JP6950891B2 - 欠陥検出システム、欠陥モデル作成プログラム、および欠陥検出プログラム - Google Patents
欠陥検出システム、欠陥モデル作成プログラム、および欠陥検出プログラム Download PDFInfo
- Publication number
- JP6950891B2 JP6950891B2 JP2018036642A JP2018036642A JP6950891B2 JP 6950891 B2 JP6950891 B2 JP 6950891B2 JP 2018036642 A JP2018036642 A JP 2018036642A JP 2018036642 A JP2018036642 A JP 2018036642A JP 6950891 B2 JP6950891 B2 JP 6950891B2
- Authority
- JP
- Japan
- Prior art keywords
- signal
- defect
- normal
- evaluation
- unit
- 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
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
- G01M13/04—Bearings
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Description
101 モデル学習部
102 基準情報取得部
103 分割部
104 初期特徴ベクトル作成部
105 高寄与特徴量抽出部
106 ベクトル再構成部
107 正常モデル学習部
108 基準欠陥度算出部
109 総合正常モデル作成部
110 正常信号欠陥度算出部
111 欠陥検出閾値設定部
151 検出部
152 評価情報取得部
153 評価分割部
154 評価ベクトル生成部
155 評価欠陥度算出部
156 評価信号欠陥度算出部
157 欠陥率算出部
158 判断部
159 報知部
200 測定装置
200Hz 以上
201 軸体
202 駆動装置
203 錘
204 付勢部材
205 基体
206 記録装置
210 対象軸受
211 補助軸受
221 第一センサ
222 第二センサ
223 第三センサ
300 実機
301 欠陥モデル作成プログラム
306 実機記録装置
310 測定用コンピュータ
311 評価用コンピュータ
312 欠陥検出プログラム
313 サーバ
Claims (10)
- 欠陥状態が既知の転がり軸受を用いてモデルを学習するモデル学習部と、学習したモデルを用いて転がり軸受の欠陥を検出する検出部とを備える転がり軸受の欠陥検出システムであって、
前記モデル学習部は、
欠陥のない転がり軸受である正常軸受で支持された軸体を回転させた状態の測定結果である正常信号を取得し、比較的小さな欠陥を有する前記正常軸受と同種の転がり軸受である第一軸受で支持された軸体を回転させた状態の測定結果である第一信号を取得し、前記正常軸受と同種の転がり軸受であり前記第一軸受よりも大きな欠陥を有する第二軸受で支持された軸体を回転させた状態の測定結果である第二信号を取得する基準情報取得部と、
前記正常信号、前記第一信号、および前記第二信号に基づく情報を所定の時間長さで複数のセグメントに分割する分割部と、
前記正常信号、前記第一信号、および前記第二信号の各セグメントに対して、特徴量を算出して初期個数の初期特徴量からなる初期特徴ベクトルを作成する初期特徴ベクトル作成部と、
作成された初期特徴ベクトルを用いて正常信号と第一信号、および正常信号と第二信号をそれぞれ教師有学習で分類し、第一信号を分類するに際し寄与度の高い特徴量である第一特徴量と、第二信号を分類するに際し寄与度の高い特徴量である第二特徴量を初期特徴量からそれぞれ抽出する高寄与特徴量抽出部と、
前記第一特徴量を用いて前記正常信号に基づく第一正常ベクトルと、前記第一信号に基づく第一特徴ベクトルを再構成し、前記第二特徴量を用いて前記正常信号に基づく第二正常ベクトルと、前記第二信号に基づく第二特徴ベクトルを再構成するベクトル再構成部と、
前記第一正常ベクトル、および前記第二正常ベクトルをそれぞれ用いて第一正常モデル、および第二正常モデルを学習により作成する正常モデル学習部と、
前記第一特徴ベクトルを用いて前記第一正常モデルに対する第一欠陥度と、前記第二特徴ベクトルを用いて前記第二正常モデルに対する第二欠陥度とを算出する基準欠陥度算出部と、
前記第一欠陥度、および前記第二欠陥度を入力ベクトルとして総合正常モデルを作成する総合正常モデル作成部と、
前記第一欠陥度、および前記第二欠陥度を入力ベクトルとして、前記総合正常モデルから正常信号の欠陥度である正常信号欠陥度を算出する正常信号欠陥度算出部と、
前記正常信号欠陥度に基づき欠陥検出閾値を設定する欠陥検出閾値設定部とを備え、
前記検出部は、
前記正常軸受と同種の転がり軸受である評価軸受で支持された軸体を回転させた状態の測定結果である評価信号を取得する評価情報取得部と、
前記評価信号を所定の時間長さで複数のセグメントに分割する評価分割部と、
分割された前記評価信号の各セグメントに対し、前記第一特徴量を用いて第一評価ベクトル、および前記第二特徴量を用いて第二評価ベクトルを生成する評価ベクトル生成部と、
前記第一評価ベクトルを用いて前記評価信号の前記第一正常モデルに対する第一評価欠陥度と、前記第二評価ベクトルを用いて前記評価信号の前記第二正常モデルに対する第二評価欠陥度とを算出する評価欠陥度算出部と、
前記第一評価欠陥度、および前記第二評価欠陥度を入力ベクトルとして、前記総合正常モデルから評価信号の欠陥度である評価信号欠陥度を算出する評価信号欠陥度算出部と、
前記評価信号欠陥度を前記欠陥検出閾値と比較し、評価信号に含まれる全情報のうち、欠陥度が欠陥検出閾値を超える割合を欠陥率として算出する欠陥率算出部と、
前記欠陥率が所定の欠陥率閾値を超えた場合に評価信号を取得した転がり軸受に欠陥があると判断する判断部とを備える
欠陥検出システム。 - 前記正常信号、前記第一信号、および前記第二信号は、いずれも振動情報である
請求項1に記載の欠陥検出システム。 - 前記正常信号、前記第一信号、前記第二信号、および前記評価信号は、それぞれ測定対象となる転がり軸受の軸方向の振動情報である軸振動情報、第一放射方向の振動情報である第一振動情報、および前記軸方向と前記第一放射方向とに交差する第二放射方向の振動情報である第二振動情報を含む
請求項2に記載の欠陥検出システム。 - 前記第二振動の振動方向である前記第二放射方向は、水平面内に含まれ、前記第二放射方向には測定対象の前記軸体と前記転がり軸受との間に外部から力が加えられていない
請求項3に記載の欠陥検出システム。 - 前記分割部は、前記正常信号、前記第一信号、および前記第二信号に対してフーリエ変換を行い周波数領域情報を生成し、
前記初期特徴ベクトル作成部は、前記周波数領域情報であることも特徴情報の一つとして初期特徴ベクトルを作成する
請求項1から4のいずれか一項に記載の欠陥検出システム。 - 前記分割部は、前記周波数領域に対してさらにフーリエ変換を行ったケフレンシ領域情報を作成し、
前記初期特徴ベクトル作成部は、前記ケフレンシ領域情報であることも初期特徴量の一つとして初期特徴ベクトルを作成する
請求項5に記載の欠陥検出システム。 - 前記初期特徴量のパラメータは、実効値、最大値、波高率、変調値、尖度、および歪度のうちの少なくとも1つを含む
請求項1から6のいずれか一項に記載の欠陥検出システム。 - 前記分割部は、前記正常信号、前記第一信号、および前記第二信号に対してバンドパスフィルタを適用して複数の周波数帯域の情報を抽出し、
前記評価分割部は、前記評価信号に対して同様のバンドパスフィルタを適用して複数の前記周波数帯域の情報を抽出する
請求項1から7のいずれか一項に記載の欠陥検出システム。 - 欠陥のない転がり軸受である正常軸受で支持された軸体を回転させた状態の測定結果である正常信号を取得し、比較的小さな欠陥を有する前記正常軸受と同種の転がり軸受である第一軸受で支持された軸体を回転させた状態の測定結果である第一信号を取得し、前記正常軸受と同種の転がり軸受であり前記第一軸受よりも大きな欠陥を有する第二軸受で支持された軸体を回転させた状態の測定結果である第二信号を取得する基準情報取得部と、
前記正常信号、前記第一信号、および前記第二信号に基づく情報を所定の時間長さで複数のセグメントに分割する分割部と、
前記正常信号、前記第一信号、および前記第二信号の各セグメントに対して、特徴量を算出して初期個数の初期特徴量からなる初期特徴ベクトルを作成する初期特徴ベクトル作成部と、
作成された初期特徴ベクトルを用いて正常信号と第一信号、および正常信号と第二信号をそれぞれ教師有学習で分類し、第一信号を分類するに際し寄与度の高い特徴量である第一特徴量と、第二信号を分類するに際し寄与度の高い特徴量である第二特徴量を初期特徴量からそれぞれ抽出する高寄与特徴量抽出部と、
前記第一特徴量を用いて前記正常信号に基づく第一正常ベクトルと、前記第一信号に基づく第一特徴ベクトルを再構成し、前記第二特徴量を用いて前記正常信号に基づく第二正常ベクトルと、前記第二信号に基づく第二特徴ベクトルを再構成するベクトル再構成部と、
前記第一正常ベクトル、および前記第二正常ベクトルをそれぞれ用いて第一正常モデル、および第二正常モデルを学習により作成する正常モデル学習部と、
前記第一特徴ベクトルを用いて前記第一正常モデルに対する第一欠陥度と、前記第二特徴ベクトルを用いて前記第二正常モデルに対する第二欠陥度とを算出する基準欠陥度算出部と、
前記第一欠陥度、および前記第二欠陥度を入力ベクトルとして総合正常モデルを作成する総合正常モデル作成部と、
前記第一欠陥度、および前記第二欠陥度を入力ベクトルとして、前記総合正常モデルから正常信号の欠陥度である正常信号欠陥度を算出する正常信号欠陥度算出部と、
前記正常信号欠陥度に基づき欠陥検出閾値を設定する欠陥検出閾値設定部とを含み、
各処理をコンピュータに実行させることにより上記各処理部を実現する欠陥モデル作成プログラム。 - 請求項9に記載の欠陥モデル作成プログラムにより作成された欠陥モデルを用いて転がり軸受の欠陥を検出する欠陥検出プログラムであって、
測定対象の転がり軸受である評価軸受で支持された軸体を回転させた状態の測定結果である評価信号を取得する評価情報取得部と、
前記評価信号を所定の時間長さで複数のセグメントに分割する評価分割部と、
分割された前記評価信号の各セグメントに対し、前記第一特徴量を用いて第一評価ベクトル、および前記第二特徴量を用いて第二評価ベクトルを生成する評価ベクトル生成部と、
前記第一評価ベクトルを用いて前記評価信号の前記第一正常モデルに対する第一評価欠陥度と、前記第二評価ベクトルを用いて前記評価信号の前記第二正常モデルに対する第二評価欠陥度とを算出する評価欠陥度算出部と、
前記第一評価欠陥度、および前記第二評価欠陥度を入力ベクトルとして、前記総合正常モデルから評価信号の欠陥度である評価信号欠陥度を算出する評価信号欠陥度算出部と、
前記評価信号欠陥度を前記欠陥検出閾値と比較し、評価信号に含まれる全情報のうち、欠陥度が欠陥検出閾値を超える割合を欠陥率として算出する欠陥率算出部と、
前記欠陥率が所定の欠陥率閾値を超えた場合に評価信号を取得した転がり軸受に欠陥があると判断する判断部とを含み、
各処理をコンピュータに実行させることにより上記各処理部を実現する転がり軸受の欠陥検出プログラム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018036642A JP6950891B2 (ja) | 2018-03-01 | 2018-03-01 | 欠陥検出システム、欠陥モデル作成プログラム、および欠陥検出プログラム |
PCT/JP2019/007758 WO2019168086A1 (ja) | 2018-03-01 | 2019-02-28 | 欠陥検出システム、欠陥モデル作成プログラム、および欠陥検出プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018036642A JP6950891B2 (ja) | 2018-03-01 | 2018-03-01 | 欠陥検出システム、欠陥モデル作成プログラム、および欠陥検出プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019152979A JP2019152979A (ja) | 2019-09-12 |
JP6950891B2 true JP6950891B2 (ja) | 2021-10-13 |
Family
ID=67805419
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018036642A Active JP6950891B2 (ja) | 2018-03-01 | 2018-03-01 | 欠陥検出システム、欠陥モデル作成プログラム、および欠陥検出プログラム |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP6950891B2 (ja) |
WO (1) | WO2019168086A1 (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7366729B2 (ja) * | 2019-12-17 | 2023-10-23 | Ntn株式会社 | 軸受検査装置、検査方法、および検査プログラム |
KR102313723B1 (ko) * | 2019-12-19 | 2021-10-15 | 울산대학교 산학협력단 | 회전설비의 결함 진단장치 및 방법 |
CN117058106A (zh) * | 2023-08-16 | 2023-11-14 | 广东理工学院 | 基于随机森林的柔性玻璃平面度及表面缺陷的测量方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3944744B2 (ja) * | 2003-07-29 | 2007-07-18 | 日本精工株式会社 | 異常診断装置及びこれを有する転がり軸受装置 |
JP5740208B2 (ja) * | 2011-05-23 | 2015-06-24 | 千代田化工建設株式会社 | 軸受診断方法及びシステム |
JP6820771B2 (ja) * | 2016-03-17 | 2021-01-27 | Ntn株式会社 | 状態監視システムおよび風力発電装置 |
-
2018
- 2018-03-01 JP JP2018036642A patent/JP6950891B2/ja active Active
-
2019
- 2019-02-28 WO PCT/JP2019/007758 patent/WO2019168086A1/ja active Application Filing
Also Published As
Publication number | Publication date |
---|---|
JP2019152979A (ja) | 2019-09-12 |
WO2019168086A1 (ja) | 2019-09-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bediaga et al. | Ball bearing damage detection using traditional signal processing algorithms | |
Sobie et al. | Simulation-driven machine learning: Bearing fault classification | |
Dolenc et al. | Distributed bearing fault diagnosis based on vibration analysis | |
JP6950891B2 (ja) | 欠陥検出システム、欠陥モデル作成プログラム、および欠陥検出プログラム | |
JP6196093B2 (ja) | 軸受装置の振動解析方法、軸受装置の振動解析装置、および転がり軸受の状態監視装置 | |
Batista et al. | A classifier fusion system for bearing fault diagnosis | |
Patel et al. | Comparison between artificial neural network and support vector method for a fault diagnostics in rolling element bearings | |
KR102120756B1 (ko) | 실시간 진동 분석을 이용한 회전기계의 자동진단방법 | |
Khan et al. | Automated bearing fault diagnosis using 2D analysis of vibration acceleration signals under variable speed conditions | |
JP7375733B2 (ja) | ボールねじの予圧低下検出方法及び直動駆動装置 | |
CN110226140B (zh) | 状态监视方法及状态监视装置 | |
Kulkarni et al. | Vibration based condition assessment of ball bearing with distributed defects | |
JP5067121B2 (ja) | 転がり軸受の異常判定方法及び異常判定装置 | |
KR102126373B1 (ko) | 회전 장치의 적어도 하나의 가동부에서의 결함 발생 감지 및 모니터링 방법과 관련 시스템 | |
US20200096384A1 (en) | Blade abnormality detecting device, blade abnormality detecting system, rotary machine system, and blade abnormality detecting method | |
Paliwal et al. | Wavelet and scalar indicator based fault assessment approach for rolling element bearings | |
Hizarci et al. | Vibration region analysis for condition monitoring of gearboxes using image processing and neural networks | |
Shakya et al. | Bearing diagnosis using proximity probe and accelerometer | |
Doguer et al. | Vibration analysis using time domain methods for the detection of small roller bearing defects | |
Aye | Statistical approach for tapered bearing fault detection using different methods | |
Botsaris et al. | A preliminary estimation of analysis methods of vibration signals at fault diagnosis in ball bearings | |
Koulocheris et al. | Wear and multiple fault diagnosis on rolling bearings using vibration signal analysis | |
Gill et al. | Non-Contact Fault Diagnosis of Bearings using Ensemble and NaÏve Bayes Classifiers | |
Meier et al. | Determination of bearing clearance by the application of neural networks | |
Knežević et al. | Analysis of the impact of lubrication on the dynamic behavior of ball bearings using artificial neural networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180419 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200907 |
|
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: 20210831 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210913 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6950891 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |