CN114845853A - 异常检测装置、异常检测方法和计算机程序 - Google Patents

Abstract

本发明提供一种异常检测装置，检测设于注射成型机上的滚珠丝杠的异常，包括：振动传感器，该振动传感器检测滚珠丝杠的振动；和运算部，该运算部根据通过对该振动传感器检测出的振动强度进行频率分析得到的频率成分的分布的信息和通过对在正常的所述滚珠丝杠运行时检测的振动强度进行频率分析得到的频率成分的分布的信息，检测所述滚珠丝杠的异常。

Description

异常检测装置、异常检测方法和计算机程序

技术领域

本发明涉及对在注射成型机中设置的滚珠丝杠的异常进行检测的异常检测装置、异常检测方法和计算机程序。

背景技术

专利文献1中公开了一种监视方法，通过加速度传感器和麦克风监视注射成型机的各可动部的振动和工作声音，检测成形工序的状态和可动部的异常发生。

专利文献2中公开了一种负荷状态显示装置，根据注射成型机的各马达的瞬时电流和瞬时电压算出平均负荷来检测驱动系统的负荷异常，并发出警报。

先行技术文献

专利文献

专利文献1：日本特开平5-50480号公报

专利文献2：日本特开平9-262889号公报

发明内容

发明要解决的课题

但是存在以下问题：在注射成型机中设置的滚珠丝杠上产生的振动波形复杂，单纯地监视振动强度并不能精度良好地检测滚珠丝杠的异常。

专利文献1中没有公开加速度数据的具体分析方法和异常检测方法。

本发明的目的在于，提供能够通过对滚珠丝杠上产生的振动强度进行频率分析来检测滚珠丝杠异常的异常检测装置、异常检测方法和计算机程序。

用于解决课题的手段

本发明的异常检测装置，检测设于注射成型机上的滚珠丝杠的异常，包括：振动传感器，该振动传感器检测所述滚珠丝杠的振动；和运算部，该运算部根据通过对该振动传感器检测出的振动强度进行频率分析得到的频率成分的分布的信息和通过对在正常的所述滚珠丝杠运行时检测的振动强度进行频率分析得到的频率成分的分布的信息，检测所述滚珠丝杠的异常。

本发明的异常检测方法，检测设于注射成型机上的滚珠丝杠的异常，包括：检测所述滚珠丝杠的振动；对检测出的振动强度进行频率分析；根据通过频率分析得到的频率成分的分布的信息和通过对在正常的所述滚珠丝杠运行时检测的振动强度进行频率分析得到的频率成分的分布的信息，检测所述滚珠丝杠的异常。

本发明的计算机程序，用于使计算机进行对设于注射成型机上的滚珠丝杠的异常进行检测的处理，所述计算机程序使所述计算机进行如下处理：检测所述滚珠丝杠的振动；对检测出的振动强度进行频率分析；根据通过频率分析得到的频率成分的分布的信息和通过对在正常的所述滚珠丝杠运行时检测的振动强度进行频率分析得到的频率成分的分布的信息，检测所述滚珠丝杠的异常。

发明的效果

按照本发明，能够通过对滚珠丝杠上产生的振动强度进行频率分析来检测滚珠丝杠的异常。

附图说明

图1是表示实施方式1的注射成型机的结构例的部分截面正视图。

图2是表示实施方式1的异常检测装置的结构例的框图。

图3是表示基于振动的异常检测方法的处理顺序的流程图。

图4是表示测量数据读入的处理顺序的流程图。

图5是表示分析区域剪切的处理顺序的流程图。

图6是表示分析区域的剪切处理的说明图。

图7是表示频率分析的处理顺序的流程图。

图8A是表示频率分析波形的一例的说明图。

图8B是表示频率分析波形的一例的说明图。

图9是表示运转频率计算的处理顺序的流程图。

图10是表示特征量计算的处理顺序的流程图。

图11A是表示分析区域的指定处理的说明图。

图11B是表示分析区域的指定处理的说明图。

图12A是表示重心计算处理的说明图。

图12B是表示重心计算处理的说明图。

图13是表示故障状态判别处理的处理顺序的流程图。

图14是表示故障状态判别处理的说明图。

图15是表示故障状态判别结果的历史的说明图。

图16是表示基于马达电流的异常检测方法的处理顺序的流程图。

图17是基波提取处理的流程图。

图18是归一化处理的流程图。

图19是表示归一化后的频率分析波形的说明图。

图20是表示故障状态判别处理的处理顺序的流程图。

图21A是表示故障状态判别处理的说明图。

图21B是表示故障状态判别处理的说明图。

图22是实施方式2的运算部的功能框图。

具体实施方式

以下，参照附图说明本发明实施方式的异常检测装置、异常检测方法和计算机程序的具体例子。本发明不是由这些例示限定的，而是由权利要求书示出，包含与权利要求书等同的意思和范围内的所有变更。

以下，基于表示本发明实施方式的附图具体说明本发明。

(实施方式1)

〈注射成型机〉

图1是表示实施方式1的注射成型机的结构例的部分截面正视图。本实施方式1的注射成型机包括注射装置1、配置在该注射装置1的前方(图1中左侧)的合模装置50、未图示的控制装置、和本实施方式1的异常检测装置7。注射装置1和合模装置50的运行由控制装置控制。

