特開 2024-117016 異常検知システム

(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】P2024117016

(43)【公開日】2024-08-28

(54)【発明の名称】異常検知システム

(51)【国際特許分類】

   G01M 99/00 20110101AFI20240821BHJP

   G01H 17/00 20060101ALI20240821BHJP

【ＦＩ】

G01M99/00 A

G01H17/00 Z

【審査請求】未請求

【請求項の数】1

【出願形態】ＯＬ

(21)【出願番号】P 2023022930

(22)【出願日】2023-02-16

(71)【出願人】

【識別番号】000003115

【氏名又は名称】東洋電機製造株式会社

(74)【代理人】

【識別番号】100147485

【弁理士】

【氏名又は名称】杉村 憲司

(74)【代理人】

【識別番号】230118913

【弁護士】

【氏名又は名称】杉村 光嗣

(74)【代理人】

【識別番号】100161148

【弁理士】

【氏名又は名称】福尾 誠

(74)【代理人】

【識別番号】100163511

【弁理士】

【氏名又は名称】辻 啓太

(72)【発明者】

【氏名】佐々木 敏夫

(72)【発明者】

【氏名】山口 敏弘

【テーマコード（参考）】

2G024

2G064

【Ｆターム（参考）】

2G024AB01

2G024BA27

2G024CA13

2G024FA04

2G064AA11

2G064AB01

2G064AB02

2G064AB22

2G064BA02

2G064BD02

2G064CC02

2G064CC41

2G064CC42

2G064CC43

(57)【要約】

【課題】コストの増大を抑制しつつ、歯車装置の回転数を検出し、歯車装置の異常を検知する。
【解決手段】異常検知システム２０は、軸受１０４または軸受１０６の近傍に設けられ、振動を検出する振動センサ２１と、振動センサの出力信号からスペクトログラムを生成するスペクトログラム生成手段２３と、生成されたスペクトログラムから、小歯車１０１と大歯車１０２との噛み合い周波数ｆｍを推定する推定手段２５と、生成されたスペクトログラムと、推定された回転数から算出される小歯車軸１０３の回転数とに基づき、歯車装置１０における異常の有無を判定する判定手段２６と、を備え、推定手段２５は、事前に収集された、スペクトログラムと、スペクトログラムに対応する噛み合い周波数ｆｍとを学習データとした教師あり学習により生成されたモデル２５ａに、生成されたスペクトログラムを入力して、噛み合い周波数ｆｍを推定する。
【選択図】図１

【特許請求の範囲】

【請求項1】

電動機の電動機軸と連結され、第１の軸受により回転可能に支持された小歯車軸に取り付けられた小歯車と、第２の軸受により回転可能に支持された大歯車軸に取り付けられ、前記小歯車と噛み合う大歯車と、を備える歯車装置における異常を検知する異常検知システムであって、
前記第１の軸受または前記第２の軸受の近傍に設けられ、振動を検出する振動センサと、
前記振動センサの出力信号からスペクトログラムを生成するスペクトログラム生成手段と、
前記スペクトログラム生成手段により生成されたスペクトログラムから、前記歯車装置の回転数に対応する、前記小歯車と前記大歯車との噛み合い周波数を推定する推定手段と、
前記スペクトログラム生成手段により生成されたスペクトログラムと、前記推定された回転数から算出される前記小歯車軸または前記大歯車軸の回転数とに基づき、前記歯車装置における異常の有無を判定する判定手段と、を備え、
前記推定手段は、事前に収集された、前記スペクトログラムと、前記スペクトログラムに対応する噛み合い周波数とを学習データとした教師あり学習により生成されたモデルに、前記スペクトログラム生成手段により生成されたスペクトログラムを入力して、前記噛み合い周波数を推定する、異常検知システム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、歯車装置の異常を検知する異常検知システムに関する。

【背景技術】

【0002】

歯車装置は、回転力（トルク）を増幅する減速機あるいは回転数を増大する増速機として、幅広い産業分野で利用されている。そして、歯車装置の異常（例えば、異常振動）を検知する異常検知システムが開発されている。このような異常検知システムによれば、歯車装置の適切なメンテナンス時期を推定し、歯車装置を備える設備のダウンタイムの短縮を図ることができる。

【0003】

図５は、歯車装置１０に適用される、従来の異常検知システム２０Ａの構成例を示す図である。図５においては、歯車装置１０が減速機である場合を例として説明する。まず、歯車装置１０の構成について説明する。

【0004】

図５に示すように、歯車装置１０は、歯車箱１１と、電動機１２と、継手１３と、負荷機１４とを備える。

【0005】

歯車箱１１には、小歯車１０１と、大歯車１０２と、が収容される。

【0006】

小歯車１０１は、小歯車軸１０３の軸周りに連結される。小歯車軸１０３は、継手１３を介して、電動機１２の電動機軸１２１と接続される。また、小歯車軸１０３は、軸受１０４（第１の軸受）により回転可能に支持される。つまり、小歯車１０１は、電動機１２の電動機軸１２１と連結され、軸受１０４により回転可能に支持された小歯車軸１０３に取り付けられている。小歯車軸１０３は、電動機軸１２１の回転に伴って、小歯車軸１０３の軸周りに回転し、小歯車軸１０３の回転に伴って、小歯車１０１は、小歯車軸１０３の軸周りに回転する。

【0007】

大歯車１０２は、小歯車１０１と噛み合って配置されるとともに、大歯車軸１０５の軸周りに連結される。大歯車軸１０５は、負荷機１４と接続される。また、大歯車軸１０５は、軸受１０６により回転可能に支持される。つまり、大歯車１０２は、軸受１０６により回転可能に支持された大歯車軸１０５に取り付けられている。大歯車軸１０２は、小歯車１０２の回転に伴って、大歯車軸１０５の軸周りに回転する。したがって、小歯車１０１の回転に伴って大歯車１０２が回転することで、電動機１２のトルクが、負荷機１４に伝達される。

【0008】

次に、従来の異常検知システム２０の構成について説明する。図５に示すように、従来の異常検知システム２０Ａは、振動センサ２１と、信号前処理手段２２と、スペクトログラム生成手段２３と、回転数センサ２４と、判定手段２６Ａと、を備える。

【0009】

振動センサ２１は、歯車箱１１に取り付けられる。より具体的には、振動センサ２１は、小歯車軸１０３を支持する軸受１０４の近傍に取り付けられる。振動センサ２１は、小歯車１０１と大歯車１０２とが噛み合い回転することにより発生する噛み合い振動、小歯車１０１が回転する際に軸受１０４に発生する振動などを検出し、検出した振動を示す振動信号を信号前処理手段２２に出力する。

【0010】

信号前処理手段２２は、振動センサ２１から出力された振動信号を増幅するとともに、予め設定されたバンドパスフィルタにより低周波ノイズおよび高周波ノイズを除去して、スペクトログラム生成手段２３に出力する。

【0011】

スペクトログラム生成手段２３は、信号前処理手段２２から出力された振動信号を一定の時間間隔でサンプリングした値に、短時間フーリエ変換による演算処理を施し、一定周期のスペクトログラムを連続的に生成して判定手段２６Ａに出力する。

【0012】

回転数センサ２４は、電動機１２の電動機軸１２１と小歯車軸１０３とを連結する継手１３の近傍に設けられ、小回転軸１０３の回転数を検出し、検出結果を判定手段２６Ａに出力する。

【0013】

判定手段２６Ａは、スペクトログラム生成手段２３から出力されたスペクトログラムと、回転数センサ２４により検出された小回転軸１０３の回転数と、に基づき、予め定められたアルゴリズムに従い、歯車装置１０の異常の有無を判定する。

【0014】

以下では、スペクトログラム生成手段２３によるスペクトログラムの生成方法として、短時間フーリエ変換に基づく方法について説明する。なお、短時間フーリエ変換の具体的な計算手順については、非特許文献１に詳述されているため、説明を省略する。

【0015】

上述したように、振動センサ２１から出力された振動信号は、信号前処理手段２２により、増幅されるとともに、予め設定されたバンドパスフィルタにより、所定の周波数帯の信号に変換される。以下では、信号前処理手段２２による処理後の振動信号をｘ（ｔ）とする。ここで、ｔは離散時間である。

【0016】

スペクトログラム生成手段２３は、図６に示すように、離散化された振動信号ｘ（ｔ）を窓関数ｗ_ａ（ｔ）ごとに切り出し、時間フレームと呼ばれる信号系列ｘ_ｍ（ｎ）（ｎ＝０，１，・・・Ｎ－１）を生成する。信号系列ｘ_ｍ（ｎ）は、以下の式（１）で定義される。
ｘ_ｍ（ｔ－ｍＳ）＝ｗ_ａ（ｔ－ｍＳ）ｘ（ｔ） 式（１）

【0017】

式（１）において、Ｓはフレームシフト量であり、Ｎはフレーム長である。時間フレーム長ｍに対応する短時間フーリエ変換は以下の式（２）で与えられる。

【数1】

【0018】

式（２）で示される短時間フーリエ変換そのものは複素数であり、スペクトログラムはその絶対値となる振幅スペクトルで定義される。振幅スペクトルをＡ（ｍ，ｋ）とすると、以下の式（３）で表される。
Ａ（ｍ，ｋ）＝｜Ｘ（ｍ，ｋ）｜ 式（３）

【0019】

ここで、ｍは時間軸上のパラメータであり、フレームインデックスと呼ばれ、ｍ＝１，２，・・・Ｓの範囲の値を取る。また、ｋは周波数インデックスと呼ばれ、周波数を離散化した上で、ｋ＝１，２，・・・Ｎで定義される。したがって、振幅スペクトルＡ（ｍ，ｋ）は、上記インデックス上で定義される離散データである。

【0020】

図７は、実際の歯車装置の運転状態で検出された振動信号から生成されたスペクトログラムの一例を示す図である。図７において、横軸をフレームインデックスとし、縦軸を周波数インデックスとし、振幅スペクトルを色の濃淡で表現した二次元パターンで示している。

【0021】

小歯車１０１の回転周波数をｆｒとすると、回転周波数ｆｒに小歯車１０１の歯数Ｚを乗じることで、噛み合い周波数ｆｍを求めることができる。

【0022】

非特許文献２には、歯車装置の歯車の不良による異常振動に基づく診断手法が記載されている。具体的には、非特許文献２には、歯車の偏心、ミスアライメント、ピッチ誤差、噛み合い異常、局部異常などに起因して発生する異常振動が、検出されるスペクトルのパターンとして認識されることが記載されている。

【0023】

歯車装置の異常を示すスペクトル成分は、回転周波数ｆｒおよびその高調波ｎｆｒと、噛み合い周波数ｆｍ（＝Ｚｆｒ）およびその高調波ｎｆｍ（＝ｎＺｆｒ）と、側帯波ｎｆｍ±ｆｒと、である。ここで、ｎは高調波の次数を示す整数である。歯車装置の異常の有無の診断においては。周波数スペクトルのうち、ｆｒ，ｎｆｒと，Ｚｆｒ（＝ｆｍ），ｎＺｆｒ（＝ｎｆｍ），ｎｆｍ±ｆｒの成分に着目し、これらの値がそれぞれの基準値を超えた場合に、異常であると判定することができる。

【0024】

図５を参照して説明したように、歯車装置１０には、小歯車軸１０３を支持する軸受１０４および大歯車軸１０５を支持する軸受１０６が設けられており、軸受１０４，１０６の欠陥により発生する異常振動も振動センサ２１により検出することができる。

【0025】

非特許文献２には、ころがり軸受に発生する異常振動に基づく診断技術が記載されている。非特許文献２に記載の技術によれば、内輪、外輪、転動体および保持器から構成される軸受の欠陥に対し、各構成要素において発生しうる異常状態に応じた振動の周波数を検出することができる。内輪に欠陥があるときのパス周波数ｆｉｎ、外輪に欠陥があるときのパス周波数ｆｏｕｔ、転動体に欠陥があるときのパス周波数ｆｂおよび保持器に欠陥があるときのパス周波数ｆｃはそれぞれ、以下の式（４）～式（７）に示される。
ｆｉｎ＝（Ｒ・ｆｒ／２）（１＋（ｄ／Ｄ）・ｃｏｓα） 式（４）
ｆｏｕｔ＝（Ｒ・ｆｒ／２）（１－（ｄ／Ｄ）・ｃｏｓα） 式（５）
ｆｂ＝（ｆｒ・Ｄ／ｄ）（１－（ｄ^２／Ｄ^２）・ｃｏｓ^２α） 式（６）
ｆｃ＝（ｆｒ／２）（１－（ｄ／Ｄ）・ｃｏｓα） 式（７）

【0026】

なお、式（４）～式（７）において、Ｒは転動体の数であり、αは内輪と外輪との接触角（ラジアン）であり、Ｄは軸受のピッチ円の直径（ｍｍ）であり、ｆｒは小歯車の回転周波数（Ｈｚ）である。

【先行技術文献】

【非特許文献】

【0027】

【非特許文献1】小野順貴：短時間フーリエ変換の基礎と応用、日本音響学会誌、７２巻、１２号、２０１６年、ｐｐ．７６４－７６９

【非特許文献2】豊田利夫、「回転機械診断の進め方」、社団法人日本プラントメンテナンス協会

【発明の概要】

【発明が解決しようとする課題】

【0028】

上述したように、歯車装置の異常を検知するための監視対象は、噛み合い周波数ｆｍを中心とする振幅スペクトルのパターンであり、歯車装置の各構成要素について、振幅スペクトル上で注目すべき周波数近傍での振幅と、その基準値とを比較することによって、異常の有無を判定することができる。このように、噛み合い周波数ｆｍが振幅スペクトルの注目点を決めることになるため、噛み合い周波数ｆｍの元となる小歯車軸１０３の回転数は、歯車装置における異常状態の検知のために必須である。

【0029】

従来の異常検知システム２０Ａにおいては、継手１３の近傍に設けられた回転数センサ２４により小歯車軸１０３の回転数を検知している。しかしながら、歯車装置１０の構造によっては、回転数センサ２４を設けることが物理的に困難な場合がある。また、回転数センサ２４を設ける場合には、回転数センサ２４本体およびセンサケーブルの設置作業が必要となり、コストの増大を招いてしまう。

【0030】

上記のような問題点に鑑みてなされた本発明の目的は、コストの増大を抑制しつつ、歯車装置の回転数を検出し、歯車装置の異常を検知することができる異常検知システムを提供することにある。

【課題を解決するための手段】

【0031】

（１）本開示に係る異常検知システムは、電動機の電動機軸と連結され、第１の軸受により回転可能に支持された小歯車軸に取り付けられた小歯車と、第２の軸受により回転可能に支持された大歯車軸に取り付けられ、前記小歯車と噛み合う大歯車と、を備える歯車装置における異常を検知する異常検知システムであって、前記第１の軸受または前記第２の軸受の近傍に設けられ、振動を検出する振動センサと、前記振動センサの出力信号からスペクトログラムを生成するスペクトログラム生成手段と、前記スペクトログラム生成手段により生成されたスペクトログラムから、前記歯車装置の回転数に対応する、前記小歯車と前記大歯車との噛み合い周波数を推定する推定手段と、前記スペクトログラム生成手段により生成されたスペクトログラムと、前記推定された回転数から算出される前記小歯車軸または前記大歯車軸の回転数とに基づき、前記歯車装置における異常の有無を判定する判定手段と、を備え、前記推定手段は、事前に収集された、前記スペクトログラムと、前記スペクトログラムに対応する噛み合い周波数とを学習データとした教師あり学習により生成されたモデルに、前記スペクトログラム生成手段により生成されたスペクトログラムを入力して、前記噛み合い周波数を推定する。

【発明の効果】

【0032】

本発明に係る異常検知システムによれば、コストの増大を抑制しつつ、歯車装置の回転数を検出し、歯車装置の異常を検知することができる。

【図面の簡単な説明】

【0033】

【図1】本発明の一実施形態に係る異常検知システムの構成例を示す図である。

【図2】ＣＮＮの概略構成を示す図である。

【図3】図１に示す推定手段による学習に用いられる学習データの一例を示す図である。

【図4】鉄道用歯車装置に適用した場合の、本発明の一実施形態に係る異常検知システムの構成例を示す図である。

【図5】従来の異常検知システムの構成例を示す図である。

【図6】図５に示すスペクトログラム生成手段によるスペクトログラムの生成について説明するための図である。

【図7】図５に示すスペクトログラム生成手段が生成するスペクトログラムの一例を示す図である。

【発明を実施するための形態】

【0034】

以下、本発明を実施するための形態について、図面を参照しながら説明する。

【0035】

図１は、本発明の一実施形態に係る異常検知システム２０の構成例を示す図である。本実施形態に係る異常検知システム２０は、電動機１２の電動機軸１２１と連結され、軸受１０４（第１の軸受）により回転可能に支持された小歯車軸１０３に取り付けられた小歯車１０１と、軸受１０６（第２の軸受）により回転可能に支持された大歯車軸１０５に取り付けられ、小歯車１０１と噛み合う大歯車１０２とを備える歯車装置１０における異常（例えば、異常振動）を検知するものである。図１において、図５と同様の構成については同じ符号を付し、説明を省略する。

【0036】

図１に示すように、本実施形態に係る異常検知システム２０は、振動センサ２１と、信号前処理手段２２と、スペクトログラム生成手段２３と、推定手段２５と、判定手段２６と、を備える。本実施形態に係る異常検知システム２０は、従来の異常検知システム２０Ａと比較して、回転数センサ２４を削除した点と、推定手段２５を追加した点と、判定手段２６Ａを判定手段２６に変更した点と、が異なる。

【0037】

推定手段２５は、スペクトログラム生成手段２３により生成されたスペクトログラムから、歯車装置１０の回転数に対応する、小歯車１０１と大歯車１０２との噛み合い周波数ｆｍを推定し、推定した噛み合い周波数ｆｍを判定手段２６に出力する。推定手段２５は、推定した噛み合い周波数ｆｍから小歯車軸１０３の回転数を算出し、算出した小歯車軸１０３の回転数を判定手段２６に出力してもよい。

【0038】

図７を参照して説明したように、スペクトログラム生成手段２３により生成されたスペクトログラムは、二次元の濃淡画像である。このような二次元画像において、噛み合い周波数ｆｍに対応する位置では、濃淡パターンに特徴が表れる。推定手段２５は、畳み込みネットワーク（Convolutional Neural Network（以下、「ＣＮＮ」と称する。））に基づく画像認識アルゴリズムを利用して、当該特徴的な濃淡パターンを検出する。

【0039】

推定手段２５は、図２に示すように、ＣＮＮを用いて学習されたモデル２５ａに、スペクトログラム生成手段２３により生成されたスペクトログラムを入力する。モデル２５ａは、複数の畳み込み層と、複数のプーリング層と、を含む。

【0040】

畳み込み層は、前段からの入力画像から局所的に特徴量を抽出する畳み込み処理を行う。プーリング層は、局所ごとに特徴量をまとめるプーリング処理を行う。畳み込み処理と、プーリング処理とが繰り返されることで、スペクトログラム生成手段２３により生成されたスペクトログラムから、噛み合い周波数ｆｍの位置に対応するフレームインデックスｍおよび周波数インデックスｋが特定される。

【0041】

モデル２５ａは、図３に示すような、事前に収集された、Ｒ個のスペクトログラムＡｒ（ｍ，ｋ）と、噛み合い周波数ｆｍに対応するフレームインデックスおよび周波数インデックスの組（ｍｒ、ｋｒ）（ｒ＝１，２，・・・Ｒ）と、を学習データとした教師あり学習により、畳み込み層およびプーリング層のパラメータが学習されて生成される。Ｒ個の学習データは、例えば、図５に示すように、回転数センサ２４を取り付けた状態で、スペクトログラムを生成するとともに、回転数センサ２４の検出結果から噛み合い周波数ｆｍに対応するフレームインデックスｍおよび周波数インデックスｋとの組を求めることで、用意することができる。

【0042】

このように、推定手段２５は、事前に収集された、スペクトログラムと、当該スペクトログラムに対応する噛み合い周波数ｆｍ（噛み合い周波数に対応するフレームインデックスｍおよび周波数インデックスｋ）とを学習データとした教師あり学習により生成されたモデル２５ａに、スペクトログラム生成手段２３により生成されたスペクトログラムを入力して、噛み合い周波数ｆｍを推定する。

【0043】

図１を再び参照すると、判定手段２６は、スペクトログラム生成手段２３により生成されたスペクトログラムと、推定手段２５により推定された噛み合い周波数ｆｍから算出される小歯車軸１０３の回転数とに基づき、歯車装置１０における異常の有無を判定する。小歯車軸１０３の回転数は、判定手段２６が噛み合い周波数ｆｍから算出してもよいし、上述したように、推定手段２５が算出してもよい。

【0044】

判定手段２６は、例えば、小歯車軸１０３の回転数から小歯車１０１の回転周波数ｆｒを算出し、算出した回転周波数ｆｒに基づき、上述した式（４）～（７）に従って、内輪に欠陥があるときのパス周波数ｆｉｎ、外輪に欠陥があるときのパス周波数ｆｏｕｔ、転動体に欠陥があるときのパス周波数ｆｂおよび保持器に欠陥があるときのパス周波数ｆｃを算出する。そして、判定手段２６は、スペクトログラムにおける、各パス周波数に対応する値と所定の基準値との比較により、歯車装置１０における異常の有無を判定する。

【0045】

なお、図１においては、小歯車軸１０３を支持する軸受１０４の近傍に振動センサ２１を設け、振動センサ２１の振動信号から生成されたスペクトログラムを用いて、噛み合い周波数ｆｍを推定する例を用いて説明したが、これに限られるものではない。例えば、大歯車軸１０５を支持する軸受１０６近傍の振動のスペクトログラムから噛み合い周波数ｆｍを推定することができる場合、振動センサ２１は、軸受１０６の近傍に設けられてもよい。この場合、推定手段２５は、スペクトログラム生成手段２３により生成されたスペクトログラムから、歯車装置１０の回転数に対応する噛み合い周波数ｆｍを推定し、噛み合い周波数ｆｍから大歯車軸１０５の回転数を推定してよい。

【0046】

また、判定手段２６による歯車装置１０の異常の有無の判定方法は、上述した方法に限られるものではなく、小歯車１０１の回転周波数ｆｒあるいは大歯車１０２の回転周波数を用いた任意の方法を用いることができる。

【0047】

このように本実施形態に係る異常検知システム２０は、振動センサ２１と、スペクトログラム生成手段２３と、推定手段２５と、判定手段２６と、を備える。振動センサ２１は、軸受１０４（第１の軸受）または軸受１０６（第２の軸受）の近傍に設けられ、振動を検出する。スペクトログラム生成手段２３は、振動センサ２１の出力信号からスペクトログラムを生成する。推定手段２５は、生成されたスペクトログラムから、歯車装置１０の回転数に対応する、小歯車１０１と大歯車１０２との噛み合い周波数ｆｍを推定する。判定手段２６は、生成されたスペクトログラムと、推定された回転数から算出される小歯車軸１０３または大歯車軸１０５の回転数とに基づき、歯車装置１０における異常の有無を判定する。ここで、推定手段２５は、事前に収集された、スペクトログラムと、スペクトログラムに対応する噛み合い周波数ｆｍとを学習データとした教師あり学習により生成されたモデル２５ａに、生成されたスペクトログラムを入力して、噛み合い周波数ｆｍを推定する。

【0048】

振動センサ２１の出力信号から生成されたスペクトログラムから小歯車軸１０３または大歯車軸１０５の回転数を推定するため、従来の異常検知システム２０のように回転数センサ２４を設ける必要がない。そのため、回転数センサ２４本体およびセンサケーブルの設置の設置作業が不要となるので、コストの増大を抑制しつつ、歯車装置１０の回転数を検出し、歯車装置１０の異常を検知することができる。

【0049】

図４は、鉄道用の歯車装置３０に適用した場合、本実施形態に係る異常検知システム２０の構成例を示す図である。

【0050】

主電動機３６の回転軸と平行に車軸３１が配置される。主電動機３６の回転軸には、軸継手３５を介して、小歯車３４２が連結される。小歯車３４２は、転がり軸受３４３により回転自在に支持される。大歯車３４１は、車軸３１に圧入され、小歯車３４２と噛み合う。大歯車３４１および小歯車３４２は、歯車箱３４に収容される。車軸３１は一端が軸箱３２１に収容され、他端が軸箱３２２に収容される。すなわち、軸箱３２１，３２２は、車軸３１の端部を収容する。車軸３１は、歯車箱３４の転がり軸受３４４と、軸箱３２１の転がり軸受３２１ａと、軸箱３２２の転がり軸受３２２ａと、により、回転自在に支持される。したがって、小歯車３４２の回転に伴って大歯車３４１が回転することで、主電動機３６のトルクが、車軸３１を介して、車軸３１に連結された車輪３３１および車輪３３２に伝達される。

【0051】

歯車装置３０は、上述したような、主電動機３６のトルクを車輪３３１，３３２に伝達するための各部位から構成される。なお、軸継手３５は、主電動機３６と歯車装置３０との相対変位による回転軸のずれを吸収し、主電動機３６で発生した回転力を、ブレあるいは歪みなく車輪３３１，３３２に伝達する。

【0052】

歯車装置３０には、歯車装置３０の状態を検出するため種々のセンサが取り付けられる。

【0053】

歯車装置１０の状態を検出するため種々のセンサとしては、例えば、振動センサ３７１、３７２，３７３がある。振動センサ３７１、３７２，３７３は、直交する三軸方向の振動を検出可能なセンサである。振動センサ３７１は、歯車箱３４の転がり軸受３４３の近傍に設けられ、転がり軸受３４３近傍の振動を検出する。振動センサ３７１は、振動センサ２１に相当する。振動センサ３７２は、歯車箱３４の転がり軸受３４４の近傍に設けられ、転がり軸受３４４近傍の振動を検出する。振動センサ３７３は、軸箱３２１の転がり軸受３２１ａの近傍に設けられ、転がり軸受３２１ａ近傍の振動を検出する。振動センサ３７３は、軸箱３２２の転がり軸受３２２ａの近傍にも設けられてもよい。

【0054】

信号前処理手段２２１は、ケーブル３７１ｃを介して、振動センサ３７１から出力された振動信号を取得する。振動前処理手段２２１は、信号前処理手段２２に相当する。信号前処理手段２２１は、振動センサ３７１から取得した振動信号を増幅するとともに、予め設定されたバンドパスフィルタにより低周波ノイズおよび高周波ノイズを除去して、スペクトログラム生成手段２３１に出力する。信号前処理手段２２２は、ケーブル３７３ｃを介して、振動センサ３７３から出力された振動信号を取得する。信号前処理手段２２２は、振動センサ３７３から取得した振動信号を増幅するとともに、予め設定されたバンドパスフィルタにより低周波ノイズおよび高周波ノイズを除去して、スペクトログラム生成手段２３２に出力する。信号前処理手段２２３は、ケーブル３７２ｃを介して、振動センサ３７２から出力された振動信号を取得する。信号前処理手段２２３は、振動センサ３７２から取得した振動信号を増幅するとともに、予め設定されたバンドパスフィルタにより低周波ノイズおよび高周波ノイズを除去して、スペクトログラム生成手段２３３に出力する。

【0055】

スペクトログラム生成手段２３１は、信号前処理手段２２１から出力された振動信号からスペクトログラムを生成し、推定手段２５１および判定手段２６１に出力する。スペクトログラム生成手段２３１は、スペクトログラム生成手段２３に相当する。スペクトログラム生成手段２３２は、信号前処理手段２２２から出力された振動信号からスペクトログラムを生成し、判定手段２６１に出力する。スペクトログラム生成手段２３３は、信号前処理手段２２３から出力された振動信号からスペクトログラムを生成し、判定手段２６１に出力する。

【0056】

推定手段２５１は、スペクトログラム生成手段２３１により生成されたスペクトログラムから、歯車装置３０の回転数に対応する、小歯車３４２と大歯車３４１との噛み合い周波数ｆｍを推定する。そして、推定手段２５１は、推定した噛み合い周波数ｆｍから小歯車軸の回転数を推定し、推定した小歯車軸の回転数を判定手段２６１に出力する。推定手段２５１は、推定手段２５に相当する。

【0057】

判定手段２６１は、スペクトログラム生成手段２３１，２３２，２３３により生成されたスペクトログラムと、推定手段２５１により推定された小歯車軸の回転数とに基づき、歯車装置３０における異常の有無を判定する。判定手段２６１は、鉄道車両に搭載された各種機器の状態を監視する列車モニタ装置３９に判定結果を出力する。判定手段２６１は、判定手段２６に相当する。

【0058】

上述の実施形態は代表的な例として説明したが、本発明の趣旨および範囲内で、多くの変更および置換が可能であることは当業者に明らかである。したがって、本発明は、上述の実施形態によって制限するものと解するべきではなく、特許請求の範囲から逸脱することなく、種々の変形および変更が可能である。

【符号の説明】

【0059】

１０ 歯車装置
１１，３４ 歯車箱
１２ 電動機
１３ 継手
１４ 負荷機
２１、３７１，３７２，３７３ 振動センサ
２２，２２１，２２２，２２３ 信号前処理手段
２３，２３１，２３２，２３３ スペクトログラム生成手段
２４ 回転数センサ
２５，２５１ 推定手段
２６，２６Ａ，２６１ 判定手段
３９ 監視モニタ装置
３１ 車軸
３５ 軸継手
３６ 主電動機
３２１，３２２ 軸箱
１０１，３４２ 小歯車
１０２，３４１ 大歯車
１０３ 小歯車軸
１０４ 軸受（第１の軸受）
１０５ 大歯車軸
１０６ 軸受（第２の軸受）
１２１ 電動機軸
３２１ａ，３２２ａ，３４３，３４４ 転がり軸受
３３１，３３２ 車輪
３７１ｃ，３７２ｃ，３７３ｃ ケーブル

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】