特開 2023-168210 回転機の劣化診断装置および劣化診断方法

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2023168210

(43)【公開日】2023-11-24

(54)【発明の名称】回転機の劣化診断装置および劣化診断方法

(51)【国際特許分類】

   G01R 31/34 20200101AFI20231116BHJP

   G01M 99/00 20110101ALI20231116BHJP

   H02P 29/024 20160101ALI20231116BHJP

【ＦＩ】

G01R31/34 A

G01M99/00 A

H02P29/024

【審査請求】未請求

【請求項の数】9

【出願形態】ＯＬ

(21)【出願番号】P 2022186113

(22)【出願日】2022-11-22

(31)【優先権主張番号】P 2022079141

(32)【優先日】2022-05-13

(33)【優先権主張国・地域又は機関】JP

(71)【出願人】

【識別番号】000006105

【氏名又は名称】株式会社明電舎

(74)【代理人】

【識別番号】100086232

【弁理士】

【氏名又は名称】小林 博通

(74)【代理人】

【識別番号】100092613

【弁理士】

【氏名又は名称】富岡 潔

(74)【代理人】

【識別番号】100104938

【弁理士】

【氏名又は名称】鵜澤 英久

(74)【代理人】

【識別番号】100210240

【弁理士】

【氏名又は名称】太田 友幸

(72)【発明者】

【氏名】中島 廣則

(72)【発明者】

【氏名】外田 脩

【テーマコード（参考）】

2G024

2G116

5H501

【Ｆターム（参考）】

2G024AD03

2G024AD25

2G024BA27

2G024CA18

2G024DA09

2G116BA01

2G116BA03

2G116BB02

2G116BC05

2G116BD01

2G116BD06

2G116BD07

5H501BB08

5H501BB09

5H501JJ03

5H501JJ04

5H501JJ12

5H501LL22

5H501LL53

5H501MM09

(57)【要約】

【課題】低サンプリング速度、低速ＣＰＵによって回転機の劣化を診断することができる回転機の劣化診断装置を提供する。
【解決手段】３相交流電源によって駆動される回転機の３相電流のうち、２相電流を計測する計測部１０１と、前記２相電流から正常データを学習する学習部１０２と、前記計測された２相電流を比較データとし、該比較データと前記学習した正常データを、正規化し、正規化したデータについて、リサジュー図形を作成し、リサジュー図形の散布点の有無から２値画像を生成し、前記正常データについて生成した２値画像の２値情報を１次元方向に並べたベクトルと、前記比較データについて生成した２値画像の２値情報を１次元方向に並べたベクトルとの類似度を求め、求められた類似度に基づいて前記回転機の劣化を診断する診断部１０３と、前記求められた類似度を記録する記録部１０４とを備えた。
【選択図】 図１

【特許請求の範囲】

【請求項1】

３相交流電源によって駆動される回転機に流れる３相電流のうち、２相電流を計測する電流計測部と、
前記電流計測部により計測された２相電流から正常データを学習する学習部と、
前記電流計測部により計測された２相電流を比較データとし、該比較データと前記学習部で学習した正常データを、最小値～最大値を０～１の範囲に各々正規化し、前記正規化した正常データおよび比較データ各々について、リサジュー図形を作成し、リサジュー図形の散布点の有無から２値画像を生成し、前記正常データについて生成した２値画像の２値情報を１次元方向に並べたベクトルと、前記比較データについて生成した２値画像の２値情報を１次元方向に並べたベクトルとの類似度を求め、求められた類似度に基づいて前記回転機の劣化を診断する診断部と、を備えたことを特徴とする回転機の劣化診断装置。

【請求項2】

３相交流電源によって駆動される回転機に流れる３相電流のうち、２相電流を計測する電流計測部と、
前記電流計測部により計測された２相電流から正常データを学習する学習部であって、前記計測された２相電流における、前記計測し設定した学習データと計測された比較データの類似度を算出し、前記算出した類似度が設定した類似度閾値以上となる回数が、設定した回数閾値以上であるときの学習データを正常データとする学習部と、
前記学習部で学習された正常データと、前記電流計測部により計測された２相電流の比較データとの類似度に基づいて前記回転機の劣化を診断する診断部と、
前記電流計測部により計測された２相電流を比較データとし、該比較データと、前記計測された２相電流における、計測し設定した学習データか、又は前記学習部で学習された正常データとを、最小値～最大値を０～１の範囲に各々正規化し、前記正規化した学習データ、正常データおよび比較データ各々について、リサジュー図形を作成し、リサジュー図形の散布点の有無から２値画像を生成し、前記学習データ又は正常データについて生成した２値画像の２値情報を１次元方向に並べたベクトルと、前記比較データについて生成した２値画像の２値情報を１次元方向に並べたベクトルとの類似度を求める類似度算出部と、を備えたことを特徴とする回転機の劣化診断装置。

