JP2004125641A - Abnormal sound detecting apparatus - Google Patents

Abnormal sound detecting apparatus Download PDF

Info

Publication number
JP2004125641A
JP2004125641A JP2002290791A JP2002290791A JP2004125641A JP 2004125641 A JP2004125641 A JP 2004125641A JP 2002290791 A JP2002290791 A JP 2002290791A JP 2002290791 A JP2002290791 A JP 2002290791A JP 2004125641 A JP2004125641 A JP 2004125641A
Authority
JP
Japan
Prior art keywords
acoustic
value
characterization
analysis
waveform
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
JP2002290791A
Other languages
Japanese (ja)
Other versions
JP3974492B2 (en
Inventor
Hidesato Tsuruta
鶴田　秀聡
Yoshihiro Funamoto
船本　義洋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Toshiba Engineering Corp
Original Assignee
Toshiba Engineering Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Toshiba Engineering Corp filed Critical Toshiba Engineering Corp
Priority to JP2002290791A priority Critical patent/JP3974492B2/en
Publication of JP2004125641A publication Critical patent/JP2004125641A/en
Application granted granted Critical
Publication of JP3974492B2 publication Critical patent/JP3974492B2/en
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Images

Landscapes

  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

<P>PROBLEM TO BE SOLVED: To provide an abnormal sound detecting apparatus for detecting abnormal sounds by successively judging the acoustic waveform of operating sounds being generated from equipment regardless of the patrolling of a maintenance inspector. <P>SOLUTION: The apparatus comprises a means 10 for collecting acoustic waveforms; a means 11 for performing the Fourier transform analysis of the collected acoustic waveforms; a means 12 for performing the wavelet conversion analysis of the acoustic waveforms; a means 13 for analyzing the effective value of the acoustic waveforms; and a means 14 for analyzing the waveform distribution of the acoustic waveforms. The apparatus has an acoustic characterization means 15 for converting the analysis result of a fast Fourier transform analysis means, the analysis result of the wavelet conversion analysis means, the analysis result of the effective value analysis means, and the analysis result of the waveform distribution analysis means to numbers. Further, the apparatus comprises an acoustic feature comparison means 17 for comparing the first acoustic characterization numeric value that is converted into numbers by the acoustic characterization means for outputting and a second acoustic characterization numeric value being preset in advance; a means 18 for comparing the result of the acoustic characterization comparison means with a preset reference value for deciding abnormal sounds; and a display means 19 for displaying the decision result of the decision means. <P>COPYRIGHT: (C)2004,JPO

Description

【０００１】
【発明の属する技術分野】
本発明は、機器の運転中に、その機器を構成する作動部から発す音響的振動波、すなわち稼動音により、その機器の状況が異常であることを検知する異常音検出装置に関する。
【０００２】
【従来の技術】
一般に、プラント及びその機器に異常音が発生すると、これらの機器の運転中に発する音響や振動に変化が現れる場合が多く、定期的に振動を監視して異常音を検出する方法が用いられる。従来、これ等の振動の解析には、ファーストフーリエ変換などの解析手法が用いられ、振動測定には、検出器を対象の機器に設置しなければならないため、対象が限られている（例えば、特許文献１参照。）。
【０００３】
一方、プラントやその他の機器において、機器の異常が発見されるのは、保守員がパトロール時に感じる異常音が発端となる場合が多い。しかし、音響による機器の異常の有無の認知は、保守員の熟練度に左右される。また、音響技術の分野において、騒音に対する研究及び技術は向上しているが、保守員が感じ取るような機器の異常時の音響的認識の技術は発展途上であり、異常音判定は保守員が行っている。
【０００４】
【特許文献１】
特開２００１−２５５２４１号公報
【０００５】
【発明が解決しようとする課題】
音響は、対象の機器に接触することなく得られる機器の情報の一つであり、非接触で得られるため、周囲や必要でない情報が多く含まれる。したがって、この特徴から、プラントにおけるパトロール時に保守員が異常音を認識すると、異常個所や異常事象の特定のために、詳細な調査を行う。保守員が認識している音響の要素を分類すると、音の高さ（周波数）、音の大きさ（音圧）、音の時間変化（音質）、及び音の位置（音源）であり、音の位置は異常個所に深く関わり、他の３つは異常事象に関わる。従来の手法で分析することにより、周波数と音圧についてはその性状が解明されてきた。しかし、時間変化に関しては、不明な部分が多く、異常音か判断する要素として加味されることは難しかった。保守員と同様に音響によって異常音を認識するためには、音響の時間変化を捉え、異常音を認識する手法を確立することが必要となる。
【０００６】
また、従来の保守員のパトロールによる異常音の認識には、異常発生してからその後のパトロールのタイミングまで異常状態の放置という重大な問題点がある。前述の保守員の熟練度を要する問題点と共に、異常音をより早く検知することも解決すべき課題となる。
【０００７】
この発明は上記の問題点に鑑みてなされたもので、保守員の巡回によらず、機器から発せられ動作音の音響波形を逐次判定して、異常音を検出する異常音検出装置を提供することを目的とする。
【０００８】
【課題を解決するための手段】
本発明の異常音検出装置は、音響波形を収集する手段と、収集された音響波形のファーストフーリェ変換解析を行う手段と、前記音響波形のウェーブレット変換解析を行う手段と、前記音響波形の実効値解析を行う手段と、前記音響波形の波形分布解析を行う手段と、前記ファーストフーリェ変換解析手段の解析結果、前記ウェーブレット変換解析手段の解析結果、前記実効値解析手段の解析結果、及び前記波形分布解析手段の解析結果をそれぞれ数値化する音響特徴化手段と、この音響特徴化手段で数値化され、出力される第１の音響特徴化数値と予め設定された第２の音響特徴化数値を比較する音響特徴比較手段と、この音響特徴比較手段の結果を予め設定した基準値と比較して、異常音を判定する手段と、この判定手段の判定結果を表示する表示手段とを具備して成ることを特徴とするものである。
【０００９】
また、本発明の異常音検出装置は、音響波形を収集する手段と、収集された前記音響波形をファーストフーリェ変換解析し、その解析結果を積分するファーストフーリェ変換解析積分値算出手段と、前記音響波形をウェーブレット変換解析し、その解析結果の変動値の平均値を算出するウェーブレット変動平均値算出手段と、前記音響波形を異なる解析時間間隔で実効値解析し、その解析結果の実効値の標準偏差値をそれぞれ算出し、異なる解析条件の前記実効値の標準偏差値の比を算出する実効値比算出手段と、前記音響波形を波形分布解析し、その解析結果の尖度の平均値を算出する波形分布尖度平均値算出手段と、前記ファーストフーリェ変換解析積分値算出手段から出力される積分値と、前記ウェーブレット変動平均値算出手段から出力されるウェーブレット変動平均値と、前記実効値比平均値算出手段から出力される実効値比平均値と、及び波形分布尖度平均値算出手段から出力される尖度平均値とから成る第１の音響特徴化数値を算出する音響特徴化手段と、予め設定された第２の音響特徴化数値を記憶・保持する音響データベースと、前記算出した第１の音響特徴化数値と前記第２の音響特徴化数値を比較・演算する音響特徴比較手段と、この音響特徴比較手段の出力と予め設定された基準値を比較して異常音を判定する判定手段と、この判定手段の結果を表示する表示手段を具備して成ることを特徴とするものである。
【００１０】
また、本発明の異常音検出装置は、音響波形を収集する手段と、収集された前記音響波形の周波数範囲を予め設定した複数の周波数帯にそれぞれ設定する手段と、複数のそれぞれの周波数帯に設定された音響波形に対し、ウェーブレット変換解析を行う手段と、前記ウェーブレット変換解析の解析結果から、変動周期と変動幅を乗算した各周波数帯の変動値を平均した第１のウェーブレット音響特徴化変動値を算出する音響特徴化手段と、予め設定された第２のウェーブレット音響特徴化変動値を記憶・保持する音響データベースと、前記算出した第１のウェーブレット音響特徴化変動値と読み出した前記第２のウェーブレット音響特徴化変動値を比較・演算する音響特徴比較手段と、この音響特徴比較手段の結果と予め設定された基準値を比較して異常音を判定する判定手段と、この判定手段の判定結果を表示する表示手段を具備して成ることを特徴とするものである。
【００１１】
また、本発明の異常音検出装置は、音響波形を収集する手段と、収集された前記音響波形を異なる解析時間間隔で実効値解析する第１及び第２の実効値解析手段と、この２つの実効値解析の解析結果からそれぞれの標準偏差値を算出する第１の及び第２の実効値標準偏差値算出手段と、この２つの実効値標準偏差値算出手段で算出された２つの実効値標準偏差値の比を算出する実効値比算出手段と、この実効値比算出手段の結果から第１の音響特徴化実効値比を算出する音響特徴化手段と、予め設定された第２の音響特徴化実効値比を記憶・保持する音響データベースと、前記算出した第１の音響特徴化実効値比と読み出した前記第２の音響特徴化実効値比を比較・演算する音響特徴比較手段と、この音響特徴比較手段の結果と予め設定された基準値を比較して異常音を判定する判定手段と、この判定手段の判定結果を表示する表示手段を具備して成ることを特徴とするものである。
【００１２】
また、本発明の異常音検出装置は、音響波形を収集する手段と、収集された前記音響波形の周波数範囲を予め設定した複数の周波数帯にそれぞれ設定する手段と、前記それぞれの周波数帯に設定された音響波形を、所定の時間間隔で実効値を出力する実効値解析手段と、前記実効値解析手段から出力される各周波数帯における実効値を平均した第１の音響特徴化実効値を算出する音響特徴化手段と、予め設定された第２の音響特徴化実効値を記憶・保持する音響データベースと、前記算出した第１の音響特徴化実効値と読み出した前記第２の音響特徴化実効値を比較・演算する音響特徴比較手段と、この音響特徴比較手段の結果と予め設定された基準値を比較して異常音を判定する判定手段と、この判定手段の判定結果を表示する表示手段を具備して成ることを特徴とするものである。
【００１３】
また、本発明の異常音検出装置は、音響波形を収集する手段と、収集された前記音響波形を第１の所定の時間間隔で、振幅分布度数を算出する波形分布解析手段と、前記振幅分布度数から尖度を算出する尖度算出手段と、前記第１の所定の時間間隔より長い第２の所定の時間間隔で、前記尖度を平均した第１の音響特徴化尖度を算出する音響特徴化手段と、予め設定された第２の音響特徴化尖度を記憶・保持する音響データベースと、前記算出した第１の音響特徴化尖度と読み出した前記第２の音響特徴化尖度を比較・演算する音響特徴比較手段と、この音響特徴比較手段の結果と予め設置された基準値を比較して異常音を判定する判定手段と、この判定手段の判定結果を表示する表示手段を具備して成ることを特徴とするものである。
【００１４】
また、本発明の異常音検出装置は、音響波形を収集する手段と、収集された前記音響波形の周波数範囲を予め設定した複数の周波数帯にそれぞれ設定する手段と、前記それぞれの周波数帯に設定された音響波形を、所定の時間間隔で振幅分布度数を算出する波形分布解析手段と、前記波形分布解析手段から出力される各周波数帯における振幅分布度数から尖度を算出し、これを平均した第１の音響特徴化周波数尖度を算出する音響特徴化手段と、予め設定された第２の音響特徴化周波数尖度を記憶・保持する音響データベースと、前記算出した第１の音響特徴化周波数尖度と読み出した前記第２の音響特徴化周波数尖度を比較・演算する音響特徴比較手段と、この音響特徴比較手段の結果と予め設置された基準値を比較して異常音を判定する判定手段と、この判定手段の判定結果を表示する表示手段を具備して成ることを特徴とするものである。
【００１５】
さらに、本発明の異常音検出装置は、前記音響波形が、機器の動作中の音響波形であり、前記第２の音響特徴化数値が、正常に動作している前記機器から収集された音響波形の解析結果により算出された音響特徴化数値が、予め前記音響データベスに記憶・保持されたものであり、前記音響特徴比較手段が、第２の音響特徴化数値に対する第１の音響特徴化数値の偏差値を算出し、出力することを特徴とするものである。
【００１６】
【発明の実施の形態】
以下、本発明の実施形態を図面により詳細に説明する。なお、図中の同一または相当部分には、同一符号を付している。
【００１７】
図１は、本発明の第１の実施形態に係る異常音検出装置の全体構成を示すブロック図である。
【００１８】
図１に示すように、第１の実施形態は、音響波形ＳＤを収集する手段１０と、ファーストフーリェ変換（以下、ＦＦＴと略す）解析手段１１、ウェーブレット変換解析手段１２、実効値（以下、ＲＭＳと略す）解析手段１３、及び波形分布解析手段１４から成る解析手段２０と、この解析手段２０の解析結果を数値化する音響特徴化手段１５と、この音響特徴化手段１５から出力される解析結果を数値化したデータ、及び機器の正常作動の音響特徴を数値化したデータが蓄積される音響データベース１６と、数値化された２つのデータを比較する音響特徴比較手段１７と、この音響特徴比較手段１７の出力を基準値と比較して異常音を判定する判定手段１８と、この結果を表示する表示手段１９とから構成される。
【００１９】
本実施形態の動作は、音響波形ＳＤを収集する手段１０により、対象となる稼動中の機器が発生している動作音を、例えば、時刻ｔ＝ｔｊ−１から時刻ｔ＝ｔｊまでを音響波形ＳＤｊとして収集する。この収集は逐次なされる。
【００２０】
収集された音響波形ＳＤｊは、解析手段２０の各解析手段に入力され、ＦＦＴ解析手段１１によりＦＦＴ解析が、ウェーブレット変換解析手段１２によりウェーブレット変換解析が、ＲＭＳ解析手段１３によりＲＭＳ解析が、波形分布解析手段１４により振幅分布解析が、それぞれ行われる。
【００２１】
各解析手段の結果を、音響特徴化手段１５において、音響波形ＳＤｊを表わす音響特徴値Ｓｃｊに変換する。この音響特徴値Ｓｃｊは、音響データベース１６及び音響特徴比較手段１７へそれぞれ入力される。
【００２２】
また、この音響データベース１６には、対象となる機器の正常動作時の音響波形ＳＤを表わす予め設定された標準音響特徴値Ｓｃ０、若しくは、対象となる機器が正常に作動しているときに収集される音響波形ＳＤ０の音響特徴化手段１５から出力される音響特徴値Ｓｃ０’が、予め格納されている。
【００２３】
次に、音響特徴比較手段１７において、逐次収集された音響波形ＳＤｊの解析手段２０及び音響特徴化手段１５を経て算出された音響特徴値Ｓｃｊは、音響データベース１６に格納された標準音響特徴値Ｓｃ０、或いは機器が正常に作動したときの音響特徴値Ｓｃ０’が参照され、これと比較される。
【００２４】
音響特徴比較手段１７の比較結果が、判定手段１８に入力されて、判定手段１８に予め設定した判定論理により、逐次入力された音響特徴値Ｓｃｊが、機器の正常音に対応するかを判定する。正常音に対応すると判定した場合には、「正常音」が出力され、一方、正常音に対応しないと判定した場合は、「異常音」が出力されて、この結果を表示手段１９により表示する。なお、この判定手段１８による判定において、量的判定が行われる場合には、判定の基準となる判定基準閾値Ａｇが前記音響データベース１６に予め格納され、判定手段１８において、これを参照して判定される。
【００２５】
また、表示手段１９は、文字による表示の他に、音及び赤色光や点滅などの光による表示も利用できる。
【００２６】
この第１の実施形態によれば、機器から発せられた作動音が、その音響波形をＦＦＴ解析、ウェーブレット変換解析、ＲＭＳ解析、波形分布解析の各解析を行い、周波数、音圧、時間的存在関係、波形分布の尖度などの多面的な解析結果を、機器の動作音の特徴を表わす音響特徴値として変換し、この音響特徴値は音響波形の変化として単一の解析では判定出来ない異常音についても捕捉することができる。さらに、現時点の機器から発生している作動音の音響波形から逐次算出されるこの音響特徴値と、音響データベースに格納した正常音に対応する音響特徴値データを、音響特徴比較手段により比較して、正常音或いは異常音の判定が行なわれて、その結果を表示することができる。
【００２７】
また、従来の保守員による異常音の認知では、保守員が機器の据付けられた場所に出向き、パトロール時に検知していたのに対し、この実施形態によれば、音響波形の収集、音響波形の解析、特徴比較・判定の各処理は、対象機器が稼動中に時々刻々行われて、リアルタイムで正常音或いは異常音が検出されて、表示できる。さらに、音響波形収集手段から離れて表示手段を設置することもできるので、対象となる機器に出向かなくても、遠隔地においても異常音を知ることができる。
【００２８】
図２は、本発明の第２の実施形態に係る異常音検出装置の全体構成を示すブロック図である。
【００２９】
この第２の実施形態は、図２に示すように、音響波形ＳＤを収集する手段１０と、ＦＦＴ解析手段１１とウェーブレット変換解析手段１２とＲＭＳ解析手段１３と波形分布解析手段１４とから成る解析手段２０と、この解析手段２０の解析結果から音響波形を数値化する、ＦＦＴ積分値算出手段２１と、ウェーブレット周波数帯変動値算出手段２２ａ及び周波数帯変動平均値算出手段２２ｂと、解析時間の異なる２つのＲＭＳ値のそれぞれの標準偏差値を算出するＲＳＭ標準偏差値算出手段２３ａと、この２つの標準偏差値の比を算出するＲＭＳ比算出手段２３ｂと、波形分布の尖度算出手段２４ａ及び尖度平均値算出手段２４ｂとから成る音響特徴化手段２５と、この音響特徴化手段２５ａから出力される音響特徴値を蓄積する音響データベース１６と、音響特徴値の偏差値を算出する音響特徴比較手段２７と、この音響特徴比較手段２７の出力を判定閾値と比較する偏差値判定手段２８と、この偏差値判定手段２８の出力を表示する表示手段２９とから構成される。
【００３０】
第２の実施形態の動作は、先ず、音響波形ＳＤを収集する手段１０により、対象となる稼動中の機器から発生している動作音が時刻ｔ＝ｔｊ−１から時刻ｔ＝ｔｊまでの周期Ｔｊで収集される。
【００３１】
音響波形ＳＤｊが入力されたＦＦＴ解析手段１１の解析結果が、ＦＦＴ積分値算出手段２１に入力されて、音響波形ＳＤｊのＦＦＴ解析結果を積分したＦＦＴ積分値Ｆｊが出力される。
【００３２】
音響波形ＳＤｊが入力されたウェーブレット変換解析手段１２の解析結果は、ウェーブレット周波数帯変動値算出手段２２ａに入力されて、前記音響波形ＳＤｊの各周波数帯の変動値ｈｉが、変動値ｈｉ＝変動周期ｔｉ×変動振幅Ａｍｉにより算出されて、さらに、その変動値ｈｉを入力とする周波数帯変動平均値算出手段２２ｂにより、時間ｔ０＝ｔｊ−ｔｊ−１に算出されたｉ個のｈｉの平均値が変動値平均値Ｈｊとして算出される。
【００３３】
音響波形ＳＤｊが入力されたＲＭＳ解析手段１３は、図６（ａ）に示す前記音響波形ＳＤｊを異なる解析時間間隔で解析したＲＭＳ値、例えば、同図（ｂ）に示す音響波形ＳＤｊをｎ分割した短時間間隔Ｔｎで解析した短時間ＲＭＳ値と、このＴｎより長い同図（ｃ）に示すｍ分割した長時間間隔Ｔｍで解析した長時間ＲＭＳ値をそれぞれ逐次算出する。
【００３４】
次に、ＲＭＳ標準偏差値算出手段２３ａが、このそれぞれ算出されたＲＭＳ値の標準偏差値、すなわち短時間ＲＭＳ標準偏差値及び長時間ＲＭＳ標準偏差値を算出し、さらに、ＲＭＳ比算出手段２３ｂが長時間ＲＭＳ標準偏差値と短時間ＲＭＳ標準偏差値の比であるＲＭＳ比Ｒｊを算出する。
【００３５】
音響波形ＳＤｊが入力された波形分布解析手段１４の解析では、音響波形ＳＤｊの一部である時刻ｔ＝ｔｉ−１から時刻ｔ＝ｔｉまでの音響波形ＳＤｉの振幅分布度数が出力される。この振幅分布度数は波形分布尖度算出手段２４ａに入力されて、前記音響波形ＳＤｉの波形分布の尖度ｔｉが算出され、さらに、尖度平均値算出手段２４ｂにより、時間ｔ０＝ｔｊ−ｔｊ−１に算出されたｉ個の尖度ｔｉによる尖度平均値Ｔｊが算出される。
【００３６】
音響特徴値算出手段２５ａは、これらの解析手段の結果から算出された、ＦＦＴ積分値Ｆｊ、変動値の平均値Ｈｊ、ＲＭＳ比の平均値Ｒｊ、及び尖度平均値Ｔｊのそれぞれを音響波形ＳＤｊの特性を表わす音響特徴値Ｓとして出力する。この音響特徴値Ｓは、ＦＦＴ積分値Ｆ、変動値平均値Ｈ、ＲＭＳ比平均値Ｒ、尖度平均値Ｔの関数、またはこれらによる数値列として定義され、例えば数値列では、音響特徴値Ｓ＝［Ｆ，Ｈ，Ｒ，Ｔ］である。
【００３７】
したがって、この音響特徴値Ｓｊ＝［Ｆｊ，Ｈｊ，Ｒｊ，Ｔｊ］は、各解析の前記平均値算出手段２２ｂ、２３ｂ、２４ｂから時刻ｔ＝ｔｊに出力され、それぞれ音響データベース１６及び音響特徴比較手段２７へ入力される。
【００３８】
上述の音響特徴化手段２５以降に行われる処理を概念的に示す図３のフロー図の手順により、音響特徴比較手段２７、及び偏差値判定手段２８の動作を説明する。
【００３９】
音響特徴値化手段２７では、所定の時間毎の時刻ｔ＝ｔｊにおける音響特徴値ＳｊのＦＦＴ積分値Ｆｊ、周波数帯変動平均値Ｈｊ、ＲＭＳ比平均値Ｒｊ及び尖度平均値Ｔｊを、音響データベース１６に記憶保存している機器の標準音響特徴値Ｓｓｄ、または正常作動時に記憶保存した音響特徴値Ｓｎの正常音の音響特徴値Ｓ＝［Ｆ，Ｈ，Ｒ，Ｔ］と比較する。
【００４０】
この比較は、図３に示すように、音響特徴比較手段２７において、先ず、ステップＳ３１で、時刻ｔ＝ｔｊにおける音響特徴値Ｓｊ＝［Ｆｊ，Ｈｊ，Ｒｊ，Ｔｊ］が、音響特徴化手段２５から入力され、次にステップＳ３２で、音響データベース１６から標準音響特徴値Ｓｓｄ、または正常時の音響特徴値Ｓｎの［Ｆ，Ｈ，Ｒ，Ｔ］が読込まれて、ステップＳ３３で音響特徴値偏差値Ｂｊ＝√（Ｆｊ−Ｆ）２＋（Ｈｊ−Ｈ）２＋（Ｒｊ−Ｒ）２＋（Ｔｊ−Ｔ）２を算出する。
【００４１】
次に、その算出結果Ｂｊが、偏差値判定手段２８に入力され、ステップＳ３４で予め決定されて音響データベース１６に閾値データとして記憶保存される異常音判定閾値Ａを読込み、ステップＳ３５でこれとＢｊが比較されて、時刻ｔ＝ｔｊの機器からの音響波形が正常音或いは異常音が判定される。
【００４２】
この判定結果が、表示手段２９で表示され、報知される。
【００４３】
この第２の実施形態によれば、機器から発せられた作動音の音響波形を、ＦＦＴ解析、ウェーブレット変換解析、ＲＭＳ解析、波形分布解析の各解析し、その解析結果から音響特徴値Ｓを定義して、正常に作動している時の音響特徴値Ｓｎに対する、周波数、音圧、時間的存在関係、波形分布の尖度など機器の作動状態を多面的に特徴付ける偏差値Ｂとして検知するので、機器の種々の異常時に発せられる異常音を検知できる。
【００４４】
なお、判定手段２８において、質的判定の、例えば「正常音」、「擬異常音」、「異常音」などの判定ランクを設定するには、２段階の第１の異常音判定閾値Ａ１及び第２の異常音判定閾値Ａ２を予め設定して、この第１の閾値以下では「正常音」と、第１の閾値から第２の閾値の間では「擬異常音」若しくは「異常音の予知」を、第２の閾値以上では「異常音」と判定することにより行うことができる。
【００４５】
このように、複数の判定閾値を設ける場合には、判定を数段階に分けて行なうので、音響特徴比較手段２７の出力の範囲により、正常音の他に異常音を「擬異常音」、「異常音」とランク判別ができる利点がある。
【００４６】
図４は、本発明の第３の実施形態の構成及びデータ処理手順を示す概念図である。
【００４７】
この第３の実施形態は、図４に示すように、音響波形を収集する手段１０と、周波数帯設定手段（バンドパスフィルタ）４１と変動周期及び変動振幅を算出するウェーブレット変換解析手段４２とから成る解析手段４０と、このウェーブレット解析結果から各周波数帯ｆｉの変動値を算出する手段４４とその出力を平均して数値化する手段４５から成る音響特徴化手段４３と、数値化された音響特徴値が蓄積される音響データベース１６と、音響特徴値を比較する音響特徴比較手段４７と、この音響特徴比較手段４７の出力を基準値と比較して判定する手段４８と、この判定手段４８の出力を表示する表示手段１９とから構成される。
【００４８】
第３の実施形態の動作は、音響波形ＳＤを収集する手段１０により、対象となる稼動中の機器から発生している動作音が時刻ｔ＝ｔｊ−１から時刻ｔ＝ｔｊまで収集され、解析手段４０の指定した周波数範囲外をカットする周波数帯設定手段（バンドパスフィルタ）４１に入力される。
【００４９】
周波数設定手段４１で設定される周波数帯ｆｉは、予め設定される最大周波数帯ｆｎを含むｎ個に区分された周波数帯から成る。
【００５０】
先ず、時刻ｔ＝ｔｊ−１から時刻ｔ＝ｔｊまで収集された音響波形ＳＤｊが周波数帯ｆｉに設定された周波数帯設定手段（バンドパスフィルタ）４１に入力され、その出力をウェーブレット変換解析手段４２が解析し、周波数帯ｆに対する解析結果の変動周期ｔｉと変動振幅Ａｍｉを出力する（ステップＳ４１）。
【００５１】
次に、音響特徴化手段４３の変動値算出手段４４により、変動値ｈｉ＝ｔｉ×Ａｍｉが算出される。この算出結果ｈｉは、ステップＳ４２で変動値平均値算出のために変動値平均値算出手段４５に一時的に記憶される。
【００５２】
一方、周波数帯ｆｉの変動値ｈｉが算出されると、ステップＳ４３により、設定されている周波数帯ｆｉの次の周波数帯に周波数帯設定手段（バンドパスフィルタ）４１の設定を変えて、ステップＳ４１及び変動値ｈｉ算出のステップを順次繰り返して、最大周波数帯ｆｎの変動値ｈｉを算出し終える（ステップＳ４４）と、変動値平均値算出手段４５により時刻ｔ＝ｔｊ−１から時刻ｔ＝ｔｊまで収集され音響波形ＳＤｊの変動値ｈｉの平均値Ｈｊを算出する。
【００５３】
この算出された変動値平均値Ｈｊは、音響データベース１６に音響特徴値データＳｈとして蓄積される（ステップＳ４５ａ）と共に、次段の音響特徴比較手段４７に入力される（ステップＳ４５）。
【００５４】
なお、音響データベース１６には、機器の標準音響特徴値Ｓｈｓｄ、または正常作動時に記憶保存した音響特徴値Ｓｈｎの機器の正常音の音響特徴値Ｓ＝［Ｈ］が記憶保存されている。
【００５５】
次に、時刻ｔ＝ｔｊにおける音響特徴値Ｓｊ＝［Ｈｊ］が、先ず、ステップＳ４５で音響特徴化手段４３の変動値平均値算出手段４５から入力され、ステップＳ４６で音響データベース１６から標準音響特徴値Ｓｈｓｄ、または正常時の音響特徴値Ｓｈｎの正常音響特徴値Ｓ＝［Ｈ］が読込まれて、音響特徴比較手段４７が音響特徴値偏差値Ｂｈｊ＝√（Ｈｊ−Ｈ）２を算出する。
【００５６】
その算出結果Ｂｈｊが、判定手段４８に入力され、音響データベース１６に閾値データとして、予め決定されて記憶保存される異常音判定閾値ＡｈをステップＳ４８で読込み、ステップＳ４９で異常音判定閾値ＡｈとＢｈｊが比較されて、時刻ｔ＝ｔｊの機器からの音響波形が正常音或いは異常音が判定される。
【００５７】
この判定結果が、表示手段１９で表示されて、報知される。
【００５８】
この第３の実施形態によれば、機器から発せられた作動音の音響波形を予め設定した周波数帯域毎に、ウェーブレット変換により周波数変化と時間変化を同時解析する。この解析結果の変動周期と変動振幅を乗算した変動値Ｈを音響特徴値Ｓｈとして定義し、正常に作動している時の音響特徴値Ｓｈｎと比較して、音響波形の時間的変化の他、音響周波数の瞬間的な変化を検出できる。したがって、機器の種々の異常時に発せられる異常音の突発的な変化、不連続な変化を検知できる。
【００５９】
また、判定に閾値を設けているので、閾値を数段階にして、偏差域により異常音のランク判別もできる利点がある。
【００６０】
図５は、本発明の第４の実施形態の構成及びデータ処理手順を示す概念図である。
【００６１】
図５に示すように、この第４の実施形態は、音響波形を収集する手段１０と、解析時間設定手段５１と、解析時間が異なる２つのＲＭＳ解析手段５２ａ、５２ｂから成る解析手段５０と、この２つのＲＭＳ解析結果のそれぞれの標準偏差値の比ｒを逐次算出し、所定の時間でその平均値Ｒを音響特徴値として出力する音響特徴化手段５３と、音響特徴値が蓄積される音響データベース１６と、音響特徴化手段５３の出力と正常音の音響特徴値を比較する音響特徴比較手段５７と、この音響特徴比較手段５７の出力を基準値と比較する判定手段５８と、この判定手段５８の出力を表示する表示手段１９とから構成される。
【００６２】
第４の実施形態の動作は、音響波形ＳＤを収集する手段１０により、対象となる稼動中の機器から発生している動作音の時刻ｔ＝ｔｊ−１から時刻ｔ＝ｔｊまでが音響波形ＳＤｊとして収集される。
【００６３】
解析時間設定手段５１により、図６（ａ）に示すように、採集された時刻ｔ＝ｔｊ−１から時刻ｔ＝ｔｊまでの音響波形ＳＤｊを、解析手段５０に設けた解析時間間隔が異なる第１のＲＭＳ解析手段５２ａ及び第２のＲＭＳ解析手段５２ｂにより、第１のＲＭＳ解析手段５２ａでは、図６（ｂ）に示すように、例えば数ミリ秒の短時間間隔Ｔｎで短時間ＲＭＳ解析を、第２のＲＭＳ解析手段５２ｂでは、図６（ｃ）に示すように、例えば数十ミリ秒の時間間隔Ｔｍで長時間ＲＭＳ解析を行って、それぞれが短時間ＲＭＳ値及び長時間ＲＭＳ値を算出する（ステップＳ５２ａ、Ｓ５２ｂ）。
【００６４】
この２つの異なる時間間隔で算出されたそれぞれのＲＭＳ値は、音響特徴化手段５３に入力されて、ステップＳ５３ａ、Ｓ５３ｂで、短時間ＲＭＳ標準偏差値Ｖａ及び長時間ＲＭＳ標準偏差値Ｖｂが算出される。この偏差値Ｖａ、Ｖｂは、同じく音響特徴化手段５３に備えるＲＭＳ比算出手段５４により、その偏差値の比をとって、ＲＭＳ比ｒｉ＝　短時間ＲＭＳ標準偏差値Ｖａ／長時間ＲＭＳ標準偏差値Ｖｂが計算される。この算出されたＲＭＳ比ｒｉは、ステップＳ５４ａで、これの平均値算出のためにＲＭＳ比平均値算出手段５５に一時的に記憶される。
【００６５】
一方、ステップＳ５４により、次の解析条件の設定手段５１で設定を次に進めて、ステップＳ５２及びステップＳ５３により順次ＲＭＳ比ｒｉを算出する。最後であるｎ番目の解析条件のＲＭＳ比ｒｎを算出し終えると、ＲＭＳ比平均値算出手段５５により、音響波形ＳＤｊのＲＭＳ比ｒｉの平均値Ｒｊを算出する。この平均値Ｒｊは、ステップＳ５５ａで音響データベース１６に音響特徴値データＳｒとして蓄積されると共に、次段の音響特徴比較手段５７に入力される。
【００６６】
なお、音響データベース１６には、機器の正常状態における標準音響特徴値Ｓｒｓｄ、または正常作動時に記憶保存した音響特徴値Ｓｒｎの機器の正常音の音響特徴値Ｓ＝［Ｒ］が記憶保存されている。
【００６７】
次に、音響特徴比較手段５７において、先ず、ステップＳ５６で、時刻ｔ＝ｔｊにおける音響特徴値Ｓｊ＝［Ｒｊ］が、音響特徴化手段５３のＲＭＳ比平均値算出手段５５から入力され、ステップＳ５６で、音響データベース１６から標準音響特徴値Ｓｒｓｄ、または正常時の音響特徴値Ｓｒｎの正常音響特徴値Ｓ＝［Ｒ］が読込まれて、音響特徴値偏差値Ｂｒｊ＝√（Ｒｊ−Ｒ）２を算出する。その算出結果Ｂｒｊが、判定手段５８に入力され、音響データベース１６に閾値データとして、予め決定されて記憶保存される異常音判定閾値ＡｒをステップＳ５７で読込み、ステップＳ５８でＢｒｊとこれが比較されて、時刻ｔ＝ｔｊの機器からの音響波形が正常音或いは異常音かが判定される。
【００６８】
この判定結果が、表示手段１９で表示されて、報知される。
【００６９】
この第４の実施形態によれば、機器から発せられた作動音の音響波形を予め設定した時間毎に、異なるＲＭＳ解析時間で解析し、その解析結果から算出した標準偏差の比で定義する無次元化した音響特徴値Ｒとしているので、対象機器と検出器の距離や作動音の収集条件などにより生じる音圧の変化に影響されない異常音の検知ができる。音響波形のＲＭＳ解析を行うので、振幅変化を伴う異常音を検出できる。
【００７０】
図７は、本発明の第５の実施形態の構成及びデータ処理手順を示す概念図である。
【００７１】
図７に示すように、この第５の実施形態は、音響波形を収集する手段１０と、バンドパスフィルタを備えた解析周波数帯設定手段７１と、設定された周波数帯の音響波形を解析し、ＲＭＳ値を逐次算出するＲＭＳ解析手段７２から成る解析手段７０と、前記解析周波数帯設定手段７１の周波数帯を予め設定した周波数帯に順次変更して、解析手段７０が順次出力するＲＭＳ値の平均値を算出するＲＭＳ値平均値算出手段７５から成り、その平均値を音響特徴値として出力する音響特徴化手段７３と、音響特徴値が蓄積される音響データベース１６と、音響特徴値を比較する音響特徴比較手段７７と、この音響特徴比較手段７７の出力を基準値と比較する判定手段７８と、この判定手段７８の出力を表示する表示手段１９とから構成される。
【００７２】
第５の実施形態の動作は、図７に図示したように、音響波形ＳＤｊを収集する手段１０により、対象となる稼動中の機器から発生している動作音が時刻ｔ＝ｔｊ−１から時刻ｔ＝ｔｊまで収集する。この収集された音響波形が、予め区分して設定されている解析周波数帯ｆｉ設定手段７１のバンドパスフィルタにより周波数帯ｆｉの範囲外の周波数を除外して（ステップＳ７１）、解析手段７０のＲＭＳ解析手段７２に入力される。
【００７３】
ＲＭＳ解析手段７２が、周波数帯ｆｉに制限された音響波形のＲＭＳ値ｒｆ　ｉを算出する。ステップＳ７２ａで、算出されたＲＭＳ値ｒｆ　ｉは、これを平均値処理するために音響特徴化手段７３に一時的に記憶される。
【００７４】
一方、ステップＳ７２で次の周波数帯ｆｉ＋１を設定して、再びバンドパスフィルタ７１により帯域ｆｉ＋１の範囲外の周波数を除外して、ＲＭＳ解析手段７２が、周波数帯ｆｉ＋１のＲＭＳ値ｒｆｉ＋１を算出し、この算出したＲＭＳ値が同じく音響特徴化手段７３に一時的に記憶される。予め設定した周波数帯ｆｎまで順次ＲＮＳ解析が行われて、区分された各周波数帯毎のＲＭＳ値ｒｆ　ｉの算出を終了する。
【００７５】
このＲＭＳ値ｒｆ　ｉの算出が終了すると、音響特徴化手段７３のＲＭＳ値平均値算出手段７５により、時刻ｔ＝ｔｊ−１から時刻ｔ＝ｔｊまでの音響波形ＳＤｊの各周波数帯ｆｉにおけるＲＭＳ値ｒｆ　ｉの平均値Ｒｆ　ｊが算出される。この平均値Ｒｆ　ｉは、音響特徴値として、ステップＳ７５ａで、音響データベース１６に格納記憶されると共に、次段の音響特徴比較手段７７に入力される（ステップＳ７５）。
【００７６】
なお、音響データベース１６には、機器の標準音響特徴値Ｓｒｆｓｄ、または正常作動時に記憶保存した音響特徴値Ｓｒｆｎの機器の正常音の音響特徴値Ｓ＝［Ｒｆ］が記憶保存されている。
【００７７】
次に、音響特徴比較手段７７に、先ず、ステップＳ７５で、時刻ｔ＝ｔｊにおける音響特徴値Ｓｊ＝［Ｒｆ　ｊ］が、音響特徴化手段７３から入力され、ステップＳ７６で、音響データベース１６から標準音響特徴値Ｓｒｆｓｄ、または正常時の音響特徴値Ｓｒｆｎの正常音響特徴値Ｓ＝［Ｒｆ　］が読込まれて、音響特徴比較手段７７は音響特徴値偏差値Ｂｒｆ　ｊ＝√（Ｒｆ　ｊ　−Ｒｆ）２を算出する。
【００７８】
この算出結果Ｂｒｆ　ｊが、判定手段７８に入力され、音響データベース１６に閾値データとして予め決定されて記憶保存される異常音判定閾値ＡｒｆもステップＳ７７で読み込まれる。次に、ステップＳ７８で異常音判定閾値Ａｒｆ　とＢｒｆ　ｊ　が比較されて、時刻ｔ＝ｔｊの機器からの音響波形が正常音或いは異常音かが判定される。この判定結果は、表示手段１９で表示されて、報知される。
【００７９】
この第５の実施形態によれば、機器から発せられた作動音の音響波形を予め設定した周波数帯域毎に、ＲＭＳ解析し、その解析結果から算出したＲＭＳ値の平均値を音響特徴値Ｒｆとしているので、対象機器の作動回転数や作動速度などの音響周波数の変化を伴う異常音を、その他の雑音を除去し、精度良く検知ができる。また、音響波形の取り込み周期を短い時間に設定することにより、断続的な振幅変化を伴う異常音を検出できる。
【００８０】
図８は、本発明の第６の実施形態の構成及びデータ処理手順を示す概念図である。
【００８１】
図８に示すように、この第６の実施形態は、音響波形ＳＤを収集する手段１０と、解析時間設定手段８１と、収集された音響波形をこの設定された解析時間で解析し、振幅分布度数を算出する波形分布解析手段８２から成る解析手段８０と、算出された振幅分布度数から尖度を逐次算出する手段８４と、所定の時間間隔でこの尖度の平均値Ｔを算出する手段８５とから成る音響特徴化手段８３と、音響特徴値を蓄積する音響データベース１６と、音響特徴化手段８３が出力する音響特徴値と基準の音響特徴値を比較する音響特徴比較手段８７と、この音響特徴比較手段８７の出力を基準値と比較する判定手段８８と、この判定手段８８の出力を表示する表示手段１９とから構成される。
【００８２】
第６の実施形態の動作は、音響波形ＳＤを収集する手段１０により、対象となる稼動中の機器から発生している動作音の時刻ｔ＝ｔｊ−１から時刻ｔ＝ｔｊまでの音響波形ＳＤｊが収集される（ステップＳ８１）。
【００８３】
時刻ｔ＝ｔｊ−１から時刻ｔ＝ｔｊまで採集された音響波形ＳＤｊに対し、ｎ分割した時刻ｔ＝ｔｉ−１から時刻ｔ＝ｔｉまでの時間Ｐｉ毎に、解析手段８０に設けた波形分布解析手段８２が、波形分布解析を行って、振幅分布度数を算出する（ステップＳ８２）。
【００８４】
算出された振幅分布度数は、音響特徴化手段８３の尖度算出手段８４に入力されて、時間Ｐｉの尖度ｔｉが算出される。この算出された尖度ｔｉは、ステップＳ８４ａで、尖度平均値算出のために尖度平均値算出手段８５に一時的に記憶される。なお、ここで算出される尖度ｔｉは、振幅分布が正規分布となりときに０値となり、中心への集中度が高く正規分布より尖っている場合には正値に、すそが広く正規分布より扁平になっている場合には負値となるものである。
【００８５】
一方、ステップＳ８４により、設定手段８１の設定を前記ｎ分割の各時間Ｐｉの次の解析時間に進めて、ステップＳ８２及び尖度算出手段８３を繰返し、順次尖度ｔｉを算出し、同じくステップＳ８４ａで尖度平均値算出手段８５に一時的に記憶する。最後の解析時間Ｐｎの尖度ｔｎを算出し終えると、尖度平均値算出手段８５により、各時間Ｐｉにおいて収集され音響波形の尖度ｔｉの平均値Ｔｊを算出する。この平均値Ｔｊは、ステップＳ８５ａで音響データベース１６に音響特徴値データＳｔとして蓄積されると共に、次段の音響特徴比較手段８７に入力される（ステップＳ８５）。
【００８６】
なお、音響データベース１６には、機器の標準音響特徴値Ｓｔｓｄ、または正常作動時に記憶保存した音響特徴値Ｓｔｎの機器の正常音の音響特徴値Ｓ＝［Ｔ］が記憶保存されている。
【００８７】
次に、音響特徴比較手段８７には、先ず、ステップＳ８５で、時刻ｔ＝ｔｊにおける音響特徴値Ｓｊ＝［Ｔｊ］が、音響特徴化手段８３から入力され、ステップＳ８６で、音響データベース１６から前記標準音響特徴値Ｓｔｓｄ、または正常時の音響特徴値Ｓｔｎの正常音響特徴値Ｓ＝［Ｔ］が読込まれて、音響特徴値偏差値Ｂｔｊ＝√（Ｔｊ−Ｔ）２を算出する。
【００８８】
この算出結果Ｂｔｊが、判定手段８８に入力され、音響データベース１６に閾値データとして予め決定されて記憶保存される異常音判定閾値ＡｔもステップＳ８７で読み込まれる。次にステップＳ８８で異常音判定閾値ＡｔとＢｔｊが比較されて、時刻ｔ＝ｔｊの機器からの音響波形が正常音或いは異常音かが判定される。
【００８９】
この判定結果が、表示手段１９で表示されて、報知される。
【００９０】
この第６の実施形態によれば、機器から発せられた作動音の音響波形を予め設定した時間毎に波形分布解析し、その解析結果振幅分布から算出した尖度で定義する音響特徴値を判別するので、作動音の強弱差とそのピッチが正常時と比較されて、突発的な変化、不連続な変化をする対象機器の非定常の異常音の検知ができる。
【００９１】
図９は、本発明の第７の実施形態の構成及びデータ処理手順を示す概念図である。
【００９２】
図９に示すように、この第７の実施形態は、音響波形ＳＤを収集する手段１０と、バンドパスフィルタを備えた解析周波数帯設定手段９１と、設定された周波数帯ｆｉの音響波形が入力され、その振幅分布度数を解析する波形分布解析手段９２から成る解析手段９０と、この解析された振幅分布度数から尖度を算出する尖度算出手段９４及び設定される前記周波数帯ｆｉを順次変化させて算出された尖度の平均値Ｔｆ　を算出し音響特徴値とする尖度平均値算出手段９５とから成る音響特徴化手段９３と、音響特徴値が蓄積される音響データベース１６と、音響特徴値を比較する音響特徴比較手段９７と、この音響特徴比較手段９７の出力を基準値と比較する判定手段９８と、この判定手段９８の出力を表示する表示手段１９とを具備している。
【００９３】
第７の実施形態の動作は、図９に図示したように、音響波形ＳＤを収集する手段１０により、対象となる稼動中の機器から発生している動作音の時刻ｔ＝ｔｊ−１から時刻ｔ＝ｔｊまでの音響波形ＳＤｊを収集する。この収集された音響波形ＳＤｊが、予め区分して設定されている解析周波数帯域ｆｉのバンドパスフィルタ９１により帯域ｆｉの範囲外の周波数を除外して（ステップＳ９１）、解析手段９０に設けられる波形分布解析手段９２に入力される。
【００９４】
波形分布解析手段９２が、ステップＳ９２で、音響波形ＳＤｊの周波数帯ｆｉの範囲における振幅分布度数を算出し、出力する。
【００９５】
この振幅分布度数が音響特徴化手段９３に入力され、音響波形ＳＤｊの周波数帯ｆｉの尖度ｔｆ　ｉ　が尖度算出手段９４により算出される。算出された尖度ｔｆ　ｉは、ステップＳ９４ａで、平均値処理のため、尖度平均値算出手段９５に一時的に記憶される。
【００９６】
一方、ステップＳ９４で、周波数帯ｆｉを次に進めて、進めた周波数帯が予め設定した範囲内であれば、ステップＳ９１に戻り次の異なる周波数帯ｆｉ＋１　を設定して、再び解析周波数設定バンドパスフィルタ９１により、周波数帯ｆｉ＋１の範囲外の周波数を除外して、波形分布解析手段９２及び尖度算出手段９４により周波数帯ｆｉ＋１の尖度ｔｆｉ＋１を算出し、尖度平均値算出手段９５に一時的に記憶される（ステップＳ９４ａ）。予め設定した周波数帯ｆｎまで、各周波数帯の波形分布解析が順次行われて、各周波数帯毎の尖度ｔｆ　ｉ　の算出を終了する。
【００９７】
この各周波数帯毎の尖度ｔｆ　ｉ　の算出が終了すると、音響特徴化手段９３の尖度平均値算出手段９５により、時刻ｔ＝ｔｊ−１から時刻ｔ＝ｔｊまでの時間の各周波数帯ｆｉにおける尖度ｔｆ　ｉ　の平均値Ｔｆ　ｉ　が算出される。この算出された平均値Ｔｆ　ｉ　は、音響特徴値Ｓとして、ステップＳ９５ａで、音響データベース１６に格納記憶されると共に、ステップＳ９５で、次段の音響特徴比較手段９７に入力される。
【００９８】
なお、音響データベース１６には、機器の標準音響特徴値Ｓｔｆｓｄ、または正常作動時に記憶保存した音響特徴値Ｓｔｆｎの機器の正常音の音響特徴値Ｓ＝［Ｔｆ］が記憶保存されている。
【００９９】
次に、音響特徴比較手段９７は、先ず、ステップＳ９５で、時刻ｔ＝ｔｊにおける音響特徴値Ｓｊ＝［Ｔｆ　ｊ］が、音響特徴化手段９３から入力され、ステップＳ９６で、音響データベース１６から標準音響特徴値Ｓｔｆｓｄ、または正常時の音響特徴値Ｓｔｆｎの正常音響特徴値Ｓ＝［Ｔｆ］が読込まれて、音響特徴値偏差値Ｂｔｆｊ　＝√（Ｔｆ　ｊ　−Ｔｆ）２を算出する。
【０１００】
その算出結果Ｂｔｆｊが、判定手段９８に入力され、音響データベース１６に閾値データとして予め決定されて記憶保存される異常音判定閾値ＡｔｆをステップＳ９７で読込み、ステップＳ９８で異常音判定閾値ＡｔｆとＢｔｆｊが比較されて、時刻ｔ＝ｔｊの機器からの音響波形が正常音或いは異常音かが判定される。
【０１０１】
この判定結果が、表示手段１９で表示されて、報知される。
【０１０２】
この第７の実施形態によれば、機器から発せられた作動音の音響波形を予め設定した周波数帯域毎に、ＲＭＳ解析し、その解析結果から算出したＲＭＳ値の平均値を音響特徴値Ｒｆとしているので、対象機器の作動回転数や作動速度などの音響周波数の変化を伴う動作音の強弱差とそのピッチが、正常音と比較されて、異常音の検知ができる。また、音響波形の取り込み周期を短い時間に設定することにより、断続的な振幅変化を伴う非定常音を、その雑音を除去し精度良く検出できる。
【０１０３】
【発明の効果】
以上、説明したように本発明の異常音検出装置によれば、作動している機器からの動作音の音響波形を、周波数、音圧、時間的存在関係及び波形分布の尖度などの多面的な特徴を抽出するファーストフーリェ変換解析、ウェーブレット変換解析、ＲＭＳ解析及び波形分布解析の解析結果から音響特徴値として数値化し、音響波形の状態を捕捉するので、音響データベースに格納した正常音に対応する音響特徴値データと比較して、異常音の判定ができる。
【０１０４】
本発明の異常音検出装置は、機器の作動音を逐次解析し、異常音の判定を連続して行うので、保安員の巡回に依らず、また従来の巡回による異常音検出では困難であった、機器の異常音の常時検出を行うことができる、また検出結果の表示手段を機器の位置によらず設置できるので、遠隔地において異常音の発生を知ることができる。
【０１０５】
また、異常音検出は判定手段において基準データと比較して行うので、判定比較データの作成・設定を蓄積された過去の音響特徴値データを参照し、その判定基準値を段階的に設定して、異常音発生の予知、及び異常のレベルなどの判定も可能となる。
【図面の簡単な説明】
【図１】本発明の第１の実施形態の全体構成を示すブロック図。
【図２】本発明の第２の実施形態の全体構成を示すブロック図。
【図３】本発明の第２の実施形態の音響特徴化手段以降に行われる処理を概念的に示すフロー図。
【図４】本発明の第３の実施形態の構成及びデータ処理手順を示す概念図。
【図５】本発明の第４の実施形態の構成及びデータ処理手順を示す概念図。
【図６】本発明の第４の実施形態の異なる解析時間を概念的に示す図。
【図７】本発明の第５の実施形態の構成及びデータ処理手順を示す概念図。
【図８】本発明の第６の実施形態の構成及びデータ処理手順を示す概念図。
【図９】本発明の第７の実施形態の構成及びデータ処理手順を示す概念図。
【符号の説明】
１０・・・音響波形収集手段、
１１・・・ファーストフーリェ（ＦＦＴ）変換解析手段、
１２、４２・・・ウェーブレット変換解析手段、
１３、７２・・・実効値（ＲＭＳ）解析手段、
１４、８２、９２・・・波形分布解析手段、
１５、２５、４３、５３、７３、８３、９３・・・音響特徴化手段、
１６・・・音響データベース、
１７、２７、４７、５７、７７、８７、９７・・・音響特徴比較手段、
１８、２８、４８、５８、７８、８８、９８・・・判定手段、
１９、２９・・・表示手段、
２０、４０、５０、７０、８０、９０・・・解析手段、
２１・・・ＦＦＴ積分値算出手段、
２２ａ、４４・・・ウェーブレット周波数帯変動値算出手段、
２２ｂ、４５・・・周波数帯変動平均値算出手段、
２３ａ、５３ａ、５３ｂ・・・ＲＭＳ標準偏差値算出手段、
２３ｂ、５４・・・ＲＭＳ比算出手段、
２４ａ、８４、９４・・・尖度算出手段、
２４ｂ、８５、９５・・・尖度平均値算出手段、
２５ａ・・・音響特徴化算出手段、
４１、７１、９１・・・周波数帯設定手段（バンドパスフィルタ）、
５１・・・解析時間設定手段、
５２ａ・・・第１（短時間）のＲＭＳ解析手段、
５２ｂ・・・第２（長時間）のＲＭＳ解析手段、
５５・・・ＲＭＳ比平均値算出手段、
７５・・・ＲＭＳ値平均値算出手段。[0001]
TECHNICAL FIELD OF THE INVENTION
The present invention relates to an abnormal sound detection device that detects an abnormal condition of a device during operation of the device based on an acoustic vibration wave emitted from an operation unit included in the device, that is, an operation sound.
[0002]
[Prior art]
In general, when an abnormal sound is generated in a plant or its equipment, the sound or vibration generated during the operation of these equipment often changes, and a method of periodically monitoring the vibration and detecting the abnormal sound is used. Conventionally, the analysis of these vibrations uses an analysis method such as a Fast Fourier Transform, and the vibration measurement requires a detector to be installed in the target device, so the target is limited (for example, See Patent Document 1.).
[0003]
On the other hand, in a plant or other equipment, an abnormality of the equipment is often detected by an abnormal sound felt by a maintenance staff during patrol. However, the recognition of the presence / absence of a device abnormality by sound depends on the skill level of maintenance personnel. In the field of acoustic technology, research and technology related to noise have been improved, but the technology of acoustic recognition in the event of abnormalities in equipment that maintenance personnel can perceive is still under development. ing.
[0004]
[Patent Document 1]
JP 2001-255241 A
[0005]
[Problems to be solved by the invention]
The sound is one of the device information obtained without contacting the target device, and is obtained without contact, and thus includes a lot of surrounding and unnecessary information. Therefore, from this feature, when a maintenance person recognizes an abnormal sound during patrol in a plant, a detailed investigation is performed to identify an abnormal location or an abnormal event. The sound elements recognized by the maintenance staff are classified into pitch (frequency), loudness (sound pressure), time change of sound (sound quality), and sound position (sound source). Is deeply related to the abnormal location, and the other three relate to abnormal events. The characteristics of frequency and sound pressure have been elucidated by analysis using conventional methods. However, with respect to the time change, there are many unknown parts, and it has been difficult to take this into consideration as an element for determining whether the sound is abnormal. In order to recognize an abnormal sound by sound like a maintenance person, it is necessary to establish a method of recognizing the abnormal sound by capturing a time change of the sound.
[0006]
Further, in the conventional recognition of abnormal sounds by patrols by maintenance personnel, there is a serious problem in that an abnormal state is left until the timing of patrol after the occurrence of an abnormality. In addition to the above-described problem that requires the skill of a maintenance person, detecting an abnormal sound earlier is also a problem to be solved.
[0007]
The present invention has been made in view of the above problems, and provides an abnormal sound detection device that detects an abnormal sound by sequentially judging an acoustic waveform of an operation sound emitted from a device regardless of patrol of a maintenance person. The purpose is to:
[0008]
[Means for Solving the Problems]
The abnormal sound detection device of the present invention includes a unit for collecting an acoustic waveform, a unit for performing a fast Fourier transform analysis of the collected acoustic waveform, a unit for performing a wavelet transform analysis of the acoustic waveform, and an effective value of the acoustic waveform. Means for performing analysis, means for performing waveform distribution analysis of the acoustic waveform, analysis results of the fast Fourier transform analysis means, analysis results of the wavelet transform analysis means, analysis results of the effective value analysis means, and the waveform distribution An acoustic characterization unit that digitizes the analysis result of the analysis unit, and a first acoustic characterization value that is quantified and output by the acoustic characterization unit and a second predetermined acoustic characterization value are compared. An acoustic feature comparing means for comparing the result of the acoustic feature comparing means with a preset reference value to determine an abnormal sound; It is characterized in that formed by and a display means for.
[0009]
Further, the abnormal sound detection device of the present invention includes a means for collecting an acoustic waveform, a Fast Fourier Transform analysis of the collected acoustic waveform, and a Fast Fourier Transform analysis integral value calculating means for integrating the analysis result. Wavelet transform analysis of a waveform, a wavelet variation average value calculation means for calculating an average value of the variation value of the analysis result, and an effective value analysis of the acoustic waveform at different analysis time intervals, and a standard deviation of an effective value of the analysis result An effective value ratio calculating means for calculating the respective values and calculating a ratio of the standard deviation value of the effective value under different analysis conditions, and a waveform distribution analysis of the acoustic waveform, and calculating an average value of kurtosis of the analysis result. A waveform distribution kurtosis average value calculating means, an integrated value output from the fast Fourier transform analysis integrated value calculating means, and a wavelet variation average value calculating means. A first average value output from the mean value of the wavelet fluctuation, the average value of the effective value ratio output from the average value calculating unit, and the kurtosis average value output from the average value calculation unit. An acoustic characterization means for calculating an acoustic characterization numerical value, an acoustic database for storing and holding a preset second acoustic characterization numerical value, the calculated first acoustic characterization numerical value and the second acoustic Acoustic feature comparison means for comparing and calculating the characterizing values, a determination means for comparing an output of the acoustic feature comparison means with a preset reference value to determine an abnormal sound, and a display for displaying a result of the determination means It is characterized by comprising means.
[0010]
In addition, the abnormal sound detection device of the present invention includes a unit that collects an acoustic waveform, a unit that sets a frequency range of the collected acoustic waveform to a plurality of predetermined frequency bands, and a plurality of frequency bands. Means for performing a wavelet transform analysis on the set acoustic waveform, and a first wavelet acoustic characterization variation obtained by averaging a variation value of each frequency band obtained by multiplying a variation cycle and a variation width from the analysis result of the wavelet transform analysis. An acoustic characterization means for calculating a value, an acoustic database for storing and holding a preset second wavelet acoustic characterization variation value, and the second wavelet acoustic characterization variation value read and read out from the second An acoustic feature comparing means for comparing and calculating the wavelet acoustic characterization variation value of the above, and a result of the acoustic feature comparing means and a preset reference value. Judging means for judging abnormal sound and compare and is characterized by comprising comprises a display means for displaying the judgment result of the judging means.
[0011]
Further, the abnormal sound detection device of the present invention includes a means for collecting an acoustic waveform, a first and a second effective value analyzing means for performing an effective value analysis of the collected acoustic waveform at different analysis time intervals, First and second effective value standard deviation calculating means for calculating respective standard deviation values from the analysis result of the effective value analysis, and two effective value standard values calculated by the two effective value standard deviation calculating means An effective value ratio calculating means for calculating a ratio of the deviation values, an acoustic characterizing means for calculating a first acoustic characteristic effective value ratio from a result of the effective value ratio calculating means, and a second predetermined acoustic characteristic An acoustic database for storing and holding the normalized effective value ratio; an acoustic feature comparing means for comparing and calculating the calculated first acoustic feature effective value ratio and the read second acoustic feature effective value ratio; The result of the acoustic feature comparison means and the preset Judging means for judging abnormal sound by comparing the reference value and is characterized by comprising comprises a display means for displaying the judgment result of the judging means.
[0012]
In addition, the abnormal sound detection device of the present invention includes a unit for collecting an acoustic waveform, a unit for setting a frequency range of the collected acoustic waveform to a plurality of predetermined frequency bands, and a unit for setting each of the frequency bands. Means for outputting an effective value of the obtained acoustic waveform at predetermined time intervals, and calculating a first acoustic characteristic effective value obtained by averaging the effective values in each frequency band output from the effective value analyzing means. An acoustic characterization means, an acoustic database for storing and holding a preset second acoustic characterization effective value, and the calculated first acoustic characterization effective value and the read second acoustic characterization effective value Acoustic feature comparing means for comparing and calculating values, determining means for comparing the result of the acoustic feature comparing means with a preset reference value to determine an abnormal sound, and display means for displaying the determination result of the determining means To It is characterized in that formed by Bei.
[0013]
Further, the abnormal sound detection device of the present invention includes: a means for collecting an acoustic waveform; a waveform distribution analyzing means for calculating an amplitude distribution frequency at a first predetermined time interval; A kurtosis calculating means for calculating a kurtosis from a frequency, and a sound for calculating a first acoustic characteristic kurtosis by averaging the kurtosis at a second predetermined time interval longer than the first predetermined time interval. A characterization means, an acoustic database for storing and holding a preset second acoustic characterization kurtosis, and the calculated first acoustic characterization kurtosis and the read second acoustic characterization kurtosis. An acoustic feature comparing means for comparing and calculating; a determining means for comparing the result of the acoustic feature comparing means with a preset reference value to determine an abnormal sound; and a display means for displaying the determination result of the determining means. It is characterized by comprising.
[0014]
In addition, the abnormal sound detection device of the present invention includes a unit for collecting an acoustic waveform, a unit for setting a frequency range of the collected acoustic waveform to a plurality of predetermined frequency bands, and a unit for setting each of the frequency bands. The obtained acoustic waveform, the kurtosis was calculated from the amplitude distribution frequency in each frequency band output from the waveform distribution analysis means for calculating the amplitude distribution frequency at predetermined time intervals, and the average was calculated. An acoustic characterization unit that calculates a first acoustic characterization frequency kurtosis, an acoustic database that stores and holds a preset second acoustic characterization frequency kurtosis, and a calculated first acoustic characterization frequency. An acoustic feature comparing means for comparing and calculating the kurtosis and the read second acoustic characterization frequency kurtosis; and comparing the result of the acoustic feature comparing means with a preset reference value to determine an abnormal sound. A constant section and is characterized by comprising comprises a display means for displaying the judgment result of the judging means.
[0015]
Further, in the abnormal sound detection device according to the present invention, the acoustic waveform is an acoustic waveform during operation of the device, and the second acoustic characterization value is an acoustic waveform collected from the normally operating device. The acoustic characterization numerical value calculated based on the analysis result is stored and held in the acoustic database in advance, and the acoustic characteristic comparing means calculates the first acoustic characterization numerical value with respect to the second acoustic characterization numerical value. It is characterized in that a deviation value is calculated and output.
[0016]
BEST MODE FOR CARRYING OUT THE INVENTION
Hereinafter, embodiments of the present invention will be described in detail with reference to the drawings. Note that the same or corresponding parts in the drawings are denoted by the same reference numerals.
[0017]
FIG. 1 is a block diagram showing the entire configuration of the abnormal sound detection device according to the first embodiment of the present invention.
[0018]
As shown in FIG. 1, a first embodiment includes a means 10 for collecting an acoustic waveform SD, a fast Fourier transform (hereinafter abbreviated as FFT) analyzing means 11, a wavelet transform analyzing means 12, an effective value (hereinafter RMS) Analysis means 20 comprising analysis means 13 and waveform distribution analysis means 14, acoustic characterization means 15 for quantifying the analysis results of analysis means 20, and analysis results output from acoustic characterization means 15 A sound database 16 in which data obtained by digitizing the data and data obtained by converting the sound characteristics of the normal operation of the device into a numerical value are stored; an acoustic feature comparing means 17 for comparing the two digitized data; The output means 17 comprises a judgment means 18 for comparing the output of the signal 17 with a reference value to judge an abnormal sound, and a display means 19 for displaying the result.
[0019]
In the operation of the present embodiment, the operation sound generated by the target operating device is generated by the means 10 for collecting the acoustic waveform SD, for example, at time t = t. j-1 From time t = t j Are collected as an acoustic waveform SDj. This collection is performed sequentially.
[0020]
The collected acoustic waveform SDj is input to each analysis unit of the analysis unit 20, and the FFT analysis unit 11 performs the FFT analysis, the wavelet transform analysis unit 12 performs the wavelet transform analysis, the RMS analysis unit 13 performs the RMS analysis, and performs the waveform distribution. The analysis means 14 performs amplitude distribution analysis.
[0021]
The result of each analysis unit is converted into an acoustic feature value Scj representing an acoustic waveform SDj by the acoustic characterization unit 15. The acoustic feature value Scj is input to the acoustic database 16 and the acoustic feature comparing unit 17, respectively.
[0022]
The sound database 16 also collects a preset standard sound characteristic value Sc0 representing the sound waveform SD of the target device during normal operation or collected when the target device is operating normally. The acoustic feature value Sc0 ′ of the acoustic waveform SD0 output from the acoustic characterization unit 15 is stored in advance.
[0023]
Next, the acoustic feature value Scj calculated by the acoustic feature comparison unit 17 via the analysis unit 20 and the acoustic characterization unit 15 of the sequentially collected acoustic waveform SDj is used as the standard acoustic feature value Sc0 stored in the acoustic database 16. Alternatively, the sound feature value Sc0 ′ when the device operates normally is referred to and compared with this.
[0024]
The comparison result of the acoustic feature comparison unit 17 is input to the determination unit 18, and it is determined by the determination logic preset in the determination unit 18 whether the sequentially input acoustic feature value Scj corresponds to the normal sound of the device. . If it is determined that the sound does not correspond to the normal sound, “normal sound” is output. On the other hand, if it is determined that the sound does not correspond to the normal sound, “abnormal sound” is output and the result is displayed by the display unit 19. . In the case where a quantitative determination is made in the determination by the determination means 18, a determination reference threshold Ag serving as a reference for the determination is stored in the acoustic database 16 in advance, and the determination means 18 makes a determination by referring to this. Is done.
[0025]
The display means 19 can use not only the display by characters but also the display by sound and light such as red light and blinking.
[0026]
According to the first embodiment, the operating sound emitted from the device is subjected to FFT analysis, wavelet transform analysis, RMS analysis, and waveform distribution analysis of the acoustic waveform, and the frequency, sound pressure, temporal presence Multi-faceted analysis results such as the relationship and kurtosis of the waveform distribution are converted into acoustic feature values that represent the characteristics of the operation sound of the device, and this acoustic feature value is a change in the acoustic waveform that cannot be determined by a single analysis. Sound can also be captured. Further, the acoustic feature value sequentially calculated from the acoustic waveform of the operating sound generated from the current device and the acoustic feature value data corresponding to the normal sound stored in the acoustic database are compared by the acoustic feature comparing means. , A normal sound or an abnormal sound is determined, and the result can be displayed.
[0027]
In addition, in the conventional recognition of abnormal sound by maintenance personnel, the maintenance personnel went to the place where the equipment was installed and detected during patrol, but according to this embodiment, collection of acoustic waveforms, Each process of analysis, feature comparison, and determination is performed every moment while the target device is operating, and normal sound or abnormal sound can be detected and displayed in real time. Further, since the display means can be installed away from the acoustic waveform collection means, the abnormal sound can be known even in a remote place without going to the target device.
[0028]
FIG. 2 is a block diagram showing the entire configuration of the abnormal sound detection device according to the second embodiment of the present invention.
[0029]
In the second embodiment, as shown in FIG. 2, an analysis including an acoustic waveform SD collecting unit 10, an FFT analyzing unit 11, a wavelet transform analyzing unit 12, an RMS analyzing unit 13, and a waveform distribution analyzing unit 14 is performed. The means 20, the FFT integral value calculating means 21 for digitizing the acoustic waveform from the analysis result of the analyzing means 20, the wavelet frequency band fluctuation value calculating means 22a and the frequency band fluctuation average value calculating means 22b have different analysis times. RSM standard deviation value calculation means 23a for calculating the standard deviation value of each of the two RMS values, RMS ratio calculation means 23b for calculating the ratio of these two standard deviation values, kurtosis calculation means 24a and kurtosis calculation means for the waveform distribution. Sound characterization means 25 comprising a degree average value calculation means 24b, and sound data which accumulates sound feature values output from the sound characterization means 25a Source 16, an acoustic feature comparison unit 27 for calculating a deviation value of the acoustic feature value, a deviation value determination unit 28 for comparing the output of the acoustic feature comparison unit 27 with a determination threshold, and an output of the deviation value determination unit 28. And a display means 29 for displaying.
[0030]
The operation of the second embodiment is as follows. First, the operation sound generated from the target operating device is set to time t = t by the means 10 for collecting the acoustic waveform SD. j-1 From time t = t j Cycle T up to j Collected at.
[0031]
The analysis result of the FFT analysis unit 11 to which the acoustic waveform SDj has been input is input to the FFT integral value calculation unit 21, and an FFT integral value Fj obtained by integrating the FFT analysis result of the acoustic waveform SDj is output.
[0032]
The analysis result of the wavelet transform analysis unit 12 to which the acoustic waveform SDj is input is input to the wavelet frequency band variation value calculation unit 22a, and the variation value hi of each frequency band of the acoustic waveform SDj is calculated as the variation value hi = variation period. ti × fluctuation amplitude Ami, and the frequency band fluctuation average value calculating means 22b having the fluctuation value hi as an input. 0 = T j -T j-1 Is calculated as the fluctuation value average value Hj.
[0033]
The RMS analysis means 13 to which the acoustic waveform SDj is input is used to divide the RMS value obtained by analyzing the acoustic waveform SDj shown in FIG. 6A at different analysis time intervals, for example, the acoustic waveform SDj shown in FIG. Short time interval T n The short-time RMS value analyzed in n The longer time interval T divided into m as shown in FIG. m The long-term RMS values analyzed in the above are sequentially calculated.
[0034]
Next, the RMS standard deviation value calculation means 23a calculates the standard deviation value of the calculated RMS values, that is, the short-time RMS standard deviation value and the long-time RMS standard deviation value, and further, the RMS ratio calculation means 23b An RMS ratio Rj, which is a ratio between the long-term RMS standard deviation value and the short-term RMS standard deviation value, is calculated.
[0035]
In the analysis of the waveform distribution analysis means 14 to which the acoustic waveform SDj is input, the time t = t which is a part of the acoustic waveform SDj i-1 From time t = t i The amplitude distribution frequency of the acoustic waveform SDi up to this is output. The amplitude distribution frequency is input to the waveform distribution kurtosis calculating means 24a, and the kurtosis ti of the waveform distribution of the acoustic waveform SDi is calculated. 0 = T j -T j-1 The kurtosis average value Tj based on the calculated k kurtosis ti is calculated.
[0036]
The acoustic feature value calculating means 25a calculates each of the FFT integral value Fj, the average value Hj of the fluctuation value, the average value Rj of the RMS ratio, and the kurtosis average value Tj calculated from the results of these analyzing means as the acoustic waveform SDj. Is output as an acoustic feature value S representing the characteristic of. The acoustic feature value S is defined as a function of the FFT integral value F, the variation value average value H, the RMS ratio average value R, the kurtosis average value T, or a numerical sequence based on these functions. = [F, H, R, T].
[0037]
Therefore, this acoustic feature value Sj = [Fj, Hj, Rj, Tj] is obtained from the average value calculation means 22b, 23b, 24b of each analysis at time t = t. j And input to the acoustic database 16 and the acoustic feature comparing means 27, respectively.
[0038]
The operation of the acoustic feature comparing means 27 and the deviation value determining means 28 will be described with reference to the flow chart of FIG. 3 which conceptually shows the processing performed after the above-described acoustic characterization means 25.
[0039]
In the acoustic feature value conversion means 27, the time t = t j The FFT integral value Fj, the frequency band variation average value Hj, the RMS ratio average value Rj, and the kurtosis average value Tj of the acoustic feature value Sj in the standard acoustic feature value S of the device stored in the acoustic database 16. sd Or the acoustic feature value S stored and stored during normal operation n Is compared with the sound feature value S = [F, H, R, T] of the normal sound.
[0040]
In this comparison, as shown in FIG. 3, in the acoustic feature comparison means 27, first, at step S31, time t = t j The acoustic feature value Sj = [Fj, Hj, Rj, Tj] at step S32 is input from the acoustic feature characterizing means 25, and then the standard acoustic feature value S sd , Or the acoustic feature value S in the normal state n [F, H, R, T] is read, and in step S33, the acoustic feature value deviation value Bj = √ (Fj−F) 2 + (Hj-H) 2 + (Rj-R) 2 + (Tj-T) 2 Is calculated.
[0041]
Next, the calculation result Bj is inputted to the deviation value judging means 28, and an abnormal sound judgment threshold value A which is determined in advance in step S34 and stored and stored as threshold data in the sound database 16 is read. Are compared at time t = t j The sound waveform from the device is determined to be normal sound or abnormal sound.
[0042]
This determination result is displayed on the display means 29 and reported.
[0043]
According to the second embodiment, the acoustic waveform of the operation sound emitted from the device is analyzed by FFT analysis, wavelet transform analysis, RMS analysis, and waveform distribution analysis, and the acoustic feature value S is defined from the analysis result. Then, as the deviation value B that characterizes the operating state of the device such as frequency, sound pressure, temporal existence relationship, and the kurtosis of the waveform distribution with respect to the acoustic feature value Sn during normal operation, is detected. It is possible to detect abnormal sounds emitted when various abnormalities of the device occur.
[0044]
In order to set the judgment rank of the qualitative judgment, for example, “normal sound”, “pseudo abnormal sound”, “abnormal sound”, etc., in the judging means 28, the first abnormal sound judging threshold A1 in two stages and A second abnormal sound determination threshold value A2 is set in advance, and when the threshold value is equal to or less than the first threshold value, a "normal sound" is obtained. Is determined to be “abnormal sound” when the value is equal to or more than the second threshold value.
[0045]
As described above, when a plurality of determination thresholds are provided, the determination is performed in several stages, and therefore, depending on the output range of the acoustic feature comparison unit 27, abnormal sounds other than normal sounds are referred to as “pseudo abnormal sounds” and “ There is an advantage that the rank can be determined as "abnormal sound".
[0046]
FIG. 4 is a conceptual diagram showing a configuration and a data processing procedure according to the third embodiment of the present invention.
[0047]
In the third embodiment, as shown in FIG. 4, a means 10 for collecting an acoustic waveform, a frequency band setting means (band-pass filter) 41, and a wavelet transform analysis means 42 for calculating a fluctuation period and a fluctuation amplitude. Analysis means 40; means 44 for calculating a variation value of each frequency band fi from the wavelet analysis result; means 45 for averaging and numerically averaging the output; An acoustic database 16 in which values are stored, an acoustic feature comparing means 47 for comparing acoustic feature values, a means 48 for comparing an output of the acoustic feature comparing means 47 with a reference value, and an output of the determining means 48 And a display means 19 for displaying.
[0048]
In the operation of the third embodiment, the operation sound generated from the target operating device is changed to time t = t by the means 10 for collecting the acoustic waveform SD. j-1 From time t = t j Are collected and input to a frequency band setting means (band-pass filter) 41 for cutting out of the frequency range designated by the analyzing means 40.
[0049]
The frequency band fi set by the frequency setting means 41 is composed of n divided frequency bands including a preset maximum frequency band fn.
[0050]
First, time t = t j-1 From time t = t j The acoustic waveform SDj collected up to this point is input to a frequency band setting means (bandpass filter) 41 set to a frequency band fi, the output of which is analyzed by a wavelet transform analysis means 42, and the fluctuation cycle of the analysis result for the frequency band f The ti and the fluctuation amplitude Ami are output (step S41).
[0051]
Next, a fluctuation value hi = ti × Ami is calculated by the fluctuation value calculation means 44 of the acoustic characterization means 43. This calculation result hi is temporarily stored in the fluctuation value average value calculating means 45 for calculating the fluctuation value average value in step S42.
[0052]
On the other hand, when the fluctuation value hi of the frequency band fi is calculated, the setting of the frequency band setting means (band-pass filter) 41 is changed to the frequency band next to the set frequency band fi in step S43, and step S41 is performed. When the calculation of the fluctuation value hi of the maximum frequency band fn is completed by repeating the steps of calculating the fluctuation value hi (step S44), the fluctuation value average value calculation means 45 calculates the time t = t. j-1 From time t = t j And the average value Hj of the fluctuation values hi of the acoustic waveform SDj collected.
[0053]
The calculated fluctuation value average value Hj is stored as acoustic feature value data Sh in the acoustic database 16 (step S45a), and is input to the acoustic feature comparison means 47 in the next stage (step S45).
[0054]
Note that the sound database 16 includes a standard sound feature value Sh of the device. sd Or the acoustic feature value Sh stored during normal operation n The acoustic feature value S = [H] of the normal sound of the device is stored and stored.
[0055]
Next, time t = t j Is first input from the fluctuation value average value calculation unit 45 of the sound characterization unit 43 in step S45, and the standard sound feature value Sh from the sound database 16 is input in step S46. sd , Or the sound feature value Sh in the normal state n Is read, and the acoustic feature comparing means 47 reads the acoustic feature value deviation value Bhj = √ (Hj−H). 2 Is calculated.
[0056]
The calculation result Bhj is input to the determination means 48, and an abnormal sound determination threshold Ah, which is determined and stored in advance as threshold data in the acoustic database 16, is read in step S48. In step S49, the abnormal sound determination thresholds Ah and Bhj Are compared at time t = t j The sound waveform from the device is determined to be normal sound or abnormal sound.
[0057]
This determination result is displayed on the display means 19 and reported.
[0058]
According to the third embodiment, the frequency change and the time change are simultaneously analyzed by the wavelet transform for the acoustic waveform of the operation sound emitted from the device for each preset frequency band. A fluctuation value H obtained by multiplying the fluctuation cycle and the fluctuation amplitude of the analysis result is defined as an acoustic characteristic value Sh, and the acoustic characteristic value Sh when the operation is normal is performed. n As compared with, an instantaneous change in the acoustic frequency as well as a temporal change in the acoustic waveform can be detected. Therefore, it is possible to detect a sudden change or a discontinuous change of the abnormal sound emitted at the time of various abnormalities of the device.
[0059]
Further, since a threshold value is provided for the determination, there is an advantage that the threshold value can be determined in several steps and the rank of the abnormal sound can be determined based on the deviation range.
[0060]
FIG. 5 is a conceptual diagram showing a configuration and a data processing procedure according to the fourth embodiment of the present invention.
[0061]
As shown in FIG. 5, the fourth embodiment includes a means 10 for collecting an acoustic waveform, an analysis time setting means 51, an analysis means 50 including two RMS analysis means 52a and 52b having different analysis times, A sound characterization means 53 for sequentially calculating the ratio r of the respective standard deviation values of the two RMS analysis results and outputting the average value R as a sound characteristic value at a predetermined time; A database 16, an acoustic feature comparing means 57 for comparing the output of the acoustic characterization means 53 with the acoustic feature value of the normal sound, a determining means 58 for comparing the output of the acoustic feature comparing means 57 with a reference value, And display means 19 for displaying the output of 58.
[0062]
In the operation of the fourth embodiment, the means 10 for collecting the acoustic waveform SD uses the time t = t of the operation sound generated from the target operating device. j-1 From time t = t j Are collected as the acoustic waveform SDj.
[0063]
As shown in FIG. 6A, the analysis time setting unit 51 sets the collection time t = t j-1 From time t = t j The first RMS analyzing means 52a and the second RMS analyzing means 52b provided in the analyzing means 50 and having different analysis time intervals convert the acoustic waveform SDj up to FIG. As shown in FIG. 6, the short-time RMS analysis is performed at a short time interval Tn of several milliseconds, for example, and the second RMS analysis unit 52b performs the long-time RMS analysis at a time interval Tm of several tens of milliseconds as shown in FIG. A time RMS analysis is performed to calculate a short-time RMS value and a long-time RMS value, respectively (steps S52a and S52b).
[0064]
The respective RMS values calculated at the two different time intervals are input to the acoustic characterization means 53, and the short-term RMS standard deviation value Va and the long-term RMS standard deviation value Vb are calculated in steps S53a and S53b. You. The deviation values Va and Vb are also calculated by the RMS ratio calculation means 54 provided in the acoustic characterization means 53, and the ratio of the deviation values is calculated. Vb is calculated. The calculated RMS ratio ri is temporarily stored in the RMS ratio average value calculating means 55 for calculating the average value thereof in step S54a.
[0065]
On the other hand, in step S54, the setting is advanced by the next analysis condition setting means 51, and the RMS ratio ri is sequentially calculated in steps S52 and S53. When the calculation of the RMS ratio rn of the last n-th analysis condition is completed, the RMS ratio average value calculation means 55 calculates the average value Rj of the RMS ratio ri of the acoustic waveform SDj. This average value Rj is stored as acoustic feature value data Sr in the acoustic database 16 in step S55a, and is input to the acoustic feature comparison means 57 in the next stage.
[0066]
Note that the sound database 16 includes a standard sound feature value Sr in a normal state of the device. sd Or the acoustic feature value Sr stored and stored during normal operation n The acoustic feature value S = [R] of the normal sound of the device is stored and stored.
[0067]
Next, in the acoustic feature comparing means 57, first, at step S56, time t = t j Is input from the RMS ratio average value calculating means 55 of the sound characterization means 53, and the standard sound feature value Sr is obtained from the sound database 16 in step S56. sd , Or the sound feature value Sr in the normal state n Is read, and the acoustic feature value deviation value Brj = √ (Rj−R) 2 Is calculated. The calculation result Brj is input to the determination means 58, and an abnormal sound determination threshold Ar which is determined and stored in advance as threshold data in the acoustic database 16 is read in step S57, and is compared with Brj in step S58. Time t = t j It is determined whether the acoustic waveform from the device is a normal sound or an abnormal sound.
[0068]
This determination result is displayed on the display means 19 and reported.
[0069]
According to the fourth embodiment, the acoustic waveform of the operation sound emitted from the device is analyzed at different preset time intervals at different RMS analysis times, and defined by the ratio of the standard deviation calculated from the analysis result. Since the acoustic feature value R is made into a dimension, it is possible to detect an abnormal sound which is not affected by a change in sound pressure caused by a distance between the target device and the detector or a condition for collecting operation sound. Since the RMS analysis of the acoustic waveform is performed, an abnormal sound accompanied by a change in amplitude can be detected.
[0070]
FIG. 7 is a conceptual diagram showing a configuration and a data processing procedure according to the fifth embodiment of the present invention.
[0071]
As shown in FIG. 7, in the fifth embodiment, a means 10 for collecting an acoustic waveform, an analysis frequency band setting means 71 provided with a band-pass filter, and an acoustic waveform in a set frequency band are analyzed. An analysis means 70 comprising an RMS analysis means 72 for sequentially calculating an RMS value, and an average of RMS values sequentially output by the analysis means 70 by sequentially changing the frequency band of the analysis frequency band setting means 71 to a preset frequency band. RMS value average value calculation means 75 for calculating a value, an audio characterization means 73 for outputting the average value as an audio characteristic value, an audio database 16 in which the audio characteristic values are stored, and an audio for comparing the audio characteristic values. It comprises a feature comparison unit 77, a determination unit 78 for comparing the output of the acoustic feature comparison unit 77 with a reference value, and a display unit 19 for displaying the output of the determination unit 78.
[0072]
In the operation of the fifth embodiment, as shown in FIG. 7, the operation sound generated from the target operating device is changed to time t = t by the means 10 for collecting the acoustic waveform SDj. j-1 From time t = t j Collect up to. The collected acoustic waveform is filtered by a band-pass filter of an analysis frequency band fi setting unit 71 which is set in advance to exclude frequencies outside the frequency band fi (step S71). It is input to the analysis means 72.
[0073]
The RMS analysis means 72 calculates an RMS value rfi of the acoustic waveform limited to the frequency band fi. In step S72a, the calculated RMS value rfi is temporarily stored in the acoustic characterization unit 73 in order to process the RMS value rfi.
[0074]
On the other hand, the next frequency band fi + 1 is set in step S72, the frequency outside the range of the band fi + 1 is excluded again by the bandpass filter 71, and the RMS analysis unit 72 calculates the RMS value rfi + 1 of the frequency band fi + 1. The calculated RMS value is also temporarily stored in the acoustic characterization unit 73. The RNS analysis is sequentially performed up to the preset frequency band fn, and the calculation of the RMS value rfi for each divided frequency band is completed.
[0075]
When the calculation of the RMS value rfi is completed, the RMS average value calculation means 75 of the acoustic characterization means 73 calculates the time t = t j-1 From time t = t j The average value Rfj of the RMS values rfi in each frequency band fi of the acoustic waveform SDj up to this is calculated. The average value Rfi is stored as an acoustic feature value in the acoustic database 16 in step S75a, and is also input to the acoustic feature comparison unit 77 in the next stage (step S75).
[0076]
The sound database 16 has a standard sound characteristic value Srf of the device. sd Or the acoustic feature value Srf stored and stored during normal operation n The acoustic feature value S = [Rf] of the normal sound of the device is stored and stored.
[0077]
Next, in step S75, the acoustic feature comparison means 77 firstly inputs the time t = t j Is input from the acoustic characterization means 73, and in step S76, the standard acoustic feature value Srf is obtained from the acoustic database 16. sd , Or the sound feature value Srf at normal time n Is read, and the acoustic feature comparing means 77 reads the acoustic feature value deviation value Brfj = √ (Rfj−Rf). 2 Is calculated.
[0078]
The calculation result Brf j is input to the determination means 78, and the abnormal sound determination threshold Arf which is predetermined and stored as threshold data in the acoustic database 16 is also read in step S77. Next, in step S78, the abnormal sound determination thresholds Arf and Brfj are compared, and the time t = t j It is determined whether the acoustic waveform from the device is a normal sound or an abnormal sound. This determination result is displayed on the display means 19 and reported.
[0079]
According to the fifth embodiment, the acoustic waveform of the operation sound emitted from the device is subjected to RMS analysis for each preset frequency band, and the average value of the RMS value calculated from the analysis result is used as the acoustic feature value Rf. Therefore, an abnormal sound accompanied by a change in the acoustic frequency such as the operating speed or the operating speed of the target device can be accurately detected by removing other noises. In addition, by setting the acquisition period of the acoustic waveform to a short time, an abnormal sound accompanied by intermittent amplitude changes can be detected.
[0080]
FIG. 8 is a conceptual diagram showing a configuration and a data processing procedure according to the sixth embodiment of the present invention.
[0081]
As shown in FIG. 8, in the sixth embodiment, the means 10 for collecting the acoustic waveform SD, the analysis time setting means 81, and the collected acoustic waveform are analyzed with the set analysis time, and the amplitude distribution An analyzing means 80 comprising a waveform distribution analyzing means 82 for calculating the frequency, a means 84 for sequentially calculating the kurtosis from the calculated amplitude distribution frequency, and a means 85 for calculating an average value T of the kurtosis at predetermined time intervals. An acoustic feature database 83 for storing acoustic feature values; an acoustic feature comparing unit 87 for comparing acoustic feature values output by the acoustic feature unit 83 with reference acoustic feature values; The determination unit 88 compares the output of the feature comparison unit 87 with a reference value, and the display unit 19 displays the output of the determination unit 88.
[0082]
In the operation of the sixth embodiment, the time t = t of the operation sound generated from the target operating device is obtained by the means 10 for collecting the acoustic waveform SD. j-1 From time t = t j Sound waveforms SDj up to are collected (step S81).
[0083]
Time t = t j-1 From time t = t j T = t when the acoustic waveform SDj collected up to i-1 From time t = t i The waveform distribution analysis means 82 provided in the analysis means 80 performs the waveform distribution analysis to calculate the amplitude distribution frequency for each time Pi up to (Step S82).
[0084]
The calculated amplitude distribution frequency is input to the kurtosis calculation means 84 of the acoustic characterization means 83, and the kurtosis ti of the time Pi is calculated. The calculated kurtosis ti is temporarily stored in the kurtosis average value calculation means 85 for calculating the kurtosis average value in step S84a. The kurtosis ti calculated here is zero when the amplitude distribution is a normal distribution, becomes a positive value when the degree of concentration at the center is higher and sharper than the normal distribution, and is wider than the normal distribution. When it is flat, it has a negative value.
[0085]
On the other hand, in step S84, the setting of the setting means 81 is advanced to the next analysis time of each of the n divided times Pi, and the step S82 and the kurtosis calculating means 83 are repeated to calculate the kurtosis ti in sequence. Is temporarily stored in the kurtosis average value calculating means 85. When the calculation of the kurtosis tn of the last analysis time Pn is completed, the kurtosis average value calculating means 85 calculates the average value Tj of the kurtosis ti of the acoustic waveform collected at each time Pi. This average value Tj is stored as acoustic feature value data St in the acoustic database 16 in step S85a, and is also input to the acoustic feature comparison means 87 in the next stage (step S85).
[0086]
Note that the sound database 16 includes a standard sound feature value St of the device. sd Or the acoustic feature value St stored and stored during normal operation n The acoustic feature value S = [T] of the normal sound of the device is stored and stored.
[0087]
Next, in step S85, the acoustic feature comparison means 87 first inputs the time t = t j Are input from the acoustic characterization means 83, and in step S86, the standard acoustic feature value St is obtained from the acoustic database 16. sd , Or the sound feature value St in the normal state n Is read, and the acoustic feature value deviation value Btj = √ (Tj−T) 2 Is calculated.
[0088]
The calculation result Btj is input to the determination means 88, and the abnormal sound determination threshold At which is predetermined and stored in the acoustic database 16 as threshold data is also read in step S87. Next, in step S88, the abnormal sound determination threshold value At and Btj are compared, and the time t = t j It is determined whether the acoustic waveform from the device is a normal sound or an abnormal sound.
[0089]
This determination result is displayed on the display means 19 and reported.
[0090]
According to the sixth embodiment, the acoustic distribution of the operating sound emitted from the device is analyzed at predetermined intervals, and the acoustic characteristic value defined by the kurtosis calculated from the analysis result amplitude distribution is determined. Therefore, the intensity difference of the operation sound and the pitch thereof are compared with those in the normal state, and the unusual abnormal sound of the target device that undergoes a sudden change or a discontinuous change can be detected.
[0091]
FIG. 9 is a conceptual diagram showing a configuration and a data processing procedure according to the seventh embodiment of the present invention.
[0092]
As shown in FIG. 9, in the seventh embodiment, a means 10 for collecting an acoustic waveform SD, an analysis frequency band setting means 91 having a band-pass filter, and an acoustic waveform of a set frequency band fi are input. The analysis means 90 comprising a waveform distribution analysis means 92 for analyzing the amplitude distribution frequency, the kurtosis calculation means 94 for calculating the kurtosis from the analyzed amplitude distribution frequency, and the set frequency band fi are sequentially changed. An acoustic characterization means 93 comprising kurtosis average value calculating means 95 for calculating an average value Tf of the kurtosis calculated as the acoustic characteristic value, an acoustic database 16 in which acoustic characteristic values are stored, an acoustic characteristic An acoustic feature comparing means 97 for comparing values, a judging means 98 for comparing an output of the acoustic feature comparing means 97 with a reference value, and a display means 19 for displaying an output of the judging means 98 are provided. .
[0093]
In the operation of the seventh embodiment, as shown in FIG. 9, the time t = t of the operation sound generated from the target operating device is obtained by the means 10 for collecting the acoustic waveform SD. j-1 From time t = t j Are collected. The collected acoustic waveform SDj is filtered by the band-pass filter 91 of the analysis frequency band fi set in advance to exclude frequencies outside the range of the band fi (step S91), and the waveform provided in the analysis unit 90 is obtained. It is input to the distribution analysis means 92.
[0094]
In step S92, the waveform distribution analysis means 92 calculates and outputs an amplitude distribution frequency in the range of the frequency band fi of the acoustic waveform SDj.
[0095]
The amplitude distribution frequency is input to the acoustic characterization unit 93, and the kurtosis tfi of the frequency band fi of the acoustic waveform SDj is calculated by the kurtosis calculation unit 94. The calculated kurtosis tfi is temporarily stored in the kurtosis average value calculation means 95 for averaging in step S94a.
[0096]
On the other hand, in step S94, the frequency band fi is advanced next, and if the advanced frequency band is within the preset range, the process returns to step S91, where the next different frequency band fi + 1 is set, and the analysis frequency setting band pass is again performed. The filter 91 excludes frequencies outside the range of the frequency band fi + 1, calculates the kurtosis tfi + 1 of the frequency band fi + 1 by the waveform distribution analysis means 92 and the kurtosis calculation means 94, and temporarily stores the kurtosis average value calculation means 95 in the kurtosis average value calculation means 95. (Step S94a). The waveform distribution analysis of each frequency band is sequentially performed up to the frequency band fn set in advance, and the calculation of the kurtosis tfi for each frequency band ends.
[0097]
When the calculation of the kurtosis tfi for each frequency band is completed, the kurtosis average value calculation means 95 of the acoustic characterization means 93 calculates the time t = t j-1 From time t = t j The average value Tfi of the kurtosis tfi in each frequency band fi during the time up to is calculated. The calculated average value Tfi is stored as an acoustic feature value S in the acoustic database 16 in step S95a, and is input to the acoustic feature comparing means 97 in the next stage in step S95.
[0098]
Note that the sound database 16 includes a standard sound feature value Stf of the device. sd Or the acoustic feature value Stf stored and stored during normal operation n The acoustic feature value S = [Tf] of the normal sound of the device is stored and stored.
[0099]
Next, the acoustic feature comparing means 97 firstly, at step S95, time t = t j Are input from the sound characterization means 93, and in step S96, the standard sound feature value Stf is obtained from the sound database 16. sd , Or the acoustic feature value Stf at normal time n Is read, and the acoustic feature value deviation value Btfj = √ (Tfj−Tf) 2 Is calculated.
[0100]
The calculation result Btfj is input to the determination means 98, and the abnormal sound determination threshold value Atf which is predetermined and stored as threshold data in the acoustic database 16 is read in step S97, and the abnormal sound determination threshold values Atf and Btfj are determined in step S98. Time t = t j It is determined whether the acoustic waveform from the device is a normal sound or an abnormal sound.
[0101]
This determination result is displayed on the display means 19 and reported.
[0102]
According to the seventh embodiment, the acoustic waveform of the operating sound emitted from the device is subjected to RMS analysis for each preset frequency band, and the average value of the RMS values calculated from the analysis result is used as the acoustic feature value Rf. Therefore, the difference between the strength and the pitch of the operation sound accompanying a change in the acoustic frequency such as the operation rotation speed and the operation speed of the target device and the pitch thereof can be compared with the normal sound to detect the abnormal sound. In addition, by setting the acquisition period of the acoustic waveform to a short time, non-stationary sounds with intermittent amplitude changes can be accurately detected by removing the noise.
[0103]
【The invention's effect】
As described above, according to the abnormal sound detection device of the present invention, the acoustic waveform of the operation sound from the operating device is multifaceted such as frequency, sound pressure, temporal existence relation, and kurtosis of the waveform distribution. It converts the analysis results of Fast Fourier Transform Analysis, Wavelet Transform Analysis, RMS Analysis, and Waveform Distribution Analysis into numerical values as acoustic feature values and captures the state of the acoustic waveform. An abnormal sound can be determined in comparison with the acoustic feature value data.
[0104]
The abnormal sound detection device of the present invention sequentially analyzes the operation sound of the equipment and continuously performs the determination of the abnormal sound. Therefore, it is difficult to detect the abnormal sound by the conventional patrol regardless of the patrol of the security guard. In addition, the abnormal sound of the device can be constantly detected, and the display means of the detection result can be set regardless of the position of the device, so that the occurrence of the abnormal sound can be known at a remote place.
[0105]
Further, since the abnormal sound detection is performed by comparing with the reference data in the determination means, the generation / setting of the determination comparison data is referred to the accumulated acoustic feature value data, and the determination reference value is set step by step. It is also possible to predict the occurrence of abnormal sound and to determine the level of abnormality.
[Brief description of the drawings]
FIG. 1 is a block diagram showing an overall configuration of a first embodiment of the present invention.
FIG. 2 is a block diagram showing the overall configuration of a second embodiment of the present invention.
FIG. 3 is a flowchart conceptually showing processing performed after an acoustic characterization unit according to a second embodiment of the present invention.
FIG. 4 is a conceptual diagram showing a configuration and a data processing procedure according to a third embodiment of the present invention.
FIG. 5 is a conceptual diagram showing a configuration and a data processing procedure according to a fourth embodiment of the present invention.
FIG. 6 is a diagram conceptually showing different analysis times according to the fourth embodiment of the present invention.
FIG. 7 is a conceptual diagram showing a configuration and a data processing procedure according to a fifth embodiment of the present invention.
FIG. 8 is a conceptual diagram showing a configuration and a data processing procedure according to a sixth embodiment of the present invention.
FIG. 9 is a conceptual diagram showing a configuration and a data processing procedure according to a seventh embodiment of the present invention.
[Explanation of symbols]
10 ... Acoustic waveform collection means,
11 Fast Fourier (FFT) transform analysis means,
12, 42... Wavelet transform analysis means,
13, 72 ... RMS analysis means,
14, 82, 92 ... waveform distribution analysis means,
15, 25, 43, 53, 73, 83, 93 ... acoustic characterization means,
16 ・ ・ ・ Sound database,
17, 27, 47, 57, 77, 87, 97 ... acoustic feature comparison means,
18, 28, 48, 58, 78, 88, 98 ... determination means,
19, 29 ... display means,
20, 40, 50, 70, 80, 90 ... analysis means,
21 ... FFT integral value calculation means,
22a, 44... Wavelet frequency band fluctuation value calculation means,
22b, 45... Frequency band fluctuation average value calculation means,
23a, 53a, 53b ... RMS standard deviation value calculation means,
23b, 54 ... RMS ratio calculating means,
24a, 84, 94 ... kurtosis calculating means,
24b, 85, 95 ... kurtosis average value calculation means,
25a ... Acoustic characterization calculation means,
41, 71, 91 ... frequency band setting means (band-pass filter),
51 ... analysis time setting means
52a: first (short-time) RMS analysis means,
52b ... second (long time) RMS analysis means,
55 ... RMS ratio average value calculating means
75... RMS average value calculation means.

Claims (14)

音響波形を収集する手段と、
収集された音響波形のファーストフーリェ変換解析を行う手段と、
前記音響波形のウェーブレット変換解析を行う手段と、
前記音響波形の実効値解析を行う手段と、
前記音響波形の波形分布解析を行う手段と、
前記ファーストフーリェ変換解析手段の解析結果、前記ウェーブレット変換解析手段の解析結果、前記実効値解析手段の解析結果、及び前記波形分布解析手段の解析結果をそれぞれ数値化する音響特徴化手段と、
この音響特徴化手段で数値化され、出力される第１の音響特徴化数値と予め設定された第２の音響特徴化数値を比較する音響特徴比較手段と、
この音響特徴比較手段の結果を予め設定した基準値と比較して、異常音を判定する手段と、
この判定手段の判定結果を表示する表示手段とを具備して成ることを特徴とする異常音検出装置。Means for collecting an acoustic waveform;
Means for performing a fast Fourier transform analysis of the collected acoustic waveform;
Means for performing a wavelet transform analysis of the acoustic waveform,
Means for performing an effective value analysis of the acoustic waveform,
Means for performing a waveform distribution analysis of the acoustic waveform,
Acoustic characterization means for digitizing the analysis result of the first Fourier transform analysis means, the analysis result of the wavelet transform analysis means, the analysis result of the effective value analysis means, and the analysis result of the waveform distribution analysis means,
An acoustic feature comparison means for comparing the first acoustic characterization value quantified and output by the acoustic characterization means with a preset second acoustic characterization value,
Means for comparing the result of the acoustic feature comparison means with a preset reference value to determine an abnormal sound;
An abnormal sound detection device comprising: a display unit for displaying a result of the determination by the determination unit. 前記音響波形は、機器の動作中の音響波形であり、前記第２の音響特徴化数値は、正常に動作している前記機器から収集された音響波形の解析結果により算出された音響特徴化数値であることを特徴とする請求項１記載の異常音検出装置。The acoustic waveform is an acoustic waveform during operation of the device, and the second acoustic characterization value is an acoustic characterization value calculated from an analysis result of an acoustic waveform collected from the normally operating device. The abnormal sound detection device according to claim 1, wherein 音響波形を収集する手段と、
収集された前記音響波形をファーストフーリェ変換解析し、その解析結果を積分するファーストフーリェ変換解析積分値算出手段と、
前記音響波形をウェーブレット変換解析し、その解析結果の変動値の平均値を算出するウェーブレット変動平均値算出手段と、
前記音響波形を異なる解析時間間隔で実効値解析し、その解析結果の実効値の標準偏差値をそれぞれ算出し、異なる解析条件の前記実効値の標準偏差値の比を算出する実効値比算出手段と、
前記音響波形を波形分布解析し、その解析結果の尖度の平均値を算出する波形分布尖度平均値算出手段と、
前記ファーストフーリェ変換解析積分値算出手段から出力される積分値と、前記ウェーブレット変動平均値算出手段から出力されるウェーブレット変動平均値と、前記実効値比平均値算出手段から出力される実効値比平均値と、及び波形分布尖度平均値算出手段から出力される尖度平均値とから成る第１の音響特徴化数値を算出する音響特徴化手段と、
予め設定された第２の音響特徴化数値を記憶・保持する音響データベースと、前記算出した第１の音響特徴化数値と前記第２の音響特徴化数値を比較・演算する音響特徴比較手段と、
この音響特徴比較手段の出力と予め設定された基準値を比較して異常音を判定する判定手段と、
この判定手段の結果を表示する表示手段を具備して成ることを特徴とする異常音検出装置。Means for collecting an acoustic waveform;
Fast Fourier transform analysis of the collected acoustic waveform, Fast Fourier transform analysis integral value calculation means for integrating the analysis result,
Wavelet transform analysis of the acoustic waveform, a wavelet variation average value calculation means for calculating the average value of the variation value of the analysis result,
RMS value calculating means for performing RMS analysis of the acoustic waveform at different analysis time intervals, calculating respective standard deviation values of the RMS values of the analysis results, and calculating a ratio of the standard deviation values of the RMS values under different analysis conditions. When,
Waveform distribution analysis of the acoustic waveform, a waveform distribution kurtosis average value calculation means for calculating the average value of the kurtosis of the analysis result,
An integrated value output from the fast Fourier transform analysis integrated value calculating means, a wavelet fluctuation average value output from the wavelet fluctuation average value calculating means, and an effective value ratio average output from the effective value ratio average value calculating means. Sound characterization means for calculating a first sound characterization value comprising a value and a kurtosis average value output from the waveform distribution kurtosis average value calculation means;
An acoustic database that stores and holds a preset second acoustic characterization value, an acoustic feature comparison unit that compares and calculates the calculated first acoustic characterization value and the second acoustic characterization value,
Determining means for determining an abnormal sound by comparing an output of the acoustic feature comparing means with a preset reference value;
An abnormal sound detection device comprising a display means for displaying a result of the determination means. 前記音響波形は、機器の動作中の音響波形であり、前記第２の音響特徴化数値は、正常に動作している前記機器から収集された音響波形の解析結果により算出された音響特徴化数値が、予め前記音響データベスに記憶・保持されたものであり、前記音響特徴比較手段は、第２の音響特徴化数値に対する第１の音響特徴化数値の偏差値を算出し、出力するものであることを特徴とする請求項３記載の異常音検出装置。The acoustic waveform is an acoustic waveform during operation of the device, and the second acoustic characterization value is an acoustic characterization value calculated from an analysis result of an acoustic waveform collected from the normally operating device. Is stored and held in the acoustic database in advance, and the acoustic feature comparing means calculates and outputs a deviation value of the first acoustic characterization value from the second acoustic characterization value. The abnormal sound detection device according to claim 3, wherein: 音響波形を収集する手段と、
収集された前記音響波形の周波数範囲を予め設定した複数の周波数帯にそれぞれ設定する手段と、
複数のそれぞれの周波数帯に設定された音響波形に対し、ウェーブレット変換解析を行う手段と、
前記ウェーブレット変換解析の解析結果から、変動周期と変動幅を乗算した各周波数帯の変動値を平均した第１のウェーブレット音響特徴化変動値を算出する音響特徴化手段と、
予め設定された第２のウェーブレット音響特徴化変動値を記憶・保持する音響データベースと、
前記算出した第１のウェーブレット音響特徴化変動値と読み出した前記第２のウェーブレット音響特徴化変動値を比較・演算する音響特徴比較手段と、
この音響特徴比較手段の結果と予め設定された基準値を比較して異常音を判定する判定手段と、
この判定手段の判定結果を表示する表示手段を具備して成ることを特徴とする異常音検出装置。Means for collecting an acoustic waveform;
Means for setting the frequency range of the collected acoustic waveform to a plurality of preset frequency bands,
Means for performing wavelet transform analysis on acoustic waveforms set in a plurality of respective frequency bands,
An acoustic characterization unit that calculates a first wavelet acoustic characterization variation value by averaging the variation values of the respective frequency bands obtained by multiplying the variation period and the variation width from the analysis result of the wavelet transform analysis;
An acoustic database that stores and holds a preset second wavelet acoustic characterization variation value;
Acoustic feature comparison means for comparing and calculating the calculated first wavelet acoustic characterization variation value and the read second wavelet acoustic characterization variation value;
Determining means for comparing the result of the acoustic feature comparing means with a preset reference value to determine an abnormal sound;
An abnormal sound detection device comprising a display means for displaying a result of the determination by the determination means. 前記音響波形は、機器の動作中の音響波形であり、前記第２のウェーブレット音響特徴化変動値は、正常に動作している前記機器から収集された音響波形の解析結果により算出されたウェーブレット音響特徴化変動値が、予め前記音響データベスに記憶・保持されたものであり、前記音響特徴比較手段は、第２のウェーブレット音響特徴化変動値に対する第１のウェーブレット音響特徴化変動値の偏差値を算出し、出力するものであることを特徴とする請求項５記載の異常音検出装置。The acoustic waveform is an acoustic waveform during operation of a device, and the second wavelet acoustic characterization variation value is a wavelet acoustic calculated from an analysis result of an acoustic waveform collected from the normally operating device. The characterization variation value is stored and held in advance in the acoustic database, and the acoustic feature comparison means calculates a deviation value of the first wavelet acoustic characterization variation value with respect to the second wavelet acoustic characterization variation value. 6. The abnormal sound detecting device according to claim 5, wherein the abnormal sound is calculated and output. 音響波形を収集する手段と、
収集された前記音響波形を異なる解析時間間隔で実効値解析する第１及び第２の実効値解析手段と、
この２つの実効値解析の解析結果からそれぞれの標準偏差値を算出する第１の及び第２の実効値標準偏差値算出手段と、
この２つの実効値標準偏差値算出手段で算出された２つの実効値標準偏差値の比を算出する実効値比算出手段と、
この実効値比算出手段の結果から第１の音響特徴化実効値比を算出する音響特徴化手段と、
予め設定された第２の音響特徴化実効値比を記憶・保持する音響データベースと、
前記算出した第１の音響特徴化実効値比と読み出した前記第２の音響特徴化実効値比を比較・演算する音響特徴比較手段と、
この音響特徴比較手段の結果と予め設定された基準値を比較して異常音を判定する判定手段と、
この判定手段の判定結果を表示する表示手段を具備して成ることを特徴とする異常音検出装置。Means for collecting an acoustic waveform;
First and second effective value analyzing means for performing an effective value analysis of the collected acoustic waveform at different analysis time intervals;
First and second effective value standard deviation value calculating means for calculating respective standard deviation values from the analysis results of the two effective value analysis;
An effective value ratio calculating means for calculating a ratio of the two effective value standard deviation values calculated by the two effective value standard deviation value calculating means;
Sound characterization means for calculating a first sound characterization effective value ratio from the result of the effective value ratio calculation means;
An acoustic database for storing and holding a preset second acoustic characterization effective value ratio,
Acoustic feature comparison means for comparing and calculating the calculated first acoustic feature effective value ratio and the read second acoustic feature effective value ratio;
Determining means for comparing the result of the acoustic feature comparing means with a preset reference value to determine an abnormal sound;
An abnormal sound detection device comprising a display means for displaying a result of the determination by the determination means. 前記音響波形は、機器の動作中の音響波形であり、前記第２の音響特徴化実効値比は、正常に動作している前記機器から収集された音響波形の解析結果により算出された音響特徴化実効値比が、予め前記音響データベスに記憶・保持されたものであり、前記音響特徴比較手段は、第２の音響特徴化実効値比に対する第１の音響特徴化実効値比の偏差値を算出し、出力するものであることを特徴とする請求項７記載の異常音検出装置。The acoustic waveform is an acoustic waveform during operation of the device, and the second acoustic characterization effective value ratio is an acoustic feature calculated based on an analysis result of an acoustic waveform collected from the normally operating device. The acoustic effective value ratio is stored and held in the acoustic database in advance, and the acoustic feature comparing means calculates a deviation value of the first acoustic characteristic effective value ratio with respect to the second acoustic characteristic effective value ratio. The abnormal sound detecting device according to claim 7, wherein the abnormal sound is calculated and output. 音響波形を収集する手段と、
収集された前記音響波形の周波数範囲を予め設定した複数の周波数帯にそれぞれ設定する手段と、
前記それぞれの周波数帯に設定された音響波形を、所定の時間間隔で実効値を出力する実効値解析手段と、
前記実効値解析手段から出力される各周波数帯における実効値を平均した第１の音響特徴化実効値を算出する音響特徴化手段と、
予め設定された第２の音響特徴化実効値を記憶・保持する音響データベースと、
前記算出した第１の音響特徴化実効値と読み出した前記第２の音響特徴化実効値を比較・演算する音響特徴比較手段と、
この音響特徴比較手段の結果と予め設定された基準値を比較して異常音を判定する判定手段と、
この判定手段の判定結果を表示する表示手段を具備して成ることを特徴とする異常音検出装置。Means for collecting an acoustic waveform;
Means for setting the frequency range of the collected acoustic waveform to a plurality of preset frequency bands,
Acoustic waveforms set in the respective frequency bands, an effective value analysis unit that outputs an effective value at predetermined time intervals,
Sound characterization means for calculating a first sound characterization effective value by averaging the effective values in each frequency band output from the effective value analysis means;
An acoustic database that stores and retains a preset second acoustic characterization effective value;
Acoustic feature comparison means for comparing and calculating the calculated first acoustic feature effective value and the read second acoustic feature effective value;
Determining means for comparing the result of the acoustic feature comparing means with a preset reference value to determine an abnormal sound;
An abnormal sound detection device comprising a display means for displaying a result of the determination by the determination means. 前記音響波形は、機器の動作中の音響波形であり、前記第２の音響特徴化実効値は、正常に動作している前記機器から収集された音響波形の解析結果により算出された音響特徴化実効値が、予め前記音響データベスに記憶・保持されたものであり、前記音響特徴比較手段は、第２の音響特徴化実効値に対する第１の音響特徴化実効値の偏差値を算出し、出力するものであることを特徴とする請求項９記載の異常音検出装置。The acoustic waveform is an acoustic waveform during operation of the device, and the second acoustic characterization effective value is an acoustic characterization calculated from an analysis result of an acoustic waveform collected from the normally operating device. The effective value is stored and held in the acoustic database in advance, and the acoustic feature comparing means calculates a deviation value of the first acoustic characterization effective value from the second acoustic characterization effective value and outputs The abnormal sound detecting device according to claim 9, wherein the abnormal sound is detected. 音響波形を収集する手段と、
収集された前記音響波形を第１の所定の時間間隔で、振幅分布度数を算出する波形分布解析手段と、
前記振幅分布度数から尖度を算出する尖度算出手段と、
前記第１の所定の時間間隔より長い第２の所定の時間間隔で、前記尖度を平均した第１の音響特徴化尖度を算出する音響特徴化手段と、
予め設定された第２の音響特徴化尖度を記憶・保持する音響データベースと、前記算出した第１の音響特徴化尖度と読み出した前記第２の音響特徴化尖度を比較・演算する音響特徴比較手段と、
この音響特徴比較手段の結果と予め設置された基準値を比較して異常音を判定する判定手段と、
この判定手段の判定結果を表示する表示手段を具備して成ることを特徴とする異常音検出装置。Means for collecting an acoustic waveform;
Waveform distribution analysis means for calculating the amplitude distribution frequency of the collected acoustic waveform at a first predetermined time interval;
Kurtosis calculating means for calculating kurtosis from the amplitude distribution frequency,
Sound characterization means for calculating a first sound characterization kurtosis by averaging the kurtosis at a second predetermined time interval longer than the first predetermined time interval;
A sound database that stores and holds a preset second acoustic characterization kurtosis, and a sound that compares and calculates the calculated first acoustic characterization kurtosis and the read second acoustic characterization kurtosis Feature comparison means;
Determining means for comparing the result of the acoustic feature comparing means with a preset reference value to determine an abnormal sound;
An abnormal sound detection device comprising a display means for displaying a result of the determination by the determination means. 前記音響波形は、機器の動作中の音響波形であり、前記第２の音響特徴化尖度は、正常に動作している前記機器から収集された音響波形の解析結果により算出された音響特徴化尖度が、予め前記音響データベスに記憶・保持されたものであり、前記音響特徴比較手段は、第２の音響特徴化尖度に対する第１の音響特徴化尖度の偏差値を算出し、出力するものであることを特徴とする請求項１１記載の異常音検出装置。The acoustic waveform is an acoustic waveform during operation of the device, and the second acoustic characterization kurtosis is an acoustic characterization calculated based on an analysis result of an acoustic waveform collected from the normally operating device. The kurtosis is stored and held in the acoustic database in advance, and the acoustic feature comparison means calculates a deviation value of the first acoustic characterization kurtosis with respect to the second acoustic characterization kurtosis, and outputs The abnormal sound detecting apparatus according to claim 11, wherein the abnormal sound is detected. 音響波形を収集する手段と、
収集された前記音響波形の周波数範囲を予め設定した複数の周波数帯にそれぞれ設定する手段と、
前記それぞれの周波数帯に設定された音響波形を、所定の時間間隔で振幅分布度数を算出する波形分布解析手段と、
前記波形分布解析手段から出力される各周波数帯における振幅分布度数から尖度を算出し、これを平均した第１の音響特徴化周波数尖度を算出する音響特徴化手段と、
予め設定された第２の音響特徴化周波数尖度を記憶・保持する音響データベースと、
前記算出した第１の音響特徴化周波数尖度と読み出した前記第２の音響特徴化周波数尖度を比較・演算する音響特徴比較手段と、
この音響特徴比較手段の結果と予め設置された基準値を比較して異常音を判定する判定手段と、
この判定手段の判定結果を表示する表示手段を具備して成ることを特徴とする異常音検出装置。Means for collecting an acoustic waveform;
Means for setting the frequency range of the collected acoustic waveform to a plurality of preset frequency bands,
Acoustic waveforms set in the respective frequency bands, a waveform distribution analysis means for calculating the amplitude distribution frequency at predetermined time intervals,
An acoustic characterization unit that calculates kurtosis from the amplitude distribution frequency in each frequency band output from the waveform distribution analysis unit, and calculates a first acoustic characterization frequency kurtosis by averaging the kurtosis;
An acoustic database that stores and retains a preset second acoustic characterization frequency kurtosis;
Acoustic feature comparison means for comparing and calculating the calculated first acoustic feature frequency kurtosis and the read second acoustic feature frequency kurtosis;
Determining means for comparing the result of the acoustic feature comparing means with a preset reference value to determine an abnormal sound;
An abnormal sound detection device comprising a display means for displaying a result of the determination by the determination means. 前記音響波形は、機器の動作中の音響波形であり、前記第２の音響特徴化周波数尖度は、正常に動作している前記機器から収集された音響波形の解析結果により算出された音響特徴化周波数尖度が、予め前記音響データベスに記憶・保持されたものであり、前記音響特徴比較手段は、第２の音響特徴化周波数尖度に対する第１の音響特徴化周波数尖度の偏差値を算出し、出力するものであることを特徴とする請求項１３記載の異常音検出装置。The acoustic waveform is an acoustic waveform during operation of the device, and the second acoustic characterization frequency kurtosis is an acoustic feature calculated from an analysis result of an acoustic waveform collected from the normally operating device. The acoustic frequency kurtosis is stored and held in advance in the acoustic database, and the acoustic feature comparison means calculates a deviation value of the first acoustic characterization frequency kurtosis with respect to the second acoustic characterization frequency kurtosis. 14. The abnormal sound detecting device according to claim 13, wherein the abnormal sound is calculated and output.
JP2002290791A 2002-10-03 2002-10-03 Abnormal sound detection device Expired - Fee Related JP3974492B2 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2002290791A JP3974492B2 (en) 2002-10-03 2002-10-03 Abnormal sound detection device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2002290791A JP3974492B2 (en) 2002-10-03 2002-10-03 Abnormal sound detection device

Publications (2)

Publication Number Publication Date
JP2004125641A true JP2004125641A (en) 2004-04-22
JP3974492B2 JP3974492B2 (en) 2007-09-12

Family

ID=32282554

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2002290791A Expired - Fee Related JP3974492B2 (en) 2002-10-03 2002-10-03 Abnormal sound detection device

Country Status (1)

Country Link
JP (1) JP3974492B2 (en)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007304057A (en) * 2006-05-15 2007-11-22 Toyota Motor Corp Method and device for failure diagnosis
JP2009216471A (en) * 2008-03-07 2009-09-24 Panasonic Corp Flow measuring device
JP2014157023A (en) * 2013-02-14 2014-08-28 Oki Electric Ind Co Ltd Intrusion object detection device
CN113654652A (en) * 2021-09-17 2021-11-16 广东电网有限责任公司 Fault identification method for direct current control protection device and related device
WO2021260764A1 (en) * 2020-06-22 2021-12-30 三菱電機株式会社 Air conditioner and air conditioning system
US11399153B2 (en) 2009-08-26 2022-07-26 Teladoc Health, Inc. Portable telepresence apparatus

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104992714A (en) * 2015-05-22 2015-10-21 株洲联诚集团有限责任公司 Motor abnormal sound detection method

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007304057A (en) * 2006-05-15 2007-11-22 Toyota Motor Corp Method and device for failure diagnosis
JP4584186B2 (en) * 2006-05-15 2010-11-17 トヨタ自動車株式会社 Failure diagnosis method and failure diagnosis apparatus
JP2009216471A (en) * 2008-03-07 2009-09-24 Panasonic Corp Flow measuring device
US9046222B2 (en) 2008-03-07 2015-06-02 Panasonic Intellectual Property Management Co., Ltd. Flowmeter
US11399153B2 (en) 2009-08-26 2022-07-26 Teladoc Health, Inc. Portable telepresence apparatus
JP2014157023A (en) * 2013-02-14 2014-08-28 Oki Electric Ind Co Ltd Intrusion object detection device
WO2021260764A1 (en) * 2020-06-22 2021-12-30 三菱電機株式会社 Air conditioner and air conditioning system
CN113654652A (en) * 2021-09-17 2021-11-16 广东电网有限责任公司 Fault identification method for direct current control protection device and related device
CN113654652B (en) * 2021-09-17 2024-03-19 广东电网有限责任公司 Fault identification method of direct current control protection device and related device

Also Published As

Publication number Publication date
JP3974492B2 (en) 2007-09-12

Similar Documents

Publication Publication Date Title
KR100387457B1 (en) System for surveillance of spectral signals
TWI587294B (en) Detection method of abnormal sound of apparatus and detection device
JPH09166483A (en) Method and apparatus for monitoring equipment
KR20070018740A (en) Method and apparatus for signal signature analysis for event detection in rotating machinery
KR102058841B1 (en) Systems and methods to detect generator collector flashover
JP2018147390A (en) Abnormal waveform detection system, abnormal waveform detection method, and waveform analysis device
JP3382240B1 (en) Method of diagnosing target equipment, computer program, and apparatus for diagnosing target equipment
CN110160765A (en) A kind of shock characteristic recognition methods and system based on sound or vibration signal
US10311703B1 (en) Detection of spikes and faults in vibration trend data
JP2019067197A (en) Method for detecting trouble sign
CN104380063A (en) Abnormal noise detection system
JP3974492B2 (en) Abnormal sound detection device
JP2010266327A (en) Facility diagnosis device and facility diagnosis method
KR20210006832A (en) Method and apparatus for machine fault diagnosis
McCormick et al. Application of periodic time-varying autoregressive models to the detection of bearing faults
CN117147107B (en) Communication module detection system and detection method
KR20220132824A (en) Distribution facility condition monitoring system and method
CN117435908A (en) Multi-fault feature extraction method for rotary machine
JP2008097361A (en) Anomaly monitoring device
JP4211464B2 (en) Infrared flame detection apparatus and infrared flame detection method
EP4254261A1 (en) Blade fault diagnosis method, apparatus and system, and storage medium
KR102392951B1 (en) Equipment failure prediction system having multi-channel sensors for receiving acoustic signals in the ultrasonic band
JP2013210293A (en) System for diagnosing facility by analyzing sound/image
CN109357751B (en) Power transformer winding looseness defect detection system
JPH09127073A (en) Method for collecting and processing time-series data utilizing autoregressive model

Legal Events

Date Code Title Description
A711 Notification of change in applicant

Free format text: JAPANESE INTERMEDIATE CODE: A712

Effective date: 20040319

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20050930

RD04 Notification of resignation of power of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7424

Effective date: 20051011

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20061221

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20070320

A521 Written amendment

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20070521

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20070612

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20070614

R150 Certificate of patent or registration of utility model

Free format text: JAPANESE INTERMEDIATE CODE: R150

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20100622

Year of fee payment: 3

LAPS Cancellation because of no payment of annual fees