JP2020183939A - ギアボックスの異常検出方法及び情報処理装置 - Google Patents

ギアボックスの異常検出方法及び情報処理装置 Download PDF

Info

Publication number
JP2020183939A
JP2020183939A JP2020068318A JP2020068318A JP2020183939A JP 2020183939 A JP2020183939 A JP 2020183939A JP 2020068318 A JP2020068318 A JP 2020068318A JP 2020068318 A JP2020068318 A JP 2020068318A JP 2020183939 A JP2020183939 A JP 2020183939A
Authority
JP
Japan
Prior art keywords
frequency domain
gearbox
domain signal
correlation
abnormality
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.)
Ceased
Application number
JP2020068318A
Other languages
English (en)
Inventor
威 劉
Wei Liu
威 劉
俊 孫
Shun Son
俊 孫
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fujitsu Ltd
Original Assignee
Fujitsu Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Fujitsu Ltd filed Critical Fujitsu Ltd
Publication of JP2020183939A publication Critical patent/JP2020183939A/ja
Ceased legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M13/00—Testing of machine parts
    • G01M13/02—Gearings; Transmission mechanisms
    • G01M13/022—Power-transmitting couplings or clutches
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
  • General Details Of Gearings (AREA)

Abstract

【課題】ギアボックスの異常検出方法及び情報処理装置を提供する。【解決手段】情報処理装置は、ギアボックスの時計回りの回転中及び反時計回りの回転中に、ギアボックスの第１及び第２検出点の所定期間内の複数の連続的な第１及び第２振動信号をそれぞれ取得し、複数の連続的な第１及び／又は第２振動信号を、予め訓練された畳み込みニューラルネットワークに基づく異常検出モデルに入力し、ギアボックスに異常があるか否かを予備的に判断するように構成されるプロセッサを含み、プロセッサは、さらに、ギアボックスに異常があると予備的に判断された場合、複数の連続的な第１及び第２振動信号を時間領域／周波数領域変換により第１及び第２周波数領域信号にそれぞれ変換し、第１周波数領域信号と第２周波数領域信号との相関性を計算し、相関性に基づいてギアボックスに異常があるか否かを判断するように構成される。【選択図】図１

