JP2019086349A - 軸受の状態監視装置及び異常診断方法 - Google Patents

Abstract

【課題】ノイズが多い環境下での回転機械の異常を検出する精度が向上した異常診断方法および状態監視装置を提供する。【解決手段】異常診断方法は、回転速度信号および軸受設計諸元に基づき算出された軸受の損傷に起因した基本周波数と高調波周波数の各々に主モニタリング帯域を設定し（Ｓ３）、測定データに対して周波数分析を実行し、基本周波数および高調波周波数の各々における主モニタリング帯域での周波数成分のパワーの合計を示す第１の値Σｍと、主モニタリング帯域以外の副モニタリング帯域での周波数成分のパワーの合計を示す第２の値Σｏとを用いて、診断対象の軸受の異常を判定する（Ｓ５〜Ｓ９）。【選択図】図２

Description

本発明は転がり軸受の状態監視装置及び異常診断方法に関する。

従来、回転機械等の被試験対象物では、各種振動系センサが測定した加速度、速度、変位、音、ＡＥ（Acoustic Emission）、電力のような物理量の測定データに基づいて、被試験対象物の状態を監視している。具体的には、測定データによって示される波形の特徴を示す特徴量が算出され、算出された特徴量を用いて被試験対象物の異常の有無が判定される。

回転部品の異常を診断するという目的で、振動系センサを取付けて、回転速度信号および設計諸元に基づき算出された回転部品の損傷に起因した周波数成分と振動系センサにより検出された信号波形に基づく実測データの周波数成分との比較照合を行ない、比較結果に基づき、回転部品の異常の有無や異常部品及び部位を特定する方法が知られている（特開２００６−０７７９４５号公報参照）。

特開２００６−０７７９４５号公報 特開２００１−０２１４５３号公報

ただし、このような従来手法では、ノイズの少ない環境（実験室など）で振動を測定する場合はある程度判定できるが、ノイズの多い環境（測定対象の周りに大電力の電気設備がある場所、或は衝撃振動がある場所など）で振動を測定すると、異常と無関係のノイズの混入により、判定が難しくなるケースが多い。誤診断が発生すると異常診断の信頼性低下にも繋がる。

回転機械は工業に最も常用されている重要な設備で、そのトラブルや故障は生産や品質に与える悪影響が大きなものである。回転機械の異常診断は簡便さから振動法によるものが主流であるが、ノイズが多い環境に設置する場合が多いので、ノイズ対策が重要となる。

また、上記の異常周波数帯域比較照合の方法以外に、ＯＡ値（Overall Value）による判定方法も知られている（特開２００１−０２１４５３号公報参照）。ＯＡ値とは、振動などの時間信号を高速フーリエ変換（ＦＦＴ）してパワースペクトルを求め、その分析周波数全体の合成パワーを意味する（分析された各周波数のパワースペクトルの積和）。しかし、この方法の場合も同様にノイズの混入により判定が難しくなる。

この発明は、上記の課題を解決するためになされたものであって、その目的は、ノイズが多い環境下での回転機械の異常を検出する精度が向上した異常診断方法および状態監視装置を提供することである。

この発明は、要約すると、軸受の回転時に発生する機械的振動を振動系センサによって測定した測定データに基づいて軸受の異常の有無を判定する異常診断方法であって、回転速度信号および軸受設計諸元に基づき算出された軸受の損傷に起因した基本周波数および基本周波数の高調波周波数の各々に主モニタリング帯域を設定するステップと、測定データに対して周波数分析を実行し、基本周波数および高調波周波数の各々における主モニタリング帯域での周波数成分のパワーの合計を示す第１の値と、主モニタリング帯域以外の副モニタリング帯域での周波数成分のパワーの合計を示す第２の値とを用いて、診断対象の軸受の異常を判定するステップとを備える。

好ましくは、判定するステップは、第１の値を第２の値で除算した値がしきい値を超える場合に診断対象の軸受が異常であると判定する。

好ましくは、振動系センサは、加速度センサ、音響センサ、超音波センサ及びＡＥセンサの少なくともいずれか一つである。

この発明は、他の局面では、上記のいずれかの異常診断方法を用いて異常診断を行なう、状態監視装置である。

好ましくは、状態監視装置は、振動系センサによって検出された信号波形から分析対象でない周波数帯域の信号を除去するフィルタ部を備える。

この発明では、特に一般的に困難とされている低周波ノイズ混入時の軸受診断について、提案した特殊な分析パラメータを利用することで軸受異常の識別が容易になる。これにより軸受等の異常診断を自動的に信頼性高く実施できる。

本実施の形態に係る状態監視装置の構成を示すブロック図である。 図１のデータ演算部１６０で実行される異常判定処理を説明するためのフローチャートである。 ノイズレベルが高い環境下で正常軸受から得られた振動測定データをＦＦＴした結果を示す図である。 ノイズレベルが高い環境下で損傷軸受から得られた振動測定データをＦＦＴした結果を示す図である。 ノイズレベルが低い環境下で正常軸受から得られた振動測定データをＦＦＴした結果を示す図である。 ノイズレベルが低い環境下で損傷軸受から得られた振動測定データをＦＦＴした結果を示す図である。

以下、本発明の実施の形態について図面を参照しつつ説明する。なお、以下の図面において同一または相当する部分には同一の参照番号を付し、その説明は繰返さない。

［状態監視装置の基本構成］
図１は、本実施の形態に係る状態監視装置の構成を示すブロック図である。図１を参照して、状態監視装置１００は、被試験装置１０に設置された振動系センサ２０から信号を受けて、被試験装置１０の状態を監視し、異常を検出する。被試験装置１０は、例えば工場や発電所などに設置された回転機器を含む設備である。回転機器は転がり軸受１２を含む。転がり軸受１２は、回転軸１９に嵌合された内輪１６と、被試験装置１０に固定された外輪１４と、内輪と外輪との間に配置された複数の転動体１８とを含む。

振動系センサ２０は、回転時に生じる異常振動を検出することができる。なお、本実施の形態では、監視対象として加速度を例示するが、振動系センサ２０は、加速度センサ以外にも、音響センサ、超音波センサ及びＡＥセンサであっても良い。

状態監視装置１００は、アンプ１１０と、フィルタ１２０と、Ａ／Ｄコンバータ１３０と、データ取得部１４０と、記憶装置１５０と、データ演算部１６０と、表示部１７０とを含む。

回転機械に設置した振動系センサ２０の電圧波形（以下、振動電圧波形）は、アンプ１１０において増幅され、フィルタ１２０において分析に不要な帯域の信号を除去し必要な帯域のみ通過させるバンドパスフィルタ処理（通過帯域１ｋＨｚ〜１０ｋＨｚ）と、エンベロープ処理とが行なわれる。Ａ／Ｄコンバータ１３０は、アンプ１１０の出力信号を受ける。データ取得部１４０は、Ａ／Ｄコンバータ１３０からデジタル信号を受けて記憶装置１５０に測定データを記録する。データ演算部１６０は、記憶装置１５０から測定しておいた測定データを読み出してＦＦＴ解析を実施し、ＦＦＴ解析実施後、低周波数帯域の周波数スペクトルに対して後に説明する各特徴量（ＯＡ値、Σｍ値及び合成パワー比Σｍ／Σｏ）を計算する。

データ演算部１６０は、各特徴量から被試験装置１０の異常の有無を判断する。データ演算部１６０は、異常の有無を判断した場合、表示部１７０に判断結果を表示させる。

［異常判定処理の説明］
図２は、図１のデータ演算部１６０で実行される異常判定処理を説明するためのフローチャートである。図２を参照して、まずステップＳ１において、データ演算部１６０は、振動データと、振動データとともに記憶されていた回転速度信号と、監視対象軸受の設計諸元を記憶装置１５０から読み出す。

続いて、ステップＳ２において、データ演算部１６０は、回転速度信号および設計諸元に基づいて、軸受の損傷に起因した振動の基本周波数および高調波周波数を算出する。

軸受損傷では、外輪、内輪、転動体のいずれかに傷が生じる。たとえば、外輪に傷（溝欠陥）が生じた場合、傷を転動体が通過するときにインパルスノイズが出る。このインパルスノイズは回転速度の関数として周期的に出る。

たとえば、外輪に欠陥があるときの振動の周波数をｆout、軸の回転周波数をｆｒ、転動体の数をＺ、接触角をα、ピッチ円の直径をＤ、転動体の直径をｄで表すと、以下の式でｆoutが算出できる。
ｆout＝１／２×Ｚ×ｆｒ×（１−ｄ／Ｄ×cosα）
ただし、インパルスノイズは正弦波とは異なるので、振動波形に高調波成分が含まれる。したがって、ＦＦＴを行なうと、ｆoutを基本周波数として、その整数倍の高調波が観測できる。なお、内輪に欠陥がある場合、転動体に欠陥がある場合、保持器に欠陥がある場合についても、外輪の場合と同様に公知な式によって基本周波数を算出することができる。

続いて、ステップＳ３において、データ演算部１６０は、主モニタリング帯域と副モニタリング帯域を決定する。主モニタリング帯域は、上記の基本周波数および高調波の周波数を中心として定められる帯域であり、副モニタリング帯域はそれ以外の帯域である。すなわち、データ演算部１６０は、回転速度信号および設計諸元に基づき算出された回転部品の損傷に起因した周波数成分とその高次成分をターゲットとして、速度信号偏差など影響も考慮し、損傷周波数とその高次成分に損傷周波数基本波の±数％（±５％〜±１５％前後）の主モニタリング帯域を設定する。

たとえば、監視帯域のうち、主モニタリング帯域を３０％が占め、副モニタリング帯域を７０％が占めるようにモニタリング帯域を設定することが好ましく、監視帯域のうち、主モニタリング帯域を１０％が占め、副モニタリング帯域を９０％が占めるようにモニタリング帯域を設定することがより好ましい。この場合、基本周波数、高調波周波数を中心にして基本周波数の±５％の帯域が主モニタリング帯域となり、それ以外の残りの部分は副モニタリング帯域となる。

続いて、ステップＳ４において、データ演算部１６０は、取得した振動測定データに対して、ＦＦＴを実行し、ステップＳ５においてΣｍ、Σｏを算出し、ステップＳ６において合成パワー比Σｍ／Σｏを算出する。

上記において、主モニタリング帯域での実測データの周波数成分の合成パワーを、Σmonitoring（Σｍ）とする。Σｍは、主モニタリング帯域の周波数成分パワースペクトルの積和を意味する。

また、上記主モニタリング帯域以外での実測データの周波数成分の合成パワーを、Σothers（Σｏ）とする。Σｏは、副モニタリング帯域の周波数成分パワースペクトルの積和を意味する。

このような提案した分析パラメータ（Σｍ、Σｏ、及び合成パワー比Σｍ／Σｏ）を利用することによって、低周波ノイズが混入された振動測定データに対しても、軸受異常の識別が容易になり、異常診断の信頼性が高くなるとともに、自動的に異常診断することが可能となる。

ステップＳ７では、データ演算部１６０は、合成パワー比Σｍ／Σｏがしきい値よりも大きいか否かを判断する。ステップＳ７において、Σｍ／Σｏ＞しきい値が成立した場合（Ｓ７でＹＥＳ）、ステップＳ８において、データ演算部１６０は、軸受が異常であると判定する。一方、ステップＳ７において、Σｍ／Σｏ＞しきい値が成立しない場合（Ｓ７でＮＯ）、ステップＳ９において、データ演算部１６０は、軸受が正常であると判定する。

ステップＳ８またはステップＳ９において、いずれかの判定が実施されたら、ステップＳ１０において異常判定処理が終了する。

以上説明した本実施の形態に係る異常診断方法は、軸受の回転時に発生する機械的振動を振動系センサ２０によって測定した測定データに基づいて軸受の異常の有無を判定する。この異常診断方法は、回転速度信号および軸受設計諸元に基づき算出された軸受の損傷に起因した基本周波数および基本周波数の高調波周波数の各々に主モニタリング帯域を設定するステップ（Ｓ３）と、測定データに対して周波数分析を実行し、基本周波数および高調波周波数の各々における主モニタリング帯域での周波数成分のパワーの合計を示す第１の値Σｍと、主モニタリング帯域以外の副モニタリング帯域での周波数成分のパワーの合計を示す第２の値Σｏとを用いて、診断対象の軸受の異常を判定するステップ（Ｓ５〜Ｓ９）とを備える。

好ましくは、判定するステップ（Ｓ７〜Ｓ９）は、第１の値Σｍを第２の値Σｏで除算した値Σｍ／Σｏがしきい値を超える場合に診断対象の軸受が異常であると判定する。

なお、従来の判断と組み合わせて、振動測定データの分析結果（ＯＡ値）から、予め設定したＯＡ値の閾値を超えている場合には「要注意状態」にあると判定し、今回導入した特殊な分析パラメータ（Σｍ、Σｏ、及び合成パワー比Σｍ／Σｏ）を利用することで詳細分析・異常診断を行なうようにしても良い。

［実施例］
以下に、本実施の形態で示した異常判定方法を適用して、４条件において判定を実行したので、データを示して説明する。

試験条件および分析方法を以下ａ）〜ｄ）に示す。
ａ）軸受負荷状態で低速回転（１００ｒｐｍ）時振動測定
ｂ）軸受（正常軸受、損傷軸受：外輪軌道面に１箇所損傷あり）
ｃ）環境（ノイズレベル高／ノイズレベル低）
ｄ）分析方法：振動データに対し、ＢＰＦ（１ｋＨｚ〜１０ｋＨｚ）処理後、エンベロープ処理、ＦＦＴ解析を実施した。解析実施後、低周波数帯域（〜２００Ｈｚ）の周波数スペクトルに対してＯＡ値、Σｍ値及び合成パワー比Σｍ／Σｏを計算した。

図３は、ノイズレベルが高い環境下で正常軸受から得られた振動測定データをＦＦＴした結果を示す図である。図３において、基本周波数に対応する主モニタリング帯域Ｍ１、高調波周波数に対応する主モニタリング帯域Ｍ２〜Ｍ１４を設定した。監視帯域全体を占める主モニタリング帯域の比率は１０％、副モニタリング帯域の比率を９０％に設定した。この場合、各数値の算出結果は、ＯＡ＝0.0968、Σｍ＝0.0456、Σｍ／Σｏ＝0.53であった。

図４は、ノイズレベルが高い環境下で損傷軸受から得られた振動測定データをＦＦＴした結果を示す図である。主モニタリング帯域および副モニタリング帯域は、図３と同様に設定した。各数値の算出結果は、ＯＡ＝0.1728、Σｍ＝0.1233、Σｍ／Σｏ＝1.01であった。

図５は、ノイズレベルが低い環境下で正常軸受から得られた振動測定データをＦＦＴした結果を示す図である。主モニタリング帯域および副モニタリング帯域は、図３と同様に設定した。各数値の算出結果は、ＯＡ＝0.0223、Σｍ＝0.0106、Σｍ／Σｏ＝0.54であった。

図６は、ノイズレベルが低い環境下で損傷軸受から得られた振動測定データをＦＦＴした結果を示す図である。主モニタリング帯域および副モニタリング帯域は、図３と同様に設定した。各数値の算出結果は、ＯＡ＝0.0694、Σｍ＝0.0555、Σｍ／Σｏ＝1.33であった。

従来の分析方法で使用されていたＯＡ値は、ノイズレベルが高い環境で正常軸受から得られたデータ（図３）の方が、ノイズレベルが低い環境で損傷軸受から得られたデータ（図６）よりも高かった。したがって、ＯＡ値に対するしきい値設定による損傷軸受の自動判定はできないことが分かる。

ここて、分析パラメータ（Σｍ、Σｏ、及び合成パワー比Σｍ／Σｏ）を用いて再分析すると、Σｍ値及び合成パワー比Σｍ／Σｏは、ノイズレベルが低い損傷軸受の方がノイズレベルが高い正常軸受よりも高い値に現れる。特に合成パワー比Σｍ／Σｏについては、ノイズレベルの高低に関係なく、図３、図５に示す正常軸受の分析結果はほぼ同じレベル（０．５３，０．５４）で、図４、図６に示す損傷軸受の分析結果（１．０１，１．３３）と著しい差異がある。たとえば、合成パワー比Σｍ／Σｏに対してしきい値を０．７〜０．８付近に定めると、損傷軸受と正常軸受を自動的に区別することが可能となる。したがって、合成パワー比Σｍ／Σｏに対し適切にしきい値を定めれば、損傷軸受と正常軸受の判定を正確に行なうことができる。

以上の結果を要約すると、損傷周波数帯域にノイズの混入がある場合には、ＯＡ値を比較すると、ノイズの少ない環境で測定した損傷軸受のＯＡ値がノイズの多い環境で測定した正常軸受のＯＡ値より低いため、しきい値設定による自動判定はできない。したがって自動で判定することは誤判定の可能性が高く、実用的ではない。

一方、本実施の形態で提案した分析パラメータを導入すると、Σｍ値比較した場合、損傷軸受のΣｍ値が正常軸受のΣｍ値よりも高くなることが分かった。また、Σｍ／Σｏ値を比較すると、正常軸受の合成パワー比０．５３〜０．５４に対し、損傷軸受の合成パワー比が１．０１〜１．３３で明瞭な違いがある。したがって、本実施の形態の判定方法によれば、ノイズレベルが高い環境で測定した軸受の振動データに対しても、自動判定可能か可能となる。

今回開示された実施の形態は、すべての点で例示であって制限的なものではないと考えられるべきである。本発明の範囲は、上記した実施の形態の説明ではなくて特許請求の範囲によって示され、特許請求の範囲と均等の意味および範囲内でのすべての変更が含まれることが意図される。

１０ 被試験装置、１２ 軸受、１４ 外輪、１６ 内輪、１８ 転動体、１９ 回転軸、２０ 振動系センサ、１００ 状態監視装置、１１０ アンプ、１２０ フィルタ、１３０ コンバータ、１４０ データ取得部、１５０ 記憶装置、１６０ データ演算部、１７０ 表示部、Ｍ１〜Ｍ１４ 主モニタリング帯域。

Claims (5)

1. 軸受の回転時に発生する機械的振動を振動系センサによって測定した測定データに基づいて前記軸受の異常の有無を判定する異常診断方法であって、
   回転速度信号および軸受設計諸元に基づき算出された軸受の損傷に起因した基本周波数および前記基本周波数の高調波周波数の各々に主モニタリング帯域を設定するステップと、
   前記測定データに対して周波数分析を実行し、前記基本周波数および前記高調波周波数の各々における前記主モニタリング帯域での周波数成分のパワーの合計を示す第１の値と、前記主モニタリング帯域以外の副モニタリング帯域での周波数成分のパワーの合計を示す第２の値とを用いて、診断対象の軸受の異常を判定するステップとを備える、異常診断方法。
2. 前記判定するステップは、前記第１の値を前記第２の値で除算した値がしきい値を超える場合に前記診断対象の軸受が異常であると判定する、請求項１に記載の異常診断方法。
3. 前記振動系センサは、加速度センサ、音響センサ、超音波センサ及びＡＥセンサの少なくともいずれか一つである、請求項１に記載の異常診断方法。
4. 請求項１〜３のいずれかに記載の異常診断方法を用いて異常診断を行なう、状態監視装置。
5. 前記振動系センサによって検出された信号波形から分析対象でない周波数帯域の信号を除去するフィルタ部を備える、請求項４に記載の状態監視装置。

Images