JP2931187B2 - ポンプ劣化診断システム - Google Patents
ポンプ劣化診断システムInfo
- Publication number
- JP2931187B2 JP2931187B2 JP27675393A JP27675393A JP2931187B2 JP 2931187 B2 JP2931187 B2 JP 2931187B2 JP 27675393 A JP27675393 A JP 27675393A JP 27675393 A JP27675393 A JP 27675393A JP 2931187 B2 JP2931187 B2 JP 2931187B2
- Authority
- JP
- Japan
- Prior art keywords
- spectrum
- pattern
- vibration
- spectral
- storage
- 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.)
- Expired - Lifetime
Links
Landscapes
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Description
【０００１】
【産業上の利用分野】本発明は、各種生産設備を構成す
る要素機械としての回転機器、特にポンプにおける軸封
部、ライナリング部などの摺動振動部の劣化・損傷の進
行状態を判断する劣化診断システムに関する。
る要素機械としての回転機器、特にポンプにおける軸封
部、ライナリング部などの摺動振動部の劣化・損傷の進
行状態を判断する劣化診断システムに関する。
【０００２】
【従来の技術】各種生産設備を構成する１要素機械とし
て回転機がある。回転機のなかでも多数を占めるポンプ
には、上下水道関係の送水、配水、排水等に多用されて
いる。また、産業界においても、化学プラント等の主原
料液の配送や、高温設備に対する冷却水の循環等に用い
られている。ポンプには、横軸渦巻、立軸渦巻および立
軸斜流の３機種などがある。ポンプなどの回転機器にお
いては、劣化・損傷の進行状態を定量的に把握し、適切
な補修内容、時期を決定することが重要である。ポンプ
類の補修作業は、「定期保全」（稼働年数、稼働時間な
どをベースに補修時期、部品交換等の補修内容を決定）
と、保全点検マンのパトロール点検で、異音、異臭や異
常振動、異常漏水等を発見した場合の「緊急保全」が中
心であった。このような保全では、まだ使用可能な状態
にあるにもかかわらず、補修時期が到来したためにオー
バーホールや部品交換をすることがあり、過剰保全とな
ることがある。また逆に、異常の進行が起こっているの
に発見が遅れ、突発事故が発生することがある。
て回転機がある。回転機のなかでも多数を占めるポンプ
には、上下水道関係の送水、配水、排水等に多用されて
いる。また、産業界においても、化学プラント等の主原
料液の配送や、高温設備に対する冷却水の循環等に用い
られている。ポンプには、横軸渦巻、立軸渦巻および立
軸斜流の３機種などがある。ポンプなどの回転機器にお
いては、劣化・損傷の進行状態を定量的に把握し、適切
な補修内容、時期を決定することが重要である。ポンプ
類の補修作業は、「定期保全」（稼働年数、稼働時間な
どをベースに補修時期、部品交換等の補修内容を決定）
と、保全点検マンのパトロール点検で、異音、異臭や異
常振動、異常漏水等を発見した場合の「緊急保全」が中
心であった。このような保全では、まだ使用可能な状態
にあるにもかかわらず、補修時期が到来したためにオー
バーホールや部品交換をすることがあり、過剰保全とな
ることがある。また逆に、異常の進行が起こっているの
に発見が遅れ、突発事故が発生することがある。
【０００３】これらの課題に対応する劣化診断法として
は、ポンプなどの回転機器が発生する振動を測定し、こ
れを分析して正常状態と異常状態を判別する基準値また
は基準パターンを設定する方法や、診断対象の回転機器
の稼働後の発生振動を連続して監視し、判定基準値（ま
たは基準パターン）を越えているか否かで異常の有無を
診断する方法があった。具体的には、たとえば特開昭５
６−７０４２６号公報や特開昭６２−９３６２０号公報
に開示された異常診断装置では、各種異常観測現象によ
る発生振動数があらかじめ検討されており、正常時にあ
らかじめ振動検出器で検出した振動信号の周波数分析を
行い、軸回転数、振れ廻り振動周波数（ｆ0）またはそ
の高次成分（ｎｆ0）など、特定の発生周波数およびそ
の高調波などでの正常時のスペクトル成分を記憶してお
く。そして、操業時にリアルタイムで振動検出器により
得られた振動信号の特定周波数でのスペクトル成分を検
出し、上述の正常時のスペクトル成分と適当なしきい値
を用いて比較し、回転機器の異常の有無を診断する。ま
た、この診断方法やこれに類似の診断方法では、発生振
動数と周波数スペクトル分析値の分解能との関係で分析
精度が低下することがある。そこで、精度低下を補正し
診断精度を向上させる方法が特開昭５６−１３５１２９
号公報に開示されている。また、特開平５−７２０２６
号公報に開示された方法では、設備の正常状態振動情報
と異常状態振動情報を学習用データとして神経回路網モ
デルに学習させることで、異常の有無を診断する。
は、ポンプなどの回転機器が発生する振動を測定し、こ
れを分析して正常状態と異常状態を判別する基準値また
は基準パターンを設定する方法や、診断対象の回転機器
の稼働後の発生振動を連続して監視し、判定基準値（ま
たは基準パターン）を越えているか否かで異常の有無を
診断する方法があった。具体的には、たとえば特開昭５
６−７０４２６号公報や特開昭６２−９３６２０号公報
に開示された異常診断装置では、各種異常観測現象によ
る発生振動数があらかじめ検討されており、正常時にあ
らかじめ振動検出器で検出した振動信号の周波数分析を
行い、軸回転数、振れ廻り振動周波数（ｆ0）またはそ
の高次成分（ｎｆ0）など、特定の発生周波数およびそ
の高調波などでの正常時のスペクトル成分を記憶してお
く。そして、操業時にリアルタイムで振動検出器により
得られた振動信号の特定周波数でのスペクトル成分を検
出し、上述の正常時のスペクトル成分と適当なしきい値
を用いて比較し、回転機器の異常の有無を診断する。ま
た、この診断方法やこれに類似の診断方法では、発生振
動数と周波数スペクトル分析値の分解能との関係で分析
精度が低下することがある。そこで、精度低下を補正し
診断精度を向上させる方法が特開昭５６−１３５１２９
号公報に開示されている。また、特開平５−７２０２６
号公報に開示された方法では、設備の正常状態振動情報
と異常状態振動情報を学習用データとして神経回路網モ
デルに学習させることで、異常の有無を診断する。
【０００４】
【発明が解決しようとする課題】上述の特開昭５６−７
０４２６号公報や特開平１−１９９１２７号公報に開示
された方法や、これに類似した従来の診断技術では、振
動周波数分析により得られた軸回転数に依存する特定周
波数スペクトル成分のパワーレベルを比較する。これら
の従来の異常診断方法が適用されていた転がり軸受損傷
や歯車損傷、また、機構部については、アンバランス、
軸曲り等による劣化の進行により、異常時には、鮮明な
軸回転数に依存する特定周波数成分が発生し、また、こ
の特定周波数は時間とともに変化しない。上述の異常診
断方法は、このような特定周波数成分が明確に算出され
判明するような劣化観測現象しか診断できないという制
約があった。また、ポンプ構成部品である軸封部（シー
ル）、ライニング部、インペラーリング、中間軸受部等
の回転機器の摺動振動源の摩耗劣化などについても、大
きな損傷が進行した状態では、振動レベルの増加により
従来の方法を用いて劣化の診断ができる。しかし、従来
は、摺動振動源については、摩耗劣化の初期異常を診断
する適切な方法がなかった。摺動振動源の劣化では、上
述の機構部の異常や転がり軸受損傷などの場合と対照的
に、振動スペクトルは特定周波数成分に集約せず、なだ
らかな山形分布をしていて、また、振動スペクトル成分
の分布が劣化、損傷の進行につれ変化していく。このよ
うに劣化の進行に伴いスペクトルパターンが変化する場
合、劣化の診断は従来の方法では不可能である。これ
は、特定周波数でのスペクトル成分を比較して診断する
ためである。
０４２６号公報や特開平１−１９９１２７号公報に開示
された方法や、これに類似した従来の診断技術では、振
動周波数分析により得られた軸回転数に依存する特定周
波数スペクトル成分のパワーレベルを比較する。これら
の従来の異常診断方法が適用されていた転がり軸受損傷
や歯車損傷、また、機構部については、アンバランス、
軸曲り等による劣化の進行により、異常時には、鮮明な
軸回転数に依存する特定周波数成分が発生し、また、こ
の特定周波数は時間とともに変化しない。上述の異常診
断方法は、このような特定周波数成分が明確に算出され
判明するような劣化観測現象しか診断できないという制
約があった。また、ポンプ構成部品である軸封部（シー
ル）、ライニング部、インペラーリング、中間軸受部等
の回転機器の摺動振動源の摩耗劣化などについても、大
きな損傷が進行した状態では、振動レベルの増加により
従来の方法を用いて劣化の診断ができる。しかし、従来
は、摺動振動源については、摩耗劣化の初期異常を診断
する適切な方法がなかった。摺動振動源の劣化では、上
述の機構部の異常や転がり軸受損傷などの場合と対照的
に、振動スペクトルは特定周波数成分に集約せず、なだ
らかな山形分布をしていて、また、振動スペクトル成分
の分布が劣化、損傷の進行につれ変化していく。このよ
うに劣化の進行に伴いスペクトルパターンが変化する場
合、劣化の診断は従来の方法では不可能である。これ
は、特定周波数でのスペクトル成分を比較して診断する
ためである。
【０００５】従来行われていた劣化診断方法としては、
シール、ライナリング等の摩耗劣化の進行に応じて摺動
振動レベルの増減を検出する方法ぐらいしかなかった。
しかし、この方法では、摺動振動源以外のポンプの他の
機構部品の異常や摺動振動源以外が発生する振動成分等
も混合して検出するため、シール、ライナリング等の摺
動部だけの振動の検出は不可能である。したがって、こ
の従来法で無理やり診断しても、診断精度の信頼度が低
かった。さらに、精密診断法といわれる診断周波数分析
による特定振動周波数成分の上昇を判定する方法を使う
にも、ポンプのシール、ライナリング等の摺動振動源に
対しては、振動周波数スペクトルが鮮明な特定周波数成
分に集約しないので、この方法は使用できなかった。ま
た、特開平５−７２０２６号公報に開示された方法や、
これに類似した方法では、神経回路網モデルに学習させ
ることで異常の有無を診断するためには、必ず正常状態
振動情報はもとより異常状態振動情報などを確保しなけ
ればならない。神経回路網モデルが充分信頼の高い判定
を出力するためには、数多くの有効な学習パターンが必
要であった。
シール、ライナリング等の摩耗劣化の進行に応じて摺動
振動レベルの増減を検出する方法ぐらいしかなかった。
しかし、この方法では、摺動振動源以外のポンプの他の
機構部品の異常や摺動振動源以外が発生する振動成分等
も混合して検出するため、シール、ライナリング等の摺
動部だけの振動の検出は不可能である。したがって、こ
の従来法で無理やり診断しても、診断精度の信頼度が低
かった。さらに、精密診断法といわれる診断周波数分析
による特定振動周波数成分の上昇を判定する方法を使う
にも、ポンプのシール、ライナリング等の摺動振動源に
対しては、振動周波数スペクトルが鮮明な特定周波数成
分に集約しないので、この方法は使用できなかった。ま
た、特開平５−７２０２６号公報に開示された方法や、
これに類似した方法では、神経回路網モデルに学習させ
ることで異常の有無を診断するためには、必ず正常状態
振動情報はもとより異常状態振動情報などを確保しなけ
ればならない。神経回路網モデルが充分信頼の高い判定
を出力するためには、数多くの有効な学習パターンが必
要であった。
【０００６】本発明の目的は、ポンプの軸封部、ライナ
リング部、インペラーリング部、中間軸受部等の摺動振
動源のための劣化診断システムを提供することである。
リング部、インペラーリング部、中間軸受部等の摺動振
動源のための劣化診断システムを提供することである。
【０００７】
【課題を解決するための手段】本発明に係るポンプ劣化
診断システムにおいて、振動センサが摺動信号源の振動
を検出できる位置に取り付けられ、摺動振動源の振動が
電気信号として検出され、デジタル信号として出力され
る。周波数スペクトル分析演算器は、振動信号検出装置
より入力されるデジタル信号をサンプリングして振動ス
ペクトルパターンを算出する。周波数スペクトル分析演
算器より入力された正常時と異常時のスペクトルパター
ンはそれぞれ第１記憶器と第２記憶器に記憶される。パ
ターン比較装置は、周波数スペクトル分析演算器から入
力された観測スペクトルパターン、第１記憶器に記憶さ
れた正常時スペクトルパターンおよび第２記憶器に記憶
された異常時スペクトルパターンについて、スペクトル
パワーレベル、スペクトル中心周波数移動度およびスペ
クトル尖頭度の３指標の関数としてあらかじめ定められ
た判別関数を求め、観測時、正常時および異常時の判別
関数値から診断対象の劣化進行を診断する。たとえば、
上記のパターン判別装置における判別関数は、スペクト
ルパワーレベル、スペクトル中心周波数移動度およびス
ペクトル尖頭度の１次関数である。好ましくは、上記の
ポンプ劣化診断システムは、さらに、ポンプの回転数を
検出する回転数検出器と、回転数検出器からポンプの回
転数を入力し、上記の周波数スペクトル分析演算器から
振動スペクトルパターンを入力し、診断対象の軸回転数
に依存して発生する振動スペクトルを除去したスペクト
ルパターン（以下ではスペクトル特徴パターンという）
を算出し、上記の第１記憶器、第２記憶器およびパター
ン比較器に出力するスペクトル特徴パターン演算器とを
具備する。上記の第１記憶器と第２記憶器は、スペクト
ル特徴パターンを記憶し、上記のパターン比較装置は、
スペクトル特徴パターンについて判別関数値を求める。
好ましくは、上記のポンプ劣化診断システムにおいて、
上記のパターン比較装置は、スペクトル特徴パターン演
算器から入力される観測スペクトル特徴パターン、第１
記憶器に記憶された正常時スペクトル特徴パターンおよ
び第２記憶器に記憶された異常時スペクトル特徴パター
ンの判別関数値を演算する類似度演算器と、正常時スペ
クトル特徴パターンとの類似度の判定規準を記憶する第
３記憶器と、異常時スペクトル特徴パターンとの類似度
の判定規準を記憶する第４記憶器と、類似度演算器から
入力される判別関数値と第３記憶器および第４記憶器か
ら入力される２つの判定規準とを比較し診断対象の劣化
進行状態を判定する判定器とからなる。上記の類似度演
算器は、スペクトル特徴パターンからスペクトルパワー
レベル、スペクトル中心周波数移動度およびスペクトル
尖頭度を算出して、判別関数値を算出する。また、好ま
しくは、上記の第４記憶器は、上記の第３記憶器に記憶
する類似度の判定規準より低い類似度の判定基準を記憶
し、上記の判定器は、スペクトル特徴パターン類似度演
算器から入力される判別関数値と第３記憶器および第４
記憶器から入力される判定規準とを比較し、診断対象の
劣化進行状態を判定する。
診断システムにおいて、振動センサが摺動信号源の振動
を検出できる位置に取り付けられ、摺動振動源の振動が
電気信号として検出され、デジタル信号として出力され
る。周波数スペクトル分析演算器は、振動信号検出装置
より入力されるデジタル信号をサンプリングして振動ス
ペクトルパターンを算出する。周波数スペクトル分析演
算器より入力された正常時と異常時のスペクトルパター
ンはそれぞれ第１記憶器と第２記憶器に記憶される。パ
ターン比較装置は、周波数スペクトル分析演算器から入
力された観測スペクトルパターン、第１記憶器に記憶さ
れた正常時スペクトルパターンおよび第２記憶器に記憶
された異常時スペクトルパターンについて、スペクトル
パワーレベル、スペクトル中心周波数移動度およびスペ
クトル尖頭度の３指標の関数としてあらかじめ定められ
た判別関数を求め、観測時、正常時および異常時の判別
関数値から診断対象の劣化進行を診断する。たとえば、
上記のパターン判別装置における判別関数は、スペクト
ルパワーレベル、スペクトル中心周波数移動度およびス
ペクトル尖頭度の１次関数である。好ましくは、上記の
ポンプ劣化診断システムは、さらに、ポンプの回転数を
検出する回転数検出器と、回転数検出器からポンプの回
転数を入力し、上記の周波数スペクトル分析演算器から
振動スペクトルパターンを入力し、診断対象の軸回転数
に依存して発生する振動スペクトルを除去したスペクト
ルパターン（以下ではスペクトル特徴パターンという）
を算出し、上記の第１記憶器、第２記憶器およびパター
ン比較器に出力するスペクトル特徴パターン演算器とを
具備する。上記の第１記憶器と第２記憶器は、スペクト
ル特徴パターンを記憶し、上記のパターン比較装置は、
スペクトル特徴パターンについて判別関数値を求める。
好ましくは、上記のポンプ劣化診断システムにおいて、
上記のパターン比較装置は、スペクトル特徴パターン演
算器から入力される観測スペクトル特徴パターン、第１
記憶器に記憶された正常時スペクトル特徴パターンおよ
び第２記憶器に記憶された異常時スペクトル特徴パター
ンの判別関数値を演算する類似度演算器と、正常時スペ
クトル特徴パターンとの類似度の判定規準を記憶する第
３記憶器と、異常時スペクトル特徴パターンとの類似度
の判定規準を記憶する第４記憶器と、類似度演算器から
入力される判別関数値と第３記憶器および第４記憶器か
ら入力される２つの判定規準とを比較し診断対象の劣化
進行状態を判定する判定器とからなる。上記の類似度演
算器は、スペクトル特徴パターンからスペクトルパワー
レベル、スペクトル中心周波数移動度およびスペクトル
尖頭度を算出して、判別関数値を算出する。また、好ま
しくは、上記の第４記憶器は、上記の第３記憶器に記憶
する類似度の判定規準より低い類似度の判定基準を記憶
し、上記の判定器は、スペクトル特徴パターン類似度演
算器から入力される判別関数値と第３記憶器および第４
記憶器から入力される判定規準とを比較し、診断対象の
劣化進行状態を判定する。
【０００８】
【作用】本発明に係る劣化診断システムの診断対象は、
ポンプの中でも、軸封部（シール）、ライナリング部、
インペラーリング部、中間軸受スリーブ部などの摺動振
動源であり、摺動振動源では、初期の摩耗劣化や軸受け
スリーブ、ブッシュなどでは、振動レベルの上昇はあま
り起こらず、振動スペクトルパターンの特徴に変化が起
こる。摺動振動では、振動スペクトルパワーレベルが増
大するだけでなく、振動スペクトルは、特定成分に集約
せず、１つまたは複数の幅広い山形分布をしていて、ま
た、振動スペクトル成分のパワーレベル、中心周波数
（重心、慣性２次モーメントより算出する）、スペクト
ルの尖頭度が、劣化、損傷の進行につれて変化してい
く。特に中心周波数が移動する場合、従来の診断方法は
適用できない。そこで、本発明に係る劣化診断システム
では、これらの指標を診断情報として用い、正常時から
異常時へのスペクトルパターンの移行により摺動振動源
の劣化を判定し、診断対象が正常状態にあるか、摩耗劣
化可能性が小さい状態にあるか、摩耗劣化可能性が大き
い状態にあるかを診断する。あるいは、中心周波数の移
動に伴ってスペクトルパターンが変化するので、正常時
および異常時のスペクトルパターンとの類似度を判別関
数値により求め、劣化進行を診断できる。
ポンプの中でも、軸封部（シール）、ライナリング部、
インペラーリング部、中間軸受スリーブ部などの摺動振
