JPH07190849A - 回転軸受け振動診断装置 - Google Patents

Abstract

(57)【要約】 【目的】 本発明は、ノイズ振動を含む種々の種類の故
障を確実に診断可能とし、これにより誤診断を未然に防
止することにある。 【構成】 回転軸系統の振動信号のエンベロープ波形を
スペクトル分析し、スペクトル成分を取り出す周波数分
析器１と、予め回転軸系統に関係する故障の前記スペク
トル成分を入力して当該スペクトル成分と故障の種類と
の関係を学習し、前記回転軸系統に関係するある種類の
故障、複数種類の故障が重なり合う複合故障および回転
軸系統以外のノイズ振動によって得られる前記スペクト
ル成分の入力に対し、それぞれ異なる演算結果の信号を
出力するニューラルネットワークからなる故障認識手段
２と、この故障認識手段から得られる演算結果の信号の
大きさに基づいて故障の種類を判定する診断手段３とを
設けた回転軸受け振動診断装置である。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は回転機の回転軸受け系統
に発生する振動の種類（故障の種類）を診断する回転軸
受け振動診断装置の改良に関する。

【０００２】

【従来の技術】モータの回転軸受け系統の故障には種々
の種類の故障が考えられるが、この故障の種類に応じて
スペクトルの現れ方が異なってくる。例えば回転軸受け
に傷が付いている場合には、その傷の付いている位置と
回転軸受けの構造とから異常振動のピッチ周波数が計算
可能であり、またスペクトル成分上からみればピッチ周
波数の間隔ごとに複数の高調波成分が発生することも分
かる。さらに、この異常振動時のエンベロープ波形のス
ペクトルからピッチ周波数およびその高調波成分を観測
することができる。

【０００３】そこで、従来のモータ軸受け振動診断装置
は、異常振動の特徴を利用し、その異常振動時に現れる
特定のスペクトル成分または複数のスペクトル成分ごと
にそれぞれしきい値を設定し、振動のスペクトル成分が
予め設定されたしきい値を越えたとき、故障であると判
定する方式をとっている。

【０００４】

【発明が解決しようとする課題】ところで、診断対象と
なる回転機は、種々の環境下に設置されるが、回転軸受
け系統に係わる故障以外の現象，つまり環境からのノイ
ズ振動の影響を受ける場合が多い。しかも、このノイズ
振動の中には故障スペクトルとよく似たピークをもつも
のが多く、誤診断の原因となる場合がある。

【０００５】そこで、従来、このような誤診断を防止す
る手段として、故障スペクトル成分のしきい値を大きめ
に設定したり、複数回の診断を繰り返すことにより、誤
診断の確率を少なくすることが行われている。

【０００６】しかし、このような診断の方法は、ノイズ
振動に対する対策として不十分であるだけでなく、複数
回の診断を繰り返すことから迅速に診断結果が得られ
ず、診断作業の効率が悪いなどの問題がある。また、故
障が発生した場合でもその故障の種類を正確に特定でき
ないばかりか、回転軸受けの複数種類の故障が重なり合
う複合故障のとき、その複合故障であることを判定でき
ない問題がある。

【０００７】本発明は上記実情に鑑みてなされたもの
で、ノイズ振動を含む種々の種類の故障を確実に診断可
能とし、これにより誤診断を未然に防止する回転軸受け
振動診断装置を提供することを目的とする。

【０００８】また、本発明の他の目的は、種々の診断結
果の内容を報知し、迅速なメンテナンスの向上に貢献す
る回転軸受け振動診断装置を提供することにある。

【０００９】

【課題を解決するための手段】上記課題を解決するため
に、請求項１に対応する発明は、回転軸系統の振動のエ
ンベロープ波形をスペクトル分析し、得られるスペクト
ル成分から故障を診断する回転軸受け振動診断装置にお
いて、予め回転軸系統に関係する故障の前記スペクトル
成分を入力し当該スペクトル成分と故障の種類との関係
を記憶し、前記回転軸系統に関係するある種類の故障、
複数種類の故障が重なり合う複合故障および回転軸系統
以外のノイズ振動によって得られる前記スペクトル成分
の入力に対し、それぞれ異なる演算結果の信号を出力す
る故障認識手段と、この故障認識手段から得られる演算
結果の信号の大きさに基づいて故障の種類を判定する診
断手段とを儲けた回転軸受け振動診断装置である。

