この記事では、Analog Devicesの新しい中帯域幅コンポーネント テクノロジとLTspice® シミュレーション ソフトウェアを組み合わせて、状態ベースの監視システムからの大量のデータを分析する方法について説明します。
デジタル技術の進歩は私たちの生活のあらゆる分野に浸透し、その勢いは衰える気配がありません。機械に知能を与えることは、オーウェルのディストピアとは程遠いものです。自動化されたフィードバック ループによって直接的なメンテナンス時間が短縮されるため、工場の自動化において効率が向上します。ただし、適切なツールとソフトウェアがなければ、基礎となるデータを視覚化して理解することが難しくなり、実用的な意思決定が難しくなります。この記事では、Analog Devicesの新しい中帯域幅コンポーネント テクノロジとLTspice® シミュレーション ソフトウェアを組み合わせて、状態ベースの監視システムからの大量のデータを分析する方法について説明します。
インダストリー4.0は、ビッグデータの利点を工場現場にもたらすという概念を表します。センサーを装備したマシンは、自身のパフォーマンスを監視し、相互に通信できるため、全体的な作業負荷を共有しながら、同じ建物内または別の大陸にあるバックオフィスに重要な診断情報を提供できます。
Analog Devicesの製品ラインナップを簡単に調査すると、ADIがセンサーからクラウドまでの堅牢で高性能なシグナル チェーン コンポーネントを提供することで、産業用IoT (IIOT) 向けのソリューションの提供に注力していることがわかります。
産業オートメーションのそのような領域の1つに、状態ベース監視 (CbM) があります。この領域では、機械の公称動作特性が慎重に調整され、その後、機械自体がローカル センサーによって厳密に監視されます。公称信号から逸脱する状態は、機械のメンテナンスが必要であることを示します。したがって、状態ベースの監視システムを備えたマシンは、比較的恣意的なサービススケジュールの一部としてではなく、実際に必要なときにサービスを受けることができます。
モーターの健全性状態を判断する最も優れた方法は、その振動特性を調べることです。Analog DevicesのMEMS技術により、モーターの振動特性を継続的に監視できるようになり、その特性を既知の故障のないモーターと比較することでモーターの健全性を明らかにすることができます。実際、各モーターの障害には独自の高調波特性があります。振動パターンの高調波成分を調べることで、ベアリング、内輪と外輪、さらにはギアボックスの歯の故障を検出できます。
LTspiceで振動データを解析する
LTspiceでフーリエ解析用のデータを生成するために、 図1に示すように、3つのADXL1002加速度計をモーターに接続し、左右方向、垂直方向、前後方向 (それぞれX、Y、Z) の振動を測定しました。
図1. チャネルX、Y、Zはそれぞれ左右方向、垂直方向、前後方向の振動を測定しました。
振動データはダウンロードされ、Microsoft Excelスプレッドシートに保存されました。データは500 kSPSでサンプリングされたため、1秒間の振動データは、それぞれ500,000行の長さのMicrosoft Excelデータの3列になりました。X、Y、Zデータのサンプルを 図2に示します。
図2. X、Y、Zデータの抜粋。
このデータの高調波成分を調べて、モーターの健全性状態を判断できるようになりました。フーリエ解析は、波形から成分周波数の内容を抽出する数学的プロセスです。純粋な正弦波のスペクトル内容は、基本周波数と呼ばれる1つの周波数のみで構成されます。正弦波が歪むと、基本波以外の周波数が現れます。モーターの振動パターンの周波数内容を分析することで、モーターの健全性状態を正確に診断できます。
フーリエ解析を実行できるハードウェアとソフトウェアは高価になる可能性があるため、ここでは、実質的にコストをかけずにMEMSデータに対してフーリエ解析を実行する方法を示します。
LTspiceは、状態ベースの監視システムのMEMSセンサーから取得した振動データを含む、フーリエ解析を使用して任意の波形の周波数内容をプロットする機能を備えた、強力で無料の回路シミュレーターです。
LTspiceは、データが 図3 に示す形式である場合にフーリエ解析プロットを生成できます。ここでは、各振動データ ポイントが対応するタイムスタンプとペアになっています。
図3. 時間と電圧インスタンスの形式。
Microsoft Excelを使用してデータをこの形式に変換するのは比較的簡単です。そのための手順は次のとおりです。
まず、 図2 のデータ列を、 図4に示すように、Excelファイル内でX、Y、Zという名前の3つのワークシートに分割します。
図4. 3つのシートが作成され、X、Y、Zデータがそれぞれのシートにコピーされました。
データの左側に列を挿入します。この列は各データ値のタイムスタンプ用です。
1秒間に500,000個のデータ サンプルが取得されたため、各データ ポイントは2 µs間隔で取得されました。したがって、新しい列の最初のセルに次のように入力します。
2E-6
最初のタイムスタンプを2 µsで表します。
タイムスタンプ列の残りの部分を入力する最も簡単な方法は、 Series コマンドを使用することです。Microsoft Excelの 検索 ボックスに「Series」と入力すると、 図5 に示すメニュー オプションが表示されます。
ここから、 [塗りつぶしシリーズまたはパターン] を選択し、ドロップダウン メニューから [シリーズ]… を選択します。
図5. Microsoft Excelで多数のセルにデータを入力する方法。
図6 に示すダイアログ ボックスが表示され、 列 および 線形 ラジオ ボタンが選択された状態になります。ステップ値 に2E-6、 ストップ値 に1を入力します。
図6. 線形に拡張するデータセットでセルを埋めます。
[OK] をクリックすると、左の列に2 µsから1秒までの増分データ タイムスタンプが入力されます。最初のいくつかの値を入力してから、カーソルをデータ範囲の最後の一番下のセルにドラッグすることでも同じことを実現できますが、データが500,000行ある場合、ドラッグに時間がかかります。
これで、データは 図7に示すように、LTspiceで処理できる形式になりました。
図7. タイムスタンプと対応するデータ サンプルを表示する列。
データセットが大きく、サンプル間隔が短い場合、Microsoft Excelがタイムスタンプを不適切な小数点以下の桁数に丸める可能性があります。この場合は、最初の列を強調表示し、 図8 に示すように、 [書式] > [セルの書式設定] を選択します。
図8. セルの書式を変更して、丸め誤差を除去します。
図9に示すように、適切な小数点以下の桁数を選択します。
図9. タイムスタンプの解像度を小数点以下5桁に増やします。
タイムスタンプ列が入力され、有効桁数が拡張されたら、 図10 に示すように、各シートの両方の列をそれぞれのメモ帳または別のテキスト エディター ファイルにコピーします。
図10. 時間と振動データを含むテキスト ファイル。
状態ベース監視システムのX、Y、Z軸の振動データを含む3つのテキスト ファイルが必要です。
このデータはLTspiceに直接読み込むことができます。
図11に示すように、LTspiceで回路図を作成します。この設計では、X、Y、Z軸の障害データと非障害データに対応する6つの電圧源があります。これにより、新しいモーターの振動データに対してフーリエ解析を実行し、障害が疑われるモーターのデータのフーリエ解析と比較することができます。この方法の大きな利点は、新しい（故障していない）モーターの周波数プロットを、故障の疑いのあるモーターの周波数プロットに重ね合わせることができるため、パフォーマンスの違いを確認できることです。
図11. 故障した振動データと故障していない振動データの電圧出力を示すLTspice回路図。
LTspiceコマンド
.optionsプロットウィンサイズ=0 numdgt=15
LTspiceのデフォルトの圧縮を削除し、より鮮明な結果が生成される場合があります。この行を省略するとシミュレーションの実行速度は速くなりますが、結果の精度は低下する可能性があります。
回路図が完成したら、各電圧源を右クリックし、 高度な ボタンを選択し、 PWLファイル ラジオボタンをクリックし、図のように振動データを含む適切なテキストファイルのファイル名を入力します。 図12。これにより、一連の電圧とそれに対応する時間インスタンスで構成される区分線形電圧源が作成されます。これらのテキスト ファイルをLTspiceファイルと同じディレクトリに保存しておくと、作業が簡単になります。
図12. 振動データから区分線形電圧源を作成します。
次に、コマンドを使用して、元の振動テストの期間中に過渡解析を実行するように設定する必要があります。
.トラン
シミュレーションを実行します。データ ポイントと過渡解析の長さによっては、シミュレーションが完了するまでに時間がかかる場合があります。
故障したモーターと故障していないモーターのシミュレーション結果を 図13に示します。この実験は、ベアリングに欠陥があり、外輪の位置がずれていて、12ポンドの負荷がかかった状態で587.3 rpmで回転するモーターで実施されました。グラフには、同じ速度で回転する故障のないモーターの振動パターンも示されています。故障したモーターの振動シグネチャの振幅は、故障していないモーターの振動シグネチャの振幅に比べて大幅に高いことは明らかです。
図13. 故障したモーターと故障していないモーターの振動データの時間領域結果。
波形 ウィンドウがハイライト表示された状態で、メニューバーから 表示 > FFT を選択します。これにより、一時データに基づいてFFTが計算されます。
図2のデータを見てみると、数値は約35,000という大きなオフセットについて小さな変動が見られます。LTspiceでシミュレートすると、これは35,000 VのDCオフセット電圧に変換され、このオフセットの上にAC波形が加わります。
フーリエ プロットでは、このオフセット電圧はDCでの大きなスプリアスとして現れるため、LTspiceがY軸を自動スケーリングすると、対象の高調波が小さくスケーリングされてしまいます。X軸を右クリックして、DCを超える周波数範囲を指定します。これにより、DCオフセット電圧は無視されます。5 Hz ～ 1 kHzの範囲で十分です。
Y軸を右クリックし、 線形 ラジオ ボタンを選択して、 図14 に示すように高調波を表示します。
図14. DCスパーを除去し、線形スケールで表示したフーリエ プロット。
プロット領域内を右クリックすると、追加のプロット ペインを追加することができ、 図15 に示すように、振動のスペクトル内容をX、Y、Zプロットに分離することができます。
図15. X、Y、Zの振動プロットが分離されています。
結論
Analog DevicesのMEMS加速度計は、モーターの故障を早期に検出するための重要なデータを提供しますが、それは解決策の半分にすぎません。データはフーリエ解析を使用して慎重に研究する必要があります。残念ながら、フーリエ解析を実行できる機器やソフトウェアは通常高価です。LTspiceは、CbMデータを正確に分析するための無料のルートを提供し、機械の故障を早期に検出して診断できるようにします。