JPH0288938A - 減速機歯車の故障診断方法 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 ［産業上の利用分野］ 本発明は、油圧ショベル等の建設機械をはじめ減速機を
用いる機械一般においてその歯車の故障を診断する方法
に関するものである。

［従来の技術］ 一般に、油圧ショベル等において用いられる減速機（旋
回減速機、走行減速機など）では、その使用に伴い歯車
接触部分の摩耗が進み、その結果、初期状態では騒音が
発生し、末期状態では減速機としての性能劣化の原因と
なる。

従来、このような歯車の摩耗による異常を調べる手段（
故障診断手段）としては、定期的な分解検査、熟練者に
よる異常音の検出、減速機振動のＦＦＴ（高速フーリエ
変換）解析などが行なわれている。これらの手段はいず
れも一般的によく知られているものであるが、ここでは
、ＦＦＴ解析について説明する。

減速機が発生する振動音には、減速機の構成や挙動に固
有の周波数が含まれている。この周波数成分の強度がど
のように分布しているかの尺度をスペクトル密度といい
、ＦＦＴ法とは周波数データ（光振動波形データ）から
スペクトル密度を高速に算出する方法であり、ＦＦＴ解
析とは、減速機の振動音に上述したＦＦＴ法を用いてス
ペクトル密度を求め、その分布を正常時の分布と比較す
ることにより、異常（故障）を検出するものである。

例えば、第２０図（ａ）、（ｂ）はＦＦＴ解析の一例を
示すもので、第２０図（ａ）は減速機が正常である場合
のスペクトル密度分布図、第２０図（ｂ）は減速機に何
らかの異常が生じている場合のスペクトル密度分布図で
ある。第２０図（ａ）、（ｂ）に示すように、減速機に
異常が発生すると、正常時には強度Ｏもしくは小さかっ
た周波数成分に強い強度のスペクトルが現われることが
ある。この変化を検出することによって、減速機歯車に
異常が発生したとして故障診断を行なっている。

［発明が解決しようとする課題］ しかしながら、従来の各種の減速機歯車の故障診断手段
では、次のような課題がある。

■減速機を分解検査する手段では１部品交換回数が多く
なりがちで、部品寿命が短くなり、メンテナンスに要す
る時間や費用が高くなる。

■減速機からの異常音を検出する手段では、熟練者に頼
らなければならず、容易に故障診断を行なえないほか、
熟練者といえ人的手段に頼る手段では信頼性が必ずしも
保証されない。

■ＦＦＴ解析では、スペクトル密度の状態変化というの
は、減速機歯車に故障が生じた場合に現われる１つの側
面にしかすぎず、スペクトル密度に変化が生じたことの
みを理由として故障診断すると、十分な信頼性が得られ
ない、従って、スペクトル密度の変化を含め複数の指標
をもとに故障診断を行なった方がより信頼性を高めるこ
とができる。

そこで、減速機の自己回帰（Ａ　Ｒ）モデルを作成して
故障診断を行なう方法が提案されている。自己回帰モデ
ルは一般に下記（１）式のように表わされる。

Ｘｊ＝ｅｊ＋Σ　（Ａｘ　拳ｘｊ−ｔ）　　　　　　　
＝４１）μｆ ここで、Ｘｊは離散時刻ｊにおける時系列データ値（機
械振動データ）、Ｘｊ〜１は離散時刻（ｊ−ｉ）におけ
る時系列データ値（機械振動データ）、Ａ１は自己回帰
モデルの係数、ｅｊは残差列、ｐは採取した機械振動デ
ータを自己回帰モデルにあてはめた際にそのあてはめ誤
差が最も小さくなる最適次数である。

ところで、このモデルの係数Ａｌ（ｉ＝１〜Ｐ）を求め
るには、下記（２）式に示すｐ元連立１次方程式を解け
ばよい。

なお、ｋ＝１〜ｐ、次数ｐは平均２乗誤差ｅ　ｔ　２を
最小にするものを採用する。

そして、求められた自己回帰モデルの所定の次数ｉの係
数ＡＩ（Ａｐ（ｉ））を、予め定められた閾値と比較す
ることにより減速機歯車の故障診断〔例えば、歯車噛合
面におけるピッチング（表面傷のような欠け）の発生診
断等〕を行なっている。

しかし、この故障診断方法のように、１つのデータにつ
いて閾値判断を行なうと、時系列データ採取時のノイズ
や誤差の影響を直接受けることになり、常に正しい信頼
性の高い診断ができるとはいえない。

本発明は、上述のような課題を解決するためになされた
もので、データ採取時のノイズや誤差の影響を抑えなが
ら故障診断をできるようにして、メンテナンスに要する
時間および費用を削減できるとともに信頼性の高い減速
機歯車の故障診断方法を提供することを目的とする。

［課題を解決するための手段］ 上記目的を達成するために、１求項１記載の本発明の減
速機歯車の故障診断方法は。

■減速機の機械振動を所定時間ごとに複数組の時系列デ
ータとして採取し、 ■採取された時系列データを各組ごとに自己回帰モデル
にあてはめ、同自己回帰モデルを表わす最適次数の連立
方程式を解いて各時系列データの係数を自己回帰パラメ
ータ値として求めてから、 （■各組ごとに求められた上記自己回帰パラメータ値を
所定の評価関数に代入して評価値を演算し。

■上記評価値と上記減速機の正常時に予め求めた評価値
とを比較して、上記減速機の歯車の故障を診断する ことを特徴としている。

請求項２記載の本発明の減速機歯車の故障診断方法は、
上記請求項１記載の方法において、■採取された上記時
系列データを各組ごとに上記自己回帰モデルにあてはめ
た際に、上記の各時系列データのうちの上記自己回帰モ
デルでは表現できないデータ部分を時系列的な残差列と
して各組ごとに求め、 ■各組ごとの残差列の周波数成分のパワースペクトル密
度に基づき各組ごとのモデルあてはめ精度を演算し。

■各組ごとのモデルあてはめ精度に応じて各組ごとの上
記評価値への寄与度を考慮しながら上記評価関数により
上記評価値を求め、上記減速機の歯車の故障を診断する ことを特徴としている。

また、請求項３記載の本発明の減速機歯車の故障診断方
法は、 ■減速機の機械振動を採取してその周波数成分のパワー
スペクトル密度を求めてから、■このパワースペクトル
密度全体を適当な周波数区間に等分割し。

■各局波数区間のパワースペクトル密度面積値をその全
区間の総和値が一定値となるようにスケール調整した後
、 ■上記の各周波数区間ごとに得られた上記パワースペク
トル密度面積値のスケール調整値を、上記減速機の正常
時に予め求めた同一周波数区間のパワースペクトル密度
面積値のスケール調整値と比較して、上記減速機の歯車
の故障を診断する ことを特徴としている。

さらに、請求項４記載の本発明の減速機歯車の故障診断
方法は、 ■減速機の機械振動を所定時間ごとに複数組の時系列デ
ータとして採取し。

■採取された時系列データを各組ごとに自己回帰モデル
にあてはめ、同自己回帰モデルを表わす最適次数の連立
方程式を解いて各時系列データの係数を自己回帰パラメ
ータ値として求めて、■各組ごとに求められた上記自己
回帰パラメータ値を所定の評価関数に代入して評価値を
演算する一方。

■上記減速機の機械振動を採取してその周波数成分のパ
ワースペクトル密度を求めて。

■そのパワースペクトル密度全体を適当な周波数区間に
等分割し、 ■各局波数区間のパワースペクトル密度面積値をその全
区間の総和値が一定値となるようにスケール調整してか
ら、 ■各組ごとの上記評価値と上記減速機の正常時に予め求
めた評価値とに基づき、且つ、上記の各周波数区間ごと
の上記パワースペクトル密度面積値のスケール調整値と
上記減速機の正常時に予め求めた同一周波数区間のパワ
ースペクトル密度面積値のスケール調整値とに基づき、
上記減速機の歯車の故障を診断する ことを特徴としている。

［作　　　用］ 上述した本発明の請求項１記載の減速機歯車の故障診断
方法では、まず、減速機の機械振動についての複数組の
時系列データに基づき、各組ごとに自己回帰モデルが作
成される。自己回帰モデルは、ある時刻のデータがそれ
よりも前の時刻の複数データの重ね合わせとして表現さ
れるもので、どれだけ過去のデータがある時刻のデータ
に影響を及ぼすかによって、自己回帰モデルを表す連立
方程式の最適次数が決まる。また、この連立方程式を解
くことにより、過去の時系列データのある時刻のデータ
への影響係数が自己回帰パラメータ値として求められる
。そして、各組ごとに自己回帰パラメータ値が所定の評
価関数に代入されて、その絶対値の総和値もしくはこの
総和値についての所定の統計値（例えば平均値２分散）
などを評価値として求め、その評価値と減速機の正常時
に予め求めた対応する評価値とが比較され、その比較結
果に基づいて減速機の歯車の故障が定量的に且つ総合的
に診断される。

本発明の請求項２記載の減速機歯車の故障診断方法では
、請求項１による故障診断において、採取された時系列
データを各組ごとに自己回帰モデルにあてはめた際に、
各時系列データのうち、自己回帰モデルでは表現できな
いデータ部分が時系列的な残差列として各組ごとに求め
られる０通常。

採取された時系列データには、平均値Ｏの白色ノイズが
かかり、各時系列データは、自己回帰モデルとして表現
できるデータと、自己回帰モデルとして表現できない部
分（ノイズ）との重ね合わせになっている。従って、自
己回帰モデルのあてはめ精度が良ければ、上記残差列は
白色ノイズに近づいて、そのパワースペクトル密度はデ
ルタ関数に近くなる。これを利用して、各組ごとの残差
列の周波数成分のパワースペクトル密度に基づき、各組
ごとのモデルあてはめ精度が演算され、得られたモデル
あてはめ精度に応じて各組ごとの上記評価値への寄与度
が考慮されて、上記評価値の演算が行なわれる。

また、本発明の請求項３記載の減速機歯車の故障診断方
法では、減速機の機械振動についての周波数成分のパワ
ースペクトル密度を求めてから。

このパワースペクトル密度全体が適当な周波数区間に等
分割され、各周波数区間のパワースペクトル密度面積値
がその全区間の総和値を一定値にするようにスケール調
整される。そして、パワースペクトル密度面積値のスケ
ール調整値と、減速機の正常時に予め求めた同一周波数
区間のパワースペクトル密度面積値のスケール調整値と
が比較され、減速機の歯車の故障が診断される。このと
き、一定のスケール調整を施された値どうしの比較が行
なわれているので、得られたパワースペクトル密度のレ
ベルとは無関係に、周波数に対応する機械特性が正しく
把握され、どの周波数成分で異常が生じているかを限定
することができる。

さらに１本発明の請求項４記載の減速機歯車の故障診断
方法では、請求項１による故障診断と請求項３による故
障診断とを合わせて行なうことで、減速機歯車が２つの
側面から総合的に診断される。

［発明の実施例］ 以下１図面により本発明の実施例について説明する。

まず、本発明の故障診断方法を適用される遊星歯車式の
３段減速機の構造を第６図（ａ）、（ｂ）により説明す
る。第６図（ａ）、（ｂ）において、Ｇｌ。

Ｇ２．Ｇ３はそれぞれ第１段目、第２段目、第３段目の
遊星歯車機構、１は入力軸、２はサンギヤ。

３はサンギヤ２の外周に噛合するピニオンギヤ、４はピ
ニオンギヤ３を枢支するスパイダ、５はピニオンギヤ３
に外周から噛合するリングギヤ、６はリングギヤ５に連
結される出力軸で、各遊星歯車機構０１〜Ｇ３は、いず
れもサンギヤ２，３個のピニオンギヤ３．スパイダ４お
よびリングギヤ５から構成されている。そして、入力軸
１は遊星歯車機構Ｇ１のサンギヤ２に接続され、遊星歯
車機構Ｇ１のスパイダ４は遊星歯車機構Ｇ２のサンギヤ
２に接続され、遊星歯車機構Ｇ２のスパイダ４は遊星歯
車機構Ｇ３のサンギヤ２に接続され、さらに、遊星歯車
機構Ｇ３のスパイダ４は固定されている。

また、７は遊星歯車機構０１〜Ｇ３を収納するケーシン
グ、８はケーシング７上において遊星歯車機構０１〜Ｇ
３のいずれかの歯車近傍に設置され減速機の機械振動を
採取する振動センサである。

このような構成により、入力軸１から入力された回転数
Ｎ、の回転は、３段の遊星歯車機構Ｇ１〜Ｇ３により回
転数ＮＯに減速されて出力軸６から出力される。減速動
作中、減速機の機械振動が、ケーシング７上の振動セン
サ８によって検出され、後述するような故障診断に用い
られる。

次に、上述した減速機に対して行な・われる本発明の第
１実施例としての減速機歯車の故障診断方法（請求項１
）について説明すると、第１図はそのフローチャートで
あり、第１図に示すように、まず、減速機のケーシング
７外側の所定位置に振動センサ８を取り付けてから、入
力軸１に接続されたモータ（図示せず）の回転数を低速
、中速、高速と変化させて、それぞれの状態での振動デ
ータを、所定時間ごとに複数組の時系列データｘＪ（ｊ
＝１〜ｎ）として採取しくステップＡｌ）、レコーダ（
図示せず）により記録する（ステップＡ２）、データ解
析の際に誤差の影響を少なくするために、各速度につい
て複数回データを採取する。これらのデータはアナログ
であるので、計算機による種々の処理を行なうべくアナ
ログデータをディジタルデータに変換する（ステップＡ
３）、さらに、変換されたディジタルデータに対し、ノ
イズ除去やトレンド除去等の前処理を施す（ステップＡ
４）。

そして、以上のような変換・前処理を施した複数組の時
系列データごとに、自己回帰モデルにあてはめ、自己回
帰パラメータ値の計算を行なう（ステップＡ５）、ここ
で、自己回帰モデルは、ある時刻のデータＸＪがそれよ
りも前の時刻の複数データＸｊ−□、ｘ、ｔ−２，・・
・の重ね合わせとして表現されるもので、どれだけ過去
のデータがある時刻のデータに影響を及ぼすかによって
、自己回帰モデルを表す連立方程式の最適次数ｐが決ま
る。つまり、採取された時系列データｘｊ（ｊ＝１〜ｎ
）を、前述した（２）式に代入し、ｐ元連立１次方程式
を解いて、係数Ａｌ（ｉ＝１〜ｐｏｐは自己回帰モデル
の次数）を自己回帰パラメータ値として求め。

各組ごとに減速機の機械振動の自己回帰モデルを作成す
る。この後、複数組の時系列データから算出した自己回
帰パラメータ値列をそれぞれ比較し、モデル次数ｐが他
に比べて著しく低いものは、データ採取タイミングのミ
スあるいは振動とは無関係である可能性が高いので、異
常データとして排除する（ステップ八６）。

以上のようにして最終的に得られた各組ごとに求められ
た自己回帰パラメータ値Ａｌ（ｉ＝１〜ｐ）を所定の評
価関数に代入して評価値を演算する（ステップＡ７）。

ここで、評価関数の設定手段について説明する。

減速機歯車にピッチングが発生すると、正常時における
歯車固有の周波数以外の周波数振動が発生する。つまり
、自己回帰パラメータ値Ａ１は、正常時には第２図（ａ
）に示すようなものであったのが、第２図（ｂ）に示す
ように全般に大きな値に増加変動する。この変化を定量
的にとらえるためには、第３図（ａ）、（ｂ）に示すよ
うな絶対値の総和値比較、もしくは、第４図（ａ）、（
ｂ）に示すような面積（斜線部分）の総和値比較を行な
えばよい。

従って、本実施例では、評価関数として、自己回帰パラ
メータ値Ａｉの絶対値の総和値、ηｒ＝ｌＡｘｌ　　（
ｒ　＝１〜ｋ）　　　　−（３）れ１ を用いる。ここで、には最終的にデータ解析に用いられ
る採取時系列データの組数である。

そして、各組ごとに得られた総和値η１の平均値ｍに、
つまり、（Σηｒ）／ｋを求め、この平均値ｒ＠１ ｍ３と、減速機歯車の正常時に上述と同様にして予め求
めておいた平均値ｍＱとを比較して、減速機の歯車の故
障を診断する（ステップＡ８）１例えば、ｍに−ｍ１２
〉Δ、（経験的に定められる適当な値）であれば、自己
回帰パラメータ値Ａ１が全般に増加傾向にあり、ピッチ
ングが発生したと診断する。

なお、総和値ηｒを用いた診断基準としては、上述した
平均値を用いるもののほか９次のようなものもある。

■総和値ηｒ（ｒ＝１〜ｋ）と正常時に予め測定して得
られた総和値ηｘ（ｘ＝１〜Ｑ）とを任意に比較し、η
、−ηス〉Δ２であれば、ピッチング発生と診断する。

■総和値ηｒ　（ｒ＝１〜ｋＬ　１７ｘ　（ｘ＝１〜ｆ
ｆ１）それぞれの度数分布についての標準偏差をσＫ。

σ２として、第５図に示すように、各々ｍＨ±３σ・に
９ｍ±３σ悲の範囲に入るデータ数ｎに、　ｎＱを求め
、ｎに−ｎｎ＞Δ、であれば、ピッチング発生と診断す
る。第５図において、実線は正常時、点線はピッチング
発生時の度数分布を示す。また、Δ２．Δ、はいずれも
Δ□と同様に経験的に定められる適当な値である。

■前述した各評価値に重みを付けてその合計で診断を行
なう、つまり、α・（む−Ｑ　ｘ）＋１３　・Ｃｍｙ。

−ｍＱ）＋γ・（ｎに−ｎｊ２）〉α・Δ、＋β・Δ２
÷γ・Δ。

であれば、ピッチング発生と診断する。

また、Ｑｒ　（ｒ＝１〜ｋ）、ＴＩＸ　（ｘ＝１〜Ｑ、
）を求める際には、速度別（例えば低速、中速、高速）
の時系列データを用いてもよいし、全種類の速度を対象
としてもよい、ただし、ηｒ（ｒ＝１〜ｋ）とηＸ　（
ｘ＝１〜Ｑ）との速度条件はそろえておかなければなら
ない。

このように、本発明の第１実施例の故障診断方法によれ
ば、減速機の機械振動について複数組の時系列データｘ
ｊ（ｊ＝１〜ｎ）を採取し、各組のデータごとに自己回
帰モデルを作成して自己回帰パラメータ値Ａ４（ｉ＝１
〜ｐ）を求め、これらの自己回帰パラメータ値Ａ１（ｉ
＝１〜ｐ）を所定の評価関数に代入して得られる統計的
な評価値に基づいて減速機歯車の故障診断が定量的に行
なわれるので、減速機を分解することなく、且つ、熟練
を要することなく故障診断を行なえ、メンテナンスに要
する時間および費用が大幅に削減されるとともに、複数
組の時系列データに基づく統計的な評価値を用いること
で、データ採取時のノイズや誤差の影響が抑えられ、極
めて信頼性の高い総合的な故障診断を行なえるようにな
る。

次に、本発明の第２実施例としての減速機歯車の故障診
断方法（請求項２）を第７〜９図により説明する。この
第２実施例の方法も、第１図に示す第１実施例の方法の
フローチャートと同様の流れに沿って行なわれるが、こ
の第２実施例では、各組ごとに自己回帰パラメータ値Ａ
１（ｉ＝１〜ｐ）を所定の評価関数に代入して評価値を
求める際に。

各組ごとに自己回帰モデルを作成した場合のモデルあて
はめ精度を考慮し、モデルあてはめ精度の悪い組のデー
タ〔自己回帰パラメータ値Ａｉ（ｉ＝１〜ｐ））につい
ては評価値に対する寄与度を抑え。

より信頼性の高い故障診断を行なえるようになっている
。

即ち、採取された時系列データｘｊ（ｊ＝１〜ｎ）を各
組ごとに自己回帰モデルにあてはめた際に、各時系列デ
ータＸｊのうち自己回帰モデルでは表現できないデータ
部分は、ｐ個の時系列的な残差列ｅｊ（ｊ＝（ｎ−ｐ＋
１）〜ｎ〕として各組ごとに求められる。通常、採取さ
れた時系列データには、平均値０の白色ノイズがかかり
、各時系列データｘｊ（ｊ＝１〜ｎ）は、自己回帰モデ
ルとして表現できるデータと、自己回帰モデルとして表
現できない部分（ノイズ；残差列ａｊ）との重ね合わせ
になっている。従って、自己回帰モデルのあてはめ精度
が良ければ、残差列ｅｊ（ｊ＝（ｎ−ｐ＋１）〜ｎ）は
白色ノイズに近づき、その周波数成分のパワースペクト
ル密度（Ｐ　Ｓ　Ｄ　：　Ｐｏｗｅｒ　Ｓｐｅｃ−ｔｒ
ｕｍ　Ｄｅｎｓｉｔｙ）は、第７図（ａ）に示すように
デルタ関数に近くなる一方、モデルあてはめ精度が悪け
れば、残差列ｅｊの周波数成分のパワースペクトル密度
は、第７図（ｂ）に示すように分散してしまう。

本実施例はこれを利用したもので、時系列データｘｊ（
ｊ＝１〜ｎ）を各組ごとに自己回帰モデル（１）式にあ
てはめた際に、各組ごとに前述した残差列ｅｊ（ｊ＝（
ｎ−ｐ＋１）〜ｎ〕を求め、求められた残差列ｅｊにつ
いて、第８図に示すような周波数成分のパワースペクト
ル密度分布を得る。そして、各組ごとのモデルあてはめ
精度ξを次のように演算する。

つまり、第８図に示すように、まず、残差列８ｊのパワ
ースペクトル密度分布に対して適当な基準周波数りを定
め、この周波数りよりも低い周波数に表われるパワース
ペクトル密度の総和値をＳよ、高い周波数に表われるパ
ワースペクトル密度の総和値を８２として求める。そし
て、これらの総和値Ｓ１．　Ｓ、を用いて、モデルあて
はめ精度ξを５１７（ＳＬ＋８２）と定義する。従って
、基準周波数りが経験等により適切に設定されていれば
。

時系列データＸｊの自己回帰モデルへのあてほめが良い
時には、パワースペクトル密度がデルタ関数に近づきモ
デルあてはめ精度ξは１に近づく一方、あてほめの誤差
が大きくなるほど、総和値８２大きくなって、モデルあ
てはめ精度ξは１よりも小さくなっていく。

上述したモデルあてはめ精度ξを各組ごとに求める。こ
のモデルあてはめ精度ξは、各組ごとのデータの評価値
への寄与度に対応し、各組ごとの自己回帰パラメータ値
Ａ１を前述した所定の評価関数（３）式に代入する際に
、各自己回帰パラメータ値Ａ１にモデルあてはめ精度ξ
を乗算するか、評価関数（３）式により得られた評価値
ηｒ（ｒ＝１〜ｋ）にモデルあてはめ精度ξを乗算する
かすることにより、各組ごとのデータの評価値への寄与
度を考慮した補正を行なう。

このような補正を行なわなかった場合（各組のモデルあ
てはめ精度ξがすべて１の場合）１例えば、総和値ηｒ
（ｒ＝１〜ｋ）の度数分布が第９図に実線で示すような
ものであるときに、各組ごとにモデルあてはめ精度ξｒ
（ｒ＝１〜ｋ）を求めて前述したような補正を行ない、
度数分布を描き直すと、第９図に点線で示すようになる
。即ち、モデルあてはめ精度の悪い部分は、評価値への
寄与度が低いとして小さく補正され、本質的な部分のみ
が度数分布図上に表われることになる。

以上のように、モデルあてはめ精度ξｒ（ｒ＝１〜ｋ）
を用いて補正して得られた評価値ηｒ（ｒ＝１〜ｋ）に
基づいて、減速機歯車の故障診断が行なわれる。

このように１本発明の第２実施例の故障診断方法によれ
ば、第１実施例と同様の効果が得られる上に、モデルあ
てはめ精度ξｒ（ｒ＝１〜ｋ）に基づき各組ごとのデー
タの評価値への寄与度を考慮した補正が行なわれるので
、採取されたデータの本質的な部分が採り出され評価関
数に反映されることになり、第１実施例よりもさらに信
頼性の高い故障診断を行なえるようになる。

次に、本発明の第３実施例としての減速機歯車の故障診
断方法（請求項３）について説明すると。

第１０図はそのフローチャートであり、第１０図に示す
ように、まず、減速機のケーシング７外側の所定位置に
振動センサ８（第６図参照）を取り付けてから、減速機
を動作させて振動データを採取しくステップＢ１）、レ
コーダにより記録する（ステップＢ２）。この振動デー
タは、計算機による処理を行なうべくアナログからディ
ジタルに変換された後（ステップＢ３）、そのディジタ
ルデータに対してノイズ除去やトレンド除去等の前処理
を施す（ステップＢ４）。

以上のような変換・前処理を施した振動データについて
、その周波数成分のパワースペクトル密度分布を計算し
て求めてから（ステップＢ５）、第１１図（ｂ）に示す
ように、得られたパワースペクトル密度分布を適当な間
隔Δｆの周波数区間に等分割する（ステップＢ６）。

そして、各周波数区間のパワースペクトル密度面積値５
ｌ（ｉ＝１〜ｎ）を、その全区間の総和値ΣＳｔが１と
なるようにスケールｗ４Ｗする。即ち、ｉＩＩ！ 各パワースペクトル密度面積値Ｓｉごとに、そのる（ス
テップＢ７）、これにより、Σωｉ＝ｉとな（＆す る。

なお、同様のスケール調整は、減速機が正常な時に採取
した振動データのパワースペクトル密度〔第１１図（ａ
）参照〕についても行なわれており、この正常時のスケ
ール調整値ρｘ（ｉ＝ｌ〜ｎ）が予めメモリ等に記憶さ
れている。このとき、正常時と故障診断時とでは、周波
数区間が互いに一致するように設定しなければならない
、また、ここでは、全区間の総和値が１になるようにス
ケール調整しているが、これに限定されるものではなく
。

故障診断時および正常時に、それぞれ同じ総和値となる
ようにスケール調整を行なえばよい。

ついで、各周波数区間ごとに得られたパワースペクトル
密度面積値ｓｌのスケール調整値ω１と。

減速機の正常時に予め求めた同一周波数区間のパワース
ペクトル密度面積値のスケール調整値ρ１とを比較すべ
く、故障診断時に前述のごとく計算されたスケール調整
値ωｌと正常時のスケール調整値ρｌとの同一周波数区
間どうしの比ζ１＝ωｌ／ρ工を計算する（ステップＢ
８）。

ステップＢ８により得られた比ζ１に基づいて減速機歯
車の故障診断を行なう（ステップＳ９）。

ここで、本実施例では、一定のスケール調整を行なった
故障診断時と正常時とのスケール調整値どうしを用いて
比較・診断するので、例えば、第１２図（ａ）、（ｂ）
に示すように、得られたパワースペクトル密度分布のレ
ベルが大きく違っていても所定のスケールに統一され、
系の特徴が同じであれば、パワースペクトル密度のレベ
ルとは無関係に１周波数に対応する機械特性を正しく把
握できる。

そして、もし故障が発生していなければ、各周波数区間
ごとの比ζ１は、はぼ１となっている。

従って、比ζ１の大きさに注目し比ζ１の１からのずれ
の度合いから、どの周波数成分で異常が生じているかを
限定することができる０例えば、第１３図（ａ）に示す
パワースペクトル密度分布が正常時のものである場合、
故障診断時に第１３図（ｂ）に示すようにパワースペク
トル密度の高周波成分レベルが高くなると、比ζｌは、
第１３図（ｃ）に示すように、成分の加わった周波数部
分に対応する部分において１よりも大きくなって、異常
を生じた周波数成分が明確になり故障と診断することが
でる。また、第１３図（ｄ）に示すように正常時に見ら
れなかったピークＰが生じると、比ζｌは、第１３図（
，３）に示すように、ピークＰに対応する部分において
１よりも大きなピークを生じ、ピークＰを生じた周波数
成分が明確になり、故障診断を行なえる。

また、パワースペクトル密度に種々の変化が生じ、第１
４図に示すように、比ζ１が、様々な周波数成分におい
て１から変動すると、どの周波数成分で異常を生じたか
を限定できず、故障診断も難しくなる。そこで、このよ
うに違いが明確にならないような場合には、比ζｌの１
からのずれ部分（図中の斜線部分）の増加傾向を評価基
準とすることもできる０例えば、■δ１〈Σｊζｔ−Ｉ
１．■Ｉ１１ δ２くゑ（ζｔ−１）（ただし、ζ１〉１）、もしくは
、ａｊ ■δ、く至（１−ζｚ）　（ただし、ζｔ＜１．）のい
ずれｚｌ かの場合にピッチング発生と判断する。なお。

δ、〜δ、は経験的に定められる適当な値である。

このように、本発明の第３実施例の故障診断方法によれ
ば、減速機の機械振動についての周波数成分のパワース
ペクトル密度を、所定の周波数区間に分割してスケール
調整を行なうことで、パワースペクトル密度のレベルと
は無関係に、周波数に対応する機械特性を正しく把握で
きる。また。

故障診断時および正常時のスケール調整値ω↓。

ρ１の同一周波数区間どうしの比ζ１＝ω１／ρ１に基
づき減速機歯車の故障診断を行なうので、どの周波数成
分で異常が生じているかを明確にできるほか、定量的な
故障診断が可能で、第１実施例と同様に、減速機を分解
することなく、且つ、熟練を要することもなく信頼性の
高い総合的な故障診断を行なえるようになる。

次に、本発明の第４実施例としての減速機歯車の故障診
断方法（請求項４）を第１５〜１９図により説明する。

この第４実施例では、第１実施例においてステップＡ１
〜Ａ７（第１図参照）の手順により得られた自己回帰モ
デル評価値（ＡＲＲ価値）、例えば、（１）式に基づく
り＝ΣｌＡｌ１と、第２実施／、Ｊ 例においてステップＢ１〜Ｂ８（第１０図参照）により
得られた比ζ１にて定義するパワースペクトル密度評価
値（Ｐ　Ｓ　Ｄ評価値）、例えば、ρ＝りｔＩＩ！ １ζ１−１１とをそれぞれ求め、これらの評価値η。

ρに基づいて減速機歯車の故障診断を行なっている。即
ち、！ｉｌ求項１の故障診断方法と請求項３の故障診断
方法とを組み合わせて行なっている。

この第４実施例による故障診断方法および判断基準をよ
り具体的な例に基づいて詳細に説明する。

まず、正常時の減速機歯車について、上述したＡＲ評評
価値上とＰＳＤ評価評価値時を予め求めておく、そして
、減速機を作動させてから経過した時間ｒごとに振動採
取した結果、下表のようなＡＲ評評価値上ＰＳＤ評価評
価値時得られたとする。

この表のデータに基づいたＡＲ評評価値上ＰＳＤ評価評
価値時間ｒとの関係は、それぞれ第１５゜１６図に示す
ようになる。これらの図からは両評価値η、ρが増加傾
向にあることは判断できるが、これらのデータから同時
に故障診断を評価することは難しい。

そこで、第１７図に示すように、評価値η、ρによる平
面を構成して、この平面上に上記表のデータをプロット
すると、正常であると判断できるグループＡと、故障が
発生していると判断できるグループＢとに明確に分かれ
る。

本実施例では、このような性質を利用し次のようにして
故障診断を行なう、即ち、まず、減速機が正常であると
きのＡＲ評評価値上ＰＳＤ評価値、とをｍ個採取し、そ
れらを（ρ。０．η。、）、（ρ。２゜η。２）、・・
・、（ρ。１．η。、）とする。そして、ρ、η平面上
にこれらｍ個の点をプロットし、これらの点を包含する
ような円を（ρ−ρ。）２＋（η−η。）２＝ｒ０′と
し、故障診断に先だって、ρ。、η。およびｒｏを次式
（３）により求めておく。つまり。

において、２が最小となるように、ρ。、η。およびｒ
ｏを定める。これにより、ｍ個の点を包含する基準円（
第１８図の符号Ｃ参照）が設定されるにのようにして基
準円Ｃを設定してから、故障診断時に機械振動を採取し
て得られた評価値データ（ρ８．η、）が正常が否かを
１次のような判断基準のもしくは■に基づいて判断する
。

■正常データ領域からの距離でピッチング発生診断を行
なう、つまり。

ρ１−ρ。÷　９゜１−＋７゜Ｆ−ｒ。′≦０→正常ρ
□−ρ。＋η。３−　ｒ　６　”≦ε→はぼ正常ρ１−
ρ。÷η、□−η。−ｒ０′〉ε→ピッチング発生 ■正常時のｍ個のデータに採取された新たなデータを付
加し、ｍ＋１個のデータを包含する円を（４）式に基づ
き前述と同様にして求め、これにより得られた新たな半
径値ｒ、の大きさに基づいてピッチング発生診断を行な
う、つまり、正常時のデータに故障発生時のデータが付
加されると、第１７図に示したように、故障発生時のデ
ータのプロット位置は正常時のデータからがなり離れる
ことになるので、これらのデータを包含する円の半径ｒ
が、第１９図に示すように急激に変化する。従ってＮ　
　ｒ’　Ｌ−ｒ’　６　＞ξになった時にピッチングが
発生したと診断する。

このように１本発明の第４実施例の故障診断方法によれ
ば、請求項１による自己回帰モデルを用いた故障診断と
請求項３によるパワースペクトル密度を用いた故障診断
とを組み合わせ、ＡＲ評価値とＰＳＤ評価値とを用いて
定量的な減速機歯車の故障診断が行なわれるので、第１
，３実施例と同様の効果が得られるほか、減速機歯車が
２つの側面から総合的に診断され、より信頼性の高い故
障診断を行なえるのである。

なお、上記実施例では、いずれも第６図（ａ）。

（ｂ）に示すような３段の遊星歯車式の減速機に各方法
を適用した場合について説明したが、本発明の各方法は
、これに限定されるものでは、種々の減速機歯車に同様
に適用され、上述と同様の作用効果が得られる。

［発明の効果］ 以上詳述したように、請求項１記載の本発明の減速機歯
車の故障診断方法によれば、減速機の機械振動について
複数組の時系列データを採取し、各組のデータごとに自
己回帰モデルを作成して自己回帰パラメータ値を求め、
これらの自己回帰パラメータ値を所定の評価関数に代入
して得られる統計的な評価値に基づいて減速機歯車の故
障診断が定量的に行なわれるので、極めて容易に故障診
断を行なえ、メンテナンスに要する時間や費用を大幅に
削減できるとともに、統計的な評価値を用いることで、
データ採取時のノイズや誤差の影響を抑制できて極めて
信頼性の高い総合的な故障診断を行なえる効果がある。

また、請求項２記載の本発明の減速機歯車の故障診断方
法によれば、請求項１の方法において、各組ごとにモデ
ルあてはめ精度を求め、このモデルあてはめ精度に基づ
き各組のデータの評価値への寄与度を考慮した評価値を
求めているので、採取されたデータの本質的な部分が評
価値に反映され、より信頼性の高い故障診断を行な・え
る。

請求項３記載の本発明の減速機歯車の故障診断方法によ
れば、減速機の機械振動についての周波数成分のパワー
スペクトル密度を所定の周波数区間に分割してスケール
調整し、故障診断時と正常時とのスケール調整値を同一
周波数区間どうし比較して故障診断を行なうので、パワ
ースペクトル密度のレベルと無関係に周波数に対応する
機械特性が正確に把握されるとともに、どの周波数成分
で異常が生じているかを明確にできるほか、定量的な故
障診断も可能になり、請求項１の方法と同様の効果も得
られる。

さらに、請求項４記載の本発明の減速機歯車の故障診断
方法によれば、請求項１の自己回帰モデルを用いた故障
診断と請求項３のパワースペクトル密度を用いた故障診
断とを組み合わせた定量的な減速機歯車の故障診断を行
なうので、前述した請求項１，３の方法と同様の効果が
得られるほか、減速機歯車を２つの側面から総合的に診
断でき。

より信頼性の高い故障診断を行なえる効果がある。

【図面の簡単な説明】

第１〜６図は本発明の第１実施例としての減速機歯車の
故障診断方法を示すもので、第１図はそのフローチャー
ト、第２図（ａ）、（ｂ）、第３図（ａ）。 （ｂ）、第４図（ａ）、（ｂ）および第５図はいずれも
その故障診断の評価基準を説明するためのグラフ、第６
図（ａ）は本実施例の方法を適用される減速機の構成を
示す模式的な縦断面図、第６図（ｂ）は同減速機の構成
を示す模式的な横断面図であり、第７〜９図は本発明の
第２実施例としての減速機歯車の故障診断方法を示すも
ので、第７図（ａ）、（ｂ）および第８図はいずれもそ
のモデルあてはめ精度の演算手段を説明するためのグラ
フ、第９図は本実施例の効果を説明するためのグラフで
あり、第１０〜１４図は本発明の第３実施例としての減
速機歯車の故障診断方法を示すもので、第１０図はその
フローチャート、第１１図（ａ）、（ｂ）はそれぞれ正
常時、故障時の周波数区間の設定例を示すグラフ、第１
２図（ａ）、（ｂ）はいずれもその作用を説明するため
のグラフ、第１３図（ａ）〜（ｅ）および第１４図はい
ずれもその故障診断の判断基準等を説明するためのグラ
フであり、第１５〜１９図はいずれも本発明の第４実施
例としての減速機歯車の故障診断方法における故障診断
の判断基準を説明するためのグラフ、第２０図（ａ）、
（ｂ）はそれぞれ−船釣な正常時、異常時のパワースペ
クトル密度分布例を示すグラフである。 図において、１−人力軸、２−サンギヤ、３−ピニオン
ギヤ、４−スパイダ、５−リングギヤ。 ６−出力軸、７−ケーシング、８−振動センサ、Ｇ１−
Ｇ３−遊星歯車機構。 特許出願人　株式会社　神戸製鋼所

Claims (4)

【特許請求の範囲】
1. （１）減速機の機械振動を所定時間ごとに複数組の時系
   列データとして採取し、採取された時系列データを各組
   ごとに自己回帰モデルにあてはめ、同自己回帰モデルを
   表わす最適次数の連立方程式を解いて各時系列データの
   係数を自己回帰パラメータ値として求めてから、各組ご
   とに求められた上記自己回帰パラメータ値を所定の評価
   関数に代入して評価値を演算し、上記評価値と上記減速
   機の正常時に予め求めた評価値とを比較して、上記減速
   機の歯車の故障を診断することを特徴とする減速機歯車
   の故障診断方法。
2. （２）採取された上記時系列データを各組ごとに上記自
   己回帰モデルにあてはめた際に、上記の各時系列データ
   のうちの上記自己回帰モデルでは表現できないデータ部
   分を時系列的な残差列として各組ごとに求め、求められ
   た各組ごとの残差列の周波数成分のパワースペクトル密
   度に基づいて各組ごとのモデルあてはめ精度を演算し、
   演算された各組ごとのモデルあてはめ精度に応じて各組
   ごとの上記評価値への寄与度を考慮しながら上記評価関
   数により上記評価値を求め、上記減速機の歯車の故障を
   診断することを特徴とする請求項１記載の減速機歯車の
   故障診断方法。
3. （３）減速機の機械振動を採取してその周波数成分のパ
   ワースペクトル密度を求めてから、求められたパワース
   ペクトル密度全体を適当な周波数区間に等分割し、各周
   波数区間のパワースペクトル密度面積値をその全区間の
   総和値が一定値となるようにスケール調整した後、上記
   の各周波数区間ごとに得られた上記パワースペクトル密
   度面積値のスケール調整値を、上記減速機の正常時に予
   め求めた同一周波数区間のパワースペクトル密度面積値
   のスケール調整値と比較して、上記減速機の歯車の故障
   を診断することを特徴とする減速機歯車の故障診断方法
   。
4. （４）減速機の機械振動を所定時間ごとに複数組の時系
   列データとして採取し、採取された時系列データを各組
   ごとに自己回帰モデルにあてはめ、同自己回帰モデルを
   表わす最適次数の連立方程式を解いて各時系列データの
   係数を自己回帰パラメータ値として求めて、各組ごとに
   求められた上記自己回帰パラメータ値を所定の評価関数
   に代入して評価値を演算する一方、上記減速機の機械振
   動を採取してその周波数成分のパワースペクトル密度を
   求めて、求められたパワースペクトル密度全体を適当な
   周波数区間に等分割し、各周波数区間のパワースペクト
   ル密度面積値をその全区間の総和値が一定値となるよう
   にスケール調整してから、上記評価値と上記減速機の正
   常時に予め求めた評価値とに基づき、且つ、上記の各周
   波数区間ごとに得られた上記パワースペクトル密度面積
   値のスケール調整値と上記減速機の正常時に予め求めた
   同一周波数区間のパワースペクトル密度面積値のスケー
   ル調整値とに基づき、上記減速機の歯車の故障を診断す
   ることを特徴とする減速機歯車の故障診断方法。