JP2019164107A

JP2019164107A - 異音判定装置および判定方法

Info

Publication number: JP2019164107A
Application number: JP2018053564A
Authority: JP
Inventors: 唯周藤; Yui Shudo
Original assignee: Honda Motor Co Ltd
Current assignee: Honda Motor Co Ltd
Priority date: 2018-03-20
Filing date: 2018-03-20
Publication date: 2019-09-26
Also published as: CN110307895A; US20190295568A1; US10475469B2; CN110307895B

Abstract

【課題】事前に適当な周波数成分を選択することなく、検査対象での異音の発生の有無を未知の異音を含めて精度良く判定するようにした異音判定装置と判定方法を提供する。【解決手段】検査対象が走行するとき音データを収録し（Ｓ１０，Ｓ１２）、収録された検査対象の音データを短時間フーリエ変換すると共に、単位時間ごとの１００Hzごとなどの複数の周波数帯に分解し（Ｓ１４）、単位時間ごとの複数の周波数帯に分解された音データを複数の周波数帯ごとにそれぞれ比較して両者の相関度合いを示す相関係数（相関係数行列）を算出し（Ｓ１４）、算出された相関係数に基づいて異音の発生の有無を判定する（Ｓ１６，Ｓ１８）。【選択図】図２

Description

この発明は異音判定装置および判定方法に関し、より詳しくは完成時の車両を検査対象とし、それからの異音（異常音）の発生の有無を判定する装置および方法に関する。

完成時の車両の異音は、通例検査員が運転してベルジャン（石畳）路などの悪路を走行し、車体を強制的に振動させたときに通常の走行時の車内騒音以外の異音が発生するか否かを聴取することで検査（判定）している。

ここで、「異音」は、上記したように、通常の走行時の車内騒音、即ち、エンジン音、風切り音、ロードノイズなどの走行時の車内騒音以外の、落下ボルトなどの転がり音や、きしみ音、未結合コネクタの振動音など、適切に製造されていれば本来生じる筈がない雑音を意味する。

このような検査員が介在する検査は検査員の聴力のばらつきの影響を受けると共に、人的な工数も大きいことから、人手を介さずに異音を自動的に判定することが望ましい。その点で、機械系から発生する異音（異常音）から機械系の故障を判定（診断）する技術が特許文献１で提案されている。

特許文献１記載の技術は、機械系から発生する音をマイクロフォンで収録し、収録した音を事前に選定された複数のバンドパスフィルタで複数の周波数成分に分解し、２乗パワーを求めた後、ローパスフィルタで２乗パワーの包絡線を抽出する。次いで、所定の周波数成分の相関を求め、求めた相関の高さに応じて故障を判定している。

特許第３１０１０１７号公報

特許文献１は上記のように構成することで異音から故障を判定しているが、各周波数成分に分解する際、バンドパスフィルタのバンド幅周波数の近傍に他の成分が混入すると、判定精度が悪化する。しかしながら、未知の異音の場合、事前に適当な周波数成分を選定することができないため、精度の良い判定が困難であった。さらに、ローパスフィルタを用いるため、落下音のような瞬間的な異音は精度良く判定できなかった。

従って、この発明の課題は上記した不都合を解消し、事前に適当な周波数成分を選択することなく、検査対象での異音の発生の有無を未知の異音を含めて精度良く判定するようにした異音判定装置および判定方法を提供することを目的とする。

上記した課題を達成するため、この発明は、検査対象での異音の発生の有無を判定する異音判定装置において、前記検査対象の音データを収録する検査対象音データ収録部と、前記収録された検査対象の音データを単位時間ごとの複数の周波数帯に分解する音データ時間周波数分解部と、前記単位時間ごとの複数の周波数帯に分解された音データを前記複数の周波数帯ごとにそれぞれ比較して両者の相関度合いを示す相関係数を算出する相関係数算出部と、前記算出された相関係数に基づいて前記異音の発生の有無を判定する異音判定部とを備える如く構成した。

また、上記した課題を達成するため、この発明は、検査対象での異音の発生の有無を判定する異音判定方法において、前記検査対象の音データを収録する検査対象音データ収録ステップと、前記収録された検査対象の音データを単位時間ごとの複数の周波数帯に分解する音データ時間周波数分解ステップと、前記単位時間ごとの複数の周波数帯に分解された音データを前記複数の周波数帯ごとにそれぞれ比較して両者の相関度合いを示す相関係数を算出する相関係数算出ステップと、前記算出された相関係数に基づいて前記異音の発生の有無を判定する異音判定ステップとを備える如く構成した。

この発明の実施形態に係る異音判定装置を全体的に示す概略図である。図１の異音判定装置の動作を示すフロー・チャートである。図１の検査対象の所定時間に亘って収録された音データを示す説明図である。図３の音データのＳＴＦＴ変換データと、それを複数の周波数帯ごとに分解したものと、その相関係数行列を示す説明図である。図１の検査対象の収録された音データの通常の高速フーリエ変換（ＦＦＴ）データを示す説明図である。図１の検査対象で収録された音データの短時間フーリエ変換データを示す説明図である。図４の相関係数行列の合計値を示す説明図である。３種の異音についての相関係数行列を示す説明図である。異音のうちのフレーム上の落下ボルトの転がり音について提案手法を行った場合と行わない場合を対比して示す、図７に類似の説明図である。異音のうちの樹脂材上の落下ボルトの転がり音について提案手法を行った場合と行わない場合を対比して示す、図９と類似の説明図である。

以下、添付図面に即してこの発明の実施形態に係る異音判定装置および判定方法を実施するための形態を説明する。

図１はこの実施形態に係る異音判定装置を全体的に示す概略図である。

図示の如く、異音判定装置は、検査対象である車両１０、より具体的には製造工場で完成された直後の車両１０の車室内に配置された４個のマイクロフォン１２と、マイクロフォン１２から出力される４個の音信号のそれぞれをＡ／Ｄ変換してデジタル信号に変換するＡ／Ｄ変換回路１４と、Ａ／Ｄ変換回路１４の出力が入力される電子制御ユニット（Electronic Control Unit。以下［ＥＣＵ］という）１６とを備える。

この実施形態においては、検査員が車両１０を運転してベルジャン（石畳）路などの悪路２０を含む所定の走行路２２を走行し、車体を強制的に振動させたときに生じる車内騒音をマイクロフォン１２で収録し、Ａ／Ｄ変換してＥＣＵ１６に入力された音データから通常の走行時の車内騒音以外の異音の発生の有無を自動的に判定（検査）する。尚、図１において「異音発生箇所」は例示である。

尚、異音判定に際しては車体を強制的に振動させれば足ることから、検査員による実際の走行に代え、車両１０を加振装置によって振動させて行っても良い。

Ａ／Ｄ変換回路１４とＥＣＵ１６は、車両１０の車室内などの適宜位置に配置される。ＥＣＵ１６は少なくとも１個のプロセッサ（ＣＰＵ）１６ａと、ＲＯＭ，ＲＡＭなどのメモリ１６ｂを備えるマイクロコンピュータから構成される。

図１に示す如く、プロセッサ１６ａはメモリ１６ｂに格納されたプログラムに従って動作し、検査対象（車両１０）での異音の発生の有無を判定する異音判定装置において、検査対象音データ収録部１６ａ１と、音データ時間周波数分解部１６ａ２と、相関係数算出部１６ａ３と、異音判定部１６ａ４として機能するように構成される。

ここで、「異音」は、前に述べたように、通常の走行時の車内騒音、即ち、エンジン音、風切り音、ロードノイズなどの走行時の車内騒音以外の、落下ボルトなどの転がり音や、きしみ音、未結合コネクタの振動音など、適切に製造されていれば本来生じる筈がない多種多様の音を意味する。

検査対象音データ収録部１６ａ１は、検査対象（車両１０）の音データを、マイクロフォン１２を介して所定時間（例えば３０［s］（秒））の間収録する。音データ時間周波数分解部１６ａ２は、収録された検査対象の音データを単位時間ごとの複数の周波数帯に分解する。

相関係数算出部１６ａ３は、単位時間ごとの複数の周波数帯に分解された音データを複数の周波数帯ごとにそれぞれ比較して両者の相関度合いを示す相関係数を算出する。異音判定部１６ａ４は、算出された相関係数に基づいて異音の発生の有無を判定する。

図２はこの実施形態に係る異音判定装置の動作、即ち、ＥＣＵ１６の検査対象音データ収録部１６ａ１などの上記した動作をさらに詳細に示すフロー・チャートである。

以下説明すると、Ｓ１０において、検査対象（車両１０）から発生する周波数域（例えば零から５１２００［Hz］までの周波数）の音データをマイクロフォン１２によって所定時間（例えば３０［s］）に亘って収録する。

より具体的には、所定時間に亘って収録されてメモリ１６ｂのＲＡＭの適宜領域に格納された検査対象の音データを読み出す（Ｓ：処理ステップ）。図３にその音データを示す。同図で縦軸は音圧［dB］、横軸は時間［s］である。

次いでＳ１２に進み、収録された音データに対して単位時間（例えば１［s］）ごとに短時間フーリエ変換（ＳＴＦＴ）を行う。図４（ａ）にＳＴＦＴ変換データを示す。同図で縦軸は周波数［Hz］、横軸は時間［s］である。

次いでＳ１４に進み、単位時間ごとの複数の周波数帯、より詳しくは単位時間ごとに１００［Hz］ごとに分解された音データを、その複数の周波数帯ごとにそれぞれ比較して両者の相関度合いを示す相関係数を算出すると共に、算出された相関係数から相関係数行列を算出する。

図４（ｂ）に複数の周波数帯ごとに（１００［Hz］に）分解された音データを示す。図４（ｂ）のそれぞれの周波数帯において縦軸は音圧［dB］、横軸は時間［s］である。図４（ｃ）にそれらの相関係数行列を示す。相関係数行列は、周波数同士の相関を示す。図４（ｄ）にその算出式を示す。

Ｓ１４の処理では、具体的には１００Hz成分と２００Hz成分を比較し、次いで１００Hz成分と３００Hz成分を比較し、・・・２００Hz成分と１００Hz成分を比較し、・・・３００Hz成分と・・・などと、１００Hz成分から１２５００Hz成分までの１０２４個の周波数成分を順次比較して相関係数と相関係数行列を順次算出する。

Ｓ１２からＳ１４までの処理を行う理由について図５と図６を参照して説明する。図５は収録された音データについて通常の高速フーリエ変換（ＦＦＴ）を行ったときのデータを、図６は時間を限定して行う短時間フーリエ変換（ＳＴＦＴ）を行ったときのデータを示す説明図である。

図５に示すように通常のＦＦＴを施した場合、音データの値は時間平均されるので、正常車両と異音車両との間で音圧の変動が表れ難い。特に、異音が例えば落下物成分（落下ボルトの転がり音など）とすると、発生が断続的になる。またロードノイズなどの通常の走行時の騒音がかなり大きいため、異音成分は相対的に小さくなる。

そこで、発明者は知見を重ねた結果、落下物などの特定の音源に起因する異音は各周波数成分ごとに相関を持つことに着目し、収録された検査対象の音データを単位時間ごとの複数の周波数帯に分解し、分解された音データを複数の周波数帯ごとにそれぞれ比較して両者の相関度合いを示す相関係数（行列）を算出すると共に、算出された相関係数（牛列）に基づいて判定することで、異音成分のみを精度良く抽出できることに想到してこの発明をなしたものである。

即ち、落下物などの特定の音源に起因する異音は、図４（ａ）（ｂ）（ｃ）に示す如く、複数の周波数帯において相関が強くなることから、その相関度合いを示す相関係数（行列）を算出することで、異音成分のみを精度良く抽出できることに着目した。

尚、相関係数行列において符号ｐで示す中高周波数領域は主として落下物起因の音と相関があるが、符号ｑで示す低周波数領域は主に通常の走行騒音に起因する音と相関がある

図２フロー・チャートにあっては次いでＳ１６に進み、得られた相関係数（より詳しくは相関係数行列値）をｙ軸に沿って合計する。図７によって得られる合計値を周波数に対して示す説明図である。図７で縦軸は相関係数、横軸は周波数である。

次いでＳ１８に進み、Ｓ１６で算出されたｙ軸上の相関係数（より詳しくは相関係数行列）の分布、より詳しくは相関係数行列の合計値に基づき、ディープラーニングなどの機械学習を行って異音の有無を判定する。

上記した如く、発明者の知見によれば、収録された検査対象の音データを単位時間ごとの複数の周波数帯に分解し、分解された音データを複数の周波数帯ごとに比較して両者の相関係数を算出すると、特定の音源に起因する異音については、異音成分により相関係数の値が大きくなる。従って、相関係数の値が大きくなるということは異音成分が抽出されたことを、換言すれば異音ありと判定できることになる。

他方、一過性のノイズなどに起因して相関係数が算出される恐れもあるため、相関係数の算出で異音の有無を判定するのに止まらず、算出された相関係数の合計値が適宜設定される閾値を超えるか否か判断することで、異音の有無を判定することとする。

ここで、図４（ｃ）の符号ｐ，ｑで示す異音の周波数特性について図７を参照して説明する。

図７は相関係数行列の合計値を正常車両に対比して示す説明図である。図７において符号ｑで示す低周波域は通常の走行時の騒音が混在する領域のために異音有無判定精度が若干低下するが、それ以上の中高周波数領域ｐにおいては上記の処理を行うことで異音成分を精度良く抽出することが見て取れよう。

ここで、異音の種類の判別について説明すると、異音は多種多様の原因により生じる。図８は３種の異音についての相関係数行列であり、うち、同図（ａ）はフレーム上の落下ボルトの転がり音、同図（ｂ）は樹脂材上の落下ボルトの転がり音、同図（ｃ）は未結合コネクタの振動音からなる異音を例にとってそれらの相関係数行列を示す説明図である。

図９と図１０はそのうちのフレーム上の落下ボルトの転がり音と樹脂上の落下ボルトの転がり音を対比して示す説明図であり、図９と図１０の左側は上記の提案手法の処理を行わない場合の、右側は提案手法の処理を行った場合の周波数―スペクトル特性を示す測定データである。図中、実線が正常車両走行音を、破線が異音車両走行音（異音成分）を示す。それらの図から提案手法が異音成分を精度良く抽出していることが見て取れよう。

上記した如く、この実施形態は、検査対象（車両１０）での異音の発生の有無を判定する異音判定装置（あるいは異音判定方法）において、前記異音判定装置（あるいは異音判定方法）が、前記検査対象の音データを収録する検査対象音データ収録部（１６ａ１）あるいは検査対象音データ収録ステップ（Ｓ１０，Ｓ１２）と、前記収録された検査対象の音データを単位時間ごとの複数の周波数帯に分解する音データ時間周波数分解部（１６ａ２）あるいは音データ時間周波数分解部ステップ（Ｓ１４）と、前記単位時間ごとの複数の周波数帯に分解された音データを前記複数の周波数帯ごとにそれぞれ比較して両者の相関度合いを示す相関係数を算出する相関係数算出部（１６ａ３）あるいは相関係数算出ステップ（Ｓ１４）と、前記算出された相関係数に基づいて前記異音の発生の有無を判定する異音判定部（１６ａ４）あるいは異音判定ステップ（Ｓ１６，Ｓ１８）とを備える如く構成した。

このように、収録された検査対象の音データを単位時間ごとの複数の周波数帯に分解し、分解された音データを複数の周波数帯ごとにそれぞれ比較して両者の相関度合いを示す相関係数を算出すると共に、算出された相関係数に基づいて異音の発生の有無を判定することで、特定の音源に起因する異音であれば、事前に適当な周波数成分を選択することなく、検査対象での異音の発生の有無を未知の異音を含めて精度良く判定することができる。

さらには、検査対象の走行音のみから判定できるので、検査対象について正常車両の走行音を基準音として予め収録しておく必要がないことから、検査対象の種類が多い場合、特に有益である。

また、前記異音判定部（１６ａ４）あるいは異音判定ステップ（Ｓ１６，Ｓ１８）は、前記算出された相関係数から前記周波数帯ごとの相関係数行列を算出し、前記算出された相関係数行列に基づいて前記異音の発生の有無を判定する如く構成したので、上記した効果に加え、相関係数による異音の発生の有無の判定が容易となる。

また、前記異音判定部（１６ａ４）あるいは異音判定ステップ（Ｓ１６，Ｓ１８）は、前記算出された相関係数行列に基づいて前記異音の種類を判定する如く構成したので、上記した効果に加え、異音の発生が判定された後、発生原因の特定や修理などの対応が容易となる。

また、前記異音判定部（１６ａ４）あるいは異音判定ステップ（Ｓ１６，Ｓ１８）は、前記算出された相関係数を合計することで前記異音の有無を判定する如く構成したので、上記した効果に加え、例えば合計して得た値を、例えば適宜設定される閾値と比較することで、データのばらつきに強くなり、判定閾値を決定する際に機械学習を用いる場合、次元削減による計算コストの低減などを期待でき、よって異音の発生を一層精度良く判定することができる。

また、前記異音判定装置は少なくとも１個のプロセッサ（ＣＰＵ）１６ａと、ＲＯＭ，ＲＡＭなどからなるメモリ１６ｂを備えるマイクロコンピュータから構成される電子制御ユニット（ＥＣＵ）を備え、プロセッサ１６ａとメモリ１６ｂは、前記検査対象の音データを収録し（Ｓ１０，Ｓ１２）、前記収録された検査対象の音データを単位時間ごとの複数の周波数帯に分解し（Ｓ１４）、前記単位時間ごとの複数の周波数帯に分解された音データを前記複数の周波数帯ごとにそれぞれ比較して両者の相関度合いを示す相関係数を算出し（Ｓ１４）、前記算出された相関係数に基づいて前記異音の発生の有無を判定する（Ｓ１６，Ｓ１８）如く構成した。

尚、上記において音データ時間周波数分解にＳＴＦＴを用いたが、それに限られるものではなく、データを時間−周波数に分解できるものであれば、ウェーブレット変換などどのようなものであっても良い。

１０車両、１２マイクロフォン、１４Ａ／Ｄ変換回路、１６電子制御ユニット、１６ａプロセッサ、１６ａ１検査対称音データ収録部、１６ａ２音データ時間周波数分解部、１６ａ３相関係数算出部、１６ａ４異音判定部、１６ｂメモリ、２０ベルジャン路、２２走行路

Claims

検査対象での異音の発生の有無を判定する異音判定装置において、
前記検査対象の音データを収録する検査対象音データ収録部と、
前記収録された検査対象の音データを単位時間ごとの複数の周波数帯に分解する音データ時間周波数分解部と、
前記単位時間ごとの複数の周波数帯に分解された音データを前記複数の周波数帯ごとにそれぞれ比較して両者の相関度合いを示す相関係数を算出する相関係数算出部と、
前記算出された相関係数に基づいて前記異音の発生の有無を判定する異音判定部と、
を備えたことを特徴とする異音判定装置。
前記異音判定部は、前記算出された相関係数から前記周波数帯ごとの相関係数行列を算出し、前記算出された相関係数行列に基づいて前記異音の発生の有無を判定することを特徴とする請求項１記載の異音判定装置。
前記異音判定部は、前記算出された相関係数行列に基づいて前記異音の種類を判定することを特徴とする請求項２記載の異音判定装置。
前記異音判定部は、前記算出された相関係数を合計することで前記異音の有無を判定することを特徴とする請求項１記載の異音判定装置。
検査対象での異音の発生の有無を判定する異音判定方法において、
前記検査対象の音データを収録する検査対象音データ収録ステップと、
前記収録された検査対象の音データを単位時間ごとの複数の周波数帯に分解する音データ時間周波数分解ステップと、
前記単位時間ごとの複数の周波数帯に分解された音データを前記複数の周波数帯ごとにそれぞれ比較して両者の相関度合いを示す相関係数を算出する相関係数算出ステップと、
前記算出された相関係数に基づいて前記異音の発生の有無を判定する異音判定ステップと、
を備えたことを特徴とする異音判定方法。
前記異音判定ステップは、前記算出された相関係数から前記周波数帯ごとの相関係数行列を算出し、前記算出された相関係数行列に基づいて前記異音の発生の有無を判定することを特徴とする請求項５記載の異音判定方法。
前記異音判定ステップは、前記算出された相関係数行列に基づいて前記異音の種類を判定することを特徴とする請求項６記載の異音判定方法。
前記異音判定ステップは、前記算出された相関係数を合計することで前記異音の有無を判定することを特徴とする請求項５記載の異音判定方法。