【請求項3】

前記診断部において正規化する比較データおよび正常データは、２相電流のうち１相の電流が０以上である時刻における２相電流を各々用いることを特徴とする請求項１に記載の回転機の劣化診断装置。

【請求項4】

前記類似度算出部において正規化する比較データ、学習データ、正常データは、２相電流のうち１相の電流が０以上である時刻における２相電流を各々用いることを特徴とする請求項２に記載の回転機の劣化診断装置。

【請求項5】

前記電流計測部は、前記回転機の起動後設定時間以上経過し、且つ設定電流以上の連続した電流データを設定周期計測し、記録することを特徴とする請求項１から４のいずれか１項に記載の回転機の劣化診断装置。

【請求項6】

前記診断部は、前記類似度が、今回診断時から過去に設定回遡って連続して閾値を下回っている場合に回転機の劣化であると診断することを特徴とする請求項１から４のいずれか１項に記載の回転機の劣化診断装置。

【請求項7】

前記診断部の診断結果を記録する記録部を備えたことを特徴とする請求項１から４のいずれか１項に記載の回転機の劣化診断装置。

【請求項8】

電流計測部が、３相交流電源によって駆動される回転機に流れる３相電流のうち、２相電流を計測する電流計測ステップと、
学習部が、前記電流計測部により計測された２相電流から正常データを学習する学習ステップと、
診断部が、前記電流計測部により計測された２相電流を比較データとし、該比較データと前記学習部で学習した正常データを、最小値～最大値を０～１の範囲に各々正規化し、前記正規化した正常データおよび比較データ各々について、リサジュー図形を作成し、リサジュー図形の散布点の有無から２値画像を生成し、前記正常データについて生成した２値画像の２値情報を１次元方向に並べたベクトルと、前記比較データについて生成した２値画像の２値情報を１次元方向に並べたベクトルとの類似度を求め、求められた類似度に基づいて前記回転機の劣化を診断する診断ステップと、を備えたことを特徴とする回転機の劣化診断方法。

【請求項9】

電流計測部が、３相交流電源によって駆動される回転機に流れる３相電流のうち、２相電流を計測する電流計測ステップと、
学習部が、前記電流計測部により計測された２相電流から正常データを学習するステップであって、前記計測された２相電流における、前記計測し設定した学習データと計測された比較データの類似度を算出し、前記算出した類似度が設定した類似度閾値以上となる回数が、設定した回数閾値以上であるときの学習データを正常データとする学習ステップと、
診断部が、前記学習部で学習された正常データと、前記電流計測部により計測された２相電流の比較データとの類似度に基づいて前記回転機の劣化を診断する診断ステップと、
類似度算出部が、前記電流計測部により計測された２相電流を比較データとし、該比較データと、前記計測された２相電流における、計測し設定した学習データか、又は前記学習部で学習された正常データとを、最小値～最大値を０～１の範囲に各々正規化し、前記正規化した学習データ、正常データおよび比較データ各々について、リサジュー図形を作成し、リサジュー図形の散布点の有無から２値画像を生成し、前記学習データ又は正常データについて生成した２値画像の２値情報を１次元方向に並べたベクトルと、前記比較データについて生成した２値画像の２値情報を１次元方向に並べたベクトルとの類似度を求める類似度算出ステップと、を備えたことを特徴とする回転機の劣化診断方法。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、回転機（モータや発電機など）の劣化診断技術に関する。

【背景技術】

【0002】

回転機に故障が発生すると、どのような電流、電圧波形が観測されるかは、誘導電動機電流兆候解析（ＭＣＳＡ：Ｍｏｔｏｒ Ｃｕｒｒｅｎｔ Ｓｉｇｎａｔｕｒｅ Ａｎａｌｙｓｉｓ）で明確になっている。

【0003】

尚、回転機に流れる電流を計測した電流データから得たリサジュー図形の分布と、予め正常状態として設定したリサジュー図形の分布を比較して、回転機又は電力変換装置の状態を診断する技術は、例えば特許文献１に記載されている。

【先行技術文献】

【特許文献】

【0004】

【特許文献1】国際公開ＷＯ２０１８／１５８９１０

【発明の概要】

【発明が解決しようとする課題】

【0005】

回転機の劣化診断にＭＣＳＡを活用しようとすると、回転機や回転機が使用しているベアリングの仕様を入手する必要があり、またＦＦＴ（高速フーリエ変換：Ｆａｓｔ Ｆｏｕｒｉｅｒ Ｔｒａｎｓｆｏｒｍ）を利用するため高速サンプリングや高価なＣＰＵを用いる必要がある。

【0006】

また、特許文献１には、本発明の類似度算出に関する技術は具体的に開示されていない。

【0007】

本発明は、上記課題を解決するものであり、その目的は、回転機の詳細な仕様や、ベアリングの仕様等必要なく、低サンプリング、安価なＣＰＵで回転機の劣化診断を可能とする回転機の劣化診断装置および劣化診断方法を提供することにある。

【課題を解決するための手段】

【0008】

上記課題を解決するための請求項１に記載の回転機の劣化診断装置は、
３相交流電源によって駆動される回転機に流れる３相電流のうち、２相電流を計測する電流計測部と、
前記電流計測部により計測された２相電流から正常データを学習する学習部と、
前記電流計測部により計測された２相電流を比較データとし、該比較データと前記学習部で学習した正常データを、最小値～最大値を０～１の範囲に各々正規化し、前記正規化した正常データおよび比較データ各々について、リサジュー図形を作成し、リサジュー図形の散布点の有無から２値画像を生成し、前記正常データについて生成した２値画像の２値情報を１次元方向に並べたベクトルと、前記比較データについて生成した２値画像の２値情報を１次元方向に並べたベクトルとの類似度を求め、求められた類似度に基づいて前記回転機の劣化を診断する診断部と、を備えたことを特徴とする。

【0009】

請求項２に記載の回転機の劣化診断装置は、
３相交流電源によって駆動される回転機に流れる３相電流のうち、２相電流を計測する電流計測部と、
前記電流計測部により計測された２相電流から正常データを学習する学習部であって、前記計測された２相電流における、前記計測し設定した学習データと計測された比較データの類似度を算出し、前記算出した類似度が設定した類似度閾値以上となる回数が、設定した回数閾値以上であるときの学習データを正常データとする学習部と、
前記学習部で学習された正常データと、前記電流計測部により計測された２相電流の比較データとの類似度に基づいて前記回転機の劣化を診断する診断部と、
前記電流計測部により計測された２相電流を比較データとし、該比較データと、前記計測された２相電流における、計測し設定した学習データか、又は前記学習部で学習された正常データとを、最小値～最大値を０～１の範囲に各々正規化し、前記正規化した学習データ、正常データおよび比較データ各々について、リサジュー図形を作成し、リサジュー図形の散布点の有無から２値画像を生成し、前記学習データ又は正常データについて生成した２値画像の２値情報を１次元方向に並べたベクトルと、前記比較データについて生成した２値画像の２値情報を１次元方向に並べたベクトルとの類似度を求める類似度算出部と、を備えたことを特徴とする。

【0010】

請求項３に記載の回転機の劣化診断装置は、請求項１において、
前記診断部において正規化する比較データおよび正常データは、２相電流のうち１相の電流が０以上である時刻における２相電流を各々用いることを特徴としている。
請求項４に記載の回転機の劣化診断装置は、請求項２において、
前記類似度算出部において正規化する比較データ、学習データ、正常データは、２相電流のうち１相の電流が０以上である時刻における２相電流を各々用いることを特徴としている。
請求項５に記載の回転機の劣化診断装置は、請求項１から４のいずれか１項において、
前記電流計測部は、前記回転機の起動後設定時間以上経過し、且つ設定電流以上の連続した電流データを設定周期計測し、記録することを特徴としている。
請求項６に記載の回転機の劣化診断装置は、請求項１から４のいずれか１項において、
前記診断部は、前記類似度が、今回診断時から過去に設定回遡って連続して閾値を下回っている場合に回転機の劣化であると診断することを特徴としている。
請求項７に記載の回転機の劣化診断装置は、請求項１から４のいずれか１項において、
前記診断部の診断結果を記録する記録部を備えたことを特徴としている。
請求項８に記載の回転機の劣化診断方法は、
電流計測部が、３相交流電源によって駆動される回転機に流れる３相電流のうち、２相電流を計測する電流計測ステップと、
学習部が、前記電流計測部により計測された２相電流から正常データを学習する学習ステップと、
診断部が、前記電流計測部により計測された２相電流を比較データとし、該比較データと前記学習部で学習した正常データを、最小値～最大値を０～１の範囲に各々正規化し、前記正規化した正常データおよび比較データ各々について、リサジュー図形を作成し、リサジュー図形の散布点の有無から２値画像を生成し、前記正常データについて生成した２値画像の２値情報を１次元方向に並べたベクトルと、前記比較データについて生成した２値画像の２値情報を１次元方向に並べたベクトルとの類似度を求め、求められた類似度に基づいて前記回転機の劣化を診断する診断ステップと、を備えたことを特徴とする。
請求項９に記載の回転機の劣化診断方法は、
電流計測部が、３相交流電源によって駆動される回転機に流れる３相電流のうち、２相電流を計測する電流計測ステップと、
学習部が、前記電流計測部により計測された２相電流から正常データを学習するステップであって、前記計測された２相電流における、前記計測し設定した学習データと計測された比較データの類似度を算出し、前記算出した類似度が設定した類似度閾値以上となる回数が、設定した回数閾値以上であるときの学習データを正常データとする学習ステップと、
診断部が、前記学習部で学習された正常データと、前記電流計測部により計測された２相電流の比較データとの類似度に基づいて前記回転機の劣化を診断する診断ステップと、
類似度算出部が、前記電流計測部により計測された２相電流を比較データとし、該比較データと、前記計測された２相電流における、計測し設定した学習データか、又は前記学習部で学習された正常データとを、最小値～最大値を０～１の範囲に各々正規化し、前記正規化した学習データ、正常データおよび比較データ各々について、リサジュー図形を作成し、リサジュー図形の散布点の有無から２値画像を生成し、前記学習データ又は正常データについて生成した２値画像の２値情報を１次元方向に並べたベクトルと、前記比較データについて生成した２値画像の２値情報を１次元方向に並べたベクトルとの類似度を求める類似度算出ステップと、を備えたことを特徴とする。

【発明の効果】

【0011】

（１）請求項１、２、８、９に記載の発明によれば、高速サンプリングや高価なＣＰＵを用いることなく、低サンプリング速度、低速ＣＰＵにより回転機の劣化を診断することができる。

【0012】

また、比較データと、学習データ又は正常データを正規化しているので、計測時点での電流の大きさが異なる場合でも診断を行うことができる。

【0013】

また、正規化した比較データ、学習データ、正常データについて、リサジュー図形を作成し、リサジュー図形の散布点の有無から２値画像を生成しているので、２値画像のパターンマッチングとして学習データ又は正常データと、比較データとの類似度を求めることができる。
（２）請求項２、９に記載の発明によれば、正常データの学習中に、類似度を算出して一定回数連続して正常であることを条件としていることにより、異常なデータが正常データとして採用されることを防ぐことができる。
（３）請求項３、４に記載の発明によれば、診断に用いるデータ量が削減され、少ないメモリ空間でも診断が可能となる。
（４）請求項５に記載の発明によれば、回転機の通常運転領域での電流データを取得できるので、高精度な診断が行える。
（５）請求項６に記載の発明によれば、一時的な類似度の落ち込みなどによる誤診断を少なくすることができる。

【図面の簡単な説明】

【0014】

【図1】本発明の実施例１による診断装置の構成図。

【図2】本発明の実施形態例における計測部とモータ等の関係を示す構成図。

【図3】本発明の実施形態例による診断装置の各部の波形を表し、（ａ）は計測部で計測された電流波形図、（ｂ）は（ａ）の一部の波形拡大図、（ｃ）は学習部で学習された学習波形図、（ｄ）は診断部において学習波形と比較される比較波形図。

【図4】本発明の実施例１における診断部が行う診断処理のフローチャート。

【図5】本発明の実施形態例における診断処理時の画像データを示し、（ａ）は学習データのリサジュー図形の散布図、（ｂ）は比較データのリサジュー図形の散布図。

【図6】本発明の実施例２による診断装置の構成図。

【図7】本発明の実施例２における類似度算出部が行う類似度算出処理のフローチャート。

【図8】本発明の実施例２における学習部が行う学習データの計測処理のフローチャート。

【図9】本発明の実施例２における診断部が行う診断処理のフローチャート。

【図10】学習データとして相応しくない画像データの一例を示し、サンプリング点が整数倍になることで線状になっていないリサジュー図形の散布図。

【図11】学習データとして相応しくない画像データの他の例を示し、位相ずれによりノイズのようになったリサジュー図形の散布図。

【発明を実施するための形態】

【0015】

以下、図面を参照しながら本発明の実施の形態を説明するが、本発明は下記の実施形態例に限定されるものではない。

【実施例0016】

図１は本実施例１による回転機の診断装置１００の構成を示し、１０１は、３相交流電源によって駆動される回転機、例えばモータに流れる３相電流のうち、２相電流を計測する計測部（電流計測部）である。

【0017】

この計測部１０１は、計測部とモータ等の関係を示す図２のように、３相交流電源２００から３相給電線２０１Ｒ，２０１Ｓ，２０１Ｔを介してモータ２０２に供給される３相電流のうち、例えば電流検出器２０３Ｒ，２０３Ｔによって検出した２相（Ｒ相、Ｔ相）電流を入力とする。

【0018】

図３（ａ），（ｂ）は計測部１０１が計測したＲ相、Ｔ相の電流波形を示しており、計測には、モータ２０２起動後Ｃ１秒（Ｃ１は設定値）以上経過し、かつ定格電流のＣ２％（Ｃ２は設定値）以上の連続した電流データ（図３（ｂ）の太枠内の電流波形データ）をＣ３周期（Ｃ３は設定値）計測し記録する。これによって、モータ２０２の通常運転領域での電流データを取得することができる。

【0019】

１０２は、計測部１０１により計測された２相電流から、劣化診断のために元となる正常データを学習する学習部である。学習部１０２は、計測部１０１で計測した例えば図３（ｂ）の電流データを、図３（ｃ）のように記録することで学習を行う。

【0020】

図３（ｃ）の学習波形において、点は計測値であり、線は点と点の間を線形補間したものである。尚、図３（ｄ）は、後述する診断部１０３において、図３（ｃ）の学習波形と比較される、計測部１０１により新たに計測された２相の電流データ（比較波形）である。この図３（ｄ）の比較波形も、図３（ｃ）と同様に、点は計測値であり、線は点と点の間を線形補間したものである。

【0021】

１０３は、学習部１０２で記録した正常データ（図３（ｃ）の学習波形）と計測部１０１で新たに計測した電流データ（図３（ｄ）の比較波形）を、図４の診断処理により比較してモータ２０２の劣化を診断する診断部である。

【0022】

本実施形態例では、２相の電流を仮にＲ相、Ｔ相とし、正常の電流データをＲ１、Ｔ１、比較の電流データをＲ２、Ｔ２とする。

【0023】

図４のステップＳ３０１では、Ｒ１≧０である時刻におけるＲ１およびＴ１の値をｒ１、ｔ１（正常データ）として取り出す。同様にＲ２≧０である時刻におけるＲ２およびＴ２の値をｒ２、ｔ２（比較データ）として取り出す。

【0024】

次にステップＳ３０２では、ｒ１、ｔ１、ｒ２、ｔ２をそれぞれ０．０～１．０の範囲へ正規化し、ｒ１、ｔ１、ｒ２、ｔ２へ上書きする。

【0025】

次にステップＳ３０３では、正常データ[ｒ１、ｔ１]と比較データ[ｒ２、ｔ２]それぞれでリサジュー図形の散布図を図５（ａ），（ｂ）のように作成し、０．０～１．０の区間を縦横軸それぞれＣ４区間（Ｃ４は設定値）に分割する。

【0026】

図５（ａ），（ｂ）の、各々の横軸（ｘ軸）にはＲ相、Ｔ相のうちいずれか一方の波形が入力され、各々の縦軸（ｙ軸）にはＲ相、Ｔ相のうちいずれか他方の波形が入力され、図５（ａ）は図３（ｃ）の学習波形の点と点の関係をリサジュー図形にプロットした図であり、図５（ｂ）は図３（ｄ）の比較波形の点と点の関係をリサジュー図形にプロットした図である。したがって図５（ａ），（ｂ）の太実線は、点の集合で構成されている。

【0027】

そして分割された区間内に散布点の有り／無しで１／０のビットをたて２値画像を生成する。

【0028】

次にステップＳ３０４では、正常データの１／０情報を１次元方向に並べたベクトルをｆ_ｋ＝（ｆ_１，ｆ_２，…ｆ_ｃ４）とし、比較データの１／０情報を１次元方向に並べたベクトルをｇ_ｋ＝（ｇ_１，ｇ_２，…ｇ_ｃ４）とし、ベクトル同士の類似度Ｒを次の（１）式にて算出する。

【0029】

【数1】

【0030】

尚（１）式中のＣ４は、図５の０．０～１．０の区間を縦横軸それぞれ分割する分割区間数である。

【0031】

次にステップＳ３０５では、前記類似度が今回の診断から過去にＣ５回（Ｃ５は設定値）遡って連続して閾値Ｃ６（Ｃ６は設定した値）を下回っている場合に劣化と判断する。

【0032】

図１の１０４は、診断部１０３の前記ステップＳ３０４の処理で算出された類似度（診断部１０３の診断結果）を記録する記録部である。

【0033】

尚診断装置１００は、例えば低速ＣＰＵによって構成されている。

【0034】

以上のように本実施例１によれば、高速サンプリングや高価なＣＰＵを用いることなく、低サンプリング速度、低速ＣＰＵにより回転機の劣化を診断することができる。

【0035】

また、計測部１０１は、モータ２０２起動後Ｃ１秒（Ｃ１は設定値）以上経過し、かつ定格電流のＣ２％（Ｃ２は設定値）以上の連続した電流データをＣ３周期（Ｃ３は設定値）計測し記録するので、モータの通常運転領域での電流データを取得でき、高精度な診断が可能となる。

【0036】

また、診断部１０３において、正規化する比較データおよび学習データは、２相電流のうち１相の電流が０以上である時刻における２相電流を各々用いているので、診断に用いるデータ量を削減し、少ないメモリ空間でも診断が可能となる。

【0037】

また、図４のステップＳ３０２において電流値を正規化することにより、正常データと比較データの計測時点での電流の大きさが異なる場合でも、リサジュー図形の散布図の形に変形がみられなければ正常と判断することができる。

【0038】

また、図４のステップＳ３０３，Ｓ３０４の処理を行うことで、リサジュー図形の散布図を２値画像のパターンマッチングとして、類似度を算出することができる。

【0039】

また、図４のステップＳ３０５において、過去に遡って、類似度が連続して閾値を下回っていることをチェックすることで、一時的な類似度の落ち込みなどによる誤検知を少なくすることができる。

【実施例0040】

一般的に計測データのサンプリング点にはぶれがあるため、図４のステップＳ３０３においてリサジュー図形を作成したとき、図５のように線状の図形となる。しかしながら、サンプリング点がきれいに整数倍になることでリサジュー図形が図１０のように線状にならない場合や、位相ずれによりリサジュー図形が図１１のようにノイズのようになる場合など、不適切なものが学習データとして採用される場合がある。

【0041】

そこで本実施例２では、学習データに相応しくないデータが学習データとして採用されることを防ぐために、正常データを学習する際に、類似度を算出して一定回数連続して正常であることを条件に、正常データとして確定するように構成した。
図６は本実施例２による回転機の診断装置４００の構成を示し、４０１は、図１、図２の計測部１０１と同様に、例えばモータ２０２に流れる３相電流のうち、２相電流を計測する計測部（電流計測部）であり、３相交流電源２００から３相給電線２０１Ｒ，２０１Ｓ，２０１Ｔを介してモータ２０２に供給される３相電流のうち、例えば電流検出器２０３Ｒ，２０３Ｔによって検出した２相（Ｒ相、Ｔ相）電流を入力とする。

【0042】

計測部４０１が計測したＲ相、Ｔ相の電流波形は、例えば図３（ａ），（ｂ）であり、計測には、モータ２０２起動後Ｃ１秒（Ｃ１は設定値）以上経過し、かつ定格電流のＣ２％（Ｃ２は設定値）以上の連続した電流データ（図３（ｂ）の太枠内の電流波形データ）をＣ３周期（Ｃ３は設定値）計測し記録する。これによって、モータ２０２の通常運転領域での電流データを取得することができる。

【0043】

４０２は、前記計測部４０１により計測された２相電流から正常データを学習する学習部であって、後述する学習データの計測処理時に、前記計測された２相電流における、前記計測し設定した学習データと計測された比較データの類似度を、後述の類似度算出部４０３を用いて算出し、前記算出した類似度が設定した類似度閾値以上となる回数が、設定した回数閾値以上であるときの学習データを正常データとする。

【0044】

４０４は、学習部４０２で学習された正常データと、計測部４０１により新たに計測された２相電流の比較データとの類似度を、後述する診断処理時に類似度算出部４０３を用いて算出し、その類似度に基づいて回転機（モータ２０２）の劣化を診断する診断部である。

【0045】

４０５は、診断部４０４の診断結果を記録する記録部である。

【0046】

次に、診断装置４００の各部の動作を説明する。まず最初に、「学習データの計測処理時」と「診断処理時」に類似度算出部４０３で実行される類似度算出処理を図７のフローチャートとともに述べる。

【0047】

ステップＳ５０１では、Ｒ１≧０である時刻におけるＲ１およびＴ１（正常の電流データ）の値をｒ１、ｔ１（正常データ）として取り出す。同様にＲ２≧０である時刻におけるＲ２およびＴ２（比較の電流データ）の値をｒ２、ｔ２（比較データ）として取り出す。

【0048】

次にステップＳ５０２では、ｒ１、ｔ１、ｒ２、ｔ２をそれぞれ０．０～１．０の範囲へ正規化し、ｒ１、ｔ１、ｒ２、ｔ２へ上書きする。

【0049】

次にステップＳ５０３では、正常データ[ｒ１、ｔ１]と比較データ[ｒ２、ｔ２]それぞれでリサジュー図形の散布図を図５（ａ），（ｂ）のように作成し、０．０～１．０の区間を縦横軸それぞれＣ４区間（Ｃ４は設定値）に分割する。

【0050】

そして分割された区間内に散布点の有り／無しで１／０のビットをたて２値画像を生成する。

【0051】

次にステップＳ５０４では、正常データの１／０情報を１次元方向に並べたベクトルをｆ_ｋ＝（ｆ_１，ｆ_２，…ｆ_ｃ４）とし、比較データの１／０情報を１次元方向に並べたベクトルをｇ_ｋ＝（ｇ_１，ｇ_２，…ｇ_ｃ４）とし、ベクトル同士の類似度Ｒを次の（１）式にて算出する。

【0052】

【数1】

【0053】

尚（１）式中のＣ４は、図５の０．０～１．０の区間を縦横軸それぞれ分割する分割区間数である。
（１） 計測部４０１は、診断に必要な２相の電流値を計測する。計測には回転機（モータ２０２）起動後Ｃ１秒以上経過し、かつ定格電流のＣ２％以上の連続した電流データ（図３（ｂ）の太枠内の電流波形データ）をＣ３周期計測し記録する。
（２） 学習部４０２は劣化診断のために元となる正常データを学習する。この学習は図８に示す学習データの計測処理の手順で行われる。すなわち、計測部４０１で計測したデータのうち、サンプリング点がきれいに整数倍になったような場合（図１０）や、位相ずれが発生した場合（図１１）のように、学習データとして適さないデータが学習データとして採用されるのを防ぐため、計測部４０１で計測した比較データと学習データの類似度を類似度算出部４０３で算出し、類似度が閾値Ｃ７（Ｃ７は設定した類似度閾値）未満であれば比較データを新たに学習データとし、連続して類似度が閾値Ｃ７以上である回数をカウントし、カウンタ（カウント値）が閾値Ｃ８（Ｃ８は設定した回数閾値）以上であれば現在の学習データを正常データとして確定する。

【0054】

図８において、ステップＳ６０１ではカウンタを０にする。
次にステップＳ６０２では、データ（２相の電流値）を計測しそれを学習データとする。
次にステップＳ６０３では、カウンタが閾値Ｃ８以上であるか否か（連続して類似度がＣ７以上となる回数が回数閾値Ｃ８以上であるか否か）を判定する。
ステップＳ６０３の判定結果が「ｎｏ」の場合は、ステップＳ６０４においてデータ（２相の電流値）を計測しそれを比較データとする。

【0055】

次にステップＳ６０５では、前記学習データと比較データの類似度を、図７の類似度算出処理（ステップＳ５０１～Ｓ５０４）を実行することにより算出する。

【0056】

次にステップＳ６０６では、前記算出された類似度が類似度閾値Ｃ７以上であるか否かを判定する。

【0057】

ステップＳ６０６の判定結果が「ｎｏ」である（類似度がＣ７未満である）場合は、ステップＳ６０７において上記の比較データを新たに学習データとし（学習データを計測データで上書きし）た後、ステップＳ６０８においてカウンタを０にする。

【0058】

ステップＳ６０６の判定結果が「ｙｅｓ」である（類似度がＣ７以上である）場合は、ステップＳ６０９においてカウンタを１進める。

【0059】

前記ステップＳ６０８の処理後と、ステップＳ６０９の処理後は、ステップＳ６１０のマージノード（合流）を経た後ステップＳ６０３の判定処理を再度実行する。

【0060】

そしてステップＳ６０３の判定結果が「ｎｏ」である期間は、ステップＳ６０４～ステップＳ６１０の処理が繰り返し実行される。

【0061】

ステップＳ６０３の判定結果が「ｙｅｓ」である場合は、ステップＳ６１１において現在の学習データを正常データとして確定した後、図８の処理を終了する。
（３） 診断部４０４は、機器の正常／異常状態を、図９に示す診断処理の手順で決定する。すなわち、計測部４０１で計測した比較データと学習部４０２で学習し確定した正常データの類似度を、類似度算出部４０３を用いて算出し、類似度が閾値Ｃ６未満である回数をカウントし、回数が閾値Ｃ５を超えれば異常と判断し、前記カウント中に一度でも類似度が閾値Ｃ６以上であれば正常と判断する。

【0062】

図９においてステップＳ７０１では、状態を正常と決定し、ｉｓＬｏｏｐ＝Ｔｒｕｅとし（ループ継続を「する」に設定し）、カウンタを０とする。

【0063】

次にステップＳ７０２では、ｉｓＬｏｏｐ＝Ｔｒｕｅであるか否かを判定し、その判定結果がｙｅｓである場合は、ステップＳ７０３においてデータ（２相の電流値）を計測しそれを比較データとする。

【0064】

次にステップＳ７０４では、学習部４０２により学習し確定された正常データ（図８のステップＳ６１１で確定された正常データ）と前記ステップＳ７０３で計測された比較データの類似度を、図７の類似度算出処理（ステップＳ５０１～Ｓ５０４）を実行することにより算出する。

【0065】

次にステップＳ７０５では、前記算出された類似度が類似度閾値Ｃ６以上であるか否かを判定する。

【0066】

ステップＳ７０５の判定結果が「ｎｏ」である（類似度がＣ６未満である）場合はステップＳ７０６においてカウンタを１進める。

【0067】

次にステップＳ７０７では、カウンタ値が回数閾値Ｃ５以上であるか（類似度がＣ６未満である回数が回数閾値Ｃ５以上であるか）否かを判定する。

【0068】

ステップＳ７０７の判定結果が「ｙｅｓ」である場合は、ステップＳ７０８において状態を異常と決定し、ｉｓＬｏｏｐ＝Ｆａｌｓｅとする（ループ継続を「しない」に設定する）。

【0069】

ステップＳ７０７の判定結果が「ｎｏ」である（類似度がＣ６未満である回数が回数閾値Ｃ５未満である）場合とステップＳ７０８の処理後はステップＳ７０９のマージノードで合流される。

【0070】

前記ステップＳ７０５の判定結果が「ｙｅｓ」である（類似度がＣ６以上である）場合は、ステップＳ７１０においてｉｓＬｏｏｐ＝Ｆａｌｓｅとする（ループ継続を「しない」に設定する）。

【0071】

ステップＳ７０９のマージノード（合流）を経た後と、ステップＳ７１０の処理後は、ステップＳ７１１のマージノード（合流）を経た後ステップＳ７０２の判定処理を再度実行する。
そしてステップＳ７０２の判定結果が「ｙｅｓ」である期間は、ステップＳ７０３～ステップＳ７１１の処理が繰り返し実行される。
ステップＳ７０２の判定結果が「ｎｏ」である場合（ループ継続を「する」に設定されていない場合）は図９の処理を終了する。
（４） 記録部４０５は、診断部４０４の診断結果（類似度を含む）を記録する。

【0072】

以上のように本実施例２によれば、実施例１と同様の効果が得られ、さらに、正常データの学習中に、類似度を算出して一定回数連続して正常であることを条件としていることにより、異常なデータが正常データとして採用されることを防ぐことができる。