CN116941179A - 异常检测装置及方法 - Google Patents
异常检测装置及方法 Download PDFInfo
- Publication number
- CN116941179A CN116941179A CN202280017634.0A CN202280017634A CN116941179A CN 116941179 A CN116941179 A CN 116941179A CN 202280017634 A CN202280017634 A CN 202280017634A CN 116941179 A CN116941179 A CN 116941179A
- Authority
- CN
- China
- Prior art keywords
- frequency
- spectrum
- driving frequency
- abnormality detection
- low
- 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.)
- Pending
Links
- 230000005856 abnormality Effects 0.000 title claims abstract description 82
- 238000001514 detection method Methods 0.000 title claims abstract description 82
- 238000000034 method Methods 0.000 title description 29
- 238000001228 spectrum Methods 0.000 claims abstract description 121
- 230000002159 abnormal effect Effects 0.000 claims abstract description 33
- 238000012545 processing Methods 0.000 claims abstract description 28
- 238000001914 filtration Methods 0.000 claims description 5
- 230000015654 memory Effects 0.000 description 9
- 238000006243 chemical reaction Methods 0.000 description 5
- 238000003745 diagnosis Methods 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 4
- 230000000737 periodic effect Effects 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 230000005236 sound signal Effects 0.000 description 3
- 238000007796 conventional method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
- G01R23/16—Spectrum analysis; Fourier analysis
-
- 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
-
- 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
- G01R31/343—Testing dynamo-electric machines in operation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Tests Of Circuit Breakers, Generators, And Electric Motors (AREA)
- Control Of Electric Motors In General (AREA)
Abstract
提供一种与现有技术相比能够高精度地检测马达的异常状态的异常检测装置。本发明的异常检测装置(4)具备信号处理部(10)。信号处理部(10)通过在不同的第1及第2时间期间对电流或电压的数据进行频率分析，搜索与第1时间期间的频谱的最大峰值对应的第1驱动频率和与第2时间期间的频谱的最大峰值对应的第2驱动频率，基于具有第1驱动频率的第1频谱和具有第2驱动频率的频谱，对一方的频谱的频率轴进行校正，使得各频谱的各最大峰值对齐，之后计算校正后的频谱和未校正的频谱的平均化频谱，基于平均化频谱，在与具有最大峰值的驱动频率不同的频率中，搜索规定的阈值以上的异常峰值，根据异常峰值的有无，判断马达(2)的异常状态。
Description
技术领域
本发明涉及检测例如马达等旋转机的异常状态的异常检测装置及方法。
背景技术
在诊断马达的状态的监视设备中，在对由传感器取得的例如马达电流的数据进行频率分析时，除了始终出现的峰以外还观察到噪声成分的情况下，将其判断为异常状态，将噪声成分数值化来表示异常的程度。
例如，在专利文献1中，公开了即使在存在周期性的噪声的情况下，也能够基于声音信号来确定与旋转所发出的声音的周期相当的频率的异常检测装置。该异常检测装置对表示从具有规定片数的叶片的旋转体发出的周期性的声音以及从其他物体发出的周期性的声音的声音信号的包络线进行检波，根据包络线按每帧计算声音信号的频谱，按每帧检测该帧中的与从旋转体发出的声音的周期相当的频率的候选。接着，针对每个帧，求出相对于针对该帧检测出的候选中的频谱的成分的功率(power)的功率变动为一定程度以下的持续时间，将持续时间最长的候选确定为与从旋转体发出的声音的周期相当的频率。
现有技术文献
专利文献
专利文献1：日本特开2019-100975号公报
发明内容
发明所要解决的课题
但是，在上述的现有技术中，以马达的旋转速度恒定为前提，假设在测定期间中马达的驱动频率变动的情况下，难以区分始终出现的峰和噪声成分。其结果，存在将始终出现的峰判断为噪声成分，诊断结果的异常程度变高的问题。
用户为了获得正确的诊断结果，至少在进行用于诊断的测定的期间，必须将马达的旋转速度保持为恒定。另外，在诊断结果的异常程度变大的情况下，必须在用户侧区分其实际上是由马达的异常引起的还是由马达的旋转速度变化引起的。
本发明的目的在于解决以上的问题点，提供一种与现有技术相比能够高精度地检测马达的异常状态的异常检测装置及方法。
用于解决课题的手段
本发明的一个方式的异常检测装置基于从电源向马达提供的电流或电压检测所述马达的异常状态，其中，所述异常检测装置具备信号处理部，所述信号处理部进行以下处理：通过在不同的第1时间期间和第2时间期间对所述电流或电压的数据进行频率分析，搜索与所述第1时间期间的频谱的最大峰值对应的第1驱动频率以及与所述第2时间期间的频谱的最大峰值对应的第2驱动频率；基于具有所述第1驱动频率的第1频谱和具有所述第2驱动频率的频谱，对一方的频谱的频率轴进行校正(adjust)，使得各所述频谱的各最大峰值对齐，之后计算校正后的频谱和未校正的频谱的平均化频谱；以及基于所述平均化频谱，在与具有最大峰值的驱动频率不同的频率中，搜索规定的阈值以上的异常峰值，根据所述异常峰值的有无，判断所述马达的异常状态。
发明效果
因此，根据本发明的异常检测装置等，与现有技术相比，能够高精度地检测马达的异常状态。
附图说明
[图1]是表示实施方式1的马达的异常检测装置4的结构例的框图。
[图2]是表示由图1的处理器10执行的异常检测处理的流程图。
[图3]是表示通过图1的处理器10执行图2的异常检测处理时所计算的马达电流的多个频谱的一例的图表。
[图4A]是表示由实施方式2的马达的异常检测装置4的处理器10执行的异常检测前置处理的流程图。
[图4B]是表示由实施方式2的马达的异常检测装置4的处理器10执行的异常检测处理的流程图。
[图5A]是表示通过图1的处理器10执行图4B的异常检测处理时所计算的马达电流的频谱的第1例的图表。
[图5B]是表示通过图1的处理器10执行图4B的异常检测处理时所计算的马达电流的频谱的第2例的图表。
具体实施方式
以下，参照附图对本发明的实施方式进行说明。此外，对相同或同样的构成要素标注相同的附图标号。
(实施方式1)
图1是表示实施方式1的马达的异常检测装置4的结构例的框图。图1表示异常检测装置4及其周边电路，来自交流电源1的交流电力经由电流传感器3提供给马达2。在图1中，异常检测装置4构成为具备AD转换器11、具有频率分析部12和异常检测部13而构成“信号处理部”的处理器10、以及显示部14。这里，频率分析部12和异常检测部13分别具有存储器12m、13m。
在图1中，电流传感器3检测从交流电源1向马达2提供的电流的电流值，将表示电流值的检测信号输出到AD转换器11。AD转换器11将输入的检测信号AD转换为表示电流值的电流数据后，输出到频率分析部12。频率分析部12针对所输入的电流数据，在规定的时间期间T1以及二分割而得到的时间期间T2、T3执行快速傅里叶变换(FFT)处理。异常检测部13基于FFT处理后的频谱判断马达的异常状态，将其判断结果显示于显示部14。具体而言，由频率分析部12和异常检测部13构成的处理器10通过执行图2的异常检测处理，判断马达的异常状态，将其判断结果显示于显示部14。
图2是表示由图1的处理器10执行的异常检测处理的流程图。另外，图3是表示由图1的处理器10执行图2的异常检测处理时所计算的马达电流的多个频谱的一例的图表。
以下，参照图2及图3，对实施方式1的异常检测处理进行说明。
在图2的步骤S1中，输入由电流传感器3检测出的规定时间期间T1的AD转换值的电流数据，在步骤S2A中，频率分析部12使用存储器12m对规定期间期间T1的电流值的AD转换值执行FFT处理来计算FFT值(功率)的基准频谱100(图3的(a))，在步骤S2B中，将规定期间期间T1的电流值的AD转换值二分割为2个规定的时间期间T2、T3，按各时间期间T2、T3使用存储器12m执行FFT处理来计算FFT值(功率)的频谱101、102(图3的(b)以及图3的(c))。
接着，在步骤S3中，异常检测部13基于各时间期间T2、T3的频谱，搜索与各时间期间T2、T3的最大峰值对应的驱动频率。此外，步骤S3～S9的处理由异常检测部13执行。在步骤S4中，以将搜索到的2个驱动频率中的低驱动频率flow(在图3中，flow＝51Hz)除以高驱动频率fhigh(在图3中，flow＝52Hz)得到的除法值(flow/fhigh)与具有高驱动频率fhigh的频谱102的频率轴相乘的方式，对具有高驱动频率fhigh的频谱102的频率轴进行校正，由此计算校正后的具有高驱动频率fhigh的频谱102A(图3的(d))并存储于存储器13m。接着，在步骤S5中，将校正后的具有高驱动频率fhigh的频谱102A和具有低驱动频率flow的频谱101以使最大峰值对齐相加并除以2，由此计算这2个频谱的平均化频谱103(图3的(e))并存储于存储器13m。
接着，在步骤S6中，异常检测部13基于平均化频谱103，在与具有最大峰值的驱动频率不同的频率中，搜索规定的阈值以上的异常峰104的峰值(图3的(e))。在此，异常峰104例如具有次于最大峰的例如具有第2强或第3强的功率的峰值。并且，在步骤S7中，异常检测部13判断是否存在异常峰，在“是”时进入步骤S8，另一方面，在“否”时进入步骤S9。在步骤S8中，判断为马达处于异常状态，将判断结果显示于显示部14并结束该异常检测处理。另外，在步骤S9中，判断为马达不是异常状态，将判断结果显示于显示部14，结束该异常检测处理。
在图2的异常检测处理中，对于在规定的时间期间T1取得的马达的驱动电流的电流数据，将时间期间T1二分割为时间期间T2、T3来进行频率分析，搜索二分割后的每个时间期间T2、T3的成为峰值的最大值的驱动频率。将搜索到的2个驱动频率中的低驱动频率÷高驱动频率的除法值与具有高驱动频率的频率分析结果的频谱的频率轴相乘，并与具有低驱动频率的频率分析结果的频谱相加而平均化。
例如，在图3的实施例中，在由于驱动频率在4秒的数据中变动而异常的特征的峰变钝的情况下，例如执行0秒～2秒之间的FFT和2秒～4秒的频率分析，当最大峰的频率分别为51Hz、52Hz时，将使52Hz的频率轴为51/52倍后的频谱与51Hz的频率分析结果的频谱相加并平均化。由此，异常的特征清晰地出现，能够比嵌入式FFT更高灵敏度且准确地捕捉异常的特征。
如以上说明的那样，如图3的(e)所示，通过进行图2的异常检测处理，能够捕捉到原本在现有技术中未看到的峰104(图3的(e))。特别是，在驱动频率变动的情况下，容易区分始终出现的峰和噪声成分，与现有技术相比能够高精度地进行异常检测处理。
(实施方式2)
图4A是表示由实施方式2的马达的异常检测装置4的处理器10执行的异常检测前置处理的流程图。另外，图4B是表示由实施方式2的马达的异常检测装置4的处理器10执行的异常检测处理的流程图。实施方式2的异常检测处理与实施方式1的异常检测处理相比，以下方面不同。此外，异常检测装置4与图1同样地构成。
(1)图4A的异常检测前置处理在图4B的异常检测处理的前级执行，由此，异常检测部13在规定的阈值以上的FFT值中，计算具有最大峰值的峰宽度(频率宽度)，根据计算出的峰宽度，决定低频带截止频率fc并存储在存储器13m中。
(2)图4B的异常检测处理与图2的异常检测处理相比，特征在于将步骤S2C的处理插入到步骤S2A与步骤S2B之间。
以下，对不同点进行说明。
在图4A的异常检测前置处理的步骤S11中，输入由电流传感器3检测出的规定时间期间T1的电流值的AD转换值。接着，在步骤S12中，频率分析部12使用存储器12m对规定期间期间T1的电流值的AD转换值执行FFT处理来计算FFT值(功率)的频谱。此外，在步骤S13中，在规定的阈值以上的FFT值中，计算具有最大峰值的峰的频率宽度，在步骤S14中，基于所计算的峰的频率宽度来设置低频带截止频率fc，该异常检测前置处理结束。
此外，在步骤S14中，关于低频带截止频率fc，例如以随着计算出的峰宽度(频率宽度)变大而提高低频带截止频率fc的方式设定低频带截止频率fc，由此提高检测灵敏度。
在图4B的异常检测处理的步骤S2C中，在基准频谱100中利用具有在异常检测前置处理中决定的低频带截止频率fc的高通滤波器进行滤波处理，将滤波处理后的频谱作为基准频谱100，与图2同样地执行步骤S2B～S9的处理。
图5A是表示通过图1的处理器10执行图4B的异常检测处理时所计算的马达电流的频谱的第1例的图表。另外，图5B是表示由图1的处理器10执行图4B的异常检测处理时所计算的马达电流的频谱的第2例的图表。
在该实施方式2中，其特征在于，在对马达的驱动电流的电流数据进行频率分析，捕捉马达异常的特征时，去除多余的DC成分及其附近的低频带成分，即进行高通滤波。在此，当马达的驱动频率变动时，有时DC成分及其附近的频率宽度变大，一部分无法去除而被捕捉为异常的特征。因此，根据驱动频率的变动程度，调整使低频带成分截止的带宽，提高检测灵敏度。例如，如图5A的频谱和201所示，在驱动频率的变动量为±0.5Hz以内时，将低频带截止频率fc设定为1Hz。另外，如图5B的频谱202所示，在驱动频率的变动量为±1.0Hz以内时，优选将低频带截止频率fc设为2Hz。
如以上说明的那样，根据实施方式2，在实施方式1的异常检测处理中，通过使用规定的低频带截止频率fc，对计算出的频谱进行高通滤波，从而去除多余是DC成分以及低频带成分。在此，关于低频带截止频率fc，通过以随着计算出的峰的频率宽度变大而提高低频带截止频率fc的方式设定低频带截止频率fc，能够提高检测灵敏度。由此，特别是在驱动频率变动的情况下，容易区分始终出现的峰和噪声成分，与现有技术相比能够高精度地进行异常检测处理。
(变形例)
在以上的实施方式中，对从交流电源向马达提供的电流的电流数据进行频率分析来判断马达的异常状态，但本发明不限于此，也可以对从交流电源向马达提供的电压的电压数据进行频率分析，同样地判断马达的异常状态。
在以上的实施方式中，以将包含第1驱动频率和第2驱动频率的2个驱动频率中的低驱动频率除以高驱动频率得到的除法值与具有所述高驱动频率的频谱的频率轴相乘的方式，对具有所述高驱动频率的频谱的频率轴进行校正，由此计算校正后的具有高驱动频率的频谱，基于所述校正后的具有高驱动频率的频谱和具有所述低驱动频率的频谱，以使该2个频谱的各最大峰值对齐计算所述平均化频谱。但是，本发明不限于此，也可以是，以将所述第1驱动频率和所述第2驱动频率中的高驱动频率除以低驱动频率得到的除法值与具有所述低驱动频率的频谱的频率轴相乘的方式，对具有所述低驱动频率的频谱的频率轴进行校正，由此计算校正后的具有低驱动频率的频谱，基于所述校正后的具有低驱动频率的频谱和具有所述高驱动频率的频谱，以使该2个频谱的各最大峰值对齐计算所述平均化频谱。
因此，在本发明中，也可以基于具有所述第1驱动频率的第1频谱和具有所述第2驱动频率的频谱，对一方的频谱的频率轴进行校正，使得所述各频谱的各最大峰值对齐，之后，计算校正后的频谱和未校正的频谱的平均化频谱。
产业上的可利用性
如以上详细叙述的那样，根据本发明，在驱动频率变动的情况下，容易区分始终出现的峰和噪声成分，与现有技术相比能够高精度地进行异常检测处理。
标号说明
1：交流电源；2：马达；3：电流传感器；4：异常检测装置；10：处理器(信号处理部)；11：AD转换器；12：频率分析部；12m：存储器；13：异常检测部；13m：存储器；14：显示部。
Claims (10)
1.一种异常检测装置，其基于从电源向马达提供的电流或电压检测所述马达的异常状态，其中，所述异常检测装置具备信号处理部，所述信号处理部进行以下处理：
通过在不同的第1时间期间和第2时间期间对所述电流或电压的数据进行频率分析，搜索与所述第1时间期间的频谱的最大峰值对应的第1驱动频率以及与所述第2时间期间的频谱的最大峰值对应的第2驱动频率；
基于具有所述第1驱动频率的第1频谱和具有所述第2驱动频率的频谱，对一方的频谱的频率轴进行校正，使得各所述频谱的各最大峰值对齐，之后计算校正后的频谱和未校正的频谱的平均化频谱；以及
基于所述平均化频谱，在与具有最大峰值的驱动频率不同的频率中，搜索规定的阈值以上的异常峰值，根据所述异常峰值的有无，判断所述马达的异常状态。
2.根据权利要求1所述的异常检测装置，其中，
在计算所述平均化频谱时，所述信号处理部
(1)以将所述第1驱动频率和所述第2驱动频率中的低驱动频率除以高驱动频率得到的除法值与具有所述高驱动频率的频谱的频率轴相乘的方式，校正具有所述高驱动频率的频谱的频率轴，由此计算校正后的具有高驱动频率的频谱，基于所述校正后的具有高驱动频率的频谱与具有所述低驱动频率的频谱，以使该2个频谱的各最大峰值对齐计算所述平均化频谱，或者
(2)以将所述第1驱动频率和所述第2驱动频率中的高驱动频率除以低驱动频率得到的除法值与具有所述低驱动频率的频谱的频率轴相乘的方式，校正具有所述低驱动频率的频谱的频率轴，由此计算校正后的具有低驱动频率的频谱，基于所述校正后的具有低驱动频率的频谱和具有所述高驱动频率的频谱，以使该2个频谱的各最大峰值对齐计算所述平均化频谱。
3.根据权利要求1或2所述的异常检测装置，其中，
所述信号处理部在以第1时间期间和第2时间期间进行频率分析之前，对要进行所述频率分析的所述电流或电压的数据以规定的低频带截止频率进行高通滤波。
4.根据权利要求3所述的异常检测装置，其中，
所述信号处理部在包含所述第1时间期间和所述第2时间期间的时间期间对所述电流或电压的数据进行频率分析，基于所述频率分析的结果的频谱，计算具有最大峰值的峰的频率宽度，基于计算出的所述峰的频率宽度，设定所述低频带截止频率。
5.根据权利要求4所述的异常检测装置，其中，
所述信号处理部将所述低频带截止频率设定为随着计算出的所述峰的频率宽度变宽而所述低频带截止频率变高。
6.一种异常检测方法，其基于从电源向马达提供的电流或电压检测所述马达的异常状态，其中，所述异常检测方法包含以下步骤：
信号处理部通过在不同的第1时间期间和第2时间期间对所述电流或电压的数据进行频率分析，搜索与所述第1时间期间的频谱的最大峰值对应的第1驱动频率以及与所述第2时间期间的频谱的最大峰值对应的第2驱动频率；
基于具有所述第1驱动频率的第1频谱和具有所述第2驱动频率的频谱，对一方的频谱的频率轴进行校正，使得各所述频谱的各最大峰值对齐，之后计算校正后的频谱和未校正的频谱的平均化频谱；以及
所述信号处理部基于所述平均化频谱，在与具有最大峰值的驱动频率不同的频率中，搜索规定的阈值以上的异常峰值，根据述异常峰值的有无，判断所述马达的异常状态。
7.根据权利要求6所述的异常检测方法，其中，
在计算所述平均化频谱的步骤中，所述信号处理部
(1)以将所述第1驱动频率和所述第2驱动频率中的低驱动频率除以高驱动频率得到的除法值与具有所述高驱动频率的频谱的频率轴相乘的方式，校正具有所述高驱动频率的频谱的频率轴，由此计算校正后的具有高驱动频率的频谱，基于所述校正后的具有高驱动频率的频谱与具有所述低驱动频率的频谱，以使该2个频谱的各最大峰值对齐计算所述平均化频谱，或者
(2)以将所述第1驱动频率和所述第2驱动频率中的高驱动频率除以低驱动频率得到的除法值与具有所述低驱动频率的频谱的频率轴相乘的方式，校正具有所述低驱动频率的频谱的频率轴，由此计算校正后的具有低驱动频率的频谱，基于所述校正后的具有低驱动频率的频谱和具有所述高驱动频率的频谱，以使该2个频谱的各最大峰值对齐计算所述平均化频谱。
8.根据权利要求6或7所述的异常检测方法，其中，
所述异常检测方法还包含以下步骤：所述信号处理部在以第1时间期间和第2时间期间进行频率分析之前，对要进行所述频率分析的所述电流或电压的数据以规定的低频带截止频率进行高通滤波。
9.根据权利要求8所述的异常检测方法，其中，
所述异常检测方法还包含以下步骤：所述信号处理部在包含所述第1时间期间和所述第2时间期间的时间期间对所述电流或电压的数据进行频率分析，基于所述频率分析的结果的频谱，计算具有最大峰值的峰的频率宽度，基于计算出的所述峰的频率宽度，设定所述低频带截止频率。
10.根据权利要求9所述的异常检测方法，其中，
在设定所述低频带截止频率的步骤中，将所述低频带截止频率设定为随着计算出的所述峰的频率宽度变宽而所述低频带截止频率变高。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2021036620A JP2022136826A (ja) | 2021-03-08 | 2021-03-08 | 異常検出装置及び方法 |
| JP2021-036620 | 2021-03-08 | ||
| PCT/JP2022/006151 WO2022190795A1 (ja) | 2021-03-08 | 2022-02-16 | 異常検出装置及び方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116941179A true CN116941179A (zh) | 2023-10-24 |
Family
ID=83227680
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202280017634.0A Pending CN116941179A (zh) | 2021-03-08 | 2022-02-16 | 异常检测装置及方法 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US20240151772A1 (zh) |
| EP (1) | EP4307557A1 (zh) |
| JP (1) | JP2022136826A (zh) |
| CN (1) | CN116941179A (zh) |
| WO (1) | WO2022190795A1 (zh) |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6896090B2 (ja) * | 2017-10-24 | 2021-06-30 | 三菱電機株式会社 | 異常診断装置、異常診断方法及び異常診断システム |
| JP6922708B2 (ja) | 2017-12-07 | 2021-08-18 | 富士通株式会社 | 異常検出用コンピュータプログラム、異常検出装置及び異常検出方法 |
| JP7109656B2 (ja) * | 2019-04-10 | 2022-07-29 | 三菱電機株式会社 | 電動機設備の異常診断装置、電動機設備の異常診断方法、および電動機設備の異常診断システム |
| JP7161439B2 (ja) * | 2019-04-23 | 2022-10-26 | ルネサスエレクトロニクス株式会社 | 半導体装置及びモータ制御システム |
| WO2022003758A1 (ja) * | 2020-06-29 | 2022-01-06 | 三菱電機株式会社 | 異常診断装置、電力変換装置および異常診断方法 |
-
2021
- 2021-03-08 JP JP2021036620A patent/JP2022136826A/ja active Pending
-
2022
- 2022-02-16 WO PCT/JP2022/006151 patent/WO2022190795A1/ja active Application Filing
- 2022-02-16 US US18/279,274 patent/US20240151772A1/en active Pending
- 2022-02-16 CN CN202280017634.0A patent/CN116941179A/zh active Pending
- 2022-02-16 EP EP22766759.9A patent/EP4307557A1/en active Pending
Also Published As
| Publication number | Publication date |
|---|---|
| EP4307557A1 (en) | 2024-01-17 |
| WO2022190795A1 (ja) | 2022-09-15 |
| US20240151772A1 (en) | 2024-05-09 |
| JP2022136826A (ja) | 2022-09-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10607632B2 (en) | Abnormal sound detection apparatus and detection method | |
| JP6223461B2 (ja) | インピーダンス解析に基づく電気機械システムの診断方法 | |
| KR101966270B1 (ko) | 전자 진동 성분의 제거 방법, 회전 기계 진단 방법, 및 회전 기계 진단 장치 | |
| EP2005125B1 (en) | A method and a system for monitoring the condition and operation of periodically moving objects | |
| US20070282548A1 (en) | Method and Apparatus for Assessing Condition of Motor-Driven Mechanical System | |
| US20190166442A1 (en) | Abnormality detecting device, abnormality detection method, and abnormality detection computer program | |
| CN116383754B (zh) | 一种机车车辆配件生产在线监测系统及方法 | |
| EP3193156A1 (en) | Rotary machine malfunction detection device, rotary machine malfunction detection method, and rotary machine | |
| CN115136487A (zh) | 电动机的诊断装置 | |
| US20220170987A1 (en) | Abnormality diagnosis device and abnormality diagnosis method | |
| CN113092114A (zh) | 一种轴承故障诊断方法、装置及存储介质 | |
| CN114391091A (zh) | 振动检测装置、振动检测方法及异常判定系统 | |
| KR102673089B1 (ko) | 모터-변속기 유닛의 시간 종속적 측정 신호의 교정 방법 및 이러한 교정 방법을 이용하여 모터-변속기 유닛의 마모 및/또는 손상을 인식하기 위한 방법 | |
| JP2004529362A (ja) | 整流する直流電動機の電機子信号中に含まれている電流リプルの周波数を測定する方法 | |
| CN116941179A (zh) | 异常检测装置及方法 | |
| CN117157515A (zh) | 异常诊断装置和异常诊断方法 | |
| CN115698728A (zh) | 旋转机械速度估计 | |
| WO2022190796A1 (ja) | 異常検出装置及び方法 | |
| KR20210120049A (ko) | 이상 진단 장치 및 이상 진단 방법 | |
| WO2022190730A1 (ja) | 異常検出装置及び方法 | |
| WO2022024422A1 (ja) | 回転機械の診断装置、診断方法及び診断プログラム | |
| JP2019086349A (ja) | 軸受の状態監視装置及び異常診断方法 | |
| EP4435451A1 (en) | Apparatus and method for diagnosing abnormality of battery cell | |
| CN112504441B (zh) | 一种基于重要信息重构的振动加速度信号分段积分方法 | |
| JP2022136826A5 (zh) |
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 |