JP3885297B2 - Abnormal sound determination device and abnormal sound determination method - Google Patents
Abnormal sound determination device and abnormal sound determination method Download PDFInfo
- Publication number
- JP3885297B2 JP3885297B2 JP17944097A JP17944097A JP3885297B2 JP 3885297 B2 JP3885297 B2 JP 3885297B2 JP 17944097 A JP17944097 A JP 17944097A JP 17944097 A JP17944097 A JP 17944097A JP 3885297 B2 JP3885297 B2 JP 3885297B2
- Authority
- JP
- Japan
- Prior art keywords
- time
- vibration
- data
- determination
- abnormal
- 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
Images
Landscapes
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Description
【０００１】
【発明の属する技術分野】
本発明は、加振機により加振中の判定対象物、例えば車両からの振動データに基づいて非定常振動に基づく異音の発生可能性を判定するために用いられる異音判定装置及び異音判定方法に関する。
【０００２】
【従来の技術】
従来より、騒音の分析方法として、騒音の発生対象物である車両の運転時の騒音データから運転前の騒音データを減じてブレーキの鳴き音等の騒音を分析する方法が知られている（例えば、特開平３−６７１３１号公報参照）。この方法では、車両の停止中に検出された騒音の周波数とその帯域の振幅値を第１の記憶部に記憶させるようにし、次に車両を運転させて、その運転時に検出された騒音の周波数とその帯域の振幅値を第２の記憶部に記憶させるようにしている。そして、上記各記憶部に記憶されたデータの中より各対応する周波数毎に第２の記憶部のデータより第１の記憶部のデータを減算することにより、ブレーキの鳴き音等の騒音の分析をするようにしている。ここで用いられている定常振動に基づく騒音の周波数分布を検出して、その騒音の分析を行うスペクトル分析の方法はよく知られている。
【０００３】
【発明が解決しようとする課題】
ところで、非定常振動の分析は、例えば、車両の最終組立後に加振機で車両を加振する加振試験において、その車両から発生するラトル異音の有無を検査・判定するような場合に必要となる。ここでラトル異音とは、例えば、車両内に装着された配線群と各種電装部品とを接続するカプラと呼ばれるもののうち、ユーザーの任意により将来装着される可能性のある電装部品との接続用として予め車両に装着される未接続状態のカプラ（遊びカプラ）から、車体振動により発生するコトコトという異音を指している。
【０００４】
上記のラトル異音の検査は、検査員が試験車両に乗車してラトル異音発生の有無を判定するが、この形態のラトル異音検査には、その検査結果が次の三つの要因によりばらつくという問題がある。第一に、検査基準はラトル異音の大きさを、大（大多数のユーザーが気付く）、中（半数のユーザーが気付く）、小（ごく少数のユーザーが気付く）、の３段階に分けているが、検査基準とラトル異音の物理量との数量的対応が明確化されていないため、判定は専ら検査員の官能に基づいて行われることである。このため、判定基準が数量的に曖昧なものになってしまう。第二に、その検査結果が検査員の技能に依存することになることである。つまり、ラトル異音判定の検査員の養成には本来３〜１２ヶ月の教育期間が必要と言われるように熟練を要し、ラトル異音判定はこのような熟練者の技能に依存せざるを得ないという実状がある。第三に、検査員は終日激しい振動にさらされるため、ラトル異音判定作業は肉体的にも精神的にも強いストレスを受ける等の肉体的・精神的負担を検査員に強いるものであることである。
【０００５】
ここで、上記の問題は、検査基準として記されたラトル異音の大きさとラトル異音の物理特性との関連を数量的に明確化することと、熟練検査員と同等の判定結果を提示することによって未熟練検査員の技能を補うこととの対策を実施することにより解決できると考えられる。そのために、物理量計測に基づくラトル異音の大きさの判定手法の導入が必要となる。
【０００６】
そこで、加振試験下で未接続カプラのラトル異音として「大」、「中」、「無」の大きさのものを人為的に発生させ、その時の車室内振動データを採取して比較を行った。この結果、得られたラトル異音を含む振動データの時間波形を図１４に示す。この内、図１４（ａ）はラトル異音の大きさが「大」の場合、同図（ｂ）は「中」の場合、同図（ｃ）は「無」の場合をそれぞれ示している。また、図１５は各大きさのラトル異音を含む振動の周波数分布（パワースペクトル）を示している。
【０００７】
ところが、ラトル異音の大きさの違いによる顕著な違いは図１４に示す時間波形、図１５に示す周波数分布共に認めらず、僅かに図１５に示す周波数分布において、２２００Ｈｚ前後で若干の差が認められるに過ぎない。この原因は、ひとつには非定常性（断続性）を強く帯びたラトル異音の分析にパワースペクトルのような定常振動分析法を適用したためであり、もうひとつにはラトル異音よりも加振振動の大きさが大きく勝るためであると考えられる。
【０００８】
本発明は、このような事情に鑑みてなされたものであり、その目的とするところは、異音の発生可能性を判定する装置において、加振機による加振中の判定対象物からの振動データに基づいてその非定常振動に基づく異音の定量的な判定を可能にすることにあり、加えて、非定常振動に基づく異音の発生可能性の判定精度を向上させることにある。
【０００９】
【課題を解決するための手段】
上記目的を達成するために、請求項１記載の発明は、非定常振動に基づく異音の発生可能性を判定すべき判定対象物を加振する加振手段と、上記判定対象物から発生する振動を検出する検出手段と、この検出手段で検出した振動データに基づいて、上記判定対象物の異音の発生可能性を判定する判定手段とを備えたものとする。そして、上記判定手段を、上記検出手段で検出された振動データを時間周波数分析することにより時間周波数分布を求める時間周波数分析部と、この時間周波数分析部により得られる時間周波数分布から非定常振動の強度が設定値以上となる時刻の非定常振動データを抽出するデータ抽出部と、このデータ抽出部で抽出された非定常振動データに基づいて異音の発生可能性を判定する判定部とを備え、上記判定手段を、時間周波数分析部により得られる時間周波数分布を周波数方向に累積して時刻毎の振動瞬時強度を求める瞬時強度演算部を備えたものとする。そして、データ抽出部を、上記振動瞬時強度が非定常振動強度として用いることにより非定常振動データの抽出を行う構成とするものである。
【００１０】
上記の構成の場合、非定常振動の分析に適した時間周波数分析により得られる時間周波数分布から、非定常振動の発生している時刻のデータを抽出するようにしている。このため、得られるデータは、非定常振動成分を多く含んでいることになる。これにより、判定対象物から発生する非定常振動の分析精度を向上させ、それに伴い、非定常振動に基づく異音の定量的な判定が可能になる。加えて、非定常振動に基づく異音の発生可能性の判定精度を向上させることが可能になる。
【００１１】
請求項２記載の発明は、非定常振動に基づく異音の発生可能性を判定すべき判定対象物を加振する加振手段と、上記判定対象物から発生する振動を検出する検出手段と、この検出手段で検出した振動データに基づいて、上記判定対象物の異音の発生可能性を判定する判定手段とを備えたものとする。そして、上記判定手段を、上記検出手段で検出された振動データを時間周波数分析することにより時間周波数分布を求める時間周波数分析部と、この時間周波数分析部により得られる時間周波数分布から非定常振動の強度が設定値以上となる時刻の非定常振動データを抽出するデータ抽出部と、このデータ抽出部で抽出された非定常振動データに基づいて異音の発生可能性を判定する判定部とを備え、上記判定手段を、時間周波数分析部より求められた時間周波数分布、又は、データ抽出部により抽出された非定常振動データから、低周波成分を構成する加振振動成分を除去する低周波成分除去部を備えた構成とするものである。
【００１２】
上記の構成の場合、振動データに含まれる定常振動に基づく加振振動成分を除去することで、非定常振動成分のみを抽出することになり、その分析精度をより一層向上させ、それに伴い、非定常振動に基づく異音の定量的な判定が可能になる。加えて、異音の発生可能性の判定精度をより一層向上させることが可能になる。
【００１３】
請求項３記載の発明は、請求項２記載の発明において、低周波成分除去部を、時間周波数分布の時間方向に対する幾何平均を求め、その時間周波数分布を時間方向の各時刻毎に上記時間方向幾何平均により除することにより加振振動成分を除去する構成とするものである。
【００１４】
請求項４記載の発明は、請求項２記載の発明において、低周波成分除去部を、時間方向幾何平均として、非定常振動に基づく異音が発生していない状態におけるものとして予め求められた時間周波数分布の時間方向幾何平均を用いる構成とするものである。
【００１５】
上記の構成の場合、低周波成分除去部の具体的構成を得ることが可能になり、請求項４の作用を具体的に得ることが可能になる。
【００１６】
請求項５記載の発明は、非定常振動に基づく異音の発生可能性を判定すべき判定対象物を加振する加振手段と、上記判定対象物から発生する振動を検出する検出手段と、この検出手段で検出した振動データに基づいて、上記判定対象物の異音の発生可能性を判定する判定手段とを備えたものとする。そして、上記判定手段を、上記検出手段で検出された振動データを時間周波数分析することにより時間周波数分布を求める時間周波数分析部と、この時間周波数分析部により得られる時間周波数分布から非定常振動の強度が設定値以上となる時刻の非定常振動データを抽出するデータ抽出部と、このデータ抽出部で抽出された非定常振動データに基づいて異音の発生可能性を判定する判定部とを備え、上記判定手段を振動データを正常データと外乱に基づく異常データとに判別する異常データ判別部を備えたものとする。そして、時間周波数分析部を、上記異常データ判別部により正常データと判別された振動データに基づいて時間周波数分析を行う構成とするものである。
【００１７】
請求項６記載の発明は、請求項５記載の発明において、異常データ判別部を、振動データの波形の振幅の絶対値を相加平均した振幅平均値を一方の軸とし、上記振幅の絶対値の最大値と上記振幅平均値との比を他方の軸とする二次元座標分布を求め、この二次元座標分布の状態に基づいて上記振動データを正常データと異常データとに判別する構成とするものである。
【００１８】
請求項７記載の発明は、請求項６記載の発明において、異常データ判別部を、求めた二次元座標分布についての統計量分布境界線をファジー推論により連続的に求め、この統計量分布境界線を基準として上記二次元座標分布から正常データと異常データとの判別を行う構成とするものである。
【００１９】
上記の構成の場合、正常データと異常データとを容易に判別することが可能となり、異常データによる誤った異音の分析・判定結果を得ることが無くなるため、非定常振動に基づく異音の発生可能性の判定に対する信頼性が得られる。
【００２０】
請求項８記載の発明は、異音の発生可能性を判定すべき判定対象物を加振し、加振中に上記判定対象物から発生する振動を検出して上記判定対象物の異音の発生可能性を判定する異音の判定方法を前提としている。この方法において、上記検出手段で検出された振動データを時間周波数分析することにより時間周波数分布を求める第１ステップと、時間周波数分析により得られる時間周波数分布を周波数方向に累積し、時刻毎の振動瞬時強度を求める第２ステップと、上記振動瞬時強度が設定値以上となる時刻の非定常振動データのみを抽出する第３ステップと、第３ステップで抽出された非定常振動データに基づいて異音の発生可能性を判定する第４ステップとを備え、非定常振動データを抽出する第３ステップ、又は、異音の発生可能性を判別する第４ステップに先立ち、低周波成分を構成する加振振動成分を除去するステップをさらに備えた構成とする方法である。
【００２１】
上記の構成の場合、非定常振動の分析に適した時間周波数分析により得られる時間周波数分布から、非定常振動の発生している時刻のデータを抽出するようにしている。このため、得られるデータは、非定常振動の成分を多く含んでいることになる。これにより、判定対象物から発生する非定常振動の分析精度を向上させ、それに伴い、非定常振動に基づく異音の定量的な判定が可能となる。加えて、非定常振動に基づく異音の発生可能性の判定精度を向上させることが可能になる。
【００２２】
また、振動データに含まれる定常振動に基づく低周波成分を除去することで、非定常振動成分のみを抽出することになり、その分析精度をより一層向上させ、それに伴い、非定常振動に基づく異音の定量的な判定が可能になる。加えて、異音の発生可能性の判定精度をより一層向上させることが可能になる。
【００２３】
請求項９記載の発明は、請求項８記載の発明において、低周波成分を除去するステップを、時間周波数分布について時間方向に対する幾何平均、又は、非定常振動に基づく異音が発生していない状態におけるものとして予め求められた時間周波数分布の時間方向平均を求め、振動データの時間周波数分布を時間方向の各時刻毎に上記時間方向幾何平均の内のいずれかにより除することにより低周波成分を除去する構成とする方法である。
【００２４】
上記の構成の場合、低周波成分を除去するステップの具体的構成を得ることが可能になり、請求項８の作用を具体的に得ることが可能になる。
【００２５】
請求項１０記載の発明は、異音の発生可能性を判定すべき判定対象物を加振し、加振中に上記判定対象物から発生する振動を検出して上記判定対象物の異音の発生可能性を判定する異音の判定方法を前提としている。この方法において、上記検出手段で検出された振動データを時間周波数分析することにより時間周波数分布を求める第１ステップと、時間周波数分析により得られる時間周波数分布を周波数方向に累積し、時刻毎の振動瞬時強度を求める第２ステップと、上記振動瞬時強度が設定値以上となる時刻の非定常振動データのみを抽出する第３ステップと、第３ステップで抽出された非定常振動データに基づいて異音の発生可能性を判定する第４ステップとを備え、振動データを時間周波数分析する第１ステップに先立ち、異常データを判別するステップを備えた構成とする方法である。
【００２６】
上記の構成の場合、異常データによる誤った異音の分析・判定結果を得ることが無くなるため、非定常振動に基づく異音の発生可能性の判定に対する信頼性が得られる。
【００２７】
請求項１１記載の発明は、請求項１０記載の発明において、異常データを判別するステップを、振動データの波形の振幅の絶対値を相加平均した振幅平均値を一方の軸とし、上記振幅の絶対値の最大値と上記振幅平均値との比を他方の軸とする二次元座標分布についての統計量分布境界線をファジー推論により連続的に求め、この統計量分布境界線を基準として上記二次元座標分布から正常データと異常データとの判別を行う構成とする方法である。
【００２８】
上記の構成の場合、異常データを判別するステップの具体的構成を得ることが可能になり、請求項１０の作用を具体的に得ることが可能になる。
【００２９】
請求項１２記載の発明は、接続要素間を互いに接続する配線群と、この配線群と接続要素とを接続する接続部とが装着された車両に対し、この車両を加振する加振手段と、上記車両から発生する振動を検出する検出手段と、この検出手段で検出した振動のデータに基づいて、上記車両の接続部における非定常振動に基づく異音の発生可能性を判定すべき判定手段とを備えたものとする。そして、上記判定手段を、上記検出手段で検出された振動データを時間周波数分析することにより時間周波数分布を求める時間周波数分析部と、この時間周波数分析部により得られる時間周波数分布から非定常振動に基づく強度が設定値以上となる時刻の非定常振動データのみを抽出するデータ抽出部と、このデータ抽出部で抽出された非定常振動データに基づいて異音の発生可能性を判定する判定部とを備えた構成とするものである。
【００３０】
上記の構成の場合、非定常振動の分析に適した時間周波数分析により得られる時間周波数分布から、非定常振動の発生している時刻を抽出するようにしている。このため、得られるデータは、非定常振動の成分を多く含んでいることになる。これにより、車両に装着された接続部から発生する非定常振動に基づく異音の分析精度を向上させ、それに伴い、非定常振動に基づく異音の定量的な判定が可能になる。加えて、非定常振動に基づく異音の発生可能性の判定精度を向上させることが可能になる。
【００３１】
【発明の実施の形態】
以下、本発明の実施形態を図面に基いて説明する。
【００３２】
図１は、本発明の実施形態に係る異音判定装置のブロック線図を示し、１は判定対象物としての試験車両、２は加振手段としての加振機、３は検出手段としてのマイクロフォン、４は判定手段である。
【００３３】
上記試験車両１には、多数の配線群と、その配線群と各種電装部品とを接続する接続部としての多数のカプラとが装着されている。この多数のカプラの中には、ユーザーの任意により将来装着される可能性のある電装部品との接続用として予め車両に装着される未接続状態のカプラ（遊びカプラ）があり、それらの未接続カプラの取り付け状態によっては、上記試験車両１の走行時の車体振動を再現する上記加振機２、例えば４輪油圧加振機により上記試験車両１を加振することにより、上記未接続カプラから、コトコトというラトル異音が発生することがある。
【００３４】
上記マイクロフォン３は、上記試験車両１の車室に設置され、上記加振機２により加振中に、上記試験車両１の車室内で発生する振動を検出するようになっている。そして、上記マイクロフォン３により検出された振動データは、上記判定手段４に入力される。
【００３５】
上記判定手段４は、異常データ判別部４１、時間周波数分析部４２、瞬時強度演算部４３、データ抽出部４４、低周波成分除去部４５及び判定部４６により構成されている。
【００３６】
上記マイクロフォン３により検出された振動データは、異常データ判別部４１において、正常データであるか、異常データであるかを判別して、正常データであれば、上記時間周波数分析部４２に出力されることになり、異常データであれば、振動データを取り直すようにしている。
【００３７】
上記時間周波数分析部４２では、時間周波数分析の方法の内のひとつである平滑化Wigner分布を用いて、上記加振機２による加振振動と、未接続カプラによる非定常振動に基づくラトル異音とのそれぞれを含む振動データの時間周波数分布を求めるようにする。
【００３８】
そして、上記瞬時強度演算部４３において、上記時間周波数分布を周波数方向に累積して、振動瞬時強度（振動瞬時パワー）を求めるようにする。
【００３９】
上記時間周波数分布と振動瞬時強度とは、それぞれ上記データ抽出部４４に入力され、まず、上記振動瞬時強度が所定値を超える時刻における上記時間周波数分布を抽出して、非定常振動に基づくラトル異音が多く含まれた時間周波数分布を求めるようにする。次いで、上記のラトル異音が多く含まれた時間周波数分布を時間方向に累積して異音周波数分布（異音スペクトル）を求めるようにする。
【００４０】
上記異音スペクトルは、上記低周波成分除去部４５に入力される。また、ラトル異音の発生していない状態で予め検出された振動データの時間周波数分布を時間方向に累積した振動周波数分布（振動スペクトル）も、上記低周波成分除去部４５に入力される。そして、上記異音スペクトルと振動スペクトルとの比を求めて、異音スペクトルから定常振動に基づく低周波成分を構成する加振振動を除去するようにする。さらに、この低周波成分が除去された異音スペクトルを帯域毎に平均して、判定関数を求めるようにする。
【００４１】
上記判定関数は、上記判定部４６に入力され、ラトル異音の大きさを判定して、ラトル異音の発生可能性を判定するようにする。この判定部４６は、例えばニューラルネットワークを用いればよい。
【００４２】
つぎに、上記実施形態の異音判定方法について図２に示す判定手段の処理のフローチャートを用いて説明する。
【００４３】
まず、ステップＳ１に入力される振動データには、しばしば図３に示すような異常データが含まれている。これらの異常データは、図３（ａ）に示すように加振機の運転中断時（加振機は約３分間隔で断続運転される）にデータ採取が行われたり、図３（ｂ）に示すように車室内に設置した計測機器の位置が振動のためにずれたりすることによって生じる。そこで、人為的に発生した「大」、「中」及び「無」の各大きさのラトル異音の振動データをそれぞれ３０サンプル採取して、明らかに異常データと判別できるものを目視で抽出して、図４に示すように、ｘ：波形の振幅の絶対値の平均値、ｙ：振幅の絶対値の最大値とｘとの比の２次元座標分布を求めたところ、この２次元座標分布上で正常データと異常データが最もよく分離されることがわかる。図４において、横軸はｘ、縦軸はｙ、〇は正常データを、×は異常データを示しているが、正常データの統計量は１箇所に集中するのに対し、異常データの統計量は大きくばらついている。そこで、正常データの統計量と異常データの統計量との分布境界を図４に示す実線のように設定することとする。この図において、正常データの一部が正常データ範囲からはずれているが、この段階での正常データと異常データとの判別は目視によるものであることから、より厳しい判別基準を設定したためである。
【００４４】
図４に示す統計量分布境界線は、ｘ軸あるいはｙ軸に平行な線分で構成され、ａ１，ａ２，ａ３，ａ４，ｂ１，ｂ２の６つの値を指定するだけで設定できる簡単なものであるが、真の境界はより連続的なものであると考えるのが自然である。そこでファジー推論を用い、図４に示す境界線から連続な境界線を求めることにする。これにより、新たな異常データ発生要因が加わった場合でも、境界線の概略形状を再指定するだけで、新しい連続境界線を簡単に生成することができることになる。
【００４５】
ファジー推論にはいくつかの方法論があるが、本発明では次の方法を用いることにする。まず、図４に示す統計量分布境界から、異常データを判別するためのファジー論理Ｒ１〜Ｒ５を次のように記述する。
【００４６】
【数１】
ここでLessthanA１,GreaterthanB１,Irregularなどはｘ、ｙ、ｚがメンバーシップを持つファジー集合である。また、変数ｚ（−１＜ｚ＜１）は、データの正常度を示す変数で、正のときデータの正常を、負のとき異常を意味する。ｘ、ｙ、ｚと各ファジー集合との関係は次のメンバーシップ関数で定義する。
【００４８】
【数２】
【数３】
【数４】
ここでｃ１，ｃ２，ｃ３，ｃ４，ｄ１，ｄ２は生成されるファジー関数の尖鋭度を決定するパラメータで、これらの値が大きいほど図４に示す境界形状に近いファジー関数が生成され、小さいほど丸みを帯びた関数が生成される。
【００５２】
Ｒ１〜Ｒ５より、Ｒ１〜Ｒ５の前件部成立確率Ｑ１〜Ｑ５と、非ファジー化されたｚの値とは次式で求められる。
【００５３】
【数５】
【数６】
ｃ１，ｃ２，ｃ３，ｃ４，ｄ１，ｄ２の値を適度に調整すると、ｘとｙに対するｚの関数形状として図５に示す曲面が得られる。図５は、ｚの値のそれぞれに応じて濃淡により表した図を各濃淡の境界に境界線を附して表したものである。図５において、ｚの値が１に近い領域に統計量を持つデータは正常データと判別される。逆にｚの値が−１に近い領域に統計量を持つデータは異常データと判別されることになる。関数形状は十分な連続性を有しており、ねらいどおりの判別関数が得られている。
【００５６】
上記ステップＳ１において上記判別関数を求め、この判別関数を用いて、ステップＳ２において振動データが正常であるか、異常であるかを判別し、正常であればステップＳ３に進み、異常であればデータを取り直すようにする。
【００５７】
上記ステップＳ３では、上記の振動データの分析を行うが、非定常振動の分析に応用可能な信号分析手法としては、近年地震波形分析や音声分析の領域で実用化されている時間周波数分析がある。この時間周波数分析にはいくつかの方法論があるが、最も基礎的なものはスペクトログラムと呼ばれるものである。これは、短時間の窓関数を時間軸に沿って移動させながら瞬時パワースペクトルを求めていく方法で、計算が簡単である反面、時間分解能と周波数分解能の間にトレードオフが生じるという欠点を持つ。これに対して時間方向、周波数方向共に高分解能の得られる時間周波数分析法として、次式で定義されるWigner分布がある。
【００５８】
【数７】
これは、定常信号に対して成立するWigner−Khintchineの定理を非定常信号領域に拡大適用したもので、高分解能であるほか、時間方向積分値がエネルギースペクトルに、また周波数方向積分値が瞬時パワーに一致するという特長を有する。
【００６０】
式（６）で定義されるWigner分布は、解析学的検討を行うためには有効であるが、サンプル値として得られる実測データの分析には適さない。サンプル値に対するWigner分布としては、次式で定義される離散的Wigner分布がある。
【００６１】
【数８】
離散的Wigner分布では、計算上のみかけのサンプリング周波数が実際のサンプリング周波数の半分になるため、本来はサンプリング周波数を信号の上限周波数の４倍に設定しなければならないが、分析前に信号の標本時系列を解析信号化するという処理を加えることでこの欠点は解消され、サンプリング周波数を信号の上限周波数の２倍に設定すればすむようになる。解析信号とは、実数部を元の標本実時系列、虚数部を元の標本実時系列のHilbert変換とする複素時系列のことである。なお離散的Wigner分布では、時間方向積分値がエネルギースペクトルの近似値を、周波数方向積分値が瞬時パワーの近似値を与えることになる。
【００６３】
離散的Wigner分布には、干渉項と呼ばれる誤差やノイズが生じやすいという欠点がある。干渉項とは、時間周波数平面上で隣り合う２つの信号成分があるとき、両者の中間位置に現れる物理的に意味を持たない周波数信号成分を指す。そこで離散的Wigner分布の干渉項やノイズの低減を目的とする種々の改良法が提案されており、その１つに次式で定義される平滑化Wigner分布がある。
【００６４】
【数９】
ここでｇは時間窓関数、ｈは周波数方向の荷重関数である。平滑化Wigner分布では、時間方向、周波数方向の両方向に平滑化処理を施すことによって、干渉項やノイズが低減され、より良質の分析結果が得られる。
【００６６】
図６に「大」、図７に「中」、図８に「無」の大きさのラトル異音を含む振動の平滑化Wigner分布W(t,f)をそれぞれ示す。図６〜図８は、パワースペクトル密度の値に応じてそれぞれ色分けされた図に対し、色分け層の境界線を描き起こした図である。図６〜図８に示す分析結果には、図１４及び図１５に示す時間波形や周波数分布からは識別困難であったラトル異音が明確な縦縞となって現れ、縞の本数や強さから推定される異音の大きさも実際の異音の大きさによく一致している。なお、図６〜図８の各図の下部に現れた低周波領域は定常性の加振振動の低周波成分を表しており、振動成分としてはこの成分が支配的であることがわかる。
【００６７】
ステップＳ４では、ステップＳ３で得られた図６〜図８に示す平滑化Wigner分布W(t,f)を周波数方向に累積して得られる振動瞬時強度（振動瞬時パワー）P(t)を求める。図９に示すように振動瞬時パワーP(t)は、ラトル異音の大きさが「大」の場合で約０．１秒周期のピークを持つが、このピークの発生時刻がすなわちラトル異音の発生時刻であると推定される。
【００６８】
そこで、ステップＳ５で、図１０に示すように、パワー変動がピークを生じる時刻の平滑化Wigner分布を切り出し、それらの平均を求めることにより、ラトル異音発生時刻の振動周波数分布を抽出して、上記のラトル異音発生時刻の振動周波数分布（異音スペクトル）Se(t,f)を求める。この異音スペクトルSe(t,f)は図１５に示した振動全体の周波数分布よりも比率的にラトル異音の成分を多く含むため、ラトル異音の大きさが「大」、「中」及び「無」のそれぞれの差が強調されることになる。この様子は図１１に示されている。
【００６９】
しかし、２０００Ｈｚ以下の周波数帯域では、加振振動の低周波成分がまだ多く含まれており、ラトル異音が十分に強調されない。そこで、加振振動がほぼ定常振動であることに着目し、事前に測定しておいた異音の発生していない状態の時間周波数分布を求め、上記の異音スペクトルSe(t,f)を、上記の異音の発生していない状態の時間周波数分布で時間方向に除する方法によって図６〜図８の異音スペクトルSe(t,f)から加振振動の低周波成分を除去することにする。
【００７０】
ステップＳ６では、上記の事前に測定しておいた異音の発生していない状態の周波数分布（全振動スペクトル）S(f)を求め、ステップＳ７で、上記の異音スペクトルSe(t,f)を、上記の全振動スペクトルS(t,f)で除するようにする。この方法により得られた非定常振動成分の周波数分布を図１２に示す。この周波数分布は、非定常振動成分のみの周波数分布、すなわちラトル異音のみの周波数分布と考えることができ、ラトル異音の大きさが「大」、「中」及び「無」の差も、図１５及び図１１に示すものよりも明確に現れる。このため、この周波数分布を用いることで異音の大きさの正確な判定が可能になる。
【００７１】
予め設定しておいた判定関数の入力として、図１２に示す非定常異音成分の周波数分布を与えることにより異音大きさの判定が可能となる。しかし、実際の検査工程では、判定すべき異音の種類、検査対象車種、検査基準などの追加や変更が頻繁に生じることが予想されるため、そのような場合にも判定関数を容易に更新できる判定法にしておく必要がある。そこで、本発明では、異音発生原因の推定などにも応用されているニューラルネットワーク（以下「ＮＮ」と略称する）を用いて異音の大きさの判定を行うことにする。ＮＮを用いると、教示データによる学習処理を行うだけで簡単に判定関数を更新できるので、前述したような追加・変更が頻繁に生じる適用現場に向いた判定システムを構築できるようになる。
【００７２】
具体的には、入力データ数を圧縮するために、ステップＳ８で、図１２に示す非定常異音成分の周波数分布を５００Ｈｚごとに平均化して図１３に示す５００Ｈｚ帯域別分布を求める。このとき、５００個のデータ数を１０個にしている。そして、ステップＳ９で、この分布を入力ベクトルとするＮＮで大きさ判定を行うようにする。
【００７３】
ＮＮには種々の手法があるが、本発明では、最も融通性の高いバックプロパゲーション則に基づくＮＮを用いることにする。ラトル異音の大きさが「大」、「中」及び「無」のそれぞれ３０サンプル程度の振動データを用いて予備テストを行った結果に基づいて全体を３層とし、第１層は入力層、第２層は正弦シグモイド関数を伝達関数とする中間層、第３層は線形関数を伝達関数とする出力層とすることにした。入力層は図１１から得られる入力ベクトルの要素数からノード数を１０とし、出力層はラトル異音の大きさ推定値のみを出力すればよいことからニューロン数を１とした。中間層については、２０ニューロンとした場合に最もよい、つまり、熟練技術者の判定に最も近い判定結果が得られた。
【００７４】
判定に先立って行う学習処理には、局所最適解での停留を避けるためのモメンタリ付き学習と学習速度を早めるための適応学習率の手法を併用し、さらにノイズを含む入力データに対しても安定した出力を生成するＮＮを得るため、通常の学習を行った後に乱数を加えた教示データで再学習させる方法を用いるようにする。
【００７５】
なお、上記のような車体振動により発生するラトル異音は、僅かな配置換えを行うことで、その発生を防ぐことが可能である。このため、上記のラトル異音の判定結果から、将来、ラトル異音が未接続カプラから発生することが予想される場合には、未接続カプラの若干の配置換えをする等の対策を施して、ラトル異音が発生しない状態でにした上で出荷されることになる。
【００７６】
＜他の実施形態＞
なお、本発明は上記実施形態に限定されるものではなく、その他種々の実施形態を包含するものである。すなわち、上記実施形態では、異音の判定判定対象物として車両としているが、これに限らず、例えば未接続カプラが装着されているものであればよい。
【００７７】
上記実施形態では、判定部としてニューラルネットワークを用いているようにしているが、これに限らず、異音の大きさを判定できるものであればよい。
【００７８】
ステップＳ５とステップＳ７の処理の順序を入れ換えても、ステップＳ８において、同じ判定関数を得ることが可能になる。
【００７９】
上記実施形態では、低周波成分を除去するために、ステップＳ６で、事前に測定しておいた異音の発生していない状態の周波数分布（全振動スペクトル）S(f)を求めるようにしているが、これに限らず、ステップＳ３で得られるWigner分布を時間方向に累積して全振動スペクトルS(f)としてもよい。この場合でも、低周波成分を除去することができる。
【００８０】
上記実施形態では、低周波成分を除去するために、全振動スペクトルS(f)を用いるようにしているが、これに限らず、例えば、振動データの検出時に高域通過フィルタを用いて、振動データの低周波成分を除去するようにしてもよい。
【００８１】
上記実施形態では、ラトル異音の大きさのみを判定するようにしているが、これに限らず、例えば、きゅっきゅっというスキーク音などの他種類の異音の判定に応用するようにしてもよい。さらに、異音の種類数と出力層のニューロン数を一致させ、１つのニューロンが一種類の異音の大きさを出力するようにすれば、異音の種類とその異音の大きさとを同時に判定できる。
【００８２】
上記実施形態では、加振振動などの背景振動が定常振動に基づく場合であるが、これに限らず、例えば、加振振動が非定常振動に基づく場合でもよい。この場合、Kalmanフィルタや適応フィルタを用い、加振機等の背景振動源への入力信号から背景振動成分を推定するようにすればよい。これは、判定したい異音が背景振動に比べて極めて弱い場合にも効果がある。
【００８３】
さらに、上記実施形態では、異音の種類として非定常振動に基づく異音を対象としているが、これに限らず、例えばエンジンや変速機の不具合などに起因する定常性異音を対象としてもよい。この場合、非定常振動分析を行う代わりにパワースペクトルを計測し、異音無しのときのパワースペクトルとの比をニューラルネットワークへの入力とすれば、上記実施形態と同様の判定が可能となる。
【００８４】
【実施例】
未接続カプラのラトル異音に対する本判定法の性能を調べる実験では、まず加振試験下において試験車両のインパネ中央付近から「大」、「中」、「無」の各大きさのラトル異音を人為的に発生させ、各３０サンプル（合計９０サンプル）のデータを採取した。そのうち正常データは、「大」、「中」及び「無」のそれぞれについて２９，２８及び２６サンプル（合計８３サンプル）抽出された。次に、すべての正常データについて５００Ｈｚ帯域別異音周波数分布を求めた。そして、「大」、「中」及び「無」の分布データ各１０サンプルをＮＮに学習させ、学習を終えたＮＮを用いて残りの分布データ（「大」、「中」及び「無」のそれぞれについて１９，１８及び１６サンプルの合計５３サンプル）の異音の大きさの判定を行った。熟練検査員の判定と本判定法による判定との対比を表１に示す。
【００８５】
【表１】
この実験の結果、異音の大きさが容易に判定できる「大」では両者の判定に差は見られず、判定がやや難しくなる「中」または「無」の判定でも３サンプルの食い違いが生じたに過ぎなかった。熟練検査員の判定がすべて正しいと仮定すると、本発明の方法の正解率は９４％となる。なお、熟練検査員の正解率は９０％前後と言われている。
【００８７】
【発明の効果】
以上説明したように、請求項１記載の発明における異音判定装置によれば、振動データから非定常振動の成分を多く含むデータを抽出することができ、これにより、判定対象物から発生する非定常振動の分析精度を向上させ、それに伴い、非定常振動に基づく異音の定量的な判定ができる。加えて、非定常振動に基づく異音の発生可能性の判定精度を向上させることが可能になる。
【００８８】
請求項２記載の発明によれば、上記請求項１記載の発明による効果に加えて、振動データに含まれる定常振動に基づく加振振動成分を除去することで、非定常振動成分のみを抽出することになり、その分析精度をより一層向上させ、それに伴い、異音の発生可能性の判定精度をより一層向上させることができる。
【００８９】
請求項３または請求項４記載の発明によれば、上記請求項２記載の発明による効果をより具体的に得ることが可能になる。
【００９０】
請求項５〜７記載の発明によれば、上記請求項１記載の発明による効果に加えて、異常データによる誤った異音の分析・判定結果を得ることが無くなるため、非定常振動に基づく異音の発生可能性の判定に対する信頼性を得ることができる。
【００９１】
請求項８又は９記載の発明における異音判定方法によれば、振動データから非定常振動成分を多く含むデータを抽出することができ、判定対象物における非定常振動に基づく異音の分析精度を向上させ、それに伴い、異音の発生可能性の判定精度を向上させることができる。また、非定常振動成分を抽出することにより、その分析精度をより一層向上させ、それに伴い、非定常振動に基づく異音の発生可能性の判定精度を向上させることができる。
【００９２】
請求項１０または請求項１１記載の発明によれば、請求項８記載の発明と同様に、振動データから非定常振動成分を多く含むデータを抽出することができ、判定対象物における非定常振動に基づく異音の分析精度を向上させ、それに伴い、異音の発生可能性の判定精度を向上させることができると共に、異常データによる誤った異音の分析・判定結果を得ることが無くなるため、非定常振動に基づく異音の発生可能性の判定に対する信頼性を得ることができる。
【００９３】
請求項１２記載の発明によれば、非定常振動の分析精度を向上させ、それに伴い、車両の接続部から発生する異音の定量的な判定ができる。加えて、車両の接続部から発生する異音の発生可能性の判定精度を向上させることができる。
【図面の簡単な説明】
【図１】 本発明の実施形態を示すブロック線図である。
【図２】 判定手段の処理手順を示すフローチャートである。
【図３】 異常データの時間波形を示す図である。
【図４】 正常データと異常データとの統計量分布と、統計量分布境界線とを示す図である。
【図５】 図４に対して、連続な統計量分布を与えるファジー関数を示す図である。
【図６】 ラトル異音として「大」の大きさのものを含む振動の平滑化Wigner分布を示す図である。
【図７】 ラトル異音として「中」の大きさのものを含む振動の平滑化Wigner分布を示す図である。
【図８】 ラトル異音として「無」のものを含む振動の平滑化Wigner分布を示す図である。
【図９】 ラトル異音を含む振動の振動瞬時強度（振動瞬時パワー）を示す図である。
【図１０】 ラトル異音発生時の振動周波数分布の抽出法を示す図である。
【図１１】 ラトル異音発生時の異音周波数分布（異音スペクトル）を示す図である。
【図１２】 ラトル異音発生時の非定常異音成分の周波数分布を示す図である。
【図１３】 ラトル異音発生時の非定常異音成分の５００Ｈｚ帯域別分布を示す図である。
【図１４】 未接続カプラのラトル異音を含む振動の時間波形を示す図である。
【図１５】 未接続カプラのラトル異音を含む振動の周波数分布を示す図である。
【符号の説明】
１ 試験車両（判定対象物）
２ 加振機（加振手段）
３ マイクロフォン（検出手段）
４ 判定手段
４１ 異常データ判別部
４２ 時間周波数分析部
４３ 瞬時強度演算部
４４ データ抽出部
４５ 低周波成分除去部
４６ 判定部[0001]
BACKGROUND OF THE INVENTION
The present invention relates to an abnormal sound determination device and an abnormal sound used for determining the possibility of occurrence of abnormal noise based on non-stationary vibration based on vibration determination data from an object being vibrated by a vibration exciter, for example, a vehicle. It relates to a determination method.
[0002]
[Prior art]
Conventionally, as a noise analysis method, a method of analyzing noise such as a squealing brake by subtracting noise data before driving from noise data at the time of driving of a vehicle that is an object of noise generation (for example, JP-A-3-67131). In this method, the frequency of noise detected while the vehicle is stopped and the amplitude value of the band are stored in the first storage unit, then the vehicle is driven, and the frequency of noise detected during the driving is stored. And the amplitude value of the band is stored in the second storage unit. Then, by subtracting the data in the first storage unit from the data in the second storage unit for each corresponding frequency from among the data stored in each storage unit, analysis of noise such as squealing of the brake I try to do it. A spectrum analysis method for detecting the frequency distribution of noise based on stationary vibration and analyzing the noise used here is well known.
[0003]
[Problems to be solved by the invention]
By the way, analysis of unsteady vibration is necessary when, for example, inspecting / determining the presence or absence of rattle abnormal noise generated from a vehicle in a vibration test in which the vehicle is vibrated with a shaker after final assembly of the vehicle. It becomes. Here, the rattle abnormal noise is, for example, for connecting to electrical components that may be installed in the future at the user's discretion among the so-called couplers that connect the wiring group installed in the vehicle and various electrical components. As an abnormal noise generated by vibration of the vehicle body from an unconnected coupler (play coupler) that is previously mounted on the vehicle.
[0004]
In the above-mentioned inspection for rattle noise, an inspector gets on the test vehicle to determine whether or not the rattle noise has occurred. In this form of rattle noise inspection, the inspection results vary due to the following three factors: There is a problem. First, the inspection standards are divided into three levels: Rattle (a large number of users notice), Medium (a half of users notice), and Small (a few users notice). However, since the quantitative correspondence between the inspection standard and the physical quantity of the rattle noise is not clarified, the determination is made based solely on the sensation of the inspector. For this reason, the criterion is ambiguous quantitatively. Second, the test results will depend on the skills of the inspector. In other words, training of inspectors for determining rattle abnormal noise requires skill so that an education period of 3 to 12 months is originally required, and rattle abnormal noise determination depends on the skill of such a skilled person. There is a reality that you can not get. Third, because the inspector is exposed to intense vibration throughout the day, the rattle abnormal noise judgment work imposes physical and mental burdens such as physical and mental stress on the inspector. It is.
[0005]
Here, the above problem is to clarify the relationship between the magnitude of the rattle noise described as the inspection standard and the physical characteristics of the rattle noise quantitatively, and presents a determination result equivalent to that of a skilled inspector. It is thought that this can be solved by implementing measures to supplement the skills of unskilled inspectors. For this purpose, it is necessary to introduce a method for determining the magnitude of rattle abnormal noise based on physical quantity measurement.
[0006]
Therefore, under the vibration test, rattle noises of unconnected couplers were artificially generated with large, medium, and nothing levels, and the vehicle interior vibration data at that time was collected and compared. went. As a result, the time waveform of the vibration data including the rattle abnormal noise obtained is shown in FIG. 14A shows the case where the magnitude of the rattle noise is “large”, FIG. 14B shows the case where “medium”, and FIG. 14C shows the case where “no” exists. . FIG. 15 shows the frequency distribution (power spectrum) of vibrations including rattle noises of various sizes.
[0007]
However, the remarkable difference due to the difference in the magnitude of the rattle noise is not recognized in both the time waveform shown in FIG. 14 and the frequency distribution shown in FIG. 15, and the frequency distribution shown in FIG. 15 is slightly different around 2200 Hz. It is only recognized. One reason for this is that stationary vibration analysis, such as the power spectrum, was applied to the analysis of rattle abnormal noises that were strongly non-stationary (intermittent), and the other reason was that they were excited more than rattle abnormal noises. This is considered to be because the magnitude of the vibration is greatly superior.
[0008]
The present invention has been made in view of such circumstances, and an object of the present invention is to detect vibration from an object to be determined during vibration by a vibration exciter in an apparatus for determining the possibility of occurrence of abnormal noise. The objective is to enable quantitative determination of abnormal noise based on the unsteady vibration based on the data, and to improve the accuracy of determining the possibility of occurrence of abnormal noise based on the unsteady vibration.
[0009]
[Means for Solving the Problems]
In order to achieve the above-mentioned object, the invention according to
[0010]
In the case of the above configuration, the data of the time at which the unsteady vibration is generated is extracted from the time frequency distribution obtained by the time frequency analysis suitable for the analysis of the unsteady vibration. For this reason, the obtained data contains many unsteady vibration components. Thereby, the analysis accuracy of the unsteady vibration generated from the determination object is improved, and accordingly, the abnormal sound can be quantitatively determined based on the unsteady vibration. In addition, it is possible to improve the accuracy of determining the possibility of occurrence of abnormal noise based on unsteady vibration.
[0011]
Claim 2The described inventionVibrating means that vibrates a determination object for which the possibility of occurrence of abnormal noise based on unsteady vibration is to be determined, detection means for detecting vibration generated from the determination object, and vibration data detected by the detection means And determining means for determining the possibility of occurrence of abnormal noise of the determination object. The determination means includes a time-frequency analysis unit that obtains a time-frequency distribution by performing time-frequency analysis on the vibration data detected by the detection means, and a non-stationary vibration from the time-frequency distribution obtained by the time-frequency analysis unit. A data extraction unit that extracts unsteady vibration data at a time when the intensity is equal to or higher than a set value, and a determination unit that determines the possibility of occurrence of abnormal noise based on the unsteady vibration data extracted by the data extraction unit. ,the aboveA low frequency component removing unit that removes an excitation vibration component constituting a low frequency component from the time frequency distribution obtained by the time frequency analysis unit or the unsteady vibration data extracted by the data extraction unit. It is set as the structure provided.
[0012]
In the case of the above configuration, by removing the excitation vibration component based on the steady vibration included in the vibration data, only the unsteady vibration component is extracted, and the analysis accuracy is further improved. Quantitative determination of abnormal noise based on steady vibration becomes possible. In addition, it is possible to further improve the determination accuracy of the possibility of occurrence of abnormal noise.
[0013]
Claim 3The described inventionClaim 2In the described invention, the low-frequency component removing unit obtains a geometric mean in the time direction of the time frequency distribution and divides the time frequency distribution by the time direction geometric mean at each time in the time direction to thereby apply the vibration vibration component. It is set as the structure which removes.
[0014]
Claim 4The described inventionClaim 2In the described invention, the low-frequency component removing unit uses a time-direction geometric average of a time-frequency distribution obtained in advance as a time-direction geometric average in a state where no abnormal noise based on unsteady vibration is generated. To do.
[0015]
In the case of the above configuration, it is possible to obtain a specific configuration of the low-frequency component removing unit, and it is possible to specifically obtain the operation of
[0016]
Claim 5The described inventionVibrating means that vibrates a determination object for which the possibility of occurrence of abnormal noise based on unsteady vibration is to be determined, detection means for detecting vibration generated from the determination object, and vibration data detected by the detection means And determining means for determining the possibility of occurrence of abnormal noise of the determination object. The determination means includes a time-frequency analysis unit that obtains a time-frequency distribution by performing time-frequency analysis on the vibration data detected by the detection means, and a non-stationary vibration from the time-frequency distribution obtained by the time-frequency analysis unit. A data extraction unit that extracts unsteady vibration data at a time when the intensity is equal to or higher than a set value, and a determination unit that determines the possibility of occurrence of abnormal noise based on the unsteady vibration data extracted by the data extraction unit. ,the aboveThe determination means includes an abnormal data determination unit that determines vibration data as normal data and abnormal data based on disturbance. The time-frequency analysis unit is configured to perform time-frequency analysis based on the vibration data determined as normal data by the abnormal data determination unit.
[0017]
Claim 6The described inventionClaim 5In the described invention, the abnormal data discriminating unit has an amplitude average value obtained by arithmetically averaging the absolute value of the amplitude of the waveform of the vibration data as one axis, and a ratio between the maximum value of the absolute value of the amplitude and the amplitude average value. Is the other axis, and the vibration data is discriminated from normal data and abnormal data based on the state of the two-dimensional coordinate distribution.
[0018]
Claim 7The described inventionClaim 6In the described invention, the abnormal data discriminating unit continuously obtains a statistical distribution boundary for the obtained two-dimensional coordinate distribution by fuzzy inference, and normal data is obtained from the two-dimensional coordinate distribution with reference to the statistical distribution boundary. And abnormal data are discriminated.
[0019]
In the case of the above configuration, it is possible to easily distinguish between normal data and abnormal data, and there is no need to obtain incorrect abnormal sound analysis / determination results based on abnormal data, so abnormal noise based on unsteady vibration is generated. Confidence in determining the possibility is obtained.
[0020]
Claim 8The described invention vibrates a determination target for which the possibility of occurrence of abnormal noise should be determined, detects vibration generated from the determination target during vibration, and generates the abnormal noise of the determination target. This method is based on a method for determining abnormal noise. In this method, a first step of obtaining a time-frequency distribution by performing time-frequency analysis on vibration data detected by the detecting means, and a time-frequency distribution obtained by time-frequency analysis is accumulated in the frequency direction so as to vibrate at each time. A second step for obtaining an instantaneous strength, a third step for extracting only unsteady vibration data at a time when the vibration instantaneous strength is equal to or greater than a set value, and an abnormal sound based on the unsteady vibration data extracted in the third step A fourth step of determining the possibility of occurrence ofFurther, prior to the third step of extracting unsteady vibration data or the fourth step of determining the possibility of occurrence of abnormal noise, the structure further includes a step of removing the vibration vibration component constituting the low frequency component. Is the method.
[0021]
In the case of the above configuration, the data of the time at which the unsteady vibration is generated is extracted from the time frequency distribution obtained by the time frequency analysis suitable for the analysis of the unsteady vibration. For this reason, the obtained data contains a lot of non-stationary vibration components. Thereby, the analysis accuracy of the unsteady vibration generated from the determination object is improved, and accordingly, the abnormal sound can be quantitatively determined based on the unsteady vibration. In addition, it is possible to improve the accuracy of determining the possibility of occurrence of abnormal noise based on unsteady vibration.
[0022]
Also,By removing low-frequency components based on stationary vibrations contained in vibration data, only unsteady vibration components are extracted, and the analysis accuracy is further improved. Quantitative judgment is possible. In addition, it is possible to further improve the determination accuracy of the possibility of occurrence of abnormal noise.
[0023]
Claim 9The described inventionClaim 8In the described invention, the step of removing the low-frequency component may be a time-frequency distribution obtained in advance as a geometric mean in the time direction with respect to the time-frequency distribution or in a state where no abnormal noise based on unsteady vibration is generated. In this method, the time-frequency average is obtained, and the time-frequency distribution of the vibration data is divided by any one of the time-direction geometric averages at each time in the time direction to remove the low-frequency component.
[0024]
In the case of the above configuration, it becomes possible to obtain a specific configuration of the step of removing the low frequency component,Claim 8It is possible to specifically obtain the action.
[0025]
Claim 10The described inventionAn abnormal sound that vibrates a determination object for which the possibility of occurrence of abnormal noise is to be determined, and that detects vibration generated from the determination target object during vibration to determine the possibility of occurrence of abnormal noise in the determination object. This method is assumed. In this method, a first step of obtaining a time-frequency distribution by performing time-frequency analysis on vibration data detected by the detecting means, and a time-frequency distribution obtained by time-frequency analysis is accumulated in the frequency direction so as to vibrate at each time. A second step for obtaining an instantaneous strength, a third step for extracting only unsteady vibration data at a time when the vibration instantaneous strength is equal to or greater than a set value, and an abnormal sound based on the unsteady vibration data extracted in the third step A fourth step of determining the possibility of occurrence ofPrior to the first step of time-frequency analysis of vibration data, the method includes a step of determining abnormal data.
[0026]
In the case of the above configuration, it is not possible to obtain an erroneous abnormal sound analysis / determination result based on abnormal data, so that it is possible to obtain reliability for determining the possibility of occurrence of abnormal noise based on unsteady vibration.
[0027]
Claim 11The described inventionClaim 10In the described invention, the step of discriminating abnormal data is performed by using, as one axis, an amplitude average value obtained by arithmetically averaging the absolute value of the amplitude of the waveform of vibration data, and the maximum value of the absolute value of the amplitude, the amplitude average value, The statistic distribution boundary for the two-dimensional coordinate distribution with the other axis as the other axis is continuously obtained by fuzzy inference, and the normal distribution data and the abnormal data are calculated from the two-dimensional coordinate distribution based on the statistic distribution boundary line. This is a method for making a determination.
[0028]
In the case of the above configuration, it becomes possible to obtain a specific configuration of the step of determining abnormal data,Claim 10It is possible to specifically obtain the action.
[0029]
Claim 12The described invention includes a vibration means that vibrates the vehicle to which a wiring group that connects the connection elements to each other and a connection portion that connects the wiring group and the connection element are mounted, and the vehicle Detection means for detecting vibrations generated from the vehicle, and determination means for determining the possibility of occurrence of abnormal noise based on unsteady vibrations at the connection portion of the vehicle based on vibration data detected by the detection means. Shall be. Then, the determination means performs a time frequency analysis on the vibration data detected by the detection means to obtain a time frequency distribution, and the time frequency distribution obtained by the time frequency analysis section changes to a non-stationary vibration. A data extraction unit that extracts only non-stationary vibration data at a time when the intensity based on the setting value is greater than or equal to a set value; a determination unit that determines the possibility of occurrence of abnormal noise based on the non-stationary vibration data extracted by the data extraction unit; It is set as the structure provided with.
[0030]
In the case of the above configuration, the time at which the unsteady vibration occurs is extracted from the time-frequency distribution obtained by the time-frequency analysis suitable for the analysis of the unsteady vibration. For this reason, the obtained data contains a lot of non-stationary vibration components. As a result, the accuracy of analysis of abnormal noise based on unsteady vibration generated from a connection part mounted on the vehicle is improved, and accordingly, quantitative determination of abnormal noise based on unsteady vibration becomes possible. In addition, it is possible to improve the accuracy of determining the possibility of occurrence of abnormal noise based on unsteady vibration.
[0031]
DETAILED DESCRIPTION OF THE INVENTION
Hereinafter, embodiments of the present invention will be described with reference to the drawings.
[0032]
FIG. 1 is a block diagram of an abnormal sound determination device according to an embodiment of the present invention, where 1 is a test vehicle as a determination target, 2 is a vibration exciter as vibration means, and 3 is a microphone as detection means.
[0033]
The
[0034]
The
[0035]
The
[0036]
The vibration data detected by the
[0037]
The time-
[0038]
Then, the instantaneous
[0039]
The time frequency distribution and the vibration instantaneous intensity are respectively input to the
[0040]
The abnormal sound spectrum is input to the low frequency
[0041]
The determination function is input to the
[0042]
Next, the abnormal sound determination method of the above embodiment will be described with reference to the flowchart of the processing of the determination means shown in FIG.
[0043]
First, vibration data input to step S1 often includes abnormal data as shown in FIG. As shown in FIG. 3A, these abnormal data are collected when the operation of the shaker is interrupted (the shaker is intermittently operated at intervals of about 3 minutes), or FIG. As shown in FIG. 4, the position of the measuring device installed in the passenger compartment shifts due to vibration. Therefore, 30 samples of vibration data of rattle noise of each size of “Large”, “Medium” and “None” generated artificially are collected, and those that can be clearly distinguished from abnormal data are visually extracted. Then, as shown in FIG. 4, x: the average value of the absolute values of the amplitude of the waveform, y: the two-dimensional coordinate distribution of the ratio between the maximum value of the absolute value of the amplitude and x, the two-dimensional coordinate distribution is obtained. From the above, it can be seen that normal data and abnormal data are best separated. In FIG. 4, the horizontal axis indicates x, the vertical axis indicates y, o indicates normal data, and x indicates abnormal data. The normal data statistics are concentrated in one place, whereas the abnormal data statistics are Are widely scattered. Therefore, the distribution boundary between the statistical amount of normal data and the statistical amount of abnormal data is set as shown by a solid line in FIG. In this figure, a part of the normal data is out of the normal data range, but the discrimination between the normal data and the abnormal data at this stage is by visual observation, and therefore, a stricter discrimination criterion is set.
[0044]
The statistic distribution boundary shown in FIG. 4 is composed of line segments parallel to the x-axis or y-axis, and a1, A2, A3, A4, B1, B2However, it is natural to consider that the true boundary is more continuous. Therefore, a continuous boundary line is obtained from the boundary line shown in FIG. 4 using fuzzy inference. As a result, even when a new cause of abnormal data is added, it is possible to easily generate a new continuous boundary line simply by respecifying the outline shape of the boundary line.
[0045]
Although there are several methodologies for fuzzy inference, the following method is used in the present invention. First, the fuzzy logic R for discriminating abnormal data from the statistics distribution boundary shown in FIG.1~ R5Is described as follows.
[0046]
[Expression 1]
Where LessthanA1, GreaterthanB1, Irregular, etc. are fuzzy sets in which x, y, and z have membership. The variable z (-1 <z <1) is a variable indicating the normality of the data. When the variable is positive, the data is normal, and when it is negative, the data is normal. The relationship between x, y, z and each fuzzy set is defined by the following membership function.
[0048]
[Expression 2]
[Equation 3]
[Expression 4]
Where c1, C2, C3, C4, D1, D2Is a parameter for determining the sharpness of the generated fuzzy function. The larger the value, the closer the fuzzy function is to the boundary shape shown in FIG. 4, and the smaller the value, the more rounded the function is generated.
[0052]
R1~ R5R1~ R5The antecedent part formation probability Q1~ Q5And the value of z defuzzified is obtained by the following equation.
[0053]
[Equation 5]
[Formula 6]
c1, C2, C3, C4, D1, D25 is appropriately adjusted, the curved surface shown in FIG. 5 is obtained as a function shape of z with respect to x and y. FIG. 5 is a diagram in which shading is represented in accordance with each value of z, with a boundary line added to each shading boundary. In FIG. 5, data having a statistic in a region where the value of z is close to 1 is determined as normal data. Conversely, data having a statistic in a region where the value of z is close to −1 is determined as abnormal data. The function shape has sufficient continuity, and the discriminant function as intended is obtained.
[0056]
In step S1, the discriminant function is obtained, and using this discriminant function, it is determined in step S2 whether the vibration data is normal or abnormal. If normal, the process proceeds to step S3. Try again.
[0057]
In step S3, the vibration data is analyzed. As a signal analysis method applicable to the analysis of unsteady vibration, there is a time-frequency analysis that has recently been put into practical use in the area of seismic waveform analysis and voice analysis. . There are several methodologies for this time-frequency analysis, but the most basic one is called a spectrogram. This is a method of obtaining an instantaneous power spectrum while moving a window function for a short time along the time axis. Although it is easy to calculate, there is a drawback that a trade-off occurs between time resolution and frequency resolution. . On the other hand, there is a Wigner distribution defined by the following equation as a time-frequency analysis method capable of obtaining high resolution in both the time direction and the frequency direction.
[0058]
[Expression 7]
This is an extended application of the Wigner-Khintchine theorem that holds for stationary signals to the non-stationary signal region. In addition to high resolution, the time direction integral value is the energy spectrum and the frequency direction integral value is the instantaneous power. It has the feature of matching.
[0060]
The Wigner distribution defined by equation (6) is effective for performing an analytical study, but is not suitable for analyzing actually measured data obtained as sample values. As a Wigner distribution for sample values, there is a discrete Wigner distribution defined by the following equation.
[0061]
[Equation 8]
In the discrete Wigner distribution, the apparent sampling frequency in calculation is half of the actual sampling frequency, so the sampling frequency must be set to four times the upper limit frequency of the signal. By adding the process of converting the time series into an analytic signal, this drawback is eliminated, and the sampling frequency can be set to twice the upper limit frequency of the signal. The analytic signal is a complex time series in which the real part is the original sample real time series and the imaginary part is the Hilbert transform of the original sample real time series. In the discrete Wigner distribution, the integral value in the time direction gives an approximate value of the energy spectrum, and the integral value in the frequency direction gives an approximate value of the instantaneous power.
[0063]
The discrete Wigner distribution has a drawback that errors and noise called interference terms are likely to occur. The term “interference term” refers to a frequency signal component that has no physical meaning and appears at an intermediate position between two signal components adjacent to each other on the time-frequency plane. Therefore, various improved methods have been proposed for the purpose of reducing the interference term and noise of the discrete Wigner distribution, and one of them is a smoothed Wigner distribution defined by the following equation.
[0064]
[Equation 9]
Here, g is a time window function, and h is a load function in the frequency direction. In the smoothed Wigner distribution, by performing smoothing processing in both the time direction and the frequency direction, interference terms and noise are reduced, and a better analysis result can be obtained.
[0066]
FIG. 6 shows the smoothed Wigner distribution W (t, f) of the vibration including the rattle noise of “large”, FIG. 7 “medium”, and FIG. 6 to 8 are diagrams in which the boundary lines of the color-coded layers are drawn with respect to the diagrams color-coded according to the value of the power spectral density. In the analysis results shown in FIG. 6 to FIG. 8, rattle noises that are difficult to identify from the time waveform and frequency distribution shown in FIG. 14 and FIG. 15 appear as clear vertical stripes, and from the number and intensity of the stripes. The estimated size of the abnormal noise also closely matches the actual size of the abnormal noise. Note that the low-frequency region appearing at the bottom of each of FIGS. 6 to 8 represents the low-frequency component of stationary excitation vibration, and this component is dominant as the vibration component.
[0067]
In step S4, an instantaneous vibration intensity (vibration instantaneous power) P (t) obtained by accumulating the smoothed Wigner distribution W (t, f) shown in FIGS. 6 to 8 obtained in step S3 in the frequency direction is obtained. . As shown in FIG. 9, the instantaneous vibration power P (t) has a peak with a period of about 0.1 seconds when the magnitude of the rattle noise is “large”. It is estimated that
[0068]
Therefore, in step S5, as shown in FIG. 10, the smoothed Wigner distribution at the time when the power fluctuation reaches a peak is cut out, and the average of these is extracted to extract the vibration frequency distribution at the time when the rattle noise occurs, The vibration frequency distribution (abnormal noise spectrum) Se (t, f) at the above-mentioned rattle abnormal noise occurrence time is obtained. Since this abnormal noise spectrum Se (t, f) contains a lot of rattle abnormal noise components in proportion to the frequency distribution of the whole vibration shown in FIG. 15, the magnitude of the rattle abnormal noise is “large” and “medium”. And the difference of “none” will be emphasized. This is shown in FIG.
[0069]
However, in the frequency band of 2000 Hz or less, many low frequency components of the vibration vibration are still included, and the rattle noise is not sufficiently emphasized. Therefore, paying attention to the fact that the excitation vibration is almost stationary vibration, the time frequency distribution in the state where no abnormal noise has been measured, which has been measured in advance, is obtained, and the above abnormal noise spectrum Se (t, f) is obtained. The low frequency component of the vibration vibration is removed from the abnormal sound spectrum Se (t, f) of FIGS. 6 to 8 by the method of dividing in the time direction by the time frequency distribution in a state where no abnormal sound is generated. To.
[0070]
In step S6, the previously measured frequency distribution (total vibration spectrum) S (f) in a state where no abnormal noise is generated is obtained. In step S7, the abnormal noise spectrum Se (t, f ) Is divided by the total vibration spectrum S (t, f). The frequency distribution of the unsteady vibration component obtained by this method is shown in FIG. This frequency distribution can be considered as the frequency distribution of only the unsteady vibration component, that is, the frequency distribution of only the rattle noise, and the difference between the magnitude of the rattle noise is “large”, “medium” and “no” It appears more clearly than those shown in FIGS. For this reason, by using this frequency distribution, it is possible to accurately determine the size of the abnormal sound.
[0071]
By inputting the frequency distribution of the unsteady abnormal sound component shown in FIG. 12 as an input of the determination function set in advance, the abnormal sound level can be determined. However, in the actual inspection process, it is expected that the type of abnormal sound to be judged, the vehicle model to be inspected, the inspection standard, etc. will frequently be added or changed. In such cases, the judgment function is easily updated. It is necessary to make a judgment method that can be done. Therefore, in the present invention, the magnitude of the abnormal sound is determined using a neural network (hereinafter abbreviated as “NN”) that is also applied to the estimation of the cause of the abnormal noise. When the NN is used, the determination function can be easily updated only by performing the learning process using the teaching data. Therefore, it is possible to construct a determination system suitable for the application site where the addition / change described above frequently occurs.
[0072]
Specifically, in order to compress the number of input data, in step S8, the frequency distribution of the unsteady abnormal sound component shown in FIG. 12 is averaged every 500 Hz to obtain the distribution by 500 Hz band shown in FIG. At this time, the number of data of 500 is set to 10. In step S9, the size is determined by NN using this distribution as an input vector.
[0073]
There are various methods for NN. In the present invention, NN based on the most flexible back-propagation rule is used. Based on the result of a preliminary test using vibration data of about 30 samples each of “Large”, “Medium”, and “None” of the rattle noise, the whole is composed of three layers. The second layer is an intermediate layer having a sine sigmoid function as a transfer function, and the third layer is an output layer having a linear function as a transfer function. The number of nodes is set to 10 from the number of elements of the input vector obtained from FIG. 11, and the number of neurons is set to 1 because the output layer only needs to output the estimated value of the rattle noise. For the intermediate layer, the best result was obtained when 20 neurons were used, that is, the judgment result closest to the judgment of the skilled engineer was obtained.
[0074]
The learning process prior to judgment uses both momentary learning to avoid stopping at the local optimal solution and the adaptive learning rate method to increase the learning speed, and is stable against input data containing noise. In order to obtain the NN that generates the output, a method of re-learning with teaching data to which a random number is added after performing normal learning is used.
[0075]
It should be noted that the rattle noise generated by the vehicle body vibration as described above can be prevented from occurring by performing a slight rearrangement. For this reason, if it is expected that rattle abnormal noise will be generated from the unconnected coupler in the future based on the determination result of the above-mentioned rattle abnormal noise, measures such as a slight rearrangement of the unconnected coupler should be taken. It will be shipped after the rattle noise is not generated.
[0076]
<Other embodiments>
In addition, this invention is not limited to the said embodiment, Various other embodiments are included. In other words, in the above-described embodiment, the vehicle is used as the object for determining and determining the abnormal sound. However, the present invention is not limited to this.
[0077]
In the above-described embodiment, a neural network is used as the determination unit. However, the present invention is not limited to this, and any device that can determine the magnitude of abnormal noise may be used.
[0078]
Even if the processing order of steps S5 and S7 is changed, the same determination function can be obtained in step S8.
[0079]
In the above embodiment, in order to remove the low-frequency component, in step S6, the frequency distribution (total vibration spectrum) S (f) in a state where no abnormal noise has been measured is obtained in advance. However, the present invention is not limited to this, and the Wigner distribution obtained in step S3 may be accumulated in the time direction to obtain the total vibration spectrum S (f). Even in this case, the low frequency component can be removed.
[0080]
In the above embodiment, the total vibration spectrum S (f) is used in order to remove the low-frequency component, but the present invention is not limited to this, for example, using a high-pass filter when detecting vibration data, You may make it remove the low frequency component of data.
[0081]
In the above embodiment, only the magnitude of the rattle noise is determined. However, the present invention is not limited to this. For example, it is applied to the determination of other types of noise such as a squeaky squeak sound. Also good. Furthermore, if the number of types of abnormal sounds and the number of neurons in the output layer are matched so that one neuron outputs the size of one type of abnormal noise, the type of abnormal noise and the size of the abnormal noise are simultaneously displayed. Can be judged.
[0082]
In the above embodiment, background vibration such as excitation vibration is based on stationary vibration. However, the present invention is not limited to this. For example, the vibration may be based on unsteady vibration. In this case, a background vibration component may be estimated from an input signal to a background vibration source such as a shaker using a Kalman filter or an adaptive filter. This is also effective when the abnormal noise to be determined is extremely weak compared to the background vibration.
[0083]
Furthermore, in the above-described embodiment, the abnormal noise is based on the abnormal noise based on the unsteady vibration. However, the present invention is not limited to this. For example, the abnormal noise may be a target due to a malfunction of the engine or the transmission. . In this case, if the power spectrum is measured instead of performing unsteady vibration analysis and the ratio to the power spectrum when there is no abnormal noise is used as an input to the neural network, the same determination as in the above embodiment can be made.
[0084]
【Example】
In an experiment to examine the performance of this judgment method against rattle noise from an unconnected coupler, first, rattle noise of large, medium, and none levels from the vicinity of the center of the instrument panel under the vibration test. Were artificially generated, and data for 30 samples (90 samples in total) were collected. Among them, normal data were extracted for 29, 28 and 26 samples (83 samples in total) for “Large”, “Medium” and “None”, respectively. Next, 500 Hz band abnormal noise frequency distribution was obtained for all normal data. Then, each of the 10 samples of the distribution data of “Large”, “Medium”, and “None” is learned by the NN, and the remaining distribution data (“Large”, “Medium”, and “None”) is used by using the NN that has finished learning. For each, the loudness of 53 samples (19, 18, and 16 samples in total) was determined. Table 1 shows the comparison between the judgment of the skilled inspector and the judgment by this judgment method.
[0085]
[Table 1]
As a result of this experiment, there is no difference in the judgment of “Large” that can easily judge the size of the abnormal sound, and there is a discrepancy of 3 samples even in the judgment of “Medium” or “None”, which makes the judgment a little difficult. It was nothing more than Assuming all the judgments of the skilled inspectors are correct, the accuracy rate of the method of the present invention is 94%. The accuracy rate of skilled inspectors is said to be around 90%.
[0087]
【The invention's effect】
As explained above,Claim 1According to the abnormal sound determination device in the described invention, it is possible to extract data including a lot of unsteady vibration components from vibration data, thereby improving the analysis accuracy of unsteady vibration generated from the determination object, Accordingly, it is possible to quantitatively determine abnormal noise based on unsteady vibration. In addition, it is possible to improve the accuracy of determining the possibility of occurrence of abnormal noise based on unsteady vibration.
[0088]
Claim 2According to the described invention, in addition to the effect of the first aspect of the invention, only the unsteady vibration component is extracted by removing the excitation vibration component based on the steady vibration included in the vibration data. The analysis accuracy can be further improved, and accordingly, the determination accuracy of the possibility of occurrence of abnormal noise can be further improved.
[0089]
Claim 3OrClaim 4According to the described invention, the aboveClaim 2The effects of the described invention can be obtained more specifically.
[0090]
Claims 5-7According to the invention described above, in addition to the effect of the invention according to the first aspect, it is not possible to obtain an erroneous analysis / determination result of abnormal noise based on abnormal data. The reliability of the determination can be obtained.
[0091]
[0092]
Claim 10OrClaim 11According to the described invention,As in the eighth aspect of the invention, it is possible to extract data including a large amount of unsteady vibration components from vibration data, thereby improving the analysis accuracy of abnormal noise based on the unsteady vibration in the determination target, In addition to improving the accuracy of determining the possibility of sound generation,Since there is no need to obtain erroneous abnormal sound analysis / determination results based on abnormal data, it is possible to obtain reliability in determining the possibility of abnormal noise generation based on unsteady vibration.
[0093]
Claim 12According to the described invention, the analysis accuracy of unsteady vibration can be improved, and accordingly, the abnormal sound generated from the connecting portion of the vehicle can be quantitatively determined. In addition, it is possible to improve the determination accuracy of the possibility of occurrence of abnormal noise generated from the connecting portion of the vehicle.
[Brief description of the drawings]
FIG. 1 is a block diagram showing an embodiment of the present invention.
FIG. 2 is a flowchart illustrating a processing procedure of a determination unit.
FIG. 3 is a diagram showing a time waveform of abnormal data.
FIG. 4 is a diagram showing a statistic distribution between normal data and abnormal data, and a statistic distribution boundary line;
FIG. 5 is a diagram showing a fuzzy function that gives a continuous statistical distribution with respect to FIG. 4;
FIG. 6 is a diagram showing a smoothed Wigner distribution of vibration including a large noise as a rattle noise.
FIG. 7 is a diagram showing a smoothed Wigner distribution of vibration including a medium noise as a rattle noise.
FIG. 8 is a diagram illustrating a smoothed Wigner distribution of vibration including “none” as a rattle noise.
FIG. 9 is a diagram showing the instantaneous vibration intensity (vibration instantaneous power) of vibration including rattle abnormal noise.
FIG. 10 is a diagram showing a method for extracting a vibration frequency distribution when a rattle noise is generated.
FIG. 11 is a diagram showing an abnormal frequency distribution (abnormal noise spectrum) when a rattle abnormal noise is generated.
FIG. 12 is a diagram showing a frequency distribution of unsteady abnormal sound components when rattle abnormal sounds are generated.
FIG. 13 is a diagram showing a 500 Hz band-by-band distribution of unsteady abnormal noise components when rattle abnormal noise occurs.
FIG. 14 is a diagram illustrating a time waveform of vibration including rattle noise of an unconnected coupler.
FIG. 15 is a diagram illustrating a frequency distribution of vibration including rattle noises of an unconnected coupler.
[Explanation of symbols]
1 Test vehicle (object to be judged)
2 shaker (vibration means)
3 Microphone (detection means)
4 judgment means
41 Abnormal data discriminator
42 Time frequency analyzer
43 Instantaneous strength calculator
44 Data extraction unit
45 Low frequency component removal section
46 judgment part
Claims (12)
上記判定対象物から発生する振動を検出する検出手段と、
この検出手段で検出した振動データに基づいて、上記判定対象物の異音の発生可能性を判定する判定手段と
を備え、
上記判定手段は、
上記検出手段で検出された振動データを時間周波数分析することにより時間周波数分布を求める時間周波数分析部と、
この時間周波数分析部により得られる時間周波数分布から非定常振動の強度が設定値以上となる時刻の非定常振動データを抽出するデータ抽出部と、
このデータ抽出部で抽出された非定常振動データに基づいて異音の発生可能性を判定する判定部とを備え、
上記判定手段はさらに、時間周波数分析部により得られる時間周波数分布を周波数方向に累積して時刻毎の振動瞬時強度を求める瞬時強度演算部を備えており、
上記データ抽出部は、上記振動瞬時強度を非定常振動強度として用いることにより非定常振動データの抽出を行うように構成されている
ことを特徴とする異音判定装置。 A vibration means for vibrating a determination object to be determined for possibility of occurrence of abnormal noise based on unsteady vibration;
Detecting means for detecting vibrations generated from the determination object;
Determination means for determining the possibility of occurrence of abnormal noise of the determination object based on vibration data detected by the detection means;
With
The determination means is
A time-frequency analysis unit that obtains a time-frequency distribution by performing time-frequency analysis of vibration data detected by the detection means;
A data extraction unit for extracting unsteady vibration data at a time when the intensity of the unsteady vibration is equal to or higher than a set value from the time frequency distribution obtained by the time frequency analysis unit;
A determination unit that determines the possibility of occurrence of abnormal noise based on the unsteady vibration data extracted by the data extraction unit;
The determination means further includes an instantaneous strength calculation unit that accumulates the time frequency distribution obtained by the time frequency analysis unit in the frequency direction to obtain the vibration instantaneous strength at each time,
The abnormal sound determination device, wherein the data extraction unit is configured to extract unsteady vibration data by using the instantaneous vibration intensity as the unsteady vibration intensity.
上記判定対象物から発生する振動を検出する検出手段と、
この検出手段で検出した振動データに基づいて、上記判定対象物の異音の発生可能性を判定する判定手段と
を備え、
上記判定手段は、
上記検出手段で検出された振動データを時間周波数分析することにより時間周波数分布を求める時間周波数分析部と、
この時間周波数分析部により得られる時間周波数分布から非定常振動の強度が設定値以上となる時刻の非定常振動データを抽出するデータ抽出部と、
このデータ抽出部で抽出された非定常振動データに基づいて異音の発生可能性を判定する判定部とを備え、
上記判定手段はさらに、時間周波数分析部により求められた時間周波数分布、又は、データ抽出部により抽出された非定常振動データから、低周波成分を構成する加振振動成分を除去する低周波成分除去部を備えている
ことを特徴とする異音判定装置。 A vibration means for vibrating a determination object to be determined for possibility of occurrence of abnormal noise based on unsteady vibration;
Detecting means for detecting vibrations generated from the determination object;
Determination means for determining the possibility of occurrence of abnormal noise of the determination object based on vibration data detected by the detection means;
With
The determination means is
A time-frequency analysis unit that obtains a time-frequency distribution by performing time-frequency analysis of vibration data detected by the detection means;
A data extraction unit for extracting unsteady vibration data at a time when the intensity of the unsteady vibration is equal to or higher than a set value from the time frequency distribution obtained by the time frequency analysis unit;
A determination unit that determines the possibility of occurrence of abnormal noise based on the unsteady vibration data extracted by the data extraction unit;
The determination means further removes a low-frequency component removing the vibration component constituting the low-frequency component from the time-frequency distribution obtained by the time-frequency analysis unit or the unsteady vibration data extracted by the data extraction unit. The abnormal sound determination apparatus characterized by having a part.
低周波成分除去部は、時間周波数分布の時間方向に対する幾何平均を求め、その時間周波数分布を時間方向の各時刻毎に上記時間方向幾何平均により除することにより加振振動成分を除去するように構成されている
ことを特徴とする異音判定装置。 In claim 2 ,
The low frequency component removing unit obtains a geometric average in the time direction of the time frequency distribution, and removes the vibration vibration component by dividing the time frequency distribution by the time direction geometric average at each time in the time direction. An allophone determination device characterized by comprising.
低周波成分除去部は、時間方向幾何平均として、非定常振動に基づく異音が発生していない状態におけるものとして予め求められた時間周波数分布の時間方向幾何平均を用いるように構成されている
ことを特徴とする異音判定装置。 In claim 2 ,
The low-frequency component removing unit is configured to use the time-direction geometric average of the time-frequency distribution obtained in advance as a time-direction geometric average in a state where no abnormal noise based on unsteady vibration is generated. An abnormal sound determination device characterized by the above.
上記判定対象物から発生する振動を検出する検出手段と、
この検出手段で検出した振動データに基づいて、上記判定対象物の異音の発生可能性を判定する判定手段と
を備え、
上記判定手段は、
上記検出手段で検出された振動データを時間周波数分析することにより時間周波数分布を求める時間周波数分析部と、
この時間周波数分析部により得られる時間周波数分布から非定常振動の強度が設定値以上となる時刻の非定常振動データを抽出するデータ抽出部と、
このデータ抽出部で抽出された非定常振動データに基づいて異音の発生可能性を判定する判定部とを備え、
上記判定手段はさらに、振動データを正常データと外乱に基づく異常データとに判別する異常データ判別部を備えており、
上記時間周波数分析部は、上記異常データ判別部により正常データと判別された振動データに基づいて時間周波数分析を行うように構成されている
ことを特徴とする異音判定装置。 A vibration means for vibrating a determination object to be determined for possibility of occurrence of abnormal noise based on unsteady vibration;
Detecting means for detecting vibrations generated from the determination object;
Determination means for determining the possibility of occurrence of abnormal noise of the determination object based on vibration data detected by the detection means;
With
The determination means is
A time-frequency analysis unit that obtains a time-frequency distribution by performing time-frequency analysis of vibration data detected by the detection means;
A data extraction unit for extracting unsteady vibration data at a time when the intensity of the unsteady vibration is equal to or higher than a set value from the time frequency distribution obtained by the time frequency analysis unit;
A determination unit that determines the possibility of occurrence of abnormal noise based on the unsteady vibration data extracted by the data extraction unit;
The determination means further includes an abnormal data determination unit for determining vibration data into normal data and abnormal data based on disturbance,
The abnormal sound determination device, wherein the time frequency analysis unit is configured to perform time frequency analysis based on vibration data determined to be normal data by the abnormal data determination unit.
異常データ判別部は、
振動データの波形の振幅の絶対値を相加平均した振幅平均値を一方の軸とし、上記振幅の絶対値の最大値と上記振幅平均値との比を他方の軸とする二次元座標分布を求め、この二次元座標分布の状態に基づいて上記振動データを正常データと異常データとに判別するよう構成されている
ことを特徴とする異音判定装置。 In claim 5 ,
The abnormal data discriminator
A two-dimensional coordinate distribution in which one axis is the average amplitude value obtained by arithmetically averaging the absolute values of the amplitude of the vibration data waveform, and the other axis is the ratio of the maximum absolute amplitude value to the average amplitude value. An abnormal sound determination device characterized in that the vibration data is determined to be normal data and abnormal data based on the state of the two-dimensional coordinate distribution.
異常データ判別部は、求めた二次元座標分布についての統計量分布境界線をファジー推論により連続的に求め、この統計量分布境界線を基準として上記二次元座標分布から正常データと異常データとの判別を行うように構成されている
ことを特徴とする異音判定装置。 In claim 6 ,
The abnormal data discriminating unit continuously obtains a statistical distribution boundary line for the obtained two-dimensional coordinate distribution by fuzzy inference, and based on this statistical distribution boundary line, normal data and abnormal data are obtained from the above two-dimensional coordinate distribution. An allophone determination device characterized by being configured to perform discrimination.
