CN1143127C - 非稳定信号分析装置 - Google Patents

Abstract

用于分析从监视对象(10)发生的非稳定信号的非稳定信号分析装置。具有将非稳定信号小波变换后生成小波谱数据的小波变换计算单元(2)。具有设定表示监视对象(10)特定状态量的时间变化的状态量变化函数的状态量变化函数给定单元(4，6)。具有由状态量变化函数的反函数将小波变换数据的时间坐标非线性变换为特定状态量的坐标的时间坐标非线性变换单元(3)。

Description

非稳定信号分析装置

技术领域

本发明涉及用于分析从监视对象(即各种机械系统和过程等)发生的非稳定信号的非稳定信号分析装置，特别是涉及用于分析升降机发生的非稳定信号的非稳定信号分析装置。

另外，本发明还涉及记录了用于由计算机分析从监视对象发生的非稳定信号的程序的媒体。

背景技术

以前，提出了各种诊断系统，它们都是由测量器测量从监视对象即机械系统和过程等发生的信号、通过分析测量所得的信号数据来检测监视对象的异常并向操作员(操作者或用户)警告并显示异常状态。

这些诊断系统的诊断方法的主流一般是，监视对从监视对象得到的信号数据进行傅里叶变换后的频谱，利用系统辨识法来从监视对象的输入输出数据推测特性模型。

然而，对在监视对象的运转状态急剧变化的非稳定系统中测量的非稳定信号，不能又利用傅里叶变换计算时时刻刻变化的频谱又利用系统辨识求取特性模型。

因而，作为分析非稳定信号检测监视对象异常的方法，使用小波变换的小波分析法得到关注。下面，对小波变换分析法进行说明。

如果从监视对象测量的信号数据为x(t)，则现有的傅里叶变换式由下式(1)来表示：

$F\left(\mathrm{j\ω}\right)={\∫}_{-\∞}^{\∞}x\left(t\right)e^{-\mathrm{j\ωt}}\mathrm{dt}---\left(1\right)$

与此相反，小波变换用下式(2)来表示：

$\mathrm{wt}(a,b)={\∫}_{-\∞}^{\∞}\frac{1}{\sqrt{\left|a\right|}}\mathrm{\φ}\left(\frac{t-b}{a}\right)x\left(t\right)\mathrm{dt}---\left(2\right)$

这里，φ(·)是称为母波的用于变换的基函数。

傅里叶变换相当于小波变换中基函数φ(t)＝e^-jt、b＝0、a＝ω^-1t的情况，基函数是图2a所示的那样从无限远的过去延伸到未来的函数。因而，由傅里叶变换得到的频谱例如如图2b所示，只是频率轴的一维函数，不能判别所谓是观测数据的哪一部分的特征的时间相关性。

与此相反，在小波变换中，通过将例如由下式(3)

$\mathrm{\φ}\left(t\right)=e^{{-(t/T)}^2}{e}^{-\mathrm{jt}}---\left(3\right)$

所示的称作伽柏(ガボ-ル)函数的函数作为基函数使用，该基函数成为如图3a所示那样在时间上定域的函数。

因此，利用小波变换所得的频谱例如如图3b所示是频率轴和时间轴的二维函数，能够根据该二维函数判别信号内各频率成分的时间相关性。

如上所述，由于小波变换能提取在观测数据的各时刻的谱分布，所以，作为对非稳定信号分析的分析方法是有效的，因而，即使在监视对象的运转状态时时刻刻变换的情况下，也是有效的。

然而，上述现有诊断系统只是仅仅对从监视对象得到的非稳定信号进行小波变换，所以，其分析结果只限于表示频谱的时间相关性，作为对分析对象进行异常诊断的分析方法是不够的。

例如，即使观察利用图3b所示那样的现有诊断系统的分析结果，也不能理解该分析结果和监视对象的状态变化怎样地相关。

因而，本发明的目的在于解除上述问题，提供能够通过分析从监视对象所得的非稳定信号来可靠地诊断监视对象的异常状态的非稳定信号解析装置。

发明的公开

根据本发明的一个实施例，非稳定信号分析装置是用于分析从监视对象发生的非稳定信号的非稳定分析装置，其特征在于包括：小波变换计算单元，将上述非稳定信号进行小波变换，生成小波谱数据；状态量变化函数设定单元，设定表示上述监视对象的特定状态量的时间变化的状态量变化函数；时间坐标非线性变换单元，用上述状态量变化函数的反函数将上述小波谱数据的时间坐标非线性变换为上述特定状态量的坐标。

根据本发明的其他实施例的非稳定信号分析装置是监视对象为升降机、分析在升降机小室中测量的非稳定信号即加速度信号的非稳定信号分析装置，其特征在于包括：小波变换计算单元，将上述加速度信号进行小波变换，生成小波谱数据；状态量变化函数设定单元，设定表示上述小室的特定状态量即升降位置或升降速度的时间变化的状态量变化函数；时间坐标非线性变换单元，由上述状态量变化函数的反函数将上述小波谱数据的时间坐标非线性变换为上述升降位置或上述升降速度的坐标。

根据本发明的非稳定信号分析装置的特征在于，上述时间坐标非线性变换装置最好利用扩展小波变换式

$\mathrm{wt}(a,b)={\∫}_{z(-\∞)}^{z(\∞)}\frac{1}{\sqrt{\left|a\right|}}\mathrm{\φ}\left(\frac{t(z-b)}{a}\right)x\left(t\left(z\right)\right)\frac{\mathrm{dt}\left(z\right)}{\mathrm{dz}}\mathrm{dz}$

将上述小波谱数据的时间坐标非线性变换为上述特定状态量的坐标，计算谱数据。

根据本发明的非稳定信号分析装置的特征在于，上述时间坐标非线性变换单元最好是在每一时间中分割上述小波谱数据，根据存储时间和上述特定状态量的关系的数据表或上述状态量变化函数、按状态量的顺序替换分割的数据，通过在各数据间进行插值或平滑处理，计算将上述小波谱数据的时间坐标非线性变换为上述特定状态量的坐标的谱数据。

根据本发明的非稳定信号分析装置的特征在于，最好还包括用于测量上述非稳定信号的响应数据测量单元。

根据本发明的非稳定信号分析装置的特征在于，上述状态量变化函数设定单元最好是根据与上述特定的状态量之外的状态量有关的测量数据推测上述状态量变化函数。

根据本发明的非稳定信号分析装置的特征在于，与上述特定状态量之外的状态量有关的测量数据最好是与上述非稳定信号有关的测量数据。

根据本发明的非稳定信号分析装置的特征在于，上述状态量变化函数设定单元最好使用基于上述监视对象的动态特性模型的状态观测器或卡尔曼滤波器，根据上述特定状态量之外的状态量的测量数据推测上述特定状态量的时间变化。

根据本发明的非稳定信号分析装置的特征在于，上述状态量变化函数设定单元最好是根据上述特定状态量的测量数据求取上述状态量变化函数。

根据本发明的非稳定信号分析装置的特征在于，上述状态量变化函数设定单元最好使用预先求取的上述状态量变化函数。

根据本发明的非稳定信号分析装置的特征在于，最好还具有显示单元，用至少包括上述特定状态量的坐标及频率的坐标的坐标系来显示上述时间坐标非线性变换单元的分析结果。

根据本发明的非稳定信号分析装置的特征在于，最好还具有异常判断装置，根据上述时间坐标非线性变换单元的分析结果，判定上述监视对象中有无发生异常。

根据本发明的非稳定信号分析装置的特征在于，最好还包括：区域指定单元，对于由上述显示单元进行的关于上述时间坐标非线性变换装置的分析结果即谱数据的显示，指定显示全体中的特定区域；数据提取单元，取出与由上述区域指定装置指定的区域对应的谱数据，送给上述异常判定单元。

根据本发明的非稳定信号分析装置的特征在于，最好在上述显示单元上显示上述异常判定单元的判定结果。

根据本发明的非稳定信号解析装置，其特征在于，最好还包括异常显示单元，显示上述异常判断单元的判断结果。

根据本发明的其他实施例的记载非稳定信号分析程序的媒体是记录用于通过计算机分析从监视对象发生的非稳定信号的程序的媒体，其特征在于，该非稳定信号分析程序在计算机中实现如下功能：将上述非稳定信号进行小波变换后生成小波谱数据的小波变换计算功能；设定表示上述监视对象中特定状态量的时间变化的状态量变化函数的状态量变化函数设定功能；由上述状态量变化函数的反函数将上述小波谱数据的时间坐标非线性变换为上述特定状态量的坐标的时间坐标非线性变换功能。

根据本发明的记录非稳定信号分析程序的媒体的特征在于，上述监视对象最好是升降机，上述非稳定信号是在上述升降机小室中测量的加速度信号，上述特定状态量是在上述升降机小室的升降位置或升降速度。

根据本发明的记录非稳定信号分析程序的媒体的特征在于，上述时间坐标非线性变换装置最好利用扩展小波变换式

$\mathrm{wt}(a,b)={\∫}_{z(-\∞)}^{z(\∞)}\frac{1}{\sqrt{\left|a\right|}}\mathrm{\φ}\left(\frac{t(z-b)}{a}\right)x\left(t\left(z\right)\right)\frac{\mathrm{dt}\left(z\right)}{\mathrm{dz}}\mathrm{dz}$

计算非线性变换上述小波谱数据后的时间坐标的谱数据。

根据本发明的记录非稳定信号分析程序的媒体的特征在于，上述时间坐标非线性变换装置最好在每一时间中分割上述小波谱数据，根据存储了时间与上述特定状态量的关系的数据表或上述状态量变化函数、按状态量的顺序替换分割的数据，通过在各数据间进行插值或平滑处理，计算将时间坐标非线性变换为上述特定状态量的坐标的谱数据。

并且，根据本发明，能够求取对监视对象的特定状态量的频率变化相关性及相关关系，所以，能够正确地诊断监视对象的异常状态。

附图的简单说明

图1是表示本发明实施形态1的非稳定信号分析装置的主要情况的结构图；

图2a是表示傅里叶变换的基函数的图，图2b是表示傅里叶变换的功率谱的图；

图3a是表示小波变换的基函数的图，图3b是表示小波变换的小波功率谱的图；

图4是表示本发明实施形态1的变形例的状态量推定单元的主要情况的结构图；

图5是表示本发明实施形态1的实施例1的分析对象即升降机的主要情况的结构图；

图6是表示本发明实施形态1的实施例1的硬件结构的结构图；

图7是表示本发明实施形态1的实施例1的基于扩展小波变换的升降机异常诊断算法的流程图；

图8a、图8b、图8c分别是表示电机轴偏心异常时升降机的电机转矩、小室速度、小室位置的曲线图；

图9a、图9b、图9c分别是表示电机轴偏心异常时升降机的小室加速度、旋转转矩变化和小室加速度的小波变换结果的曲线图；

图10是表示用现有小波变换方法分析电机轴偏心异常时升降机的小室加速度数据的结果的曲线图；

图11a、图11b分别是表示对小室速度扩展小波变换电机轴偏心异常时的升降机的小室加速度数据的结果的曲线图；

图12是表示对小室位置扩展小波变换电机轴偏心异常时的升降机的小室加速度数据的结果的曲线图；

图13a、图13b、图13c分别是表示导轨异常时升降机的电机转矩、小室速度、小室位置的曲线图；

图14a、图14b分别是表示导轨异常时升降机的小室加速度、小室加速度的傅里叶变换结果的曲线图；

图15是表示对导轨异常时升降机的小室加速度的小室位置进行扩展小波变换的变换结果的曲线图；

图16是表示本发明实施形态1的实施例2的非稳定信号分析装置的主要情况的结构图；

图17是用于说明将本发明实施形态1的实施例2的非稳定信号分析装置安装到列车上的状态的说明图；

图18是表示本发明实施形态1的实施例3的非稳定信号分析装置的外观的斜视图；

图19是表示本发明实施形态1的实施例3的非稳定信号分析装置的内部系统结构的结构图；

图20是表示本发明实施形态1的实施例3的非稳定信号分析装置的显示部的显示形态的一例的图；

图21是表示本发明的实施形态1的实施例3的非稳定信号分析装置的主要情况的结构图；

图22是表示本发明的实施形态2的用于从记录非稳定分析程序的媒体中读出程序的计算机系统的斜视图；

图23是表示本发明的实施形态2的用于从记录非稳定分析程序的媒体中读出程序的计算机系统的框图。

用于实施发明的最优形态

实施形态1

下面，参照图1及图3a、图3b说明本发明的非稳定信号分析装置的实施形态1。

图1示出了本实施形态的非稳定信号分析装置的整体概略构成，该非稳定信号分析装置包括用于测量从分析对象发生的非稳定信号的响应数据测量单元1。该响应数据测量单元1由传感器、A/D变换器和各种除噪声滤波器等构成。

响应数据测量单元1所得的非稳定信号数据(响应数据时间序列)x(t)被送到小波变换计算单元2。

该小波变换计算单元2例如保持上述上波变换式(2)

$\mathrm{wt}(a,b)={\∫}_{-\∞}^{\∞}\frac{1}{\sqrt{\left|a\right|}}\mathrm{\φ}\left(\frac{t-b}{a}\right)x\left(t\right)\mathrm{dt}---\left(2\right)$

这里，a是频率ω的倒数，b是时间t。

在小波变换计算单元2中，使用上式(2)对非稳定信号数据x(t)进行小波变换、算出图3b所示的小波谱数据(小波变换数据)wt(a，b)。

小波变换计算单元2所得的小波谱数据wt(a，b)被送到时间坐标非线性变换单元3。该时间坐标非线性变换单元3是对应于监视对象的特定状态量(物理量)把由小波变换计算单元2所得的小波谱数据wt(a，b)的时间坐标进行非线性坐标变换的单元。

这里，所谓特定状态量，例如如果用响应数据测量装置1测量的非稳定信号是与加速度有关的信号，则特定状态量例如是速度或位置。对于这一点，在下文所述的实施例1及实施例2中，以升降机或火车为例详细说明。

本实施形态的非稳定信号分析装置包括用于写入表示时间和特定状态量的关系的状态量变化函数数据{z(t₁)，z(t₂)…z(t_N)}的时间-状态量变换表4。该时间-状态量变换表4和后述的状态量推测单元6一起构成设定表示监视对象中特定状态量的时间变化的状态量变化函数的状态量变化函数设定单元。

并且，作为用于得到写入到时间-状态量变换表4中的状态量变化函数数据{z(t₁)，z(t₂)…z(t_N)}的方法，可以考虑任何方法，但在本实施形态中，采用用输入单元5将预先求出的状态量变化函数数据{z(t₁)，z(t₂)…z(t_N)}写入到时间的状态量变换表4中。

作为用于得到状态量变化函数{z(t₁)，z(t₂)…z(t_W)²}的其他方法，例如考虑通过直接测量特定状态量z(例如速度)得到直接测量的状态量测量值来直接取得特定状态量z的时间变化的方法或基于与特定状态量z(例如速度)之外的状态量(例如加速度)有关的测量数据推测特定状态量z的时间变化的方法。

后者的从特定状态量之外的状态量推测特定状态量z的时间变化的方法是使用图1所示的状态量推测单元6的方法，对此作为本实施形态的变形例在下文说明。

时间坐标非线性变换单元3读出写入到时间的状态量变换表4中的状态量变化函数数据{z(t₁)，z(t₂)…z(t_N)}，根据读出的状态量变化函数数据将小波谱数据wt(a，b)的时间坐标b变换为状态量z的坐标。具体地说，时间坐标非线性变换装置3对特定状态量z的时间t求函数(状态量变化函数)z(t)的反函数t(z)，根据该反函数t(z)将上述小波变换式(2)的变量从时间t变换成特定状态量z。

这样，将变量变换到特定状态量z的小波变换式(2)变成下式(4)。

$\mathrm{wt}(a,b)={\∫}_{z(-\∞)}^{z(\∞)}\frac{1}{\sqrt{\left|a\right|}}\mathrm{\φ}\left(\frac{t(z-b)}{a}\right)x\left(t\left(z\right)\right)\frac{\mathrm{dt}\left(z\right)}{\mathrm{dz}}\mathrm{dz}---\left(4\right)$

下面，为方便起见，将上式(4)所示的变换称为扩展小波变换。通过用扩展小波变换式(4)将小波谱数据wt(a，b)的时间坐标b变换成状态量z的坐标，得到了表示频率对特定状态量的变化的扩展小波谱wt(a，b)。

上述小波谱wt(a，b)强调是频率ω的函数，所以，下面使用ω＝a^-1的wt(ω，b)、wt(a^-1，b)的标记。还有，下面将现有的小波谱记为wt(ω，t)，将扩展的小波谱记作wt(ω，z)，以示区别。

还有，作为扩展小波谱wt(ω，z)的另外的计算方法，有将利用现有的小波变换所得的小波谱数据wt(ω，t)分割成各个时间{t₁，t₂，…t_N}的数据{wt(ω，t₁)，wt(ω，t₂)…wt(ω，t_N)}，根据表示时间与特定状态量的关系的状态量变化函数z(t)或存储该关系的数据表{z(t₁)，z(t₂)…z(t_n)}，按状态量z的顺序替换上述分割数据，在数据间进行插值或平滑化处理，将时间坐标非线性变换为状态量坐标，得到扩展的小波谱wt(ω，z)。

接着，将由时间坐标非线形变换单元3所求的扩展小波谱wt(a，z)送到显示单元7。该显示单元7根据扩展小波谱wt(a，z)显示作为将时间坐标轴变量变换的扩展小波谱数据(小波分析数据)的频率坐标ω＝a^-1(或其倒数a)及状态量坐标z的二维函数wt(ω，z)。

具体地说，例如用{ω，z，|wt(ω，z)|}或{ω，z，∠wt(ω，z)}在显示装置上显示三维图形。这里，|a|表示a的绝对值，∠a表示a的相位角。

进而，本实施形态的非稳定信号分析装置包括异常判定单元8，根据由时间坐标非线性变换单元3算出的扩展小波谱数据，自动判定监视对象中有无异常发生。该异常判定单元8使用规定的异常诊断方式自动判定监视对象的正常·异常，将判定结果即警告信息·异常方式信息等送到显示单元7，向操作人员进行警告显示。

这里，作为规定的异常诊断方式，例如根据分析结果的扩展小波谱数据wt(ω，z)的特定部分的功率谱值

{|wt(ω₁，z₁)|，…，|wt(ω_m，z_m)|}进行下式(5)

如果(|wt(ω_i，z_i)|＞ε_i)那么异常i                   (5)等的阈值判定、或利用各种复合单元进行判定。

异常判定单元8的判定结果不只在显示单元7上显示，还可以在与显示单元7另外设置的异常显示单元9上警告显示。

对时间坐标非线性变换装置3的分析结果即扩展小波谱数据在显示单元7上的显示，使用者用指示单元等从显示全体中指定特定区域，只取出与该特定区域对应的扩展小波谱数据，送到异常判定单元8，能够利用异常判定单元8、只使用该数据判定上述监视对象中有无异常发生。

这样，使用者从在显示单元7上一次显示的扩展小波谱中判断并取出具有与通常不同的特征的部分，只分析该部分，可以不受其他部分所含的噪声、干扰和其他因素的影响进行直接的分析操作，结果，提高了异常判定的精度。

如上所述，根据本实施形态的非稳定信号分析装置，将从监视对象测定的非稳定信号数据小波变换后求取小波谱数据，对这些小波谱数据，将时间坐标轴坐标变换为特定状态量(物理量)的坐标轴，所以，不限于频谱的时间变化，还能容易地把握特定状态量(例如机械系统中的位置、速度、加速度等)和频谱的相关关系·因果关系。

因此，在监视对象中发生异常现象时，得到了从物理法则的观点容易理解该异常现象的分析结果·显示，例如能够容易确定异常现象的发生处所。

还有，根据本实施形态的非稳定信号分析装置，由于在监视对象运转状态、内部状态等频繁变化的非稳定状态中能够根据变化的状态分析谱分布，所以，在非稳定信号的分析方面极为有效，结果，即使对短的断片数据，也可进行有效的分析。

变形例

下面，参照图4说明上述实施形态1的变形例。

本发明的非稳定信号分析装置根据与特定状态量z之外的状态量有关的测量数据，利用状态量推测单元6推测或生成用于写入到时间-状态量变换表4中的状态量变化函数数据{z(t₁)，z(t₂)，…z(t_N)}。因而，对于不能直接测量特定状态量z的情况极为有效。

本变形例中的状态量推测单元6通过使用基于监视对象的动态特性模型的状态推测单元，从测量数据实时推测特定状态量z的时间变化，得到了状态量变化函数数据{z(t₁)，z(t₂)，…z(t_N)}。

图4示出了本变形例中的状态量推测单元6的概略构成。在该状态量推测单元6中，通过根据将监视对象lO的输入信号u(t)输入到输出信号预测模型11中时的输出预测值 (t)与实际输出信号y(t)的差即推测误差信号e(t)，由推测量状态修正单元12逐次修正输出信号预测模型11中的状态量推测值，能够实时推测不能直接测量的特定的状态量z(t)。

作为状态推测单元的一例，在由卡尔曼滤波器或状态观测器构成的结构中，输出信号预测模型成为下式(6)、(7)，推测状态量校正单元成为下式(8)。

    z(k|k-1)＝Az(k-1|k-1)+Bu(k-1)               (6)

$\hat{y}\left(k\right|k-1)=\mathrm{Cz}\left(k\right|k-1)---\left(7\right)$

$z\left(k\right|k)=z\left(k\right|k-1)+K(y\left(k\right)-\hat{y}\left(k\right|k-1))---\left(8\right)$

这里，A、B、C是与监视对象的动态特性模型有关的系数矩阵，k是卡尔曼增益(或状态观测器增益)。

通过逐次计算，能够从监视对象的输入信号u(k)、输出信号y(k)的观测数据序列中推测监视对象的内部状态量向量z(k|k)。这样推测的状态量向量中的任一要素作为特定的状态量取出，从该时间序列{z(t₁)，z(t₂)，…z(t_N)}中生成时间-状态量变换表4。

上述状态量的推算有预先离线处理的方法和观测数据实时处理的方法。

如上所述，根据本变形例，即使在不能直接测量特定的状态量z的情况下，也能由状态量推测单元6把握特定状态量z与观测数据向量的关系。还有，其他分析方法和小波分析方法组合也变得容易。

实施例1

作为上述实施形态1的非稳定分析装置的实施例1，参照图5至图15说明监视对象是机械系统即升降机的情况。在本实施例中，测量信号(非稳定信号)是在升降机小室中测量的加速度信号，非线性变换中所用的特定状态量是小室的升降位置或升降速度。

如图5所示，监视对象即升降机由电机51、滑轮(滑车)52a、52b、52c、52d、小室框架53、小室54、导轮55、导轮56和平衡锤57构成。

还有，本实施例的非稳定信号分析装置如图6所示，包括配置在小室54中的加速度传感器20。该加速度传感器20测量的加速度信号被送到A/D变换器变换，之后，被取入到分析·显示装置(例如微机22)。加速度传感器20及A/D变换器21构成图1所示的响应数据测量装置1。

在分析·显示装置22内部，用图1所示的处理计算扩展小波谱数据，将算出的扩展小波谱数据在分析·显示装置22的画面上进行显示。另外，将分析结果或异常诊断结果通过调制解调器23、23或公共线路送到远处的监视中心，在监视中心的集中监视终端24上进行显示，并根据异常状态发生警告。

图7是表示分析·显示装置22中的具体流程图的图。

首先，在诊断开始时，由加速度传感器20测量小室54内的加速度信号x(t)(步骤1)。接着，使用上式(2)及式(3)，根据测量的加速度信号x(t)计算小波谱数据(a，b)(步骤2)。

并且，在显示终端上用时间轴及频率轴显示分析结果，即小波谱数据wt(a，b)或wt(ω，b)。这里，ω＝a^-1是小波谱的频率。接着，作为分析对象的特定状态量，使用者选择小室速度或小室位置之一(步骤4)。还有，对步骤4，也可自动处理小室速度及小室位置二者的顺序。

接着，在步骤4的特定状态量的选择中选择了小室位置时，通过对加速度信号进行二重积分，生成小室位置信号p(t)(步骤5)。并且，根据在步骤5生成的小室位置信号{p(t₁)，p(t₂)，…p(t_N)}，生成时间t及位置p的函数表(步骤6)。

接着，根据在步骤6生成的函数表，将在步骤2算出的小波谱数据的时间坐标变换为小室位置p的坐标，求取扩展小波谱数据wt(ω，p)(步骤7)。并且，在显示器上显示分析结果即扩展小波谱数据wt(ω，p)(步骤8)。

进而，如下式(9)所示，计算wt(ω，p)处对位置p的变化率，用判定式判定变化率是否超过规定的阈值，判定有没有对功率谱的位置发生骤变(步骤9)。

|wt(ω.p(t_i))-wt(ω，p(t_i+1))|/|p(t_i)-p(t_i+1)|＞εp    (9)

并且，在步骤9中判断为有骤变时，检测出骤变位置p(t_i)，作为升降机系统的导轨或钢缆的异常在显示器上显示(步骤10)。另一方面，在判断为没有骤变时，在显示器上显示“没有异常”(步骤11)并待机，直到结束诊断或下一动作周期为止。

还有，在步骤4中，作为特定状态量选择小室速度时，通过一重积分加速度信号来生成小室速度信号v(t)(步骤12)。并且，根据步骤12生成的小室速度信号{v(t₁)，v(t₂)，…v(t_N)}，生成时间t及速度v的函数表(步骤13)。

接着，根据在步骤13生成的函数表，将步骤2算出的小波谱数据wt(a，b)的时间坐标变换成速度v的坐标，求取扩展小波谱数据wt(ω，v)(步骤14)。并且，在显示器上显示分析结果即扩展小波谱数据wt(ω，v)(步骤15)。

另外，利用下式(10)所示的|wt(ω，v)|的阈值判定

          |wt(ω_i，v_i)|＞εv                 (10)检测出具有超过阈值的功率谱的部分的数据(峰值谱){wt(ω₁，v₁)，wt(ω₂，v₂)…wt(ω_m，v_m)}。

还有，假定频率ω和小室速度v之间的比例关系式为

           v_i＝rω_i+e_i                       (11)求取误差e_i的平方和∑e_i ²最小的系数r的最小平方解。

$r=\frac{\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{\mathrm{\ω}}_i{v}_i}{\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{{\mathrm{\ω}}_i}^2}---\left(12\right)$

此时，对各数据点{(ω₁，v₁)，(ω₂，v₂)…(ω_m，v_m)}离开比例关系式(11)的直线的距离分布，其判定式

$\frac{1}{m}\underset{i=1}{\overset{m}{\mathrm{\&Sigma;}}}\frac{{|v_i-r{\mathrm{\&omega;}}_i|}^2}{1+r^2}<\mathrm{\&epsiv;r}---\left(13\right)$

成立，则判断为速度v和频率ω存在强相关(比例)关系(步骤16)。

并且，在这种情况下，判断为升降机的旋转系统(电机、滑轮、各轴的轴承、导轮等)中的任一个中有异常。原因是，旋转系统偏心导致的转矩不均的频率与旋转数成正比，小室速度也与旋转数成正比。

进而，从比例系数r判定哪一个旋转系统，在显示器上显示判定结果。例如，若(r/2π)与滑轮(滑车)的半径一致，则由

滑轮速度＝2π(滑轮半径)×(滑轮旋转频率)           (14)的关系判断为滑轮偏心是导致的转矩不均的原因。另一方面，在步骤16中判断为相关关系不存在的情况下，在显示器上显示“没有异常”(步骤11)并待机，直到结束诊断或下一次动作周期为止。

接着，对与图1所示的时间坐标非线性变换装置3中的处理对应的步骤6或步骤13中的坐标变换的具体顺序进行说明。

首先，这里将小室位置信号p(t)或小室速度信号v(t)记为状态量信号z(t)，得到了由数据序列{z(t₁)，z(t₂)…z(t_N)}构成的函数表(时间的状态量变换表4)。并且，对由通常的小波变换得到的数据

wt(a，b)＝{wt(a_i，b_j)|i＝1，…，n1，j＝1，…，n2}    (15)首先，代入ω＝a^-1的关系，变换成由wt(ω，b)＝{wt(ω_i，b_j)|ω_i＝a_i ^-1，i＝1，...，n1，j＝1，…，n2}

                                                     (16)构成的数据。

接着，对各数据要素的时间坐标b_j，从{t₁，t₂…t_N}找出由

    t_k≤b_j≤t_k+1                                     (17)

构成的tk，利用线性插值公式

$z\left(b_j\right)=z\left(t_k\right)+\frac{b_j-t_k}{t_{k+1}-t_k}(z\left(t_{k+1}\right)-z\left(t_k\right))$

$=\frac{(b_j-t_k)z\left(t_{k+1}\right)+(t_{k+1}-b_j)z\left(t_k\right)}{t_{\mathrm{ki}+1}-t_k}---\left(18\right)$

计算对应的状态量z(b_j)，这样，能够得到扩展小波谱数据。

wt(ω，z)＝{wt(ω_i，z(b_j))|ω_i＝a_i ^-1，i＝1，…，n1，j＝1，…，n2}

                                                     (19)

还有，作为其他方法，从时间的状态量变换表4推定函数z(t)。例如，假定由

             z(t)＝z₀+z₁t+…z_pt^p           (20)构成的多项式，则从数据{z(t₁)，z(t₂)…z(t_N)}最小平方推出系数z₀，z₁…z_p。接着，求其反函数t(z)。

最后，对观测数据x(t)，通过直接数值积分

$\mathrm{wt}(a,b)={\&Integral;}_{z(-\&infin;)}^{z(\&infin;)}\frac{1}{\sqrt{\left|a\right|}}\mathrm{\&phi;}\left(\frac{t(z-b)}{a}\right)x\left(t\left(z\right)\right)\frac{\mathrm{dt}\left(z\right)}{\mathrm{dz}}\mathrm{dz}---\left(21\right)$

，能够得到扩展小波谱数据。

图8a至图15示出了使用本实施例的非稳定信号分析装置分析升降机小室54的加速度数据的结果。

图8a至图12表示由升降机的电机51的轴偏心而产生的旋转转矩不匀导致小室54中产生异常振动的情况。图8a是电机51的转矩司令值，图8b是其时从小室加速度信号x(t)的积分计算推测的小室速度信号v(t)，图8c是同样地从小室加速度信号x(t)的二重积分计算推测的小室位置信号p(t)。

此时，在小室54内部观测的加速度数据x(t)是其频率特性如图9(a)所示那样与速度一起变化的非稳定信号。其原因在于，由电机轴偏心导致的转矩不均的频率如图9b所示那样与小室速度成比例变化。因而，即使单纯地对加速度数据x(t)进行傅里叶变换，只了解图9c所示那样的全体的谱分布，也不能判别对速度信号的相关性。

图10、图11a、图11b、图12分别表示对加速度信号x(t)进行现有型小波变换的结果、根据速度信号v(t)进行扩展小波变换的结果和根据位置信号p(t)进行扩展小波变换的结果。

例如，如果观察根据图11a、图11b的速度信号的小波谱数据的话，则可以判断谱峰(峰值谱)排列在表示速度信号v(t)和频率ω＝a^-1的比例关系的直线上。从该结果判别升降机的旋转系统为异常，另外，从速度与频率的比例关系判别电机51的轴为异常。

还有，图13a至图15示出了升降机的导轨56中有异常时的分析结果。图13a、图13b、图13c分别表示电机转矩信号、小室速度信号v(t)和小室位置信号p(t)。图14a、图14b分别表示小室内加速度信号x(t)及其傅里叶变换结果。

并且，在小室54上升中，在高约10.7m的部分有导轨56的焊缝导致的台阶，该台阶使小室54受脉冲状的外力而开始振动。然而，不能从图14所示的傅里叶变换的结果判断是哪一部分承受外力。

接着，图15示出了对加速度信号x(t)的位置信号p(t)进行扩展小波变换的结果。从图15可知，对小室位置p轴方向在p＝10.7m的部分出现了谱的骤变。因而，判断为导轨在该p＝10.7m的部分发生了异常。

根据上述实施例，对小室速度，将升降机小室54的加速度信号进行扩展小波变换，能够从所得的扩展小波谱数据中的峰值谱的频率与小室速度的比例关系判别旋转系统发生转矩变化，还能从比例系数确定成为原因的旋转系统的半径。

同样，还能从扩展小波谱数据的谱位置对加速度信号的小室位置的位置变化判断导轨、钢缆等有无损伤，能够确定其位置。

因而，能够大幅度地提高升降机异常诊断、维护业务等的效率。还有，即使在升降机的移动距离短、观测数据长度短时，也可进行精度高的分析·异常诊断。

还有，本实施例的异常判断装置有暂时存储升降机的小室内加速度信号、用离线处理对它进行异常分析的情况，也有完全实时进行数据的实时测量、特定状态量即小室速度·加速度的推测、扩展小波计算和异常判定的情况。

特别是，对应用于升降机系统的异常诊断的情况，能明确地把握加速度信号所含的振动谱与小室位置、小室速度的相关关系，能够容易地进行诊断和异常处所的确定。

实施例2

接着，作为上述实施形态1的非稳定信号分析装置的实施例2，参照图16和图17对监视对象是火车的情况进行说明。

铁路等的火车、电车由于车轮磨耗或导轨失真、变形等而发出异常振动和异常声音，成为乘座心情不好、乘客不舒适和列车事故的原因。

因而，下面对将非稳定信号分析装置作为列车的异常诊断系统使用的情况进行说明。

图16是表示本实施例的非稳定信号分析装置的主要情况的结构图，图17是用于说明将本实施例的非稳定信号分析装置安全装到列车上的状态的说明图。

图16所示的本实施例的非稳定信号分析装置包括构成响应数据测量装置1的加速度传感器30及声音传感器31。如图17所示，这些传感器30、31被安装到列车32上。由加速度传感器30及声音传感器31构成的响应数据测量装置1的检测信号被送到小波变换计算装置2，在那里变换成小波谱。

还有，如图17所示，以前是将位置传感器33和编码器34安装到列车32上，位置传感器33是识别在地上设置的地上标识符(标记)35的传感器，另一方面，编码器34被安装在列车32的车轮轴上，检测该车轮轴的旋转。

另外，本实施例的非稳定信号分析装置如图16所示包括速度·位置检测单元36，该速度·位置检测单元36根据以上述位置传感器33及编码器34来的信号，检测特定状态量即列车的速度及位置，生成时间-位置数据或时间-速度数据。这些时间-位置数据或时间-速度数据被送到时间-状态量变换表4中，存储在那里。

由小波变换计算单元2计算的小波谱被送到时间坐标非线性变换装置3，该时间坐标非线形变换单元3根据从时间-状态量变换表4来的时间-位置数据或时间-速度数据，将小波谱的时间坐标变换成列车位置坐标或列车速度坐标，生成扩展小波谱。

时间坐标非线性变换装置3的变换结果被送给异常判定单元8，在异常判定单元8中进行正常和异常判定。这里，作为异常判定的方法，首先对位置的频率，将扩展小波谱同过去正常时的谱数据进行比较，其差异在阈值以上时，判断为线路的导轨异常，并确定异常发生的导轨的方位。

作为其他的异常判定方法，对速度的频率，将扩展小波谱同过去正常时的谱数据进行比较，其差异在阈值以上时，判定为列车的车轮异常，并确定异常发生的车轮。

异常判定时使用的正常时的数据根据通常运转时的数据或列车试验时的数据另外生成，预先准备。

将异常判定单元8的判定结果送到设在列车32中的显示警报装置(异常显示装置)9，在异常时对操作员报警。还有，异常判定单元8的判定结果利用有线或无线的通信装置37送到列车管制中心中的接收装置38，进而送到列车管制中心中的显示单元7，在那里进行显示。

在上述实施例中是以实时地进行处理为前提的，但若不是实时，也可通过离线进行处理。

还有，在上述实施例中是将异常诊断系统即非稳定信号分析装置设置于列车内部，但通过将非稳定信号分析装置设置于列车外部、在线路侧安装加速度传感器30及声音传感器31，也能实现和上述相同的功能。

实施例3

作为上述实施形态1的非稳定信号分析装置的实施例3，参照图18至图21对用于分析不特定监视对象的异常的通用异常诊断工具即非稳定信号分析装置进行说明。本实施例的非稳定信号分析装置是将传感器、运算功能及显示功能一体化的携带型的分析装置或异常诊断装置。

图18是表示本实施例的非稳定信号分析装置(通用异常诊断装置)40的外观的斜视图，图19是表示该非稳定信号分析装置的内部系统构成的构成图。

图18及图19所示的非稳定信号分析装置40包括用于显示分析结果即扩展小波谱数据的显示部41，该显示部41使使用者可用由电子笔构成的指示设备42指定画面上的特定区域。还有，作为指示设备，可以设置鼠标来代替电子笔。

本实施例的非稳定信号分析装置40内装有响应数据测量装置即加速度传感器43，还包括用于取入监视对象的状态量信号的外部信号输入端子44。从加速度传感器43来的检测信号和从外部信号输入端子44来的输入信号被送到设在非稳定信号分析装置40的内部的中央处理单元(CPU)45。存储器46与CPU45相连，将传感器信息存储在存储器46中，由CPU45执行扩展小波变换计算。

图20示出了在显示部41上显示由CPU45所得的扩展小波谱数据的一例，画面上的横轴表示特定的状态量(监视对象的位置、速度等)，纵轴表示频率，另外，用等高线表示谱的功率强度。还有，也可以用颜色差别代替等高线来显示谱的功率。

并且，使用者操作由电子笔或鼠标等构成的指示设备42，利用区域指定线在显示部41的画面上指定希望进行异常诊断的特定区域。指定区域的形状不限于长方形，可以是任意的形状。

这样，在显示部41的画面上指定特定区域时，只切出与指定的区域相当的扩展小波数据，只对切出的数据继续进行异常诊断处理。还有，也可以将指定区域之外部分的数据视为0，进行以后的异常诊断处理。

接着，参照图21说明区域指定后的异常诊断处理。图21中，符号47是包括指示设备42的区域指定单元，利用该区域指定单元47指定应进行异常诊断的区域时，取出与用数据提取单元48指定的区域对应的扩展小波谱数据，或者将指定区域之外的部分数据设置为0。

将这样加工的数据送到异常判定单元8，根据这些数据，例如利用上述式(12)及式(13)所示的顺序等判定有无异常。将异常判定单元8的判定结果送到显示单元7，在那里进行显示。还有，也可以将显示部41兼用作显示单元7。

在上述的实施例中，由于能够用区域指定单元47及数据提取单元48指定在显示部41上显示的全部谱数据中的一部分，所以，使用者能够从在显示部41上显示的全部谱数据中判断并提取示出了与通常不同的特征的部分，只对取出的部分用异常判定单元8进行分析。因此，在异常诊断分析时，能够不受指定区域之外的部分所含的噪声、干扰及其他因素的影响，提高异常判定的精度。

实施形态2

下面，参照图22及图23对本发明实施形态2的记录非稳定信号分析程序的媒体进行说明。

本实施形态的记录非稳定信号分析程序的媒体是记录使计算机实现上述实施形态1中的小波变换计算单元2、时间坐标非线性变换单元3及状态量变化函数设定单元(时间-状态量变换表4、状态量推测单元6)的功能的非稳定信号分析程序、可由机械读取或可由计算机读取的媒体。

还有，还能在非稳定信号分析程序上添加与上述实施形态1的异常判定单元8的功能有关的程序。

本实施形态的非稳定信号分析程序的分析顺序与上述实施形态1及其变形例或实施形态1的实施例1至实施例3中说明的分析顺序相同。

图22是表示本实施形态的从记录了非稳定信号分析程序的媒体中读出程序的计算机系统的斜视图，记录媒体中记录的程序被用于分析由搭载在计算机系统50上的记录媒体驱动装置读出的非稳定信号。

如图22所示，计算机系统50包括被收容在立式机箱等箱体中的计算机主体51、CRT(阴极射线管)、等离子体显示器、液晶显示装置(LCD)等显示装置52、作为记录输出装置的打印机53、作为输入装置的键盘54a及鼠标54b、软盘驱动装置56和CD-ROM驱动装置57。

图23是表示本发明的从记录了非稳定信号分析程序的媒体中读出程序的计算机系统的框图。如图23所示，在收存计算机主体51的箱体中，还设有由RAM等构成的内部存储器35和硬盘驱动器单元58等外部存储器。

记录非稳定信号分析程序的软盘61如图22所示，可插入到软盘驱动装置56的槽中，根据规定的应用程序读出。作为记录程序的媒体，不限于软盘61，还可以是CD-ROM62。记录媒体可以是未图示的MO(光磁)盘、光盘、DVD(数字通用盘)、存储器卡和磁带等。

产业上的可利用性

本发明的非稳定信号分析装置及记录了非稳定信号分析程序的媒体能够求出频率对监视对象的特定状态量的变化相关性和相关关系，所以，能够广泛应用于诊断升降机和列车等监视对象的异常状态。

Claims (15)

1.一种非稳定信号分析装置，分析从监视对象发生的非稳定信号，其特征在于，包括：

小波变换计算单元，将上述非稳定信号进行小波变换，生成小波谱数据；

状态量变化函数设定单元，设定表示上述监视对象的特定状态量的时间变化的状态量变化函数；

时间坐标非线性变换单元，用上述状态量变化函数的反函数将上述小波数据的时间坐标非线性变换为上述特定状态量的坐标。

2.如权利要求1所述的非稳定信号分析装置，其特征在于，所述监视对象为升降机，所述非稳定信号是在升降机小室中测量的加速度信号，

上述特定状态量为上述升降位置或上述升降速度的时间变化的状态量。

3.如权利要求1或2所述的非稳定信号分析装置，其特征在于，上述时间坐标非线性变换单元利用扩展小波变换式

$\mathrm{wt}(a,b)={\&Integral;}_{z(-\&infin;)}^{z(\&infin;)}\frac{1}{\sqrt{\left|a\right|}}\mathrm{\&phi;}\left(\frac{t(z-b)}{a}\right)x\left(t\left(z\right)\right)\frac{\mathrm{dt}\left(z\right)}{\mathrm{dz}}\mathrm{dz}$

将上述小波谱数据的时间坐标非线性变换为上述特定状态量的坐标，计算谱数据。

4.如权利要求1或2所述的非稳定信号分析装置，其特征在于，上述时间坐标非线性变换单元在每一时间中分割上述小波谱数据，根据存储时间和上述特定状态量的关系的数据表或上述状态量变化函数，按状态量的顺序替换分割的数据，通过在各数据间进行插值或平滑处理，将上述小波谱数据的时间坐标非线性变换为上述特定状态量的坐标，计算谱数据。

5.如权利要求1所述的非稳定信号分析装置，其特征在于，还包括用于测量上述非稳定信号的响应数据测量单元。

6.如权利要求1所述的非稳定信号分析装置，其特征在于，上述状态量变化函数设定单元根据与上述特定状态量之外的状态量有关的测量数据推测上述状态量变化函数。

7.如权利要求6所述的非稳定信号分析装置，其特征在于，与上述特定状态量之外的状态量有关的测量数据是与上述非稳定信号有关的测量数据。

8.如权利要求6所述的非稳定信号分析装置，其特征在于，上述状态量变化函数设定单元使用基于上述监视对象的动态特性模型的状态观测器或卡尔曼滤波器，根据上述特定状态量之外的状态量的测量数据推测上述特定状态量的时间变化，这样来推测上述状态量变化函数。

9.如权利要求1所述的非稳定信号分析装置，其特征在于，上述状态量变化函数设定单元根据上述特定状态量的测量数据求取上述状态量变化函数。

10.如权利要求1所述的非稳定信号分析装置，其特征在于，上述状态量变化函数设定单元使用预定求取的上述状态量变化函数。

11.如权利要求1所述的非稳定信号分析装置，其特征在于，还具有显示单元，用至少包括上述特定状态量的坐标及频率的坐标的坐标系来显示上述时间坐标非线性变换单元的分析结果。

12.如权利要求11所述的非稳定信号分析装置，其特征在于，还具有异常判断单元，根据上述时间坐标非线性变换单元的分析结果，判定上述监视对象中有无异常发生。

13.如权利要求12所述的非稳定信号分析装置，其特征在于，还包括：

区域指定单元，对上述时间坐标非线性变换单元的分析结果即谱数据，利用上述显示单元的显示，指定显示全体中的特定区域；

数据提取单元，取出与由上述区域指定单元指定的区域对应的谱数据，送给上述异常判定单元。

14.如权利要求12所述的非稳定信号分析装置，其特征在于，在上述显示单元上显示上述异常判定单元的判定结果。

15.如权利要求12所述的非稳定信号分析装置，其特征在于，还包括异常显示单元，显示上述异常判定单元的判定结果。

Images