JP6305303B2 - 回転機器の振動診断装置、方法及びプログラム - Google Patents
回転機器の振動診断装置、方法及びプログラム Download PDFInfo
- Publication number
- JP6305303B2 JP6305303B2 JP2014205666A JP2014205666A JP6305303B2 JP 6305303 B2 JP6305303 B2 JP 6305303B2 JP 2014205666 A JP2014205666 A JP 2014205666A JP 2014205666 A JP2014205666 A JP 2014205666A JP 6305303 B2 JP6305303 B2 JP 6305303B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- vibration
- rotating device
- unit
- addition processing
- 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.)
- Active
Links
Images
Landscapes
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Description
本発明の実施形態は、振動波形を解析して回転機器の正常／異常を診断する技術に関する。
回転機器の振動診断は、一般に「信号測定」、「信号処理」、「特徴解析」、「簡易診断」、「精密診断」の手順で行われる。
このうち「信号処理」は、測定したデータからノイズを除去し、異常検出の感度を高める処理である。この信号処理の成否により、それ以降の処理が影響を受け、振動診断の精度が大きく左右される。
このうち「信号処理」は、測定したデータからノイズを除去し、異常検出の感度を高める処理である。この信号処理の成否により、それ以降の処理が影響を受け、振動診断の精度が大きく左右される。
このような信号処理の代表例として次のような公知技術がある。
同期加算法及びアンサンブル平均法は、同一機器に対する振動データの同期を取って複数回測定して平均処理する手法である。
ローパスフィルタ、ハイパスフィルタ、バンドパスフィルタ等といった各種の周波数フィルタを適用する手法は、目的とする異常事象に対応した低・中・高周波数領域の信号を抽出する手法である。
同期加算法及びアンサンブル平均法は、同一機器に対する振動データの同期を取って複数回測定して平均処理する手法である。
ローパスフィルタ、ハイパスフィルタ、バンドパスフィルタ等といった各種の周波数フィルタを適用する手法は、目的とする異常事象に対応した低・中・高周波数領域の信号を抽出する手法である。
しかしながら、上述した従来の信号処理では、Ｓ／Ｎ比そのものが悪い場合には十分なノイズ除去効果が得られない。
特に、１００ｒｐｍを下回る低速回転領域では、回転機器の異常に起因する信号のレベルが急激に減少しノイズレベルと大差なくなるため、異常の検出が困難となる。
この理由として、回転機器を構成するころがり軸受に損傷等が有る場合、回転数の低下に伴って転動体と内外輪の傷との衝突エネルギーが急激に減少し、且つ、衝突の間隔も広がり振動エネルギーの総量が減少することが挙げられる。
特に、１００ｒｐｍを下回る低速回転領域では、回転機器の異常に起因する信号のレベルが急激に減少しノイズレベルと大差なくなるため、異常の検出が困難となる。
この理由として、回転機器を構成するころがり軸受に損傷等が有る場合、回転数の低下に伴って転動体と内外輪の傷との衝突エネルギーが急激に減少し、且つ、衝突の間隔も広がり振動エネルギーの総量が減少することが挙げられる。
本発明の実施形態はこのような事情を考慮してなされたもので、測定した振動データから、損傷に起因する異常信号を、高感度に検出することが可能な回転機器の振動診断技術を提供することを目的とする。
本発明に実施形態における回転機器の振動診断装置において、回転機器の振動を測定した振動データを取得する取得部と、互いに独立している複数のノイズデータを生成する生成部と、前記複数のノイズデータの各々に対し前記振動データを合成し複数の合成波形を生成する波形合成部と、前記複数の合成波形の各々を閾値により多値化した複数の多値化信号を生成する閾値処理部と、前記複数の合成波形の多値化信号を加算平均し振幅データの最大振幅値を乗算させた加算処理信号を生成する加算処理部と、前記加算処理信号又はこの加算処理信号をさらに処理した信号のスペクトルを解析するスペクトル解析部と、前記回転機器の異常に起因する発振の特徴周波数に立つ前記スペクトルのピークの有無を判定する判定部と、を備えることを特徴とする。
本発明の実施形態により、測定した振動データから、損傷に起因する異常信号を、高感度に検出することが可能な回転機器の振動診断技術が提供される。
（第１実施形態）
以下、本発明の実施形態を添付図面に基づいて説明する。
図１に示すように第１実施形態に係る回転機器の振動診断装置１０は、回転機器（図示略）の振動を測定した振動データｘ(ｔ)を取得する取得部１１と、互いに独立している複数のノイズデータηq(ｔ)[ｑ＝１，２，…Ｑ]を生成する生成部１２と、これら複数のノイズデータηq(ｔ)の各々に対し振動データｘ(ｔ)を合成し複数の合成波形ｘ(ｔ)＋ηq(ｔ)を生成する波形合成部１３（１３1,１３2…１３Q）と、これら複数の合成波形ｘ(ｔ)＋ηq(ｔ)の各々を閾値θ（θ1, θ2…θQ）により多値化した複数の多値化信号ｙq(ｔ)[ｑ＝１，２，…Ｑ]を生成する閾値処理部１４（１４1,１４2…１４Q）と、これら複数の多値化信号ｙq(ｔ)を加算させた加算処理信号ｆ(ｔ)を生成する加算処理部１５と、この加算処理信号ｆ(ｔ)又はこの加算処理信号ｆ(ｔ)をさらに処理した信号（エンベローブ信号ｒ(ｔ)）のスペクトルを解析するスペクトル解析部１７と、回転機器の異常に起因する発振の特徴周波数に立つスペクトルのピークの有無を判定する判定部１８と、を備えている。
以下、本発明の実施形態を添付図面に基づいて説明する。
図１に示すように第１実施形態に係る回転機器の振動診断装置１０は、回転機器（図示略）の振動を測定した振動データｘ(ｔ)を取得する取得部１１と、互いに独立している複数のノイズデータηq(ｔ)[ｑ＝１，２，…Ｑ]を生成する生成部１２と、これら複数のノイズデータηq(ｔ)の各々に対し振動データｘ(ｔ)を合成し複数の合成波形ｘ(ｔ)＋ηq(ｔ)を生成する波形合成部１３（１３1,１３2…１３Q）と、これら複数の合成波形ｘ(ｔ)＋ηq(ｔ)の各々を閾値θ（θ1, θ2…θQ）により多値化した複数の多値化信号ｙq(ｔ)[ｑ＝１，２，…Ｑ]を生成する閾値処理部１４（１４1,１４2…１４Q）と、これら複数の多値化信号ｙq(ｔ)を加算させた加算処理信号ｆ(ｔ)を生成する加算処理部１５と、この加算処理信号ｆ(ｔ)又はこの加算処理信号ｆ(ｔ)をさらに処理した信号（エンベローブ信号ｒ(ｔ)）のスペクトルを解析するスペクトル解析部１７と、回転機器の異常に起因する発振の特徴周波数に立つスペクトルのピークの有無を判定する判定部１８と、を備えている。
図２のグラフは、転がり軸受を構成に含む回転機器（図示略）の振動を測定した振動データｘ(ｔ)の波形を示している。本実施形態において取得部１１は、一例として回転機器に設置された加速度センサ（図示略）から出力される振動加速度（ｍ／ｓｅｃ2）の信号を、振動データｘ(ｔ)として入力している。
本実施形態において取得部１１で設定した条件は、サンプリング周波数が２５(ｋＨｚ)、データ点数が５００００（点）、データ長が２(sec)として、図２のグラフは、取得した振動データｘ(ｔ)の冒頭部分の波形を示している。
なお、この取得部１１は、測定された振動データｘ(ｔ)をリアルタイムで取得する場合の他に、データ保存手段（図示略）に一時保存させた振動データｘ(ｔ)を取得する場合もある。
なお、この取得部１１は、測定された振動データｘ(ｔ)をリアルタイムで取得する場合の他に、データ保存手段（図示略）に一時保存させた振動データｘ(ｔ)を取得する場合もある。
図３のグラフは、生成部１２で生成されたノイズデータηq(ｔ)の波形を示している。
このような、ノイズデータηq(ｔ)の波形は、例えば、０より大きく１以下の一様乱数を正規乱数（正規分布を持つ乱数）に変換するＢｏｘ-Ｍｕｌｌｅｒ法により生成される。なお、ノイズデータηq(ｔ)の生成方法は特に限定されない。
このような、ノイズデータηq(ｔ)の波形は、例えば、０より大きく１以下の一様乱数を正規乱数（正規分布を持つ乱数）に変換するＢｏｘ-Ｍｕｌｌｅｒ法により生成される。なお、ノイズデータηq(ｔ)の生成方法は特に限定されない。
生成部１２において生成される複数のノイズデータηq(ｔ)[ｑ＝１，２，…Ｑ]は、互いに独立した関係にある。本実施形態においては、１００個（Ｑ＝１００）の互いに独立関係にあるノイズデータηq(ｔ)を生成することとする。
図４のグラフにおける実線は、生成部１２で生成させたノイズデータηq(ｔ)の振幅の確立密度の分布を表している。一方、図４のグラフにおける破線は、平均値μ、標準偏差σを適宜設定して解析的に求めた正規分布ｐ(η)を表している。
このように、ノイズデータηq(ｔ)の振幅分布は、正規分布（ガウス分布）に従うものとする。
このように、ノイズデータηq(ｔ)の振幅分布は、正規分布（ガウス分布）に従うものとする。
図５のグラフは、ノイズデータηq(ｔ)のスペクトルの分布を表している。
このように、ノイズデータηq(ｔ)の周波数分布は、一様分布（白色分布）しており、周波数に偏りのない白色ノイズとなっている。
このように、ノイズデータηq(ｔ)の周波数分布は、一様分布（白色分布）しており、周波数に偏りのない白色ノイズとなっている。
図６のグラフは、ノイズデータηq(ｔ)と振動データｘ(ｔ)を合成した合成波形ηq(ｔ)＋ｘ(ｔ)を表している。
波形合成部１３（１３1,１３2…１３Q）は、生成した複数（Ｑ＝１００）のノイズデータηq(ｔ)[ｑ＝１，２，…Ｑ]の各々に対応して、複数が並列に配置されている。そして、これら複数のノイズデータηq(ｔ)に対して振動データｘ(ｔ)を合成し、複数（Ｑ＝１００）の合成波形ｘ(ｔ)＋ηq(ｔ)[ｑ＝１，２，…Ｑ]を生成する。
波形合成部１３（１３1,１３2…１３Q）は、生成した複数（Ｑ＝１００）のノイズデータηq(ｔ)[ｑ＝１，２，…Ｑ]の各々に対応して、複数が並列に配置されている。そして、これら複数のノイズデータηq(ｔ)に対して振動データｘ(ｔ)を合成し、複数（Ｑ＝１００）の合成波形ｘ(ｔ)＋ηq(ｔ)[ｑ＝１，２，…Ｑ]を生成する。
