JPH09210765A - 周期的運動状態特徴抽出装置 - Google Patents

Abstract

(57)【要約】 【課題】 検出対象の周期的運動体からの周期的運動状
態から、信号中の雑音信号以外の不規則振動成分を検出
し、短時間で特徴を抽出する。 【解決手段】 信号積遅延回路８は、ｐ＋１個の信号積
信号ｒ（ｎ、ｐ）に対して（ｐ−Ｐ）／２の時刻分の遅
延を生じさせる処理によって、推定値ｒ（ｎ，ｐ）を求
める。信号積同期加算回路９は、周期信号発生回路４か
らの周期的信号Ｔと推定値ｒ（ｎ，ｐ）とから、周期Ｔ
のＮ−１倍までの過去の信号の平均を平均値ｒ（ｎ，
ｐ）として求め、平均値ｒ（ｎ，ｐ）を線形予測分析回
路１０に与える。線形予測分析回路１０は、平均値ｒ
（ｎ，ｐ）を自己相関関数とみなして、Ｙｕｌｅ−Ｗａ
ｌｋｅｒ正規方程式をたて、この方程式を解き、線形予
測係数ａｉ（ｎ）及び予測誤差パワーｗ（ｎ）を求め
る。パワースペクトル算出回路１１は、線形予測係数ａ
ｉ（ｎ）及び予測誤差パワーｗ（ｎ）からパワースペク
トルを求める。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、周期的運動状態特
徴抽出装置に関し、周期的運動体からの周期的運動状態
の特徴情報を検出することに関するものである。

【０００２】

【従来の技術】一般に歯車装置やモータ装置等の周期的
運動体から発生する信号の特徴を抽出する方法として
は、時間領域よりも周波数領域での解析が適しているこ
とが多く、このような解析方法としてフーリエ変換、線
形予測分析等のスペクトル解析方法が広く知られてい
る。

【０００３】また、分析対象としている信号に観測雑音
が存在する場合、何等かの方法で雑音を低減する必要が
ある。

【０００４】また、特徴抽出対象（例えば、歯車装置）
によって周期的信号の周期情報を何等かの手段で把握で
きることはある。例えば、歯車装置などであれば、回転
軸にシールを貼り、このシールの位置を光学的センサで
検出する方法などがある。

【０００５】このように周期情報が利用できる場合の観
測雑音低減方法としては、例えば、下記文献に示す方法
が知られている。

【０００６】文献：『雑音処理』、平山他、社団法人計
測自動制御学会、昭和６３年、ページ１８９〜１９１。

【０００７】以上のような方法は、同期加算法と呼ばれ
ているものである。

【０００８】この同期加算による雑音低減方法を用いた
一般的な周期信号特徴抽出方法の機能構成を図２に示し
ている。

【０００９】この特徴抽出方法は、歯車装置などによる
特徴抽出対象１に設置した圧電センサ等から得られる周
期情報を利用し、周期発生回路４で周期信号を抽出し、
信号同期加算回路２で周期信号を用いて、センサで収集
した信号を平均化することによって、観測雑音を低減す
るものである。雑音を低減した後の信号を用いて周波数
分析回路３によって周波数分析を行うことによって、観
測雑音の影響を低減した周波数分析を行なおうとするも
のである。

【００１０】このような技術が用いられている文献とし
て、特公平５−２３７０７号公報、特公１−２４２４６
号公報などがある。この特公平５−２３７０７号公報
は、歯車の異常診断装置の発明であって、加算平均法が
用いられている。また、特公１−２４２４６号公報は、
周期運動体の監視方法の発明であって、線形予測法によ
る故障検出方法を示すものである。

【００１１】

【発明が解決しようとする課題】しかしながら、上述の
技術によるスペクトル分析方法やスペクトル分析装置で
は、次のような問題があった。

【００１２】（１）先ず、特徴抽出対象から得られる信
号を直接同期加算処理することによって、観測雑音信号
と共に、信号に存在する相関のある確率的振動信号成分
も低減されてしまうという問題があった。即ち、信号中
の雑音信号以外の不規則振動成分を検出することができ
ないという問題があった。

【００１３】（２）また、同期加算処理後の信号を周波
数分析すると時間方向に平均化されたパワースペクトル
しか求めることができないため、短時間に生じる特徴を
抽出することが困難であった。

【００１４】このようなことから、検出対象の周期的運
動体からの周期的運動状態から、信号中の雑音信号以外
の不規則振動成分を検出し、短時間で特徴を抽出するこ
とができる周期的運動状態特徴抽出装置の実現が要請さ
れている。

【００１５】

【課題を解決するための手段】そこで、請求項１記載の
発明は、検出対象である周期的運動体から周期的運動状
態の特徴情報を検出する周期的運動状態特徴抽出装置に
おいて、以下の特徴的な構成で上述の課題を解決するも
のである。

【００１６】即ち、請求項１記載の発明は、（１）上記
周期的運動体からのセンサ信号から周期的時系列信号
と、（２）上記周期的運動体の運動周期を表す周期信号
Ｔとを形成する運動状態検出手段と、（３）上記周期的
時系列信号の現信号と過去の信号との信号積を求め、こ
の信号積値を遅延させながら所定係数を乗積する信号積
・遅延乗積手段と、（４）上記周期信号Ｔごとに上記乗
積結果に対する同期加算を行って平均値を求める信号積
同期加算手段と、（５）上記平均値を自己相関関数とし
て、この自己相関関数から上記周期的運動状態において
特徴的な線形予測係数情報と予測誤差パワー情報とを求
める線形予測分析手段とを備えたものである。

【００１７】このような構成を採ることで、周期的時系
列信号の信号積を求め、遅延させ、信号系列の周期処理
で、同期加算を行って平均値を求めることによって、自
己相関関数を求めるようにしたので、独立に存在する雑
音成分を抑制し、且つ、信号中の各周期に亘って相関の
ある不規則信号成分を相関関数として抽出することがで
きる。

【００１８】また、この自己相関関数を用いて線形予測
分析を行うことによって、少ない次数の自己相関関数か
ら高い分解能のパワースペクトルを推定することができ
るのである。

【００１９】また、請求項３記載の発明は、検出対象で
ある周期的運動体から周期的運動状態の特徴情報を検出
する周期的運動状態特徴抽出装置において、（１）上記
周期的運動体からの複数のセンサ信号から複数の周期的
時系列信号と、上記周期的運動体の運動周期を表す周期
信号Ｔとを形成する運動状態検出手段と、（２）上記複
数の周期的時系列信号の現信号と過去の信号との信号積
行列を求め、この信号積行列値を遅延させながら所定係
数を乗積する信号積・遅延乗積手段と、（３）上記周期
信号Ｔごとに上記乗積結果に対する同期加算を行って平
均値を求める信号積同期加算手段と、（４）上記平均値
を自己相関関数行列として、この自己相関関数行列から
上記周期的運動状態において特徴的な線形予測係数行列
情報と予測誤差パワー行列情報とを求める多変量線形予
測分析手段とを備えて、上述の課題を解決するものであ
る。

【００２０】このような構成で、複数のセンサ信号から
得られる複数の周期的時系列信号の現信号と過去の信号
との信号積行列を求め、この信号積行列値に所定係数を
乗積しながら遅延させ、そして、同期加算を行って平均
値を求め、この平均値を自己相関関数行列として線形予
測係数行列と予測誤差パワー行列とを求めることで、同
時に各センサからのそれぞれの信号中の独立でない確率
的変動をする信号成分を自己相関関数行列の中に抽出で
き、更に、各センサ間に独立でない信号成分、即ち、信
号中の各周期に亘って相関のある不規則信号成分を抽出
することができる。

【００２１】また、この自己相関関数行列を用いて多変
量線形予測分析を行うことによって、少ない次数の自己
相関関数の行列から高い分解能のクロスパワースペクト
ルを推定することができるのである。

【００２２】

【発明の実施の形態】次に本発明の好適な実施の形態を
図面を用いて説明する。そこで、本実施の形態の周期的
運動体の周期的運動場状態における特徴抽出装置におい
ては、歯車装置等の周期的運動体からの周期的時系列信
号の周期情報と、周期的時系列信号から計算される相関
を利用して、周波数領域での分析を行うことによって周
期的時系列信号１周期内の特徴を抽出する装置であっ
て、周期的時系列信号に同期した周期信号を発生する周
期信号発生手段と、周期的時系列信号の信号積を算出す
る信号積算出手段と、信号積を遅延させる信号積遅延手
段と、位相情報に同期して信号積を同期加算する信号積
同期加算手段と、信号積同期加算手段から算出された相
関関数を用いて線形予測分析を行う線形予測分析手段を
備えるように構成する。

【００２３】また、線形予測分析手段として、多変量線
形予測分析を用いるように構成する。

【００２４】このような構成で、信号中の雑音信号以外
の不規則振動成分を抽出し、有限の相関関数から線形予
測方法によって高い分解能でスペクトル解析を行うよう
にするのである。

【００２５】『第１の実施の形態』：図１は、歯車装置
（又はモータ装置）からの周期的時系列信号から特徴抽
出を行う周期的運動体の特徴抽出装置の機能構成図であ
る。この特徴抽出装置は、歯車装置からの周期的運動体
を特徴抽出対象として、この振動信号及び回転の位相情
報を圧電センサで電気信号に変換して、この電気信号か
ら特徴抽出を行うものである。

【００２６】この図１において、周期的運動体の特徴抽
出装置は、特徴抽出対象の歯車装置１と、周期信号発生
回路４と、Ａ／Ｄ（アナログ／デジタル）変換回路５、
６と、信号積演算回路７と、信号積遅延回路８と、信号
積同期加算回路９と、線形予測分析回路１０と、パワー
スペクトル算出回路１１とから構成されている。

【００２７】Ａ／Ｄ変換回路５は、歯車装置１からの圧
電変換信号（電気信号）からデジタル信号を求めて、こ
のデジタル信号を周期的系列信号ｘ（ｎ）として信号積
演算回路７に与える。Ａ／Ｄ変換回路６は、歯車装置１
からの圧電変換信号（電気信号）からデジタル信号を求
めて、このデジタル信号を位相信号として周期信号発生
回路４に与える。

【００２８】周期信号発生回路４はＡ／Ｄ変換回路４か
らの位相信号から周期的な信号Ｔを抽出して信号積同期
回路９に与える。信号積演算回路７は、Ａ／Ｄ変換回路
５の周期的時系列信号ｘ（ｎ）から、ｘ（ｎ）とｘ
（ｎ）及びｐ個の過去の信号ｘ（ｎ−１）、ｘ（ｎ−
２）、…、ｘ（ｎ−ｐ）との信号積ｒを、 ｒ（ｎ，ｐ）＝ｘ（ｎ）×ｘ（ｎ−ｐ）、ｐ＝０、１、…、Ｐ …（１） として求めて、ｐ＋１個の信号積信号ｒ（ｎ、ｐ）を信
号積遅延回路８に与える。

【００２９】信号積遅延回路８は、ｐ＋１個の信号積信
号ｒ（ｎ、ｐ）に対して（ｐ−Ｐ）／２の時刻分の遅延
を生じさせるフィルタリング処理によって、 推定値ｒ（ｎ，ｐ）＝Σ｛ｈｉ×ｒ（ｎ−ｉ，ｐ）｝ …（２） のような処理を行う。尚、ｈｉはフィルタ係数である。
このようにすることによって、 推定値ｒ（ｎ，−ｐ）＝推定値ｒ（ｎ，ｐ） …（３） というような関係が生じ、推定値ｒ（ｎ，ｐ）を局所的
な自己相関関数とみなすことができるのである。これら
の推定値ｒ（ｎ，ｐ）は、信号積同期加算回路９に与え
られる。

【００３０】信号積同期加算回路９は、周期信号発生回
路４からの周期的信号Ｔと、ｐ＋１個の推定値ｒ（ｎ，
ｐ）とから、周期ＴのＮ−１倍までの過去の信号の平均
を平均値ｒ（ｎ，ｐ）＝１／Ｎ×Σ｛推定値ｒ（ｎ−ｉ
Ｔ，ｐ）｝、 ｉ＝０〜Ｎ−１ …（４） のようにして求め、これらのｐ＋１個の平均値ｒ（ｎ，
ｐ）を線形予測分析回路１０に与える。

【００３１】線形予測分析回路１０は、ｐ＋１個の平均
値ｒ（ｎ，ｐ）を自己相関関数とみなして、従来から知
られているＹｕｌｅ−Ｗａｌｋｅｒの方程式又は正規方
程式をたて、この方程式を解くことによって、時刻ｎに
おける線形予測係数ａ１（ｎ）、ａ２（ｎ）、…、ａｐ
（ｎ）及び予測誤差パワーｗ（ｎ）を求める。このＹｕ
ｌｅ−Ｗａｌｋｅｒの方程式又は正規方程式は、例え
ば、Ｌｅｖｉｎｓｏｎ−Ｄｕｒｂｉｎの高速アルゴリズ
ムによって解くことができる。

【００３２】尚、この方程式及びＬｅｖｉｎｓｏｎ−Ｄ
ｕｒｂｉｎの高速アルゴリズムは、例えば、文献：『現
代スペクトル解析、森北出版発行』、文献：『信号解析
とシステム同定、コロナ社』などに示されている。この
ようにして、得られる線形予測係数ａ１（ｎ）、ａ２
（ｎ）、…、ａｐ（ｎ）及び予測誤差パワーｗ（ｎ）
は、パワースペクトル算出回路１１に与えられる。

【００３３】パワースペクトル算出回路１１は、線形予
測係数ａ１（ｎ）、ａ２（ｎ）、…、ａｐ（ｎ）及び予
測誤差パワーｗ（ｎ）からパワースペクトルｓ（ｆ，
ｎ）を ｓ（ｆ，ｎ）＝ Δｔ・ｗ（ｎ）／｜Σａｉ（ｎ）ｅｘｐ（−ｊ・２πｆ・ｉ・Δｔ）｜^２ …（５） で求めるのである。尚、ｉ＝０〜ｍ、ｓ（ｆ，ｎ）は時
刻ｎにおけるパワースペクトル、ｆは周波数、Δｔはサ
ンプリング間隔である。

【００３４】（動作）： 次に、図１の特徴抽出装置
の動作を説明する。この図１において、特徴抽出対象の
歯車装置１から検出した圧電センサ信号はＡ／Ｄ変換回
路５、６に与えられ、Ａ／Ｄ変換回路５で得られるデジ
タル信号は、周期的時系列信号ｘ（ｎ）として信号積演
算回路７に与えられ、Ａ／Ｄ変換回路６で得られるデジ
タル信号は、位相信号として周期信号発生回路４に与え
られる。

【００３５】信号積演算回路７では、入力周期的時系列
信号ｘ（ｎ）からｐ＋１個の信号積ｒ（ｎ，ｐ）が求め
れられて、信号積遅延回路８に与えられる。これらのｐ
＋１個の信号積ｒ（ｎ，ｐ）は、信号積遅延回路８で
（ｐ−Ｐ）／２の時刻分の遅延がフィルタリング処理に
よってなされて、ｐ＋１個の推定値ｒ（ｎ，ｐ）が信号
積同期加算回路９に与えられる。即ち、これらのｐ＋１
個の推定値ｒ（ｎ，ｐ）は、局所的な自己相関関数とみ
なすことができるのである。

【００３６】ｐ＋１個の推定値ｒ（ｎ，ｐ）は、信号積
同期加算回路９で周期的信号Ｔを用いて、周期のＮ−１
倍までの過去の信号の平均値ｒ（ｎ，ｐ）が求められ
て、線形予測分析回路１０に与えられる。平均値ｒ
（ｎ，ｐ）は、線形予測分析回路１０で自己相関関数と
みなして、Ｙｕｌｅ−Ｗａｌｋｅｒ方程式をたてて、こ
の方程式をＬｅｖｉｎｓｏｎ−Ｄｕｒｂｉｎ法で解い
て、線形予測係数ａｉ（ｎ）と予測誤差パワーｗ（ｎ）
とが求められてパワースペクトル算出回路１１に与えら
れる。

【００３７】線形予測係数ａｉ（ｎ）と予測誤差パワー
ｗ（ｎ）とは、パワースペクトル算出回路１１で、上述
の（５）式のようにして時刻ｎにおけるパワースペクト
ルｓ（ｆ，ｎ）が求められるのである。

【００３８】（本発明の第１の実施の形態の効果）：
以上の本発明の第１の実施の形態によれば、周期的時
系列信号ｘ（ｎ）に対する信号積演算回路７で信号積を
計算し、信号積遅延回路８で信号を遅延させてから、信
号の周期Ｔによって同期加算することによって自己相関
関数を求めるようにしたので、独立的な雑音成分を抑制
することができ、同時に、図３（ｃ）のように、信号中
の独立でない確率的変動をする信号成分を含んだ自己相
関関数を求めることができるのである。

【００３９】この図３（ａ）は、自己相関関数ｒの変動
を時間ｔの経過と共に表したもので、歯車装置の歯に異
常が存在すると、ｔ０において自己相関関数が他の時間
のときの自己相関関数とは異なる形を表す。これを図３
（ｃ）に表しており、その他の異常がない時間帯におい
ては、図３（ｂ）、（ｄ）のような自己相関関数を表す
のである。

【００４０】更に、この自己相関関数は、１周期内の局
所的な自己相関関数として求められるため、線形予測分
析をすることによって、短時間で高い分解能のパワース
ペクトルを推定することができるのである。

【００４１】『第２の実施の形態』：本第２の実施の形
態の周期運動体の特徴抽出装置は、モータ、歯車等の周
期的運動体を特徴抽出対象として、この振動信号及び回
転の位相情報を複数のセンサで電気信号に変換して、そ
の複数信号及び複数信号間の特徴抽出を行うように構成
する。

【００４２】図４は、第２の実施の形態の周期運動体の
特徴抽出装置の機能構成図である。この図４において、
特徴抽出装置は、特徴抽出対象である歯車装置１と、周
期信号発生回路４と、Ａ／Ｄ変換回路５ａ〜５ｃ、６
と、信号積演算回路７Ａと、信号積遅延回路８Ａと、信
号積同期加算回路９Ａと、多変量線形予測分析回路１２
と、クロスパワースペクトル行列算出回路１３とから構
成されている。

【００４３】Ａ／Ｄ変換回路５ａ〜５ｃは、歯車装置１
からの複数の圧電センサからの電気信号をＡ／Ｄ変換し
て、これらのデジタル信号を周期的時系列信号ｘａ
（ｎ）、ｘｂ（ｎ）、ｘｃ（ｎ）として信号積演算回路
７Ａに与える。

【００４４】信号積演算回路７Ａは、複数の周期的時系
列信号ｘ（ｎ）と、ｘ（ｎ）及びｐ個の過去の信号ｘ
（ｎ−１）、ｘ（ｎ−２）、…、ｘ（ｎ−Ｐ）との信号
積行列Ｒを、 Ｒ（ｎ，ｐ）＝ｘ（ｎ，ｐ）×ｘ（ｎ−ｐ）´ …（６） のようにして求めて、信号積遅延回路８Ａに与える。
尚、『´』は転置を表している。

【００４５】信号積遅延回路８Ａは、ｐ＋１個の信号積
行列Ｒ（ｎ，ｐ）に対して（ｐ−Ｐ）／２の時間分の遅
延を生じさせるフィルタリング処理によって、 推定値Ｒ（ｎ，ｐ）＝Σｈｉ×Ｒ（ｎ−ｉ，ｐ） …（７） のような処理を行う。このようにすることによって、 推定値Ｒ（ｎ，−ｐ）＝推定値Ｒ（ｎ，ｐ） …（８） という関係が生じて、推定値Ｒ（ｎ，ｐ）を局所的な自
己相関関数行列とみなすことができる。この推定値Ｒ
（ｎ，ｐ）は、信号積同期加算回路９Ａに与えられる。

【００４６】信号積同期加算回路９Ａは、周期信号発生
回路４からの周期信号Ｔを用いて推定値Ｒ（ｎ，ｐ）か
ら周期のＮ−１倍までの過去の信号の平均を 平均値Ｒ（ｎ，ｐ）＝１／Ｎ×Σ｛推定値Ｒ（ｎ−ｉＴ，ｐ）｝ …（９） ｉ＝０〜Ｎ−１ のように表すことができる。この平均値Ｒ（ｎ，ｐ）
は、多変量線形予測分析回路１２に与えられる。

【００４７】多変量線形予測分析回路１２は、複数のセ
ンサからのそれぞれの信号中の独立でない確率的変動を
する信号成分を自己相関関数行列の中に抽出し、更に、
各センサ間に亘って独立でない信号成分を抽出するため
に、上記平均値Ｒ（ｎ，ｐ）を自己相関関数行列とみな
して多変量Ｙｕｌｅ−Ｗａｌｋｅｒ正規方程式を立て
る。

【００４８】この方程式は、例えば、文献：『現代スペ
クトル解析、森北出版発行』、文献：『信号解析とシス
テム同定、コロナ社』などに示されている。このような
多変量Ｙｕｌｅ−Ｗａｌｋｅｒ正規方程式を解くことに
よって、時刻ｎにおける線形予測係数行列Ａ１（ｎ）、
Ａ２（ｎ）、…、ＡＰ（ｎ）及び予測誤差パワー行列Ｗ
（ｎ）を求めて、クロスパワースペクトル行列算出回路
１３に与える。

【００４９】尚、この多変量Ｙｕｌｅ−Ｗａｌｋｅｒ正
規方程式の解法においては、例えば、多変量に拡張され
たＬｅｖｉｎｓｏｎ−Ｄｕｒｂｉｎ法等の高速アルゴリ
ズムによって解くことができる。この解法については、
上記文献などにも解説されている。

【００５０】クロスパワースペクトル行列算出回路１３
は、時刻ｎにおける線形予測係数行列Ａ１（ｎ）、Ａ２
（ｎ）、…、ＡＰ（ｎ）及び予測誤差パワー行列Ｗ
（ｎ）から、 Ｓ（ｆ，ｎ）＝ Ｈ^−１（ｆ，ｎ）×Ｗ（ｎ）×Ｈ^−＊（ｆ，ｎ） …（１０） として、クロスパワースペクトル行列Ｓ（ｆ，ｎ）を求
める。尚、^−＊は逆行列の共役転置を表し、行列Ｈ
（ｆ，ｎ）は、 Ｈ（ｆ，ｎ）＝ Ｉ＋Σ｛Ａｉ（ｎ）×ｅｘｐ（−ｊ×２πｆ×ｉ×Δｔ）｝ …（１１） として求められる。尚、Ｉは単位行列である。

【００５１】（第２の実施の形態の周期運動体の特徴抽
出装置の動作）： 次に図４の周期運動体の特徴抽出
装置の動作を説明する。この図４において、特徴抽出対
象の歯車装置１から検出した複数の圧電センサ信号は、
Ａ／Ｄ変換回路５ａ〜５ｃ、６に与えられ、Ａ／Ｄ変換
回路５ａ〜５ｃで得られるデジタル信号は、周期的時系
列信号ｘ（ｎ）として信号積演算回路７Ａに与えられ、
Ａ／Ｄ変換回路６で得られるデジタル信号は、位相信号
として周期信号発生回路４に与えられる。

【００５２】信号積演算回路７Ａでは、入力周期的時系
列信号ｘ（ｎ）からｐ＋１個の信号積行列Ｒ（ｎ，ｐ）
が求めれられて、信号積遅延回路８Ａに与えられる。こ
れらのｐ＋１個の信号積行列Ｒ（ｎ，ｐ）は、信号積遅
延回路８Ａで（ｐ−Ｐ）／２の時刻分の遅延がフィルタ
リング処理によってなされて、ｐ＋１個の推定値Ｒ
（ｎ，ｐ）が信号積同期加算回路９Ａに与えられる。即
ち、これらのｐ＋１個の推定値Ｒ（ｎ，ｐ）は、局所的
な自己相関関数とみなすことができるのである。

【００５３】ｐ＋１個の推定値Ｒ（ｎ，ｐ）は、信号積
同期加算回路９Ａで周期的信号Ｔを用いて、周期のＮ−
１倍までの過去の信号の平均値Ｒ（ｎ，ｐ）が求められ
て、多変量線形予測分析回路１２に与えられる。この平
均値Ｒ（ｎ，ｐ）は、多変量線形予測分析回路１２で自
己相関関数とみなされて、多変量Ｙｕｌｅ−Ｗａｌｋｅ
ｒ正規方程式をたてて、この方程式を多変量Ｌｅｖｉｎ
ｓｏｎ−Ｄｕｒｂｉｎ法で解いて、線形予測係数行列Ａ
ｉ（ｎ）と予測誤差パワーＷ（ｎ）とが求められてクロ
スパワースペクトル行列算出回路１３に与えられる。

【００５４】線形予測係数行列Ａｉ（ｎ）と予測誤差パ
ワーＷ（ｎ）とは、クロスパワースペクトル行列算出回
路１３で、上述の（１０）式のようにして時刻ｎにおけ
るクロスパワースペクトルＳ（ｆ，ｎ）が求められるの
である。

【００５５】（本発明の第２の実施の形態の効果）：
以上の本発明の第２の実施の形態によれば、複数の周
期的時系列信号に対する信号積算出回路で信号積行列を
求め、信号積遅延回路で信号積行列を遅延させてから、
信号の周期によって同期加算することによって相関関数
行列を算出するようにしたので、複数のセンサのそれぞ
れに存在する独立な雑音成分を抑制すると同時に各セン
サ間に独立に存在する雑音成分も抑制することができ
る。

【００５６】同時に各センサからのそれぞれの信号中の
独立でない確率的変動をする信号成分を相関関数行列の
中に抽出でき、更に、各センサ間に亘って独立でない信
号成分を抽出することができる。

【００５７】そして、この相関関数行列成分を用いて、
多変量線形予測分析を行い、クロスパワースペクトル行
列を求めることによって、短時間に高い分解能で特徴抽
出を行うことができるのである。

【００５８】（他の実施の形態）： （１）尚、以上
の実施の形態においては、歯車装置やモータ装置などか
らの振動信号から特徴抽出を行ったが、これらの装置だ
けでなく、エンジン、トランスミッションなどの運動状
態などを監視することにも好適である。即ち、本発明
は、ある周期で運動を継続する装置において、その運動
状態から特徴を抽出するための装置に適用することがで
きるのである。

【００５９】（２）また、Ａ／Ｄ変換においては、雑音
の影響を軽減するために、非線形符号化方式を適用する
ことも好ましい。

【００６０】

【発明の効果】上述したように請求項１の発明は、検出
対象である周期的運動体から周期的運動状態の特徴情報
を検出する周期的運動状態特徴抽出装置において、上記
周期的運動体からのセンサ信号から周期的時系列信号
と、上記周期的運動体の運動周期を表す周期信号Ｔとを
形成する運動状態検出手段と、上記周期的時系列信号の
現信号と過去の信号との信号積を求め、この信号積値を
遅延させながら所定係数を乗積する信号積・遅延乗積手
段と、上記周期信号Ｔごとに上記乗積結果に対する同期
加算を行って平均値を求める信号積同期加算手段と、上
記平均値を自己相関関数として、この自己相関関数から
上記周期的運動状態において特徴的な線形予測係数情報
と予測誤差パワー情報とを求める線形予測分析手段とを
備えたことで、検出対象の周期的運動体からの周期的運
動状態から、信号中の雑音信号以外の不規則振動成分を
検出し、短時間で特徴を抽出する周期的運動状態特徴抽
出装置を実現することができるのである。

【００６１】また、請求項３記載の発明は、検出対象で
ある周期的運動体から周期的運動状態の特徴情報を検出
する周期的運動状態特徴抽出装置において、上記周期的
運動体からの複数のセンサ信号から複数の周期的時系列
信号と、上記周期的運動体の運動周期を表す周期信号Ｔ
とを形成する運動状態検出手段と、上記複数の周期的時
系列信号の現信号と過去の信号との信号積行列を求め、
この信号積行列値を遅延させながら所定係数を乗積する
信号積・遅延乗積手段と、周期信号Ｔごとに乗積結果に
対する同期加算を行って平均値を求める信号積同期加算
手段と、平均値を自己相関関数行列として、この自己相
関関数行列から周期的運動状態において特徴的な線形予
測係数行列情報と予測誤差パワー行列情報とを求める多
変量線形予測分析手段とを備えたものである。

【００６２】このような構成を採ることで、本発明は、
検出対象の周期的運動体からの周期的運動状態から、信
号中の雑音信号以外の不規則振動成分を検出し、短時間
で特徴を抽出でき、具体的には複数のセンサ信号からそ
れぞれの信号中の独立でない確率的変動をする信号成分
を相関関数行列の中に抽出でき、更に、各センサ信号間
に亘って独立でない信号成分を抽出することができる。
そして、この相関関数行列成分を用いて、多変量線形予
測分析を行い、クロスパワースペクトル行列を求めるこ
とによって、短時間に高い分解能で特徴抽出を行うこと
ができるのである。

【図面の簡単な説明】

【図１】本発明の第１の実施の形態の歯車装置の回転状
態を特徴抽出対象とした場合の周期運動体の特徴抽出装
置の機能構成図である。

【図２】従来例の特徴抽出装置の機能構成図である。

【図３】歯車装置からのセンサ信号から抽出した特徴信
号の自己相関関数の一例の説明図である。

【図４】第２の実施の形態の歯車装置の回転状態を特徴
抽出対象とした場合の周期運動体の特徴抽出装置の機能
構成図である。

【符号の説明】

１…歯車装置（特徴抽出対象）、４…周期信号発生回
路、５、６…Ａ／Ｄ変換回路、７…信号積演算回路、８
…信号積遅延回路、９…信号積同期加算回路、１０…線
形予測分析回路、１１…パワースペクトル算出回路。

Claims (4)

【特許請求の範囲】
1. 【請求項１】 検出対象である周期的運動体から周期的
   運動状態の特徴情報を検出する周期的運動状態特徴抽出
   装置において、 上記周期的運動体からのセンサ信号から周期的時系列信
   号と、上記周期的運動体の運動周期を表す周期信号Ｔと
   を形成する運動状態検出手段と、 上記周期的時系列信号の現信号と過去の信号との信号積
   を求め、この信号積値を遅延させながら所定係数を乗積
   する信号積・遅延乗積手段と、 上記周期信号Ｔごとに上記乗積結果に対する同期加算を
   行って平均値を求める信号積同期加算手段と、 上記平均値を自己相関関数として、この自己相関関数か
   ら上記周期的運動状態において特徴的な線形予測係数情
   報と予測誤差パワー情報とを求める線形予測分析手段と
   を備えたことを特徴とする周期的運動状態特徴抽出装
   置。
2. 【請求項２】 更に、上記線形予測係数情報と予測誤差
   パワー情報とからパワースペクトル情報を求めるパワー
   スペクトル算出手段を備えたことを特徴とする請求項１
   記載の周期的運動状態特徴抽出装置。
3. 【請求項３】 検出対象である周期的運動体から周期的
   運動状態の特徴情報を検出する周期的運動状態特徴抽出
   装置において、 上記周期的運動体からの複数のセンサ信号から複数の周
   期的時系列信号と、上記周期的運動体の運動周期を表す
   周期信号Ｔとを形成する運動状態検出手段と、 上記複数の周期的時系列信号の現信号と過去の信号との
   信号積行列を求め、この信号積行列値を遅延させながら
   所定係数を乗積する信号積・遅延乗積手段と、 上記周期信号Ｔごとに上記乗積結果に対する同期加算を
   行って平均値を求める信号積同期加算手段と、 上記平均値を自己相関関数行列として、この自己相関関
   数行列から上記周期的運動状態において特徴的な線形予
   測係数行列情報と予測誤差パワー行列情報とを求める多
   変量線形予測分析手段とを備えたことを特徴とする周期
   的運動状態特徴抽出装置。
4. 【請求項４】 更に、上記線形予測係数行列情報と予測
   誤差パワー行列情報とからクロスパワースペクトル情報
   を求めるクロスパワースペクトル算出手段を備えたこと
   を特徴とする請求項３記載の周期的運動状態特徴抽出装
   置。