【課題】びびり振動の検出を確実にできるびびり振動検出方法を提供する。
【解決手段】加工運転時に振動Ｗ_０を測定し、測定した振動を、フーリエ解析により所望のｎ個の周波数における位相Φ_０１〜Φ_０ｎとパワースペクトルＰ_０１〜Ｐ_０ｎを演算する。所定の時間後に振動Ｗ_１を測定し、同様に、ｎ個の周波数における位相Φ_１１〜Φ_１ｎとパワースペクトルＰ_１１〜Ｐ_１ｎを演算する。所定の周波数Ｃにおける位相差Φ_０Ｃ−Φ_１Ｃとが許容値ＫΦ以下で、パワースペクトル比Ｐ_１Ｃ／Ｐ_０Ｃが許容値Ｋ_Ｐより大きいときに振動数Ｃのびびり振動が発生したと判定するびびり振動検出方法。 （もっと読む）

【課題】日常音のモデルの自動的な更新を可能とする。
【解決手段】日常音を特性に基づきクラスタに分類し、クラスタに基づき異常音の判定を行う。クラスタをガウス分布の表現に変換したガウス分布を決定するパラメータを、新たに採取した採取音の特性を用いて更新する。更新の際に、採取音の特性がガウス分布に含まれる確率が、パラメータに決定されるガウス分布に含まれる確率を示す値で表される学習閾値の範囲内にある場合に、パラメータの更新を行う。また、採取音の特性がガウス分布に含まれる確率が、学習閾値よりも低い確率を表す異常音検出閾値未満である場合に、採取音が異常音であると判定する。 （もっと読む）

【課題】対象物の状況を低消費電力かつ低計算量で高精度に認識する。
【解決手段】対象物の動き情報を入力する入力部１０１と、対象物の周囲の音情報を入力する入力部１０２と、動き情報に基づいて対象物の動作状態を認識する認識部１０３と、動作状態に基づいて選択的に音情報を抽出する抽出部１０４と、抽出部１０４が抽出した音情報から第１の特徴量を抽出する抽出部１０５と、抽出部１０５が第１の特徴量よりも以前に抽出した第２の特徴量と予め入力された特定の状況とが対応付けられているモデルが蓄積される蓄積部１１０と、第１の特徴量と最も類似する第２の特徴量に対応付けられる特定の状況を、対象物の現在の状況として判定する判定部１０８と、現在の状況を出力する出力部と１０９を具備する。 （もっと読む）

【課題】 閉空間での機構部品の診断、該当機構部品の位置特定に際し、筐体内に入り込んでくる環境音などの不特定な要因の影響による解析精度の低下を防ぐ。
【解決手段】 筐体の外部の環境音から第２の音響信号を生成する第２の音響センサ（マイクロホン５）を備え、演算手段（演算デバイス７）は、所定の位置関係にしたがって複数配置され、筐体内部に実装された回転を伴う機構部品の動作音から第１の音響信号を生成する第１の音響センサ（マイクロホン１〜４）から取得される第１の音響信号から筐体内部に入り込む第２の音響信号を除去して第３の音響信号を生成し、当該第３の音響信号を周波数解析して機構部品の診断および該当機構部品の位置特定を行う。 （もっと読む）

【課題】少ない学習用のサンプルで人の判断に近い判定基準を定めることを可能とした官能検査装置及び方法を提供すること。
【解決手段】擬似サンプル特徴量生成部１０と、擬似サンプル表示部８と、判定入力部９を備え、良品と不良品の境界付近の擬似サンプル重点的に発生させ、それを検査員が判定し、その結果をパターン認識で学習することにより、パターン認識で有効なサンプルを効率よく取得することができるので、少ないサンプルで人に近い判定が可能な官能検査となる。 （もっと読む）

【課題】電力供給を遮断した状態の機械装置に付加された振動を電気的に且つ高精度に検出可能で且つ小型で安価な振動検出装置及び振動検出方法を提供すること。
【解決手段】外部からの電力供給を遮断した状態における機械装置１の振動を電気的に検出する振動検出装置は、キャパシタ又は２次電池からなる電源手段８７と、機械装置に所定振動レベル以上の振動が付加されたときに、その振動をＭＥＭＳスイッチを介して検出する振動検出手段９２と、振動検出手段により検出された振動の有無を振動履歴として電気回路を介して記憶する振動履歴記憶手段９３と、外部から機械装置に電力が供給された状態で、振動履歴記憶手段に記憶した振動履歴の有無から振動発生を判定する振動履歴判定手段と、振動履歴判定手段により振動発生を判定した場合に、機械装置の起動を禁止する起動停止手段とを備えた。 （もっと読む）

【課題】外力が加わった場合に、どのような行為による外力か判別できる振動検出装置を供する。
【解決手段】物体に加えられた圧力の変化を電圧に変換して出力する検出部２０と、検出部２０より出力された電圧が計測される計測部３０とからなる振動検出装置１であって、計測部３０は、複数の周波数帯域の電圧を別々に通過させるフィルタ手段３４（例えば２種類のデジタルバンドパスフィルタ）を備え、フィルタ手段３４を通過した複数の周波数帯域の電圧を別々の信号として出力し、検出部２０と計測部３０とが同一の回路基板１４上に実装され、回路基板１４がケース４０に覆われていること。 （もっと読む）

【課題】電線の被覆をストリップする際に、芯線とストリップ刃との接触をより簡易に検出できるようにすること。
【解決手段】電線Ｗの被覆をストリップ刃１４Ａ，１４Ｂでストリップする際に、ストリップ刃１４Ａ，１４Ｂと芯線との接触を検出する芯線接触検出装置４０であって、芯線とストリップ刃１４Ａ，１４Ｂとの接触によって生じる振動周波数を含む周波数域の振動を検知可能な振動検知部４２Ａ，４２Ｂと、検知された振動の振幅が所定のしきい値を越えたときに、ストリップ刃１４Ａ，１４Ｂと芯線との接触有りと判定する接触状態判定処理部５０とを備えている。 （もっと読む）

【課題】対象となる物体を隠すような他の物体が存在している環境においても、対象となる物体間の接触状態を正確に検出できるようにする。
【解決手段】振動発生部１０１は、物体Ａ１１１に装着され、検出部１０５は、物体Ｂ１１２に装着される。振動発生部１０１は、識別情報とともに振動を発生させる旨の予告を送出し、この後の所定時間後に、振動生成部１０２に対して動作開始の指示を出す。振動生成部１０２は、制御部１０３からの動作開始の指示により、予め設定されている時間、振動波を発生する。解析部１０７は、振動発生部１０１からの通知を受け付けると、振動波を検出する状態となり、振動検出部１０８を動作させて振動波の検出（測定）を行う。 （もっと読む）

【課題】変圧器などの設備からの異音を検出する。
【解決手段】監視対象物から所定距離離れた位置に設置された第1マイクにより検出された第1信号と、第1マイクから所定長離れた位置に設置された第2マイクにより検出された第2信号とをディジタル信号に変換する手段と、監視対象物の定常的音を除去して第1及び第2定常音除去ディジタル信号を生成する手段と、信号値の絶対値が所定の閾値を超え且つ継続性が認められる定常音除去ディジタル信号が存在するか判断する有意音検出手段と、有意音有りとされると、有意音信号の所定レベル以上の周期的信号成分を除去する周期的信号成分除去処理を実施して第1及び第2比較用ディジタル信号を生成し、それらの相関係数を単位時間ずつずらして算出し、相関係数の値が最も大きくなる単位時間ずれ値を特定する手段と、この単位時間ずれ値に基づき監視対象物からの異音であるか否かを判断する手段を有する。 （もっと読む）

【課題】 モータまたは負荷の慣性モーメントの値がずれても振動状態を精度良く検出し、素早く異常を察知して騒音や機械系の損傷等を防止することができるフィードバック制御系の振動検出装置およびその検出方法、ならびに振動検出装置を備えたモータ制御装置を提供する。
【解決手段】 制御装置（１２）のモデル部（１３）と、前記制御装置（１２）の出力と前記モデル部の出力との差信号をフィルタリングした上下限ピーク値に基づいて、振動の発生を判断する振動状態判断部（１１）と、を備えた。 （もっと読む）

【課題】特定のモードの影響を増減させることにより振動変位を制御できるようにし、もって振動インテンシティを制御することが可能な振動インテンシティの制御方法を提供する。
【解決手段】単位時間に構造物の単位断面積当たりを伝わる振動エネルギーとして定義される振動インテンシティを制御する方法であって、前記振動インテンシティを固有モードの重ね合わせの展開式で表現し、この展開式の少なくとも１つのモードの寄与度を調整することにより前記振動インテンシティの分布を変更可能とする。 （もっと読む）

【課題】本発明はデバイスの環境を分析する方法およびこれを利用したデバイスに関するものである。
【解決手段】 本発明の実施形態によるデバイスは前記デバイスを振動させる振動部、前記デバイスの振動パターンを感知する感知部、および前記感知部によって感知された前記デバイスの振動パターンに応じて前記デバイスの環境の類型を判別する判断部を含む。 （もっと読む）

【課題】正常時のデータを収集するだけで運用が可能であり、しかも運用後に発生する異常時のデータを利用して判定精度を高めることを可能とする。
【解決手段】監視対象物が発する音をマイクロホン２ａで電気信号に変換し、特徴量抽出部３においてこの電気信号の特徴量を抽出し、競合学習型ニューラルネットワーク１により特徴量を分類する。初期段階では、監視対象物が正常であるときの特徴量を学習データに用いて競合学習型ニューラルネットワーク１の学習を行う。判定モードでは、監視対象物が正常以外の場合に、そのときの電気信号を原データ記憶部５に保存する。原データ記憶部５に適数個の電気信号が保存されると、各電気信号の特徴量に対して監視対象物の状態に応じたカテゴリを付与した学習データを生成し、当該学習データにより競合学習型ニューラルネットワーク１の追加学習を行う。 （もっと読む）