WO2022269657A1 - 電動機付設備の故障徴候検出装置および電動機付設備の故障徴候検出方法 - Google Patents

Abstract

駆動装置（４）から電動機（３）に流れる電流の検出結果に基づいて電動機付設備（１）の異常の有無判定用の指標値を演算する診断演算部（９１）と、診断演算部（９１）の演算結果に基づいて電動機付設備（１）の異常の有無を判定する診断判定部（９２）を備え、診断演算部（９１）は、検出された電流について、電動機（３）の起動時から一定の回転速度に到達するまでの加速期間の電流を抽出する起動電流抽出部（９１１）と、起動電流抽出部（９１１）で抽出された電流のデータについて、前記加速期間の内のデータを複数に分割するデータ生成部（９１４）と、データ生成部（９１４）で分割して得られた前記データごとに周波数解析をする周波数解析部を備える。

Description

電動機付設備の故障徴候検出装置および電動機付設備の故障徴候検出方法

　本願は、電動機付設備の故障徴候検出装置および電動機付設備の故障徴候検出方法に関する。

　一般に、ポンプ、ベルトコンベア、圧縮機などのように、電動機を動力源とする負荷（以下、これらを電動機付設備と称する）は多数存在している。従来は、このような、電動機付設備に異常が生じた場合、その異常診断は、メンテナンス部門が人の五感により診断して判定している場合が多い。特に、重要度の高い電動機付設備に関しては、定期的な診断が必要となり、保守管理のための労力および費用が増加する。

　そこで、電動機付設備を人の五感に頼ることなく自動的に常時監視できる技術に関心が高まっている。しかしながら、電動機の常時監視の多くは、電動機ごとに様々なセンサを取り付けることを前提としている。このようなセンサとしては、例えば、トルクメータ、加速度センサ、あるいは温度センサ等が挙げられる。そして、従来技術では、上記の各種センサの検出出力に基づいて電動機の固定子に流れる電流・電圧信号を分析することで、電動機付設備の故障徴候を検出する技術が提示されている（例えば、下記の特許文献１参照）。

特開２００７-１７０４１１号公報

　しかしながら、電動機に出力される三相電流は、例えば、インバータ駆動に起因する電気ノイズ、あるいは負荷状態などによって変化する運転モードに起因したばらつきの影響を受け易い。そして、それらの影響によって診断に用いる電気信号が歪んでしまい、ノイズ信号を誤検知する可能性がある。このため、特許文献１に開示された故障徴候検出では、高精度に電動機付設備の異常を検出することが難しいという課題があった。

　本願は、上記のような課題を解決するための技術を開示するものであり、ノイズの影響を受け難く、また余分にセンサを追加することなく、電動機付設備の故障徴候を精度良く検出することができる電動機付設備の故障徴候検出装置および電動機付設備の故障徴候検出方法を提供することを目的とする。

　本願に開示される電動機付設備の故障徴候検出装置は、電動機を動力源とする負荷、および前記電動機に電力を供給して駆動する駆動装置を備えてなる電動機付設備の故障徴候を検出する装置であって、
　前記駆動装置から前記電動機に流れる電流を検出する電流検出部と、前記電流検出部で検出された検出結果に基づいて前記電動機付設備の異常の有無判定用の指標値を演算する診断演算部と、前記診断演算部の演算結果に基づいて前記電動機付設備の異常の有無を判定する診断判定部と、前記診断判定部で判定された診断結果を外部に報知する診断結果報知部とを備え、前記診断演算部は、前記電流検出部で検出された電流について、前記電動機の起動時から一定の回転速度に到達するまでの加速期間の電流を抽出する起動電流抽出部と、前記起動電流抽出部で抽出された電流のデータについて、前記加速期間の内のデータを複数に分割するデータ生成部と、前記データ生成部で分割して得られた前記データごとに周波数解析をする周波数解析部と、を備える。

　また、本願に開示される電動機付設備の故障徴候検出方法は、電動機を動力源とする負荷、および前記電動機に電力を供給して駆動する駆動装置を備えてなる電動機付設備の故障徴候を検出する方法であって、
　前記電動機に流れる電流を検出する第１ステップと、第１ステップで得られる電流について、前記電動機の起動時から一定の回転速度に到達するまでの加速期間の電流を抽出する第２ステップと、第２ステップで抽出した電流のデータについて、前記加速期間の内のデータを複数に分割し、分割されたデータについてそれぞれ周波数解析してスペクトル波形を生成する第３ステップと、前記第３ステップで得られたスペクトル波形の中から前記電動機の回転周波数帯に発生するスペクトルピークの強度値を検出する第４ステップと、前記第４ステップで得られた前記スペクトルピークの強度値と予め設定された基準値とを比較する第５ステップと、前記第５ステップによる比較結果から前記電動機付設備の異常の有無を判定する第６ステップと、前記第６ステップで判定された結果を外部に報知する第７ステップと、を有する。

　本願に開示される電動機付設備の故障徴候検出装置および電動機付設備の故障徴候検出方法によれば、ノイズの影響を受け難く、また余分にセンサを追加することなく、電動機付設備の故障徴候を精度良く検出することが可能となる。

本願に係る電動機付設備および故障徴候検出装置を示す概略構成を示すブロック図である。 本願の実施の形態１に係る電動機付設備の一例としての空調機の概略構成を示すブロック図である。 本願の実施の形態１に係る電動機付設備において駆動装置を制御する制御装置の構成を示すブロック図である。 本願の実施の形態１に係る故障徴候検出装置の概略構成を示すブロック図である。 相電流を周波数解析して得られるスペクトル波形の一例を示す説明図である。 ｑ軸電流を周波数解析して得られる周波数スペクトル波形の一例を示す説明図である。 本願の実施の形態１に係る故障徴候検出方法を示すフロー図である。 本願の実施の形態１に係る電動機の起動時における回転速度、および電流値の経時変化を示す波形図である。 本願の実施の形態１に係るｑ軸電流の周波数分析結果の一例を示す説明図である。 本願の実施の形態２に係る電動機付設備および故障徴候検出装置の概略構成を示すブロック図である。 本願の実施の形態２に係る電動機付設備および故障徴候検出装置の他の概略構成を示すブロック図である。 本願の実施の形態に係る制御装置等のハードウェアの構成を示すブロック図である。

実施の形態１．
　図１は、本願に係る電動機付設備および故障徴候検出装置を示す概略構成を示すブロック図である。

　電動機付設備１は、電動機３を動力源とする負荷２、電動機３に電力を供給して駆動する駆動装置４、この駆動装置４の動作を制御する制御装置８を備え、駆動装置４には交流電源５が接続されている。

　ここに、電動機付設備１としては、例えば、水ポンプ、真空ポンプ、ベルトコンベア、空調器などがある。なお、この実施の形態１では、電動機付設備１の一例として、空調器を対象とし、その故障徴候を検出する場合について説明する。

　図２は、本願の実施の形態１に係る電動機付設備の一例としての空調機の概略構成を示すブロック図である。
　空調機は、冷凍サイクル装置として動作するものであり、圧縮機１１、凝縮器１２、膨張弁１３、および蒸発器１４を備える。この冷凍サイクルは、冷媒が圧縮機１１、凝縮器１２、膨張弁１３、および蒸発器１４の順に循環する。

　圧縮機１１は、ガス冷媒を圧縮して吐出するもので、図１の負荷２に対応しており、電動機３の駆動力を用いて吸入したガス冷媒を圧縮する。そして、電動機３は、冷凍サイクルにおいてガス冷媒を圧縮する図示しない圧縮機構に接続されている。凝縮器１２は、圧縮機１１から吐出されたガス冷媒を凝縮して液冷媒を吐出する。膨張弁１３は、弁の開度を制御して、凝縮器１２からの冷媒を膨張させて減圧する。蒸発器１４は、膨張弁１３から吐出された液体の冷媒（液冷媒）を蒸発させて気体の冷媒（ガス冷媒）を吐出する。

　駆動装置４は、コンバータ４１、およびインバータ４２を含む。なお、図１では、コンバータをＣＮＶと、インバータをＩＮＶと略している。
　コンバータ４１は、交流電源５からの交流電流を受け、当該交流電流を直流電流に変換してインバータ４２に出力する。交流電源５の周波数は、例えば５０Ｈｚあるいは６０Ｈｚである。

　一方、インバータ４２は、図示しない複数のスイッチング素子を含むインバータ主回路を含む。インバータ４２は、制御装置８からＰＷＭ（Ｐｕｌｓｅ　Ｗｉｄｔｈ　Ｍｏｄｕｌａｔｉｏｎ）信号を受けてスイッチング素子のオン／オフを切り替えることにより、負荷２である圧縮機１１を駆動する電動機３に三相（ＵＶＷの各相）電流を出力する。

　電動機３に出力される三相電流（ｉｕ、ｉｖ、ｉｗ）の内、例えば、Ｕ相電流ｉｕおよびＶ相電流ｉｖが電流センサ（電流検出部）６によって検出されて、制御装置８へ出力される。また、電動機３に設けられた角度センサ７により電動機３の回転子の回転角θが検出されて制御装置８へ出力される。

　図３は、実施の形態１による駆動装置の動作を制御する制御装置の構成を示すブロック図である。
　制御装置８は、インバータ４２にＰＷＭ信号を出力してベクトル制御を行なうものであって、ｄｑ変換部８１、電圧指令値演算部８２、出力電圧ベクトル演算部８３、およびＰＷＭ信号発生部８４を含む。また、上記のｄｑ変換部８１は、相電流演算部８１１、クラーク変換部８１２、およびパーク変換部８１３からなる。

　ここに、ｄｑ変換部８１、電圧指令値演算部８２、出力電圧ベクトル演算部８３、およびＰＷＭ信号発生部８４の各部は、専用のハードウェアによって実現されてもよいが、ＣＰＵ（Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）のようなコンピュータによって、メモリに保存されているプログラムが実行されることによって実現されてもよい。
　すなわち、制御装置８は、ハードウエアの一例を図１２に示すように、プロセッサ１０００と記憶装置１０１０から構成される。記憶装置１０１０は、図示していない、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備える。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備えてもよい。プロセッサ１０００は、記憶装置１０１０から入力されたプログラムを実行する。この場合、補助記憶措置から揮発性記憶装置を介してプロセッサ１０００にプログラムが入力される。また、プロセッサ１０００は、演算結果等のデータを記憶装置１０１０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。

　相電流演算部８１１は、電流センサ６でそれぞれ検出されたＵ相電流ｉｕ、およびＶ相電流ｉｖを受け、Ｗ相電流ｉｗを算出する。なお、Ｖ相電流ｉｖとＷ相電流ｉｗとを検出してＵ相電流ｉｕを算出、あるいはＷ相電流ｉｗとＵ相電流ｉｕとを検出してＶ相電流ｉｖを算出するようにしてもよい。相電流演算部８１１で算出された各相電流（ｉｕ、ｉｖ、ｉｗ）は、次段のクラーク変換部８１２へ出力される。

　各相電流（ｉｕ、ｉｖ、ｉｗ）は、電動機３の回転子の回転角θ（機械角）の変化に伴って変化する。以下の説明では、回転角θは角度センサ７によって測定された値として説明するが、角度センサ７は、本願の必須の構成ではなく、回転角θは他の方法で算出されてもよい。例えば、周知の位置センサレス制御において行なわれているように、各相電流（ｉｕ、ｉｖ、ｉｗ）と電圧指令値とから回転角θを算出してもよい。

　クラーク変換部８１２は、各相電流（ｉｕ、ｉｖ、ｉｗ）を２軸座標系（α－β座標系）の二相電流（ｉα、ｉβ）に変換して次段のパーク変換部８１３に出力する。

　パーク変換部８１３は、電動機３に設けられた角度センサ７で検出された回転子の回転角θを入力し、２軸座標系（α－β座標系）の二相電流（ｉα、ｉβ）を、回転座標系（ｄ－ｑ座標系）の座標に相当するｄｑ軸電流（ｉｄ、ｉｑ）に変換する。そして、ｄｑ軸電流（ｉｄ、ｉｑ）の値を次段の電圧指令値演算部８２へ出力するとともに、ｑ軸電流ｉｑの値を故障徴候検出装置９に出力する。

　ここに、ｄ軸電流ｉｄは、励磁電流成分であり、電動機３に回転磁界を発生させる。また、ｑ軸電流ｉｑは、トルク電流成分であり、電動機３のトルクを生み出す。ｄｑ軸電流（ｉｄ、ｉｑ）には、静止座標系において回転角θで回転するαβ相電流（ｉα、ｉβ）を当該回転に追従する回転座標系において測定した値に相当するので、回転角θの変化が現われない。

　電圧指令演算部８２では、パーク変換部８１３から出力されたｄｑ軸電流（ｉｄ、ｉｑ）の値から実際の電圧指令値との差分を算出する。次に、出力電圧ベクトル演算部８３にて、算出された差分を補正するための補正値を算出する。最後に補正された電圧指令値に基づきＰＷＭ信号発生部８４にて、ＰＷＭ信号を生成する。これにより、指令値に対して電動機３を理想的な回転状態に制御する。

　図４は、実施の形態１による故障徴候検出装置の構成を示すブロック図である。
　故障徴候検出装置９は、電動機付設備１（負荷２あるいは電動機３）の故障徴候を検出するものであって、診断演算部９１、診断判定部９２、および診断結果報知部９３を含む。

　ここに、診断演算部９１は、起動電流抽出部９１１、ｄｑ変換部９１２、設備情報記憶部９１３、データ生成部９１４、および周波数解析部９１５を備え、周波数解析部９１５は、スペクトル解析部９１５ａおよびスペクトル特徴量検出部９１５ｂからなる。
　上記のｄｑ変換部９１２は、ここでは制御装置８が備えるｄｑ変換部８１と兼用しており、ｄｑ変換部８１において電流センサ６の検出出力に基づき、相電流（ｉｕ、ｉｖ、ｉｗ）を算出した後にｄｑ変換して得られるｑ軸電流ｉｑを利用する。なお、ｄｑ変換部８１と兼用せず、電流センサ６で各相電流（ｉｕ、ｉｖ、ｉｗ）を検出し、ｄｑ変換部９１２でｄｑ変換することも可能である。

　また、診断判定部９２は、初期学習部９２１、基準値比較部９２２、および異常カウント判定部９２３を備える。
　また、診断結果報知部９３は、液晶ディスプレイ等の表示部９３１、ランプ等の警報部９３２、およびプリンタ等の外部出力部９３３を備える。

　なお、上記の診断演算部９１、診断判定部９２、診断結果報知部９３の具体的な機能は、各部の動作処理を説明する際に明らかにされる。また、上記の診断演算部９１、診断判定部９２は、専用のハードウェアによって実現されてもよいが、ＣＰＵ（Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）のようなコンピュータによって、メモリに保存されているプログラムが実行されることによって実現されてもよい。
　すなわち、診断演算部９１および診断判定部９２は、ハードウエアの一例を図１２に示すように、プロセッサ１０００と記憶装置１０１０から構成される。記憶装置１０１０は、図示していない、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備える。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備えてもよい。プロセッサ１０００は、記憶装置１０１０から入力されたプログラムを実行する。この場合、補助記憶措置から揮発性記憶装置を介してプロセッサ１０００にプログラムが入力される。また、プロセッサ１０００は、演算結果等のデータを記憶装置１０１０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。

　また、故障徴候検出に用いる電流は、ｄｑ軸電流（ｉｄ、ｉｑ）のいずれか、あるいはαβ相電流（ｉα、ｉβ）のいずれか、または各相電流（ｉｕ、ｉｖ、ｉｗ）のいずれかを用いることが可能であるが、この実施の形態１では、ｑ軸電流ｉｑを用いて故障徴候検出を行うこととする。

　圧縮機の異常の大部分を占める圧縮機構の摺動部の摩耗が発生した際、電動機の固定子と回転子のエアギャップが振動することでパーミアンスが変化をすることから、各相電流は、圧縮機の故障徴候検出に有効である。また、電動機の軸受摩耗の場合も、同様にギャップの振動が発生することから、各相電流を用いることは電動機の異常検知に有効な手法である。また、各相電流の検出には、電源ケーブルに電流センサ６を設置するだけでよく、その他のセンサの追加は不要なので、コスト面でも利点がある。

　電動機３の固定子に流れる相電流、あるいは相電流をｄｑ変換したｑ軸電流を周波数解析すると、前記のような故障徴候に起因する電流変動が周期的に発生するため、特徴的なスペクトルピークが発生する。

　図５は、相電流（例えばＵ相電流ｉｕ）を周波数解析した場合のスペクトル波形の一例を示す説明図である。
　前記のような故障徴候に起因する電流変動が周期的に発生した場合、電源周波数のピークＩｐの両側近傍に、異常の種類によって異なる位置に特徴的な側帯波のスペクトルピークＩｓが生じる。例えば、ミスアライメント、アンバランス等の異常は、電源周波数のピークＩｐを中心として、その両側の回転周波数分だけ離れた位置に側帯波のピークＩｓを生じる。また、電動機３の軸受に起因する異常の場合には、電源周波数を中心として、その両側に軸受の固有周波数分だけ離れた位置に側帯波のピークＩｓを生じる。

　図６は、ｑ軸電流ｉｑを周波数解析した場合のスペクトル波形の一例を示す説明図である。
　図５の場合と同様に、異常の種類によって異なる位置に特徴的なスペクトルピークが生じる。例えば、軸受の劣化などに起因して電動機軸の振れ回りが発生した場合には、回転周波数帯に特徴的なスペクトルピークＩｒが発生する。

　一般に、電動機３の電流信号を周波数分析して機器の状態を診断する手法は、一定回転速度運転下における電流信号を用いて分析していた。しかしながら、圧縮機１１などの機構部を持つ負荷２では、回転周波数成分を持った力が加わる場合がある。特に、スクロール型圧縮機では、スクロール部の圧縮機構で回転周波数成分の力が加わる。これに伴い、同様の原理で、電動機３の各相電流には回転周波数成分のスペクトルピークが生じる。したがって、このような場合には、圧縮機構の摺動部の異常に起因する特徴的なスペクトルピークとの区別が困難であり、故障徴候を精度良く検知できない課題があった。本願はこのような課題を解決するものである。

　図７は、本願の実施の形態１に係る故障徴候検出装置による故障徴候検出方法を示すフローチャートである。なお、図中の符合Ｓは、各処理ステップを意味する。

　まず、ｄｑ変換部８１において、電流センサ６の検出出力に基づいて相電流（ｉｕ、ｉｖ、ｉｗ）を算出した後（ステップＳ１）、ｄｑ変換を行う（ステップＳ２）。
　次に、診断演算部９１の起動電流抽出部９１１は、電動機３の起動直後を除き、起動後から一定の回転速度に到達するまでの加速期間のｑ軸電流ｉｑを抽出する（ステップＳ３）。なお、起動電流抽出部９１１で加速期間の相電流（ｉｕ、ｉｖ、ｉｗ）のいずれかを抽出し、その後に抽出した相電流をｄｑ変換部９１２によりｄｑ変換することも可能である。

　図８は、電動機の起動時における回転速度、および電流値の経時変化を示す波形図である。下段の図は、電動機３の起動時から一定の回転速度に到達するまでの回転速度の時間的変化を示し、上段の図は、この場合の相電流（例えばＵ相電流ｉｕ）の時間変化を示す。

　区間Ａは、電動機３の起動直後に突入電流が流れる期間であり、相電流のばらつきが大きくて誤検知に繋がるため、本分析手法では除外する。
　区間Ｂは、電動機３の回転速度が一定の値に到達するまで加速期間であり、この加速期間Ｂの電流を抽出して、故障徴候検出のための解析データとして使用する。
　区間Ｃは、電動機３が一定の回転速度に到達した後の期間を示す。

　そして、起動電流抽出部９１１により、電動機３の加速期間Ｂのｑ軸電流ｉｑが抽出されると、データ生成部９１４は、抽出されたｑ軸電流ｉｑのデータ分析のために、このｑ軸電流ｉｑのデータを少なくとも２つ以上に分割する（ステップＳ４）。分割方法は、加速度、およびデータのサンプリング数によって決定する。すなわち、加速度が早い場合、電源周波数およびスペクトルピークが変動する範囲が広くなるため、分割数を多くする必要がある。

　次に、周波数解析部９１５のスペクトル解析部９１５ａは、データ生成部９１４で複数に分割したｑ軸電流ｉｑのデータごとに周波数解析を行い、スペクトル波形を生成する（ステップＳ４）。この周波数解析の手法としては、例えば、電流ＦＦＴ（Ｆａｓｔ　Ｆｏｕｒｉｅｒ　Ｔｒａｎｓｆｏｒｍ）解析などが知られている。

　ところで、インバータ駆動の可変速運転では、周波数解析に利用できるデータ数が少なくノイズの影響を受け易い課題がある。これに対して、スパース性のある電流周波数特性へ圧縮センシング技法を適用し、特徴成分のみを強調するフィルタ処理を施すことで、可変速時にも高精度に周波数解析を実現可能である。
　なお、周波数解析は、相電流をｄｑ変換せずに、各相電流（ｉｕ、ｉｖ、ｉｗ）のいずれかを検出して得られるデータをそのまま２つ以上に分割して周波数解析を行ってもよい。

　図５、図６に示した周波数のスペクトル波形のように、相電流あるいはｑ軸電流ｉｑのどちらのデータを用いた場合でも、圧縮機構の摺動部の異常による電動機軸の偏心によって回転周波数成分のペクトルピークが検出される。診断演算部９１で算出されるこの回転周波数成分、およびそのときのペクトルピークの強度値が、電動機付設備１の異常の有無を判定するための指標値となる。

　また、上記の処理ステップＳ１～Ｓ４とは別に、電動機３の諸元である電源周波数、極数、定格回転速度の情報、ならびに、運転動作が大きく変化する動作モードの情報を、設備情報記憶部９１３へ入力して格納する（ステップＳ００）。

　電動機３の無負荷時の回転速度は、１２０・ｆｓ／ｐ（ｆｓ：電源周波数、ｐ：極数）で算出できる。そのため、電動機３の回転速度は、無負荷時の回転速度と定格回転速度との間の値となるため、回転周波数帯を特定することができる。また、動作モードは、例えば、圧縮機１１では夏季と冬季とで大きく異なる。このように、複数の動作モードごとに分析データを関連付けることができる。

　故障徴候検出装置９において、電動機付設備１（負荷２あるいは電動機３）の故障徴候の有無を判定する場合、その前提として、診断開始の初め、すなわち電動機付設備１が新しくて未だ経時劣化していない状態で得られるデータを正常なものと見なし、この正常データから故障徴候の有無を判定する上での基準値Ｉｂを電源周波数ごとに設定する（図９の実線参照）。

　そのために、先ず、診断開始の初めにおいて、スペクトル特徴量検出部９１５ｂは、ステップＳ４で複数に分割したデータごとに周波数解析を行った結果として得られる回転周波数帯に発生するスペクトルピークの強度値をそれぞれ検出する（ステップＳ５）。
　引き続いて、それぞれ設定した各運転モードで運転して得られる最初のデータから、ステップＳ５で検出したスペクトルピークの強度値、および設備情報記憶部１３３に格納されている運転モード、電源周波数（電源周波数から算出した回転周波数でもよい）の情報を互いに対応付けて学習データとして初期学習部９２１に格納する（ステップＳ０１）。

　続いて、初期学習部９２１は、格納された学習データから電源周波数ごとに基準値Ｉｂを生成する（ステップＳ０２）。例えば、学習データのばらつきσの２倍、３倍などに基準値Ｉｂを設定することで、運転ばらつきによる影響を除外できる。なお、外部から基準値Ｉｂを設定してもよい。

　上記のようにして、初期学習部９２１において、診断開始の初めのデータを正常なものとして、電源周波数ごとに基準値Ｉｂを生成する初期学習が終了すると、次に実際の診断が開始される。

　そして、先のステップＳ４で複数に分割したデータごとに周波数解析を行った結果として得られる回転周波数帯に発生するスペクトルピークにつき、ステップＳ５で強度値が検出されると、基準値比較部９２２は、この検出した強度値に対して、上記のようにして初期学習部９２１で設定された基準値Ｉｂと比較する（ステップＳ６）。

　異常カウント判定部９２３は、基準値比較部９２２による比較の結果、検出した強度値が基準値Ｉｂを超えると異常と判定し、分割したデータごとの比較結果を格納する（ステップＳ７）。
　そして、異常カウント判定部９２３は、特定の回転速度で繰り返して異常判定が続き、予め設定した閾値を越えた場合には、電動機付設備１に故障徴候があると判断して異常判定とする（ステップＳ８）。

　図９は、圧縮機１１の圧縮機構の摺動部に異常が発生した場合のｑ軸電流を周波数分析した結果の一例を示す説明図である。

　図９において、黒丸は診断開始の初めに得られたデータを正常データとして初期学習したものであり、実線は、正常データから電源周波数ごとに基準値Ｉｂを設けて初期学習したものである。また、白丸は経時劣化後に得られた異常と判定されたデータ、破線はその平均値である。

　電動機３を運転する際、電源周波数１２０Ｈｚまで加速し、以降は１２０Ｈｚで一定回転速度の運転となる。電動機３の定格回転速度Ｎ（ｒ／ｍｉｎ）は、１２０・ｆｓ／ｐ（ｆｓ：電源周波数、ｐ：極数（６））で算出され、電源周波数が増加すると回転速度も比例して速度上昇する。

　図９に示す結果から分るように、電動機付設備１を継続使用して経時劣化したときに得られるデータを基準値Ｉｂと比較すると、一定回転速度運転（１２０Ｈｚ）では異常検知が困難であるが、起動時から加速時の低速回転（４０Ｈｚ－８０Ｈｚ）の領域で異常と正常の判別が可能である。

　したがって、圧縮機のスクロール部によって電動機軸へ加わる力と、故障に起因して電動機軸へ加わる力とを明確に区別して、故障に起因して生じるスペクトルピークを検知することができる。

　先のステップＳ８において、異常カウント判定部９２３により、電動機付設備１（負荷２あるいは電動機３）に故障徴候があると判断して異常判定された場合、これに応じて、診断結果報知部９３は、表示部９３１で電動機付設備１の異常を画面上にアラーム表示し、また、警報部９３２で警報を発令する。また、外部出力部９３３によりプリントアウトするなどの処理を行う（ステップＳ９）。

　なお、この実施の形態１では、故障徴候検知方法は、負荷２を圧縮機１１とした電動機付設備１を例にとって説明したが、本願はこれに限らず、圧縮機１１以外の負荷２についても異常起因以外の成分が重畳することで故障徴候検知が困難であった電動機付設備１（例えば、真空ポンプ、水ポンプ、ベルトコンベアなど）にも適用が可能である。

　なお、この実施の形態１では、制御装置８と故障徴候検出装置９とをそれぞれ独立した装置として設けた構成を前提として説明したが、制御装置８と故障徴候検出装置９の両者を一体的に単一の装置として組み着けることも可能である。

　このように、この実施の形態１によれば、電動機付設備１の動作を制御する制御装置８で得られる電流信号を分析することで故障徴候を検出するため、余分にセンサを追加することなく、故障徴候を確実に検出することが可能となる。

　電動機３の起動直後に生じる過渡変動後から一定の安定した回転速度に到達するまでの加速期間（図８の区間Ｂ）のデータを用いることで、従来は電動機付設備１の運転状態によって検出が困難であった軸受け等の摺動部の故障徴候を確実に検出することが可能となる。

実施の形態２．
　図１０は、本願の実施の形態２に係る電動機付設備および故障徴候検出装置の概略構成を示すブロック図である。
　図１０に示す構成では、電動機付設備１の制御装置８に診断演算部９１および診断結果報知部９４を接続する一方、ＰＣ（Ｐｅｒｓｏｎａｌ　Ｃｏｍｐｕｔｅｒ）、サーバー、クラウドなどの外部計算領域１００側に診断判定部９２および診断結果報知部９３を設け、制御装置８と外部計算領域１００とをイーサネット等の通信網１１０を介して接続し、通信網１１０を介してデータを互いに送受信する構成としたものである。

　そして、制御装置８に接続した診断演算部９１で電動機付設備１の異常の有無の判定用の指標値（回転周波数成分およびそのときのペクトルピークの強度値）を演算し、その演算結果が通信網１１０を介して外部計算領域１００側に送信される。外部計算領域１００側に設けた診断判定部９２は、送信されてきたデータを蓄積するとともに、データに基づいて診断判定を行い、その結果を診断結果報知部９３に出力する。また、診断判定部９２により異常判定されたときには、その情報を通信網１１０を介して制御装置８に送信する。これにより、外部計算領域１００側に設けた診断結果報知部９３のみならず、電動機付設備１の制御装置８側に設けた診断結果報知部９４においても、警報の発令、アラーム表示などを各々で行うことができる。

　図１１は、本願の実施の形態２に係る電動機付設備および故障徴候検出装置の他の概略構成を示すブロック図である。
　図１１に示す構成では、電動機付設備１の制御装置８に診断結果報知部９４を設ける一方、外部計算領域１００側に故障徴候検出装置９を構成する診断演算部９１、診断判定部９２、および診断結果報知部９３を設け、制御装置８と外部計算領域１００とをイーサネット等の通信網１１０を介して接続し、通信網１１０を介してデータを互いに送受信する構成としたものである。

　そして、制御装置８で取得した電流信号のデータを通信網１１０を介して外部計算領域１００側に送信される。外部計算領域１００に設けた故障徴候検出装置９は、診断演算部９１で周波数解析によって異常の有無の判定用の指標値を抽出し、診断判定部９２でデータ蓄積および診断判定を行い、その結果を診断結果報知部９３に出力する。また、診断判定部９２により異常判定されたときには、その情報を通信網１１０を介して制御装置８に送信する。これにより、外部計算領域１００側に設けた診断結果報知部９３のみならず、電動機付設備１の制御装置８側に設けた診断結果報知部９４においても、警報の発令、アラーム表示などを各々で行うことができる。

　なお、本願は、様々な例示的な実施の形態１、２が記載されているが、これらの実施の形態に記載された様々な特徴、態様、および機能は特定の実施の形態の適用に限られるものではなく、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。

　したがって、例示されていない無数の変形例が、本願に開示される技術の範囲内において想定される。例えば、少なくとも一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、少なくとも一つの構成要素を抽出して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ものとする。

１　電動機付設備（空調器）、２　負荷、３　電動機、４　駆動装置、４１　コンバータ、４２　インバータ、５　交流電源、１１　圧縮機（負荷）、１２　凝縮器、１３　膨張弁、１４　蒸発器、６　電流センサ、７　角度センサ、８　制御装置、８１　ｄｑ変換部、９　故障徴候検出装置、９１　診断演算部、９１１　起動電流抽出部、９１２　ｄｑ変換部、９１３　設備情報記憶部、９１４　データ生成部、９１５　周波数解析部、９１５ａ　スペクトル解析部、９１５ｂ　スペクトル特徴量検出部、９２　診断判定部、９２１　初期学習部、９２２　基準値比較部、９２３　異常カウント判定部、９３　診断結果報知部、９３１　表示部、９３２　警報部、９３３　外部出力部。

Claims (13)

1. 電動機を動力源とする負荷、および前記電動機に電力を供給して駆動する駆動装置を備えてなる電動機付設備の故障徴候を検出する装置であって、
   前記駆動装置から前記電動機に流れる電流を検出する電流検出部と、
   前記電流検出部で検出された検出結果に基づいて前記電動機付設備の異常の有無判定用の指標値を演算する診断演算部と、
   前記診断演算部の演算結果に基づいて前記電動機付設備の異常の有無を判定する診断判定部と、
   前記診断判定部で判定された診断結果を外部に報知する診断結果報知部と、
   を備え、
   前記診断演算部は、
   前記電流検出部で検出された電流について、前記電動機の起動時から一定の回転速度に到達するまでの加速期間の電流を抽出する起動電流抽出部と、
   前記起動電流抽出部で抽出された電流のデータについて、前記加速期間の内のデータを複数に分割するデータ生成部と、
   前記データ生成部で分割して得られた前記データごとに周波数解析をする周波数解析部と、
   を備える電動機付設備の故障徴候検出装置。
2. 前記周波数解析部は、
   前記データ生成部で分割された電流の周波数をそれぞれ周波数解析してスペクトル波形を生成するスペクトル解析部と、
   前記スペクトル解析部で解析された前記スペクトル波形に基づいて前記電動機の回転周波数帯におけるスペクトルピークの強度値を前記指標値として検出するスペクトル特徴量検出部と、
   を備える請求項１に記載の電動機付設備の故障徴候検出装置。
3. 前記電流検出部で検出された各相電流をｄｑ変換するｄｑ変換部を備え、前記起動電流抽出部は、前記ｄｑ変換部でｄｑ変換されたｑ軸電流について、前記電動機の起動時から一定の回転速度に到達するまでの加速期間のｑ軸電流を抽出するものである、請求項２に記載の電動機付設備の故障徴候検出装置。
4. 前記起動電流抽出部は、前記電流検出部で検出される相電流について、ｄｑ変換することなく、前記電動機の起動時から一定の回転速度に到達するまでの加速期間の相電流を抽出するものである、請求項２に記載の電動機付設備の故障徴候検出装置。
5. 前記診断判定部は、判定比較用の基準値となる初期の分析結果を格納する初期学習部と、
   前記初期学習部に格納された基準値と、前記スペクトル特徴量検出部で検出された前記電動機の回転周波数帯におけるスペクトルピークの強度値とを比較する基準値比較部と、
   前記基準値比較部により前記強度値が前記基準値を超えて異常と判定された回数をカウントし、その異常判定のカウント数に応じて診断結果を判定する異常カウント判定部と、
   を備える請求項２から請求項４のいずれか１項に記載の電動機付設備の故障徴候検出装置。
6. 前記初期学習部は、前記電動機付設備の外部環境、および運転パターンが変化する運転条件のそれぞれで前記基準値を学習し、前記基準値比較部は、前記運転条件に応じて前記初期学習部に格納された基準値と比較する、請求項５に記載の電動機付設備の故障徴候検出装置。
7. 前記診断結果報知部は、前記電動機付設備の異常の有無を表示する表示部、外部に出力する外部出力部、および前記電動機付設備が異常の場合に警報を発する警報部の少なくとも一つを含む、請求項１から請求項６のいずれか１項に記載の電動機付設備の故障徴候検出装置。
8. 電動機を動力源とする負荷、および前記電動機に電力を供給して駆動する駆動装置を備えてなる電動機付設備の故障徴候を検出する方法であって、
   前記電動機に流れる電流を検出する第１ステップと、
   第１ステップで得られる電流について、前記電動機の起動時から一定の回転速度に到達するまでの加速期間の電流を抽出する第２ステップと、
   第２ステップで抽出した電流のデータについて、前記加速期間の内のデータを複数に分割し、分割されたデータについてそれぞれ周波数解析してスペクトル波形を生成する第３ステップと、
   前記第３ステップで得られたスペクトル波形の中から前記電動機の回転周波数帯に発生するスペクトルピークの特徴成分を検出する第４ステップと、
   前記第４ステップで得られた前記スペクトルピークの強度値と予め設定された基準値とを比較する第５ステップと、
   前記第５ステップによる比較結果から前記電動機付設備の異常の有無を判定する第６ステップと、
   前記第６ステップで判定された結果を外部に報知する第７ステップと、
   を有する電動機付設備の故障徴候検出方法。
9. 前記第１ステップで検出した前記電動機に流れる相電流をｄｑ変換する第８ステップを有し、
   前記第２ステップでは、前記電動機の起動時から一定の回転速度に到達するまでの加速期間に前記第８ステップで得られるｑ軸電流を抽出し、
   前記第３ステップでは、前記第２ステップで抽出されたｑ軸電流のデータを複数に分割し、分割されたデータの周波数解析する、請求項８に記載の電動機付設備の故障徴候検出方法。
10. 前記第２ステップでは、前記電動機の起動時から一定の回転速度に到達するまでの加速期間の相電流をｄｑ変換することなく抽出し、前記第３ステップでは、第２ステップで抽出された前記相電流のデータを複数に分割し、分割されたデータを周波数解析してスペクトル波形を生成する、請求項８に記載の電動機付設備の故障徴候検出方法。
11. 前記第３ステップで周波数解析する際には、スパース性のある電流の周波数特性へ圧縮センシング技法を適用し、特徴成分のみを強調するフィルター処理を施す、請求項８から請求項１０のいずれか１項に記載の電動機付設備の故障徴候検出方法。
12. 前記第５ステップでは、前記スペクトルピークの強度値を前記基準値と比較するのに先立ち、初期の分析結果を判定比較用の前記基準値として予め格納する初期学習を行い、前記第６ステップでは、前記第５ステップによる比較結果から前記スペクトルピークの強度値が、前記初期学習により得られた前記基準値を超えて異常と判定された回数をカウントし、その異常判定のカウント数に応じて診断結果を判定する、請求項８から請求項１１のいずれか１項に記載の電動機付設備の故障徴候検出方法。
13. 前記初期学習では、前記電動機付設備の外部環境、および運転パターンが変化する運転条件のそれぞれで前記基準値を学習する、請求項１２に記載の電動機付設備の故障徴候検出方法。

Images