品質検査方法および品質検査装置
【課題】工業製品の動作音の一つである非定常音を音質の面から評価し、人の聴感検査に近い非定常音に基づく品質検査を実現する。
【解決手段】良品サンプル８の動作音を集音器２で音波形データに変換し、Ａ／Ｄ変換機３を経由してコンピュータ５に取り込み、心理音響パラメータに変換する。良品サンプル複数個分の心理音響パラメータからさらに良品サンプルのデータばらつきを利用して擬似良品データを増数させる。良品サンプルデータと擬似良品データの心理音響パラメータから統計的手法で閾値と判定マスキングデータを算出して閾値データを作成。被検ワーク１の動作音を集音器２で音波形データに変換し、Ａ／Ｄ変換機４を経由してコンピュータ５に取り込み、心理音響パラメータに変換してから、先に作成した閾値と心理音響パラメータ種類毎に比較して、異音判定を実施する。
【解決手段】良品サンプル８の動作音を集音器２で音波形データに変換し、Ａ／Ｄ変換機３を経由してコンピュータ５に取り込み、心理音響パラメータに変換する。良品サンプル複数個分の心理音響パラメータからさらに良品サンプルのデータばらつきを利用して擬似良品データを増数させる。良品サンプルデータと擬似良品データの心理音響パラメータから統計的手法で閾値と判定マスキングデータを算出して閾値データを作成。被検ワーク１の動作音を集音器２で音波形データに変換し、Ａ／Ｄ変換機４を経由してコンピュータ５に取り込み、心理音響パラメータに変換してから、先に作成した閾値と心理音響パラメータ種類毎に比較して、異音判定を実施する。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、動作中に音の発生を伴う工業製品（例えばモータ、コンプレッサ、インバータ、あるいはそれらを内蔵した製品、ギアやカム、スライダ等のメカ動作機構を持つ製品）の品質検査方法に関するものである。
【背景技術】
【０００２】
一部を除いて、ほとんど全ての工業製品は動作時に何らかの動作音の発生を伴う。そのような動作音は、モータなどの動力部品やコンプレッサ等の機能部品、インバータ等の電気部品、またギアやカム、スライダ等のメカ動作機構から発せられる。工業製品の量産工程では、製品の組み立て途中、もしくは完成後に前記動作音を用いた製品の検査が実施される。
【０００３】
工業製品が発する動作音としては、定常音と非定常音がある。例えば、デバイスとしてのモータやコンプレッサなどは、コイルやロータやベーン、スクロールが定常的な回転状態を維持するため、動作音は一定の音質・調子・大きさが維持される。このような工業製品から発せられる動作音は、定常音と呼ばれる。一方、光ディスクドライブがメディア挿入・排出の動作の際に発する動作音や、カーナビのディスプレイが開閉動作の際に発する動作音、カメラが電動でズーム動作をする際に発する動作音などは、工業製品の動きの状態の変遷に応じて音質・調子・大きさが時々刻々と変化していく。こうした工業製品が発する動作音は非定常音と呼ばれる。例えばカーナビのディスプレイは、動作開始前は無音状態だが、ディスプレイ開動作が始まるとカーナビが備えるモータやギア、カムが動作音を発する。カーナビのディスプレイの開動作の開始時での動作音と終盤での動作音とは、ギアの当たり具合やモータ回転速度の変化により異なる場合が多い。このため、非定常音に基づく工業製品の品質の評価は、定常音に基づく工業製品の品質の評価に比べて困難とされている。
【０００４】
通常、動作音による工業製品の品質の評価を行う場合は、人の聴感による官能的な検査が実施されるが、その際の判断基準は検査員の感覚に委ねられており、検査員によってまちまちであり、定量的に工業製品の品質を評価することは困難である。また、同じ検査員でも、体調、周囲の環境等により判断基準にばらつきが生じるため、人の聴覚による検査は定量性に乏しいものとなる。そのため、動作音に基づく工業製品の品質の評価を自動化しようとする試みがされてきた。
【０００５】
従来の工業製品が発する動作音に基づく自動的な品質の検査方法としては、騒音計により得られた周波数毎の音圧に対して、閾値を設定して品質を評価するものがある（例えば、特許文献１参照。）。図２５は、特許文献１に記載された従来の動作音に基づく工業製品の品質の検査方法を示す図である。
【０００６】
図２５に示すように、従来の工業製品の検査は、周波数空間の各周波数帯域にそれぞれ判定パラメータを設けて行っている。
【先行技術文献】
【特許文献】
【０００７】
【特許文献１】特開２００６−１２６１４１号公報
【発明の概要】
【発明が解決しようとする課題】
【０００８】
しかしながら、前記従来の構成では、周波数空間のみに閾値（図２５では「判定パラメータ」と表示）を設定しているため、工業製品が発する定常音のみを評価対象としている。このことから、時間経過で変化していく非定常音を発する工業製品の品質の評価は困難である。
【０００９】
また、従来の検査方法では、物理的な音の大きさの指標である音圧レベルのみで品質を評価しているため、音圧レベルが閾値以下であれば良品と評価される。しかし、音圧レベルは、閾値以下でも音質により不良扱いとしたい場合もあり、音圧レベルのみで工業製品の品質を効果的に判別することは難しい。
【００１０】
本発明は、前記従来の課題を解決するもので、音質に注目した音に基づく検査方法を提供することを目的とする。
【課題を解決するための手段】
【００１１】
上記目的を達成するために、本発明の品質検査方法は、検査対象である被検ワークと同種の良品サンプルの動作音を、複数の前記良品サンプルから良品音情報として取得し、複数の前記良品音情報を経過時間に対応する良品音評価量として心理音響パラメータを用いて数値化し、複数の前記良品音評価量から判定用の閾値を決定し、前記被検ワークから発せられる動作音を被検音情報として取得し、前記被検ワークの前記被検音情報を経過時間に対応する被検音評価量として数値化し、前記被検ワークの前記被検音評価量と決定した前記閾値とを比較した結果に基づき前記被検ワークの品質を検査することを特徴とする。
【発明の効果】
【００１２】
以上のように、本発明の品質検査方法によれば、動作音を音質の面から評価し、人の聴感検査に近い評価レベルで製品の品質を検査することができる。
【図面の簡単な説明】
【００１３】
【図１】本発明の実施の形態１における非定常音に基づく品質検査方法のフローチャート
【図２】本発明の実施の形態１における閾値を設定するための閾値決定方法のフローチャート
【図３】音波形データ取得分析処理のフローチャート
【図４】音波形データ時間オフセット処理のフローチャート
【図５】音波形データ閾値比較処理のフローチャート
【図６】音波形データ閾値比較結果マスキング処理のフローチャート
【図７】異音判定処理のフローチャート
【図８】良品音波形データ取得分析処理のフローチャート
【図９】良品音波形データ時間オフセット処理のフローチャート
【図１０】良品音波形データ増数処理のフローチャート
【図１１】閾値決定方法のフローチャート
【図１２】マスキング領域設定処理のフローチャート
【図１３】本発明の実施の形態１における品質検査方法を実施するための装置構成例を示す概略図
【図１４】音波形データ取得分析処理と良品音波形データ取得分析処理において取得する音波形データと部分音波形データＵ（ｉ）と部分音波形データＷ（ｉ）の関係を示す図
【図１５】音波形データ時間オフセット処理において相対時間差ｈ＝４のときの心理音響パラメータ配列のシフト操作を示す図
【図１６】音波形データ時間オフセット処理において相対時間差ｈ＝−４のときの心理音響パラメータ配列のシフト操作を示す図
【図１７】本発明の実施の形態１における閾値決定方法を実施するための装置構成例を示す概略図
【図１８】良品音波形データ時間オフセット処理において相対時間差ｈ（Ｙ）＝４のときの心理音響パラメータ配列のシフト操作を示す図
【図１９】良品音波形データ時間オフセット処理において相対時間差ｈ（Ｙ）＝−４のときの心理音響パラメータ配列のシフト操作を示す図
【図２０】マスキング領域設定処理におけるマスキング閾値Ｌｍｔとマスキング基準値Ｌｍｂ（ｉ）の関係と、Ｌｍｔの設定の違いによるマスキング領域の違いを示す図
【図２１】ラウドネス値に関する実際の良品サンプルデータ群のヒストグラムと良品データ増数処理で増数された擬似良品データ群のヒストグラムを比較した図
【図２２】シャープネス値に関する実際の良品サンプルデータ群のヒストグラムと良品データ増数処理で増数された擬似良品データ群のヒストグラムを比較した図
【図２３】ラフネス値に関する実際の良品サンプルデータ群のヒストグラムと良品データ増数処理で増数された擬似良品データ群のヒストグラムを比較した図
【図２４】変動強度値に関する実際の良品サンプルデータ群のヒストグラムと良品データ増数処理で増数された擬似良品データ群のヒストグラムを比較した図
【図２５】特許文献１に記載された従来の品質検査方法を示す図
【図２６】ソフトウエアによって実現されるコンピュータの機能構成を示すブロック図
【発明を実施するための形態】
【００１４】
以下、本発明の実施の形態について、図面を参照しながら説明する。
【００１５】
（実施の形態１）
図１は、本発明の実施の形態１における非定常音に基づく品質検査方法の流れを示したフローチャートである。
【００１６】
図２は、本発明の実施の形態１における非定常音に基づく品質検査方法に用いる閾値決定方法の流れを示したフローチャートである。
【００１７】
また、図１３は、本発明の実施の形態１における非定常音に基づく品質検査を行うための装置構成例を示した概略図である。
【００１８】
また、図１７は、本発明の実施の形態１における閾値決定を行うための装置構成を示した概略図である。
【００１９】
なお、図１７に示す装置の基本的な構成は図１３と同様であり、図１７と図１３は動作音の発生源が異なる。つまり、図１３に記載の装置は、動作音の発生源として工業製品である被検ワーク１の動作音を取得している。一方、図１７に記載の装置は、あらかじめ準備してある良品サンプル８の動作音を取得している。この良品サンプル８は、良品サンプル群９のうちのいずれか１個である。良品サンプル群９は、被検ワーク１と同種の工業製品であって良品の工業製品である複数の良品サンプル８で構成されている。
【００２０】
本実施の形態１で説明する非定常音に基づく品質検査方法は、図１、図２のフローチャートで示される方法を合わせたものである。また、図１、図２のフローチャートで示される非定常品質検査方法および閾値決定方法は、通常、コンピュータ５内に構成されたプログラムで遂行される。
【００２１】
図１３に示す装置においては、被検ワーク１からの音が集音器２で集音され、Ａ／Ｄ変換機３でアナログデジタル変換された後、コンピュータ５にデジタルデータとして入力される。そして、コンピュータ５に接続されたディスプレイ６にデータを表示し、入力装置７からの入力などを基に駆動装置４で被検ワーク１を動作させる。
【００２２】
また、図１７に示す装置においては、良品サンプル群９から抽出された良品サンプル８からの音が集音器２で集音され、Ａ／Ｄ変換機３でアナログデジタル変換された後、コンピュータ５にデジタルデータとして入力される。そして、コンピュータ５に接続されたディスプレイ６にデータを表示し、入力装置７からの入力などを基に駆動装置４で良品サンプル８を動作させる。
【００２３】
なお、コンピュータ５は後述する処理が実行できる程度のものであればよく、コンピュータ５を構成する記録媒体、ＣＰＵ、インターフェース等の仕様、ディスプレイ６の仕様、入力装置７の仕様も、本実施の形態１で説明する処理を実現可能な構成であれば特定の構成になんら限定を課さない事は言うまでもない。また、コンピュータ５の替わりにシーケンサ（登録商標）等の論理制御や判断が可能な機器を用いても構わない。
【００２４】
なお、集音器２はマイクロフォンや加速度センサ、レーザ変位計など、被検ワーク１の動作音である音響振動を音波形信号に変換できるデバイスであれば形態や方式は問わない。
【００２５】
図２６に、本実施の形態１において、ソフトウエアによって実現されるコンピュータの機能構成を示すブロック図を示す。図２６において、コンピュータ５は、集音部１１に接続された数値化部１６、数値化部１６に接続されたオフセット部１２、オフセット部１２に接続された閾値比較部１３および増数部１７、閾値比較部に接続されたマスキング処理部１４、マスキング処理部１４およびディスプレイ６に接続された品質評価部１５、増数部１７および閾値比較部１３に接続された閾値決定部１８、閾値決定部１８およびマスキング処理部１４に接続された領域決定部１９、とを機能構成として有する。
【００２６】
続いて、図１で示す非定常に基づく品質検査方法の概要を説明する。
【００２７】
ステップＳ０で検査処理を開始すると、まず、ステップＳ１では、駆動装置４の作用により動作している被検ワーク１の発している動作音を、集音器２で音波形信号として取得し、Ａ／Ｄ変換機３で音情報である音波形データに変換する。なお、集音器２とＡ／Ｄ変換機３とで、音情報を取得する集音手段１１として機能している。
【００２８】
そして、音波形データを経過時間に対応する音評価量である心理音響パラメータとして数値化する。当該数値化はコンピュータ５の数値化部１６の演算により行われる。
【００２９】
次にステップＳ２では、ステップＳ１で得られた心理音響パラメータを、あらかじめ準備しておいた基準波形データとの時間的整合性を取ることができるように、時間オフセット処理する。当該時間オフセット処理は、オフセット部１２が行う。
【００３０】
次にステップＳ３では、ステップＳ２で適切に時間オフセット処理された心理音響パラメータを、あらかじめ準備しておいた閾値である閾値データと比較する。当該比較処理は、閾値比較部１３により行われる。
【００３１】
次にステップＳ４では、ステップＳ３で心理音響パラメータと閾値データとを比較した結果のデータから、判定に必要な部分だけを抽出するために、あらかじめ準備しておいたマスキングデータを用いてマスキング処理を行う。当該マスキング処理は、マスキング処理部１４により行われる。
【００３２】
次にステップＳ５では、ステップＳ４でマスキング処理された閾値データと比較した結果のデータを用いて、ステップＳ１において取得した被検ワーク１の音波形データが異音であるかどうかの判定を実施する。当該判定処理は、品質評価部１５が行い、ステップＳ６で検査処理を終了する。
【００３３】
なお、ステップＳ１からステップＳ５までの各ステップのより詳細な処理の説明は後述する。
【００３４】
次に、図２で示す閾値決定方法の流れを説明する。
【００３５】
ステップＳ７で閾値設定処理を開始すると、まず、ステップＳ８では、あらかじめ用意しておいたＰ個の良品サンプル８のすべてについてステップＳ１と同様の手順で音波形データを取得し、心理音響パラメータを算出する。これによりＰ個分の心理音響パラメータが得られる。これらの処理は、集音手段１１と数値化部１６とにより行われる。
【００３６】
次にステップＳ９では、ステップＳ８で取得したＰ個分の良品サンプル８についての心理音響パラメータの中から１つを選択する。当該心理音響パラメータを基準波形データとみなす。そして、ステップＳ２と同様の手順で前記基準波形データとの時間的整合性を取ることができるように、他の心理音響パラメータを時間オフセット処理する。当該時間オフセット処理はオフセット部１２により行われる。
【００３７】
次にステップＳ１０では、ステップＳ９で適切に時間オフセット処理されて時間軸でのズレが解消された状態のＰ個の良品サンプル８についての心理音響パラメータに対して統計的処理を行うことで、各時刻のデータ点毎に擬似的にサンプルデータの個数をＱ個分増加させる。これにより、良品サンプル８の個数が比較的少ない状況でも容易に閾値決定できるような準備を行う。当該処理は、増数部１７により行われる。
【００３８】
次にステップＳ１１では、ステップＳ１０で増加させたＱ個の擬似サンプルデータとＰ個の良品サンプル８の心理音響パラメータから、標準偏差法か最大最小法のいずれかの方法を用いて動作音が異音か否かを判定するための閾値を決定する。当該決定は、閾値決定部１８により行われる。
【００３９】
次にステップＳ１２では、ステップＳ１１で閾値を決定する過程で求めた心理音響パラメータの平均値、最大値、上限閾値のいずれかを基準にして、音波形データの判定部分を限定して、不要な過検出を防止するためのマスキング処理に必要なマスキング領域を決定する。当該決定は領域決定部１９により行い、ステップＳ１３で閾値設定処理を終了する。
【００４０】
なお、ステップＳ８からステップＳ１２までの各ステップ毎のより詳細な処理の説明は後述する。
【００４１】
次に、先に図１で説明した非定常音に基づく品質検査方法について、ステップＳ１からステップＳ５までの各ステップ毎により詳細に説明する。
【００４２】
まず、ステップＳ１の音波形データ取得分析処理について説明する。
【００４３】
図３は、ステップＳ１の音波形データ取得分析処理を詳細に示すフローチャートである。
【００４４】
ステップＳ１４で音波形データ取得分析処理を開始すると、ステップＳ１５では、被検ワーク１の音波形データを取得する前準備として、音波形データ取得時間Ｔ、部分音波形取得時間Δｔ、時間窓幅数ｋを設定する。
【００４５】
ここで、音波形データ取得時間Ｔは被検ワーク１の動作音発生時間τの長さより十分長め（例えば動作音発生時間τの前後１秒間づつをマージン区間として設けておき、動作音発生時間τ＋２秒をＴとする）に設定しておく。また、Ｔは後述の閾値決定方法の手順中でも設定するので、ここでは閾値決定方法の手順中に設定したＴをそのまま用いている。
【００４６】
部分音波形取得時間Δｔ、時間窓幅数ｋの設定についても同様で、閾値決定方法の手順中に設定したΔｔ、ｋをそのまま用いること。通常、Δｔとｋについてはコンピュータ５の現実的な性能と後述する心理音響パラメータ計算の便宜上、Δｔ＝１ミリ秒〜２ミリ秒、ｋ＝１００〜２０００程度で設定する。
【００４７】
次にステップＳ１６では、取得する音波形データの累積数をΔｔ単位でカウントするための変数ｉを０に設定して、コンピュータ５で音波形データの取得を開始する。
【００４８】
次にステップＳ１７では、コンピュータ５から駆動装置４を介して被検ワーク１に動作開始指令を出す。ここで、被検ワーク１は駆動装置４から動作開始指令を受けて決められた動作を開始し、被検ワーク１から動作音が発生し始める。
【００４９】
次にステップＳ１８では、被検ワーク１から動作に伴い発せられている動作音を集音器２によって、部分音波形データＵ（ｉ）として取得する。このとき取得する音波形データの時間幅は、部分音波形取得時間Δｔである。
【００５０】
次にステップＳ１９では、現在最新の部分音波形データＵ（ｉ）からｋ−１個分遡っての部分音波形データＵ（ｉ−１），Ｕ（ｉ−２）・・・Ｕ（ｉ−ｋ）までを時系列順にＵ（ｉ）の過去時間側に追加して１つの部分音波形データＷ（ｉ）を構成する。Ｗ（ｉ）の時間幅はｋ＊Δｔとなる。このようにすることで、１回の波形取得動作で集音器２から取得する音波形データは時間幅Δｔであるが、後のステップで必要なデータを計算するために時間幅ｋ＊Δｔの波形データを得る事ができる。ただし、ｉ＜ｋである場合は、検査動作開始時の部分音波形データＵ（０）よりも過去の部分音波形データが存在しないため、過去側の部分音波形データはＵ（０）までで止めておく。図１４に、ｋ＝５の場合のi＝０〜１２までのＵ（ｉ）とＷ（ｉ）の波形取得範囲を図示した。ｉ≧５では時間幅５Δｔの時間窓をずらしながら音波形データを取得している事が分かる。
【００５１】
次にステップＳ２０では、得られた部分音波形データＷ（ｉ）から心理音響パラメータを算出する。ここではラウドネスＬ（ｉ）、ノイジネスＮ（ｉ）、シャープネスＳ（ｉ）、ラフネスＲ（ｉ）、変動強度Ｆ（ｉ）を心理音響パラメータとして算出している。
【００５２】
ここで、心理音響パラメータとは、従来から音の評価に用いられている音圧レベルの数値が必ずしも人の聴感覚による官能評価とは異なる結果を示してしまう問題を解決するために考案されたもので、より人の聴感覚と相関の高い評価量として提唱されているものである。ラウドネスは人の聴覚で感じる音の大きさ、ノイジネスは人が感じる音のうるささ、シャープネスは音の金属感や甲高さ感、ラフネスは音のざらつき感や粗さ感、変動強度は音のうねり感や変動感を示す数値とされており、非線形的な聴覚の周波数特性と同等の処理で算出されることが特徴となっている。これらの心理音響パラメータの算出については、Ｅ．Ｚｗｉｃｋｅｒ著、山田由紀子訳「心理音響学」に詳細が掲載されている。また、ラウドネスの求め方についてはＩＳＯ５３２Ｂ、ノイジネスの求め方についてはＩＳＯ３８９１で規格化されている。
【００５３】
次にステップＳ２１では、ステップＳ２０で得られた心理音響パラメータのぞれぞれを時系列通りに配列する。心理音響パラメータの算出はステップＳ２０においてΔｔ毎に実施しており、それぞれの心理音響パラメータ値は音波形データの累積数をΔｔ単位でカウントするための変数ｉの数だけ算出されているので、ｉの順番に各心理音響パラメータ値を配列に格納する。
【００５４】
次にステップＳ２２では、音波形データの累積数をΔｔ単位でカウントするための変数ｉの数から、音波形データ取得時間の累積が音波形データ取得時間Ｔに達したかどうかを判断し、音波形データ取得時間の累積が音波形データ取得時間Ｔに達していなければ、ステップＳ２３で変数ｉを１加算してから、再度ステップＳ１８から処理を継続する。音波形データ取得時間の累積が音波形データ取得時間Ｔに達していたら、音波形データ取得動作を終了してステップＳ２４へ進む。
【００５５】
ステップＳ２４の時点では、ステップＳ２１を繰り返し実行したことで作成された、時間幅Ｔに相当する心理音響パラメータの時系列配列が得られたことになり、ステップＳ２５で音波形データ取得分析処理を終了する。ここで、各心理音響パラメータの時系列配列のデータ数をｎ個とすると、Ｔ＝ｎ＊Δｔである。
【００５６】
工業製品で非定常音に基づく品質検査をする場合は、有限時間内での被検ワークの動作音が対象であり、ある動作時間幅τだけ被検ワークの動作音が発生している状況が想定される。本実施の形態１では、ステップＳ１６で音波形データ取得開始しており、音波形データ取得時間Ｔは前述の通り、被検ワークの動作時間τより十分余裕を持って（Ｔ＞τ）設定してある。よって、ステップＳ１６と被検ワーク１へ動作開始指令を出すステップＳ１７の実行時間間隔を適切に設定することで、評価したい被検ワーク１の動作音の音波形データは、音波形データ取得時間Ｔの中でデータ先頭部分とデータ末尾部分にある程度の無動作区間を含んだ状態で取得する事が可能である。
【００５７】
次に、ステップＳ２の音波形データ時間オフセット処理について説明する。図４はステップＳ２の音波形データ時間オフセット処理についてより詳細に示すフローチャートである。
【００５８】
ステップＳ２６で音波形データ時間オフセット処理を開始すると、ステップＳ２７では、ステップＳ１で取得した被検ワーク１の動作音についてのラウドネス値配列Ｌ（ｉ）（ｉ＝０〜ｎ−１）の微分波形配列Ｄ（ｉ）を算出する。Ｄ（ｉ）は、下記（式１）で求める。
【００５９】
Ｄ（ｉ）＝Ｌ（ｉ）−Ｌ（ｉ−１） ・・・（式１）
【００６０】
ただしＬ（−１）＝Ｌ（０）とし、ｉ＝０のとき、Ｄ（０）＝Ｌ（０）−Ｌ（−１）＝Ｌ（０）−Ｌ（０）＝０とする。Ｄ（ｉ）は所謂差分値の配列であるが、ここでは便宜上微分波形配列と呼ぶ。
【００６１】
次にステップＳ２８では、後述する閾値決定方法の過程で設定する基準ラウドネス波形配列Ｌｂ（ｉ）（ｉ＝０〜ｎ−１）についてもステップＳ２７と同様に微分波形配列Ｄｂ（ｉ）を算出する。Ｄｂ（ｉ）は、下記（式２）で求める。
【００６２】
Ｄｂ（ｉ）＝Ｌｂ（ｉ）−Ｌｂ（ｉ−１） ・・・（式２）
【００６３】
ただしＬｂ（−１）＝Ｌｂ（０）とし、ｉ＝０のとき、Ｄｂ（０）＝Ｌｂ（０）−Ｌｂ（−１）＝Ｌｂ（０）−Ｌｂ（０）＝０とする。
【００６４】
次にステップＳ２９では、ステップＳ２７、Ｓ２８で求めた微分波形配列Ｄ（ｉ）とＤｂ（ｉ）の相互相関関数φ（ｔ）（−ｎ＋１≦ｔ≦ｎ−１）を算出する。相互相関関数φ（ｔ）は、下記（式３）で求める。
【００６５】
【数１】
（※ただし、ｉ＜０、ｎ−１＜ｉでは、Ｄ（ｉ）＝０、Ｄｂ（ｉ）＝０とする）
【００６６】
相互相関関数φ（ｔ）は微分波形配列Ｄ（ｉ）とＤｂ（ｉ）の一致度を評価する関数であり、ｔはＤ（ｉ）とＤｂ（ｉ）の時間的な相対ズレ量を表している。φ（ｔ0）が最大値を持つとき、Ｄ（ｉ）を配列の指標ｔ0だけ時間軸の未来方向へずらしたときにＤｂ（ｉ）と最も一致するという事を意味する。
【００６７】
次にステップＳ３０では、ステップＳ２９で算出した相互相関関数φ（ｔ）が最大値を取るデータ指標ｔを求めて、それを相対時間差ｈとする。
【００６８】
次にステップＳ３１では、ステップＳ３０で求めた相対時間差ｈを用いて、それ以降のステップＳ３２、Ｓ３３、Ｓ３４の処理を、ステップＳ１で取得した全ての心理音響パラメータ配列（ラウドネス：Ｌ（ｉ），ノイジネス：Ｎ（ｉ），シャープネス：Ｓ（ｉ），ラフネス：Ｒ（ｉ），変動強度：Ｆ（ｉ）（０≦ｉ≦ｎ−１））について実施する。図４中では、全ての心理音響パラメータについての処理を個別に記載する事を省略し、いずれかの心理音響パラメータ配列である事を意味するために、任意の心理音響パラメータ配列をＸ（ｉ）で表す。従って、ここでは５種類の心理音響パラメータについてそれぞれステップＳ３１を実施することになる。
【００６９】
ステップＳ３２で相対時間差ｈが０以上ならステップＳ３３の処理を実施し、そうでない場合はステップＳ３４の処理を実施した後に、ステップＳ３５で音波形データ時間オフセット処理を終了する。
【００７０】
ステップＳ３３では、心理音響パラメータ配列Ｘ（ｉ）の値のうち、Ｘ（０），Ｘ（１）・・・，Ｘ（ｎ−ｈ−１）の値を配列順序を保ったまま、Ｘ（ｈ），Ｘ（ｈ＋１）・・・Ｘ（ｎ−１）に移す。この場合、元々Ｘ（ｈ），Ｘ（ｈ＋１）・・・Ｘ（ｎ−１）に格納されている値は上書きされる。次に、心理音響パラメータ配列Ｘ（ｉ）の値のうちＸ（０），Ｘ（１）・・・Ｘ（ｈ−１）の値全てにＸ（ｈ）の値を代入する。図１５に、ｈ＝４の場合を例としてステップＳ３３の操作の手順の模式図を示す。ステップＳ３３の操作により、図１５−１で示すように時系列で並んでいる心理音響パラメータ配列Ｘ（ｉ）の値を、図１５−２で示すように指標ｉの増加する方向にｈだけずらす操作を行う。この操作により生じた空白データＸ（０），Ｘ（１）・・・Ｘ（ｈ−１）を図１５−３で示すようにずらしたデータの端値であるＸ（ｈ）の値で埋めたことになる。つまりステップＳ３３の操作は、時系列で並んでいる時間長Ｔ＝ｎ＊Δｔの心理音響パラメータ配列Ｘ（ｉ）のデータをｈ＊Δｔだけ未来側へずらして、それにより生じた過去側時間データの空白部分を波形データ端の値で代表させる操作である。
【００７１】
ステップＳ３４では、心理音響パラメータ配列Ｘ（ｉ）の値のうち、Ｘ（−ｈ），Ｘ（−ｈ＋１）・・・，Ｘ（ｎ−１）の値を配列順序を保ったまま、Ｘ（０），Ｘ（１）・・・Ｘ（ｎ＋ｈ−１）に移す。この場合、元々Ｘ（０），Ｘ（１）・・・Ｘ（ｎ＋ｈ−１）に格納されている値は上書きされる。次に、心理音響パラメータ配列Ｘ（ｉ）の値のうちＸ（ｎ＋ｈ），Ｘ（ｎ＋ｈ＋１）・・・Ｘ（ｎ−１）の値全てにＸ（ｎ＋ｈ−１）の値を代入する。図１６に、ｈ＝−４の場合を例としてステップＳ３４の操作の手順の模式図を示す。ステップＳ３４の操作により、図１６−１で示すように時系列で並んでいる心理音響パラメータ配列Ｘ（ｉ）の値を、図１６−２で示すように指標ｉの減少する方向に−ｈだけずらし、そのずらし操作により生じた空白データＸ（ｎ＋ｈ），Ｘ（ｎ＋ｈ＋１）・・・Ｘ（ｎ−１）を図１６−３で示すようにずらしたデータの端値であるＸ（ｎ＋ｈ−１）の値で埋めたことになる。つまりステップＳ３４の操作は、時系列で並んでいる時間長Ｔ＝ｎ＊Δｔの心理音響パラメータ配列Ｘ（ｉ）のデータを−ｈ＊Δｔだけ過去側へずらして、それにより生じた未来側時間データの空白部分を波形データ端の値で代表させる操作である。
【００７２】
ステップＳ２７からステップＳ３３またはステップＳ３４までの操作で、時間オフセット処理された心理音響パラメータ配列Ｘ（ｉ）は、同じｎ点のデータ列から構成される基準ラウドネス波形配列Ｌｂ（ｉ）を基準として音波形データの時間的なタイミングが揃えられたため、被検ワーク１が発した音の音波形データをあらかじめ準備してある閾値のデータと同じ時間軸で比較できるようになった。
【００７３】
次に、ステップＳ３の音波形データ閾値比較処理について説明する。図５はステップＳ３の音波形データ閾値比較処理についてより詳細に示すフローチャートである。この音波形データ閾値比較処理はステップＳ２にて時間オフセット処理された全ての心理音響パラメータ配列（ラウドネス：Ｌ（ｉ），ノイジネス：Ｎ（ｉ），シャープネス：Ｓ（ｉ），ラフネス：Ｒ（ｉ），変動強度：Ｆ（ｉ）（０≦ｉ≦ｎ−１））について実施する。図５では、全ての心理音響パラメータについての処理を個別に記載する事を省略し、いずれかの心理音響パラメータ配列である事を意味するために、任意の心理音響パラメータ配列をＸ（ｉ）で表す。また、以降で説明に用いる心理音響パラメータの上限閾値配列、下限閾値配列、判定配列についても同様にＸｔｕ（ｉ）、Ｘｔｄ（ｉ）、Ｘｊ（ｉ）と表記するが、各配列名のＸの部分は各心理音響パラメータ種類によって、ラウドネス：Ｌ，ノイジネス：Ｎ，シャープネス：Ｓ，ラフネス：Ｒ，変動強度：Ｆと置き換えたものとして考える。従って、ここでは５種類の心理音響パラメータについて、それぞれステップＳ３７を実施することになる。
【００７４】
ステップＳ３６で音波形データ閾値比較処理を開始すると、まず、前述のステップＳ３７を実施する。次にステップＳ３８では、心理音響パラメータ配列Ｘ（ｉ）とその心理音響パラメータ種類に対応する心理音響パラメータの上限閾値配列Ｘｔｕ（ｉ）、下限閾値配列Ｘｔｄ（ｉ）、判定配列Ｘｊ（ｉ）、（０≦ｉ≦ｎ−１）を参照できるよう準備しておく。
【００７５】
次にステップＳ３９では、各配列の時系列位置を配列の指標として指定する変数ｉを０に設定する。この変数ｉを共通に用いることで、心理音響パラメータ配列Ｘ（ｉ）、心理音響パラメータの上限閾値配列Ｘｔｕ（ｉ）、下限閾値配列Ｘｔｄ（ｉ）、判定配列Ｘｊ（ｉ）の時系列位置を揃えて処理する事ができる。
【００７６】
次にステップＳ４０では、心理音響パラメータ値Ｘ（ｉ）が同じ時系列位置の上限閾値Ｘｔｕ（ｉ）以下かつ下限閾値配列Ｘｔｄ（ｉ）以上の条件に合っているかどうか調べる。もし、条件に合っていればステップＳ４１へ進み、同じ時系列位置の判定値Ｘｊ（ｉ）に０を代入し、条件に合っていればステップＳ４２へ進み、同じ時系列位置の判定値Ｘｊ（ｉ）に１を代入する。
【００７７】
次にステップＳ４３で変数ｉを１加算し、ステップＳ４４で変数ｉがｎ以上であるか比較する。変数ｉがｎ以上であれば、全ての時系列データに関して比較が終了したので、ステップＳ４５へ進み、音波形データ閾値比較処理を終了する。変数ｉがｎ未満であれば、まだ全ての時系列データに関して比較が終了していないので、再度ステップＳ４０へ戻り同様の手順を繰り返す。
【００７８】
ステップＳ３７では、時系列のタイミングが揃った心理音響パラメータ配列Ｘ（ｉ）の各値にあらかじめ設定されている上限閾値、下限閾値と比較し、前記下限閾値以上、前記上限閾値以下の範囲である閾値範囲に入っている点については対応する時系列点の判定値Ｘｊ（ｉ）に０を、閾値から逸脱している点については対応する時系列点の判定値Ｘｊ（ｉ）に１を代入していく処理を行っているため、判定配列Ｘｊ（ｉ）には心理音響パラメータ配列Ｘ（ｉ）のどのポイントで閾値から逸脱しているかが分かるようになっている。
【００７９】
次に、ステップＳ４の音波形データ閾値比較結果マスキング処理について説明する。図６はステップＳ４の音波形データ閾値比較結果マスキング処理についてより詳細に示すフローチャートである。この音波形データ閾値比較結果マスキング処理はステップＳ３にて音波形データ閾値比較処理された結果が反映されている、全ての心理音響パラメータ配列についての判定配列（ラウドネス判定配列：Ｌｊ（ｉ），ノイジネス判定配列：Ｎｊ（ｉ），シャープネス判定配列：Ｓｊ（ｉ），ラフネス判定配列：Ｒｊ（ｉ），変動強度判定配列：Ｆｊ（ｉ）（０≦ｉ≦ｎ−１））について実施する。図６では、全ての判定配列についての処理を心理音響パラメータ種類別に記載する事を省略し、いずれかの心理音響パラメータ配列の判定配列である事を意味するために、任意の心理音響パラメータ配列の判定配列をＸｊ（ｉ）で表す。また、以降で説明に用いる心理音響パラメータ毎に準備されたマスキング配列についても同様にＸｍ（ｉ）と表記するが、各配列名のＸの部分は各心理音響パラメータ種類によって、ラウドネス：Ｌ，ノイジネス：Ｎ，シャープネス：Ｓ，ラフネス：Ｒ，変動強度：Ｆと置き換えたものとして考える。従って、ここでは５種類の心理音響パラメータについて、それぞれステップＳ４７を実施することになる。
【００８０】
ステップＳ４６で音波形データ閾値比較結果マスキング処理を開始すると、まず、前述のステップＳ４７を実施する。次にステップＳ４８では、心理音響パラメータ配列の判定配列Ｘｊ（ｉ）と、その心理音響パラメータ種類に対応したマスキング配列Ｘｍ（ｉ）（０≦ｉ≦ｎ−１）を参照できるよう準備しておく。マスキング配列Ｘｍ（ｉ）は後述する閾値決定方法の過程で決定される配列で、判定配列Ｘｊ（ｉ）で判定に使用する時系列点に対応する配列値には１が、判定に使用しない時系列点に対応する配列値には０が入力されている。
【００８１】
次にステップＳ４９では、各配列の時系列位置を配列の指標として指定する変数ｉを０に設定する。この変数ｉを共通に用いることで、心理音響パラメータ配列の判定配列Ｘｊ（ｉ）と、その心理音響パラメータ種類に対応したマスキング配列Ｘｍ（ｉ）の時系列位置を揃えて処理する事ができる。
【００８２】
次にステップＳ５０では、判定配列値Ｘｊ（ｉ）に、マスキング配列値Ｘｍ（ｉ）を乗じた結果を、再度判定配列値Ｘｊ（ｉ）に代入する。
【００８３】
次にステップＳ５１では、変数ｉを１加算する。
【００８４】
次にステップＳ５２では、変数ｉがｎ以上かどうか比較する。変数ｉがｎ未満であれば、まだ全ての時系列点についてマスキング処理が終了していないので、ステップＳ５０に戻り、処理を繰り返す。変数ｉがｎ以上であれば、全ての時系列点についてマスキング処理が終了したことになるので、ステップＳ５３へ進み、音波形データ閾値比較結果マスキング処理を終了する。
【００８５】
ステップＳ４７では、心理音響パラメータ配列Ｘ（ｉ）の判定結果が入っている判定配列Ｘｊ（ｉ）にマスキング配列Ｘｍ（ｉ）を乗ずることで、マスキング配列値に１が代入されている部分の閾値逸脱情報（判定配列に１が代入されている状態）のみを残すため、判定結果の必要な部分のみを残す事ができるようになっている。
【００８６】
次に、ステップＳ５の異音判定処理について説明する。図７はステップＳ５の異音判定処理についてより詳細に示すフローチャートである。
【００８７】
ステップＳ５４で異音判定処理を開始すると、ステップＳ５５では、ラウドネス判定配列Ｌｊ（ｉ）（０≦ｉ≦ｎ−１）の値の総和が０に等しいか判断する。Ｌｊ（ｉ）の総和が０に等しければラウドネスについて閾値から逸脱した点が１つも存在しない事を意味するため、ステップＳ５７に進みラウドネス異常なしと判定し、ラウドネス判定値Ｌｊｊ＝０とする。Ｌｊ（ｉ）の総和が０でない場合は、ラウドネスについて閾値から逸脱した点が１つ以上存在する事を意味するため、ステップＳ５６に進みラウドネス異常ありと判定し、ラウドネス判定値Ｌｊｊ＝１とする。
【００８８】
次にステップＳ５８では、ノイジネス判定配列Ｎｊ（ｉ）（０≦ｉ≦ｎ−１）の値の総和が０に等しいか判断する。Ｎｊ（ｉ）の総和が０に等しければノイジネスについて閾値から逸脱した点が１つも存在しない事を意味するため、ステップＳ６０に進みノイジネス異常なしと判定し、ノイジネス判定値Ｎｊｊ＝０とする。Ｎｊ（ｉ）の総和が０でない場合は、ノイジネスについて閾値から逸脱した点が１つ以上存在する事を意味するため、ステップＳ５９に進みノイジネス異常ありと判定し、ノイジネス判定値Ｎｊｊ＝１とする。
【００８９】
次にステップＳ６１では、シャープネス判定配列Ｓｊ（ｉ）（０≦ｉ≦ｎ−１）の値の総和が０に等しいか判断する。Ｓｊ（ｉ）の総和が０に等しければシャープネスについて閾値から逸脱した点が１つも存在しない事を意味するため、ステップＳ６３に進みシャープネス異常なしと判定し、シャープネス判定値Ｓｊｊ＝０とする。Ｓｊ（ｉ）の総和が０でない場合は、シャープネスについて閾値から逸脱した点が１つ以上存在する事を意味するため、ステップＳ６２に進みシャープネス異常ありと判定し、シャープネス判定値Ｓｊｊ＝１とする。
【００９０】
次にステップＳ６４では、ラフネス判定配列Ｒｊ（ｉ）（０≦ｉ≦ｎ−１）の値の総和が０に等しいか判断する。Ｒｊ（ｉ）の総和が０に等しければラフネスについて閾値から逸脱した点が１つも存在しない事を意味するため、ステップＳ６６に進みラフネス異常なしと判定し、ラフネス判定値Ｒｊｊ＝０とする。Ｒｊ（ｉ）の総和が０でない場合は、ラフネスについて閾値から逸脱した点が１つ以上存在する事を意味するため、ステップＳ６５に進みラフネス異常ありと判定し、ラフネス判定値Ｒｊｊ＝１とする。
【００９１】
次にステップＳ６７では、変動強度判定配列Ｆｊ（ｉ）（０≦ｉ≦ｎ−１）の値の総和が０に等しいか判断する。Ｆｊ（ｉ）の総和が０に等しければ変動強度について閾値から逸脱した点が１つも存在しない事を意味するため、ステップＳ６９に進み変動強度異常なしと判定し、変動強度判定値Ｆｊｊ＝０とする。Ｆｊ（ｉ）の総和が０でない場合は、変動強度について閾値から逸脱した点が１つ以上存在する事を意味するため、ステップＳ６８に進み変動強度異常ありと判定し、変動強度判定値Ｆｊｊ＝１とする。
【００９２】
次にステップＳ７０では、ここまでに求めた心理音響パラメータ種類毎の判定値Ｌｊｊ，Ｎｊｊ，Ｓｊｊ，Ｒｊｊ，Ｆｊｊから総合的な異音判断を行う。各判定値には、その心理音響パラメータ種で異常が確認された場合は１が、異常が確認されなかった場合は０が代入されているので、それらの組み合わせで総合的な判定を行う。組み合わせ論理は、後述の閾値決定方法の過程で設定されるが、通常は最低１種類以上の判定値で「異常」判定が存在した場合に総合判定「異音あり」とする場合が多い。その場合は良品判定のときに満たすべき条件式として、下記（式４）と設定する。
【００９３】
（Ｌｊｊ＋Ｎｊｊ＋Ｓｊｊ＋Ｒｊｊ＋Ｆｊｊ）＝０ ・・・（式４）
【００９４】
この（式４）は、全ての判定値の総和が０であるときに「異常なし」と判定し、被検ワーク１は良品と判断される。一方、そうでない場合に「異常あり」と判定され、被検ワーク１は不良品と判断されることを意味する。
【００９５】
以上の手順を経ることによりステップＳ７１で異音判定処理を終了し、被検ワーク１が動作時に発する音が異常かそうでないかを判断する事ができ、被検ワーク１が良品か不良品化の品質の検査を行うことができる。
【００９６】
次に、先に図２で説明した閾値決定方法について、ステップＳ８からステップＳ１２までの各ステップ毎により詳細に説明する。
【００９７】
まず、ステップＳ８の良品音波形データ取得分析処理について説明する。図８はステップＳ８の良品音波形データ取得分析処理についてより詳細に示すフローチャートである。
【００９８】
ステップＳ７２で良品音波形データ取得開始分析処理を開始すると、まず、ステップＳ７３では、図１７で示すように、被検ワーク１と同等品種製品であらかじめ良品と分かっている良品サンプル８を良品サンプル群９としてＰ個準備する。Ｐの数については多いほど安定して閾値が算出できるが、現実的に準備できる量には限りがあり、作業者の手間や負荷が増大する。後述する擬似サンプルデータ増数の効果も鑑みて、良品サンプル群９のＰは最低２０〜５０程度かそれ以上あればよい。
【００９９】
それら良品サンプル群９に含まれる良品サンプル８の音波形データを取得する前準備として、音波形データ取得時間Ｔ、部分音波形取得時間Δｔ、時間窓幅数ｋを設定する。ここで、音波形データ取得時間Ｔは良品サンプルの動作音発生時間τの長さより十分長め（例えば動作音発生時間τの前後１秒間づつをマージン区間として設けておき、動作音発生時間τ＋２秒をＴとする）に設定しておく。ここで設定したＴは前述の非定常音に基づく品質検査方法の手順中でも共通に使用して、時系列音波形データのデータ時間長を統一しておく。部分音波形取得時間Δｔ、時間窓幅数ｋの設定についても同様に、本ステップで設定したΔｔ、ｋをそのまま非定常音に基づく品質検査方法の手順中でも共通に使用すること。通常、Δｔとｋについてはコンピュータ５の現実的な性能と前述する心理音響パラメータ計算の便宜上、Δｔ＝１ミリ秒〜２ミリ秒、ｋ＝１００〜２０００程度で設定する。
【０１００】
次にステップＳ７４では、良品サンプル８から取得する音波形データに重複しないように番号を付与するための変数Ｙを１に設定する。良品サンプル８はＰ個準備されているので、１≦Ｙ≦Ｐである。
【０１０１】
次にステップＳ７５では、Ｙ個目の良品サンプル８を良品サンプル群９から取り出し装置にセットする。この時の良品サンプル８取り出しは、通常はＰ個の中で重複しないようにするが、例えば１個について２回データを取得するなどして、Ｐ個の良品サンプル群から２＊Ｐ個の音波形データを取得するなど、重複しても構わない。その場合はステップＳ７６以降でのＰを良品サンプル群９の台数でなく実際の音波形データ数に置き換えればよい。ただしそうした重複データ取得を認める場合は、同じ良品サンプルからの音波形データが複数存在するため、本来の狙いである製品個体間のバラツキを考慮した閾値決定を行う意味が薄れる可能性があるため、実施には配慮を要する。ここでは重複データ取得をせず、１個の良品サンプル８からは１個の音データ波形を取得するとして説明を進める。次に、取得する音波形データの累積数をΔｔ単位でカウントするための変数ｉを０に設定して、コンピュータ５で音波形データを取得開始する。
【０１０２】
次にステップＳ７６では、コンピュータ５から駆動装置４を介して良品サンプル８に動作開始指令を出す。ここで、良品サンプル８である被検ワーク１は駆動装置４から動作開始指令を受けて決められた動作を開始し、良品サンプル８から動作音が発生し始める。
【０１０３】
次にステップＳ７７では、良品サンプル８から動作に伴い発せられている動作音を集音器２によって、部分音波形データＵ（ｉ，Ｙ）として取得する。このとき取得する音波形データの時間幅は、部分音波形取得時間Δｔである。
【０１０４】
次にステップＳ７８では、現在最新の部分音波形データＵ（ｉ，Ｙ）からｋ−１個分遡っての部分音波形データＵ（ｉ−１，Ｙ），Ｕ（ｉ−２，Ｙ）・・・Ｕ（ｉ−ｋ，Ｙ）までを時系列順にＵ（ｉ，Ｙ）の過去時間側に追加して１つの部音波形データＷ（ｉ，Ｙ）を構成する。Ｗ（ｉ，Ｙ）の時間幅はｋ＊Δｔとなる。このようにすることで、１回の波形取得動作で集音器２から取得する音波形データは時間幅Δｔであるが、後のステップで必要なデータを計算するために時間幅ｋ＊Δｔの波形データを得る事ができる。ただし、ｉ＜ｋである場合は、検査動作開始時の部分音波形データＵ（０，Ｙ）よりも過去の部分音波形データが存在しないため、過去側の部分音波形データはＵ（０，Ｙ）までで止めておく。このステップＳ７８での操作は、先に非定常音評価手順のステップＳ１９と図１４で説明した音波形データ操作と同様である。
【０１０５】
次にステップＳ７９では、得られた部分音波形データＷ（ｉ，Ｙ）から心理音響パラメータを算出する。心理音響パラメータとその算出については先に非定常音評価手順のステップＳ２０の詳細で説明済みであるため省略する。
【０１０６】
次にステップＳ８０では、ステップＳ７９で得られた心理音響パラメータのぞれぞれを時系列通りに配列する。心理音響パラメータの算出はステップＳ７９においてΔｔ毎に実施しており、それぞれの心理音響パラメータ値は音波形データの累積数をΔｔ単位でカウントするための変数ｉの数だけ算出されているので、ｉの順番に各心理音響パラメータ値を配列に格納する。
【０１０７】
次にステップＳ８１では、音波形データの累積数をΔｔ単位でカウントするための変数ｉの数から、音波形データ取得時間の累積が音波形データ取得時間Ｔに達したかどうかを判断し、音波形データ取得時間の累積が音波形データ取得時間Ｔに達していなければ、ステップＳ８２で変数ｉを１加算してから、再度ステップＳ７７から処理を継続する。音波形データ取得時間の累積が音波形データ取得時間Ｔに達していたら、音波形データ取得動作を終了してステップＳ８３へ進む。
【０１０８】
ステップＳ８３の時点では、ステップＳ７７からステップＳ８１までを繰り返し実行したことで作成された、時間幅Ｔに相当する心理音響パラメータの時系列配列が得られたことになる。ここで各心理音響パラメータの時系列配列のデータ数をｎ個とする。従ってＴ＝ｎ＊Δｔである。
【０１０９】
次にステップＳ８４では、ＹがＰ以上かどうかを比較する。ＹがＰ未満であれば良品サンプル群９の全良品サンプルについての音波形データ取得が終了していないので、ステップＳ８５でＹに１加算して、ステップＳ７５へ戻り処理を繰返す。ＹがＰ以上であれば、良品サンプル群９の全良品サンプルについての音波形データ取得が終了したことになるので、ステップＳ８６へ進む。
【０１１０】
ステップＳ８６の時点では、ステップＳ７５からステップＳ８５までを繰り返し実行したことで作成された、良品サンプル群９についてのＰ個分の心理音響パラメータの時系列配列が得られたことになり、ステップＳ８７で良品音波形データ取得分析処理を終了する。
【０１１１】
非定常音に基づく品質検査方法の詳細でも説明したように、ステップＳ７５で音波形データ取得開始しており、音波形データ取得時間Ｔは被検ワークの動作時間幅τより十分余裕を持って（Ｔ＞τ）設定してあるので、ステップＳ７５と良品サンプル８へ動作開始指令を出すステップＳ７６の実行時間間隔を適切に設定することで、評価したい良品サンプル８の動作音の音波形データは、音波形データ取得時間Ｔの中でデータ先頭部分とデータ末尾部分にある程度の無動作区間を含んだ状態で取得する事が可能である。
【０１１２】
次に、ステップＳ９の良品音波形データ時間オフセット処理について説明する。図９はステップＳ９の良品音波形データ時間オフセット処理についてより詳細に示すフローチャートである。
【０１１３】
ステップＳ８８で良品音波形データ時間オフセット処理を開始すると、まず、ステップＳ８９では、ステップＳ８で取得したＰ個分の良品サンプル８の良品音波形データ、心理音響パラメータの中から、適当なデータを１つ（ここでは仮にｙ個目のデータとする。（１≦ｙ≦Ｐ））選び、そのデータのラウドネス値配列Ｌ（ｉ，ｙ）（０≦ｉ≦ｎ−１）のデータ配列を複製して、それを基準ラウドネス波形配列Ｌｂ（ｉ）とする。
【０１１４】
次にステップＳ９０では、基準ラウドネス波形配列Ｌｂ（ｉ）（ｉ＝０〜ｎ−１）について、ステップＳ２８で説明したのと同様に微分波形配列Ｄｂ（ｉ）を算出する。導出式も同様に上記（式２）を用いる。
【０１１５】
次にステップＳ９１では、ステップＳ８で取得済みの良品サンプル群９に含まれるＰ個の良品サンプル８毎に取得した音波形データ、心理音響パラメータ配列に付与した番号を指定するための変数Ｙを１に設定する。
【０１１６】
次にステップＳ９２では、ラウドネス値配列Ｌ（ｉ，Ｙ）（０≦ｉ≦ｎ−１）についての微分波形配列Ｄ（ｉ，Ｙ）を算出する。Ｄ（ｉ，Ｙ）は、下記（式５）で求める。
【０１１７】
Ｄ（ｉ，Ｙ）＝Ｌ（ｉ，Ｙ）−Ｌ（ｉ−１，Ｙ） ・・・（式５）
【０１１８】
ただしＬ（−１，Ｙ）＝Ｌ（０，Ｙ）とし、ｉ＝０のとき、Ｄ（０，Ｙ）＝Ｌ（０，Ｙ）−Ｌ（−１，Ｙ）＝Ｌ（０，Ｙ）−Ｌ（０，Ｙ）＝０とする。
【０１１９】
次にステップＳ９３では、ステップＳ９０、Ｓ９２で求めた微分波形配列Ｄ（ｉ，Ｙ）とＤｂ（ｉ）の相互相関関数φ（ｔ，Ｙ）（−ｎ＋１≦ｔ≦ｎ−１）を算出する。相互相関関数φ（ｔ，Ｙ）は、下記（式６）で求める。
【０１２０】
【数２】
（※ただし、ｉ＜０、ｎ−１＜ｉでは、Ｄ（ｉ，Ｙ）＝０、Ｄｂ（ｉ）＝０とする）
【０１２１】
相互相関関数φ（ｔ，Ｙ）は微分波形配列Ｄ（ｉ，Ｙ）とＤｂ（ｉ）の一致度を評価する関数であり、ｔはＤ（ｉ，Ｙ）とＤｂ（ｉ）の時間的な相対ズレ量を表している。φ（ｔ0，Ｙ）が最大値を持つとき、Ｄ（ｉ，Ｙ）を配列の指標ｔ0だけ時間軸の未来方向へずらしたときにＤｂ（ｉ）と最も一致するという事を意味する。
【０１２２】
次にステップＳ９４では、ステップＳ９３で算出した相互相関関数φ（ｔ，Ｙ）が最大値を取るデータ指標ｔを求めて、それを相対時間差ｈ（Ｙ）とする。
【０１２３】
次にステップＳ９５では、ステップＳ９４で求めた相対時間差ｈ（Ｙ）を用いて、それ以降のステップＳ９６、Ｓ９７、Ｓ９８の処理を、ステップＳ８で取得した全ての心理音響パラメータ配列（ラウドネス：Ｌ（ｉ，Ｙ），ノイジネス：Ｎ（ｉ，Ｙ），シャープネス：Ｓ（ｉ，Ｙ），ラフネス：Ｒ（ｉ，Ｙ），変動強度：Ｆ（ｉ，Ｙ）（０≦ｉ≦ｎ−１））について実施する。図９中では、全ての心理音響パラメータについての処理を個別に記載する事を省略し、いずれかの心理音響パラメータ配列である事を意味するために、任意の心理音響パラメータ配列をＸ（ｉ，Ｙ）で表す。従って、ここでは５種類の心理音響パラメータについてそれぞれステップＳ９５を実施することになる。
【０１２４】
ステップＳ９６で相対時間差ｈ（Ｙ）が０以上ならステップＳ９７の処理を実施し、そうでない場合はステップＳ９８の処理を実施する。
【０１２５】
ステップＳ９７では、心理音響パラメータ配列Ｘ（ｉ，Ｙ）の値のうち、Ｘ（０，Ｙ），Ｘ（１，Ｙ）・・・，Ｘ（ｎ−ｈ（Ｙ）−１，Ｙ）の値を配列順序を保ったまま、Ｘ（ｈ（Ｙ），Ｙ），Ｘ（ｈ（Ｙ）＋１，Ｙ）・・・Ｘ（ｎ−１，Ｙ）に移す。この場合、元々Ｘ（ｈ（Ｙ），Ｙ），Ｘ（ｈ（Ｙ）＋１，Ｙ）・・・Ｘ（ｎ−１，Ｙ）に格納されている値は上書きされる。次に、心理音響パラメータ配列Ｘ（ｉ，Ｙ）の値のうちＸ（０，Ｙ），Ｘ（１，Ｙ）・・・Ｘ（ｈ（Ｙ）−１，Ｙ）の値全てにＸ（ｈ（Ｙ），Ｙ）の値を代入する。図１８に、ｈ（Ｙ）＝４の場合を例としてステップＳ９７の操作の手順の模式図を示す。ステップＳ９７の操作により、図１８−１で示すように時系列で並んでいる心理音響パラメータ配列Ｘ（ｉ，Ｙ）の値を、図１８−２で示すように指標ｉの増加する方向にｈ（Ｙ）だけずらし、そのずらし操作により生じた空白データＸ（０，Ｙ），Ｘ（１，Ｙ）・・・Ｘ（ｈ（Ｙ）−１，Ｙ）を図１８−３で示すようにずらしたデータの端値であるＸ（ｈ（Ｙ），Ｙ）の値で埋めたことになる。このステップＳ９７の操作は、先に説明したステップＳ３３と同様の操作である。
【０１２６】
ステップＳ９８では、心理音響パラメータ配列Ｘ（ｉ，Ｙ）の値のうち、Ｘ（−ｈ（Ｙ），Ｙ），Ｘ（−ｈ（Ｙ）＋１，Ｙ）・・・，Ｘ（ｎ−１，Ｙ）の値を配列順序を保ったまま、Ｘ（０，Ｙ），Ｘ（１，Ｙ）・・・Ｘ（ｎ＋ｈ（Ｙ）−１，Ｙ）に移す。この場合、元々Ｘ（０，Ｙ），Ｘ（１，Ｙ）・・・Ｘ（ｎ＋ｈ（Ｙ）−１，Ｙ）に格納されている値は上書きされる。次に、心理音響パラメータ配列Ｘ（ｉ，Ｙ）の値のうちＸ（ｎ＋ｈ（Ｙ），Ｙ），Ｘ（ｎ＋ｈ（Ｙ）＋１，Ｙ）・・・Ｘ（ｎ−１，Ｙ）の値全てにＸ（ｎ＋ｈ（Ｙ）−１，Ｙ）の値を代入する。図１９に、ｈ（Ｙ）＝−４の場合を例としてステップＳ９８の操作の手順の模式図を示す。ステップＳ９８の操作により、図１９−１で示すように時系列で並んでいる心理音響パラメータ配列Ｘ（ｉ，Ｙ）の値を、図１９−２で示すように指標ｉの減少する方向に−ｈ（Ｙ）だけずらし、そのずらし操作により生じた空白データＸ（ｎ＋ｈ（Ｙ），Ｙ），Ｘ（ｎ＋ｈ（Ｙ）＋１，Ｙ）・・・Ｘ（ｎ−１，Ｙ）を図１９−３で示すようにずらしたデータの端値であるＸ（ｎ＋ｈ（Ｙ）−１，Ｙ）の値で埋めたことになる。ステップＳ９８の操作は、先に説明したステップＳ３４と同様の操作である。
【０１２７】
次のステップＳ９９では、変数ＹがＰ以上かどうか比較する。変数ＹがＰ未満であれば良品サンプル群９の全良品サンプルについての時間オフセット処理が終了していないので、ステップＳ１００でＹに１加算して、ステップＳ９１へ戻り処理を繰返す。ＹがＰ以上であれば、良品サンプル群９の全良品サンプルについての時間オフセット処理が終了したことになるので、ステップＳ１０１へ進み、良品音波形データ時間オフセット処理を終了する。
【０１２８】
ステップＳ８９からステップＳ９９またはステップＳ１００までの操作の繰返しで、Ｐ個の良品サンプル群９から取得し、時間オフセット処理された心理音響パラメータ配列Ｘ（ｉ，Ｙ）（０≦ｉ≦ｎ−１）は、時系列点数に関して同じｎ点の時系列データ列から構成される基準ラウドネス波形配列Ｌｂ（ｉ）を基準として音波形データの時間的なタイミングが揃えられたため、全ての良品サンプル８が発した音の音波形データをあらかじめ準備してある閾値のデータと同じ時間軸で比較できるようになる。
【０１２９】
次に、ステップＳ１０の良品データ増数処理について説明する。図１０はステップＳ１０の良品データ増数処理についてより詳細に示すフローチャートである。この良品データ増数処理はステップＳ９にて時間オフセット処理されたＰ個ある良品サンプル群９に含まれる良品サンプル８の全ての心理音響パラメータ配列（ラウドネス：Ｌ（ｉ，Ｙ），ノイジネス：Ｎ（ｉ，Ｙ）），シャープネス：Ｓ（ｉ，Ｙ）），ラフネス：Ｒ（ｉ，Ｙ）），変動強度：Ｆ（ｉ，Ｙ））（０≦ｉ≦ｎ−１，１≦Ｙ≦Ｐ））について実施する。図１０では、全種類の心理音響パラメータについての処理を個別に記載する事を省略し、いずれかの種類の心理音響パラメータ配列である事を意味するために、任意の心理音響パラメータ配列をＸ（ｉ，Ｙ）で表す。また、以降で説明に用いる各心理音響パラメータに対応する擬似良品データ配列、標準偏差配列、ランダムノイズ係数についても同様にＸｖ（ｉ，Ｚ），σＸ（ｉ），λＸとして表記するが、各配列名のＸの部分は各心理音響パラメータ種類によって、ラウドネス：Ｌ，ノイジネス：Ｎ，シャープネス：Ｓ，ラフネス：Ｒ，変動強度：Ｆと置き換えたものとして考える。従って、ステップＳ１０３の各ステップではそれぞれ５種類の心理音響パラメータについて実施することになる。
【０１３０】
ステップＳ１０２で良品データ増数処理を開始すると、ステップＳ１０４では、増数サンプル個数Ｑ、ランダムノイズ係数λＸを設定する。Ｑは擬似良品データ必要な個数を指定する。後述の閾値決定処理ではＱ個の擬似良品データと先に取得済みの良品サンプル８のＰ個のデータを合わせて用いる。増数サンプル個数Ｑについては、データ処理に要する時間や統計処理で常識的に必要な個数を考慮して、Ｐ＋Ｑが２００〜５００程度になるように選ぶのが適切である。また、ランダムノイズ係数λＸは、この後のステップにおける処理で擬似良品データに与える人工的なばらつきの程度を決める数値であり、経験的に０．２〜０．５程度に設定しておくと、良好な擬似良品データが得られやすい。通常、ランダムノイズ係数は全ての心理音響パラメータに対して同じ値を設定するが、測定環境や与えられた良品サンプル８の個数などを考慮して個々の心理音響パラメータ毎に別の値を設定しても構わない。
【０１３１】
次のステップＳ１０５では、この後のステップで作成する擬似良品データを格納する擬似良品データ配列Ｘｖ（ｉ，Ｚ）（０≦ｉ≦ｎ−１，１≦Ｚ≦Ｑ）を各特徴量毎に用意しておく。
【０１３２】
次のステップＳ１０６では、各配列の時系列位置を配列の指標として指定する変数ｉを０に設定する。この変数ｉを共通に用いることで、心理音響パラメータ配列Ｘ（ｉ，Ｙ）と、擬似良品データ配列Ｘｖ（ｉ，Ｚ）、後述する標準偏差配列σＸ（ｉ）の時系列位置を揃えて処理する事ができる。
【０１３３】
次のステップＳ１０７では、すでに取得済みの良品サンプル８のＰ個分の心理音響パラメータ配列Ｘ（ｉ，Ｙ）（０≦ｉ≦ｎ−１，１≦Ｙ≦Ｐ）のデータのＹに関する標準偏差σＸ（ｉ）を求める。各心理音響パラメータについて時系列の各点毎に標準偏差を求めていることになるため、時系列配列ｉではなく、良品サンプルの個数Ｐについての標準偏差であることに注意すること。
【０１３４】
次のステップＳ１０８では、擬似良品データを生成した個数をカウントするための変数ｑを１に設定する。
【０１３５】
次のステップＳ１０９では、すでに取得済みのＰ個の良品サンプルから得られたデータに設定したサンプル番号Ｙ（１≦Ｙ≦Ｐ）からランダムにＹを１つ選択する。この良品データ増数処理では複数回ステップＳ１０９でサンプル番号Ｙをランダムに選択することになるが、その場合の各サンプル番号Ｙを選択する確率は全て等しいものとし、重複選択を認めるものとする。例えば、１回目のランダム選択でＹ＝１８を選んでも、２回目以降のランダム選択で再びＹ＝１８が選ばれる可能性もある。ステップＳ１０９でのサンプル番号Ｙのランダム選択については、プログラム言語の乱数機能や、ハードウェアの乱数発生器などを用いればよい。
【０１３６】
次のステップＳ１１０では、ラウドネスについての正規乱数ｒ（ｑ，Ｌ）を発生させる。ｒ（ｑ，Ｌ）は、下記（式７）で求める。
【０１３７】
ｒ（ｑ，Ｌ）＝ＮＲｎｄ［μ＝０，σ＝１］ ・・・（式７）
【０１３８】
ＮＲｎｄ［μ，σ］は平均値μ、標準偏差σである正規乱数を返す関数である。プログラム言語や公知のアルゴリズムでＮＲｎｄ［μ，σ］に相当する機能を利用する事ができる。上記（式７）は平均０、標準偏差１の正規分布を持つ正規乱数を１回取得する事を意味している。
【０１３９】
次のステップＳ１１１では、ラウドネスの擬似良品データＬｖ（ｉ，ｑ）を算出する。Ｌｖ（ｉ，ｑ）は、下記（式８）で算出する。
【０１４０】
Ｌｖ（ｉ，ｑ）＝Ｌ（ｉ，Ｙ）＋［λＬ＊σＬ（ｉ）＊ｒ（ｑ，Ｌ）］ ・・・（式８）
【０１４１】
以降、ステップＳ１１２、Ｓ１１３でノイジネスについての正規乱数発生と擬似良品データ算出、ステップＳ１１４、Ｓ１１５でシャープネスについての正規乱数発生と擬似良品データ算出、ステップＳ１１６、Ｓ１１７でラフネスについての正規乱数発生と擬似良品データ算出、ステップＳ１１８、Ｓ１１９で変動強度についての正規乱数発生と擬似良品データ算出をステップＳ１１０、Ｓ１１１のラウドネスの場合と同様に行う。
【０１４２】
次のステップＳ１２０では、ｑがＱ以上かどうか比較する。ｑがＱ未満なら、擬似良品データの生成数がＱに達していないので、ステップＳ１２１でｑに１を加算して、ステップＳ１０９に戻り、処理を繰返す。ｑがＱ以上なら、擬似良品データの生成数がＱに達したので、ステップＳ１２２へ進む。
【０１４３】
次のステップＳ１２２では、ｉがｎ−１以上かどうか比較する。ｉがｎ−１未満であれば、まだ全ての時系列点について擬似良品データ増数処理が終了していないので、ステップＳ１２３でｉに１を加算してからステップＳ１０７に戻り、処理を繰り返す。変数ｉがｎ＋１以上であれば、全ての時系列点について擬似良品データ増数処理が終了したことになるので、ステップＳ１２４へ進み、擬似的な良品データ増数処理を終了する。
【０１４４】
この擬似的な良品データ増数処理により、実物の良品サンプル８がＰ個だけしか用意できない状態でも、Ｑ個の擬似良品サンプルが生成できるため、例えば良品サンプル個数Ｐ＝２０個に対してのから擬似良品サンプル個数Ｑ＝２８０個とすれば、全体としてはあたかも３００個の良品データがあるような状態で次のステップＳ１１に進むことができる。
【０１４５】
図２１、図２２、図２３、図２４は、ある工業製品を被検ワーク１として取得した音波形データの同じ時系列点におけるラウドネス値、シャープネス値、ラフネス値、変動強度値の度数分布を図示したものである。ぞれぞれの図において、上段は３５３台分の被検ワーク１の音波形データについてのもので、下段は上段のデータ取得した順序で先頭から２０台分のデータを良品サンプル群９から取得したデータとみなして、３３３個分の擬似良品データを増数処理したものを合わせたデータについてのものである。良品サンプル数Ｐ＝２０、増数サンプル個数Ｑ＝３３３、ランダムノイズ係数λＸ＝０．５とした。若干標準偏差が実サンプルから得られた集合より大きいが、擬似良品データを含んだ集合が分布の傾向も含めて実サンプルから得られた集合と似通った集合として形成できていることが分かる。
【０１４６】
次に、ステップＳ１１の閾値決定処理について説明する。図１１はステップＳ１１の良品データ増数処理についてより詳細に示すフローチャートである。この閾値決定処理は、Ｐ個の良品サンプルから得られてステップＳ９にて時間オフセット処理された各種心理音響パラメータ配列（ラウドネス：Ｌ（ｉ，Ｙ），ノイジネス：Ｎ（ｉ，Ｙ），シャープネス：Ｓ（ｉ，Ｙ），ラフネス：Ｒ（ｉ，Ｙ），変動強度：Ｆ（ｉ，Ｙ）（０≦ｉ≦ｎ−１，１≦Ｙ≦Ｐ））と、ステップＳ１０にてＱ個生成された擬似良品データの各種心理音響パラメータ配列（ラウドネス：Ｌｖ（ｉ，Ｚ），ノイジネス：Ｎｖ（ｉ，Ｚ），シャープネス：Ｓｖ（ｉ，Ｚ），ラフネス：Ｒｖ（ｉ，Ｚ），変動強度：Ｆｖ（ｉ，Ｚ）（０≦ｉ≦ｎ−１，１≦Ｚ≦Ｑ））について実施する。図１１では、全ての心理音響パラメータについての処理を個別に記載する事を省略し、いずれかの心理音響パラメータ配列である事を意味するために、任意の心理音響パラメータ配列をＸ（ｉ，Ｙ）、Ｘｖ（ｉ，Ｚ）で表す。また、以降で説明に用いる心理音響パラメータの上限閾値配列、下限閾値配列、平均値、最大値、標準偏差、上限閾値決定係数、下限閾値決定係数、上限閾値マージン率、下限閾値マージン率についても同様にＸｔｕ（ｉ）、Ｘｔｄ（ｉ）、Ｘａ（ｉ）、Ｘｍａｘ（ｉ）、Ｘｍｉｎ（ｉ）、θＸ（ｉ）、ｇｕＸ、ｇｄＸ、ｆｕＸ、ｆｄＸと表記するが、各配列名のＸの部分は各心理音響パラメータ種類によって、ラウドネス：Ｌ，ノイジネス：Ｎ，シャープネス：Ｓ，ラフネス：Ｒ，変動強度：Ｆと置き換えたものとして考える。従って、ここでは５種類の心理音響パラメータについて、それぞれステップＳ１２６を実施することになる。
【０１４７】
ステップＳ１２５で閾値設定処理を開始すると、まず、前述のステップＳ１２６を実施する。次のステップＳ１２７では、閾値決定しようとしている心理音響パラメータ配列Ｘ（ｉ，Ｙ）、Ｘｖ（ｉ，Ｚ）の種類に対応する上限閾値配列Ｘｔｕ（ｉ）、下限閾値配列Ｘｔｄ（ｉ）を準備する。
【０１４８】
次のステップＳ１２８では、閾値決定方法を標準偏差法と最大最小法のどちらか選択する。標準偏差法の場合はステップＳ１２９へ進み、最大最小法の場合はステップＳ１３４へ進む。それぞれの方式について分けて説明する。
【０１４９】
まず、標準偏差法の場合から説明する。
【０１５０】
まず、ステップＳ１２９では、上限閾値決定係数ｇｕＸ、下限閾値決定係数ｇｄＸをそれぞれ設定する。通常はｇｕＸ、ｇｄＸとも同じ値を設定する場合が多いが、判定基準を上下限で変えたい場合などはｇｕＸとｇｄＸで別々の値を設定しても良い。例えば、上限閾値のみで判定したい場合は、下限閾値決定係数をｇｄＸ＝２０などと十分大きい値に設定しておくと、下限閾値が十分無視できるほど低い値に設定でき都合が良い。なお、良品データと擬似良品サンプルデータが正規分布していれば、ｇｕＸ＝ｇｄＸ＝３に設定すると、良品の約９９．８％が判定閾値内に含まれる設定となる。ただし実際には、良品データが厳密な正規分布をしていることは稀であるため、ｇｕＸ＝ｇｄＸ＝３の設定では実際の非定常音に基づく品質検査を行うと過検出の傾向になりがちである。現実的な設定としてはｇｕＸ＝ｇｄＸ＝４〜６程度を選択すると良い結果が得られやすい。
【０１５１】
次にステップＳ１３０では、各配列の時系列位置を配列の指標として指定する変数ｉを０に設定する。
【０１５２】
次にステップＳ１３１では、心理音響パラメータ配列Ｘ（ｉ，Ｙ），Ｘｖ（ｉ，Ｚ）（ 1≦Ｙ≦Ｐ，１≦Ｚ≦Ｑ）の全（Ｐ＋Ｑ）個のデータから平均値Ｘａ（ｉ）、標準偏差θＸ（ｉ）を求め、上限閾値Ｘｔｕ（ｉ）、下限閾値Ｘｔｄ（ｉ）を算出する。Ｘｔｕ（ｉ）、Ｘｔｄ（ｉ）は、下記（式９）、（式１０）で算出する。
【０１５３】
Ｘｔｕ（ｉ）＝Ｘａ（ｉ）＋ｇｕＸ＊θＸ（ｉ） ・・・（式９）
【０１５４】
Ｘｔｄ（ｉ）＝Ｘａ（ｉ）−ｇｄＸ＊θＸ（ｉ） ・・・（式１０）
【０１５５】
次のステップＳ１３２では、変数ｉがｎ−１以上かどうか比較する。ｉがｎ−１未満であれば、まだ全ての時系列点について閾値決定処理が終了していないので、ステップＳ１３３でｉに１を加算してからステップＳ１３１に戻り、処理を繰り返す。ｉがｎ＋１以上であれば、全ての時系列点について閾値決定処理が終了したことになるので、ステップＳ１３９へ進む。
【０１５６】
次に最大最小法の場合について説明する。
【０１５７】
まず、ステップＳ１３４では、上限閾値マージン率ｆｕＸ、上限閾値マージン率ｆｄＸを設定する。ｆｕＸ、ｆｄＸは通常同じ値を設定する事が多いが、判定基準を上下限で変えたい場合などはｆｕＸとｆｄＸで別々の値を設定しても良い。例えば、上限閾値のみで判定したい場合は、下限閾値マージン率をｆｄＸ＝５などと十分大きい値に設定しておくと、下限閾値が十分無視できるほど低い値に設定でき都合が良い。具体的なｆｕＸ、ｆｄＸの機能については後で述べる。
【０１５８】
次のステップＳ１３５では、各配列の時系列位置を配列の指標として指定する変数ｉを０に設定する。
【０１５９】
次のステップＳ１３６では、心理音響パラメータ配列Ｘ（ｉ，Ｙ），Ｘｖ（ｉ，Ｚ）（ 1≦Ｙ≦Ｐ，１≦Ｚ≦Ｑ）の全（Ｐ＋Ｑ）個のデータから平均値Ｘａ（ｉ）、最大値Ｘｍａｘ（ｉ）、最小値Ｘｍｉｎ（ｉ）を求め、上限閾値Ｘｔｕ（ｉ）、下限閾値Ｘｔｄ（ｉ）を算出する。Ｘｔｕ（ｉ）、Ｘｔｄ（ｉ）は、下記（式１１）、（式１２）により算出する。
【０１６０】
Ｘｔｕ（ｉ）＝Ｘｍａｘ（ｉ）＋ｆｕＸ［Ｘｍａｘ（ｉ）−Ｘａ（ｉ）] …（式１１）
【０１６１】
Ｘｔｄ（ｉ）＝Ｘｍｉｎ（ｉ）＋ｆｄＸ［Ｘｍｉｎ（ｉ）−Ｘａ（ｉ）］ …（式１２）
【０１６２】
上記（式１１）、（式１２）から分かるように、ｆｕＸ、ｆｄＸは、良品データ、擬似良品サンプルデータの平均値Ｘａ（ｉ）から最大値Ｘｍａｘ（ｉ）、最小値Ｘｍｉｎ（ｉ）までの幅にｆｕＸ、ｆｄＸを割合として乗じたものを加算して上限閾値、下限閾値としている。例えば、ある時系列点のラウドネスの平均値が２、最大値が４、最小値が０．８で、ｆｕＸ＝０．０５、ｆｄＸ＝０．１と設定したとすると、上限閾値Ｘｔｕ（ｉ）は最大値から平均値を引いた２に０．０５を乗じた０．１を最大値に加算した４．１となり、下限閾値Ｘｔｄ（ｉ）は最小値から平均値を引いた−１．２に０．１を乗じた−０．１２を最小値に加算した０．６８となる。また、ｆｕＸ、ｆｄＸ共に０を設定した場合には、良品データ、擬似良品サンプルデータの最大値、最小値がそのまま上限閾値、下限閾値となる。実際にはｆｕＸ＝ｆｄＸ＝０の設定では、非定常音に基づく品質検査を行うと過検出の傾向になりがちである。現実的な設定としてはｆｕＸ＝ｆｄＸ＝０．０５〜０．２程度で設定すると良好な結果が得られやすい。
【０１６３】
次のステップＳ１３７では、変数ｉがｎ−１以上かどうか比較する。ｉがｎ−１未満であれば、まだ全ての時系列点について閾値決定処理が終了していないので、ステップＳ１３８でｉに１を加算してからステップＳ１３６に戻り、処理を繰り返す。ｉがｎ＋１以上であれば、全ての時系列点について閾値決定処理が終了したことになるので、ステップＳ１３９へ進む。
【０１６４】
ステップＳ１３９へ移る直前の時点で、全ての時系列点において全種類の心理音響パラメータに関す上限閾値配列Ｘｔｕ（ｉ）、下限閾値配列Ｘｔｄ（ｉ）が確定されている。
【０１６５】
次のステップＳ１３９では、ステップＳ１３１またはステップＳ１３６で求めたラウドネス平均値配列Ｌａ（ｉ）（０≦ｉ≦ｎ−１）を基準ラウドネス配列Ｌｂ（ｉ）（０≦ｉ≦ｎ−１）として再設定して、ステップＳ１４０で閾値設定処理を終了する。
【０１６６】
次に、ステップＳ１２のマスキング領域設定処理について説明する。図１２はステップＳ１２のマスキング領域設定処理についてより詳細に示すフローチャートである。
【０１６７】
ステップＳ１４１でマスキング領域設定処理を開始すると、まずステップＳ１４２では、（Ｐ＋Ｑ）個分取得した良品音波形データと擬似良品サンプルデータから算出したラウドネス値配列Ｌ（ｉ，Ｙ），Ｌｖ（ｉ，Ｚ）（０≦ｉ≦ｎ−１，１≦Ｙ≦Ｐ，１≦Ｚ≦Ｑ）を参照する。
【０１６８】
次のステップＳ１４３では、ラウドネス用マスキング配列Ｌｍ（ｉ）、マスキング基準値配列Ｌｍｂ（ｉ）（０≦ｉ≦ｎ−１）を設定してマスキング基準値を、Ｌ（ｉ，Ｙ），Ｌｖ（ｉ，Ｚ）から求めた最大値Ｌｍａｘ（ｉ）、上限閾値Ｌｔｕ（ｉ）、平均値Ｌａ（ｉ）のいずれにするか決定する。
【０１６９】
次のステップＳ１４４では、ステップＳ１４３で決定した閾値決定方法によって次へ進むステップを決める。マスキング基準値を最大値にした場合はステップＳ１４５へ進み、マスキング基準値を上限閾値にした場合はステップＳ１４６へ進み、マスキング基準値を平均値にした場合はステップＳ１４７へ進む。
【０１７０】
ステップＳ１４５では、ラウドネス値配列Ｌ（ｉ，Ｙ），Ｌｖ（ｉ，Ｚ）（１≦Ｙ≦Ｐ，１≦Ｚ≦Ｑ）から最大値Ｌｍａｘ（ｉ）（０≦ｉ≦ｎ−１）を求めて、マスキング基準値配列Ｌｍｂ（ｉ）（０≦ｉ≦ｎ−１）に代入する。
【０１７１】
ステップＳ１４６では、先にステップＳ１１の手順で求めたラウドネスの上限閾値Ｌｔｕ（ｉ）（０≦ｉ≦ｎ−１）をマスキング基準値配列Ｌｍｂ（ｉ）（０≦ｉ≦ｎ−１）に代入する。
【０１７２】
次のステップＳ１４７では、ラウドネス値配列Ｌ（ｉ，Ｙ），Ｌｖ（ｉ，Ｚ）（１≦Ｙ≦Ｐ，１≦Ｚ≦Ｑ）から平均値Ｌａ（ｉ）（０≦ｉ≦ｎ−１）を求めて、マスキング基準値配列Ｌｍｂ（ｉ）（０≦ｉ≦ｎ−１）に代入する。
【０１７３】
次のステップＳ１４８では、マスキング閾値Ｌｍｔを設定する。マスキング閾値Ｌｍｔは先のステップＳ１４５、Ｓ１４６、Ｓ１４７で設定したマスキング基準値配列Ｌｍｂ（ｉ）と比較して決定する。図２０にＬｍｂ（ｉ）の例とＬｍｔの設定例を示す。Ｌｍｂ（ｉ）はステップＳ１４５、Ｓ１４６、Ｓ１４７の違いにより多少の差異はあるが、いずれもラウドネス値であるため、音の大きさを表している。
【０１７４】
図２０中ではＬｍｂ（０）からＬｍｂ（６）、Ｌｍｂ（ｎ−４）からＬｍｂ（ｎ−１）の範囲はそれ以外に比べてラウドネス値が下端付近でかつ平坦であるが、このような部分は被検ワークから動作音が出ていない無音部分、Ｌｍｂ（７）からＬｍｂ（ｎ−５）の範囲は何らかの動作音が出ている有音部分と考えることができる。品質検査方法は工業製品から出ている動作音に基づいて品質が検査できれば良いので、音波形データ取得で得られた波形全体を評価するのではなく、動作音が出ている有音部分だけに限定して評価した方が、無音部分に関する異常過検出を防いで安定した検査が実現できる。そのために音波形データ取得で得られた波形に対して不要な無音部分のデータを隠すマスキング処理を行う。本実施の形態１ではＬｍｔよりＬｍｂ（ｉ）が小さい時系列部分についてマスキング処理のためのマスク範囲を設定するので、マスキング閾値を図２０で示すＬｍｔ３に設定したとすると、マスキング範囲は範囲３となる。同様にマスキング閾値をＬｍｔ２に設定したとすると、マスキング範囲は範囲２となり、マスキング閾値をＬｍｔ１に設定したとすると、ＬｍｔよりＬｍｂ（ｉ）が小さい範囲が存在しないため、時系列範囲０≦ｉ≦ｎ−１の全てを評価対象とすることになる。
【０１７５】
以上の考察から、被検ワーク１から出ている動作音だけを適切に評価するためには図２０の例ではＬｍｔ２にマスキング閾値を設定することが好ましい。実際の設定ではコンピュータ５に、図２０の例のように得られたＬｍｂ（ｉ）とこれから設定しようとしているＬｍｔとの関係をグラフや表等に図示し、それを参考にしながら作業者がＬｍｔを設定できるような機能を組み込むことが考えられる。
【０１７６】
次のステップＳ１４９では、各配列の時系列位置を配列の指標として指定する変数ｉを０に設定する。
【０１７７】
次のステップＳ１５０では、Ｌｂｍ（ｉ）がＬｍｔ以上かどうか比較する。Ｌｂｍ（ｉ）がＬｍｔ以上ならステップＳ１５１へ進み、ラウドネス用マスキング配列Ｌｍ（ｉ）に１を代入する。Ｌｂｍ（ｉ）がＬｍｔ未満ならステップＳ１５２へ進み、ラウドネス用マスキング配列Ｌｍ（ｉ）に０を代入する。これらの操作はマスキング配列に１が代入されている時系列点は評価に使用し、０が代入されている時系列点は評価に使用しないということを意味する。
【０１７８】
次のステップＳ１５３では、変数ｉがｎ−１以上かどうか比較する。ｉがｎ−１未満であれば、まだ全ての時系列点についてマスキング領域設定処理が終了していないので、ステップＳ１５４でｉに１を加算してからステップＳ１５０に戻り、処理を繰り返す。ｉがｎ＋１以上であれば、全ての時系列点についてマスキング領域設定処理が終了したことになるので、ステップＳ１５５へ進む。
【０１７９】
次のステップＳ１５５では、ラウドネス以外の心理音響パラメータ用のマスキング配列Ｘｍ（ｉ）（０≦ｉ≦ｎ−１）に、ここまでの手順で設定したラウドネス用マスキング配列Ｌｍ（ｉ）（０≦ｉ≦ｎ−１）の値を複製する。このステップＳ１５５は、一旦ラウドネス用マスキング配列をそれ以外の全ての心理音響パラメータ用のマスキング配列にも採用する操作である。
【０１８０】
次のステップＳ１５６では、必要に応じて、各心理音響パラメータ用マスキング配列Ｌｍ（ｉ），Ｎｍ（ｉ），Ｓｍ（ｉ），Ｒｍ（ｉ），Ｆｍ（ｉ）（０≦ｉ≦ｎ−１）のデータを変更する。変更作業としては、検査対象にする部分に対応するマスキング配列データに１を代入、検査対象にしない部分に対応するマスキング配列データには０を代入する。通常、ステップＳ１４２からステップＳ１５４までの手順で設定されたラウドネス用マスキング配列Ｌｍ（ｉ）（０≦ｉ≦ｎ−１）をステップＳ１５５で全ての心理音響パラメータ用マスキング配列にも採用した状態で差し支えないが、検査状況や些細な修正の必要性に応じて本ステップで各心理音響パラメータ用マスキング配列Ｘｍ（ｉ）を変更できる。変更、修正が不要な場合は本ステップを無視しても構わないことは言うまでもない。
【０１８１】
次のステップＳ１５７では、先にステップＳ５内のステップＳ７０で説明した、心理音響パラメータ種類毎の判定値Ｌｊｊ，Ｎｊｊ，Ｓｊｊ，Ｒｊｊ，Ｆｊｊから総合的な異音判断を行う処理に必要な組み合わせ論理の設定を行う。ステップＳ７０の説明でも述べたように、各判定値には、その心理音響パラメータ種で異常が確認された場合は１が、異常が確認されなかった場合は０が代入されるが、通常は最低１種類以上の判定値で「異常」判定が存在した場合に総合判定「異音あり」とする場合が多いため、その場合は良品判定条件式として上記（式４）を採用し、これを組み合わせ論理とする。組み合わせ論理は、上記（式４）のような数式でなくても、判定値とＡＮＤ、ＯＲ、ＸＯＲなどのブール演算子との組み合わせや、プログラム言語のコードのように条件分岐等の制御構造の組み合わせで表現されるものでも良い。そして、ステップＳ１５８でマスキング領域設定処理を終了する。
【０１８２】
なお、本実施の形態１では非定常音としての被検ワークの動作音の状態を数値化するために心理音響パラメータを用いたが、通常の音圧レベルを用いても良い。ただし、その場合は音質面の数値化はできないため、従来の騒音計音の大きさの尺度での非定常音評価となる。
【０１８３】
なお、本実施の形態１ではステップＳ１、ステップＳ８で被検ワーク１、良品サンプル群９からの音データをその場で取得しながら心理音響パラメータ算出までを実行したが、デジタル録音などであらかじめ取得しておいた音波形データを用いてステップＳ１、Ｓ８を実行しても良い。
【０１８４】
なお、本実施の形態１で心理音響特徴量の平均値を求める際の処理としては通常、相加平均を前提とするが、相乗平均や調和平均、中央値等の他の平均化手段を用いても良い。
【産業上の利用可能性】
【０１８５】
本発明の品質検査方法によれば、時間経過に伴って変化する異音を音質の面から評価し、異音不良品が入手困難な状態での判定用の閾値の決定を可能とし、人の聴感検査に近い非定常音に基づく品質検査を実現することができる。そのため、動作音の検査を必要とする様々な工業製品の量産工程でのインラインリアルタイム異音検査の用途に利用可能である。
【符号の説明】
【０１８６】
１ 被検ワーク
２ 集音器
３ Ａ／Ｄ変換機
４ 駆動装置
５ コンピュータ
６ ディスプレイ
７ 入力装置
８ 良品サンプル
９ 良品サンプル群
【技術分野】
【０００１】
本発明は、動作中に音の発生を伴う工業製品（例えばモータ、コンプレッサ、インバータ、あるいはそれらを内蔵した製品、ギアやカム、スライダ等のメカ動作機構を持つ製品）の品質検査方法に関するものである。
【背景技術】
【０００２】
一部を除いて、ほとんど全ての工業製品は動作時に何らかの動作音の発生を伴う。そのような動作音は、モータなどの動力部品やコンプレッサ等の機能部品、インバータ等の電気部品、またギアやカム、スライダ等のメカ動作機構から発せられる。工業製品の量産工程では、製品の組み立て途中、もしくは完成後に前記動作音を用いた製品の検査が実施される。
【０００３】
工業製品が発する動作音としては、定常音と非定常音がある。例えば、デバイスとしてのモータやコンプレッサなどは、コイルやロータやベーン、スクロールが定常的な回転状態を維持するため、動作音は一定の音質・調子・大きさが維持される。このような工業製品から発せられる動作音は、定常音と呼ばれる。一方、光ディスクドライブがメディア挿入・排出の動作の際に発する動作音や、カーナビのディスプレイが開閉動作の際に発する動作音、カメラが電動でズーム動作をする際に発する動作音などは、工業製品の動きの状態の変遷に応じて音質・調子・大きさが時々刻々と変化していく。こうした工業製品が発する動作音は非定常音と呼ばれる。例えばカーナビのディスプレイは、動作開始前は無音状態だが、ディスプレイ開動作が始まるとカーナビが備えるモータやギア、カムが動作音を発する。カーナビのディスプレイの開動作の開始時での動作音と終盤での動作音とは、ギアの当たり具合やモータ回転速度の変化により異なる場合が多い。このため、非定常音に基づく工業製品の品質の評価は、定常音に基づく工業製品の品質の評価に比べて困難とされている。
【０００４】
通常、動作音による工業製品の品質の評価を行う場合は、人の聴感による官能的な検査が実施されるが、その際の判断基準は検査員の感覚に委ねられており、検査員によってまちまちであり、定量的に工業製品の品質を評価することは困難である。また、同じ検査員でも、体調、周囲の環境等により判断基準にばらつきが生じるため、人の聴覚による検査は定量性に乏しいものとなる。そのため、動作音に基づく工業製品の品質の評価を自動化しようとする試みがされてきた。
【０００５】
従来の工業製品が発する動作音に基づく自動的な品質の検査方法としては、騒音計により得られた周波数毎の音圧に対して、閾値を設定して品質を評価するものがある（例えば、特許文献１参照。）。図２５は、特許文献１に記載された従来の動作音に基づく工業製品の品質の検査方法を示す図である。
【０００６】
図２５に示すように、従来の工業製品の検査は、周波数空間の各周波数帯域にそれぞれ判定パラメータを設けて行っている。
【先行技術文献】
【特許文献】
【０００７】
【特許文献１】特開２００６−１２６１４１号公報
【発明の概要】
【発明が解決しようとする課題】
【０００８】
しかしながら、前記従来の構成では、周波数空間のみに閾値（図２５では「判定パラメータ」と表示）を設定しているため、工業製品が発する定常音のみを評価対象としている。このことから、時間経過で変化していく非定常音を発する工業製品の品質の評価は困難である。
【０００９】
また、従来の検査方法では、物理的な音の大きさの指標である音圧レベルのみで品質を評価しているため、音圧レベルが閾値以下であれば良品と評価される。しかし、音圧レベルは、閾値以下でも音質により不良扱いとしたい場合もあり、音圧レベルのみで工業製品の品質を効果的に判別することは難しい。
【００１０】
本発明は、前記従来の課題を解決するもので、音質に注目した音に基づく検査方法を提供することを目的とする。
【課題を解決するための手段】
【００１１】
上記目的を達成するために、本発明の品質検査方法は、検査対象である被検ワークと同種の良品サンプルの動作音を、複数の前記良品サンプルから良品音情報として取得し、複数の前記良品音情報を経過時間に対応する良品音評価量として心理音響パラメータを用いて数値化し、複数の前記良品音評価量から判定用の閾値を決定し、前記被検ワークから発せられる動作音を被検音情報として取得し、前記被検ワークの前記被検音情報を経過時間に対応する被検音評価量として数値化し、前記被検ワークの前記被検音評価量と決定した前記閾値とを比較した結果に基づき前記被検ワークの品質を検査することを特徴とする。
【発明の効果】
【００１２】
以上のように、本発明の品質検査方法によれば、動作音を音質の面から評価し、人の聴感検査に近い評価レベルで製品の品質を検査することができる。
【図面の簡単な説明】
【００１３】
【図１】本発明の実施の形態１における非定常音に基づく品質検査方法のフローチャート
【図２】本発明の実施の形態１における閾値を設定するための閾値決定方法のフローチャート
【図３】音波形データ取得分析処理のフローチャート
【図４】音波形データ時間オフセット処理のフローチャート
【図５】音波形データ閾値比較処理のフローチャート
【図６】音波形データ閾値比較結果マスキング処理のフローチャート
【図７】異音判定処理のフローチャート
【図８】良品音波形データ取得分析処理のフローチャート
【図９】良品音波形データ時間オフセット処理のフローチャート
【図１０】良品音波形データ増数処理のフローチャート
【図１１】閾値決定方法のフローチャート
【図１２】マスキング領域設定処理のフローチャート
【図１３】本発明の実施の形態１における品質検査方法を実施するための装置構成例を示す概略図
【図１４】音波形データ取得分析処理と良品音波形データ取得分析処理において取得する音波形データと部分音波形データＵ（ｉ）と部分音波形データＷ（ｉ）の関係を示す図
【図１５】音波形データ時間オフセット処理において相対時間差ｈ＝４のときの心理音響パラメータ配列のシフト操作を示す図
【図１６】音波形データ時間オフセット処理において相対時間差ｈ＝−４のときの心理音響パラメータ配列のシフト操作を示す図
【図１７】本発明の実施の形態１における閾値決定方法を実施するための装置構成例を示す概略図
【図１８】良品音波形データ時間オフセット処理において相対時間差ｈ（Ｙ）＝４のときの心理音響パラメータ配列のシフト操作を示す図
【図１９】良品音波形データ時間オフセット処理において相対時間差ｈ（Ｙ）＝−４のときの心理音響パラメータ配列のシフト操作を示す図
【図２０】マスキング領域設定処理におけるマスキング閾値Ｌｍｔとマスキング基準値Ｌｍｂ（ｉ）の関係と、Ｌｍｔの設定の違いによるマスキング領域の違いを示す図
【図２１】ラウドネス値に関する実際の良品サンプルデータ群のヒストグラムと良品データ増数処理で増数された擬似良品データ群のヒストグラムを比較した図
【図２２】シャープネス値に関する実際の良品サンプルデータ群のヒストグラムと良品データ増数処理で増数された擬似良品データ群のヒストグラムを比較した図
【図２３】ラフネス値に関する実際の良品サンプルデータ群のヒストグラムと良品データ増数処理で増数された擬似良品データ群のヒストグラムを比較した図
【図２４】変動強度値に関する実際の良品サンプルデータ群のヒストグラムと良品データ増数処理で増数された擬似良品データ群のヒストグラムを比較した図
【図２５】特許文献１に記載された従来の品質検査方法を示す図
【図２６】ソフトウエアによって実現されるコンピュータの機能構成を示すブロック図
【発明を実施するための形態】
【００１４】
以下、本発明の実施の形態について、図面を参照しながら説明する。
【００１５】
（実施の形態１）
図１は、本発明の実施の形態１における非定常音に基づく品質検査方法の流れを示したフローチャートである。
【００１６】
図２は、本発明の実施の形態１における非定常音に基づく品質検査方法に用いる閾値決定方法の流れを示したフローチャートである。
【００１７】
また、図１３は、本発明の実施の形態１における非定常音に基づく品質検査を行うための装置構成例を示した概略図である。
【００１８】
また、図１７は、本発明の実施の形態１における閾値決定を行うための装置構成を示した概略図である。
【００１９】
なお、図１７に示す装置の基本的な構成は図１３と同様であり、図１７と図１３は動作音の発生源が異なる。つまり、図１３に記載の装置は、動作音の発生源として工業製品である被検ワーク１の動作音を取得している。一方、図１７に記載の装置は、あらかじめ準備してある良品サンプル８の動作音を取得している。この良品サンプル８は、良品サンプル群９のうちのいずれか１個である。良品サンプル群９は、被検ワーク１と同種の工業製品であって良品の工業製品である複数の良品サンプル８で構成されている。
【００２０】
本実施の形態１で説明する非定常音に基づく品質検査方法は、図１、図２のフローチャートで示される方法を合わせたものである。また、図１、図２のフローチャートで示される非定常品質検査方法および閾値決定方法は、通常、コンピュータ５内に構成されたプログラムで遂行される。
【００２１】
図１３に示す装置においては、被検ワーク１からの音が集音器２で集音され、Ａ／Ｄ変換機３でアナログデジタル変換された後、コンピュータ５にデジタルデータとして入力される。そして、コンピュータ５に接続されたディスプレイ６にデータを表示し、入力装置７からの入力などを基に駆動装置４で被検ワーク１を動作させる。
【００２２】
また、図１７に示す装置においては、良品サンプル群９から抽出された良品サンプル８からの音が集音器２で集音され、Ａ／Ｄ変換機３でアナログデジタル変換された後、コンピュータ５にデジタルデータとして入力される。そして、コンピュータ５に接続されたディスプレイ６にデータを表示し、入力装置７からの入力などを基に駆動装置４で良品サンプル８を動作させる。
【００２３】
なお、コンピュータ５は後述する処理が実行できる程度のものであればよく、コンピュータ５を構成する記録媒体、ＣＰＵ、インターフェース等の仕様、ディスプレイ６の仕様、入力装置７の仕様も、本実施の形態１で説明する処理を実現可能な構成であれば特定の構成になんら限定を課さない事は言うまでもない。また、コンピュータ５の替わりにシーケンサ（登録商標）等の論理制御や判断が可能な機器を用いても構わない。
【００２４】
なお、集音器２はマイクロフォンや加速度センサ、レーザ変位計など、被検ワーク１の動作音である音響振動を音波形信号に変換できるデバイスであれば形態や方式は問わない。
【００２５】
図２６に、本実施の形態１において、ソフトウエアによって実現されるコンピュータの機能構成を示すブロック図を示す。図２６において、コンピュータ５は、集音部１１に接続された数値化部１６、数値化部１６に接続されたオフセット部１２、オフセット部１２に接続された閾値比較部１３および増数部１７、閾値比較部に接続されたマスキング処理部１４、マスキング処理部１４およびディスプレイ６に接続された品質評価部１５、増数部１７および閾値比較部１３に接続された閾値決定部１８、閾値決定部１８およびマスキング処理部１４に接続された領域決定部１９、とを機能構成として有する。
【００２６】
続いて、図１で示す非定常に基づく品質検査方法の概要を説明する。
【００２７】
ステップＳ０で検査処理を開始すると、まず、ステップＳ１では、駆動装置４の作用により動作している被検ワーク１の発している動作音を、集音器２で音波形信号として取得し、Ａ／Ｄ変換機３で音情報である音波形データに変換する。なお、集音器２とＡ／Ｄ変換機３とで、音情報を取得する集音手段１１として機能している。
【００２８】
そして、音波形データを経過時間に対応する音評価量である心理音響パラメータとして数値化する。当該数値化はコンピュータ５の数値化部１６の演算により行われる。
【００２９】
次にステップＳ２では、ステップＳ１で得られた心理音響パラメータを、あらかじめ準備しておいた基準波形データとの時間的整合性を取ることができるように、時間オフセット処理する。当該時間オフセット処理は、オフセット部１２が行う。
【００３０】
次にステップＳ３では、ステップＳ２で適切に時間オフセット処理された心理音響パラメータを、あらかじめ準備しておいた閾値である閾値データと比較する。当該比較処理は、閾値比較部１３により行われる。
【００３１】
次にステップＳ４では、ステップＳ３で心理音響パラメータと閾値データとを比較した結果のデータから、判定に必要な部分だけを抽出するために、あらかじめ準備しておいたマスキングデータを用いてマスキング処理を行う。当該マスキング処理は、マスキング処理部１４により行われる。
【００３２】
次にステップＳ５では、ステップＳ４でマスキング処理された閾値データと比較した結果のデータを用いて、ステップＳ１において取得した被検ワーク１の音波形データが異音であるかどうかの判定を実施する。当該判定処理は、品質評価部１５が行い、ステップＳ６で検査処理を終了する。
【００３３】
なお、ステップＳ１からステップＳ５までの各ステップのより詳細な処理の説明は後述する。
【００３４】
次に、図２で示す閾値決定方法の流れを説明する。
【００３５】
ステップＳ７で閾値設定処理を開始すると、まず、ステップＳ８では、あらかじめ用意しておいたＰ個の良品サンプル８のすべてについてステップＳ１と同様の手順で音波形データを取得し、心理音響パラメータを算出する。これによりＰ個分の心理音響パラメータが得られる。これらの処理は、集音手段１１と数値化部１６とにより行われる。
【００３６】
次にステップＳ９では、ステップＳ８で取得したＰ個分の良品サンプル８についての心理音響パラメータの中から１つを選択する。当該心理音響パラメータを基準波形データとみなす。そして、ステップＳ２と同様の手順で前記基準波形データとの時間的整合性を取ることができるように、他の心理音響パラメータを時間オフセット処理する。当該時間オフセット処理はオフセット部１２により行われる。
【００３７】
次にステップＳ１０では、ステップＳ９で適切に時間オフセット処理されて時間軸でのズレが解消された状態のＰ個の良品サンプル８についての心理音響パラメータに対して統計的処理を行うことで、各時刻のデータ点毎に擬似的にサンプルデータの個数をＱ個分増加させる。これにより、良品サンプル８の個数が比較的少ない状況でも容易に閾値決定できるような準備を行う。当該処理は、増数部１７により行われる。
【００３８】
次にステップＳ１１では、ステップＳ１０で増加させたＱ個の擬似サンプルデータとＰ個の良品サンプル８の心理音響パラメータから、標準偏差法か最大最小法のいずれかの方法を用いて動作音が異音か否かを判定するための閾値を決定する。当該決定は、閾値決定部１８により行われる。
【００３９】
次にステップＳ１２では、ステップＳ１１で閾値を決定する過程で求めた心理音響パラメータの平均値、最大値、上限閾値のいずれかを基準にして、音波形データの判定部分を限定して、不要な過検出を防止するためのマスキング処理に必要なマスキング領域を決定する。当該決定は領域決定部１９により行い、ステップＳ１３で閾値設定処理を終了する。
【００４０】
なお、ステップＳ８からステップＳ１２までの各ステップ毎のより詳細な処理の説明は後述する。
【００４１】
次に、先に図１で説明した非定常音に基づく品質検査方法について、ステップＳ１からステップＳ５までの各ステップ毎により詳細に説明する。
【００４２】
まず、ステップＳ１の音波形データ取得分析処理について説明する。
【００４３】
図３は、ステップＳ１の音波形データ取得分析処理を詳細に示すフローチャートである。
【００４４】
ステップＳ１４で音波形データ取得分析処理を開始すると、ステップＳ１５では、被検ワーク１の音波形データを取得する前準備として、音波形データ取得時間Ｔ、部分音波形取得時間Δｔ、時間窓幅数ｋを設定する。
【００４５】
ここで、音波形データ取得時間Ｔは被検ワーク１の動作音発生時間τの長さより十分長め（例えば動作音発生時間τの前後１秒間づつをマージン区間として設けておき、動作音発生時間τ＋２秒をＴとする）に設定しておく。また、Ｔは後述の閾値決定方法の手順中でも設定するので、ここでは閾値決定方法の手順中に設定したＴをそのまま用いている。
【００４６】
部分音波形取得時間Δｔ、時間窓幅数ｋの設定についても同様で、閾値決定方法の手順中に設定したΔｔ、ｋをそのまま用いること。通常、Δｔとｋについてはコンピュータ５の現実的な性能と後述する心理音響パラメータ計算の便宜上、Δｔ＝１ミリ秒〜２ミリ秒、ｋ＝１００〜２０００程度で設定する。
【００４７】
次にステップＳ１６では、取得する音波形データの累積数をΔｔ単位でカウントするための変数ｉを０に設定して、コンピュータ５で音波形データの取得を開始する。
【００４８】
次にステップＳ１７では、コンピュータ５から駆動装置４を介して被検ワーク１に動作開始指令を出す。ここで、被検ワーク１は駆動装置４から動作開始指令を受けて決められた動作を開始し、被検ワーク１から動作音が発生し始める。
【００４９】
次にステップＳ１８では、被検ワーク１から動作に伴い発せられている動作音を集音器２によって、部分音波形データＵ（ｉ）として取得する。このとき取得する音波形データの時間幅は、部分音波形取得時間Δｔである。
【００５０】
次にステップＳ１９では、現在最新の部分音波形データＵ（ｉ）からｋ−１個分遡っての部分音波形データＵ（ｉ−１），Ｕ（ｉ−２）・・・Ｕ（ｉ−ｋ）までを時系列順にＵ（ｉ）の過去時間側に追加して１つの部分音波形データＷ（ｉ）を構成する。Ｗ（ｉ）の時間幅はｋ＊Δｔとなる。このようにすることで、１回の波形取得動作で集音器２から取得する音波形データは時間幅Δｔであるが、後のステップで必要なデータを計算するために時間幅ｋ＊Δｔの波形データを得る事ができる。ただし、ｉ＜ｋである場合は、検査動作開始時の部分音波形データＵ（０）よりも過去の部分音波形データが存在しないため、過去側の部分音波形データはＵ（０）までで止めておく。図１４に、ｋ＝５の場合のi＝０〜１２までのＵ（ｉ）とＷ（ｉ）の波形取得範囲を図示した。ｉ≧５では時間幅５Δｔの時間窓をずらしながら音波形データを取得している事が分かる。
【００５１】
次にステップＳ２０では、得られた部分音波形データＷ（ｉ）から心理音響パラメータを算出する。ここではラウドネスＬ（ｉ）、ノイジネスＮ（ｉ）、シャープネスＳ（ｉ）、ラフネスＲ（ｉ）、変動強度Ｆ（ｉ）を心理音響パラメータとして算出している。
【００５２】
ここで、心理音響パラメータとは、従来から音の評価に用いられている音圧レベルの数値が必ずしも人の聴感覚による官能評価とは異なる結果を示してしまう問題を解決するために考案されたもので、より人の聴感覚と相関の高い評価量として提唱されているものである。ラウドネスは人の聴覚で感じる音の大きさ、ノイジネスは人が感じる音のうるささ、シャープネスは音の金属感や甲高さ感、ラフネスは音のざらつき感や粗さ感、変動強度は音のうねり感や変動感を示す数値とされており、非線形的な聴覚の周波数特性と同等の処理で算出されることが特徴となっている。これらの心理音響パラメータの算出については、Ｅ．Ｚｗｉｃｋｅｒ著、山田由紀子訳「心理音響学」に詳細が掲載されている。また、ラウドネスの求め方についてはＩＳＯ５３２Ｂ、ノイジネスの求め方についてはＩＳＯ３８９１で規格化されている。
【００５３】
次にステップＳ２１では、ステップＳ２０で得られた心理音響パラメータのぞれぞれを時系列通りに配列する。心理音響パラメータの算出はステップＳ２０においてΔｔ毎に実施しており、それぞれの心理音響パラメータ値は音波形データの累積数をΔｔ単位でカウントするための変数ｉの数だけ算出されているので、ｉの順番に各心理音響パラメータ値を配列に格納する。
【００５４】
次にステップＳ２２では、音波形データの累積数をΔｔ単位でカウントするための変数ｉの数から、音波形データ取得時間の累積が音波形データ取得時間Ｔに達したかどうかを判断し、音波形データ取得時間の累積が音波形データ取得時間Ｔに達していなければ、ステップＳ２３で変数ｉを１加算してから、再度ステップＳ１８から処理を継続する。音波形データ取得時間の累積が音波形データ取得時間Ｔに達していたら、音波形データ取得動作を終了してステップＳ２４へ進む。
【００５５】
ステップＳ２４の時点では、ステップＳ２１を繰り返し実行したことで作成された、時間幅Ｔに相当する心理音響パラメータの時系列配列が得られたことになり、ステップＳ２５で音波形データ取得分析処理を終了する。ここで、各心理音響パラメータの時系列配列のデータ数をｎ個とすると、Ｔ＝ｎ＊Δｔである。
【００５６】
工業製品で非定常音に基づく品質検査をする場合は、有限時間内での被検ワークの動作音が対象であり、ある動作時間幅τだけ被検ワークの動作音が発生している状況が想定される。本実施の形態１では、ステップＳ１６で音波形データ取得開始しており、音波形データ取得時間Ｔは前述の通り、被検ワークの動作時間τより十分余裕を持って（Ｔ＞τ）設定してある。よって、ステップＳ１６と被検ワーク１へ動作開始指令を出すステップＳ１７の実行時間間隔を適切に設定することで、評価したい被検ワーク１の動作音の音波形データは、音波形データ取得時間Ｔの中でデータ先頭部分とデータ末尾部分にある程度の無動作区間を含んだ状態で取得する事が可能である。
【００５７】
次に、ステップＳ２の音波形データ時間オフセット処理について説明する。図４はステップＳ２の音波形データ時間オフセット処理についてより詳細に示すフローチャートである。
【００５８】
ステップＳ２６で音波形データ時間オフセット処理を開始すると、ステップＳ２７では、ステップＳ１で取得した被検ワーク１の動作音についてのラウドネス値配列Ｌ（ｉ）（ｉ＝０〜ｎ−１）の微分波形配列Ｄ（ｉ）を算出する。Ｄ（ｉ）は、下記（式１）で求める。
【００５９】
Ｄ（ｉ）＝Ｌ（ｉ）−Ｌ（ｉ−１） ・・・（式１）
【００６０】
ただしＬ（−１）＝Ｌ（０）とし、ｉ＝０のとき、Ｄ（０）＝Ｌ（０）−Ｌ（−１）＝Ｌ（０）−Ｌ（０）＝０とする。Ｄ（ｉ）は所謂差分値の配列であるが、ここでは便宜上微分波形配列と呼ぶ。
【００６１】
次にステップＳ２８では、後述する閾値決定方法の過程で設定する基準ラウドネス波形配列Ｌｂ（ｉ）（ｉ＝０〜ｎ−１）についてもステップＳ２７と同様に微分波形配列Ｄｂ（ｉ）を算出する。Ｄｂ（ｉ）は、下記（式２）で求める。
【００６２】
Ｄｂ（ｉ）＝Ｌｂ（ｉ）−Ｌｂ（ｉ−１） ・・・（式２）
【００６３】
ただしＬｂ（−１）＝Ｌｂ（０）とし、ｉ＝０のとき、Ｄｂ（０）＝Ｌｂ（０）−Ｌｂ（−１）＝Ｌｂ（０）−Ｌｂ（０）＝０とする。
【００６４】
次にステップＳ２９では、ステップＳ２７、Ｓ２８で求めた微分波形配列Ｄ（ｉ）とＤｂ（ｉ）の相互相関関数φ（ｔ）（−ｎ＋１≦ｔ≦ｎ−１）を算出する。相互相関関数φ（ｔ）は、下記（式３）で求める。
【００６５】
【数１】
（※ただし、ｉ＜０、ｎ−１＜ｉでは、Ｄ（ｉ）＝０、Ｄｂ（ｉ）＝０とする）
【００６６】
相互相関関数φ（ｔ）は微分波形配列Ｄ（ｉ）とＤｂ（ｉ）の一致度を評価する関数であり、ｔはＤ（ｉ）とＤｂ（ｉ）の時間的な相対ズレ量を表している。φ（ｔ0）が最大値を持つとき、Ｄ（ｉ）を配列の指標ｔ0だけ時間軸の未来方向へずらしたときにＤｂ（ｉ）と最も一致するという事を意味する。
【００６７】
次にステップＳ３０では、ステップＳ２９で算出した相互相関関数φ（ｔ）が最大値を取るデータ指標ｔを求めて、それを相対時間差ｈとする。
【００６８】
次にステップＳ３１では、ステップＳ３０で求めた相対時間差ｈを用いて、それ以降のステップＳ３２、Ｓ３３、Ｓ３４の処理を、ステップＳ１で取得した全ての心理音響パラメータ配列（ラウドネス：Ｌ（ｉ），ノイジネス：Ｎ（ｉ），シャープネス：Ｓ（ｉ），ラフネス：Ｒ（ｉ），変動強度：Ｆ（ｉ）（０≦ｉ≦ｎ−１））について実施する。図４中では、全ての心理音響パラメータについての処理を個別に記載する事を省略し、いずれかの心理音響パラメータ配列である事を意味するために、任意の心理音響パラメータ配列をＸ（ｉ）で表す。従って、ここでは５種類の心理音響パラメータについてそれぞれステップＳ３１を実施することになる。
【００６９】
ステップＳ３２で相対時間差ｈが０以上ならステップＳ３３の処理を実施し、そうでない場合はステップＳ３４の処理を実施した後に、ステップＳ３５で音波形データ時間オフセット処理を終了する。
【００７０】
ステップＳ３３では、心理音響パラメータ配列Ｘ（ｉ）の値のうち、Ｘ（０），Ｘ（１）・・・，Ｘ（ｎ−ｈ−１）の値を配列順序を保ったまま、Ｘ（ｈ），Ｘ（ｈ＋１）・・・Ｘ（ｎ−１）に移す。この場合、元々Ｘ（ｈ），Ｘ（ｈ＋１）・・・Ｘ（ｎ−１）に格納されている値は上書きされる。次に、心理音響パラメータ配列Ｘ（ｉ）の値のうちＸ（０），Ｘ（１）・・・Ｘ（ｈ−１）の値全てにＸ（ｈ）の値を代入する。図１５に、ｈ＝４の場合を例としてステップＳ３３の操作の手順の模式図を示す。ステップＳ３３の操作により、図１５−１で示すように時系列で並んでいる心理音響パラメータ配列Ｘ（ｉ）の値を、図１５−２で示すように指標ｉの増加する方向にｈだけずらす操作を行う。この操作により生じた空白データＸ（０），Ｘ（１）・・・Ｘ（ｈ−１）を図１５−３で示すようにずらしたデータの端値であるＸ（ｈ）の値で埋めたことになる。つまりステップＳ３３の操作は、時系列で並んでいる時間長Ｔ＝ｎ＊Δｔの心理音響パラメータ配列Ｘ（ｉ）のデータをｈ＊Δｔだけ未来側へずらして、それにより生じた過去側時間データの空白部分を波形データ端の値で代表させる操作である。
【００７１】
ステップＳ３４では、心理音響パラメータ配列Ｘ（ｉ）の値のうち、Ｘ（−ｈ），Ｘ（−ｈ＋１）・・・，Ｘ（ｎ−１）の値を配列順序を保ったまま、Ｘ（０），Ｘ（１）・・・Ｘ（ｎ＋ｈ−１）に移す。この場合、元々Ｘ（０），Ｘ（１）・・・Ｘ（ｎ＋ｈ−１）に格納されている値は上書きされる。次に、心理音響パラメータ配列Ｘ（ｉ）の値のうちＸ（ｎ＋ｈ），Ｘ（ｎ＋ｈ＋１）・・・Ｘ（ｎ−１）の値全てにＸ（ｎ＋ｈ−１）の値を代入する。図１６に、ｈ＝−４の場合を例としてステップＳ３４の操作の手順の模式図を示す。ステップＳ３４の操作により、図１６−１で示すように時系列で並んでいる心理音響パラメータ配列Ｘ（ｉ）の値を、図１６−２で示すように指標ｉの減少する方向に−ｈだけずらし、そのずらし操作により生じた空白データＸ（ｎ＋ｈ），Ｘ（ｎ＋ｈ＋１）・・・Ｘ（ｎ−１）を図１６−３で示すようにずらしたデータの端値であるＸ（ｎ＋ｈ−１）の値で埋めたことになる。つまりステップＳ３４の操作は、時系列で並んでいる時間長Ｔ＝ｎ＊Δｔの心理音響パラメータ配列Ｘ（ｉ）のデータを−ｈ＊Δｔだけ過去側へずらして、それにより生じた未来側時間データの空白部分を波形データ端の値で代表させる操作である。
【００７２】
ステップＳ２７からステップＳ３３またはステップＳ３４までの操作で、時間オフセット処理された心理音響パラメータ配列Ｘ（ｉ）は、同じｎ点のデータ列から構成される基準ラウドネス波形配列Ｌｂ（ｉ）を基準として音波形データの時間的なタイミングが揃えられたため、被検ワーク１が発した音の音波形データをあらかじめ準備してある閾値のデータと同じ時間軸で比較できるようになった。
【００７３】
次に、ステップＳ３の音波形データ閾値比較処理について説明する。図５はステップＳ３の音波形データ閾値比較処理についてより詳細に示すフローチャートである。この音波形データ閾値比較処理はステップＳ２にて時間オフセット処理された全ての心理音響パラメータ配列（ラウドネス：Ｌ（ｉ），ノイジネス：Ｎ（ｉ），シャープネス：Ｓ（ｉ），ラフネス：Ｒ（ｉ），変動強度：Ｆ（ｉ）（０≦ｉ≦ｎ−１））について実施する。図５では、全ての心理音響パラメータについての処理を個別に記載する事を省略し、いずれかの心理音響パラメータ配列である事を意味するために、任意の心理音響パラメータ配列をＸ（ｉ）で表す。また、以降で説明に用いる心理音響パラメータの上限閾値配列、下限閾値配列、判定配列についても同様にＸｔｕ（ｉ）、Ｘｔｄ（ｉ）、Ｘｊ（ｉ）と表記するが、各配列名のＸの部分は各心理音響パラメータ種類によって、ラウドネス：Ｌ，ノイジネス：Ｎ，シャープネス：Ｓ，ラフネス：Ｒ，変動強度：Ｆと置き換えたものとして考える。従って、ここでは５種類の心理音響パラメータについて、それぞれステップＳ３７を実施することになる。
【００７４】
ステップＳ３６で音波形データ閾値比較処理を開始すると、まず、前述のステップＳ３７を実施する。次にステップＳ３８では、心理音響パラメータ配列Ｘ（ｉ）とその心理音響パラメータ種類に対応する心理音響パラメータの上限閾値配列Ｘｔｕ（ｉ）、下限閾値配列Ｘｔｄ（ｉ）、判定配列Ｘｊ（ｉ）、（０≦ｉ≦ｎ−１）を参照できるよう準備しておく。
【００７５】
次にステップＳ３９では、各配列の時系列位置を配列の指標として指定する変数ｉを０に設定する。この変数ｉを共通に用いることで、心理音響パラメータ配列Ｘ（ｉ）、心理音響パラメータの上限閾値配列Ｘｔｕ（ｉ）、下限閾値配列Ｘｔｄ（ｉ）、判定配列Ｘｊ（ｉ）の時系列位置を揃えて処理する事ができる。
【００７６】
次にステップＳ４０では、心理音響パラメータ値Ｘ（ｉ）が同じ時系列位置の上限閾値Ｘｔｕ（ｉ）以下かつ下限閾値配列Ｘｔｄ（ｉ）以上の条件に合っているかどうか調べる。もし、条件に合っていればステップＳ４１へ進み、同じ時系列位置の判定値Ｘｊ（ｉ）に０を代入し、条件に合っていればステップＳ４２へ進み、同じ時系列位置の判定値Ｘｊ（ｉ）に１を代入する。
【００７７】
次にステップＳ４３で変数ｉを１加算し、ステップＳ４４で変数ｉがｎ以上であるか比較する。変数ｉがｎ以上であれば、全ての時系列データに関して比較が終了したので、ステップＳ４５へ進み、音波形データ閾値比較処理を終了する。変数ｉがｎ未満であれば、まだ全ての時系列データに関して比較が終了していないので、再度ステップＳ４０へ戻り同様の手順を繰り返す。
【００７８】
ステップＳ３７では、時系列のタイミングが揃った心理音響パラメータ配列Ｘ（ｉ）の各値にあらかじめ設定されている上限閾値、下限閾値と比較し、前記下限閾値以上、前記上限閾値以下の範囲である閾値範囲に入っている点については対応する時系列点の判定値Ｘｊ（ｉ）に０を、閾値から逸脱している点については対応する時系列点の判定値Ｘｊ（ｉ）に１を代入していく処理を行っているため、判定配列Ｘｊ（ｉ）には心理音響パラメータ配列Ｘ（ｉ）のどのポイントで閾値から逸脱しているかが分かるようになっている。
【００７９】
次に、ステップＳ４の音波形データ閾値比較結果マスキング処理について説明する。図６はステップＳ４の音波形データ閾値比較結果マスキング処理についてより詳細に示すフローチャートである。この音波形データ閾値比較結果マスキング処理はステップＳ３にて音波形データ閾値比較処理された結果が反映されている、全ての心理音響パラメータ配列についての判定配列（ラウドネス判定配列：Ｌｊ（ｉ），ノイジネス判定配列：Ｎｊ（ｉ），シャープネス判定配列：Ｓｊ（ｉ），ラフネス判定配列：Ｒｊ（ｉ），変動強度判定配列：Ｆｊ（ｉ）（０≦ｉ≦ｎ−１））について実施する。図６では、全ての判定配列についての処理を心理音響パラメータ種類別に記載する事を省略し、いずれかの心理音響パラメータ配列の判定配列である事を意味するために、任意の心理音響パラメータ配列の判定配列をＸｊ（ｉ）で表す。また、以降で説明に用いる心理音響パラメータ毎に準備されたマスキング配列についても同様にＸｍ（ｉ）と表記するが、各配列名のＸの部分は各心理音響パラメータ種類によって、ラウドネス：Ｌ，ノイジネス：Ｎ，シャープネス：Ｓ，ラフネス：Ｒ，変動強度：Ｆと置き換えたものとして考える。従って、ここでは５種類の心理音響パラメータについて、それぞれステップＳ４７を実施することになる。
【００８０】
ステップＳ４６で音波形データ閾値比較結果マスキング処理を開始すると、まず、前述のステップＳ４７を実施する。次にステップＳ４８では、心理音響パラメータ配列の判定配列Ｘｊ（ｉ）と、その心理音響パラメータ種類に対応したマスキング配列Ｘｍ（ｉ）（０≦ｉ≦ｎ−１）を参照できるよう準備しておく。マスキング配列Ｘｍ（ｉ）は後述する閾値決定方法の過程で決定される配列で、判定配列Ｘｊ（ｉ）で判定に使用する時系列点に対応する配列値には１が、判定に使用しない時系列点に対応する配列値には０が入力されている。
【００８１】
次にステップＳ４９では、各配列の時系列位置を配列の指標として指定する変数ｉを０に設定する。この変数ｉを共通に用いることで、心理音響パラメータ配列の判定配列Ｘｊ（ｉ）と、その心理音響パラメータ種類に対応したマスキング配列Ｘｍ（ｉ）の時系列位置を揃えて処理する事ができる。
【００８２】
次にステップＳ５０では、判定配列値Ｘｊ（ｉ）に、マスキング配列値Ｘｍ（ｉ）を乗じた結果を、再度判定配列値Ｘｊ（ｉ）に代入する。
【００８３】
次にステップＳ５１では、変数ｉを１加算する。
【００８４】
次にステップＳ５２では、変数ｉがｎ以上かどうか比較する。変数ｉがｎ未満であれば、まだ全ての時系列点についてマスキング処理が終了していないので、ステップＳ５０に戻り、処理を繰り返す。変数ｉがｎ以上であれば、全ての時系列点についてマスキング処理が終了したことになるので、ステップＳ５３へ進み、音波形データ閾値比較結果マスキング処理を終了する。
【００８５】
ステップＳ４７では、心理音響パラメータ配列Ｘ（ｉ）の判定結果が入っている判定配列Ｘｊ（ｉ）にマスキング配列Ｘｍ（ｉ）を乗ずることで、マスキング配列値に１が代入されている部分の閾値逸脱情報（判定配列に１が代入されている状態）のみを残すため、判定結果の必要な部分のみを残す事ができるようになっている。
【００８６】
次に、ステップＳ５の異音判定処理について説明する。図７はステップＳ５の異音判定処理についてより詳細に示すフローチャートである。
【００８７】
ステップＳ５４で異音判定処理を開始すると、ステップＳ５５では、ラウドネス判定配列Ｌｊ（ｉ）（０≦ｉ≦ｎ−１）の値の総和が０に等しいか判断する。Ｌｊ（ｉ）の総和が０に等しければラウドネスについて閾値から逸脱した点が１つも存在しない事を意味するため、ステップＳ５７に進みラウドネス異常なしと判定し、ラウドネス判定値Ｌｊｊ＝０とする。Ｌｊ（ｉ）の総和が０でない場合は、ラウドネスについて閾値から逸脱した点が１つ以上存在する事を意味するため、ステップＳ５６に進みラウドネス異常ありと判定し、ラウドネス判定値Ｌｊｊ＝１とする。
【００８８】
次にステップＳ５８では、ノイジネス判定配列Ｎｊ（ｉ）（０≦ｉ≦ｎ−１）の値の総和が０に等しいか判断する。Ｎｊ（ｉ）の総和が０に等しければノイジネスについて閾値から逸脱した点が１つも存在しない事を意味するため、ステップＳ６０に進みノイジネス異常なしと判定し、ノイジネス判定値Ｎｊｊ＝０とする。Ｎｊ（ｉ）の総和が０でない場合は、ノイジネスについて閾値から逸脱した点が１つ以上存在する事を意味するため、ステップＳ５９に進みノイジネス異常ありと判定し、ノイジネス判定値Ｎｊｊ＝１とする。
【００８９】
次にステップＳ６１では、シャープネス判定配列Ｓｊ（ｉ）（０≦ｉ≦ｎ−１）の値の総和が０に等しいか判断する。Ｓｊ（ｉ）の総和が０に等しければシャープネスについて閾値から逸脱した点が１つも存在しない事を意味するため、ステップＳ６３に進みシャープネス異常なしと判定し、シャープネス判定値Ｓｊｊ＝０とする。Ｓｊ（ｉ）の総和が０でない場合は、シャープネスについて閾値から逸脱した点が１つ以上存在する事を意味するため、ステップＳ６２に進みシャープネス異常ありと判定し、シャープネス判定値Ｓｊｊ＝１とする。
【００９０】
次にステップＳ６４では、ラフネス判定配列Ｒｊ（ｉ）（０≦ｉ≦ｎ−１）の値の総和が０に等しいか判断する。Ｒｊ（ｉ）の総和が０に等しければラフネスについて閾値から逸脱した点が１つも存在しない事を意味するため、ステップＳ６６に進みラフネス異常なしと判定し、ラフネス判定値Ｒｊｊ＝０とする。Ｒｊ（ｉ）の総和が０でない場合は、ラフネスについて閾値から逸脱した点が１つ以上存在する事を意味するため、ステップＳ６５に進みラフネス異常ありと判定し、ラフネス判定値Ｒｊｊ＝１とする。
【００９１】
次にステップＳ６７では、変動強度判定配列Ｆｊ（ｉ）（０≦ｉ≦ｎ−１）の値の総和が０に等しいか判断する。Ｆｊ（ｉ）の総和が０に等しければ変動強度について閾値から逸脱した点が１つも存在しない事を意味するため、ステップＳ６９に進み変動強度異常なしと判定し、変動強度判定値Ｆｊｊ＝０とする。Ｆｊ（ｉ）の総和が０でない場合は、変動強度について閾値から逸脱した点が１つ以上存在する事を意味するため、ステップＳ６８に進み変動強度異常ありと判定し、変動強度判定値Ｆｊｊ＝１とする。
【００９２】
次にステップＳ７０では、ここまでに求めた心理音響パラメータ種類毎の判定値Ｌｊｊ，Ｎｊｊ，Ｓｊｊ，Ｒｊｊ，Ｆｊｊから総合的な異音判断を行う。各判定値には、その心理音響パラメータ種で異常が確認された場合は１が、異常が確認されなかった場合は０が代入されているので、それらの組み合わせで総合的な判定を行う。組み合わせ論理は、後述の閾値決定方法の過程で設定されるが、通常は最低１種類以上の判定値で「異常」判定が存在した場合に総合判定「異音あり」とする場合が多い。その場合は良品判定のときに満たすべき条件式として、下記（式４）と設定する。
【００９３】
（Ｌｊｊ＋Ｎｊｊ＋Ｓｊｊ＋Ｒｊｊ＋Ｆｊｊ）＝０ ・・・（式４）
【００９４】
この（式４）は、全ての判定値の総和が０であるときに「異常なし」と判定し、被検ワーク１は良品と判断される。一方、そうでない場合に「異常あり」と判定され、被検ワーク１は不良品と判断されることを意味する。
【００９５】
以上の手順を経ることによりステップＳ７１で異音判定処理を終了し、被検ワーク１が動作時に発する音が異常かそうでないかを判断する事ができ、被検ワーク１が良品か不良品化の品質の検査を行うことができる。
【００９６】
次に、先に図２で説明した閾値決定方法について、ステップＳ８からステップＳ１２までの各ステップ毎により詳細に説明する。
【００９７】
まず、ステップＳ８の良品音波形データ取得分析処理について説明する。図８はステップＳ８の良品音波形データ取得分析処理についてより詳細に示すフローチャートである。
【００９８】
ステップＳ７２で良品音波形データ取得開始分析処理を開始すると、まず、ステップＳ７３では、図１７で示すように、被検ワーク１と同等品種製品であらかじめ良品と分かっている良品サンプル８を良品サンプル群９としてＰ個準備する。Ｐの数については多いほど安定して閾値が算出できるが、現実的に準備できる量には限りがあり、作業者の手間や負荷が増大する。後述する擬似サンプルデータ増数の効果も鑑みて、良品サンプル群９のＰは最低２０〜５０程度かそれ以上あればよい。
【００９９】
それら良品サンプル群９に含まれる良品サンプル８の音波形データを取得する前準備として、音波形データ取得時間Ｔ、部分音波形取得時間Δｔ、時間窓幅数ｋを設定する。ここで、音波形データ取得時間Ｔは良品サンプルの動作音発生時間τの長さより十分長め（例えば動作音発生時間τの前後１秒間づつをマージン区間として設けておき、動作音発生時間τ＋２秒をＴとする）に設定しておく。ここで設定したＴは前述の非定常音に基づく品質検査方法の手順中でも共通に使用して、時系列音波形データのデータ時間長を統一しておく。部分音波形取得時間Δｔ、時間窓幅数ｋの設定についても同様に、本ステップで設定したΔｔ、ｋをそのまま非定常音に基づく品質検査方法の手順中でも共通に使用すること。通常、Δｔとｋについてはコンピュータ５の現実的な性能と前述する心理音響パラメータ計算の便宜上、Δｔ＝１ミリ秒〜２ミリ秒、ｋ＝１００〜２０００程度で設定する。
【０１００】
次にステップＳ７４では、良品サンプル８から取得する音波形データに重複しないように番号を付与するための変数Ｙを１に設定する。良品サンプル８はＰ個準備されているので、１≦Ｙ≦Ｐである。
【０１０１】
次にステップＳ７５では、Ｙ個目の良品サンプル８を良品サンプル群９から取り出し装置にセットする。この時の良品サンプル８取り出しは、通常はＰ個の中で重複しないようにするが、例えば１個について２回データを取得するなどして、Ｐ個の良品サンプル群から２＊Ｐ個の音波形データを取得するなど、重複しても構わない。その場合はステップＳ７６以降でのＰを良品サンプル群９の台数でなく実際の音波形データ数に置き換えればよい。ただしそうした重複データ取得を認める場合は、同じ良品サンプルからの音波形データが複数存在するため、本来の狙いである製品個体間のバラツキを考慮した閾値決定を行う意味が薄れる可能性があるため、実施には配慮を要する。ここでは重複データ取得をせず、１個の良品サンプル８からは１個の音データ波形を取得するとして説明を進める。次に、取得する音波形データの累積数をΔｔ単位でカウントするための変数ｉを０に設定して、コンピュータ５で音波形データを取得開始する。
【０１０２】
次にステップＳ７６では、コンピュータ５から駆動装置４を介して良品サンプル８に動作開始指令を出す。ここで、良品サンプル８である被検ワーク１は駆動装置４から動作開始指令を受けて決められた動作を開始し、良品サンプル８から動作音が発生し始める。
【０１０３】
次にステップＳ７７では、良品サンプル８から動作に伴い発せられている動作音を集音器２によって、部分音波形データＵ（ｉ，Ｙ）として取得する。このとき取得する音波形データの時間幅は、部分音波形取得時間Δｔである。
【０１０４】
次にステップＳ７８では、現在最新の部分音波形データＵ（ｉ，Ｙ）からｋ−１個分遡っての部分音波形データＵ（ｉ−１，Ｙ），Ｕ（ｉ−２，Ｙ）・・・Ｕ（ｉ−ｋ，Ｙ）までを時系列順にＵ（ｉ，Ｙ）の過去時間側に追加して１つの部音波形データＷ（ｉ，Ｙ）を構成する。Ｗ（ｉ，Ｙ）の時間幅はｋ＊Δｔとなる。このようにすることで、１回の波形取得動作で集音器２から取得する音波形データは時間幅Δｔであるが、後のステップで必要なデータを計算するために時間幅ｋ＊Δｔの波形データを得る事ができる。ただし、ｉ＜ｋである場合は、検査動作開始時の部分音波形データＵ（０，Ｙ）よりも過去の部分音波形データが存在しないため、過去側の部分音波形データはＵ（０，Ｙ）までで止めておく。このステップＳ７８での操作は、先に非定常音評価手順のステップＳ１９と図１４で説明した音波形データ操作と同様である。
【０１０５】
次にステップＳ７９では、得られた部分音波形データＷ（ｉ，Ｙ）から心理音響パラメータを算出する。心理音響パラメータとその算出については先に非定常音評価手順のステップＳ２０の詳細で説明済みであるため省略する。
【０１０６】
次にステップＳ８０では、ステップＳ７９で得られた心理音響パラメータのぞれぞれを時系列通りに配列する。心理音響パラメータの算出はステップＳ７９においてΔｔ毎に実施しており、それぞれの心理音響パラメータ値は音波形データの累積数をΔｔ単位でカウントするための変数ｉの数だけ算出されているので、ｉの順番に各心理音響パラメータ値を配列に格納する。
【０１０７】
次にステップＳ８１では、音波形データの累積数をΔｔ単位でカウントするための変数ｉの数から、音波形データ取得時間の累積が音波形データ取得時間Ｔに達したかどうかを判断し、音波形データ取得時間の累積が音波形データ取得時間Ｔに達していなければ、ステップＳ８２で変数ｉを１加算してから、再度ステップＳ７７から処理を継続する。音波形データ取得時間の累積が音波形データ取得時間Ｔに達していたら、音波形データ取得動作を終了してステップＳ８３へ進む。
【０１０８】
ステップＳ８３の時点では、ステップＳ７７からステップＳ８１までを繰り返し実行したことで作成された、時間幅Ｔに相当する心理音響パラメータの時系列配列が得られたことになる。ここで各心理音響パラメータの時系列配列のデータ数をｎ個とする。従ってＴ＝ｎ＊Δｔである。
【０１０９】
次にステップＳ８４では、ＹがＰ以上かどうかを比較する。ＹがＰ未満であれば良品サンプル群９の全良品サンプルについての音波形データ取得が終了していないので、ステップＳ８５でＹに１加算して、ステップＳ７５へ戻り処理を繰返す。ＹがＰ以上であれば、良品サンプル群９の全良品サンプルについての音波形データ取得が終了したことになるので、ステップＳ８６へ進む。
【０１１０】
ステップＳ８６の時点では、ステップＳ７５からステップＳ８５までを繰り返し実行したことで作成された、良品サンプル群９についてのＰ個分の心理音響パラメータの時系列配列が得られたことになり、ステップＳ８７で良品音波形データ取得分析処理を終了する。
【０１１１】
非定常音に基づく品質検査方法の詳細でも説明したように、ステップＳ７５で音波形データ取得開始しており、音波形データ取得時間Ｔは被検ワークの動作時間幅τより十分余裕を持って（Ｔ＞τ）設定してあるので、ステップＳ７５と良品サンプル８へ動作開始指令を出すステップＳ７６の実行時間間隔を適切に設定することで、評価したい良品サンプル８の動作音の音波形データは、音波形データ取得時間Ｔの中でデータ先頭部分とデータ末尾部分にある程度の無動作区間を含んだ状態で取得する事が可能である。
【０１１２】
次に、ステップＳ９の良品音波形データ時間オフセット処理について説明する。図９はステップＳ９の良品音波形データ時間オフセット処理についてより詳細に示すフローチャートである。
【０１１３】
ステップＳ８８で良品音波形データ時間オフセット処理を開始すると、まず、ステップＳ８９では、ステップＳ８で取得したＰ個分の良品サンプル８の良品音波形データ、心理音響パラメータの中から、適当なデータを１つ（ここでは仮にｙ個目のデータとする。（１≦ｙ≦Ｐ））選び、そのデータのラウドネス値配列Ｌ（ｉ，ｙ）（０≦ｉ≦ｎ−１）のデータ配列を複製して、それを基準ラウドネス波形配列Ｌｂ（ｉ）とする。
【０１１４】
次にステップＳ９０では、基準ラウドネス波形配列Ｌｂ（ｉ）（ｉ＝０〜ｎ−１）について、ステップＳ２８で説明したのと同様に微分波形配列Ｄｂ（ｉ）を算出する。導出式も同様に上記（式２）を用いる。
【０１１５】
次にステップＳ９１では、ステップＳ８で取得済みの良品サンプル群９に含まれるＰ個の良品サンプル８毎に取得した音波形データ、心理音響パラメータ配列に付与した番号を指定するための変数Ｙを１に設定する。
【０１１６】
次にステップＳ９２では、ラウドネス値配列Ｌ（ｉ，Ｙ）（０≦ｉ≦ｎ−１）についての微分波形配列Ｄ（ｉ，Ｙ）を算出する。Ｄ（ｉ，Ｙ）は、下記（式５）で求める。
【０１１７】
Ｄ（ｉ，Ｙ）＝Ｌ（ｉ，Ｙ）−Ｌ（ｉ−１，Ｙ） ・・・（式５）
【０１１８】
ただしＬ（−１，Ｙ）＝Ｌ（０，Ｙ）とし、ｉ＝０のとき、Ｄ（０，Ｙ）＝Ｌ（０，Ｙ）−Ｌ（−１，Ｙ）＝Ｌ（０，Ｙ）−Ｌ（０，Ｙ）＝０とする。
【０１１９】
次にステップＳ９３では、ステップＳ９０、Ｓ９２で求めた微分波形配列Ｄ（ｉ，Ｙ）とＤｂ（ｉ）の相互相関関数φ（ｔ，Ｙ）（−ｎ＋１≦ｔ≦ｎ−１）を算出する。相互相関関数φ（ｔ，Ｙ）は、下記（式６）で求める。
【０１２０】
【数２】
（※ただし、ｉ＜０、ｎ−１＜ｉでは、Ｄ（ｉ，Ｙ）＝０、Ｄｂ（ｉ）＝０とする）
【０１２１】
相互相関関数φ（ｔ，Ｙ）は微分波形配列Ｄ（ｉ，Ｙ）とＤｂ（ｉ）の一致度を評価する関数であり、ｔはＤ（ｉ，Ｙ）とＤｂ（ｉ）の時間的な相対ズレ量を表している。φ（ｔ0，Ｙ）が最大値を持つとき、Ｄ（ｉ，Ｙ）を配列の指標ｔ0だけ時間軸の未来方向へずらしたときにＤｂ（ｉ）と最も一致するという事を意味する。
【０１２２】
次にステップＳ９４では、ステップＳ９３で算出した相互相関関数φ（ｔ，Ｙ）が最大値を取るデータ指標ｔを求めて、それを相対時間差ｈ（Ｙ）とする。
【０１２３】
次にステップＳ９５では、ステップＳ９４で求めた相対時間差ｈ（Ｙ）を用いて、それ以降のステップＳ９６、Ｓ９７、Ｓ９８の処理を、ステップＳ８で取得した全ての心理音響パラメータ配列（ラウドネス：Ｌ（ｉ，Ｙ），ノイジネス：Ｎ（ｉ，Ｙ），シャープネス：Ｓ（ｉ，Ｙ），ラフネス：Ｒ（ｉ，Ｙ），変動強度：Ｆ（ｉ，Ｙ）（０≦ｉ≦ｎ−１））について実施する。図９中では、全ての心理音響パラメータについての処理を個別に記載する事を省略し、いずれかの心理音響パラメータ配列である事を意味するために、任意の心理音響パラメータ配列をＸ（ｉ，Ｙ）で表す。従って、ここでは５種類の心理音響パラメータについてそれぞれステップＳ９５を実施することになる。
【０１２４】
ステップＳ９６で相対時間差ｈ（Ｙ）が０以上ならステップＳ９７の処理を実施し、そうでない場合はステップＳ９８の処理を実施する。
【０１２５】
ステップＳ９７では、心理音響パラメータ配列Ｘ（ｉ，Ｙ）の値のうち、Ｘ（０，Ｙ），Ｘ（１，Ｙ）・・・，Ｘ（ｎ−ｈ（Ｙ）−１，Ｙ）の値を配列順序を保ったまま、Ｘ（ｈ（Ｙ），Ｙ），Ｘ（ｈ（Ｙ）＋１，Ｙ）・・・Ｘ（ｎ−１，Ｙ）に移す。この場合、元々Ｘ（ｈ（Ｙ），Ｙ），Ｘ（ｈ（Ｙ）＋１，Ｙ）・・・Ｘ（ｎ−１，Ｙ）に格納されている値は上書きされる。次に、心理音響パラメータ配列Ｘ（ｉ，Ｙ）の値のうちＸ（０，Ｙ），Ｘ（１，Ｙ）・・・Ｘ（ｈ（Ｙ）−１，Ｙ）の値全てにＸ（ｈ（Ｙ），Ｙ）の値を代入する。図１８に、ｈ（Ｙ）＝４の場合を例としてステップＳ９７の操作の手順の模式図を示す。ステップＳ９７の操作により、図１８−１で示すように時系列で並んでいる心理音響パラメータ配列Ｘ（ｉ，Ｙ）の値を、図１８−２で示すように指標ｉの増加する方向にｈ（Ｙ）だけずらし、そのずらし操作により生じた空白データＸ（０，Ｙ），Ｘ（１，Ｙ）・・・Ｘ（ｈ（Ｙ）−１，Ｙ）を図１８−３で示すようにずらしたデータの端値であるＸ（ｈ（Ｙ），Ｙ）の値で埋めたことになる。このステップＳ９７の操作は、先に説明したステップＳ３３と同様の操作である。
【０１２６】
ステップＳ９８では、心理音響パラメータ配列Ｘ（ｉ，Ｙ）の値のうち、Ｘ（−ｈ（Ｙ），Ｙ），Ｘ（−ｈ（Ｙ）＋１，Ｙ）・・・，Ｘ（ｎ−１，Ｙ）の値を配列順序を保ったまま、Ｘ（０，Ｙ），Ｘ（１，Ｙ）・・・Ｘ（ｎ＋ｈ（Ｙ）−１，Ｙ）に移す。この場合、元々Ｘ（０，Ｙ），Ｘ（１，Ｙ）・・・Ｘ（ｎ＋ｈ（Ｙ）−１，Ｙ）に格納されている値は上書きされる。次に、心理音響パラメータ配列Ｘ（ｉ，Ｙ）の値のうちＸ（ｎ＋ｈ（Ｙ），Ｙ），Ｘ（ｎ＋ｈ（Ｙ）＋１，Ｙ）・・・Ｘ（ｎ−１，Ｙ）の値全てにＸ（ｎ＋ｈ（Ｙ）−１，Ｙ）の値を代入する。図１９に、ｈ（Ｙ）＝−４の場合を例としてステップＳ９８の操作の手順の模式図を示す。ステップＳ９８の操作により、図１９−１で示すように時系列で並んでいる心理音響パラメータ配列Ｘ（ｉ，Ｙ）の値を、図１９−２で示すように指標ｉの減少する方向に−ｈ（Ｙ）だけずらし、そのずらし操作により生じた空白データＸ（ｎ＋ｈ（Ｙ），Ｙ），Ｘ（ｎ＋ｈ（Ｙ）＋１，Ｙ）・・・Ｘ（ｎ−１，Ｙ）を図１９−３で示すようにずらしたデータの端値であるＸ（ｎ＋ｈ（Ｙ）−１，Ｙ）の値で埋めたことになる。ステップＳ９８の操作は、先に説明したステップＳ３４と同様の操作である。
【０１２７】
次のステップＳ９９では、変数ＹがＰ以上かどうか比較する。変数ＹがＰ未満であれば良品サンプル群９の全良品サンプルについての時間オフセット処理が終了していないので、ステップＳ１００でＹに１加算して、ステップＳ９１へ戻り処理を繰返す。ＹがＰ以上であれば、良品サンプル群９の全良品サンプルについての時間オフセット処理が終了したことになるので、ステップＳ１０１へ進み、良品音波形データ時間オフセット処理を終了する。
【０１２８】
ステップＳ８９からステップＳ９９またはステップＳ１００までの操作の繰返しで、Ｐ個の良品サンプル群９から取得し、時間オフセット処理された心理音響パラメータ配列Ｘ（ｉ，Ｙ）（０≦ｉ≦ｎ−１）は、時系列点数に関して同じｎ点の時系列データ列から構成される基準ラウドネス波形配列Ｌｂ（ｉ）を基準として音波形データの時間的なタイミングが揃えられたため、全ての良品サンプル８が発した音の音波形データをあらかじめ準備してある閾値のデータと同じ時間軸で比較できるようになる。
【０１２９】
次に、ステップＳ１０の良品データ増数処理について説明する。図１０はステップＳ１０の良品データ増数処理についてより詳細に示すフローチャートである。この良品データ増数処理はステップＳ９にて時間オフセット処理されたＰ個ある良品サンプル群９に含まれる良品サンプル８の全ての心理音響パラメータ配列（ラウドネス：Ｌ（ｉ，Ｙ），ノイジネス：Ｎ（ｉ，Ｙ）），シャープネス：Ｓ（ｉ，Ｙ）），ラフネス：Ｒ（ｉ，Ｙ）），変動強度：Ｆ（ｉ，Ｙ））（０≦ｉ≦ｎ−１，１≦Ｙ≦Ｐ））について実施する。図１０では、全種類の心理音響パラメータについての処理を個別に記載する事を省略し、いずれかの種類の心理音響パラメータ配列である事を意味するために、任意の心理音響パラメータ配列をＸ（ｉ，Ｙ）で表す。また、以降で説明に用いる各心理音響パラメータに対応する擬似良品データ配列、標準偏差配列、ランダムノイズ係数についても同様にＸｖ（ｉ，Ｚ），σＸ（ｉ），λＸとして表記するが、各配列名のＸの部分は各心理音響パラメータ種類によって、ラウドネス：Ｌ，ノイジネス：Ｎ，シャープネス：Ｓ，ラフネス：Ｒ，変動強度：Ｆと置き換えたものとして考える。従って、ステップＳ１０３の各ステップではそれぞれ５種類の心理音響パラメータについて実施することになる。
【０１３０】
ステップＳ１０２で良品データ増数処理を開始すると、ステップＳ１０４では、増数サンプル個数Ｑ、ランダムノイズ係数λＸを設定する。Ｑは擬似良品データ必要な個数を指定する。後述の閾値決定処理ではＱ個の擬似良品データと先に取得済みの良品サンプル８のＰ個のデータを合わせて用いる。増数サンプル個数Ｑについては、データ処理に要する時間や統計処理で常識的に必要な個数を考慮して、Ｐ＋Ｑが２００〜５００程度になるように選ぶのが適切である。また、ランダムノイズ係数λＸは、この後のステップにおける処理で擬似良品データに与える人工的なばらつきの程度を決める数値であり、経験的に０．２〜０．５程度に設定しておくと、良好な擬似良品データが得られやすい。通常、ランダムノイズ係数は全ての心理音響パラメータに対して同じ値を設定するが、測定環境や与えられた良品サンプル８の個数などを考慮して個々の心理音響パラメータ毎に別の値を設定しても構わない。
【０１３１】
次のステップＳ１０５では、この後のステップで作成する擬似良品データを格納する擬似良品データ配列Ｘｖ（ｉ，Ｚ）（０≦ｉ≦ｎ−１，１≦Ｚ≦Ｑ）を各特徴量毎に用意しておく。
【０１３２】
次のステップＳ１０６では、各配列の時系列位置を配列の指標として指定する変数ｉを０に設定する。この変数ｉを共通に用いることで、心理音響パラメータ配列Ｘ（ｉ，Ｙ）と、擬似良品データ配列Ｘｖ（ｉ，Ｚ）、後述する標準偏差配列σＸ（ｉ）の時系列位置を揃えて処理する事ができる。
【０１３３】
次のステップＳ１０７では、すでに取得済みの良品サンプル８のＰ個分の心理音響パラメータ配列Ｘ（ｉ，Ｙ）（０≦ｉ≦ｎ−１，１≦Ｙ≦Ｐ）のデータのＹに関する標準偏差σＸ（ｉ）を求める。各心理音響パラメータについて時系列の各点毎に標準偏差を求めていることになるため、時系列配列ｉではなく、良品サンプルの個数Ｐについての標準偏差であることに注意すること。
【０１３４】
次のステップＳ１０８では、擬似良品データを生成した個数をカウントするための変数ｑを１に設定する。
【０１３５】
次のステップＳ１０９では、すでに取得済みのＰ個の良品サンプルから得られたデータに設定したサンプル番号Ｙ（１≦Ｙ≦Ｐ）からランダムにＹを１つ選択する。この良品データ増数処理では複数回ステップＳ１０９でサンプル番号Ｙをランダムに選択することになるが、その場合の各サンプル番号Ｙを選択する確率は全て等しいものとし、重複選択を認めるものとする。例えば、１回目のランダム選択でＹ＝１８を選んでも、２回目以降のランダム選択で再びＹ＝１８が選ばれる可能性もある。ステップＳ１０９でのサンプル番号Ｙのランダム選択については、プログラム言語の乱数機能や、ハードウェアの乱数発生器などを用いればよい。
【０１３６】
次のステップＳ１１０では、ラウドネスについての正規乱数ｒ（ｑ，Ｌ）を発生させる。ｒ（ｑ，Ｌ）は、下記（式７）で求める。
【０１３７】
ｒ（ｑ，Ｌ）＝ＮＲｎｄ［μ＝０，σ＝１］ ・・・（式７）
【０１３８】
ＮＲｎｄ［μ，σ］は平均値μ、標準偏差σである正規乱数を返す関数である。プログラム言語や公知のアルゴリズムでＮＲｎｄ［μ，σ］に相当する機能を利用する事ができる。上記（式７）は平均０、標準偏差１の正規分布を持つ正規乱数を１回取得する事を意味している。
【０１３９】
次のステップＳ１１１では、ラウドネスの擬似良品データＬｖ（ｉ，ｑ）を算出する。Ｌｖ（ｉ，ｑ）は、下記（式８）で算出する。
【０１４０】
Ｌｖ（ｉ，ｑ）＝Ｌ（ｉ，Ｙ）＋［λＬ＊σＬ（ｉ）＊ｒ（ｑ，Ｌ）］ ・・・（式８）
【０１４１】
以降、ステップＳ１１２、Ｓ１１３でノイジネスについての正規乱数発生と擬似良品データ算出、ステップＳ１１４、Ｓ１１５でシャープネスについての正規乱数発生と擬似良品データ算出、ステップＳ１１６、Ｓ１１７でラフネスについての正規乱数発生と擬似良品データ算出、ステップＳ１１８、Ｓ１１９で変動強度についての正規乱数発生と擬似良品データ算出をステップＳ１１０、Ｓ１１１のラウドネスの場合と同様に行う。
【０１４２】
次のステップＳ１２０では、ｑがＱ以上かどうか比較する。ｑがＱ未満なら、擬似良品データの生成数がＱに達していないので、ステップＳ１２１でｑに１を加算して、ステップＳ１０９に戻り、処理を繰返す。ｑがＱ以上なら、擬似良品データの生成数がＱに達したので、ステップＳ１２２へ進む。
【０１４３】
次のステップＳ１２２では、ｉがｎ−１以上かどうか比較する。ｉがｎ−１未満であれば、まだ全ての時系列点について擬似良品データ増数処理が終了していないので、ステップＳ１２３でｉに１を加算してからステップＳ１０７に戻り、処理を繰り返す。変数ｉがｎ＋１以上であれば、全ての時系列点について擬似良品データ増数処理が終了したことになるので、ステップＳ１２４へ進み、擬似的な良品データ増数処理を終了する。
【０１４４】
この擬似的な良品データ増数処理により、実物の良品サンプル８がＰ個だけしか用意できない状態でも、Ｑ個の擬似良品サンプルが生成できるため、例えば良品サンプル個数Ｐ＝２０個に対してのから擬似良品サンプル個数Ｑ＝２８０個とすれば、全体としてはあたかも３００個の良品データがあるような状態で次のステップＳ１１に進むことができる。
【０１４５】
図２１、図２２、図２３、図２４は、ある工業製品を被検ワーク１として取得した音波形データの同じ時系列点におけるラウドネス値、シャープネス値、ラフネス値、変動強度値の度数分布を図示したものである。ぞれぞれの図において、上段は３５３台分の被検ワーク１の音波形データについてのもので、下段は上段のデータ取得した順序で先頭から２０台分のデータを良品サンプル群９から取得したデータとみなして、３３３個分の擬似良品データを増数処理したものを合わせたデータについてのものである。良品サンプル数Ｐ＝２０、増数サンプル個数Ｑ＝３３３、ランダムノイズ係数λＸ＝０．５とした。若干標準偏差が実サンプルから得られた集合より大きいが、擬似良品データを含んだ集合が分布の傾向も含めて実サンプルから得られた集合と似通った集合として形成できていることが分かる。
【０１４６】
次に、ステップＳ１１の閾値決定処理について説明する。図１１はステップＳ１１の良品データ増数処理についてより詳細に示すフローチャートである。この閾値決定処理は、Ｐ個の良品サンプルから得られてステップＳ９にて時間オフセット処理された各種心理音響パラメータ配列（ラウドネス：Ｌ（ｉ，Ｙ），ノイジネス：Ｎ（ｉ，Ｙ），シャープネス：Ｓ（ｉ，Ｙ），ラフネス：Ｒ（ｉ，Ｙ），変動強度：Ｆ（ｉ，Ｙ）（０≦ｉ≦ｎ−１，１≦Ｙ≦Ｐ））と、ステップＳ１０にてＱ個生成された擬似良品データの各種心理音響パラメータ配列（ラウドネス：Ｌｖ（ｉ，Ｚ），ノイジネス：Ｎｖ（ｉ，Ｚ），シャープネス：Ｓｖ（ｉ，Ｚ），ラフネス：Ｒｖ（ｉ，Ｚ），変動強度：Ｆｖ（ｉ，Ｚ）（０≦ｉ≦ｎ−１，１≦Ｚ≦Ｑ））について実施する。図１１では、全ての心理音響パラメータについての処理を個別に記載する事を省略し、いずれかの心理音響パラメータ配列である事を意味するために、任意の心理音響パラメータ配列をＸ（ｉ，Ｙ）、Ｘｖ（ｉ，Ｚ）で表す。また、以降で説明に用いる心理音響パラメータの上限閾値配列、下限閾値配列、平均値、最大値、標準偏差、上限閾値決定係数、下限閾値決定係数、上限閾値マージン率、下限閾値マージン率についても同様にＸｔｕ（ｉ）、Ｘｔｄ（ｉ）、Ｘａ（ｉ）、Ｘｍａｘ（ｉ）、Ｘｍｉｎ（ｉ）、θＸ（ｉ）、ｇｕＸ、ｇｄＸ、ｆｕＸ、ｆｄＸと表記するが、各配列名のＸの部分は各心理音響パラメータ種類によって、ラウドネス：Ｌ，ノイジネス：Ｎ，シャープネス：Ｓ，ラフネス：Ｒ，変動強度：Ｆと置き換えたものとして考える。従って、ここでは５種類の心理音響パラメータについて、それぞれステップＳ１２６を実施することになる。
【０１４７】
ステップＳ１２５で閾値設定処理を開始すると、まず、前述のステップＳ１２６を実施する。次のステップＳ１２７では、閾値決定しようとしている心理音響パラメータ配列Ｘ（ｉ，Ｙ）、Ｘｖ（ｉ，Ｚ）の種類に対応する上限閾値配列Ｘｔｕ（ｉ）、下限閾値配列Ｘｔｄ（ｉ）を準備する。
【０１４８】
次のステップＳ１２８では、閾値決定方法を標準偏差法と最大最小法のどちらか選択する。標準偏差法の場合はステップＳ１２９へ進み、最大最小法の場合はステップＳ１３４へ進む。それぞれの方式について分けて説明する。
【０１４９】
まず、標準偏差法の場合から説明する。
【０１５０】
まず、ステップＳ１２９では、上限閾値決定係数ｇｕＸ、下限閾値決定係数ｇｄＸをそれぞれ設定する。通常はｇｕＸ、ｇｄＸとも同じ値を設定する場合が多いが、判定基準を上下限で変えたい場合などはｇｕＸとｇｄＸで別々の値を設定しても良い。例えば、上限閾値のみで判定したい場合は、下限閾値決定係数をｇｄＸ＝２０などと十分大きい値に設定しておくと、下限閾値が十分無視できるほど低い値に設定でき都合が良い。なお、良品データと擬似良品サンプルデータが正規分布していれば、ｇｕＸ＝ｇｄＸ＝３に設定すると、良品の約９９．８％が判定閾値内に含まれる設定となる。ただし実際には、良品データが厳密な正規分布をしていることは稀であるため、ｇｕＸ＝ｇｄＸ＝３の設定では実際の非定常音に基づく品質検査を行うと過検出の傾向になりがちである。現実的な設定としてはｇｕＸ＝ｇｄＸ＝４〜６程度を選択すると良い結果が得られやすい。
【０１５１】
次にステップＳ１３０では、各配列の時系列位置を配列の指標として指定する変数ｉを０に設定する。
【０１５２】
次にステップＳ１３１では、心理音響パラメータ配列Ｘ（ｉ，Ｙ），Ｘｖ（ｉ，Ｚ）（ 1≦Ｙ≦Ｐ，１≦Ｚ≦Ｑ）の全（Ｐ＋Ｑ）個のデータから平均値Ｘａ（ｉ）、標準偏差θＸ（ｉ）を求め、上限閾値Ｘｔｕ（ｉ）、下限閾値Ｘｔｄ（ｉ）を算出する。Ｘｔｕ（ｉ）、Ｘｔｄ（ｉ）は、下記（式９）、（式１０）で算出する。
【０１５３】
Ｘｔｕ（ｉ）＝Ｘａ（ｉ）＋ｇｕＸ＊θＸ（ｉ） ・・・（式９）
【０１５４】
Ｘｔｄ（ｉ）＝Ｘａ（ｉ）−ｇｄＸ＊θＸ（ｉ） ・・・（式１０）
【０１５５】
次のステップＳ１３２では、変数ｉがｎ−１以上かどうか比較する。ｉがｎ−１未満であれば、まだ全ての時系列点について閾値決定処理が終了していないので、ステップＳ１３３でｉに１を加算してからステップＳ１３１に戻り、処理を繰り返す。ｉがｎ＋１以上であれば、全ての時系列点について閾値決定処理が終了したことになるので、ステップＳ１３９へ進む。
【０１５６】
次に最大最小法の場合について説明する。
【０１５７】
まず、ステップＳ１３４では、上限閾値マージン率ｆｕＸ、上限閾値マージン率ｆｄＸを設定する。ｆｕＸ、ｆｄＸは通常同じ値を設定する事が多いが、判定基準を上下限で変えたい場合などはｆｕＸとｆｄＸで別々の値を設定しても良い。例えば、上限閾値のみで判定したい場合は、下限閾値マージン率をｆｄＸ＝５などと十分大きい値に設定しておくと、下限閾値が十分無視できるほど低い値に設定でき都合が良い。具体的なｆｕＸ、ｆｄＸの機能については後で述べる。
【０１５８】
次のステップＳ１３５では、各配列の時系列位置を配列の指標として指定する変数ｉを０に設定する。
【０１５９】
次のステップＳ１３６では、心理音響パラメータ配列Ｘ（ｉ，Ｙ），Ｘｖ（ｉ，Ｚ）（ 1≦Ｙ≦Ｐ，１≦Ｚ≦Ｑ）の全（Ｐ＋Ｑ）個のデータから平均値Ｘａ（ｉ）、最大値Ｘｍａｘ（ｉ）、最小値Ｘｍｉｎ（ｉ）を求め、上限閾値Ｘｔｕ（ｉ）、下限閾値Ｘｔｄ（ｉ）を算出する。Ｘｔｕ（ｉ）、Ｘｔｄ（ｉ）は、下記（式１１）、（式１２）により算出する。
【０１６０】
Ｘｔｕ（ｉ）＝Ｘｍａｘ（ｉ）＋ｆｕＸ［Ｘｍａｘ（ｉ）−Ｘａ（ｉ）] …（式１１）
【０１６１】
Ｘｔｄ（ｉ）＝Ｘｍｉｎ（ｉ）＋ｆｄＸ［Ｘｍｉｎ（ｉ）−Ｘａ（ｉ）］ …（式１２）
【０１６２】
上記（式１１）、（式１２）から分かるように、ｆｕＸ、ｆｄＸは、良品データ、擬似良品サンプルデータの平均値Ｘａ（ｉ）から最大値Ｘｍａｘ（ｉ）、最小値Ｘｍｉｎ（ｉ）までの幅にｆｕＸ、ｆｄＸを割合として乗じたものを加算して上限閾値、下限閾値としている。例えば、ある時系列点のラウドネスの平均値が２、最大値が４、最小値が０．８で、ｆｕＸ＝０．０５、ｆｄＸ＝０．１と設定したとすると、上限閾値Ｘｔｕ（ｉ）は最大値から平均値を引いた２に０．０５を乗じた０．１を最大値に加算した４．１となり、下限閾値Ｘｔｄ（ｉ）は最小値から平均値を引いた−１．２に０．１を乗じた−０．１２を最小値に加算した０．６８となる。また、ｆｕＸ、ｆｄＸ共に０を設定した場合には、良品データ、擬似良品サンプルデータの最大値、最小値がそのまま上限閾値、下限閾値となる。実際にはｆｕＸ＝ｆｄＸ＝０の設定では、非定常音に基づく品質検査を行うと過検出の傾向になりがちである。現実的な設定としてはｆｕＸ＝ｆｄＸ＝０．０５〜０．２程度で設定すると良好な結果が得られやすい。
【０１６３】
次のステップＳ１３７では、変数ｉがｎ−１以上かどうか比較する。ｉがｎ−１未満であれば、まだ全ての時系列点について閾値決定処理が終了していないので、ステップＳ１３８でｉに１を加算してからステップＳ１３６に戻り、処理を繰り返す。ｉがｎ＋１以上であれば、全ての時系列点について閾値決定処理が終了したことになるので、ステップＳ１３９へ進む。
【０１６４】
ステップＳ１３９へ移る直前の時点で、全ての時系列点において全種類の心理音響パラメータに関す上限閾値配列Ｘｔｕ（ｉ）、下限閾値配列Ｘｔｄ（ｉ）が確定されている。
【０１６５】
次のステップＳ１３９では、ステップＳ１３１またはステップＳ１３６で求めたラウドネス平均値配列Ｌａ（ｉ）（０≦ｉ≦ｎ−１）を基準ラウドネス配列Ｌｂ（ｉ）（０≦ｉ≦ｎ−１）として再設定して、ステップＳ１４０で閾値設定処理を終了する。
【０１６６】
次に、ステップＳ１２のマスキング領域設定処理について説明する。図１２はステップＳ１２のマスキング領域設定処理についてより詳細に示すフローチャートである。
【０１６７】
ステップＳ１４１でマスキング領域設定処理を開始すると、まずステップＳ１４２では、（Ｐ＋Ｑ）個分取得した良品音波形データと擬似良品サンプルデータから算出したラウドネス値配列Ｌ（ｉ，Ｙ），Ｌｖ（ｉ，Ｚ）（０≦ｉ≦ｎ−１，１≦Ｙ≦Ｐ，１≦Ｚ≦Ｑ）を参照する。
【０１６８】
次のステップＳ１４３では、ラウドネス用マスキング配列Ｌｍ（ｉ）、マスキング基準値配列Ｌｍｂ（ｉ）（０≦ｉ≦ｎ−１）を設定してマスキング基準値を、Ｌ（ｉ，Ｙ），Ｌｖ（ｉ，Ｚ）から求めた最大値Ｌｍａｘ（ｉ）、上限閾値Ｌｔｕ（ｉ）、平均値Ｌａ（ｉ）のいずれにするか決定する。
【０１６９】
次のステップＳ１４４では、ステップＳ１４３で決定した閾値決定方法によって次へ進むステップを決める。マスキング基準値を最大値にした場合はステップＳ１４５へ進み、マスキング基準値を上限閾値にした場合はステップＳ１４６へ進み、マスキング基準値を平均値にした場合はステップＳ１４７へ進む。
【０１７０】
ステップＳ１４５では、ラウドネス値配列Ｌ（ｉ，Ｙ），Ｌｖ（ｉ，Ｚ）（１≦Ｙ≦Ｐ，１≦Ｚ≦Ｑ）から最大値Ｌｍａｘ（ｉ）（０≦ｉ≦ｎ−１）を求めて、マスキング基準値配列Ｌｍｂ（ｉ）（０≦ｉ≦ｎ−１）に代入する。
【０１７１】
ステップＳ１４６では、先にステップＳ１１の手順で求めたラウドネスの上限閾値Ｌｔｕ（ｉ）（０≦ｉ≦ｎ−１）をマスキング基準値配列Ｌｍｂ（ｉ）（０≦ｉ≦ｎ−１）に代入する。
【０１７２】
次のステップＳ１４７では、ラウドネス値配列Ｌ（ｉ，Ｙ），Ｌｖ（ｉ，Ｚ）（１≦Ｙ≦Ｐ，１≦Ｚ≦Ｑ）から平均値Ｌａ（ｉ）（０≦ｉ≦ｎ−１）を求めて、マスキング基準値配列Ｌｍｂ（ｉ）（０≦ｉ≦ｎ−１）に代入する。
【０１７３】
次のステップＳ１４８では、マスキング閾値Ｌｍｔを設定する。マスキング閾値Ｌｍｔは先のステップＳ１４５、Ｓ１４６、Ｓ１４７で設定したマスキング基準値配列Ｌｍｂ（ｉ）と比較して決定する。図２０にＬｍｂ（ｉ）の例とＬｍｔの設定例を示す。Ｌｍｂ（ｉ）はステップＳ１４５、Ｓ１４６、Ｓ１４７の違いにより多少の差異はあるが、いずれもラウドネス値であるため、音の大きさを表している。
【０１７４】
図２０中ではＬｍｂ（０）からＬｍｂ（６）、Ｌｍｂ（ｎ−４）からＬｍｂ（ｎ−１）の範囲はそれ以外に比べてラウドネス値が下端付近でかつ平坦であるが、このような部分は被検ワークから動作音が出ていない無音部分、Ｌｍｂ（７）からＬｍｂ（ｎ−５）の範囲は何らかの動作音が出ている有音部分と考えることができる。品質検査方法は工業製品から出ている動作音に基づいて品質が検査できれば良いので、音波形データ取得で得られた波形全体を評価するのではなく、動作音が出ている有音部分だけに限定して評価した方が、無音部分に関する異常過検出を防いで安定した検査が実現できる。そのために音波形データ取得で得られた波形に対して不要な無音部分のデータを隠すマスキング処理を行う。本実施の形態１ではＬｍｔよりＬｍｂ（ｉ）が小さい時系列部分についてマスキング処理のためのマスク範囲を設定するので、マスキング閾値を図２０で示すＬｍｔ３に設定したとすると、マスキング範囲は範囲３となる。同様にマスキング閾値をＬｍｔ２に設定したとすると、マスキング範囲は範囲２となり、マスキング閾値をＬｍｔ１に設定したとすると、ＬｍｔよりＬｍｂ（ｉ）が小さい範囲が存在しないため、時系列範囲０≦ｉ≦ｎ−１の全てを評価対象とすることになる。
【０１７５】
以上の考察から、被検ワーク１から出ている動作音だけを適切に評価するためには図２０の例ではＬｍｔ２にマスキング閾値を設定することが好ましい。実際の設定ではコンピュータ５に、図２０の例のように得られたＬｍｂ（ｉ）とこれから設定しようとしているＬｍｔとの関係をグラフや表等に図示し、それを参考にしながら作業者がＬｍｔを設定できるような機能を組み込むことが考えられる。
【０１７６】
次のステップＳ１４９では、各配列の時系列位置を配列の指標として指定する変数ｉを０に設定する。
【０１７７】
次のステップＳ１５０では、Ｌｂｍ（ｉ）がＬｍｔ以上かどうか比較する。Ｌｂｍ（ｉ）がＬｍｔ以上ならステップＳ１５１へ進み、ラウドネス用マスキング配列Ｌｍ（ｉ）に１を代入する。Ｌｂｍ（ｉ）がＬｍｔ未満ならステップＳ１５２へ進み、ラウドネス用マスキング配列Ｌｍ（ｉ）に０を代入する。これらの操作はマスキング配列に１が代入されている時系列点は評価に使用し、０が代入されている時系列点は評価に使用しないということを意味する。
【０１７８】
次のステップＳ１５３では、変数ｉがｎ−１以上かどうか比較する。ｉがｎ−１未満であれば、まだ全ての時系列点についてマスキング領域設定処理が終了していないので、ステップＳ１５４でｉに１を加算してからステップＳ１５０に戻り、処理を繰り返す。ｉがｎ＋１以上であれば、全ての時系列点についてマスキング領域設定処理が終了したことになるので、ステップＳ１５５へ進む。
【０１７９】
次のステップＳ１５５では、ラウドネス以外の心理音響パラメータ用のマスキング配列Ｘｍ（ｉ）（０≦ｉ≦ｎ−１）に、ここまでの手順で設定したラウドネス用マスキング配列Ｌｍ（ｉ）（０≦ｉ≦ｎ−１）の値を複製する。このステップＳ１５５は、一旦ラウドネス用マスキング配列をそれ以外の全ての心理音響パラメータ用のマスキング配列にも採用する操作である。
【０１８０】
次のステップＳ１５６では、必要に応じて、各心理音響パラメータ用マスキング配列Ｌｍ（ｉ），Ｎｍ（ｉ），Ｓｍ（ｉ），Ｒｍ（ｉ），Ｆｍ（ｉ）（０≦ｉ≦ｎ−１）のデータを変更する。変更作業としては、検査対象にする部分に対応するマスキング配列データに１を代入、検査対象にしない部分に対応するマスキング配列データには０を代入する。通常、ステップＳ１４２からステップＳ１５４までの手順で設定されたラウドネス用マスキング配列Ｌｍ（ｉ）（０≦ｉ≦ｎ−１）をステップＳ１５５で全ての心理音響パラメータ用マスキング配列にも採用した状態で差し支えないが、検査状況や些細な修正の必要性に応じて本ステップで各心理音響パラメータ用マスキング配列Ｘｍ（ｉ）を変更できる。変更、修正が不要な場合は本ステップを無視しても構わないことは言うまでもない。
【０１８１】
次のステップＳ１５７では、先にステップＳ５内のステップＳ７０で説明した、心理音響パラメータ種類毎の判定値Ｌｊｊ，Ｎｊｊ，Ｓｊｊ，Ｒｊｊ，Ｆｊｊから総合的な異音判断を行う処理に必要な組み合わせ論理の設定を行う。ステップＳ７０の説明でも述べたように、各判定値には、その心理音響パラメータ種で異常が確認された場合は１が、異常が確認されなかった場合は０が代入されるが、通常は最低１種類以上の判定値で「異常」判定が存在した場合に総合判定「異音あり」とする場合が多いため、その場合は良品判定条件式として上記（式４）を採用し、これを組み合わせ論理とする。組み合わせ論理は、上記（式４）のような数式でなくても、判定値とＡＮＤ、ＯＲ、ＸＯＲなどのブール演算子との組み合わせや、プログラム言語のコードのように条件分岐等の制御構造の組み合わせで表現されるものでも良い。そして、ステップＳ１５８でマスキング領域設定処理を終了する。
【０１８２】
なお、本実施の形態１では非定常音としての被検ワークの動作音の状態を数値化するために心理音響パラメータを用いたが、通常の音圧レベルを用いても良い。ただし、その場合は音質面の数値化はできないため、従来の騒音計音の大きさの尺度での非定常音評価となる。
【０１８３】
なお、本実施の形態１ではステップＳ１、ステップＳ８で被検ワーク１、良品サンプル群９からの音データをその場で取得しながら心理音響パラメータ算出までを実行したが、デジタル録音などであらかじめ取得しておいた音波形データを用いてステップＳ１、Ｓ８を実行しても良い。
【０１８４】
なお、本実施の形態１で心理音響特徴量の平均値を求める際の処理としては通常、相加平均を前提とするが、相乗平均や調和平均、中央値等の他の平均化手段を用いても良い。
【産業上の利用可能性】
【０１８５】
本発明の品質検査方法によれば、時間経過に伴って変化する異音を音質の面から評価し、異音不良品が入手困難な状態での判定用の閾値の決定を可能とし、人の聴感検査に近い非定常音に基づく品質検査を実現することができる。そのため、動作音の検査を必要とする様々な工業製品の量産工程でのインラインリアルタイム異音検査の用途に利用可能である。
【符号の説明】
【０１８６】
１ 被検ワーク
２ 集音器
３ Ａ／Ｄ変換機
４ 駆動装置
５ コンピュータ
６ ディスプレイ
７ 入力装置
８ 良品サンプル
９ 良品サンプル群
【特許請求の範囲】
【請求項１】
検査対象である被検ワークと同種の良品サンプルの動作音を、複数の前記良品サンプルから良品音情報として取得し、
複数の前記良品音情報を経過時間に対応する良品音評価量として心理音響パラメータを用いて数値化し、
複数の前記良品音評価量から判定用の閾値を決定し、
前記被検ワークから発せられる動作音を被検音情報として取得し、
前記被検ワークの前記被検音情報を経過時間に対応する被検音評価量として数値化し、
前記被検ワークの前記被検音評価量と決定した前記閾値とを比較した結果に基づき前記被検ワークの品質を検査する
品質検査方法。
【請求項２】
前記心理音響パラメータとして、ラウドネス、ラフネス、ノイジネス、変動強度、シャープネスの中から少なくとも一つを用いる
請求項１に記載の品質検査方法。
【請求項３】
複数の前記良品音評価量から重複選択を許した無作為抽出で選択された１つの前記良品音評価量に、複数の前記良品音評価量の標準偏差に０≦λＸなるランダム係数λＸと、平均が０で標準偏差が１であるような分布を持つ正規乱数を乗じたものを加算して得られる音評価量を前記良品サンプルから得られた複数の前記良品音評価量として用い、前記判定用の閾値を決定する
請求項１または請求項２に記載の品質検査方法。
【請求項４】
複数の前記良品音評価量の中から音評価量を１つ選び、当該音評価量について時系列に関して隣接する良品音評価量の差分を時系列点毎に求め、他の前記良品音評価量の全てについて同様に時系列に関して隣接する良品音評価量の差分を時系列点毎に求めて、１つ選び出された前記良品音評価量の差分と他の良品音評価量の差分の時系列点に関する良品相互相関関数を求め、
前記良品相互相関関数の最大値を持つ配列位置の指標を基に、前記良品音評価量の時系列に関する配列関係を、前記良品相互相関関数の最大値を持つ配列位置の指標が正値ならば前記指標の絶対値だけ時系列の未来側へずらし、前記良品相互相関関数の最大値を持つ配列位置の指標が負値ならば前記指標の絶対値だけ時系列の過去側へずらした後、
前記良品音評価量の平均値を時系列全体に渡って求めて基準波形を決定し、
前記判定用の閾値を決定する
請求項１から請求項３のいずれか１項に記載の品質検査方法。
【請求項５】
前記被検音評価量と前記基準波形の、時系列に関して隣接する音評価量値の差分を時系列点毎に求め、前記被検音評価量の差分と前記基準波形の差分との時系列点に関する被検相互相関関数を求め、
前記被検相互相関関数の最大値を持つ配列位置の指標を基に、被検音評価量の時系列に関する配列関係を、前記被検相互相関関数の最大値を持つ配列位置の指標が正値ならば前記指標の絶対値だけ時系列の未来側へずらし、前記被検相互相関関数の最大値を持つ配列位置の指標が負値ならば前記指標の絶対値だけ時系列の過去側へずらした後、
前記被検ワークの前記被検音評価量と決定した前記閾値とを比較した結果に基づき前記被検ワークの品質を検査する
請求項１から請求項４のいずれか１項に記載の品質検査方法。
【請求項６】
請求項１から請求項５のいずれか１項に記載の品質検査方法により前記被検ワークの品質を評価する品質評価部を備える
品質検査装置。
【請求項１】
検査対象である被検ワークと同種の良品サンプルの動作音を、複数の前記良品サンプルから良品音情報として取得し、
複数の前記良品音情報を経過時間に対応する良品音評価量として心理音響パラメータを用いて数値化し、
複数の前記良品音評価量から判定用の閾値を決定し、
前記被検ワークから発せられる動作音を被検音情報として取得し、
前記被検ワークの前記被検音情報を経過時間に対応する被検音評価量として数値化し、
前記被検ワークの前記被検音評価量と決定した前記閾値とを比較した結果に基づき前記被検ワークの品質を検査する
品質検査方法。
【請求項２】
前記心理音響パラメータとして、ラウドネス、ラフネス、ノイジネス、変動強度、シャープネスの中から少なくとも一つを用いる
請求項１に記載の品質検査方法。
【請求項３】
複数の前記良品音評価量から重複選択を許した無作為抽出で選択された１つの前記良品音評価量に、複数の前記良品音評価量の標準偏差に０≦λＸなるランダム係数λＸと、平均が０で標準偏差が１であるような分布を持つ正規乱数を乗じたものを加算して得られる音評価量を前記良品サンプルから得られた複数の前記良品音評価量として用い、前記判定用の閾値を決定する
請求項１または請求項２に記載の品質検査方法。
【請求項４】
複数の前記良品音評価量の中から音評価量を１つ選び、当該音評価量について時系列に関して隣接する良品音評価量の差分を時系列点毎に求め、他の前記良品音評価量の全てについて同様に時系列に関して隣接する良品音評価量の差分を時系列点毎に求めて、１つ選び出された前記良品音評価量の差分と他の良品音評価量の差分の時系列点に関する良品相互相関関数を求め、
前記良品相互相関関数の最大値を持つ配列位置の指標を基に、前記良品音評価量の時系列に関する配列関係を、前記良品相互相関関数の最大値を持つ配列位置の指標が正値ならば前記指標の絶対値だけ時系列の未来側へずらし、前記良品相互相関関数の最大値を持つ配列位置の指標が負値ならば前記指標の絶対値だけ時系列の過去側へずらした後、
前記良品音評価量の平均値を時系列全体に渡って求めて基準波形を決定し、
前記判定用の閾値を決定する
請求項１から請求項３のいずれか１項に記載の品質検査方法。
【請求項５】
前記被検音評価量と前記基準波形の、時系列に関して隣接する音評価量値の差分を時系列点毎に求め、前記被検音評価量の差分と前記基準波形の差分との時系列点に関する被検相互相関関数を求め、
前記被検相互相関関数の最大値を持つ配列位置の指標を基に、被検音評価量の時系列に関する配列関係を、前記被検相互相関関数の最大値を持つ配列位置の指標が正値ならば前記指標の絶対値だけ時系列の未来側へずらし、前記被検相互相関関数の最大値を持つ配列位置の指標が負値ならば前記指標の絶対値だけ時系列の過去側へずらした後、
前記被検ワークの前記被検音評価量と決定した前記閾値とを比較した結果に基づき前記被検ワークの品質を検査する
請求項１から請求項４のいずれか１項に記載の品質検査方法。
【請求項６】
請求項１から請求項５のいずれか１項に記載の品質検査方法により前記被検ワークの品質を評価する品質評価部を備える
品質検査装置。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【図１８】
【図１９】
【図２０】
【図２１】
【図２２】
【図２３】
【図２４】
【図２５】
【図２６】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【図１８】
【図１９】
【図２０】
【図２１】
【図２２】
【図２３】
【図２４】
【図２５】
【図２６】
【公開番号】特開２０１１−２４２２２３（Ｐ２０１１−２４２２２３Ａ）
【公開日】平成２３年１２月１日（２０１１．１２．１）
【国際特許分類】
【出願番号】特願２０１０−１１３６８８（Ｐ２０１０−１１３６８８）
【出願日】平成２２年５月１７日（２０１０．５．１７）
【出願人】（０００００５８２１）パナソニック株式会社 (73,050)
【Ｆターム（参考）】
【公開日】平成２３年１２月１日（２０１１．１２．１）
【国際特許分類】
【出願日】平成２２年５月１７日（２０１０．５．１７）
【出願人】（０００００５８２１）パナソニック株式会社 (73,050)
【Ｆターム（参考）】
[ Back to top ]