注射装置1包括注射单元IU、驱动该注射单元IU的螺杆3的螺杆驱动单元SDU、和喷嘴接触装置NT。

注射单元IU包括加热料筒2和螺杆3，螺杆3设置在该加热料筒2的内部且可在塑化方向和注射方向上被驱动。加热料筒2的外周部设有发热温度被控制的多个加热器4、4、…。在加热料筒2的位于前方的尖端部，设有注射喷嘴5。在加热料筒2的靠后方的部位，设有临时储存树脂材料的料斗6。从螺杆3的后端沿轴线方向向后方延伸的栓槽轴3a从加热料筒2的后端部向外部伸出，连接在螺杆驱动单元SDU上。

螺杆驱动单元SDU包括用于使螺杆3沿轴向移动的中间板10、塑化用电动马达11、和注射用电动马达29。

中间板10以被平行于螺杆3的轴向的多根导向杆16、16约束了旋转的状态在螺杆3的轴向上可引导地被支承。在中间板10的大致中央部，形成有用于对栓槽轴3a的后端部进行轴支承的轴承座，该轴承座上安装有推力轴承15。栓槽轴3a的后端部通过承担径向和推力方向的负荷的推力轴承15而可自由旋转地被支承在中间板10上。当中间板10在前后方向(图1中横向)即螺杆3的轴向上移动时，螺杆3在轴向上被驱动。

中间板10连接在注射用的滚珠丝杠30上。注射用的滚珠丝杠30是将螺杆3在轴向上驱动的机构。注射用的滚珠丝杠30包括注射用的丝杠轴31和螺母32。在注射用的丝杠轴31上，螺纹连接有沿丝杠轴31直线移动的螺母32。螺母32通过螺母固定部件33安装在中间板10上。

注射成型机包括用于将注射用电动马达29的驱动力传递给滚珠丝杠30的注射用传动机构20。注射用传动机构20由注射用驱动皮带轮21、注射用从动皮带轮22、和注射用同步带23构成，其中，注射用驱动皮带轮21设于注射用电动马达29的输出轴，注射用从动皮带轮22设于注射用的丝杠轴31的端部，注射用同步带23套在注射用驱动皮带轮21和注射用从动皮带轮22上。注射用驱动皮带轮21、注射用从动皮带轮22和注射用同步带23分别具有用于通过啮合来传动注射用电动马达29的驱动力的多个齿。

当注射用电动马达29输出驱动力时，驱动力通过注射用驱动皮带轮21和注射用从动皮带轮22被传动到滚珠丝杠30。滚珠丝杠30的丝杠轴31在该驱动力下旋转。由于中间板10的旋转被导向杆16、16约束，所以螺母32的旋转也受到约束。因此，当丝杠轴31被旋转驱动时，螺母32在轴向上移动，换言之，中间板10和螺杆3在轴向上移动。

在塑化用电动马达11的输出轴上设有塑化用驱动皮带轮12。在栓槽轴3a上设有在旋转方向上被限制、在轴向上自由移动的塑化用从动皮带轮13。在塑化用驱动皮带轮12和塑化用从动皮带轮13上，套着塑化用同步带14。当塑化用电动马达11输出驱动力时，螺杆3被绕轴旋转驱动。

为了将上述那样构成的注射装置1的注射喷嘴5朝与后述的固定模具54的定位环接触的方向和远离该定位环的方向驱动，设有喷嘴接触装置NT。喷嘴接触装置NT由在注射基座上隔开规定的间隔固定设置的一对支承部件42、42、在该支承部件42、42上通过承担推力和径向负荷的轴承支承的喷嘴接触用丝杠轴40、螺纹连接在该喷嘴接触用丝杠轴40上的喷嘴接触用螺母41、和将该喷嘴接触用丝杠轴40朝正反方向驱动的喷嘴接触用电动马达39构成。喷嘴接触用螺母41被固定在未图示的注射装置1的框体上。由于一对支承部件42、42被固定在注射基座上，所以，当喷嘴接触用电动马达39在正反方向上旋转时，通过喷嘴接触用传动机构43，喷嘴接触用丝杠轴40被正反方向旋转驱动，喷嘴接触用螺母41和注射装置1在注射喷嘴5与固定模具54接触的方向和离开固定模具54的方向上被驱动。

合模装置50包括模具能自由拆卸地安装的模具装置MM、夹紧模具的肘节机构TM。模具装置MM包括固定模具54能自由拆卸地安装的固定盘51和可动模具55同样能自由拆卸地安装的可动盘52。肘节机构TM设置在可动盘52与合模壳体53之间。通过未图示的驱动机构，肘节机构TM能够通过使可动盘52向前后方向(图1中横方向)移动而开闭固定模具54和可动模具55，在从注射装置1射出的熔融树脂填充到模具时，夹紧模具以使固定模具54和可动模具55不会打开。

〈异常检测装置7〉

图2是表示实施方式1的异常检测装置7的结构例的框图。

异常检测装置7是计算机，包括运算部71、存储部72、输入接口(输入I/F)73和输出接口(输出I/F)74。运算部71具有CPU(Central Processing Unit)、多核CPU、GPU(GraphicsProcessing Unit)、GPGPU(General-purpose computing on graphics processingunits)、TPU(Tensor Processing Unit)、ASIC(Application Specific IntegratedCircuit)、FPGA(Field-Programmable Gate Array)、NPU(Neural Processing Unit)等运算回路、ROM(Read Only Memory)、RAM(Random Access Memory)等内部存储装置、I/O端子等。运算部71通过执行后述的存储部72存储的计算机程序72a，发挥本实施方式1的异常检测装置7的功能。此外，异常检测装置7的各功能部可以以软件的方式实现，也可以是其一部分或全部以硬件的方式实现。

存储部72、输入接口73和输出接口74连接在运算部71上。

存储部72是硬盘、EEPROM(Electrically Erasable Programmable ROM)、闪存等非易失性存储器。存储部72存储有用于使计算机实施本实施方式1的异常检测方法的计算机程序72a、正常时振动信息72b、和正常时电流信息72c。正常时振动信息72b和正常时电流信息72c的细节将后述。

本实施方式1的计算机程序72a也可以是以计算机可读取的方式记录在记录介质8中的形式。存储部72存储由未图示的读出装置从记录介质8读出的计算机程序72a。记录介质8是闪存等半导体存储器。另外，记录介质8也可以是CD(Compact Disc)-ROM、DVD(Digital Versatile Disc)-ROM、BD(Blu-ray(注册商标)Disc)等光盘。记录介质8还可以是软盘、硬盘等磁盘、磁光盘等。另外，还可以从连接在未图示的通信网上的未图示的外部服务器下载本实施方式1的计算机程序72a，并存储在存储部72中。

输入接口73上连接有振动传感器7a、电流传感器7b和操作部7c。

振动传感器7a是测量在注射用的滚珠丝杠30上产生的振动并将测量得到的振动强度数据以有线或无线的方式向异常检测装置7的运算部71输出的传感器。作为振动传感器7a，例如，能够使用加速度传感器、速度传感器、位移传感器。以下，说明振动传感器7a是加速度传感器的情况。作为加速度传感器的振动传感器7a将表示振动强度的加速度数据向运算部71输出。运算部71通过输入接口73接收加速度数据，将所接收的加速度数据作为振动的测量数据文件存储在存储部72中。

振动传感器7a优选安装在螺母32上。对于由于滚珠丝杠30异常而形成的振动，将振动传感器7a设置在螺母32上比设置在丝杠轴31上更能有效地测定由于滚珠丝杠30异常而引起的振动。

振动传感器7a以可测量丝杠轴31的轴向(直线移动方向)的加速度的姿势安装在圆筒状的螺母32的侧面即可。在丝杠轴31和螺母32之间，未图示的滚珠循环转动，作用在丝杠轴31的槽、滚珠、螺母32间的力的方向大致为丝杠轴31的轴线方向，因此，由于滚珠丝杠30异常而引起的振动更大。所以，通过以上述姿势和位置安装振动传感器7a，能够测量轴向的加速度。另外，与设置在螺母32的周向表面相比，安装更为容易。

振动传感器7a的响应频率、也就是能测量振动的频率的上限值优选约为2.5kHz以上。通过像后述那样对以2.5kHz测量加速度得到的数据进行频率分析，能够至少对加速度的0～1000Hz的频率成分进行分析。

此外，通过根据注射装置1的特性分析50～600Hz程度的频率成分，能够检测滚珠丝杠30的异常。在这种情况下，只要使用能测量的频率的上限值约为1.5kHz以上的振动传感器7a即可。

存储部72存储的上述正常时振动信息72b，是通过对在正常的滚珠丝杠30运行时由振动传感器7a检测的振动的加速度进行频率分析得到的频率成分分布(参照图8A和图8B)的信息。以下，将通过频率分析得到的频率成分分布的波形适当称为频率分析波形。该信息例如是根据由正常的滚珠丝杠30得到的多个数据(频率、加速度)算出的、表示频率-加速度平面上的频率分析波形的重心的信息(参照图12A和图12B)。

电流传感器7b是测量流到注射用电动马达29的驱动用交流电流、并将测量出的电流数据向异常检测装置7的运算部71以有线或无线的方式输出的传感器。运算部71通过输入接口73接收电流数据，并将所接收的电流数据作为电流的测量数据文件存储在存储部72中。

存储部72存储的上述正常时电流信息72c是通过对在正常的滚珠丝杠30运行时由电流传感器7b检测的交流电流进行频率分析得到的频率成分分布的信息。以下，将通过频率分析得到的频率成分分布的波形称为频率分析波形。另外，将如后述那样将该频率分析波形归一化后的波形称为归一化波形(参照图19)。

该信息例如是根据由正常的滚珠丝杠30得到的交流电流的数据(频率、电流)算出的、表示归一化波形的特征的统计量。统计量例如是涉及方差的信息。此外，统计量是一个例子，只要是表示上述归一化波形的特征的信息就可以。例如，也可以是表示归一化波形的平均波形的图像数据。另外，由于本实施方式1的异常检测装置7是使用归一化后的波形的统计量的结构，所以，也可以将由不同于作为检查对象的注射成型机的机种得到的归一化波形的统计量作为正常时电流信息72c使用。

此外，如果是在注射成型机的维护检查时将异常检测装置7安装在注射成型机上检查滚珠丝杠30异常的结构，那么振动传感器7a优选可拆卸地固定在滚珠丝杠30上的结构，电流传感器7b也优选可拆卸地设于未图示的导电线的结构。可装拆的电流传感器7b例如是钳式传感器。

如果是始终对注射成型机的滚珠丝杠30的异常进行监视的结构，那么可以将振动传感器7a和电流传感器7b分别以不可拆卸的方式固定在滚珠丝杠30和注射用电动马达29的驱动电路系统的任意部位上。

