振動のオクターブバンド分析を用いた車両用ディーゼル機関の異常検知手法

摘要

A railway traction system consists of rotating machines such as electric motors, gears, diesel engines, and Cardan shafts. These machines are essential parts for a train to run. Therefore, we are developing a condition monitoring system (CMS) that detects failures of the machines in the early stage to prevent transport disorders. The CMS monitors the vibrations of a machine and detects abnormal vibrations with a machine learning algorithm that is based on nearest-neighbor analysis. In the CMS, octave-band analysis is performed to extract feature vectors from vibration data. We conducted a running test to verify the performance of the CMS. The test results show that the CMS can distinguish the simulated abnormal vibrations from the normal ones without false detections.%鉄道車両の駆動用機器には，電車の場合は主電動機と減速機，気動車の場合はディーゼル機関（エンジン)，変速機，減速機といった回転機械が用いられている。これらの駆動用機器は故障を起こすと列車の安全で正常な運行を妨げることになるため，その異常を早期に検知して故障を未然に防ぐことができれば，鉄道の信頼性•安全性を高めることができる。そこで，著者らはセンサ等により駆動用機器の状態を常時監視する状態監視システムの研究開発を行っている。機器の状態監視方法には様々なものがあるが，回転機械の状態監視方法としては振動による方法が広く用いられている。しかし，駆動用機器は運転状態により複雑に振動が変化し，走行に伴う振動も発生する。そのため，単純に振動の大きさを測定してしきい値により異常を判別することは困難であり，振動の周波数分析を行って判定する方法や振動の測定結果を統計的に分析して異常を判別する方法等が提案されている。