 株式会社中央製作所 | 電流計測装置及び該電流計測装置を用いた電流監視装置 |
JP2015227889A (ja) * | 2015-08-10 | 2015-12-17 | 株式会社高田工業所 | 回転機械系の異常診断方法 |
CN105510051A (zh) * | 2016-01-17 | 2016-04-20 | 蒋和平 | 基于物联网与云计算的新能源汽车故障诊断系统 |
JP2016195524A (ja) * | 2015-04-02 | 2016-11-17 | 三菱電機株式会社 | 電動機の診断装置 |
JP2016197040A (ja) * | 2015-04-03 | 2016-11-24 | 三菱電機株式会社 | 電動機の診断装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4782218B2 (ja) | 2009-06-10 | 2011-09-28 | 新日本製鐵株式会社 | 設備の異常診断方法 |
JP6552373B2 (ja) | 2015-10-09 | 2019-07-31 | 株式会社ミツバ | モータ制御装置 |
JP6133525B1 (ja) | 2016-09-01 | 2017-05-24 | 三菱電機株式会社 | インテリジェント電子デバイス |
-
2017
- 2017-06-29 KR KR1020197037872A patent/KR102340119B1/ko active IP Right Grant
- 2017-06-29 EP EP17915537.9A patent/EP3648338B1/en active Active
- 2017-06-29 CN CN201780092485.3A patent/CN110800207B/zh active Active
- 2017-06-29 WO PCT/JP2017/023993 patent/WO2019003389A1/ja unknown
- 2017-06-29 JP JP2019526070A patent/JP7046064B2/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015179030A (ja) * | 2014-03-19 | 2015-10-08 | 株式会社中央製作所 | 電流計測装置及び該電流計測装置を用いた電流監視装置 |
JP2016195524A (ja) * | 2015-04-02 | 2016-11-17 | 三菱電機株式会社 | 電動機の診断装置 |
JP2016197040A (ja) * | 2015-04-03 | 2016-11-24 | 三菱電機株式会社 | 電動機の診断装置 |
JP2015227889A (ja) * | 2015-08-10 | 2015-12-17 | 株式会社高田工業所 | 回転機械系の異常診断方法 |
CN105510051A (zh) * | 2016-01-17 | 2016-04-20 | 蒋和平 | 基于物联网与云计算的新能源汽车故障诊断系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116533253A (zh) * | 2023-07-03 | 2023-08-04 | 佛山智能装备技术研究院 | 一种基于反馈电流频谱分析的工业机器人故障诊断方法 |
CN116533253B (zh) * | 2023-07-03 | 2023-09-19 | 佛山智能装备技术研究院 | 一种基于反馈电流频谱分析的工业机器人故障诊断方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110800207B (zh) | 2023-03-10 |
JP7046064B2 (ja) | 2022-04-01 |
EP3648338A4 (en) | 2020-06-10 |
EP3648338B1 (en) | 2022-02-16 |
KR102340119B1 (ko) | 2021-12-16 |
KR20200010449A (ko) | 2020-01-30 |
JPWO2019003389A1 (ja) | 2020-03-19 |
EP3648338A1 (en) | 2020-05-06 |
WO2019003389A1 (ja) | 2019-01-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110800207B (zh) | 电动机诊断装置 | |
KR102097510B1 (ko) | 부하의 이상 검출 장치 | |
JP6190841B2 (ja) | 電動機の診断装置 | |
EP2790028B1 (en) | Broken rotor bar detection based on current signature analysis of an electric machine | |
US10310016B2 (en) | Method for the diagnostics of electromechanical system based on impedance analysis | |
CN110268623B (zh) | 电动机的诊断装置 | |
CN109478832B (zh) | 电动机的诊断装置 | |
CN111247442B (zh) | 异常诊断装置、异常诊断方法及异常诊断系统 | |
JP6017649B2 (ja) | 回転機械系の異常診断方法 | |
CN115136487A (zh) | 电动机的诊断装置 | |
CN111344946A (zh) | 设备劣化诊断装置 | |
CN117157515A (zh) | 异常诊断装置和异常诊断方法 | |
JP6824493B1 (ja) | 電動機の診断装置 |
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 |