电力转换装置、旋转机系统以及诊断方法

技术领域

本发明涉及具备电力转换装置、电动机或发电机这样的旋转机的旋转机系统以及诊断方法。

背景技术

当电动机或发电机这样的旋转机因突发故障而停止时会产生较大的损害。特别是在工厂设备等中使用的旋转机因突发故障而导致的停止会产生生产设备的运转率降低、不得不重新评估生产计划等较大的影响。因此，维持在实际环境中使用的状态下高精度地实施故障预兆诊断，防止旋转机的突发故障的需求提高。

公开了如下技术：接受这样的需求，测量旋转机的运转时电流，对其波形进行频率分析，诊断各种异常。然而，在这些技术中需要执行频率分析的计算机能力(计算速度以及存储量)，因此在通用逆变器等电力转换装置中无法搭载诊断功能，需要准备工业用PC等计算机。因此，诊断装置一般价格高，存在只在预计到费用对效果的少数现场引进的问题。

另一方面，以前提出了以更廉价的装置进行异常诊断为前提，在不进行频率分析而检测异常的技术。例如在专利文献1中公开了测量零相电流、相电流、相电压来检测4种不同的异常(接地、层间短路、轴承不良、转矩异常)的技术。特别是关于轴承不良，通过带通滤波器从相电流中切出输出频率±20Hz的成分，在除了输出频率以外的频带中与基准值进行比较来进行异常诊断。

现有技术文献

专利文献

专利文献1：WO2014/156386

发明内容

发明要解决的课题

专利文献1是通过廉价的装置进行异常诊断的技术，但由于以跨越输出频率的形式对相电流应用带通滤波器，因此需要另外去除位于中央的输出频率成分。但是，与要检测的异常征兆相比，输出频率成分非常大，因此存在难以不导致异常检测灵敏度的降低而去除的问题。

因此，期望一种能够通过低成本且不降低异常检测灵敏度而提前检测故障的预兆的技术。

本发明的目的在于低成本且提前检测故障的预兆。

用于解决课题的手段

本发明优选的一个例子是一种电力转换装置，具有：电流测量部，其测量相电流；电流矢量计算部，其对相电流执行三相二相转换来计算电流矢量；分析对象量计算部，其根据电流矢量计算分析对象量；以及特征量波形提取部，其根据分析对象量，提取特定频率范围的波形。

另外，本发明优选的其他例子是一种旋转机系统，其具有旋转机和与旋转机连接的电力转换装置，该旋转机械系统具有：电流测量部，其测量相电流；电流矢量计算部，其对相电流执行三相二相转换来计算电流矢量；分析对象量计算部，其根据电流矢量计算分析对象量；特征量波形提取部，其基于分析对象量，提取特定频率范围的波形；以及异常度计算部，其根据提取出的波形计算异常度。

另外，本发明优选的其他例子是对具备电力转换装置的系统进行诊断的诊断方法，电力转换装置测量相电流，对相电流执行三相二相转换来计算电流矢量，基于电流矢量来计算分析对象量，并基于分析对象量来提取特定频率范围的波形。

发明效果

根据本发明，能够低成本且提前检测故障的预兆。

附图说明

图1是实施例1中的电力转换装置以及使用了该电力转换装置的旋转机系统的基本结构图。

图2是实施例1的电力转换装置所具备的诊断旋转机系统的异常的流程图。

图3是表示在实施例1中测量的代表性的相电流波形的图。

图4是表示在实施例1中算出的代表性的电流矢量范数波形的图。

图5是在实施例1中算出的代表性的电流矢量范数波形的频谱。

图6是在实施例1中计算出的代表性的电流矢量范数波形的频谱的正常状态和异常状态的比较图。

图7是表示在实施例1中算出的代表性的特征量波形的图。

图8是诊断实施例2的旋转机系统的异常的流程图。

图9是诊断实施例3的旋转机系统的异常的流程图。

图10是安装有电力转换装置以及使用了该电力转换装置的旋转机系统的泵的概略图。

具体实施方式

以下，使用附图对本发明的实施例进行说明。

[实施例1]

图1是实施例1中的电力转换装置以及使用了该电力转换装置的旋转机系统的基本结构图。本旋转机系统具备：电力转换装置10，其具备主电路11和电流传感器12a、12b；电源20，其与电力转换装置10连接而进行电力的授受；以及旋转机30。在旋转机中具备轴承31，在旋转轴的前端连接有负荷机械40。电力转换装置10还具备以下功能：电流测量部13，其测量由电流传感器12a、12b检测出的相电流；电流矢量计算部14，其对测量出的相电流实施三相二相转换，计算电流矢量；旋转频率推定部15，其推定旋转机30的旋转频率；分析对象量计算部16，其根据计算出的电流矢量计算分析对象量；特征量波形提取部17，其提取基于推定出的旋转频率和分析对象量而确定出的频率范围的波形；异常度计算部18，其根据提取出的波形计算异常度；以及输出部19，其输出诊断结果。这些功能作为程序存储在记录部中，电力转换装置10的微型计算机等控制部(省略图示)读出程序，执行各功能。

在图1中，针对2相设置了检测相电流的电流传感器12a、12b，但也可以对3相的相电流分别设置电流传感器。另外，也可以与设置于电力转换装置内的控制用的电流传感器不同，将具备诊断用的性能的电流传感器设置于旋转机30等的电力转换装置10的外部。

当在旋转机30的轴承31中产生某种润滑不良情况，且整体的摩擦变动变大时，相电流的基波频率的周边(例如±20Hz)的平均频级上升。这里，相电流的基波频率是电力转换装置的输出频率。目前，实施FFT(快速傅里叶转换)等频率分析来检测出润滑不良的征兆。因此，在电力转换装置通常所具备的控制用微型计算机中，存储量、计算速度跟不上，需要追加设置高价的测量设备。

因此，在实施例1中，使用电力转换装置10通常具备的微型计算机和电流传感器，不进行频率分析而通过滤波器仅将出现异常征兆的频率范围切出。具体而言，使三相二相转换后的电流矢量范数或转矩电流通过滤波器，提取夹在零和旋转频率之间的频率范围的波形，检测轴承的整体的摩擦变动的增加等异常。另外，在与轴承的局部损伤对应的特征频率进入夹在零和旋转频率之间的频率范围的情况下，能够检测出该征兆。

图2是实施例1的电力转换装置10所具备的对旋转机系统的异常进行诊断的流程图。首先，在步骤S100中，启动诊断模式。除了从电力转换装置10的设定项目中选择的方法以外，可以是按压启动诊断模式的机械式按钮的形式，也可以是触摸显示器上显示的“诊断模式”按钮的形式。或者，可以设定为在特定的日期时间自动地启动，也可以设定为相电流的基波频率的振幅持续某特定的时间，在进入某特定的范围时自动地启动。或者，也可以设定为在特定的旋转机控制动作之前或之后自动地启动。

接着，电流测量部13输入由电流传感器12a、12b检测出的电流，测量至少2相的相电流(步骤S101)。或者，也可以测量全部相的相电流。与电力转换装置10为了驱动旋转机30而生成的电压脉冲同步地实施电流测量。即，与电压脉冲同步地对来自电流传感器12a、12b的信号进行采样。采样可以每1次电压脉冲进行1次，也可以每1次电压脉冲进行2次。也可以是多次电压脉冲进行1次。例如，在图3中示出通过对1次电压脉冲进行2次采样而得到的2相的相电流波形的例子。

接着，电流矢量计算部14按照下述的式(1)对测量出的相电流实施三相二相转换，计算电流矢量(步骤S102)。在图1的电力转换装置10中仅测量2相的相电流，因此作为剩余的1相的相电流，使用假设满足式(2)而导出的值。

[数式1]

在此，i

[数式2]

i

接着，分析对象量计算部16针对得到的电流矢量计算式(3)所表现的作为分析对象量之一的电流矢量范数(步骤S103)。

[数式3]

图4是对于正常状态的旋转机30和异常状态的旋转机30，表示计算出的电流矢量范数与时刻的关系的图。另外，作为异常状态的旋转机30，以从正常状态的旋转机30减少轴承的润滑脂的旋转机为代表。

进而，也可以使用式(4)将电流矢量转换为旋转坐标系，计算q轴电流(转矩电流)，用其代替电流矢量范数，作为分析对象量，而用于以后的分析。在式(4)中出现的转子位置θ可以根据设置于旋转机30的旋转变压器或编码器之类的旋转位置传感器的信号而得到，也可以根据旋转机30的速度电动势或电流所包含的信息来推定。

[数式4]

i

i

在此，i

如果是理想的三相交流，则在电流矢量范数、转矩电流的频谱中，基波频率成分被转换为直流成分的峰值，进而，成为相对于直流成分有1个旋转频率成分的峰值的频谱。相电流的频谱，出现1个基波频率成分的峰值和其前后出现2个±旋转频率成分的峰值，因此两者成为不同的频谱。

另一方面，与分析对象量计算部16并行地，旋转频率推定部15推定旋转机30的旋转频率(步骤S104)。在分析对象量计算部16在步骤S103中实施转子位置推定的情况下，与此同时也能够推定旋转频率。在旋转位置传感器未设置于旋转机30的情况下，也可以根据电力转换装置10的输出频率以及旋转机30的极数来推定旋转频率。电力转换装置10的输出频率从相电流的信息中推定或从控制指令的信息中提取。

若忽视感应电动机中最大产生百分之几左右的滑移，则根据电力转换装置10的输出频率及旋转机30的极数来推定旋转频率为以下那样。由于旋转频率＝电力转换装置的输出频率/极对数，因此例如若输出频率为50Hz、4极(极对数2)，则旋转频率推定为25Hz。如果输出频率为30Hz、6极(极对数3)，则将旋转频率推定为10Hz。若输出频率为100Hz、2极(极对数1)，则将旋转频率推定为100Hz。

接收由分析对象量计算部16计算出的分析对象量和由旋转频率推定部15推定出的旋转频率的结果，特征量波形提取部17针对电流矢量范数或转矩电流，提取被确定的频率范围即夹在零和旋转频率之间的频率范围的波形(步骤S105)。在实施例1的电力转换装置10所具备的诊断算法中，由于不实施频率分析，所以无法在诊断中知道成为了怎样的频谱。在此，仅为了说明算法而使用频谱。

图5是对于正常状态的旋转机30和异常状态的旋转机30，表示在先计算出的电流矢量范数的频谱的图。图6是将图5的电流矢量范数的频谱进行了重叠的图。

由此可知，在0Hz至20Hz的范围，两者之差显著。这与以往已知的因轴承的异常而相电流的基波频率±20Hz的谱级上升的现象对应。

电流矢量范数或转矩电流的相电流的基波频率成分被转换为直流(0Hz)成分，成为最大的成分。另外，已知即使是正常范围的旋转机30也允许稍稍偏心，因此在旋转频率(图5的例子中为25Hz)也有若干峰值。因此，为了不进行频率分析而高灵敏度地检测异常，需要充分去除正常数据所包含的主要成分即直流成分和旋转频率成分。

因此，在实施例1中，特征量波形提取部17通过滤波器逐次地切出夹在直流成分和旋转频率成分之间的频率范围。由于不需要像进行频率分析时那样积蓄一定期间的数据，所以即使存储量少也能够执行。在被包夹的频率范围内，为了提高检测灵敏度，不包含直流成分和旋转频率成分。

另外，基于由旋转频率推定部15推定出的旋转频率，在旋转频率发生了变化时，以不拾取旋转频率成分的方式来根据需要变更要提取的频率范围。因此，也可以预先准备在频率范围变更后具备对应的多个不同的传递特性的滤波器，变更频率范围。或者，也可以将滤波器的参数设为旋转频率的函数，追随旋转频率的变更来变更滤波器的参数。在此，作为滤波器的参数，有截止频率。

通过为了不拾取旋转频率成分而变更要提取的频率，也能够应对旋转机的可变速运转。但是，由于旋转频率越低，剪切的范围变得越窄，因此检测异常的灵敏度降低。

为了使直流成分充分衰减，使用高通滤波器。另外，为了使旋转频率成分充分衰减，使用低通滤波器。或者，也可以通过带通滤波器使直流成分和旋转频率成分一起衰减。

如果电流测量存在误差，且三相存在不平衡，则有时会在电流矢量范数、转矩电流中残留一些基波频率成分。如果滤波器的性能充分，则旋转频率衰减，高频的基波频率成分也能够衰减，但在低成本设计中滤波器性能不充分的情况下，存在旋转频率衰减但基波频率成分残留的情况。因此，为了以低成本去除基波频率成分，也可以将窄带的频带去除滤波器即陷波滤波器追加到低通滤波器、带通滤波器等中。

在许多旋转机系统中，在将电流矢量范数或转矩电流的直流成分(相当于相电流的基波频率成分)的振幅设为1时，旋转频率成分的振幅为10

在图7中示出通过用满足所述条件的滤波器切出夹在零和旋转频率之间的频率范围而得到的特征量波形的例子。与正常状态相比，可知在异常状态下振幅变大。

接着，异常度计算部18根据由特征量波形提取部17得到的波形来计算异常度(步骤S106)。例如，将得到的波形的绝对值或平方值合计一定时间而得的值作为异常度。或者，也可以将计算出的异常度通过相电流的基波频率成分的振幅、或者从电流矢量范数或转矩电流提取出的直流成分进行标准化。由此，即使在直流成分因负荷变动而发生时间变化的情况下也能够进行诊断。另外，在向外部发送异常度的情况下，能够减轻通信负荷。

然后，通过判定异常度计算部18计算出的异常度是否超过预先设定的阈值来判定故障的预兆(步骤S107)。在异常度超过了阈值的情况下，诊断为有故障预兆，并指示输出部19发出警告。阈值可以通过在试验机等中另外研究出的结果来决定，也可以通过在实际环境下的学习来决定。例如，在学习期间中计算多次异常度，求出其平均值和变动幅度，将阈值设定为不产生误报的等级。

另外，为了能够通过机器学习等进行精密诊断，可以将计算出的异常度与规定旋转机30的运转状态的其他参数一起输出。如果用记录器等记录这样的多变量数据，并通过矢量量化聚类等机器学习的算法进行分析，则有可能还能够检测到无法通过阈值判定来检测那样的微弱的异常。

最后，输出部19输出异常度、故障预兆判定结果等诊断结果(步骤S108)并完成诊断。输出方法既可以是显示器、灯、蜂鸣器等借助于人的五感的方法，也可以是记录在纸或电子文件中的方法。或者，也可以经由通信网络发送。

异常度计算部18和输出部19也可以配置在电力转换装置10的外部的计算机中，经由网络取得从特征量波形提取部17提取出的波形。另外，为了步骤S107的处理，也可以与异常度计算部18独立地构成故障预兆判定部。另外，也可以将故障预兆判定部配置于通过网络与电力转换装置10连接的计算机中，将异常度计算部18计算出的异常度经由网络发送至计算机，通过外部的计算机进行故障预兆判定。

根据实施例1，由于不实施计算负荷大的频率分析，所以能够通过搭载于电力转换装置10上的微机以及电流传感器执行诊断。另外，具备能够高效地去除电流矢量范数或转矩电流的直流成分和旋转频率成分这样的正常范围的旋转机的数据所包含的主要成分的诊断算法。因此，能够进行高灵敏度的诊断，能够提前检测故障预兆。因此，能够实现具备低成本且早期地检测旋转机系统的故障的预兆的功能的电力转换装置以及使用了该电力转换装置的旋转机系统。

并且，通过由分析对象量计算部计算电流矢量范数和转矩电流，基波频率成分成为直流成分，特征量波形提取部17为了去除该成分而进行微分即可，因此能够简化。

另外，在实施例1中，通过转换为分析对象量，将基波频率和旋转频率整体转换为低频率。因此，能够降低所提取的频率范围，采样也为低速即可，因此能够实现低成本化。

进而，专利文献1由于不管旋转频率而切出±20Hz的范围，因此有时会切出旋转频率成分，需要将其去除。在实施例1中，特征量波形提取部17基于来自旋转频率推定部15的推定出的旋转频率，即使旋转频率变化，通过变更所提取的频率范围，也能够不拾取旋转频率成分。

[实施例2]

图8是实施例2的电力转换装置10诊断旋转机系统的异常的流程图。图8中的步骤S100、步骤S102、步骤S103、步骤S106至步骤S108与图2相同。

与实施例1的不同点在于，电流测量部13以比旋转频率的2倍小的频率对相电流进行采样(步骤S201)。由此，能够预先去除旋转频率以上的频率的成分，因此特征量波形提取部17的处理不需要去除旋转频率以上的频率成分。因此，特征量波形提取部17对于电流矢量范数或转矩电流提取不包含零的频率范围的波形(步骤S204)，特征量波形提取部17变得简单。

另外，不需要推定基于相电流的旋转频率的旋转频率推定部15。但是，为了决定采样频率，在进行采样之前，根据电动机控制指令来推定旋转频率。

另外，在进行采样之前，需要用硬件或软件实施抗锯齿处理。具体而言，用滤波器去除采样频率的1/2的频率(奈奎斯特频率)以上的成分。

根据实施例2，不需要用于去除旋转频率以上的成分的低通滤波器或带通滤波器。

[实施例3]

图9是实施例3的电力转换装置10诊断旋转机系统的异常的流程图。图9中的步骤S100至步骤S104以及步骤S107与步骤S108与图2相同。

与实施例1和实施例2的不同点在于从步骤S304到步骤S307。

在实施例3中，首先，特征量波形提取部17去除(衰减)作为分析对象量的电流矢量范数或转矩电流的直流成分(步骤S304)。异常度计算部18基于提取出的波形计算第一异常度(步骤S305)。之后，与实施例1同样地接受由旋转频率推定部15推定出的旋转频率，特征量波形提取部17进一步去除(衰减)旋转频率以上的成分(步骤S306)。并且，异常度计算部18基于提取出的波形计算出第二异常度(步骤S307)。

由于第一异常度对旋转频率成分的变化敏感，因此能够检测出旋转机的偏心程度的恶化。另一方面，与实施例1或实施例2同样，第二异常度主要能够检测轴承整体的摩擦变动的增加。

根据实施例3，能够诊断更宽范围的旋转机系统的异常。另外，即使旋转频率变化，也能够通过变更要提取的频率范围，而不拾取旋转频率成分。

[实施例4]

图10是应用了实施例1至实施例3的电力转换装置10及组装了旋转机系统的泵的概略图。在与电力转换装置10连接的旋转机(电动机)30上带有叶轮41，吸引或送出水等液体。实施异常诊断的是优选以恒定速度、恒定负荷旋转的时间段，因此例如在1天中送水量比较稳定的夜间等执行诊断。

另外，与实施例1的电力转换装置10不同，在图10中，配置了通过网络等与电力转换装置10连接的计算机100，实施例1的异常度计算部18、故障预兆判定部、输出部19构成为配备在计算机100中。

除了对泵的应用以外，在空气压缩机、输送台、伺服冲压机、注射成形机等机床、风扇这样的装入了电力转换装置的旋转机系统中能够应用实施例1至实施例3。

所述实施例中的电力转换装置10能够应用于通用逆变器、伺服放大器、DCBL控制器等电力转换装置。另外，能够应用于组装有所述那样的电力转换装置的旋转机系统，并且在风力发电系统、混合动力汽车、电动汽车、燃料电池车、铁道车辆等中也能够应用所述的实施例。

附图标记的说明

10 电力转换装置；

20 电源；

30 旋转机；

31 轴承；

40 负荷机械。