以下的说明中，主要以振动传感器7a和电流传感器7b可装拆并在维护检查时检查滚珠丝杠30的异常为例进行说明。

操作部7c是用于对异常检测装置7的运行进行操作、作为用于检测滚珠丝杠30异常的信息输入表示注射用传动机构20的特性的特性信息的接口。操作部7c例如是具有按钮、触摸面板等的操作面板。操作部7c将输入的特性信息向输入接口73输出。

此外，如果是注射用电动马达29的输出轴不经由注射用传动机构20而是直接连在栓槽轴3a上的结构，那么，可以将表示注射用电动马达29的特性的特性信息输入操作部7c。

输出接口74上连接有显示部7d。显示部7d显示用振动传感器7a、电流传感器7b测量到的加速度数据和电流数据、后述的频率分析结果、故障状态判别结果等。

〈基于振动的异常检测〉

图3是表示基于振动的异常检测方法的处理顺序的流程图。在以下的说明中，主要说明进行注射成型机维护检查的作业人员启动本实施方式1的计算机程序72a、检查注射用的滚珠丝杠30有无异常的例子。一部分处理需要作业人员的输入操作，但也可以所有处理均由运算部71判断、执行。

首先，异常检测装置7读入涉及注射用的螺母32的振动的测量数据(步骤S101)。

图4是表示测量数据读入的处理顺序的流程图。作业人员启动本实施方式1的计算机程序72a(步骤S111)。

此外，计算机程序72a也可以是以规定的条件为触发由运算部71主动启动的结构。

接下来，作业人员选择蓄积有加速度数据的测量数据文件(步骤S112)，运算部71读入采样周期(步骤S113)。运算部71从所选择的测量数据文件读入测量数据，即加速度数据(步骤S114)。

也可以是如下结构：预先将记录有加速度数据的测量数据文件的文件名、采样周期存储在异常检测装置7的存储部72中，按照存储部72存储的文件名和采样周期，运算部71自动读入加速度数据。

接下来，运算部71根据读出的测量数据使显示部7d显示测量出的加速度的波形(参照图6)(步骤S115)。此外，显示加速度的波形并不是必须的。特别是在后述的分析区域的剪切自动执行的情况下，也可以不显示加速度的波形。

回到图3，结束了步骤S101的处理的异常检测装置7进行分析区域的剪切(步骤S102)。

图5是表示分析区域剪切的处理顺序的流程图，图6是表示分析区域的剪切处理的说明图。作业人员通过光标从所显示的加速度的波形中选择要作为分析对象的区域(步骤S121)。运算部71接受作业人员通过操作部7c进行的选择操作，如图6所示，使显示部7d显示所接受的选择区域。图6中，横轴表示时间，纵轴表示加速度，加速度随时间的变化作为波形示出。另外，用于选择分析对象的区域用断续线矩形框示出。

接下来，作业人员确定作为分析对象的测量数据(步骤S122)。运算部71接受作业人员的确定操作，将相当于在步骤S121中选择的区域的测量数据即加速度数据作为分析对象临时存储。

此外，运算部71也可以构成为自动进行将规定时间范围上的分析区域的测量数据作为分析对象取得的处理。

回到图3，结束了步骤S102的处理的异常检测装置7对作为分析对象的测量数据进行频率分析(步骤S103)。

图7是表示频率分析的处理顺序的流程图，图8A和图8B是表示频率分析波形的一例的说明图。运算部71对作为分析对象的测量数据即加速度数据进行频率分析处理(步骤S131)，取得作为分析结果的频率分析波形数据(步骤S132)。具体来说，运算部71执行快速傅里叶变换(FFT：Fast Fourier Transform)。FFT是快速进行离散傅里叶变换的公知算法。通过频率分析，作为时间的函数的加速度被变换为作为频率的函数的加速度。

图8A是由正常的滚珠丝杠30的加速度数据得到的加速度的频率分析波形(频率分布)的一例，图8B是由异常的滚珠丝杠30的加速度数据得到的加速度的频率分析波形(频率分布)的一例。图8A和图8B中，横轴表示频率，纵轴表示加速度。通过比较图8A和图8B可知，加速度的频率分布发生了变化。

回到图3，结束了步骤S103的处理的异常检测装置7计算注射用的滚珠丝杠30的驱动的运转频率(步骤S104)。

图9是表示运转频率计算的处理顺序的流程图。运算部71通过操作部7c读入装置规格(步骤S141)。例如，运算部71取得注射用传动机构20的特性信息。注射用传动机构20的特性信息例如包含注射用从动皮带轮22的齿数、转速[回/秒]等信息。

在注射用电动马达29直接连在栓槽轴3a上的情况下，运算部71取得注射用电动马达29的特性信息。注射用电动马达29的特性信息是与注射用电动马达29运行时产生的振动的频率有关的数值。

接下来，运算部71根据所取得的特性信息进行运转频率的计算处理(步骤S142)。运转频率是由于驱动系统的运行通过丝杠轴31产生在螺母32上的振动的主要频率。例如，运算部71能够通过注射用从动皮带轮22的齿数乘以转速算出运转频率。

此外，执行步骤S142的处理的运算部71作为根据取得部取得的信息即特性信息决定规定频率范围的功能部起作用。规定频率范围例如是以上述运转频率为基准规定的频率范围。

另外，运算部71也可以构成为：预先取得注射用传动机构20或注射用电动马达29的特性信息并存储在存储部72中，自动进行运转频率的计算。

回到图3，结束步骤S104的处理的异常检测装置7计算特征量(步骤S105)。

图10是表示特征量计算的处理顺序的流程图，图11A和图11B是表示分析区域的指定处理的说明图，图12A和图12B是表示重心计算处理的说明图。运算部71读入在步骤S104和步骤S142中算出的频率分析波形数据(步骤S151)。然后，运算部71进行噪声消除处理(步骤S152)。例如，将50Hz附近或60Hz附近的振动作为噪声除去。

接下来，如图11A和图11B所示，运算部71从加速度的频率分布中指定分析区域(步骤S153)。图11中，横轴表示频率，纵轴表示加速度，加速度的频率分布作为波形示出。另外，分析区域用断续线矩形框示出。图11A是正常的滚珠丝杠30的振动的频率分析波形，图11B是异常的滚珠丝杠30的振动的频率分析波形。分析区域例如是以运转频率为基准±150Hz的频带。此外，也可以是由作业人员手动选择分析区域。

接下来，如图12A和图12B所示，运算部71使用被指定的分析区域所含的加速度的频率分析波形数据算出重心(步骤S154)。图12A和图12B中，横轴表示频率，纵轴表示加速度，黑点表示重心。具体来说，运算部71根据分析区域所含的多个数据(频率、加速度)算出如图12A和图12B所示的频率-加速度平面上的重心。图12A中示出了由正常的滚珠丝杠30的振动的频率分析波形得到的重心，图12B中示出了由异常的滚珠丝杠30的振动的频率分析波形得到的重心。

频率重心由下述式(1)表示，加速度重心由下述式(2)表示。

其中：

Fi表示分析区域所含的第i个频率成分的频率；

ai表示分析区域所含的第i个频率成分的加速度；

S表示分析区域所含的所有频率成分的加速度之和。

回到图3，结束了步骤S105的处理的异常检测装置7进行故障状态判别处理(步骤S106)。

图13是表示故障状态判别处理的处理顺序的流程图，图14是表示故障状态判别处理的说明图。运算部71将步骤S105或步骤S154中算出的重心和存储部72中存储的正常时振动信息72b表示的多个重心作为特征量读入(步骤S161)。然后，如图14所示，运算部71使显示部7d显示所读入的特征量(步骤S162)。图14中，横轴表示频率，纵轴表示加速度，黑点表示步骤S161中读入的特征量，也就是重心。

然后，运算部71根据所读入的特征量算出表示有无故障或故障程度的故障信息(步骤S163)。具体来说，运算部71算出在步骤S154中算出的重心与正常时的多个重心之间的统计距离，例如马哈拉诺比斯距离。此外，马哈拉诺比斯距离是一个例子，也可以是欧几里得距离等其它的统计距离。

然后，运算部71使显示部7d显示表示故障信息的图像(步骤S164)。例如，运算部71生成箭头图像，使显示部7d显示该箭头图像，该箭头图像以频率-加速度平面上的正常时重心的平均位置为起点、以步骤S154中算出的重心为终点。

另外，在存储有过去算出的故障信息的情况下，运算部71也可以使显示部7d显示故障信息的历史。

图15是表示故障状态判别结果的历史的说明图。横轴表示检查进行的年月日等时间，纵轴表示故障状态，例如上述马哈拉诺比斯距离。断续线表示滚珠丝杠30的正常状态与异常状态的边界线。多个黑点表示过去算出的故障状态。作业人员通过确认如图15所示的故障状态的历史，能够详细掌握滚珠丝杠30的状态。具体来说，作业人员能够识别当前的滚珠丝杠30是处于偏离正常状态何种程度的状态、是否处于接近异常状态的状态，能够推测需要维护的时机等。

〈基于马达电流的异常检测〉

图16是表示基于马达电流的异常检测方法的处理顺序的流程图。异常检测装置7读入涉及注射用电动马达29的交流电流的测量数据，也就是电流数据(步骤S201)。然后，异常检测装置7进行分析区域的剪切(步骤S202)，对作为分析对象的测量数据进行频率分析(步骤S203)。步骤S201～步骤S203的处理内容，除了测量数据是电流数据这一点之外，与涉及振动的测量数据的读入、剪切、频率分析处理相同。

结束了步骤S203的处理的异常检测装置7的运算部71进行基波提取处理(步骤S204)。

图17是基波提取处理的流程图。运算部71对电流的测量数据进行傅里叶级数展开(步骤S231)，进行基波的搜索处理(步骤S232)。基波的搜索处理中，运算部71确定基波的频率、振幅值(波高值)。基波通常在注射用电动马达29的交流电流的基本频率附近，例如50Hz或60Hz附近，是具有最大波高值的波。此外，运算部71也可以使显示部7d显示基波的波形。

回到图16，结束了步骤S204的处理的运算部71根据基波的频率和振幅值使频率分析波形归一化(步骤S205)。

图18是归一化处理的流程图，图19是表示归一化后的频率分析波形的说明图。运算部71读入频率分析波形数据(步骤S251)，读入基波的频率和振幅值(步骤S252)。然后，如图19所示，运算部71将频率分析波形归一化，使得例如基波的频率为“1”、基波的振幅值为“1”(对数表示为“0”)(步骤S253)。图19所示的曲线图是横轴表示频率、纵轴表示马达电流、马达电流用对数表示的半对数图。此外，不言而喻，上述归一化的方法是一个例子。接下来，运算部71使显示部7d显示归一化波形(步骤S254)。

回到图16，结束了步骤S205的处理的异常检测装置7进行故障状态判别处理(步骤S206)。

图20是表示故障状态判别处理的处理顺序的流程图，图21A和图21B是表示故障状态判别处理的说明图。

运算部71读入归一化波形数据，也就是在步骤S205中归一化了的频率分析波形数据(步骤S261)。

图21A示出滚珠丝杠30正常时的电流的归一化波形，图21B示出滚珠丝杠30异常时的电流的归一化波形。

运算部71根据归一化波形数据，算出表示频率分析波形变化的信息(步骤S262)。作为表示频率分析波形变化的信息，运算部71算出归一化波形的统计量，例如方差。另外，运算部71也可以作成归一化波形的图像数据作为表示频率分析波形变化的信息。

接下来，运算部71根据步骤S262中算出的信息算出表示滚珠丝杠30有无故障或故障程度的故障信息(步骤S263)。具体来说，运算部71算出在步骤S254中算出的统计量与存储部72中存储的正常时振动信息72b表示的统计量之间的差。统计量例如为方差。

在步骤S262中运算部71作成归一化波形的图像数据的情况下，可以通过比较该归一化波形和正常时振动信息72b表示的正常时的归一化波形来判别滚珠丝杠30有无故障。例如，运算部71通过比较归一化波形的近似度和规定的阈值，判定滚珠丝杠30异常的有无。

然后，运算部71使显示部7d显示表示故障信息的图像(步骤S264)。例如，运算部71可以用方差的差的大小显示滚珠丝杠30的异常度，即，偏离了正常时何种程度。另外，也可以显示异常时的方差的差。

运算部71也可以构成为：比较方差和阈值，在方差比阈值小的情况下，显示滚珠丝杠30正常这一主旨，在方差比阈值大的情况下，显示滚珠丝杠30异常这一主旨。另外，也可以是：通过使用多个阈值对方差进行比较，显示滚珠丝杠30从正常的状态到故障状态之前的各状态，也就是有可能达到异常状态的状态。

运算部71也可以构成为：使显示部7d将正常时的频率分析波形和异常时的频率分析波形重叠或并排显示。

按照这样构成的实施方式1的异常检测装置7、异常检测方法和计算机程序72a，能够通过滚珠丝杠30上产生的振动强度和马达电流的频率分析检测滚珠丝杠30的异常。

另外，通过将振动传感器7a设置在螺母32的侧部检测丝杠轴31的轴向的加速度，与在其它部位以其它姿势设置振动传感器7a时相比，能够精度更好地检测滚珠丝杠30的异常。

通过比较加速度的频率分布的重心与正常时的重心，与单纯监视振动强度时相比，能够精度更好地检测滚珠丝杠30的异常。

通过将基于注射用电动马达29或注射用传动机构20的特性的规定的频带作为分析对象算出的重心与正常时的重心相比较，与分析其它频带时相比，能够精度更好地检测滚珠丝杠30的异常。

运算部71能够取得注射用电动马达29或注射用传动机构20的特性信息，对作为分析对象的频带进行运算，判别故障状态。作业人员无需决定作为分析对象的频率范围，能够由运算部71自动或半自动地算出滚珠丝杠30有无异常。

通过比较由马达电流的频率分析得到的频率分析波形的统计量(例如方差)这一简单的处理，能够检测滚珠丝杠30的异常。

通过将电流的频率分析波形的图像与正常时的频率分析波形比较，能够也考虑方差所不具有的信息来检测滚珠丝杠30的异常。

通过将电流的频率分析波形归一化并进行比较，能够将机种或制造时期不同的注射成型机的频率分析波形相互比较，能够使用更多的频率分析波形精度更好地判别滚珠丝杠30有无异常。

此外，本实施方式1中，说明了分别进行基于振动的滚珠丝杠30的异常检测和基于马达电流的滚珠丝杠30的异常检测的例子，但也可以使用滚珠丝杠30的基于振动的异常检测结果和基于马达电流的异常检测结果这两者，通过逻辑或、或者逻辑与判定滚珠丝杠30有无异常。另外，也可以将异常检测装置7构成为：算出各异常检测结果表示的距正常时的解离度的平均，输出滚珠丝杠30的故障状态。

在使用加速度数据等的振动强度和注射用电动马达29的交流电流检测滚珠丝杠30的异常的情况下，运算部71优选将振动传感器7a输出的振动强度数据和电流传感器7b输出的电流数据同步地取得。

另外，在基于振动的异常检测中示出的技术要素也可以适用于基于马达电流的异常检测。同样，在基于马达电流的异常检测中示出的技术要素也可以适用于基于振动的异常检测。

此外，实施方式1中，主要说明了检测注射用的滚珠丝杠30的异常的例子，也可以使用本实施方式1的异常检测装置7检测构成合模装置50的驱动机构的未图示的滚珠丝杠、构成注射成型机的驱动机构的其它滚珠丝杠。

另外，本实施方式1中，说明了将振动传感器7a设置在螺母32的侧面的例子，但也可以设置在螺母32的周向表面上。另外，也可以将振动传感器7a设置在螺母32的内部。

本实施方式1中，说明了驱动丝杠轴31、使螺母32直线移动的例子，但也可以是使螺母32旋转、使丝杠轴31直线移动的结构。在这种情况下，振动传感器7a可以设置在丝杠轴31的适当部位，例如端部。