上記検出手段で検出された振動データを時間周波数分析することにより時間周波数分布を求める第１ステップと、
時間周波数分析により得られる時間周波数分布を周波数方向に累積し、時刻毎の振動瞬時強度を求める第２ステップと、
上記振動瞬時強度が設定値以上となる時刻の非定常振動データのみを抽出する第３ステップと、
第３ステップで抽出された非定常振動データに基づいて異音の発生可能性を判定する第４ステップとを備え、
非定常振動データを抽出する第３ステップ、又は、異音の発生可能性を判定する第４ステップに先立ち、低周波成分を構成する加振振動成分を除去するステップをさらに備えている
ことを特徴とする異音判定方法。 An abnormal sound that vibrates a determination object for which the possibility of occurrence of abnormal noise is to be determined, and that detects vibration generated from the determination target object during vibration to determine the possibility of occurrence of abnormal noise in the determination object. In the determination method of
A first step of obtaining a time-frequency distribution by performing time-frequency analysis of vibration data detected by the detecting means;
A second step of accumulating the time-frequency distribution obtained by the time-frequency analysis in the frequency direction to obtain an instantaneous vibration intensity at each time;
A third step of extracting only unsteady vibration data at a time when the instantaneous vibration intensity is equal to or greater than a set value;
A fourth step of determining the possibility of occurrence of abnormal noise based on the unsteady vibration data extracted in the third step,
Prior to the third step of extracting unsteady vibration data or the fourth step of determining the possibility of occurrence of abnormal noise, the method further comprises the step of removing the vibration vibration component constituting the low frequency component. An abnormal sound determination method.
低周波成分を除去するステップは、
時間周波数分布について時間方向に対する時間方向幾何平均、又は、非定常振動に基づく異音が発生していない状態におけるものとして予め求められた時間周波数分布の時間方向幾何平均を求め、振動データの時間周波数分布を時間方向の各時刻毎に上記時間方向幾何平均の内のいずれかにより除することにより低周波成分を除去する
ことを特徴とする異音判定方法。 In claim 8 ,
The step of removing the low frequency component is:
For the time-frequency distribution, obtain the time-direction geometric average for the time direction, or the time-direction geometric average of the time-frequency distribution obtained in advance as a state in which no abnormal noise based on unsteady vibration has occurred, and obtain the time frequency of the vibration data. An abnormal sound determination method, wherein a low frequency component is removed by dividing the distribution by any one of the geometric averages in the time direction at each time in the time direction.
上記検出手段で検出された振動データを時間周波数分析することにより時間周波数分布を求める第１ステップと、
時間周波数分析により得られる時間周波数分布を周波数方向に累積し、時刻毎の振動瞬時強度を求める第２ステップと、
上記振動瞬時強度が設定値以上となる時刻の非定常振動データのみを抽出する第３ステップと、
第３ステップで抽出された非定常振動データに基づいて異音の発生可能性を判定する第４ステップとを備え、
振動データを時間周波数分析する第１ステップに先立ち、異常データを判別するステップをさらに備えている
ことを特徴とする異音判定方法。 An abnormal sound that vibrates a determination object for which the possibility of occurrence of abnormal noise is to be determined, and that detects vibration generated from the determination target object during vibration to determine the possibility of occurrence of abnormal noise in the determination object. In the determination method of
A first step of obtaining a time-frequency distribution by performing time-frequency analysis of vibration data detected by the detecting means;
A second step of accumulating the time-frequency distribution obtained by the time-frequency analysis in the frequency direction to obtain an instantaneous vibration intensity at each time;
A third step of extracting only unsteady vibration data at a time when the instantaneous vibration intensity is equal to or greater than a set value;
A fourth step of determining the possibility of occurrence of abnormal noise based on the unsteady vibration data extracted in the third step,
An abnormal sound determination method, further comprising a step of determining abnormal data prior to the first step of time-frequency analysis of vibration data.
異常データを判別するステップは、
振動データの波形の振幅の絶対値を相加平均した振幅平均値を一方の軸とし、上記振幅の絶対値の最大値と上記振幅平均値との比を他方の軸とする二次元座標分布についての統計量分布境界線をファジー推論により連続的に求め、この統計量分布境界線を基準として上記二次元座標分布から正常データと異常データとの判別を行う
ことを特徴とする異音判定方法。 In claim 10 ,
The steps to determine abnormal data are:
Two-dimensional coordinate distribution with one axis as the average amplitude value obtained by arithmetically averaging the absolute values of the amplitudes of the vibration data waveforms, and the other axis as the ratio between the maximum absolute amplitude value and the average amplitude value. An abnormal sound determination method comprising: continuously obtaining a statistic distribution boundary line by fuzzy inference, and discriminating between normal data and abnormal data from the two-dimensional coordinate distribution on the basis of the statistic distribution boundary line.
上記車両から発生する振動を検出する検出手段と、
この検出手段で検出した振動のデータに基づいて、上記車両の接続部における非定常振動に基づく異音の発生可能性を判定すべき判定手段と
を備え、
上記判定手段は、
上記検出手段で検出された振動データを時間周波数分析することにより時間周波数分布を求める時間周波数分析部と、
この時間周波数分析部により得られる時間周波数分布から非定常振動に基づく振動の強度が設定値以上となる時刻の非定常振動データのみを抽出するデータ抽出部と、
このデータ抽出部で抽出された非定常振動データに基づいて異音の発生可能性を判定する判定部とを備えている
ことを特徴とする異音判定装置。A wiring group for connecting the connection elements to each other, and a vibration means for vibrating the vehicle equipped with a connection portion for connecting the wiring group and the connection elements;
Detecting means for detecting vibrations generated from the vehicle;
Based on the vibration data detected by the detection means, the determination means to determine the possibility of occurrence of abnormal noise based on unsteady vibration in the connection portion of the vehicle,
The determination means is
A time-frequency analysis unit that obtains a time-frequency distribution by performing time-frequency analysis of vibration data detected by the detection means;
A data extraction unit that extracts only unsteady vibration data at a time when the intensity of vibration based on unsteady vibration is equal to or higher than a set value from the time frequency distribution obtained by the time frequency analysis unit;
An abnormal sound determination apparatus comprising: a determination unit that determines the possibility of occurrence of abnormal noise based on the unsteady vibration data extracted by the data extraction unit.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP17944097A JP3885297B2 (en) | 1997-07-04 | 1997-07-04 | Abnormal sound determination device and abnormal sound determination method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP17944097A JP3885297B2 (en) | 1997-07-04 | 1997-07-04 | Abnormal sound determination device and abnormal sound determination method |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH1123411A JPH1123411A (en) | 1999-01-29 |
| JP3885297B2 true JP3885297B2 (en) | 2007-02-21 |
Family
ID=16065907
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP17944097A Expired - Fee Related JP3885297B2 (en) | 1997-07-04 | 1997-07-04 | Abnormal sound determination device and abnormal sound determination method |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3885297B2 (en) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101280802B1 (en) | 2011-06-02 | 2013-07-05 | 미쓰비시덴키 가부시키가이샤 | Abnormal sound diagnostic equipment |
| US8984947B2 (en) | 2010-03-30 | 2015-03-24 | Honda Motor Co., Ltd. | Method of reproducing abnormal sound and jig |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3966500B2 (en) * | 2002-01-29 | 2007-08-29 | ダイハツ工業株式会社 | Defect inspection system due to abnormal noise |
| JP4319101B2 (en) * | 2004-07-08 | 2009-08-26 | 株式会社日立製作所 | Moving object abnormality detection system |
| JP4103884B2 (en) * | 2004-11-08 | 2008-06-18 | 株式会社デンソー | Abnormal sound inspection method and abnormal sound inspection apparatus |
| JP2007199017A (en) * | 2006-01-30 | 2007-08-09 | Omron Corp | Method and apparatus for clearing abnormal noise, and abnormal noise inspection apparatus |
| US8214104B2 (en) | 2007-04-17 | 2012-07-03 | Kabushiki Kako Co., Ltd. | Abnormal noise inspection method for anti-vibration device for vehicle use |
| JP6103899B2 (en) * | 2012-11-28 | 2017-03-29 | 三菱電機株式会社 | Failure location estimation device |
| JP6833434B2 (en) * | 2016-09-30 | 2021-02-24 | 日本車輌製造株式会社 | Railway vehicle anomaly detection method |
| JP7191628B2 (en) * | 2018-10-09 | 2022-12-19 | 株式会社中電シーティーアイ | Methods for detecting changes in objects |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0367131A (en) * | 1989-08-04 | 1991-03-22 | Meidensha Corp | Analysis of noise |
| JP2667760B2 (en) * | 1992-04-10 | 1997-10-27 | アスモ株式会社 | Machine operation noise inspection device |
| JP3544251B2 (en) * | 1995-08-03 | 2004-07-21 | 高砂熱学工業株式会社 | Method of diagnosing bearing of rotating device, method of estimating remaining life of bearing of rotating device, and diagnostic system of bearing of rotating device |
| JPH0953979A (en) * | 1995-08-16 | 1997-02-25 | Oki Electric Ind Co Ltd | Transient signal detector |
-
1997
- 1997-07-04 JP JP17944097A patent/JP3885297B2/en not_active Expired - Fee Related
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8984947B2 (en) | 2010-03-30 | 2015-03-24 | Honda Motor Co., Ltd. | Method of reproducing abnormal sound and jig |
| KR101280802B1 (en) | 2011-06-02 | 2013-07-05 | 미쓰비시덴키 가부시키가이샤 | Abnormal sound diagnostic equipment |
Also Published As
| Publication number | Publication date |
|---|---|
| JPH1123411A (en) | 1999-01-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110307994B (en) | Abnormal sound detection device and abnormal sound detection method | |
| JP4091952B2 (en) | Signal waveform analysis method and program thereof, and vehicle driving characteristic analysis method using signal waveform analysis method and program thereof | |
| CN102317770B (en) | Method and device for classification of sound-generating processes | |
| JP3484665B2 (en) | Abnormality determination method and device | |
| Wang et al. | Fuzzy diagnosis method for rotating machinery in variable rotating speed | |
| EP3136255A1 (en) | Method and system for automatically detecting defects on a rotating shaft | |
| JP3885297B2 (en) | Abnormal sound determination device and abnormal sound determination method | |
| CN106841403A (en) | A kind of acoustics glass defect detection method based on neutral net | |
| CN109374119A (en) | Transformer vibration signal Characteristic Extraction method | |
| CN110779724B (en) | Bearing fault diagnosis method based on frequency domain group sparse noise reduction | |
| KR20150035633A (en) | Apparatus for measuring earthquake intensity and method for the same | |
| CN113343928A (en) | Method and device for detecting corrugation of high-speed railway steel rail on variable-speed road section and computer equipment | |
| CN107063339A (en) | Falling rocks judges recognition methods with train signal classification classification along railway | |
| CN109934136B (en) | Rolling bearing fault diagnosis method based on Duffing vibrator and eigen mode component | |
| US20200220525A1 (en) | Method For Automatic Detection of Physical Modes In A Modal Analysis Model | |
| CN111736222A (en) | Single-shot data signal-to-noise ratio determining method and device | |
| JP3020349B2 (en) | Error detection method and device | |
| JP3966500B2 (en) | Defect inspection system due to abnormal noise | |
| Mubaraali et al. | Intelligent fault diagnosis in microprocessor systems for vibration analysis in roller bearings in whirlpool turbine generators real time processor applications | |
| Senanayaka et al. | CNN based Gearbox Fault Diagnosis and Interpretation of Learning Features | |
| CN111289800B (en) | Small-resistance vibration monitoring method based on generalized regression neural network | |
| Liu et al. | Diagnosis of roller bearing defects using neural networks | |
| CN111611943A (en) | Gear classification method based on sound analysis | |
| EP1769267B1 (en) | Movement detection system and method | |
| JP4029405B2 (en) | Abnormality determination method and apparatus |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20040618 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20050117 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20060801 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20060929 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20061031 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20061113 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| LAPS | Cancellation because of no payment of annual fees |