JP6709277B2 - 異常音検出装置、異常音検出学習装置、異常音サンプリング装置、これらの方法及びプログラム - Google Patents
異常音検出装置、異常音検出学習装置、異常音サンプリング装置、これらの方法及びプログラム Download PDFInfo
- Publication number
- JP6709277B2 JP6709277B2 JP2018509685A JP2018509685A JP6709277B2 JP 6709277 B2 JP6709277 B2 JP 6709277B2 JP 2018509685 A JP2018509685 A JP 2018509685A JP 2018509685 A JP2018509685 A JP 2018509685A JP 6709277 B2 JP6709277 B2 JP 6709277B2
- Authority
- JP
- Japan
- Prior art keywords
- acoustic feature
- feature amount
- sound
- abnormal sound
- normal
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
- G01M13/02—Gearings; Transmission mechanisms
- G01M13/028—Acoustic or vibration analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/04—Analysing solids
- G01N29/12—Analysing solids by measuring frequency or resonance of acoustic waves
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M99/00—Subject matter not provided for in other groups of this subclass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
- G05B19/406—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by monitoring or safety
- G05B19/4065—Monitoring tool breakage, life or condition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/088—Non-supervised learning, e.g. competitive learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N99/00—Subject matter not provided for in other groups of this subclass
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/08—Speech classification or search
- G10L15/10—Speech classification or search using distance or distortion measures between unknown speech and reference templates
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/37—Measurements
- G05B2219/37337—Noise, acoustic emission, sound
Description
[[発明の構造について]]
本発明の階層構造を図5に示す。
(I) 教師あり/なしに関わらず、学習データから「正常音モデル」と「音響特徴量抽出関数」を同時に最適化する。
(II) 教師なしの場合に、異常音の学習データをサンプリングする。
(III) 教師あり/なしに関わらず、「音響特徴量抽出関数」を例えば行列積と対数演算や、多層パーセプトロンで表現する.
(IV) (I)〜(III) を同時に実現する学習/検知アルゴリズムを提供する。
観測信号をフーリエ変換し、パワースペクトル又は振幅スペクトルを抽出した系列をXω,t∈R+ Ω×Tとおく。ここで、ω={1,2,...,Ω}とt={1,2,...,T}は周波数と時間のインデックス、Ω は周波数ビンの数、T は観測フレーム数を表す。R+は非負の実数の集合を表す。
まず、正常音モデル(正常音から抽出した特徴量が従う確率密度関数)をp(F(A,x)|z=0)とする。すると、負の対数尤度(異常度)は以下のように算出できる。
教師なし異常音検知において、式(15)を計算するために、異常音の学習データのサンプリングする方法を述べる。
異常音検出学習装置は、図1に例示するように、スペクトル計算部1、初期化部2、第一音響特徴量抽出部3、正常音モデル更新部4、異常音サンプリング部5、第二音響特徴量抽出部6、音響特徴量抽出関数更新部7及び制御部8を備えている。異常音検出学習方法は、異常音検出学習装置の各部が図2及び以下に説明するステップS1からS82の処理を実行することにより実現される。
正常音の学習データが、スペクトル計算部1に入力される。
予め設定された、学習アルゴリズムのパラメータ及びと音響特徴量抽出関数のパラメータが、初期化部2に入力される。
第一音響特徴量抽出部3には、初期化部2で初期化された音響特徴量関数、及び、正常音の学習データが入力される。
正常音モデル更新部4は、第一音響特徴量抽出部3で抽出された音響特徴量を用いて正常音モデルを更新する(ステップS4)。
〔参考文献1〕小西貞則, “多変量解析入門, 付録C EM アルゴリズム” pp.294-298, 岩波書店, 2010.
異常音サンプリング部5は、模擬された異常音をサンプリングする(ステップS5)。サンプリングされた異常音は、第二音響特徴量抽出部6に出力される。
第二音響特徴量抽出部6は、音響特徴量抽出関数を用いて、模擬された異常音に基づいて異常音の音響特徴量を、正常音の学習データに基づいて正常音の音響特徴量を抽出する(ステップS6)。抽出された、異常音の音響特徴量及び正常音の音響特徴量は、音響特徴量抽出関数更新部7に出力される。
音響特徴量抽出関数更新部7は、第二音響特徴量抽出部6で抽出された異常音の音響特徴量及び正常音の音響特徴量を用いて、音響特徴量抽出関数を更新する(ステップS7)。更新された音響特徴量抽出関数は、第一音響特徴量抽出部3及び第二音響特徴量抽出部6に出力される。また、制御部8による繰り返し制御の後に最後に更新された音響特徴量抽出関数が、異常音検出学習装置及び方法による最終的な学習結果として出力される。
制御部8は、第一音響特徴量抽出部3、正常音モデル更新部4、第二音響特徴量抽出部6及び音響特徴量抽出関数更新部7の処理を繰り返し行うように制御を行う(ステップS81及びステップS82)。この繰り返し処理は、音響特徴量抽出関数及び正常音モデルが収束するまで行われる。
異常音検出装置は、図3に例示するように、スペクトル計算部11、音響特徴量抽出部12、異常度計算部13及び判定部14を備えている。異常音検出方法は、異常音検出装置の各部が図4及び以下に説明するステップS11からS14の処理を実行することにより実現される。
異常音の検出対象となる機械の動作音をマイクロホンで収音する。この際のサンプリングレートは学習時と同様の物を用いる。収音された音響信号は、スペクトル計算部11に入力される。
音響特徴量抽出部12は、得られたスペクトルXω,tを用いて、異常音検出学習装置及び方法により最終的な学習結果として出力された音響特徴量抽出関数に基づいて、収音された音響信号の音響特徴量を抽出する(ステップS12)。抽出された音響特徴量は、異常度計算部13に出力される。
異常度計算部13は、抽出された音響特徴量と、異常音検出学習装置及び方法により最終的な学習結果として出力された正常音モデルとを用いて、負の対数尤度g(A,x)を計算する(ステップS13)。以下、負の対数尤度のことを異常度と呼ぶ。計算された異常度は、判定部14に出力される。
判定部14は、現在フレームの異常度が閾値φ以上なら、「異常」と出力する(ステップS14)。閾値は機械や環境に合わせて調整すべきだが、例えば1500 の程度に設定できる。
異常音検出学習装置又は異常音検出装置における各処理をコンピュータによって実現する場合、異常音検出学習装置又は異常音検出装置が有すべき機能の処理内容はプログラムによって記述される。そして、このプログラムをコンピュータで実行することにより、その各処理がコンピュータ上で実現される。
上記説明した音響特徴量の最適化指標を用いれば、多層パーセプトロンを教師なしで学習することもできる。具体的には、音響特徴量抽出関数には式(3)を用いて説明したが、多層パーセプトロンでも実装できる。例えば、最もシンプルな全結合型多層パーセプトロンを用いる場合、音響特徴量抽出関数は以下のようになる。このように、音響特徴量抽出関数は、多層パーセプトロンにより表現されてもよい。
〔参考文献2〕麻生英樹, 外7名, “深層学習,” 人工知能学会, 近代科学社, pp.14, 2015.
Claims (13)
- 入力された入力音が異常音であるか検出する異常音検出装置であって、
上記入力音の音響特徴量を特徴量抽出関数を用いて抽出する音響特徴量抽出部と、
上記入力音の音響特徴量から異常度を計算する異常度計算部と、
上記得られた異常度と所定の閾値に基づき上記入力音が異常音であるかを判定する判定部と、を含み、
上記特徴量抽出関数は、正常音から抽出した特徴量が従う確率密度関数と、異常音から抽出した特徴量が従う確率密度関数と、に基づき、正常音から抽出した特徴量から計算される異常度が、異常音から抽出した特徴量から計算される異常度よりも小さくなるように、最適化されている、
異常音検出装置。 - 請求項1の異常音検出装置であって、
前記最適化は、前記正常音から抽出した特徴量から計算される異常度が前記閾値よりも小さくなるように、前記異常音から抽出した特徴量から計算される異常度が前記閾値よりも大きくなるように行われる、
異常音検出装置。 - 請求項2の異常音検出装置であって、
前記正常音から抽出した特徴量が従う確率密度関数をp(F(A,x)|z=0)とし、前記異常音から抽出した特徴量が従う確率密度関数をp(F(A,x)|z=1)とし、σをシグモイド関数とし、前記閾値をφとし、g(A,x)は以下の式(5)により定義されているとして、
前記最適化は、以下の式(9)により定義されるLの最小化である、
異常音検出装置。 - 請求項1の異常音検出装置であって、
上記正常音から抽出した特徴量が従う確率密度関数は、第一の個数の正常音から得られており、
異常音から抽出した特徴量が従う確率密度関数は、上記第一の個数とほぼ同じ個数かつサンプリングされた異常音から得られている、
異常音検出装置。 - 異常音の振幅スペクトルが、上記正常音に基づき、かつ、異常音毎に異ならせられ、かつ、スパースに誘導され、観測信号に含まれる定常雑音の平均スペクトルを加えられ、時間周波数方向に平滑化されている異常音を生成する異常音サンプリング部、
を含む異常音サンプリング装置。 - 請求項4の異常音検出装置であって、
異常音は、請求項5の異常音サンプリング装置の異常音サンプリング部によりサンプリングされている、
異常音検出装置。 - 音響特徴量抽出関数を用いて、正常音の学習データに基づいて正常音の音響特徴量を抽出する第一音響特徴量抽出部と、
上記第一音響特徴量抽出部で抽出された音響特徴量を用いて混合ガウス分布で表現される正常音モデルを更新する正常音モデル更新部と、
上記音響特徴量抽出関数を用いて、模擬された異常音に基づいて異常音の音響特徴量を抽出し、上記正常音の学習データに基づいて正常音の音響特徴量を抽出する第二音響特徴量抽出部と、
上記第二音響特徴量抽出部で上記抽出された異常音の音響特徴量及び正常音の音響特徴量を用いて、上記音響特徴量抽出関数を更新する音響特徴量抽出関数更新部と、を含み、
上記第一音響特徴量抽出部、上記正常音モデル更新部、上記第二音響特徴量抽出部及び上記音響特徴量抽出関数更新部の処理を繰り返し行う、
異常音検出学習装置。 - 音響特徴量抽出関数を用いて、正常音の学習データに基づいて正常音の音響特徴量を抽出する第一音響特徴量抽出部と、
上記第一音響特徴量抽出部で抽出された音響特徴量を用いて混合ガウス分布で表現される正常音モデルを更新する正常音モデル更新部と、
上記音響特徴量抽出関数を用いて、異常音の学習データに基づいて異常音の音響特徴量を抽出し、上記正常音の学習データに基づいて正常音の音響特徴量を抽出する第二音響特徴量抽出部と、
上記第二音響特徴量抽出部で上記抽出された異常音の音響特徴量及び正常音の音響特徴量を用いて、上記音響特徴量抽出関数を更新する音響特徴量抽出関数更新部と、を含み、
上記第一音響特徴量抽出部、上記正常音モデル更新部、上記第二音響特徴量抽出部及び上記音響特徴量抽出関数更新部の処理を繰り返し行う、
異常音検出学習装置。 - 請求項7の異常音検出学習装置であって、
上記模擬された異常音をサンプリングする異常音サンプリング部を更に含み 上記模擬された異常音は、振幅値の頻度、スパース性、時間周波数方向への連続性の何れかについ
て仮定を置くことにより模擬された異常音である、
異常音検出学習装置。 - 請求項9の異常音検出学習装置であって、
ωを周波数とし、nをフレーム番号とし、βを整数として、上記模擬された異常音は、
以下の分布に基づいてサンプリングされたXω,nである、
異常音検出学習装置。 - 第一音響特徴量抽出部が、音響特徴量抽出関数を用いて、正常音の学習データに基づいて正常音の音響特徴量を抽出する第一音響特徴量抽出ステップと、
正常音モデル更新部が、上記第一音響特徴量抽出部で抽出された音響特徴量を用いて混合ガウス分布で表現される正常音モデルを更新する正常音モデル更新ステップと、
第二音響特徴量抽出部が、上記音響特徴量抽出関数を用いて、模擬された異常音に基づいて異常音の音響特徴量を抽出し、上記正常音の学習データに基づいて正常音の音響特徴量を抽出する第二音響特徴量抽出ステップと、
音響特徴量抽出関数更新部が、上記第二音響特徴量抽出部で上記抽出された異常音の音響特徴量及び正常音の音響特徴量を用いて、上記音響特徴量抽出関数を更新する音響特徴量抽出関数更新ステップと、を含み、
上記第一音響特徴量抽出ステップ、上記正常音モデル更新ステップ、上記第二音響特徴量抽出ステップ及び上記音響特徴量抽出関数更新ステップの処理を繰り返し行う、
異常音検出学習方法。 - 第一音響特徴量抽出部が、音響特徴量抽出関数を用いて、正常音の学習データに基づいて正常音の音響特徴量を抽出する第一音響特徴量抽出ステップと、
正常音モデル更新部が、上記第一音響特徴量抽出部で抽出された音響特徴量を用いて混合ガウス分布で表現される正常音モデルを更新する正常音モデル更新ステップと、
第二音響特徴量抽出部が、上記音響特徴量抽出関数を用いて、異常音の学習データに基づいて異常音の音響特徴量を抽出し、上記正常音の学習データに基づいて正常音の音響特徴量を抽出する第二音響特徴量抽出ステップと、
音響特徴量抽出関数更新部が、上記第二音響特徴量抽出部で上記抽出された異常音の音響特徴量及び正常音の音響特徴量を用いて、上記音響特徴量抽出関数を更新する音響特徴量抽出関数更新ステップと、を含み、
上記第一音響特徴量抽出ステップ、上記正常音モデル更新ステップ、上記第二音響特徴量抽出ステップ及び上記音響特徴量抽出関数更新ステップの処理を繰り返し行う、
異常音検出学習方法。 - 請求項1から10の何れかの装置の各部としてコンピュータを機能させるためのプログラム。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016074401 | 2016-04-01 | ||
JP2016074401 | 2016-04-01 | ||
JP2017004933 | 2017-01-16 | ||
JP2017004933 | 2017-01-16 | ||
PCT/JP2017/013738 WO2017171051A1 (ja) | 2016-04-01 | 2017-03-31 | 異常音検出学習装置、音響特徴量抽出装置、異常音サンプリング装置、これらの方法及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2017171051A1 JPWO2017171051A1 (ja) | 2019-03-07 |
JP6709277B2 true JP6709277B2 (ja) | 2020-06-10 |
Family
ID=59966022
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018509685A Active JP6709277B2 (ja) | 2016-04-01 | 2017-03-31 | 異常音検出装置、異常音検出学習装置、異常音サンプリング装置、これらの方法及びプログラム |
Country Status (5)
Country | Link |
---|---|
US (1) | US11480497B2 (ja) |
EP (2) | EP3438623A4 (ja) |
JP (1) | JP6709277B2 (ja) |
CN (2) | CN108885133B (ja) |
WO (1) | WO2017171051A1 (ja) |
Families Citing this family (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020008481A (ja) * | 2018-07-11 | 2020-01-16 | オムロン株式会社 | 画像処理装置、画像処理方法及び画像処理プログラム |
US11830518B2 (en) * | 2018-07-31 | 2023-11-28 | Panasonic Intellectual Property Management Co., Ltd. | Sound data processing method, sound data processing device, and program |
EP3836142B1 (en) * | 2018-08-10 | 2024-04-03 | Nippon Telegraph And Telephone Corporation | Abnormality detection device and program |
WO2020153934A1 (en) * | 2019-01-21 | 2020-07-30 | Hewlett-Packard Development Company, L.P. | Fault prediction model training with audio data |
WO2020255299A1 (ja) * | 2019-06-19 | 2020-12-24 | 日本電信電話株式会社 | 異常度推定装置、異常度推定方法、プログラム |
JP7188598B2 (ja) * | 2019-07-30 | 2022-12-13 | 日本電信電話株式会社 | 異常度推定装置、異常度推定方法、およびプログラム |
JP7188597B2 (ja) * | 2019-07-30 | 2022-12-13 | 日本電信電話株式会社 | 特徴量抽出装置、異常度推定装置、それらの方法、およびプログラム |
CN112326213B (zh) * | 2019-08-05 | 2022-11-15 | 株式会社理光 | 异常数据检测方法及装置、机械故障检测方法及装置 |
CN110706720B (zh) * | 2019-08-16 | 2022-04-22 | 广东省智能制造研究所 | 一种端到端无监督深度支撑网络的声学异常检测方法 |
JP7373358B2 (ja) * | 2019-10-30 | 2023-11-02 | 株式会社日立製作所 | 音抽出システム及び音抽出方法 |
CN111341343B (zh) * | 2020-03-02 | 2023-06-30 | 乐鑫信息科技(上海)股份有限公司 | 一种用于异常声音检测的在线更新系统和方法 |
US20210390137A1 (en) * | 2020-06-10 | 2021-12-16 | Enel X North America, Inc. | Techniques for determining machine operation using audio |
CN111770427B (zh) * | 2020-06-24 | 2023-01-24 | 杭州海康威视数字技术股份有限公司 | 麦克风阵列的检测方法、装置、设备以及存储介质 |
CN111993158B (zh) * | 2020-08-28 | 2022-08-23 | 深圳市玄羽科技有限公司 | 刀具检测模型的生成方法、检测方法、系统、设备及介质 |
TWI760904B (zh) * | 2020-10-28 | 2022-04-11 | 恩波信息科技股份有限公司 | 基於聲音的機械監測系統及方法 |
CN112792849B (zh) * | 2021-01-06 | 2022-07-26 | 厦门攸信信息技术有限公司 | 碰撞检测方法、机器人、移动终端及存储介质 |
CN112397055B (zh) * | 2021-01-19 | 2021-07-27 | 北京家人智能科技有限公司 | 一种异常声音检测方法、装置和电子设备 |
US11443758B2 (en) | 2021-02-09 | 2022-09-13 | International Business Machines Corporation | Anomalous sound detection with timbre separation |
JP6952318B1 (ja) * | 2021-08-20 | 2021-10-20 | 株式会社Mazin | 推定負荷利用方法および推定負荷利用システム |
CN117782588A (zh) * | 2024-02-28 | 2024-03-29 | 江苏国茂减速机股份有限公司 | 一种减速机的智能故障检测方法 |
Family Cites Families (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0219960A (ja) * | 1988-07-08 | 1990-01-23 | Hitachi Ltd | ニユーラル・ネツトワークと、それを用いた音響信号分析装置及び方法 |
JPH04106429A (ja) * | 1990-08-28 | 1992-04-08 | Kobe Steel Ltd | 回転機械の異常診断装置 |
JP3352278B2 (ja) | 1995-03-28 | 2002-12-03 | 東京電力株式会社 | 部分放電検出方法 |
GB0307312D0 (en) * | 2003-03-28 | 2003-05-07 | Univ Brunel | Acoustic emission parameters based on inter-arrival times of acoustic emission events |
CN100570711C (zh) * | 2005-12-13 | 2009-12-16 | 浙江大学 | 基于混合支持向量机的说话人识别方法 |
JP4787979B2 (ja) * | 2006-12-13 | 2011-10-05 | 富士通テン株式会社 | 雑音検出装置および雑音検出方法 |
CN101426168B (zh) * | 2008-11-27 | 2013-05-15 | 嘉兴中科声学科技有限公司 | 一种发声体异常音检测方法及系统 |
CN102385705B (zh) * | 2010-09-02 | 2013-09-18 | 大猩猩科技股份有限公司 | 利用多特征自动集群法的异常行为侦测系统与方法 |
CN102610228B (zh) * | 2011-01-19 | 2014-01-22 | 上海弘视通信技术有限公司 | 音频异常事件检测系统及其标定方法 |
JP5767825B2 (ja) | 2011-02-28 | 2015-08-19 | 綜合警備保障株式会社 | 音処理装置および音処理方法 |
CN102509546B (zh) * | 2011-11-11 | 2013-07-10 | 北京声迅电子股份有限公司 | 应用于轨道交通的降噪和异常声音检测方法 |
CN102664006B (zh) * | 2012-04-14 | 2014-05-14 | 中国人民解放军国防科学技术大学 | 基于时频域分析的异常人声检测方法 |
FR2994495B1 (fr) * | 2012-08-10 | 2015-08-21 | Thales Sa | Procede et systeme pour detecter des evenements sonores dans un environnement donne |
US20140311245A1 (en) * | 2013-04-19 | 2014-10-23 | Acoustic Sensing Technology (Uk) Ltd | Pipe inspection system and related methods |
JP2014219467A (ja) * | 2013-05-02 | 2014-11-20 | ソニー株式会社 | 音信号処理装置、および音信号処理方法、並びにプログラム |
JPWO2015011791A1 (ja) * | 2013-07-24 | 2017-03-02 | 株式会社日立製作所 | 異常検知評価システム |
US9841518B2 (en) * | 2014-02-26 | 2017-12-12 | Schlumberger Technology Corporation | Noise attenuation |
JP2015161745A (ja) * | 2014-02-26 | 2015-09-07 | 株式会社リコー | パターン認識システムおよびプログラム |
JP2016007800A (ja) * | 2014-06-25 | 2016-01-18 | 株式会社リコー | 異常検知システム、電子機器、異常検知方法およびプログラム |
CN104502103A (zh) * | 2014-12-07 | 2015-04-08 | 北京工业大学 | 一种基于模糊支持向量机的轴承故障诊断方法 |
CN104504400B (zh) * | 2015-01-08 | 2018-07-17 | 中国科学院重庆绿色智能技术研究院 | 一种基于在线行为建模的驾驶员异常行为检测方法 |
-
2017
- 2017-03-31 CN CN201780020698.5A patent/CN108885133B/zh active Active
- 2017-03-31 WO PCT/JP2017/013738 patent/WO2017171051A1/ja active Application Filing
- 2017-03-31 JP JP2018509685A patent/JP6709277B2/ja active Active
- 2017-03-31 EP EP17775582.4A patent/EP3438623A4/en not_active Ceased
- 2017-03-31 US US16/089,214 patent/US11480497B2/en active Active
- 2017-03-31 CN CN202011534672.2A patent/CN112669829A/zh active Pending
- 2017-03-31 EP EP22187629.5A patent/EP4113076A3/en active Pending
Also Published As
Publication number | Publication date |
---|---|
US20190120719A1 (en) | 2019-04-25 |
CN108885133A (zh) | 2018-11-23 |
EP4113076A3 (en) | 2023-01-18 |
CN112669829A (zh) | 2021-04-16 |
EP3438623A4 (en) | 2020-04-08 |
WO2017171051A1 (ja) | 2017-10-05 |
EP4113076A2 (en) | 2023-01-04 |
JPWO2017171051A1 (ja) | 2019-03-07 |
US11480497B2 (en) | 2022-10-25 |
EP3438623A1 (en) | 2019-02-06 |
CN108885133B (zh) | 2021-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6709277B2 (ja) | 異常音検出装置、異常音検出学習装置、異常音サンプリング装置、これらの方法及びプログラム | |
JP6704084B2 (ja) | 異常音検出装置、異常度計算装置、異常音生成装置、異常音検出学習装置、異常信号検出装置、異常信号検出学習装置、これらの方法及びプログラム | |
CN111108362B (zh) | 异常声音探测装置、异常模型学习装置、异常探测装置、异常声音探测方法、以及记录介质 | |
JP6377592B2 (ja) | 異常音検出装置、異常音検出学習装置、これらの方法及びプログラム | |
Saffari et al. | Fuzzy-ChOA: an improved chimp optimization algorithm for marine mammal classification using artificial neural network | |
Heydarzadeh et al. | Gear fault diagnosis using discrete wavelet transform and deep neural networks | |
Lampert et al. | A survey of spectrogram track detection algorithms | |
Rai et al. | A novel health indicator based on the Lyapunov exponent, a probabilistic self-organizing map, and the Gini-Simpson index for calculating the RUL of bearings | |
JP2015057630A (ja) | 音響イベント識別モデル学習装置、音響イベント検出装置、音響イベント識別モデル学習方法、音響イベント検出方法及びプログラム | |
WO2020158398A1 (ja) | 音生成装置、データ生成装置、異常度算出装置、指標値算出装置、およびプログラム | |
JP6472417B2 (ja) | 特徴量抽出装置、特徴量抽出関数情報生成装置、これらの方法及びプログラム | |
Hosseini Nejad Takhti et al. | Classification of marine mammals using the trained multilayer perceptron neural network with the whale algorithm developed with the fuzzy system | |
Nazreen et al. | DNN based speech enhancement for unseen noises using Monte Carlo dropout | |
CN116029221A (zh) | 一种电力设备故障诊断方法、装置、设备及介质 | |
Atmani et al. | Enhancement in bearing fault classification parameters using Gaussian mixture models and Mel frequency cepstral coefficients features | |
Ntalampiras | Adversarial attacks against acoustic monitoring of industrial machines | |
Scmid et al. | Anomaly Detection inCombustion Engines withSound Recognition | |
Mondal et al. | Improved Speech Activity Detection Using Cochleagram Spectral Basis by Nonnegative Matrix Factorization | |
Marwala et al. | Computational intelligence for condition monitoring | |
Takhti et al. | Research Article Classification of Marine Mammals Using the Trained Multilayer Perceptron Neural Network with the Whale Algorithm Developed with the Fuzzy System | |
Mobtahej | Deep Learning-Based Anomaly Detection for Compressors Health Condition Monitoring | |
Angola | Novelty Detection Of Machinery Using A Non-Parametric Machine Learning Approach | |
Abreu | Novelty Detection of Machinery Using a Non-parametric Machine Learning Approach | |
CN117741514A (zh) | 一种船用线缆的状态检测方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180928 |
|
A524 | Written submission of copy of amendment under article 19 pct |
Free format text: JAPANESE INTERMEDIATE CODE: A527 Effective date: 20180928 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180928 |
|
A80 | Written request to apply exceptions to lack of novelty of invention |
Free format text: JAPANESE INTERMEDIATE CODE: A801 Effective date: 20180928 |
|
A80 | Written request to apply exceptions to lack of novelty of invention |
Free format text: JAPANESE INTERMEDIATE CODE: A80 Effective date: 20180928 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190820 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20191007 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20191218 |
|
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: 20200519 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200522 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6709277 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |