JP4569437B2 - 異常診断装置 - Google Patents

Description

本発明は、鉄道車両等に用いられる回転或いは摺動する部品の異常診断装置に関し、特に、該部品の異常の有無や前兆、或いはその異常部位を特定する異常診断装置に関する。

従来、鉄道車両の回転部品は、一定期間使用した後に、車軸軸受やその他の回転部品について、損傷や摩耗等の異常の有無が定期的に検査される。この定期的な検査は、回転部品が組み込まれた機械装置を分解することにより行なわれ、回転部品に発生した損傷や摩耗は、作業者が目視による検査により発見するようにしている。そして、検査で発見される主な欠陥としては、軸受の場合、異物の噛み込み等によって生ずる圧痕、転がり疲れによる剥離、その他の摩耗等、歯車の場合には、歯部の欠損や摩耗等、車輪の場合には、フラット等の摩耗があり、いずれの場合も新品にはない凹凸や摩耗等が発見されれば、新品に交換される。

しかし、機械設備全体を分解して、作業者が目視で検査する方法では、装置から回転体や摺動部材を取り外す分解作業や、検査済みの回転体や摺動部材を再度装置に組込み直す組込み作業に多大な労力がかかり、装置の保守コストに大幅な増大を招くという問題があった。

また、組立て直す際に検査前にはなかった打痕を回転体や摺動部材につけてしまう等、検査自体が回転体や摺動部材の欠陥を生む原因となる可能性があった。また、限られた時間内で多数の軸受を目視で検査するため、欠陥を見落とす可能性が残るという問題もあった。さらに、この欠陥の程度の判断も個人差があり実質的には欠陥がなくても部品交換が行なわれるため、無駄なコストがかかることにもなる。

そこで、回転部品が組み込まれた機械装置を分解することなく、実稼動状態で回転部品の異常診断を行なう様々な方法が提案された（例えば、特許文献１〜３参照。）。最も、一般的なものとしては、特許文献１に記載されるように、軸受部に加速度計を設置し、軸受部の振動加速度を計測し、更に、この信号にＦＦＴ（高速フーリエ変換）処理を行なって振動発生周波数成分の信号を抽出して診断を行なう方法が知られている。

また、鉄道車両の車輪の転動面において、ブレーキの誤動作等による車輪のロックや滑走によるレールとの摩擦・摩耗によって生じるフラットと呼ぶ平坦部の検出方法としても種々提案されている（例えば、特許文献４〜６参照。）。特に特許文献４では、振動センサや回転測定装置等により鉄道車両車輪、および列車が通過する線路の欠陥状態を検出する装置について提案している。
特開２００２−２２６１７号公報 特開２００３−２０２２７６号公報 特開２００４−２５７８３６号公報 特表平９−５００４５２号公報 特開平４−１４８８３９号公報 特表２００３−５３５７５５号公報

しかし、特許文献４に記載の欠陥状態の検出装置では、異常振動が車輪のフラットによるものか、車軸軸受によるのか、あるいは線路または他の異常によるものなのかを識別できないという問題がある。

本発明は、上述した事情に鑑みてなされたものであり、その目的は、車軸軸受または車輪の振動を検出する振動センサの出力信号から車軸軸受および車輪の異常振動を検出して、その異常振動が車輪のフラットによるものか、車軸軸受によるのかを特定することができる異常診断装置を提供することにある。

本発明の目的は、下記の構成により達成される。
１ 振動特性の異なる複数の部品を有する機械装置の異常診断装置であって、
前記機械装置の振動を検出する振動センサの出力信号をサンプリングするセンサ信号処理部と、
前記センサ信号処理部によりサンプリングした振動データを基に異常診断を行なう診断処理部と、
を備え、
前記診断処理部が、
前記センサ信号処理手段からの振動データを連続して取り込みつつ一定周期毎の区間に分割し、１区間分の振動データを第１の振動特性の部品診断用の振動データとして処理するとともに、１区間分の振動データの先頭にその１つ前の区間の最後の所定時間分のデータを継ぎ足したものを第２の振動特性の部品診断用の振動データとして処理することを特徴とする異常診断装置。
（２） 鉄道車両の車軸軸受および車輪の異常診断装置であって、
車軸軸受および車輪の振動を検出する振動センサの出力信号をサンプリングするセンサ信号処理部と、
前記センサ信号処理部によりサンプリングした振動データを基に車軸軸受および車輪の異常診断を行なう診断処理部と、
を備え、
前記診断処理部が、
前記センサ信号処理手段からの振動データを連続して取り込みつつ一定周期毎の区間に分割し、１区間分の振動データを軸受診断用の振動データとして処理するとともに、１区間分の振動データの先頭にその１つ前の区間の最後の所定時間分のデータを継ぎ足したものを車輪診断用の振動データとして処理することを特徴とする異常診断装置。
（３） 前記診断処理部が、車軸軸受の回転速度と振動のエンベロープ波形を処理して得られる周波数ピークとに基づいて車軸軸受の異常を検出し、車輪の回転に同期して生じる振動のレベルが閾値を超える頻度に基づいて車輪の異常を検出し、それぞれの異常の検出結果に基づいて異常診断を行なうことを特徴とする上記（２）の異常診断装置。
（４） 前記信号処理手段が、
複数の振動センサの出力信号を１チャネルずつ切換えてサンプリングすることを特徴とする上記（２）〜（３）のいずれかの異常診断装置。
（５） 振動センサの出力信号を車輪の回転に同期してサンプリングし加算平均処理して得られる振動データを基に車軸軸受および車輪の異常診断を行なうように構成したことを特徴とする上記（３）または（４）の異常診断装置。
（６） 車軸軸受と車輪それぞれについて複数回異常検出を実施し、それぞれの複数回分の集計値から統計的に異常診断を行なうことを特徴とする上記（３）、（４）、（５）のいずれかの異常診断装置。
（７） 異常を検出する際に使用したデータを保存しておく機能を有することを特徴とする上記（１）〜（６）のいずれかの異常診断装置。

本発明の異常診断装置によれば、下記（Ｉ）〜（ＩＶ）の効果が得られる。
（Ｉ）振動データを連続して取り込みつつ一定周期毎の区間に分割し、１区間分の振動データを第１の振動特性の部品診断用の振動データとして処理するとともに、１区間分の振動データの先頭にその１つ前の区間の最後の所定時間分のデータを継ぎ足したものを第２の振動特性の部品診断用の振動データとして処理するので、両振動特性の部品の振動を検出する振動センサの出力信号から両振動特性の部品の異常振動をリアルタイムで検出して、その異常振動が第１の振動特性の部品の異常によるものか、第２の振動特性の部品の異常によるのかを特定することができる。
（ＩＩ）振動データを連続して取り込みつつ一定周期毎の区間に分割し、１区間分の振動データを軸受診断用の振動データとして処理するとともに、１区間分の振動データの先頭にその１つ前の区間の最後の所定時間分のデータを継ぎ足したものを車輪診断用の振動データとして処理するので、車軸軸受および車輪の振動を検出する振動センサの出力信号から車軸軸受および車輪の異常振動をリアルタイムで検出して、その異常振動が車輪のフラットによるものか、車軸軸受によるのかを特定することができる。
（ＩＩＩ）振動データを連続して取り込みつつそれを第１の振動特性の部品診断用と第２の振動特性の部品診断用のサンプリング周波数またはサンプリング長の異なる２種類のデータに変換して処理するので、両振動特性の部品の振動を検出する振動センサの出力信号から両振動特性の部品の異常振動をリアルタイムで検出して、その異常振動が第１の振動特性の部品の異常によるものか、第２の振動特性の部品によるのかを特定することができる。
（ＩＶ）振動データを連続して取り込みつつそれを車軸軸受診断用と車輪診断用のサンプリング周波数またはサンプリング長の異なる２種類のデータに変換して処理するので、車軸軸受および車輪の振動を検出する振動センサの出力信号から車軸軸受および車輪の異常振動をリアルタイムで検出して、その異常振動が車輪のフラットによるものか、車軸軸受によるのかを特定することができる。

以下、本発明に係る異常診断装置の第１実施形態、第２実施形態、第３実施形態、第４実施形態、第５実施形態、第６実施形態、第７実施形態、および第８実施形態について図面を参照しながら詳細に説明する。

図１（ａ）は本発明の異常診断装置を搭載した鉄道車両の概略平面図、図１（ｂ）は同鉄道車両の概略側面図、図２は車軸軸受と振動センサとの位置関係を例示する概略図、図３は本発明に係る異常診断装置の第１実施形態のブロック図、図４は本発明の異常診断装置による４チャネル分の振動データの取り込みおよびデータ解析のタイムチャート、図５は図３の診断処理部の動作内容を示すフローチャート、図６は車軸軸受の傷の部位と、傷に起因して発生する振動発生周波数の関係を数式で示す図、図７は本発明に係る異常診断装置の第２実施形態のブロック図、図８は本発明に係る異常診断装置の第３実施形態のブロック図、図９は図８の診断処理部の動作内容を示すフローチャート、図１０は本発明に係る異常診断装置の第４実施形態のブロック図、図１１は本発明に係る異常診断装置の第５実施形態のブロック図、図１２は本発明に係る異常診断装置の第６実施形態のブロック図、図１３は本発明に係る異常診断装置の第６実施形態における診断処理部の動作内容を示すフローチャート、図１４（ａ）は軸受はく離診断用データと車輪フラット診断用データの時間−周波数平面上における関係を示す概念図、図１４（ｂ）は軸受と車輪の周波数範囲の関係を示す概念図、図１５は本発明に係る異常診断装置の第７実施形態における診断処理部の動作内容を示すフローチャート、図１６は第８実施形態における診断処理部の部分ブロック図、そして図１７は本発明に係る異常診断装置の第８実施形態における診断処理部の動作内容を示すフローチャートである。

（第１実施形態）
まず、図１〜図６を参照して、第１実施形態の異常診断装置について説明する。
図１に示すように、一両の鉄道車両１００は前後２つの車台によって支持され、各車台には４個の車輪１０１が取り付けられている。各車輪１０１の回転支持装置（軸受箱）１１０には、運転中に回転支持装置１１０から発生する振動を検出する振動センサ１１１が取り付けられている。

鉄道車両１００の制御盤１１５には、４チャネル分のセンサ信号を同時（ほぼ同時）に取り込んで診断処理を実施する異常診断装置１５０が２つ搭載されている。即ち、各車台に設けられている４つの振動センサ１１１の出力信号が各々信号線１１６を介して車台毎に別の異常診断装置１５０に入力される。また、異常診断装置１５０には、車輪１０１の回転速度を検出する回転速度センサ（図示省略）からの回転速度パルス信号も入力される。

図２に示すように、回転支持装置１１０には、１例として回転部品である車軸軸受１３０が設けられており、車軸軸受１３０は、回転軸（不図示）に外嵌される回転輪である内輪１３１と、ハウジング（不図示）に内嵌される固定輪である外輪１３２と、内輪１３１および外輪１３２との間に配置された複数の転動体である玉１３３と、玉１３３を転動自在に保持する保持器（不図示）とを備える。振動センサ１１１は、重力方向の振動加速度を検出し得る姿勢に保持されてハウジングの外輪１３２近傍に固定されている。振動センサ１１１には、加速度センサ、ＡＥ（acoustic emission）センサ、超音波センサ、ショックパルスセンサ等、種々のものを使用することができる。

図３に示すように、異常診断装置１５０は、センサ信号処理部１５０Ａと、診断処理部（ＭＰＵ）１５０Ｂとを有する。センサ信号処理部１５０Ａは、４つの増幅・濾波器（ＡＦＩＬＴ）１５１を備えている。そして、４つの振動センサ１１１の出力信号が増幅・濾波器１５１に個別に入力されるようになっている。各増幅・濾波器１５１は、アナログアンプの機能とアンチエリアシングフィルタの機能とを兼ね備えている。これら４つの増幅・濾波器１５１で増幅且つ濾波された４チャネルのアナログ信号は、診断処理部（ＭＰＵ）１５０Ｂの信号に基づいて、スイッチ機能として働くマルチプレクサ（ＭＵＸ）１５２にて１チャネルごとの信号に切換えて、ＡＤ変換器（ＡＤＣ）１５３にてデジタル信号に変換されて、診断処理部（ＭＰＵ）１５０Ｂに取り込まれる。一方、回転速度センサからの回転速度パルス信号は、波形整形回路１５５によって整形された後、タイマカウンタ（図示省略）により単位時間当りのパルス数がカウントされ、その値が回転速度信号として診断処理部（ＭＰＵ）１５０Ｂに入力される。診断処理部（ＭＰＵ）１５０Ｂは、振動センサ１１１により検出された振動波形と回転速度センサにより検出された回転速度信号とをもとに異常診断を実行する。診断処理部（ＭＰＵ）１５０Ｂによる診断結果はラインドライバ（ＬＤ）１５６を介して通信回線１２０（図１参照）に出力される。通信回線１２０は警報機に接続されており、車輪１０１のフラット等の異常発生時には然るべき警報動作がなされるようになっている。

診断処理部（ＭＰＵ）１５０Ｂは、回転速度センサにより検出された回転速度信号が略一定の所定速度（本実施形態では、１８５〜３７０ｍｉｎ^−１）であるときに、サンプリング周波数ｆｓと、サンプリング数Ｎｓを一定にした波形ブロックデータを処理して、車輪１０１のフラットの検出を行なう。具体的には、ｆｓ＝２ｋＨｚ、Ｎｓ＝２０００、とすると、ブロックデータの区間長＝１ｓｅｃである。この１秒間にフラットによる振動波形パルスをカウントした回数と、回転速度センサで検出した車速から１秒間に車輪１０１が回転する回数とを比較することでフラットの検出を行なう。

車輪１０１でフラットが発生している状態での振動加速度は大きく、通常の車両の振動で起きる振動加速度の値は、それよりも小さいことが多い。また、レール継ぎ目の振動は、フラットと同等、若しくは、それよりも大きい振動加速度のレベルとなる。さらに、レールのカーブにおけるレールと車輪１０１の摩擦からくる振動加速度のレベルも、フラットやレール継ぎ目によるものと同等である。

一方、フラットは１回転で１回の衝撃が起るのに対して、レールの継ぎ目による衝撃の場合は、より長い周期で発生し、レール摩擦による衝撃の場合は、不規則に発生する。そこで、本実施形態では、フラット特有の振動加速度の閾値を越える衝撃（パルス）発生の規則性に着目して、ほぼ一定速度における単位時間あたりの衝撃波回数をカウントし、そのカウント数がほぼ車輪の回転数に一致していれば、フラットが発生している可能性が高い、として異常診断を行なう。

更に、本実施形態では、同じ車輪１０１について繰り返し診断処理を行なうアルゴリズムを設計し、パルス数のカウント数のバラツキやノイズの影響等を考慮した、統計的判断手法により異常診断の信頼性を向上させる。

図４は、異常診断装置１５０による４チャネル分の振動データの取り込みとデータ解析のタイムチャートを示している。振動データは絶え間なく異常診断装置１５０に取り込まれるが、診断対象に応じて一定のサンプリング区間に分割することができる。軸受１３０の診断（はく離検出）に必要な取り込み周期Ｔ1は１秒未満で十分であり、レールと車輪１０１との接触ノイズの影響を減らすためにも、できるだけ短時間であることが望ましい。反対に、車輪１０１の転動面の異常を検出するには、車輪１０１が一回転する毎の衝撃を検出する必要があるので、１秒程度の長い周期Ｔ2が必要である。

軸受診断用の振動データの取り込み周期Ｔ1を４チャネル分の振動データの取り込みに要する時間に一致させてたとえば０．６７秒とし、サンプリング周波数を２０ｋＨｚとすると、１周期Ｔ1の間に４×０．６７×２０，０００点のデータが取り込まれる。したがって、車輪診断用の振動データの取り込み周期Ｔ2を１秒とすると、軸受診断用の振動データの取り込み周期Ｔ1で振動データの取り込みを行なったのでは０．３３秒不足することになる。そこで、１区間、即ち、周期Ｔ1分のデータと一つ前の区間の最後の０．３３秒分のデータを継ぎ足すことにより、周期Ｔ2分のデータとする。ただし、データ数は後述するようにフィルタリング後のデシメート処理により間引くことができるので、１チャネル当り２，０００点以下とすることができる。その結果、車輪１０１と軸受１３０の診断を４チャネル分実行するのに要する時間を周期Ｔ1、即ち、０．６７秒よりも小さくして、車輪・軸受診断データの処理時間に余裕を持たせることができる。

本実施形態では、診断処理部（ＭＰＵ）１５０Ｂは、上記振動データの取り込みと車輪・軸受診断データ処理とを並行して行なう。即ち、４チャネル分の振動データの取り込み周期Ｔ1内に車輪・軸受診断データ処理を完了するリアルタイム処理を行なう。このリアルタイム処理は、センサ信号処理部１５０Ａのマルチプレクサ１５２とＡＤ変換器１５３とを診断処理部（ＭＰＵ）１５０Ｂが割り込み制御してデータサンプリングすることにより実現される。また、ダイレクトメモリーアクセスコントローラ（ＤＭＡ）によるデータサンプリングによっても実現できる。

このように、車輪・軸受診断データの処理時間に余裕を持たせ、振動データの取り込みと車輪・軸受診断データの処理とを並行して行なうことにより、データの取りこぼしをなくすことができるので、レールの不規則性や車体の揺れ、荷重変動等による確率過程を含んだデータを統計処理して得られる診断結果の信頼性を高めることができる。

図５は、診断処理部（ＭＰＵ）１５０Ｂの動作フローを示している。診断処理部（ＭＰＵ）１５０Ｂは、振動データの取り込み、即ち、４チャネル分のセンサ信号のＡＤ変換およびサンプリング（即ち、Ｓ１００）と軸受・車輪診断データ処理（即ち、Ｓ２００）とを並行して実施する。

車輪・軸受診断データ処理（即ち、Ｓ２００）では、４チャネル分の振動データの更新（即ち、Ｓ２０１）がなされる度に、回転速度検出処理（即ち、Ｓ２０２）、診断処理（即ち、Ｓ２０３）、診断結果の記憶保持処理（即ち、Ｓ２０４）および判定結果の出力処理（即ち、Ｓ２０５）を順次実施する。

回転速度検出処理（即ち、Ｓ２０２）は、回転速度センサの信号に基づいて軸受１３０の回転速度を検出する処理である。

診断処理（即ち、Ｓ２０３）は、軸受診断処理（即ち、Ｓ２１０）と車輪診断処理（即ち、Ｓ２２０）とからなる。

軸受診断処理（即ち、Ｓ２１０）は、軸受１３０の回転速度と振動のエンベロープ波形を処理して得られる周波数ピークとに基づいて軸受１３０の異常を検出する処理である。軸受診断処理（即ち、Ｓ２１０）では、まず取り込んだ振動データから高域（３ｋＨｚ以上）と低域（２００Ｈｚ以下）の成分を減衰させた中域の振動データを抽出するバンドパスフィルタ（ＢＰＦ）処理（即ち、Ｓ２１１）を実行し、抽出されたデータに対し、所定の間引き率でデシメート処理（即ち、Ｓ２１２）を実行した後、絶対値処理（即ち、Ｓ２１３）、低域（１ｋＨｚ以下）の成分を抽出するローパスフィルタ処理（即ち、Ｓ２１４）を順次実行する。そして、抽出されたデータに対し更にデシメート処理（即ち、Ｓ２１５）を実行した後、ゼロ補間高速フーリエ変換（ＦＦＴ）処理（即ち、Ｓ２１６）を実行することにより、分解能１Ｈｚの周波数データを得る。この周波数データに対して平滑化微分によるピーク検出処理（即ち、Ｓ２１７）を実施し、回転速度と軸受内部諸元から得られる軸受欠陥の基本周波数（図６参照）と４次までの比較を行なって一致、不一致を判定する（即ち、Ｓ２１８：軸受欠陥判定処理）。

車輪診断処理（即ち、Ｓ２２０）は、車輪１１０の回転に同期して衝撃が生じる現象から車輪１１０の異常を検出する処理である。車輪１１０の回転に同期して生じる衝撃の主な発生原因は、車輪１１０の転動面に生じたフラットと呼ばれる平坦部の存在である。車輪診断処理（即ち、Ｓ２２０）では、まず取り込んだ振動データから所定周波数（１ｋＨｚ）以下の成分を抽出するローパスフィルタ（ＬＰＦ）処理（即ち、Ｓ２２１）を実行し、抽出されたデータに対し、所定の間引き率でデシメート処理（即ち、Ｓ２２２）を実行した後、図４で説明したように、１サンプリング区間（周期Ｔ1）よりも長い区間（周期Ｔ2）のデータを確保するために現在のサンプリング区間の１つ前のサンプリング区間の最後の１／３のデータを現在のサンプリング区間のデータの最初に継ぎ足すオーバーラップ処理（即ち、Ｓ２２３）を実行する。次に、このオーバーラップ処理（即ち、Ｓ２２３）を経たデータのうち閾値を超えたデータをピークホールド処理（即ち、Ｓ２２４）により絶対値化して一定時間（τ）だけ閾値を超えた値に保持する。この保持時間（τ）は、車輪１１０の回転速度によって決まり、車輪１回転分よりも短い値に選定される。この絶対値化して一定時間保持するピークホールド処理は、安定なピーク計測を可能とする。そして、パルスが閾値を越えた回数をカウントして（即ち、Ｓ２２５：閾値超え回数カウント処理）、カウント数が車輪１１０の回転数と一致するかどうか判定する（即ち、Ｓ２２６：車輪欠陥判定処理）。

軸受診断処理（即ち、Ｓ２１０）および車輪診断処理（即ち、Ｓ２２０）は、ステップＳ２０１で更新された４チャネル分の振動データに対して繰り返される。即ち、１回のデータ更新毎に軸受診断処理（即ち、Ｓ２１０）と車輪診断処理（即ち、Ｓ２２０）とがそれぞれ４回ずつ実施される。そして、各回の判定処理（即ち、Ｓ２１８、Ｓ２２６）による判定結果は診断処理部（ＭＰＵ）１５０Ｂ内に記憶保持される（即ち、Ｓ２０４）。診断処理部（ＭＰＵ）１５０Ｂは、最新の判定結果から遡って過去Ｎ回分の判定処理（即ち、Ｓ２１８、Ｓ２２６）の結果を記憶保持しており、そのＮ回分の判定結果から統計的に異常判定を行ない、その結果を出力する（即ち、Ｓ２０５）。

即ち、本実施形態では、車軸軸受１３０、車輪１０１とも１回の欠陥周波数との一致、車輪回転数の一致があっただけでは異常と判定しない。周波数の一致は確率過程に基づくものであるので、複数回分の集計値から統計的に判断する必要があるからである。
統計的判断手法として一般的にはスペクトルの積算平均をあげることができるが、本実施形態で用いている判断手法では、軸受であればスペクトルの一致度を整数値で表したデータを複数回例えば１６回分加算して、基準値に達していれば異常と判断し、そうでなければ異常とは判断しないが、鉄道車両の車軸軸受の異常診断には十分適用できる。軸受に小さな剥離が生じたとしても、潤滑やシール等が十分になされていれば一気に進行することはなく、鉄道車両の走行に影響を及ぼす危険性は小さく、鉄道車両の走行に影響を及ぼす程の異常の発生は通常温度ヒューズ等、別の手段が感知することになっているからである。

上記のように、本実施形態の異常診断装置は、車軸軸受１３０または車輪１０１の振動を振動センサ１１１で検出し、振動センサ１１１の出力信号をセンサ信号処理部１５０Ａでサンプリングし、その振動データを基に、診断処理部（ＭＰＵ）１５０Ｂが車軸軸受１３０および車輪１０１の異常診断を行なう。その際、診断処理部（ＭＰＵ）１５０Ｂは、センサ信号処理部１５０Ａからの振動データを連続して取り込みつつ一定周期毎の区間に分割し、１区間分の振動データを軸受診断用の振動データとして処理するとともに、１区間分の振動データの先頭にその１つ前の区間の最後の所定時間分のデータを継ぎ足したものを車輪診断用の振動データとして処理する。このように、軸受診断用の振動データと車輪診断用の振動データとに分けて処理することにより、異常振動が車輪１０１のフラットによるものか、車軸軸受１３０によるのかを特定して正確な診断を実施できる。

また、本実施形態の異常診断装置では、各車台の４つの回転支持装置１１０に個々に取り付けられた４つの振動センサ１１１からの４チャネル分のセンサ信号を同時（ほぼ同時）に取り込みつつ、すべてのチャネルについてデータ取り込み時間内に診断データ処理が完了するリアルタイム処理を実施するので、データの取りこぼしがなく、極めて信頼性の高い異常診断を行なうことができる。

（第２実施形態）
図７は第２実施形態（上述した第１実施形態の変形例）のブロック図である。この異常診断装置１５０は、診断処理部１５０Ｂとして、マルチプレクサ（ＭＵＸ）およびＡＤ変換器（ＡＤＣ）を備えたＭＰＵを用いている。即ち、ＭＰＵがセンサ信号処理部１５０Ａの一部の機能を兼ね備えている。この構成によれば、異常診断装置１５０内の回路を簡略化でき、ＤＭＡコントローラ（ＤＭＡＣ）１５７等、他のＭＰＵ内蔵回路との連携をソフトウエアによって簡単に実現できるので、第１実施形態の構成よりも効率の良いソフトウエア制御が可能となる。

（第３実施形態）
図８は第３実施形態（上述した第２実施形態の変形例）のブロック図である。この異常診断装置１５０は、図７の構成に加えて、記憶素子としてバックアップ電池（Ｂａｔｔ）１６１を有するスタティックランダムアクセスメモリー（ＳＲＡＭ）１６２を備えている。また、ＭＰＵ内蔵のカレンダ時計回路（ＲＴＣ）１６３を有効としたハード構成を採用することにより、異常時のデータを保存可能としている。

図９は第３実施形態における診断処理部１５０Ｂの車輪・軸受診断データ処理の内容を示している。診断処理部１５０Ｂは、４チャネル分の振動データの更新（即ち、Ｓ２０１）がなされる度に、軸受診断処理（即ち、Ｓ３１０）と車輪診断処理（即ち、Ｓ３２０）とを実施する。そして、軸受診断処理（即ち、Ｓ３１０）により得られた軸受振動のエンベロープ波形のスペクトル強度が基準値以上か否かを判定（即ち、Ｓ３１１）し、基準値未満の場合は（即ち、Ｓ３１１でＦａｌｓｅ）、軸受診断処理（即ち、Ｓ３１０）の結果をＮ回分の集計のために記憶保持（即ち、Ｓ２０４）する。また、車輪診断処理（即ち、Ｓ３２０）により得られた、振動レベル閾値を超えたイベントのカウント数が車輪１０１の回転数と一致したか否かを判定（即ち、Ｓ３２１）し、一致しなかった場合は（即ち、Ｓ３２１でＦａｌｓｅ）、Ｎ回分の集計のために記憶保持（即ち、Ｓ２０４）する。

一方、スペクトル強度が基準値以上（即ち、Ｓ３１１でＴｒｕｅ）の場合は、軸受振動のエンベロープ波形のスペクトル強度をカレンダ時計回路（ＲＴＣ）１６３から読み取った日時情報とともにＳＲＡＭ１６２に保存する（即ち、Ｓ３３０）。また、振動レベル閾値を超えたイベントのカウント数が車輪１０１の回転数と一致した場合（即ち、Ｓ３２１でＴｒｕｅ）は、車輪診断における時間波形のデータをカレンダ時計回路（ＲＴＣ）１６３から読み取った日時情報とともにＳＲＡＭ１６２に保存する（即ち、Ｓ３３０）。保存データ量がＳＲＡＭ１６２の許容量に達したら、最も過去のデータを削除する（即ち、Ｓ３３１）。

この実施形態によれば、異常判定結果を警報機に送信して警報処理を行なうとともに、スペクトルの内容等については、ＳＲＡＭ１６２に保存されているデータを読み出して保守用のコンピュータに送信することにより、車両の保守情報として利用できる。

（第４実施形態）
図１０は第４実施形態（上述した第３実施形態の変形例）のブロック図である。この異常診断装置１５０は、マルチプレクサ（ＭＵＸ）１５２とＡＤ変換器（ＡＤＣ）１５３とをＭＰＵ内に２組ずつ備えることにより、１つのモジュールで８チャネルのセンサ信号によるリアルタイム診断を可能としている。このようなセンサ信号入力の多チャネル化は、ＭＰＵの計算能力が許すならば、ＡＤ変換器の数を増やすか、変換速度の速いＡＤ変換器とマルチプレクサを使用することで何チャネルでも可能である。尚、図１０の例では、カレンダ時計回路（ＲＴＣ）１６３をＭＰＵに内蔵せず、バックアップ電池（Ｂａｔｔ）付きのものをＭＰＵに外付けにしている。

（第５実施形態）
図１１は第５実施形態（上述した第２実施形態の変形例）のブロック図である。この異常診断装置１５０は、図７で説明した異常診断装置の構成に１回転信号分周回路１６５を付加したものである。波形整形回路１５５の出力は、診断処理部（ＭＰＵ）１５０Ｂと１回転信号分周回路１６５とに入力される。１回転信号分周回路１６５は、波形整形回路１５５により整形された回転数比例正弦波を分周し、１回転に１パルスの回転同期信号を診断処理部（ＭＰＵ）１５０Ｂに与える。診断処理部（ＭＰＵ）１５０Ｂは、一定速度の区間でこの回転同期信号をトリガとしてデータのサンプリングを行ない、そのデータを加算平均処理して異常診断を行なう。車輪１０１が１回転する毎に発せられる回転同期信号をトリガとしてサンプリングしたデータを加算平均処理することにより、車輪１０１の回転に同期する信号以外の成分がキャンセルされ、車輪１０１の回転に同期した成分だけが残るので、衝撃レベルの閾値による判定によって車輪１０１のフラットの検出を精度良く行なうことができる。

（第６実施形態）
図１２は第６実施形態のブロック図である。この異常診断装置１５０は、センサ信号処理部１５０Ａと、診断処理部（ＭＰＵ）１５０Ｂとを有する。センサ信号処理部１５０Ａは、１つの増幅器（Ａｍｐ）１７１と１つの濾波器（ＬＰＦ）１７２とを備えている。そして、４つの振動センサ１１１の出力信号（アナログ信号）が１つの増幅器（Ａｍｐ）１７１に入力され、増幅された後、１つの濾波器（ＬＰＦ）１７２に入力されるようになっている。即ち、この実施形態では、４つの振動センサ１１１からの４チャネルの出力信号を増幅・濾波するために増幅器（Ａｍｐ）１７１および濾波器（ＬＰＦ）１７２を用いている。そして、増幅器（Ａｍｐ）１７１および濾波器（ＬＰＦ）１７２で増幅且つ濾波されたアナログ信号が診断処理部（ＭＰＵ）１５０Ｂに取り込まれ、診断処理部（ＭＰＵ）１５０Ｂ内のＡＤ変換器（ＡＤＣ）１５３にてデジタル信号に変換されるようになっている。一方、回転速度センサからの回転速度パルス信号は、波形整形回路１５５によって整形された後、診断処理部（ＭＰＵ）１５０Ｂに取り込まれ、診断処理部（ＭＰＵ）１５０Ｂ内のタイマカウンタ（ＴＣＮＴ）１７３により単位時間当りのパルス数がカウントされ、その値が回転速度信号として処理されるようになっている。診断処理部（ＭＰＵ）１５０Ｂは、振動センサ１１１により検出された振動波形と回転速度センサにより検出された回転速度信号とをもとに異常診断を実行する。診断処理部（ＭＰＵ）１５０Ｂによる診断結果はラインドライバ（ＬＤ）１５６を介して通信回線１２０（図１参照）に出力される。通信回線１２０は警報機に接続されており、車輪１０１のフラット等の異常発生時には然るべき警報動作がなされるようになっている。

振動センサ１１１の出力信号から検出できる異常は、車軸軸受１３０の剥離と車輪１０１のフラット（摩耗）である。どちらも１ｋＨｚ付近までの周波数帯域の振動信号として検知できる。そこで、この第６実施形態では、振動センサ１１１の出力信号を増幅・濾波するために、増幅器（Ａｍｐ）１７１および濾波器（ＬＰＦ）１７２を使用している。そして、濾波器（ＬＰＦ）１７２により濾波されＡＤ変換器（ＡＤＣ）１５３にてデジタル信号に変換されたデータをソフトウエア処理により車軸軸受診断用と車輪診断用とに分離して、両者の異常診断を行なう。

車軸軸受１３０に発生する異常の中で、静止輪の外輪軌道の剥離が最も起こりやすい。そこで、車軸軸受１３０については、静止輪の外輪軌道の剥離を検出対象とする。

車軸軸受１３０の剥離と車輪１０１のフラットとでは欠陥の周波数帯域が１０倍程度異なる。車輪１０１の回転速度（ｒ／ｓ）は、車輪フラットの基本周波数に等しい。診断すべき回転速度の範囲は４〜１０ｒ／ｓ（基本周波数：４〜１０Ｈｚ）である。これに対して車軸軸受１３０の静止輪の外輪軌道に欠陥がある場合、同じ回転速度の範囲（４〜４０ｒ／ｓ）でも、欠陥の基本周波数は３３〜８３Ｈｚである。どちらも４次までの高調波を検査する場合、車輪１０１については４〜４０Ｈｚ、車軸軸受１３０については３３〜３３０Ｈｚがそれぞれの必要とされるＤＦＴによる周波数分析範囲である。車軸軸受１３０の診断の際の周波数分解能は１．０Ｈｚで十分である。しかし、車軸軸受１３０の診断には１．０Ｈｚでは分解能が足りない上に、オフセットによるＦＦＴ低域におけるＤＣ成分の影響を受けやすい。

そこで、この第６実施形態では、ＡＤ変換器（ＡＤＣ）１５３にてデジタル信号に変換（サンプリング）したデータを、車軸外輪軌道はく離解析用（車軸軸受診断用）と車輪フラット解析用（車輪診断用）のサンプリング周波数の異なる２種類のデータに変換して処理する。

図１３は、第６実施形態における診断処理部（ＭＰＵ）１５０Ｂの動作フローを示している。診断処理部（ＭＰＵ）１５０Ｂは、４つの振動センサ１１１から出力され、増幅器（Ａｍｐ）１７１と濾波器（ＬＰＦ）１７２とを経て送られてくるセンサ信号を、ＡＤ変換器（ＡＤＣ）１５３にてサンプリングしデジタル信号に変換する（即ち、Ｓ４０１）。そして、ＡＤ変換器（ＡＤＣ）１５３の出力信号に対してソフトウエアにより実現されるＦＩＲローパスフィルタリングによりデシメーション処理（即ち、Ｓ４０２）を施す。この例では、ＡＤ変換器（ＡＤＣ）１５３におけるサンプリングを８ｋＨｚの周波数で３秒間単位で実施している。また、デシメーション処理（即ち、Ｓ４０２）では、サンプリング周波数ｆｓを２ｋＨｚに落とすために、デシメーション率Ｍを４としてデータ数を１／４に削減している。

診断処理部（ＭＰＵ）１５０Ｂは、デシメーション処理（即ち、Ｓ４０２）を経たデータを、車軸外輪軌道はく離解析用（以下、「軸受用」と記す。）と車輪フラット解析用（以下、「車輪用」と記す。）のサンプリング周波数の異なる２種類のデータに変換する（図１４（ａ）参照）。

軸受用のデータは、デシメーション処理（即ち、Ｓ４０２）を経たデータを４分割して０．７５秒ごとのデータ区間に分けることにより得られる（即ち、Ｓ４１１）。得られたデータに絶対値化処理（即ち、Ｓ４１２）およびＡＣ化処理（即ち、Ｓ４１３）を順次施する。そして更に、１区間あたりおよそ０．２５秒（ｓｅｃ）分の０を追加することにより約１秒分のデータ区間長とし（即ち、Ｓ４１４）、周波数分解能を約１．０ＨｚにしてＦＦＴを行なう（即ち、Ｓ４１５）。ＦＦＴの入力データ数は２０４８個である。ＦＦＴの前にはハニング（Hanning）窓処理を行なっておく。ＦＦＴ後は、車速と軸受諸元データから外輪欠陥周波数Ｚfcを求め、基本波から４次までのピーク検出を行なう（即ち、Ｓ４１６）。そして、外輪欠陥周波数Ｚfcと周波数ピークとの比較を行ない、両者の一致度を算出しておく（即ち、Ｓ４１７）。この処理を一定回数繰り返して得られた一致度合計点数に基づいて車軸軸受１３０の異常判定を行なう。

車輪用のデータは、デシメーション処理（即ち、Ｓ４０２）を経たサンプリング周波数ｆｓが２ｋＨｚのデータを、絶対値化処理（即ち、Ｓ４２１）後、濾波器（ＬＦＰ）によりデシメーション率Ｍを４としてデシメーション処理（即ち、Ｓ４２２）することによりサンプリング周波数ｆｓを２５０Ｈｚまで落とすことにより得られる。この時点でのデータ数は７５０個となるが、０詰め補間（即ち、Ｓ４２４）を行なって約４秒分のデータとすることで、周波数分解能を約０．２５ＨｚにしてＦＦＴを実施する（即ち、Ｓ４２５）。ＦＦＴの前にはハニング（Hanning）窓処理を行なっておく。ＦＦＴ後は、ピーク検出を行なう（即ち、Ｓ４２６）。そして、車輪フラットの基本周波数から４次までの高次成分と周波数ピークとの比較を行ない、両者の一致度を算出しておく（即ち、Ｓ４２７）。この処理を一定回数繰り返して得られた一致度合計点数に基づいて車輪１０１の異常判定を行なう。車輪フラットの基本周波数はタイマカウンタ（ＴＣＮＴ）１７３により回転速度パルス信号の単位時間当りのパルス数をカウントすることにより求められる。

上記のように、４つの振動センサ１１１の各々に対して、増幅器（Ａｍｐ）１７１および濾波器（ＬＰＦ）１７２を一組ずつ備え、マルチプレクサ（ＭＵＸ）１５２を介してＡＤ変換器（ＡＤＣ）１５３にてデジタル信号に変換（サンプリング）したデータを、軸受用と車輪用のサンプリング周波数の異なる２種類のデータに変換し、２系統に分けてＦＦＴを含む処理を行なうことにより、軸受と車輪の異常診断を高精度且つ高効率に行なうことができる。これに対し、一度のＦＦＴで周波数領域が大部分異なる軸受と車輪の両方の周波数範囲を調べた場合、計算コストに見合った精度（分解能）が実現できない（図１４（ｂ）参照）。
なお、上記の例では、デジタル処理の大部分をソフトウエアによって行なっているが、その一部またはすべてをＦＰＧＡ（Field Programmable Gate Array）等のハードウエアで実現してもよい。

（第７実施形態）
図１５は、第７実施形態における診断処理部（ＭＰＵ）１５０Ｂの動作フローを示している。この例では、ＡＤ変換器（ＡＤＣ）１５３におけるサンプリングを１６ｋＨｚの周波数で３秒間単位で実施している（即ち、Ｓ５０１）。また、デシメーション処理（即ち、Ｓ５０２）では、サンプリング周波数ｆｓを４ｋＨｚに落とすため、デシメーション率Ｍを４としてデータ数を１／４に削減している。

診断処理部（ＭＰＵ）１５０Ｂは、デシメーション処理（即ち、Ｓ５０２）を経たデータを、軸受用と車輪用のサンプリング周波数の異なる２種類のデータに変換する（図１４（ａ）参照）。

軸受用のデータは、デシメーション処理（即ち、Ｓ５０２）を経たデータを３分割して１．０秒ごとのデータ区間に分けることにより得られる（即ち、Ｓ５１１）。得られたデータに絶対値化処理（即ち、Ｓ５１２）およびＡＣ化処理（即ち、Ｓ５１３）を順次施する。そして、０補間処理を完全に省略するか或いは僅かな端数のみ、例えば、４０００データに９６個の０を補間するような０補間処理を行ない、周波数分解能を約１．０ＨｚにしてＦＦＴを行なう（即ち、Ｓ５１４）。ＦＦＴの前にはハニング（Hanning）窓処理を行なっておく。ＦＦＴ後は、車速と軸受諸元データから外輪欠陥周波数Ｚfcを求め、基本波から４次までのピーク検出を行なう（即ち、Ｓ５１５）。そして、外輪欠陥周波数Ｚfcと周波数ピークとの比較を行ない、両者の一致度を算出しておく（即ち、Ｓ５１６）。この処理を一定回数繰り返して得られた一致度合計点数に基づいて車軸軸受１３０の異常判定を行なう。

車輪用のデータは、デシメーション処理（即ち、Ｓ５０２）を経たサンプリング周波数ｆｓが４ｋＨｚのデータを、絶対値化処理（即ち、Ｓ５２１）後、更に濾波器（ＬＦＰ）によりデシメーション処理（即ち、Ｓ５２２）することによりサンプリング周波数ｆｓを５００Ｈｚまで落とすことにより得られる。得られたデータにＡＣ化処理（即ち、Ｓ５２３）を順次施する。その後、０詰め補間（即ち、Ｓ５２４）を行なって約４秒分のデータとすることで、周波数分解能を約０．２５ＨｚにしてＦＦＴを実施する（即ち、Ｓ５２５）。ＦＦＴの前にはハニング（Hanning）窓処理を行なっておく。ＦＦＴ後、ピーク検出を行なう（即ち、Ｓ５２６）。そして、車輪フラットの基本周波数から４次までの高次成分と周波数ピークとの比較を行ない、両者の一致度を算出しておく（即ち、Ｓ５２７）。この処理を一定回数繰り返して得られた一致度合計点数に基づいて車輪１０１の異常判定を行なう。

この第７実施形態のように、軸受用のデータ処理において、０補間処理を完全に省略するか或いは僅かな端数のみ補間するような０補間処理を行なうことにより、ＦＦＴ処理の回数を減らすことができる。即ち、第６実施形態との比較では、同時間に実行するＦＦＴ処理の回数が４回から３回に減っている。ただし、第６実施形態のように０補間処理を行なってＦＦＴ区間を短い時間に区切った方がレール雑音などを回避できるＦＦＴ区間を増やすことができる。

（第８実施形態）
図１６（ａ）、図１６（ｂ）は第８実施形態における診断処理部（ＭＰＵ）１５０Ｂの部分ブロック図である。図１６（ａ）では、図１２のハードウエア構成において、診断処理部（ＭＰＵ）１５０Ｂ内のＡＤ変換器（ＡＤＣ）１５３の前段（入力側）に絶対値回路（ＡＢＳ）１８１を設け、更にその後段にローパスフィルタ（ＬＰＦ）１８２を設けている。図１６（ｂ）では、図１２のハードウエア構成において、診断処理部（ＭＰＵ）１５０Ｂ内のＡＤ変換器（ＡＤＣ）１５３の前段（入力側）にエンベロープ回路（ＥＮＶ）１９１を設け、更にその前段にハイパスフィルタ（ＨＰＦ）１９２を設けている。

図１７は、第８実施形態における診断処理部（ＭＰＵ）１５０Ｂの動作フローを示している。診断処理部（ＭＰＵ）１５０Ｂは、４つの振動センサ１１１から出力され、増幅器（Ａｍｐ）１７１と濾波器（ＬＰＦ）１７２とを経て送られてくるセンサ信号を、ＡＤ変換器（ＡＤＣ）１５３にてサンプリングしデジタル信号に変換する（即ち、Ｓ６０１）。そして、ＡＤ変換器（ＡＤＣ）１５３の出力信号に対して診断処理部（ＭＰＵ）１５０Ｂ内のローパスフィルタ１８２によりデシメーション処理を施す。この例では、ＡＤ変換器（ＡＤＣ）１５３におけるサンプリングを２ｋＨｚの周波数で３秒間単位で実施している。また、ローパスフィルタ１８２は、デシメーション率Ｍを４としてデータ数を１／４に削減している。

軸受用のデータは、ローパスフィルタ１８２によるデシメーション処理を経たデータを４分割して０．７５秒ごとのデータ区間に分けることにより得られる（即ち、Ｓ６１１）。得られたデータに絶対値回路１８１による絶対値化処理を施した後、ＡＣ化処理（即ち、Ｓ６１２）を施す。そして更に、１区間あたりおよそ０．２５秒（ｓｅｃ）分の０を追加することにより約１秒分のデータ区間長とし（即ち、Ｓ６１３：０詰め補間）、周波数分解能を約１．０ＨｚにしてＦＦＴを行なう（即ち、Ｓ６１４）。ＦＦＴの前にはハニング（Hanning）窓処理を行なっておく。ＦＦＴ後は、車速と軸受諸元データから外輪欠陥周波数Ｚfcを求め、基本波から４次までのピーク検出を行なう（即ち、Ｓ６１５）。そして、外輪欠陥周波数Ｚfcと周波数ピークとの比較を行ない、両者の一致度を算出しておく（即ち、Ｓ６１６）。この処理を一定回数繰り返して得られた一致度合計点数に基づいて車軸軸受１３０の異常判定を行なう。

車輪用のデータは、振動センサ１１１から出力されるセンサ信号を絶対値回路１８１により絶対値化処理を施し、２ｋＨｚでサンプリングした後、デシメーション率Ｍを８としてデシメーション処理（即ち、Ｓ６２１）することによりサンプリング周波数ｆｓを２５０Ｈｚまで落とすことにより得られる。得られたデータにＡＣ化処理（即ち、Ｓ６２２）を施す。そして更に、０詰め補間（即ち、Ｓ６２３）を行なって約４秒分のデータとすることで、周波数分解能を約０．２５ＨｚにしてＦＦＴを実施する（即ち、Ｓ６２４）。ＦＦＴの前にはハニング（Hanning）窓処理を行なっておく。ＦＦＴ後は、基本波から４次までの高次成分のピーク検出を行なう（即ち、Ｓ６２５）。そして、車輪フラットの基本周波数から４次までの高次成分と周波数ピークとの比較を行ない、両者の一致度を算出しておく（即ち、Ｓ６２６）。この処理を一定回数繰り返して得られた一致度合計点数に基づいて車輪１０１の異常判定を行なう。

この第８実施形態では、図１３においてソフトウエアにより実施されていたデシメーション処理（即ち、Ｓ４０２）と絶対値化処理（即ち、Ｓ４１２）とを高速処理が可能なハードウエアで実施することにより、ソフトウエアによる信号処理を簡略化している。ＡＤ変換器（ＡＤＣ）１５３におけるサンプリング周波数ｆｓを図１３の場合の８ｋＨｚからその１／４の２ｋＨｚに下げても、高精度且つ高効率の異常判定を可能としている。

（ａ）は本発明の異常診断装置を搭載した鉄道車両の概略平面図、そして（ｂ）は同鉄道車両の概略側面図である。 車軸軸受と振動センサとの位置関係を例示する概略図である。 本発明に係る異常診断装置の第１実施形態のブロック図である。 異常診断装置による４チャネル分の振動データの取り込みおよびデータ解析のタイムチャートである。 図３の診断処理部の動作内容を示すフローチャートである。 車軸軸受の傷の部位と、傷に起因して発生する振動発生周波数の関係を示す図である。 本発明に係る異常診断装置の第２実施形態のブロック図である。 本発明に係る異常診断装置の第３実施形態のブロック図である。 図８の診断処理部の動作内容を示すフローチャートである。 本発明に係る異常診断装置の第４実施形態のブロック図である。 本発明に係る異常診断装置の第５実施形態のブロック図である。 本発明に係る異常診断装置の第６実施形態のブロック図である。 本発明に係る異常診断装置の第６実施形態における診断処理部の動作内容を示すフローチャートである。 （ａ）は軸受はく離診断用データと車輪フラット診断用データの時間−周波数平面上における関係を示す概念図、そして（ｂ）は軸受と車輪の周波数範囲の関係を示す概念図である。 本発明に係る異常診断装置の第７実施形態における診断処理部の動作内容を示すフローチャートである。 （ａ）および（ｂ）は第８実施形態における診断処理部の部分ブロック図である。 本発明に係る異常診断装置の第８実施形態における診断処理部の動作内容を示すフローチャートである。

符号の説明

１００ 鉄道車両
１０１ 車輪
１１０ 回転支持装置
１１１ 振動センサ
１３０ 車軸軸受
１５０ 異常診断装置
１５０Ａ センサ信号処理部
１５０Ｂ 診断処理部
１５２ マルチプレクサ
１６２ ＳＲＡＭ
１６５ １回転信号分周回路
１７１ 増幅器
１７２ 濾波器

Claims (7)

1. 振動特性の異なる複数の部品を有する機械装置の異常診断装置であって、
   前記機械装置の振動を検出する振動センサの出力信号をサンプリングするセンサ信号処理部と、
   前記センサ信号処理部によりサンプリングした振動データを基に異常診断を行なう診断処理部と、
   を備え、
   前記診断処理部が、
   前記センサ信号処理手段からの振動データを連続して取り込みつつ一定周期毎の区間に分割し、１区間分の振動データを第１の振動特性の部品診断用の振動データとして処理するとともに、１区間分の振動データの先頭にその１つ前の区間の最後の所定時間分のデータを継ぎ足したものを第２の振動特性の部品診断用の振動データとして処理することを特徴とする異常診断装置。
2. 鉄道車両の車軸軸受および車輪の異常診断装置であって、
   車軸軸受および車輪の振動を検出する振動センサの出力信号をサンプリングするセンサ信号処理部と、
   前記センサ信号処理部によりサンプリングした振動データを基に車軸軸受および車輪の異常診断を行なう診断処理部と、
   を備え、
   前記診断処理部が、
   前記センサ信号処理手段からの振動データを連続して取り込みつつ一定周期毎の区間に分割し、１区間分の振動データを軸受診断用の振動データとして処理するとともに、１区間分の振動データの先頭にその１つ前の区間の最後の所定時間分のデータを継ぎ足したものを車輪診断用の振動データとして処理することを特徴とする異常診断装置。
3. 前記診断処理部が、車軸軸受の回転速度と振動のエンベロープ波形を処理して得られる周波数ピークとに基づいて車軸軸受の異常を検出し、車輪の回転に同期して生じる振動のレベルが閾値を超える頻度に基づいて車輪の異常を検出し、それぞれの異常の検出結果に基づいて異常診断を行なうことを特徴とする請求項２記載の異常診断装置。
4. 前記信号処理手段が、
   複数の振動センサの出力信号を１チャネルずつ切換えてサンプリングすることを特徴とする請求項２〜３のいずれか一項記載の異常診断装置。
5. 振動センサの出力信号を車輪の回転に同期してサンプリングし加算平均処理して得られる振動データを基に車軸軸受および車輪の異常診断を行なうように構成したことを特徴とする請求項３または４記載の異常診断装置。
6. 車軸軸受と車輪それぞれについて複数回異常検出を実施し、それぞれの複数回分の集計値から統計的に異常診断を行なうことを特徴とする請求項３〜５のいずれか一項記載の異常診断装置。
7. 異常を検出する際に使用したデータを保存しておく機能を有することを特徴とする請求項１〜６のいずれか一項記載の異常診断装置。

Images