特許 6997051 転がり軸受の状態監視方法および状態監視装置

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2021-12-20

(45)【発行日】2022-02-03

(54)【発明の名称】転がり軸受の状態監視方法および状態監視装置

(51)【国際特許分類】

   G01M 13/045 20190101AFI20220127BHJP

   F16C 19/52 20060101ALN20220127BHJP

   F16N 29/00 20060101ALN20220127BHJP

【ＦＩ】

G01M13/045

F16C19/52

F16N29/00 D

【請求項の数】 7

(21)【出願番号】P 2018154048

(22)【出願日】2018-08-20

(65)【公開番号】P2019045487

(43)【公開日】2019-03-22

【審査請求日】2021-03-09

(31)【優先権主張番号】P 2017166823

(32)【優先日】2017-08-31

(33)【優先権主張国・地域又は機関】JP

(73)【特許権者】

【識別番号】000102692

【氏名又は名称】ＮＴＮ株式会社

(74)【代理人】

【識別番号】110001195

【氏名又は名称】特許業務法人深見特許事務所

(72)【発明者】

【氏名】筒井 英之

(72)【発明者】

【氏名】北井 正嗣

【審査官】萩田 裕介

(56)【参考文献】

【文献】特開２００５－２９１７３８（ＪＰ，Ａ）

【文献】特表２０１５－５１５００２（ＪＰ，Ａ）

【文献】特許第４６０５１３２（ＪＰ，Ｂ２）

【文献】特開昭５４－０７７１８９（ＪＰ，Ａ）

【文献】米国特許出願公開第２０１６／０３１３２２８（ＵＳ，Ａ１）

【文献】特開２０１８－０２５４５０（ＪＰ，Ａ）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０１Ｍ １３／００ － １３／０４５

Ｇ０１Ｍ ９９／００

Ｆ１６Ｎ ２９／００

(57)【特許請求の範囲】

【請求項1】

機械学習によって分類器を作成するステップと、
転がり軸受の状態を監視するステップとを含み、
前記分類器を作成するステップは、
第１油分離率のグリースが封入された前記転がり軸受の第１振動データの特徴量を算出するステップと、
前記第１油分離率より小さい第２油分離率のグリースが封入された前記転がり軸受の第２振動データの特徴量を算出するステップと、
正常なグリースが封入された前記転がり軸受の第３振動データの特徴量を算出するステップと、
前記第１～第３振動データの特徴量を機械学習して前記分類器を作成するステップとを含み、
前記正常なグリースの油分離率が前記第１油分離率となるまでの前記転がり軸受の運転時間は、第１運転時間であり、
前記正常なグリースの油分離率が前記第２油分離率となるまでの前記転がり軸受の運転時間は、前記第１運転時間よりも短い第２運転時間であり、
前記状態を監視するステップは、
監視中に測定された前記転がり軸受の第４振動データの特徴量を算出するステップと、
前記分類器を用いて、前記第４振動データの特徴量と、前記第１～第３振動データの特徴量それぞれとの第１～第３適合率を算出するステップと、
前記第１および第２運転時間と、前記第１～第３適合率とを用いて、前記転がり軸受に封入されたグリースの油分離率が前記第１油分離率となるまでの余寿命を算出するステップとを含む、転がり軸受の状態監視方法。

【請求項2】

前記第１～第３適合率の総和は、１であり、
前記余寿命を算出するステップは、前記第１および第２適合率と前記第１および第２運転時間とをそれぞれ乗じた値の総和を、前記第１運転時間から引いた値を、前記余寿命として算出する、請求項１に記載の転がり軸受の状態監視方法。

【請求項3】

前記第１油分離率のグリースおよび前記第２油分離率のグリースは、人工的に調整されたグリースである、請求項１または２に記載の転がり軸受の状態監視方法。

【請求項4】

前記第１油分離率のグリースは、前記正常なグリースが封入された前記転がり軸受を前記第１運転時間だけ運転させることによって得られたグリースであり、
前記第２油分離率のグリースは、前記正常なグリースが封入された前記転がり軸受を前記第２運転時間だけ運転させることによって得られたグリースである、請求項１または２に記載の転がり軸受の状態監視方法。

【請求項5】

前記第１～第４振動データの特徴量は、前記第１～第４振動データを短時間フーリエ変換したデータをそれぞれ含む、請求項１～４のいずれか１項に記載の転がり軸受の状態監視方法。

【請求項6】

前記第１～第３振動データは、前記転がり軸受の運転が開始されてから慣らし運転期間経過後に測定された振動データである、請求項１～５のいずれか１項に記載の転がり軸受の状態監視方法。

【請求項7】

請求項１～６のいずれか１項に記載の転がり軸受の状態監視方法を用いて、前記転がり軸受の状態を監視する、状態監視装置。

【発明の詳細な説明】

【技術分野】

【0001】

この発明は、転がり軸受の状態監視方法および状態監視装置に関する。

【背景技術】

【0002】

従来、転がり軸受の状態監視方法が知られている。たとえば特開２００４－３４７４０１号公報（特許文献１）には、周波数スペクトルにおいて回転速度比例成分等のピークを持たないバックグラウンドノイズ成分を用いることにより、簡素な構成で効率的に精度良く転がり軸受の異常の有無を判断することができる転がり軸受の診断方法が開示されている。

【先行技術文献】

【特許文献】

【0003】

【文献】特開２００４－３４７４０１号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

特開２００４－３４７４０１号公報（特許文献１）には、転がり軸受の振動データの周波数スペクトルが閾値を超えたときに、転がり軸受に封入されたグリースが劣化したと判断する構成が開示されている。

【0005】

グリースの交換時期を適切に判断するためには、劣化度合いに応じたグリースの余寿命を推定する必要がある。しかし、特開２００４－３４７４０１号公報（特許文献１）においては、劣化度合いに応じたグリースの余寿命の推定については考慮されていない。

【0006】

本発明は上記のような課題を解決するためになされたものであり、その目的は、転がり軸受に封入されたグリースの余寿命を推定することである。

【課題を解決するための手段】

【0007】

本発明に係る転がり軸受の状態監視方法は、機械学習によって分類器を作成するステップと、転がり軸受の状態を監視するステップとを含む。分類器を作成するステップは、第１～第３振動データの特徴量を算出するステップと、第１～第３振動データの特徴量を機械学習して分類器を作成するステップとを含む。第１振動データは、第１油分離率のグリースが封入された転がり軸受の振動データである。第２振動データは、第１油分離率より小さい第２油分離率のグリースが封入された転がり軸受の振動データである。第３振動データは、正常なグリースが封入された転がり軸受の振動データである。正常なグリースの油分離率が第１油分離率となるまでの転がり軸受の運転時間は、第１運転時間である。正常なグリースの油分離率が第２油分離率となるまでの転がり軸受の運転時間は、第１運転時間よりも短い第２運転時間である。状態を監視するステップは、第４振動データの特徴量を算出するステップと、第１～第３適合率を算出するステップと、転がり軸受に封入されたグリースの余寿命を算出するステップとを含む。第４振動データは、監視中に測定された転がり軸受の振動データである。第１～第３適合率は、分類器によって算出される。第１～第３適合率は、第４振動データの特徴量と、第１～第３振動データの特徴量それぞれとの適合率である。転がり軸受に封入されたグリースの余寿命は、第１および第２運転時間と、第１～第３適合率とを用いて算出される。当該余寿命は、転がり軸受に封入されたグリースの油分離率が第１油分離率となるまでの転がり軸受の運転時間である。

【発明の効果】

【0008】

本発明に係る転がり軸受の状態監視方法によれば、振動データの特徴量の機械学習によって作成された分類器を用いることにより、転がり軸受に封入されたグリースの余寿命を推定することができる。

【図面の簡単な説明】

【0009】

【図1】実施の形態に係る状態監視装置および状態監視装置によって監視される転がり軸受の断面図を併せて示す図である。

【図2】図１の状態監視装置の機能ブロック図である。

【図3】制御部によって行なわれるグリースの余寿命の推定処理の概要を示すフローチャートである。

【図4】学習期間に行なわれる処理の流れを具体的に示すフローチャートである。

【図5】油分離レベル２（油分離率７０％）の（ａ）振動データ（加速度データ）、および（ｂ）ＳＴＦＴ画像を併せて示す図である。

【図6】油分離レベル１（油分離率３０％）の（ａ）振動データ（加速度データ）のタイムチャート、および（ｂ）ＳＴＦＴ画像を併せて示す図である。

【図7】正常な（ａ）振動データ（加速度データ）のタイムチャート、および（ｂ）ＳＴＦＴ画像を併せて示す図である。

【図8】監視期間に行なわれる処理の流れを具体的に示すフローチャートである。

【図9】監視中に測定された振動データのＳＴＦＴ画像と各油分離レベルのＳＴＦＴ画像との適合率のタイムチャートである。

【図10】転がり軸受の運転時間と実施の形態に係る状態監視装置によって推定された余寿命との関係を示す図である。

【発明を実施するための形態】

【0010】

以下、本発明の実施の形態について、図面を参照しながら詳細に説明する。なお、図中同一または相当部分には同一符号を付してその説明は繰り返さない。

【0011】

図１は、実施の形態に係る状態監視装置１および状態監視装置１によって監視される転がり軸受１０の断面図を併せて示す図である。図１に示されるように、転がり軸受１０は、内輪１２と、外輪１４と、保持器１６と、複数の転動体１８とを含む。転がり軸受１０は、たとえば、自動調芯ころ軸受、円すいころ軸受、円筒ころ軸受、および玉軸受などを含む。転がり軸受１０は、単列のものでも複列のものでもよい。

【0012】

内輪１２は、主軸１１にはめ込まれて固定され、主軸１１と一体となって矢印Ｄの方向に回転する回転輪である。外輪１４は、内輪１２の外周側に配置されている静止輪である。

【0013】

保持器１６には、複数の転動体１８を保持するための複数のポケットが等間隔に設けられている。保持器１６は、複数の転動体１８を保持した状態で内輪１２の外周面と外輪１４の内周面との間に配置される。内輪１２の回転に伴って転動体１８が外輪１４の内周面（軌道面）に沿って回転すると、保持器１６は複数の転動体１８とともに内輪１２の外周面と外輪１４の内周面との間を回転する。

【0014】

転がり軸受１０の内部には、金属である構成要素（たとえば内輪１２、外輪１４、保持器１６、および転動体１８）の周囲に油膜を形成して、金属同士の接触を抑制するために、グリースＧｒｃが封入されている。

【0015】

状態監視装置１は、振動センサによって転がり軸受１０の物理量を測定して、転がり軸受の状態を監視する。振動センサによって測定される転がり軸受１０の物理量としては、たとえば、加速度、速度、変位、音、ＡＥ（Acoustic Emission）、および電力を挙げることができる。

【0016】

転がり軸受１０の運転時間の増加に伴い、グリースＧｒｃが劣化してグリースＧｒｃの油分離率が増加する。グリースＧｒｃの油分離率が増加すると、転動体１８等の周囲に十分な油膜を形成することが困難になり、転がり軸受１０の内部で金属同士の接触が生じ易くなる。金属同士の接触による摩擦熱によって金属同士が溶着すると、転がり軸受１０の回転が困難になる。

【0017】

グリースＧｒｃの劣化に伴う転がり軸受１０の寿命（潤滑寿命）は、複数の転動体１８によって軌道面に形成された損傷（転動疲労）による転がり軸受１０の寿命よりも短い。転がり軸受１０をできるだけ長期間使用するためには、残されている潤滑寿命（余寿命）がどの程度であるかを推定し、グリースＧｒｃを適切な時期に交換する必要がある。

【0018】

そこで、実施の形態においては、異なる油分離率のグリースが封入された転がり軸受の振動データの特徴量を機械学習することにより、或る特徴量と、機械学習した複数の特徴量との適合率をそれぞれ算出する分類器を作成する。当該分類器を用いることにより、転がり軸受に封入されたグリースの余寿命を推定することができる。

【0019】

図２は、図１の状態監視装置１の機能ブロック図である。図２に示されるように、状態監視装置１は、振動センサ２０と、制御部４０と、記憶部５０とを含む。振動センサ２０は、転がり軸受１０の振動データを測定し、制御部４０に出力する。

【0020】

制御部４０は、学習期間において、異なる油分離率のグリースが封入された転がり軸受１０の振動データの特徴量を機械学習し、分類器を作成する。分類器は、或る特徴量と機械学習した各特徴量との適合率を算出する。分類器としては、たとえばサポートベクターマシン、ニューラルネットワーク、ナイーブベイズ、および決定木を挙げることができる。実施の形態においては分類器としてニューラルネットワークを用いる。制御部４０は、監視期間において、サンプリング時刻において測定された振動データの特徴量を算出し、学習期間において作成した分類器を用いてグリースＧｒｃの余寿命を算出する。制御部４０は、ＣＰＵ（Central Processing Unit）のようなコンピュータを含む。

【0021】

記憶部５０には、たとえば、振動データ、当該振動データから算出される特徴量、および機械学習によって作成される分類器が保存される。

【0022】

図３は、制御部４０によって行なわれるグリースの余寿命の推定処理の概要を示すフローチャートである。以下ではステップを単にＳと記載する。図３に示されるように、制御部４０は、Ｓ１において分類器を作成する。Ｓ１は、学習期間において行なわれる処理である。制御部４０は、Ｓ２において分類器を用いてグリースの余寿命を算出する。Ｓ２は、監視期間において行なわれる処理である。機械学習によって作成された分類器が監視期間の開始時に作成されていればよく、学習期間と監視期間とは連続していなくてもよい。

【0023】

図４は、学習期間に行なわれる処理（図３のＳ１）の流れを具体的に示すフローチャートである。なお、転がり軸受１０が運転を開始してからしばらくの間は、転がり軸受１０の挙動が安定しない。そのため、学習期間においては、転がり軸受１０の運転を開始してから慣らし運転期間（たとえば５日間）を経過し、転がり軸受１０の挙動が安定した状態で一定期間（たとえば１ヶ月間）測定された振動データが用いられることが望ましい。

【0024】

図４に示されるように、制御部４０は、Ｓ１１において油分離率が油分離レベル２のグリースが封入された転がり軸受の振動データの短時間フーリエ変換（ＳＴＦＴ：Short Time Fourier Transform）画像を、油分離レベル２に対応する特徴量として算出し、処理をＳ１２へ進める。油分離レベル２の油分離率は、潤滑寿命がほとんど尽きており交換の必要性が高いグリースの油分離率として設定される。油分離レベル２の油分離率は、たとえば５０％以上８０％以下の値であり、実施の形態では７０％とする。

【0025】

制御部４０は、Ｓ１２において、油分離率が油分離レベル１であるグリースが封入された転がり軸受の振動データのＳＴＦＴ画像を、油分離レベル１に対応する徴量として算出し、処理をＳ１３へ進める。油分離レベル１の油分離率は、グリースの劣化は生じているが潤滑寿命がある程度残されているため交換の必要性は低いグリースの油分離率として設定される。油分離レベル２の油分離率に対する油分離レベル１の油分離率の割合はたとえば４０％以上６０％以下の値である。実施の形態において油分離レベル１の油分離率は、３０％である。

【0026】

制御部４０は、Ｓ１３において、油分離レベル０のグリースが封入された転がり軸受の振動データのＳＴＦＴ画像を、油分離レベル０に対応する特徴量として算出し、処理をＳ１４に進める。油分離レベル０のグリースとは、正常なグリースである。正常なグリースとは、劣化がほとんど生じていないグリースであり、たとえば未使用のグリース、油分離率が基準値以下のグリース、あるいは未使用のグリースが封入された転がり軸受の運転が開始されてから閾値時間以内のグリースである。実施の形態においては、油分離レベル０のグリースを、未使用のグリースが封入された転がり軸受の運転が開始されてから５時間以内のグリースとする。

【0027】

制御部４０は、Ｓ１４において、油分離レベル０～２の各グリースのＳＴＦＴ画像を機械学習して分類器を作成し、処理をＳ１５に進める。分類器は、或るＳＴＦＴ画像と、各油分離レベルのＳＴＦＴ画像との適合率を算出する。

【0028】

制御部４０は、Ｓ１５において、油分離レベル０～２のＳＴＦＴ画像と運転時間Ｌ０～Ｌ２とをそれぞれ関連付けて記憶部５０に保存し、処理を終了する。油分離レベル０のグリースは正常なグリースであるため、実施の形態においては、運転時間Ｌ０を０とする。運転時間Ｌ１は、正常なグリースの油分離率が油分離レベル１の油分離率になるまでの転がり軸受の運転時間である。運転時間Ｌ２は、正常なグリースの油分離率が油分離レベル２の油分離率になるまでの転がり軸受の運転時間である。運転時間Ｌ１は、未使用のグリースの油分離率が油分離レベル１の油分離率になるまで転がり軸受を実際に運転した場合の運転時間でもよいし、運転時間と油分離率との関係式から求められた運転時間でもよい。運転時間Ｌ２についても同様である。実施の形態においては、運転時間Ｌ１を１０００時間とし、運転時間Ｌ２を２０００時間とする。

【0029】

Ｓ１１～Ｓ１３は、Ｓ１４より前に実行されていればよく、図４に示される順序で行なわれる必要はない。また、Ｓ１１～Ｓ１３は、遂次的ではなく同時並行的に行なわれても良い。

【0030】

図５は、油分離レベル２（油分離率７０％）の（ａ）振動データ（加速度データ）、および（ｂ）ＳＴＦＴ画像を併せて示す図である。図６は、油分離レベル１（油分離率３０％）の（ａ）振動データ（加速度データ）のタイムチャート、および（ｂ）ＳＴＦＴ画像を併せて示す図である。図７は、正常な（ａ）振動データ（加速度データ）のタイムチャート、および（ｂ）ＳＴＦＴ画像を併せて示す図である。図５～図７に示される振動データは、回転速度１５００ｍｉｎ－１で運転しているＮＴＮ社製のアンギュラ玉軸受７２１６の振動加速度がサンプリング速度５０ｋＨｚで測定されたデータである。図５～図７に示される振動データの測定において、ラジアル負荷およびアキシアル負荷は共に１．３ｋＮであり、温度は１５０℃である。

【0031】

図４のＳ１１においては、図５（ａ）から図５（ｂ）が算出される。図４のＳ１２においては、図６（ａ）から図６（ｂ）が算出される。図４のＳ１３においては、図７（ａ）から図７（ｂ）が算出される。図４のＳ１４においては、図５（ｂ）、図６（ｂ）、図７（ｂ）が機械学習される。

【0032】

油分離レベル１および２の各グリースは、監視対象の転がり軸受を実際に運転することによって得られたグリースでもよいし、人工的に油分離率ＯＳが調整されたグリースでもよい。グリースの油分離率ＯＳを人工的に調整する方法としては、たとえば以下の式（１）を用いて、遠心分離器で分離した油をグリースから除去する方法、あるいは恒温槽などでグリースを加熱して油を蒸発あるいは油を分離させる方法を挙げることができる。式（１）において、Ｔ０は未使用グリースの増ちょう剤量（％）であり、Ｔ１は調整対象のグリースの増ちょう剤量（％）である。

【0033】

ＯＳ＝（１－Ｔ０／Ｔ１）×１００ …（１）
増ちょう剤量の測定方法としては、重量を測定したグリースを石油ベンジンで希釈し、それを遠心分離器で分離させ、上澄みの油と石油ベンジンとを除去するという作業を数回繰り返して、残存した増ちょう剤の重量を測定し、増ちょう剤重量のグリース重量に占める割合を求めるという方法を挙げることができる。

【0034】

図４のＳ１１およびＳ１２においては、設定された油分離率で油が分離することによる重量変化を想定した封入量Ｇ１のグリースが封入さえた転がり軸受の振動データが参照される。封入量Ｇ１は、たとえば以下の式（２）から求めることができる。式（２）において、Ｇ０は転がり軸受の運転開始時に封入されるグリースの封入量（初期封入量）である。式（２）における封入量Ｇ０およびＧ１は、グリースが封入される転がり軸受内部の全容積に対する封入されるグリースの容積の比である。実施の形態においては、初期封入量Ｇ０を２７％とする。

【0035】

Ｇ１＝Ｇ０×（１００－ＯＳ）／１００ …（２）
図８は、監視期間に行なわれる処理（図３のＳ２）の流れを具体的に示すフローチャートである。図８に示される処理は、不図示のメインルーチンによって各サンプリング時刻に実行される。

【0036】

図８に示されるように、制御部４０は、Ｓ２１においてサンプリング時刻に測定された振動データ（測定データ）のＳＴＦＴ画像を算出し、処理をＳ２２に進める。制御部４０は、Ｓ２２において、学習期間に作成した分類器を用いて、測定データのＳＴＦＴ画像と、機械学習した３つのＳＴＦＴ画像それぞれとの適合率Ｐ０～Ｐ２を算出し、処理をＳ２３へ進める。適合率Ｐ０は、測定データのＳＴＦＴ画像と油分離レベル０のＳＴＦＴ画像の適合率である。適合率Ｐ１は、測定データのＳＴＦＴ画像と油分離レベル１のＳＴＦＴ画像の適合率である。適合率Ｐ２は、測定データのＳＴＦＴ画像と油分離レベル２のＳＴＦＴ画像の適合率である。適合率Ｐ０～Ｐ２の総和は１である。

【0037】

制御部４０は、Ｓ２３において、以下の式（３）を用いて、グリースの油分離率が油分離レベル２の油分離率となるまでの余寿命ΔＬを算出し、処理をメインルーチンに戻す。

【0038】

ΔＬ＝Ｌ２－（Ｌ０×Ｐ０＋Ｌ１×Ｐ１＋Ｌ２×Ｐ２） …（３）
制御部４０は、余寿命ΔＬが、閾値よりも小さい場合には、たとえばグリースの交換を促すメッセージをユーザに報知する。

【0039】

以下では、実施の形態に係る状態監視装置を用いて、転がり軸受のグリースの余寿命を推定した実験の結果を示す。当該実験においては、ＮＴＮ社製のアンギュラ玉軸受７２１６を回転速度１５００ｍｉｎ－１で運転させ、２時間毎に２０秒間、サンプリング速度５０ｋＨｚでアンギュラ玉軸受７２１６の振動加速度を測定した。ラジアル負荷およびアキシアル負荷は共に１．３ｋＮとし、温度はヒータ加熱によって１５０℃とした。アンギュラ玉軸受７２１６の内部に封入されたグリースの油分離率は、運転時間が２０００時間となった時点で７０％であった。

【0040】

図９は、監視中に測定された振動データのＳＴＦＴ画像と各油分離レベルのＳＴＦＴ画像との適合率のタイムチャートである。図９において、曲線Ｃ０は、監視中に測定された振動データのＳＴＦＴ画像と油分離レベル０のＳＴＦＴ画像との適合率Ｐ０の時間変化を示す。曲線Ｃ１は、監視中に測定された振動データのＳＴＦＴ画像と油分離レベル１のＳＴＦＴ画像との適合率Ｐ１の時間変化を示す。曲線Ｃ２は、監視中に測定された振動データのＳＴＦＴ画像と油分離レベル２のＳＴＦＴ画像との適合率Ｐ２の時間変化を示す。

【0041】

図９に示されるように、運転時間Ｌ１０（０＜Ｌ１０＜５００）は、油分離レベル０に対応付けられた運転時間Ｌ０（０）に最も近く、その次に油分離レベル１に対応付けられた運転時間Ｌ１（１０００）に近い。運転時間Ｌ１０におけるグリースの実際の状態は、油分離レベル０のグリースの状態に最も近く、その次に油分離レベル１のグリースの状態に近い。運転時間Ｌ１０における適合率Ｐ０～Ｐ２の値は、それぞれ０．９、０．１、および０である。適合率Ｐ０～Ｐ２の大小関係Ｐ０＞Ｐ１＞Ｐ２から、運転時間Ｌ１０におけるグリースの状態は、油分離レベル０のグリースの状態に最も近く、その次に油分離レベル１のグリースの状態に近いと推定することができる。運転時間Ｌ１０の適合率Ｐ０～Ｐ２には、運転時間Ｌ１０における実際のグリースの状態が反映されている。

【0042】

運転時間Ｌ２０（１０００＜Ｌ２０＜１５００）は、運転時間Ｌ１に最も近く、その次に油分離レベル２に対応付けられた運転時間Ｌ２（２０００）に近い。運転時間Ｌ２０におけるグリースの実際の状態は、油分離レベル１のグリースの状態に最も近く、その次に油分離レベル２のグリースの状態に近い。運転時間Ｌ２０における適合率Ｐ０～Ｐ２の値は、それぞれ０、０．９、および０．１である。適合率Ｐ０～Ｐ２の大小関係Ｐ１＞Ｐ２＞Ｐ０から、運転時間Ｌ２０におけるグリースの状態は、油分離レベル１のグリースの状態に最も近く、その次に油分離レベル２のグリースの状態に近いと推定することができる。運転時間Ｌ２０の適合率Ｐ０～Ｐ２には、運転時間Ｌ２０における実際のグリースの状態が反映されている。

【0043】

運転時間Ｌ３０（１５００＜Ｌ３０＜２０００）は、運転時間Ｌ２に最も近く、その次に運転時間Ｌ１に近い。運転時間Ｌ３０におけるグリースの実際の状態は、油分離レベル２のグリースの状態に最も近く、その次に油分離レベル１のグリースの状態に近い。運転時間Ｌ３０における適合率Ｐ０～Ｐ２の値は、それぞれ０、０．１、および０．９である。適合率Ｐ０～Ｐ２の大小関係Ｐ２＞Ｐ１＞Ｐ０から、運転時間Ｌ３０におけるグリースの状態は、油分離レベル２のグリースの状態に最も近く、その次に油分離レベル１のグリースの状態に近いと推定することができる。運転時間Ｌ３０の適合率Ｐ０～Ｐ２には、運転時間Ｌ３０における実際のグリースの状態が反映されている。

【0044】

図１０は、転がり軸受の運転時間と実施の形態に係る状態監視装置によって推定された余寿命との関係を示す図である。図１０に示されるように、運転時間の増加に伴って劣化するグリースの状態に対応する余寿命が推定されている。

【0045】

実施の形態においては、内輪が回転輪であり、外輪が静止輪である場合について説明した。実施の形態に係る状態監視装置の監視対象となる転がり軸受は、内輪が静止輪であり、外輪が回転輪であってもよい。

【0046】

実施の形態においては油分離率を３レベルに分けて、学習期間において各レベルのＳＴＦＴ画像を機械学習する場合について説明した。油分離率は、４レベル以上に分けられてもよい。また、振動データの特徴量は、ＳＴＦＴ画像以外でもよく、たとえば、実効値、最大値、波高率、尖度、および歪度であってもよい。

【0047】

以上、実施の形態に係る状態監視装置によれば、振動データの特徴量の機械学習によって作成された分類器を用いることにより、転がり軸受に封入されたグリースの余寿命を推定することができる。

【0048】

今回開示された実施の形態はすべての点で例示であって制限的なものではないと考えられるべきである。本発明の範囲は上記した説明ではなくて特許請求の範囲によって示され、特許請求の範囲と均等の意味および範囲内でのすべての変更が含まれることが意図される。

【符号の説明】

【0049】

１ 状態監視装置、１０ 転がり軸受、１１ 主軸、１２ 内輪、１４ 外輪、１６ 保持器、１８ 転動体、２０ 振動センサ、４０ 制御部、５０ 記憶部、Ｇｒｃ グリース。

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】