WO2023210441A1

WO2023210441A1 - 異常診断装置、異常診断システム、異常診断方法及びプログラム

Info

Publication number: WO2023210441A1
Application number: PCT/JP2023/015466
Authority: WO
Inventors: 健開田; 誠金丸; 啓井上
Original assignee: Mitsubishi Electric Corp
Current assignee: Mitsubishi Electric Corp
Priority date: 2022-04-26
Filing date: 2023-04-18
Publication date: 2023-11-02
Anticipated expiration: 2024-10-26
Also published as: DE112023002172T5; JPWO2023210441A1; TWI861830B; JP7789194B2; TW202407372A; CN119053871A

Abstract

本開示に係る異常診断装置（１０１）は、電動機（５）の電流信号を格納する電流信号格納部（２１Ａ）と、電流信号の波形を周波数解析する周波数解析部（２２Ａ）と、周波数解析結果において、予め定められた周波数範囲の中で、複数のスペクトルピークを含むように特徴周波数帯に属するデータを抽出する特徴周波数帯抽出部（２２Ｂ）と、特徴周波数帯に属するデータから複数のスペクトルピークを検出し、特徴周波数帯に属するデータから複数のスペクトルピークとして検出されたデータを除外し、当該データを除外した特徴周波数帯に属するデータに含まれる信号強度の総和を算出する特徴量算出部（２２１C）と、総和が第１の閾値以上の場合、回転機械設備が異常と診断する異常診断部（２２Ｄ）とを備え、微小なトルク変動を伴う故障モードによる異常を精度よく診断できる。また、診断結果をネットワークに接続された複数の回転機械設備に送信してもよい。

Description

異常診断装置、異常診断システム、異常診断方法及びプログラム

　本開示は、異常診断装置、異常診断システム、異常診断方法及びプログラムに関わる。

　従来、電動機及び電動機を動力源とするポンプ、ファン、ブロア等の負荷設備から構成される回転機械設備が多数存在する。例えば、電動機及び負荷設備の異常診断は、電動機の駆動電流を周波数解析した結果から、異常により変動する信号強度を検出することにより行われている。

　しかし、ポンプのキャビテーション、異物又はエアの噛み込み等の故障モードに伴って発生する電動機の微小なトルク変動は、周期性を持ちにくいため当該駆動電流の波形を周波数解析した結果において特定のスペクトルピークとして現れにくい。そのため、微小なトルク変動を伴う故障モードによる異常を診断することは困難であった。

　そこで、微小なトルク変動を伴う故障モードによる異常を診断する方法が検討されている。例えば、特許文献１の異常診断装置では、電動機の駆動電流を周波数解析し、予め設定された周波数範囲から基本波及び高調波を除外した後、当該周波数範囲において上位から予め設定された数の強度値を合算して劣化度を算出することにより、キャビテーションを原因とする異常が発生した場合の電動機の異常診断を行っている。

　特開２０２０―１５３９６５公報

　しかしながら、特許文献１の方法では、キャビテーション以外の故障モード、又はインバータ駆動の影響で生じたノイズがキャビテーションと同時に発生した場合、予め設定された周波数範囲に基本波及び高調波以外のスペクトルピークが発生し、強度値の合算に当該スペクトルピークが含まれることになってしまう。これにより、微小なトルク変動を検出する精度が低下し、微小なトルク変動を伴う故障モードによる異常を精度よく診断することが困難であるという課題があった。

　本開示は、上述した課題を解決するためになされたものであり、微小なトルク変動を伴う故障モードによる異常を精度よく診断できる異常診断装置等を提供することを目的とする。

　本開示に係る異常診断装置は、回転機械設備の異常を診断する異常診断装置であって、電動機の電流信号を格納する電流信号記憶部と、電流信号記憶部に格納された電流信号の波形を周波数解析する周波数解析部と、周波数解析部が電流信号の波形を周波数解析した結果である周波数解析結果において、予め定められた周波数範囲の中で、複数のスペクトルピークを含むように特徴周波数帯に属するデータを抽出する特徴周波数帯抽出部と、特徴周波数帯に属するデータから複数のスペクトルピークを検出し、特徴周波数帯に属するデータから複数のスペクトルピークとして検出されたデータを除外し、複数のスペクトルピークとして検出されたデータを除外した特徴周波数帯に属するデータに含まれる、信号強度の総和を算出する特徴量算出部と、総和が第１の閾値以上の場合、回転機械設備が異常と診断する異常診断部と、を備えることを特徴とする。

　本開示に係る異常診断装置は、回転機械設備の異常を診断する異常診断装置であって、電動機の電流信号を格納する電流信号記憶部と、電流信号記憶部に格納された電流信号の波形を周波数解析する周波数解析部と、周波数解析部が電流信号の波形を周波数解析した結果である周波数解析結果において、予め定められた周波数範囲の中で、複数のスペクトルピークを含むように特徴周波数帯に属するデータを抽出する特徴周波数帯抽出部と、特徴周波数帯に属するデータを信号強度の強度順に並び変え、特徴周波数帯に属するデータから信号強度が第２の閾値以上であるデータを除外し、信号強度が第２の閾値以上であるデータを除外した特徴周波数帯に属するデータに含まれる、信号強度の総和を算出する特徴量算出部と、総和が第１の閾値以上の場合、回転機械設備が異常と診断する異常診断部と、を備えることを特徴とする。

　本開示に係る異常診断システムは、回転機械設備の異常を診断する異常診断システムであって、電動機の電流信号を格納する電流信号記憶部と、電流信号記憶部に格納された電流信号の波形を周波数解析する周波数解析部と、周波数解析部が電流信号の波形を周波数解析した結果である周波数解析結果において、予め定められた周波数範囲の中で、複数のスペクトルピークを含むように特徴周波数帯に属するデータを抽出する特徴周波数帯抽出部と、特徴周波数帯に属するデータから複数のスペクトルピークを検出し、特徴周波数帯に属するデータから複数のスペクトルピークとして検出されたデータを除外し、複数のスペクトルピークとして検出されたデータを除外した特徴周波数帯に属するデータに含まれる、信号強度の総和を算出する特徴量算出部と、総和が第１の閾値以上の場合、回転機械設備が異常と診断する異常診断部と、を備えることを特徴とする。

　本開示に係る異常診断システムは、回転機械設備の異常を診断する異常診断システムであって、電動機の電流信号を格納する電流信号記憶部と、電流信号記憶部に格納された電流信号の波形を周波数解析する周波数解析部と、周波数解析部が電流信号の波形を周波数解析した結果である周波数解析結果において、予め定められた周波数範囲の中で、複数のスペクトルピークを含むように特徴周波数帯に属するデータを抽出する特徴周波数帯抽出部と、特徴周波数帯に属するデータを信号強度の強度順に並び変え、特徴周波数帯に属するデータから信号強度が第２の閾値以上であるデータを除外し、信号強度が第２の閾値以上であるデータを除外した特徴周波数帯に属するデータに含まれる、信号強度の総和を算出する特徴量算出部と、総和が第１の閾値以上の場合、回転機械設備が異常と診断する異常診断部と、を備えることを特徴とする。

　本開示に係る異常診断方法は、電動機に流れる電流信号を検出する電流信号検出ステップと、電流信号検出ステップで検出された電流信号の波形を周波数解析する周波数解析ステップと、周波数解析ステップが電流信号の波形を周波数解析した結果である周波数解析結果において、予め定められた周波数範囲の中で、複数のスペクトルピークを含むように特徴周波数帯に属するデータを抽出する特徴周波数帯抽出ステップと、特徴周波数帯に属するデータから複数のスペクトルピークを検出し、特徴周波数帯に属するデータから複数のスペクトルピークとして検出されたデータを除外するデータ除外ステップと、複数のスペクトルピークとして検出されたデータを除外した特徴周波数帯に属するデータに含まれる、信号強度の総和を算出する特徴量算出ステップと、総和が第１の閾値以上か否かを判定する判定ステップと、総和が第１の閾値以上の場合、回転機械設備が異常と診断する異常診断ステップと、を備えることを特徴とする。

　本開示に係る異常診断方法は、回転機械設備の異常を診断する異常診断方法であって、電動機に流れる電流信号を検出する電流信号検出ステップと、電流信号検出ステップで検出された電流信号の波形を周波数解析する周波数解析ステップと、周波数解析ステップが電流信号の波形を周波数解析した結果である周波数解析結果において、予め定められた周波数範囲の中で、複数のスペクトルピークを含むように特徴周波数帯に属するデータを抽出する特徴周波数帯抽出ステップと、特徴周波数帯に属するデータを信号強度の強度順に並び変え、特徴周波数帯に属するデータから信号強度が第２の閾値以上であるデータを除外するデータ除外ステップと、信号強度が第２の閾値以上であるデータを除外した特徴周波数帯に属するデータに含まれる、信号強度の総和を算出する特徴量算出ステップと、総和が第１の閾値以上か否かを判定する判定ステップと、総和が第１の閾値以上の場合、回転機械設備が異常と診断する異常診断ステップと、を備えることを特徴とする。

　本開示に係るプログラムは、回転機械設備の異常を診断するプログラムであって、コンピュータに、電動機に流れる電流信号を検出する電流信号検出ステップと、電流信号検出ステップで検出された電流信号の波形を周波数解析する周波数解析ステップと、周波数解析ステップが電流信号の波形を周波数解析した結果である周波数解析結果において、予め定められた周波数範囲の中で、複数のスペクトルピークを含むように特徴周波数帯に属するデータを抽出する特徴周波数帯抽出ステップと、特徴周波数帯に属するデータから複数のスペクトルピークを検出し、特徴周波数帯に属するデータから複数のスペクトルピークとして検出されたデータを除外するデータ除外ステップと、複数のスペクトルピークとして検出されたデータを除外した特徴周波数帯に属するデータに含まれる、信号強度の総和を算出する特徴量算出ステップと、総和が第１の閾値以上か否かを判定する判定ステップと、総和が第１の閾値以上の場合、回転機械設備が異常と診断する異常診断ステップと、を実行させることを特徴とする。

　本開示によれば、微小なトルク変動を伴う故障モードによる異常を精度よく診断できる。

実施の形態１に係る異常診断装置の概略構成を示す図である。実施の形態１に係る異常診断装置の概略構成を示す図である。実施の形態１に係る診断結果出力部の概略構成を示す図である。実施の形態１に係る監視診断部のハードウェア構成を示す図である。実施の形態１に係る異常診断装置の処理フローを示すフローチャートである。実施の形態１に係る電流検出部が測定する電流信号の波形の一例を示す図である。実施の形態１に係る電流検出部が測定した電流信号の周波数解析結果の一例を示す図である。実施の形態１に係る電流検出部が測定した電流信号の周波数解析結果の一例を示す図である。実施の形態１に係る電流検出部が測定した電流信号の周波数解析結果の一例を示す図である。実施の形態１に係る異常診断装置の別の概略構成を示す図である。実施の形態１に係る異常診断装置の別の概略構成を示す図である。図１１の回路の概略構成図である。実施の形態１の変形例１に係る異常診断システムの概略構成を示す図である。実施の形態１に変形例２係る異常診断システムの概略構成を示す図である。実施の形態２に係る異常診断装置の概略構成を示す図である。実施の形態２に係る異常診断装置の処理フローを示すフローチャートである。実施の形態２に係る電流検出部が測定した電流信号の周波数解析結果の一例を示す図である。実施の形態２に係るソートデータの一例を示す図である。実施の形態２の変形例１に係る異常診断システムの概略構成を示す図である。実施の形態２に変形例２係る異常診断システムの概略構成を示す図である。実施の形態３に係る異常診断装置の概略構成を示す図である。実施の形態３に係る異常診断装置の処理フローを示すフローチャートである。実施の形態４に係る異常診断装置の概略構成を示す図である。実施の形態４に係る異常診断装置の処理フローを示すフローチャートである。実施の形態５に係る異常診断装置の概略構成を示す図である。実施の形態５に係る異常診断装置の処理フローを示すフローチャートである。

