[发明专利]轴承诊断装置在审
申请号: | 201710665823.X | 申请日: | 2017-08-07 |
公开(公告)号: | CN107702920A | 公开(公告)日: | 2018-02-16 |
发明(设计)人: | 安藤知治 | 申请(专利权)人: | 大隈株式会社 |
主分类号: | G01M13/04 | 分类号: | G01M13/04 |
代理公司: | 北京三友知识产权代理有限公司11127 | 代理人: | 黄纶伟,黄志坚 |
地址: | 日本*** | 国省代码: | 暂无信息 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 轴承 诊断 装置 | ||
技术领域
本发明涉及识别对机床的主轴等进行支承的滚动轴承的状态的轴承诊断装置。
背景技术
滚动轴承用于大量的机器的旋转设备,在机床的主轴中一般也使用滚动轴承。发挥以等间隔保持轴承的滚动体的作用的保持器与滚动体发生滑动,为了正常地保持其动作,需要润滑油。作为润滑油的供给方式,具有被称作油空气的方式等,在该油空气的方式中,通过压缩空气将基于油脂的润滑油或从混合阀中排出的微小的润滑油输送到轴承内。万一,该混合阀发生动作不良的情况下,由于润滑油不足,保持器与滚动体烧粘在一起,因此主轴不能旋转。在更换主轴的轴承的期间,生产停止,因此需要把握主轴的滚动轴承的状态。
作为把握滚动轴承的状态的方法,公知以惯性转动旋转体并计算摩擦扭矩的分析方法。在专利文献1中,从轴的旋转速度的变化相对于轴惯性旋转时的时间变化的比例换算为轴承的摩擦扭矩,进而将该扭矩与判定基准值进行比较来判定轴承的异常程度。
另一方面,轴承的异常诊断也多使用利用了振动的方法。在专利文献2中,求出由振动传感器检测到的振动波形的包络线的傅立叶频谱,通过机器学习求出神经网络的结合状态,来判断异常,其中,所述神经网络由分别具有多个神经元的、输入基于频谱求出的信息的输入层、中间层、输出滚动轴承有无故障及故障的状态的输出层构成。
现有技术文献
专利文献
专利文献1:日本特公平6-65189号公报
专利文献2:日本专利第3170076号公报
发明内容
发明所要解决的课题
关于摩擦扭矩,一般来说,根据滚动轴承的预载、润滑油粘度、对这两者带来影响的温度、供给油量、滚动面的状态,各旋转速度的摩擦扭矩大幅度变化。由于在使用了轴承的温度下,轴承的预载、润滑油粘度大幅度变化,因此难以将专利文献1那样的寿命判定线设为一定的固定值。此外,主轴具有主轴径、电机输出不同的多种规格,根据主轴规格,寿命判定线也不同,因此需要对主轴装置的每种规格都设定寿命判定线。其他的方法、即使用了振动的滚动轴承的诊断也与摩擦扭矩同样地,需要按每个主轴装置,根据不同的轴承规格、最高旋转速度等,设定滤波器、包络线处理的参数等。因此,在专利文献2中,由神经网络生成识别模型,通过识别正常/异常,不需要按每个主轴装置设定与不同的轴承相应的滤波器、包络线处理的参数等。在这样的识别模型中,重要的是如何选择正解率接近100%的输入。
因此,本发明是鉴于上述问题而完成的,欲提供一种涉及轴承诊断的识别的正解率比以往提高的轴承诊断装置。
用于解决课题的手段
为了达到上述目的,本发明中的技术方案1的发明是一种机床中的轴承诊断装置,该轴承诊断装置检测被滚动轴承枢转支承的主轴装置的轴承异常,其特征在于,具有:识别单元,其预先将表示正常时及异常时的主轴装置的滚动轴承的状态的特征量、计测特征量时的主轴的运转条件、以及主轴所使用的轴承的各要素作为输入,将正常状态及异常状态作为输出,进行机器学习而生成识别模型,使用所生成的识别模型识别主轴装置的正常状态和异常状态;以及取得单元,其取得表示所诊断的主轴装置的运转中的滚动轴承的状态的特征量、计测特征量时的运转条件、及主轴所使用的轴承的各要素,该轴承诊断装置将取得的表示轴承的状态的特征量、计测特征量时的运转条件、以及主轴所使用的轴承各要素输入到识别单元,识别轴承的正常状态或者异常状态。
技术方案2的发明的特征在于,在技术方案1的发明中,表示滚动轴承的状态的特征量是指:惯性运动产生的旋转速度的时序变化;或者旋转速度的每单位时间的差分乘以旋转体的惯性矩而计算出的各旋转速度下的摩擦扭矩;或者这两者,运转条件是指以下条件中的任意项或它们的组合:惯性运动的开始及结束的旋转速度;或者受到惯性运转的影响的结构体的温度或给轴承带来影响的温度;或者轴承润滑油的供给状态,轴承各要素是指滚珠节圆直径;或者最高旋转速度;或者这两者。
技术方案3的发明的特征在于,在技术方案1的发明中,表示滚动轴承的状态的特征量是进行频率分析而得的各振动频率下的振动值,运转条件是测定了振动的旋转速度,轴承各要素是滚珠节圆直径、或者滚动体直径、或者滚动体数量、或者接触角度、或者最高旋转速度、或者它们的组合。
技术方案4的发明的特征在于,在技术方案1的发明中,用于生成识别模型的异常状态是润滑不良、预载异常、滚动面的损伤、保持器的损伤、主轴弯曲中的任意项或者它们的组合。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于大隈株式会社,未经大隈株式会社许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201710665823.X/2.html,转载请声明来源钻瓜专利网。