異常音診断装置
【課題】従来は、周波数分析結果の特定異常音成分による異常検出のため、多様な帯域幅や継続時間をもつ異常音成分の高精度診断はできず、また、時間周波数分布の強度が大きい領域を観測データから求めるので、最適診断結果が得られる保証がない。他の従来技術は、未知の異常事象診断ため、未知異常事象に対する診断手順を予め処理手段に登録する必要がある。
【解決手段】波形データ取得手段が取込んだ対象機器の音または振動の波形データを時間周波数分析手段で時間周波数分析して、時間軸と周波数軸の時間周波数分布を求め、時間周波数分布の時間軸と周波数軸の座標値によって規定した複数の領域を生成し、時間周波数分布の定常状態とは異なる変動成分が含まれる領域を領域抽出手段で抽出し、判定手段で抽出領域に含まれる時間周波数分布に基づき異常の判定をし出力する。
【解決手段】波形データ取得手段が取込んだ対象機器の音または振動の波形データを時間周波数分析手段で時間周波数分析して、時間軸と周波数軸の時間周波数分布を求め、時間周波数分布の時間軸と周波数軸の座標値によって規定した複数の領域を生成し、時間周波数分布の定常状態とは異なる変動成分が含まれる領域を領域抽出手段で抽出し、判定手段で抽出領域に含まれる時間周波数分布に基づき異常の判定をし出力する。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、マイクロホン（以下マイクと称す）や振動センサで収集された信号の時間周波数分析によって運転中の機器の異常音の発生の可能性を判定する装置に関する。特に、複数の機器から構成されるシステムにおいて運転時に発生する多岐多様な異常音を診断する異常音診断装置に関する。
【背景技術】
【０００２】
従来の異常音を診断する異常音診断装置に関する第１の技術として、判定対象物からの振動データを時間周波数分析処理により得られる時間周波数分布から非定常振動の強度が設定値以上となる時刻の非定常振動データを抽出し、この抽出された非定常振動データに基づいて異音発生の可能性を判定するもの（特許文献１）、時間周波数解析結果の各周波数における振動発生頻度を、その周波数における最大振幅と振動発生閾値との積で求まる振動発生判定振幅値以上であるデータの時間割合を計算してその周波数の発生頻度として算出するもの（特許文献２）、時系列スペクトルから異音成分の等高線で示される強度の大きい領域を算出し、この領域から異音成分を含むスペクトル列のみを抜き出すもの（特許文献３）などがある。
【０００３】
また、従来の異常音を診断する異常音診断装置に関する第２の技術として、特定の既知異常事象に着目し、それらの発生の有無を確認する専用処理手段と、既知異常事象が発生しない場合に汎用的な雑音解析を行い、この解析結果を正常時と比較し不特定の未知異常事象を検出し、未知異常事象が検出された場合、正常状態からの変化を検出するための処理手順を生成して専用処理手段に与えるもの（特許文献４）がある。
【先行技術文献】
【特許文献】
【０００４】
【特許文献１】特許第3885297号公報
【特許文献２】特許第4373350号公報
【特許文献３】特許第4262878号公報
【特許文献４】特開平6-309580号公報
【発明の概要】
【発明が解決しようとする課題】
【０００５】
従来の第１の技術は、周波数分析結果に現れる特定の異常音成分の出現パターンに特化した各種の閾値に基づいて異常を検出する構成としているため、それぞれ単独の構成では多様な帯域幅や継続時間を有する異常音成分を等しく高精度で診断することはできないという問題があった。また、時間周波数分布の強度が大きい領域を観測データからボトムアップに求めるもので、必ずしも最適な診断結果が得られるという保証がないという問題もあった。
一方、従来の第２の技術は、未知異常事象を診断するためには、未知異常事象に対する診断手順をあらかじめ専用処理手段に登録する必要があるという問題があった。
本発明は上記のような問題点を解決するためなされたもので、専用の診断手順を専用処理手段に登録する必要がなく、最適な診断結果が得られるという保証があり、周波数分析結果に含まれる多様な帯域幅や継続時間を有する異常音成分を等しく高精度で検出する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】
【０００６】
本発明係る異常音診断装置は、
検査対象機器が発生する音または振動の波形データを取込む波形データ取得手段と、
上記波形データを時間周波数分析し、一方の軸を時間軸に、他方の軸を周波数軸にした時間周波数分布を求める時間周波数分析手段と、
上記時間周波数分布の時間軸と周波数軸の座標値によって規定した複数の領域を生成し、上記時間周波数分布の定常状態とは異なる変動成分が含まれる領域を抽出する領域抽出手段と、
上記抽出領域に含まれる時間周波数分布に基づいて異常の判定を行い出力する判定手段とを備える。
【発明の効果】
【０００７】
本発明係る異常音診断装置によれば、
時間周波数分布から、時間周波数について連続して形成する時間周波数の領域を抽出する手段を設けることにより、周波数分析結果に現れる、多様な帯域幅や継続時間を有する異常音成分を、専用の診断手順を登録する必要がなく、等しく高精度で診断することができるという効果を奏する。
【図面の簡単な説明】
【０００８】
【図１】本発明の異常音診断装置を示す機能ブロック構成図である。
【図２】複数機器からの音を走査する場合の時間周波数分布例の特性図である。
【図３】時間周波数分布の領域に関する事前知識の説明図である。
【図４】本発明の実施の形態１における処理の流れ図である。
【発明を実施するための形態】
【０００９】
実施の形態１．
本実施の形態は、検査対象システムを構成する機器の発する異常な音圧を診断する装置として、パーソナルコンピュータ（以下ＰＣと称す）上のソフトウェアとして実装され、正常時の波形を取込む学習モードと試験時の波形を取込む診断モードを有する。測定者はマイクないし振動センサ等を検査対象機器に設置し、そのマイクないし振動センサ等をＰＣのＵＳＢ（Universal Serial Bus）インタフェースの入力端子に接続して、学習モード時と診断モード時の操作を行う。
【００１０】
検査対象システムとして、例えば、エレベータの乗車かごにマイクを取り付け、制御ケーブルを経由してマイクの信号を機械室に置いたＰＣに取込んで、乗車かごを往復運転することで、昇降路内の各機器の稼動音を診断する場合を例にとる。
特定の機器、例えば頂部返し車から異常音が発生すると、異常音を発生する機器以外が発生する稼動音、例えばガイドレール摺動音があるため、乗車かごがその異常音を発生する特定の機器に接近する時間帯、例えば乗車かごが頂部返し車に接近する時間帯（乗車かごの上昇時は測定区間の後半部分に、また、乗車かごの下降時は測定区間の前半部分）に、異常音の時間周波数成分が現れる。
また、カウンターウェイトから異常音が発生する場合は、乗車かごとカウンターウェイトがすれ違う時間帯である測定区間の中央部分に、異常音の時間周波数成分が現れる。
【００１１】
また、異常音の周波数スペクトルの形状は、異常発生する機器や異常の原因によって異なり、占有する周波数範囲も多様である。一般に、上述のように、機器システムを走査するマイクから複数機器の稼動音を診断する場合、測定区間中に異常音成分が現れる時間範囲と周波数範囲は極めて複雑で多様なものとなっている。
図２はエレベータ各機器の異常音発生時の時間周波数分布を横軸に時間、縦軸に周波数をとり、各時刻と各周波数における分布の強度を濃淡で示している。点線は異常発生前の特定の機器の稼動音のマイクでの強度を示し、実線は異常となったその機器の稼動音の強度を示す。また、一点鎖線はその機器を含む全機器からの稼動音の合成された音のマイクでの強度を示している。（Ａ）は頂部返し車から異常音が発生した場合、（Ｂ）はカウンターウェイトから異常音が発生した場合の例である。
【００１２】
図１は本発明の実施の形態１における異常音診断装置を示すブロック構成図である。
図１において、１はマイクや振動センサから出力される測定信号、２は増幅器と低域フィルタ回路とＡＤ変換器を備え測定信号１をサンプリングしデジタル信号に変換して波形データ３を出力する波形取得部、４は波形データ３に時間窓を掛け時間窓を時間方向にずらしながら高速フーリエ変換（以下ＦＦＴと称す）演算により波形データ３を時間周波数分析し時間と周波数に対する強度を示すスペクトル値からなる時間周波数分布５を出力する時間周波数分析部である。
【００１３】
６は時間周波数分布５の正常時における時間周波数分布６ａ(図には示されない)を記憶する正常時時間周波数分布記憶部、７は時間周波数分布５の試験時の時間周波数分布７ａ(図には示されない)を記憶する試験時時間周波数分布記憶部、８は事前知識８ａ(図には示されない)がテーブルとして記憶された事前知識記憶部、９は事前知識記憶部８の事前知識８ａに基づいて決められた所定の領域候補１０を生成する領域候補生成部、１１は領域候補１０について正常時時間周波数分布記憶部６の正常時時間周波数分布６ａと試験時時間周波数分布記憶部７の試験時時間周波数分布７ａとを参照して凝縮度１２を算出し出力する評価部、１３は凝縮度１２に基づいて領域候補１０の中から最適な領域候補を選択し抽出領域１４として出力する領域抽出部、１５は正常時時間周波数分布６ａ及び診断時時間周波数分布７ａを参照し抽出領域１４に含まれる時間周波数分布から異常音発生の可能性の度合いを示す異常度を計算し異常度１６として出力する異常時計算部、１７は異常度１６に基づいて異常音の発生の可能性を判定し判定結果１８を出力する判定部である。
【００１４】
以下図４の処理の流れ図を参照し、動作を説明する。
学習モードまたは診断モードにおいて、波形取得部２は、マイクや振動センサから出力される測定信号１を、取得して増幅しＡＤ変換することにより、サンプリング周波数32kHzの16ビットリニアＰＣＭ（pulse code modulation）のデジタル信号の波形データ３に変換する（ステップＳ１）。
時間周波数分析部４は、波形取得部２が出力する波形データ３に対して、1024点の時間窓を16msの間隔で時間方向にずらしながらフレームを切出し、各フレームに対してＦＦＴ演算により周波数スペクトルの時系列ｙ（ｔ，ｆ）を求め、時間周波数分布５として出力する（ステップＳ２）。ここで、ｔは分析窓をずらすシフト間隔に対応する離散値をとる時刻、ｆはＦＦＴ演算の結果の周波数インデックスに対応する離散値をとる周波数を示す。なお、時間ｔおよび周波数ｆは、それぞれ、０≦ｔ≦Ｔ，０≦ｆ≦Ｆなる関係を満たす。ここで、Ｔは時間周波数分布５の時間方向の時間幅、Ｆは波形データ３のサンプリング周波数ｆｓの１／２であるナイキスト周波数である（Ｆ＝ｆｓ／２）。
【００１５】
時間周波数分析部４により時間周波数分布５が算出されると、異常音診断装置は学習モード時かまたは診断モード時かを判断する（ステップＳ３）。
学習モード時であると、時間周波数分布５は正常時時間周波数成分６ａとして正常時時間周波数成分記憶部６に転送され記憶される（ステップＳ４）。一方、ステップＳ３の判断結果が診断モード時であれば、時間周波数分布５は診断時時間周波数成分７ａとして診断時時間周波数成分記憶部７に転送され記憶される（ステップＳ５）。
【００１６】
次に、診断モード時の診断処理について動作を説明する。
領域候補生成部９は、事前知識８ａに基づいて、領域候補１０を生成する（ステップＳ６）。事前知識８ａは、診断対象システムを構成する機器から発生する異常成分の時間周波数分布における出現領域の形状を規定するための知識であり、本装置の設計者が事前に対象を分析して得た知識を表し、本装置の領域候補生成部９が生成する領域候補としてテーブルの形式で事前知識記憶部８に格納されている。本例では、時間周波数分布の全領域に対して、全時間区間Ｔをｎ分割、かつ、全帯域Ｆをｍ分割して格子状の分割領域を得て、任意の格子線を辺とする矩形の領域を生成して、事前知識８ａのテーブルとして事前知識記憶部８に格納される。
【００１７】
図３は事前知識８ａとして格子と生成される矩形の例をＡとＢで示す。矩形領域Ａは時間区間の後半での中高域の周波数成分の短時間の時間周波数成分に対して最適な形状となっている。また、矩形領域Ｂは測定時間の前よりの時間区間で中間の周波数帯域で継続時間の長い時間周波数成分が発生する場合に対して最適な形状となっている。ここで、分割数ｎ及びｍを増加することにより、より詳細に領域の境界を表現することが可能である。ところで、格子状の分割領域における最初の第１／６時間区間と、最後の第６／６時間区間は、検査対象の動作速度が定格速度にくらべて遅いため、稼動音が十分発生しないことから、領域候補の生成から除くことも可能である。また、上記では、時間周波数分布の全領域に対して、全時間区間Ｔをｎ分割、かつ、全帯域Ｆをｍ分割して格子状の分割領域を得て、任意の格子線を辺とする矩形の領域を生成する例を説明したが、異常成分の時間周波数成分に対する事前知識によって、最適な形状として、上記の格子状の分割領域を選択するか選択しないかを組み合わせて任意の形状の領域も生成するようにしても良い。
【００１８】
評価部１１は、領域候補１０（以下、領域候補をＲで表す）に対して、凝縮度Ｅ（Ｒ）１２を算出する（ステップＳ７）。
凝縮度をＥ（Ｒ）は、試験時時間周波数分布をｙ（ｔ，ｆ）、正常時時間周波数分布をｘ（ｔ，ｆ）、矩形の領域をＲ＝［ｔ１，ｔ２，ｆ１，ｆ２］とすると、これらに対する凝縮度をＥ（Ｒ）は式１に示される演算により求められる。ここで、ｔ１，ｔ２，ｆ１，ｆ２は、それぞれ、矩形領域Ｒの下限時間、上限時間、下限周波数、上限周波数である。また、矩形以外の領域候補Ｒに対しては、式１の代わりに、より一般的な式２に示される演算により求められる。ここで、記号(t,f)∈Ｒ＊は抽出領域Ｒ＊に含まれる離散時間ｔ及び離散周波数ｆの組合せについて総和をとることを意味する。
【００１９】
【数１】
【００２０】
【数２】
【００２１】
上式で、ｎは時間周波数分布の矩形領域に含まれるスペクトル値の標本数である。また、ｗ（ｎ）は、標本数ｎに応じた重み係数であり、例えば、標本数ｎのｐ乗根（ｐは例えば２）である。標本数ｎは領域の大きさとともに大きい値となり、前記重み係数ｗ（ｎ）は、領域の大きさとともに大きい値となるため、小さな領域に対する凝縮度Ｅ（Ｒ）は小さくなり、小さな領域に局在する外れ値が計算結果に与える影響を緩和するために用いる。また、関数φはスペクトル値を非線形に変換して、変換後の値の分布を正規分布に近づけるため、Box-Cox変換（一般化対数変換とも言う）または対数変換とする。Box-Cox変換は式３で表されパラメータγがγ=０のとき対数変換と一致する。
【００２２】
【数３】
【００２３】
領域抽出部１３は、各領域候補と各領域候補に対する凝縮度Ｅ（Ｒ）の関係を調べ、凝縮度Ｅ（Ｒ）が最も大きい値を示す領域候補を最適な抽出領域として選択して出力する（ステップＳ８）。各領域候補を｛Ｒ１，Ｒ２，…，Ｒｋ｝、それぞれの凝縮度を｛Ｅ（Ｒ１），Ｅ（Ｒ２），…，Ｅ（Ｒｋ）｝、最適な領域候補をＲ＊とすると、Ｒ＊は式４の演算により求められる。ここで、自然数のｋは領域候補の数である。
【００２４】
【数４】
【００２５】
異常度計算部１５は、正常時時間周波数分布ｘ（ｔ，ｆ）及び試験時時間周波数分布ｙ（ｔ、ｆ）のそれぞれの最適な抽出領域Ｒ＊に含まれるスペクトル値から異常度を計算する（ステップＳ９）。いま、抽出領域Ｒ＊が矩形領域であり、Ｒ＊＝［ｔ１，ｔ２，ｆ１，ｆ２］、異常度をａ（Ｒ＊）とするとき、異常度ａ（Ｒ＊）は式５の演算により得られる数値である。ここで、ｔ１，ｔ２，ｆ１，ｆ２はすでに定義した通りである。
【００２６】
【数５】
【００２７】
上の式５において、Ψ（ｘ）は変数ｘの非線形写像関数で例えば上述のBox-Cox変換などを用いることができる。ｇ（ｔ）は、領域Ｒ＊の周波数ｆ方向の累積値を単位周波数の数で除した値、すなわち時間ｔにおける周波数に関する標本平均であり、ｈ（ｆ）は、領域Ｒ＊の時間ｔ方向の累積値を単位時間の数で除した値、すなわち周波数ｆにおける時間に関する標本平均である。さらに、ｇ〜（ｔ）及びｈ〜（ｆ）は、それぞれ、ｇ（ｔ）を時間ｔに関し、また、ｈ（ｆ）を周波数ｆに関して平滑化した結果の値である。平滑化は例えば移動平均を求めることで達成される。最終的に、異常度ａ（Ｒ＊）は、移動平均後のｇ〜（ｔ）の時間ｔに関する最大値と移動平均後のｈ〜（ｆ）の周波数に関する最大値とのいずれかの最大値として求める。最大値の代わりに統計量である分位数を用いてもかまわないし、いずれか一方の値を異常度としてもかまわない。このような例を、式６のａ１（Ｒ＊），ａ２（Ｒ＊），ａ３（Ｒ＊），ａ４（Ｒ＊），ａ５（Ｒ＊）などに示す。ここで、ｑｕａｎｔｉｌｅ（｛ｘ｝，α）は系列｛ｘ｝のα分位数を表す。αを１とおけば最大値ｍａｘ｛ｘ｝と一致する。式６のαやβは１に近い値、例えば０．９とおいてもよい。
【００２８】
【数６】
【００２９】
また、別のより簡単な方法として、異常度ａ（Ｒ＊）は、式７のａ６（Ｒ＊）に示すように、抽出領域Ｒ＊における正常時時間周波数分布の写像Ψ（ｘ（ｔ，ｆ））の平均値と、抽出領域Ｒ＊における試験時時間周波数分布の写像Ψ（ｙ（ｔ、ｆ））の平均値との差）としても良い。
【００３０】
【数７】
【００３１】
判定手段１７は、異常度ａ（Ｒ＊）と閾値を比較して異常度が閾値以上であるとき異常音が発生している可能性があると判定して、「アラーム」を判定結果１８として出力する（ステップＳ１０）。また、異常度が閾値未満のときは異常音は発生している可能性が低いと判定して、「正常」を判定結果１８として出力する。
【００３２】
上記実施の形態において、時間周波数分析部４はＦＦＴ演算により時間周波数分布５を出力する構成にされているが、ＦＦＴに限らず、ウェーブレット変換を用いても良い。
また、事前知識記憶部８に記憶される事前知識８ａの矩形領域について、上限時間ｔ２と下限時間ｔ１の差ｔ２−ｔ１に下限ｔｍｉｎを設けてもよい。すなわち、ｔ２−ｔ１≧ｔｍｉｎとなる、矩形領域に限定して、事前知識記憶部８に格納される。
また、同様に、上限周波数ｆ２と下限周波数ｆ１の差ｆ２−ｆ１に下限ｆｍｉｎを設けても良い。すなわち、ｆ２−ｆ１≧ｆｍｉｎとなる、矩形領域に限定して、テーブル８に格納する。
さらに非線形関数は、解析的な関数のほかに、折れ線近似により非線形特性を持たせた関数でもよい。
【００３３】
以上のように本発明によれば、時間周波数分布から、時間周波数について連続して形成する時間周波数の領域を抽出する手段を設けることで、周波数分析結果に現れる、多様な帯域幅や継続時間を有する異常音成分を、専用の診断手順を登録する必要がなく、等しく高精度で診断することができるという効果を奏する。
【００３４】
また、領域の候補を生成する領域候補生成手段と、生成された領域の候補について、その良さ（凝縮度）を評価する評価手段と、良さ（凝縮度）が最も大きい領域を選択する手段を用いることにより、特定の異常音成分の出現パターンに特化した各種の閾値を用いることなく、領域候補生成手段が生成するすべての領域の候補の中から、評価値が最も良い最適な領域を抽出する作用がある。これにより、周波数分析結果に現れる、多様な帯域幅や継続時間を有する異常音成分を、専用の診断手順を登録する必要がなく、等しく高精度で診断することができるという効果を奏する。
【００３５】
また、候補領域の良さ（凝縮度）として、正常時の時間周波数分布からの変異量に対して、標本数に応じる数を重みとして掛けることによって、標本数が小さいほど重みが小さく、標本数が大きいほど重みが小さくなるため、仮に変異量が同じであれば、抽出される領域の標本数ができるだけ大きい（等価的に領域の面積が大きい）領域が選択されるという作用があるとともに、仮に変異量が大きくても標本数が小さい（等価的に領域の面積が小さい）領域の良さ（凝縮度）は小さくなるという作用がある。これによって、変異量と標本数の大きさとの両者がバランスよく大きい領域が抽出されるため、診断の精度が向上するという効果がある。
【００３６】
また、正常時と比較する分布の特性パラメータとして、標本平均を用いる場合、標本の分布が正規分布に従う場合に意味のある結果が得られるが、実際のスペクトル値は非負の非対称な分布をなしているため、非線形変換によって、分布を正規分布に近づける作用があり、標本平均を用いても意味のある比較ができるようにする。これにより、領域の良さ（凝縮度）の評価が適切に行え、結果として適切に抽出された領域に基づいて異音の可能性を判定できるため、診断の精度が向上するという効果がある。
【００３７】
また、凝縮度を求めるパラメータに領域候補に含まれる標本数に応じる数として、標本数に対する非線形な特性（圧縮特性）をもたせることにより、変異が小さいにもかかわらず、領域の標本数（等価的に面積）が極端に大きくなりすぎることを防止するように働く。これにより、抽出領域として、変異が大きく標本数も大きいバランスした領域を抽出でき、結果としてこれに基づく判定結果の診断の精度が向上するという効果がある。
【００３８】
また、生成する候補領域の形状を矩形に限定することにより、一般には、起こりえないと想定される矩形以外の形状の領域を誤って抽出しないように働く。これにより、抽出領域として、適切な領域を抽出でき、結果としてこれに基づく判定結果の診断の精度が向上するという効果がある。
【００３９】
同様に、変動成分の時間周波数分布に関する事前知識を用いて、領域の形状を限定することにより、事前知識にないような領域を誤って抽出しないように作用する。これにより、抽出領域として、適切な領域を抽出でき、結果としてこれに基づく判定結果の診断の精度が向上するという効果がある。
【００４０】
同様に、機器の稼動状態に関する事前知識を用いて、領域の形状を限定することにより、事前知識にないような領域を誤って抽出しないように作用する。これにより、抽出領域として、適切な領域を抽出でき、結果としてこれに基づく判定結果の診断の精度が向上するという効果がある。
【産業上の利用可能性】
【００４１】
本発明の異常音診断装置は、複数の機器を組み合わせてなるシステム装置例えば、エレベータにおいてその異常状態の箇所を検出する検出装置として利用される可能性がある。
【符号の説明】
【００４２】
１；測定信号、２；波形取得部、３；波形データ、４；時間周波数分析部、５；時間周波数分布、６；正常時時間周波数分布記憶部、７；試験時時間周波数分布記憶部、８；事前知識記憶部、９；領域候補生成部、１０；領域候補、１１；評価部、１２；凝縮度、１３；領域抽出部、１５；異常時計算部、１７；判定部。
【技術分野】
【０００１】
本発明は、マイクロホン（以下マイクと称す）や振動センサで収集された信号の時間周波数分析によって運転中の機器の異常音の発生の可能性を判定する装置に関する。特に、複数の機器から構成されるシステムにおいて運転時に発生する多岐多様な異常音を診断する異常音診断装置に関する。
【背景技術】
【０００２】
従来の異常音を診断する異常音診断装置に関する第１の技術として、判定対象物からの振動データを時間周波数分析処理により得られる時間周波数分布から非定常振動の強度が設定値以上となる時刻の非定常振動データを抽出し、この抽出された非定常振動データに基づいて異音発生の可能性を判定するもの（特許文献１）、時間周波数解析結果の各周波数における振動発生頻度を、その周波数における最大振幅と振動発生閾値との積で求まる振動発生判定振幅値以上であるデータの時間割合を計算してその周波数の発生頻度として算出するもの（特許文献２）、時系列スペクトルから異音成分の等高線で示される強度の大きい領域を算出し、この領域から異音成分を含むスペクトル列のみを抜き出すもの（特許文献３）などがある。
【０００３】
また、従来の異常音を診断する異常音診断装置に関する第２の技術として、特定の既知異常事象に着目し、それらの発生の有無を確認する専用処理手段と、既知異常事象が発生しない場合に汎用的な雑音解析を行い、この解析結果を正常時と比較し不特定の未知異常事象を検出し、未知異常事象が検出された場合、正常状態からの変化を検出するための処理手順を生成して専用処理手段に与えるもの（特許文献４）がある。
【先行技術文献】
【特許文献】
【０００４】
【特許文献１】特許第3885297号公報
【特許文献２】特許第4373350号公報
【特許文献３】特許第4262878号公報
【特許文献４】特開平6-309580号公報
【発明の概要】
【発明が解決しようとする課題】
【０００５】
従来の第１の技術は、周波数分析結果に現れる特定の異常音成分の出現パターンに特化した各種の閾値に基づいて異常を検出する構成としているため、それぞれ単独の構成では多様な帯域幅や継続時間を有する異常音成分を等しく高精度で診断することはできないという問題があった。また、時間周波数分布の強度が大きい領域を観測データからボトムアップに求めるもので、必ずしも最適な診断結果が得られるという保証がないという問題もあった。
一方、従来の第２の技術は、未知異常事象を診断するためには、未知異常事象に対する診断手順をあらかじめ専用処理手段に登録する必要があるという問題があった。
本発明は上記のような問題点を解決するためなされたもので、専用の診断手順を専用処理手段に登録する必要がなく、最適な診断結果が得られるという保証があり、周波数分析結果に含まれる多様な帯域幅や継続時間を有する異常音成分を等しく高精度で検出する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】
【０００６】
本発明係る異常音診断装置は、
検査対象機器が発生する音または振動の波形データを取込む波形データ取得手段と、
上記波形データを時間周波数分析し、一方の軸を時間軸に、他方の軸を周波数軸にした時間周波数分布を求める時間周波数分析手段と、
上記時間周波数分布の時間軸と周波数軸の座標値によって規定した複数の領域を生成し、上記時間周波数分布の定常状態とは異なる変動成分が含まれる領域を抽出する領域抽出手段と、
上記抽出領域に含まれる時間周波数分布に基づいて異常の判定を行い出力する判定手段とを備える。
【発明の効果】
【０００７】
本発明係る異常音診断装置によれば、
時間周波数分布から、時間周波数について連続して形成する時間周波数の領域を抽出する手段を設けることにより、周波数分析結果に現れる、多様な帯域幅や継続時間を有する異常音成分を、専用の診断手順を登録する必要がなく、等しく高精度で診断することができるという効果を奏する。
【図面の簡単な説明】
【０００８】
【図１】本発明の異常音診断装置を示す機能ブロック構成図である。
【図２】複数機器からの音を走査する場合の時間周波数分布例の特性図である。
【図３】時間周波数分布の領域に関する事前知識の説明図である。
【図４】本発明の実施の形態１における処理の流れ図である。
【発明を実施するための形態】
【０００９】
実施の形態１．
本実施の形態は、検査対象システムを構成する機器の発する異常な音圧を診断する装置として、パーソナルコンピュータ（以下ＰＣと称す）上のソフトウェアとして実装され、正常時の波形を取込む学習モードと試験時の波形を取込む診断モードを有する。測定者はマイクないし振動センサ等を検査対象機器に設置し、そのマイクないし振動センサ等をＰＣのＵＳＢ（Universal Serial Bus）インタフェースの入力端子に接続して、学習モード時と診断モード時の操作を行う。
【００１０】
検査対象システムとして、例えば、エレベータの乗車かごにマイクを取り付け、制御ケーブルを経由してマイクの信号を機械室に置いたＰＣに取込んで、乗車かごを往復運転することで、昇降路内の各機器の稼動音を診断する場合を例にとる。
特定の機器、例えば頂部返し車から異常音が発生すると、異常音を発生する機器以外が発生する稼動音、例えばガイドレール摺動音があるため、乗車かごがその異常音を発生する特定の機器に接近する時間帯、例えば乗車かごが頂部返し車に接近する時間帯（乗車かごの上昇時は測定区間の後半部分に、また、乗車かごの下降時は測定区間の前半部分）に、異常音の時間周波数成分が現れる。
また、カウンターウェイトから異常音が発生する場合は、乗車かごとカウンターウェイトがすれ違う時間帯である測定区間の中央部分に、異常音の時間周波数成分が現れる。
【００１１】
また、異常音の周波数スペクトルの形状は、異常発生する機器や異常の原因によって異なり、占有する周波数範囲も多様である。一般に、上述のように、機器システムを走査するマイクから複数機器の稼動音を診断する場合、測定区間中に異常音成分が現れる時間範囲と周波数範囲は極めて複雑で多様なものとなっている。
図２はエレベータ各機器の異常音発生時の時間周波数分布を横軸に時間、縦軸に周波数をとり、各時刻と各周波数における分布の強度を濃淡で示している。点線は異常発生前の特定の機器の稼動音のマイクでの強度を示し、実線は異常となったその機器の稼動音の強度を示す。また、一点鎖線はその機器を含む全機器からの稼動音の合成された音のマイクでの強度を示している。（Ａ）は頂部返し車から異常音が発生した場合、（Ｂ）はカウンターウェイトから異常音が発生した場合の例である。
【００１２】
図１は本発明の実施の形態１における異常音診断装置を示すブロック構成図である。
図１において、１はマイクや振動センサから出力される測定信号、２は増幅器と低域フィルタ回路とＡＤ変換器を備え測定信号１をサンプリングしデジタル信号に変換して波形データ３を出力する波形取得部、４は波形データ３に時間窓を掛け時間窓を時間方向にずらしながら高速フーリエ変換（以下ＦＦＴと称す）演算により波形データ３を時間周波数分析し時間と周波数に対する強度を示すスペクトル値からなる時間周波数分布５を出力する時間周波数分析部である。
【００１３】
６は時間周波数分布５の正常時における時間周波数分布６ａ(図には示されない)を記憶する正常時時間周波数分布記憶部、７は時間周波数分布５の試験時の時間周波数分布７ａ(図には示されない)を記憶する試験時時間周波数分布記憶部、８は事前知識８ａ(図には示されない)がテーブルとして記憶された事前知識記憶部、９は事前知識記憶部８の事前知識８ａに基づいて決められた所定の領域候補１０を生成する領域候補生成部、１１は領域候補１０について正常時時間周波数分布記憶部６の正常時時間周波数分布６ａと試験時時間周波数分布記憶部７の試験時時間周波数分布７ａとを参照して凝縮度１２を算出し出力する評価部、１３は凝縮度１２に基づいて領域候補１０の中から最適な領域候補を選択し抽出領域１４として出力する領域抽出部、１５は正常時時間周波数分布６ａ及び診断時時間周波数分布７ａを参照し抽出領域１４に含まれる時間周波数分布から異常音発生の可能性の度合いを示す異常度を計算し異常度１６として出力する異常時計算部、１７は異常度１６に基づいて異常音の発生の可能性を判定し判定結果１８を出力する判定部である。
【００１４】
以下図４の処理の流れ図を参照し、動作を説明する。
学習モードまたは診断モードにおいて、波形取得部２は、マイクや振動センサから出力される測定信号１を、取得して増幅しＡＤ変換することにより、サンプリング周波数32kHzの16ビットリニアＰＣＭ（pulse code modulation）のデジタル信号の波形データ３に変換する（ステップＳ１）。
時間周波数分析部４は、波形取得部２が出力する波形データ３に対して、1024点の時間窓を16msの間隔で時間方向にずらしながらフレームを切出し、各フレームに対してＦＦＴ演算により周波数スペクトルの時系列ｙ（ｔ，ｆ）を求め、時間周波数分布５として出力する（ステップＳ２）。ここで、ｔは分析窓をずらすシフト間隔に対応する離散値をとる時刻、ｆはＦＦＴ演算の結果の周波数インデックスに対応する離散値をとる周波数を示す。なお、時間ｔおよび周波数ｆは、それぞれ、０≦ｔ≦Ｔ，０≦ｆ≦Ｆなる関係を満たす。ここで、Ｔは時間周波数分布５の時間方向の時間幅、Ｆは波形データ３のサンプリング周波数ｆｓの１／２であるナイキスト周波数である（Ｆ＝ｆｓ／２）。
【００１５】
時間周波数分析部４により時間周波数分布５が算出されると、異常音診断装置は学習モード時かまたは診断モード時かを判断する（ステップＳ３）。
学習モード時であると、時間周波数分布５は正常時時間周波数成分６ａとして正常時時間周波数成分記憶部６に転送され記憶される（ステップＳ４）。一方、ステップＳ３の判断結果が診断モード時であれば、時間周波数分布５は診断時時間周波数成分７ａとして診断時時間周波数成分記憶部７に転送され記憶される（ステップＳ５）。
【００１６】
次に、診断モード時の診断処理について動作を説明する。
領域候補生成部９は、事前知識８ａに基づいて、領域候補１０を生成する（ステップＳ６）。事前知識８ａは、診断対象システムを構成する機器から発生する異常成分の時間周波数分布における出現領域の形状を規定するための知識であり、本装置の設計者が事前に対象を分析して得た知識を表し、本装置の領域候補生成部９が生成する領域候補としてテーブルの形式で事前知識記憶部８に格納されている。本例では、時間周波数分布の全領域に対して、全時間区間Ｔをｎ分割、かつ、全帯域Ｆをｍ分割して格子状の分割領域を得て、任意の格子線を辺とする矩形の領域を生成して、事前知識８ａのテーブルとして事前知識記憶部８に格納される。
【００１７】
図３は事前知識８ａとして格子と生成される矩形の例をＡとＢで示す。矩形領域Ａは時間区間の後半での中高域の周波数成分の短時間の時間周波数成分に対して最適な形状となっている。また、矩形領域Ｂは測定時間の前よりの時間区間で中間の周波数帯域で継続時間の長い時間周波数成分が発生する場合に対して最適な形状となっている。ここで、分割数ｎ及びｍを増加することにより、より詳細に領域の境界を表現することが可能である。ところで、格子状の分割領域における最初の第１／６時間区間と、最後の第６／６時間区間は、検査対象の動作速度が定格速度にくらべて遅いため、稼動音が十分発生しないことから、領域候補の生成から除くことも可能である。また、上記では、時間周波数分布の全領域に対して、全時間区間Ｔをｎ分割、かつ、全帯域Ｆをｍ分割して格子状の分割領域を得て、任意の格子線を辺とする矩形の領域を生成する例を説明したが、異常成分の時間周波数成分に対する事前知識によって、最適な形状として、上記の格子状の分割領域を選択するか選択しないかを組み合わせて任意の形状の領域も生成するようにしても良い。
【００１８】
評価部１１は、領域候補１０（以下、領域候補をＲで表す）に対して、凝縮度Ｅ（Ｒ）１２を算出する（ステップＳ７）。
凝縮度をＥ（Ｒ）は、試験時時間周波数分布をｙ（ｔ，ｆ）、正常時時間周波数分布をｘ（ｔ，ｆ）、矩形の領域をＲ＝［ｔ１，ｔ２，ｆ１，ｆ２］とすると、これらに対する凝縮度をＥ（Ｒ）は式１に示される演算により求められる。ここで、ｔ１，ｔ２，ｆ１，ｆ２は、それぞれ、矩形領域Ｒの下限時間、上限時間、下限周波数、上限周波数である。また、矩形以外の領域候補Ｒに対しては、式１の代わりに、より一般的な式２に示される演算により求められる。ここで、記号(t,f)∈Ｒ＊は抽出領域Ｒ＊に含まれる離散時間ｔ及び離散周波数ｆの組合せについて総和をとることを意味する。
【００１９】
【数１】
【００２０】
【数２】
【００２１】
上式で、ｎは時間周波数分布の矩形領域に含まれるスペクトル値の標本数である。また、ｗ（ｎ）は、標本数ｎに応じた重み係数であり、例えば、標本数ｎのｐ乗根（ｐは例えば２）である。標本数ｎは領域の大きさとともに大きい値となり、前記重み係数ｗ（ｎ）は、領域の大きさとともに大きい値となるため、小さな領域に対する凝縮度Ｅ（Ｒ）は小さくなり、小さな領域に局在する外れ値が計算結果に与える影響を緩和するために用いる。また、関数φはスペクトル値を非線形に変換して、変換後の値の分布を正規分布に近づけるため、Box-Cox変換（一般化対数変換とも言う）または対数変換とする。Box-Cox変換は式３で表されパラメータγがγ=０のとき対数変換と一致する。
【００２２】
【数３】
【００２３】
領域抽出部１３は、各領域候補と各領域候補に対する凝縮度Ｅ（Ｒ）の関係を調べ、凝縮度Ｅ（Ｒ）が最も大きい値を示す領域候補を最適な抽出領域として選択して出力する（ステップＳ８）。各領域候補を｛Ｒ１，Ｒ２，…，Ｒｋ｝、それぞれの凝縮度を｛Ｅ（Ｒ１），Ｅ（Ｒ２），…，Ｅ（Ｒｋ）｝、最適な領域候補をＲ＊とすると、Ｒ＊は式４の演算により求められる。ここで、自然数のｋは領域候補の数である。
【００２４】
【数４】
【００２５】
異常度計算部１５は、正常時時間周波数分布ｘ（ｔ，ｆ）及び試験時時間周波数分布ｙ（ｔ、ｆ）のそれぞれの最適な抽出領域Ｒ＊に含まれるスペクトル値から異常度を計算する（ステップＳ９）。いま、抽出領域Ｒ＊が矩形領域であり、Ｒ＊＝［ｔ１，ｔ２，ｆ１，ｆ２］、異常度をａ（Ｒ＊）とするとき、異常度ａ（Ｒ＊）は式５の演算により得られる数値である。ここで、ｔ１，ｔ２，ｆ１，ｆ２はすでに定義した通りである。
【００２６】
【数５】
【００２７】
上の式５において、Ψ（ｘ）は変数ｘの非線形写像関数で例えば上述のBox-Cox変換などを用いることができる。ｇ（ｔ）は、領域Ｒ＊の周波数ｆ方向の累積値を単位周波数の数で除した値、すなわち時間ｔにおける周波数に関する標本平均であり、ｈ（ｆ）は、領域Ｒ＊の時間ｔ方向の累積値を単位時間の数で除した値、すなわち周波数ｆにおける時間に関する標本平均である。さらに、ｇ〜（ｔ）及びｈ〜（ｆ）は、それぞれ、ｇ（ｔ）を時間ｔに関し、また、ｈ（ｆ）を周波数ｆに関して平滑化した結果の値である。平滑化は例えば移動平均を求めることで達成される。最終的に、異常度ａ（Ｒ＊）は、移動平均後のｇ〜（ｔ）の時間ｔに関する最大値と移動平均後のｈ〜（ｆ）の周波数に関する最大値とのいずれかの最大値として求める。最大値の代わりに統計量である分位数を用いてもかまわないし、いずれか一方の値を異常度としてもかまわない。このような例を、式６のａ１（Ｒ＊），ａ２（Ｒ＊），ａ３（Ｒ＊），ａ４（Ｒ＊），ａ５（Ｒ＊）などに示す。ここで、ｑｕａｎｔｉｌｅ（｛ｘ｝，α）は系列｛ｘ｝のα分位数を表す。αを１とおけば最大値ｍａｘ｛ｘ｝と一致する。式６のαやβは１に近い値、例えば０．９とおいてもよい。
【００２８】
【数６】
【００２９】
また、別のより簡単な方法として、異常度ａ（Ｒ＊）は、式７のａ６（Ｒ＊）に示すように、抽出領域Ｒ＊における正常時時間周波数分布の写像Ψ（ｘ（ｔ，ｆ））の平均値と、抽出領域Ｒ＊における試験時時間周波数分布の写像Ψ（ｙ（ｔ、ｆ））の平均値との差）としても良い。
【００３０】
【数７】
【００３１】
判定手段１７は、異常度ａ（Ｒ＊）と閾値を比較して異常度が閾値以上であるとき異常音が発生している可能性があると判定して、「アラーム」を判定結果１８として出力する（ステップＳ１０）。また、異常度が閾値未満のときは異常音は発生している可能性が低いと判定して、「正常」を判定結果１８として出力する。
【００３２】
上記実施の形態において、時間周波数分析部４はＦＦＴ演算により時間周波数分布５を出力する構成にされているが、ＦＦＴに限らず、ウェーブレット変換を用いても良い。
また、事前知識記憶部８に記憶される事前知識８ａの矩形領域について、上限時間ｔ２と下限時間ｔ１の差ｔ２−ｔ１に下限ｔｍｉｎを設けてもよい。すなわち、ｔ２−ｔ１≧ｔｍｉｎとなる、矩形領域に限定して、事前知識記憶部８に格納される。
また、同様に、上限周波数ｆ２と下限周波数ｆ１の差ｆ２−ｆ１に下限ｆｍｉｎを設けても良い。すなわち、ｆ２−ｆ１≧ｆｍｉｎとなる、矩形領域に限定して、テーブル８に格納する。
さらに非線形関数は、解析的な関数のほかに、折れ線近似により非線形特性を持たせた関数でもよい。
【００３３】
以上のように本発明によれば、時間周波数分布から、時間周波数について連続して形成する時間周波数の領域を抽出する手段を設けることで、周波数分析結果に現れる、多様な帯域幅や継続時間を有する異常音成分を、専用の診断手順を登録する必要がなく、等しく高精度で診断することができるという効果を奏する。
【００３４】
また、領域の候補を生成する領域候補生成手段と、生成された領域の候補について、その良さ（凝縮度）を評価する評価手段と、良さ（凝縮度）が最も大きい領域を選択する手段を用いることにより、特定の異常音成分の出現パターンに特化した各種の閾値を用いることなく、領域候補生成手段が生成するすべての領域の候補の中から、評価値が最も良い最適な領域を抽出する作用がある。これにより、周波数分析結果に現れる、多様な帯域幅や継続時間を有する異常音成分を、専用の診断手順を登録する必要がなく、等しく高精度で診断することができるという効果を奏する。
【００３５】
また、候補領域の良さ（凝縮度）として、正常時の時間周波数分布からの変異量に対して、標本数に応じる数を重みとして掛けることによって、標本数が小さいほど重みが小さく、標本数が大きいほど重みが小さくなるため、仮に変異量が同じであれば、抽出される領域の標本数ができるだけ大きい（等価的に領域の面積が大きい）領域が選択されるという作用があるとともに、仮に変異量が大きくても標本数が小さい（等価的に領域の面積が小さい）領域の良さ（凝縮度）は小さくなるという作用がある。これによって、変異量と標本数の大きさとの両者がバランスよく大きい領域が抽出されるため、診断の精度が向上するという効果がある。
【００３６】
また、正常時と比較する分布の特性パラメータとして、標本平均を用いる場合、標本の分布が正規分布に従う場合に意味のある結果が得られるが、実際のスペクトル値は非負の非対称な分布をなしているため、非線形変換によって、分布を正規分布に近づける作用があり、標本平均を用いても意味のある比較ができるようにする。これにより、領域の良さ（凝縮度）の評価が適切に行え、結果として適切に抽出された領域に基づいて異音の可能性を判定できるため、診断の精度が向上するという効果がある。
【００３７】
また、凝縮度を求めるパラメータに領域候補に含まれる標本数に応じる数として、標本数に対する非線形な特性（圧縮特性）をもたせることにより、変異が小さいにもかかわらず、領域の標本数（等価的に面積）が極端に大きくなりすぎることを防止するように働く。これにより、抽出領域として、変異が大きく標本数も大きいバランスした領域を抽出でき、結果としてこれに基づく判定結果の診断の精度が向上するという効果がある。
【００３８】
また、生成する候補領域の形状を矩形に限定することにより、一般には、起こりえないと想定される矩形以外の形状の領域を誤って抽出しないように働く。これにより、抽出領域として、適切な領域を抽出でき、結果としてこれに基づく判定結果の診断の精度が向上するという効果がある。
【００３９】
同様に、変動成分の時間周波数分布に関する事前知識を用いて、領域の形状を限定することにより、事前知識にないような領域を誤って抽出しないように作用する。これにより、抽出領域として、適切な領域を抽出でき、結果としてこれに基づく判定結果の診断の精度が向上するという効果がある。
【００４０】
同様に、機器の稼動状態に関する事前知識を用いて、領域の形状を限定することにより、事前知識にないような領域を誤って抽出しないように作用する。これにより、抽出領域として、適切な領域を抽出でき、結果としてこれに基づく判定結果の診断の精度が向上するという効果がある。
【産業上の利用可能性】
【００４１】
本発明の異常音診断装置は、複数の機器を組み合わせてなるシステム装置例えば、エレベータにおいてその異常状態の箇所を検出する検出装置として利用される可能性がある。
【符号の説明】
【００４２】
１；測定信号、２；波形取得部、３；波形データ、４；時間周波数分析部、５；時間周波数分布、６；正常時時間周波数分布記憶部、７；試験時時間周波数分布記憶部、８；事前知識記憶部、９；領域候補生成部、１０；領域候補、１１；評価部、１２；凝縮度、１３；領域抽出部、１５；異常時計算部、１７；判定部。
【特許請求の範囲】
【請求項１】
検査対象機器が発生する音または振動の波形データを取込む波形データ取得手段と、
上記波形データを時間周波数分析し、一方の軸を時間軸に、他方の軸を周波数軸にした時間周波数分布を求める時間周波数分析手段と、
上記時間周波数分布の時間軸と周波数軸の座標値によって規定した複数の領域を生成し、上記時間周波数分布の定常状態とは異なる変動成分が含まれる領域を抽出する領域抽出手段と、
上記抽出領域に含まれる時間周波数分布に基づいて異常の判定を行い出力する判定手段とを備えることを特徴とする異常音診断装置。
【請求項２】
上記領域抽出手段は、
上記時間周波数分布の定常状態とは異なる変動成分が含まれる領域を領域候補として抽出する領域候補生成部と、
上記領域候補に含まれる時間周波数分布と正常時の時間周波数分布の関係から凝縮度を求める評価部を備え、上記凝縮度が大きい領域候補を抽出領域として出力する構成にされたことを特徴とする請求項１記載の異常音診断装置。
【請求項３】
上記評価部は、凝縮度を、領域候補に含まれる時間周波数分布を非線形変換するとともに、非線形変換された時間周波数分布の特性パラメータと、同じく非線形変換された正常時の時間周波数分布の特性パラメータと上記領域候補に含まれる標本数に応じる数との演算により求めることを特徴とする請求項２記載の異常音診断装置。
【請求項４】
上記評価部が、凝縮度を求めるための上記非線形変換は、強度に対して非線形特性を持つ変換関数を用いることを特徴とする請求項３記載の異常音診断装置。
【請求項５】
上記評価部が、凝縮度を求めるための上記の領域候補に含まれる標本数に応じる数は、標本数に対して非線形特性を持つ関数を標本数に適用した数としたことを特徴とする請求項３または請求項４記載の異常音診断装置。
【請求項６】
事前に検査対象機器を分析して得た機器からの発生異常音成分の時間周波数分布における出現領域の形状を規定する事前知識がテーブルとして記憶された事前知識記憶部を備え、
上記領域抽出手段は、上記事前知識記憶部に記憶されたテーブルの矩形の領域候補に基づいて生成することを特徴とする請求項２乃至請求項５のいずれか１項に記載の異常音診断装置。
【請求項１】
検査対象機器が発生する音または振動の波形データを取込む波形データ取得手段と、
上記波形データを時間周波数分析し、一方の軸を時間軸に、他方の軸を周波数軸にした時間周波数分布を求める時間周波数分析手段と、
上記時間周波数分布の時間軸と周波数軸の座標値によって規定した複数の領域を生成し、上記時間周波数分布の定常状態とは異なる変動成分が含まれる領域を抽出する領域抽出手段と、
上記抽出領域に含まれる時間周波数分布に基づいて異常の判定を行い出力する判定手段とを備えることを特徴とする異常音診断装置。
【請求項２】
上記領域抽出手段は、
上記時間周波数分布の定常状態とは異なる変動成分が含まれる領域を領域候補として抽出する領域候補生成部と、
上記領域候補に含まれる時間周波数分布と正常時の時間周波数分布の関係から凝縮度を求める評価部を備え、上記凝縮度が大きい領域候補を抽出領域として出力する構成にされたことを特徴とする請求項１記載の異常音診断装置。
【請求項３】
上記評価部は、凝縮度を、領域候補に含まれる時間周波数分布を非線形変換するとともに、非線形変換された時間周波数分布の特性パラメータと、同じく非線形変換された正常時の時間周波数分布の特性パラメータと上記領域候補に含まれる標本数に応じる数との演算により求めることを特徴とする請求項２記載の異常音診断装置。
【請求項４】
上記評価部が、凝縮度を求めるための上記非線形変換は、強度に対して非線形特性を持つ変換関数を用いることを特徴とする請求項３記載の異常音診断装置。
【請求項５】
上記評価部が、凝縮度を求めるための上記の領域候補に含まれる標本数に応じる数は、標本数に対して非線形特性を持つ関数を標本数に適用した数としたことを特徴とする請求項３または請求項４記載の異常音診断装置。
【請求項６】
事前に検査対象機器を分析して得た機器からの発生異常音成分の時間周波数分布における出現領域の形状を規定する事前知識がテーブルとして記憶された事前知識記憶部を備え、
上記領域抽出手段は、上記事前知識記憶部に記憶されたテーブルの矩形の領域候補に基づいて生成することを特徴とする請求項２乃至請求項５のいずれか１項に記載の異常音診断装置。
【図１】
【図２】
【図３】
【図４】
【図２】
【図３】
【図４】
【公開番号】特開２０１２−２５１８５１（Ｐ２０１２−２５１８５１Ａ）
【公開日】平成２４年１２月２０日（２０１２．１２．２０）
【国際特許分類】
【出願番号】特願２０１１−１２４１１１（Ｐ２０１１−１２４１１１）
【出願日】平成２３年６月２日（２０１１．６．２）
【出願人】（０００００６０１３）三菱電機株式会社 (33,312)
【Ｆターム（参考）】
【公開日】平成２４年１２月２０日（２０１２．１２．２０）
【国際特許分類】
【出願日】平成２３年６月２日（２０１１．６．２）
【出願人】（０００００６０１３）三菱電機株式会社 (33,312)
【Ｆターム（参考）】
[ Back to top ]