　以下、本開示の実施の形態について、添付の図面を参照しながら説明する。なお、図面は模式的に示されたものであり、異なる図面にそれぞれ示されている画像のサイズおよび位置の相互関係は、必ずしも正確に記載されたものではなく、適宜変更され得る。また、以下の説明では、同様の構成要素には同じ符号を付して図示し、それらの名称および機能も同一又は同様のものとする。よって、それらについての詳細な説明を省略する場合がある。

実施の形態１．
　図１～図９を用いて本実施の形態における異常診断装置１０１について説明する。
　図１において、異常診断装置１０１は、電動機５に接続されている配線９Ａ、９Ｂ、９Ｃのいずれかに接続された電流検出部１と、監視診断部２と、診断結果出力部３とを有する。

　電流検出部１は、配線９Ａ、９Ｂ、９Ｃに流れる電流を計測しており、これにより電動機５を駆動する駆動電流を取得する。電流検出部１は、取得した駆動電流を電流信号として監視診断部２に出力する。監視診断部２は、回転機械設備４の異常を判定する。監視診断部２は、回転機械設備４の異常を判定すると、判定結果を診断結果出力部３に送る。診断結果出力部３は、異常の発生有無を監視担当者に知らせる。

　電動機５は、三相交流モータであり、商用電源８にインバータ７を介して接続され、インバータ７により駆動される。
　インバータ７は、商用電源８に接続され、商用電源８からの交流電力を直流電力に変換するＡＣ－ＤＣコンバータと、直流電力を交流電力に変換するＤＣ－ＡＣコンバータとを組み合わせて構成されており、ＤＣ－ＡＣコンバータが変換した交流電力を電動機５に供給する。
　回転機械設備４は、電動機５と、電動機５に接続され電動機５を動力源とする負荷設備６とを有する。例えば、負荷設備６は、電動機５を動力源として駆動する水ポンプ、真空ポンプ、ファン、ブロア等である。

　一例として、異常診断装置１０１を浄水場、下水処理場などの水処理プラントを始めとした公共プラント監視制御システムに適用する場合について説明する。水処理プラントで使用される取水ポンプ、送水ポンプ等の負荷設備６は電動機５によって駆動される。異常診断装置１０１は、電動機５に接続されている配線９Ａ、９Ｂ、９Ｃのいずれかに接続された電流検出部１から取得した電流信号を用いて、監視診断部２にて負荷設備６と電動機５から構成される回転機械設備４の異常診断を行う。監視診断部２により判定された回転機械設備４の異常は、診断結果出力部３に送られ、異常の発生の有無を水処理プラントの運転管理オペレータに知らせる。

　本実施の形態では、回転機械設備４は、インバータ７により駆動される電動機５と、負荷設備６である水ポンプとを有し、電流検出部１から入力される電流信号を分析することにより、微小なトルク変動を伴う水ポンプのキャビテーションによる異常を診断する例を説明する。

　キャビテーションとは、液体が低圧状態となった場合に、液体が気化して気泡が発生する現象のことである。また、気泡が発生した後に、再度液体が低圧状態ではなくなった場合、発生した気泡が大きな衝撃と共に消滅する。そのため、水ポンプ内でキャビテーションが発生することにより、発生した気泡が水ポンプ内の液体の流れを妨害するため、水ポンプの揚水能力が低下する。加えて、水ポンプ内でキャビテーションが消滅することにより、気泡消滅時に発生した衝撃によって水ポンプの損傷、貫通孔の発生等の異常が発生するおそれがある。

　なお、本実施の形態において、電動機５に接続されている商用電源８のいずれかに電流検出部１が接続される例を示したが、電流検出部１を商用電源８の各相に設置してもよい。この場合でも、いずれかの相を計測すればよい。

　また、本実施の形態において、微小なトルク変動を伴う水ポンプのキャビテーションによる異常を検知する例を示したが、微小なトルク変動を伴う水ポンプのキャビテーション以外の故障モードによる異常を検知してもよい。例えば、水ポンプのキャビテーション以外の故障モードには、水ポンプにおける異物の噛み込み、エアの噛み込み、真空ポンプにおける副生成物の堆積、軸受けの摩耗、ファンにおける羽の欠損等がある。

　図２において、監視診断部２は、メモリ部２１と、解析部２２とを有する。メモリ部２１は、電流信号記憶部２１Ａと、判定基準記憶部２１Ｂと、異常判定記憶部２１Ｃとを有する。解析部２２は、周波数解析部２２Ａと、特徴周波数帯抽出部２２Ｂと、特徴量算出部２２１Ｃと、異常診断部２２Ｄとを有する。図３において、診断結果出力部３は、表示部３１Ａと、警報部３１Ｂと、外部出力通信部３１Ｃとを有する。

　図４は、本実施の形態における監視診断部２のハードウェア構成を示す図である。監視診断部２は、送受信装置２３、プロセッサ（ＣＰＵ：Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）２４、メモリ（ＲＯＭ：Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）２５、およびメモリ（ＲＡＭ：ＲａｎｄｏｍＡｃｃｅｓｓ　Ｍｅｍｏｒｙ）２６を含んで構成される。監視診断部２は、メモリ２５に予め格納されたプログラムをプロセッサ２４が処理することで、回転機械設備４の異常を診断し、診断結果を出力する。

　監視診断部２においては、メモリ２５に格納された所定のプログラムをプロセッサ２４が実行することで、各種の機能モジュールが実現される。機能モジュールには、解析部２２が含まれる。なお、メモリ２５およびメモリ２６には、メモリ部２１が含まれる。送受信装置２３は、監視診断部２に接続された電流検出部１との間及び監視診断部２に接続された診断結果出力部３との間で信号を送受信する。

　なお、監視診断部２の各機能モジュールは、上記の通り予め設定されたプログラムに従ってプロセッサ２４がソフトウェア処理を実行することにより実現してもよいし、少なくとも一部について、各機能モジュールに相当する機能を有する電子回路等のハードウェアにより所定の数値・論理演算処理を実行するように構成されてもよい。

　図５を用いて、異常診断装置１０１に含まれる各構成の詳細な説明とともに本実施の形態における異常診断装置１０１の処理フローについて説明する。以下に示すステップで構成されるフローチャートは予め定められた条件が成立する毎に繰り返し実行される。

　ステップＳ１において、電流検出部１は、電動機５に流れる電流を測定し、電流信号記憶部２１Ａへ電流信号を出力する。電流信号記憶部２１Ａは、電流信号を格納する。
　図６は、電流検出部１が検出した電流信号の波形を示す図である。縦軸は電流値を、横軸は時間を表す。電流信号の波形は、点線（Ｕ相）、破線（Ｖ相）、実線（Ｗ相）で示されている。

　そして、ステップＳ２において、周波数解析部２２Ａは、電流信号記憶部２１Ａから取得した電流信号の波形を周波数解析する。

　図７は、図６の点線で示されたＵ相の電流信号の波形の周波数解析結果を示す図である。縦軸は電流パワースペクトル、横軸は周波数を示す。図７に示される周波数解析結果は、電源周波数が５０Ｈｚの場合を示しており、電源周波数である５０Ｈｚ、及び電源周波数の３次成分である１５０Ｈｚにてスペクトルピークを有する。
　電源周波数とは、商用電源８の周波数であり、電源周波数の３次成分とは、電源周波数に対して３倍の周波数のことである。周波数は、電源周波数に対してｘ倍の周波数を持つとき、電源周波数のｘ次成分であると表現される。ｘは、０以上の整数である。

　ここで、図７に示される周波数解析結果が、電源周波数、電源周波数の３次成分にスペクトルピークを有する理由を説明する。
　インバータ７による電力変換の過程において、ＡＣ－ＤＣコンバータにより商用電源８からの交流電力を直流電力に変換する際に、コンバータ回路の動作により電源周波数を持つ基本波と電源周波数の整数倍の周波数をもつ高調波が合成された歪んだ波形の電流が発生する。この歪んだ波形の電流が電圧波形に影響を与え、電圧波形を歪ませる。歪んだ波形の電圧を印加した機器にも同様に歪んだ波形の電流が流れる。

　このような理由により、図７に示される周波数解析結果は、電源周波数、電源周波数の３次成分にスペクトルピークを有する。また、本実施の形態において、Ｕ相の電流信号の波形を周波数解析する例を示したが、他の単一の相、複数の相又は全ての相の電流信号を周波数解析してもよい。
　また、図７では電源周波数が５０Ｈｚの例を示したが、以降の異常診断装置１０１の処理フローの説明では、電源周波数が６０Ｈｚである場合の処理フローを説明する。

　そして、図５のステップＳ３において、特徴周波数帯抽出部２２Ｂは、予め定められた周波数範囲の中で、複数のスペクトルピークを含むように特徴周波数帯に属するデータを抽出する。本実施の形態では、電源周波数の０次成分から２次成分の周波数範囲の中で、複数のスペクトルピークを含むように特徴周波数帯に属するデータを抽出する。
　具体的には、周波数解析部２２Ａから入力されたＵ相の電流信号の周波数解析結果のデータから、電源周波数の０次成分である０Ｈｚから２次成分である１２０Ｈｚまでの周波数範囲を特徴周波数帯として、この特徴周波数帯に属するデータを抽出する。
　ここで、特徴周波数帯とは、後述する特徴量の算出に用いられる周波数範囲のことである。

　次に、電源周波数の０次成分から２次成分の周波数範囲を特徴周波数帯として、この特徴周波数帯に属するデータを抽出する理由を説明する。負荷設備６にキャビテーションが発生した場合、キャビテーションが発生しない場合と比較して負荷設備６を駆動させるために必要となる電動機５のトルクが微小に変動する。また、電動機５のトルクは電流値によって決定されるため、電動機５のトルクが微小に変動することにより、電動機５の駆動電流にも影響を与える。
　結果、微小なトルク変動の影響を受けた電流信号の周波数解析結果は、電源周波数近傍の周波数範囲である電源周波数の０次成分から２次成分の周波数範囲で信号強度が増加する。

　図８は負荷設備６に微小なトルク変動が発生した場合と発生しない場合の電流信号の周波数解析結果を比較したグラフの一例である。縦軸は電流パワースペクトル、横軸は周波数を示す。微小なトルク変動が発生した場合は実線で、微小なトルク変動が発生しない場合は点線で示し、電源周波数を６０Ｈｚ、電動機５の回転周波数を３０Ｈｚとする。回転周波数とは、電動機５の回転速度を周波数として表記したものである。

　実線で示されるように、微小なトルク変動が発生した場合の信号強度は、微小なトルク変動が発生しない場合と比較して、電源周波数である６０Ｈｚを中心として低周波側と高周波側に電源周波数±４０Ｈｚの周波数範囲、すなわち２０Ｈｚ～１００Ｈｚの周波数範囲で増加することが確認できる。
　このような理由により、電源周波数の０次成分である０Ｈｚから２次成分である１２０Ｈｚの周波数範囲を特徴周波数帯として抽出する。

　また、図８では電源周波数近傍の周波数範囲である電源周波数の０次成分から２次成分の周波数範囲における、微小なトルク変動の影響について示したが、電源周波数の５次成分近傍の周波数範囲である電源周波数の４次成分から６次成分の周波数範囲、電源周波数の７次成分近傍の周波数範囲である電源周波数の６次成分から８次成分の周波数範囲においても同様に微小なトルク変動の影響を受ける。

　加えて、図８に示すように、電源周波数の０次成分から２次成分の周波数範囲内において、電源周波数の両側に複数のスペクトルピークが出現する。図８では、電源周波数±回転周波数の周波数、すなわち３０Ｈｚと９０Ｈｚにおいて、後述する変調波の側帯波成分のスペクトル１２Ａがスペクトルピークとして出現する。また、電源周波数±２０Ｈｚの周波数、すなわち４０Ｈｚと８０Ｈｚにおいて、後述するインバータ７のスイッチング動作に起因するノイズ成分のスペクトル１２Ｂがスペクトルピークとして出現する。

　変調波とは、ＤＣ－ＡＣインバータの電力制御方式であるＰＷＭ（Ｐｕｌｓｅ　Ｗｉｄｔｈ　Ｍｏｄｕｌａｔｉｏｎ）制御に用いられる要素の一つである。ここで、変調波は基本波であり、変調波の周波数である変調波周波数は電源周波数に相当する。
　変調波の側帯波成分は、電動機５の回転周波数に依存し、変調波周波数の両側に回転周波数分ずれた周波数において現れる。図８では、電源周波数±回転周波数の周波数において変調波の側帯波成分のスペクトル１２Ａが出現する。

　インバータ７のスイッチング動作に起因するノイズ成分は、インバータ７による電力変換の過程において、ＤＣ－ＡＣインバータにより直流電力を交流電力に変換する際に、インバータ回路のスイッチング動作により、ＡＣ－ＤＣコンバータから出力される直流電圧と、電動機５に出力される交流電圧とは、電源周波数と電源周波数の整数倍の周波数で僅かに変動する。その僅かに変動した値がインバータ７のスイッチング動作に起因するノイズ成分のスペクトル１２Ｂとして現れる。
　図８では、電源周波数±２０Ｈｚにおいてノイズ成分のスペクトル１２Ｂが出現したが、使用するインバータ７の制御方法、種類等により、電源周波数±２０Ｈｚとは異なる周波数にも出現する場合がある。

　なお、変調波の側帯波成分のスペクトル１２Ａ及びインバータ７のスイッチング動作に起因するノイズ成分のスペクトル１２Ｂは、インバータ駆動の影響で生じるノイズの例である。
　また、側帯波成分のスペクトル１２Ａ及びノイズ成分のスペクトル１２Ｂが、電源周波数の０次成分から２次成分の周波数範囲内に出現する例を示したが、キャビテーション以外の異常が同時に発生した場合は、側帯波成分のスペクトル１２Ａ及びノイズ成分のスペクトル１２Ｂとは異なるスペクトルピークが当該周波数範囲に出現する場合もある。

　なお、電源周波数の０次成分から２次成分の周波数範囲の中で複数のスペクトルピークを含むように特徴周波数帯に属するデータを抽出する例を示したが、これに限られない。電源周波数の４次成分から６次成分の周波数範囲、電源周波数の６次成分から８次成分の周波数範囲等の中で複数のスペクトルピークを含むように特徴周波数帯に属するデータを抽出してもよい。
　例えば、電源周波数が５０Ｈｚである場合と電源周波数が６０Ｈｚである場合の両方に対応するように、０Ｈｚから１２０Ｈｚの周波数範囲、２００Ｈｚから３６０Ｈｚの周波数範囲、３００Ｈｚから４８０Ｈｚに含まれる周波数範囲等の中で複数のスペクトルピークを含むように特徴周波数帯に属するデータを抽出してもよい。

　図９は、図８に示す電流信号の周波数解析結果を比較したグラフから特徴周波数帯、すなわち０～１２０Ｈｚの周波数範囲に属するデータを抽出した場合を示す図である。
　図５のステップＳ３において、特徴周波数帯抽出部２２Ｂは、周波数解析部２２Ａから入力されたＵ相の電流信号の周波数解析結果のデータから、図９に示すような特徴周波数帯に属するデータを抽出する。

　図５のステップＳ３１において、特徴量算出部２２１Ｃは、特徴周波数帯抽出部２２Ｂから入力された特徴周波数帯に属するデータから、電源周波数のスペクトル、電源周波数の２次成分のスペクトル、側帯波成分のスペクトル１２Ａ及びノイズ成分のスペクトル１２Ｂをスペクトルピークとして検知し、除外する。

　例えば、スペクトルピークの検知方法は、特徴周波数帯に属するデータのうち、信号強度が高い上位から予め定められた個数のデータをスペクトルピークとして検知する方法がある。ほかにも、特徴周波数帯を予め定められた周波数刻みで分割して、分割された各範囲それぞれにおいて、各範囲内における各信号強度の平均値を取り、分割された各範囲内における各信号強度と平均値とを比較し、平均値を上回る信号強度のデータをスペクトルピークとして検知する方法等が挙げられる。

　図９の特徴周波数帯に属するデータにステップＳ３１を適用した場合、特徴周波数帯に属するデータから電源周波数のスペクトル、電源周波数の２次成分のスペクトル、側帯波成分のスペクトル１２Ａ及びノイズ成分のスペクトル１２Ｂがスペクトルピークとして検知され、除外される。

　また、本実施の形態において、特徴周波数帯に属するデータから側帯波成分のスペクトル１２Ａ及びノイズ成分のスペクトル１２Ｂを除外する例を示したが、側帯波成分のスペクトル１２Ａ及びノイズ成分のスペクトル１２Ｂ以外を原因とするスペクトルピークが特徴周波数帯に出現した場合は、同様に側帯波成分のスペクトル１２Ａ及びノイズ成分のスペクトル１２Ｂ以外を原因とするスペクトルピークも除外する。つまり、特徴周波数帯に出現するスペクトルピークは、微小なトルク変動を伴う故障モードによる異常の診断に使用されないように除外する。

　ここで、図５のステップＳ３１において特徴周波数帯に属するデータからスペクトルピークを除外する理由を説明する。図８に示すように微小なトルク変動が発生した場合、微小なトルク変動の影響を受けた電流信号の周波数特性は、電源周波数±４０Ｈｚの周波数範囲で信号強度が増加する。一方で、微小なトルク変動による電流変化は微小であるため、特徴周波数帯における信号強度の増加もスペクトルピークと比較して微小となる。ここで、特徴周波数帯に属するデータにスペクトルピークが含まれると、微小な信号強度の変化がスペクトルピークに埋もれてしまう恐れがある。このような理由により、ステップＳ３１において特徴周波数帯に属するデータからスペクトルピークを除外する。

　そして、図５のステップＳ４１において、特徴量算出部２２１Ｃは、スペクトルピークを除外した特徴周波数帯に属するデータから特徴量を算出する。当該特徴量は、スペクトルピークを除外した特徴周波数帯に属するデータを用いて、このデータに含まれる全ての信号強度の総和を計算することで算出できる。すなわち、特徴量は、本実施の形態では、スペクトルピークを除外した特徴周波数帯に属するデータに含まれる、全ての信号強度の総和である。

　ここで、信号強度とは、電流値又は電流パワースペクトルのことである。図９において、特徴量は、スペクトルピークを除外した特徴周波数帯に属するデータに含まれる、全ての電流パワースペクトルの総和に相当する。

　そして、図５のステップＳ４Ａにおいて、特徴量算出部２２１Ｃは、初期学習記録期間をＴ、予め定められた期間をＴ_０として、初期学習記録期間Ｔが予め定められた期間Ｔ_０より小さいか否かを判定する。

　ここで、初期学習記録とは、回転機械設備４の駆動開始から予め定められた期間において、ステップＳ４１で特徴量を算出し、当該特徴量を判定基準記憶部２１Ｂに蓄積することであり、初期学習記録期間とは、後述する判定基準を生成するために、初期学習記録を繰り返し実行する予め定められた期間のことである。

　初期学習記録期間Ｔが予め定められた期間Ｔ_０より小さい場合（ステップＳ４Ａ：ＹＥＳの場合）に、処理をステップＳ４Ｂに進め、初期学習記録期間Ｔが予め定められた期間Ｔ_０以上である場合（ステップＳ４Ａ：ＮＯの場合）に、処理をステップＳ４Ｅに進める。具体的には、初期学習記録期間Ｔが予め定められた期間Ｔ_０より小さい場合とは、回転機械設備４の駆動開始から初期学習記録期間までを指し、初期学習記録期間Ｔが予め定められた期間Ｔ_０以上である場合とは、初期学習記録期間終了後、異常診断装置１０１が回転機械設備４の異常診断を行う期間を指す。

　そして、ステップＳ４Ｂにおいて、特徴量算出部２２１Ｃは、特徴量を判定基準記憶部２１Ｂに蓄積し、初期学習記録を行う。
　そして、ステップＳ４Ｃにおいて、特徴量算出部２２１Ｃは、初期学習記録期間Ｔが予め定められた期間Ｔ_０より小さいか否かを判定する。初期学習記録期間Ｔが予め定められた期間Ｔ_０より小さい場合（ステップＳ４Ｃ：ＹＥＳの場合）に、処理をステップＳ１に進め、初期学習記録期間Ｔが予め定められた期間Ｔ_０以上である場合（ステップＳ４Ｃ：ＮＯの場合）に、処理をステップＳ４Ｄに進める。

　そして、ステップＳ４Ｄにおいて、特徴量算出部２２１Ｃは、初期学習記録により、回転機械設備４の駆動開始から予め定められた期間Ｔ_０の間に、判定基準記憶部２１Ｂに蓄積した特徴量に統計処理を施すことで、第１の閾値である判定基準を生成し、生成した判定基準を判定基準記憶部２１Ｂに格納する。
　例えば、判定基準を生成するための統計処理の方法としては、判定基準記憶部２１Ｂに蓄積した特徴量の平均、ばらつきσ、２σ、３σ等を算出することにより生成する方法がある。

　そして、ステップＳ４Ｅにおいて、異常診断部２２Ｄは、特徴量が第１の閾値以上か否かを判定する。特徴量が第１の閾値以上である場合（ステップＳ４Ｅ：ＹＥＳの場合）に、処理をステップＳ５に進め、特徴量が第１の閾値より小さい場合（ステップＳ４Ｅ：ＮＯの場合）に、処理をステップＳ７に進める。

　そして、ステップＳ５において、異常診断部２２Ｄは、回転機械設備４が異常であると診断し、診断結果を異常判定記憶部２１Ｃに出力する。

　ここで、特徴量算出部２２１Ｃは、初期学習により生成された判定基準のデータ数と特徴量のデータ数とが異なる場合、判定基準と特徴量の比較を正確に行えないため、判定基準のデータ数と特徴量のデータ数とを揃える処理を行う。判定基準のデータ数が特徴量のデータ数よりも多い場合、判定基準のデータから信号強度の高いデータを順に除外し、判定基準のデータ数と特徴量のデータ数とを一致させる。また、判定基準のデータ数が特徴量のデータ数よりも少ない場合、特徴量のデータから信号強度の高いデータを順に除外し、特徴量のデータ数と判定基準のデータ数とを一致させる。

　例えば、判定基準のデータ数と特徴量のデータ数とが異なるのは、周波数解析の分解能が同じであるが、特徴周波数帯に属するデータを抽出する際の当該特徴周波数帯の周波数範囲が異なる場合等が挙げられる。

　そして、ステップＳ６において、診断結果出力部３は異常判定記憶部２１Ｃから診断結果を取得する。それにより、診断結果出力部３は、診断結果をディスプレイ等の表示部３１Ａに表示し、警報部３１Ｂは、回転機械設備４が異常であると診断された場合に警報音を鳴らす、あるいは異常ランプの点灯又は点滅等により警報を発報し、外部出力通信部３１Ｃは、診断結果を制御装置盤、ＰＣ（Ｐｅｒｓｏｎａｌ　Ｃｏｍｐｕｔｅｒ）、クラウドサーバ等の外部装置に送信する。

　そして、ステップＳ７において、異常診断部２２Ｄは、異常診断を継続するか否かを判定する。異常診断を継続する場合（ステップＳ７：ＹＥＳの場合）に、処理をステップＳ１に進め、異常診断を継続しない場合（ステップＳ７：ＮＯの場合）に、処理を終了する。

　例えば、異常診断を継続するか否かの判定方法は、異常診断部２２Ｄに異常診断を継続する期間を予め設定し、異常診断を継続する期間を超過した場合、異常診断を継続しないと判定する方法等が挙げられる。例えば、異常診断を継続する期間は、回転機械設備４が稼働している期間等が挙げられる。
　このように、図５のステップＳ１～ステップＳ７により、回転機械設備４の異常を診断する。

　このように本実施の形態の異常診断装置１０１は、スペクトルピークとして検出されたデータを除外した特徴周波数帯に属するデータに含まれる、全ての信号強度の総和と第１の閾値とを比較することで、回転機械設備４の異常診断を行う。これにより、微小なトルク変動による微小な信号強度の変化がスペクトルピークに埋もれてしまうことを防止し、微小なトルク変動の検出精度を向上させ、その結果、微小なトルク変動を伴う故障モードによる異常を精度よく診断することができる。

　このように本実施の形態の異常診断装置１０１は、回転機械設備４の異常を診断する異常診断装置１０１であって、電動機５の電流信号を格納する電流信号記憶部２１Ａと、電流信号記憶部２１Ａに格納された電流信号の波形を周波数解析する周波数解析部２２Ａと、周波数解析部２２Ａが電流信号の波形を周波数解析した結果である周波数解析結果において、予め定められた周波数範囲の中で、複数のスペクトルピークを含むように特徴周波数帯に属するデータを抽出する特徴周波数帯抽出部２２Ｂと、特徴周波数帯に属するデータから複数のスペクトルピークを検出し、特徴周波数帯に属するデータから複数のスペクトルピークとして検出されたデータを除外し、複数のスペクトルピークとして検出されたデータを除外した特徴周波数帯に属するデータに含まれる、信号強度の総和を算出する特徴量算出部２２１Ｃと、総和が第１の閾値以上の場合、回転機械設備４が異常と診断する異常診断部２２Ｄと、を備える。このようにして、微小なトルク変動による微小な信号強度の変化がスペクトルピークに埋もれてしまうことを防止し、微小なトルク変動の検出精度を向上させ、その結果、微小なトルク変動を伴う故障モードによる異常を精度よく診断することができる。

　このように本実施の形態の異常診断方法は、電動機５に流れる電流信号を検出する電流信号検出ステップＳ１と、電流信号検出ステップＳ１で検出された電流信号の波形を周波数解析する周波数解析ステップＳ２と、周波数解析ステップＳ２が電流信号の波形を周波数解析した結果である周波数解析結果において、予め定められた周波数範囲の中で、複数のスペクトルピークを含むように特徴周波数帯に属するデータを抽出する特徴周波数帯抽出ステップＳ３と、特徴周波数帯に属するデータから複数のスペクトルピークを検出し、特徴周波数帯に属するデータから複数のスペクトルピークとして検出されたデータを除外するデータ除外ステップＳ３１と、複数のスペクトルピークとして検出されたデータを除外した特徴周波数帯に属するデータに含まれる、信号強度の総和を算出する特徴量算出ステップＳ４１と、総和が第１の閾値以上か否かを判定する判定ステップＳ４Ｅと、総和が第１の閾値以上の場合、回転機械設備４が異常と診断する異常診断ステップＳ５と、を備える。このようにして、微小なトルク変動による微小な信号強度の変化がスペクトルピークに埋もれてしまうことを防止し、微小なトルク変動の検出精度を向上させ、その結果、微小なトルク変動を伴う故障モードによる異常を精度よく診断することができる。

　このように本実施の形態のプログラムは、回転機械設備４の異常を診断するプログラムであって、コンピュータに、電動機５に流れる電流信号を検出する電流信号検出ステップＳ１と、電流信号検出ステップＳ１で検出された電流信号の波形を周波数解析する周波数解析ステップＳ２と、周波数解析ステップＳ２が電流信号の波形を周波数解析した結果である周波数解析結果において、予め定められた周波数範囲の中で、複数のスペクトルピークを含むように特徴周波数帯に属するデータを抽出する特徴周波数帯抽出ステップＳ３と、特徴周波数帯に属するデータから複数のスペクトルピークを検出し、特徴周波数帯に属するデータから複数のスペクトルピークとして検出されたデータを除外するデータ除外ステップＳ３１と、複数のスペクトルピークとして検出されたデータを除外した特徴周波数帯に属するデータに含まれる、信号強度の総和を算出する特徴量算出ステップＳ４１と、総和が第１の閾値以上か否かを判定する判定ステップＳ４Ｅと、総和が第１の閾値以上の場合、回転機械設備４が異常と診断する異常診断ステップＳ５と、を実行させることを特徴とする。このようにして、微小なトルク変動による微小な信号強度の変化がスペクトルピークに埋もれてしまうことを防止し、微小なトルク変動の検出精度を向上させ、その結果、微小なトルク変動を伴う故障モードによる異常を精度よく診断することができる。

　なお、本実施の形態において、電動機５がインバータ７により駆動される例を示したが、図１０に示すように、電動機５が複数個の配線用遮断器１０Ａ、１０Ｂ、１０Ｃと複数個の電磁接触器１１Ａ、１１Ｂ、１１Ｃとを介して商用電源８に接続され、商用電源８により駆動されてもよい。

　また、本実施の形態において、異常診断装置１０１は、電流検出部１と、監視診断部２と、診断結果出力部３とを有する例を示したが、電流検出部１及び診断結果出力部３は、異常診断装置１０１とは異なる外部の装置に設けられてもよい。

　また、本実施の形態において、図１１に示すように、異常診断装置１０１は、インバータ７に内蔵された、インバータ制御のために電動機５の交流母線に流れる電流を検出する電流検出部７１と、プロセッサ（ＣＰＵ）とメモリで構成されるインバータ制御装置７２と、を活用し、電流検出部１、監視診断部２、および診断結果出力部３の少なくとも１つがインバータ７に実装されていてもよい。図１２は図１１の機能構成図を回路で示した概略図である。図１２では、電流検出部１、監視診断部２、および診断結果出力部３の全てがインバータ７に実装されている例を示している。

　インバータ制御装置７２のハードウェア構成は、図４で示した監視診断部２のハードウェア構成と同様である。送受信装置２３、プロセッサ（ＣＰＵ：Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）２４、メモリ（ＲＯＭ：Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）２５、およびメモリ（ＲＡＭ：ＲａｎｄｏｍＡｃｃｅｓｓ　Ｍｅｍｏｒｙ）２６を含んで構成される。インバータ制御装置７２は、メモリ２５に予め格納されたプログラムをプロセッサ２４が処理することで、電流検出部７１の出力結果から電動機５に流れる電流情報と電動機５に設けられた回転角センサ（図では省略）で検出された電動機の角度より３相／ｄｑ変換を行い、ｄ軸電流検出値とq軸電流検出値を検出してメモリ２６に記憶し、これと上位制御装置から与えられたd軸電流指令値、ｑ軸電流指令値を比較してｄ軸電圧指令値、ｑ軸電圧指令値を算出する。算出したｄ軸、q軸電圧指令値と電動機５の回転位置情報を２相３相変換し、送受信装置２３により電動機５の巻線に電圧指令値を出力する。このようなインバータ制御装置７２のプロセッサ２４とメモリ２５、２６を活用し、インバータ制御装置７２に、監視診断部２および診断結果出力部３を備えることが可能である。電流検出部７１の１相を電流検出部１として使用し、メモリ２５に所定のプログラムを格納し、このプログラムをプロセッサ２４が実行することで、監視診断部２の各種の機能モジュールが実現される。

　また、本実施の形態において、電源周波数の０次成分から２次成分の周波数範囲の中で複数のスペクトルピークを含むように特徴周波数帯に属するデータを抽出し、抽出した特徴周波数帯に属するデータを用いて回転機械設備の異常診断を行う例を示したが、複数の周波数範囲の中で、それぞれ複数のスペクトルピークを含むように特徴周波数帯に属するデータを抽出し、抽出した複数の特徴周波数帯に属するデータを用いて回転機械設備の異常診断を行ってもよい。
　例えば、電源周波数の０次成分から２次成分の周波数範囲及び電源周波数の４次成分から６次成分の周波数範囲の中で、複数のスペクトルピークを含むように特徴周波数に属するデータをそれぞれ抽出し、電源周波数の０次成分から２次成分の周波数範囲の中で抽出した特徴周波数帯及び電源周波数の４次成分から６次成分の周波数範囲の中で抽出した特徴周波数帯に属するデータを用いて回転機械設備の異常診断を行ってもよい。

　また、本実施の形態において、異常診断に用いる判定基準は、回転機械設備の駆動開始から予め定められた期間、算出した特徴量を判定基準記憶部２１Ｂに蓄積する初期学習記録を繰り返し行い、蓄積した特徴量に統計処理を施すことにより生成される例を示したが、事前に判定基準記憶部２１Ｂに所定の判定基準を設定して格納しておいてもよい。

　＜変形例１＞
　図１３は実施の形態１の変形例１に係る異常診断システム２０１を示す図である。図１に示した構成例では、電流検出部１と、監視診断部２と、診断結果出力部３とが一体化された異常診断装置１０１を備え、異常診断装置１０１が回転機械設備４の異常診断を行うが、図１３に示した異常診断システム２０１は、監視診断部２及び診断結果出力部３を備えるサーバ３０と、電動機５－１～５－ｎ及び負荷設備６－１～６－ｎを備える回転機械設備４－１～４－ｎに接続された電流検出部１－１～１－ｎと、を備え、電流検出部１－１～１－ｎとサーバ３０とがネットワークを介して接続される。ｎは、回転機械設備４－１～４－ｎの数であり、１以上の整数である。電流検出部１－１～１－ｎは、それぞれ対応する回転機械設備４－１～４－ｎの電流信号を測定する。この場合、異常診断システム２０１の監視診断部２は、回転機械設備４－１～４－ｎに対応する電流検出部１－１～１－ｎから電流信号を、ネットワークを介して取得する。これ以外の異常診断システム２０１の動作及び構成は実施の形態１に示した例と同様である。

　このように変形例の図１３に示す異常診断システム２０１は、各回転機械設備４－１～４－ｎに異常診断装置１０１を設けることが不要となる効果を奏する。
　電動機５－１～５－ｎは、同一の機種の電動機５－１～５－ｎであってもよいし、少なくも一部が他の電動機５－１～５－ｎと異なる機種であってもよい。負荷設備６－１～６－ｎは、同一の種類の負荷設備６－１～６－ｎであってもよいし、少なくとも一部が他の種類と異なっていてもよい。

　このように本実施の形態の異常診断システム２０１は、回転機械設備４の異常を診断する異常診断システム２０１であって、電動機５の電流信号を格納する電流信号記憶部２１Ａと、電流信号記憶部２１Ａに格納された電流信号の波形を周波数解析する周波数解析部２２Ａと、周波数解析部２２Ａが電流信号の波形を周波数解析した結果である周波数解析結果において、予め定められた周波数範囲の中で、複数のスペクトルピークを含むように特徴周波数帯に属するデータを抽出する特徴周波数帯抽出部２２Ｂと、特徴周波数帯に属するデータから複数のスペクトルピークを検出し、特徴周波数帯に属するデータから複数のスペクトルピークとして検出されたデータを除外し、複数のスペクトルピークとして検出されたデータを除外した特徴周波数帯に属するデータに含まれる、信号強度の総和を算出する特徴量算出部２２１Ｃと、総和が第１の閾値以上の場合、回転機械設備４が異常と診断する異常診断部２２Ｄと、を備える。このようにして、微小なトルク変動による微小な信号強度の変化がスペクトルピークに埋もれてしまうことを防止し、微小なトルク変動の検出精度を向上させ、その結果、微小なトルク変動を伴う故障モードによる異常を精度よく診断することができる。加えて、各回転機械設備４－１～４－ｎに異常診断装置１０１を設けることが不要となる効果を奏する。

　＜変形例２＞
　図１４は実施の形態１の変形例２に係る異常診断システム２０２を示す図である。図１に示した構成例では、電流検出部１と、監視診断部２と、診断結果出力部３とが一体化された異常診断装置１０１を備え、異常診断装置１０１が回転機械設備４の異常診断を行うが、図１２に示した異常診断システム２０２は、電動機５－１～５－ｎ及び負荷設備６－１～６－ｎを備える回転機械設備４－１～４－ｎに接続された電流検出部１－１～１－ｎ、並びに監視診断部２－１～２－ｎを備える異常診断装置２０２－１～２０２－ｎと、データ取得部４２及び診断結果出力部３を備えるサーバ４０と、を備え、異常診断装置２０２－１～２０２－ｎとサーバ４０とがネットワークを介して接続される。この場合、異常診断装置２０２－１～２０２－ｎは診断結果を、ネットワークを介して送信し、サーバ４０の診断結果出力部３は、異常診断装置２０２－１～２０２－ｎから診断結果を、ネットワークを介して取得する。これ以外の異常診断システム２０２の動作及び構成は実施の形態１に示した例と同様である。

　このように本変形例の図１４に示す異常診断システム２０２は、回転機械設備４－１～４－ｎの診断結果を一括して表示することができ、各回転機械設備４－１～４－ｎ間の比較、全体の管理等が容易となる。

　このように本実施の形態の異常診断システム２０２は、回転機械設備４の異常を診断する異常診断システム２０２であって、電動機５の電流信号を格納する電流信号記憶部２１Ａと、電流信号記憶部２１Ａに格納された電流信号の波形を周波数解析する周波数解析部２２Ａと、周波数解析部２２Ａが電流信号の波形を周波数解析した結果である周波数解析結果において、予め定められた周波数範囲の中で、複数のスペクトルピークを含むように特徴周波数帯に属するデータを抽出する特徴周波数帯抽出部２２Ｂと、特徴周波数帯に属するデータから複数のスペクトルピークを検出し、特徴周波数帯に属するデータから複数のスペクトルピークとして検出されたデータを除外し、複数のスペクトルピークとして検出されたデータを除外した特徴周波数帯に属するデータに含まれる、信号強度の総和を算出する特徴量算出部２２１Ｃと、総和が第１の閾値以上の場合、回転機械設備４が異常と診断する異常診断部２２Ｄと、を備える。このようにして、微小なトルク変動による微小な信号強度の変化がスペクトルピークに埋もれてしまうことを防止し、微小なトルク変動の検出精度を向上させ、その結果、微小なトルク変動を伴う故障モードによる異常を精度よく診断することができる。加えて、回転機械設備４－１～４－ｎの診断結果を一括して表示することができ、各回転機械設備４－１～４－ｎ間の比較、全体の管理等が容易となる。

実施の形態２．
　図１５～図１８を用いて本実施の形態における異常診断装置１０２について説明する。
　実施の形態１において、スペクトルピークを除外した特徴周波数帯に属するデータに含まれる、全ての信号強度の総和と第１の閾値とを比較することで回転機械設備４の異常診断を行う構成について説明したが、本実施の形態では、特徴周波数帯に属するデータを信号強度が強度順に並び変えたソートデータを作成し、信号強度が予め定められた第２の閾値以上のデータを特徴周波数帯から除外する点が実施の形態１と異なる。それ以外の構成は実施の形態１と同様であり、実施の形態１と同一のもの又は相当するものには同一の符号を付している。

　本実施の形態の異常診断装置１０２は、実施の形態１の異常診断装置１０１と異なり、図１５に示すように、監視診断部２が特徴量算出部２２１Ｃの代わりに特徴量算出部２２２Ｃを備える。
　図１６を用いて、異常診断装置１０２に含まれる各構成の詳細な説明とともに本実施の形態における異常診断装置１０２の処理フローについて説明する。ステップＳ３２、ステップＳ４２以外の処理は実施の形態１と同様である。

　ステップＳ３２において、特徴量算出部２２２Ｃは、特徴周波数帯抽出部２２Ｂで抽出された特徴周波数帯に属するデータを信号強度が強度順に並び替えたソートデータを作成し、信号強度が予め定められた第２の閾値以上のデータを特徴周波数帯から除外する。
　例えば、第２の閾値の決定方法は、特徴周波数帯に属するデータの中で最下限の信号強度を決定し、最下限の信号強度＋１０ｄＢの値を第２の閾値とする等が挙げられる。

　図１７及び図１８を用いて、ステップＳ３２の具体例を示す。
　図１７は、図７に示した電流信号の周波数解析結果を比較したグラフから、電源周波数±２０Ｈｚの周波数範囲、すなわち４０Ｈｚ～８０Ｈｚの周波数範囲に含まれるデータを特徴周波数帯に属するデータとして抽出した場合を示す図である。縦軸は信号強度の一種である電流パワースペクトル、横軸は周波数を示す。ステップＳ２において周波数解析部２２Ａが電流信号を０．２５Ｈｚの分解能で周波数解析した場合、特徴周波数帯に属するデータ数は１６０個となり、１６０個のデータを信号強度が強度順に並び変えていく。
　例えば、先述の第２の閾値の決定方法を用いると、図１７において最下限の信号強度を－６０ｄＢと決定した場合、第２の閾値は－５０ｄＢとなる。
　図１８は図１７に示した特徴周波数帯における１６０個のデータを信号強度が強度順に紙面左、すなわち０から、紙面右、すなわち１６０まで並び替えたソートデータを示す図である。縦軸は信号強度の一種である電流パワースペクトル、横軸はデータ順位を示す。図１８では、実線で示されるように、信号強度が強度順にデータ順位が割り振られる。加えて、予め設定された第２の閾値である－５０ｄＢより信号強度（電流パワースペクトル）が高いデータをソートデータから除外している。

　そして、図１６のステップＳ４２において、特徴量算出部２２２Ｃは、第２の閾値より信号強度が高いデータを除外した特徴周波数帯に属するデータから特徴量を算出する。当該特徴量は、本実施の形態では、第２の閾値以上の信号強度を持つデータを除外した特徴周波数帯に属するデータに含まれる、全ての信号強度の総和に相当する。

　このように本実施の形態の異常診断装置１０２は、特徴周波数帯に属するデータを信号強度が強度順に並び変えたソートデータを作成し、信号強度が予め定められた第２の閾値以上のデータを特徴周波数帯に属するデータから除外する。第２の閾値以上のデータを除外した特徴周波数帯に属するデータに含まれる、全ての信号強度の総和と第１の閾値とを比較することで、回転機械設備４の異常診断を行う。これにより、微小なトルク変動による微小な信号強度の変化がスペクトルピークに埋もれてしまうことを防止し、微小なトルク変動の検出精度を向上させ、その結果、微小なトルク変動を伴う故障モードによる異常を精度よく診断することができる。

　このように本実施の形態の異常診断装置１０２は、回転機械設備４の異常を診断する異常診断装置１０２であって、電動機５の電流信号を格納する電流信号記憶部２１Ａと、電流信号記憶部２１Ａに格納された電流信号の波形を周波数解析する周波数解析部２２Ａと、周波数解析部２２Ａが電流信号の波形を周波数解析した結果である周波数解析結果において、予め定められた周波数範囲の中で、複数のスペクトルピークを含むように特徴周波数帯に属するデータを抽出する特徴周波数帯抽出部２２Ｂと、特徴周波数帯に属するデータを信号強度の強度順に並び変え、特徴周波数帯に属するデータから信号強度が第２の閾値以上であるデータを除外し、信号強度が第２の閾値以上であるデータを除外した特徴周波数帯に属するデータに含まれる、信号強度の総和を算出する特徴量算出部２２２Ｃと、総和が第１の閾値以上の場合、回転機械設備４が異常と診断する異常診断部２２Ｄと、を備える。このようにして、微小なトルク変動による微小な信号強度の変化がスペクトルピークに埋もれてしまうことを防止し、微小なトルク変動の検出精度を向上させ、その結果、微小なトルク変動を伴う故障モードによる異常を精度よく診断することができる。

　このように本実施の形態の異常診断方法は、回転機械設備４の異常を診断する異常診断方法であって、電動機５に流れる電流信号を検出する電流信号検出ステップＳ１と、電流信号検出ステップＳ１で検出された電流信号の波形を周波数解析する周波数解析ステップＳ２と、周波数解析ステップＳ２が電流信号の波形を周波数解析した結果である周波数解析結果において、予め定められた周波数範囲の中で、複数のスペクトルピークを含むように特徴周波数帯に属するデータを抽出する特徴周波数帯抽出ステップＳ３と、特徴周波数帯に属するデータを信号強度の強度順に並び変え、特徴周波数帯に属するデータから信号強度が第２の閾値以上であるデータを除外するデータ除外ステップＳ３２と、信号強度が第２の閾値以上であるデータを除外した特徴周波数帯に属するデータに含まれる、信号強度の総和を算出する特徴量算出ステップＳ４２と、総和が第１の閾値以上か否かを判定する判定ステップＳ４Ｅと、総和が第１の閾値以上の場合、回転機械設備４が異常と診断する異常診断ステップＳ５と、を備える。このようにして、微小なトルク変動による微小な信号強度の変化がスペクトルピークに埋もれてしまうことを防止し、微小なトルク変動の検出精度を向上させ、その結果、微小なトルク変動を伴う故障モードによる異常を精度よく診断することができる。

　このように本実施の形態のプログラムは、回転機械設備４の異常を診断するプログラムであって、コンピュータに、電動機５に流れる電流信号を検出する電流信号検出ステップＳ１と、電流信号検出ステップＳ１で検出された電流信号の波形を周波数解析する周波数解析ステップＳ２と、周波数解析ステップＳ２が電流信号の波形を周波数解析した結果である周波数解析結果において、予め定められた周波数範囲の中で、複数のスペクトルピークを含むように特徴周波数帯に属するデータを抽出する特徴周波数帯抽出ステップＳ３と、特徴周波数帯に属するデータから複数のスペクトルピークを検出し、特徴周波数帯に属するデータから複数のスペクトルピークとして検出されたデータを除外するデータ除外ステップＳ３２と、複数のスペクトルピークとして検出されたデータを除外した特徴周波数帯に属するデータに含まれる、信号強度の総和を算出する特徴量算出ステップＳ４２と、総和が第１の閾値以上か否かを判定する判定ステップＳ４Ｅと、総和が第１の閾値以上の場合、回転機械設備４が異常と診断する異常診断ステップＳ５と、を実行させることを特徴とする。このようにして、微小なトルク変動による微小な信号強度変化がスペクトルピークに埋もれてしまうことを防止し、微小なトルク変動の検出精度を向上させ、その結果、微小なトルク変動を伴う故障モードによる異常を精度よく診断することができる。

　＜変形例１＞
　図１９を用いて、実施の形態２の変形例１に係る異常診断システム２０３について説明する。
　実施の形態１の変形例１では、図１３を参照しつつ、特徴量算出部２２１Ｃを含む監視診断部２及び診断結果出力部３を備えるサーバ３０と、電動機５－１～５－ｎ及び負荷設備６－１～６－ｎを備える回転機械設備４－１～４－ｎに接続された電流検出部１－１～１－ｎと、を備える構成について説明したが、本変形例では、監視診断部２が実施の形態２に係る監視診断部２である点が実施の形態１の変形例１とは異なる。それ以外の構成は実施の形態１の変形例１と同様であり、実施の形態１の変形例１と同一のもの又は相当するものには同一の符号を付している。

　このように本変形例の図１９に示す異常診断システム２０３は、各回転機械設備４－１～４－ｎに異常診断装置１０２を設けることが不要となる効果を奏する。

　このように本実施の形態の異常診断システム２０３は、回転機械設備４の異常を診断する異常診断システム２０３であって、電動機５の電流信号を格納する電流信号記憶部２１Ａと、電流信号記憶部２１Ａに格納された電流信号の波形を周波数解析する周波数解析部２２Ａと、周波数解析部２２Ａが電流信号の波形を周波数解析した結果である周波数解析結果において、予め定められた周波数範囲の中で、複数のスペクトルピークを含むように特徴周波数帯に属するデータを抽出する特徴周波数帯抽出部２２Ｂと、特徴周波数帯に属するデータを信号強度の強度順に並び変え、特徴周波数帯に属するデータから信号強度が第２の閾値以上であるデータを除外し、信号強度が第２の閾値以上であるデータを除外した特徴周波数帯に属するデータに含まれる、信号強度の総和を算出する特徴量算出部２２２Ｃと、総和が第１の閾値以上の場合、回転機械設備４が異常と診断する異常診断部２２Ｄと、を備える。このようにして、微小なトルク変動による微小な信号強度の変化がスペクトルピークに埋もれてしまうことを防止し、微小なトルク変動の検出精度を向上させ、その結果、微小なトルク変動を伴う故障モードによる異常を精度よく診断することができる。加えて、各回転機械設備４－１～４－ｎに異常診断装置１０２を設けることが不要となる効果を奏する。また、回転機械設備４－１～４－ｎの診断結果を一括して表示することができ、各回転機械設備４－１～４－ｎ間の比較、全体の管理等が容易となる。

　＜変形例２＞
　図２０を用いて、実施の形態の変形例２に係る異常診断システム２０４について説明する。
　実施の形態１の変形例２では、図１４を参照しつつ、電動機５－１～５－ｎ及び負荷設備６－１～６－ｎを備える回転機械設備４－１～４－ｎに接続された電流検出部１－１～１－ｎ、並びに監視診断部２－１～２－ｎを備える異常診断装置２０２－１～２０２－ｎと、データ取得部４２及び診断結果出力部３を備えるサーバ４０と、を備える構成について説明したが、本変形例では、異常診断装置が電流検出部１－１～１－ｎ、並びに実施の形態２に係る監視診断部２－１～２－ｎを備える異常診断装置２０４－１～２０４－ｎである点が実施の形態１の変形例２とは異なる。それ以外の構成は実施の形態１の変形例２と同様であり、実施の形態１の変形例２と同一のもの又は相当するものには同一の符号を付している。

　このように本変形例の図２０に示す異常診断システム２０４は、回転機械設備４－１～４－ｎの診断結果を一括して表示することができ、各回転機械設備４－１～４－ｎ間の比較、全体の管理等が容易となる。

　このように本実施の形態の異常診断システム２０４は、回転機械設備４の異常を診断する異常診断システム２０４であって、電動機５の電流信号を格納する電流信号記憶部２１Ａと、電流信号記憶部２１Ａに格納された電流信号の波形を周波数解析する周波数解析部２２Ａと、周波数解析部２２Ａが電流信号の波形を周波数解析した結果である周波数解析結果において、予め定められた周波数範囲の中で、複数のスペクトルピークを含むように特徴周波数帯に属するデータを抽出する特徴周波数帯抽出部２２Ｂと、特徴周波数帯に属するデータを信号強度の強度順に並び変え、特徴周波数帯に属するデータから信号強度が第２の閾値以上であるデータを除外し、信号強度が第２の閾値以上であるデータを除外した特徴周波数帯に属するデータに含まれる、信号強度の総和を算出する特徴量算出部２２２Ｃと、総和が第１の閾値以上の場合、回転機械設備４が異常と診断する異常診断部２２Ｄと、を備える。このようにして、微小なトルク変動による微小な信号強度の変化がスペクトルピークに埋もれてしまうことを防止し、微小なトルク変動の検出精度を向上させ、その結果、微小なトルク変動を伴う故障モードによる異常を精度よく診断することができる。加えて、回転機械設備４－１～４－ｎの診断結果を一括して表示することができ、各回転機械設備４－１～４－ｎ間の比較、全体の管理等が容易となる。

実施の形態３．
　図２１及び図２２を用いて本実施の形態における異常診断装置１０３について説明する。
　実施の形態１又は２において、微小なトルク変動を伴う故障モードによる異常を精度よく診断する構成について説明したが、本実施の形態では、微小なトルク変動を伴う故障モードによる異常を精度よく診断し、さらに回転機械設備４に異常が発生している間の運転時間の合計を算出する点が実施の形態１又は２と異なる。それ以外の構成は実施の形態１又は２と同様だが、例として実施の形態２と同様の特徴量算出部２２２Ｃを有する場合について説明する。実施の形態１又は２と同一のもの又は相当するものには同一の符号を付している。

　本実施の形態の異常診断装置１０３は、実施の形態１の異常診断装置１０１又は実施の形態２の異常診断装置１０２と異なり、図２１に示すように、監視診断部２が異常指標記憶部２１３Ｄ及び異常指標算出部２２３Ｅをさらに備える。
　図２２を用いて、異常診断装置１０３に含まれる各構成の詳細な説明とともに本実施の形態における異常診断装置１０３の処理フローについて説明する。ステップＳ５Ａ、ステップＳ５Ｂ及びステップＳ６３以外の処理は実施の形態１又は２と同様であり、実施の形態１又は２と同一のもの又は相当するものには同一の符号を付している。

　ステップＳ５Ａにおいて、異常判定記憶部２１Ｃは、異常診断部２２Ｄから出力された診断結果を蓄積する。
　そして、ステップＳ５Ｂにおいて、異常指標算出部２２３Ｅは、異常判定記憶部２１Ｃから取得した異常診断結果を用いて、回転機械設備４に異常が発生している間の運転時間の合計を異常累積時間として算出し、異常指標記憶部２１３Ｄに異常累積時間を出力する。

　そして、ステップＳ６３において、診断結果出力部３は異常指標記憶部２１３Ｄから異常累積時間を取得する。診断結果出力部３は、実施の形態１又は実施の形態２で異常判定記憶部２１Ｃから取得した診断結果に加えて、異常累積時間をディスプレイ等の表示部３１Ａに表示し、外部出力通信部３１Ｃが、異常累積時間を制御装置盤、ＰＣ、クラウドサーバ等の外部装置に出力する等して異常累積時間を監視担当者に知らせ、異常累積時間の傾向監視を行う。

　このように本実施の形態の異常診断装置１０３は、実施の形態１又は２の効果に加えて、回転機械設備４に異常が発生している間の運転時間の合計を算出することで、異常診断結果と共に回転機械設備４に異常が発生した異常累積時間を監視担当者に知らせ、異常累積時間の傾向監視を行うことができる。加えて、複数の回転機械設備４の異常累積時間を比較することで、回転機械設備４のメンテナンスおよび更新のタイミングの決定に有益な指標として活用することができる。

　なお、本実施の形態において、異常指標算出部２２３Ｅが異常累積時間を算出する例を示したが、異常診断装置１０３とは異なる外部の装置が異常累積時間を算出してもよい。

実施の形態４．
　図２３及び図２４を用いて本実施の形態における異常診断装置１０４について説明する。
　実施の形態３において、微小なトルク変動を伴う故障モードによる異常を精度よく診断し、さらに回転機械設備４に異常が発生している間の運転時間の合計を異常累積時間として算出する構成について説明したが、本実施の形態では、異常を引き起こす回転機械設備４の運転条件を推定する点が実施の形態３と異なる。それ以外の構成は実施の形態３と同様であり、実施の形態３と同一のもの又は相当するものには同一の符号を付している。

　本実施の形態の異常診断装置１０４は、実施の形態３の異常診断装置１０３と異なり、図２３に示すように、監視診断部２が異常指標記憶部２１３Ｄ及び異常指標算出部２２３Ｅの代わりに異常指標記憶部２１４Ｄ及び異常指標算出部２２４Ｅを備えるとともに、運転条件記憶部２１Ｅをさらに備える。
　運転条件記憶部２１Ｅは、回転機械設備４の時々刻々の運転条件を格納する。運転条件は、例えば、水処理プラント等の公共プラント監視制御システムに適用する場合における、負荷設備６である水ポンプから送水される水の流量、水ポンプから送水される水の水圧、水ポンプへ水を流入又は排出する入出力配管の弁の開度等である。

　図２４を用いて、異常診断装置１０４に含まれる各構成の詳細な説明とともに本実施の形態における異常診断装置１０４の処理フローについて説明する。ステップＳ５Ｃ、ステップＳ５Ｄ、ステップＳ５Ｅ及びステップＳ６４以外の処理は実施の形態３と同様であり、実施の形態３と同一のもの又は相当するものには同一の符号を付している。なお、図２４は、図２２に示した処理フローのうち、ステップＳ４ＥでＹＥＳと判定された後からステップＳ７までの処理に対応するものであり、説明の便宜上この部分のみを抜き出して表示している。

　ステップＳ５Ｃにおいて、異常指標算出部２２４Ｅは、異常累積時間を用いて回転機械設備４の単位運転時間当たりの異常累積時間及び第３の閾値である総運転時間当たりの異常累積時間を算出する。
　ここで、単位運転時間当たりの異常累積時間は、単位運転において回転機械設備４に異常が発生した時間の割合、総運転時間当たりの異常累積時間は、総運転時間において回転機械設備４に異常が発生した時間の割合を指す。
　単位運転時間当たりの異常累積時間は、単位運転時間に回転機械設備４に異常が発生している間の運転時間の合計を単位運転時間で割ることにより算出される。
　総運転時間当たりの異常累積時間は、回転機械設備４の駆動開始から現在までに回転機械設備４に異常が発生している間の運転時間の合計を回転機械設備４の駆動開始から現在までの運転時間で割ることにより算出される。

　そして、ステップＳ５Ｄにおいて、異常指標算出部２２４Ｅは、単位運転時間当たりの異常累積時間と総運転時間当たりの異常累積時間を比較する。異常指標算出部２２４Ｅは、単位運転時間当たりの異常累積時間が総運転時間当たりの異常累積時間以上となった場合、その際に実行されていた回転機械設備４の運転条件を運転条件記憶部２１Ｅから取得する。

　そして、ステップＳ５Ｅにおいて、異常指標算出部２２４Ｅは、異常が回転機械設備４に発生した場合、その際に回転機械設備４に対して実際に出されていた運転条件を異常発生の原因として推定する。つまり、異常指標算出部２２４Ｅは、運転条件記憶部２１Ｅから取得した運転条件を用いて、異常を引き起こす回転機械設備４の運転条件を異常発生運転条件として推定する。加えて、異常指標算出部２２４Ｅは、異常指標記憶部２１４Ｄに異常発生運転条件を出力する。

　そして、ステップＳ６４において、診断結果出力部３は異常指標記憶部２１４Ｄから異常発生運転条件を取得する。診断結果出力部３は、実施の形態１又は実施の形態２で異常判定記憶部２１Ｃから取得した診断結果に加えて、異常発生運転条件をディスプレイ等の表示部３１Ａに表示し、外部出力通信部３１Ｃが、異常発生運転条件を制御装置盤、ＰＣ、クラウドサーバ等の外部装置に出力する等して異常発生運転条件を監視担当者に知らせ、異常発生運転条件の傾向監視を行う。

　このように本実施の形態の異常診断装置１０４は、実施の形態１又は２の効果に加えて、異常を引き起こす回転機械設備４の運転条件を推定することで、異常診断結果と共に異常を引き起こす回転機械設備４の運転条件を監視担当者に知らせ、異常発生運転条件の傾向監視を行うことができる。加えて、異常発生運転条件を推定することで、回転機械設備４の運転条件の決定に有益な指標として活用することができる。

　なお、本実施の形態において、異常指標算出部２２４Ｅが異常発生運転条件を算出する例を示したが、異常診断装置１０４とは異なる外部の装置が異常発生運転条件を算出してもよい。

実施の形態５．
　図２５及び図２６を用いて本実施の形態における異常診断装置１０５について説明する。
　実施の形態４において、異常を引き起こす回転機械設備４の運転条件を推定する構成について説明したが、本実施の形態では、回転機械設備４の劣化進行度を算出する点が実施の形態４と異なる。それ以外の構成は実施の形態４と同様であり、実施の形態４と同一のもの又は相当するものには同一の符号を付している。

　本実施の形態の異常診断装置１０５は、実施の形態４の異常診断装置１０４と異なり、図２５に示すように、監視診断部２が異常指標記憶部２１４Ｄ及び異常指標算出部２２４Ｅの代わりに異常指標記憶部２１５Ｄ及び異常指標算出部２２５Ｅを備える。

　図２６を用いて、異常診断装置１０５に含まれる各構成の詳細な説明とともに本実施の形態における異常診断装置１０５の処理フローについて説明する。ステップＳ５Ｆ及びステップＳ６５以外の処理は実施の形態４と同様であり、実施の形態４と同一のもの又は相当するものには同一の符号を付している。

　なお、図２６は、図２２に示した処理フローのうち、ステップＳ４ＥでＹＥＳと判定された後からステップＳ７までの処理に対応するものであり、説明の便宜上この部分のみを抜き出して表示している。

　ステップＳ５Ｆにおいて、異常指標算出部２２５Ｅは、回転機械設備４の劣化進行度として、ステップＳ４１又はステップＳ４２で算出された特徴量とステップＳ５Ｂで算出された異常発生累積時間との積、ステップＳ４１又はステップＳ４２で算出された特徴量とステップＳ５Ｃで算出された回転機械設備４の単位時間当たりの異常累積時間との積、あるいはステップＳ４１又はステップＳ４２で算出された特徴量とステップＳ５Ｃで算出された回転機械設備４の総運転時間当たりの異常累積時間との積を算出する。
　ここで、劣化進行度は、回転機械設備４に発生した異常を原因とする回転機械設備４の劣化の進行度合いを示す指標である。

　そして、ステップＳ６５において、診断結果出力部３は異常指標記憶部２１５Ｄから劣化進行度を取得する。診断結果出力部３は、実施の形態１又は実施の形態２で異常判定記憶部２１Ｃから取得した診断結果に加えて、劣化進行度をディスプレイ等の表示部３１Ａに表示し、外部出力通信部３１Ｃが、劣化進行度を制御装置盤、ＰＣ、クラウドサーバ等の外部装置に出力する等して劣化進行度を監視担当者に知らせ、劣化進行度の傾向監視を行う。

　このように本実施の形態の異常診断装置１０５は、実施の形態１又は２の効果に加えて、劣化進行度を算出することで、異常診断結果と共に劣化進行度を監視担当者に知らせ、劣化進行度の傾向監視を行うことができる。加えて、複数の回転機械設備４の劣化進行度を比較することで、回転機械設備４のメンテナンスおよび更新のタイミングの決定に有益な指標として活用することができる。

　なお、本実施の形態において、異常指標算出部２２５Ｅが劣化進行度を算出する例を示したが、異常診断装置１０５とは異なる外部の装置が劣化進行度を算出してもよい。

実施の形態６．
　実施の形態１又は２において、微小なトルク変動を伴う故障モードによる異常を精度よく診断する構成について説明し、実施の形態３において、回転機械設備４に異常が発生している間の運転時間の合計を異常累積時間として算出する構成について説明し、実施の形態４において、異常を引き起こす回転機械設備４の運転条件を推定する構成について説明し、実施の形態５において、回転機械設備４の劣化進行度を算出する構成について説明した。

　本実施の形態では、異常検知または異常累積時間、異常を引き起こす回転機械設備４の運転条件、回転機械設備４の劣化進行度を起点に劣化進行を抑制する運転条件に制御する点が実施の形態１～５と異なる。
　例えば、回転機械設備４のなかでもポンプ設備では、既述した通り、微小なトルク変動を伴う故障モードとしてキャビテーションがある。キャビテーションはポンプ内部で局所的に液体の流速が速くなることで、圧力が低下し、液体の飽和蒸気圧力を下回ると、液体が蒸気化することで発生する。さらに、蒸気から液体に戻る際の急激な体積変化によって衝撃が発生し、ポンプに損傷を与える。このようなキャビテーションを抑制するために、キャビテーションが発生する運転条件よりも回転機械設備４の回転速度を低下させることで、液体の流速を低下させる。

　キャビテーション抑制を提示として説明したが、実施の形態１又は２において、異常を検知した場合に、回転機械設備４の回転速度をフィードバック制御することで異常の発生を抑制することができる。また、実施の形態３で算出された異常累積時間に応じて異常の発生を抑制する制御を回転機械設備４にフィードバックしてもよい。また、実施の形態５で算出された劣化進行度に応じて異常の発生を抑制する制御を回転機械設備４にフィードバックしてもよい。また、実施の形態４で推定した異常を引き起こす回転機械設備４の運転条件を回避した運転を行う制御をフィードバックしてもよい。この場合、回転機械設備の運転条件を格納する運転条件記憶部により、異常と診断された場合に実行されていた前回転機械設備の運転条件を記憶しておくことが必要である。

　本願は、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　電流検出部、２　監視診断部、３　診断結果出力部、４　回転機械設備、５　電動機、６　負荷設備、７　インバータ、８　商用電源、１０１、１０２、１０３、１０４、１０５　異常診断装置。

Claims

　回転機械設備の異常を診断する異常診断装置であって、
　電動機の電流信号を格納する電流信号記憶部と、
　前記電流信号記憶部に格納された電流信号の波形を周波数解析する周波数解析部と、
　前記周波数解析部が前記電流信号の波形を周波数解析した結果である周波数解析結果において、予め定められた周波数範囲の中で、複数のスペクトルピークを含むように特徴周波数帯に属するデータを抽出する特徴周波数帯抽出部と、
　前記特徴周波数帯に属するデータから前記複数のスペクトルピークを検出し、前記特徴周波数帯に属するデータから前記複数のスペクトルピークとして検出されたデータを除外し、前記複数のスペクトルピークとして検出されたデータを除外した前記特徴周波数帯に属するデータに含まれる、信号強度の総和を算出する特徴量算出部と、
　前記総和が第１の閾値以上の場合、前記回転機械設備が異常と診断する異常診断部と、
　を備える、異常診断装置。
　回転機械設備の異常を診断する異常診断装置であって、
　電動機の電流信号を格納する電流信号記憶部と、
　前記電流信号記憶部に格納された電流信号の波形を周波数解析する周波数解析部と、
　前記周波数解析部が前記電流信号の波形を周波数解析した結果である周波数解析結果において、予め定められた周波数範囲の中で、複数のスペクトルピークを含むように特徴周波数帯に属するデータを抽出する特徴周波数帯抽出部と、
　前記特徴周波数帯に属するデータを信号強度の強度順に並び変え、前記特徴周波数帯に属するデータから前記信号強度が第２の閾値以上であるデータを除外し、前記信号強度が前記第２の閾値以上であるデータを除外した前記特徴周波数帯に属するデータに含まれる、前記信号強度の総和を算出する特徴量算出部と、
　前記総和が第１の閾値以上の場合、前記回転機械設備が異常と診断する異常診断部と、
　を備える、異常診断装置。
　前記信号強度は、電流信号の電流値又は電流パワースペクトルである、請求項１又は２に記載の異常診断装置。
　前記予め定められた周波数範囲は、電源周波数の０次成分から２次成分の周波数範囲である、請求項３に記載の異常診断装置。
　前記予め定められた周波数範囲は、電源周波数の４次成分から６次成分の周波数範囲である、請求項３に記載の異常診断装置。
　前記予め定められた周波数範囲は、電源周波数の６次成分から８次成分の周波数範囲である、請求項３に記載の異常診断装置。
　前記予め定められた周波数範囲は、０Ｈｚから１２０Ｈｚの周波数範囲である、請求項３に記載の異常診断装置。
　前記予め定められた周波数範囲は、２００Ｈｚから３６０Ｈｚの周波数範囲である、請求項３に記載の異常診断装置。
　前記予め定められた周波数範囲は、３００Ｈｚから４８０Ｈｚの周波数範囲である、請求項３に記載の異常診断装置。
　前記電動機と前記電動機に電力を供給する商用電源とを接続する配線に接続され、前記電動機を駆動する電流を検出し、検出した電流の電流信号を前記電流信号記憶部に出力する電流検出部と、
　をさらに備える、請求項３に記載の異常診断装置。
　前記第１の閾値は、前記回転機械設備の駆動開始から予め設定された期間に蓄積された前記総和に統計処理を施した値である、請求項３に記載の異常診断装置。
　前記特徴量算出部は、前記総和のデータ数と前記第１の閾値のデータ数とが異なる場合、前記第１の閾値のデータから信号強度の高いデータを順に除外し、又は前記総和のデータから信号強度の高いデータを順に除外して、前記総和のデータ数と前記第１の閾値のデータ数とを一致させる、請求項１１に記載の異常診断装置。
　前記回転機械設備の運転条件を格納する運転条件記憶部と、をさらに備え、
　異常と診断された場合に実行されていた前記回転機械設備の運転条件を回避して前記回転機械設備を運転させることを特徴とする請求項１から１２のいずれか１項に記載の異常診断装置。
　前記異常診断部が前記回転機械設備を異常と診断した場合、前記異常診断部の診断結果を格納する異常判定記憶部と、をさらに備える、請求項３に記載の異常診断装置。
　前記診断結果を表示する表示部、前記回転機械設備が異常と診断された場合に警報を発報する警報部、及び外部装置に前記診断結果を送信する外部出力通信部、のうちの少なくとも一つを有する診断結果出力部と、
　をさらに備える、請求項１４に記載の異常診断装置。
　前記異常判定記憶部に格納された診断結果を用いて、前記回転機械設備に異常が発生している間の運転時間の合計である異常累積時間を算出する異常指標算出部と、
　をさらに備える、請求項１４に記載の異常診断装置。
　前記回転機械設備の運転条件を格納する運転条件記憶部と、をさらに備え、
　前記異常指標算出部は、前記回転機械設備の単位運転時間当たりの前記異常累積時間を算出し、前記回転機械設備の単位運転時間当たりの異常累積時間が第３の閾値以上となった場合、その際に実行されていた前記回転機械設備の運転条件を、前記回転機械設備に異常を引き起こす異常発生運転条件として推定する、請求項１６に記載の異常診断装置。
　前記異常発生運転条件を回避して前記回転機械設備を運転させることを特徴とする請求項１７に記載の異常診断装置。
　前記異常指標算出部は、前記回転機械設備の総運転時間当たりの前記異常累積時間を算出し、前記総和と前記異常累積時間のとの積、前記総和と前記回転機械設備の単位運転時間当たりの前記異常累積時間との積又は前記総和と前記回転機械設備の総運転時間当たりの前記異常累積時間との積である劣化進行度を算出する、請求項１６に記載の異常診断装置。
　前記回転機械設備の運転条件を格納する運転条件記憶部と、をさらに備え、
　前記劣化進行度に応じて、異常と診断された場合に実行されていた運転条件を回避して前記回転機械設備を運転させることを特徴とする請求項１９に記載の異常診断装置。
　回転機械設備の異常を診断する異常診断システムであって、
　電動機の電流信号を格納する電流信号記憶部と、
　前記電流信号記憶部に格納された電流信号の波形を周波数解析する周波数解析部と、
　前記周波数解析部が前記電流信号の波形を周波数解析した結果である周波数解析結果において、予め定められた周波数範囲の中で、複数のスペクトルピークを含むように特徴周波数帯に属するデータを抽出する特徴周波数帯抽出部と、
　前記特徴周波数帯に属するデータから前記複数のスペクトルピークを検出し、前記特徴周波数帯に属するデータから前記複数のスペクトルピークとして検出されたデータを除外し、前記複数のスペクトルピークとして検出されたデータを除外した前記特徴周波数帯に属するデータに含まれる、信号強度の総和を算出する特徴量算出部と、
　前記総和が第１の閾値以上の場合、前記回転機械設備が異常と診断する異常診断部と、
　を備える、異常診断システム。
　回転機械設備の異常を診断する異常診断システムであって、
　電動機の電流信号を格納する電流信号記憶部と、
　前記電流信号記憶部に格納された電流信号の波形を周波数解析する周波数解析部と、
　前記周波数解析部が前記電流信号の波形を周波数解析した結果である周波数解析結果において、予め定められた周波数範囲の中で、複数のスペクトルピークを含むように特徴周波数帯に属するデータを抽出する特徴周波数帯抽出部と、
　前記特徴周波数帯に属するデータを信号強度の強度順に並び変え、前記特徴周波数帯に属するデータから前記信号強度が第２の閾値以上であるデータを除外し、前記信号強度が前記第２の閾値以上であるデータを除外した前記特徴周波数帯に属するデータに含まれる、前記信号強度の総和を算出する特徴量算出部と、
　前記総和が第１の閾値以上の場合、前記回転機械設備が異常と診断する異常診断部と、
　を備える、異常診断システム。
　前記回転機械設備の運転条件を格納する運転条件記憶部と、をさらに備え、
　異常と診断された場合に実行されていた前記回転機械設備の運転条件を回避して前記回転機械設備を運転させることを特徴とする請求項２１または２２に記載の異常診断システム。
　回転機械設備の異常を診断する異常診断方法であって、
　電動機に流れる電流信号を検出する電流信号検出ステップと、
　前記電流信号検出ステップで検出された電流信号の波形を周波数解析する周波数解析ステップと、
　前記周波数解析ステップが前記電流信号の波形を周波数解析した結果である周波数解析結果において、予め定められた周波数範囲の中で、複数のスペクトルピークを含むように特徴周波数帯に属するデータを抽出する特徴周波数帯抽出ステップと、
　前記特徴周波数帯に属するデータから前記複数のスペクトルピークを検出し、前記特徴周波数帯に属するデータから前記複数のスペクトルピークとして検出されたデータを除外するデータ除外ステップと、
　前記複数のスペクトルピークとして検出されたデータを除外した前記特徴周波数帯に属するデータに含まれる、信号強度の総和を算出する特徴量算出ステップと、
　前記総和が第１の閾値以上か否かを判定する判定ステップと、
　前記総和が第１の閾値以上の場合、前記回転機械設備が異常と診断する異常診断ステップと、
　を備える、異常診断方法。
　回転機械設備の異常を診断する異常診断方法であって、
　電動機に流れる電流信号を検出する電流信号検出ステップと、
　前記電流信号検出ステップで検出された電流信号の波形を周波数解析する周波数解析ステップと、
　前記周波数解析ステップが前記電流信号の波形を周波数解析した結果である周波数解析結果において、予め定められた周波数範囲の中で、複数のスペクトルピークを含むように特徴周波数帯に属するデータを抽出する特徴周波数帯抽出ステップと、
　前記特徴周波数帯に属するデータを信号強度の強度順に並び変え、前記特徴周波数帯に属するデータから前記信号強度が第２の閾値以上であるデータを除外するデータ除外ステップと、
　前記信号強度が前記第２の閾値以上であるデータを除外した前記特徴周波数帯に属するデータに含まれる、前記信号強度の総和を算出する特徴量算出ステップと、
　前記総和が第１の閾値以上か否かを判定する判定ステップと、
　前記総和が第１の閾値以上の場合、前記回転機械設備が異常と診断する異常診断ステップと、
を備える、異常診断方法。
　前記回転機械設備の運転条件を格納する運転条件記憶ステップと、をさらに備え、
　前記回転機械設備が異常と診断された場合に実行されていた前記回転機械設備の運転条件を回避して前記回転機械設備を運転させることを特徴とする請求項２４または２５に記載の異常診断方法。
　回転機械設備の異常を診断するプログラムであって、
　コンピュータに、
　電動機に流れる電流信号を検出する電流信号検出ステップと、
　前記電流信号検出ステップで検出された電流信号の波形を周波数解析する周波数解析ステップと、
　前記周波数解析ステップが前記電流信号の波形を周波数解析した結果である周波数解析結果において、予め定められた周波数範囲の中で、複数のスペクトルピークを含むように特徴周波数帯に属するデータを抽出する特徴周波数帯抽出ステップと、
　前記特徴周波数帯に属するデータから前記複数のスペクトルピークを検出し、前記特徴周波数帯に属するデータから前記複数のスペクトルピークとして検出されたデータを除外するデータ除外ステップと、
　前記複数のスペクトルピークとして検出されたデータを除外した前記特徴周波数帯に属するデータに含まれる、信号強度の総和を算出する特徴量算出ステップと、
　前記総和が第１の閾値以上か否かを判定する判定ステップと、
　前記総和が第１の閾値以上の場合、前記回転機械設備が異常と診断する異常診断ステップと、
　を実行させる、プログラム。
　回転機械設備の異常を診断するプログラムであって、
　コンピュータに、
　電動機に流れる電流信号を検出する電流信号検出ステップと、
　前記電流信号検出ステップで検出された電流信号の波形を周波数解析する周波数解析ステップと、
　前記周波数解析ステップが前記電流信号の波形を周波数解析した結果である周波数解析結果において、予め定められた周波数範囲の中で、複数のスペクトルピークを含むように特徴周波数帯に属するデータを抽出する特徴周波数帯抽出ステップと、
　前記特徴周波数帯に属するデータを信号強度の強度順に並び変え、前記特徴周波数帯に属するデータから前記信号強度が第２の閾値以上であるデータを除外するデータ除外ステップと、
　前記信号強度が前記第２の閾値以上であるデータを除外した前記特徴周波数帯に属するデータに含まれる、前記信号強度の総和を算出する特徴量算出ステップと、
　前記総和が第１の閾値以上か否かを判定する判定ステップと、
　前記総和が第１の閾値以上の場合、前記回転機械設備が異常と診断する異常診断ステップと、
を実行させる、プログラム。