JP3102998B2 - 自動車用コンポーネントの診断装置 - Google Patents

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】この発明は、変速器やエンジン等
の自動車用コンポーネント（以下、単にコンポーネント
という）から発生する音を検出してコンポーネントの異
常を検出する自動車用コンポーネントの診断装置に関
し、特に異常診断の信頼性を向上させた自動車用コンポ
ーネントの診断装置に関するものである。

【０００２】

【従来の技術】一般に、大量生産される自動車に搭載す
るコンポーネントは、生産段階で不良チェックが行わ
れ、不良品の市場流出を防止する必要がある。なぜな
ら、たとえば部品の加工不良や組立不良等に起因する不
良品のコンポーネントを自動車に搭載して使用すると、
コンポーネントから異常騒音が発生するうえ、コンポー
ネントの故障等を引き起こし、さらに、故障に起因して
重大な事故を招く危険性があるからである。

【０００３】したがって、コンポーネントに不良品が生
じた場合に対処するため、自動車に搭載する前の段階に
おいて、コンポーネントの異常を検出してあらかじめ処
置を施す必要がある。以上のことは、コンポーネント生
産の品質管理上きわめて重要なことである。

【０００４】図２０はたとえば社団法人自動車技術会、
振動騒音部門委員会編集による「くるまの擬音調査報
告、乗用車騒音を主体として、１９９２年３月」（１９
９２年４月１日発行）に記載された従来の自動車用コン
ポーネントの診断装置を示すブロック図である。図にお
いて、１は自動車用のコンポーネントたとえば変速機で
あり、以下の要素２〜６により構成されている。

【０００５】２はたとえば出力軸となる第１の軸、３は
第１の軸２に回転力を伝達するための第２の軸、４は第
１の軸２および第２の軸３とを異なるギヤ比で係合させ
る複数の歯車である。５はたとえば入力軸に対応して設
けられたクラッチであり、入力軸と第２の軸３との係合
を選択的に解除する。６はマニュアル操作により変速機
１の歯車４を選択する変速機構（シフトレバーに相当）
である。

【０００６】７は第１の軸２〜変速機構６からなる変速
機１から発生する音Ｓを検出して検出音Ｓに応じた電気
信号Ｅを出力するマイクロホン、９は電気信号Ｅを増幅
する増幅器、１０は増幅された電気信号Ｅのうちの検出
対象となる所定周波数成分を通過させるフィルタ、１１
はフィルタ１０を介した電気信号Ｅから音圧Ｐを演算す
る音圧演算装置である。

【０００７】１２は音圧演算装置１１により演算された
音圧Ｐをアナログ信号からディジタル信号に変換するＡ
Ｄ変換器、１３はディジタル変換された音圧Ｐに基づい
て変速機１の異常を判定するＣＰＵ（中央演算装置）、
１４は音圧演算装置１１から出力される音圧Ｐに応じて
ＡＤ変換器１２の最適レンジを設定する自動レンジ切り
替え装置、１５はＣＰＵ１３の判定結果を表示またはプ
リントする出力装置である。

【０００８】また、騒音を発生する自動車用コンポーネ
ントとしては、変速機１のみならず、たとえばエンジン
などもあげられる。図２１は一般的な自動車用エンジン
（以下、単にエンジンという）を示す構成図であり、３
１は以下の３２〜３６の要素からなるエンジンである。

【０００９】３２は燃料混合気の燃焼により回転駆動さ
れるクランク軸、３３はクランク軸３２に連結され燃料
混合気の爆発時に圧し下げられるピストン、３４は燃料
混合気の吸気時および燃焼後の排気ガスの排気時に開閉
されるバルブ、３５はクランク軸３２が２回転する間に
１回転するカム、３６はカム軸３５に固定されてバルブ
３４等の駆動タイミングを制御するカムである。図２１
のようなエンジン３１に対しても、図２０内のマイクロ
ホン７〜出力装置１５からなる診断装置が設けられ得
る。

【００１０】次に、コンポーネントとして変速機１の場
合を例にとり、図２０に示した従来の自動車用コンポー
ネントの診断装置の動作について説明する。まず、変速
機１の不良チェック時に際して変速機１を運転すると、
クラッチ５の操作により入力軸と係合された第２の軸３
は、変速機構６で選択された歯車４を介して第１の軸２
に回転力を伝達する。このとき、変速機１から発生する
音Ｓは、マイクロホン７により検出されて電気信号Ｅに
変換され、電気信号Ｅは、増幅器９を介して適当な利得
を得るとともに、フィルタ１０を介して適当な周波数帯
域が抽出された後、音圧演算装置１１に入力される。

【００１１】音圧演算装置１１は電気信号Ｅに基づいて
音圧Ｐの実効値を計算し、ＡＤ変換器１２は、音圧Ｐを
ディジタルデータに変換してＣＰＵ１３に転送する。こ
のとき、自動レンジ切り替え装置１４は、ＡＤ変換器１
２において最適なＡＤ変換を実行するために、レンジを
自動的に切り換える。

【００１２】ＣＰＵ１３は、ＡＤ変換器１２から転送さ
れた音圧Ｐを示すディジタルデータと、ＣＰＵ１３内に
あらかじめ設定された基準実効値（異常判定基準）とを
比較し、音圧Ｐが基準実効値を越えた場合に変速機１に
異常があると判断し、異常判定結果を出力装置１５に出
力する。これにより、観測者は、変速機１の異常を認識
し、変速機１を自動車に搭載する前に異常に対処するこ
とができる。

【００１３】しかしながら、変速機１から発生する音Ｓ
の実効値は、正常状態時と異常状態時との差が微少であ
る。また、変速機１の正常状態時の発生音Ｓの実効値が
異常状態時の実効値を越える場合もあり得る。したがっ
て、図２０の構成では、変速機１の正常状態または異常
状態を正確に区別することは困難である。また、コンポ
ーネントとして、エンジン３１（図２１参照）を対象と
した場合も同様である。

【００１４】

【発明が解決しようとする課題】従来の自動車用コンポ
ーネントの診断装置は以上のように、変速機１から発生
する音Ｓの実効値が一定の警報値（基準実効値）を越え
た場合に限り異常を判定しているので、発生音Ｓの実効
値の正常状態時と異常状態時との差が微少であるうえ、
正常状態時の実効値が異常状態時の実効値を越える場合
もあり得ることから、正確に異常を判定することができ
ないという問題点があった。

【００１５】この発明は上記のような問題点を解消する
ためになされたもので、コンポーネントからの発生音の
正常状態と異常状態とにおける微少な差を判別して、異
常診断の信頼性を向上させた自動車用コンポーネントの
診断装置を得ることを目的とする。

【００１６】

【課題を解決するための手段】この発明の請求項１に係
る自動車用コンポーネントの診断装置は、自動車用コン
ポーネントから発生する音を検出して音に応じた電気信
号を出力するマイクロホンと、電気信号に基づいて自動
車用コンポーネントの異常を検出する異常検出処理装置
とを備え、異常検出処理装置は、電気信号の歪度を演算
する歪度演算手段と、歪度を基準値と比較する比較手段
とを含み、比較手段の比較結果に基づき、歪度が基準値
に対して所定の関係を越えたときに警報を出力するもの
である。

【００１７】また、この発明の請求項２に係る自動車用
コンポーネントの診断装置は、自動車用コンポーネント
から発生する音を検出して音に応じた電気信号を出力す
るマイクロホンと、電気信号に基づいて自動車用コンポ
ーネントの異常を検出する異常検出処理装置とを備え、
異常検出処理装置は、電気信号の尖度を演算する尖度演
算手段と、尖度を基準値と比較する比較手段とを含み、
比較手段の比較結果に基づき、尖度が基準値に対して所
定の関係を越えたときに警報を出力するものである。

【００１８】

【００１９】

【００２０】

【００２１】

【００２２】

【００２３】

【００２４】また、この発明の請求項３に係る自動車用
コンポーネントの診断装置は、自動車用コンポーネント
から発生する音を検出して音に応じた電気信号を出力す
るマイクロホンと、電気信号に基づいて自動車用コンポ
ーネントの異常を検出する異常検出処理装置とを備え、
異常検出処理装置は、電気信号の確率密度分布関数を演
算する確率密度分布関数演算手段と、確率密度分布関数
基準値に対して所定の関係を越えたときに警報を出力す
るものである。

【００２５】また、この発明の請求項４に係る自動車用
コンポーネントの診断装置は、自動車用コンポーネント
から発生する音を検出して音に応じた電気信号を出力す
るマイクロホンと、電気信号に基づいて自動車用コンポ
ーネントの異常を検出する異常検出処理装置とを備え、
異常検出処理装置は、電気信号の確率密度分布関数を演
算する確率密度分布関数演算手段と、確率密度分布関数
とあらかじめ求められた基準データとの偏差を演算する
偏差演算手段と、偏差のカルバック情報量を求めるカル
バック情報量演算手段と、カルバック情報量を基準値と
比較する比較手段とを含み、比較手段の比較結果に基づ
き、カルバック情報量が基準値に対して所定の関係を越
えたときに警報を出力するものである。

【００２６】

【００２７】

【００２８】また、この発明の請求項５に係る自動車用
コンポーネントの診断装置は、自動車用コンポーネント
から発生する音を検出して音に応じた電気信号を出力す
るマイクロホンと、電気信号に基づいて自動車用コンポ
ーネントの異常を検出する異常検出処理装置とを備え、
異常検出処理装置は、電気信号の確率密度分布関数を演
算する確率密度分布関数演算手段と、確率密度分布関数
とあらかじめ求められた基準データとの偏差を演算する
偏差演算手段と、偏差の歪度を求める歪度演算手段と、
歪度を基準値と比較する比較手段とを含み、比較手段の
比較結果に基づき、歪度が基準値に対して所定の関係を
越えたときに警報を出力するものである。

【００２９】また、この発明の請求項６に係る自動車用
コンポーネントの診断装置は、自動車用コンポーネント
から発生する音を検出して音に応じた電気信号を出力す
るマイクロホンと、電気信号に基づいて自動車用コンポ
ーネントの異常を検出する異常検出処理装置とを備え、
異常検出処理装置は、電気信号の確率密度分布関数を演
算する確率密度分布関数演算手段と、確率密度分布関数
とあらかじめ求められた基準データとの偏差を演算する
偏差演算手段と、偏差の尖度を求める尖度演算手段と、
尖度を基準値と比較する比較手段とを含み、比較手段の
比較結果に基づき、尖度が基準値に対して所定の関係を
越えたときに警報を出力するものである。

【００３０】また、この発明の請求項７に係る自動車用
コンポーネントの診断装置は、請求項３から請求項６ま
でのいずれかにおいて、基準データは、自動車用コンポ
ーネントが正常状態のときに得られる電気信号に基づい
て設定されるものである。

【００３１】また、この発明の請求項８に係る自動車用
コンポーネントの診断装置は、請求項１から請求項７ま
でのいずれかにおいて、基準値は、自動車用コンポーネ
ントが正常状態のときに得られる電気信号に基づいて設
定されるものである。

【００３２】また、この発明の請求項９に係る自動車用
コンポーネントの診断装置は、請求項１から請求項８ま
でのいずれかにおいて、自動車用コンポーネントとして
自動車用変速機または自動車エンジンを対象としたもの
である。

【００３３】

【作用】この発明の請求項１においては、マイクロホン
により検出されたコンポーネント発生音の電気信号の歪
度を演算し、歪度が基準値に対して所定の関係を越えた
ときに警報を出力する。これにより、検出音が正常状態
で存在する音のみであれば、歪度が正常値に近くなるた
め、警報が誤出力されることはない。

【００３４】また、この発明の請求項２においては、マ
イクロホンにより検出されたコンポーネント発生音の電
気信号の尖度を演算し、尖度が基準値に対して所定の関
係を越えたときに警報を出力する。これにより、検出音
が正常状態で存在する音のみであれば、尖度が正常時に
近くなるため、警報が誤出力されることはない。

【００３５】

【００３６】

【００３７】

【００３８】

【００３９】

【００４０】

【００４１】また、この発明の請求項３においては、マ
イクロホンにより検出されたコンポーネント発生音の電
気信号の確率密度分布関数を演算するとともに、確率密
度分布関数とあらかじめ求められた基準データとの偏差
のフラクタル次元を演算し、フラクタル次元が基準値に
対して所定の関係を越えたときに警報を出力する。これ
により、検出音が正常状態で存在する音のみであれば、
偏差のフラクタル次元が正常値に近くなり、警報が誤出
力されることはない。

【００４２】また、この発明の請求項４においては、マ
イクロホンにより検出されたコンポーネント発生音の電
気信号の確率密度分布関数を演算するとともに、確率密
度分布関数とあらかじめ求められた基準データとの偏差
のカルバック情報量を演算し、カルバック情報量が基準
値に対して所定の関係を越えたときに警報を出力する。
これにより、検出音が正常状態で存在する音のみであれ
ば、偏差のカルバック情報量が正常値に近くなり、警報
が誤出力されることはない。

【００４３】

【００４４】

【００４５】また、この発明の請求項５においては、マ
イクロホンにより検出されたコンポーネント発生音の電
気信号の確率密度分布関数を演算するとともに、確率密
度分布関数とあらかじめ求められた基準データとの偏差
の歪度を演算し、歪度が基準値に対して所定の関係を越
えたときに警報を出力する。これにより、検出音が正常
状態で存在する音のみであれば、偏差の歪度が正常値に
近くなり、警報が誤出力されることはない。

【００４６】また、この発明の請求項６においては、マ
イクロホンにより検出されたコンポーネント発生音の電
気信号の確率密度分布関数を演算するとともに、確率密
度分布関数とあらかじめ求められた基準データとの偏差
の尖度を演算し、尖度が基準値に対して所定の関係を越
えたときに警報を出力する。これにより、検出音が正常
状態で存在する音のみであれば、偏差の尖度が正常値に
近くなり、警報が誤出力されることはない。

【００４７】また、この発明の請求項７においては、自
動車用コンポーネントが正常なときに得られる発生音の
電気信号に基づいて基準データを設定し、コンポーネン
トの異常判定を確実にする。

【００４８】また、この発明の請求項８においては、自
動車用コンポーネントが正常なときに得られる発生音の
電気信号に基づいて基準値を設定し、コンポーネントの
異常判定を確実にする。

【００４９】また、この発明の請求項９においては、自
動車用コンポーネントとして変速機またはエンジンを対
象とし、変速機またはエンジンの異常判定の信頼性を向
上させる。

【００５０】

【実施例】以下、この発明の実施例１〜実施例１４を図
について説明する。図１はこの発明の実施例１〜実施例
１４を示すブロック図であり、図において、１〜７、
９、１０、１２、ＳおよびＥは前述と同様のものであ
る。以下、前述と同様に、騒音を発生するコンポーネン
トとして、変速機１を対象とした場合を例にとって説明
する。なお、図１はコンポーネント診断装置全体の概略
構成を示しており、請求項１〜請求項９の全てに対応す
る。

【００５１】Ｙｉ（ｉ＝１、２、…、Ｎ）はマイクロホ
ン７で検出された音Ｓの電気信号Ｅの電圧レベルに相当
する時系列的なデータ（以下、列データという）であ
り、増幅器９、フィルタ１０およびＡＤ変換器１２を介
してディジタルデータとなっている。

【００５２】２０は列データＹｉに対して種々の演算処
理を行うＣＰＵで構成された異常検出処理装置であり、
マニュアル操作等に基づく外部指令によって切り替えら
れる二つの動作態様（基準値または基準データの設定モ
ードおよび変速機１の診断モード）を有する。

【００５３】異常検出処理装置２０は、変速機１の診断
時において、検出音Ｓの電気信号Ｅを示す列データＹｉ
を取り込み、列データＹｉの性質を示す指標的なデータ
（後述する）を演算する。また、この診断時データと、
変速機１が正常なときに得られた列データＹｉに基づく
データ（あらかじめ求められた基準値または基準データ
等）とを比較し、この比較結果に基づいて、診断時デー
タが基準値に対して所定の関係を越えたときに変速機１
の異常を判定し、警報Ａを発生するようになっている。

【００５４】実施例１．（請求項１、請求項８および請
求項９に対応） 図２はこの発明の実施例１による異常検出処理装置２０
の構成を示す機能ブロック図であり、２１は列データＹ
ｉから電気信号Ｅの歪度μ３を演算する歪度演算器、２
２は基準値設定モードにおいて歪度演算器２１から出力
される歪度を基準値μ３ｒとして記憶する歪度設定器、
２３は変速機１の診断モードにおいて歪度演算器２１か
ら出力される歪度μ３と歪度設定器２２からの基準値μ
３ｒとを比較する比較器、２４は比較器２３の比較結果
に基づいて警報Ａを発生する警報器である。

【００５５】なお、図２において、破線からなる矢印
は、基準値設定モードにおける各信号の流れを示し、実
線からなる矢印は、コンポーネント診断モードにおける
各信号の流れを示す。このことは、後述する各図面にお
いても同様である。異常検出処理装置２０内の歪度演算
器２１は、以下のように、式（１）から求められる平均
値μ１と式（２）から求められる分散値μ２とを用い
て、式（３）により歪度μ３を演算する。

【００５６】 μ１＝（１／Ｎ）Σ（Ｙｉ） …（１） μ２＝√｛（１／Ｎ）Σ（Ｙｉ−μ１）²｝ …（２） μ３＝（１／Ｎ）・｛１／（μ２）³｝Σ（Ｙｉ−μ１）³ …（３）

【００５７】上記各式（１）〜（３）の総和項（Σ）に
おいて、列データＹｉは、ｉ＝０、１、…、Ｎ−１、に
関して加算される。

【００５８】次に、図１および図２を参照しながら、こ
の発明の実施例１の動作について説明する。まず、ＡＤ
変換器１２は、増幅器９およびフィルタ１０を介して出
力される電気信号Ｅを等時間間隔毎にサンプリングし、
時系列的なＮ個の列データＹｉ（ｉ＝１、２、…、Ｎ）
を出力する。

【００５９】続いて、異常検出処理装置２０内の歪度演
算器２１は、列データＹｉに対して式（１）〜（３）の
演算を行い、電気信号Ｅの歪度μ３を計算する。このと
き、変速機１の正常状態時に（または、正常サンプルと
なる変速機１を用いて）あらかじめ行われる基準値設定
モードにおいては、歪度演算器２１で演算された歪度μ
３は、図２内の破線で示すように、歪度設定器２２に出
力され、歪度設定器２２内に基準値μ３ｒとして格納さ
れる。

【００６０】一方、コンポーネント診断モードにおいて
は、演算器２１で演算された歪度μ３は、図２内の実線
で示すように比較器２３に出力される。これにより、比
較器２３は、診断モード時に歪度演算器２１から出力さ
れる歪度μ３と、設定器２２に格納された基準値μ３ｒ
とを比較し、歪度μ３が基準値μ３ｒに対して所定の関
係（たとえば、基準値μ３ｒの３倍）を越えたとき、異
常を示す比較結果を出力する。この比較結果を受けて、
警報器２４は警報Ａを発生する。

【００６１】なお、コンポーネント診断モードにおける
上記一連の動作は、たとえば一定のサイクルで繰り返さ
れる。このように、正常状態の変速機１からの電気信号
Ｅに基づいて基準値設定モードの動作をあらかじめ実行
し、基準値μ３ｒを格納しておき、その後、コンポーネ
ント診断時に診断モードの動作を実行し、診断対象とな
る各変速機１からの発生音Ｓの性質を示す歪度μ３を逐
次求め、この歪度μ３と正常時の基準値μ３ｒとを比較
する。

【００６２】これにより、診断モードにおける検出音Ｓ
が変速機１の異常を示し、基準値μ３ｒに対する歪度μ
３の違いが大きい（所定の関係を越えた）場合には、警
報器２４は異常を示す警報Ａを確実に発生することがで
きる。一方、診断モードにおける検出音Ｓが変速機１の
正常状態を示すものであれば、歪度μ３は基準値μ３ｒ
（正常時のもの）と同等となり、警報器２４が警報Ａを
発生することはない。

【００６３】上記のような歪度μ３に基づく診断は、た
とえば変速機１のケーシングに可動部が当たっている場
合等のように、列データＹｉの確率密度分布（後述す
る）に対する偏差に異常の特徴が現れる場合に特に有効
である。したがって、式（３）のように、比較的簡単な
処理で診断結果を求めることができる。

【００６４】実施例２．（請求項２、請求項８および請
求項９に対応） なお、上記実施例１では、検出音Ｓの電気信号Ｅに相当
する列データＹｉの性質を示す指標的なデータとして歪
度μ３を用いたが、列データＹｉの尖度を用いてもよ
い。

【００６５】以下、電気信号Ｅの指標的なデータとして
尖度を用いたこの発明の実施例２を図について説明す
る。図３はこの発明の実施例２による異常検出処理装置
２０の構成を示す機能ブロック図であり、２１Ａ〜２４
Ａは前述の歪度演算器２１〜警報器２４にそれぞれ対応
しており、ＹｉおよびＡは前述と同様のものである。

【００６６】２１Ａは列データＹｉから電気信号Ｅの尖
度μ４を演算する尖度演算器、２２Ａは基準値設定モー
ドにおいて尖度演算器２１Ａから出力される尖度μ４を
基準値μ４ｒとして記憶する尖度設定器、２３Ａは尖度
演算器２１Ａから出力される尖度μ４と尖度設定器２２
Ａ内の基準値μ４ｒとを比較する比較器、２４Ａは比較
器２３Ａの比較結果に基づいて警報Ａを発生する警報器
である。

【００６７】この場合、尖度演算器２１Ａは、上述の式
（１）から求められる平均値μ１と式（２）から求めら
れる分散値μ２とを用いて、以下の式（４）により尖度
μ４を演算する。

【００６８】 μ４＝（１／Ｎ）｛１／（μ２）⁴｝Σ｛（Ｙｉ−μ１）⁴｝−３ …（４）

【００６９】上記式（４）の総和項（Σ）において、列
データＹｉは、ｉ＝０、１、…、Ｎ−１、に関して加算
される。次に、図１および図３を参照しながら、この発
明の実施例２の動作について説明する。まず、前述と同
様に、ＡＤ変換器１２は時系列的なＮ個の列データＹｉ
を出力する。

【００７０】続いて、異常検出処理装置２０内の尖度演
算器２１Ａは、列データＹｉに対して上記式（１）およ
び（２）とともに（４）の演算を行い、電気信号Ｅの尖
度μ４を計算する。このとき、基準値設定モードにおい
ては、尖度演算器２１Ａで演算された尖度μ４は、図３
内の破線で示すように、尖度設定器２２Ａに出力され、
尖度設定器２２Ａ内に基準値μ４ｒとして格納される。

【００７１】一方、コンポーネント診断モードにおいて
は、演算器２１Ａで演算された尖度μ４は、図３内の実
線で示すように比較器２３Ａに出力される。これによ
り、比較器２３Ａは、診断モード時に尖度演算器２１Ａ
から出力される尖度μ４と、設定器２２Ａに格納された
基準値μ４ｒとを比較し、尖度μ４が基準値μ４ｒに対
して所定の関係（たとえば、基準値μ４ｒの３倍）を越
えたとき、異常を示す比較結果を出力する。この比較結
果を受けて、警報器２４Ａは警報Ａを発生する。コンポ
ーネント診断モードにおける上記一連の動作は、たとえ
ば一定のサイクルで繰り返される。

【００７２】このように、正常状態の変速機１からの電
気信号Ｅに基づき基準値設定モードの動作をあらかじめ
実行して基準値μ４ｒを格納した後、診断モードの動作
を実行し、変速機１からの発生音Ｓの性質を示す尖度μ
４を逐次求め、この尖度μ４と正常時の基準値μ４ｒと
を比較する。

【００７３】これにより、診断時における検出音Ｓが変
速機１の異常を示し、基準値μ４ｒに対する尖度μ４の
違いが大きい（所定の関係を越えた）場合には、警報器
２４Ａは異常を示す警報Ａを確実に出力することができ
る。一方、診断時における検出音Ｓが変速機１の正常状
態を示すものであれば、尖度は基準値μ４ｒ（正常時の
もの）と同等となり、警報器２４Ａが警報Ａを発生する
ことはない。

【００７４】このような尖度μ４に基づく診断は、たと
えば変速機１内の歯車４のギア欠損やギア偏心等の場合
のように、列データＹｉの確率密度分布（後述する）の
尖りや広がりに異常の特徴が現れる場合に特に有効であ
る。したがって、式（４）のように、比較的簡単な処理
で診断結果を求めることができる。

【００７５】実施例３．なお、 上記実施例２では、検出音Ｓの電気信号Ｅに相当
する列データＹｉの性質を示す指標的なデータとして尖
度μ４を用いたが、列データＹｉを統計処理して得られ
る列データＹｉの確率密度分布関数を用いてもよい。こ
の場合、単に列データＹｉの電圧レベルに基づく歪度μ
３（実施例１）または尖度μ４（実施例２）を用いた場
合よりも、診断結果の信頼性が向上する。

【００７６】以下、電気信号Ｅの指標的なデータとし
て、列データＹｉの確率密度分布関数およびこれをニュ
ーラルネットワークに学習させた値を用いたこの発明の
実施例３を図について説明する。図４はこの発明の実施
例３による異常検出処理装置２０の構成を示す機能ブロ
ック図であり、２３Ｂおよび２４Ｂは前述の比較器２３
Ａおよび警報器２４Ａにそれぞれ対応しており、Ｙｉお
よびＡは前述と同様のものである。

【００７７】２５は列データＹｉから電気信号Ｅの確率
密度分布関数Ｆ１を演算する確率密度分布関数演算器で
ある。２６は確率密度分布関数Ｆ１の形状をニューラル
ネットワークの学習値Ｎ１として演算するニューラルネ
ットワーク演算器であり、ニューラルネットワークによ
る適合度「０〜１」を学習値Ｎ１として出力する。２７
は基準値設定モードにおいてニューラルネットワーク演
算器２６から出力される学習値Ｎ１（０〜１）を基準値
Ｎ１ｒとして格納する基準値設定器である。

【００７８】２３Ｂはニューラルネットワーク演算器２
６から出力される学習値Ｎ１と基準値設定器２２Ａ内の
基準値Ｎ１ｒとを比較する比較器、２４Ｂは比較器２３
Ａの比較結果に基づいて警報Ａを発生する警報器であ
る。

【００７９】確率密度分布関数演算器２５は、各振幅値
の分布（一つの不規則波形の振幅が或る時刻にどのよう
な値で表れるか等を示す確率）を表わす周知の関数を、
確率密度分布関数Ｆ１として演算する。確率密度分布関
数Ｆ１は、たとえば振幅（電圧レベルに相当する）や周
波数のカウント数などの、列データＹｉに関する種々の
時系列的な分布特性に基づいて求められ得る。

【００８０】確率密度分布関数演算器２５は、列データ
Ｙｉをディジタル的に処理しているので、振幅の範囲を
たとえば等間隔に分割し、各分割範囲毎に振幅値が入る
確率を求める。これにより、確率密度分布関数Ｆ１のデ
ータは、振幅範囲の分割数に対応したデータ列となり、
具体的には、たとえば列データＹｉの中に各分割範囲に
属するデータがいくつ存在するかの割合として求められ
る。

【００８１】また、ニューラルネットワーク演算器２６
は、与えられた入力データ、出力データ（教師信号）の
対に関して、シグモイド特性を有するユニットで構成さ
れる多層ネットワークと、誤差逆伝搬学習法と称される
周知の手法とを用いて、学習の誤差評価関数を考え、こ
の誤差評価関数を最小化する結合重みを勾配法で求めた
ものをニューラルネットワークの学習値Ｎ１として演算
する。

【００８２】図５は確率密度分布関数Ｆ１を求めるため
に用いられる基準信号例を示す説明図であり、横軸は時
間ｔ、縦軸は列データＹｉに基づく各時間毎の所定振幅
等のカウント数である。カウント数は、上述したように
種々の要素からなり得る。

【００８３】図６は図５の基準信号に基づいて求められ
る確率密度分布関数Ｆ１を示す説明図であり、横軸はカ
ウント数、縦軸は各カウント数毎の出現個数である。こ
こでは、基準（正常）値Ｎ１ｒに対応する確率密度分布
関数Ｆ１として、カウント数「１００」の個数が「５
０」、カウント数「９０」の個数が「１０」の場合を示
す。

【００８４】次に、図１および図４〜図６を参照しなが
ら、この発明の実施例３の動作について説明する。ま
ず、ＡＤ変換器１２からの時系列的なＮ個の列データＹ
ｉに基づいて、確率密度分布関数演算器２５は、列デー
タＹｉに対する確率密度分布関数Ｆ１を計算する。続い
て、ニューラルネットワーク演算器２６は、確率密度分
布関数Ｆ１の形状を学習してあらかじめ構築されたニュ
ーラルネットワークを用い、ニューラルネットワークに
よる適合度を表わす学習値Ｎ１（０〜１）を演算する。

【００８５】基準値設定モードにおいて、ニューラルネ
ットワーク演算器２６からの学習値Ｎ１は、図４内の破
線で示すように基準値設定器２７に入力され、基準値Ｎ
１ｒとして格納される。一方、コンポーネント診断モー
ドにおいては、学習値Ｎ１は図４内の実線で示すように
比較器２３Ｂに出力される。

【００８６】比較器２３Ｂは、診断モード時に演算され
た学習値Ｎ１と正常時に演算された基準値Ｎ１ｒとを比
較し、診断時の学習値Ｎ１が基準値Ｎ１ｒのたとえば１
／２倍を下回った（適合度が１／２以下）とき、警報器
２４Ｂに異常を示す比較結果を出力し、この比較結果を
受けて警報器２４Ｂは警報Ａを発生する。前述と同様
に、コンポーネント診断モードにおける上記一連の動作
は、たとえば一定のサイクルで繰り返される。

【００８７】このように、正常時の変速機１からの発生
音Ｓ（電気信号Ｅ）に基づいて基準値Ｎ１ｒをあらかじ
め格納しておき、その後、診断時の変速機１からの電気
信号Ｅの適合度を示す学習値Ｎ１を逐次求め、学習値Ｎ
１と基準値Ｎ１ｒとを比較することにより、学習値Ｎ１
が変速機１の異常を示す（学習値Ｎ１の基準値Ｎ１ｒに
対する違いが所定の関係を越える）場合に警報Ａを確実
に出力することができる。

【００８８】一方、診断時における検出音Ｓが変速機１
の正常状態を示すものであれば、学習値Ｎ１は基準値Ｎ
１ｒと同等となり、警報器２４Ｂが警報Ａを発生するこ
とはない。また、このようなニューラルネットワークに
よる学習値Ｎ１に基づく診断は、確率密度分布関数Ｆ１
からニューラルネットワークを学習するのみで信号処理
を行うことができるため、信号処理や算出方法を事前に
決定する必要がなく、演算を簡略化することができる。

【００８９】実施例４．なお、 上記実施例３では、検出音Ｓの電気信号Ｅに相当
する列データＹｉの性質を示す指標的なデータとして、
列データＹｉの確率密度分布関数Ｆ１に基づくニューラ
ルネットワークによる学習値Ｎ１を用いたが、確率密度
分布関数Ｆ１に基づくファジールールによる特徴（メン
バーシップ関数内の基準値）を用いてもよい。

【００９０】以下、電気信号Ｅの指標的なデータとして
確率密度分布関数Ｆ１に基づくファジールールの特徴を
用いたこの発明の実施例４を図について説明する。図７
はこの発明の実施例４による異常検出処理装置２０の構
成を示す機能ブロック図であり、２３Ｃ、２４Ｃ、２６
Ｃおよび２７Ｃは、前述の比較器２３Ｂ、警報器２４
Ｂ、ニューラルネットワーク演算器２６および基準値設
定器２７にそれぞれ対応しており、２５、ＹｉおよびＡ
は前述と同様のものである。

【００９１】図７において、２６Ｃは確率密度分布関数
Ｆ１のファジールールによる特徴Ｆ２を数値化して出力
する特徴抽出器、Ｆ２ａは基準値設定モードにおいて外
部から与えられるメンバーシップ基準関数、２７Ｃは基
準値設定モードでの特徴（数値）Ｆ２とメンバーシップ
基準関数Ｆ２ａとに基づくメンバーシップ関数Ｆ２ｒを
ファジールールの基準値として格納するメンバーシップ
関数設定器である。

【００９２】この場合、比較器２３Ｃは、特徴抽出器２
６Ｃからファジールールにより記号化されて出力される
特徴Ｆ２と、ファジールールを実行するためのメンバー
シップ関数Ｆ２ｒと比較する。また、警報器２４Ｃは、
比較器２３Ｃからの比較結果に基づいて警報Ａを発生す
る。

【００９３】図８および図９は確率密度分布関数Ｆ１
（図６参照）に基づいて得られるファジールールのメン
バーシップ関数の一例を示す説明図であり、それぞれ、
横軸はカウント数（９０および１００）に対する個数、
縦軸は正常または異常を判定するためのメンバーシップ
関数値（０〜１）である。ここでは、メンバーシップ関
数値が０〜０．５のときに異常と判定され、０．５〜１
のときに正常と判定される。

【００９４】図８はカウント数が「９０」の場合のメン
バーシップ関数Ｆ２ｒ（９０）を示し、図６から明らか
なように、個数が「１０」のときにメンバーシップ関数
値は最大値「１」となる。また、図９はカウント数が
「１００」の場合のメンバーシップ関数Ｆ２ｒ（１０
０）を示し、個数が「５０」のときにメンバーシップ関
数値は最大値「１」となる。

【００９５】各メンバーシップ関数Ｆ２ｒは、たとえば
メンバーシップ基準関数Ｆ２ａに対してファジールール
による特徴Ｆ２を付加することによって得られる。な
お、個数からなる特徴Ｆ２は、たとえば適当な振幅エネ
ルギ領域の確率密度の数値として表わされるが、必要に
応じて任意の数値が選択され得る。また、メンバーシッ
プ基準関数Ｆ２ａも、図８および図９の形状に限らず任
意に選択され得る。

【００９６】次に、図１および図７〜図９を参照しなが
ら、この発明の実施例４の動作について説明する。ま
ず、ＡＤ変換器１２からの時系列的なＮ個の列データＹ
ｉに基づいて、確率密度分布関数演算器２５は、列デー
タＹｉに対する確率密度分布関数Ｆ１を計算する。続い
て、特徴抽出器２６Ｃは、確率密度分布関数Ｆ１の特徴
Ｆ２を抽出する。

【００９７】特徴Ｆ２は、基準値設定モードにおいて
は、図７内の破線で示すように、メンバーシップ関数設
定器２７Ｃに入力され、メンバーシップ基準関数Ｆ２ａ
とともに基準値Ｆ２ｒとして格納される。一方、コンポ
ーネント診断モードにおいては、特徴Ｆ２は、実線で示
すように比較器２３Ｃに出力される。

【００９８】すなわち、コンポーネント診断モードにお
いて、確率密度分布関数演算器２５により演算される確
率密度分布関数Ｆ１は、特徴抽出器２６Ｃに出力され、
たとえば、カウント数「１００」および「９０」に対す
る個数データ（図６参照）が特徴Ｆ２として抽出され
る。

【００９９】こうして抽出された特徴Ｆ２は、比較器２
３Ｃにおいて、メンバーシップ関数設定器２７Ｃ内に格
納されたメンバーシップ関数Ｆ２ｒ（９０）（図８参
照）およびＦ２ｒ（１００）（図９参照）に対する適合
度を比較する。このとき、図８および図９のように、正
常な基準信号（図５参照）の確率密度分布関数Ｆ１から
得られたメンバーシップ関数Ｆ２ｒ（９０）およびＦ２
ｒ（１００）の個数（横軸）の中心（正常時の特徴Ｆ
２）は、それぞれ、「１０」および「５０」である。

【０１００】いま、診断対象となる変速機１の発生音Ｓ
の確率密度分布関数Ｆ１から抽出された特徴Ｆ２が、カ
ウント数「９０」に対する個数「８」、カウント「１０
０」に対する個数「４９」、を示したとする。これらの
個数「８」および「４９」を図８および図９の各メンバ
ーシップ関数Ｆ２ｒ（９０）およびＦ２ｒ（１００）上
で比較すると、関数値は、それぞれ、「０．８」および
「０．９５」となる。

【０１０１】したがって、０．５＜メンバーシップ関数
Ｆ２ｒ（９０）の値≦１．０、および、０．５＜メンバ
ーシップ関数Ｆ２ｒ（１００）の値≦１．０、を同時に
満たすため、診断対象となる変速機１は正常と判定され
る。これに反して、少なくとも一方のメンバーシップ関
数値が０．５以下となった場合には、診断対象となる変
速機１は異常と判定され、比較器２３Ｃからの異常判定
結果に応答して、警報器２４Ｃから警報Ａが発生され
る。

【０１０２】なお、コンポーネント診断モードにおける
一連の動作は、たとえば一定のサイクルで繰り返され
る。このため、正常な状態の変速機１を用いて基準設定
モードの動作をあらかじめ実行しておき、その後の判定
時においてコンポーネント診断モードの動作を実行すれ
ば、各変速機１の発生音Ｓの性質を示す適合度が逐次求
められて正常時と比較され、正常時との違いが大きい場
合には警報Ａが出力されることになる。

【０１０３】したがって、判定時における発生音Ｓが変
速機１の異常を示すものであれば、警報Ａが出力される
が、正常な状態を示す発生音であれば適合度は正常時の
ものと同等となり、警報Ａは出力されない。

【０１０４】また、ファジールールにあてはめたメンバ
ーシップ関数Ｆ２ｒにより論理的な信号処理や判定が行
われるため、さらに信頼性を向上させることができる。
また、特徴Ｆ２として、カウント数「９０」および「１
００」に対する個数を抽出したが、任意の特徴を抽出す
ることができ、抽出数も任意に選択可能であることは言
うまでもない。

【０１０５】実施例５．なお、 上記実施例４では、検出音Ｓの電気信号Ｅに相当
する列データＹｉの性質を示す指標的なデータとして、
列データＹｉの確率密度分布関数Ｆ１に基づくメンバー
シップ関数Ｆ２ｒを用いたが、確率密度分布関数Ｆ１の
波形特徴（たとえば、電圧レベル、ピーク値、周波数、
うねり、またはピッチ等の複数の項目からなる）をパタ
ーンの基準値として用いてもよい。

【０１０６】以下、電気信号Ｅの指標的なデータとして
確率密度分布関数Ｆ１の波形特徴（パターンの基準値）
を用いたこの発明の実施例５を図について説明する。図
１０はこの発明の実施例５による異常検出処理装置２０
の構成を示す機能ブロック図であり、２３Ｄ、２４Ｄ、
２６Ｄおよび２７Ｄは、図７内の比較器２３Ｃ、警報器
２４Ｃ、特徴抽出器２６Ｃおよびメンバーシップ関数設
定器２７Ｃにそれぞれ対応しており、２５、Ｙｉおよび
Ａは前述と同様のものである。

【０１０７】図１０において、２６Ｄは確率密度分布関
数Ｆ１の波形特徴Ｆ３を抽出する波形特徴抽出器、２７
Ｄは基準設定モードにおいて正常な変速機１から得られ
る波形特徴Ｆ３を基準値Ｆ３ｒとして格納しておく基準
値設定器、２３Ｄは診断モードにおいて得られる波形特
徴Ｆ３を基準値Ｆ３ｒと比較する比較器、２４Ｄは比較
器２３Ｄの比較結果に基づいて警報Ａを発生する警報器
である。

【０１０８】なお、波形特徴Ｆ３は、振幅、カウント数
および周波数等の種々の項目を含み得るが、たとえば、
確率密度分布関数Ｆ１の波形を平滑化した波形として表
わすこともできる。また、基準値Ｆ３ｒは、前述のメン
バーシップ基準関数Ｆ２ｒのように、基準設定モードに
おいて外部から与えられてもよい。

【０１０９】次に、図１および図１０を参照しながら、
この発明の実施例５の動作について説明する。まず、基
準設定モードにおいては、正常な変速機１から得られた
列データＹｉに基づいて、確率密度分布関数演算器２５
は確率密度分布関数Ｆ１を演算し、波形特徴抽出器２６
Ｄは波形特徴Ｆ３を抽出する。抽出された波形特徴Ｆ３
は、破線のように、基準値設定器２７Ｄに基準値Ｆ３ｒ
として格納される。

【０１１０】一方、コンポーネント診断モードにおいて
は、確率密度分布関数Ｆ１から抽出された波形特徴Ｆ３
は、比較器２３Ｄにおいて基準値Ｆ３ｒと適合度が比較
される。診断対象となる変速機１は、基準値Ｆ３ｒに対
する波形特徴Ｆ３の適合度が高ければ正常と判定され、
適合度が低ければ異常と判定されて警報器２４Ｄから警
報Ａが発生される。この診断方法は、確率密度分布関数
Ｆ１の波形特徴に特定のパターンとして異常の特徴が現
れる場合に有効である。

【０１１１】実施例６．なお、 上記実施例５では、検出音Ｓの電気信号Ｅに相当
する列データＹｉの性質を示す指標的なデータとして、
列データＹｉの確率密度分布関数Ｆ１の波形特徴Ｆ３を
基準値Ｆ３ｒとして用いたが、診断の信頼性をさらに向
上させるために、確率密度分布関数Ｆ１の基準データに
対する偏差を用いて正規化してもよい。この場合、演算
された偏差は、ニューラルネットワークに学習された基
準値と比較されることになる。

【０１１２】以下、電気信号Ｅの指標的なデータとして
確率密度分布関数Ｆ１の基準データに対する偏差を用い
たこの発明の実施例６を図について説明する。図１１は
この発明の実施例６による異常検出処理装置２０の構成
を示す機能ブロック図であり、２３Ｅ、２４Ｅ、２６Ｅ
および２７Ｅは、図４内の比較器２３Ｂ、警報器２４
Ｂ、ニューラルネットワーク演算器２６および基準値設
定器２７にそれぞれ対応しており、２５、ＹｉおよびＡ
は前述と同様のものである。

【０１１３】図１１において、２８は基準設定モードに
おいて確率密度分布関数演算器２５から出力される確率
密度分布関数Ｆ１を基準データＦ１ｒとして格納する基
準データ設定器、２９は確率密度分布関数Ｆ１を表わす
列データと基準データＦ１ｒとの偏差ΔＦを計算する減
算器からなる偏差演算器である。

【０１１４】２６Ｅは偏差演算器２９の計算結果（列デ
ータ）の形状を学習するニューラルネットワーク演算
器、２７Ｅは基準設定モードにおいてニューラルネット
ワーク演算器２６Ｅから出力される０〜１の学習値Ｎ２
を基準値Ｎ２ｒとして格納する基準値設定器、２３Ｅは
ニューラルネットワーク演算器２６Ｅから出力される学
習値Ｎ２（０〜１）を基準値設定器２７Ｅ内の基準値Ｎ
２ｒと比較する比較器、２４Ｅは比較器２３Ｅの比較結
果に基づいて警報Ａを発生する警報器である。

【０１１５】次に、図１および図１１を参照しながら、
この発明の実施例６の動作について説明する。まず、確
率密度分布関数演算器２５は、列データＹｉに基づく信
号の確率密度分布関数Ｆ１を演算し、確率密度分布関数
Ｆ１を表わす列データとして出力する。

【０１１６】基準設定モードにおいて、列データで表わ
された確率密度分布関数Ｆ１は、図１１内の破線で示す
ように基準データ設定器２８に入力され、基準データＦ
１ｒとして格納される。続いて、列データＹｉのサンプ
リングが再度実行され、確率密度分布関数演算器２５か
ら出力される確率密度分布関数Ｆ１の列データは、偏差
演算器２９に入力され、基準データ設定器２８内の基準
データＦ１ｒとの偏差（列データのうちの対応する個々
のデータ毎の偏差）ΔＦが演算される。

【０１１７】演算された確率密度分布関数Ｆ１の偏差Δ
Ｆは、ニューラルネットワーク演算器２６Ｅに入力さ
れ、偏差ΔＦの形状が学習される。基準設定モードにお
いて、ニューラルネットワーク演算器２６Ｅで演算され
た学習値Ｎ２（０〜１）は、図１１内の破線示すように
基準値設定器２７Ｅに入力され、基準値Ｎ２ｒとして格
納される。

【０１１８】一方、診断モードにおいては、確率密度分
布関数Ｆ１の列データは、常に偏差演算器２９に入力さ
れ、基準データ設定器２８内の基準データとの偏差ΔＦ
が演算される。続いて、偏差演算器２９から出力される
確率密度分布関数Ｆ１の偏差ΔＦは、ニューラルネット
ワーク演算器２６Ｅに入力され、ニューラルネットワー
クにより、適合度０〜１を表わす学習値Ｎ２が演算され
る。

【０１１９】ニューラルネットワーク演算器Ｎ２で演算
された学習値Ｎ２は、比較器２３Ｅにおいて、基準値設
定器２７Ｅ内の基準値Ｎ２ｒと比較される。比較器２３
Ｅは、たとえばニューラルネットワーク演算器２６Ｅか
ら出力される学習値Ｎ２が、基準値設定器２７Ｅに格納
された基準値Ｎ２ｒ（適合度）のたとえば１／２倍を下
回ったとき、警報器２４Ｅに異常を示す比較結果を出力
し、この比較結果に応答して、警報器２４Ｅは警報を発
生する。

【０１２０】なお、コンポーネント診断モードにおける
一連の動作は、たとえば一定のサイクルで繰り返される
ので、基準設定モードにおいて、正常な変速機１を用い
た基準データＦ１ｒおよび基準値Ｎ２ｒを設定してお
き、その後の判定モードにおいて、変速機１の診断を実
行することができる。

【０１２１】これにより、各変速機１の発生音Ｓの性質
を示す確立密度分布関数Ｆ１と、確率密度分布関数Ｆ１
の正常時の基準データＦ１ｒとの偏差ΔＦを用いて、ニ
ューラルネットワークの学習値Ｎ２（適合度）が逐次求
められる。そして、比較器２３Ｅにおいて、学習値Ｎ２
と正常時の基準値Ｎ２ｒとが比較され、正常時の基準値
Ｎ２ｒとの違いが大きい場合には警報Ａが発生される。

【０１２２】したがって、前述と同様に、判定時におけ
る発生音Ｓが変速機１の異常を示すものであれば警報Ａ
が発生されるが、正常な状態を示す発生音Ｓであれば、
適合度を表わす学習値Ｎ２は正常時の基準値Ｎ２ｒと同
等の値となり、警報Ａは発生されない。

【０１２３】この発明の実施例６のコンポーネント診断
方法によれば、ニューラルネットワーク演算器２６Ｅに
おいて、確率密度分布関数Ｆ１と基準データＦ１ｒとの
偏差ΔＦをニューラルネットワークに学習するだけで信
号処理を行うことができ、したがって、信号の処理や算
出方法等を事前に決定する必要がない。

【０１２４】実施例７．なお、 上記実施例６では、確率密度分布関数Ｆ１と基準
データＦ１ｒとの偏差ΔＦをニューラルネットワークに
より学習演算し、学習値Ｎ２を基準値Ｎ２ｒと比較した
が、偏差ΔＦの特徴を抽出してファジールールの基準値
（メンバーシップ関数）と比較してもよい。

【０１２５】以下、電気信号Ｅの指標的なデータとして
確率密度分布関数Ｆ１の基準データＦ１ｒに対する偏差
ΔＦを用い、偏差ΔＦの特徴をファジールールの基準値
と比較するようにしたこの発明の実施例７を図について
説明する。

【０１２６】図１２はこの発明の実施例７による異常検
出処理装置２０の構成を示す機能ブロック図であり、２
３Ｆ、２４Ｆ、２６Ｆ、２７ＦおよびＦ４ａは、図７内
の比較器２３Ｃ、警報器２４Ｃ、特徴抽出器２６Ｃ、メ
ンバーシップ関数設定器２７Ｃおよびメンバーシップ基
準関数Ｆ２ａにそれぞれ対応しており、２５、２８、２
９、ＹｉおよびＡは前述と同様のものである。

【０１２７】図１２において、２６Ｆは偏差演算器２９
で演算された偏差ΔＦから特徴Ｆ４を数値化または記号
化して抽出する特徴抽出器、２７Ｆは基準設定モードに
おいて得られるファジールールのメンバーシップ関数Ｆ
４ｒを格納しておくメンバーシップ関数設定器である。

【０１２８】２３Ｆは診断対象となる変速機１の正否を
判定する比較器であり、特徴抽出器２６Ｆで抽出された
特徴Ｆ４に対し、メンバーシップ関数設定器２７Ｆ内の
メンバーシップ関数Ｆ４ｒと比較することによりファジ
ールールを実行する。２４Ｆは比較器５２の比較結果に
基づいて警報Ａを発生する警報器である。

【０１２９】次に、図１および図１２を参照しながら、
この発明の実施例７の動作について説明する。まず、前
述と同様に、偏差演算器２９により、列データＹｉに基
づく確率密度分布関数Ｆ１と、基準データ設定器２８内
の基準データＦ１ｒとの偏差ΔＦが演算される。

【０１３０】確率密度分布関数Ｆ１の偏差ΔＦは、特徴
抽出器２６Ｆに入力され、数値で表わされる特徴Ｆ４が
抽出される。基準設定モードにおいて、特徴抽出器２６
Ｆで抽出された特徴Ｆ４は、破線のようにメンバーシッ
プ関数設定器２７Ｆに入力され、外部から与えられるメ
ンバーシップ基準関数Ｆ４ａとともにメンバーシップ関
数Ｆ４ｒとなり、ファジールールを実行するための基準
値としてメンバーシップ関数設定器２７Ｆ内に格納され
る。

【０１３１】一方、コンポーネント診断モードにおいて
は、確率密度分布関数演算器２５により演算された確率
密度分布関数Ｆ１の列データは、常に偏差演算器２９に
入力され、基準データＦ１ｒとの偏差ΔＦが演算され
る。続いて、確率密度分布関数Ｆ１の偏差ΔＦは、特徴
抽出器２６Ｆに入力され、たとえば、適当な振幅エネル
ギ領域の確率密度の数値として表わされた特徴Ｆ４が抽
出される。

【０１３２】抽出された特徴Ｆ４は、比較器２３Ｆにお
いてメンバーシップ関数Ｆ４ｒと比較され、たとえば、
メンバーシップ関数値が０．５以下であって適合度が低
ければ、診断対象となる変速機１は異常と判定される。
このとき、比較器２３Ｆは、異常を示す比較結果を出力
し、この比較結果に応答して警報器２４Ｆは、警報Ａを
発生する。

【０１３３】なお、前述と同様に、診断モードにおける
一連の動作は、たとえば一定のサイクルで繰り返されて
おり、適合度が逐次求められ、正常時との違いが大きい
場合のみに警報Ａが発生する。また、ファジールールに
より論理的な信号処理や判定を行うとともに、確率密度
分布関数Ｆ１の偏差ΔＦを用いることにより、診断の信
頼性を向上させることができる。

【０１３４】実施例８．なお、 上記実施例７では、確率密度分布関数Ｆ１の偏差
ΔＦの特徴Ｆ４を抽出してファジールールのメンバーシ
ップ関数Ｆ４ｒと比較したが、偏差ΔＦの波形特徴をパ
ターンとして抽出し、パターンの基準値と比較してもよ
い。

【０１３５】以下、電気信号Ｅの指標的なデータとして
確率密度分布関数Ｆ１の偏差ΔＦを用い、偏差ΔＦの波
形特徴を基準値と比較するようにしたこの発明の実施例
８を図について説明する。

【０１３６】図１３はこの発明の実施例８による異常検
出処理装置２０の構成を示す機能ブロック図であり、２
３Ｇ、２４Ｇ、２６Ｇおよび２７Ｇは、図１０内の比較
器２３Ｄ、警報器２４Ｄ、波形特徴抽出器２６Ｄおよび
基準値設定器２７Ｄにそれぞれ対応しており、２５、２
８、２９、ＹｉおよびＡは前述と同様のものである。

【０１３７】図１３において、２６Ｇは偏差演算器２９
で演算された偏差ΔＦから波形特徴Ｆ５（たとえば、複
数の項目からなる）を数値化されたパターンとして抽出
する波形特徴抽出器、２７Ｇは基準設定モードにおいて
得られる波形特徴Ｆ５を基準値Ｆ５ｒとして格納してお
く基準値設定器、２３Ｇは波形特徴抽出器２６Ｇから出
力される波形特徴Ｆ５を基準値設定器２７Ｇ内の基準値
Ｆ５ｒと比較する比較器、２４Ｇは比較器２４Ｇの比較
結果に応答して警報Ａを発生する警報器である。

【０１３８】次に、図１および図１３を参照しながら、
この発明の実施例８の動作について説明する。この場
合、偏差演算器２９で演算された確率密度分布関数Ｆ１
の偏差ΔＦは、波形特徴抽出器２６Ｇに入力され、波形
特徴Ｆ５が抽出される。基準設定モードにおいて、波形
特徴Ｆ５は、破線のように基準値設定器２７Ｇ内に基準
値Ｆ５ｒとして格納される。

【０１３９】一方、コンポーネント診断モードにおいて
は、波形特徴抽出器２６Ｇで抽出された偏差ΔＦの波形
特徴Ｆ５は、常に比較器２３Ｇに入力され、基準値Ｆ５
ｒと比較される。なお、波形特徴Ｆ５は、たとえば、確
率密度分布関数Ｆ１の波形を平滑化した波形として表わ
すこともできる。

【０１４０】比較器２３Ｇは、波形特徴Ｆ５と基準値Ｆ
５ｒとの適合度が高い場合には診断対象となる変速機１
が正常と判定し、逆に、波形特徴Ｆ５と基準値Ｆ５ｒと
の適合度が低い場合には診断対象となる変速機１が異常
と判定する。そして、比較器２３Ｇからの異常を示す比
較結果に応答して、警報器２４Ｇは警報Ａを発生する。

【０１４１】なお、前述と同様に、コンポーネント診断
モードにおける一連の動作は、たとえば一定のサイクル
で繰り返されており、適合度が逐次求められ、正常時と
の違いが大きい場合のみに警報Ａが発生する。この場
合、波形特徴Ｆ５と基準値Ｆ５ｒとの差により、平面空
間に占める波形振幅の複雑さ（高周波を含むノイズ波形
等）の度合いを求めることができる。

【０１４２】実施例９．（請求項３および請求項７〜請
求項９に対応） なお、上記実施例８では、確率密度分布関数Ｆ１の偏差
ΔＦの波形特徴Ｆ５をパターンとして抽出し、パターン
の基準値Ｆ５ｒと比較したが、偏差ΔＦのフラクタル次
元を演算して基準値と比較してもよい。

【０１４３】以下、電気信号Ｅの指標的なデータとして
確率密度分布関数Ｆ１の偏差ΔＦを用い、偏差ΔＦのフ
ラクタル次元を基準値と比較するようにしたこの発明の
実施例９を図について説明する。

【０１４４】図１４はこの発明の実施例９による異常検
出処理装置２０の構成を示す機能ブロック図であり、２
３Ｈ、２４Ｈ、２６Ｈおよび２７Ｈは、図１３内の比較
器２３Ｇ、警報器２４Ｇ、波形特徴抽出器２６Ｇおよび
基準値設定器２７Ｇにそれぞれ対応しており、２５、２
８、２９、ＹｉおよびＡは前述と同様のものである。

【０１４５】図１４において、２６Ｈは偏差演算器２９
で演算された偏差ΔＦのフラクタル次元Ｆ６を演算する
フラクタル次元演算器、２７Ｈは基準設定モードにおい
て得られるフラクタル次元Ｆ６を基準値Ｆ６ｒとして記
憶するフラクタル次元設定器、２３Ｈはフラクタル次元
演算器２６Ｈから出力されるフラクタル次元Ｆ６をフラ
クタル次元設定器２７Ｈ内の基準値Ｆ６ｒと比較する比
較器、２４Ｈは比較器２４Ｈの比較結果に応答して警報
Ａを発生する警報器である。

【０１４６】次に、図１および図１４を参照しながら、
この発明の実施例９の動作について説明する。この場
合、偏差演算器２９で演算された偏差ΔＦ（Ｎ個の列デ
ータ）は、フラクタル次元演算器２６Ｈに入力されてフ
ラクタル次元Ｆ６が演算される。フラクタル次元Ｆ６
は、基準設定モードにおいては、破線のようにフラクタ
ル次元設定器２７Ｈに入力され、基準値Ｆ６ｒとして格
納される。

【０１４７】ここで、フラクタル次元Ｆ６とは、たとえ
ば二次元空間上にある点列の性質を表わす周知の関数で
あり、点列を構成する各点のうちのいずれか一つを中心
とする半径ｒの円内に入っている点の数をＮ（ｒ）とし
た場合に、点の数Ｎ（ｒ）に対して以下の式（５）を満
足する指数νで表わされる。したがって、時系列のデー
タ部があれば、これを二次元空間上の点と考えて、フラ
クタル次元Ｆ６を求めることができる。

【０１４８】Ｎ（ｒ）≒ｒν …（５）

【０１４９】ただし、式（５）において、便宜的に半径
ｒに対する乗算形式（ｒν）で表わされているが、フラ
クタル次元Ｆ６に相当する変数νは指数である。

【０１５０】一方、コンポーネント診断モードにおいて
は、フラクタル次元演算器２６Ｈで演算されたフラクタ
ル次元Ｆ６は、実線のように常に比較器２３Ｈに入力さ
れ、比較器２３Ｈによりフラクタル次元の基準値Ｆ６ｒ
と比較される。比較器２３Ｈは、たとえば、フラクタル
次元演算器２６Ｈで演算されたフラクタル次元Ｆ６が、
フラクタル次元設定器２７Ｈ内のフラクタル次元Ｆ６ｒ
（基準値）の３倍を越えた場合に、異常を示す比較結果
を警報器２４Ｈに出力する。これに応答して、警報器２
４Ｈは警報Ａを発生する。

【０１５１】なお、コンポーネント診断モードにおける
一連の動作は、たとえば一定のサイクルで繰り返されて
おり、確率密度分布関数Ｆ１の偏差ΔＦのフラクタル次
元Ｆ６が逐次求められている。そして、このフラクタル
次元Ｆ６は、正常時におけるフラクタル次元（基準値Ｆ
６ｒ）と比較され、フラクタル次元Ｆ６と基準値Ｆ６ｒ
との違いが大きい場合のみに警報Ａが発生する。この場
合も、フラクタル次元Ｆ６と基準値Ｆ６ｒとの差によ
り、波形振幅等の複雑さの度合いを求めることができ
る。

【０１５２】実施例１０．（請求項４および請求項７〜
請求項９に対応） なお、上記実施例９では、確率密度分布関数Ｆ１の偏差
ΔＦのフラクタル次元Ｆ６を演算して基準値Ｆ６ｒと比
較したが、偏差ΔＦのカルバック情報量を演算して基準
値と比較してもよい。

【０１５３】以下、電気信号Ｅの指標的なデータとして
確率密度分布関数Ｆ１の偏差ΔＦを用い、偏差ΔＦのカ
ルバック情報量を基準値と比較するようにしたこの発明
の実施例１０を図について説明する。

【０１５４】図１５はこの発明の実施例１０による異常
検出処理装置２０の構成を示す機能ブロック図であり、
２３Ｉ、２４Ｉ、２６Ｉおよび２７Ｉは、図１４内の比
較器２３Ｈ、警報器２４Ｈ、フラクタル次元演算器２６
Ｈおよびフラクタル次元設定器２７Ｈにそれぞれ対応し
ており、２５、２８、２９、ＹｉおよびＡは前述と同様
のものである。

【０１５５】図１５において、２６Ｉは偏差演算器２９
で演算された偏差ΔＦのカルバック情報量Ｆ７を演算す
るカルバック情報量演算器、２７Ｉは基準設定モードに
おいて得られるカルバック情報量Ｆ７を基準値Ｆ７ｒと
して記憶するカルバック情報量設定器、２３Ｉはカルバ
ック情報量演算器２６Ｉから出力されるカルバック情報
量Ｆ７をカルバック情報量設定器２７Ｉ内の基準値Ｆ７
ｒと比較する比較器、２４Ｉは比較器２４Ｉの比較結果
に応答して警報Ａを発生する警報器である。

【０１５６】次に、図１および図１５を参照しながら、
この発明の実施例１０の動作について説明する。この場
合、偏差演算器２９で演算された偏差ΔＦ（Ｎ個の列デ
ータ）は、カルバック情報量演算器２６Ｉに入力されて
カルバック情報量Ｆ７が演算される。カルバック情報量
Ｆ７は、基準設定モードにおいては、破線のようにカル
バック情報量設定器２７Ｉに入力され、基準値Ｆ７ｒと
して格納される。

【０１５７】ここで、カルバック情報量Ｆ７とは、２つ
の確率密度分布ｐ（ｘ），ｑ（ｘ）を比較するためのメ
ジャーの１つであり、正常時の不規則信号の確率密度分
布の分布状況をモデル化することにより、統計的仮説検
定法を用いて計測信号の正常または異常を判定可能にす
るものである。したがって、一定の優位水準での異常検
知が可能になる。また、異常時の信号特性を事前に知る
必要がなく、正常時の信号を複数計測するのみでよいの
で、対象プラントに依存せずに適用することができる。

【０１５８】ここで、カルバック情報量Ｆ７をＩ［ｐ
（ｘ），ｑ（ｘ）］とすれば、２つの確率密度分布の列
データｐ（ｘ）およびｑ（ｘ）が与えられた場合、変数
ｘに関して−∞〜∞の範囲で総和演算することにより、
以下の式（６）で表わすことができる。

【０１５９】 Ｉ［ｐ（ｘ），ｑ（ｘ）］＝Σ［ｐ（ｘ）・ｌｏｇ｛ｑ（ｘ）／ｐ（ｘ］｝ …（６）

【０１６０】一方、コンポーネント診断モードにおいて
は、カルバック情報量演算器２６Ｉで演算されたカルバ
ック情報量Ｆ７は、実線のように常に比較器２３Ｉに入
力され、比較器２３Ｉによりカルバック情報量の基準値
Ｆ７ｒと比較される。比較器２３Ｉは、たとえば、カル
バック情報量演算器２６Ｉで演算されたカルバック情報
量Ｆ７が、カルバック情報量設定器２７Ｉ内のカルバッ
ク情報量Ｆ７ｒ（基準値）の３倍を越えた場合に、異常
を示す比較結果を警報器２４Ｉに出力する。これに応答
して、警報器２４Ｉは警報Ａを発生する。

【０１６１】なお、コンポーネント診断モードにおける
一連の動作は、たとえば一定のサイクルで繰り返されて
おり、確率密度分布関数Ｆ１の偏差ΔＦのカルバック情
報量Ｆ７が逐次求められている。そして、このカルバッ
ク情報量Ｆ７は、正常時におけるカルバック情報量（基
準値Ｆ７ｒ）と比較され、カルバック情報量Ｆ７と基準
値Ｆ７ｒとの違いが大きい場合のみに警報Ａが発生す
る。この場合、処理を簡略化することができる。

【０１６２】実施例１１．なお、 上記実施例１０では、確率密度分布関数Ｆ１の偏
差ΔＦのカルバック情報量Ｆ７を演算して基準値Ｆ７ｒ
と比較したが、偏差ΔＦの平均値を演算して基準値と比
較してもよい。

【０１６３】以下、電気信号Ｅの指標的なデータとして
確率密度分布関数Ｆ１の偏差ΔＦを用い、偏差ΔＦの平
均値を基準値と比較するようにしたこの発明の実施例１
１を図について説明する。

【０１６４】図１６はこの発明の実施例１１による異常
検出処理装置２０の構成を示す機能ブロック図であり、
２３Ｊ、２４Ｊ、２６Ｊおよび２７Ｊは、図１５内の比
較器２３Ｉ、警報器２４Ｉ、カルバック情報量演算器２
６Ｉおよびカルバック情報量設定器２７Ｉにそれぞれ対
応しており、２５、２８、２９、ＹｉおよびＡは前述と
同様のものである。

【０１６５】図１６において、２６Ｊは偏差演算器２９
で演算された偏差ΔＦの平均値Ｆ８を演算する平均値演
算器、２７Ｊは基準設定モードにおいて得られる平均値
Ｆ８を基準値Ｆ８ｒとして記憶する平均値設定器、２３
Ｊは平均値演算器２６Ｊで演算される平均値Ｆ８を平均
値設定器２７Ｊ内の基準値Ｆ８ｒと比較する比較器、２
４Ｊは比較器２４Ｊの比較結果に応答して警報Ａを発生
する警報器である。

【０１６６】次に、図１および図１６を参照しながら、
この発明の実施例１１の動作について説明する。この場
合、偏差演算器２９で演算された偏差ΔＦ（Ｎ個の列デ
ータ）は、平均値演算器２６Ｊに入力されて平均値Ｆ８
が演算される。平均値Ｆ８は、基準設定モードにおいて
は、破線のように平均値設定器２７Ｊに入力され、基準
値Ｆ８ｒとして格納される。なお、平均値Ｆ８は、前述
の式（１）により、μ１として求められる。

【０１６７】一方、コンポーネント診断モードにおいて
は、平均値演算器２６Ｊで演算された平均値Ｆ８は、実
線のように常に比較器２３Ｊに入力され、比較器２３Ｊ
により平均値の基準値Ｆ８ｒと比較される。比較器２３
Ｊは、たとえば、平均値演算器２６Ｊで演算された平均
値Ｆ８が、平均値設定器２７Ｊ内の平均値Ｆ８ｒ（基準
値）の３倍を越えた場合に、異常を示す比較結果を警報
器２４Ｊに出力する。これに応答して、警報器２４Ｊは
警報Ａを発生する。

【０１６８】なお、コンポーネント診断モードにおける
一連の動作は、たとえば一定のサイクルで繰り返されて
おり、確率密度分布関数Ｆ１の正常時との偏差ΔＦの平
均値Ｆ８が逐次求められている。そして、この平均値Ｆ
８は、正常時における平均値（基準値Ｆ８ｒ）と比較さ
れ、平均値Ｆ８と基準値Ｆ８ｒとの違いが大きい場合の
みに警報Ａが発生する。この場合も、処理を簡略化する
ことができる。

【０１６９】実施例１２．なお、 上記実施例１１では、確率密度分布関数Ｆ１の偏
差ΔＦの平均値Ｆ８を演算して基準値Ｆ８ｒと比較した
が、偏差ΔＦの分散値を演算して基準値と比較してもよ
い。

【０１７０】以下、電気信号Ｅの指標的なデータとして
確率密度分布関数Ｆ１の偏差ΔＦを用い、偏差ΔＦの分
散値を基準値と比較するようにしたこの発明の実施例１
２を図について説明する。

【０１７１】図１７はこの発明の実施例１２による異常
検出処理装置２０の構成を示す機能ブロック図であり、
２３Ｋ、２４Ｋ、２６Ｋおよび２７Ｋは、図１６内の比
較器２３Ｊ、警報器２４Ｊ、平均値演算器２６Ｊおよび
平均値設定器２７Ｊにそれぞれ対応しており、２５、２
８、２９、ＹｉおよびＡは前述と同様のものである。

【０１７２】図１７において、２６Ｋは偏差演算器２９
で演算された偏差ΔＦの分散値Ｆ９を演算する分散値演
算器、２７Ｋは基準設定モードにおいて得られる分散値
Ｆ９を基準値Ｆ９ｒとして記憶する分散値設定器、２３
Ｋは分散値演算器２６Ｋで演算される分散値Ｆ９を分散
値設定器２７Ｋ内の基準値Ｆ９ｒと比較する比較器、２
４Ｋは比較器２４Ｋの比較結果に応答して警報Ａを発生
する警報器である。

【０１７３】次に、図１および図１７を参照しながら、
この発明の実施例１２の動作について説明する。この場
合、偏差演算器２９で演算された偏差ΔＦ（Ｎ個の列デ
ータ）は、分散値演算器２６Ｋに入力されて分散値Ｆ９
が演算される。分散値Ｆ９は、基準設定モードにおいて
は、破線のように分散値設定器２７Ｋに入力され、基準
値Ｆ９ｒとして格納される。なお、分散値Ｆ９は、前述
の式（２）により、μ２として求められる。

【０１７４】一方、コンポーネント診断モードにおいて
は、分散値演算器２６Ｋで演算された分散値Ｆ９は、実
線のように常に比較器２３Ｋに入力され、比較器２３Ｋ
により分散値の基準値Ｆ９ｒと比較される。比較器２３
Ｋは、たとえば、分散値演算器２６Ｋで演算された分散
値Ｆ９が、分散値設定器２７Ｋ内の分散値Ｆ９ｒ（基準
値）の３倍を越えた場合に、異常を示す比較結果を警報
器２４Ｋに出力する。これに応答して、警報器２４Ｋは
警報Ａを発生する。

【０１７５】なお、コンポーネント診断モードにおける
一連の動作は、たとえば一定のサイクルで繰り返されて
おり、確率密度分布関数Ｆ１の正常時との偏差ΔＦの分
散値Ｆ９が逐次求められている。そして、この分散値Ｆ
９は、正常時における分散値（基準値Ｆ９ｒ）と比較さ
れ、分散値Ｆ９と基準値Ｆ９ｒとの違いが大きい場合の
みに警報Ａが発生する。この場合も、処理を簡略化する
ことができる。

【０１７６】実施例１３．（請求項５および請求項７〜
請求項８に対応） なお、上記実施例１２では、確率密度分布関数Ｆ１の偏
差ΔＦの分散値Ｆ９を演算して基準値Ｆ９ｒと比較した
が、偏差ΔＦの歪度を演算して基準値と比較してもよ
い。

【０１７７】以下、電気信号Ｅの指標的なデータとして
確率密度分布関数Ｆ１の偏差ΔＦを用い、偏差ΔＦの歪
度を基準値と比較するようにしたこの発明の実施例１３
を図について説明する。

【０１７８】図１８はこの発明の実施例１３による異常
検出処理装置２０の構成を示す機能ブロック図であり、
２３Ｌ、２４Ｌ、２６Ｌおよび２７Ｌは、図１７内の比
較器２３Ｋ、警報器２４Ｋ、分散値演算器２６Ｋおよび
分散値設定器２７Ｋにそれぞれ対応しており、２５、２
８、２９、ＹｉおよびＡは前述と同様のものである。

【０１７９】図１８において、２６Ｌは偏差演算器２９
で演算された偏差ΔＦの歪度μ５を演算する歪度演算
器、２７Ｌは基準設定モードにおいて得られる歪度μ５
を基準値μ５ｒとして記憶する歪度設定器、２３Ｌは歪
度演算器２６Ｌで演算される歪度μ５を歪度設定器２７
Ｌ内の基準値μ５ｒと比較する比較器、２４Ｌは比較器
２４Ｌの比較結果に応答して警報Ａを発生する警報器で
ある。

【０１８０】次に、図１および図１８を参照しながら、
この発明の実施例１３の動作について説明する。この場
合、偏差演算器２９で演算された偏差ΔＦ（Ｎ個の列デ
ータ）は、歪度演算器２６Ｌに入力されて歪度μ５が演
算される。歪度μ５は、基準設定モードにおいては、破
線のように歪度設定器２７Ｌに入力され、基準値μ５ｒ
として格納される。なお、歪度μ５は、前述の式（１）
〜式（３）により、μ３として求められる。

【０１８１】一方、コンポーネント診断モードにおいて
は、歪度演算器２６Ｌで演算された歪度μ５は、実線の
ように常に比較器２３Ｌに入力され、比較器２３Ｌによ
り歪度の基準値μ５ｒと比較される。比較器２３Ｌは、
たとえば、歪度演算器２６Ｌで演算された歪度μ５が、
歪度設定器２７Ｌ内の歪度μ５ｒ（基準値）の３倍を越
えた場合に、異常を示す比較結果を警報器２４Ｌに出力
する。これに応答して、警報器２４Ｌは警報Ａを発生す
る。

【０１８２】なお、コンポーネント診断モードにおける
一連の動作は、たとえば一定のサイクルで繰り返されて
おり、確率密度分布関数Ｆ１の正常時との偏差ΔＦの歪
度μ５が逐次求められている。そして、この歪度μ５
は、正常時における歪度（基準値μ５ｒ）と比較され、
歪度μ５と基準値μ５ｒとの違いが大きい場合のみに警
報Ａが発生する。この場合も、処理を簡略化することが
できる。

【０１８３】実施例１４．（請求項６〜請求項９に対
応） なお、上記実施例１３では、確率密度分布関数Ｆ１の偏
差ΔＦの歪度μ５を演算して基準値μ５ｒと比較した
が、偏差ΔＦの尖度を演算して基準値と比較してもよ
い。

【０１８４】以下、電気信号Ｅの指標的なデータとして
確率密度分布関数Ｆ１の偏差ΔＦを用い、偏差ΔＦの尖
度を基準値と比較するようにしたこの発明の実施例１４
を図について説明する。

【０１８５】図１９はこの発明の実施例１４による異常
検出処理装置２０の構成を示す機能ブロック図であり、
２３Ｍ、２４Ｍ、２６Ｍおよび２７Ｍは、図１８内の比
較器２３Ｌ、警報器２４Ｌ、歪度演算器２６Ｌおよび歪
度設定器２７Ｌにそれぞれ対応しており、２５、２８、
２９、ＹｉおよびＡは前述と同様のものである。

【０１８６】図１９において、２６Ｍは偏差演算器２９
で演算された偏差ΔＦの尖度μ６を演算する尖度演算
器、２７Ｍは基準設定モードにおいて得られる尖度μ６
を基準値μ６ｒとして記憶する尖度設定器、２３Ｍは尖
度演算器２６Ｍで演算される尖度μ６を尖度設定器２７
Ｍ内の基準値μ６ｒと比較する比較器、２４Ｍは比較器
２４Ｍの比較結果に応答して警報Ａを発生する警報器で
ある。

【０１８７】次に、図１および図１８を参照しながら、
この発明の実施例１３の動作について説明する。この場
合、偏差演算器２９で演算された偏差ΔＦ（Ｎ個の列デ
ータ）は、尖度演算器２６Ｍに入力されて尖度μ６が演
算される。尖度μ６は、基準設定モードにおいては、破
線のように尖度設定器２７Ｍに入力され、基準値μ６ｒ
として格納される。なお、尖度μ６は、前述の式（１）
〜式（４）により、μ４として求められる。

【０１８８】一方、コンポーネント診断モードにおいて
は、尖度演算器２６Ｍで演算された尖度μ６は、実線の
ように常に比較器２３Ｍに入力され、比較器２３Ｍによ
り尖度の基準値μ６ｒと比較される。比較器２３Ｍは、
たとえば、尖度演算器２６Ｍで演算された尖度μ６が、
尖度設定器２７Ｍ内の尖度μ６ｒ（基準値）の３倍を越
えた場合に、異常を示す比較結果を警報器２４Ｍに出力
する。これに応答して、警報器２４Ｍは警報Ａを発生す
る。

【０１８９】なお、コンポーネント診断モードにおける
一連の動作は、たとえば一定のサイクルで繰り返されて
おり、確率密度分布関数Ｆ１の正常時との偏差ΔＦの尖
度μ６が逐次求められている。そして、この尖度μ６
は、正常時における尖度（基準値μ６ｒ）と比較され、
尖度μ６と基準値μ６ｒとの違いが大きい場合のみに警
報Ａが発生する。この場合も、処理を簡略化することが
できる。

【０１９０】以上の各実施例では、騒音を発生するコン
ポーネントとして、変速機１（図１参照）を対象とした
たが、たとえばエンジン（図２１参照）等の他のコンポ
ーネントを対象とした場合も、同様の効果を奏すること
は言うまでもない。

【０１９１】

【発明の効果】以上のように、この発明の請求項１によ
れば、自動車用コンポーネントから発生する音を検出し
て音に応じた電気信号を出力するマイクロホンと、電気
信号に基づいて自動車用コンポーネントの異常を検出す
る異常検出処理装置とを備え、異常検出処理装置は、電
気信号の歪度を演算する歪度演算手段と、歪度を基準値
と比較する比較手段とを含み、比較手段の比較結果に基
づき、歪度が基準値に対して所定の関係を越えたときに
警報を出力し、検出音が正常状態で存在する音のみであ
って歪度が正常値に近ければ警報を誤出力することはな
い。したがって、歪度演算という比較的簡単な処理を用
いて、自動車用コンポーネントの発生音の正常状態と異
常状態とにおける微少な差を正確に判別することがで
き、不良品の市場への流出を防止して自動車生産の品質
向上に大きく貢献でき、異常診断の信頼性を向上させた
自動車用コンポーネントの診断装置が得られる効果があ
る。

【０１９２】また、この発明の請求項２によれば、自動
車用コンポーネントから発生する音を検出して音に応じ
た電気信号を出力するマイクロホンと、電気信号に基づ
いて自動車用コンポーネントの異常を検出する異常検出
処理装置とを備え、異常検出処理装置は、電気信号の尖
度を演算する尖度演算手段と、尖度を基準値と比較する
比較手段とを含み、比較手段の比較結果に基づき、尖度
が基準値に対して所定の関係を越えたときに警報を出力
し、検出音が正常状態で存在する音のみであって尖度が
正常値に近ければ警報を誤出力することはない。したが
って、尖度演算という比較的簡単な処理を用いて、自動
車用コンポーネントの発生音の正常状態と異常状態とに
おける微少な差を正確に判別することができ、不良品の
市場への流出を防止して自動車生産の品質向上に大きく
貢献でき、異常診断の信頼性を向上させた自動車用コン
ポーネントの診断装置が得られる効果がある。

【０１９３】

【０１９４】

【０１９５】

【０１９６】

【０１９７】

【０１９８】

【０１９９】また、この発明の請求項３によれば、自動
車用コンポーネントから発生する音を検出して音に応じ
た電気信号を出力するマイクロホンと、電気信号に基づ
いて自動車用コンポーネントの異常を検出する異常検出
処理装置とを備え、異常検出処理装置は、電気信号の確
率密度分布関数を演算する確率密度分布関数演算手段
と、確率密度分布関数とあらかじめ求められた基準デー
タとの偏差を演算する偏差演算手段と、偏差のフラクタ
ル次元を求めるフラクタル次元演算手段と、フラクタル
次元を基準値と比較する比較手段とを含み、比較手段の
比較結果に基づき、フラクタル次元が基準値に対して所
定の関係を越えたときに警報を出力し、検出音が正常状
態で存在する音のみであって偏差のフラクタル次元が正
常値に近ければ警報を誤出力することはない。したがっ
て、確率密度分布関数の偏差に基づくフラクタル次元を
用いることにより、電気信号に含まれる周波数成分の複
雑さ等を求めて、自動車用コンポーネントの発生音の正
常状態と異常状態とにおける微少な差を正確に判別する
ことができ、不良品の市場への流出を防止して自動車生
産の品質向上に大きく貢献でき、異常診断の信頼性を向
上させた自動車用コンポーネントの診断装置が得られる
効果がある。

【０２００】また、この発明の請求項４によれば、自動
車用コンポーネントから発生する音を検出して音に応じ
た電気信号を出力するマイクロホンと、電気信号に基づ
いて自動車用コンポーネントの異常を検出する異常検出
処理装置とを備え、異常検出処理装置は、電気信号の確
率密度分布関数を演算する確率密度分布関数演算手段
と、確率密度分布関数とあらかじめ求められた基準デー
タとの偏差を演算する偏差演算手段と、偏差のカルバッ
ク情報量を求めるカルバック情報量演算手段と、カルバ
ック情報量を基準値と比較する比較手段とを含み、比較
手段の比較結果に基づき、カルバック情報量が基準値に
対して所定の関係を越えたときに警報を出力し、検出音
が正常状態で存在する音のみであって偏差のカルバック
情報量が正常値に近ければ警報を誤出力することはな
い。したがって、確率密度分布関数の偏差に基づくカル
バック情報量の演算という比較的簡単な処理を用いて、
自動車用コンポーネントの発生音の正常状態と異常状態
とにおける微少な差を正確に判別することができ、不良
品の市場への流出を防止して自動車生産の品質向上に大
きく貢献でき、異常診断の信頼性を向上させた自動車用
コンポーネントの診断装置が得られる効果がある。

【０２０１】

【０２０２】

【０２０３】また、この発明の請求項５によれば、自動
車用コンポーネントから発生する音を検出して音に応じ
た電気信号を出力するマイクロホンと、電気信号に基づ
いて自動車用コンポーネントの異常を検出する異常検出
処理装置とを備え、異常検出処理装置は、電気信号の確
率密度分布関数を演算する確率密度分布関数演算手段
と、確率密度分布関数とあらかじめ求められた基準デー
タとの偏差を演算する偏差演算手段と、偏差の歪度を求
める歪度演算手段と、歪度を基準値と比較する比較手段
とを含み、比較手段の比較結果に基づき、歪度が基準値
に対して所定の関係を越えたときに警報を出力し、検出
音が正常状態で存在する音のみであって偏差の歪度が正
常値に近ければ警報を誤出力することはない。したがっ
て、確率密度分布関数の偏差に基づく歪度演算という比
較的簡単な処理を用いて、自動車用コンポーネントの発
生音の正常状態と異常状態とにおける微少な差を正確に
判別することができ、不良品の市場への流出を防止して
自動車生産の品質向上に大きく貢献でき、異常診断の信
頼性を向上させた自動車用コンポーネントの診断装置が
得られる効果がある。

【０２０４】また、この発明の請求項６によれば、自動
車用コンポーネントから発生する音を検出して音に応じ
た電気信号を出力するマイクロホンと、電気信号に基づ
いて自動車用コンポーネントの異常を検出する異常検出
処理装置とを備え、異常検出処理装置は、電気信号の確
率密度分布関数を演算する確率密度分布関数演算手段
と、確率密度分布関数とあらかじめ求められた基準デー
タとの偏差を演算する偏差演算手段と、偏差の尖度を求
める尖度演算手段と、尖度を基準値と比較する比較手段
とを含み、比較手段の比較結果に基づき、尖度が基準値
に対して所定の関係を越えたときに警報を出力し、検出
音が正常状態で存在する音のみであって偏差の尖度が正
常値に近ければ警報を誤出力することはない。したがっ
て、確率密度分布関数の偏差に基づく尖度演算という比
較的簡単な処理を用いて、自動車用コンポーネントの発
生音の正常状態と異常状態とにおける微少な差を正確に
判別することができ、不良品の市場への流出を防止して
自動車生産の品質向上に大きく貢献でき、異常診断の信
頼性を向上させた自動車用コンポーネントの診断装置が
得られる効果がある。

【０２０５】また、この発明の請求項７によれば、請求
項３から請求項６までのいずれかにおいて、基準データ
は、自動車用コンポーネントが正常状態のときに得られ
る電気信号に基づいて設定されるようにしたので、自動
車用コンポーネントの異常判定を確実にした自動車用コ
ンポーネントの診断装置が得られる効果がある。

【０２０６】また、この発明の請求項８によれば、請求
項１から請求項７までのいずれかにおいて、基準値は、
自動車用コンポーネントが正常状態のときに得られる電
気信号に基づいて設定されるようにしたので、自動車用
コンポーネントの異常判定を確実にした自動車用コンポ
ーネントの診断装置が得られる効果がある。

【０２０７】また、この発明の請求項９によれば、請求
項１から請求項８までのいずれかにおいて、自動車用コ
ンポーネントとして変速機またはエンジンを対象とした
ので、変速機またはエンジンの異常判定の信頼性を向上
させた自動車用コンポーネントの診断装置が得られる効
果がある。

【図面の簡単な説明】

【図１】 この発明の実施例１〜１４（請求項１〜９に
対応）の概略構成を示すブロック図である。

【図２】 この発明の実施例１（請求項１、請求項８お
よび請求項９に対応）による異常検出処理装置の構成を
示す機能ブロック図である。

【図３】 この発明の実施例２（請求項２、請求項８お
よび請求項９に対応）による異常検出処理装置の構成を
示す機能ブロック図である。

【図４】 この発明の実施例３による異常検出処理装置
の構成を示す機能ブロック図である。

【図５】 図４内の確率密度分布関数演算器で用いられ
る正常時での基準信号の一例を示す波形図である。

【図６】 図５の基準信号から得られる正常時での確率
密度分布関数の一例を示す波形図である。

【図７】 この発明の実施例４による異常検出処理装置
の構成を示す機能ブロック図である。

【図８】 図７内の比較器で用いられるファジールール
のメンバーシップ関数の一例を示す波形図である。

【図９】 図７内の比較器で用いられるファジールール
のメンバーシップ関数の一例を示す波形図である。

【図１０】 この発明の実施例５による異常検出処理装
置の構成を示す機能ブロック図である。

【図１１】 この発明の実施例６による異常検出処理装
置の構成を示す機能ブロック図である。

【図１２】 この発明の実施例７による異常検出処理装
置の構成を示す機能ブロック図である。

【図１３】 この発明の実施例８による異常検出処理装
置の構成を示す機能ブロック図である。

【図１４】 この発明の実施例９（請求項３および請求
項７〜請求項９に対応）による異常検出処理装置の構成
を示す機能ブロック図である。

【図１５】 この発明の実施例１０（請求項４および請
求項７〜請求項９に対応）による異常検出処理装置の構
成を示す機能ブロック図である。

【図１６】 この発明の実施例１１による異常検出処理
装置の構成を示す機能ブロック図である。

【図１７】 この発明の実施例１２による異常検出処理
装置の構成を示す機能ブロック図である。

【図１８】 この発明の実施例１３（請求項５および請
求項７〜請求項９に対応）による異常検出処理装置の構
成を示す機能ブロック図である。

【図１９】 この発明の実施例１４（請求項６〜請求項
８に対応）による異常検出処理装置の構成を示す機能ブ
ロック図である。

【図２０】 従来の自動車用コンポーネントの診断装置
の概略構成を示すブロック図である。

【図２１】 一般的な自動車用コンポーネントの他の例
を示す構成図である。

【符号の説明】

１ 自動車用変速機（自動車用コンポーネント）、７
マイクロホン、２０異常検出処理装置、２１、２６Ｌ
歪度演算器、２１Ａ、２６Ｍ 尖度演算器、２２、２７
Ｌ 歪度設定器、２２Ａ、２７Ｍ 尖度設定器、２３、
２３Ａ〜２３Ｍ 比較器、２４、２４Ａ〜２４Ｍ 警報
器、２５ 確率密度分布関数演算器、２６、２６Ｅ ニ
ューラルネットワーク演算器、２６Ｃ 特徴抽出器、２
６Ｄ波形特徴抽出器、２６Ｈ フラクタル次元演算器、
２６Ｉ カルバック情報量演算器、２６Ｊ 平均値演算
器、２６Ｋ 分散値演算器、２７、２７Ｄ、２７Ｅ、２
７Ｇ 基準値設定器、２７Ｃ、２７Ｆ メンバーシップ
関数設定器、２７Ｈフラクタル次元設定器、２７Ｉ カ
ルバック情報量設定器、２７Ｊ 平均値設定器、２７Ｋ
分散値設定器、２８ 基準データ設定器、２９ 偏差
演算器、３１自動車用エンジン（自動車用コンポーネン
ト）、Ａ 警報、Ｅ 電気信号、Ｆ１ 確率密度分布関
数、Ｆ２ 特徴、Ｆ３、Ｆ５ 波形特徴（パターン）、
Ｆ６ フラクタル次元、Ｆ７ カルバック情報量、Ｆ８
平均値、Ｆ９ 分散値、Ｆ１ｒ 基準データ、ΔＦ
偏差、Ｆ２ｒ、Ｆ４ｒ メンバーシップ関数（ファジー
ルールの基準値）、Ｆ３ｒ、Ｆ５ｒ パターンの基準
値、Ｆ６ｒ フラクタル次元の基準値、Ｆ７ｒ カルバ
ック情報量の基準値、Ｆ８ｒ 平均値の基準値、Ｆ９ｒ
分散値の基準値、Ｎ１、Ｎ２ 学習値、Ｓ 発生音、
Ｙｉ 列データ、μ３、μ５ 歪度、μ４、μ６ 尖
度、Ｎ１ｒ、Ｎ２ｒ、μ３ｒ、μ４ｒ、μ５ｒ、μ６ｒ
基準値。

───────────────────────────────────────────────────── フロントページの続き (56)参考文献 特開 昭58−42949（ＪＰ，Ａ) 特開 平５−296888（ＪＰ，Ａ) 特開 平４−13935（ＪＰ，Ａ) 特開 平４−36621（ＪＰ，Ａ) 特開 平６−109858（ＪＰ，Ａ) (58)調査した分野(Int.Cl.⁷，ＤＢ名) G01M 17/00 - 17/007 G01M 15/00 G01M 19/00 G01H 1/00 - 17/00 G60R 16/02 650 G06F 9/44 554 G06F 15/18 540 G06F 15/18 560 ＪＩＣＳＴファイル（ＪＯＩＳ)

Claims (9)

(57)【特許請求の範囲】
1. 【請求項１】 自動車用コンポーネントから発生する音
   を検出して前記音に応じた電気信号を出力するマイクロ
   ホンと、前記電気信号に基づいて前記自動車用コンポー
   ネントの異常を検出する異常検出処理装置とを備え、 前記異常検出処理装置は、 前記電気信号の歪度を演算する歪度演算手段と、 前記歪度を基準値と比較する比較手段とを含み、 前記比較手段の比較結果に基づき、前記歪度が前記基準
   値に対して所定の関係を越えたときに警報を出力するこ
   とを特徴とする自動車用コンポーネントの診断装置。
2. 【請求項２】 自動車用コンポーネントから発生する音
   を検出して前記音に応じた電気信号を出力するマイクロ
   ホンと、前記電気信号に基づいて前記自動車用コンポー
   ネントの異常を検出する異常検出処理装置とを備え、 前記異常検出処理装置は、 前記電気信号の尖度を演算する尖度演算手段と、 前記尖度を基準値と比較する比較手段とを含み、 前記比較手段の比較結果に基づき、前記尖度が前記基準
   値に対して所定の関係を越えたときに警報を出力するこ
   とを特徴とする自動車用コンポーネントの診断装置。
3. 【請求項３】 自動車用コンポーネントから発生する音
   を検出して前記音に応じた電気信号を出力するマイクロ
   ホンと、前記電気信号に基づいて前記自動車用コンポー
   ネントの異常を検出する異常検出処理装置とを備え、 前記異常検出処理装置は、 前記電気信号の確率密度分布関数を演算する確率密度分
   布関数演算手段と、 前記確率密度分布関数とあらかじめ求められた基準デー
   タとの偏差を演算する偏差演算手段と、 前記偏差のフラクタル次元を求めるフラクタル次元演算
   手段と、 前記フラクタル次元を 基準値と比較する比較手段とを含
   み、 前記比較手段の比較結果に基づき、前記フラクタル次元
   が前記基準値に対して所定の関係を越えたときに警報を
   出力することを特徴とする自動車用コンポーネントの診
   断装置。
4. 【請求項４】 自動車用コンポーネントから発生する音
   を検出して前記音に応じた電気信号を出力するマイクロ
   ホンと、前記電気信号に基づいて前記自動車用コンポー
   ネントの異常を検出する異常検出処理装置とを備え、 前記異常検出処理装置は、 前記電気信号の確率密度分布関数を演算する確率密度分
   布関数演算手段と、 前記確率密度分布関数とあらかじめ求められた基準デー
   タとの偏差を演算する偏差演算手段と、 前記偏差のカルバック情報量を求めるカルバック情報量
   演算手段と、 前記カルバック情報量を 基準値と比較する比較手段とを
   含み、 前記比較手段の比較結果に基づき、前記カルバック情報
   量が前記基準値に対して所定の関係を越えたときに警報
   を出力することを特徴とする自動車用コンポーネントの
   診断装置。
5. 【請求項５】 自動車用コンポーネントから発生する音
   を検出して前記音に応じた電気信号を出力するマイクロ
   ホンと、前記電気信号に基づいて前記自動車用コンポー
   ネントの異常を検出する異常検出処理装置とを備え、 前記異常検出処理装置は、 前記電気信号の確率密度分布関数を演算する確率密度分
   布関数演算手段と、 前記確率密度分布関数とあらかじめ求められた基準デー
   タとの偏差を演算する偏差演算手段と、 前記偏差の歪度を求める歪度演算手段と、 前記歪度を 基準値と比較する比較手段とを含み、 前記比較手段の比較結果に基づき、前記歪度が前記基準
   値に対して所定の関係を越えたときに警報を出力するこ
   とを特徴とする自動車用コンポーネントの診断装置。
6. 【請求項６】 自動車用コンポーネントから発生する音
   を検出して前記音に応じた電気信号を出力するマイクロ
   ホンと、前記電気信号に基づいて前記自動車用コンポー
   ネントの異常を検出する異常検出処理装置とを備え、 前記異常検出処理装置は、 前記電気信号の確率密度分布関数を演算する確率密度分
   布関数演算手段と、 前記確率密度分布関数とあらかじめ求められた基準デー
   タとの偏差を演算する偏差演算手段と、前記偏差の尖度を求める尖度演算手段と、 前記尖度を 基準値と比較する比較手段とを含み、 前記比較手段の比較結果に基づき、前記尖度が前記基準
   値に対して所定の関係を越えたときに警報を出力するこ
   とを特徴とする自動車用コンポーネントの診断装置。
7. 【請求項７】 前記基準データは、前記自動車用コンポ
   ーネントが正常状態のときに得られる前記電気信号に基
   づいて設定されることを特徴とする請求項３から請求項
   ６までのいずれかの自動車用コンポーネントの診断装
   置。
8. 【請求項８】 前記基準値は、前記自動車用コンポーネ
   ントが正常状態のときに得られる前記電気信号に基づい
   て設定されることを特徴とする請求項１から請求項７ま
   でのいずれかの自動車用コンポーネントの診断装置。
9. 【請求項９】 前記自動車用コンポーネントは自動車用
   変速機または自動車エンジンであることを特徴とする請
   求項１から請求項８までのいずれかの自動車用コンポー
   ネントの診断装置。