WO2021240578A1 - 電動機の診断装置 - Google Patents

電動機の診断装置 Download PDF

Info

Publication number
WO2021240578A1
WO2021240578A1 PCT/JP2020/020472 JP2020020472W WO2021240578A1 WO 2021240578 A1 WO2021240578 A1 WO 2021240578A1 JP 2020020472 W JP2020020472 W JP 2020020472W WO 2021240578 A1 WO2021240578 A1 WO 2021240578A1
Authority
WO
WIPO (PCT)
Prior art keywords
current
frequency band
specific frequency
value
unit
Prior art date
Application number
PCT/JP2020/020472
Other languages
English (en)
French (fr)
Inventor
俊彦 宮内
誠 金丸
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 CN202080101004.2A priority Critical patent/CN115668749A/zh
Priority to DE112020007232.0T priority patent/DE112020007232T5/de
Priority to KR1020227039043A priority patent/KR20220166319A/ko
Priority to PCT/JP2020/020472 priority patent/WO2021240578A1/ja
Priority to JP2020559590A priority patent/JP6824493B1/ja
Publication of WO2021240578A1 publication Critical patent/WO2021240578A1/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
    • G01R19/10—Measuring sum, difference or ratio
    • 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
    • G01R19/165—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values
    • G01R19/16528—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values using digital techniques or performing arithmetic operations
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
    • H02P29/00—Arrangements for regulating or controlling electric motors, appropriate for both AC and DC motors
    • H02P29/02—Providing protection against overload without automatic interruption of supply
    • H02P29/024—Detecting a fault condition, e.g. short circuit, locked rotor, open circuit or loss of load
    • 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
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
    • H02P2209/00—Indexing scheme relating to controlling arrangements characterised by the waveform of the supplied voltage or current

Definitions

  • This application relates to a diagnostic device for a motor.
  • the load current of the induction motor is measured and frequency analysis is performed, focusing on the sidebands generated on both sides of the operating frequency, and the short-period vertical waveform disturbance and the long-period vertical waveform.
  • a method for diagnosing an abnormality of an induction motor and equipment for diagnosing an abnormality of a device driven by the induction motor based on the state of swell, which is the vibration of the frequency, has been proposed (for example, Patent Document 1).
  • the detection accuracy is required to be the same as when the load fluctuation does not occur when the load fluctuation occurs.
  • the present application discloses a technique for solving the above-mentioned problems, and an object of the present application is to provide a diagnostic device for a motor capable of determining the occurrence of an abnormality in a motor without receiving a change in load. ..
  • the electric motor diagnostic apparatus includes a current detection circuit that detects the electric current of the electric motor, an arithmetic processing unit that calculates and processes the current detected by the current detection circuit, and detects an abnormality of the electric motor, and the arithmetic processing unit. It is a diagnostic device of an electric motor including a storage unit for storing the calculation result, and the calculation processing unit is calculated as a current effective value calculation unit for calculating an effective value of the current detected by the current detection circuit.
  • the state determination unit for determining whether the effective current value is in a stable state, the analysis unit for extracting the peak value of the signal strength of a specific frequency band from the sideband wave by FFT analysis of the detected current, and the electric motor.
  • the analysis unit has an abnormality determination unit for determining whether or not an abnormality has occurred, and the analysis unit stores in advance the peak value of the extracted signal strength of the specific frequency band and the current effective value at that time in the storage unit, and also stores the electric motor.
  • a threshold value for setting the normal range of the current is set for the extracted peak value of the specific frequency band, the threshold value is stored in advance in the storage unit, and the abnormality determination unit stores the current detected by the current detection circuit.
  • the peak value of the signal strength of the specific frequency band obtained by FFT analysis is stored in advance in the storage unit as the peak value of the signal strength of the specific frequency band for each current effective value and the threshold value stored in the storage unit in advance. In comparison with the above, it is determined whether or not an abnormality has occurred in the electric motor.
  • the diagnostic device for the motor of the present disclosure it is possible to determine the occurrence of an abnormality in the motor without receiving fluctuations in the load.
  • FIG. It is a figure which shows the schematic structure and the installation state of the diagnostic apparatus of the electric motor which concerns on Embodiment 1.
  • FIG. It is a figure which shows the structure of the arithmetic processing part of the diagnostic apparatus of the electric motor which concerns on Embodiment 1, and is the figure for demonstrating the signal flow at the time of learning using the current analysis.
  • FIG. shows the structure of the arithmetic processing part of the diagnostic apparatus of the electric motor which concerns on Embodiment 1, and is the figure for demonstrating the signal flow at the time of diagnosis using the current analysis.
  • It is a flowchart which shows the procedure which performs the diagnosis using the diagnostic apparatus of the electric motor which concerns on Embodiment 1.
  • FIG. It is a flowchart which shows the procedure which performs the diagnosis using the diagnostic apparatus of the electric motor which concerns on Embodiment 1.
  • FIG. It is a figure for demonstrating the effect of the diagnostic apparatus of the electric motor which concerns on Embodiment 1.
  • FIG. It is a figure which shows the schematic structure and the installation state of the diagnostic apparatus of the electric motor which concerns on Embodiment 2.
  • FIG. It is a figure which shows the structure of the arithmetic processing part of the diagnostic apparatus of the electric motor which concerns on Embodiment 2, and is the figure for demonstrating the flow of a signal at the time of learning of a current-voltage analysis.
  • FIG. 1 It is a figure which shows the structure of the arithmetic processing part of the diagnostic apparatus of the electric motor which concerns on Embodiment 2, and is the figure for demonstrating the signal flow at the time of diagnosis of the current-voltage analysis. It is a flowchart which shows the procedure which performs the diagnosis using the diagnostic apparatus of the electric motor which concerns on Embodiment 2. It is a flowchart which shows the procedure which performs the diagnosis using the diagnostic apparatus of the electric motor which concerns on Embodiment 2. It is a figure for demonstrating the effect of the diagnostic apparatus of the electric motor which concerns on Embodiment 2.
  • FIG. It is a hardware block diagram of the diagnostic apparatus of the electric motor which concerns on embodiment.
  • FIG. 1 is a diagram showing a schematic configuration and an installation status of a diagnostic device for an electric motor according to the first embodiment.
  • the diagnostic device for the electric motor according to the first embodiment is mainly used in a control center which is a closed switchboard.
  • the main circuit 1 drawn from the power system is provided with a wiring breaker 2, an electromagnetic contactor 3, an instrument transformer 4 for detecting the load current of the main circuit 1, and the like.
  • An electric motor 5 such as a three-phase induction motor, which is a load, is connected to the main circuit 1, and the mechanical equipment 6 is driven by the electric motor 5.
  • the diagnostic device 100 of the electric motor is connected to the instrument transformer 4, and performs a predetermined calculation based on the outputs of the current detection circuit 7 and the current detection circuit 7 that detect the load current of the main circuit 1 and convert it into a predetermined signal. It is provided with an arithmetic processing unit 10 and the like.
  • the storage unit 11 is connected to the setting circuit 12 and the arithmetic processing unit 10 and exchanges data with the arithmetic processing unit 10.
  • the setting circuit 12 is a circuit for setting the power supply frequency, the rated output of the motor, the rated voltage, the rated current, the number of poles, the rated rotation frequency, etc., and stores these information in the storage unit 11.
  • the display unit 13 is connected to the arithmetic processing unit 10 and displays a detected physical quantity such as a load current and an abnormal state, a warning, or the like when the arithmetic processing unit 10 detects an abnormality in the motor 5.
  • the drive circuit 14 is connected to the arithmetic processing unit 10 and outputs a control signal for opening and closing the electromagnetic contactor 3 based on the output of the arithmetic processing unit 10 based on the current detected by the instrument transformer 4.
  • the external output unit 15 outputs an abnormal state and an alarm to the outside in response to the output from the arithmetic processing unit 10.
  • the external monitoring device 200 is composed of a PC (personal computer) or the like and is connected to the diagnostic device 100 of one or a plurality of electric motors.
  • the output of the arithmetic processing unit 10 is appropriately received via the communication circuit 16 and is appropriately received.
  • the operating status of the diagnostic device 100 of the electric motor is monitored.
  • the connection between the external monitoring device 200 and the communication circuit 16 of the diagnostic device 100 of the electric motor may be a cable or a wireless connection.
  • a network may be configured with the diagnostic device 100 of a plurality of electric motors to connect via the Internet.
  • FIGS. 2 and 3 are diagrams showing the configuration of the arithmetic processing unit 10, FIG. 2 is a diagram for explaining a signal flow during learning using current analysis, and FIG. 3 is a diagram for diagnosing using current analysis. It is a figure for demonstrating the flow of a signal.
  • the arithmetic processing unit 10 includes a current conversion unit 20, a state determination unit 30, an analysis unit 40, and an abnormality determination unit 50, and is a current and specific frequency band storage device 60 in which a current and a specific frequency are stored. , Operates in cooperation with a storage unit 11 having a threshold storage device 61 in which a threshold is stored.
  • the signal flow during learning using current analysis will be described with reference to FIG.
  • the current conversion unit 20 a predetermined current signal converted by the current detection circuit 7 is input, and the effective value calculation unit 21 calculates the current effective value.
  • the calculated current execution value is determined by the stable state determination unit 31 of the state determination unit 30 whether or not it is in a stable state.
  • the stable state means that the current effective value is constant for a certain period of time.
  • the fixed time is a predetermined time.
  • the current of the storage unit 11 and the current effective value are stored in the specific frequency band storage device 60, and the current FFT (FFT) of the current is stored in the frequency analysis unit 41 of the analysis unit 40.
  • FFT current FFT
  • the FFT analysis result is averaged by the averaging analysis unit 42. Noise can be reduced by this averaging process.
  • the sideband wave analysis unit 43 extracts sideband waves near the power supply frequency from the signal subjected to the averaging process.
  • the specific frequency band detection unit 44 detects a specific frequency band caused by a mechanical abnormality.
  • the detected specific frequency band caused by the mechanical abnormality is, for example, a specific frequency band caused by the rotation frequency (rotation frequency band), a specific frequency band caused by the rotor bar abnormality, a specific frequency band caused by the belt rotation frequency, or the like.
  • the signal strength of the specific frequency band and the current effective value when the signal strength is calculated are stored in the current of the storage unit 11 and the specific frequency band storage device 60.
  • the signal strength of a specific frequency band is stored for each effective current value. That is, the normal range can be determined for each effective current value.
  • the normal range analysis unit 45 calculates the distribution of the normal range for each effective current value.
  • the standard deviation ⁇ is calculated by statistical processing and determined with 3 ⁇ as the threshold value.
  • the threshold value set to the normal range in the normal range analysis unit 45 is stored in the threshold storage device 61 of the storage unit 11.
  • the threshold value is not limited to 3 ⁇ , and the threshold value can be determined by statistical processing for each current value. Alternatively, it can be set as a threshold value by using a certain current value as a reference and adding a correction coefficient to the reference value.
  • the signal strength of the specific frequency band at the time of the rated current is used as a reference, and the signal strength of the specific frequency band at the time of the current other than the rated current is corrected.
  • this stored threshold value is used as it is, but when the current is other than the rated current, a value obtained by adding a correction to the stored threshold value is set as the threshold value.
  • the threshold value set to the normal range in the normal range analysis unit 45 is stored in the threshold storage device 61 of the storage unit 11.
  • the current conversion unit 20 inputs a predetermined current signal converted by the current detection circuit 7, and the effective value calculation unit 21 calculates the current effective value.
  • the calculated current execution value is determined by the stable state determination unit 31 of the state determination unit 30 whether or not it is in a stable state.
  • the frequency analysis unit 41 of the analysis unit 40 performs the current FFT analysis.
  • the FFT analysis result is averaged by the averaging analysis unit 42.
  • the sideband wave analysis unit 43 extracts sideband waves near the power supply frequency from the signal subjected to the averaging process.
  • the specific frequency band detection unit 44 detects a specific frequency band caused by a mechanical abnormality.
  • the detected specific frequency band caused by the mechanical abnormality is, for example, a specific frequency band caused by the rotation frequency (rotation frequency band), a specific frequency band caused by the rotor bar abnormality, a specific frequency band caused by the belt rotation frequency, or the like.
  • the specific frequency band detected by the specific frequency band detection unit 44 is input to the abnormality determination unit 50.
  • the abnormality determination unit 51 stores the specific frequency band detected by the specific frequency band detection unit 44, the current, and the signal strength of the specific frequency band for each effective current value stored in the specific frequency band storage device 60 in the threshold storage device.
  • the data of the set threshold is input.
  • the abnormality determination unit 51 compares the signal strength of the specific frequency band detected by the specific frequency band detection unit 44 with the current and the signal strength of the specific frequency band for each effective current value stored in the specific frequency band storage device 60. , It is determined whether or not the detected specific frequency band is a specific frequency band caused by a mechanical system abnormality, and whether or not it is within the normal range using the threshold value for each effective current value, that is, whether or not an abnormality has occurred is determined. The determination result is output from the abnormality determination unit 50.
  • step S101 the current waveform is acquired. Specifically, the current detection circuit 7 connected to the instrument transformer 4 detects the load current of the main circuit 1 and converts it into a predetermined signal.
  • step S102 the effective value calculation unit 21 calculates the current effective value.
  • step S103 the stable state determination unit 31 determines whether or not the current effective value is in the stable state.
  • step S103 If it is not in a stable state (No in step S103), the process returns to step S101. If it is in a stable state (Yes in step S103), the process proceeds to step S104, and the calculated current effective value is stored in the current and the specific frequency band storage device 60.
  • step S105 the current FFT analysis is executed by the frequency analysis unit 41, and the result of the analyzed current FFT is averaged by the averaging analysis unit 42 in step S106. Noise can be reduced by this averaging process.
  • step S107 the sideband wave is extracted from the result of the current FFT averaged by the sideband wave analysis unit 43.
  • step S108 the peak of the rotation frequency band is extracted from the side band waves extracted by the specific frequency band detection unit 44, and the peak value of the signal intensity of the extracted rotation frequency band is stored in the current and the specific frequency band in step S109.
  • Store in device 60 The current and the specific frequency band storage device 60 are stored in relation to the current effective value and the peak value of the signal strength in the rotation frequency band (step S110).
  • step S110 are the flow of the learning period. During the learning period, steps S101 to S110 are repeated (No in step S111). When the learning period is completed by repeating the process a plurality of times (Yes in step S111), the diagnosis period is reached.
  • the current waveform is acquired in step S112. Similar to the learning period, the current detection circuit 7 connected to the instrument transformer 4 detects the load current of the main circuit 1 and converts it into a predetermined signal. In step S113, the effective value calculation unit 21 calculates the current effective value. In step S114, the stable state determination unit 31 determines whether or not the current effective value is in the stable state. If the current effective value is not stable, the process returns to step S112 and the current waveform is acquired (No in step S112). If the current effective value is in a stable state, the process proceeds to step S115, and the frequency analysis unit 41 executes the current FFT analysis.
  • step S116 the averaging analysis unit 42 performs averaging processing on the analysis result of the current FFT. Noise can be reduced by this averaging process.
  • step S117 the sideband wave is extracted from the analysis result of the current FFT averaged by the sideband wave analysis unit 43.
  • step S118 the peak of the rotation frequency band is extracted from the side band waves extracted by the specific frequency band detection unit 44.
  • step S119 the abnormality determination unit 51 determines the signal strength of the rotation frequency band associated with the peak value and current of the signal strength of the rotation frequency band extracted and the current effective value stored in the specific frequency band storage device 60. It is compared with the peak value to determine whether or not it is a specific frequency band due to the rotation frequency. Further, based on the threshold data stored in the threshold storage device 61, it is determined whether or not it is within the normal range, that is, whether or not an abnormality has occurred (step S120). When it is determined in step S120 that an abnormality has occurred, an alarm device (not shown) provided in the abnormality determination unit 50 or a result output of the arithmetic processing unit 10 is received, and the external output unit 15 and the display unit 13 are used. To output an alarm (step S121). Further, the alarm output may be notified to the monitoring device 200 via the communication circuit 16 as the result output of the arithmetic processing unit 10.
  • FIG. 5 is a diagram for explaining the effect of the first embodiment, and shows a change in the peak value of the signal intensity in the rotation frequency band when the load fluctuates.
  • the peak value of the signal strength in the specific frequency band due to the rotation frequency is smaller than the peak of the sideband wave, but when the current load factor is b%, the peak value in the specific frequency band due to the rotation frequency.
  • the peak value of the signal strength of is larger than the peak of the sideband wave. Therefore, it is difficult to detect the sideband wave, but in the present embodiment, the peak value of the signal strength of the specific frequency band is learned and stored in advance for each effective current value, so that the load fluctuates.
  • the peak value of the signal strength in a specific frequency band can be extracted. Further, even if the load fluctuates, the peak value of the signal strength in the specific frequency band can be extracted for each effective current value, so that even if the load fluctuates, the sideband wave can be detected by the analysis of the current FFT.
  • the peak value of the signal strength of the specific frequency band is learned and stored in advance for each effective current value, abnormality is detected with high accuracy even if the load fluctuates. Is possible.
  • the current effective value also fluctuates, but in this embodiment, each current effective value has a peak value of the signal strength in a specific frequency band, and the threshold value in the normal range is also stored. , It is possible to determine the occurrence of an abnormality without being affected by load fluctuations.
  • FIG. 6 is a diagram showing a schematic configuration and an installation status of the diagnostic device for the electric motor according to the second embodiment. Similar to the first embodiment, the diagnostic device for the electric motor according to the second embodiment is mainly used in a control center which is a closed switchboard.
  • the main circuit 1 is further provided with an instrument transformer 8 for detecting the voltage of the main circuit 1, and a voltage detection circuit connected to the instrument transformer 8. 9 detects the voltage of the main circuit 1, converts it into a predetermined signal, and outputs it to the arithmetic processing unit 10.
  • Other configurations are the same as those in the first embodiment.
  • FIGS. 7 and 8 are diagrams showing the configuration of the arithmetic processing unit 10, FIG. 7 is a diagram for explaining a signal flow during learning using current-voltage analysis, and FIG. 8 is a diagnosis using current-voltage analysis. It is a figure for demonstrating the flow of a signal of time.
  • the arithmetic processing unit 10 includes a torque conversion unit 22, a state determination unit 30, an analysis unit 40, and an abnormality determination unit 50, and is a torque and specific frequency band storage device 62 in which torque and a specific frequency are stored. , Operates in cooperation with a storage unit 11 having a threshold storage device 61 in which a threshold is stored.
  • the torque conversion unit 22 a predetermined current signal converted by the current detection circuit 7 and a predetermined voltage signal converted by the voltage detection circuit 9 are input, and the torque calculation unit 23 calculates the torque.
  • the calculated torque value is determined by the stable state determination unit 32 of the state determination unit 30 whether or not it is in a stable state.
  • the stable state means that the torque value is constant for a certain period of time.
  • the fixed time is a predetermined time.
  • the torque of the storage unit 11 and the torque value are stored in the specific frequency band storage device 62, and the frequency analysis unit 41 of the analysis unit 40 performs FFT analysis of the current. Will be.
  • the FFT analysis result is averaged by the averaging analysis unit 42. Noise can be reduced by this averaging process.
  • the sideband wave analysis unit 43 extracts sideband waves near the power supply frequency from the signal subjected to the averaging process.
  • the specific frequency band detection unit 44 detects a specific frequency band caused by a mechanical abnormality.
  • the detected specific frequency band caused by the mechanical abnormality is, for example, a specific frequency band caused by the rotation frequency (rotation frequency band), a specific frequency band caused by the rotor bar abnormality, a specific frequency band caused by the belt rotation frequency, or the like.
  • the signal strength of the specific frequency band and the torque effect value when the signal strength is detected are stored in the torque of the storage unit 11 and the specific frequency band storage device 62.
  • the signal strength of a specific frequency band is stored for each torque value. That is, the normal range can be determined for each torque value.
  • the normal range analysis unit 45 calculates the distribution of the normal range for each torque.
  • the standard deviation ⁇ is calculated by statistical processing and determined with 3 ⁇ as the threshold value.
  • the threshold value set to the normal range in the normal range analysis unit 45 is stored in the threshold storage device 61 of the storage unit 11.
  • the threshold value is not limited to 3 ⁇ , and the threshold value can be determined by statistical processing for each torque value. Alternatively, it can be set as a threshold value by using a certain torque value as a reference and adding a correction coefficient to the reference value.
  • the signal strength of the specific frequency band at the time of the rated torque is used as a reference, and the signal strength of the specific frequency band at the time of torque other than the rated torque is corrected.
  • this stored threshold value is used as it is, but when the torque is other than the rated torque, a value obtained by adding a correction to the stored threshold value is set as the threshold value.
  • the threshold value set to the normal range in the normal range analysis unit 45 is stored in the threshold storage device 61 of the storage unit 11.
  • the torque conversion unit 22 inputs a predetermined current signal converted by the current detection circuit 7 and a predetermined voltage signal converted by the voltage detection circuit 9, and the torque calculation unit 23 calculates the torque. ..
  • the calculated torque value is determined by the stable state determination unit 32 of the state determination unit 30 whether or not it is in a stable state.
  • the frequency analysis unit 41 of the analysis unit 40 performs FFT analysis of the current.
  • the FFT analysis result is averaged by the averaging analysis unit 42.
  • the sideband wave analysis unit 43 extracts sideband waves near the power supply frequency from the signal subjected to the averaging process.
  • the specific frequency band detection unit 44 detects a specific frequency band caused by a mechanical abnormality.
  • the detected specific frequency band caused by the mechanical abnormality is, for example, a specific frequency band caused by the rotation frequency (rotation frequency band), a specific frequency band caused by the rotor bar abnormality, a specific frequency band caused by the belt rotation frequency, or the like.
  • the specific frequency band detected by the specific frequency band detection unit 44 is input to the abnormality determination unit 50.
  • the abnormality determination unit 51 stores the specific frequency band detected by the specific frequency band detection unit 44, the torque, and the signal strength and threshold storage device of the specific frequency band for each torque value stored in the specific frequency band storage device 62.
  • the threshold data is input.
  • the abnormality determination unit 51 can determine whether or not a mechanical abnormality has occurred by comparing with high accuracy whether it is a specific frequency band caused by a mechanical abnormality by using a threshold value for each torque value. ..
  • the determination result is output from the abnormality determination unit 50.
  • step S121 the current waveform and the voltage waveform are acquired.
  • the current detection circuit 7 connected to the instrument transformer 4 detects the load current of the main circuit 1 and converts it into a predetermined signal
  • the voltage detection circuit 9 connected to the instrument transformer 8 is used. The voltage of the main circuit 1 is detected and converted into a predetermined signal.
  • step S122 the torque calculation unit 23 calculates the torque.
  • step S123 the stable state determination unit 32 determines whether or not the torque value is in the stable state. If it is not in a stable state (No in step S123), the process returns to step S121. If it is in a stable state (Yes in step S123), the process proceeds to step S124, and the calculated torque value is stored in the torque and the specific frequency band storage device 62.
  • step S105 the current FFT analysis is executed by the frequency analysis unit 41 in step S105 in the same manner as in the first embodiment, and the result of the analyzed current FFT is averaged by the averaging analysis unit 42 in step S106. Noise can be reduced by this averaging process.
  • step S107 the sideband wave is extracted from the result of the current FFT averaged by the sideband wave analysis unit 43.
  • step S108 the peak of the rotation frequency band is extracted from the side band waves extracted by the specific frequency band detection unit 44, and the peak value of the extracted rotation frequency band is stored in the torque and the specific frequency band storage device 62 in step S125.
  • the torque and the specific frequency band storage device 62 store the torque value and the peak value of the signal strength in the rotation frequency band in relation to each other (step S126).
  • step S126 are the flow of the learning period. During the learning period, steps S121 to S126 are repeated (No in step S111). When the learning period is completed by repeating the process a plurality of times (Yes in step S111), the diagnosis period is reached.
  • step S127 the current waveform and the voltage waveform are acquired. Similar to the learning period, the current detection circuit 7 connected to the instrument transformer 4 detects the load current of the main circuit 1 and converts it into a predetermined signal, and the voltage detection circuit 9 connected to the instrument transformer 8 Detects the voltage of the main circuit 1 and converts it into a predetermined signal.
  • step S1208 the torque calculation unit 23 calculates the torque.
  • step S129 the stable state determination unit 32 determines whether or not the torque value is in a stable state. If the torque value is not stable, the process returns to step S127 to acquire a current waveform and a voltage waveform (No in step S129). When the torque value is in a stable state, the process proceeds to step S115, and the frequency analysis unit 41 executes the current FFT analysis.
  • step S116 the averaging analysis unit 42 performs averaging processing on the analysis result of the current FFT. Noise can be reduced by this averaging process.
  • step S117 the sideband wave is extracted from the analysis result of the current FFT averaged by the sideband wave analysis unit 43.
  • step S118 the peak of the rotation frequency band is extracted from the side band waves extracted by the specific frequency band detection unit 44.
  • step S119 the peak value and torque of the signal strength of the rotation frequency band extracted by the abnormality determination unit 51 and the peak of the signal strength of the rotation frequency band related to the torque value stored in the specific frequency band storage device 62. It is compared with the value and it is determined whether or not it is a specific frequency band due to the rotation frequency. Further, based on the threshold data stored in the threshold storage device 61, it is determined whether or not it is within the normal range, that is, whether or not an abnormality has occurred (step S120). When it is determined in step S120 that an abnormality has occurred, an alarm device (not shown) provided in the abnormality determination unit 50 or a result output of the arithmetic processing unit 10 is received, and the external output unit 15 and the display unit 13 are used. To output an alarm (step S121). Further, the alarm output may be notified to the monitoring device 200 via the communication circuit 16 as the result output of the arithmetic processing unit 10.
  • FIG. 10 is a diagram for explaining the effect of the second embodiment, and shows a change in the peak value of the signal intensity in the rotation frequency band when the load fluctuates.
  • the torque value is a
  • the peak value of the signal strength in the specific frequency band due to the rotation frequency is smaller than the peak of the sideband wave
  • the torque value is b
  • the signal strength in the specific frequency band due to the rotation frequency is The peak value is larger than the peak of the sideband wave. Therefore, it is difficult to detect the sideband wave, but in the present embodiment, since the peak value of the signal strength of the specific frequency band is learned and stored in advance for each torque value, the load fluctuation fluctuates. Even if it occurs, the peak value of the signal strength in a specific frequency band can be extracted.
  • the peak value of the signal strength in the specific frequency band can be extracted for each torque value, so that even if the load fluctuates, the sideband wave can be detected by the analysis of the current FFT.
  • the abnormality can be detected with high accuracy even if the load fluctuates. It will be possible.
  • the torque value also fluctuates, but in the present embodiment, each torque value has a peak value of the signal strength in a specific frequency band, and the threshold value in the normal range is also stored, so that the load is loaded. It is possible to determine the occurrence of an abnormality without receiving the fluctuation of.
  • the torque is calculated based on the load current of the main circuit 1 detected by the current detection circuit 7 and the voltage of the main circuit 1 detected by the voltage detection circuit 9, and used for abnormality determination.
  • the abnormality may be determined by calculating the load factor of the electric motor 5 from the torque value and learning the data of the specific frequency band corresponding to the load factor.
  • the torque Te is expressed by the following equation (1) using the stator current of the motor 5 and the interlinkage magnetic flux. Further, the interlinkage magnetic flux can be obtained from the following equations (2) and (3).
  • the diagnostic device 100 of the electric motor is composed of the processor 110 and the storage device 120 as shown in FIG. 11 as an example of hardware.
  • the storage device includes a volatile storage device such as a random access memory and a non-volatile auxiliary storage device such as a flash memory.
  • the auxiliary storage device of the hard disk may be provided instead of the flash memory.
  • the processor 110 executes the program input from the storage device 120. In this case, a program is input from the auxiliary storage device to the processor 110 via the volatile storage device. Further, the processor 110 may output data such as a calculation result to the volatile storage device of the storage device 120, or may store the data in the auxiliary storage device via the volatile storage device.

