JP2018179735A - 回転部品の異常診断方法及び異常診断装置 - Google Patents

Abstract

【課題】診断の際に使用される回転速度が、実際の回転速度との間に乖離が生じたり、自公転すべりが生じても、回転部品の異常診断精度の低下を抑制することができる回転部品の異常診断方法及び異常診断装置を提供する。【解決手段】回転部品の回転速度を検出する回転センサ１４と、回転部品から発生する振動を検出する振動センサ１２と、回転部品の複数の要素毎に、回転速度信号に基づいて異常に起因する理論周波数を算出する回転分析部２１２と、振動信号の波形に対してエンベロープ処理及びＦＦＴ解析を行い、エンベロープスペクトル上の周波数を分析する振動分析部２１４と、運転パターン毎に理論周波数誤差確率分布モデルを記憶する内部メモリ２１６と、エンベロープスペクトルから検出されたピーク周波数と回転部品の要素毎の理論周波数との乖離度を演算し、理論周波数誤差確率分布モデルに基づいて乖離度から尤度を求めて回転部品の異常の有無及び異常部位を診断する比較判定部２１５と、を備える。【選択図】図１

Description

本発明は、回転部品の異常診断方法及び異常診断装置に関し、より詳細には、風力発電装置、鉄道車両装置、エレベータ装置などに用いられる転がり軸受の運転時における状態を監視する回転部品の異常診断方法及び異常診断装置に関する。

機械設備で使用される転がり軸受では、長期連続使用や外部からの衝撃によって内外輪軌道面や転動体に損傷が発生する場合がある。損傷が発生すると、損傷部位と軸受部品との接触時に、通常よりも大きな衝撃振動が発生する。このような状態で運転を継続すると、軸受の大規模な故障や回転機械設備の停止へと繋がる可能性がある。従って、回転機械設備は、一定期間使用した後に、軸受やその他の回転部品について異常の有無が定期的に検査される。しかしながら、このような回転部品の異常の有無の検査は、相当な時間とコストが必要であるため、回転部品が組み込まれた機械装置を分解することなく、実稼働状態で回転部品の異常診断を可能とする方法が考案されている(例えば、特許文献１参照)。

特許文献１に記載の異常診断装置は、加速度センサなどにより得られた振動加速度信号から、損傷により生じる衝撃振動発生時間間隔を算出し、軸受諸元から算出される衝撃振動の発生間隔理論値と照合して、転がり軸受の損傷を稼動中に検知可能としている。

特開２００６−７７９３８号公報

しかしながら、特許文献１に記載の異常診断装置は、衝撃振動の発生間隔理論値を、回転センサや渦電流センサなどで検出した回転軸の回転速度情報に基づいて算出するため、回転速度情報が不正確であると、該回転速度情報や軸受諸元から算出される理論値と、実際の衝撃振動が発生する時間間隔と、に乖離が生じ、診断精度が低下するという課題がある。また、回転軸の回転速度情報が正確であっても、軸受の自公転すべり下では、理論周波数と、実際に発生している周波数との間に乖離が生じている。
さらに、回転速度の乖離原因としては、例えば、風力発電機装置であれば風速や風向きの変化による回転速度変動が考えられる。

本発明は、前述した課題に鑑みてなされたものであり、その目的は、診断の際に使用される回転速度が、実際の回転速度との間に乖離が生じたり、自公転すべりが生じても、診断精度の低下を抑制することができる回転部品の異常診断方法及び異常診断装置を提供することにある。

本発明の上記目的は、下記の構成により達成される。
（１） 回転部品の異常の有無及び異常部位を診断する回転部品の異常診断方法であって、
前記回転部品の回転速度を検出する工程と、
前記回転部品から発生する振動を検出する工程と、
前記回転部品の複数の要素毎に、検出された回転速度信号に基づいて異常に起因する理論周波数を算出する工程と、
検出された前記振動信号の波形に対してエンベロープ処理及びＦＦＴ解析を行い、エンベロープスペクトル上の周波数を分析する工程と、
前記エンベロープスペクトルから検出されたピーク周波数と、前記回転部品の要素毎の前記異常に起因する理論周波数との乖離度を演算する工程と、
運転パターン毎に予め記憶された理論周波数誤差確率分布モデルに基づいて前記乖離度から尤度を求める工程と、
前記尤度を用いて前記回転部品の異常の有無及び異常部位を診断する工程と、
を備えることを特徴とする回転部品の異常診断方法。
（２） 回転部品の異常の有無及び異常部位を診断する回転部品の異常診断装置であって、
前記回転部品の回転速度を検出する回転センサと、
前記回転部品から発生する振動を検出する振動センサと、
前記回転部品の複数の要素毎に、前記回転センサで検出された回転速度信号に基づいて異常に起因する理論周波数を算出する回転分析部と、
検出された前記振動信号の波形に対してエンベロープ処理及びＦＦＴ解析を行い、エンベロープスペクトル上の周波数を分析する振動分析部と、
運転パターン毎に理論周波数誤差確率分布モデルを記憶する記憶部と、
前記エンベロープスペクトルから検出されたピーク周波数と、前記回転部品の要素毎の前記異常に起因する理論周波数との乖離度を演算し、前記理論周波数誤差確率分布モデルに基づいて前記乖離度から尤度を求め、前記尤度を用いて前記回転部品の異常の有無及び異常部位を診断する比較判定部と、
を備えることを特徴とする回転部品の異常診断装置。

本発明の異常診断方法によれば、回転部品の回転速度を検出する工程と、回転部品から発生する振動を検出する工程と、回転部品の複数の要素毎に、検出された回転速度信号に基づいて異常に起因する理論周波数を算出する工程と、検出された振動信号の波形に対してエンベロープ処理及びＦＦＴ解析を行い、エンベロープスペクトル上の周波数を分析する工程と、エンベロープスペクトルから検出されたピーク周波数と、回転部品の要素毎の異常に起因する理論周波数との乖離度を演算する工程と、運転パターン毎に予め記憶された理論周波数誤差確率分布モデルに基づいて乖離度から尤度を求める工程と、尤度を用いて回転部品の異常の有無及び異常部位を診断する工程と、を備える。これにより、診断の際に使用される回転速度が、実際の回転速度との間に乖離が生じたり、自公転すべりが生じていても、精度よく回転部品の異常を診断することができる。

また、本発明の異常診断装置によれば、回転部品の回転速度を検出する回転センサと、回転部品から発生する振動を検出する振動センサと、回転部品の複数の要素毎に、回転速度信号に基づいて異常に起因する理論周波数を算出する回転分析部と、振動信号の波形に対してエンベロープ処理及びＦＦＴ解析を行い、エンベロープスペクトル上の周波数を分析する振動分析部と、運転パターン毎に理論周波数誤差確率分布モデルを記憶する記憶部と、エンベロープスペクトルから検出されたピーク周波数と回転部品の要素毎の理論周波数との乖離度を演算し、理論周波数誤差確率分布モデルに基づいて乖離度から尤度を求めて回転部品の異常の有無及び異常部位を診断する比較判定部と、を備える。これにより、診断の際に使用される回転速度が、実際の回転速度との間に乖離が生じたり、自公転すべりが生じていても、精度よく回転部品の異常を診断することができる。

回転部品の異常診断装置の概略構成図である。 図１に示す演算処理部のブロック図である。 軸受の傷の部位と、傷に起因して発生する振動発生周波数の関係を示す図である。 回転速度変動時及び公転すべり発生時の異常診断フローチャートである。 自公転すべりによるエンベロープスペクトルへの影響を説明するための仮想グラフである。 自公転すべり発生時の乖離度と尤度との関係の一例を示すグラフである。 回転速度変動によるエンベロープスペクトルへの影響を説明するための仮想グラフである。

以下、本発明の一実施形態に係る回転部品の異常診断方法及び異常診断装置を図面に基づいて詳細に説明する。
なお、本実施形態の異常診断装置は、回転センサによる回転速度測定誤差、転がり軸受の自公転すべり、回転変動など、診断の際に使用される回転速度と実際の回転速度との間に乖離が生じる場合に好適に使用される。また、本実施形態の異常診断装置は、回転部品を用いた機械設備すべてを対象とするが、特に、回転速度測定精度が低いアプリケーション（例えば、低速回転する風力発電装置や、高速回転する工作機械など）に使用される転がり軸受を主な対象とする。また、対象とする転がり軸受の異常形態（損傷形態）も、はく離、きず、圧痕などの等間隔衝撃振動が発生するものを対象としている。

図１に示すように、本実施形態の回転部品の異常診断装置１は、回転部品である転がり軸受１１から発生する振動を電気信号として検出する振動センサ１２と、転がり軸受１１の回転速度を検出する回転センサ１４と、振動センサ１２や回転センサ１４で検出した信号を、データ伝送手段１３を介して受信し、信号処理を行って転がり軸受１１の異常の有無の診断、及び異常の部位の特定を行う演算処理部２１及び機械設備１０を駆動制御する制御装置２２からなる制御器２０と、モニタや警報機等からなる出力装置３０と、を備えている。

転がり軸受１１は、回転軸１００に外嵌されて回転する内輪１１１と、ハウジング等に内嵌される外輪１１２と、内輪１１１及び外輪１１２との間で転動可能に配置された複数の転動体１１３と、転動体１１３を転動自在に保持する不図示の保持器と、を有する。

振動センサ１２は、外輪１１２近傍のハウジングやボルト頭部に設置され、好ましくは、軸受負荷圏側で、ラジアル方向振動を測定する。振動センサ１２としては、異常発生時に回転速度に連動して間隔が変化する物理量を検出するものであればよく、加速度センサの他、例えば、ＡＥ（Ａｃｏｕｓｔｉｃ Ｅｍｉｓｓｉｏｎ）センサ、超音波センサ、ショックパルスセンサ等が使用可能である。従って、振動センサ１２としては、加速度、速度、歪み、応力、変位等を検出することで、等価的に振動を検出して電気信号に変換することができるものも適宜使用することができる。
なお、振動センサ１２の固定方法には、ボルト固定、接着、ボルト固定と接着の併用、及び樹脂材による埋め込み等がある。

また、本実施形態では、振動センサ１２自体に、その出力信号を増幅して出力する増幅器が内蔵されているが、センサ出力を増幅する出力増幅手段は、振動センサ１２と制御器２０を構成するマイクロコンピュータとの間に接続したり、マイクロコンピュータ側に内蔵する構成としても良い。但し、増幅器を振動センサ１２に内蔵させた構成の場合は、振動センサ１２の出力信号が強いため、振動センサ１２とマイクロコンピュータとの間の信号伝達経路等で加わるノイズの影響を抑えることができ、ノイズによる処理精度の低下を防止して、異常の有無の診断の信頼性を向上させることができる。

回転センサ１４は、回転軸１００に反射テープなどの目印を設置し、該反射テープからの反射光を光電式回転計で計測したり、歯車の回転数を測定する磁電式回転計など、任意の回転計が使用可能である。また、回転速度情報は、主電動機などの対象設備から取得してもよい。

図２は、演算処理部２１の主要な機能構成を示すブロック図である。演算処理部２１は、データ収集・分配部２１１、回転分析部２１２、フィルタ処理部２１３、振動分析部２１４、比較判定部２１５及び内部メモリ２１６を有して構成される。演算処理部２１は、マイクロコンピュータで構成されており、このマイクロコンピュータ内に記録保持されたプログラムが実行されることにより、データ収集・分配部２１１等の各処理部は以下のような各処理を実行する。

データ収集・分配部２１１は、振動センサ１２から送られる信号をＡ／Ｄ変換器によってデジタル信号に変換するとともに、回転速度に関する信号も同時に収集して一時的に蓄積し、信号の種類に応じて回転分析部２１２、フィルタ処理部２１３のいずれかに振り分ける。なお、Ａ／Ｄ変換器を振動センサ１２に一体化される構成とし、前述のデータ伝送手段１３を介してデジタル信号を受信するようにしてもよい。

回転分析部２１２は、回転センサ１４から出力される信号を基にして内輪１１１の回転速度を算出すると共に、内部メモリ２１６に記憶されている複数の理論周波数誤差確率分布モデル（以下、確率分布モデルとも言う）の中から転がり軸受１１の運転パターンに対応する確率分布モデルを呼び出す。
なお、運転パターンとは、軸受荷重や回転速度などを含み、内部メモリ２１６には、軸受荷重や回転速度毎に確率分布モデルが記憶されている。

回転分析部２１２は、転がり軸受１１の設計諸元データ、及び回転センサ１４からの回転速度信号に基づいて、図３に示す所定の関係式を用いて、転がり軸受１１の部位ごとの異常（損傷）に起因する軸受損傷起因理論周波数（以下、理論周波数とも言う）を所定の次数まで計算する。
なお、理論周波数の算出は、以前に同様の診断を行っている場合は、内部メモリ２１６に記憶しておいた過去のデータを用いてもよい。

なお、回転センサ１４が、内輪１１１に取り付けられたエンコーダと、外輪１１２に取り付けられた磁石または磁気検出素子と、により構成される場合は、出力信号がエンコーダの形状と回転速度に応じたパルス信号となる。このため、回転分析部２１２は、エンコーダの形状に応じた所定の変換関数、又は変換テーブルを有し、関数またはテーブルに従って、パルス信号から内輪１１１及び回転軸１００の回転速度を算出する。

フィルタ処理部２１３は、バンドパスフィルタの機能を有し、振動センサ１２の出力信号から損傷フィルタ周波数帯域を抽出し、不要な周波数帯域を除去する。損傷フィルタ周波数帯域は、各軸受装置における固有振動数帯域に応じて設定される。この固有振動数は、インパルスハンマ等を用いた打撃法により被測定物を加振し、被測定物に取付けた振動検出器、又は打撃により発生した音響を周波数分析することにより容易に求めることができる。

なお、被測定物が転がり軸受１１の場合には、内輪１１１、外輪１１２、転動体１１３、ハウジング等のいずれかに起因する固有振動数が与えられることになる。一般的に、機械部品の固有振動数は複数存在し、固有振動数における振幅レベルは高くなるので測定の感度がよい。

振動分析部２１４は、フィルタ処理部２１３から転送されたフィルタ処理後の波形をエンベロープ処理やヒルベルト変換を行ない、さらに、ＦＦＴ（高速フーリエ変換）解析を行ってエンベロープスペクトルを得る。また、振動分析部２１４は、エンベロープスペクトル上のピーク周波数を検出すると共に、ピーク周波数が高次成分（例えば４次）まで検出されていることを確認して、ピーク周波数の次数と診断スコアとの関係を示す、予め準備した診断スコアテーブルから診断スコアを算定する。ピーク周波数の検出は、スペクトルデータを微分処理し、微分値（傾斜）がゼロになる点を見出すことでピーク周波数を抽出することができる。その後、振動分析部２１４は、検出されたピーク周波数を比較判定部２１５に出力する。

比較判定部２１５は、転がり軸受１１の各部位（内輪１１１、外輪１１２、転動体１１３、及び保持器）ごとに、理論周波数からのピーク周波数の乖離度を演算し、運転パターンに対応する確率分布モデルに基づいて、乖離度から尤度を求め、尤度と閾値とを比較して軸受異常の有無及び異常部位、及び損傷の程度を診断する。

即ち、比較判定部２１５では、確率分布モデルを用いることで、回転速度の変動や、転がり軸受の自公転すべりなどによって生じる、理論的な周波数と実際に発生している周波数との差分を考慮した診断が可能となる。

なお、回転センサ１４による検出は、回転速度情報が軸受回転速度を正確に反映していない場合がある。実機の回転速度検出は、一般的に１回転あたり１パルス取得することで回転数を検出するため、分解能の低さから回転センサ１４により得られる回転速度情報と、実際の回転速度との間に乖離が生じる。従来の軸受損傷診断においては、エンベロープスペクトル上のピーク検知の際のマージンなどによって補正される。
本実施形態では、上記確率分布モデルを用いることで、マージンなどによる補正を行う事なく、測定誤差による差分も含めた診断が行われる。

乖離度の演算にあたっては、検出精度向上の観点から、回転速度の変動に影響を与える要素（風力発電装置の場合は風速や風向など）についても可能な範囲で取得しておくことが好ましい。

ここで、確率分布モデルの作成は、複数の要素（内輪１１１、外輪１１２、転動体１１３）のいずれかの要素に傷を有する転がり軸受１１を用い、回転速度や軸受荷重の変動パターンなど、予め決定した複数の運転パターン毎に転がり軸受１１を一定時間運転した時間波形を取得する。そして、この時間波形を複数の時間間隔に分け、各時間間隔における複数のピーク周波数から、理論周波数に対するピーク周波数の乖離度の発生頻度を求め、乖離度と尤度の関係を作成することで得られる。なお、回転速度における運転パターンとは、例えば、回転速度１５００ｍｉｎ^−１での一定回転や、回転速度１２００ｍｉｎ^−１の±３％で変動回転する場合など、所定時間毎の軸回転数や、一定時間内の回転速度が変化する割合が要素として挙げられる。

確率分布モデルは、正規分布などの場合、少数のパラメータで表すことが可能であり、条件の異なる複数の実機運転データを元に、それぞれパラメータが決定される。決定されたパラメータは、異常診断の際の実機の運転パターンに応じて選択される。
ただし、確率分布モデルは、転がり軸受のいずれの要素に傷をつけて上記手法で取得しても乖離度を尤度との関係は変わらないため、各要素に共通して使用することができる。

なお、回転速度変動に起因する確率分布モデルの作成には、いずれかの要素に傷をつけた転がり軸受１１を運転してピーク周波数を取得する代わりに、高精度の回転センサ１４を設置し、この回転センサ１４から出力される高精度の回転速度と軸受諸元とから算出される理論周波数を用いて、乖離度と尤度の関係を作成してもよい。

また、自公転すべりに起因する確率分布モデルの作成にも、いずれかの要素に傷をつけた転がり軸受１１を運転してピーク周波数を取得することができる。また、転動体１１３又は保持器の公転数を直接測定し、直接測定した内輪回転数、直接測定した公転数、及び軸受諸元から算出される理論周波数を用いて、乖離度と尤度の関係を作成してもよい。
さらに、実機（例えば、風車）に内輪回転数と転動体公転数とを直接測定可能な測定装置を配置し、実機からデータを蓄積することも考えられるが、このような測定装置は高価であり、全実機に搭載するのは現実的でない。

図６は、自公転すべり発生時の一運転パターンにおける確率分布モデルの一例を示しており、理論周波数に対するピーク周波数の乖離度から尤度が容易に算出されることが分かる。

また、比較判定部２１５は、簡易的な軸受異常の有無の診断として、ピーク周波数の有無によって診断可能である。また、振動信号から、振動実効値、ピーク値、波高率、尖度などの簡易診断パラメータを演算することで、簡易的に診断してもよい。そして、簡易的な診断で、異常が検出された場合に、上述した周波数分析及び理論周波数誤差確率分布モデルを用いた診断を行うようにしてもよい。

このようにして判定された転がり軸受１１の診断結果は、内部メモリ２１６に記憶すると共に、機械設備１０の動作を制御する制御装置２２へ出力され、診断結果に応じた制御信号をフィードバックすると共に、出力装置３０に送る。

内部メモリ２１６は、例えばメモリ又はＨＤＤ等により構成され、複数の確率分布モデルと、理論周波数の算出に用いる各回転部品の設計諸元データと、比較判定部２１５により判定された転がり軸受１１の異常の有無の診断及び異常の部位特定に関する各データを記憶する。

出力装置３０は、転がり軸受１１の診断結果をモニタ等にリアルタイムで表示する。また、異常が検出された場合に、ライトやブザー等の警報機を用いて使用者に異常であることの注意を促すようにしてもよい。

次に、本実施形態の異常診断方法を、図４に示すフローチャートに沿って説明する。
まず、回転センサ１４及び振動センサ１２で回転信号及び振動信号を取得する（ステップＳ１）。そして、得られた回転信号から図３に示す関係式を用いて、内輪１１１、外輪１１２、転動体１１３の理論周波数をそれぞれ算出すると共に、この運転パターンに対応する理論周波数誤差確率分布モデルを内部メモリ２１６から呼び出す（ステップＳ２）。

また、振動センサ１２からの振動信号に対してエンベロープ処理し（ステップＳ３）し、得られたエンベロープスペクトルからピーク周波数を検出する（ステップＳ４）と共に、エンベロープスペクトル上のピーク周波数が高次成分まで出ているか否かを確認して、診断スコアを算定する（ステップＳ５）。

次に、このピークが何の異常によるものか特定するため、ピーク周波数と理論周波数との乖離度を演算し、乖離度から確率分布モデルに基づいて、尤度を内輪１１１、外輪１１２、転動体１１３ごとに算出する（ステップＳ６）。

そして、診断スコアに上記尤度を積算した損傷スコアを部位ごとに算出し（ステップＳ７）、最も高い値を示す損傷スコアと、予め決められている診断闘値と、を比較判定する（ステップＳ８）。各損傷スコアが診断闘値を越えていない場合には、異常なしと診断し（ステップＳ９）、規定時間経過後にステップＳ１に戻り、再び診断を開始する（ステップＳ１０）。
一方、各損傷スコアのいずれかが診断闘値を越えた場合には、当該部位が損傷を発生していると診断して管理者に警告を発信する（ステップＳ１１）。

ここで、風力発電装置における転がり軸受の異常診断のシミュレーション例について説明する。風力発電装置のドライブトレイン部は、主軸、増速機、発電機から構成され、各装置の回転部には、転がり軸受が組み込まれている。各転がり軸受のハウジング部には、軸受振動を監視するための振動センサが設置され、また増速機高速軸には、回転速度を監視するための回転センサが設置されている。

（第１シミュレーション例）
以下、風力発電装置の増速機高速軸を支持する円筒ころ軸受の異常診断において、転がり軸受に自公転すべりが発生した場合の診断手順について図４、図５、及び表１を参照して説明する。なお、増速機高速軸に組込まれた円筒ころ軸受の軸受外径Ｄは３００ｍｍ、軸受内径ｄは１６０ｍｍである。

主軸が１２ｍｉｎ^−１の回転速度で回転している風力発電装置において、増速機変速比が１：７５の増速機高速軸は、９００ｍｉｎ^−１の回転速度で安定して回転する。この状態で、回転センサ１４及び振動センサ１２で回転信号及び振動信号を取得する。

回転数９００ｍｉｎ^−１から図３に示す関係式を用いて、内輪１１１、外輪１１２、転動体１１３の傷起因理論周波数をそれぞれ算出すると、内輪１１１の傷起因理論周波数は７４．７Ｈｚ、外輪１１２の傷起因理論周波数は６３．０Ｈｚ、転動体１１３の傷起因理論周波数は６６．２Ｈｚとなる。

例えば、内輪１１１に損傷が発生した場合、図５（ａ）に示すように、自公転すべりがないものとして、振動信号を分析したエンベロープスペクトル上には、７４．７Ｈｚのピーク周波数と、その高次成分が確認されるはずである。

しかし、本シミュレーション例では、円筒ころ軸受に自公転すべり(約８％)が発生していることから、振動センサ１２からの振動信号に対してエンベロープ処理し、得られたエンベロープスペクトルからピーク周波数を検出すると、８０．６Ｈｚのピーク周波数とその高次成分(４次成分まで)が確認された（図５（ｂ）参照）。

図５（ｂ）に示すエンベロープスペクトル上には、４次以上のピーク周波数が確認されるため（図５（ｂ）参照）、表１に示す診断スコアテーブルから、診断スコアを０．８と算定する。

また、この増速機高速軸では、過去の運転データや試験データから円筒ころ軸受に自公転すべりの発生が確認されており、内部メモリ２１６に記憶されている確率分布モデルも自公転すべりを前提とした理論周波数誤差確率分布モデルとなっている。

次に、このピークが何の異常によるものか特定するため、ピーク周波数と理論周波数との乖離度を演算し、本シミュレーションの運転パターンである定格速度運転に対応した自公転すべりに起因する確率分布モデルに基づいて、乖離度から尤度を内輪１１１、外輪１１２、転動体１１３ごとに算出する。図６は、内輪１１１の乖離度と尤度との関係を示す自公転すべりに起因する理論周波数誤差確率分布モデルである。

具体的には、内輪損傷として演算する場合、ピーク周波数と理論周波数（７４．７Ｈｚ）の乖離度が８０．６／７４．７−１≒０．０８（８％）となる。蓄積した運転データより作成する図６に示す理論周波数誤差確率分布モデルより、主軸回転速度１２ｍｉｎ^−１時の乖離度０．０８の尤度は、標準偏差σ内の変動であり０．１１６が算出された。診断スコアにこの尤度を反映し、内輪損傷スコアは、０．８×０．１１６≒０.０９２８となった。

また、外輪損傷として演算する場合、ピーク周波数と理論周波数（６３．０Ｈｚ）の乖離度が８０．６／６３．０−１≒０．２８（２８％）となる。自公転すべり時の外輪損傷ピーク周波数の発生間隔は拡大し、周波数は減少する傾向にあるため、乖離度が正の場合の尤度は低く、０．００１が算出される。このため、外輪損傷スコアは０．８×０．００１≒０．０００８となる。

同様に、転動体損傷として演算する場合、ピーク周波数と理論周波数（６６．２Ｈｚ）の乖離度が８０．６／６６．２≒０．２２（２２％）であり、確率分布モデルから尤度０．００１となった。このため、転動体損傷スコアは、０．８×０．００１＝０．０００８となる。

なお、軸受近傍のギヤの噛合い周波数について、確率分布モデルから尤度を求めると、算出された損傷スコアは０．０２以下であった。

ここで、最も高い値を示す損傷スコアと、予め決められている診断闘値と、を比較判定した結果、内輪損傷スコアが最も高い値を示し、内輪損傷スコア（０．０９２８）が、診断闘値（０．０２）を越えているため、内輪損傷の発生と診断して管理者に警告を発信する。

このように、本診断方法によると、自公転すべりが発生しやすい環境であっても、自公転すべりの有無に関わらず、高精度での異常診断を行うことが可能である。

（第２シミュレーション例）
次に、風力発電装置の増速機高速軸を支持する円筒ころ軸受の異常診断において、回転情報が不正確な場合の診断手順について図４、図７、及び表２を参照して説明する。なお、円筒ころ軸受の軸受外径Ｄは３６０ｍｍ、軸受内径ｄは２００ｍｍである。

主軸回転速度:２０ｍｉｎ^−１が定格回転数である風力発電装置において、増速機変速比が１：７５の増速機高速軸は、１５００ｍｉｎ^−１の回転速度で安定して回転する。この状態で軸受外輪にはく離損傷が発生した場合、振動加速度信号をエンベロープ処理後にＦＦＴすることで得られるエンベロープスペクトル上には、軸受諸元と回転速度から算出される理論周波数に一致するピーク(外輪起因周波数:２２２．５Ｈｚ)が高次成分まで発生する。

風の勢いが弱まり風速が低下した状態では、主軸回転数も低下して、定格回転数から外れた回転数で回転している。この時、風速が不安定な変動を繰り返している。ここで、回転センサ１４により検出された回転速度は１６ｍｉｎ^−１であり、増速機の変速比（１：７５）から算出される増速機高速軸回転数は、１２００ｍｉｎ^−１である。

したがって、回転数１２００ｍｉｎ^−１から図３に示す関係式を用いて、内輪１１１、外輪１１２、転動体１１３の傷起因理論周波数をそれぞれ算出すると、内輪１１１の傷起因理論周波数は２４５．２Ｈｚ、外輪１１２の傷起因理論周波数は１７８.０Ｈｚ、転動体１１３の傷起因理論周波数は１５９．６Ｈｚとなる。

例えば、外輪１１２に損傷が発生した場合、速度変動がない場合には、図７（ａ）に示すように、振動信号を分析したエンベロープスペクトル上には、１７８.０Ｈｚのピークと、その高次成分が確認されるはずである。
しかしながら、本シミュレーションでは、回転速度には速度変動があるため、振動センサ１２からの振動信号に対してエンベロープ処理し、得られたエンベロープスペクトルからピーク周波数を検出すると、実際には１７４.３Ｈｚのピーク周波数とその高次成分が確認できる（図７（ｂ）参照）。

ここで、図７（ｂ）に示すエンベロープスペクトル上には、４次以上のピーク周波数が確認されるため、表１に示す診断スコアテーブルから、診断スコアを０．９と算定する。

次に、このピークが何の異常によるものか特定するため、ピーク周波数と理論周波数との乖離度を演算し、本シミュレーションの運転パターンである変動速度運転パターンに対応した確率分布モデルに基づいて、乖離度から尤度を内輪１１１、外輪１１２、転動体１１３ごとに算出する。

具体的には、内輪損傷として演算する場合、ピーク周波数と傷起因理論周波数（２４５．２Ｈｚ）の乖離度が１７４．３/２４５．２−１≒−０．２９（２９％）となる。蓄積した運転パターンより作成した確率分布モデル（図示せず）より、主軸回転速度１６ｍｉｎ^−１時の乖離度−０．２９の尤度は、標準偏差σ×３を大きく超えて、０．０１となる。また、診断スコアにこの尤度を反映した内輪損傷スコアは、０．９×０．０１＝０．００９となる。

また、外輪損傷として演算する場合、ピーク周波数と傷起因理論周波数（１７８．０Ｈｚ）の乖離度が１７４.３/１７８．０−１≒−０．０２（２％）となり、乖離度が確率分布モデルの平均値に近い値のため、尤度は０．８５となる。このため、外輪損傷スコアは、０．９×０．８５＝０．７６５となる。

同様に、転動体損傷として演算する場合、ピーク周波数と傷起因理論周波数（１５９．６Ｈｚ）の乖離度が１７４.３/１５９．６−１≒０．０９（９％）であり、確率分布モデルから尤度は０．４となった。このため、転動体損傷スコアは、０．９×０．４＝０．３６となる。

なお、軸受近傍のギヤの噛合い周波数についても、確率分布モデルから尤度を求めると、算出された損傷スコァは０．２であった。

ここで、最も高い値を示す損傷スコアと、予め決められている診断闘値と、を比較判定すると、外輪損傷スコアが最も高い値を示しており、外輪損傷スコア（０．７６５）が、診断闘値（０．６）を越えているため、外輪損傷の発生と診断して管理者に警告を発信する。

このように、本診断方法によると、理論周波数誤差が発生しやすい環境であっても、回転速度変動の有無に関わらず、高精度での異常診断を行うことが可能である。

以上説明したように、本実施形態の異常診断方法によれば、転がり軸受１１の回転速度を検出する工程と、転がり軸受１１から発生する振動を検出する工程と、転がり軸受１１の内輪１１１、外輪１１２、及び転動体１１３毎に、検出された回転速度信号に基づいて異常に起因する理論周波数を算出する工程と、検出された振動信号の波形に対してエンベロープ処理及びＦＦＴ解析を行い、エンベロープスペクトル上の周波数を分析する工程と、エンベロープスペクトルから検出されたピーク周波数と、転がり軸受１１の内輪１１１、外輪１１２、及び転動体１１３毎の異常に起因する理論周波数との乖離度を演算する工程と、運転パターン毎に予め記憶された確率分布モデルに基づいて乖離度から尤度を求める工程と、尤度を用いて転がり軸受１１の異常の有無及び異常部位を診断する工程と、を備える。これにより、実際の回転軸１００の回転速度と、回転センサ１４により得られた回転軸１００の回転速度情報との間に乖離が生じたり、自公転すべりが生じていても、精度よく転がり軸受１１の異常を診断することができる。

また、本実施形態の異常診断装置１によれば、転がり軸受１１の回転速度を検出する回転センサ１４と、転がり軸受１１から発生する振動を検出する振動センサ１２と、転がり軸受１１の複数の内輪１１１、外輪１１２、及び転動体１１３毎に、回転速度信号に基づいて異常に起因する理論周波数を算出する回転分析部２１２と、振動信号の波形に対してエンベロープ処理及びＦＦＴ解析を行い、エンベロープスペクトル上の周波数を分析する振動分析部２１４と、運転パターン毎に確率分布モデルを記憶する内部メモリ２１６と、エンベロープスペクトルから検出されたピーク周波数と転がり軸受１１の内輪１１１、外輪１１２、及び転動体１１３毎の理論周波数との乖離度を演算し、確率分布モデルに基づいて乖離度から尤度を求めて転がり軸受１１の異常の有無及び異常部位を診断する比較判定部２１５と、を備えるので、実際の回転軸１００の回転速度と、回転センサ１４により得られた回転軸１００の回転速度情報との間に乖離が生じたり、自公転すべりが生じていても、精度よく転がり軸受１１の異常を診断することができる。

また、本発明の異常診断方法及び装置によれば、確率分布モデルは、内輪１１１、外輪１１２、及び転動体１１３のいずれかに傷を有する転がり軸受１１を用い、予め決定した複数の運転パターン毎に転がり軸受１１を一定時間運転し、理論周波数に対するピーク周波数の乖離度の発生頻度から乖離度と尤度との関係を求めて作成するので、実試験条件に適合した確率分布モデルを作成することができる。

さらに、診断工程は、エンベロープスペクトルから検出されたピーク周波数の次数に対応する診断スコアと尤度との積である損傷スコアと、閾値とを比較して転がり軸受１１の異常の有無及び異常部位を診断するので、精度よく転がり軸受１１の異常を診断することができる。

尚、本発明は、前述した実施形態に限定されるものではなく、本発明の趣旨を逸脱しない範囲で、適宜、変形、改良、等が可能である。

本発明の異常診断は、転がり軸受の各要素の異常に限らず、例えば、軸のアンバランスやギヤの噛合いなど、周期性を伴う回転部品を異常振動の対象とすることができ、それぞれの尤度を比較することで、同様に診断することができる。

また、本発明は、実際の回転速度からの乖離として、上述した測定回転速度の誤差や、軸受の自公転すべりなどの誤差要因が複合して発生する場合でも、それぞれ部品毎に異なる確率分布モデルを事前に作成して、統合した尤度を算出することなどで、複数のピーク検知事例にも対応可能である。
また、回転速度変動による確率分布モデルは、回転数、風速、風向きに限らず、複数の参照データ(軸受振動や発電量、温度、ひずみなど)から尤度を求めるようにしもよい。

また、確率分布モデルは、シミュレーション例のような正規分布に限らず、混合正規分布や、マルコフ連鎖モンテカルロ法など、実測データを反映可能なものであれば適用することができる。

さらに、本実施形態の診断工程では、診断スコアと尤度とを積算した損傷スコアを閾値と比較することで、異常の診断を行っているが、本発明の診断工程は、必ずしも診断スコアを用いる必要なない。例えば、尤度の値のみによって異常の診断を行ってもよく、この場合、閾値は、適宜、再設定されればよい。

また、本実施形態のように、診断スコアを用いる場合には、診断スコアテーブルは、任意に設定することができる。

１ 回転部品の異常診断装置
１１ 転がり軸受（回転部品）
１２ 振動センサ
１４ 回転センサ
１１１ 内輪（回転部品の要素）
１１２ 外輪（回転部品の要素）
１１３ 転動体（回転部品の要素）
２１２ 回転分析部
２１４ 振動分析部
２１５ 比較判定部
２１６ 内部メモリ（記憶部）

Claims (2)

1. 回転部品の異常の有無及び異常部位を診断する回転部品の異常診断方法であって、
   前記回転部品の回転速度を検出する工程と、
   前記回転部品から発生する振動を検出する工程と、
   前記回転部品の複数の要素毎に、検出された回転速度信号に基づいて異常に起因する理論周波数を算出する工程と、
   検出された振動信号の波形に対してエンベロープ処理及びＦＦＴ解析を行い、エンベロープスペクトル上の周波数を分析する工程と、
   前記エンベロープスペクトルから検出されたピーク周波数と、前記回転部品の要素毎の前記異常に起因する理論周波数との乖離度を演算する工程と、
   運転パターン毎に予め記憶された理論周波数誤差確率分布モデルに基づいて前記乖離度から尤度を求める工程と、
   前記尤度を用いて前記回転部品の異常の有無及び異常部位を診断する工程と、
   を備えることを特徴とする回転部品の異常診断方法。
2. 回転部品の異常の有無及び異常部位を診断する回転部品の異常診断装置であって、
   前記回転部品の回転速度を検出する回転センサと、
   前記回転部品から発生する振動を検出する振動センサと、
   前記回転部品の複数の要素毎に、前記回転センサで検出された回転速度信号に基づいて異常に起因する理論周波数を算出する回転分析部と、
   検出された前記振動信号の波形に対してエンベロープ処理及びＦＦＴ解析を行い、エンベロープスペクトル上の周波数を分析する振動分析部と、
   運転パターン毎に理論周波数誤差確率分布モデルを記憶する記憶部と、
   前記エンベロープスペクトルから検出されたピーク周波数と、前記回転部品の要素毎の前記異常に起因する理論周波数との乖離度を演算し、前記理論周波数誤差確率分布モデルに基づいて前記乖離度から尤度を求め、前記尤度を用いて前記回転部品の異常の有無及び異常部位を診断する比較判定部と、
   を備えることを特徴とする回転部品の異常診断装置。
   
   
   
   

Images