JP6935655B2 - 信号解析システム、方法およびプログラム - Google Patents
信号解析システム、方法およびプログラム Download PDFInfo
- Publication number
- JP6935655B2 JP6935655B2 JP2018028404A JP2018028404A JP6935655B2 JP 6935655 B2 JP6935655 B2 JP 6935655B2 JP 2018028404 A JP2018028404 A JP 2018028404A JP 2018028404 A JP2018028404 A JP 2018028404A JP 6935655 B2 JP6935655 B2 JP 6935655B2
- Authority
- JP
- Japan
- Prior art keywords
- time
- threshold voltage
- dfa
- voltage
- voltage value
- 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
Images
Classifications
-
- 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
- G01M13/00—Testing of machine parts
- G01M13/04—Bearings
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Description
本発明は、信号解析システムに関し、より詳細には、振動体の異常を検知するのに適した信号解析システムに関する。
従来、転がり軸受の損傷状態を診断する方法として、アコースティック・エミッション法(Acoustic Emission, AE)が知られている。例えば、特開平8−159151号公報(特許文献1)は、軸受から発生する超音波をマイクロフォンで計測し、その音響信号の注目周波数の成分強度を予め用意したマスターカーブと比較することによって、軸受の損傷状態を予測し余寿命を推定する軸受診断方法を開示する。
本発明は、上記従来技術に鑑みてなされたものであり、振動体の状態を検知するのに適した新規な信号解析システムを提供することを目的とする。
本発明者は、振動体の状態を検知するための構成について検討する過程で、振動体が発する振動波形のピーク間隔のゆらぎをDFA(Detrended Fluctuation Analysis)で解析して得られるスケーリング指数が振動体の状態を示す指標として利用できることを発見した。この発見に基づき、本発明者は、振動波形から自動的にピーク間隔を取得してスケーリング指数を出力する装置の開発に成功し、本発明に至ったのである。
すなわち、本発明によれば、解析対象信号の電圧値を所定期間サンプリングして電圧値の時系列データを取得する信号サンプリング部と、前記時系列データを構成する正の電圧値の出現頻度を表す度数分布を作成し、出現頻度が急減する電圧値を基準として閾値電圧を設定する閾値電圧設定部と、前記時系列データを構成する各電圧値を時系列順に前記閾値電圧と比較し、該閾値電圧を超える電圧値をサンプリングして以降の第1の微小期間にサンプリングされた電圧値の中の最大値をサンプリングした時刻をピーク時刻として取得するピーク時刻取得部と、前記ピーク時刻に基づいてDFA対象データを生成するDFA対象データ生成部と、前記DFA対象データに基づいてDFAを実行してスケーリング指数を取得するDFA実行部と、を含む信号解析システムが提供される。
上述したように、本発明によれば、振動体の状態を検知するのに適した新規な信号解析システムが提供される。
以下、本発明を図面に示した実施の形態をもって説明するが、本発明は、図面に示した実施の形態に限定されるものではない。なお、以下に参照する各図においては、共通する要素について同じ符号を用い、適宜、その説明を省略するものとする。
図1は、本発明の実施形態である信号解析システム100を示す。本実施形態の信号解析システム100は、振動体をその解析対象とするものであり、振動センサ10と、コンピュータ20とを含んで構成される。なお、ここでいう解析対象には、周期的な振動を発する運動体(例えば、転がり軸受のような回転体)の他、非周期的な振動を発する運動体が含まれる。
振動センサ10は、解析対象となる振動体が発する振動を電圧波形信号に変換して出力する手段であり、ピエゾ素子などを用いた接触式センサであってもよく、レーザなどを用いた非接触式センサであってもよい。
一方、コンピュータ20は、振動センサ10から入力される電圧波形信号に基づいて、DFA(Detrended Fluctuation Analysis)を実行するための情報処理装置であり、信号サンプリング部21と、移動平均処理部22と、閾値電圧設定部23と、ピーク時刻取得部24と、記憶部25と、DFA対象データ生成部26と、DFA実行部27と、解析結果出力部28とを含んで構成されている。
信号サンプリング部21は、振動センサ10から入力される電圧波形信号(以下、解析対象信号という)を所定期間にわたってサンプリングして電圧値の時系列データを取得する手段である。
移動平均処理部22は、信号サンプリング部21が取得した電圧値の時系列データに対して移動平均処理を行う手段である。
閾値電圧設定部23は、解析対象信号のピークを検出するための閾値電圧を設定する手段である。
ピーク時刻取得部24は、解析対象信号のピークの発生時刻を取得する手段である。
DFA対象データ生成部26は、ピーク時刻取得部24が取得したピーク時刻に基づいてDFA(Detrended Fluctuation Analysis)の対象データ(以下、DFA対象データという)を生成する手段である。
DFA実行部27は、DFA対象データに基づいてDFAを実行してスケーリング指数を取得する手段である。
解析結果出力部28は、DFA実行部27が取得したスケーリング指数を解析結果として出力する手段である。
なお、本実施形態では、コンピュータ20が、所定のプログラムを実行することにより、上述した各手段として機能する。
以上、本実施形態の信号解析システム100の機能構成について概説してきたが、続いて、信号解析システム100が実行する処理を図2に示すフローチャートに基づいて説明する。なお、以下の説明においては、適宜、図1を参照するものとする。
ステップ101では、信号サンプリング部21が、振動センサ10から入力される解析対象信号を所定期間サンプリングして電圧値の時系列データ(離散データ)を取得する。
続くステップ102では、移動平均処理部22が信号サンプリング部21が取得した電圧値の時系列データに対して移動平均処理を行ってデータを平滑化することにより、ノイズを低減する。
続くステップ103では、閾値電圧設定部23が、移動平均処理後の電圧値の時系列データに基づいて閾値電圧設定処理を実行する。
図3は、移動平均処理後の電圧値の時系列データを示す。ここで、電圧値の時系列データの正の電圧値に着目すると、ノイズレベル以下のデータの数が多く、ノイズレベルを超えたあたりを境にデータ数が急減している。このことは、信号の正のピークを検出する上で、データの出現頻度が急減する電圧値を基準として閾値電圧VThを設定することが理に適っていることを意味している。本実施形態では、この考え方に基づいて、信号のピークを検出するための閾値電圧VThを設定する。
以下、閾値電圧設定部23が実行する閾値電圧設定処理を図4(a)に示すフローチャートに基づいて説明する。なお、ここでは、正の閾値電圧を設定する場合を例にとって説明を行う。
まず、ステップ201では、電圧値の時系列データを構成する複数の電圧値について、その出現頻度を表す度数分布を作成する。具体的には、適切な階級幅を持つ正の電圧値の階級を定義した上で、取得した電圧値のうち、正の電圧値を各階級に振り分けて度数を求める。
続くステップ202では、先のステップ201で作成した度数分布の各階級について、当該階級に隣接する階級との間の度数の差分を求め、これを当該階級に対応付ける。なお、最後順の階級については、隣接する階級が存在しないので、度数の差分の値をブランクとする。また、ここでいう「隣接する階級」は、「昇順に隣接する階級」または「降順に隣接する階級」のいずれかとする(以下、同様)。
続くステップ203では、先のステップ201で作成した度数分布の各階級について、当該階級に対応付けられた度数の差分と隣接する階級に対応付けられた「度数の差分」の差分(すなわち、当該階級に隣接する他の階級との間の「度数の差分」の差分)を求め、これを当該階級に対応付ける。ここで求められる「度数の差分」の差分は、データの出現頻度の変化の変化率と同様の意味を持つ。なお、最後順に隣接する階級については、最後順の階級の度数の差分の値がブランクとなっているので、「度数の差分」の差分の値をブランクとする。
最後に、ステップ204では、「度数の差分」の差分の最大値が対応付けられた階級を特定し、その階級の階級値を基準として閾値電圧VThを設定する。ここで、ステップ204で特定される階級は、データの出現頻度の変化の変化率が最大となる電圧値の範囲であり、その階級の階級値は、ノイズレベルより若干高い電圧値となる。なお、ここでいう「階級値を基準として閾値電圧VThを設定する」とは、階級値をそのまま閾値電圧VThとして設定すること、および、階級値に適切なマージンを加えた値を閾値電圧VThとして設定すること、の両方を含む概念である。
以上、正の閾値電圧を設定する場合について説明してきたが、負の閾値電圧を設定する場合には、先のステップ201で、サンプリングした複数の電圧値のうち、負の電圧値の出現頻度を表す度数分布を作成し、先のステップ204で、「度数の差分」の差分の最大値が対応付けられた階級の階級値を基準として閾値電圧VTh(負の値)を設定すればよい。
ここで、上述した閾値電圧設定処理の理解を深めるために、図5に示すグラフを参照する。ここで、図5に示すグラフは、電圧値の出現頻度を表す度数分布に基づいて作成されたヒストグラムの上に、階級と度数の差分の関係を示す折れ線グラフ(×)と、階級と「度数の差分」の差分の関係を示す折れ線グラフ(◆)を重ね合わせたグラフである。
図5に示すグラフに照らして説明すれば、上述した閾値電圧設定処理では、正のピークを抽出する場合、折れ線グラフ(◆)のプロット点P1に対応する階級の階級値を基準として閾値電圧VTh(正の値)が設定され、負のピークを抽出する場合、折れ線グラフ(◆)のプロット点P2に対応する階級の階級値を基準として閾値電圧VTh(負の値)が設定されることになる。
続いて、閾値電圧設定処理の別法を図4(b)に示すフローチャートに基づいて説明する。について説明する。
まず、ステップ211では、先のステップ201と同様の手順で、電圧値の出現頻度を表す度数分布を作成した上で、当該度数分布に基づいて電圧値の出現頻度を表すヒストグラムを作成する。
続くステップ212では、作成したヒストグラムに対するカーブフィッティングにより、電圧値とデータの出現頻度の関係を示す曲線関数を求める。なお、ここで求まる曲線関数は、図5に示すグラフにおける実線fに相当する。
続くステップ213では、求めた曲線関数について二階微分を行って二次導関数を求める。なお、ここで求まる二次導関数は、電圧値とデータの出現頻度の変化の変化率との関係を示す関数に相当する。
続くステップ214では、求めた二次導関数の最大値(すなわち、データの出現頻度の変化の変化率の最大値)を与える電圧値を求め、求めた電圧値を基準として閾値電圧VThを設定する。なお、ステップ214では、正のピークを抽出する場合には、正の電圧値の定義域において二次導関数の最大値を与える電圧値を求め、負のピークを抽出する場合には、負の電圧値の定義域において二次導関数の最大値を与える電圧値を求める。
以上、説明した手順により、解析対象信号のピークを検出するための閾値電圧VThが適切な値に自動的に設定される。
再び、図2に戻って説明を続ける。
ステップ103の閾値電圧設定処理によって閾値電圧VThが設定されると、処理はステップ104に進む。続くステップ104では、ピーク時刻取得部24がピーク時刻取得処理を実行する。以下、ピーク時刻取得部24が実行するピーク時刻取得処理を図6に示すフローチャートおよび図7に示す電圧値の時系列データの概念図に基づいて説明する。なお、解析対象信号には正のピークと負のピークが存在するが、ここでは、正のピークを検出する場合を例にとって説明を行う。
まず、ステップ301で、カウンタ[q]を初期値「1」にセットする。
続くステップ302で、電圧値の時系列データを構成する1番目の電圧値を閾値電圧VThと比較する。その結果、電圧値が閾値電圧VThを超えていない場合は(ステップ303、No)、カウンタ[q]の値を1増分して(ステップ307)、2番目の電圧値を閾値電圧VThと比較する(ステップ302)。以降、電圧値が閾値電圧VThを超えるまで、上記処理を繰り返し、電圧値が閾値電圧VThを超えた時点で(ステップ303、Yes)、処理はステップ304に進む。
続くステップ304では、閾値電圧VThを超えた電圧値をサンプリングして以降の微小期間T1にサンプリングされた電圧値の中から最大値Vmaxを特定し、その最大値Vmaxをサンプリングした時刻をピーク時刻tとして取得して、これを時系列データ{ti}の形で記憶部25に保存する。
続くステップ305では、カウンタ[q]の値に、微小期間T1に連続する微小期間T2にサンプリングされるデータ数rを加算する。ここで、rは、T2の時間長に解析対象信号のサンプリングレートを乗じた値に相当する。
以降、カウンタ[q]の値が電圧値の時系列データの総データ数Qを超えるまで(ステップ306、No)、上述した一連の処理を繰り返し、カウンタ[q]の値が総データ数Qを超えた時点で(ステップ306、Yes)、ピーク時刻取得処理を終了する。
上述したピーク時刻取得処理では、先のステップ305で、カウンタ[q]の値に対して微小期間T2にサンプリングされるデータ数rが加算されることにより、微小期間T2にサンプリングされた電圧値のサンプリング時刻がピーク時刻として取得されることがない。その結果、微小期間T2に発生するノイズが誤ってピークとしてカウントされることが防止される。ここで、微小期間T1、T2は、時間窓長としての意味を持ち、解析対象となる振動の周波数特性に応じて適切な値を設定すればよい。
以上、正のピークを検出する場合について説明してきたが、負のピークを検出する場合には、予め閾値電圧VThとして負の値を設定しておき、先のステップ303では、q番目の電圧値が閾値電圧VTh(負の値)を下回るか否かを判断し、先のステップ304では、閾値電圧VThを下回る電圧値をサンプリングして以降の微小期間T1にサンプリングされた電圧値の中から最小値Vminを特定し、その最小値Vminをサンプリングした時刻をピーク時刻tとして取得すればよい。
再び、図2に戻って説明を続ける。
ステップ104でピーク時刻tの時系列データ{ti}が取得されると、処理はステップ105に進む。続くステップ105では、DFA対象データ生成部26がDFA対象データ生成処理を実行する。以下、DFA対象データ生成部26が実行する処理を図8に示すフローチャートに基づいて説明する。
