WO2006043511A1 - 機械設備の異常診断システム - Google Patents

機械設備の異常診断システム Download PDF

Info

Publication number
WO2006043511A1
WO2006043511A1 PCT/JP2005/019045 JP2005019045W WO2006043511A1 WO 2006043511 A1 WO2006043511 A1 WO 2006043511A1 JP 2005019045 W JP2005019045 W JP 2005019045W WO 2006043511 A1 WO2006043511 A1 WO 2006043511A1
Authority
WO
WIPO (PCT)
Prior art keywords
signal
abnormality
vibration
diagnosis
processing unit
Prior art date
Application number
PCT/JP2005/019045
Other languages
English (en)
French (fr)
Inventor
Juntaro Sahara
Yasushi Mutoh
Takanori Miyasaka
Masanobu Yamazoe
Original Assignee
Nsk Ltd.
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
Priority claimed from JP2004302804A external-priority patent/JP2006113002A/ja
Priority claimed from JP2004302871A external-priority patent/JP4561304B2/ja
Priority claimed from JP2004313875A external-priority patent/JP2006125976A/ja
Priority claimed from JP2005004268A external-priority patent/JP2006194629A/ja
Priority claimed from JP2005289152A external-priority patent/JP4569437B2/ja
Priority claimed from JP2005293796A external-priority patent/JP4513710B2/ja
Application filed by Nsk Ltd. filed Critical Nsk Ltd.
Priority to US11/579,198 priority Critical patent/US7640139B2/en
Priority to JP2006542972A priority patent/JPWO2006043511A1/ja
Publication of WO2006043511A1 publication Critical patent/WO2006043511A1/ja

Links

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
    • G01M13/04—Bearings
    • G01M13/045—Acoustic or vibration analysis
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H1/00—Measuring characteristics of vibrations in solids by using direct conduction to the detector
    • G01H1/003—Measuring characteristics of vibrations in solids by using direct conduction to the detector of rotating machines
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
    • F16C—SHAFTS; FLEXIBLE SHAFTS; ELEMENTS OR CRANKSHAFT MECHANISMS; ROTARY BODIES OTHER THAN GEARING ELEMENTS; BEARINGS
    • F16C2233/00—Monitoring condition, e.g. temperature, load, vibration

Definitions

  • the present invention relates to an abnormality diagnosis technique for mechanical equipment including a bearing such as a railway vehicle, an aeronautical machine, a wind power generator, a machine tool, an automobile, an iron making machine, a papermaking machine, a rotating machine, and the like.
  • the present invention relates to an abnormality diagnosis technique for mechanical equipment that diagnoses abnormality of a bearing or a bearing-related member in the mechanical equipment by analyzing sound or vibration generated from the mechanical equipment.
  • the sound or vibration generated by the rotating body or rotating body-related member force is detected, the detected signal force is extracted in the frequency band necessary for diagnosis, and the envelope (envelope) of the extracted signal is extracted.
  • the envelope envelope
  • Frequency analysis of the obtained envelope, and by frequency analysis, the magnitude of the fundamental frequency component of the frequency caused by the abnormality of the rotating body or the rotating body related member and the magnitude of the frequency component that is a natural number multiple of the magnitude are obtained and obtained.
  • the magnitude of the fundamental frequency component is compared with the magnitude of the frequency component that is a multiple of its natural number, and at least the comparison result is used as a criterion for judging abnormalities in machine equipment ( See Patent Document 2
  • the envelope waveform of vibration acceleration is converted into a digital signal, and the vibration spectrum distribution for each hour of the digitized vibration data is obtained, and the rotational speed of the rolling bearing during vibration measurement is obtained from time to time.
  • the time change pattern of the rotational speed matches the time change pattern of the frequency of the peak spectrum in the vibration spectrum distribution, and the frequency force of the peak spectrum at an arbitrary time is calculated from the rotational speed of the rolling bearing and the geometric dimension of the rolling bearing. It is also known that it is determined that damage has occurred at a specific part of a rolling bearing when it matches the characteristic frequency of the rolling bearing damage obtained (see Patent Document 4).
  • the processing for obtaining the envelope signal is analog processing or digital processing.
  • digital processing is fast Fourier transform.
  • Transform (FFT) processing is used for frequency analysis processing.
  • a / D conversion is performed before or after envelope processing to perform FFT computation.
  • FFT calculation is performed immediately after the envelope processing.
  • the axle bearings of railway vehicles use vibrations (including acoustic vibrations) to damage the wheels.
  • vibrations including acoustic vibrations
  • an abnormality diagnosis device that detects the above.
  • Conventional abnormality diagnosis devices of this type have provided individual vibration sensors for each axle box to detect damage to the wheels of individual bearings (see Patent Document 5, Patent Document 6, etc.).
  • the axle bearings and other rotating parts are regularly inspected for abnormalities such as damage and wear.
  • This periodic inspection is carried out by disassembling the machinery that incorporates the rotating parts, and any damage or wear caused to the rotating parts is detected by the operator through visual inspection.
  • the main defects found in inspections are indentations caused by stagnation of foreign objects, delamination due to rolling fatigue, other wear, etc. in the case of bearings, and missing or worn teeth in the case of gears.
  • there is flat wear, etc. and in any case, if irregularities or wear that are not new are found, they will be replaced with new ones.
  • the inspection itself may cause defects in the sliding member, such as applying a strong dent to the sliding member before the inspection when reassembling. there were.
  • defects since a large number of bearings are visually inspected within a limited time, there is also a problem that defects may be overlooked. Further, the judgment of the degree of this defect also varies from person to person, and parts are exchanged even if there is virtually no defect, resulting in unnecessary costs.
  • Patent Documents 1, 7, and 8 various methods have been proposed for diagnosing abnormalities in rotating parts in an actual operating state without disassembling a mechanical device incorporating the rotating parts.
  • an accelerometer is installed in the bearing section, the vibration acceleration of the bearing section is measured, and FFT (Fast Fourier Transform) processing is applied to this signal.
  • FFT Fast Fourier Transform
  • Patent Document 1 Japanese Patent Laid-Open No. 2003-202276
  • Patent Document 2 Japanese Patent Laid-Open No. 2003-232674
  • Patent Document 3 Japanese Patent Laid-Open No. 2003-130763
  • Patent Document 4 Japanese Patent Laid-Open No. 09-113416
  • Patent Document 5 Japanese Patent Laid-Open No. 4235327
  • Patent Document 6 Japanese Patent Publication No. 9-500452
  • Patent Document 7 Japanese Patent Laid-Open No. 2002-22617
  • Patent Document 8 Japanese Unexamined Patent Application Publication No. 2004-257836
  • Patent Document 9 Japanese Patent Laid-Open No. 4-148839
  • Patent Document 10 Special Table 2003—535755 gazette
  • vibrational and acoustic sensors are subject to external impact and frictional sounds and acceleration due to turning in the case of moving objects, these unsteady disturbances are affected.
  • abnormalities are often erroneously detected.
  • the peak detection method using frequency averaging may not be effective because it tends to be affected by changes in speed or external impact noise if the number of integrations is increased.
  • An arithmetic device for diagnosing an abnormality caused by a bearing defect or the like in a rotating machine has smaller dimensions and lower power consumption, and is more desirable for incorporation.
  • it is required to perform FFT with a small number of computation points.
  • the frequency resolution is not high to some extent, the accuracy of abnormality diagnosis is reduced. Even if it is necessary to set the frequency at which the raw waveform can be restored to 10 kHz (sampling frequency is 20 kHz or higher), the upper limit of the defective frequency of the bearing will eventually be 1 kHz or lower.
  • the defect state detection device described in Patent Document 6 cannot identify whether the abnormal vibration is caused by a force caused by a flat wheel, a force caused by an axle bearing, or a track or other abnormality. There is a problem.
  • the present invention has been made in view of the above-described circumstances, and an object of the present invention is to make the noise signal abnormal even under the condition that the SZN ratio between the abnormal sign signal and the noise signal is small.
  • the purpose is to provide an abnormality diagnosis system for machine equipment that can perform abnormality diagnosis with high accuracy without erroneously detecting an abnormal sign signal.
  • the present invention has been made in view of the above-described circumstances, and an object of the present invention is to improve abnormality diagnosis by simultaneously improving the frequency resolution of signals from mechanical equipment and improving the efficiency of FFT calculation.
  • An object of the present invention is to provide an abnormality diagnosis system for mechanical equipment that can be implemented with high accuracy and high efficiency.
  • the present invention has been made in view of the above-described circumstances, and an object of the present invention is to perform an abnormality diagnosis with high accuracy by performing FFT on a signal detected from a diagnosis target with an arbitrary frequency resolution.
  • the object is to provide an abnormality diagnosis system for equipment.
  • the present invention has been made in view of the above-described circumstances, and an object thereof is to provide only one vibration sensor per vehicle, and based on the waveform signal from the one vibration sensor. It is an object of the present invention to provide an abnormality diagnosing device capable of detecting an abnormality such as bearing separation and wheel flatness in a vehicle.
  • the present invention has been made in view of the above-described circumstances, and an object of the present invention is to detect abnormal vibrations of an axle bearing and a wheel from an output signal of a vibration sensor that detects vibrations of the axle bearing or the wheel. Therefore, it is an object of the present invention to provide an abnormality diagnosis device that can identify whether the abnormal vibration is caused by a wheel axle bearing due to a flat wheel.
  • an abnormality diagnosis system for mechanical equipment includes the following (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 + (1 +
  • An abnormality diagnosis system for diagnosing an abnormality in a bearing or a bearing-related member in a mechanical facility by detecting sound or vibration generated from the mechanical facility and analyzing the detection signal
  • An envelope processing unit for obtaining an envelope of the detection signal
  • the peak detection unit force F A smooth ⁇ derivative peak extraction unit is provided that performs smooth ⁇ derivative processing on the frequency spectrum obtained by the FT unit, and extracts the frequency point at which the sign of the obtained differential value changes as the peak of the frequency spectrum. Being.
  • the weighting coefficient in the moving averaging process is symmetrical (target before and after the current time).
  • the peaks detected by the peak detection unit force and the smoothed differential peak extraction unit are selected more than a threshold value
  • a first sorting unit is provided.
  • the peak detection unit has a peak with a large amplitude level up to a predetermined number of peaks selected by the first selection unit.
  • the diagnosis unit corresponds to a main component of vibration among the peaks of the frequency spectrum detected by the peak detection unit.
  • An abnormality is diagnosed by calculating the degree of coincidence between the peak corresponding to the peak to be detected or the peak corresponding to the main component and the higher order component of the vibration and the frequency indicating the abnormality of the diagnosis target, and evaluating the cumulative result of the degree of coincidence.
  • An abnormality diagnosis system for diagnosing an abnormality in a bearing or a bearing-related member in the mechanical equipment by detecting sound or vibration generated from the mechanical equipment and analyzing the detected signal.
  • the detected signal force A filter processing unit that extracts a signal in a frequency band necessary for diagnosis, an envelope processing unit that obtains an envelope signal of the signal extracted by the filter processing unit, and an envelope signal obtained by the envelope processing unit
  • a decimation processing unit that processes
  • An FFT operation unit that analyzes the frequency of the envelope signal that has been interleaved by the decimation processing unit, and a diagnosis unit that diagnoses an abnormality based on the analysis result of the FFT operation unit.
  • An abnormality diagnosis system for diagnosing an abnormality of a bearing or a bearing-related member in the mechanical equipment by detecting sound or vibration generated from the mechanical equipment and analyzing the detected signal, The detected signal is higher than the sampling frequency required in advance.
  • a sampling processing unit that samples at the sampling frequency
  • a filter processing unit that extracts a signal in the frequency band necessary for the signal strength diagnosis sampled by the sampling processing unit, and a signal extracted by the filtering processing unit.
  • a decimation processing unit to process an envelope processing unit for obtaining an envelope signal of the signal thinned out by the decimation processing unit, and an FFT operation unit for frequency analysis of the envelope signal obtained by the envelope processing unit And a diagnostic unit that diagnoses abnormalities based on the results of analysis by the FFT calculation unit.
  • the abnormality diagnosis system configured as described in (7) or (8) further includes a digital filter processing unit that lowers the frequency band of the envelope signal.
  • the FFT operation unit is realized by a DSP, and the number of data input to the FFT operation unit is determined by the DSP. The number of data that can be stored in the internal memory.
  • An abnormality diagnosis system for diagnosing an abnormality in a bearing or a bearing-related member in the mechanical equipment by detecting sound or vibration generated from the mechanical equipment and analyzing the signal.
  • An AZD converter that converts the signal into a digital signal
  • a digital filter processor that extracts a signal in the frequency band necessary for diagnosis, and a signal that is extracted by the digital filter processor.
  • An envelope processing unit that calculates the envelope of the signal
  • an interpolation processing unit that performs zero-padded interpolation to perform fast Fourier transform on the envelope obtained by the envelope processing unit at an arbitrary frequency resolution, and zero interpolation by the interpolation processing unit.
  • An FFT unit that performs FFT on the received signal and a diagnostic unit that diagnoses abnormalities based on the frequency spectrum obtained by the FFT unit. It was.
  • the interpolation processing unit has a sampling frequency of 2 N Hertz or a multiple of 2 N power in the FFT unit. Interpolate to zero so that it becomes hertz.
  • the machine equipment abnormality diagnosis system having the above configuration (11) or (12) further includes a peak detection unit for detecting a peak of the frequency spectrum obtained by the FFT unit,
  • the diagnostic unit is the main component of vibration among the peaks detected by the peak detection unit
  • the degree of coincidence between the peak corresponding to or the peak corresponding to the main component of vibration and the higher order component and the frequency indicating abnormality of the diagnosis target is obtained, and the abnormality is determined by evaluating the cumulative results of the degree of coincidence.
  • An abnormality diagnosis device for diagnosing an abnormality while the vehicle is running, based on a vibration sensor that detects the vibration of the vehicle and a waveform signal output from the vibration sensor, a crest factor, an impact index, a waveform rate, A parameter value detection circuit for obtaining a dimensionless parameter value of any one of kurtosis and kurtosis, and a first voltage indicating that the output of the dimensionless parameter value exceeds a certain reference And a comparison circuit that outputs a signal of a second voltage indicating that the dimensionless parameter value is equal to or less than a certain reference, and configured to detect an abnormality based on the output of the comparison circuit What you did.
  • An abnormality diagnosing device for diagnosing an abnormality while the vehicle is running, wherein the RMS (root mean square) is calculated based on a vibration sensor that detects vehicle vibration and a waveform signal output by the vibration sensor. Square root) and absolute value average!
  • An arithmetic circuit for determining one of the parameter values, a peak detection circuit for determining the peak value of the waveform signal, a constant multiple of the parameter value, and the peak detection circuit power The first peak signal indicating that the dimensionless parameter value obtained as a ratio between the peak value and the parameter value exceeds a certain reference according to the comparison result is compared with the output peak value or A comparison circuit that outputs a signal of a second voltage indicating that the dimensionless parameter value is below a certain reference, and configured to detect an abnormality based on the output of the comparison circuit! What you did.
  • the abnormality diagnosis device having the configuration of (15) further includes a peak-reference value comparison circuit that compares the peak value output from the peak detection circuit force with a preset reference value. When the peak value is larger than the reference value as a result of comparison by the peak-reference value comparison circuit, the output of the comparison circuit is invalidated.
  • the abnormality diagnosis device having any one of the constitutions (14) to (16) is configured to detect an abnormality based on a duty ratio of the signal of the first voltage.
  • the abnormality diagnosis device having the configuration of any one of (15) to (17), only the signal in a predetermined band among the output signals of the vibration sensor is applied to the parameter value detection circuit and the peak detection circuit. A filter circuit for inputting is further provided. [0045] (19) In the abnormality diagnosis device having any one of the constitutions (14) to (18), the vehicle is a railway vehicle.
  • An abnormality diagnosis device for a mechanical device having a plurality of parts having different vibration characteristics the sensor signal processing unit for sampling an output signal of a vibration sensor for detecting vibration of the mechanical device, and the sensor
  • An abnormality diagnosis device characterized by processing the added data as vibration data for component diagnosis of the second vibration characteristic.
  • An abnormality diagnosis device for an axle bearing and a wheel of a railway vehicle the sensor signal processing unit for sampling an output signal of a vibration sensor for detecting the vibration of the axle bearing and the wheel, and the sensor signal processing unit
  • the vibration data for one section is processed as vibration data for bearing diagnosis, and the data for the last predetermined time of the previous section is added to the head of the vibration data for one section.
  • An abnormality diagnosing device which is processed as vibration data for wheel diagnosis.
  • the diagnosis processing unit detects an abnormality of the axle bearing based on the rotational speed of the axle bearing and the frequency peak obtained by processing the envelope waveform of the vibration, and is generated in synchronization with the rotation of the wheel.
  • the abnormality diagnosis device according to (21), wherein abnormality of a wheel is detected based on a frequency at which a vibration level exceeds a threshold value, and abnormality diagnosis is performed based on a detection result of each abnormality.
  • the configuration is such that the abnormality diagnosis of the axle bearing and the wheel is performed based on the vibration data obtained by sampling the output signal of the vibration sensor in synchronization with the rotation of the wheel and performing the averaging process.
  • the abnormality diagnosis device according to (22) or (23) above, wherein
  • An abnormality diagnosis device for a mechanical device having a plurality of parts having different vibration characteristics the sensor signal processing unit for sampling an output signal of a vibration sensor for detecting vibration of the mechanical device, and the sensor
  • An abnormality diagnosis device that converts and processes two types of data with different sampling frequencies or sampling lengths for component diagnosis of characteristics and component diagnosis of second vibration characteristics.
  • An abnormality diagnosis device for an axle bearing and a wheel of a railway vehicle sampling an output signal of a vibration sensor that detects vibration of the mechanical device, and sampling by the sensor signal processing unit
  • a diagnosis processing unit that performs abnormality diagnosis based on the vibration data, and the diagnosis processing unit continuously receives vibration data from the sensor signal processing means and uses it for axle bearing diagnosis and wheel diagnosis.
  • An abnormality diagnosis device characterized by being converted into two types of data with different sampling frequencies or sampling lengths.
  • An apparatus for diagnosing abnormality of a mechanical device having a rotating or sliding part wherein the analog signal of the vibration sensor force for detecting the vibration of the mechanical device is converted into a digital signal.
  • a diagnosis processing unit that performs a Fourier transform process on the digital signal having the AD conversion force and performs an abnormality diagnosis based on the result, and the diagnosis processing unit converts the digital signal from the AD converter into the AD converter.
  • An abnormality diagnosing device characterized by being configured to perform a Fourier transform process by extending the data width beyond the resolution of the vessel.
  • An abnormality diagnosis apparatus for a mechanical device having rotating or sliding parts wherein the analog signal of the vibration sensor force for detecting the vibration of the mechanical device is converted into a digital signal.
  • An abnormality diagnosis device characterized in that the resolution is set to 1 bit, and this is expanded to a predetermined data width of 2 bits or more and subjected to a family conversion process.
  • An abnormality diagnosis device for a mechanical device having rotating or sliding parts wherein the analog signal voltage of the vibration sensor force for detecting the vibration of the mechanical device is compared with a reference voltage, A comparator that outputs a binary signal indicating whether the voltage of the analog signal is higher or lower than the reference voltage is provided, and the diagnosis processing unit expands the signal of the comparator power to a predetermined data width and performs a Fourier transform.
  • An abnormality diagnosing device characterized by being configured to process.
  • the abnormality diagnosis system configured as described in (1) above, sound or vibration generated from mechanical equipment is detected, an envelope of the detection signal is obtained, and the envelope is converted into a frequency spectrum. Since the obtained frequency spectrum is smoothed by moving average, the peak is detected, and abnormality is diagnosed based on the detected peak, so the SZN ratio between the abnormal signal or abnormal sign signal and the noise signal Even under small conditions, it is possible to carry out abnormality diagnosis with high accuracy without erroneously detecting a noise signal as an abnormal or abnormal sign signal.
  • smoothing and subdivision processing that is, the sum of products of differences and section lengths of a plurality of sections around the same point
  • smoothing and subdivision processing is performed on the frequency spectrum. Since the frequency point where the sign of the differential value changes is extracted as the peak of the frequency spectrum, the peak of the frequency spectrum buried in the noise can be detected with high accuracy.
  • the weighting coefficients in the moving averaging process are symmetrical, so that a noise signal is prevented from being erroneously detected as an abnormal signal or an abnormal sign signal. it can.
  • the extracted peaks having an amplitude level equal to or greater than the threshold are selected, so that peak detection of the frequency spectrum buried in the peak noise is performed. This can be performed with higher accuracy.
  • a peak with a larger root mean square of the amplitude level is selected up to a predetermined number. It is possible to narrow down the peaks effective for abnormality diagnosis and perform abnormality diagnosis with high accuracy and efficiency.
  • the peak corresponding to the main component of vibration or the peak corresponding to the main component and higher order component of the vibration in the detected peak of the frequency spectrum Since the degree of coincidence with the frequency indicating the abnormality to be diagnosed is obtained and the abnormality is diagnosed by evaluating the cumulative results of the coincidence multiple times, abnormality diagnosis can be performed with high accuracy.
  • the signal decimation process is performed after the envelope process to reduce the number of FFT computation points for envelope waveform analysis, so the frequency resolution of the detected signal is reduced. Can improve bearing efficiency and improve the efficiency of FFT calculation, and can perform bearing abnormality diagnosis with high accuracy and high efficiency.
  • the sampling rate at the time of AZD conversion of the detected signal is set high, and the force is also subjected to frequency band limitation and thinning processing. It can be omitted, and the signal decimation process is performed after the envelope process to reduce the number of FFT calculation points for envelope waveform analysis, thus improving the frequency resolution of the detected signal and the efficiency of the FFT calculation. It is possible to carry out a bearing abnormality diagnosis with high accuracy and high efficiency while achieving both improvement.
  • the abnormality diagnosis system having the above configuration (10) high-speed FFT processing by DSP becomes possible.
  • the abnormality diagnosis system having the configuration of (11) above sound or vibration generated from mechanical equipment is detected, the signal is converted into a digital signal, and a signal in a frequency band necessary for diagnosis is extracted from the digital signal. The envelope is obtained, and the envelope is zero-padded and interpolated to perform FFT with an arbitrary frequency resolution, and then the abnormality is diagnosed based on the frequency spectrum obtained by the FFT. Diagnosis Can be implemented.
  • the peak corresponding to the main component of vibration or the peak corresponding to the main component and higher order component of vibration among the peaks of the detected frequency spectrum Since the degree of coincidence with the frequency indicating the abnormality to be diagnosed is obtained and the abnormality is diagnosed by evaluating the cumulative results of the coincidence, the abnormality diagnosis can be performed with high accuracy.
  • any one dimensionless parameter value among the crest factor, impact index, waveform rate, and kurtosis is A comparison circuit that outputs a first voltage signal indicating that a certain reference has been exceeded or a second voltage signal indicating that the dimensionless parameter value is equal to or less than a certain reference. Since an abnormality can be detected based on the output, only one vibration sensor is provided per vehicle. Based on the waveform signal from that single vibration sensor, bearing separation and wheel It is possible to detect abnormalities such as flats.
  • the abnormality diagnosis device having the configuration of (15) above, either RMS (root mean square) and absolute value average! /, Or deviation are based on the waveform signal output by the vibration sensor!
  • An arithmetic circuit for obtaining a parameter value of the signal, a peak detection circuit for obtaining a peak value of the waveform signal, and a constant multiple of the parameter value (for example, in the [Best Mode for Carrying Out the Invention] described later, an analog circuit sets the magnification. In general, it is not an integer, but is a constant multiple or a constant multiple.)
  • the peak value output from the peak detection circuit are compared, and the peak value is compared with the peak value according to the comparison result.
  • abnormality diagnosis device having the above configuration (15) abnormality diagnosis can be performed with a relatively simple circuit configuration.
  • the peak value is compared with a preset reference value, and if the peak value is larger than the reference value, the first is detected to detect an abnormality. Since the signal of the second voltage is invalidated, it is possible to prevent the output of the sensor unit from being saturated by a very large signal caused by noise.
  • the abnormality diagnosis device having the configuration of (17), the abnormality is detected based on the duty ratio of the first voltage signal indicating that the parameter value exceeds a certain reference.
  • abnormality diagnosis can be performed while avoiding the influence of noise.
  • the abnormality diagnosis apparatus having the configuration (18), it is possible to perform abnormality diagnosis by capturing only a signal in a predetermined band among the output signals of the vibration sensor.
  • the abnormality diagnosis device having the above configuration (19), the abnormality of the railway vehicle can be detected, so that the reliability of the railway vehicle can be improved.
  • [ ⁇ ] ( ⁇ ) While continuously acquiring vibration data, it is divided into intervals of a fixed period, and the vibration data for one section is processed as vibration data for bearing diagnosis, and the head of the vibration data for one section The data for the last specified period of the previous section is processed as vibration data for wheel diagnosis. Detecting abnormal vibration of wheels in real time It is possible to determine whether the abnormal vibration is caused by the flatness of the wheel or the axle bearing.
  • the SZN ratio S between an abnormal signal or an abnormal sign signal and a noise signal is high enough to prevent a noise signal from being erroneously detected as an abnormal or abnormal sign signal even under a small condition.
  • Abnormal diagnosis can be performed.
  • abnormality diagnosis system of the present invention abnormality diagnosis of a bearing or a bearing-related member in mechanical equipment can be performed with high accuracy and high efficiency.
  • an abnormality diagnosis can be performed with high accuracy by performing FFT on a signal detected from an object to be diagnosed with an arbitrary frequency resolution.
  • the abnormality diagnosing device of the present invention only one vibration sensor is provided per vehicle, and on the basis of the waveform signal from the single vibration sensor, bearing separation, wheel flatness, etc. Therefore, an abnormality diagnosis system can be constructed at a low cost.
  • the abnormality diagnosis apparatus of the present invention low-resolution AD converters or simple comparators are used to reduce the cost and space of the circuit, and to perform abnormality diagnosis without causing a decrease in accuracy. be able to.
  • FIG. 1 is a block diagram showing an example of an abnormality diagnosis system of the present invention.
  • FIG. 2 is a waveform diagram illustrating a frequency spectrum and a moving average processing result thereof.
  • FIG. 3 is a waveform diagram illustrating a frequency spectrum and a moving average processing result thereof.
  • FIG. 4 is a waveform diagram illustrating a frequency spectrum and its moving average processing result.
  • FIG. 6 is a flowchart showing an example of an abnormality diagnosis operation of the abnormality diagnosis system shown in FIG.
  • FIG. 7 is a waveform diagram illustrating a frequency spectrum and a moving average processing result thereof.
  • FIG. 8 is a diagram showing a result of abnormality diagnosis of a bearing having a minute scratch and a normal product.
  • FIG. 9 is a block diagram showing a second embodiment of the abnormality diagnosis system of the present invention.
  • FIG. 10 is a block diagram showing a form example of a microcomputer and its peripheral circuits constituting the abnormality diagnosis system of the present invention.
  • FIG. 11 is a waveform diagram illustrating frequency-gain characteristics of the first digital low-pass filter in FIG. 9.
  • FIG. 12 is a waveform diagram illustrating frequency-gain characteristics of the second digital low-pass filter in FIG.
  • FIG. 13 (a) is a waveform diagram showing the FFT spectrum waveform when the thinning process is performed, and (b) is a waveform chart showing the FFT spectrum waveform when the thinning process is omitted.
  • FIG. 14 is a graph showing the effect of reducing the FFT computation processing time by reducing the number of FFT computation points.
  • FIG. 16 is a block diagram showing a third embodiment of the abnormality diagnosis system of the present invention.
  • ⁇ 17 It is a block diagram showing a fourth embodiment of the abnormality diagnosis system of the present invention.
  • FIG. 18 is a flowchart showing a flow of a series of processes in the abnormality diagnosis system of the fourth embodiment.
  • FIG. 19 (a) and (b) are explanatory diagrams showing a state in which thinning processing is performed by shifting the phase with respect to the envelope waveform of vibration.
  • FIG. 20 is a diagram showing a diagnosis result in the case of the fourth embodiment.
  • FIG. 21 is a diagram showing the FFT computation processing time in comparison with the case where DSP is used and the case where only the CPU is used.
  • FIG. 22 is a flowchart showing a flow of a series of processes in the abnormality diagnosis system of the fifth embodiment.
  • FIG. 23 A diagram showing a wound diagnosis result in the case of the fifth embodiment.
  • FIG. 24 is a functional block diagram showing a form example of the abnormality diagnosis system of the present invention.
  • FIG. 25 is an explanatory diagram of zero interpolation processing by the zero interpolation unit in FIG. 24.
  • FIG. 27 is a timing chart showing the timing and required time for data capture processing and data calculation processing.
  • ⁇ 28 It is a schematic configuration diagram of a railway vehicle provided with the abnormality diagnosis device of the seventh embodiment.
  • FIG. 29 is a block diagram showing a seventh example of the sensor unit.
  • FIG. 30 is a diagram showing an output waveform of the sensor unit of FIG. 29.
  • FIG. 31 is a block diagram showing an eighth example of a sensor unit.
  • FIG. 32 is a view showing an output waveform of the sensor unit of FIG. 31.
  • FIG. 33 is a block diagram showing a ninth example of a sensor unit.
  • FIG. 34 is a block diagram showing a tenth embodiment of the sensor unit.
  • FIG. 35 is a block diagram showing an eleventh embodiment of the sensor unit.
  • FIG. 36 is a block diagram showing a twelfth embodiment of the sensor unit.
  • FIG. 37 is a block diagram showing a thirteenth embodiment of the sensor unit.
  • FIG. 38 is a waveform diagram of the crest factor (PeakZRMS), which is one of the parameters indicating degradation such as peeling, and shows that the parameter value increases due to peeling.
  • PeakZRMS the crest factor
  • FIG. 39 This is a vibration waveform diagram of a railway vehicle, and shows that the detected vibration waveform is mixed with impact vibration (noise) due to rail joints.
  • FIG. 40 (a) is a schematic plan view of a railway vehicle on which the abnormality diagnosis device of the fourteenth embodiment is mounted, and (b) is a schematic side view of the railway vehicle.
  • FIG. 41 is a schematic view illustrating the positional relationship between an axle bearing and a vibration sensor.
  • ⁇ 42 A block diagram of a fourteenth embodiment of the abnormality diagnosis apparatus according to the present invention.
  • FIG. 43 Time chart of vibration data acquisition and data analysis for 4 channels by the abnormality diagnosis device. 44 is a flowchart showing the operation content of the diagnosis processing unit in FIG. 42.
  • FIG. 46 is a block diagram of a fifteenth embodiment of the abnormality diagnosis apparatus according to the present invention.
  • FIG. 48 is a flowchart showing an operation content of the diagnosis processing unit of FIG. 47.
  • FIG. 51 is a block diagram of a nineteenth embodiment of the abnormality diagnosis apparatus according to the present invention.
  • FIG. 53 (a) is a conceptual diagram showing the relationship between bearing separation diagnosis data and wheel flat diagnosis data on the time-frequency plane, and (b) is a concept showing the relationship between the bearing and wheel frequency range.
  • FIG. 55 (a) and (b) are partial block diagrams of a diagnostic processing section in a twenty-first embodiment.
  • FIG. 56 is a flowchart showing an operation content of a diagnosis processing unit in a twenty-first embodiment of the abnormality diagnosis apparatus according to the present invention.
  • FIG. 57 is a flowchart showing an operation content of the diagnosis processing unit in FIG. 51.
  • FIG. 58 (a) is an explanatory diagram for the process of extending a digital signal with AD converter power beyond its resolution, and (b) is an illustration showing an example of simple code extension of a digital signal with AD converter power.
  • FIG. 59 is a main part block diagram of a twenty-third embodiment of the abnormality diagnosis apparatus according to the present invention.
  • FIG. 60 (a) is an explanatory diagram for the process of converting an analog signal with vibration sensor force into a binary signal by a comparator, and (b) is a digital filter process using a microphone computer in the diagnostic processing unit for the signal of the comparator force FIG.
  • FIG. 61 is a flowchart showing an operation content of a diagnosis processing unit in a twenty-third embodiment.
  • FIG. 62 is a main part block diagram of a twenty-fourth embodiment of the abnormality diagnosis apparatus according to the present invention.
  • FIG. 1 is a block diagram showing an example of an abnormality diagnosis system of the present invention.
  • the abnormality diagnosis system of the present invention includes an amplifier filter (filter processing unit) 101, an A / D conversion 102, an envelope processing unit 103, an FFT unit 104, a peak detection unit 105, and a diagnostic unit 106. , And a diagnostic result output unit 107.
  • the amplifier 'filter 101 receives a signal detected by a sensor (vibration sensor, acoustic sensor, etc.) that detects sound or vibration generated from the machine equipment to be diagnosed.
  • the amplifier filter 101 amplifies the input signal with a predetermined gain and blocks a signal having a predetermined frequency or higher.
  • the AZD converter 102 samples the analog signal that has passed through the amplifier filter 101 at a predetermined sampling frequency, and converts it into a digital signal.
  • the envelope processing unit 103 obtains an envelope (envelope waveform) of the digital signal generated by the AZD transformation 102.
  • the FFT unit 104 performs frequency analysis on the envelope obtained by the envelope processing unit 103.
  • the peak detection unit 105 for converting to a frequency spectrum is a line feed diagnosis unit 106 for detecting the peak of the frequency spectrum obtained by the FFT unit 104, and the rotational speed detected by a rotation sensor (not shown) provided in the rolling bearing.
  • the characteristic frequency determined by the internal specifications of the bearing and the peak obtained by the peak detector 105 are compared, and the degree of coincidence is evaluated to diagnose the abnormality.
  • the diagnosis result output unit 107 outputs the diagnosis result from the diagnosis unit 106.
  • the peak detection unit 105 includes a moving average processing unit 105a, a smooth differential peak extraction unit 105b, a first selection unit 105c, and a second selection unit 105d.
  • the moving average processing unit 105a weights the frequency spectrum (discrete data in the frequency domain) obtained by the FFT unit 104 symmetrically and performs moving averaging. For example, with a 5-point moving average, the following equation is applied to the frequency spectrum obtained by the FFT unit 104: [0086] [Equation 1] a> b, a> c In general, the following equation (1)
  • the smooth ⁇ differential peak extraction unit 105b further smoothes the moving averaged spectrum to obtain a differential value, and the sign of the differential coefficient changes.
  • the frequency point is extracted as the peak of the frequency spectrum. That is, the smooth ⁇ derivative peak extraction unit 105b regards a frequency point at which the value of the following equation (2) (smoothed differential coefficient yj) changes to a negative value as a candidate for a frequency spectrum peak.
  • Equation 3 As can be seen from this equation (2), it can be seen that the slope between the distant points has a greater weight than the adjacent data.
  • the peak detection unit 105 performs the product sum of the differences of the plurality of sections and the lengths of the sections centered on the point j as shown in Equation (2) with respect to the frequency spectrum obtained by the FFT section 104.
  • a smoothing differential peak extraction unit 105b that performs smoothing differential processing and extracts a frequency point at which the sign of the obtained differential value changes as a peak of the frequency spectrum is provided. Therefore, according to the equation (2), it may be used together with the force equation (1) that can detect the peak buried in the noise without using the equation (1).
  • the first sorting unit 105c sorts out peaks extracted by the smooth differential peak extraction unit 105b having an amplitude level equal to or higher than a threshold value.
  • a threshold value a relative value determined according to the power average value of the peak extracted by the smooth ⁇ differential peak extraction unit 105 b or the root mean square of the overall signal is used.
  • the absolute threshold is not always effective when the force noise level is high, which is effective when the relative noise level is low.
  • the second sorting unit 105d sorts up to a predetermined number of peaks having a large amplitude level among the peaks sorted by the first sorting unit 105c.
  • a known sorting algorithm can be used to sort multiple peaks in descending or ascending order with respect to level, and then sort them in descending order of power, that is, in descending order of value. it can.
  • FIG. 2 shows an example of a frequency spectrum waveform. This example shows the spectrum of the vibration data diagnosed as flawed and the spectrum after moving average processing.
  • the moving average here is a 7-point moving average as shown in the following equation.
  • the SZN ratio is relatively good, so the fundamental wave component fl and the harmonic components f 2, f3, and f4 due to scratches on the bearing outer ring are the force S and the movement that are clearly visible before and after the moving average process. It can be seen that there were very few false peaks due to noise after the averaging process.
  • the moving average processing spectrum 105a smoothes and subdivides the spectrum subjected to the moving average processing as shown in Fig. 2, and the smoothing ⁇ differential peak extraction unit 105b has a frequency at which the sign of the differential coefficient changes to a negative value.
  • the first selection unit 105c extracts those above the threshold,
  • the peak frequencies fl, f2, f3, and f4 are obtained by sorting them in the second sorting unit 105d and extracting the top five of them as peaks.
  • the smoothing differential coefficient yi at that time is expressed by the following equation, where xi is the discretized frequency spectrum.
  • this formula gives a smoothing effect, so the weight of the difference between the points that are further apart is heavily weighted. Is not necessary. Therefore, even a microcomputer that does not have a floating-point unit (FPU) or a division instruction can be operated without difficulty.
  • FPU floating-point unit
  • the peak data of the frequency spectrum (envelope frequency distribution) obtained by the second selection unit 105d as described above is input to the diagnosis unit 106.
  • Diagnostic unit 106 compares the peak corresponding to the main component of vibration or the peak corresponding to the main component and higher order component of the input frequency spectrum peak with the frequency indicating the abnormality of the diagnosis target. The degree of coincidence is obtained. A high-reliability diagnosis is performed by adding points to the obtained degree of coincidence and accumulating. For example, a comparison is made between the principal component, the second and fourth components, and the frequency indicating the abnormality, and if the principal component and other components are detected, it is determined that the scratch may have occurred. Then, the corresponding number of points in the preset point table is added. An example of the score table is shown in Table 1 below. In the example of Fig. 2, since the principal component, the second-order, and the fourth-order three components are detected, four points are added.
  • Fig. 5 shows an example of a vibration waveform when impact noise is introduced.
  • the frequency analysis result of the envelope of the vibration waveform with such a large amplitude and sudden shocking noise becomes large on the low frequency side close to the DC (direct current) component.
  • the peak of vibration due to small scratches is hidden. In such a case, it is not necessary to forcibly detect the signal component due to scratches.
  • this abnormality diagnosis system repeats a series of processes from the above vibration signal detection to abnormality point number determination a predetermined number of times N (for example, 30 times), and accumulates the number of points. Abnormality diagnosis is performed based on the total number of points.
  • N for example, 30 times
  • n is the current number
  • PA is the diagnostic point in one spectrum measurement
  • PACC is the frequency spectrum illustrated in Figs. 2, 3, and 4 showing the cumulative value of PA. It takes about 1 second to sample the waveform once and diagnose the abnormality. Therefore, if the time allowed for obtaining the diagnosis result is about 40 to 60 seconds, repeat the diagnosis about 40 to 60 times, accumulate the above points, and perform abnormality diagnosis based on the accumulated points. Is possible.
  • FIG. 7 is a diagnostic spectrum of a normal bearing without a flaw, and shows a result of actual measurement in which a frequency component of vibration due to a flaw is not detected as a result of performing peak detection.
  • the moving averaged frequency analysis result seems to have some features at first glance. However, as a result of the sorting process using the threshold and sorting, it was not related to the frequency component due to bearing abnormality. No abnormality diagnosis points are added.
  • Fig. 8 is a bar graph showing the cumulative number of diagnosis points after 40 times of abnormal diagnosis of a bearing with a minute flaw and a normal product. Since there is a large gap in the number of accumulated points between micro-scratched and normal products, it can be seen that bearing abnormality diagnosis can be performed accurately by accumulating the accumulated points for about 40 times. In addition, since there is a big difference between the normal product and the small scratch, the threshold range can be increased as shown in Fig. 8. Therefore, a gradual warning is issued with this range as a gray zone. It is also possible to do so.
  • the abnormality diagnosis system of this embodiment sound or vibration generated from mechanical equipment is detected, an envelope of the detection signal is obtained, and the envelope is converted into a frequency spectrum.
  • the frequency spectrum is subjected to moving average processing, and then the spectrum is smoothed and differentiated to detect a frequency point whose sign of the differential coefficient changes to positive or negative as a peak, and then extracts a frequency threshold or higher. Then, they are sorted and the top predetermined number of them is extracted as a peak, and the peak corresponding to the main component of vibration or the peak corresponding to the main component of vibration and the higher order component is diagnosed as the peak.
  • the degree of coincidence with the frequency indicating the abnormality is determined, and the degree of coincidence is scored and accumulated several times.
  • the accumulated value is evaluated to diagnose the abnormality. Therefore, even under conditions where the SZN ratio between the abnormal signal, the abnormal sign signal and the noise signal is small, the abnormality diagnosis is performed with extremely high accuracy and high efficiency without erroneously detecting the noise signal as abnormal or an abnormal sign signal. it can.
  • a digital filter (LPF'HPF) 108 is provided between the AZD conversion ADC 102 and the envelope processing unit 103 to remove high-frequency noise components and to provide a DC offset. It is desirable to exclude.
  • a decimation unit 109 may be provided in front of the FFT unit 104 to perform a thinning process (decimation) according to a necessary frequency. Signal decimation is performed after envelope processing to reduce the number of FFT computation points for envelope waveform analysis, thereby improving both the frequency resolution of detected signals and the efficiency of FFT computation.
  • the bearing abnormality diagnosis can be performed with high accuracy and high efficiency.
  • FIG. 9 is a block diagram showing a second embodiment of the abnormality diagnosis system of the present invention
  • FIG. 10 is a configuration example of a microcomputer (MPU) that is a specific component of the abnormality diagnosis system of the present invention and its peripheral circuits.
  • MPU microcomputer
  • the abnormality diagnosis system of the present invention includes an amplifier filter (filter processing unit) 201, an AZD converter 202, a first digital low-pass filter 203, a first decimation unit (thinning unit) 204, An envelope processing unit 205, a second digital low-pass filter 206, a second decimation unit (decimation unit) 207, an FFT operation unit 208, a diagnosis unit 209, a rotational speed conversion processing unit 210, and a diagnosis result output unit 211 are provided. Yes.
  • the amplifier 'filter 201 receives a signal detected by a sensor (vibration sensor, acoustic sensor, etc.) that detects sound or vibration generated from the machine facility to be diagnosed.
  • the amplifier 201 amplifies the input signal with a predetermined gain and cuts off a signal having a predetermined frequency (here, 80 kHz) or more.
  • the AZD converter 202 samples the analog signal that has passed through the amplifier filter 201 at a predetermined sampling frequency (250 kHz in this case) and converts it into a digital signal.
  • the number of points sampled at a time is approximately 200,000.
  • the data length is 16 bits.
  • this system uses a microcomputer 220 as a signal processing circuit, but has an external RAM 221, so it is easy to secure such a variable area.
  • Microcomputer 220 has a floating point unit (FPU)!
  • the first digital low-pass filter 203 passes only a signal having a predetermined frequency (10 kHz in this case) among the digital signals generated by the AZD converter 202, and includes, for example, a 55th-order FIR filter.
  • FIG. 11 illustrates the frequency characteristics of the first digital low-pass filter 203.
  • This filter 203 does not attenuate significantly below 10 kHz (fp), increases from 10 kHz (fp) to 25 kHz (fq), and reaches an attenuation factor of 60 dB above 25 kHz. For waveforms in the frequency band that reach the stop band at 25 kHz (fq), a sampling frequency of at least 50 kHz is sufficient.
  • the first decimation section (thinning section) 204 passes through the first digital low-pass filter 203
  • the sampled signal is sampled at a predetermined sampling frequency (50 kHz in this case). Since the sampling frequency by AZD change 202 is 250 kHz, the number of sampling points (data number) is reduced to 1Z5. As a result, the data capacity of 200,000 points is reduced to 0960 points.
  • the envelope processing unit 205 obtains an envelope signal (envelope waveform signal) of the signal extracted by the first decimation unit 204.
  • the second digital low-pass filter 206 is a filter for passing only a signal having a predetermined frequency (here, 1 kHz) or less from the envelope signal obtained by the envelope processing unit 205.
  • a predetermined frequency here, 1 kHz
  • the 110th order It consists of FIR filters.
  • FIG. 12 illustrates the characteristic waveform of the second digital low-pass filter 206.
  • This filter 206 performs a filtering process according to the characteristic frequency indicating the bearing abnormality, and does not attenuate at 1 kHz (fp) or less, and the attenuation rate increases from 1 kHz to 2.5 kHz. Above fq), the attenuation factor is 60dB.
  • the second decimation section (thinning section) 207 performs a thinning process by sampling the signal that has passed through the second digital low-pass filter 206 at a predetermined sampling frequency (here, 5 kHz). Since the sampling frequency (fs) by the first decimation unit 204 is 50 kHz, the sampling point of 1Z10 is thinned out. 2. A sampling frequency of at least 5kHz is sufficient for waveforms whose frequency reaches the stopband at 5kHz. This thinning process reduces the data from 40960 points to 4096 points.
  • a predetermined sampling frequency here, 5 kHz
  • the FFT operation unit 208 analyzes the frequency of the envelope signal after the thinning process is performed by the second decimation unit 207.
  • the diagnosis unit 209 includes, among the peaks obtained from the result of the frequency analysis performed by the FFT operation unit 208, the magnitudes of the fundamental frequency component and the high frequency component due to the rolling bearing, and the rotational speed conversion processing unit.
  • the judgment standard data (rotational speed) given by 210 is compared with the frequency indicating the abnormality of the bearing obtained from the specifications of the bearing, and rolling is performed based on the result. Diagnose bearing abnormalities.
  • the rotation speed conversion processing unit 210 generates determination reference data according to a rotation signal from a rotation sensor (not shown) provided in the rolling bearing, and provides the data to the diagnosis unit 209.
  • the diagnosis result output unit 211 outputs the diagnosis result of the diagnosis unit 209.
  • Fig. 13 (a) shows the spectrum waveform of the envelope obtained as a result of the computation by the FFT computation unit 208. This captures the outer ring flaw component of the rolling bearing and clearly shows the fundamental frequency component (fl) and the high frequency component (f2 to f6, etc.).
  • the diagnosis unit 209 calculates a frequency indicating the abnormality of the bearing obtained from the rotational speed obtained from the rotational speed conversion unit 210 and the specifications of the bearing, up to the fundamental frequency and the 6th order in FIG. As a result of comparison with the higher harmonic components, a diagnosis result indicating that there was an abnormality in the outer ring was output because it matched the frequency component caused by the outer ring defect.
  • Fig. 13 Shown in b.
  • the number of FFT operation points is reduced to 4096, which is 1/4 of its 16384 power, compared to the comparative example (Fig. 13 (b)), and the resolution is about 1. 53Hz power 1. Improved to 22Hz. This is the effect of performing the decimation process before and after the envelope process.
  • Fig. 14 shows the effect of reducing the FFT computation processing time by reducing the number of FFT computation points.
  • a microcomputer 220 having a high-speed RAM 220c is used as hardware for executing FFT calculation processing.
  • the high-speed RAM 220c inside the microcomputer 220 was able to store FFT data up to 4096 points.
  • the calculation time was overwhelmingly faster than the calculation time when FFT data of 8192 points or more was stored.
  • Even if the system does not have such a high-speed RAM 22 Oc the effect of reducing the number of operation cycles (FFT operation processing time) as shown by the dotted line in FIG. 14 can be obtained. Since the FFT needs to be calculated with a power of 2, the sampling and decimation process in this example results in 4096 points. If you have 4096 points in excess or deficiency, you can omit the number of points or add 0 data back and forth.
  • Fig. 15 is a graph showing an absolute comparison of the SZN ratio in the outer ring diagnosis of a rolling bearing.
  • the ratio of the fundamental and the harmonic components up to the 6th order and the components up to 1kHz excluding those components is shown as the SZN ratio.
  • a in Fig. 15 corresponds to the above comparative example.
  • C corresponds to the above embodiment.
  • B is the S / N ratio when the second digital low-pass filter 206 is omitted.
  • the force C which can be said to have little difference in the SZN ratio between the two, is slightly better.
  • the number of points for FFT computation is smaller in C than in A, the SZN ratio is improved due to the band limitation effect of the second digital low-pass filter 206.
  • the points of FFT computation for analyzing the envelope waveform of the signal detected by the sensor by performing the signal thinning process before and after the envelope process.
  • the sampling rate at the time of AZD conversion of the signal detected by the sensor is set high, and the force is also subjected to frequency band limitation and thinning processing, so the anti-aliasing filter can be omitted. is there.
  • the first digital low-pass filter 203 cuts a signal with a frequency higher than 1Z2 (Nyquist frequency fs / 2) at the sampling frequency fs (250 kHz) by the AZD converter 202, it is usually necessary to insert an anti-aliasing filter
  • the frequency bandwidth of the amplifier filter 201 is less than S80 kHz
  • the sampling frequency by the AZD variation ⁇ 202 is 250 kHz, so the sampling theorem is satisfied and the anti-aliasing filter is not effective. It became important. This has made it possible to reduce the cost of the abnormality diagnosis system.
  • FIG. 16 is a block diagram showing a third embodiment of the abnormality diagnosis system of the present invention.
  • the digital low-pass filters 203 and 206 provided before and after the envelope processor 205 and the decimation processor 204 before the envelope processor 205 in the second embodiment are omitted. This configuration is small even if the SZN ratio decreases slightly. Applicable when it is sufficient to improve the frequency resolution of envelope waveform analysis by FFT calculation with no number of points.
  • the thinning-out process without using the digital low-pass filter is affected by aliasing, but it itself plays the role of the low-pass filter process. Since the envelope process itself also functions as a low-pass filter, the digital low-pass filter 206 in front of the decimation processing unit 207 can be omitted in many cases. If the frequency characteristics of the amplifier and transmission line in the previous stage do not cause aliasing, there is no difference in performing the thinning process without using the digital low-pass filter.
  • the calculation efficiency of the digital filter is slightly different from that of the FFT calculation. Since FFT is a batch calculation process, the smaller the number of data, the faster the calculation speed. On the other hand, a digital filter basically performs sequential processing, so the order of the filter becomes a problem. However, in the above embodiment, the second digital low-pass filter 206 after the envelope processing unit 205 may also expect a filter order of 100 to 200. With this order of filter order, there is no problem with the processing in the high-speed memory 210a in the general microcomputer 210.
  • the microcomputer 220 has an FPU (floating point arithmetic unit), and therefore has a force FPU using an FIR filter suitable for fixed point arithmetic.
  • FPU floating point arithmetic unit
  • the filter order can be reduced without reducing the calculation accuracy.
  • FIG. 17 is a block diagram (hardware configuration diagram) showing a fourth embodiment of the abnormality diagnosis system of the present invention.
  • FIG. 18 is a flowchart showing a flow of a series of processes in the abnormality diagnosis system of the fourth embodiment.
  • the microcomputer 220 is connected to a synchronous DRAM (SD RAM) 221a, a flash memory 222, an amplifier filter (filter processing unit) 223, and a liquid crystal display (LCD) 224.
  • SD RAM synchronous DRAM
  • flash memory 222 a flash memory
  • an amplifier filter (filter processing unit) 223, and a liquid crystal display (LCD) 224 liquid crystal display
  • the microcomputer 220 includes a DSP 220b and a cache RAM 220c in addition to the CPU 220a.
  • the DSP 220b has a built-in XZY-RAM 220e consisting of an X-RAM and a Y-RAM connected to each other by a dedicated bus so that the multiply-accumulate operation can be executed in one cycle with a dedicated instruction.
  • the capacity of X-RAM and Y-RAM is 8 kilobytes each.
  • the DSP220b can simultaneously access three buses, including the instruction bus, and can execute multiple instructions simultaneously.
  • X / Y-RAM is also called dual port RAM, dual access RAM, multiport RAM, and so on.
  • Synchronous DRAM 221a, flash memory 222, and amplifier / filter 223 are connected to an external bus of CPU 220a.
  • the synchronous DRAM 221a is a 32 MB (megabyte) memory functioning as a main memory.
  • the flash memory 222 is a 4 MB memory that functions as a program storage area.
  • the flash memory 222 stores a program for executing a series of processes shown in FIG.
  • the amplifier / filter 223 amplifies the signal from the sensor 223a, and the signal amplified by the amplifier 223a is sampled at a predetermined sampling frequency (250 kHz in this case) and converted to a digital signal with a 16-bit resolution. Consists of AZD Transform 223b.
  • the synchronous DRAM 221a and the flash memory 222 have an operation speed slower than that of the CPU 220a. Therefore, a cache memory is indispensable for taking advantage of the high speed of the CPU 220a.
  • the microcomputer 220 has a built-in cache RAM 220c for data Z instructions.
  • the DMAC 220d controls the DMA operation for transferring the data obtained by the A / D conversion 223b to the synchronous DRAM 221a without using the CPU 220a.
  • the liquid crystal display 224 is an output device for displaying diagnostic information.
  • the amount of data handled is the largest! /, which is the FFT arithmetic processing (S204).
  • the data used in the FFT operation (S204) must be stored in the XZY_RAM 220e.
  • the signal from the amplifier filter 223 is sampled at a sampling frequency of 48 kHz, and waveform data that is more than 40,000 points is sampled.
  • a sampling time Tw of 800 ms or more can be secured.
  • the frequency resolution ⁇ ⁇ of the FFT processing (S204) is determined by this sampling time Tw.
  • the frequency resolution ⁇ ⁇ is the reciprocal (lZTw) of the sampling time Tw.
  • the absolute value processing (S202) is the same processing as the envelope processing, and the digital processing can greatly simplify the calculation compared to the method using the Hilbert transform. In this process, the average value is taken to remove the DC component from the envelope or absolute value waveform of the signal sampled in the sampling process (S201), and the zero-amplitude line is redrawn.
  • the decimation process is performed by sampling the envelope or absolute value waveform signal that has undergone the absolute value process (S202) at a predetermined sampling frequency (4.8 kHz in this case).
  • the frequency analysis is performed on the signal after the thinning process is performed by the decimation process (S203).
  • the peak of the frequency spectrum obtained from the frequency analysis result in the FFT calculation process (S204) is detected, and the peak and the bearing abnormal frequency are detected. Are evaluated by referring to the site-specific abnormality diagnosis index corresponding to the comparison result.
  • the abnormality diagnosis point addition process (S206), the number evaluated as abnormal by the spectrum evaluation process (S205) is counted.
  • the iteration number determination process (S207), it is determined whether or not the number of times the spectrum evaluation process (S205) has been performed (evaluation number nl) has reached a predetermined number N1.
  • the phase shift process (S208) is executed when the number of evaluations nl has reached the predetermined number of times N1 in the iteration number determination process (S207) and it is determined (No in S207). With this process, the processes after the decimation process (S203) are repeated with the phase shifted.
  • the waveform acquisition count determination process (S209) is executed when it is determined in the iteration count determination process (S207) that the evaluation count nl has reached the predetermined count Nl (Yes in S207).
  • the processing after the sampling processing (S201) is repeated. If the waveform acquisition count n2 reaches the predetermined count N2 (Yes in S209), the process proceeds to the evaluation Z determination process (S210).
  • the bearing abnormality evaluation Z determination is performed based on the number of abnormality evaluation points counted in the abnormality diagnosis point addition process (S206).
  • each time the spectrum evaluation process (S205) is performed the phase is shifted and the decimation process (S203) is performed a plurality of times, and a single sampling waveform is performed a plurality of times.
  • This method is used to accumulate the diagnostic points by performing the FFT calculation process (S204). This is because if the thinned data is evaluated by a single FFT, it is less meaningful to sample at a frequency of 48 kHz, which is the same as sampling at 4.8 kHz from the beginning.
  • FIGS. 19 (a) and 19 (b) show how the thinning process is performed with the phase shifted with respect to the envelope waveform of vibration.
  • a phase shift is equivalent to shifting the sampling point by one point.
  • the state of (b) shows a state where only ⁇ ⁇ (black circle) is sampled, while the state of (b) shows a phase shift by one point and resampling by ⁇ (white circle).
  • 1/5 is thinned out, so up to 5 resamplings are possible.
  • a string of thread is obtained.
  • Fig. 20 shows the results of the outer ring flaw diagnosis of rolling bearings by repeating phase shift and FFT processing.
  • samples (1, 2) with artificial scratches on the outer ring raceway surface of rolling bearings and normal samples without scratches (3, 4) are prepared, and the characteristic frequency components of the bearing outer ring scratches are the main components.
  • This point was accumulated for a certain period of time and used as the outer ring defect index.
  • Frequency components were detected by detecting peaks due to the moving average and smoothed differentiation of the FFT spectrum, and further narrowed down to the top nine components according to the size of the spectral components.
  • Fig. 21 is a graph showing the FFT computation processing time by comparing the case where DSP 220b is used and the case where only CPU 220a is used.
  • the FFT operation score is 4k words to match the capacity of the high-speed memory 220e that can read two data simultaneously with the instruction to the DSP220b, so the FFT operation can be executed at high speed by the DSP.
  • FFT calculation is performed by reducing the sampling frequency to the number of data corresponding to the capacity of the XZY-RAM220e in the DSP220b for the digitized envelope waveform. Since the processing is performed, high-speed FFT processing by DSP220b is possible, and the number of FFT calculation points for envelope waveform analysis has been reduced by performing interleaving processing after absolute value processing. As a result, both the improvement of the frequency resolution of the signal and the improvement of the efficiency of the FFT calculation can be achieved, and the bearing abnormality diagnosis can be performed with high accuracy and high efficiency. [Fifth embodiment]
  • FIG. 22 is a flowchart showing a flow of a series of processes in the abnormality diagnosis system of the fifth embodiment.
  • FIG. 23 shows the outer ring wound diagnosis result in the case of the fifth embodiment.
  • the sample used for the test is the same as in Figure 20.
  • FIG. 24 is a functional block diagram showing an example of the abnormality diagnosis system of the sixth example.
  • the abnormality diagnosis system includes an analog amplifier filter unit 301, an AZD conversion unit 302, a digital filter unit 303, a decimation unit 304, and an absolute value conversion unit (envelope processing unit). 305, zero interpolation unit (interpolation processing unit) 306, Hayung window function processing unit 307, FFT unit 308, peak detection unit 309, bearing defect fundamental frequency calculation unit 310, comparison unit 311, integration unit 312, diagnosis unit 313, and A diagnosis result output unit 314 is provided.
  • the analog amplifier filter unit 301 receives a signal detected by a vibration sensor (including an acoustic sensor) 317 that detects sound or vibration generated from the machine equipment to be diagnosed.
  • the analog amplifier filter unit 301 amplifies the input signal with a predetermined gain and cuts off a signal having a predetermined frequency or higher.
  • the AZD conversion unit 302 samples the analog signal that has passed through the analog amplifier filter unit 301 at a predetermined sampling frequency, and converts it into a digital signal.
  • the digital filter unit 303 passes only a signal in a predetermined frequency band among the digital signals generated by the AZD conversion unit 302.
  • the decimation unit 304 samples the signal that has passed through the digital low-pass filter unit 303 at a predetermined sampling frequency so as to perform inter-bow I processing.
  • Absolute value converting section 305 obtains the envelope (envelope waveform) of the signal extracted by decimation section 304 as discretized data.
  • the zero interpolation unit 306 performs zero padding interpolation for fast Fourier transform of the discretized data of the envelope obtained by the absolute value conversion unit 305 with an arbitrary frequency resolution.
  • zero-padded interpolation refers to interpolation that adjusts by adding 0 to the discretized data of the envelope when shortage occurs so that the sampling frequency by the FFT unit 308 is a power of 2.
  • the Hayung window function processing unit 307 cuts out a signal used for diagnosis by multiplying the signal after interpolation processing by the zero interpolation unit 306 by a Hanning window function of a predetermined period.
  • the FFT unit 308 performs frequency analysis on the signal cut out by the Haying window function processing unit 307 using the FFT algorithm, and generates a frequency spectrum waveform signal.
  • Peak detection unit 309 detects the peak of the frequency spectrum obtained by FFT unit 308.
  • the bearing defect fundamental frequency calculation unit 310 is based on the rotational speed of the rolling bearing detected by the rotational speed detector 315 and the internal specifications of the bearing read from the ROM 316 storing the bearing specifications. A fundamental frequency indicating a bearing defect is calculated.
  • the comparison unit 311 compares the peak obtained by the peak detection unit 309 with the frequency calculated by the bearing defect basic frequency calculation unit 310, and outputs the degree of coincidence as a numerical value.
  • Integration unit 312 integrates the output values from comparison unit 311 and outputs the result.
  • the diagnosis unit 313 diagnoses an abnormality based on the integration result obtained by the integration unit 312.
  • the diagnosis result output unit 314 outputs the diagnosis result from the diagnosis unit 313.
  • the peak detection unit 309 includes a moving averaging processing unit, a smoothing differentiation processing unit, a threshold selection unit, and a sorting selection unit.
  • the moving averaging processing unit weights the frequency spectrum (discrete data in the frequency domain) obtained by the FFT unit 308 symmetrically and performs moving averaging.
  • the smoothing differentiation processing unit performs a numerical differentiation operation during the moving averaging process by the moving averaging processing unit, and the frequency point at which the sign of the derivative changes changes the frequency spectrum. Extracted as a token.
  • the threshold selection unit selects peaks whose amplitude level root mean square is equal to or greater than the threshold among the peaks extracted by the smooth differential differentiation processing unit.
  • the threshold value a relative value determined according to the power average value or the root mean square of the peaks extracted by the smoothing differentiation processing unit is used.
  • the sorting selection unit selects the peaks up to a predetermined number from the one where the root mean square of the amplitude level is large!
  • a known sorting algorithm can be used to sort a plurality of peaks in descending order with respect to the level, and then select from the top ones.
  • FIG. 1 a block diagram (no configuration diagram of one software) showing a configuration example of a microcomputer (MPU) and its peripheral circuits as specific components of the abnormality diagnosis system of the sixth embodiment is shown.
  • MPU microcomputer
  • the characteristic frequency of the bearing scratch to be diagnosed is a low frequency of 100 Hz or less
  • the FFT unit 308 has a frequency resolution of 1 ⁇ ⁇ ( ⁇ 0.5 Hz), and a sampling frequency of 32.768 kHz.
  • the frequency resolution is 1 ⁇ ( ⁇ 0.5Hz) by performing zero interpolation so that the sampling time is Is.
  • the pass band width of the digital filter unit 303 is selected according to the frequency band in which the SZN ratio between vibration and noise caused by abnormality is the largest. For example, lkHz to 4kH in advance If the SZN ratio of the separation defect is maximized in the frequency band of z, the pass band width of the digital filter section 303 is selected from lkHz to 4kHz.
  • This type of digital filter can be composed of FIR filters, IIR filters, filters using FFT and inverse FFT (IFFT), etc., but RISC type mycos with a built-in fixed-point arithmetic DSP. FIR filters are suitable!
  • the absolute value processing unit 305 takes an average value to eliminate the DC component from the envelope or the absolute value waveform, and redraws the zero amplitude line.
  • This absolute value processing envelope processing
  • the high-frequency signal is still included, so it is desirable to apply a FIR low-pass filter that passes only the low-frequency signal below 1 kHz before performing the FFT! Since the bandpass filter processing by the digital filter unit 303 and the absolute value (envelope extraction) processing by the absolute value processing unit 5 have already been performed on the raw waveform, the low pass filter processing just before the FFT unit 308 is performed. Even if omitted, the effect on the diagnosis accuracy of bearing defects is small.
  • Decimation part 304 FFT calculation point thinning rate (decimation amount) and zero interpolation part 306 interpolation rate or number of interpolation bits depend on frequency band to be analyzed, frequency resolution, number of FFT calculation points, etc. Can be decided.
  • the number of FFT calculation points is naturally limited by the capacity of XZY-RAM220e that can be accessed from DSP2 20b by parallel dedicated bus.
  • Data processed by the FFT unit 308 includes a real part and an imaginary part, which are assigned to the X-RAM and Y-RAM of the XZ Y-RAM 220e, respectively. If the memory area is supplied by input and output, the data length of 8 kB can be FFTed. If the resolution of the AZD converter 223b is 16 bits (2 bytes), it is possible to process data up to 8192/2 bytes, that is, up to 4096 points with the DSP220b by setting the calculation variable to 2 bytes. is there
  • the sampling time Tw, fft is set to 0.75s, so the 0.25s sampling time is insufficient.
  • the force for interpolating the shortage by the zero interpolation unit 306 If the zero interpolation is simply performed, the number of data reaches 32786.
  • the frequency band is lowered by the digital filter unit 303 and the absolute value ⁇ processing unit 305, and then the 1Z8 interval processing is performed.
  • the sampling number and sampling frequency are each 3072 points. , And 4.096Hz, 4096 is not enough! /, The point is filled with 3072 points, followed by 1 024 zeros (0) to make the sampling waveform data of 4096 points (see Figure 25) ).
  • This waveform data is input to the FFT unit 308 via the Hayung window function unit 307.
  • the Hayung function unit 307 reduces the influence of both ends of the waveform data input to the FFT unit 308 by multiplying the input waveform data by the Hayung window function.
  • This waveform data is FFTed by the FFT unit 308, so that the frequency spectrum can be obtained with a resolution of 1Hz.
  • the obtained frequency vector data is input to the peak detection unit 309.
  • the frequency spectrum obtained by the FFT unit 308 is weighted symmetrically and subjected to moving average. As a result, the frequency spectrum is smoothed and noise is reduced.
  • the bearing defect basic frequency calculation unit 310 calculates a basic frequency indicating a bearing defect based on the bearing rotational speed detected by the rotational speed detector 315 and the internal specifications of the bearing read from the ROM 316. calculate.
  • the detection of the rotation speed of the bearing by the rotation speed detector 315 is repeatedly performed in a plurality of cycles in synchronization with the vibration detection by the vibration sensor 317 (for example, once every 0.75s).
  • the peak frequency detected by the peak detection unit 309 and the fundamental frequency calculated by the bearing defect basic frequency calculation unit 310 are input to the comparison unit 31 1 in synchronization with each cycle. .
  • the comparison unit 311 compares the fundamental frequency and its harmonic components with the peak frequency, and assigns points according to the degree of coincidence of both. (Numericalization), and output the value to integration unit 312. An example of how to assign points is shown in the table below.
  • the diagnosis process for a single waveform acquisition is performed according to the degree to which the detected peaks match the calculated fundamental frequency of vibration caused by bearing defects and the harmonic components up to the fourth order. This is equivalent to adding points.
  • the frequency peak detection is repeated and the number of diagnosis points is added each time, and the cumulative value of the number of points is evaluated, thereby reducing the effect of spectrum variation and performing anomaly diagnosis with high accuracy. be able to.
  • Fig. 26 is a bar graph showing the cumulative number of diagnostic points for a bearing with a defect (defective product) and a non-defective bearing (normal product).
  • the inner ring rotating type bearing is tested using the abnormality diagnosis system. Since the inner ring rotating type bearings often cause damage to the outer ring raceway, in this example, the outer ring raceway was also damaged and tested.
  • Four sets of bearings are used for diagnosis, two of which have outer ring scratches Introduced. Under this test condition, the fundamental frequency when the outer ring raceway was defective was 100 Hz or less. For the fundamental wave, if the peak frequency is within the range of ⁇ 1. OHz of the fundamental frequency, it is determined that the peak frequency matches the peak frequency.
  • Fig. 21 is a graph showing the FFT computation processing time in comparison with the case where DSP 220b is used and the case where only CPU 220a is used. Since the bandwidth of the FFT operation is reduced by the digital filter unit 303 and the decimation unit 304 is thinned out to match the capacity of the XZY-RAM22 Oe in the DSP220b, the FFT operation can be executed very quickly by the DSP220b. It was.
  • the detection signal is converted into a digital signal, the signal in the frequency band necessary for diagnosis is extracted, and the envelope of the signal obtained by thinning the signal is obtained.
  • the envelope of the signal obtained by thinning the signal is obtained.
  • zero-filled interpolation is performed, and further, the signal used for diagnosis is cut out by the Hayung window function.
  • the detection signal is FFTed with high sampling accuracy and frequency resolution suitable for the calculation device used for FFT calculation. Diagnosis can be performed.
  • the frequency spectrum obtained by FFT is subjected to a moving average process, and the spectrum is smoothed and differentiated, and the frequency point at which the sign of the differential coefficient changes to positive and negative is peaked. After detecting them as peaks, extract those above the predetermined threshold, sort them, extract the top predetermined number of them as peaks, and among those peaks, the peak or vibration corresponding to the main component of vibration. The degree of coincidence between the peak corresponding to the main component and the higher-order component and the frequency indicating the abnormality of the diagnosis target is obtained, and the degree of coincidence is scored and accumulated several times, and the accumulated value is evaluated to diagnose the abnormality. Therefore, even under conditions where the SZN ratio between the abnormal signal or abnormal predictive signal and the noise signal is small, the abnormal diagnosis is performed with extremely high accuracy and high efficiency without detecting the noise signal as abnormal or abnormal predictive signal. it can.
  • FIG. 28 is a schematic configuration diagram of a railway vehicle equipped with the abnormality diagnosis apparatus of the seventh to thirteenth embodiments.
  • the railway vehicle 401 includes four sets of wheels (total of eight wheels) 402-1 to 402-4 and four bearings 404-1 to 404-4 that rotatably hold them under the chassis 403.
  • 403 has an abnormal diagnosis device 410 installed.
  • the abnormality diagnosis apparatus 410 includes a sensor unit 420 and a control panel 430.
  • the sensor cut 420 is a unit that detects the vibration of the chassis 403.
  • the control panel 430 Based on the output signal of the sensor unit 420, the control panel 430 has a diagnostic circuit 431 for diagnosing the presence or absence of abnormalities such as the flatness of the wheels 402-1 to 402-4. I have.
  • the diagnosis contents (alarm signal) by the diagnostic circuit 431 is sent to the driver's cab and command center through the communication line in the vehicle 401.
  • PeakZRMS Root Mean Square
  • Peak is the absolute value of the maximum amplitude in a certain interval
  • RMS is the root mean square value of the oscillating voltage in the certain interval.
  • the waveform considered here is a waveform that represents the vibration of the chassis 403 as shown in Fig. 39, and includes the noise that is related to the deterioration of the machine elements that make up the vehicle 401, such as impact noise and friction noise caused by rail joints. Is. This type of noise has a much larger amplitude than vibration caused by abnormalities such as peeling of the bearings 404-1 to 404-4 and flatness of the wheels 402-1 to 402-4.
  • FIG. 29 is a block diagram showing a seventh configuration example of the sensor unit 420.
  • the sensor unit 420 shown in FIG. 29 includes a vibration sensor (Sens) 421 and a parameter value detection circuit.
  • the RMS operation circuit 422 performs the root mean square calculation based on the following calculation formula (3).
  • the vibration sensor 421 is a sensor that detects vibration in the vertical direction by piezoelectric ceramic, detects vibration in the frequency band of 50 Hz to: LO kHz, and outputs the vibration waveform as an electric signal.
  • the output signal (vibration signal) of the vibration sensor 421 is amplified by the amplification circuit 427 and then input to the RMS calculation circuit 422 and the peak detection circuit 423 simultaneously.
  • the RMS calculation circuit 422 processes the input vibration signal to output a DC signal of a voltage corresponding to the RMS of the voltage of the vibration signal (hereinafter referred to as RMS voltage).
  • RMS operation circuit 422 for example, an RMStoDC converter IC incorporating a buffer amplifier, an absolute value circuit, a square 'division circuit, an output filter amplifier circuit, and the like is used.
  • a specific example of this RMStoDC converter IC is a product model number “AD637” manufactured by Analog Devices.
  • the RMS operation circuit 422 time constant can be determined by an external capacitor. In this example, it is set to 100 ms.
  • the RMS operation circuit 422 includes a circuit that amplifies the RMS voltage at a constant magnification and outputs the amplified voltage. In this example, it is assumed that 4 times the voltage is output.
  • the peak detection circuit 423 outputs the peak voltage of the input vibration signal.
  • the time constant of the peak detection circuit 423 is equal to that of the RMS arithmetic circuit 422, and the amplification level of the voltage level at output is 1.
  • the output signal of the RMS arithmetic circuit 422 is input to the first input terminal of the first comparator 424.
  • the output signal of the peak detection circuit 423 is input to the second input terminal of the first comparator 424 and the first input terminal of the second comparator 425.
  • the reference voltage from the reference voltage output circuit 426 is input to the second input terminal of the second comparator 425.
  • the first comparator 424 compares the signal voltage from the RMS calculation circuit 422, that is, four times the RMS voltage, with the signal voltage from the peak detection circuit 423, that is, the peak voltage. If the peak voltage is higher, a + 5V voltage (first voltage) signal is output, and if the peak voltage is lower, a 5V voltage (second voltage) signal is output. That is, output whether the crest factor (PeakZRMS) exceeds 4!
  • the second comparator 425 compares the signal voltage from the peak detection circuit 423, that is, the peak voltage, with the reference voltage from the reference voltage output circuit 426. If the peak voltage is larger than the reference voltage, a + 5V voltage signal is output, and if the peak voltage is smaller, a 5V voltage signal is output.
  • the reference voltage is selected at a level that is higher than the voltage level of the signal caused by an abnormality in the bearing or the like.
  • the output signal of the first comparator 424 is input to the detection signal input terminal of the gate circuit 428.
  • the output signal of the second comparator 425 is input to the control signal input terminal of the gate circuit 428.
  • the gate circuit 428 is a power that outputs the signal (+ 5V or ⁇ 5V) from the first comparator 424 as it is when the signal of the voltage of 15V is supplied from the second comparator 425.
  • the second comparator 425 When a signal with a voltage of + 5V is applied from, a signal with a voltage of OV is always output.
  • Table 4 shows the relationship between the comparison results in the first and second comparators 424 and 425 of the sensor unit 420 and the output of the gate circuit 428.
  • 4 XRMS is the input voltage of the first comparator 424
  • peak is the input voltage (peak voltage) of the second comparator 425
  • Vref is the output voltage (reference voltage) of the reference voltage output circuit 426.
  • Output is the output voltage of the gate circuit 428.
  • the output voltages of the first and second comparators 424 and 425 are It should be noted that each is binary.
  • the gate circuit 428 controls whether the signal from the first comparator 424 is passed as it is (15V or + 5V), invalid (OV) by the truth of the signal of the second comparator 425.
  • the output of the second comparator 425 is a gate open / close control signal
  • the output of the gate circuit 428 is a gate output
  • the output of the first comparator 424 is a signal source.
  • the sensor unit 420 is used only when the peak voltage (peak) of the vibration signal detected by the vibration sensor 421 is equal to or lower than the reference voltage (Vref), that is, the voltage level of the signal caused by an abnormality such as a bearing. Outputs a signal (+ 5V or –5V) indicating the magnitude relationship between the peak voltage (peak) and the voltage four times the RMS voltage. As a result, the output of the sensor unit 420 is saturated due to a very large signal caused by noise that is not related to deterioration of the machine elements constituting the vehicle 401, such as impact sound and friction sound due to rail joints. It is preventing.
  • a sensor unit 420 output voltage of + 5V means that Peak / RMS has exceeded a certain standard.
  • a sensor unit 420 output voltage of -5V means that PeakZRMS is constant. This means that it does not meet the standards.
  • the diagnostic circuit 431 of the control panel 430 constantly monitors the output signal of the sensor unit 420, and calculates the ratio of the output time of the + 5V voltage signal in the unit time (60 seconds here) as a peak. / RMS is calculated as the duty ratio exceeding the standard (see Figure 30). Then, an alarm signal with an alarm level corresponding to the calculated duty ratio is issued. The alarm signal is updated every second, and the calculation of the duty ratio is always performed based on the received signal 60 seconds before the latest signal from the sensor unit 420 is received.
  • This warning signal is sent to the driver's cab and command center through the communication line in the vehicle 401.
  • Each cab or command station has its own color A plurality of warning lamps having different colors are provided, and a warning lamp of a predetermined color is lit or blinks according to the warning level of the warning signal received from the sensor unit 420.
  • Table 5 illustrates the correspondence between the duty ratio and the alarm level. Table 5 also shows the correspondence between alarm levels and alarm lamp colors.
  • This abnormality diagnosis device 410 monitors the presence / absence of an abnormality during the running of a railway vehicle, and unlike the derailment prediction, the alarm shown in Table 5 assumes that the train is stopped when an abnormality is detected. Not. Even the alarm level ⁇ , which is the highest alarm level in Table 5, is an alarm that requires visual inspection within one week, for example. Even if the bearings are peeled off or the wheels are flat, the train does not immediately become inoperable. Therefore, it can be said that the main purpose of using the abnormality diagnosis device 410 is to provide a guideline for inspection. . However, the higher the train speed, the higher the urgency of the inspection. For ultra-high-speed railways with a maximum speed exceeding 200 km, it is desirable to stop the train immediately and perform inspections when the above alarm level II alarm is issued.
  • FIG. 31 is a block diagram showing an eighth embodiment of the sensor unit 420.
  • the sensor unit 420 shown in FIG. 31 includes a vibration sensor (Sens) 421, an amplifier 427, three band pass filters (BPF) 441-1 to 441-3 having different bands to which signals from the amplifier 427 are input, Three signal processing units 442-1 to 442-3 for processing the signals that have passed through the respective band-pass filters 441-1 to 441-3 are provided.
  • the bandpass filters 441-1 to 443-1 have center frequencies of 500 Hz, 1.5 kHz, and 3 kHz.
  • Each of the signal processing units 442-l to 442-3 includes an RMS calculation circuit (RMS-DC) 422, a peak detection circuit (Peak) 423, and a comparator (CMP) 424. .
  • RMS-DC RMS calculation circuit
  • Peak peak detection circuit
  • CMP comparator
  • the vibration sensor 421 detects vibration in the frequency band of 50 Hz to: LO kHz, and outputs the vibration waveform as an electric signal.
  • the output signal (vibration signal) of the vibration sensor 421 is amplified by the amplifier circuit 427 and then input to the three bandpass filters 441-1 to 441-3 simultaneously.
  • the signals with different bands that have passed through the bandpass filters 441-1 to 441-3 are input to the RMS arithmetic circuit 422 and the peak detection circuit 423 in the respective signal processing units 442-1 to 442-3. Is done.
  • the RMS operation circuit 422 and the peak detection circuit 423 in the first signal processing unit 442-1 have a low band (center frequency 500 Hz) that has passed through the first bandpass filter 441-1. Vibration signal is input.
  • the RMS signal 422 and the peak detection circuit 423 in the second signal processing unit 442-2 receive a vibration signal in the intermediate band (center frequency 1.5 kHz) that has passed through the second bandpass filter 441-2. Entered.
  • the RMS signal 422 and the peak detection circuit 423 in the second signal processing unit 442-2 are inputted with the vibration signal in the high band (center frequency 3 kHz) that has passed through the third bandpass filter 441-3.
  • the RMS calculation circuit 422 in each of the signal processing units 442-1 to 442-3 processes the input vibration signal to output a voltage four times the RMS voltage of the vibration signal.
  • the peak detection circuit 423 in each signal processing unit 442-1 to 442-3 outputs the peak voltage of the input vibration signal.
  • the amplification level of the voltage level at the output of the peak detection circuit 423 is 1.
  • the output signal of the RMS arithmetic circuit 422 in each of the signal processing units 442-1 to 442-3 is input to the first input terminal of the comparator 424.
  • the output signal of the peak detection circuit 423 is input to the second input terminal of the comparator 424.
  • the comparator 424 in each signal processing unit 442-1 to 442-3 is a signal voltage from the RMS calculation circuit 422, that is, four times the RMS voltage, and the signal voltage from the peak detection circuit 423. Compare the peak voltage. If the peak voltage is higher, a + 5V voltage signal is output, and if the peak voltage is lower, a 5V voltage signal is output.
  • the diagnostic circuit 431 of the control panel 430 constantly monitors the output signals of the signal processing units 442-1 to 442-3 of the sensor unit 420, and unit time for each signal (60 seconds here). In The ratio of the output time of the + 5V voltage signal is calculated as the duty ratio where PeakZRMS exceeds the standard (see Figure 32). Then, an alarm signal having an alarm level corresponding to the calculated duty ratio is issued.
  • the noise is not related to the deterioration of the machine elements that make up the vehicle 401, such as impact noise and friction noise caused by rail joints, within a duty ratio of less than 20% indicating normality. That's why we expect the minutes.
  • FIG. 33 is a block diagram showing a ninth example of the sensor unit 420.
  • the sensor unit 420 shown in FIG. 33 includes a vibration sensor (Sens) 421, an amplifier 427, a low-pass filter (LPF) 451 to which a signal from the amplifier 427 is input, and a signal that processes a signal that has passed through the low-pass filter 451. And a processing unit 452.
  • the low-pass filter 451 has a cutoff frequency of about 1 kHz. By blocking signals exceeding about 1 kHz, very large signals caused by noise that is not related to deterioration of the machine elements that make up the vehicle 401, such as impact noise and friction noise caused by rail joints, are cut. Only vibration can be captured.
  • the signal processing unit 452 includes an RMS operation circuit (RMS-DC) 422, a peak detection circuit (Peak) 423, and an it comparator (CMP) 424.
  • RMS-DC RMS operation circuit
  • Peak peak detection circuit
  • CMP it comparator
  • the vibration sensor 421 detects vibration in the frequency band of 50Hz to: LOkHz and outputs the vibration waveform as an electric signal.
  • the output signal (vibration signal) of the vibration sensor 421 is amplified by the amplifier circuit 427 and then input to the low-pass filter 451. Then, a signal of about 1 kHz or less that has passed through the low-pass filter 451 is input to the signal processing unit 452.
  • the processing in the signal processing unit 452 is the same as the processing in each of the signal processing units 442-1 to 442-3 in FIG.
  • the vehicle 401 since only a signal of about 1 kHz or less is captured and input to the signal processing unit 452, the vehicle 401 is configured with impact noise and friction noise due to rail joints. Therefore, it is possible to prevent the output of the sensor unit 420 from being saturated by a very large signal caused by noise that is not related to deterioration of the machine element.
  • FIG. 34 is a block diagram showing a tenth configuration example of the sensor unit 420.
  • the sensor unit 420 shown in FIG. 34 has a high-pass filter (HPF) 453 to which the signal from the amplifier 427 is input and a signal processing unit that processes the signal that has passed through the high-pass filter 453, in addition to the configuration of FIG. 454.
  • the configuration of the signal processing unit 454 is the same as that of the signal processing unit 452 on the low-pass filter 451 side.
  • the high-pass filter 453 has a cut-off frequency of 1 kHz. By inputting only a signal of 1 kHz or more into the signal processing unit 454, a bearing spot flaw can be detected effectively.
  • FIG. 35 is a block diagram showing an eleventh embodiment of the sensor unit 420. As shown in FIG. In this configuration example, the functions of the RMS calculation circuit 422, the peak detection circuit 423, and the comparator 424 described above are provided in the control panel 430.
  • the sensor unit 420 includes a vibration sensor (Sens). Only 421, amplifier 427, and low-pass filter (LPF) 451 are provided.
  • Sens vibration sensor
  • LPF low-pass filter
  • FIG. 36 is a block diagram showing a twelfth embodiment of the sensor unit 420.
  • the sensor unit 420 shown in FIG. 36 includes a vibration sensor (Sens) 421, an amplifier 427, an AZD modification ⁇ (ADC) 455 that converts the output of the amplifier 427 into a digital signal, and a signal from the AZD modification 455.
  • a microprocessor (MPU) 456 for processing.
  • the MPU 456 performs the functions of the RMS calculation circuit 422, peak detection circuit 423, and comparator 424 described above by digitally processing the input signal from the AZD converter 455 according to the program stored in the MPU 456.
  • the diagnostic processing exemplified in the above is also performed.
  • the diagnostic circuit 431 of the control panel 430 can be omitted.
  • a DSP digital signal processor
  • the MPU456 can be used instead of the MPU456.
  • a microprocessor incorporating an AZD converter is used instead of the MPU456, the external AZD converter 455 can be omitted.
  • the functions of the RMS calculation circuit 422, the peak detection circuit 423, and the comparator 424 described above are processed by digitally processing the input signal from the AZD variable m ⁇ (ADC) 455.
  • FPGA457 is provided as a dedicated digital circuit that performs the diagnostic processing illustrated in Table 5.
  • PeakZRMS crest factor
  • the exponent PeakZ absolute value average
  • the waveform rate RMSZ absolute value average
  • n Number of samples (section length)
  • ⁇ Standard deviation For vibration waveforms with an average value of zero, ⁇ may be equal to the RMS value.
  • the square circuit included in the RMS circuit can be applied. Therefore, an embodiment using kurtosis (Kurtosis) instead of the crest factor (PeakZRMS) in the embodiment described above can be realized. That is, instead of the RMS calculation circuit (RMS-DC) 422, a circuit that uses a circuit for obtaining the kurtosis, the impact index, or the waveform rate is also included in the abnormality diagnosis apparatus of the present invention.
  • RMS-DC RMS calculation circuit
  • each railcar 500 is supported by two front and rear chassis, and four wheels 501 are attached to each chassis.
  • a vibration sensor 511 that detects vibration generated from the rotation support device 510 during operation is attached to the rotation support device (bearing box) 510 of each wheel 501.
  • the control panel 515 of the railway vehicle 500 is equipped with two abnormality diagnosis devices 550 that take in sensor signals for four channels simultaneously (substantially simultaneously) and perform diagnosis processing.
  • the output signals of the four vibration sensors 511 provided in each chassis are input to different abnormality diagnosis devices 550 for each chassis via the signal lines 516, respectively.
  • the abnormality diagnosis device 550 also receives a rotation speed pulse signal from a rotation speed sensor (not shown) that detects the rotation speed of the wheel 501.
  • the rotation support device 510 is provided with an axle bearing 530 that is a rotating part, and the axle bearing 530 is externally fitted to a rotation shaft (not shown).
  • An inner ring 531 which is a rotating wheel
  • an outer ring 532 which is a fixed ring fitted in a housing (not shown)
  • a ball 533 which is a plurality of rolling elements arranged between the inner ring 531 and the outer ring 532
  • a ball And a cage (not shown) for holding the 533 in a rollable manner.
  • the vibration sensor 511 is held in a posture capable of detecting vibration acceleration in the direction of gravity and is fixed near the outer ring 532 of the housing.
  • various sensors such as an acceleration sensor, an AE (acoustic emission) sensor, an ultrasonic sensor, and a shock pulse sensor can be used.
  • abnormality diagnosis apparatus 550 includes a sensor signal processing unit 550A and a diagnosis processing unit (MPU) 550B.
  • the sensor signal processing unit 550A has four amplification filters (AFI LT) 551.
  • AFI LT amplification filters
  • the output signals of the four vibration sensors 511 are individually input to the amplification / filter 551.
  • Each amplifier / filter 551 has both the function of an analog amplifier and the function of an anti-aliasing filter.
  • the four-channel analog signals amplified and filtered by these four amplification / filters 551 are each channeled by a multiplexer (MUX) 552 that functions as a switch based on the signal of the diagnostic processing unit (MPU) 55 OB.
  • MUX multiplexer
  • the signal is converted to a digital signal by an AD converter (ADC) 553 and taken into the diagnostic processing unit (MPU) 550B.
  • ADC AD converter
  • the rotational speed pulse signal of the rotational speed sensor force is shaped by the waveform shaping circuit 555, and then the number of pulses per unit time is counted by a timer counter (not shown), and this value is the rotational speed signal.
  • the diagnosis processing unit (MPU) 550B performs an abnormality diagnosis based on the vibration waveform detected by the vibration sensor 511 and the rotation speed signal detected by the rotation speed sensor.
  • the diagnosis result by the diagnosis processing unit (MPU) 550B is output to the communication line 520 (see FIG. 40) via the line driver (LD) 556.
  • the communication line 520 is connected to an alarm device, so that an appropriate alarm operation is performed when an abnormality such as a flat wheel 501 occurs.
  • the vibration acceleration when the wheel 501 is flat is large.
  • the value of vibration acceleration caused by normal vehicle vibration is often smaller.
  • the vibration at the rail joint becomes a level of vibration acceleration equivalent to or greater than that of the flat.
  • the level of vibration acceleration resulting from the friction between the rail and the wheel 501 in the rail curve is equivalent to that due to the flat or rail joint.
  • the diagnostic processing unit (MPU) 550B has a memory (RAM) 559 in its interior, which can be used for FFT and digital filtering. Can be executed at a very high speed. As a result, real-time processing (that is, calculation in a short time with a margin much longer than the sampling time) can be performed on the 4-channel vibration sensor 511.
  • an algorithm that repeatedly performs diagnosis processing on the same wheel 501 is designed, and reliability of abnormality diagnosis is determined by a statistical judgment method that takes into account variations in the number of pulses and the influence of noise. Improve sexiness.
  • Fig. 43 shows a time chart of vibration data acquisition and data analysis for four channels by the abnormality diagnosis device 550.
  • the vibration data is continuously taken into the abnormality diagnosis device 550, but can be divided into certain sampling intervals according to the diagnosis object.
  • the take-in cycle T1 required for the diagnosis (peeling detection) of the bearing 530 is sufficient to be less than 1 second. In order to reduce the influence of contact noise between the rail and the wheel 501, it is desirable that the time is as short as possible. On the other hand, in order to detect an abnormality of the rolling surface of the wheel 501, it is necessary to detect an impact every time the wheel 501 rotates, and therefore a cycle T2 having a cycle T of about 1 second is required.
  • Vibration data acquisition cycle for bearing diagnosis T1 is set to 0.667 seconds to match the time required to acquire vibration data for 4 channels, and the sampling frequency is 20 kHz. 4 X 0. 67 X 20,000 points of data will be loaded. Therefore, if the period T2 for acquiring the vibration data for wheel diagnosis is 1 second, it will be 0.33 seconds short if the vibration data is acquired at the period T1 for acquiring the vibration data for bearing diagnosis. Therefore, the data for the period T2 is obtained by adding the data for one section, that is, the period T1 and the data for the last 0.33 seconds of the previous section. However, the number of data can be thinned out by decimating after filtering as described later. 2,000 points or less per channel.
  • the time required to execute the diagnosis of the wheels 501 and the bearings 530 for the four channels is made smaller than the period Tl, that is, 0.67 seconds, so that the processing time of the wheel / bearing diagnosis data is increased. be able to.
  • the diagnosis processing unit (MPU) 550 ⁇ performs the above-described vibration data fetching and wheel / bearing diagnosis data processing in parallel. In other words, real-time processing to complete the wheel's bearing diagnosis data processing is performed within the period T1 for acquiring vibration data for four channels.
  • This real-time processing is realized by data sampling by the diagnostic processing unit (MPU) 550 ⁇ interrupting and controlling the multiplexer 552 and AD conversion 553 of the sensor signal processing unit 550 AD. It can also be realized by data sampling with a direct memory access controller (DMA).
  • DMA direct memory access controller
  • the wheel's bearing diagnosis data is processed with sufficient time, and the vibration data and the wheel / bearing diagnosis data are processed in parallel, so that the data is not lost. Therefore, it is possible to improve the reliability of diagnostic results obtained by statistically processing data including probability processes due to rail irregularities, vehicle body shaking, and load fluctuations.
  • FIG. 44 shows an operation flow of the diagnostic processing unit (MPU) 550B.
  • the diagnostic processing unit (MP U) 550B captures vibration data, that is, performs AD conversion and sampling (S300) of sensor signals for four channels and bearing / wheel diagnostic data processing (S400) in parallel. .
  • the rotation speed detection process (S402) is a process of detecting the rotation speed of the bearing 130 based on the signal of the rotation speed sensor.
  • the diagnosis process (S403) includes a bearing diagnosis process (S410) and a wheel diagnosis process (S420).
  • the bearing diagnosis process (S410) is a process of detecting an abnormality in the bearing 530 based on the rotational speed of the bearing 530 and the frequency peak obtained by processing the envelope waveform of vibration.
  • the high frequency (3kHz or higher) and low frequency Executes bandpass filter (BPF) processing (S411) that extracts mid-range vibration data with attenuated components of 200Hz or less (S411).
  • Decimation processing (S412) is performed on the extracted data at a predetermined decimation rate.
  • absolute value processing (S413) and low-pass filter processing (S414) for extracting low-frequency (1 kHz or less) components are sequentially executed.
  • the zero interpolation fast Fourier transform (FFT) process (S416) is performed to obtain frequency data with a resolution of 1 Hz.
  • This frequency data is subjected to peak detection processing (S417) by smoothing differentiation, and the comparison is made by comparing up to the 4th order with the fundamental frequency of the bearing defect (see Fig. 45), which also provides the rotational speed and the various internal forces of the bearing. Inconsistency is determined (S418: bearing defect determination processing).
  • the wheel diagnosis process (S420) is a process for detecting an abnormality of the wheel 501 in addition to a phenomenon in which an impact occurs in synchronization with the rotation of the wheel 501.
  • the main cause of the impact generated in synchronization with the rotation of the wheel 501 is the presence of a flat portion called a flat generated on the rolling surface of the wheel 501.
  • LPF low-pass filter
  • the sampling immediately before the current sampling period is performed.
  • the overlap processing (S423) is performed to add the last 1Z3 data of the section to the beginning of the data of the current sampling section.
  • the data that exceeds the threshold is subjected to an absolute value by the peak hold processing (S424) and held at a value that exceeds the threshold for a certain time ( ⁇ ). .
  • This holding time ( ⁇ ) is determined by the rotational speed of the wheel 501 and is selected to be shorter than one rotation of the wheel.
  • This peak hold process that holds the absolute value for a certain period of time enables stable peak measurement.
  • the number of times that the pulse has exceeded the threshold is counted (S425: threshold value exceeded count processing), and it is determined whether or not the count number matches the rotation speed of the wheel 501 (S426: wheel defect determination processing).
  • the bearing diagnosis process (S410) and the wheel diagnosis process (S420) are repeated for the vibration data for the four channels updated in step S401. That is, for each data update, the bearing diagnosis process (S410) and the wheel diagnosis process (S420) are performed four times each. And thus, the determination result of each determination process (S418, S426) is stored and held in the diagnosis processing unit (MPU) 550B (S404).
  • the diagnostic processing unit (MPU) 550B stores and holds the results of the past N determination processes (S418, S426) retroactively from the latest determination results, and statistically determines abnormalities from the N determination results.
  • the result is output (S405).
  • both the axle bearing 530 and the wheel 501 coincide with the single defective frequency, and it is not determined that there is an abnormality just by matching the wheel speed! Since frequency matching is based on a stochastic process, the power of multiple times is a force that needs to be determined statistically.
  • the cumulative average of spectra can be raised as a statistical judgment method.
  • data representing the degree of coincidence of spectra as an integer value is used for bearings. Is added multiple times, for example, 16 times, and if it reaches the reference value, it is judged as abnormal. Otherwise, it is not judged as abnormal, but it can be applied sufficiently to the diagnosis of the axle bearing of a railway vehicle. Even if there is a small separation in the bearing, if there is sufficient lubrication, sealing, etc., it will not progress at a stretch, and the risk of affecting the running of the railway vehicle is small.
  • the occurrence of an abnormality is usually a force that is detected by another means such as a thermal fuse.
  • the abnormality diagnosis device 550 of this embodiment detects the vibration of the axle bearing 530 or the wheel 501 with the vibration sensor 511, and samples the output signal of the vibration sensor 511 with the sensor signal processing unit 550A. Based on the vibration data, the diagnosis processing unit (MPU) 550B performs abnormality diagnosis of the axle bearing 530 and the wheel 501. At that time, the diagnostic processing unit (MPU) 550B continuously captures vibration data from the sensor signal processing unit 550A and divides it into sections of a fixed period, and the vibration data for one section is used as vibration data for bearing diagnosis. In addition to processing, the vibration data for wheel diagnosis is processed by adding the data for the last predetermined time of the previous section to the head of the vibration data for one section. In this way, the vibration data for bearing diagnosis and the vibration data for wheel diagnosis are processed separately to identify whether the abnormal vibration is caused by the flatness of the wheel 501 or the axle bearing 530, and accurately Diagnosis can be conducted.
  • each of the four rotation support devices 510 of each chassis is individually provided. Since the sensor signals for the four channels from the four installed vibration sensors 511 are captured simultaneously (almost simultaneously), the real-time processing is completed for all channels to complete the diagnostic data processing within the data acquisition time. It is extremely reliable that data can be missed!
  • FIG. 46 is a block diagram of the fifteenth embodiment (modified example of the fourteenth embodiment described above).
  • an MPU including a multiplexer (MUX) and an AD converter (ADC) is used as the diagnosis processing unit 550B. That is, the MPU has a part of the function of the sensor signal processing unit 550A.
  • the circuit in the abnormality diagnosis device 550 can be simplified, and the linkage with other MPU built-in circuits such as the DMA controller (DMAC) 557 can be easily realized by software. However, efficient software control is possible.
  • DMAC DMA controller
  • FIG. 47 is a block diagram of the sixteenth embodiment (modified example of the fifteenth embodiment described above).
  • the abnormality diagnosis device 550 includes a static random access memory (SRAM) 562 having a backup battery (Batt) 561 as a storage element, in addition to the configuration of FIG.
  • SRAM static random access memory
  • Batt backup battery
  • RTC calendar clock circuit
  • Fig. 48 shows the details of the wheel 'bearing diagnosis data processing of the diagnosis processing unit 550B in the sixteenth embodiment.
  • the diagnosis processing unit 550B performs bearing diagnosis processing (S510) and wheel diagnosis processing (S520) every time vibration data for four channels is updated (S401). Then, it is determined whether or not the spectral strength of the envelope waveform of the bearing vibration obtained by the bearing diagnosis process (S510) is greater than or equal to the reference value (S511). If it is less than the reference value (False in S511), the bearing diagnosis process is performed. Store (S404) the results of (S510) for the N totals.
  • the bearing vibration factor is The spectral intensity of the rope waveform is stored together with the date and time information read from the calendar clock circuit (RTC) 563 (S530). If the count of events exceeding the vibration level threshold matches the number of rotations of the wheel 501 (true in S521), the date and time when the time waveform data in the wheel diagnosis was read from the calendar clock circuit (RTC) 563 The information is stored in SRAM 562 (S530). Saved data capacity When the allowable capacity of SSRAM562 is reached, the oldest data is deleted (S531).
  • the abnormality determination result is transmitted to the alarm device to perform alarm processing, and for the spectrum content and the like, the data stored in the SRAM 562 is read and transmitted to the maintenance computer. Thus, it can be used as vehicle maintenance information.
  • FIG. 49 is a block diagram of the seventeenth embodiment (modified example of the sixteenth embodiment described above).
  • This abnormality diagnosis device 550 is equipped with two sets of multiplexers (MUX) 552 and AD converters (ADC) 553 in the MPU, enabling real-time diagnosis with 8 channels of sensor signals in one module. Yes.
  • MUX multiplexers
  • ADC AD converters
  • Such multi-channel sensor signal input is possible for any number of channels by increasing the number of AD conversions or using a high-speed AD conversion and multiplexer if the MPU's computing power allows.
  • the calendar clock circuit (RTC) 563 is not built in the MPU, but the one with a backup battery (Batt) is externally attached to the MPU.
  • FIG. 50 is a block diagram of an eighteenth embodiment (modified example of the fifteenth embodiment described above).
  • This abnormality diagnosis device 550 is obtained by adding a one-rotation signal generation frequency dividing circuit 565 to the structure of the abnormality diagnosis device described in FIG.
  • the output of the waveform shaping circuit 555 is input to a diagnostic processing unit (MPU) 550B and a one-rotation signal generation frequency dividing circuit 565.
  • the 1-rotation signal generation frequency dividing circuit 565 divides the rotation speed proportional sine wave shaped by the waveform shaping circuit 555, and supplies a 1-pulse rotation synchronization signal to the diagnostic processing unit (MPU) 550B for each rotation.
  • the diagnosis processing unit (MPU) 55 OB performs data sampling by using the rotation synchronization signal as a trigger in a constant speed section, and performs error averaging by averaging the data.
  • the data sampled using the rotation synchronization signal generated every time the wheel 501 makes one rotation is processed as an averaging process. Therefore, components other than the signal synchronized with the rotation of the wheel 501 are canceled, and only the component synchronized with the rotation of the wheel 501 remains. Therefore, the flat detection of the wheel 50 1 is accurately performed by the judgment based on the threshold of the impact level. be able to.
  • FIG. 51 is a block diagram of the nineteenth embodiment.
  • the abnormality diagnosis apparatus 550 includes a sensor signal processing unit 550A and a diagnosis processing unit (MPU) 550B.
  • the sensor signal processing unit 550A includes one amplifier (Amp) 571 and one filter (LPF) 572.
  • the output signals (analog signals) of the four vibration sensors 511 are input to one amplifier (Amp) 571, amplified, and then input to one filter (LPF) 572.
  • an amplifier (Amp) 571 and a filter (LPF) 572 are used to amplify and filter the output signals of four channels from the four vibration sensors 511.
  • the analog signal amplified and filtered by the amplifier (Amp) 571 and the filter (LPF) 572 is taken into the diagnostic processing unit (MPU) 550B, and the AD conversion ⁇ (ADC in the diagnostic processing unit (MPU) 550B )
  • the digital signal is converted at 553.
  • the rotational speed pulse signal from the rotational speed sensor is shaped by the waveform shaping circuit 555, and then taken into the diagnostic processing unit (MPU) 550B.
  • the timer counter (TCNT) in the diagnostic processing unit (MPU) 550B 57 The number of pulses per unit time is counted according to 3, and the value is processed as a rotation speed signal.
  • the diagnosis processing unit (MPU) 550B performs an abnormality diagnosis based on the vibration waveform detected by the vibration sensor 511 and the rotation speed signal detected by the rotation speed sensor.
  • the diagnosis result by the diagnosis processing unit (MPU) 550B is output to the communication line 520 (see FIG. 40) via the line driver (LD) 556.
  • the communication line 520 is connected to an alarm device, so that an appropriate alarm operation is performed when an abnormality such as a flat wheel 501 occurs.
  • Abnormalities that can also detect the output signal force of the vibration sensor 511 are peeling of the axle bearing 530 and flatness (wear) of the wheels 501. Both can be detected as vibration signals in the frequency band up to around 1kHz. Therefore, in the nineteenth embodiment, an amplifier (Amp) 571 and a filter (LPF) 572 are used to amplify and filter the output signal of the vibration sensor 511. It is filtered by a filter (LPF) 572 and converted to a digital signal by an AD converter (ADC) 553. The data is separated into the axle bearing diagnosis and the wheel diagnosis by software processing, and both are diagnosed for abnormality.
  • ADC AD converter
  • the frequency band of the defect differs by about 10 times between the separation of the axle bearing 530 and the flatness of the wheel 501.
  • the rotational speed (sec- 1 ) of the wheel 501 is equal to the fundamental frequency of the wheel flat.
  • the range of rotational speed to be diagnosed is 4 to 10 seconds— 1 (fundamental frequency: 4 to: LOHz).
  • the fundamental frequency of the defect is 33 to 83 Hz even in the same rotational speed range (4 to 4 Osec).
  • DFT Discrete Fourier Transform
  • Axle bearing 530 [Hang! A frequency resolution of 1.0 Hz is sufficient for the diagnosis of the axle bearing 530. However, for the diagnosis of the wheel 501, 1. OHz is not sufficient, and the offset is low in the FFT low frequency range. Susceptible to DC components.
  • the data converted (sampled) into a digital signal by the AD converter (ADC) 553 is used for the analysis of the axle outer ring raceway separation (for diagnosis of the axle bearing) and for the analysis of the wheel flat ( Converted to two types of data with different sampling frequencies (for wheel diagnosis) and processed.
  • FIG. 52 shows an operation flow of the diagnosis processing unit (MPU) 550B in the nineteenth embodiment.
  • the diagnostic processing unit (MPU) 550B outputs the sensor signals output from the four vibration sensors 511 and sent through the amplifier (Amp) 571 and the filter (LPF) 572 to the AD converter (ADC) 553. Sampling and conversion into a digital signal (S601).
  • the output signal of the AD converter (ADC) 553 is subjected to decimation processing (S602) by FIR low-pass filtering realized by software. In this example, sampling in the AD converter (ADC) 553 is performed in units of 3 seconds at a frequency of 8 kHz.
  • the diagnosis processing unit (MPU) 550B uses the data that has undergone decimation processing (S602) for axle outer ring raceway separation analysis (hereinafter referred to as “for bearings”) and wheel flat analysis (hereinafter referred to as "for wheels”).
  • the data is converted into two types of data with different sampling frequencies (see Fig. 53 (a)).
  • the bearing data is obtained by dividing the data that has undergone the decimation process (S602) into 4 and divided into data sections of 0.75 seconds (S611).
  • the obtained data is sequentially subjected to absolute value input processing (S612) and AC conversion processing (S613). Furthermore, by adding 0 for approximately 0.25 seconds (sec) per interval, the data interval length is approximately 1 second (S614), and the frequency resolution is approximately 1. OHz and FFT is performed (S615). ).
  • the number of FFT input data is 2048. Before the FFT, a Hanning window process is performed. After the FFT, the vehicle speed and bearing data data force outer ring defect frequency Zfc is obtained, and peaks up to the 4th fundamental wave force are detected (S616).
  • the outer ring defect frequency Zfc is compared with the frequency peak, and the degree of coincidence between the two is calculated (S617).
  • the abnormality determination of the axle bearing 530 is performed based on the total score obtained by repeating this process a predetermined number of times.
  • the data for the wheel is the data with the sampling frequency fs of 2k Hz that passed through the decimation process (S602).
  • the decimation rate M is set to 8 by the filter (LFP).
  • S622) is obtained by reducing the sampling frequency fs to 250 Hz.
  • the number of data at this point is 750.
  • the FFT is performed with a frequency resolution of about 0.25 Hz (S625).
  • a Hanning window process is performed before the FFT.
  • peak detection is performed (S626).
  • the fundamental frequency force of the wheel flat is also compared with the high order component up to the 4th order and the frequency peak, and the degree of coincidence between them is calculated (S627). Based on the total number of coincidence points obtained by repeating this process a certain number of times!
  • the basic frequency of the wheel flat is obtained by counting the number of pulses per unit time of the rotation speed pulse signal with a timer counter (TCNT) 573.
  • each of the four vibration sensors 511 is provided with a pair of an amplifier (Amp) 571 and a filter (LPF) 572, and AD conversion ( ADC) Data converted to digital signal (sampled) by 553 for bearings and wheels
  • Amp amplifier
  • LPF filter
  • ADC AD conversion
  • FIG. 54 shows an operation flow of the diagnostic processing unit (MPU) 550B in the twentieth embodiment.
  • sampling in the AD converter (ADC) 553 is performed in units of 3 seconds at a frequency of 16 kHz (S701).
  • the decimation rate M is set to 4 and the number of data is reduced to 1Z 4 in order to reduce the sampling frequency fs to 4 kHz.
  • the diagnostic processing unit (MPU) 550B converts the data that has undergone decimation processing (S702) into two types of data with different sampling frequencies for bearings and wheels (see Fig. 53 (a)).
  • the bearing data is obtained by dividing the data that has undergone the decimation process (S702) into three and dividing it into data sections every 1.0 seconds (S711).
  • the obtained data is sequentially subjected to absolute value processing (S712) and AC processing (S713).
  • S712 absolute value processing
  • S713 AC processing
  • S 714 Before the FFT, a Hanning window process is performed.
  • the vehicle speed and bearing specification data also determine the outer ring defect frequency Zfc, and the fundamental wave force is detected up to the 4th order (S71 5).
  • the outer ring defect frequency Zfc is compared with the frequency peak, and the degree of coincidence between the two is calculated (S716). Based on the total degree of coincidence obtained by repeating this process a predetermined number of times, an abnormality determination of the axle bearing 530 is performed.
  • the data for the wheel has a sampling frequency fs of 4k after the decimation process (S702).
  • the data of Hz is obtained by reducing the sampling frequency fs to 500 Hz by decimation processing (S722) by the filter (LFP) after absolute value processing (S721).
  • AC processing (S 723) is sequentially performed on the obtained data.
  • zero padding interpolation (S724) is performed to obtain data for about 4 seconds, so that the frequency resolution is set to about 0.25 Hz and FFT is performed (S725). Before the FFT, a Hanning window process is performed. After FFT, peak detection is performed (S726).
  • the basic frequency force of the wheel flat is also compared with the higher order components up to the 4th order and the frequency peak, and the degree of coincidence between them is calculated (S727).
  • the abnormality determination of the wheel 501 is performed based on the total score obtained by repeating this process a predetermined number of times.
  • the number of FFT processes can be reduced by completely omitting the 0 interpolation process or by interpolating only a small fraction. Can be reduced.
  • the number of FFT processes executed simultaneously is reduced from four to three.
  • the number of FFT sections that can avoid rail noise and the like can be increased by performing 0-complement processing and dividing the FFT section into shorter times as in the nineteenth embodiment.
  • FIG. 55 (a) and FIG. 55 (b) are partial block diagrams of a diagnostic processing unit (MPU) 550B in the twenty-first embodiment.
  • an absolute value circuit (ABS) 581 is provided in front of the AD conversion (ADC) 553 in the diagnostic processing unit (MPU) 550B (input side).
  • a low-pass filter (LPF) 582 is provided at the subsequent stage.
  • FIG. 55 (b) in the hardware configuration of FIG.
  • an envelope circuit (ENV) 591 is provided in the front stage (input side) of the AD converter (AD C) 553 in the diagnostic processing unit (MPU) 550B, and further, Install a high-pass filter (HPF) 592 in the first stage!
  • FIG. 56 shows an operation flow of the diagnostic processing unit (MPU) 550B in the twenty-first embodiment.
  • the diagnostic processing unit (MPU) 550B outputs the sensor signals output from the four vibration sensors 511 and sent through the amplifier (Amp) 571 and the filter (LPF) 572 to the AD converter (ADC) 553. Sampling and conversion into a digital signal (S801). In this example, sampling in the AD conversion ADC) 553 is performed in units of 3 seconds at a frequency of 2 kHz.
  • the bearing data can be obtained by dividing the AD-converted data through the low-pass filter 582 into four data sections every 0.75 seconds (S811). AC processing (S812) is performed on the obtained data.
  • the data section length of about 1 second is obtained by adding approximately 0.25 seconds (sec) per section (S813: zero padding interpolation), and the frequency resolution is about 1. OHz. (S814).
  • a Hanning window process is performed before the FFT.
  • the outer ring defect frequency Zfc is determined from the vehicle speed and bearing data, and peaks from the fundamental to the 4th order are detected (S815).
  • the outer ring defect frequency Zfc is compared with the frequency peak, and the degree of coincidence between the two is calculated (S816).
  • Abnormality determination of the axle bearing 530 is performed based on the total score obtained by repeating this process a certain number of times.
  • the wheel data is subjected to absolute value processing by the absolute value circuit 581 using the sensor signal output from the vibration sensor 111.
  • the decimation rate M is set to 8 and decimation processing (S821). This can be obtained by reducing the sampling frequency fs to 250 Hz.
  • zero-clogging interpolation (S823) is performed to obtain data for about 4 seconds, so that the frequency resolution is about 0.25 Hz and FFT is performed (S824). Before the FFT, a Hanning window process is performed. After the FFT, the fundamental wave power is also detected for peaks of higher order components up to the fourth order (S825).
  • the high-order component up to the fourth order of the fundamental frequency force of the wheel flat is compared with the frequency peak, and the degree of coincidence between them is calculated (S826).
  • the abnormality determination of the wheel 501 is performed based on the total degree of coincidence score obtained by repeating this process a predetermined number of times.
  • the decimation processing (S602) and the absolute value processing (S612) which were performed by software in FIG. 52, are performed by hardware capable of high-speed processing. Signal processing is simplified. Even if the sampling frequency fs in the AD converter (ADC) 55 3 is lowered from 8 kHz in the case of Fig. 52 to 2 kHz of 1Z4, it is possible to determine the abnormality with high accuracy and high efficiency.
  • ADC AD converter
  • one railway vehicle 500 is supported by two front and rear chassis, and four wheels 501 are attached to each chassis.
  • a vibration sensor 511 that detects vibration generated from the rotation support device 510 during operation is attached to the rotation support device (bearing box) 510 of each wheel 501.
  • the control panel 515 of the railway vehicle 500 is equipped with two abnormality diagnosis devices 550 that take in sensor signals for four channels simultaneously (substantially simultaneously) and perform diagnosis processing.
  • the output signals of the four vibration sensors 511 provided in each chassis are input to different abnormality diagnosis devices 550 for each chassis via the signal lines 516, respectively.
  • the abnormality diagnosis device 550 also receives a rotation speed pulse signal from a rotation speed sensor (not shown) that detects the rotation speed of the wheel 501.
  • the rotation support device 510 is provided with an axle bearing 530 that is a rotating component, and the axle bearing 530 is externally fitted to a rotation shaft (not shown).
  • An inner ring 531 which is a rotating wheel
  • an outer ring 532 which is a fixed ring fitted in a housing (not shown)
  • a ball 533 which is a plurality of rolling elements arranged between the inner ring 531 and the outer ring 532
  • a ball And a cage (not shown) for holding the 533 in a rollable manner.
  • the vibration sensor 511 is held in a posture capable of detecting vibration acceleration in the direction of gravity and is fixed near the outer ring 532 of the housing.
  • various sensors such as an acceleration sensor, an AE (acoustic emission) sensor, an ultrasonic sensor, and a shock pulse sensor can be used.
  • abnormality diagnosis apparatus 550 includes a sensor signal processing unit 550A and a diagnostic processing unit (MPU: Micro Processing Unit) 550B.
  • the sensor signal processing unit 550A includes one amplifier (Amp) 571 and one filter (LPF) 572 for one vibration sensor 511 (that is, four amplifiers (Amp) 571 and four amplifiers 571). Equipped with a filter (LPF) 572 ⁇ . Then, the output signals (analog signal) force of the four vibration sensors 511 are respectively input to the corresponding amplifiers (Amp) 571, amplified, and then input to the corresponding filter (LPF) 572. ing.
  • the analog signal amplified and filtered by the amplifier (Amp) 571 and the filter (LPF) 572 is taken into the diagnostic processing unit (MPU) 550B, and is passed through the multiplexer (MUX) 552 in the diagnostic processing unit (MPU) 550B.
  • An AD converter (ADC) 553 converts the signal into a digital signal.
  • the rotation speed pulse signal is shaped by the waveform shaping circuit 511 and then taken into the diagnosis processing unit (MPU) 550B.
  • the pulse per unit time is obtained by the timer counter (TCNT) 57 3 in the diagnosis processing unit (MPU) 550B. The number is counted and the value is processed as a rotation speed signal.
  • the diagnosis processing unit (MPU) 550B performs an abnormality diagnosis based on the vibration waveform detected by the vibration sensor 511 and the rotation speed signal detected by the rotation speed sensor.
  • the diagnosis result by the diagnosis processing unit (MPU) 550B is output to the communication line 520 (see also FIG. 40) via the line driver (LD) 556.
  • Communication line 520 is connected to an alarm device so that an appropriate alarm action can be performed when an abnormality occurs.
  • the abnormality that can also detect the output signal force of the vibration sensor 511 is a force that is the separation of the axle bearing 530 and the flatness (wear) of the wheel 501,
  • the diagnosis of the axle bearing 530 will be described.
  • the outer ring raceway of the stationary wheel is most likely to be peeled off. Therefore, the separation of the outer ring raceway of the stationary wheel of the axle bearing 530 is targeted for detection.
  • an amplifier (Amp) 571 and a filter (LPF) 572 are used to amplify and filter the output signal of the vibration sensor 511. Then, the data filtered by the filter (LPF) 572 and converted into the digital signal by the AD converter (ADC) 553 is processed by the arithmetic function realized by the software, and is converted into the output signal of each vibration sensor 511. Based on the abnormal diagnosis.
  • the output signal of the vibration sensor 511 is input to an AD converter (ADC) 553 in a diagnostic processing unit (MPU) 550B through an amplifier (Amp) 571 and a filter (LPF) 572.
  • the resolution of AD Transform (ADC) 553 in this example is 8 bits.
  • the diagnostic processing unit (MPU) 5 50B reads the vibration data as an 8-bit value.
  • a compare matching timer (CMT) 554 and a direct “memory access” controller (DMAC) 557 are used.
  • the sampling frequency is 8kHz.
  • Filter (LPF) 572 also functions as an anti-aliasing filter, reducing the band components above 1 kHz.
  • the input range of the AD converter (ADC) 553 is 0 to 3.3V.
  • the (Amp) 571 and the filter (LPF) 572 are designed so that the vibration waveform fits the input range of the AD Translator (ADC) 553 and the center voltage of the vibration waveform is 1.65V.
  • FIG. 57 shows an operation flow of the diagnostic processing unit (MPU) 550B! /.
  • the diagnostic processing unit (MP U) 550B is output from four vibration sensors 511, and an amplifier (Amp) 571 and a filter (LP
  • Each sensor signal sent via 572 is sampled while switching the channel via multiplexer (MUX) 552, so that multiple channels are sampled almost simultaneously by AD converter (ADC) 553 and digital signal (code None Convert to 8-bit data (step S901).
  • MUX multiplexer
  • ADC AD converter
  • D901 digital signal
  • Unsigned 8-bit data output from the AD converter (ADC) 553 is first converted into signed 16-bit data (step S902). Specifically, as shown in Fig. 58 (a), after re-signing 8-bit data so that 1.65V, which is the center voltage of the vibration waveform, becomes OV, 8 bits are added to the lower order. To convert it to a 16-bit value.
  • step S903 fixed-point digital filter processing
  • envelope (absolute value) processing step S904
  • step S905 16-bit fixed-point FFT processing
  • step S905 the resultant force of the FFT processing
  • step S906 the bearing defect frequency is calculated from the axle rotation speed and the bearing specifications (see Fig. 45) (step S907).
  • step S908 the degree of coincidence between the frequency peak and the bearing defect frequency is scored (step S908), and an abnormal value (N
  • the lower 15 bits of the 16 bits are used to represent the decimal point.
  • the coefficient of the digital filter is 1.0 or more and less than 1.0 when expressed in real numbers, but if this fixed-point number expression is used, it will be -2 15 or more and 2 15 -1 or less in a computer. If it is 8 bits, it is -2 7 or more and 2 7 -1 or less when signed. Since the filter processing reduces the amplitude of the waveform, the data with the 8-bit width becomes smaller in amplitude and interferes with the accuracy of frequency peak detection.
  • the amplitude range of AD conversion is set to a real number between 1.0 and less than 1.0 to match the data width of CPU558.
  • the most significant bit and 7 bits after the decimal point of the signed 8-bit data are left as the upper 8 bits, and the lower 8 bits are all. It may be 0.
  • the range of 128-127 The number is expanded 256 times and converted to an integer in the range of 32768 to 32767, and the operation proceeds.
  • Fig. 58 (b) even if it is expanded to 16 bits, it is merely code-extended, and if it is not expanded, there is no effect! ,.
  • step S905 The FFT processing (step S905) was performed by fixed point arithmetic of 16-bit data.
  • the reason for this is that the CPU 558 used is a 32-bit CPU, so 16bit X 16bit multiplication should not overflow, and it is not equipped with a floating point arithmetic unit (FPU). This is because the point of calculation speed is also desirable.
  • FPU floating point arithmetic unit
  • step S905 scaling processing is performed! In other words, when FFT is performed with the number of arithmetic points being 2 to the Nth power, the force that will cause N stages of butterfly operations is performed. At this time, the data is reduced to prevent overflow.
  • Table 6 shows the results of attempts to detect the separation of tapered roller bearings for railway vehicles, together with comparative examples.
  • the 8-bit integer is expanded to 16 bits
  • Abnormal vibration 3 not detected ⁇ abnormal vibration 1, bearing outer ring raceway surface of the bearing has peeling 240i: a vibration signal when rotating at P m.
  • Abnormal vibration 2 is a vibration signal when a bearing with an artificial defect formed by electric discharge machining on the outer raceway surface of the bearing is rotating at 360 rpm.
  • Abnormal vibration 3 is a vibration signal when a bearing with an artificial defect formed by electric discharge machining on the outer ring raceway surface of the bearing rotates at 990 rpm.
  • the output signal from the AD converter (ADC) 553 that converts the analog signal from the vibration sensor 511 into a digital signal is converted from the resolution of the AD converter (ADC) 553 (8 bits in this example).
  • the data width is expanded (in this example to 16 bits), Fourier transform processing is performed, and abnormality diagnosis is performed based on the result, thereby reducing the cost and space of the circuit using low-resolution AD conversion.
  • abnormality diagnosis can be performed without causing a decrease in accuracy.
  • FIG. 59 is a main part block diagram of a twenty-third embodiment of the abnormality diagnosis apparatus according to the present invention.
  • This example is AD! This is an example of using a low-speed microcomputer system (microcomputer system) equipped with ⁇ , and the analog signal (waveform signal) from the vibration sensor 511 is amplified. After being passed through the filter (LPF) 572, it is input to the port (Port) of the diagnostic processing unit (MPU) 650B via the comparator 673. That is, in this embodiment, instead of the diagnosis processing unit (MPU) 650B not having the AD conversion 553, the sensor signal processing unit 550A is provided with a comparator 673. Other configurations are the same as those in the twenty-second embodiment.
  • the comparator 673 uses a hysteresis comparator to eliminate the effects of noise. Comparator 673 compares the voltage of the analog signal from vibration sensor 511 (see the waveform at the top of Fig. 60 (a)) with a constant reference voltage ref, and the voltage of the analog signal is greater than reference voltage re; f. Outputs a 1-bit signal (see the waveform at the bottom of Fig. 60 (a)) indicating whether the strength is high or low.
  • the reference voltage ref is, for example, the center voltage (1.65V) of the vibration waveform.
  • the sampling frequency of comparator 673 is 32 kHz.
  • the 1-bit (binary) signal from the comparator 673 input to the port of the diagnostic processing unit (MPU) 650B is digitally filtered in the diagnostic processing unit (MPU) 650B.
  • the signal has the waveform shown in (b).
  • FIG. 61 shows an operation flow of the diagnostic processing unit (MPU) 650B in the twenty-third embodiment.
  • the diagnostic processing unit (MPU) 650B receives a signal from the comparator 673 (step S910).
  • the value of the diagnostic processing unit (MPU) 650B port is 0 and 1, which is not strong, but it corresponds to the sign bit in AD conversion, so it is simply positive or negative, that is, 0 represents -1 and 1 represents 1.
  • the data is converted into signed 16-bit data (step S920). The calculation starts with a binary force of 32768 and 32767 with a signed 16-bit integer.
  • step S930 FIR digital filter processing
  • envelope (absolute value) processing step S940
  • step S940 envelope (absolute value) processing
  • step S950 16-bit fixed-point FFT processing
  • step S950 the resultant force of the FFT processing
  • step S960 the bearing defect frequency is calculated from the axle rotation speed and the bearing specifications (see Fig. 45) (step S970).
  • step S980 the degree of coincidence between the frequency peak and the bearing defect frequency is quantified
  • NG abnormality
  • Defect frequency of axle bearing 530 is a force bearing member that is 1 kHz or less. Many vibrations with a frequency higher than 1kHz are included in the vibrations that generate sensor case isotropic forces. The propagation of the vibration detected by the vibration sensor 511 is performed by the vibration of these members, and it can be considered that the low-frequency vibration frequency due to the defect modulates the high-frequency vibration (carrier wave). Therefore, in this embodiment, the sampling frequency of the comparator 673 is set as high as 32 kHz. By increasing the sampling frequency, a low defect frequency can be recovered even with binary data. The principle is the same as that of PWM ⁇ Pulse Width Modulation ⁇ .
  • the FIR low-pass filter processing (step S930) is performed in order to narrow the waveform signal in the range of the defect frequency, excluding the carrier component.
  • FIG. 62 is a principal block diagram of a twenty-fourth embodiment of the abnormality diagnosis apparatus according to the present invention. Similar to the second embodiment, instead of the diagnosis processing unit (MPU) 650B having no AD converter 553, a sensor signal processing unit 550A is provided with a comparator 673.
  • the reference voltage ref is constant, but in this embodiment, a sine wave having a frequency higher than that of the analog signal from the vibration sensor 511 is used as the reference voltage ref.
  • the comparator 673 samples and digitizes (binarizes) the analog signal from the vibration sensor 511 at a frequency higher than the reference voltage re; f.
  • the diagnostic processing unit (MPU) 650B realizes the multi-bit AD conversion function by software by digitally passing a binary signal from the comparator 673.
  • the order of the characteristic frequency of the bearing separation is 1 kHz at most, but the high frequency component due to the natural vibration of the bearing ring, rolling element or vibration sensor 511 of the bearing 530 is superimposed on the vibration waveform. Since the low-pass filter processing is performed by the software of the diagnostic processing unit (MPU) 650B, the processing equivalent to that of the twenty-fourth embodiment is performed as a whole. However, the sine wave generation circuit is better in the 23rd embodiment. It is advantageous in terms of cost because the road is unnecessary!
  • the abnormality diagnosis device of the present invention can be effectively applied to abnormality diagnosis of wheels and other mechanical devices.
  • the SZN ratio between an abnormal signal or an abnormal sign signal and a noise signal is small, and even under conditions, an abnormal diagnosis can be performed with high accuracy without erroneously detecting the noise signal as an abnormal or abnormal sign signal. Can be implemented.
  • abnormality diagnosis system of the present invention abnormality diagnosis of bearings or bearing-related members in mechanical equipment can be performed with high accuracy and high efficiency.
  • an abnormality diagnosis can be performed with high accuracy by performing FFT on a signal detected from a diagnosis target with an arbitrary frequency resolution.
  • the abnormality diagnosis device of the present invention only one vibration sensor is provided per vehicle, and the bearing separation and wheel flatness in the vehicle are based on the waveform signal from the single vibration sensor. Therefore, an abnormality diagnosis system can be constructed at a low cost.
  • the abnormality diagnosis apparatus of the present invention low-resolution AD converters and simple comparators are used to reduce the cost and space of the circuit, and to perform abnormality diagnosis without causing a decrease in accuracy. be able to.

Abstract

　検出信号のエンベロープを求めるエンベロープ処理部１０３と、エンベロープを周波数スペクトルに変換するＦＦＴ部１０４と、周波数スペクトルを移動平均化することにより平滑化し更にそのスペクトルを平滑化微分して微分係数の符号が正から負へ変化する周波数ポイントをピークとして検出し、所定の閾値以上のものを抽出し、それらをソーティングしてそのうち上位のものをピークとして検出するピーク検出部１０５と、検出されたピークに基づいて異常を診断する診断部Ｔとを備えた。

Description

明 細 書
機械設備の異常診断システム
技術分野
[0001] 本発明は、鉄道車両、航空機械、風力発電装置、工作機械、自動車、製鉄機械、 製紙機械、回転機械、等といった、軸受を含む機械設備の異常診断技術に関し、よ り詳細には、機械設備から発生する音または振動を分析することにより、その機械設 備内の軸受または軸受関連部材の異常を診断する機械設備の異常診断技術に関 する。
背景技術
[0002] 従来、この種の異常診断技術として、機械設備の摺動部材または摺動部材関連部 材からの音または振動を表す信号を検出し、検出した信号またはそのエンベロープ 信号の周波数スペクトルを求め、その周波数スペクトルから、機械設備の摺動部材ま たは機械設備の摺動部材関連部材の異常に起因する周波数成分のみを抽出し、抽 出した周波数成分の大きさにより、機械設備に使用されている摺動部材における異 常の有無を診断するものが知られて 、る (特許文献 1参照)。
[0003] また、回転体または回転体関連部材力 発生する音または振動を検出し、検出した 信号力 診断に必要な周波数帯域の信号を取り出し、更に取り出した信号のェンべ ロープ (包絡線）を求め、求めたエンベロープを周波数解析し、周波数解析により回 転体または回転体関連部材の異常に起因する周波数の基本周波数成分の大きさと 、その自然数倍の周波数成分の大きさとを求め、求めた基本周波数成分の大きさと、 その自然数倍の周波数成分の大きさとを比較し、少なくともその比較結果を、機械設 備の異常を判断する基準として用いるようにしたものも知られて ヽる (特許文献 2参照
) o
[0004] また、機械設備力も発生した音または振動のアナログ信号を AZD (アナログ 'デジ タル)変換によりデジタル信号に変換して実測デジタルデータを生成し、この実測デ ジタルデータに対して周波数分析およびエンベロープ分析等の適宜解析処理を行 なって実測周波数スペクトルデータを生成し、機械設備の異常に起因した周波数成 分の 1次、 2次、 4次値に対する実測周波数スペクトルデータ上のピークの有無により 、機械設備に対する異常の有無の診断を行なうものも知られている (特許文献 3参照
) o
[0005] また、振動加速度のエンベロープ波形をデジタル信号に変換し、デジタルィ匕した振 動データの時間毎の振動スペクトル分布を求めると共に、振動測定時の転がり軸受 の回転速度を時々刻々求めて、回転速度の時間変化パターンと振動スペクトル分布 におけるピークスペクトルの周波数の時間変化パターンが一致し、さらに、任意の時 刻におけるピークスペクトルの周波数力 転がり軸受の回転速度と転がり軸受の幾何 学的寸法とから求まる転がり軸受損傷の特徴周波数と一致する場合に、転がり軸受 の特定部位に損傷が発生したと判定するものも知られて 、る (特許文献 4参照)。
[0006] これらの特許文献には異常を示す周波数のピークを検出する方法について明記さ れてないが、軸受の剥離寿命や機械の回転軸偏心等の異常が発生した場合、これ らの異常を示す信号 (異常信号)の周波数のピークは、周波数スペクトルの積算平均 によって容易に求めることができる。積算平均は、ランダムノイズの除去に有効である として高速フーリエ変換 (FFT)解析等といった周波数分析の分野でよく使用される 手法である。
[0007] また、これらの従来技術にお!、ては、エンベロープ信号を求める処理（ェンベロー プ処理）はアナログ処理であったりデジタル処理であったりする力 周波数解析処理 にはデジタル処理である高速フーリエ変換 (FFT)処理が使用される。 FFT演算を行 なうために、エンベロープ処理の前または後に A/D変換を行なっている。そして、い ずれの従来技術においても、エンベロープ処理の直後に FFT演算を行なっている。
[0008] エンベロープ処理をアナログ処理により行なう方式では、エンベロープ処理ユニット が必要となる。したがって、システムのコスト低減および小型化を図る上では、ェンべ ロープ処理をデジタル処理で行なう方式の方が有利である。
[0009] エンベロープ処理をデジタル処理で行なう方式において、異常診断効率を上げる 方法として、 FFT演算の効率を上げることが考えられる。 FFT演算の効率向上は、 F FT演算のポイント数を少なくすることにより達成可能である。
[0010] さらに、鉄道車両の車軸用軸受ゃ車輪の損傷を振動 (音響的振動を含む)を利用 して検出する異常診断装置が知られている。従来のこの種の異常診断装置は、軸箱 ごとに個々に振動センサを設けて、個々の軸受ゃ車輪の損傷を検出していた (特許 文献 5、特許文献 6、等参照)。
[0011] 従来、鉄道車両の回転部品は、一定期間使用した後に、車軸軸受やその他の回 転部品について、損傷や摩耗等の異常の有無が定期的に検査される。この定期的 な検査は、回転部品が組み込まれた機械装置を分解することにより行なわれ、回転 部品に発生した損傷や摩耗は、作業者が目視による検査により発見するようにしてい る。そして、検査で発見される主な欠陥としては、軸受の場合、異物の嚙み込み等に よって生ずる圧痕、転がり疲れによる剥離、その他の摩耗等、歯車の場合には、歯部 の欠損や摩耗等、車輪の場合には、フラット等の摩耗があり、いずれの場合も新品に はない凹凸や摩耗等が発見されれば、新品に交換される。
[0012] しかし、機械設備全体を分解して、作業者が目視で検査する方法では、装置から 回転体ゃ摺動部材を取り外す分解作業や、検査済みの回転体ゃ摺動部材を再度 装置に組込み直す組込み作業に多大な労力がかかり、装置の保守コストに大幅な増 大を招くという問題があった。
[0013] また、組立て直す際に検査前にはな力つた打痕を回転体ゃ摺動部材につけてしま う等、検査自体が回転体ゃ摺動部材の欠陥を生む原因となる可能性があった。また 、限られた時間内で多数の軸受を目視で検査するため、欠陥を見落とす可能性が残 るという問題もあった。さらに、この欠陥の程度の判断も個人差があり実質的には欠 陥がなくても部品交換が行なわれるため、無駄なコストがかかることにもなる。
[0014] そこで、回転部品が組み込まれた機械装置を分解することなぐ実稼動状態で回転 部品の異常診断を行なう様々な方法が提案された (例えば、特許文献 1、 7及び 8)。 最も、一般的なものとしては、特許文献 1に記載されるように、軸受部に加速度計を 設置し、軸受部の振動加速度を計測し、更に、この信号に FFT (高速フーリエ変換） 処理を行なって振動発生周波数成分の信号を抽出して診断を行なう方法が知られ ている。
[0015] また、鉄道車両の車輪の転動面において、ブレーキの誤動作等による車輪のロック や滑走によるレールとの摩擦'摩耗によって生じるフラットと呼ぶ平坦部の検出方法と しても種々提案されている（例えば、特許文献 6、 9及び 10参照。 )0特に特許文献 6 では、振動センサや回転測定装置等により鉄道車両車輪、および列車が通過する線 路の欠陥状態を検出する装置について提案している。
特許文献 1：特開 2003 - 202276号公報
特許文献 2：特開 2003 - 232674号公報
特許文献 3 :特開 2003— 130763号公報
特許文献 4：特開平 09— 113416号公報
特許文献 5：特開平 4 235327号公報
特許文献 6：特表平 9 - 500452号公報
特許文献 7：特開 2002— 22617号公報
特許文献 8：特開 2004— 257836号公報
特許文献 9：特開平 4— 148839号公報
特許文献 10:特表 2003— 535755号公報 しかし、振動センサや音響センサには、 外部からの衝撃音や摩擦音、移動体の場合には旋回による加速度が作用するため 、これら非定常的な外乱に起因して異常が誤検出されることが多い。このため、積算 平均による周波数のピーク検出方法は、積算回数を多くとると速度の変化や外部か らの衝撃音等の影響を受けやすくなるので有効でない場合もある。
[0016] また、寿命に至る前の小さな傷、剥離、鲭、等による異常の場合、振動センサや音 響センサ力ゝらの信号のパワーは、機械的ノイズや電気的ノイズに埋もれやすいほど小 さいことが多い。このため、寿命以前の異常予知段階においては、閾値を設けてその 値よりもパワーの大き!/、信号のみ抽出する方法は使えな!/、場合が多 、。異常の予知 を行なう上で、最も厄介な問題は、このように異常信号あるいは異常の予兆を示す信 号 (異常予兆信号)と雑音信号との SZN比が小さい場合に、雑音信号を異常信号ま たは異常予兆信号と誤判定してしまうことである。極小さな異常信号や異常予兆信号 も見逃さな 、ようにすることは、軸受等の異常予知の正確性を高める上で有利である 力 その結果雑音信号を異常信号や異常予兆信号と誤判定してしまうと、機械設備 を頻繁に運転停止させて点検することになるため、運転コストの増大を招く。
[0017] また、 FFT演算のポイント数を少なくして計算効率を上げようとすると、周波数分解 能が悪くなつてしま!、、異常診断の精度低下を招くと!、う問題がある。
[0018] さらに、エンベロープ処理をデジタル処理で行なう方式において、異常診断効率を 上げる方法として、 FFT演算の効率を上げることが考えられる。 FFT演算の効率向 上は、 FFT演算の点数を少なくすることにより達成可能である。しかし、 FFT演算の 点数を少なくして計算効率を上げようとすると、周波数分解能が悪くなつてしまい、異 常診断の精度低下を招くと 、う問題がある。
[0019] 回転機械において軸受欠陥等に起因する異常を診断するための演算デバイスは、 寸法や消費電力が小さ 、方が組込み用として望ま 、。また計算精度の面からもメ モリ容量の面からも、少ない演算点数で FFTを行なうことが要求される。しかし、その 一方で、上述したように、周波数分解能がある程度高くないと異常診断の精度低下を 招く。生波形を復元できる周波数を 10kHz (サンプリング周波数は 20kHz以上)まで とる必要があっても軸受の欠陥周波数の上限は結局 1kHz以下になる。
[0020] しかし、従来の異常診断装置では、軸箱ごとに個々に振動センサを設ける必要があ るた
め、各車両ごとのセンサの設置数が多くなり、センサ信号を処理するための信号処理 部の
入力回路や配線の数が多大となり回路構成が複雑になると 、う問題があった。
[0021] しかし、特許文献 6に記載の欠陥状態の検出装置では、異常振動が車輪のフラット によるもの力、車軸軸受によるの力 あるいは線路または他の異常によるものなのか を識別できな 、と 、う問題がある。
発明の開示
発明が解決しょうとする課題
[0022] 本発明は、前述した事情に鑑みてなされたものであり、その目的は、異常信号ゃ異 常予兆信号と雑音信号との SZN比が小さい条件下においても、雑音信号を異常あ るいは異常予兆信号と誤検出することなぐ高精度に異常診断を実施できる、機械設 備の異常診断システムを提供することにある。
[0023] 本発明は、前述した事情に鑑みなされたものであり、その目的は、機械設備からの 信号の周波数分解能の向上と FFT演算の効率向上とを両立させて、異常診断を高 精度に且つ高効率に実施することができる、機械設備の異常診断システムを提供す ることにある。
[0024] 本発明は、前述した事情に鑑みなされたものであり、その目的は、診断対象から検 出された信号を、任意の周波数分解能で FFTして高精度に異常診断を実施できる、 機械設備の異常診断システムを提供することにある。
[0025] 本発明は、前述した事情に鑑みなされたものであり、その目的は、車両一台あたり に振動センサを 1つ設けるのみで、その 1つの振動センサからの波形信号を基に、そ の車両における軸受の剥離、車輪のフラット、等の異常を検出することができる異常 診断装置を提供することにある。
[0026] 本発明は、上述した事情に鑑みてなされたものであり、その目的は、車軸軸受また は車輪の振動を検出する振動センサの出力信号から車軸軸受および車輪の異常振 動を検出して、その異常振動が車輪のフラットによるもの力 車軸軸受によるのかを 特定することができる異常診断装置を提供することにある。
課題を解決するための手段
[0027] 上記目的を達成するため、本発明に係る機械設備の異常診断システムは、下記（1
)から（31)を特徴としている。
[0028] (1) 機械設備から発生する音または振動を検出し、その検出信号を分析すること により、機械設備内の軸受または軸受関連部材の異常を診断する異常診断システム であって、
前記検出信号のエンベロープを求めるエンベロープ処理部と、
当該エンベロープ処理部により得られたエンベロープを周波数スペクトルに変換す る FFT咅と、
当該 FFT部により得られた周波数スペクトルを移動平均化処理することにより平滑 化してそのピークを検出するピーク検出部と、
前記ピーク検出部によって検出された周波数スペクトルのピークに基づいて異常を 診断する診断部と、
を備えたこと。
[0029] (2) 上記（1)の構成の異常診断システムにおいて、前記ピーク検出部力 前記 F FT部により得られた周波数スペクトルに対して平滑ィ匕微分処理を実施し、得られた 微分値の符号が変化する周波数ポイントを周波数スペクトルのピークとして抽出する 平滑ィ匕微分ピーク抽出部を備えていること。
[0030] (3) 上記（1)または（2)の構成の異常診断システムにおいて、前記移動平均化処 理における重み係数が左右対称 (現時点を基準にして前後対象)であること。
[0031] (4) 上記（2)または（3)の構成の異常診断システムにおいて、前記ピーク検出部 力 前記平滑ィ匕微分ピーク抽出部により抽出されたピークのうち、閾値以上のものを 選別する第 1の選別部を備えていること。
[0032] (5) 上記 (4)の構成の異常診断システムにおいて、前記ピーク検出部が、前記第 1の選別部により選別されたピークのうち、振幅レベルが大きい方力も所定の個数ま でのピークを選別する第 2の選別部を備えて 、ること。
[0033] (6) 上記（1)〜（5)のいずれか構成の異常診断システムにおいて、前記診断部が 、前記ピーク検出部によって検出された周波数スペクトルのピークのうち振動の主成 分に対応するピークあるいは振動の主成分および高次成分に対応するピークと診断 対象の異常を示す周波数との一致度を求め、その一致度の複数回分の累計結果を 評価することにより異常を診断すること。
[0034] (7) 機械設備から発生する音または振動を検出し、検出した信号を分析すること により、その機械設備内の軸受または軸受関連部材の異常を診断する異常診断シス テムであって、前記検出した信号力 診断に必要な周波数帯域の信号を取り出すフ ィルタ処理部と、当該フィルタ処理部により取り出された信号のエンベロープ信号を 求めるエンベロープ処理部と、当該エンベロープ処理部により得られたエンベロープ 信号を間弓 Iき処理するデシメーシヨン処理部と、
当該デシメーシヨン処理部により間弓 Iき処理した後のエンベロープ信号を周波数解 析する FFT演算部と、当該 FFT演算部による解析結果に基づいて異常を診断する 診断部とを備えたこと。
[0035] (8) 機械設備から発生する音または振動を検出し、検出した信号を分析すること により、その機械設備内の軸受または軸受関連部材の異常を診断する異常診断シス テムであって、前記検出した信号を予め必要とされるサンプリング周波数よりも高いサ ンプリング周波数でサンプリングするサンプリング処理部と、当該サンプリング処理部 によりサンプリングされた信号力 診断に必要な周波数帯域の信号を取り出すフィル タ処理部と、当該フィルタ処理部により取り出された信号を間弓 Iき処理するデシメー シヨン処理部と、当該デシメーシヨン処理部により間引き処理された信号のェンベロ ープ信号を求めるエンベロープ処理部と、当該エンベロープ処理部により得られたェ ンべロープ信号を周波数解析する FFT演算部と、当該 FFT演算部による解析結果 に基づ!/ヽて異常を診断する診断部とを備えたこと。
[0036] (9) 上記（7)または（8)の構成の異常診断システムにおいて、前記エンベロープ 信号の周波数帯域を低帯域化するデジタルフィルタ処理部を更に備えたこと。
[0037] (10) 上記（7)、 （8)または（9)の構成の異常診断システムにおいて、前記 FFT演 算部を DSPで実現するとともに、前記 FFT演算部に入力するデータ数を当該 DSP 内のメモリに収容可能なデータ数としたこと。
[0038] (11) 機械設備から発生する音または振動を検出し、その信号を分析することによ り、機械設備内の軸受または軸受関連部材の異常を診断する異常診断システムであ つて、前記信号をデジタル信号に変換する AZD変換部と、当該 AZD変換部により 変換されたデジタル信号力 診断に必要な周波数帯域の信号を取り出すデジタルフ ィルタ処理部と、当該デジタルフィルタ処理部により取り出された信号のエンベロープ を求めるエンベロープ処理部と、当該エンベロープ処理部により求められたェンベロ ープを任意の周波数分解能で高速フーリエ変換するべくゼロ詰め補間する補間処 理部と、当該補間処理部によりゼロ詰め補間された信号を FFTする FFT部と、当該 F FT部により得られた周波数スペクトルに基づいて異常を診断する診断部とを備えた こと。
[0039] (12) 上記（11)の構成を備えた機械設備の異常診断システムにおいて、前記補 間処理部が、前記 FFT部におけるサンプリング周波数が 2の N乗へルツまたは 2の N 乗の倍数へルツになるようにゼロ詰め補間すること。
[0040] (13) 上記（11)または（12)の構成を備えた機械設備の異常診断システムが、前 記 FFT部により得られた周波数スペクトルのピークを検出するピーク検出部を更に備 え、前記診断部が、前記ピーク検出部によって検出されたピークのうち振動の主成分 に対応するピークあるいは振動の主成分および高次成分に対応するピークと診断対 象の異常を示す周波数との一致度を求め、その一致度の複数回分の累計結果を評 価することにより異常を診断すること。
(14) 車両の走行中に異常を診断する異常診断装置であって、車両の振動を検出 する振動センサと、前記振動センサが出力する波形信号に基づいて、波高率、衝撃 指数、波形率、および尖り度のうちいずれか 1つの無次元パラメータ値を求めるパラメ 一タ値検出回路と、前記パラメータ値検出回路力 出力された無次元パラメータ値が 一定の基準を超えたことを示す第 1の電圧の信号または前記無次元パラメータ値が 一定の基準以下であることを示す第 2の電圧の信号を出力する比較回路とを備え、 前記比較回路の出力に基づ 、て異常を検出するように構成したこと。
[0041] (15) 車両の走行中に異常を診断する異常診断装置であって、車両の振動を検 出する振動センサと、前記振動センサが出力する波形信号に基づいて、 RMS (2乗 平均の平方根）および絶対値平均の!/、ずれか一方のパラメータ値を求める演算回路 と、前記波形信号のピーク値を求めるピーク検出回路と、前記パラメータ値の一定倍 の値と前記ピーク検出回路力 出力されたピーク値とを比較し、その比較結果に応じ て、前記ピーク値と前記パラメータ値との比として求まる無次元パラメータ値が一定の 基準を超えたことを示す第 1の電圧の信号または前記無次元パラメータ値が一定の 基準以下であることを示す第 2の電圧の信号を出力する比較回路とを備え、前記比 較回路の出力に基づ!/、て異常を検出するように構成したこと。
[0042] (16) 上記（15)の構成の異常診断装置において、前記ピーク検出回路力 出力 されたピーク値と予め設定した参照値とを比較するピーク-参照値比較回路を更に備 え、前記ピーク-参照値比較回路による比較の結果、前記ピーク値が前記参照値より も大き 、場合には、前記比較回路の出力を無効にするように構成したこと。
[0043] (17) 上記（14)〜（16)のいずれかの構成の異常診断装置において、前記第 1の 電圧の信号のデューティ比に基づいて異常を検出するように構成したこと。
[0044] (18) 上記（15)〜（17)のいずれかの構成の異常診断装置において、前記振動 センサの出力信号のうち所定の帯域の信号のみ前記パラメータ値検出回路および 前記ピーク検出回路に入力するためのフィルタ回路を更に備えたこと。 [0045] (19) 上記（14)〜（18)のいずれかの構成の異常診断装置において、前記車両 は鉄道車両であること。
[0046] (20) 振動特性の異なる複数の部品を有する機械装置の異常診断装置であって、 前記機械装置の振動を検出する振動センサの出力信号をサンプリングするセンサ信 号処理部と、前記センサ信号処理部によりサンプリングした振動データを基に異常診 断を行なう診断処理部とを備え、前記診断処理部が、前記センサ信号処理手段から の振動データを連続して取り込みつつ一定周期毎の区間に分割し、 1区間分の振動 データを第 1の振動特性の部品診断用の振動データとして処理するとともに、 1区間 分の振動データの先頭にその 1つ前の区間の最後の所定時間分のデータを継ぎ足 したものを第 2の振動特性の部品診断用の振動データとして処理することを特徴とす る異常診断装置。
[0047] (21) 鉄道車両の車軸軸受および車輪の異常診断装置であって、車軸軸受および 車輪の振動を検出する振動センサの出力信号をサンプリングするセンサ信号処理部 と、前記センサ信号処理部によりサンプリングした振動データを基に車軸軸受および 車輪の異常診断を行なう診断処理部とを備え、前記診断処理部が、前記センサ信号 処理手段からの振動データを連続して取り込みつつ一定周期毎の区間に分割し、 1 区間分の振動データを軸受診断用の振動データとして処理するとともに、 1区間分の 振動データの先頭にその 1つ前の区間の最後の所定時間分のデータを継ぎ足したも のを車輪診断用の振動データとして処理することを特徴とする異常診断装置。
[0048] (22) 前記診断処理部が、車軸軸受の回転速度と振動のエンベロープ波形を処理 して得られる周波数ピークとに基づいて車軸軸受の異常を検出し、車輪の回転に同 期して生じる振動のレベルが閾値を超える頻度に基づいて車輪の異常を検出し、そ れぞれの異常の検出結果に基づいて異常診断を行なうことを特徴とする上記 (21)の 異常診断装置。
[0049] (23) 前記信号処理手段が、複数の振動センサの出力信号を 1チャネルずつ切換 えてサンプリングすることを特徴とする上記 (21)〜(22)のいずれかの異常診断装置。
[0050] (24) 振動センサの出力信号を車輪の回転に同期してサンプリングし加算平均処 理して得られる振動データを基に車軸軸受および車輪の異常診断を行なうように構 成したことを特徴とする上記 (22)または (23)の異常診断装置。
[0051] (25) 振動特性の異なる複数の部品を有する機械装置の異常診断装置であって、 前記機械装置の振動を検出する振動センサの出力信号をサンプリングするセンサ信 号処理部と、前記センサ信号処理部によりサンプリングした振動データを基に異常診 断を行なう診断処理部とを備え、前記診断処理部が、前記センサ信号処理手段から の振動データを連続して取り込みつつそれを第 1の振動特性の部品診断用と第 2の 振動特性の部品診断用のサンプリング周波数またはサンプリング長の異なる 2種類 のデータに変換して処理することを特徴とする異常診断装置。
[0052] (26) 鉄道車両の車軸軸受および車輪の異常診断装置であって、前記機械装置 の振動を検出する振動センサの出力信号をサンプリングするセンサ信号処理部と、 前記センサ信号処理部によりサンプリングした振動データを基に異常診断を行なう診 断処理部とを備え、前記診断処理部が、前記センサ信号処理手段からの振動データ を連続して取り込みつつそれを車軸軸受診断用と車輪診断用のサンプリング周波数 またはサンプリング長の異なる 2種類のデータに変換して処理することを特徴とする 異常診断装置。
[0053] (27) 車軸軸受と車輪それぞれについて複数回異常検出を実施し、それぞれの複 数回分の集計値力も統計的に異常診断を行なうことを特徴とする上記 (22)、（23)、 (2 4)、（26)のいずれかの異常診断装置。
[0054] (28)異常を検出する際に使用したデータを保存しておく機能を有することを特徴と する上記 (20)〜(27)の 、ずれかの異常診断装置。
[0055] (29) 回転或いは摺動する部品を有する機械装置の異常診断装置であって、前 記機械装置の振動を検出する振動センサ力 のアナログ信号をデジタル信号に変 換する AD変翻と、当該 AD変翻力ものデジタル信号をフーリエ変換処理し、そ の結果に基づいて異常診断を行なう診断処理部とを備え、前記診断処理部が、前記 AD変換器からのデジタル信号を前記 AD変換器の分解能よりもデータ幅を拡張して フーリエ変換処理するように構成されて ヽることを特徴とする異常診断装置。
[0056] (30) 回転或いは摺動する部品を有する機械装置の異常診断装置であって、前 記機械装置の振動を検出する振動センサ力 のアナログ信号をデジタル信号に変 換する AD変翻と、当該 AD変翻力ものデジタル信号をフーリエ変換処理し、そ の結果に基づいて異常診断を行なう診断処理部とを備え、前記診断処理部が、前記 AD変^^の分解能を 1ビットとし、これを 2ビット以上の所定のデータ幅に拡張してフ 一リエ変換処理するように構成されて ヽることを特徴とする異常診断装置。
[0057] (31) 回転或いは摺動する部品を有する機械装置の異常診断装置であって、前 記機械装置の振動を検出する振動センサ力 のアナログ信号の電圧と参照電圧とを 比較して、当該アナログ信号の電圧が参照電圧よりも高か低かを示す 2値の信号を 出力するコンパレータを備え、前記診断処理部が、前記コンパレータ力もの信号を所 定のデータ幅に拡張してフーリエ変換処理するように構成されて 、ることを特徴とす る異常診断装置。
発明の効果
[0058] 上記（1)の構成の異常診断システムによれば、機械設備から発生する音または振 動を検出し、その検出信号のエンベロープを求め、そのエンベロープを周波数スぺク トルに変換し、得られた周波数スペクトルを移動平均化することにより平滑ィ匕した上で そのピークを検出し、検出されたピークに基づいて異常を診断するので、異常信号 や異常予兆信号と雑音信号との SZN比が小さい条件下においても、雑音信号を異 常あるいは異常予兆信号と誤検出することなぐ高精度に異常診断を実施できる。
[0059] 上記（2)の構成の異常診断システムによれば、周波数スペクトルに対して平滑ィ匕微 分処理 (即ち、同じ点を中心にして複数の区間の差分と区間長の積和)を行ない、そ の微分値の符号が変化する周波数ポイントを周波数スペクトルのピークとして抽出す るので、雑音に埋もれた周波数スペクトルのピーク検出を高精度に行なうことができる
[0060] 上記（3)の構成の異常診断システムによれば、移動平均化処理における重み係数 が左右対称であるので、雑音信号を誤って異常信号や異常予兆信号として検出して しまうのを防止できる。
[0061] 上記 (4)の構成の異常診断システムによれば、抽出されたピークのうち、振幅レべ ルが閾値以上のものを選別するので、ピーク雑音に埋もれた周波数スペクトルのピー ク検出をより高精度に行なうことができる。 [0062] 上記（5)の構成の異常診断システムによれば、振幅レベルが閾値以上のピークのう ち、振幅レベルの二乗平均平方根が大きい方力 所定の個数までのピークを選別す るので、異常診断を行なう上で有効なピークに絞り込んで異常診断を高精度に且つ 効率良く行なうことができる。
[0063] 上記（6)の構成の異常診断システムによれば、検出された周波数スペクトルのピー クのうち振動の主成分に対応するピークあるいは振動の主成分および高次成分に対 応するピークと診断対象の異常を示す周波数との一致度を求め、その一致度の複数 回分の累計結果を評価することにより異常を診断するので、異常診断を高精度に実 施できる。 上記（7)の構成の異常診断システムによれば、エンベロープ処理の後で 信号の間引き処理を行なって、エンベロープ波形解析のための FFT演算のポイント 数を少なくするので、検出された信号の周波数分解能の向上と FFT演算の効率向 上とを両立させて、軸受の異常診断を高精度に且つ高効率に実施することができる
[0064] 上記（8)の構成の異常診断システムによれば、検出された信号の AZD変換時の サンプリングレートを高めに設定して力も周波数帯域制限および間引き処理を行なう ため、アンチエリアシングフィルタの省略が可能であり、エンベロープ処理の後で信 号の間引き処理を行なって、エンベロープ波形解析のための FFT演算のポイント数 を少なくするので、検出された信号の周波数分解能の向上と FFT演算の効率向上と を両立させて、軸受の異常診断を高精度に且つ高効率に実施することができる。
[0065] 上記（9)の構成の異常診断システムによれば、エンベロープ信号の周波数帯域を 低帯域ィ匕するデジタルフィルタ処理を行なうことにより、エリアシング等の影響を抑え て確実に低域の FFT演算処理を実行することができる。
[0066] 上記（10)の構成の異常診断システムによれば、 DSPによる高速 FFT処理が可能 になる。 上記（11)の構成の異常診断システムによれば、機械設備から発生する音 または振動を検出し、その信号をデジタル信号に変換し、そのデジタル信号から診 断に必要な周波数帯域の信号を取り出してそのエンベロープを求め、そのェンベロ ープを任意の周波数分解能で FFTするべくゼロ詰め補間した上で FFTし、 FFTによ り得られた周波数スペクトルに基づいて異常を診断するので、高精度に異常診断を 実施できる。
[0067] 上記（12)の構成の異常診断システムによれば、 FFT部におけるサンプリング周波 数が 2の N乗（例えば N = 8〜12)ヘルツまたは 2の N乗の倍数へルツになるようにゼ 口詰め補間されるので、 FFT演算時における周波数分解能を l.OHz基準とすること ができ、任意の分解能に設定することができる。
[0068] 上記（13)の構成の異常診断システムによれば、検出された周波数スペクトルのピ ークのうち振動の主成分に対応するピークあるいは振動の主成分および高次成分に 対応するピークと診断対象の異常を示す周波数との一致度を求め、その一致度の複 数回分の累計結果を評価することにより異常を診断するので、異常診断を高精度に 実施できる。 上記（14)の構成の異常診断装置によれば、振動センサが出力する波 形信号に基づいて、波高率、衝撃指数、波形率、および尖り度のうちいずれか 1つの 無次元パラメータ値が、一定の基準を超えたことを示す第 1の電圧の信号または前記 無次元パラメータ値が一定の基準以下であることを示す第 2の電圧の信号を出力す る比較回路を備え、当該比較回路の出力に基づいて異常を検出することができるの で、車両一台あたりに振動センサを 1つ設けるのみで、その 1つの振動センサからの 波形信号を基に、その車両における軸受の剥離、車輪のフラット、等の異常を検出す ることがでさる。
[0069] 上記（15)の構成の異常診断装置によれば、振動センサが出力する波形信号に基 づ!、て、 RMS (2乗平均の平方根）および絶対値平均の!/、ずれか一方のパラメータ 値を求める演算回路と、前記波形信号のピーク値を求めるピーク検出回路と、前記 パラメータ値の一定倍 (例えば後述する [発明を実施するための最良の形態]ではァ ナログ回路で倍率を決めるので一般的に整数にはならず一定倍あるいは定数倍とな る。）の値と前記ピーク検出回路から出力されたピーク値とを比較し、その比較結果に 応じて、前記ピーク値と前記パラメータ値との比（即ち、無次元パラメータ値）が一定 の基準を超えたことを示す第 1の電圧の信号または前記無次元パラメータ値が一定 の基準以下であることを示す第 2の電圧の信号を出力する比較回路と、を備え、前記 比較回路の出力に基づ 、て異常を検出することができるので、車両一台あたりに振 動センサを 1つ設けるのみで、その 1つの振動センサからの波形信号を基に、その車 両における軸受の剥離、車輪のフラット、等の異常を検出することができる。また、上 記（15)の構成の異常診断装置によれば、比較的簡単な回路構成で異常診断を行 なうことができる。
[0070] 上記（16)の構成の異常診断装置によれば、ピーク値と予め設定した参照値とを比 較し、ピーク値が参照値よりも大きい場合には、異常を検出するため第 1および第 2 の電圧の信号を無効にするので、ノイズに起因する非常に大きな信号によってセン サユニットの出力が飽和してしまうのを防止することができる。
[0071] 上記（17)の構成の異常診断装置によれば、パラメータ値が一定の基準を超えたこ とを示す第 1の電圧の信号のデューティ比に基づいて異常を検出するように構成した ことにより、ノイズの影響を避けながら異常診断を行なうことができる。
[0072] 上記（18)の構成の異常診断装置によれば、振動センサの出力信号のうち所定の 帯域の信号のみ捉えて異常診断を行なうことができる。
[0073] 上記（19)の構成の異常診断装置によれば、鉄道車両の異常を検出できるので、 鉄道車両の信頼性を高めることができる。
[0074] さらに、上記（20)から（28)の構成の異常診断装置によれば、下記 (I)〜(IV)の効 果が得られる。
[0075] (I)振動データを連続して取り込みつつ一定周期毎の区間に分割し、 1区間分の振 動データを第 1の振動特性の部品診断用の振動データとして処理するとともに、 1区 間分の振動データの先頭にその 1つ前の区間の最後の所定時間分のデータを継ぎ 足したものを第 2の振動特性の部品診断用の振動データとして処理するので、両振 動特性の部品の振動を検出する振動センサの出力信号力 両振動特性の部品の異 常振動をリアルタイムで検出して、その異常振動が第 1の振動特性の部品の異常に よるもの力、第 2の振動特性の部品の異常によるのかを特定することができる。
[0076] (Π)振動データを連続して取り込みつつ一定周期毎の区間に分割し、 1区間分の 振動データを軸受診断用の振動データとして処理するとともに、 1区間分の振動デー タの先頭にその 1つ前の区間の最後の所定時間分のデータを継ぎ足したものを車輪 診断用の振動データとして処理するので、車軸軸受および車輪の振動を検出する振 動センサの出力信号から車軸軸受および車輪の異常振動をリアルタイムで検出して 、その異常振動が車輪のフラットによるもの力、車軸軸受によるのかを特定することが できる。
[0077] (III)振動データを連続して取り込みつつそれを第 1の振動特性の部品診断用と第 2の振動特性の部品診断用のサンプリング周波数またはサンプリング長の異なる 2種 類のデータに変換して処理するので、両振動特性の部品の振動を検出する振動セ ンサの出力信号から両振動特性の部品の異常振動をリアルタイムで検出して、その 異常振動が第 1の振動特性の部品の異常によるものか、第 2の振動特性の部品によ るのかを特定することができる。
[0078] (IV)振動データを連続して取り込みつつそれを車軸軸受診断用と車輪診断用の サンプリング周波数またはサンプリング長の異なる 2種類のデータに変換して処理す るので、車軸軸受および車輪の振動を検出する振動センサの出力信号力 車軸軸 受および車輪の異常振動をリアルタイムで検出して、その異常振動が車輪のフラット によるもの力、車軸軸受によるのかを特定することができる。
く発明の効果〉 本発明によれば、異常信号や異常予兆信号と雑音信号との SZN比 力 S小さい条件下においても、雑音信号を異常あるいは異常予兆信号と誤検出するこ となぐ高精度に異常診断を実施できる。 本発明の異常診断システムによれば、機 械設備内の軸受または軸受関連部材の異常診断を高精度に且つ高効率に実施す ることができる。 本発明によれば、診断対象から検出された信号を、任意の周波数 分解能で FFTして高精度に異常診断を実施できる。 本発明の異常診断装置によ れば、車両一台あたりに振動センサを 1つ設けるのみで、その 1つの振動センサから の波形信号を基に、その車両における軸受の剥離、車輪のフラット、等の異常を検出 することができるので、異常診断システムを低コストで構築できる。
[0079] 本発明の異常診断装置によれば、低分解能の AD変換器や単なる比較器を使用し て回路の低コストィヒおよび省スペース化を図り、且つ精度低下を招くことなく異常診 断を行なうことができる。
図面の簡単な説明
[0080] [図 1]本発明の異常診断システムの形態例を示すブロック図である。
[図 2]周波数スペクトルとその移動平均処理結果を例示する波形図である。 [図 3]周波数スペクトルとその移動平均処理結果を例示する波形図である。
[図 4]周波数スペクトルとその移動平均処理結果を例示する波形図である。
[図 5]衝撃性のノイズが入ったときの振動波形の例を示している。
圆 6]図 1に示す異常診断システムの異常診断動作例を示す流れ図である。
[図 7]周波数スペクトルとその移動平均処理結果を例示する波形図である。
圆 8]軸受の微小傷品と正常品の異常診断結果を示す図である。
圆 9]本発明の異常診断システムの第 2の形態例を示すブロック図である。
[図 10]本発明の異常診断システムを構成するマイクロコンピュータとその周辺回路の 形態例を示すブロック図である。
[図 11]図 9中の第 1デジタルローパスフィルタの周波数一利得特性を例示した波形図 である。
[図 12]図 9中の第 2デジタルローパスフィルタの周波数一利得特性を例示した波形図 である。
[図 13] (a)は間引き処理を行なった場合の FFTスペクトル波形を示す波形図、そして (b)は間弓 Iき処理を省略した場合の FFTスペクトル波形を示す波形図である。
[図 14]FFT演算のポイント数を少なくしたことによる FFT演算処理時間削減の効果を グラフに示した図である。
圆 15]条件を変えて行なった複数の診断の結果を SZN比で対比させたグラフであ る。
圆 16]本発明の異常診断システムの第 3の形態例を示すブロック図である。
圆 17]本発明の異常診断システムの第 4の形態例を示すブロック図である。
[図 18]第 4の形態例の異常診断システムにおける一連の処理の流れを示すフロー図 である。
[図 19] (a)および (b)は、振動のエンベロープ波形に対して位相をずらして間引き処 理を行なう様子を示した説明図である。
圆 20]第 4の形態例の場合の診断結果を示す図である。
[図 21]FFT演算処理の時間について、 DSPを使った場合と CPUのみで行なった場 合とを対比させて示した図である。 [図 22]第 5の形態例の異常診断システムにおける一連の処理の流れを示すフロー図 である。
圆 23]第 5の形態例の場合の傷診断結果を示す図である。
圆 24]本発明の異常診断システムの形態例を示す機能ブロック図である。
[図 25]図 24中のゼロ補間部によるゼロ補間処理の説明図である。
圆 26]欠陥品と正常品の異常診断結果を示す図である。
[図 27]データの取り込み処理とデータの演算処理のタイミングおよび所用時間を示 すタイミング図である。
圆 28]第 7の形態例の異常診断装置を備えた鉄道車両の概略構成図である。
[図 29]センサユニットの第 7の形態例を示すブロック図である。
[図 30]図 29のセンサユニットの出力波形を示す図である。
[図 31]センサユニットの第 8の形態例を示すブロック図である。
[図 32]図 31のセンサユニットの出力波形を示す図である。
[図 33]センサユニットの第 9の形態例を示すブロック図である。
[図 34]センサユニットの第 10の形態例を示すブロック図である。
[図 35]センサユニットの第 11の形態例を示すブロック図である。
[図 36]センサユニットの第 12の形態例を示すブロック図である。
[図 37]センサユニットの第 13の形態例を示すブロック図である。
[図 38]剥離等の劣化を示すパラメータの一つである波高率 (PeakZRMS)の波形図 であり、剥離によってパラメータ値が増大することを示している。
[図 39]鉄道車両の振動波形図であり、検出される振動波形にレールの継ぎ目による 衝撃振動 (ノイズ)が混入することを示して 、る。
[図 40] (a)は第 14の形態例の異常診断装置を搭載した鉄道車両の概略平面図、そ して (b)は同鉄道車両の概略側面図である。
圆 41]車軸軸受と振動センサとの位置関係を例示する概略図である。
圆 42]本発明に係る異常診断装置の第 14の形態例のブロック図である。
[図 43]異常診断装置による 4チャネル分の振動データの取り込みおよびデータ解析 のタイムチャートである。 [図 44]図 42の診断処理部の動作内容を示すフローチャートである。
圆 45]車軸軸受の傷の部位と、傷に起因して発生する振動発生周波数の関係を示 す図である。
圆 46]本発明に係る異常診断装置の第 15の形態例のブロック図である。
圆 47]本発明に係る異常診断装置の第 16の形態例のブロック図である。
[図 48]図 47の診断処理部の動作内容を示すフローチャートである。
圆 49]本発明に係る異常診断装置の第 17の形態例のブロック図である。
圆 50]本発明に係る異常診断装置の第 18の形態例のブロック図である。
圆 51]本発明に係る異常診断装置の第 19の形態例のブロック図である。
圆 52]本発明に係る異常診断装置の第 19の形態例における診断処理部の動作内 容を示すフローチャートである。
[図 53] (a)は軸受はく離診断用データと車輪フラット診断用データの時間—周波数平 面上における関係を示す概念図、そして (b)は軸受と車輪の周波数範囲の関係を示 す概念図である。
圆 54]本発明に係る異常診断装置の第 20の形態例における診断処理部の動作内 容を示すフローチャートである。
[図 55] (a)および (b)は第 21の形態例における診断処理部の部分ブロック図である。
[図 56]本発明に係る異常診断装置の第 21の形態例における診断処理部の動作内 容を示すフローチャートである。
[図 57]図 51の診断処理部の動作内容を示すフローチャートである。
[図 58] (a)は AD変換器力ものデジタル信号をその分解能よりも拡張する処理につい ての説明図、（b)は AD変換器力ものデジタル信号の単なる符号拡張の例を示す説 明図である。
圆 59]本発明に係る異常診断装置の第 23の形態例の要部ブロック図である。
[図 60] (a)は振動センサ力ものアナログ信号をコンパレータにより 2値の信号に変換 する処理についての説明図、（b)はコンパレータ力 の信号を診断処理部内のマイク 口コンピュータでデジタルフィルタ処理した後の波形図である。
[図 61]第 23の形態例における診断処理部の動作内容を示すフローチャートである。 [図 62]本発明に係る異常診断装置の第 24の形態例の要部ブロック図である。
発明を実施するための最良の形態
[0081] 以下、本発明を実施するための最良の形態について、転がり軸受を含む機械設備 を対象とし、機械設備内の転がり軸受の傷といった異常の有無を判断する場合を例 にとし説明する。
[0082] 図 1は本発明の異常診断システムの形態例を示すブロック図である。 図 1に示す ように、本発明の異常診断システムは、アンプ'フィルタ（フィルタ処理部） 101、 A/ D変翻 102、エンベロープ処理部 103、 FFT部 104、ピーク検出部 105、診断部 1 06、および診断結果出力部 107を備えている。
[0083] アンプ'フィルタ 101には、診断対象の機械設備から発生する音または振動を検出 するセンサ (振動センサ、音響センサ、等）により検出された信号が入力される。アン プ 'フィルタ 101は、入力された信号を所定のゲインで増幅するとともに、所定周波数 以上の信号を遮断する。
[0084] AZD変翻 102は、アンプ'フィルタ 101を通過したアナログ信号を、所定のサン プリング周波数でサンプリングし、デジタル信号に変換する。
[0085] エンベロープ処理部 103は、 AZD変翻 102により生成されたデジタル信号のェ ンべロープ（包絡線波形）を求める FFT部 104は、エンベロープ処理部 103により求 められたエンベロープを周波数解析し、周波数スペクトルに変換するピーク検出部 1 05は、 FFT部 104により得られた周波数スペクトルのピークを検出する改行診断部 1 06は、転がり軸受に設けられた図示しない回転センサにより検出された回転速度と 軸受の内部諸元とで決まる特徴周波数と、ピーク検出部 105により得られたピークと を比較し、その一致度を評価することにより異常を診断する。 診断結果出力部 107 は、診断部 106による診断結果を出力する。ピーク検出部 105は、移動平均化処理 部 105aと、平滑ィ匕微分ピーク抽出部 105bと、第 1選別部 105cと、第 2選別部 105d とを備えている。移動平均化処理部 105aは、 FFT部 104により得られた周波数スぺ タトル (周波数領域の離散データ)を左右対称に重み付けして移動平均化する。たと えば、 5点の移動平均では、 FFT部 104により得られた周波数スペクトルに対し、次 式の演算を施すことにより、 [0086] [数 1]
Figure imgf000023_0001
a > b, a > c 一般には、次式（1)の演算を施すことにより、
[0087] [数 2]
Figure imgf000023_0002
周波数スペクトルを平滑ィ匕して雑音の軽減を行なう。 平滑ィ匕微分ピーク抽出部 10 5bは、移動平均化処理部 105aによる移動平均化処理後、移動平均されたスぺタト ルをさらに平滑して微分値を得て、微分係数の符号が変化する周波数ポイントを周 波数スペクトルのピークとして抽出する。 すなわち、平滑ィ匕微分ピーク抽出部 105b は、次式 (2)の値 (平滑化微分係数 yj)が正力も負へ変化する周波数ポイントを周波 数スペクトルのピークの候補とみなす。
[0088] [数 3]
Figure imgf000023_0003
この式（2)からわ力るように、隣接するデータよりも離れた点同士の傾きの方が重み が大きいと見ることができる。ピーク検出部 105は、 FFT部 104により得られた周波数 スペクトルに対して、式（2)からわ力るように j点を中心にして複数の区間の差分とそ の区間長の積和を行なう平滑化微分処理を実施し、得られた微分値の符号が変化 する周波数ポイントを周波数スペクトルのピークとして抽出する平滑ィ匕微分ピーク抽 出部 105bを備えていることになる。 [0089] したがって、式（2)によれば、式（1)を用いずとも雑音に埋もれたピークの検出が可 能である力 式（1)と併用してもよい。
[0090] 第 1選別部 105cは、平滑ィ匕微分ピーク抽出部 105bにより抽出されたピークのうち 、振幅レベルが閾値以上のものを選別する。閾値には、平滑ィ匕微分ピーク抽出部 10 5bにより抽出されたピークのパワー平均値やオーバーオール信号の二乗平均平方 根に応じて決まる相対的な値を用いる。絶対的な閾値は、相対雑音レベルが低い場 合には有効である力 雑音レベルが大きい場合には必ずしも有効とは言えない。
[0091] 第 2選別部 105dは、第 1選別部 105cで選別されたピークのうち、振幅レベルが大 きい方力 所定の個数までのピークを選別する。その最も簡単な方法として、たとえ ば公知のソーティングアルゴリズムを用いて複数のピークをレベルに関して降順ある いは昇順ソートした後、上位のもの、即ち、値の大きなもの力 順に選別する方法を あげることができる。
[0092] 図 2に周波数スペクトル波形の例を示す。この例は、傷ありと診断された振動データ をエンベロープ処理したスペクトルとその移動平均処理後のスペクトルを示している。 ここでの移動平均は、次式に示すような 7点の移動平均である。
[0093] [数 4] = Σ )
w0 = 4, wl = w_x = 3, w2 = w_2 = 2, 3 = _3 = 1 重み係数 wは、上記の値に限らないが、 j = 0に関して対称で j = 0の点の重みを一 番大きくするという条件は外さないことが望ましい。 図 2の例では、比較的 SZN比 が良好であるので、軸受外輪の傷による基本波成分 flと高調波成分 f 2、 f3、 f4は、 移動平均処理の前後において際だって見える力 S、移動平均処理後では雑音による 偽のピークが極めて少なくなつたのがわかる。
[0094] 図 2のように移動平均処理されたスペクトルを移動平均化処理部 105aで平滑ィ匕微 分し、平滑ィ匕微分ピーク抽出部 105bで微分係数の符号が正力も負へ変化する周波 数ポイントをピークとして検出した後、第 1選別部 105cで閾値以上のものを抽出し、 それらを第 2選別部 105dでソーティングしてそのうちの上位 5個までをピークとして抽 出することにより、ピーク周波数 fl、 f2、 f3、 f4が求められる。その際の平滑化微分係 数 yiは、離散化周波数スペクトルを xiとすると、次式で表される。
[0095] [数 5]
Figure imgf000025_0001
通常の数値微分と異なり、この式では平滑ィ匕の効果を持たせるために、より離れた ポイント同士の差分により大きな重み付けをしているので、整数演算だけで微分演算 が可能であるし、割り算も必要ない。したがって、浮動小数点演算ユニット (FPU)や 除算命令を持たないマイクロコンピュータでも無理なく演算することができる。
[0096] 上記のようにして第 2選別部 105dにより得られた周波数スペクトル (エンベロープ周 波数分布）のピークのデータが、診断部 106に入力される。
[0097] 診断部 106は、入力された周波数スペクトルのピークのうち振動の主成分に対応す るピークあるいは振動の主成分および高次成分に対応するピークと診断対象の異常 を示す周波数とを比較し、その一致度を求める。そして、求めた一致度に点数を付け て累計することで、信頼性の高い診断を行なう。たとえば、主成分、 2次、 4次の 3成 分と異常を示す周波数との比較を行ない、主成分とその他の成分とが検出されれば 、傷が発生している可能性があると判断して、予め設定された点数テーブル内の該 当するポイント数を加算する。点数テーブルの例を下記の表 1に示す。図 2の例では 、主成分、 2次、 4次の 3成分とも検出されているので、 4点が加算されることになる。
[0098] [表 1] 検出成分 ポイン卜数
波成分、 2次、 4次 4
波成分、 2次 2
&^波成分、 4次 1 図 3に示す周波数スペクトル波形の例では、外部衝撃によるノイズを受けながらも軸 受外輪の傷による周波数のピークが抽出されている。図 2の場合と同様に、平滑化微 分を行なってピーク検出を行なった後、閾値以上のものをソーティングして上位 5個 までをピークとして抽出した結果、主成分と 2次成分とが検出されている。この場合の 加算ポイント数は 2点である。
[0099] 図 4に示す周波数スペクトル波形の例では、外部衝撃によるノイズが大き過ぎたた め、ピークが検出されていない。この場合の加算ポイント数は 0点である。
[0100] 図 5は衝撃性のノイズが入ったときの振動波形の例を示している。このように振幅が 大きく且つ突発的な衝撃性のノイズが入った振動波形のエンベロープの周波数分析 結果は、 DC (直流)成分に近い低周波側が大きくなつてしまい、図 4の例のように微 小傷による振動のピークが隠れてしまう。このような場合には無理に傷による信号成 分を検出するための処理を行なう必要はない。
[0101] この異常診断システムは、図 6に示すように、上述の振動信号検出から異常ポイント 数判定までの一連の処理を所定回数 N (たとえば 30回)繰り返して上記ポイント数を 累計し、その累計ポイント数によって異常診断を行なう。図 6において、 nは現在の回 数、 PAは 1回のスペクトル測定における診断ポイントを、 PACCは PAの累積値をそ れぞれ示している図 2、図 3および図 4に例示した周波数スペクトル波形を各々 1回サ ンプリングして異常診断するのに要する時間は 1秒程度である。したがって、診断結 果を得るために許容される時間が 40〜60秒程度あれば、約 40〜60回の診断を繰り 返して上記ポイント数を累計し、その累計ポイント数によって異常診断を行なうことが 可能である。ただ 1回のみのサンプリングによる異常診断では、図 2〜図 4のようにど のようなスペクトルが得られるか不明である力 周波数ピーク検出を繰り返してその都 度、診断ポイント数を加算していき、ポイント数の累計値を評価することにより、スぺク トルのばらつきの影響を軽減して異常診断を高精度に行なうことができる。
[0102] 図 7は、傷のない正常な軸受の診断スペクトルであり、ピーク検出を行なった結果、 傷による振動の周波数成分が検出されな力つた実測結果を示している。移動平均化 された周波数分析結果に一見何か特徴がありそうに見えるが、閾値およびソーティン グによる選別処理の結果、軸受異常による周波数成分とは無関係であったため、表 1 の異常診断ポイントは加算されない。
[0103] 図 8は、軸受の微小傷品と正常品の異常診断を 40回繰り返しその診断ポイントの 累計数を棒グラフにして示したものである。微小傷品と正常品とでは累計ポイント数 に大きな開きがあるため、累計ポイントを 40回分程度累計することにより、軸受の異 常診断を正確に行なえることがわかる。また、微小な傷であるにもかかわらず正常品 との間に大きな差が生じることから、図 8に示すように閾値の範囲を大きく取れるため 、この範囲をグレーゾーンとして段階的な警報を発するようにすることも可能である。
[0104] 以上説明したように、この形態例の異常診断システムでは、機械設備から発生する 音または振動を検出し、その検出信号のエンベロープを求め、そのエンベロープを 周波数スペクトルに変換し、得られた周波数スペクトルを移動平均化処理し、更にそ のスペクトルを平滑ィ匕微分して、微分係数の符号が正力 負へ変化する周波数ボイ ントをピークとして検出した後、所定の閾値以上のものを抽出し、それらをソーティン グしてそのうちの上位所定数個をピークとして抽出し、それらのピークのうち振動の主 成分に対応するピークあるいは振動の主成分および高次成分に対応するピークと診 断対象の異常を示す周波数との一致度を求め、その一致度に点数を付けて複数回 分累計し、その累計値を評価することにより異常を診断するので、異常信号や異常 予兆信号と雑音信号との SZN比が小さい条件下においても、雑音信号を異常ある いは異常予兆信号と誤検出することなぐ極めて高精度に且つ高効率に異常診断を 実施できる。
[0105] なお、本発明は上記形態例に限定されない。たとえば、図 1中に破線ブロックで示 すように、 AZD変^^ ADC102とエンベロープ処理部 103との間にデジタルフィル タ (LPF'HPF) 108を設け、高域の雑音成分を除くとともに DCオフセットを除くことが 望ましい。また、 FFT部 104の前にデシメーシヨン部 109を設け、必要な周波数に応 じて間引き処理（デシメーシヨン）を行なうようにしてもよい。エンベロープ処理の後で 信号の間引き処理を行なって、エンベロープ波形解析のための FFT演算のポイント 数を少なくすることにより、検出された信号の周波数分解能の向上と FFT演算の効 率向上とを両立させて、軸受の異常診断を高精度に且つ高効率に実施することがで きる。 [第 2の形態例]
図 9は本発明の異常診断システムの第 2の形態例を示すブロック図、図 10は本発 明の異常診断システムの具体的構成要素であるマイクロコンピュータ (MPU)とその 周辺回路の形態例を示すブロック図である。
[0106] 図 9に示すように、本発明の異常診断システムは、アンプ'フィルタ (フィルタ処理部 ) 201、 AZD変換器 202、第 1デジタルローパスフィルタ 203、第 1デシメーシヨン部（ 間引き部） 204、エンベロープ処理部 205、第 2デジタルローノ スフィルタ 206、第 2 デシメーシヨン部（間引き部） 207、 FFT演算部 208、診断部 209、回転速度変換処 理部 210、および診断結果出力部 211を備えている。
[0107] アンプ'フィルタ 201には、診断対象の機械設備から発生する音または振動を検出 するセンサ (振動センサ、音響センサ、等）により検出された信号が入力される。アン プ 'フィルタ 201は、入力された信号を所定のゲインで増幅するとともに、所定周波数 (ここでは 80kHz)以上の信号を遮断する。
[0108] AZD変換器 202は、アンプ'フィルタ 201を通過したアナログ信号を、所定のサン プリング周波数 (ここでは 250kHz)でサンプリングし、デジタル信号に変換する。一 度にサンプリングするポイント数はおよそ 20万とする。データ長は 16ビットである。図 10に示すように、このシステムは信号処理回路としてマイクロコンピュータ 220を使用 しているが、外付けの RAM221を備えているので、この程度の変数領域を確保する ことは容易である。マイクロコンピュータ 220は浮動小数点ユニット (FPU)を備えて!/ヽ ない。
[0109] 第 1デジタルローパスフィルタ 203は、 AZD変換器 202により生成されたデジタル 信号のうち、所定の周波数 (ここでは 10kHz)以下の信号のみ通過させるものであり、 たとえば 55次の FIRフィルタで構成されて!、る。図 11は第 1デジタルローパスフィル タ 203の周波数特性を例示している。このフィルタ 203は、 10kHz (fp)以下ではまつ たく減衰せず、 10kHz (fp)から 25kHz (fq)まで減衰率が増加し、 25kHz以上では 60dBの減衰率になる。 25kHz (fq)で阻止域に達する周波数帯域の波形に対して は、サンプリング周波数が少なくとも 50kHzあれば十分である。
[0110] 第 1デシメーシヨン部（間引き部） 204は、第 1デジタルローパスフィルタ 203を通過 した信号を所定のサンプリング周波数 (ここでは 50kHz)でサンプリングすることにより 間引き処理する。 AZD変 202によるサンプリング周波数が 250kHzであるので 、サンプリングポイント数 (データ数）が 1Z5に間引かれる。これにより、 20万ポイント あったデータ力 0960ポイントのデータに削減される。 エンベロープ処理部 205は、 第 1デシメーシヨン部 204により取り出された信号のエンベロープ信号 (包絡線波形 信号)を求める。
[0111] 第 2デジタルローパスフィルタ 206は、エンベロープ処理部 205により得られたェン ベロープ信号のうち、所定の周波数 (ここでは 1kHz)以下の信号のみ通過させるた めのフィルタであり、たとえば 110次の FIRフィルタで構成されている。図 12は第 2デ ジタルローパスフィルタ 206の特性波形を例示している。このフィルタ 206は、軸受の 異常を示す特徴周波数に合わせてフィルタリング処理を行なうものであり、 1kHz (fp )以下では全く減衰せず、 1kHzから 2. 5kHzまで減衰率が増加し、 2. 5kHz (fq)以 上では 60dBの減衰率になる。
[0112] 第 2デシメーシヨン部（間引き部） 207は、第 2デジタルローパスフィルタ 206を通過 した信号を所定のサンプリング周波数 (ここでは 5kHz)でサンプリングすることにより 間引き処理する。第 1デシメーシヨン部 204によるサンプリング周波数 (fs)が 50kHz であるので、その 1Z10のサンプリングポイントに間引かれる。 2. 5kHzで阻止域に 達する周波数の波形に対しては、サンプリング周波数が少なくとも 5kHzあれば十分 である。この間引き処理により、 40960ポイントあったデータが 4096ポイントのデータに 削減される。
[0113] FFT演算部 208は、第 2デシメーシヨン部 207により間引き処理した後のェンベロ ープ信号を周波数解析する。この例の場合、 4096ポイントのデータを使用して、検出 された信号のエンベロープの周波数分析を行なう。これにより 5000Z4096= 1. 22Η ζの分解能で周波数分析がなされる。
[0114] 診断部 209は、 FFT演算部 208にて周波数解析された結果より得られるピークの なかで、転がり軸受に起因した周波数の基本周波数成分及び高周波数成分の大き さと、回転速度変換処理部 210より与えられる判定基準データ（回転速度）と軸受の 諸元から得られる軸受の異常を示す周波数とを比較し、その結果に基づ 、て転がり 軸受の異常を診断する。
[0115] 回転速度変換処理部 210は、転がり軸受に設けられた図示しない回転センサから の回転信号に応じた判定基準データを生成し、そのデータを診断部 209に与える。
[0116] 診断結果出力部 211は、診断部 209による診断結果を出力する。
[0117] 図 13 (a)は FFT演算部 208による演算の結果得られたエンベロープのスペクトル 波形を示している。これは転がり軸受の外輪傷成分を捉えたもので、基本周波数成 分 (fl)と高周波成分 (f2〜f 6等）が明瞭に表れている。この場合、診断部 209は、回 転速度変換部 210から得られる回転速度と軸受の諸元から得られる軸受の異常を示 す周波数を算出し、図 13 (a)における基本周波数と 6次までの高調波成分とを比較 した結果、外輪欠陥に起因する周波数成分と一致したため、外輪に異常があるとの 診断結果を出力した。
[0118] ここで比較例として、サンプリング周波数 fsを 25kHz、カットオフ周波数 fcを 10kHz とした上記の例と同じ条件の波形をエンベロープ処理して力 FFT演算して得られ たスペクトル波形を図 13 (b)に示す。 FFT演算のポイント数は 16384であるから、こ の比較例における周波数分解能は 25000Z16384= 1. 526Hzである。 本発明の 形態例（図 13 (a) )では、比較例（図 13 (b) )に対して FFT演算のポイント数が 16384 力 その 1/4の 4096に減った上に分解能は約 1. 53Hz力 1. 22Hzに向上してい る。これはエンベロープ処理の前後で間引き（デシメーシヨン）処理を行なったことに よる効果である。
[0119] 図 14は、 FFT演算のポイント数を少なくしたことによる FFT演算処理時間削減の効 果を示している。この形態例の場合、 FFT演算処理を実行するハードウェアとして図 10に示すように内部に高速 RAM220cを有するマイクロコンピュータ 220を使用した 。このマイクロコンピュータ 220の内部の高速 RAM220cには 4096ポイントまでの F FTデータを収めることができた。その結果、 8192ポイント以上の FFTデータを収め た場合の計算時間よりも圧倒的に速く計算することができた。このような高速 RAM22 Ocを持たな 、システムにお 、ても、図 14中の点線に示したような演算サイクル数 (FF T演算処理時間）の削減効果が得られる。 FFTは 2のべき乗の点数で計算することが 必要なので、この例では結果的に 4096ポイントになるようにサンプリングと間引き処 理を行なった力 仮に 4096ポイントに過不足があってもその分のポイント数を省くか または 0のデータを前後に追加すればょ 、。
[0120] 図 15は、転がり軸受の外輪診断の SZN比の絶対比較を示すグラフである。基本 波と 6次までの高調波成分とそれらの成分を除いた 1kHzまでの成分の比が SZN比 で示されている。図 15中の Aは上記比較例に対応している。 Cは上記形態例に対応 して 、る。 Bは第 2のデジタルローパスフィルタ 206を省略した場合の S/N比である 。 Aと Cとの比較では、両者の SZN比にさほど差異はないといえる力 Cの方が若干 良い。 Cの方が Aよりも FFT演算のポイント数が少ないにも拘わらず、 SZN比が向上 しているのは第 2のデジタルローパスフィルタ 206による帯域制限の効果である。
[0121] 以上説明したように、この形態例の異常診断システムでは、エンベロープ処理の前 後で信号の間引き処理を行なって、センサにより検出された信号のエンベロープ波 形解析のための FFT演算のポイント数を少なくしたことにより、信号の周波数分解能 の向上と FFT演算の効率向上とを両立させて、軸受の異常診断を高精度に且つ高 効率に実施することができる。
[0122] また、この異常診断システムでは、センサにより検出された信号の AZD変換時の サンプリングレートを高めに設定して力も周波数帯域制限および間引き処理を行なう ため、アンチエリアシングフィルタの省略が可能である。すなわち、 AZD変換器 202 によるサンプリング周波数 fs (250kHz)の 1Z2 (ナイキスト周波数 fs/2)以上の周波 数の信号を第 1デジタルローパスフィルタ 203でカットするため、通常はアンチエリア シングフィルタを挿入する必要がある力 ここではアンプ'フィルタ 201の周波数帯域 力 S80kHz未満であるのに対して、 AZD変^ ^202によるサンプリング周波数が 250 kHzであるので、サンプリング定理を満たしており、アンチエリアシングフィルタは不 要となった。これにより、異常診断システムの低コストィ匕が可能となった。
[第 3の形態例]
図 16は本発明の異常診断システムの第 3の形態例を示すブロック図である。第 3の 形態例では、第 2の形態例においてエンベロープ処理部 205の前後に設けられてい たデジタルローパスフィルタ 203、 206およびエンベロープ処理部 205の前のデシメ ーシヨン処理部 204が省略されている。この構成は、 SZN比が多少低下しても、少 ないポイント数の FFT演算でエンベロープ波形解析の周波数分解能を高めることが できればよい場合に適用できる。
[0123] デジタルローパスフィルタを使用しない間引き処理は、エリアシングの影響を受ける 反面それ自体がローパスフィルタ処理の役割を果たす。そしてエンベロープ処理もそ れ自体が結果的にローパスフィルタ処理の働きを兼ねるので、デシメーシヨン処理部 207の前のデジタルローパスフィルタ 206を省略できる場合は多 、と考えられる。前 段のアンプや伝送路の周波数特性力もエリアシングを起こさな 、ことが分力つて 、る 場合は、デジタルローパスフィルタを使用せずに間引き処理を行なうことは何の差支 えもない。
[0124] なお、デジタルフィルタの演算効率は FFT演算の場合と若干性格が異なる。 FFT は一括演算処理のためデータ数が少ないほど演算速度が向上するのに対し、デジタ ルフィルタは基本的に逐次処理を行なうためフィルタの次数が問題となる。しかし、上 記の形態例では、エンベロープ処理部 205の後の第 2デジタルローパスフィルタ 206 でも 100〜200のフィルタ次数を見込んでおけばよい。この程度のフィルタ次数であ れば、一般的なマイクロコンピュータ 210内の高速メモリ 210aにおける処理に何ら問 題ない。
[0125] また、第 2および第 3の形態例では、マイクロコンピュータ 220が FPU (浮動小数点 演算ユニット）を備えて 、な 、ため、固定小数点演算に適した FIRフィルタを使用した 力 FPUを備えたシステムの場合にはデジタルローパスフィルタに IIRフィルタを使用 すれば、計算精度を落とすことなくフィルタ次数を低減できる。
[第 4の形態例]
図 17は本発明の異常診断システムの第 4の形態例を示すブロック図 (ハードウェア 構成図）である。図 18は第 4の形態例の異常診断システムにおける一連の処理の流 れを示すフロー図である。 マイクロコンピュータ 220には、シンクロナス DRAM (SD RAM) 221a,フラッシュメモリ 222、アンプ'フィルタ（フィルタ処理部） 223、および液 晶表示器 (LCD) 224が接続されて 、る。
[0126] マイクロコンピュータ 220は、 CPU220aの他に DSP220b、およびキャッシュ RAM 220cを備えている。 [0127] DSP220bは、専用の命令で積和演算を 1サイクルで実行できるように、それぞれ 専用のバスで接続された X-RAMと Y-RAMとからなる XZY-RAM220eを内蔵し ている。 X- RAMと Y- RAMの容量は 8キロバイトずつである。 DSP220bは、命令バ スと合わせて 3つのバスに同時にアクセス可能であり、複数の命令を同時に実行する ことができる。 X/Y- RAMは、デュアルポート RAM、デュアルアクセス RAM、マル チポート RAM、等とも呼ばれる。
[0128] シンクロナス DRAM221a、フラッシュメモリ 222およびアンプ ·フィルタ 223は、 CP U220aの外部バスに接続されている。シンクロナス DRAM221aは、主記憶として機 能する 32MB (メガバイト）の容量のメモリである。フラッシュメモリ 222は、プログラム 格納領域として機能する 4MBの容量のメモリである。フラッシュメモリ 222には、図 18 に示す一連の処理を実施するためのプログラムが格納されている。アンプ ·フィルタ 2 23は、センサからの信号を増幅するアンプ 223aと、アンプ 223aにより増幅された信 号を所定のサンプリング周波数 (ここでは 250kHz)でサンプリングし、デジタル信号 に変換する 16ビットの分解能の AZD変翻 223bとで構成される。
[0129] シンクロナス DRAM221aおよびフラッシュメモリ 222は、 CPU220aよりも動作速度 が遅いため、 CPU220aの高速性を生かすためにはキャッシュメモリが不可欠である 。そのために、マイクロコンピュータ 220には、データ Z命令混在型のキャッシュ RA M220c力内蔵されて 、る。
[0130] DMAC220dは、シンクロナス DRAM221aに対して A/D変^^ 223bで得られ たデータを CPU220aを使わずに転送する DMA動作を制御する。 液晶表示器 22 4は、診断情報を表示するための出力装置である。
[0131] 図 18に示す一連の処理に含まれるデジタル演算処理のうち扱うデータの量が最も 大き!/、のは FFT演算処理（S204)である。 FFT演算処理（S204)を DSP220bで行 なうには、 FFT演算処理（S204)で使用するデータが XZY_RAM220eに収まる必 要がある。
[0132] 一方、軸受の振動解析によって傷を検出するには、 10kHz程度までの周波数帯域 で振動を検出する必要があるが、傷を捕捉するための軸受の転動体の通過振動数 は一般的には 1kHz以下になる。この例では、診断対象である軸受の転動体通過振 動数が 100Hz以下の低 、周波数であるものとする。
[0133] このように転動体通過振動数が低!、場合、軸受の異常を正確に診断するには比較 的長い時間の波形サンプリングが必要である。
[0134] そこで、図 18のサンプリング処理（S201)では、アンプ.フィルタ 223からの信号に 対し、 48kHzのサンプリング周波数でサンプリングを行なって、 40000点以上のデ 一タカもなる波形データをサンプリングする。この場合、 800ms以上のサンプリング 時間 Twを確保できる。 FFT演算処理 (S204)の周波数分解能 Δ ίは、このサンプリ ング時間 Twで決まる。すなわち、周波数分解能 Δ ίは、サンプリング時間 Twの逆数 (lZTw)である。
[0135] 絶対値処理（S202)は、エンベロープ処理と同様の処理であり、デジタル処理では ヒルベルト変換による方法等に比べて大幅に演算を簡略ィ匕できる。この処理では、サ ンプリング処理（S201)にてサンプリングした信号のエンベロープまたは絶対値波形 に対して、 DC成分を消すために平均値をとつて、振幅 0のラインを引き直す。
[0136] デシメーシヨン処理（S203)では、絶対値処理（S202)を経たエンベロープまたは 絶対値波形信号を所定のサンプリング周波数 (ここでは 4. 8kHz)でサンプリングす ることにより間引き処理する。 FFT演算処理（S204)では、デシメーシヨン処理（S2 03)により間引き処理した後の信号を周波数解析する。
[0137] FFT演算処理 (S204)におけるデータは、実数部と虚数とからなり、それぞれ XZ Y-RAM220eの X-RAMと Y-RAMに割り当てられる。入力と出力でメモリ領域を供 給させる方式とすれば、 8kB分のデータ長を FFTできる。 AZD変換器 223bの分解 能が 16ビット（2バイト）なので 8192Z2バイトすなわち 4096点までのデータを DSP2 20bで処理することが可能である。逆に 4096を越える点数のデータは DSP220bで は扱えなくなる。そこで、本例では、データ長が 4096になるように、デシメーシヨン処 理（S203)にて間引き処理を行なっている。サンプリング周波数 fs=48kHzを 1Z1 0に間引くと、 fs=4. 8kHzになる。これでも軸受欠陥を検知するのに必要な 1kHzの 周波数帯域を確保するには十分なサンプリング周波数である。
[0138] スペクトル評価処理（S205)では、 FFT演算処理（S204)にて周波数解析された 結果より得られる周波数スペクトルのピークを検出し、そのピークと軸受異常周波数と を比較し、その比較結果に対応する部位別異常診断インデックスを参照することによ り異常か否かを評価する。
[0139] 異常診断ポイント加算処理 (S206)では、スペクトル評価処理 (S205)により異常と 評価された数をカウントする。 反復回数判定処理 (S207)では、スペクトル評価処 理 (S205)を行なった回数 (評価回数 nl)が所定の回数 N1に達したカゝ否かを判定 する。 位相シフト処理 (S208)は、反復回数判定処理 (S207)にて評価回数 nlが 所定の回数 N1に達して 、な 、（S207で No)と判定された場合に実行される。この処 理により、位相をずらしてデシメーシヨン処理（S203)以降の処理が反復される。
[0140] 波形取込回数判定処理 (S209)は、反復回数判定処理 (S207)にて評価回数 nl が所定の回数 Nlに達した (S207で Yes)と判定された場合に実行される。波形取込 回数 n2が所定の回数 N2に達していない場合は（S209で No)、サンプリング処理（S 201)以降の処理が反復される。波形取込回数 n2が所定の回数 N2に達した場合 (S 209で Yes)は、評価 Z判定処理（S210)に進む。
[0141] 評価 Z判定処理 (S210)では、異常診断ポイント加算処理 (S206)によりカウントさ れた異常評価ポイント数に基づいて軸受の異常の評価 Z判定を行なう。
[0142] 上記のように、この形態例では、スペクトル評価処理 (S205)を実施する度に位相 をずらして複数回のデシメーシヨン処理 (S203)を実施し、 1回のサンプリング波形に 対して複数回の FFT演算処理 (S204)を行なって診断ポイントを累計する方法を採 つている。これは、単に間引きをしたデータを 1回の FFTで評価したのでは 48kHzの 周波数でサンプリングする意義が小さくなり、最初から 4. 8kHzでサンプリングしたの と同じことになるためである。軸受の転動体通過周期は長くても、通過中に起こる衝 撃波は傷が小さいほど短時間で減衰するので、高サンプリングは本来有効であり、こ れを生かすために複数回の位相シフト処理および FFT演算処理を行なって!/、る。
[0143] 図 19 (a)、 （b)は、振動のエンベロープ波形に対して位相をずらして間引き処理を 行なう様子を示している。位相シフトは、サンプリングポイントを 1ポイントずらすことに 相当する。図 19の例では、參（黒丸)だけサンプリングする（a)の状態に対し (b)の状 態は 1ポイントだけ位相シフトして〇 (白丸)だけ再サンプリングして ヽる様子を示して いる。図 19の例では、 1/5に間引きを行なっているため、最大 5通りの再サンプリン グの糸且が得られる。
[0144] したがって、 1Z10に間引きを行なった場合は、最大 10通りの再サンプリングの組 が得られる。この 10通りの組すベてを FFT演算処理し、検出された周波数成分に応 じた評価ポイントを積算した結果を下記の表に例示する。
[0145] [表 2]
Figure imgf000036_0001
図 20は位相シフトと FFT演算処理の繰り返しによる転がり軸受の外輪傷診断結果 を示している。この例では、転がり軸受の外輪軌道面に人工傷を付けたサンプル（1、 2)と傷の無い正常なサンプル (3、 4)とを用意し、軸受の外輪傷の特徴周波数成分 を主成分として試験を行なった。一定の時間、このポイントの累計をとり、それを外輪 欠陥指標とした。周波数成分の検出は、 FFTスペクトルの移動平均と平滑化微分に よるピークを検出することにより行ない、さらにスペクトル成分の大きさにより上位 9個 の成分に絞り込んだ。
[0146] 図 21は FFT演算処理の時間について、 DSP220bを使った場合と CPU220aのみ で行なった場合とを対比させて示したグラフである。この例では、 FFT演算の点数を 、 DSP220bに命令と同時に 2つのデータを読み込むことのできる高速メモリ 220eの 容量に合わせて 4kワード長としたので、 FFT演算を DSPで高速に実行することがで きた。
[0147] 以上説明したように、この形態例の異常診断システムでは、デジタル化されたェン ベロープ波形に対して DSP220b内の XZY-RAM220eの容量に見合ったデータ 数までサンプリング周波数を下げて FFT演算処理を行なうようにしたので、 DSP220 bによる高速 FFT処理が可能であり、しかも絶対値処理の後で間弓 Iき処理を行なって 、エンベロープ波形解析のための FFT演算のポイント数を少なくしたことにより、信号 の周波数分解能の向上と FFT演算の効率向上とを両立させて、軸受の異常診断を 高精度に且つ高効率に実施することができる。 [第 5の形態例]
図 22は第 5の形態例の異常診断システムにおける一連の処理の流れを示すフロー 図で
ある。このフローは、デシメーシヨン処理（S203)の前にデジタルローパスフィルタによ るフィルタ処理 (S211)が挿入されている点が図 18と異なる。また、反復回数判定処 理（S207)および位相シフト処理（S208)は省略されて!、る。
[0148] このように、デシメーシヨン処理（S203)を行なう際、デジタルローパスフィルタで帯 域を予め下げておくことにより、エリアスシング等の影響を抑えて確実に低域の FFT 演算処理を実行することができる。図 18の方式に比べると、デジタルローパスフィル タ用のプログラムコードとフィルタの特性に合わせて算出されたフィルタ係数とが余計 に必要にはなるが、雑音の除去が確実に行なわれる点では有利である。図 23は第 5 の形態例の場合の外輪傷診断結果を示して ヽる。試験に使用したサンプルは図 20 の場合と同じである。
[第 6の形態例]
図 24は第 6の形態例の異常診断システムの形態例を示す機能ブロック図である。
[0149] 図 24に示すように、第 6の形態例の異常診断システムは、アナログアンプフィルタ 部 301、 AZD変換部 302、デジタルフィルタ部 303、デシメーシヨン部 304、絶対値 化部（エンベロープ処理部） 305、ゼロ補間部 (補間処理部） 306、ハユング窓関数処 理部 307、 FFT部 308、ピーク検出部 309、軸受欠陥基本周波数算出部 310、比較 部 311、積算部 312、診断部 313、および診断結果出力部 314を備えている。
[0150] アナログアンプフィルタ部 301には、診断対象の機械設備から発生する音または振 動を検出する振動センサ (音響センサを含む） 317により検出された信号が入力され る。アナログアンプフィルタ部 301は、入力された信号を所定のゲインで増幅するとと もに、所定周波数以上の信号を遮断する。
[0151] AZD変換部 302は、アナログアンプフィルタ部 301を通過したアナログ信号を、所 定のサンプリング周波数でサンプリングしてデジタル信号に変換する。
[0152] デジタルフィルタ部 303は、 AZD変換部 302により生成されたデジタル信号のうち 、所定の周波数帯域の信号のみ通過させる。 [0153] デシメーシヨン部 304は、デジタルローパスフィルタ部 303を通過した信号を所定の サンプリング周波数でサンプリングすることにより間弓 Iき処理する。
[0154] 絶対値化部 305は、デシメーシヨン部 304により取り出された信号のエンベロープ（ 包絡線波形)を離散化データとして求める。
[0155] ゼロ補間部 306は、絶対値化部 305により得られたエンベロープの離散化データを 任意の周波数分解能で高速フーリエ変換するためにゼロ詰め補間する。ここで、ゼロ 詰め補間とは、 FFT部 308によるサンプリング周波数が 2の累乗になるように、不足 が生じる場合にエンベロープの離散化データに 0を追加して調整する補間をいう。
[0156] ハユング窓関数処理部 307は、ゼロ補間部 306により補間処理された後の信号に 所定周期のハニング窓関数を掛けることにより、診断に使用する信号を切り出す。
[0157] FFT部 308は、ハユング窓関数処理部 307により切り出された信号を FFTアルゴリ ズムにより周波数解析し、周波数スペクトル波形信号を生成する。
[0158] ピーク検出部 309は、 FFT部 308により得られた周波数スペクトルのピークを検出 する。
[0159] 軸受欠陥基本周波数算出部 310は、回転速度検出器 315により検出された転がり 軸受の回転速度と、軸受諸元を記憶させた ROM316から読み出された軸受の内部 諸元とに基づいて軸受の欠陥を示す基本周波数を算出する。
[0160] 比較部 311は、ピーク検出部 309により得られたピークと、軸受欠陥基本周波数算 出部 310により算出された周波数とを比較し、その一致度を数値ィ匕して出力する。
[0161] 積算部 312は、比較部 311からの出力値を積算し、その結果を出力する。
[0162] 診断部 313は、積算部 312による積算結果に基づいて異常を診断する。
[0163] 診断結果出力部 314は、診断部 313による診断結果を出力する。
[0164] 上記ピーク検出部 309は、移動平均化処理部と、平滑化微分処理部と、閾値選別 部と、ソーティング選別部とを備えている。
[0165] 移動平均化処理部は、 FFT部 308により得られた周波数スペクトル (周波数領域の 離散データ)を左右対称に重み付けして移動平均化する。
[0166] 平滑化微分処理部は、移動平均化処理部による移動平均化処理の際に数値微分 演算を行な ヽ、微分係数の符号が変化する周波数ポイントを周波数スペクトルのピ ークとして抽出する。
[0167] 閾値選別部は、平滑ィ匕微分処理部により抽出されたピークのうち、振幅レベルの二 乗平均平方根が閾値以上のものを選別する。閾値には、平滑化微分処理部により抽 出されたピークのパワー平均値や二乗平均平方根に応じて決まる相対的な値を用い る。
[0168] ソーティング選別部は、閾値選別部で選別されたピークのうち、振幅レベルの二乗 平均平方根が大き!、方から所定の個数までのピークを選別する。その最も簡単な方 法として、たとえば公知のソーティングアルゴリズムを用いて複数のピークをレベルに 関して降順ソートした後、上位のものから選別する方法をあげることができる。
[0169] ここで、第 6の形態例の異常診断システムの具体的構成要素であるマイクロコンピュ ータ（MPU)とその周辺回路の形態例を示すブロック図（ノ、一ドウエア構成図）につ いては、図 17と同様な構成が考えられる。尚、それらの説明については前述した通り であるので、ここでは説明を割愛する。
[0170] ところで、図 24に示す異常診断システムでデジタル演算処理を行なう機能ブロック のうち一度に（1ループ毎に）扱うデータの量が最も大きいのは FFT部 308である。 F FT部 308を MPU220内の DSP220bで実現するには、 FFT演算処理で使用する データが XZY_RAM220eに収まる必要がある。
[0171] 一方、軸受の振動解析によって傷を検出するには、 10kHz程度までの周波数帯域 で波形を観測する必要がある力 傷の特徴となる周波数は一般的には 1kHz以下に なる。
[0172] この例では、診断対象である軸受の傷の特徴周波数が 100Hz以下の低い周波数 であるものとし、 FFT部 308の周波数分解能を 1Ηζ (±0. 5Hz)、サンプリング周波 数を 32. 768kHz,サンプリング時間（Tw)を 750msとする。したがって、生波形の サンプリング個数は 32768 X 0. 75 = 24576である。最終的に FFT部 308で周波数 スペクトルを求める段階では、サンプリング時間が Isとなるようにゼロ補間を行なうこと により、周波数分解能は 1Ηζ (±0. 5Hz)となる。
[0173] デジタルフィルタ部 303の通過帯域幅は、異常に起因する振動とノイズとの SZN 比が最も大きくなる周波数帯域に合わせて選定される。たとえば、予め lkHz〜4kH zの周波数帯域で剥離欠陥の SZN比が最大になることが分力つている場合、デジタ ルフィルタ部 303の通過帯域幅を lkHz〜4kHzに選定する。この種のデジタルフィ ルタは、 FIRフィルタ、 IIRフィルタ、 FFTと逆 FFT(IFFT)を用いたフィルタ、等で構 成することが可能であるが、固定小数点演算方式の DSPを内蔵した RISC型マイコ ンの場合は FIRフィルタが適して!/、る。
[0174] 絶対値化処理部 305は、エンベロープまたは絶対値波形に対して DC成分を消す ために平均値をとつて、振幅ゼロのラインを引き直す。この絶対値処理（エンベロープ 処理）により、軸受欠陥に起因した 1kHz未満の低域の信号が顕在化する。この時点 では、高域の信号も含まれたままになっているので、 FFTを行なう前に 1kHz未満の 低域の信号のみ通過させる FIRローパスフィルタをかけておくことが望まし!/、が、既に 生波形に対してデジタルフィルタ部 303によるバンドパスフィルタ処理と絶対値ィ匕処 理部 5による絶対値化 (エンベロープ抽出）処理とを施してあるので、 FFT部 308の 直前におけるローパスフィルタ処理を省略しても軸受欠陥の診断精度への影響は少 ない。
[0175] デシメーシヨン部 304による FFT演算ポイントの間引き率（間引き量)およびゼロ補 間部 306による補間率あるいは補間ビット数は、分析すべき周波数帯域、周波数分 解能、 FFT演算点数、等に応じて決められる。この例では、 MPU220内の DSP220 bによる超高速 FFT演算処理を実現しょうしとしているため、 FFT演算点数は DSP2 20bから並列専用バスでアクセスできる XZY- RAM220eの容量によって自ずと制 限される。
[0176] FFT部 308で演算処理されるデータは、実数部と虚数部とからなり、それぞれ XZ Y-RAM220eの X-RAMと Y-RAMに割り当てられる。入力と出力でメモリ領域を供 給させる方式とすれば、 8kB分のデータ長を FFTできる。 AZD変換器 223bの分解 能が 16ビット（2バイト)であれば、演算変数も 2バイト長にしておくことにより、 8192/ 2バイトすなわち 4096点までのデータを DSP220bで高速処理することが可能である
[0177] 必要な周波数分解能 A fwは、サンプリング周波数 ， fft)が 1. OHzのときの FFT の区間長を Tw, fftとすると、 A fw= lZTw, fftで表される。したがって、 Tw, fft= 1 sであれば要件を満たす。
[0178] この例では、サンプリング時間 Tw, fftを 0. 75sとしたので、 0. 25sサンプリング時 間が不足する。この不足分をゼロ補間部 306で補間するのである力 単にゼロ補間し ただけでは、データ数が 32786にも及んでしまう。
[0179] そこで、当初のサンプリング個数（32768)を、 DSP220bの XZY-RAM220eの 容量と演算のバイト長から決まる上限の FFT演算点数である 4096に間引くと、デー タ数カ s当初の 1/8になり、 FFT咅 308のサンプリング周波数も 32768/8 =4096 に削減される。したがって、 FFT部 308で分析できる周波数の上限 (ナイキスト周波 数）は、その半分の 2. 048kHzになる力 それでもまだ軸受の欠陥を表す周波数（1 kHz未満）を十分にカバーして 、る。
[0180] この例では、これに準じて 32. 768kHzで 0. 75sのサンプリング（2457
6点）を行ない、デジタルフィルタ部 303と絶対値ィ匕処理部 305とで周波数帯域を低 域化した後に 1Z8の間弓 Iき処理を行な ヽ、サンプリング数とサンプリング周波数とを それぞれ 3072点、と 4. 096Hzに下げ、、 4096に足りな!/、点、には、 3072点、の後ろに 1 024個のゼロ（0)を詰めて 4096点のサンプリング波形データとする（図 25参照）。こ の波形データがハユング窓関数部 307を経て FFT部 308に入力される。ハユング 関数部 307は、入力波形データにハユング窓関数を掛けることにより、 FFT部 308に 入力される波形データの両端の影響を軽減する。この波形データを FFT部 308で F FTすること〖こより、周波数スペクトルが 1Hzの分解能で得られる。得られた周波数ス ベクトルデータは、ピーク検出部 309に入力される。
[0181] ピーク検出部 309では、 FFT部 308により得られた周波数スペクトルを左右対称に 重み付けして移動平均化する。これにより、周波数スペクトルが平滑化され雑音が軽 減される。
[0182] さらに、移動平均化処理の際に数値微分演算を行なう。そして、微分係数の符号が 変化する周波数ポイントを周波数スペクトルのピークとして抽出する。そして、抽出さ れたピークのうち振幅レベルの二乗平均平方根が閾値以上のものを選別し、振幅レ ベルの二乗平均平方根が大きい方力も所定の個数 (たとえば 10個）までのピークを 選別する。 [0183] 一方、軸受欠陥基本周波数算出部 310は、回転速度検出器 315により検出された 軸受の回転速度と ROM316から読み出した軸受の内部諸元とに基づいて軸受の欠 陥を示す基本周波数を算出する。回転速度検出器 315による軸受の回転速度の検 出は、振動センサ 317による振動検出と同期して (例えば 0. 75sに 1回)複数サイク ル繰り返し実施される。
[0184] そして、ピーク検出部 309により検出されたピークの周波数と、軸受欠陥基本周波 数算出部 310により算出された基本周波数とが、各サイクル毎に同期して比較部 31 1に入力される。
[0185] 比較部 311は、ピークの周波数と基本周波数とが入力される度に、基本周波数お よびその高調波成分とピークの周波数とを比較し、両者の一致する度合いに応じた 点数を付け (数値化）、その値を積算部 312に出力する。ここでの点数の付け方の例 を下記の表に示す。
[0186] [表 3]
Figure imgf000042_0001
この場合、一回の波形取り込みに対する診断処理は、算出された軸受欠陥に起因 する振動の基本周波数と 4次までの高調波成分に対して、検出されたピークが一致 する度合 ヽに応じた診断点数を付けることに相当する。
[0187] そして、周波数ピーク検出を繰り返してその都度、診断点数を加算していき、ポイン ト数の累計値を評価することにより、スペクトルのばらつきの影響を軽減して異常診断 を高精度に行なうことができる。
[0188] 図 26は、欠陥を導入した軸受 (欠陥品）と欠陥のな!ヽ軸受 (正常品）の診断点数の 累計値を棒グラフにして示したものである。この例は、内輪回転タイプの軸受に対し、 上記異常診断システムを使用してテストを行なったものである。内輪回転タイプの軸 受では外輪軌道に損傷を生じる場合が多いので、この例でも外輪軌道に傷を導入し てテストを行なった。 4セットの軸受を診断対象に用い、そのうちの 2セットに外輪傷を 導入した。このテストの条件では、外輪軌道に欠陥がある場合の基本周波数は 100 Hz以下であった。基本波に関しては、ピークの周波数が基本周波数の ± 1. OHzの 範囲内にあればピークの周波数と一致したものと判断し、 2次、 3次、 4次の各高調波 に関しては、ピークの周波数が各高調波周波数の ± 2. OHzの範囲内にあればピー クの周波数と一致したものと判断して、上記表 1の点数を加算した。テスト時間は 60 秒とした。 1サイクル分のサンプリング時間は 0. 75秒で、異常診断点数を出すための 演算所用時間は 0. 15秒程度かかる。データ取り込みは DMAで行ない、演算処理 は次回のデータを取り込む間に 0. 15秒で行なってしまうので、図 27のようにトータル で見れば、 60 ( + 0. 15)秒間連続で本システムを走らせることにより、 80 ( = 60/0 . 75)回の診断処理を実行できる。
[0189] 図 26に示すように、正常品であっても若干のノイズがカウントされる力 欠陥品との 差は歴然としている。欠陥品と正常品との間に大きな差が生じることから、閾値の範 囲を大きく取れるため、この範囲をグレーゾーンとして段階的な警報を発するようにす ることち可會である。
[0190] 図 21は FFT演算処理の時間について、 DSP220bを使った場合と CPU220aのみ で行なった場合とを対比させて示したグラフである。 DSP220b内の XZY-RAM22 Oeの容量に合わせるように、 FFT演算の点数をデジタルフィルタ部 303で帯域を下 げた後デシメーシヨン部 304で間引いたので、 FFT演算を DSP220bで極めて高速 に実行することができた。
[0191] 以上説明したように、この形態例の異常診断システムでは、検出信号をデジタル信 号に変換し、診断に必要な周波数帯域の信号を取り出し、それを間引き処理した信 号のエンベロープを求め、そのエンベロープを任意の周波数分解能で FFTするため にゼロ詰め補間し、更にハユング窓関数により診断に使用する信号を切り出した上で
、 FFTにより周波数分析し、得られた周波数スペクトルに基づいて異常を診断するの で、 FFT演算に使用する演算デバイスに合ったサンプリング周波数および周波数分 解能で検出信号を FFTして高精度に異常診断を実施できる。
[0192] また、 FFTにより得られた周波数スペクトルを移動平均化処理し、更にそのスぺタト ルを平滑ィ匕微分して、微分係数の符号が正力 負へ変化する周波数ポイントをピー クとして検出した後、所定の閾値以上のものを抽出し、それらをソーティングしてその うちの上位所定数個をピークとして抽出し、それらのピークのうち振動の主成分に対 応するピークあるいは振動の主成分および高次成分に対応するピークと診断対象の 異常を示す周波数との一致度を求め、その一致度に点数を付けて複数回分累計し、 その累計値を評価することにより異常を診断するので、異常信号や異常予兆信号と 雑音信号との SZN比が小さい条件下においても、雑音信号を異常あるいは異常予 兆信号と誤検出することなぐ極めて高精度に且つ高効率に異常診断を実施できる。
[第 7の形態例]
図 28は第 7から第 13の形態例の異常診断装置を備えた鉄道車両の概略構成図で ある。鉄道車両 401は、 4組の車輪（計 8輪) 402- 1〜402- 4と、それらを車台 403の 下に回転自在に保持する 4つの軸受 404-1〜404-4とを備え、車台 403に異常診 断装置 410が設置されて 、る。
[0193] 異常診断装置 410は、センサユニット 420と制御盤 430とを備えている。センサュ- ット 420は、車台 403の振動を検出するユニットである。制御盤 430は、センサュニッ ト 420の出力信号を基に、軸受 404-1〜404-4の剥離ゃ車輪402-1〜402-4のフラ ット等の異常の有無を診断する診断回路 431を備えている。診断回路 431による診 断内容 (警報信号）は車両 401内の通信回線を通じて運転台や指令所に送られるシ ステムになっている。
[0194] 以下の第 8から第 12の形態例では、図 38のように、軸受 404- 1〜404- 4の剥離等 の劣化を示すパラメータとして、 PeakZRMS (Root Mean Square)を利用すること とする。ここで、 Peakは一定区間における最大振幅の絶対値、 RMSは一定区間に おける振動電圧の 2乗平均の平方根値である。ここで対象にする波形は、図 39のよう な車台 403の振動を表す波形で、レールの継ぎ目による衝撃音や摩擦音等、車両 4 01を構成する機械要素の劣化とは関係な ゾィズを含んだものである。この種のノィ ズは、軸受 404-1〜404-4の剥離や車輪 402-1〜402-4のフラット等の異常に起因 する振動よりも遙かに大きな振幅を有する。
[0195] 図 29は、センサユニット 420の第 7の構成例を示すブロック図である。図 29に示す センサユニット 420は、振動センサ（Sens) 421と、パラメータ値検出回路であってァ ナログ演算回路である 2乗平均の平方根演算回路 (RMS - DC；以後、 RMS演算回 路と記述する。）422と、ピーク検出回路 (Peak) 423と、比較回路である第 1比較器 ( CMP1) 424と、ピーク-参照値比較回路である第 2比較器 (CMP2) 425と、参照電 圧出力回路 (Vref. ) 426と、を備えている。尚、 RMS演算回路 422は、次の計算式 (3)に基づき 2乗平均の平方根演算を行なう。
[0196] [数 6]
Figure imgf000045_0001
X： i番目の実測値（時刻 Iにおける値)
n:サンプル数（区間長） 振動センサ 421は、圧電セラミックにより鉛直方向の振動 を検出するセンサであり、 50Hz〜： LOkHzの周波数帯域の振動を検出し、その振動 波形を電気信号として出力する。振動センサ 421の出力信号 (振動信号)は、増幅回 路 427で増幅された後、 RMS演算回路 422とピーク検出回路 423とに同時に入力さ れる。
[0197] RMS演算回路 422は、入力された振動信号を処理することにより、その振動信号 の電圧の RMSに相当する電圧（以下、 RMS電圧と記す。）の直流信号を出力する。 この RMS演算回路 422には、たとえば、バッファアンプ、絶対値回路、平方'除算回 路、出力用フィルタアンプ回路、等を内蔵した RMStoDCコンバータ ICが使用される 。この RMStoDCコンバータ ICの具体例としては、商品型番「AD637」：アナログデ バイセズ社製などが挙げられる。
[0198] RMS演算回路 422の時定数は外付けのコンデンサによって決めることができる。こ の例では、 100msとする。また、 RMS演算回路 422は、 RMS電圧を一定の倍率に 増幅して出力する回路を含んでいる。この例では、 4倍の電圧を出力するものとする [0199] ピーク検出回路 423は、入力された振動信号のピーク電圧を出力する。ピーク検出 回路 423の時定数は RMS演算回路 422のそれと等しぐ出力時の電圧レベルの増 幅度は 1である。
[0200] RMS演算回路 422の出力信号は、第 1比較器 424の第 1の入力端子に入力され る。ピーク検出回路 423の出力信号は、第 1比較器 424の第 2の入力端子と、第 2比 較器 425の第 1の入力端子とに入力される。第 2比較器 425の第 2の入力端子には、 参照電圧出力回路 426からの参照電圧が入力される。
[0201] 第 1比較器 424は、 RMS演算回路 422からの信号電圧すなわち RMS電圧の 4倍 の電圧と、ピーク検出回路 423からの信号電圧すなわちピーク電圧とを比較する。そ して、ピーク電圧の方が大きければ + 5Vの電圧（第 1の電圧）の信号を出力し、ピー ク電圧の方が小さければ 5Vの電圧 (第 2の電圧)の信号を出力する。即ち、波高 率（PeakZRMS)が 4を超えるかどうかを出力して!/、る。
[0202] 第 2比較器 425は、ピーク検出回路 423からの信号電圧すなわちピーク電圧と、参 照電圧出力回路 426からの参照電圧とを比較する。そして、ピーク電圧の方が参照 電圧よりも大きければ + 5Vの電圧の信号を出力し、ピーク電圧の方が小さければ 5Vの電圧の信号を出力する。参照電圧は、軸受等の異常に起因する信号の電圧レ ベルよりも高 、レベルに選定されて 、る。
[0203] 第 1比較器 424の出力信号は、ゲート回路 428の検出信号入力端子に入力される 。第 2比較器 425の出力信号は、ゲート回路 428の制御信号入力端子に入力される 。 ゲート回路 428は、第 1比較器 424からの信号（ + 5Vまたは— 5V)を、第 2比較 器 425から一 5Vの電圧の信号が与えられた場合にはそのまま出力する力 第 2比較 器 425から + 5Vの電圧の信号が与えられた場合には、常に OVの電圧の信号を出 力する。
[0204] 下記の表 4は、センサユニット 420の第 1および第 2の比較器 424、 425における比 較結果とゲート回路 428の出力との関係を示している。表 1において、 4 XRMSは第 1比較器 424の入力電圧であり、 peakは第 2比較器 425の入力電圧（ピーク電圧）で あり、 Vrefは参照電圧出力回路 426の出力電圧（参照電圧）であり、 Outputはゲー ト回路 428の出力電圧である。尚、第 1および第 2の比較器 424、 425の出力電圧そ れぞれは 2値であることに留意されるべきである。ゲート回路 428は、第 2比較器 425 力もの信号の真偽によって第 1比較器 424からの信号をそのまま通過させる（一 5Vま たは + 5V)力、無効 (OV)にするかを制御する。第 2比較器 425の出力はゲート開閉 制御信号、ゲート回路 428の出力はゲート出力、そして第 1比較器 424の出力は信 号源である。
[0205] [表 4]
Figure imgf000047_0001
表 4に示すように、センサユニット 420は、振動センサ 421により検出された振動信 号のピーク電圧 (peak)が参照電圧 (Vref)すなわち軸受等の異常に起因する信号 の電圧レベル以下の場合のみ、ピーク電圧 (peak)と RMS電圧の 4倍の電圧との大 小関係を示す信号（ + 5Vまたは— 5V)を出力する。これにより、レールの継ぎ目によ る衝撃音や摩擦音等、車両 401を構成する機械要素の劣化とは関係ないノイズに起 因する非常に大きな信号によってセンサユニット 420の出力が飽和してしまうのを防 止している。センサユニット 420の出力電圧が + 5Vであるということは、 Peak/RMS が一定の基準を超えたことを意味し、逆にセンサユニット 420の出力電圧が— 5Vで あるということは、 PeakZRMSが一定の基準に満たないことを意味する。
[0206] 制御盤 430の診断回路 431は、センサユニット 420の出力信号を常時監視し、単 位時間（ここでは 60秒間とする。 )における + 5Vの電圧の信号の出力時間の割合を 、 Peak/RMSが基準を超えたデューティ比として算出する（図 30参照)。そして、算 出したデューティ比に応じた警報レベルの警報信号を発する。警報信号は 1秒ごとに 更新され、デューティ比の算出は常に、センサユニット 420からの最新の信号を受信 した時から 60秒前までの受信信号に基づ 、て行なわれる。この警報信号が車両 40 1内の通信回線を通じて運転台や指令所に送られる。運転台や指令所には、各々色 の異なる複数の警報ランプが設けられており、センサユニット 420から受信した警報 信号の警報レベルに応じて所定の色の警報ランプが点灯あるいは点滅するようにな つている。
[0207] 下記の表 5は、上記デューティ比と警報レベルとの対応関係を例示している。また、 表 5中には、警報レベルと警報ランプの色との対応関係も例示されて 、る。
[0208] [表 5]
Figure imgf000048_0001
この異常診断装置 410は、鉄道車両の走行中の異常の有無を監視するものであり 、表 5に示す警報は、脱線予知等と違って異常を検出した場合に列車を停止させる ことは想定していない。表 5における最高の警報レベルである警報レベル Πでも、たと えば 1週間以内に目視検査を要するといった程度の警報である。軸受の剥離、車輪 のフラットが発生している場合でも、その列車が直ぐに運行不能になるわけではない ので、点検の目安を示すことがこの異常診断装置 410を使用する主な目的であると いえる。ただし、列車の走行速度が高速であるほど、点検の緊急度は高くなる。最高 時速が 200kmを超えるような超高速鉄道では、上記警報レベル IIの警報が発せられ たら速やかに列車を停止させ、点検を実施することが望まれる。
[第 8の形態例]
図 31は、センサユニット 420の第 8の形態例を示すブロック図である。図 31に示す センサユニット 420は、振動センサ（Sens) 421と、増幅器 427と、増幅器 427からの 信号が入力される帯域の異なる 3つのバンドパスフィルタ（BPF) 441-1〜441-3と、 各バンドパスフィルタ 441-1〜441-3を通過した信号を各々処理する 3つの信号処 理部 442- 1〜442- 3とを備えている。バンドパスフィルタ 441- 1〜441- 3は、この例 では、それぞれ 500Hz、 1. 5kHz, 3kHzの中心周波数を持つものとする。 [0209] 各信号処理部 442-l〜442-3は、それぞれ、 RMS演算回路（RMS-DC) 422と、 ピーク検出回路 (Peak) 423と、比較器 (CMP) 424と、を備えている。
[0210] 振動センサ 421は、図 29の例と同様、 50Hz〜： LOkHzの周波数帯域の振動を検 出し、その振動波形を電気信号として出力する。振動センサ 421の出力信号 (振動 信号）は、増幅回路 427で増幅された後、 3つのバンドパスフィルタ 441-1〜441-3 に同時に入力される。各バンドパスフィルタ 441-1〜441-3を通過した各々帯域の異 なる信号は、各々別々の信号処理部 442-1〜442-3内の RMS演算回路 422とピー ク検出回路 423とに入力される。すなわち、この例では、第 1の信号処理部 442-1内 の RMS演算回路 422とピーク検出回路 423とには、第 1のバンドパスフィルタ 441-1 を通過した低帯域（中心周波数 500Hz)の振動信号が入力される。第 2の信号処理 部 442-2内の RMS演算回路 422とピーク検出回路 423とには、第 2のバンドパスフィ ルタ 441-2を通過した中間帯域（中心周波数 1. 5kHz)の振動信号が入力される。 第 2の信号処理部 442-2内の RMS演算回路 422とピーク検出回路 423とには、第 3 のバンドパスフィルタ 441-3を通過した高帯域（中心周波数 3kHz)の振動信号が入 力される。
[0211] 各信号処理部 442-1〜442-3内の RMS演算回路 422は、入力された振動信号を 処理することにより、その振動信号の RMS電圧の 4倍の電圧を出力する。
[0212] 各信号処理部 442-1〜442-3内のピーク検出回路 423は、入力された振動信号 のピーク電圧を出力する。ピーク検出回路 423の出力時の電圧レベルの増幅度は 1 である。 各信号処理部 442-1〜442-3内の RMS演算回路 422の出力信号は、比 較器 424の第 1の入力端子に入力される。ピーク検出回路 423の出力信号は、比較 器 424の第 2の入力端子に入力される。
[0213] 各信号処理部 442-1〜442-3内の比較器 424は、 RMS演算回路 422からの信号 電圧すなわち RMS電圧の 4倍の電圧と、ピーク検出回路 423からの信号電圧すな わちピーク電圧とを比較する。そして、ピーク電圧の方が大きければ + 5Vの電圧の 信号を出力し、ピーク電圧の方が小さければ 5Vの電圧の信号を出力する。
[0214] 制御盤 430の診断回路 431は、センサユニット 420の各信号処理部 442- 1〜442- 3の出力信号を常時監視し、各信号毎に単位時間（ここでは 60秒間とする。 )におけ る + 5Vの電圧の信号の出力時間の割合を、 PeakZRMSが基準を超えたデューテ ィ比として算出する（図 32参照)。そして、算出したデューティ比に応じた警報レベル の警報信号を発する。
[0215] この例では、図 29の例とは異なり、デューティ比の算出に使用するピーク電圧に上 限を設けていないので、ノイズ対策として、デューティ比の基準にノイズ成分を含めて いる。
[0216] 表 5の例では、正常であることを示すデューティ比 20%未満の中に、レールの継ぎ 目による衝撃音や摩擦音等、車両 401を構成する機械要素の劣化とは関係ないノィ ズ分を見込んで 、るわけである。
[第 9の形態例]
図 33は、センサユニット 420の第 9の形態例を示すブロック図である。図 33に示す センサユニット 420は、振動センサ（Sens) 421と、増幅器 427と、増幅器 427からの 信号が入力されるローパスフィルタ（LPF) 451と、ローパスフィルタ 451を通過した信 号を処理する信号処理部 452とを備えている。ローパスフィルタ 451は、 1kHz程度 のカットオフ周波数を持つ。 1kHz程度を超える信号を遮断することにより、レールの 継ぎ目による衝撃音や摩擦音等、車両 401を構成する機械要素の劣化とは関係な いノイズに起因する非常に大きな信号をカットし、機械要素の振動のみを捉えること ができる。
[0217] 信号処理部 452は、 RMS演算回路 (RMS-DC) 422と、ピーク検出回路（Peak) 4 23と、 it較器 (CMP) 424と、を備えて ヽる。
[0218] 振動センサ 421は、図 29の例と同様、 50Hz〜： LOkHzの周波数帯域の振動を検 出し、その振動波形を電気信号として出力する。振動センサ 421の出力信号 (振動 信号）は、増幅回路 427で増幅された後、ローパスフィルタ 451に入力される。そして 、ローパスフィルタ 451を通過した 1kHz程度以下の信号が信号処理部 452に入力さ れる。信号処理部 452における処理は、図 31中の各信号処理部 442-1〜442-3に おける処理と同様である。
[0219] この第 9の形態例によれば、 1kHz程度以下の信号のみ捉えて信号処理部 452に 入力するようにしたので、レールの継ぎ目による衝撃音や摩擦音等、車両 401を構成 する機械要素の劣化とは関係ないノイズに起因する非常に大きな信号によってセン サユニット 420の出力が飽和してしまうのを防止できる。
[第 10の形態例]
図 34は、センサユニット 420の第 10の構成例を示すブロック図である。図 34に示 すセンサユニット 420は、図 33の構成にカ卩えて、増幅器 427からの信号が入力され るハイパスフィルタ（HPF) 453と、ハイパスフィルタ 453を通過した信号を処理する信 号処理部 454とを備えている。信号処理部 454の構成は、ローノ スフィルタ 451側の 信号処理部 452のそれと同じである。ハイパスフィルタ 453は、 1kHzのカットオフ周 波数を持つ。 1kHz以上の信号のみ信号処理部 454に入力することにより、軸受のス ポット傷を有効に検出することができる。
[第 11の形態例]
図 35は、センサユニット 420の第 11の形態例を示すブロック図である。この構成例 は、上述した RMS演算回路 422、ピーク検出回路 423および比較器 424の機能を、 制御盤 430に持たせた場合のものであり、センサユニット 420内には、振動センサ（S ens) 421、増幅器 427、およびローパスフィルタ（LPF) 451だけが設けられている。
[第 12の形態例]
図 36は、センサユニット 420の第 12の形態例を示すブロック図である。図 36に示 すセンサユニット 420は、振動センサ（Sens) 421と、増幅器 427と、増幅器 427の出 力をデジタル信号に変換する AZD変^^ (ADC) 455と、 AZD変 455からの 信号を処理するマイクロプロセッサ（MPU) 456と、を備えている。 MPU456は、その 内部に格納されたプログラムに従って、 AZD変換器 455からの入力信号をデジタル 処理することにより、上述した RMS演算回路 422、ピーク検出回路 423および比較 器 424の機能を果たすとともに、表 5に例示した診断処理も行なう。したがって、この 構成例によれば、制御盤 430の診断回路 431を省略できる。 MPU456の代わりに、 DSP (デジタルシグナルプロセッサ）を使用することも可能である。また、 MPU456の 代わりに、 AZD変換器を内蔵したマイクロプロセッサを使用すれば、外付けの AZD 変換器 455を省略できる。
しかし、 MPUや DSPを使用して演算処理を行なう場合、 RMS演算処理はかなり 重い処理になりかねない。 2乗の総和演算は、固定小数点数演算を行なうシステムで は飽和を起こしやす 、し、平方根の命令は存在しな 、のが普通である。
[0221] したがって、 RMS演算処理がかなり複雑でその他の処理が比較的簡単なものであ れば、 MPUや DSPを使用するよりも、 RMS演算の処理効率を優先した専用のデジ タル演算回路をフィールド ·プログラマブル ·ゲートアレイ (FPGA)により実現する方 が有利である。 FPGAによる演算回路については、マイコンや DSPに対する優位性 は実際の信号処理により異なるが、ハードウェアによる高速ィ匕を望め、マイコン回路 よりも小さくできる可能性が高い。マイコンでは既に最初力も搭載されている加算器 および乗算器等は、 FPGAでは後から書き込む必要がある。しかし、これは裏を返せ ば、演算機能と周辺機能を必要なだけ載せることができるので、装置の小型化ゃ演 算の並列化で高速化が期待できる。
[第 13の形態例]
そこで、図 37に示す第 13の形態例では、 AZD変 m^ (ADC) 455からの入力信 号をデジタル処理することにより、上述した RMS演算回路 422、ピーク検出回路 423 および比較器 424の機能を果たすとともに、表 5に例示した診断処理も行なう専用の デジタル回路として FPGA457を備えている。 なお、上記の形態例の説明では、軸 受 404-1〜404-4の剥離等の劣化を示すパラメータとして PeakZRMS (波高率）を 用いたが、これに代えて、尖り度 (Kurtosis)、衝撃指数 (PeakZ絶対値平均)また は波形率 (RMSZ絶対値平均）を用いることもできる。尚、尖り度 (Kurtosis)は、基 本統計量における無次元パラメータであって、次の計算式 (4)で算出される。
[0222] [数 7]
1 Λ
Figure imgf000052_0001
n:サンプル数（区間長）
X： i番目の実測値（時刻 Iにおける値)
σ：標準偏差 平均値をゼロにする振動波形では、 σは RMS値に等しいとして構わない。 4乗回 路は、 RMS回路に含まれる 2乗回路が応用できる。従って、上述した形態例におけ る波高率 (PeakZRMS)の代わりに、尖り度 (Kurtosis)を使う形態例も実現可能で ある。すなわち、上記 RMS演算回路 (RMS-DC) 422の代わりに、尖り度、衝撃指 数または波形率を求める回路を用いたものも本発明の異常診断装置に含まれる。
[0223] [第 14の形態例]
まず、図 40〜図 45を参照して、第 14の形態例の異常診断装置について説明する
[0224] 図 40に示すように、一両の鉄道車両 500は前後 2つの車台によって支持され、各 車台には 4個の車輪 501が取り付けられて 、る。各車輪 501の回転支持装置 (軸受 箱） 510には、運転中に回転支持装置 510から発生する振動を検出する振動センサ 511が取り付けられている。
[0225] 鉄道車両 500の制御盤 515には、 4チャネル分のセンサ信号を同時（ほぼ同時）に 取り込んで診断処理を実施する異常診断装置 550が 2つ搭載されている。即ち、各 車台に設けられて 、る 4つの振動センサ 511の出力信号が各々信号線 516を介して 車台毎に別の異常診断装置 550に入力される。また、異常診断装置 550には、車輪 501の回転速度を検出する回転速度センサ（図示省略)からの回転速度パルス信号 も入力される。
[0226] 図 41に示すように、回転支持装置 510には、 1例として回転部品である車軸軸受 5 30が設けられており、車軸軸受 530は、回転軸 (不図示）に外嵌される回転輪である 内輪 531と、ハウジング (不図示）に内嵌される固定輪である外輪 532と、内輪 531お よび外輪 532との間に配置された複数の転動体である玉 533と、玉 533を転動自在 に保持する保持器 (不図示)とを備える。振動センサ 511は、重力方向の振動加速度 を検出し得る姿勢に保持されてハウジングの外輪 532近傍に固定されている。振動 センサ 511には、加速度センサ、 AE (acousticEmission)センサ、超音波センサ、ショ ックパルスセンサ等、種々のものを使用することができる。
[0227] 図 42に示すように、異常診断装置 550は、センサ信号処理部 550Aと、診断処理 部（MPU) 550Bとを有する。センサ信号処理部 550Aは、 4つの増幅'濾波器 (AFI LT) 551を備えている。そして、 4つの振動センサ 511の出力信号が増幅'濾波器 55 1に個別に入力されるようになっている。各増幅'濾波器 551は、アナログアンプの機 能とアンチエリアシングフィルタの機能とを兼ね備えている。これら 4つの増幅'濾波 器 551で増幅且つ濾波された 4チャネルのアナログ信号は、診断処理部（MPU) 55 OBの信号に基づいて、スィッチ機能として働くマルチプレクサ（MUX) 552にて 1チ ャネルごとの信号に切換えて、 AD変 (ADC) 553にてデジタル信号に変換され て、診断処理部（MPU) 550Bに取り込まれる。一方、回転速度センサ力ゝらの回転速 度パルス信号は、波形整形回路 555によって整形された後、タイマカウンタ（図示省 略）により単位時間当りのパルス数がカウントされ、その値が回転速度信号として診断 処理部（MPU) 550Bに入力される。診断処理部（MPU) 550Bは、振動センサ 511 により検出された振動波形と回転速度センサにより検出された回転速度信号とをもと に異常診断を実行する。診断処理部（MPU) 550Bによる診断結果はラインドライバ (LD) 556を介して通信回線 520 (図 40参照）に出力される。通信回線 520は警報 機に接続されており、車輪 501のフラット等の異常発生時には然るべき警報動作がな されるようになつている。
[0228] 診断処理部（MPU) 550Bは、回転速度センサにより検出された回転速度信号が 略一定の所定速度 (本形態例では、 185〜370min であるときに、サンプリング周 波数 fsと、サンプリング数 Nsを一定にした波形ブロックデータを処理して、車輪 501 のフラットの検出を行なう。具体的には、 fs = 2kHz、 Ns = 2000、とすると、ブロック データの区間長 = lsecである。この 1秒間にフラットによる振動波形パルスをカウント した回数と、回転速度センサで検出した車速から 1秒間に車輪 501が回転する回数 とを比較することでフラットの検出を行なう。
[0229] 車輪 501でフラットが発生している状態での振動加速度は大きぐ通常の車両の振 動で起きる振動加速度の値は、それよりも小さいことが多い。また、レール継ぎ目の 振動は、フラットと同等、若しくは、それよりも大きい振動加速度のレベルとなる。さら に、レールのカーブにおけるレールと車輪 501の摩擦からくる振動加速度のレベルも 、フラットやレール継ぎ目によるものと同等である。診断処理部（MPU) 550Bは、そ の内部にメモリ（RAM) 559を有しており、これを利用して FFTやデジタルフィルタリ ングを極めて高速に実行することができる。このことにより、 4チャネルの振動センサ 5 11に対して、リアルタイム処理 (即ち、サンプリング時間よりもかなり余裕をもった短時 間での計算)を実行できる。
[0230] 一方、フラットは 1回転で 1回の衝撃が起るのに対して、レールの継ぎ目による衝撃 の場合は、より長い周期で発生し、レール摩擦による衝撃の場合は、不規則に発生 する。そこで、本形態例では、フラット特有の振動加速度の閾値を越える衝撃 (パルス )発生の規則性に着目して、ほぼ一定速度における単位時間あたりの衝撃波回数を カウントし、そのカウント数がほぼ車輪の回転数に一致していれば、フラットが発生し ている可能性が高い、として異常診断を行なう。
[0231] 更に、本形態例では、同じ車輪 501について繰り返し診断処理を行なうァルゴリズ ムを設計し、パルス数のカウント数のバラツキやノイズの影響等を考慮した、統計的 判断手法により異常診断の信頼性を向上させる。
[0232] 図 43は、異常診断装置 550による 4チャネル分の振動データの取り込みとデータ 解析のタイムチャートを示している。振動データは絶え間なく異常診断装置 550に取 り込まれるが、診断対象に応じて一定のサンプリング区間に分割することができる。軸 受 530の診断（はく離検出）に必要な取り込み周期 T1は 1秒未満で十分であり、レー ルと車輪 501との接触ノイズの影響を減らすためにも、できるだけ短時間であることが 望ましい。反対に、車輪 501の転動面の異常を検出するには、車輪 501がー回転す る毎の衝撃を検出する必要があるので、周期 Tはり長い 1秒程度の周期 T2が必要で ある。
[0233] 軸受診断用の振動データの取り込み周期 T1を 4チャネル分の振動データの取り込 みに要する時間に一致させてたとえば 0. 67秒とし、サンプリング周波数を 20kHzと すると、 1周期 T1の間に 4 X 0. 67 X 20, 000点のデータが取り込まれる。したがって 、車輪診断用の振動データの取り込み周期 T2を 1秒とすると、軸受診断用の振動デ ータの取り込み周期 T1で振動データの取り込みを行なったのでは 0. 33秒不足する ことになる。そこで、 1区間、即ち、周期 T1分のデータと一つ前の区間の最後の 0. 33 秒分のデータを継ぎ足すことにより、周期 T2分のデータとする。ただし、データ数は 後述するようにフィルタリング後のデシメート処理により間引くことができるので、 1チヤ ネル当り 2, 000点以下とすることができる。その結果、車輪 501と軸受 530の診断を 4チャネル分実行するのに要する時間を周期 Tl、即ち、 0. 67秒よりも小さくして、車 輪 ·軸受診断データの処理時間に余裕を持たせることができる。
[0234] 本形態例では、診断処理部（MPU) 550Βは、上記振動データの取り込みと車輪' 軸受診断データ処理とを並行して行なう。即ち、 4チャネル分の振動データの取り込 み周期 T1内に車輪'軸受診断データ処理を完了するリアルタイム処理を行なう。この リアルタイム処理は、センサ信号処理部 550Αのマルチプレクサ 552と AD変^ ^55 3とを診断処理部（MPU) 550Βが割り込み制御してデータサンプリングすることによ り実現される。また、ダイレクトメモリーアクセスコントローラ（DMA)によるデータサン プリングによっても実現できる。
[0235] このように、車輪'軸受診断データの処理時間に余裕を持たせ、振動データの取り 込みと車輪 ·軸受診断データの処理とを並行して行なうことにより、データの取りこぼ しをなくすことができるので、レールの不規則性や車体の揺れ、荷重変動等による確 率過程を含んだデータを統計処理して得られる診断結果の信頼性を高めることがで きる。
[0236] 図 44は、診断処理部（MPU) 550Bの動作フローを示して!/、る。診断処理部（MP U) 550Bは、振動データの取り込み、即ち、 4チャネル分のセンサ信号の AD変換お よびサンプリング（S300)と軸受 ·車輪診断データ処理 (S400)とを並行して実施す る。
[0237] 車輪 ·軸受診断データ処理 (S400)では、 4チャネル分の振動データの更新 (S40 1)がなされる度に、回転速度検出処理 (S402)、診断処理 (S403)、診断結果の記 憶保持処理 (S404)および判定結果の出力処理 (S405)を順次実施する。
[0238] 回転速度検出処理 (S402)は、回転速度センサの信号に基づいて軸受 130の回 転速度を検出する処理である。
[0239] 診断処理 (S403)は、軸受診断処理 (S410)と車輪診断処理 (S420)とからなる。
[0240] 軸受診断処理 (S410)は、軸受 530の回転速度と振動のエンベロープ波形を処理 して得られる周波数ピークとに基づいて軸受 530の異常を検出する処理である。軸 受診断処理 (S410)では、まず取り込んだ振動データから高域（3kHz以上）と低域 ( 200Hz以下）の成分を減衰させた中域の振動データを抽出するバンドパスフィルタ（ BPF)処理 (S411)を実行し、抽出されたデータに対し、所定の間引き率でデシメー ト処理 (S412)を実行した後、絶対値処理 (S413)、低域（1kHz以下）の成分を抽出 するローパスフィルタ処理 (S414)を順次実行する。そして、抽出されたデータに対し 更にデシメート処理 (S415)を実行した後、ゼロ補間高速フーリエ変換 (FFT)処理（ S416)を実行することにより、分解能 1Hzの周波数データを得る。この周波数データ に対して平滑化微分によるピーク検出処理 (S417)を実施し、回転速度と軸受内部 諸元力も得られる軸受欠陥の基本周波数（図 45参照）と 4次までの比較を行なって 一致、不一致を判定する（S418 :軸受欠陥判定処理)。
[0241] 車輪診断処理 (S420)は、車輪 501の回転に同期して衝撃が生じる現象カゝら車輪 501の異常を検出する処理である。車輪 501の回転に同期して生じる衝撃の主な発 生原因は、車輪 501の転動面に生じたフラットと呼ばれる平坦部の存在である。車輪 診断処理 (S420)では、まず取り込んだ振動データ力も所定周波数（1kHz)以下の 成分を抽出するローパスフィルタ (LPF)処理 (S421 )を実行し、抽出されたデータに 対し、所定の間引き率でデシメート処理 (S422)を実行した後、図 43で説明したよう に、 1サンプリング区間（周期 T1)よりも長い区間（周期 T2)のデータを確保するため に現在のサンプリング区間の 1つ前のサンプリング区間の最後の 1Z3のデータを現 在のサンプリング区間のデータの最初に継ぎ足すオーバーラップ処理 (S423)を実 行する。次に、このオーバーラップ処理（S423)を経たデータのうち閾値を超えたデ ータをピークホールド処理 (S424)により絶対値ィ匕して一定時間（ τ )だけ閾値を超 えた値に保持する。この保持時間（ τ )は、車輪 501の回転速度によって決まり、車 輪 1回転分よりも短い値に選定される。この絶対値ィ匕して一定時間保持するピークホ 一ルド処理は、安定なピーク計測を可能とする。そして、パルスが閾値を越えた回数 をカウントして（S425：閾値超え回数カウント処理）、カウント数が車輪 501の回転数 と一致するかどうか判定する（S426：車輪欠陥判定処理)。
[0242] 軸受診断処理 (S410)および車輪診断処理 (S420)は、ステップ S401で更新され た 4チャネル分の振動データに対して繰り返される。即ち、 1回のデータ更新毎に軸 受診断処理 (S410)と車輪診断処理 (S420)とがそれぞれ 4回ずつ実施される。そし て、各回の判定処理（S418、 S426)による判定結果は診断処理部（MPU) 550B内 に記憶保持される（S404)。診断処理部（MPU) 550Bは、最新の判定結果から遡つ て過去 N回分の判定処理（S418、 S426)の結果を記憶保持しており、その N回分の 判定結果から統計的に異常判定を行ない、その結果を出力する（S405)。
[0243] 即ち、本形態例では、車軸軸受 530、車輪 501とも 1回の欠陥周波数との一致、車 輪回転数の一致があっただけでは異常と判定しな!、。周波数の一致は確率過程に 基づくものであるので、複数回分の集計値力 統計的に判断する必要がある力 で ある。
[0244] 統計的判断手法として一般的にはスペクトルの積算平均をあげることができるが、 本形態例で用いて 、る判断手法では、軸受であればスペクトルの一致度を整数値で 表したデータを複数回例えば 16回分加算して、基準値に達していれば異常と判断し 、そうでなければ異常とは判断しないが、鉄道車両の車軸軸受の異常診断には十分 適用できる。軸受に小さな剥離が生じたとしても、潤滑やシール等が十分になされて いれば一気に進行することはなぐ鉄道車両の走行に影響を及ぼす危険性は小さく 、鉄道車両の走行に影響を及ぼす程の異常の発生は通常温度ヒューズ等、別の手 段が感知することになつて 、る力 である。
[0245] 上記のように、本形態例の異常診断装置 550は、車軸軸受 530または車輪 501の 振動を振動センサ 511で検出し、振動センサ 511の出力信号をセンサ信号処理部 5 50Aでサンプリングし、その振動データを基に、診断処理部（MPU) 550Bが車軸軸 受 530および車輪 501の異常診断を行なう。その際、診断処理部（MPU) 550Bは、 センサ信号処理部 550Aからの振動データを連続して取り込みつつ一定周期毎の 区間に分割し、 1区間分の振動データを軸受診断用の振動データとして処理するとと もに、 1区間分の振動データの先頭にその 1つ前の区間の最後の所定時間分のデー タを継ぎ足したものを車輪診断用の振動データとして処理する。このように、軸受診 断用の振動データと車輪診断用の振動データとに分けて処理することにより、異常振 動が車輪 501のフラットによるもの力、車軸軸受 530によるのかを特定して正確な診 断を実施できる。
[0246] また、本形態例の異常診断装置では、各車台の 4つの回転支持装置 510に個々に 取り付けられた 4つの振動センサ 511からの 4チャネル分のセンサ信号を同時（ほぼ 同時）に取り込みつつ、すべてのチャネルについてデータ取り込み時間内に診断デ ータ処理が完了するリアルタイム処理を実施するので、データの取りこぼしがなぐ極 めて信頼性の高!、異常診断を行なうことができる。
[0247] [第 15の形態例]
図 46は第 15の形態例（上述した第 14形態例の変形例）のブロック図である。この 異常診断装置 550は、診断処理部 550Bとして、マルチプレクサ（MUX)および AD 変翻 (ADC)を備えた MPUを用いている。即ち、 MPUがセンサ信号処理部 550 Aの一部の機能を兼ね備えている。この構成によれば、異常診断装置 550内の回路 を簡略化でき、 DMAコントローラ（DMAC) 557等、他の MPU内蔵回路との連携を ソフトウェアによって簡単に実現できるので、第 14形態例の構成よりも効率の良いソ フトウェア制御が可能となる。
[0248] [第 16の形態例]
図 47は第 16の形態例（上述した第 15形態例の変形例）のブロック図である。この 異常診断装置 550は、図 46の構成にカ卩えて、記憶素子としてバックアップ電池 (Bat t) 561を有するスタティックランダムアクセスメモリー（SRAM) 562を備えている。ま た、 MPU内蔵のカレンダ時計回路 (RTC) 563を有効としたノヽード構成を採用するこ とにより、異常時のデータを保存可能としている。
[0249] 図 48は第 16形態例における診断処理部 550Bの車輪'軸受診断データ処理の内 容を示している。診断処理部 550Bは、 4チャネル分の振動データの更新 (S401)が なされる度に、軸受診断処理 (S510)と車輪診断処理 (S520)とを実施する。そして 、軸受診断処理（S510)により得られた軸受振動のエンベロープ波形のスペクトル強 度が基準値以上力否かを判定 (S511)し、基準値未満の場合は（S511で False)、 軸受診断処理 (S510)の結果を N回分の集計のために記憶保持 (S404)する。また 、車輪診断処理 (S520)により得られた、振動レベル閾値を超えたイベントのカウント 数が車輪 501の回転数と一致した力否かを判定 (S521)し、一致しな力つた場合は（ S521で False)、 N回分の集計のために記憶保持（S404)する。
[0250] 一方、スペクトル強度が基準値以上（S511で True)の場合は、軸受振動のェンべ ロープ波形のスペクトル強度をカレンダ時計回路 (RTC) 563から読み取った日時情 報ととも〖こ SRAM562〖こ保存する（S530)。また、振動レベル閾値を超えたイベント のカウント数が車輪 501の回転数と一致した場合 (S521で True)は、車輪診断にお ける時間波形のデータをカレンダ時計回路 (RTC) 563から読み取った日時情報とと もに SRAM562に保存する（S530)。保存データ量力 SSRAM562の許容量に達し たら、最も過去のデータを削除する（S531)。
[0251] この形態例によれば、異常判定結果を警報機に送信して警報処理を行なうとともに 、スペクトルの内容等については、 SRAM562に保存されているデータを読み出して 保守用のコンピュータに送信することにより、車両の保守情報として利用できる。
[0252] [第 17の形態例]
図 49は第 17形態例（上述した第 16形態例の変形例）のブロック図である。この異 常診断装置 550は、マルチプレクサ（MUX) 552と AD変^^ (ADC) 553とを MPU 内に 2組ずつ備えることにより、 1つのモジュールで 8チャネルのセンサ信号によるリア ルタイム診断を可能としている。このようなセンサ信号入力の多チャネルィ匕は、 MPU の計算能力が許すならば、 AD変翻の数を増やすか、変換速度の速い AD変翻 とマルチプレクサを使用することで何チャネルでも可能である。尚、図 49の例では、 カレンダ時計回路（RTC) 563を MPUに内蔵せず、バックアップ電池（Batt)付きの ものを MPUに外付けにして!/、る。
[第 18の形態例]
図 50は第 18の形態例（上述した第 15形態例の変形例）のブロック図である。この 異常診断装置 550は、図 46で説明した異常診断装置の構成に 1回転信号発生分周 回路 565を付加したものである。波形整形回路 555の出力は、診断処理部（MPU) 550Bと 1回転信号発生分周回路 565とに入力される。 1回転信号発生分周回路 56 5は、波形整形回路 555により整形された回転数比例正弦波を分周し、 1回転に 1パ ルスの回転同期信号を診断処理部（MPU) 550Bに与える。診断処理部（MPU) 55 OBは、一定速度の区間でこの回転同期信号をトリガとしてデータのサンプリングを行 ない、そのデータを加算平均処理して異常診断を行なう。車輪 501が 1回転する毎に 発せられる回転同期信号をトリガとしてサンプリングしたデータを加算平均処理するこ と〖こより、車輪 501の回転に同期する信号以外の成分がキャンセルされ、車輪 501の 回転に同期した成分だけが残るので、衝撃レベルの閾値による判定によって車輪 50 1のフラットの検出を精度良く行なうことができる。
[0253] [第 19の形態例]
図 51は第 19の形態例のブロック図である。この異常診断装置 550は、センサ信号 処理部 550Aと、診断処理部（MPU) 550Bとを有する。センサ信号処理部 550Aは 、 1つの増幅器 (Amp) 571と 1つの濾波器 (LPF) 572とを備えている。そして、 4つ の振動センサ 511の出力信号 (アナログ信号）が 1つの増幅器 (Amp) 571に入力さ れ、増幅された後、 1つの濾波器 (LPF) 572に入力されるようになっている。即ち、こ の形態例では、 4つの振動センサ 511からの 4チャネルの出力信号を増幅 '濾波する ために増幅器 (Amp) 571および濾波器 (LPF) 572を用いている。そして、増幅器（ Amp) 571および濾波器 (LPF) 572で増幅且つ濾波されたアナログ信号が診断処 理部（MPU) 550Bに取り込まれ、診断処理部（MPU) 550B内の AD変^^ (ADC ) 553にてデジタル信号に変換されるようになっている。一方、回転速度センサからの 回転速度パルス信号は、波形整形回路 555によって整形された後、診断処理部 (M PU) 550Bに取り込まれ、診断処理部（MPU) 550B内のタイマカウンタ（TCNT) 57 3により単位時間当りのパルス数がカウントされ、その値が回転速度信号として処理さ れるようになっている。診断処理部（MPU) 550Bは、振動センサ 511により検出され た振動波形と回転速度センサにより検出された回転速度信号とをもとに異常診断を 実行する。診断処理部（MPU) 550Bによる診断結果はラインドライバ (LD) 556を介 して通信回線 520 (図 40参照）に出力される。通信回線 520は警報機に接続されて おり、車輪 501のフラット等の異常発生時には然るべき警報動作がなされるようにな つている。
[0254] 振動センサ 511の出力信号力も検出できる異常は、車軸軸受 530の剥離と車輪 50 1のフラット (摩耗)である。どちらも 1kHz付近までの周波数帯域の振動信号として検 知できる。そこで、この第 19形態例では、振動センサ 511の出力信号を増幅'濾波す るために、増幅器 (Amp) 571および濾波器 (LPF) 572を使用している。そして、濾 波器 (LPF) 572により濾波され AD変翻 (ADC) 553にてデジタル信号に変換さ れたデータをソフトウェア処理により車軸軸受診断用と車輪診断用とに分離して、両 者の異常診断を行なう。
[0255] 車軸軸受 530に発生する異常の中で、静止輪の外輪軌道の剥離が最も起こりやす い。そこで、車軸軸受 530については、静止輪の外輪軌道の剥離を検出対象とする
[0256] 車軸軸受 530の剥離と車輪 501のフラットとでは欠陥の周波数帯域が 10倍程度異 なる。車輪 501の回転速度（sec—1)は、車輪フラットの基本周波数に等しい。診断す べき回転速度の範囲は 4〜10sec— 1 (基本周波数: 4〜： LOHz)である。これに対して 車軸軸受 530の静止輪の外輪軌道に欠陥がある場合、同じ回転速度の範囲 (4〜4 Osec— でも、欠陥の基本周波数は 33〜83Hzである。どちらも 4次までの高調波を 検査する場合、車輪 501【こつ!ヽて ίま 4〜40Hz、車軸軸受 530【こつ!ヽて ίま 33〜330 Hzがそれぞれの必要とされる DFT (離散フーリエ変換）による周波数分析範囲であ る。車軸軸受 530の診断の際の周波数分解能は 1. 0Hzで十分である。しかし、車輪 501の診断には 1. OHzでは分解能が足りない上に、オフセットによる FFT低域にお ける DC成分の影響を受けやす 、。
[0257] そこで、この第 19形態例では、 AD変 (ADC) 553にてデジタル信号に変換（ サンプリング)したデータを、車軸外輪軌道はく離解析用（車軸軸受診断用）と車輪フ ラット解析用（車輪診断用）のサンプリング周波数の異なる 2種類のデータに変換して 処理する。
[0258] 図 52は、第 19形態例における診断処理部（MPU) 550Bの動作フローを示してい る。診断処理部（MPU) 550Bは、 4つの振動センサ 511から出力され、増幅器 (Am p) 571と濾波器 (LPF) 572とを経て送られてくるセンサ信号を、 AD変 (ADC) 553にてサンプリングしデジタル信号に変換する（S601)。そして、 AD変換器 (AD C) 553の出力信号に対してソフトウェアにより実現される FIRローパスフィルタリング によりデシメーシヨン処理（S602)を施す。この例では、 AD変換器 (ADC) 553にお けるサンプリングを 8kHzの周波数で 3秒間単位で実施している。また、デシメーショ ン処理（S602)では、サンプリング周波数 fsを 2kHzに落とすために、デシメーシヨン 率 Mを 4としてデータ数を 1Z4に削減している。 [0259] 診断処理部（MPU) 550Bは、デシメーシヨン処理（S602)を経たデータを、車軸 外輪軌道はく離解析用（以下、「軸受用」と記す。）と車輪フラット解析用（以下、「車輪 用」と記す。 )のサンプリング周波数の異なる 2種類のデータに変換する（図 53 (a)参 照)。
[0260] 軸受用のデータは、デシメーシヨン処理（S602)を経たデータを 4分割して 0. 75秒 ごとのデータ区間に分けることにより得られる（S611)。得られたデータに絶対値ィ匕処 理 (S612)および AC化処理 (S613)を順次施する。そして更に、 1区間あたりおよそ 0. 25秒（sec)分の 0を追加することにより約 1秒分のデータ区間長とし（S614)、周 波数分解能を約 1. OHzにして FFTを行なう（S615)。 FFTの入力データ数は 2048 個である。 FFTの前にはハユング（Hanning)窓処理を行なっておく。 FFT後は、車速 と軸受諸元データ力 外輪欠陥周波数 Zfcを求め、基本波力 4次までのピーク検出 を行なう（S616)。そして、外輪欠陥周波数 Zfcと周波数ピークとの比較を行ない、両 者の一致度を算出しておく（S617)。この処理を一定回数繰り返して得られた一致度 合計点数に基づいて車軸軸受 530の異常判定を行なう。
[0261] 車輪用のデータは、デシメーシヨン処理（S602)を経たサンプリング周波数 fsが 2k Hzのデータを、絶対値化処理（S621)後、濾波器 (LFP)によりデシメーシヨン率 M を 8としてデシメーシヨン処理（S622)することによりサンプリング周波数 fsを 250Hzま で落とすことにより得られる。この時点でのデータ数は 750個となる力 0詰め補間（S 624)を行なって約 4秒分のデータとすることで、周波数分解能を約 0. 25Hzにして F FTを実施する（S625)。 FFTの前にはハユング（Hanning)窓処理を行なっておく。 F FT後は、ピーク検出を行なう（S626)。そして、車輪フラットの基本周波数力も 4次ま での高次成分と周波数ピークとの比較を行ない、両者の一致度を算出しておく（S62 7)。この処理を一定回数繰り返して得られた一致度合計点数に基づ!/ヽて車輪 501の 異常判定を行なう。車輪フラットの基本周波数はタイマカウンタ (TCNT) 573により 回転速度パルス信号の単位時間当りのパルス数をカウントすることにより求められる。
[0262] 上記のように、 4つの振動センサ 511の各々に対して、増幅器 (Amp) 571および濾 波器 (LPF) 572を一組ずつ備え、マルチプレクサ（MUX) 552を介して AD変翻 ( ADC) 553にてデジタル信号に変換 (サンプリング)したデータを、軸受用と車輪用 のサンプリング周波数の異なる 2種類のデータに変換し、 2系統に分けて FFTを含む 処理を行なうことにより、軸受と車輪の異常診断を高精度且つ高効率に行なうことが できる。これに対し、一度の FFTで周波数領域が大部分異なる軸受と車輪の両方の 周波数範囲を調べた場合、計算コストに見合った精度 (分解能)が実現できな!、(図 53 (b)参照)。
[0263] なお、上記の例では、デジタル処理の大部分をソフトウェアによって行なっているが 、その一部またはすベてを FPGA (Field Programmable Gate Array)等のハードゥエ ァで実現してもよい。
[0264] [第 20の形態例]
図 54は、第 20の形態例における診断処理部（MPU) 550Bの動作フローを示して いる。この例では、 AD変換器 (ADC) 553におけるサンプリングを 16kHzの周波数 で 3秒間単位で実施している（S701)。また、デシメーシヨン処理（S702)では、サン プリング周波数 fsを 4kHzに落とすため、デシメーシヨン率 Mを 4としてデータ数を 1Z 4に削減している。
[0265] 診断処理部（MPU) 550Bは、デシメーシヨン処理（S702)を経たデータを、軸受 用と車輪用のサンプリング周波数の異なる 2種類のデータに変換する（図 53 (a)参照
) o
[0266] 軸受用のデータは、デシメーシヨン処理（S702)を経たデータを 3分割して 1. 0秒 ごとのデータ区間に分けることにより得られる（S711)。得られたデータに絶対値ィ匕処 理 (S712)および AC化処理 (S713)を順次施する。そして、 0補間処理を完全に省 略するか或いは僅かな端数のみ、例えば、 4000データに 96個の 0を補間するような 0補間処理を行ない、周波数分解能を約 1. OHzにして FFTを行なう（S 714)。 FFT の前にはハユング (Hanning)窓処理を行なっておく。 FFT後は、車速と軸受諸元デ 一タカも外輪欠陥周波数 Zfcを求め、基本波力も 4次までのピーク検出を行なう（S71 5)。そして、外輪欠陥周波数 Zfcと周波数ピークとの比較を行ない、両者の一致度を 算出しておく（S716)。この処理を一定回数繰り返して得られた一致度合計点数に 基づ 、て車軸軸受 530の異常判定を行なう。
[0267] 車輪用のデータは、デシメーシヨン処理（S702)を経たサンプリング周波数 fsが 4k Hzのデータを、絶対値化処理 (S721)後、更に濾波器 (LFP)によりデシメーシヨン 処理（S722)することによりサンプリング周波数 fsを 500Hzまで落とすことにより得ら れる。得られたデータに AC化処理 (S 723)を順次施する。その後、 0詰め補間（S72 4)を行なって約 4秒分のデータとすることで、周波数分解能を約 0. 25Hzにして FF Tを実施する（S725)。 FFTの前にはハユング（Hanning)窓処理を行なっておく。 FF T後、ピーク検出を行なう（S726)。そして、車輪フラットの基本周波数力も 4次までの 高次成分と周波数ピークとの比較を行ない、両者の一致度を算出しておく（S727)。 この処理を一定回数繰り返して得られた一致度合計点数に基づいて車輪 501の異 常判定を行なう。
[0268] この第 20形態例のように、軸受用のデータ処理において、 0補間処理を完全に省 略するか或いは僅かな端数のみ補間するような 0補間処理を行なうことにより、 FFT 処理の回数を減らすことができる。即ち、第 19形態例との比較では、同時間に実行 する FFT処理の回数が 4回から 3回に減っている。ただし、第 19形態例のように 0補 間処理を行なって FFT区間を短い時間に区切った方がレール雑音などを回避でき る FFT区間を増やすことができる。
[0269] [第 21形態例]
図 55 (a)、図 55 (b)は第 21の形態例における診断処理部（MPU) 550Bの部分ブ ロック図である。図 55 (a)では、図 51のハードウェア構成において、診断処理部（M PU) 550B内の AD変翻 (ADC) 553の前段 (入力側）に絶対値回路 (ABS) 581 を設け、更にその後段にローパスフィルタ（LPF) 582を設けている。図 55 (b)では、 図 51のハードウェア構成において、診断処理部（MPU) 550B内の AD変換器 (AD C) 553の前段 (入力側）にエンベロープ回路 (ENV) 591を設け、更にその前段にハ ィパスフィルタ（HPF) 592を設けて!/、る。
[0270] 図 56は、第 21形態例における診断処理部（MPU) 550Bの動作フローを示してい る。診断処理部（MPU) 550Bは、 4つの振動センサ 511から出力され、増幅器 (Am p) 571と濾波器 (LPF) 572とを経て送られてくるセンサ信号を、 AD変 (ADC) 553にてサンプリングしデジタル信号に変換する（S801)。この例では、 AD変 ADC) 553におけるサンプリングを 2kHzの周波数で 3秒間単位で実施している。 軸受用のデータは、ローパスフィルタ 582を経て AD変換されたデータを 4分割して 0 . 75秒ごとのデータ区間に分けることにより得られる（S811)。得られたデータに AC 化処理 (S812)を施す。そして更に、 1区間あたりおよそ 0. 25秒 (sec)分の 0を追カロ することにより約 1秒分のデータ区間長とし (S813 : 0詰め補間）、周波数分解能を約 1. OHzにして FFTを行なう（S814)。 FFTの前にはハユング（Hanning)窓処理を行 なっておく。 FFT後は、車速と軸受諸元データから外輪欠陥周波数 Zfcを求め、基本 波から 4次までのピーク検出を行なう（S815)。そして、外輪欠陥周波数 Zfcと周波数 ピークとの比較を行ない、両者の一致度を算出しておく（S816)。この処理を一定回 数繰り返して得られた一致度合計点数に基づいて車軸軸受 530の異常判定を行な
[0271] 車輪用のデータは、振動センサ 111から出力されるセンサ信号を絶対値回路 581 により絶対値化処理を施し、 2kHzでサンプリングした後、デシメーシヨン率 Mを 8とし てデシメーシヨン処理（S821)することによりサンプリング周波数 fsを 250Hzまで落と すこと〖こより得られる。得られたデータに AC化処理 (S822)を施す。そして更に、 0詰 め補間（S823)を行なって約 4秒分のデータとすることで、周波数分解能を約 0. 25 Hzにして FFTを実施する（S824)。 FFTの前にはハユング（Hanning)窓処理を行な つておく。 FFT後は、基本波力も 4次までの高次成分のピーク検出を行なう（S825)。 そして、車輪フラットの基本周波数力 4次までの高次成分と周波数ピークとの比較 を行ない、両者の一致度を算出しておく（S826)。この処理を一定回数繰り返して得 られた一致度合計点数に基づいて車輪 501の異常判定を行なう。
[0272] この第 21形態例では、図 52においてソフトウェアにより実施されていたデシメーシ ヨン処理 (S602)と絶対値化処理 (S612)とを高速処理が可能なハードウェアで実施 することにより、ソフトウェアによる信号処理を簡略ィ匕している。 AD変翻 (ADC) 55 3におけるサンプリング周波数 fsを図 52の場合の 8kHzからその 1Z4の 2kHzに下 げても、高精度且つ高効率の異常判定を可能として 、る。
[0273] [第 22の形態例]
まず、図 40、 41、 45、 51、 57, 58を参照して、第 22の形態例の異常診断装置に ついて説明する。 [0274] 図 40に示すように、一両の鉄道車両 500は前後 2つの車台によって支持され、各 車台には 4個の車輪 501が取り付けられて 、る。各車輪 501の回転支持装置 (軸受 箱） 510には、運転中に回転支持装置 510から発生する振動を検出する振動センサ 511が取り付けられている。
[0275] 鉄道車両 500の制御盤 515には、 4チャネル分のセンサ信号を同時（ほぼ同時）に 取り込んで診断処理を実施する異常診断装置 550が 2つ搭載されている。即ち、各 車台に設けられて 、る 4つの振動センサ 511の出力信号が各々信号線 516を介して 車台毎に別の異常診断装置 550に入力される。また、異常診断装置 550には、車輪 501の回転速度を検出する回転速度センサ（図示省略)からの回転速度パルス信号 も入力される。
[0276] 図 41に示すように、回転支持装置 510には、 1例として回転部品である車軸軸受 5 30が設けられており、車軸軸受 530は、回転軸 (不図示）に外嵌される回転輪である 内輪 531と、ハウジング (不図示）に内嵌される固定輪である外輪 532と、内輪 531お よび外輪 532との間に配置された複数の転動体である玉 533と、玉 533を転動自在 に保持する保持器 (不図示)とを備える。振動センサ 511は、重力方向の振動加速度 を検出し得る姿勢に保持されてハウジングの外輪 532近傍に固定されている。振動 センサ 511には、加速度センサ、 AE (acoustic emission)センサ、超音波センサ、ショ ックパルスセンサ等、種々のものを使用することができる。
[0277] 図 51に示すように、異常診断装置 550は、センサ信号処理部 550Aと、診断処理 部（MPU :Micro Processing Unit) 550Bとを有する。センサ信号処理部 550Aは、 1 つの振動センサ 511のために 1つの増幅器 (Amp) 571と 1つの濾波器（LPF) 572と を備えて 、る {即ち、 4つの増幅器 (Amp) 571と 4つの濾波器 (LPF) 572とを備えて いる }。そして、 4つの振動センサ 511の出力信号 (アナログ信号）力 対応する増幅 器 (Amp) 571にそれぞれ入力され、増幅された後、対応する濾波器 (LPF) 572〖こ それぞれ入力されるようになっている。増幅器 (Amp) 571および濾波器 (LPF) 572 で増幅且つ濾波されたアナログ信号が診断処理部（MPU) 550Bに取り込まれ、マ ルチプレクサ（MUX) 552を介して診断処理部（MPU) 550B内の AD変換器 (ADC ) 553にてデジタル信号に変換されるようになっている。一方、回転速度センサからの 回転速度パルス信号は、波形整形回路 511によって整形された後、診断処理部 (M PU) 550Bに取り込まれ、診断処理部（MPU) 550B内のタイマカウンタ（TCNT) 57 3により単位時間当りのパルス数がカウントされ、その値が回転速度信号として処理さ れるようになっている。診断処理部（MPU) 550Bは、振動センサ 511により検出され た振動波形と回転速度センサにより検出された回転速度信号とをもとに異常診断を 実行する。診断処理部（MPU) 550Bによる診断結果はラインドライバ (LD) 556を介 して通信回線 520 (図 40も参照。）に出力される。通信回線 520は警報機に接続され ており、異常発生時には然るべき警報動作がなされるようになつている。
[0278] 振動センサ 511の出力信号力も検出できる異常は、車軸軸受 530の剥離と車輪 50 1のフラット (摩耗)である力 ここでは、車軸軸受 530の診断について説明する。車軸 軸受 530に発生する異常の中で、静止輪の外輪軌道の剥離が最も起こりやすいの で、車軸軸受 530の静止輪の外輪軌道の剥離を検出対象とする。
[0279] この形態例では、振動センサ 511の出力信号を増幅'濾波するために、増幅器 (A mp) 571および濾波器 (LPF) 572を使用している。そして、濾波器 (LPF) 572によ り濾波され AD変^^ (ADC) 553にてデジタル信号に変換されたデータをソフトゥェ ァにより実現される演算機能により処理し各振動センサ 511の出力信号に基づく異 常診断を行なう。
[0280] 振動センサ 511の出力信号は、増幅器 (Amp) 571および濾波器 (LPF) 572を通 して診断処理部（MPU) 550B内の AD変翻 (ADC) 553に入力される。この形態 例における AD変翻 (ADC) 553の分解能は 8ビットである。診断処理部（MPU) 5 50Bは振動データを 8ビットの値として読み込む。また、 AD変換器 (ADC) 553のサ ンプリング周波数は一定とし且つ CPU558の負荷を抑えるために、コンペアマツチタ イマ（CMT) 554とダイレクト 'メモリアクセス 'コントローラ（DMAC) 557を使用する。 サンプリング周波数は 8kHzである。濾波器 (LPF) 572はアンチエリアシング'フィル タとしても機能し、 1kHz以上の帯域成分を減少させる。
[0281] AD変換器 (ADC) 553の入力レンジは 0〜3. 3Vである。振動センサ 511、増幅器
(Amp) 571および濾波器 (LPF) 572は、 AD変翻 (ADC) 553の入力レンジに振 動波形が適合し、振動波形の中心の電圧が 1. 65Vになるように設計されている。 [0282] 図 57は、診断処理部（MPU) 550Bの動作フローを示して!/、る。診断処理部（MP U) 550Bは、 4つの振動センサ 511から出力され、増幅器 (Amp) 571と濾波器 (LP
F) 572とを経て送られてくるセンサ信号それぞれを、マルチプレクサ（MUX) 552を 介してチャネルを切り替えながらサンプリングすることで多チャネルをほぼ同時に AD 変 (ADC) 553にてサンプリングしデジタル信号 (符号なし 8ビットデータ）に変換 する（ステップ S 901)。
[0283] そして、 AD変 (ADC) 553から出力された符号なし 8ビットデータを、まず符号 付の 16ビットデータに変換する (ステップ S902)。具体的には、図 58 (a)に示すよう に、振動波形の中心電圧である 1. 65Vが OVになるように 8ビットデータを符号ィ匕し 直した後、その下位に 8ビットを付け足すことにより 16ビットの値に変換する。
[0284] 次に、固定小数点デジタルフィルタ処理 (ステップ S903)を施し、エンベロープ（絶 対値化）処理 (ステップ S 904)を施した後、 16ビット固定小数点 FFT処理 (ステップ S 905)を実施する。そして、 FFT処理 (ステップ S905)の結果力も周波数のピークを 求める (ステップ S906)。また、車軸回転速度と軸受諸元（図 45参照。）から軸受欠 陥周波数を算出する (ステップ S907)。そして、周波数のピークと軸受欠陥周波数と の一致度を点数化し (ステップ S908)、一定回数の累積値 (累積点数)から異常 (N
G)を判断する (ステップ S909)。
[0285] 16ビット固定小数点デジタルフィルタ処理 (ステップ S903)から 16ビット固定小数 点 FFT処理 (ステップ S 905)までの固定小数点演算では、 16ビットのうち下位 15ビ ットを小数点以下の表現に使用する。デジタルフィルタの係数は、実数で表現すると 1. 0以上 1. 0未満であるが、この固定小数点数表現を用いると、コンピュータの中 ではー215以上 215—1以下となる。 8ビットのままであれば、符号付の場合、ー27以上 27—1以下である。フィルタ処理は波形の振幅を小さくするので、 8ビット幅のままのデ ータでは、更に振幅の小さなデータになり、周波数ピーク検出の精度に支障をきたす 。そこで、 AD変換の振幅範囲を実数で 1. 0以上 1. 0未満とし、 CPU558のデー タ幅に合わせる。符号付の 8ビットデータを符号付の 16ビットデータに変換するには 、符号付の 8ビットデータの最上位ビットと小数点以下 7ビットをそのままにして上位 8 ビットとし、下位 8ビットをすベて 0とすればよい。要するに、 128〜127の範囲の整 数を 256倍拡大して、 32768〜32767の範囲の整数に変換して演算を進める。こ れに対し、図 58 (b)に示すように、 16ビットに拡張しても単に符号拡張するだけで、 拡大しなければ効果がな！、。
[0286] FFT処理 (ステップ S905)は 16ビットデータの固定小数点演算により行なった。そ の理由は、使用する CPU558が 32ビット CPUであるため、 16bit X 16bitの乗算が 桁あふれしないようにし、また、浮動小数点数演算装置 (FPU)を備えていないので 浮動小数点も使用しない方が計算速度の点力も望ましいからである。
[0287] また、 FFT処理 (ステップ S905)では、スケーリング処理を行なって!/、る。つまり、演 算点数を 2の N乗個として FFTを行なった場合、 N段のバタフライ演算を行なうことに なる力 このときオーバーフローを防ぐためにデータを縮小する。
[0288] このように固定小数点の演算では、ビット幅の制限があるためダイナミックレンジが 小さくなりやすい。更に、入力データが半分の 8ビットであれば、計算誤差の中に異 常信号が埋もれてしまい、振動のピークの検出がうまくいかなくなる確率が非常に高 くなる。そこで、本形態例では 8ビットのデータをあら力じめ 16ビットに拡大して演算す ることにより、検出されるべきピークが消失するのを防いでいる。
[0289] この異常診断処理では、周波数分析とそのピーク検出が重要であり、元波形を忠 実にサンプリングし復元することは要求されないので、当初の AD変換データが 8ビッ トと少なくても演算時に上記のように拡大することで周波数の特徴は十分捉えることが できる。
[0290] その一検証例として、鉄道車両用の円錐ころ軸受のはく離検出を試みた結果を、 比較例とともに表 6に示す。
[0291] [表 6] 試験 16ビット ADC 8ビット ADG 8ビット ADC
8ビット整数のまま 16ビッ卜に拡大、
(符号拡張のみ） (搌幅を 256倍） 異紫接動 1 不検出 出
曩紫搌動 2 不検出 検出
異常振動 3 不検出 棵出 異常振動 1は、軸受の外輪軌道面がはく離した軸受が 240i:Pmで回転しているとき の振動信号である。異常振動 2は、軸受の外輪軌道面に放電加工による人工欠陥が 形成された軸受が 360rpmで回転しているときの振動信号である。異常振動 3は、軸 受の外輪軌道面に放電加工による人工欠陥が形成された軸受が 990rpmで回転し て 、るときの振動信号である。
[0292] いずれの異常振動の場合も、 16ビット AD変 «カら得られる 16ビット整数値をそ のまま演算に用いた場合は異常の検出に成功した。一方、 8ビット AD変 力 得 られた 8ビット整数値のまま符号拡張のみ行なって演算した場合は異常を検出するこ とができなカゝつた。これに対し、 AD変 力も得られた 8ビット整数値を符号ィ匕後 16 ビットに拡張することにより実質的にレンジを 256倍に拡大して演算を行なった場合 は異常の検出に成功した。
[0293] 上記のように、振動センサ 511からのアナログ信号をデジタル信号に変換する AD 変換器 (ADC) 553からの出力信号を AD変換器 (ADC) 553の分解能（この例では 8ビット)よりもデータ幅を拡張 (この例では 16ビットに拡張)してフーリエ変換処理し、 その結果に基づいて異常診断を行なうことにより、低分解能の AD変 を使用して 回路の低コストィヒおよび省スペース化を図り、且つ精度低下を招くことなく異常診断 を行なうことができる。
[0294] [第 23の形態例]
図 59は本発明に係る異常診断装置の第 23の形態例の要部ブロック図である。この 形態例は AD変！^を備えてレヽなレ、マイコンシステム（マイクロコンピュータ ·システム )を使用した例を示しており、振動センサ 511からのアナログ信号 (波形信号）は増幅 器 (Amp) 571で増幅され、濾波器 (LPF) 572を通った直後にコンパレータ 673を介 して診断処理部（MPU) 650Bのポート（Port)に入力される。即ち、この形態例では 、診断処理部（MPU) 650Bが AD変翻 553を持たない代わりに、センサ信号処理 部 550Aにコンパレータ 673が設けられている。その他の構成は第 22の形態例と同 じである。
[0295] コンパレータ 673には、雑音の影響を排除するためにヒステリシスコンパレータが使 用される。コンパレータ 673は、振動センサ 511からのアナログ信号（図 60 (a)上部の 波形参照。）の電圧と一定の参照電圧 refとを比較して、当該アナログ信号の電圧が 参照電圧 re;fよりも高力低かを示す 1ビットの信号（図 60 (a)下部の波形参照。 )を出 力する。参照電圧 refは、例えば振動波形の中心電圧（1. 65V)とする。コンパレー タ 673のサンプリング周波数は 32kHzとしている。また、診断処理部（MPU) 650B のポート（Port)に入力されたコンパレータ 673からの上記 1ビット（2値）の信号は、診 断処理部（MPU) 650B内でデジタルフィルタ処理され、図 60 (b)に示される波形の 信号となる。
[0296] 図 61は、第 23の形態例における診断処理部（MPU) 650Bの動作フローを示して いる。診断処理部（MPU) 650Bは、コンパレータ 673から信号を受け取る（ステップ S910)。診断処理部（MPU) 650Bのポートの値は 0と 1し力とらないが、これは AD 変換における符号ビットに相当するので、単純に正負、即ち、 0が— 1を表し、 1が 1を 表していると考え、符号付 16ビットデータに変換する (ステップ S920)。符号付 16ビ ッ卜整数で 32768と 32767の 2値力ら演算を始める。
[0297] 次に、 FIRデジタルフィルタ処理 (ステップ S930)を施し、エンベロープ（絶対値化） 処理 (ステップ S 940)を施した後、 16ビット固定小数点 FFT処理 (ステップ S 950)を 実施する。そして、 FFT処理 (ステップ S950)の結果力も周波数のピークを求める（ス テツプ S960)。また、車軸回転速度と軸受諸元（図 45参照。）から軸受欠陥周波数を 算出する (ステップ S970)。そして、周波数のピークと軸受欠陥周波数との一致度を 数値化し (ステップ S980)、一定回数の累積値から異常 (NG)を判断する (ステップ S 990)。
[0298] 車軸軸受 530の欠陥周波数としては 1kHz以下を対象としている力 軸受部材ゃセ ンサケース等力も発生する振動には 1kHzよりも高い周波数の振動が多く含まれてい る。振動センサ 511により検出される振動の伝播は、これらの部材の振動によって行 なわれ、欠陥による低周波の振動周波数はそれら高い周波数の振動 (搬送波)を変 調すると考えることができる。そこで、この形態例では、コンパレータ 673のサンプリン グ周波数を 32kHzと高く設定している。サンプリング周波数を高くすることで、 2値の データでも低い欠陥周波数を回復することができる。その原理は PWM{Pulse Width Modulation (パルス幅変調） }の原理と同じである。 FIRローパスフィルタ処理 (ステツ プ S930)は、上記搬送波の成分を除き、欠陥周波数の範囲に波形信号を挟帯域ィ匕 するために実施される。
[0299] このように、 AD変換器を使用せず、より低コストのコンパレータ 673を使用した場合 でも、コンパレータ 673から出力される 2値データを 16ビット幅のデータに拡張して演 算処理することで、異常信号のピークを検出するのに十分な FFT処理による周波数 分析を行なうことができる。
[0300] [第 24の形態例]
図 62は本発明に係る異常診断装置の第 24の形態例の要部ブロック図である。第 2 3の形態例と同様、診断処理部（MPU) 650Bが AD変 553を持たない代わりに 、センサ信号処理部 550Aにコンパレータ 673が設けられている。第 23の形態例で は参照電圧 refを一定としたが、このの形態例では、振動センサ 511からのアナログ 信号よりも高 、周波数の正弦波を参照電圧 refとして用いて 、る。コンパレータ 673 は、参照電圧 re;fよりも高い周波数で振動センサ 511からのアナログ信号をサンプリン グしてデジタル化（2値化)する。
[0301] 診断処理部（MPU) 650Bは、コンパレータ 673からの 2値信号をデジタル的に口 一パスフィルタ処理することで、多ビットの AD変^^の機能をソフトウェア的に実現 する。上述の第 23形態例は、軸受はく離の特徴周波数のオーダーは高々 1kHzで あるが、軸受 530の軌道輪、転動体あるいは振動センサ 511の固有振動による高周 波成分が振動波形には重畳されており、診断処理部（MPU) 650Bのソフトウェアに よりローパスフィルタ処理を施しているので、全体的に見れば、この第 24の形態例と 同等の処理がなされていることになる。ただし、第 23形態例の方が、正弦波発生回 路が不要である点にぉ 、てコスト面で有利であると!/、える。
[0302] 尚、上記形態例では、車軸軸受 530の異常診断を行なう場合について説明したが 、本発明の異常診断装置は、車輪その他の機械装置の異常診断にも有効に適用可 能である。
産業上の利用可能性
[0303] 本発明によれば、異常信号や異常予兆信号と雑音信号との SZN比が小さ 、条件 下においても、雑音信号を異常あるいは異常予兆信号と誤検出することなぐ高精度 に異常診断を実施できる。
[0304] 本発明の異常診断システムによれば、機械設備内の軸受または軸受関連部材の 異常診断を高精度に且つ高効率に実施することができる。
[0305] 本発明によれば、診断対象から検出された信号を、任意の周波数分解能で FFTし て高精度に異常診断を実施できる。
[0306] 本発明の異常診断装置によれば、車両一台あたりに振動センサを 1つ設けるのみ で、その 1つの振動センサからの波形信号を基に、その車両における軸受の剥離、 車輪のフラット、等の異常を検出することができるので、異常診断システムを低コスト で構築できる。
[0307] 本発明の異常診断装置によれば、低分解能の AD変換器や単なる比較器を使用し て回路の低コストィヒおよび省スペース化を図り、且つ精度低下を招くことなく異常診 断を行なうことができる。

Claims

請求の範囲
[1] 機械設備から発生する音または振動を検出し、その検出信号を分析することにより
、機械設備内の軸受または軸受関連部材の異常を診断する異常診断システムであ つて、
前記検出信号のエンベロープを求めるエンベロープ処理部と、
当該エンベロープ処理部により得られたエンベロープを周波数スペクトルに変換す る FFT咅と、
当該 FFT部により得られた周波数スペクトルを移動平均化処理することにより平滑 化してそのピークを検出するピーク検出部と、
前記ピーク検出部によって検出された周波数スペクトルのピークに基づいて異常を 診断する診断部と、
を備えたことを特徴とする機械設備の異常診断システム。
[2] 前記ピーク検出部は、前記 FFT部により得られた周波数スペクトルに対して平滑ィ匕 微分処理を実施し、得られた微分値の符号が変化する周波数ポイントを周波数スぺ タトルのピークとして抽出する平滑ィ匕微分ピーク抽出部を備えていることを特徴とする 請求項 1に記載の機械設備の異常診断システム。
[3] 前記移動平均化処理における重み係数が左右対称であることを特徴とする請求項
1または 2に記載の機械設備の異常診断システム。
[4] 前記ピーク検出部は、前記平滑ィ匕微分ピーク抽出部により抽出されたピークのうち
、閾値以上のものを選別する第 1の選別部を備えていることを特徴とする請求項 2ま たは 3に記載の機械設備の異常診断システム。
[5] 前記ピーク検出部は、前記第 1の選別部により選別されたピークのうち、振幅レべ ルが大き！/、方力も所定の個数までのピークを選別する第 2の選別部を備えて 、ること を特徴とする請求項 4に記載の機械設備の異常診断システム。
[6] 前記診断部は、前記ピーク検出部によって検出されたピークのうち振動の主成分 に対応するピークあるいは振動の主成分および高次成分に対応するピークと診断対 象の異常を示す周波数との一致度を求め、その一致度の複数回分の累計結果を評 価することにより異常を診断することを特徴とする請求項 1〜5のいずれか一つに記 載の機械設備の異常診断システム。
[7] 機械設備から発生する音または振動を検出し、検出した信号を分析することにより 、その機械設備内の軸受または軸受関連部材の異常を診断する異常診断システム であって、
前記検出した信号力 診断に必要な周波数帯域の信号を取り出すフィルタ処理部 と、
当該フィルタ処理部により取り出された信号のエンベロープ信号を求めるェンベロ ープ処理部と、
当該エンベロープ処理部により得られたエンベロープ信号を間弓 Iき処理するデシメ ーシヨン処理部と、
当該デシメーシヨン処理部により間弓 Iき処理した後のエンベロープ信号を周波数解 析する FFT演算部と、
当該 FFT演算部による解析結果に基づいて異常を診断する診断部と、 を備えた機械設備の異常診断システム。
[8] 機械設備から発生する音または振動を検出し、検出した信号を分析することにより 、その機械設備内の軸受または軸受関連部材の異常を診断する異常診断システム であって、
前記検出した信号を予め必要とされるサンプリング周波数よりも高いサンプリング周 波数でサンプリングするサンプリング処理部と、
当該サンプリング処理部によりサンプリングされた信号力 診断に必要な周波数帯 域の信号を取り出すフィルタ処理部と、
当該フィルタ処理部により取り出された信号を間弓 Iき処理するデシメーシヨン処理 部と、
当該デシメーシヨン処理部により間弓 Iき処理された信号のエンベロープ信号を求め るエンベロープ処理部と、
当該エンベロープ処理部により得られたエンベロープ信号を周波数解析する FFT 演算部と、
当該 FFT演算部による解析結果に基づいて異常を診断する診断部と、 を備えた機械設備の異常診断システム。
[9] 前記エンベロープ信号の周波数帯域を低帯域ィ匕するデジタルフィルタ処理部を更 に備えた請求項 7または 8記載の機械設備の異常診断システム。
[10] 前記 FFT演算部を DSPで実現するとともに、前記 FFT演算部に入力するデータ数 を当該 DSP内のメモリに収容可能なデータ数としたことを特徴とする請求項 7〜9の
V、ずれかに記載の機械設備の異常診断システム。
[11] 機械設備から発生する音または振動を検出し、その信号を分析することにより、機 械設備内の軸受または軸受関連部材の異常を診断する異常診断システムであって 前記信号をデジタル信号に変換する AZD変換部と、
当該 AZD変換部により変換されたデジタル信号力 診断に必要な周波数帯域の 信号を取り出すデジタルフィルタ処理部と、
当該デジタルフィルタ処理部により取り出された信号のエンベロープを求めるェン ベロープ処理部と、
当該エンベロープ処理部により求められたエンベロープを任意の周波数分解能で 高速フーリエ変換するべくゼロ詰め補間する補間処理部と、
当該補間処理部によりゼロ詰め補間された信号を高速フーリエ変換する FFT部と、 当該 FFT部により得られた周波数スペクトルに基づいて異常を診断する診断部と、 を備えたことを特徴とする機械設備の異常診断システム。
[12] 前記補間処理部が、前記 FFT部におけるサンプリング周波数が 2の N乗へルツま たは 2の N乗の倍数へルツになるようにゼロ詰め補間することを特徴とする請求項 11 に記載した機械設備の異常診断システム。
[13] 前記 FFT部により得られた周波数スペクトルのピークを検出するピーク検出部を更 に
備え、
前記診断部が、前記ピーク検出部によって検出されたピークのうち振動の主成分に 対応するピークあるいは振動の主成分および高次成分に対応するピークと診断対象 の異常を示す周波数との一致度を求め、その一致度の複数回分の累計結果を評価 することにより異常を診断することを特徴とする請求項 11または請求項 12に記載した 機械設備の異常診断システム。
[14] 車両の走行中に異常を診断する異常診断装置であって、
車両の振動を検出する振動センサと、
前記振動センサが出力する波形信号に基づいて、波高率、衝撃指数、波形率、お よび尖
り度のうちいずれか 1つの無次元パラメータ値を求めるパラメータ値検出回路と、 前記パラメータ値検出回路力 出力された無次元パラメータ値が一定の基準を超 えたこ
とを示す第 1の電圧の信号または前記無次元パラメータ値が一定の基準以下である ことを
示す第 2の電圧の信号を出力する比較回路と、
を備え、
前記比較回路の出力に基づいて異常を検出するように構成したことを特徴とする異 常診
断装置。
[15] 車両の走行中に異常を診断する異常診断装置であって、
車両の振動を検出する振動センサと、
前記振動センサが出力する波形信号に基づいて、 RMS (2乗平均の平方根）およ び絶
対値平均のいずれか一方のパラメータ値を求める演算回路と、
前記波形信号のピーク値を求めるピーク検出回路と、
前記パラメータ値の一定倍の値と前記ピーク検出回路から出力されたピーク値とを 比較
し、その比較結果に応じて、前記ピーク値と前記パラメータ値との比として求まる無次 元
パラメータ値が一定の基準を超えたことを示す第 1の電圧の信号または前記無次元 パラメ ータ値が一定の基準以下であることを示す第 2の電圧の信号を出力する比較回路と を備え、
前記比較回路の出力に基づいて異常を検出するように構成したことを特徴とする異 常診
断装置。
[16] 前記ピーク検出回路力 出力されたピーク値と予め設定した参照値とを比較するピ ーク
-参照値比較回路を更に備え、
前記ピーク-参照値比較回路による比較の結果、前記ピーク値が前記参照値よりも 大き
い場合には、前記比較回路の出力を無効にするように構成したことを特徴とする請求 項 15
に記載の異常診断装置。
[17] 前記第 1の電圧の信号のデューティ比に基づいて異常を検出するように構成したこ とを
特徴とする請求項 15〜請求項 16のいずれか一項に記載の異常診断装置。
[18] 前記振動センサの出力信号のうち所定の帯域の信号のみ前記パラメータ値検出回 路およ
び前記ピーク検出回路に入力するためのフィルタ回路を更に備えたことを特徴とする nf 求
項 15〜請求項 17のいずれか一項に記載の異常診断装置。
[19] 前記車両は鉄道車両であることを特徴とする請求項 14〜請求項 18のいずれか一 項に記載
の異常診断装置。
[20] 振動特性の異なる複数の部品を有する機械装置の異常診断装置であって、
前記機械装置の振動を検出する振動センサの出力信号をサンプリングするセンサ 信号処理部と、 前記センサ信号処理部によりサンプリングした振動データを基に異常診断を行なう 診断処理部と、
を備え、
前記診断処理部が、
前記センサ信号処理手段からの振動データを連続して取り込みつつ一定周期毎 の区間に分割し、 1区間分の振動データを第 1の振動特性の部品診断用の振動デ ータとして処理するとともに、 1区間分の振動データの先頭にその 1つ前の区間の最 後の所定時間分のデータを継ぎ足したものを第 2の振動特性の部品診断用の振動 データとして処理することを特徴とする異常診断装置。
[21] 鉄道車両の車軸軸受および車輪の異常診断装置であって、
車軸軸受および車輪の振動を検出する振動センサの出力信号をサンプリングする センサ信号処理部と、
前記センサ信号処理部によりサンプリングした振動データを基に車軸軸受および車 輪の異常診断を行なう診断処理部と、
を備え、
前記診断処理部が、
前記センサ信号処理手段からの振動データを連続して取り込みつつ一定周期毎 の区間に分割し、 1区間分の振動データを軸受診断用の振動データとして処理する とともに、 1区間分の振動データの先頭にその 1つ前の区間の最後の所定時間分の データを継ぎ足したものを車輪診断用の振動データとして処理することを特徴とする 異常診断装置。
[22] 前記診断処理部が、車軸軸受の回転速度と振動のエンベロープ波形を処理して得 られる周波数ピークとに基づいて車軸軸受の異常を検出し、車輪の回転に同期して 生じる振動のレベルが閾値を超える頻度に基づいて車輪の異常を検出し、それぞれ の異常の検出結果に基づいて異常診断を行なうことを特徴とする請求項 21記載の 異常診断装置。
[23] 前記信号処理手段が、
複数の振動センサの出力信号を 1チャネルずつ切換えてサンプリングすることを特 徴とする請求項 21〜22のいずれか一項記載の異常診断装置。
[24] 振動センサの出力信号を車輪の回転に同期してサンプリングし加算平均処理して 得られる振動データを基に車軸軸受および車輪の異常診断を行なうように構成した ことを特徴とする請求項 22または 23記載の異常診断装置。
[25] 振動特性の異なる複数の部品を有する機械装置の異常診断装置であって、
前記機械装置の振動を検出する振動センサの出力信号をサンプリングするセンサ 信号処理部と、
前記センサ信号処理部によりサンプリングした振動データを基に異常診断を行なう 診断処理部と、
を備え、
前記診断処理部が、
前記センサ信号処理手段力 の振動データを連続して取り込みつつそれを第 1の 振動特性の部品診断用と第 2の振動特性の部品診断用のサンプリング周波数または サンプリング長の異なる 2種類のデータに変換して処理することを特徴とする異常診 断装置。
[26] 鉄道車両の車軸軸受および車輪の異常診断装置であって、
前記機械装置の振動を検出する振動センサの出力信号をサンプリングするセンサ 信号処理部と、
前記センサ信号処理部によりサンプリングした振動データを基に異常診断を行なう 診断処理部と、
を備え、
前記診断処理部が、
前記センサ信号処理手段からの振動データを連続して取り込みつつそれを車軸軸 受診断用と車輪診断用のサンプリング周波数またはサンプリング長の異なる 2種類の データに変換して処理することを特徴とする異常診断装置。
[27] 車軸軸受と車輪それぞれについて複数回異常検出を実施し、それぞれの複数回 分の集計値から統計的に異常診断を行なうことを特徴とする請求項 22、 23、 24、 26 の!、ずれか一項記載の異常診断装置。
[28] 異常を検出する際に使用したデータを保存しておく機能を有することを特徴とする 請求項 20〜27の 、ずれか一項記載の異常診断装置。
[29] 回転或いは摺動する部品を有する機械装置の異常診断装置であって、
前記機械装置の振動を検出する振動センサ力 のアナログ信号をデジタル信号に 変換する AD変 と、
当該 AD変 からのデジタル信号をフーリエ変換処理し、その結果に基づ 、て 異常診断を行なう診断処理部と、
を備え、
前記診断処理部が、
前記 AD変換器からのデジタル信号を前記 AD変換器の分解能よりもデータ幅を拡 張してフーリエ変換処理するように構成されて ヽることを特徴とする異常診断装置。
[30] 回転或いは摺動する部品を有する機械装置の異常診断装置であって、
前記機械装置の振動を検出する振動センサ力 のアナログ信号をデジタル信号に 変換する AD変 と、
当該 AD変 からのデジタル信号をフーリエ変換処理し、その結果に基づ 、て 異常診断を行なう診断処理部と、
を備え、
前記診断処理部が、
前記 AD変翻の分解能を 1ビットとし、これを 2ビット以上の所定のデータ幅に拡 張してフーリエ変換処理するように構成されて ヽることを特徴とする異常診断装置。
[31] 回転或いは摺動する部品を有する機械装置の異常診断装置であって、
前記機械装置の振動を検出する振動センサからのアナログ信号の電圧と参照電圧 とを比較して、当該アナログ信号の電圧が参照電圧よりも高か低かを示す 2値の信号 を出力するコンパレータを備え、
前記診断処理部が、
前記コンパレータからの信号を所定のデータ幅に拡張してフーリエ変換処理するよ うに構成されて 、ることを特徴とする異常診断装置。
PCT/JP2005/019045 2004-10-18 2005-10-17 機械設備の異常診断システム WO2006043511A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
US11/579,198 US7640139B2 (en) 2004-10-18 2005-10-17 Abnormality diagnosing system for mechanical equipment
JP2006542972A JPWO2006043511A1 (ja) 2005-08-31 2005-10-17 機械設備の異常診断システム

Applications Claiming Priority (14)

Application Number Priority Date Filing Date Title
JP2004302804A JP2006113002A (ja) 2004-10-18 2004-10-18 機械設備の異常診断システム
JP2004-302804 2004-10-18
JP2004302871A JP4561304B2 (ja) 2004-10-18 2004-10-18 機械設備の異常診断システム
JP2004-302871 2004-10-18
JP2004-313875 2004-10-28
JP2004313875A JP2006125976A (ja) 2004-10-28 2004-10-28 機械設備の異常診断システム
JP2005004268A JP2006194629A (ja) 2005-01-11 2005-01-11 異常診断装置
JP2005-004268 2005-01-11
JP2005-251910 2005-08-31
JP2005251910 2005-08-31
JP2005289152A JP4569437B2 (ja) 2005-08-31 2005-09-30 異常診断装置
JP2005-289152 2005-09-30
JP2005293796A JP4513710B2 (ja) 2005-10-06 2005-10-06 異常診断装置
JP2005-293796 2005-10-06

Publications (1)

Publication Number Publication Date
WO2006043511A1 true WO2006043511A1 (ja) 2006-04-27

Family

ID=36202927

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2005/019045 WO2006043511A1 (ja) 2004-10-18 2005-10-17 機械設備の異常診断システム

Country Status (2)

Country Link
US (1) US7640139B2 (ja)
WO (1) WO2006043511A1 (ja)

Cited By (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008092358A (ja) * 2006-10-03 2008-04-17 Ricoh Co Ltd 画像形成装置の遠隔管理システム
CN101563938A (zh) * 2006-12-21 2009-10-21 皇家飞利浦电子股份有限公司 处理音频数据的设备和方法
JP2012098253A (ja) * 2010-11-05 2012-05-24 Nsk Ltd 軸受異常診断装置および軸受異常診断方法
WO2013001385A1 (en) * 2011-06-28 2013-01-03 International Business Machines Corporation Vibration monitoring system
WO2015012124A1 (ja) * 2013-07-22 2015-01-29 Ntn株式会社 風力発電装置の異常診断装置および異常診断方法
JP2015053052A (ja) * 2013-09-06 2015-03-19 イマージョン コーポレーションＩｍｍｅｒｓｉｏｎ Ｃｏｒｐｏｒａｔｉｏｎ 音声信号の遷移に関係付けられる触覚効果を生成するためのシステム及び方法
JP2016010287A (ja) * 2014-06-26 2016-01-18 三菱電機株式会社 周波数応答測定装置
GB2543521A (en) * 2015-10-20 2017-04-26 Skf Ab Method and data processing device for severity assessment of bearing defects using vibration energy
TWI586943B (zh) * 2016-03-11 2017-06-11 國立勤益科技大學 enhanced-FFT線上機台振動量測系統與方法
CN107664580A (zh) * 2016-07-27 2018-02-06 上海王智测控技术有限公司 一种电动机健康状态监测仪
CN109768002A (zh) * 2017-11-10 2019-05-17 台湾积体电路制造股份有限公司 用于制造或分析半导体晶圆的装置、操作方法及系统
WO2019103000A1 (ja) * 2017-11-24 2019-05-31 株式会社エイクラ通信 動揺測定装置
CN110087969A (zh) * 2016-10-19 2019-08-02 罗伯特·博世有限公司 用于检验轨道车辆的车轮扁疤的装置和方法
US10388122B2 (en) 2013-09-06 2019-08-20 Immerson Corporation Systems and methods for generating haptic effects associated with audio signals
US10395490B2 (en) 2013-09-06 2019-08-27 Immersion Corporation Method and system for providing haptic effects based on information complementary to multimedia content
US10395488B2 (en) 2013-09-06 2019-08-27 Immersion Corporation Systems and methods for generating haptic effects associated with an envelope in audio signals
KR20200048743A (ko) * 2018-10-30 2020-05-08 한국전력공사 플랜트 공정 제어루프의 오실레이션 진단 방법 및 이를 이용한 오실레이션 진단 장치
JP2020112493A (ja) * 2019-01-15 2020-07-27 株式会社スカイディスク 検査システム、異常特定方法
JP2020134310A (ja) * 2019-02-20 2020-08-31 株式会社竹田技研 振動分析装置、振動分析方法及びプログラム
JP2020153965A (ja) * 2019-03-15 2020-09-24 オムロン株式会社 異常診断装置および異常診断方法
JP2020169916A (ja) * 2019-04-04 2020-10-15 株式会社日立製作所 診断装置
WO2021065663A1 (ja) * 2019-10-02 2021-04-08 Ntn株式会社 振動解析装置及び振動測定システム
JP2021056173A (ja) * 2019-10-02 2021-04-08 Ntn株式会社 振動解析装置及び振動測定システム
JP2021060277A (ja) * 2019-10-07 2021-04-15 Ntn株式会社 振動解析装置及び振動測定システム
WO2021171656A1 (ja) * 2020-02-28 2021-09-02 株式会社東芝 状態評価システム、状態評価装置及び状態評価方法
CN113421020A (zh) * 2021-07-13 2021-09-21 神策网络科技（北京）有限公司 一种多指标异常点重合度分析方法
KR102318967B1 (ko) * 2020-04-29 2021-10-27 정용호 변위량 계측 및 변위 데이터 오차 개선용 신호처리 시스템 및 그 구동방법
US11761696B2 (en) 2019-10-15 2023-09-19 Sumitomo Heavy Industries, Ltd. Cryocooler, and diagnosis device and diagnosis method of cryocooler
WO2024004253A1 (ja) * 2022-06-27 2024-01-04 東芝インフラシステムズ株式会社 異音判定装置

Families Citing this family (124)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102005040192A1 (de) * 2005-08-25 2007-03-01 Robert Bosch Gmbh Verfahren und Vorrichtung zur Erkennung von Quietschgeräuschen
JP5063005B2 (ja) * 2006-02-01 2012-10-31 株式会社ジェイテクト 音又は振動の異常診断方法及び音又は振動の異常診断装置
US7911891B2 (en) * 2006-06-05 2011-03-22 Mediatek Inc. Apparatus for controling servo signal gains of an optical disc drive and method of same
US7474235B2 (en) * 2006-06-05 2009-01-06 Mediatek Inc. Automatic power control system for optical disc drive and method thereof
US20070291622A1 (en) * 2006-06-05 2007-12-20 Mediatek Inc. High pass filtering device for an optical disc drive
US20080002832A1 (en) * 2006-06-29 2008-01-03 Taiwan Semiconductor Manufacturing Co., Ltd. Methods of detecting an abnormal operation of processing apparatus and systems thereof
KR100712558B1 (ko) * 2006-07-05 2007-04-27 삼성전자주식회사 외란 보상 판단 장치 및 방법과 이를 이용한 디스크드라이브
US8098720B2 (en) * 2006-10-06 2012-01-17 Stmicroelectronics S.R.L. Method and apparatus for suppressing adjacent channel interference and multipath propagation signals and radio receiver using said apparatus
WO2008153553A1 (en) * 2007-06-15 2008-12-18 Thomson Licensing Detection of signals containing sine-wave components through measurement of the power spectral density (psd) and cyclic spectrum
JP5003331B2 (ja) * 2007-07-26 2012-08-15 株式会社ジェイテクト ハブユニットの評価装置およびハブユニットの評価方法
DE102007054306B4 (de) * 2007-11-08 2010-04-22 Siemens Ag Verfahren zum Analysieren von Wechselspannungssignalen
US8651801B2 (en) 2008-05-21 2014-02-18 John Crane Inc. Seal monitoring and control system
FR2932625B1 (fr) * 2008-06-16 2010-05-28 Airbus France Dispositif de comptage d'oscillations d'un signal temporel oscillant
DE202008009950U1 (de) * 2008-07-24 2009-12-10 Sterling Industry Consult Gmbh Vorrichtung zur Überwachung von rotierenden Bauteilen
US9618037B2 (en) * 2008-08-01 2017-04-11 Honeywell International Inc. Apparatus and method for identifying health indicators for rolling element bearings
JP4560110B2 (ja) * 2008-09-17 2010-10-13 ジヤトコ株式会社 異常診断装置及び異常診断方法
US7930111B2 (en) * 2008-09-22 2011-04-19 General Electric Company Synthesized synchronous sampling and acceleration enveloping for differential bearing damage signature
US8179143B2 (en) * 2008-10-15 2012-05-15 Test Research, Inc. Apparatus for testing printed circuit and method therefor
EA020791B1 (ru) * 2008-12-22 2015-01-30 С.П.М. Инструмент Аб Устройство, способ и компьютерный носитель информации для анализа состояния машины
AU2015203801B2 (en) * 2008-12-22 2016-09-22 S.P.M. Instrument Ab Method and apparatus for analysing the condition of a machine having a rotating part
WO2010074648A1 (en) * 2008-12-22 2010-07-01 S.P.M. Instrument Ab An analysis system
US8762104B2 (en) * 2008-12-22 2014-06-24 S.P.M. Instrument Ab Method and apparatus for analysing the condition of a machine having a rotating part
NO2370801T3 (ja) * 2008-12-22 2018-04-21
GB0902730D0 (en) * 2009-02-18 2009-04-01 Oxford Biosignals Ltd Method and apparatus for monitoring and analyzing vibrations in rotary machines
US8620622B2 (en) * 2009-04-02 2013-12-31 Honeywell International Inc. System and method for determining health indicators for impellers
JP5105102B2 (ja) * 2009-04-10 2012-12-19 エヌティーエンジニアリング株式会社 作業機械のびびり抑制方法及び装置
EA022630B1 (ru) 2009-05-05 2016-02-29 С.П.М. Инструмент Аб Устройство и способ для анализа вибраций машины, имеющей вращающуюся часть
SE535559C2 (sv) * 2010-01-18 2012-09-25 Spm Instr Ab Förfarande och anordning för analys av tillståndet hos maskin med roterande del
EP2530209B2 (en) * 2010-01-28 2023-04-26 Hitachi Construction Machinery Co., Ltd. Operation machine monitoring diagnosis device
JP5968217B2 (ja) * 2010-03-03 2016-08-10 旭化成エンジニアリング株式会社 すべり軸受の診断方法および診断装置
EP2547991A4 (en) * 2010-03-19 2017-10-04 ABB Oy Health monitoring method and system for drives
DE102010012915A1 (de) * 2010-03-26 2011-09-29 Schaeffler Technologies Gmbh & Co. Kg Vorrichtung und Verfahren zur Ermittlung eines Schädigungszustands eines Radlagers
US8473252B2 (en) * 2010-06-09 2013-06-25 Honeywell International Inc. System and method for conflict resolution to support simultaneous monitoring of multiple subsystems
US9300525B2 (en) * 2010-07-02 2016-03-29 At&T Intellectual Property I, L.P. Method and system to identify a source of signal impairment
GB201020381D0 (en) * 2010-12-02 2011-01-12 Crane John Uk Ltd Component failure detection system
TWI449883B (zh) * 2011-02-10 2014-08-21 Univ Nat Taiwan Science Tech 結構體安全性之分析方法
CN103688144B (zh) 2011-07-14 2017-04-12 S.P.M.仪器公司 用于分析旋转机器零件的状态的方法和系统
ES2435843T3 (es) * 2011-07-18 2013-12-23 Siemens Aktiengesellschaft Procedimiento para la detección de daños en engranajes
DE102011113084A1 (de) * 2011-09-09 2013-03-14 Knorr-Bremse Systeme für Schienenfahrzeuge GmbH Bremssteuereinrichtung für eine Bremsanlage eines Schienenfahrzeugs, Bremsanlage, Schienenfahrzeug sowie Verfahren zum Durchführen einer Zustandsanalyse eines Schienenfahrzeugs
DK2581724T3 (da) * 2011-10-13 2020-06-29 Moventas Gears Oy Fremgangsmåde og system til tilstandsovervågning af gearkasser
US9404895B2 (en) * 2011-10-20 2016-08-02 Nalco Company Method for early warning chatter detection and asset protection management
CN102394849B (zh) * 2011-10-26 2014-04-30 苏州大学 基于分数阶频谱四阶原点矩的多分量lfm信号检测方法
WO2013115716A1 (en) * 2012-01-30 2013-08-08 S.P.M. Instrument Ab Apparatus and method for analysing the condition of a machine having a rotating part
ITTO20120323A1 (it) * 2012-04-13 2013-10-14 Skf Ab Metodo ed apparecchiatura per la misura della rumorosità e delle vibrazioni di un cuscinetto di rotolamento, in particolare di una unità mozzo ruota
AU2013266261B2 (en) 2012-05-23 2016-02-25 International Electronic Machines Corporation Ultrasonic spectroscopic analysis-based inspection of rail components
US9310340B2 (en) 2012-05-23 2016-04-12 International Electronic Machines Corp. Resonant signal analysis-based inspection of rail components
DE102012015637A1 (de) * 2012-08-07 2014-02-13 Atlas Elektronik Gmbh Verfahren und Vorrichtung zum Bestimmen eines Frequenzlinienmusters innerhalb wenigstens eines Amplitudenspektrums
US9772219B2 (en) 2012-09-11 2017-09-26 S.P.M. Instrument Ab Apparatus for monitoring the condition of a machine
US9205934B2 (en) * 2013-01-28 2015-12-08 Gulfstream Aerospace Corporation Adaptive oscillatory fault monitoring
JP6143222B2 (ja) * 2013-03-07 2017-06-07 三菱重工工作機械株式会社 工作機械の異常診断装置及び異常診断方法
US8818673B1 (en) * 2013-03-28 2014-08-26 Bendix Commercial Vehicle Systems Llc Method to detect marginally large air gaps on heavy vehicle wheel speed sensor installations
US20160047716A1 (en) * 2013-04-05 2016-02-18 Aktiebolaget Skf Method, computer program product & system
WO2014161587A1 (en) 2013-04-05 2014-10-09 Aktiebolaget Skf Method for processing data obtained from a condition monitoring system
US20160033363A1 (en) * 2013-04-05 2016-02-04 Aktiebolaget Skf Method, computer program product & system
KR102191166B1 (ko) 2013-06-10 2020-12-16 두산공작기계 주식회사 회전 절삭공구의 실시간 회전수 설정방법 및 제어장치
US10066962B2 (en) * 2013-07-01 2018-09-04 Battelle Energy Alliance, Llc Apparatus, system, and method for sensor authentication
JP6221652B2 (ja) * 2013-11-08 2017-11-01 セイコーエプソン株式会社 寿命予測方法、寿命予測装置、寿命予測システム、寿命演算装置及び回転機械
US9728016B2 (en) * 2014-01-06 2017-08-08 General Electric Company Wheel monitoring system and method
CN106687353A (zh) 2014-09-12 2017-05-17 Ntn株式会社 铁路车辆用轴承的异常检测系统
BR112017002417A2 (pt) 2014-09-12 2017-11-28 Hendrickson Usa Llc sensor de extremidade de roda para veículos de carga pesada
JP5943357B2 (ja) 2014-09-17 2016-07-05 インターナショナル・ビジネス・マシーンズ・コーポレーションＩｎｔｅｒｎａｔｉｏｎａｌ Ｂｕｓｉｎｅｓｓ Ｍａｃｈｉｎｅｓ Ｃｏｒｐｏｒａｔｉｏｎ 検出装置、検出方法、およびプログラム
AU2016206598B2 (en) 2015-01-16 2019-11-28 International Electronic Machines Corp. Abnormal vehicle dynamics detection
US10259572B2 (en) * 2015-04-16 2019-04-16 Bell Helicopter Textron Inc. Torsional anomalies detection system
US9889844B2 (en) * 2015-06-24 2018-02-13 Robert Bosch Gmbh Flying car extended vehicle control method
JP6553970B2 (ja) * 2015-07-24 2019-07-31 Ntn株式会社 異常診断装置およびセンサ外れ検知方法
US9463674B1 (en) 2016-01-15 2016-10-11 International Business Machines Corporation Real-time detection of wheel anomalies
FR3047066B1 (fr) * 2016-01-25 2018-02-16 Sagemcom Energy & Telecom Sas Procede de comptage de tours d'une roue
BR122023003434B1 (pt) 2016-02-23 2024-01-30 John Crane Uk Ltd Sistema de vedação mecânica configurado para detectar autonomamente uma perda de lubrificação dentro de uma interface de vedação deslizante de uma vedação mecânica, sistema de vedação mecânica que tem um subsistema de diagnóstico preditivo customizável configurado para ser adaptado para se adequar às necessidades individuais do onsumidor, condições ambientais particulares e/ou aplicações específicas, e sistema de vedação mecânica configurado para detectar condições de operação e fornecer avaliações de integridade em tempo real a um usuário durante a operação
WO2017145687A1 (ja) * 2016-02-23 2017-08-31 Ntn株式会社 異常診断装置および異常診断方法
US11460005B2 (en) * 2016-03-17 2022-10-04 Ntn Corporation Condition monitoring system and wind turbine generation apparatus
JP2017173076A (ja) 2016-03-23 2017-09-28 Ntn株式会社 状態監視システム及びそれを備える風力発電装置
RU2628674C1 (ru) * 2016-04-13 2017-08-21 Публичное акционерное общество "Техприбор" Аппаратура контроля вибрации
CN114625076A (zh) 2016-05-09 2022-06-14 强力物联网投资组合2016有限公司 用于工业物联网的方法和系统
WO2017201247A1 (en) * 2016-05-18 2017-11-23 Garvey Raymond E Analysis of oversampled high frequency vibration signals
ITUA20163745A1 (it) * 2016-05-24 2017-11-24 Nuovo Pignone Tecnologie Srl Metodo e sistema per monitorare lo stato di salute di un cuscinetto a rotolamento di una macchina, e macchina equipaggiata con tale sistema
GB2551112B (en) * 2016-05-25 2020-04-15 Ge Aviat Systems Ltd Aircraft component monitoring system
DE112017002300T5 (de) * 2016-06-07 2019-02-14 Mitsubishi Electric Corporation Anomaliefeststellungsvorrichtung und Anomaliefeststellungsverfahren
JP6324641B1 (ja) * 2016-06-07 2018-05-16 三菱電機株式会社 異常診断装置及び異常診断方法
JP6953690B2 (ja) * 2016-08-10 2021-10-27 株式会社ジェイテクト 解析システム
JP6496298B2 (ja) * 2016-11-28 2019-04-03 ファナック株式会社 振動機能及び振動検出機能を備えた可搬式操作盤
US10788395B2 (en) * 2017-02-10 2020-09-29 Aktiebolaget Skf Method and device of processing of vibration sensor signals
WO2018154703A1 (ja) * 2017-02-24 2018-08-30 株式会社日立製作所 異常診断システム
US10816437B2 (en) * 2017-03-22 2020-10-27 General Electric Company Contactless rotor state/speed measurement of x-ray tube
WO2018173632A1 (ja) * 2017-03-24 2018-09-27 日本精工株式会社 情報端末器及び機械部品診断システム
DE102017206040A1 (de) * 2017-04-07 2018-10-11 BSH Hausgeräte GmbH System und Verfahren zur Zustandsüberwachung und/oder Fehlerdiagnose
US10655607B2 (en) * 2017-06-02 2020-05-19 General Electric Company Systems and methods for detecting damage in wind turbine bearings
JP7101952B2 (ja) * 2017-06-07 2022-07-19 中村留精密工業株式会社 故障予知機能を備えた複合加工機械
EP3447459A1 (en) * 2017-08-25 2019-02-27 Vestel Elektronik Sanayi ve Ticaret A.S. A system for testing vibration of all type of compressor
TWI650999B (zh) * 2017-09-13 2019-02-11 晨星半導體股份有限公司 應用於顯示裝置的電路及相關的訊號處理方法
JP6905445B2 (ja) * 2017-10-16 2021-07-21 日本化薬株式会社 墜落検知装置、飛行体の墜落を検知する方法、パラシュートまたはパラグライダーの展開装置、およびエアバッグ装置
CA3079845A1 (en) 2017-10-24 2019-05-02 Ecolab Usa Inc. Deposit detection in a paper making system via vibration analysis
EP3517927B1 (de) * 2018-01-24 2020-11-18 Vibro-Consult AG Verfahren und vorrichtung zur früherkennung eines risses in einem radsatz für ein schienenfahrzeug
JP6863311B2 (ja) * 2018-02-14 2021-04-21 オムロン株式会社 センサユニット、制御方法、プログラム、および記録媒体
JP7127292B2 (ja) * 2018-02-14 2022-08-30 オムロン株式会社 センサユニット、制御方法、プログラム、および記録媒体
JP6496061B1 (ja) * 2018-03-30 2019-04-03 オークマ株式会社 転がり軸受の異常診断方法及び異常診断装置
DE102018206434A1 (de) * 2018-04-25 2019-10-31 Aktiebolaget Skf Signalverarbeitungsverfahren und -vorrichtung
JP6987030B2 (ja) * 2018-07-18 2021-12-22 株式会社日立製作所 システム及び工作機械の異常又は加工作業に関する分析方法
CN112334750A (zh) * 2018-08-23 2021-02-05 日本精工株式会社 滚动轴承的异常诊断方法以及异常诊断装置
US11054339B2 (en) * 2018-11-13 2021-07-06 GM Global Technology Operations LLC Method and apparatus for monitoring a machine bearing on-vehicle
CN109919327A (zh) * 2018-11-22 2019-06-21 湖南工程学院 一种轴承维修时机获取方法
DE102018222421A1 (de) * 2018-12-20 2020-06-25 CEROBEAR GmbH Wälzlager
CN109782661B (zh) * 2019-01-04 2020-10-16 中国科学院声学研究所东海研究站 基于fpga实现可重配置和多输出的实时处理系统及方法
CN111553178A (zh) * 2019-02-12 2020-08-18 斯凯孚公司 转动机械振动特性的智能识别方法
CN109951176B (zh) * 2019-03-22 2023-03-28 晶晨半导体(上海)股份有限公司 一种用于检测波形采集装置的采集能力的系统及方法
US11598753B2 (en) * 2019-07-29 2023-03-07 Computational Systems, Inc. Removal of effects of asymptotically decaying DC bias from vibration waveform
US20210033450A1 (en) * 2019-07-29 2021-02-04 Computational Systems, Inc. Vibration Waveform DC Disturbance Removal
CN110780198B (zh) * 2019-09-10 2021-08-06 上海大制科技有限公司 一种伺服焊接系统运动的波形识别方法及设备
CN111122160B (zh) * 2019-09-25 2022-01-04 江苏省水文水资源勘测局 一种基于堆栈降噪自编码器的异常信号检测方法
US11422547B2 (en) 2019-10-21 2022-08-23 Johnson Controls Tyco IP Holdings LLP Building management system with machine learning for detecting anomalies in vibration data sets
CN110807901B (zh) * 2019-11-08 2021-08-03 西安联丰迅声信息科技有限责任公司 一种非接触式工业异常声音检测方法
DE102020133335A1 (de) * 2019-12-17 2021-06-17 Fanuc Corporation Werkzeugmaschine und verfahren zum abschätzen von schwingungen
RU2750635C1 (ru) * 2020-03-10 2021-06-30 Акционерное общество "РОТЕК" (АО "РОТЕК") Способ прогнозирования критической неисправности движущегося узла по акустико-эмиссионным данным
EP4127642A1 (en) * 2020-03-31 2023-02-08 NSK Ltd. Measuring device and gear failure determining device
RU2752287C1 (ru) * 2020-06-15 2021-07-26 Акционерное Общество "Ротек" Система и способ эксплуатационного контроля неисправностей в подшипниках роторного оборудования
WO2022056613A1 (pt) * 2020-09-21 2022-03-24 Dynamox S/A Dispositivo de medição e monitoramento via bluetooth
JP2022054677A (ja) * 2020-09-28 2022-04-07 セイコーエプソン株式会社 信号処理方法、信号処理装置及び監視システム
CN114433656B (zh) * 2020-10-30 2024-04-23 深圳富桂精密工业有限公司 冲压异常检测系统
KR102507190B1 (ko) * 2021-04-23 2023-03-07 고려대학교 산학협력단 설비 모니터링 시스템
CN113505476B (zh) * 2021-06-28 2022-08-30 东风汽车集团股份有限公司 一种提高冲击划痕预测精度的预测方法及预测系统
KR20230009110A (ko) * 2021-07-08 2023-01-17 삼성전자주식회사 전자 장치 및 전자 장치의 화자 인증 방법
CN113959553A (zh) * 2021-10-29 2022-01-21 中大检测(湖南)股份有限公司 一种基于cpld的智能低频振动传感器
FR3129208B1 (fr) * 2021-11-15 2024-02-09 Orange Dispositif et procédé de détermination de la nature d’un événement vibratoire
US11906390B2 (en) * 2021-12-02 2024-02-20 Aktiebolaget Skf System and method for bearing defect auto-detection
CN117109953B (zh) * 2023-10-16 2024-01-02 唐智科技湖南发展有限公司 一种列车的声振协同诊断方法、系统、装置及介质

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0225778A (ja) * 1988-07-15 1990-01-29 Jeol Ltd 核磁気共鳴装置
JPH0299368U (ja) * 1989-01-27 1990-08-08
JPH0452526A (ja) * 1990-06-20 1992-02-20 Yokogawa Electric Corp トラッキング分析装置
JPH05142033A (ja) * 1991-11-19 1993-06-08 Toshiba Corp プラント機器の監視装置
JPH07137509A (ja) * 1993-11-17 1995-05-30 Nippondenso Co Ltd タイヤ空気圧検知装置
JPH0877683A (ja) * 1994-09-07 1996-03-22 Internatl Business Mach Corp <Ibm> 回転装置の検査装置及び回転装置の検査方法
JPH08179826A (ja) * 1994-12-21 1996-07-12 Kobe Steel Ltd 機械の停止原因診断方法
JP2002071447A (ja) * 2000-08-25 2002-03-08 Mitsui Eng & Shipbuild Co Ltd パルス音判定方法
JP2003106946A (ja) * 2001-09-28 2003-04-09 Yamatake Sangyo Systems Co Ltd 異常監視装置および異常監視プログラム
JP2003202276A (ja) * 2000-12-06 2003-07-18 Nsk Ltd 機械設備又は機器の異常診断方法
JP2003232674A (ja) * 2002-02-08 2003-08-22 Nsk Ltd 機械設備又は機器の異常診断方法及び異常診断装置
JP2004117092A (ja) * 2002-09-25 2004-04-15 Omron Corp 波形データ再生装置及び波形データ再生方法並びにプログラム製品並びに波形データ再生システム
JP2004257836A (ja) * 2003-02-25 2004-09-16 Nsk Ltd 機械装置の異常診断装置

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5251151A (en) * 1988-05-27 1993-10-05 Research Foundation Of State Univ. Of N.Y. Method and apparatus for diagnosing the state of a machine
JPH04148839A (ja) 1990-10-12 1992-05-21 Kinki Nippon Tetsudo Kk 車輪踏面の異常検出装置
JP2991781B2 (ja) 1991-01-11 1999-12-20 光洋精工株式会社 鉄道車両の車輪の損傷診断装置
US5365787A (en) * 1991-10-02 1994-11-22 Monitoring Technology Corp. Noninvasive method and apparatus for determining resonance information for rotating machinery components and for anticipating component failure from changes therein
US5433111A (en) 1994-05-05 1995-07-18 General Electric Company Apparatus and method for detecting defective conditions in railway vehicle wheels and railtracks
JPH09113416A (ja) 1995-10-17 1997-05-02 Nippon Steel Corp ころがり軸受の損傷診断方法
JP3957101B2 (ja) * 1997-04-01 2007-08-15 ナブテスコ株式会社 電動車両の制御装置
CA2258223A1 (fr) * 1999-01-22 2000-07-22 Hydro-Quebec Procede de traitement de signatures vibro-acoustiques dans un systeme de commutation electromecanique haute-tension
US6694285B1 (en) * 1999-03-13 2004-02-17 Textron System Corporation Method and apparatus for monitoring rotating machinery
IT1320400B1 (it) 2000-06-06 2003-11-26 Skf Ind Spa Metodo ed apparecchiatura per rilevare difetti di rotondita'in unaruota di un veicolo ferroviario.
JP2002022617A (ja) 2000-07-05 2002-01-23 Mitsubishi Electric Corp 軸受診断装置
JP3858978B2 (ja) 2001-10-25 2006-12-20 日本精工株式会社 評価方法及び装置
US6766339B2 (en) * 2001-01-11 2004-07-20 Asml Holding N.V. Method and system for efficient and accurate filtering and interpolation
JP3649704B2 (ja) * 2002-05-13 2005-05-18 株式会社日立製作所 レーダ装置
US7027953B2 (en) * 2002-12-30 2006-04-11 Rsl Electronics Ltd. Method and system for diagnostics and prognostics of a mechanical system
JP2005196156A (ja) 2003-12-12 2005-07-21 Matsushita Electric Ind Co Ltd カラー画像表示装置、色変換装置、色彩シミュレーション装置及びそれらの方法

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0225778A (ja) * 1988-07-15 1990-01-29 Jeol Ltd 核磁気共鳴装置
JPH0299368U (ja) * 1989-01-27 1990-08-08
JPH0452526A (ja) * 1990-06-20 1992-02-20 Yokogawa Electric Corp トラッキング分析装置
JPH05142033A (ja) * 1991-11-19 1993-06-08 Toshiba Corp プラント機器の監視装置
JPH07137509A (ja) * 1993-11-17 1995-05-30 Nippondenso Co Ltd タイヤ空気圧検知装置
JPH0877683A (ja) * 1994-09-07 1996-03-22 Internatl Business Mach Corp <Ibm> 回転装置の検査装置及び回転装置の検査方法
JPH08179826A (ja) * 1994-12-21 1996-07-12 Kobe Steel Ltd 機械の停止原因診断方法
JP2002071447A (ja) * 2000-08-25 2002-03-08 Mitsui Eng & Shipbuild Co Ltd パルス音判定方法
JP2003202276A (ja) * 2000-12-06 2003-07-18 Nsk Ltd 機械設備又は機器の異常診断方法
JP2003106946A (ja) * 2001-09-28 2003-04-09 Yamatake Sangyo Systems Co Ltd 異常監視装置および異常監視プログラム
JP2003232674A (ja) * 2002-02-08 2003-08-22 Nsk Ltd 機械設備又は機器の異常診断方法及び異常診断装置
JP2004117092A (ja) * 2002-09-25 2004-04-15 Omron Corp 波形データ再生装置及び波形データ再生方法並びにプログラム製品並びに波形データ再生システム
JP2004257836A (ja) * 2003-02-25 2004-09-16 Nsk Ltd 機械装置の異常診断装置

Cited By (45)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008092358A (ja) * 2006-10-03 2008-04-17 Ricoh Co Ltd 画像形成装置の遠隔管理システム
CN101563938A (zh) * 2006-12-21 2009-10-21 皇家飞利浦电子股份有限公司 处理音频数据的设备和方法
US8315399B2 (en) 2006-12-21 2012-11-20 Koninklijke Philips Electronics N.V. Device for and a method of processing audio data
JP2012098253A (ja) * 2010-11-05 2012-05-24 Nsk Ltd 軸受異常診断装置および軸受異常診断方法
WO2013001385A1 (en) * 2011-06-28 2013-01-03 International Business Machines Corporation Vibration monitoring system
WO2015012124A1 (ja) * 2013-07-22 2015-01-29 Ntn株式会社 風力発電装置の異常診断装置および異常診断方法
JP2015042867A (ja) * 2013-07-22 2015-03-05 Ntn株式会社 風力発電装置の異常診断装置および異常診断方法
US10388122B2 (en) 2013-09-06 2019-08-20 Immerson Corporation Systems and methods for generating haptic effects associated with audio signals
JP2019133685A (ja) * 2013-09-06 2019-08-08 イマージョン コーポレーションＩｍｍｅｒｓｉｏｎ Ｃｏｒｐｏｒａｔｉｏｎ 音声信号の遷移に関係付けられる触覚効果を生成するためのシステム及び方法
JP2015053052A (ja) * 2013-09-06 2015-03-19 イマージョン コーポレーションＩｍｍｅｒｓｉｏｎ Ｃｏｒｐｏｒａｔｉｏｎ 音声信号の遷移に関係付けられる触覚効果を生成するためのシステム及び方法
US10395488B2 (en) 2013-09-06 2019-08-27 Immersion Corporation Systems and methods for generating haptic effects associated with an envelope in audio signals
US10395490B2 (en) 2013-09-06 2019-08-27 Immersion Corporation Method and system for providing haptic effects based on information complementary to multimedia content
US10276004B2 (en) 2013-09-06 2019-04-30 Immersion Corporation Systems and methods for generating haptic effects associated with transitions in audio signals
JP2016010287A (ja) * 2014-06-26 2016-01-18 三菱電機株式会社 周波数応答測定装置
US9989439B2 (en) 2015-10-20 2018-06-05 Aktiebolaget Skf Method and data processing device for severity assessment of bearing defects using vibration energy
GB2543521A (en) * 2015-10-20 2017-04-26 Skf Ab Method and data processing device for severity assessment of bearing defects using vibration energy
TWI586943B (zh) * 2016-03-11 2017-06-11 國立勤益科技大學 enhanced-FFT線上機台振動量測系統與方法
CN107664580A (zh) * 2016-07-27 2018-02-06 上海王智测控技术有限公司 一种电动机健康状态监测仪
CN110087969A (zh) * 2016-10-19 2019-08-02 罗伯特·博世有限公司 用于检验轨道车辆的车轮扁疤的装置和方法
CN109768002A (zh) * 2017-11-10 2019-05-17 台湾积体电路制造股份有限公司 用于制造或分析半导体晶圆的装置、操作方法及系统
US10872793B2 (en) 2017-11-10 2020-12-22 Taiwan Semiconductor Manufacturing Co., Ltd. System and method for monitoring operation conditions of semiconductor manufacturing apparatus
WO2019103000A1 (ja) * 2017-11-24 2019-05-31 株式会社エイクラ通信 動揺測定装置
JPWO2019103000A1 (ja) * 2017-11-24 2020-12-03 株式会社エイクラ通信 動揺測定装置
JP7173592B2 (ja) 2017-11-24 2022-11-16 株式会社エイクラ通信 動揺測定装置
KR20200048743A (ko) * 2018-10-30 2020-05-08 한국전력공사 플랜트 공정 제어루프의 오실레이션 진단 방법 및 이를 이용한 오실레이션 진단 장치
KR102560570B1 (ko) 2018-10-30 2023-07-28 한국전력공사 플랜트 공정 제어루프의 오실레이션 진단 방법 및 이를 이용한 오실레이션 진단 장치
JP2020112493A (ja) * 2019-01-15 2020-07-27 株式会社スカイディスク 検査システム、異常特定方法
JP7181595B2 (ja) 2019-01-15 2022-12-01 株式会社スカイディスク 検査システム、異常特定方法
JP2020134310A (ja) * 2019-02-20 2020-08-31 株式会社竹田技研 振動分析装置、振動分析方法及びプログラム
JP2020153965A (ja) * 2019-03-15 2020-09-24 オムロン株式会社 異常診断装置および異常診断方法
JP7352371B2 (ja) 2019-04-04 2023-09-28 株式会社日立製作所 診断装置
JP2020169916A (ja) * 2019-04-04 2020-10-15 株式会社日立製作所 診断装置
WO2021065663A1 (ja) * 2019-10-02 2021-04-08 Ntn株式会社 振動解析装置及び振動測定システム
JP2021056173A (ja) * 2019-10-02 2021-04-08 Ntn株式会社 振動解析装置及び振動測定システム
JP7443011B2 (ja) 2019-10-02 2024-03-05 Ntn株式会社 振動解析装置及び振動測定システム
JP2021060277A (ja) * 2019-10-07 2021-04-15 Ntn株式会社 振動解析装置及び振動測定システム
JP7360887B2 (ja) 2019-10-07 2023-10-13 Ntn株式会社 振動解析装置及び振動測定システム
US11761696B2 (en) 2019-10-15 2023-09-19 Sumitomo Heavy Industries, Ltd. Cryocooler, and diagnosis device and diagnosis method of cryocooler
JP7285797B2 (ja) 2020-02-28 2023-06-02 株式会社東芝 状態評価システム、状態評価装置及び状態評価方法
JP2021135233A (ja) * 2020-02-28 2021-09-13 株式会社東芝 状態評価システム、状態評価装置及び状態評価方法
WO2021171656A1 (ja) * 2020-02-28 2021-09-02 株式会社東芝 状態評価システム、状態評価装置及び状態評価方法
KR102318967B1 (ko) * 2020-04-29 2021-10-27 정용호 변위량 계측 및 변위 데이터 오차 개선용 신호처리 시스템 및 그 구동방법
CN113421020A (zh) * 2021-07-13 2021-09-21 神策网络科技（北京）有限公司 一种多指标异常点重合度分析方法
WO2024004253A1 (ja) * 2022-06-27 2024-01-04 東芝インフラシステムズ株式会社 異音判定装置
JP7434671B1 (ja) 2022-06-27 2024-02-20 東芝インフラシステムズ株式会社 異音判定装置

Also Published As

Publication number Publication date
US20080033695A1 (en) 2008-02-07
US7640139B2 (en) 2009-12-29

Similar Documents

Publication Publication Date Title
WO2006043511A1 (ja) 機械設備の異常診断システム
CN100516789C (zh) 机械设备的异常诊断系统
Van Hecke et al. Low speed bearing fault diagnosis using acoustic emission sensors
JP4569437B2 (ja) 異常診断装置
JP4935157B2 (ja) 異常診断装置および異常診断方法
JP4084852B2 (ja) 鉄道車両用の主電動機の軸受検査装置
JP4120099B2 (ja) 軸受の異常診断方法および異常診断装置
KR920002072B1 (ko) Ae 방식 회전기 이상진단 시스템
JP6508017B2 (ja) 機械設備の評価方法
JP2005233789A (ja) 回転機械の異常診断方法、異常診断装置および異常診断システム
JP2008292288A (ja) 減速機の軸受診断装置
CN117705445A (zh) 用于确定车辆的车轮端的旋转速度和振动的装置
WO2000072989A1 (fr) Procede et dispositif permettant de deceler le broutage d&#39;un laminoir a froid
JP2018155494A (ja) 軸受異常診断システム及び軸受異常診断方法
JP4561304B2 (ja) 機械設備の異常診断システム
Chiementin et al. Effect of cascade methods on vibration defects detection
JP2003232674A (ja) 機械設備又は機器の異常診断方法及び異常診断装置
JP2006194629A (ja) 異常診断装置
JP4997936B2 (ja) 転がり軸受の異常診断装置および乗物
JPH0743259A (ja) 異常検出方法及び装置
JPWO2006043511A1 (ja) 機械設備の異常診断システム
JP3920715B2 (ja) 振動信号の処理方法
JP7082585B2 (ja) 軸受情報解析装置及び軸受情報解析方法
JP2006125976A (ja) 機械設備の異常診断システム
JP2010203866A (ja) 機器の異常検出装置

Legal Events

Date Code Title Description
AK Designated states

Kind code of ref document: A1

Designated state(s): AE AG AL AM AT AU AZ BA BB BG BR BW BY BZ CA CH CN CO CR CU CZ DE DK DM DZ EC EE EG ES FI GB GD GE GH GM HR HU ID IL IN IS JP KE KG KM KP KR KZ LC LK LR LS LT LU LV LY MA MD MG MK MN MW MX MZ NA NG NI NO NZ OM PG PH PL PT RO RU SC SD SE SG SK SL SM SY TJ TM TN TR TT TZ UA UG US UZ VC VN YU ZA ZM ZW

AL Designated countries for regional patents

Kind code of ref document: A1

Designated state(s): GM KE LS MW MZ NA SD SL SZ TZ UG ZM ZW AM AZ BY KG KZ MD RU TJ TM AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HU IE IS IT LT LU LV MC NL PL PT RO SE SI SK TR BF BJ CF CG CI CM GA GN GQ GW ML MR NE SN TD TG

WWE Wipo information: entry into national phase

Ref document number: 200580006288.2

Country of ref document: CN

WWE Wipo information: entry into national phase

Ref document number: 11579198

Country of ref document: US

121 Ep: the epo has been informed by wipo that ep was designated in this application
WWE Wipo information: entry into national phase

Ref document number: 2006542972

Country of ref document: JP

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 05793495

Country of ref document: EP

Kind code of ref document: A1

WWP Wipo information: published in national office

Ref document number: 11579198

Country of ref document: US