JPH0288939A - 減速機歯車の故障診断装置 - 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装置
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解析にっいて説明する。

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１５図（ａ）、（ｂ）はＦＦＴ解析の一例を
示すもので、第１５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１５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１５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０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１次のような課題がある。

■減速機を分解検査する手段では、部品交換回数が多く
なりがちで１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。

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、減速機を分解することなく、複数の側面から確
実かつ容易に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装置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本発明の減速機歯車の故障
診断装置は、減速機の機械振動を採取する振動検出手段
と、同振動検出手段からの機械振動に関する時系列デー
タを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る自己回帰パラメー
タ値演算手段と、上記振動検出手段からの機械振動に基
づいてその周波数成分のパワースペクトル密度を求める
パワースペクトル密度演算手段と、上記自己回帰パラメ
ータ値および上記パワースペクトル密度に関するデータ
をそれぞれ所定の評価関数に代入して評価値を演算する
評価値演算手段と、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上記減速機の歯車の故障を
診断する故障診断手段と、その診断結果を表示する表示
手段とをそなえたことを特徴としている。

［作　　　用］ 上述した本発明の減速機歯車の故障診断装置では、振動
検出手段により減速機の機械振動についての時系列デー
タが採取され、得られたデータに基づき、自己回帰パラ
メータ値演算手段において、自己回帰モデルが作成され
、自己回帰パラメータ値が演算される。ここで、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。

また、パワースペクトル密度演算手段により、上記振動
検出手段からの機械振動データに基づいてその周波数成
分のパワースペクトル密度が求められる。

そして、得られた自己回帰パラメータ値およびパワース
ペクトル密度に関するデータが、評価値演算手段におい
て、それぞれ所定の評価関数に代入されて評価値が演算
され、この評価値と減速機の正常時に予め求めた評価値
とを故障診断手段において比較することにより、減速機
歯車の故障が定量的に且つ総合的に診断されるとともに
、その診断結果が表示手段に表示される。

［発明の実施例］ 以下、図面により本発明の一実施例としての減速機歯車
の故障診断装置について説明すると、第１図はそのブロ
ック図であり、この第１図において、１は故障診断対象
の減速機、２はこの減速機１の機械振動を採取する振動
センサ（振動検出手段）、３は計算機による種々の処理
を行なうべく振動センサ２により採取されたアナログデ
ータをディジタルデータに変換する変換器、４は変換器
３からの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前処理部である。

また、５は振動センサ２により採取された機械振動の時
系列データを自己回帰（Ａ　Ｒ）モデルにあてはめ自己
回帰モデルを表わす最適次数ｐの連立方程式〔下式（２
）〕を解いて各時系列データの係数Ａ１（ｉ＝１〜ｐ）
を自己回帰パラメータ値として求めるＡＲ係数演算部（
自己回帰パラメータ値演算手段）である。

ここで、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＋１　（Ａｉ・ｘＪ−ｔ）　　　　　＝（Ｌ
）ＩＩＩ 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）、Ｘ　ｊ−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）、Ａ、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。

そして、このモデルの係数Ａ４（ｉ＝ｌ〜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。

ただし、　Ｃ（ｋ）　−（１／ｎ）・２　ｘ　（ｊ＋ｋ
）　・ｘ　（ｊ）ノ１１ なお、ｋ＝ｌ〜ｐ、次数ｐは平均２乗誤差「ｙを最小に
するものを採用する。そして１本実施例では、振動セン
サ２により、所定時間ごとに複数組の時系列データが採
取され、各組ごとに自己回帰パラメータ値Ａ１（Ａｐ（
ｉ）；　ｉ　＝１〜ｐ）を求める。

そして、６は各組ごとに求められた自己回帰パラメータ
値Ａ４（ｉ＝１〜ｐ）を後述する所定の評価関数〔（３
）式参照〕に代入してＡＲ評価値を演算する評価関数部
（評価値演算手段）、７は振動センサ２により採取され
た機械振動データに基づいてその周波数成分のパワース
ペクトル密度（Ｐ　Ｓ　Ｄ　；Ｐ　ｏｖｅｒ　Ｓ　ｐｅ
ｃｔｒｕｍ　Ｄ　ｅｎｓｉｔｙ）をＦＦＴ解析により求
めるＦＦＴ演算部（パワースペクトル密度演算手段）、
８はこのＦＦＴ演算部７からのパワースペクトル密度に
関するデータを後述する所定の評価関数〔（４）式参照
〕に代入してＰＳＤ評価値を演算する評価関数部（評価
値演算手段）、９は各評価関数部６，８からのＡＲ評価
値およびＰＳＤ評価値と減速機１の正常時に予め求めた
ＡＲ評価値およびＰＳＤ評価値とを比較して減速機１の
歯車の故障を診断する診断部（故障診断手段）、１０は
診断部９による診断結果を表示する表示部（表示手段）
、１１は診断部１０からの診断結果に応じて故障を生じ
ている場合に警報を発するアラームである。なお１診断
部９における診断基準の詳細は後述する。

本発明の一実施例としての減速機歯車の故障診断装置は
上述のごとく構成されているので、減速機１の故障診断
を行なう際には、まず、減速機１の所定位置（歯車近傍
）に振動センサ２を取り付けてから、減速機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
て採取しレコーダ（図示せず）により記録する。ここで
は。

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。また、これらのデ
ータは、アナログデータであるので、計算機による種々
の処理を行なうべく、変換器３によりディジタルデータ
に変換されるとともに、変換されたディジタルデータに
対し、前処理部４においてノイズ除去やトレンド除去等
の前処理が施される。

そして、以上のような変換・前処理を施した複数組の時
系列データは、ＡＲ係数演算部５に入力され、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が行な
われる。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Ｘ　ｊＪ　？　
Ｘ　ｊ−２ｅ・・・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Ａ１（ｉ＝１〜Ｐ）を自己回帰パラメータ
値として求め、各組ごとに減速機１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
べて著しく低いあるいは高いものは、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。

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）は、評価関
数部６へ送られ、所定の評価関数に代入されて、ＡＲ評
価値が演算される。

ここで、評価関数部６において設定される評価関数の例
について説明する。減速機１の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１本実施例では、評価関数として、自己回帰パラ
メータ値Ａ１の絶対値の総和値。

η、＝ΣｌＡ１１　　（ｒ＝１〜ｋ）　　　　−（３）
ε−工 を用いる。ここで、１１〜１２は評価に用いるＡＲ次数
の範囲である。そして、各組ごとに得られた総和値η、
の平均値ｍに、つまり、（Σηｒ）／ｋａｌ がＡＲ評価値として演算され診断部９へ送られる。

一方、ＦＦＴ演算部７においては、前処理部４からのデ
ータを受け、その周波数成分のパワースペクトル密度分
布が、第６図（ｂ）に示すように、ＦＦＴ解析により計
算して求められ、評価関数部８へ送られ、所定の評価関
数に代入されて、ＰＳＤ評価値が演算される。

評価関数部８において設定される評価関数の例について
説明する。評価関数８では、まず、第６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し、各周波数区間のパワース
ペクトル密度面積値５１（ｉ＝１〜ｎ）を、その全区間
の総和値、＝Ｓｉが１となるようにスケール調整する。

即ち、各パワースペクトル密度面積値Ｓ１ごとに、その
スケールにより、ｆω１＝１となる。なお、同様のスケ
ーＧ冨１ ル調整は、減速機１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６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ρ１（ｉ
＝１〜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する。

そして、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Ｓ１のスケール調整値ωｌ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＝ω１／ρ１を計算する。

本実施例では、このようにして得られた比ζ１と、下式
（４）にて表される評価関数の値λとが、ＰＳＤ評価値
として演算され診断部９へ送られる。

λ＝２＋ζ１−１１　　　　　　　　　・・・（４）ｉ
＝１ さて１以上のようして得られたＡＲ評価値およびＰＳＤ
評価値により、診断部９では、減速機歯車の故障診断が
次のような診断基準に基づいて行なわれる。

〔１〕まず、ＡＲ評価値のみについて診断を行なう場合
の診断基準について説明する。

（３）式により得られた総和値η、の平均値ｍに（＝＜
ｉηｒ）／ｋ〕と、減速機歯車の正常時に上ｌ１１ 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。

例えば、ｍＨ−ｍｌ）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、（２）式による総和値η１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、次のような
ものもある。

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

■総和値ηｒ（ｒ＝＝１〜ｋＬ　ηｘ（Ｘ＝１〜Ｑ）そ
れぞれの度数分布についての標準偏差をσＫ。

σ此して、第５図に示すように、各々ｍＫ±３σＫｇ　
ｍ±３ａＱの範囲に入るデータ数ｎＫｔｎ１求め、ｎに
−ｎＱ＞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−ηス）＋β・（ｍに−ｍＱ）
＋γ（ｎに−ｎＱ）＞α６Δ１＋β０Δ２＋γ・Δ、で
あれば、ピッチング発生と診断する。

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

〔２〕次に、ＰＳＤ評価値のみについて診断を行なう場
合の診断基準について説明する。

ここで１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７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、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。例えば、第８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８
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ζ１は、第８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８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ζ１は、第８図（ｅ）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９
図に示すように、比ζｌ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、■δ、〈１）（ただし、
ζｌ〉１）、もしくは、■δ、くΣｘｌ （１−ζ１）　（ただし、ζ工〈１）のいずれかの場合
にピッチング発生と診断する。なお、６１〜δ、は経験
的に定められる適当な値である。

〔３〕さらに、ＡＲＲ価値である（３）式によるη（＝
である（３）式によるλ＜＝ｉ＋ζｌ−１１）とを用い
す４ て総合的に故障診断を行なう場合の診断基準について説
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評価評価値上を予め求めておく。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
価値上得らこの表のデータに基づいたＡＲ評評価値上Ｐ
ＳＤ評価評価値上間ｒとの関係は、それぞれ第１０．１
１図に示すようになる。これらの図からは両評価値η、
λが増加傾向にあることば判断できるが、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１２図に示すように、評価値η。

λ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、正常であると診断できるグループＡ
と、故障が発生していると診断できるグループＢとに明
確に分かれる。

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評価評価値上ｍ個採取し、それらを（λ。１
．η。、）、（λ。２．η。８）。

・・・、（λ。■、ηｌ）とする、そして、λ、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（λ−λ５）”＋（η−η。）２＝ｒｌ１
２とし、故障診断に先だって、λ。、η。およびｒｏを
次式（５）により求めておく。つまり、２＝σ１＋σ２
＋・・・＋σ鳳　　　　　　　　Ｊにおいて、Ｚ　ａ＜
最小となるように、λ。、η。およびｒｏを定める。こ
れにより１ｍ個の点を包含する基準円（第１３図の符号
Ｃ参照）が設定される。

こ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（λ１．η１
）が正常か否かを１次のような診断基準■もしくは■に
基づいて診断する。

■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、 λ、−λ。＋り。１−り。）−ｒ　、　ｓ≦０→正常λ
正常上。÷η。、−η、−ｒ　、　＊≦ε→はぼ正常λ
１−λ。）３＋（η。、−η。）ｘ−ｒ、＊＞ε→ピッ
チング発生 ■正常時のｍ個のデータに新たに採取されたデータを付
加し１ｍ＋１個のデータを包含する円を（５）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１２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
時のデータからか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１４図に示すように
急激に変化する。従って、ｒｔ−ｒ、）εになった時に
ピッチングが発生したと診断する。

以上のように行なわれる診断結果はすべて表示部１０上
に表示されるとともに、故障発生と診断された場合には
、アラーム１１を作動させてオペレータに告知されるの
で、オペレータは１表示部１０およびアラーム１１を見
ることにより、減速機歯車の状況を容易に診断でき、減
速機１の修理等を実施できる。

このように１本実施例の故障診断装置によれば、減速機
１の機械振動について複数組の時系列データＸｊ（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Ａｌ（ｉ＝１〜ｐ）を
求め、これらの自己回帰パラメータ値Ａ４（ｉ＝１〜Ｐ
）を所定の評価関数に代入して統計的なＡＲ評価値を求
めるとともに、減速機１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、そのデータからＰＳ
Ｄ評価値を求めて、これらのＡＲ評価値およびＰＳＤ評
価値に基づいて減速機歯車の故障診断が行なわれ、その
結果が表示部１０やアラーム１１により表示されるので
、減速機１を分解することなく、且つ、熟練を要するこ
となく極めて容易に故障診断を行なえ、メンテナンスに
要する時間および費用が大幅に削減されるとともに、自
己回帰モデルおよびパワースペクトル密度に基づく２種
類の評価値を用いることで、２つの側面から極めて信頼
性の高い総合的な故障診断を行なえるようになる。

また、本実施例では、減速機１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１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ω１．ρ１の同一周波数区間どうし
の比ζ１＝ω１／ρｌ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
確にできるなどの利点もある。

［発明の効果］ 以上詳述したように１本発明の減速機歯車の故障診断装
置によれば、振動検出手段からの機械振動に関する時系
列データを自己回帰モデルにあてはめ各時系列データの
係数を自己回帰パラメータ値として求める自己回帰パラ
メータ値演算手段と。

上記機械振動に基づきその周波数成分のパワースペクト
ル密度を求めるパワースペクトル密度演算手段と、上記
自己回帰パラメータ値および上記パワースペクトル密度
に関するデータをそれぞれ所定の評価関数に代入して評
価値を演算する評価値演算手段と、上記評価値と減速機
の正常時に予め求めた評価値とを比較し減速機歯車の故
障を診断する故障診断手段と、その診断結果を表示する
表示手段とをそなえて構成したので、減速機を分解する
ことなく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、自己
回帰モデルおよびパワースペクトル密度に基づく２種類
の評価値を用いることで、２つの側面から極めて信頼性
の高い総合的な故障診断を行なえる効果がある。

【図面の簡単な説明】

第１図は本発明の一実施例としての減速機歯車の故障診
断装置を示すブロック図、第２図（ａ）。 （ｂ）、第３図（ａ）、（ｂＬ第４図（ａ）、（ｂ）お
よび第５図はいずれもＡＲ評価値および診断基準を説明
するためのグラフ、第６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７
図（ａ）、（ｂ）はいずれも周波数スケール調整による
作用を説明するためのグラフ、第８図（ａ）〜（８）お
よび第９図はいずれもＰＳＤ評価値および診断基準を説
明するためのグラフ、第１０〜１４図はいずれもＡＲ評
価値およびＰＳＤ評価値を用いた故障診断の診断基準を
説明するためのグラフ、第１５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・・−減速機、２−振動センサ（振動検
出手段）、３−・・変換器、４−前処理部、５・・−Ａ
Ｒ係数演算部（自己回帰パラメータ値演算手段）、６−
評価関数部（評価値演算手段）、７−ＦＦＴ演算部（パ
ワースペクトル密度演算手段）、８・−・評価関数部（
評価値演算手段）、９・−診断部（故障診断手段）、１
〇−表示部（表示手段）、１１−アラーム。 特許出願人　株式会社　神戸製鋼所

Claims (1)

【特許請求の範囲】
1. 減速機の機械振動を採取する振動検出手段と、同振動検
   出手段により採取された機械振動に関する時系列データ
   を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る自己回帰パラメータ
   値演算手段と、上記振動検出手段により採取された機械
   振動に基づいてその周波数成分のパワースペクトル密度
   を求めるパワースペクトル密度演算手段と、上記自己回
   帰パラメータ値演算手段からの上記自己回帰パラメータ
   値および上記パワースペクトル密度演算手段からのパワ
   ースペクトル密度に関するデータをそれぞれ所定の評価
   関数に代入して評価値を演算する評価値演算手段と、同
   評価値演算手段から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を比較して上記減速機の歯車の故
   障を診断する故障診断手段と、同故障診断手段による診
   断結果を表示する表示手段とがそなえられたことを特徴
   とする減速機歯車の故障診断装置。