閾値処理部１４（１４1,１４2…１４Q）は、生成した複数（Ｑ＝１００）の合成波形ｘ(ｔ)＋ηq(ｔ)[ｑ＝１，２，…Ｑ]の各々に対応して、複数が並列に配置されている。そして保存部２１に保存されている閾値θ（θ1, θ2…θQ）を取得し、これら複数の合成波形ｘ(ｔ)＋ηq(ｔ)を多値化して、複数の多値化信号ｙq(ｔ)[ｑ＝１，２，…Ｑ]を生成する。
実施形態においては、符号２２に示すように、合成波形ｘ(ｔ)＋ηq(ｔ)の値が、θ以上である場合を１とし、−θ以下である場合を−１とし、それ以外の場合を０とする無次元３値化した場合を示している。
実施形態においては、符号２２に示すように、合成波形ｘ(ｔ)＋ηq(ｔ)の値が、θ以上である場合を１とし、−θ以下である場合を−１とし、それ以外の場合を０とする無次元３値化した場合を示している。
図７のグラフは、複数（Ｑ＝１００）の合成波形の多値化信号ｙq(ｔ)[ｑ＝１，２，…Ｑ]を加算平均した加算処理信号ｆ(ｔ)を表している。
加算処理部１５は、複数（Ｑ＝１００）の多値化信号ｙq(ｔ)を取得した後に加算してＱで除算して平均化し、さらに振動データｘ(ｔ)の最大振幅値を乗算させて有次元化させた加算処理信号ｆ(ｔ)を生成する。
加算処理部１５は、複数（Ｑ＝１００）の多値化信号ｙq(ｔ)を取得した後に加算してＱで除算して平均化し、さらに振動データｘ(ｔ)の最大振幅値を乗算させて有次元化させた加算処理信号ｆ(ｔ)を生成する。
これまでに述べたノイズデータ生成部１２、波形合成部１３、閾値処理部１４、加算処理部１５は、確率共鳴処理部２０を構成している。
この確率共鳴処理部２０から出力された加算処理信号ｆ(ｔ)は、入力した振動データｘ(ｔ)に複数の独立したノイズデータηq(ｔ)を加えて確率的に応答する現象（確率共鳴現象）に基づき、この振動データｘ(ｔ)のＳ／Ｎ比が悪い場合でも回転機器の異常に起因するピーク信号を高感度で検出することを可能とする。
この確率共鳴処理部２０から出力された加算処理信号ｆ(ｔ)は、入力した振動データｘ(ｔ)に複数の独立したノイズデータηq(ｔ)を加えて確率的に応答する現象（確率共鳴現象）に基づき、この振動データｘ(ｔ)のＳ／Ｎ比が悪い場合でも回転機器の異常に起因するピーク信号を高感度で検出することを可能とする。
図８に示すグラフは、確率共鳴処理部２０から出力された加算処理信号ｆ(ｔ)をエンベローブ導出部１６に入力し、導出されたエンベローブ信号ｒ(ｔ)の波形を表している。
このように、加算処理信号ｆ(ｔ)をエンベローブ処理することにより、一定の周期で発振する衝撃的な振動をより有効に解析することができる。なお、エンベローブ信号は、加算処理信号ｆ(ｔ)をさらに処理した信号の一例であって、後工程のスペクトル解析を有効化するものであれば、加算処理信号ｆ(ｔ)をさらに処理する方法に限定はない。
このように、加算処理信号ｆ(ｔ)をエンベローブ処理することにより、一定の周期で発振する衝撃的な振動をより有効に解析することができる。なお、エンベローブ信号は、加算処理信号ｆ(ｔ)をさらに処理した信号の一例であって、後工程のスペクトル解析を有効化するものであれば、加算処理信号ｆ(ｔ)をさらに処理する方法に限定はない。
図９を参照して、加算処理信号ｆ(ｔ)をヒルベルト変換してエンベローブ信号ｒ(ｔ)を求める原理について説明する。
実関数で表される加算処理信号ｆ(ｔ)のヒルベルト変換信号ｇ(ｔ)は、数式（１）のように表される。ここで、加算処理信号ｆ(ｔ)とそのヒルベルト変換信号ｇ(ｔ)とは、互いに直交関係にあるために、加算処理信号ｆ(ｔ)を実部としてヒルベルト変換信号ｇ(ｔ)を虚部として、複素数で表される解析信号ｚ(ｔ)を数式（２）のように定義することができる。
実関数で表される加算処理信号ｆ(ｔ)のヒルベルト変換信号ｇ(ｔ)は、数式（１）のように表される。ここで、加算処理信号ｆ(ｔ)とそのヒルベルト変換信号ｇ(ｔ)とは、互いに直交関係にあるために、加算処理信号ｆ(ｔ)を実部としてヒルベルト変換信号ｇ(ｔ)を虚部として、複素数で表される解析信号ｚ(ｔ)を数式（２）のように定義することができる。
これにより、数式（３）のように、エンベローブ信号ｒ(ｔ)を求めることができる。なお、加算処理信号ｆ(ｔ)は、エンベローブ信号ｒ(ｔ)を用いて数式（４）のように表される。ここで、数式（５）で表されるδ(ｔ)は、瞬時位相と呼ばれる。
スペクトル解析部１７は、ＦＦＴ処理等を実行して、入力信号のスペクトル解析信号を出力するものである。
図１０に示すグラフ（実施例）は、加算処理信号ｆ(ｔ)のエンベローブ信号ｒ(ｔ)を入力させた際に、スペクトル解析部１７が出力するスペクトル波形を表している。図１１に示すグラフ（比較例）は、振動データｘ(ｔ)のエンベローブ信号（図示略）を入力させた際に、スペクトル解析部１７が出力するスペクトル波形を表している。
図１０に示すグラフ（実施例）は、加算処理信号ｆ(ｔ)のエンベローブ信号ｒ(ｔ)を入力させた際に、スペクトル解析部１７が出力するスペクトル波形を表している。図１１に示すグラフ（比較例）は、振動データｘ(ｔ)のエンベローブ信号（図示略）を入力させた際に、スペクトル解析部１７が出力するスペクトル波形を表している。
これら図１０と図１１の対比により、振動データｘ(ｔ)を確率共鳴処理部２０に入力させて出力される加算処理信号ｆ(ｔ)は、スペクトル解析においてＳ／Ｎ比が向上することが分かる。
