機械設備的異常診斷系統的製作方法

2023-06-04 22:49:46 2

專利名稱：機械設備的異常診斷系統的製作方法
技術領域：
本發明涉及鐵道車輛、航空機械、風力發電裝置、車床、汽車、制鐵機械、造紙機械、旋轉機械等包含軸承的機械設備的異常診斷技術，更詳細地說，涉及通過分析從機械設備發生的聲音或振動來診斷該機械設備內的軸承或軸承關聯構件的異常的機械設備的異常診斷技術。
背景技術：
以往，作為這種異常診斷技術，已知以下技術，即檢測表示來自機械設備的滑動部件或滑動部件關聯構件的聲音或振動的信號，求檢測出的信號或其包絡線信號的頻譜，從該頻譜中僅提取由機械設備的滑動部件或機械設備的滑動部件關聯構件的異常引起的頻率分量，根據提取出的頻率分量的大小來判斷機械設備所使用的滑動部件中有無異常(參照專利文獻1)。
此外，已知以下技術，即檢測從轉動體或轉動體關聯構件發生的聲音或振動，從檢測出的信號中取出診斷所必需的頻帶的信號，進而求已取出的信號的包絡線，對求出的包絡線進行頻率解析，通過頻率解析求由旋轉體或旋轉體關聯構件的異常引起的頻率的基頻分量的大小和其自然數倍的頻率分量的大小，對求出的基頻分量的大小和其自然數倍的頻率分量的大小進行比較，至少將該比較結果用作判斷機械設備的異常的基準(參照專利文獻2)。
此外，已知以下技術，即將從機械設備發生的聲音或振動的模擬信號通過A/D(模擬/數字)變換而變換為數位訊號從而生成實測數字數據，對該實測數字數據進行頻率分析以及包絡線分析等適當解析處理從而生成實測頻譜數據，根據有無對於由機械設備的異常引起的頻率分量的1階、2階、4階值的實測頻譜數據的峰值，進行對於機械設備的有無異常的判斷(參照專利文獻3)。
此外，已知以下技術，將振動加速度的包絡線波形變換為數位訊號，求數位化了的振動數據的每個時間的振動頻譜分布，同時時刻求振動測定時的滾動軸承的轉速，在轉速的時間變化圖形和振動頻譜分布中的峰值頻譜的頻率的時間變化圖形一致，而且任意時的的峰值頻譜的頻率與根據滾動軸承的轉速和滾動軸承的幾何學尺寸求出的滾動軸承損傷的特徵頻率一致的情況下，判定為在滾動軸承的特定部位發生了損傷(參照專利文獻4)。
這些專利文獻中明確記載了檢測表示異常的頻率的峰值的方法，但在發生了軸承的剝離壽命或機械的旋轉軸偏心等異常的情況下，表示這些異常的信號(異常信號)的頻率的峰值可以根據頻譜的累計平均來容易地求出。累計平均是由於對隨機噪聲的除去有效而廣泛使用在快速傅立葉變換(FFT)解析等頻率分析的領域中的方法。
此外，這些現有技術中，求包絡線信號的處理(包絡線處理)為模擬處理或數字處理，但頻率解析處理使用數字處理的快速傅立葉變換(FFT)處理。為進行FFT運算，在包絡線處理之前或之後進行A/D變換。而且，在任何的現有技術中，都在包絡線處理之後立即進行FFT運算。
在通過模擬處理進行包絡線處理的方式中，需要包絡線處理單元。從而，在實現系統的成本降低以及小型化上，以數字處理進行包絡線處理的方式有利。
在以數字處理進行包絡線處理的方式中，作為提高異常診斷效率的方法，考慮提高FFT運算的效率的方法。FFT運算的效率提高可以通過減少FFT運算的點數來實現。
進而，已知利用振動(包含音響的振動)來檢測鐵道車輛的車軸用軸承或車輪的損傷的異常診斷裝置。現有的這種異常診斷裝置在每個軸箱中分別設置振動傳感器，對各個軸承或車輪的損傷進行檢測(參照專利文獻5、專利文獻6等)。
以往，鐵道車輛的旋轉部件在使用了一定期間之後，對於車輛軸承和其它旋轉部件定期地檢查有無損傷和磨損等異常。該定期的檢查通過將組裝了旋轉部件的機械裝置分解來進行，通過作業者目視的檢查來發現旋轉部件上發生的損傷和磨損。而且，作為檢查中被發現的主要的缺陷，在軸承的情況下，有異物齧入等產生的壓痕、旋轉疲勞引起的剝離及其它磨損等，在齒輪的情況下，有齒部的缺損和磨損等，在車輪的情況下，有扁平等的磨損，在任何的情況下，如果發現新品上所沒有的凹凸或磨損等，就更換為新品。
但是，在將機械設備整體進行分解並由作業者目視檢查的方法中，從裝置取下旋轉體和滑動部件的分解作業、將檢查過的旋轉體和滑動部件再次重新組裝入裝置中的組裝作業需要很大的勞動力，存在引起裝置的維護成本的大幅增加的問題。
此外，存在重新組裝時對旋轉體和滑動部件產生檢查前沒有的撞痕等、檢查本身成為旋轉體或滑動部件的缺陷的可能性。此外，由於在有限的時間內通過目視檢查多個軸承，因此也存在漏發現缺陷的可能性的問題。進而，該缺陷的程度的判斷也存在個人差異，即使實質上沒有缺陷也進行部件更換，因此白白地消耗成本。
因此，提出一種不對組裝了旋轉部件的機械裝置進行分解而在實際運轉狀態下進行旋轉部件的異常診斷的方法(例如，專利文獻1、7以及8)。作為最一般的方法，如專利文獻1所記載的，已知對軸承部分設置加速度計，計量軸承部分的振動加速度，進而對該信號進行FFT(快速傅立葉變換)處理並提取振動發生頻率分量的信號從而進行診斷的方法。
此外，作為在鐵道車輛的車輪的轉動面上，由制動器的誤操作等引起的車輪的閂鎖或滑行引起的與軌道的摩擦、磨損而產生的被稱作扁平(flat)的平坦部分的檢測方法，也提出了各種方案(例如，參照專利文獻6、9以及10)。特別在專利文獻6中，對於通過振動傳感器和旋轉測定裝置等對鐵道車輛車輪以及列車通過的線路的缺陷狀態進行檢測的裝置進行了提案。
專利文獻1特開2003-202276號公報專利文獻2特開2003-232674號公報專利文獻3特開2003-130763號公報專利文獻4特開平09-113416號公報專利文獻5特開平4-235327號公報專利文獻6特開平9-500452號公報專利文獻7特開2002-22617號公報專利文獻8特開2004-257836號公報專利文獻9特開平4-148839號公報專利文獻10特表2003-535755號公報但是，振動傳感器和音響傳感器中，由於在來自外部的衝擊聲或摩擦聲、振動體的情況下，迴轉引起的加速度作用，因此由於這些非穩定的幹擾，異常被誤檢測的情況較多。因此通過累計平均對頻率的峰值的檢測方法在累計次數增多時，由於容易受到速度的變化或來自外部的衝擊聲等的影響，所以有時也沒有效。
此外，在到達壽命前的小的傷、剝離、鏽等引起的異常的情況下，來自振動傳感器或音響傳感器的信號的功率很多情況下小到被埋沒於機械噪聲或電噪聲中的程度。因此在壽命以前的異常預測階段中，很多情況下不使用設置閾值來僅提取比該值功率大的信號的方法。在進行異常的預測上，最麻煩的問題在於，在像這樣異常信號或表示異常的預兆的信號(異常預兆信號)和噪聲信號的S/N比小的情況下，將噪聲信號誤判斷為異常信號或異常預兆信號。極小的異常信號或異常預兆信號也被漏發現的情況在提高軸承等的異常預測的準確性上有利，但其結果，如果將噪聲信號誤判定為異常信號或異常預兆信號，則頻繁地將機械設備停止運轉來進行檢查，因此引起運轉成本的增大。
此外，要減少FFT運算的點數來提高計算效率時，頻率解析度變差，存在引起異常診斷的精度降低的問題。
進而，在以數字處理進行包絡線處理的方式中，作為提高異常診斷效率的方法，考慮提高FFT運算的效率的方法。FFT運算的效率提高可通過減少FFT運算的點數來實現。但是，要減少FFT運算的點數來提高計算效率時，頻率解析度變差，存在引起異常診斷的精度降低的問題。
在旋轉機械中，用於診斷軸承缺陷等引起的異常的運算裝置其尺寸或消耗功率越小則越適於組裝用。此外，從計算精度的方面或是存儲器容量的方面，要求以少的運算點數進行FFT。但是，另一方面，如上所述，如果頻率解析度不高到某一程度則引起異常診斷的精度降低。即使需要將可以恢復原波形的頻率設為10kHz(採樣頻率為20kHz以上)以下，結果軸承的缺陷頻率的上限也為1kHz以下。
但是，在以往的異常診斷裝置中，由於需要在每個軸箱中分別設置振動傳感器，因此每個車輛的傳感器的設置數變多，用於處理傳感器信號的信號處理單元的輸入電路和布線的數龐大，存在電路結構複雜的問題。
但是，在專利文獻6中記載的缺陷狀態的檢測裝置中，存在不能識別異常振動是車輛的扁平引起的，還是車軸軸承引起的，或者是線路或其它異常引起的。

發明內容
本發明鑑於上述情況而完成，其目的在於提供一種機械設備的異常診斷系統，在異常信號或異常預兆信號和噪聲信號的S/N小的條件下，也可以高精度地實施異常診斷而不會將噪聲信號誤檢測為異常或異常預兆信號。
本發明鑑於上述情況而完成，其目的在於提供一種機械設備的異常診斷系統，兼顧來自機械設備的信號的頻率解析度的提高和FFT運算的效率提高，可以高精度且高效率地實施異常診斷。
本發明鑑於上述情況而完成，其目的在於提供一種機械設備的異常診斷系統，以任意的頻率解析度對從診斷對象檢測出的信號進行FFT從而可以高精度地實施異常診斷。
本發明鑑於上述情況而完成，其目的在於提供一種異常診斷系統，對每臺車輛僅設置一個振動傳感器，可以基於來自這一個振動傳感器的波形信號，檢測該車輛中的軸承的剝離、車輪的扁平等異常。
本發明鑑於上述情況而完成，其目的在於提供一種異常診斷系統，根據來自對車軸軸承或車輪的振動的振動傳感器的輸出信號來檢測車軸軸承以及車輪的異常振動，從而確定該異常振動是車輪的扁平引起的還是車軸軸承引起的。
為了實現上述目的，本發明的機械設備的異常診斷系統的以下述(1)至(3)為特徵。
(1)一種異常診斷系統，通過檢測從機械設備發生的聲音或振動，並對其檢測信號進行分析，從而診斷機械設備內的軸承或軸承關聯構件的異常，該系統包括包絡線處理單元，求所述檢測信號的包絡線；FFT單元，將由該包絡線處理單元得到的包絡線變換為頻譜；峰值檢測單元，通過對由該FFT單元得到的頻譜進行移動平均化處理而進行平滑化，從而檢測其峰值；以及診斷單元，基於由所述峰值檢測單元檢測出的頻譜的峰值來診斷異常。
(2)在上述(1)的結構的異常診斷系統中，所述峰值檢測單元包括平滑化微分峰值提取單元，該單元對由所述FFT單元得到的頻譜實施平滑化微分處理，將得到的微分值的符號變化的頻率點提取作為頻譜的峰值。
(3)在上述(1)或(2)的結構的異常診斷系統中，所述移動平均化處理中的加權係數為左右對稱(以當前時刻為基準，前後對象)。
(4)在上述(2)或(3)的結構的異常診斷系統中，所述峰值檢測單元包括第一挑選單元，該單元挑選由所述平滑化微分峰值提取單元提取出的峰值中閾值以上的峰值。
(5)在上述(4)的結構的異常診斷系統中，所述峰值檢測單元包括第二挑選單元，該單元在由所述第一挑選單元挑選過的峰值中從振幅等級大的峰值中挑選直到規定個數的峰值。
(6)在上述(1)～(5)的任何結構的異常診斷系統中，所述診斷單元通過求由所述峰值檢測單元檢測出的峰值中振動的主分量所對應的峰值或振動的主分量以及高階分量所對應的峰值和表示診斷對象的異常的頻率的一致度，並對該一致度的多次的累計結果進行評價，從而診斷異常。
(7)一種機械設備的異常診斷系統，通過檢測從機械設備發生的聲音或振動，並對其檢測信號進行分析，從而診斷該機械設備內的軸承或軸承關聯構件的異常，該系統包括濾波處理單元，從所述檢測出的信號中取出診斷所需的頻帶的信號；包絡線處理單元，求由該濾波處理單元取出的信號的包絡線信號；抽選處理單元，對由該包絡線處理單元得到的包絡線信號進行抽取處理；FFT運算單元，對由該抽選處理單元進行的抽取處理之後的包絡線信號進行頻率解析；以及診斷單元，基於該FFT運算單元的解析結果來診斷異常。
(8)一種機械設備的異常診斷系統，通過檢測從機械設備發生的聲音或振動，並對其檢測信號進行分析，從而診斷該機械設備內的軸承或軸承關聯構件的異常，該系統包括採樣處理單元，預先以比必要的採樣頻率高的採樣頻率對所述檢測出的信號進行採樣；濾波處理單元，從由該採樣處理單元採樣出的信號中取出診斷所需的頻帶的信號；抽選處理單元，對由該濾波處理單元取出的信號進行抽取處理；包絡線處理單元，求由該抽選處理單元進行了抽取處理的信號的包絡線信號；FFT運算單元，對由該包絡線處理單元得到的包絡線信號進行頻率解析；以及診斷單元，基於該FFT運算單元的解析結果來診斷異常。
(9)在上述(7)或(8)的結構的異常診斷系統中，該系統還包括使所述包絡線信號的頻帶低頻帶化的數字濾波處理單元。
(10)在上述(7)、(8)或(9)的結構的異常診斷系統中，由DSP實現所述FFT運算單元，同時將輸入所述FFT運算單元的數據數設為可容納在該DSP內的存儲器中的數據數。
(11)一種機械設備的異常診斷系統，通過檢測從機械設備發生的聲音或振動，並對該信號進行分析，從而診斷機械設備內的軸承或軸承關聯構件的異常，其特徵在於，該系統包括A/D變換單元，將所述信號變換為數位訊號；數字濾波處理單元，從由該A/D變換單元變換過的數位訊號中取出診斷所需的頻帶的信號；包絡線處理單元，求由該數字濾波處理單元取出的信號的包絡線；插補處理單元，進行0補位插補，以便以任意的頻率解析度對由該包絡線處理單元求出的包絡線進行快速傅立葉變換；FFT單元，對由該插補處理單元進行了0補位插補的信號進行快速傅立葉變換；以及診斷單元，基於由該FFT單元得到的頻譜來診斷異常。
(12)在上述(11)的結構的異常診斷系統中，所述插補處理單元進行0補位插補，以使所述FFT單元中的採樣頻率成為2的N次方赫茲或2的N次方的倍數赫茲。
(13)在上述(11)或(12)的結構的異常診斷系統中，該系統還包括對由所述FFT單元得到的頻譜的峰值進行檢測的峰值檢測單元，所述診斷單元通過求由所述峰值檢測單元檢測出的峰值中振動的主分量所對應的峰值或振動的主分量以及高階分量所對應的峰值和表示診斷對象的異常的頻率的一致度，並對該一致度的多次的累計結果進行評價，從而診斷異常。
(14)一種異常診斷裝置，在車輛的行駛中診斷異常，該裝置包括振動傳感器，檢測車輛的振動；參數值檢測電路，基於所述振動傳感器輸出的波形信號，求波峰因數、衝擊指數、波形係數以及峰態中的其中一個的量綱為1的參數值；以及比較電路，輸出表示從所述參數值檢測電路輸出的量綱為1的參數值超過一定的基準的情況的第一電壓信號或表示所述量綱為1的參數值為一定基準以下的情況的第二電壓信號，基於所述比較電路的輸出來檢測異常。
(15)一種異常診斷裝置，在車輛的行駛中診斷異常，該裝置包括振動傳感器，檢測車輛的振動；運算電路，基於所述振動傳感器輸出的波形信號，求RMS(方均的平方根)以及絕對值平均的其中一個的參數值；峰值檢測電路，求所述波形信號的峰值；以及比較電路，將所述參數值的一定倍的值和從所述峰值檢測電路輸出的峰值進行比較，根據其比較結果，將表示作為所述峰值和所述參數值的比求出的量綱為1的參數值超過一定的基準的情況的第一電壓信號或表示所述量綱為1的參數值為一定基準以下的情況的第二電壓信號輸出，基於所述比較電路的輸出來檢測異常。
(16)在上述(15)的結構的異常診斷系統中，該裝置還包括將從所述峰值檢測電路輸出的峰值和預先設定的參照值進行比較的峰值-參照值比較電路，所述峰值-參照值比較電路的比較結果，在所述峰值大於所述參照值的情況下，使所述比較電路的輸出無效。
(17)在上述(14)～(16)的任意結構的異常診斷系統中，基於所述第一電壓信號的佔空比來檢測異常。
(18)在上述(15)～(17)的任意結構的異常診斷系統中，該裝置還包括濾波電路，用於將所述振動傳感器的輸出信號中僅規定頻帶的信號輸入到所述參數值檢測電路以及所述峰值檢測電路。
(19)在上述(14)～(18)的任意結構的異常診斷系統中，所述車輛是鐵道車輛。
(20)一種異常診斷裝置，是具有振動特性不同的多個部件的機械裝置的異常診斷裝置，其特徵在於，該異常診斷裝置包括傳感器信號處理單元，對檢測所述機械裝置的振動的振動傳感器的輸出信號進行採樣；以及診斷處理單元，基於由所述傳感器信號處理單元採樣的振動數據來進行異常診斷，所述診斷處理單元連續取入來自所述傳感器信號處理部件的振動數據，同時分割為每一定周期的區間，將1區間的振動數據作為用於第一振動特性的部件診斷的振動數據來進行處理，同時將在1區間的振動數據的前端接上其前一個區間的最後的規定時間的數據的數據作為用於第二振動特性的部件診斷的振動數據來進行處理。
(21)一種異常診斷裝置，是鐵道車輛的車輛軸承以及車輪的異常診斷裝置，其特徵在於，該異常診斷裝置包括傳感器信號處理單元，對檢測車軸軸承以及車輪的振動的振動傳感器的輸出信號進行採樣；以及診斷處理單元，基於由所述傳感器信號處理單元採樣的振動數據來進行車軸軸承以及車輪的異常診斷，所述診斷處理單元連續取入來自所述傳感器信號處理部件的振動數據，同時分割為每一定周期的區間，將1區間的振動數據作為用於軸承診斷的振動數據來進行處理，同時將在1區間的振動數據的前端接上其前一個區間的最後的規定時間的數據的數據作為用於車輪診斷的振動數據來進行處理。
(22)在上述(21)的異常診斷系統中，其特徵在於，所述診斷處理單元基於車軸軸承的轉速和對振動的包絡線波形進行處理而得到的頻率峰值來檢測車軸軸承的異常，基於與車輪的旋轉同步產生的振動的等級超過閾值的頻度來檢測車輪的異常，基於各個異常的檢測結果進行異常診斷。
(23)在上述(21)～(22)的任意的異常診斷系統中，其特徵在於，所述信號處理部件將多個振動傳感器的輸出信號各切換一個信道來進行採樣。
(24)在上述(21)或(23)的異常診斷系統中，其特徵在於，基於與車輪的旋轉同步對振動傳感器的輸出信號進行採樣並進行加法平均處理而得到的振動數據來進行車軸軸承以及車輪的異常診斷。
(25)一種異常診斷裝置，是具有振動特性不同的多個部件的機械裝置的異常診斷裝置，其特徵在於，該異常診斷裝置包括傳感器信號處理單元，對檢測所述機械裝置的振動的振動傳感器的輸出信號進行採樣；以及診斷處理單元，基於由所述傳感器信號處理單元採樣的振動數據來進行異常診斷，所述診斷處理單元連續取入來自所述傳感器信號處理部件的振動數據，同時將其變換為用於第一振動特性的部件診斷和用於第二振動特性的部件診斷的採樣頻率或採樣長度不同的兩種數據來進行處理。
(26)一種異常診斷裝置，是鐵道車輛的車軸軸承以及車輪的異常診斷裝置，其特徵在於，該異常診斷裝置包括傳感器信號處理單元，對檢測所述機械裝置的振動的振動傳感器的輸出信號進行採樣；以及診斷處理單元，基於由所述傳感器信號處理單元採樣的振動數據來進行異常診斷，所述診斷處理單元連續取入來自所述傳感器信號處理部件的振動數據，同時將其變換為用於車軸軸承診斷和用於車輪診斷的採樣頻率或採樣長度不同的兩種數據來進行處理。
(27)上述(22)、(23)、(24)、(26)的任意的異常診斷裝置，其特徵在於，對於車軸軸承和車輪分別實施多次異常檢測，根據各自的多次的累計值統計性地進行異常診斷。
(28)上述(20)～(27)的任意的異常診斷裝置，其特徵在於，該裝置具有保存在檢測異常時所使用的數據的功能。
(29)一種異常診斷裝置，是具有旋轉或滑動的部件的機械裝置的異常診斷裝置，其特徵在於，該裝置包括AD變換器，將來自檢測所述機械裝置的振動的振動傳感器的模擬信號變換為數位訊號；以及診斷處理單元，將來自該AD變換器的數位訊號進行傅立葉變換處理，基於其結果來進行異常診斷，所述診斷處理單元比所述AD變換器的解析度還擴展數據寬度對來自所述AD變換器的數位訊號來進行傅立葉變換處理。
(30)一種異常診斷裝置，是具有旋轉或滑動的部件的機械裝置的異常診斷裝置，其特徵在於，該裝置包括AD變換器，將來自檢測所述機械裝置的振動的振動傳感器的模擬信號變換為數位訊號；以及診斷處理單元，將來自該AD變換器的數位訊號進行傅立葉變換處理，基於其結果來進行異常診斷，診斷處理單元使所述AD變換器的解析度為1位，將其擴展為2位以上的規定的數據寬度來進行傅立葉變換處理。
(31)一種異常診斷裝置，是具有旋轉或滑動的部件的機械裝置的異常診斷裝置，其特徵在於，該裝置包括比較器，將來自對所述機械裝置的振動進行檢測的振動傳感器的模擬信號的電壓和參照電壓進行比較，從而輸出用於表示該模擬信號的電壓比參照電壓高還是低的二值的信號，所述診斷處理單元將來自所述比較器的信號擴展為規定的數據寬度來進行傅立葉變換處理。
根據上述(1)的結構的異常診斷系統，由於檢測從機械設備發生的聲音或振動，求該檢測信號的包絡線，將該包絡線變換為頻譜，通過將得到的頻譜移動平滑而平滑化的基礎上，檢測其峰值，基於檢測出的峰值來診斷異常，所以在異常信號或異常預兆信號和噪聲信號的S/N小的條件下，也可以高精度地實施異常診斷而不會將噪聲信號誤檢測為異常或異常預兆信號。
根據上述(2)的結構的異常診斷系統，由於對頻譜實施平滑化微分處理(即，以相同的點為中心，多個區間的差分和區間長的積和)，將該微分值的符號變化的頻率點提取作為頻譜的峰值，所以可以高精度地進行被埋沒在噪聲中的頻譜的峰值檢測。
根據上述(3)的結構的異常診斷系統，由於移動平均化處理中的加權係數左右對稱，所以可以防止將噪聲信號錯誤地檢測為異常信號或異常預兆信號。
根據上述(4)的結構的異常診斷系統，由於挑選被提取出的峰值中振幅等級為閾值以上的峰值，所以可以高精度地進行被埋沒在噪聲中的頻譜的峰值檢測。
根據上述(5)的結構的異常診斷系統，由於在振幅等級為閾值以上的峰值中，從振幅等級的方均平方根大的峰值中挑選直到規定個數為止的峰值，所以限制在進行異常診斷上有效的峰值，可以高精度且高效率地進行異常診斷。
根據上述(6)的結構的異常診斷系統，由於通過求檢測出的頻譜的峰值中振動的主分量所對應的峰值或振動的主分量以及高階分量所對應的峰值和表示診斷對象的異常的頻率的一致度，並對該一致度的多次的累計結果進行評價，從而診斷異常，所以可以高精度地實施異常診斷。根據上述(7)的結構的異常診斷系統，由於在包絡線處理置換進行信號的抽取處理，減少用於包絡線波形解析的FFT運算的點數，所以兼顧檢測出的信號的頻率解析度的提高和FFT運算的效率提高，可以高精度且高效率地實施軸承的異常診斷。
根據上述(8)的結構的異常診斷系統，由於將檢測出的信號的A/D變換時的採樣率設定得高之後進行頻帶限制以及抽取處理，因此可以省略抗混淆(anti-aliasing)濾波器，在包絡線處理後進行信號的抽取處理，減少用於包絡線波形解析的FFT運算的點數，所以兼顧被檢測出的信號的頻率解析度的提高和FFT運算的效率提高，可以高精度且高效率地實施軸承的異常診斷。
根據上述(9)的結構的異常診斷系統，由於通過進行使包絡線信號的頻帶低頻帶化的數字濾波處理，從而可以抑制混淆等的影響而可靠地執行低頻帶的FFT運算處理。
根據上述(10)的結構的異常診斷系統，可以進行通過DSP的高速FFT處理。根據上述(11)的結構的異常診斷系統，由於檢測從機械設備發生的聲音或振動，將該信號變換為數位訊號，從該數位訊號中取出診斷所需的頻帶的信號並求其包絡線，在為了以任意的頻率解析度對由該包絡線進行FFT而進行0補位插補的基礎上，基於由FFT得到的頻譜來診斷異常，所以可以高精度地實施異常診斷。
根據上述(12)的結構的異常診斷系統，由於進行0補位插補以使FFT單元中的採樣頻率成為2的N次方(例如N＝8～12)赫茲或2的N次方的倍數赫茲，所以可以將FFT運算時的頻率解析度設為1.0Hz基準，並可以設定為任意的解析度。
根據上述(13)的結構的異常診斷系統，由於求由檢測出的頻譜的峰值中振動的主分量所對應的峰值或振動的主分量以及高階分量所對應的峰值和表示診斷對象的異常的頻率的一致度，並對該一致度的多次的累計結果進行評價，從而診斷異常，所以可以高精度地實施異常診斷。根據上述(14)的結構的異常診斷裝置，包括基于振動傳感器輸出的波形信號，輸出表示波峰因數、衝擊指數、波形係數以及峰態中的其中一個的量綱為1的參數值超過一定的基準的第一電壓信號，或表示所述量綱為1的參數值為一定基準以下的第二電壓信號的比較電路，可以基於該比較電路的輸出來檢測異常，所以僅對每臺車輛設置一個振動傳感器，可以基於來自這一個振動傳感器的波形信號，檢測該車輛中的軸承的剝離、車輪的扁平等異常。
根據上述(15)的結構的異常診斷裝置，由於包括運算電路，基於所述振動傳感器輸出的波形信號，求RMS(方均的平方根)以及絕對值平均的其中一個的參數值；峰值檢測電路，求所述波形信號的峰值；以及比較電路，將所述參數值的一定倍(例如後述的[具體實施方式
]中由模擬電路決定放大率，所以一般不是整數而是一定倍或常數倍)的值和從所述峰值檢測電路輸出的峰值進行比較，根據其比較結果，輸出表示所述峰值和所述參數值的比(即，量綱為1的參數值)超過一定的基準的情況的第一電壓信號，或表示所述量綱為1的參數值為一定基準以下的情況的第二電壓信號，可以基於所述比較電路的輸出來檢測異常，所以僅對每臺車輛設置一個振動傳感器，可以基於來自這一個振動傳感器的波形信號，檢測該車輛中的軸承的剝離、車輪的扁平等異常。此外，根據上述(15)的結構的異常診斷裝置，根據上述(16)的結構的異常診斷裝置，由於將峰值和預先設定的參照值進行比較，在峰值大於參照值的情況下，使用於檢測異常的第一以及第二電壓信號無效，所以可以防止由於噪聲引起的非常大的信號造成傳感器單元的輸出飽和。
根據上述(17)的結構的異常診斷裝置，通過構成為基於表示參數值超過一定的基準的第一電壓信號的佔空比來檢測異常，可以避免噪聲的影響同時進行異常診斷。
根據上述(18)的結構的異常診斷裝置，僅捕捉振動傳感器的輸出信號中規定頻帶的信號就可以進行異常診斷。
根據上述(19)的結構的異常診斷裝置，由於可以檢測鐵道車輛的異常，所以可以提高鐵道車輛的可靠性。
進而，根據上述(20)至(28)的結構的異常診斷裝置，得到下述(I)～(IV)的效果。
(I)由於連續取入振動數據同時分割為每一定周期的區間，將1區間的振動數據作為用於診斷第一振動特性的部件的振動數據進行處理，同時將在1區間的振動數據的前端接上其前一個區間的最後的規定時間的數據的數據作為用於第二振動特性的部件診斷的振動數據來進行處理，所以根據檢測兩振動特性的部件的振動的振動傳感器的輸出信號來實時地檢測兩振動特性的部件的異常振動，可以確定該異常振動由第一振動特性的部件的異常引起還是由第二振動特性的部件的異常引起。
(II)由於連續取入振動數據同時分割為每一定周期的區間，將1區間的振動數據作為用於診斷軸承的振動數據進行處理，同時將在1區間的振動數據的前端接上其前一個區間的最後的規定時間的數據的數據作為用於診斷車輪的振動數據來進行處理，所以根據檢測車軸軸承以及車輪的振動的振動傳感器的輸出信號來實時地檢測車軸軸承以及車輪的異常振動，可以確定該異常振動由車輪的扁平引起還是由車軸軸承引起。
(III)連續取入振動數據同時將其變換為用於第一振動特性的部件診斷和用於第二振動特性的部件診斷的採樣頻率或採樣長度不同的兩種數據來進行處理，所以根據檢測兩振動特性的部件的振動的振動傳感器的輸出信號來實時地檢測兩振動特性的部件的異常振動，可以確定該異常振動由第一振動特性的部件的異常引起還是由第二振動特性的部件的異常引起。
(IV)連續取入振動數據同時將其變換為用於車軸軸承診斷和用於車軸診斷的採樣頻率或採樣長度不同的兩種數據來進行處理，所以根據檢測車軸軸承和車輪的振動振動傳感器的輸出信號來實時地檢測車軸軸承以及車輪的異常振動，可以確定該異常振動由車輪的扁平引起還是由車軸軸承引起。
發明效果根據本發明，即使在異常信號或異常預兆信號和噪聲信號的S/N比小的條件下，也可以高精度地實施異常診斷而不會將噪聲信號誤檢測為異常或異常預兆信號。根據本發明的異常診斷系統，可以高精度且高效率地實施機械設備內的軸承或軸承關聯構件的異常診斷。根據本發明，由於對每一臺車輛僅設置一個振動傳感器，所以基於來自這一個振動傳感器的波形信號，可以檢測該車輛中的軸承的剝離、車輪的扁平等異常，所以可以以低成本構築異常診斷系統。
根據本發明的異常診斷裝置，可以使用低解析度的AD變換器或單純的比較器來實現電路的低成本化以及省空間化，並且可以進行異常診斷而不引起精度降低。


圖1是表示本發明的異常診斷系統的實施例的方框圖。
圖2是例示頻譜及其移動平均化處理結果的波形圖。
圖3是例示頻譜及其移動平均化處理結果的波形圖。
圖4是例示頻譜及其移動平均化處理結果的波形圖。
圖5表示衝擊性的噪聲進入時的振動波形的例子。
圖6是表示圖1所示的異常診斷系統的異常診斷動作例子的流程圖。
圖7是例示頻譜及其移動平均化處理結果的波形圖。
圖8是表示軸承的微小損傷品和正常品的異常診斷結果的圖。
圖9是表示本發明的異常診斷系統的第2實施例的方框圖。
圖10是表示構成本發明的異常診斷系統的微計算機及其周邊電路的實施例的方框圖。
圖11是例示圖9中的第一數字低通濾波器的頻率-增益特性的波形圖。
圖12是例示圖9中的第一數字低通濾波器的頻率-增益特性的波形圖。
圖13(a)是表示進行抽取處理的情況下的FFT頻譜波形的波形圖，圖13(b)是表示省略了抽取磁力的情況下的FFT頻譜的波形圖。
圖14是在曲線圖上表示通過減少FFT運算的點數而削減FFT運算處理時間的效果的圖。
圖15是用S/N比對比改變條件進行的多個診斷的結果的曲線圖。
圖16是表示本發明的異常診斷系統的第3實施例的方框圖。
圖17是表示本發明的異常診斷系統的第4實施例的方框圖。
圖18是表示第4實施例的異常診斷系統中的一系列的處理的流程的流程圖。
圖19(a)以及圖19(b)是表示相對于振動的包絡線波形錯開相位來進行抽取處理的情況的說明圖。
圖20是表示第4實施例的情況的診斷結果的圖。
圖21是表示關於FFT運算處理的時間，對比使用DSP的情況和僅使用CPU進行的情況的圖。
圖22是表示第5實施例的異常診斷系統中的一系列的處理的流程的流程圖。
圖23是表示第5實施例的情況的傷診斷結果的圖。
圖24是表示本發明的異常診斷系統的實施例的功能方框圖。
圖25是圖24中的通過0插補單元的0插補處理的說明圖。
圖26是表示缺陷品和正常品的異常診斷結果的圖。
圖27是表示數據的取入處理和數據的運算處理的定時以及所用時間的定時圖。
圖28是包括第7實施例的異常診斷裝置的鐵道車輛的概略結構圖。
圖29是表示傳感器單元的第7實施例的方框圖。
圖30是表示圖29的傳感器單元的輸出波形的圖。
圖31是表示傳感器單元的第8實施例的方框圖。
圖32是表示圖31的傳感器單元的輸出波形的圖。
圖33是表示傳感器單元的第9實施例的方框圖。
圖34是表示傳感器單元的第10實施例的方框圖。
圖35是表示傳感器單元的第11實施例的方框圖。
圖36是表示傳感器單元的第12實施例的方框圖。
圖37是表示傳感器單元的第13實施例的方框圖。
圖38是表示剝離等劣化的參數之一的波峰因數(Peak/RMS)的波形圖，表示參數值由於剝離而增大。
圖39是鐵道車輛的振動波形圖，表示檢測的振動波形中混入軌道的接縫引起的衝擊振動(噪聲)的情況。
圖40(a)是搭載了第14實施例的異常診斷裝置的鐵道車輛的概略平面圖，圖40(b)表示該鐵道車輛的概略側視圖。
圖41是例示車軸軸承和振動傳感器的位置關係的概略圖。
圖42是本發明的異常診斷裝置的第14實施例的方框圖。
圖43是異常診斷裝置的4信道的振動數據的取入以及數據解析的時序圖。
圖44是表示圖42的診斷處理單元的動作內容的流程圖。
圖45是表示車軸軸承的傷的部位和由傷引發的振動發生頻率的關係的圖。
圖46是本發明的異常診斷裝置的第15實施例的方框圖。
圖47是本發明的異常診斷裝置的第16實施例的方框圖。
圖48是表示圖47的診斷處理單元的動作內容的流程圖。
圖49是本發明的異常診斷裝置的第17實施例的方框圖。
圖50是本發明的異常診斷裝置的第18實施例的方框圖。
圖51是本發明的異常診斷裝置的第19實施例的方框圖。
圖52是本發明的異常診斷裝置的第19實施例的診斷處理單元的振動內容的流程圖。
圖53(a)是表示軸承剝離診斷數據和車輪扁平診斷數據的時間-頻率平面上的關係的概念圖，圖53(b)是表示軸承和車輪的頻率範圍的關係的概念圖。
圖54是本發明的異常診斷裝置的第20實施例的診斷處理單元的振動內容的流程圖。
圖55(a)以及(b)是第21實施例的診斷處理單元的部分方框圖。
圖56是本發明的異常診斷裝置的第21實施例的診斷處理單元的振動內容的流程圖。
圖57是表示圖51的診斷處理單元的動作內容的流程圖。
圖58(a)是關於將來自AD變換器的數位訊號比其解析度還擴展的處理的說明圖，圖58(b)是表示來自AD變換器的數位訊號的單純的符號擴展的例子的說明圖。
圖59是本發明的異常診斷裝置的第23實施例的主要部分方框圖。
圖60(a)是將來自振動傳感器的模擬信號通過比較器變換為二值的信號的處理的說明圖，圖60(b)是將來自比較器的信號用診斷處理單元內的微計算機進行了數字濾波處理之後的波形圖。
圖61是表示第23實施例中的診斷處理單元的動作內容的流程圖。
圖62是本發明的異常診斷裝置的第24實施例的主要部分方框圖。
具體實施例方式
以下，關於用於實施本發明的最佳方式，以包含滾動軸承的機械設備為對象，對機械設備內的滾動軸承的傷等異常的有無進行判斷的情況為例進行說明。
圖1是表示本發明的異常診斷系統的實施例的方框圖。如圖1所示，本發明的異常診斷系統包括放大濾波器(濾波處理單元)101、A/D變換器102、包絡線處理單元103、FFT單元104、峰值檢測單元105、診斷單元106以及診斷結果輸出單元107。
放大濾波器101被輸入由對診斷對象的機械設備發生的聲音或振動進行檢測的傳感器(振動傳感器、音響傳感器等)檢測出的信號。放大濾波器101以規定的增益將輸入的信號放大，同時截斷規定頻率以上的信號。
A/D變換器102以規定的採樣頻率對通過放大濾波器101的模擬信號進行採樣，並變換為數位訊號。
包絡線處理單元103、求由A/D變換器102生成的數位訊號的包絡線(包絡線波形)的FFT單元104、對包絡線處理單元103求出的包絡線進行頻率解析並變換為頻譜的峰值檢測單元105、檢測由FFT單元104得到的頻譜的峰值的換行診斷單元106對由滾動軸承上設置的未圖示的旋轉傳感器檢測出的轉速和軸承的內部各元素決定的特徵頻率，與峰值檢測單元105得到的峰值進行比較，並通過對其一致度進行評價來診斷異常。診斷結果輸出單元107輸出診斷單元106的診斷結果。峰值檢測單元105包括移動平均化處理單元105a、平滑化微分峰值提取單元105b、第一挑選單元105c、第二挑選單元105d。移動平均化處理單元105a將由FFT單元104得到的頻譜(頻域的離散數據)左右對稱地進行加權移動平均化。例如，在5點的移動平均中，通過對由FFT單元104得到的頻譜實施下式的運算，[算式1] a＞b，a＞c一般，通過下式(1)的運算，[算式2] 將頻譜進行平滑化來進行噪聲的減輕。平滑化微分峰值提取單元105b在通過移動平均化處理單元105a的移動平均化處理之後，將移動平均了的頻譜進一步平滑而得到微分值，將微分係數的符號變化的頻率點作為頻譜的峰值而提取。即，平滑化微分峰值提取單元105b將下式(2)的值(平滑化微分係數yj)從正向負變化的頻率點視為頻譜的峰值的候選。
yi=i=1m(xi+j-xj-i)i---(2)]]>從該式(2)可知，比鄰接的數據遠離的點之間的傾斜者可以視為權重大。從式(2)可知，峰值檢測單元105包括平滑化微分峰值提取單元105b，對於由FFT單元104得到的頻譜實施以j點為中心進行的多個區間的差分和其區間長的積和的平滑化微分處理，將得到的微分值的符號變化的頻率點作為頻譜的峰值提取。
從而，根據式(2)，不使用式(1)也可以進行被埋入噪聲的峰值的檢測，但也可以並用式(1)。
第一挑選單元105c挑選由平滑化微分峰值提取單元105b提取出的峰值中振幅等級為閾值以上的峰值。閾值使用根據由平滑化微分峰值提取單元105b提取的峰值的功率平均值或全部(overall)信號的方均平方根決定的相對的值。絕對的閾值在相對噪聲電平低的情況下有效，但在噪聲電平大的情況下不一定有效。
第二挑選單元105d在由第一挑選單元105c挑選的峰值中，從振幅等級大的峰值中挑選直到規定個數為止的峰值。作為其最簡單的方法，例如，可以舉出使用公知的分類算法，將多個峰值關於等級而設為升序或降序類之後，從高位的峰值、即值大的峰值依次進行選擇的方法。
圖2表示頻譜波形的例子。本例表示將被診斷為有傷的振動數據進行包絡線處理的頻譜及其移動平均化處理後的頻譜。這裡的移動平均是如下式所示的7點的移動平均。
w0＝4，w1＝w-1＝3，w2＝w-2＝2，w3＝w-3＝1加權係數w不限於上述值，但最好不去掉關於j＝0對稱且使j＝0的點的權重最大的條件。在圖2的例子中可知，由於S/N比比較良好，所以軸承外輪的傷引起的基本分量f1和高次諧波分量f2、f3、f4在移動平均化處理的前後明顯可看到，但在移動平均化處理後，噪聲引起的偽峰值非常少。
如圖2所示，由移動平均化處理單元105a對移動平均化處理後的頻譜進行平滑化微分，平滑化微分峰值提取單元105b將微分係數的符號從正向負變化的頻率點作為峰值進行檢測了之後，由第一挑選單元105c提取閾值以上的峰值，將它們由第二挑選單元105d分類後，將其中直到高位5個為止作為峰值提取，從而求峰值頻率f1、f2、f3、f4。將離散頻譜設為xi時，此時的平滑化微分係數yi由下式表示。
yi=j=1m(xi+j-xj-i)j]]>與通常的數值微分不同，該式中，為了使其具有平滑化的效果而進行比更遠離的點之間的差分大的加權，所以可以僅通過整數運算來進行微分運算，不需要除法。從而，浮點運算單元(FPU)或不具有除法命令的微型計算機也可以輕易地進行運算。
上述由第二挑選單元105d得到的頻譜(包絡線頻率分布)的峰值的數據被輸入診斷單元106。
診斷單元106將輸入的頻譜的峰值中對應于振動的主分量的峰值或對應于振動的主分量以及高次諧波的峰值與表示診斷對象的異常的頻率進行比較，並求其一致度。然後，對求出的一致度賦予點數而進行累計，從而進行可靠性高的診斷。例如，進行主分量、2階、4次的三個分量和表示異常的頻率的比較，如果主分量及其它分量被檢測出，則判斷為有發生傷的可能性，加上預先設定的點數表內的相應的點數。點數表的例子如下述表1所示。在圖2的例子中，由於主分量、2階、4階的三個分量都被檢測出，所以加上4點。


圖3所示的頻譜波形的例子中，儘管接收到外部衝擊引起的噪聲，軸承外輪的傷引起的頻率的峰值也被檢測出。與圖2的情況同樣，再進行平滑化微分並進行峰值檢測之後，將閾值以上的峰值分類後將直到高位5個為止作為峰值檢測出後的結果，主分量和2階分量被檢測出。該情況下的加法點數為2分。
在圖4所示的頻譜波形的例子中，由於外部衝擊引起的噪聲過大，峰值未被檢測出。該情況下的加法點數為0點。
圖5表示衝擊性的噪聲進入時的振動波形的例子。這樣，振幅這樣大並且突發的衝擊性的噪聲進入了的振動波形的包絡線的頻率分析結果，接近DC(直流)分量的低頻側增大，如圖4的例子這樣，微小的傷引起的振動的峰值被隱藏。在這樣的情況下，不必強行地進行用於檢測傷造成的信號分量的處理。
如圖6所示，該異常診斷系統將從上述振動信號檢測到異常點數判定為止的一系列的處理重複規定次數N(例如30次)來累計上述點數，根據該累計點數進行異常判斷。在圖6中，n是當前的次數，對PA表示一次頻譜測定中的診斷點、PACC表示PA的累計值的圖2、圖3以及圖4中例示的頻譜波形分別進行一次採樣而進行異常診斷所需的時間為1秒左右。從而，如果為了得到診斷結果而允許的時間為40～60秒左右，則重複約40～60次的診斷來將上述點數累計，並可以通過該累計點數來進行異常診斷。在通過僅一次的採樣的異常診斷中，如圖2～圖4這樣，不知道得到什麼樣的頻譜，但通過重複頻率峰值檢測並在其每次加上診斷點數，並對點數的累計值進行評價，從而可以減輕頻譜的偏差的影響從而高精度地進行異常診斷。
圖7是沒有傷的正常的軸承的診斷頻譜，表示進行了峰值檢測的結果，由傷引起的振動的頻率分量未被檢測出的實測結果。移動平均化的頻率分析結果中一見便可知有何種特徵，但閾值以及分類的挑選處理的結果，與軸承異常的頻率分量沒有關係，因此表1的異常診斷點不被加上。
圖8是重複40次軸承的微小損傷品和正常品的異常診斷並在柱狀圖中表示其診斷點的累計數的圖。微小損傷品和正常品中，累計點數存在大的差距，因此可知通過將累計點累計40次左右，可以準確地進行軸承的異常診斷。此外，儘管是微小的傷，由於與正常品之間產生大的差，因此如圖8所示，由於可以將閾值的範圍取大，因此可以將該範圍分類而發出階段性的警報。
如以上所說明的，在該實施例的異常診斷系統中，檢測從機械設備發生的聲音或振動，求該檢測信號的包絡線，將該包絡線變換為頻譜，對得到的頻譜進行移動平均化處理，進而將該頻譜進行平滑化微分，從而將微分係數的符號從正向負變化的頻率點作為峰值檢測出之後，提取規定閾值以上的峰值，將它們分類後將其中的高位規定個數作為峰值提取，求這些峰值中對應于振動的主分量的峰值或對應于振動的主分量以及高次諧波的峰值與表示診斷對象的異常的頻率的一致度，並對該一致度賦予點數而進行多次累計，通過評價該累計值來診斷異常，所以即使在異常信號或異常預兆信號與噪聲信號的S/N比小的條件下，也可以非常高精度並且高效率地實施異常診斷而不會將噪聲信號誤檢測為異常或異常預兆信號。
另外，本發明不限於上述實施例。例如，如圖1中虛線方框所示，在A/D變換器ADC102和包絡線處理單元103之間設置數字濾波器(LPF/HPF)108，最好除去高頻的噪聲分量同時除去DC偏移量。此外，在FFT單元104之間設置抽選單元109，根據必要的頻率進行抽取處理(decimation，抽選)。通過在包絡線處理之後進行信號的抽取處理，並減少用於包絡線波形解析的FFT運算的點數，從而兼顧檢測出的信號的頻率解析度的提高和FFT運算的效率提高，可以高精度且高效率地實施軸承的異常診斷。
圖9是表示本發明的異常診斷系統的第2實施例的方框圖，圖10是表示本發明的異常診斷系統的具體構成要素的微型計算機(MPU)及其周邊電路的實施例的方框圖。
如圖9所示，本發明的異常診斷系統包括放大濾波器(濾波處理單元)201、A/D變換器202、第一數字低通濾波器203、第一抽選單元(抽取單元)204、包絡線處理單元205、第二數字低通濾波器206、第二抽選單元(抽取單元)207、FFT運算單元208、診斷單元209、轉速變換處理單元210以及診斷結果輸出單元211。
放大濾波器101被輸入由對診斷對象的機械設備發生的聲音或振動進行檢測的傳感器(振動傳感器、音響傳感器等)檢測出的信號。放大濾波器201以規定的增益將輸入的信號放大，同時截斷規定頻率(這裡為80kHz)以上的信號。
A/D變換器202以規定的採樣頻率(這裡為250kHz)對通過放大濾波器201的模擬信號進行採樣，並變換為數位訊號。一次進行採樣的點數約為20萬。數據長度為16位。如圖10所示，該系統使用微型計算機220作為信號處理電路，但由於包括外置的RAM221，所以確保該程度的變量區域很容易。微型計算機220包括浮點單元(FPU)。
第一數字低通濾波器203僅使A/D變換器220生成的數位訊號中規定頻率(這裡為10kHz)以下的信號通過，例如有55階的FIR濾波器構成。圖11例示第一數字低通濾波器203的頻率特性。該濾波器203在10kHz(fp)以下完全不衰減，在10kHz(fp)到25kHz(fq)為止，衰減率增加，在25kHz以上，變為60dB的衰減率。對於在25kHz(fq)達到阻帶的頻帶的波形，只要採樣頻率至少為50kHz就足夠。
第一抽選單元(抽取單元)204通過以規定的採樣頻率(這裡為50kHz)對通過第一數字低通濾波器203的信號進行採樣，從而進行抽取處理。由於A/D變換器202的採樣頻率為250kHz，所以採樣點數(數據數)被以1/5地進行抽取。由此，有20萬點的數據被削減為40960點的數據。包絡線處理單元205求由第一抽選單元204取出的信號的包絡線信號(包絡線波形信號)。
第二數字低通濾波器206是僅使由包絡線處理單元205得到的包絡線信號中規定頻率(這裡為1kHz)以下的信號通過的濾波器，例如由110階的FIR濾波器構成。圖12例示第二數字低通濾波器206的特性波形。該濾波器206配合表示軸承的異常的特徵頻率來進行濾波處理，在1kHz(fp)以下完全不衰減，在1kHz到2.5kHz為止，衰減率增加，在25kHz(fq)以上，變為60dB的衰減率。
第二抽選單元(抽取單元)207通過以規定的採樣頻率(這裡為5kHz)對通過第二數字低通濾波器206的信號進行採樣，從而進行抽取處理。由於第一抽選單元204的採樣頻率(fs)為50kHz，所以被以1/10進行抽取的採樣點。對於在2.5kHz(fq)達到阻帶的頻率的波形，只要採樣頻率至少為5kHz就足夠。通過該抽取處理，有40960點的的數據被削減為4096點的數據。
FFT運算單元208對由第二抽選單元207進行了抽取處理後的包絡線信號進行頻率解析。在該例子的情況下，使用4096點的數據進行檢測出的信號的包絡線的頻率分析。由此，以5000/4096＝1.22Hz的解析度進行頻率分析。
診斷單元209在由FFT運算單元208進行了頻率解析的結果得到的峰值中，將由滾動軸承引起的頻率的基頻分量以及高頻分量的大小，與由轉速變換處理單元210提供的判定基準數據(轉速)和表示從軸承的各元素得到的軸承的異常的頻率進行比較，基於其結果診斷滾動軸承的異常。
轉速變換處理單元210生成與來自滾動軸承上設置的未圖示的旋轉傳感器的旋轉信號對應的判定基準數據，並將該數據提供給診斷單元209。
診斷結果輸出單元211輸出診斷單元209的診斷結果。
圖13(a)表示FFT運算單元208的運算結果得到的包絡線的頻譜波形。這是捕捉了滾動軸承的外輪傷分量的波形，明確地表示了基頻分量(f1)和高頻分量(f2～f6等)。在該情況下，診斷單元209計算從轉速變換處理單元210得到的轉速和表示從軸承的各元素得到的軸承的異常的頻率，將圖13(a)中的基頻和6階為止的高次諧波進行了比較的結果，由於與外輪缺陷引起的頻率分量一致，因此輸出外輪存在異常的診斷結果。
這裡，作為比較例，圖13(b)表示對與將採樣頻率設為25kHz、將截止頻率fc設為10kHz的上述例子相同的條件的波形進行包絡線處理後進行FFT運算而得到的頻譜波形。由於FFT運算的點數為16384，因此該比較例中的頻率解析度為25000/16384＝1.526Hz。在本發明的實施例(圖13(a))中，對於比較例(圖13(b))，FFT運算的點數從16384減少到其1/4的4096，而且解析度從約1.53Hz提高到1.22Hz。這是在包絡線處理的前後進行了抽取(抽選)處理的效果。
圖14表示減少FFT運算的點數引起的FFT運算處理時間削減的效果。在該實施例的情況下，作為執行FFT運算處理的硬體，如圖10所示，使用在內部具有高速RAM220c的微型計算機220。該微型計算機220內部的高速RAM220c中可以容納直到4096點為止的FFT數據。其結果，與容納了8192點以上的FFT數據的情況下的計算時間相比，可以壓倒性地快速計算。在不具有這樣的高速RAM220c的系統中，得到如圖14中的虛線所示的運算周期數(FFT運算處理時間)的削減效果。FFT需要通過2的指數的點數計算，所以在本例中進行採樣和抽取處理，以最終變為4096點，但假設即使4096點有過多和不足，省略該部分的點數或將0的數據追加到前後即可。
圖15是表示滾動軸承的外輪診斷的S/N比的絕對比較的曲線圖。基波和直到6次的高次諧波和除去了這些分量的直到1kHz為止的分量的比用S/N比表示。圖15中A對應於上述比較例。C對應於上述實施例。B是省略了第二數字低通濾波器206的情況下的S/N比。在A和C的比較中，兩者的S/N比可以說沒有那麼大的差異，但C略好。儘管FFT運算的點數是C比A少，但S/N比卻提高了，這是通過第二數字低通濾波器206的頻帶限制的效果。
如以上所說明的，在本變形例的異常診斷系統中，在包絡線處理的前後進行信號的抽取處理，通過減少用於解析由傳感器檢測出的信號的包絡線波形的FFT運算的點數，兼顧信號的頻率解析度的提高和FFT運算的效率提高，並且可以高精度且高效率地實施軸承的異常診斷。
此外，在該異常診斷系統中，將由傳感器檢測出的信號的A/D變換時的採樣率設定高之後，進行頻帶限制以及抽取處理，因此可以省略抗混淆濾波器。即，由於由第一數字低通濾波器203截斷A/D變換器202的採樣頻率分散(250kHz)的1/2(乃奎斯特頻率fs/2)以上的頻率的信號，因此通常需要插入抗混淆濾波器，但這裡相對於放大濾波器201的頻帶小於80kHz，而A/D變換器202的採樣頻率為250kHz，所以滿足採樣定理而不需要抗混淆濾波器。由此，可以實現異常診斷系統的低成本。
圖16是表示本發明的異常診斷系統的第3實施例的方框圖。在第3實施例中，省略了在第2實施例中在包絡線處理單元205前後設置的數字低通濾波器203、206以及包絡線處理單元205之前的抽選處理單元204。該結構可以應用於即使S/N比稍微降低，只要可以以少的點數的FFT運算來提高包絡線波形解析的頻率解析度即可的情況。
不使用數字低通濾波器的抽取處理受到混淆的影響，相反其自身起到低通濾波器處理的作用。而且，包絡線處理其自身結果也兼作低通濾波器處理的作用，所以認為省略抽選處理單元207之前的數字低通濾波器206的情況較多。在根據前級的放大器或傳輸路徑的頻率特性而得知不引起混淆的情況下，不使用數字濾波器而進行抽取處理也沒有任何影響。
另外，數字濾波器的運算效率與FFT運算的情況也有稍微的特性差異。FFT由於是統一運算處理因此數據數越少則運算速度越快，而數字濾波器由於基本上進行依次處理，因此濾波器的階數成為問題。但是，在上述實施例中，在包絡線處理單元205之後的第二數字低通濾波器206中也估計到100～200階數的濾波器即可。如果是這種程度的濾波器階數，則一般的微型計算機210內的高速存儲器210a中的處理沒有任何問題。
此外，在第2以及第3實施例中，由於微型計算機220不具有FPU(浮點運算單元)，因此使用了適於定點運算的FIR濾波器，但在具有FPU的系統的情況下，如果對數字低通濾波器使用IIR濾波器，就可以降低濾波器階數而不降低計算精度。
圖17是表示本發明的異常診斷系統的第4實施例的方框圖(硬體結構圖)。圖18是表示第4實施例的異常診斷系統中的一系列的處理的流程的流程圖。微型計算機220上連接有同步DRAM(SDRAM)221a、閃速存儲器222、放大濾波器(濾波處理單元)223以及液晶顯示器(LCD)224。
微型計算機220除了CPU220a之外還包括DSP220b以及閃速RAM220c。
DSP220b內置有分別由專用總線連接的X-RAM和Y-RAM所構成的X/Y-RAM220e，以便可以在一個周期內以專用的命令執行積和運算。X-RAM和Y-RAM的容量各為8千字節。DSP220b加上命令總線同時可以訪問三個總線，並可以同時執行多個命令。X/Y-RAM被稱作雙通道RAM、雙臂存取RAM、多通道RAM等。
同步DRAM221a、閃速存儲器222以及放大濾波器223連接到CPU220a的外部總線。同步DRAM221a是作為主存起作用的32MB(兆字節)的容量的存儲器。閃速存儲器222是作為程序存儲區域起作用的4MB的容量的存儲器。閃速存儲器222中存儲用於實施圖18所示的一系列的處理的程序。放大濾波器223包括將來自傳感器的信號放大的放大器223a和以規定的採樣頻率(這裡為250kHz)對由放大器223a放大的信號進行採樣並變換為數位訊號的16位的解析度的A/D變換器223b。
同步DRAM221a以及閃速存儲器222的動作速度比CPU220a慢，因此為了產生CPU220a的高速性，閃速存儲器不可缺少。因此，微型計算機220中內置有數據/命令混合型的高速緩衝RAM220c。
DMAC220d控制DMA動作，即不使用CPU220a而將由A/D變換器223b得到的數據對同步DRAM221a進行傳送。液晶顯示器224是用於顯示診斷信息的輸出裝置。
圖18所示的一系列處理中包含的數字運算處理中處理的數據量最大的是FFT運算處理(S204)。為了由DSP220b進行FFT運算處理(S204)，FFT運算處理(S204)使用的數據需要容納在X/Y-RAM220e中。
另一方面，為了通過軸承的振動解析來檢測傷，需要以直到10kHz左右為止的頻帶來檢測振動，但用於捕捉傷的軸承的轉動體的通過振動數一般為1kHz以下。在本例中，作為診斷對象的軸承的轉動體通過振動數為100Hz以下的低頻率。
在轉動體通過振動數這樣低的情況下，準確診斷軸承的異常需要比較長時間的波形採樣。
因此，在圖18的採樣處理(S201)中，以48kHz的採樣頻率對來自放大濾波器223的信號進行採樣，對由40000點以上的數據構成的波形數據進行採樣。在該情況下，可以確保800ms以上的採樣時間Tw。FFT運算處理(S204)的頻率解析度Δf由該採樣時間Tw決定。即，頻率解析度Δf是採樣時間Tw的倒數(1/Tw)。
絕對值處理(S202)是與包絡線處理同樣的處理，在數字處理中，與通過希爾伯特變換的方法相比，可以大幅地簡化運算。在該處理中，對於由採樣處理(S201)採樣了的信號的包絡線或絕對值波形，為了消除DC分量而取平均值，重建振幅0的線。
在抽選處理(S203)中，通過以規定頻率(這裡為4.8kHz)對經過絕對值處理(S202)的包絡線或絕對值波形信號進行採樣從而進行抽取。FFT運算處理(S204)中，對通過抽選處理(S203)進行了抽取處理後的信號進行頻率解析。
FFT運算處理(S204)中的數據由實部和虛部構成，分別被分配給X/Y-RAM220e的X-RAM和Y-RAM。如果採用在輸入和輸出供給存儲區域的方式，則可以對8kB的數據長進行FFT。由於A/D變換器223b的解析度為16位(2位元組)，所以可以由DSP220b處理直到8192/2位元組即4096點為止的數據。反之超過4096的點數的數據在DSP220b中不能處理。因此，在本例中，由抽選處理(S203)進行抽取處理，以使數據長成為4096。將採樣頻率fs＝48kHz以1/10地進行抽取時，成為fs＝4.8kHz。即使是這樣，也是對確保檢測軸承缺陷所需的1kHz的頻帶足夠的採樣頻率。
在頻譜評價處理(S205)中，檢測由FFT運算處理(S204)進行了頻率解析的結果得到的頻譜的峰值，對該峰值和軸承異常頻率進行比較，通過參照與該比較結果對應的不同部位異常診斷索引來評價是否異常。
在異常診斷點加法處理(S206)中，對由頻譜評價處理(S205)評價為異常的數進行計數。在反覆次數判定處理(S207)中，判定進行了頻譜評價處理(S205)的次數(評價次數n1)是否達到規定的次數N1。相移處理(S208)在由反覆次數判定處理(S207)判定為未達到規定的次數N1(S207中否)的情況下被執行。通過該處理使相位偏移並反覆抽選處理(S203)以後的處理。
波形取入次數判定處理(S209)在由反覆次數判定處理(S207)判定為達到了規定的次數N1(S207中是)的情況下被執行。在波形取入次數n2未達到規定的次數N2的情況下(S209中否)，反覆採樣處理(S201)以後的處理。在波形取入次數n2達到規定的次數N2的情況下(S209中是)，進至評價/判定處理(S210)。
在評價/判定處理(S210)中，基於由異常診斷點加法處理(S206)計數的異常評價點數來進行軸承的異常的評價/判定。
如上所述，在本實施例中，在每次實施頻譜評價處理(S205)時將相位偏移來實施多次抽選處理(S203)，採用對於一次採樣波形進行多次FFT運算處理(S204)來累計診斷點的方法。這是由於在將僅進行了抽取的數據以一次的FFT進行評價中以48kHz的頻率進行採樣的意義變小，成為與最初起以4.8kHz的頻率進行採樣相同。即使軸承的轉動體通過周期長，由於傷越小則在通過中引起的衝擊波在越短時間內衰減，所以高採樣本來有效，為將其靈活運用而進行多次相移處理以及FFT運算處理。
圖19(a)、(b)表示對于振動包絡線波形偏移相位來進行抽取處理的情況。相移相當於將採樣點偏移1點。在圖19的例子中，表示相對於僅採樣●(黑點)的(a)的狀態，(b)的狀態為僅相移1點並僅再採樣○(白點)的情況。在圖19的例子中，由於以1/5地進行抽取，因此得到最大5組的再採樣的組。
從而，在以1/10地進行抽取的情況下，得到最大10組的再採樣的組。下述的表中例示了對所有該10組進行FFT運算，並將檢測出的頻率分量所對應的評價點進行了累計的結果。


圖20表示通過相移和FFT運算處理的反覆的滾動軸承的外輪傷診斷結果。在本例中，準備在滾動軸承的外輪軌道面上附加了人工傷從樣本(1、2)和沒有傷的正常的樣本(3、4)，以軸承的外輪傷的特徵頻率分量為主分量來進行試驗。在一定時間取該點的累計，將其作為外輪缺陷指標。通過檢測FFT頻譜的移動平均和平滑化微分的峰值來進行頻率分量的檢測，進而根據頻譜分量的大小而壓縮為高位9個分量。
圖21是表示對於FFT運算處理的時間，對比使用了DSP220b的情況和僅以CPU220a進行的情況的曲線圖。在本例中，由於將FFT運算的點數配合可以與命令同時將兩個數據讀入DSP 220b的高速存儲器220e的容量而設為4k字長，所以以DSP高速地執行FFT運算。
如以上所說明的，在該實施例的異常診斷系統中，由於對於被數位化的包絡線波形，將採樣頻率下降到與DSP220b內的X/Y-RAM220e的容量平衡的數據數從而進行FFT運算，所以可以進行通過DSP220b的高速FFT處理，而且通過在絕對值處理後進行抽取處理並減少用於解析包絡線波形的FFT運算的點數，從而可以兼顧信號的頻率解析度的提高和FFT運算的效率提高，並高精度且高效率地實施軸承的異常診斷。
圖22是表示第5實施例的異常診斷系統中的一系列處理的流程的流程圖。該流程在抽選處理(S203)之前插入通過數字低通濾波器的濾波處理(S211)，這一點與圖18不同。此外，反覆次數判定處理(S207)以及相移處理(S208)被省略。
這樣，在進行抽選處理(S203)時，通過由數字低通濾波器預先降低頻帶，從而可以已知混淆等的影響而可靠地執行低頻帶的FFT運算處理。與圖18的方式相比，額外需要用於數字低通濾波器的程序代碼和配合濾波器的特性計算出的濾波係數，但在可靠執行噪聲的除去方面有利。圖23表示第5實施例的情況的外輪傷診斷結果。試驗所使用的樣本與圖20的情況相同。
圖24時表示第6實施例的異常診斷系統的實施例的功能方框圖。
如圖24所示，第6實施例的異常診斷系統包括模擬放大濾波器301、A/D變換器302、數字濾波單元303、抽選單元304、絕對值化單元(包絡線處理單元)305、零插補單元(插補處理單元)306、漢寧(hanning)窗函數處理單元307、FFT單元308、峰值檢測單元309、軸承缺陷基頻計算單元310、比較單元311、累計單元312、診斷單元313以及診斷結果輸出單元314。
模擬放大濾波器301被輸入由對診斷對象的機械設備發生的聲音或振動進行檢測的傳感器(音響傳感器等)317檢測出的信號。模擬放大濾波器301以規定的增益將輸入的信號放大，同時截斷規定頻率以上的信號。
A/D變換器302以規定的採樣頻率對通過放大濾波器301的模擬信號進行採樣，並變換為數位訊號。
數字濾波單元303僅使由A/D變換單元302生成的數位訊號中規定頻帶的信號通過。
抽選單元304通過以規定的採樣頻率對通過數字低通濾波單元303的信號進行採樣來進行抽取處理。
絕對值化單元305將由抽選單元304抽取的信號的包絡線(包絡線波形)作為離散化數據求出。
零插補單元306為了以任意的頻率解析度對絕對值化單元305得到的包絡線的離散化數據進行快速傅立葉變換而進行零補位插補。這裡，零插補是指為了使FFT單元308的採樣頻率成為2的乘方而在產生了不足的情況下對包絡線的離散化數據追加0來進行調整的插補。
漢寧窗函數處理單元307通過對由零插補單元306進行了插補處理後的信號乘以規定周期的漢寧窗函數，從而得出診斷所使用的信號。
FFT單元308通過FFT算法對由漢寧窗函數處理單元307得出的信號進行頻率解析，並生成頻譜波形信號。
峰值檢測單元309檢測由FFT單元308得到的頻譜的峰值。
軸承缺陷基頻計算單元310基於由轉速檢測器315檢測出的滾動軸承的轉速和從存儲軸承各元素的ROM316中讀出的軸承的內部各元素，計算表示軸承的缺陷的基本函數。
比較單元311對由峰值檢測單元309得到的峰值和由軸承缺陷基頻計算單元310計算出的頻率進行比較，將其一致度數值化後輸出。
累計單元312將來自比較單元311的輸出值進行累計並輸出其結果。
診斷單元313基於累計單元312的累計結果診斷異常。
診斷結果輸出單元314輸出診斷單元313的診斷結果。
上述峰值檢測單元309包括移動平均化處理單元、平滑化微分處理單元、閾值挑選單元、分類挑選單元。
移動平均化處理單元將由FFT單元308得到的頻譜(頻域的離散數據)左右對稱地加權進行移動平均化。
平滑化微分處理單元在通過移動平均化處理單元的移動平均化處理時進行數值微分運算，將微分係數的符號變化的頻率點作為頻譜的峰值提取。
閾值挑選單元挑選由平滑化微分處理單元提取的峰值中振幅等級的方均平方根為閾值以上的峰值。閾值使用由平滑化微分處理單元提取的峰值的功率平均值或對應於方均平方根而決定的相對的值。
分類挑選單元在由閾值挑選單元挑選的峰值中，從振幅等級的方均平方根大的中挑選直到規定個數為止的峰值。作為其最簡單的方法，例如，可以舉出使用公知的分類算法，將多個峰值關於等級而設為降序類之後，從高位的峰值起進行選擇的方法。
這裡，關於表示第6實施例的異常診斷系統的具體的結構要素的微型計算機(MPU)及其周邊電路的實施例的方框圖(硬體結構圖)，考慮與圖17同樣的結構。另外，關於這些說明與前述同樣，所以這裡省略說明。
另外，由圖24所示的異常診斷系統進行數字運算處理的功能塊中一次(每1循環)處理的數據量最大的是FFT單元308。為了由MPU220內的DSP220b實現FFT單元308，FFT運算處理使用的數據需要容納在X/Y-RAM220e中。
另一方面，為了通過軸承的振動解析來檢測傷，需要以直到10kHz左右為止的頻帶來觀測波形，但成為傷的特徵的頻率一般為1kHz以下。
在本例中，假設診斷對象的軸承的傷的特徵頻率為100Hz以下的低頻率，將FFT單元308的頻率解析度設為1Hz(±0.5Hz)，將採樣頻率設為32.768kHz，將採樣時間(Tw)設為750ms。從而，原波形的採樣個數為32768×0.75＝24576。最終在FFT單元308求頻譜的階段，通過進行零插補以使採樣時間成為1s，頻率解析度成為1Hz(±0.5Hz)。
數字濾波單元303的通過帶寬配合由異常引起的振動和噪聲的S/N比最大的頻帶而被選定。例如，在預先知道剝離缺陷的S/N比在1kHz～4kHz的頻帶最大的情況下，將數字濾波單元303的通過帶寬選定為1kHz～4kHz。這種數字濾波器可以由使用了FIR濾波器、IIR濾波、FFT和逆FFT(IFFT)的濾波器等構成，但在內置了定點運算方式的DSP的RISC型微型計算機的情況下，FIR濾波器適用。
絕對值化處理單元305為了對包絡線或絕對值波形消除DC分量而取平均值，重建振幅零的線。通過該絕對值處理(包絡線處理)，軸承缺陷引起的小於1kHz的低頻信號顯著化。在該時刻，由於也包含高頻信號，所以最好在進行FFT之前加上僅使小於1kHz的低頻信號通過的FIR低通濾波器，但由於已經對原波形實施了通過數字濾波單元303的帶通濾波處理和通過絕對值化處理單元5的絕對值化(包絡線提取)處理，所以即使省略FFT單元308前一個的低通濾波處理，對軸承缺陷的診斷精度的影響也很小。
抽選單元304的FFT運算點的抽取率(抽取量)以及零插補單元306的插補率或者插補位數根據要分析的頻帶、頻率解析度、FFT運算點數等而決定。在本例中，由於要實現MPU220內的DSP220b的超高速FFT運算處理，因此FFT運算點數自然由可從DSP220b通過並行專用總線訪問的X/Y-RAM220e的容量限制。
由FFT單元308運算處理的數據由實部和虛部構成，分別被分配給X/Y-RAM220e的X-RAM和Y-RAM。如果採用在輸入和輸出供給存儲區域的方式，則可以對8kB的數據長進行FFT。如果A/D變換器223b的解析度為16位(2位元組)，則通過運算變量也預先設為2位元組長，可以由DSP220b高速處理直到8192/2位元組即4096點為止的數據。
將採樣頻率(fs，fft)為1.0Hz時的FFT的區間長設為Tw，fft時，必要的頻率解析度Δfw表示為Δfw＝1/Tw，fft。從而，只要Tw，fft＝1就滿足主要條件。
在本例中，由於將採樣時間Tw，fft設為0.75s，所以0.25s採樣時間不足。該不足部分通過零插補單元306進行插補，但僅進行了零插補的話，數據數也達到32786。
這裡，將當初的採樣個數(32768)抽取為由DSP220b的X/Y-RAM220e的容量和運算的字節長決定的上限的FFT運算點數的4096時，數據數成為當初的1/8，FFT單元308的採樣頻率也被削減至32768/8＝4096。從而，可以由FFT單元308分析的頻率的上限(乃奎斯特頻率)成為其一半的2.048kHz，但即使這樣也充分地覆蓋了表示軸承的缺陷的頻率(小於1kHz)。
在本例中，以此為基準在32.768kHz進行0.75s的採樣(24576點)，在由數字濾波單元303和絕對值化處理單元305將頻帶低頻化後進行1/8的抽取處理，將採樣數和採樣頻率分別降低到3072點和4.096Hz，對於不足4096的點，在3072點之後補位1024個零(0)而設為4096點的採樣波形數據(參照圖25)。該波形數據經由漢寧窗函數單元307被輸入FFT單元308。該漢寧窗函數單元307通過對輸入波形數據乘以漢寧窗函數，從而減輕被輸入FFT單元308的波形數據兩端的影響。通過由FFT單元308對該波形數據進行FFT，以1Hz的解析度得到頻譜。得到的頻譜數據被輸入峰值檢測單元309。
峰值檢測單元309中將由FFT單元308得到的頻譜左右對稱地加權而移動平均化。由此，頻譜被平滑化、噪聲被減輕。
進而，在移動平均化處理時進行數值微分運算。然後，將微分係數的符號變化的頻率點作為頻譜的峰值而提取。然後，挑選提取出的峰值中振幅等級的方均平方根為閾值以上的峰值，從振幅等級的方均平方根大的峰值中挑選直到規定的個數(例如10個)為止的峰值。
另一方面，軸承缺陷基頻計算單元310基於由轉速檢測器315檢測出的滾動軸承的轉速和從ROM316中讀出的軸承的內部各元素，計算表示軸承的缺陷的基本函數。通過轉速檢測器315對軸承的轉速的檢測與通過振動傳感器317的振動檢測同步(例如0.75s一次)重複執行多個周期。
然後，由峰值檢測單元309檢測出的峰值的頻率和由軸承缺陷基頻計算單元310計算出的基頻與每個周期同步被輸入比較單元311。
比較單元311在每次峰值的頻率和基頻被輸入時，對基頻及其高次諧波和峰值的頻率進行比較，賦予與兩者一致的程度對應的點數(數值化)，將該值輸出到累計單元312。這裡的點數的賦予方法的例子如下表所示。


在該情況下，對於一次的波形取入的診斷處理相當於對計算出的由軸承缺陷引起的振動的基頻和直到4次為止的高次諧波分量賦予與檢測出的峰值一致的程度對應的診斷點數。
然後，通過重複頻率峰值檢測，在每一次加上診斷點數，並評價點數的累計值，從而可以減輕頻譜的偏差的影響從而高精度地進行異常診斷。
圖26以柱狀圖表示導入了缺陷的軸承(缺陷品)和沒有缺陷的軸承(正常品)的診斷點數的累計值。本例對內輪旋轉類型的軸承使用上述異常診斷系統進行測試。內輪旋轉類型的軸承中在外輪軌道上產生損傷的情況較多，所以在本例中也對外輪軌道導入傷來進行測試。將4組軸承用於診斷對象，對其中的2組導入外輪傷。在該測試條件下，外輪軌道有缺陷的情況下的基頻為100Hz以下。關於基波，如果峰值的頻率在基頻的±1.0Hz的範圍內，則判斷為與峰值的頻率一致，關於2階、3次、4次的各高次諧波，如果峰值的頻率在各高次諧波頻率的±2.0Hz的範圍內，則判斷為與峰值的頻率一致，加上上述表1的點數。測試時間設為60秒。1周期的採樣時間為0.75秒，用於輸出異常診斷點數的運算所用時間花費0.15秒左右。數據取入通過DMA進行，運算處理在取入下一次的數據期間以0.15秒進行，所以如圖27所示，總體來看，通過60(+0.15)秒鐘連續使本系統運轉，可以執行80(＝60/0.75)次的診斷處理。
如圖26所示，即使是正常品，稍微的噪聲也被計數，但與缺陷品的差很明顯。由於缺陷品和正常品之間產生很大差別，所以由於可以將閾值的範圍取很大，因此可以將該範圍作為灰色區域而發出階段性的警報。
圖21是表示關於FFT運算處理的時間，對比使用DSP220b的情況和僅使用CPU220a進行的情況的曲線圖。由於為了與DSP220b內的X/Y-RAM220e的容量一致而將FFT運算的點數由數字濾波單元303降低頻帶之後由抽選單元304抽取，所以可以由DSP220b非常高速地執行FFT運算。
如以上所說明的，在本實施例的異常診斷系統種，為了將檢測信號變換為數位訊號，取出診斷所需的頻帶的信號，求對其進行了抽取處理的信號的包絡線，並以任意的頻率解析度對該包絡線進行FFT，而進行零補位插補，進而通過漢寧窗函數得到診斷所使用的信號之後，通過FFT進行頻率分析，基於得到的頻譜來診斷異常，所以以與FFT運算所使用的運算裝置一致的採樣頻率以及頻率解析度對檢測信號進行FFT從而可以高精度地實施異常診斷。
此外，將由FFT得到的頻譜進行移動平均化處理，進而將該頻譜進行平滑化微分，從而將微分係數的符號從正向負變化的頻率點作為峰值檢測出之後，提取規定的閾值以上的峰值，將它們分類後將其中的高位規定數個作為峰值提取，求這些峰值種對應于振動的主分量的峰值或與振動的主分量以及高次諧波對應的峰值和表示診斷對象的異常的頻率的一致度，對該一致度賦予點數而累計多次，通過評價該累計值來判斷異常，所以即使在異常信號或異常預兆信號和噪聲信號的S/N比小的條件下，也可以非常高精度且高效率地實施異常診斷而不會將噪聲信號誤檢測為異常或異常預兆信號。
圖28是包括第7至第13實施例的異常診斷裝置的鐵道車輛的概略結構圖。鐵道車輛401包括4組車輪(共8個)402-1～402-4、將它們自由旋轉地保持在底盤403下的4個軸承404-1～404-4，底盤403上設置有異常診斷裝置410。
異常診斷裝置410包傳感器單元420和控制盤430。傳感器單元420是檢測底盤403的振動的單元。控制盤430包括診斷電路431，基於傳感器單元420的輸出信號，診斷有無軸承404-1～404-4的剝離或車輪402-1～402-4的扁平等異常。是診斷電路431的診斷內容(警報信號)通過車輛401內的通信線路被傳送到駕駛室或指令處的系統。
在以下的第8至第12實施例中，如圖38這樣，作為表示軸承404-1～404-4的剝離等劣化的參數，利用Peak/RMS(Root Mean Square)。這裡，Peak是一定區間中的最大振幅的絕對值，RMS是一定區間中的振動電壓的方均的平方根值。這裡，作為對象的波形是表示如圖39這樣的底盤403的振動的波形，包含軌道的接縫引起的衝擊聲或摩擦聲等與構成車輛401的機械元件的劣化沒有關係的噪聲。這種噪聲與軸承404-1～404-4的剝離或車輪402-1～402-4的扁平等異常引起的振動相比，具有非常大的振幅。
圖29是表示傳感器單元420的第7結構例子的方框圖。圖29所示的傳感器單元420包括振動傳感器(Sens)421、作為參數值檢測電路以及模擬運算電路的方均的平方根運算電路(RMS-DC；以後，記述為RMS運算電路)422、峰值檢測電路(Peak)423、作為比較電路的第一比較器(CMP1)424、作為峰值-參照值比較電路的第二比較器(CMP2)425、參照電壓輸出電路(Vref.)426。另外，RMS運算電路422基於下面的計算式(3)進行方均的平方根運算。
xi2n---(3)]]>
Xi第i個實測值(時刻I的值)n採樣數(區間長)振動傳感器421是由壓電陶瓷檢測鉛直方向的振動的傳感器，檢測50Hz～10kHz的頻帶的振動，將該振動波形作為電氣信號輸出。振動傳感器421的輸出信號(振動信號)由放大電路427放大之後被同時輸入RMS運算電路422和峰值檢測電路423。
RMS運算電路422通過處理被輸入的振動信號，從而輸出與該振動信號的電壓RMS相當的電壓(以下記作RMS電壓)的直流信號。該RMS運算電路422例如使用內置了緩衝放大器、絕對值電路、平方/除法電路、輸出用濾波器放大器電路等的RMStoDC轉換器IC。作為該RMStoDC轉換器IC的具體例子，舉出商品信號『AD637』模擬裝置公司(アナログデバイセズ)制等。
RMS運算電路422的時間常數可以由外置的電容器決定。在本例中，設為100ms。此外，RMS運算電路422包含將RMS電壓放大為一定的倍率而輸出的電路。在本例中，假設輸出4倍的電壓。
峰值檢測電路423輸出被輸入的振動信號的峰值電壓。峰值檢測電路423的時間常數與RMS運算電路422的相等，輸出時的電壓電平的放大程度為1。
RMS運算電路422的輸出信號被輸入第一比較器424的第一輸入端子。峰值檢測電路423的輸出信號被輸入第一比較器424的第二輸入端子和第二比較器425的第一輸入端子。第二比較器425的第二輸入端子被輸入來自參照電壓輸出電路426的參照電壓。
第一比較器424對來自RMS運算電路422的信號電壓即RMS電壓的4倍的電壓和來自峰值檢測電路423的信號電壓即峰值電壓進行比較。然後，如果峰值電壓大則輸出+5V的電壓(第一電壓)信號，如果峰值電壓小則輸出-5V的電壓(第二電壓)信號。即輸出波峰因數(Peak/RMS)是否超過4。
第二比較器425對來自峰值檢測電路423的信號電壓即峰值電壓和來自參照電壓輸出電路426的參照電壓進行比較。然後，如果峰值電壓比參照電壓大則輸出+5V的電壓信號，如果峰值電壓小則輸出-5V的電壓信號。參照電壓被挑選為比軸承等的異常引起的信號的電壓電平高的電平。
第一比較器424的輸出信號被輸入門電路428的檢測信號輸入端子。第二比較器425的輸出信號被輸入門電路428的控制信號輸入端子。門電路428在從第二比較器425提供-5V的電壓信號的情況下仍然輸出來自第一比較器424的信號(+5V或-5V)，但在從第二比較器425提供+5V的電壓信號的情況下，通常輸出0V的電壓信號。
下述表4表示傳感器單元420的第一以及第二比較器424、425中比較結果和門電路428的輸出的關係。在表1中，4×RMS是第一比較器424的輸入電壓，peak是第二比較器425的輸入電壓(峰值電壓)，Vref是參照電壓輸出電路426的輸出電壓(參照電壓)，Output是門電路428的輸出電壓。另外，應該注意到第一以及第二比較器424、425的輸出電壓分別為2值。門電路428根據來自第二比較器425的信號的真假，控制使來自第一比較器424的信號原樣通過(-5V或+5V)，或使其無效(0V)。第二比較器425的輸出是開閉控制信號，門電路28的輸出是門輸出，而且第一比較器424的輸出是信號源。


TTrueFFalse如表4所示，僅在由振動傳感器421檢測出的振動信號的峰值電壓(peak)在參照電壓(Vref)即軸承等的異常引起的信號的電壓電平以下的情況下，傳感器單元420輸出表示峰值電壓(peak)和RMS電壓的4倍的電壓的大小關係的信號(+5V或-5V)。由此，通過軌道的接縫引起的衝擊聲或摩擦聲等與構成車輛401的機械元件的劣化沒有關係的噪聲引起的非常大的信號，防止傳感器單元420的輸出飽和。在傳感器單元420的輸出電壓為+5V表示Peak/RMS超過一定的基準，反之傳感器單元420的輸出電壓為-5V表示Peak/RMS不滿足一定的基準。
控制盤430的診斷電路431通常監視傳感器單元420的輸出信號，將單位時間(這裡為60秒鐘)中的+5V的電壓信號的輸出時間的比例作為Peak/RMS超過基準的佔空比來計算(參照圖30)。然後，發出與計算出的佔空比對應的警報等級的警報信號。警報信號每秒被更新，佔空比的計算通常基於接收到來自傳感器單元420的最新的信號時起到60秒前為止的接收信號來進行。該警報信號通過車輛401內的通信線路被傳送到駕駛室或指令處。駕駛室或指令處中設有各種顏色不同的多個警報燈，根據從傳感器單元420接收到的警報信號的警報等級，規定顏色的警報燈點亮或閃爍。
下述表5例示上述佔空比和警報等級的對應關係。此外，表5中也例示警報等級和警報燈的顏色的對應關係。


該異常診斷裝置410用於監視鐵道車輛的行駛中有無異常，表5所示的警報與脫軌預知等不同，不假設在檢測出異常的情況下停止列車。即使是表5中的最高的警報等級的警報等級II，例如是一周以內要求目視檢查的程度的警報。即使在發生了軸承的剝離、車輪的扁平的情況下，該列車也不是立即不能運行，所以表示檢查的標準可以說是使用異常診斷裝置410的主要目的。但是，列車的行駛速度越高則檢查的緊急度越高。在最高時速超過200km這樣的超高速鐵道中，如果發生上述警報等級II的警報則最好快速停止列車並實施檢查。
圖31是表示傳感器單元420的第8實施例的方框圖。圖31所示的傳感器單元420包括振動傳感器(Sens)421、放大器427、被輸入來自放大器427的信號的頻帶不同的三個帶通濾波器(BPF)441-1～441-3、分別處理通過各帶通濾波器441-1～441-3的信號的三個信號處理單元442-1～442-3。帶通濾波器441-1～441-3在本例中分別具有500Hz、1.5kHz、3kHz的中心頻率。
各信號處理單元442-1～442-3分別包括RMS運算電路(RMS-DC)422、峰值檢測電路(Peak)423、比較器(CMP)424。
振動傳感器421與圖29的例子同樣，檢測50Hz～10kHz的頻帶的振動，將其振動波形作為電氣信號輸出。振動傳感器421的輸出信號(振動信號)由放大電路427放大之後，同時被輸入三個帶通濾波器441-1～441-3。通過各帶通濾波器441-1～441-3的各個頻帶不同的信號分別被輸入信號處理單元442-1～442-3內的RMS運算電路422和峰值檢測電路423。即，在本例中，第一信號處理單元422-1內的RMS運算電路422和峰值檢測電路423中被輸入通過了第一帶通濾波器441-1的低頻帶(中心頻率500Hz)的振動信號。第二信號處理單元442-2內的RMS運算電路422和峰值檢測電路423中被輸入通過了第二帶通濾波器441-2的中間頻帶(中心頻率1.5kHz)的振動信號。第二信號處理單元442-2內的RMS運算電路422和峰值檢測電路423中被輸入通過了第三帶通濾波器441-3的高頻帶(中心頻率3kHz)的振動信號。
各信號處理單元442-1～442-3內的RMS運算電路422通過對輸入的振動信號進行處理，從而輸出該振動信號的RMS電壓的4倍的電壓。
各信號處理單元442-1～442-3內的峰值檢測電路423輸出被輸入的振動信號的峰值電壓。峰值檢測電路423輸出時的電壓電平的放大倍數為1。各信號處理單元442-1～442-3內的RMS運算電路422的輸出信號被輸入比較器424的第一輸入端子。峰值檢測電路423的輸出信號被輸入比較器424的第二輸入端子。
各信號處理單元442-1～442-3內的比較器424對來自RMS運算電路422的信號電壓即RMS電壓的4倍的電壓和來自峰值檢測電路423的信號電壓即峰值電壓進行比較。然後，如果峰值電壓大則輸出+5V的電壓信號，如果峰值電壓小則輸出-5V的電壓信號。
控制盤430的診斷電路431始終監視傳感器單元420的各信號處理單元442-1～442-3的輸出信號，將每個信號中單位時間(這裡設為60秒鐘)中的+5V的電壓信號的輸出時間的比例作為Peak/RMS超過基準的佔空比來計算(參照圖32)。然後，發出與計算出的佔空比對應的警報等級的警報信號。
在本例中，與圖29的例子不同，對佔空比的計算所使用的峰值電壓沒有設上限，所以作為噪聲對策，在佔空比的基準中含有噪聲分量。
在表5的例子中，在小於表示正常的佔空比20％中，應該估計了軌道的接縫引起的衝擊聲或摩擦聲等與構成車輛401的機械元件的劣化沒有關係的噪聲。
圖33是表示傳感器單元420的第9實施例的方框圖。圖33所示的傳感器單元420包括振動傳感器(Sens)421、放大器427、被輸入來自放大器427的信號的低通濾波器451、處理通過低通濾波器451的信號的信號處理單元452。低通濾波器451具有1kHz程度的截止頻率。通過截斷超過1kHz程度的信號，可以切斷軌道的接縫引起的衝擊聲或摩擦聲等與構成車輛401的機械元件的劣化沒有關係的噪聲引起的非常大的信號，並僅捕捉機械元件的振動。
信號處理單元452包括RMS運算電路(RMS-DC)422、峰值檢測電路(Peak)423、比較器(CMP)424。
振動傳感器421與圖29的例子同樣，檢測50Hz～10kHz的頻帶的振動，將其振動波形作為電氣信號輸出。振動傳感器421的輸出信號(振動信號)由放大電路427放大之後，被輸入低通濾波器451。然後，通過低通濾波器451的1kHz程度以下的信號被輸入信號處理單元452。信號處理單元452中的處理與圖31中的各信號處理單元442-1～442-3中的處理同樣。
根據該第9實施例，由於僅捕捉1kHz程度以下的信號並輸入信號處理單元452，所以可以通過軌道的接縫引起的衝擊聲或摩擦聲等與構成車輛401的機械元件的劣化沒有關係的噪聲引起的非常大的信號防止傳感器單元420的輸出飽和。
圖34是表示傳感器單元420的第10結構例子的方框圖。圖34所示的傳感器單元420包括除了圖33的結構之外，還包括被輸入來自放大器427的信號的高通濾波器(HPF)453、處理通過高通濾波器453的信號的信號處理單元454。信號處理單元454的結構與低通濾波器451側的信號處理單元452相同。高通濾波器453具有1kHz的截止頻率。通過僅對信號處理單元454輸入1kHz以上的信號，可以有效地檢測軸承的點蝕。
圖35是表示傳感器單元420的第11實施例的方框圖。圖36所示的傳感器單元420包括振動傳感器(Sens)421、放大器427、將放大器427的輸出變換為數位訊號的A/D變換器(ADC)455、處理來自A/D變換器455的信號的微處理器(MPU)456。MPU456按照存儲於其內部的程序對來自A/D變換器455的輸入信號進行數字處理，從而完成上述RMS運算單元422、峰值檢測電路423以及比較器424的功能，同時也進行表5中例示的診斷處理。從而，根據該結構例子，可以省略控制盤430的診斷電路431。也可以使用DSP(數位訊號處理器)來代替MPU456。此外，如果使用內置了A/D變換器的微處理器來代替MPU456，則可以省略外置的A/D變換器455。
但是，在使用MPU或DSP來進行運算處理的情況下，RMS運算處理容易成為相當繁重的處理。平方的總和運算在進行定點數運算的系統中容易引起飽和，一般不存在平方根的命令。
從而，如果RMS運算處理相當複雜且其它的處理比較簡單，則與使用MPU或DSP相比，通過現場可編程門陣列(FPGA)來實現使RMS運算的處理效率優先的專用的數字運算電路比較有利。關於通過FPEG的運算電路，對於微型計算機或DSP的優勢性根據實際的信號處理而不同，但希望通過硬體的高速化，比微型計算機電路減小的可能性也提高。在微型計算機中已經最初裝載了的加法器以及乘法器等在EPGA中需要後寫入。但是，反過來，由於可以僅必要時裝載運算功能和周邊功能，所以可以期待裝置的小型化或運算的並行化高速化。
這裡，在圖37所示的第13實施例中，通過對來自A/D變換器(ADC)455的輸入信號進行數字處理，從而實現上述RMS運算電路422、峰值檢測電路423以及比較器424的功能，同時包括EPGA457作為也進行表5中例示的診斷處理的專用的數字電路。另外，在上述實施例的說明中，使用Peak/RMS(波峰因數)作為表示軸承404-1～404-4的剝離等劣化的參數，但也可以代替它們而使用峰態(Kurtosis)、衝擊指數(Peak/絕對值平均)或波形係數(RMS/絕對值平均)。
1ni=1n(xi)4]]>n採樣數(區間長)Xi第i個實測值(時刻I的值)σ標準偏差平均值為零的振動波形中，σ與RMS值相等也沒關係。四次方電路可以應用RMS電路中包含的平方電路。從而，使用峰態(Kurtosis)來代替上述實施例中的波峰因數(Peak/RMS)的實施例也可以實現。即，使用求峰態、衝擊指數或波形係數的電路來代替上述RMS運算電路(RMS-DC)422的結構也包含於本發明的異常診斷裝置中。
首先，參照圖40～圖45說明第14實施例的異常診斷裝置。
如圖40所示，一輛鐵道車輛500由前後兩個底盤支承，各底盤上安裝了4個車輪501。各車輪501的轉動支承裝置(軸承箱)510中安裝了對在運轉中從轉動支承裝置510發生的振動進行檢測的振動傳感器511。
在鐵道車輛500的控制盤515上搭載有兩個同時(大致同時)取入4信道的傳感器信號而實施診斷處理的異常診斷裝置550。即，各底盤上設置的4個振動傳感器511的輸出信號分別經由信號線516被輸入每臺車不同的異常診斷裝置550。此外，異常診斷裝置550中也被輸入來自對車輪501的轉速進行檢測的轉速傳感器(省略圖示)的轉速脈衝信號。
如圖41所示，轉動支承裝置510中作為一例，設有作為轉動部件的車軸軸承530，車軸軸承530包括作為外嵌在轉動軸(未圖示)上的轉動輪的內輪531、作為內嵌在外殼(未圖示)中的固定輪的外輪532、作為配置在內輪531以及外輪532之間的多個轉動體的滾動體533、將滾動體533自由滾動地保持的保持架(未圖示)。振動傳感器511被保持為可以檢測重力方向的振動加速度的姿態，並被固定在外殼的外輪532附近。振動傳感器511使用加速度傳感器、AE(acousticEmission)傳感器、超聲波傳感器、衝擊脈衝傳感器等各種傳感器。
如圖42所示，異常診斷裝置550具有傳感器信號處理單元550A、診斷處理單元(MPU)550B。傳感器信號處理單元550A具有四個放大濾波器(AFILT)551。而且，4個振動傳感器511的輸出信號被單獨輸入放大濾波器551。各放大濾波器551兼有模擬放大器的功能和抗混淆的功能。由這4個放大濾波器551放大且濾波後的4信道的模擬信號，基於診斷處理單元(MPU)550B的信號，由作為切換功能起作用的多路器(MUX)切換為每一個信道的信號，由AD變換器(ADC)553變換為數位訊號，並被取入診斷處理單元(MPU)550B。另一方面，來自轉速傳感器的轉速脈衝信號由波形整形電路555整形之後，由時間計數器(省略圖示)記述單位時間的脈衝數，該值被作為轉速信號輸入診斷處理單元(MPU)550B。診斷處理單元(MPU)550B基於由振動傳感器511檢測出的振動波形和由轉速傳感器檢測出的轉速信號，執行異常診斷。診斷處理單元(MPU)550B的診斷結果經由線路激勵器(LD)556被輸入通信線路520(參照圖40)。通信線路520被連接到警報器，進行應在在車輪501的扁平等異常發生時進行的警報動作。
在由轉速傳感器檢測出的轉速信號為大致一定的規定速度(在本實施例中，185～370min-1)時，診斷處理單元(MPU)550B對採樣頻率fs和採樣數Ns一定的波形塊數據進行處理，從而進行車輪501的扁平的檢測。具體來說，設為fs＝2kHz、Ns＝2000時，塊數據的區間長＝1sec。通過對在該一秒間對扁平引起的振動波形脈衝進行計數的次數和從由轉速傳感器檢測出的車速起一秒間車輪501轉動的次數進行比較，從而進行扁平的檢測。
車輪501發生扁平的狀態下的振動加速度大，通常的車輛的振動所引起的振動加速度的值通常比其小。此外，軌道接縫的振動為與扁平同等或比其大的振動加速度的等級。進而，軌道的轉彎處的軌道和車輪501的摩擦引起的振動加速度的等級也與扁平或軌道接縫引起的同等。診斷處理單元(MPU)550B在其內部具有存儲器(RAM)559，可以利用其來非常高速地執行FFT或數字濾波。由此，可以對4信道的振動傳感器511執行實時處理(即，與採樣時間相比具有相當的餘量的短時間的計算)。
另一方面，扁平轉動一周中引起一次衝擊，而軌道的接縫引起的衝擊的情況以更長周期發生，在軌道摩擦引起的衝擊的情況下，不規則地發生。因此，在本實施例中，著眼於超過扁平特有的振動加速度的閾值的衝擊(脈衝)發生的規則性，對大致一定速度中的單位時間的衝擊波次數進行計數，如果該計數數大致與車輪的轉動數一致，則作為發生扁平的可能性高來進行異常診斷。
進而，在本實施例中，設計對相同的車輪501反覆進行診斷處理的算法，與考慮了脈衝數的計數數的偏差和噪聲的影響等的統計上的判斷方法相比，異常診斷的可靠性提高。
圖43表示異常診斷裝置550的4信道的振動數據的取入和數據解析的時序圖。振動數據不斷被取入異常診斷裝置550，但根據診斷對象而可以分割成一定的採樣區間。軸承530的診斷(剝離檢測)所需的取入周期T1小於一秒就足夠，為了減輕軌道和車輪501的接觸噪聲的影響，也最好儘可能為短時間。相反，為了檢測車輪501的轉動面的異常，需要檢測車輪501每次旋轉的衝擊，所以需要比周期T1長的1秒程度的周期T2。
將用於軸承診斷的振動數據的取入周期T1設為與4信道(channel)的振動數據的取入所需的時間一致的例如0.67秒，並將採樣頻率設為20kHz時，在1周期T1期間取入4×0.67×20000點的數據。從而，將用於車輛診斷的振動數據的取入周期T2設為1秒時，以用於軸承診斷的振動數據的取入周期T1進行振動數據的取入中成為不足0.33秒。因此，通過接上1區間、即周期T1的數據和前一個區間的最後的0.33秒的數據，從而成為周期T2的數據。其中，如後所述，由於數據數可以通過濾波後的抽選處理來抽取，所以1信道可以設為2000點以下。其結果，通過使執行4信道車輪501和軸承530的診斷所需的時間小於周期T1即0.67秒，可以使車輪、軸承診斷數據的處理時間具有餘量。
在本實施例中，診斷處理單元(MPU)550B並行進行上述振動數據的取入和車輪、軸承診斷數據處理。即，進行在4信道的振動數據的取入周期T1內完成車輪、軸承診斷數據處理的實時處理。該實時處理通過診斷處理單元(MPU)550B對傳感器信號處理單元550A的多路器552和AD變換器553進行中斷控制並進行數據採樣而實現。此外，通過直接存儲器存儲控制器(DMA)的數據採樣也可以實現。
這樣，通過使車輪、軸承診斷數據的時間處理具有餘量，並行進行振動數據的取入和車輪、軸承診斷數據的處理，從而可以消除數據的意外失敗，所以可以提高對軌道的不規則性或車體的搖擺、載重變動等引起的包含概率過程的數據進行統計處理而得到的診斷結果的可靠性。
圖44表示診斷處理單元(MPU)550B的動作流程。診斷處理單元(MPU)550B並行執行振動數據的取入、即4信道的傳感器信號的AD變換以及採樣(S300)和軸承、車輪診斷數據處理(S400)。
在軸承、車輪診斷數據處理(S400)中，每次進行4信道的振動數據的更新(S401)時，依次執行轉速檢測處理(S402)、診斷處理(S403)、診斷結果的存儲保持處理(S404)以及判定結果的輸出處理(S405)。
轉速檢測處理(S402)是基於轉速傳感器的信號來檢測軸承130的轉速的處理。
診斷處理(S403)由軸承診斷處理(S410)和車輪診斷處理(S420)構成。
軸承診斷處理(S410)是基於軸承530的轉速和處理振動的包絡線波形而得到的頻率峰值來檢測軸承530的異常的處理。軸承診斷處理(S410)中，首先執行從取入的振動數據中提取將高頻(3kHz以上)和低頻(200Hz以下)的分量衰減了的中頻的振動數據的帶通濾波(BPF)處理(S411)，在對提取出的數據以規定的抽取率進行了抽選處理(S412)之後，依次執行絕對值處理(S413)、提取低頻(1kHz以下)的分量的低通濾波處理(S414)。而且，在對提取出的數據進一步執行了抽選處理(S415)之後，通過執行零插補快速傅立葉變換(FFT)處理(S416)，從而得到解析度1Hz的頻率數據。對該頻率數據實施平滑化微分的峰值檢測處理(S417)，對轉速和從軸承內部各元素得到的軸承缺陷的基頻(參照圖45)進行直到4次為止的比較，從而判定一致、不一致(S418軸承缺陷判定處理)。
車輪診斷處理(S420)是從與車輪501的轉動同步發生衝擊的現象來檢測車輪501的異常的處理。與車輪501的旋轉同步產生的衝擊的主要的發生原因是存在在車輪501的轉動面上產生的被稱作扁平的平坦部分。在車輪診斷處理(S420)中，首先執行從取入的振動數據中提取規定頻率(1kHz)以下的分量的低通濾波(LPF)處理(S421)，在以規定的抽取率對提取出的數據執行了抽選處理(S422)之後，如圖43所說明的，為了確保比1採樣區間(周期T1)長的區間(周期T2)的數據而執行將當前採樣區間的前一個採樣區間的最後的1/3的數據接在當前的採樣區間的數據的最初的交迭(overlap)處理(S423)。接著，將經過該交迭處理(S423)的數據中超過閾值的數據通過峰值保持(peak hold)處理(S424)進行絕對值化而僅一定時間(τ)保持為超過閾值的值。該保持時間(τ)由車輪501的轉速決定，被挑選為比車輪轉動一周短的值。該進行絕對值化並保持一定時間的峰值保持處理可以進行穩定的峰值計量。而且，對脈衝超過閾值的次數進行計數(S425超過閾值次數計數處理)，判定計數數是否與車輪501的轉動數一致(S426車輪缺陷判定處理)。
對在步驟S401被更新的4信道的振動數據反覆進行軸承診斷處理(S410)以及車輪診斷處理(S420)。即，在每一次數據更新時，分別實施4次軸承診斷處理(S410)以及車輪診斷處理(S420)。然後，各次的判定處理(S418、S426)的判定結果被存儲保持在診斷處理單元(MPU)550B內(S404)。診斷處理單元(MPU)550B存儲保持從最新的判定結果追溯過去N次的判定處理(S418、S426)的結果，根據該N次的判定結果在統計上進行異常判定，並輸出該結果(S405)。
即，在本實施例中，車軸軸承530、車輪501都具有與一次的缺陷頻率的一致、車輪轉動數的一致的話，不判定為異常。由於頻率的一致基於概率過程，所以需要根據多次的累計值來從統計上進行判斷。
作為統計判斷方法，一般可以舉出頻譜的累計平均，但在本實施例中使用的判斷方法中，如果是軸承，則加上多次例如16次用整數值表示頻譜的一致度的數據，如果達到基準值則判斷為異常，否則不判斷為異常，但可以充分應用於鐵道車輛的車軸軸承的異常判斷。即使軸承發生小的剝離，也不會只要充分進行了潤滑或封閉就一直進行，對鐵道車輛的行駛帶來影響的危險性小，對鐵道車輛的行駛帶來影響的程度的異常的發生由通常溫度熔斷器等其它部件感知。
如上所述，本實施例的異常診斷裝置550由振動傳感器511檢測車軸軸承530或車輪501的振動，由傳感器信號處理單元550A對振動傳感器511的輸出信號進行採樣，診斷處理單元(MPU)550B基於該振動數據進行車軸軸承530以及車輪501的異常診斷。此時，診斷處理單元(MPU)550B連續取入來自傳感器信號處理單元550A的振動數據，同時分割為每一定周期的區間，將1區間的振動數據作為用於軸承診斷的振動數據來處理，同時將在1區間的振動數據的開頭接上其前一個區間的最後的規定時間的數據的數據作為用於車輪診斷的振動數據來處理。這樣，通過分為用於軸承診斷的振動數據和用於車輪診斷的振動數據來進行處理，可以確定異常振動由車輪501的扁平引起還是由車軸軸承530引起從而可以實施準確的診斷。
此外，在本實施例的異常診斷裝置中，同時(大致同時)取入來自各底盤的4個轉動支承裝置510上分別安裝的4個振動傳感器511的4信道的傳感器信號，同時實施對於所有的信道在數據取入時間內完成診斷數據處理的實時處理，所以沒有數據的意外失敗，可以進行可靠性非常高的異常診斷。
圖46是第15實施例(上述第14實施例的變形例)的方框圖。該異常診斷裝置550使用包括多路器(MUX)以及AD變換器(ADC)的MPU作為診斷處理單元550B。即，MPU兼具傳感器信號處理單元550A的一部分的功能。根據該結構，可以簡化異常診斷裝置550內的電路，並可以通過軟體來簡單地實現與DMA控制器(DMAC)557等其它的MPU內置電路的協同，所以可以進行比第14實施例的結構效率高的軟體控制。

圖47是第16實施例(上述第15實施例的變形例)的方框圖。該異常診斷裝置550除了圖46的結構之外，還包括具有備用電池(Batt)561的靜態隨機存取存儲器(SRAM)562作為存儲元件。此外，通過採用使MPU內置的日曆時鐘電路(RTC)563有效的硬體結構，可以保存異常時的數據。
圖48表示第16實施例中的診斷處理單元550B的車輪、軸承診斷數據處理的內容。診斷處理單元550B在每次進行4信道的振動數據的更新(S401)時，實施軸承診斷處理(S510)和車輪診斷處理(S520)。然後，判定由軸承診斷處理(S510)得到的軸承振動的包絡線波形的頻譜強度是否為基準值以上(S511)，在小於基準值的情況下(S511中假)，為了N次的累計而存儲保持軸承診斷處理(S510)的結果(S404)。此外，判定由車輪診斷處理(S520)得到的超過振動等級閾值的事件的計數數是否與車輪501的轉動數一致(S521)，在不一致的情況下(S521中假)，為了N次的累計而存儲保持(S404)。
另一方面，在頻譜強度為基準值以上(S511中真)的情況下，將軸承振動的包絡線波形的包絡線強度與從日曆時鐘電路(RTC)563中讀取的日期時間信息一同保存在SRAM562中(S530)。此外，在超過振動等級閾值的事件的計數數與車輪501的轉動數一致的情況下(S521中真)，將車輪診斷中的時間波形的數據與從日曆時鐘電路(RTC)563中讀取的日期時間信息一同保存在SRAM562中(S530)。在保存數據量達到SRAM562的允許量之後刪除最過去的數據(S531)。
根據該實施例，將異常判定結果發送到警報器並進行警報處理，同時對於矢量的內容等讀出保存在SRAM562中的數據並發送到用於維護的計算機，從而可以作為車輛的維修信息進行利用。
圖49是第17實施例(上述第16實施例的變形例)的方框圖。該異常診斷裝置550在MPU內各包括兩組多路器(MUX)552和AD變換器(ADC)553，從而可以通過一個模塊進行通過8信道的傳感器信號的實時診斷。如果MPU的計算能力允許，則這樣的傳感器信號輸入的多路化也可以增加AD變換器的數，或通過使用變換速度快的AD變換器和多路器從而幾信道都可能。另外，在圖49的例子中，不將日曆時鐘電路(RTC)563內置於MPU而將對MPU外置帶有備用電池(Batt)的結構。
圖50是第18實施例(上述第15實施例的變形例)的方框圖。該異常診斷裝置550在圖46中說明的異常診斷裝置的結構中附加了1轉動信號發生分頻電路565。波形整形電路555的輸出被輸入診斷處理單元(MPU)550B和1轉動信號發生分頻電路565。1轉動信號發生分頻電路565將由波形整形電路555整形後的轉動數比例正弦波進行分頻，每轉動一周對診斷處理單元(MPU)550B提供1脈衝的轉動同步信號。診斷處理單元(MPU)550B在一定速度的區間以該轉動同步信號為觸發進行數據的採樣，並對該數據進行加法平均處理來進行異常診斷。對以車輪501每轉動1周發生的轉動同步信號為觸發而進行採樣的數據進行加法平均處理，從而與車輪501的轉動同步的信號以外的分量被消除，並僅殘留與車輪501的轉動同步的分量，所以可以通過衝擊等級的閾值的判定高精度地進行車輪501的扁平的檢測。
圖51是第19實施例的方框圖。該異常診斷裝置550具有傳感器信號處理單元550A、診斷處理單元(MPU)550B。傳感器信號處理單元550A具有一個放大器(Amp)571和一個濾波器(LPF)572。而且，4個振動傳感器511的輸出信號(模擬信號)被輸入一個放大器(Amp)571並放大後，被輸入一個濾波器(LPF)572。即，在該實施例中，為了對來自4個振動傳感器511的4信道的輸出信號進行放大、濾波，使用放大器(Amp)571以及濾波器(LPF)572。然後，由放大器(Amp)571以及濾波器(LPF)572放大且濾波後的模擬信號被取入診斷處理單元(MPU)550B，由診斷處理單元(MPU)550B內的AD變換器(ADC)553變換為數位訊號。另一方面，來自轉送傳感器的轉速脈衝信號由波形整形電路555整形後被取入診斷處理單元(MPU)550B，由診斷處理單元(MPU)550B內的時間計數器(TCNT)573計數單位時間的脈衝數，該值被作為轉速信號處理。診斷處理單元(MPU)550B基於由振動傳感器511檢測出的振動波形和由轉速傳感器檢測出的轉速信號來執行異常診斷。診斷處理單元(MPU)550B的診斷結果經由線路激勵器(LD)556被輸出到通信線路520(參照圖40)。通信線路520被連接到警報器，進行應在在車輪501的扁平等異常發生時進行的警報動作。
可從振動傳感器511的輸出信號檢測出的異常是車軸軸承530的剝離和車輪501的扁平(磨損)。都可以作為直到1kHz附近的頻帶的振動信號來探測。因此，在該第19實施例中，為了將振動傳感器511的輸出信號進行放大、濾波，使用放大器(Amp)571以及濾波器(LPF)572。而且，通過軟體處理將由濾波器(LPF)572濾波並由AD變換器(ADC)533變換為數位訊號的數據分離為用於車軸軸承診斷和用於車輪診斷，從而進行兩者的異常診斷。
車軸軸承530中發生的異常中，最容易引起靜止輪的外輪軌道的剝離。因此，關於車軸軸承530，可以以靜止輪的外輪軌道的剝離為檢測對象。
車軸軸承530的剝離和車輪501的扁平中，缺陷的頻帶差10倍程度。車輪501的轉速(sec-1)與車輪扁平的基頻相等。應診斷的轉速的範圍為4～10sec-1(基頻4～10Hz)。相對於此，在車軸軸承530的靜止輪的外輪軌道存在缺陷的情況下，即使是相同的轉速的範圍(4～40sec-1)，缺陷的基頻也是33～83Hz。都在檢查直到4次為止的高次諧波的情況下，對於車輪501，4～40Hz為必要的DFT(離散傅立葉變換)的頻率分析範圍，對於車軸軸承530，33～330Hz為必要的DFT(離散傅立葉變換)的頻率分析範圍。車軸軸承530的診斷時的頻率解析度為1.0Hz就足夠。但是，在車輪501的診斷中，在1.0Hz下解析度不足，而且容易收到偏移引起的FFT低頻中的DC分量的影響。
因此，在該第19實施例中，將由AD變換器(ADC)553變換(採樣)為數位訊號的數據變換為用於車軸外輪軌道剝離解析(用於車軸軸承診斷)和用於車輪扁平解析(用於車輪診斷)的採樣頻率不同的兩種數據來進行處理。
圖52表示第19實施例中的診斷處理單元(MPU)550B的動作流程。診斷處理單元(MPU)550B由AD變換器(ADC)553將從4個振動傳感器511輸出並經由放大器(Amp)571和濾波器(LPF)572傳送來的傳感器信號變換為數位訊號(S601)。然後，對AD變換器(ADC)553的輸出信號通過由軟體實現的FIR低通濾波來實施抽選處理(S602)。在本例中，AD變換器(ADC)553中的採樣在8kHz的頻率下以3秒鐘為單位實施。此外，在抽選處理(S602)中，為了使採樣頻率fs降至2kHz，將抽選率M設為4而將數據數削減為1/4。
診斷處理單元(MPU)550B將經由抽選處理(S602)的數據變換為用於車軸外輪軌道剝離解析(以下記作『軸承用』)和用於車輪扁平解析(以下記作『車輪用』)的採樣頻率不同的兩種數據(參照圖53(a))。
通過將經由抽選處理(S602)的數據進行4分割而分為每0.75秒的數據區間從而得到軸承用的數據(S611)。對得到的數據依次實施絕對值化處理(S612)以及AC化處理(S613)。然後，進一步通過追加1區間大約0.25秒(sec)的0而設為約1秒的數據區間長(S614)，並將頻率解析度設為約1.0Hz來進行FFT(S615)。FFT的輸入數據數為2048個。在FFT前進行漢寧(Hanning)窗處理。在FFT後，根據車速和軸承各元素來求外輪缺陷頻率Zfc，進行從基波直到4次為止的峰值檢測(S616)。然後，進行外輪缺陷頻率Zfc和頻率峰值的比較，並計算兩者的一致度(S617)。基於將該處理重複一定次數而得到的一致度合計點數，進行車軸軸承530的異常判定。
通過將經過抽選處理(S602)的採樣頻率fs為2kHz的數據在絕對值化處理(S621)之後由濾波器(LPF)將抽選率M設為8來進行抽選處理(S622)，將採樣頻率fs降至250Hz，從而得到車輪用的數據。在該時刻的數據數為750個，通過進行0補位插補(S624)而設為約4秒的數據，從而將頻率解析度設為約0.25Hz來實施FFT(S625)。在FFT前進行漢寧(Hanning)窗處理。在FFT後進行峰值檢測(S626)。然後，進行從車輪扁平的基頻到4次為止的高次諧波和頻率峰值的比較，並計算兩者的一致度(S627)。基於重複一定次數該處理而得到的一致度合計點數來進行車輪501的異常判定。通過由時間計數器(TCNT)573對轉速脈衝信號的單位時間的脈衝數進行計數從而求車輪扁平的基頻。
如上所述，對於4個振動傳感器511的每個，各具有一組放大器(Amp)571以及濾波器(LPF)572，將經由多路器(MUX)553由AD變換器(ADC)553變換(採樣)為數位訊號的數據變換為軸承用和車輪用的採樣頻率不同的兩種數據，並分為兩個系統來進行包含FFT的處理，從而，可以高精度且高效率地進行軸承和車輪的異常診斷。相對於此，在通過一次FFT調查了頻域大部分不同的軸承和車輪兩者的頻率範圍的情況下，不能實現與計算成本相稱的精度(解析度)(參照圖53(b))。
另外，在上述例子中，通過軟體進行數字處理的大部分，但也可以通過FPGA(Field Programmable Cate Array)等硬體來實現其一部分或全部。
圖54表示第20實施例中的診斷處理單元(MPU)550B的動作流程。在本例中，AD變換器(ADC)553中的採樣在16kHz的頻率下以3秒鐘為單位實施(S701)。此外，在抽選處理(S702)中，為了使採樣頻率fs降至4kHz，將抽選率M設為4而將數據數削減為1/4。
診斷處理單元(MPU)550B將經由抽選處理(S702)的數據變換為軸承用和車輪用的採樣頻率不同的兩種數據(參照圖53(a))。
通過將經由抽選處理(S702)的數據進行3分割而分為每1.0秒的數據區間從而得到軸承用的數據(S711)。對得到的數據依次實施絕對值化處理(S712)以及AC化處理(S713)。然後，完全省略0插補處理或進行僅插補略微的尾數，例如對4000數據插補96個0這樣的0插補處理，將頻率解析度設為約1.0Hz而進行FFT(S714)。在FFT前進行漢寧(Hanning)窗處理。在FFT後，根據車速和軸承各元素來求外輪缺陷頻率Zfc，進行從基波直到4次為止的峰值檢測(S715)。然後，進行外輪缺陷頻率Zfc和頻率峰值的比較，並計算兩者的一致度(S716)。基於將該處理重複一定次數而得到的一致度合計點數，進行車軸軸承530的異常判定。
通過將經過抽選處理(S702)的採樣頻率fs為4kHz的數據在絕對值化處理(S721)之後由濾波器(LPF)進行抽選處理(S722)，將採樣頻率fs降至500Hz，從而得到車輪用的數據。對得到的數據依次實施AC化處理(S723)。然後，進行0補位插補(S724)而設為約4秒的數據，從而將頻率解析度設為約0.25Hz來實施FFT(S725)。在FFT前進行漢寧(Hanning)窗處理。在FFT後進行峰值檢測(S726)。然後，進行從車輪扁平的基頻到4次為止的高次諧波和頻率峰值的比較，並計算兩者的一致度(S727)。基於重複一定次數該處理而得到的一致度合計點數來進行車輪501的異常判定。
如該第20實施例這樣，在軸承用的數據處理中，通過完全省略0插補處理或進行僅插補略微的尾數這樣的0插補處理，可以削減FFT處理的次數。即，預第19實施例的比較中，同時間執行的FFT處理的次數從4次降低到3次。但是，如第19實施例這樣，進行0插補處理而將FFT區間劃分為短的時間可以增加能夠避免軌道噪聲等的FFT區間。
圖55(a)、圖55(b)是第21實施例中的診斷處理單元(MPU)550B的部分方框圖。在圖55(a)中，在圖51的硬體結構中，在診斷處理單元(MPU)550B內的AD變換器(ADC)553的前級(輸入端)設有絕對值電路(ABS)581，進而在其後級設有低通濾波器(LPF)582。在圖55(b)中，在圖51的硬體結構中，在診斷處理單元(MPU)550B內的AD變換器(ADC)553的前級(輸入端)設有包絡線電路(ENV)591，進而在其前級設有高通濾波器(HPF)592。
圖56表示第21實施例中的診斷處理單元(MPU)550B的動作流程。診斷處理單元(MPU)550B由AD變換器(ADC)553將從4個振動傳感器511輸出並經由放大器(Amp)571和濾波器(LPF)572傳送來的傳感器信號進行採樣並變換為數位訊號(S801)。在本例中，AD變換器(ADC)553中的採樣在2kHz的頻率下以3秒鐘為單位實施。通過將經過低通濾波器582而被進行了AD變換的數據進行4分割而分為每0.75秒的數據區間從而得到軸承用的數據(S811)。對得到的數據實施AC化處理(S812)。然後，進一步通過追加1區間大約0.25秒(sec)的0而設為約1秒的數據區間長(S813補位插補)，並將頻率解析度設為約1.0Hz來進行FFT(S814)。在FFT前進行漢寧(Hanning)窗處理。在FFT後，根據車速和軸承各元素來求外輪缺陷頻率Zfc，進行從基波直到4次為止的峰值檢測(S815)。然後，進行外輪缺陷頻率Zfc和頻率峰值的比較，並計算兩者的一致度(S816)。基於將該處理重複一定次數而得到的一致度合計點數，進行車軸軸承530的異常判定。
通過將從振動傳感器111輸出的傳感器信號由絕對值電路581實施絕對值化處理，並以2kHz採樣之後，將抽選率M設為8來進行抽選處理(S821)，將採樣頻率fs降至250Hz，從而得到車輪用的數據。對得到的數據依次實施AC化處理(S723)。然後，進行0補位插補(S823)而設為約4秒的數據，從而將頻率解析度設為約0.25Hz來實施FFT(S824)。在FFT前進行漢寧(Hanning)窗處理。在FFT後進行從基波直到4次為止的高次諧波峰值檢測(S825)。然後，進行從車輪扁平的基頻到4次為止的高次諧波和頻率峰值的比較，並計算兩者的一致度(S826)。基於重複一定次數該處理而得到的一致度合計點數來進行車輪501的異常判定。
在該第21實施例中，通過由可進行高速處理的軟體來實施在圖52中通過軟體實施的抽選處理(S602)和絕對值化處理(S612)，來簡化通過軟體的信號處理。即使將AD變換器(ADC)553中的採樣頻率fs從圖52的情況的8kHz降低到其1/4的2kHz，也可以進行高精度且高效率的異常判定。
首先，參照圖40、41、45、51、57、58來說明第22實施例的異常診斷裝置。
如圖40所示，一輛鐵道車輛500由前後兩個底盤支承，各底盤上安裝了4個車輪501。各車輪501的轉動支承裝置(軸承箱)510中安裝了對在運轉中從轉動支承裝置510發生的振動進行檢測的振動傳感器511。
在鐵道車輛500的控制盤515上搭載有兩個同時(大致同時)取入4信道的傳感器信號而實施診斷處理的異常診斷裝置550。即，各底盤上設置的4個振動傳感器511的輸出信號分別經由信號線516被輸入每個底盤不同的異常診斷裝置550。此外，異常診斷裝置550中也被輸入來自對車輪501的轉速進行檢測的轉速傳感器(省略圖示)的轉速脈衝信號。
如圖41所示，轉動支承裝置510中作為一例，設有作為轉動部件的車軸軸承530，車軸軸承530包括作為外嵌在轉動軸(未圖示)上的轉動輪的內輪531、作為內嵌在外殼(未圖示)中的固定輪的外輪532、作為配置在內輪531以及外輪532之間的多個轉動體的滾動體533、將滾動體533自由滾動地保持的保持架(未圖示)。振動傳感器511被保持為可以檢測重力方向的振動加速度的姿態，並被固定在外殼的外輪532附近。振動傳感器511使用加速度傳感器、AE(acousticEmission)傳感器、超聲波傳感器、衝擊脈衝傳感器等各種傳感器。
如圖51所示，異常診斷裝置550具有傳感器信號處理單元550A、診斷處理單元(MPUMicro Processing Unit)550B。傳感器信號處理單元550A為一個振動傳感器511具有一個放大器(Amp)571和一個濾波器(LPF)572{即，包括四個放大器(Amp)571和四個濾波器(LPF)572}。而且，4個振動傳感器511的輸出信號(模擬信號)分別被輸入對應的放大器(Amp)571並被放大後，分別被輸入對應的濾波器(LPF)572。由放大器(Amp)571和濾波器(LPF)572放大且濾波後的模擬信號被取入診斷處理單元(MPU)550B，經由多路器(MUX)552由診斷處理單元(MPU)550B內的AD變換器(ADC)553變換為數位訊號。另一方面，來自轉速傳感器的轉速脈衝信號由波形整形電路511整形之後，被取入診斷處理單元(MPU)550B，由診斷處理單元(MPU)550B內的時間計數器(TCNT)573計數單位時間的脈衝數，該值被作為轉速信號處理。診斷處理單元(MPU)550B基於由振動傳感器511檢測出的振動波形和由轉速傳感器檢測出的轉速信號來執行異常診斷。診斷處理單元(MPU)550B的診斷結果經由線路激勵器(LD)556被輸入通信線路520(參照圖40)。通信線路520被連接到警報器，進行應在在車輪501的扁平等異常發生時進行的警報動作。
可從振動傳感器511的輸出信號檢測出的異常是車軸軸承530的剝離和車輪501的扁平(磨損)。這裡，說明車軸軸承530的診斷。車軸軸承530中發生的異常中，最容易引起靜止輪的外輪軌道的剝離，所以以車軸軸承530的靜止輪的外輪軌道的剝離為檢測對象。
在該實施例中，為了對振動傳感器511的輸出信號進行放大、濾波，使用放大器(Amp)571以及濾波器(LPF)572。然後，通過由軟體實現的運算功能來處理由濾波器(LPF)572濾波並由AD變換器(ADC)553變換為數位訊號的數據，並進行基於各振動傳感器511的輸出信號的異常診斷。
振動傳感器511的輸出信號通過放大器(Amp)571以及濾波器(LPF)572被輸入到診斷處理單元(MPU)550B內的AD變換器(ADC)553。該實施例中的AD變換器(ADC)533的解析度為8位。診斷處理單元(MPU)550B將振動數據作為8位的值讀入。此外，為了使AD變換器(ADC)553的採樣頻率一定並且抑制CPU558的負載，使用比較匹配定時器(CMT)554和直接存儲器存取控制器(DMAC)557。採樣頻率位8kHz。濾波器(LPF)572作為抗混淆濾波器起作用，減少1kHz以上的頻帶分量。
AD變換器(ADC)553的輸入範圍為0～3.3V。振動傳感器511、放大器(Amp)571以及濾波器(LPF)572被設計為振動波形適合AD變換器(ADC)553的輸入範圍，振動波形的中心電壓為1.65V。
圖57表示診斷處理單元(MPU)550B的動作流程。診斷處理單元(MPU)550B將從4個振動傳感器511輸出並經由放大器(Amp)571和濾波器(LPF)572傳送來的傳感器信號分別通過多路器(MUX)552切換信道同時進行採樣，從而由AD變換器(ADC)553大致同時對多信道進行採樣並變換為數位訊號(無符號的8位數據)(步驟S901)。
然後，首先將從AD變換器(ADC)553輸出的無符號的8位數據變換為16位數據(步驟S902)。具體來說，如圖58(a)所示，使8位數據重新編碼以使作為振動波形的中心電壓的1.65V成為0V之後，在其低位添加8位從而變換為16位的值。
接著，在實施定點數字濾波處理(步驟S903)，並實施了包絡線(絕對值化)處理(步驟S904)之後，實施16位定點FFT處理(步驟S905)。然後，根據FFT處理(步驟S905)的結果求頻率的峰值(步驟S906)。此外，根據車軸轉速和軸承各元素(參照圖45)計算軸承缺陷頻率(步驟S907)。然後，將頻率的峰值和軸承缺陷函數的一致度點數化(步驟S908)，根據一定次數的累計值(累計點數)來判斷異常(NG)(步驟S909)。
在從16位定點數字濾波處理(步驟S903)至16位定點FFT處理(步驟S905)的定點小數運算中，16位中低位15位用於表現小數點以下。數字濾波器的係數用實數表現時大於等於-1.0而小於1.0，但用該定點小數表現時，在計算機中為大於等於-215而小於215-1。如果仍然是8位的話，在帶符號的情況下，為大於等於-27而小於27-1。由於濾波處理減小波形的振幅，所以在仍然8位寬度的數據中，成為振幅更小的數據，對頻率峰值檢測的精度帶來障礙。因此，用實數將AD變換的振幅範圍設為大於等於-1.0而小於1.0，與CPU558的數據寬度一致。帶符號的8位數據的最高位的位和小數點以下7位仍然為高位的8位，使低位8位全部為0。關鍵是將一128～127的範圍的整數放大256倍，變換為-32768～32767的範圍的整數來進行運算。相對於此，如圖58(b)所示，即使擴展為16位也儘是符號擴展的話，不放大則沒有效果。
FFT處理(步驟S905)由16位數據的定點運算進行。其理由是，由於使用的CPU558為32位CPU，因此16bit×16bit的乘法不溢出，而且由於不包括浮點數運算裝置(FPU)，所以也不使用浮點，這在計算速度的方面理想。
此外，在FFT處理(步驟S905)中，進行縮放比例處理。換言之，在將運算點數設為2的n次方個來進行FFT的情況下，進行N段的蝶式運算，但為了防止此時的溢出而縮小數據。
這樣，在定點運算中，由於存在位寬的限制，因此動態範圍容易減小。進而，如果輸入數據為一半的8位，則計算誤差中埋入異常信號，振動的峰值的檢測不能很好地進行的概率變得非常高。因此，在本實施例中，將8位的數據預先放大為16位來進行運算，從而防止應檢測出的峰值消失。
在該異常診斷處理中，頻率分析及其峰值檢測很重要，不要求忠實地對原波形進行採樣並復原，所以當初的AD變換數據為8位時，至少在運算時，如上所述，通過放大而可以充分捕捉頻率的特徵。
作為其一個檢驗例子，表6與比較例一同表示對用於鐵道車輛的圓錐滾子軸承的剝離檢測進行了試驗的結果。


異常振動1是軸承的外輪軌道面剝離的軸承以240rpm轉動時的振動信號。異常振動2是在軸承的外輪軌道面上形成通過放電加工的人工缺陷的軸承以360rpm轉動時的振動信號。異常振動3是在軸承的外輪軌道面上形成通過放電加工的人工缺陷的軸承以990rpm轉動時的振動信號。
所有的異常振動的情況都是，將從16位AD變換器得到的16位整數值仍然用於運算的情況在異常檢測上成功。另一方面，對從8位AD變換器得到的8位整數值原樣僅進行符號擴展來進行運算的情況不能檢測異常。與此相對，通過將從AD變換器得到的8位整數值在編碼後擴展為16位，從而實質上將範圍放大為256倍來進行運算的情況在異常的檢測上成功。
如上所述，將來自振動傳感器511的模擬信號變換為數位訊號的AD變換器(ADC)553的輸出信號比AD變換器(ADC)553的解析度(在本例中為8位)擴展數據寬度(在本例中擴展為16位)來進行傅立葉變換處理，並基於其結果來進行異常診斷，從而使用低解析度的AD變換器來實現電路的低成本化以及省空間化，並且可以進行異常診斷而不會引起精度降低。
圖59是本發明的異常診斷裝置的第23實施例的主要部分方框圖。該實施例表示不使用AD變換器的微型計算機系統(微型計算機/系統)的例子，來自振動傳感器511的模擬信號(波形信號)由放大器(Amp)571放大，通過濾波器(LPF)572之後立即經由比較器673倍輸入診斷處理單元(MPU)650B的埠(Port)。即，在本實施例中，診斷處理單元(MPU)650B不具有AD變換器553而在傳感器信號處理單元550A中設有比較器673。其它的結構與第22實施例相同。
比較器673為了排除噪聲的影響而使用滯回比較器。比較器673將來自振動傳感器511的模擬信號(參照圖60(a)的上部的波形)的電壓和一定的參照電壓ref進行比較，並輸出表示該模擬信號的電壓比參照電壓ref高還是低的1位的信號(參照圖60(a)的下部的波形)。參照電壓ref例如為振動波形的中心電壓(1.65V)。比較器673的採樣頻率為32kHz。此外，被輸入診斷處理單元(MPU)650B的埠(Port)的來自比較器673的上述1位(2值)的信號在診斷處理單元(MPU)650B內被數字濾波處理，成為圖60(b)所示的波形。
圖61表示第23實施例中的診斷處理單元(MPU)650B的動作流程。診斷處理單元(MPU)650B從比較器673接收信號(步驟S910)。診斷處理單元(MPU)650B的埠的值僅為0和1，但由於這相當於AD變換中的符號位，所以單純考慮正負，即0表示-1，1表示1，變換為帶符號16位數據(步驟S920)。以帶符號16位整數從-32768和32767開始運算。
接著，在實施FIR數字濾波處理(步驟S930)，並實施了包絡線(絕對值化)處理(步驟S940)之後，實施16位定點FFT處理(步驟S950)。然後，根據FFT處理(步驟S950)的結果求頻率的峰值(步驟S960)。此外，根據車軸轉速和軸承各元素(參照圖45)計算軸承缺陷頻率(步驟S970)。然後，將頻率的峰值和軸承缺陷函數的一致度數值化(步驟S980)，根據一定次數的累計值來判斷異常(NG)(步驟S990)。
作為車軸軸承530的缺陷頻率以1kHz以下為對象，從軸承部件或傳感器外殼等發生的振動中包含很多高於1kHz的頻率的振動。由振動傳感器511檢測出的振動的傳播由這些部件的振動來進行，缺陷引起的低頻的振動頻率可以認為對這些高頻率的振動(載波)進行調製。因此，在該實施例中，將比較器673的採樣頻率較高地設定為32kHz。通過提高採樣頻率，即使是2值的數據也可以恢復缺陷頻率。其原理與PWM{Pulse Width Modulation(脈寬調製)}的原理相同。FIR低通濾波處理(步驟S930)為了除去上述載波的分量並將波形信號縮小到缺陷頻率的範圍而實施。
這樣，即使在不使用AD變換器而使用更低成本的比較器673的情況下，通過將從比較器673輸出的2值數據擴展為16位寬的數據來進行運算處理，從而可以進行通過對檢測異常信號的峰值足夠的FFT處理的頻率分析。
圖62是本發明的異常診斷裝置的第24實施例的主要部分方框圖。與第23實施例同樣，診斷處理單元(MPU)650B不具有AD變換器553而在傳感器信號處理單元550A中設有比較器673。在第23實施例中，參照電壓ref為一定，但在本實施例中，將比來自振動傳感器511的模擬信號高的頻率的正弦波用作參照電壓ref。比較器673以高於參照電壓ref的頻率對來自振動傳感器511的模擬信號進行採樣而數位化(二值化)。
診斷處理單元(MPU)650B通過對來自比較器673的二值信號進行數字低通濾波處理，從而通過軟體實現多位的AD變換器的功能。上述第23實施例中，軸承剝離的特徵頻率的級最高為1kHz，軸承530的軌道輪、轉動體和振動傳感器511的固有振動的高頻分量被疊加到振動波形中，由於通過診斷處理單元(MPU)650B的軟體實施低通濾波處理，所以整體來看，進行與該第24實施例同等的處理。但是，可以說第23實施例在不需要正弦波發生電路這一點上，在成本方面上有利。
另外，在上述實施例中，說明了進行車軸軸承530的異常診斷的情況，但本發明的異常診斷裝置也可以有效地應用於車輪及其它機械裝置的異常診斷。
產業上的可利用性根據本發明，即使在異常信號或異常預兆信號和噪聲信號的S/N比小的條件下，也可以高精度地實施異常診斷而不會將噪聲信號誤檢測誤檢測為異常預兆信號。
根據本發明的異常診斷系統，可以高精度且高效率地實施機械設備內的軸承或軸承關聯構件的異常診斷。
根據本發明，可以以任意的頻率解析度對從診斷對象檢測出的信號進行FFT從而高精度地實施異常診斷。
根據本發明的異常診斷裝置，僅通過對每臺車輛設置一個振動傳感器，就可以基於這一個振動傳感器的波形信號來檢測該車輛中的軸承的剝離、車輪的扁平等異常，所以可以以低成本構築異常診斷系統。
根據本發明的異常診斷裝置，使用低解析度的AD變換器或單純的比較器來實現電路的低成本化以及省空間化，並且可以進行異常診斷而不會引起精度降低。
權利要求
1.一種機械設備的異常診斷系統，通過檢測從機械設備發生的聲音或振動，並對其檢測信號進行分析，從而診斷機械設備內的軸承或軸承關聯構件的異常，其特徵在於，該系統包括包絡線處理單元，求所述檢測信號的包絡線；FFT單元，將由該包絡線處理單元得到的包絡線變換為頻譜；峰值檢測單元，通過對由該FFT單元得到的頻譜進行移動平均化處理而進行平滑化，從而檢測其峰值；以及診斷單元，基於由所述峰值檢測單元檢測出的頻譜的峰值來診斷異常。
2.如權利要求1所述的機械設備的異常診斷系統，其特徵在於，所述峰值檢測單元包括平滑化微分峰值提取單元，該單元對由所述FFT單元得到的頻譜實施平滑化微分處理，將得到的微分值的符號變化的頻率點提取作為頻譜的峰值。
3.如權利要求1或2所述的機械設備的異常診斷系統，其特徵在於，所述移動平均化處理中的加權係數為左右對稱。
4.如權利要求2或3所述的機械設備的異常診斷系統，其特徵在於，所述峰值檢測單元包括第一挑選單元，該單元挑選由所述平滑化微分峰值提取單元提取出的峰值中閾值以上的峰值。
5.如權利要求4所述的機械設備的異常診斷系統，其特徵在於，所述峰值檢測單元包括第二挑選單元，該單元在由所述第一挑選單元挑選過的峰值中從振幅等級大的峰值中挑選直到規定個數的峰值。
6.如權利要求1～5的任何一項所述的機械設備的異常診斷系統，其特徵在於，所述診斷單元通過求由所述峰值檢測單元檢測出的峰值中振動的主分量所對應的峰值或振動的主分量以及高階分量所對應的峰值和表示診斷對象的異常的頻率的一致度，並對該一致度的多次的累計結果進行評價，從而診斷異常。
7.一種機械設備的異常診斷系統，通過檢測從機械設備發生的聲音或振動，並對其檢測信號進行分析，從而診斷該機械設備內的軸承或軸承關聯構件的異常，其特徵在於，該系統包括濾波處理單元，從所述檢測出的信號中取出診斷所需的頻帶的信號；包絡線處理單元，求由該濾波處理單元取出的信號的包絡線信號；抽選處理單元，對由該包絡線處理單元得到的包絡線信號進行抽取處理；FFT運算單元，對由該抽選處理單元進行的抽取處理之後的包絡線信號進行頻率解析；以及診斷單元，基於該FFT運算單元的解析結果來診斷異常。
8.一種機械設備的異常診斷系統，通過檢測從機械設備發生的聲音或振動，並對其檢測信號進行分析，從而診斷該機械設備內的軸承或軸承關聯構件的異常，其特徵在於，該系統包括採樣處理單元，預先以比必要的採樣頻率高的採樣頻率對所述檢測出的信號進行採樣；濾波處理單元，從由該採樣處理單元採樣出的信號中取出診斷所需的頻帶的信號；抽選處理單元，對由該濾波處理單元取出的信號進行抽取處理；包絡線處理單元，求由該抽選處理單元進行了抽取處理的信號的包絡線信號；FFT運算單元，對由該包絡線處理單元得到的包絡線信號進行頻率解析；以及診斷單元，基於該FFT運算單元的解析結果來診斷異常。
9.如權利要求7或8所述的機械設備的異常診斷系統，其特徵在於，該系統還包括使所述包絡線信號的頻帶低頻帶化的數字濾波處理單元。
10.如權利要求7～9的任何一項所述的機械設備的異常診斷系統，其特徵在於，由DSP實現所述FFT運算單元，同時將輸入所述FFT運算單元的數據數作為可容納在該DSP內的存儲器中的數據數。
11.一種機械設備的異常診斷系統，通過檢測從機械設備發生的聲音或振動，並對該信號進行分析，從而診斷機械設備內的軸承或軸承關聯構件的異常，其特徵在於，該系統包括A/D變換單元，將所述信號變換為數位訊號；數字濾波處理單元，從由該A/D變換單元變換後的數位訊號中取出診斷所需的頻帶的信號；包絡線處理單元，求由該數字濾波處理單元取出的信號的包絡線；插補處理單元，進行0補位插補，以便以任意的頻率解析度對由該包絡線處理單元求出的包絡線進行快速傅立葉變換；FFT單元，對由該插補處理單元進行了0補位插補的信號進行快速傅立葉變換；以及診斷單元，基於由該FFT單元得到的頻譜來診斷異常。
12.如權利要求11所述的機械設備的異常診斷系統，其特徵在於，所述插補處理單元進行0補位插補，以使所述FFT單元中的採樣頻率成為2的N次方赫茲或2的N次方的倍數赫茲。
13.如權利要求11所述的機械設備的異常診斷系統，其特徵在於，該系統還包括對由所述FFT單元得到的頻譜的峰值進行檢測的峰值檢測單元，所述診斷單元通過求由所述峰值檢測單元檢測出的峰值中振動的主分量所對應的峰值或振動的主分量以及高階分量所對應的峰值和表示診斷對象的異常的頻率的一致度，並對該一致度的多次的累計結果進行評價，從而診斷異常。
14.一種異常診斷裝置，在車輛的行駛中診斷異常，其特徵在於，該裝置包括振動傳感器，檢測車輛的振動；參數值檢測電路，基於所述振動傳感器輸出的波形信號，求波峰因數、衝擊指數、波形係數以及峰態中的其中一個的量綱為1的參數值；以及比較電路，輸出表示從所述參數值檢測電路輸出的量綱為1的參數值超過一定的基準的情況的第一電壓信號或表示所述量綱為1的參數值為一定基準以下的情況的第二電壓信號，基於所述比較電路的輸出來檢測異常。
15.一種異常診斷裝置，在車輛的行駛中診斷異常，其特徵在於，該裝置包括振動傳感器，檢測車輛的振動；運算電路，基於所述振動傳感器輸出的波形信號，求RMS(方均的平方根)以及絕對值平均的其中一個的參數值；峰值檢測電路，求所述波形信號的峰值；以及比較電路，將所述參數值的一定倍的值和從所述峰值檢測電路輸出的峰值進行比較，根據其比較結果，將表示作為所述峰值和所述參數值的比求出的量綱為1的參數值超過一定的基準的情況的第一電壓信號或表示所述量綱為1的參數值為一定基準以下的情況的第二電壓信號輸出，基於所述比較電路的輸出來檢測異常。
16.如權利要求15所述的異常診斷裝置，其特徵在於，該裝置還包括將從所述峰值檢測電路輸出的峰值和預先設定的參照值進行比較的峰值-參照值比較電路，所述峰值-參照值比較電路的比較結果，在所述峰值大於所述參照值的情況下，使所述比較電路的輸出無效。
17.如權利要求15～16的任何一項所述的異常診斷裝置，其特徵在於，基於所述第一電壓信號的佔空比來檢測異常。
18.如權利要求15～17的任何一項所述的異常診斷裝置，其特徵在於，該裝置還包括濾波電路，該電路將所述振動傳感器的輸出信號中僅規定頻帶的信號輸入到所述參數值檢測電路以及所述峰值檢測電路。
19.如權利要求15～18的任何一項所述的異常診斷裝置，其特徵在於，所述車輛是鐵道車輛。
20.一種異常診斷裝置，是具有振動特性不同的多個部件的機械裝置的異常診斷裝置，其特徵在於，該異常診斷裝置包括傳感器信號處理單元，對檢測所述機械裝置的振動的振動傳感器的輸出信號進行採樣；以及診斷處理單元，基於由所述傳感器信號處理單元採樣的振動數據來進行異常診斷，所述診斷處理單元連續取入來自所述傳感器信號處理部件的振動數據，同時分割為每一定周期的區間，將1區間的振動數據作為用於第一振動特性的部件診斷的振動數據來進行處理，同時將在1區間的振動數據的前端接上其前一個區間的最後的規定時間的數據的數據作為用於第二振動特性的部件診斷的振動數據來進行處理。
21.一種異常診斷裝置，是鐵道車輛的車輛軸承以及車輪的異常診斷裝置，其特徵在於，該異常診斷裝置包括傳感器信號處理單元，對檢測車軸軸承以及車輪的振動的振動傳感器的輸出信號進行採樣；以及診斷處理單元，基於由所述傳感器信號處理單元採樣的振動數據來進行車軸軸承以及車輪的異常診斷，所述診斷處理單元連續取入來自所述傳感器信號處理部件的振動數據，同時分割為每一定周期的區間，將1區間的振動數據作為用於軸承診斷的振動數據來進行處理，同時將在1區間的振動數據的前端接上其前一個區間的最後的規定時間的數據的數據作為用於車輪診斷的振動數據來進行處理。
22.如權利要求21所述的異常診斷裝置，其特徵在於，所述診斷處理單元基於車軸軸承的轉速和對振動的包絡線波形進行處理而得到的頻率峰值來檢測車軸軸承的異常，基於與車輪的旋轉同步產生的振動的等級超過閾值的頻度來檢測車輪的異常，基於各個異常的檢測結果進行異常診斷。
23.如權利要求21～22的任何一項所述的異常診斷裝置，其特徵在於，所述信號處理部件將多個振動傳感器的輸出信號各切換一個信道來進行採樣。
24.如權利要求22或23所述的異常診斷裝置，其特徵在於，基於與車輪的旋轉同步對振動傳感器的輸出信號進行採樣並進行加法平均處理而得到的振動數據來進行車軸軸承以及車輪的異常診斷。
25.一種異常診斷裝置，是具有振動特性不同的多個部件的機械裝置的異常診斷裝置，其特徵在於，該異常診斷裝置包括傳感器信號處理單元，對檢測所述機械裝置的振動的振動傳感器的輸出信號進行採樣；以及診斷處理單元，基於由所述傳感器信號處理單元採樣的振動數據來進行異常診斷，所述診斷處理單元連續取入來自所述傳感器信號處理部件的振動數據，同時將其變換為用於第一振動特性的部件診斷和用於第二振動特性的部件診斷的採樣頻率或採樣長度不同的兩種數據來進行處理。
26.一種異常診斷裝置，是鐵道車輛的車軸軸承以及車輪的異常診斷裝置，其特徵在於，該異常診斷裝置包括傳感器信號處理單元，對檢測所述機械裝置的振動的振動傳感器的輸出信號進行採樣；以及診斷處理單元，基於由所述傳感器信號處理單元採樣的振動數據來進行異常診斷，所述診斷處理單元連續取入來自所述傳感器信號處理部件的振動數據，同時將其變換為用於車軸軸承診斷和用於車輪診斷的採樣頻率或採樣長度不同的兩種數據來進行處理。
27.如權利要求22、23、24、26的任何一項所述的異常診斷裝置，其特徵在於，對於車軸軸承和車輪分別實施多次異常檢測，根據各自的多次的累計值統計性地進行異常診斷。
28.如權利要求20～27的任何一項所述的異常診斷裝置，其特徵在於，該裝置具有保存在檢測異常時所使用的數據的功能。
29.一種異常診斷裝置，是具有旋轉或滑動的部件的機械裝置的異常診斷裝置，其特徵在於，該裝置包括AD變換器，將來自檢測所述機械裝置的振動的振動傳感器的模擬信號變換為數位訊號；以及診斷處理單元，將來自該AD變換器的數位訊號進行傅立葉變換處理，基於其結果來進行異常診斷，所述診斷處理單元比所述AD變換器的解析度還擴展數據寬度來對來自所述AD變換器的數位訊號進行傅立葉變換處理。
30.一種異常診斷裝置，是具有旋轉或滑動的部件的機械裝置的異常診斷裝置，其特徵在於，該裝置包括AD變換器，將來自檢測所述機械裝置的振動的振動傳感器的模擬信號變換為數位訊號；以及診斷處理單元，將來自該AD變換器的數位訊號進行傅立葉變換處理，基於其結果來進行異常診斷，所述診斷處理單元使所述AD變換器的解析度為1位，將其擴展為2位以上的規定的數據寬度來進行傅立葉變換處理。
31.一種異常診斷裝置，是具有旋轉或滑動的部件的機械裝置的異常診斷裝置，其特徵在於，該裝置包括比較器，該比較器將來自對所述機械裝置的振動進行檢測的振動傳感器的模擬信號的電壓和參照電壓進行比較，從而輸出用於表示該模擬信號的電壓比參照電壓高還是低的二值的信號，所述診斷處理單元將來自所述比較器的信號擴展為規定的數據寬度來進行傅立葉變換處理。
全文摘要
一種異常診斷系統，包括包絡線處理單元(103)，求檢測信號的包絡線；FFT單元(104)，將包絡線變換為頻譜；峰值檢測單元(105)，通過對頻譜進行移動平均化而進行平滑化，並進一步對該頻譜進行平滑微分，將微分係數的符號從正變化到負的頻率點作為峰值檢測，提取規定閾值以上的頻率點，將它們進行分類，將其中高位的頻率點作為峰值來檢測；以及診斷單元(T)，基於檢測出的峰值來診斷異常。
文檔編號G01M13/00GK1926413SQ200580006288
公開日2007年3月7日 申請日期2005年10月17日 優先權日2004年10月18日
發明者佐原淳太郎, 武藤泰之, 宮坂孝範, 山添正信 申請人:日本精工株式會社