WO2018020545A1 - 電動機の診断装置 - Google Patents

電動機の診断装置 Download PDF

Info

Publication number
WO2018020545A1
WO2018020545A1 PCT/JP2016/071705 JP2016071705W WO2018020545A1 WO 2018020545 A1 WO2018020545 A1 WO 2018020545A1 JP 2016071705 W JP2016071705 W JP 2016071705W WO 2018020545 A1 WO2018020545 A1 WO 2018020545A1
Authority
WO
WIPO (PCT)
Prior art keywords
histogram
unit
calculation unit
load torque
abnormality
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Ceased
Application number
PCT/JP2016/071705
Other languages
English (en)
French (fr)
Inventor
俊彦 宮内
誠 金丸
貢 森
月間　満
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Mitsubishi Electric Corp
Original Assignee
Mitsubishi Electric Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Mitsubishi Electric Corp filed Critical Mitsubishi Electric Corp
Priority to PCT/JP2016/071705 priority Critical patent/WO2018020545A1/ja
Priority to EP16910449.4A priority patent/EP3489700B1/en
Priority to CN201680087608.XA priority patent/CN109477869B/zh
Priority to KR1020197000145A priority patent/KR102104117B1/ko
Publication of WO2018020545A1 publication Critical patent/WO2018020545A1/ja
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/34—Testing dynamo-electric machines
    • G01R31/343—Testing dynamo-electric machines in operation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/34—Testing dynamo-electric machines
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
    • H02P29/00—Arrangements for regulating or controlling electric motors, appropriate for both AC and DC motors
    • H02P29/02—Providing protection against overload without automatic interruption of supply
    • H02P29/024—Detecting a fault condition, e.g. short circuit, locked rotor, open circuit or loss of load
    • H02P29/0241—Detecting a fault condition, e.g. short circuit, locked rotor, open circuit or loss of load the fault being an overvoltage

Definitions

  • the present invention relates to a motor diagnosis apparatus that is used in, for example, a control center that is a closed switchboard and diagnoses whether there is an abnormality in the motor.
  • Patent Document 1 Traditionally, it measures real-time information on the motor input voltage and current and motor speed, compares the modeled results with the measured results, and evaluates the comparison results for the errors generated by subtracting the respective signals.
  • a model-based failure detection system has been proposed in which an error is analyzed by a diagnostic observer to determine the presence or absence of a motor failure.
  • the present invention has been made to solve the above-described problems. Even in an electric motor in which the load fluctuates, the load torque calculated from the sampled voltage and current information is statistically processed to determine whether there is an abnormality in the electric motor.
  • An object of the present invention is to provide an electric motor diagnosis apparatus capable of diagnosing the motor.
  • An electric motor diagnosis apparatus includes: a load torque calculation unit that calculates a load torque of the electric motor using a voltage and current sampled and input from a main circuit to which the electric motor is connected; and a calculation performed by the load torque calculation unit A histogram calculation unit that calculates an average value and a standard deviation of a probability density function of the load torque of the sampled number of samples and forms a histogram, a normal curve storage unit that preliminarily obtains and stores a histogram of the load torque at normal time, and the normal A normality stored in a curve storage unit and an abnormality determination unit that compares the histogram obtained by the histogram calculation unit to determine the presence or absence of an abnormality in the electric motor. is there.
  • the load torque calculation unit that calculates the load torque of the motor using the voltage and current sampled and input from the main circuit to which the motor is connected, and the number of samples calculated by the load torque calculation unit
  • a histogram calculation unit that calculates an average value and standard deviation of the probability density function of the load torque and forms a histogram
  • a normal curve storage unit that preliminarily obtains and stores a histogram of normal load torque
  • the normal curve storage unit Comparing the stored normal histogram and the histogram obtained by the histogram calculation unit to determine whether there is an abnormality in the motor or not, the calculation is based on the voltage and current information input by sampling. Diagnose the presence or absence of motor abnormality by statistically processing the load torque of the number of samples There is an effect that it is possible to obtain the bets diagnostic unit for an electric motor that can.
  • FIG. 1 is a schematic configuration diagram showing an installation state of a motor diagnostic device according to Embodiment 1 of the present invention
  • FIG. 2 is a block diagram showing a configuration of a logical operation unit of the motor diagnostic device according to Embodiment 1 of the present invention
  • FIG. 3 is a block diagram showing the configuration of the storage unit of the motor diagnostic apparatus according to Embodiment 1 of the present invention
  • FIG. 4 shows the sampling rate, forgetting factor, and scale factor of the motor diagnostic apparatus according to Embodiment 1 of the present invention.
  • FIG. 1 is a schematic configuration diagram showing an installation state of a motor diagnostic device according to Embodiment 1 of the present invention
  • FIG. 2 is a block diagram showing a configuration of a logical operation unit of the motor diagnostic device according to Embodiment 1 of the present invention
  • FIG. 3 is a block diagram showing the configuration of the storage unit of the motor diagnostic apparatus according to Embodiment 1 of the present invention
  • FIG. 4 shows the sampling rate, forgetting factor, and scale factor of
  • FIG. 5 is a flowchart for explaining the operation of the motor diagnostic apparatus according to Embodiment 1 of the present invention
  • FIG. 6 is a load torque histogram of the motor diagnostic apparatus according to Embodiment 1 of the present invention.
  • FIG. 7 is an explanatory diagram for explaining the peak portion of the histogram at the time of abnormality rather than the histogram at the time of normal of the diagnosis device for electric motor according to Embodiment 1 of the present invention.
  • FIG. 8 is an explanatory diagram for explaining the Mahalanobis distance in the histogram of the motor diagnosis apparatus according to the first embodiment of the present invention.
  • FIG. 9 is a motor diagnosis according to the first embodiment of the present invention.
  • FIG. 10 is an explanatory diagram for explaining threshold determination based on the Mahalanobis distance of the apparatus
  • FIG. 11 is an explanatory diagram for explaining the peak ratios of two peak locations in the histogram at the time of abnormality of the motor diagnostic apparatus according to Embodiment 1 of the present invention
  • FIG. 12 is an embodiment of the present invention. 2 is an explanatory diagram for explaining threshold determination based on a peak ratio of a motor diagnostic apparatus in FIG.
  • the main circuit 2 drawn from the power system 1 includes a circuit breaker 3 for wiring, an electromagnetic contactor 4, an instrument transformer for detecting the interphase voltage of the three-phase main circuit 2 between two phases, and the like.
  • a voltage detector 5 and a current detector 6 such as an instrument transformer for detecting a load current for two phases of the main circuit 2 are provided.
  • a motor 7 such as a three-phase induction motor as a load is connected to the main circuit 2, and the mechanical equipment 8 is driven to operate by the motor 7.
  • the motor diagnosis device 9 is mainly used in a control center which is a closed switchboard.
  • the motor diagnosis device 9 includes an input unit 10, a logic operation unit 20, a storage unit 30, and an output unit 40.
  • the input unit 10 inputs the voltage detected by the voltage detector 5 at a preset sampling rate (hereinafter referred to as sampling input), and samples the current detected by the current detector 6.
  • sampling input a preset sampling rate
  • a current input unit 12 for input, a sampling rate setting unit 13 for setting a sampling rate, and a rating information input unit 14 for inputting rating information and the like of the motor 7 are provided.
  • the sampling rate setting unit 13 sets, for example, sampling for 10 seconds at 100 sampling rates per second. As a result, 1000 sampled data are obtained.
  • the set sampling rate and the like are stored in the sampling rate storage unit 31 shown in FIG.
  • the rating information input unit 14 inputs in advance the power supply frequency, the rated output of the motor 7, the rated voltage, the rated current, the rated rotational speed, etc., the number of magnetic poles used for the calculation of the load torque, the winding resistance value, etc.
  • the rating information is information that can be easily obtained by looking at the catalog of the manufacturer of the motor 7 or the nameplate attached to the motor 7.
  • the configuration of the logical operation unit 20 includes a voltage input from the voltage input unit 11 and a current input from the current input unit 12 in a d-axis direction and a q-axis direction (hereinafter referred to as a dq-axis direction) suitable for load torque calculation.
  • the dq conversion calculation unit 21 that converts voltage and current
  • the load torque calculation unit 22 that calculates the load torque using the voltage and current converted by the dq conversion calculation unit 21, and the load torque calculation unit 22
  • the histogram calculation unit 23 that obtains a histogram using the load torque of the number of samplings, the histogram obtained by the histogram calculation unit 23, and the normal time stored in advance in the normal curve storage unit 33 shown in FIG.
  • An abnormality determination unit 24 that determines whether or not the electric motor 7 and the machine facility 8 are abnormal by comparing the histograms is provided.
  • the winding resistance value calculation unit 22a for obtaining the winding resistance value Rs of the stator winding of the electric motor 7, and the forgetting factor from the sampling speed.
  • a forgetting factor calculation unit 22b for calculating kf and a scale factor calculation unit 22c for calculating scale factor ⁇ are provided.
  • the winding resistance value Rs increases.
  • Set in the information storage unit 32 detect and input the temperature of the stator winding when sampling voltage and current, and determine the winding resistance value from the correlation set by the winding resistance value calculation unit 22a. Rs can be obtained with high accuracy.
  • the winding resistance value Rs may be calculated from the detected voltage and current, and the calculation of the winding resistance value calculation unit 22a is not limited to the method described above.
  • the sampling rate, the forgetting factor kf, and the scale factor ⁇ have the correlation shown in FIG. 4, for example, the correlation shown in FIG. 4 obtained as a result of actual measurement by the manufacturer of the diagnostic apparatus is set in the storage unit 30 as a data table.
  • the forgetting factor calculating unit 22b calculates the forgetting factor kf using the stored data table and the scale factor calculating unit 22c.
  • the scale factor ⁇ is obtained and set and stored in the sampling rate storage unit 31 shown in FIG. Once the sampling rate is initially set, the sampling rate under the same conditions is applied to the motor for all subsequent diagnosis.
  • the histogram calculation unit 23 is provided with an average value calculation unit 23a that calculates an average value of the load torque of the number of samplings obtained by the load torque calculation unit 22, and a standard deviation calculation unit 23b that calculates a standard deviation.
  • the abnormality determination unit 24 is provided with a Mahalanobis distance determination unit 24a and a peak number determination unit 24b that determine the presence / absence of an abnormality according to an abnormality state, which will be described in detail later.
  • the configuration of the storage unit 30 includes a sampling rate storage unit 31 that stores the sampling rate set by the sampling rate setting unit 13, and a rating information storage unit that stores the rating information of the motor 7 input from the rating information input unit 14.
  • a normal curve storage unit 33 for storing a normal histogram serving as a criterion for abnormality determination
  • a histogram storage unit 34 for storing the histogram obtained by the histogram calculation unit 23 in time series.
  • the normal curve storage unit 33 is provided with an average value storage unit 33a and a standard deviation storage unit 33b for storing an average value and a standard deviation, which are original data of the histogram at the normal time, respectively.
  • an average value storage unit 34a and a standard deviation storage unit 34b for storing the average value and standard deviation, which are the original data of the histogram, respectively.
  • the output unit 40 includes a comparison result of normal and abnormal histograms compared by the abnormality determination unit 24, a result of trend analysis of the Mahalanobis distance by the Mahalanobis distance determination unit 24a, and a trend analysis of the peak ratio by the peak number determination unit 24b.
  • a statistical result output unit 41 that displays and outputs the result and the like, and an alarm output unit 42 that outputs an alarm such as sounding an alarm sound or lighting an abnormal lamp when the abnormality determination unit 24 determines that an abnormality has occurred are provided. .
  • the motor diagnosis device 9 is activated at a predetermined time interval such as an interval of 10 minutes, and performs an abnormality diagnosis of the motor 7 and the like.
  • voltages vuv and vvw for two phases are input from the voltage input unit 11 at the sampling rate set by the sampling rate setting unit 13 and stored in the sampling rate storage unit 31, and two from the current input unit 12.
  • the phase currents iu and iv are sampled and input.
  • step 102 the dq conversion calculation unit 21 converts the input voltage and current into a voltage and current in the dq axis direction.
  • the calculation in the dq conversion calculation unit 21 will be described. First, in the case of dq conversion of a three-phase current, only current information for two phases is sufficient when the three-phase uvw is balanced. Using iv, the current id in the d-axis direction and the current iq in the q-axis direction are calculated according to a conversion formula shown in Formula (1).
  • the load torque calculation unit 22 calculates the load torque using the voltage and current in the dq axis direction converted by the dq conversion calculation unit 21.
  • the calculation in the load torque calculation part 22 is demonstrated.
  • the load torque Te is calculated by equation (3) using the number of magnetic poles Pp and the interlinkage magnetic fluxes ⁇ d and ⁇ q in the dq axis direction of the stator winding of the electric motor 7.
  • the interlinkage magnetic fluxes ⁇ d and ⁇ q in the dq axis direction can be obtained by calculation according to equations (4) to (9). Since Expressions (4) and (5) are differentially displayed, Expressions (6) and (7) are obtained by numerical analysis, and the results of calculating Expressions (6) and (7) The scale factor ⁇ is integrated and the values calculated by the equations (8) and (9) are the identification values obtained as the final result of the flux linkage.
  • the calculation result of Expression (8) corresponds to the linkage flux ⁇ d, and the calculation result of Expression (9) corresponds to the linkage flux ⁇ q.
  • each symbol used in the equations (4) to (9) represents the following data.
  • vd and vq are voltages in the dq axis direction calculated by the dq conversion calculation unit 21, id and iq are currents in the dq axis direction calculated by the dq conversion calculation unit 21, and Rs is calculated by the winding resistance value calculation unit 22a.
  • Winding resistance value kf is a forgetting factor calculated by the forgetting factor calculating unit 22b
  • ⁇ is a scale factor calculated by the scale factor calculating unit 22c
  • ⁇ is a symbol for numerical analysis of the flux linkage
  • a subscript n is sampling
  • the subscript n ⁇ 1 is a variable indicating that the n ⁇ 1th value of sampling is used. Therefore, n is a value of 1, 2, 3,.
  • ⁇ t indicates the sampling time width and is a value determined by the sampling speed. For example, if the sampling speed is 100 per second, the sampling time width ⁇ t is 0.01.
  • step 104 the operation from step 101 to step 103 is repeated until sampling is completed, so that the load torque value calculated by the load torque calculation unit 22 (hereinafter referred to as load torque value) is the number of samplings, for example. 1000 will be obtained.
  • load torque value the load torque value calculated by the load torque calculation unit 22
  • step 105 the histogram calculation unit 23 expresses the load torque value of the sampling number obtained by the load torque calculation unit 22 as a probability density function. Then, the average value ⁇ and the standard deviation ⁇ of the probability density function with the load torque value Tk as a variable are calculated by the average value calculation unit 23a and the standard deviation calculation unit 23b by the equations (10) and (11), respectively.
  • P (k) in the equation is the probability of the load torque value Tk.
  • the probability density function is represented by a normal distribution if the variation in load torque value is random. At this time, if the graph is plotted with the horizontal axis as the load torque value and the vertical axis as the probability density, it is represented by the histogram shown in FIG. The probability density of the average value is the highest, and the curve becomes a gentle curve centering on the average value.
  • Step 101 to Step 105 the operation from Step 101 to Step 105 is performed to obtain a histogram, and the curve at this time is normal.
  • the normal curve storage unit 33, the average value storage unit 33a, and the standard deviation storage unit 33b are stored as a time histogram.
  • selection criteria for the normal curve for example, a curve having a normal distribution with a good curve shape and a relatively large average value is selected.
  • the normal histogram stored in the normal curve storage unit 33 in this way is a criterion for abnormality determination.
  • the abnormality determination unit 24 compares the normal histogram stored in the normal curve storage unit 33 with the histogram obtained by the histogram calculation unit 23 to determine whether there is an abnormality.
  • abnormality for example, as shown in FIG. 7, when the average value of the load torque value is shifted to the larger one with respect to the normal histogram, and when there are two or more peaks in the histogram as shown in FIG. It may be the case.
  • the configuration is such that the peak location of the histogram is first counted, and when there is one peak location, the Mahalanobis distance determination unit 24a determines, and when there are two or more peak locations, the peak number determination unit 24b determines. It has become.
  • the peak position of the histogram can be calculated by a differentiation method.
  • the Mahalanobis distance determination unit 24a will be described. As shown in FIG. 7, when the average value of the histogram is larger than the average value in the normal state, there is a possibility that, for example, the wear deterioration of the bearing of the electric motor 7 or the wear deterioration of the mechanical equipment 8 may occur. As shown in FIG. 8, the Mahalanobis distance determination unit 24a calculates the Mahalanobis distance from the normal time with respect to the average value and the standard deviation, and determines that it is abnormal when it is larger than a preset threshold value. For example, the threshold value is calculated by obtaining a maximum deviation 3 ⁇ when a normal curve is determined from a curve measured a plurality of times, for example. Further, by using the past histogram information stored in the histogram storage unit 34 in time series, the trend analysis of the Mahalanobis distance is performed as shown in FIG. It is also possible to monitor the deterioration trend.
  • the peak number determination unit 24b will be described. As shown in FIG. 10, when there are two or more peak portions in the histogram, there is a high possibility that a torque abnormality has occurred periodically. For example, in the case of an abnormal gear failure, a periodic load torque may be applied in a period obtained by dividing the rotation frequency by the reduction ratio, resulting in a periodic torque abnormality. As shown in FIG. 11, the peak number determination unit 24b calculates the peak ratio by B / A, where A is the peak value having the largest value and B is the second peak value, and the calculated peak ratio. By setting a threshold value for, periodic torque abnormality can be detected.
  • the peak ratio between the peak value having the largest value and the peak value having the second largest value may be calculated. Further, by using the historical histogram information stored in the histogram storage unit 34 in time series, the trend analysis of the peak ratio is performed as shown in FIG. The trend of abnormal occurrence can also be monitored.
  • step 107 If it is determined in step 107 that the Mahalanobis distance determination unit 24a or the peak number determination unit 24b of the abnormality determination unit 24 is abnormal, the process proceeds to step 108, and an alarm is output from the alarm output unit 42 with an alarm sound or an abnormal lamp. To do. In general, since the control center where the motor diagnosis device 9 is used is installed and managed in an electric room, a plurality of electric motors 7 and The machine facility 8 can be monitored. Finally, in step 109, the histogram data obtained by the histogram calculation unit 23 is stored in the histogram storage unit 34 of the storage unit 30 in time series, and the process ends. When trend analysis is performed, the data should be saved.
  • the load torque behavior is similar if the combination of the same mechanical equipment and the same output electric motor. That is, failure detection accuracy can be improved by simultaneous management of a plurality of facilities instead of individual management.
  • an abnormality diagnosis method that focuses on the probability density function of current instead of an abnormality diagnosis based on load torque is also conceivable, a failure in a load facility such as the electric motor 7 or the mechanical facility 8 is easily reflected in the load torque. It is better to focus on the load torque.
  • the electric motor diagnosis device of the present invention is naturally applicable to a high-efficiency electric motor.
  • the rated rotational speed is higher than that of a general-purpose electric motor, and the amount of work increases and the output of the electric motor increases as the rotational speed increases. For this reason, the current that flows through the motor exceeds the rated torque that is the specification of the motor, and in the worst case, it may cause a failure that leads to burning of the motor.
  • the diagnostic monitoring by the load torque of the present invention is also useful from the viewpoint of preventing such a failure.
  • the embodiments can be freely combined within the scope of the invention, and the embodiments can be appropriately modified or omitted.

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Control Of Electric Motors In General (AREA)
  • Tests Of Circuit Breakers, Generators, And Electric Motors (AREA)

Abstract

負荷が変動する電動機においても、サンプリング入力した電圧および電流情報から演算した負荷トルクを統計処理することによって、電動機の異常の有無を診断することができる電動機の診断装置を提供する。　電圧入力部１１からサンプリング入力した電圧と、電流入力部１２からサンプリング入力した電流を使用して、論理演算部２０で負荷トルクを演算し、得られたサンプリング個数の負荷トルクをヒストグラム化して、予め記憶部３０に保存しておいた正常時のヒストグラムと比較することにより、電動機７の異常の有無を判定する。　

Description

電動機の診断装置
　この発明は、例えば閉鎖配電盤であるコントロールセンタなどで使用され、電動機の異常の有無を診断する電動機の診断装置に関するものである。
　従来、電動機の入力電圧と電流およびモータ速度のリアルタイム情報を測定して、モデリングされた結果と測定された結果とを比較し、それぞれの信号を減算することによって生成される誤差に関する比較結果を評価するとともに、診断オブザーバで誤差を分析して電動機の故障の有無を判定するモデル・ベースの故障検出システムが提案されている。（例えば、特許文献１）
特表２０００－５１３０９７号公報
　従来のモデル・ベースの故障検出システムにおいては、電動機の入力電圧と電流およびモータ速度のリアルタイム情報を測定して、モデリングされた結果と測定された結果とを比較するものであるため、基準となるモデルが必要なうえ測定したリアルタイム情報と比較して故障の有無を判定するので、負荷変動の大きい電動機に適用するのは困難であるという課題があった。
　この発明は以上のような課題を解決するためになされたもので、負荷が変動する電動機においても、サンプリング入力した電圧および電流情報から演算した負荷トルクを統計処理することによって、電動機の異常の有無を診断することができる電動機の診断装置を提供することを目的とする。
　この発明に係る電動機の診断装置は、電動機が接続された主回路からサンプリング入力された電圧および電流を使用して前記電動機の負荷トルクを演算する負荷トルク演算部と、前記負荷トルク演算部で演算されたサンプリング個数の負荷トルクの確率密度関数の平均値と標準偏差を算出してヒストグラム化するヒストグラム演算部と、正常時の負荷トルクのヒストグラムを予め求めて記憶した正常曲線記憶部と、前記正常曲線記憶部に記憶されている正常時のヒストグラムと前記ヒストグラム演算部で求められたヒストグラムを比較して前記電動機の異常の有無を判定する異常判定部とを備えていることを特徴とするものである。
　この発明によれば、電動機が接続された主回路からサンプリング入力された電圧および電流を使用して前記電動機の負荷トルクを演算する負荷トルク演算部と、前記負荷トルク演算部で演算されたサンプリング個数の負荷トルクの確率密度関数の平均値と標準偏差を算出してヒストグラム化するヒストグラム演算部と、正常時の負荷トルクのヒストグラムを予め求めて記憶した正常曲線記憶部と、前記正常曲線記憶部に記憶されている正常時のヒストグラムと前記ヒストグラム演算部で求められたヒストグラムを比較して前記電動機の異常の有無を判定する異常判定部とを備えているため、サンプリング入力した電圧および電流情報から演算したサンプリング個数の負荷トルクを統計処理することによって、電動機の異常の有無を診断することができる電動機の診断装置を得ることができる効果がある。
この発明の実施の形態１における電動機の診断装置の設置状況を示す概略構成図である。 この発明の実施の形態１における電動機の診断装置の論理演算部の構成を示すブロック図である。 この発明の実施の形態１における電動機の診断装置の記憶部の構成を示すブロック図である。 この発明の実施の形態１における電動機の診断装置のサンプリング速度と忘却係数およびスケールファクタの関係を説明する説明図である。 この発明の実施の形態１における電動機の診断装置の動作を説明するフロー図である。 この発明の実施の形態１における電動機の診断装置の負荷トルクのヒストグラムを説明する説明図である。 この発明の実施の形態１における電動機の診断装置の正常時のヒストグラムよりも異常時のヒストグラムのピーク箇所がずれている場合を説明する説明図である。 この発明の実施の形態１における電動機の診断装置のヒストグラムにおけるマハラノビス距離を説明する説明図である。 この発明の実施の形態１における電動機の診断装置のマハラノビス距離によるしきい値判定を説明する説明図である。 この発明の実施の形態１における電動機の診断装置の正常時のヒストグラムに対して異常時のヒストグラムのピーク箇所が２カ所ある場合を説明する説明図である。 この発明の実施の形態１における電動機の診断装置の異常時のヒストグラムの２カ所のピーク箇所のピーク比を説明する説明図である。 この発明の実施の形態１における電動機の診断装置のピーク比によるしきい値判定を説明する説明図である。
　以下、この発明の実施の形態について説明するが、各図において同一、または相当部分については同一符号を付して説明する。
実施の形態１．
　図１はこの発明の実施の形態１における電動機の診断装置の設置状況を示す概略構成図、図２はこの発明の実施の形態１における電動機の診断装置の論理演算部の構成を示すブロック図、図３はこの発明の実施の形態１における電動機の診断装置の記憶部の構成を示すブロック図、図４はこの発明の実施の形態１における電動機の診断装置のサンプリング速度と忘却係数およびスケールファクタの関係を説明する説明図、図５はこの発明の実施の形態１における電動機の診断装置の動作を説明するフロー図、図６はこの発明の実施の形態１における電動機の診断装置の負荷トルクのヒストグラムを説明する説明図、図７はこの発明の実施の形態１における電動機の診断装置の正常時のヒストグラムよりも異常時のヒストグラムのピーク箇所がずれている場合を説明する説明図、図８はこの発明の実施の形態１における電動機の診断装置のヒストグラムにおけるマハラノビス距離を説明する説明図、図９はこの発明の実施の形態１における電動機の診断装置のマハラノビス距離によるしきい値判定を説明する説明図、図１０はこの発明の実施の形態１における電動機の診断装置の正常時のヒストグラムに対して異常時のヒストグラムのピーク箇所が２カ所ある場合を説明する説明図、図１１はこの発明の実施の形態１における電動機の診断装置の異常時のヒストグラムの２カ所のピーク箇所のピーク比を説明する説明図、図１２はこの発明の実施の形態１における電動機の診断装置のピーク比によるしきい値判定を説明する説明図である。
　図１において、電力系統１から引き込まれた主回路２には、配線用遮断器３と電磁接触器４と、三相の主回路２の相間電圧を二相間分検出する計器用変圧器などの電圧検出器５と、主回路２の二相分の負荷電流を検出する計器用変成器などの電流検出器６が設けられている。主回路２には負荷である三相誘導電動機などの電動機７が接続され、電動機７により機械設備８が運転駆動される。電動機の診断装置９は主に閉鎖配電盤であるコントロールセンタで使用されるものであり、電動機の診断装置９は入力部１０と論理演算部２０と記憶部３０と出力部４０により構成されている。
　入力部１０には電圧検出器５で検出された電圧を予め設定されているサンプリング速度で入力（以下、サンプリング入力と称す）する電圧入力部１１と、電流検出器６で検出された電流をサンプリング入力する電流入力部１２と、サンプリング速度を設定するサンプリング速度設定部１３と、電動機７の定格情報等を入力する定格情報入力部１４が設けられている。
　サンプリング速度設定部１３は、例えば１秒間に１００個のサンプリング速度で１０秒間サンプリングすることを設定する。これにより１０００個のサンプリングされたデータが得られることとなる。設定されたサンプリング速度等は記憶部３０の図３に示すサンプリング速度記憶部３１に記憶される。
　定格情報入力部１４は、電源周波数や電動機７の定格出力、定格電圧、定格電流、定格回転数等および負荷トルクの演算に使用される磁極数ならびに巻線抵抗値等を予め入力しておくもので、入力された定格情報等は記憶部３０の図３に示す定格情報記憶部３２に記憶される。定格情報等は、電動機７の製造会社のカタログまたは電動機７に取付けられている銘板を見ることで容易に取得可能な情報である。なお、診断対象の電動機７が複数台ある場合には、予め全ての診断対象の電動機７の定格情報を入力しておく必要がある。
　論理演算部２０の構成について図２にもとづき説明する。論理演算部２０には、電圧入力部１１から入力された電圧および電流入力部１２から入力された電流を負荷トルクの演算に適したｄ軸方向およびｑ軸方向（以下ｄｑ軸方向と称す）の電圧および電流に変換するｄｑ変換演算部２１と、ｄｑ変換演算部２１で変換された電圧および電流を使用して負荷トルクを演算する負荷トルク演算部２２と、負荷トルク演算部２２で演算されたサンプリング個数の負荷トルクを使用してヒストグラムを求めるヒストグラム演算部２３と、ヒストグラム演算部２３で求められたヒストグラムと予め記憶部３０の図３に示す正常曲線記憶部３３に記憶されている正常時のヒストグラムを比較することにより電動機７および機械設備８の異常の有無を判定する異常判定部２４が設けられている。
　また、負荷トルク演算部２２で使用されるデータを予め求めて設定するものとして、電動機７の固定子巻線の巻線抵抗値Ｒｓを求める巻線抵抗値演算部２２ａと、サンプリング速度から忘却係数ｋｆを演算する忘却係数演算部２２ｂおよびスケールファクタαを演算するスケールファクタ演算部２２ｃが設けられている。
　一般に、電動機７の固定子巻線の温度が上昇すると巻線抵抗値Ｒｓが増えるため、例えば電動機７の製造メーカ等で試験して得られた巻線抵抗値Ｒｓと温度の相関関係を予め定格情報記憶部３２に設定しておいて、電圧および電流のサンプリングを行う時の固定子巻線の温度を検出入力して、巻線抵抗値演算部２２ａで設定された相関関係から巻線抵抗値Ｒｓを精度よく求めることが可能である。なお、巻線抵抗値Ｒｓは検出した電圧および電流から演算して求める方法もあり、巻線抵抗値演算部２２ａの演算は、上記説明の方法に限定されるものではない。
　サンプリング速度と忘却係数ｋｆおよびスケールファクタαは図４に示す相関関係があるため、例えば診断装置の製造メーカ側で予め実測した結果得られた図４の相関関係をデータテーブルとして記憶部３０に設定しておいて、サンプリング速度設定部１３からサンプリング速度等が設定されたときに、記憶されているデータテーブルを使用して、忘却係数演算部２２ｂで忘却係数ｋｆを求めるとともにスケールファクタ演算部２２ｃでスケールファクタαを求めて、図３に示すサンプリング速度記憶部３１に設定記憶しておく。サンプリング速度は最初に一度設定されるとその電動機に対しては同じ条件でのサンプリング速度が以降の診断時の全てに適用される。
　ヒストグラム演算部２３には、負荷トルク演算部２２で求められたサンプリング個数の負荷トルクの平均値を演算する平均値演算部２３ａと、標準偏差を演算する標準偏差演算部２３ｂが設けられている。
　異常判定部２４には、後で詳細に動作説明する異常の状態に応じて異常の有無を判定するマハラノビス距離判定部２４ａとピーク数判定部２４ｂが設けられている。
　記憶部３０の構成について図３にもとづき説明する。記憶部３０には、サンプリング速度設定部１３によって設定されたサンプリング速度等を記憶するサンプリング速度記憶部３１と、定格情報入力部１４から入力された電動機７の定格情報等を記憶する定格情報記憶部３２と、異常判定の基準となる正常時のヒストグラムを記憶する正常曲線記憶部３３と、ヒストグラム演算部２３で求められたヒストグラムを時系列で保存するヒストグラム保存部３４が設けられている。
　また、正常曲線記憶部３３には、正常時のヒストグラムの元データである平均値と標準偏差をそれぞれ記憶する平均値記憶部３３ａと標準偏差記憶部３３ｂが設けられており、ヒストグラム保存部３４には、ヒストグラムの元データである平均値と標準偏差をそれぞれ保存する平均値保存部３４ａと標準偏差保存部３４ｂが設けられている。
　出力部４０には、異常判定部２４で比較した正常時と異常時のヒストグラムの比較結果やマハラノビス距離判定部２４ａでマハラノビス距離をトレンド解析した結果およびピーク数判定部２４ｂでピーク比をトレンド解析した結果などを表示出力する統計結果出力部４１と、異常判定部２４で異常と判定したときに例えば警報音を鳴らしたり異常ランプを点灯させるなどの警報出力を行う警報出力部４２が設けられている。
　次に、図５に示すフロー図にもとづき動作説明をする。電動機の診断装置９は、例えば１０分間隔など所定の時間間隔で起動されて電動機７等の異常診断を実施する。
　ステップ１０１において、電圧入力部１１から二相間分の電圧ｖｕｖとｖｖｗがサンプリング速度設定部１３で設定されサンプリング速度記憶部３１に記憶されているサンプリング速度で入力されるとともに、電流入力部１２から二相分の電流ｉｕとｉｖがサンプリング入力される。
　ステップ１０２において、ｄｑ変換演算部２１は入力された電圧および電流をｄｑ軸方向の電圧および電流に変換する。
　ｄｑ変換演算部２１での演算について説明する。まず、三相電流をｄｑ変換する場合には、三相ｕｖｗが平衡している状態では二相分の電流情報だけで十分であるため、電流入力部１２から入力した二相分の電流ｉｕとｉｖを使用して、ｄ軸方向の電流ｉｄとｑ軸方向の電流ｉｑを式（１）に示す変換式によって演算する。
Figure JPOXMLDOC01-appb-M000001
　同様に電圧についても二相分の電圧情報だけで十分であるが、電圧は通常では線間電圧を測定する場合が多いため、電圧入力部１１から入力した二相間分の電圧ｖｕｖとｖｖｗ（添字のｕｖはｕ相とｖ相間、ｖｗはｖ相とｗ相間を示す）を使用して、ｄ軸方向の電圧ｖｄとｑ軸方向の電圧ｖｑを式（２）に示す変換式によって演算する。
Figure JPOXMLDOC01-appb-M000002
　ステップ１０３において、負荷トルク演算部２２はｄｑ変換演算部２１で変換されたｄｑ軸方向の電圧および電流を使用して負荷トルクを演算する。
　負荷トルク演算部２２での演算について説明する。負荷トルク演算部２２では、ｄｑ変換演算部２１で演算して求められたｄｑ軸方向の電流ｉｄ，ｉｑと、予め定格情報入力部１４から入力され定格情報記憶部３２に記憶されている電動機７の磁極数Ｐｐと、電動機７の固定子巻線のｄｑ軸方向の鎖交磁束φｄ，φｑとによって負荷トルクＴｅを式（３）によって演算する。
Figure JPOXMLDOC01-appb-M000003
　ここで、ｄｑ軸方向の鎖交磁束φｄ，φｑは式（４）から式（９）によって演算して求めることができる。式（４）と式（５）は微分表示しているため、数値解析して表したものが式（６）と式（７）であり、式（６）と式（７）を演算した結果にスケールファクタαをそれぞれ積算して式（８）と式（９）で演算したものが鎖交磁束の最終結果として得られる同定値である。式（８）の演算結果が鎖交磁束φｄに相当し、式（９）の演算結果が鎖交磁束φｑに相当する。
Figure JPOXMLDOC01-appb-M000004
Figure JPOXMLDOC01-appb-M000005
Figure JPOXMLDOC01-appb-M000006
Figure JPOXMLDOC01-appb-M000007
Figure JPOXMLDOC01-appb-M000008
Figure JPOXMLDOC01-appb-M000009
　なお、式（４）から式（９）で使用している各記号については以下のデータを表すものである。ｖｄおよびｖｑはｄｑ変換演算部２１で演算されたｄｑ軸方向の電圧、ｉｄおよびｉｑはｄｑ変換演算部２１で演算されたｄｑ軸方向の電流、Ｒｓは巻線抵抗値演算部２２ａで演算された巻線抵抗値、ｋｆは忘却係数演算部２２ｂで演算された忘却係数、αはスケールファクタ演算部２２ｃで演算されたスケールファクタ、Ψは鎖交磁束の数値解析の記号、添字のｎはサンプリングのｎ番目の値を使用することを示す変数であり、添字のｎ－１はサンプリングのｎ－１番目の値を使用することを示す変数である。従ってｎは１，２，３・・・の値となる。Δｔはサンプリング時間幅を示すものでサンプリング速度によって決まる値であり、例えばサンプリング速度が１秒間に１００個であればサンプリング時間幅Δｔは０．０１となる。
　ステップ１０４において、上記ステップ１０１からステップ１０３までの動作をサンプリング完了まで繰り返すことによって、負荷トルク演算部２２で演算して求められた負荷トルクの値（以下負荷トルク値と称す）がサンプリング個数の例えば１０００個得られることとなる。
　ステップ１０５において、ヒストグラム演算部２３は負荷トルク演算部２２で求められたサンプリング個数の負荷トルク値を確率密度関数に表現する。そして、変数を負荷トルク値Ｔｋとした確率密度関数の平均値μと標準偏差σを、それぞれ平均値演算部２３ａと標準偏差演算部２３ｂで式（１０）および式（１１）によって算出する。式中のＰ（ｋ）は負荷トルク値Ｔｋの確率である。
Figure JPOXMLDOC01-appb-M000010
Figure JPOXMLDOC01-appb-M000011
　確率密度関数は、負荷トルク値のばらつきがランダムであれば正規分布で表現される。このとき、横軸を負荷トルク値とし、縦軸を確率密度にしてグラフ化すると、図６に示すヒストグラムで表現される。平均値の確率密度が最も高く、平均値を中心としてなだらかな曲線となる。
　ここで、電動機の診断装置９を導入する初期設定として実施する必要のある正常曲線の取得について説明しておく。設備導入初期の比較的新しい電動機７および機械設備８で故障が無い状態であると断定できる時点で、上記ステップ１０１からステップ１０５の動作を実施してヒストグラムを得て、この時の曲線を正常時として正常曲線記憶部３３に記憶するものであるが、測定時点の負荷状態のばらつきによって平均値と標準偏差にばらつきがあるため、複数回測定して最も適切と思われる曲線を選定して、正常時のヒストグラムとして正常曲線記憶部３３および平均値記憶部３３ａならびに標準偏差記憶部３３ｂに記憶する。正常曲線の選定基準としては、例えば正規分布の曲線形状が良くて平均値が比較的大きいものなどを選定する。このようにして正常曲線記憶部３３に記憶された正常時のヒストグラムは異常判定の基準となるものである。
　ステップ１０６において、異常判定部２４は、正常曲線記憶部３３に記憶されている正常時のヒストグラムと、ヒストグラム演算部２３で求められたヒストグラムとを比較して異常の有無を判定する。異常の形態としては、例えば図７に示すように正常時のヒストグラムに対して負荷トルク値の平均値が大きい方にずれている場合と、図１０に示すようにヒストグラムに二個以上のピークが発生している場合が考えられる。従って、最初にヒストグラムのピーク箇所をカウントして、ピーク箇所が一個の場合にはマハラノビス距離判定部２４ａで判定し、ピーク箇所が二個以上ある場合にはピーク数判定部２４ｂで判定する構成となっている。ヒストグラムのピーク箇所は微分法により算出可能である。
　マハラノビス距離判定部２４ａについて説明する。図７に示すようにヒストグラムの平均値が正常時の平均値よりも大きい場合には、例えば電動機７の軸受の摩耗劣化や機械設備８の摩耗劣化などの可能性がある。マハラノビス距離判定部２４ａは、図８に示すように平均値と標準偏差に関して正常時からのマハラノビス距離を算出し、予め設定しているしきい値よりも大きい場合に異常と判定する。しきい値の算出方法は、例えば複数回測定した曲線から正常曲線を決定したときなどに最大偏差３σを求めて、最大偏差３σ以上乖離したときをしきい値として異常と判定する。また、ヒストグラム保存部３４に時系列で保存されている過去のヒストグラム情報を利用して、図９に示すようにマハラノビス距離のトレンド解析を実施して、統計結果出力部４１に表示出力することで、劣化トレンドを監視することもできる。
　ピーク数判定部２４ｂについて説明する。図１０に示すようにヒストグラムにピーク箇所が二個以上ある場合には、周期的にトルク異常が発生している可能性が高い。例えばギア不良の異常の場合、回転周波数を減速比で除算した周期で周期的な負荷トルクが掛ることで、周期的なトルク異常となることがある。ピーク数判定部２４ｂは、図１１に示すように最も値の大きいピーク値をＡとし、二番目に値の大きいピーク値をＢとすると、ピーク比をＢ／Ａにより演算し、演算したピーク比に対してしきい値を設定することで、周期的なトルク異常を検出可能となる。仮に、ヒストグラムに三個以上のピーク箇所が検出されたとしても、最も値の大きいピーク値と二番目に値の大きいピーク値のピーク比を演算すればよい。また、ヒストグラム保存部３４に時系列で保存されている過去のヒストグラム情報を利用して、図１２に示すようにピーク比のトレンド解析を実施して、統計結果出力部４１に表示出力することで、異常発生のトレンドを監視することもできる。
　ステップ１０７において、異常判定部２４のマハラノビス距離判定部２４ａまたはピーク数判定部２４ｂで異常と判定された場合には、ステップ１０８に進み、警報出力部４２から警報音または異常ランプ等で警報を出力する。一般に、電動機の診断装置９が使用されるコントロールセンタは、電気室に設置され管理されているため、電動機７の稼働している場所に出向くことなく、電気室で容易に複数台の電動機７や機械設備８の監視を行うことが可能となる。
　最後に、ステップ１０９において、ヒストグラム演算部２３で求められたヒストグラムのデータを記憶部３０のヒストグラム保存部３４に時系列で保存して処理を終了する。
　なお、トレンド解析を実施した場合には、そのデータも保存しておくとよい。
　以上説明したように、電動機が接続された主回路からサンプリング入力した電圧および電流情報から演算したサンプリング個数の負荷トルクを統計処理することによって、電動機の異常の有無を診断することができる。
　なお、上記実施の形態１の説明では、入力された電圧および電流をｄｑ変換演算部２１でｄｑ軸方向の電圧および電流に変換する場合について説明したが、この変換機能を電圧入力部１１および電流入力部１２に持たせるように構成されていてもよい。
　さらに、異常判定の精度を向上させるためには、複数台の電動機と機械設備のデータを一元的に管理して、データ解析する手法が好ましい。例えば、同様の出力の電動機と同様の機械設備の組み合わせであれば、負荷トルクの挙動も類似する。すなわち、個別管理ではなく複数設備の同時管理によって、故障検出精度を向上させることが可能となる。
　また、負荷トルクによる異常診断ではなく電流の確率密度関数に着目した異常診断手法も考えられるが、電動機７や機械設備８などの負荷設備の故障は負荷トルクに反映されやすいため、本件発明のように負荷トルクに着目した方がよい。
　さらに、本件発明の電動機の診断装置は、高効率電動機にも当然適用可能である。高効率電動機では、定格回転速度が汎用電動機に比べ高くなり、回転速度上昇により仕事量が増加して電動機の出力が増加することとなる。このため、電動機の仕様である定格トルクを超えて電動機に流れる電流が増加し、最悪の場合には電動機の焼損に至る故障を引き起こす可能性もある。本件発明の負荷トルクによる診断監視は、このような故障を防ぐという観点からも有用である。
　なお、この発明は、その発明の範囲内において実施の形態を自由に組み合わせたり、実施の形態を適宜、変形、省略することが可能である。
１　電力系統、２　主回路、３　配線用遮断器、４　電磁接触器、５　電圧検出器、６　電流検出器、７　電動機、８　機械設備、９　電動機の診断装置、１０　入力部、１１　電圧入力部、１２　電流入力部、１３　サンプリング速度設定部、１４　定格情報入力部、２０　論理演算部、２１　ｄｑ変換演算部、２２　負荷トルク演算部、２３　ヒストグラム演算部、２４　異常判定部、３０　記憶部、３１　サンプリング速度記憶部、３２　定格情報記憶部、３３　正常曲線記憶部、３４　ヒストグラム保存部、４０　出力部、４１　統計結果出力部、４２　警報出力部　

Claims (4)

  1. 　電動機が接続された主回路からサンプリング入力された電圧および電流を使用して前記電動機の負荷トルクを演算する負荷トルク演算部と、前記負荷トルク演算部で演算されたサンプリング個数の負荷トルクの確率密度関数の平均値と標準偏差を算出してヒストグラム化するヒストグラム演算部と、正常時の負荷トルクのヒストグラムを予め求めて記憶した正常曲線記憶部と、前記正常曲線記憶部に記憶されている正常時のヒストグラムと前記ヒストグラム演算部で求められたヒストグラムを比較して前記電動機の異常の有無を判定する異常判定部とを備えていることを特徴とする電動機の診断装置。
  2. 　前記異常判定部は前記ヒストグラム演算部で求められたヒストグラムのピーク箇所が正常時のピーク箇所からずれているとき、前記ヒストグラム演算部で求められたヒストグラムの平均値と標準偏差に関する正常時からのマハラノビス距離を算出して異常判定することを特徴とする請求項１に記載の電動機の診断装置。
  3. 　前記異常判定部は前記ヒストグラム演算部で求められたヒストグラムにピーク箇所が二個以上あるとき、最も値の大きいピーク値と二番目に値の大きいピーク値との比を算出して異常判定することを特徴とする請求項１に記載の電動機の診断装置。
  4. 　前記異常判定部は保存されている過去のヒストグラム情報を使用してトレンド解析することを特徴とする請求項１から３のいずれか一項に記載の電動機の診断装置。
PCT/JP2016/071705 2016-07-25 2016-07-25 電動機の診断装置 Ceased WO2018020545A1 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
PCT/JP2016/071705 WO2018020545A1 (ja) 2016-07-25 2016-07-25 電動機の診断装置
EP16910449.4A EP3489700B1 (en) 2016-07-25 2016-07-25 Electric motor diagnosis device
CN201680087608.XA CN109477869B (zh) 2016-07-25 2016-07-25 电动机的诊断装置
KR1020197000145A KR102104117B1 (ko) 2016-07-25 2016-07-25 전동기의 진단 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2016/071705 WO2018020545A1 (ja) 2016-07-25 2016-07-25 電動機の診断装置

Publications (1)

Publication Number Publication Date
WO2018020545A1 true WO2018020545A1 (ja) 2018-02-01

Family

ID=61017415

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2016/071705 Ceased WO2018020545A1 (ja) 2016-07-25 2016-07-25 電動機の診断装置

Country Status (4)

Country Link
EP (1) EP3489700B1 (ja)
KR (1) KR102104117B1 (ja)
CN (1) CN109477869B (ja)
WO (1) WO2018020545A1 (ja)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108445393A (zh) * 2018-05-02 2018-08-24 湖南大学 一种永磁同步电机故障检测方法和系统
WO2020137362A1 (ja) * 2018-12-26 2020-07-02 日本電産株式会社 判定装置、モータ装置及びプログラム
JP2021012199A (ja) * 2019-07-08 2021-02-04 テクトロニクス・インコーポレイテッドＴｅｋｔｒｏｎｉｘ，Ｉｎｃ． 試験測定装置及び被試験デバイスの性能測定方法
WO2022024421A1 (ja) * 2020-07-31 2022-02-03 三菱重工業株式会社 回転機械の診断装置、診断方法及び診断プログラム
WO2022024422A1 (ja) * 2020-07-31 2022-02-03 三菱重工業株式会社 回転機械の診断装置、診断方法及び診断プログラム

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7191807B2 (ja) * 2019-11-29 2022-12-19 株式会社日立製作所 診断装置および診断方法
DE112020007232T5 (de) * 2020-05-25 2023-03-16 Mitsubishi Electric Corporation Motor-diagnosevorrichtung
TWI763287B (zh) * 2021-01-29 2022-05-01 凌華科技股份有限公司 具有偵錯功能之馬達命令輸出模組及馬達命令偵錯方法
JP7643124B2 (ja) * 2021-03-23 2025-03-11 富士電機株式会社 モータの異常診断装置、異常診断方法及び異常診断プログラム
CN114545117A (zh) * 2022-01-24 2022-05-27 东华大学 基于拟合概率密度函数的工业机器人关节异常检测方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002010681A (ja) * 2000-06-16 2002-01-11 Aisin Seiki Co Ltd モータ駆動装置
JP2003070287A (ja) * 2001-08-28 2003-03-07 Yaskawa Electric Corp 診断機能を備えたモータ制御装置
JP2005012879A (ja) * 2003-06-17 2005-01-13 Yaskawa Electric Corp モータ制御装置
JP2006158031A (ja) * 2004-11-26 2006-06-15 Yaskawa Electric Corp モータ制御装置およびその制御方法
JP2011257362A (ja) * 2010-06-11 2011-12-22 Takada Corp 回転機械系の異常診断方法
JP2013106470A (ja) * 2011-11-15 2013-05-30 Tokyo Keiki Inc モータの異常診断装置
WO2016103909A1 (ja) * 2014-12-26 2016-06-30 三菱電機株式会社 電動機の診断装置

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TR199600527A2 (xx) 1996-06-24 1998-01-21 Ar�El�K A.�. Elektrik motorlar� i�in model bazl� hata tespit ve te�his sistemi.
US6262550B1 (en) * 1999-12-17 2001-07-17 General Electric Company Electrical motor monitoring system and method
US7254514B2 (en) * 2005-05-12 2007-08-07 General Electric Company Method and system for predicting remaining life for motors featuring on-line insulation condition monitor
KR101224435B1 (ko) * 2011-06-20 2013-01-22 현대엘리베이터주식회사 전동기의 속도 및 구동 모드에 대한 실부하 측정장치 및 그 방법
JP5991042B2 (ja) * 2011-06-29 2016-09-14 Ｊｆｅスチール株式会社 異常監視システムおよび異常監視方法
PL3068273T3 (pl) * 2013-11-12 2020-07-27 Koninklijke Philips N.V. Młynek do kawy i sposób mielenia kawy
CN104215905A (zh) * 2014-09-05 2014-12-17 浙江工业大学 一种基于马田系统和Box-Cox变换的电机故障诊断方法
JP6238928B2 (ja) * 2015-04-03 2017-11-29 三菱電機株式会社 電動機の診断装置
CN105403834B (zh) * 2015-12-22 2019-04-12 华北电力大学 一种发电机动态状态估计方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002010681A (ja) * 2000-06-16 2002-01-11 Aisin Seiki Co Ltd モータ駆動装置
JP2003070287A (ja) * 2001-08-28 2003-03-07 Yaskawa Electric Corp 診断機能を備えたモータ制御装置
JP2005012879A (ja) * 2003-06-17 2005-01-13 Yaskawa Electric Corp モータ制御装置
JP2006158031A (ja) * 2004-11-26 2006-06-15 Yaskawa Electric Corp モータ制御装置およびその制御方法
JP2011257362A (ja) * 2010-06-11 2011-12-22 Takada Corp 回転機械系の異常診断方法
JP2013106470A (ja) * 2011-11-15 2013-05-30 Tokyo Keiki Inc モータの異常診断装置
WO2016103909A1 (ja) * 2014-12-26 2016-06-30 三菱電機株式会社 電動機の診断装置

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108445393A (zh) * 2018-05-02 2018-08-24 湖南大学 一种永磁同步电机故障检测方法和系统
CN108445393B (zh) * 2018-05-02 2019-10-29 湖南大学 一种永磁同步电机故障检测方法和系统
WO2020137362A1 (ja) * 2018-12-26 2020-07-02 日本電産株式会社 判定装置、モータ装置及びプログラム
JP2021012199A (ja) * 2019-07-08 2021-02-04 テクトロニクス・インコーポレイテッドＴｅｋｔｒｏｎｉｘ，Ｉｎｃ． 試験測定装置及び被試験デバイスの性能測定方法
US12088223B2 (en) 2019-07-08 2024-09-10 Tektronix, Inc. DQ0 and inverse DQ0 transformation for three-phase inverter, motor and drive design
JP7642330B2 (ja) 2019-07-08 2025-03-10 テクトロニクス・インコーポレイテッド 試験測定装置及び被試験デバイスの性能測定方法
WO2022024421A1 (ja) * 2020-07-31 2022-02-03 三菱重工業株式会社 回転機械の診断装置、診断方法及び診断プログラム
WO2022024422A1 (ja) * 2020-07-31 2022-02-03 三菱重工業株式会社 回転機械の診断装置、診断方法及び診断プログラム
JP2022026633A (ja) * 2020-07-31 2022-02-10 三菱重工業株式会社 回転機械の診断装置、診断方法及び診断プログラム
JP2022026620A (ja) * 2020-07-31 2022-02-10 三菱重工業株式会社 回転機械の診断装置、診断方法及び診断プログラム
JP7451340B2 (ja) 2020-07-31 2024-03-18 三菱重工業株式会社 回転機械の診断装置、診断方法及び診断プログラム
JP7453875B2 (ja) 2020-07-31 2024-03-21 三菱重工業株式会社 回転機械の診断装置、診断方法及び診断プログラム

Also Published As

Publication number Publication date
CN109477869B (zh) 2021-02-26
EP3489700B1 (en) 2020-08-19
CN109477869A (zh) 2019-03-15
KR20190014074A (ko) 2019-02-11
EP3489700A4 (en) 2019-07-31
EP3489700A1 (en) 2019-05-29
KR102104117B1 (ko) 2020-04-23

Similar Documents

Publication Publication Date Title
JP6238928B2 (ja) 電動機の診断装置
WO2018020545A1 (ja) 電動機の診断装置
KR102427372B1 (ko) 이상 진단 장치, 이상 진단 방법 및 이상 진단 시스템
CN107155353B (zh) 电动机的诊断装置
EP3054307A1 (en) Stator fault detection and diagnosis
JP6316510B1 (ja) 電動機の診断装置
KR101823140B1 (ko) 인버터 고장 진단 방법 및 그 장치
JP2005251185A (ja) 電気設備診断システム
JP2016195524A (ja) 電動機の診断装置
KR20230154992A (ko) 이상 진단 장치 및 이상 진단 방법
EP3376242B1 (en) Electric motor diagnosis device
JPWO2016103909A1 (ja) 電動機の診断装置
US10444288B2 (en) Abnormality diagnosing device and abnormality diagnosing method
CN116990683B (zh) 一种基于电变量的驱动电机堵转检测系统及检测方法
WO2016151708A1 (ja) 電機品の故障検出装置および故障検出方法
JP5985158B2 (ja) 電気設備の良否診断システム
JP7643124B2 (ja) モータの異常診断装置、異常診断方法及び異常診断プログラム
JP6113384B1 (ja) 電動機の診断装置
JP6457583B2 (ja) 異常診断装置および異常診断方法
Araújo et al. A Digital Twin Approach to Smart Monitoring and Fault Diagnosis
JP6867812B2 (ja) 回転機の短絡診断装置および回転機の短絡診断方法
US12174256B2 (en) Device monitoring device and device monitoring method
JP2008011622A (ja) インバータ装置とその交流電動機診断、及び診断結果表示方法
Zhang et al. A Model-Based Method for Fault Detection and Isolation of Electric Drive Systems
CA3158441A1 (en) Systems and methods for providing voltage-less electrical signature analysis for fault protection

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 16910449

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 20197000145

Country of ref document: KR

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2016910449

Country of ref document: EP

Effective date: 20190225

NENP Non-entry into the national phase

Ref country code: JP