なお、スペクトル解析部１７は、ＦＦＴ処理等を実行させる場合の他に、対象機器の種類や対象事象に応じて振動診断で一般的に採用される波形処理（入力信号に周波数帯域フィルタを掛ける等）を実行させることができる。
なお、スペクトル解析部１７は、ＦＦＴ処理等を実行させる場合の他に、対象機器の種類や対象事象に応じて振動診断で一般的に採用される波形処理（入力信号に周波数帯域フィルタを掛ける等）を実行させることができる。
図１２のテーブルは、データ保存部２３に保存されている軸受仕様のデータ値を示している。図１３のテーブルは、計算部２４に組み込まれている特徴周波数の計算式と部品仕様のデータ値に基づいて計算された特徴周波数とを示している。
回転機器を構成するいずれかの部品に損傷がある場合、測定された振動データｘ(ｔ)には、損傷部品に固有の特徴周波数の振動成分が重畳される。
なお、回転機器の損傷部品に起因する発振の特徴周波数について、ころがり軸受を例示しているが、これに限定されることはなく、その他にすべり軸受、歯車、ポンプ、モータの異常事象に対応した特徴周波数を求めることができる。
回転機器を構成するいずれかの部品に損傷がある場合、測定された振動データｘ(ｔ)には、損傷部品に固有の特徴周波数の振動成分が重畳される。
なお、回転機器の損傷部品に起因する発振の特徴周波数について、ころがり軸受を例示しているが、これに限定されることはなく、その他にすべり軸受、歯車、ポンプ、モータの異常事象に対応した特徴周波数を求めることができる。
判定部１８は、回転機器の異常に起因する発振の特徴周波数に立つスペクトルのピークの有無を判定するものである。
図１０のスペクトル分布の周波数軸に、図３の特徴周波数の計算結果を重ねると、７５．６９(Ｈｚ)、その倍数１５１．３８(Ｈｚ)、及び１２０．３１(Ｈｚ)において、ピークが顕著に表れている。
これにより、それぞれのピークに特徴周波数が対応している外輪及び内輪が損傷していると判定される。
なお図１０の実施例は、図１１の比較例と対比して、Ｓ／Ｎ比の向上に伴いピークの検出感度が優れているといえる。
図１０のスペクトル分布の周波数軸に、図３の特徴周波数の計算結果を重ねると、７５．６９(Ｈｚ)、その倍数１５１．３８(Ｈｚ)、及び１２０．３１(Ｈｚ)において、ピークが顕著に表れている。
これにより、それぞれのピークに特徴周波数が対応している外輪及び内輪が損傷していると判定される。
なお図１０の実施例は、図１１の比較例と対比して、Ｓ／Ｎ比の向上に伴いピークの検出感度が優れているといえる。
図１４のフローチャートに基づいて、第１実施形態に係る回転機器の振動診断方法又はその振動診断プログラムの動作を説明する。
回転機器に設置した加速度センサにより測定される振動データｘ(ｔ)を取得する（Ｓ１１）。この（Ｓ１１）に対し順番が前後してよいが、互いに独立している複数（Ｑ個）のノイズデータηq(ｔ)[ｑ＝１，２，…Ｑ]を生成する（Ｓ１２）。
回転機器に設置した加速度センサにより測定される振動データｘ(ｔ)を取得する（Ｓ１１）。この（Ｓ１１）に対し順番が前後してよいが、互いに独立している複数（Ｑ個）のノイズデータηq(ｔ)[ｑ＝１，２，…Ｑ]を生成する（Ｓ１２）。
第１番目（ｑ＝１）のノイズデータη1(ｔ)を取得して（Ｓ１３，Ｓ１４）、振動データｘ(ｔ)に合成する（Ｓ１５）。そして、この合成波形ｘ(ｔ)＋η1(ｔ)を閾値θにより多値化して、多値化信号ｙ1(ｔ)を生成する（Ｓ１６）。
このように、全てのノイズデータηq(ｔ)に対し振動データｘ(ｔ)を合成して複数の合成波形ｘ(ｔ)＋ηq(ｔ) [ｑ＝１，２，…Ｑ]を生成し、各々を閾値θにより多値化して複数の多値化信号ｙq(ｔ)[ｑ＝１，２，…Ｑ]を生成する（Ｓ１７ Ｎｏ／Ｙｅｓ）。
このように、全てのノイズデータηq(ｔ)に対し振動データｘ(ｔ)を合成して複数の合成波形ｘ(ｔ)＋ηq(ｔ) [ｑ＝１，２，…Ｑ]を生成し、各々を閾値θにより多値化して複数の多値化信号ｙq(ｔ)[ｑ＝１，２，…Ｑ]を生成する（Ｓ１７ Ｎｏ／Ｙｅｓ）。
次に、このように生成した複数の多値化信号ｙq(ｔ)[ｑ＝１，２，…Ｑ]を加算し平均して有次元化した加算処理信号ｆ(ｔ)を生成する（Ｓ１８）。そして、この加算処理信号ｆ(ｔ)又はこの加算処理信号ｆ(ｔ)のエンベロープ処理信号のスペクトルを解析する（Ｓ１９）。
回転機器の異常（例えば、軸受の損傷）に起因する発振の特徴周波数を取得する（Ｓ２０）。そして、この特徴周波数に対応する加算処理信号ｆ(ｔ)のスペクトルのピークが有れば回転機器に異常有りと判定し（Ｓ２１ Ｙｅｓ，Ｓ２２，ＥＮＤ）、ピークが無ければ回転機器に異常無しと判定する（Ｓ２１ Ｎｏ，Ｓ２３，ＥＮＤ）。
（第２実施形態）
次に図１５を参照して本発明における第２実施形態について説明する。なお、図１５において図１と共通の構成又は機能を有する部分は、同一符号で示し、重複する説明を省略する。
次に図１５を参照して本発明における第２実施形態について説明する。なお、図１５において図１と共通の構成又は機能を有する部分は、同一符号で示し、重複する説明を省略する。
第２実施形態に係る回転機器の振動診断装置１０は、図１の構成に加えて、事前に取得された振動データｘ(ｍ)から演算された線形予測係数ａk[ｋ＝１，２…ｐ]を保持する保持部２８と、測定した振動データｘ(ｎ)と線形予測係数ａkとから線形予測値データｚ(ｎ)を導出する第１導出部２９ａと、この線形予測値データｚ(ｎ)と測定した振動データｘ(ｎ)とから差分データε(ｎ)を導出する第２導出部２９ｂと、をさらに備えている。
そして波形合成部１３（１３1,１３2…１３Q）は、差分データε(ｎ)（第１実施形態では測定した振動データｘ(ｎ)であった）を、複数のノイズデータηq(ｎ)[ｑ＝１，２，…Ｑ]の各々に対して合成し、複数の合成波形ε(ｎ)＋ηq(ｎ)を生成する。
そして波形合成部１３（１３1,１３2…１３Q）は、差分データε(ｎ)（第１実施形態では測定した振動データｘ(ｎ)であった）を、複数のノイズデータηq(ｎ)[ｑ＝１，２，…Ｑ]の各々に対して合成し、複数の合成波形ε(ｎ)＋ηq(ｎ)を生成する。
ここで、事前に取得された振動データｘ(ｍ)とは、回転機器の導入初期の損傷が無い状態において取得されるものであることが望ましい。
この振動データｘ(ｍ)は、スイッチ２６の設定により、線形予測係数ａkの演算部２７に送信される。
この振動データｘ(ｍ)は、スイッチ２６の設定により、線形予測係数ａkの演算部２７に送信される。
線形予測係数ａkの演算部２７は、ある時点の振動データｘ(ｍ)が、その前のｐ個の振動データｘ(ｍ−１)，ｘ(ｍ−２)，…ｘ(ｍ−ｐ)の線形結合で表せると仮定し、次の数式（６）の関係を満たす線形予測係数ａkを演算するものである。
ｘ(ｍ)＝−ａ１ｘ(ｍ−１)−ａ2ｘ(ｍ−２)，…−ａpｘ(ｍ−ｐ) （６）
＝−Σａkｘ(ｍ−ｋ) [ｋ＝１ ｔｏ ｐ] （６）´
＝−Σａkｘ(ｍ−ｋ) [ｋ＝１ ｔｏ ｐ] （６）´
なお線形予測係数ａkは、ＡＲＭＡモデルやLevinson-Durbinアルゴリズム等を用いて演算することができるが、その演算方法に特に限定はない。
このようにして演算された線形予測係数ａk[ｋ＝１，２…ｐ]は、保持部２８に保持される。
このようにして演算された線形予測係数ａk[ｋ＝１，２…ｐ]は、保持部２８に保持される。
経年変化した回転機器から測定した振動データｘ(ｎ)は、スイッチ２６の設定により、差分データε(ｎ)の導出部２９（２９ａ，２９ｂ）に送信される。
第１導出部２９ａは、受信した振動データｘ(ｎ)と保持部２８の線形予測係数ａkとから、次の数式（７）に基づいて、線形予測値データｚ(ｎ)を導出する。
さらに第２導出部２９ｂにおいて、この線形予測値データｚ(ｎ)と受信した振動データｘ(ｎ)とから、次の数式（８）に基づいて、差分データε(ｎ)を導出する。
第１導出部２９ａは、受信した振動データｘ(ｎ)と保持部２８の線形予測係数ａkとから、次の数式（７）に基づいて、線形予測値データｚ(ｎ)を導出する。
さらに第２導出部２９ｂにおいて、この線形予測値データｚ(ｎ)と受信した振動データｘ(ｎ)とから、次の数式（８）に基づいて、差分データε(ｎ)を導出する。
ｚ(ｎ)＝−Σａkｘ(ｎ−ｋ) [ｋ＝１ ｔｏ ｐ] （７）
ε(ｎ)＝ｘ(ｎ)−ｚ(ｎ) （８）
ε(ｎ)＝ｘ(ｎ)−ｚ(ｎ) （８）
このようにして導出された差分データε(ｎ)は、確率共鳴処理部２０に送信されて、波形合成部１３（１３1,１３2…１３Q）に受信される。
そして波形合成部１３（１３1,１３2…１３Q）は、受信した差分データε(ｎ)を、複数のノイズデータηq(ｔ)[ｑ＝１，２，…Ｑ]の各々に対して合成し、複数の合成波形ε(ｎ)＋ηq(ｎ)を生成する。
そして波形合成部１３（１３1,１３2…１３Q）は、受信した差分データε(ｎ)を、複数のノイズデータηq(ｔ)[ｑ＝１，２，…Ｑ]の各々に対して合成し、複数の合成波形ε(ｎ)＋ηq(ｎ)を生成する。
なお、第２実施形態における確率共鳴処理部２０を構成するその他の機能部の動作は、第１実施形態における場合と同じなので、説明を省略する。
同様に第２実施形態における確率共鳴処理部２０から出力された加算処理信号ｆ(ｎ)の処理も第１実施形態における場合と同じなので、説明を省略する。
第２実施形態によれば、第１実施形態よりもさらにＳ／Ｎ比が向上させて損傷に起因する異常信号を高感度に検出することが可能となる。
同様に第２実施形態における確率共鳴処理部２０から出力された加算処理信号ｆ(ｎ)の処理も第１実施形態における場合と同じなので、説明を省略する。
第２実施形態によれば、第１実施形態よりもさらにＳ／Ｎ比が向上させて損傷に起因する異常信号を高感度に検出することが可能となる。
図１６のフローチャートに基づいて、第２実施形態に係る回転機器の振動診断方法又はその振動診断プログラムの動作を説明する。
導入初期の損傷が無い状態における回転機器から振動データｘ(ｍ)を事前に取得する（Ｓ３１）。取得した振動データｘ(ｍ)から線形予測係数ａk[ｋ＝１，２…ｐ]を演算し保持する（Ｓ３２）。
導入初期の損傷が無い状態における回転機器から振動データｘ(ｍ)を事前に取得する（Ｓ３１）。取得した振動データｘ(ｍ)から線形予測係数ａk[ｋ＝１，２…ｐ]を演算し保持する（Ｓ３２）。
回転機器に設置した加速度センサにより測定される振動データｘ(ｔ)を取得する（Ｓ３３）。測定した振動データｘ(ｎ)と線形予測係数ａkとから線形予測値データｚ(ｎ)を導出する（Ｓ３４）。導出された線形予測値データｚ(ｎ)と測定した振動データｘ(ｎ)とから差分データε(ｎ)を導出する（Ｓ３５）。
この（Ｓ３１）〜（Ｓ３５）までのフローに対し順番が前後してよいが、互いに独立している複数（Ｑ個）のノイズデータηq(ｔ)[ｑ＝１，２，…Ｑ]を生成する（Ｓ３６）。
第１番目（ｑ＝１）のノイズデータη1(ｎ)を取得して（Ｓ３７，Ｓ３８）、差分データε(ｎ)に合成する（Ｓ３９）。そして、この合成波形ε(ｎ)＋η1(ｔ)を閾値θにより多値化して、多値化信号ｙ1(ｔ)を生成する（Ｓ４０）。
このように、全てのノイズデータηq(ｔ)に対し差分データε(ｎ)を合成して複数の合成波形ε(ｎ)＋ηq(ｔ) [ｑ＝１，２，…Ｑ]を生成し、各々を閾値θにより多値化して複数の多値化信号ｙq(ｔ)[ｑ＝１，２，…Ｑ]を生成する（Ｓ４１）。
第１番目（ｑ＝１）のノイズデータη1(ｎ)を取得して（Ｓ３７，Ｓ３８）、差分データε(ｎ)に合成する（Ｓ３９）。そして、この合成波形ε(ｎ)＋η1(ｔ)を閾値θにより多値化して、多値化信号ｙ1(ｔ)を生成する（Ｓ４０）。
このように、全てのノイズデータηq(ｔ)に対し差分データε(ｎ)を合成して複数の合成波形ε(ｎ)＋ηq(ｔ) [ｑ＝１，２，…Ｑ]を生成し、各々を閾値θにより多値化して複数の多値化信号ｙq(ｔ)[ｑ＝１，２，…Ｑ]を生成する（Ｓ４１）。
次に、このように生成した複数の多値化信号ｙq(ｔ)[ｑ＝１，２，…Ｑ]を加算し平均して有次元化した加算処理信号ｆ(ｎ)を生成する（Ｓ４２）。そして、この加算処理信号ｆ(ｎ)又はこの加算処理信号ｆ(ｎ)のエンベロープ処理信号のスペクトルを解析する。これ以降のフローは、図１４（第１実施形態）の（Ｓ１９）〜（ＥＮＤ）までのフローと同じなので説明を省略する。
以上述べた少なくともひとつの実施形態の回転機器の振動診断装置によれば、互いに独立している複数のノイズデータに振動データを合成することにより、測定した振動データから損傷に起因する異常信号を高感度に検出することが可能となる。
本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更、組み合わせを行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。
また、回転機器の振動診断装置の構成要素は、コンピュータのプロセッサで実現することも可能であり、回転機器の振動診断プログラムにより動作させることが可能である。
また、回転機器の振動診断装置の構成要素は、コンピュータのプロセッサで実現することも可能であり、回転機器の振動診断プログラムにより動作させることが可能である。
１０…振動診断装置、１１…振動データ取得部（取得部）、１２…ノイズデータ生成部（生成部）、１３（１３1,１３2…１３Q）…波形合成部、１４（１４1,１４2…１４Q）…閾値処理部、１５…加算処理部、１６…エンベローブ導出部、１７…スペクトル解析部、１８…判定部、２０…確率共鳴処理部、２１…閾値保存部、２３…軸受仕様データ値保存部、２４…特徴周波数計算部、２６…スイッチ、２７…線形予測係数演算部、２８…線形予測係数保持部、２９…差分データ導出部、２９ａ…第１導出部、２９ｂ…第２導出部、ａk[ｋ＝１，２…ｐ]…線形予測係数、ｚ(ｎ)…線形予測値データ、ηq(ｎ)[ｑ＝１，２，…Ｑ]…ノイズデータ、ε(ｎ)…差分データ、θ（θ1, θ2…θQ）…閾値、ｙq(ｔ)[ｑ＝１，２，…Ｑ]…多値化信号、ｘ(ｔ)…振動データ、ｒ(ｔ)…エンベローブ信号、ｆ(ｔ)…加算処理信号。
Claims (4)
- 回転機器の振動を測定した振動データを取得する取得部と、
互いに独立している複数のノイズデータを生成する生成部と、
前記複数のノイズデータの各々に対し前記振動データを合成し複数の合成波形を生成する波形合成部と、
前記複数の合成波形の各々を閾値により多値化した複数の多値化信号を生成する閾値処理部と、
前記複数の合成波形の多値化信号を加算平均し、振幅データの最大振幅値を乗算させた加算処理信号を生成する加算処理部と、
前記加算処理信号又はこの加算処理信号をさらに処理した信号のスペクトルを解析するスペクトル解析部と、
前記回転機器の異常に起因する発振の特徴周波数に立つ前記スペクトルのピークの有無を判定する判定部と、を備えることを特徴とする回転機器の振動診断装置。 - 事前に取得された振動データから演算された線形予測係数を保持する保持部と、
前記測定した振動データと前記線形予測係数とから線形予測値データを導出する第１導出部と、
この線形予測値データと前記測定した振動データとから差分データを導出する第２導出部と、をさらに備え、
前記波形合成部は、前記振動データに替えて前記差分データを、前記複数のノイズデータの各々に対して合成し、複数の合成波形を生成することを特徴とする請求項１に記載の回転機器の振動診断装置。 - 回転機器の振動を測定した振動データを取得するステップと、
互いに独立している複数のノイズデータを生成するステップと、
前記複数のノイズデータの各々に対し前記振動データを合成し複数の合成波形を生成するステップと、
前記複数の合成波形の各々を閾値により多値化した複数の多値化信号を生成するステップと、
前記複数の合成波形の多値化信号を加算平均し、振幅データの最大振幅値を乗算させた加算処理信号を生成するステップと、
前記加算処理信号又はこの加算処理信号をさらに処理した信号のスペクトルを解析するステップと、
前記回転機器の異常に起因する発振の特徴周波数に立つ前記スペクトルのピークの有無を判定するステップと、を含むことを特徴とする回転機器の振動診断方法。 - コンピュータに、
回転機器の振動を測定した振動データを取得するステップ、
互いに独立している複数のノイズデータを生成するステップ、
前記複数のノイズデータの各々に対し前記振動データを合成し複数の合成波形を生成するステップ、
前記複数の合成波形の各々を閾値により多値化した複数の多値化信号を生成するステップ、
前記複数の合成波形の多値化信号を加算平均し、振幅データの最大振幅値を乗算させた加算処理信号を生成するステップ、
前記加算処理信号又はこの加算処理信号をさらに処理した信号のスペクトルを解析するステップ、
前記回転機器の異常に起因する発振の特徴周波数に立つ前記スペクトルのピークの有無を判定するステップ、を実行させることを特徴とする回転機器の振動診断プログラム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2014205666A JP6305303B2 (ja) | 2014-10-06 | 2014-10-06 | 回転機器の振動診断装置、方法及びプログラム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2014205666A JP6305303B2 (ja) | 2014-10-06 | 2014-10-06 | 回転機器の振動診断装置、方法及びプログラム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2016075563A JP2016075563A (ja) | 2016-05-12 |
| JP6305303B2 true JP6305303B2 (ja) | 2018-04-04 |
Family
ID=55951347
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2014205666A Active JP6305303B2 (ja) | 2014-10-06 | 2014-10-06 | 回転機器の振動診断装置、方法及びプログラム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6305303B2 (ja) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109085375B (zh) * | 2018-07-26 | 2021-05-25 | 国家电网有限公司 | 一种旋转机械的键相脉冲信号监测方法及装置 |
| CN112539828B (zh) * | 2020-12-08 | 2023-03-21 | 中水三立数据技术股份有限公司 | 基于曲线拟合对比分析的泵组设备诊断方法、系统、设备 |
| CN118243213B (zh) * | 2024-03-25 | 2024-09-03 | 青岛零一动测数据科技有限公司 | 一种振动噪声监测分析方法及振动噪声监测系统 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0733977B2 (ja) * | 1989-02-20 | 1995-04-12 | 富士電機株式会社 | 歯車異常診断装置 |
| JP2847643B2 (ja) * | 1996-10-28 | 1999-01-20 | 新菱冷熱工業株式会社 | 音響法による空調用フアン及びポンプの異常検出方法 |
| US8462975B2 (en) * | 2007-02-09 | 2013-06-11 | Able Planet, Incorporated | Method and apparatus for modifying an audio signal |
| JP2008298527A (ja) * | 2007-05-30 | 2008-12-11 | Toshiba Corp | 回転機械の振動診断方法及びその振動診断装置 |
| JPWO2010035576A1 (ja) * | 2008-09-24 | 2012-02-23 | 国立大学法人大阪大学 | 制御信号生成方法、その装置、及び移動体駆動制御装置 |
| JP5780870B2 (ja) * | 2011-07-28 | 2015-09-16 | 株式会社東芝 | 回転機器の健全性診断装置、方法およびプログラム |
| JP2013224853A (ja) * | 2012-04-20 | 2013-10-31 | Hitachi Building Systems Co Ltd | 昇降機の低速回転軸受の異常診断方法 |
-
2014
- 2014-10-06 JP JP2014205666A patent/JP6305303B2/ja active Active
Also Published As
| Publication number | Publication date |
|---|---|
| JP2016075563A (ja) | 2016-05-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Delgado-Arredondo et al. | Methodology for fault detection in induction motors via sound and vibration signals | |
| US8066486B2 (en) | Method and apparatus for vibration-based automatic condition monitoring of a wind turbine | |
| US10551830B2 (en) | Method, system and computer program for learning phase of an acoustic or vibratory analysis of a machine | |
| CN108956117B (zh) | 电磁振动分量的去除方法、旋转机械诊断方法及装置 | |
| Klausen et al. | Cross-correlation of whitened vibration signals for low-speed bearing diagnostics | |
| JP7407382B2 (ja) | 音データ処理方法、音データ処理装置及びプログラム | |
| CN109029999B (zh) | 基于增强调制双谱分析的滚动轴承故障诊断方法 | |
| Klein et al. | Bearing diagnostics using image processing methods | |
| JP6305303B2 (ja) | 回転機器の振動診断装置、方法及びプログラム | |
| CN111256993A (zh) | 一种风电机组主轴承故障类型诊断方法及系统 | |
| Kim et al. | A new prognostics approach for bearing based on entropy decrease and comparison with existing methods | |
| KR101543146B1 (ko) | 진동 장치의 상태 판단 방법 | |
| CN117836599A (zh) | 检测旋转系统中轴承缺陷的方法以及实施该方法的监控系统 | |
| JP2005300517A (ja) | ころがり軸受の異常診断方法および装置 | |
| JP5958932B2 (ja) | 動的設備の状態監視システムとその方法とそのプログラム | |
| JP7098399B2 (ja) | 状態監視装置および状態監視方法 | |
| JP7394031B2 (ja) | 転がり軸受の異常検出装置、及び異常検出方法 | |
| JP6483972B2 (ja) | 信号処理方法及び信号処理装置 | |
| Soualhi et al. | Early detection of bearing faults by the hilbert-huang transform | |
| JP6815489B2 (ja) | 振動検出装置および異常判定システム | |
| CN112345247B (zh) | 一种滚动轴承的故障诊断方法及装置 | |
| KR101752298B1 (ko) | 회전익 진동 기반 건전성 감시 장치 및 이를 이용하는 감시 방법 | |
| Huang et al. | Short-time kurtogram for bearing fault feature extraction under time-varying speed conditions | |
| Chiementin et al. | Early detection of rolling bearing defect by demodulation of vibration signal using adapted wavelet | |
| Daga et al. | Fast computation of the autogram for the detection of transient faults |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20170301 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20171122 |
|
| A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A712 Effective date: 20171127 |
|
| A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20171128 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180109 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180116 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20180206 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20180306 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6305303 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |