JP2002107223A - 回転機械異常音診断処理手法 - Google Patents

Abstract

(57)【要約】 【課題】 複雑なアルゴリズムを用いずに異常音を高精
度に診断し、かつ処理速度が速い回転機械異常音診断処
理手法を提供することにある。 【解決手段】 コンベヤ等に使用されるローラ等の回転
機械の異常音を診断する回転機械異常音診断処理手法に
おいて、携帯型診断装置のマイクロホンで、コンベア等
に沿って回転機械音を採取し、その採取した回転機械音
の生波形を、所定時間毎に周波数と音圧レベルの時系列
スペクトルに分解すると共に異音成分を抽出し、その異
音成分から計測異音スペクトルパターンを作成し、他
方、予め異音出現頻度と登録異音タイプをパターン化し
たグループ選別データを作成し、上記計測異音スペクト
ルパターンとグループ選別データとのパターンマッチン
グを行って異常音を診断するものである。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、コンベヤ等に使用
されるローラ等の回転機械の異常音を診断する回転機械
異常音診断処理手法に係り、特に、複雑なアルゴリズム
を用いずに異常音を高精度に診断し、かつ処理速度が速
い回転機械異常音診断処理手法に関するものである。

【０００２】

【従来の技術】従来の回転機械異常音診断処理手法は、
診断装置のマイクロホンで、コンベヤ等に使用されるロ
ーラ等の回転機械音を採取し、その採取した回転機械音
を、装置に搭載した複雑なフィルタや統計モデル等の複
雑なアルゴリズムを用いて処理し、正常音・異常音の判
別を行っている。

【０００３】従来の手法は計算負荷が高いため、処理に
は専用の機器または、高性能なパソコンを必要としてい
る。

【０００４】

【発明が解決しようとする課題】しかしながら、従来の
手法を小型の携帯型装置に適用する場合、携帯型装置の
計算能力の制限から、複雑なアルゴリズムを用いること
が困難であるという問題がある。

【０００５】また、携帯型装置の場合、人がその場で処
理結果を確認することから、高速な処理が必要である。

【０００６】そこで、本発明の目的は、複雑なアルゴリ
ズムを用いずに異常音を高精度に診断し、かつ処理速度
が速い回転機械異常音診断処理手法を提供することにあ
る。

【０００７】

【課題を解決するための手段】本発明は、上記目的を達
成するために創案されたものであり、請求項１の発明
は、コンベヤ等に使用されるローラ等の回転機械の異常
音を診断する回転機械異常音診断処理手法において、携
帯型診断装置のマイクロホンで、コンベア等に沿って回
転機械音を採取し、その採取した回転機械音の生波形
を、所定時間毎に周波数と音圧レベルの時系列スペクト
ルに分解すると共に異音成分を抽出し、その異音成分か
ら計測異音スペクトルパターンを作成し、他方、予め異
音出現頻度と登録異音タイプをパターン化したグループ
選別データを作成し、上記計測異音スペクトルパターン
とグループ選別データとのパターンマッチングを行って
異常音を診断する回転機械異常音診断処理手法である。

【０００８】請求項２の発明は、採取した回転機械音の
生波形から低周波雑音成分を除去し、この波形を約１０
ｍｓｅｃ間隔で高速フーリエ変換して、周波数と音圧レ
ベルの時系列スペクトルに分解し、その時系列スペクト
ルから異音成分のコンタを抽出し、その時系列スペクト
ルのコンタから異音成分を含むスペクトル列のみを抜き
出し、これを平均化処理しさらに正規化処理して計測異
音スペクトルパターンとし、同時に異音出現頻度を求め
る請求項１記載の回転機械異常音診断処理手法であえ
る。

【０００９】請求項３の発明は、グループ選別データ
は、異音出現頻度の大小と、正常・異音のスペクトルパ
ターンに分けたグループに選別して格納され、計測異音
スペクトルパターンの異音出現頻度とスペクトルパター
ンをそれぞれ比較して異音タイプを判定する請求項２記
載の回転機械異常音診断処理手法である。

【００１０】請求項４の発明は、時系列スペクトルのコ
ンタから異音成分を含むスペクトル列のみを抜き出し、
これを平均化処理しさらに正規化処理して計測異音スペ
クトルパターンとする際、計測異音のオーバーオール値
を求め、その計測異音のオーバーオール値と全グループ
選別データのオーバーオール値の平均値とから異音係数
を求め、この異音係数によって回転機械の異常音の発生
源を特定する請求項２記載の回転機械異常音診断処理手
法である。

【００１１】

【発明の実施の形態】以下に、本発明の好適実施の形態
を添付図面にしたがって説明する。

【００１２】まず、本発明に係る携帯型診断装置を図１
０に示し、図１１、図１２の順で説明する。

【００１３】図１０は、携帯型診断装置の外観図を示し
たものである。

【００１４】図１０に示すように、携帯型診断装置１０
０は、コンベヤ等に使用されるローラ等の回転機械の異
常音を診断するノート型（モバイル）パソコン等の本体
１０１と、全方位の音を等しく計測する無指向性マイク
ロホン１０２と、マイクロホンを向けた方向のみの音を
計測する指向性マイクロホン（ガンマイク）１０３とか
らなる。これら無指向性マイクロホン１０２と指向性マ
イクロホン１０３は、本体１０１に搭載された発見モー
ドと診断モードという２つの動作モードにより使い分け
られている。

【００１５】本体１０１には、表示装置１０４が備えら
れている。表示装置１０４としては、例えば、バックラ
イト、タッチパネル付き大型液晶を用いている。

【００１６】次に、この診断装置１００を用いたコンベ
ヤの巡回点検を説明する。

【００１７】図１１は、本発明に係る携帯型診断装置の
使用例の概略図を示したものである。

【００１８】図１１に示すように、コンベヤ１０５は、
トラフアイドローラ１０６とリターンローラ１０７によ
りベルト１０８を循環させて、そのベルト１０８の荷を
運搬するものである。コンベヤ１０５上部はギャラリー
１０９で覆われており、コンベヤ１０５側面には、各ロ
ーラの位置情報となるローラ識別番号１１０が貼付され
ている。

【００１９】まず、点検員１１１がコンベヤ１０５の運
転時に診断装置１００を発見モードにして携帯し、コン
ベヤラインに沿って巡回する。点検員１１１は、巡回中
に異音発見アラームが発生した場合、その場で立ち止ま
り、診断装置１００を診断モードに切り替える。このと
き、異常ローラを特定するために、指向性マイクロホン
１０３を異音発見位置近傍のローラに向け異音の診断を
行う。異常ローラを特定したら、診断結果をローラの位
置情報と共に診断装置１００に記録する。

【００２０】以下同様の手順にてコンベヤ１０５の巡回
点検を行う。そして、診断装置１００に記録された情報
に基づいて異常ローラの交換等を行い、コンベヤ１０５
の保守をする。

【００２１】発見モードは、無指向性マイクロホン１０
２を用いて全周囲の音を採取して自動計測し、危険な異
音を検出するとアラーム音と表示装置１０４の画面点滅
にて異音発見を点検員に知らせる動作モードである。

【００２２】一方、診断モードは、ガンマイク１０３を
用いて診断したいローラ音のみを計測し、診断する動作
モードである。

【００２３】図１２は、携帯型診断装置１００の各動作
モードのフローチャートを示したものである。

【００２４】図１２（ａ）に示すように、発見モードの
制御を開始（Ｆ１２０）し、無指向性マイクロホン１０
２から音を計測（Ｆ１２１）する。計測した音は、危険
な異音かどうか判別（Ｆ１２２）される。

【００２５】本発明は、この判別（Ｆ１２２）における
異音判別の処理手法に特徴を有するものであるが、この
部分の詳細は後述する。

【００２６】その後、Ｓｔｅｐ１の判断で、計測した音
が異音でない場合（Ｎｏ）には、無指向性マイクロホン
１０２から音を計測（Ｆ１２１）に戻って音の計測から
処理を繰り返し、Ｓｔｅｐ１で、計測した音が異音であ
る場合（Ｙｅｓ）には、異音アラームを発生（Ｆ１２
３）し、制御を終了（Ｆ１２４）する。

【００２７】次に、診断モードは、図１２（ｂ）に示す
ように、指向性のガンマイク１０３に切り替えて、診断
モードの制御を開始（Ｆ１２５）し、ガンマイク１０３
で、異音発見位置近傍のローラに向けて異音の計測（Ｆ
１２６）を行い、異常ローラの特定を行った後、その異
常ローラの異音判別（Ｆ１２７）を行い、その異音に基
づいて診断結果を表示装置１０４に表示（Ｆ１２８）
し、診断モードの制御を終了（Ｆ１２９）する。

【００２８】さて、本発明の回転機械異常音診断処理手
法を説明する。

【００２９】図１は、本発明の好適実施の形態である回
転機械異常音診断処理手法のフローチャートを示したも
のである。

【００３０】図１に示すように、本発明の回転機械異常
音診断処理手法は、まず、診断処理を開始（Ｆ０）し、
携帯型診断装置のマイクロホンで、コンベア等に沿った
回転機械音を採取（Ｆ１）し、その採取した回転機械音
の生波形を、所定時間毎に周波数と音圧レベルの時系列
スペクトルに分解（Ｆ２）すると共に異音成分を抽出
（Ｆ３）し、その異音成分から計測異音スペクトルパタ
ーンを作成（Ｆ４）し、他方、予め異音出現頻度と登録
異音タイプをパターン化したグループ選別データを作成
（Ｆ５）しておき、上記計測異音スペクトルパターンと
グループ選別データとのパターンマッチング（Ｆ６）を
行い、そのパターンマッチング（Ｆ６）で、予め作成し
たグループ選別データの異音出現頻度と登録異音タイプ
に最も近いパターンのデータを選んで、異常音を診断
（Ｆ７）し、診断処理を終了（Ｆ８）する。

【００３１】本発明は、コンベヤ等に使用されるローラ
等の回転機械の異常音を診断するものであり、採取した
回転機械音が、正常音なのか異常音なのかを異音判別す
る処理手法に特徴がある。

【００３２】本発明では、予め異音出現頻度と登録異音
タイプをパターン化したグループ選別データを作成して
おり、計測異音スペクトルパターンと個々のグループ選
別データとのパターンマッチングを総当たりで行うので
はなく、異音出現頻度を用いてデータを絞り込み、デー
タをグループとして選択した後、計測異音スペクトルパ
ターンと選択したグループ内のデータのみとのパターン
マッチングを行うことで、複雑なアルゴリズムを用いず
に異常音を高精度に診断することができる。本発明は、
選択したグループ内のデータ以外は、パターンマッチン
グを行わないので、処理速度が非常に速い。

【００３３】次に、本発明に係る携帯型診断装置１００
をより詳細に説明する。

【００３４】図２は、本発明に係る携帯型診断装置のブ
ロック図を示したものである。

【００３５】図２に示すように、携帯型診断装置１００
は、本体１０１と、無指向性マイクロホン１０２と、指
向性マイクロホン（ガンマイク）１０３とから構成され
ている。

【００３６】本体１０１内には、動作モードによって無
指向性マイクロホン１０２と指向性マイクロホン１０３
とを切り替える切換部２０、マイクロホンで採取したア
ナログ波形である回転機械音をディジタル波形に変換す
るＡ／Ｄ変換部２１、Ａ／Ｄ変換部２１で変換されたデ
ィジタル波形の低周波成分を除去するフィルタ部２２、
フィルタ部２２を通過した波形を所定時間毎に切出した
後、切り出された波形毎に高速フーリエ変換して周波数
と音圧レベルの時系列スペクトルに分解するＦＦＴ(Fas
t Fourier Transform)部２３、その時系列スペクトルか
ら異音成分を抽出し、その異音成分をデータ圧縮処理し
て計測異音スペクトルパターンを作成するデータ圧縮処
理部２４、予め異音出現頻度と登録異音タイプをパター
ン化したグループ選別データを作成しておき、そのグル
ープ選別データを格納したデータベース部２５、計測異
音スペクトルパターンとグループ選別データとのパター
ンマッチング処理を行って異常音を診断するパターンマ
ッチング処理部２６などが備えられている。

【００３７】これら切換部２０、Ａ／Ｄ変換部２１、フ
ィルタ部２２、ＦＦＴ部２３、データ圧縮処理部２４、
データベース部２５、パターンマッチング処理部２６
は、それぞれ本体１０１に搭載されたＣＰＵ２７と接続
されている。

【００３８】また、本体１０１にはＣＰＵ２７の他にも
ＲＡＭ２８、ＨＤ（ハードディスク）２９が搭載されて
おり、異音の診断結果とローラの位置情報を入力するた
めの入力装置３０、表示装置１０４も備えられている。
これらＲＡＭ２８、ＨＤ２９、入力装置３０、表示装置
１０４もＣＰＵ２７と接続されている。切換部２０に
は、入力装置３０と診断スイッチ３１も接続されてい
る。

【００３９】次に、データベース部２５に格納している
グループ選別データの異音パターンを説明する。

【００４０】図３は、コンベヤに使用されるローラの回
転機械音における時系列スペクトルの等高線（コンタ）
表示の一例を示した図である。

【００４１】本実施の形態においては、以下に説明する
音パターンの特徴をデータベースとして予め搭載してい
る。

【００４２】図３に示すように、コンベヤのローラの回
転機械音は、保持リング（リテーナ）と玉からなる軸受
（ベアリング）の状態によって大別することができる。
ここでは、例えば、音パターンＡ〜Ｅまでの５種類に分
類している。これら音パターンＡ〜Ｅの各グラフは、時
間を横軸にとり、縦軸を周波数にとり、音圧レベルを紙
面に垂直方向の軸にとって異音の周波数成分の時間変化
を示したものであり、異音のレベルを等高線（コンタ）
で示している。

【００４３】音パターンＡは、例えば、ベアリング損傷
音（ガラガラ音）に対応し、連続的な音で、かすれた帯
状のパターンが特徴である。この音を発しているローラ
は交換の対象である。

【００４４】音パターンＢは、例えば、音パターンＡよ
りベアリング損傷程度が低い音（ゴロゴロ音）に対応
し、連続的な音で、２本線のパターンが特徴である。こ
の音を発しているローラは調査の対象である。

【００４５】音パターンＣは、例えば、ベアリング摩耗
音（キーキー音）に対応し、間欠的な音で１本線のパタ
ーンと点のパターンが特徴である。この音を発している
ローラは注意の対象である。

【００４６】音パターンＤは、例えば、音パターンＣよ
りベアリング摩耗程度が低い音（カタカタ音）に対応
し、一定周期で発生する間欠的な音で、櫛状のパターン
が特徴である。この音を発しているローラは正常とみな
している。

【００４７】音パターンＥは、例えば、正常ベアリング
音に対応し、低周波数の１本線のみのパターンが特徴で
ある。この音は、暗騒音と呼ばれている。

【００４８】次に、異音判別の処理手法をより詳細に説
明する。

【００４９】図４は、本発明に係る異音判別処理を示す
フローチャートを示したものである。

【００５０】図４に示すように、異音判別処理は４つの
ステップに分かれており、図１ではＦ２〜Ｆ７の処理に
相当する。異音判別処理を開始（Ｆ４０）し、異音特徴
の抽出（Ｆ４１）を行い、異音特徴の細分化（Ｆ４２）
を行い、異音出現頻度による登録異音タイプのグループ
選別（Ｆ４３）を行い、異音スペクトルパターンによる
異音タイプの判定（Ｆ４４）を行い、異音判別処理を終
了（Ｆ４５）する。

【００５１】まず、図５で異音特徴の抽出（Ｆ４１）を
説明する。

【００５２】図５に示すように、異音特徴の抽出は、マ
イクロホンで採取して計測した回転機械音の波形から異
音の特徴をパターンとして抽出するものである。

【００５３】計測した生波形には、ローラの異音の他に
ローラ回転音等の低周波雑音が重畳されている。ローラ
異音の特徴は低周波雑音より高い周波数（約１ｋＨｚ〜
１０ｋＨｚ）にあることから、それ以下の不要な雑音
（約１ｋＨｚ以下）は周波数フィルタにより除去する。
さらに、低周波雑音を除いた計測波形は等間隔で分割
し、分割したデータごとに計算負荷が小さい高速フーリ
エ変換（ＦＦＴ）処理をして時系列の周波数スペクトル
を求める。

【００５４】本実施の形態では、採取した回転機械音の
生波形から低周波雑音成分を除去した後、この波形を、
例えば、１０ｍｓｅｃ間隔でＦＦＴ処理し、横軸に時間
（ｓｅｃ）をとり、縦軸に音圧レベルをとり、これら横
軸と縦軸の双方に垂直となる軸に周波数（Ｈｚ）をとっ
て３次元表示した時系列スペクトルに分解している。

【００５５】得られた時系列スペクトルは、３次元表示
で少々見にくいので、等高線（コンタ）表示にする。こ
のようにすると、異音の特徴パターンが図３で説明した
ように、視覚で把握しやすいパターンとして得られる。
診断装置１００の表示装置１０４には、例えば、この時
系列スペクトルのコンタが下側に表示され、一方、低周
波雑音を除いた計測波形が上側に表示されるようになっ
ている。

【００５６】次に、図６で異音特徴の細分化（Ｆ４２）
を説明する。

【００５７】異音の特徴パターンである時系列スペクト
ルは、３次元情報なので装置１００にとって情報が過多
であり、このままでは異音の自動判別ができない。

【００５８】そこで、図６に示すように、異音特徴の細
分化を行う。異音特徴の細分化は、異音判別が容易にな
るように、情報量を減らさずにデータ量を圧縮し、かつ
情報を細分化するものである。

【００５９】まず、時系列スペクトルから異音成分を含
むスペクトル列のみを抜き出し、加算平均して横軸に周
波数をとり、縦軸に音圧レベルをとった計測異音のスペ
クトルを作成する。計測異音スペクトルは２次元情報で
ある。

【００６０】平均化の際、異音の周期情報が欠落するた
め、計測時間中の異音発生の時間割合を異音出現頻度と
し、保存する。すなわち、時系列スペクトル中の異音成
分の割合を異音出現頻度として定義し、異音周期の情報
として後のパターンマッチング処理に用いる。異音出現
頻度が少ない場合は、異音は間欠的、逆に多い場合には
連続的と判断できることから異音周期の目安となる。

【００６１】得られた計測異音スペクトルを正規化し、
計測異音のスペクトルパターンを作成する。計測異音ス
ペクトルパターンは１次元情報である。正規化の際、異
音のレベル（強さ）情報が欠落するため、正規化前に異
音レベルとしてオーバーオール値（計測異音スペクトル
の各周波数ごとの音圧レベル値の総和）を算出し、保存
する。異音の強さ情報は異常診断の判断データとなる。
後述するように、このオーバーオール値を利用して異音
の発生源を突き止めることができる。

【００６２】以上の手順により、異音の特徴パターン
は、異音周期の情報である異音出現頻度、異音の周波数
の情報であるスペクトルパターンおよび異音レベルの情
報であるオーバーオール値に細分化される。

【００６３】さて、図７により異音出現頻度による登録
異音タイプのグループ選別（Ｆ４３）を説明する。

【００６４】本発明では、診断装置１００のデータベー
ス部２５にグループ選別データを格納している。このグ
ループ選別データは、予め異音出現頻度の大小と、正常
・異音のスペクトルパターンに分けたグループに選別し
て格納されており、計測異音スペクトルパターンの異音
出現頻度とスペクトルパターンをそれぞれ比較して異音
タイプを判定するものである。

【００６５】図７は、計測した異音のスペクトルパター
ン７０と、異音出現頻度による登録異音タイプのグルー
プ選別データのパターン７２とをパターンマッチングす
る例を示したものである。

【００６６】まず、グループ選別データは、例えば、異
音出現頻度を大（連続音）・中・小（間欠音）の３つの
グループ７２Ｌ、７２Ｍ、７２Ｓに分け、そのグループ
７２Ｌ、７２Ｍ、７２Ｓを、さらにスペクトルパターン
で細分化したもので、異音出現頻度大のグループ７２Ｌ
の正常音スペクトルパターン７２Ｌ０、異音Ａのスペク
トルパターン７２ＬＡ、異音Ｂのスペクトルパターン７
２ＬＢに細分化し、同様に、異音出現頻度中のグループ
７２Ｍを異音Ｃ〜Ｅに、異音出現頻度小のグループ７２
Ｓを異音Ｆ〜Ｈに細分化し、正常音と異音Ａ〜Ｈの合計
９つの異音スペクトルパターンを予め登録したものであ
る。

【００６７】なお、グループ選別データの異音の強さ情
報は、予め個々のグループ選別データのオーバーオール
値をそれぞれ求めた上で、全グループ選別データのオー
バーオール値の平均値として保存されている。よって、
全グループ選別データのオーバーオール値の平均値は一
定値である。

【００６８】異音出現頻度による登録異音タイプのグル
ープ選別は、細分化された異音特徴をもとにデータベー
スから異音タイプの候補を選別するものである。ここで
は、異音出現頻度を用いて異音タイプの候補を大まかに
絞り込む。

【００６９】図７に示すように、計測異音スペクトルパ
ターン７０の異音出現頻度は大であることから、データ
ベースから異音出現頻度大のグループ７２Ｌである正常
音スペクトルパターン７２Ｌ０、異音Ａのスペクトルパ
ターン７２ＬＡ、異音Ｂのスペクトルパターン７２ＬＢ
を選択する。

【００７０】この選択処理により、処理時間を短縮する
と共に、スペクトルパターンだけでは区別がつきにくい
異音の判定を可能としている。すなわち、スペクトルパ
ターンの情報だけでは、連続的な音と間欠的な音のスペ
クトルパターンが同じとなる場合があり、異音判別の精
度が上がらないが、異音出現頻度を用いることにより、
異音判別の精度を上げている。

【００７１】次に、異音出現頻度別のグループを選択し
たならば、図８に示すように異音スペクトルパターンに
よる異音タイプの判定（Ｆ４４）を行う。

【００７２】異音スペクトルパターンによる異音タイプ
の判定は、計測異音のスペクトルパターンと選択したグ
ループ選別データとの総当たりによるパターンマッチン
グである。

【００７３】ここでは、判定の評価基準を、「異音スペ
クトルパターンの二乗誤差が最小」として、計測スペク
トルパターンに一番近いデータベースの異音タイプを選
び出す。選ばれた異音タイプが計測値の異音タイプであ
ると判定するようにしている。

【００７４】図８に示すように、図７で選択した異音出
現頻度大のグループ７２Ｌである正常音スペクトルパタ
ーン７２Ｌ０、異音Ａスペクトルパターン７２ＬＡ、異
音Ｂスペクトルパターン７２ＬＢの各パターンと計測異
音スペクトルパターン７０とを、パターン比較部８０で
それぞれ重ね合わせ、パターン比較する。

【００７５】パターン比較８０Ｘでは、正常音スペクト
ルパターン７２Ｌ０と計測異音スペクトルパターン７０
とが重ならない部分の面積が大きい。パターン比較８０
Ｙでも、異音Ａスペクトルパターン７２ＬＡと計測異音
スペクトルパターン７０とが重ならない部分の面積がや
や大きい。パターン比較８０Ｚでは、異音Ｂスペクトル
パターン７２ＬＢと計測異音スペクトルパターン７０と
が重ならない部分の面積が最も小さい。

【００７６】評価基準に従うと、計測異音スペクトルパ
ターン７０は、異音Ｂのスペクトルパターン７２ＬＢと
パターンマッチングしたときに二乗誤差が最小となるの
で、計測異音は異音Ｂと判定する。

【００７７】ただし、選別されたスペクトルパターン候
補の中で二乗誤差が最小であっても、二乗誤差が大きす
ぎる場合は、データベースに無い音として判断し、誤判
別を防ぐようにしている。

【００７８】このように本発明では、予め用意されたス
ペクトルパターンのデータベースを総当たりでマッチン
グさせていくのではなく、異音出現頻度を用いて、パタ
ーンマッチング前にデータベースの異音パターン候補の
絞り込みを行い、候補以外のパターンマッチング処理を
行わない。これにより、高速処理を実現した。図１２
（ｂ）で説明した診断モードで言うと、ガンマイク１０
３のスイッチを押してから診断結果が診断装置１００の
表示装置１０４に表示されるまでの時間は、約２秒であ
る。

【００７９】次に、異音レベル（強さ）検出処理手法に
ついて説明する。

【００８０】本発明では、時系列スペクトルのコンタか
ら異音成分を含むスペクトル列のみを抜き出し、これを
平均化処理しさらに正規化処理して計測異音スペクトル
パターンとする際、計測異音のオーバーオール値を求
め、その計測異音のオーバーオール値と全グループ選別
データのオーバーオール値の平均値とから異音係数を求
め、この異音係数によって回転機械の異常音の発生源を
特定するようにしている。

【００８１】異音レベルの指標としては、異音判別処理
にて算出した計測異音のオーバーオール値を用いて数１
で示される異音係数〔％〕を定義している。

【００８２】

【数１】

【００８３】ここで、異音の平均値（オーバーオール
値）はデータベースにある異音のオーバーオール値の平
均値であり、一定値である。また、重みは危険な異音を
より明確に区別するために使用し、異音タイプ別に設定
する。

【００８４】本実施の形態では、表１に示すように、重
みを異音タイプにより傾斜配分している。例えば、ベア
リング損傷音（ガラガラ音）とベアリング損傷程度が若
干低い音（ゴロゴロ音）には重み５を設定し、要交換の
ローラと要調査のローラを高精度に特定できるようにし
ている。ベアリング摩耗音（キーキー音）には重み３を
設定しており、それ以外の音の重みは１に設定してい
る。この異音係数は診断装置１００の表示装置１０４に
表示されるようにしている。

【００８５】

【表１】

【００８６】図９は、本発明に係る異音係数による異音
レベルの検出例の概略図を示したものである。

【００８７】図９に示すように、異常ローラからの異音
は球面拡散して近傍のローラの異音と干渉する。本発明
に係る異音係数は、ガンマイクで異音ローラ周辺のロー
ラを順次多点計測していくと、異常ローラで最大値を示
すので、最大値から異常ローラが精度よく特定できる。
また、周囲の雑音に埋もれて直接には計測できない（人
間の聴覚では判断の難しい）地点の異常ローラの異音レ
ベルも高精度に検出することができる。

【００８８】本発明は、計測した音をスペクトルパター
ンと周期情報および強さ情報に分解し、データベースの
音と比較することで音のタイプを分類する手法であり、
正常音、異常音を高精度に分類できることから機械等の
異常音診断等が可能である。特に回転機械のような周期
的な音を判別する能力に優れている。

【００８９】上記実施の形態においては、コンベヤ等に
使用されるローラ等の回転機械の異常音を診断する例で
説明したが、例えば、予めデータベースに格納したグル
ープ選別データを適宜変更すれば、音声認識も可能であ
る。応用によっては、コンクリート剥離検査等にも適用
することができる。

【００９０】また、従来の音声認識の複雑なアルゴリズ
ムと異なり、ＦＦＴ（高速フーリエ変換）を用いた簡単
なアルゴリズムであることから、計算負荷が小さく、計
算時間も短い。能力の小さな携帯型装置にも搭載が可能
である。

【００９１】本発明は、ローラの回転範囲が約１９０ｒ
ｐｍ〜５８０ｒｐｍの中高速コンベヤに適用すると特に
有効である。

【００９２】

【発明の効果】以上説明したことから明らかなように、
本発明によれば次のごとき優れた効果を発揮する。

【００９３】（１）複雑なアルゴリズムを用いずに異常
音を高精度に診断できる。

【００９４】（２）処理速度が速い。

【図面の簡単な説明】

【図１】本発明の好適実施の形態を示すフローチャート
である。

【図２】本発明に係る携帯型診断装置のブロック図であ
る。

【図３】コンベヤに使用されるローラの回転機械音にお
ける時系列スペクトルの等高線（コンタ）表示の一例を
示した図である。

【図４】本発明に係る異音判別処理を示すフローチャー
トである。

【図５】図４に示したフローチャートの第１ステップの
内容を示した概略図である。

【図６】図４に示したフローチャートの第２ステップの
内容を示した概略図である。

【図７】図４に示したフローチャートの第３ステップの
内容を示した概略図である。

【図８】図４に示したフローチャートの第４ステップの
内容を示した概略図である。

【図９】本発明に係る異音係数による異音レベルの検出
例を示す概略図である。

【図１０】図２に示した携帯型診断装置の外観図であ
る。

【図１１】図２に示した携帯型診断装置の使用例を示す
概略図である。

【図１２】図２に示した携帯型診断装置の動作モードの
フローチャートである。

───────────────────────────────────────────────────── フロントページの続き (72)発明者 信太 雅人 東京都江東区毛利一丁目19番10号 石川島 播磨重工業株式会社江東事務所内 Ｆターム(参考） 2G064 AA17 AB16 AB21 AB22 BA04 BA05 CC06 CC35 CC42 CC43 CC52 DD08 DD12 3F027 AA01 DA21 EA09 FA01

Claims (4)

【特許請求の範囲】
1. 【請求項１】 コンベヤ等に使用されるローラ等の回転
   機械の異常音を診断する回転機械異常音診断処理手法に
   おいて、携帯型診断装置のマイクロホンで、コンベア等
   に沿って回転機械音を採取し、その採取した回転機械音
   の生波形を、所定時間毎に周波数と音圧レベルの時系列
   スペクトルに分解すると共に異音成分を抽出し、その異
   音成分から計測異音スペクトルパターンを作成し、他
   方、予め異音出現頻度と登録異音タイプをパターン化し
   たグループ選別データを作成し、上記計測異音スペクト
   ルパターンとグループ選別データとのパターンマッチン
   グを行って異常音を診断することを特徴とする回転機械
   異常音診断処理手法。
2. 【請求項２】 採取した回転機械音の生波形から低周波
   雑音成分を除去し、この波形を約１０ｍｓｅｃ間隔で高
   速フーリエ変換して、周波数と音圧レベルの時系列スペ
   クトルに分解し、その時系列スペクトルから異音成分の
   コンタを抽出し、その時系列スペクトルのコンタから異
   音成分を含むスペクトル列のみを抜き出し、これを平均
   化処理しさらに正規化処理して計測異音スペクトルパタ
   ーンとし、同時に異音出現頻度を求める請求項１記載の
   回転機械異常音診断処理手法。
3. 【請求項３】 グループ選別データは、異音出現頻度の
   大小と、正常・異音のスペクトルパターンに分けたグル
   ープに選別して格納され、計測異音スペクトルパターン
   の異音出現頻度とスペクトルパターンをそれぞれ比較し
   て異音タイプを判定する請求項２記載の回転機械異常音
   診断処理手法。
4. 【請求項４】 時系列スペクトルのコンタから異音成分
   を含むスペクトル列のみを抜き出し、これを平均化処理
   しさらに正規化処理して計測異音スペクトルパターンと
   する際、計測異音のオーバーオール値を求め、その計測
   異音のオーバーオール値と全グループ選別データのオー
   バーオール値の平均値とから異音係数を求め、この異音
   係数によって回転機械の異常音の発生源を特定する請求
   項２記載の回転機械異常音診断処理手法。