JP7179674B2 - 潤滑油の診断方法および潤滑油の監視システム - Google Patents

Description

本発明は、潤滑油の診断技術に係り、特に、風力発電機などの回転機械で用いられる潤滑油の診断技術に関する。

回転機械の保全・保守を行う上で、潤滑油の特性診断は重要な技術である。潤滑油の特性変化としては、基油の酸化による変化、汚染物質による変化、水分混入による変化、添加剤の変化などがある。従来、潤滑油の診断としては、例えば、特許文献１～５に記載のものがある。

特許文献１には、流体について、ＬＣＲ共振器の共振インピーダンススペクトル応答を測定し、水、煤、摩耗生成物などの含有を検出するシステムが開示されている。

特許文献２には、各種の機械または設備で使用された潤滑油などをフィルタでろ過し、汚染物を捕捉したフィルタから油分を除去し、油分が除去されたフィルタに光を投射し、油分が除去されたフィルタを透過した透過光の色成分を検出することにより油の状態を監視する方法が開示されている。

特許文献３には、潤滑油中の汚染物質の種類を光学センサで検出した色に基づき特定することが開示されている。

特許文献４には、静電容量検出手段により潤滑油中の混入水分濃度の監視することが開示されている。

特許文献５には、風力タービンからの潤滑オイルについて初期理想残存寿命を決定し、風力タービンからの潤滑オイルの温度測定値に基づいて潤滑オイルについての温度ベースの残存寿命を決定し、潤滑オイルの汚染サンプルに基づいて潤滑オイルの汚染係数を計算し、汚染係数、初期理想残存寿命及び温度ベースの残存寿命に基づいて潤滑オイルについての更新した理想残存寿命を決定し、更新した理想残存寿命及び寿命損失係数に基づいて潤滑オイルについての実際の残存寿命を決定することによって、風力タービンからの潤滑オイルを監視することが開示されている。汚染サンプルに基づく汚染係数は、潤滑オイルの特性（鉄粒子数、含水量、誘電率及び国際標準化機構（ＩＳＯ）レベル粒子数の内の少なくとも１つの測定値）に基づき計算されている。

また、特許文献６には、潤滑油中の酸化防止剤含有量から潤滑油を判定すること、潤滑油の色差から判定すること、が記載されている。

特開２０１６－１２６００７号公報 ＷＯ２０１０／１５０５２６号公報 特開２０１２－１１７９５１号公報 特開２０１２－１８１１６８号公報 特開２０１６－０４４６８１号公報 ＷＯ２０１６／１１４３０２号公報

風車の増速機のような回転機械で使用される潤滑油の汚染と劣化の監視は，非常に重要な技術である。それは，潤滑油の異常は，振動，温度，騒音などの他のセンシング手段よりも，早期に起こるために，機械の異常を発見可能であるからである。固形粒子や水混入による潤滑油の汚染は，軸受や歯車などの重要な機械部品の寿命を著しく低下させることが知られている。また，潤滑油の使用に伴う化学的な経時劣化により，極圧剤や摩耗防止剤などの添加剤が減少すると，機械の摩耗が発生しやすくなることが知られている。

センサによって，潤滑油の色度を計測することにより，潤滑油の状態を監視することが可能であるが，単に，測定した色度を表示しても，汚染の程度や潤滑油の余寿命が判らないため，潤滑油の汚染と劣化を定量的に示す必要があった。

本発明の目的は、潤滑油の汚染と劣化を定量的に診断することが可能な潤滑油の診断技術を提供することにある。

本発明の好ましい一側面は、入力装置、処理装置、記憶装置および出力装置を備える情報処理装置で実行される、添加剤を含む潤滑油の診断方法であって、劣化診断と汚染診断を含む。入力装置から、光学式センサによって得た診断対象の潤滑油の色度情報を得、記憶装置には、診断対象の潤滑油の、劣化に伴う色度座標の推移に関して予め定めた劣化曲線と、汚染潤滑油を用いて予め定められた限界汚染度に対応する色度座標を記憶している。潤滑油の汚染診断では、処理装置で、色度情報から診断対象の潤滑油の色度座標を得、診断対象の潤滑油の色度座標の劣化曲線からの距離、および、限界汚染度に対応する色度座標の劣化曲線からの距離、から求めた相対汚染度を用いる。

本発明のより具体的な実施例では、潤滑油の劣化診断では、診断対象の潤滑油の色度座標と予め求めておいた相関関係に基づき、診断対象の潤滑油に含まれる添加剤の濃度を定量する。あるいは、潤滑油の劣化診断では、劣化曲線に関して予め限界劣化度の色度座標を定め、診断対象の潤滑油の色度座標、および、限界劣化度の色度座標から得た、相対劣化度を用いる。また、好ましい例では、汚染診断を劣化診断の前に行う。

本発明の他の好ましい一側面は、回転機械の駆動部に供給される潤滑油の監視システムである。このシステムは、潤滑油の色度に関するデータを測定する光学式センサ、入力装置、処理装置、記憶装置および出力装置を備える。処理装置は、劣化度合が異なる潤滑油に含まれる添加剤の濃度と劣化度合が異なる潤滑油の光学式センサによる色度座標との予め求めておいた関係、及び、監視対象の潤滑油の劣化曲線に基づき、監視対象の潤滑油の汚染度および劣化度を定量する。

より好ましい具体的な例では、記憶装置は、潤滑油の劣化に伴う、潤滑油の色度の推移を色度座標上で示す、劣化曲線のデータを保持する。また、記憶装置は、潤滑油の汚染度の閾値を、潤滑油の色度により色度座標上で示す、汚染度閾値曲線のデータを保持する。処理装置は、潤滑油の色度に関するデータと劣化曲線のデータの色度座標上の位置関係、および、汚染度閾値曲線のデータと劣化曲線のデータの色度座標上の位置関係、に基づいて、監視対象の潤滑油の相対的な汚染度を計算する。

本発明の他の好ましい一側面は、入力装置、処理装置、記憶装置および出力装置を備える情報処理装置で実行される、潤滑油の診断方法である。この診断方法では、潤滑油の劣化に伴う、潤滑油の色度の推移を色度座標上で示す、劣化曲線のデータを準備し、潤滑油の汚染度の閾値を、潤滑油の色度により色度座標上で示す、汚染度閾値曲線のデータを準備する。そして、診断対象となる潤滑油を光学的に測定した色度情報を得て、色度座標上の位置を特定し、診断対象となる潤滑油の色度情報の色度座標上の位置、劣化曲線、および汚染度閾値曲線の位置関係から、潤滑油の相対的な汚染度を導く。

本発明によれば、潤滑油の添加剤の汚染と劣化を定量的に診断することが可能となる。上記した以外の課題、構成及び効果は、以下の実施形態の説明により明らかにされる。

本発明が適用される装置の一例である風力発電機の概略全体構成図。 劣化曲線と正常および異常サンプルの分布を示すグラフ図。 潤滑油の汚染によるプロットのシフトの計算結果を示すグラフ図。 本発明の相対汚染量の求め方を示すグラフ図。 本発明の相対汚染量の求め方を示すグラフ図。 潤滑油の汚染度と風車出力の相関を示すグラフ図。 潤滑油の汚染度と風車出力の相関を示すグラフ図。 潤滑油の汚染度と風車出力の相関から診断を行うフロー図。 潤滑油供給系統を有する風力発電機の潤滑油の監視システムの概略図。 潤滑油用センサを備えた回転部品の概念図。 潤滑油診断フロー図。 潤滑油余寿命推定の概念を示すグラフ図。 他の実施例の中央サーバの一例を示すブロック図。 劣化曲線と正常および異常サンプルの分布を示すグラフ図。 潤滑油の汚染によるプロットのシフトの計算結果を示すグラフ図。 相対劣化度と相対汚染度の関係を示すグラフ図。

本実施例は、光学式センサの計測データに基づき求められる色度データを用いて潤滑油の汚染と劣化を定量的に診断し，結果を通知し，必要な保守を行う。先ず、本発明の実施の形態を詳細に説明する前に、本発明に至った経緯について説明する。近年、部品の余寿命評価技術などの進歩により、回転部品を有する機械（以下、回転機械と称する）の予防的保全，計画的な保守が普及している。潤滑油の酸化劣化による潤滑機能低下や、潤滑油中の摩耗粉および塵埃などの汚染粒子は、回転機械の故障に繋がる軸受，歯車などの回転部品の摩耗損傷を誘起するため、潤滑油の監視技術は特に重要である。なお、以降本明細書では潤滑油あるいはその添加剤の変質、たとえば添加剤の濃度変化を「劣化（度）」といい、潤滑油への摩耗粉、塵埃、水などの混入を「汚染（度）」という。

＜１．潤滑油の監視技術が適用される風力発電機の例＞
本発明が適用される装置の一例である、風力発電機では、構成要素間の機械的な摩擦係数を低減するために潤滑油等を使用している。以下、風力発電機の潤滑油を例として潤滑油の監視技術を説明する。

図１に、ダウンウインド型の風力発電機の概略全体構成図を示す。図１では、ナセル３内に配される各機器を点線にて示している。図１に示すように、風力発電機１は、風を受けて回転するブレード５、ブレード５を支持するハブ４、ナセル３、及びナセル３を水平面内に回動可能に支持するタワー２を備える。

ナセル３内に、ハブ４に接続されハブ４と共に回転する主軸３１、主軸３１に連結されるシュリンクディスク３２、シュリンクディスク３２を介して主軸３１に接続され回転速度を増速する増速機３３、及び、カップリング３８を介して増速機３３により増速された回転速度で回転子を回転させて発電運転する発電機３４を備えている。

ブレード５の回転エネルギーを発電機３４に伝達する部位は、動力伝達部と呼ばれ、本実施例では、主軸３１、シュリンクディスク３２、増速機３３及びカップリング３８が動力伝達部に含まれる。そして、増速機３３及び発電機３４は、メインフレーム３５上に保持されている。また、メインフレーム３５上には、動力伝達部の潤滑用に潤滑油を貯留するオイルタンク３７が一つまたは複数設置されている。また、ナセル３内には、ナセル隔壁３０よりも風上側にラジエータ３６が配置されている。外気を用いてラジエータ３６で冷却された冷却水を発電機３４や増速機３３に循環させて発電機３４や増速機３３を冷却している。

風力発電機では、多くの回転部品で潤滑油が使用されている。たとえば、図１において、主軸３１、増速機３３、発電機３４、図示しないヨー、ピッチなどの軸受には潤滑油が供給される。風速に応じてブレードのピッチ角を変え出力を制御するのがブレードのピッチ制御であり、ナセルの方位制御がヨー制御である。

このような可動部分については潤滑油を供給する必要がある。潤滑油は回転部分の摩擦を低減し、部品の磨耗や破損、あるいはエネルギーロスを防止する。しかし、潤滑油の経時的な劣化による潤滑性能の低下や、摩耗粒子，塵埃などの潤滑油への混入による汚染が起こると、摩擦係数が増加し、風力発電機の故障リスクが増大する。

風力発電機が故障すると、故障部品交換のコスト・停電中の発電収入減など、多大なロスコストが発生するため、余寿命予測・予兆検知による早期部品手配、停電期間短縮などの対策が望まれている。特に、重要部品である増速機は、潤滑油の性能が低下すると故障リスクが増大するため、潤滑油の劣化や汚染を検知して、余寿命や交換時期を可能な限り早期に推定するための技術が重要である。

＜２．潤滑油の特性評価手法と各種添加剤＞
潤滑油の特性を評価するための監視対象パラメータとしては、粘度、全酸価測定、成分元素分析など種々のものが考えられる。

しかし、監視対象として風力発電機の潤滑油を想定した場合、例えば、粘度による特性の評価では、風車発電機の増速機の潤滑油は化学的に非常に安定な合成油が使用されており、粘度はほとんど変化しないため、これのみでは余寿命推定の指標として適していない。また、酸化による劣化を示す全酸価の測定では、風車発電機の増速機の潤滑油は、酸化に対して非常に安定な合成油が使用されており、全酸価はほとんど変化しないため、これのみでは余寿命推定の指標として適していない。

また、潤滑油に含有される微粒子粉や水分を測定する手法も考えられるが、潤滑油中にこれらの含有物が検出されている時点で、すでに磨耗やリークが生じている可能性があり、さらに早期に予兆を検出することが望まれる。また、風車発電機の増速機の潤滑油は粘度が高く、気泡が多数混入した状態で循環しており、パーティクルカウンタや鉄粉濃度計を設置して粒子計測を行う粒子計測法では気泡と粒子の識別が難しい。また、パーティクルカウンタや鉄粉濃度計によって、後述の潤滑油の添加剤の消耗を計測することは原理的に不可能である。

これらのようなことから、風力発電機の潤滑油余寿命を早期推定するためには、風力発電機の潤滑油の新たな性能評価方法が必要である。

ところで、上述したように、潤滑油には潤滑性能を維持するために種々の添加剤が含まれる。例えば、油性剤，摩耗防止剤，極圧添加剤（極圧剤）などの耐荷重添加剤や、酸化防止剤や消泡剤などである。風力発電機の増速機の潤滑油には、これらの添加剤が単独または複数含まれる。

油性剤は、金属表面に吸着して吸着膜を作り、この吸着膜が境界潤滑状態にある金属と金属の直接の接触を妨げ、摩擦、摩耗を減少させる働きをする。油性剤としては、金属表面に対して吸着力の大きい高級脂肪酸、高級アルコールおよびアミン、エステル、金属せっけんなどが使われる。

油性剤より厳しい荷重の条件下での摩耗防止に効果のあるのが摩耗防止剤で、一般にリン酸エステル、亜リン酸エステル、チオリン酸塩がよく使われる。摩耗防止剤は、タービン油，耐摩耗性作動油などに使用されるが、とくにジアルキルジチオリン酸亜鉛（ＺnＤＴＰ：Zinc Dialkyldithiophosphate，ＺＤＤＰとも呼ばれる）は、酸化防止性能も持っている。

境界潤滑状態のもっとも厳しい条件の高荷重の状態の接触面では、摩擦面は温度が非常に高くなり、油性剤による吸着膜は脱着して効果がなくなるが、極圧添加剤は硫黄、塩素、リンなどを含む化学的に活性な物質なので、金属面と反応して硫黄、塩素、リンなどを含む化合物を作り、せん断力の小さい被膜となって摩耗、焼付、融着を防止する。

極圧添加剤としては、一般に硫黄、塩素、リンなどを含んでいる物質で、硫化油脂、硫化エステル、サルファイド、塩素化炭化水素などのほか、ナフテン酸鉛や、同一分子内に硫黄、リン、塩素の中の二つ以上の元素を含む化合物も使用される。具体的な極圧添加剤としては、硫化スパーム油、硫化脂肪エステル、ジベンジルジサルファイド、アルキルポリサルファイド、オレフィンポリサルファイド、ザンチックサルファイド、塩素化パラフィン、メチルトリクロロステアレート、ナフテン酸鉛、アルキルチオリン酸アミン、クロロアルキルザンテート、フェノールチオカルバメート、トリフェニルフォスフォロチオネート（ＴＰＰＴ：Triphenyl Phosphorothionate）、4,4’-メチレンビス（ジチオカルバメート）、などがある。

酸化防止剤は、基油の酸化による劣化を防止するために用いられる。酸化防止剤には３種類ある。酸化の初期における遊離基（ラジカル）の生成を抑制し、炭化水素の酸化反応の連鎖を止める、遊離基抑制剤（Free Radical Inhibitor）、生成した過酸化物を分解し、安定な非遊離基化合物に変えてしまう役割をする過酸化物分解剤（Peroxide Decomposer）、および、強靭な吸着膜（不活性防食皮膜）を作る金属不活性化剤（Metal Deactivator）である。金属不活性化剤の役割は、潤滑油が酸化して生成した過酸化物の金属腐食性によって鉄や銅を溶解させないようにすることである。

具体的な酸化防止剤としては、フェノール誘導体（2,6-ジ-tert-ブチル p-クレゾール （ＢＨＴ）、2,6-ジ-tert-ブチル p-フェノール （ＤＢＰ）、4,4’-メチレンビス（2,6-ジアルキルフェノール）など）、アミン誘導体（2,6-ジアルキル-α-ジメチルアミノパラクレゾール、4,4’-テトラメチルジアミノジフェニルメタン、オクチル化フェニルナフチルアミン、ジ-オクチル-ジフェニルアミン、ジノニル-ジフェニルアミン、フェノチアジン、2,2,4-トリメチルジヒドロキシキニリン、など）、金属ジチオフォスフェート、アルキル硫化物、など、1,4-ジオキシジアントラキノン （別名：キニザリン）、1,2-ジオキシジアントラキノン (別名：アリザリン)、ベンゾトリアゾール、アルキルベンゾトリアゾール、などがある。

消泡剤の例としては、シリコーン系消泡剤、界面活性剤、ポリエーテル、高級アルコールが知られている。ギヤ油のような高粘度の潤滑油中では、気泡が発生すると消滅しにくく、潤滑性能低下による部品損傷発生、キャビテーション発生、油圧効率低下、冷却能力低下などの影響をおよぼす。

これらの添加剤は、潤滑油に対して所定の割合（濃度）含まれていることが、所望の潤滑性能の維持のために必要である。たとえば、極圧剤，摩耗防止剤の濃度が減少した場合、潤滑油を使用する機械の摩耗が促進される。

＜３．光学式センサによる潤滑油の特性評価＞
光学式センサの計測データに基づき求められる色度データを用いて潤滑油の添加剤の濃度を測定できる。潤滑油の劣化を監視するセンサとして、特許文献３などに記載の光学式センサを用いることができる。光学式センサは、可視光を放射する白色ＬＥＤのような光源と、可視光受光素子（ＲＧＢカラーセンサ）を備え、潤滑油を透過する可視光の透過度を計測することにより、潤滑油の色度を計測するものである。

潤滑油中の添加剤の濃度と、潤滑油の着色度（色度）には、正の相関がある。色度はＲＧＢの組み合わせから構成される色空間で計算される色差（ΔＥ）で表示している。ΔＥの定義は、
ΔＥ＝（Ｒ^２＋Ｇ^２＋Ｂ^２）^１/２
である。

Ｒ、Ｇ、Ｂ、は、加法混合における光の三原色（Red, Green, Blue）を意味し、色座標の数値表示では、（Ｒ,Ｇ,Ｂ）と表現する。なお、24bpp（24 bit per pixel, ピクセルあたり24ビット）でエンコードされたＲＧＢ色度は、赤・緑・青の輝度を示す３つの８ビット符号なし整数（0から255まで）で表わされる。たとえば、(0, 0, 0)は黒、(255, 255, 255)は白、(255, 0, 0)は赤、(0, 255, 0)は緑、(0, 0, 255)は青、をそれぞれ示す。なお、色度の表示としては、ＲＧＢ表色系の他に、ＸＹＺ表色系、Ｌ^＊ａ^＊ｂ^＊表色系、Ｌ^＊ｕ^＊ｖ^＊表色系等々多くの種類があり、これらは数学的に変換されて各種の表色系に展開することができるので、他の表色系で色度を表示しても良い。

潤滑油の劣化の指標である添加剤の消耗度が、色度と相関がある理由は以下のように説明される。添加剤が歯車や軸受の摺動面で作用すると分解するが、添加剤の分解生成物が、フェノール系の酸化物やキノンのような酸化生成物であり、それらは黄色～赤褐色に着色している。たとえば、酸化防止剤であるＢＨＴや、極圧剤であるＴＰＰＴが分解すると、着色化合物が生じる。ＢＨＴ、ＴＰＰＴは、ほぼ無色である。これらのことから、潤滑油の劣化は、分解生成物である着色化合物の増加と正の相関がある。したがって、色度計測により、潤滑油の劣化度が求められる。

潤滑油には複数の添加剤が含まれる場合がある。この場合も高速液体クロマトグラフィ測定などによって求められる潤滑油中のそれぞれの添加剤の濃度と、光学式センサの測定データに基づき求められる潤滑油の色度の関係を予め求めておけば、潤滑油の監視の際には、光学式センサの測定データに基づき求められる潤滑油の色度に基づき、潤滑油中のそれぞれの添加剤の濃度を測定することができる。

＜４．劣化曲線を用いた相対的な汚染度評価手法＞
光学式センサの計測データに基づき、潤滑油の添加剤の消耗（劣化）と潤滑油の汚染を識別することができる。以下説明する。

光学式センサによって監視すべき、潤滑油の「劣化」に関して、潤滑油を高温、酸素または空気吹込みや加圧下、触媒存在下において短時間で強制的に劣化させるための試験である酸化安定性試験が、劣化の加速試験となりうることが知られている。

主な酸化安定性試験として、タービン油酸化安定度試験（ＴＯＳＴ）、回転ボンベ式酸化安定度試験（ＲＢＯＴ）、内燃機関潤滑酸化安定度試験（ＩＳＯＴ）などがある。潤滑油に対して同一反応条件で、反応時間だけを変えた試験を実施し、得られた劣化油は、風車などで使用した潤滑油と同様の劣化挙動を取る。

図２は、反応時間を４通り変えて実施した、風車増速機潤滑油のＩＳＯＴ試験による劣化油の、色度センサデータΔＥとＭＣＤをプロットしたものである。ＭＣＤの定義は、Ｒ，Ｇ、Ｂ色座標のうち、最大の値と最小の値との差である。感覚的にはＭＣＤが大きくなると鮮やかな色になり、ＭＣＤが小さくなると色彩がなくなる。また、ΔＥが大きくなると白に近くなり、ΔＥが小さくなると黒に近づく。

図２中の四角いマークが、ＩＳＯＴ試験による酸化試験サンプル１０２と新油１０１である。劣化がないと仮定されている新油１０１は右下にプロットされている。また、酸化試験サンプルは、ＩＳＯＴの反応時間の長さを変えて（すなわち劣化の進行度合いを変えて）４種類プロットしている。これら酸化試験サンプル１０２と新油１０１のプロットは、潤滑油の劣化の進行を表現しており、劣化曲線１００と称する。ここで、劣化曲線１００は線形近似することが可能であり、図２中では直線で示される。新油１０１の状態から、潤滑油の劣化の進行とともにプロットは劣化曲線１００上を左上にシフトする。すなわち、劣化の進行とともにＭＣＤが大きくなり、ΔＥが小さくなる。

図２中の丸いマークは風車の増速機から採取された、劣化度や汚染度が異なる種々のサンプルの色度センサデータをプロットしたものである。汚染度が規定値に対して正常範囲１０５内となっている正常サンプルは、劣化曲線１００の近傍にプロットされる。水による汚染サンプル１０３、摩耗粉による汚染サンプル１０４は、正常範囲１０５の左側（ΔＥが小さい側）にプロットされる。

図３に、水や固形粒子による潤滑油の汚染が起こった時に、色度センサデータがどのように変化するのか、シミュレーションを行った結果が示されている。グラフの軸は図２と同様である。

水や固形粒子による汚染では、波長依存がなく可視光の透過率が下がる。劣化度が異なる２種のサンプルＡ１とＢ１に対し、それぞれ、１％、５％、１０％の透過率低下が起こった場合に、Ａ２～Ａ４、Ｂ２～Ｂ４のように、色座標が変化し、おおよそ、ＭＣＤ値はほとんど変化しないのに対し、ΔＥ値が大きく低下することが明らかになった。

潤滑油に異物が混入すると、異物による光の吸収により、矢印３１０、３２０（便宜的に「汚染曲線」という）のように、色座標が変化すると考えられる。汚染曲線は、汚染前の潤滑油の劣化度により複数設定できる。各汚染曲線上で、使用が適さないレベルまで汚染が進んだ値を限界汚染量とし、各汚染曲線の限界汚染量を結んだ線を、汚染度閾値曲線として定義することができる。例えば、図３で限界汚染量をＡ４、Ｂ４とすれば、Ａ４とＢ４を結んだ線で汚染度閾値曲線を定義できる。

図４Ａおよび図４Ｂは、劣化曲線１００に基づく、潤滑油サンプルの汚染度評価の原理について示したものである。この例では、劣化曲線１００は直線近似されている。潤滑油サンプルの汚染度は、色座標や色度で表示するよりも、汚染の程度が判る表示の方が、以後の対応を判断したりするのに都合がよい。

図４Ａに示すように、汚染度については、予め、劣化曲線１００からの乖離度より、限界汚染量（Ｚ）１１１の値を定めておく。本実施例では、乖離度はΔＥ方向の距離である。限界汚染量は実験や経験に基づいて、汚染された潤滑油が使用に耐えるかどうかの閾値として定めておくことができる。限界汚染量を色度座標上で閾値曲線としたものが、図４Ｂに示す汚染度閾値曲線４０１である。本実施例では、理解を容易にするため、汚染度閾値曲線４０１は劣化曲線１００と平行な直線で近似した。よって限界汚染量（Ｚ）１１１の値は、どの劣化度の潤滑油に対しても同じになる。もちろん、汚染度閾値曲線４０１を劣化曲線１００と傾きの異なる直線にしてもよく、その場合には、限界汚染量（Ｚ）１１１の値は、潤滑油の劣化度により異なる。発明者の検討によると、風車を対象にした潤滑油の診断では、汚染度閾値曲線４０１や劣化曲線１００を直線近似することが可能である。より一般化した説明は後に実施例３で行う。

そして、潤滑油サンプル１１４のセンサデータの、劣化曲線１００からの距離に相当する汚染量１１３と限界汚染量の相対値で、相対汚染度として表示すると、異常の度合いが判りやすい。なお、この例では、限界汚染量（Ｚ）と汚染量は、劣化曲線１００からのｘ軸方向の距離（ΔＥの距離）としたが、他の方式で定義してもよい。

ここで、相対汚染度の定義と求め方について説明する。図中プロットで示されている汚染された潤滑油サンプル１１４の、座標（ΔＥ、ＭＣＤ）が、（Ｘ_１、Ｙ_１）であった時に、潤滑油サンプル１１４の汚染量は、
X₂ - X₁
で表される。

図４Ａで模式的に示すように、劣化曲線１００の周辺が正常範囲１０５であり、正常範囲１０５の境界の少なくとも一部が汚染度閾値曲線である。正常範囲１０５の範囲から離れると異常領域となる。典型的な例では、水や粒子で汚染された潤滑油は劣化曲線１００の左側の異常領域にシフトする。

図４Ｂで改めて説明する。汚染サンプルの座標は（Ｘ_１、Ｙ_１）で示される。劣化曲線１００から汚染度閾値曲線４０１（ここでは直線近似している）までの汚染量である、限界汚染量１１１を１００％としたときに、潤滑油サンプル１１４の相対汚染度Ｚ_１（％）は、
Z₁=((X₂ - X₁)/Z)*100
によって求められる。劣化曲線１００が以下の式
y=-Ax+B
で表される時、X₂は、以下のように求めることができる。
X₂ = (B-Y₁)/X

潤滑油の劣化に関しては、劣化曲線１００上に劣化閾値４０２を設け、新油１０１の劣化度を０％とし、劣化閾値４０２から新油までの距離４０３を劣化度１００％として、サンプルの座標から新油までの距離４０３を相対表示（％）することにより、劣化度を相対値として、判りやすく表示することができる。劣化閾値４０２は、予め定められた潤滑油の限界寿命（例えば、オイルメーカが定めた寿命や、実験、経験に基づいて定める）を劣化度１００％することができる。

＜５．汚染の時間的な推移による異常検知手法＞
潤滑油の劣化は、使用と共に、ほぼ増減なく、劣化曲線上を推移するが、潤滑油の汚染に関しては、回転機械中に、汚染粒子を捕捉するオイルフィルタが設置されているために、汚染粒子が減少することがある。また、汚染粒子は回転機械の動作が減速したり停止すると沈降するために潤滑油中の濃度が減少したり、回転機械での使用中に、負荷量や回転速度の変化とともに増加しやすいことが知られており、相対汚染度と、それらの汚染度変動要因との相関を用いて診断すると、より高精度に診断できる。

図５および図６は、潤滑油の汚染度と風車出力の相関を説明する図である。図５および図６ともに、(a)は横軸に時間を、縦軸に潤滑油汚染度（任意単位）を示し、(b)は横軸に(a)と同じ時間帯を、縦軸に風車出力を示す。

図５に示すように、風車の出力が下がる傾向にある時には汚染度も減少傾向５０１にある。これは、上述のようにオイルフィルタによる粒子補足や沈降のためと考えられ、正常と判断できる。また、図６に示すように、風車出力が増加傾向６０１にある時や、増加するタイミング６０２で汚染度が上昇傾向にある。これは、回転軸などの加速により粒子が増加するためと考えられ、正常と判断できる。

したがって、図５や図６のように風車出力と相関関係を有する汚染度の上昇現象は正常の範疇と考えられる。しかし、汚染度が風車出力と同期するのではなく、風車の出力推移と同期せずに、たとえば、汚染度が連続上昇する場合には異常である可能性が高いことが明らかになった。

図７は、上記検討に基づいた汚染度診断のフローの例である。処理Ｓ７０１で例えば特許文献３に記載の手法による光学式オイルセンサを用いた測定を準備する。処理Ｓ７０２で潤滑油の色を測定し、ΔＥ、ＭＣＤを計算する。測定は定期的に行い、汚染度の時間的な推移をモニタする。処理Ｓ７０３で、汚染度が連続的に増加（単調増加）しているかどうかを判定する。連続的に増加していない場合には、処理Ｓ７０４で処理潤滑油は正常と判定し、処理Ｓ７０５で次の測定を待つ。

処理Ｓ７０３で、汚染度が連続的に増加していると判定された場合には、処理Ｓ７０６で汚染度の推移が風車出力と同期しているかどうかを判定する。汚染度の推移が風車出力と同期している場合には、処理Ｓ７０４で処理潤滑油は正常と判定し、処理Ｓ７０５で次の測定を待つ。汚染度の推移が風車出力と同期していない場合には、処理Ｓ７０７で処理潤滑油は異常の可能性ありと判定し、処理Ｓ７０５では管理者やオペレータに対して警告表示等を行う。

処理Ｓ７０６における潤滑油の汚染度と風車の出力などの稼働パラメータとの相関性判定については、たとえば、１分ごとのデータの平均値の相関係数が、０．５以上であった場合に、「相関がある」と判定し、０．５未満であった場合に、「相関が無い」と判定する方法がある。このときに、汚染度と稼働パラメータを１秒ごと、あるいは１０秒毎、の値で相関を評価してもよい。相関係数に関しては、機械の種類や状態によって、０．４や０．６などを境界として設定してもよい。

潤滑油の汚染の診断に関してまとめると、相対汚染度が１００％を超え、かつ、出力のようなクリティカルな機械稼働パラメータとの相関係数が境界値未満であった場合に、「汚染度異常」と判定する。この相関係数を求める時間範囲は、稼働パラメータの変化の頻度によって定めることができ、たとえば、直近１時間、あるいは、直近１２時間、といった時間分解能で判定を実施する。

上記では稼働パラメータとして、風車出力を例にしたが、軸の回転数や風速等の、潤滑油の汚染度との関係を確認できるパラメータを用いることができる。

潤滑油の汚染と劣化の診断は、機械の稼働パラメータとの相関を求める必要がある、「汚染」を先に判定し、汚染が正常と判定された場合に、「劣化」を判定し、潤滑油の余寿命を算出するとよい。これは、潤滑油の「汚染」の方が、機械に対して高い故障リスクであることが多いためであり、機械の所有者や事業主に早く通知を行う必要があるからである。潤滑油の汚染度が正常範囲であった場合には、「あと何年潤滑油を使用可能か？」といった、余寿命診断を行って通知を行うのがよい。

以下、本発明の実施の形態について、図面を用いて詳細に説明する。ただし、本発明は以下に示す実施の形態の記載内容に限定して解釈されるものではない。本発明の思想ないし趣旨から逸脱しない範囲で、その具体的構成を変更し得ることは当業者であれば容易に理解される。

以下に説明する発明の構成において、同一部分又は同様な機能を有する部分には同一の符号を異なる図面間で共通して用い、重複する説明は省略することがある。

同一あるいは同様な機能を有する要素が複数ある場合には、同一の符号に異なる添字を付して説明する場合がある。ただし、複数の要素を区別する必要がない場合には、添字を省略して説明する場合がある。

本明細書等における「第１」、「第２」、「第３」などの表記は、構成要素を識別するために付するものであり、必ずしも、数、順序、もしくはその内容を限定するものではない。また、構成要素の識別のための番号は文脈毎に用いられ、一つの文脈で用いた番号が、他の文脈で必ずしも同一の構成を示すとは限らない。また、ある番号で識別された構成要素が、他の番号で識別された構成要素の機能を兼ねることを妨げるものではない。

図面等において示す各構成の位置、大きさ、形状、範囲などは、発明の理解を容易にするため、実際の位置、大きさ、形状、範囲などを表していない場合がある。このため、本発明は、必ずしも、図面等に開示された位置、大きさ、形状、範囲などに限定されない。

本実施例は、風力発電機の機械的駆動部に供給される潤滑油の監視システムである。このシステムは、入力装置、処理装置、記憶装置、および出力装置を備える。記憶装置は、潤滑油の劣化曲線のデータ、劣化閾値のデータ、および汚染度閾値曲線のデータを記憶し、潤滑油の色度を計測する光学式センサデータに基づいて、潤滑油の相対汚染度と相対劣化度を測定することができる。

また、本実施例は、処理装置、記憶装置、入力装置、および出力装置を備えたサーバを用いる、光学式潤滑油センサを用いた風力発電機の潤滑油の監視方法である。この方法は、風力発電機の潤滑油の色度データを取得する第１のステップ、サンプルに含まれる添加剤の濃度を測定する第２のステップ、測定した添加剤の濃度を、記憶装置に時系列に格納して添加剤濃度データとする第３のステップ、処理装置が添加剤濃度データを処理することにより、添加剤の濃度が所定閾値となる時間を推測する第４のステップを実行する。

（１．システム全体構成）
図８に潤滑油供給系統を有する風力発電機の潤滑油の監視システムの概略図を示す。ナセル３内部には、主軸３１、増速機３３、発電機３４、図示しないヨー、ピッチなどの軸受があり、これらにはオイルタンク３７から潤滑油が供給される。

図８に示すように、風力発電機１は通常複数が同一敷地内に設置され、これらをまとめてファーム２００ａなどと呼ぶ。それぞれの風力発電機１には、潤滑油の供給系統に各種センサ（図示せず）が設置され、潤滑油の状態を反映したセンサ信号は、ナセル３内のサーバ２１０に集約される。また、各風力発電機１のサーバ２１０から得られるセンサ信号は、ファームごとに配置される集約サーバ２２０に送られる。集約サーバ２２０からのデータは、ネットワーク２３０を介して中央サーバ２４０へ送られる。中央サーバ２４０へは、他のファーム２００ｂや２００ｃからのデータも送られる。また、中央サーバ２４０は、集約サーバ２２０やサーバ２１０を介して、各風力発電機１に指示を送ることができる。

（２.センサ配置）
図９は、潤滑油用センサを備えた回転部品の概念図である。潤滑油は、ポンプなどの潤滑油供給デバイス３０１から回転部品３０２に供給される。潤滑油供給デバイス３０１は、オイルタンク３７に接続されて潤滑油の供給を受ける。回転部品３０２は、例えば増速機３３その他の機械的な接触が生じる部位一般であり、特に限定するものではない。

センサ群３０４は潤滑油の状態を検知するために潤滑油の流路等に配置される。本実施例では、回転部品３０２の潤滑油の排油口に接続する潤滑油の流路から分岐した流路（潤滑油経路の末端付近）に測定部３０３を設け、この測定部３０３に潤滑油の一部を導入する。そして、測定部３０３にセンサ群３０４を設置している。測定部３０３を潤滑油のメインの流路に設けていないのは測定部３０３における潤滑油の流速を潤滑油の状態を検知するのに適した流速に調整するためである。回転部品３０２から排出した潤滑油はフィルタ３０５を経由してオイルタンク３７に戻る。なお、フィルタ３０５は必須ではない。

センサ群３０４は、潤滑油の各種のパラメータを測定する。例えば、物理量としては、温度、油圧などがある。これらは例えば特許文献１～特許文献５に開示されるような、公知のセンサを用いて測定することができる。これらのパラメータの時間的な変化に基づいて、潤滑油の状態を評価することができる。これらの温度などのセンサは本実施例に必須ではないが、潤滑油の状態をより詳しく検知するために設けるのが好ましい。また、例えば、センサ群３０４に潤滑油に含まれる汚染粒子に関する情報、例えば粒子濃度を測定するセンサを含ませることもできる。粒子は部品の磨耗由来のものである可能性が大きく、潤滑油の劣化あるいは装置の異常を検出することができる。汚染粒子を測定するセンサで検知される異常は、すでに始まっている異常である可能性があるが、センサの情報はリアルタイムで取得可能であるため、モニタすることは有用である。

風車などの大型回転部品では、センサ群３０４は、流路ではなく、回転部品３０２の底部の潤滑油貯留部位に設置してもよい。

そして、本実施例では、センサ群３０４には、可視光源と受光素子を備えた、光学式センサが含まれる。光学式センサにより潤滑油を透過した光を測定し、潤滑油の色度情報（Ｒ,Ｇ,Ｂの値）を取得する。取得した色度データより、劣化度診断と余寿命診断を行う。センサデータによる診断では、光学式センサによるセンサデータまたは光学式センサと他の一つまたは複数の種類のセンサデータに基づいて診断を行う。

潤滑油は、使用により品質が劣化し、初期の機能を果たさなくなる。このため、品質の劣化状況に応じて、交換等のメンテナンスを行う必要がある。このようなメンテナンスのタイミングを知るために、現地に設置したセンサ群３０４で収集し得るデータを、遠隔地でモニタできるようにすることは、保守管理の効率上有用である。センサ群３０４で収集したデータは、例えばナセル３内のサーバ２１０に集められ、その後ファーム２００内でデータを集約する集約サーバ２２０を経て、複数ファームのデータを集約する中央サーバ２４０に送られる。

また、集約されるデータとしては、潤滑油に関するデータだけでなく、風力発電機の稼動状況を示すデータを含めてもよい。例えば、風車出力値（大きいほど潤滑油の劣化速度大）、実稼働時間（長いほど潤滑油の劣化速度大）、機械温度（高いほど潤滑油の劣化速度大）、軸の回転速度（速いほど潤滑油の劣化速度大）等である。これらは、風力発電機の各所に設置された公知の構成のセンサや、装置の制御信号から収集することができる。

（３.潤滑油診断のフロー）
図１０は、本実施例による潤滑油診断処理を示すフロー図である。図１０で示す処理は、図８のサーバ２１０，集約サーバ２２０，中央サーバ２４０のいずれかのコントロール下で行われる。以下の例では中央サーバ２４０が行うものとする。計算や制御等の機能は、サーバの記憶装置に格納されたソフトウェアがプロセッサによって実行されることで、定められた処理を他のハードウェアと協働して実現される。なお、ソフトウェアで構成した機能と同等の機能は、ＦＰＧＡ（Field Programmable Gate Array）、ＡＳＩＣ（Application Specific Integrated Circuit）などのハードウェアでも実現できる。

中央サーバ２４０が制御を行う場合、配下に複数の風力発電機１を持つため、以下の処理は風力発電機ごとに行うものとする。この処理は基本的に繰り返し処理であり、開始タイミングはタイマーなどで設定され、例えば、毎日０時に処理を開始する（Ｓ６０１）。また、中央サーバ２４０が、オペレータの指示により任意のタイミングで行うこともできる。

処理Ｓ６０２では、中央サーバ２４０は、潤滑油の交換時期をチェックする。交換時期の初期値は、例えば潤滑油が設計温度で動作しているという前提で、アレニウス反応速度を用いることにより物性的に計算し、余寿命を初期設定しておくことができる。このような計算方法については、例えば特許文献５に説明がある。この交換時期は、実測データに基づいて、後に処理Ｓ６１０で更新され得る。

潤滑油の交換時期であった場合には、処理Ｓ６０３で潤滑油交換を行う。潤滑油交換は通常は、作業員による作業となるため、中央サーバ２４０は交換を行うべき時期と対象を作業員に指示するための表示や通知を行う。

潤滑油の交換時期でない場合には、処理Ｓ６０４で、中央サーバ２４０はセンサデータによる診断を行う。センサデータとしては光学式センサで得られる潤滑油の色度情報に加えて、温度、油圧、潤滑油に含まれる粒子の濃度等を用いることができる。センサ群３０４で収集されたデータは、中央サーバ２４０に送られ、例えば中央サーバが、センサから得られたパラメータを事前に定めた閾値と比較することにより、潤滑油の特性を評価する。

処理Ｓ６０５、Ｓ６０６で診断の結果が異常であれば、処理Ｓ６０３で潤滑油交換を行う。異常がなければ、処理Ｓ６０９を行う。処理Ｓ６０５では、図２～図７で説明した原理に基づいて、相対的な汚染度を測定する。これに加えて、例えば、光学式センサのＲ、Ｇ、Ｂ、のすべての値が所定の閾値よりも低下している場合には汚染異常有りと判断する他のアルゴリズムなどを加えてもよい。

Ｓ６０６では、図４Ｂで説明した原理により、劣化度と色度の相関を用いて、光学式センサで測定した色度により求められる劣化度が所定の閾値を超えた場合に劣化異常有りと判断する。なお、劣化度は潤滑油に含まれる，極圧剤に代表される添加剤濃度に関係するので、劣化度から添加剤濃度を計算する構成にしてもよい。また、図４Ｂで説明した原理に代えて、あるいはこれに加えて、診断対象の潤滑油の色度座標と予め求めたおいた相関関係に基づき、診断対象の潤滑油に含まれる，極圧剤などの添加剤の濃度を定量し、添加剤の濃度と所定閾値との比較で判断してもよい。

処理Ｓ６０９では、中央サーバ２４０に色度測定データなどを入力し、当該データは時系列的に保存される。

風力発電機の予防的保全，計画的な保守という観点からすれば、異常有りと判断される前に、劣化度や汚染度の推移に基づき潤滑油の特性変化について予兆診断を行うことが望ましい。そして、診断結果は例えば作業員が視認できる中央サーバ２４０のモニタ等に表示される（Ｓ６１１）。このとき、例えば図２～図４Ｂに示したように、光学式センサの出力を色情報に変換して表示すると、劣化度や汚染度を感覚的に理解しやすい（Ｓ６１２）。また、図５、図６に示したようなデータを合わせて表示してもよい。

たとえばある時に、風車増速機の潤滑油のセンサデータ（ΔＥ、ＭＣＤ）の値が、（３８０、１０）であり、この時に、劣化曲線１００までの距離、すなわち、ΔＥのシフト量が、４５であった。この潤滑油の限界汚染量が２０であるため、この潤滑油の相対汚染量は、２２５％であった。このセンサデータを得た時刻の直前１０時間の、汚染量と風車出力の相関係数は０．２であったため、潤滑油の汚染度は異常と判定し、潤滑油採取と分析、機械部品点検を表示し、通知した。

別の風車の別の時刻に、風車増速機の潤滑油のセンサデータ（ΔＥ、ＭＣＤ）の値が、（４００、５３）であり、この時に、劣化曲線までの距離、すなわち、ΔＥのシフト量が、３であった。この潤滑油の限界汚染量が１８であるため、この潤滑油の相対汚染量は、１７％であった。相対汚染量が１００％未満であったため、稼働パラメータとの相関は評価せず、潤滑油の汚染度は正常と判定し、判定結果を表示し、通知した。引き続いて、潤滑油の余寿命診断を行い、この潤滑油は限界寿命が５年であり、相対劣化度は３０％、余寿命は３．５年、と判定し、判定結果を表示し、通知した。

以上のように、本実施例によると、潤滑油のセンサデータと風車の出力挙動を用いて潤滑油中の汚染度の重篤度を知ることにより、潤滑油の異常を早期に正しく検出できる。このため、適切な潤滑油交換等のメンテナンスにより、風力発電機の異常を未然に防止することができる。また、潤滑油の交換周期を最適化することも可能である。
光学式センサをナセル内に設置すれば潤滑油の汚染と劣化をオンライン遠隔監視することも可能となる。

本実施例では、回転部品の潤滑油中に光学式センサを設置して監視する方法およびシステムについて述べたが、回転部品内の潤滑油を点検時などの採取し、回転部品外で光学式センサによる測定を行い、同様の診断を行なうこともできる。

実施例２では、センサから得られたデータを用いて、潤滑油の寿命推定の補正を行う例を示す。実施例１では、風力発電機１の運転状況が一定不変であることを前提としている。しかし、実際には風力発電機１の運転状況は一定ではなく、さまざまな要因で状況が変化する。

例えば、人為的な運転状況の変動としては、点検のための装置の停止期間や、発電量調整のための運転調整がある。これらの変動パラメータは、風力発電機１の運転パラメータとして取得することができる。

また、自然界に起因する運転状況の変動要因としては、風速をはじめとする天候、温度、湿度、など風力発電装置の内外のものがある。これらの運転状況の変動要因は、それぞれ各種センサで測定することができる。従って、これらをセンサデータとして反映することで、より正確に潤滑油の状態を判定および予測することができる。

図８及び図９で説明したように、風力発電機には各種のセンサを設置することができる。センサ群３０４からのセンサデータは、サーバ２１０を介して、集約サーバ２２０や中央サーバ２４０に送信される。また、風力発電機１の運転パラメータは、当該制御を行う、サーバ２１０、集約サーバ２２０あるいは中央サーバ２４０から得ることができる。

図１０を再度用いて、運転状況を反映した潤滑油の監視方法を説明する。基本的な処理は図１０と同様であるが、センサデータによる診断処理（Ｓ６０４）において、センサデータあるいは運転パラメータを時系列的に記憶しておき、交換時期推定及び更新処理（Ｓ６１０）で利用する。

説明を単純化するために、この例では、軸受け部への潤滑油の供給機構を対象とし、運転状況を示す運転パラメータとしては、軸の回転数Ｒ（ｒｐｍ）の制御パラメータを用いることにした。センサデータや運転パラメータはこれに限定されるものではなく、他の種々のものを利用可能である。本実施例では、各種センサのデータは中央サーバ２４０へ集約し、ここで一括処理することにしたが、これに限るものではない。

中央サーバ２４０では、交換時期推定及び更新処理（Ｓ６１０）において、処理Ｓ６０９で入力された相対汚染度測定結果と、処理Ｓ６０４で記憶された軸の回転数Ｒの制御パラメータを取得する。これらのデータは、記憶装置に時間データとともに時系列に格納する。

いま、簡単な例として相対汚染度の上昇には軸の回転数Ｒ（ｒｐｍ）が関連しているとする。この前提では、相対汚染度Ｃ（ｔ）は時間ｔと軸の回転数Ｒの関数と把握できるので、
ｆ（ｔ，Ｒ）＝Ｃ（ｔ）
となる。実験あるいはシミュレーションによって、あるいは過去のｔ、Ｒ，相対汚染度のデータを元に関数ｆ（ｔ，Ｒ）をモデル化することが可能である。そこで、交換時期推定及び更新処理（Ｓ６１０）において、Ｃ（ｔ）の将来予測を行う場合、軸の回転数Ｒの変化を反映する。結果は例えば中央サーバ２４０の表示装置に表示する。

図１１は、風力発電機１の過去１年のデータ１００１を元に、将来の値１００２を予測して表示する例を示すグラフ図である。１年分の過去データ１００３は実測値である。将来のデータ１００４Ａ，１００４Ｂは予測値である。

図１１(a)では、将来の運転状況は変わらず、回転数Ｒは常に一定とした。この場合には、相対汚染度の将来の値（予測データ）１００２は過去１年のデータ１００１と同様に推移する。この場合には、相対汚染度の限界はｔ１の時点に到来すると予測される。

図１１(b)では、将来の運転状況が変化し、１年経過以降の回転数Ｒは過去１年よりも増加するとした。ここで、相対汚染度の上昇度は回転数Ｒに比例するとすれば、相対汚染度の予測データは過去１年と同様に推移せず、たとえば図１１(b)の１００４Ｂに示すように、上昇割合が大きくなる。この場合には、相対汚染度の限界はｔ１よりも短いｔ２の時点に到来すると予測される。

上記では運転パラメータとして軸の回転数Ｒを用いて相対汚染度の上昇度を補正したが、センサデータを用いることもできる。例えば、相対汚染度には水分の混入が関連していると考えられる。この前提では、相対汚染度Ｃ（ｔ）は時間ｔと湿度Ｔの関数と把握でき、軸の回転数Ｒの場合と同様に相対汚染度を補正することができる。

図１１に示す実施例のように、予測データに風力発電機の運転状況を表す運転パラメータやセンサデータを反映することにより、汚染度を示すパラメータが閾値を超えるタイミングをより正確に判断することが可能となる。すなわち、過去の相対汚染度、過去の運転パラメータ（あるいはセンサデータ）、および将来の運転パラメータ（あるいは予測センサデータ）に基づいて、将来の相対汚染度をより正確に判断できる。

運転状況を表すパラメータのうち、例えば運転時間や発電目標値のように、人為的にコントロールができるものについては、運転スケジュール等に従って、将来のデータを準備することができる。このため、運転状況を表すパラメータを、潤滑油劣化の予測に用いることにより、予測精度を高めることができる。

また、天候や温度のように人為的にコントロールができないものについては、過去の実績データから将来のデータを予想することができる。このため、同様に運転状況を表すパラメータを、潤滑油劣化の予測に用いることにより、予測精度を高めることができる。

図１２は、本実施例の中央サーバ２４０の構成例を示すブロック図である。中央サーバ２４０は、基本的なサーバの構成である処理装置２４０１、記憶装置２４０２（磁気ディスク装置や半導体メモリなど）、入出力装置２４０３を備える。入出力装置２４０３には、一般的なキーボードやマウスなどの入力装置や、画像表示装置やプリンタなどの出力装置を含む。また入出力装置２４０３は、ネットワーク２３０経由で風力発電機１やそのサーバ２１０，集約サーバ２２０、あるいは、液体クロマトグラフ質量分析計などの添加剤定量分析システム（図示省略）とデータのやり取りをするネットワークインタフェースを含む。

風力発電機１およびそのセンサ群３０４からは、各種の運転パラメータやセンサデータが直接あるいは、サーバ２１０や集約サーバ２２０を経由して中央サーバ２４０に入力される。あるいは、ネットワーク経由でなく、可搬性の記録媒体経由で中央サーバ２４０に入力してもよい。これらのデータは記憶装置２４０２に時系列の運転パラメータデータ９０１として、あるいは、時系列のセンサデータ９０２として格納される。本実施例では、センサ群３０４の一つとして、たとえば、可視光源と受光素子を備え、潤滑油の色度を計測する、透過式の光学式センサが用いられている。光学式センサによって得られる潤滑油の色度より、潤滑油中の相対汚染度や相対劣化度を定量する。そのため、センサデータ９０２は、潤滑油の色度データ、あるいは色度データに加えて色度データから計算したΔＥ、ＭＣＤの値が時系列的に格納される。

ΔＥ、ＭＣＤの値から相対汚染度や相対劣化度を計算するため、記憶装置２４０２には、劣化曲線および劣化閾値データ９０３が格納される。劣化曲線データは、図２～図４Ｂの劣化曲線１００を示す。劣化閾値データは、図４Ｂの劣化閾値４０２を示す。

また、記憶装置２４０２には、汚染度閾値曲線データ９０４が格納される。汚染度閾値曲線データ９０４は、図４Ｂの汚染度閾値曲線４０１を示す。処理装置２４０１は、劣化曲線および劣化閾値データ９０３、および汚染度閾値曲線データ９０４を用いて、センサデータ９０２から相対汚染度と相対劣化度を計算する。相対汚染度と相対劣化度は、履歴データ９０５として記憶装置２４０２に格納される。

処理装置２４０１は、記憶装置２４０２に記憶された履歴データ９０５と、必要に応じて運転パラメータデータ９０１およびセンサデータ９０２を用いて、潤滑油の劣化速度を予測し、出力装置に出力する。相対汚染度が指標となる場合は、本実施例によれば、運転状況を表す運転パラメータやセンサデータを反映することにより、相対汚染度等の潤滑油品質を示すパラメータが閾値を超えるタイミングをより正確に判断することが可能となる。

図１１に示す実施例では、運転状況を表す運転パラメータなどにより相対汚染度を補正しているが、横軸を経過期間に代えて、風車運転情報である発電機総回転数や、総発電量として表しても良い。本実施例によっても相対汚染度が閾値を超えるタイミングをより正確に判断することが可能となる。

以上のように、本実施例では風力発電機の主軸、発電機、ヨー、ピッチなどの重要な回転部品（軸受）や増速機で使用される潤滑油の適切な監視を行うため、相対汚染度を測定している。また、潤滑油の自動供給機構が備わる回転部品の排油口の付近にセンサを設置することで、定常的に監視（オンライン監視）ができるようにしている。また、風力発電機の運転状況のパラメータをモニタすることで、より正確な予測診断が可能としているこれらにより、早期に潤滑油の交換時期の予測が可能となり、その結果、風力発電機の停止時間が短縮するため、保守コストが低減し、発電量が向上する。

なお、本発明は上記した実施例に限定されるものではなく、様々な変形例が含まれる。例えば、上記した実施例は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。また、ある実施例の構成の一部を他の実施例の構成に置き換えることが可能であり、また、ある実施例の構成に他の実施例の構成を加えることも可能である。また、各実施例の構成の一部について、他の構成の追加，削除，置換をすることが可能である。

例えば、上述の実施例では、回転機械として風力発電機を例にとり説明したが、原子力発電機，火力発電機、船舶の回転機械（エンジン，タービンや減速機など），ギヤードモータ，鉄道車両車輪フランジ，圧縮機，変圧器，可動プラント機械，大型ポンプ機械などの回転機械の潤滑油の劣化診断にも本発明は適用できる。
潤滑油の劣化の指標としては，極圧剤以外に，摩耗防止剤，油性剤，防錆剤，消泡剤などの添加剤の消耗も，診断に適用できる。

実施例１では、劣化曲線１００や汚染度閾値曲線４０１は直線近似しており、y=-Ax + B で表すことができた。一方、劣化曲線は直線に限るものではなく、潤滑油の劣化の実験等により適当な曲線で表すこともできる。

図１３に示すように，潤滑油の劣化の進行とともに，劣化曲線１００や汚染度閾値曲線４０１が直線とならない場合がある。この場合も，潤滑油の汚染により，サンプルのプロットはΔＥが小さくなる方向にシフトする。劣化曲線１００と，汚染度閾値曲線４０１の間の領域が，正常範囲１０５である。また、１０３は水による汚染サンプル，１０４は固形粒子による汚染サンプルで，いずれも，汚染の基準値（閾値）を超えたサンプルである。

図１４は，潤滑油の汚染による，ΔＥとＭＣＤのスコアの変化を示したものである。X1（XはA，B,またはC）の潤滑油サンプルに対して，汚染により，透過率が１％低下した場合がX2 （XはA，B,またはC），透過率が５％低下した場合がX3 （XはA，B,またはC），透過率が１０％低下した場合がX4 （XはA，B,またはC）である。劣化が進行した，サンプルCの相対汚染度を求める場合，C1とC4を結ぶ直線（汚染曲線）を用いて算出するのがよい。例えば、C1が汚染なしのサンプルである場合、C4が示すサンプルの相対汚染度は、
（C1からC4までの距離）／（C1から汚染度閾値曲線４０１までの距離）×100
である。

汚染曲線を直線で近似することが望ましくない場合には、図１４に示した直線の代わりに曲線を用いてもよい。その場合には、距離を示すために、直線（最短距離）の代わりに曲線に沿った距離（長さ）を用いればよい。

図１５は、５MW風車A １０００と５MW風車B １００１の，経時的な増速機潤滑油の，半年毎の相対劣化度および相対汚染度の推移を示す図である。2基の風車は，定期点検期間中以外は，連続稼働していた。風車A１０００は，3.5年経過の時に，相対劣化度が９０％を超えたため，4年経過時に潤滑油を交換することを決定した。風車B１００１は，半年経過時に，相対汚染度が９０％を超えたが，相対汚染度の推移が，直前および直後の風車出力推移と同期し，かつ，１年経過時には相対汚染度が基準値内に低下したため，その後経過観察した。その後，２年経過時に，相対汚染度が１００％に達し，その後，相対汚染度は風車出力推移と同期せず，２年半経過時には，相対汚染度がさらに上昇したため，3年経過時に潤滑油を交換することを決定した。

以上で説明したように、本実施例は、予め求めた劣化曲線と、汚染されたサンプル（水が入ったサンプル等）を用いて求めた限界汚染曲線とを用い、サンプルの汚染度を、劣化曲線からの距離と限界汚染曲線からの距離を用いて求めることで、１つの色度センサで、潤滑油の劣化度と汚染度双方を評価することができる。また、実施例では、色度センサを風車内に備え付けた例を示したが、潤滑油をサンプリングして取り出し、風車外で測定を行っても同様の効果がある。

実施例で開示した技術によれば、光学式センサの計測データに基づき求められる色度データを用いて潤滑油の添加剤濃度を求め、これに基づき潤滑油の劣化を診断することができる。また、潤滑油の監視システムは光学式センサ、入力装置、処理装置、記憶装置、および出力装置を備える。記憶装置は、光学式センサで求めた潤滑油の添加剤の濃度を時系列的に格納し、処理装置は、添加剤濃度データに基づいて、添加剤の濃度が所定閾値となる時間を推測することができる。

また、以上説明した実施例では、大型機械に備えられているオイルフィルタによって一部が補足されたり，機械の負荷の変動などにより摩耗粉が増加したりすることにより，固形粒子による潤滑油の汚染度が変動する場合でも、汚染の診断が可能になる。また，光学式オイルセンサによって潤滑油の汚染と劣化の両方を診断可能する場合に、汚染度と劣化度の診断順序についての知見を示すものである。

１・・・風力発電機、２・・・タワー、３・・・ナセル３、４・・・ハブ、５・・・ブレード、３３・・・増速機、３４・・・発電機、３７・・・オイルタンク、２１０・・・サーバ、２２０・・・集約サーバ、２３０・・・ネットワーク、２４０・・・中央サーバ、３０１・・・潤滑油供給デバイス、３０２・・・回転部品、３０３・・・測定部、３０４・・・センサ群、運転パラメータデータ９０１、センサデータ９０２、添加剤濃度データ９０３。

Claims (14)

1. 入力装置、処理装置、記憶装置および出力装置を備える情報処理装置で実行される、添加剤を含む潤滑油の診断方法であって、劣化診断と汚染診断を含み、
   前記入力装置から、光学式センサによって得た診断対象の潤滑油の色度情報を得、
   前記記憶装置には、前記診断対象の潤滑油の、劣化に伴う色度座標の推移に関して予め定めた劣化曲線と、汚染潤滑油を用いて予め定められた限界汚染度に対応する色度座標を記憶し、
   前記色度座標は、ＭＣＤとΔＥによる２次元座標であり、
   前記潤滑油の汚染診断では、
   前記処理装置で、前記色度情報から前記診断対象の潤滑油の色度座標を得、
   前記診断対象の潤滑油の色度座標の前記劣化曲線からの距離、および、前記限界汚染度に対応する色度座標の前記劣化曲線からの距離、から求めた相対汚染度を用いる、
   潤滑油の診断方法。
2. 前記の潤滑油の劣化診断では、
   前記診断対象の潤滑油の色度座標と予め求めておいた相関関係に基づき、前記診断対象の潤滑油に含まれる添加剤の濃度を定量し、
   前記汚染診断を前記劣化診断の前に行う、
   請求項１記載の潤滑油の診断方法。
3. 前記の潤滑油の劣化診断では、
   前記劣化曲線に関して予め限界劣化度の色度座標を定め、
   前記診断対象の潤滑油の色度座標、および、前記限界劣化度の色度座標から得た、相対劣化度を用いる、
   請求項１記載の潤滑油の診断方法。
4. 前記診断対象の潤滑油は、風車の増速機で使用される潤滑油であり、
   前記診断対象の潤滑油の相対汚染度が１００％を超える状態が所定の期間継続し、当該所定の期間の相対汚染度の推移と、前記風車の出力の推移との相関係数が、予め定められた相関係数を下回った場合に、前記診断対象の潤滑油が異常な汚染状態であると診断し、前記出力装置により診断結果を通知する
   請求項１記載の潤滑油の診断方法。
5. 前記光学式センサを用いて、前記診断対象の潤滑油の計測を行って得る色度情報は、ＲＧＢ座標系の色度座標であることを特徴とする，
   請求項１記載の潤滑油の診断方法。
6. 回転機械の駆動部に供給される潤滑油の監視システムであって、
   潤滑油の色度に関するデータを測定する光学式センサ、入力装置、処理装置、記憶装置および出力装置を備え、
   前記処理装置は、劣化度合が異なる潤滑油に含まれる添加剤の濃度と前記劣化度合が異なる潤滑油の光学式センサによる色度座標との予め求めておいた関係、及び、監視対象の潤滑油の劣化曲線に基づき、前記監視対象の潤滑油の汚染度および劣化度を定量するものであって、
   前記光学式センサによって得た前記監視対象の潤滑油の色度情報が前記入力装置に入力され、
   前記記憶装置には、前記監視対象の潤滑油の、劣化に伴う色度座標の推移に関して予め定めた劣化曲線と、汚染潤滑油を用いて予め定められた限界汚染度に対応する色度座標が記憶されており、前記色度座標はＭＣＤとΔＥによる２次元座標であり、
   前記処理装置は、前記色度情報から前記監視対象の潤滑油の色度座標を得、前記監視対象の潤滑油の色度座標の前記劣化曲線からの距離、および、前記限界汚染度に対応する色度座標の前記劣化曲線からの距離、から求めた相対汚染度を用いて前記汚染度を定量する、
   潤滑油の監視システム。
7. 入力装置、処理装置、記憶装置および出力装置を備える情報処理装置で構成される、潤滑油の監視システムであって、
   前記記憶装置は、潤滑油の劣化に伴う、潤滑油の色度の推移をＭＣＤとΔＥによる２次元座標である色度座標上で示す、劣化曲線のデータを格納し、
   前記記憶装置は、潤滑油の汚染度の閾値を、前記潤滑油の色度により前記色度座標上で示す、汚染度閾値曲線のデータを格納し、
   前記処理装置は、前記入力装置から診断対象となる潤滑油を光学的に測定した色度情報を得て、前記色度座標上の位置を特定し、
   前記処理装置は、前記診断対象となる潤滑油の色度情報の前記色度座標上の位置、前記劣化曲線、および前記汚染度閾値曲線の位置関係から、潤滑油の相対的な汚染度を導く、
   潤滑油の監視システム。
8. 入力装置、処理装置、記憶装置および出力装置を備える情報処理装置で実行される、潤滑油の診断方法であって、
   潤滑油の劣化に伴う、潤滑油の色度の推移をＭＣＤとΔＥによる２次元座標である色度座標上で示す、劣化曲線のデータを準備し、
   潤滑油の汚染度の閾値を、前記潤滑油の色度により前記色度座標上で示す、汚染度閾値曲線のデータを準備し、
   診断対象となる潤滑油を光学的に測定した色度情報を得て、前記色度座標上の位置を特定し、
   前記診断対象となる潤滑油の色度情報の前記色度座標上の位置、前記劣化曲線、および前記汚染度閾値曲線の位置関係から、潤滑油の相対的な汚染度を導く、
   潤滑油の診断方法。
9. 前記相対的な汚染度は、前記劣化曲線と前記汚染度閾値曲線の位置関係と、前記劣化曲線と前記診断対象となる潤滑油の色度情報の前記色度座標上の位置の位置関係に基づいて導出する、
   請求項８記載の潤滑油の診断方法。
10. 前記位置関係として距離を用いる、
    請求項９記載の潤滑油の診断方法。
11. 前記距離は、前記ΔＥ軸方向の距離である、
    請求項１０記載の潤滑油の診断方法。
12. 前記汚染度閾値曲線は、前記劣化曲線よりもΔＥが小さい側に位置している、
    請求項８記載の潤滑油の診断方法。
13. 前記劣化曲線のデータは、潤滑油に対して同一反応条件で、反応時間だけを変えた試験を実施し、得られたサンプルを光学的に測定して準備する、
    請求項８記載の潤滑油の診断方法。
14. 前記汚染度閾値曲線のデータは、劣化度および汚染度が異なる複数のサンプルを光学的に測定して準備する、
    請求項８記載の潤滑油の診断方法。

Images