本实施方式1中，作为注射用传动机构20的一例示出了皮带轮和同步带的例子，但驱动力的传动机构不限于此，能够使用齿轮机构、链机构、摩擦传动机构、其它公知的传动机构。

本实施方式1中，主要说明了在维护检查作业时检查滚珠丝杠30的异常的例子，但如上所述，也可以是实时监视滚珠丝杠30的异常的结构。

作为滚珠丝杠30的驱动源，示出了旋转式电动马达的例子，但动力源并不限于电动马达，也能够利用其它公知的驱动源。

(实施方式2)

实施方式2的异常检测装置、异常检测方法和计算机程序，其故障判定方法与实施方式1不同，因此，以下主要说明上述区别之处。其它的结构和作用效果与实施方式1同样，所以在对应的部位标注同样的附图标记，其详细的说明从略。

图22是实施方式2的运算部71的功能框图。实施方式2的运算部71包括作为功能部的第一学习器91、第二学习器92和故障判别器93。

第一学习器91例如是包括输入层91a、隐藏层91b和输出层91c的神经网络，输入层91a被输入涉及滚珠丝杠30的振动的频率分析波形数据，隐藏层91b对被输入该输入层91a的频率分析波形数据进行基于已学习的权重系数的运算，输出层91c输出表示滚珠丝杠30的异常程度的数据。换言之，第一学习器91是使计算机发挥作用的已学习模型，在输入了振动频率分析波形的数据的情况下输出表示滚珠丝杠30的异常程度的数据。

第一学习器91的学习能够如下完成：准备学习用数据，该学习用数据包含多个涉及振动的频率分析波形数据和表示输出了该频率分析波形数据的滚珠丝杠30的异常程度的训练数据，使用反向传播算法、误差梯度下降法等，优化神经网络的隐藏层91b的权重系数，使得在输入了作为学习用数据的频率分析波形数据的情况下，输出表示训练信息表示的滚珠丝杠30的异常程度的数据。

输入层91a包括多个神经元(节点)。振动频率分析波形的数据例如是多个数据(频率、加速度)，各数据的频率和加速度被输入构成输入层91a的多个神经元(节点)。

此外，振动的频率分析波形数据可以是表现了该波形的图像数据，也可以是时间序列数据。在频率分析波形数据是图像数据的情况下，可以通过卷积神经网络构成第一学习器91。卷积神经网络(CNN:Convolutional Neural Network)，具有未图示的多组卷积层、池化层和全结合层作为隐藏层91b。在振动频率分析波形的数据是时间序列数据的情况下，可以使用循环神经网络(RNN:Recurrent Neural Network)。

输出层91c具有一个或多个神经元，从各神经元输出的数据被输入故障判别器93。各神经元例如具有表示第一概率的神经元(节点)和表示第二概率的神经元(节点)，该第一概率表示滚珠丝杠30是正常的，该第二概率表示滚珠丝杠30是异常的。

第二学习器92是具有输入层92a、隐藏层92b和输出层92c的神经网络，输入层92a例如被输入涉及马达电流的频率分析波形数据、或将该数据归一化后的归一化波形数据，隐藏层92b对被输入该输入层92a的频率分析波形数据或归一化波形数据进行基于已学习的权重系数的运算，输出层92c输出表示滚珠丝杠30的异常程度的信息。换言之，第二学习器92是使计算机发挥作用的已学习模型，在被输入了电流频率的数据或归一化波形数据的情况下，输出表示滚珠丝杠30有无异常的信息。

第二学习器92的学习如下完成：准备学习用数据，该学习用数据包含多个涉及马达电流的频率分析波形数据或归一化波形数据和表示输出了该频率分析波形数据或归一化波形数据的滚珠丝杠30的异常程度的训练数据，使用反向传播算法、误差梯度下降法等，优化神经网络的隐藏层92b的权重系数，使得在输入了作为学习用数据的频率分析波形数据或归一化波形数据的情况下，输出表示训练信息表示的滚珠丝杠30的异常程度的数据。

输入层92a包括多个神经元(节点)。电流频率的数据或归一化波形数据例如为多个数据(频率、加速度)，各数据的频率和加速度被输入构成输入层92a的多个神经元(节点)。

此外，被输入输入层92a的马达电流的频率分析波形数据或归一化波形数据可以是表现了该波形的图像数据，也可以是时间序列数据。在频率分析波形数据或归一化波形数据是图像数据的情况下，可以通过卷积神经网络构成第二学习器92。卷积神经网络具有未图示的多组卷积层、池化层和全结合层作为隐藏层92b。在电流频率的数据是时间序列数据的情况下，可以使用循环神经网络。

输出层92c具有一个或多个神经元，从各神经元输出的数据被输入故障判别器93。各神经元例如具有表示第一概率的神经元(节点)和表示第二概率的神经元(节点)，该第一概率表示滚珠丝杠30是正常的，该第二概率表示滚珠丝杠30是异常的。

故障判别器93取得从第一学习器91和第二学习器92输出的数据，根据取得的数据综合判断滚珠丝杠30有无故障或故障程度。例如，故障判别器93可以算出从第一学习器91和第二学习器92输出的、表示滚珠丝杠30是正常的概率的平均值、表示滚珠丝杠30是异常的概率的平均值。

此外，也可以用神经网络构成故障判别器93，使该神经网络判定滚珠丝杠30有无故障。在这种情况下，从第一学习器91和第二学习器92输出的数据不一定需要是表示滚珠丝杠30有无异常的数据，只要是表示振动的频率分析波形和电流的频率分析波形或归一化波形的特征的数据就足够了。

按照实施方式2的异常检测装置7、异常检测方法和计算机程序72a，能够对正常时和异常时的振动的频率分析波形进行机械学习，判别滚珠丝杠30的故障状态。

另外，能够对正常时和异常时的电流的频率分析波形进行机械学习，判别滚珠丝杠30的故障状态。

能够使用正常时和异常时的振动的频率分析波形数据和电流的频率分析波形数据这两者综合地判别滚珠丝杠30的故障状态。

此外，实施方式2中，主要说明了使用CNN、RNN等神经网络进行机械学习的例子，但已学习模型的结构不限于CNN、RNN等，也可以通过CNN、RNN以外的神经网络、SVM(SupportVector Machine)、贝叶斯网络、或回归树等构成。

附图标记说明

1 注射装置

2 加热料筒

3 螺杆

3a 栓槽轴

4 加热器

5 注射喷嘴

6 料斗

7 异常检测装置

7a 振动传感器

7b 电流传感器

7c 操作部

7d 显示部

8 记录介质

10 中间板

11 塑化用电动马达

12 塑化用驱动皮带轮

13 塑化用从动皮带轮

14 塑化用同步带

15 推力轴承

16 导向杆

20 注射用传动机构

21 注射用驱动皮带轮

22 注射用从动皮带轮

23 注射用同步带

29 注射用电动马达

30 滚珠丝杠

31 丝杠轴

32 螺母

33 螺母固定部件

39 喷嘴接触用电动马达

40 喷嘴接触用丝杠轴

41 喷嘴接触用螺母

42 支承部件

43 喷嘴接触用传动机构

50 合模装置

51 固定盘

52 可动盘

53 合模壳体

54 固定模具

55 可动模具

71 运算部

72 存储部

72a 计算机程序

72b 正常时振动信息

72c 正常时电流信息

73 输入接口

74 输出接口

91 第一学习器

92 第二学习器

93 故障判别器

SDU 螺杆驱动单元

IU 注射单元

NT 喷嘴接触装置

MM 模具装置

TM 肘节机构。

Claims (9)

1.一种异常检测装置，检测设于注射成型机上的滚珠丝杠的异常，包括：

振动传感器，该振动传感器检测所述滚珠丝杠的振动；和

运算部，该运算部根据通过对该振动传感器检测出的振动强度进行频率分析得到的频率成分的分布的信息和通过对在正常的所述滚珠丝杠运行时检测的振动强度进行频率分析得到的频率成分的分布的信息，检测所述滚珠丝杠的异常。

2.根据权利要求1所述的异常检测装置，

所述滚珠丝杠包括：

由驱动所述滚珠丝杠的马达旋转的丝杠轴；和

随着该丝杠轴的旋转沿所述丝杠轴直线移动的螺母，

所述振动传感器设置在所述螺母上。

3.根据权利要求2所述的异常检测装置，

所述螺母为圆筒状，

所述振动传感器设置在所述螺母的端面，至少检测所述螺母的直线移动方向的振动强度。

4.根据权利要求1至权利要求3中任意一项所述的异常检测装置，

通过对振动强度进行频率分析得到的频率成分的分布的信息是该频率成分的分布的重心，

所述运算部算出通过对所述振动传感器检测出的振动强度进行频率分析得到的频率成分的分布的重心和通过对在正常的所述滚珠丝杠运行时检测的振动强度进行频率分析得到的频率成分的分布的重心之间的统计距离，根据算出的统计距离检测所述滚珠丝杠的异常。

5.根据权利要求1至权利要求4中任意一项所述的异常检测装置，

所述运算部根据通过频率分析得到的频率成分中的、驱动所述滚珠丝杠的马达的特性或从该马达向所述滚珠丝杠传递驱动力的传动机构的特性选择规定频率范围，根据所选择的规定频率范围的信息，检测所述滚珠丝杠的异常。

6.根据权利要求5所述的异常检测装置，

包括取得部，该取得部取得表示所述马达的特性或所述传动机构的特性的信息，

所述运算部根据由所述取得部取得的信息决定所述规定频率范围。

7.根据权利要求1至权利要求6中任意一项所述的异常检测装置，

所述运算部包括学习器，该学习器进行了机械学习，在被输入了通过对所述振动传感器检测出的振动强度进行频率分析得到的信息的情况下，输出涉及所述滚珠丝杠有无异常的信息。

8.一种异常检测方法，检测设于注射成型机上的滚珠丝杠的异常，包括：

检测所述滚珠丝杠的振动；

对检测出的振动强度进行频率分析；

根据通过频率分析得到的频率成分的分布的信息和通过对在正常的所述滚珠丝杠运行时检测的振动强度进行频率分析得到的频率成分的分布的信息，检测所述滚珠丝杠的异常。

9.一种计算机程序，用于使计算机进行对设于注射成型机上的滚珠丝杠的异常进行检测的处理，

所述计算机程序使所述计算机进行如下处理：

检测所述滚珠丝杠的振动；

对检测出的振动强度进行频率分析；

根据通过频率分析得到的频率成分的分布的信息和通过对在正常的所述滚珠丝杠运行时检测的振动强度进行频率分析得到的频率成分的分布的信息，检测所述滚珠丝杠的异常。

Images