WO2024127710A1 - 状態監視装置及び記憶媒体 - Google Patents

状態監視装置及び記憶媒体 Download PDF

Info

Publication number
WO2024127710A1
WO2024127710A1 PCT/JP2023/028937 JP2023028937W WO2024127710A1 WO 2024127710 A1 WO2024127710 A1 WO 2024127710A1 JP 2023028937 W JP2023028937 W JP 2023028937W WO 2024127710 A1 WO2024127710 A1 WO 2024127710A1
Authority
WO
WIPO (PCT)
Prior art keywords
arm
unit
state
physical quantity
monitoring device
Prior art date
Application number
PCT/JP2023/028937
Other languages
English (en)
French (fr)
Inventor
直 藤本
Original Assignee
ナブテスコ株式会社
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 ナブテスコ株式会社 filed Critical ナブテスコ株式会社
Publication of WO2024127710A1 publication Critical patent/WO2024127710A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M13/00—Testing of machine parts
    • G01M13/02—Gearings; Transmission mechanisms
    • G01M13/021—Gearings
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M13/00—Testing of machine parts
    • G01M13/02—Gearings; Transmission mechanisms
    • G01M13/028—Acoustic or vibration analysis
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M99/00—Subject matter not provided for in other groups of this subclass

Definitions

  • the present invention relates to a status monitoring device and a storage medium.
  • This application claims priority to Japanese Patent Application No. 2022-201123, filed in Japan on December 16, 2022, the contents of which are incorporated herein by reference.
  • reduction gears have been installed in the joints of the arms of construction machinery. As the reduction gear deteriorates, it vibrates more than usual. For this reason, for example, an acceleration sensor is used to determine abnormalities (failure or deterioration) in the gears of the reduction gear. The vibration of the gears is small both when deteriorated and under normal conditions when there is no deterioration. For this reason, it is necessary to focus on a target frequency (target frequency) that is suitable for estimating gear failure from among the various frequencies of vibration detected by the acceleration sensor, and to determine abnormalities from the magnitude of the vibration of the target frequency.
  • target frequency target frequency
  • the target frequency is determined, for example, by the number of teeth and rotation speed of the gear.
  • the gear rotation speed can be obtained, for example, from the mother machine.
  • a related technique has been disclosed in which a formula that approximates the relationship between the normal rotation speed of a rotating device and the vibration value of the rotating device is used to correct the vibration value at an arbitrary rotation speed to the vibration value of a reference rotation speed, and an abnormality is determined when this corrected value exceeds a threshold value (see, for example, Patent Document 1).
  • the method of obtaining the target frequency from the mother machine requires wiring of a signal line from the mother machine to an external device, which is cumbersome. Therefore, it is not possible to obtain the target frequency with a simple configuration. For this reason, the conventional technology has a problem in that it is not possible to estimate gear abnormalities with a simple configuration.
  • the present invention aims to provide a condition monitoring device and storage medium that can estimate the condition of a mechanical element (e.g., the condition of a gear) with a simple configuration.
  • condition monitoring device of the present invention includes a first detection unit that detects a first physical quantity related to a mechanical element provided at a joint portion of a rotatable arm, a second detection unit that is provided at a tip end of the arm different from the base end where the joint portion is located and detects a second physical quantity related to the motion state of the arm, and an estimation unit that estimates the state of the mechanical element based on the first physical quantity detected by the first detection unit and the second physical quantity detected by the second detection unit.
  • the above configuration makes it possible to estimate the state of machine elements with a simple configuration, without obtaining information from the mother machine.
  • the mechanical element may be a gear provided at the joint portion
  • the first physical quantity may be vibration of the gear
  • the second physical quantity may be at least one of the acceleration and angular velocity of the arm.
  • the estimation unit may have a calculation unit that calculates a specific frequency of the vibration based on the detection result of the second physical quantity during a predetermined period when the arm is moving and the number of teeth of the gear. Furthermore, the estimation unit may estimate the state of the gear using the calculated specific frequency and the detection result of the first physical quantity during the predetermined period.
  • the above configuration makes it possible to estimate the condition of the gears (e.g., gear abnormalities) with a simple structure.
  • the estimation unit may extract data corresponding to the calculated specific frequency from time series data of the detection results of the first physical quantity during the specified period, and estimate the state of the gear based on the extracted data.
  • condition monitoring device can be applied to simple battery-powered devices (e.g., smart sensors).
  • the estimation unit may perform a filter process to extract data corresponding to the specific frequency from the time series data of the detection result of the first physical quantity, and estimate the state of the gear based on a comparison result between the extracted data and a predetermined threshold value.
  • the above configuration makes it possible to estimate the condition of the gears, for example whether there is an abnormality in the gears, with a simpler configuration.
  • the second physical quantity may be a three-axis acceleration of the arm.
  • the estimation unit may have a determination unit that determines whether the arm is in a constant velocity state, which indicates that the arm is moving at a constant velocity, based on a comparison result between a composite value of each axis of the three-axis acceleration and the acceleration of gravity.
  • the estimation unit may estimate the state of the mechanical element based on the detection result of the first detection unit at the time when the constant velocity state is determined.
  • the above configuration can improve the accuracy of estimating the state of a machine element (e.g., estimating an abnormality).
  • the determination unit may determine that the arm is in the constant velocity state when the composite value of each axis within a specified period of time coincides with the gravitational acceleration and the value of each axis within the specified period of time is indefinite.
  • the above configuration makes it easy to determine the constant speed state of the arm.
  • the identification unit may identify a non-constant velocity state other than the constant velocity state based on the composite value of each axis and the gravitational acceleration.
  • the estimation unit may not estimate the state of the mechanical element in the non-constant velocity state.
  • the above configuration can improve the accuracy of estimating the state of a machine element (e.g., estimating an abnormality).
  • the above configuration makes it easy to identify the acceleration and deceleration state of the arm.
  • the mechanical element may be a gear provided at the joint
  • the first physical quantity may be vibration of the gear
  • the second physical quantity may include a rotation speed of the arm and a three-axis acceleration of the arm.
  • the estimation unit may have a determination unit that determines whether the arm is in a constant velocity state indicating that the arm is moving at a constant velocity based on a comparison result between a composite value of each axis of the three-axis acceleration and gravitational acceleration, and a calculation unit that calculates a specific frequency of the vibration based on information including at least the rotation speed of the arm and the number of teeth of the gear at the time when the constant velocity state is determined.
  • the estimation unit may extract data corresponding to the calculated specific frequency from time series data of the detection result of the first physical quantity, and estimate the state of the gear based on the extracted data.
  • condition monitoring device can be applied to simple battery-powered devices (e.g., smart sensors).
  • One aspect of the storage medium of the present invention is a computer-readable storage medium storing a program for making a computer function as a condition monitoring device, the program storing the computer functioning as a first acquisition unit that is provided at a joint of a rotatable arm and acquires a first physical quantity from a first detection unit that detects a first physical quantity related to a mechanical element provided at the joint, a second acquisition unit that is provided at a tip end of the arm different from the base end where the joint is located and acquires a second physical quantity related to the motion state of the arm, and an estimation unit that estimates the state of the mechanical element based on the first physical quantity acquired by the first acquisition unit and the second physical quantity acquired by the second acquisition unit.
  • the above configuration makes it possible to estimate the condition of the gears (e.g., gear abnormalities) with a simple configuration without obtaining information from the mother machine.
  • the present invention makes it possible to estimate the condition of gears (e.g., gear abnormalities) with a simple configuration.
  • FIG. 1 is an explanatory diagram of a construction machine 1 according to an embodiment.
  • the construction machine 1 is, for example, a so-called power shovel, which is a type of excavator.
  • the construction machine 1 includes a main body 2, an arm unit 4 (an example of an arm), and a rotating shaft unit 20 (an example of a joint portion).
  • the main body 2 has a rotating unit 3a and a traveling unit 3b.
  • the arm section 4 includes a boom 5, a shovel arm 7, and a bucket 9.
  • the boom 5 is connected to the main body 2 and is rotatable relative to the main body 2.
  • the shovel arm 7 is connected to the boom 5 and is rotatable relative to the boom 5.
  • the bucket 9 is connected to the shovel arm 7 and is rotatable relative to the shovel arm 7.
  • the rotating shaft portion 20 includes a first rotating shaft portion 20a, a second rotating shaft portion 20b, a third rotating shaft portion 20c, and a fourth rotating shaft portion 20d.
  • the first rotating shaft 20a rotatably connects the traveling part 3b and the swivel part 3a.
  • the second rotating shaft 20b rotatably connects the swivel part 3a (support part 3c provided on the swivel part 3a) and the boom 5.
  • the third rotating shaft 20c rotatably connects the boom 5 and the shovel arm 7.
  • the fourth rotating shaft 20d rotatably connects the shovel arm 7 and the bucket 9.
  • the second rotating shaft 20b is provided on the portion of the support 3c that connects to the boom 5 (or the portion of the boom 5 that connects to the support 3c).
  • the third rotating shaft 20c is provided on the portion of the boom 5 that connects to the shovel arm 7 (or the portion of the shovel arm 7 that connects to the boom 5).
  • the fourth rotating shaft 20d is provided on the portion of the shovel arm 7 that connects to the bucket 9 (or the portion of the bucket 9 that connects to the shovel arm 7).
  • the rotation axis of the first rotating shaft portion 20a is perpendicular to the surface (e.g., the ground) that the running portion 3b contacts.
  • the rotation axes of the second rotating shaft portion 20b, the third rotating shaft portion 20c, and the fourth rotating shaft portion 20d are parallel to the surface that the running portion 3b contacts.
  • Each rotating shaft portion 20 is provided with a rotating electric machine (not shown) and a reducer 22 .
  • the first rotating shaft portion 20a is provided with a first rotating electric machine (not shown) and a first reduction gear 22a.
  • the second rotating shaft portion 20b is provided with a second rotating electric machine (not shown) and a second reduction gear 22b.
  • the third rotating shaft portion 20c is provided with a third rotating electric machine (not shown) and a third reduction gear 22c.
  • the fourth rotating shaft portion 20d is provided with a fourth rotating electric machine (not shown) and a fourth reduction gear 22d.
  • the rotating electric machines rotate by electricity (power).
  • the reducer 22 is a gear mechanism having a plurality of gears that mesh with each other.
  • the first reduction gear 22a rotates and drives the swivel unit 3a by the power generated by the first rotating electric machine.
  • an input section of the first reduction gear 22a is connected to an output section of the first rotating electric machine.
  • An output section of the first reduction gear 22a is connected to the swivel unit 3a.
  • the first reduction gear 22a reduces the rotational speed of the power input to the input section from the first rotating electric machine, and outputs the reduced power from the output section.
  • the second reducer 22b rotates the boom 5 using the power generated by the second rotating electric machine. Specifically, the input part of the second reducer 22b is connected to the output part of the second rotating electric machine. The output part of the second reducer 22b is connected to the boom 5. The second reducer 22b reduces the rotational speed of the power input from the second rotating electric machine to the input part, and outputs the reduced power from the output part.
  • the third reduction gear 22c rotates and drives the shovel arm 7 with the power generated by the third rotating electric machine. Specifically, the input part of the third reduction gear 22c is connected to the output part of the third rotating electric machine. The output part of the third reduction gear 22c is connected to the shovel arm 7. The third reduction gear 22c outputs the reduced power from the output part by reducing the rotational speed of the power input to the input part from the third rotating electric machine.
  • the fourth reducer 22d rotates and drives the bucket 9 with the power generated by the fourth rotating electric machine. Specifically, the input part of the fourth reducer 22d is connected to the output part of the fourth rotating electric machine. The output part of the fourth reducer 22d is connected to the bucket 9. The fourth reducer 22d outputs the reduced power from the output part by reducing the rotational speed of the power input to the input part from the fourth rotating electric machine.
  • the construction machine 1 is provided with a condition monitoring device 100 (100b to 100d) that estimates an abnormality in the reduction gear 22.
  • the condition monitoring device 100 (100b to 100d) estimates the condition of the mechanical elements that constitute the reduction gear 22.
  • the condition monitoring device 100 (100b to 100d) estimates the condition (abnormal condition) of the gears that constitute the reduction gear 22.
  • the abnormality estimated by the condition monitoring device 100 includes various targets such as a failure, deterioration, the possibility of a failure, the degree of deterioration, the remaining usable period, etc. By associating a threshold value (described later) with each of the various targets, it is possible to distinguish each of the various targets.
  • the condition monitoring device 100 (100b to 100d) is provided on the rotating shaft portion 20 (20b to 20d). As shown in Figures 1 and 2, the condition monitoring device 100 includes acceleration sensors 23 (23b to 23d) and change amount sensors 24 (24b to 24d).
  • the condition monitoring device 100 is, for example, a smart sensor, and has the acceleration sensor 23 built in.
  • the acceleration sensor 23 is an example of a first detection unit.
  • the acceleration sensor 23 detects a first physical quantity related to wear of the gears that make up the speed reducer 22.
  • the first physical quantity is, for example, a three-axis acceleration.
  • the acceleration sensor 23 is a sensor that can detect three-axis angular velocity in addition to the three-axis acceleration.
  • the change amount sensor 24 is an example of a second detection unit.
  • the change amount sensors 24 (24b to 24d) are provided on the arm unit 4 (boom 5, shovel arm 7, bucket 9).
  • the change amount sensor 24 detects a second physical quantity related to the motion state of the arm portion 4.
  • the second physical quantity is, for example, the angular velocity of the arm portion 4.
  • the change amount sensor 24 is a sensor capable of detecting three-axis acceleration and three-axis angular velocity. Note that the acceleration sensor 23 and the change amount sensor 24 can also be smart sensors that are integrated together.
  • the second rotating shaft portion 20b is provided with a second condition monitoring device 100b for estimating an abnormality in the second reduction gear 22b.
  • the second condition monitoring device 100b includes a second acceleration sensor 23b.
  • the second acceleration sensor 23b detects vibrations of a gear provided in the second reduction gear 22b.
  • the second condition monitoring device 100b may be provided on a case of the second reduction gear 22b (a case that houses a plurality of gears of the second reduction gear 22b).
  • a second change amount sensor 24b is provided on the boom 5.
  • the second change amount sensor 24b is provided on the tip side of the boom 5 which is different from the base end side where the second rotating shaft portion 20b is provided. Specifically, the second change amount sensor 24b is provided on a portion of the boom 5 which is located closer to the base end side than the third rotating shaft portion 20c which is provided at the tip.
  • the second change amount sensor 24b detects the angular velocity of the boom 5.
  • the third rotating shaft portion 20c is provided with a third condition monitoring device 100c for determining a failure (deterioration state) of the third reduction gear 22c.
  • the third condition monitoring device 100c includes a third acceleration sensor 23c.
  • the third acceleration sensor 23c detects vibrations of a gear provided in the third reduction gear 22c.
  • the third condition monitoring device 100c may be provided on a case of the third reduction gear 22c (a case that houses multiple gears of the third reduction gear 22c).
  • the shovel arm 7 is provided with a third change amount sensor 24c.
  • the third change amount sensor 24c is provided on the tip side of the shovel arm 7, which is different from the base end side where the third rotating shaft portion 20c is provided.
  • the third change amount sensor 24c is provided on a portion of the shovel arm 7 that is located closer to the base end side than the fourth rotating shaft portion 20d that is provided at the tip.
  • the third change amount sensor 24c detects the angular velocity of the shovel arm 7.
  • the fourth rotating shaft portion 20d is provided with a fourth condition monitoring device 100d that determines a failure (deterioration state) of the fourth reduction gear 22d.
  • the fourth condition monitoring device 100d includes a fourth acceleration sensor 23d.
  • the fourth acceleration sensor 23d detects vibrations of a gear provided in the fourth reduction gear 22d.
  • the fourth condition monitoring device 100d may be provided on a case of the fourth reduction gear 22d (a case that houses multiple gears of the fourth reduction gear 22d).
  • a fourth change amount sensor 24d is provided on the bucket 9.
  • the fourth change amount sensor 24d is provided on a portion of the bucket 9 that is located closer to the tip side than the base end side where the fourth rotating shaft portion 20d is arranged.
  • the fourth change amount sensor 24d detects the angular velocity of the bucket 9.
  • FIG. 2 is a block diagram showing an example of a functional configuration of the state monitoring device 100.
  • Fig. 3 is a schematic diagram showing an overview of the state monitoring device 100.
  • the estimation control unit 200 shown in Fig. 2 will be described below with reference to Fig. 3.
  • the condition monitoring device 100 includes an estimation control unit 200, an acceleration sensor 23, and a change amount sensor 24.
  • the estimation control unit 200 includes a first acquisition unit 201, a second acquisition unit 202, an estimation unit 203, a notification unit 204, and a memory unit 210.
  • the first acquisition unit 201 acquires vibration data (vibration values) of the gears provided in the reducer 22 from the acceleration sensor 23. Therefore, the acceleration sensor 23 and the first acquisition unit 201 cooperate with each other to acquire the vibration data of the gears. Therefore, the first acquisition unit 201 functions as a first detection unit together with the acceleration sensor 23. Note that the vibration data is time series data of the vibration detected by the acceleration sensor 23.
  • the second acquisition unit 202 acquires the number of rotations of the arm unit 4 calculated by the change amount sensor 24.
  • the change amount sensor 24 and the second acquisition unit 202 cooperate with each other to acquire the number of rotations of the arm unit 4. Therefore, the second acquisition unit 202 functions as a second detection unit together with the change amount sensor 24.
  • the number of rotations N is expressed by the following formula 1 using the distance L between the acceleration sensor 23 and the change amount sensor 24 and the angular velocity V.
  • the change amount sensor 24 stores the distance L in advance.
  • N (V/2 ⁇ L) x 60... (1)
  • the change amount sensor 24 detects the angular velocity of the arm portion 4, it calculates the number of rotations of the arm portion 4 based on the detected angular velocity and Equation 1. Note that the calculation of the number of rotations of the arm portion 4 may be performed by, for example, the second acquisition unit 202.
  • the estimation unit 203 estimates the presence or absence of an abnormality related to wear of the gears in the reducer 22 based on the vibration data acquired by the first acquisition unit 201 and the rotation speed acquired by the second acquisition unit 202.
  • the estimation of the presence or absence of an abnormality related to wear of the gears in the reducer 22 may be referred to as "abnormality estimation.”
  • the memory unit 210 stores various information.
  • the information stored in the memory unit 210 includes, for example, the number of teeth (the number of teeth of multiple gears) of the reducer 22 and a threshold value used for comparison with the magnitude (amplitude) of vibration of the target frequency. These pieces of information are referenced in the anomaly estimation by the estimation unit 203.
  • the memory unit 210 may also store the result of the anomaly estimation together with the time of estimation.
  • the estimation unit 203 includes a calculation unit 203a.
  • the calculation unit 203a calculates a specific frequency (target frequency) used for abnormality estimation. Specifically, the calculation unit 203a calculates the target frequency based on the number of rotations of the arm unit 4 and the number of teeth of the gear acquired by the second acquisition unit 202. More specifically, the calculation unit 203a calculates the target frequency by multiplying the number of rotations N acquired by the second acquisition unit 202 by the number of teeth T stored in the storage unit 210. That is, the target frequency F is expressed by the following formula 2.
  • the estimation unit 203 extracts data corresponding to the target frequency calculated by the calculation unit 203a from the vibration time series data acquired by the first acquisition unit 201. Specifically, the estimation unit 203 extracts vibration data of the target frequency from the vibration time series data of various frequencies, for example, by performing filtering. In filtering, for example, a band-pass filter or a low-pass filter is used. These filters may be realized by analog circuits or software. In filtering, the estimation unit 203 changes the sampling speed and the moving average interval to extract vibration data of the target frequency.
  • the estimation unit 203 estimates an abnormality based on the extracted data. Specifically, the estimation unit 203 estimates an abnormality based on a comparison result between the extracted vibration data (vibration data at the target frequency) and a threshold value stored in the storage unit 210. More specifically, the estimation unit 203 compares the amplitude (e.g., the root mean square of the amplitude) of the extracted vibration data with a threshold value, and when the comparison result indicates that the vibration data is equal to or greater than the threshold value, estimates that there is an abnormality related to gear wear.
  • a threshold value stored in the storage unit 210. More specifically, the estimation unit 203 compares the amplitude (e.g., the root mean square of the amplitude) of the extracted vibration data with a threshold value, and when the comparison result indicates that the vibration data is equal to or greater than the threshold value, estimates that there is an abnormality related to gear wear.
  • the number of rotations of the arm portion 4 does not necessarily have to be calculated by the change amount sensor 24, but may be calculated by the calculation unit 203a.
  • the second acquisition unit 202 may acquire the angular velocity of the arm portion 4 from the change amount sensor 24.
  • the calculation unit 203a can also calculate the number of rotations of the arm portion 4 based on the angular velocity acquired by the second acquisition unit 202 and the above formula 1.
  • the estimation unit 203 outputs the estimation result to the notification unit 204.
  • the estimation unit 203 may be configured to output the estimation result to the notification unit 204 when it estimates that there is an abnormality, and to not output the estimation result to the notification unit 204 when it estimates that there is no abnormality.
  • the estimation unit 203 may store the estimation result in the storage unit 210.
  • the estimation unit 203 may be configured to store the estimation result in the memory unit 210 when it estimates that there is an abnormality, and to not store the estimation result in the memory unit 210 when it estimates that there is no abnormality.
  • the notification unit 204 notifies a predetermined output device of the estimation result output from the estimation unit 203. Specifically, when the estimation unit estimates that an abnormality exists, the notification unit 204 notifies the predetermined output device of the abnormality.
  • the predetermined output device includes a light-emitting unit such as an LED, a speaker, and an external device. In other words, the notification unit 204 notifies the abnormality by light emission from an LED or the like, sound from a speaker, or an external device via communication.
  • the notification unit 204 may perform the notification in at least one of the modes of light emission, sound, and communication, and may perform the notification in all modes, for example.
  • the change amount sensor 24 detects the acceleration of three axes as a second physical amount related to the motion state of the arm unit 4.
  • the second acquisition unit 202 acquires the acceleration of three axes from the change amount sensor 24.
  • the estimation unit 203 includes a determination unit 203b.
  • the determination unit 203b determines whether the arm unit 4 is in a constant velocity state based on a comparison result between a composite value of each axis of the three-axis acceleration acquired by the second acquisition unit 202 and the gravitational acceleration. Note that the movement of the arm unit 4 is slow (low frequency) compared to the vibration of the reducer 22. For this reason, the determination unit 203b extracts the acceleration related to the movement of the arm unit 4 by, for example, a low-pass filter, and determines whether the arm unit 4 is in a constant velocity state.
  • the determination unit 203b determines the constant velocity state when the composite value of each axis during a predetermined period coincides with the gravitational acceleration and the value of each axis during the predetermined period is indefinite.
  • the predetermined period is a period that is set in advance, and is, for example, about several seconds.
  • the vibrations of the X-axis, Y-axis, and Z-axis of the acceleration acquired by the second acquisition unit 202 are defined as Ax, Ay, and Az, respectively
  • the acceleration due to gravitational acceleration is defined as Gx, Gy, and Gz
  • the acceleration due to the movement of the reducer 22 is defined as Rx, Ry, and Rz
  • the vibration A is expressed by the following Equations 3 to 5.
  • Ax Gx + Rx (3)
  • Ay Gy + Ry ...
  • Az Gz + Rz ... (5)
  • the estimating unit 203 estimates an abnormality based on the detection result of the acceleration sensor 23. In other words, the estimating unit 203 estimates the presence or absence of an abnormality related to wear of the reducer 22 based on the detection result of the acceleration sensor 23 and the detection result of the change amount sensor 24.
  • the identification unit 203b identifies a non-constant velocity state other than a constant velocity state based on the gravitational acceleration and a composite value of the acceleration on each axis detected by the change amount sensor 24. Specifically, when the composite value on each axis does not match the gravitational acceleration, the identification unit 203b identifies an acceleration/deceleration state indicating that the arm is operating while accelerating or decelerating as a non-constant velocity state.
  • the identifying unit 203b can identify that the vehicle is in an acceleration/deceleration state when the condition "composite value of Ax, Ay, and Az ⁇ 9.8 m/s 2 " is satisfied.
  • the estimating unit 203 does not estimate an abnormality.
  • the determination unit 203b determines a stopped state when the composite value of each axis within a predetermined period coincides with the gravitational acceleration and the value of each axis within the predetermined period is constant.
  • FIG. 4 is an explanatory diagram of the hardware configuration of the condition monitoring device 100.
  • the condition monitoring device 100 includes a CPU (Central Processing Unit) 401, a memory 402, an I/F (interface) 403, an acceleration sensor 23, and a change amount sensor 24. Each unit is connected by a bus 410.
  • the CPU 401 is responsible for the overall control of the condition monitoring device 100. For example, the CPU 401 executes the processes of the first acquisition unit 201, the second acquisition unit 202, the estimation unit 203, and the notification unit 204 shown in FIG. 2. The CPU 401 may also control the operation of the acceleration sensor 23 and the operation of the change amount sensor 24.
  • the memory 402 is a general term for storage devices such as a ROM, a RAM, a Universal Serial Bus (USB) flash memory, a Solid State Drive (SSD), etc.
  • the I/F 403 is a general term for an input I/F and an output I/F (including a communication I/F).
  • the second acquisition unit 202 acquires the angular velocity and the acceleration of the arm unit 4 from the change amount sensor 24 via the I/F 403 (communication I/F).
  • the memory 402 stores various programs including the abnormality estimation program according to this embodiment.
  • the CPU 401 executes the abnormality estimation program to realize the functions of the first acquisition unit 201, the second acquisition unit 202, the estimation unit 203, and the notification unit 204.
  • the first acquisition unit 201, the second acquisition unit 202, the estimation unit 203, and the notification unit 204 are realized by the CPU 401.
  • Fig. 6 is a sequence diagram relating to the abnormality estimation performed by the estimation control unit 200 and the change amount sensor 24.
  • the process performed by the estimation control unit 200 shown in Fig. 6 corresponds to the abnormality estimation process (step S505) shown in Fig. 5.
  • the estimation control unit 200 requests the change amount sensor 24 to transmit the number of rotations of the arm unit 4 (step S601).
  • the change amount sensor 24 receives the transmission request from the estimation control unit 200, it starts up (step S602) and detects the angular velocity of the arm unit 4 (step S603).
  • the change amount sensor 24 calculates the number of rotations of the arm portion 4 based on the detected angular velocity and the above formula 1 (step S604). The change amount sensor 24 then transmits the calculated number of rotations to the estimation control unit 200 (step S605) and ends the process. After making a request to transmit the number of rotations in step S601, the estimation control unit 200 acquires the vibration data detected by the acceleration sensor 23 (step S606).
  • the estimation control unit 200 acquires the number of rotations of the arm unit 4 from the change amount sensor 24 (step S607), it refers to the number of teeth stored in the memory unit 210 and calculates the target frequency by multiplying the number of teeth by the number of rotations acquired in step S607 (step S608).
  • the estimation control unit 200 then extracts vibration data at the target frequency (step S609).
  • the estimation control unit 200 estimates an abnormality related to gear wear (step S610).
  • the estimation control unit 200 reports the estimation result (step S611) and ends the series of processes.
  • the condition monitoring device 100 estimates an abnormality based on the detection result (vibration data of the reducer 22) of the acceleration sensor 23 provided on the rotating shaft portion 20 and the detection result (the number of rotations of the arm portion 4) of the change amount sensor 24 provided on the arm portion 4. This makes it possible to estimate an abnormality in the reducer 22 with a simple configuration without acquiring information from the mother machine.
  • the condition monitoring device 100 also performs an abnormality estimation based on the detection results of the acceleration sensor 23 provided on the rotating shaft portion 20 (vibration data of the reducer 22) and the detection results of the change amount sensor 24 provided on the arm portion 4 (acceleration of the three axes of the arm portion 4).
  • This allows for abnormality estimation based on the detection results of the acceleration sensor 23 at the optimal timing obtained from the acceleration of the three axes of the arm portion 4, without the need to obtain information from the mother machine. Therefore, with a simple configuration, an abnormality in the reducer 22 can be accurately estimated.
  • condition monitoring device 100 calculates a target frequency based on the number of rotations of the arm portion 4 and the number of teeth of the gear, extracts data corresponding to the target frequency from vibration data detected by the acceleration sensor 23, and performs abnormality estimation based on the extracted data.
  • This allows the condition monitoring device 100 to eliminate the need for large-scale calculations such as FFT (Fast Fourier Transformation), thereby reducing power consumption. Therefore, the condition monitoring device 100 can be applied to simple battery-powered devices (for example, smart sensors).
  • the condition monitoring device 100 also uses filter processing to extract data corresponding to a target frequency from the vibration time series data, and estimates the presence or absence of an abnormality based on the results of comparing the extracted data with a predetermined threshold value. This makes it possible to estimate the presence or absence of an abnormality with a simpler configuration.
  • the condition monitoring device 100 also determines that the arm section 4 is in a constant velocity state based on the result of comparing the combined value of each axis of the three-axis acceleration of the arm section 4 with the acceleration of gravity. The condition monitoring device 100 then estimates the presence or absence of an abnormality based on the detection result of the acceleration sensor 23 at the time when it has determined that the arm section 4 is in a constant velocity state. This can improve the accuracy of the abnormality estimation.
  • the condition monitoring device 100 also identifies a constant velocity state when the composite value of the three-axis acceleration of the arm unit 4 within a specified period of time matches the gravitational acceleration, and the values of each axis within the specified period of time are indefinite. This makes it easy to identify the constant velocity state.
  • condition monitoring device 100 identifies the non-constant velocity state of the arm section 4 based on the composite value of the three-axis acceleration of the arm section 4 and the gravitational acceleration, and does not estimate the presence or absence of an abnormality in the non-constant velocity state. Since an abnormality cannot be estimated accurately in a non-constant velocity state, the accuracy of the abnormality estimation can be improved by not estimating the abnormality.
  • condition monitoring device 100 identifies the acceleration/deceleration state of the arm unit 4 when the composite value of the three-axis acceleration of the arm unit 4 does not match the gravitational acceleration. This makes it easy to identify the acceleration/deceleration state.
  • the state monitoring device 100 identifies that the arm 4 is in a constant velocity state based on a comparison result between the composite value of the three-axis acceleration of the arm 4 and the gravitational acceleration. Furthermore, the state monitoring device 100 calculates a target frequency based on the number of rotations of the arm 4 in the constant velocity state and the number of teeth of the gear. Then, the state monitoring device 100 extracts data corresponding to the target frequency from the time series data of the vibration detected by the acceleration sensor 23, and estimates the presence or absence of an abnormality based on the extracted data. This makes it possible to easily identify the constant velocity state and improve the accuracy of the abnormality estimation. Furthermore, the state monitoring device 100 can reduce power consumption because it does not require large-scale calculations such as FFT.
  • the state monitoring device 100 can be applied to a simple device (e.g., a smart sensor) that is driven by a battery.
  • a simple device e.g., a smart sensor
  • a battery e.g., a battery
  • Modifications of the embodiment are listed below. Note that in each of the following modifications, the contents described in the above-mentioned embodiment will be omitted as appropriate. It is also possible to combine the above-mentioned embodiment with the configuration shown in each modification.
  • (Variation 1) In the above-described embodiment, an example has been described in which the state monitoring device 100 calculates a target frequency and extracts data corresponding to the target frequency from the time-series data of vibration detected by the acceleration sensor 23 .
  • the condition monitoring device 100 according to the first modification may extract data corresponding to the target frequency by performing FFT analysis on the time series data of the vibration detected by the acceleration sensor 23 .
  • the condition monitoring device 100 performs an abnormality estimation at an optimal timing (e.g., a constant velocity state) based on the detection results (the three-axial acceleration of the arm section 4) of the change amount sensor 24 provided on the arm section 4.
  • an optimal timing e.g., a constant velocity state
  • the detection results the three-axial acceleration of the arm section 4
  • the change amount sensor 24 provided on the arm section 4.
  • the condition monitoring device 100 may use an iron powder sensor as the first detection unit.
  • the iron powder sensor is a sensor that detects the amount of iron powder (amount of wear) contained in the grease in the reducer 22. Since the iron powder in the reducer 22 is likely to diffuse during, for example, an acceleration/deceleration state, it is expected that the detection accuracy of the iron powder during an acceleration/deceleration state will be improved.
  • the condition monitoring device 100 identifies the acceleration/deceleration state based on the detection results of the change amount sensor 24 (the three-axial acceleration of the arm portion 4), and at the identified timing, estimates an abnormality based on the detection results of the iron powder sensor.
  • the second modification even without acquiring information from the mother machine, it is possible to perform anomaly estimation based on the detection results of the iron powder sensor at an optimal timing obtained from the three-axis acceleration of the arm unit 4. Therefore, it is possible to improve the accuracy of anomaly estimation of the reducer 22.
  • the third rotating shaft portion 20c is provided at one end (tip) of the boom 5, and is therefore included in the boom 5.
  • the second change amount sensor 24b is provided on the third rotating shaft portion 20c included in the boom 5.
  • the fourth rotating shaft portion 20d is provided at one end (tip) of the shovel arm 7, and is therefore included in the shovel arm 7.
  • the third change amount sensor 24c is provided on the fourth rotating shaft portion 20d included in the shovel arm 7.
  • Both the second change amount sensor 24b and the third change amount sensor 24c are sensors capable of detecting three-axis acceleration and three-axis angular velocity.
  • the second change amount sensor 24b substitutes not only for the function of detecting the number of rotations of the boom 5 (the function of the second detection unit) but also for the function of detecting vibrations of the third reduction gear 22c (the gear of the joint between the boom 5 and the shovel arm 7) (the function of the first detection unit).
  • the third change amount sensor 24c not only substitutes for the function of detecting the rotation speed of the shovel arm 7 (function of the second detection unit), but also for the function of detecting vibrations of the fourth reducer 22d (the gear at the joint between the shovel arm 7 and the bucket 9) (function of the first detection unit). According to the third modification, the number of sensors serving as the first detection unit can be reduced, resulting in a simpler configuration.
  • the trained model is generated by a learning device such as a personal computer.
  • the learning device uses a data set prepared in advance to train parameters of a classification model such as a neural network.
  • the data set uses actual data on various detection results and estimation results by the condition monitoring device 100.
  • the classification model includes an input unit, a feature calculation unit, a classification unit, and an output unit.
  • the input unit outputs the input rotation speed of the arm unit 4 and vibration data of the reducer 22 to the feature calculation unit as vectors.
  • the input unit constitutes the input layer of the neural network.
  • the feature calculation unit and classification unit are intermediate layers of the neural network.
  • the output unit is the output layer of the neural network.
  • the feature calculation unit converts the vector input from the input unit into a low-dimensional feature vector and outputs it to the classification unit.
  • the classification unit converts the feature vector input from the feature calculation unit into a P-dimensional vector indicating the posterior probability of the usable period represented by the feature vector. P is the number of usable periods to be estimated.
  • the learning device acquires a learning data set that associates the rotation speed of the arm unit 4, which is an input sample, with the vibration data of the reducer 22.
  • the rotation speed of the arm unit 4 and the vibration data of the reducer 22 are represented by a P-dimensional one-hot vector, where P is the number of usable periods in the data set.
  • the learning device updates each parameter by gradient descent so as to minimize a loss function using the calculation result of the classification model.
  • the loss function represents a cross-entropy error between an output value of the classification model and an output sample of the dataset.
  • the learning device ends the learning process and generates a trained model.
  • the generated trained model may be stored in another device (e.g., a server) different from the condition monitoring device 100.
  • the condition monitoring device 100 detects the rotation speed of the arm section 4 and the vibration data of the reduction gear 22, it transmits the detection results to the other device that stores the trained model.
  • the other device identifies the usable period based on the detection results and outputs the identified usable period.
  • the output usable period is displayed, for example, on a display provided in the construction machine 1 or a personal computer located in a maintenance factory for the construction machine 1.
  • the trained model may be stored in the state monitoring device 100. In this case, the state monitoring device 100 may specify the usable period based on the detection result and output the specified usable period.
  • the learned model can be used to identify the usable period based on the number of rotations of the arm portion 4 detected by the condition monitoring device 100 and the vibration data of the reducer 22. Furthermore, an abnormality in the reducer 22 can be predicted with a simple configuration without acquiring information from the mother machine.
  • the output sample represents the usable period, but the present invention is not limited to this, and the output sample may represent the replacement time (year and month, etc.).
  • the reducer 22 is a gear mechanism having a plurality of gears.
  • the reducer 22 may have pins (internal tooth pins) in addition to gears.
  • the reducer 22 may be configured such that a plurality of pin grooves that hold the plurality of internal tooth pins are formed on the inner peripheral surface of the case, and a gear mechanism (e.g., one or more oscillating gears) in the case meshes with the plurality of internal tooth pins.
  • the pin groove or the pin may be regarded as part of the gear mechanism.
  • a plurality of pin grooves may be referred to as a gear, and each pin may be referred to as a tooth.
  • the number of teeth may include the number of pins. Note that, if the number of teeth does not include the number of pins, the target frequency is obtained by multiplying the number of rotations of the arm unit 4 by the number of teeth of the gear and the number of pins.
  • condition monitoring device 100 is applied to a construction machine 1.
  • the condition monitoring device 100 may also be applied to a robot (e.g., a six-axis robot).
  • the robot is, for example, an industrial robot.
  • the condition monitoring device 100 detects a first physical quantity related to wear of a gear provided at a joint portion of the robot arm and a second physical quantity related to the motion state provided at the tip side of the robot arm, and based on these detection results, estimates the presence or absence of an abnormality related to gear wear.
  • those in which multiple functions are provided in a distributed manner may have some or all of the multiple functions consolidated, and conversely, those in which multiple functions are provided in a consolidated manner may have some or all of the multiple functions distributed. Regardless of whether the functions are consolidated or distributed, it is sufficient that the configuration is such that the object of the invention can be achieved.
  • a gear is used as an example of the mechanical element provided at the joint of the arm unit 4, but the mechanical element is not limited to a gear.
  • the mechanical element may be a bearing or a motor provided at the joint.
  • the vibration of the gears is described as an example of the first physical quantity related to the mechanical element, but the present invention is not limited to this case, and the first physical quantity may be, for example, the motor current of a motor (mechanical element).
  • the rotation speed of the arm unit 4 may be adopted as the second physical quantity related to the motion state of the arm unit 4.
  • the amplitude value of the frequency of the motor current determined from the rotation speed may be monitored to estimate a failure sign of the motor (the state of the mechanical element).
  • a program for realizing the functions of the device (e.g., status monitoring device 100) according to the embodiment described above may be stored in a computer-readable storage medium, and the program stored in this storage medium may be read into a computer system and executed to perform processing.
  • the term "computer system” may include an operating system (OS) or hardware such as peripheral devices.
  • OS operating system
  • computer-readable storage medium refers to a storage device such as a flexible disk, a magneto-optical disk, a ROM (Read Only Memory), a writable non-volatile memory such as a flash memory, a portable medium such as a DVD (Digital Versatile Disc), or a hard disk built into a computer system.
  • the term "computer-readable storage medium” includes a medium that holds a program for a certain period of time, such as a volatile memory (e.g., DRAM (Dynamic Random Access Memory)) inside an information processing device or a computer system that is a client when the program is transmitted via a network such as the Internet or a communication line such as a telephone line.
  • a volatile memory e.g., DRAM (Dynamic Random Access Memory)
  • the above-mentioned program may also be transmitted from a computer system that stores the program in a storage device or the like to another computer system via a transmission medium or by transmission waves in the transmission medium.
  • the "transmission medium” that transmits the program refers to a medium that has a function of transmitting information, such as a network (communication network) such as the Internet or a communication line (communication line) such as a telephone line.
  • the above program may be for implementing some of the above functions.
  • the above program may be a so-called differential file (differential program) that can implement the above functions in combination with a program already stored in the computer system.
  • the present invention makes it possible to estimate the condition of a mechanical element (e.g., a gear abnormality) with a simple configuration.
  • a mechanical element e.g., a gear abnormality

Landscapes

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

Abstract

状態監視装置は、第１取得部（２０１）と、第２取得部（２０２）と、推定部（２０３）とを備える。第１取得部は、旋回可能なアームの関節部分に設けられ、関節部分に設けられた機械要素に関する第１物理量を取得する。第２取得部は、アームのうち、関節部分が配置される基端側とは異なる先端側に設けられ、アームの運動状態に関する第２物理量を取得する。推定部は、第１取得部によって取得された第１物理量と、第２取得部によって取得された第２物理量とに基づいて、機械要素の状態を推定する。

Description

状態監視装置及び記憶媒体
　本発明は、状態監視装置及び記憶媒体に関する。
　本願は、２０２２年１２月１６日に日本に出願された特願２０２２－２０１１２３号について優先権を主張し、その内容をここに援用する。
　従来から、建設機械が備えるアームの関節部分には、減速機が搭載されている。減速機は、劣化が進むと通常よりも振動が大きくなる。そこで、例えば、加速度センサによって減速機等のギアの異常（故障や劣化）を判定することが行われる。ギアの振動は、劣化時でも、劣化のない通常時でも小さい。このため、加速度センサによって検出された様々な周波数の振動の中から、ギアの故障の推定に適したターゲットとなる周波数（ターゲット周波数）に注目し、ターゲット周波数の振動の大きさから異常を判定する必要がある。
　ターゲット周波数は、例えば、当該ギアの歯数および回転数によって定まる。ギアの回転数は、例えば、母機から取得することが可能である。関連する技術として、回転機器の正常時の回転数と回転機器の振動値との関係を近似した式を用いて任意の回転数における振動値を基準回転数の振動値に補正し、この補正値が閾値を越えることによって異常を判定する方法が開示されている（例えば、特許文献１参照）。
日本国特開平７－２１８３３３号公報
　しかしながら、ターゲット周波数を母機から取得する手法では、母機から母機外部への信号線の配線が必要になり、煩雑になってしまう。従って、簡単な構成で、ターゲット周波数を取得することができない。このため、従来技術では、簡単な構成で、ギアの異常を推定することができない、という問題があった。
　本発明は、簡単な構成で機械要素の状態（例えば歯車の状態）を推定することができる状態監視装置及び記憶媒体を提供することを目的としている。
　本発明の状態監視装置の一態様は、旋回可能なアームの関節部分に設けられた機械要素に関する第１物理量を検出する第１検出部と、前記アームのうち、前記関節部分が配置される基端側とは異なる先端側に設けられ、前記アームの運動状態に関する第２物理量を検出する第２検出部と、前記第１検出部によって検出された前記第１物理量と、前記第２検出部によって検出された第２物理量とに基づいて、前記機械要素の状態を推定する推定部と、を備える。
　上記構成によれば、母機から情報を取得しなくても、簡単な構成で、機械要素の状態を推定することができる。
　上記構成において、前記機械要素は、前記関節部分に設けられた歯車であり、前記第１物理量は、前記歯車の振動であり、前記第２物理量は、前記アームの加速度及び角速度の少なくとも一方の物理量であってもよい。前記推定部は、前記アームが運動している所定期間の前記第２物理量の検出結果と、前記歯車の歯数とに基づいて、前記振動の特定の周波数を算出する算出部を有してもよい。さらに前記推定部は、算出された前記特定の周波数と、前記所定期間における前記第１物理量の検出結果とを用いて、前記歯車の状態を推定してもよい。
　上記構成によれば、簡単な構成で、歯車の状態（例えば歯車の異常）を推定することができる。
　上記構成において、前記推定部は、前記所定期間における前記第１物理量の検出結果の時系列データから、算出された前記特定の周波数に対応するデータを抽出し、抽出後のデータに基づいて、前記歯車の状態を推定してもよい。
　上記構成によれば、ＦＦＴ（Fast Fourier Transformation）等の大規模な演算を不要とすることができ、消費電力を低減できる。そのため、電池で駆動する簡便な装置（例えば、スマートセンサ）に状態監視装置を適用することができる。
　上記構成において、前記推定部は、前記第１物理量の検出結果の前記時系列データから前記特定の周波数に対応するデータを抽出するためのフィルタ処理を実行し、抽出後のデータと所定の閾値との比較結果に基づいて、前記歯車の状態を推定してもよい。
　上記構成によれば、より簡単な構成で歯車の状態、例えば歯車の異常の有無を推定することができる。
　上記構成において、前記第２物理量は、前記アームの３軸加速度であってもよい。前記推定部は、前記３軸加速度の各軸の合成値と重力加速度との比較結果に基づいて、前記アームが等速で動作していることを示す等速状態であるか否かを特定する特定部を有してもよい。前記推定部は、前記等速状態であると特定された時点における前記第１検出部の検出結果に基づいて、前記機械要素の状態を推定してもよい。
　上記構成によれば、機械要素の状態の推定（例えば異常推定）の精度を向上させることができる。
　上記構成において、前記特定部は、所定期間内における前記各軸の合成値と重力加速度とが一致し、且つ、所定期間内における前記各軸の値が不定である場合に、前記アームが前記等速状態であると特定してもよい。
　上記構成によれば、アームの等速状態を簡単に特定することができる。
　上記構成において、前記特定部は、前記各軸の合成値と重力加速度とに基づいて、前記等速状態以外の非等速状態を特定してもよい。前記推定部は、前記非等速状態において、前記機械要素の状態を推定しないようにしてもよい。
　上記構成によれば、機械要素の状態の推定（例えば異常推定）の精度を向上させることができる。
　上記構成において、前記特定部は、前記各軸の合成値と重力加速度と一致しない場合に、前記非等速状態として、前記アームが加速または減速して動作していることを示す加減速状態を特定してもよい。
　上記構成によれば、アームの加減速状態を簡単に特定することができる。
　上記構成において、前記機械要素は、前記関節部分に設けられた歯車であり、前記第１物理量は、前記歯車の振動であり、前記第２物理量は、前記アームの回転数と、前記アームの３軸加速度とを含んでもよい。前記推定部は、前記３軸加速度の各軸の合成値と重力加速度との比較結果に基づいて、前記アームが等速で動作していることを示す等速状態であるか否かを特定する特定部と、前記等速状態であると特定された時点における前記アームの回転数と前記歯車の歯数とを少なくとも含む情報に基づいて、前記振動の特定の周波数を算出する算出部と、を有してもよい。前記推定部は、前記第１物理量の検出結果の時系列データから、算出された前記特定の周波数に対応するデータを抽出し、抽出後のデータに基づいて、前記歯車の状態を推定してもよい。
　上記構成によれば、アームの等速状態を簡単に特定することができるとともに、ＦＦＴ等の大規模な演算を不要とすることができ、消費電力を低減できる。そのため、電池で駆動する簡便な装置（例えば、スマートセンサ）に状態監視装置を適用することができる。
　本発明の記憶媒体の一態様は、コンピュータを状態監視装置として機能させるプログラムを格納したコンピュータ読み取り可能な記憶媒体であって、前記コンピュータを、旋回可能なアームの関節部分に設けられ、前記関節部分に設けられた機械要素に関する第１物理量を検出する第１検出部から、前記第１物理量を取得する第１取得部と、前記アームのうち、前記関節部分が配置される基端側とは異なる先端側に設けられ、前記アームの運動状態に関する第２物理量を検出する第２検出部から、前記第２物理量を取得する第２取得部と、前記第１取得部によって取得された前記第１物理量と、前記第２取得部によって取得された前記第２物理量とに基づいて、前記機械要素の状態を推定する推定部と、して機能させる前記プログラムを格納している。
　上記構成によれば、母機から情報を取得しなくても、簡単な構成で、歯車の状態（例えば歯車の異常）を推定することができる。
　本発明によれば、簡単な構成で歯車の状態（例えば歯車の異常）を推定することができる。
実施形態に係る建設機械１の説明図。 状態監視装置１００の機能構成の一例を示すブロック図。 状態監視装置１００の概要を示す模式図。 状態監視装置１００のハードウェア構成の説明図。 推定制御部２００が行う処理の一例を示すフローチャート。 推定制御部２００および変化量センサ２４が行う異常推定に係るシーケンス図。
　本発明の実施形態について、図面を参照して説明する。
（建設機械１）
　図１は、実施形態に係る建設機械１の説明図である。図１に示すように、建設機械１は、例えば、掘削機の一種である、いわゆる動力ショベルである。建設機械１は、本体２と、アーム部４（アームの一例）と、回転軸部２０（関節部分の一例）とを備える。本体２は、旋回部３ａおよび走行部３ｂを有する。
（アーム部４）
　アーム部４は、ブーム５と、ショベルアーム７と、バケット９とを含む。ブーム５は、本体２に連結され、本体２に対して旋回可能である。ショベルアーム７は、ブーム５に連結され、ブーム５に対して旋回可能である。バケット９は、ショベルアーム７に連結され、ショベルアーム７に対して旋回可能である。
（回転軸部２０）
　回転軸部２０は、第１回転軸部２０ａと、第２回転軸部２０ｂと、第３回転軸部２０ｃと、第４回転軸部２０ｄとを含む。
　第１回転軸部２０ａは、走行部３ｂと旋回部３ａとを回転可能に連結する。第２回転軸部２０ｂは、旋回部３ａ（旋回部３ａに設けられた支持部３ｃ）とブーム５とを回転可能に連結する。第３回転軸部２０ｃは、ブーム５とショベルアーム７とを回転可能に連結する。第４回転軸部２０ｄは、ショベルアーム７とバケット９とを回転可能に連結する。
　第２回転軸部２０ｂは、支持部３ｃのうちブーム５と連結する部分（又はブーム５のうち支持部３ｃと連結する部分）に設けられている。第３回転軸部２０ｃは、ブーム５のうちショベルアーム７と連結する部分（又はショベルアーム７のうちブーム５と連結する部分）に設けられている。第４回転軸部２０ｄは、ショベルアーム７のうちバケット９と連結する部分（又はバケット９のうちショベルアーム７と連結する部分）に設けられている。
　第１回転軸部２０ａの回転軸は、走行部３ｂが接する面（例えば、地面）に対して垂直である。第２回転軸部２０ｂ、第３回転軸部２０ｃおよびの第４回転軸部２０ｄのそれぞれの回転軸は、走行部３ｂが接する面に対して平行である。
　それぞれの回転軸部２０には、回転電機（非図示）および減速機２２が設けられている。
　具体的には、第１回転軸部２０ａには、第１回転電機（非図示）および第１減速機２２ａが設けられている。第２回転軸部２０ｂには、第２回転電機（非図示）及び第２減速機２２ｂが設けられている。第３回転軸部２０ｃには、第３回転電機（非図示）及び第３減速機２２ｃが設けられている。第４回転軸部２０ｄには、第４回転電機（非図示）及び第４減速機２２ｄが設けられている。回転電機は、電気（電力）によって回転する。
（減速機２２）
　減速機２２は、互いに噛み合う複数の歯車を有する歯車機構である。
　第１減速機２２ａは、第１回転電機から発生する動力によって旋回部３ａを回転駆動させる。具体的には、第１減速機２２ａの入力部は、第１回転電機の出力部に連結されている。第１減速機２２ａの出力部は、旋回部３ａに連結されている。第１減速機２２ａは、第１回転電機から入力部に入力される動力の回転速度を減じることによって、減速後の動力を出力部から出力する。
　第２減速機２２ｂは、第２回転電機から発生する動力によってブーム５を回転駆動させる。具体的には、第２減速機２２ｂの入力部は、第２回転電機の出力部に連結されている。第２減速機２２ｂの出力部は、ブーム５に連結されている。第２減速機２２ｂは、第２回転電機から入力部に入力される動力の回転速度を減じることによって、減速後の動力を出力部から出力する。
　第３減速機２２ｃは、第３回転電機から発生する動力によってショベルアーム７を回転駆動させる。具体的には、第３減速機２２ｃの入力部は、第３回転電機の出力部に連結されている。第３減速機２２ｃの出力部は、ショベルアーム７に連結されている。第３減速機２２ｃは、第３回転電機から入力部に入力される動力の回転速度を減じることによって、減速後の動力を出力部から出力する。
　第４減速機２２ｄは、第４回転電機から発生する動力によってバケット９を回転駆動させる。具体的には、第４減速機２２ｄの入力部は、第４回転電機の出力部に連結されている。第４減速機２２ｄの出力部は、バケット９に連結されている。第４減速機２２ｄは、第４回転電機から入力部に入力される動力の回転速度を減じることによって、減速後の動力を出力部から出力する。
（状態監視装置１００）
　建設機械１には、減速機２２の異常を推定する状態監視装置１００（１００ｂ～１００ｄ）が設けられている。状態監視装置１００（１００ｂ～１００ｄ）は、減速機２２を構成する機械要素の状態を推定する。具体的には、状態監視装置１００（１００ｂ～１００ｄ）は、減速機２２を構成する歯車の状態（異常の状態）を推定する。
　状態監視装置１００が推定する異常とは、例えば、故障、劣化、故障のおそれや、劣化の度合い、残りの使用可能期間などの各種対象を含む。なお、各種対象にそれぞれ閾値（後述）を対応付けておくことにより、各種対象をそれぞれ判別することが可能である。
　状態監視装置１００（１００ｂ～１００ｄ）は、回転軸部２０（２０ｂ～２０ｄ）に設けられる。
　図１及び図２に示すように、状態監視装置１００は、加速度センサ２３（２３ｂ～２３ｄ）と、変化量センサ２４（２４ｂ～２４ｄ）とを含む。状態監視装置１００は、例えば、スマートセンサであり、加速度センサ２３を内蔵する。加速度センサ２３は、第１検出部の一例である。加速度センサ２３は、減速機２２を構成する歯車の摩耗に関する第１物理量を検出する。第１物理量は、例えば、３軸の加速度である。なお、加速度センサ２３は、３軸の加速度の他にも、３軸の角速度を検出することが可能なセンサである。
　変化量センサ２４は、第２検出部の一例である。変化量センサ２４（２４ｂ～２４ｄ）は、アーム部４（ブーム５、ショベルアーム７、バケット９）に設けられている。
　変化量センサ２４は、アーム部４の運動状態に関する第２物理量を検出する。第２物理量は、例えば、アーム部４の角速度である。本実施形態において、変化量センサ２４は、３軸の加速度および３軸の角速度を検出することが可能なセンサとしている。なお、加速度センサ２３および変化量センサ２４は、それぞれが一体となっているスマートセンサを用いることも可能である。
（第２状態監視装置１００ｂ）
　第２回転軸部２０ｂには、第２減速機２２ｂの異常を推定する第２状態監視装置１００ｂが設けられている。第２状態監視装置１００ｂは、第２加速度センサ２３ｂを備える。第２加速度センサ２３ｂは、第２減速機２２ｂに設けられた歯車の振動を検出する。なお、第２状態監視装置１００ｂは、第２減速機２２ｂのケース（第２減速機２２ｂの複数の歯車を収容するケース）に設けられてもよい。
　ブーム５には、第２変化量センサ２４ｂが設けられている。第２変化量センサ２４ｂは、ブーム５のうち、第２回転軸部２０ｂが配置される基端側とは異なる先端側に設けられている。具体的には、第２変化量センサ２４ｂは、ブーム５のうち、先端に配置される第３回転軸部２０ｃよりも、基端側に位置した部分に設けられている。第２変化量センサ２４ｂは、ブーム５の角速度を検出する。
（第３状態監視装置１００ｃ）
　第３回転軸部２０ｃには、第３減速機２２ｃの故障（劣化の状況）を判定する第３状態監視装置１００ｃが設けられている。第３状態監視装置１００ｃは、第３加速度センサ２３ｃを備える。第３加速度センサ２３ｃは、第３減速機２２ｃに設けられた歯車の振動を検出する。なお、第３状態監視装置１００ｃは、第３減速機２２ｃのケース（第３減速機２２ｃの複数の歯車を収容するケース）に設けられてもよい。
　ショベルアーム７には、第３変化量センサ２４ｃが設けられている。第３変化量センサ２４ｃは、ショベルアーム７のうち、第３回転軸部２０ｃが配置される基端側とは異なる先端側に設けられている。具体的には、第３変化量センサ２４ｃは、ショベルアーム７のうち、先端に配置される第４回転軸部２０ｄよりも、基端側に位置した部分に設けられている。第３変化量センサ２４ｃは、ショベルアーム７の角速度を検出する。
（第４状態監視装置１００ｄ）
　第４回転軸部２０ｄには、第４減速機２２ｄの故障（劣化の状況）を判定する第４状態監視装置１００ｄが設けられている。第４状態監視装置１００ｄは、第４加速度センサ２３ｄを備える。第４加速度センサ２３ｄは、第４減速機２２ｄに設けられた歯車の振動を検出する。なお、第４状態監視装置１００ｄは、第４減速機２２ｄのケース（第４減速機２２ｄの複数の歯車を収容するケース）に設けられてもよい。
　バケット９には、第４変化量センサ２４ｄが設けられている。第４変化量センサ２４ｄは、バケット９のうち、第４回転軸部２０ｄが配置される基端側よりも先端側に位置した部分に設けられる。第４変化量センサ２４ｄは、バケット９の角速度を検出する。
（状態監視装置１００の機能構成）
　図２は、状態監視装置１００の機能構成の一例を示すブロック図である。
　図３は、状態監視装置１００の概要を示す模式図である。以下では、図３を参照しつつ、図２に示す推定制御部２００について説明する。
　図２に示すように、状態監視装置１００は、推定制御部２００と、加速度センサ２３と、変化量センサ２４とを備える。推定制御部２００は、第１取得部２０１と、第２取得部２０２と、推定部２０３と、報知部２０４と、記憶部２１０とを備える。
　第１取得部２０１は、加速度センサ２３から、減速機２２に設けられる歯車の振動データ（振動値）を取得する。従って、加速度センサ２３及び第１取得部２０１は、互いに協働して歯車の振動データを取得する。そのため、第１取得部２０１は、加速度センサ２３と共に第１検出部として機能する。なお、振動データは、加速度センサ２３によって検出される振動の時系列データである。
　第２取得部２０２は、変化量センサ２４よって算出されるアーム部４の回転数を取得する。なお、変化量センサ２４及び第２取得部２０２は、互いに協働してアーム部４の回転数を取得する。そのため、第２取得部２０２は、変化量センサ２４と共に第２検出部として機能する。
　ここで、アーム部４の回転数の算出について説明する。回転数Ｎは、加速度センサ２３と変化量センサ２４との間の距離Ｌと、角速度Ｖとを用いると、以下の式１で表される。なお、変化量センサ２４は、予め距離Ｌを記憶している。
　Ｎ＝（Ｖ／２πＬ）×６０…（１）
　変化量センサ２４は、アーム部４の角速度を検出すると、検出した角速度と式１とに基づいて、アーム部４の回転数を算出する。なお、アーム部４の回転数を算出は、例えば第２取得部２０２が行っても構わない。
　推定部２０３は、第１取得部２０１によって取得された振動データと、第２取得部２０２によって取得された回転数とに基づいて、減速機２２内の歯車の摩耗に係る異常の有無を推定する。以下では、減速機２２内の歯車の摩耗に係る異常の有無の推定を「異常推定」という場合がある。
　記憶部２１０は、種々の情報を記憶する。記憶部２１０が記憶する情報は、例えば、減速機２２の歯数（複数の歯車の歯数）や、ターゲット周波数の振動の大きさ（振幅）との比較に用いられる閾値を含む。これらの情報は、推定部２０３による異常推定において参照される。また、記憶部２１０は、異常推定の推定結果を推定した時刻とともに記憶してもよい。
（異常推定について）
　以下、異常推定の具体例について説明する。
　推定部２０３は、算出部２０３ａを備える。算出部２０３ａは、異常推定に用いる特定の周波数（ターゲット周波数）を算出する。具体的には、第２取得部２０２によって取得されたアーム部４の回転数と、歯車の歯数とに基づいて、ターゲット周波数を算出する。より具体的には、算出部２０３ａは、第２取得部２０２によって取得された回転数Ｎと、記憶部２１０に記憶される歯数Ｔとを乗算することにより、ターゲット周波数を算出する。すなわち、ターゲット周波数Ｆは、以下の式２で表される。
　Ｆ＝Ｎ×Ｔ…（２）
　そして、推定部２０３は、第１取得部２０１によって取得された振動の時系列データのうち、算出部２０３ａによって算出されたターゲット周波数に対応するデータを抽出する。具体的には、推定部２０３は、例えば、フィルタ処理することにより、種々の周波数の振動の時系列データの中から、ターゲット周波数の振動データを抽出する。フィルタ処理では、例えば、バンドパスフィルタ、ローパスフィルタが用いられる。これらのフィルタはアナログ回路で実現されてもよいし、ソフトウェアで実現されてもよい。推定部２０３は、フィルタ処理において、サンプリング速度の変更や、移動平均の区間変更を行って、ターゲット周波数の振動データを抽出する。
　そして、推定部２０３は、抽出後のデータに基づいて、異常の推定を行う。具体的には、推定部２０３は、抽出後の振動データ（ターゲット周波数における振動データ）と、記憶部２１０に記憶されている閾値との比較結果に基づいて、異常の推定を行う。より具体的には、推定部２０３は、抽出後の振動データの振幅（例えば、振幅の二乗平均平方根）と、閾値とを比較し、当該振動データが閾値以上であるという比較結果が得られた場合に、歯車の摩耗に係る異常があると推定する。
　なお、アーム部４の回転数は、変化量センサ２４によって算出されることに限らず、算出部２０３ａによって算出されてもよい。この場合、第２取得部２０２は、変化量センサ２４からアーム部４の角速度を取得すればよい。算出部２０３ａは、第２取得部２０２によって取得された角速度と上記式１とに基づいて、アーム部４の回転数を算出することも可能である。
（報知部２０４について）
　推定部２０３は、推定した推定結果を報知部２０４に出力する。なお、推定部２０３は、異常があると推定した場合に、推定結果を報知部２０４に出力し、異常がないと推定した場合に、推定結果を報知部２０４に出力しないように構成されてもよい。また、推定部２０３は、推定結果を記憶部２１０に記憶させてもよい。
　なお、推定部２０３は、異常があると推定した場合に、推定結果を記憶部２１０に記憶させ、異常がないと推定した場合に、推定結果を記憶部２１０に記憶させないように構成されてもよい。
　報知部２０４は、推定部２０３から出力される推定結果を、所定の出力デバイスに報知させる。具体的には、報知部２０４は、推定部によって異常があると推定された場合に、所定の出力デバイスにその旨を報知させる。所定の出力デバイスは、ＬＥＤ等の発光部や、スピーカや、外部の装置を含む。すなわち、報知部２０４は、ＬＥＤ等の発光や、スピーカからの音声や、通信による外部の装置によって、異常がある旨を報知させる。
　なお、報知部２０４は、発光、音声および通信の態様のうち、少なくとも一の態様で当該報知を行わせればよく、例えば、全ての態様で当該報知を行わせてもよい。
（異常の推定を行うタイミングについて）
　ここで、アーム部４が停止している停止状態である場合には、減速機２２に振動が発生しない。そのため、異常推定を行ったとしても、異常の推定結果は得られない。また、アーム部４が加減速している加減速状態である場合には、加速度センサ２３によって検出される振動に加減速分が加わることから、ターゲット周波数が不定となってしまう。すなわち、アーム部４が停止状態または加減速状態である場合には、異常推定を精度よく行うことができない。
　そこで、本実施形態では、アーム部４が等速状態である場合に、異常推定を行うようにしている。以下に、アーム部４が等速状態であることの特定について説明する。
（等速状態の特定について）
　変化量センサ２４は、アーム部４の運動状態に関する第２物理量として、３軸の加速度を検出する。第２取得部２０２は、変化量センサ２４から３軸の加速度を取得する。推定部２０３は、特定部２０３ｂを備える。特定部２０３ｂは、第２取得部２０２によって取得された３軸加速度の各軸の合成値と、重力加速度と、の比較結果に基づいて、アーム部４が等速状態であるか否かを特定する。なお、アーム部４の動作は、減速機２２の振動に比べて、低速（低周波）である。このため、特定部２０３ｂは、例えば、ローパスフィルタによって、アーム部４の動作に係る加速度を抽出して、アーム部４が等速状態であるか否かを特定する。
　特定部２０３ｂは、所定期間内における各軸の合成値と重力加速度とが一致し、且つ、所定期間内における各軸の値が不定である場合に、等速状態を特定する。所定期間は、予め設定される期間であり、例えば、数秒程度である。
　ここで、第２取得部２０２によって取得された加速度のＸ軸、Ｙ軸、Ｚ軸の各振動をそれぞれＡｘ、Ａｙ、Ａｚと定義し、重力加速度に起因する加速度をＧｘ、Ｇｙ、Ｇｚと定義し、減速機２２の運動に起因する加速度をＲｘ、Ｒｙ、Ｒｚと定義すると、振動Ａは以下の式３～５で表される。
　Ａｘ＝Ｇｘ＋Ｒｘ…（３）
　Ａｙ＝Ｇｙ＋Ｒｙ…（４）
　Ａｚ＝Ｇｚ＋Ｒｚ…（５）
　Ｇｘ、Ｇｙ、Ｇｚの合成値は、以下の式６で表される。
　（Ｇｘ２＋Ｇｙ２＋Ｇｚ２）1/2＝９．８ｍ／ｓ２…（６）
　等速状態中の場合、加減速はないため、
　Ｒｘ＝Ｒｙ＝Ｒｚ＝０
　であることから、上記式３～５は以下のように表される。
　Ａｘ=Ｇｘ
　Ａｙ=Ｇｙ
　Ａｚ=Ｇｚ
　よって、Ａｘ、Ａｙ、Ａｚの合成値は、９．８ｍ／ｓ２となる。
　また、アーム部４が動作することから、変化量センサ２４に検出される３軸の加速度の向きが不定となる。すなわち、Ａｘ、Ａｙ、Ａｚ（＝Ｇｘ、Ｇｙ、Ｇｚ）の各値は、不定となる。従って、特定部２０３ｂは、「Ａｘ、Ａｙ、Ａｚの合成値＝９．８ｍ／ｓ２」且つ「Ａｘ、Ａｙ、Ａｚの各値＝不定」の条件が成立した場合に、等速状態であると特定できる。
　推定部２０３は、特定部２０３ｂが等速状態であることを特定した場合に、加速度センサ２３の検出結果に基づいて、異常の推定を行う。言い換えれば、推定部２０３は、加速度センサ２３の検出結果と、変化量センサ２４の検出結果とに基づいて、減速機２２の摩耗に係る異常の有無を推定する。
（非等速状態の特定について）
　次に、非等速状態の特定について説明する。
　特定部２０３ｂは、変化量センサ２４に検出される加速度の各軸の合成値と重力加速度とに基づいて、等速状態以外の非等速状態を特定する。具体的には、特定部２０３ｂは、各軸の合成値と重力加速度とが一致しない場合に、非等速状態として、アームが加速または減速して動作していることを示す加減速状態を特定する。
（加減速状態の特定について）
　加減速状態では、Ｒｘ、Ｒｙ、Ｒｚが不定となる。また、アーム部４が動作することから、変化量センサ２４に検出される３軸の加速度の向きが不定となる。すなわち、Ａｘ、Ａｙ、Ａｚ（＝Ｇｘ、Ｇｙ、Ｇｚ）の各値は、不定となる。
　従って、特定部２０３ｂは、「Ａｘ、Ａｙ、Ａｚの合成値≠９．８ｍ／ｓ２」の条件が成立した場合に、加減速状態であると特定できる。
　推定部２０３は、特定部２０３ｂが加減速状態であることを特定した場合に、異常の推定を行わない。
（停止状態の特定について）
　特定部２０３ｂは、所定期間内における各軸の合成値と重力加速度とが一致し、且つ、所定期間内における各軸の値が一定である場合に、停止状態を特定する。具体的に説明すると、停止状態の場合、加減速はないため、
　Ｒｘ＝Ｒｙ＝Ｒｚ＝０
　である。そのため、上記式３～５は以下のように表される。
　Ａｘ=Ｇｘ
　Ａｙ=Ｇｙ
　Ａｚ=Ｇｚ
　よって、Ａｘ、Ａｙ、Ａｚの合成値は、９．８ｍ／ｓ２となる。
　また、アーム部４が動作しないことから、変化量センサ２４に検出される３軸の加速度の向きが変わらない。そのため、Ａｘ、Ａｙ、Ａｚ（＝Ｇｘ、Ｇｙ、Ｇｚ）の各値は、一定となる。
　すなわち、特定部２０３ｂは、「Ａｘ、Ａｙ、Ａｚの合成値＝９．８ｍ／ｓ２」且つ「Ａｘ、Ａｙ、Ａｚの各値＝一定」の条件が成立した場合に、停止状態であると特定できる。
　推定部２０３は、特定部２０３ｂが停止状態であることを特定した場合に、異常の推定を行わない。
（状態監視装置１００のハードウェア構成）
　図４は、状態監視装置１００のハードウェア構成の説明図である。図４に示すように、状態監視装置１００は、ＣＰＵ（Central Processing Unit）４０１と、メモリ４０２と、Ｉ／Ｆ（インターフェース）４０３と、加速度センサ２３と、変化量センサ２４と、を備える。各部は、バス４１０によって接続される。
　ＣＰＵ４０１は、状態監視装置１００の全体の制御を司る。例えば、ＣＰＵ４０１は、図２に示した、第１取得部２０１、第２取得部２０２、推定部２０３、および報知部２０４による各処理を実行する。ＣＰＵ４０１は、加速度センサ２３の動作、変化量センサ２４の動作を制御してもよい。
　メモリ４０２は、例えば、ＲＯＭ、ＲＡＭ、ＵＳＢ（Universal Serial Bus）フラッシュメモリ、ＳＳＤ（Solid State Drive）等の記憶装置の総称である。例えば、図２に示した記憶部２１０は、メモリ４０２によって構成される。
　Ｉ／Ｆ４０３は、入力Ｉ／Ｆ、出力Ｉ／Ｆの総称（通信Ｉ／Ｆを含む）である。例えば、第２取得部２０２は、Ｉ／Ｆ４０３（通信Ｉ／Ｆ）を介して、変化量センサ２４から、アーム部４の角速度および加速度を取得する。
　なお、メモリ４０２には、本実施形態に係る異常推定プログラムを含む各種のプログラムが記憶される。ＣＰＵ４０１は、異常推定プログラムを実行することにより、第１取得部２０１と、第２取得部２０２と、推定部２０３と、報知部２０４との機能を実現する。すなわち、第１取得部２０１と、第２取得部２０２と、推定部２０３と、報知部２０４とはＣＰＵ４０１によって実現される。
（推定制御部２００が行う処理）
　図５は、推定制御部２００が行う処理の一例を示すフローチャートである。
　図５において、推定制御部２００は、異常推定の開始となったか否かを判断する（ステップＳ５０１）。異常推定の開始タイミングは、予め定めたタイミング（１日に数回の所定タイミング）としてもよいし、操作者からの開始指示の入力があったタイミングとしてもよい。
　推定制御部２００は、異常推定の開始となるまで待機し（ステップＳ５０１：ＮＯ）、異常推定の開始になると（ステップＳ５０１：ＹＥＳ）、変化量センサ２４によって検出される３軸の加速度を取得する（ステップＳ５０２）。
　次に、推定制御部２００は、アーム部４が加減速状態（Ａｘ、Ａｙ、Ａｚの合成値≠９．８ｍ／ｓ２）であるか否かを判断する（ステップＳ５０３）。アーム部４が加減速状態である場合（ステップＳ５０３：ＹＥＳ）、推定制御部２００は、ステップＳ５０２に戻る。一方、アーム部４が加減速状態ではない場合（ステップＳ５０３：ＮＯ）、推定制御部２００は、停止状態（「Ａｘ、Ａｙ、Ａｚの合成値＝９．８ｍ／ｓ２」且つ「Ａｘ、Ａｙ、Ａｚの各値＝一定」）であるか否かを判断する（ステップＳ５０４）。
　停止状態である場合（ステップＳ５０４：ＹＥＳ）、推定制御部２００は、ステップＳ５０２に戻る。一方、アーム部４が停止状態ではない場合（ステップＳ５０４：ＮＯ）、すなわち、等速状態（「Ａｘ、Ａｙ、Ａｚの合成値＝９．８ｍ／ｓ２」且つ「Ａｘ、Ａｙ、Ａｚの各値＝不定」）である場合、異常推定処理（図６）を実行し（ステップＳ５０５）、一連の処理を終了する。
（推定制御部２００および変化量センサ２４が行う処理）
　図６は、推定制御部２００および変化量センサ２４が行う異常推定に係るシーケンス図である。なお、図６に示す推定制御部２００が行う処理は、図５に示した異常推定処理（ステップＳ５０５）に相当する。
　図６において、推定制御部２００は、変化量センサ２４に対して、アーム部４の回転数の送信要求を行う（ステップＳ６０１）。変化量センサ２４は、推定制御部２００から当該送信要求を受信すると、起動して（ステップＳ６０２）、アーム部４の角速度を検出する（ステップＳ６０３）。
　そして、変化量センサ２４は、検出した角速度と上記式１とに基づいて、アーム部４の回転数を算出する（ステップＳ６０４）。そして、変化量センサ２４は、算出した回転数を推定制御部２００へ送信し（ステップＳ６０５）、処理を終了する。推定制御部２００は、ステップＳ６０１において、回転数の送信要求を行った後に、加速度センサ２３によって検出された振動データを取得する（ステップＳ６０６）。
　そして、推定制御部２００は、変化量センサ２４から、アーム部４の回転数を取得すると（ステップＳ６０７）、記憶部２１０に記憶される歯数を参照し、当該歯数と、ステップＳ６０７で取得した回転数とを乗算することにより、ターゲット周波数を算出する（ステップＳ６０８）。そして、推定制御部２００は、ターゲット周波数における振動データを抽出する（ステップＳ６０９）。次に、推定制御部２００は、歯車の摩耗に係る異常を推定する（ステップＳ６１０）。そして、推定制御部２００は、推定結果を報知し（ステップＳ６１１）、一連の処理を終了する。
（実施形態の効果）
　以上説明したように、本実施形態に係る状態監視装置１００は、回転軸部２０に設けられた加速度センサ２３の検出結果（減速機２２の振動データ）と、アーム部４に設けられた変化量センサ２４の検出結果（アーム部４の回転数）とに基づいて異常推定を行う。これにより、母機から情報を取得しなくても、簡単な構成で、減速機２２の異常を推定することができる。
　また、本実施形態に係る状態監視装置１００は、回転軸部２０に設けられた加速度センサ２３の検出結果（減速機２２の振動データ）と、アーム部４に設けられた変化量センサ２４の検出結果（アーム部４の３軸の加速度）とに基づいて異常推定を行う。これにより、母機から情報を取得しなくても、アーム部４の３軸の加速度から得られる最適なタイミングで、加速度センサ２３の検出結果に基づく異常推定を行うことができる。したがって、簡単な構成で、減速機２２の異常を精度よく推定することができる。
　また、本実施形態に係る状態監視装置１００は、アーム部４の回転数と歯車の歯数とに基づいて、ターゲット周波数を算出し、加速度センサ２３によって検出される振動データから、ターゲット周波数に対応するデータを抽出し、抽出後のデータに基づいて、異常推定を行う。これにより、状態監視装置１００は、ＦＦＴ（Fast Fourier Transformation）等の大規模な演算を不要とすることができるため、消費電力を低減できる。
　したがって、電池で駆動する簡便な装置（例えば、スマートセンサ）に状態監視装置１００を適用することができる。
　また、本実施形態に係る状態監視装置１００は、フィルタ処理によって、振動の時系列データのうち、ターゲット周波数に対応するデータを抽出し、抽出後のデータと所定の閾値との比較結果に基づいて、異常の有無を推定する。これにより、より簡単な構成で異常の有無を推定することができる。
　また、本実施形態に係る状態監視装置１００は、アーム部４の３軸加速度の各軸の合成値と重力加速度との比較結果に基づいて、アーム部４が等速状態であることを特定する。そして、状態監視装置１００は、等速状態であると特定した時点における加速度センサ２３の検出結果に基づいて、異常の有無を推定する。これにより、異常推定の精度を向上させることができる。
　また、本実施形態に係る状態監視装置１００は、アーム部４の所定期間内における３軸加速度の合成値と重力加速度とが一致し、且つ、所定期間内における各軸の値が不定である場合に、等速状態を特定する。これにより、等速状態を簡単に特定することができる。
　また、本実施形態に係る状態監視装置１００は、アーム部４の３軸加速度の合成値と重力加速度とに基づいて、アーム部４の非等速状態を特定し、非等速状態において異常の有無を推定しない。非等速状態では、精度よく異常を推定できないことから、異常推定を行わないようにすることにより、異常推定の精度を向上させることができる。
　また、本実施形態に係る状態監視装置１００は、アーム部４の３軸加速度の合成値と重力加速度と一致しない場合に、アーム部４の加減速状態を特定する。これにより、加減速状態を簡単に特定することができる。
　また、本実施形態に係る状態監視装置１００は、アーム部４の３軸加速度の合成値と重力加速度との比較結果に基づいて、アーム部４が等速状態であることを特定する。さらに、状態監視装置１００は、等速状態におけるアーム部４の回転数と歯車の歯数とに基づいてターゲット周波数を算出する。そして、状態監視装置１００は、加速度センサ２３によって検出される振動の時系列データから、ターゲット周波数に対応するデータを抽出し、抽出後のデータに基づいて、異常の有無を推定する。これにより、等速状態を簡単に特定することができるとともに、異常推定の精度を向上させることができる。また、状態監視装置１００は、ＦＦＴ等の大規模な演算を不要とすることができるため、消費電力を低減できる。したがって、電池で駆動する簡便な装置（例えば、スマートセンサ）に状態監視装置１００を適用することができる。
（実施形態の変形例）
　以下に、実施形態の変形例について列挙する。なお、以下の各変形例では、上述した実施形態で説明した内容については、適宜説明を省略する。また、上述した実施形態と、各変形例に示す構成を組み合わせる構成とすることも可能である。
（変形例１）
　上述した実施形態では、状態監視装置１００がターゲット周波数を算出し、加速度センサ２３によって検出される振動の時系列データからターゲット周波数に対応するデータを抽出する例について説明した。
　変形例１に係る状態監視装置１００は、加速度センサ２３によって検出される振動の時系列データをＦＦＴ解析することで、ターゲット周波数に対応するデータを抽出してもよい。
　ただし、変形例１においても、上述した実施形態と同様に、状態監視装置１００は、アーム部４に設けられた変化量センサ２４の検出結果（アーム部４の３軸の加速度）に基づく最適なタイミング（例えば、等速状態）で異常推定を行う。
　変形例１によれば、母機から情報を取得しなくても、アーム部４の３軸の加速度から得られる最適なタイミングで、ＦＦＴ解析に基づく異常推定を行うことができる。したがって、ＦＦＴ解析を行って、減速機２２の異常推定を行う場合の推定精度を向上させることができる。
（変形例２）
　上述した実施形態では、第１検出部として、加速度センサ２３を用いる例について説明した。
　変形例２に係る状態監視装置１００は、第１検出部として、鉄粉センサを用いてもよい。鉄粉センサは、減速機２２内のグリースに含有する鉄粉量（摩耗量）を検出するセンサである。減速機２２内の鉄粉は、例えば、加減速状態のときに鉄粉が拡散しやすいことから、加減速状態のときに鉄粉の検出精度が向上することが見込める。
　このため、状態監視装置１００は、変化量センサ２４の検出結果（アーム部４の３軸の加速度）に基づいて加減速状態を特定し、当該特定したタイミングで、鉄粉センサの検出結果に基づいて異常推定を行う。
　変形例２によれば、母機から情報を取得しなくても、アーム部４の３軸の加速度から得られる最適なタイミングで、鉄粉センサの検出結果に基づく異常推定を行うことができる。したがって、減速機２２の異常推定に係る精度を向上させることができる。
（変形例３）
　上述した実施形態では、変化量センサ２４が、アーム部４のうち、先端側に配置される回転軸部２０よりも基端側に位置する部分に設けられる例について説明した。
　変形例３に係る変化量センサ２４は、アーム部４のうち、先端側に配置される回転軸部２０に設けられるようにしてもよい。
　具体的に説明すると、第３回転軸部２０ｃは、ブーム５の一端（先端）に設けられることから、ブーム５に含まれる。このため、変形例３では、ブーム５に含まれる第３回転軸部２０ｃに、第２変化量センサ２４ｂを設ける。
　また、第４回転軸部２０ｄは、ショベルアーム７の一端（先端）に設けられることから、ショベルアーム７に含まれる。このため、変形例３では、ショベルアーム７に含まれる第４回転軸部２０ｄに、第３変化量センサ２４ｃを設ける。
　第２変化量センサ２４ｂおよび第３変化量センサ２４ｃは、いずれも、３軸の加速度と、３軸の角速度とを検出することが可能なセンサである。これにより、第２変化量センサ２４ｂが、ブーム５の回転数を検出する機能（第２検出部の機能）のみならず、第３減速機２２ｃ（ブーム５とショベルアーム７との関節部の歯車）の振動を検出する機能（第１検出部の機能）についても代用する。
　同様に、第３変化量センサ２４ｃが、ショベルアーム７の回転数を検出する機能（第２検出部の機能）のみならず、第４減速機２２ｄ（ショベルアーム７とバケット９との関節部の歯車）の振動を検出する機能（第１検出部の機能）についても代用する。
　変形例３によれば、第１検出部としてのセンサの数を減らすことができるため、より簡便な構成とすることができる。
（変形例４）
　上述した実施形態では、異常推定の推定結果をそのまま報知する例について説明した。
　変形例４では、異常推定を行った実績データに基づいて、異常を予測する例について説明する。以下では、学習済みモデルを用いて、異常を予測する例について説明する。
　変形例４では、アーム部４の回転数と、減速機２２の振動データとを入力サンプルとし、減速機２２のメンテナンスまでの時期（使用可能期間：残１月、残２月、…）を出力サンプルとする場合の学習済みモデルの生成について説明する。
　学習済みモデルは、パソコン等の学習装置によって生成される。学習装置は、予め用意されたデータセットを用いて、ニューラルネットワークなどの分類モデルのパラメータを学習させる。データセットには、状態監視装置１００による各種検出結果および推定結果の実績データが用いられる。分類モデルは、入力部、特徴量算出部、分類部、出力部を備える。入力部は、入力されたアーム部４の回転数と減速機２２の振動データとをベクトルとして特徴量算出部に出力する。入力部は、ニューラルネットワークの入力層を構成する。
　特徴量算出部および分類部は、ニューラルネットワークの中間層である。出力部は、ニューラルネットワークの出力層である。特徴量算出部は、入力部から入力されたベクトルを、低次元の特徴ベクトルに変換し、分類部に出力する。分類部は、特徴量算出部から入力された特徴ベクトルから、当該特徴ベクトルが表す使用可能期間の事後確率を示すＰ次元のベクトルに変換する。Ｐは、推定すべき使用可能期間の数である。
　学習装置は、入力サンプルであるアーム部４の回転数と、減速機２２の振動データとを関連付けた学習用データセットを取得する。アーム部４の回転数と、減速機２２の振動データとは、データセットにおける使用可能期間の数をＰとした場合に、Ｐ次元のワンホットベクトルによって表される。
　学習装置は、取得した学習用データセットを用いて、アーム部４の回転数と、減速機２２の振動データとが入力されると、使用可能期間の事後確率を示すＰ次元のベクトルを出力するように、分類モデルのパラメータを学習させる。具体的には、学習装置は、取得したデータセットを用いて、分類モデルのパラメータを学習させる。このとき、学習装置は、分類モデルのうち特徴量算出部および分類部のパラメータを更新する。
　より具体的には、学習装置は、分類モデルの計算結果を用いて損失関数を最小化するように、勾配降下法により各パラメータを更新する。例えば、損失関数は、分類モデルの出力値とデータセットの出力サンプルとのクロスエントロピー誤差を表す。学習装置は、損失関数の評価値が所定の閾値を下回った場合、または所定回数だけ学習処理を繰り返した場合に、学習処理を終了し、学習済みモデルが生成される。
　この学習済みモデルに、アーム部４の回転数と、減速機２２の振動データとを入力することにより、推定値を算出し、推定値の高い使用可能期間を出力することができる。
　生成された学習済みモデルは、状態監視装置１００とは異なる他の装置（例えば、サーバ）に記憶されていてもよい。この場合、状態監視装置１００は、アーム部４の回転数と減速機２２の振動データとを検出すると、学習済みモデルを記憶する他の装置に、当該検出結果を送信する。当該他の装置は、当該検出結果に基づいて、使用可能期間を特定して、特定した使用可能期間を出力する。出力された使用可能期間は、例えば、建設機械１が備えるディスプレイや、建設機械１のメンテナンス工場に配置されるパソコンに表示される。
　なお、学習済みモデルは、状態監視装置１００に記憶されていてもよい。この場合、状態監視装置１００は、当該検出結果に基づいて、使用可能期間を特定して、特定した使用可能期間を出力すればよい。
　変形例４によれば、学習済みモデルを用いて、状態監視装置１００が検出したアーム部４の回転数と減速機２２の振動データとに基づいて、使用可能期間を特定することができる。また、母機から情報を取得しなくても、簡単な構成で、減速機２２の異常を予測することができる。
　なお、変形例４では、出力サンプルを使用可能期間とする例について説明したが、これに限らず、出力サンプルを交換時期（年月など）とすることも可能である。
（その他の例）
　上述した実施形態では、減速機２２が、複数の歯車を有する歯車機構である例について説明した。ただし、減速機２２は、歯車に加えてピン（内歯ピン）を有してもよい。例えば、減速機２２は、ケースの内周面に複数の内歯ピンのそれぞれを保持する複数のピン溝が形成され、ケース内の歯車機構（例えば、１以上の揺動歯車）が複数の内歯ピンに噛み合うように構成されたものであってもよい。
　ピン溝またはピンを歯車機構の一部と見なしてもよい。例えば、複数のピン溝を歯車と称し、それぞれのピンを歯と称してもよい。例えば、歯数にピン数を含めるようにしてもよい。なお、歯数にピン数を含めないものとする場合、ターゲット周波数は、アーム部４の回転数と、歯車の歯数と、ピン数と、の乗算によって得られる。
　上述した実施形態では、状態監視装置１００を建設機械１に適用した例について説明した。ただし、状態監視装置１００をロボット（例えば、６軸ロボット）に適用してもよい。ロボットは、例えば、産業用ロボットである。
　この場合、状態監視装置１００は、ロボットアームの関節部分に設けられた歯車の摩耗に関する第１物理量と、ロボットアームの先端側に設けられる運動状態に関する第２物理量と、を検出し、これらの検出結果に基づいて、歯車の摩耗に係る異常の有無を推定すればよい。
　以上、この発明の実施形態について図面を参照して詳述してきたが、具体的な構成はこの実施形態に限られるものではなく、この発明の要旨を逸脱しない範囲の設計等も含まれる。
　例えば、本明細書で開示した実施形態のうち、複数の機能が分散して設けられているものは、当該複数の機能の一部又は全部を集約して設けてもよく、逆に複数の機能が集約して設けられているものを、当該複数の機能の一部又は全部が分散するように設けることができる。機能が集約されているか分散されているかにかかわらず、発明の目的を達成できるように構成されていればよい。
　実施形態では、アーム部４の関節部分に設けられた機械要素として、歯車を例に挙げて説明したが、歯車に限定されるものではない。例えば、機械要素としては、関節部分に設けられた軸受或いはモータ等であっても構わない。
　さらに実施形態では、機械要素に関する第１物理量として、歯車の振動を例に挙げて説明したが、この場合に限定されるものではなく、例えばモータ（機械要素）のモータ電流を第１物理量としても構わない。この場合において、例えば、アーム部４の運動状態に関する第２物理量としてアーム部４の回転数を採用しても構わない。この場合には、例えば回転数から特定したモータ電流の周波数の振幅値を監視して、モータの故障予兆（機械要素の状態）を推定しても構わない。
　以上に示した実施形態に係る装置（例えば、状態監視装置１００）の機能を実現するためのプログラム（例えば、状態監視プログラム）をコンピュータ読み取り可能な記憶媒体に記憶して、この記憶媒体に記憶されたプログラムをコンピュータシステムに読み込ませ、実行することにより、処理を行ってもよい。
　なお、「コンピュータシステム」とは、オペレーティングシステム（ＯＳ：Ｏｐｅｒａｔｉｎｇ　Ｓｙｓｔｅｍ）あるいは周辺機器等のハードウェアを含むものであってもよい。また、「コンピュータ読み取り可能な記憶媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ（Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）、フラッシュメモリ等の書き込み可能な不揮発性メモリ、ＤＶＤ（Ｄｉｇｉｔａｌ　Ｖｅｒｓａｔｉｌｅ　Ｄｉｓｃ）等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。
　さらに、「コンピュータ読み取り可能な記憶媒体」とは、インターネット等のネットワークあるいは電話回線等の通信回線を介してプログラムが送信された場合の情報処理装置やクライアントとなるコンピュータシステム内部の揮発性メモリ（例えばＤＲＡＭ（Ｄｙｎａｍｉｃ　Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ））のように、一定時間プログラムを保持しているものも含むものとする。また、上記のプログラムは、このプログラムを記憶装置等に格納したコンピュータシステムから、伝送媒体を介して、あるいは、伝送媒体中の伝送波により他のコンピュータシステムに伝送されてもよい。
　ここで、プログラムを伝送する「伝送媒体」は、インターネット等のネットワーク（通信網）あるいは電話回線等の通信回線（通信線）のように情報を伝送する機能を有する媒体のことをいう。
　また、上記のプログラムは、前述した機能の一部を実現するためのものであってもよい。さらに、上記のプログラムは、前述した機能をコンピュータシステムに既に記憶されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル（差分プログラム）であってもよい。
　本発明によれば、簡単な構成で機械要素の状態（例えば歯車の異常）を推定することができる。
１…建設機械、２…本体、４…アーム部、５…ブーム、７…ショベルアーム、９…バケット、２０…回転軸部、２２…減速機、２３…加速度センサ、２４…変化量センサ、１００…状態監視装置、２００…推定制御部、２０１…第１取得部、２０２…第２取得部、２０３…推定部、２０３ａ…算出部、２０３ｂ…特定部、２０４…報知部

Claims (10)

  1. 　旋回可能なアームの関節部分に設けられ、前記関節部分に設けられた機械要素に関する第１物理量を検出する第１検出部と、
    　前記アームのうち、前記関節部分が配置される基端側とは異なる先端側に設けられ、前記アームの運動状態に関する第２物理量を検出する第２検出部と、
    　前記第１検出部によって検出された前記第１物理量と、前記第２検出部によって検出された第２物理量とに基づいて、前記機械要素の状態を推定する推定部と、
    　を備える状態監視装置。
  2. 　前記機械要素は、前記関節部分に設けられた歯車であり、
    　前記第１物理量は、前記歯車の振動であり、
    　前記第２物理量は、前記アームの加速度及び角速度の少なくとも一方の物理量であり、
    　前記推定部は、前記アームが運動している所定期間の前記第２物理量の検出結果と、前記歯車の歯数とに基づいて、前記振動の特定の周波数を算出する算出部を有し、
    　さらに前記推定部は、算出された前記特定の周波数と、前記所定期間における前記第１物理量の検出結果とを用いて、前記歯車の状態を推定する、
    　請求項１に記載の状態監視装置。
  3. 　前記推定部は、前記所定期間における前記第１物理量の検出結果の時系列データから、算出された前記特定の周波数に対応するデータを抽出し、抽出後のデータに基づいて、前記歯車の状態を推定する、
    　請求項２に記載の状態監視装置。
  4. 　前記推定部は、前記第１物理量の検出結果の前記時系列データから前記特定の周波数に対応するデータを抽出するためのフィルタ処理を実行し、抽出後のデータと所定の閾値との比較結果に基づいて、前記歯車の状態を推定する、
    　請求項３記載の状態監視装置。
  5. 　前記第２物理量は、前記アームの３軸加速度であり、
    　前記推定部は、前記３軸加速度の各軸の合成値と重力加速度との比較結果に基づいて、前記アームが等速で動作していることを示す等速状態であるか否かを特定する特定部を有し、
    　前記推定部は、前記等速状態であると特定された時点における前記第１検出部の検出結果に基づいて、前記機械要素の状態を推定する、
    　請求項１から４のいずれか１項に記載の状態監視装置。
  6. 　前記特定部は、所定期間内における前記各軸の合成値と重力加速度とが一致し、且つ、所定期間内における前記各軸の値が不定である場合に、前記アームが前記等速状態であると特定する、
    　請求項５に記載の状態監視装置。
  7. 　前記特定部は、前記各軸の合成値と重力加速度とに基づいて、前記等速状態以外の非等速状態を特定し、
    　前記推定部は、前記非等速状態において、前記機械要素の状態を推定しない、
    　請求項５又は６に記載の状態監視装置。
  8. 　前記特定部は、前記各軸の合成値と重力加速度と一致しない場合に、前記非等速状態として、前記アームが加速または減速して動作していることを示す加減速状態を特定する、
    　請求項７に記載の状態監視装置。
  9. 　前記機械要素は、前記関節部分に設けられた歯車であり、
    　前記第１物理量は、前記歯車の振動であり、
    　前記第２物理量は、前記アームの回転数と、前記アームの３軸加速度とを含み、
    　前記推定部は、
    　　前記３軸加速度の各軸の合成値と重力加速度との比較結果に基づいて、前記アームが等速で動作していることを示す等速状態であるか否かを特定する特定部と、
    　　前記等速状態であると特定された時点における前記アームの回転数と前記歯車の歯数とを少なくとも含む情報に基づいて、前記振動の特定の周波数を算出する算出部と、を有し、
    　前記推定部は、前記第１物理量の検出結果の時系列データから、算出された前記特定の周波数に対応するデータを抽出し、抽出後のデータに基づいて、前記歯車の状態を推定する、
    　請求項１に記載の状態監視装置。
  10. 　コンピュータを状態監視装置として機能させるプログラムを格納したコンピュータ読み取り可能な記憶媒体であって、
    　前記コンピュータを、
    　旋回可能なアームの関節部分に設けられ、前記関節部分に設けられた機械要素に関する第１物理量を検出する第１検出部から、前記第１物理量を取得する第１取得部と、
    　前記アームのうち、前記関節部分が配置される基端側とは異なる先端側に設けられ、前記アームの運動状態に関する第２物理量を検出する第２検出部から、前記第２物理量を取得する第２取得部と、
    　前記第１取得部によって取得された前記第１物理量と、前記第２取得部によって取得された前記第２物理量とに基づいて、前記機械要素の状態を推定する推定部と、して機能させる前記プログラムを格納した記憶媒体。
PCT/JP2023/028937 2022-12-16 2023-08-08 状態監視装置及び記憶媒体 WO2024127710A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2022-201123 2022-12-16
JP2022201123 2022-12-16

Publications (1)

Publication Number Publication Date
WO2024127710A1 true WO2024127710A1 (ja) 2024-06-20

Family

ID=91484750

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2023/028937 WO2024127710A1 (ja) 2022-12-16 2023-08-08 状態監視装置及び記憶媒体

Country Status (1)

Country Link
WO (1) WO2024127710A1 (ja)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0238930A (ja) * 1988-07-29 1990-02-08 Toyota Motor Corp ギヤノイズ測定装置
JP2010159848A (ja) * 2009-01-09 2010-07-22 Ricoh Co Ltd 制御装置、画像形成装置、摩耗検出方法、プログラム、記憶媒体
JP2015034776A (ja) * 2013-08-09 2015-02-19 株式会社神戸製鋼所 周波数分析方法、及びこの周波数分析方法を用いた回転機器の診断方法
JP2019159841A (ja) * 2018-03-13 2019-09-19 住友重機械工業株式会社 建設機械及び建設機械の管理装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0238930A (ja) * 1988-07-29 1990-02-08 Toyota Motor Corp ギヤノイズ測定装置
JP2010159848A (ja) * 2009-01-09 2010-07-22 Ricoh Co Ltd 制御装置、画像形成装置、摩耗検出方法、プログラム、記憶媒体
JP2015034776A (ja) * 2013-08-09 2015-02-19 株式会社神戸製鋼所 周波数分析方法、及びこの周波数分析方法を用いた回転機器の診断方法
JP2019159841A (ja) * 2018-03-13 2019-09-19 住友重機械工業株式会社 建設機械及び建設機械の管理装置

Similar Documents

Publication Publication Date Title
TWI671612B (zh) 控制裝置及減速機系統
US10337958B2 (en) Bearing device vibration analysis method, bearing device vibration analyzer, and rolling bearing condition monitoring system
US11680388B2 (en) System and method for collecting operational vibration data for a mining machine
US20080140321A1 (en) Method and a control system for monitoring the condition of an industrial robot
CN113227926B (zh) 用于监测电机的状况监测装置和方法
CN108427374A (zh) 诊断用数据取得系统、诊断用系统以及计算机可读介质
CN106537111A (zh) 机械部件诊断系统及其服务器
JPWO2016189608A1 (ja) 故障診断装置及び故障診断方法
JP7060078B2 (ja) 異常種別判定装置及び異常種別判定方法
JP2009068950A (ja) 機械診断装置
JP7309344B2 (ja) 駆動機構の故障診断装置及び故障診断方法並びに前記故障診断装置を備える機械装置
WO2020040280A1 (ja) 転がり軸受の異常診断方法及び異常診断装置
JP2021169986A (ja) 減速機の状態監視装置、及び減速装置
WO2024127710A1 (ja) 状態監視装置及び記憶媒体
JP2015031626A (ja) 転がり軸受の状態監視装置
CN105899928A (zh) 具有假压痕潜力的微动磨损和/或擦损的检测
CN116324193A (zh) 机器学习装置、滑动面诊断装置、推论装置、机器学习方法、机器学习程序、滑动面诊断方法、滑动面诊断程序、推论方法及推论程序
JP2021076450A (ja) 送り軸装置の異常診断方法及び異常診断装置
JP6881673B2 (ja) 異常検出装置及び異常検出方法
KR20230071533A (ko) 로봇 고장 진단 방법, 장치 및 시스템
JP2001515600A (ja) 診断対象物を自動的に診断する方法
AU2021330331A1 (en) System and method for machine monitoring
Kamizono et al. FDC based on neural network with harmonic sensor to prevent error of robot
CN113165172B (zh) 用于诊断机器人的方法、设备和服务器
WO2023080140A1 (ja) 遊星歯車減速機の異常診断装置及び建設機械

Legal Events

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

Ref document number: 23903016

Country of ref document: EP

Kind code of ref document: A1