ステップ401では、記憶部25からピーク時刻tの時系列データ{ti}をロードする。
続くステップ402では、時系列データ{ti}に含まれるA個のピーク時刻tから(A−1)個のピーク間隔xを算出し、(A−1)個のピーク間隔xを要素とするピーク間隔xの時系列データ{xi}を生成する。図9(a)は、ステップ402で生成される時系列データ{xi}を概念的に示す。
続くステップ403では、時系列データ{xi}を構成するピーク間隔xの平均値xaveを算出した後、時系列データ{xi}を構成する各要素から平均値xaveを差し引くことによって、時系列データ{(xi-xave)i}を生成する。図9(b)は、ステップ403で生成される時系列データ{(xi-xave)i}を概念的に示す。
続くステップ404では、時系列データ{(xi-xave)i}を積分して時系列データ{yi}を生成する。下記式(1)は、時系列データ{yi}の算出式を示す。
具体的には、時系列データ{(xi-xave)i}の各要素を時系列順に足し合わせることによって時系列データ{yi}を生成する。図9(c)は、ステップ404で生成される時系列データ{yi}を概念的に示す。
続くステップ405では、上述した一連の手順で生成した時系列データ{yi}をDFA対象データとして記憶部25に保存し、DFA対象データ生成処理を終了する。
再び、図2に戻って説明を続ける。
ステップ105で閾値電圧VThが設定されると、処理はステップ106に進む。続くステップ106では、DFA実行部27がDFA(Detrended Fluctuation Analysis)を実行してスケーリング指数を取得する。以下、DFA実行部27が実行する処理を図10に示すフローチャートに基づいて説明する。
まずステップ501では、記憶部25からDFA対象データである時系列データ{yi}をロードする。
続くステップ502では、記憶部25に格納されるボックスサイズ・データから設定されたボックスサイズ範囲のボックスサイズ・データをロードする。ここで、ボックスサイズ・データとは、DFAにおいて使用する複数のボックスサイズ(整数)のセットを意味し、ボックスサイズとは、データの要素数を意味し、ボックスサイズ範囲とは、DFAにおいて使用するボックスサイズ(整数)がとる範囲を意味する。
続くステップ503では、ロードしたボックスサイズ・データ(整数のセット)の中から最初のボックスサイズ[N](例えば[10])をセットする。
続くステップ504では、ステップ501でロードした時系列データ{yi}をその時点でセットされているボックスサイズ[N]で分割する。例えば、その時点でセットされているボックスサイズが[10]であった場合、時系列データ{yi}を10個の要素を含む小区間(以下、ボックスという)に分割する。この場合、時系列データ{yi}はM個の要素からなるので、ステップ504において、時系列データ{yi}は、M/N個のボックスに分割されることになる。図11(a)は、ボックスサイズ[10]で分割した時系列データ{yi}を示す。この場合、各ボックス(BOX(1)、BOX(2)、BOX(3)…)は、10個の要素を含む。
続くステップ505では、分割後のボックス(BOX(1)、BOX(2)、BOX(3)…)のそれぞれにつき、当該ボックス内に存在するN個のデータに対して近似曲線をフィッティングし、当該近似曲線上の値を各ボックスの局所トレンドyvとして決定する。ここで、近似曲線のフィッティングは1次関数から4次関数までを用いた最小二乗法によって行うことができる。なお、ここでいう近似曲線は、直線を含む概念である。図11(b)は、各ボックス(BOX(1)、BOX(2)、BOX(3)…)に対して近似曲線yv(yv(1)、yv(2)、yv(3)…)をフィッティングした状態を示している。
続くステップ506では、ボックス(BOX(1)、BOX(2)、BOX(3)…)のそれぞれにつき、ボックスを構成する各要素から当該ボックスについて決定した局所トレンドyvを差し引くことにより、時系列データ{zi}を生成する。下記式(2)は、時系列データ{zi}の式を示し、図11(c)は、ステップ506で生成される時系列データ{zi}のグラフを示す。
続くステップ507では、時系列データ{zi}のボックス(BOX(1)、BOX(2)、BOX(3)…)のそれぞれにつき、ボックスを構成する先頭の要素(点線の丸で囲んで示す)の値と末尾の要素(点線の四角で囲んで示す)の値の差分を求める。
続くステップ508では、全てのボックスについて求めた差分(先頭と末尾の差分)の二乗平均平方根[S]を算出する。
続くステップ509では、ステップ508で算出した二乗平均平方根[S]とその時点でセットされているボックスサイズ[N]からなる数値の組(N,S)を記録する。
続くステップ510では、ステップ502でロードしたボックスサイズ・データに含まれる全てのボックスサイズ[N]について、組(N,S)を記録したか否かを判断する。その結果、全てのボックスサイズ[N]について組(N,S)の記録が完了していない場合には(ステップ510、No)、処理はステップ511に進む。
ステップ511では、ステップ502でロードしたボックスサイズ・データに含まれる値の中から次のボックスサイズ[N](例えば[11])を新たにセットする。その後、処理は、再びステップ504に戻り、以降、ステップ510において、全てのボックスサイズ[N]について組(N,S)を記録したと判断されるまでの間、上述した一連の処理(S504〜S511)を繰り返す。その結果、最終的に、ボックスサイズの数だけ数値の組(N,S)が記録される。
ここで、ボックスサイズ[N]と二乗平均平方根[S]の関係は、下記式(3)に示す関数S(N)として定義される。なお、下記式(3)において、“M”はDFA対象データである時系列データ{yi}の要素数を示し、“N”はボックスサイズを示し、“zjN+N−zjN+1“は、j番目のボックスの先頭の要素(zjN+1)と末尾の要素(zjN+N)の差分(変位)を示す。
全てのボックスサイズ[N]について組(N,S)が記録されると(ステップ510、Yes)、処理はステップ512に進み、記録した組(N,S)を両対数スケールでプロットし、これに1次関数をフィッティングする。
最後に、ステップ513で、フィッティングした1次関数の傾きをスケーリング指数αとして取得して、処理を終了する。
以上、DFA実行部27がDFA対象データに基づいてスケーリング指数αを求める処理について説明してきたが、上述したDFAの手法は、スケーリング指数αが1を超える現象についても有効である点で優れている。なお、本発明者が独自に開発したこの改変DFA法の詳細については、「ゆらぎ解析のための改変DFA法、矢澤徹、第1版、株式会社めるくまーる、平成27年12月20日」を参照されたい。
一方、スケーリング指数αが1を超えない現象のみを対象とする実施形態では、DFA実行部27が従来のDFAを実行するように構成してもよい。この場合は、DFA実行部27は、下記式(4)、(5)に基づいて時系列データ{yi}の各ボックスにおける分散の平均F(N)を算出し、ボックスサイズNおよび分散Fを両対数スケールでプロットし、これにフィッティングした1次関数の傾きをスケーリング指数αとして求めてもよい。なお、下記式(4)、(5)において、“N”はボックスサイズ示し、“M”は時系列データ{yi}の要素数を示し、“yv(jN+k)”は居所トレンドのフィッティング関数を示す。
再び、図2に戻って説明を続ける。
ステップ106のDFA処理によってスケーリング指数αが取得されると、処理はステップ107に進む。続くステップ107では、解析結果出力部28が、取得したスケーリング指数αを解析結果として出力し、処理を終了する。
本実施形態では、出力されたスケーリング指数を指標として解析対象である振動体の異常状態を検知することができる。より正確には、出力されたスケーリング指数を基準値(正常な状態で取得されるスケーリング指数)と比較することによって、従来のアコースティック・エミッション法が検知する異常状態(すなわち、異音の発生を伴う異常状態)が発生するよりも前の段階で発生している潜在的な異常状態を検知することが可能になる。
以上、本発明について実施形態をもって説明してきたが、本発明は上述した実施形態に限定されるものではなく、当業者が推考しうるその他の実施態様の範囲内において、本発明の作用・効果を奏する限り、本発明の範囲に含まれるものである。
以下、本発明の信号解析システムについて、実施例を用いてより具体的に説明を行なうが、本発明は、後述する実施例に限定されるものではない。
本発明の信号解析システムの性能を検証する実験を行った。本実験では、下記表1に示す4種類のベアリングをモータで回転させながら、回転軸の垂直方向に40kgfの力を付勢した状態で、ハウジング(軸受箱)に取り付けた振動センサから出力される電圧波形信号をサンプリングレート100kHzでサンプリングした。
本実験では、微小期間T1と微小期間T2について、下記表2に示す7つの異なる条件を設定して、取得したサンプリングデータからピーク時刻を取得し、DFA対象データを生成した。なお、下記表2においては、各期間の時間長をデータ数で表している。
また、本実験では、28(4×7)の条件で生成したDFA対象データのそれぞれについて、ボックスサイズ範囲を30〜270に設定してDFAを実行し、スケーリング指数を取得した。
図12は、上述した28の条件下で取得されたスケーリング指数をまとめて示す。図12に示すように、3種類のベアリング(「正常」、「摩耗」、「異物混入」)に係るスケーリング指数が、微小期間に係る7条件のいずれにおいても、自然振動の多い環境下における正常値(0.5)近傍に留まったのに対し、「グリス不足」のベアリングに係るスケーリング指数は、微小期間に係る7条件のいずれにおいても、正常値よりも高い0.8近傍を維持した。この結果は、「グリス不足」のベアリングが、他のベアリング(「正常」、「摩耗」、「異物混入」)のそれとは異なる異常な状態にあり、本発明の信号解析システムがそれを検知したことを意味する。
10…振動センサ
20…コンピュータ
21…信号サンプリング部
22…移動平均処理部
23…閾値電圧設定部
24…ピーク時刻取得部
25…記憶部
26…DFA対象データ生成部
27…DFA実行部
28…解析結果出力部
100…信号解析システム
20…コンピュータ
21…信号サンプリング部
22…移動平均処理部
23…閾値電圧設定部
24…ピーク時刻取得部
25…記憶部
26…DFA対象データ生成部
27…DFA実行部
28…解析結果出力部
100…信号解析システム
Claims (13)
- 解析対象信号の電圧値を所定期間サンプリングして電圧値の時系列データを取得する信号サンプリング部と、
前記時系列データを構成する正の電圧値の出現頻度を表す度数分布を作成し、出現頻度が急減する電圧値を基準として閾値電圧を設定する閾値電圧設定部と、
前記時系列データを構成する各電圧値を時系列順に前記閾値電圧と比較し、該閾値電圧を超える電圧値をサンプリングして以降の第1の微小期間にサンプリングされた電圧値の中の最大値をサンプリングした時刻をピーク時刻として取得するピーク時刻取得部と、
前記ピーク時刻に基づいてDFA対象データを生成するDFA対象データ生成部と、
前記DFA対象データに基づいてDFAを実行してスケーリング指数を取得するDFA実行部と、
を含む信号解析システム。 - 解析対象信号の電圧値を所定期間サンプリングして電圧値の時系列データを取得する信号サンプリング部と、
前記時系列データを構成する負の電圧値の出現頻度を表す度数分布を作成し、出現頻度が急減する電圧値を基準として閾値電圧を設定する閾値電圧設定部と、
前記時系列データを構成する各電圧値を時系列順に前記閾値電圧と比較し、該閾値電圧を下回る電圧値をサンプリングして以降の第1の微小期間にサンプリングされた電圧値の中の最小値をサンプリングした時刻をピーク時刻として取得するピーク時刻取得部と、
前記ピーク時刻に基づいてDFA対象データを生成するDFA対象データ生成部と、
前記DFA対象データに基づいてDFAを実行してスケーリング指数を取得するDFA実行部と、
を含む信号解析システム。 - 前記閾値電圧設定部は、
前記度数分布において隣接する他の階級との間の度数の差分の差分が最大となる階級の階級値を基準として前記閾値電圧を設定する、
請求項1または2に記載の信号解析システム。 - 前記閾値電圧設定部は、
前記度数分布に基づいてヒストグラムを作成し、該ヒストグラムに対するカーブフィッティングにより、電圧値と出現頻度の関係を示す曲線関数を求め、該曲線関数について二階微分を行って二次導関数を求め、該二次導関数の最大値を与える電圧値を基準として前記閾値電圧を設定する、
請求項1または2に記載の信号解析システム。 - 前記ピーク時刻取得部は、
前記第1の微小期間に連続する第2の微小期間にサンプリングされた電圧値のサンプリング時刻をピーク時刻として取得しない、
請求項1〜4のいずれか一項に記載の信号解析システム。 - 前記時系列データに対して移動平均処理を行う移動平均処理部を含み、
前記閾値電圧設定部は、移動平均処理後の前記時系列データに基づいて前記閾値電圧を設定し、
前記ピーク時刻取得部は、移動平均処理後の前記時系列データに基づいて前記ピーク時刻を取得する、
請求項1〜5のいずれか一項に記載の信号解析システム。 - 信号を解析する方法であって、
解析対象信号の電圧値を所定期間サンプリングして電圧値の時系列データを取得するステップと、
前記時系列データを構成する正の電圧値の出現頻度を表す度数分布を作成し、出現頻度が急減する電圧値を基準として閾値電圧を設定するステップと、
前記時系列データを構成する各電圧値を時系列順に前記閾値電圧と比較し、該閾値電圧を超える電圧値をサンプリングして以降の第1の微小期間にサンプリングされた電圧値の中の最大値をサンプリングした時刻をピーク時刻として取得するステップと、
前記ピーク時刻に基づいてDFA対象データを生成するステップと、
前記DFA対象データに基づいてDFAを実行してスケーリング指数を取得するステップと、
を含む方法。 - 信号を解析する方法であって、
解析対象信号の電圧値を所定期間サンプリングして電圧値の時系列データを取得するステップと、
前記時系列データを構成する負の電圧値の出現頻度を表す度数分布を作成し、出現頻度が急減する電圧値を基準として閾値電圧を設定するステップと、
前記時系列データを構成する各電圧値を時系列順に前記閾値電圧と比較し、該閾値電圧を下回る電圧値をサンプリングして以降の第1の微小期間にサンプリングされた電圧値の中の最小値をサンプリングした時刻をピーク時刻として取得するステップと、
前記ピーク時刻に基づいてDFA対象データを生成するステップと、
前記DFA対象データに基づいてDFAを実行してスケーリング指数を取得するステップと、
を含む方法。 - 前記閾値電圧を設定するステップは、
前記度数分布において隣接する他の階級との間の度数の差分の差分が最大となる階級の階級値を基準として前記閾値電圧を設定するステップを含む、
請求項7または8に記載の方法。 - 前記閾値電圧を設定するステップは、
前記度数分布に基づいてヒストグラムを作成し、該ヒストグラムに対するカーブフィッティングにより、電圧値と出現頻度の関係を示す曲線関数を求め、該曲線関数について二階微分を行って二次導関数を求め、該二次導関数の最大値を与える電圧値を基準として前記閾値電圧を設定するステップを含む、
請求項7または8に記載の方法。 - 前記ピーク時刻を取得するステップでは、
前記第1の微小期間に連続する第2の微小期間にサンプリングされた電圧値のサンプリング時刻をピーク時刻として取得しない、
請求項7〜10のいずれか一項に記載の方法。 - 前記時系列データに対して移動平均処理を行うステップを含み、
前記閾値電圧を設定するステップでは、移動平均処理後の前記時系列データに基づいて前記閾値電圧を設定し、
前記ピーク時刻を取得するステップでは、移動平均処理後の前記時系列データに基づいて前記ピーク時刻を取得する、
請求項7〜11のいずれか一項に記載の方法。 - コンピュータに、請求項7〜12のいずれか一項に記載の方法の各ステップを実行させるためのコンピュータ実行可能なプログラム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018028404A JP6935655B2 (ja) | 2018-02-21 | 2018-02-21 | 信号解析システム、方法およびプログラム |
PCT/JP2019/002723 WO2019163433A1 (ja) | 2018-02-21 | 2019-01-28 | 信号解析システム、方法およびプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018028404A JP6935655B2 (ja) | 2018-02-21 | 2018-02-21 | 信号解析システム、方法およびプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019144102A JP2019144102A (ja) | 2019-08-29 |
JP6935655B2 true JP6935655B2 (ja) | 2021-09-15 |
Family
ID=67688046
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018028404A Active JP6935655B2 (ja) | 2018-02-21 | 2018-02-21 | 信号解析システム、方法およびプログラム |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP6935655B2 (ja) |
WO (1) | WO2019163433A1 (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7335154B2 (ja) * | 2019-12-17 | 2023-08-29 | 株式会社東芝 | 情報処理装置、情報処理方法、およびプログラム |
CN112597958B (zh) * | 2020-12-29 | 2023-04-07 | 哈工大机器人(合肥)国际创新研究院 | 一种滚动轴承故障自动识别方法及系统 |
JP2022113521A (ja) * | 2021-01-25 | 2022-08-04 | 株式会社日本製鋼所 | 異常検知システム、成形機システム、異常検知装置、異常検知方法及びコンピュータプログラム |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5382774B2 (ja) * | 2009-02-12 | 2014-01-08 | 公立大学法人首都大学東京 | 心拍ゆらぎの分析方法 |
JP2016014617A (ja) * | 2014-07-03 | 2016-01-28 | アズビル株式会社 | 周波数変移計測装置および方法 |
JP6455852B2 (ja) * | 2015-02-09 | 2019-01-23 | 公立大学法人首都大学東京 | 信号解析システム、方法およびプログラム |
JP6778369B2 (ja) * | 2015-03-10 | 2020-11-04 | 東京都公立大学法人 | 生体信号解析システムおよびプログラム |
-
2018
- 2018-02-21 JP JP2018028404A patent/JP6935655B2/ja active Active
-
2019
- 2019-01-28 WO PCT/JP2019/002723 patent/WO2019163433A1/ja active Application Filing
Also Published As
Publication number | Publication date |
---|---|
JP2019144102A (ja) | 2019-08-29 |
WO2019163433A1 (ja) | 2019-08-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6935655B2 (ja) | 信号解析システム、方法およびプログラム | |
Rai et al. | A review on signal processing techniques utilized in the fault diagnosis of rolling element bearings | |
Elangovan et al. | Studies on Bayes classifier for condition monitoring of single point carbide tipped tool based on statistical and histogram features | |
Chen et al. | A sparse multivariate time series model-based fault detection method for gearboxes under variable speed condition | |
CN107689059B (zh) | 风力发电机组变桨异常的识别方法及装置 | |
JPWO2018008708A1 (ja) | 震央距離推定装置、震央距離推定方法、及びプログラム | |
US7949497B2 (en) | Machine condition monitoring using discontinuity detection | |
US20210304786A1 (en) | Sound data processing method, sound data processing device, and program | |
US20110166799A1 (en) | Trending of vibration data taking into account torque effect | |
CN112326245A (zh) | 一种基于变分希尔伯特黄变换的滚动轴承故障诊断方法 | |
Daems et al. | Removal of non-stationary harmonics for operational modal analysis in time and frequency domain | |
Shi et al. | The VMD-scale space based hoyergram and its application in rolling bearing fault diagnosis | |
JP7188143B2 (ja) | 異常予兆検出システム、異常予兆検出方法 | |
CN117892118B (zh) | 一种欠定工作模态参数识别方法、装置、设备及存储介质 | |
WO2021049008A1 (ja) | 振動検出装置、振動検出方法および異常判定システム | |
KR20150090950A (ko) | 진동 장치의 상태 판단 방법 | |
JP2017198620A (ja) | 異常診断装置および異常診断方法 | |
US6281814B1 (en) | Data conversion method, data converter, and program storage medium | |
Verma et al. | Data driven approach for drill bit monitoring | |
Kumar et al. | Classification of rolling element bearing fault using singular value | |
JP2006069699A (ja) | エレベータシステム診断方法およびエレベータシステム診断装置 | |
CN108646719B (zh) | 一种微弱故障检测方法及系统 | |
WO2020202567A1 (ja) | 振動音響解析方法及び装置と機器異常部位推定方法及び装置 | |
Wynne et al. | Reducing coherent filtering artefacts in time‐domain operational modal analysis | |
US20240201049A1 (en) | Signal processing device, signal processing method, and computerreadable storage medium |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210112 |
|
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: 20210803 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210806 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6935655 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |