JPH09166483A - 機器監視方法及びその装置 - Google Patents

Abstract

(57)【要約】 【課題】発電プラント等の異常監視で、外乱音の除去及
び異常音検出感度の向上、さらには、プラント等の運転
状態の変化等による正常音の音響レベルの変化に影響さ
れない音響による異常監視装置を提供する。 【解決手段】監視対象１０からの音響を音響センサで検
出して、オクターブ分析等で測定値を安定化させた後、
予め測定した正常音の分析結果を測定結果から減じるこ
とにより、異常音の検出或いは外乱音の除去を行い、監
視対象の異常の有無を監視する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、発電プラント内の
機器を音響信号を用いて自動的に監視する機器監視装置
に関する。

【０００２】

【従来の技術】従来、発電プラント等の異常監視は、特
定の機器に加速度センサやＡＥセンサ等を取付けて行っ
ている。発電プラント等は、使用している機器が非常に
多く全ての機器を監視することが不可能なため、異常発
生確率が高い機器や異常を起こすとプラント全体に影響
を及ぼす可能性のある機器等を重点的に監視している。
そのため、監視対象外の機器の異常を検知することは不
可能であり、また監視対象が増えるとそれだけ監視信号
も増加し全ての機器を常時監視することが困難である。
そこで、実際のプラントの運転に際しては、巡視員の視
覚や聴覚等による異常監視も合わせて行われている。

【０００３】近年、発電プラント等の異常監視で、人の
聴覚の代わりとして音響を利用して加速度センサやＡＥ
センサ等を補完もしくはこれらのセンサと融合し、より
高度なプラントの監視を行おうという動きがある。音響
を利用したプラントの異常監視技術には、音響信号の周
波数スペクトルを使用する方法等があり、これは予め正
常音のスペクトル解析を行いゲインの正常範囲を決定し
ておき、監視音響の周波数スペクトルがこの正常範囲か
ら逸脱するかを監視するものである。

【０００４】

【発明が解決しようとする課題】発電プラント等の音響
の周波数スペクトルによる異常監視で、従来は異常音或
いはページングや作業員の出す音等の外乱音の混入した
監視音をそのまま異常判定に用いていたため、異常音或
いは外乱音のレベルが正常音に比較しある程度大きくな
ければ正確な判定が不可能であった。これは、定常的に
レベルの大きな背景音が存在するプラントでは、異常音
の最小検出可能レベルを引き上げてしまうため、検出感
度が低下してしまう。また、異常音と除去すべき外乱音
の識別ができないので、外乱音を誤検出しないように周
波数スペクトルの正常範囲を広げ、異常音の検出感度を
低くせざる得なかった。従来の方法の最大の問題点は、
監視音に異常音或いは外乱音が混入した状態で異常判定
していることである。

【０００５】本発明の特徴は、監視音から異常音或いは
外乱音を分離することにより異常検知感度を向上させる
ことにある。

【０００６】監視音から異常音或いは外乱音を分離する
ことの達成は従来困難な課題であると考えられてきた
が、正常音に異常音或いは外乱音をミキシングした音の
周波数スペクトル解析を行ったところ、音響パワーの加
法定理が成り立ち、正常音と異常音或いは外乱音の分離
が可能であることを実験的に確認した。

【０００７】本発明の目的は、発電プラント等の異常監
視で、外乱音の除去及び異常音検出感度の向上のため
に、監視音から異常音或いは外乱音を分離し異常を監視
する音響による異常監視装置を提供することにある。

【０００８】

【課題を解決するための手段】上記目的を達成するた
め、本発明は予め測定した正常音の周波数スペクトル分
析結果を監視時音響の周波数スペクトルから減じること
により、異常音及び外乱音の成分のみを抽出し、異常音
の検出或いは外乱音の除去を行うことを特徴とする。

【０００９】本発明は、第１の方法として、監視対象か
らの音響を音響センサで検出して監視対象の異常の有無
を監視する方法で、監視時の音響検出信号の周波数スペ
クトルから、同一の監視対象の正常音について予め記憶
した周波数スペクトルを減算し、減算して得られた周波
数スペクトルパターンと予め既知の異常音及び外乱音に
対して記憶された周波数スペクトルパターンとのパター
ンの類似度を演算し、その類似度が予め設定した値以上
の場合に既知の異常音又は外乱音と判定処理して外乱音
の除去あるいは異常音有無の判定を行う音響監視方法を
採用したものである。

【００１０】また本発明は、音響の周波数分析方法とし
て、１／３オクターブ，１／１オクターブ，狭帯域周波
数スペクトル，一般的な周波数バンドに限らない１／２
や８／５オクターブ、等間隔のリニヤスケールの周波数
分析法及び不等間隔の周波数バンドによる周波数分析法
等を使用する。

【００１１】正常音と異常音或いは外乱音の間に相関が
ない場合、加算平均を行った監視音響の周波数スペクト
ルから予め測定した正常音のみの周波数スペクトル成分
を減じることにより、異常音或いは外乱音のみの周波数
スペクトル成分を抽出することが可能であり、さらに予
め測定した異常音及び外乱音の周波数スペクトルとパタ
ーンマッチング等を行うことにより、異常音と外乱音の
識別が可能となる。また、パターンマッチングによる類
似度は、絶対的なスケールによる影響はなく、そのパタ
ーンが同じであれば同じ値となる。正常音成分がスペク
トルのままでは変動が大きい場合、正常音成分を減じる
際に、１／３オクターブ分析等のスペクトル鈍化手法を
用いることにより、安定した減算結果を得ることが出来
る。

【００１２】外乱音より音響レベルの小さな異常音につ
いても検出可能であり、高感度で異常音の検出が可能と
なる。また、運転状態に対応した正常音のみの解析を行
い監視基準値（正常範囲）を決定すればよく、その他に
異常音及び外乱音のスペクトル解析を行いそれらを別々
に保管しておけばよい。つまり、異常監視装置の必要メ
モリが少なく監視基準値（正常範囲）の決定の際の解析
データも少なくすることができる。

【００１３】

【発明の実施の形態】本実施例では、周波数スペクトル
として１／３オクターブ分析を使用する。１／３オクタ
ーブ分析とは、２の１／３剰の等比数列で与えられる周
波数を中心に、ある幅をもった区間について音響パワー
スペクトルを積分して得られたものである。１／３オク
ターブ分析のフィルタ特性等の詳細はJIS C1513 1983で
規定されている。

【００１４】図１は本発明の機能構成図、図２は本発明
の原理図である。監視対象１０から発生する音響信号を
音響検出部２０で検出し、検出した音響信号から監視音
響周波数分析部３０で１／３オクターブ分析をする。こ
こまでの処理（図１のＡ点）で、図２（ａ）に示すよう
な測定結果を得る。この時点では測定信号に正常音成分
と異常音或いは外乱音成分が混在しているため、異常音
或いは外乱音の成分がある程度大きくなければ判定に用
いることは難しい。また、この時点では検知すべき異常
音と除去すべき外乱音の識別ができないために、外乱音
より音響レベルの小さな異常音の検出は困難である。そ
こで、監視音響周波数分析部３０で演算した監視音の１
／３オクターブパターンから、正常時音響周波数スペク
トル記憶部 ４０に格納されている正常時１／３オクタ
ーブパターンを、周波数スペクトル減算部５０で減算す
る。この時、周波数スペクトル減算部５０で、プラント
運転信号等を取り込みプラントの運転状態を適切に判定
し、正常時音響周波数スペクトル記憶部４０に格納され
ている正常時１／３オクターブパターンの中からプラン
トの運転状態に対応した正常時１／３オクターブパター
ンを選択し、減算に使用する。減算により図１のＢ点で
の出力は、図２（ｂ）に示すような異常音或いは外乱音
のみの分析パターンになる。こうして得られた異常音或
いは外乱音のみのパターンと、予め既知音響周波数スペ
クトル記憶部６０に格納した各パターン（図２（Ｃ)，
(Ｄ)，(Ｅ））とを類似度演算部７０で照合する。照合
結果は、音響監視部８０に送られ異常音或いは外乱音判
定の根拠となる。類似度の指標には、数１に示すような
正規化相関等を用いる。

【００１５】

【数１】

【００１６】正規化相関値は、照合される二つのパター
ン（スペクトルパターン・オクターブパターン等）が、
相似形（厳密には縦軸のスケーリングのみを変えるだけ
で一致する）の場合１を与え、一致度が小さくなる（形
状が似ていなくなる）に従い０に近付く性質をもつ（図
２（ｆ）参照）。従って、異常音或いは外乱音のレベル
によらない判定が可能である。

【００１７】以下、本発明を火力発電プラントの音響監
視装置に応用した例を説明する。本実施例の火力発電プ
ラントは図３に示す通りガスタービンを回した後の排ガ
スの熱で蒸気タービンを回し発電効率を向上させるプラ
ントである。音響監視を行うのは、ガスタービン及び給
水ポンプ室でありいずれも火力発電プラントの主要機器
である。火力発電プラントを起動から停止まで監視する
には、プラント情報から現在のプラント運転状態を適切
に把握し、それに見合った正常音の正常値基準パターン
を監視ルーチンに渡す必要がある。このプラント運転状
態の推定に用いるプラント情報は、タービンの回転数と
発電機出力である。

【００１８】音響監視装置のハード構成を図４を参考に
説明する。ガスタービン用マイクロフォン２０１及び給
水ポンプ室用マイクロフォン２０２により音響信号を検
出してセレクタ２０３で１ｃｈを選択し、増幅装置３０
１及びアンチエイリアシングフィルタ３０２を通した
後、Ａ／Ｄ変換装置３０３を用いてデジタイズする。そ
の後、１／３オクターブ分析装置３０４で１／３オクタ
ーブ毎のパワーを得る。得られた１／３オクターブ分析
結果は、このままでは測定回ごとのばらつきが大きいの
で、平均化装置３０５により１／３オクターブ分析結果
を加算平均し分析結果の安定化を図る。次に、プラント
運転状態入力装置５０１でプラント情報であるタービン
の回転数と発電機出力を取り込みプラント運転領域を判
定し判定結果を減算処理装置５０２に出力する。減算処
理装置５０２では、プラント運転領域に対応した正常時
１／３オクターブパターンを正常時音響１／３オクター
ブパターン記憶装置４００より取り込み、加算平均後の
１／３オクターブ分析結果から正常時１／３オクターブ
パターンを減算する。こうして得られた結果は異常音或
いは外乱音のみのパターンであり、予め既知音響１／３
オクターブパターン記憶装置６００に格納したパターン
と類似度演算装置７００で照合する。照合結果は、判定
装置８０１に送られ異常音或いは外乱音判定の診断を行
い、診断結果を表示装置８０２に出力する。

【００１９】図４の実施例で増幅装置３０１とアンチエ
イリアシングフィルタ３０２の位置は逆でも良い。また
測定値が時間平均を行わずに安定している場合は、平均
化装置３０５は無くてもよい。

【００２０】図４の実施例のブロック図では、Ａ／Ｄ変
換後にデジタル的に１／３オクターブ分析を行っている
が、図５のようにアナログのフィルタを用いても実現可
能である。図５に於て、オクターブフィルタ群３０６の
後にセレクタ３０７を用いているが、個々のオクターブ
フィルタにそれぞれＡ／Ｄ変換装置３０３を備えても良
い。

【００２１】図６，図７に給水ポンプ室の負荷５０％か
ら１００％の運転状態における監視の例を示す。図６
（ａ)，(ｂ）はそれぞれ外乱音であるクレーン音と異常
音であるエアリーク音が混入した場合であり、予め測定
していた給水ポンプ室の負荷５０％から１００％の運転
状態における正常音（２）を測定値より減算した結果が
（３）である。減算結果（３）及び予め測定しておいた
クレーン音，エアリーク音の１／３オクターブ分析結果
（４）が類似していることが解る。異常診断は上記減算
結果（３）と異常音及び外乱音の１／３オクターブ分析
結果（４）のパターンマッチングにより行う。診断結果
を図７に示す。図７は、測定回次２３回にエアリーク
音、２５回にクレーン走行音が混入している場合の類似
度の算出結果である。図７（ａ）から解るように測定回
次２３及び２５でそれぞれエアリーク音及びクレーン走
行音の類似度が増加していることが解る。しきい値を
０.６にすれば、測定回次２３及び２５でしきい値を超
えるが測定回次２５回は外乱音であるクレーン走行音で
あることが解るので除外でき、測定回次２３回のエアリ
ーク音だけを異常として判定できる。

【００２２】次に、正常音の１／３オクターブパターン
の減算処理前に監視時の１／３オクターブパターンと正
常時の１／３オクターブパターンとに有意な変化を検出
した場合に、減算処理及び類似度演算を行い異常を判定
し、さらに、未知の異常音及び外乱音を検出した場合に
それを記憶学習し異常判定を行う方法について説明す
る。図８に機能構成図を示す。通常監視時は、監視対象
１０から発生する音響信号を音響検出部２０で検出し、
検出した音響信号から監視音響周波数分析部３０で１／
３オクターブ分析をする。音響変化検出部１０２は図９
に示すように、運転状態に対応して正常範囲の基準デー
タを決定しておき、監視音響の１／３オクターブ分析結
果の音圧レベルが上記正常範囲の基準データから逸脱す
るか監視する。正常範囲の基準データは、正常音データ
を１／３オクターブ分析し平均値及び標準偏差を求め、
標準偏差に係数をかけさらにマージンを加算した値を平
均値に加算及び減算し上下限とする方法がある。この方
法は、予め監視対象の各運転状態に応じた正常音を収録
しそれを統計処理し、さらに、標準偏差にかける係数及
びマージンを決定しておく必要がある。監視音響の音圧
レベルが正常範囲の基準データから逸脱しないときは正
常と判定し、上記の監視を繰り返す。もし逸脱したとき
に始めて、減算処理及び類似度を演算し音響監視する。
類似度の演算をした結果、未知の異常音及び外乱音を検
出した場合は、音響信号収録再生部101で音響変化検出
時を起点とした前後で収録した音響信号を消去せずに格
納する。さらに、監視装置操作者がインタフェース１０
３を介して、録音した未知の音が異常音または外乱音で
あるか判定し、既知音響周波数スペクトル記憶部に記憶
する。このように順次発生する未知音を学習することに
より、音響監視装置の診断能力が向上していく。学習能
力を持つことにより、装置の立ち上げ時には正常音の解
析のみを行い音響変化検出部１０２で使用する正常範囲
の基準データを決定すればよく、予め異常音及び外乱音
を解析する必要がなくなる。

【００２３】全ての実施例では、音響スペクトルの鈍化
手段として１／３オクターブ分析を用いている。これは
音響のスペクトルのままでは、図１０（ａ）に示すよう
に分析結果が測定毎に大きく異なってしまうからであ
る。従ってスペクトルのままでは、正常音と異常音（或
いは外乱音）の混入した測定結果から正常音のみの成分
を正確に減算することは難しい。そこで図１０（ｂ）或
いは（ｃ）のようにある周波数区間のスペクトルパワー
の積分値である１／３オクターブ分析や１／１オクター
ブ分析を行うと、スペクトルの変動が鈍化され、安定し
た測定結果を得ることが出来る。図１０で（ａ）のスペ
クトル分析、（ｂ）１／３オクターブ分析、（ｃ）１／
１オクターブ分析の順で異常検出の感度が高く、多種類
の異常音と外乱音の識別が可能である。しかしその反
面、測定値の安定性が悪いため、正常音の分析結果の変
動が激しく、正常音と異常音の混入した測定値の分析結
果から正確に正常音成分のみを減算できない。そこでオ
クターブ分析等の測定値安定化手段が必要となるが、監
視対象の音響測定結果が安定した値を示す最小の積分バ
ンド幅を選べば、異常音検出と外乱音除外の感度を保ち
つつ異常音と外乱音の安定した判定が可能になる。

【００２４】分析法の安定度の評価は、異常（外乱）音
の識別のパターンマッチングに用いたものと同じ手法で
ある正規化相関を用いる。数２で、スペクトル或いはオ
クターブ分析の分析結果の複数回平均したものをｐ
（ｉ）、平均化を行わない個々の分析結果をｑ_j（ｉ）
とすると、これらの正規化相関値ｒ_jを複数測定回につ
いて平均をとった結果が、例えば０.９５ 以上であれ
ば、その測定方法は安定とみなせる。この安定評価方法
を、監視対象音響のスペクトル分析，１／３オクターブ
分析，１／１オクターブ分析の順に行い、正規化相関の
平均値が０.９５ を越える最初の分析方法を選べば最適
な分析方法が選べる。

【００２５】

【数２】

【００２６】この場合スペクトル分析から、１／３オク
ターブの対数間隔（１／３オクターブ分析），１／１オ
クターブの対数間隔（１／１オクターブ分析）の順で周
波数軸での積分の範囲を広げている。これは１／３オク
ターブ分析と１／１オクターブ分析がＪＩＳで規定され
ており、専用の測定器を用い容易に実現できるからであ
る。しかし周波数軸での積分範囲について、より適切な
分析方法を得るために、１／３や１／１に限らず、この
範囲以外や、この中間の分析方法を選んでも良いし、ま
た、監視対象に合わせた独自のフィルタを形成してもよ
い。

【００２７】図１１（ａ）のように監視対象の音響スペ
クトルのパワーが、ある周波数付近に集中している場
合、パワーの集中している付近は詳細に分析し、パワー
の少ない部分は大まかに測定すれば、異常検出の感度を
下げずに監視バンド数を削減できる。図１１（ａ）の例
では監視対象の音響スペクトルが存在する範囲で等間隔
のフィルタ特性のバンドを示してあるが、この範囲で対
数的にバンド幅を決定しても良い。図１１（ｂ）のよう
に正常音の音響パワースペクトルの強度に反比例するよ
うな周波数バンド幅を選べば、監視バンド数が一定の場
合に異常検出の感度を最大化できる。例えば、監視バン
ド数２０の場合に上記の方法を適用すると、監視対象音
響のパワースペクトルの積算が５％増える毎にバンドを
決定すれば良い。

【００２８】図１２の実施例は、特に異常の認められな
い平常時は粗い周波数分解能で監視し、異常の兆候を検
出した場合は細かい分解能で詳細に分析する方法を示し
ている。これにより常時分析するデータ量を削減できる
ため、正常時に多くのチャンネルを監視可能である。通
常の監視で周波数分解能の粗い状態で監視するには、フ
ィルタ特性を前後の周波数について結合すれば簡単に実
現できる。

【００２９】また類似度演算部７０で、正規化相関の代
わりにニューラルネットを使用することも可能である。
ニューラルネットを使用した方法の例として、１／３オ
クターブ分析の最高音圧値で各周波数バンドの音圧を正
規化し、各周波数バンドの正規化された音圧値をニュー
ラルネットワークの入力とし、出力として各異常音及び
外乱音に対応した出力を設ける方法がある。この場合、
予め既知音響周波数スペクトル記憶部６０に記憶してあ
る各異常音及び外乱音の１／３オクターブ分析結果を上
記のように規格化し、これを学習データとし、ニューラ
ルネットワークを学習しておく。また未知の異常音及び
外乱音用に出力を余分に設定しておき、新しく異常音及
び外乱音を検出したときには、その音響の１／３オクタ
ーブ分析結果を既知音響周波数スペクトル記憶部６０に
格納し、余分にある出力の一つを新しく検出した異常音
及び外乱音用に使用し学習し直す。こうすることによ
り、検知可能な異常音及び外乱音を学習的に増やし、よ
り高度な音響監視を可能とする。

【００３０】監視対象の音響の分析結果から正常値を減
算する過程で、異常音外乱音の性質によっては、図１３
のように減算結果が負の値になる。これも異常音の一種
である異常判定のデータベースに含める。正規化相関で
は、一部或いは全部が負値のパターンであっても、それ
と同一符号の基準パターンとの相関値は正値となるた
め、アルゴリズムの変更は不要である。

【００３１】一般的に、測定値から正常値を減算した値
が顕著な負の値となる場合、外乱ではなく機器の異常に
起因したものが多い。つまり、本発明の請求項の一つで
ある、正常値を減算し、混入しているであろう異常音或
いは外乱音のパターンのみを抽出する原理は、音響信号
がスペクトル上に於て加算法則を満たすという仮定に基
づいている。この仮定は、正常音と異常音或いは外乱音
との間に相関が無いという条件が必要である。この条件
は、発電機やタービンの動作音に対してクレーンの動作
音が混入した場合など音響発生原理の異なる音源からの
音響同士であれば、満たされる。ところが機器に依存し
た異常音の場合は、機器からの背景音と異常音は無相関
とは言い切れない。例えば、タービン音動作にタービン
からの蒸気漏れの音が混入した場合は、タービン翼の通
過に伴う漏れ音圧の強弱変化が、タービン音と同期して
いる可能性があり、特定周波数に於て位相打ち消しによ
る音圧の低下、或いは位相の同期による音圧の異常上昇
が観測されるはずである。従って測定値から正常値を減
算した結果が負になる場合、そのバンドの音響レベルが
そのものが下がる異常が生じているか、或いは監視対象
機器に起因した異常音が発生し逆位相で同期した正常音
成分が打ち消されたと考えられ、異常が発生している可
能性が高いと判定する。

【００３２】

【発明の効果】本発明によれば、プラント機器等を音響
を用いて監視する際、異常音或いは外乱音の識別の感度
を向上し、異常検知を高感度化できる。

【図面の簡単な説明】

【図１】実施例のブロック図。

【図２】異常（外乱）音識別法の原理の説明図。

【図３】火力発電プラントの説明図。

【図４】実施例のハードのブロック図。

【図５】実施例のハードのブロック図。

【図６】１／３オクターブ分析における減算例の説明
図。

【図７】類似度測定による異常判定の例の説明図。

【図８】実施例の機能のブロック図。

【図９】正常範囲の基準データの例の説明図。

【図１０】音響分析結果の例の説明図。

【図１１】規格外オクターブ分析フィルタ特性図。

【図１２】可変周波数分解能監視の例の説明図。

【図１３】負値基準パターンの例の説明図。

【図１４】負値基準パターンの例の説明図。

【図１５】オクターブバンド音圧特性図。

【符号の説明】

１０…監視対象、２０…音響検出部、３０…監視音響周
波数分析部、４０…正常時音響周波数スペクトル記憶
部、５０…周波数スペクトル減算部、６０…既知音響周
波数スペクトル記憶部、７０…類似度演算部、８０…音
響監視部。

フロントページの続き (72)発明者 井上 秀樹 茨城県日立市大みか町七丁目１番１号 株 式会社日立製作所日立研究所内 (72)発明者 中村 英夫 茨城県日立市幸町三丁目１番１号 株式会 社日立製作所日立工場内 (72)発明者 柳橋 実 茨城県日立市幸町三丁目２番２号 株式会 社日立エンジニアリングサービス内 (72)発明者 中山 道夫 茨城県日立市幸町三丁目２番２号 株式会 社日立エンジニアリングサービス内

Claims (9)

【特許請求の範囲】
1. 【請求項１】監視対象からの音響を音響センサで検出し
   て監視対象機器の異常の有無を監視する方法において、
   監視時の音響検出信号の周波数スペクトルから、同一の
   監視対象の正常音について予め記憶した周波数スペクト
   ルを減算し、減算して得られた周波数スペクトルパター
   ンと予め既知の異常音及び外乱音に対して記憶された周
   波数スペクトルパターンとのパターンの類似度を演算
   し、前記類似度が予め設定した値以上の場合に既知の異
   常音又は外乱音と判定処理して外乱音の除去あるいは異
   常音有無の判定を行うことを特徴とする機器監視方法。
2. 【請求項２】監視対象からの音響信号を検出して監視対
   象機器の異常の有無を監視する機器監視装置において、
   前記監視対象からの音響を検出する音響検出部と、前記
   音響信号の周波数スペクトルを演算する監視音響周波数
   分析部と、監視対象の正常時音響の周波数スペクトルを
   記憶する正常時音響周波数スペクトル記憶部と、監視音
   響周波数分析部からの周波数スペクトルと正常時音響周
   波数スペクトル記憶部に記憶された正常時音響周波数ス
   ペクトルとの減算を実施する周波数スペクトル減算部
   と、監視対象で発生する可能性のある既知の異常音及び
   外乱音の周波数スペクトルパターンを記憶する既知音響
   周波数スペクトル記憶部と、周波数スペクトル減算部か
   らの周波数スペクトルパターンと既知音響周波数スペク
   トル記憶部に記憶された各周波数スペクトルパターンと
   のパターン類似度を演算する類似度演算部と、前記類似
   度演算部での類似度演算結果から外乱又は異常音の判定
   処理をして異常の有無を判定処理する音響監視部より成
   ることを特徴とする機器監視装置。
3. 【請求項３】監視対象からの音響を音響センサで検出し
   て監視対象機器の異常の有無を監視する方法において、
   監視時の音響周波数スペクトルが正常時音響周波数スペ
   クトルに対して有意な変化を検出した場合、監視時の音
   響検出信号の周波数スペクトルから、同一の監視対象の
   正常音について予め記憶した周波数スペクトルを減算
   し、減算して得られた周波数スペクトルパターンと予め
   既知の異常音及び外乱音に対して記憶された周波数スペ
   クトルパターンとのパターンの類似度を演算し、その類
   似度が予め設定した値以上の場合に既知の異常音又は外
   乱音と判定処理して外乱音の除去あるいは異常音有無の
   判定を行うことを特徴とする機器監視方法。
4. 【請求項４】監視対象からの音響信号を検出して監視対
   象機器の異常の有無を監視する機器監視装置において、
   監視対象からの音響を検出する音響検出部と、前記音響
   信号の周波数スペクトルを演算する監視音響周波数分析
   部と、監視対象の正常時音響の周波数スペクトルを記憶
   する正常時音響周波数スペクトル記憶部と、監視時音響
   周波数スペクトルと正常時音響周波数スペクトルとの比
   較で監視音響の変化の有無を検知する音響変化検出部
   と、監視音響周波数分析部からの周波数スペクトルと正
   常時音響周波数スペクトル記憶部に記憶された正常時音
   響周波数スペクトルとの減算を実施する周波数スペクト
   ル減算部と、監視対象で発生する可能性のある既知の異
   常音及び外乱音の周波数スペクトルパターンを記憶する
   既知音響周波数スペクトル記憶部と、周波数スペクトル
   減算部からの周波数スペクトルパターンと既知音響周波
   数スペクトル記憶部に記憶された各周波数スペクトルパ
   ターンとのパターン類似度を演算する類似度演算部と、
   前記類似度演算部での類似度演算結果から外乱又は異常
   音の判定処理をして異常の有無を判定処理する音響監視
   部より成ることを特徴とする機器監視装置。
5. 【請求項５】請求項３において、減算して得られた周波
   数スペクトルパターンと予め既知の異常音及び外乱音に
   対して記憶された周波数スペクトルパターンとのパター
   ンの類似度が予め設定した値以上にならなかった場合、
   検出した音響は未知の異常音又は外乱音と判断し、監視
   装置操作者の判断によって異常音と外乱音の識別を行っ
   た上、減算して得られた周波数スペクトルパターンを新
   たな既知異常音又は外乱音として記憶し、順次発生する
   未知の異常音あるいは外乱音を学習して外乱音の除去あ
   るいは異常音有無の判定を行う機器監視方法。
6. 【請求項６】請求項４において、監視時音響周波数スペ
   クトルと正常時音響周波数スペクトルとの比較で監視音
   響の変化の有無を検知する音響変化検出部での音響変化
   の検出により、音響変化検出時点を起点とした前後の所
   定時間分の音響生信号を記録・再生する音響信号収録再
   生部と、音響監視装置操作が音響信号収録再生部で再生
   し聴音した結果に基づいて請求項４記載の周波数スペク
   トル減算部で得られた周波数スペクトルパターンを既知
   音響周波数スペクトル記憶部に未知異常音又は外乱音と
   して記憶するか否かの判断結果を入力するインタフェー
   ス部より成る機器監視装置。
7. 【請求項７】請求項１，２，３，４，５または６におい
   て、音響信号の周波数スペクトルとして複数に分割した
   周波数区間の音響スペクトルパワーの積分値を使用する
   場合、監視対象の正常時の音響スペクトルのパワーに反
   比例するように積分区間の間隔を決定し、高感度で異常
   検出を行う機器監視法。
8. 【請求項８】請求項１，２，３，４，５，６または７に
   おいて、正常時には個々の分析バンド幅を広くとり低い
   周波数分解能で監視し、異常の兆候が現れた時或いは一
   定時間毎に高い分解能に切り替えて監視する音響監視
   法。
9. 【請求項９】請求項１，２，３，４，５または６におい
   て、音響信号の周波数スペクトルとして複数に分割した
   周波数区間の音響スペクトルパワーの積分値を使用する
   場合、異常音検出の感度を保ちつつ異常音判定の安定性
   を確保するためのスペクトル分割幅を決定する際に、複
   数回測定した区間積分による分析パターンの平均と、個
   々の区間積分による分析パターンとの正規化相関の平均
   が０.９５ 以上となる最小の分割幅を選択する音響分析
   決定法。