動源であり、摺動振動源では、初期の摩耗劣化や軸受け
スリーブ、ブッシュなどでは、振動レベルの上昇はあま
り起こらず、振動スペクトルパターンの特徴に変化が起
こる。摺動振動では、振動スペクトルパワーレベルが増
大するだけでなく、振動スペクトルは、特定成分に集約
せず、１つまたは複数の幅広い山形分布をしていて、ま
た、振動スペクトル成分のパワーレベル、中心周波数
（重心、慣性２次モーメントより算出する）、スペクト
ルの尖頭度が、劣化、損傷の進行につれて変化してい
く。特に中心周波数が移動する場合、従来の診断方法は
適用できない。そこで、本発明に係る劣化診断システム
では、これらの指標を診断情報として用い、正常時から
異常時へのスペクトルパターンの移行により摺動振動源
の劣化を判定し、診断対象が正常状態にあるか、摩耗劣
化可能性が小さい状態にあるか、摩耗劣化可能性が大き
い状態にあるかを診断する。あるいは、中心周波数の移
動に伴ってスペクトルパターンが変化するので、正常時
および異常時のスペクトルパターンとの類似度を判別関
数値により求め、劣化進行を診断できる。
【０００９】具体的には、診断の前に、正常時と異常時
のスペクトルパターン（または軸回転数に依存した成分
を除去したスペクトル特徴パターン）をそれぞれ観測
し、第１記憶器と第２記憶器に記憶させておく。そし
て、回転機器の運転時に、観測スペクトルパターンをこ
れらの正常時と異常時のスペクトルパターンと比較す
る。これにより、劣化の進行とともにスペクトルパター
ンに生じる差異を定量的に認識できる。ここで、観測ス
ペクトルパターンの判別関数値が異常時の判別関数値に
より近いと判定したときに異常発生と判定する。この判
定においては、観測スペクトルパターンと正常時と異常
時のそれぞれのスペクトルパターンとの判別関数値を演
算し、あらかじめそれぞれ設定された正常時と異常時の
類似度判定基準と比較して、どちらにより近いかを判断
し、たとえばツリー法で判定することにより正常状態か
ら異常状態への観測スペクトルパターンの移行により摺
動振動発生部位の劣化の進行を判定する。類似の程度
は、観測スペクトルパターンについて求められた各種指
標の関数である判別関数を基に算出される。
のスペクトルパターン（または軸回転数に依存した成分
を除去したスペクトル特徴パターン）をそれぞれ観測
し、第１記憶器と第２記憶器に記憶させておく。そし
て、回転機器の運転時に、観測スペクトルパターンをこ
れらの正常時と異常時のスペクトルパターンと比較す
る。これにより、劣化の進行とともにスペクトルパター
ンに生じる差異を定量的に認識できる。ここで、観測ス
ペクトルパターンの判別関数値が異常時の判別関数値に
より近いと判定したときに異常発生と判定する。この判
定においては、観測スペクトルパターンと正常時と異常
時のそれぞれのスペクトルパターンとの判別関数値を演
算し、あらかじめそれぞれ設定された正常時と異常時の
類似度判定基準と比較して、どちらにより近いかを判断
し、たとえばツリー法で判定することにより正常状態か
ら異常状態への観測スペクトルパターンの移行により摺
動振動発生部位の劣化の進行を判定する。類似の程度
は、観測スペクトルパターンについて求められた各種指
標の関数である判別関数を基に算出される。
【００１０】
【実施例】はじめに、摺動振動部の振動スペクトルパタ
ーンの例として、軸封部、ライナリング部の振動スペク
トルパターンの例を説明する。図１は、正常状態の軸封
部、ライナリング部の摺動振動スペクトル（加速度Ｇ）
の１例を示し、図２は、劣化が進行した状態の軸封部、
ライナリング部の摺動振動スペクトルの１例を示す。こ
の例では、ｆ2を振動ピークとする幅広い振動スペクト
ルの山が存在する。この振動スペクトルでは、図１に示
した正常時のスペクトルと比較すると、振動ピークの周
波数の位置が、正常時のｆ1から低周波側にずれるとと
もに、ピーク値も増加している。運転時のスペクトルパ
ターンを、これらの正常時と異常時のスペクトルパター
ンと比較することにより、劣化の有無を判定できる。
ーンの例として、軸封部、ライナリング部の振動スペク
トルパターンの例を説明する。図１は、正常状態の軸封
部、ライナリング部の摺動振動スペクトル（加速度Ｇ）
の１例を示し、図２は、劣化が進行した状態の軸封部、
ライナリング部の摺動振動スペクトルの１例を示す。こ
の例では、ｆ2を振動ピークとする幅広い振動スペクト
ルの山が存在する。この振動スペクトルでは、図１に示
した正常時のスペクトルと比較すると、振動ピークの周
波数の位置が、正常時のｆ1から低周波側にずれるとと
もに、ピーク値も増加している。運転時のスペクトルパ
ターンを、これらの正常時と異常時のスペクトルパター
ンと比較することにより、劣化の有無を判定できる。
【００１１】また、本発明の診断法は、インペラー部の
損傷の判別にも使用できる。ここで、振動センサは、診
断対象であるインペラー部の振動が検出可能な軸受に取
り付けられる。図３は、劣化がほとんど発生していない
正常状態のインペラー部、インペラーリング部およびラ
イナリング部のスペクトル（速度ｃｍ／ｓ）の１例を示
す。このスペクトルパターンは、図１と図２に示した例
と対照的に、複数の振動ピークを示す。ｆ0、ｆHなどに
比較的鮮明な振動ピークが観測される。ここに、ｆ
0は、インペラーの回転周波数であり、ｆHは、ｆ0と羽
根枚数（この例では５枚）の積である。また、図４は、
図３の場合に比べて損傷が進んだ状態のインペラー部と
ライナリング部の振動のスペクトルパターンを示す。こ
のスペクトルパターンは、図３の場合に比べて、ｆ0と
ｆHのレベルはほぼ同じとみなせる。しかし、ピークの
位置がずれるとともに、スペクトル成分は多くなり、振
動スペクトルの山の幅が広くなっている。このような場
合、単にピークレベルだけの比較からでは、劣化進行の
診断ができない。そこで、運転時のスペクトルパターン
を、これらの状態のスペクトルパターンと比較すること
により、劣化の進行を判定できる。
損傷の判別にも使用できる。ここで、振動センサは、診
断対象であるインペラー部の振動が検出可能な軸受に取
り付けられる。図３は、劣化がほとんど発生していない
正常状態のインペラー部、インペラーリング部およびラ
イナリング部のスペクトル（速度ｃｍ／ｓ）の１例を示
す。このスペクトルパターンは、図１と図２に示した例
と対照的に、複数の振動ピークを示す。ｆ0、ｆHなどに
比較的鮮明な振動ピークが観測される。ここに、ｆ
0は、インペラーの回転周波数であり、ｆHは、ｆ0と羽
根枚数（この例では５枚）の積である。また、図４は、
図３の場合に比べて損傷が進んだ状態のインペラー部と
ライナリング部の振動のスペクトルパターンを示す。こ
のスペクトルパターンは、図３の場合に比べて、ｆ0と
ｆHのレベルはほぼ同じとみなせる。しかし、ピークの
位置がずれるとともに、スペクトル成分は多くなり、振
動スペクトルの山の幅が広くなっている。このような場
合、単にピークレベルだけの比較からでは、劣化進行の
診断ができない。そこで、運転時のスペクトルパターン
を、これらの状態のスペクトルパターンと比較すること
により、劣化の進行を判定できる。
【００１２】以下、添付の図面を参照して本発明による
実施例について説明する。まず、第１実施例について説
明する。第１実施例では、スペクトル特徴パターンの指
標を求めて類似度を求め、劣化の進行を判定する。スペ
クトル特徴パターンの指標として、具体的には、スペク
トルパワーレベル、スペクトル中心周波数移動度、スペ
クトル尖頭度などが挙げられる。そこで、スペクトルパ
ワーレベル、スペクトル中心周波数移動度およびスペク
トル尖頭度を用いて、軸封部、ライナリング部等の摩耗
劣化について正常状態から異常状態への劣化進行を診断
する。図式的にこれらの指標について説明すると、図５
では、正常時のスペクトルパワーレベルはＳ1である
が、異常時には大きなレベルＳ2に増加している。すな
わち、パワーレベルの変化ΔＳ＝Ｓ2−Ｓ1＞０。また、
図６では、スペクトル中心周波数は、正常時のｆ1から
異常時のｆ2に変化している。さらに、図７では、スペ
クトル尖頭度は、異常時の方が正常時より大きくなって
いる。スペクトルパワーレベルＳ、スペクトル中心周波
数Ｆc、スペクトル尖頭度Ｃは次の式で定義される。こ
こで、測定データの数は、２Ｎ個であり、−ＮからＮ−
１まで配列される。
実施例について説明する。まず、第１実施例について説
明する。第１実施例では、スペクトル特徴パターンの指
標を求めて類似度を求め、劣化の進行を判定する。スペ
クトル特徴パターンの指標として、具体的には、スペク
トルパワーレベル、スペクトル中心周波数移動度、スペ
クトル尖頭度などが挙げられる。そこで、スペクトルパ
ワーレベル、スペクトル中心周波数移動度およびスペク
トル尖頭度を用いて、軸封部、ライナリング部等の摩耗
劣化について正常状態から異常状態への劣化進行を診断
する。図式的にこれらの指標について説明すると、図５
では、正常時のスペクトルパワーレベルはＳ1である
が、異常時には大きなレベルＳ2に増加している。すな
わち、パワーレベルの変化ΔＳ＝Ｓ2−Ｓ1＞０。また、
図６では、スペクトル中心周波数は、正常時のｆ1から
異常時のｆ2に変化している。さらに、図７では、スペ
クトル尖頭度は、異常時の方が正常時より大きくなって
いる。スペクトルパワーレベルＳ、スペクトル中心周波
数Ｆc、スペクトル尖頭度Ｃは次の式で定義される。こ
こで、測定データの数は、２Ｎ個であり、−ＮからＮ−
１まで配列される。
【００１３】
【数１】 ここに、Ｘiはスペクトルの幅を表わす。
【数２】 ここに、ｆiは、スペクトルの周波数を表わし、Ｆ0は、
ｉ＝０の周波数ｆ0を表わす。
ｉ＝０の周波数ｆ0を表わす。
【数３】 ここに、
【外１】 は振幅Ｘiの平均値を表し、Ｐ(Ｘi)はスペクトル周波数
ｆ i （ｉ＝−ＮからＮ−１までの２Ｎ個）に対するスペ
クトルの振幅Ｘiの確率密度を表し、Ｓσはスペクトル
の振幅Ｘiのスペクトル偏差を表す。スペクトル偏差Ｓ
σ はスペクトル周波数ｆ0に対するスペクトル振幅Ｘ0か
らの偏差値を示す。
ｆ i （ｉ＝−ＮからＮ−１までの２Ｎ個）に対するスペ
クトルの振幅Ｘiの確率密度を表し、Ｓσはスペクトル
の振幅Ｘiのスペクトル偏差を表す。スペクトル偏差Ｓ
σ はスペクトル周波数ｆ0に対するスペクトル振幅Ｘ0か
らの偏差値を示す。
【数４】
【００１４】判別関数Ｄは、スペクトルパワーレベル
Ｓ、スペクトル中心周波数Ｆ c 及びスペクトル尖頭度Ｃ
により構成され、次の式で表される。
Ｓ、スペクトル中心周波数Ｆ c 及びスペクトル尖頭度Ｃ
により構成され、次の式で表される。
【数５】 Ｄ ＝ αＳ ＋ βＦc ＋ γＣ ここに、Ｓはスペクトルパワーレベル指数（０〜５の整
数をとる）を表し、Ｆcはスペクトル中心周波数移動度
指数（０〜５の整数をとる）を表し、Ｃはスペクトル尖
頭度指数（０〜５の整数をとる）を表し、α、β、γ
は、それぞれ、重み付け係数（０．１〜１．０の値をと
る）を表す。通常、重み付け係数は、α＝１．０、β＝
０．５、γ＝０．２のように、α＞β＞γの範囲で設定
する。表１は、判定の１例を示す。ここでは、Ｄ＜３．
４で正常であると判定し、３．４≦Ｄ＜６．８で劣化可
能性が小さいと判定し、６．８≦Ｄで劣化可能性が大き
いと判定する。
数をとる）を表し、Ｆcはスペクトル中心周波数移動度
指数（０〜５の整数をとる）を表し、Ｃはスペクトル尖
頭度指数（０〜５の整数をとる）を表し、α、β、γ
は、それぞれ、重み付け係数（０．１〜１．０の値をと
る）を表す。通常、重み付け係数は、α＝１．０、β＝
０．５、γ＝０．２のように、α＞β＞γの範囲で設定
する。表１は、判定の１例を示す。ここでは、Ｄ＜３．
４で正常であると判定し、３．４≦Ｄ＜６．８で劣化可
能性が小さいと判定し、６．８≦Ｄで劣化可能性が大き
いと判定する。
【表１】
【００１５】図８は、第１実施例のポンプ劣化診断シス
テムのブロック図を示す。振動センサ２は、診断対象で
あるポンプの軸受部に装着され、軸封部（シール）およ
びライナリング部からの信号（加速度、ＡＥ（アコース
ティックエミッション）など）を検出できる。この検出
信号は、振動変換器４に入力され、増幅、積分、レベル
変換などの処理により適当な出力信号に変換される。振
動センサ２と振動変換器４とが、振動検出装置６を形成
する。振動検出装置の出力信号は、次に、高周波域遮断
フィルタ８および低周波域遮断フィルタ１０とからなる
帯域フィルタにより、ポンプの正常時および異常時の摺
動振動周波数と無関係な高周波域と低周波域の振動成分
を遮断されたのち、Ａ／Ｄ変換器１２においてデジタル
出力信号に変換される。このデジタル出力信号は、デジ
タル演算式の周波数スペクトル分析演算器１４に入力さ
れる。この周波数スペクトル分析演算器１４は、Ａ／Ｄ
変換器１２からのデジタル信号をサンプリングして、高
速フーリエ変換（ＦＦＴ）処理により振動スペクトルパ
ターンを算出する。
テムのブロック図を示す。振動センサ２は、診断対象で
あるポンプの軸受部に装着され、軸封部（シール）およ
びライナリング部からの信号（加速度、ＡＥ（アコース
ティックエミッション）など）を検出できる。この検出
信号は、振動変換器４に入力され、増幅、積分、レベル
変換などの処理により適当な出力信号に変換される。振
動センサ２と振動変換器４とが、振動検出装置６を形成
する。振動検出装置の出力信号は、次に、高周波域遮断
フィルタ８および低周波域遮断フィルタ１０とからなる
帯域フィルタにより、ポンプの正常時および異常時の摺
動振動周波数と無関係な高周波域と低周波域の振動成分
を遮断されたのち、Ａ／Ｄ変換器１２においてデジタル
出力信号に変換される。このデジタル出力信号は、デジ
タル演算式の周波数スペクトル分析演算器１４に入力さ
れる。この周波数スペクトル分析演算器１４は、Ａ／Ｄ
変換器１２からのデジタル信号をサンプリングして、高
速フーリエ変換（ＦＦＴ）処理により振動スペクトルパ
ターンを算出する。
【００１６】ポンプの軸回転数に依存する振動スペクト
ル成分などを前もって信号から除去すると、軸回転数に
依存しない当該摺動振動スペクトル（スペクトル特徴パ
ターンのみ）のＳ／Ｎ比の向上を図ることができる。軸
回転数に依存する振動成分には、アンバランス、ミスア
ラインメントなどにより発生する機構部振れ廻り振動ｎ
ｆ0、転がり軸受けの損傷により発生する振動Ａｆ0（こ
こにＡは、転がり軸受けの仕様から決まる定数であ
る）、歯車機構の噛み合い振動（振動数Ｚｆ0）（ここ
にＺは、歯数である）などがある。そこで、ポンプに回
転数検出器１６を取り付けてポンプの回転数を検出す
る。スペクトル特徴パターン演算器１８は、検出された
回転数を入力し、上述の軸回転数に依存する成分の振動
周波数スペクトルを全体のスペクトルから除去する。こ
の演算により、摺動振動成分によるスペクトル（すなわ
ちスペクトル特徴パターン）のみが残る。
ル成分などを前もって信号から除去すると、軸回転数に
依存しない当該摺動振動スペクトル（スペクトル特徴パ
ターンのみ）のＳ／Ｎ比の向上を図ることができる。軸
回転数に依存する振動成分には、アンバランス、ミスア
ラインメントなどにより発生する機構部振れ廻り振動ｎ
ｆ0、転がり軸受けの損傷により発生する振動Ａｆ0（こ
こにＡは、転がり軸受けの仕様から決まる定数であ
る）、歯車機構の噛み合い振動（振動数Ｚｆ0）（ここ
にＺは、歯数である）などがある。そこで、ポンプに回
転数検出器１６を取り付けてポンプの回転数を検出す
る。スペクトル特徴パターン演算器１８は、検出された
回転数を入力し、上述の軸回転数に依存する成分の振動
周波数スペクトルを全体のスペクトルから除去する。こ
の演算により、摺動振動成分によるスペクトル（すなわ
ちスペクトル特徴パターン）のみが残る。
【００１７】このスペクトル特徴パターン（たとえば５
１２本の周波数でのスペクトル値）は、スイッチ２０を
介して、正常時には、正常時スペクトル特徴パターン記
憶器２２に記憶でき、異常時には、異常時スペクトル特
徴パターン記憶器２４に記憶できる。こうして、２個の
記憶器２２、２４に正常時と異常時のスペクトル特徴パ
ターンがあらかじめ記憶される。なお、記憶器２４に
は、劣化診断に有効な程度の劣化状態にある診断対象に
ついて測定したスペクトル特徴パターンを記憶する。
１２本の周波数でのスペクトル値）は、スイッチ２０を
介して、正常時には、正常時スペクトル特徴パターン記
憶器２２に記憶でき、異常時には、異常時スペクトル特
徴パターン記憶器２４に記憶できる。こうして、２個の
記憶器２２、２４に正常時と異常時のスペクトル特徴パ
ターンがあらかじめ記憶される。なお、記憶器２４に
は、劣化診断に有効な程度の劣化状態にある診断対象に
ついて測定したスペクトル特徴パターンを記憶する。
【００１８】次に、ポンプ運転時（診断時）に、スペク
トル特徴パターン演算部１８から出力される診断対象の
観測対象の観測振動スペクトル特徴パターンについて、
観測振動スペクトル特徴パターンを正常時と異常時のス
ペクトル特徴パターンと比較して、ポンプの状態を判定
する。
トル特徴パターン演算部１８から出力される診断対象の
観測対象の観測振動スペクトル特徴パターンについて、
観測振動スペクトル特徴パターンを正常時と異常時のス
ペクトル特徴パターンと比較して、ポンプの状態を判定
する。
【００１９】具体的には、スペクトル特徴パターン類似
度演算器２８は、診断対象の観測スペクトル特徴パター
ンをスイッチ２０を介してスペクトル特徴パターン演算
器１８から入力し、上述のスペクトルパワーレベルＳ、
スペクトル中心周波数Ｆc、スペクトル尖頭度Ｃを求
め、判別関数Ｄをリアルタイムで計算する。同様に、ス
ペクトル特徴パターン類似度演算器２８は、スイッチ２
６により選択される正常時スペクトル特徴パターン記憶
器２８または異常時スペクトル特徴パターン記憶器２４
から入力される正常時または異常時のスペクトル特徴パ
ターンについても、先に説明した判別関数Ｄを計算す
る。判定部３０は、これらの判別関数値について、正常
時スペクトル特徴パターン類似度判定基準記憶器３２に
記憶された正常時の類似度判定基準および異常時スペク
トルパターン類似度判定基準記憶器３４に記憶された異
常時の類似度判定基準を基に、観測スペクトル特徴パタ
ーンが正常状態にあるか異常状態にあるかを判定する。
そして、その診断結果を表示部（ＣＲＴ、プリンタな
ど）３６に送り、診断結果の表示や印字をさせる。ユー
ザは、この表示結果を見て診断対象における異常の有無
や劣化の進行度を判断できる。なお、制御装置３８は、
Ａ／Ｄ変換器１２、周波数スペクトル演算分析器１４、
スペクトル特徴パターン演算器１８、スイッチ２０、正
常時スペクトル特徴パターン記憶器２２、異常時スペク
トルパターン記憶器２４、スイッチ２６、スペクトル特
徴パターン類似度演算器２８、および、判定部３０に制
御信号を送り、これらのユニットを総合的に制御して、
上述の動作を行わせる。
度演算器２８は、診断対象の観測スペクトル特徴パター
ンをスイッチ２０を介してスペクトル特徴パターン演算
器１８から入力し、上述のスペクトルパワーレベルＳ、
スペクトル中心周波数Ｆc、スペクトル尖頭度Ｃを求
め、判別関数Ｄをリアルタイムで計算する。同様に、ス
ペクトル特徴パターン類似度演算器２８は、スイッチ２
６により選択される正常時スペクトル特徴パターン記憶
器２８または異常時スペクトル特徴パターン記憶器２４
から入力される正常時または異常時のスペクトル特徴パ
ターンについても、先に説明した判別関数Ｄを計算す
る。判定部３０は、これらの判別関数値について、正常
時スペクトル特徴パターン類似度判定基準記憶器３２に
記憶された正常時の類似度判定基準および異常時スペク
トルパターン類似度判定基準記憶器３４に記憶された異
常時の類似度判定基準を基に、観測スペクトル特徴パタ
ーンが正常状態にあるか異常状態にあるかを判定する。
そして、その診断結果を表示部（ＣＲＴ、プリンタな
ど）３６に送り、診断結果の表示や印字をさせる。ユー
ザは、この表示結果を見て診断対象における異常の有無
や劣化の進行度を判断できる。なお、制御装置３８は、
Ａ／Ｄ変換器１２、周波数スペクトル演算分析器１４、
スペクトル特徴パターン演算器１８、スイッチ２０、正
常時スペクトル特徴パターン記憶器２２、異常時スペク
トルパターン記憶器２４、スイッチ２６、スペクトル特
徴パターン類似度演算器２８、および、判定部３０に制
御信号を送り、これらのユニットを総合的に制御して、
上述の動作を行わせる。
【００２０】図９は、スペクトル特徴パターン類似度演
算器２８と判定部３０におけるスペクトル特徴パターン
の類似度判定のフローを示す。類似度判定において、ス
ペクトルパワーレベルＳ、スペクトル中心周波数Ｆc、
スペクトル尖頭度Ｃの各々について、正常時と異常時の
スペクトル特徴パターンとの類似をツリー法により判定
する。類似度判定が開始されると、スペクトル特徴パタ
ーン類似度演算器２８は、まず、診断対象の観測スペク
トル特徴パターンについてスペクトル特徴パターンの類
似度（判別関数Ｄ）を演算する（ステップＳ２）。次
に、判定部３０は、この類似度を、記憶器３２に記憶さ
れた正常時スペクトル特徴パターン類似度判断基準と比
較する（ステップＳ４）。類似度が正常時の判定基準よ
り大きいと判断すると（ステップＳ４でＹＥＳ）、正常
と判定する（ステップＳ６）。また、正常時スペクトル
特徴パターン類似度判定基準と比較して類似度が正常時
の判定基準より小さいと判断すると（ステップＳ４でＮ
Ｏ）、スペクトル特徴パターン類似度演算器２８は、観
測スペクトル特徴パターンと、異常時スペクトル特徴パ
ターン記憶器２４に記憶されたスペクトルパターンとか
ら異常時のスペクトルパターンとの類似度を演算する
（ステップＳ８）。次に、判定部３０は、この類似度
を、記憶器３４に記憶された異常時のスペクトルパター
ン類似度判定基準と比較する（ステップＳ１０）。類似
度が異常時の判定基準より小さいと判断すると（ステッ
プＳ１０でＹＥＳ）、劣化の可能性が小さいと判定する
（ステップＳ１２）。また、ステップＳ１０で、類似度
が異常時の判定基準より大きいと判断すると（ステップ
Ｓ１４でＮＯ）、劣化の可能性が大きいと判定して（ス
テップＳ１６）、このフローを終了する。以上のフロー
により、劣化の進行を、正常状態から異常状態への観測
スペクトルパターンの移行により判定できる。
算器２８と判定部３０におけるスペクトル特徴パターン
の類似度判定のフローを示す。類似度判定において、ス
ペクトルパワーレベルＳ、スペクトル中心周波数Ｆc、
スペクトル尖頭度Ｃの各々について、正常時と異常時の
スペクトル特徴パターンとの類似をツリー法により判定
する。類似度判定が開始されると、スペクトル特徴パタ
ーン類似度演算器２８は、まず、診断対象の観測スペク
トル特徴パターンについてスペクトル特徴パターンの類
似度（判別関数Ｄ）を演算する（ステップＳ２）。次
に、判定部３０は、この類似度を、記憶器３２に記憶さ
れた正常時スペクトル特徴パターン類似度判断基準と比
較する（ステップＳ４）。類似度が正常時の判定基準よ
り大きいと判断すると（ステップＳ４でＹＥＳ）、正常
と判定する（ステップＳ６）。また、正常時スペクトル
特徴パターン類似度判定基準と比較して類似度が正常時
の判定基準より小さいと判断すると（ステップＳ４でＮ
Ｏ）、スペクトル特徴パターン類似度演算器２８は、観
測スペクトル特徴パターンと、異常時スペクトル特徴パ
ターン記憶器２４に記憶されたスペクトルパターンとか
ら異常時のスペクトルパターンとの類似度を演算する
（ステップＳ８）。次に、判定部３０は、この類似度
を、記憶器３４に記憶された異常時のスペクトルパター
ン類似度判定基準と比較する（ステップＳ１０）。類似
度が異常時の判定基準より小さいと判断すると（ステッ
プＳ１０でＹＥＳ）、劣化の可能性が小さいと判定する
（ステップＳ１２）。また、ステップＳ１０で、類似度
が異常時の判定基準より大きいと判断すると（ステップ
Ｓ１４でＮＯ）、劣化の可能性が大きいと判定して（ス
テップＳ１６）、このフローを終了する。以上のフロー
により、劣化の進行を、正常状態から異常状態への観測
スペクトルパターンの移行により判定できる。
【００２１】ここで、スペクトル特徴パターン類似度演
算器２８の判別関数Ｄの重み係数や、２個の記憶器３
２、３４に記憶される正常時と異常時のスペクトル特徴
パターン類似度判断基準は、診断事例の蓄積により変更
できる。これにより、診断精度を向上できる。また、重
み係数や判断基準を可変とすることにより、診断対象
（軸封部、ライナリング部）の固有の特性に合わせて判
定基準を調整でき、より実態に合わせた判定が可能にな
る。
算器２８の判別関数Ｄの重み係数や、２個の記憶器３
２、３４に記憶される正常時と異常時のスペクトル特徴
パターン類似度判断基準は、診断事例の蓄積により変更
できる。これにより、診断精度を向上できる。また、重
み係数や判断基準を可変とすることにより、診断対象
（軸封部、ライナリング部）の固有の特性に合わせて判
定基準を調整でき、より実態に合わせた判定が可能にな
る。
【００２２】また、図８に示した劣化診断システムにお
いて、異常時スペクトル特徴パターン類似度判定基準記
憶器３４において、正常時スペクトル特徴パターン類似
度判定基準記憶器３２に記憶されている判定基準より低
く設定した類似度判定基準を記憶してもよい。この場
合、異常時スペクトル特徴パターン類似度判定規準記憶
器３４を第２正常時スペクトル特徴パターン判定規準記
憶器として機能させることになる。たとえば、診断対象
のポンプに関し、異常時の振動スペクトルが得られず、
したがって異常時スペクトル特徴パターンが算出されな
い場合に、この方法を採ることができる。このとき、判
定部３０は、観測スペクトル特徴パターンの類似度を２
個の類似度判定基準記憶器３２、３４に記憶された判定
基準と比較することにより、診断対象が、正常状態にあ
るか、摩耗劣化可能性が小さい状態にあるか、摩耗劣化
可能性が大きい状態にあるかが判定できる。
いて、異常時スペクトル特徴パターン類似度判定基準記
憶器３４において、正常時スペクトル特徴パターン類似
度判定基準記憶器３２に記憶されている判定基準より低
く設定した類似度判定基準を記憶してもよい。この場
合、異常時スペクトル特徴パターン類似度判定規準記憶
器３４を第２正常時スペクトル特徴パターン判定規準記
憶器として機能させることになる。たとえば、診断対象
のポンプに関し、異常時の振動スペクトルが得られず、
したがって異常時スペクトル特徴パターンが算出されな
い場合に、この方法を採ることができる。このとき、判
定部３０は、観測スペクトル特徴パターンの類似度を２
個の類似度判定基準記憶器３２、３４に記憶された判定
基準と比較することにより、診断対象が、正常状態にあ
るか、摩耗劣化可能性が小さい状態にあるか、摩耗劣化
可能性が大きい状態にあるかが判定できる。
【００２３】次に、パターンマッチングを用いた第２実
施例について説明する。この実施例は、振動スペクトル
パターンにおいて、劣化の進行とともに中心周波数が移
動する場合に適用される。図１０は、第２実施例のポン
プ劣化診断システムのブロック図を示す。この診断シス
テムは、軸封部、ライナリング等の摩耗劣化を正常状態
から異常状態への観測スペクトルパターンの移行により
判定する。振動センサ２は、診断対象であるポンプの軸
受部に装着され、軸封部およびライナリングからの信号
（加速度、ＡＥなど）を検出できる。この検出信号は、
振動変換器４に入力され、増幅、積分、レベル変換など
の処理により適当な出力信号に変換される。振動センサ
２と振動変換器４とが、振動検出装置６を形成する。振
動検出装置の出力信号は、次に、高周波域遮断フィルタ
８および低周波域遮断フィルタ１０とからなる帯域フィ
ルタにより、ポンプの正常時および異常時の摺動振動周
波数と無関係な高周波域と低周波域の振動成分を遮断さ
れたのち、Ａ／Ｄ変換器１２においてデジタル出力信号
に変換される。このデジタル出力信号は、デジタル演算
式の周波数スペクトル分析演算器１４に入力される。こ
の周波数スペクトル分析演算器１４は、Ａ／Ｄ変換器１
２からのデジタル信号をサンプリングして、高速フーリ
エ変換（ＦＦＴ）処理により振動スペクトルパターンを
算出する。この振動スペクトルパターン（たとえば５１
２本の周波数でのスペクトル値）は、スイッチ５６を介
して、正常時には、正常時スペクトルパターン記憶器５
８に記憶でき、異常時には、異常時スペクトルパターン
記憶器６０に記憶できる。こうして、２個の記憶器５
８、６０に正常時と異常時のスペクトルパターンがあら
かじめ記憶される。なお、記録器６０には、劣化診断に
有効な程度の劣化状態にある診断対象について測定した
振動スペクトルパターンを記憶する。
施例について説明する。この実施例は、振動スペクトル
パターンにおいて、劣化の進行とともに中心周波数が移
動する場合に適用される。図１０は、第２実施例のポン
プ劣化診断システムのブロック図を示す。この診断シス
テムは、軸封部、ライナリング等の摩耗劣化を正常状態
から異常状態への観測スペクトルパターンの移行により
判定する。振動センサ２は、診断対象であるポンプの軸
受部に装着され、軸封部およびライナリングからの信号
（加速度、ＡＥなど）を検出できる。この検出信号は、
振動変換器４に入力され、増幅、積分、レベル変換など
の処理により適当な出力信号に変換される。振動センサ
２と振動変換器４とが、振動検出装置６を形成する。振
動検出装置の出力信号は、次に、高周波域遮断フィルタ
８および低周波域遮断フィルタ１０とからなる帯域フィ
ルタにより、ポンプの正常時および異常時の摺動振動周
波数と無関係な高周波域と低周波域の振動成分を遮断さ
れたのち、Ａ／Ｄ変換器１２においてデジタル出力信号
に変換される。このデジタル出力信号は、デジタル演算
式の周波数スペクトル分析演算器１４に入力される。こ
の周波数スペクトル分析演算器１４は、Ａ／Ｄ変換器１
２からのデジタル信号をサンプリングして、高速フーリ
エ変換（ＦＦＴ）処理により振動スペクトルパターンを
算出する。この振動スペクトルパターン（たとえば５１
２本の周波数でのスペクトル値）は、スイッチ５６を介
して、正常時には、正常時スペクトルパターン記憶器５
８に記憶でき、異常時には、異常時スペクトルパターン
記憶器６０に記憶できる。こうして、２個の記憶器５
８、６０に正常時と異常時のスペクトルパターンがあら
かじめ記憶される。なお、記録器６０には、劣化診断に
有効な程度の劣化状態にある診断対象について測定した
振動スペクトルパターンを記憶する。
【００２４】次に、ポンプ運転時（診断時）に、周波数
スペクトル分析演算器１４から出力される診断対象の観
測対象の観測振動スペクトルパターンについて、観測振
動スペクトルパターンを正常時と異常時のスペクトルパ
ターンと比較して、ポンプの状態を判定する。このた
め、観測振動スペクトルパターンと上記の正常時と異常
時のスペクトルパターンとのパターンマッチングを行
う。パターンマッチングには種々の手法があるが、本実
施例では、複数の識別パターン（上述の正常時と異常時
のスペクトルパターン）についてそれぞれパターンの類
似度を求めてパターンを識別する。
スペクトル分析演算器１４から出力される診断対象の観
測対象の観測振動スペクトルパターンについて、観測振
動スペクトルパターンを正常時と異常時のスペクトルパ
ターンと比較して、ポンプの状態を判定する。このた
め、観測振動スペクトルパターンと上記の正常時と異常
時のスペクトルパターンとのパターンマッチングを行
う。パターンマッチングには種々の手法があるが、本実
施例では、複数の識別パターン（上述の正常時と異常時
のスペクトルパターン）についてそれぞれパターンの類
似度を求めてパターンを識別する。
【００２５】具体的には、スペクトルパターンマッチン
グ演算器６４は、診断対象の観測振動スペクトルパター
ンをスイッチ５６を介して周波数スペクトル分析演算器
１４から入力し、スイッチ６２により選択される正常時
スペクトルパターン記憶器５８または異常時のスペクト
ルパターン記憶器６０からの正常時または異常時のスペ
クトルパターンと比較して類似度の照合を行う。判定部
６６は、この照合結果について、正常時スペクトルパタ
ーン類似度判定基準記憶器６８に記憶された正常時の類
似度判定基準および異常時スペクトルパターン類似度判
定基準記憶器７０に記憶された異常時の類似度判定基準
を基に、観測振動スペクトルパターンが正常状態にある
か異常状態にあるかをリアルタイムで判定する。そし
て、その診断結果を表示部（ＣＲＴ、プリンタなど）７
２に送り、診断結果の表示や印字をさせる。ユーザは、
この表示結果を見て診断対象における異常の有無や劣化
の進行度を判断できる。なお、制御装置７４は、Ａ／Ｄ
変換器１２、周波数スペクトル演算分析器１４、スイッ
チ５６、正常時スペクトルパターン記憶器５８、異常時
スペクトルパターン記憶器６０、スイッチ６２、スペク
トルパターンマッチング演算器６４、および、判定部６
６に制御信号を送り、これらのユニットを総合的に制御
して、所定の動作を行わせる。
グ演算器６４は、診断対象の観測振動スペクトルパター
ンをスイッチ５６を介して周波数スペクトル分析演算器
１４から入力し、スイッチ６２により選択される正常時
スペクトルパターン記憶器５８または異常時のスペクト
ルパターン記憶器６０からの正常時または異常時のスペ
クトルパターンと比較して類似度の照合を行う。判定部
６６は、この照合結果について、正常時スペクトルパタ
ーン類似度判定基準記憶器６８に記憶された正常時の類
似度判定基準および異常時スペクトルパターン類似度判
定基準記憶器７０に記憶された異常時の類似度判定基準
を基に、観測振動スペクトルパターンが正常状態にある
か異常状態にあるかをリアルタイムで判定する。そし
て、その診断結果を表示部（ＣＲＴ、プリンタなど）７
２に送り、診断結果の表示や印字をさせる。ユーザは、
この表示結果を見て診断対象における異常の有無や劣化
の進行度を判断できる。なお、制御装置７４は、Ａ／Ｄ
変換器１２、周波数スペクトル演算分析器１４、スイッ
チ５６、正常時スペクトルパターン記憶器５８、異常時
スペクトルパターン記憶器６０、スイッチ６２、スペク
トルパターンマッチング演算器６４、および、判定部６
６に制御信号を送り、これらのユニットを総合的に制御
して、所定の動作を行わせる。
【００２６】ここで、２個の記憶器６８、７０に記憶さ
れる正常時と異常時のスペクトルパターン類似度判断基
準は、診断事例の蓄積により変更できる。これにより、
診断精度を向上できる。また、判断基準を可変とするこ
とにより、診断対象（軸封部、ライナリング）の固有の
特性に合わせて判定基準を調整でき、より実態に合わせ
た判定が可能になる。
れる正常時と異常時のスペクトルパターン類似度判断基
準は、診断事例の蓄積により変更できる。これにより、
診断精度を向上できる。また、判断基準を可変とするこ
とにより、診断対象（軸封部、ライナリング）の固有の
特性に合わせて判定基準を調整でき、より実態に合わせ
た判定が可能になる。
【００２７】図１１は、判定部６６における判断のフロ
ーを示す。判定が開始されると、まず、観測された診断
対象の観測振動スペクトルパターンと、正常時スペクト
ルパターン記憶器５８に記憶されたスペクトルパターン
とから正常時のスペクトルパターンとの類似度を演算す
る（ステップＳ３２）。次に、この類似度を、記憶器５
８に記憶された正常時スペクトルパターン類似度判断基
準と比較する（ステップＳ３４）。類似度が正常時の判
定基準より大きいと判断されると（ステップＳ３４でＹ
ＥＳ）、正常と判断して（ステップＳ３６）、このフロ
ーを終了する。また、正常時スペクトルパターン類似度
判定基準と比較して類似度が正常時の判定基準より小さ
いと判断されると（ステップＳ３４でＮＯ）、観測振動
スペクトルパターンと、異常時スペクトルパターン記憶
器６０に記憶されたスペクトルパターンとから異常時の
スペクトルパターンとの類似度を演算する（ステップＳ
３８）。次に、この類似度を、記憶器６０に記憶された
異常時のスペクトルパターン類似度判定基準と比較する
（ステップＳ４０）。類似度が異常時の判定基準より小
さいと判断されると（ステップＳ４０でＹＥＳ）、正常
とも異常とも判断できないと判定して（ステップＳ４
２）、このフローを終了する。また、ステップＳ４０
で、類似度が異常時の判定基準より大きいと判断される
と（ステップＳ４４でＮＯ）、異常と判定して（ステッ
プＳ４６）、このフローを終了する。以上のフローによ
り、劣化の進行を、正常状態から異常状態への観測スペ
クトルパターンの移行により判定できる。
ーを示す。判定が開始されると、まず、観測された診断
対象の観測振動スペクトルパターンと、正常時スペクト
ルパターン記憶器５８に記憶されたスペクトルパターン
とから正常時のスペクトルパターンとの類似度を演算す
る（ステップＳ３２）。次に、この類似度を、記憶器５
８に記憶された正常時スペクトルパターン類似度判断基
準と比較する（ステップＳ３４）。類似度が正常時の判
定基準より大きいと判断されると（ステップＳ３４でＹ
ＥＳ）、正常と判断して（ステップＳ３６）、このフロ
ーを終了する。また、正常時スペクトルパターン類似度
判定基準と比較して類似度が正常時の判定基準より小さ
いと判断されると（ステップＳ３４でＮＯ）、観測振動
スペクトルパターンと、異常時スペクトルパターン記憶
器６０に記憶されたスペクトルパターンとから異常時の
スペクトルパターンとの類似度を演算する（ステップＳ
３８）。次に、この類似度を、記憶器６０に記憶された
異常時のスペクトルパターン類似度判定基準と比較する
（ステップＳ４０）。類似度が異常時の判定基準より小
さいと判断されると（ステップＳ４０でＹＥＳ）、正常
とも異常とも判断できないと判定して（ステップＳ４
２）、このフローを終了する。また、ステップＳ４０
で、類似度が異常時の判定基準より大きいと判断される
と（ステップＳ４４でＮＯ）、異常と判定して（ステッ
プＳ４６）、このフローを終了する。以上のフローによ
り、劣化の進行を、正常状態から異常状態への観測スペ
クトルパターンの移行により判定できる。
【００２８】
【発明の効果】本発明のポンプ劣化診断システムでは、
従来は、診断が困難であったポンプの軸封部、ライナリ
ング部、インペラーリング部、中間軸受部等の摺動振動
源の劣化進行が判定できる。特にスペクトルパターンに
おいて中心周波数が移動する場合にも劣化進行が判定で
きる。このことにより、ポンプ補修時期のより適切な決
定や前もっての補修内容の検討が可能となり、ひいては
保全費が削減できる。本発明のポンプ劣化診断システム
は、神経回路網モデルを用いる診断法に比べ、特徴パラ
メータの指標を具体的な特徴パラメータに絞り、システ
ムの実用稼動を容易にしている。
従来は、診断が困難であったポンプの軸封部、ライナリ
ング部、インペラーリング部、中間軸受部等の摺動振動
源の劣化進行が判定できる。特にスペクトルパターンに
おいて中心周波数が移動する場合にも劣化進行が判定で
きる。このことにより、ポンプ補修時期のより適切な決
定や前もっての補修内容の検討が可能となり、ひいては
保全費が削減できる。本発明のポンプ劣化診断システム
は、神経回路網モデルを用いる診断法に比べ、特徴パラ
メータの指標を具体的な特徴パラメータに絞り、システ
ムの実用稼動を容易にしている。
【図１】 正常なシール、ライナリングの振動スペクト
ルパターンを図式的に示す図である。
ルパターンを図式的に示す図である。
【図２】 劣化の進行しているシール、ライナリングの
振動スペクトルパターンを図式的に示す図である。
振動スペクトルパターンを図式的に示す図である。
【図３】 正常時のインペラー、ライナリングの振動ス
ペクトルパターンを図式的に示す図である。
ペクトルパターンを図式的に示す図である。
【図４】 損傷時のインペラー、ライナリングの振動ス
ペクトルパターンを図式的に示す図である。
ペクトルパターンを図式的に示す図である。
【図５】 スペクトルパワーレベルの正常状態から異常
状態への変化を示す図である。
状態への変化を示す図である。
【図６】 スペクトル中心周波数の正常状態から異常状
態への移動を示す図である。
態への移動を示す図である。
【図７】 スペクトル尖頭度の正常状態から異常状態へ
の変化を示す図である。
の変化を示す図である。
【図８】 劣化診断システムの第１実施例のシステムの
ブロック図である。
ブロック図である。
【図９】 図８に示した劣化診断システムの判定部の判
定のフローチャートである。
定のフローチャートである。
【図１０】 劣化診断システムの第２実施例のブロック
図である。
図である。
【図１１】 図１０に示した劣化診断システムの判定部
の判定のフローチャートである。
の判定のフローチャートである。
２…振動センサ、 ４…振動変換器、 １２…Ａ／
Ｄ変換器、１４…周波数スペクトル分析演算器、２２…
正常時スペクトル特徴パターン記憶器、２４…異常時ス
ペクトル特徴パターン記憶器、２８…スペクトル特徴パ
ターン類似度演算器、３０…判定部、 ３２…正常時
類似度判定基準記憶器、３４…異常時類似度判定基準記
憶器、５８…正常時スペクトルパターン記憶器、６０…
異常時スペクトルパターン記憶器、６４…スペクトルパ
ターンマッチング演算器、６６…判定部、 ６８…正
常時類似度判定基準記憶器、７０…異常時類似度判定基
準記憶器。
Ｄ変換器、１４…周波数スペクトル分析演算器、２２…
正常時スペクトル特徴パターン記憶器、２４…異常時ス
ペクトル特徴パターン記憶器、２８…スペクトル特徴パ
ターン類似度演算器、３０…判定部、 ３２…正常時
類似度判定基準記憶器、３４…異常時類似度判定基準記
憶器、５８…正常時スペクトルパターン記憶器、６０…
異常時スペクトルパターン記憶器、６４…スペクトルパ
ターンマッチング演算器、６６…判定部、 ６８…正
常時類似度判定基準記憶器、７０…異常時類似度判定基
準記憶器。
───────────────────────────────────────────────────── フロントページの続き (72)発明者 永井 勲 東京都中央区日本橋小伝馬町14番４号 川鉄アドバンテック株式会社東京支店内 (72)発明者 秋葉 義雄 東京都中央区日本橋小伝馬町14番４号 川鉄アドバンテック株式会社東京支店内 (56)参考文献 特開 平５−256690（ＪＰ，Ａ) 特開 平４−262227（ＪＰ，Ａ) 特開 平１−161123（ＪＰ，Ａ) (58)調査した分野(Int.Cl.6，ＤＢ名) G01M 19/00 G01H 17/00
Claims (5)
- 【請求項１】診断対象である摺動振動源の振動を電気信
号として検出し、デジタル信号として出力する振動信号
検出装置と、 振動信号検出装置より入力されるデジタル信号をサンプ
リングして振動スペクトルパターンを算出する周波数ス
ペクトル分析演算器と、 周波数スペクトル分析演算器より入力された正常時のス
ペクトルパターンを記憶する第１記憶器と、 周波数スペクトル分析演算器より入力された異常時のス
ペクトルパターンを記憶する第２記憶器と、周波数スペクトル分析演算器から入力された観測スペク
トルパターン、 第１記憶器に記憶された正常時スペクト
ルパターンおよび第２記憶器に記憶された異常時スペク
トルパターンについて、スペクトルパワーレベル、スペ
クトル中心周波数移動度およびスペクトル尖頭度の３指
標の関数としてあらかじめ定められた判別関数を求め、
観測時、正常時および異常時の判別関数値から診断対象
の劣化進行を診断するパターン比較装置とを具備するポ
ンプ劣化診断システム。 - 【請求項２】請求項１に記載されたポンプ劣化診断シス
テムにおいて、 上記のパターン判別装置における判別関数は、スペクト
ルパワーレベル、スペクトル中心周波数移動度およびス
ペクトル尖頭度の１次関数であることを特徴とするポン
プ劣化診断システム。 - 【請求項３】請求項１に記載されたポンプ劣化診断シス
テムにおいて、 さらに、ポンプの回転数を検出する回転数検出器と、 回転数検出器からポンプの回転数を入力し、上記の周波
数スペクトル分析演算器から振動スペクトルパターンを
入力し、診断対象の軸回転数に依存して発生する振動ス
ペクトルを除去したスペクトルパターン（以下ではスペ
クトル特徴パターンという）を算出し、上記の第１記憶
器、第２記憶器およびパターン比較器に出力するスペク
トル特徴パターン演算器とを具備し、上記の第１記憶器
と第２記憶器は、スペクトル特徴パターンを記憶し、上
記のパターン比較装置は、スペクトル特徴パターンにつ
いて判別関数値を 求めることを特徴とするポンプ劣化診
断システム。 - 【請求項４】請求項３に記載されたポンプ劣化診断シス
テムにおいて、 上記のパターン比較装置は、スペクトル特徴パターン演
算器から入力される観測スペクトル特徴パターン、第１
記憶器に記憶された正常時スペクトル特徴パターンおよ
び第２記憶器に記憶された異常時スペクトル特徴パター
ンからスペクトルパワーレベル、スペクトル中心周波数
移動度およびスペクトル尖頭度を算出し、判別関数値を
演算する類似度演算器と、正常時スペクトル特徴パター
ンとの類似度の判定規準を記憶する第３記憶器と、異常
時スペクトル特徴パターンとの類似度の判定規準を記憶
する第４記憶器と、類似度演算器から入力される判別関
数値と第３記憶器および第４記憶器から入力される２つ
の判定規準とを比較し診断対象の劣化進行状態を判定す
る判定器とからなることを特徴とするポンプ劣化診断シ
ステム。 - 【請求項５】請求項４に記載されたポンプ劣化診断シス
テムにおいて、 上記の第４記憶器は、上記の第３記憶器に記憶する類似
度の判定規準より低い類似度の判定基準を記憶し、 上記の判定器は、スペクトル特徴パターン類似度演算器
から入力される判別関数値と第３記憶器および第４記憶
器から入力される判定規準とを比較し、診断対象の劣化
進行状態を判定することを特徴とするポンプ劣化診断シ
ステム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP27675393A JP2931187B2 (ja) | 1993-11-05 | 1993-11-05 | ポンプ劣化診断システム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP27675393A JP2931187B2 (ja) | 1993-11-05 | 1993-11-05 | ポンプ劣化診断システム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH07159231A JPH07159231A (ja) | 1995-06-23 |
| JP2931187B2 true JP2931187B2 (ja) | 1999-08-09 |
Family
ID=17573868
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP27675393A Expired - Lifetime JP2931187B2 (ja) | 1993-11-05 | 1993-11-05 | ポンプ劣化診断システム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2931187B2 (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2720328C1 (ru) * | 2019-04-22 | 2020-04-28 | Общество с ограниченной ответственностью "Сител" | Способ вибрационной диагностики подшипников качения |
Families Citing this family (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6026348A (en) * | 1997-10-14 | 2000-02-15 | Bently Nevada Corporation | Apparatus and method for compressing measurement data correlative to machine status |
| JP3725799B2 (ja) * | 2001-03-30 | 2005-12-14 | 大日本スクリーン製造株式会社 | 故障箇所判定方法および故障箇所判定装置 |
| JP4575828B2 (ja) * | 2005-03-30 | 2010-11-04 | 名古屋電機工業株式会社 | 被覆塩水計測装置および被覆塩水計測方法 |
| JP2006300524A (ja) * | 2005-04-15 | 2006-11-02 | Matsushita Electric Ind Co Ltd | 異音検査方法 |
| JP4049331B2 (ja) * | 2005-08-19 | 2008-02-20 | 独立行政法人科学技術振興機構 | 診断対象物の評価方法および評価装置 |
| JP4877341B2 (ja) * | 2009-02-27 | 2012-02-15 | パナソニック株式会社 | 洗濯機 |
| JP4877339B2 (ja) * | 2009-02-27 | 2012-02-15 | パナソニック株式会社 | 洗濯機 |
| JP4877340B2 (ja) * | 2009-02-27 | 2012-02-15 | パナソニック株式会社 | 洗濯機 |
| JP2011122853A (ja) * | 2009-12-08 | 2011-06-23 | Toshiba Corp | 装置故障評価システム |
| JP5595997B2 (ja) * | 2011-10-03 | 2014-09-24 | 中国電力株式会社 | 回転機械の部品摩耗検出方法、及び回転機械の部品摩耗検出装置 |
| KR101886210B1 (ko) * | 2011-12-26 | 2018-08-08 | 재단법인 포항산업과학연구원 | 계측기 신뢰성 평가 장치 및 그의 동작 방법 |
| JP5932880B2 (ja) * | 2014-05-07 | 2016-06-08 | 株式会社東芝 | 装置故障評価装置 |
| JP6243940B2 (ja) * | 2016-03-07 | 2017-12-06 | 株式会社日立パワーソリューションズ | 風力発電システムの異常予兆診断システム |
| JP6686625B2 (ja) * | 2016-03-30 | 2020-04-22 | 日本精工株式会社 | 転がり軸受診断装置 |
| JP6822294B2 (ja) * | 2017-04-19 | 2021-01-27 | 富士通株式会社 | 評価プログラム、情報処理装置、及び評価方法 |
| US20210048792A1 (en) * | 2018-03-05 | 2021-02-18 | Nec Corporation | Diagnostic apparatus, system, diagnostic method, and program |
| JP2019203788A (ja) * | 2018-05-23 | 2019-11-28 | 日立造船株式会社 | 回転機器診断装置 |
| JP7417256B2 (ja) * | 2020-02-04 | 2024-01-18 | 国立研究開発法人宇宙航空研究開発機構 | 宇宙機液体推進システムの故障診断システム、及び宇宙機液体推進システムの故障診断方法 |
| US20230054215A1 (en) * | 2020-02-19 | 2023-02-23 | Nec Corporation | Abnormality estimation apparatus, abnormality estimation method, and computer-readable recording medium |
| US20230204450A1 (en) * | 2020-07-02 | 2023-06-29 | Mitsubishi Electric Corporation | In-vehicle equipment and deterioration determining method |
| JP7075466B1 (ja) * | 2020-11-17 | 2022-05-25 | 株式会社酉島製作所 | 振動機械の異常診断装置および異常診断方法 |
| JP7181971B1 (ja) * | 2021-07-21 | 2022-12-01 | 一般財団法人関東電気保安協会 | 電気設備点検システム、電気設備点検装置、電気設備点検方法及び電気設備点検プログラム |
-
1993
- 1993-11-05 JP JP27675393A patent/JP2931187B2/ja not_active Expired - Lifetime
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2720328C1 (ru) * | 2019-04-22 | 2020-04-28 | Общество с ограниченной ответственностью "Сител" | Способ вибрационной диагностики подшипников качения |
Also Published As
| Publication number | Publication date |
|---|---|
| JPH07159231A (ja) | 1995-06-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2931187B2 (ja) | ポンプ劣化診断システム | |
| FI112972B (fi) | Laakerin kunnon arviointi | |
| EP3431952B1 (en) | Condition monitoring system and wind turbine generation apparatus | |
| US7089154B2 (en) | Automatic machinery fault diagnostic method and apparatus | |
| CN110226140B (zh) | 状态监视方法及状态监视装置 | |
| KR102040179B1 (ko) | 제조 설비의 이상 감지 및 진단 방법 | |
| CN111122191B (zh) | 一种基于ewma控制的设备安康报警阈值设定方法 | |
| US11333577B2 (en) | Method and device for diagnosing abnormality in rolling bearing | |
| CN108106846A (zh) | 一种滚动轴承故障损伤程度识别方法 | |
| JP2010175446A (ja) | 状態診断装置 | |
| CN107515118A (zh) | 旋转机械轴承故障诊断方法 | |
| JP7098399B2 (ja) | 状態監視装置および状態監視方法 | |
| KR102433483B1 (ko) | 진동 센서를 통한 설비 예지 보전 시스템 | |
| CN113819011B (zh) | 风力发电机组的叶轮状态检测方法、装置及系统 | |
| Koukoura et al. | Wind turbine intelligent gear fault identification | |
| JP2008058191A (ja) | 回転機械の診断方法、そのプログラム、及びその診断装置 | |
| JP3103193B2 (ja) | 回転機械の診断装置 | |
| JPH01270623A (ja) | 回転機の振動診断装置 | |
| KR100296013B1 (ko) | 퍼지논리를이용한회전기계의이상진단방법 | |
| JPH01101418A (ja) | 回転機械の診断装置 | |
| Oh et al. | Development of a system for diagnosing faults in rotating machinery using vibration signals | |
| JPH06264704A (ja) | 回転機械の振動診断装置 | |
| JP2004279056A (ja) | 回転機械の診断方法及びそのプログラム | |
| JP2000162035A (ja) | 回転機器の異常判定方法及びその装置 | |
| Alekseev et al. | Data measurement system of compressor units defect diagnosis by vibration value |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| FPAY | Renewal fee payment (prs date is renewal date of database) |
Year of fee payment: 9 Free format text: PAYMENT UNTIL: 20080521 |
|
| S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
| FPAY | Renewal fee payment (prs date is renewal date of database) |
Year of fee payment: 9 Free format text: PAYMENT UNTIL: 20080521 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| FPAY | Renewal fee payment (prs date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090521 Year of fee payment: 10 |
|
| FPAY | Renewal fee payment (prs date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090521 Year of fee payment: 10 |
|
| FPAY | Renewal fee payment (prs date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100521 Year of fee payment: 11 |
|
| FPAY | Renewal fee payment (prs date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110521 Year of fee payment: 12 |
|
| FPAY | Renewal fee payment (prs date is renewal date of database) |
Year of fee payment: 15 Free format text: PAYMENT UNTIL: 20140521 |
|
| EXPY | Cancellation because of completion of term |