JPWO2006043511A1 - 機械設備の異常診断システム - Google Patents

Abstract

検出信号のエンベロープを求めるエンベロープ処理部１０３と、エンベロープを周波数スペクトルに変換するＦＦＴ部１０４と、周波数スペクトルを移動平均化することにより平滑化し更にそのスペクトルを平滑化微分して微分係数の符号が正から負へ変化する周波数ポイントをピークとして検出し、所定の闘値以上のものを抽出し、それらをソーティングしてそのうち上位のものをピークとして検出するピーク検出部１０５と、検出されたピークに基づいて異常を診断する診断部Ｔとを備えた。

Description

本発明は、鉄道車両、航空機械、風力発電装置、工作機械、自動車、製鉄機械、製紙機械、回転機械、等といった、軸受を含む機械設備の異常診断技術に関し、より詳細には、機械設備から発生する音または振動を分析することにより、その機械設備内の軸受または軸受関連部材の異常を診断する機械設備の異常診断技術に関する。

従来、この種の異常診断技術として、機械設備の摺動部材または摺動部材関連部材からの音または振動を表す信号を検出し、検出した信号またはそのエンベロープ信号の周波数スペクトルを求め、その周波数スペクトルから、機械設備の摺動部材または機械設備の摺動部材関連部材の異常に起因する周波数成分のみを抽出し、抽出した周波数成分の大きさにより、機械設備に使用されている摺動部材における異常の有無を診断するものが知られている（特許文献１参照）。

また、回転体または回転体関連部材から発生する音または振動を検出し、検出した信号から診断に必要な周波数帯域の信号を取り出し、更に取り出した信号のエンベロープ（包絡線）を求め、求めたエンベロープを周波数解析し、周波数解析により回転体または回転体関連部材の異常に起因する周波数の基本周波数成分の大きさと、その自然数倍の周波数成分の大きさとを求め、求めた基本周波数成分の大きさと、その自然数倍の周波数成分の大きさとを比較し、少なくともその比較結果を、機械設備の異常を判断する基準として用いるようにしたものも知られている（特許文献２参照）。

また、機械設備から発生した音または振動のアナログ信号をＡ／Ｄ（アナログ・デジタル）変換によりデジタル信号に変換して実測デジタルデータを生成し、この実測デジタルデータに対して周波数分析およびエンベロープ分析等の適宜解析処理を行なって実測周波数スペクトルデータを生成し、機械設備の異常に起因した周波数成分の１次、２次、４次値に対する実測周波数スペクトルデータ上のピークの有無により、機械設備に対する異常の有無の診断を行なうものも知られている（特許文献３参照）。

また、振動加速度のエンベロープ波形をデジタル信号に変換し、デジタル化した振動データの時間毎の振動スペクトル分布を求めると共に、振動測定時の転がり軸受の回転速度を時々刻々求めて、回転速度の時間変化パターンと振動スペクトル分布におけるピークスペクトルの周波数の時間変化パターンが一致し、さらに、任意の時刻におけるピークスペクトルの周波数が、転がり軸受の回転速度と転がり軸受の幾何学的寸法とから求まる転がり軸受損傷の特徴周波数と一致する場合に、転がり軸受の特定部位に損傷が発生したと判定するものも知られている（特許文献４参照）。

これらの特許文献には異常を示す周波数のピークを検出する方法について明記されてないが、軸受の剥離寿命や機械の回転軸偏心等の異常が発生した場合、これらの異常を示す信号（異常信号）の周波数のピークは、周波数スペクトルの積算平均によって容易に求めることができる。積算平均は、ランダムノイズの除去に有効であるとして高速フーリエ変換（ＦＦＴ）解析等といった周波数分析の分野でよく使用される手法である。

また、これらの従来技術においては、エンベロープ信号を求める処理（エンベロープ処理）はアナログ処理であったりデジタル処理であったりするが、周波数解析処理にはデジタル処理である高速フーリエ変換（ＦＦＴ）処理が使用される。ＦＦＴ演算を行なうために、エンベロープ処理の前または後にＡ／Ｄ変換を行なっている。そして、いずれの従来技術においても、エンベロープ処理の直後にＦＦＴ演算を行なっている。

エンベロープ処理をアナログ処理により行なう方式では、エンベロープ処理ユニットが必要となる。したがって、システムのコスト低減および小型化を図る上では、エンベロープ処理をデジタル処理で行なう方式の方が有利である。

エンベロープ処理をデジタル処理で行なう方式において、異常診断効率を上げる方法として、ＦＦＴ演算の効率を上げることが考えられる。ＦＦＴ演算の効率向上は、ＦＦＴ演算のポイント数を少なくすることにより達成可能である。

さらに、鉄道車両の車軸用軸受や車輪の損傷を振動（音響的振動を含む）を利用して検出する異常診断装置が知られている。従来のこの種の異常診断装置は、軸箱ごとに個々に振動センサを設けて、個々の軸受や車輪の損傷を検出していた（特許文献５、特許文献６、等参照）。

従来、鉄道車両の回転部品は、一定期間使用した後に、車軸軸受やその他の回転部品について、損傷や摩耗等の異常の有無が定期的に検査される。この定期的な検査は、回転部品が組み込まれた機械装置を分解することにより行なわれ、回転部品に発生した損傷や摩耗は、作業者が目視による検査により発見するようにしている。そして、検査で発見される主な欠陥としては、軸受の場合、異物の噛み込み等によって生ずる圧痕、転がり疲れによる剥離、その他の摩耗等、歯車の場合には、歯部の欠損や摩耗等、車輪の場合には、フラット等の摩耗があり、いずれの場合も新品にはない凹凸や摩耗等が発見されれば、新品に交換される。

しかし、機械設備全体を分解して、作業者が目視で検査する方法では、装置から回転体や摺動部材を取り外す分解作業や、検査済みの回転体や摺動部材を再度装置に組込み直す組込み作業に多大な労力がかかり、装置の保守コストに大幅な増大を招くという問題があった。

また、組立て直す際に検査前にはなかった打痕を回転体や摺動部材につけてしまう等、検査自体が回転体や摺動部材の欠陥を生む原因となる可能性があった。また、限られた時間内で多数の軸受を目視で検査するため、欠陥を見落とす可能性が残るという問題もあった。さらに、この欠陥の程度の判断も個人差があり実質的には欠陥がなくても部品交換が行なわれるため、無駄なコストがかかることにもなる。

そこで、回転部品が組み込まれた機械装置を分解することなく、実稼動状態で回転部品の異常診断を行なう様々な方法が提案された（例えば、特許文献１、７及び８）。最も、一般的なものとしては、特許文献１に記載されるように、軸受部に加速度計を設置し、軸受部の振動加速度を計測し、更に、この信号にＦＦＴ（高速フーリエ変換）処理を行なって振動発生周波数成分の信号を抽出して診断を行なう方法が知られている。

また、鉄道車両の車輪の転動面において、ブレーキの誤動作等による車輪のロックや滑走によるレールとの摩擦・摩耗によって生じるフラットと呼ぶ平坦部の検出方法としても種々提案されている（例えば、特許文献６、９及び１０参照。）。特に特許文献６では、振動センサや回転測定装置等により鉄道車両車輪、および列車が通過する線路の欠陥状態を検出する装置について提案している。
特開２００３−２０２２７６号公報 特開２００３−２３２６７４号公報 特開２００３−１３０７６３号公報 特開平０９−１１３４１６号公報 特開平４−２３５３２７号公報 特表平９−５００４５２号公報 特開２００２−２２６１７号公報 特開２００４−２５７８３６号公報 特開平４−１４８８３９号公報 特表２００３−５３５７５５号公報
しかし、振動センサや音響センサには、外部からの衝撃音や摩擦音、移動体の場合には旋回による加速度が作用するため、これら非定常的な外乱に起因して異常が誤検出されることが多い。このため、積算平均による周波数のピーク検出方法は、積算回数を多くとると速度の変化や外部からの衝撃音等の影響を受けやすくなるので有効でない場合もある。

また、寿命に至る前の小さな傷、剥離、錆、等による異常の場合、振動センサや音響センサからの信号のパワーは、機械的ノイズや電気的ノイズに埋もれやすいほど小さいことが多い。このため、寿命以前の異常予知段階においては、閾値を設けてその値よりもパワーの大きい信号のみ抽出する方法は使えない場合が多い。異常の予知を行なう上で、最も厄介な問題は、このように異常信号あるいは異常の予兆を示す信号（異常予兆信号）と雑音信号とのＳ／Ｎ比が小さい場合に、雑音信号を異常信号または異常予兆信号と誤判定してしまうことである。極小さな異常信号や異常予兆信号も見逃さないようにすることは、軸受等の異常予知の正確性を高める上で有利であるが、その結果雑音信号を異常信号や異常予兆信号と誤判定してしまうと、機械設備を頻繁に運転停止させて点検することになるため、運転コストの増大を招く。

また、ＦＦＴ演算のポイント数を少なくして計算効率を上げようとすると、周波数分解能が悪くなってしまい、異常診断の精度低下を招くという問題がある。

さらに、エンベロープ処理をデジタル処理で行なう方式において、異常診断効率を上げる方法として、ＦＦＴ演算の効率を上げることが考えられる。ＦＦＴ演算の効率向上は、ＦＦＴ演算の点数を少なくすることにより達成可能である。しかし、ＦＦＴ演算の点数を少なくして計算効率を上げようとすると、周波数分解能が悪くなってしまい、異常診断の精度低下を招くという問題がある。

回転機械において軸受欠陥等に起因する異常を診断するための演算デバイスは、寸法や消費電力が小さい方が組込み用として望ましい。また計算精度の面からもメモリ容量の面からも、少ない演算点数でＦＦＴを行なうことが要求される。しかし、その一方で、上述したように、周波数分解能がある程度高くないと異常診断の精度低下を招く。生波形を復元できる周波数を１０ｋＨｚ（サンプリング周波数は２０ｋＨｚ以上）までとる必要があっても軸受の欠陥周波数の上限は結局１ｋＨｚ以下になる。

しかし、従来の異常診断装置では、軸箱ごとに個々に振動センサを設ける必要があるた
め、各車両ごとのセンサの設置数が多くなり、センサ信号を処理するための信号処理部の
入力回路や配線の数が多大となり回路構成が複雑になるという問題があった。

しかし、特許文献６に記載の欠陥状態の検出装置では、異常振動が車輪のフラットによるものか、車軸軸受によるのか、あるいは線路または他の異常によるものなのかを識別できないという問題がある。

本発明は、前述した事情に鑑みてなされたものであり、その目的は、異常信号や異常予兆信号と雑音信号とのＳ／Ｎ比が小さい条件下においても、雑音信号を異常あるいは異常予兆信号と誤検出することなく、高精度に異常診断を実施できる、機械設備の異常診断システムを提供することにある。

本発明は、前述した事情に鑑みなされたものであり、その目的は、機械設備からの信号の周波数分解能の向上とＦＦＴ演算の効率向上とを両立させて、異常診断を高精度に且つ高効率に実施することができる、機械設備の異常診断システムを提供することにある。

本発明は、前述した事情に鑑みなされたものであり、その目的は、診断対象から検出された信号を、任意の周波数分解能でＦＦＴして高精度に異常診断を実施できる、機械設備の異常診断システムを提供することにある。

本発明は、前述した事情に鑑みなされたものであり、その目的は、車両一台あたりに振動センサを１つ設けるのみで、その１つの振動センサからの波形信号を基に、その車両における軸受の剥離、車輪のフラット、等の異常を検出することができる異常診断装置を提供することにある。

