JP7596863B2

JP7596863B2 - 異常検出装置及び方法

Info

Publication number: JP7596863B2
Application number: JP2021036620A
Authority: JP
Inventors: 高洋佐藤; 慧介矢野; 昂洋中村
Original assignee: Omron Corp
Current assignee: Omron Corp
Priority date: 2021-03-08
Filing date: 2021-03-08
Publication date: 2024-12-10
Anticipated expiration: 2041-03-08
Also published as: JP2022136826A; EP4307557A4; US12405307B2; WO2022190795A1; US20240151772A1; CN116941179A; EP4307557A1

Description

本発明は、例えばモータ等の回転機の異常状態を検出する異常検出装置及び方法に関する。

モータの状態を診断する監視機器において、センサで取得した例えばモータ電流のデータを周波数分析したときに、常時現れるピーク以外にノイズ成分が見られた場合、それを異常状態と判断し、ノイズ成分を数値化して異常の度合いを示すことが行われている。

例えば、特許文献１では、周期的な雑音が存在する場合でも、音声信号に基づいて回転が発する音の周期に相当する周波数を特定可能な異常検出装置が開示されている。この異常検出装置は、所定枚数の羽を有する回転体から発せられる周期的な音及び他の物体から発せられる周期的な音が表された音声信号の包絡線を検波し、包絡線からフレームごとに音声信号の周波数スペクトルを算出し、フレームごとに、そのフレームにおける回転体から発せられる音の周期に相当する周波数の候補を検出する。次いで、フレーム毎に、そのフレームについて検出された候補における周波数スペクトルの成分のパワーに対する、パワーの変動が一定以下となる継続時間を求め、継続時間が最長となる候補を回転体から発せられる音の周期に相当する周波数として特定する。

特開２０１９－１００９７５号公報

しかし、上述の従来技術では、モータの回転速度が一定であることが前提となっており、仮に測定期間中にモータの駆動周波数が変動した場合、常時現れるピークとノイズ成分の切り分けが困難となる。その結果、常時現れるピークをノイズ成分として判断してしまい、診断結果の異常度合いが高くなってしまうという問題点があった。

ユーザは、正しい診断結果を得るためには、少なくとも診断のための測定を行っている間はモータの回転速度を一定に保たなければならない。また、診断結果の異常度合いが大きくなった場合、それが実際にモータの異常に起因するものか、モータの回転速度が変化したことによるものかをユーザ側で切り分けなければならない。

本発明の目的は以上の問題点を解決し、従来技術に比較して高い精度でモータの異常状態を検出することができる異常検出装置及び方法を提供することにある。

本発明の一態様に係る異常検出装置は、
電源からモータに供給される電流又は電圧に基づいて、前記モータの異常状態を検出する異常検出装置であって、
前記電流又は電圧のデータを異なる第１及び第２の時間期間で周波数分析することで、前記第１の時間期間のスペクトルの最大ピーク値に対応する第１の駆動周波数と、前記第２の時間期間のスペクトルの最大ピーク値に対応する第２の駆動周波数とを検索し、
前記第１の駆動周波数を有する第１のスペクトルと、前記第２の駆動周波数を有する第２のスペクトルとに基づいて、前記各スペクトルの各最大ピーク値を合わせるように一方のスペクトルの周波数軸を補正した後、補正後のスペクトルと未補正のスペクトルとに係る平均化スペクトルを計算し、
前記平均化スペクトルに基づいて、最大ピーク値を有する駆動周波数とは異なる周波数において、所定のしきい値以上の異常ピーク値を検索し、前記異常ピーク値の有無に応じて、前記モータの異常状態を判断する信号処理部を、
備える。

従って、本発明に係る異常検出装置等によれば、従来技術に比較して高い精度でモータの異常状態を検出することができる。

実施形態１に係るモータの異常検出装置４の構成例を示すブロック図である。図１のプロセッサ１０により実行される異常検出処理を示すフローチャートである。図１のプロセッサ１０により図２の異常検出処理を実行したときに計算されるモータ電流の複数のスペクトルの一例を示すグラフである。実施形態２に係るモータの異常検出装置４のプロセッサ１０により実行される異常検出前置処理を示すフローチャートである。実施形態２に係るモータの異常検出装置４のプロセッサ１０により実行される異常検出処理を示すフローチャートである。図１のプロセッサ１０により図４Ｂの異常検出処理を実行したときに計算されるモータ電流のスペクトルの第１の例を示すグラフである。図１のプロセッサ１０により図４Ｂの異常検出処理を実行したときに計算されるモータ電流のスペクトルの第２の例を示すグラフである。

以下、本発明に係る実施形態について図面を参照して説明する。なお、同一又は同様の構成要素については同一の符号を付している。

（実施形態１）
図１は実施形態１に係るモータの異常検出装置４の構成例を示すブロック図である。図１は異常検出装置４及びその周辺回路を示しており、交流電源１からの交流電力は電流センサ３を介してモータ２に供給される。図１において、異常検出装置４は、ＡＤ変換器１１と、周波数分析部１２及び異常検出部１３を有して「信号処理部」を構成するプロセッサ１０と、表示部１４とを備えて構成される。ここで、周波数分析部１２及び異常検出部１３はそれぞれメモリ１２ｍ，１３ｍを有する。

図１において、電流センサ３は、交流電源１からモータ２に供給される電流の電流値を検出して、電流値を示す検出信号をＡＤ変換器１１に出力する。ＡＤ変換器１１は、入力される検出信号を、電流値を示す電流データにＡＤ変換した後、周波数分析部１２に出力する。周波数分析部１２は、入力される電流データに対して、所定の時間期間Ｔ１及び２分割された時間期間Ｔ２，Ｔ３にわたって、高速フーリエ変換（ＦＦＴ）処理を実行する。異常検出部１３は、ＦＦＴ処理後のスペクトルに基づいて、モータの異常状態を判断して、その判断結果を表示部１４に表示する。具体的には、周波数分析部１２及び異常検出部１３からなるプロセッサ１０は、図２の異常検出処理を実行することで、モータの異常状態を判断して、その判断結果を表示部１４に表示する。

図２は、図１のプロセッサ１０により実行される異常検出処理を示すフローチャートである。また、図３は、図１のプロセッサ１０により図２の異常検出処理を実行したときに計算されるモータ電流の複数のスペクトルの一例を示すグラフである。

以下、図２及び図３を参照して、実施形態１に係る異常検出処理について説明する。

図２のステップＳ１において、電流センサ３により検出された所定時間期間Ｔ１のＡＤ変換値の電流データを入力し、ステップＳ２Ａにおいて、周波数分析部１２は、所定時間期間Ｔ１の電流値のＡＤ変換値を、メモリ１２ｍを用いてＦＦＴ処理を実行してＦＦＴ値（パワー）の基準スペクトル１００（図３（ａ））を計算し、ステップＳ２Ｂにおいて、所定時間期間Ｔ１の電流値のＡＤ変換値を、２個の所定の時間期間Ｔ２，Ｔ３に２分割して各時間期間Ｔ２，Ｔ３毎に、メモリ１２ｍを用いてＦＦＴ処理を実行してＦＦＴ値（パワー）のスペクトル１０１，１０２（図３（ｂ）及び図３（ｃ））を計算する。

次いで、ステップＳ３において、異常検出部１３は、各時間期間Ｔ２，Ｔ３のスペクトルに基づいて、各時間期間Ｔ２，Ｔ３の最大ピーク値に対応する駆動周波数を検索する。なお、ステップＳ３～Ｓ９の処理は異常検出部１３により実行される。ステップＳ４において、検索された２個の駆動周波数のうち、低い駆動周波数ｆ_ｌｏｗ（図３において、ｆ_ｌｏｗ＝５１Ｈｚ）を高い駆動周波数ｆ_ｈｉｇｈ（図３において、ｆ _ｈｉｇｈ＝５２Ｈｚ）で除算した除算値（ｆ_ｌｏｗ／ｆ_ｈｉｇｈ）を、高い駆動周波数ｆ_ｈｉｇｈを有するスペクトル１０２の周波数軸に乗算するように、高い駆動周波数ｆ_ｈｉｇｈを有するスペクトル１０２の周波数軸を補正することで、補正後の高い駆動周波数ｆ_ｈｉｇｈを有するスペクトル１０２Ａ（図３（ｄ））を計算してメモリ１３ｍに格納する。次いで、ステップＳ５において、補正後の高い駆動周波数ｆ_ｈｉｇｈを有するスペクトル１０２Ａと、低い駆動周波数ｆ_ｌｏｗを有するスペクトル１０１とを、最大ピーク値を合わせるように加算して２で除算することで、これら２個のスペクトルの平均化スペクトル１０３（図３（ｅ））を計算してメモリ１３ｍに格納する。

次いで、ステップＳ６において、異常検出部１３は、平均化スペクトル１０３に基づいて、最大ピーク値を有する駆動周波数とは異なる周波数において、所定のしきい値以上の異常ピーク１０４のピーク値を検索する（図３の（ｅ））。ここで、異常ピーク１０４は、例えば最大ピークに次いで、例えば２番目又は３番目に強いパワーを有するピーク値を有する。さらに、ステップＳ７において、異常検出部１３は、異常ピークがあるか否かが判断され、ＹＥＳのときはステップＳ８に進む一方、ＮＯのときはステップＳ９に進む。ステップＳ８では、モータが異常状態であると判断し、判断結果を表示部１４に表示して当該異常検出処理を終了する。また、ステップＳ９において、モータが異常状態ではないと判断し、判断結果を表示部１４に表示し、当該異常検出処理を終了する。

図２の異常検出処理では、所定の時間期間Ｔ１で取得したモータの駆動電流の電流データに対して、時間期間Ｔ１を時間期間Ｔ２，Ｔ３に２分割して周波数分析し、２分割した時間期間Ｔ２，Ｔ３毎のピーク値の最大値となる駆動周波数を検索する。検索された２つの駆動周波数のうち、低い駆動周波数÷高い駆動周波数を、高い駆動周波数を有する周波数分析結果のスペクトルの周波数軸に乗算し、低い駆動周波数を有する周波数分析結果のスペクトルに加算して平均化する。

例えば図３の実施例では、４秒間のデータで駆動周波数が変動していることで、異常の特徴のピークが鈍る場合、例えば０～２秒の間のＦＦＴと２秒～４秒の周波数分析を実行して、最大ピークの周波数がそれぞれ５１Ｈｚ、５２Ｈｚだとすると、５２Ｈｚの周波数軸を５１／５２倍したスペクトルと、５１Ｈｚの周波数分析結果のスペクトルと合算して平均化する。これによって、異常の特徴がシャープに現れることになり、エンベローブＦＦＴよりも感度よく、かつ正確に異常の特徴を捉えることができる。

以上説明したように、図３（ｅ）に示すように、図２の異常検出処理を行うことで、従来技術では見えていなかったピーク１０４（図３（ｅ））を捉えることができる。特に、駆動周波数が変動した場合において、常時出現するピークとノイズ成分とを切り分けすることが容易となり、異常検出処理を従来技術に比較して高精度で行うことができる。

（実施形態２）
図４Ａは実施形態２に係るモータの異常検出装置４のプロセッサ１０により実行される異常検出前置処理を示すフローチャートである。また、図４Ｂは実施形態２に係るモータの異常検出装置４のプロセッサ１０により実行される異常検出処理を示すフローチャートである。実施形態２に係る異常検出処理が、実施形態１に係る異常検出処理と比較して以下のことが異なる。なお、異常検出装置４は、図１と同様に構成される。
（１）図４Ａの異常検出前置処理は、図４Ｂの異常検出処理よりも前段で実行され、これにより、異常検出部１３は、所定のしきい値以上のＦＦＴ値において、最大ピーク値を有するピーク幅（周波数幅）を計算し、計算されたピーク幅に基づいて、低域遮断周波数ｆｃを決定してメモリ１３ｍに格納する。
（２）図４Ｂの異常検出処理は、図２の異常検出処理と比較して、ステップＳ２Ｃの処理を、ステップＳ２ＡとステップＳ２Ｂとの間に挿入したことを特徴とする。
以下、相違点について説明する。

図４Ａの異常検出前置処理のステップＳ１１において、電流センサ３により検出された所定時間期間Ｔ１の電流値のＡＤ変換値を入力する。次いで、ステップＳ１２において、周波数分析部１２は、所定時間期間Ｔ１の電流値のＡＤ変換値を、メモリ１２ｍを用いてＦＦＴ処理を実行してＦＦＴ値（パワー）のスペクトルを計算する。さらに、ステップＳＳ１３において、所定のしきい値以上のＦＦＴ値において、最大ピーク値を有するピークの周波数幅を計算し、ステップＳ１４において、計算されたピークの周波数幅に基づいて、低域遮断周波数ｆｃを設定して、当該異常検出前置処理を終了する。

なお、ステップＳ１４では、低域遮断周波数ｆｃは、例えば、計算されたピーク幅（周波数幅）が大きくなるにつれて、低域遮断周波数ｆｃを高くするように、低域遮断周波数ｆｃを設定することで、検出感度を高くする。

図４Ｂの異常検出処理のステップＳ２Ｃにおいては、基準スペクトル１００のうち、異常検出前置処理において決定された低域遮断周波数ｆｃを有するハイパスフィルタでフィルタリング処理を行って、フィルタリング処理後のスペクトルを基準スペクトル１００として、ステップＳ２Ｂ～Ｓ９の処理を、図２と同様に実行する。

図５Ａは図１のプロセッサ１０により図４Ｂの異常検出処理を実行したときに計算されるモータ電流のスペクトルの第１の例を示すグラフである。また、図５Ｂは図１のプロセッサ１０により図４Ｂの異常検出処理を実行したときに計算されるモータ電流のスペクトルの第２の例を示すグラフである。

この実施形態２では、モータの駆動電流の電流データを周波数分析して、モータ異常の特徴を捉える時に、余分なＤＣ成分及びその近傍の低域成分をカットし、すなわちハイパスフィルタリングすることを特徴としている。ここで、モータの駆動周波数が変動すると、ＤＣ成分及びその近傍の周波数幅が大きくなることがあり、一部がカットできずに異常の特徴と捉えてしまう。そこで、駆動周波数の変動の程度に合わせて、低域成分をカットする帯域幅を調整し、検出感度を上げる。例えば、図５Ａのスペクトル２０１に示すように、駆動周波数の変動量が±０．５Ｈｚ以内のときは、低域遮断周波数ｆｃを１Ｈｚに設定する。また、図５Ｂのスペクトル２０２に示すように、駆動周波数の変動量が±１．０Ｈｚ以内のときは、低域遮断周波数ｆｃを２Ｈｚにすることが好ましい。

以上説明したように、実施形態２によれば、実施形態１の異常検出処理において、所定の低域遮断周波数ｆｃを用いて、計算されたスペクトルをハイパスフィルタリングすることで、余分なＤＣ成分及び低周波成分をカットする。ここで、低域遮断周波数ｆｃは、計算されたピークの周波数幅が大きくなるにつれて、低域遮断周波数ｆｃを高くするように、低域遮断周波数ｆｃを設定することで、検出感度を高くすることができる。これにより、特に、駆動周波数が変動した場合において、常時出現するピークとノイズ成分とを切り分けすることが容易となり、異常検出処理を従来技術に比較して高精度で行うことができる。

（変形例）
以上の実施形態では、交流電源からモータに供給される電流の電流データを周波数分析してモータの異常状態について判断しているが、本発明はこれに限らず、交流電源からモータに供給される電圧の電圧データを周波数分析して、同様にモータの異常状態について判断してもよい。

以上の実施形態では、第１及び第２の駆動周波数を含む２つの駆動周波数のうち、低い駆動周波数を高い駆動周波数で除算した除算値を、前記高い駆動周波数を有するスペクトルの周波数軸に乗算するように、前記高い駆動周波数を有するスペクトルの周波数軸を補正することで、補正後の高い駆動周波数を有するスペクトルを計算し、前記補正後の高い駆動周波数を有するスペクトルと、前記低い駆動周波数を有するスペクトルとに基づいて、当該２つのスペクトルの各最大ピーク値を合わせるように前記平均化スペクトルを計算している。しかし、本発明はこれに限らず、前記第１及び第２の駆動周波数のうち、高い駆動周波数を低い駆動周波数で除算した除算値を、前記低い駆動周波数を有するスペクトルの周波数軸に乗算するように、前記低い駆動周波数を有するスペクトルの周波数軸を補正することで、補正後の低い駆動周波数を有するスペクトルを計算し、前記補正後の低い駆動周波数を有するスペクトルと、前記高い駆動周波数を有するスペクトルとに基づいて、当該２つのスペクトルの各最大ピーク値を合わせるように前記平均化スペクトルを計算してもよい。

従って、本発明では、前記第１の駆動周波数を有する第１のスペクトルと、前記第２の駆動周波数を有する第２のスペクトルとに基づいて、前記各スペクトルの各最大ピーク値を合わせるように一方のスペクトルの周波数軸を補正した後、補正後のスペクトルと未補正のスペクトルとに係る平均化スペクトルを計算してもよい。

以上詳述したように、本発明によれば、駆動周波数が変動した場合において、常時出現するピークとノイズ成分とを切り分けすることが容易となり、異常検出処理を従来技術に比較して高精度で行うことができる。

１交流電源
２モータ
３電流センサ
４異常検出装置
１０プロセッサ（信号処理部）
１１ＡＤ変換器
１２周波数分析部
１２ｍメモリ
１３異常検出部
１３ｍメモリ
１４表示部

Claims

電源からモータに供給される電流又は電圧に基づいて、前記モータの異常状態を検出する異常検出装置であって、
前記電流又は電圧のデータを異なる第１及び第２の時間期間で周波数分析することで、前記第１の時間期間のスペクトルの最大ピーク値に対応する第１の駆動周波数と、前記第２の時間期間のスペクトルの最大ピーク値に対応する第２の駆動周波数とを検索し、
前記第１の駆動周波数を有する第１のスペクトルと、前記第２の駆動周波数を有する第２のスペクトルとに基づいて、前記各スペクトルの各最大ピーク値を合わせるように一方のスペクトルの周波数軸を補正した後、補正後のスペクトルと未補正のスペクトルとに係る平均化スペクトルを計算し、
前記平均化スペクトルに基づいて、最大ピーク値を有する駆動周波数とは異なる周波数において、所定のしきい値以上の異常ピーク値を検索し、前記異常ピーク値の有無に応じて、前記モータの異常状態を判断する信号処理部を、
備える異常検出装置。
前記平均化スペクトルを計算するときに、前記信号処理部は、
（１）前記第１及び第２の駆動周波数のうち、低い駆動周波数を高い駆動周波数で除算した除算値を、前記高い駆動周波数を有するスペクトルの周波数軸に乗算するように、前記高い駆動周波数を有するスペクトルの周波数軸を補正することで、補正後の高い駆動周波数を有するスペクトルを計算し、前記補正後の高い駆動周波数を有するスペクトルと、前記低い駆動周波数を有するスペクトルとに基づいて、当該２つのスペクトルの各最大ピーク値を合わせるように前記平均化スペクトルを計算し、もしくは
（２）前記第１及び第２の駆動周波数のうち、高い駆動周波数を低い駆動周波数で除算した除算値を、前記低い駆動周波数を有するスペクトルの周波数軸に乗算するように、前記低い駆動周波数を有するスペクトルの周波数軸を補正することで、補正後の低い駆動周波数を有するスペクトルを計算し、前記補正後の低い駆動周波数を有するスペクトルと、前記高い駆動周波数を有するスペクトルとに基づいて、当該２つのスペクトルの各最大ピーク値を合わせるように前記平均化スペクトルを計算する、
請求項１に記載の異常検出装置。
前記信号処理部は、第１及び第２の時間期間で周波数分析する前に、前記周波数分析する前記電流又は電圧のデータに対して、所定の低域遮断周波数でハイパスフィルタリングする、
請求項１又は２に記載の異常検出装置。
前記信号処理部は、
前記電流又は電圧のデータを、前記第１及び第２の時間期間を含む時間期間で周波数分析し、前記周波数分析結果のスペクトルに基づいて、最大ピーク値を有するピークの周波数幅を計算し、前記計算されたピークの周波数幅に基づいて、前記低域遮断周波数を設定する、
請求項３に記載の異常検出装置。
前記信号処理部は、前記計算されたピークの周波数幅が広くなるにつれて、前記低域遮断周波数を高くなるように設定する、
請求項４に記載の異常検出装置。
電源からモータに供給される電流又は電圧に基づいて、前記モータの異常状態を検出する異常検出方法であって、
信号処理部が、前記電流又は電圧のデータを異なる第１及び第２の時間期間で周波数分析することで、前記第１の時間期間のスペクトルの最大ピーク値に対応する第１の駆動周波数と、前記第２の時間期間のスペクトルの最大ピーク値に対応する第２の駆動周波数とを検索するステップと、
前記信号処理部が、前記第１の駆動周波数を有する第１のスペクトルと、前記第２の駆動周波数を有する第２のスペクトルとに基づいて、前記各スペクトルの各最大ピーク値を合わせるように一方のスペクトルの周波数軸を補正した後、補正後のスペクトルと未補正のスペクトルとに係る平均化スペクトルを計算するステップと、
前記信号処理部が、前記平均化スペクトルに基づいて、最大ピーク値を有する駆動周波数とは異なる周波数において、所定のしきい値以上の異常ピーク値を検索し、上記異常ピーク値の有無に応じて、前記モータの異常状態を判断するステップと、
含む異常検出方法。
前記平均化スペクトルを計算するステップは、前記信号処理部が、
（１）前記第１及び第２の駆動周波数のうち、低い駆動周波数を高い駆動周波数で除算した除算値を、前記高い駆動周波数を有するスペクトルの周波数軸に乗算するように、前記高い駆動周波数を有するスペクトルの周波数軸を補正することで、補正後の高い駆動周波数を有するスペクトルを計算し、前記補正後の高い駆動周波数を有するスペクトルと、前記低い駆動周波数を有するスペクトルとに基づいて、当該２つのスペクトルの各最大ピーク値を合わせるように前記平均化スペクトルを計算し、もしくは
（２）前記第１及び第２の駆動周波数のうち、高い駆動周波数を低い駆動周波数で除算した除算値を、前記低い駆動周波数を有するスペクトルの周波数軸に乗算するように、前記低い駆動周波数を有するスペクトルの周波数軸を補正することで、補正後の低い駆動周波数を有するスペクトルを計算し、前記補正後の低い駆動周波数を有するスペクトルと、前記高い駆動周波数を有するスペクトルとに基づいて、当該２つのスペクトルの各最大ピーク値を合わせるように前記平均化スペクトルを計算する、
請求項６に記載の異常検出方法。
前記信号処理部が、第１及び第２の時間期間で周波数分析する前に、前記周波数分析する前記電流又は電圧のデータに対して、所定の低域遮断周波数でハイパスフィルタリングするステップを、
さらに含む請求項６又は７に記載の異常検出方法。
前記信号処理部が、前記電流又は電圧のデータを、前記第１及び第２の時間期間を含む時間期間で周波数分析し、前記周波数分析結果のスペクトルに基づいて、最大ピーク値を有するピークの周波数幅を計算し、前記計算されたピークの周波数幅に基づいて、前記低域遮断周波数を設定するステップを、
さらに含む請求項８に記載の異常検出方法。
前記低域遮断周波数を設定するステップは、前記計算されたピークの周波数幅が広くなるにつれて、前記低域遮断周波数を高くなるように設定する、
請求項９に記載の異常検出方法。