WO2017221588A1 - 負荷の異常検出装置 - Google Patents

負荷の異常検出装置 Download PDF

Info

Publication number
WO2017221588A1
WO2017221588A1 PCT/JP2017/018284 JP2017018284W WO2017221588A1 WO 2017221588 A1 WO2017221588 A1 WO 2017221588A1 JP 2017018284 W JP2017018284 W JP 2017018284W WO 2017221588 A1 WO2017221588 A1 WO 2017221588A1
Authority
WO
WIPO (PCT)
Prior art keywords
peak
current
spectrum
load
unit
Prior art date
Application number
PCT/JP2017/018284
Other languages
English (en)
French (fr)
Inventor
俊彦 宮内
Original Assignee
三菱電機株式会社
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 三菱電機株式会社 filed Critical 三菱電機株式会社
Priority to EP17815058.7A priority Critical patent/EP3474029B1/en
Priority to JP2017549826A priority patent/JP6293388B1/ja
Priority to CN201780033766.1A priority patent/CN109313233A/zh
Priority to KR1020187029202A priority patent/KR102097510B1/ko
Publication of WO2017221588A1 publication Critical patent/WO2017221588A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/34—Testing dynamo-electric machines
    • G01R31/343—Testing dynamo-electric machines in operation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
    • G01R19/25—Arrangements for measuring currents or voltages or for indicating presence or sign thereof using digital measurement techniques
    • G01R19/252—Arrangements for measuring currents or voltages or for indicating presence or sign thereof using digital measurement techniques using analogue/digital converters of the type with conversion of voltage or current into frequency and measuring of this frequency
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
    • G01R23/16—Spectrum analysis; Fourier analysis

Definitions

  • the present invention relates to a load abnormality detection device that detects an abnormality in a load of equipment or the like that is used in a control center such as a closed switchboard and is driven by an induction motor.
  • Patent Document 1 Japanese Patent Document 1
  • An object of the present invention is to provide a load abnormality detection device capable of detecting a load abnormality.
  • a load abnormality detection device includes a current input unit that detects and inputs a current of an electric motor, an FFT analysis unit that analyzes a power spectrum of the current when the current from the current input unit is in a stable state, A peak detection calculation unit that detects the peak of the power spectrum obtained by the FFT analysis unit, an averaging calculation unit that averages a plurality of times of the power spectrum analyzed by the FFT analysis unit, and the averaging calculation unit
  • the sideband wave extraction unit that extracts the sideband wave of the power spectrum averaged in step, and when the spectrum peak sequence of the sideband wave extracted by the sideband wave extraction unit is different from the spectrum peak sequence of the sideband wave at normal time, it is determined as abnormal
  • a spectral peak row determination unit that performs the above-described processing.
  • a current input unit that detects and inputs a current of an electric motor
  • an FFT analysis unit that analyzes a power spectrum of the current when the current from the current input unit is in a stable state
  • the FFT analysis unit The peak detection calculation unit that detects the peak of the power spectrum obtained in step 1, the averaging calculation unit that averages a plurality of times of the power spectrum analyzed by the FFT analysis unit, and the average calculation unit averaged
  • Sideband wave extraction unit that extracts a sideband wave of the power spectrum, and spectrum peak sequence determination that determines that an abnormality occurs when the spectrum peak sequence of the sideband wave extracted by the sideband wave extraction unit is different from the spectrum peak sequence of the sideband wave at normal time
  • an abnormality detection device for a load that can detect an abnormality of a load driven by the electric motor by a power spectrum sequence of sidebands generated in a peak shape on both sides in the vicinity of the power supply frequency There is an effect that can be obtained.
  • FIG. 1 is a schematic configuration diagram showing an installation state of a load abnormality detection device according to Embodiment 1 of the present invention
  • FIG. 2 is a block diagram showing a configuration of a logical operation unit of the load abnormality detection device according to Embodiment 1 of the present invention.
  • FIG. 3 is an explanatory diagram for explaining a frequency analysis result when the load fluctuation of the motor of the load abnormality detection device according to the first embodiment of the present invention is large
  • FIG. 4 is a load abnormality according to the first embodiment of the present invention.
  • FIG. 5 is a flowchart for explaining the operation of the load abnormality detection device according to the first embodiment of the present invention
  • FIG. 6 is a diagram for explaining the load of the load in the first embodiment of the present invention
  • FIG. 7 is an explanatory diagram for explaining the setting of the abnormality detection device threshold value
  • FIG. 7 is an explanatory diagram for explaining the spectrum peak train of the load abnormality detection device according to the first embodiment of the present invention.
  • the main circuit 1 drawn from the power system includes a circuit breaker 2, an electromagnetic contactor 3, and a current detector such as an instrument transformer that detects a one-phase load current of the three-phase main circuit 1.
  • a vessel 4 is provided.
  • a motor 5 such as a three-phase induction motor as a load is connected to the main circuit 1, and mechanical equipment 6 is driven and driven by the motor 5 by belt driving.
  • the load abnormality detection device 7 is input from the rating information input unit 8 and the rated information input unit 8 in which the power frequency, the rated output of the motor 5, the rated voltage, the rated current, the number of poles, the rated rotational speed, etc. are input in advance.
  • a rating information storage unit 9 is provided for storing the rated information.
  • the rating information is information that can be easily obtained by looking at the catalog of the manufacturer of the motor 5 or the nameplate attached to the motor 5.
  • rating information is input in advance, but in the following description, one motor 5 will be described.
  • the load abnormality detection device 7 includes a current input unit 10 for inputting a current detected by the current detector 4, and a motor 5 and a mechanical facility 6 using the current input from the current input unit 10.
  • a logical operation unit 11 that detects the presence or absence of a load abnormality; an alarm output unit 21 that outputs an alarm when an abnormality is detected by the logical operation unit 11; Is stored.
  • the configuration of the logical operation unit 11 uses the current fluctuation calculation unit 12 to obtain the current fluctuation input from the current input unit 10 and the result obtained by the current fluctuation calculation unit 12 to extract a stable current section.
  • An FFT analysis section determination unit 13 that determines a power spectrum analysis section, an FFT analysis section 14 that performs power spectrum analysis using the current of the section determined by the FFT analysis section determination section 13, and an analysis by the FFT analysis section 14
  • a peak detection calculation unit 15 for detecting a peak location included in the power spectrum
  • a rotation frequency band determination unit 16 for obtaining a peak location due to the rotation frequency from the peak location detected by the peak detection calculation unit 15, and a plurality of times
  • Frequency axis conversion calculation unit 17 that matches the frequency of the rotation frequency band of the power spectrum, and the frequency axis converted by frequency axis conversion calculation unit 17
  • Averaging calculation unit 18 that averages the power spectrum for several times and the power spectrum averaged by averaging calculation unit 18 are used to extract whether there are peak points on both
  • the current fluctuation calculation unit 12 calculates a statistical variation in the current value based on the current from the current input unit 10.
  • the calculation of the variation includes techniques such as standard deviation and Mahalanobis distance.
  • the FFT analysis section determination unit 13 extracts only the current section in which the current value whose variation is equal to or less than the threshold value is stable, from the statistical variation of the current value obtained by the current fluctuation calculation unit 12, and the power spectrum analysis section To decide.
  • the load torque of the electric motor 5 fluctuates, the current value varies, and when a power spectrum analysis of a current waveform having a large variation is performed, the signal intensity on both sides near the power supply frequency increases as shown in FIG. As a result, peak points such as sidebands do not appear.
  • a threshold value of the FFT analysis section determination unit 13 is provided.
  • the FFT analysis unit 14 calculates the current power spectrum intensity by performing frequency analysis using the current waveform input in the section determined by the FFT analysis section determination unit 13. By performing the power spectrum analysis with a current waveform in a state where the current value is stable, the power spectrum intensity does not increase on both sides in the vicinity of the power supply frequency, and the peak portion appears surely.
  • the peak detection calculation unit 15 detects the peak location due to the power supply frequency, the peak location due to the rotation frequency, the peak location due to the sideband, and other peak locations from the analysis result of the current power spectrum intensity. The peak location can be detected by extracting a portion where the steep slope of the result calculated by the first-order, second-order and third-order differential calculations is inverted.
  • the differential calculation up to the third order it is possible to detect a peak portion having a smaller signal intensity.
  • the peak portion due to the power supply frequency can be easily confirmed because it occurs at the position of the power supply frequency (generally 50 Hz or 60 Hz) stored in the rating information storage unit 9.
  • the rotation frequency band determination unit 16 obtains a rotation frequency from the rated rotation number stored in the rating information storage unit 9, and the signal intensity near the position shifted by the rotation frequency on both sides with respect to the power supply frequency is a similar peak point. To extract. Generally, since the motor 5 slips according to the state of the load torque and the rotational speed is deviated, the peak portion due to the rotational frequency also appears deviated accordingly. The rotational frequency band determination unit 16 extracts a peak portion in the frequency band considering this shift and determines it as a rotational frequency band.
  • the frequency axis conversion calculation unit 17 is necessary for correctly performing the averaging calculation performed by the averaging calculation unit 18.
  • the position of the sideband generated by an abnormality of the electric motor 5 is closely related to the rotational frequency band, and the frequency band of the sideband is often a multiple of the rotational frequency band. Further, as described above, the rotation frequency band appears with a shift depending on the load torque of the electric motor 5. For this reason, it is necessary to match the frequency axis of the power spectrum analysis results for a plurality of times of averaging by the peak location tracking method. Specifically, as shown in FIG.
  • the frequency of the rotational frequency band is a position away from the power supply frequency by fr and the sideband frequency is a position away from the power supply frequency by fb, and the electric motor 5 is in a loaded state.
  • the conversion of the frequency axis of all the peak locations is performed by multiplying the conversion rate ⁇ with the rotational frequency band as a reference.
  • the frequency axis conversion calculation unit 17 adjusts the frequency axis of the power spectrum analysis results for a plurality of times of averaging, such as adjusting the frequency axis when rated load is applied. What is necessary is just to be comprised so that it may match at the time of predetermined
  • the averaging calculation unit 18 averages the power spectrum analysis results for a plurality of times in which the frequency axis is matched by the frequency axis conversion calculation unit 17.
  • the averaging process reduces the base noise to reduce the S of the peak portion. / N ratio can be improved. Specifically, when the power spectrum analysis results for 10 times are averaged, the peak portion due to noise or the like that has occurred only once is reduced to 1/10 of the signal intensity. On the other hand, if the frequency band is a rotational frequency band or sideband, the peak location occurs 10 times, and the frequency is matched by converting the frequency axis using the peak tracking method. It does not change. In the above description, the case where the power spectrum analysis results for 10 times are averaged has been described. However, the present invention is not limited to 10 times, and a plurality of times may be averaged.
  • the sideband wave extraction unit 19 extracts, as sideband waves, peak portions that are generated at positions shifted by the same frequency on both sides around the power supply frequency from the power spectrum analysis result averaged by the averaging calculation unit 18.
  • the peak position obtained by the peak detection calculation unit 15 is selected as a candidate.
  • the spectrum peak row determination unit 20 includes a load for which the belt is disconnected when the side band wave extracted by the side band wave extraction unit 19 does not have, for example, the spectrum peak row shown in FIG. It is determined that an abnormality has occurred. When it is determined that the load is abnormal, an alarm is output from the alarm output unit 21.
  • the load abnormality detection device 7 is activated at predetermined time intervals and executes the following processing.
  • step 101 the current of the electric motor 5 detected by the current detector 4 is input by the current input unit 10.
  • step 102 the fluctuation of the effective value (hereinafter referred to as current value) of the current input from the current input unit 10 is calculated by the current fluctuation calculation unit 12, and the FFT analysis interval determination unit 13 is used by using the calculation result.
  • current value the fluctuation of the effective value of the current input from the current input unit 10
  • the FFT analysis interval determination unit 13 is used by using the calculation result.
  • the process returns to step 101 and is repeated until the current becomes stable.
  • the process proceeds to step 103.
  • the threshold value for example, field data of a plurality of motors are acquired in advance, and the current variation value (standard deviation) of the data is selected within a small variation value range, and the selected value is set as a threshold. Value.
  • the variation value is calculated 50 times, and 0.8, which is the fifth smallest variation value among the values sorted in ascending order, is determined as the threshold value. (From field test results).
  • a fixed learning period may be provided in the electric motor 5, and the same calculation may be performed from the current variation value (standard deviation) acquired during the learning period.
  • Step 103 the FFT analysis unit 14 performs frequency analysis between 0 Hz and a frequency 120 Hz that is twice the power supply frequency 60 Hz using the current waveform in the section where the input current value is in a stable state, and the result of the power spectrum analysis To the peak detection calculation unit 15.
  • step 104 the peak detection calculation unit 15 detects all peak portions included in the power spectrum analysis result.
  • step 105 the rotation frequency band determination unit 16 extracts a peak position in the rotation frequency band from the detected peak positions and determines a rotation frequency band.
  • step 106 the frequency axis conversion calculation unit 17 converts the frequency axes of all peak portions so that the detected rotation frequency band becomes the rotation frequency band at the time of no load.
  • Step 107 the operation from Step 101 to Step 106 is repeated 10 times, and 10 power spectrum analysis results whose frequency axes are converted are collected.
  • the averaging calculation unit 18 averages the collected ten power spectrum analysis results.
  • the sideband wave extraction unit 19 extracts sideband waves by paying attention to the peak portion of the averaged power spectrum analysis result.
  • the spectrum peak sequence determination unit 20 includes the normal spectrum peak sequence shown in FIG. 7 stored in the spectrum peak sequence storage unit 22 in the sideband extracted by the sideband extraction unit 19. Judgment is made by comparing the number of peak locations and their positional relationship, and if there is a spectrum peak sequence where the same number of peak locations occur at the same position as normal, there is no abnormality in the load. The abnormality detection process ends as (NO).
  • step 111 an alarm is output from the alarm output unit 21 by an alarm or lighting of an abnormal lamp, etc., and the process is terminated.
  • the normal spectrum peak sequence shown in FIG. 7 stored in the spectrum peak sequence storage unit 22 for use in the spectrum peak sequence determination unit 20 is normal when the load abnormality detection device 7 is introduced.
  • the spectrum peak sequence shown in FIG. 7 is generated by the vibration of the belt seam, but when the belt is cut. Since the generation of the spectrum peak row is eliminated, the occurrence of the occurrence of the spectrum peak is eliminated, so that the belt cut can be detected.
  • FIG. FIG. 8 is an explanatory diagram for explaining a spectrum peak when the belt is bent in the load abnormality detection device according to the second embodiment of the present invention
  • FIG. 9 is a diagram illustrating the load abnormality detection device according to the second embodiment of the present invention. It is explanatory drawing explaining the spectrum peak when breakage generate
  • the abnormality determination in the spectrum peak sequence determination unit 20 in the case where the belt is cut has been described.
  • Embodiment 3 the spectrum peak when the belt has deteriorated over time has been described.
  • the illustration is omitted.
  • the abnormal state of the load can be detected by detecting the unique spectral peak.
  • the embodiments can be freely combined within the scope of the invention, or the embodiments can be appropriately modified and omitted.

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Tests Of Circuit Breakers, Generators, And Electric Motors (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
  • Manufacture Of Motors, Generators (AREA)

Abstract

負荷トルクが変動する電動機においても、電源周波数の近傍の両側にピーク状に発生する側帯波のスペクトルピーク列によって、電動機で駆動される負荷の異常を検出することが出来る負荷の異常検出装置を提供する。 電動機５の電流を電流検出器４で検出して電流入力部１０から入力し、論理演算部１１で電流が安定しているときの電流波形を周波数解析して得られた複数回分のパワースペクトル解析結果を平均化処理し、平均化処理されたパワースペクトル解析結果から側帯波を検出して、スペクトルピーク列によって負荷の異常の有無を判定し、異常が発生していると判定された場合には、警報出力部２１から警報を出力するものである。

Description

負荷の異常検出装置
　この発明は、例えば閉鎖配電盤などのコントロールセンタで使用され、誘導電動機で駆動されている設備機器等の負荷における異常を検出する負荷の異常検出装置に関するものである。
　従来、誘導電動機の負荷電流を測定して周波数解析を行って、運転周波数の両側に発生する側波帯に注目して、短周期の上下方向の波形の乱れと、長周期の上下方向の波形の振動であるうねりの状態に基づいて、誘導電動機および誘導電動機によって駆動される機器の異常を診断する設備の異常診断方法が提案されている。（例えば、特許文献１）
特許第４７８２２１８号公報
　従来の設備の異常診断方法においては、誘導電動機の負荷トルク変動が発生した際に、電源周波数（運転周波数）の近傍両側のスペクトル強度が増加して、電源周波数の両側にピーク状に発生する側帯波の振動強度よりも大きくなり、側帯波を検出するのが困難であるという課題があった。
　この発明は以上のような課題を解決するためになされたもので、負荷トルクが変動する電動機においても、電源周波数の近傍の両側にピーク状に発生する側帯波のスペクトルピーク列によって、電動機で駆動されている負荷の異常を検出することが出来る負荷の異常検出装置を提供することを目的とする。
　この発明に係る負荷の異常検出装置は、電動機の電流を検出して入力する電流入力部と、前記電流入力部からの電流が安定状態のときに前記電流のパワースペクトルを解析するＦＦＴ解析部と、前記ＦＦＴ解析部で求められたパワースペクトルのピークを検出するピーク検出演算部と、前記ＦＦＴ解析部で解析されたパワースペクトルの複数回分を平均化する平均化演算部と、前記平均化演算部で平均化されたパワースペクトルの側帯波を抽出する側帯波抽出部と、前記側帯波抽出部で抽出された側帯波のスペクトルピーク列が正常時の側帯波のスペクトルピーク列と異なるとき異常と判定するスペクトルピーク列判定部を備えていることを特徴とするものである。
　この発明によれば、電動機の電流を検出して入力する電流入力部と、前記電流入力部からの電流が安定状態のときに前記電流のパワースペクトルを解析するＦＦＴ解析部と、前記ＦＦＴ解析部で求められたパワースペクトルのピークを検出するピーク検出演算部と、前記ＦＦＴ解析部で解析されたパワースペクトルの複数回分を平均化する平均化演算部と、前記平均化演算部で平均化されたパワースペクトルの側帯波を抽出する側帯波抽出部と、前記側帯波抽出部で抽出された側帯波のスペクトルピーク列が正常時の側帯波のスペクトルピーク列と異なるとき異常と判定するスペクトルピーク列判定部を備えているため、電流が安定状態の時にＦＦＴ解析部でパワースペクトルの解析を行うことにより、電源周波数の両側に発生するピークを確実に検出できるようになる。また、平均化演算部で複数回のパワースペクトルを平均化することで、例えばノイズ等によりパワースペクトルに混入したピークの信号強度が低減されて、側帯波抽出部でより確実に側帯波を抽出できることとなり、負荷トルクが変動する電動機においても、電源周波数の近傍の両側にピーク状に発生する側帯波のパワースペクトル列によって、電動機で駆動される負荷の異常を検出することが出来る負荷の異常検出装置を得ることができる効果がある。
この発明の実施の形態１における負荷の異常検出装置の設置状況を示す概略構成図である。 この発明の実施の形態１における負荷の異常検出装置の論理演算部の構成を示すブロック図である。 この発明の実施の形態１における負荷の異常検出装置の電動機の負荷変動が大きい場合の周波数解析結果を説明する説明図である。 この発明の実施の形態１における負荷の異常検出装置の周波数軸の変換を説明する説明図である。 この発明の実施の形態１における負荷の異常検出装置の動作を説明するフロー図である。 この発明の実施の形態１における負荷の異常検出装置しきい値の設定を説明する説明図である。 この発明の実施の形態１における負荷の異常検出装置のスペクトルピーク列を説明する説明図である。 この発明の実施の形態２における負荷の異常検出装置のベルトにたわみが発生した場合のスペクトルピークを説明する説明図である。 この発明の実施の形態２における負荷の異常検出装置のベルトにほころびが発生した場合のスペクトルピークを説明する説明図である。
　以下、この発明の実施の形態について説明するが、各図において同一、または相当部分については同一符号を付して説明する。
実施の形態１．
　図１はこの発明の実施の形態１における負荷の異常検出装置の設置状況を示す概略構成図、図２はこの発明の実施の形態１における負荷の異常検出装置の論理演算部の構成を示すブロック図、図３はこの発明の実施の形態１における負荷の異常検出装置の電動機の負荷変動が大きい場合の周波数解析結果を説明する説明図、図４はこの発明の実施の形態１における負荷の異常検出装置の周波数軸の変換を説明する説明図、図５はこの発明の実施の形態１における負荷の異常検出装置の動作を説明するフロー図、図６はこの発明の実施の形態１における負荷の異常検出装置しきい値の設定を説明する説明図、図７はこの発明の実施の形態１における負荷の異常検出装置のスペクトルピーク列を説明する説明図である。
　図１において、電力系統から引き込まれた主回路１には、配線用遮断器２と電磁接触器３および三相の主回路１の一相の負荷電流を検出する計器用変成器などの電流検出器４が設けられている。主回路１には負荷である三相誘導電動機などの電動機５が接続され、電動機５により機械設備６がベルト駆動により運転駆動されている。負荷の異常検出装置７には電源周波数や電動機５の定格出力、定格電圧、定格電流、極数、定格回転数等を予め入力しておく定格情報入力部８と、定格情報入力部８から入力された定格情報を保存しておく定格情報記憶部９が設けられている。定格情報は、電動機５の製造会社のカタログまたは電動機５に取付けられている銘板を見ることで容易に取得可能な情報である。なお、診断対象の電動機５が複数台ある場合には、予め全ての診断対象の電動機５の定格情報を入力しておくが、以降の説明においては１台の電動機５について説明する。また、負荷の異常検出装置７には、電流検出器４で検出された電流を入力する電流入力部１０と、電流入力部１０から入力された電流を使用して電動機５および機械設備６などの負荷の異常の有無を検出する論理演算部１１と、論理演算部１１で異常が発見された場合に警報または異常ランプの点灯等によって警報を出力する警報出力部２１と、正常時のスペクトルピーク列を記憶したスペクトルピーク列記憶部２２が設けられている。
　論理演算部１１の構成について図２にもとづき説明する。論理演算部１１は、電流入力部１０から入力された電流の変動有無を求める電流変動演算部１２と、電流変動演算部１２で求められた結果を使用して電流の安定した区間を抽出してパワースペクトル解析区間を決定するＦＦＴ解析区間判定部１３と、ＦＦＴ解析区間判定部１３で決定された区間の電流を使用してパワースペクトル解析を実施するＦＦＴ解析部１４と、ＦＦＴ解析部１４で解析されたパワースペクトルに含まれるピーク箇所を検出するピーク検出演算部１５と、ピーク検出演算部１５で検出されたピーク箇所から回転周波数に起因するピーク箇所を求める回転周波数帯判定部１６と、複数回分のパワースペクトルの回転周波数帯の周波数を合わせる周波数軸変換演算部１７と、周波数軸変換演算部１７で周波数軸が変換された複数回分のパワースペクトルを平均化処理する平均化演算部１８と、平均化演算部１８で平均化されたパワースペクトルを使用して回転周波数帯以外に電源周波数の両側にピーク箇所があるかを抽出する（以下、このピーク箇所を側帯波と称す）側帯波抽出部１９と、側帯波抽出部１９で抽出された側帯波によるスペクトルピーク列により負荷の異常の有無を判定するスペクトルピーク列判定部２０によって構成されている。
　電流変動演算部１２は、電流入力部１０からの電流を基に電流値の統計的なばらつきを演算する。ばらつきの演算は、例えば標準偏差やマハラノビス距離等の手法がある。
　ＦＦＴ解析区間判定部１３は、電流変動演算部１２で求めた電流値の統計的なばらつきから、ばらつきがしきい値以下の電流値が安定した状態の電流区間のみを抽出してパワースペクトル解析区間を決定する。一般に電動機５の負荷トルクが変動していると電流値にばらつきが生じて、ばらつきの大きい電流波形のパワースペクトル解析を実施すると、図３に示すように電源周波数の近傍両側の信号強度が増大して、側帯波などのピーク箇所が出現しなくなる。これを防止するためにＦＦＴ解析区間判定部１３のしきい値が設けられている。
　ＦＦＴ解析部１４は、ＦＦＴ解析区間判定部１３で決定された区間に入力された電流波形を使用して周波数解析を行うことにより電流パワースペクトル強度を算出する。電流値が安定した状態の電流波形でパワースペクトル解析を実施することで、電源周波数の近傍両側でパワースペクトル強度が増加することは無くなり、ピーク箇所があれば確実に出現するようになる。
　ピーク検出演算部１５は、電流パワースペクトル強度の解析結果から電源周波数によるピーク箇所と回転周波数によるピーク箇所と側帯波によるピーク箇所およびその他のピーク箇所を検出する。ピーク箇所の検出は１次と２次と３次の微分計算によって算出した結果の急峻な傾きが反転する部分を抽出することで検出可能である。微分計算を３次まで実施することによって、より小さい信号強度のピーク箇所の検出が可能となる。電源周波数によるピーク箇所は、定格情報記憶部９に保存されている電源周波数（一般に５０Ｈｚまたは６０Ｈｚ）の位置に生じるため簡単に確認できる。
　回転周波数帯判定部１６は、定格情報記憶部９に保存されている定格回転数から回転周波数を求め、電源周波数を中心として両側に回転周波数分ずれた位置付近にある信号強度が同様なピーク箇所を抽出する。一般に電動機５は負荷トルクの状況に応じてスベリが生じて回転数にずれが生じるため、回転周波数に起因するピーク箇所もその分ずれて出現する。回転周波数帯判定部１６はこのずれを考慮した周波数帯内にあるピーク箇所を抽出して回転周波数帯として決定するものである。
　周波数軸変換演算部１７は、平均化演算部１８で実施する平均化演算を正しく行うために必要である。一般に電動機５の異常などによって発生する側帯波の発生位置は回転周波数帯と関係が深く、側帯波の周波数帯は回転周波数帯の倍数であることが多い。また、回転周波数帯は上記説明のように、電動機５の負荷トルクの状況に応じてずれて出現する。
このため、平均化対象の複数回分のパワースペクトル解析結果をピーク箇所追従方式で周波数軸を合わせておく必要がある。具体的には図４に示すように、回転周波数帯の周波数が電源周波数からｆｒ離れた位置で側波帯の周波数が電源周波数からｆｂ離れた位置であり、電動機５が有負荷の状態での回転周波数帯の周波数が電源周波数からｆｒ´離れた位置であったとすると、変換率αはα＝ｆｒ´／ｆｒとなり、有負荷時の側帯波の位置ｆｂ´はｆｂ´＝α・ｆｂで求めることが出来る。このように回転周波数帯を基準として変換率αを掛けることにより全てのピーク箇所の周波数軸の変換を行う。なお、上記説明では周波数軸を無負荷時に合わせる場合について説明したが、例えば周波数軸を定格負荷時に合わせるなど、周波数軸変換演算部１７は平均化対象の複数回分のパワースペクトル解析結果の周波数軸を所定の負荷時に合わせるように構成されていればよい。
　平均化演算部１８は、周波数軸変換演算部１７で周波数軸が合わされた複数回分のパワースペクトル解析結果を平均化処理するもので、平均化処理することで基底ノイズを低減させてピーク箇所のＳ／Ｎ比を向上させることが出来る。具体的には１０回分のパワースペクトル解析結果を平均化処理すると、１回分にしか発生していないノイズ等によるピーク箇所は１０分の１の信号強度に低減されることになる。一方、回転周波数帯や側帯波であれば１０回ともピーク箇所が発生するものであり、ピーク追従方式で周波数軸を変換して周波数が合っているため、平均化してもピーク箇所の信号強度は変化しない。なお、上記説明ではパワースペクトル解析結果の１０回分を平均化する場合について説明したが、１０回に限定されるものではなく複数回分を平均化すればよい。
　側帯波抽出部１９は、平均化演算部１８で平均化処理されたパワースペクトル解析結果から電源周波数を中心として両側に同一周波数ずれた位置に発生しているピーク箇所を側帯波として抽出する。側帯波の候補はピーク検出演算部１５で得られたピーク箇所を候補として選択する。電源周波数を中心としてピーク箇所が片側にしか発生していない場合には側帯波ではないと判定して抽出しない。
　スペクトルピーク列判定部２０は、側帯波抽出部１９で抽出された側帯波に、例えば負荷がベルト駆動されている場合に発生する図７に示すスペクトルピーク列が無いときにベルトが断線した負荷の異常が発生していると判定する。負荷が異常であると判定した場合には、警報出力部２１から警報を出力する。
　次に動作について図５にもとづき説明する。負荷の異常検出装置７は所定時間間隔で起動されて以下の処理を実行する。ステップ１０１において、電流検出器４で検出した電動機５の電流を電流入力部１０で入力する。ステップ１０２において、電流入力部１０から入力された電流の実効値（以下、電流値と称す）のばらつきを電流変動演算部１２で演算して、その演算結果を使用してＦＦＴ解析区間判定部１３で電流が安定状態であるか判定する。判定結果として電流値のばらつきが予め設定されているしきい値以上の不安定状態（ＮＯ）であればステップ１０１に戻り、電流が安定状態になるまで繰り返す。電流が安定状態（ＹＥＳ）であればステップ１０３に進む。なお、しきい値に関しては、例えば、事前に複数のモータのフィールドデータを取得し、そのデータの電流ばらつき値（標準偏差）から、ばらつき値の小さい範囲内を選定し、選定した値をしきい値とする。具体的な計算例としては、例えば図６に示すように、５０回ばらつき値を計算して、小さい順に並べ替えた中で５番目に小さいばらつき値である０．８をしきい値として決定する（フィールド試験の結果より）。なお、事前のフィールドデータの代わりに、電動機５にて一定の学習期間を設けて、学習期間中に取得した電流ばらつき値（標準偏差）から、同様に算出してもよい。
　ステップ１０３において、ＦＦＴ解析部１４は入力された電流値が安定状態の区間の電流波形を使用して０Ｈｚから電源周波数６０Ｈｚの２倍の周波数１２０Ｈｚの間で周波数分析して、そのパワースペクトル解析結果をピーク検出演算部１５に渡す。ステップ１０４において、ピーク検出演算部１５はパワースペクトル解析結果に含まれるピーク箇所を全て検出する。ステップ１０５において、回転周波数帯判定部１６は検出されたピーク箇所の内で回転周波数帯にあるピーク箇所を抽出して回転周波数帯を決定する。ステップ１０６において、周波数軸変換演算部１７は検出した回転周波数帯を無負荷時の回転周波数帯になるように全てのピーク箇所の周波数軸を変換する。ステップ１０７において、ステップ１０１からステップ１０６の動作を１０回繰り返して、周波数軸が変換されたパワースペクトル解析結果を１０個収集する。
　ステップ１０８において、平均化演算部１８は収集された１０個のパワースペクトル解析結果を平均化処理する。ステップ１０９において、側帯波抽出部１９は平均化処理されたパワースペクトル解析結果のピーク箇所に注目して側帯波を抽出する。ステップ１１０において、スペクトルピーク列判定部２０は、側帯波抽出部１９で抽出された側帯波に、スペクトルピーク列記憶部２２に記憶されている図７に示す正常時のスペクトルピーク列があるか、ピーク箇所の個数とその位置関係を比較することにより判定して、正常時と同一個数のピーク箇所が同一位置に発生しているスペクトルピーク列がある場合には、負荷に異常は発生していない（ＮＯ）として異常検出処理を終了する。一方、側帯波抽出部１９で抽出された側帯波に図７に示す正常時のスペクトルピーク列が無い場合（ＹＥＳ）には、負荷に異常が発生しているとして警報出力部２１に信号を送り、ステップ１１１において、警報出力部２１から警報または異常ランプの点灯等によって警報を出力して処理を終了する。
　なお、スペクトルピーク列判定部２０で使用するためにスペクトルピーク列記憶部２２に記憶されている図７に示す正常時のスペクトルピーク列については、負荷の異常検出装置７の導入時に負荷が正常な状態で求めたものであり、一般に、機械設備６を電動機５でベルト駆動している場合に、ベルトの継ぎ目の振動によって図７に示すスペクトルピーク列が発生するが、ベルトが切断された場合にはこのスペクトルピーク列の発生が無くなるため、発生していたものが発生しなくなることで、ベルトの切断を検出することが可能となるものである。
　以上説明したように、電流値が安定しているときの電流波形をパワースペクトル解析することで、側帯波などのピーク箇所が確実に出現する。また、平均化処理を実施することでノイズ等が低減されて、より正確な異常検出が出来るようになる。さらに、スペクトルピーク列の有無で異常の発生を判定するため、異常判定処理が容易である。
実施の形態２．
　図８はこの発明の実施の形態２における負荷の異常検出装置のベルトにたわみが発生した場合のスペクトルピークを説明する説明図、図９はこの発明の実施の形態２における負荷の異常検出装置のベルトにほころびが発生した場合のスペクトルピークを説明する説明図である。
　上記実施の形態１では、ベルトが切断された場合についてのスペクトルピーク列判定部２０での異常判定について説明したが、実施の形態２では、ベルトが経年劣化した場合のスペクトルピーク列判定部２０での異常判定について説明する。
　経年劣化によってベルトが伸びることで、ベルトにたわみが発生し、負荷の回転数がばらつき製品品質が劣化する。ベルトにたわみが発生すると、図８に示すようにベルト正常時に発生していたスペクトルピーク列とは別に、運転中の電源周波数（図８では電源周波数５０Ｈｚの場合を示す）を中心に発生しているベルト正常時のスペクトルピーク列の内側に、ベルトたわみによるスペクトルピークが発生する。図２に示すスペクトルピーク列判定部２０では、スペクトルピーク列記憶部２２に記憶されている正常時のスペクトルピーク列と比較して、このベルトたわみにより新たに発生したスペクトルピークを検出することで、ベルトのたわみ劣化による異常を判定（検出）可能となる。
　経年劣化によってベルトにほころびが発生し、その後劣化が進展すると、ベルトの切断に至る。ベルトほころびが発生した場合には、図９に示すようにベルト正常時に発生していたスペクトルピーク列の、スペクトルピークとスペクトルピークの間に新たに複数のスペクトルピークが発生する。図２に示すスペクトルピーク列判定部２０では、スペクトルピーク列記憶部２２に記憶されている正常時のスペクトルピーク列と比較して、これらのベルトほころびにより新たに発生した複数のスペクトルピークを検出することで、ベルトの切断に至る前のベルトのほころび劣化による異常を判定（検出）可能となる。
　なお、他の部分については上記実施の形態１での説明と同様であるため、説明を省略する。
　実施の形態３．
　上記実施の形態２では、ベルトが経年劣化した場合のスペクトルピークについて説明したが、例えばギヤの噛み合わせ異常およびファンの羽異常なども正常時のスペクトルピーク列と比較した場合、図示は省略するが例えば図８または図９で示した場合と同様に、新たに特異なスペクトルピークが発生するので、その特異なスペクトルピークを検出することで、負荷の異常状態を検出することが可能となる。
　なお、この発明は、その発明の範囲内において各実施の形態を自由に組み合わせたり、実施の形態を適宜、変形、省略することが可能である。
１　主回路、２　配線用遮断器、３　電磁接触器、４　電流検出器、５　電動機、６　機械設備、７　負荷の異常検出装置、８　定格情報入力部、９　定格情報記憶部、１０　電流入力部、１１　論理演算部、１２　電流変動演算部、１３　ＦＦＴ解析区間判定部、１４　ＦＦＴ解析部、１５　ピーク検出演算部、１６　回転周波数帯判定部、１７　周波数軸変換演算部、１８　平均化演算部、１９　側帯波抽出部、２０　スペクトルピーク列判定部、２１　警報出力部、２２　スペクトルピーク列記憶部

Claims (4)

  1. 　電動機の電流を検出して入力する電流入力部と、前記電流入力部からの電流が安定状態のときに前記電流のパワースペクトルを解析するＦＦＴ解析部と、前記ＦＦＴ解析部で求められたパワースペクトルのピークを検出するピーク検出演算部と、前記ＦＦＴ解析部で解析されたパワースペクトルの複数回分を平均化する平均化演算部と、前記平均化演算部で平均化されたパワースペクトルの側帯波を抽出する側帯波抽出部と、前記側帯波抽出部で抽出された側帯波のスペクトルピーク列が正常時の側帯波のスペクトルピーク列と異なるとき異常と判定するスペクトルピーク列判定部を備えていることを特徴とする負荷の異常検出装置。
  2. 　前記平均化演算部は、複数回分のパワースペクトルの周波数軸を変換して回転周波数帯によるピーク箇所を合わした状態で平均化することを特徴とする請求項１に記載の負荷の異常検出装置。
  3. 　前記スペクトルピーク列判定部は、正常時に発生していた側帯波のスペクトルピーク列が発生しなくなったときに異常と判定することを特徴とする請求項１または２に記載の負荷の異常検出装置。
  4. 　前記スペクトルピーク列判定部は、正常時に発生していた側帯波のスペクトルピークの間に新たなスペクトルピークが発生したときに異常と判定することを特徴とする請求項１または２に記載の負荷の異常検出装置。
PCT/JP2017/018284 2016-06-21 2017-05-16 負荷の異常検出装置 WO2017221588A1 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
EP17815058.7A EP3474029B1 (en) 2016-06-21 2017-05-16 Load abnormality detection device
JP2017549826A JP6293388B1 (ja) 2016-06-21 2017-05-16 負荷の異常検出装置
CN201780033766.1A CN109313233A (zh) 2016-06-21 2017-05-16 负载异常检测装置
KR1020187029202A KR102097510B1 (ko) 2016-06-21 2017-05-16 부하의 이상 검출 장치

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2016122420 2016-06-21
JP2016-122420 2016-06-21

Publications (1)

Publication Number Publication Date
WO2017221588A1 true WO2017221588A1 (ja) 2017-12-28

Family

ID=60784666

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2017/018284 WO2017221588A1 (ja) 2016-06-21 2017-05-16 負荷の異常検出装置

Country Status (5)

Country Link
EP (1) EP3474029B1 (ja)
JP (1) JP6293388B1 (ja)
KR (1) KR102097510B1 (ja)
CN (1) CN109313233A (ja)
WO (1) WO2017221588A1 (ja)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020067334A (ja) * 2018-10-23 2020-04-30 三菱重工業株式会社 異常診断装置及び異常診断方法
WO2020144939A1 (ja) * 2019-01-11 2020-07-16 パナソニックＩｐマネジメント株式会社 診断システム、診断方法、プログラム及び記録媒体
WO2020208743A1 (ja) * 2019-04-10 2020-10-15 三菱電機株式会社 電動機設備の異常診断装置、電動機設備の異常診断方法、および電動機設備の異常診断システム
EP3726234A1 (de) * 2019-04-17 2020-10-21 Robert Bosch GmbH Verfahren zur diagnose eines elektromotors
WO2021029104A1 (ja) * 2019-08-09 2021-02-18 株式会社日立製作所 回転電機の診断システム及び診断方法
WO2021049061A1 (ja) * 2019-09-13 2021-03-18 三菱重工業株式会社 診断装置、診断方法および診断プログラム
US11125653B2 (en) * 2018-10-11 2021-09-21 Palo Alto Research Center Incorporated Motion-insensitive features for condition-based maintenance of factory robots
CN113608119A (zh) * 2021-08-05 2021-11-05 Tcl空调器(中山)有限公司 电机运行状态监测方法、装置、设备和存储介质
JP6968323B1 (ja) * 2021-04-22 2021-11-17 三菱電機株式会社 異常診断装置及び異常診断方法

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7109388B2 (ja) * 2019-01-29 2022-07-29 アンリツ株式会社 計量装置および計量値補正方法
JP2021151074A (ja) 2020-03-18 2021-09-27 富士電機株式会社 電源装置および電源装置の劣化判定方法
CN111782049B (zh) * 2020-07-02 2023-12-01 瑞声科技(新加坡)有限公司 马达应用频率带宽的评估方法及设备、存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006153855A (ja) * 2004-10-26 2006-06-15 Nsk Ltd 異常診断装置
JP2008271771A (ja) * 2007-01-17 2008-11-06 General Electric Co <Ge> 様々な発振器システムを使用した正弦波変調信号整流ツール
JP2010288352A (ja) * 2009-06-10 2010-12-24 Nippon Steel Corp 設備の異常診断方法
US20130338939A1 (en) * 2012-06-15 2013-12-19 Uvic Industry Partnerships Inc. Fault diagnosis of electric machines

Family Cites Families (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS6232378A (ja) * 1985-08-06 1987-02-12 Fuji Electric Co Ltd 誘導電動機の診断装置
JPH04106429A (ja) * 1990-08-28 1992-04-08 Kobe Steel Ltd 回転機械の異常診断装置
US7308322B1 (en) * 1998-09-29 2007-12-11 Rockwell Automation Technologies, Inc. Motorized system integrated control and diagnostics using vibration, pressure, temperature, speed, and/or current analysis
EP1298511B2 (en) * 2001-09-27 2009-11-18 Reliance Electric Technologies, LLC Motorized system integrated control and diagnostics using vibration, pressure, temperature, speed, and/or current analysis
AU2003271761A1 (en) * 2002-09-10 2004-04-30 Alstom Technology Ltd Device and method for monitoring and/or analyzing electric machines in operation
US7117125B2 (en) * 2003-06-18 2006-10-03 Eaton Corporation System and method for proactive motor wellness diagnosis based on potential mechanical faults
JP2006113002A (ja) * 2004-10-18 2006-04-27 Nsk Ltd 機械設備の異常診断システム
JP4613755B2 (ja) * 2005-08-31 2011-01-19 オムロン株式会社 検査装置および検査方法
JP4983322B2 (ja) * 2007-03-14 2012-07-25 パナソニック株式会社 モータ駆動装置
US8278934B2 (en) * 2009-02-13 2012-10-02 Bae Systems Controls Inc. Robust AC chassis fault detection using PWM sideband harmonics
WO2011006528A1 (en) * 2009-07-13 2011-01-20 Abb Research Ltd Fault detection in a rotating electrical machine
JP5733913B2 (ja) * 2010-06-11 2015-06-10 株式会社高田工業所 回転機械系の異常診断方法
US8736091B2 (en) * 2010-06-18 2014-05-27 Rockwell Automation Technologies, Inc. Converter lifetime improvement method for doubly fed induction generator
JP2012021856A (ja) * 2010-07-14 2012-02-02 Keyence Corp 干渉膜厚計
US8171797B2 (en) * 2010-09-23 2012-05-08 General Electric Company Sideband energy ratio method for gear mesh fault detection
WO2012086425A1 (ja) * 2010-12-24 2012-06-28 三菱電機株式会社 受信装置及び方法
CN102135600A (zh) * 2011-01-28 2011-07-27 中国人民解放军海军潜艇学院 异步电动机故障检测装置及方法
WO2013108435A1 (ja) * 2012-01-19 2013-07-25 富士機械製造株式会社 工具異常判別システム
US10359473B2 (en) * 2012-05-29 2019-07-23 Nutech Ventures Detecting faults in turbine generators
CN103761372B (zh) * 2014-01-06 2018-02-02 上海海事大学 一种基于主元分析与多分类相关向量机的多电平逆变器故障诊断策略
GB201404226D0 (en) * 2014-03-11 2014-04-23 Rolls Royce Plc Fault detection in induction machines
JP6410572B2 (ja) * 2014-11-11 2018-10-24 旭化成エンジニアリング株式会社 電流診断装置および電流診断方法
JP6017649B2 (ja) * 2015-08-10 2016-11-02 株式会社高田工業所 回転機械系の異常診断方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006153855A (ja) * 2004-10-26 2006-06-15 Nsk Ltd 異常診断装置
JP2008271771A (ja) * 2007-01-17 2008-11-06 General Electric Co <Ge> 様々な発振器システムを使用した正弦波変調信号整流ツール
JP2010288352A (ja) * 2009-06-10 2010-12-24 Nippon Steel Corp 設備の異常診断方法
JP4782218B2 (ja) 2009-06-10 2011-09-28 新日本製鐵株式会社 設備の異常診断方法
US20130338939A1 (en) * 2012-06-15 2013-12-19 Uvic Industry Partnerships Inc. Fault diagnosis of electric machines

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP3474029A4

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11125653B2 (en) * 2018-10-11 2021-09-21 Palo Alto Research Center Incorporated Motion-insensitive features for condition-based maintenance of factory robots
JP2020067334A (ja) * 2018-10-23 2020-04-30 三菱重工業株式会社 異常診断装置及び異常診断方法
JPWO2020144939A1 (ja) * 2019-01-11 2021-11-25 パナソニックＩｐマネジメント株式会社 診断システム、診断方法、プログラム及び記録媒体
WO2020144939A1 (ja) * 2019-01-11 2020-07-16 パナソニックＩｐマネジメント株式会社 診断システム、診断方法、プログラム及び記録媒体
JP7316498B2 (ja) 2019-01-11 2023-07-28 パナソニックＩｐマネジメント株式会社 診断システム、診断方法、プログラム及び記録媒体
WO2020208743A1 (ja) * 2019-04-10 2020-10-15 三菱電機株式会社 電動機設備の異常診断装置、電動機設備の異常診断方法、および電動機設備の異常診断システム
EP3726234A1 (de) * 2019-04-17 2020-10-21 Robert Bosch GmbH Verfahren zur diagnose eines elektromotors
WO2021029104A1 (ja) * 2019-08-09 2021-02-18 株式会社日立製作所 回転電機の診断システム及び診断方法
JP2021028591A (ja) * 2019-08-09 2021-02-25 株式会社日立製作所 回転電機の診断システム及び診断方法
JP7217682B2 (ja) 2019-08-09 2023-02-03 株式会社日立製作所 回転電機の診断システム及び診断方法
WO2021049061A1 (ja) * 2019-09-13 2021-03-18 三菱重工業株式会社 診断装置、診断方法および診断プログラム
JP6968323B1 (ja) * 2021-04-22 2021-11-17 三菱電機株式会社 異常診断装置及び異常診断方法
CN113608119A (zh) * 2021-08-05 2021-11-05 Tcl空调器(中山)有限公司 电机运行状态监测方法、装置、设备和存储介质
CN113608119B (zh) * 2021-08-05 2024-04-02 Tcl空调器(中山)有限公司 电机运行状态监测方法、装置、设备和存储介质

Also Published As

Publication number Publication date
EP3474029A4 (en) 2019-06-05
KR20180121985A (ko) 2018-11-09
CN109313233A (zh) 2019-02-05
JP6293388B1 (ja) 2018-03-14
KR102097510B1 (ko) 2020-04-06
JPWO2017221588A1 (ja) 2018-06-21
EP3474029A1 (en) 2019-04-24
EP3474029B1 (en) 2022-03-30

Similar Documents

Publication Publication Date Title
JP6293388B1 (ja) 負荷の異常検出装置
JP6190841B2 (ja) 電動機の診断装置
JP7046064B2 (ja) 電動機の診断装置
JP6316510B1 (ja) 電動機の診断装置
WO2018020563A1 (ja) 電動機の診断装置
KR102427372B1 (ko) 이상 진단 장치, 이상 진단 방법 및 이상 진단 시스템
US20210140849A1 (en) Condition monitoring device, wind turbine equipped with the same, and method for removing electrical noise
JP7361881B2 (ja) 電動機の診断装置
US20140236537A1 (en) Method of determining stationary signals for the diagnostics of an electromechanical system
WO2022224391A1 (ja) 異常診断装置及び異常診断方法
JP6824493B1 (ja) 電動機の診断装置
KR20230054455A (ko) 기계 상태 모니터링 방법 및 기계 상태 모니터링 시스템
KR100912094B1 (ko) 부분 방전 신호 측정시 외부 잡음 제거 방법
WO2024062511A1 (ja) 電動機の状態診断装置、状態診断方法および異常予兆推論装置
JP2017156315A (ja) 異常検知装置及び異常検知方法

Legal Events

Date Code Title Description
ENP Entry into the national phase

Ref document number: 2017549826

Country of ref document: JP

Kind code of ref document: A

ENP Entry into the national phase

Ref document number: 20187029202

Country of ref document: KR

Kind code of ref document: A

121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 17815058

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2017815058

Country of ref document: EP

Effective date: 20190121