JP2020134479A - 異常検出方法および異常検出装置 - Google Patents

Abstract

【課題】回転機の音が異常か否かを精度良く判定できる異常検出方法および異常検出装置を提供する。【解決手段】異常検出方法は回転機ＭＴの音の異常を検出する。異常検出方法は、工程Ｓ３と、工程Ｓ４と、工程Ｓ６と、工程Ｓ７と、工程Ｓ８とを含む。工程Ｓ３において、回転機ＭＴの音を測定して、音を示す音信号を出力する。工程Ｓ４において、回転機ＭＴの振動を測定して、振動を示す振動信号を出力する。工程Ｓ６において、音信号を周波数分析して、周波数ごとの音データを算出する。工程Ｓ７において、振動信号を周波数分析して、周波数ごとの振動データを算出する。工程Ｓ８において、第１音周波数帯域に含まれる音データと、第１振動周波数帯域に含まれる振動データとで定まる音響データについて、基準データ群に対する外れ度を算出する。外れ度は、音響データが基準データ群に対して外れている程度を示す。【選択図】図４

Description

本発明は、異常検出方法および異常検出装置に関する。

従来、回転機の異常診断方法では、回転機の振動音を検出してこれを周波数分析する。周波数分析した実測データのピークが閾値を超えるか否かで異常が発生しているか否かを判定するのであるが、周波数領域を複数の例えば８つの周波数帯域Ｆ１〜Ｆ８に分割し、各周波数帯域毎に閾値を設定し、各周波数帯域毎に実測データのピークが閾値を超えるか否かを判定する。さらに、各周波数帯域における閾値は、回転機の運転状態に応じて最適な閾値とすることで、回転機の運転状態に応じた異常の診断が可能となる（例えば、特許文献１）。

特開平５−７９９０３号公報

しかしながら、近年、回転機の音が異常か否かをより精度良く判定することが要求される場合がある。

本発明は上記課題に鑑みてなされたものであり、その目的は、回転機の音が異常か否かを精度良く判定できる異常検出方法および異常検出装置を提供することにある。

本発明の例示的な異常検出方法は、回転機の音の異常を検出する。異常検出方法は、音測定工程と、振動測定工程と、音分析工程と、振動分析工程と、外れ度算出工程とを含む。音測定工程において、前記回転機が所定回転数で回転しているときに、前記回転機の前記音を測定して、前記音を示す音信号を出力する。振動測定工程において、前記回転機が前記所定回転数で回転しているときに、前記回転機の振動を測定して、前記振動を示す振動信号を出力する。音分析工程において、前記音信号を周波数分析して、周波数ごとの音データを算出する。振動分析工程において、前記振動信号を周波数分析して、周波数ごとの振動データを算出する。外れ度算出工程において、少なくとも一つ以上の第１音周波数帯域に含まれる前記音データと、少なくとも一つ以上の第１振動周波数帯域に含まれる前記振動データとで定まる音響データについて、基準データ群に対する外れ度を算出する。前記外れ度は、前記音響データが前記基準データ群に対して外れている程度を示す。

本発明の例示的な異常検出装置は、回転機の音の異常を検出する。異常検出装置は、音センサと、振動センサと、音分析部と、振動分析部と、外れ度算出部とを備える。音センサは、前記回転機が所定回転数で回転しているときに、前記回転機の前記音を測定して、前記音を示す音信号を出力する。振動センサは、前記回転機が前記所定回転数で回転しているときに、前記回転機の振動を測定して、前記振動を示す振動信号を出力する。音分析部は、前記音信号を周波数分析して、周波数ごとの音データを算出する。振動分析部は、前記振動信号を周波数分析して、周波数ごとの振動データを算出する。外れ度算出部は、少なくとも一つ以上の第１音周波数帯域に含まれる前記音データと、少なくとも一つ以上の第１振動周波数帯域に含まれる前記振動データとで定まる音響データについて、基準データ群に対する外れ度を算出する。前記外れ度は、前記音響データが前記基準データ群に対して外れている程度を示す。

例示的な本発明によれば、回転機の音が異常か否かを精度良く判定できる異常検出方法および異常検出装置を提供できる。

図１は、本発明の実施形態１に係る異常検出装置を示すブロック図である。 図２は、実施形態１に係る第１音周波数帯域および第１振動周波数帯域の一例を示す図である。 図３は、実施形態１に係る第１音周波数帯域および第１振動周波数帯域の他の例を示す図である。 図４は、実施形態１に係る異常検出方法を示すフローチャートである。 図５は、実施形態１に係る音センサ、振動センサ、および回転機を示す側面図である。 図６は、実施形態１に係る音センサ、振動センサ、および回転機を示す斜視図である。 図７は、実施形態１に係る異常検出装置を示す斜視図である。 図８は、本発明の実施形態２に係る異常検出装置を示すブロック図である。 図９は、実施形態２に係る異常検出方法の一部を示すフローチャートである。 図１０は、実施形態２に係る異常検出方法の他の一部を示すフローチャートである。 図１１は、本発明の実施例に係る異常検出装置によって算出されたマハラノビス距離を示す図である。 図１２Ａは、本発明の実施例に係る異常検出装置によって得られた異常な回転機の音データの発生頻度を示す図である。 図１２Ｂは、本発明の実施例に係る異常検出装置によって使用される基準音データの発生頻度を示す図である。 図１３Ａは、本発明の実施例に係る異常検出装置によって得られた異常な回転機の振動データの発生頻度を示す図である。 図１３Ｂは、本発明の実施例に係る異常検出装置によって使用される基準振動データの発生頻度を示す図である。 図１４Ａは、本発明の実施例に係る異常検出装置によって得られた正常な回転機の音データの発生頻度を示す図である。 図１４Ｂは、本発明の実施例に係る異常検出装置によって使用される基準音データの発生頻度を示す図である。 図１５Ａは、本発明の実施例に係る異常検出装置によって得られた正常な回転機の振動データの発生頻度を示す図である。 図１５Ｂは、本発明の実施例に係る異常検出装置によって使用される基準振動データの発生頻度を示す図である。

以下、本発明の例示的な実施形態について、図面を参照しながら説明する。なお、図中、同一または相当部分については同一の参照符号を付して説明を繰り返さない。また、図中、理解の容易のため、三次元直交座標系のＸ軸、Ｙ軸、およびＺ軸を適宜記載している。Ｘ軸およびＹ軸は水平方向に平行であり、Ｚ軸は鉛直方向に平行である。

（実施形態１）
図１〜図７を参照して、本発明の実施形態１に係る異常検出装置１００を説明する。図１は、実施形態１に係る異常検出装置１００を示すブロック図である。図１に示すように、異常検出装置１００は、回転機ＭＴの音の異常を検出する。つまり、回転機ＭＴは音の異常の検出対象である。回転機ＭＴは、例えば、モータである。異常検出装置１００は、音センサ３と、振動センサ５と、回転機駆動部７と、ロボット駆動部９と、ロボットＲＢと、記憶部１０と、音分析部１１と、振動分析部１２と、外れ度算出部１３と、回転機制御部１４と、ロボット制御部１５とを備える。具体的には、異常検出装置１００は制御部１を備える。そして、制御部１が、音分析部１１と、振動分析部１２と、外れ度算出部１３と、回転機制御部１４と、ロボット制御部１５とを備える。

制御部１は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）のようなプロセッサを含む。記憶部１０は、記憶装置を含み、データおよびコンピュータプログラムを記憶する。具体的には、記憶部１０は、半導体メモリのような主記憶装置と、半導体メモリおよび／またはハードディスクドライブのような補助記憶装置とを含む。記憶部１０は、リムーバブルメディアを含んでいてもよい。制御部１のプロセッサは、記憶部１０の記憶装置が記憶しているコンピュータプログラムを実行して、音分析部１１、振動分析部１２、外れ度算出部１３、回転機制御部１４、およびロボット制御部１５として機能する。

ロボット制御部１５は、ロボットＲＢが回転機ＭＴを所定の測定位置に設置するように、ロボット駆動部９を制御する。従って、ロボット駆動部９は、ロボットＲＢを駆動して、ロボットＲＢに回転機ＭＴを所定の測定位置に設置させる。その結果、ロボットＲＢは、回転機ＭＴを所定の測定位置に設置する。例えば、ロボットＲＢはアクチュエータを備え、アクチュエータはモータおよびシリンダを備える。ロボット駆動部９は、例えば、モータドライバを備える。所定の測定位置は、回転機ＭＴの音および振動を測定するための回転機ＭＴの設置位置を示す。

回転機制御部１４は、回転機ＭＴを駆動するように、回転機駆動部７を制御する。従って、回転機駆動部７は、回転機ＭＴを駆動して、回転機ＭＴを回転させる。その結果、回転機ＭＴは回転する。回転機駆動部７は、例えば、モータドライバを含む。実施形態１では、回転機制御部１４は、所定期間ＴＭ、所定回転数ＲＴで回転機ＭＴが回転するように、回転機駆動部７を制御する。従って、回転機駆動部７は、所定期間ＴＭ、所定回転数ＲＴで回転機ＭＴを回転させる。その結果、回転機ＭＴは、所定期間ＴＭ、所定回転数ＲＴで回転する。

音センサ３は音を測定する。実施形態１では、音センサ３は、音を表す音圧を測定する。例えば、音センサ３は、音圧を測定するマイクロフォンを含む。具体的には、音センサ３は、回転機ＭＴが所定回転数ＲＴで回転しているときに、回転機ＭＴの音を測定して、回転機ＭＴの音を示す音信号ＳＡを出力する。実施形態１では、音信号ＳＡは、回転機ＭＴの音を表す音圧を示す音圧信号である。

振動センサ５は振動を測定する。実施形態１では、振動センサ５は、振動を表す加速度を測定する。例えば、振動センサ５は、加速度を測定する加速度センサを含む。加速度センサは、例えば、１軸加速度センサ、２軸加速度センサ、または３軸加速度センサである。具体的には、振動センサ５は、回転機ＭＴが所定回転数ＲＴで回転しているときに、回転機ＭＴの振動を測定して、回転機ＭＴの振動を示す振動信号ＳＢを出力する。実施形態１では、振動信号ＳＢは、回転機ＭＴの振動を表す加速度を示す加速度信号である。

制御部１は、音センサ３が出力した音信号ＳＡをアナログ信号からデジタル信号に変換する。また、制御部１は、振動センサ５が出力した振動信号ＳＢをアナログ信号からデジタル信号に変換する。具体的には、制御部１は、アナログ信号をデジタル信号に変換するＡ／Ｄコンバータ（Ａｎａｌｏｇ−ｔｏ−Ｄｉｇｉｔａｌ Ｃｏｎｖｅｒｔｅｒ）を含む。Ａ／Ｄコンバータは、アナログ信号である音信号ＳＡを、所定期間ＴＭ、所定サンプリング間隔でサンプリングして、音信号ＳＡをアナログ信号からデジタル信号に変換する。そして、記憶部１０は、デジタル信号に変換された音信号ＳＡを記憶する。また、Ａ／Ｄコンバータは、アナログ信号である振動信号ＳＢを、所定期間ＴＭ、所定サンプリング間隔でサンプリングして、振動信号ＳＢをアナログ信号からデジタル信号に変換する。そして、記憶部１０は、デジタル信号に変換された振動信号ＳＢを記憶する。

音分析部１１は、デジタル信号に変換された音信号ＳＡを周波数分析して、周波数ごとの音データＦＡを算出する。具体的には、音分析部１１は、デジタル信号に変換された所定期間ＴＭの音信号ＳＡをフーリエ変換または高速フーリエ変換して、周波数ごとの振幅値を算出する。振幅値は、音信号ＳＡの周波数成分を示す。実施形態１では、振幅値が音データＦＡである。なお、音分析部１１は、デジタル信号に変換された所定期間ＴＭの音信号ＳＡをフーリエ変換または高速フーリエ変換して、音信号ＳＡのパワースペクトルを算出することもできる。そして、パワースペクトルを構成する周波数ごとのスペクトル値が、音データＦＡであってもよい。なお、回転機ＭＴを短いサイクルタイムで動作させるためには、音分析部１１は、通常のフーリエ変換よりも高速フーリエ変換を実行することが好ましい。

振動分析部１２は、デジタル信号に変換された振動信号ＳＢを周波数分析して、周波数ごとの振動データＦＢを算出する。具体的には、振動分析部１２は、デジタル信号に変換された所定期間ＴＭの振動信号ＳＢをフーリエ変換または高速フーリエ変換して、周波数ごとの振幅値を算出する。振幅値は、振動信号ＳＢの周波数成分を示す。実施形態１では、振幅値が振動データＦＢである。なお、振動分析部１２は、デジタル信号に変換された所定期間ＴＭの振動信号ＳＢをフーリエ変換または高速フーリエ変換して、振動信号ＳＢのパワースペクトルを算出することもできる。そして、パワースペクトルを構成する周波数ごとのスペクトル値が、振動データＦＢであってもよい。なお、回転機ＭＴを短いサイクルタイムで動作させるためには、振動分析部１２は、通常のフーリエ変換よりも高速フーリエ変換を実行することが好ましい。

外れ度算出部１３は、少なくとも一つ以上の第１音周波数帯域に含まれる音データＦＡと、少なくとも一つ以上の第１振動周波数帯域に含まれる振動データＦＢとで定まる音響データＡＤについて、基準データ群ＧＲに対する外れ度ＤＧを算出する。音響データＡＤは、例えば、音データＦＡおよび振動データＦＢを横軸および縦軸とした散布図におけるプロットされた点によって示される。外れ度ＤＧは、音響データＡＤが基準データ群ＧＲに対して外れている程度を示す。

換言すれば、実施形態１では、回転機ＭＴの音と振動との双方について、基準データ群ＧＲに対する外れ度ＤＧを算出する。さらに換言すれば、人間の聴覚に近い音データＦＡと、ばらつきの少ない振動データＦＢとの双方を組み合わせた音響データＡＤの外れ度ＤＧを算出する。その結果、外れ度ＤＧに基づいて、回転機ＭＴの音が異常か否かを精度良く判定できる。

実施形態１では、外れ度算出部１３は、外れ度ＤＧと閾値ＴＨとを比較して、比較結果に基づいて回転機ＭＴの音が異常か否かを判定する。従って、人間の聴覚によって異常か否かを判定する場合と比較して、判定結果がばらつくことを抑制できる。閾値ＴＨは、例えば、実験的および／または経験的に定められる。

特に、実施形態１では、外れ度算出部１３は、音響データＡＤの外れ度ＤＧを表すマハラノビス距離ＭＤを算出する。従って、２変量（音データＦＡおよび振動データＦＢ）を同時に処理できる。その結果、２変量を別々に処理する場合と比較して、外れ度ＤＧを高速に導出できる。

この場合、外れ度算出部１３は、マハラノビス距離ＭＤと閾値ＴＨとを比較して、比較結果に基づいて回転機ＭＴの音が異常か否かを判定する。具体的には、外れ度算出部１３は、マハラノビス距離ＭＤが閾値ＴＨ以上であるときに、回転機ＭＴの音が異常であると判定する。一方、外れ度算出部１３は、マハラノビス距離ＭＤが閾値ＴＨ未満であるときに、回転機ＭＴの音が正常であると判定する。

次に、音響データＡＤを詳細に説明する。音響データＡＤは、実施形態１では、第１音周波数帯域に含まれる音データＦＡの積算値と、第１振動周波数帯域に含まれる振動データＦＢの積算値とで定められる。従って、外れ度算出部１３は、第１音周波数帯域に含まれる音データＦＡの積算値と、第１振動周波数帯域に含まれる振動データＦＢの積算値とを算出する。なお、例えば、音響データＡＤは、第１音周波数帯域に含まれる音データＦＡの平均値と、第１振動周波数帯域に含まれる振動データＦＢの平均値とで定められてもよい。

次に、基準データ群ＧＲを詳細に説明する。基準データ群ＧＲは、正常な音響データの集合である。正常な音響データは正常な音データと正常な振動データとで定まる。

具体的には、基準データ群ＧＲは複数の基準音響データを含む。基準音響データとは、正常な音響データのことである。つまり、基準音響データは規定条件を満足する。規定条件は、基準音響データが正常であると判定される条件を示す。

複数の基準音響データの各々は、基準音データと基準振動データとで定まる。基準音響データは、例えば、基準音データおよび基準振動データを横軸および縦軸とした散布図におけるプロットされた点によって示される。

基準音データとは、正常な音データのことである。つまり、基準音データは音規定条件を満足する。音規定条件は、音データの音レベルが正常であると判定される条件を示す。基準音データは、音データＦＡと同様にして、音センサ３および音分析部１１によって、回転機の音を測定して算出される。基準音データは第１音周波数帯域に含まれる。

基準振動データとは、正常な振動データのことである。つまり、基準振動データは振動規定条件を満足する。振動規定条件は、振動データの振動レベルが正常であると判定される条件を示す。基準振動データは、振動データＦＢと同様にして、振動センサ５および振動分析部１２によって、回転機の振動を測定して算出される。基準振動データは第１振動周波数帯域に含まれる。

実施形態１では、基準音響データは、第１音周波数帯域に含まれる基準音データの積算値と、第１振動周波数帯域に含まれる基準振動データの積算値とで定められる。なお、例えば、基準音響データは、第１音周波数帯域に含まれる基準音データの平均値と、第１振動周波数帯域に含まれる基準振動データの平均値とで定められてもよい。

次に、音データＦＡおよび基準音データのサンプリング帯域である第１音周波数帯域と、振動データＦＢおよび基準振動データのサンプリング帯域である第１振動周波数帯域とを説明する。

実施形態１では、第１音周波数帯域と第１振動周波数帯域とは、同一の周波数帯域である。従って、第１音周波数帯域と第１振動周波数帯域とが異なる周波数帯域である場合と比較して、音データＦＡと振動データＦＢとの相関が高くなる。その結果、第１音周波数帯域と第１振動周波数帯域とが異なる周波数帯域である場合と比較して、より高い精度で外れ度ＤＧを算出できる。なお、第１音周波数帯域と第１振動周波数帯域とは、互いに異なっていてもよいし、互いに重複した帯域を含んでいてもよい。

また、実施形態１では、少なくとも一つ以上の第１音周波数帯域が、オクターブバンドを用いて定められる。加えて、少なくとも一つ以上の第１振動周波数帯域が、オクターブバンドを用いて定められる。従って、人間の聴覚に合った第１音周波数帯域および第１振動周波数帯域が採用される。その結果、人間の聴覚により合った外れ度ＤＧを算出できる。実施形態１では、８つの第１音周波数帯域と８つの第１振動周波数帯域とが、オクターブバンドを用いて定められている。８つの第１音周波数帯域は、それぞれ、８つの第１振動周波数帯域と同一である。

以下、８つの第１音周波数帯域の各々および８つの第１振動周波数帯域の各々に対して、識別番号としてバンド番号＃１〜＃８を付記する場合がある。なお、標記を簡潔にするために、第１音周波数帯域と第１振動周波数帯域とで、同じバンド番号＃１〜＃８を使用する。

次に、図２および図３を参照して、第１音周波数帯域と第１振動周波数帯域とを説明する。図２は、第１音周波数帯域＃１〜＃４および第１振動周波数帯域＃１〜＃４を示す図である。図３は、第１音周波数帯域＃５〜＃８および第１振動周波数帯域＃５〜＃８を示す図である。

図２および図３では、一例として、「オクターブバンドＡ」によって定められた第１音周波数帯域＃１〜＃８および第１振動周波数帯域＃１〜＃８が示される。「オクターブバンドＡ」は、１／１オクターブバンドを示す。図２および図３では、「オクターブバンドＡ」によって定められた第１音周波数帯域＃１〜＃８および第１振動周波数帯域＃１〜＃８の中心周波数、下限周波数、および上限周波数が示される。

例えば、外れ度算出部１３は、「オクターブバンドＡ」に基づく第１音周波数帯域＃１〜＃８のうちの少なくとも一つ以上の第１音周波数帯域に含まれる音データＦＡと、「オクターブバンドＡ」に基づく第１振動周波数帯域＃１〜＃８のうちの少なくとも一つ以上の第１振動周波数帯域に含まれる振動データＦＢとで定まる音響データＡＤについて、基準データ群ＧＲに対する外れ度ＤＧを算出することが好ましい。人間の聴覚により合った外れ度ＤＧを算出できるからである。

例えば、外れ度算出部１３は、「オクターブバンドＡ」に基づく第１音周波数帯域＃８に含まれる音データＦＡと、「オクターブバンドＡ」に基づく第１振動周波数帯域＃８に含まれる振動データＦＢとで定まる音響データＡＤについて、基準データ群ＧＲに対する外れ度ＤＧを算出することがさらに好ましい。人間の聴覚により合った異常判定結果を導出できるからである。

具体的には、第１音周波数帯域＃８は、互いに異なる複数の音周波数帯域＃１〜＃８のうち、人間の聴覚による異常判定結果と最も近似する異常判定結果が導出されたときの音データを含む音周波数帯域を示す。加えて、第１振動周波数帯域＃８は、互いに異なる複数の振動周波数帯域＃１〜＃８のうち、人間の聴覚による異常判定結果と最も近似する異常判定結果が導出されたときの振動データを含む振動周波数帯域を示す。「異常判定結果」は、回転機の音が異常か否かの判定結果を示す。「人間の聴覚による異常判定結果と最も近似する異常判定結果」は、基準データ群に対する音響データの外れ度に基づいて導出される。この場合の基準データ群、音響データ、および外れ度は、それぞれ、基準データ群ＧＲ、音響データＡＤ、および外れ度ＤＧと同様にして事前に得られる。

換言すれば、人間の聴覚による異常判定結果と最も近似する異常判定結果を導出できる第１音周波数帯域＃８および第１振動周波数帯域＃８が、音データＦＡおよび振動データＦＢのサンプリング帯域として選択される。その結果、実施形態１によれば、人間の聴覚により合った異常判定結果を導出できる。

また、図２および図３では、他の例として、「オクターブバンドＢ」によって定められた第１音周波数帯域＃１〜＃８および第１振動周波数帯域＃１〜＃８が示される。「オクターブバンドＢ」は、１／１オクターブバンドを改変したオクターブバンドを示す。図２および図３では、「オクターブバンドＢ」によって定められた第１音周波数帯域＃１〜＃８および第１振動周波数帯域＃１〜＃８の中心周波数、下限周波数、および上限周波数が示される。

例えば、外れ度算出部１３は、「オクターブバンドＢ」に基づく第１音周波数帯域＃１〜＃８のうちの少なくとも一つ以上の第１音周波数帯域に含まれる音データＦＡと、「オクターブバンドＢ」に基づく第１振動周波数帯域＃１〜＃８のうちの少なくとも一つ以上の第１振動周波数帯域に含まれる振動データＦＢとで定まる音響データＡＤについて、基準データ群ＧＲに対する外れ度ＤＧを算出することが好ましい。回転機ＭＴの固有振動に起因する誤判定を抑制できるからである。

具体的には、第１音周波数帯域＃５および第１振動周波数帯域＃５の各々は、固有振動帯域ｆ２１の下限周波数から上限周波数までの帯域を含む。第１音周波数帯域＃６および第１振動周波数帯域＃６の各々は、固有振動帯域ｆ１１、ｆ２２、ｆ２３の各々の下限周波数から上限周波数までの帯域を含む。第１音周波数帯域＃７および第１振動周波数帯域＃７の各々は、固有振動帯域ｆ１２、ｆ２４、ｆ２５の各々の下限周波数から上限周波数までの帯域を含む。第１音周波数帯域＃８および第１振動周波数帯域＃８の各々は、固有振動帯域ｆ１３の下限周波数から上限周波数までの帯域を含む。固有振動帯域ｆ１１〜ｆ１３、ｆ２１〜ｆ２５の各々は、回転機の固有振動に基づく周波数帯域であり、回転機の固有振動数を含む。

換言すれば、固有振動帯域ｆ２１は、第１音周波数帯域＃５および第１振動周波数帯域＃５の各々の下限周波数および上限周波数から離隔している。同様に、固有振動帯域ｆ２２〜ｆ２５、ｆ１１〜ｆ１３の各々は、第１音周波数帯域＃６〜＃８および第１振動周波数帯域＃６〜＃８の各々の下限周波数および上限周波数から離隔している。第１音周波数帯域＃１〜＃４および第１振動周波数帯域＃１〜＃４は、固有振動帯域を含まない。

さらに換言すれば、固有振動帯域ｆ１１〜ｆ１３、ｆ２１〜ｆ２５の各々は、第１音周波数帯域＃１〜＃８のうち隣り合う第１音周波数帯域を跨がない。加えて、固有振動帯域ｆ１１〜ｆ１３、ｆ２１〜ｆ２５の各々は、第１振動周波数帯域＃１〜＃８のうち隣り合う第１振動周波数帯域を跨がない。従って、実施形態１によれば、外れ度ＤＧに基づいて回転機ＭＴの音の異常を判定するときに、回転機ＭＴの固有振動に起因する誤判定を抑制できる。

例えば、固有振動帯域が、２つの第１音周波数帯域を跨ぐと、「ある回転機ＭＴ」が２つの第１音周波数帯域の「一方の第１音周波数帯域」で共振し、「別の回転機ＭＴ」が「他方の第１音周波数帯域」で共振する可能性がある。この場合、「一方の第１音周波数帯域」に含まれる音データＦＡに基づいて外れ度ＤＧを算出すると、「別の回転機ＭＴ」の音が正常であると誤判定される可能性がある。そこで、固有振動帯域が、２つの第１音周波数帯域を跨がないように第１音周波数帯域を改変することで、回転機ＭＴの固有振動に起因する誤判定を抑制する。この点は、第１振動周波数帯域についても同様である。

ここで、「固有振動数」とは、回転機が固有振動するときの周波数のことであり、回転機の剛性、質量、および形状によって定まる。「固有振動数」は回転機の回転数に依存しない。「固有振動帯域」は、固有振動数を中心とする帯域を示す。「固有振動帯域」では、回転機の振動振幅は、固有振動数に対応する振動振幅をピーク値として、略左右対称となるように、固有振動数から離れるに従って減少する。つまり、「固有振動帯域」では、回転機の振動振幅は略正規分布を示す。

図３では、ある回転機の固有振動帯域ｆ１１〜ｆ１３と、別の回転機の固有振動帯域ｆ２１〜ｆ２５とが示されている。固有振動帯域ｆ１１〜ｆ１３、ｆ２１〜ｆ２５は実測値である。１つの回転機が複数の固有振動帯域を有する理由は、回転機のパーツごとに、固有振動数が存在するからである。回転機のパーツは、シャフト、筐体、およびその他の部品である。なお、図３には、参考のために、固有振動数の理論値ｆＡ、ｆＢが示されている。

ここで、例えば、外れ度算出部１３は、「オクターブバンドＢ」に基づく第１音周波数帯域＃８に含まれる音データＦＡと、「オクターブバンドＢ」に基づく第１振動周波数帯域＃８に含まれる振動データＦＢとで定まる音響データＡＤについて、基準データ群ＧＲに対する外れ度ＤＧを算出することがさらに好ましい。「オクターブバンドＢ」に基づく第１振動周波数帯域＃８は、「オクターブバンドＡ」に基づく第１振動周波数帯域＃８と同様に、人間の聴覚により合った異常判定結果を導出できるからである。

なお、固有振動帯域の下限周波数が、第１音周波数帯域の下限周波数よりも、第１音周波数帯域の中心周波数に近く、かつ、固有振動帯域の下限周波数が、第１振動周波数帯域の下限周波数よりも、第１振動周波数帯域の中心周波数に近くてもよい。また、固有振動帯域の上限周波数が、第１音周波数帯域の上限周波数よりも、第１音周波数帯域の中心周波数に近く、かつ、固有振動帯域の上限周波数が、第１振動周波数帯域の上限周波数よりも、第１振動周波数帯域の中心周波数に近くてもよい。固有振動帯域が２つの第１音周波数帯域に跨って存在することと、固有振動帯域が２つの第１振動周波数帯域に跨って存在することとを防止できるからである。

引き続き図２および図３を参照して、「オクターブバンドＢ」によって定められた第１音周波数帯域＃１〜＃８および第１振動周波数帯域＃１〜＃８を説明する。第１音周波数帯域＃２および第１振動周波数帯域＃２の各々は、トルクリップル周波数帯域ｆ１の下限周波数から上限周波数までの帯域を含む。第１音周波数帯域＃５および第１振動周波数帯域＃５の各々は、トルクリップル周波数帯域ｆ２、ｆ３の各々の下限周波数から上限周波数までの帯域を含む。第１音周波数帯域＃６および第１振動周波数帯域＃６の各々は、トルクリップル周波数帯域ｆ４、ｆ５の各々の下限周波数から上限周波数までの帯域を含む。第１音周波数帯域＃７および第１振動周波数帯域＃７の各々は、トルクリップル周波数帯域ｆ６の下限周波数から上限周波数までの帯域を含む。第１音周波数帯域＃８および第１振動周波数帯域＃８の各々は、トルクリップル周波数帯域ｆ７の下限周波数から上限周波数までの帯域を含む。トルクリップル周波数帯域ｆ１〜ｆ７の各々は、回転機のトルクリップルに基づく周波数帯域である。トルクリップル周波数帯域ｆ１〜ｆ７の次数は互いに異なる。トルクリップルとは、回転機の周期的なトルクの脈動のことである。トルクリップル周波数帯域は、回転機の構造によって定まる。また、トルクリップル周波数帯域は、回転機の回転数に依存する。

換言すれば、トルクリップル周波数帯域ｆ１は、第１音周波数帯域＃２および第１振動周波数帯域＃２の各々の下限周波数および上限周波数から離隔している。同様に、トルクリップル周波数帯域ｆ２〜ｆ７の各々は、第１音周波数帯域＃５〜＃８および第１振動周波数帯域＃５〜＃８の各々の下限周波数および上限周波数から離隔している。第１音周波数帯域＃１、＃３、＃４および第１振動周波数帯域＃１、＃３、＃４は、トルクリップル周波数帯域を含まない。

さらに換言すれば、トルクリップル周波数帯域ｆ１〜ｆ７の各々は、第１音周波数帯域＃１〜＃８のうち隣り合う第１音周波数帯域を跨がない。加えて、トルクリップル周波数帯域ｆ１〜ｆ７の各々は、第１振動周波数帯域＃１〜＃８のうち隣り合う第１振動周波数帯域を跨がない。従って、実施形態１によれば、第１音周波数帯域＃１〜＃８のうちの少なくとも一つ以上の第１音周波数帯域と、第１振動周波数帯域＃１〜＃８のうちの少なくとも一つ以上の第１振動周波数帯域とを採用することで、外れ度ＤＧに基づいて回転機ＭＴの音の異常を判定するときに、回転機ＭＴのトルクリップルに起因する誤判定を抑制できる。

例えば、トルクリップル周波数帯域が、２つの第１音周波数帯域を跨ぐと、「ある回転機ＭＴ」が２つの第１音周波数帯域の「一方の第１音周波数帯域」でトルクリップルにより振動し、「別の回転機ＭＴ」が「他方の第１音周波数帯域」でトルクリップルにより振動する可能性がある。この場合、「一方の第１音周波数帯域」に含まれる音データＦＡに基づいて外れ度ＤＧを算出すると、「別の回転機ＭＴ」の音が正常であると誤判定される可能性がある。そこで、トルクリップル周波数帯域が２つの第１音周波数帯域を跨がないように第１音周波数帯域を改変することで、回転機ＭＴのトルクリップルに起因する誤判定を抑制する。この点は、第１振動周波数帯域についても同様である。

なお、トルクリップル周波数帯域の下限周波数が、第１音周波数帯域の下限周波数よりも、第１音周波数帯域の中心周波数に近く、かつ、トルクリップル周波数帯域の下限周波数が、第１振動周波数帯域の下限周波数よりも、第１振動周波数帯域の中心周波数に近くてもよい。また、トルクリップル周波数帯域の上限周波数が、第１音周波数帯域の上限周波数よりも、第１音周波数帯域の中心周波数に近く、かつ、トルクリップル周波数帯域の上限周波数が、第１振動周波数帯域の上限周波数よりも、第１振動周波数帯域の中心周波数に近くてもよい。トルクリップル周波数帯域が２つの第１音周波数帯域に跨って存在することと、トルクリップル周波数帯域が２つの第１振動周波数帯域に跨って存在することとを防止できるからである。

次に、図１を参照して、マハラノビス距離ＭＤの算出方法を説明する。外れ度算出部１３は、式（１）〜式（６）に基づいてマハラノビス距離ＭＤを算出する。式（６）の「Ｄ」がマハラノビス距離ＭＤを示す。

外れ度算出部１３は、所定数Ｎの基準音データと所定数Ｎの基準振動データとを、「Ｎ×Ｍ型」の基準データ群行列として用意する。「Ｎ」は２以上の整数を示す。つまり、「Ｎ」は、変量ごとのデータ数を示す。「Ｍ」は、変量の数であり、２以上の整数を示す。実施形態１では、変量（音データＦＡおよび振動データＦＢ）の数は「２」であるため、「Ｍ」は「２」である。つまり、基準データ群行列は、「Ｎ×２型」の行列である。

実施形態１では、基準データ群行列のｉ行１列の各成分が、所定数Ｎの基準音データであり、基準データ群行列のｉ行２列の各成分が、所定数Ｎの基準振動データである。「ｉ」は、１〜Ｎのいずれかの整数を示す。以下、基準データ群行列の各成分をＹ_ｉｊと記載する。「ｊ」は、「１」または「２」を示す。

外れ度算出部１３は、基準データ群行列の各成分Ｙ_ｉｊを式（１）に入力して、偏差行列を導出する。式（１）において、Ｘ_ｉｊは、偏差行列のｉ行ｊ列の成分を示す。ｍ_ｊは、基準データ群行列のｊ列の平均値を示す。具体的には、ｍ１は、基準データ群行列の成分Ｙ_１１〜成分Ｙ_９１の平均値である。つまり、ｍ１は、所定数Ｎの基準音データの平均値である。ｍ２は、基準データ群行列の成分Ｙ_１２〜成分Ｙ_９２の平均値である。つまり、ｍ２は、所定数Ｎの基準振動データの平均値である。

外れ度算出部１３は、式（２）、式（３）、および式（４）に基づいて、「Ｑ×Ｐ型」の分散共分散行列を導出する。式（２）において、ｒ_ｐｑは、分散共分散行列のｑ行ｐ列の成分を示す。「Ｑ」および「Ｐ」の各々は、変量の数である。実施形態１では、「Ｑ」および「Ｐ」の各々は、「２」である。「ｋ」は、１〜Ｎのいずれかの整数を示す。

外れ度算出部１３は、式（５）に基づいて、偏差データＵ_ｊを算出する。式（５）において、ｕ_ｊは、異常判定の対象データを示す。具体的には、ｕ_１は、音データＦＡであり、ｕ_２は、振動データＦＢである。Ｕ_ｊは、「１×Ｐ型」の行列の成分である。

外れ度算出部１３は、式（６）によって、マハラノビス距離ＭＤを算出する。式（６）の「Ｄ」が、マハラノビス距離ＭＤを示す。式（６）において、Ｕは、式（５）の各成分を有する「１×Ｐ型」の行列を示す。Ｒ^−１は、Ｒの逆行列を示す。Ｒは、式（２）の各成分を有する「Ｑ×Ｐ型」の分散共分散行列を示す。Ｕ^Ｔは、Ｕの転置行列を示す。

なお、式（６）において、「Ｄ^２」を算出することは、実質的には、マハラノビス距離ＭＤを算出することに相当する。従って、「マハラノビス距離の算出」は、式（６）の「Ｄ^２」を算出することであってもよいし、式（６）の「Ｄ」を算出することであってもよい。

次に、図１および図４を参照して、実施形態１に係る異常検出方法を説明する。異常検出方法によって、回転機ＭＴの音の異常が検出される。図４は、異常検出方法を示すフローチャートである。異常検出方法は、図１に示す異常検出装置１００によって実行される。図４に示すように、異常検出方法は、工程Ｓ１〜工程Ｓ１２を含む。

工程Ｓ１において、異常検出装置１００のロボットＲＢは、回転機ＭＴを所定の測定位置に設置する。

工程Ｓ２において、回転機制御部１４は、回転機ＭＴを駆動するように、回転機駆動部７を制御する。その結果、回転機ＭＴは回転する。

工程Ｓ３において、音センサ３は、回転機ＭＴが所定回転数ＲＴで回転しているときに、回転機ＭＴの音を測定して、音を示す音信号ＳＡを出力する。工程Ｓ３は音測定工程の一例に相当する。

工程Ｓ４において、振動センサ５は、回転機ＭＴが所定回転数ＲＴで回転しているときに、回転機ＭＴの振動を測定して、振動を示す振動信号ＳＢを出力する。工程Ｓ４は振動測定工程の一例に相当する。

実施形態１では、工程Ｓ４と工程Ｓ５とは、並列に実行される。従って、工程Ｓ４と工程Ｓ５とが異なる時間帯に実行される場合と比較して、異常検出方法の実行時間を短縮できる。

工程Ｓ５において、回転機制御部１４は、回転機ＭＴを停止するように、回転機駆動部７を制御する。その結果、回転機ＭＴは停止する。

工程Ｓ６において、音分析部１１は、音信号ＳＡを周波数分析して、周波数ごとの音データＦＡを算出する。工程Ｓ６は音分析工程の一例に相当する。

工程Ｓ７において、振動分析部１２は、振動信号ＳＢを周波数分析して、周波数ごとの振動データＦＢを算出する。工程Ｓ７は振動分析工程の一例に相当する。

工程Ｓ８において、外れ度算出部１３は、少なくとも一つ以上の第１音周波数帯域に含まれる音データＦＡと、少なくとも一つ以上の第１振動周波数帯域に含まれる振動データＦＢとで定まる音響データＡＤについて、基準データ群ＧＲに対する外れ度ＤＧを算出する。工程Ｓ８は外れ度算出工程の一例に相当する。

特に、外れ度算出部１３は、オクターブバンドＢに基づく第１音周波数帯域＃８（図３）に含まれる音データＦＡと、オクターブバンドＢに基づく第１振動周波数帯域＃８（図３）に含まれる振動データＦＢとで定まる音響データＡＤについて、基準データ群ＧＲに対する外れ度ＤＧを表すマハラノビス距離ＭＤを算出することが好ましい。

工程Ｓ９において、外れ度算出部１３は、外れ度ＤＧと閾値ＴＨとを比較して、比較結果に基づいて回転機ＭＴの音が異常か否かを判定する。工程Ｓ９は判定工程の一例に相当する。

特に、外れ度算出部１３は、外れ度ＤＧを表すマハラノビス距離ＭＤと閾値ＴＨとを比較して、比較結果に基づいて回転機ＭＴの音が異常か否かを判定することが好ましい。

具体的には、外れ度算出部１３は、マハラノビス距離ＭＤが閾値ＴＨ以上であるか否かを判定する。

工程Ｓ９でマハラノビス距離ＭＤが閾値ＴＨ以上であると判定されると（工程Ｓ９でＹｅｓ）、処理は工程Ｓ１０に進む。マハラノビス距離ＭＤが閾値ＴＨ以上であると判定されることは、回転機ＭＴの音が異常であると判定されたことに相当する。

工程Ｓ１０において、記憶部１０は、回転機ＭＴの音が異常であることを示す情報を、回転機ＭＴの識別情報と関連付けて記憶する。

一方、工程Ｓ９でマハラノビス距離ＭＤが閾値ＴＨ未満であると判定されると（工程Ｓ９でＮｏ）、処理は工程Ｓ１１に進む。マハラノビス距離ＭＤが閾値ＴＨ未満であると判定されることは、回転機ＭＴの音が正常であると判定されたことに相当する。

工程Ｓ１１において、記憶部１０は、回転機ＭＴの音が正常であることを示す情報を、回転機ＭＴの識別情報と関連付けて記憶する。

工程Ｓ１２において、ロボットＲＢは、回転機ＭＴを所定の測定位置から移動する。具体的には、ロボットＲＢは、音が異常と判定された回転機ＭＴを、異常用搬送路に移動する。一方、ロボットＲＢは、音が正常と判定された回転機ＭＴを、正常用送路に移動する。

以上、図４を参照して説明したように、実施形態１に係る異常検出方法によれば、人間の聴覚に近い音データＦＡと、ばらつきの少ない振動データＦＢとの双方を組み合わせた音響データＡＤの外れ度ＤＧを算出する。その結果、外れ度ＤＧに基づいて、回転機ＭＴの音が異常か否かを精度良く判定できる。

なお、なお、工程Ｓ４と工程Ｓ５とは、異なる時間帯に実行されてもよい。また、工程Ｓ６と工程Ｓ７との実行順番は、特に限定されず、工程Ｓ７の後に工程Ｓ６が実行されてもよいし、並列に実行されてもよい。

次に、図５および図６を参照して、音センサ３および振動センサ５を説明する。図５は、音センサ３、振動センサ５、および回転機ＭＴを示す側面図である。図６は、音センサ３、振動センサ５、および回転機ＭＴを示す斜視図である。

図５に示すように、回転機ＭＴは、回転機本体２１と、回転軸２３と、筐体２５と、蓋２７とを備える。回転機本体２１は、回転軸線ＡＸの回りに回転軸２３を回転させる。回転機本体２１は、例えば、モータ本体である。実施形態１では、回転機ＭＴが回転することは、回転機本体２１が駆動されて回転軸２３が回転することを示す。筐体２５は、回転機本体２１を収容する。筐体２５は、例えば、略有底円筒形状を有する。蓋２７は、筐体２５の上部開口を閉塞する。蓋２７は、例えば、略円板形状を有する。回転軸２３は蓋２７から突出している。

音センサ３は、回転機ＭＴの回転軸２３の突出している側と反対側において、回転機ＭＴと間隔をあけて配置されて、回転機ＭＴの音を測定することが好ましい。また、音センサ３は、回転機ＭＴの回転軸線ＡＸ上に配置されて、回転機ＭＴの音を測定することが好ましい。これらの好ましい例では、人間の聴覚によって回転機ＭＴの音が異常か否かを判定する場合と同様の条件で、回転機ＭＴの音を測定できる。従って、人間の聴覚による判定結果に近づけることができる。

なお、一般的には、人間の聴覚によって回転機ＭＴの音が異常か否かを判定する場合は、人間は、回転機ＭＴの回転軸２３の突出している側と反対側において、回転機ＭＴの音を聴く場合が多いし、回転軸線ＡＸ上で回転機ＭＴの音を聴く場合が多い。

振動センサ５は、回転機ＭＴの表面のうち回転軸２３の突出している側の面２７ａに接触して、回転機ＭＴの振動を測定することが好ましい。この好ましい例では、振動の大きい位置である面２７ａに振動センサ５を接触させることで、容易に回転機ＭＴの振動を測定できる。実施形態１では、面２７ａは、蓋２７の上面である。

特に、振動センサ５は、面２７ａのうちの平坦面に接触して、回転機ＭＴの振動を測定することがさらに好ましい。この好ましい例では、面接触により回転機ＭＴの振動が振動センサ５に伝達されるため、精度良く振動を測定できる。

図６に示すように、異常検出装置１００は、チャックＭＴＣと、音センサ支持部材３１と、振動センサ支持部材５１とをさらに備える。チャックＭＴＣは、回転機ＭＴを挟持して、回転機ＭＴを所定の測定位置で保持する。具体的には、チャックＭＴＣは、回転機ＭＴの筐体２５を挟持する。音センサ支持部材３１は音センサ３を支持する。振動センサ支持部材５１は振動センサ５を支持する。

次に、図７を参照して、異常検出装置１００を説明する。図７は、異常検出装置１００を示す斜視図である。図７に示すように、異常検出装置１００は、壁部材ＷＬと、少なくとも１つの振動絶縁体６１と、ベース部材６３と、支持体６５と、コネクタ６７と、配線６９と、支持体７１とをさらに備える。実施形態１では、異常検出装置１００は複数の振動絶縁体６１を備えている。

複数の振動絶縁体６１の各々は、所定の測定位置に設置された回転機ＭＴを、ベース部材６３および支持体６５を介して間接的に支持している。複数の振動絶縁体６１の各々は、振動を減衰させて、振動の伝播を抑制する。従って、回転機ＭＴの振動以外の振動に起因する音が測定されることと、回転機ＭＴの振動以外の振動が測定されることとを抑制できる。その結果、外れ度ＤＧをより精度良く算出できる。振動絶縁体６１は、例えば、振動絶縁ゴム、防振ゴム、または制振ゴムである。

複数の振動絶縁体６１はベース部材６３を支持する。ベース部材６３は、例えば、略平板状である。ベース部材６３には支持体６５が設置される。支持体６５は、チャックＭＴＣおよびコネクタ６７を支持する。回転機ＭＴはコネクタ６７に連結される。従って、回転機ＭＴには、コネクタ６７に接続された配線６９から、電力および制御信号が供給される。その結果、回転機ＭＴが、駆動されて回転する。

支持体７１は振動センサ支持部材５１を支持する。支持体７１はベース部材６３に設置される。なお、図７では、音センサ支持部材３１（図６）は、支持体６５に隠れているため、図示されていない。

ロボットＲＢは、回転機ＭＴを回転機ＭＴの待機位置からチャックＭＴＣまで移動する。そして、回転機ＭＴの音および振動の測定後に、ロボットＲＢは、回転機ＭＴをチャックＭＴＣから取り出して、異常用搬送路または正常用搬送路に移動する。

具体的には、ロボットＲＢは、ハンド８１と、昇降機構８３と、支持体８５と、レール８７とを備える。ハンド８１と昇降機構８３とはアクチュエータを構成する。ハンド８１は回転機ＭＴを挟持する。ハンド８１は、例えば、モータによって駆動される。昇降機構８３は、ハンド８１を支持して、ハンド８１を上昇または下降させる。昇降機構８３は、例えば、シリンダによって駆動される。支持体８５は昇降機構８３を支持する。支持体８５は、ハンド８１を支持した昇降機構８３を、レール８７に沿って水平方向に移動する。支持体８５は、例えば、モータによって駆動される。

さらに具体的には、ハンド８１は、待機位置に位置する回転機ＭＴを挟持する。そして、昇降機構８３は、回転機ＭＴを挟持したハンド８１を上昇させる。さらに、支持体８５は、ハンド８１を支持した昇降機構８３を、チャックＭＴＣの直上に移動する。そして、昇降機構８３は、回転機ＭＴを挟持したハンド８１を下降させる。さらに、ハンド８１は、チャックＭＴＣに回転機ＭＴを引き渡す。そして、昇降機構８３は、ハンド８１を上昇させる。

壁部材ＷＬは、チャックＭＴＣに挟持された回転機ＭＴを包囲する。つまり、壁部材ＷＬは、所定の測定位置に設置された回転機ＭＴを包囲する。壁部材ＷＬは、例えば、略筒形状を有する。壁部材ＷＬは、音を反射または吸収する。従って、回転機ＭＴの音以外の音が測定されることと、回転機ＭＴの音以外の音に起因する振動が測定されることとを抑制できる。その結果、外れ度ＤＧをより精度良く算出できる。壁部材ＷＬは、例えば、遮音材または吸音材を含む。

（実施形態２）
図８〜図１０を参照して、本発明の実施形態２に係る異常検出装置１００Ａを説明する。実施形態２に係る異常検出装置１００Ａがエンベロープ処理を実行する点で、実施形態２は実施形態１と主に異なる。以下、実施形態２が実施形態１と異なる点を主に説明する。

図８は、実施形態２に係る異常検出装置１００Ａを示すブロック図である。図８に示すように、異常検出装置１００Ａは、回転機ＭＴの音の異常を検出する。異常検出装置１００Ａは、実施形態１に係る異常検出装置１００の構成に加えて、低周波音抽出部９１と、低周波音分析部９２と、低周波振動抽出部９３と、低周波振動分析部９４とをさらに備える。具体的には、異常検出装置１００Ａは制御部１Ａを備える。そして、制御部１Ａが、実施形態１に係る制御部１の構成に加えて、低周波音抽出部９１と、低周波音分析部９２と、低周波振動抽出部９３と、低周波振動分析部９４とをさらに備える。

制御部１Ａのハードウェア構成は、図１に示す制御部１のハードウェア構成と同様である。制御部１Ａのプロセッサは、記憶部１０の記憶装置が記憶しているコンピュータプログラムを実行して、音分析部１１、低周波音抽出部９１、低周波音分析部９２、振動分析部１２、低周波振動抽出部９３、低周波振動分析部９４、外れ度算出部１３、回転機制御部１４と、およびロボット制御部１５として機能する。

低周波音抽出部９１は、音センサ３が出力した音信号ＳＡから、第１音周波数帯域の周波数よりも低い低周波音成分ＬＡを抽出する。例えば、低周波音抽出部９１は、音信号ＳＡに対してエンベロープ処理（包絡線処理）を実行して、低周波音成分ＬＡを抽出する。例えば、低周波音抽出部９１は、ローパスフィルターによって音信号ＳＡから低周波音成分ＬＡを抽出する。

低周波音分析部９２は、低周波音成分ＬＡを周波数分析して、周波数ごとの低周波音データＬＦＡを算出する。

低周波振動抽出部９３は、振動センサ５が出力した振動信号ＳＢから、第１振動周波数帯域の周波数よりも低い低周波振動成分ＬＢを抽出する。例えば、低周波振動抽出部９３は、振動信号ＳＢに対してエンベロープ処理（包絡線処理）を実行して、低周波振動成分ＬＢを抽出する。例えば、低周波振動抽出部９３は、ローパスフィルターによって振動信号ＳＢから低周波振動成分ＬＢを抽出する。

低周波振動分析部９４は、低周波振動成分ＬＢを周波数分析して、周波数ごとの低周波振動データＬＦＢを算出する。

外れ度算出部１３は、音響データＡＤａについて、基準データ群ＧＲａに対する外れ度ＤＧを算出する。外れ度ＤＧは、音響データＡＤａが基準データ群ＧＲａに対して外れている程度を示す。音響データＡＤａは、第１音周波数帯域に含まれる音データＦＡと、第１振動周波数帯域に含まれる振動データＦＢと、第１音周波数帯域よりも低い第２音周波数帯域に含まれる低周波音データＬＦＡと、第１振動周波数帯域よりも低い第２振動周波数帯域に含まれる低周波振動データＬＦＢとで定まる。

換言すれば、実施形態２では、４変量（音データＦＡ、振動データＦＢ、低周波音データＬＦＡ、および低周波振動データＬＦＢ）について、基準データ群ＧＲａに対する外れ度ＤＧを算出する。従って、外れ度ＤＧに基づいて、回転機ＭＴの音が異常か否かをより精度良く判定できる。特に、低周波音データＬＦＡと低周波振動データＬＦＢとに基づく音響データＡＤａの外れ度ＤＧを算出することは、回転機ＭＴのベアリングに起因する異常音の検出に有効である。

具体的には、外れ度算出部１３は、外れ度ＤＧと閾値ＴＨとを比較して、比較結果に基づいて回転機ＭＴの音が異常か否かを判定する。閾値ＴＨは、例えば、実験的および／または経験的に定められる。実施形態２に係る閾値ＴＨは、実施形態１に係る閾値ＴＨと、同じでもよいし、異なっていてもよい。

特に、実施形態２では、外れ度算出部１３は、回転機ＭＴの音響データＡＤａの外れ度ＤＧを表すマハラノビス距離ＭＤを算出する。従って、４変量（音データＦＡ、振動データＦＢ、低周波音データＬＦＡ、および低周波振動データＬＦＢ）を同時に処理できる。その結果、４変量を別々に処理する場合と比較して、外れ度ＤＧを高速に導出できる。

この場合、外れ度算出部１３は、マハラノビス距離ＭＤと閾値ＴＨとを比較して、比較結果に基づいて回転機ＭＴの音が異常か否かを判定する。具体的には、外れ度算出部１３は、マハラノビス距離ＭＤが閾値ＴＨ以上であるときに、回転機ＭＴの音が異常であると判定する。一方、外れ度算出部１３は、マハラノビス距離ＭＤが閾値ＴＨ未満であるときに、回転機ＭＴの音が正常であると判定する。

なお、例えば、外れ度算出部１３は、実施形態２においても、実施形態１に係る式（１）〜式（６）に基づいて、マハラノビス距離ＭＤを算出する。

次に、音響データＡＤａを詳細に説明する。音響データＡＤａは、実施形態２では、第１音周波数帯域に含まれる音データＦＡの積算値と、第１振動周波数帯域に含まれる振動データＦＢの積算値と、第２音周波数帯域に含まれる低周波音データＬＦＡの積算値と、第２振動周波数帯域に含まれる低周波振動データＬＦＢの積算値とで定められる。従って、外れ度算出部１３は、第１音周波数帯域に含まれる音データＦＡの積算値と、第１振動周波数帯域に含まれる振動データＦＢの積算値と、第２音周波数帯域に含まれる低周波音データＬＦＡの積算値と、第２振動周波数帯域に含まれる低周波振動データＬＦＢの積算値とを算出する。なお、例えば、音響データＡＤａは、第１音周波数帯域に含まれる音データＦＡの平均値と、第１振動周波数帯域に含まれる振動データＦＢの平均値と、第２音周波数帯域に含まれる低周波音データＬＦＡの平均値と、第２振動周波数帯域に含まれる低周波振動データＬＦＢの平均値とで定められてもよい。

次に、基準データ群ＧＲａを説明する。基準データ群ＧＲａは、正常な音響データの集合である。正常な音響データは正常な音データと正常な振動データと正常な低周波音データと正常な低周波振動データとで定まる。

具体的には、基準データ群ＧＲａは複数の基準音響データを含む。基準音響データとは、正常な音響データのことである。つまり、基準音響データは規定条件を満足する。規定条件は、基準音響データが正常であると判定される条件を示す。

複数の基準音響データの各々は、基準音データと基準振動データと基準低周波音データと基準低周波振動データとで定まる。

実施形態２に係る基準音データは、実施形態１に係る基準音データと同様である。実施形態２に係る基準振動データは、実施形態１に係る基準振動データと同様である。

基準低周波音データとは、正常な低周波音データのことである。つまり、基準低周波音データは低周波音規定条件を満足する。低周波音規定条件は、低周波音データの音レベルが正常であると判定される条件を示す。基準低周波音データは、低周波音データＬＦＡと同様にして、音センサ３、低周波音抽出部９１、および低周波音分析部９２によって、回転機の音を測定して算出される。基準低周波音データは第２音周波数帯域に含まれる。

基準低周波振動データとは、正常な低周波振動データのことである。つまり、基準低周波振動データは低周波振動規定条件を満足する。低周波振動規定条件は、低周波振動データの振動レベルが正常であると判定される条件を示す。低周波基準振動データは、低周波振動データＬＦＢと同様にして、振動センサ５、低周波振動抽出部９３、および低周波振動分析部９４によって、回転機の振動を測定して算出される。基準低周波振動データは第２振動周波数帯域に含まれる。

実施形態２では、基準音響データは、第１音周波数帯域に含まれる基準音データの積算値と、第１振動周波数帯域に含まれる基準振動データの積算値と、第２音周波数帯域に含まれる基準低周波音データの積算値と、第２振動周波数帯域に含まれる基準低周波振動データの積算値とで定められる。なお、例えば、基準音響データは、第１音周波数帯域に含まれる基準音データの平均値と、第１振動周波数帯域に含まれる基準振動データの平均値と、第２音周波数帯域に含まれる基準低周波音データの平均値と、第２振動周波数帯域に含まれる基準低周波振動データの平均値とで定められてもよい。

次に、図８〜図１０を参照して、実施形態２に係る異常検出方法を説明する。異常検出方法によって、回転機ＭＴの音の異常が検出される。図９および図１０は、異常検出方法を示すフローチャートである。異常検出方法は、図８に示す異常検出装置１００Ａによって実行される。図９および図１０に示すように、異常検出方法は、工程Ｓ２１〜工程Ｓ３６を含む。

図９に示す工程Ｓ２１〜工程Ｓ２５は、それぞれ、図４に示す工程Ｓ１〜工程Ｓ５と同様であり、説明を省略する。また、図１０に示す工程Ｓ３３〜工程Ｓ３６は、それぞれ、図４に示す工程Ｓ９〜工程Ｓ１２と同様であり、説明を省略する。

図９に示すように、工程Ｓ２６において、音分析部１１は、音信号ＳＡを周波数分析して、周波数ごとの音データＦＡを算出する。工程Ｓ２６は音分析工程の一例に相当する。

工程Ｓ２７において、低周波音抽出部９１は、音センサ３が出力した音信号ＳＡから、第１音周波数帯域の周波数よりも低い低周波音成分ＬＡを抽出する。工程Ｓ２７は音成分抽出工程の一例に相当する。

工程Ｓ２８において、低周波音分析部９２は、低周波音成分ＬＡを周波数分析して、周波数ごとの低周波音データＬＦＡを算出する。工程Ｓ２８は低周波音分析工程の一例に相当する。

図１０に示すように、工程Ｓ２９において、振動分析部１２は、振動信号ＳＢを周波数分析して、周波数ごとの振動データＦＢを算出する。工程Ｓ２９は振動分析工程の一例に相当する。

工程Ｓ３０において、低周波振動抽出部９３は、振動センサ５が出力した振動信号ＳＢから、第１振動周波数帯域の周波数よりも低い低周波振動成分ＬＢを抽出する。工程Ｓ３０は振動成分抽出工程の一例に相当する。

工程Ｓ３１において、低周波振動分析部９４は、低周波振動成分ＬＢを周波数分析して、周波数ごとの低周波振動データを算出する。工程Ｓ３１は低周波振動分析工程の一例に相当する。

工程Ｓ３２において、外れ度算出部１３は、少なくとも一つ以上の第１音周波数帯域に含まれる音データＦＡと、少なくとも一つ以上の第１振動周波数帯域に含まれる振動データＦＢと、第２音周波数帯域に含まれる低周波音データＬＦＡと、第２振動周波数帯域に含まれる低周波振動データＬＦＢとで定まる音響データＡＤａについて、基準データ群ＧＲａに対する外れ度ＤＧを算出する。具体的には、外れ度算出部１３はマハラノビス距離ＭＤを算出する。工程Ｓ３２は外れ度算出工程の一例に相当する。

以上、図９および図１０を参照して説明したように、実施形態２に係る異常検出方法によれば、外れ度ＤＧに基づいて、回転機ＭＴの音が異常か否かをより精度良く判定できる。特に、低周波音データＬＦＡと低周波振動データＬＦＢとに基づく音響データＡＤａの外れ度ＤＧを算出することは、回転機ＭＴのベアリングに起因する異常音の検出に有効である。

なお、工程Ｓ２８以前に工程Ｓ２７が実行されるとともに、工程Ｓ３１以前に工程Ｓ３０が実行される限りにおいては、工程Ｓ２６〜工程Ｓ３１の実行順番は、特に限定されない。

次に、本発明が実施例に基づき具体的に説明されるが、本発明は以下の実施例によって限定されない。

本発明の実施例を図１１〜図１５Ｂを参照して説明する。本実施例では、図１〜図７を参照して説明した異常検出装置１００を使用した。第１音周波数帯域としては、図３に示す「オクターブバンドＢ」に基づく第１音周波数帯域＃８および第１振動周波数帯域＃８を採用した。第１音周波数帯域＃８と第１振動周波数帯域＃８とは、同じであった。音響データＡＤは、第１音周波数帯域＃８に含まれる複数の音データＦＡの積算値と、第１振動周波数帯域＃８に含まれる複数の振動データＦＢの積算値とで定められた。以下、本実施例の説明において、複数の音データＦＡの積算値を単に「音データＦＡ」と記載し、複数の振動データＦＢの積算値を単に「振動データＦＢ」と記載する。また、本実施例では、外れ度ＤＧを表すマハラノビス距離ＭＤが算出された。マハラノビス距離ＭＤは、式（１）の「Ｄ」によって示された。

具体的には、異常検出装置１００は、回転機「Ｎｏ．１」、回転機「Ｎｏ．２」、回転機「Ｎｏ．３」、および回転機「Ｎｏ．４」ごとに、音データＦＡおよび振動データＦＢの各々を３０回算出して、マハラノビス距離ＭＤを３０回算出した。

一方、回転機「Ｎｏ．１」、回転機「Ｎｏ．２」、回転機「Ｎｏ．３」、および回転機「Ｎｏ．４」に対して、検査員「＃１」、検査員「＃２」、検査員「＃３」、検査員「＃４」、検査員「＃５」、および検査員「＃６」が、聴覚によって音が異常か否かを判定した。

図１１は、本実施例に係る異常検出装置１００によって算出されたマハラノビス距離ＭＤと、検査員「＃１」〜検査員「＃６」による判定結果とを示す図である。図１１において、「ＮＧ」は回転機の音が異常であると判定されたことを示す。「ＯＫ」は回転機の音が正常であると判定されたことを示す。

図１１に示すように、回転機「Ｎｏ．１」および回転機「Ｎｏ．２」の各々に対して、２．０以上のマハラノビス距離ＭＤが３０回算出された。マハラノビス距離ＭＤが２．０以上であることは、異常検出装置１００によって、回転機「Ｎｏ．１」および回転機「Ｎｏ．２」の各々が異常であると判定されたことに相当した。

一方、検査員「＃１」〜検査員「＃６」の全員が、回転機「Ｎｏ．１」および回転機「Ｎｏ．２」の各々の音が異常であると判定した。

また、回転機「Ｎｏ．３」では、０．０であるマハラノビス距離ＭＤが３０回算出された。回転機「Ｎｏ．４」では、０．０であるマハラノビス距離ＭＤが２３回算出され、０．１であるマハラノビス距離ＭＤが７回算出された。マハラノビス距離ＭＤが０．１以下であることは、異常検出装置１００によって、回転機「Ｎｏ．３」および回転機「Ｎｏ．４」の各々が正常であると判定されたことに相当した。

一方、検査員「＃１」〜検査員「＃６」の全員が、回転機「Ｎｏ．３」および回転機「Ｎｏ．４」の各々の音が正常であると判定した。

以上、図１１を参照して説明したように、異常検出装置１００による異常判定結果と、人間である検査員「＃１」〜検査員「＃６」による異常判定結果とが、一致した。従って、本実施例に係る異常検出装置１００が、人間の聴覚により合った異常判定結果を導出できることを確認できた。特に、図３に示す「オクターブバンドＢ」に基づく第１音周波数帯域＃８および第１振動周波数帯域＃８を採用することが有効であることを確認できた。

次に、図１２Ａ〜図１３Ｂを参照して、異常な回転機「Ｎｏ．１」の音データＦＡおよび振動データＦＢ、ならびに、基準音データおよび基準振動データを説明する。

図１２Ａは、本実施例に係る異常検出装置１００によって得られた異常な回転機「Ｎｏ．１」の音データＦＡの発生頻度を示す図である。図１２Ａにおいて、横軸は、音データＦＡの振幅（音圧振幅）を示し、縦軸は、振幅ごとの音データＦＡの発生頻度を示す。横軸は任意単位である。

図１２Ｂは、本実施例に係る異常検出装置１００によって使用される基準音データの発生頻度を示す図である。図１２Ｂにおいて、横軸は、基準音データの振幅（音圧振幅）を示し、縦軸は、振幅ごとの基準音データの発生頻度を示す。横軸は任意単位である。

図１２Ａに示すように、音データＦＡは、振幅が１３２〜１４４の範囲で発生した。振幅が１４０の音データＦＡが、発生頻度のピークを示した。一方、図１２Ｂに示すように、基準音データは、振幅が１６〜５６の範囲で発生した。振幅が２０の音データＦＡが、発生頻度のピークを示した。

図１２Ａおよび図１２Ｂから理解できるように、音が異常な回転機「Ｎｏ．１」では、発生頻度の多い音データＦＡの振幅は、発生頻度の多い基準音データの振幅よりも大きかった。

図１３Ａは、本実施例に係る異常検出装置１００によって得られた異常な回転機「Ｎｏ．１」の振動データＦＢの発生頻度を示す図である。図１３Ａにおいて、横軸は、振動データＦＢの振幅（振動振幅）を示し、縦軸は、振幅ごとの振動データＦＢの発生頻度を示す。横軸は任意単位である。

図１３Ｂは、本実施例に係る異常検出装置１００によって使用される基準振動データの発生頻度を示す図である。図１３Ｂにおいて、横軸は、基準振動データの振幅（振動振幅）を示し、縦軸は、振幅ごとの基準振動データの発生頻度を示す。横軸は任意単位である。

図１３Ａに示すように、振動データＦＢは、振幅が４４〜７０の範囲で発生した。振幅が５４の振動データＦＢが、発生頻度のピークを示した。一方、図１３Ｂに示すように、基準振動データは、振幅が４〜１０の範囲で発生した。振幅が６の振動データＦＢが、発生頻度のピークを示した。

図１３Ａおよび図１３Ｂから理解できるように、音が異常な回転機「Ｎｏ．１」では、発生頻度の多い振動データＦＢの振幅は、発生頻度の多い基準振動データの振幅よりも大きかった。

図１２Ａに示す音データＦＡと図１３Ａに示す振動データＦＢとに基づいて算出されたマハラノビス距離ＭＤは、２９〜６７であった。一方、図１２Ｂに示す基準音データおよび図１３Ｂに示す基準振動データに基づいて算出されたマハラノビス距離ＭＤは、ゼロであった。なぜなら、基準音データと基準振動データとで定まる基準音響データが単位空間を形成したからである。

以上、図１２Ａ〜図１３Ｂを参照して説明したように、発生頻度の多い音データＦＡの振幅が、発生頻度の多い基準音データの振幅よりも大きく、かつ、発生頻度の多い振動データＦＢの振幅が、発生頻度の多い基準振動データの振幅よりも大きいと、マハラノビス距離ＭＤが大きくなることを確認できた。

次に、図１４Ａ〜図１５Ｂを参照して、正常な回転機「Ｎｏ．３」の音データＦＡおよび振動データＦＢ、ならびに、基準音データおよび基準振動データを説明する。

図１４Ａは、本実施例に係る異常検出装置１００によって得られた正常な回転機「Ｎｏ．３」の音データＦＡの発生頻度を示す図である。図１４Ａの縦軸および横軸は、それぞれ、図１２Ａの縦軸および横軸と同じである。図１４Ｂの内容は、図１２Ｂの内容と同じである。

図１４Ａに示すように、音データＦＡは、振幅が２０〜２４の範囲で発生した。振幅が２４の音データＦＡが、発生頻度のピークを示した。

図１４Ａおよび図１４Ｂから理解できるように、音が正常な回転機「Ｎｏ．３」では、発生頻度の多い音データＦＡの振幅は、発生頻度の多い基準音データの振幅と大体等しかった。

図１５Ａは、本実施例に係る異常検出装置１００によって得られた正常な回転機「Ｎｏ．３」の振動データＦＢの発生頻度を示す図である。図１５Ａの縦軸および横軸は、それぞれ、図１３Ａの縦軸および横軸と同じである。図１５Ｂの内容は、図１３Ｂの内容と同じである。

図１５Ａに示すように、振動データＦＢは、振幅が６〜８の範囲で発生した。振幅が８の振動データＦＢが、発生頻度のピークを示した。

図１５Ａおよび図１５Ｂから理解できるように、音が正常な回転機「Ｎｏ．３」では、発生頻度の多い振動データＦＢの振幅は、発生頻度の多い基準振動データの振幅と大体等しかった。

図１４Ａに示す音データＦＡと図１５Ａに示す振動データＦＢとに基づいて算出されたマハラノビス距離ＭＤは、０．０１〜０．０４であった。一方、図１４Ｂに示す基準音データおよび図１５Ｂに示す基準振動データに基づいて算出されたマハラノビス距離ＭＤは、ゼロであった。

以上、図１４Ａ〜図１５Ｂを参照して説明したように、発生頻度の多い音データＦＡの振幅が、発生頻度の多い基準音データの振幅と大体等しく、かつ、発生頻度の多い振動データＦＢの振幅が、発生頻度の多い基準振動データの振幅と大体等しいと、マハラノビス距離ＭＤが小さくなることを確認できた。

以上、図面を参照して本発明の実施形態および実施例について説明した。ただし、本発明は、上記の実施形態に限られるものではなく、その要旨を逸脱しない範囲で種々の態様において実施できる。また、上記の実施形態に開示される複数の構成要素は適宜改変可能である。例えば、ある実施形態に示される全構成要素のうちのある構成要素を別の実施形態の構成要素に追加してもよく、または、ある実施形態に示される全構成要素のうちのいくつかの構成要素を実施形態から削除してもよい。

また、図面は、発明の理解を容易にするために、それぞれの構成要素を主体に模式的に示しており、図示された各構成要素の厚さ、長さ、個数、間隔等は、図面作成の都合上から実際とは異なる場合もある。また、上記の実施形態で示す各構成要素の構成は一例であって、特に限定されるものではなく、本発明の効果から実質的に逸脱しない範囲で種々の変更が可能であることは言うまでもない。

本発明は、異常検出方法および異常検出装置を提供するものであり、産業上の利用可能性を有する。

３ 音センサ
５ 振動センサ
１１ 音分析部
１２ 振動分析部
１３ 外れ度算出部
１００、１００Ａ 異常検出装置
ＭＴ 回転機

Claims (12)

1. 回転機の音の異常を検出する異常検出方法であって、
   前記回転機が所定回転数で回転しているときに、前記回転機の前記音を測定して、前記音を示す音信号を出力する音測定工程と、
   前記回転機が前記所定回転数で回転しているときに、前記回転機の振動を測定して、前記振動を示す振動信号を出力する振動測定工程と、
   前記音信号を周波数分析して、周波数ごとの音データを算出する音分析工程と、
   前記振動信号を周波数分析して、周波数ごとの振動データを算出する振動分析工程と、
   少なくとも一つ以上の第１音周波数帯域に含まれる前記音データと、少なくとも一つ以上の第１振動周波数帯域に含まれる前記振動データとで定まる音響データについて、基準データ群に対する外れ度を算出する外れ度算出工程と
   を含み、
   前記外れ度は、前記音響データが前記基準データ群に対して外れている程度を示す、異常検出方法。
2. 前記外れ度算出工程では、前記外れ度を表すマハラノビス距離を算出する、請求項１に記載の異常検出方法。
3. 前記第１音周波数帯域と前記第１振動周波数帯域とは、同一の周波数帯域である、請求項１又は請求項２に記載の異常検出方法。
4. 前記少なくとも一つ以上の第１音周波数帯域が、オクターブバンドを用いて定められ、
   前記少なくとも一つ以上の第１振動周波数帯域が、オクターブバンドを用いて定められる、請求項１から請求項３のいずれか１項に記載の異常検出方法。
5. 前記第１音周波数帯域および前記第１振動周波数帯域の各々は、固有振動帯域の下限周波数から上限周波数までの帯域を含み、
   前記固有振動帯域は、前記回転機の固有振動に基づく周波数帯域であり、前記回転機の固有振動数を含む、請求項１から請求項４のいずれか１項に記載の異常検出方法。
6. 前記第１音周波数帯域および前記第１振動周波数帯域の各々は、トルクリップル周波数帯域の下限周波数から上限周波数までの帯域を含み、
   前記トルクリップル周波数帯域は、前記回転機のトルクリップルに基づく周波数帯域である、請求項１から請求項５のいずれか１項に記載の異常検出方法。
7. 前記音信号から、前記第１音周波数帯域の周波数よりも低い低周波音成分を抽出する音成分抽出工程と、
   前記低周波音成分を周波数分析して、周波数ごとの低周波音データを算出する低周波音分析工程と、
   前記振動信号から、前記第１振動周波数帯域の周波数よりも低い低周波振動成分を抽出する振動成分抽出工程と、
   前記低周波振動成分を周波数分析して、周波数ごとの低周波振動データを算出する低周波振動分析工程と
   をさらに含み、
   前記音響データは、前記第１音周波数帯域に含まれる前記音データと、前記第１振動周波数帯域に含まれる前記振動データと、前記第１音周波数帯域よりも低い第２音周波数帯域に含まれる前記低周波音データと、前記第１振動周波数帯域よりも低い第２振動周波数帯域に含まれる前記低周波振動データとで定まる、請求項１から請求項６のいずれか１項に記載の異常検出方法。
8. 前記外れ度と閾値とを比較して、比較結果に基づいて前記回転機の前記音が異常か否かを判定する判定工程をさらに含む、請求項１から請求項７のいずれか１項に記載の異常検出方法。
9. 回転機の音の異常を検出する異常検出装置であって、
   前記回転機が所定回転数で回転しているときに、前記回転機の前記音を測定して、前記音を示す音信号を出力する音センサと、
   前記回転機が前記所定回転数で回転しているときに、前記回転機の振動を測定して、前記振動を示す振動信号を出力する振動センサと、
   前記音信号を周波数分析して、周波数ごとの音データを算出する音分析部と、
   前記振動信号を周波数分析して、周波数ごとの振動データを算出する振動分析部と、
   少なくとも一つ以上の第１音周波数帯域に含まれる前記音データと、少なくとも一つ以上の第１振動周波数帯域に含まれる前記振動データとで定まる音響データについて、基準データ群に対する外れ度を算出する外れ度算出部と
   を備え、
   前記外れ度は、前記音響データが前記基準データ群に対して外れている程度を示す、異常検出装置。
10. 前記外れ度算出部は、前記外れ度を表すマハラノビス距離を算出する、請求項９に記載の異常検出装置。
11. 前記第１音周波数帯域と前記第１振動周波数帯域とは、同一の周波数帯域である、請求項９又は請求項１０に記載の異常検出装置。
12. 前記少なくとも一つ以上の第１音周波数帯域が、オクターブバンドを用いて定められ、
    前記少なくとも一つ以上の第１振動周波数帯域が、オクターブバンドを用いて定められる、請求項９から請求項１１のいずれか１項に記載の異常検出装置。
    

Images