JPH05312634A

JPH05312634A - 音響診断方法および装置

Info

Publication number: JPH05312634A
Application number: JP11580392A
Authority: JP
Inventors: Takuji Nishitani; 卓史西谷; Noriko Kumagai; 紀子熊谷; Koichi Kawaguchi; 幸一川口; Naoyoshi Machida; 直義町田
Original assignee: Hitachi Ltd; Hitachi Electronics Services Co Ltd
Current assignee: Hitachi Ltd; Hitachi Electronics Services Co Ltd
Priority date: 1992-05-08
Filing date: 1992-05-08
Publication date: 1993-11-22

Abstract

(57)【要約】【目的】機器から非定常的に発生する音響データを分析
して、構成部品の異常や劣化の診断を可能とする方法お
よび装置を提供することにある。【構成】計測された音響データから特徴を抽出し、特徴
点で分割された折れ線ベクトルに変換する手段と、過去
の異常事例を折れ線ベクトルとして記憶しておく手段
と、双方を照合する照合手段と、照合結果と診断知識と
を用いて異常を確定する推論手段とから構成される。【効果】過去の異常事例を用いた、正確な異常診断が行
えるため、非熟練者でも機器の診断を行なうことがで
き、ひいてはプラントの安定操業や品質の向上あるいは
情報処理機器の信頼性の向上によるサービスの質の向上
に資する。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、プラントを構成する機
械や装置などから発生する音響を解析することにより異
常や劣化の度合を診断する方法および装置に関する。殊
に、非定常的に発生する音響データを解析することによ
り異常を診断する方法および装置に関する。

【０００２】

【従来の技術】従来の音響診断方法の大部分は、機器が
発生する音響データをフーリエ展開し、周波数スペクト
ルの分布から異常や劣化の度合を診断する方法が主であ
った。これらの方法は、回転機械のように周期的な音響
を発生する装置の診断には非常に有効であり、広く利用
されている。しかしながら、多数の部品が順番に動作す
るような機械では、発生する音響は非定常的であり、周
波数スペクトルの分析による方法では異常を診断するこ
とが困難であった。

【０００３】

【発明が解決しようとする課題】本発明の目的は、以上
のような従来技術の問題に対し、非定常的に発生する音
響データを分析して異常や劣化度合の診断を可能とする
方法および装置を提供することにある。

【０００４】

【課題を解決するための手段】この発明に係る音響診断
方法および装置は、収集された音響データの変化特徴を
抽出し、データを折れ線で近似する折れ線ベクトル生成
部と、折れ線で近似されたデータとあらかじめ定めて記
憶させておく事象パターンと照合する波形照合部と、照
合結果から異常や劣化度合を推論する異常事象推論部か
らなる。

【０００５】

【作用】非定常的に発生する音響データの分析には、音
の持つ周波数成分ではなく、音の変化する波形すなわち
位相情報を含めて処理を行なう必要がある。さらに、波
形そのものを直接扱うのは情報量が膨大になり、多大な
処理時間を要するばかりでなく、高性能な計算機等が必
要となる。前記折れ線ベクトル生成部は、音響データの
変化波形を折れ線で近似し、折れ線を構成するベクトル
の系列に変換する。これにより、音響データの変化を波
形の特徴と位相の情報を保ったままで圧縮する事が可能
となる。さらに、さまざまな異常の事象に対応する波形
の変化を記憶しておく事象パターン記憶部を設け、波形
照合部において前記事象パターンと観測された波形とを
照合することにより、正確な異常事象の判定が可能とな
る。

【０００６】

【実施例】本発明は、各種プラントを構成する機器ある
いは計算機などの、音響を発生する機器の診断を行なう
に際し、機器から発生する音響データと、機器が正常な
時の音響データあるいは各種の異常事象における音響デ
ータなどの蓄積されたデータとを照合することにより機
器の異常診断を行なうものである。本発明の一実施例
を、図１を用いて以下に説明する。

【０００７】まず、音響診断装置２０の構成を説明す
る。システムバス９０には、周波数分析プロセッサ４
０，特徴抽出プロセッサ５０，波形照合プロセッサ６
０，推論プロセッサ７０，システムプロセッサ８０，音
響データファイル８５，特徴抽出フィルタファイル８
６，計測データファイル８７，パターンデータファイル
８８，診断知識ファイル８９が各々結ばれている。さら
に、周波数分析プロセッサ４０には、診断対象から音響
データや振動データを入力するためのマイクロフォン３
０等（聴診棒や加速度センサ等）が接続されている。さ
らに、システムプロセッサ８０には、音響データや診断
結果を表示するための表示装置８１，利用者からの入力
を行なうためのキーボード８２、およびマウス８３が接
続されている。システムプロセッサは８０は前記各プロ
セッサおよび各ファイルを統括制御すると同時に、音響
診断結果を表示装置８１に表示する処理、さらには、キ
ーボード８２またはマウス８３から入力される音響診断
装置２０の利用者からの要求に応じて、特徴抽出フィル
タファイル８６，パターンデータファイル８８，診断知
識ファイル８９の内容を変更するためのプログラムを起
動し、該当するファイルに結果を格納する。

【０００８】次に、音響診断を実行する時の音響診断シ
ステム２０の各部の動作を図２を用いて説明する。音響
診断は以下の（１)〜(５）のステップから成る。

【０００９】（１）データ計測工程２１０：診断対象機
器１０が発生する音響は、マイクロフォン３０を通じて
周波数分析プロセッサ４０に入力される。ここで、音響
データは、磁気的な記憶媒体など他の記録媒体に記憶さ
れたデータを入力してもよい。周波数分析プロセッサ４
０に入力された音響データは、あらかじめ定めた一定の
サンプリング周期で、ＦＦＴ（高速フーリエ変換）など
の手法を用いて、周波数成分が分析される。周波数分析
された結果は、音響データファイル８５に格納される。

【００１０】（２）特徴抽出工程２２０：特徴抽出プロ
セッサ５０は、システムバス９０を介して、特徴抽出フ
ィルタファイル８６から特徴抽出フィルタを、また音響
データファイル８５からは前記の周波数分析されたデー
タを読み出し、音響データに含まれる特徴の分析を行な
って、音響データを折れ線で近似する。さらに、折れ線
をベクトルデータ(時間あるいは周波数幅とその区間で
のデータ変化量)の系列で表現し、計測データファイル
８７に格納する。ここで、音響データファイル８５から
読みだされるデータは、一定の周波数成分のパワースペ
クトルの時間的な変化を表わす包絡線データであっても
よいし、ある時刻の周波数成分の分布を表わすパワース
ペクトル分布のデータであってもよい。以下では、これ
らのデータを区別せず、計測データと呼ぶことにする。

【００１１】（３）波形照合工程２３０：波形照合プロ
セッサ６０は、計測データファイル８７に格納された計
測データのベクトル系列と、パターンデータファイル８
８に格納された正常時あるいは異常時のパターンとを照
合し、パターン間の対応関係とパターン間の近似度合を
表わす類似度と、パターン間の大きさの比率を表わす尺
度を計算し、推論知識ファイル８９内の照合結果ファイ
ル８９Ａに格納する。

【００１２】（４）推論工程２４０：推論プロセッサ７
０は、照合結果ファイル８９Ａに格納された波形の照合
結果と、あらかじめ推論知識ファイル８９内の診断知識
ファイル８９Ｂに格納されている診断知識とを用いて異
常の有無や劣化の度合，異常事象の特定等を行なう。

【００１３】（５）表示工程２４０：システムプロセッ
サ８０は、推論プロセッサ８０による推論結果を表示装
置８１に表示する。また、音響診断システムの利用者の
要求に応じて、各ファイルの内容を表示装置８１に表示
する。

【００１４】次に、特徴抽出工程２２０における処理を
図３を用いて詳細に説明する。特徴抽出工程は以下の
（１）〜（４）の処理からなる。

【００１５】（１）特徴抽出処理３１０：音響データフ
ァイル８５より音響データｆ(ｔ)を、特徴抽出フィルタ
ファイル８６より特徴抽出フィルタ３２０(Ｗ₀(ｘ)とＷ
₂(ｘ)）をそれぞれ読み出し、数１に従って積和計算を
実行して０次の特徴量ｙ₀(ｔ)と２次の特徴量ｙ₂(ｔ)を
計算する。

【００１６】

【数１】

【００１７】ただし、ａは特徴抽出フィルタの広がりを
示す定数である。

【００１８】（２）特徴点抽出処理３３０：積和演算
（数１）の結果として得られる特徴量ｙ₂(ｔ）から特徴
点抽出処理を行なう。図４は特徴点の抽出方法を説明す
る図である。図４に示すように、特徴量ｙ₂(ｔ）が正の
部分と負の部分に対し、正の状態あるいは負の状態が継
続する範囲で２次の特徴量ｙ₂(ｔ）の重心位置ｔ_k ＝
０,１,…,Ｋ）を数２により求める。

【００１９】

【数２】

【００２０】ただし、ｓとｅは総和を行なう範囲を示す
数字であり、Ｋは特徴点の数である。

【００２１】（３）推定値の計算処理３４０：特徴点抽
出処理３３０で得られた特徴点ｔ_k に対し、特徴量抽出
処理３１０で得られている特徴量ｙ₀(ｔ_k)とｙ₂(ｔ_k)と
を用いて、計測データの推定値f_e(t_k)を数３により求め
る。

【００２２】

【数３】

【００２３】ただし、ｃ₀ およびｃ₂ は後で述べるよう
に、フィルタの大きさによって定まる定数である。

【００２４】（４）ベクトル列の生成処理３５０：推定
値の計算処理３４０で求めた、特徴点における推定値ｆ
_e(ｔ）を順に結んだ折れ線で計測データを構成し、折れ
線を構成するベクトルの系列として計測データを近似す
る。このベクトル系列は数４に従って計算できる。

【００２５】

【数４】

【００２６】求まったベクトル系列は、計測データファ
イル８７に格納される。

【００２７】以上述べた特徴抽出工程における処理の例
を図５に示す。周波数分析プロセッサ４０で音響データ
を計測し、周波数スペクトルに展開した後、１.０ｍｓ
毎の一定周波数のパワースペクトルの時間変化を示した
ものが図５（ａ）である。この例では、周波数は１０ｋ
Ｈｚであり、周波数スペクトルはｄｂ値に変換してあ
る。音響データファイル８５に格納された図５（ａ）の
データを、特徴抽出プロセッサ５０で読み出し、特徴抽
出処理３１０で処理した結果のうち、２次の特徴量ｙ
₂(ｔ)を図５（ｂ）に示す。この２次の特徴量ｙ₂(ｔ)に
対し、特徴点抽出処理３３０および推定値の計算処理３
４０を行なって、音響データ図５（ａ）を折れ線で近似
した結果が図５（ｃ）である。この折れ線近似した結果
は、ベクトル列の生成処理３５０で処理され、図５
（ｄ）に示すベクトル系列のデータとして計測データフ
ァイル８７に格納される。

【００２８】次に、図２の波形照合工程２３０における
処理を詳細に説明する。複雑な機器の音響データは、機
器を構成する機構が順次動作するにしたがって、各機構
から発生する音響データの連続したものとして得られ
る。診断したい機構があらかじめ限定されている場合
は、機器の動作を開始してからその機構が動作するまで
の概略の時間を記憶しておき、パターンデータとの波形
照合はその前後の時間だけで行なえばよい。また、機器
を構成する全部の機構の動作を診断対象とする場合は、
各機構について順次波形照合を行なえばよい。以下で
は、説明を簡略に行なうため、機器を構成する一つの機
構の波形照合処理について説明する。波形照合工程２３
０は図６に示す（１)〜(６）の処理からなる。

【００２９】（１）計測データの入力処理６１０：計測
データファイル８７から計測データのベクトル系列デー
タを読み出す。このとき、診断対象機器１０を構成する
機構のうち、特定のものだけを診断対象とし、その機構
が動作するタイミングがあらかじめ分かっている場合
は、キーボード８２あるいはマウス８３を用いて、診断
対象の機構が動作するタイミングを入力し、そのタイミ
ング近傍の計測データのみが計測データファイル８７か
ら読み出される。

【００３０】（２）基準パターンとの照合処理６２０：
パターンデータファイル８８から診断対象の機構が正常
な時に発生する基準パターンファイル８８Ａを読み出
し、計測データのパターンとの照合処理を行なう（照合
処理については後で詳細に説明する）。

【００３１】（３）基準パターンとの照合結果の判定処
理６３０：基準パターンと計測データのパターンがあら
かじめ定めた判定基準以上に類似している場合は、診断
対象機器は正常に動作していると判断され、結果の格納
処理６６０に進む。基準パターンと一致するパターンが
計測データのパターン内に無い場合は異常または部品の
劣化があると推定されるため、ステップ６４０に進む。

【００３２】（４）事象パターンとの照合処理６４０：
診断の対象としている機構に異常あるいは部品の劣化な
どが生じた場合の音響データを事象パターンファイル８
８Ｂから読み出し、計測データのパターンと照合処理を
行なう（照合処理については後で詳細に説明する）。

【００３３】（５）事象パターンとの照合結果の判定処
理６５０：計測データのパターン内に、あらかじめ定め
た事象判定基準を越えた類似度で事象パターンと一致す
る部分がある場合、事象パターンが発生する事象を異常
事象としてステップ６６０に進む。

【００３４】（６）結果の格納処理６６０：基準パター
ンとの照合結果の判定処理６３０または事象パターンと
の照合結果の判定処理６５０において得られた結果を診
断知識ファイル８９の内の照合結果ファイル８９Ａに格
納する。結果の情報としては、正常または異常事象名、
および一致したパターンの対応関係である。

【００３５】ここで、照合処理を詳細に説明しておく。
基準パターンとの照合処理も事象パターンとの照合処理
も、照合を行なうパターンが異なるだけであり、処理の
手順は全く同一である。以下、基準パターンと事象パタ
ーンをまとめて照合パターンと呼ぶことにする。まず、
照合処理の基本的な考え方を説明しておく。照合処理は
ＤＰ（ダイナミック・プログラミング）の考え方を基本
としている。ＤＰは、最適性の原理、すなわち、「最適
方策とは、最初の状態や決定がどうであっても、この最
初の決定の結果として起こった状態について、以後の決
定は最適方策となるように構成しなければならない。」
という性質を利用して、多段階の決定過程を形式的に１
段階過程に分解して解を計算する。ここで、求められた
解が最適方策になることが保証されるのは、マルコフ
性、すなわち、「各段階での決定が、その時点での系の
状態のみに依存し、過去の決定の履歴に無関係に行なえ
なければならない。」を満足する場合に限られる。

【００３６】上記の性質を利用して、ベクトル系列間の
照合を図７に示す多段階決定過程として計算する。横軸
には、計測データのベクトル系列Ｕ_m(ｍ＝１,２,…,Ｍ)
を並べ、縦軸には照合パターンのベクトル系列Ｖ_n(ｎ＝
１,２,…,Ｎ)を並べる。各格子点（ｍ，ｎ）は、その横
軸上の計測データのベクトルＵ_m と縦軸上の照合パター
ンのベクトルＶ_n との対応関係を表わす。ベクトル系列
間の対応関係を求めることは、図７のように構成された
ネットワーク上で、格子点(ｍ，１）(ｍ＝１,２,…,
Ｍ）から格子点（ｍ，Ｎ）(ｍ＝１,２,…,Ｍ）に至る経
路のうちあらかじめ定めた評価関数が最大になるものを
求める問題となる。計測パターンのベクトル系列と、照
合パターンのベクトル系列の中で、対応関係が前後する
場合と、対応関係にあるベクトルが存在しない場合は生
じないものとすると、格子点と格子点の接続関係は、図
７に示したものだけを考慮すればよいことになる。

【００３７】最適な対応関係の探索は、図７の左下の格
子点から右上の格子点へと、各格子点に至る最適経路を
計算することになる。照合処理の詳細な流れを図８を用
いて説明する。

【００３８】（１）処理８１０：計測データファイル８
７から計測データのベクトル系列を、パターンデータフ
ァイル８８から照合パターンのベクトル系列を読み出
す。また、計算に必要な以下の初期設定を行ない、処理
８２０に進む。

【００３９】計測パターンのベクトル番号：ｍ＝１照合パターンのベクトル番号：ｎ＝１類似度の最小値：Ｓmax ＝負で絶対値の十分大きな値（２）処理８２０：縦，斜，横の各方向から格子点
（ｍ，ｎ）に至る最適な経路を計算し、処理８３０に進
む。

【００４０】（３）処理８３０：照合パターンのベクト
ル番号ｎがＮに達している場合は、処理８５０に進み、
そうでなければ、処理８４０で番号ｎをｎ＋１にインク
リメントして処理８２０に戻る。

【００４１】（４）処理８５０：格子点（ｍ，Ｎ）に至
る、横，斜，縦方向の経路のうち、最大の類似度を持つ
経路を選択し、類似度Ｓを計算して処理８６０に進む。

【００４２】（５）処理８６０：類似度ＳがＳmax より
大きい場合は、処理８７０で経路を記憶し、類似度の最
大値Ｓmax を前記類似度Ｓに置き換えた後、処理８８０
に進む、さもなければ、そのまま処理８８０に進む。

【００４３】（６）処理８８０：計測ベクトルの番号ｍ
がＭに達している場合は処理８８８に進み、さもなけれ
ば、処理８８５においてｍをｍ＋１にインクリメントし
て処理８２０に戻る。

【００４４】（７）処理８８８：照合結果を照合結果フ
ァイル８９Ａに格納する。

【００４５】ここで、処理８２０における経路の探索に
ついてさらに詳細に説明する。いま、探索した経路のな
かに、図９（ａ）に示すような、横方向の接続状態と縦
方向の接続状態が連続する経路が含まれていたとする。
この経路が表わす対応関係を計測ベクトルＵの側から表
わすと図９（ｂ）のようになる。すなわち、計測ベクト
ルの側から見れば、実線で表わした対応関係の通り、Ｕ
_m はＶ_n およびＶ_n-1と対応し、Ｕ_m+1 はＶ_n と対応す
る。また、照合ベクトルの側からみれば、点線で表わし
た対応関係の通り、Ｖ_n はＵ_m と対応し、Ｖ_n-1 はＵ_m
およびＵ_m-1 と対応する。これは、一つのベクトルが多
重対応をする状態を示している。このような多重対応を
避けるために、処理８２０では、横方向の接続状態と縦
方向の接続状態が連続する経路および縦方向の接続状態
と横方向の接続状態が連続するような経路を許さないこ
とにする。すなわち、図１０に示すように、ある格子点
（ｍ，ｎ）に至る経路の探索範囲は、（１）横方向：ノード（ｍ−１，ｎ）に至る横と斜め方
向の経路（２）斜方向：ノード（ｍ−１，ｎ−１）に至る、横，
斜，縦方向の経路（３）縦方向：ノード（ｍ，ｎ−１）に至る、斜めと縦
方向の経路の範囲から探索する。

【００４６】また、処理８２０および８５０における経
路の評価として用いるパターン間の類似度Ｓは、数５を
用いて計算する（数５の意味は後で詳細に説明する）。
また、このときの計測ベクトルが事象ベクトルの何倍で
あるかを表わす尺度Ｋは数６で計算できる。

【００４７】

【数５】

【００４８】

【数６】

【００４９】以上述べた照合方法を用いて照合した結果
の例を図１１に示す。照合パターンのベクトル系列１１
１０を、計測データのベクトル系列１１２０と照合した
結果、図１１の位置で類似度が最も大きくなったことを
示している。結果が示すように、双方のパターンが一致
する部分を非常に良く抽出できている。また、この時の
類似度Ｓは０.９４、尺度Ｋは１.０９であった。

【００５０】次に、図１２を用いて推論工程２４０にお
ける処理を詳細に説明する。

【００５１】（１）処理１２１０：照合結果ファイル８
９Ａに記憶されたパターン照合結果を読み出す。

【００５２】（２）処理１２２０：照合パターンと計測
データの対応するベクトル間の類似度と尺度を数５およ
び数６と同様にして計算する。類似度が小さい、あるい
は尺度が１.０と大きく異なる場合は、波形の間の相違
を図１３に示すような分類を行い、対応する番号ｅをつ
ける。たとえば、ｅ＝１：ピークが二つに分離したｅ＝２：小さな振動波形に変化したｅ＝３：ピークが大きくなったｅ＝４：ピークが二つから一つになったなどの様に、波形の変化状態に対応した番号を付ける。

【００５３】（３）処理１２３０：処理１２２０の結果
と、あらかじめ診断知識ファイル89Ｂに記憶されている
診断知識を用いて、異常事象の推論を行なう。診断知識
ファイル８９Ｂに記憶されている診断知識の例を図１４
に示す。例えば、知識１：ｉｆ（Ｓ_i≧α ａｎｄｅ_j＝１）ｔｈｅｎ（ベルトのゆるみ）知識２：ｉｆ（Ｓ_i≧α ａｎｄＳ_j≧β）ｔｈｅｎ（歯車の摩耗）知識３：ｉｆ（Ｓ_k≧０.８ａｎｄｅ_j＝４）ｔｈｅｎ（軸の損傷）といった知識が記憶されている。知識１は、「照合パタ
ーンのベクトル系列のｉ番目のベクトルの類似度が一定
の値α以上であり、かつ、ピークが二つに分かれてい
る」ならば「ベルトのゆるみ」異常であることを表わす
知識である。知識２は、「照合パターンのベクトル系列
のｉ番目のベクトルの類似度が一定値α以上であり、か
つ、ｊ番目のベクトルの類似度がβ以上である」ならば
「歯車の摩耗」であることを表わす知識である。同様
に、知識３は「照合パターンのベクトル系列のｋ番目の
ベクトルの類似度が０.８以上であり、かつ、ｊ番目の
ベクトルのピークが二つから一つになっている」ならば
「軸の損傷」であることを示す知識である。これらの例
に示したような知識を用いて、よく知られたプロダクシ
ョン・システムなどの推論方式を用いて、異常の事象を
推論する。

【００５４】（４）処理１２４０：推論結果を表示工程
２５０に送る。

【００５５】以上、推論工程２４０について詳細に説明
した。説明では、診断知識ファイル８９Ｂに記憶されて
いる知識は「ｉｆ〜ｔｈｅｎ〜」型の知識であるとして
説明したが、ファジィ表現された知識であっても同様に
処理できることは勿論である。

【００５６】表示工程２５０は、推論工程２４０から送
られる結果を表示装置８１に表示する。結果の表示例を
図１５に示す。表示する内容は、例えば、計測データお
よび計測データと最も類似度の大きかった照合パターン
との対応関係，機器の構成要素が正常な時に発生する基
準パターン，推論部２３０の結果として得られた異常事
象の名前，推論部２３０で成立した知識から得られる推
論結果の理由などが画面に表示される。

【００５７】以上、音響診断時における処理の一例を詳
細に説明した。ここで、特徴抽出フィルタは数７に示す
形をしている。

【００５８】

【数７】

【００５９】実際には離散的な値として演算が実行され
るために、ｘの離散値に対する値として求めて置く必要
がある。以下、音響診断を実行する前に、必要に応じて
予め特徴抽出フィルタファイル８６に記憶しておく特徴
抽出フィルタの生成方法について図１６を用いて詳細に
説明する。

【００６０】（１）処理１６１０：キーボード８２等の
入力手段を用いて以下の処理を行なうプログラムを起動
し、フィルタの大きさや形状を決定する定数ａ，ｂおよ
びσと、求める最大の次数ｎ_max を入力する。

【００６１】（２）処理１６２０：ガウス関数Ｅ(ｘ)
(ｘ＝ａ,ａ＋１,…,ｂ）の計算を行なう。

【００６２】（３）処理１６３０：計算するフィルタの
次数ｎを０に設定する。

【００６３】（４）処理１６４０：次数ｎの多項式の計
算を行なう。以下、例として２次までの多項式の計算式
を示しておく。同様の計算を繰り返すことにより、必要
に応じて、さらに高次の多項式も容易に計算することが
できる。０次の多項式は定数であることから、数８とし
て終了する。

【００６４】

【数８】

【００６５】１次の多項式を、数９とおくと、０次の多
項式Ｈ₀(ｘ）と直交性が成り立つために、数１０を満足
しなければならない。従って、数１１と求めることがで
きる。

【００６６】

【数９】

【００６７】

【数１０】

【００６８】

【数１１】

【００６９】２次の展開多項式を数１２とおくと、１次
の多項式と直交性が成り立つために、数１３を満足しな
ければならない。０次と１次の多項式は直交することを
考慮すると、数１４が成り立たなければならない。従っ
て、数１５と求められる。

【００７０】

【数１２】

【００７１】

【数１３】

【００７２】

【数１４】

【００７３】

【数１５】

【００７４】さらに、２次の多項式と０次の多項式の直
交性が成り立つ条件、すなわち数１６から、数１７と求
められる。

【００７５】

【数１６】

【００７６】

【数１７】

【００７７】（５）処理１６５０：計算する多項式が最
大の次数ｎ_max に達していれば、次の処理に進む。さも
なければ、処理１６６０においてｎをｎ＋１にインクリ
メントして、処理１６４０に戻る。

【００７８】（６）処理１６７０：処理１６４０で求め
た多項式をもとに正規化を行なう。各次数の多項式は、
数１８を満足しなければならない。各次数の多項式に対
して、数１８を計算すると、正規化された特徴抽出フィ
ルタＷ_m(ｘ）は、数１９と求められる。

【００７９】

【数１８】

【００８０】

【数１９】

【００８１】（７）処理１６８０：生成された特徴抽出
フィルタを特徴抽出フィルタファイル８６に格納する。

【００８２】生成された特徴抽出フィルタの例を図１７
に示す。本例では、フィルタの範囲を表わす定数を、ａ
＝−１５,ｂ＝１５とし、形状を決定する定数を、σ＝
４.０としており、図１７（ａ）（ｂ）（ｃ）はそれぞ
れ０次，１次，２次の特徴抽出フィルタの生成結果であ
る。

【００８３】以上、本発明による音響診断方法および装
置の一実施例を説明したが、本発明で扱えるデータは、
音響データに限らず、振動や光等を計測する各種センサ
のデータであってもよいし、温度や流量などの一般的な
時系列データであっても同様に扱うことができる。ま
た、公衆回線や専用のＬＡＮ等を通じてデータを受け取
ってもよいし、各種の記録媒体（磁気ディスク等）を用
いて入力してもよい。また、本発明は専用の処理装置を
用いたハードウェアとして構成してもよいし、ＤＳＰ
（ディジタルシグナルプロセッサ）等のＬＳＩを用
いてハードウェアを構成してもよい。あるいは、マイク
ロコンピュータ等で処理を行なうソフトウェアとしても
実現できる。表示工程２５０は、ＣＲＴへ結果を表示す
る工程として説明したが、音声出力装置を用いて音声に
より告知するなど、各種のメディアを用いて告知するこ
とが可能である。

【００８４】本発明はその構成および処理から明かなよ
うに、次のような特徴を有する。（１）機器の構成要素の正常時および各種異常時の音響
パターンを記憶しておくことにより、運転時の異常を正
確に判定することができる。

【００８５】（２）計測データをベクトル系列に変換し
て扱うことにより、パターンの位置ずれや形状の変化を
考慮した照合を行なうことができるという特長がある。
また、各種演算をベクトルデータを用いて行うことがで
き、計算処理量が少なくて済むのみならず、誤りの少な
い原因を抽出できるという効果がある。

【００８６】（３）ベクトル系列間で相関係数を計算し
て類似度とするため、相似なパターンの検索が可能であ
り、パターンデータファイル８８に記憶される事象のパ
ターン数が少なくできるという効果を合わせ持ってい
る。

【００８７】数学的な背景本発明による音響診断装置の実施例をよく理解し、その
固有の可能性と利点を評価するために、以下に、実施例
が実現されるために用いられる手法に対する簡単な数学
的背景および基礎を提示する。導入された式は、実施例
の機能の洞察も与えてくれる。

【００８８】特徴抽出フィルタファイル８６に記憶さ
れ、特徴抽出工程２２０における特徴量抽出処理３１０
において用いられる特徴抽出フィルタＷ₀(ｘ)，Ｗ
₁(ｘ)、およびＷ₂(ｘ）は、Ｗ₀(ｘ）はパターンの平均
的な値を求めるフィルタ、Ｗ₁(ｘ）は平均的な傾きを求
めるフィルタ、Ｗ₂(ｘ）はパターンの平均的な凹凸を求
めるフィルタである。以下に、Ｗ₀(ｘ），Ｗ₁(ｘ）およ
びＷ₂(ｘ）の求め方を整理して示しておく。

【００８９】パターンデータの展開方法として、数２０
で定義される多項式Ｈ_m(ｘ）を用いる。ここに、Ｅ(ｘ)
は適当な微分可能関数であり、ａおよびｂは定義区間を
示す定数である。このとき、数２１とおくと、数２２
は、正規直交関数系を構成する。

【００９０】

【数２０】

【００９１】

【数２１】

【００９２】

【数２２】

【００９３】正規直交関数系ψ_m(ｘ）をそのまま用い
て、時系列データｆ(ｔ)を時刻ｔの近傍で展開すると、
原データの良い近似を得るには高次の項まで求めておく
ことが必要となる。これを避けるために、時系列データ
を時刻ｔを中心として数２３と変換して扱うことにす
る。

【００９４】

【数２３】

【００９５】数２３に対し、数２２の直交関数系を用い
た展開を行うと、数２４となる。ここに、展開係数ａ
_m(ｔ)(ｍ＝０,１,…,∞)は、数２５により求められる。
数２３および数２４より、時系列データｆ(ｔ)は、時刻
ｔの近傍で、数２６と展開されたことになる。

【００９６】

【数２４】

【００９７】

【数２５】

【００９８】

【数２６】

【００９９】微分可能関数Ｅ(ｘ)を数２７で表される指
数関数とした場合、数２０よりＨ_m(ｘ)はｍ次のＨermit
e 多項式となる。また、数２６より時系列データｆ(ｔ)
は時刻ｔの近傍で多項式に展開されたことになる。この
時の展開フィルターＷ_m(ｘ)は、数２５に数２２および
数２３を代入することにより、数２８となることから、
数２９と表される。

【０１００】

【数２７】

【０１０１】

【数２８】

【０１０２】

【数２９】

【０１０３】数２９で表わされる特徴抽出フィルターに
よる多項式展開の結果を用いて、時刻ｔにおける時系列
データ推定値ｆ_e(ｔ）を求める。数２６にｘ＝０を代入
してｆ_e(ｔ)は、数３０と求められる。

【０１０４】

【数３０】

【０１０５】数３０による展開係数の２次の項ａ₂(ｔ）
は，時刻ｔ近傍における時系列データの凹凸の状態を示
している。従って、時系列データｆ(ｔ)に対して、数２
８に従い２次の多項式の展開係数ａ₂(ｔ）を求め、極値
を持つ時刻を抽出することにより、時系列データの勾配
が変化する時刻を得ることができる。

【０１０６】以下、類似度および尺度の求め方について
述べる。パターンデータファイル８８に記憶されている
一つの照合ベクトルの系列をＶ_i(ｉ＝０，１,２,…,
ｍ)、計測データに含まれる対応候補のベクトル系列を
Ｕ_i(ｉ＝１,２,…,ｍ)とする。パターンデータファイル
８８に記憶されている照合ベクトル系列をＫ倍した時、
両ベクトル系列の間の２乗誤差Ｅは、数３１と表され
る。

【０１０７】

【数３１】

【０１０８】まず、２乗誤差Ｅを最小とする尺度Ｋを求
める。数３１を展開すると、数３２となる。ここ
に、（，）はベクトルの内積を示す。数３２はＫに関す
る２次の係数が正の２次式であるから、２乗誤差Ｅの最
小値を与える尺度Ｋは、数３３より、数３４と与えられ
る。その時の２乗誤差Ｅは、数３４を数３２に代入し
て、数３５で与えられる。

【０１０９】

【数３２】

【０１１０】

【数３３】

【０１１１】

【数３４】

【０１１２】

【数３５】

【０１１３】数３５における２乗誤差Ｅを時系列パター
ンのベクトル系列に関して正規化すると、数３６とな
る。従って、尺度Ｋにより正規化された２乗誤差Ｅによ
る対応度合の評価指標を、数３６の第２項の平方根、す
なわち数３７で与えられる類似度Ｓで定義する。

【０１１４】

【数３６】

【０１１５】

【数３７】

【０１１６】数３６では、数３４による尺度Ｋが正の場
合でも負の場合でも２乗誤差Ｅは同じとなる。しかし、
時系列データを照合する場合、反転して一致する場合は
類似度は小さくならなければならない。数３７は、数３
６の右辺第２項の平方根を考えることにより、適正な類
似度を得られるものとなっている。数３６で表わされる
類似度Ｓは−１.０≦Ｓ≦１.０を満足し、通常の相関係
数とよく似た式の形をしており、ベクトル系列間の相関
係数と考えることができる。

【０１１７】以上、計測データのベクトル系列と照合パ
ターンのベクトル系列が一対一に対応すると仮定して類
似度Ｓおよび尺度Ｋの式を求めた。一般には、照合パタ
ーンのベクトル系列と計測データのベクトル系列との間
で一つのベクトルと複数のベクトルとが対応する場合が
生ずる。この場合は、数３７および数３４に示した類似
度Ｓおよび尺度Ｋを数３８，数３９と変形して用いる。
ここに、照合パターンのベクトルＶ_j と対応する計測パ
ターンのベクトル系列をＵ_ij(ｊ＝１,２,…,ｎ_i)として
いる。

【０１１８】

【数３８】

【０１１９】

【数３９】

【０１２０】

【発明の効果】本発明による方法および装置を使用する
ことによって、音響データによる機器の異常診断を可能
とし、ひいてはプラントの安定操業や品質の向上あるい
は情報処理機器の信頼性向上による顧客サービスの向上
に飛躍的な改善をもたらすことができる。

【０１２１】（１）これまで、直接的な計測が不可能で
あった、機器の音響データに含まれる有意味な情報を、
機器の異常や劣化を診断するための有力な情報として利
用できる。

【０１２２】（２）従来は熟練者にしか可能でなかっ
た、プロセスを構成する機器の音響データによる診断が
手軽に、しかも非熟練者でも行なうことが可能となり、
プラントやプロセスを維持するための人手を大幅に減ら
すことができる。

【０１２３】（３）音響データをベクトルの系列として
扱うために、演算量が少なく、処理装置が簡素に構成で
きるばかりでなく、高速な処理を行なうことができる。

【０１２４】（４）過去の異常のデータを知識として利
用することにより、知識が時間とともに増大するので、
保守員が実績と経験を積むように次第に賢くなる機能を
持たせることができる。

【図面の簡単な説明】

【図１】本発明の一実施例を示すシステム構成図であ
る。

【図２】実施例における音響診断時のフローを説明する
図である。

【図３】特徴抽出工程を詳細に説明する図である。

【図４】特徴点抽出処理の方法を説明する図である。

【図５】特徴点抽出処理の一例を説明する図である。

【図６】波形照合工程を詳細に説明する図である。

【図７】多段決定過程としての照合処理を説明する図で
ある。

【図８】照合処理を詳細に説明する流れ図である。

【図９】ベクトル間の矛盾した対応関係を説明する図で
ある。

【図１０】各格子点への最適経路を探索する範囲を説明
する図である。

【図１１】照合処理結果の一例を示す図である。

【図１２】推論工程を詳細に説明する図である。

【図１３】対応するベクトル間の相違を表現する方法を
説明する図である。

【図１４】診断知識の例を説明する図である。

【図１５】表示工程による出力の例を説明する図であ
る。

【図１６】フィルタ生成処理を説明する図である。

【図１７】特徴抽出フィルタの例を説明する図である。

【符号の説明】

１０…診断対象機器、２０…音響診断装置、３０…音響
データ入力手段、４０…周波数分析プロセッサ、５０…
特徴抽出プロセッサ、６０…波形照合プロセッサ、７０
…推論プロセッサ、８０…システムプロセッサ、８１…
表示装置、８２…キーボード、８３…マウス、８５…音
響データファイル、８６…特徴抽出フィルタファイル、
８７…計測データファイル、８８…パターンファイル、
８９…診断知識ファイル、９０…システムバス、２１０
…データ計測工程、２２０…特徴抽出工程、２３０…波
形照合工程、２４０…推論工程、２５０…表示工程。

───────────────────────────────────────────────────── フロントページの続き (72)発明者川口幸一茨城県日立市大みか町五丁目２番１号株式会社日立製作所大みか工場内 (72)発明者町田直義神奈川県横浜市戸塚区品濃町504番２号日立電子サービス株式会社内

Claims

【特許請求の範囲】

【請求項１】機器から発生する音響データを採取する手
段と、採取された音響データを分析する手段と、分析結
果を表示する手段とを備えた音響診断装置において、少
なくとも、（１）音響データから、データの変化する特
徴を抽出する特徴抽出手段と、（２）機器が正常な場合
および異常の場合に発生する音響データを記憶しておく
事象データ記憶手段と、（３）音響データから抽出され
た特徴と、前記記憶手段に記憶されている事象データの
特徴とを比較する波形照合手段と、（４）音響データと
事象データの相違に対応した異常事象を知識として記憶
しておく診断知識記憶手段と、（５）前記波形照合手段
による結果と、前記診断知識記憶手段に記憶された知識
とを用いて、機器の異常を診断する推論手段と、を有す
ることを特徴とする音響診断装置。
【請求項２】前記請求項１において、音響データおよび
事象データの特徴を抽出する手段が、少なくとも、
（１）データの急激な変化を抽出するためのフィルタと
の積和演算を行なう特徴点抽出手段と、（２）前記特徴
点抽出手段から得られる特徴点でデータを折れ線に分割
し、分割されたベクトルの系列に変換する手段と、から
なることを特徴とする音響診断装置。
【請求項３】前記請求項１において、音響データおよび
事象データとを照合する波形照合手段が、少なくとも、
（１）音響データと事象データを構成する各ベクトルの
対応関係を、二次元の空間における最適経路の探索問題
として扱う手段と、（２）前記最適経路の評価を、類似
度Ｓおよび尺度Ｋ、すなわち類似度Ｓ＝(計測ベクトルと事象ベクトルの内積の総
和）÷((事象ベクトル長の自乗の総和）＊(計測ベクトル長の自乗の総和))の平方根尺度Ｋ＝(計測ベクトルと事象ベクトルの内積の総
和）÷(事象ベクトル長の自乗の総和）を用いて行なう手段と、からなることを特徴とする音響
診断装置。
【請求項４】前記請求項１において、前記推論手段にお
ける推論が、（１）前記波形照合手段から得られる、計
測ベクトルと事象ベクトルの対応関係をもとに、正常な
場合あるいはさまざまな異常事象の場合の波形からの変
化を記号的に表現したものを事実データとし、（２）経
験的に得られた、波形の変化と異常事象との関連を診断
知識とし、（３）波形の変化から異常事象を推論する、
ことを特徴とする音響診断装置。
【請求項５】機器から発生する音響データを採取し、上
記音響データから、データの変化する特徴を抽出する特
徴抽出ステップと、機器が正常な場合および異常の場合
に発生する音響データを記憶した事象データ記憶部のデ
ータの特徴と上記採取された音響データから抽出された
特徴とを比較する波形照合ステップと、音響データと事
象データの相違に対応した異常事象を知識として記憶し
た診断知識記憶部の知識データと前記波形照合手段によ
る照合結果とを用いて、機器の異常を診断する推論ステ
ップとを有することを特徴とする音響診断方法。