WO2019198563A1 - 診断支援装置、回転機システム及び診断支援方法 - Google Patents

診断支援装置、回転機システム及び診断支援方法 Download PDF

Info

Publication number
WO2019198563A1
WO2019198563A1 PCT/JP2019/014613 JP2019014613W WO2019198563A1 WO 2019198563 A1 WO2019198563 A1 WO 2019198563A1 JP 2019014613 W JP2019014613 W JP 2019014613W WO 2019198563 A1 WO2019198563 A1 WO 2019198563A1
Authority
WO
WIPO (PCT)
Prior art keywords
rotating machine
amplitude
frequency
abnormal
axis current
Prior art date
Application number
PCT/JP2019/014613
Other languages
English (en)
French (fr)
Inventor
哲司 加藤
啓明 小島
牧　晃司
岩路　善尚
Original Assignee
株式会社日立製作所
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 株式会社日立製作所 filed Critical 株式会社日立製作所
Priority to DE112019001115.4T priority Critical patent/DE112019001115T5/de
Publication of WO2019198563A1 publication Critical patent/WO2019198563A1/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

Definitions

  • the present invention relates to a technology for a diagnosis support apparatus, a rotating machine system, and a diagnosis support method.
  • a rotary machine and its incidental equipment are an inverter, a gear, a coupling, a load apparatus, etc.
  • a vibration sensor is attached to each part of the rotating machine system, and an increase in the effective vibration value is examined.
  • A2 An increase in the characteristic frequency component of vibration is examined in each part of the rotating machine system.
  • the component of the abnormal characteristic frequency is expressed by the following formula (1) in the case of a mechanical abnormality.
  • Equation (1) fc is an abnormal characteristic frequency of current, f0 is a fundamental frequency of current, and fm is a frequency of mechanical vibration.
  • This equation makes it possible to diagnose bearing deterioration, gear and coupling damage, load device abnormality, and the like. For example, in the case of a flaw in a bearing inner ring, it is known that periodic vibration is generated depending on the size of the bearing, the number of bearing balls, and the like, and the resulting vibration appears as a sideband wave of the fundamental frequency of the current.
  • Patent Document 1 states that “the rotation abnormality detection unit 67 calculates a value corresponding to the input power of the motor 60 based on the value actually detected during the position estimation operation, and at the rotation speed / angle estimation unit 66. A value corresponding to the output power of the motor 60 is calculated based on the estimated rotational speed ⁇ est, a rotation abnormality index corresponding to the comparison result is obtained, and a rotation abnormality is determined when the rotation abnormality index is larger than a threshold value. Rotating machine controller and washing machine are disclosed (see summary).
  • Patent Document 1 has the following problems. That is, in the technique disclosed in Patent Document 1, an abnormality in the entire motor system is diagnosed based on the ratio between the estimated values of input power and output power. With this method, it is not possible to easily identify an abnormal site. If the abnormal part is not known, it is difficult to specify a part prepared for replacement in advance. In addition, it is difficult to schedule repairs that need to be planned according to the abnormal site.
  • the present invention has been made in view of such a background, and an object of the present invention is to make it easy to identify an abnormal part in a rotating machine and incidental equipment.
  • the present invention calculates an amplitude for each frequency related to the q-axis current from the acquired q-axis current from an acquisition unit that acquires a q-axis current of a power converter that controls a rotating machine. And an output unit that outputs information related to the amplitude for each frequency.
  • an acquisition unit that acquires a q-axis current of a power converter that controls a rotating machine.
  • an output unit that outputs information related to the amplitude for each frequency.
  • FIG. 1 An example of the frequency spectrum of the load current flowing in each phase of the rotating machine 3 (when an abnormality occurs) is shown. It is a figure which shows the structural example of the rotary machine system 100a which concerns on 2nd Embodiment. It is a figure explaining the definition of abnormality degree. It is a figure explaining the abnormality determination based on an abnormality degree. It is a figure which shows the structural example of the rotary machine system 100b which concerns on 3rd Embodiment. It is a figure which shows the structural example of the rotary machine system 100c which concerns on 4th Embodiment. It is a figure which shows the structural example of the rotary machine system 100d which concerns on 5th Embodiment.
  • FIG. 14 is a diagram illustrating a configuration example of a rotating machine system 100g in a comparative example (Patent Document 1).
  • the cause of the abnormality may be a rotating machine bearing deterioration, a gear missing in the gear, a bearing deterioration of the load device 4, a foreign object biting in the load device 4, a scratch on the inner ring of the rotating machine bearing, or the like.
  • the auxiliary devices of the rotating machine 3 are the power conversion device 2, the gear, the coupling, the load device 4, and the like as described above.
  • the power converter 2 and the rotating machine 3 are electrically connected. Further, the rotating machine 3 and the load device 4 are mechanically connected.
  • a mechanical connection method between the rotating machine 3 and the load device 4 a method of directly connecting the rotating shaft, a method of connecting via a gear, and the like can be considered.
  • a diagnosis support apparatus 1g for diagnosing abnormality of the rotating machine 3 and its associated devices by acquiring an internal value from the power conversion apparatus 2 is installed.
  • the power ratio estimation unit 17 first estimates the ratio between the input power and the output power of the rotating machine 3 from the internal value of the power conversion device 2. And the abnormality determination part 18 determines the abnormality of the rotary machine system 100g from the change of the estimated power ratio.
  • This embodiment solves such a problem.
  • FIG. 1 is a diagram illustrating a configuration example of a rotating machine system 100 according to the first embodiment.
  • the same components as those in FIG. 14 are denoted by the same reference numerals, and the description thereof is omitted.
  • the inventors generate vibrations of a specific frequency component according to an abnormal part due to mechanical deterioration of the rotating machine system 100 in the q-axis current component among the internal values of the power converter 2. Was revealed.
  • the inventors have found that the state can be monitored for each abnormal part by the change with time of the specific frequency component of the q-axis current.
  • the diagnosis support apparatus 1 includes an amplitude calculation unit 11 and a display unit 12.
  • the amplitude calculation unit 11 acquires a q-axis current that is one of the internal values of the power converter 2 from the power converter 2.
  • the q-axis current is a time change of the q-axis current value.
  • the amplitude calculator 11 converts the acquired q-axis current into an amplitude for each frequency. That is, the amplitude calculator 11 performs a Fourier transform on the input q-axis current.
  • the display unit 12 displays the calculation result of the amplitude calculation unit 11. That is, the display unit 12 visualizes the change over time of the frequency spectrum calculated by the amplitude calculation unit 11 and presents an abnormal state to the user.
  • the user diagnoses the state of the rotating machine system 100 based on the calculation result of the amplitude calculation unit 11 displayed on the display unit 12, that is, the frequency spectrum of the q-axis current.
  • FIG. 2A and 2B show examples of the frequency spectrum of the q-axis current.
  • 3A and 3B show examples of the vibration frequency spectrum of the rotating machine 3.
  • FIG. 4A and 4B show examples of the frequency spectrum of the load current flowing in each phase of the rotating machine 3.
  • the bearing rotation speed is controlled to be 164.32 rad / s (26.17 Hz).
  • the q-axis current is such that the internal value of the microcomputer for controlling the power converter 2 is output in text format by modifying the power converter 2.
  • the log output function can be used, or a new output function may be added for diagnosis.
  • FIG. 2A, FIG. 3A, and FIG. 4A show frequency spectra in a normal state before a scratch occurs.
  • 2B, FIG. 3B, and FIG. 4B show frequency spectra in a state (when an abnormality occurs) after the scratch has occurred.
  • the fundamental frequency f0 of the input current of the rotating machine 3 is 27.77 Hz.
  • the primary component of the characteristic frequency fq of the q-axis current due to the abnormality is 149.00 Hz.
  • the primary component of the characteristic frequency fv of vibration caused by abnormality is 149.00 Hz.
  • FIG. 3B the primary component of the characteristic frequency fv of vibration caused by abnormality is 149.00 Hz.
  • the primary component of the characteristic frequency fc of the load current is 121.20 Hz or 176.80 Hz.
  • the characteristic frequency resulting from abnormality is indicated by a vertical line.
  • the primary component of the abnormal characteristic frequency is indicated by an upward arrow.
  • the frequency spectra shown in FIG. 2A to FIG. 4B compare states driven under the same control conditions. From the viewpoint of diagnosis accuracy, when the degree of abnormality is small, in particular, there is a high possibility that a change in the control condition is erroneously detected as abnormal. Therefore, it is desirable to extract and diagnose a section driven under the same control condition.
  • the change in the frequency spectrum of the q-axis current due to the occurrence of flaws reflects the frequency spectrum of the vibration of the rotating machine 3. That is, when FIG. 2B and FIG. 3B are compared, the abnormal feature frequencies match.
  • the load current does not reflect the frequency spectrum of the vibration of the rotating machine 3, as is apparent from the comparison between FIG. 3A and FIG. 4A, FIG. 3B and FIG. That is, when FIG. 3B and FIG. 4B are compared, the abnormal feature frequencies do not match.
  • q-axis current is suitable for the abnormality analysis of the rotary machine 3 and incidental equipment.
  • the q-axis current an increase in the characteristic frequency component due to the occurrence of flaws can be confirmed.
  • the user can confirm that the abnormality of the rotating machine system 100 can be diagnosed by confirming the increase in the amplitude of the characteristic spectrum of the q-axis current. Furthermore, it was confirmed that the presence / absence of an abnormality and the position where the abnormality occurred (in this case, a bearing) can be detected by a diagnosis focusing on a specific frequency.
  • the conventional diagnosis support apparatus 1g uses the q-axis current as control information.
  • the q-axis current is used not only for control but also for specifying an abnormal site.
  • information for specifying an abnormal site can be presented to the user without requiring an additional sensor such as a current sensor or a vibration sensor.
  • FIG. 5 is a diagram illustrating a configuration example of a rotating machine system 100a according to the second embodiment. 5, the same components as those in FIG. 1 are denoted by the same reference numerals as those in FIG.
  • the diagnosis support apparatus 1a of the rotating machine system 100a is different from the diagnosis support apparatus 1 shown in FIG. 1 as follows.
  • An abnormal characteristic frequency storage unit 21 is provided in which characteristic frequencies (abnormal characteristic frequencies; abnormal characteristic frequency information) of mechanically abnormal parts of the rotating machine 3 and ancillary equipment are stored.
  • the abnormal part specifying unit 13 for specifying the abnormal part is provided by comparing the frequency spectrum output from the amplitude calculating part 11 with the abnormal characteristic frequency stored in the abnormal characteristic frequency storage part 21.
  • a notification unit 14 is provided to notify the user of the identified abnormal site.
  • Embodiment demonstrated the example which displays a frequency spectrum on the display part 12, and leaves a user's judgment of abnormality presence or absence.
  • an abnormal characteristic frequency to be monitored is set in advance.
  • specification part 13 diagnoses the state of the rotary machine system 100 from the amplitude change of the q-axis current in the set abnormal characteristic frequency in a frequency spectrum, and specifies an abnormal part.
  • the frequency input to the abnormal feature frequency a frequency obtained by actual measurement in advance may be used. Moreover, you may set the mechanical vibration frequency calculated
  • wound regarding a bearing is represented by each formula described in Table 1.
  • f r is the rotational frequency of the rotating machine bearing
  • n b is the number of balls
  • bd is Tamakei
  • beta is the contact angle.
  • Table 1 shows the primary components of each abnormal characteristic frequency.
  • One for example, primary component
  • a plurality of primary components of the frequency of possible abnormal characteristic frequencies may be input.
  • a higher-order component of the abnormal feature frequency may be input.
  • the abnormal feature frequencies shown in Table 1 are examples, and abnormal feature frequencies related to other parts may be input to the abnormal part specifying unit 13. It should be noted that not only abnormalities that progress gradually but also frequency components related to poor installation such as misalignment of the shaft may be input to the abnormal part specifying unit 13 as abnormal characteristic frequencies.
  • the abnormal part specifying unit 13 specifies the abnormal part by determining whether or not the amplitude of the frequency corresponding to each of the abnormal characteristic frequencies input in the frequency spectrum is large.
  • the abnormal part specifying unit 13 determines whether or not the amplitude of the frequency corresponding to the abnormal characteristic frequency is increased by the following method.
  • (D1) Whether the amplitude exceeds a predetermined threshold value.
  • (D2) The ratio of the measured frequency amplitude to the known normal amplitude.
  • D3 Machine learning. That is, an abnormal / normal state may be determined by machine learning.
  • the machine learning algorithm is not particularly limited, and a technique that can clearly distinguish the difference between the normal state and the abnormal state may be employed.
  • D4 Determination by a predetermined index.
  • the means for notifying the user of the specific result is desirably selectable as appropriate.
  • the following method can be considered as a notification method to the user.
  • (E1) Display on a display.
  • (E2) The lamp is turned on. At this time, it is preferable that the color of the lamp to be lit is different for each part.
  • (E3) Notification by email.
  • (F1) A method of transmitting the amplitude change of the abnormal feature frequency to the user by a value obtained by adding some processing (such as the above-described machine learning).
  • (F2) A method of notifying the user when a predetermined threshold is exceeded.
  • FIG. 6 is a diagram for explaining the definition of the degree of abnormality.
  • x1 and x2 coordinate axes are defined.
  • x1 and x2 are parts of the rotating machine 3 and the accessory devices, respectively.
  • ⁇ 1 is an average amplitude at the abnormal characteristic frequency of x1.
  • ⁇ 2 is the average amplitude at the abnormal feature frequency of x2.
  • N1 is a probability density function related to the amplitude of the abnormal feature frequency of x1.
  • N2 is a probability density function related to the amplitude of the abnormal feature frequency of x2. It is assumed that N1 and N2 are normal distributions.
  • L is a curve (curved surface) connecting the average value ⁇ 1 of x1 and the average value ⁇ 2 of x2. In FIG. 6, L is a curved line, but it may be a straight line.
  • M1 is a measured value of the amplitude of the abnormal characteristic frequency of x1.
  • M2 is a measured value of the amplitude of the abnormal characteristic frequency of x2.
  • M1 is assumed to be in the position of 3 ⁇ 1 from the average value ⁇ 1.
  • M2 is assumed to be at a position of ⁇ 2 / 3 from the average value ⁇ 2. That is, M1 is an event that occurs with a very low probability.
  • a point P whose coordinates are (M1, M2) on the coordinates formed by x1 and x2 is defined.
  • M1 and M2 are the amplitudes of the abnormal characteristic frequencies at the respective measured sites, which can be easily calculated from the information in Table 1.
  • a vector OP connecting the origin O and the point P is defined.
  • an intersection point Q between the vector OP and the curve L is defined.
  • the distance of the vector QP (the size of the thick arrow, that is, the length of the line QP) is defined as the degree of abnormality.
  • FIG. 7 is a diagram for explaining abnormality determination based on the degree of abnormality.
  • FIG. 7 illustrates an example in which the state change of the rotating machine system 100a is diagnosed based on the degree of abnormality based on the amplitude when an abnormal characteristic frequency including a higher-order component of the bearing inner ring flaw is input.
  • the abnormal part specifying unit 13 determines that there is an abnormal part.
  • a threshold value may be set by machine learning as described above, or may be set empirically by the user. Then, when the degree of abnormality exceeds a predetermined threshold, the abnormal part specifying unit 13 projects the vector OP shown in FIG.
  • specification part 13 determines with abnormality having arisen in the part corresponding to the coordinate axis with the largest magnitude
  • the notification unit 14 notifies the user of the specified abnormal site. According to the method shown in FIGS. 6 and 7, it is possible to confirm an increase in the degree of abnormality accompanying the progress of abnormality. Furthermore, it is possible to easily identify an abnormal part when an abnormality occurs. By providing an appropriate threshold value, it is possible to transmit an abnormality to the user and prompt an appropriate response.
  • FIG. 8 is a diagram illustrating a configuration example of a rotating machine system 100b according to the third embodiment.
  • the diagnosis support apparatus 1b of the rotating machine system 100b is different from the diagnosis support apparatus 1a shown in FIG. 5 as follows.
  • the input destination of the abnormal feature frequency storage unit 21 is the amplitude calculation unit 11.
  • the amplitude calculation unit 11 performs discrete Fourier transform on only the frequency portion corresponding to the abnormal characteristic frequency with respect to the input q-axis current.
  • the amplitude calculation unit 11 performs the amplitude by discrete Fourier transform or the like only for the abnormal characteristic frequency component set in advance with respect to the input q-axis current. Is extracted. In this way, when performing frequency decomposition with a microcomputer or the like having a limited memory capacity, it is possible to save the amount of memory used.
  • FIG. 9 is a diagram illustrating a configuration example of a rotating machine system 100c according to the fourth embodiment. 9, the same components as those in FIG. 5 are denoted by the same reference numerals as those in FIG.
  • the diagnosis support apparatus 1c of the rotating machine system 100c is different from the diagnosis support apparatus 1a shown in FIG. 5 as follows.
  • the filter unit 15 is provided on the upstream side of the amplitude calculation unit 11.
  • the filter unit 15 is, for example, a low-pass filter or a high-pass filter.
  • the input q-axis current is directly decomposed into amplitudes for each frequency.
  • the fourth embodiment after a specific frequency band in the q-axis current is removed, it is converted into an amplitude for each frequency. For example, by removing DC components and noise components in advance, current amplitude resolution can be improved and diagnostic accuracy can be improved.
  • FIG. 10 is a diagram illustrating a configuration example of a rotating machine system 100d according to the fifth embodiment. 10, the same components as those in FIG. 5 are denoted by the same reference numerals as those in FIG.
  • the diagnosis support apparatus 1d of the rotating machine system 100d is different from the diagnosis support apparatus 1a shown in FIG. 5 as follows.
  • the abnormal characteristic frequency storage unit 21d stores the abnormal characteristic frequencies in the respective parts of the rotating machine 3 and the auxiliary devices in association with the model numbers (identification information) of the rotating machine 3 and the auxiliary devices. .
  • the abnormal characteristic frequency storage unit 21d stores the abnormal characteristic frequencies in the respective parts of the rotating machine 3 and the accompanying devices as a table associated with the model numbers of the rotating machine 3 and the accompanying devices.
  • the diagnosis support apparatus 1d is provided with a model number input unit (identification information input unit) 16 for inputting the model number of the rotating machine 3 or ancillary equipment to the abnormal characteristic frequency storage unit 21d.
  • the model number input unit 16 inputs the abnormal feature frequency associated with the input model number from the abnormal feature frequency storage unit 21d to the abnormal part specifying unit 13.
  • FIG. 11 is a diagram illustrating a configuration example of a rotating machine system 100e according to the sixth embodiment. 11, the same components as those in FIG. 1 are denoted by the same reference numerals as those in FIG.
  • the power converter 2e is provided with the functions of the diagnosis support apparatuses 1 and 1a to 1d according to the first to fifth embodiments. With such a configuration, it is possible to support abnormality diagnosis of the rotating machine 3 and incidental devices in the power conversion device 2e.
  • FIG. 12 is a diagram illustrating a configuration example of a rotating machine system 100f according to the seventh embodiment. 12, the same components as those in FIG. 1 are denoted by the same reference numerals as those in FIG.
  • the power conversion device 2 and the diagnosis support devices 1 and 1a to 1d according to the first to fifth embodiments are connected via the Internet NW.
  • NW the Internet NW
  • FIG. 13 is a diagram showing a hardware configuration of the diagnosis support apparatuses 1 and 1a to 1d according to the first to fifth embodiments.
  • the diagnosis support apparatuses 1, 1a to 1d are configured by a PC (Personal Computer), a PLC (Programmable Logic Controller), or the like.
  • the diagnosis support apparatuses 1 and 1a to 1d have a memory 201, a CPU (Central Processing Unit) 202, a storage device 203, an input device 204, and an output device 205. Then, the program stored in the storage device 203 is loaded into the memory 201, and the loaded program is executed by the CPU 202.
  • the amplitude calculation unit 11, the abnormal site identification unit 13, the notification unit 14, the filter unit 15 and the like illustrated in FIGS. 1, 5, and 8 to 10 are realized.
  • the storage device 203 stores an abnormal feature frequency (FIGS. 5, 8, and 9), an abnormal feature frequency (FIG. 10) corresponding to the model number, and the like. Further, the output device 205 corresponds to the display unit 12 in FIG. 1 and the notification unit 14 in FIGS. 5 and 8 to 10.
  • diagnosis support apparatuses 1 and 1a to 1d in the present embodiment since no sensor is required, the inexpensive diagnosis support apparatuses 1 and 1a to 1d can be provided.
  • the rotating machine systems 100, 100a to 100f in the respective embodiments are applicable to a high voltage motor, a medium voltage motor, and a low voltage motor. Furthermore, the rotating machine systems 100, 100a to 100f in the respective embodiments can be applied to industrial equipment such as the power converters 2, 2a and transformers. The rotating machine systems 100 and 100a to 100f in the respective embodiments can be applied to electric devices that are controlled by q-axis current. In the second to fifth embodiments, the calculation result of the amplitude calculation unit 11 may be displayed on the display unit 12.
  • the present invention is not limited to the above-described embodiment, and includes various modifications.
  • the above-described embodiment has been described in detail for easy understanding of the present invention, and is not necessarily limited to having all the configurations described.
  • a part of the configuration of a certain embodiment can be replaced with the configuration of another embodiment, and the configuration of another embodiment can be added to the configuration of a certain embodiment.
  • each of the above-described configurations, functions, the units 11, 13 to 16, the storage device 203, and the like may be realized by hardware by designing a part or all of them with, for example, an integrated circuit. Further, as shown in FIG. 14, the above-described configurations, functions, and the like may be realized by software by interpreting and executing a program that realizes each function by a processor such as the CPU 202.
  • control lines and information lines are those that are considered necessary for explanation, and not all control lines and information lines are necessarily shown on the product. In practice, it can be considered that almost all configurations are connected to each other.
  • Diagnosis support device 2 1, 1a to 1d, 1g Diagnosis support device 2, 2a Power conversion device (accompanying equipment) 3 Rotating machine 4 Load device (accompanying equipment) DESCRIPTION OF SYMBOLS 11 Amplitude calculating part 12 Display part 13 Abnormal site

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

回転機及び付帯機器における異常部位の特定を容易にするため、回転機（３）を制御する電力変換装置（２）からｑ軸電流を取得し、取得したq軸電流から、ｑ軸電流に関する周波数毎の振幅を演算する振幅演算部（１１）と、演算された周波数毎の振幅を出力する表示部（１２）と、を有する診断支援装置（１）を提供することを特徴とする。また、電力変換装置（２）、回転機（３）、負荷装置（４）を有し、診断装置（１）によって回転機（３）及び付帯機器における異常が診断される回転機システム（１００）を提供することを特徴とする。

Description

診断支援装置、回転機システム及び診断支援方法
　本発明は、診断支援装置、回転機システム及び診断支援方法の技術に関する。
　生産設備に組み込まれたモータ（電動機）等の回転機が突発故障すると、計画外の修理作業や置換作業が必要となる。これにより、生産設備の稼働率低下や生産計画の見直しが必要となる。そして、故障の兆候を調べることで故障する可能性が高い装置に対して予め交換部品を用意する、または修理の予定を計画しておくことができる。このようにすれば、生産設備の稼働率低下や生産計画の見直しを最低限に抑えることが可能となる。
　回転機システムにおける回転機、及び、その付帯機器の突発故障を未然に防ぐための方法として、以下の方法等がある。なお、回転機、及び、その付帯機器とは、インバータ、ギア、カップリング、負荷装置等である。
　（ａ１）回転機システムの各部位に振動センサを取り付けられ、振動実効値の増加が調べられる。
　（ａ２）回転機システムの各部位に振動の特徴周波数成分の増加が調べられる。
　（ａ１）、（ａ２）の方法等を実行することで、各部位の異常状態を診断し、突発故障をある程度防ぐことができる。
　しかしながら、前記した（ａ１）、（ａ２）の方法は、以下の課題がある。
　（ｂ１）振動センサの価格が高い。
　（ｂ２）振動センサの取り付け位置に感度が大きく依存する。
　（ｂ３）異常が発生する可能性がある部位毎に振動センサを取り付ける必要がある。
　そこで、振動センサを使わずに、安価な電流センサを使うことでセンサの設置数を減らし、設置者によらずロバストな診断を可能にする方法が提案されている。この方法では、回転機システムから取得した電流波形がフーリエ変換され、フーリエ変換の結果から異常に対して特徴的な周波数（異常特徴周波数）の成分が抽出される。そして、異常特徴周波数の成分の振幅によって診断が行われる。このような方法の１つとして、ＭＣＳＡ（Motor Current Signature Analysis）が知られている。
　異常特徴周波数の成分は、機械的な異常の場合、以下の式（１）で表されることが分かっている。
　ｆｃ＝｜ｆ０±ｆｍ｜　・・・　（１）
　式（１）において、ｆｃは電流の異常特徴周波数、ｆ０は電流の基本波周波数、ｆｍは機械的な振動の周波数である。この式により、軸受の劣化や、ギアやカップリングの損傷、負荷装置の異常等を診断することが可能となる。例えば、軸受内輪における傷の場合、軸受の寸法や軸受球の数等で周期的な振動が発生し、それに起因する振動が電流の基本波周波数の側帯波として現れることが知られている。
　しかしながら、依然として追加の電流センサの設置が必要であり、モータに接続されたインバータの制御用の内部値を診断に活用することが考えられている。
　特許文献１には、「回転異常検出部６７は、位置推定運転時、実際に検出された値に基づいてモータ６０の入力電力に対応する値を演算するとともに、回転速度・角度推定部６６で推定した回転速度ωestに基づいてモータ６０の出力電力に対応する値を演算し、これらの比較結果に相当する回転異常指標を求め、この回転異常指標がしきい値より大きい場合に回転異常と判定する」回転機制御装置及び洗濯機が開示されている（要約参照）。
特開２００９－６５７６４号公報
　しかしながら、特許文献１に記載の技術には、次のような課題がある。つまり、特許文献１に開示された技術では、モータシステム全体の異常が入力電力と出力電力の推定値の比率で診断されている。この方法では、異常部位の特定を容易にすることができない。異常部位が分からなければ、予め交換用として用意する部品を特定することが困難である。また、異常部位に応じて計画する必要のある修理の予定も困難となってしまう。
　このような背景に鑑みて本発明がなされたのであり、本発明は、回転機及び付帯機器における異常部位の特定を容易にすることを課題とする。
　前記した課題を解決するため、本発明は、回転機を制御する電力変換装置のｑ軸電流を取得する取得部と、取得した前記q軸電流から、前記ｑ軸電流に関する周波数毎の振幅を演算する振幅演算部と、前記周波数毎の振幅に関する情報を出力する出力部と、を有することを特徴とする。
　その他の解決手段は、実施形態中において後記する。
　本発明によれば、回転機及び付帯機器における異常部位の特定を容易にすることができる。
第１実施形態に係る回転機システム１００の構成例を示す図である。 ｑ軸電流の周波数スペクトルの例（正常時）を示す図である。 ｑ軸電流の周波数スペクトルの例（異常発生時）を示す図である。 回転機３の振動周波数スペクトルの例（正常時）を示す図である。 回転機３の振動周波数スペクトルの例（異常発生時）を示す図である。 回転機３の各相に流れる負荷電流の周波数スペクトルの例（正常時）を示す図である。 回転機３の各相に流れる負荷電流の周波数スペクトルの例（異常発生時）を示す。 第２実施形態に係る回転機システム１００ａの構成例を示す図である。 異常度の定義を説明する図である。 異常度を基にした異常判定について説明する図である。 第３実施形態に係る回転機システム１００ｂの構成例を示す図である。 第４実施形態に係る回転機システム１００ｃの構成例を示す図である。 第５実施形態に係る回転機システム１００ｄの構成例を示す図である。 第６実施形態に係る回転機システム１００ｅの構成例を示す図である。 第７実施形態に係る回転機システム１００ｆの構成例を示す図である。 第１～第５実施形態に係る診断支援装置１，１ａ～１ｄのハードウェア構成を示す図である。 比較例（特許文献１）における回転機システム１００ｇの構成例を示す図である。
　以下、本発明を実施するための形態（「実施形態」と表記する）を、適宜、図面を参照して説明する。また、下記に記載するものは、あくまでも実施形態の一例であり、本発明の範囲が下記実施形態に限定されることを意図するものではない。
　［比較例］
　まず、本実施形態に対する比較例を示す。
　図１４は、比較例（特許文献１）における回転機システム１００ｇの構成例を示す図である。
　電動機等の回転機３や、回転機３の付帯機器で発生する異常において、どの部位で異常が発生しているかや、その要因は多岐にわたる。例えば、異常発生要因として、回転機軸受劣化、ギアの歯車欠け、負荷装置４の軸受劣化、負荷装置４の異物噛み込み、回転機軸受の内輪の傷等が考えられる。なお、回転機３の付帯機器とは、前記したように電力変換装置２、ギア、カップリング、負荷装置４等である。
　図１４に示すように、回転機システム１００ｇでは、電力変換装置２と回転機３とが電気的に接続されている。さらに、回転機３と負荷装置４とが機械的に接続されている。回転機３と負荷装置４との機械的な接続方法としては、回転軸を直結する方法やギアを介して接続する方法等が考えられる。
　また、電力変換装置２から内部値を取得することで回転機３や、その付帯機器の異常を診断する診断支援装置１ｇが設置されている。
　図１４に示される、これまでの診断支援装置１ｇでは、まず、電力比推定部１７が、電力変換装置２の内部値から、回転機３の入力電力と出力電力の比を推定する。そして、異常判定部１８が、推定された電力比の変化から回転機システム１００ｇの異常を判定する。
　しかしながら、回転機３の入力電力と出力電力との比だけでは、劣化が進展した箇所を推定することができない。そのため、予め交換用として用意する部品を特定することが難しく、また、修理の予定も劣化部位に応じて計画する必要があるという課題がある。
　本実施形態は、このような課題を解決するものである。
　［第１実施形態］
　図１は、第１実施形態に係る回転機システム１００の構成例を示す図である。
　図１において、図１４と同様の構成については、同一の符号を付して、その説明を省略する。
　ここで、発明者らは、電力変換装置２の内部値の内、ｑ軸電流成分において、回転機システム１００の機械的な劣化等にともなう異常部位に応じた特定周波数成分の振動が発生することを明らかにした。さらに、発明者らは、ｑ軸電流の特定周波数成分の経時変化により、異常部位毎に状態を傾向監視できることを見い出した。
　図１に示すように、第１実施形態に係る診断支援装置１では、振幅演算部１１と、表示部１２とを有することを特徴とする。
　振幅演算部１１は、電力変換装置２の内部値の１つであるｑ軸電流を電力変換装置２から取得する。なお、ここで、ｑ軸電流とは、ｑ軸電流値の時間変化である。そして、振幅演算部１１は、取得したｑ軸電流を周波数毎の振幅に変換する。すなわち、振幅演算部１１は、入力されたｑ軸電流をフーリエ変換する。
　表示部１２は、振幅演算部１１の演算結果を表示する。すなわち、表示部１２は、振幅演算部１１で演算された周波数スペクトルの経時変化を可視化し、ユーザに異常の状態を提示する。
　ユーザは、表示部１２に表示された振幅演算部１１の演算結果、すなわち、ｑ軸電流の周波数スペクトルを基に、回転機システム１００の状態を診断する。
　（周波数スペクトルの例）
　以下、第１実施形態の診断支援装置１を用いた診断方法の一例として、回転機軸受の内輪に傷が発生した状態を診断する方法について述べることで、診断支援装置１の機能を説明する。
　図２Ａ及び図２Ｂは、ｑ軸電流の周波数スペクトルの例を示す。また、図３Ａ及び図３Ｂは、回転機３の振動周波数スペクトルの例を示す。そして、図４Ａ及び図４Ｂは、回転機３の各相に流れる負荷電流の周波数スペクトルの例を示す。
　ここで、軸受回転速度が、１６４．３２ｒａｄ／ｓ（２６．１７Ｈｚ）となるよう制御されている。また、ｑ軸電流は、電力変換装置２を改造することで、電力変換装置２の制御用のマイコンの内部値がテキスト形式で出力されるようにしている。なお、ｑ軸電流のログ出力機能がある電力変換装置２については、ログ出力機能を使うこともできるし、診断用に新たに出力機能を追加してもよい。
　ここで、図２Ａ、図３Ａ、図４Ａは、傷が発生する前の正常状態における周波数スペクトルを示す。また、図２Ｂ、図３Ｂ、図４Ｂは、傷が発生した後の状態（異常発生時）における周波数スペクトルを示す。回転機３の入力電流の基本波周波数ｆ０は２７．７７Ｈｚとする。そして、図２Ｂに示すように、異常に起因するｑ軸電流の特徴周波数ｆｑの一次成分は１４９．００Ｈｚである。また、図３Ｂに示すように、異常に起因する振動の特徴周波数ｆｖの一次成分は１４９．００Ｈｚである。さらに、図４Ｂに示すように、負荷電流の特徴周波数ｆｃの一次成分は１２１．２０Ｈｚまたは１７６．８０Ｈｚである。図２Ｂ、図３Ｂ、図４Ｂそれぞれにおいて、異常に起因する特徴周波数（異常特徴周波数）が縦方向の線で示されている。また、図２Ｂ、図３Ｂ、図４Ｂそれぞれにおいて、異常特徴周波数の一次成分が上向きの矢印で示されている。
　ここで、図２Ａ～図４Ｂに示す周波数スペクトルは、同一の制御条件で駆動されている状態同士を比較している。診断精度の観点では、異常具合が小さい場合、特に、制御条件の変化を異常と誤検知する可能性が高いため、同じ制御条件で駆動された区間を取り出して診断することが望ましい。
　図２Ａ及び図３Ａ、図２Ｂ及び図３Ｂの比較から明らかなように、傷発生によるｑ軸電流の周波数スペクトルの変化は、回転機３の振動の周波数スペクトルを反映している。つまり、図２Ｂ及び図３Ｂを比較すると、異常特徴周波数が一致している。
　これに対して、図３Ａ及び図４Ａ、図３Ｂ及び図４Ｂの比較から明らかなように、負荷電流は、回転機３の振動の周波数スペクトルを反映していない。つまり、図３Ｂ及び図４Ｂを比較すると、異常特徴周波数が一致していない。
　これにより、ｑ軸電流が回転機３及び付帯機器の異常解析に適していることが分かる。
　このように、ｑ軸電流によれば、傷発生による特徴周波数成分の増加が確認できる。ユーザは、ｑ軸電流の特徴スペクトルの振幅増大を確認することで、回転機システム１００の異常を診断できることが確認できる。さらに、特定周波数に着目した診断により異常の有無と異常発生位置（今回の場合は軸受）を検出することができることを確認した。
　これまでの診断支援装置１ｇでは、ｑ軸電流を制御情報として使用している。本実施形態では、ｑ軸電流を制御のみならず、異常部位の特定に利用している。
　特に、第１実施形態によれば、電流センサや、振動センサ等といった追加のセンサを必要とせずに、異常部位を特定するための情報をユーザに提示することができる。
　［第２実施形態］
　図５は、第２実施形態に係る回転機システム１００ａの構成例を示す図である。図５において、図１と同様の構成については、図１と同一の符号を付して説明を省略する。
　回転機システム１００ａの診断支援装置１ａにおいて、図１に示す診断支援装置１と異なる点は、以下の通りである。
　（ｃ１）回転機３及び付帯機器の機械的異常部位の特徴周波数（異常特徴周波数；異常特徴周波数情報）が格納されている異常特徴周波数記憶部２１が備えられている。
　（ｃ２）振幅演算部１１が出力した周波数スペクトルと、異常特徴周波数記憶部２１に格納されている異常特徴周波数とを比較することにより、異常部位を特定する異常部位特定部１３が備えられている。
　（ｃ３）特定した異常部位をユーザに通知する通知部１４が備えられている。
　第１実施形態では、周波数スペクトルを表示部１２に表示し、ユーザに異常有無の判断を任せる例について説明した。これに対して、第２実施形態では、予め監視する異常特徴周波数が設定されている。そして、異常部位特定部１３が、周波数スペクトルにおいて、設定した異常特徴周波数におけるｑ軸電流の振幅変化から回転機システム１００の状態を診断し、異常部位を特定する。
　異常特徴周波数に入力する周波数は、予め実測し求めた周波数が用いられてもよい。また、機械部品の幾何学的な形状から求まる機械振動周波数を設定してもよい。
　ここで、軸受に関する傷に対応した異常特徴周波数は、表１に記載される各式で表される。
　表１において、ｆｒは回転機軸受の回転周波数、ｎｂは球数、ｂｄは球経、ｐｄはピッチ径、βは接触角である。表１では、それぞれの異常特徴周波数の一次成分が示されている。
　異常部位特定部１３に入力される異常特徴周波数は１つ（例えば、一次成分）であってもよい。また、考えられる異常特徴周波数の周波数の一次成分が複数入力されてもよい。あるいは、異常特徴周波数の高次成分が入力されてもよい。
Figure JPOXMLDOC01-appb-T000001
　なお、表１に示す異常特徴周波数は一例であり、その他の部位に関する異常特徴周波数が、異常部位特定部１３に入力されてもよい。
　なお、徐々に進行する異常だけでなく、軸のミスアライメント等、設置不良に関する周波数成分が、異常特徴周波数として異常部位特定部１３に入力されてもよい。
　異常部位特定部１３は、周波数スペクトルにおいて、入力された、それぞれの異常特徴周波数に該当する周波数の振幅が大きくなっているか否かを判定することで、異常部位の特定を行う。
　異常部位特定部１３は、以下の方法によって異常特徴周波数に該当する周波数の振幅が大きくなっているか否かを判定する。
　（ｄ１）振幅が所定の閾値を超えたか否か。
　（ｄ２）予め分かっている正常時の振幅に対する計測された周波数の振幅の比。
　（ｄ３）機械学習。つまり、機械学習によって、異常・正常の状態が判別されるようにしてもよい。ここで、機械学習のアルゴリズムは、特に限定されず、正常状態と異常状態の差異が鮮明に判別できる手法が採用されればよい。
　（ｄ４）所定の指標による判定。
　特定結果をユーザに通知する手段は、適宜選択可能とすることが望ましい。
　ここで、ユーザへの通知方法として、以下の方法が考えられる。
　（ｅ１）ディスプレイによる表示。
　（ｅ２）ランプの点灯。このとき、部位毎に点灯されるランプの色が異なるようにされているとよい。
　（ｅ３）メールによる通知。
　また、通知の方法についても、以下の方法が考えられる。
　（ｆ１）異常特徴周波数の振幅変化を何らかの処理（前記した機械学習等）を加え求めた値でユーザに伝える方法。
　（ｆ２）予め定めた閾値を超えた場合にユーザ通知する方法。
　（異常度による判別）
　ここで、機械学習による異常判別の一例として異常度による判別を説明する。
　図６は、異常度の定義を説明する図である。
　まず、図６に示すように、ｘ１及びｘ２の座標軸が定義される。ｘ１、ｘ２は、それぞれ回転機３及び付帯機器の部位である。例えば、ｘ１＝外輪、ｘ２＝内輪である。
　そして、μ１はｘ１の異常特徴周波数における平均振幅である。同様に、μ２はｘ２の異常特徴周波数における平均振幅である。
　Ｎ１は、ｘ１の異常特徴周波数の振幅に関する確率密度関数である。同様に、Ｎ２は、ｘ２の異常特徴周波数の振幅に関する確率密度関数である。Ｎ１、Ｎ２とも正規分布であるとする。
　また、Ｌはｘ１の平均値μ１と、ｘ２の平均値μ２とを結ぶ曲線（曲面）である。なお、図６では、Ｌを曲線としたが、直線でもよい。
　そして、Ｍ１は、ｘ１の異常特徴周波数の振幅の計測値である。同様に、Ｍ２は、ｘ２の異常特徴周波数の振幅の計測値である。ちなみに、σ１を確率密度関数Ｎ１の分散とすると、Ｍ１は平均値μ１から３σ１の位置にあるものとする。同様に、σ２を確率密度関数Ｎ２の分散とすると、Ｍ２は平均値μ２からσ２／３の位置にあるものとする。つまり、Ｍ１は、非常に低い確率で発生する事象である。
　次に、ｘ１及びｘ２で形成される座標上において、座標が（Ｍ１，Ｍ２）である点Ｐが定義される。Ｍ１，Ｍ２は、計測された各部位における異常特徴周波数の振幅であるが、これは表１の情報から容易に演算可能である。
　次に、原点Ｏと、点Ｐとを結ぶベクトルＯＰが定義される。そして、ベクトルＯＰと、曲線Ｌとの交点Ｑが定義される。そして、ベクトルＱＰの距離（太矢印の大きさ、すなわち線ＱＰの長さ）が異常度として定義される。
　なお、説明を簡単にするため、図６では、ｘ１（例えば、外輪）、ｘ２（例えば、内輪）の２次元座標としている。しかし、実際には、異常を特定する部位の項目だけ座標軸が存在する多次元座標となる。
　図７は、異常度を基にした異常判定について説明する図である。
　図７では、軸受内輪傷の高次成分を含む異常特徴周波数を入力とした場合の振幅に基づく異常度によって、回転機システム１００ａの状態変化を診断した例について説明する。
　図７に示すように、異常度が所定の閾値を超えると、異常部位特定部１３は異常部位ありと判定する。このような閾値は、前記したような機械学習によって設定されてもよいし、ユーザが経験的に設定してもよい。そして、異常度が所定の閾値を超えると、異常部位特定部１３は、図６に示すベクトルＯＰを各座標軸（図６では、ｘ１軸、ｘ２軸）に射影する。そして、異常部位特定部１３は、射影の結果、生じる各座標軸での正射影ベクトルの大きさが最も大きい座標軸を対応する部位で異常が生じていると判定する。
　その後、前記したように通知部１４が、特定された異常部位をユーザに通知する。
　図６及び図７に示す方法によれば、異常進展にともなう異常度の増加が確認できる。さらに、異常発生時における異常部位の特定を容易に行うことができる。そして、適切な閾値が設けられることでユーザに異常を伝達し、適切な対応を促すことができる。
　第２実施形態によれば、専門的な知識がなくても、回転機３及び付帯機器の診断を行うことができる。
　［第３実施形態］
　図８は、第３実施形態に係る回転機システム１００ｂの構成例を示す図である。図８において、図５と同様の構成については、図５と同一の符号を付して説明を省略する。
　回転機システム１００ｂの診断支援装置１ｂにおいて、図５に示す診断支援装置１ａと異なる点は、以下の通りである。
　（ｇ１）異常特徴周波数記憶部２１の入力先が振幅演算部１１となっている。
　（ｇ２）振幅演算部１１は、入力されたｑ軸電流に対して、異常特徴周波数に相当する周波数部分のみを離散フーリエ変換する。
　第２実施形態では、振幅演算部１１においてｑ軸電流が周波数変換された後に、異常特徴周波数記憶部２１から入力された特定の周波数成分を抽出している。これに対して、第３実施形態では、前記したように、振幅演算部１１は、入力されたｑ軸電流に対して、予め設定した異常特徴周波数成分に対してのみ、離散フーリエ変換等により振幅を抽出している。このようにすることで、メモリ容量が限られたマイコン等で周波数分解する場合、使用するメモリ量を節約することができる。
　［第４実施形態］
　図９は、第４実施形態に係る回転機システム１００ｃの構成例を示す図である。図９において、図５と同様の構成については、図５と同一の符号を付して説明を省略する。
　回転機システム１００ｃの診断支援装置１ｃにおいて、図５に示す診断支援装置１ａと異なる点は、以下の通りである。
　（ｈ１）振幅演算部１１の上流側にフィルタ部１５が設けられている。フィルタ部１５は、例えば、ローパスフィルタや、ハイパスフィルタ等である。
　第１実施形態～第３実施形態では、入力されたｑ軸電流を周波数毎の振幅に直接分解している。これに対して、第４実施形態では、ｑ軸電流における特定の周波数帯域が除去された後に、周波数毎の振幅に変換される。例えば、直流成分やノイズ成分を予め除去しておくことで、電流振幅の分解能が向上し、診断精度を向上することができる。
　［第５実施形態］
　図１０は、第５実施形態に係る回転機システム１００ｄの構成例を示す図である。図１０において、図５と同様の構成については、図５と同一の符号を付して説明を省略する。
　回転機システム１００ｄの診断支援装置１ｄにおいて、図５に示す診断支援装置１ａと異なる点は、以下の通りである。
　（ｉ１）異常特徴周波数記憶部２１ｄには、回転機３や、付帯機器それぞれの部位における異常特徴周波数が、回転機３や、付帯機器の型番（識別情報）に対応付けられて記憶されている。例えば、異常特徴周波数記憶部２１ｄには、回転機３や、付帯機器それぞれの部位における異常特徴周波数が、回転機３や、付帯機器の型番に対応付けられたテーブルとして格納されている。
　（ｉ２）回転機３や、付帯機器の型番を異常特徴周波数記憶部２１ｄに入力する型番入力部（識別情報入力部）１６が診断支援装置１ｄに備えられている。
　（ｉ３）型番入力部１６は、入力された型番に対応付けられている異常特徴周波数が異常特徴周波数記憶部２１ｄから異常部位特定部１３に入力する。
　このような構成により、回転機３や、付帯機器の型に応じた異常部位特定が可能となり、異常部位特定の精度を向上させることができる。
　［第６実施形態］
　図１１は、第６実施形態に係る回転機システム１００ｅの構成例を示す図である。図１１において、図１と同様の構成については、図１と同一の符号を付して説明を省略する。
　図１１に示す回転機システム１００ｅでは、電力変換装置２ｅに第１～第５実施形態に係る診断支援装置１，１ａ～１ｄの機能が備えられている。
　このような構成とすることで、電力変換装置２ｅ内で、回転機３や、付帯機器の異常診断の支援を行うことができる。
　［第７実施形態］
　図１２は、第７実施形態に係る回転機システム１００ｆの構成例を示す図である。図１２において、図１と同様の構成については、図１と同一の符号を付して説明を省略する。
　図１２に示す回転機システム１００ｆでは、電力変換装置２と、第１～第５実施形態に係る診断支援装置１，１ａ～１ｄとが、インターネットＮＷを介して接続している。
　このような構成とすることで、遠隔地に存在する回転機３や、付帯機器の診断支援が可能となる。
　［ハードウェア構成］
　図１３は、第１～第５実施形態に係る診断支援装置１，１ａ～１ｄのハードウェア構成を示す図である。
　診断支援装置１，１ａ～１ｄは、ＰＣ（Personal Computer)や、ＰＬＣ（Programmable Logic Controller）等で構成される。
　診断支援装置１，１ａ～１ｄは、メモリ２０１、ＣＰＵ（Central Processing Unit）２０２、記憶装置２０３、入力装置２０４、出力装置２０５を有している。
　そして、記憶装置２０３に格納されているプログラムがメモリ２０１にロードされ、ロードされたプログラムがＣＰＵ２０２によって実行される。これにより、図１、図５、図８～図１０に示す振幅演算部１１、異常部位特定部１３、通知部１４、フィルタ部１５等が具現化する。
　また、記憶装置２０３には、異常特徴周波数（図５、図８、図９）、型番に対応した異常特徴周波数（図１０）等が格納されている。
　さらに、出力装置２０５は、図１の表示部１２、図５、図８～図１０の通知部１４に相当する。
　本実施形態における診断支援装置１，１ａ～１ｄによれば、センサを必要としないため、安価な診断支援装置１，１ａ～１ｄを提供することができる。
　それぞれの実施形態における回転機システム１００，１００ａ～１００ｆは、高電圧モータ、中電圧モータ、低電圧モータに適用可能である。さらに、それぞれの実施形態における回転機システム１００，１００ａ～１００ｆは、電力変換装置２，２ａ、変圧器等の産業機器に適用可能である。そして、それぞれの実施形態における回転機システム１００，１００ａ～１００ｆは、ｑ軸電流による制御が行われる電気機器に適用することができる。
　また、第２～第５実施形態において、振幅演算部１１の演算結果が表示部１２に表示されてもよい。
　本発明は前記した実施形態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、前記した実施形態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、必ずしも説明したすべての構成を有するものに限定されるものではない。また、ある実施形態の構成の一部を他の実施形態の構成に置き換えることが可能であり、ある実施形態の構成に他の実施形態の構成を加えることも可能である。また、各実施形態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。
　また、前記した各構成、機能、各部１１，１３～１６、記憶装置２０３等は、それらの一部またはすべてを、例えば集積回路で設計すること等によりハードウェアで実現してもよい。また、図１４に示すように、前記した各構成、機能等は、ＣＰＵ２０２等のプロセッサがそれぞれの機能を実現するプログラムを解釈し、実行することによりソフトウェアで実現してもよい。各機能を実現するプログラム、テーブル、ファイル等の情報は、ＨＤ（Hard Disk）に格納すること以外に、メモリ２０１や、ＳＳＤ（Solid State Drive）等の記録装置、または、ＩＣ（Integrated Circuit）カードや、ＳＤ（Secure Digital）カード、ＤＶＤ（Digital Versatile Disc）等の記録媒体に格納することができる。
　また、各実施形態において、制御線や情報線は説明上必要と考えられるものを示しており、製品上必ずしもすべての制御線や情報線を示しているとは限らない。実際には、ほとんどすべての構成が相互に接続されていると考えてよい。
　１，１ａ～１ｄ，１ｇ　診断支援装置
　２，２ａ　電力変換装置（付帯機器）
　３　　　回転機
　４　　　負荷装置（付帯機器）
　１１　　振幅演算部
　１２　　表示部
　１３　　異常部位特定部
　１４　　通知部
　１５　　フィルタ部
　１６　　型番入力部（識別情報入力部）
　２１，２１ｄ　異常特徴周波数記憶部（異常特徴周波数情報を含む）

Claims (9)

  1. 　回転機を制御する電力変換装置のｑ軸電流を取得する取得部と、
    　取得した前記q軸電流から、前記ｑ軸電流に関する周波数毎の振幅を演算する振幅演算部と、
    　前記周波数毎の振幅に関する情報を出力する出力部と、
    　を有することを特徴とする診断支援装置。
  2. 　前記出力部は、前記周波数毎の振幅を出力する
    　ことを特徴とする請求項１に記載の診断支援装置。
  3. 　前記回転機、及び、前記回転機の付帯機器の少なくとも一方に異常が生じた際に振幅が増大する周波数に関する情報を部位毎に格納している異常特徴周波数情報を有する記憶部と、
    　前記振幅演算部によって演算された周波数毎の振幅と、前記異常特徴周波数情報とを比較することで、前記回転機及び前記付帯機器の少なくとも一方において異常が生じている部位を特定する異常部位特定部と
    　を有することを特徴とする請求項１に記載の診断支援装置。
  4. 　前記異常部位特定部は、
    　前記振幅演算部は、前記異常特徴周波数情報に格納されている周波数についてのみ、前記振幅を演算する
    　ことを特徴とする請求項３に記載の診断支援装置。
  5. 　前記電力変換装置と、前記振幅演算部との間に、所定の周波数を除去するフィルタ部
    　を有することを特徴とする請求項１に記載の診断支援装置。
  6. 　前記記憶部には、前記異常特徴周波数情報が、前記回転機及び前記付帯機器の少なくとも一方の識別情報と対応付けられて格納されており、
    　入力された前記回転機及び前記付帯機器の少なくとも一方の前記識別情報に対応した前記異常特徴周波数情報を前記異常部位特定部へ送る識別情報入力部
    　を有することを特徴とする請求項３に記載の診断支援装置。
  7. 　前記異常部位特定部は、
    　前記回転機及び前記付帯機器における、それぞれの前記部位に関する周波数の振幅に関する座標軸を設定し、
    　それぞれの部位に関する前記振幅の平均値を設定するとともに、それぞれの前記部位における前記振幅の平均値を結ぶ平面を設定し、
    　計測された前記ｑ軸電流から演算された、それぞれの前記部位に対応する前記振幅を演算すると、それぞれの前記部位に対応する前記振幅を前記座標軸で定義される座標にプロットした点Ｐを設定し、
    　前記座標の原点Ｏと、前記点Ｐを結んだ線ＯＰを生成し、
    　前記線ＯＰと、前記平面との交点Ｑを生成し、
    　線ＱＰの長さを異常度とし、
    　当該異常度の長さが、所定の閾値を超えると、前記回転機及び前記付帯機器の少なくとも一方に異常が発生したと判定し、
    　前記線ＱＰを、それぞれの前記座標軸に射影した結果を基に、異常が生じている前記部位を特定する
    　ことを特徴とする請求項３に記載の診断支援装置。
  8. 　回転機と、
    　前記回転機を制御する電力変換装置と、
    　前記回転機、及び、前記回転機の付帯機器の異常診断を支援する診断支援装置と、
    　を有する回転機システムであって、
    　前記診断支援装置は、
    　前記電力変換装置のｑ軸電流を取得する取得部と、
    　取得した前記q軸電流から、前記ｑ軸電流に関する周波数毎の振幅を演算する振幅演算部と、
    　前記周波数毎の振幅に関する情報を出力する出力部と、
    　を有することを特徴とする回転機システム。
  9. 　回転機、及び、前記回転機の付帯機器の異常診断を支援する診断支援装置が、
    　前記回転機を制御する電力変換装置のｑ軸電流を取得し、
    　取得した前記q軸電流から、前記ｑ軸電流に関する周波数毎の振幅を演算し、
    　前記周波数毎の振幅に関する情報を出力する
    　ことを特徴とする診断支援方法。
PCT/JP2019/014613 2018-04-09 2019-04-02 診断支援装置、回転機システム及び診断支援方法 WO2019198563A1 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
DE112019001115.4T DE112019001115T5 (de) 2018-04-09 2019-04-02 Diagnoseunterstützungsvorrichtung, rotierendes Maschinensystem und Diagnoseunterstützungsverfahren

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2018074881A JP7060432B2 (ja) 2018-04-09 2018-04-09 診断支援装置、回転機システム及び診断支援方法
JP2018-074881 2018-04-09

Publications (1)

Publication Number Publication Date
WO2019198563A1 true WO2019198563A1 (ja) 2019-10-17

Family

ID=68163649

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2019/014613 WO2019198563A1 (ja) 2018-04-09 2019-04-02 診断支援装置、回転機システム及び診断支援方法

Country Status (3)

Country Link
JP (1) JP7060432B2 (ja)
DE (1) DE112019001115T5 (ja)
WO (1) WO2019198563A1 (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112986676A (zh) * 2019-11-29 2021-06-18 株式会社日立制作所 诊断装置以及诊断方法
KR20240065270A (ko) 2021-11-25 2024-05-14 미쓰비시덴키 가부시키가이샤 전동기의 진단 장치 및 진단 방법

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022269913A1 (ja) * 2021-06-25 2022-12-29 株式会社日立産機システム 劣化診断装置および劣化診断方法、並びに電動機制御装置

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002360970A (ja) * 2001-06-07 2002-12-17 Toshiba Corp 洗濯機
JP2007108189A (ja) * 2006-12-20 2007-04-26 Nsk Ltd 回転体の異常診断方法及び装置
JP2008254876A (ja) * 2007-04-04 2008-10-23 Mitsubishi Electric Building Techno Service Co Ltd エレベータの診断運転装置及び診断運転方法
JP2010000826A (ja) * 2008-06-18 2010-01-07 Jtekt Corp モータ制御装置及び電動パワーステアリング装置
JP2017219469A (ja) * 2016-06-09 2017-12-14 日本精工株式会社 状態監視装置及び状態監視方法
JP2017221023A (ja) * 2016-06-07 2017-12-14 三菱電機株式会社 空調機の故障徴候検出装置
JP2018183017A (ja) * 2017-04-21 2018-11-15 株式会社ジェイテクト モータ制御装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002360970A (ja) * 2001-06-07 2002-12-17 Toshiba Corp 洗濯機
JP2007108189A (ja) * 2006-12-20 2007-04-26 Nsk Ltd 回転体の異常診断方法及び装置
JP2008254876A (ja) * 2007-04-04 2008-10-23 Mitsubishi Electric Building Techno Service Co Ltd エレベータの診断運転装置及び診断運転方法
JP2010000826A (ja) * 2008-06-18 2010-01-07 Jtekt Corp モータ制御装置及び電動パワーステアリング装置
JP2017221023A (ja) * 2016-06-07 2017-12-14 三菱電機株式会社 空調機の故障徴候検出装置
JP2017219469A (ja) * 2016-06-09 2017-12-14 日本精工株式会社 状態監視装置及び状態監視方法
JP2018183017A (ja) * 2017-04-21 2018-11-15 株式会社ジェイテクト モータ制御装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112986676A (zh) * 2019-11-29 2021-06-18 株式会社日立制作所 诊断装置以及诊断方法
KR20240065270A (ko) 2021-11-25 2024-05-14 미쓰비시덴키 가부시키가이샤 전동기의 진단 장치 및 진단 방법

Also Published As

Publication number Publication date
DE112019001115T5 (de) 2020-11-19
JP7060432B2 (ja) 2022-04-26
JP2019184406A (ja) 2019-10-24

Similar Documents

Publication Publication Date Title
WO2019198563A1 (ja) 診断支援装置、回転機システム及び診断支援方法
JP6371236B2 (ja) 予兆診断システム、予兆診断方法及び予兆診断装置
JP4381612B2 (ja) 軸電圧および電流のモニタシステム
JP5582063B2 (ja) 電力変換器の故障診断方法、及び故障診断装置
CN100487475C (zh) 用于检测感应电机中电动机内部故障的方法和装置
JP6190841B2 (ja) 電動機の診断装置
US20210140849A1 (en) Condition monitoring device, wind turbine equipped with the same, and method for removing electrical noise
JP6945371B2 (ja) 回転機システムの診断装置、電力変換装置、回転機システム、および回転機システムの診断方法
JP7046064B2 (ja) 電動機の診断装置
WO2019074002A1 (ja) 異常診断装置、異常診断方法、及び異常診断プログラム
US10895873B2 (en) Machine health monitoring of rotating machinery
WO2020208743A1 (ja) 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
TWI770691B (zh) 診斷裝置及診斷方法
EP4043699A1 (en) System and method for automated failure mode detection of rotating machinery
WO2018020563A1 (ja) 電動機の診断装置
JP6308591B2 (ja) 監視装置、監視方法、及びプログラム
JPWO2019102545A1 (ja) 設備の劣化診断装置
CN113092114A (zh) 一种轴承故障诊断方法、装置及存储介质
KR20110072123A (ko) 설비 구동부 고장 감시 장치
WO2016151708A1 (ja) 電機品の故障検出装置および故障検出方法
JP6601376B2 (ja) 回転体の検査装置、および、回転体の検査方法
JP7381390B2 (ja) 異常診断装置、および、保守管理システム
CN111811845B (zh) 诊断装置
KR102666166B1 (ko) 베어링 이상 진단방법
WO2017212645A1 (ja) 軸受診断装置および軸受診断方法、並びに回転機器およびその保守方法

Legal Events

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

Ref document number: 19785507

Country of ref document: EP

Kind code of ref document: A1

122 Ep: pct application non-entry in european phase

Ref document number: 19785507

Country of ref document: EP

Kind code of ref document: A1