本発明は、上述した事情に鑑みてなされたものであり、その目的は、車軸軸受または車輪の振動を検出する振動センサの出力信号から車軸軸受および車輪の異常振動を検出して、その異常振動が車輪のフラットによるものか、車軸軸受によるのかを特定することができる異常診断装置を提供することにある。

上記目的を達成するため、本発明に係る機械設備の異常診断システムは、下記（１）から（３１）を特徴としている。

（１）機械設備から発生する音または振動を検出し、その検出信号を分析することにより、機械設備内の軸受または軸受関連部材の異常を診断する異常診断システムであって、
前記検出信号のエンベロープを求めるエンベロープ処理部と、
当該エンベロープ処理部により得られたエンベロープを周波数スペクトルに変換するＦＦＴ部と、
当該ＦＦＴ部により得られた周波数スペクトルを移動平均化処理することにより平滑化してそのピークを検出するピーク検出部と、
前記ピーク検出部によって検出された周波数スペクトルのピークに基づいて異常を診断する診断部と、
を備えたこと。

（２）上記（１）の構成の異常診断システムにおいて、前記ピーク検出部が、前記ＦＦＴ部により得られた周波数スペクトルに対して平滑化微分処理を実施し、得られた微分値の符号が変化する周波数ポイントを周波数スペクトルのピークとして抽出する平滑化微分ピーク抽出部を備えていること。

（３）上記（１）または（２）の構成の異常診断システムにおいて、前記移動平均化処理における重み係数が左右対称（現時点を基準にして前後対象）であること。

（４）上記（２）または（３）の構成の異常診断システムにおいて、前記ピーク検出部が、前記平滑化微分ピーク抽出部により抽出されたピークのうち、閾値以上のものを選別する第１の選別部を備えていること。

（５）上記（４）の構成の異常診断システムにおいて、前記ピーク検出部が、前記第１の選別部により選別されたピークのうち、振幅レベルが大きい方から所定の個数までのピークを選別する第２の選別部を備えていること。

（６）上記（１）〜（５）のいずれか構成の異常診断システムにおいて、前記診断部が、前記ピーク検出部によって検出された周波数スペクトルのピークのうち振動の主成分に対応するピークあるいは振動の主成分および高次成分に対応するピークと診断対象の異常を示す周波数との一致度を求め、その一致度の複数回分の累計結果を評価することにより異常を診断すること。

（７）機械設備から発生する音または振動を検出し、検出した信号を分析することにより、その機械設備内の軸受または軸受関連部材の異常を診断する異常診断システムであって、前記検出した信号から診断に必要な周波数帯域の信号を取り出すフィルタ処理部と、当該フィルタ処理部により取り出された信号のエンベロープ信号を求めるエンベロープ処理部と、当該エンベロープ処理部により得られたエンベロープ信号を間引き処理するデシメーション処理部と、
当該デシメーション処理部により間引き処理した後のエンベロープ信号を周波数解析するＦＦＴ演算部と、当該ＦＦＴ演算部による解析結果に基づいて異常を診断する診断部とを備えたこと。

（８）機械設備から発生する音または振動を検出し、検出した信号を分析することにより、その機械設備内の軸受または軸受関連部材の異常を診断する異常診断システムであって、前記検出した信号を予め必要とされるサンプリング周波数よりも高いサンプリング周波数でサンプリングするサンプリング処理部と、当該サンプリング処理部によりサンプリングされた信号から診断に必要な周波数帯域の信号を取り出すフィルタ処理部と、当該フィルタ処理部により取り出された信号を間引き処理するデシメーション処理部と、当該デシメーション処理部により間引き処理された信号のエンベロープ信号を求めるエンベロープ処理部と、当該エンベロープ処理部により得られたエンベロープ信号を周波数解析するＦＦＴ演算部と、当該ＦＦＴ演算部による解析結果に基づいて異常を診断する診断部とを備えたこと。

（９）上記（７）または（８）の構成の異常診断システムにおいて、前記エンベロープ信号の周波数帯域を低帯域化するデジタルフィルタ処理部を更に備えたこと。

（１０）上記（７）、（８）または（９）の構成の異常診断システムにおいて、前記ＦＦＴ演算部をＤＳＰで実現するとともに、前記ＦＦＴ演算部に入力するデータ数を当該ＤＳＰ内のメモリに収容可能なデータ数としたこと。

（１１）機械設備から発生する音または振動を検出し、その信号を分析することにより、機械設備内の軸受または軸受関連部材の異常を診断する異常診断システムであって、前記信号をデジタル信号に変換するＡ／Ｄ変換部と、当該Ａ／Ｄ変換部により変換されたデジタル信号から診断に必要な周波数帯域の信号を取り出すデジタルフィルタ処理部と、当該デジタルフィルタ処理部により取り出された信号のエンベロープを求めるエンベロープ処理部と、当該エンベロープ処理部により求められたエンベロープを任意の周波数分解能で高速フーリエ変換するべくゼロ詰め補間する補間処理部と、当該補間処理部によりゼロ詰め補間された信号をＦＦＴするＦＦＴ部と、当該ＦＦＴ部により得られた周波数スペクトルに基づいて異常を診断する診断部とを備えたこと。

（１２）上記（１１）の構成を備えた機械設備の異常診断システムにおいて、前記補間処理部が、前記ＦＦＴ部におけるサンプリング周波数が２のＮ乗ヘルツまたは２のＮ乗の倍数ヘルツになるようにゼロ詰め補間すること。

（１３）上記（１１）または（１２）の構成を備えた機械設備の異常診断システムが、前記ＦＦＴ部により得られた周波数スペクトルのピークを検出するピーク検出部を更に備え、前記診断部が、前記ピーク検出部によって検出されたピークのうち振動の主成分に対応するピークあるいは振動の主成分および高次成分に対応するピークと診断対象の異常を示す周波数との一致度を求め、その一致度の複数回分の累計結果を評価することにより異常を診断すること。
（１４）車両の走行中に異常を診断する異常診断装置であって、車両の振動を検出する振動センサと、前記振動センサが出力する波形信号に基づいて、波高率、衝撃指数、波形率、および尖り度のうちいずれか１つの無次元パラメータ値を求めるパラメータ値検出回路と、前記パラメータ値検出回路から出力された無次元パラメータ値が一定の基準を超えたことを示す第１の電圧の信号または前記無次元パラメータ値が一定の基準以下であることを示す第２の電圧の信号を出力する比較回路とを備え、前記比較回路の出力に基づいて異常を検出するように構成したこと。

（１５）車両の走行中に異常を診断する異常診断装置であって、車両の振動を検出する振動センサと、前記振動センサが出力する波形信号に基づいて、ＲＭＳ（２乗平均の平方根）および絶対値平均のいずれか一方のパラメータ値を求める演算回路と、前記波形信号のピーク値を求めるピーク検出回路と、前記パラメータ値の一定倍の値と前記ピーク検出回路から出力されたピーク値とを比較し、その比較結果に応じて、前記ピーク値と前記パラメータ値との比として求まる無次元パラメータ値が一定の基準を超えたことを示す第１の電圧の信号または前記無次元パラメータ値が一定の基準以下であることを示す第２の電圧の信号を出力する比較回路とを備え、前記比較回路の出力に基づいて異常を検出するように構成したこと。

（１６）上記（１５）の構成の異常診断装置において、前記ピーク検出回路から出力されたピーク値と予め設定した参照値とを比較するピーク−参照値比較回路を更に備え、前記ピーク−参照値比較回路による比較の結果、前記ピーク値が前記参照値よりも大きい場合には、前記比較回路の出力を無効にするように構成したこと。

（１７）上記（１４）〜（１６）のいずれかの構成の異常診断装置において、前記第１の電圧の信号のデューティ比に基づいて異常を検出するように構成したこと。

（１８）上記（１５）〜（１７）のいずれかの構成の異常診断装置において、前記振動センサの出力信号のうち所定の帯域の信号のみ前記パラメータ値検出回路および前記ピーク検出回路に入力するためのフィルタ回路を更に備えたこと。

（１９）上記（１４）〜（１８）のいずれかの構成の異常診断装置において、前記車両は鉄道車両であること。

（２０）振動特性の異なる複数の部品を有する機械装置の異常診断装置であって、前記機械装置の振動を検出する振動センサの出力信号をサンプリングするセンサ信号処理部と、前記センサ信号処理部によりサンプリングした振動データを基に異常診断を行なう診断処理部とを備え、前記診断処理部が、前記センサ信号処理手段からの振動データを連続して取り込みつつ一定周期毎の区間に分割し、１区間分の振動データを第１の振動特性の部品診断用の振動データとして処理するとともに、１区間分の振動データの先頭にその１つ前の区間の最後の所定時間分のデータを継ぎ足したものを第２の振動特性の部品診断用の振動データとして処理することを特徴とする異常診断装置。

（２１）鉄道車両の車軸軸受および車輪の異常診断装置であって、車軸軸受および車輪の振動を検出する振動センサの出力信号をサンプリングするセンサ信号処理部と、前記センサ信号処理部によりサンプリングした振動データを基に車軸軸受および車輪の異常診断を行なう診断処理部とを備え、前記診断処理部が、前記センサ信号処理手段からの振動データを連続して取り込みつつ一定周期毎の区間に分割し、１区間分の振動データを軸受診断用の振動データとして処理するとともに、１区間分の振動データの先頭にその１つ前の区間の最後の所定時間分のデータを継ぎ足したものを車輪診断用の振動データとして処理することを特徴とする異常診断装置。

（２２）前記診断処理部が、車軸軸受の回転速度と振動のエンベロープ波形を処理して得られる周波数ピークとに基づいて車軸軸受の異常を検出し、車輪の回転に同期して生じる振動のレベルが閾値を超える頻度に基づいて車輪の異常を検出し、それぞれの異常の検出結果に基づいて異常診断を行なうことを特徴とする上記（２１）の異常診断装置。

（２３）前記信号処理手段が、複数の振動センサの出力信号を１チャネルずつ切換えてサンプリングすることを特徴とする上記（２１）〜（２２）のいずれかの異常診断装置。

（２４）振動センサの出力信号を車輪の回転に同期してサンプリングし加算平均処理して得られる振動データを基に車軸軸受および車輪の異常診断を行なうように構成したことを特徴とする上記（２２）または（２３）の異常診断装置。

（２５）振動特性の異なる複数の部品を有する機械装置の異常診断装置であって、前記機械装置の振動を検出する振動センサの出力信号をサンプリングするセンサ信号処理部と、前記センサ信号処理部によりサンプリングした振動データを基に異常診断を行なう診断処理部とを備え、前記診断処理部が、前記センサ信号処理手段からの振動データを連続して取り込みつつそれを第１の振動特性の部品診断用と第２の振動特性の部品診断用のサンプリング周波数またはサンプリング長の異なる２種類のデータに変換して処理することを特徴とする異常診断装置。

（２６）鉄道車両の車軸軸受および車輪の異常診断装置であって、前記機械装置の振動を検出する振動センサの出力信号をサンプリングするセンサ信号処理部と、前記センサ信号処理部によりサンプリングした振動データを基に異常診断を行なう診断処理部とを備え、前記診断処理部が、前記センサ信号処理手段からの振動データを連続して取り込みつつそれを車軸軸受診断用と車輪診断用のサンプリング周波数またはサンプリング長の異なる２種類のデータに変換して処理することを特徴とする異常診断装置。

（２７）車軸軸受と車輪それぞれについて複数回異常検出を実施し、それぞれの複数回分の集計値から統計的に異常診断を行なうことを特徴とする上記（２２）、（２３）、（２４）、（２６）のいずれかの異常診断装置。

（２８）異常を検出する際に使用したデータを保存しておく機能を有することを特徴とする上記（２０）〜（２７）のいずれかの異常診断装置。

（２９）回転或いは摺動する部品を有する機械装置の異常診断装置であって、前記機械装置の振動を検出する振動センサからのアナログ信号をデジタル信号に変換するＡＤ変換器と、当該ＡＤ変換器からのデジタル信号をフーリエ変換処理し、その結果に基づいて異常診断を行なう診断処理部とを備え、前記診断処理部が、前記ＡＤ変換器からのデジタル信号を前記ＡＤ変換器の分解能よりもデータ幅を拡張してフーリエ変換処理するように構成されていることを特徴とする異常診断装置。

（３０）回転或いは摺動する部品を有する機械装置の異常診断装置であって、前記機械装置の振動を検出する振動センサからのアナログ信号をデジタル信号に変換するＡＤ変換器と、当該ＡＤ変換器からのデジタル信号をフーリエ変換処理し、その結果に基づいて異常診断を行なう診断処理部とを備え、前記診断処理部が、前記ＡＤ変換器の分解能を１ビットとし、これを２ビット以上の所定のデータ幅に拡張してフーリエ変換処理するように構成されていることを特徴とする異常診断装置。

（３１）回転或いは摺動する部品を有する機械装置の異常診断装置であって、前記機械装置の振動を検出する振動センサからのアナログ信号の電圧と参照電圧とを比較して、当該アナログ信号の電圧が参照電圧よりも高か低かを示す２値の信号を出力するコンパレータを備え、前記診断処理部が、前記コンパレータからの信号を所定のデータ幅に拡張してフーリエ変換処理するように構成されていることを特徴とする異常診断装置。

上記（１）の構成の異常診断システムによれば、機械設備から発生する音または振動を検出し、その検出信号のエンベロープを求め、そのエンベロープを周波数スペクトルに変換し、得られた周波数スペクトルを移動平均化することにより平滑化した上でそのピークを検出し、検出されたピークに基づいて異常を診断するので、異常信号や異常予兆信号と雑音信号とのＳ／Ｎ比が小さい条件下においても、雑音信号を異常あるいは異常予兆信号と誤検出することなく、高精度に異常診断を実施できる。

上記（２）の構成の異常診断システムによれば、周波数スペクトルに対して平滑化微分処理（即ち、同じ点を中心にして複数の区間の差分と区間長の積和）を行ない、その微分値の符号が変化する周波数ポイントを周波数スペクトルのピークとして抽出するので、雑音に埋もれた周波数スペクトルのピーク検出を高精度に行なうことができる。

上記（３）の構成の異常診断システムによれば、移動平均化処理における重み係数が左右対称であるので、雑音信号を誤って異常信号や異常予兆信号として検出してしまうのを防止できる。

上記（４）の構成の異常診断システムによれば、抽出されたピークのうち、振幅レベルが閾値以上のものを選別するので、ピーク雑音に埋もれた周波数スペクトルのピーク検出をより高精度に行なうことができる。

上記（５）の構成の異常診断システムによれば、振幅レベルが閾値以上のピークのうち、振幅レベルの二乗平均平方根が大きい方から所定の個数までのピークを選別するので、異常診断を行なう上で有効なピークに絞り込んで異常診断を高精度に且つ効率良く行なうことができる。

上記（６）の構成の異常診断システムによれば、検出された周波数スペクトルのピークのうち振動の主成分に対応するピークあるいは振動の主成分および高次成分に対応するピークと診断対象の異常を示す周波数との一致度を求め、その一致度の複数回分の累計結果を評価することにより異常を診断するので、異常診断を高精度に実施できる。上記（７）の構成の異常診断システムによれば、エンベロープ処理の後で信号の間引き処理を行なって、エンベロープ波形解析のためのＦＦＴ演算のポイント数を少なくするので、検出された信号の周波数分解能の向上とＦＦＴ演算の効率向上とを両立させて、軸受の異常診断を高精度に且つ高効率に実施することができる。

上記（８）の構成の異常診断システムによれば、検出された信号のＡ／Ｄ変換時のサンプリングレートを高めに設定してから周波数帯域制限および間引き処理を行なうため、アンチエリアシングフィルタの省略が可能であり、エンベロープ処理の後で信号の間引き処理を行なって、エンベロープ波形解析のためのＦＦＴ演算のポイント数を少なくするので、検出された信号の周波数分解能の向上とＦＦＴ演算の効率向上とを両立させて、軸受の異常診断を高精度に且つ高効率に実施することができる。

上記（９）の構成の異常診断システムによれば、エンベロープ信号の周波数帯域を低帯域化するデジタルフィルタ処理を行なうことにより、エリアシング等の影響を抑えて確実に低域のＦＦＴ演算処理を実行することができる。

上記（１０）の構成の異常診断システムによれば、ＤＳＰによる高速ＦＦＴ処理が可能になる。上記（１１）の構成の異常診断システムによれば、機械設備から発生する音または振動を検出し、その信号をデジタル信号に変換し、そのデジタル信号から診断に必要な周波数帯域の信号を取り出してそのエンベロープを求め、そのエンベロープを任意の周波数分解能でＦＦＴするべくゼロ詰め補間した上でＦＦＴし、ＦＦＴにより得られた周波数スペクトルに基づいて異常を診断するので、高精度に異常診断を実施できる。

上記（１２）の構成の異常診断システムによれば、ＦＦＴ部におけるサンプリング周波数が２のＮ乗（例えばＮ＝８〜１２）ヘルツまたは２のＮ乗の倍数ヘルツになるようにゼロ詰め補間されるので、ＦＦＴ演算時における周波数分解能を１．０Ｈｚ基準とすることができ、任意の分解能に設定することができる。

上記（１３）の構成の異常診断システムによれば、検出された周波数スペクトルのピークのうち振動の主成分に対応するピークあるいは振動の主成分および高次成分に対応するピークと診断対象の異常を示す周波数との一致度を求め、その一致度の複数回分の累計結果を評価することにより異常を診断するので、異常診断を高精度に実施できる。上記（１４）の構成の異常診断装置によれば、振動センサが出力する波形信号に基づいて、波高率、衝撃指数、波形率、および尖り度のうちいずれか１つの無次元パラメータ値が、一定の基準を超えたことを示す第１の電圧の信号または前記無次元パラメータ値が一定の基準以下であることを示す第２の電圧の信号を出力する比較回路を備え、当該比較回路の出力に基づいて異常を検出することができるので、車両一台あたりに振動センサを１つ設けるのみで、その１つの振動センサからの波形信号を基に、その車両における軸受の剥離、車輪のフラット、等の異常を検出することができる。

上記（１５）の構成の異常診断装置によれば、振動センサが出力する波形信号に基づいて、ＲＭＳ（２乗平均の平方根）および絶対値平均のいずれか一方のパラメータ値を求める演算回路と、前記波形信号のピーク値を求めるピーク検出回路と、前記パラメータ値の一定倍（例えば後述する［発明を実施するための最良の形態］ではアナログ回路で倍率を決めるので一般的に整数にはならず一定倍あるいは定数倍となる。）の値と前記ピーク検出回路から出力されたピーク値とを比較し、その比較結果に応じて、前記ピーク値と前記パラメータ値との比（即ち、無次元パラメータ値）が一定の基準を超えたことを示す第１の電圧の信号または前記無次元パラメータ値が一定の基準以下であることを示す第２の電圧の信号を出力する比較回路と、を備え、前記比較回路の出力に基づいて異常を検出することができるので、車両一台あたりに振動センサを１つ設けるのみで、その１つの振動センサからの波形信号を基に、その車両における軸受の剥離、車輪のフラット、等の異常を検出することができる。また、上記（１５）の構成の異常診断装置によれば、比較的簡単な回路構成で異常診断を行なうことができる。

上記（１６）の構成の異常診断装置によれば、ピーク値と予め設定した参照値とを比較し、ピーク値が参照値よりも大きい場合には、異常を検出するため第１および第２の電圧の信号を無効にするので、ノイズに起因する非常に大きな信号によってセンサユニットの出力が飽和してしまうのを防止することができる。

上記（１７）の構成の異常診断装置によれば、パラメータ値が一定の基準を超えたことを示す第１の電圧の信号のデューティ比に基づいて異常を検出するように構成したことにより、ノイズの影響を避けながら異常診断を行なうことができる。

上記（１８）の構成の異常診断装置によれば、振動センサの出力信号のうち所定の帯域の信号のみ捉えて異常診断を行なうことができる。

上記（１９）の構成の異常診断装置によれば、鉄道車両の異常を検出できるので、鉄道車両の信頼性を高めることができる。

さらに、上記（２０）から（２８）の構成の異常診断装置によれば、下記（Ｉ）〜（ＩＶ）の効果が得られる。

（Ｉ）振動データを連続して取り込みつつ一定周期毎の区間に分割し、１区間分の振動データを第１の振動特性の部品診断用の振動データとして処理するとともに、１区間分の振動データの先頭にその１つ前の区間の最後の所定時間分のデータを継ぎ足したものを第２の振動特性の部品診断用の振動データとして処理するので、両振動特性の部品の振動を検出する振動センサの出力信号から両振動特性の部品の異常振動をリアルタイムで検出して、その異常振動が第１の振動特性の部品の異常によるものか、第２の振動特性の部品の異常によるのかを特定することができる。

（ＩＩ）振動データを連続して取り込みつつ一定周期毎の区間に分割し、１区間分の振動データを軸受診断用の振動データとして処理するとともに、１区間分の振動データの先頭にその１つ前の区間の最後の所定時間分のデータを継ぎ足したものを車輪診断用の振動データとして処理するので、車軸軸受および車輪の振動を検出する振動センサの出力信号から車軸軸受および車輪の異常振動をリアルタイムで検出して、その異常振動が車輪のフラットによるものか、車軸軸受によるのかを特定することができる。

（ＩＩＩ）振動データを連続して取り込みつつそれを第１の振動特性の部品診断用と第２の振動特性の部品診断用のサンプリング周波数またはサンプリング長の異なる２種類のデータに変換して処理するので、両振動特性の部品の振動を検出する振動センサの出力信号から両振動特性の部品の異常振動をリアルタイムで検出して、その異常振動が第１の振動特性の部品の異常によるものか、第２の振動特性の部品によるのかを特定することができる。

（ＩＶ）振動データを連続して取り込みつつそれを車軸軸受診断用と車輪診断用のサンプリング周波数またはサンプリング長の異なる２種類のデータに変換して処理するので、車軸軸受および車輪の振動を検出する振動センサの出力信号から車軸軸受および車輪の異常振動をリアルタイムで検出して、その異常振動が車輪のフラットによるものか、車軸軸受によるのかを特定することができる。
〈発明の効果〉本発明によれば、異常信号や異常予兆信号と雑音信号とのＳ／Ｎ比が小さい条件下においても、雑音信号を異常あるいは異常予兆信号と誤検出することなく、高精度に異常診断を実施できる。本発明の異常診断システムによれば、機械設備内の軸受または軸受関連部材の異常診断を高精度に且つ高効率に実施することができる。本発明によれば、診断対象から検出された信号を、任意の周波数分解能でＦＦＴして高精度に異常診断を実施できる。本発明の異常診断装置によれば、車両一台あたりに振動センサを１つ設けるのみで、その１つの振動センサからの波形信号を基に、その車両における軸受の剥離、車輪のフラット、等の異常を検出することができるので、異常診断システムを低コストで構築できる。

本発明の異常診断装置によれば、低分解能のＡＤ変換器や単なる比較器を使用して回路の低コスト化および省スペース化を図り、且つ精度低下を招くことなく異常診断を行なうことができる。