【００１０】次に、請求項２に対応する発明は、回転軸
系統の振動のエンベロープ波形をスペクトル分析し、得
られるスペクトル成分から故障を診断する回転軸受け振
動診断装置において、予め回転軸系統に関係する故障の
前記スペクトル成分を入力し当該スペクトル成分と故障
の種類との関係を記憶し、前記回転軸系統に関係するあ
る種類の故障、複数種類の故障が重なり合う複合故障お
よび回転軸系統以外のノイズ振動によって得られる前記
スペクトル成分の入力に対し、それぞれ異なる演算結果
の信号を出力する故障認識手段と、この故障認識手段か
ら得られる演算結果の信号の大きさに基づいて故障の種
類を判定する診断手段と、この診断手段の判定結果に基
づいて診断結果の説明を行うメッセージ作成出力手段と
を設けた回転軸受け振動診断装置である。

【００１１】請求項３に対応する発明は、請求項１，請
求項２に対応する発明の故障認識手段として、ニューラ
ルネットワークが用いられ、スペクトル成分と故障の種
類との関係を学習させることによる結合重み係数とし
て、 ａ．ある特定の種類の故障のときだけ現れるスペクトル
成分を入力する入力層のニューロンと前記ある特定の種
類の故障を表すために用意された出力層のあるニューロ
ンとの間の結合重み係数には正の値を設定し、 ｂ．前記ある特定の種類の故障のときだけ現れるスペク
トル成分を入力する入力層のニューロンと、別の種類の
故障を表すために用意された出力層のあるニューロンと
の間の結合重み係数には負の値を設定し、 ｃ．回転軸系統に関係する種類の故障とは関係のない故
障のスペクトル成分を入力するニューロンと出力層のニ
ューロンとの間の結合重み係数には、そのスペクトル成
分の値がどの種類の故障でも一定値をもつような場合に
は負の値を設定し、前記スペクトル成分の値がランダム
に変化する場合にはほぼゼロに近い値を設定し、前記回
転軸系統に関係する種類の故障、複合故障および前記ノ
イズ振動によって得られるスペクトル成分に対し、それ
ぞれ異なる演算結果の信号を出力するものである。

【００１２】

【作用】従って、請求項１に対応する発明は、以上のよ
うな手段を講じたことにより、故障認識手段では、予め
回転軸系統に関係する故障のスペクトル成分を入力し当
該スペクトル成分と故障の種類との関係を記憶するとと
もに、回転軸系統に関係するある種類の故障、複数種類
の故障が重なり合う複合故障および回転軸系統以外のノ
イズ振動によるスペクトル成分の入力に対し、それぞれ
異なる演算結果の信号を出力するようにしているので、
その演算結果の信号からある種類の故障、複合故障およ
び回転軸系統以外のノイズ振動を適切に判定でき、確実
に誤診断を防ぐことができる。

【００１３】次に、請求項２に対応する発明は、故障認
識手段から得られる演算結果の信号に基づいて診断手段
が故障の種類を判定するが、この診断手段の判定結果に
基づいてメッセージ作成出力手段では、故障の種類およ
びメンテナンスに必要な情報を報知するので、迅速に必
要な処置を講じることができる。

【００１４】さらに、請求項３に対応する発明は、スペ
クトル成分と故障の種類との関係を学習させることによ
る結合重み係数として、種々の故障の状態に応じて正の
値、負の値およびほぼゼロに近い値を設定することによ
り、回転軸系統に関係する種類の故障、複合故障および
前記ノイズ振動によって得られるスペクトル成分に対
し、それぞれ異なる演算結果の信号を適切に出力でき、
ひいては確実、かつ、誤診断なく診断結果を出力でき
る。

【００１５】

【実施例】以下、本発明の実施例について図面を参照し
て説明する。

【００１６】図１は本発明装置の一実施例を示す構成図
である。この診断装置は、センサーによって観測された
振動信号からエンベロープ波形のスペクトル成分を取り
出す周波数分析器１と、この周波数分析器１で取り出さ
れたスペクトル成分に基づいて回転軸系統に係わるある
種類の故障、複数種類の故障が重なり合う複合故障およ
び回転軸系統に係わる故障以外のノイズ振動等を認識
し、それぞれ異なる演算結果の信号を出力し、結果とし
て誤認識を起こす原因の回転軸系統に係わる故障に関係
しないノイズ振動成分を除去可能とする故障認識手段２
と、この故障認識手段２の演算結果の信号から回転軸系
に係わる故障，つまりある種類の故障および複数種類の
複合故障を判定する診断手段３とによって構成されてい
る。

【００１７】前記周波数分析器１は、センサーからのア
ナログ信号のうち所要とする周波数帯域だけの信号を取
り出すフィルタ１１、このフィルタ１１の出力であるア
ナログ信号をデジタル信号に変換するＡ／Ｄ変換部１
２、このＡ／Ｄ変換部１２で変換されたデジタル信号を
エンベロープ変換することにより回転軸系統のうなり振
動の特性，つまりエンベロープ波形を求めるエンベロー
プ変換部１３、このエンベロープ変換部１３のエンベロ
ープ波形を周波数分析してスペクトル成分を取り出すデ
ジタルフーリエ変換部１４などが設けられ、このスペク
トル成分は故障認識手段２に送出される。

【００１８】この故障認識手段２は、図２に示すような
ニューラルネットワークで構成されている。このニュー
ラルネットワークは、診断に使用するスペクトル成分数
をＮ、診断する故障種類数をＭとすると、入力層を構成
するニューロン２１のニューロン数をＮ、出力層を構成
するニューロン２２のニューロン数をＭとする２層の層
状結合型ニューラルネットワークによって構成される。
このニューラルネットワークにおいては、入力層のニユ
ーロン２１と出力層のニューロン２２との間に結合重み
係数が設定されるが、この結合重み係数は学習という操
作に基づいて設定される。

【００１９】具体的には、入力層のニューロンｉに過去
の故障時に観測され、または理論的に観測されるべき振
動のスペクトル成分を入力し、このとき出力層から得ら
れるビット列データと教師信号発生部２３から前記故障
時の観測の故障の種類を表すビット列データ（教師信
号）とを比較し、これら両ビット列データが等しくなる
ように可変しながら結合重み係数を学習し、ネットワー
ク内に記憶する。つまり、振動のスペクトル成分と故障
種類との関係を学習し、ネットワーク内に結合重み係数
という形で記憶する。

【００２０】そして、実際の故障診断時、周波数分析器
１から得られる振動スペクトル成分を入力層のｉ番目の
ニューロンｉに与え、出力層側の所要のニューロンから
得られる演算結果の信号を診断手段３に送出し、故障の
種類を判定するものである。

【００２１】この診断手段３は、予めしきい値が設定さ
れ、故障認識手段２の出力値が予め定めたしきい値を越
えたときに故障有りと判定する一方、予め出力層を構成
するニューロン２２，…ごとに故障の種類が割り当てら
れ、最も大きな信号を出力するニューロン２２が表して
いる故障を第１の故障の種類と判定し、その他のニュー
ロン２２の出力値の大きさの順に故障の種類と判定し、
複数のニューロンからほぼ同じ大きさの値の信号が出た
とき、それら複数のニューロンに係わる複数の故障が重
なり合う複合故障と判定するものである。

【００２２】次に、以上のように構成された装置の動作
について説明する。

【００２３】今、センサからの信号は、フィルタ１１に
導入され、ここで低周波域の電気振動ノイズを除去す
る。この低周波域のノイズ成分を除去した後の信号は、
Ａ／Ｄ変換部１２でデジタル変換され、さらにエンベロ
ープ変換部１３でエンベロープ波形を求めた後、デジタ
ルフーリエ変換部１４によりエンベロープ波形を周波数
分析して周期性のない高域ノイズを除去した振動のスペ
クトル成分を取り出し、故障認識手段２を構成するニュ
ーラルネットワークの入力層２１に供給する。

【００２４】このニューラルネットワークでは、ニュー
ロン２１の出力に予め学習して得られる結合重み係数を
掛け合わせて次層である例えば出力層の各ニューロン２
２に入力する。この出力層を構成する各ニューロン２２
は、結合重み係数を掛け合わせて送られてくる信号を全
て合計演算し、その演算結果である合計値を診断手段３
に送出する。

【００２５】ここで、ニューラルネットワークにおける
結合重み係数の学習について述べる。この結合重み係数
は、例えば一般的な学習法（バックプロパゲーション
法）によって決定する。具体的には、 ａ．出力層の各ニューロン２２に対し、ある故障に応じ
た教師信号を割り当てる。

【００２６】ｂ．入力層の各ニューロン２１には学習に
使用するスペクトル値を割り付け入力する。

【００２７】ｃ．入力層の各ニューロン２１の出力は出
力層の各ニューロン２２と結合されるが、それぞれの結
合ごとにニューロン２１の出力と結合重み係数とを乗算
し出力層の各ニューロン２２の入力とする。

【００２８】ｄ．出力層の各ニューロン２２は結合関係
にある各ニューロン２１からの乗算信号を受けとり、そ
れら乗算信号の合計値を出力値とする。

【００２９】ｅ．出力値の決まった当該ニューロン２２
には次のような教師信号を与える。つまり、回転軸系統
のある種類の故障の振動スペクトルに対し、当該種類の
故障を表す出力層のあるニューロン２２には教師信号
「１」を、それ以外の出力層を構成する他のニューロン
２２には教師信号「０」を与え、これらニューロン２２
の出力値と教師信号との間の誤差を求める。

【００３０】ｆ．この誤差値と入力層ニューロン２１の
出力値とを掛け、さらに定数α（＞０，＜１の値）を掛
け、得られた値を入力層と出力層との間の結合重み係数
の修正量とし、その時点の結合重み係数の値に加算して
いく。

【００３１】このようなｂ〜ｆによる一連の処理は、用
意した全てのデータについて、出力層のニューロン２２
の出力値と教師信号発生部２３の教師信号との誤差の自
乗の和が予め設定されたしきい値以下になるまで実施す
る。このような学習操作によって入力層のニューロン２
１と出力層のニューロン２２との間の結合重み係数を決
定することが可能となる。

【００３２】その結果、以上のような学習操作により、
次のような特徴を有する結合重み係数をセットできる。

【００３３】イ．ある種類の故障Ａのときだけ現れるス
ペクトル成分を入力する入力層のニューロン２１とその
種類の故障Ａを表すために用意された出力層のあるニュ
ーロン２２との間の結合重み係数には正の値が設定され
る。

【００３４】ロ．ある種類の故障Ａのときだけ現れるス
ペクトル成分を入力する入力層のニューロン２１と、別
の種類の故障Ｂを表すために用意された出力層のあるニ
ューロン２２との間の結合重み係数には負の値が設定さ
れる。

【００３５】ハ．特定の種類の故障とは関係のないスペ
クトル成分を入力するニューロン２１と出力層のニュー
ロン２２との間の結合重み係数の場合には次の２通りの
設定方法が適用される。つまり、 ハ−１．そのスペクトル成分の値がどの種類の故障でも
一定値をもつような場合には負の値が設定される。

【００３６】ハ−２．そのスペクトル成分の値がランダ
ムに変化する場合にはゼロに近い値が設定される。

【００３７】従って、以上のような結合重み係数をニュ
ーラルネットワークの入力層と出力層との結合ラインに
設定すれば、周波数分析器１のスペクトル成分の中に故
障の種類と関係のあるスペクトル成分が多く含まれるほ
ど、出力層のあるニューロン２２からの出力値が大きな
値となる。一方、学習時と異なるパターンのスペクトル
成分を入力した場合にはニューロン２２の出力はあまり
大きな値とならない。このことは、ニューラルネットワ
ークを利用すれば、従来のように単純にスペクトル成分
を用いて判断する場合に較べてノイズ振動の影響を受け
にくくなる。

【００３８】また、周波数分析器１の出力であるスペク
トル分析結果をニューラルネットワークに伝達する場
合、スペクトル分析結果の一部を取り出してニューラル
ネットワークに入力することにより、ノイズの重畳しや
すい成分を取り除くことができる。さらに、ニューラル
ネットワークの出力値として０から１の実数値列を出力
するが、診断手段３ではその中から出力値の大きいもの
を選択すれば、ニューラルネットワークの意味の無い出
力，例えばノイズ振動などを取り除くことができる。

【００３９】次に、本発明装置を実際の機器に適用した
ときの具体例を説明する。

【００４０】（具体例１）図３は小型モータの振動信号
前処理装置に本発明装置を適用した一構成例を示す図で
ある。この前処理装置は、故障認識手段２を構成するニ
ューラルネットワークに予め故障の種類とスペクトル成
分との関係を学習させた後、観測された振動スペクトル
の前処理を行うものである。

【００４１】この装置は、周波数分析器１と、ニューラ
ルネット構成の故障認識手段２と、診断手段３と、診断
結果の値をホストコンピュータに送出するインターフェ
イス３１とによって構成されている。そのうち、周波数
分析器１のフィルタ１１には１．５ＫＨｚ以下の信号成
分をカットする特性のものが用いられる。また、故障認
識手段２としてのニューラルネットワークは、図４に示
すように６４個の入力層ニューロン３２、４個の出力層
ニューロン３３〜３６が用いられている。そして、この
ニューラルネットワークは利用に先だって次のような前
処理が行われる。 （ａ） 診断対象である小型モータと同型のモータに関
する軸受けの玉，外輪，内輪の各故障振動と平常時の振
動とを収集し、エンベロープ処理結果の周波数分析を行
い、スペクトル成分を取り出す。 （ｂ） 次に、前記（ａ）によって作成された各スペク
トル成分に対する故障の種類を調査し、玉傷の場合には
出力層ニューロン３３、外輪傷の場合には出力層ニュー
ロン３４，内輪傷の場合には出力層ニューロン３５、平
常時の場合には出力層ニューロン３６からそれぞれ
「１」を出力するように、各スペクトル成分値と故障の
種類とをニューラルネットワークに学習させる。

【００４２】従って、以上のような装置の構成によれ
ば、診断対象である小型モータの振動信号をセンサによ
って検出して周波数分析器１に導入すると、ここでは低
周波成分がカットされた後、エンベロープがとられ、さ
らに周波数分析された結果によって得られるスペクトル
成分の数値列が図４に示すニューラルネットワークで処
理される。このニューラルネットワークの処理結果は、
診断手段３により振動原因（故障の種類）の情報に変換
出力される。この診断手段３の出力である振動原因の候
補はインターフェイス３１を介してホストコンピュータ
に送出され、必要なデータ処理が行われる。

【００４３】（具体例２）図５は小型モータの軸受け振
動診断装置の一具体例を示す図である。

【００４４】この装置は、周波数分析器１、故障認識手
段２、診断手段３の他、故障認識手段２を構成するニュ
ーラルネットワークの結合重み係数を記憶する係数記憶
手段４１、予め故障の種類その他故障のメンテナンスに
必要なメッセージデータを記憶するメッセージデータ記
憶手段４２および診断手段３の出力結果に基づいてメッ
セージデータ記憶手段４２から必要なメッセージデータ
を取り出して診断結果の説明を行うメッセージ作成出力
手段４３等によって構成されている。

【００４５】前記係数メモリ２ａに記憶する結合重み係
数は次のような処理によって作成される。 （ａ） 先ず、診断対象となる型のモータと軸受けの構
造とから当該モータの軸受けの傷に関するピッチ周波数
を計算する。この計算結果のピッチ周波数とその高調
波，振動のサンプル周期とから、軸受けの傷の位置別に
エンベロープ波形のスペクトル成分を求める。 （ｂ） 次に、求めたスペクトル成分と傷の位置の情報
とを用いて、傷の位置とスペクトル成分毎の関係をニュ
ーラルネットワークに学習させる。 （ｃ） このようにして求めたニューラルネットワーク
の結合重み係数は係数記憶手段４１に記憶しておく。

【００４６】しかる後、センサーから得られるモータの
振動スペクトル成分がニューラルネットワークに入力さ
れ、係数記憶手段４１から結合重み係数を取り出してニ
ューラルネットワークに設定し、そのときのニューラル
ネットワークの出力層ニューロンから演算結果の信号を
診断手段３に送出し、振動の種類を判定する。このと
き、予め係数記憶手段４１に結合重み係数が記憶されて
いるので、電源の投入後何時でも診断装置として利用が
可能である。

【００４７】一方、メッセージ作成出力部４３では、診
断手段３から得られた診断結果について、メッセージデ
ータ記憶手段４２から必要なメッセージデータを取り出
して出力するが、このとき診断結果の解釈は例えば図６
に示すようなアルゴリズムに従って解釈を行うものとす
る。

【００４８】先ず、故障種類別に演算結果の絶対値の合
計を求める（ＳＴ１）。その後、絶対値の大きさがしき
い値以下であるか否かを判断する（ＳＴ２）。ここで、
絶対値の大きさがしきい値以下であるが、診断結果の信
号の値が比較的大きさか小さいかを判断し（ＳＴ３）、
小さい場合には正常であること（ＳＴ４）、大きい場合
には原因不明であると判断し（ＳＴ５）、メッセージデ
ータ記憶手段４２から対応するメッセージデータを取り
出して出力する。

【００４９】次に、絶対値の大きさがしきい値を越えた
とき、正の演算結果と負の演算結果との比率を計算し
（ＳＴ６）、その比率計算結果から何れが大きいかを判
断する（ＳＴ７）。ここで、正の演算結果と負の演算結
果とがほぼ等しい場合、該当種類の故障を含む複合故障
と判断し（ＳＴ８）、正の演算結果が大きい場合には該
当種類の故障だけと判断し（ＳＴ９）、さらに負の演算
結果が大きい場合には別の種類の故障であると判断し
（ＳＴ１０）し、それぞれ対応するメッセージデータを
取り出して出力する。

【００５０】なお、上記実施例では、小型モータを例に
上げて説明したが、大型モータその他モータ以外の回転
機器の回転軸受けの振動発生の場合でも同様に適用でき
る。その他、本発明はその要旨を逸脱しない範囲で種々
変形して実施できる。

【００５１】

【発明の効果】以上説明したように本発明によれば、次
のような種々の効果を奏する。

【００５２】請求項１，３の発明は、ノイズ振動を含む
種々の種類の故障を確実に診断でき、故障の状態等に応
じて故障認識手段からそれぞれ異なる演算結果の信号を
出力できるので、確実、かつ、誤診断なく適切な診断結
果を出力できる。

【００５３】次に、請求項２，３の発明は、種々の診断
結果の内容に応じてメンテナンス上必要なメッセージを
報知するので、メンテナンスの迅速化を図ることができ
る。

【図面の簡単な説明】

【図１】本発明に係わる回転軸受け振動診断装置の一実
施例を示す構成図。

【図２】図１に示す故障認識手段の一例としてのニュー
ラルネットワークの構成図。

【図３】本発明装置の具体的な適用例を示す構成図。

【図４】図３の適用例に用いるニューラルネットワーク
の構成図。

【図５】本発明装置の他の実施例を示す構成図。

【図６】図５に示すメッセージ作成出力手段の動作を説
明する図。

【符号の説明】

１…周波数分析器、２…故障認識手段、３…診断手段、
１１…フィルタ、１２…Ａ／Ｄ変換部、１３…エンベロ
ープ変換部、１４…デジタルフーリェ変換部、４３…メ
ッセージ作成出力手段。

Claims (3)

【特許請求の範囲】
1. 【請求項１】 回転軸系統の振動のエンベロープ波形を
   スペクトル分析し、得られるスペクトル成分から故障を
   診断する回転軸受け振動診断装置において、 予め回転軸系統に関係する故障の前記スペクトル成分を
   入力し当該スペクトル成分と故障の種類との関係を記憶
   し、前記回転軸系統に関係するある種類の故障、複数種
   類の故障が重なり合う複合故障および回転軸系統以外の
   ノイズ振動によって得られる前記スペクトル成分の入力
   に対し、それぞれ異なる演算結果の信号を出力する故障
   認識手段と、 この故障認識手段から得られる演算結果の信号の大きさ
   に基づいて故障の種類を判定する診断手段と、 を備えたことを特徴とする回転軸受け振動診断装置。
2. 【請求項２】 回転軸系統の振動のエンベロープ波形を
   スペクトル分析し、得られるスペクトル成分から故障を
   診断する回転軸受け振動診断装置において、 予め回転軸系統に関係する故障の前記スペクトル成分を
   入力し当該スペクトル成分と故障の種類との関係を記憶
   し、前記回転軸系統に関係するある種類の故障、複数種
   類の故障が重なり合う複合故障および回転軸系統以外の
   ノイズ振動によって得られる前記スペクトル成分の入力
   に対し、それぞれ異なる演算結果の信号を出力する故障
   認識手段と、 この故障認識手段から得られる演算結果の信号の大きさ
   に基づいて故障の種類を判定する診断手段と、 この診断手段の判定結果に基づいて診断結果の説明を行
   うメッセージ作成出力手段と、 を備えたことを特徴とする回転軸受け振動診断装置。
3. 【請求項３】 故障認識手段は、ニューラルネットワー
   クが用いられ、スペクトル成分と故障の種類との関係を
   学習させることによる結合重み係数として、 ａ．ある特定の種類の故障のときだけ現れるスペクトル
   成分を入力する入力層のニューロンと前記ある特定の種
   類の故障を表すために用意された出力層のあるニューロ
   ンとの間の結合重み係数には正の値を設定し、 ｂ．前記ある特定の種類の故障のときだけ現れるスペク
   トル成分を入力する入力層のニューロンと、別の種類の
   故障を表すために用意された出力層のあるニューロンと
   の間の結合重み係数には負の値を設定し、 ｃ．回転軸系統に関係する種類の故障とは関係のない故
   障のスペクトル成分を入力するニューロンと出力層のニ
   ューロンとの間の結合重み係数には、そのスペクトル成
   分の値がどの種類の故障でも一定値をもつような場合に
   は負の値を設定し、前記スペクトル成分の値がランダム
   に変化する場合にはほぼゼロに近い値を設定し、 前記回転軸系統に関係する種類の故障、複合故障および
   前記ノイズ振動によって得られるスペクトル成分に対
   し、それぞれ異なる演算結果の信号を出力することを特
   徴とする請求項１または請求項２記載の回転軸受け振動
   診断装置。