JP3101017B2 - 故障診断方法 - Google Patents
故障診断方法Info
- Publication number
- JP3101017B2 JP3101017B2 JP03242701A JP24270191A JP3101017B2 JP 3101017 B2 JP3101017 B2 JP 3101017B2 JP 03242701 A JP03242701 A JP 03242701A JP 24270191 A JP24270191 A JP 24270191A JP 3101017 B2 JP3101017 B2 JP 3101017B2
- Authority
- JP
- Japan
- Prior art keywords
- band
- narrow
- correlation
- failure
- frequency
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Testing Of Engines (AREA)
Description
【０００１】
【産業上の利用分野】本発明は、エンジンなどの故障を
異常音により診断する故障診断方法に関するものであ
る。
異常音により診断する故障診断方法に関するものであ
る。
【０００２】
【背景技術】機械系などの故障（例えば、エンジンの故
障）に伴って発生する固有振動は、ある周波数帯域にお
いて現れるが、他の固有振動やノイズに埋もれてＳ／Ｎ
が低い場合には、注目すべき固有振動の有無の判定は、
一つの周波数帯域のみに注目していては難しくなる。
障）に伴って発生する固有振動は、ある周波数帯域にお
いて現れるが、他の固有振動やノイズに埋もれてＳ／Ｎ
が低い場合には、注目すべき固有振動の有無の判定は、
一つの周波数帯域のみに注目していては難しくなる。
【０００３】エンジンの故障の場合に、注目する固有振
動は、吸気、排気を制御するカム軸を連結するギアの異
常などによる異常音であり、狭帯域パワー包絡化信号の
観測により1.5kHz〜6.5kHzで発生することが確認されて
いる。
動は、吸気、排気を制御するカム軸を連結するギアの異
常などによる異常音であり、狭帯域パワー包絡化信号の
観測により1.5kHz〜6.5kHzで発生することが確認されて
いる。
【０００４】
【発明が解決しようとする課題】しかし、この故障によ
る異常音のスペクトルは、シリンダ爆発音等ような他の
固有振動等のスペクトルに埋没しているので、全体のス
ペクトルから、その有無を判定することは困難であっ
た。
る異常音のスペクトルは、シリンダ爆発音等ような他の
固有振動等のスペクトルに埋没しているので、全体のス
ペクトルから、その有無を判定することは困難であっ
た。
【０００５】本発明の目的は、このような場合に異なる
周波数帯域間の相関を調べることにより、注目すべき信
号の有無の判定を高精度に行うことができる故障診断方
法を提供することである。
周波数帯域間の相関を調べることにより、注目すべき信
号の有無の判定を高精度に行うことができる故障診断方
法を提供することである。
【０００６】
【課題を解決するための手段】本発明による故障診断方
法は、機械系から発生する異常音の波形を、帯域制限フ
ィルタにより２以上の狭周波数帯域に振り分けて狭帯域
化し、前記各狭周波数帯域を持つ狭帯域信号に対して２
乗波形を求める２乗演算を行い、前記各狭周波数帯域の
前記２乗波形の包絡化信号をうるローパスフィルタリン
グを行い、前記２以上の狭周波数帯域のうちで基準とな
る１つの狭周波数帯域の包絡化信号と、他の狭周波数帯
域の包絡化信号とのコヒーレンス関数を計算して、前記
各狭周波数帯域間の相関をとったのち、故障原因に対応
して、不良の場合には相関をもち、正常の場合には相関
を持たない予め選択された少なくとも１つの狭周波数帯
域の組合せと照合することにより、前記機械系の故障を
診断する構成としてある。
法は、機械系から発生する異常音の波形を、帯域制限フ
ィルタにより２以上の狭周波数帯域に振り分けて狭帯域
化し、前記各狭周波数帯域を持つ狭帯域信号に対して２
乗波形を求める２乗演算を行い、前記各狭周波数帯域の
前記２乗波形の包絡化信号をうるローパスフィルタリン
グを行い、前記２以上の狭周波数帯域のうちで基準とな
る１つの狭周波数帯域の包絡化信号と、他の狭周波数帯
域の包絡化信号とのコヒーレンス関数を計算して、前記
各狭周波数帯域間の相関をとったのち、故障原因に対応
して、不良の場合には相関をもち、正常の場合には相関
を持たない予め選択された少なくとも１つの狭周波数帯
域の組合せと照合することにより、前記機械系の故障を
診断する構成としてある。
【０００７】次に、本発明による故障診断方法の基本原
理について、図１〜図９を参照しなから更に詳しく説明
する。機械系異常音に代表される固有振動は、原波形で
は正常の場合と異常の場合では、図１に示すような波形
となる。これらに、２乗演算を施して、それぞれのパワ
ー（２乗波形）を求めると、図２に示すように、エンジ
ン異常が原因で発生する信号は、あるタイミングで大き
な振幅を持っており、このパワーは、特定の周波数帯域
内のみで出現することがわかる。実際のエンジン音など
では、異常音以外にもさまざまな信号が混在しており、
全体のスペクトルは、図３に示すようになり、正常、異
常の識別は非常に困難である。
理について、図１〜図９を参照しなから更に詳しく説明
する。機械系異常音に代表される固有振動は、原波形で
は正常の場合と異常の場合では、図１に示すような波形
となる。これらに、２乗演算を施して、それぞれのパワ
ー（２乗波形）を求めると、図２に示すように、エンジ
ン異常が原因で発生する信号は、あるタイミングで大き
な振幅を持っており、このパワーは、特定の周波数帯域
内のみで出現することがわかる。実際のエンジン音など
では、異常音以外にもさまざまな信号が混在しており、
全体のスペクトルは、図３に示すようになり、正常、異
常の識別は非常に困難である。
【０００８】ここで、エンジン異常が原因で発生するパ
ワーが特定周波数帯域内でのみ現れることから、注目す
る固有振動周波数軸上のパワースペクトルは、図４に示
すように、帯域制限されたスペクトルを持つと仮定する
ことができる。このときに、注目する固有振動を、周波
数f0，f1の成分を含み、最大パワーがＰMAX であるよう
にモデル化する。
ワーが特定周波数帯域内でのみ現れることから、注目す
る固有振動周波数軸上のパワースペクトルは、図４に示
すように、帯域制限されたスペクトルを持つと仮定する
ことができる。このときに、注目する固有振動を、周波
数f0，f1の成分を含み、最大パワーがＰMAX であるよう
にモデル化する。
【０００９】周波数f0，f1の両方が同時には含まない固
有振動またはノイズ成分においては、図５に示すよう
に、周波数f0，f1の成分は、その振幅に関して、お互い
に無関係であるから相関を持たない。これに対して、注
目する固有振動の場合に、図４に示すように、この振動
の振幅の大小にともない、周波数f0，f1の成分は、お互
いに相関を持ちながらそれぞれの値を変える。
有振動またはノイズ成分においては、図５に示すよう
に、周波数f0，f1の成分は、その振幅に関して、お互い
に無関係であるから相関を持たない。これに対して、注
目する固有振動の場合に、図４に示すように、この振動
の振幅の大小にともない、周波数f0，f1の成分は、お互
いに相関を持ちながらそれぞれの値を変える。
【００１０】したがって、これら２つの場合について、
周波数f0，f1成分のパワーの大きさを、それぞれＰ
(f0), Ｐ(f1)とし、注目する固有成分および、その他の
固有振動またはノイズ成分のそれぞれを、２帯域間(f0,
f1) のパワー相関図にプロットすると、以上の各信号成
分の特徴から、図６に示すように分布していると考えら
れる。つまり、両帯域に相関がない場合に、パワー相関
図上においては、最大パワーＰMAX を半径とした円内に
ランダムに分布する。
周波数f0，f1成分のパワーの大きさを、それぞれＰ
(f0), Ｐ(f1)とし、注目する固有成分および、その他の
固有振動またはノイズ成分のそれぞれを、２帯域間(f0,
f1) のパワー相関図にプロットすると、以上の各信号成
分の特徴から、図６に示すように分布していると考えら
れる。つまり、両帯域に相関がない場合に、パワー相関
図上においては、最大パワーＰMAX を半径とした円内に
ランダムに分布する。
【００１１】一方、周波数f0，f1を含む固有振動の場合
に、両帯域間に相関があるために、回帰直線（Ｐ’軸）
付近に分布し、周波数f0，f1における最大パワーＰMAX
の２1/2 倍までの領域にその分布が現れる。そこで、相
関図のすべての点を回帰直線（Ｐ’軸）上に射影する
と、図７の頻度分布図が得られる。回帰直線（Ｐ’軸）
上において、検出したい固有振動は、その他の固有振動
の２1/2 倍の値をとり得るために、図７の頻度分布図上
で他の固有振動等の成分により原点から２1/2 倍だけ離
れて分布する。
に、両帯域間に相関があるために、回帰直線（Ｐ’軸）
付近に分布し、周波数f0，f1における最大パワーＰMAX
の２1/2 倍までの領域にその分布が現れる。そこで、相
関図のすべての点を回帰直線（Ｐ’軸）上に射影する
と、図７の頻度分布図が得られる。回帰直線（Ｐ’軸）
上において、検出したい固有振動は、その他の固有振動
の２1/2 倍の値をとり得るために、図７の頻度分布図上
で他の固有振動等の成分により原点から２1/2 倍だけ離
れて分布する。
【００１２】さらに、用いる帯域数を３にすると、図８
に示すような３次元のパワー相関空間において、その他
の固有振動を表す点は、最大パワーを半径とした球内に
ランダムに分布する。一方、検出したい固有振動は、回
帰直線（Ｐ’軸）上で最大パワー（半径）の３1/2 倍ま
での領域に現れ、頻度分布図上においても、原点から３
1/2 倍だけ離れて分布する。
に示すような３次元のパワー相関空間において、その他
の固有振動を表す点は、最大パワーを半径とした球内に
ランダムに分布する。一方、検出したい固有振動は、回
帰直線（Ｐ’軸）上で最大パワー（半径）の３1/2 倍ま
での領域に現れ、頻度分布図上においても、原点から３
1/2 倍だけ離れて分布する。
【００１３】このように、用いる周波数帯域数を増や
し、しかも検出したい固有振動成分とその帯域間で相関
を持てば、検出したい固有振動とその他の固有振動の識
別が用いる帯域数の平方根倍だけ容易となる。
し、しかも検出したい固有振動成分とその帯域間で相関
を持てば、検出したい固有振動とその他の固有振動の識
別が用いる帯域数の平方根倍だけ容易となる。
【００１４】
【実施例】つぎに、実施例をあげて、本発明をさらに詳
しく説明する。図１０は、本発明による故障診断方法の
実施例を示したブロック図、図１１は、動作を説明する
ための波形図である。
しく説明する。図１０は、本発明による故障診断方法の
実施例を示したブロック図、図１１は、動作を説明する
ための波形図である。
【００１５】ここでは、実際に固有振動を持つと仮定さ
れる信号（故障が原因となって発生する異常音を含む自
動車のエンジン音）に対して、複数帯域間の相関（コヒ
ーレンス関数）を求めることとした。つまり、複数周波
数帯域間の相関の導入による、注目固有振動の判定の高
精度化の原理の裏付けをするために、実際に、異常のあ
るエンジンについて上記の処理により異なる２つの周波
数帯域間のコヒーレンス関数を計算し、周波数帯域間の
相関性の確認をした。
れる信号（故障が原因となって発生する異常音を含む自
動車のエンジン音）に対して、複数帯域間の相関（コヒ
ーレンス関数）を求めることとした。つまり、複数周波
数帯域間の相関の導入による、注目固有振動の判定の高
精度化の原理の裏付けをするために、実際に、異常のあ
るエンジンについて上記の処理により異なる２つの周波
数帯域間のコヒーレンス関数を計算し、周波数帯域間の
相関性の確認をした。
【００１６】この場合に、注目する固有振動は、エンジ
ンの故障（吸気、排気を制御するカム軸を連結するギア
の異常）による異常音であるが、この故障による異常音
のスペクトルは、シリンダ爆発音等の他の固有振動等の
スペクトルに埋没しているので、全体のスペクトルか
ら、故障の有無を判定することは不可能である。そこ
で、周波数帯域間の相関をコヒーレンス関数により評価
するために、以下の信号処理を行う。
ンの故障（吸気、排気を制御するカム軸を連結するギア
の異常）による異常音であるが、この故障による異常音
のスペクトルは、シリンダ爆発音等の他の固有振動等の
スペクトルに埋没しているので、全体のスペクトルか
ら、故障の有無を判定することは不可能である。そこ
で、周波数帯域間の相関をコヒーレンス関数により評価
するために、以下の信号処理を行う。
【００１７】図１０において、１１〜１ｍはマイクロフ
ォン、２１〜２ｍはバンドパスフィルタ、３１〜３ｍは
乗算器、４１〜４ｍはローパスフィルタ、５は点火信号
検出器、６はＦＦＴ解析器、７はｍ次元特徴空間を用い
るパターン判別器である。
ォン、２１〜２ｍはバンドパスフィルタ、３１〜３ｍは
乗算器、４１〜４ｍはローパスフィルタ、５は点火信号
検出器、６はＦＦＴ解析器、７はｍ次元特徴空間を用い
るパターン判別器である。
【００１８】マイクロフォン１１〜１ｍは、エンジンの
特定箇所からの異常音を検出するためのものである。各
マイクロフォン１１〜１ｍによって検出された各種の信
号が混在している信号を、バンドパス（帯域制限）フィ
ルタ２１〜２ｍにより各周波数帯域へ振り分け、狭帯域
化を行う。
特定箇所からの異常音を検出するためのものである。各
マイクロフォン１１〜１ｍによって検出された各種の信
号が混在している信号を、バンドパス（帯域制限）フィ
ルタ２１〜２ｍにより各周波数帯域へ振り分け、狭帯域
化を行う。
【００１９】このときに、後に帯域同士の相関を求める
ため、注目する固有振動のスペクトル内の狭周波数帯域
の１つを基準とする（本実施例では、3kHz±500Hz)。し
かし、このままでは、各狭帯域信号は、その周波数帯域
が異なるために、コヒーレンス関数による相関性の評価
を行うことができない。そこで、それぞれ異なる周波数
帯域を持つ狭帯域信号に対して、乗算器３１〜３ｍによ
り、２乗演算を行う（図１１上段）。
ため、注目する固有振動のスペクトル内の狭周波数帯域
の１つを基準とする（本実施例では、3kHz±500Hz)。し
かし、このままでは、各狭帯域信号は、その周波数帯域
が異なるために、コヒーレンス関数による相関性の評価
を行うことができない。そこで、それぞれ異なる周波数
帯域を持つ狭帯域信号に対して、乗算器３１〜３ｍによ
り、２乗演算を行う（図１１上段）。
【００２０】ここで、ある狭帯域信号が、図１１に示す
ように、中心周波数：f0、周波数帯域幅：Δｆというス
ペクトルを持つとすると、時間領域における二乗演算
は、周波数領域では、スペクトルの畳み込み演算になる
ので、時間領域において２乗された波形のスペクトル
は、ｆ 0 ±Δｆの帯域内の任意の二つの周波数成分間の
差の成分と和の成分をもつことになる。あらゆる二つの
成分間の組合せを考えると、前者は、直流付近に帯域幅
±２Δｆをもち、後者は、２ｆ 0 を中心として帯域幅±
２Δｆをもつ（図１１中段）。
ように、中心周波数：f0、周波数帯域幅：Δｆというス
ペクトルを持つとすると、時間領域における二乗演算
は、周波数領域では、スペクトルの畳み込み演算になる
ので、時間領域において２乗された波形のスペクトル
は、ｆ 0 ±Δｆの帯域内の任意の二つの周波数成分間の
差の成分と和の成分をもつことになる。あらゆる二つの
成分間の組合せを考えると、前者は、直流付近に帯域幅
±２Δｆをもち、後者は、２ｆ 0 を中心として帯域幅±
２Δｆをもつ（図１１中段）。
【００２１】このように、２乗演算をするときに同時に
発生する周波数の和の成分を、ローパスフィルタ４１〜
４ｍにより削除することにより、時間波形ではパワー包
絡化信号が得られ、周波数領域では、元の信号の帯域の
中心周波数ｆ 0 に無関係に、中心周波数が０で、帯域幅
が±２Δｆという周波数帯域に揃えられた各狭周波数帯
域のパワー包絡化信号を得る（図１１下段）。
発生する周波数の和の成分を、ローパスフィルタ４１〜
４ｍにより削除することにより、時間波形ではパワー包
絡化信号が得られ、周波数領域では、元の信号の帯域の
中心周波数ｆ 0 に無関係に、中心周波数が０で、帯域幅
が±２Δｆという周波数帯域に揃えられた各狭周波数帯
域のパワー包絡化信号を得る（図１１下段）。
【００２２】元々中心周波数ｆ0 ，帯域幅±Δｆの成分
を基準と設定すれば、その基準帯域のパワー包絡化信号
と中心周波数ｆ1 ，帯域幅±Δｆの周波数成分のパワー
包絡化信号との間のコヒーレンス関数を、ＦＦＴ解析器
６によって計算することにより、元々のｆ0 ±Δｆの周
波数成分とｆ1 ±Δｆ1 の周波数成分の間の相関がある
か否かを判定することができる。次に、図１５を用い
て、２つの狭周波数帯域（ｆ 1 ，ｆ m ）の波形に注目し
て本実施例の動作の流れを説明する。まず、マイクロフ
ォン１１，１ｍによって検出した異常音の波形を、バン
ドパスフィルタ２１、２ｍにより、各狭周波数帯域（ｆ
1 ，ｆ m ）へ振り分け、狭帯域化を行なう［図１５
（Ａ）］。このときに、狭周波数帯域（ｆ 1 ，ｆ m ）の
１つ（ｆ 1 ）を基準の狭周波数帯域と考える。次に、そ
れぞれ異なる狭周波数帯域を持つ狭帯域信号（ｆ 1 ，ｆ
m ）に対して、乗算器３１，３ｍにより、２乗波形を求
める２乗演算を行う［図１５（Ｂ１），（Ｂ２）］。さ
らに、それらの２乗波形を、ローパスフィルタ４１，４
ｍを通すことによって、時間波形において、包絡化信号
を得る［図１５（Ｃ１），（Ｃ２）］。ついで、ＦＦＴ
解析器６によって、基準となる狭周波数帯域（ｆ 1 ）の
包絡化信号と他の狭周波数帯域（ｆ m ）の包絡化信号の
パワースペクトルを求め［図１５（Ｄ１），（Ｄ
２）］、コヒーレンス関数を計算して、狭周波数帯域
（ｆ 1 ）と他の狭周波数帯域（ｆ m ）の間の相関をと
る。最後に、故障原因に対応して、不良の場合には相関
をもち、正常の場合には相関を持たない予め選択された
狭周波数帯域の組合せと照合することにより、故障を診
断する。
を基準と設定すれば、その基準帯域のパワー包絡化信号
と中心周波数ｆ1 ，帯域幅±Δｆの周波数成分のパワー
包絡化信号との間のコヒーレンス関数を、ＦＦＴ解析器
６によって計算することにより、元々のｆ0 ±Δｆの周
波数成分とｆ1 ±Δｆ1 の周波数成分の間の相関がある
か否かを判定することができる。次に、図１５を用い
て、２つの狭周波数帯域（ｆ 1 ，ｆ m ）の波形に注目し
て本実施例の動作の流れを説明する。まず、マイクロフ
ォン１１，１ｍによって検出した異常音の波形を、バン
ドパスフィルタ２１、２ｍにより、各狭周波数帯域（ｆ
1 ，ｆ m ）へ振り分け、狭帯域化を行なう［図１５
（Ａ）］。このときに、狭周波数帯域（ｆ 1 ，ｆ m ）の
１つ（ｆ 1 ）を基準の狭周波数帯域と考える。次に、そ
れぞれ異なる狭周波数帯域を持つ狭帯域信号（ｆ 1 ，ｆ
m ）に対して、乗算器３１，３ｍにより、２乗波形を求
める２乗演算を行う［図１５（Ｂ１），（Ｂ２）］。さ
らに、それらの２乗波形を、ローパスフィルタ４１，４
ｍを通すことによって、時間波形において、包絡化信号
を得る［図１５（Ｃ１），（Ｃ２）］。ついで、ＦＦＴ
解析器６によって、基準となる狭周波数帯域（ｆ 1 ）の
包絡化信号と他の狭周波数帯域（ｆ m ）の包絡化信号の
パワースペクトルを求め［図１５（Ｄ１），（Ｄ
２）］、コヒーレンス関数を計算して、狭周波数帯域
（ｆ 1 ）と他の狭周波数帯域（ｆ m ）の間の相関をと
る。最後に、故障原因に対応して、不良の場合には相関
をもち、正常の場合には相関を持たない予め選択された
狭周波数帯域の組合せと照合することにより、故障を診
断する。
【００２３】実際の故障診断においては、第１段階とし
て、互いに相関のある複数の周波数帯域ｆ1 ，ｆ2 ，
…，ｆm の選択を行う。そのため、周波数帯域ｆ1 ，ｆ
2 ，…，ｆm を変化させたときのローパスフィルタ４
１，４２，…，４ｍの出力をＦＦＴ解析器６を用いて分
析し、図１３，図１４のような結果を求め、不良に起
因する成分が互いに相関を持ち、図１４において正常
の場合には相関をもたいない、という条件を同時に満足
する周波数帯域ｆ1 ，ｆ2 ，…，ｆmの組合せを決定す
る。次に、第２段階として、前述のようにして決定した
周波数帯域ｆ1 ，ｆ2 ，…，ｆm を用いて、得られたロ
ーパスフィルタ４１，４２，…，４ｍの出力を、ＦＦＴ
解析器６を用いてＡ／Ｄ変換し、パターン判別器７に入
力する。パターン判別器７では、ｍ個の周波数帯域をも
とに、得られたｍ個の特徴空間内の正常不良のパターン
の分布から判別を行って、故障診断結果を出力する。
て、互いに相関のある複数の周波数帯域ｆ1 ，ｆ2 ，
…，ｆm の選択を行う。そのため、周波数帯域ｆ1 ，ｆ
2 ，…，ｆm を変化させたときのローパスフィルタ４
１，４２，…，４ｍの出力をＦＦＴ解析器６を用いて分
析し、図１３，図１４のような結果を求め、不良に起
因する成分が互いに相関を持ち、図１４において正常
の場合には相関をもたいない、という条件を同時に満足
する周波数帯域ｆ1 ，ｆ2 ，…，ｆmの組合せを決定す
る。次に、第２段階として、前述のようにして決定した
周波数帯域ｆ1 ，ｆ2 ，…，ｆm を用いて、得られたロ
ーパスフィルタ４１，４２，…，４ｍの出力を、ＦＦＴ
解析器６を用いてＡ／Ｄ変換し、パターン判別器７に入
力する。パターン判別器７では、ｍ個の周波数帯域をも
とに、得られたｍ個の特徴空間内の正常不良のパターン
の分布から判別を行って、故障診断結果を出力する。
【００２４】図１２は、2.75kH〜 3.25kHzの基準帯域
と、2kHz（図１２左上）、3kHz（基準帯域、図１２左
下）、5kHz（図１２右上）、9kHz（図１２右下）を中心
とした帯域幅500Hz の狭帯域信号のパワー包絡化信号と
のコヒーレンス関数を示したものである。さらに、D.C
〜10kHz 内の帯域幅500Hz の各500Hz 毎の比較帯域との
コヒーレンス関数を求め、そのD.C,100Hz,200Hz,300Hz
成分をプロットすることにより、故障による異常音を含
むエンジン音の基準帯域とD.C 〜10kHz とのコヒーレン
スの計測結果（図１３）が得られる。実際のエンジン音
においては、固有振動の周波数帯域内にある基準帯域
（2.75kH〜 3.25kHz）と1.50kHz 〜7.00kHz の帯域間に
おいて高いコヒーレンスが得られることが確認でき、時
間領域におけるパワー包絡化信号の出現帯域と一致する
ことから、前述のように仮定した固有振動の持つ相関性
の裏付けができた。
と、2kHz（図１２左上）、3kHz（基準帯域、図１２左
下）、5kHz（図１２右上）、9kHz（図１２右下）を中心
とした帯域幅500Hz の狭帯域信号のパワー包絡化信号と
のコヒーレンス関数を示したものである。さらに、D.C
〜10kHz 内の帯域幅500Hz の各500Hz 毎の比較帯域との
コヒーレンス関数を求め、そのD.C,100Hz,200Hz,300Hz
成分をプロットすることにより、故障による異常音を含
むエンジン音の基準帯域とD.C 〜10kHz とのコヒーレン
スの計測結果（図１３）が得られる。実際のエンジン音
においては、固有振動の周波数帯域内にある基準帯域
（2.75kH〜 3.25kHz）と1.50kHz 〜7.00kHz の帯域間に
おいて高いコヒーレンスが得られることが確認でき、時
間領域におけるパワー包絡化信号の出現帯域と一致する
ことから、前述のように仮定した固有振動の持つ相関性
の裏付けができた。
【００２５】
【発明の効果】以上詳しく説明したように、本発明によ
れば、異なる周波数帯域間の相関を調べるようにしたの
で、注目すべき信号の有無の判定を高精度に行うことが
できるという効果がある。
れば、異なる周波数帯域間の相関を調べるようにしたの
で、注目すべき信号の有無の判定を高精度に行うことが
できるという効果がある。
【図１】エンジン異常音の時間波形を示した図である。
【図２】エンジン異常音の２乗信号を示した図である。
【図３】エンジン異常音のスペクトルを示した図であ
る。
る。
【図４】注目する固有振動のスペクトルモデルを示した
図である。
図である。
【図５】その他の固有振動のスペクトルモデルを示した
図である。
図である。
【図６】２帯域間のパワーの相関図である。
【図７】２帯域間のパワー相関図の分布を回帰直線へ射
像した場合の出現頻度を示した図である。
像した場合の出現頻度を示した図である。
【図８】３次元のパワーの相関図である。
【図９】３次元のパワー相関図の分布を回帰直線へ射像
した場合の出現頻度を示した図である。
した場合の出現頻度を示した図である。
【図１０】本発明による故障診断方法を実施する装置を
示したブロック図である。
示したブロック図である。
【図１１】実施例に係る装置による２乗演算、ローパス
フィルタリングによる時間波形と周波数スペクトルの変
化を示した図である。
フィルタリングによる時間波形と周波数スペクトルの変
化を示した図である。
【図１２】基準帯域と各帯域とのコヒーレンスを示した
図である。
図である。
【図１３】故障による異常音を含むエンジン音の基準帯
域とD.C 〜１０kHz とのコヒーレンスの計測結果を示し
た図である。
域とD.C 〜１０kHz とのコヒーレンスの計測結果を示し
た図である。
【図１４】正常なものに対する結果を示した図である。
【図１５】２つの狭周波数帯域（ｆ 1 ，ｆ m ）の波形に
注目して本実施例の動作の流れを説明する図である。
注目して本実施例の動作の流れを説明する図である。
１１〜１ｍ マイクロフォン ２１〜２ｍ バンドパスフィルタ ３１〜３ｍ 乗算器 ４１〜４ｍ ローパスフィルタ ５ 点火信号検出器 ６ ＦＦＴ解析器 ７ パターン判別器
フロントページの続き (72)発明者 金井 浩 宮城県仙台市青葉区中山４−18−１− 301 (72)発明者 中鉢 憲賢 宮城県仙台市青葉区貝ケ森４−３−18 (58)調査した分野(Int.Cl.7，ＤＢ名) G01H 17/00 G01M 15/00 G01M 19/00
Claims (1)
- 【請求項１】 機械系から発生する異常音の波形を、帯
域制限フィルタにより２以上の狭周波数帯域に振り分け
て狭帯域化し、 前記各狭周波数帯域を持つ狭帯域信号に対して２乗波形
を求める２乗演算を行い、前記 各狭周波数帯域の前記２乗波形の包絡化信号をうる
ローパスフィルタリングを行い、前記２以上の狭周波数帯域のうちで基準となる１つの狭
周波数帯域の包絡化信号と、他の狭周波数帯域の包絡化
信号 とのコヒーレンス関数を計算して、前記各狭周波数
帯域間の相関をとったのち、故障原因に対応して、不良の場合には相関をもち、正常
の場合には相関を持たない予め選択された少なくとも１
つの狭 周波数帯域の組合せと照合することにより、前記
機械系の故障を診断することを特徴とする故障診断方
法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP03242701A JP3101017B2 (ja) | 1991-08-28 | 1991-08-28 | 故障診断方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP03242701A JP3101017B2 (ja) | 1991-08-28 | 1991-08-28 | 故障診断方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH0552644A JPH0552644A (ja) | 1993-03-02 |
| JP3101017B2 true JP3101017B2 (ja) | 2000-10-23 |
Family
ID=17092964
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP03242701A Expired - Fee Related JP3101017B2 (ja) | 1991-08-28 | 1991-08-28 | 故障診断方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3101017B2 (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0557904U (ja) * | 1991-12-27 | 1993-07-30 | 太陽誘電株式会社 | 誘電体フィルタ |
| US10475469B2 (en) | 2018-03-20 | 2019-11-12 | Honda Motor Co., Ltd. | Abnormal sound determination apparatus and determination method |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO1994014038A1 (en) * | 1992-12-08 | 1994-06-23 | Skf Condition Monitoring, Inc. | Envelope enhancement system for detecting anomalous vibration measurements |
| JP3340541B2 (ja) * | 1993-12-17 | 2002-11-05 | 株式会社小野測器 | 検査装置 |
| CN114370990A (zh) * | 2022-01-20 | 2022-04-19 | 重庆大学 | 基于双天平同步测力技术的复杂断面三维抖振力识别方法 |
-
1991
- 1991-08-28 JP JP03242701A patent/JP3101017B2/ja not_active Expired - Fee Related
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0557904U (ja) * | 1991-12-27 | 1993-07-30 | 太陽誘電株式会社 | 誘電体フィルタ |
| US10475469B2 (en) | 2018-03-20 | 2019-11-12 | Honda Motor Co., Ltd. | Abnormal sound determination apparatus and determination method |
Also Published As
| Publication number | Publication date |
|---|---|
| JPH0552644A (ja) | 1993-03-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110307994A (zh) | 异声检测装置以及异声检测方法 | |
| US6014447A (en) | Passive vehicle classification using low frequency electro-magnetic emanations | |
| Chung | Rejection of flow noise using a coherence function method | |
| Schiffbänker et al. | Development and application of an evaluation technique to assess the subjective character of engine noise | |
| Wightman | Pitch and stimulus fine structure | |
| Dai | On the relative influence of individual harmonics on pitch judgment | |
| WO1991003981A1 (en) | Lung sound detection system and method | |
| JPH06186136A (ja) | 転がり軸受故障診断装置 | |
| JP3101017B2 (ja) | 故障診断方法 | |
| EP0671610B1 (en) | Apparatus for diagnosing sound source and vibration source | |
| Lee et al. | The application of artificial neural networks to the characterization of interior noise booming in passenger cars | |
| US6324290B1 (en) | Method and apparatus for diagnosing sound source and sound vibration source | |
| JPS61265533A (ja) | 回転体の異常検出装置 | |
| JPH0526722A (ja) | 音源・振動源の寄与診断方法およびその装置 | |
| JP3885297B2 (ja) | 異音判定装置及び異音判定方法 | |
| JP2754760B2 (ja) | 工具損傷検出装置 | |
| Alahmer et al. | Monitoring of a spark ignition engine malfunctions using acoustic signal technique | |
| JPH11142231A (ja) | 騒音分析装置 | |
| CN112461552A (zh) | 电子助力制动系统的检测方法、系统及可读存储介质 | |
| Dedene et al. | Engineering metrics for disturbing sound elements of automotive exhaust noise | |
| Sottek | Modeling engine roughness | |
| JPH06117912A (ja) | 音色評価方法及びその装置 | |
| JPS6126066B2 (ja) | ||
| Fleischer | Calculating psychoacoustic parameters of amplitude modulated narrow noise bands | |
| JPH05333138A (ja) | ソナー信号処理装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080818 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090818 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090818 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100818 Year of fee payment: 10 |
|
| LAPS | Cancellation because of no payment of annual fees |