Description

本開示は、異常検出の分野に関し、具体的には、ギアボックスの異常又は故障を自動的に判断することができる異常検出方法、及び該方法を実現可能な情報処理装置に関する。
ギアボックスは、多くの産業用途において重要な機械部品である。例えば、ギアボックスの伝動により、電動機を負荷の速度、トルク、慣性に適合させることができる。ギアボックスの異常又は故障の自動的な検出は、製造コストを削減し、製造企業の製品品質を向上させるために非常に重要である。
従来、中国国内のギアボックスの製造企業は一般に手動の方法を用いて、製品に欠陥があるか否かを検出する。検出の成功率は、作業員の経験及び状態に大きく依存し、検出の品質を保証することができない。一方、振動信号の解析に基づく方法では、品質検査員が周波数スペクトルに異常な周波数応答があるか否かを検査する必要があるため、抽出検査しかできず、全てのギアボックスを検査することができない。
従って、ギアボックスの異常又は故障を自動的に判断することができる異常検出方法を提供することが望ましい。
以下は、本開示の態様を基本的に理解させるために、本開示の簡単な概要を説明する。なお、この簡単な概要は、本開示を網羅的な概要ではなく、本開示のポイント又は重要な部分を意図的に特定するものではなく、本開示の範囲を意図的に限定するものではなく、後述するより詳細的な説明の前文として、単なる概念を簡単な形で説明することを目的とする。
ギアボックスの異常又は故障を自動的に判断することができる異常検出方法への要望を鑑み、本発明は、ギアボックスの異常又は故障を自動的に判断することができるギアボックスの異常検出方法及び該方法を実現可能な情報処理装置を提供することを目的の１つとする。
本開示の１つの態様では、ギアボックスの異常検出方法であって、ギアボックスの時計回りの回転中に、ギアボックスの第１検出点の所定期間内の複数の連続的な第１振動信号を取得するステップと、ギアボックスの反時計回りの回転中に、ギアボックスの第２検出点の所定期間内の複数の連続的な第２振動信号を取得するステップと、前記複数の連続的な第１振動信号及び／又は前記複数の連続的な第２振動信号を、予め訓練された畳み込みニューラルネットワークに基づく異常検出モデルに入力し、ギアボックスに異常があるか否かを予備的に判断するステップと、を含み、該異常検出方法は、ギアボックスに異常があると予備的に判断された場合、前記複数の連続的な第１振動信号及び前記複数の連続的な第２振動信号を時間領域／周波数領域変換により第１周波数領域信号及び第２周波数領域信号にそれぞれ変換するステップと、前記第１周波数領域信号と前記第２周波数領域信号との相関性を計算するステップと、前記相関性に基づいて、ギアボックスに異常があるか否かを判断するステップ、をさらに含む、異常検出方法を提供する。
本開示のもう１つの態様では、情報処理装置であって、ギアボックスの時計回りの回転中に、ギアボックスの第１検出点の所定期間内の複数の連続的な第１振動信号を取得し、ギアボックスの反時計回りの回転中に、ギアボックスの第２検出点の所定期間内の複数の連続的な第２振動信号を取得し、前記複数の連続的な第１振動信号及び／又は前記複数の連続的な第２振動信号を、予め訓練された畳み込みニューラルネットワークに基づく異常検出モデルに入力し、ギアボックスに異常があるか否かを予備的に判断するように構成されるプロセッサを含み、プロセッサは、さらに、ギアボックスに異常があると予備的に判断された場合、前記複数の連続的な第１振動信号及び前記複数の連続的な第２振動信号を時間領域／周波数領域変換により第１周波数領域信号及び第２周波数領域信号にそれぞれ変換し、前記第１周波数領域信号と前記第２周波数領域信号との相関性を計算し、前記相関性に基づいて、ギアボックスに異常があるか否かを判断するように構成される、情報処理装置を提供する。
本開示の他の態様では、コンピュータにより上記のギアボックスの異常検出方法を実現する、プログラムをさらに提供する。
本開示の他の態様では、機器が読み取り可能な命令コードが記憶されている記憶媒体であって、前記命令コードが機器により読み取られて実行される際に、コンピュータに上記のギアボックスの異常検出方法を実行させる、記憶媒体をさらに提供する。
本開示の実施例の各態様によれば、少なくとも以下の有利な効果を奏し得る。本開示に係るギアボックスの異常検出方法、情報処理装置、プログラム及び記憶媒体によれば、ギアボックスの異常又は故障を自動的に判断することができるため、ギアボックスの異常検出の効率を向上させ、人件費を削減することができる。
以下は図面を参照しながら本開示の好ましい実施例を詳細に説明することにより、本開示の上記及び他の利点はより明確になる。
本開示の上記及び他の利点及び特徴を理解させるために、以下は図面を参照しながら本開示の具体的な実施形態を詳細に説明する。図面及び以下の詳細な説明は本明細書に含まれ、本明細書の一部を構成する。同一の機能及び構造を有する素子は同一の符号で示される。なお、これらの図面は単なる本開示の典型的な例を説明するためのものであり、本開示の範囲を限定するものではない。
本開示の実施例に係るギアボックスの異常検出方法の流れの一例を示すフローチャートである。 本開示の実施例に係る異常検出方法を適用可能なギアボックスを示す模式図である。 図１に示す方法における相関性異常判断ステップにおいて実行される処理の一例を示すフローチャートである。 図１に示す方法における相関性計算ステップにおいて実行される処理の一例を説明する図である。 本開示の実施例に係る異常検出装置の構成の一例を示すブロック図である。 図５における異常検出装置の相関性異常判断部の構成の一例を示すブロック図である。 本開示の実施例に係る異常検出方法、異常検出装置及び情報処理装置を実現するための可能なハードウェア構成を示すブロック図である。
以下、図面を参照しながら本開示の例示的な実施例を詳細に説明する。説明の便宜上、明細書には実際の実施形態の全ての特徴が示されていない。なお、実際に実施する際に、開発者の具体的な目標を実現するために、特定の実施形態を変更してもよい、例えばシステム及び業務に関する制限条件に応じて実施形態を変更してもよい。また、開発作業が非常に複雑であり、且つ時間がかかるが、本公開の当業者にとって、この開発作業は単なる例の作業である。
なお、本開示を明確にするために、図面には本開示に密に関連する装置の構成要件及び／又は処理のステップのみが示され、本開示と関係のない細部が省略されている。
本開示の１つの態様では、ギアボックスの異常検出方法を提供する。図１は本開示の実施例に係るギアボックスの異常検出方法１００の流れの一例を示すフローチャートである。
図１に示すように、異常検出方法１００の流れの一例（又は例示的な方法）は、以下のステップを含んでもよい。第１振動信号取得ステップＳ１０１において、ギアボックスの時計回りの回転中に、ギアボックスの第１検出点の所定期間内の複数の連続的な第１振動信号（第１時系列振動信号と称されてもよい）を取得する。第２振動信号取得ステップＳ１０３において、ギアボックスの反時計回りの回転中に、ギアボックスの第２検出点の所定期間内の複数の連続的な第２振動信号（第２時系列振動信号と称されてもよい）を取得する。ＣＮＮ異常判断ステップＳ１０５において、複数の連続的な第１振動信号及び／又は複数の連続的な第２振動信号を、予め訓練された畳み込みニューラルネットワーク（ＣＮＮ）に基づく異常検出モデル（以下は、ＣＮＮ異常検出モデルと称されてもよく、或いは異常検出モデルと略称されてもよい）に入力し、ギアボックスに異常があるか否かを予備的に判断する。
ＣＮＮ異常判断ステップＳ１０５において、ＣＮＮに基づく異常検出モデルにより、ギアボックスに異常がないと判断された場合、該例示的な方法１００の全ての処理を終了してもよい。
一方、ＣＮＮ異常判断ステップＳ１０５において、ＣＮＮに基づく異常検出モデルにより、ギアボックスに異常があると判断された場合、該例示的な方法１００は、後続のステップＳ１０７〜Ｓ１１１に進んでもよい。時間領域／周波数領域変換ステップＳ１０７において、複数の連続的な第１振動信号（第１時系列振動信号）及び複数の連続的な第２振動信号（第２時系列振動信号）を時間領域／周波数領域変換により第１周波数領域信号及び第２周波数領域信号にそれぞれ変換する。相関性計算ステップＳ１０９において、第１周波数領域信号と第２周波数領域信号との相関性を計算する。相関性異常判断ステップＳ１１１において、該相関性に基づいて、ギアボックスに異常があるか否かを判断する。
一例として、第１振動信号取得ステップＳ１０１及び第２振動信号取得ステップＳ１０３において、ギアボックスの第１検出点及び第２検出点に設けられた振動センサを用いて、第１時系列振動信号及び第２時系列振動信号をそれぞれ取得してもよい。
なお、ギアボックスが正常に動作する場合、２つの検出点から取得された時系列振動信号を時間領域／周波数領域変換により変換して得られた周波数領域信号（即ち２つの検出点の周波数応答）が可能な限り接近するように、第１検出点及び第２検出点の位置を選択してもよい。従って、後続の相関性異常判断ステップＳ１１１において対応する周波数信号間の相関性に異常があるか否かを判断するために、第１検出点及び第２検出点は、ギアボックス上の同一の点、又はギアボックスの中心に関して対称な点などであってもよい。振動信号を取得するために検出点に設けられる振動センサは、例えば取り付け及び取り外しに便利であり、且つ検出効率が高い磁気吸引センサであってもよい。
なお、以上は「第１検出点」、「第２検出点」、「第１時系列振動信号」、「第２時系列振動信号」という表現を用いているが、「第１検出点」及び「第２検出点」のそれぞれは、異なる方向における振動を検出するための複数の検出点を含んでもよく、同様に、「第１時系列振動信号」及び「第２時系列振動信号」のそれぞれは、対応する検出点から取得された複数の時系列振動信号を含んでもよい。
図２は本開示の実施例に係る異常検出方法を適用可能なギアボックスを示し、好ましい第１検出点の位置Ｘ１、Ｙ１、Ｚ１、及び第２検出点の位置Ｘ２、Ｙ２、Ｚ２が示されている。この例では、第１検出点Ｘ１、Ｙ１及びＺ１を用いて、ギアボックスの時計回りの回転中の各位置でのＸ、Ｙ及びＺ方向の振動振幅をそれぞれ検出し、第２検出点Ｘ２、Ｙ２及びＺ２を用いて、ギアボックスの反時計回りの回転中の各位置でのＸ、Ｙ及びＺ方向の振動振幅をそれぞれ検出する。ここで、一例として、Ｘ、Ｙ及びＺ方向はギアボックスに対して定義されるものであり、Ｚ方向はギアボックスの回転軸（入力軸又は出力軸）の方向であり、Ｘ及びＹ方向は該軸の平面（図２の例ではギアボックスの断面）に直交する互いに垂直な２つの方向である。
図２に示す例における「第１検出点」、「第２検出点」、「第１時系列振動信号」、「第２時系列振動信号」のそれぞれに複数の検出点及び複数の時系列振動信号が含まれる場合、後続処理では、必要に応じて、各検査点又は時系列振動信号を区別してもよいし、区別しなくてもよい。
具体的には、ＣＮＮ異常判断ステップＳ１０５におけるＣＮＮ異常検出モデルは、訓練と応用時の一致性を維持すればよい。例えば、訓練時に複数の第１検出点（Ｘ１、Ｙ１、Ｚ１）及び／又は複数の第２検出点（Ｘ２、Ｙ２、Ｚ２）の時系列振動信号を区別せずに使用する場合、検出時に複数の検出点に対応する複数の時系列振動信号を区別せずに使用してもよい（即ち、ＣＮＮ異常判断ステップＳ１０５において任意の時系列振動信号を用いてもよい）。一方、訓練時に特定の第１検出点（例えばＸ１）又は第２検出点（例えばＸ２）の時系列振動信号を使用する場合、検出時に対応する時系列振動信号を使用することが好ましい。
一方、相関性計算ステップＳ１０９及び相関性異常判断ステップＳ１１１における相関性について、対応する検出点の対応する時系列振動信号を使用する必要がある。
