JP6365765B2 - 検出装置 - Google Patents

Description

この発明は、長尺体を検出対象とする検出装置に関する。

特許文献１に、ロープを検査する装置が記載されている。特許文献１に記載された装置は、光源と受光素子とを備える。光源と受光素子との間にロープが配置される。特許文献１に記載された装置では、受光素子が受けた光量に基づいてロープの直径が算出される。算出した直径のピーク値の間隔をストランドの間隔に一致させることにより、ロープの位置を算出する。

日本特許第５４３６６５９号公報

特許文献１に記載された装置は、ノイズの影響を受け易いといった問題があった。例えば、ストランド間の溝に小さなごみが付着していると、そのごみの位置で直径のピーク値が算出されてしまう。

この発明は、上述のような課題を解決するためになされた。この発明の目的は、長尺体の位置等を検出する際にノイズの影響を低減できる検出装置を提供することである。

この発明に係る検出装置は、表面に周期的な模様を有する長尺体の表面データを取得するデータ取得手段と、第１リファレンスデータ及び第２リファレンスデータを記憶する記憶手段と、データ取得手段によって取得された表面データと第１リファレンスデータとの第１類似度を算出する第１類似度算出手段と、データ取得手段によって取得された表面データと第２リファレンスデータとの第２類似度を算出する第２類似度算出手段と、第１類似度算出手段によって算出された第１類似度と第２類似度算出手段によって算出された第２類似度とを要素とする類似度ベクトルの位相を算出する位相算出手段と、を備える。

この発明に係る検出装置は、表面に周期的な模様を有する長尺体の表面データを取得するデータ取得手段と、第１リファレンスデータ及び第２リファレンスデータを記憶する記憶手段と、データ取得手段によって取得された表面データから第１リファレンスデータ及び第２リファレンスデータと比較するための処理データを生成するデータ処理手段と、データ処理手段によって生成された処理データと第１リファレンスデータとの第１類似度を算出する第１類似度算出手段と、データ処理手段によって生成された処理データと第２リファレンスデータとの第２類似度を算出する第２類似度算出手段と、第１類似度算出手段によって算出された第１類似度と第２類似度算出手段によって算出された第２類似度とを要素とする類似度ベクトルの位相を算出する位相算出手段と、を備える。

この発明に係る検出装置は、表面に周期的な模様を有する長尺体の表面データを取得するデータ取得手段と、第１リファレンスデータ及び第２リファレンスデータを記憶する記憶手段と、データ取得手段によって取得された表面データと第１リファレンスデータとの第１類似度を算出する第１類似度算出手段と、データ取得手段によって取得された表面データと第２リファレンスデータとの第２類似度を算出する第２類似度算出手段と、第１類似度算出手段によって算出された第１類似度と第２類似度算出手段によって算出された第２類似度とを要素とする類似度ベクトルのノルムに基づいて、長尺体の異常を検出する異常検出手段と、を備える。

この発明に係る検出装置は、表面に周期的な模様を有する長尺体の表面データを取得するデータ取得手段と、第１リファレンスデータ及び第２リファレンスデータを記憶する記憶手段と、データ取得手段によって取得された表面データから第１リファレンスデータ及び第２リファレンスデータと比較するための処理データを生成するデータ処理手段と、データ処理手段によって生成された処理データと第１リファレンスデータとの第１類似度を算出する第１類似度算出手段と、データ処理手段によって生成された処理データと第２リファレンスデータとの第２類似度を算出する第２類似度算出手段と、第１類似度算出手段によって算出された第１類似度と第２類似度算出手段によって算出された第２類似度とを要素とする類似度ベクトルのノルムに基づいて、長尺体の異常を検出する異常検出手段と、を備える。

この発明に係る検出装置は、表面に周期的な模様を有する長尺体の表面データを取得するデータ取得手段と、第１リファレンスデータ及び第２リファレンスデータを記憶する記憶手段と、データ取得手段によって取得された表面データと第１リファレンスデータとの第１類似度を算出する第１類似度算出手段と、データ取得手段によって取得された表面データと第２リファレンスデータとの第２類似度を算出する第２類似度算出手段と、第１類似度算出手段によって算出された第１類似度と第２類似度算出手段によって算出された第２類似度とを要素とする類似度ベクトルが描く軌跡に基づいて、長尺体の異常を検出する異常検出手段と、を備える。

この発明に係る検出装置は、表面に周期的な模様を有する長尺体の表面データを取得するデータ取得手段と、第１リファレンスデータ及び第２リファレンスデータを記憶する記憶手段と、データ取得手段によって取得された表面データから第１リファレンスデータ及び第２リファレンスデータと比較するための処理データを生成するデータ処理手段と、データ処理手段によって生成された処理データと第１リファレンスデータとの第１類似度を算出する第１類似度算出手段と、データ処理手段によって生成された処理データと第２リファレンスデータとの第２類似度を算出する第２類似度算出手段と、第１類似度算出手段によって算出された第１類似度と第２類似度算出手段によって算出された第２類似度とを要素とする類似度ベクトルが描く軌跡に基づいて、長尺体の異常を検出する異常検出手段と、を備える。

この発明に係る検出装置は、表面に周期的な模様を有する長尺体の表面データを取得するデータ取得手段と、リファレンスデータを記憶する記憶手段と、データ取得手段によって取得された表面データとリファレンスデータとの類似度が予め設定された基準値に一致する回数をカウントすることにより、長尺体の位置又は長尺体が表面に有する模様の周期を検出する検出手段と、を備える。

この発明に係る検出装置は、表面に周期的な模様を有する長尺体の表面データを取得するデータ取得手段と、リファレンスデータを記憶する記憶手段と、データ取得手段によって取得された表面データをリファレンスデータと比較するためのデータに処理するデータ処理手段と、データ処理手段によって処理されたデータとリファレンスデータとの類似度が予め設定された基準値に一致する回数をカウントすることにより、長尺体の位置又は長尺体が表面に有する模様の周期を検出する検出手段と、を備える。

この発明によれば、ノイズの影響を低減できる検出装置を提供できる。

この発明の実施の形態１における検出装置の構成を示す図である。 図１に示す矢印Ａの方向から長尺体を見た図である。 センサヘッドによって取得された表面データの例を示す図である。 センサヘッドによって取得された表面データを色の濃淡で表した図である。 図４の一部を拡大した図である。 制御装置の構成例を示す図である。 制御装置のデータ処理機能を説明するための図である。 制御装置のデータ処理機能を説明するための図である。 リファレンスデータの選定方法を説明するための図である。 記憶部に記憶された２つのリファレンスデータの例を示す図である。 制御装置の位相算出機能を説明するための図である。 制御装置の位置検出機能を説明するための図である。 図１２に示す区間１での類似度ベクトルの軌跡を示す図である。 図１２に示す区間２での類似度ベクトルの軌跡を示す図である。 リファレンスデータを選定する他の方法を説明するための図である。 リファレンスデータを選定する他の方法を説明するための図である。 制御装置の位置検出機能を説明するための図である。 図１７に示す区間１での類似度ベクトルの軌跡を示す図である。 図１７に示す区間２での類似度ベクトルの軌跡を示す図である。 制御装置の構成例を示す図である。 制御装置の異常検出機能を説明するための図である。 制御装置の異常検出機能を説明するための図である。 制御装置の異常検出機能を説明するための図である。 制御装置の異常検出機能を説明するための図である。 制御装置の異常検出機能を説明するための図である。 制御装置の異常検出機能を説明するための図である。 制御装置の異常検出機能を説明するための図である。 この発明の実施の形態６における検出装置の構成を示す図である。 図２８のＤ−Ｄ断面を示す図である。 制御装置の位置検出機能を説明するための図である。 制御装置のハードウェア構成を示す図である。

添付の図面を参照し、本発明を説明する。重複する説明は、適宜簡略化或いは省略する。各図において、同一の符号は同一の部分又は相当する部分を示す。

実施の形態１．
図１は、この発明の実施の形態１における検出装置の構成を示す図である。図２は、図１に示す矢印Ａの方向から長尺体を見た図である。実施の形態１では、検出装置が長尺体の位置を検出する例について説明する。長尺体には、例えばロープ１が含まれる。検出装置は、長手の方向に移動する長尺体の位置を検出する。例えば、ロープ１は、矢印Ｂの方向に移動する。矢印Ｂは、ロープ１の長手の方向と一致する。このような移動を行うロープ１の例として、エレベータで使用されるワイヤロープが挙げられる。ロープ１が移動する方向は一方向でも良い。なお、長尺体はロープ１に限定されない。

ロープ１は、複数のストランドを備える。ロープ１は、複数のストランドが縒り合わされることによって形成される。このため、ロープ１は、表面に周期的な模様を有する。本検出装置の検出対象は、表面に周期的な模様を有する長尺体である。「模様」には、例えば形状、図形、色及び色の濃淡が含まれる。例えば、ロープ１の表面には、複数のストランドが縒り合わされることによって形成される凹凸が規則的に並んでいる。ロープ１の断面形状は、縒りピッチをストランドの数で割った距離毎にほぼ同じになる。上記断面とは、ロープ１の長手の方向と直交する方向の断面である。

検出装置は、例えばセンサヘッド２と制御装置３とを備える。

センサヘッド２は、長尺体の表面データを取得する手段の一例である。「表面データ」は、長尺体の表面の模様に関するデータである。例えば、センサヘッド２は、ロープ１の表面に形成された凹凸を表すデータを表面データとして取得する。図１は、センサヘッド２が光学式のプロファイル測定器である例を示す。センサヘッド２は、例えば光源４及び受光素子５を備える。

光源４は、ロープ１の表面に光を照射する。図１及び図２は、光源４がロープ１の長手の方向と直交する方向にレーザ光を照射する例を示す。図１及び図２に示す例では、光源４から照射された光は、ロープ１を横断するようにロープ１の一側の端から他側の端にかけて直線状に当たる。

受光素子５は、光源４から照射された光のうちロープ１の表面で反射した光（反射光）を受光する。受光素子５は、光源４が光を照射する方向に対して斜めに配置される。受光素子５は、上記反射光のうちロープ１の長手の方向に対して一定の角度で斜めに反射した光を受光する。

図１及び図２に示す光ａは、光源４からロープ１に向けて照射された光である。光ｂ及び光ｃは、ロープ１の表面で反射した光のうち、受光素子５によって受光される角度で反射した光である。光ｂは、ストランドの最も外側に膨らんだ部分で反射した光である。光ｃは、隣り合うストランドによって形成された溝の部分で反射した光である。受光素子５が光ｂ及び光ｃ等を受光することにより、センサヘッド２は、光源４からの光が当たった部分の断面形状を表す表面データを取得する。

図３は、センサヘッド２によって取得された表面データの例を示す図である。図３に示すＳ１は、センサヘッド２によって取得された表面データの一例である。図３の横軸は、表面データＳ１がロープ１の長手の方向と直交する方向に１５０個のデータを含むことを示す。なお、表面データが含むデータの個数は任意に決定される。

図４は、センサヘッド２によって取得された表面データを色の濃淡で表した図である。図５は、図４の一部を拡大した図である。図４及び図５は、出願人が光学式のプロファイル測定器を用いて実際に取得した多数の表面データを繋ぎ合わせて作成したものを示す。

センサヘッド２は、光学式のプロファイル測定器に限定されない。例えば、センサヘッド２は、カメラを備えても良い。センサヘッド２は、カメラによってロープ１の表面を撮影したデータを表面データとして取得しても良い。かかる場合、表面データには高さに関する情報が含まれない。センサヘッド２は、ロープ１の表面に付された色及び色の濃淡を表すデータを表面データとして取得する。

制御装置３は、センサヘッド２によって取得された表面データに基づいて、長尺体の位置を検出する。即ち、制御装置３は、長尺体が長手の方向に移動した距離を検出する。図１は、制御装置３が信号線６によってセンサヘッド２に接続される例を示す。センサヘッド２と制御装置３とを同じ筐体内に配置しても良い。制御装置３が有する機能の一部をセンサヘッド２が備えても良い。

図６は、制御装置３の構成例を示す図である。制御装置３は、例えば記憶部７、データ処理部８、類似度算出部９、位相算出部１０及び位置検出部１１を備える。

記憶部７にリファレンスデータが記憶される。本実施の形態では、記憶部７に２つのリファレンスデータが記憶される例について説明する。以下の説明では、記憶部７に記憶された一方のリファレンスデータを第１リファレンスデータと表記する。記憶部７に記憶されたもう一方のリファレンスデータを第２リファレンスデータと表記する。

データ処理部８は、センサヘッド２によって取得された表面データから処理データを生成する。処理データは、第１リファレンスデータ及び第２リファレンスデータと比較するためのデータである。ロープ１の位置等を検出する上では、センサヘッド２によって取得された表面データからバイアス成分或いは高調波成分を除去する処理を行うことが望ましい。これにより、ロープ１が表面に有する周期的な模様の成分を強調することができる。

図７及び図８は、制御装置３のデータ処理機能を説明するための図である。本実施の形態では、センサヘッド２によって取得された表面データからバイアス成分を除去する例について説明する。即ち、データ処理部８は、表面データに対してバイアス除去処理を行うことによって処理データを生成する。図７に示すＳ２はバイアス成分である。バイアス成分Ｓ２は、ロープ１の表面に凹凸がない場合にセンサヘッド２が取得する表面データに相当する。図８に示すＰは、処理データである。処理データＰは、表面データＳ１とバイアス成分Ｓ２との差に相当する。データ処理部８は、例えば、センサヘッド２によって取得された表面データＳ１からロープ１の径の影響を除去することにより、処理データＰを生成する。

表面データＳ１が複数個のデータを含む場合、処理データＰは、表面データＳ１と同様に下記のようにｎ行１列の行列で表記できる。ｎは、例えば２以上の整数である。図８に示す例ではｎ＝１５０である。

図９は、リファレンスデータの選定方法を説明するための図である。上述したように、ロープ１は、表面に周期的な模様を有する。例えば、図９に示す直線ｃ１でロープ１を切断した断面形状と直線ｃ４でロープ１を切断した断面形状とはほぼ同じになる。即ち、直線ｃ１と直線ｃ４との距離Ｌ１は、位相差が２πとなる距離である。同様に、直線ｃ１と直線ｃ３との距離Ｌ２は、位相差がπとなる距離である。直線ｃ１と直線ｃ２との距離Ｌ３は、位相差がπ／２となる距離である。

第１リファレンスデータと第２リファレンスデータとは、互いに直交するデータ或いはほぼ直交するデータであることが好ましい。例えば、直線ｃ１の部分に光を当てた時に得られる処理データに相当するデータを第１リファレンスデータに設定する。かかる場合、直線ｃ２の部分に光を当てた時に得られる処理データに相当するデータを第２リファレンスデータに設定することが好ましい。図１０は、記憶部７に記憶された２つのリファレンスデータの例を示す図である。

図１０に示す第１リファレンスデータＲｅｆ１及び第２リファレンスデータＲｅｆ２は、例えば下記のようにｎ行１列の行列で表記できる。ｎは、例えば２以上の整数である。図１０に示す例ではｎ＝１５０である。

本実施の形態では、処理データＰ、第１リファレンスデータＲｅｆ１及び第２リファレンスデータＲｅｆ２が多次元のベクトルデータ（要素数ｎのベクトル）である例について説明する。第１リファレンスデータＲｅｆ１及び第２リファレンスデータＲｅｆ２の内積は、０或いは０に近い値であることが好ましい。

制御装置３は、データ設定部１２を備えても良い。データ設定部１２は、センサヘッド２によって取得された表面データに基づいて、リファレンスデータを設定する。例えば、データ設定部１２は、ロープ１のある部分に光源４からの光を当てた時に得られた処理データを第１リファレンスデータとして記憶部７に記憶させる。更に、データ設定部１２は、上記部分から位相差がπ／２となる部分に光を当てた時に得られた処理データを第２リファレンスデータとして記憶部７に記憶させる。データ設定部１２の機能は、リファレンスデータが既知でない場合に有効である。

類似度算出部９は、処理データとリファレンスデータとの類似度を算出する。類似度は、２つの処理データが類似する度合いを表す指標である。本実施の形態に示す例では、記憶部７に２つのリファレンスデータが記憶される。かかる場合、類似度算出部９は、第１類似度と第２類似度とを算出する機能を有する。第１類似度は、処理データと第１リファレンスデータとの類似度である。第２類似度は、処理データと第２リファレンスデータとの類似度である。

例えば、類似度算出部９は、処理データと第１リファレンスデータとの相関係数ρ１を第１類似度として算出する。類似度算出部９は、処理データと第２リファレンスデータとの相関係数ρ２を第２類似度として算出する。

図１１は、制御装置３の位相算出機能を説明するための図である。位相算出部１０は、類似度ベクトルの位相θを算出する。類似度ベクトルは、類似度算出部９によって算出された第１類似度と第２類似度とを要素とするベクトルである。本実施の形態に示す例では、類似度ベクトルは（ρ１、ρ２）で表記される。位相θは、例えば類似度ベクトルと（ρ１、０）で示されるベクトルとのなす角で表される。

位置検出部１１は、長尺体の位置を検出する。即ち、位置検出部１１は、長尺体が長手の方向にどれだけ移動したかを検出する。位置検出部１１は、位相算出部１０によって算出された位相に基づいて上記検出を行う。

例えば、図９に示す直線ｃ１の部分に光源４からの光を当てた時に得られる類似度ベクトルが（ρ１、０）で表される理想的な例を考える。ロープ１が下方に移動して直線ｃ２の部分に光源４からの光が当たると、得られる類似度ベクトルは（０、ρ２）で表される。この時の位相θはπ／２（ｒａｄ）になる（図１１参照）。ロープ１が下方に更に移動して直線ｃ３の部分に光が当たると、得られる類似度ベクトルは（−ρ１、０）で表される。この時の位相θはπ（ｒａｄ）になる。ロープ１が下方に更に移動して直線ｃ４の部分に光が当たると、得られる類似度ベクトルは（ρ１、０）で表される。この時の位相θは２π（ｒａｄ）になる。このように、位相算出部１０によって算出された位相θに基づいてロープ１の位置を検出することができる。

図１２は、制御装置３の位置検出機能を説明するための図である。図１２の（ａ）は、センサヘッド２によって取得された表面データを色の濃淡で表した図である。図１２の（ａ）に示す図は、３５００個の表面データを繋げたものを示す。表面データは、例えば一定の周期で取得される。図１２に示す区間１は、ロープ１がほぼ停止している状態を示す。図１２に示す区間２は、ロープ１の走行が開始された後の状態を示す。図１２の（ｂ）は、相関係数ρ１及びρ２の変化を示す。図１２の（ｃ）は、位相θの変化を示す。

図１３は、図１２に示す区間１での類似度ベクトルの軌跡を示す図である。図１４は、図１２に示す区間２での類似度ベクトルの軌跡を示す図である。図１４に示すように、ロープ１が長手の方向に移動すると、類似度ベクトルの軌跡は点（０、０）の周囲を回るように描かれる。

上記構成を有する検出装置であれば、類似度ベクトルの位相に基づいて長尺体の位置を検出できる。類似度ベクトルの要素である第１類似度及び第２類似度は、長尺体の表面の模様に関する表面データを利用して算出される。このため、ノイズの影響を低減できる。本実施の形態に示す例では、ｎ＝１５０の多次元のベクトルデータを用いて相関係数ρ１及びρ２が算出される。多数のデータから相関係数ρ１及びρ２を算出するため、必然的にノイズの影響を受け難くなる。

シルエットからストランドの頂点を見つける従来の方法では、フィルタ処理に必要なフィルタ係数をロープの形状及び走行速度に合わせて調整しなければならない。上記構成を有する検出装置であれば、このような調整を行う必要がない。

なお、図１４では、類似度ベクトルの軌跡がいびつな円で描かれている。これは、第１リファレンスデータと第２リファレンスデータとが完全に直交するものではないために生じた結果である。しかし、換言すれば、第１リファレンスデータと第２リファレンスデータとが完全に直交するものではなくても上記効果を奏することができる。

以下に、制御装置３が備えることが可能な他の機能について説明する。
制御装置３は、方向検出部１３を備えても良い。方向検出部１３は、長尺体の移動方向を検出する。方向検出部１３は、位相算出部１０によって算出された位相に基づいて上記検出を行う。例えば、方向検出部１３は、位相算出部１０によって算出された位相の変化速度ｄθ／ｄｔを算出する。方向検出部１３は、算出した変化速度ｄθ／ｄｔの符号から長尺体の移動方向を判定する。

図６は、制御装置３が位置検出部１１及び方向検出部１３の双方を備える例を示す。制御装置３は、位置検出部１１を備えず、方向検出部１３を備えても良い。かかる場合、検出装置は、長尺体の移動方向を検出する装置となる。

制御装置３は、周期検出部１４を備えても良い。周期検出部１４は、長尺体が表面に有する模様の周期を検出する。周期検出部１４は、位相算出部１０によって算出された位相に基づいて上記検出を行う。例えば、周期検出部１４は、位相算出部１０によって算出された位相の変化速度ｄθ／ｄｔを算出する。長尺体の移動速度が一定であれば、算出した変化速度ｄθ／ｄｔから模様の周期を判定することができる。

実施の形態２．
実施の形態１では、リファレンスデータがｎ行１列の行列で表記できる例について説明した。本実施の形態では、ｎ行ｍ列の行列で表記できるデータがリファレンスデータとして記憶部７に記憶される例について説明する。ｍは、例えば２以上の整数である。ｍ＝ｎでも良い。

図１５は、リファレンスデータを選定する他の方法を説明するための図である。例えば、範囲Ｃ１に光源４からの光を当てた時に得られる処理データに相当するデータを第１リファレンスデータとして記憶部７に記憶する。直線ｃ１が１本分の測定ラインに相当し、範囲Ｃ１はｍ本分の測定ラインに相当する。また、範囲Ｃ２に光源４からの光を当てた時に得られる処理データに相当するデータを第２リファレンスデータとして記憶部７に記憶する。第１リファレンスデータＲｅｆ１及び第２リファレンスデータＲｅｆ２は、下記のように表記できる。第１リファレンスデータＲｅｆ１と第２リファレンスデータＲｅｆ２との内積は、０或いは０に近い値であることが好ましい。

ｎ行ｍ列の行列で表記できるデータがリファレンスデータとして記憶部７に記憶されている場合、データ処理部８は、ｎ行ｍ列の行列で表記できるデータを処理データＰとして生成する。なお、表面データＳ１もｎ行ｍ列の行列で表記できる。

上記構成を有する検出装置であれば、ノイズの影響を更に低減できる。本実施の形態で説明しない構成については、実施の形態１で開示した構成と同じである。

実施の形態３．
実施の形態１では、センサヘッド２によって取得される表面データから得られるデータ或いはそれに相当するデータがリファレンスデータとして記憶部７に記憶される例について説明した。本実施の形態では、設計情報から得られるデータがリファレンスデータとして記憶部７に記憶される例について説明する。

図１６は、リファレンスデータを選定する他の方法を説明するための図である。例えば、長尺体が表面に有する模様の周期と同じ周期を有する正弦波を第１リファレンスデータとして記憶部７に記憶する。長尺体が表面に有する模様の周期と同じ周期を有する余弦波を第２リファレンスデータとして記憶部７に記憶する。第１リファレンスデータＲｅｆ１及び第２リファレンスデータＲｅｆ２は、上記式２で示すようにｎ行１列の行列で表記できる。

上記構成を有する検出装置であれば、第１リファレンスデータＲｅｆ１及び第２リファレンスデータＲｅｆ２の内積を完全に０にすることができる。即ち、互いに直交するデータを第１リファレンスデータ及び第２リファレンスデータとして採用できる。

図１７は、制御装置３の位置検出機能を説明するための図である。図１７の（ａ）から（ｃ）は、図１２の（ａ）から（ｃ）に対応する。図１７の（ｂ）に示す図は、図１６に示す第１リファレンスデータＲｅｆ１及び第２リファレンスデータＲｅｆ２を用いて作成された。図１８は、図１７に示す区間１での類似度ベクトルの軌跡を示す図である。図１９は、図１７に示す区間２での類似度ベクトルの軌跡を示す図である。図１９に示すように、互いに直交する２つのリファレンスデータを用いた場合は、類似度ベクトルの軌跡が真円に近い円になる。

本実施の形態に示す例において、ｎ行ｍ列の行列で表記できるデータをリファレンスデータとして採用しても良い。かかる場合、第１リファレンスデータＲｅｆ１及び第２リファレンスデータＲｅｆ２は、上記式３で示すような行列で表記できる。第１リファレンスデータＲｅｆ１と第２リファレンスデータＲｅｆ２との内積を０に設定すれば良い。

本実施の形態で説明しない構成については、実施の形態１或いは２で開示した構成と同じである。

実施の形態４．
実施の形態１から３では、検出装置が長尺体の位置を検出する例について説明した。本実施の形態では、検出装置が長尺体の異常を検出する例について説明する。本実施の形態における検出装置の全体の構成は、図１に示す構成と同じである。

図２０は、制御装置３の構成例を示す図である。本実施の形態における制御装置３は、例えば記憶部７、データ処理部８、類似度算出部９及び異常検出部１５を備える。記憶部７、データ処理部８及び類似度算出部９の各機能は、実施の形態１で開示した各機能と同じである。また、本実施の形態で説明しない構成については、実施の形態１から３で開示した何れかの構成と同じである。

異常検出部１５は、長尺体の異常を検出する。例えば、異常検出部１５は、類似度算出部９によって算出された第１類似度と第２類似度とを要素とする類似度ベクトルに基づいて上記検出を行う。

図２１から図２３は、制御装置３の異常検出機能を説明するための図である。図２１から図２３では、ロープ１の正常な部分に光源４からの光を当てた時のデータを（ａ）に示す。ロープ１の異常がある部分に光源４からの光を当てた時のデータを（ｂ）に示す。図２１の上段に、センサヘッド２によって取得された表面データを色の濃淡で表した図を示す。図２１の下段に、相関係数ρ１及びρ２の変化を示す。

図２２は、図２１の下段に示す相関係数ρ１及びρ２が算出された時に得られる類似度ベクトルの軌跡を示す。図２２の（ａ）では、類似度ベクトルの軌跡が真円に近い円になる。一方、図２２の（ｂ）では、類似度ベクトルの軌跡がきれいな形にならない。図２２の（ｂ）では、類似度ベクトルの軌跡が点（０、０）に近い位置にも存在する。このため、異常検出部１５は、類似度ベクトルの軌跡に基づいてロープ１の異常を検出することができる。例えば、図２２の（ａ）に示す軌跡の内側の範囲に、異常を検出するための異常範囲が設定される。異常検出部１５は、類似度ベクトルの軌跡が異常範囲に入ると、ロープ１の異常を検出する。異常検出部１５は、類似度ベクトルの軌跡が異常範囲に入る頻度に基づいてロープ１の異常を検出しても良い。異常検出部１５は、他の基準に基づいてロープ１の異常を検出しても良い。

図２３は、図２１の下段に示す相関係数ρ１及びρ２が算出された時に得られる類似度ベクトルのノルムを示す。図２３の（ａ）では、類似度ベクトルのノルムは１に近い範囲でほぼ一定になる。一方、図２３の（ｂ）では、類似度ベクトルのノルムが広い範囲に渡って存在する。図２３の（ｂ）では、類似度ベクトルのノルムが０に近い値にもなる。このため、異常検出部１５は、類似度ベクトルのノルムに基づいてロープ１の異常を検出することができる。例えば、図２３の（ａ）に示すノルムより下方の位置に、閾値が設定される。異常検出部１５は、類似度ベクトルのノルムが閾値を下回ると、ロープ１の異常を検出する。異常検出部１５は、類似度ベクトルのノルムが閾値を下回る頻度に基づいてロープ１の異常を検出しても良い。異常検出部１５は、他の基準に基づいてロープ１の異常を検出しても良い。

上記構成を有する検出装置であれば、第１類似度と第２類似度とを要素とする類似度ベクトルに基づいて長尺体の異常を検出できる。このため、ノイズの影響を受け難い異常検出装置を提供できる。上記構成を有する検出装置であれば、従来のようにフィルタ係数の調整等を行う必要もない。

制御装置３は、図６に示す構成に加えて異常検出部１５を備えても良い。

実施の形態５．
本実施の形態では、実施の形態４と同様に、検出装置が長尺体の異常を検出する例について説明する。本実施の形態における検出装置の全体の構成は、図１に示す構成と同じである。制御装置３の構成は、図２０に示す構成と同じである。本実施の形態で説明しない構成については、実施の形態１から４で開示した何れかの構成と同じである。また、制御装置３は、図６に示す構成に加えて異常検出部１５を備えても良い。

図２４から図２７は、制御装置３の異常検出機能を説明するための図である。図２４は、類似度ベクトルのノルムを示す。図２４に示す区間３は、ロープ１の正常な部分に光源４からの光を当てた時のデータを示す。区間３には例えば１００個のデータが含まれる。図２４に示す区間４は、ロープ１の異常がある部分に光源４からの光を当てた時のデータを示す。区間４には例えば１００個のデータが含まれる。図２５は、区間３のデータ及び区間４のデータを拡大した図である。

図２６は、図２４に示す区間３での類似度ベクトルの軌跡を示す図である。図２６の（ａ）は、前半５０個分のデータによって作成された軌跡を示す。図２６の（ｂ）は、後半５０個分のデータによって作成された軌跡を示す。図２６の（ａ）に示す軌跡と（ｂ）に示す軌跡とは、双方とも真円に近い円で描かれる。図２６の（ａ）に示す軌跡は、図２６の（ｂ）に示す軌跡とほぼ一致する。

図２７は、図２４に示す区間４での類似度ベクトルの軌跡を示す図である。図２７の（ａ）は、前半５０個分のデータによって作成された軌跡を示す。図２７の（ｂ）は、後半５０個分のデータによって作成された軌跡を示す。図２７の（ａ）に示す軌跡と（ｂ）に示す軌跡とは、双方ともきれいな形にならない。図２７の（ａ）に示す軌跡は、図２７の（ｂ）に示す軌跡に一致しない。このため、異常検出部１５は、ある区間の前半のデータから得られた類似度ベクトルの軌跡と後半のデータから得られた類似度ベクトルの軌跡とを比較することにより、ロープ１の異常を検出することができる。

実施の形態６．
実施の形態１から５では、検出装置がロープ１の位置及び異常を検出する例について説明した。本実施の形態では、検出装置が他の長尺体の位置及び異常を検出する例について説明する。

図２８は、この発明の実施の形態６における検出装置の構成を示す図である。図２９は、図２８のＤ−Ｄ断面を示す図である。検出装置の検出対象となる長尺体には、エスカレータ等で使用される移動手摺１６が含まれる。移動手摺１６は、矢印Ｂの方向に移動する。矢印Ｂは、移動手摺１６の長手の方向と一致する。移動手摺１６が移動する方向は一方向でも良い。移動手摺１６は、帆布１７を備える。帆布１７は、移動手摺１６の走行抵抗を低減させるために備えられる。帆布１７は、移動手摺１６の内側の表面を形成する。帆布１７は、例えば複数の糸を用いて織られた織物である。このため、帆布１７は、表面に周期的な模様を有する。

検出装置の構成は、実施の形態１から５で開示した何れかの構成と同じである。上記構成の検出装置を使用することにより、移動手摺１６の位置及び異常を検出できる。

図３０は、制御装置３の位置検出機能を説明するための図である。図３０の（ａ）から（ｃ）は、図１２の（ａ）から（ｃ）に対応する。図３０の（ａ）は、センサヘッド２によって取得された表面データを色の濃淡で表した図である。図３０の（ａ）に示す図は、２００個の表面データを繋げたものを示す。図１２の（ｂ）は、相関係数ρ１及びρ２の変化を示す。図１２の（ｃ）は、位相θの変化を示す。図３０に示すように、上記構成を有する検出装置であれば、移動手摺１６の位置及び異常を検出できる。例えば、検出装置によって移動手摺１６の形状異常を検出できる。検出装置によって移動手摺１６のスリップを検出しても良い。

各実施の形態において、符号７〜１５に示す各部は、制御装置３が有する機能を示す。図３１は、制御装置３のハードウェア構成を示す図である。制御装置３は、ハードウェア資源として、例えばプロセッサ１８とメモリ１９とを含む回路を備える。制御装置３は、メモリ１９に記憶されたプログラムをプロセッサ１８によって実行することにより、各部７〜１５が有する各機能を実現する。制御装置３は、複数のプロセッサ１８を備えても良い。制御装置３は、複数のメモリ１９を備えても良い。即ち、複数のプロセッサ１８と複数のメモリ１９とが連携して各部７〜１５が有する各機能を実現しても良い。各部７〜１５が有する各機能の一部又は全部をハードウェアによって実現しても良い。

各実施の形態では、類似度算出部９が処理データとリファレンスデータとの類似度を算出する例について説明した。各実施の形態で説明した検出装置の機能は、制御装置３にデータ処理部８が備えられていなくても実現できる。

かかる場合、例えば、センサヘッド２によって取得される表面データと比較可能なリファレンスデータが記憶部７に記憶される。制御装置３がデータ設定部１２を備える場合、データ設定部１２は、センサヘッド２によって取得された表面データをリファレンスデータとして記憶部７に記憶させる。例えば、データ設定部１２は、ロープ１のある部分に光源４からの光を当てた時に得られた表面データを第１リファレンスデータとして記憶部７に記憶させる。更に、データ設定部１２は、上記部分から位相差がπ／２となる部分に光を当てた時に得られた表面データを第２リファレンスデータとして記憶部７に記憶させる。

また、類似度算出部９は、センサヘッド２によって取得された表面データとリファレンスデータとの類似度を算出する。例えば、類似度算出部９は、表面データと第１リファレンスデータとの相関係数ρ１を第１類似度として算出する。類似度算出部９は、表面データと第２リファレンスデータとの相関係数ρ２を第２類似度として算出する。

上記構成を有する検出装置であっても、長尺体の位置検出及び異常検出等を行うことができる。

各実施の形態では、記憶部７に複数のリファレンスデータが記憶される例について説明した。記憶部７に１つのリファレンスデータしか記憶されていなくても、検出装置が長尺体の位置を非連続的に検出すること自体は可能である。かかる場合、例えば、類似度算出部９によって図１２の（ｂ）に示すＲｅｆ１に相当する類似度（相関係数）が算出される。類似度算出部９は、表面データとリファレンスデータとの類似度を算出しても良い。位置検出部１１は、類似度算出部９によって算出された類似度に基づいて長尺体の位置を検出する。例えば、基準値が予め設定される。位置検出部１１は、類似度が基準値に一致する回数をカウントし、長尺体の位置を検出する。複数の基準値を設定しても良い。また、一定期間中に基準値に一致する回数をカウントすることにより、長尺体が表面に有する模様の周期を検出することも可能である。

各実施の形態では、長尺体の位置或いは異常を検出する装置について説明した。本発明を位置或いは異常を検出する前の段階までの機能を有する検査装置として活用しても良い。かかる場合、検査装置は、例えば記憶部７、データ処理部８及び類似度算出部９を備える。記憶部７、データ処理部８及び類似度算出部９は、何れかの実施の形態で開示された機能を備える。また、検査装置は、類似度算出部９によって算出された第１類似度と第２類似度とを要素とする類似度ベクトルを算出する機能を有する。類似度算出部９は、表面データとリファレンスデータとの類似度を算出しても良い。検査装置は、算出した類似度ベクトルを使用者が後から活用できるように保存しておく。検査装置は、算出した類似度ベクトルを表示器（図示せず）に表示させる機能を備えても良い。

この発明に係る検出装置は、表面に周期的な模様を有する長尺体を検出の対象とする装置に適用できる。

１ ロープ
２ センサヘッド
３ 制御装置
４ 光源
５ 受光素子
６ 信号線
７ 記憶部
８ データ処理部
９ 類似度算出部
１０ 位相算出部
１１ 位置検出部
１２ データ設定部
１３ 方向検出部
１４ 周期検出部
１５ 異常検出部
１６ 移動手摺
１７ 帆布
１８ プロセッサ
１９ メモリ

Claims (21)

1. 表面に周期的な模様を有する長尺体の表面データを取得するデータ取得手段と、
   第１リファレンスデータ及び第２リファレンスデータを記憶する記憶手段と、
   前記データ取得手段によって取得された表面データと前記第１リファレンスデータとの第１類似度を算出する第１類似度算出手段と、
   前記データ取得手段によって取得された表面データと前記第２リファレンスデータとの第２類似度を算出する第２類似度算出手段と、
   前記第１類似度算出手段によって算出された第１類似度と前記第２類似度算出手段によって算出された第２類似度とを要素とする類似度ベクトルの位相を算出する位相算出手段と、
   を備えた検出装置。
2. 表面に周期的な模様を有する長尺体の表面データを取得するデータ取得手段と、
   第１リファレンスデータ及び第２リファレンスデータを記憶する記憶手段と、
   前記データ取得手段によって取得された表面データから前記第１リファレンスデータ及び前記第２リファレンスデータと比較するための処理データを生成するデータ処理手段と、
   前記データ処理手段によって生成された処理データと前記第１リファレンスデータとの第１類似度を算出する第１類似度算出手段と、
   前記データ処理手段によって生成された処理データと前記第２リファレンスデータとの第２類似度を算出する第２類似度算出手段と、
   前記第１類似度算出手段によって算出された第１類似度と前記第２類似度算出手段によって算出された第２類似度とを要素とする類似度ベクトルの位相を算出する位相算出手段と、
   を備えた検出装置。
3. 前記位相算出手段によって算出された位相に基づいて、前記長尺体の位置を検出する位置検出手段と、
   を更に備えた請求項１又は請求項２に記載の検出装置。
4. 前記位相算出手段によって算出された位相の変化速度に基づいて、前記長尺体の移動方向を検出する方向検出手段と、
   を更に備えた請求項１又は請求項２に記載の検出装置。
5. 前記位相算出手段によって算出された位相の変化速度に基づいて、前記長尺体が表面に有する模様の周期を検出する周期検出手段と、
   を更に備えた請求項１又は請求項２に記載の検出装置。
6. 前記第１類似度算出手段によって算出された第１類似度と前記第２類似度算出手段によって算出された第２類似度とを要素とする類似度ベクトルのノルムに基づいて、前記長尺体の異常を検出する異常検出手段と、
   を更に備えた請求項３から請求項５の何れか一項に記載の検出装置。
7. 前記第１類似度算出手段によって算出された第１類似度と前記第２類似度算出手段によって算出された第２類似度とを要素とする類似度ベクトルが描く軌跡に基づいて、前記長尺体の異常を検出する異常検出手段と、
   を更に備えた請求項３から請求項５の何れか一項に記載の検出装置。
8. 表面に周期的な模様を有する長尺体の表面データを取得するデータ取得手段と、
   第１リファレンスデータ及び第２リファレンスデータを記憶する記憶手段と、
   前記データ取得手段によって取得された表面データと前記第１リファレンスデータとの第１類似度を算出する第１類似度算出手段と、
   前記データ取得手段によって取得された表面データと前記第２リファレンスデータとの第２類似度を算出する第２類似度算出手段と、
   前記第１類似度算出手段によって算出された第１類似度と前記第２類似度算出手段によって算出された第２類似度とを要素とする類似度ベクトルのノルムに基づいて、前記長尺体の異常を検出する異常検出手段と、
   を備えた検出装置。
9. 表面に周期的な模様を有する長尺体の表面データを取得するデータ取得手段と、
   第１リファレンスデータ及び第２リファレンスデータを記憶する記憶手段と、
   前記データ取得手段によって取得された表面データから前記第１リファレンスデータ及び前記第２リファレンスデータと比較するための処理データを生成するデータ処理手段と、
   前記データ処理手段によって生成された処理データと前記第１リファレンスデータとの第１類似度を算出する第１類似度算出手段と、
   前記データ処理手段によって生成された処理データと前記第２リファレンスデータとの第２類似度を算出する第２類似度算出手段と、
   前記第１類似度算出手段によって算出された第１類似度と前記第２類似度算出手段によって算出された第２類似度とを要素とする類似度ベクトルのノルムに基づいて、前記長尺体の異常を検出する異常検出手段と、
   を備えた検出装置。
10. 表面に周期的な模様を有する長尺体の表面データを取得するデータ取得手段と、
    第１リファレンスデータ及び第２リファレンスデータを記憶する記憶手段と、
    前記データ取得手段によって取得された表面データと前記第１リファレンスデータとの第１類似度を算出する第１類似度算出手段と、
    前記データ取得手段によって取得された表面データと前記第２リファレンスデータとの第２類似度を算出する第２類似度算出手段と、
    前記第１類似度算出手段によって算出された第１類似度と前記第２類似度算出手段によって算出された第２類似度とを要素とする類似度ベクトルが描く軌跡に基づいて、前記長尺体の異常を検出する異常検出手段と、
    を備えた検出装置。
11. 表面に周期的な模様を有する長尺体の表面データを取得するデータ取得手段と、
    第１リファレンスデータ及び第２リファレンスデータを記憶する記憶手段と、
    前記データ取得手段によって取得された表面データから前記第１リファレンスデータ及び前記第２リファレンスデータと比較するための処理データを生成するデータ処理手段と、
    前記データ処理手段によって生成された処理データと前記第１リファレンスデータとの第１類似度を算出する第１類似度算出手段と、
    前記データ処理手段によって生成された処理データと前記第２リファレンスデータとの第２類似度を算出する第２類似度算出手段と、
    前記第１類似度算出手段によって算出された第１類似度と前記第２類似度算出手段によって算出された第２類似度とを要素とする類似度ベクトルが描く軌跡に基づいて、前記長尺体の異常を検出する異常検出手段と、
    を備えた検出装置。
12. 前記第１リファレンスデータ及び前記第２リファレンスデータは、互いに直交する多次元のベクトルデータである請求項１から請求項１１の何れか一項に記載の検出装置。
13. 前記第１リファレンスデータは、前記長尺体が表面に有する模様の周期と同じ周期を有する正弦波を含む請求項１２に記載の検出装置。
14. 前記データ取得手段によって取得された表面データを前記第１リファレンスデータ及び前記第２リファレンスデータとして前記記憶手段に記憶させるデータ設定手段と、
    を更に備えた請求項１、請求項８又は請求項１０に記載の検出装置。
15. 前記データ取得手段によって取得された表面データから得られたデータを前記第１リファレンスデータ及び前記第２リファレンスデータとして前記記憶手段に記憶させるデータ設定手段と、
    を更に備えた請求項２、請求項９又は請求項１１に記載の検出装置。
16. 表面に周期的な模様を有する長尺体の表面データを取得するデータ取得手段と、
    リファレンスデータを記憶する記憶手段と、
    前記データ取得手段によって取得された表面データと前記リファレンスデータとの類似度が予め設定された基準値に一致する回数をカウントすることにより、前記長尺体の位置又は前記長尺体が表面に有する模様の周期を検出する検出手段と、
    を備えた検出装置。
17. 表面に周期的な模様を有する長尺体の表面データを取得するデータ取得手段と、
    リファレンスデータを記憶する記憶手段と、
    前記データ取得手段によって取得された表面データを前記リファレンスデータと比較するためのデータに処理するデータ処理手段と、
    前記データ処理手段によって処理されたデータと前記リファレンスデータとの類似度が予め設定された基準値に一致する回数をカウントすることにより、前記長尺体の位置又は前記長尺体が表面に有する模様の周期を検出する検出手段と、
    を備えた検出装置。
18. 前記データ取得手段は、複数行１列の行列で表記可能なデータを表面データとして取得する請求項１から請求項１７の何れか一項に記載の検出装置。
19. 前記データ取得手段は、複数行複数列の行列で表記可能なデータを表面データとして取得する請求項１から請求項１７の何れか一項に記載の検出装置。
20. 前記データ取得手段は、
    前記長尺体の表面に光を照射する光源と、
    前記長尺体の表面で反射した前記光源からの光のうち、前記長尺体の長手の方向に対して一定の角度で斜めに反射した光を受光する受光素子と、
    を備えた請求項１から請求項１７の何れか一項に記載の検出装置。
21. 前記データ取得手段は、前記長尺体の表面を撮影するカメラを備えた請求項１から請求項１７の何れか一項に記載の検出装置。

Images