JP4262878B2 - 回転機械異常音診断処理手法 - Google Patents
回転機械異常音診断処理手法 Download PDFInfo
- Publication number
- JP4262878B2 JP4262878B2 JP2000300591A JP2000300591A JP4262878B2 JP 4262878 B2 JP4262878 B2 JP 4262878B2 JP 2000300591 A JP2000300591 A JP 2000300591A JP 2000300591 A JP2000300591 A JP 2000300591A JP 4262878 B2 JP4262878 B2 JP 4262878B2
- Authority
- JP
- Japan
- Prior art keywords
- abnormal
- sound
- spectrum
- pattern
- abnormal sound
- 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 - Lifetime
Links
Images
Landscapes
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Control Of Conveyors (AREA)
Description
【発明の属する技術分野】
本発明は、コンベヤ等に使用されるローラ等の回転機械の異常音を診断する回転機械異常音診断処理手法に係り、特に、複雑なアルゴリズムを用いずに異常音を高精度に診断し、かつ処理速度が速い回転機械異常音診断処理手法に関するものである。
【0002】
【従来の技術】
従来の回転機械異常音診断処理手法は、診断装置のマイクロホンで、コンベヤ等に使用されるローラ等の回転機械音を採取し、その採取した回転機械音を、装置に搭載した複雑なフィルタや統計モデル等の複雑なアルゴリズムを用いて処理し、正常音・異常音の判別を行っている。
【0003】
従来の手法は計算負荷が高いため、処理には専用の機器または、高性能なパソコンを必要としている。
【0004】
【発明が解決しようとする課題】
しかしながら、従来の手法を小型の携帯型装置に適用する場合、携帯型装置の計算能力の制限から、複雑なアルゴリズムを用いることが困難であるという問題がある。
【0005】
また、携帯型装置の場合、人がその場で処理結果を確認することから、高速な処理が必要である。
【0006】
そこで、本発明の目的は、複雑なアルゴリズムを用いずに異常音を高精度に診断し、かつ処理速度が速い回転機械異常音診断処理手法を提供することにある。
【0007】
【課題を解決するための手段】
本発明は、上記目的を達成するために創案されたものであり、請求項1の発明は、コンベヤに使用されるローラの回転機械の異常音を診断する回転機械異常音診断処理手法において、携帯型診断装置のマイクロホンで、コンベアに沿って回転機械音を採取し、その採取した回転機械音の生波形から低周波雑音成分を除去し、この波形を約10msec間隔で高速フーリエ変換して、周波数と音圧レベルの時系列スペクトルに分解し、その時系列スペクトルから異音成分のコンタを抽出し、その時系列スペクトルのコンタから異音成分を含むスペクトル列のみを抜き出し、これを平均化処理しさらに正規化処理して計測異音スペクトルパターンを作成し、他方、予め異音出現頻度と登録異音タイプをパターン化したグループ選別データを作成し、上記計測異音スペクトルパターンとグループ選別データとのパターンマッチングを行って異常音を診断することを特徴とする。
【0009】
請求項2の発明は、グループ選別データは、異音出現頻度の大小と、正常・異音のスペクトルパターンに分けたグループに選別して格納され、計測異音スペクトルパターンの異音出現頻度とスペクトルパターンをそれぞれ比較して異音タイプを判定する請求項1記載の回転機械異常音診断処理手法である。
【0010】
請求項3の発明は、時系列スペクトルのコンタから異音成分を含むスペクトル列のみを抜き出し、これを平均化処理しさらに正規化処理して計測異音スペクトルパターンとする際、計測異音のオーバーオール値を求め、その計測異音のオーバーオール値と全グループ選別データのオーバーオール値の平均値とから異音係数を求め、この異音係数によって回転機械の異常音の発生源を特定する請求項1記載の回転機械異常音診断処理手法である。
【0011】
【発明の実施の形態】
以下に、本発明の好適実施の形態を添付図面にしたがって説明する。
【0012】
まず、本発明に係る携帯型診断装置を図10に示し、図11、図12の順で説明する。
【0013】
図10は、携帯型診断装置の外観図を示したものである。
【0014】
図10に示すように、携帯型診断装置100は、コンベヤ等に使用されるローラ等の回転機械の異常音を診断するノート型(モバイル)パソコン等の本体101と、全方位の音を等しく計測する無指向性マイクロホン102と、マイクロホンを向けた方向のみの音を計測する指向性マイクロホン(ガンマイク)103とからなる。これら無指向性マイクロホン102と指向性マイクロホン103は、本体101に搭載された発見モードと診断モードという2つの動作モードにより使い分けられている。
【0015】
本体101には、表示装置104が備えられている。表示装置104としては、例えば、バックライト、タッチパネル付き大型液晶を用いている。
【0016】
次に、この診断装置100を用いたコンベヤの巡回点検を説明する。
【0017】
図11は、本発明に係る携帯型診断装置の使用例の概略図を示したものである。
【0018】
図11に示すように、コンベヤ105は、トラフアイドローラ106とリターンローラ107によりベルト108を循環させて、そのベルト108の荷を運搬するものである。コンベヤ105上部はギャラリー109で覆われており、コンベヤ105側面には、各ローラの位置情報となるローラ識別番号110が貼付されている。
【0019】
まず、点検員111がコンベヤ105の運転時に診断装置100を発見モードにして携帯し、コンベヤラインに沿って巡回する。点検員111は、巡回中に異音発見アラームが発生した場合、その場で立ち止まり、診断装置100を診断モードに切り替える。このとき、異常ローラを特定するために、指向性マイクロホン103を異音発見位置近傍のローラに向け異音の診断を行う。異常ローラを特定したら、診断結果をローラの位置情報と共に診断装置100に記録する。
【0020】
以下同様の手順にてコンベヤ105の巡回点検を行う。そして、診断装置100に記録された情報に基づいて異常ローラの交換等を行い、コンベヤ105の保守をする。
【0021】
発見モードは、無指向性マイクロホン102を用いて全周囲の音を採取して自動計測し、危険な異音を検出するとアラーム音と表示装置104の画面点滅にて異音発見を点検員に知らせる動作モードである。
【0022】
一方、診断モードは、ガンマイク103を用いて診断したいローラ音のみを計測し、診断する動作モードである。
【0023】
図12は、携帯型診断装置100の各動作モードのフローチャートを示したものである。
【0024】
図12(a)に示すように、発見モードの制御を開始(F120)し、無指向性マイクロホン102から音を計測(F121)する。計測した音は、危険な異音かどうか判別(F122)される。
【0025】
本発明は、この判別(F122)における異音判別の処理手法に特徴を有するものであるが、この部分の詳細は後述する。
【0026】
その後、Step1の判断で、計測した音が異音でない場合(No)には、無指向性マイクロホン102から音を計測(F121)に戻って音の計測から処理を繰り返し、Step1で、計測した音が異音である場合(Yes)には、異音アラームを発生(F123)し、制御を終了(F124)する。
【0027】
次に、診断モードは、図12(b)に示すように、指向性のガンマイク103に切り替えて、診断モードの制御を開始(F125)し、ガンマイク103で、異音発見位置近傍のローラに向けて異音の計測(F126)を行い、異常ローラの特定を行った後、その異常ローラの異音判別(F127)を行い、その異音に基づいて診断結果を表示装置104に表示(F128)し、診断モードの制御を終了(F129)する。
【0028】
さて、本発明の回転機械異常音診断処理手法を説明する。
【0029】
図1は、本発明の好適実施の形態である回転機械異常音診断処理手法のフローチャートを示したものである。
【0030】
図1に示すように、本発明の回転機械異常音診断処理手法は、まず、診断処理を開始(F0)し、携帯型診断装置のマイクロホンで、コンベア等に沿った回転機械音を採取(F1)し、その採取した回転機械音の生波形を、所定時間毎に周波数と音圧レベルの時系列スペクトルに分解(F2)すると共に異音成分を抽出(F3)し、その異音成分から計測異音スペクトルパターンを作成(F4)し、他方、予め異音出現頻度と登録異音タイプをパターン化したグループ選別データを作成(F5)しておき、上記計測異音スペクトルパターンとグループ選別データとのパターンマッチング(F6)を行い、そのパターンマッチング(F6)で、予め作成したグループ選別データの異音出現頻度と登録異音タイプに最も近いパターンのデータを選んで、異常音を診断(F7)し、診断処理を終了(F8)する。
【0031】
本発明は、コンベヤ等に使用されるローラ等の回転機械の異常音を診断するものであり、採取した回転機械音が、正常音なのか異常音なのかを異音判別する処理手法に特徴がある。
【0032】
本発明では、予め異音出現頻度と登録異音タイプをパターン化したグループ選別データを作成しており、計測異音スペクトルパターンと個々のグループ選別データとのパターンマッチングを総当たりで行うのではなく、異音出現頻度を用いてデータを絞り込み、データをグループとして選択した後、計測異音スペクトルパターンと選択したグループ内のデータのみとのパターンマッチングを行うことで、複雑なアルゴリズムを用いずに異常音を高精度に診断することができる。本発明は、選択したグループ内のデータ以外は、パターンマッチングを行わないので、処理速度が非常に速い。
【0033】
次に、本発明に係る携帯型診断装置100をより詳細に説明する。
【0034】
図2は、本発明に係る携帯型診断装置のブロック図を示したものである。
【0035】
図2に示すように、携帯型診断装置100は、本体101と、無指向性マイクロホン102と、指向性マイクロホン(ガンマイク)103とから構成されている。
【0036】
本体101内には、動作モードによって無指向性マイクロホン102と指向性マイクロホン103とを切り替える切換部20、マイクロホンで採取したアナログ波形である回転機械音をディジタル波形に変換するA/D変換部21、A/D変換部21で変換されたディジタル波形の低周波成分を除去するフィルタ部22、フィルタ部22を通過した波形を所定時間毎に切出した後、切り出された波形毎に高速フーリエ変換して周波数と音圧レベルの時系列スペクトルに分解するFFT(Fast Fourier Transform)部23、その時系列スペクトルから異音成分を抽出し、その異音成分をデータ圧縮処理して計測異音スペクトルパターンを作成するデータ圧縮処理部24、予め異音出現頻度と登録異音タイプをパターン化したグループ選別データを作成しておき、そのグループ選別データを格納したデータベース部25、計測異音スペクトルパターンとグループ選別データとのパターンマッチング処理を行って異常音を診断するパターンマッチング処理部26などが備えられている。
【0037】
これら切換部20、A/D変換部21、フィルタ部22、FFT部23、データ圧縮処理部24、データベース部25、パターンマッチング処理部26は、それぞれ本体101に搭載されたCPU27と接続されている。
【0038】
また、本体101にはCPU27の他にもRAM28、HD(ハードディスク)29が搭載されており、異音の診断結果とローラの位置情報を入力するための入力装置30、表示装置104も備えられている。これらRAM28、HD29、入力装置30、表示装置104もCPU27と接続されている。切換部20には、入力装置30と診断スイッチ31も接続されている。
【0039】
次に、データベース部25に格納しているグループ選別データの異音パターンを説明する。
【0040】
図3は、コンベヤに使用されるローラの回転機械音における時系列スペクトルの等高線(コンタ)表示の一例を示した図である。
【0041】
本実施の形態においては、以下に説明する音パターンの特徴をデータベースとして予め搭載している。
【0042】
図3に示すように、コンベヤのローラの回転機械音は、保持リング(リテーナ)と玉からなる軸受(ベアリング)の状態によって大別することができる。ここでは、例えば、音パターンA〜Eまでの5種類に分類している。これら音パターンA〜Eの各グラフは、時間を横軸にとり、縦軸を周波数にとり、音圧レベルを紙面に垂直方向の軸にとって異音の周波数成分の時間変化を示したものであり、異音のレベルを等高線(コンタ)で示している。
【0043】
音パターンAは、例えば、ベアリング損傷音(ガラガラ音)に対応し、連続的な音で、かすれた帯状のパターンが特徴である。この音を発しているローラは交換の対象である。
【0044】
音パターンBは、例えば、音パターンAよりベアリング損傷程度が低い音(ゴロゴロ音)に対応し、連続的な音で、2本線のパターンが特徴である。この音を発しているローラは調査の対象である。
【0045】
音パターンCは、例えば、ベアリング摩耗音(キーキー音)に対応し、間欠的な音で1本線のパターンと点のパターンが特徴である。この音を発しているローラは注意の対象である。
【0046】
音パターンDは、例えば、音パターンCよりベアリング摩耗程度が低い音(カタカタ音)に対応し、一定周期で発生する間欠的な音で、櫛状のパターンが特徴である。この音を発しているローラは正常とみなしている。
【0047】
音パターンEは、例えば、正常ベアリング音に対応し、低周波数の1本線のみのパターンが特徴である。この音は、暗騒音と呼ばれている。
【0048】
次に、異音判別の処理手法をより詳細に説明する。
【0049】
図4は、本発明に係る異音判別処理を示すフローチャートを示したものである。
【0050】
図4に示すように、異音判別処理は4つのステップに分かれており、図1ではF2〜F7の処理に相当する。異音判別処理を開始(F40)し、異音特徴の抽出(F41)を行い、異音特徴の細分化(F42)を行い、異音出現頻度による登録異音タイプのグループ選別(F43)を行い、異音スペクトルパターンによる異音タイプの判定(F44)を行い、異音判別処理を終了(F45)する。
【0051】
まず、図5で異音特徴の抽出(F41)を説明する。
【0052】
図5に示すように、異音特徴の抽出は、マイクロホンで採取して計測した回転機械音の波形から異音の特徴をパターンとして抽出するものである。
【0053】
計測した生波形には、ローラの異音の他にローラ回転音等の低周波雑音が重畳されている。ローラ異音の特徴は低周波雑音より高い周波数(約1kHz〜10kHz)にあることから、それ以下の不要な雑音(約1kHz以下)は周波数フィルタにより除去する。さらに、低周波雑音を除いた計測波形は等間隔で分割し、分割したデータごとに計算負荷が小さい高速フーリエ変換(FFT)処理をして時系列の周波数スペクトルを求める。
【0054】
本実施の形態では、採取した回転機械音の生波形から低周波雑音成分を除去した後、この波形を、例えば、10msec間隔でFFT処理し、横軸に時間(sec)をとり、縦軸に音圧レベルをとり、これら横軸と縦軸の双方に垂直となる軸に周波数(Hz)をとって3次元表示した時系列スペクトルに分解している。
【0055】
得られた時系列スペクトルは、3次元表示で少々見にくいので、等高線(コンタ)表示にする。このようにすると、異音の特徴パターンが図3で説明したように、視覚で把握しやすいパターンとして得られる。診断装置100の表示装置104には、例えば、この時系列スペクトルのコンタが下側に表示され、一方、低周波雑音を除いた計測波形が上側に表示されるようになっている。
【0056】
次に、図6で異音特徴の細分化(F42)を説明する。
【0057】
異音の特徴パターンである時系列スペクトルは、3次元情報なので装置100にとって情報が過多であり、このままでは異音の自動判別ができない。
【0058】
そこで、図6に示すように、異音特徴の細分化を行う。異音特徴の細分化は、異音判別が容易になるように、情報量を減らさずにデータ量を圧縮し、かつ情報を細分化するものである。
【0059】
まず、時系列スペクトルから異音成分を含むスペクトル列のみを抜き出し、加算平均して横軸に周波数をとり、縦軸に音圧レベルをとった計測異音のスペクトルを作成する。計測異音スペクトルは2次元情報である。
【0060】
平均化の際、異音の周期情報が欠落するため、計測時間中の異音発生の時間割合を異音出現頻度とし、保存する。すなわち、時系列スペクトル中の異音成分の割合を異音出現頻度として定義し、異音周期の情報として後のパターンマッチング処理に用いる。異音出現頻度が少ない場合は、異音は間欠的、逆に多い場合には連続的と判断できることから異音周期の目安となる。
【0061】
得られた計測異音スペクトルを正規化し、計測異音のスペクトルパターンを作成する。計測異音スペクトルパターンは1次元情報である。正規化の際、異音のレベル(強さ)情報が欠落するため、正規化前に異音レベルとしてオーバーオール値(計測異音スペクトルの各周波数ごとの音圧レベル値の総和)を算出し、保存する。異音の強さ情報は異常診断の判断データとなる。後述するように、このオーバーオール値を利用して異音の発生源を突き止めることができる。
【0062】
以上の手順により、異音の特徴パターンは、異音周期の情報である異音出現頻度、異音の周波数の情報であるスペクトルパターンおよび異音レベルの情報であるオーバーオール値に細分化される。
【0063】
さて、図7により異音出現頻度による登録異音タイプのグループ選別(F43)を説明する。
【0064】
本発明では、診断装置100のデータベース部25にグループ選別データを格納している。このグループ選別データは、予め異音出現頻度の大小と、正常・異音のスペクトルパターンに分けたグループに選別して格納されており、計測異音スペクトルパターンの異音出現頻度とスペクトルパターンをそれぞれ比較して異音タイプを判定するものである。
【0065】
図7は、計測した異音のスペクトルパターン70と、異音出現頻度による登録異音タイプのグループ選別データのパターン72とをパターンマッチングする例を示したものである。
【0066】
まず、グループ選別データは、例えば、異音出現頻度を大(連続音)・中・小(間欠音)の3つのグループ72L、72M、72Sに分け、そのグループ72L、72M、72Sを、さらにスペクトルパターンで細分化したもので、異音出現頻度大のグループ72Lの正常音スペクトルパターン72L0、異音Aのスペクトルパターン72LA、異音Bのスペクトルパターン72LBに細分化し、同様に、異音出現頻度中のグループ72Mを異音C〜Eに、異音出現頻度小のグループ72Sを異音F〜Hに細分化し、正常音と異音A〜Hの合計9つの異音スペクトルパターンを予め登録したものである。
【0067】
なお、グループ選別データの異音の強さ情報は、予め個々のグループ選別データのオーバーオール値をそれぞれ求めた上で、全グループ選別データのオーバーオール値の平均値として保存されている。よって、全グループ選別データのオーバーオール値の平均値は一定値である。
【0068】
異音出現頻度による登録異音タイプのグループ選別は、細分化された異音特徴をもとにデータベースから異音タイプの候補を選別するものである。ここでは、異音出現頻度を用いて異音タイプの候補を大まかに絞り込む。
【0069】
図7に示すように、計測異音スペクトルパターン70の異音出現頻度は大であることから、データベースから異音出現頻度大のグループ72Lである正常音スペクトルパターン72L0、異音Aのスペクトルパターン72LA、異音Bのスペクトルパターン72LBを選択する。
【0070】
この選択処理により、処理時間を短縮すると共に、スペクトルパターンだけでは区別がつきにくい異音の判定を可能としている。すなわち、スペクトルパターンの情報だけでは、連続的な音と間欠的な音のスペクトルパターンが同じとなる場合があり、異音判別の精度が上がらないが、異音出現頻度を用いることにより、異音判別の精度を上げている。
【0071】
次に、異音出現頻度別のグループを選択したならば、図8に示すように異音スペクトルパターンによる異音タイプの判定(F44)を行う。
【0072】
異音スペクトルパターンによる異音タイプの判定は、計測異音のスペクトルパターンと選択したグループ選別データとの総当たりによるパターンマッチングである。
【0073】
ここでは、判定の評価基準を、「異音スペクトルパターンの二乗誤差が最小」として、計測スペクトルパターンに一番近いデータベースの異音タイプを選び出す。選ばれた異音タイプが計測値の異音タイプであると判定するようにしている。
【0074】
図8に示すように、図7で選択した異音出現頻度大のグループ72Lである正常音スペクトルパターン72L0、異音Aスペクトルパターン72LA、異音Bスペクトルパターン72LBの各パターンと計測異音スペクトルパターン70とを、パターン比較部80でそれぞれ重ね合わせ、パターン比較する。
【0075】
パターン比較80Xでは、正常音スペクトルパターン72L0と計測異音スペクトルパターン70とが重ならない部分の面積が大きい。パターン比較80Yでも、異音Aスペクトルパターン72LAと計測異音スペクトルパターン70とが重ならない部分の面積がやや大きい。パターン比較80Zでは、異音Bスペクトルパターン72LBと計測異音スペクトルパターン70とが重ならない部分の面積が最も小さい。
【0076】
評価基準に従うと、計測異音スペクトルパターン70は、異音Bのスペクトルパターン72LBとパターンマッチングしたときに二乗誤差が最小となるので、計測異音は異音Bと判定する。
【0077】
ただし、選別されたスペクトルパターン候補の中で二乗誤差が最小であっても、二乗誤差が大きすぎる場合は、データベースに無い音として判断し、誤判別を防ぐようにしている。
【0078】
このように本発明では、予め用意されたスペクトルパターンのデータベースを総当たりでマッチングさせていくのではなく、異音出現頻度を用いて、パターンマッチング前にデータベースの異音パターン候補の絞り込みを行い、候補以外のパターンマッチング処理を行わない。これにより、高速処理を実現した。図12(b)で説明した診断モードで言うと、ガンマイク103のスイッチを押してから診断結果が診断装置100の表示装置104に表示されるまでの時間は、約2秒である。
【0079】
次に、異音レベル(強さ)検出処理手法について説明する。
【0080】
本発明では、時系列スペクトルのコンタから異音成分を含むスペクトル列のみを抜き出し、これを平均化処理しさらに正規化処理して計測異音スペクトルパターンとする際、計測異音のオーバーオール値を求め、その計測異音のオーバーオール値と全グループ選別データのオーバーオール値の平均値とから異音係数を求め、この異音係数によって回転機械の異常音の発生源を特定するようにしている。
【0081】
異音レベルの指標としては、異音判別処理にて算出した計測異音のオーバーオール値を用いて数1で示される異音係数〔%〕を定義している。
【0082】
【数1】
【0083】
ここで、異音の平均値(オーバーオール値)はデータベースにある異音のオーバーオール値の平均値であり、一定値である。また、重みは危険な異音をより明確に区別するために使用し、異音タイプ別に設定する。
【0084】
本実施の形態では、表1に示すように、重みを異音タイプにより傾斜配分している。例えば、ベアリング損傷音(ガラガラ音)とベアリング損傷程度が若干低い音(ゴロゴロ音)には重み5を設定し、要交換のローラと要調査のローラを高精度に特定できるようにしている。ベアリング摩耗音(キーキー音)には重み3を設定しており、それ以外の音の重みは1に設定している。この異音係数は診断装置100の表示装置104に表示されるようにしている。
【0085】
【表1】
【0086】
図9は、本発明に係る異音係数による異音レベルの検出例の概略図を示したものである。
【0087】
図9に示すように、異常ローラからの異音は球面拡散して近傍のローラの異音と干渉する。本発明に係る異音係数は、ガンマイクで異音ローラ周辺のローラを順次多点計測していくと、異常ローラで最大値を示すので、最大値から異常ローラが精度よく特定できる。また、周囲の雑音に埋もれて直接には計測できない (人間の聴覚では判断の難しい)地点の異常ローラの異音レベルも高精度に検出することができる。
【0088】
本発明は、計測した音をスペクトルパターンと周期情報および強さ情報に分解し、データベースの音と比較することで音のタイプを分類する手法であり、正常音、異常音を高精度に分類できることから機械等の異常音診断等が可能である。特に回転機械のような周期的な音を判別する能力に優れている。
【0089】
上記実施の形態においては、コンベヤ等に使用されるローラ等の回転機械の異常音を診断する例で説明したが、例えば、予めデータベースに格納したグループ選別データを適宜変更すれば、音声認識も可能である。応用によっては、コンクリート剥離検査等にも適用することができる。
【0090】
また、従来の音声認識の複雑なアルゴリズムと異なり、FFT(高速フーリエ変換)を用いた簡単なアルゴリズムであることから、計算負荷が小さく、計算時間も短い。能力の小さな携帯型装置にも搭載が可能である。
【0091】
本発明は、ローラの回転範囲が約190rpm〜580rpmの中高速コンベヤに適用すると特に有効である。
【0092】
【発明の効果】
以上説明したことから明らかなように、本発明によれば次のごとき優れた効果を発揮する。
【0093】
(1)複雑なアルゴリズムを用いずに異常音を高精度に診断できる。
【0094】
(2)処理速度が速い。
【図面の簡単な説明】
【図1】本発明の好適実施の形態を示すフローチャートである。
【図2】本発明に係る携帯型診断装置のブロック図である。
【図3】コンベヤに使用されるローラの回転機械音における時系列スペクトルの等高線(コンタ)表示の一例を示した図である。
【図4】本発明に係る異音判別処理を示すフローチャートである。
【図5】図4に示したフローチャートの第1ステップの内容を示した概略図である。
【図6】図4に示したフローチャートの第2ステップの内容を示した概略図である。
【図7】図4に示したフローチャートの第3ステップの内容を示した概略図である。
【図8】図4に示したフローチャートの第4ステップの内容を示した概略図である。
【図9】本発明に係る異音係数による異音レベルの検出例を示す概略図である。
【図10】図2に示した携帯型診断装置の外観図である。
【図11】図2に示した携帯型診断装置の使用例を示す概略図である。
【図12】図2に示した携帯型診断装置の動作モードのフローチャートである。
Claims (3)
- コンベヤに使用されるローラの回転機械の異常音を診断する回転機械異常音診断処理手法において、携帯型診断装置のマイクロホンで、コンベアに沿って回転機械音を採取し、その採取した回転機械音の生波形から低周波雑音成分を除去し、この波形を約10msec間隔で高速フーリエ変換して、周波数と音圧レベルの時系列スペクトルに分解し、その時系列スペクトルから異音成分のコンタを抽出し、その時系列スペクトルのコンタから異音成分を含むスペクトル列のみを抜き出し、これを平均化処理しさらに正規化処理して計測異音スペクトルパターンを作成し、他方、予め異音出現頻度と登録異音タイプをパターン化したグループ選別データを作成し、上記計測異音スペクトルパターンとグループ選別データとのパターンマッチングを行って異常音を診断することを特徴とする回転機械異常音診断処理手法。
- グループ選別データは、異音出現頻度の大小と、正常・異音のスペクトルパターンに分けたグループに選別して格納され、計測異音スペクトルパターンの異音出現頻度とスペクトルパターンをそれぞれ比較して異音タイプを判定する請求項1記載の回転機械異常音診断処理手法。
- 時系列スペクトルのコンタから異音成分を含むスペクトル列のみを抜き出し、これを平均化処理しさらに正規化処理して計測異音スペクトルパターンとする際、計測異音のオーバーオール値を求め、その計測異音のオーバーオール値と全グループ選別データのオーバーオール値の平均値とから異音係数を求め、この異音係数によって回転機械の異常音の発生源を特定する請求項1記載の回転機械異常音診断処理手法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2000300591A JP4262878B2 (ja) | 2000-09-28 | 2000-09-28 | 回転機械異常音診断処理手法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2000300591A JP4262878B2 (ja) | 2000-09-28 | 2000-09-28 | 回転機械異常音診断処理手法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2002107223A JP2002107223A (ja) | 2002-04-10 |
JP4262878B2 true JP4262878B2 (ja) | 2009-05-13 |
Family
ID=18782254
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2000300591A Expired - Lifetime JP4262878B2 (ja) | 2000-09-28 | 2000-09-28 | 回転機械異常音診断処理手法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP4262878B2 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102809493A (zh) * | 2011-06-02 | 2012-12-05 | 三菱电机株式会社 | 异常音诊断装置 |
KR101895221B1 (ko) * | 2018-01-30 | 2018-09-07 | 정명구 | 이음 감지에 의한 회전체 이상 진단 시스템 |
Families Citing this family (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060142972A1 (en) * | 2004-12-29 | 2006-06-29 | Snap-On Incorporated | System and method of using sensors to emulate human senses for diagnosing an assembly |
JP4892876B2 (ja) * | 2005-06-20 | 2012-03-07 | 富士ゼロックス株式会社 | 故障診断装置および方法 |
US20070255563A1 (en) * | 2006-04-28 | 2007-11-01 | Pratt & Whitney Canada Corp. | Machine prognostics and health monitoring using speech recognition techniques |
JP4251202B2 (ja) * | 2006-08-03 | 2009-04-08 | 株式会社 マーフィーシステムズ | 振動波形の周期の安定性評価方法 |
JP4810389B2 (ja) * | 2006-10-03 | 2011-11-09 | 株式会社リコー | 画像形成装置の遠隔管理システム |
DE202008014792U1 (de) * | 2008-11-07 | 2010-03-25 | Qass Gmbh | Vorrichtung zum Bewerten von Zerspanungsprozessen |
WO2011036815A1 (ja) | 2009-09-28 | 2011-03-31 | 株式会社 東芝 | モニタリング装置 |
JP5985281B2 (ja) * | 2012-07-06 | 2016-09-06 | 東芝産業機器システム株式会社 | 携帯端末、振動音響計測システム及び振動音響計測方法 |
US9784635B2 (en) * | 2015-06-29 | 2017-10-10 | General Electric Company | Systems and methods for detection of engine component conditions via external sensors |
JP6659384B2 (ja) * | 2016-02-02 | 2020-03-04 | 株式会社神戸製鋼所 | 回転機の異常検知装置および回転機の異常検知システム |
JP6540962B2 (ja) * | 2016-02-02 | 2019-07-10 | 富士ゼロックス株式会社 | 診断装置、診断システムおよびプログラム |
JP6763255B2 (ja) * | 2016-09-21 | 2020-09-30 | 富士ゼロックス株式会社 | 診断装置、診断システムおよびプログラム |
JP6840971B2 (ja) * | 2016-09-21 | 2021-03-10 | 富士ゼロックス株式会社 | 診断装置、診断システムおよびプログラム |
JP6922708B2 (ja) * | 2017-12-07 | 2021-08-18 | 富士通株式会社 | 異常検出用コンピュータプログラム、異常検出装置及び異常検出方法 |
JP2020038411A (ja) * | 2018-08-31 | 2020-03-12 | オークラサービス株式会社 | 設備保全装置、設備保全システムおよび設備保全方法 |
CN113984191A (zh) * | 2021-10-27 | 2022-01-28 | 苏州微著设备诊断技术有限公司 | 一种电力设备异音智能听针系统及其诊断方法 |
CN114013957B (zh) * | 2021-11-29 | 2023-03-17 | 天津电子信息职业技术学院 | 基于声音信号的输送带纵向撕裂检测方法及相关设备 |
CN114999537A (zh) * | 2022-06-22 | 2022-09-02 | 歌尔科技有限公司 | 一种异音信号检测方法、装置、设备及可读存储介质 |
CN118408632A (zh) * | 2024-07-01 | 2024-07-30 | 山东卓文信息科技有限公司 | 一种振动式异音异响检测系统及方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09113416A (ja) * | 1995-10-17 | 1997-05-02 | Nippon Steel Corp | ころがり軸受の損傷診断方法 |
JPH09166483A (ja) * | 1995-12-19 | 1997-06-24 | Hitachi Ltd | 機器監視方法及びその装置 |
JPH1026580A (ja) * | 1996-05-08 | 1998-01-27 | Nippon Steel Corp | 変速型回転機械設備の診断方法および装置 |
JP3449194B2 (ja) * | 1997-01-28 | 2003-09-22 | 松下電工株式会社 | 回転機器の異常診断方法およびその装置 |
JP3518838B2 (ja) * | 1997-09-04 | 2004-04-12 | 株式会社東芝 | 音響監視装置 |
-
2000
- 2000-09-28 JP JP2000300591A patent/JP4262878B2/ja not_active Expired - Lifetime
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102809493A (zh) * | 2011-06-02 | 2012-12-05 | 三菱电机株式会社 | 异常音诊断装置 |
CN102809493B (zh) * | 2011-06-02 | 2015-06-24 | 三菱电机株式会社 | 异常音诊断装置 |
KR101895221B1 (ko) * | 2018-01-30 | 2018-09-07 | 정명구 | 이음 감지에 의한 회전체 이상 진단 시스템 |
Also Published As
Publication number | Publication date |
---|---|
JP2002107223A (ja) | 2002-04-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4262878B2 (ja) | 回転機械異常音診断処理手法 | |
Abid et al. | Distinct bearing faults detection in induction motor by a hybrid optimized SWPT and aiNet-DAG SVM | |
CN106314438B (zh) | 一种司机驾驶轨迹中异常轨迹的检测方法和系统 | |
CN107095669B (zh) | 一种癫痫患者脑电信号的处理方法及系统 | |
CN109100143A (zh) | 基于ceemdan和cfsfdp的滚动轴承故障诊断方法及设备 | |
KR102324776B1 (ko) | 차량의 소음원인 진단방법 | |
US7620450B2 (en) | Method and system for removing noise by using change in activity pattern | |
EP1938247A2 (en) | Multi-scale enveloping spectrogram signal processing for condition monitoring and the like | |
JP6882397B2 (ja) | 異音等検出システム、装置、方法及びプログラム | |
CN110432898A (zh) | 一种基于非线性动力学特征的癫痫发作脑电信号分类系统 | |
WO2016177002A1 (zh) | 基于拉曼光谱的检测保健品中是否添加有西药的方法 | |
JP2010207488A (ja) | 行動解析装置及びプログラム | |
US6591682B1 (en) | Device and process for signal analysis | |
Benba et al. | Hybridization of best acoustic cues for detecting persons with Parkinson's disease | |
CN110631832A (zh) | 地铁车辆轴承故障在线检测方法 | |
JP2010266327A (ja) | 設備診断装置及び設備診断方法 | |
JP3594477B2 (ja) | 異音検査装置 | |
JP2003232674A (ja) | 機械設備又は機器の異常診断方法及び異常診断装置 | |
JP2001318031A (ja) | 装置の異常診断方法 | |
Han et al. | Fault diagnosis of rolling bearings using dual-tree complex wavelet packet transform and time-shifted multiscale range entropy | |
CN113822193A (zh) | 一种基于窄带增强包络谱的滚动轴承故障诊断方法及系统 | |
Al-Mulla et al. | Statistical class separation using sEMG features towards automated muscle fatigue detection and prediction | |
CN117591986A (zh) | 基于人工智能的汽车数据实时处理方法 | |
CN111428690B (zh) | 一种基于步态信号拓扑分析的身份认证方法 | |
Tawhid et al. | Brain data mining framework involving entropy topography and deep learning |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A625 | Written request for application examination (by other person) |
Free format text: JAPANESE INTERMEDIATE CODE: A625 Effective date: 20070910 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20071010 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20081027 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20081027 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20081027 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20081128 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20081209 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20090106 |
|
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: 20090203 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20090210 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120220 Year of fee payment: 3 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 4262878 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120220 Year of fee payment: 3 |
|
S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120220 Year of fee payment: 3 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120220 Year of fee payment: 3 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120220 Year of fee payment: 3 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130220 Year of fee payment: 4 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140220 Year of fee payment: 5 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |