JP3974492B2

JP3974492B2 - Abnormal sound detection device

Info

Publication number: JP3974492B2
Application number: JP2002290791A
Authority: JP
Inventors: 秀聡鶴田; 義洋船本
Original assignee: Toshiba Plant Systems and Services Corp
Current assignee: Toshiba Plant Systems and Services Corp
Priority date: 2002-10-03
Filing date: 2002-10-03
Publication date: 2007-09-12
Anticipated expiration: 2022-10-03
Also published as: JP2004125641A

Description

【０００１】
【発明の属する技術分野】
本発明は、機器の運転中に、その機器を構成する作動部から発す音響的振動波、すなわち稼動音により、その機器の状況が異常であることを検知する異常音検出装置に関する。
【０００２】
【従来の技術】
一般に、プラント及びその機器に異常音が発生すると、これらの機器の運転中に発する音響や振動に変化が現れる場合が多く、定期的に振動を監視して異常音を検出する方法が用いられる。従来、これ等の振動の解析には、ファーストフーリエ変換などの解析手法が用いられ、振動測定には、検出器を対象の機器に設置しなければならないため、対象が限られている（例えば、特許文献１参照。）。
【０００３】
一方、プラントやその他の機器において、機器の異常が発見されるのは、保守員がパトロール時に感じる異常音が発端となる場合が多い。しかし、音響による機器の異常の有無の認知は、保守員の熟練度に左右される。また、音響技術の分野において、騒音に対する研究及び技術は向上しているが、保守員が感じ取るような機器の異常時の音響的認識の技術は発展途上であり、異常音判定は保守員が行っている。
【０００４】
【特許文献１】
特開２００１−２５５２４１号公報
【０００５】
【発明が解決しようとする課題】
音響は、対象の機器に接触することなく得られる機器の情報の一つであり、非接触で得られるため、周囲や必要でない情報が多く含まれる。したがって、この特徴から、プラントにおけるパトロール時に保守員が異常音を認識すると、異常個所や異常事象の特定のために、詳細な調査を行う。保守員が認識している音響の要素を分類すると、音の高さ（周波数）、音の大きさ（音圧）、音の時間変化（音質）、及び音の位置（音源）であり、音の位置は異常個所に深く関わり、他の３つは異常事象に関わる。従来の手法で分析することにより、周波数と音圧についてはその性状が解明されてきた。しかし、時間変化に関しては、不明な部分が多く、異常音か判断する要素として加味されることは難しかった。保守員と同様に音響によって異常音を認識するためには、音響の時間変化を捉え、異常音を認識する手法を確立することが必要となる。
【０００６】
また、従来の保守員のパトロールによる異常音の認識には、異常発生してからその後のパトロールのタイミングまで異常状態の放置という重大な問題点がある。前述の保守員の熟練度を要する問題点と共に、異常音をより早く検知することも解決すべき課題となる。
【０００７】
この発明は上記の問題点に鑑みてなされたもので、保守員の巡回によらず、機器から発せられ動作音の音響波形を逐次判定して、異常音を検出する異常音検出装置を提供することを目的とする。
【０００８】
【課題を解決するための手段】
本発明の異常音検出装置は、正常動作時及び機器稼動中の音響波形を収集する手段と、収集された前記音響波形をファーストフーリェ変換解析し、その解析結果を積分するファーストフーリェ変換解析積分値算出手段と、前記音響波形をウェーブレット変換解析し、その解析結果の変動値の平均値を算出するウェーブレット変動平均値算出手段と、前記音響波形を異なる解析時間間隔で実効値解析し、その解析結果の実効値の標準偏差値をそれぞれ算出し、異なる解析条件の前記実効値の標準偏差値の比を算出する実効値比算出手段と、前記音響波形を波形分布解析し、その解析結果の尖度の平均値を算出する波形分布尖度平均値算出手段と、前記ファーストフーリェ変換解析積分値算出手段から出力される積分値、前記ウェーブレット変動平均値算出手段から出力されるウェーブレット変動平均値、前記実効値比平均値算出手段から出力される実効値比平均値、及び前記波形分布尖度平均値算出手段から出力される尖度平均値とから成る正常動作時及び機器稼動中の音響特徴化数値を算出する音響特徴化手段と、前記音響特徴化手段により得られた正常動作時の各々の音響特徴化数値並びに機器稼動中の各々の音響特徴化数値を記憶・保存する音響データベースと、前記正常動作時の音響特徴化数値と前記算出した機器稼動中の音響特徴化数値を比較・演算する音響特徴比較手段と、この音響特徴比較手段の出力と予め設定された基準値を比較して異常音を判定する判定手段と、この判定手段の結果を表示する表示手段を具備して成ることを特徴とするものである。
【０００９】
また、本発明の異常音検出装置は、前記ウェーブレット変動平均値算出手段は、フィルタにより複数の周波数帯の音響波形に分割し、各々の周波数帯の音響波形に対し、ウェーブレット変換解析を行い、このウェーブレット変換解析の解析結果から、変動周期と変動幅を乗算した各周波数帯の変動値を平均したウェーブレット音響特徴化変動値を算出する手段である。
【００１０】
また、本発明の異常音検出装置は、前記実効値比算出手段は、前記音響波形をフィルタにより複数の周波数帯の音響波形に分割し、各々の周波数帯の音響波形に対し、異なる解析時間間隔で実効値解析する第１及び第２の実効値解析手段と、この２つの実効値標準偏差値算出手段と、この２つの実効値標準偏差値算出手段で算出された２つの実効値標準偏差値の比を算出する実効値算出手段からなる。
【００１１】
また、本発明の異常音検出装置は、前記波形分布尖度平均値算出手段は、フィルタにより複数の周波数帯の音響波形に分割し、各々の周波数帯の音響波形を所定の時間間隔で振幅分布度数を算出する波形分布解析手段と、前記波形分布解析手段から出力される各周波数帯における振幅分布度数から尖度を算出し、これらの尖度の平均値を算出する手段からなる。
【００１６】
【発明の実施の形態】
以下、本発明の実施形態を図面により詳細に説明する。なお、図中の同一または相当部分には、同一符号を付している。
【００１７】
図１は、本発明の第１の実施形態に係る異常音検出装置の全体構成を示すブロック図である。
【００１８】
図１に示すように、第１の実施形態は、音響波形ＳＤを収集する手段１０と、ファーストフーリェ変換（以下、ＦＦＴと略す）解析手段１１、ウェーブレット変換解析手段１２、実効値（以下、ＲＭＳと略す）解析手段１３、及び波形分布解析手段１４から成る解析手段２０と、この解析手段２０の解析結果を数値化する音響特徴化手段１５と、この音響特徴化手段１５から出力される解析結果を数値化したデータ、及び機器の正常作動の音響特徴を数値化したデータが蓄積される音響データベース１６と、数値化された２つのデータを比較する音響特徴比較手段１７と、この音響特徴比較手段１７の出力を基準値と比較して異常音を判定する判定手段１８と、この結果を表示する表示手段１９とから構成される。
【００１９】
本実施形態の動作は、音響波形ＳＤを収集する手段１０により、対象となる稼動中の機器が発生している動作音を、例えば、時刻ｔ＝ｔ_ｊ−１から時刻ｔ＝ｔ_ｊまでを音響波形ＳＤｊとして収集する。この収集は逐次なされる。
【００２０】
収集された音響波形ＳＤｊは、解析手段２０の各解析手段に入力され、ＦＦＴ解析手段１１によりＦＦＴ解析が、ウェーブレット変換解析手段１２によりウェーブレット変換解析が、ＲＭＳ解析手段１３によりＲＭＳ解析が、波形分布解析手段１４により振幅分布解析が、それぞれ行われる。
【００２１】
各解析手段の結果を、音響特徴化手段１５において、音響波形ＳＤｊを表わす音響特徴値Ｓｃｊに変換する。この音響特徴値Ｓｃｊは、音響データベース１６及び音響特徴比較手段１７へそれぞれ入力される。
【００２２】
また、この音響データベース１６には、対象となる機器の正常動作時の音響波形ＳＤを表わす予め設定された標準音響特徴値Ｓｃ０、若しくは、対象となる機器が正常に作動しているときに収集される音響波形ＳＤ０の音響特徴化手段１５から出力される音響特徴値Ｓｃ０'が、予め格納されている。
【００２３】
次に、音響特徴比較手段１７において、逐次収集された音響波形ＳＤｊの解析手段２０及び音響特徴化手段１５を経て算出された音響特徴値Ｓｃｊは、音響データベース１６に格納された標準音響特徴値Ｓｃ０、或いは機器が正常に作動したときの音響特徴値Ｓｃ０'が参照され、これと比較される。
【００２４】
音響特徴比較手段１７の比較結果が、判定手段１８に入力されて、判定手段１８に予め設定した判定論理により、逐次入力された音響特徴値Ｓｃｊが、機器の正常音に対応するかを判定する。正常音に対応すると判定した場合には、「正常音」が出力され、一方、正常音に対応しないと判定した場合は、「異常音」が出力されて、この結果を表示手段１９により表示する。なお、この判定手段１８による判定において、量的判定が行われる場合には、判定の基準となる判定基準閾値Ａｇが前記音響データベース１６に予め格納され、判定手段１８において、これを参照して判定される。
【００２５】
また、表示手段１９は、文字による表示の他に、音及び赤色光や点滅などの光による表示も利用できる。
【００２６】
この第１の実施形態によれば、機器から発せられた作動音が、その音響波形をＦＦＴ解析、ウェーブレット変換解析、ＲＭＳ解析、波形分布解析の各解析を行い、周波数、音圧、時間的存在関係、波形分布の尖度などの多面的な解析結果を、機器の動作音の特徴を表わす音響特徴値として変換し、この音響特徴値は音響波形の変化として単一の解析では判定出来ない異常音についても捕捉することができる。さらに、現時点の機器から発生している作動音の音響波形から逐次算出されるこの音響特徴値と、音響データベースに格納した正常音に対応する音響特徴値データを、音響特徴比較手段により比較して、正常音或いは異常音の判定が行なわれて、その結果を表示することができる。
【００２７】
また、従来の保守員による異常音の認知では、保守員が機器の据付けられた場所に出向き、パトロール時に検知していたのに対し、この実施形態によれば、音響波形の収集、音響波形の解析、特徴比較・判定の各処理は、対象機器が稼動中に時々刻々行われて、リアルタイムで正常音或いは異常音が検出されて、表示できる。さらに、音響波形収集手段から離れて表示手段を設置することもできるので、対象となる機器に出向かなくても、遠隔地においても異常音を知ることができる。
【００２８】
図２は、本発明の第２の実施形態に係る異常音検出装置の全体構成を示すブロック図である。
【００２９】
この第２の実施形態は、図２に示すように、音響波形ＳＤを収集する手段１０と、ＦＦＴ解析手段１１とウェーブレット変換解析手段１２とＲＭＳ解析手段１３と波形分布解析手段１４とから成る解析手段２０と、この解析手段２０の解析結果から音響波形を数値化する、ＦＦＴ積分値算出手段２１と、ウェーブレット周波数帯変動値算出手段２２ａ及び周波数帯変動平均値算出手段２２ｂと、解析時間の異なる２つのＲＭＳ値のそれぞれの標準偏差値を算出するＲＳＭ標準偏差値算出手段２３ａと、この２つの標準偏差値の比を算出するＲＭＳ比算出手段２３ｂと、波形分布の尖度算出手段２４ａ及び尖度平均値算出手段２４ｂとから成る音響特徴化手段２５と、この音響特徴化手段２５ａから出力される音響特徴値を蓄積する音響データベース１６と、音響特徴値の偏差値を算出する音響特徴比較手段２７と、この音響特徴比較手段２７の出力を判定閾値と比較する偏差値判定手段２８と、この偏差値判定手段２８の出力を表示する表示手段２９とから構成される。
【００３０】
第２の実施形態の動作は、先ず、音響波形ＳＤを収集する手段１０により、対象となる稼動中の機器から発生している動作音が時刻ｔ＝ｔ_ｊ−１から時刻ｔ＝ｔ_ｊまでの周期Ｔ_ｊで収集される。
【００３１】
音響波形ＳＤｊが入力されたＦＦＴ解析手段１１の解析結果が、ＦＦＴ積分値算出手段２１に入力されて、音響波形ＳＤｊのＦＦＴ解析結果を積分したＦＦＴ積分値Ｆｊが出力される。
【００３２】
音響波形ＳＤｊが入力されたウェーブレット変換解析手段１２の解析結果は、ウェーブレット周波数帯変動値算出手段２２ａに入力されて、前記音響波形ＳＤｊの各周波数帯の変動値ｈｉが、変動値ｈｉ＝変動周期ｔｉ×変動振幅Ａｍｉにより算出されて、さらに、その変動値ｈｉを入力とする周波数帯変動平均値算出手段２２ｂにより、時間ｔ_０＝ｔ_ｊ−ｔ_ｊ−１に算出されたｉ個のｈｉの平均値が変動値平均値Ｈｊとして算出される。
【００３３】
音響波形ＳＤｊが入力されたＲＭＳ解析手段１３は、図６（ａ）に示す前記音響波形ＳＤｊを異なる解析時間間隔で解析したＲＭＳ値、例えば、同図（ｂ）に示す音響波形ＳＤｊをｎ分割した短時間間隔Ｔ_ｎで解析した短時間ＲＭＳ値と、このＴ_ｎより長い同図（ｃ）に示すｍ分割した長時間間隔Ｔ_ｍで解析した長時間ＲＭＳ値をそれぞれ逐次算出する。
【００３４】
次に、ＲＭＳ標準偏差値算出手段２３ａが、このそれぞれ算出されたＲＭＳ値の標準偏差値、すなわち短時間ＲＭＳ標準偏差値及び長時間ＲＭＳ標準偏差値を算出し、さらに、ＲＭＳ比算出手段２３ｂが長時間ＲＭＳ標準偏差値と短時間ＲＭＳ標準偏差値の比であるＲＭＳ比Ｒｊを算出する。
【００３５】
音響波形ＳＤｊが入力された波形分布解析手段１４の解析では、音響波形ＳＤｊの一部である時刻ｔ＝ｔ_ｉ−１から時刻ｔ＝ｔ_ｉまでの音響波形ＳＤｉの振幅分布度数が出力される。この振幅分布度数は波形分布尖度算出手段２４ａに入力されて、前記音響波形ＳＤｉの波形分布の尖度ｔｉが算出され、さらに、尖度平均値算出手段２４ｂにより、時間ｔ_０＝ｔ_ｊ−ｔ_ｊ−１に算出されたｉ個の尖度ｔｉによる尖度平均値Ｔｊが算出される。
【００３６】
音響特徴値算出手段２５ａは、これらの解析手段の結果から算出された、ＦＦＴ積分値Ｆｊ、変動値の平均値Ｈｊ、ＲＭＳ比の平均値Ｒｊ、及び尖度平均値Ｔｊのそれぞれを音響波形ＳＤｊの特性を表わす音響特徴値Ｓとして出力する。この音響特徴値Ｓは、ＦＦＴ積分値Ｆ、変動値平均値Ｈ、ＲＭＳ比平均値Ｒ、尖度平均値Ｔの関数、またはこれらによる数値列として定義され、例えば数値列では、音響特徴値Ｓ＝［Ｆ，Ｈ，Ｒ，Ｔ］である。
【００３７】
したがって、この音響特徴値Sｊ＝［Ｆj，Ｈj，Ｒj，Ｔj］は、各解析の前記平均値算出手段２２ｂ、２３ｂ、２４ｂから時刻ｔ＝ｔ_ｊに出力され、それぞれ音響データベース１６及び音響特徴比較手段２７へ入力される。
【００３８】
上述の音響特徴化手段２５以降に行われる処理を概念的に示す図３のフロー図の手順により、音響特徴比較手段２７、及び偏差値判定手段２８の動作を説明する。
【００３９】
音響特徴値化手段２７では、所定の時間毎の時刻ｔ＝ｔ_ｊにおける音響特徴値ＳｊのＦＦＴ積分値Ｆｊ、周波数帯変動平均値Ｈｊ、ＲＭＳ比平均値Ｒｊ及び尖度平均値Ｔｊを、音響データベース１６に記憶保存している機器の標準音響特徴値Ｓ_ｓｄ、または正常作動時に記憶保存した音響特徴値Ｓ_ｎの正常音の音響特徴値Ｓ＝［Ｆ，Ｈ，Ｒ，Ｔ］と比較する。
【００４０】
この比較は、図３に示すように、音響特徴比較手段２７において、先ず、ステップＳ３１で、時刻ｔ＝ｔ_ｊにおける音響特徴値Sｊ＝［Ｆj，Ｈj，Ｒj，Ｔj］が、音響特徴化手段２５から入力され、次にステップＳ３２で、音響データベース１６から標準音響特徴値Ｓ_ｓｄ、または正常時の音響特徴値Ｓ_ｎの［Ｆ，Ｈ，Ｒ，Ｔ］が読込まれて、ステップＳ３３で音響特徴値偏差値Ｂｊ＝√(Ｆj−Ｆ)^２＋（Ｈj−Ｈ)^２＋(Ｒj−Ｒ)^２＋(Ｔj−Ｔ)^２を算出する。
【００４１】
次に、その算出結果Ｂｊが、偏差値判定手段２８に入力され、ステップＳ３４で予め決定されて音響データベース１６に閾値データとして記憶保存される異常音判定閾値Ａを読込み、ステップＳ３５でこれとＢｊが比較されて、時刻ｔ＝ｔ_ｊの機器からの音響波形が正常音或いは異常音が判定される。
【００４２】
この判定結果が、表示手段２９で表示され、報知される。
【００４３】
この第２の実施形態によれば、機器から発せられた作動音の音響波形を、ＦＦＴ解析、ウェーブレット変換解析、ＲＭＳ解析、波形分布解析の各解析し、その解析結果から音響特徴値Ｓを定義して、正常に作動している時の音響特徴値Ｓｎに対する、周波数、音圧、時間的存在関係、波形分布の尖度など機器の作動状態を多面的に特徴付ける偏差値Ｂとして検知するので、機器の種々の異常時に発せられる異常音を検知できる。
【００４４】
なお、判定手段２８において、質的判定の、例えば「正常音」、「擬異常音」、「異常音」などの判定ランクを設定するには、２段階の第１の異常音判定閾値Ａ１及び第２の異常音判定閾値Ａ２を予め設定して、この第１の閾値以下では「正常音」と、第１の閾値から第２の閾値の間では「擬異常音」若しくは「異常音の予知」を、第２の閾値以上では「異常音」と判定することにより行うことができる。
【００４５】
このように、複数の判定閾値を設ける場合には、判定を数段階に分けて行なうので、音響特徴比較手段２７の出力の範囲により、正常音の他に異常音を「擬異常音」、「異常音」とランク判別ができる利点がある。
【００４６】
図４は、本発明の第３の実施形態の構成及びデータ処理手順を示す概念図である。
【００４７】
この第３の実施形態は、図４に示すように、音響波形を収集する手段１０と、周波数帯設定手段（バンドパスフィルタ）４１と変動周期及び変動振幅を算出するウェーブレット変換解析手段４２とから成る解析手段４０と、このウェーブレット解析結果から各周波数帯ｆｉの変動値を算出する手段４４とその出力を平均して数値化する手段４５から成る音響特徴化手段４３と、数値化された音響特徴値が蓄積される音響データベース１６と、音響特徴値を比較する音響特徴比較手段４７と、この音響特徴比較手段４７の出力を基準値と比較して判定する手段４８と、この判定手段４８の出力を表示する表示手段１９とから構成される。
【００４８】
第３の実施形態の動作は、音響波形ＳＤを収集する手段１０により、対象となる稼動中の機器から発生している動作音が時刻ｔ＝ｔ_ｊ−１から時刻ｔ＝ｔ_ｊまで収集され、解析手段４０の指定した周波数範囲外をカットする周波数帯設定手段（バンドパスフィルタ）４１に入力される。
【００４９】
周波数設定手段４１で設定される周波数帯ｆｉは、予め設定される最大周波数帯ｆｎを含むｎ個に区分された周波数帯から成る。
【００５０】
先ず、時刻ｔ＝ｔ_ｊ−１から時刻ｔ＝ｔ_ｊまで収集された音響波形ＳＤｊが周波数帯ｆｉに設定された周波数帯設定手段（バンドパスフィルタ）４１に入力され、その出力をウェーブレット変換解析手段４２が解析し、周波数帯ｆに対する解析結果の変動周期ｔｉと変動振幅Ａｍｉを出力する（ステップＳ４１）。
【００５１】
次に、音響特徴化手段４３の変動値算出手段４４により、変動値ｈｉ＝ｔｉ×Ａｍｉが算出される。この算出結果ｈｉは、ステップＳ４２で変動値平均値算出のために変動値平均値算出手段４５に一時的に記憶される。
【００５２】
一方、周波数帯ｆｉの変動値ｈｉが算出されると、ステップＳ４３により、設定されている周波数帯ｆｉの次の周波数帯に周波数帯設定手段（バンドパスフィルタ）４１の設定を変えて、ステップＳ４１及び変動値ｈｉ算出のステップを順次繰り返して、最大周波数帯ｆｎの変動値ｈｉを算出し終える（ステップＳ４４）と、変動値平均値算出手段４５により時刻ｔ＝ｔ_ｊ−１から時刻ｔ＝ｔ_ｊまで収集され音響波形ＳＤｊの変動値ｈｉの平均値Ｈｊを算出する。
【００５３】
この算出された変動値平均値Ｈｊは、音響データベース１６に音響特徴値データＳｈとして蓄積される（ステップＳ４５ａ）と共に、次段の音響特徴比較手段４７に入力される（ステップＳ４５）。
【００５４】
なお、音響データベース１６には、機器の標準音響特徴値Ｓｈ_ｓｄ、または正常作動時に記憶保存した音響特徴値Ｓｈ_ｎの機器の正常音の音響特徴値Ｓ＝［Ｈ］が記憶保存されている。
【００５５】
次に、時刻ｔ＝ｔ_ｊにおける音響特徴値Sｊ＝［Ｈj］が、先ず、ステップＳ４５で音響特徴化手段４３の変動値平均値算出手段４５から入力され、ステップＳ４６で音響データベース１６から標準音響特徴値Ｓｈ_ｓｄ、または正常時の音響特徴値Ｓｈ_ｎの正常音響特徴値Ｓ＝［Ｈ］が読込まれて、音響特徴比較手段４７が音響特徴値偏差値Ｂｈｊ＝√（Ｈj−Ｈ)^２を算出する。
【００５６】
その算出結果Ｂｈｊが、判定手段４８に入力され、音響データベース１６に閾値データとして、予め決定されて記憶保存される異常音判定閾値ＡｈをステップＳ４８で読込み、ステップＳ４９で異常音判定閾値ＡｈとＢｈｊが比較されて、時刻ｔ＝ｔ_ｊの機器からの音響波形が正常音或いは異常音が判定される。
【００５７】
この判定結果が、表示手段１９で表示されて、報知される。
【００５８】
この第３の実施形態によれば、機器から発せられた作動音の音響波形を予め設定した周波数帯域毎に、ウェーブレット変換により周波数変化と時間変化を同時解析する。この解析結果の変動周期と変動振幅を乗算した変動値Ｈを音響特徴値Ｓｈとして定義し、正常に作動している時の音響特徴値Ｓｈ_ｎと比較して、音響波形の時間的変化の他、音響周波数の瞬間的な変化を検出できる。したがって、機器の種々の異常時に発せられる異常音の突発的な変化、不連続な変化を検知できる。
【００５９】
また、判定に閾値を設けているので、閾値を数段階にして、偏差域により異常音のランク判別もできる利点がある。
【００６０】
図５は、本発明の第４の実施形態の構成及びデータ処理手順を示す概念図である。
【００６１】
図５に示すように、この第４の実施形態は、音響波形を収集する手段１０と、解析時間設定手段５１と、解析時間が異なる２つのＲＭＳ解析手段５２ａ、５２ｂから成る解析手段５０と、この２つのＲＭＳ解析結果のそれぞれの標準偏差値の比ｒを逐次算出し、所定の時間でその平均値Ｒを音響特徴値として出力する音響特徴化手段５３と、音響特徴値が蓄積される音響データベース１６と、音響特徴化手段５３の出力と正常音の音響特徴値を比較する音響特徴比較手段５７と、この音響特徴比較手段５７の出力を基準値と比較する判定手段５８と、この判定手段５８の出力を表示する表示手段１９とから構成される。
【００６２】
第４の実施形態の動作は、音響波形ＳＤを収集する手段１０により、対象となる稼動中の機器から発生している動作音の時刻ｔ＝ｔ_ｊ−１から時刻ｔ＝ｔ_ｊまでが音響波形SDｊとして収集される。
【００６３】
解析時間設定手段５１により、図６（ａ）に示すように、採集された時刻ｔ＝ｔ_ｊ−１から時刻ｔ＝ｔ_ｊまでの音響波形ＳＤｊを、解析手段５０に設けた解析時間間隔が異なる第１のＲＭＳ解析手段５２ａ及び第２のＲＭＳ解析手段５２ｂにより、第１のＲＭＳ解析手段５２ａでは、図６（ｂ）に示すように、例えば数ミリ秒の短時間間隔Ｔｎで短時間ＲＭＳ解析を、第２のＲＭＳ解析手段５２ｂでは、図６（ｃ）に示すように、例えば数十ミリ秒の時間間隔Ｔｍで長時間ＲＭＳ解析を行って、それぞれが短時間ＲＭＳ値及び長時間ＲＭＳ値を算出する（ステップＳ５２ａ、Ｓ５２ｂ）。
【００６４】
この２つの異なる時間間隔で算出されたそれぞれのＲＭＳ値は、音響特徴化手段５３に入力されて、ステップＳ５３ａ、Ｓ５３ｂで、短時間ＲＭＳ標準偏差値Ｖａ及び長時間ＲＭＳ標準偏差値Ｖｂが算出される。この偏差値Ｖａ、Ｖｂは、同じく音響特徴化手段５３に備えるＲＭＳ比算出手段５４により、その偏差値の比をとって、ＲＭＳ比ｒｉ＝短時間ＲＭＳ標準偏差値Ｖａ／長時間ＲＭＳ標準偏差値Ｖｂが計算される。この算出されたＲＭＳ比ｒｉは、ステップＳ５４ａで、これの平均値算出のためにＲＭＳ比平均値算出手段５５に一時的に記憶される。
【００６５】
一方、ステップＳ５４により、次の解析条件の設定手段５１で設定を次に進めて、ステップＳ５２及びステップＳ５３により順次ＲＭＳ比ｒｉを算出する。最後であるｎ番目の解析条件のＲＭＳ比ｒｎを算出し終えると、ＲＭＳ比平均値算出手段５５により、音響波形ＳＤｊのＲＭＳ比ｒｉの平均値Ｒｊを算出する。この平均値Ｒｊは、ステップＳ５５ａで音響データベース１６に音響特徴値データＳｒとして蓄積されると共に、次段の音響特徴比較手段５７に入力される。
【００６６】
なお、音響データベース１６には、機器の正常状態における標準音響特徴値Ｓｒ_ｓｄ、または正常作動時に記憶保存した音響特徴値Ｓｒ_ｎの機器の正常音の音響特徴値Ｓ＝［Ｒ］が記憶保存されている。
【００６７】
次に、音響特徴比較手段５７において、先ず、ステップＳ５６で、時刻ｔ＝ｔ_ｊにおける音響特徴値Sｊ＝［Ｒj］が、音響特徴化手段５３のＲＭＳ比平均値算出手段５５から入力され、ステップＳ５６で、音響データベース１６から標準音響特徴値Ｓｒ_ｓｄ、または正常時の音響特徴値Ｓｒ_ｎの正常音響特徴値Ｓ＝［Ｒ］が読込まれて、音響特徴値偏差値Ｂｒｊ＝√（Ｒj−Ｒ)^２を算出する。その算出結果Ｂｒｊが、判定手段５８に入力され、音響データベース１６に閾値データとして、予め決定されて記憶保存される異常音判定閾値ＡｒをステップＳ５７で読込み、ステップＳ５８でＢｒｊとこれが比較されて、時刻ｔ＝ｔ_ｊの機器からの音響波形が正常音或いは異常音かが判定される。
【００６８】
この判定結果が、表示手段１９で表示されて、報知される。
【００６９】
この第４の実施形態によれば、機器から発せられた作動音の音響波形を予め設定した時間毎に、異なるＲＭＳ解析時間で解析し、その解析結果から算出した標準偏差の比で定義する無次元化した音響特徴値Ｒとしているので、対象機器と検出器の距離や作動音の収集条件などにより生じる音圧の変化に影響されない異常音の検知ができる。音響波形のＲＭＳ解析を行うので、振幅変化を伴う異常音を検出できる。
【００７０】
図７は、本発明の第５の実施形態の構成及びデータ処理手順を示す概念図である。
【００７１】
図７に示すように、この第５の実施形態は、音響波形を収集する手段１０と、バンドパスフィルタを備えた解析周波数帯設定手段７１と、設定された周波数帯の音響波形を解析し、ＲＭＳ値を逐次算出するＲＭＳ解析手段７２から成る解析手段７０と、前記解析周波数帯設定手段７１の周波数帯を予め設定した周波数帯に順次変更して、解析手段７０が順次出力するＲＭＳ値の平均値を算出するＲＭＳ値平均値算出手段７５から成り、その平均値を音響特徴値として出力する音響特徴化手段７３と、音響特徴値が蓄積される音響データベース１６と、音響特徴値を比較する音響特徴比較手段７７と、この音響特徴比較手段７７の出力を基準値と比較する判定手段７８と、この判定手段７８の出力を表示する表示手段１９とから構成される。
【００７２】
第５の実施形態の動作は、図７に図示したように、音響波形ＳＤｊを収集する手段１０により、対象となる稼動中の機器から発生している動作音が時刻ｔ＝ｔ_ｊ−１から時刻ｔ＝ｔ_ｊまで収集する。この収集された音響波形が、予め区分して設定されている解析周波数帯ｆｉ設定手段７１のバンドパスフィルタにより周波数帯ｆｉの範囲外の周波数を除外して（ステップＳ７１）、解析手段７０のＲＭＳ解析手段７２に入力される。
【００７３】
ＲＭＳ解析手段７２が、周波数帯ｆｉに制限された音響波形のＲＭＳ値ｒf iを算出する。ステップＳ７２ａで、算出されたＲＭＳ値ｒf iは、これを平均値処理するために音響特徴化手段７３に一時的に記憶される。
【００７４】
一方、ステップＳ７２で次の周波数帯ｆi+1を設定して、再びバンドパスフィルタ７１により帯域ｆi+1の範囲外の周波数を除外して、ＲＭＳ解析手段７２が、周波数帯ｆi+1のＲＭＳ値ｒｆi+1を算出し、この算出したＲＭＳ値が同じく音響特徴化手段７３に一時的に記憶される。予め設定した周波数帯ｆｎまで順次ＲＮＳ解析が行われて、区分された各周波数帯毎のＲＭＳ値ｒf iの算出を終了する。
【００７５】
このＲＭＳ値ｒf iの算出が終了すると、音響特徴化手段７３のＲＭＳ値平均値算出手段７５により、時刻ｔ＝ｔ_ｊ−１から時刻ｔ＝ｔ_ｊまでの音響波形ＳＤｊの各周波数帯ｆｉにおけるＲＭＳ値ｒf iの平均値Ｒf jが算出される。この平均値Ｒf iは、音響特徴値として、ステップＳ７５ａで、音響データベース１６に格納記憶されると共に、次段の音響特徴比較手段７７に入力される（ステップＳ７５）。
【００７６】
なお、音響データベース１６には、機器の標準音響特徴値Ｓｒｆ_ｓｄ、または正常作動時に記憶保存した音響特徴値Ｓｒｆ_ｎの機器の正常音の音響特徴値Ｓ＝［Ｒｆ］が記憶保存されている。
【００７７】
次に、音響特徴比較手段７７に、先ず、ステップＳ７５で、時刻ｔ＝ｔ_ｊにおける音響特徴値Sｊ＝［Ｒf j］が、音響特徴化手段７３から入力され、ステップＳ７６で、音響データベース１６から標準音響特徴値Ｓｒｆ_ｓｄ、または正常時の音響特徴値Ｓｒｆ_ｎの正常音響特徴値Ｓ＝［Ｒf ］が読込まれて、音響特徴比較手段７７は音響特徴値偏差値Ｂｒf j＝√（Ｒf j −Ｒｆ)^２を算出する。
【００７８】
この算出結果Ｂｒf jが、判定手段７８に入力され、音響データベース１６に閾値データとして予め決定されて記憶保存される異常音判定閾値ＡｒfもステップＳ７７で読み込まれる。次に、ステップＳ７８で異常音判定閾値Ａｒf とＢｒf j が比較されて、時刻ｔ＝ｔ_ｊの機器からの音響波形が正常音或いは異常音かが判定される。この判定結果は、表示手段１９で表示されて、報知される。
【００７９】
この第５の実施形態によれば、機器から発せられた作動音の音響波形を予め設定した周波数帯域毎に、ＲＭＳ解析し、その解析結果から算出したＲＭＳ値の平均値を音響特徴値Ｒｆとしているので、対象機器の作動回転数や作動速度などの音響周波数の変化を伴う異常音を、その他の雑音を除去し、精度良く検知ができる。また、音響波形の取り込み周期を短い時間に設定することにより、断続的な振幅変化を伴う異常音を検出できる。
【００８０】
図８は、本発明の第６の実施形態の構成及びデータ処理手順を示す概念図である。
【００８１】
図８に示すように、この第６の実施形態は、音響波形ＳＤを収集する手段１０と、解析時間設定手段８１と、収集された音響波形をこの設定された解析時間で解析し、振幅分布度数を算出する波形分布解析手段８２から成る解析手段８０と、算出された振幅分布度数から尖度を逐次算出する手段８４と、所定の時間間隔でこの尖度の平均値Ｔを算出する手段８５とから成る音響特徴化手段８３と、音響特徴値を蓄積する音響データベース１６と、音響特徴化手段８３が出力する音響特徴値と基準の音響特徴値を比較する音響特徴比較手段８７と、この音響特徴比較手段８７の出力を基準値と比較する判定手段８８と、この判定手段８８の出力を表示する表示手段１９とから構成される。
【００８２】
第６の実施形態の動作は、音響波形ＳＤを収集する手段１０により、対象となる稼動中の機器から発生している動作音の時刻ｔ＝ｔ_ｊ−１から時刻ｔ＝ｔ_ｊまでの音響波形ＳＤｊが収集される（ステップＳ８１）。
【００８３】
時刻ｔ＝ｔ_ｊ−１から時刻ｔ＝ｔ_ｊまで採集された音響波形ＳＤｊに対し、ｎ分割した時刻ｔ＝ｔ_ｉ−１から時刻ｔ＝ｔ_ｉまでの時間Ｐｉ毎に、解析手段８０に設けた波形分布解析手段８２が、波形分布解析を行って、振幅分布度数を算出する（ステップＳ８２）。
【００８４】
算出された振幅分布度数は、音響特徴化手段８３の尖度算出手段８４に入力されて、時間Ｐｉの尖度ｔｉが算出される。この算出された尖度ｔｉは、ステップＳ８４ａで、尖度平均値算出のために尖度平均値算出手段８５に一時的に記憶される。なお、ここで算出される尖度ｔｉは、振幅分布が正規分布となりときに０値となり、中心への集中度が高く正規分布より尖っている場合には正値に、すそが広く正規分布より扁平になっている場合には負値となるものである。
【００８５】
一方、ステップＳ８４により、設定手段８１の設定を前記ｎ分割の各時間Ｐｉの次の解析時間に進めて、ステップＳ８２及び尖度算出手段８３を繰返し、順次尖度ｔｉを算出し、同じくステップＳ８４ａで尖度平均値算出手段８５に一時的に記憶する。最後の解析時間Ｐｎの尖度ｔｎを算出し終えると、尖度平均値算出手段８５により、各時間Ｐｉにおいて収集され音響波形の尖度ｔｉの平均値Ｔｊを算出する。この平均値Ｔｊは、ステップＳ８５ａで音響データベース１６に音響特徴値データＳｔとして蓄積されると共に、次段の音響特徴比較手段８７に入力される（ステップＳ８５）。
【００８６】
なお、音響データベース１６には、機器の標準音響特徴値Ｓｔ_ｓｄ、または正常作動時に記憶保存した音響特徴値Ｓｔ_ｎの機器の正常音の音響特徴値Ｓ＝［Ｔ］が記憶保存されている。
【００８７】
次に、音響特徴比較手段８７には、先ず、ステップＳ８５で、時刻ｔ＝ｔ_ｊにおける音響特徴値Sｊ＝［Ｔj］が、音響特徴化手段８３から入力され、ステップＳ８６で、音響データベース１６から前記標準音響特徴値Ｓｔ_ｓｄ、または正常時の音響特徴値Ｓｔ_ｎの正常音響特徴値Ｓ＝［Ｔ］が読込まれて、音響特徴値偏差値Ｂｔｊ＝√（Ｔj−Ｔ)^２を算出する。
【００８８】
この算出結果Ｂｔｊが、判定手段８８に入力され、音響データベース１６に閾値データとして予め決定されて記憶保存される異常音判定閾値ＡｔもステップＳ８７で読み込まれる。次にステップＳ８８で異常音判定閾値ＡｔとＢｔｊが比較されて、時刻ｔ＝ｔ_ｊの機器からの音響波形が正常音或いは異常音かが判定される。
【００８９】
この判定結果が、表示手段１９で表示されて、報知される。
【００９０】
この第６の実施形態によれば、機器から発せられた作動音の音響波形を予め設定した時間毎に波形分布解析し、その解析結果振幅分布から算出した尖度で定義する音響特徴値を判別するので、作動音の強弱差とそのピッチが正常時と比較されて、突発的な変化、不連続な変化をする対象機器の非定常の異常音の検知ができる。
【００９１】
図９は、本発明の第７の実施形態の構成及びデータ処理手順を示す概念図である。
【００９２】
図９に示すように、この第７の実施形態は、音響波形ＳＤを収集する手段１０と、バンドパスフィルタを備えた解析周波数帯設定手段９１と、設定された周波数帯ｆｉの音響波形が入力され、その振幅分布度数を解析する波形分布解析手段９２から成る解析手段９０と、この解析された振幅分布度数から尖度を算出する尖度算出手段９４及び設定される前記周波数帯ｆｉを順次変化させて算出された尖度の平均値Ｔf を算出し音響特徴値とする尖度平均値算出手段９５とから成る音響特徴化手段９３と、音響特徴値が蓄積される音響データベース１６と、音響特徴値を比較する音響特徴比較手段９７と、この音響特徴比較手段９７の出力を基準値と比較する判定手段９８と、この判定手段９８の出力を表示する表示手段１９とを具備している。
【００９３】
第７の実施形態の動作は、図９に図示したように、音響波形ＳＤを収集する手段１０により、対象となる稼動中の機器から発生している動作音の時刻ｔ＝ｔ_ｊ−１から時刻ｔ＝ｔ_ｊまでの音響波形ＳＤｊを収集する。この収集された音響波形ＳＤｊが、予め区分して設定されている解析周波数帯域ｆｉのバンドパスフィルタ９１により帯域ｆｉの範囲外の周波数を除外して（ステップＳ９１）、解析手段９０に設けられる波形分布解析手段９２に入力される。
【００９４】
波形分布解析手段９２が、ステップＳ９２で、音響波形ＳＤｊの周波数帯ｆｉの範囲における振幅分布度数を算出し、出力する。
【００９５】
この振幅分布度数が音響特徴化手段９３に入力され、音響波形ＳＤｊの周波数帯ｆｉの尖度ｔf i が尖度算出手段９４により算出される。算出された尖度ｔf iは、ステップＳ９４ａで、平均値処理のため、尖度平均値算出手段９５に一時的に記憶される。
【００９６】
一方、ステップＳ９４で、周波数帯ｆｉを次に進めて、進めた周波数帯が予め設定した範囲内であれば、ステップＳ９１に戻り次の異なる周波数帯ｆi+1 を設定して、再び解析周波数設定バンドパスフィルタ９１により、周波数帯ｆi+1の範囲外の周波数を除外して、波形分布解析手段９２及び尖度算出手段９４により周波数帯ｆi+1の尖度ｔｆi+1を算出し、尖度平均値算出手段９５に一時的に記憶される（ステップＳ９４ａ）。予め設定した周波数帯ｆｎまで、各周波数帯の波形分布解析が順次行われて、各周波数帯毎の尖度ｔf i の算出を終了する。
【００９７】
この各周波数帯毎の尖度ｔf i の算出が終了すると、音響特徴化手段９３の尖度平均値算出手段９５により、時刻ｔ＝ｔ_ｊ−１から時刻ｔ＝ｔ_ｊまでの時間の各周波数帯ｆｉにおける尖度ｔf i の平均値Ｔf i が算出される。この算出された平均値Ｔf i は、音響特徴値Ｓとして、ステップＳ９５ａで、音響データベース１６に格納記憶されると共に、ステップＳ９５で、次段の音響特徴比較手段９７に入力される。
【００９８】
なお、音響データベース１６には、機器の標準音響特徴値Ｓｔｆ_ｓｄ、または正常作動時に記憶保存した音響特徴値Ｓｔｆ_ｎの機器の正常音の音響特徴値Ｓ＝［Ｔｆ］が記憶保存されている。
【００９９】
次に、音響特徴比較手段９７は、先ず、ステップＳ９５で、時刻ｔ＝ｔ_ｊにおける音響特徴値Sｊ＝［Ｔf j］が、音響特徴化手段９３から入力され、ステップＳ９６で、音響データベース１６から標準音響特徴値Ｓｔｆ_ｓｄ、または正常時の音響特徴値Ｓｔｆ_ｎの正常音響特徴値Ｓ＝［Ｔｆ］が読込まれて、音響特徴値偏差値Ｂｔfｊ＝√（Ｔf j −Ｔｆ)^２を算出する。
【０１００】
その算出結果Ｂｔfｊが、判定手段９８に入力され、音響データベース１６に閾値データとして予め決定されて記憶保存される異常音判定閾値ＡｔｆをステップＳ９７で読込み、ステップＳ９８で異常音判定閾値ＡｔｆとＢｔfｊが比較されて、時刻ｔ＝ｔ_ｊの機器からの音響波形が正常音或いは異常音かが判定される。
【０１０１】
この判定結果が、表示手段１９で表示されて、報知される。
【０１０２】
この第７の実施形態によれば、機器から発せられた作動音の音響波形を予め設定した周波数帯域毎に、ＲＭＳ解析し、その解析結果から算出したＲＭＳ値の平均値を音響特徴値Ｒｆとしているので、対象機器の作動回転数や作動速度などの音響周波数の変化を伴う動作音の強弱差とそのピッチが、正常音と比較されて、異常音の検知ができる。また、音響波形の取り込み周期を短い時間に設定することにより、断続的な振幅変化を伴う非定常音を、その雑音を除去し精度良く検出できる。
【０１０３】
【発明の効果】
以上、説明したように本発明の異常音検出装置によれば、作動している機器からの動作音の音響波形を、周波数、音圧、時間的存在関係及び波形分布の尖度などの多面的な特徴を抽出するファーストフーリェ変換解析、ウェーブレット変換解析、ＲＭＳ解析及び波形分布解析の解析結果から音響特徴値として数値化し、音響波形の状態を捕捉するので、音響データベースに格納した正常音に対応する音響特徴値データと比較して、異常音の判定ができる。
【０１０４】
本発明の異常音検出装置は、機器の作動音を逐次解析し、異常音の判定を連続して行うので、保安員の巡回に依らず、また従来の巡回による異常音検出では困難であった、機器の異常音の常時検出を行うことができる、また検出結果の表示手段を機器の位置によらず設置できるので、遠隔地において異常音の発生を知ることができる。
【０１０５】
また、異常音検出は判定手段において基準データと比較して行うので、判定比較データの作成・設定を蓄積された過去の音響特徴値データを参照し、その判定基準値を段階的に設定して、異常音発生の予知、及び異常のレベルなどの判定も可能となる。
【図面の簡単な説明】
【図１】本発明の第１の実施形態の全体構成を示すブロック図。
【図２】本発明の第２の実施形態の全体構成を示すブロック図。
【図３】本発明の第２の実施形態の音響特徴化手段以降に行われる処理を概念的に示すフロー図。
【図４】本発明の第３の実施形態の構成及びデータ処理手順を示す概念図。
【図５】本発明の第４の実施形態の構成及びデータ処理手順を示す概念図。
【図６】本発明の第４の実施形態の異なる解析時間を概念的に示す図。
【図７】本発明の第５の実施形態の構成及びデータ処理手順を示す概念図。
【図８】本発明の第６の実施形態の構成及びデータ処理手順を示す概念図。
【図９】本発明の第７の実施形態の構成及びデータ処理手順を示す概念図。
【符号の説明】
１０・・・音響波形収集手段、
１１・・・ファーストフーリェ（ＦＦＴ）変換解析手段、
１２、４２・・・ウェーブレット変換解析手段、
１３、７２・・・実効値（ＲＭＳ）解析手段、
１４、８２、９２・・・波形分布解析手段、
１５、２５、４３、５３、７３、８３、９３・・・音響特徴化手段、
１６・・・音響データベース、
１７、２７、４７、５７、７７、８７、９７・・・音響特徴比較手段、
１８、２８、４８、５８、７８、８８、９８・・・判定手段、
１９、２９・・・表示手段、
２０、４０、５０、７０、８０、９０・・・解析手段、
２１・・・ＦＦＴ積分値算出手段、
２２ａ、４４・・・ウェーブレット周波数帯変動値算出手段、
２２ｂ、４５・・・周波数帯変動平均値算出手段、
２３ａ、５３ａ、５３ｂ・・・ＲＭＳ標準偏差値算出手段、
２３ｂ、５４・・・ＲＭＳ比算出手段、
２４ａ、８４、９４・・・尖度算出手段、
２４ｂ、８５、９５・・・尖度平均値算出手段、
２５ａ・・・音響特徴化算出手段、
４１、７１、９１・・・周波数帯設定手段（バンドパスフィルタ）、
５１・・・解析時間設定手段、
５２ａ・・・第１（短時間）のＲＭＳ解析手段、
５２ｂ・・・第２（長時間）のＲＭＳ解析手段、
５５・・・ＲＭＳ比平均値算出手段、
７５・・・ＲＭＳ値平均値算出手段。[0001]
BACKGROUND OF THE INVENTION
The present invention relates to an abnormal sound detection device that detects an abnormal state of a device by an acoustic vibration wave emitted from an operating part constituting the device, that is, an operating sound, during operation of the device.
[0002]
[Prior art]
In general, when abnormal noise occurs in a plant and its equipment, there are many cases in which changes occur in the sound and vibration generated during operation of these equipment, and a method of periodically monitoring vibration and detecting abnormal sound is used. Conventionally, an analysis technique such as Fast Fourier Transform is used for analysis of these vibrations, and a detector must be installed in a target device for vibration measurement, so that the target is limited (for example, (See Patent Document 1).
[0003]
On the other hand, in a plant or other equipment, an abnormality in the equipment is often started by an abnormal sound felt by maintenance personnel during patrol. However, the recognition of the presence or absence of device abnormality by sound depends on the skill level of maintenance personnel. In the field of acoustic technology, research and technology for noise have improved, but the technology for acoustic recognition when equipment abnormalities are felt by maintenance personnel is still under development, and maintenance noise is judged by maintenance personnel. ing.
[0004]
[Patent Document 1]
JP 2001-255241 A
[0005]
[Problems to be solved by the invention]
Sound is one piece of device information that can be obtained without touching the target device, and since it is obtained without contact, it contains a lot of surrounding and unnecessary information. Therefore, from this characteristic, when the maintenance staff recognizes an abnormal sound during patrol in the plant, a detailed investigation is performed in order to identify the abnormal part or abnormal event. The acoustic elements recognized by maintenance personnel are classified into sound pitch (frequency), sound volume (sound pressure), sound temporal change (sound quality), and sound position (sound source). Is closely related to the abnormal part, and the other three are related to the abnormal event. By analyzing with conventional methods, the nature of frequency and sound pressure has been elucidated. However, regarding the time change, there are many unknown parts, and it was difficult to consider as an element for judging whether the sound is abnormal. In order to recognize abnormal sounds by sound as well as maintenance personnel, it is necessary to establish a method for recognizing abnormal sounds by detecting temporal changes in sound.
[0006]
Further, the conventional recognition of abnormal sound by patrol by maintenance personnel has a serious problem that the abnormal state is left until the patrol timing after the occurrence of the abnormality. Along with the above-mentioned problems that require the skill level of maintenance personnel, it is also an issue to be solved to detect abnormal sounds earlier.
[0007]
The present invention has been made in view of the above problems, and provides an abnormal sound detection device that detects abnormal sounds by sequentially determining the acoustic waveforms of operation sounds emitted from equipment, regardless of the patrol of maintenance personnel. For the purpose.
[0008]
[Means for Solving the Problems]
The abnormal sound detection device of the present invention, Means for collecting acoustic waveforms during normal operation and during operation of the device, first Fourier transform analysis integrated value calculation means for analyzing the collected acoustic waveforms and integrating the analysis results, and the acoustic waveforms as wavelets Wavelet fluctuation average value calculation means for performing conversion analysis and calculating the average value of the fluctuation value of the analysis result, and effective value analysis of the acoustic waveform at different analysis time intervals, and calculating the standard deviation value of the effective value of the analysis result, respectively An effective value ratio calculating means for calculating and calculating a ratio of the standard deviation values of the effective values under different analysis conditions; and a waveform distribution peak for calculating an average value of the kurtosis of the analysis result by performing waveform distribution analysis on the acoustic waveform. Average value calculating means, integrated value output from the first Fourier transform analysis integrated value calculating means, and output from the wavelet fluctuation average value calculating means. Normal operation and device operation comprising a wavelet fluctuation average value, an effective value ratio average value output from the effective value ratio average value calculating means, and an average kurtosis average value output from the waveform distribution kurtosis average value calculating means An acoustic characterization unit for calculating the acoustic characterization value in the storage unit, and storing and saving each acoustic characterization value during normal operation and each acoustic characterization unit during operation of the device obtained by the acoustic characterization unit An acoustic database, an acoustic feature comparison means for comparing / calculating the acoustic characterization numerical value during normal operation and the calculated acoustic characterization numerical value during operation of the device, an output of the acoustic feature comparison means, and a preset reference value And a determination means for determining abnormal sound by comparing , It is characterized by comprising display means for displaying the result of this judgment means. .
[0009]
Also, the abnormal sound detection device of the present invention is The wavelet variation average value calculation means divides the sound waveform into a plurality of frequency bands by a filter, performs a wavelet transform analysis on the acoustic waveform in each frequency band, and calculates the variation period from the analysis result of the wavelet transform analysis. Is a means to calculate the wavelet acoustic characterization variation value by averaging the variation values of each frequency band multiplied by the variation width .
[0010]
In addition, the abnormal sound detection device of the present invention, The effective value ratio calculating means divides the acoustic waveform into acoustic waveforms of a plurality of frequency bands using a filter, and performs an effective value analysis on the acoustic waveforms of each frequency band at different analysis time intervals. The effective value analyzing means, the two effective value standard deviation value calculating means, and the effective value calculating means for calculating the ratio of the two effective value standard deviation values calculated by the two effective value standard deviation value calculating means. .
[0011]
Also, the abnormal sound detection device of the present invention is The waveform distribution kurtosis average value calculating means is divided into acoustic waveforms of a plurality of frequency bands by a filter, and the waveform distribution analyzing means for calculating the amplitude distribution frequency of the acoustic waveforms of each frequency band at a predetermined time interval; It comprises means for calculating the kurtosis from the amplitude distribution frequency in each frequency band output from the waveform distribution analysis means and calculating the average value of these kurtosis. .
[0016]
DETAILED DESCRIPTION OF THE INVENTION
Hereinafter, embodiments of the present invention will be described in detail with reference to the drawings. In addition, the same code | symbol is attached | subjected to the same or equivalent part in a figure.
[0017]
FIG. 1 is a block diagram showing the overall configuration of the abnormal sound detection apparatus according to the first embodiment of the present invention.
[0018]
As shown in FIG. 1, the first embodiment includes a means 10 for collecting an acoustic waveform SD, a first Fourier transform (hereinafter abbreviated as FFT) analysis means 11, a wavelet transform analysis means 12, an effective value (hereinafter RMS). Abbreviated) analysis means 20 comprising analysis means 13 and waveform distribution analysis means 14, acoustic characterization means 15 for digitizing the analysis results of the analysis means 20, and analysis results output from the acoustic characterization means 15. , And the acoustic database 16 in which the data obtained by quantifying the acoustic features of the normal operation of the device are stored, the acoustic feature comparing means 17 for comparing the two quantified data, and the acoustic feature comparing means It comprises a judging means 18 for judging an abnormal sound by comparing the output of 17 with a reference value, and a display means 19 for displaying the result.
[0019]
In the operation of this embodiment, the operation sound generated by the target operating device is detected by the means 10 for collecting the acoustic waveform SD, for example, at time t = t. _j-1 To time t = t _j Are collected as an acoustic waveform SDj. This collection is done sequentially.
[0020]
The collected acoustic waveform SDj is input to each analysis unit of the analysis unit 20, and FFT analysis unit 11 performs FFT analysis, wavelet transform analysis unit 12 performs wavelet transform analysis, RMS analysis unit 13 performs RMS analysis, and waveform distribution. The amplitude distribution analysis is performed by the analysis means 14.
[0021]
The result of each analysis means is converted into an acoustic feature value Scj representing the acoustic waveform SDj in the acoustic characterization means 15. The acoustic feature value Scj is input to the acoustic database 16 and the acoustic feature comparison unit 17, respectively.
[0022]
The acoustic database 16 collects a preset standard acoustic feature value Sc0 representing the acoustic waveform SD during normal operation of the target device, or when the target device is operating normally. The acoustic feature value Sc0 ′ output from the acoustic characterization means 15 of the acoustic waveform SD0 is stored in advance.
[0023]
Next, the acoustic feature value Scj calculated by the acoustic feature comparison means 17 through the analysis means 20 and the acoustic characterization means 15 of the acoustic waveform SDj collected sequentially is the standard acoustic feature value Sc0 stored in the acoustic database 16. Alternatively, the acoustic feature value Sc0 ′ when the device operates normally is referred to and compared with this.
[0024]
The comparison result of the acoustic feature comparison unit 17 is input to the determination unit 18, and it is determined by the determination logic preset in the determination unit 18 whether the sequentially input acoustic feature value Scj corresponds to the normal sound of the device. . If it is determined that it corresponds to a normal sound, a “normal sound” is output. On the other hand, if it is determined that it does not correspond to a normal sound, an “abnormal sound” is output and this result is displayed by the display means 19. . When quantitative determination is performed in the determination by the determination unit 18, a determination reference threshold Ag serving as a determination reference is stored in the acoustic database 16 in advance, and the determination unit 18 determines the determination with reference to this. Is done.
[0025]
Further, the display means 19 can use not only display by characters but also display by sound and light such as red light or blinking.
[0026]
According to the first embodiment, the operation sound emitted from the device performs an analysis of FFT, wavelet transform analysis, RMS analysis, and waveform distribution analysis on the acoustic waveform, and the frequency, sound pressure, and temporal existence are analyzed. Transforms multifaceted analysis results such as relationships and kurtosis of waveform distribution into acoustic feature values that represent the characteristics of the operating sound of the equipment, and these acoustic feature values are abnormalities that cannot be determined by a single analysis as changes in the acoustic waveform Sound can also be captured. Furthermore, the acoustic feature value calculated sequentially from the acoustic waveform of the operating sound generated from the current device and the acoustic feature value data corresponding to the normal sound stored in the acoustic database are compared by the acoustic feature comparison means. The normal sound or abnormal sound is determined, and the result can be displayed.
[0027]
Also, in the conventional recognition of abnormal sounds by maintenance personnel, maintenance personnel went to the place where the equipment was installed and detected at the time of patrol, whereas according to this embodiment, the collection of acoustic waveforms, Each process of analysis and feature comparison / determination is performed momentarily while the target device is in operation, and normal sounds or abnormal sounds can be detected and displayed in real time. Furthermore, since the display means can be installed away from the acoustic waveform collection means, it is possible to know the abnormal sound even in a remote place without going to the target device.
[0028]
FIG. 2 is a block diagram showing the overall configuration of the abnormal sound detection apparatus according to the second embodiment of the present invention.
[0029]
In the second embodiment, as shown in FIG. 2, an analysis comprising an acoustic waveform SD collecting means 10, an FFT analysis means 11, a wavelet transform analysis means 12, an RMS analysis means 13, and a waveform distribution analysis means 14. The analysis time differs between the means 20, the FFT integrated value calculating means 21, the wavelet frequency band fluctuation value calculating means 22a, and the frequency band fluctuation average value calculating means 22b that digitize the acoustic waveform from the analysis result of the analyzing means 20. RSM standard deviation value calculation means 23a for calculating the standard deviation values of the two RMS values, RMS ratio calculation means 23b for calculating the ratio of the two standard deviation values, kurtosis calculation means 24a and kurtosis of the waveform distribution The acoustic characterization means 25 comprising the degree average value calculation means 24b, and the acoustic data for accumulating the acoustic feature values output from the acoustic characterization means 25a 16, an acoustic feature comparison unit 27 that calculates a deviation value of the acoustic feature value, a deviation value determination unit 28 that compares the output of the acoustic feature comparison unit 27 with a determination threshold, and an output of the deviation value determination unit 28 Display means 29 for displaying.
[0030]
In the operation of the second embodiment, first, the operation sound generated from the target operating device is detected at time t = t by means 10 for collecting the acoustic waveform SD. _j-1 To time t = t _j Period T _j Collected in
[0031]
The analysis result of the FFT analysis unit 11 to which the acoustic waveform SDj is input is input to the FFT integration value calculation unit 21, and an FFT integration value Fj obtained by integrating the FFT analysis result of the acoustic waveform SDj is output.
[0032]
The analysis result of the wavelet transform analysis unit 12 to which the acoustic waveform SDj is input is input to the wavelet frequency band variation value calculation unit 22a, and the variation value hi of each frequency band of the acoustic waveform SDj is represented by variation value hi = variation period. The frequency band fluctuation average value calculating means 22b, which is calculated by ti × the fluctuation amplitude Ami and receives the fluctuation value hi, inputs the time t ₀ = T _j -T _j-1 The average value of i pieces of hi calculated in the above is calculated as the fluctuation value average value Hj.
[0033]
The RMS analysis means 13 to which the acoustic waveform SDj has been input has an RMS value obtained by analyzing the acoustic waveform SDj shown in FIG. 6A at different analysis time intervals, for example, the acoustic waveform SDj shown in FIG. Short time interval T _n The short-time RMS value analyzed by _n Longer time interval T divided into m as shown in FIG. _m The long-time RMS value analyzed in (1) is sequentially calculated.
[0034]
Next, the RMS standard deviation value calculating means 23a calculates the standard deviation values of the calculated RMS values, that is, the short time RMS standard deviation value and the long time RMS standard deviation value, and further, the RMS ratio calculating means 23b An RMS ratio Rj, which is a ratio between the long-time RMS standard deviation value and the short-time RMS standard deviation value, is calculated.
[0035]
In the analysis of the waveform distribution analyzing means 14 to which the acoustic waveform SDj is input, the time t = t that is a part of the acoustic waveform SDj. _i-1 To time t = t _i The amplitude distribution frequency of the acoustic waveform SDi up to is output. This amplitude distribution frequency is input to the waveform distribution kurtosis calculation means 24a to calculate the kurtosis ti of the waveform distribution of the acoustic waveform SDi, and further, the kurtosis average value calculation means 24b calculates the time t ₀ = T _j -T _j-1 The kurtosis average value Tj based on the i kurtosis ti calculated in step S is calculated.
[0036]
The acoustic feature value calculating means 25a calculates each of the FFT integrated value Fj, the fluctuation value average value Hj, the RMS ratio average value Rj, and the kurtosis average value Tj calculated from the results of these analysis means as the acoustic waveform SDj. Is output as an acoustic feature value S representing the characteristics of The acoustic feature value S is defined as a function of the FFT integral value F, the fluctuation value average value H, the RMS ratio average value R, the kurtosis average value T, or a numerical value sequence thereof. For example, in the numerical value sequence, the acoustic feature value S = [F, H, R, T].
[0037]
Therefore, the acoustic feature value Sj = [Fj, Hj, Rj, Tj] is obtained from the average value calculation means 22b, 23b, 24b of each analysis at time t = t. _j Are input to the acoustic database 16 and the acoustic feature comparison means 27, respectively.
[0038]
The operations of the acoustic feature comparison unit 27 and the deviation value determination unit 28 will be described with reference to the procedure of the flowchart of FIG. 3 conceptually showing the processing performed after the acoustic characterization unit 25 described above.
[0039]
In the acoustic feature value converting means 27, time t = t for each predetermined time _j Standard acoustic feature value S of the device that stores and saves the FFT integrated value Fj, frequency band variation average value Hj, RMS ratio average value Rj, and kurtosis average value Tj of the acoustic feature value Sj in the acoustic database 16. _sd Or the acoustic feature value S stored and stored during normal operation _n Are compared with acoustic feature values S = [F, H, R, T] of normal sound.
[0040]
As shown in FIG. 3, this comparison is performed by the acoustic feature comparison means 27, in step S31, at time t = t. _j The acoustic feature value Sj = [Fj, Hj, Rj, Tj] is input from the acoustic characterization means 25, and then in step S32, the standard acoustic feature value S from the acoustic database 16 is input. _sd , Or normal acoustic feature value S _n [F, H, R, T] are read, and in step S33, the acoustic feature value deviation value Bj = √ (Fj−F) ² + (Hj-H) ² + (Rj-R) ² + (Tj-T) ² Is calculated.
[0041]
Next, the calculation result Bj is input to the deviation value determination means 28, and the abnormal sound determination threshold A that is previously determined in step S34 and stored and stored as threshold data in the acoustic database 16 is read. Are compared and time t = t _j The sound waveform from the device is determined as normal sound or abnormal sound.
[0042]
This determination result is displayed on the display means 29 and notified.
[0043]
According to the second embodiment, the acoustic waveform of the operating sound emitted from the device is analyzed by FFT analysis, wavelet transform analysis, RMS analysis, and waveform distribution analysis, and the acoustic feature value S is defined from the analysis result. Then, since it is detected as a deviation value B that characterizes the operation state of the device from various aspects such as frequency, sound pressure, temporal existence relationship, kurtosis of waveform distribution, etc., relative to the acoustic feature value Sn when operating normally, Abnormal sounds generated when various abnormalities occur in the device can be detected.
[0044]
In order to set the determination rank of the qualitative determination, for example, “normal sound”, “pseudo abnormal sound”, “abnormal sound”, etc. in the determination means 28, the first abnormal sound determination threshold A1 of two stages and A second abnormal sound determination threshold A2 is set in advance, and a “normal sound” below this first threshold and a “pseudo-abnormal sound” or “abnormal sound prediction” between the first threshold and the second threshold. "Can be performed by determining" abnormal sound "above the second threshold.
[0045]
In this way, when a plurality of determination thresholds are provided, the determination is performed in several stages. Therefore, depending on the output range of the acoustic feature comparison means 27, abnormal sounds other than normal sounds are classified as “pseudo abnormal sounds”, “ There is an advantage that rank can be distinguished from "abnormal sound".
[0046]
FIG. 4 is a conceptual diagram showing the configuration and data processing procedure of the third embodiment of the present invention.
[0047]
As shown in FIG. 4, the third embodiment includes an acoustic waveform collecting means 10, a frequency band setting means (bandpass filter) 41, and a wavelet transform analyzing means 42 for calculating a fluctuation period and a fluctuation amplitude. And an acoustic characterization means 43 comprising means 44 for calculating the fluctuation value of each frequency band fi from this wavelet analysis result, and means 45 for averaging the output and digitizing it, and the digitized acoustic feature. An acoustic database 16 in which values are stored, an acoustic feature comparison means 47 for comparing acoustic feature values, a means 48 for comparing the output of the acoustic feature comparison means 47 with a reference value, and an output of the determination means 48 Display means 19 for displaying.
[0048]
In the operation of the third embodiment, the operation sound generated from the target operating device is detected at time t = t by means 10 for collecting the acoustic waveform SD. _j-1 To time t = t _j And is input to a frequency band setting means (band pass filter) 41 that cuts outside the frequency range designated by the analysis means 40.
[0049]
The frequency band fi set by the frequency setting means 41 is composed of frequency bands divided into n including the preset maximum frequency band fn.
[0050]
First, time t = t _j-1 To time t = t _j The acoustic waveform SDj collected up to is input to the frequency band setting means (bandpass filter) 41 set to the frequency band fi, the output is analyzed by the wavelet transform analysis means 42, and the fluctuation period of the analysis result for the frequency band f ti and fluctuation amplitude Ami are output (step S41).
[0051]
Next, the fluctuation value hi = ti × Ami is calculated by the fluctuation value calculation means 44 of the acoustic characterization means 43. This calculation result hi is temporarily stored in the fluctuation value average value calculation means 45 for calculating the fluctuation value average value in step S42.
[0052]
On the other hand, when the fluctuation value hi of the frequency band fi is calculated, the setting of the frequency band setting means (bandpass filter) 41 is changed to the next frequency band of the set frequency band fi in step S43, and step S41 is performed. When the fluctuation value hi of the maximum frequency band fn is calculated by repeating the steps of calculating the fluctuation value hi and the fluctuation value hi (step S44), the fluctuation value average value calculating means 45 causes the time t = t. _j-1 To time t = t _j Until the average value Hj of the fluctuation values hi of the acoustic waveform SDj is calculated.
[0053]
The calculated variation value average value Hj is accumulated as acoustic feature value data Sh in the acoustic database 16 (step S45a) and is input to the acoustic feature comparison means 47 in the next stage (step S45).
[0054]
The acoustic database 16 includes a standard acoustic feature value Sh of the device. _sd Or acoustic feature value Sh stored and stored during normal operation _n The acoustic feature value S = [H] of the normal sound of the device is stored and saved.
[0055]
Next, time t = t _j In step S45, the acoustic feature value Sj = [Hj] is first input from the fluctuation value average value calculating unit 45 of the acoustic characterization unit 43, and in step S46, the standard acoustic feature value Sh from the acoustic database 16 is input. _sd , Or normal acoustic feature value Sh _n Normal acoustic feature value S = [H] is read, and the acoustic feature comparison means 47 determines the acoustic feature value deviation value Bhj = √ (Hj−H). ² Is calculated.
[0056]
The calculation result Bhj is input to the determination unit 48, and the abnormal sound determination threshold Ah, which is determined and stored in advance as threshold data in the acoustic database 16, is read in step S48. In step S49, the abnormal sound determination threshold Ah and Bhj are read. Are compared and time t = t _j The sound waveform from the device is determined as normal sound or abnormal sound.
[0057]
This determination result is displayed on the display means 19 and notified.
[0058]
According to the third embodiment, the frequency change and the time change are simultaneously analyzed by wavelet transform for each preset frequency band of the acoustic waveform of the operating sound emitted from the device. The fluctuation value H obtained by multiplying the fluctuation period and fluctuation amplitude of the analysis result is defined as the acoustic feature value Sh, and the acoustic feature value Sh when operating normally is defined. _n In addition to the temporal change in the acoustic waveform, an instantaneous change in the acoustic frequency can be detected. Therefore, it is possible to detect sudden changes and discontinuous changes in abnormal sounds generated when various abnormalities occur in the device.
[0059]
Moreover, since the threshold value is provided for the determination, there is an advantage that the rank of the abnormal sound can be determined by the deviation range by setting the threshold value to several stages.
[0060]
FIG. 5 is a conceptual diagram showing the configuration and data processing procedure of the fourth embodiment of the present invention.
[0061]
As shown in FIG. 5, the fourth embodiment includes an acoustic waveform collecting means 10, an analysis time setting means 51, an analysis means 50 comprising two RMS analysis means 52a and 52b having different analysis times, An acoustic characterization unit 53 that sequentially calculates a ratio r of standard deviation values of the two RMS analysis results and outputs the average value R as an acoustic feature value at a predetermined time, and an acoustic in which the acoustic feature value is stored Database 16, acoustic feature comparison unit 57 that compares the output of acoustic characterization unit 53 with the acoustic feature value of normal sound, determination unit 58 that compares the output of acoustic feature comparison unit 57 with a reference value, and this determination unit And display means 19 for displaying 58 outputs.
[0062]
The operation of the fourth embodiment is performed by the time t = t of the operation sound generated from the target operating device by the means 10 for collecting the acoustic waveform SD. _j-1 To time t = t _j Are collected as the acoustic waveform SDj.
[0063]
As shown in FIG. 6A, the collection time t = t by the analysis time setting means 51 _j-1 To time t = t _j The first RMS analysis means 52a and the second RMS analysis means 52b, which have different analysis time intervals provided in the analysis means 50, are used in the first RMS analysis means 52a as shown in FIG. As shown in FIG. 6, for example, short-time RMS analysis is performed at a short time interval Tn of several milliseconds, and the second RMS analysis means 52b is long at a time interval Tm of several tens of milliseconds as shown in FIG. A time RMS analysis is performed, and each calculates a short-time RMS value and a long-time RMS value (steps S52a and S52b).
[0064]
The RMS values calculated at the two different time intervals are input to the acoustic characterization means 53, and the short time RMS standard deviation value Va and the long time RMS standard deviation value Vb are calculated in steps S53a and S53b. The The deviation values Va and Vb are calculated by taking the ratio of the deviation values by the RMS ratio calculating means 54 provided in the acoustic characterization means 53, and the RMS ratio ri = short-time RMS standard deviation value Va / long-time RMS standard deviation value. Vb is calculated. The calculated RMS ratio ri is temporarily stored in the RMS ratio average value calculating means 55 for calculating the average value in step S54a.
[0065]
On the other hand, in step S54, the next analysis condition setting unit 51 advances the setting, and the RMS ratio ri is sequentially calculated in steps S52 and S53. When the calculation of the RMS ratio rn of the last n-th analysis condition is completed, the RMS ratio average value calculating means 55 calculates the average value Rj of the RMS ratio ri of the acoustic waveform SDj. This average value Rj is accumulated as acoustic feature value data Sr in the acoustic database 16 in step S55a, and input to the acoustic feature comparison means 57 in the next stage.
[0066]
The acoustic database 16 includes a standard acoustic feature value Sr in a normal state of the device. _sd Or the acoustic feature value Sr stored and stored during normal operation _n The acoustic feature value S = [R] of the normal sound of the device is stored and saved.
[0067]
Next, in the acoustic feature comparison means 57, first, in step S56, time t = t _j Is input from the RMS ratio average value calculation means 55 of the acoustic characterization means 53, and the standard acoustic feature value Sr from the acoustic database 16 in step S56. _sd Or the normal acoustic feature value Sr _n Normal acoustic feature value S = [R] is read, and acoustic feature value deviation value Brj = √ (Rj−R) ² Is calculated. The calculation result Brj is input to the determination means 58, and the abnormal sound determination threshold value Ar determined and stored in advance as threshold data in the acoustic database 16 is read in step S57, and this is compared with Brj in step S58. Time t = t _j It is determined whether the acoustic waveform from the device is normal sound or abnormal sound.
[0068]
This determination result is displayed on the display means 19 and notified.
[0069]
According to the fourth embodiment, the acoustic waveform of the operating sound emitted from the device is analyzed at different RMS analysis times for each preset time, and is defined by the ratio of the standard deviation calculated from the analysis result. Since the dimensionalized acoustic feature value R is used, it is possible to detect an abnormal sound that is not affected by a change in sound pressure caused by the distance between the target device and the detector, the collection condition of the operating sound, or the like. Since the RMS analysis of the acoustic waveform is performed, an abnormal sound accompanied by an amplitude change can be detected.
[0070]
FIG. 7 is a conceptual diagram showing the configuration and data processing procedure of the fifth embodiment of the present invention.
[0071]
As shown in FIG. 7, this fifth embodiment analyzes the acoustic waveform in the set frequency band, means 10 for collecting acoustic waveforms, analysis frequency band setting means 71 provided with a bandpass filter, The average of the RMS values sequentially output by the analyzing means 70 by sequentially changing the frequency band of the analyzing frequency band setting means 71 to an analyzing means 70 comprising the RMS analyzing means 72 for sequentially calculating the RMS values and the preset frequency band. An RMS value average value calculating means 75 for calculating a value, an acoustic characterization means 73 for outputting the average value as an acoustic feature value, an acoustic database 16 in which acoustic feature values are stored, and an acoustic for comparing acoustic feature values It comprises a feature comparison unit 77, a determination unit 78 that compares the output of the acoustic feature comparison unit 77 with a reference value, and a display unit 19 that displays the output of the determination unit 78.
[0072]
In the operation of the fifth embodiment, as shown in FIG. 7, the operation sound generated from the target operating device is detected at time t = t by means 10 for collecting the acoustic waveform SDj. _j-1 To time t = t _j Collect until. In the collected acoustic waveform, the frequency outside the range of the frequency band fi is excluded by the band-pass filter of the analysis frequency band fi setting means 71 set in advance (step S71), and the RMS of the analysis means 70 Input to the analysis means 72.
[0073]
The RMS analysis means 72 calculates the RMS value rfi of the acoustic waveform limited to the frequency band fi. In step S72a, the calculated RMS value rfi is temporarily stored in the acoustic characterization means 73 for average value processing.
[0074]
On the other hand, the next frequency band fi + 1 is set in step S72, the frequency outside the range of the band fi + 1 is excluded again by the bandpass filter 71, and the RMS analyzing means 72 performs the RMS of the frequency band fi + 1. The value rfi + 1 is calculated, and the calculated RMS value is also temporarily stored in the acoustic characterization means 73. The RNS analysis is sequentially performed up to the preset frequency band fn, and the calculation of the RMS value rfi for each divided frequency band is finished.
[0075]
When the calculation of the RMS value rfi is completed, the RMS value average value calculation means 75 of the acoustic characterization means 73 performs time t = t _j-1 To time t = t _j The average value Rf j of the RMS value rfi in each frequency band fi of the acoustic waveform SDj up to is calculated. This average value Rfi is stored and stored in the acoustic database 16 as an acoustic feature value in step S75a, and is input to the acoustic feature comparison means 77 in the next stage (step S75).
[0076]
The acoustic database 16 includes a standard acoustic feature value Srf of the device. _sd Or the acoustic feature value Srf stored and stored during normal operation _n The acoustic feature value S = [Rf] of the normal sound of the device is stored and saved.
[0077]
Next, in step S75, the acoustic feature comparison unit 77 first sets time t = t. _j The acoustic feature value Sj = [Rf j] is input from the acoustic characterization unit 73, and the standard acoustic feature value Srf from the acoustic database 16 in step S76. _sd , Or normal acoustic feature value Srf _n Normal acoustic feature value S = [Rf] is read, and the acoustic feature comparison means 77 obtains the acoustic feature value deviation value Brf j = √ (Rf j −Rf). ² Is calculated.
[0078]
The calculation result Brf j is input to the determination unit 78, and the abnormal sound determination threshold value Arf that is predetermined and stored as threshold data in the acoustic database 16 is also read in step S77. Next, in step S78, the abnormal sound determination thresholds Arf and Brf j are compared, and time t = t _j It is determined whether the acoustic waveform from the device is normal sound or abnormal sound. This determination result is displayed on the display means 19 and notified.
[0079]
According to the fifth embodiment, the acoustic waveform of the operating sound emitted from the device is subjected to RMS analysis for each preset frequency band, and the average value of the RMS values calculated from the analysis result is used as the acoustic feature value Rf. Therefore, it is possible to accurately detect an abnormal sound accompanied by a change in the acoustic frequency such as the operating rotational speed or operating speed of the target device by removing other noises. In addition, by setting the acoustic waveform capture cycle to a short time, it is possible to detect abnormal sounds with intermittent amplitude changes.
[0080]
FIG. 8 is a conceptual diagram showing the configuration and data processing procedure of the sixth embodiment of the present invention.
[0081]
As shown in FIG. 8, in the sixth embodiment, the means 10 for collecting the acoustic waveform SD, the analysis time setting means 81, and the collected acoustic waveform are analyzed at the set analysis time to obtain the amplitude distribution. Analysis means 80 comprising waveform distribution analysis means 82 for calculating the frequency, means 84 for sequentially calculating kurtosis from the calculated amplitude distribution frequency, and means 85 for calculating an average value T of the kurtosis at predetermined time intervals An acoustic characterization means 83 comprising: an acoustic database 16 for storing acoustic feature values; an acoustic feature comparison means 87 for comparing an acoustic feature value output by the acoustic characterization means 83 with a reference acoustic feature value; and The judgment means 88 compares the output of the feature comparison means 87 with a reference value, and the display means 19 displays the output of the judgment means 88.
[0082]
The operation of the sixth embodiment is performed by the time t = t of the operation sound generated from the target operating device by the means 10 for collecting the acoustic waveform SD. _j-1 To time t = t _j The acoustic waveform SDj up to is collected (step S81).
[0083]
Time t = t _j-1 To time t = t _j Time t = t obtained by dividing n into the acoustic waveform SDj collected up to _i-1 To time t = t _i Every time Pi until this time, the waveform distribution analysis means 82 provided in the analysis means 80 performs the waveform distribution analysis and calculates the amplitude distribution frequency (step S82).
[0084]
The calculated amplitude distribution frequency is input to the kurtosis calculation unit 84 of the acoustic characterization unit 83, and the kurtosis ti of the time Pi is calculated. The calculated kurtosis ti is temporarily stored in the kurtosis average value calculation means 85 for calculating the kurtosis average value in step S84a. Note that the kurtosis ti calculated here is 0 when the amplitude distribution is a normal distribution, and is positive when the degree of concentration at the center is high and sharper than the normal distribution. When it is flat, it becomes a negative value.
[0085]
On the other hand, in step S84, setting of the setting means 81 is advanced to the analysis time next to each of the n divided times Pi, and step S82 and kurtosis calculation means 83 are repeated to sequentially calculate kurtosis ti. Is temporarily stored in the kurtosis average value calculation means 85. When calculation of the kurtosis tn of the last analysis time Pn is completed, the average value Tj of the kurtosis ti of the acoustic waveform collected at each time Pi is calculated by the kurtosis average value calculation means 85. This average value Tj is accumulated as acoustic feature value data St in the acoustic database 16 in step S85a, and input to the acoustic feature comparison means 87 in the next stage (step S85).
[0086]
The acoustic database 16 includes a standard acoustic feature value St of the device. _sd Or the acoustic feature value St stored in normal operation _n The acoustic feature value S = [T] of the normal sound of the device is stored and saved.
[0087]
Next, in step S85, the acoustic feature comparison unit 87 first receives a time t = t. _j Is input from the acoustic characterization unit 83, and the standard acoustic feature value St is stored from the acoustic database 16 in step S86. _sd , Or normal acoustic feature value St _n Normal acoustic feature value S = [T] is read, and acoustic feature value deviation value Btj = √ (Tj−T) ² Is calculated.
[0088]
The calculation result Btj is input to the determination unit 88, and the abnormal sound determination threshold value At determined and stored as threshold data in the acoustic database 16 in advance is also read in step S87. Next, in step S88, the abnormal sound determination threshold value At and Btj are compared, and time t = t _j It is determined whether the acoustic waveform from the device is normal sound or abnormal sound.
[0089]
This determination result is displayed on the display means 19 and notified.
[0090]
According to the sixth embodiment, the acoustic waveform of the operating sound emitted from the device is analyzed at predetermined intervals, and the acoustic feature value defined by the kurtosis calculated from the analysis result amplitude distribution is determined. Therefore, the difference in the strength of the operating sound and the pitch thereof are compared with those in the normal state, and it is possible to detect the unsteady abnormal sound of the target device that changes suddenly or discontinuously.
[0091]
FIG. 9 is a conceptual diagram showing the configuration and data processing procedure of the seventh embodiment of the present invention.
[0092]
As shown in FIG. 9, in the seventh embodiment, a means 10 for collecting an acoustic waveform SD, an analysis frequency band setting means 91 having a band pass filter, and an acoustic waveform in a set frequency band fi are input. The analyzing means 90 comprising the waveform distribution analyzing means 92 for analyzing the amplitude distribution frequency, the kurtosis calculating means 94 for calculating the kurtosis from the analyzed amplitude distribution frequency, and the set frequency band fi are sequentially changed. The acoustic characterization means 93 comprising the kurtosis average value calculating means 95 for calculating the average kurtosis value Tf calculated as the acoustic feature value, the acoustic database 16 in which the acoustic feature value is stored, and the acoustic feature An acoustic feature comparison unit 97 that compares values, a determination unit 98 that compares the output of the acoustic feature comparison unit 97 with a reference value, and a display unit 19 that displays the output of the determination unit 98 are provided.
[0093]
As shown in FIG. 9, the operation of the seventh embodiment is the time t = t of the operation sound generated from the target operating device by means 10 for collecting the acoustic waveform SD. _j-1 To time t = t _j The acoustic waveform SDj up to is collected. The collected acoustic waveform SDj excludes frequencies outside the range of the band fi by the bandpass filter 91 of the analysis frequency band fi that is set in advance (step S91), and is provided in the analysis unit 90. Input to the distribution analysis means 92.
[0094]
In step S92, the waveform distribution analysis unit 92 calculates and outputs the amplitude distribution frequency in the range of the frequency band fi of the acoustic waveform SDj.
[0095]
The amplitude distribution frequency is input to the acoustic characterization unit 93, and the kurtosis tf i of the frequency band fi of the acoustic waveform SDj is calculated by the kurtosis calculation unit 94. The calculated kurtosis tfi is temporarily stored in the kurtosis average value calculation means 95 for average value processing in step S94a.
[0096]
On the other hand, in step S94, the frequency band fi is advanced to the next, and if the advanced frequency band is within the preset range, the process returns to step S91 to set the next different frequency band fi + 1 and set the analysis frequency again. The bandpass filter 91 excludes frequencies outside the range of the frequency band fi + 1, the waveform distribution analyzing unit 92 and the kurtosis calculating unit 94 calculate the kurtosis tfi + 1 of the frequency band fi + 1, and the kurtosis. It is temporarily stored in the average value calculation means 95 (step S94a). Waveform distribution analysis of each frequency band is sequentially performed up to a preset frequency band fn, and calculation of the kurtosis tf i for each frequency band is completed.
[0097]
When the calculation of the kurtosis tf i for each frequency band is completed, the kurtosis average value calculation unit 95 of the acoustic characterization unit 93 performs time t = t _j-1 To time t = t _j The average value Tfi of the kurtosis tfi in each frequency band fi of the time until is calculated. The calculated average value Tf i is stored and stored in the acoustic database 16 as the acoustic feature value S in step S95a, and input to the acoustic feature comparison unit 97 in the next stage in step S95.
[0098]
The acoustic database 16 includes a standard acoustic feature value Stf of the device. _sd Or the acoustic feature value Stf stored and stored during normal operation _n The acoustic feature value S = [Tf] of the normal sound of the device is stored and saved.
[0099]
Next, the acoustic feature comparison unit 97 firstly, at step S95, time t = t _j The acoustic feature value Sj = [Tf j] is input from the acoustic characterization means 93, and the standard acoustic feature value Stf from the acoustic database 16 in step S96. _sd , Or normal acoustic feature value Stf _n Normal acoustic feature value S = [Tf] is read, and acoustic feature value deviation value Btfj = √ (Tf j −Tf) ² Is calculated.
[0100]
The calculation result Btfj is input to the determination unit 98, and the abnormal sound determination threshold value Atf that is predetermined and stored as threshold data in the acoustic database 16 is read in step S97. In step S98, the abnormal sound determination threshold values Atf and Btfj are determined. Compared, time t = t _j It is determined whether the acoustic waveform from the device is normal sound or abnormal sound.
[0101]
This determination result is displayed on the display means 19 and notified.
[0102]
According to the seventh embodiment, the acoustic waveform of the operating sound emitted from the device is subjected to RMS analysis for each preset frequency band, and the average value of the RMS values calculated from the analysis result is used as the acoustic feature value Rf. Therefore, the difference in strength and pitch of the operation sound accompanied by a change in the acoustic frequency such as the operation rotation speed and operation speed of the target device and its pitch are compared with the normal sound, and the abnormal sound can be detected. In addition, by setting the acoustic waveform capture cycle to a short time, it is possible to accurately detect an unsteady sound accompanied by an intermittent amplitude change by removing the noise.
[0103]
【The invention's effect】
As described above, according to the abnormal sound detection device of the present invention, the acoustic waveform of the operation sound from the operating device is multifaceted such as frequency, sound pressure, temporal existence relationship, and kurtosis of waveform distribution. Because it is digitized as an acoustic feature value from the analysis results of the first Fourier transform analysis, wavelet transform analysis, RMS analysis and waveform distribution analysis to extract the features, and captures the state of the acoustic waveform, it corresponds to the normal sound stored in the acoustic database Compared with the acoustic feature value data, the abnormal sound can be determined.
[0104]
Since the abnormal sound detection device of the present invention sequentially analyzes the operation sound of the device and continuously determines the abnormal sound, it is difficult to detect the abnormal sound by the conventional circuit without depending on the patrol of the security personnel. In addition, it is possible to always detect abnormal sound of a device and to install detection result display means regardless of the position of the device, so it is possible to know the occurrence of abnormal sound in a remote place.
[0105]
In addition, since the abnormal sound detection is performed by the determination means in comparison with the reference data, the creation / setting of the determination comparison data is referred to the accumulated acoustic feature value data, and the determination reference value is set step by step. It is also possible to predict the occurrence of abnormal sound and determine the level of abnormality.
[Brief description of the drawings]
FIG. 1 is a block diagram showing the overall configuration of a first embodiment of the present invention.
FIG. 2 is a block diagram showing an overall configuration of a second embodiment of the present invention.
FIG. 3 is a flowchart conceptually showing processing performed after the acoustic characterization unit according to the second embodiment of the present invention.
FIG. 4 is a conceptual diagram showing a configuration and a data processing procedure according to a third embodiment of the present invention.
FIG. 5 is a conceptual diagram showing a configuration and a data processing procedure according to a fourth embodiment of the present invention.
FIG. 6 is a diagram conceptually showing different analysis times according to the fourth embodiment of the present invention.
FIG. 7 is a conceptual diagram showing a configuration and a data processing procedure according to a fifth embodiment of the present invention.
FIG. 8 is a conceptual diagram showing the configuration and data processing procedure of a sixth embodiment of the present invention.
FIG. 9 is a conceptual diagram showing the configuration and data processing procedure of a seventh embodiment of the present invention.
[Explanation of symbols]
10: Acoustic waveform collecting means,
11: First Fourier (FFT) conversion analysis means,
12, 42 ... wavelet transform analysis means,
13, 72 ... RMS (RMS) analysis means,
14, 82, 92 ... waveform distribution analysis means,
15, 25, 43, 53, 73, 83, 93 ... acoustic characterization means,
16 ... Acoustic database,
17, 27, 47, 57, 77, 87, 97 ... acoustic feature comparison means,
18, 28, 48, 58, 78, 88, 98 ... determination means,
19, 29 ... display means,
20, 40, 50, 70, 80, 90 ... analysis means,
21 ... FFT integral value calculation means,
22a, 44 ... Wavelet frequency band fluctuation value calculation means,
22b, 45 ... Frequency band fluctuation average value calculating means,
23a, 53a, 53b ... RMS standard deviation value calculating means,
23b, 54 ... RMS ratio calculating means,
24a, 84, 94 ... kurtosis calculating means,
24b, 85, 95... Kurtosis average value calculating means,
25a ... acoustic characterization calculation means,
41, 71, 91 ... frequency band setting means (bandpass filter),
51 ... analysis time setting means,
52a ... first (short time) RMS analysis means,
52b ... second (long time) RMS analysis means,
55... RMS ratio average value calculating means,
75: RMS value average value calculation means.

Claims

Means for collecting acoustic waveforms during normal operation and equipment operation ;
First Fourier transform analysis integrated value calculation means for analyzing the collected acoustic waveform and integrating the analysis result;
Wavelet transform analysis of the acoustic waveform, wavelet fluctuation average value calculating means for calculating an average value of fluctuation values of the analysis results;
Effective value ratio calculating means for analyzing the effective value of the acoustic waveform at different analysis time intervals, calculating the standard deviation value of the effective value of the analysis result, and calculating the ratio of the standard deviation value of the effective value under different analysis conditions When,
Waveform distribution analysis of the acoustic waveform, and a waveform distribution kurtosis average value calculating means for calculating an average value of kurtosis of the analysis result;
The integral value output from the first Fourier transform analysis integral value calculating means , the wavelet fluctuation average value output from the wavelet fluctuation average value calculating means , the effective value ratio average value output from the effective value ratio average value calculating means , and the acoustic feature means for calculating the acoustic characteristics of numerical kurtosis mean and the normal operation and equipment operation during consisting output from the waveform distribution kurtosis average value calculating means,
An acoustic database for storing and save the acoustic characteristics of figures each acoustic feature of numerical and device operation in each of the normal operation obtained by the acoustic feature means,
Acoustic feature comparison means for comparing and calculating the acoustic characterization value during normal operation and the calculated acoustic characterization value during operation of the device ;
A determination unit that compares the output of the acoustic feature comparison unit with a preset reference value to determine abnormal sound;
An abnormal sound detection apparatus comprising display means for displaying a result of the determination means.

The wavelet fluctuation average value calculation means divides the sound waveform into a plurality of frequency bands by a filter, performs a wavelet transform analysis on the acoustic waveform of each frequency band, and from the analysis result of the wavelet transform analysis, the fluctuation period and 2. The abnormal sound detection device according to claim 1, wherein the abnormal sound detection device is means for calculating a wavelet acoustic characterization variation value obtained by averaging the variation values of the respective frequency bands multiplied by the variation width .

The effective value ratio calculating means divides the acoustic waveform into acoustic waveforms of a plurality of frequency bands using a filter, and performs an effective value analysis on the acoustic waveforms of each frequency band at different analysis time intervals. The effective value analyzing means, the two effective value standard deviation value calculating means, and the effective value calculating means for calculating the ratio of the two effective value standard deviation values calculated by the two effective value standard deviation value calculating means. The abnormal sound detection device according to claim 1 .

The waveform distribution kurtosis average value calculating means is divided into acoustic waveforms of a plurality of frequency bands by a filter, and the waveform distribution analyzing means for calculating the amplitude distribution frequency of the acoustic waveforms of each frequency band at a predetermined time interval; 2. The abnormal sound detection apparatus according to claim 1, further comprising means for calculating a kurtosis from an amplitude distribution frequency in each frequency band output from the waveform distribution analysis unit and calculating an average value of the kurtosis .