例えば、複数の第１検出点（Ｘ１、Ｙ１、Ｚ１）及び複数の第２検出点（Ｘ２、Ｙ２、Ｚ２）のＸ、Ｙ、Ｚ方向の振動振幅を示す第１時系列振動信号ＶＸ１（ｔ）、ＶＹ１（ｔ）、ＶＺ１（ｔ）及び第２時系列振動信号ＶＸ２（ｔ）、ＶＹ２（ｔ）、ＶＺ２（ｔ）（ここで、ｔは時間を表す）、並びに対応する第１周波数領域信号ＡＸ１（ｆ）、ＡＹ１（ｆ）、ＡＺ１（ｆ）及び第２周波数領域信号ＡＸ２（ｆ）、ＡＹ２（ｆ）、ＡＺ２（ｆ）（ここで、ｆは周波数を表す）をそれぞれ取得した場合、対応する周波数領域信号（ＡＸ１（ｆ）とＡＸ２（ｆ）、ＡＹ１（ｆ）とＡＹ２（ｆ）、ＡＺ１（ｆ）とＡＺ２（ｆ））間の相関性ＣＸ、ＣＹ、ＣＺを計算してもよい。具体的には、第１検出点Ｘ１の第１時系列振動信号（Ｘ方向の振動を示す）に基づいて取得された第１周波数領域信号ＡＸ１と第２検出点Ｘ２の第２時系列振動信号（Ｘ方向の振動を示す）に基づいて取得された第２周波数領域信号ＡＸ２（Ｘ方向の振動に関連する第２周波数領域信号と称されてもよい）の相関性ＣＸを計算し、同様に、Ｙ方向の振動に関連する第１周波数領域信号ＡＹ１と第２周波数領域信号ＡＹ２の相関性ＣＹ、及びＺ方向の振動に関連する第１周波数領域信号ＡＺ１と第２周波数領域信号ＡＺ２の相関性ＣＺを計算してもよい。以下は、説明の便宜上、例えば、第１検出点及び第２検出点の時系列振動信号のそれぞれに単一の時系列振動信号（例えばＸ方向の振動を示すもの）のみが含まれることを一例にして説明する。
一例として、ＣＮＮ異常判断ステップＳ１０５に用いられるＣＮＮ異常検出モデルは、畳み込みニューラルネットワークに基づく２クラス分類モデルであってもよく、正常又は異常と予めラベル付けされた訓練振動信号を用いて訓練を行うことにより、入力された時系列振動信号が正常であるか、それとも異常であるかを判断してもよい。ここで、「正常」又は「異常」と予めラベル付けされた訓練振動信号は、訓練振動信号の単一サンプルである。なお、訓練データセット全体について、「正常」と予めラベル付けされた訓練振動信号及び「異常」と予めラベル付けされた訓練振動信号の２種類の訓練データを含んでもよいが、ここでその説明を省略する。なお、訓練中に使用される訓練振動信号と後続のモデル応用中に入力された処理すべき時系列振動信号とは互いに対応し（例えば信号の時間長さは一致し）、必要に応じて、ギアボックスの時計回り又は反時計回り中に取得された信号を区別してもよいし（訓練及び応用時に共に区分する）、区別しなくてもよい（訓練及び応用時に共に区分しない）。
本開示の実施例の例示的な方法では、ＣＮＮ異常検出モデルにより予備的な判断結果のみを取得するため、長さが短い時系列信号を用いて該モデルを訓練することで（及び後続の応用）正確な容認可能な検出結果を取得することができる。例えば、２４万回／分のサンプリングレートで取得された時系列振動信号の場合、本開示の方法におけるＣＮＮ異常検出モデルは、僅か１０ミリ秒の長さを有する時系列振動信号を訓練サンプル又は処理すべきデータとして用いることができる。これに対し、振動信号解析に基づく従来方法では、通常、３０分〜６０分の時系列振動信号を収集し、時間領域／周波数領域変換により周波数応答を取得し、スペクトル異常を検査する必要がある。従って、本開示の方法における処理は、異常検出モデルを訓練、応用する際の処理負荷を軽減し、処理効率を向上させることができる。
一例として、用いられるＣＮＮ異常検出モデルのニューラルネットワークアーキテクチャは、入力層、複数の中間層（例えば畳み込み層、プーリング層、Ｒｅｌｕ（線形補正）層など）、出力層などを含んでもよい。入力層から入力された時系列振動信号について、ＣＮＮ異常検出モデルは、複数の中間層の処理により、出力層で処理結果、例えば該時系列振動信号の正常の確率などを取得する。或いは、出力層は、時系列振動信号の正常の確率に基づいて、時系列振動信号が正常であることを示す判断結果（例えば時系列振動信号の正常の確率が０．５よりも大きい場合）又は時系列振動信号が異常であることを示す判断結果（例えば時系列振動信号の正常の確率が０．５以下である場合）を直接取得してもよい。
畳み込みニューラルネットワークモデルを訓練するための各種の従来方法を用いて、上記のＣＮＮ異常検出モデルを訓練してもよい。例えば、異常検出（又は２クラス分類）の結果の正確性を示すＳｏｆｔｍａｘ損失関数などの損失関数を設定し、損失関数が最小値となるように勾配降下法などの各種の適切な方法を用いてモデルを訓練し、ＣＮＮ異常検出モデルの最適なパラメータを取得してもよい。
なお、本開示の内容をベースにして、任意の適切な方法を用いてＣＮＮ異常検出モデルを構築し、任意の適切な方法を用いて訓練を行い、該モデルの最適化パラメータを決定してもよいが、ここでその説明を省略する。
図１に示すように、ＣＮＮ異常判断ステップＳ１０５において、ＣＮＮ異常検出モデルによりギアボックスに異常があると判断された場合、例示的な方法１００は、時間領域／周波数領域変換ステップＳ１０７に進み、第１時系列振動信号及び第２時系列振動信号を第１周波数領域信号及び第２周波数領域信号にそれぞれ変換して、相関性計算ステップＳ１０９及び相関性異常判断ステップＳ１１１に進み、第１周波数領域信号と第２周波数領域信号との間の相関性を計算し、該相関性に基づいてギアボックスに異常かあるか否かをさらに決定してもよい。
なお、ここで、ＣＮＮ異常判断ステップＳ１０５においてＣＮＮ異常検出モデルによりギアボックスに異常があると予備的に判断された場合、例示的な方法１００は、時間領域／周波数領域変換を行うようにステップＳ１０７に進むことを示しているが、例えば第１振動信号及び第２振動信号の取得ステップＳ１０１及びＳ１０３において２つの時系列振動信号の時間領域／周波数領域変換をそれぞれ行ってもよい。なお、相関性計算ステップＳ１０９の処理の前に第１時系列振動信号及び第２時系列振動信号に対応する周波数領域信号を取得できればよく、ここでその説明を省略する。
相関性計算ステップＳ１０９において、２つの信号間の相関性を計算するための各種の方法を用いて、第１周波数領域信号と第２周波数領域信号の相関性を計算してもよい。例えば、信号処理の分野で一般的に使用される相互相関関数を用いて、２つの信号間の相関性を計算してもよい。本開示の実施例における時計回り及び反時計回りの回転の時系列振動信号の対応する周波数領域信号間の相関性を用いて異常検出を行うという発明の思想をベースにして、信号相関性を計算するための任意の従来方法を用いてステップＳ１０９の処理を実行してもよく、ここでその説明を省略する。相関性計算ステップＳ１０９における相関性計算の処理の一例について、図４を参照して後述する。
次に、相関性異常判断ステップＳ１１１において、算出された相関性に基づいて、ギアボックスに異常があるか否かを判断してもよい。一例として、計算された相関性が所定の閾値よりも大きい場合、ギアボックスに異常があると判断し、そうでない場合、ギアボックスが正常であると判断してもよい。相関性異常判断ステップＳ１１１の処理の一例（即ち図１、図３におけるマークＡとＢとの間の処理）について、図３を参照して後述する。
上記の相関性に基づいて異常を判断する処理は、ギアボックスの動作原理についての発明者の以下の発見によるものである。ギアボックスのベアリングとギアの物理学の原理により、正常のギアボックスの時計回りと反時計回りの回転中の周波数応答（即ち、対応する時系列振動信号に対して時間領域／周波数領域変換を行って取得された周波数領域信号）は類似し、且つ高い相関性（相関関係）を持つため、時計回り及び反時計回りの回転のうちの単一方向又は双方向に故障が発生した場合、時計回り及び反時計回りの回転中の異なる周波数応答が発生し、対応する周波数領域信号間の相関性が低下する（即ち相関性異常が発生する）。
上記の例示的な方法１００において実行される処理により、ギアボックスの時計回り及び／又は反時計回りの回転中に取得された時系列振動信号を用いて、予め訓練されたＣＮＮ異常検出モデルに基づいて、ギアボックスに異常があるか否かを予備的に判断してもよい。そして、ＣＮＮ異常検出モデルにより、異常があると予備的に判断された場合、ギアボックスの時計回り及び反時計回りの回転中に取得された時系列振動信号の対応する周波数領域信号間の相関性を用いて、ギアボックスに異常があるか否かをさらに確認してもよい。この２つの異常検出方法を組み合わせることで、ギアボックスの異常検出の正確性を向上させることができる。
次に、図３を参照して、図１の例示的な方法１００における相関性異常判断ステップＳ１１１の例示的な処理を説明する。
図３は図１に示す方法における相関性異常判断ステップにおいて実行される処理の一例を示すフローチャートである。図３に示すように、相関性異常判断ステップＳ１１１の例示的な処理は、以下のステップを含んでもよい。絶対的相関性異常検出ステップＳ１１１１において、周波数領域全体における第１周波数領域信号と第２周波数領域信号の相関性と第１所定閾値とをそれぞれ比較し、相関性が第１所定閾値よりも低い周波数範囲が存在するか否かを判断する。第１異常周波数範囲決定ステップＳ１１１２において、相関性が第１所定閾値よりも低い周波数範囲が存在する（ステップＳ１１１１における判断結果がＹＥＳである）場合、該周波数範囲においてギアボックスに異常があると決定する。
上記の図１を参照して説明したように、ギアボックスのベアリングとギアの物理学の原理により、正常のギアボックスの時計回りと反時計回りの回転中の周波数応答の間に高い相関性（相関関係）を持っている。このため、本実施例の方法は、時計回りと反時計回りの回転にそれぞれ対応する第１周波数領域信号と第２周波数領域信号の相関性が第１所定閾値よりも低い周波数範囲を、ギアボックスに異常がある周波数範囲（第１異常周波数範囲）として決定する。なお、第１所定閾値よりも低い相関性を有する周波数範囲が複数存在する場合、これらの周波数範囲を全て異常周波数範囲として決定する。本開示における第１異常周波数範囲を決定するための第１所定閾値は当業者により実験を通じて合理的に決定されてもよく、ここでその説明を省略する。
好ましくは、図３に示すように、相関性異常判断ステップＳ１１１の例示的な処理は、以下のステップをさらに含んでもよい。相対的相関性異常検出ステップＳ１１１３において、相関性が第１所定閾値よりも低い周波数範囲が存在しない（ステップＳ１１１１における判断結果がＮＯである）場合、周波数領域全体における第１周波数領域信号と第２周波数領域信号の相関性の中央値に対する最小値の比と第２所定閾値とを比較し、相関性の中央値に対する最小値の比が第２所定閾値よりも低いか否かを判断する。第２異常周波数範囲決定ステップＳ１１１４において、相関性の中央値に対する最小値の比が第２所定閾値よりも低い（ステップＳ１１１３における判断結果がＹＥＳである）場合、相関性の最小値の所在する周波数範囲においてギアボックスに異常があると決定する。
好ましくは、該例示的な処理は以下のステップをさらに含んでもよい。ギアボックス正常決定ステップＳ１１１５において、相関性の中央値に対する最小値の比が第２所定閾値以上である（ステップＳ１１１３における判断結果がＮＯである）場合、ギアボックスに異常がないと決定する。
上記の好ましい処理を利用することで、本例示的な処理は相関性の相対的な異常を発見することができる。第１周波数領域信号と第２周波数領域信号の相関性が周波数領域全体において第１所定閾値以上であり（即ち、相関性の絶対的異常がないが）、相関性曲線（例えば第１周波数領域信号と第２周波数領域信号との間の相互相関関数の曲線）が周波数領域全体において変動する場合がある。例えば、相関性の最小値と中央値の比が非常に低く（第２所定閾値よりも低く）、これは、他の周波数における相関性に比べて遥かに低い相関性を有する周波数点（又は周波数範囲）が存在することを意味する。このような場合、相関性の最小値の所在する周波数範囲を異常周波数範囲（第２異常周波数範囲）として決定してもよい。これによって、故障検出において異常なギアボックスを看過する可能性をさらに低減することができる。本開示における第２異常周波数範囲を決定するための第２所定閾値は当業者により実験を通じて合理的に決定されてもよく、ここでその説明を省略する。
ギアボックスの周波数応答の解析では、様々な周波数範囲の異常がギアボックスの様々な種類の故障類型を表す場合がある。例えば、実験分析により、一部の周波数範囲の異常がギアボックスのベアリングの異常に関連し、一部の周波数範囲の異常はギアボックスのギアの異常に関連していることが示されている。従って、この例示的な処理における異常周波数範囲の決定処理によれば、ギアボックスの故障箇所をさらに特定することができる。
好ましくは、図３に示すように、相関性異常判断ステップＳ１１１の例示的な処理は、以下のステップをさらに含んでもよい。信号振幅比較ステップＳ１１１６において、異常のある周波数範囲（例えばステップＳ１１１２又はＳ１１１４において決定された第１異常周波数範囲又は第２異常周波数範囲）について、第１周波数領域信号の振幅が第２周波数領域信号の振幅よりも大きいか否かを決定する。時計回り回転異常決定ステップＳ１１１７において、第１周波数領域信号の振幅が第２周波数領域信号の振幅よりも大きい（ステップＳ１１１６における判断結果がＹＥＳである）場合、時計回りの回転中にギアボックスに異常があると決定する。反時計回り回転異常決定ステップＳ１１１８において、第１周波数領域信号の振幅が第２周波数領域信号の振幅以下である（ステップＳ１１１６における判断結果がＮＯである）場合、反時計回りの回転中にギアボックスに異常があると決定する。
上述したように、正常のギアボックスの時計回りと反時計回りの回転中の周波数応答は高い相関性（相関関係）を持つため、故障が発生した場合、対応する周波数領域信号間の相関性が低下する。発明者のさらなる発見によると、ギアボックスに欠陥がある場合、このようなギアボックスの時計回り及び／又は反時計回りの回転中に生成された周波数領域信号に側波帯又は周波数変更の狭帯域が出現する可能性があり、即ち、元々存在しない局所の極値が現れる可能性がある。従って、この例示的な好ましい処理では、上記の現象により、異常があると判断された場合、振幅がより大きい周波数領域信号に関連する回転方向に異常があると判断してもよい。
なお、好ましくは、周波数領域信号が比較的に実用的な意味を持つように、第１周波数領域信号及び第２周波数領域信号の振幅に対して正規化処理を行ってもよい。例えば、第２周波数領域信号の中央値（又は最大値）が第２周波数領域信号の中央値（又は最大値）に等しくなるように、第１周波数領域信号の振幅をそのまま維持しながら、第２周波数領域信号の振幅を正規化してもよい。
上記の好ましい処理により、本例示的な処理は、ギアボックスの異常が時計回りの回転中に発生するか、それとも反時計回りの回転中に発生するかを決定することができるため、検査員はより正確な故障箇所を特定することができる。
なお、ステップＳ１１１１〜Ｓ１１１２又はステップＳ１１１１〜Ｓ１１１４を用いて複数の異常周波数範囲を決定した場合、異常周波数区間ごとに上記処理をそれぞれ行ってもよい。これに応じて、複数のギアボックスの時計回り異常又はギアボックスの反時計回り異常の判断結果を取得することができる。これらの結果は、互いに矛盾するものではなく、ギアボックスの時計回りの回転中及び反時計回りの回転中の両方に異常があることを意味する可能性がある。
なお、以上は図３を参照しながら相関性異常判断ステップＳ１１１の好ましい例示的な処理にステップＳ１１１１〜ステップＳ１１１８が含まれることを説明しているが、これに限定されず、ステップＳ１１１３〜Ｓ１１１８はオプションの（言い換えれば、省略可能な）ステップである。
例えば、相関性異常判断ステップＳ１１１の例示的な処理は、異常周波数範囲（第１異常周波数範囲）を決定するためのステップＳ１１１１〜ステップＳ１１１２のみを含み、ステップＳ１１１２の後又はステップＳ１１１１において判断結果（異常周波数範囲が存在しないこと）が取得された場合に処理を終了し、図１のマークＢに戻ってもよい。別の例として、相関性異常判断ステップＳ１１１の例示的な処理は、ステップＳ１１１１〜Ｓ１１１４のみを含み、ステップＳ１１１２及びステップＳ１１１２において第１異常周波数範囲及び第２異常周波数範囲を決定した後に処理を終了し、図１のマークＢに戻ってもよい。
次に、図４を参照しながら、図１の例示的な方法１００における相関性計算ステップＳ１０９の１つの例示的な処理を説明する。図４は、図１に示す方法における相関性計算ステップにおいて実行される処理の一例を説明する図である。図４において、上の図及び下の図は、例えば図１の例示的な方法１００時間領域／周波数領域変換ステップＳ１０７により取得された例示的な第１周波数領域信号Ｓ１（ギアボックスの時計回り回転中の振動に関連し、例えば図２に示すＡＸ１（ｆ）の形を有する）及び第２周波数領域信号Ｓ２（ギアボックスの反時計回り回転中の振動に関連し、例えば図２に示すＡＸ２（ｆ）の形を有する）をそれぞれ示し、各周波数領域信号の横座標は周波数（単位はＨｚである）を表し、縦座標は振幅を表す（正規化処理後の２つの周波数領域信号の振幅を表してもよいため、スケール又は単位を示していない）。
この例示的な処理では、相関性計算処理において、第１周波数領域信号（例えば第１周波数領域信号Ｓ１）の複数の特徴点と第２周波数領域信号（例えば第２周波数領域信号Ｓ２）の対応する特徴点との類似度を計算してもよい。
好ましくは、第１周波数領域信号の複数の特徴点は、第１周波数領域信号における振幅の大きさの順にランク付けされた上位の所定数の点であってもよい。図４の例では、第１周波数領域信号Ｓ１の複数の特徴点は、中実の円（黒い円）で示される４つの点を含んでもよく、この４つの点は、信号Ｓ１における振幅が最も大きい上位の４つの点である。説明の便宜上、図４では１番目の特徴点Ｐ１（ａ１，ｆ１）のみが示され、ここで、ａ１及びｆ１は該点の振幅及び周波数をそれぞれ表す。
好ましくは、第１周波数領域信号の各特徴点について、該特徴点近傍の周波数範囲において、第２周波数領域信号における振幅が最も大きい点を、第２周波数領域信号の対応する特徴点として決定してもよい。図４の第１周波数領域信号Ｓ１の特徴点Ｐ１の例では、第２周波数領域信号Ｓ２について、ｆ１近傍の周波数範囲（例えばｆ１を中心とし、且つ所定の長さを有する周波数ウィンドウ）内で局所極大値の点を、第２周波数領域信号Ｓ２の対応する特徴点として決定してもよい。
機械的なプロセスなどの原因により、ギアボックスが正常に動作している場合でも、時計回り及び反時計回りの回転中に取得された時系列振動信号を変換して得られた第１周波数領域信号と第２周波数領域信号の間の極値の点が厳密に対応していない可能性がある。このため、２つの周波数領域信号の対応する特徴点を決定する際に、上記の周波数範囲又は周波数ウィンドウを用いて第２周波数領域信号Ｓ２の対応する特徴点を決定することで（直接第２周波数領域信号Ｓ２のｆ１周波数での点を対応する特徴点として決定することではなく）、処理の正確性及び堅牢性を向上させることができる。
図４の例では、上記のように、第１周波数領域信号Ｓ１の特徴点Ｐ１（ａ１，ｆ１）について、第２周波数領域信号Ｓ２のｆ１近傍の周波数範囲内で局所極大値の点Ｐ２（ａ２，ｆ２）（ここで、ａ２及びｆ２は該点の振幅及び周波数をそれぞれ表す）を、第２周波数領域信号Ｓ２の対応する特徴点として決定する。同様に、図４の下の図における中実の円で示されるように、第１周波数領域信号Ｓ１の全ての４つの特徴点について、第２周波数領域信号Ｓ２の対応する周波数範囲内で４つの局所極大値の点を、第２周波数領域信号Ｓ２の対応する特徴点として決定してもよい。
好ましくは、相関性計算処理において、上記のように取得された第１周波数領域信号の複数の特徴点と第２周波数領域信号の対応する特徴点との類似度を計算して、例えば第１周波数領域信号と第２周波数領域信号との対応する周波数範囲における相関性としてもよい。
上述したように、発明者の発見によると、ギアボックスに欠陥がある場合、ギアボックスの時計回り及び／又は反時計回りの回転中に生成された周波数領域信号に側波帯又は周波数変更の狭帯域が出現する可能性があり、即ち、元々存在しない局所の極値が現れ、或いは局所の極値の具体的な値が変わる可能性がある。よって、第１周波数領域信号と第２周波数領域信号の極値の対応点に相関性の異常が生じる可能性がある。このため、本例示的な処理では、第１周波数領域信号及び第２周波数領域信号の極値の対応点間の相関性を用いて第１周波数領域信号と第２周波数領域信号との相関性を表してもよい。
相関性計算の一例として、第１周波数領域信号の所定特徴点と第２周波数領域信号の対応する特徴点との間のユークリッド距離の類似度を計算して、第１周波数領域信号と第２周波数領域信号との対応する周波数範囲における相関性を表してもよい。
或いは、第１周波数領域信号の所定特徴点の例えばＰ１で表される特徴ベクトル（Ｓ１の曲線図における座標軸の原点から特徴点Ｐ１へのベクトル）と第２周波数領域信号の対応する特徴点の例えばＰ２で表される特徴ベクトル（Ｓ２の曲線図における座標軸の原点から特徴点Ｐ２へのベクトル）との間のコサイン類似度を計算して、第１周波数領域信号と第２周波数領域信号との対応する周波数範囲における相関性を表してもよい。
なお、上記の特徴点の類似度の計算処理は単なる一例であり、これに限定されない。本開示をベースにして、任意の既知の類似度計算方法を用いて上記の類似度計算を具体的に実現してもよく、ここでその説明を省略する。
第１周波数領域信号Ｓ１の４つの特徴点の全てについて上記の類似度計算処理を繰り返して、この４つの特徴点と第２周波数領域信号Ｓ２の対応する特徴点との間の類似度を取得して、この４つの特徴点の所在する周波数範囲における第１周波数領域信号Ｓ１と第２周波数領域信号Ｓ２との間の相関性としてもよい。
上記のように取得された第１周波数領域信号と第２周波数領域信号との相関性は、例えば上記の図１及び図３における相関性異常検出処理に適用されてもよい。例えば、図４の例から分かるように、第１周波数領域信号Ｓ１における右端の特徴点と第２周波数領域信号Ｓ２における対応する特徴点との類似度（ユークリッド距離の類似性又はコサイン類似性）は、該第１周波数領域信号Ｓ１における右端の特徴点と第２周波数領域信号Ｓ２における他の特徴点との類似度よりも遥かに低い。このため、例えば図３における相関性異常検出処理において、該特徴点を異常点として決定し、即ち該特徴点の所在する周波数範囲を異常周波数範囲として決定してもよい。さらに、該異常周波数範囲において、第１周波数領域信号Ｓ１の振幅が第２周波数領域信号Ｓ２の振幅よりも小さいため、例えば図３における相関性異常検出処理において、第２周波数領域信号Ｓ２で表される反時計回りの回転中にギアボックスに異常があると決定してもよい。
好ましくは、相関性計算処理では、第２周波数領域信号の複数の特徴点と第１周波数領域信号の対応する特徴点との類似度をさらに計算してもよい。即ち、第２周波数領域信号において、振幅の大きさの順にランク付けされた上位の所定数の点（例えば振幅の大きさの順にランク付けされた上位の４つの点）をその特徴点とし、各特徴点について第１周波数領域信号において対応する特徴点を決定し、これらの特徴点間の類似度を対応する周波数範囲の相関性として計算し、例えば図１及び図３における相関性異常検出処理に適用してもよい。上記処理によれば、ギアボックスの異常検出の正確性をさらに向上させることができる。
以上は図１〜図４を参照しながら本開示の実施例のギアボックスの異常検出方法の例示的なプロセスを説明した。上述したように、本開示の実施例の異常検出方法によれば、２種類の異常検出方法を組み合わせてギアボックスの異常を自動的に検出することができ、ギアボックスの異常検出の正確性を向上させることができる。
本開示の他の態様では、ギアボックスの異常検出装置を提供する。図５は本開示の実施例に係る異常検出装置の構成の一例を示すブロック図である。
図５に示すように、ギアボックスの異常検出装置５００は、第１振動信号取得部５０１、第２振動信号取得部５０２、ＣＮＮ異常判断部５０３、時間領域／周波数領域変換部５０４、相関性計算部５０５、及び相関性異常判断部５０６を含んでもよい。第１振動信号取得部５０１は、ギアボックスの時計回りの回転中に、ギアボックスの第１検出点の所定期間内の複数の連続的な第１振動信号（第１時系列振動信号）を取得する。第２振動信号取得部５０２は、ギアボックスの反時計回りの回転中に、ギアボックスの第２検出点の所定期間内の複数の連続的な第２振動信号（第２時系列振動信号）を取得する。ＣＮＮ異常判断部５０３は、複数の連続的な第１振動信号及び／又は複数の連続的な第２振動信号を、予め訓練された畳み込みニューラルネットワークに基づく異常検出モデル（ＣＮＮ異常検出モデル）に入力し、ギアボックスに異常があるか否かを予備的に判断する。時間領域／周波数領域変換部５０４は、複数の連続的な第１振動信号及び複数の連続的な第２振動信号を時間領域／周波数領域変換により第１周波数領域信号及び第２周波数領域信号にそれぞれ変換する。相関性計算部５０５は、ギアボックスに異常があるとＣＮＮ異常判断部５０３により予備的に判断された場合、第１周波数領域信号と第２周波数領域信号との相関性を計算する。相関性異常判断部５０６は、算出された相関性に基づいて、ギアボックスに異常があるか否かを判断する。
上記の異常検出装置及びその各部は、例えば図１に示す本開示の実施例の異常検出方法及びその各ステップの動作及び／又は処理を行い、同様の効果を実現することができ、ここでその説明を省略する。
次に、図６を参照しながら図５における異常検出装置の相関性異常判断部５０６の構成の一例を説明する。図６は、図５における異常検出装置の相関性異常判断部の構成の一例を示すブロック図である。
図６に示すように、相関性異常判断部５０６は、絶対的相関性異常検出部５０４１、第１異常周波数範囲決定部５０４２、相対的相関性異常検出部５０４３、第２異常周波数範囲決定部５０４４、及びギアボックス正常決定部５０４５を含んでもよい。絶対的相関性異常検出部５０４１は、周波数領域全体における第１周波数領域信号と第２周波数領域信号の相関性と第１所定閾値とをそれぞれ比較し、相関性が第１所定閾値よりも低い周波数範囲が存在するか否かを判断する。第１異常周波数範囲決定部５０４２は、相関性が第１所定閾値よりも低い周波数範囲が存在する場合、該周波数範囲においてギアボックスに異常があると決定する。相対的相関性異常検出部５０４３は、相関性が第１所定閾値よりも低い周波数範囲が存在しない場合、周波数領域全体における第１周波数領域信号と第２周波数領域信号の相関性の中央値に対する最小値の比と第２所定閾値とを比較し、相関性の中央値に対する最小値の比が第２所定閾値よりも低いか否かを判断する。第２異常周波数範囲決定部５０４４は、相関性の中央値に対する最小値の比が第２所定閾値よりも低い場合、相関性の最小値の所在する周波数範囲においてギアボックスに異常があると決定する。ギアボックス正常決定部５０４５は、相関性の中央値に対する最小値の比が第２所定閾値以上である場合、ギアボックスに異常がないと決定する。
好ましくは、相関性異常判断部５０６は、信号振幅比較部５０４６、時計回り回転異常決定部５０４７、及び反時計回り回転異常決定部５０４８をさらに含んでもよい。信号振幅比較部５０４６は、異常のある周波数範囲（例えば第１異常周波数範囲決定部５０４２又は第２異常周波数範囲決定部５０４４により決定された異常周波数範囲）について、第１周波数領域信号の振幅が第２周波数領域信号の振幅よりも大きいか否かを決定する。時計回り回転異常決定部５０４７は、異常周波数範囲における第１周波数領域信号の振幅が第２周波数領域信号の振幅よりも大きい場合、時計回りの回転中にギアボックスに異常があると決定する。反時計回り回転異常決定部５０４８は、異常周波数範囲における第１周波数領域信号の振幅が第２周波数領域信号の振幅以下である場合、反時計回りの回転中にギアボックスに異常があると決定する。
上記の相関性異常判断部及びその各部は、例えば図３に示す相関性異常判断ステップ及びその各構成ステップの動作及び／又は処理を行い、同様の効果を実現することができ、ここでその説明を省略する。
以上は、図５及び図６を参照しながら、本開示のギアボックスの異常検出装置を説明した。
本開示の他の態様では、情報処理装置をさらに提供する。該情報処理装置は、本開示の実施例のギアボックスの異常検出方法を実現することができ、プロセッサを含む。該プロセッサは、ギアボックスの時計回りの回転中に、ギアボックスの第１検出点の所定期間内の複数の連続的な第１振動信号を取得し、ギアボックスの反時計回りの回転中に、ギアボックスの第２検出点の所定期間内の複数の連続的な第２振動信号を取得し、複数の連続的な第１振動信号及び／又は複数の連続的な第２振動信号を、予め訓練された畳み込みニューラルネットワークに基づく異常検出モデルに入力し、ギアボックスに異常があるか否かを予備的に判断するように構成される。プロセッサは、さらに、ギアボックスに異常があると予備的に判断された場合、複数の連続的な第１振動信号及び前記複数の連続的な第２振動信号を時間領域／周波数領域変換により第１周波数領域信号及び第２周波数領域信号にそれぞれ変換し、第１周波数領域信号と第２周波数領域信号との相関性を計算し、相関性に基づいて、ギアボックスに異常があるか否かを判断するように構成されてもよい。
情報処理装置のプロセッサは、例えば図１〜図４に示すギアボックスの異常検出方法及びその各ステップの動作及び／又は処理を行い、図５〜図６に示すギアボックスの異常検出装置及びその各構成部の機能を果たし、同様の効果を実現することができ、ここでその説明を省略する。
一例として、異常検出モデルは、正常又は異常と予めラベル付けされた訓練振動信号を用いて訓練により取得される。
好ましくは、プロセッサは、ギアボックスに異常があるか否かを決定する際に、周波数領域全体における相関性と第１所定閾値とをそれぞれ比較し、相関性が第１所定閾値よりも低い周波数範囲が存在するか否かを判断し、相関性が第１所定閾値よりも低い周波数範囲が存在する場合、相関性が第１所定閾値よりも低い周波数範囲においてギアボックスに異常があると決定するように構成されてもよい。
好ましくは、プロセッサは、さらに、ギアボックスに異常があるか否かを決定する際に、相関性が第１所定閾値よりも低い周波数範囲が存在しない場合、周波数領域全体における相関性の中央値に対する最小値の比と第２所定閾値とを比較し、相関性の中央値に対する最小値の比が第２所定閾値よりも低いか否かを判断し、相関性の中央値に対する最小値の比が第２所定閾値よりも低い場合、相関性の最小値の所在する周波数範囲においてギアボックスに異常があると決定するように構成されてもよい。
好ましくは、プロセッサは、さらに、ギアボックスに異常があるか否かを決定する際に、異常のある周波数範囲について、第１周波数領域信号の振幅が第２周波数領域信号の振幅よりも大きいか否かを決定し、第１周波数領域信号の振幅が第２周波数領域信号の振幅よりも大きい場合、時計回りの回転中にギアボックスに異常があると決定し、第１周波数領域信号の振幅が第２周波数領域信号の振幅以下である場合、反時計回りの回転中にギアボックスに異常があると決定するように構成されてもよい。
一例として、プロセッサは、相関性を計算する際に、第１周波数領域信号の複数の特徴点と第２周波数領域信号の対応する特徴点との類似度を計算するように構成されてもよい。
この例では、第１周波数領域信号の複数の特徴点は、第１周波数領域信号における振幅の大きさの順にランク付けされた上位の所定数の点（即ち、振幅が最も大きい所定数の点）である。
この例では、プロセッサは、第１周波数領域信号の各特徴点について、該特徴点近傍の周波数範囲において、第２周波数領域信号における振幅が最も大きい点を、第２周波数領域信号の対応する特徴点として決定するように構成されてもよい。
この例では、プロセッサは、相関性を計算する際に、第２周波数領域信号の複数の特徴点と第１周波数領域信号の対応する特徴点との類似度を計算するように構成されてもよい。
図７は本開示の実施例に係る異常検出方法、異常検出装置及び情報処理装置を実現するための可能なハードウェア構成７００を示すブロック図である。
図７において、中央処理部（ＣＰＵ）７０１は、読み出し専用メモリ（ＲＯＭ）７０２に記憶されているプログラム、又は記憶部７０８からランダムアクセスメモリ（ＲＡＭ）７０３にロードされたプログラムにより各種の処理を実行する。ＲＡＭ７０３には、必要に応じて、ＣＰＵ７０１が各種の処理を実行するに必要なデータが記憶されている。ＣＰＵ７０１、ＲＯＭ７０２、及びＲＡＭ７０３は、バス７０４を介して互いに接続されている。入力／出力インターフェース７０５もバス７０４に接続されている。
入力部７０６（キーボード、マウスなどを含む）、出力部７０７（ディスプレイ、例えばブラウン管（ＣＲＴ）、液晶ディスプレイ（ＬＣＤ）など、及びスピーカなどを含む）、記憶部７０８（例えばハードディスクなどを含む）、通信部７０９（例えばネットワークのインタフェースカード、例えばＬＡＮカード、モデムなどを含む）は、入力／出力インターフェース７０５に接続されている。通信部７０９は、ネットワーク、例えばインターネットを介して通信処理を実行する。必要に応じて、ドライバ７１０は、入力／出力インターフェース７０５に接続されてもよい。取り外し可能な媒体７１１は、例えば磁気ディスク、光ディスク、光磁気ディスク、半導体メモリなどであり、必要に応じてドライバ７１０にセットアップされて、その中から読みだされたコンピュータプログラムは必要に応じて記憶部７０８にインストールされている。
また、本開示は、機器が読み取り可能な命令コードが記憶されているプログラムプロダクトをさらに提供する。該命令コードは機器により読み取られ、実行される際に、上記の本開示の実施例に係る異常検出方法を実行することができる。それに応じて、本開示は、このようなプログラムプロダクトが記録されている磁気ディスク、光ディスク、光磁気ディスク、半導体メモリなどの各種の記憶媒体をさらに含む。
本開示は、機器が読み取り可能な命令コードが記憶されている記憶媒体をさらに提供する。該命令コードが機器により読み取られ、実行される際に、機器に異常検出方法を実行させることができる。該命令コードは、以下の処理を行うための命令コード部を含む。ギアボックスの時計回りの回転中に、ギアボックスの第１検出点の所定期間内の複数の連続的な第１振動信号を取得し、ギアボックスの反時計回りの回転中に、ギアボックスの第２検出点の所定期間内の複数の連続的な第２振動信号を取得し、複数の連続的な第１振動信号及び／又は複数の連続的な第２振動信号を、予め訓練された畳み込みニューラルネットワークに基づく異常検出モデルに入力し、ギアボックスに異常があるか否かを予備的に判断する。該命令コード部は、ギアボックスに異常があると予備的に判断された場合、複数の連続的な第１振動信号及び複数の連続的な第２振動信号を時間領域／周波数領域変換により第１周波数領域信号及び第２周波数領域信号にそれぞれ変換し、第１周波数領域信号と第２周波数領域信号との相関性を計算し、相関性に基づいて、ギアボックスに異常があるか否かを判断する処理をさらに行う。
該記憶媒体は、例えば磁気ディスク、光ディスク、光磁気ディスク、半導体メモリ等を含んでもよいが、これらに限定されない。
上記本開示の具体的な実施例の説明では、１つの実施形態における説明及び／又は特徴は同一又は類似の方式で他の１つ又は複数の実施形態において用いられてもよいし、他の実施形態における特徴と組み合わせてもよいし、他の実施形態における特徴を置き換えてもよい。
また、本開示の各実施例の方法は、明細書に説明された時間的順序で実行するものに限定されず、他の時間的順序で順次、並行、又は独立して実行されてもよい。このため、本明細書に説明された方法の実行順序は、本開示の技術的な範囲を限定するものではない。
なお、本開示の上記の方法の各動作プロセスは、各種の機器読み取り可能な記憶媒体に記憶されたコンピュータ実行可能なプログラムにより実現されてもよい。
また、本開示の目的は次の方式により実現されてもよい。上記の実行可能なプログラムコードが記憶された記憶媒体をシステム又は装置に直接又は間接に提供し、該システム又は装置におけるコンピュータ又は中央処理装置（ＣＰＵ）により該プログラムコードを読み出し、実行する。
この場合、該システム又は装置がプログラムを実行する機能を有する限り、本開示の実施形態はプログラムに限定されない。また、該プログラムは、任意の形式、例えばオブジェクトプログラム、インタープリタにより実行されるプログラム、又はオペレーティングシステムに提供されるスクリプトプログラムなどであってもよい。
上記の機器読み取り可能な記憶媒体は、各種の記憶装置及び記憶部、半導体装置、光ディスク、磁気ディスク及び光磁気ディスクなどのディスク、並びに情報を記憶可能な媒体などを含むが、これらに限定されない。
また、本開示の各実施例は、ユーザ情報処理端末がインターネット上の対応するウェブサイトに接続することで、本開示のコンピュータプログラムコードを情報処理端末にダウンロードしてインストールし、該プログラムを実行することを含んでもよい。
また、上述の各実施例を含む実施形態に関し、更に以下の付記を開示する。
（付記１）
情報処理装置であって、
ギアボックスの時計回りの回転中に、ギアボックスの第１検出点の所定期間内の複数の連続的な第１振動信号を取得し、
ギアボックスの反時計回りの回転中に、ギアボックスの第２検出点の所定期間内の複数の連続的な第２振動信号を取得し、
前記複数の連続的な第１振動信号及び／又は前記複数の連続的な第２振動信号を、予め訓練された畳み込みニューラルネットワークに基づく異常検出モデルに入力し、ギアボックスに異常があるか否かを予備的に判断するように構成されるプロセッサを含み、
プロセッサは、さらに、ギアボックスに異常があると予備的に判断された場合、
前記複数の連続的な第１振動信号及び前記複数の連続的な第２振動信号を時間領域／周波数領域変換により第１周波数領域信号及び第２周波数領域信号にそれぞれ変換し、
前記第１周波数領域信号と前記第２周波数領域信号との相関性を計算し、
前記相関性に基づいて、ギアボックスに異常があるか否かを判断するように構成される、情報処理装置。
（付記２）
異常検出モデルは、正常又は異常と予めラベル付けされた訓練振動信号を用いて訓練により取得される、付記１に記載の情報処理装置。
（付記３）
プロセッサは、ギアボックスに異常があるか否かを決定する際に、
周波数領域全体における前記相関性と第１所定閾値とをそれぞれ比較し、前記相関性が第１所定閾値よりも低い周波数範囲が存在するか否かを判断し、
前記相関性が第１所定閾値よりも低い周波数範囲が存在する場合、前記相関性が第１所定閾値よりも低い周波数範囲においてギアボックスに異常があると決定するように構成される、付記１に記載の情報処理装置。
（付記４）
プロセッサは、さらに、ギアボックスに異常があるか否かを決定する際に、
前記相関性が第１所定閾値よりも低い周波数範囲が存在しない場合、
周波数領域全体における前記相関性の中央値に対する最小値の比と第２所定閾値とを比較し、前記相関性の中央値に対する最小値の比が第２所定閾値よりも低いか否かを判断し、
前記相関性の中央値に対する最小値の比が第２所定閾値よりも低い場合、前記相関性の最小値の所在する周波数範囲においてギアボックスに異常があると決定するように構成される、付記３に記載の情報処理装置。
（付記５）
プロセッサは、さらに、ギアボックスに異常があるか否かを決定する際に、
異常のある周波数範囲について、前記第１周波数領域信号の振幅が前記第２周波数領域信号の振幅よりも大きいか否かを決定し、
前記第１周波数領域信号の振幅が前記第２周波数領域信号の振幅よりも大きい場合、時計回りの回転中にギアボックスに異常があると決定し、
前記第１周波数領域信号の振幅が前記第２周波数領域信号の振幅以下である場合、反時計回りの回転中にギアボックスに異常があると決定するように構成される、付記３又は４に記載の情報処理装置。
（付記６）
プロセッサは、前記相関性を計算する際に、前記第１周波数領域信号の複数の特徴点と前記第２周波数領域信号の対応する特徴点との類似度を計算するように構成される、付記１に記載の情報処理装置。
（付記７）
前記第１周波数領域信号の前記複数の特徴点は、前記第１周波数領域信号における振幅の大きさの順にランク付けされた上位の所定数の点である、付記６に記載の情報処理装置。
（付記８）
プロセッサは、前記第１周波数領域信号の各特徴点について、該特徴点近傍の周波数範囲において、前記第２周波数領域信号における振幅が最も大きい点を、前記第２周波数領域信号の対応する特徴点として決定するように構成される、付記７に記載の情報処理装置。
（付記９）
プロセッサは、前記相関性を計算する際に、前記第２周波数領域信号の複数の特徴点と前記第１周波数領域信号の対応する特徴点との類似度を計算するように構成される、付記６乃至８の何れかに記載の情報処理装置。
（付記１０）
ギアボックスの異常検出方法であって、
ギアボックスの時計回りの回転中に、ギアボックスの第１検出点の所定期間内の複数の連続的な第１振動信号を取得するステップと、
ギアボックスの反時計回りの回転中に、ギアボックスの第２検出点の所定期間内の複数の連続的な第２振動信号を取得するステップと、
前記複数の連続的な第１振動信号及び／又は前記複数の連続的な第２振動信号を、予め訓練された畳み込みニューラルネットワークに基づく異常検出モデルに入力し、ギアボックスに異常があるか否かを予備的に判断するステップと、を含み、
該異常検出方法は、ギアボックスに異常があると予備的に判断された場合、
前記複数の連続的な第１振動信号及び前記複数の連続的な第２振動信号を時間領域／周波数領域変換により第１周波数領域信号及び第２周波数領域信号にそれぞれ変換するステップと、
前記第１周波数領域信号と前記第２周波数領域信号との相関性を計算するステップと、
前記相関性に基づいて、ギアボックスに異常があるか否かを判断するステップ、をさらに含む、異常検出方法。
（付記１１）
異常検出モデルは、正常又は異常と予めラベル付けされた訓練振動信号を用いて訓練により取得される、付記１０に記載の異常検出方法。
（付記１２）
前記相関性に基づいてギアボックスに異常があるか否かを判断するステップは、
周波数領域全体における前記相関性と第１所定閾値とをそれぞれ比較し、前記相関性が第１所定閾値よりも低い周波数範囲が存在するか否かを判断するステップと、
前記相関性が第１所定閾値よりも低い周波数範囲が存在する場合、前記相関性が第１所定閾値よりも低い周波数範囲においてギアボックスに異常があると決定するステップと、を含む、付記１０に記載の異常検出方法。
（付記１３）
前記相関性に基づいてギアボックスに異常があるか否かを判断するステップは、
前記相関性が第１所定閾値よりも低い周波数範囲が存在しない場合、
周波数領域全体における前記相関性の中央値に対する最小値の比と第２所定閾値とを比較し、前記相関性の中央値に対する最小値の比が第２所定閾値よりも低いか否かを判断するステップと、
前記相関性の中央値に対する最小値の比が第２所定閾値よりも低い場合、前記相関性の最小値の所在する周波数範囲においてギアボックスに異常があると決定するステップと、をさらに含む、付記１２に記載の異常検出方法。
（付記１４）
前記相関性に基づいてギアボックスに異常があるか否かを判断するステップは、
異常のある周波数範囲について、前記第１周波数領域信号の振幅が前記第２周波数領域信号の振幅よりも大きいか否かを決定するステップと、
前記第１周波数領域信号の振幅が前記第２周波数領域信号の振幅よりも大きい場合、時計回りの回転中にギアボックスに異常があると決定するステップと、
前記第１周波数領域信号の振幅が前記第２周波数領域信号の振幅以下である場合、反時計回りの回転中にギアボックスに異常があると決定するステップと、をさらに含む、付記１２又は１３に記載の異常検出方法。
（付記１５）
前記相関性を計算するステップは、
前記第１周波数領域信号の複数の特徴点と前記第２周波数領域信号の対応する特徴点との類似度を計算するステップ、を含む、付記１０に記載の異常検出方法。
（付記１６）
前記第１周波数領域信号の前記複数の特徴点は、前記第１周波数領域信号における振幅の大きさの順にランク付けされた上位の所定数の点である、付記１５に記載の異常検出方法。
（付記１７）
前記第１周波数領域信号の各特徴点について、該特徴点近傍の周波数範囲において、前記第２周波数領域信号における振幅が最も大きい点を、前記第２周波数領域信号の対応する特徴点として決定する、付記１６に記載の異常検出方法。
（付記１８）
前記相関性を計算するステップは、
前記第２周波数領域信号の複数の特徴点と前記第１周波数領域信号の対応する特徴点との類似度を計算するステップ、をさらに含む、付記１０乃至１７の何れかに記載の異常検出方法。
（付記１９）
機器が読み取り可能な命令コードが記憶された記憶媒体であって、前記命令コードが機器により読み込まれ、実行される際に、ギアボックスの異常検出方法を機器に実行させ、
該異常検出方法は、
ギアボックスの時計回りの回転中に、ギアボックスの第１検出点の所定期間内の複数の連続的な第１振動信号を取得するステップと、
ギアボックスの反時計回りの回転中に、ギアボックスの第２検出点の所定期間内の複数の連続的な第２振動信号を取得するステップと、
前記複数の連続的な第１振動信号及び／又は前記複数の連続的な第２振動信号を、予め訓練された畳み込みニューラルネットワークに基づく異常検出モデルに入力し、ギアボックスに異常があるか否かを予備的に判断するステップと、を含み、
該異常検出方法は、ギアボックスに異常があると予備的に判断された場合、
前記複数の連続的な第１振動信号及び前記複数の連続的な第２振動信号を時間領域／周波数領域変換により第１周波数領域信号及び第２周波数領域信号にそれぞれ変換するステップと、
前記第１周波数領域信号と前記第２周波数領域信号との相関性を計算するステップと、
前記相関性に基づいて、ギアボックスに異常があるか否かを判断するステップ、をさらに含む、記憶媒体。
なお、本開示では、「第１」及び「第２」等の関係用語は、単なる１つの実体又は操作と他の実体又は操作とを区別するためのものであり、これらの実体又は操作間にこのような実際の関係又は順序が存在することを意味することではない。また、用語「含む」、「有する」又は他の任意の変形は、排他的に含むことに限定されず、一連の要素を含むプロセス、方法、物又は装置は、これらの要素を含むことだけではなく、明示的に列挙されていない他の要素、又はこのプロセス、方法、物若しくは装置の固有の要素を含む。また、さらなる制限がない限り、用語「１つの…を含む」より限定された要素は、該要素を含むプロセス、方法、物又は装置に他の同一の要素が存在することを排除しない。
以上は図面を参照しながら本開示の好ましい実施例を説明しているが、上記実施例及び例は例示的なものであり、制限的なものではない。当業者は、特許請求の範囲の主旨及び範囲内で本開示に対して各種の修正、改良、均等的なものに変更してもよい。これらの修正、改良又は均等的なものに変更することは本開示の保護範囲に含まれるものである。
本願は、２０１９年４月２９日に中国特許庁に出願した出願番号が２０１９１０３５５４５３．９号、発明名称が「ギアボックスの異常検出方法及び情報処理装置」の中国特許出願に基づく優先権を主張するものであり、その全内容を本願に参照により援用する。

Claims (10)

  1. 情報処理装置であって、
    ギアボックスの時計回りの回転中に、ギアボックスの第１検出点の所定期間内の複数の連続的な第１振動信号を取得し、
    ギアボックスの反時計回りの回転中に、ギアボックスの第２検出点の所定期間内の複数の連続的な第２振動信号を取得し、
    前記複数の連続的な第１振動信号及び／又は前記複数の連続的な第２振動信号を、予め訓練された畳み込みニューラルネットワークに基づく異常検出モデルに入力し、ギアボックスに異常があるか否かを予備的に判断するように構成されるプロセッサを含み、
    プロセッサは、さらに、ギアボックスに異常があると予備的に判断された場合、
    前記複数の連続的な第１振動信号及び前記複数の連続的な第２振動信号を時間領域／周波数領域変換により第１周波数領域信号及び第２周波数領域信号にそれぞれ変換し、
    前記第１周波数領域信号と前記第２周波数領域信号との相関性を計算し、
    前記相関性に基づいて、ギアボックスに異常があるか否かを判断するように構成される、情報処理装置。
  2. 異常検出モデルは、正常又は異常と予めラベル付けされた訓練振動信号を用いて訓練により取得される、請求項１に記載の情報処理装置。
  3. プロセッサは、ギアボックスに異常があるか否かを決定する際に、
    周波数領域全体における前記相関性と第１所定閾値とをそれぞれ比較し、前記相関性が第１所定閾値よりも低い周波数範囲が存在するか否かを判断し、
    前記相関性が第１所定閾値よりも低い周波数範囲が存在する場合、前記相関性が第１所定閾値よりも低い周波数範囲においてギアボックスに異常があると決定するように構成される、請求項１に記載の情報処理装置。
  4. プロセッサは、さらに、ギアボックスに異常があるか否かを決定する際に、
    前記相関性が第１所定閾値よりも低い周波数範囲が存在しない場合、
    周波数領域全体における前記相関性の中央値に対する最小値の比と第２所定閾値とを比較し、前記相関性の中央値に対する最小値の比が第２所定閾値よりも低いか否かを判断し、
    前記相関性の中央値に対する最小値の比が第２所定閾値よりも低い場合、前記相関性の最小値の所在する周波数範囲においてギアボックスに異常があると決定するように構成される、請求項３に記載の情報処理装置。
  5. プロセッサは、さらに、ギアボックスに異常があるか否かを決定する際に、
    異常のある周波数範囲について、前記第１周波数領域信号の振幅が前記第２周波数領域信号の振幅よりも大きいか否かを決定し、
    前記第１周波数領域信号の振幅が前記第２周波数領域信号の振幅よりも大きい場合、時計回りの回転中にギアボックスに異常があると決定し、
    前記第１周波数領域信号の振幅が前記第２周波数領域信号の振幅以下である場合、反時計回りの回転中にギアボックスに異常があると決定するように構成される、請求項３又は４に記載の情報処理装置。
  6. プロセッサは、前記相関性を計算する際に、前記第１周波数領域信号の複数の特徴点と前記第２周波数領域信号の対応する特徴点との類似度を計算するように構成される、請求項１に記載の情報処理装置。
  7. 前記第１周波数領域信号の前記複数の特徴点は、前記第１周波数領域信号における振幅の大きさの順にランク付けされた上位の所定数の点である、請求項６に記載の情報処理装置。
  8. プロセッサは、前記第１周波数領域信号の各特徴点について、該特徴点近傍の周波数範囲において、前記第２周波数領域信号における振幅が最も大きい点を、前記第２周波数領域信号の対応する特徴点として決定するように構成される、請求項７に記載の情報処理装置。
  9. プロセッサは、前記相関性を計算する際に、前記第２周波数領域信号の複数の特徴点と前記第１周波数領域信号の対応する特徴点との類似度を計算するように構成される、請求項６乃至８の何れかに記載の情報処理装置。
  10. ギアボックスの異常検出方法であって、
    ギアボックスの時計回りの回転中に、ギアボックスの第１検出点の所定期間内の複数の連続的な第１振動信号を取得するステップと、
    ギアボックスの反時計回りの回転中に、ギアボックスの第２検出点の所定期間内の複数の連続的な第２振動信号を取得するステップと、
    前記複数の連続的な第１振動信号及び／又は前記複数の連続的な第２振動信号を、予め訓練された畳み込みニューラルネットワークに基づく異常検出モデルに入力し、ギアボックスに異常があるか否かを予備的に判断するステップと、を含み、
    該異常検出方法は、ギアボックスに異常があると予備的に判断された場合、
    前記複数の連続的な第１振動信号及び前記複数の連続的な第２振動信号を時間領域／周波数領域変換により第１周波数領域信号及び第２周波数領域信号にそれぞれ変換するステップと、
    前記第１周波数領域信号と前記第２周波数領域信号との相関性を計算するステップと、
    前記相関性に基づいて、ギアボックスに異常があるか否かを判断するステップ、をさらに含む、ギアボックスの異常検出方法。
JP2020068318A 2019-04-29 2020-04-06 ギアボックスの異常検出方法及び情報処理装置 Ceased JP2020183939A (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201910355453.9A CN111855195B (zh) 2019-04-29 2019-04-29 用于齿轮箱的异常检测方法以及信息处理设备
CN201910355453.9 2019-04-29

Publications (1)

Publication Number Publication Date
JP2020183939A true JP2020183939A (ja) 2020-11-12

Family

ID=72966229

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2020068318A Ceased JP2020183939A (ja) 2019-04-29 2020-04-06 ギアボックスの異常検出方法及び情報処理装置

Country Status (2)

Country Link
JP (1) JP2020183939A (ja)
CN (1) CN111855195B (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113935351A (zh) * 2021-11-22 2022-01-14 山西警察学院 一种非接触式振动频率检测与正反转识别的系统

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2022076222A (ja) * 2020-11-09 2022-05-19 株式会社Fuji 異常予測装置、送出装置及び異常予測方法
CN113777351B (zh) * 2021-08-26 2022-09-20 同济大学 一种风电场风速传感器故障诊断方法、装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS5240157A (en) * 1975-09-25 1977-03-28 Hitachi Ltd Equipment for inspecting a bearing device
JPH07174616A (ja) * 1993-12-17 1995-07-14 Ono Sokki Co Ltd 検査装置
JPH0954016A (ja) * 1995-08-10 1997-02-25 Honda Motor Co Ltd ギアの噛合せ検査方法
JPH10332539A (ja) * 1997-05-28 1998-12-18 Nippon Steel Corp 歯車の劣化診断方法
JP2002090267A (ja) * 2000-09-21 2002-03-27 Mitsui Eng & Shipbuild Co Ltd 異常診断方法
WO2018198315A1 (ja) * 2017-04-28 2018-11-01 株式会社オプティム コンピュータシステム、設備異常音判定方法及びプログラム

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS57118124A (en) * 1981-01-14 1982-07-22 Yasaka Seiki Kk Method and device for automatic displacement detection
JPS58102847A (ja) * 1981-12-12 1983-06-18 Sakai Seisakusho:Kk 間歇回転伝導機構
DE3214710C2 (de) * 1982-04-21 1989-09-21 Zahnradfabrik Friedrichshafen Ag, 7990 Friedrichshafen Vorrichtung zur Erzeugung eines elektrischen Ausgangssignales in einem Fahrzeug
US20130261987A1 (en) * 2012-03-27 2013-10-03 John Wesley Grant Systems and methods of identifying types of faults
US20180318991A1 (en) * 2015-07-31 2018-11-08 Stanley Black & Decker Mea Fze A device and method for monitoring a tool
CN105352728A (zh) * 2015-11-30 2016-02-24 上汽通用五菱汽车股份有限公司 一种配对齿轮振动性能检测系统及方法
CN106323548A (zh) * 2016-08-08 2017-01-11 浙江大学 基于双振动传感器的转子不平衡振动响应识别方法
CN106932196A (zh) * 2017-03-10 2017-07-07 华北电力大学 一种风机齿轮箱故障诊断模型建立方法及装置
CN108204895A (zh) * 2017-11-29 2018-06-26 中国电力科学研究院有限公司 一种风电机组变速齿轮箱故障诊断方法及系统
CN108196986B (zh) * 2017-12-29 2021-03-30 东软集团股份有限公司 设备异常检测方法、装置、计算机设备和存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS5240157A (en) * 1975-09-25 1977-03-28 Hitachi Ltd Equipment for inspecting a bearing device
JPH07174616A (ja) * 1993-12-17 1995-07-14 Ono Sokki Co Ltd 検査装置
JPH0954016A (ja) * 1995-08-10 1997-02-25 Honda Motor Co Ltd ギアの噛合せ検査方法
JPH10332539A (ja) * 1997-05-28 1998-12-18 Nippon Steel Corp 歯車の劣化診断方法
JP2002090267A (ja) * 2000-09-21 2002-03-27 Mitsui Eng & Shipbuild Co Ltd 異常診断方法
WO2018198315A1 (ja) * 2017-04-28 2018-11-01 株式会社オプティム コンピュータシステム、設備異常音判定方法及びプログラム

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113935351A (zh) * 2021-11-22 2022-01-14 山西警察学院 一种非接触式振动频率检测与正反转识别的系统
CN113935351B (zh) * 2021-11-22 2023-12-19 山西警察学院 一种非接触式振动频率检测与正反转识别的系统

Also Published As

Publication number Publication date
CN111855195B (zh) 2022-08-30
CN111855195A (zh) 2020-10-30

Similar Documents

Publication Publication Date Title
JP2020183939A (ja) ギアボックスの異常検出方法及び情報処理装置
KR101748559B1 (ko) 회전체 진단 장치 및 방법
CN109520738B (zh) 基于阶次谱和包络谱的旋转机械滚动轴承故障诊断方法
US11782430B2 (en) Abnormality diagnosis method, abnormality diagnosis device and non-transitory computer readable storage medium
Cong et al. Research of singular value decomposition based on slip matrix for rolling bearing fault diagnosis
Klausen et al. Multi-band identification for enhancing bearing fault detection in variable speed conditions
JP2003528292A (ja) 振動解析によるベアリングの状態ベースのモニタリング
CN108983744A (zh) 异常诊断设备和异常诊断方法
US11334414B2 (en) Abnormality detecting apparatus, rotating machine, abnormality detection method, and non- transitory computer readable medium
CN113533962B (zh) 基于多物理信号传感器决策融合的感应电机健康诊断系统
JP5780870B2 (ja) 回転機器の健全性診断装置、方法およびプログラム
CN113092114A (zh) 一种轴承故障诊断方法、装置及存储介质
JP2013213817A (ja) 故障のタイプを識別するシステムおよび方法
JP2006317194A (ja) マルチセンサ信号異常検知装置および方法
CN109556895A (zh) 旋转机械的故障分析方法及装置
JP5535954B2 (ja) 健全性評価装置及びその方法並びにプログラム
KR101946631B1 (ko) 압축센싱 기반 구조물 상태진단 시스템 및 그 방법
KR102198190B1 (ko) 운전조건을 고려한 회전체 고장 진단 데이터 정규화 처리 방법 및 이를 이용한 회전체 고장 진단 방법
CN114486252B (zh) 一种矢量模极大值包络的滚动轴承故障诊断方法
KR101752298B1 (ko) 회전익 진동 기반 건전성 감시 장치 및 이를 이용하는 감시 방법
US20220228569A1 (en) A method for computer-implemented monitoring of a component of a wind turbine
US10316690B2 (en) Method for validation of an investigated sensor and corresponding machine
Ali et al. Predictive maintenance of rotational machinery using deep learning
JP7272143B2 (ja) 検査機管理システム及び検査機管理方法
EP4321851A1 (en) Method for providing a physically explainable fault information of a bearing by a fault detection model

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20230112

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20230927

A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20231024

A045 Written measure of dismissal of application [lapsed due to lack of payment]

Free format text: JAPANESE INTERMEDIATE CODE: A045

Effective date: 20240227