JP2018124117A - 状態監視システムおよび風力発電装置 - Google Patents

Abstract

【課題】振動波形のトレンドデータの変化の検知感度の向上を簡便に実現する状態監視システムおよび風力発電装置を提供する。
【解決手段】
振動センサは、機械要素の振動波形を計測する。処理装置は、振動波形の変化を検知する。また、処理装置は、評価値演算部と検知部とを含む。評価値演算部は、一定時間内に前記振動センサから出力される振動波形データの実効値を特徴付ける評価値を、時間的に連続して演算する。検知部は、評価値に基づいて振動波形の変化を検知する。また、評価値演算部は、評価値として、一定時間内における実効値の分布の尖度および歪度に基づいた値を演算する。
【選択図】図６

Description

この発明は、装置を構成する機械要素の状態を監視する状態監視システムに関し、特に、風力発電装置を構成する機械要素の状態を監視する状態監視システムに関する。

風力発電装置においては、風力を受けるブレードに接続される主軸を回転させ、増速機により主軸の回転を増速させた上で発電機のロータを回転させることによって発電が行なわれる。主軸、増速機の回転軸、発電機の回転軸の各々は、転がり軸受によって回転自在に支持されており、そのような軸受の異常を診断する状態監視システム（ＣＭＳ：Ｃｏｎｄｉｔｉｏｎ Ｍｏｎｉｔｏｒｉｎｇ Ｓｙｓｔｅｍ）が知られている。このような状態監視システムにおいては、軸受に固設された振動センサにより測定される振動波形データを用いて、軸受に損傷が発生しているか否かが診断される。

このような振動波形データの変化を検知する方法としては、振動波形データの実効値を算出し、算出した実効値のトレンドデータの変化を検知する方法が知られている。トレンドデータの変化を検知したことをトリガとして振動波形データの計測を開始することにより、計測された振動波形データを用いて機械要素の異常を診断することができる。

そのような方法の１つとして、前回周期で取得された実効値と今回周期で取得された実効値との差分値を計算し、その差分値が閾値を超えたときに、振動波形データの変化を検知する方法がある。たとえば、特開２０１２−２５２６５１号公報（特許文献１）には、発電プラントから送信されるプロセスデータの前回周期と今回周期の差分を抽出するように構成された監視装置が開示されている。

特開２０１２−２５２６５１号公報

しかしながら、上述した、差分値が閾値を超えるか否かに基づいてトレンドデータの変化を検知する方法では、差分値が大きくなるまで該変化を検知することが難しいという問題があった。これは、主軸ならびに増速機および発電機の回転速度によって各々の軸受の振動の大きさが異なるため、振動波形データに重畳するノイズの影響も回転速度によって異なってくることに起因する。そのため、トレンドデータの変化を検知するためには、ノイズに起因する差分値よりも大きい値に閾値を設定する必要がある。しかしながら、閾値を大きい値に設定すると、トレンドデータに変化が起きていても、該変化に起因する差分値が閾値を超えるまでは該変化を検知することができない場合が起こり得る。このことにより、たとえば、軸受の損傷に起因してトレンドデータが変化した場合、重大な故障に発展するまで該変化を検知できない可能性がある。その結果、故障の兆候である軸受の損傷を早期に検出することが困難となる。

また、実効値のトレンドデータの分布範囲（拡がり）を表す数値レンジは、主軸等の回転速度やノイズの影響度などによって異なるため、差分値の数値レンジもトレンドデータ間で異なったものとなる。その結果、トレンドデータの有意な変化を検知するためには、トレンドデータの数値レンジに応じて閾値を設定し直す必要があった。すなわち、トレンドデータの数値レンジが小さければ閾値を小さい値に設定する一方で、トレンドデータの数値レンジが大きければ閾値を大きい値に設定することが求められていた。このように、トレンドデータの変化の検知感度を確保するためには、トレンドデータごとにその数値レンジに応じた閾値を個別に設定しなければならないという問題があった。

そこで、この発明は、かかる課題を解決するためになされたものであり、その目的は、振動波形のトレンドデータの変化の検知感度の向上を簡便に実現する状態監視システムおよび風力発電装置を提供することである。

この発明のある局面に従えば、状態監視システムは、振動センサと、処理装置とを備える。状態監視システムは、装置を構成する機械要素の状態を監視する。振動センサは、機械要素の振動波形を計測する。処理装置は、評価値演算部と診断部とを含み、振動波形の変化を検知する。評価値演算部は、一定時間内に振動センサから出力される振動波形データの実効値を特徴付ける評価値を、時間的に連続して演算する。検知部は、評価値の推移に基づいて振動波形の変化を検知する。さらに、評価値演算部は、評価値として、一定時間内における実効値の分布の尖度および歪度に基づいた値を演算する。

この発明によれば、振動波形のトレンドデータの変化の検知感度の向上を簡便に実現する状態監視システムおよび風力発電装置を提供することができる。

本発明の実施の形態に係る状態監視システムが適用された風力発電装置の構成を概略的に示した図である。 図１に示したデータ処理装置の構成を機能的に示す機能ブロック図である。 振動波形データの差分値の時間的変化の一例を示した図である。 尖度と歪度の定義を説明する図である。 データのトレンド変化時の分布の概念図である。 図３に示した振動波形データ例の評価値の時間的変化を示した図である。 本発明の実施の形態に係る状態監視システムにおける振動波形データの変化を検知するための制御処理を説明するフローチャートである。

以下、本発明の実施の形態について、図面を参照しながら詳細に説明する。なお、図中の同一または相当部分には同一符号を付してその説明は繰返さない。

図１は、この発明に係る状態監視システムが適用された風力発電装置の構成を概略的に示した図である。図１を参照して、風力発電装置１０は、主軸２０と、ブレード３０と、増速機４０と、発電機５０と、主軸用軸受（以下、単に「軸受」と称する。）６０と、振動センサ７０と、データ処理装置８０とを備える。増速機４０、発電機５０、軸受６０、振動センサ７０およびデータ処理装置８０は、ナセル９０に格納される。ナセル９０は、タワー１００によって支持される。

主軸２０は、ナセル９０内に進入して増速機４０の入力軸に接続され、軸受６０によって回転自在に支持される。そして、主軸２０は、風力を受けたブレード３０により発生する回転トルクを増速機４０の入力軸へ伝達する。ブレード３０は、主軸２０の先端に設けられ、風力を回転トルクに変換して主軸２０に伝達する。

軸受６０は、ナセル９０内において固設され、主軸２０を回転自在に支持する。軸受６０は、転がり軸受によって構成され、たとえば、自動調芯ころ軸受や円すいころ軸受、円筒ころ軸受、玉軸受等によって構成される。なお、これらの軸受は、単列のものでも複列のものでもよい。

振動センサ７０は、軸受６０に固設される。振動センサ７０は、軸受６０の振動波形を計測し、計測した振動波形データをデータ処理装置８０へ出力する。振動センサ７０は、たとえば、圧電素子を用いた加速度センサによって構成される。

増速機４０は、主軸２０と発電機５０との間に設けられ、主軸２０の回転速度を増速して発電機５０へ出力する。一例として、増速機４０は、遊星ギヤ、中間軸および高速軸等を含む歯車増速機構によって構成される。なお、特に図示はしないが、増速機４０内にも、複数の軸を回転自在に支持する複数の軸受が設けられている。

発電機５０は、増速機４０の出力軸に接続され、増速機４０から受ける回転トルクによって発電する。発電機５０は、たとえば、誘導発電機によって構成される。なお、発電機５０内にも、ロータを回転自在に支持する軸受が設けられている。

データ処理装置８０は、ナセル９０内に設けられ、軸受６０の振動波形データを振動センサ７０から受ける。データ処理装置８０は、予め設定されたプログラムに従って、軸受６０の振動波形データの変化を検知する。また、風力発電装置１０外の解析部１８０および通知部１７０に振動波形データを送信する（図２参照）。

図２は、図１に示したデータ処理装置８０の構成を機能的に示す機能ブロック図である。図２を参照して、データ処理装置８０は、ローパスフィルタ（以下、「ＬＰＦ（Ｌｏｗ Ｐａｓｓ Ｆｉｌｔｅｒ）」と称する。）１１０と、実効値演算部１２０と、記憶部１３０と、評価値演算部１４０と、検知部１５０と、閾値設定部１６０とを含む。

ＬＰＦ１１０は、軸受６０の振動波形データを振動センサ７０から受ける。ＬＰＦ１１０は、その受けた振動波形データにつき、予め定められた周波数（たとえば、４００Ｈｚ）よりも低い信号成分を通過させ、高周波成分を遮断する。

実効値演算部１２０は、軸受６０の振動波形データをＬＰＦ１１０から受ける。実効値演算部１２０は、軸受６０の振動波形データの実効値（「ＲＭＳ（Ｒｏｏｔ Ｍｅａｎ Ｓｑｕａｒｅ）値」とも称される。）を算出し、その算出された振動波形データの実効値を記憶部１３０へ出力する。

記憶部１３０は、実効値演算部１２０により演算された軸受６０の振動波形データの実効値を時々刻々と格納する。記憶部１３０は、たとえば、読み書き可能な不揮発性のメモリ等によって構成される。

記憶部１３０は、少なくとも一定時間内（たとえば７日間）における軸受６０の振動波形データの実効値を格納するように構成される。記憶部１３０は、たとえば、所定の時間間隔（たとえば２時間）で、軸受６０の振動波形データを実効値演算部１２０から受けると、一定時間内における振動波形データの実効値のうちの最も古い振動波形データの実効値を消去するとともに、新たに入力された振動波形データの実効値を追加するように構成される。

すなわち、記憶部１３０は、所定の時間間隔で、一定時間内における軸受６０の振動波形データの実効値を更新する。後述するように、記憶部１３０に格納された一定時間内における軸受６０の振動波形データの実効値が読み出され、その読み出された実効値を用いて振動波形データの変化が検知される。また、記憶部１３０は、後述する解析部１８０に振動波形データの実効値を出力する。

評価値演算部１４０は、一定時間内における軸受６０の振動波形データの実効値を記憶部１３０から読み出すと、読み出した一定時間内における振動波形データの実効値を特徴付ける評価値を演算する。評価値演算部１４０は、評価値を時間的に連続して演算するように構成される。すなわち、評価値演算部１４０は、所定の時間間隔で、評価値を更新する。評価値演算部１４０における評価値の演算の詳細については後述する。

閾値設定部１６０は、検知部１５０において振動波形データの変化を検知するために用いられる閾値を設定するために用いられる。閾値設定部１６０は、設定された閾値を検知部１５０へ出力する。なお、閾値設定部１６０における閾値の設定はユーザが任意に決定してもよいし、振動波形データに基づいて決定されるように構成してもよい。

検知部１５０は、評価値を評価値演算部１４０から受け、閾値を閾値設定部１６０から受ける。検知部１５０は、評価値と閾値とを比較することにより、振動波形データの変化を検知する。具体的には、評価値が閾値より大きい場合、検知部１５０は振動波形データの変化を検知する。一方、評価値が閾値以下である場合、検知部１５０は振動波形データの変化を検知しない。また、検知部１５０は、検知結果を解析部１８０および通知部１７０に出力する。

通知部１７０は、遠隔地にいるユーザに検知結果を、たとえば視覚的手段や音声などの方法で通知する。

解析部１８０は、検知部１５０から振動波形データの変化が検知したという情報が入力された場合、当該検知をトリガとして振動波形データの計測を開始する。具体的には、解析部１８０は、トリガ発生時点以降記憶部１３０に格納される振動波形データの実効値を読み出す。解析部１８０は読み出した振動波形データの実効値を解析することにより、軸受６０の異常を診断する。該振動波形データの解析により、風力発電装置１０の振動波形データの変化の原因（たとえば、軸受６０の損傷および環境の変化など）等をより詳細に調べることができる。解析部１８０による振動波形データの解析は、自動解析用のプログラムを用いてもよいし、ユーザが手動で行ってもよい。

以下、検知部１５０における振動波形データの変化を検知する方法を説明する。最初に、図３を参照して、比較例として、実効値の差分値を用いて振動波形データの変化を検知する方法を説明する。

図３は、記憶部１３０に格納される軸受６０の振動波形データの実効値の時間的変化の一例、および、該実効値の差分値の時間的変化を示した図である。なお、本願明細書において、実効値の差分値とは、今回格納された実効値から前回格納された実効値を減算した値である。

図３を参照して、実効値は時間的に変動している。実効値の時系列変化の傾向（以下、トレンドとも称する）としては、時刻ｔ１よりも前の期間では、実効値の数値レンジが一定範囲に収まっている。これに対して、時刻ｔ１よりも後の期間では、実効値の変動が大きくなっている。このときの実効値の数値レンジは上限側が高くなるように広がっている。その結果、時刻ｔ１よりも前に比べて、数値レンジの中央が上昇している。

このように図３の例では、図中に丸印で囲んだ領域４２に示されるように、時刻ｔ１付近で実効値のトレンドに変化が生じている。なお、この時刻ｔ１付近でのトレンド変化は、たとえば、時刻ｔ１以降における大きな実効値の変化で表される計測対象の状態変化、または、風力発電装置１０の設置場所における風の吹き方を示す風況などの環境の変化を示す。したがって、このトレンドデータの変化を検知することが求められる。

ここで、時刻ｔ１におけるような、上記計測対象の状態変化、もしくは、環境の変化を示すトレンドデータの変化を、差分値に基づいて検知することを考える。図３では、閾値Ｔｄは、時刻ｔ１よりも前の期間における差分値の数値レンジよりも高い値に設定されている。

図３に示すように、時刻ｔ１では差分値は閾値Ｔｄを下回っている。そのため、差分値を用いては時刻ｔ１におけるトレンドデータの変化を検知することができない。なお、時刻ｔ１よりも遅い時刻ｔ２にて、差分値が閾値Ｔｄを超えている。よって、時刻ｔ１よりも遅い時刻ｔ２にてトレンドデータの変化が検知されることとなる。

図３において、差分値に基づいてトレンドデータの変化が検知される時刻ｔ２と、実際に計測対象の状態変化もしくは環境の変化に対応してトレンドデータが変化した時刻ｔ１とのずれを小さくするためには、閾値Ｔｄを低下させることが必要となる。しかしながら、時刻ｔ１における差分値は、時刻ｔ１よりも前の時刻における差分値と同程度の値を示すことから、閾値Ｔｄを下げることで、時刻ｔ１よりも前のトレンドデータのトレンド変化（以下、トレンドデータの変化とも称する）が起こっていない期間に、誤ってトレンドデータの変化が検知されることとなる。

このように実効値の差分値を用いてトレンドデータの変化を検知する方法では、誤検知を防ぐ観点から、差分値の数値レンジによって閾値Ｔｄが制約を受ける。その結果、当該方法では、差分値の数値レンジが十分に大きくなるまでトレンドデータの変化を捉えることができないという問題がある。

また、実効値の数値レンジによって差分値の数値レンジも異なるため、トレンドデータの変化を検知できる感度（以下、検知感度とも称する）を確保するためには、トレンドデータごとにその数値レンジに応じた閾値を個別に設定しなければならないという問題がある。

そこで、本実施の形態では、一定時間内における振動波形データの実効値を特徴付ける評価値を時間的に連続して演算し、その演算された評価値の推移に基づいて振動波形の変化を検知するように構成する。上記構成において、評価値は、一定時間内における実効値の分布の尖度（Kurtosis）および歪度（Skewness）に基づいた値とする。

尖度および歪度は、分布の形を表す統計値であり、差分値とは異なり、無次元化された値である。そのため、実効値の数値レンジとは関係なく、一定時間内における実効値の分布の特徴を表すことができる。したがって、様々な実効値の数値レンジに対して、様々な閾値を設定する必要がなくなり、閾値を統一することができる。これにより、トレンドデータの変化の検知感度の向上を簡便に実現することができる。

以下、図４および５を参照して、尖度および歪度の定義を説明する。
図４（Ａ）は、尖度の定義を説明する図である。一定時間内における実効値の分布の形を表す統計値として、尖度は、該分布の尖り具合を示す。一般に、尖度は、正規分布のときに０となり（グラフ３２参照）、正規分布に比べて厚い裾を持つときに正の値となり（グラフ３３参照）、正規分布に比べて薄い裾を持つときに負の値となる（グラフ３１参照）傾向がある。なお、本実施の形態で扱うデータにおいては、その分布の尖度はほぼ正となる。すなわち、本実施の形態においては、尖度の絶対値が小さくなるほど、平均値の周りにデータが集中していることを表す。

より詳細には、分布の裾の厚さとは、分布の平均値の周りにデータが集中している度合いを表す。以下の説明では、一定時間内における実効値のデータの個数をｎとして、それらをｘ_１，ｘ_２，・・・ｘ_ｎと表すこととする。実効値のデータｘ_１，ｘ_２，・・・ｘ_ｎの分布において、平均値をμ、標準偏差をσ、尖度をＫとすると、μ、σおよびＫはそれぞれ、以下の式（１）〜（３）で与えられる。

図４（Ｂ）は、歪度の定義を説明する図である。歪度は、分布の左右対称性（歪み）を表す。歪度は、分布が左右対称のときに０となり（グラフ３５参照）、分布が左右対称のときに比べ、分布が負側（左側）に偏っているときに正の値となり（グラフ３４参照）、分布が左右対称のときに比べて分布が正側（右側）に偏っているときに負の値となる（グラフ３６参照）。すなわち、歪度の絶対値が大きくなるほど、データの分布が正または負に偏っていることを表す。

より詳細には、歪度をＳとすると、Ｓは以下の式（４）で与えられる。

次に、図５を参照して、本明細書の振動波形データのような時系列データにおいて、トレンド変化が起こったときに出現し得る尖度および歪度の変化を説明する。図５は、データのトレンド変化時の分布の概念図である。

まず、データの上昇トレンドが起こっているときを考える。上昇トレンドが発生すると、発生前と比較して、正側（右側）に外れ値が出始めると考えられる。そのため、上昇トレンドが起こったときのデータの分布は、それより前の時間の分布（グラフ３８参照）に比べ、より正側に範囲が拡大する（裾が厚くなる）と考えられる（グラフ３９参照）。すなわち、尖度の値は正に大きくなり、歪度の値は正に大きくなると考えられる。

次に、データの下降トレンドが起こっているときを考える。下降トレンドが発生すると、発生前と比較して負側（左側）に外れ値が出始めると考えられる。そのため、下降トレンドが起こったときのデータの分布は、それより前の時間の分布（グラフ３８参照）に比べ、より負側に範囲が拡大する（裾が厚くなる）と考えられる（グラフ３７参照）。すなわち、尖度の値は正に大きくなり、歪度の値は負に大きくなると考えられる。

すなわち、本明細書の振動波形データのような時系列データにおいて、上昇または下降トレンドが起こったときには、尖度の値は正に大きくなり、歪度の値は正または負に大きくなると考えられる。換言すると、尖度および歪度の絶対値の値は、共に大きくなる。そこで、本実施の形態では、振動波形データの変化を検知するための評価値として、一定時間内における実効値の分布の尖度および歪度に基づいた値を演算するように構成される。より好ましくは、評価値として、尖度と歪度の積の絶対値を演算するように構成される。

本実施の形態では、上述の通り、評価値として、一定時間内における実効値の分布の尖度Ｋおよび歪度Ｓの積の絶対値を演算する。評価値をＰとすると、評価値Ｐは以下の式（５）で与えられる。

式（５）から分かるように、評価値Ｐは、尖度Ｋが大きくなるほど大きな値となる。また、評価値Ｐは、歪度Ｓの絶対値が大きくなるほど大きな値となる。したがって、一定時間内における実効値の分布において、負側（左側）にデータの裾が厚くなる場合（図５のグラフ３７参照）、もしくは、正側（右側）にデータの裾が厚くなる場合（図５のグラフ３９参照）、評価値Ｐは値が大きくなる。

図６は、図３に示した実効値の時間的変化に対する、評価値Ｐの時間的変化を示す図である。

図６を参照して、評価値Ｐは、時刻ｔ１付近において急激に増加している。これは、時刻ｔ１付近で、トレンドデータの変化に対応して、一定時間内における実効値の分布にも変化が生じたことを示している。詳細には、上述のように、一定時間内における実効値の分布において、負側または正側にデータが集中する歪みが生じたことを示している。

図６に示すように、時刻ｔ１での評価値Ｐの値と同程度の値の閾値Ｔｐを設定することで、時刻ｔ１付近でのトレンドデータの変化を検知することができる。評価値Ｐは尖度Ｋと歪度Ｓの積の絶対値であるため、尖度Ｋおよび歪度Ｓと同じく、無次元化された値である。すなわち、様々な実効値の数値レンジに対して、統一した閾値Ｔｐを設定することができる。これによれば、差分値によっては検知することが困難な変化も検知することができる。この結果、トレンドデータの変化の検知感度を向上させることが可能となる。

図７は、本実施の形態に係る状態監視システムにおける振動波形の変化を検知するための制御処理を説明するフローチャートである。図７に示される制御処理は、データ処理装置８０により、所定の時間間隔で繰り返し実行される。

図７を参照して、データ処理装置８０は、ステップＳ０１において、軸受６０の振動波形データを振動センサ７０から受ける。続いて、ステップＳ０２において、ＬＰＦ１１０は、軸受６０の振動波形データに対してフィルタ処理を実行する。

次に、ステップＳ０３において、フィルタ処理が施された軸受６０の振動波形データをＬＰＦ１１０から受けると、データ処理装置８０は実効値演算部１２０において、軸受６０の振動波形データの実効値を算出する。ステップＳ０４において、データ処理装置８０は、実効値演算部１２０において算出された振動波形データの実効値を記憶部１３０に格納する。

次に、ステップＳ０５において、データ処理装置８０は実効値演算部１２０において、所定の条件を満たす実効値を全実効値データから抽出する。具体的には、データ処理装置８０は記憶部１３０に記憶された実効値のうち、所定の期間分の最新のデータにおいて、発電機出力が規定値以上であり、回転速度が規定値以上であるという条件を満たすデータのみを抽出する。

データ処理装置８０の評価値演算部１４０は、ステップＳ０６において、ステップＳ０５において抽出された実効値のデータ数が規定個数以上であるか否かを判定する。ステップＳ０５において抽出された振動波形データの実効値のデータ数が規定個数未満である場合（Ｓ０６にてＮＯ）、以降の処理Ｓ０７〜Ｓ０９はスキップされて、処理がメインルーチンに戻される。

一方、ステップＳ０５において抽出されたデータ数が規定個数以上である場合（Ｓ０６にてＹＥＳ）、ステップＳ０７に処理が進められ、データ処理装置８０は評価値演算部１４０において、抽出された規定個数の振動波形データの実効値の評価値Ｐを演算する。ここで、評価値Ｐは、上述の通り、実効値の尖度Ｋと歪度Ｓとの積の絶対値である。

ステップＳ０８において、データ処理装置８０は、検知部１５０により、演算された評価値Ｐと閾値Ｔｐとを比較する。評価値Ｐが閾値Ｔｐ未満である場合（Ｓ０８にてＮＯ）、データ処理装置８０は、以降の処理Ｓ０９をスキップして処理をメインルーチンに戻す。一方、評価値Ｐが閾値Ｔｐ以上である場合（Ｓ０８にてＹＥＳ）、データ処理装置８０は、ステップＳ０９において、検知部１５０は通知部１７０および解析部１８０に検知結果を出力する（図２参照）。そして、通知部１７０は、ユーザに振動波形の変化の検知を通知する。解析部１８０は、該検知後に記憶部１３０に格納される振動波形データの実効値を解析することにより、風力発電装置１０の異常を診断する。この結果、振動波形の変化の原因となる事象（たとえば、重大な故障の予兆）を、早期に把握することが可能である。

以上のように、本実施の形態によれば、一定時間内における軸受６０の振動波形データの実効値を特徴付ける評価値として、一定時間内における実効値の分布の尖度および歪度に基づいて算出する。このようにすると、トレンドデータの数値レンジを考慮して閾値を設定することが不要となるため、差分値によっては検知することが困難な変化も検知することができる。この結果、トレンドデータの変化の検知感度を向上させることが可能となる。具体的には、差分値では検知することが困難であった、重大な故障の予兆である機械要素の損傷などを検知することができる。

好ましくは、評価値として、一定時間内における実効値の分布の尖度および歪度の積の絶対値を用いる。このようにすると、一定時間内における実効値の分布において、正側または負側に裾が厚くなる変化が生じた場合には、当該変化を反映するように評価値も変化する。よって、この評価値の変化を捉えることで、トレンドデータの変化を検知することができる。

今回開示された実施の形態は、すべての点で例示であって制限的なものではないと考えられるべきである。本発明の範囲は、上記した実施の形態の説明ではなくて特許請求の範囲によって示され、特許請求の範囲と均等の意味および範囲内でのすべての変更が含まれることが意図される。

１０ 風力発電装置、２０ 主軸、３０ ブレード、４０ 増速機、４２ 実効値変化、５０ 発電機、６０ 軸受、７０ 振動センサ、８０ データ処理装置、９０ ナセル、１００ タワー、１２０ 実効値演算部、１３０ 記憶部、１４０ 評価値演算部、１５０ 検知部、１６０ 閾値設定部、１７０ 通知部、１８０ 解析部、Ｐ 評価値、Ｔｄ，Ｔｐ 閾値。

Claims (4)

1. 装置を構成する機械要素の状態を監視する状態監視システムであって、
   前記機械要素の振動波形を計測するための振動センサと、
   前記振動波形の変化を検知するための処理装置とを備え、
   前記処理装置は、
   一定時間内に前記振動センサから出力される振動波形データの実効値を特徴付ける評価値を、時間的に連続して演算する評価値演算部と、
   前記評価値の推移に基づいて、前記振動波形の変化を検知する検知部とを含み、
   前記評価値演算部は、前記評価値として、前記一定時間内における前記実効値の分布の尖度および歪度に基づいた値を演算するように構成される、状態監視システム。
2. 前記評価値演算部は、前記評価値として、前記一定時間内における前記実効値の分布の尖度と歪度の積の絶対値を演算するように構成される、請求項１に記載の状態監視システム。
3. 前記検知部は、前記評価値が閾値を超えたときに、前記振動波形の変化を検知するように構成される、請求項１または２に記載の状態監視システム。
4. 請求項１〜３のいずれか１項に記載の状態監視システムを備える、風力発電装置。

Images