JP2008058191A - 回転機械の診断方法、そのプログラム、及びその診断装置 - Google Patents

Abstract

【課題】滑り軸受支承の回転機械について、異常を初期の段階で検知する。
【解決手段】回転機械の振動情報から算出した複数の有次元振動パラメータから、主成分分析法で状態評価指数を算出し、状態評価指数に基づき回転機械の良否判定を行う。複数の有次元振動パラメータは、下記１０種類のパラメータから選択され、少なくとも速度ＲＭＳ値、速度の回転周波数成分値、２×該回転周波数成分値、加速度ＲＭＳ値、及び加速度の回転周波数成分値を含む。パラメータ：速度ピーク値、速度ＲＭＳ値、速度の回転周波数成分値、２×該回転周波数成分値、３×該回転周波数成分値、４×該回転周波数成分値、０．４４×該回転周波数成分値、加速度ピーク値、及び加速度ＲＭＳ値、加速度の回転周波数成分値。
【選択図】 図２

Description

本発明は、回転機械の振動波形データを解析することによって回転機に生じる異常モードを検知する技術に係り、上記回転機械の回転部が滑り軸受で支承される回転機械について、特に異常発生初期の軽微な段階で異常を検知可能とするための回転機械の診断方法に関する。

従来、回転機械の良否を判定する方法としては以下の技術が知られている。
第１の技術は、振動測定値を用いて回転機械の良否を判定するものである。具体的には、その回転機械に発生する振動変位、振動速度、振動加速度値などを計測し、その計測値から振動の最大値や実効値などのパラメータを求め、それらのパラメータ値とＩＳＯ基準やユーザが設定した基準値とを比較することにより、正常、注意、危険の判定を行う（例えば、特許文献１を参照）。この技術は一般的な手法として広く知られているものである。

そして、この一般的な手法をさらに発展させた、以下の技術が公知となっている。
第２の技術は、有次元パラメータと無次元パラメータを用いて回転機械の良否を判定するものである。
ここで、「有次元パラメータ」とは、測定した振動の大きさ等を所定の単位系によって表したパラメータであり、「無次元パラメータ」とは、測定した振動の波形の特徴を無単位（無次元）の指標として表したパラメータである。

一般には、有次元パラメータは、異常の程度が重くなったときに有効であり、したがって、初期異常、または一部の異常モードに対しては有次元パラメータが十分に大きくならない、という欠点があるとされる。また、異常とは無関係な運転条件（回転数や負荷など）が変化したときにも、有次元パラメータの値が影響を受けるという欠点があるとされている。しかし、多くの機械設備では運転の継続が可能か否かは、有次元パラメータによって決定されることから有次元パラメータは必要不可欠なパラメータである。

一方、無次元パラメータは、一般には、運転条件の影響を受けにくいという特徴を有すると解されているが、一部の異常に対しては、異常の程度が重くなった場合でも、その異常に反応しないことがある。
このことを考慮して、第２の技術では、１個の有次元パラメータと、１４個の無次元パラメータとで判定する方法が提案されている。具体的には、有次元パラメータ１個と無次元パラメータ１４個を採取する。そして、有次元パラメータはその大きさ（実効値または最大値）が正常値からどれくらい変化したかの変化量によって正常、注意、危険の判定を行い、無次元パラメータも１４個のそれぞれのパラメータに対して同様に正常値からの変化量によって正常、注意、危険の判定を行っている。そして、有次元パラメータと無次元パラメータのそれぞれの判定結果を組み合わせて総合的に正常、注意、危険の判定を行う。

第３の技術は、判定モデルを用いて回転機械の異常を判定するものである。
この第３の技術では、機器の正常状態において動作変量を計測してそのデータから異常状態における変量データを推定する。そして正常状態、異常状態それぞれについてＡＲモデルを適用し、ＡＲモデルをもとに、それぞれのマハラノビスの距離を求めておく。以上の準備の下に、診断対象機器について実際に変量データを計測してＡＲモデルを適用し、マハラノビスの距離を対比してＡＲモデルどうしの近さをもとに正常か異常かを判定する。

第４の技術は、振幅確率密度関数を用いて回転機械の異常を判定するものである（例えば、特許文献２を参照）。
この第４の技術は、正常状態の機械から発生する振動等の計測信号の振幅確率密度関数が正規分布であり、故障や異常状態になると正規分布から外れることを基本原理としたものである。即ち、正規化した振幅確率密度関数からグラムチャーリー級数を算出し、正規分布との差分を算出して異常か否かを判定する。
特開平４−２０４０２１号公報 特開２０００−１７１２９１号公報

しかしながら、上述した従来の技術では、なお解決すべき以下のような問題点を有していた。
まず、一般手法を用いる第１の技術においては、振動速度、加速度値の最大値や実効値といった有次元パラメータを用いるものであるため、回転機械に発生するアンバランスやミスアライメント、軸受の欠陥などの異常を検出することができるが、これはあくまでも損傷の程度がある程度大きな場合に限られる。即ち初期の異常などはほとんど検知できないという問題がある。

この振動の大きさによって判定する第１の従来技術では、滑り軸受の異常兆候を把握することは極めて困難であり、特に、滑り軸受異常の中でも最も被害が大きい焼き付き異常では、実際に軸受と軸とが接触した段階でないと振動値が変化せず、この時点での検知では遅いという問題があることを確認している。
また、有次元パラメータと無次元パラメータを用いて回転機械の良否を判定する第２の技術においては、有次元パラメータを１個しか採用していないため、十分に異常の特徴を抽出しているとはいえない。このため、その有次元パラメータで検出感度が低い異常に対してはその兆候を見逃す危険性があった。特に初期の異常に対してはその恐れが大きいと考えられる。

判定モデルを用いて回転機械の異常を判定する第３の技術においては、機器の異常を客観的に高い確度で判断することのできる診断方法であるが、動作変量が適正に選択されていなければ所定の異常を高い精度で検出することは困難であると考えられる。特に異常発生初期の軽微な段階で異常を検知するための技術に関しては、そのような記述もなくまた示唆もされていない。

また、振幅確率密度関数を用いて回転機械の異常を判定する第４の技術（特許文献２記載の技術）においては、機器ごとに煩わしい基準値を設定することなく、異常有無の判断ができる診断方法であるが、これはあくまでその異常が振幅確率密度関数に影響を与えることを前提とするものである。従って、本技術は計測信号がその異常状態を検出している場合の異常判定方法であり、通常の一般的な計測信号を用いて振幅確率密度関数が異常発生初期の軽微な段階で異常を検知できるとの根拠は記載されていない。

以上のように、従来技術では正常状態から異常状態に差しかかった異常初期の軽微な段階での異常を十分に検出できるには至っていないという問題点が指摘されていた。異常の早期検知は、回転機械の信頼性を向上させる上で重要な課題であり、特に、高い信頼性、安全性が要求される重要な回転機械に対しては必要不可欠な課題であった。
これらの問題を解決する技術として、発明者らは先に特開２００４−２７９０５６号公報に記載の技術を開示した。この技術は、複数（１７個）の有次元の振動パラメータまたは無次元の振動パラメータを主成分分析により１つのパラメータに統合し、その傾向管理により異常を判定する方法である。

しかしながら、本技術は転がり軸受による支承を想定したものであり、転がり軸受による支承の回転機械の早期異常判定は良好である。この技術に従って、滑り軸受で支承される回転機械の診断に適用し、転がり軸受特有の有次元振動パラメータを外して、滑り軸受の振動に関係する有次元パラメータを採用して上記技術を実際に使用してみたところ、ばらつきが大きく、滑り軸受で支承される回転機械の異常判定を良好に検出することが困難であるおそれがあることが分かった。
本発明は、上記のような点を考慮してなされたもので、滑り軸受で回転部が支承されている回転機械についての異常を初期の段階で早期に検知することができる回転機械の診断方法、回転機械の診断プログラム、および回転機械の診断装置を提供することを課題とする。

上記課題を解決するために、本発明のうち請求項１に記載した発明は、対象とする回転機械の作動状態における振動情報を採取し、その振動情報に基づき振動を特徴づける複数の有次元振動パラメータを算出し、その複数の有次元振動パラメータから主成分分析法により主成分を抽出し、その主成分に基づき１個の状態評価指数を算出して、上記状態評価指数に基づき上記回転機械の良否判定を行う回転機械の診断方法であって、
上記複数の有次元振動パラメータは、下記１０種類のパラメータから選択され、少なくとも速度ＲＭＳ値、速度の回転周波数成分値、２×速度の回転周波数成分値、加速度ＲＭＳ値、及び加速度の回転周波数成分値を含むことを特徴とするものである。
パラメータ：
速度ピーク値、速度ＲＭＳ値、
速度の回転周波数成分値、２×速度の回転周波数成分値、３×速度の回転周波数成分値、
４×速度の回転周波数成分値、０．４４×速度の回転周波数成分値、
加速度ピーク値、及び加速度ＲＭＳ値、加速度の回転周波数成分値

次に、請求項２に記載した発明は、請求項１に記載の算出方法によって、対象とする回転機械の正常な作動状態における上記状態評価指数を算出し、その算出した状態評価指数を基準の状態評価指数とし、
請求項１に記載の算出方法によって、良否を判定する時点での上記回転機械の作動状態における上記状態評価指数を算出し、その算出した状態評価指数を測定の状態評価指数として、
上記測定の状態評価指数と基準の状態評価指数との比の値によって上記回転機械の良否判定を行うことを特徴とする回転機械の診断方法を提供するものである。

次に、請求項３に記載した発明は、対象とする回転機械の作動状態における振動情報を採取し、その振動情報に基づき複数の無次元振動パラメータを算出し、その複数の無次元振動パラメータから主成分分析法をもちいて無次元の主成分を抽出し、その主成分に基づき無次元の状態評価指数を算出し、
上記請求項１又は請求項２に記載の有次元の状態評価指数による上記回転機械の良否判定と共に、上記無次元の状態評価指数に基づいても上記回転機械の良否判定を行うことを特徴とする回転機械の診断方法を提供するものである。

次に、請求項４に記載した発明は、請求項１〜請求項３のいずれか１項に記載の構成に対し、上記状態評価指数は、以下の式により導き出されるＳであることを特徴とするものである。

次に、請求項５に記載の発明は、コンピュータに、
回転機械の作動状態における振動情報を採取する手順、上記振動情報に基づき振動を特徴づける複数の有次元振動パラメータを算出する手順、上記複数の振動パラメータから主成分分析法により主成分を抽出する手順、上記主成分に基づき１個の状態評価指数を算出する手順、上記状態評価指数に基づき上記回転機械の良否判定を行う手順、を実行させるための回転機械の診断プログラムであって、
上記複数の有次元振動パラメータは、下記１０種類のパラメータから選択され、少なくとも速度ＲＭＳ値、速度の回転周波数成分値、２×速度の回転周波数成分値、加速度ＲＭＳ値、及び加速度の回転周波数成分値を含むことを特徴とするものである。

パラメータ：
速度ピーク値、速度ＲＭＳ値、
速度の回転周波数成分値、２×速度の回転周波数成分値、３×速度の回転周波数成分値、
４×速度の回転周波数成分値、０．４４×速度の回転周波数成分値、
加速度ピーク値、及び加速度ＲＭＳ値、加速度の回転周波数成分値
次に、請求項６に記載した発明は、請求項５に記載した構成に対し、上記状態評価指数は、以下の式により導き出されるＳであることを特徴とするものである。

次に、請求項７に記載した発明は、対象となる回転機械の作動状態における振動情報を採取する振動情報採取手段と、その振動情報に基づき振動を特徴づける複数の有次元振動パラメータを算出する振動パラメータ算出手段と、上記複数の有次元振動パラメータから主成分分析法により主成分を抽出する主成分抽出手段と、上記主成分に基づき状態評価指数を算出する指数算出手段と、上記状態評価指数と基準の状態評価指数との比の値によって上記回転機械の良否判定を行う良否判定手段と、を備えたことを特徴とする回転機械の診断装置であって、
上記複数の有次元振動パラメータは、下記１０種類のパラメータから選択され、少なくとも速度ＲＭＳ値、速度の回転周波数成分値、２×速度の回転周波数成分値、加速度ＲＭＳ値、及び加速度の回転周波数成分値を含むことを特徴とするものである。
パラメータ：
速度ピーク値、速度ＲＭＳ値、
速度の回転周波数成分値、２×速度の回転周波数成分値、３×速度の回転周波数成分値、
４×速度の回転周波数成分値、０．４４×速度の回転周波数成分値、
加速度ピーク値、及び加速度ＲＭＳ値、加速度の回転周波数成分値

本発明によれば、回転部が滑り軸受で支承される回転機械について、異常の兆候を早期に且つ良好に検知することが可能となる。

図１は、本発明に係る診断システムの概略の構成を示すブロック図である。
本発明に係る診断システムは、異常判定を行うための諸機能を備えた判定処理装置１、振動センサ２からの電荷信号を電圧信号等に変換する信号変換器３、記録媒体に記録されている振動信号を再生する記録信号再生装置４、判定処理装置１からの情報を表示する表示装置５及び判定処理装置１からの情報を印刷する印刷装置６で構成されている。
上記振動センサ２が振動情報採取手段を構成する。

さらに、本実施形態では、ボタンなどが操作されることで、対象とする回転機械の支承が滑り軸受か否かの信号を発生する信号発生部３０を有する。
また、上記判定処理装置１は、入出力制御部１０、波形読込部１１、ＦＦＴ処理部１２、パラメータ算出部１３、主成分分析部１４、統合パラメータ値算出部１５、良否判定処理部１６、判定結果処理部１８及びデータ部２０で構成されている。

入出力制御部１０は、外部装置との信号授受を行い、情報交換を行うためのインターフェースである。波形読込部１１は振動センサ２または記録信号再生装置４から振動信号を読み込むとともに必要時にはその信号から加速度信号と速度信号を生成する。ＦＦＴ処理部１２は読み込んだ振動信号の周波数分析を行う。
パラメータ算出部１３は、波形読込部１１とＦＦＴ処理部１２の処理結果に基づいて有次元パラメータと無次元パラメータを算出する。ただし、信号発生部３０からの信号によって、対象が滑り軸受による支承と判定した場合には、後述のとおり、選択された特定の有次元パラメータだけを算出する。このパラメータ算出部１３は、振動パラメータ算出手段を構成する。

主成分分析部１４は、上記パラメータ算出部１３が算出したパラメータを使用し、正常状態にある回転機械の振動信号に基づいて主成分分析を行い、固有ベクトルを算出する。この主成分分析部１４は主成分抽出手段を構成する。
統合パラメータ値算出部１５は、上記パラメータ算出部１３が算出したパラメータを使用した有次元パラメータおよび無次元パラメータと上記主成分分析部１４が算出した固有ベクトルとから回転機械の異常を判定するための指標である統合パラメータ値を算出する。この統合パラメータが状態評価指数となる。この統合パラメータ値算出部１５は、指数算出手段を構成する。

良否判定処理部１６は、統合パラメータ値に基づいて回転機械の良否を判定する。この良否判定処理部１６は良否判定手段を構成する。
判定結果処理部１８は、良否判定結果を表示装置５あるいは印刷装置６に出力する。
データ部２０は、上述の各処理部が異常判定処理を行うために用いる各種データを記憶する。初期状態データベース２１は、回転機械の正常状態において算出した各種パラメータ値などを記憶する。測定値データベース２２は、回転機械の現在状態において算出した各種パラメータ値などを記憶する。基準値データベース２３は、回転機械の良否を判定するための基準値を記憶する。

なお、本実施形態では、振動信号を振動センサ２から直接に、あるいは記録信号再生装置４から読み込むことを想定しているが、この実施形態に限定されず、例えば図示しない通信回線を介して遠隔から振動信号を読み取るように構成しても良い。また波形読込部１１、ＦＦＴ処理部１２を判定処理装置１の内部に設けず外部の装置を用いて構成し、その処理結果を入力するように構成しても良い。

次に、このように構成された診断システムの動作について説明する。図２は、診断システムの概略の動作を示すフロー図である。
まず、波形読込部１１が、機械の初期状態（正常状態）における振動波形を読み込む（ステップＳ１）。ここで、波形読込部１１は振動加速度波形ならびに振動速度波形を読み込むように構成しても良く、また振動加速度波形を読み込んだ後、その信号を積分して振動速度波形を算出するように構成しても良い。

次に、ＦＦＴ処理部１２が読み込んだ振動信号の周波数分析を実行し（ステップＳ２）、周波数毎の成分値を算出する。
続いて、パラメータ算出部１３が起動して、信号発生部３０から滑り軸受である旨の信号を入力しない、つまり対象の回転機械が滑り軸受による支承でない場合には、それぞれの波形データから以下に示すような複数の有次元パラメータと無次元パラメータを算出する（ステップＳ３）。
（１）有次元パラメータ
１）振動速度
ａ．速度ピーク値 ：ＶＥＬ−Ｐ
測定した振動速度波形の振幅値ｘｉの内、｜ｘｉ｜の大きなものから数えた上位５％の
｜ｘｉ｜の平均値である。
ｂ．速度ＲＭＳ値 ：ＶＥＬ−Ｒ

ｃ．周波数成分値 ：ＶＥＬ−ｆｒ（回転周波数ｆｒ成分）
ここで回転周波数ｆｒは、Ｎ：回転数［ｒｐｍ］を用いて下式で表される。

ｄ．周波数成分値 ：ＶＥＬ−２ｆｒ（周波数２×ｆｒ成分）
ｅ．周波数成分値 ：ＶＥＬ−３ｆｒ（周波数３×ｆｒ成分）
ｆ．周波数成分値 ：ＶＥＬ−４ｆｒ（周波数４×ｆｒ成分）
ｇ．周波数成分値 ：ＶＥＬ−５ｆｒ（周波数５×ｆｒ成分）
ｈ．周波数成分値 ：ＶＥＬ−１／２ｆｒ（周波数１／２×ｆｒ成分）
ｉ．周波数成分値 ：ＶＥＬ−０．４４ｆｒ（周波数０．４４×ｆｒ成分）

ここで表された有次元パラメータの内、ｃの回転周波数成分は、主にアンバランス異常時に卓越する成分、ｄ〜ｇの回転周波数の高調波成分は、ミスアライメントやガタ・ゆるみ異常時に発生する成分、ｈ〜ｉの分数調波成分は、ガタ・ゆるみ発生時に表れる特徴的な成分である。
２）振動加速度
ａ．加速度ピーク値：ＡＣＣ−Ｐ
測定した振動加速度波形の振幅値ｘｉの内、｜ｘｉ｜の大きなものから数えた上位５％の｜ｘｉ｜の平均値である。
ｂ．加速度ＲＭＳ値：ＡＣＣ−Ｒ

ｃ．周波数成分値 ：ＡＣＣ−ｆ０（外輪キズ周波数成分）

ｄ．周波数成分値 ：ＡＣＣ−ｆｉ（内輪キズ周波数成分）

ｅ．周波数成分値 ：ＡＣＣ−ｆｂ（ボールキズ周波数成分）

ｆ．周波数成分値 ：ＡＣＣ−２ｆｂ（ボールキズ周波数成分）

ｇ．周波数成分値 ：ＡＣＣ−ｆｃ（保持器キズ周波数成分）

ｈ．周波数成分値：ＡＣＣ−ｆｒ（回転周波数成分）

ここで、Ｎ：回転数［ｒｐｍ］、ｆｒ：軸（内輪）の回転周波数（Ｈｚ）、Ｄ：軸受のピッチ円直径（ｍｍ）、ｄ：転動体の直径（ｍｍ）、α：接触角（度）、ｚ：転動体の数である。
（２）無次元パラメータ
１）振動速度
ａ．波形率Ｓｆ：ＶＥＬ−Ｓｆ
振動波形の正弦波からのずれを表すパラメータ。低周波領域のアンバランスやミスアライメント、脈動波形などの定量化に有効なパラメータ。

ｂ．波高率Ｃｆ：ＶＥＬ−Ｃｆ
振動波形の衝撃性を表すパラメータ。局部異常の検出に有効なパラメータ。

ｃ．衝撃指数Ｉｐ：ＶＥＬ−Ｉｐ
波高率Ｃｆと同様に衝撃性を表すパラメータ。

ｄ．スキューネス（歪み度）β１：ＶＥＬ−β１
振動波形がゼロ点を中心にしていかに非対称となっているかを示すパラメータ。摩耗系の異常が発生すると、振動波形が非対称となり、歪み度が増大する。

ｅ．クートシス（尖り度）β２：ＶＥＬ−β２
振動波形がゼロ点を中心にしていかに尖っているかを示すパラメータ。転がり軸受や歯車装置の異常診断に有効なパラメータ。

２）振動加速度
振動速度と同様に、以下のパラメータを求める。
ａ．波形率Ｓｆ ：ＡＣＣ−Ｓｆ
ｂ．波高率Ｃｆ ：ＡＣＣ−Ｃｆ
ｃ．衝撃指数Ｉｐ ：ＡＣＣ−Ｉｐ
ｄ．スキューネス（歪み度）β１：ＡＣＣ−β１
ｅ．クートシス（尖り度）β２：ＡＣＣ−β２

一方、信号発生部３０からの信号によって、対象とする回転機械の支承が滑り軸受と判定した場合には、パラメータ算出部１３は、上記有次元パラメータの全てを算出せず、下記１０種類のパラメータから選択され、少なくとも速度ＲＭＳ値ＶＥＬ−Ｒ、速度の回転周波数成分値ＶＥＬ−ｆｒ、２×速度の回転周波数成分値ＶＥＬ−２ｆｒ、加速度ＲＭＳ値ＡＣＣ−Ｒ、及び加速度の回転周波数成分値ＡＣＣ−ｆｒを含むパラメータだけを算出する。

パラメータ：
速度ピーク値ＶＥＬ−Ｐ、速度ＲＭＳ値ＶＥＬ−Ｒ、
速度の回転周波数成分値ＶＥＬ−ｆｒ、２×速度の回転周波数成分値ＶＥＬ−２ｆｒ、
３×速度の回転周波数成分値ＶＥＬ−３ｆｒ、４×速度の回転周波数成分値ＶＥＬ−４ｆｒ、０．４４×速度の回転周波数成分値ＶＥＬ−０．４４ｆｒ、
加速度ピーク値ＡＣＣ−Ｐ、及び加速度ＲＭＳ値ＡＣＣ−Ｒ、
加速度の回転周波数成分値ＡＣＣ−ｆｒ

ここで、上記有次元パラメータは、滑り軸受に対し、それぞれ下記異常に反応するパラメータと推定される。
すなわち、
・速度ピーク値ＶＥＬ−Ｐ、速度ＲＭＳ値ＶＥＬ−Ｒ：滑り軸受の一般的な異常時に反応するパラメータ。
・速度の回転周波数成分値ＶＥＬ−ｆｒ：主に、アンバランス異常に搬送するパラメータ
・２×速度の回転周波数成分値ＶＥＬ−２ｆｒ、
３×速度の回転周波数成分値ＶＥＬ−３ｆｒ、４×速度の回転周波数成分値ＶＥＬ−４ｆｒ、
：ミスアライメントやガタ・ゆるみなどの異常時に反応するパラメータ。
０．４４×速度の回転周波数成分値ＶＥＬ−０．４４ｆｒ
：オイルホワール発生時に反応するパラメータ。
加速度ピーク値ＡＣＣ−Ｐ、及び加速度ＲＭＳ値ＡＣＣ−Ｒ
：滑り軸受に金属接触等の異常が発生した場合に反応するパラメータ。
・加速度の回転周波数成分値ＡＣＣ−ｆｒ
：摩擦系の異常に反応するパラメータ。

なお、一般に滑り軸受の異常検出のパラメータとして速度ピーク値ＶＥＬ−Ｐ、速度ＲＭＳ値ＶＥＬ−Ｒは想定されるが、このパラメータだけでは、良好に異常判定できないことを確認している。
発明者らは、特に、良好に検出するためには少なくとも加速度の回転周波数成分値ＡＣＣ−ｆｒが不可欠であることを確認している。このパラメータは当業者が滑り軸受の診断に積極的に選択するパラメータではない。

以上の有次元パラメータと無次元パラメータを算出後、主成分分析部１４が起動して算出された有次元パラメータあるいは無次元パラメータ毎に、主成分分析を行う（ステップＳ４）。
ここで、主成分算出までの計算手順を以下に説明する。なお、以下の説明では簡便化のために有次元パラメータのみについて説明するが、無次元パラメータについても同様の手順とする。
ある設備の正常状態下で上述の手順により収集されたｍ個の有次元パラメータを要素とする兆候パラメータＹｐ＝（Ｙ１，Ｙ２，Ｙ３ ・・・，Ｙｍ）のｎ組のデータからなる行列Ｙ０を以下の式で定義する。

次に、この行列Ｙ０の列方向、即ち縦方向の行列要素に対して以下の式を用いて演算を行い、ｙｉを算出する。

この演算を列毎に行うことによって、新たな標準化された兆候パラメータを要素とするデータ行列Ｙを求める。

この行列は各列毎に平均値＝０、分散＝１に変換された行列である。
そこで、このデータ行列Ｙから相関行列Ｒを算出すると以下の式となる。

ここに、ｒｉｊは２つの列の相関係数である（ｎ＝ｍでない場合には、ｎとｍのうち数の小さい方に合わせて行列が作成される。）。すなわち、

次に、相関行列Ｒの固有値λを求める。即ち、以下の式を満たす固有値λを求める。

求められた固有値をλ１，λ２，・・・λｎとする。ただし、λ１＞λ２，・・・＞λｎである。これらのｎ個の固有値に対する固有ベクトルをａｉ（ｉ＝１、・・・ｎ）とする。

そうするとそれぞれの固有ベクトルに対して次の式が成立する。

この式に基づいて、ａｉ１、ａｉ２、・・・ａｉｍを求める。但し、この係数は以下の式を充たす値である。

この手順を繰り返して、夫々の固有値λ１，λ２，・・・λｎに対する固有ベクトルａ１，ａ２，・・・ａｎを求めることができる。そしてこれらのｎ個の固有ベクトルと標準化された兆候パラメータ（ｙ１、ｙ２、・・・ｙｍ）を組み合わせて、主成分Ｚ１，Ｚ２，・・・Ｚｎが、以下の式で表される。

ここで、Ｚ１を第１主成分、Ｚ２を第２主成分、・・・Ｚｎを第ｎ主成分と呼ぶ。
次に、統合パラメータ値算出部１５が起動して、有次元統合パラメータＳｙを算出する（ステップＳ５）。
前述の正常状態下で求めた主成分Ｚｉ（母集団）が、正規分布に従うと仮定する。この母集団から独立に取り出されたｎ個の標本で構成される統計量χ２ は、自由度ｎ−１のカイ２乗分布に従う。

ここで、母集団から取り出したｎ個の標本をＸ１，Ｘ２，・・・Ｘｎとすると、標本分散ｓ２は次の式で表される。

また、主成分Ｚｉの母分散σ２は固有値λｉに等しいことから、
σ２＝ λｉ
これらの関係を整理すると以下の式となり、標準化されたＸ値の偏差平方和は、自由度ｎ−１のかい２乗分布に従う。

ここで、式のＸｉを主成分Ｚｉに置き換えると、

次に、正常状態下におけるデータの主成分Ｚｉが１−αの確率で入る領域は、以下の式で表される。

よって、正常状態の状態確定領域は次の式を満たす範囲となる。

たとえば、有意水準α＝０．０５、自由度φ＝３の場合は、

となり、この正常状態確定領域に入ったときは正常、領域外のときは異常という判定が可能となる。
従って、正常状態からの変化量を監視するために、下の式で表される状態量Ｓを統合パラメータとして定義する。

状態量Ｓ≦１の領域が正常状態確定領域であるが、状態量Ｓの大きさが、劣化の程度を表す指標であり、この大きさによって、兆候領域、注意領域、限界領域の良否判定を行うことができるものである。すなわち、このＳ値が大きくなれば異常状態と判定でき、回転機械の良否を判定するための普遍的な状態量を示すものである。この式において、有次元パラメータについて集約した指標値を有次元統合パラメータ値Ｓｙとし、無次元パラメータについて集約した指標値を無次元統合パラメータ値Ｓｍとする。そして、この２つの状態量Ｓｙ、Ｓｍを監視することにより、設備の状態監視を行う。

ＳｙとＳｍの２つを監視する理由は、異常モードによって、有次元パラメータに大きな変化が現れる場合と、無次元パラメータに大きな変化が現れる場合があるためである。
以上の手順に従って、初期状態波形データについて有次元パラメータ、無次元パラメータ、主成分値、固有値、固有ベクトルなどが求められるが、それらの値は正常状態における基準データとして初期状態データベース２１に記憶する（ステップＳ６）。

以上説明した波形データ処理は正常状態における基準データを作成するための準備である。したがって、この正常状態処理が行われた時点以降に読み込まれる、回転機械の良否を判定するための振動波形の処理については、この基準データを利用する形態での処理となる。
正常状態処理が行われた時点以降に読み込まれる判定用振動波形の処理においては、ステップＳ１からＳ３までは前述と同様に実行される。しかし、ステップＳ４の主成分分析においては、標準化された兆候パラメータを要素とするデータ行列Ｙを求めた後は、再度新たな固有ベクトルの算出は行わず、初期状態データベース２１に記憶されている固有ベクトルを抽出して、その固有ベクトルに基づいて主成分Ｚ１、・・・Ｚｎを算出する。そして、この主成分に基づいて前述のステップＳ５と同様の手順で有次元統合パラメータＳｙと無次元統合パラメータＳｍを算出する。このようにして算出された判定用振動波形の処理データおよび処理結果は、測定値データベース２２に記憶される。

次に、良否判定処理部１６が起動して算出された有次元統合パラメータＳｙと無次元統合パラメータＳｍに基づいて回転機械の良否を判定する（ステップＳ７）。良否判定処理部１６は、このＳｙまたはＳｍの値が、初期状態よりもｄ１倍になれば注意、ｄ２倍（：ｄ２＞ｄ１）になれば異常、ｄ１倍未満であれば良と判定する。この判定に際し、初期状態のＳｙまたはＳｍは初期状態データベース２１から取り出され、判定基準であるｄ１倍またはｄ２倍は基準値データベース２３に格納されている値が用いられる。

ここで、滑り軸受による支承の回転機械の場合（信号発生部３０から滑り軸受の信号を入力した場合）には、原則として有次元統合パラメータＳｙを中心に判定するが、無次元統合パラメータＳｍも併用して判定しても良い。
続いて、判定結果処理部１８が起動して、判定結果である良、注意、異常と、異常原因（ｉ）毎の総合確率Ｔｉを編集して表示装置５あるいは印刷装置６に出力する（ステップＳ９）。その後、必要なデータを保存して（Ｓ１０）、異常判定処理を終了する。

ここで、上記「異常原因（ｉ）毎の総合確率Ｔｉ」は、実際に観測された各パラメータの変化量（変化率又は外れ率）と、あらかじめマトリックス内に設定された標準パラメータ値との類似度を確信度として計算するもので、例えば下記式によって表される。
Ｔｉ ＝Ｓｉ×Σ（Ｐｉ×ＥＱｉ）
Ｓｉ：統合パラメータ（ＳｙまたはＳｍ）の良否判定結果に関する確信度
Ｐｉ：各パラメータの変化量（変化率または外れ率）に関する確信度
ＥＱｉ：機器情報（保全基準マスター）から得られる確信度

上記システムでは、滑り軸受支承の回転機械も、転がり軸受支承の回転機械についても異常診断を良好に行うことが出来る。なお、滑り軸受支承と転がり軸受支承とが併用されている場合には、滑り軸受用の統合パラメータＳｙ、Ｓｍと、転がり軸受用の統合パラメータＳｙ、Ｓｍの両方を算出して、個別に診断するようにすればよい。

次に、本発明の診断システムの、滑り軸受で支承される回転機械への適用例を、図面を参照しながら説明する。
図３は、振動センサが取り付けられる対象とする回転機械である多段渦巻きポンプであり、滑り軸受にて回転部が支承されている。そして、図４に示す測定位置に振動センサ（加速度センサ）が設定されていて、各振動センサからの信号に基づき正常状態における振動速度波形と加速度波形を採取し、採取した２種類の波形から、有次元パラメータの値を算出する。図４中には、その他の検証に使用するセンサとして、温度センサ、及びＡＥセンサの設置位置も示している。

そして、有次元パラメータに対し、それぞれ主成分分析を行い、初期波形データにおける各パラメータの値、主成分値、固有値、固有ベクトル等をすべて記憶しておく。
次に、回転機械に初期異常を発生させそのデータを計測する。具体的には滑り軸受を油切れが起こしやすい状態として異常データを計測し、初期データ解析時と同様、有次元統合パラメータを算出する。そして主成分分析を行い、状態量Ｓｙ値を算出した。
使用する複数の有次元パラメータは、下記表中の実施例１，比較例１，比較例３の３種の有次元パラメータ群を使用した場合である。

そのときの、Ｓｙ値の時系列を図５〜図７に示す。図５は、実施例１の有次元パラメータ群を採用した場合、図６は、比較例１の有次元パラメータ群を採用した場合、図７は、比較例３の有次元パラメータを採用した場合をそれぞれ示している。
図６から分かるように、本願発明に基づく１０種類の有次元パラメータから選択しても、使用する有次元パラメータが本願発明の範囲から外れている場合には、ほとんど滑り軸受の異常を早期に検出できない。逆に、本願発明に基づく１０種類パラメータ以外も含めたパラメータ数を使用すると、図７に示すように、データのばらつきが多きくなることが分かる。

これに対し、本願発明の範囲である、実施例１の場合には、図５に示すように、ばらつきが小さく、適正に滑り軸受の異常の兆候を検出することが出来る。なお、実施例２の場合の図を記載していないが、実施例１よりややばらつきが発生するものの、適正に滑り軸受の異常の兆候を検出することが出来ることを確認している。また、比較例２の場合の図も記載していないが、早期に異常検出ができないことを確認している。
ここで、上記実施形態では、滑り軸受の診断に有次元統合パラメータだけを使用して判定しているが、無次元統合パラメータの判断も併用しても良い。

次に、油切れの状態を作り、メタル焼き付きを強制的に発生させた実験による考察を補足説明する。
焼き付きに至る過程で、温度上昇そして金属接触音の発生が現れる。この温度上昇の推移状況から推察すると、下記ａ→ｂ→ｃの順番に推移していると思われる。
ａ：流体潤滑
ｂ：混合潤滑（ただし、金属接触時は一時的に境界潤滑）
ｃ：境界潤滑、
図８は、滑り軸受の摩擦係数の特性を示すストライベック曲線である。

そして、金属接触するまでの有次元統合パラメータＳｙの時系列を観測すると、図示しないが、上記温度センサの測定値に基づく温度上昇と共に、上記本願実施形態に基づく有次元統合パラメータＳｙも増加傾向を示しており、異常状態の兆候（混合潤滑状態）を確実に捉えていることを確認している。
また、ＡＥセンサの検出データの時系列も、上記有次元統合パラメータＳｙと同様に温度上昇に伴い増加傾向を示している。ただし、変化倍率で比較すると、本願発明に基づく有次元統合パラメータＳｙの方が遙かに大きいことを確認している。

本発明に基づく実施形態に係る診断システムの概略の構成を示すブロック図である。 診断システムの概略の動作を示すフロー図。 実験対象の回転機械を示す図である。 振動センサの設置位置を示す図である。 実施例１の場合の有次元統合パラメータの変化を示す図である。 比較例１の場合の有次元統合パラメータの変化を示す図である。 比較例２の場合の有次元統合パラメータの変化を示す図である。 滑り軸受の摩擦係数の特性を示すストライベック曲線を示す図である。

符号の説明

１ 判定処理装置
２ 振動センサ
１１ 波形読込部
１２ ＦＦＴ処理部
１３ パラメータ算出部
１４ 主成分分析部
１５ 統合パラメータ値算出部
１６ 良否判定処理部
１８ 判定結果処理部
３０ 信号出力部
Ｓｙ 有次元統合パラメータ
Ｓｍ 無次元統合パラメータ

Claims (7)

1. 対象とする回転機械の作動状態における振動情報を採取し、その振動情報に基づき振動を特徴づける複数の有次元振動パラメータを算出し、その複数の有次元振動パラメータから主成分分析法により主成分を抽出し、その主成分に基づき１個の状態評価指数を算出して、上記状態評価指数に基づき上記回転機械の良否判定を行う回転機械の診断方法であって、
   上記複数の有次元振動パラメータは、下記１０種類のパラメータから選択され、少なくとも速度ＲＭＳ値、速度の回転周波数成分値、２×速度の回転周波数成分値、加速度ＲＭＳ値、及び加速度の回転周波数成分値を含むことを特徴とする回転機械の診断方法。
   パラメータ：
   速度ピーク値、速度ＲＭＳ値、
   速度の回転周波数成分値、２×速度の回転周波数成分値、３×速度の回転周波数成分値、
   ４×速度の回転周波数成分値、０．４４×速度の回転周波数成分値、
   加速度ピーク値、及び加速度ＲＭＳ値、加速度の回転周波数成分値
2. 請求項１に記載の有次元振動パラメータ及び算出方法によって、対象とする回転機械の正常な作動状態における上記状態評価指数を算出し、その算出した状態評価指数を基準の状態評価指数とし、
   請求項１に記載の有次元振動パラメータ及び算出方法によって、良否を判定する時点での上記回転機械の作動状態における上記状態評価指数を算出し、その算出した状態評価指数を測定の状態評価指数として、
   上記測定の状態評価指数と基準の状態評価指数との比の値によって上記回転機械の良否判定を行うことを特徴とする回転機械の診断方法。
3. 対象とする回転機械の作動状態における振動情報を採取し、その振動情報に基づき複数の無次元振動パラメータを算出し、その複数の無次元振動パラメータから主成分分析法をもちいて無次元の主成分を抽出し、その主成分に基づき無次元の状態評価指数を算出し、
   上記請求項１又は請求項２に記載の有次元の状態評価指数による上記回転機械の良否判定と共に、上記無次元の状態評価指数に基づいても上記回転機械の良否判定を行うことを特徴とする回転機械の診断方法。
4. 上記状態評価指数は、以下の式により導き出されるＳであることを特徴とする請求項１〜請求項３のいずれか１項に記載の回転機械の診断方法。
   

   
5. コンピュータに、
   回転機械の作動状態における振動情報を採取する手順、
   上記振動情報に基づき振動を特徴づける複数の有次元振動パラメータを算出する手順、
   上記複数の振動パラメータから主成分分析法により主成分を抽出する手順、
   上記主成分に基づき１個の状態評価指数を算出する手順、
   上記状態評価指数に基づき上記回転機械の良否判定を行う手順、
   を実行させるための回転機械の診断プログラムであって、
   上記複数の有次元振動パラメータは、下記１０種類のパラメータから選択され、少なくとも速度ＲＭＳ値、速度の回転周波数成分値、２×速度の回転周波数成分値、加速度ＲＭＳ値、及び加速度の回転周波数成分値を含むことを特徴とする回転機械の診断プログラム。
   パラメータ：
   速度ピーク値、速度ＲＭＳ値、
   速度の回転周波数成分値、２×速度の回転周波数成分値、３×速度の回転周波数成分値、
   ４×速度の回転周波数成分値、０．４４×速度の回転周波数成分値、
   加速度ピーク値、及び加速度ＲＭＳ値、加速度の回転周波数成分値
6. 上記状態評価指数は、以下の式により導き出されるＳであることを特徴とする請求項５に記載の回転機械の診断プログラム。
   

   
7. 対象となる回転機械の作動状態における振動情報を採取する振動情報採取手段と、その振動情報に基づき振動を特徴づける複数の有次元振動パラメータを算出する振動パラメータ算出手段と、上記複数の有次元振動パラメータから主成分分析法により主成分を抽出する主成分抽出手段と、上記主成分に基づき状態評価指数を算出する指数算出手段と、上記状態評価指数と基準の状態評価指数との比の値によって上記回転機械の良否判定を行う良否判定手段と、を備えたことを特徴とする回転機械の診断装置であって、
   上記複数の有次元振動パラメータは、下記１０種類のパラメータから選択され、少なくとも速度ＲＭＳ値、速度の回転周波数成分値、２×速度の回転周波数成分値、加速度ＲＭＳ値、及び加速度の回転周波数成分値を含むことを特徴とする回転機械の診断装置。
   パラメータ：
   速度ピーク値、速度ＲＭＳ値、
   速度の回転周波数成分値、２×速度の回転周波数成分値、３×速度の回転周波数成分値、
   ４×速度の回転周波数成分値、０．４４×速度の回転周波数成分値、
   加速度ピーク値、及び加速度ＲＭＳ値、加速度の回転周波数成分値
   
   

Images