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Mathematical Physics (AREA)
  • Tests Of Circuit Breakers, Generators, And Electric Motors (AREA)
  • Control Of Electric Motors In General (AREA)

Abstract

電動機（５）の電流を検出する電流検出回路（７）と、検出された電流を演算処理し電動機の異常を検出する演算処理部（１０）と、記憶部（１１）と、を備えた電動機の診断装置（１００）であって、演算処理部（１０）は、電流の実効値を算出する実効値算出部（２１）を有し、予め電流ＦＦＴ解析により側帯波から特定周波数帯の信号強度のピーク値を抽出し、その時の電流実効値と関連付けて記憶部（１１）に記憶させるとともに、特定周波数帯の信号強度のピーク値に対して設定した閾値を予め記憶部（１１）に記憶させておき、電動機（５）の診断時に検出された電流に基づく特定周波数帯の信号強度のピーク値を予め記憶部（１１）に記憶された電流実効値毎の特定周波数帯の信号強度のピーク値及び閾値と比較することで電動機の異常判定を行う。

Description

電動機の診断装置
　本願は、電動機の診断装置に関する。
　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）。
　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。
　これに対し、出願人は負荷トルクが変動する電動機においても、負荷変動しない期間を検出することによって、電動機の異常の有無を診断することが出来る電動機の診断装置に関して出願している（例えば、特許文献２）。
特許第４７８２２１８号公報 特許第６１９０８４１号公報
　しかしながら、最近ではさらなる電動機の異常診断の高精度化が期待されている。そのためには負荷変動発生時に負荷変動が発生しない時と同程度での検出精度が求められている。
　本願は、上記の課題を解決するための技術を開示するものであり、負荷の変動を受けずに電動機の異常発生の判定を行うことが可能な電動機の診断装置を提供することを目的とする。
　本開示による電動機の診断装置は、電動機の電流を検出する電流検出回路と、前記電流検出回路で検出された電流を演算処理し前記電動機の異常を検出する演算処理部と、前記演算処理部の演算結果を記憶する記憶部と、を備えた電動機の診断装置であって、前記演算処理部は、前記電流検出回路で検出された電流の実効値を算出する電流実効値算出部と、算出された前記電流実効値が安定状態であるか判定する状態判定部と、検出された前記電流をＦＦＴ解析して側帯波から特定周波数帯の信号強度のピーク値を抽出する解析部と、前記電動機に異常が発生したか判定する異常判定部とを有し、前記解析部は、抽出された特定周波数帯の信号強度のピーク値及びその時の電流実効値を予め前記記憶部に記憶するとともに、前記電動機の正常範囲を設定する閾値を抽出された前記特定周波数帯のピーク値に対し設定し、前記閾値を予め前記記憶部に記憶し、前記異常判定部は、前記電流検出回路で検出された電流をＦＦＴ解析して得られた特定周波数帯の信号強度のピーク値を、予め前記記憶部に記憶された電流実効値毎の特定周波数帯の信号強度のピーク値及び予め前記記憶部に記憶された閾値と比較し、前記電動機の異常発生の有無を判定するものである。
　本開示の電動機の診断装置によれば、負荷の変動を受けずに電動機の異常発生の判定を行うことができる。
実施の形態１に係る電動機の診断装置の概略構成及び設置状況を示す図である。 実施の形態１に係る電動機の診断装置の演算処理部の構成を示す図で、電流解析を用いた学習時の信号の流れを説明するための図である。 実施の形態１に係る電動機の診断装置の演算処理部の構成を示す図で、電流解析を用いた診断時の信号の流れを説明するための図である。 実施の形態１に係る電動機の診断装置を用いて診断を行う手順を示すフローチャートである。 実施の形態１に係る電動機の診断装置を用いて診断を行う手順を示すフローチャートである。 実施の形態１に係る電動機の診断装置の効果を説明するための図である。 実施の形態２に係る電動機の診断装置の概略構成及び設置状況を示す図である。 実施の形態２に係る電動機の診断装置の演算処理部の構成を示す図で、電流電圧解析の学習時の信号の流れを説明するための図である。 実施の形態２に係る電動機の診断装置の演算処理部の構成を示す図で、電流電圧解析の診断時の信号の流れを説明するための図である。 実施の形態２に係る電動機の診断装置を用いて診断を行う手順を示すフローチャートである。 実施の形態２に係る電動機の診断装置を用いて診断を行う手順を示すフローチャートである。 実施の形態２に係る電動機の診断装置の効果を説明するための図である。 実施の形態に係る電動機の診断装置のハードウエア構成図である。
　以下、本実施の形態について図を参照して説明する。なお、各図中、同一符号は、同一または相当部分を示すものとする。
実施の形態１．
　以下、実施の形態１に係る電動機の診断装置について図を用いて説明する。
　図１は、実施の形態１に係る電動機の診断装置の概略構成を及び設置状況を示す図である。本実施の形態１に係る電動機の診断装置は、主に閉鎖配電盤であるコントロールセンタで使用されるものである。図において、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、電磁接触器３、主回路１の負荷電流を検出する計器用変成器４等が設けられている。主回路１には、負荷である例えば三相誘導電動機等の電動機５が接続され、電動機５により機械設備６が運転駆動される。電動機の診断装置１００は、計器用変成器４に接続され、主回路１の負荷電流を検出し所定の信号に変換する電流検出回路７、電流検出回路７の出力を基に所定の演算を行う演算処理部１０等を備える。
　記憶部１１は、設定回路１２及び演算処理部１０に接続され、演算処理部１０とデータのやり取りを行う。
　設定回路１２は、電源周波数、電動機の定格出力、定格電圧、定格電流、極数、定格回転周波数等を設定する回路で、これらの情報を記憶部１１に格納する。
　表示部１３は演算処理部１０に接続され、負荷電流等の検出された物理量及び演算処理部１０が電動機５の異常を検出した時に異常状態、警告等を表示する。
　駆動回路１４は演算処理部１０に接続され、計器用変成器４により検出された電流を基に演算処理部１０の出力に基づき、電磁接触器３を開閉する制御信号を出力する。
　外部出力部１５は、演算処理部１０からの出力に応じ、異常状態及び警報を外部に出力する。
　外部の監視装置２００はＰＣ（パーソナルコンピュータ）等から構成され、１つあるいは複数の電動機の診断装置１００に接続されており、演算処理部１０の出力を通信回路１６を介して適宜受信するとともに、電動機の診断装置１００の動作状況を監視する。この外部の監視装置２００と電動機の診断装置１００の通信回路１６との接続は、ケーブルを用いてもよいし、無線によるものであってもよい。複数の電動機の診断装置１００との間にネットワークを構成してインターネットを介した接続であってもよい。
　次に、演算処理部１０の構成について説明する。図２及び図３は、演算処理部１０の構成を示す図で、図２は電流解析を用いた学習時の信号の流れを説明するための図、図３は電流解析を用いた診断時の信号の流れを説明するための図である。
　図２及び図３において、演算処理部１０は、電流変換部２０、状態判定部３０、解析部４０、異常判定部５０を備え、電流及び特定周波数が格納された電流及び特定周波数帯記憶装置６０、閾値が格納された閾値記憶装置６１を有する記憶部１１と連携して動作する。
　まず、電流解析を用いた学習時の信号の流れについて図２を用いて説明する。
　電流変換部２０において、電流検出回路７で変換された所定の電流信号が入力され実効値算出部２１で電流実効値を算出する。算出された電流実行値は、状態判定部３０の安定状態判定部３１で、安定状態か否か判定される。ここで安定状態とは、ある一定時間、電流実効値が一定であることを言う。また、一定時間は予め定められた時間である。
　電流実効値が安定状態であると判定されると、記憶部１１の電流及び特定周波数帯記憶装置６０にその電流実効値が記憶されるとともに、解析部４０の周波数解析部４１で電流のＦＦＴ（Ｆａｓｔ　Ｆｏｕｒｉｅｒ　Ｔｒａｎｓｆｏｒｍ）解析が行われる。ＦＦＴ解析結果は平均化解析部４２で平均化処理が行われる。この平均化処理により、ノイズを低減することができる。
　側帯波解析部４３において、平均化処理の行われた信号から電源周波数近傍の側帯波が抽出される。
　次に、特定周波数帯検出部４４において、機械系異常起因の特定周波数帯が検出される。検出される機械系異常起因の特定周波数帯は、例えば回転周波数に起因する特定周波数帯（回転周波数帯）、回転子バー異常起因の特定周波数帯、ベルト回転周波数起因の特定周波数帯等である。
　そして、特定周波数帯の信号強度とその信号強度が算出された時の電流実効値とが、記憶部１１の電流及び特定周波数帯記憶装置６０に記憶される。ここでは、電流実効値毎に特定周波数帯の信号強度が記憶される。すなわち、電流実効値毎に正常範囲を決定することができる。
　電流及び特定周波数帯記憶装置６０に記憶された電流実効値毎の特定周波数帯の信号強度を用い、正常範囲解析部４５において、電流実効値毎に正常範囲の分布を計算する。ここでは、例えば統計処理により標準偏差σを計算し、３σを閾値として決定する。正常範囲解析部４５において正常範囲とする閾値は記憶部１１の閾値記憶装置６１に記憶される。
　閾値は３σに限らず、電流値毎に統計処理により閾値を決定することができる。または、ある電流値を基準とし、これに補正係数を加えることで、閾値とすることもできる。例えば、定格電流の時の特定周波数帯の信号強度を基準として、定格電流以外の電流時の特定周波数帯の信号強度に補正を加える。後述の診断時において、定格電流の時には、この記憶された閾値をそのまま使用するが、定格電流以外の時には、記憶された閾値に補正を加えた値を閾値と設定する。正常範囲解析部４５において正常範囲とする閾値は記憶部１１の閾値記憶装置６１に記憶される。
　次に、電流解析を用いた診断時の信号の流れについて図３を用いて説明する。
　学習時と同様に、電流変換部２０では、電流検出回路７で変換された所定の電流信号が入力され実効値算出部２１で電流実効値を算出する。算出された電流実行値は、状態判定部３０の安定状態判定部３１で、安定状態か否か判定される。
　電流実効値が安定状態であると判定されると、解析部４０の周波数解析部４１で電流ＦＦＴ解析が行われる。ＦＦＴ解析結果は平均化解析部４２で平均化処理が行われる。
　側帯波解析部４３において、平均化処理の行われた信号から電源周波数近傍の側帯波が抽出される。
　次に、特定周波数帯検出部４４において、機械系異常起因の特定周波数帯が検出される。検出される機械系異常起因の特定周波数帯は、例えば回転周波数に起因する特定周波数帯（回転周波数帯）、回転子バー異常起因の特定周波数帯、ベルト回転周波数起因の特定周波数帯等である。
　特定周波数帯検出部４４で検出された特定周波数帯は異常判定部５０に入力される。異常判定部５１には、特定周波数帯検出部４４で検出された特定周波数帯、電流及び特定周波数帯記憶装置６０に記憶された電流実効値毎の特定周波数帯の信号強度、閾値記憶装置に記憶された閾値のデータが入力される。異常判定部５１では、特定周波数帯検出部４４で検出された特定周波数帯の信号強度と電流及び特定周波数帯記憶装置６０に記憶された電流実効値毎の特定周波数帯の信号強度とを比較し、検出された特定周波数帯が機械系異常に起因する特定周波数帯か否か判定するともに、電流実効値毎の閾値を用いて正常範囲か否か、すなわち異常発生の有無を判定する。判定結果は異常判定部５０から出力される。
　図４Ａ及び図４Ｂは、実施の形態１に係る電動機の診断装置を用いて診断を行う手順を示すフローチャートである。ここでは、特定周波数帯として回転周波数帯を検出することを例に説明する。実施の形態１に係る電動機の診断装置は所定の学習期間を経て診断可能な診断期間に移行する。
　まず、学習期間から説明する。
　ステップＳ１０１において、電流波形を取得する。具体的には、計器用変成器４に接続された電流検出回路７で主回路１の負荷電流を検出し、所定の信号に変換する。
　ステップＳ１０２において、実効値算出部２１で電流実効値を算出する。
　ステップＳ１０３において、安定状態判定部３１で電流実効値が安定状態であるか否か判定する。安定状態でない場合（ステップＳ１０３でＮｏ）、ステップＳ１０１に戻る。安定状態である場合（ステップＳ１０３でＹｅｓ）、ステップＳ１０４に進み、算出された電流実効値を電流及び特定周波数帯記憶装置６０に記憶する。
　次に、ステップＳ１０５において周波数解析部４１で電流ＦＦＴ解析を実行し、解析した電流ＦＦＴの結果をステップＳ１０６において平均化解析部４２で平均化処理する。この平均化処理によりノイズを低減することができる。
　ステップＳ１０７において、側帯波解析部４３で平均化処理された電流ＦＦＴの結果から側帯波を抽出する。ステップＳ１０８において、特定周波数帯検出部４４で抽出された側帯波の中から回転周波数帯のピークを抽出し、抽出された回転周波数帯の信号強度のピーク値をステップＳ１０９において電流及び特定周波数帯記憶装置６０に記憶する。電流及び特定周波数帯記憶装置６０には、電流実効値と回転周波数帯の信号強度のピーク値とが関係づけられて記憶されていることになる（ステップＳ１１０）。
　以上ステップＳ１１０までが、学習期間のフローである。学習期間中は、ステップＳ１０１からステップＳ１１０を繰り返す（ステップＳ１１１でＮｏ）。複数回繰り返して学習期間を終了すると（ステップＳ１１１でＹｅｓ）、診断期間となる。
　診断期間では、まずステップＳ１１２において、電流波形を取得する。学習期間と同様に、計器用変成器４に接続された電流検出回路７で主回路１の負荷電流を検出し、所定の信号に変換する。
　ステップＳ１１３において、実効値算出部２１で電流実効値を算出する。
　ステップＳ１１４において、安定状態判定部３１で電流実効値が安定状態か否か判定する。電流実効値が安定状態でない場合には、ステップＳ１１２に戻り、電流波形を取得する（ステップＳ１１２でＮｏ）。電流実効値が安定状態である場合には、ステップＳ１１５に進み、周波数解析部４１で電流ＦＦＴ解析を実行する。
　次に、ステップＳ１１６において、平均化解析部４２で電流ＦＦＴの解析結果を平均化処理する。この平均化処理によりノイズを低減することができる。
　ステップＳ１１７において、側帯波解析部４３で平均化処理された電流ＦＦＴの解析結果から側帯波を抽出する。
　ステップＳ１１８において、特定周波数帯検出部４４で抽出された側帯波の中から回転周波数帯のピークを抽出する。
　ステップＳ１１９において、異常判定部５１では抽出された回転周波数帯の信号強度のピーク値と電流及び特定周波数帯記憶装置６０に記憶されている電流実効値に関係づけられた回転周波数帯の信号強度のピーク値とを比較し、回転周波数に起因する特定周波数帯であるか否か判定する。さらに、閾値記憶装置６１に記憶されている閾値データを基に、正常範囲内か否か、すなわち異常発生の有無を判定する（ステップＳ１２０）。
　ステップＳ１２０で異常発生と判定された場合は、異常判定部５０内に具備する警報器（図示せず）あるいは、演算処理部１０の結果出力を受けて、外部出力部１５及び表示部１３を用いて警報を出力する（ステップＳ１２１）。また、警報出力は、演算処理部１０の結果出力として通信回路１６を介して監視装置２００に通知するようにしてもよい。
　図５は、本実施の形態１による効果を説明するための図で、負荷変動時の回転周波数帯の信号強度のピーク値の変化を示している。電流負荷率がａ％においては、回転周波数に起因する特定周波数帯の信号強度のピーク値は側帯波のピークよりも小さいが、電流負荷率がｂ％においては、回転周波数に起因する特定周波数帯の信号強度のピーク値は側帯波のピークよりも大きい。そのため、側帯波を検出するのが困難であったが、本実施の形態においては、電流実効値毎に特定周波数帯の信号強度のピーク値を予め学習して記憶させておくので、負荷の変動が生じても特定周波数帯の信号強度のピーク値を抽出できる。また、負荷の変動が生じても電流実効値毎に特定周波数帯の信号強度のピーク値を抽出できるため、負荷の変動が生じても電流ＦＦＴの解析により側帯波の検出もできることになる。
　電流負荷率がａ％、ｂ％の例について示したが、電流負荷率の学習は一定区間、例えば０から５％未満、５％以上１０％未満、・・・の５％区間毎、としてもよい。
　上述では、機械系異常起因の特定周波数帯として、回転周波数帯の信号強度のピーク値を抽出して異常検出する例を示したが、回転子バー異常起因の特定周波数帯、ベルト回転周波数起因の特定周波数帯等他の特定周波数帯の信号強度から信号強度のピーク値を抽出し、異常検出することで、異常原因を探索することも可能となる。
　以上のように実施の形態１によれば、電流実効値毎に特定周波数帯の信号強度のピーク値を予め学習して記憶させておくので、負荷の変動が生じても高精度に異常の検知が可能となる。負荷の変動が生じると電流実効値も変動するが、本実施の形態では電流実効値毎に特定周波数帯の信号強度のピーク値を有し、その正常範囲の閾値を併せて記憶させているので、負荷変動の影響を受けずに異常発生の判定を行うことができる。
実施の形態２．
　以下、実施の形態２に係る電動機の診断装置について図を用いて説明する。
　図６は、実施の形態２に係る電動機の診断装置の概略構成を及び設置状況を示す図である。実施の形態１と同様、実施の形態２に係る電動機の診断装置は、主に閉鎖配電盤であるコントロールセンタで使用されるものである。図６において、実施の形態１の図１と異なるのは、主回路１に主回路１の電圧を検出する計器用変圧器８がさらに設けられ、計器用変圧器８に接続された電圧検出回路９が主回路１の電圧を検出して所定の信号に変換し、演算処理部１０に出力することである。その他の構成は実施の形態１と同様である。
　次に、演算処理部１０の構成について説明する。
　図７及び図８は、演算処理部１０の構成を示す図で、図７は電流電圧解析を用いた学習時の信号の流れを説明するための図、図８は電流電圧解析を用いた診断時の信号の流れを説明するための図である。
　図７及び図８において、演算処理部１０は、トルク変換部２２、状態判定部３０、解析部４０、異常判定部５０を備え、トルク及び特定周波数が格納されたトルク及び特定周波数帯記憶装置６２、閾値が格納された閾値記憶装置６１を有する記憶部１１と連携して動作する。
　まず、電流電圧解析を用いた学習時の信号の流れについて図７を用いて説明する。
　トルク変換部２２において、電流検出回路７で変換された所定の電流信号及び電圧検出回路９で変換された所定の電圧信号が入力され、トルク算出部２３でトルクを算出する。算出されたトルク値は、状態判定部３０の安定状態判定部３２で、安定状態か否か判定される。ここで、安定状態とは、ある一定時間、トルク値が一定であることを言う。また、一定時間は予め定められた時間である。
　トルク値が安定状態であると判定されると、記憶部１１のトルク及び特定周波数帯記憶装置６２にそのトルク値が記憶されるとともに、解析部４０の周波数解析部４１で電流のＦＦＴ解析が行われる。ＦＦＴ解析結果は平均化解析部４２で平均化処理が行われる。この平均化処理により、ノイズを低減することができる。
　側帯波解析部４３において、平均化処理の行われた信号から電源周波数近傍の側帯波が抽出される。
　次に、特定周波数帯検出部４４において、機械系異常起因の特定周波数帯が検出される。検出される機械系異常起因の特定周波数帯は、例えば回転周波数に起因する特定周波数帯（回転周波数帯）、回転子バー異常起因の特定周波数帯、ベルト回転周波数起因の特定周波数帯等である。
　そして、特定周波数帯の信号強度とその信号強度が検出された時のトルク効値とが、記憶部１１のトルク及び特定周波数帯記憶装置６２に記憶される。ここでは、トルク値毎に特定周波数帯の信号強度が記憶される。すなわち、トルク値毎に正常範囲を決定することができる。
　トルク及び特定周波数帯記憶装置６２に記憶されたトルク毎の特定周波数帯の信号強度を用い、正常範囲解析部４５において、トルク毎に正常範囲の分布を計算する。ここでは、例えば統計処理により標準偏差σを計算し、３σを閾値として決定する。正常範囲解析部４５において正常範囲とする閾値は記憶部１１の閾値記憶装置６１に記憶される。
　閾値は３σに限らず、トルク値毎に統計処理により閾値を決定することができる。または、あるトルク値を基準とし、これに補正係数を加えることで、閾値とすることもできる。例えば、定格トルクの時の特定周波数帯の信号強度を基準として、定格トルク以外のトルク時の特定周波数帯の信号強度に補正を加える。後述の診断時において、定格トルクの時には、この記憶された閾値をそのまま使用するが、定格トルク以外の時には、記憶された閾値に補正を加えた値を閾値と設定する。正常範囲解析部４５において正常範囲とする閾値は記憶部１１の閾値記憶装置６１に記憶される。
　次に、電流電圧解析を用いた診断時の信号の流れについて図８を用いて説明する。
　学習時と同様に、トルク変換部２２において、電流検出回路７で変換された所定の電流信号及び電圧検出回路９で変換された所定の電圧信号が入力され、トルク算出部２３でトルクを算出する。算出されたトルク値は、状態判定部３０の安定状態判定部３２で、安定状態か否か判定される。
　トルク値が安定状態であると判定されると、解析部４０の周波数解析部４１で電流のＦＦＴ解析が行われる。ＦＦＴ解析結果は平均化解析部４２で平均化処理が行われる。
　側帯波解析部４３において、平均化処理の行われた信号から電源周波数近傍の側帯波が抽出される。
　次に、特定周波数帯検出部４４において、機械系異常起因の特定周波数帯が検出される。検出される機械系異常起因の特定周波数帯は、例えば回転周波数に起因する特定周波数帯（回転周波数帯）、回転子バー異常起因の特定周波数帯、ベルト回転周波数起因の特定周波数帯等である。
　特定周波数帯検出部４４で検出された特定周波数帯は異常判定部５０に入力される。異常判定部５１には、特定周波数帯検出部４４で検出された特定周波数帯、トルク及び特定周波数帯記憶装置６２に記憶されたトルク値毎の特定周波数帯の信号強度、閾値記憶装置に記憶された閾値のデータが入力される。これらのデータを用い、異常判定部５１ではトルク値毎の閾値を用いて機械系異常起因の特定周波数帯であるか高精度に比較することで、機械系異常の発生有無を判定することができる。判定結果は異常判定部５０から出力される。
　図９Ａ及び図９Ｂは、実施の形態２に係る電動機の診断装置を用いて診断を行う手順を示すフローチャートである。ここでは、特定周波数帯として回転周波数帯を検出することを例に説明する。実施の形態２に係る電動機の診断装置は所定の学習期間を経て診断可能な診断期間に移行する。
　まず、学習期間から説明する。
　ステップＳ１２１において、電流波形及び電圧波形を取得する。具体的には、計器用変成器４に接続された電流検出回路７で主回路１の負荷電流を検出して所定の信号に変換し、計器用変圧器８に接続された電圧検出回路９が主回路１の電圧を検出して所定の信号に変換する。
　ステップＳ１２２において、トルク算出部２３でトルクを算出する。
　ステップＳ１２３において、安定状態判定部３２でトルク値が安定状態であるか否か判定する。安定状態でない場合（ステップＳ１２３でＮｏ）、ステップＳ１２１に戻る。安定状態である場合（ステップＳ１２３でＹｅｓ）、ステップＳ１２４に進み、算出されたトルク値をトルク及び特定周波数帯記憶装置６２に記憶する。
　次に、実施の形態１同様にステップＳ１０５において周波数解析部４１で電流ＦＦＴ解析を実行し、解析した電流ＦＦＴの結果をステップＳ１０６において平均化解析部４２で平均化処理する。この平均化処理によりノイズを低減することができる。
　ステップＳ１０７において、側帯波解析部４３で平均化処理された電流ＦＦＴの結果から側帯波を抽出する。ステップＳ１０８において、特定周波数帯検出部４４で抽出された側帯波の中から回転周波数帯のピークを抽出し、抽出された回転周波数帯のピーク値をステップＳ１２５においてトルク及び特定周波数帯記憶装置６２に記憶する。トルク及び特定周波数帯記憶装置６２には、トルク値と回転周波数帯の信号強度のピーク値とが関係づけられて記憶されていることになる（ステップＳ１２６）。
　以上ステップＳ１２６までが、学習期間のフローである。学習期間中は、ステップＳ１２１からステップＳ１２６を繰り返す（ステップＳ１１１でＮｏ）。複数回繰り返して学習期間を終了すると（ステップＳ１１１でＹｅｓ）、診断期間となる。
　診断期間では、まずステップＳ１２７において、電流波形及び電圧波形を取得する。学習期間と同様に、計器用変成器４に接続された電流検出回路７で主回路１の負荷電流を検出して所定の信号に変換し、計器用変圧器８に接続された電圧検出回路９が主回路１の電圧を検出して所定の信号に変換する。
　ステップＳ１２８において、トルク算出部２３でトルクを算出する。
　ステップＳ１２９において、安定状態判定部３２でトルク値が安定状態か否か判定する。トルク値が安定状態でない場合には、ステップＳ１２７に戻り、電流波形及び電圧波形を取得する（ステップＳ１２９でＮｏ）。トルク値が安定状態である場合には、ステップＳ１１５に進み、周波数解析部４１で電流ＦＦＴ解析を実行する。
　次に、ステップＳ１１６において、平均化解析部４２で電流ＦＦＴの解析結果を平均化処理する。この平均化処理によりノイズを低減することができる。
　ステップＳ１１７において、側帯波解析部４３で平均化処理された電流ＦＦＴの解析結果から側帯波を抽出する。
　ステップＳ１１８において、特定周波数帯検出部４４で抽出された側帯波の中から回転周波数帯のピークを抽出する。
　ステップＳ１１９において、異常判定部５１で抽出された回転周波数帯の信号強度のピーク値とトルク及び特定周波数帯記憶装置６２に記憶されているトルク値に関係づけられた回転周波数帯の信号強度のピーク値とを比較し、回転周波数に起因する特定周波数帯であるか否か判定する。さらに、閾値記憶装置６１に記憶されている閾値データを基に、正常範囲内か否か、すなわち異常発生の有無を判定する（ステップＳ１２０）。
　ステップＳ１２０で異常発生と判定された場合は、異常判定部５０内に具備する警報器（図示せず）あるいは、演算処理部１０の結果出力を受けて、外部出力部１５及び表示部１３を用いて警報を出力する（ステップＳ１２１）。また、警報出力は、演算処理部１０の結果出力として通信回路１６を介して監視装置２００に通知するようにしてもよい。
　図１０は、本実施の形態２による効果を説明するための図で、負荷変動時の回転周波数帯の信号強度のピーク値の変化を示している。トルク値がａにおいては、回転周波数に起因する特定周波数帯の信号強度のピーク値は側帯波のピークよりも小さいが、トルク値がｂにおいては、回転周波数に起因する特定周波数帯の信号強度のピーク値は側帯波のピークよりも大きい。そのため、側帯波を検出するのが困難であったが、本実施の形態においては、トルク値毎に特定周波数帯の信号強度のピーク値を予め学習して記憶させておくので、負荷の変動が生じても特定周波数帯の信号強度のピーク値を抽出できる。また、負荷の変動が生じてもトルク値毎に特定周波数帯の信号強度のピーク値を抽出できるため、負荷の変動が生じても電流ＦＦＴの解析により側帯波の検出もできることになる。
　トルク値がａ、ｂの例について示したが、トルク値の学習は一定区間、例えばトルク率（＝トルク値／定格トルク値　×１００）を０から５％未満、５％以上１０％未満、・・・の５％区間毎、としてもよい。
　上述では、機械系異常起因の特定周波数帯として、回転周波数帯の信号強度のピーク値を抽出して異常検出する例を示したが、回転子バー異常起因の特定周波数帯、ベルト回転周波数起因の特定周波数帯等他の特定周波数帯の信号強度から信号強度のピーク値を抽出し、異常検出することで、異常原因を探索することも可能となる。
　以上のように実施の形態２によれば、トルク値毎に特定周波数帯の信号強度のピーク値を予め学習して記憶させておくので、負荷の変動が生じても高精度に異常の検知が可能となる。負荷の変動が生じるとトルク値も変動するが、本実施の形態ではトルク値毎に特定周波数帯の信号強度のピーク値を有し、その正常範囲の閾値を併せて記憶させているので、負荷の変動を受けずに異常発生の判定を行うことができる。
＜実施の形態２の変形例＞
　なお、実施の形態２では、電流検出回路７で検出された主回路１の負荷電流と電圧検出回路９で検出された主回路１の電圧を基にトルクを算出して、異常判定に用いたが、トルク値から電動機５の負荷率を算出して、負荷率に対応させた特定周波数帯のデータを学習させることで、異常判定を行うようにしてもよい。
　また、実施の形態２で算出されたトルク値を用いて、トルクの異常検出を行い、トルクに起因する電動機の異常判定を行うことも可能である。以下に、トルク異常検出について述べる。
　トルクＴｅは電動機５の固定子電流と鎖交磁束を用いて次の式（１）のように表される。
Figure JPOXMLDOC01-appb-M000001
 　また、鎖交磁束は次の式（２）、（３）から求めることができる。
Figure JPOXMLDOC01-appb-M000002
　トルク算出部２３で求められたトルク値と式（１）で求められたトルクＴｅを比較することで、トルク異常の検出を行うことができる。
　なお、上述の実施の形態１、２において電動機の診断装置１００は、ハードウエアの一例を図１１に示すように、プロセッサ１１０と記憶装置１２０から構成される。記憶装置は図示していないが、ランダムアクセスメモリ等の揮発性記憶装置と、フラッシュメモリ等の不揮発性の補助記憶装置とを具備する。また、フラッシュメモリの代わりにハードディスクの補助記憶装置を具備してもよい。プロセッサ１１０は、記憶装置１２０から入力されたプログラムを実行する。この場合、補助記憶装置から揮発性記憶装置を介してプロセッサ１１０にプログラムが入力される。また、プロセッサ１１０は、演算結果等のデータを記憶装置１２０の揮発性記憶装置に出力してもよいし、揮発性記憶装置を介して補助記憶装置にデータを保存してもよい。
　本開示は、様々な例示的な実施の形態及び実施例が記載されているが、１つ、または複数の実施の形態に記載された様々な特徴、態様、及び機能は特定の実施の形態の適用に限られるのではなく、単独で、または様々な組み合わせで実施の形態に適用可能である。
　従って、例示されていない無数の変形例が、本願明細書に開示される技術の範囲内において想定される。例えば、少なくとも１つの構成要素を変形する場合、追加する場合または省略する場合、さらには、少なくとも１つの構成要素を抽出し、他の実施の形態の構成要素と組み合わせる場合が含まれるものとする。
　１：主回路、　２：配線用遮断器、　３：電磁接触器、　４：計器用変成器、　５：電動機、　６：機械設備、　７：電流検出回路、　８：計器用変圧器、　９：電圧検出回路、　１０：演算処理部、　１１：記憶部、　１２：設定回路、　１３：表示部、　１４：駆動回路、　１５：外部出力部、　１６：通信回路、　２００：監視装置、　２０：電流変換部、　２１：実効値算出部、　２２：トルク変換部、２３：トルク算出部、　３０：状態判定部、　３１、３２：安定状態判定部、　４０：解析部、　４１：周波数解析部、　４２：平均化解析部、　４３：側帯波解析部、　４４：特定周波数帯検出部、　４５：正常範囲解析部、　５０：異常判定部、　５１：異常判定部、　６０：電流及び特定周波数帯記憶装置、　６１：閾値記憶装置、　６２：トルク及び特定周波数帯記憶装置、　１００：電動機の診断装置

 

Claims (5)

  1. 　電動機の電流を検出する電流検出回路と、前記電流検出回路で検出された電流を演算処理し前記電動機の異常を検出する演算処理部と、前記演算処理部の演算結果を記憶する記憶部と、を備えた電動機の診断装置であって、
    　前記演算処理部は、前記電流検出回路で検出された電流の実効値を算出する電流実効値算出部と、算出された前記電流実効値が安定状態であるか判定する状態判定部と、検出された前記電流をＦＦＴ解析して側帯波から特定周波数帯の信号強度のピーク値を抽出する解析部と、前記電動機に異常が発生したか判定する異常判定部とを有し、
    　前記解析部は、抽出された特定周波数帯の信号強度のピーク値及びその時の電流実効値を予め前記記憶部に記憶するとともに、前記電動機の正常範囲を設定する閾値を抽出された前記特定周波数帯のピーク値に対し設定し、前記閾値を予め前記記憶部に記憶し、
    　前記異常判定部は、前記電流検出回路で検出された電流をＦＦＴ解析して得られた特定周波数帯の信号強度のピーク値を、予め前記記憶部に記憶された電流実効値毎の特定周波数帯の信号強度のピーク値及び予め前記記憶部に記憶された閾値と比較し、前記電動機の異常発生の有無を判定する、電動機の診断装置。
  2. 　前記演算処理部は、前記状態判定部で安定状態であると判断された電流実効値を複数回取得して、前記解析部により抽出された特定周波数帯の信号強度のピーク値及びその時の電流実効値、前記閾値を複数前記記憶部に記憶させた後、前記電動機の診断を行うようにした請求項１に記載の電動機の診断装置。
  3. 　電動機の電流を検出する電流検出回路及び電圧を検出する電圧回路と、前記電流検出回路で検出された電流及び前記電圧回路で検出された電圧とを演算処理し前記電動機の異常を検出する演算処理部と、前記演算処理部の演算結果を格納する記憶部と、を備えた電動機の診断装置であって、
    　前記演算処理部は、前記電流検出回路で検出された電流及び前記電圧回路で検出された電圧からトルク値を算出するトルク算出部と、算出された前記トルク値が安定状態であるか判定する状態判定部と、前記検出された電流をＦＦＴ解析して側帯波から特定周波数帯の信号強度のピーク値を抽出する解析部と、前記電動機に異常が発生したか判定する異常判定部とを有し、
    　前記解析部は、抽出された特定周波数帯の信号強度のピーク値とその時のトルク値とを予め前記記憶部に記憶するとともに、前記電動機の正常範囲を設定する閾値を抽出された前記特定周波数帯の信号強度のピーク値に対し設定し、前記閾値を予め前記記憶部に記憶し、
    　前記異常判定部は、前記電流検出回路で検出された電流をＦＦＴ解析して得られた特定周波数帯の信号強度のピーク値を、予め前記記憶部に記憶されたトルク値毎の特定周波数帯の信号強度のピーク値及び予め前記記憶部に記憶された閾値と比較し、前記電動機の異常発生の有無を判定する、電動機の診断装置。
  4. 　前記演算処理部は、前記状態判定部で安定状態であると判断されたトルク値を複数回取得して、前記解析部により抽出された特定周波数帯の信号強度のピーク値及びその時のトルク値、前記閾値を複数前記記憶部に記憶させた後、前記電動機の診断を行うようにした請求項３に記載の電動機の診断装置。
  5. 　前記トルク算出部で算出されたトルク値から前記電動機の負荷率を算出し、
    　前記解析部は、抽出された特定周波数帯の信号強度のピーク値とその時の負荷率とを予め前記記憶部に記憶するとともに、前記電動機の正常範囲を設定する閾値を抽出された前記特定周波数帯の信号強度のピーク値に対し設定し、前記閾値を予め前記記憶部に記憶し、
    　前記異常判定部は、前記電流検出回路で検出された電流をＦＦＴ解析して得られた特定周波数帯の信号強度のピーク値を、予め前記記憶部に記憶された負荷率毎の特定周波数帯の信号強度のピーク値及び予め前記記憶部に記憶された閾値と比較し、前記電動機の異常発生の有無を判定する、請求項３に記載の電動機の診断装置。
PCT/JP2020/020472 2020-05-25 2020-05-25 電動機の診断装置 WO2021240578A1 (ja)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN202080101004.2A CN115668749A (zh) 2020-05-25 2020-05-25 电动机的诊断装置
DE112020007232.0T DE112020007232T5 (de) 2020-05-25 2020-05-25 Motor-diagnosevorrichtung
KR1020227039043A KR20220166319A (ko) 2020-05-25 2020-05-25 전동기의 진단 장치
PCT/JP2020/020472 WO2021240578A1 (ja) 2020-05-25 2020-05-25 電動機の診断装置
JP2020559590A JP6824493B1 (ja) 2020-05-25 2020-05-25 電動機の診断装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2020/020472 WO2021240578A1 (ja) 2020-05-25 2020-05-25 電動機の診断装置

Publications (1)

Publication Number Publication Date
WO2021240578A1 true WO2021240578A1 (ja) 2021-12-02

Family

ID=74228067

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2020/020472 WO2021240578A1 (ja) 2020-05-25 2020-05-25 電動機の診断装置

Country Status (5)

Country Link
JP (1) JP6824493B1 (ja)
KR (1) KR20220166319A (ja)
CN (1) CN115668749A (ja)
DE (1) DE112020007232T5 (ja)
WO (1) WO2021240578A1 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117501619A (zh) 2021-06-21 2024-02-02 三菱电机株式会社 带电动机的设备的故障征兆检测装置以及带电动机的设备的故障征兆检测方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018142569A1 (ja) * 2017-02-03 2018-08-09 三菱電機株式会社 電動機の診断装置
WO2019003389A1 (ja) * 2017-06-29 2019-01-03 三菱電機株式会社 電動機の診断装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
JP6190841B2 (ja) 2015-04-02 2017-08-30 三菱電機株式会社 電動機の診断装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018142569A1 (ja) * 2017-02-03 2018-08-09 三菱電機株式会社 電動機の診断装置
WO2019003389A1 (ja) * 2017-06-29 2019-01-03 三菱電機株式会社 電動機の診断装置

Also Published As

Publication number Publication date
JP6824493B1 (ja) 2021-02-03
DE112020007232T5 (de) 2023-03-16
JPWO2021240578A1 (ja) 2021-12-02
KR20220166319A (ko) 2022-12-16
CN115668749A (zh) 2023-01-31

Similar Documents

Publication Publication Date Title
JP6190841B2 (ja) 電動機の診断装置
EP3474029B1 (en) Load abnormality detection device
US10408879B2 (en) Method and apparatus for diagnosing a fault condition in an electric machine
CN110800207B (zh) 电动机诊断装置
Almounajjed et al. Diagnosis of stator fault severity in induction motor based on discrete wavelet analysis
JP6316510B1 (ja) 電動機の診断装置
KR102427372B1 (ko) 이상 진단 장치, 이상 진단 방법 및 이상 진단 시스템
JP7361881B2 (ja) 電動機の診断装置
JP2010271073A (ja) 機器の異常診断装置
WO2018020563A1 (ja) 電動機の診断装置
KR102104117B1 (ko) 전동기의 진단 장치
WO2021240578A1 (ja) 電動機の診断装置
WO2022224391A1 (ja) 異常診断装置及び異常診断方法
CN111948528B (zh) 开闭装置的诊断方法以及装置
Lare et al. A PMaSynRM stator winding fault detection approach using an optimized PCA-based EWMA control scheme
KR20090041067A (ko) 부분 방전 신호 측정시 외부 잡음 제거 방법
CN112379221A (zh) 一种利用l2相似的变压器运行状态振声检测方法和系统

Legal Events

Date Code Title Description
ENP Entry into the national phase

Ref document number: 2020559590

Country of ref document: JP

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: 20938274

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 20227039043

Country of ref document: KR

Kind code of ref document: A

122 Ep: pct application non-entry in european phase

Ref document number: 20938274

Country of ref document: EP

Kind code of ref document: A1