本発明の異常診断システムの形態例を示すブロック図である。 周波数スペクトルとその移動平均処理結果を例示する波形図である。 周波数スペクトルとその移動平均処理結果を例示する波形図である。 周波数スペクトルとその移動平均処理結果を例示する波形図である。 衝撃性のノイズが入ったときの振動波形の例を示している。 図１に示す異常診断システムの異常診断動作例を示す流れ図である。 周波数スペクトルとその移動平均処理結果を例示する波形図である。 軸受の微小傷品と正常品の異常診断結果を示す図である。 本発明の異常診断システムの第２の形態例を示すブロック図である。 本発明の異常診断システムを構成するマイクロコンピュータとその周辺回路の形態例を示すブロック図である。 図９中の第１デジタルローパスフィルタの周波数−利得特性を例示した波形図である。 図９中の第２デジタルローパスフィルタの周波数−利得特性を例示した波形図である。 （ａ）は間引き処理を行なった場合のＦＦＴスペクトル波形を示す波形図、そして（ｂ）は間引き処理を省略した場合のＦＦＴスペクトル波形を示す波形図である。 ＦＦＴ演算のポイント数を少なくしたことによるＦＦＴ演算処理時間削減の効果をグラフに示した図である。 条件を変えて行なった複数の診断の結果をＳ／Ｎ比で対比させたグラフである。 本発明の異常診断システムの第３の形態例を示すブロック図である。 本発明の異常診断システムの第４の形態例を示すブロック図である。 第４の形態例の異常診断システムにおける一連の処理の流れを示すフロー図である。 （ａ）および（ｂ）は、振動のエンベロープ波形に対して位相をずらして間引き処理を行なう様子を示した説明図である。 第４の形態例の場合の診断結果を示す図である。 ＦＦＴ演算処理の時間について、ＤＳＰを使った場合とＣＰＵのみで行なった場合とを対比させて示した図である。 第５の形態例の異常診断システムにおける一連の処理の流れを示すフロー図である。 第５の形態例の場合の傷診断結果を示す図である。 本発明の異常診断システムの形態例を示す機能ブロック図である。 図２４中のゼロ補間部によるゼロ補間処理の説明図である。 欠陥品と正常品の異常診断結果を示す図である。 データの取り込み処理とデータの演算処理のタイミングおよび所用時間を示すタイミング図である。 第７の形態例の異常診断装置を備えた鉄道車両の概略構成図である。 センサユニットの第７の形態例を示すブロック図である。 図２９のセンサユニットの出力波形を示す図である。 センサユニットの第８の形態例を示すブロック図である。 図３１のセンサユニットの出力波形を示す図である。 センサユニットの第９の形態例を示すブロック図である。 センサユニットの第１０の形態例を示すブロック図である。 センサユニットの第１１の形態例を示すブロック図である。 センサユニットの第１２の形態例を示すブロック図である。 センサユニットの第１３の形態例を示すブロック図である。 剥離等の劣化を示すパラメータの一つである波高率（Ｐｅａｋ／ＲＭＳ）の波形図であり、剥離によってパラメータ値が増大することを示している。 鉄道車両の振動波形図であり、検出される振動波形にレールの継ぎ目による衝撃振動（ノイズ）が混入することを示している。 （ａ）は第１４の形態例の異常診断装置を搭載した鉄道車両の概略平面図、そして（ｂ）は同鉄道車両の概略側面図である。 車軸軸受と振動センサとの位置関係を例示する概略図である。 本発明に係る異常診断装置の第１４の形態例のブロック図である。 異常診断装置による４チャネル分の振動データの取り込みおよびデータ解析のタイムチャートである。 図４２の診断処理部の動作内容を示すフローチャートである。 車軸軸受の傷の部位と、傷に起因して発生する振動発生周波数の関係を示す図である。 本発明に係る異常診断装置の第１５の形態例のブロック図である。 本発明に係る異常診断装置の第１６の形態例のブロック図である。 図４７の診断処理部の動作内容を示すフローチャートである。 本発明に係る異常診断装置の第１７の形態例のブロック図である。 本発明に係る異常診断装置の第１８の形態例のブロック図である。 本発明に係る異常診断装置の第１９の形態例のブロック図である。 本発明に係る異常診断装置の第１９の形態例における診断処理部の動作内容を示すフローチャートである。 （ａ）は軸受はく離診断用データと車輪フラット診断用データの時間−周波数平面上における関係を示す概念図、そして（ｂ）は軸受と車輪の周波数範囲の関係を示す概念図である。 本発明に係る異常診断装置の第２０の形態例における診断処理部の動作内容を示すフローチャートである。 （ａ）および（ｂ）は第２１の形態例における診断処理部の部分ブロック図である。 本発明に係る異常診断装置の第２１の形態例における診断処理部の動作内容を示すフローチャートである。 図５１の診断処理部の動作内容を示すフローチャートである。 （ａ）はＡＤ変換器からのデジタル信号をその分解能よりも拡張する処理についての説明図、（ｂ）はＡＤ変換器からのデジタル信号の単なる符号拡張の例を示す説明図である。 本発明に係る異常診断装置の第２３の形態例の要部ブロック図である。 （ａ）は振動センサからのアナログ信号をコンパレータにより２値の信号に変換する処理についての説明図、（ｂ）はコンパレータからの信号を診断処理部内のマイクロコンピュータでデジタルフィルタ処理した後の波形図である。 第２３の形態例における診断処理部の動作内容を示すフローチャートである。 本発明に係る異常診断装置の第２４の形態例の要部ブロック図である。

以下、本発明を実施するための最良の形態について、転がり軸受を含む機械設備を対象とし、機械設備内の転がり軸受の傷といった異常の有無を判断する場合を例にとし説明する。

図１は本発明の異常診断システムの形態例を示すブロック図である。図１に示すように、本発明の異常診断システムは、アンプ・フィルタ（フィルタ処理部）１０１、Ａ／Ｄ変換器１０２、エンベロープ処理部１０３、ＦＦＴ部１０４、ピーク検出部１０５、診断部１０６、および診断結果出力部１０７を備えている。

アンプ・フィルタ１０１には、診断対象の機械設備から発生する音または振動を検出するセンサ（振動センサ、音響センサ、等）により検出された信号が入力される。アンプ・フィルタ１０１は、入力された信号を所定のゲインで増幅するとともに、所定周波数以上の信号を遮断する。

Ａ／Ｄ変換器１０２は、アンプ・フィルタ１０１を通過したアナログ信号を、所定のサンプリング周波数でサンプリングし、デジタル信号に変換する。

エンベロープ処理部１０３は、Ａ／Ｄ変換器１０２により生成されたデジタル信号のエンベロープ（包絡線波形）を求めるＦＦＴ部１０４は、エンベロープ処理部１０３により求められたエンベロープを周波数解析し、周波数スペクトルに変換するピーク検出部１０５は、ＦＦＴ部１０４により得られた周波数スペクトルのピークを検出する改行診断部１０６は、転がり軸受に設けられた図示しない回転センサにより検出された回転速度と軸受の内部諸元とで決まる特徴周波数と、ピーク検出部１０５により得られたピークとを比較し、その一致度を評価することにより異常を診断する。診断結果出力部１０７は、診断部１０６による診断結果を出力する。ピーク検出部１０５は、移動平均化処理部１０５ａと、平滑化微分ピーク抽出部１０５ｂと、第１選別部１０５ｃと、第２選別部１０５ｄとを備えている。移動平均化処理部１０５ａは、ＦＦＴ部１０４により得られた周波数スペクトル（周波数領域の離散データ）を左右対称に重み付けして移動平均化する。たとえば、５点の移動平均では、ＦＦＴ部１０４により得られた周波数スペクトルに対し、次式の演算を施すことにより、

一般には、次式（１）の演算を施すことにより、

周波数スペクトルを平滑化して雑音の軽減を行なう。平滑化微分ピーク抽出部１０５ｂは、移動平均化処理部１０５ａによる移動平均化処理後、移動平均されたスペクトルをさらに平滑して微分値を得て、微分係数の符号が変化する周波数ポイントを周波数スペクトルのピークとして抽出する。すなわち、平滑化微分ピーク抽出部１０５ｂは、次式（２）の値（平滑化微分係数ｙｊ）が正から負へ変化する周波数ポイントを周波数スペクトルのピークの候補とみなす。

この式（２）からわかるように、隣接するデータよりも離れた点同士の傾きの方が重みが大きいと見ることができる。ピーク検出部１０５は、ＦＦＴ部１０４により得られた周波数スペクトルに対して、式（２）からわかるようにｊ点を中心にして複数の区間の差分とその区間長の積和を行なう平滑化微分処理を実施し、得られた微分値の符号が変化する周波数ポイントを周波数スペクトルのピークとして抽出する平滑化微分ピーク抽出部１０５ｂを備えていることになる。

したがって、式（２）によれば、式（１）を用いずとも雑音に埋もれたピークの検出が可能であるが、式（１）と併用してもよい。

第１選別部１０５ｃは、平滑化微分ピーク抽出部１０５ｂにより抽出されたピークのうち、振幅レベルが閾値以上のものを選別する。閾値には、平滑化微分ピーク抽出部１０５ｂにより抽出されたピークのパワー平均値やオーバーオール信号の二乗平均平方根に応じて決まる相対的な値を用いる。絶対的な閾値は、相対雑音レベルが低い場合には有効であるが、雑音レベルが大きい場合には必ずしも有効とは言えない。

第２選別部１０５ｄは、第１選別部１０５ｃで選別されたピークのうち、振幅レベルが大きい方から所定の個数までのピークを選別する。その最も簡単な方法として、たとえば公知のソーティングアルゴリズムを用いて複数のピークをレベルに関して降順あるいは昇順ソートした後、上位のもの、即ち、値の大きなものから順に選別する方法をあげることができる。

図２に周波数スペクトル波形の例を示す。この例は、傷ありと診断された振動データをエンベロープ処理したスペクトルとその移動平均処理後のスペクトルを示している。ここでの移動平均は、次式に示すような７点の移動平均である。

重み係数ｗは、上記の値に限らないが、ｊ＝０に関して対称でｊ＝０の点の重みを一番大きくするという条件は外さないことが望ましい。図２の例では、比較的Ｓ／Ｎ比が良好であるので、軸受外輪の傷による基本波成分ｆ１と高調波成分ｆ２、ｆ３、ｆ４は、移動平均処理の前後において際だって見えるが、移動平均処理後では雑音による偽のピークが極めて少なくなったのがわかる。

図２のように移動平均処理されたスペクトルを移動平均化処理部１０５ａで平滑化微分し、平滑化微分ピーク抽出部１０５ｂで微分係数の符号が正から負へ変化する周波数ポイントをピークとして検出した後、第１選別部１０５ｃで閾値以上のものを抽出し、それらを第２選別部１０５ｄでソーティングしてそのうちの上位５個までをピークとして抽出することにより、ピーク周波数ｆ１、ｆ２、ｆ３、ｆ４が求められる。その際の平滑化微分係数ｙｉは、離散化周波数スペクトルをｘｉとすると、次式で表される。

通常の数値微分と異なり、この式では平滑化の効果を持たせるために、より離れたポイント同士の差分により大きな重み付けをしているので、整数演算だけで微分演算が可能であるし、割り算も必要ない。したがって、浮動小数点演算ユニット（ＦＰＵ）や除算命令を持たないマイクロコンピュータでも無理なく演算することができる。

上記のようにして第２選別部１０５ｄにより得られた周波数スペクトル（エンベロープ周波数分布）のピークのデータが、診断部１０６に入力される。

診断部１０６は、入力された周波数スペクトルのピークのうち振動の主成分に対応するピークあるいは振動の主成分および高次成分に対応するピークと診断対象の異常を示す周波数とを比較し、その一致度を求める。そして、求めた一致度に点数を付けて累計することで、信頼性の高い診断を行なう。たとえば、主成分、２次、４次の３成分と異常を示す周波数との比較を行ない、主成分とその他の成分とが検出されれば、傷が発生している可能性があると判断して、予め設定された点数テーブル内の該当するポイント数を加算する。点数テーブルの例を下記の表１に示す。図２の例では、主成分、２次、４次の３成分とも検出されているので、４点が加算されることになる。

図３に示す周波数スペクトル波形の例では、外部衝撃によるノイズを受けながらも軸受外輪の傷による周波数のピークが抽出されている。図２の場合と同様に、平滑化微分を行なってピーク検出を行なった後、閾値以上のものをソーティングして上位５個までをピークとして抽出した結果、主成分と２次成分とが検出されている。この場合の加算ポイント数は２点である。

図４に示す周波数スペクトル波形の例では、外部衝撃によるノイズが大き過ぎたため、ピークが検出されていない。この場合の加算ポイント数は０点である。

図５は衝撃性のノイズが入ったときの振動波形の例を示している。このように振幅が大きく且つ突発的な衝撃性のノイズが入った振動波形のエンベロープの周波数分析結果は、ＤＣ（直流）成分に近い低周波側が大きくなってしまい、図４の例のように微小傷による振動のピークが隠れてしまう。このような場合には無理に傷による信号成分を検出するための処理を行なう必要はない。

この異常診断システムは、図６に示すように、上述の振動信号検出から異常ポイント数判定までの一連の処理を所定回数Ｎ（たとえば３０回）繰り返して上記ポイント数を累計し、その累計ポイント数によって異常診断を行なう。図６において、ｎは現在の回数、ＰＡは１回のスペクトル測定における診断ポイントを、ＰＡＣＣはＰＡの累積値をそれぞれ示している図２、図３および図４に例示した周波数スペクトル波形を各々１回サンプリングして異常診断するのに要する時間は１秒程度である。したがって、診断結果を得るために許容される時間が４０〜６０秒程度あれば、約４０〜６０回の診断を繰り返して上記ポイント数を累計し、その累計ポイント数によって異常診断を行なうことが可能である。ただ１回のみのサンプリングによる異常診断では、図２〜図４のようにどのようなスペクトルが得られるか不明であるが、周波数ピーク検出を繰り返してその都度、診断ポイント数を加算していき、ポイント数の累計値を評価することにより、スペクトルのばらつきの影響を軽減して異常診断を高精度に行なうことができる。

図７は、傷のない正常な軸受の診断スペクトルであり、ピーク検出を行なった結果、傷による振動の周波数成分が検出されなかった実測結果を示している。移動平均化された周波数分析結果に一見何か特徴がありそうに見えるが、閾値およびソーティングによる選別処理の結果、軸受異常による周波数成分とは無関係であったため、表１の異常診断ポイントは加算されない。

図８は、軸受の微小傷品と正常品の異常診断を４０回繰り返しその診断ポイントの累計数を棒グラフにして示したものである。微小傷品と正常品とでは累計ポイント数に大きな開きがあるため、累計ポイントを４０回分程度累計することにより、軸受の異常診断を正確に行なえることがわかる。また、微小な傷であるにもかかわらず正常品との間に大きな差が生じることから、図８に示すように閾値の範囲を大きく取れるため、この範囲をグレーゾーンとして段階的な警報を発するようにすることも可能である。

以上説明したように、この形態例の異常診断システムでは、機械設備から発生する音または振動を検出し、その検出信号のエンベロープを求め、そのエンベロープを周波数スペクトルに変換し、得られた周波数スペクトルを移動平均化処理し、更にそのスペクトルを平滑化微分して、微分係数の符号が正から負へ変化する周波数ポイントをピークとして検出した後、所定の閾値以上のものを抽出し、それらをソーティングしてそのうちの上位所定数個をピークとして抽出し、それらのピークのうち振動の主成分に対応するピークあるいは振動の主成分および高次成分に対応するピークと診断対象の異常を示す周波数との一致度を求め、その一致度に点数を付けて複数回分累計し、その累計値を評価することにより異常を診断するので、異常信号や異常予兆信号と雑音信号とのＳ／Ｎ比が小さい条件下においても、雑音信号を異常あるいは異常予兆信号と誤検出することなく、極めて高精度に且つ高効率に異常診断を実施できる。

なお、本発明は上記形態例に限定されない。たとえば、図１中に破線ブロックで示すように、Ａ／Ｄ変換器ＡＤＣ１０２とエンベロープ処理部１０３との間にデジタルフィルタ（ＬＰＦ・ＨＰＦ）１０８を設け、高域の雑音成分を除くとともにＤＣオフセットを除くことが望ましい。また、ＦＦＴ部１０４の前にデシメーション部１０９を設け、必要な周波数に応じて間引き処理（デシメーション）を行なうようにしてもよい。エンベロープ処理の後で信号の間引き処理を行なって、エンベロープ波形解析のためのＦＦＴ演算のポイント数を少なくすることにより、検出された信号の周波数分解能の向上とＦＦＴ演算の効率向上とを両立させて、軸受の異常診断を高精度に且つ高効率に実施することができる。
［第２の形態例］
図９は本発明の異常診断システムの第２の形態例を示すブロック図、図１０は本発明の異常診断システムの具体的構成要素であるマイクロコンピュータ（ＭＰＵ）とその周辺回路の形態例を示すブロック図である。

図９に示すように、本発明の異常診断システムは、アンプ・フィルタ（フィルタ処理部）２０１、Ａ／Ｄ変換器２０２、第１デジタルローパスフィルタ２０３、第１デシメーション部（間引き部）２０４、エンベロープ処理部２０５、第２デジタルローパスフィルタ２０６、第２デシメーション部（間引き部）２０７、ＦＦＴ演算部２０８、診断部２０９、回転速度変換処理部２１０、および診断結果出力部２１１を備えている。

アンプ・フィルタ２０１には、診断対象の機械設備から発生する音または振動を検出するセンサ（振動センサ、音響センサ、等）により検出された信号が入力される。アンプ・フィルタ２０１は、入力された信号を所定のゲインで増幅するとともに、所定周波数（ここでは８０ｋＨｚ）以上の信号を遮断する。

Ａ／Ｄ変換器２０２は、アンプ・フィルタ２０１を通過したアナログ信号を、所定のサンプリング周波数（ここでは２５０ｋＨｚ）でサンプリングし、デジタル信号に変換する。一度にサンプリングするポイント数はおよそ２０万とする。データ長は１６ビットである。図１０に示すように、このシステムは信号処理回路としてマイクロコンピュータ２２０を使用しているが、外付けのＲＡＭ２２１を備えているので、この程度の変数領域を確保することは容易である。マイクロコンピュータ２２０は浮動小数点ユニット（ＦＰＵ）を備えていない。

第１デジタルローパスフィルタ２０３は、Ａ／Ｄ変換器２０２により生成されたデジタル信号のうち、所定の周波数（ここでは１０ｋＨｚ）以下の信号のみ通過させるものであり、たとえば５５次のＦＩＲフィルタで構成されている。図１１は第１デジタルローパスフィルタ２０３の周波数特性を例示している。このフィルタ２０３は、１０ｋＨｚ（ｆｐ）以下ではまったく減衰せず、１０ｋＨｚ（ｆｐ）から２５ｋＨｚ（ｆｑ）まで減衰率が増加し、２５ｋＨｚ以上では６０ｄＢの減衰率になる。２５ｋＨｚ（ｆｑ）で阻止域に達する周波数帯域の波形に対しては、サンプリング周波数が少なくとも５０ｋＨｚあれば十分である。

第１デシメーション部（間引き部）２０４は、第１デジタルローパスフィルタ２０３を通過した信号を所定のサンプリング周波数（ここでは５０ｋＨｚ）でサンプリングすることにより間引き処理する。Ａ／Ｄ変換器２０２によるサンプリング周波数が２５０ｋＨｚであるので、サンプリングポイント数（データ数）が１／５に間引かれる。これにより、２０万ポイントあったデータが４０９６０ポイントのデータに削減される。エンベロープ処理部２０５は、第１デシメーション部２０４により取り出された信号のエンベロープ信号（包絡線波形信号）を求める。

第２デジタルローパスフィルタ２０６は、エンベロープ処理部２０５により得られたエンベロープ信号のうち、所定の周波数（ここでは１ｋＨｚ）以下の信号のみ通過させるためのフィルタであり、たとえば１１０次のＦＩＲフィルタで構成されている。図１２は第２デジタルローパスフィルタ２０６の特性波形を例示している。このフィルタ２０６は、軸受の異常を示す特徴周波数に合わせてフィルタリング処理を行なうものであり、１ｋＨｚ（ｆｐ）以下では全く減衰せず、１ｋＨｚから２．５ｋＨｚまで減衰率が増加し、２．５ｋＨｚ（ｆｑ）以上では６０ｄＢの減衰率になる。

第２デシメーション部（間引き部）２０７は、第２デジタルローパスフィルタ２０６を通過した信号を所定のサンプリング周波数（ここでは５ｋＨｚ）でサンプリングすることにより間引き処理する。第１デシメーション部２０４によるサンプリング周波数（ｆｓ）が５０ｋＨｚであるので、その１／１０のサンプリングポイントに間引かれる。２．５ｋＨｚで阻止域に達する周波数の波形に対しては、サンプリング周波数が少なくとも５ｋＨｚあれば十分である。この間引き処理により、４０９６０ポイントあったデータが４０９６ポイントのデータに削減される。

ＦＦＴ演算部２０８は、第２デシメーション部２０７により間引き処理した後のエンベロープ信号を周波数解析する。この例の場合、４０９６ポイントのデータを使用して、検出された信号のエンベロープの周波数分析を行なう。これにより５０００／４０９６＝１．２２Ｈｚの分解能で周波数分析がなされる。

診断部２０９は、ＦＦＴ演算部２０８にて周波数解析された結果より得られるピークのなかで、転がり軸受に起因した周波数の基本周波数成分及び高周波数成分の大きさと、回転速度変換処理部２１０より与えられる判定基準データ（回転速度）と軸受の諸元から得られる軸受の異常を示す周波数とを比較し、その結果に基づいて転がり軸受の異常を診断する。

回転速度変換処理部２１０は、転がり軸受に設けられた図示しない回転センサからの回転信号に応じた判定基準データを生成し、そのデータを診断部２０９に与える。

診断結果出力部２１１は、診断部２０９による診断結果を出力する。

図１３（ａ）はＦＦＴ演算部２０８による演算の結果得られたエンベロープのスペクトル波形を示している。これは転がり軸受の外輪傷成分を捉えたもので、基本周波数成分（ｆ１）と高周波成分（ｆ２〜ｆ６等）が明暸に表れている。この場合、診断部２０９は、回転速度変換部２１０から得られる回転速度と軸受の諸元から得られる軸受の異常を示す周波数を算出し、図１３（ａ）における基本周波数と６次までの高調波成分とを比較した結果、外輪欠陥に起因する周波数成分と一致したため、外輪に異常があるとの診断結果を出力した。

ここで比較例として、サンプリング周波数ｆｓを２５ｋＨｚ、カットオフ周波数ｆｃを１０ｋＨｚとした上記の例と同じ条件の波形をエンベロープ処理してからＦＦＴ演算して得られたスペクトル波形を図１３（ｂ）に示す。ＦＦＴ演算のポイント数は１６３８４であるから、この比較例における周波数分解能は２５０００／１６３８４＝１．５２６Ｈｚである。本発明の形態例（図１３（ａ））では、比較例（図１３（ｂ））に対してＦＦＴ演算のポイント数が１６３８４からその１／４の４０９６に減った上に分解能は約１．５３Ｈｚから１．２２Ｈｚに向上している。これはエンベロープ処理の前後で間引き（デシメーション）処理を行なったことによる効果である。

図１４は、ＦＦＴ演算のポイント数を少なくしたことによるＦＦＴ演算処理時間削減の効果を示している。この形態例の場合、ＦＦＴ演算処理を実行するハードウェアとして図１０に示すように内部に高速ＲＡＭ２２０ｃを有するマイクロコンピュータ２２０を使用した。このマイクロコンピュータ２２０の内部の高速ＲＡＭ２２０ｃには４０９６ポイントまでのＦＦＴデータを収めることができた。その結果、８１９２ポイント以上のＦＦＴデータを収めた場合の計算時間よりも圧倒的に速く計算することができた。このような高速ＲＡＭ２２０ｃを持たないシステムにおいても、図１４中の点線に示したような演算サイクル数（ＦＦＴ演算処理時間）の削減効果が得られる。ＦＦＴは２のべき乗の点数で計算することが必要なので、この例では結果的に４０９６ポイントになるようにサンプリングと間引き処理を行なったが、仮に４０９６ポイントに過不足があってもその分のポイント数を省くかまたは０のデータを前後に追加すればよい。

図１５は、転がり軸受の外輪診断のＳ／Ｎ比の絶対比較を示すグラフである。基本波と６次までの高調波成分とそれらの成分を除いた１ｋＨｚまでの成分の比がＳ／Ｎ比で示されている。図１５中のＡは上記比較例に対応している。Ｃは上記形態例に対応している。Ｂは第２のデジタルローパスフィルタ２０６を省略した場合のＳ／Ｎ比である。ＡとＣとの比較では、両者のＳ／Ｎ比にさほど差異はないといえるが、Ｃの方が若干良い。Ｃの方がＡよりもＦＦＴ演算のポイント数が少ないにも拘わらず、Ｓ／Ｎ比が向上しているのは第２のデジタルローパスフィルタ２０６による帯域制限の効果である。

以上説明したように、この形態例の異常診断システムでは、エンベロープ処理の前後で信号の間引き処理を行なって、センサにより検出された信号のエンベロープ波形解析のためのＦＦＴ演算のポイント数を少なくしたことにより、信号の周波数分解能の向上とＦＦＴ演算の効率向上とを両立させて、軸受の異常診断を高精度に且つ高効率に実施することができる。

また、この異常診断システムでは、センサにより検出された信号のＡ／Ｄ変換時のサンプリングレートを高めに設定してから周波数帯域制限および間引き処理を行なうため、アンチエリアシングフィルタの省略が可能である。すなわち、Ａ／Ｄ変換器２０２によるサンプリング周波数ｆｓ（２５０ｋＨｚ）の１／２（ナイキスト周波数ｆｓ／２）以上の周波数の信号を第１デジタルローパスフィルタ２０３でカットするため、通常はアンチエリアシングフィルタを挿入する必要があるが、ここではアンプ・フィルタ２０１の周波数帯域が８０ｋＨｚ未満であるのに対して、Ａ／Ｄ変換器２０２によるサンプリング周波数が２５０ｋＨｚであるので、サンプリング定理を満たしており、アンチエリアシングフィルタは不要となった。これにより、異常診断システムの低コスト化が可能となった。
［第３の形態例］
図１６は本発明の異常診断システムの第３の形態例を示すブロック図である。第３の形態例では、第２の形態例においてエンベロープ処理部２０５の前後に設けられていたデジタルローパスフィルタ２０３、２０６およびエンベロープ処理部２０５の前のデシメーション処理部２０４が省略されている。この構成は、Ｓ／Ｎ比が多少低下しても、少ないポイント数のＦＦＴ算でエンベロープ波形解析の周波数分解能を高めることができればよい場合に適用できる。

デジタルローパスフィルタを使用しない間引き処理は、エリアシングの影響を受ける反面それ自体がローパスフィルタ処理の役割を果たす。そしてエンベロープ処理もそれ自体が結果的にローパスフィルタ処理の働きを兼ねるので、デシメーション処理部２０７の前のデジタルローパスフィルタ２０６を省略できる場合は多いと考えられる。前段のアンプや伝送路の周波数特性からエリアシングを起こさないことが分かっている場合は、デジタルローパスフィルタを使用せずに間引き処理を行なうことは何の差支えもない。

なお、デジタルフィルタの演算効率はＦＦＴ演算の場合と若干性格が異なる。ＦＦＴは一括演算処理のためデータ数が少ないほど演算速度が向上するのに対し、デジタルフィルタは基本的に逐次処理を行なうためフィルタの次数が問題となる。しかし、上記の形態例では、エンベロープ処理部２０５の後の第２デジタルローパスフィルタ２０６でも１００〜２００のフィルタ次数を見込んでおけばよい。この程度のフィルタ次数であれば、一般的なマイクロコンピュータ２１０内の高速メモリ２１０ａにおける処理に何ら問題ない。

また、第２および第３の形態例では、マイクロコンピュータ２２０がＦＰＵ（浮動小数点演算ユニット）を備えていないため、固定小数点演算に適したＦＩＲフィルタを使用したが、ＦＰＵを備えたシステムの場合にはデジタルローパスフィルタにＩＩＲフィルタを使用すれば、計算精度を落とすことなくフィルタ次数を低減できる。
［第４の形態例］
図１７は本発明の異常診断システムの第４の形態例を示すブロック図（ハードウェア構成図）である。図１８は第４の形態例の異常診断システムにおける一連の処理の流れを示すフロー図である。マイクロコンピュータ２２０には、シンクロナスＤＲＡＭ（ＳＤＲＡＭ）２２１ａ、フラッシュメモリ２２２、アンプ・フィルタ（フィルタ処理部）２２３、および液晶表示器（ＬＣＤ）２２４が接続されている。

マイクロコンピュータ２２０は、ＣＰＵ２２０ａの他にＤＳＰ２２０ｂ、およびキャッシュＲＡＭ２２０ｃを備えている。

ＤＳＰ２２０ｂは、専用の命令で積和演算を１サイクルで実行できるように、それぞれ専用のバスで接続されたＸ−ＲＡＭとＹ−ＲＡＭとからなるＸ／Ｙ−ＲＡＭ２２０ｅを内蔵している。Ｘ−ＲＡＭとＹ−ＲＡＭの容量は８キロバイトずつである。ＤＳＰ２２０ｂは、命令バスと合わせて３つのバスに同時にアクセス可能であり、複数の命令を同時に実行することができる。Ｘ／Ｙ−ＲＡＭは、デュアルポートＲＡＭ、デュアルアクセスＲＡＭ、マルチポートＲＡＭ、等とも呼ばれる。

シンクロナスＤＲＡＭ２２１ａ、フラッシュメモリ２２２およびアンプ・フィルタ２２３は、ＣＰＵ２２０ａの外部バスに接続されている。シンクロナスＤＲＡＭ２２１ａは、主記憶として機能する３２ＭＢ（メガバイト）の容量のメモリである。フラッシュメモリ２２２は、プログラム格納領域として機能する４ＭＢの容量のメモリである。フラッシュメモリ２２２には、図１８に示す一連の処理を実施するためのプログラムが格納されている。アンプ・フィルタ２２３は、センサからの信号を増幅するアンプ２２３ａと、アンプ２２３ａにより増幅された信号を所定のサンプリング周波数（ここでは２５０ｋＨｚ）でサンプリングし、デジタル信号に変換する１６ビットの分解能のＡ／Ｄ変換器２２３ｂとで構成される。

シンクロナスＤＲＡＭ２２１ａおよびフラッシュメモリ２２２は、ＣＰＵ２２０ａよりも動作速度が遅いため、ＣＰＵ２２０ａの高速性を生かすためにはキャッシュメモリが不可欠である。そのために、マイクロコンピュータ２２０には、データ／命令混在型のキャッシュＲＡＭ２２０ｃが内蔵されている。

ＤＭＡＣ２２０ｄは、シンクロナスＤＲＡＭ２２１ａに対してＡ／Ｄ変換器２２３ｂで得られたデータをＣＰＵ２２０ａを使わずに転送するＤＭＡ動作を制御する。液晶表示器２２４は、診断情報を表示するための出力装置である。

図１８に示す一連の処理に含まれるデジタル演算処理のうち扱うデータの量が最も大きいのはＦＦＴ演算処理（Ｓ２０４）である。ＦＦＴ演算処理（Ｓ２０４）をＤＳＰ２２０ｂで行なうには、ＦＦＴ演算処理（Ｓ２０４）で使用するデータがＸ／Ｙ−ＲＡＭ２２０ｅに収まる必要がある。

一方、軸受の振動解析によって傷を検出するには、１０ｋＨｚ程度までの周波数帯域で振動を検出する必要があるが、傷を捕捉するための軸受の転動体の通過振動数は一般的には１ｋＨｚ以下になる。この例では、診断対象である軸受の転動体通過振動数が１００Ｈｚ以下の低い周波数であるものとする。

このように転動体通過振動数が低い場合、軸受の異常を正確に診断するには比較的長い時間の波形サンプリングが必要である。

そこで、図１８のサンプリング処理（Ｓ２０１）では、アンプ・フィルタ２２３からの信号に対し、４８ｋＨｚのサンプリング周波数でサンプリングを行なって、４００００点以上のデータからなる波形データをサンプリングする。この場合、８００ｍｓ以上のサンプリング時間Ｔｗを確保できる。ＦＦＴ演算処理（Ｓ２０４）の周波数分解能Δｆは、このサンプリング時間Ｔｗで決まる。すなわち、周波数分解能Δｆは、サンプリング時間Ｔｗの逆数（１／Ｔｗ）である。

絶対値処理（Ｓ２０２）は、エンベロープ処理と同様の処理であり、デジタル処理ではヒルベルト変換による方法等に比べて大幅に演算を簡略化できる。この処理では、サンプリング処理（Ｓ２０１）にてサンプリングした信号のエンベロープまたは絶対値波形に対して、ＤＣ成分を消すために平均値をとって、振幅０のラインを引き直す。

デシメーション処理（Ｓ２０３）では、絶対値処理（Ｓ２０２）を経たエンベロープまたは絶対値波形信号を所定のサンプリング周波数（ここでは４．８ｋＨｚ）でサンプリングすることにより間引き処理する。ＦＦＴ演算処理（Ｓ２０４）では、デシメーション処理（Ｓ２０３）により間引き処理した後の信号を周波数解析する。

ＦＦＴ演算処理（Ｓ２０４）におけるデータは、実数部と虚数とからなり、それぞれＸ／Ｙ−ＲＡＭ２２０ｅのＸ−ＲＡＭとＹ−ＲＡＭに割り当てられる。入力と出力でメモリ領域を供給させる方式とすれば、８ｋＢ分のデータ長をＦＦＴできる。Ａ／Ｄ変換器２２３ｂの分解能が１６ビット（２バイト）なので８１９２／２バイトすなわち４０９６点までのデータをＤＳＰ２２０ｂで処理することが可能である。逆に４０９６を越える点数のデータはＤＳＰ２２０ｂでは扱えなくなる。そこで、本例では、データ長が４０９６になるように、デシメーション処理（Ｓ２０３）にて間引き処理を行なっている。サンプリング周波数ｆｓ＝４８ｋＨｚを１／１０に間引くと、ｆｓ＝４．８ｋＨｚになる。これでも軸受欠陥を検知するのに必要な１ｋＨｚの周波数帯域を確保するには十分なサンプリング周波数である。

スペクトル評価処理（Ｓ２０５）では、ＦＦＴ演算処理（Ｓ２０４）にて周波数解析された結果より得られる周波数スペクトルのピークを検出し、そのピークと軸受異常周波数とを比較し、その比較結果に対応する部位別異常診断インデックスを参照することにより異常か否かを評価する。

異常診断ポイント加算処理（Ｓ２０６）では、スペクトル評価処理（Ｓ２０５）により異常と評価された数をカウントする。反復回数判定処理（Ｓ２０７）では、スペクトル評価処理（Ｓ２０５）を行なった回数（評価回数ｎ１）が所定の回数Ｎ１に達したか否かを判定する。位相シフト処理（Ｓ２０８）は、反復回数判定処理（Ｓ２０７）にて評価回数ｎ１が所定の回数Ｎ１に達していない（Ｓ２０７でＮｏ）と判定された場合に実行される。この処理により、位相をずらしてデシメーション処理（Ｓ２０３）以降の処理が反復される。

波形取込回数判定処理（Ｓ２０９）は、反復回数判定処理（Ｓ２０７）にて評価回数ｎ１が所定の回数Ｎ１に達した（Ｓ２０７でＹｅｓ）と判定された場合に実行される。波形取込回数ｎ２が所定の回数Ｎ２に達していない場合は（Ｓ２０９でＮｏ）、サンプリング処理（Ｓ２０１）以降の処理が反復される。波形取込回数ｎ２が所定の回数Ｎ２に達した場合（Ｓ２０９でＹｅｓ）は、評価／判定処理（Ｓ２１０）に進む。

評価／判定処理（Ｓ２１０）では、異常診断ポイント加算処理（Ｓ２０６）によりカウントされた異常評価ポイント数に基づいて軸受の異常の評価／判定を行なう。

上記のように、この形態例では、スペクトル評価処理（Ｓ２０５）を実施する度に位相をずらして複数回のデシメーション処理（Ｓ２０３）を実施し、１回のサンプリング波形に対して複数回のＦＦＴ演算処理（Ｓ２０４）を行なって診断ポイントを累計する方法を採っている。これは、単に間引きをしたデータを１回のＦＦＴで評価したのでは４８ｋＨｚの周波数でサンプリングする意義が小さくなり、最初から４．８ｋＨｚでサンプリングしたのと同じことになるためである。軸受の転動体通過周期は長くても、通過中に起こる衝撃波は傷が小さいほど短時間で減衰するので、高サンプリングは本来有効であり、これを生かすために複数回の位相シフト処理およびＦＦＴ演算処理を行なっている。

図１９（ａ）、（ｂ）は、振動のエンベロープ波形に対して位相をずらして間引き処理を行なう様子を示している。位相シフトは、サンプリングポイントを１ポイントずらすことに相当する。図１９の例では、●（黒丸）だけサンプリングする（ａ）の状態に対し（ｂ）の状態は１ポイントだけ位相シフトして○（白丸）だけ再サンプリングしている様子を示している。図１９の例では、１／５に間引きを行なっているため、最大５通りの再サンプリングの組が得られる。

したがって、１／１０に間引きを行なった場合は、最大１０通りの再サンプリングの組が得られる。この１０通りの組すべてをＦＦＴ演算処理し、検出された周波数成分に応じた評価ポイントを積算した結果を下記の表に例示する。

図２０は位相シフトとＦＦＴ演算処理の繰り返しによる転がり軸受の外輪傷診断結果を示している。この例では、転がり軸受の外輪軌道面に人工傷を付けたサンプル（１、２）と傷の無い正常なサンプル（３、４）とを用意し、軸受の外輪傷の特徴周波数成分を主成分として試験を行なった。一定の時間、このポイントの累計をとり、それを外輪欠陥指標とした。周波数成分の検出は、ＦＦＴスペクトルの移動平均と平滑化微分によるピークを検出することにより行ない、さらにスペクトル成分の大きさにより上位９個の成分に絞り込んだ。

図２１はＦＦＴ演算処理の時間について、ＤＳＰ２２０ｂを使った場合とＣＰＵ２２０ａのみで行なった場合とを対比させて示したグラフである。この例では、ＦＦＴ演算の点数を、ＤＳＰ２２０ｂに命令と同時に２つのデータを読み込むことのできる高速メモリ２２０ｅの容量に合わせて４ｋワード長としたので、ＦＦＴ演算をＤＳＰで高速に実行することができた。

以上説明したように、この形態例の異常診断システムでは、デジタル化されたエンベロープ波形に対してＤＳＰ２２０ｂ内のＸ／Ｙ−ＲＡＭ２２０ｅの容量に見合ったデータ数までサンプリング周波数を下げてＦＦＴ演算処理を行なうようにしたので、ＤＳＰ２２０ｂによる高速ＦＦＴ処理が可能であり、しかも絶対値処理の後で間引き処理を行なって、エンベロープ波形解析のためのＦＦＴ演算のポイント数を少なくしたことにより、信号の周波数分解能の向上とＦＦＴ演算の効率向上とを両立させて、軸受の異常診断を高精度に且つ高効率に実施することができる。
［第５の形態例］
図２２は第５の形態例の異常診断システムにおける一連の処理の流れを示すフロー図で
ある。このフローは、デシメーション処理（Ｓ２０３）の前にデジタルローパスフィルタによるフィルタ処理（Ｓ２１１）が挿入されている点が図１８と異なる。また、反復回数判定処理（Ｓ２０７）および位相シフト処理（Ｓ２０８）は省略されている。

このように、デシメーション処理（Ｓ２０３）を行なう際、デジタルローパスフィルタで帯域を予め下げておくことにより、エリアスシング等の影響を抑えて確実に低域のＦＦＴ演算処理を実行することができる。図１８の方式に比べると、デジタルローパスフィルタ用のプログラムコードとフィルタの特性に合わせて算出されたフィルタ係数とが余計に必要にはなるが、雑音の除去が確実に行なわれる点では有利である。図２３は第５の形態例の場合の外輪傷診断結果を示している。試験に使用したサンプルは図２０の場合と同じである。
［第６の形態例］
図２４は第６の形態例の異常診断システムの形態例を示す機能ブロック図である。

図２４に示すように、第６の形態例の異常診断システムは、アナログアンプフィルタ部３０１、Ａ／Ｄ変換部３０２、デジタルフィルタ部３０３、デシメーション部３０４、絶対値化部（エンベロープ処理部）３０５、ゼロ補間部（補間処理部）３０６、ハニング窓関数処理部３０７、ＦＦＴ部３０８、ピーク検出部３０９、軸受欠陥基本周波数算出部３１０、比較部３１１、積算部３１２、診断部３１３、および診断結果出力部３１４を備えている。

アナログアンプフィルタ部３０１には、診断対象の機械設備から発生する音または振動を検出する振動センサ（音響センサを含む）３１７により検出された信号が入力される。アナログアンプフィルタ部３０１は、入力された信号を所定のゲインで増幅するとともに、所定周波数以上の信号を遮断する。

Ａ／Ｄ変換部３０２は、アナログアンプフィルタ部３０１を通過したアナログ信号を、所定のサンプリング周波数でサンプリングしてデジタル信号に変換する。

デジタルフィルタ部３０３は、Ａ／Ｄ変換部３０２により生成されたデジタル信号のうち、所定の周波数帯域の信号のみ通過させる。

デシメーション部３０４は、デジタルローパスフィルタ部３０３を通過した信号を所定のサンプリング周波数でサンプリングすることにより間引き処理する。

絶対値化部３０５は、デシメーション部３０４により取り出された信号のエンベロープ（包絡線波形）を離散化データとして求める。

ゼロ補間部３０６は、絶対値化部３０５により得られたエンベロープの離散化データを任意の周波数分解能で高速フーリエ変換するためにゼロ詰め補間する。ここで、ゼロ詰め補間とは、ＦＦＴ部３０８によるサンプリング周波数が２の累乗になるように、不足が生じる場合にエンベロープの離散化データに０を追加して調整する補間をいう。

ハニング窓関数処理部３０７は、ゼロ補間部３０６により補間処理された後の信号に所定周期のハニング窓関数を掛けることにより、診断に使用する信号を切り出す。

ＦＦＴ部３０８は、ハニング窓関数処理部３０７により切り出された信号をＦＦＴアルゴリズムにより周波数解析し、周波数スペクトル波形信号を生成する。

ピーク検出部３０９は、ＦＦＴ部３０８により得られた周波数スペクトルのピークを検出する。

軸受欠陥基本周波数算出部３１０は、回転速度検出器３１５により検出された転がり軸受の回転速度と、軸受諸元を記憶させたＲＯＭ３１６から読み出された軸受の内部諸元とに基づいて軸受の欠陥を示す基本周波数を算出する。

比較部３１１は、ピーク検出部３０９により得られたピークと、軸受欠陥基本周波数算出部３１０により算出された周波数とを比較し、その一致度を数値化して出力する。

積算部３１２は、比較部３１１からの出力値を積算し、その結果を出力する。

診断部３１３は、積算部３１２による積算結果に基づいて異常を診断する。

診断結果出力部３１４は、診断部３１３による診断結果を出力する。

上記ピーク検出部３０９は、移動平均化処理部と、平滑化微分処理部と、閾値選別部と、ソーティング選別部とを備えている。

移動平均化処理部は、ＦＦＴ部３０８により得られた周波数スペクトル（周波数領域の離散データ）を左右対称に重み付けして移動平均化する。

平滑化微分処理部は、移動平均化処理部による移動平均化処理の際に数値微分演算を行ない、微分係数の符号が変化する周波数ポイントを周波数スペクトルのピークとして抽出する。

閾値選別部は、平滑化微分処理部により抽出されたピークのうち、振幅レベルの二乗平均平方根が閾値以上のものを選別する。閾値には、平滑化微分処理部により抽出されたピークのパワー平均値や二乗平均平方根に応じて決まる相対的な値を用いる。

ソーティング選別部は、閾値選別部で選別されたピークのうち、振幅レベルの二乗平均平方根が大きい方から所定の個数までのピークを選別する。その最も簡単な方法として、たとえば公知のソーティングアルゴリズムを用いて複数のピークをレベルに関して降順ソートした後、上位のものから選別する方法をあげることができる。

ここで、第６の形態例の異常診断システムの具体的構成要素であるマイクロコンピュータ（ＭＰＵ）とその周辺回路の形態例を示すブロック図（ハードウェア構成図）については、図１７と同様な構成が考えられる。尚、それらの説明については前述した通りであるので、ここでは説明を割愛する。

ところで、図２４に示す異常診断システムでデジタル演算処理を行なう機能ブロックのうち一度に（１ループ毎に）扱うデータの量が最も大きいのはＦＦＴ部３０８である。ＦＦＴ部３０８をＭＰＵ２２０内のＤＳＰ２２０ｂで実現するには、ＦＦＴ演算処理で使用するデータがＸ／Ｙ−ＲＡＭ２２０ｅに収まる必要がある。

一方、軸受の振動解析によって傷を検出するには、１０ｋＨｚ程度までの周波数帯域で波形を観測する必要があるが、傷の特徴となる周波数は一般的には１ｋＨｚ以下になる。

この例では、診断対象である軸受の傷の特徴周波数が１００Ｈｚ以下の低い周波数であるものとし、ＦＦＴ部３０８の周波数分解能を１Ｈｚ（±０．５Ｈｚ）、サンプリング周波数を３２．７６８ｋＨｚ、サンプリング時間（Ｔｗ）を７５０ｍｓとする。したがって、生波形のサンプリング個数は３２７６８×０．７５＝２４５７６である。最終的にＦＦＴ部３０８で周波数スペクトルを求める段階では、サンプリング時間が１ｓとなるようにゼロ補間を行なうことにより、周波数分解能は１Ｈｚ（±０．５Ｈｚ）となる。

デジタルフィルタ部３０３の通過帯域幅は、異常に起因する振動とノイズとのＳ／Ｎ比が最も大きくなる周波数帯域に合わせて選定される。たとえば、予め１ｋＨｚ〜４ｋＨｚの周波数帯域で剥離欠陥のＳ／Ｎ比が最大になることが分かっている場合、デジタルフィルタ部３０３の通過帯域幅を１ｋＨｚ〜４ｋＨｚに選定する。この種のデジタルフィルタは、ＦＩＲフィルタ、ＩＩＲフィルタ、ＦＦＴと逆ＦＦＴ（ＩＦＦＴ）を用いたフィルタ、等で構成することが可能であるが、固定小数点演算方式のＤＳＰを内蔵したＲＩＳＣ型マイコンの場合はＦＩＲフィルタが適している。

絶対値化処理部３０５は、エンベロープまたは絶対値波形に対してＤＣ成分を消すために平均値をとって、振幅ゼロのラインを引き直す。この絶対値処理（エンベロープ処理）により、軸受欠陥に起因した１ｋＨｚ未満の低域の信号が顕在化する。この時点では、高域の信号も含まれたままになっているので、ＦＦＴを行なう前に１ｋＨｚ未満の低域の信号のみ通過させるＦＩＲローパスフィルタをかけておくことが望ましいが、既に生波形に対してデジタルフィルタ部３０３によるバンドパスフィルタ処理と絶対値化処理部５による絶対値化（エンベロープ抽出）処理とを施してあるので、ＦＦＴ部３０８の直前におけるローパスフィルタ処理を省略しても軸受欠陥の診断精度への影響は少ない。

デシメーション部３０４によるＦＦＴ演算ポイントの間引き率（間引き量）およびゼロ補間部３０６による補間率あるいは補間ビット数は、分析すべき周波数帯域、周波数分解能、ＦＦＴ演算点数、等に応じて決められる。この例では、ＭＰＵ２２０内のＤＳＰ２２０ｂによる超高速ＦＦＴ演算処理を実現しようしとしているため、ＦＦＴ演算点数はＤＳＰ２２０ｂから並列専用バスでアクセスできるＸ／Ｙ−ＲＡＭ２２０ｅの容量によって自ずと制限される。

ＦＦＴ部３０８で演算処理されるデータは、実数部と虚数部とからなり、それぞれＸ／Ｙ−ＲＡＭ２２０ｅのＸ−ＲＡＭとＹ−ＲＡＭに割り当てられる。入力と出力でメモリ領域を供給させる方式とすれば、８ｋＢ分のデータ長をＦＦＴできる。Ａ／Ｄ変換器２２３ｂの分解能が１６ビット（２バイト）であれば、演算変数も２バイト長にしておくことにより、８１９２／２バイトすなわち４０９６点までのデータをＤＳＰ２２０ｂで高速処理することが可能である。

必要な周波数分解能Δｆｗは、サンプリング周波数（ｆｓ，ｆｆｔ）が１．０ＨｚのときのＦＦＴの区間長をＴｗ，ｆｆｔとすると、Δｆｗ＝１／Ｔｗ，ｆｆｔで表される。したがって、Ｔｗ，ｆｆｔ＝１ｓであれば要件を満たす。

この例では、サンプリング時間Ｔｗ，ｆｆｔを０．７５ｓとしたので、０．２５ｓサンプリング時間が不足する。この不足分をゼロ補間部３０６で補間するのであるが、単にゼロ補間しただけでは、データ数が３２７８６にも及んでしまう。

そこで、当初のサンプリング個数（３２７６８）を、ＤＳＰ２２０ｂのＸ／Ｙ−ＲＡＭ２２０ｅの容量と演算のバイト長から決まる上限のＦＦＴ演算点数である４０９６に間引くと、データ数が当初の１／８になり、ＦＦＴ部３０８のサンプリング周波数も３２７６８／８＝４０９６に削減される。したがって、ＦＦＴ部３０８で分析できる周波数の上限（ナイキスト周波数）は、その半分の２．０４８ｋＨｚになるが、それでもまだ軸受の欠陥を表す周波数（１ｋＨｚ未満）を十分にカバーしている。

この例では、これに準じて３２．７６８ｋＨｚで０．７５ｓのサンプリング（２４５７６点）を行ない、デジタルフィルタ部３０３と絶対値化処理部３０５とで周波数帯域を低域化した後に１／８の間引き処理を行ない、サンプリング数とサンプリング周波数とをそれぞれ３０７２点と４．０９６Ｈｚに下げ、４０９６に足りない点には、３０７２点の後ろに１０２４個のゼロ（０）を詰めて４０９６点のサンプリング波形データとする（図２５参照）。この波形データがハニング窓関数部３０７を経てＦＦＴ部３０８に入力される。ハニング窓関数部３０７は、入力波形データにハニング窓関数を掛けることにより、ＦＦＴ部３０８に入力される波形データの両端の影響を軽減する。この波形データをＦＦＴ部３０８でＦＦＴすることにより、周波数スペクトルが１Ｈｚの分解能で得られる。得られた周波数スペクトルデータは、ピーク検出部３０９に入力される。

ピーク検出部３０９では、ＦＦＴ部３０８により得られた周波数スペクトルを左右対称に重み付けして移動平均化する。これにより、周波数スペクトルが平滑化され雑音が軽減される。

さらに、移動平均化処理の際に数値微分演算を行なう。そして、微分係数の符号が変化する周波数ポイントを周波数スペクトルのピークとして抽出する。そして、抽出されたピークのうち振幅レベルの二乗平均平方根が閾値以上のものを選別し、振幅レベルの二乗平均平方根が大きい方から所定の個数（たとえば１０個）までのピークを選別する。

一方、軸受欠陥基本周波数算出部３１０は、回転速度検出器３１５により検出された軸受の回転速度とＲＯＭ３１６から読み出した軸受の内部諸元とに基づいて軸受の欠陥を示す基本周波数を算出する。回転速度検出器３１５による軸受の回転速度の検出は、振動センサ３１７による振動検出と同期して（例えば０．７５ｓに１回）複数サイクル繰り返し実施される。

そして、ピーク検出部３０９により検出されたピークの周波数と、軸受欠陥基本周波数算出部３１０により算出された基本周波数とが、各サイクル毎に同期して比較部３１１に入力される。

比較部３１１は、ピークの周波数と基本周波数とが入力される度に、基本周波数およびその高調波成分とピークの周波数とを比較し、両者の一致する度合いに応じた点数を付け（数値化）、その値を積算部３１２に出力する。ここでの点数の付け方の例を下記の表に示す。

この場合、一回の波形取り込みに対する診断処理は、算出された軸受欠陥に起因する振動の基本周波数と４次までの高調波成分に対して、検出されたピークが一致する度合いに応じた診断点数を付けることに相当する。

そして、周波数ピーク検出を繰り返してその都度、診断点数を加算していき、ポイント数の累計値を評価することにより、スペクトルのばらつきの影響を軽減して異常診断を高精度に行なうことができる。

図２６は、欠陥を導入した軸受（欠陥品）と欠陥のない軸受（正常品）の診断点数の累計値を棒グラフにして示したものである。この例は、内輪回転タイプの軸受に対し、上記異常診断システムを使用してテストを行なったものである。内輪回転タイプの軸受では外輪軌道に損傷を生じる場合が多いので、この例でも外輪軌道に傷を導入してテストを行なった。４セットの軸受を診断対象に用い、そのうちの２セットに外輪傷を導入した。このテストの条件では、外輪軌道に欠陥がある場合の基本周波数は１００Ｈｚ以下であった。基本波に関しては、ピークの周波数が基本周波数の±１．０Ｈｚの範囲内にあればピークの周波数と一致したものと判断し、２次、３次、４次の各高調波に関しては、ピークの周波数が各高調波周波数の±２．０Ｈｚの範囲内にあればピークの周波数と一致したものと判断して、上記表１の点数を加算した。テスト時間は６０秒とした。１サイクル分のサンプリング時間は０．７５秒で、異常診断点数を出すための演算所用時間は０．１５秒程度かかる。データ取り込みはＤＭＡで行ない、演算処理は次回のデータを取り込む間に０．１５秒で行なってしまうので、図２７のようにトータルで見れば、６０（＋０．１５）秒間連続で本システムを走らせることにより、８０（＝６０／０．７５）回の診断処理を実行できる。

図２６に示すように、正常品であっても若干のノイズがカウントされるが、欠陥品との差は歴然としている。欠陥品と正常品との間に大きな差が生じることから、閾値の範囲を大きく取れるため、この範囲をグレーゾーンとして段階的な警報を発するようにすることも可能である。

図２１はＦＦＴ演算処理の時間について、ＤＳＰ２２０ｂを使った場合とＣＰＵ２２０ａのみで行なった場合とを対比させて示したグラフである。ＤＳＰ２２０ｂ内のＸ／Ｙ−ＲＡＭ２２０ｅの容量に合わせるように、ＦＦＴ演算の点数をデジタルフィルタ部３０３で帯域を下げた後デシメーション部３０４で間引いたので、ＦＦＴ演算をＤＳＰ２２０ｂで極めて高速に実行することができた。

以上説明したように、この形態例の異常診断システムでは、検出信号をデジタル信号に変換し、診断に必要な周波数帯域の信号を取り出し、それを間引き処理した信号のエンベロープを求め、そのエンベロープを任意の周波数分解能でＦＦＴするためにゼロ詰め補間し、更にハニング窓関数により診断に使用する信号を切り出した上で、ＦＦＴにより周波数分析し、得られた周波数スペクトルに基づいて異常を診断するので、ＦＦＴ演算に使用する演算デバイスに合ったサンプリング周波数および周波数分解能で検出信号をＦＦＴして高精度に異常診断を実施できる。

また、ＦＦＴにより得られた周波数スペクトルを移動平均化処理し、更にそのスペクトルを平滑化微分して、微分係数の符号が正から負へ変化する周波数ポイントをピークとして検出した後、所定の閾値以上のものを抽出し、それらをソーティングしてそのうちの上位所定数個をピークとして抽出し、それらのピークのうち振動の主成分に対応するピークあるいは振動の主成分および高次成分に対応するピークと診断対象の異常を示す周波数との一致度を求め、その一致度に点数を付けて複数回分累計し、その累計値を評価することにより異常を診断するので、異常信号や異常予兆信号と雑音信号とのＳ／Ｎ比が小さい条件下においても、雑音信号を異常あるいは異常予兆信号と誤検出することなく、極めて高精度に且つ高効率に異常診断を実施できる。
［第７の形態例］
図２８は第７から第１３の形態例の異常診断装置を備えた鉄道車両の概略構成図である。鉄道車両４０１は、４組の車輪（計８輪）４０２−１〜４０２−４と、それらを車台４０３の下に回転自在に保持する４つの軸受４０４−１〜４０４−４とを備え、車台４０３に異常診断装置４１０が設置されている。

異常診断装置４１０は、センサユニット４２０と制御盤４３０とを備えている。センサユニット４２０は、車台４０３の振動を検出するユニットである。制御盤４３０は、センサユニット４２０の出力信号を基に、軸受４０４−１〜４０４−４の剥離や車輪４０２−１〜４０２−４のフラット等の異常の有無を診断する診断回路４３１を備えている。診断回路４３１による診断内容（警報信号）は車両４０１内の通信回線を通じて運転台や指令所に送られるシステムになっている。

以下の第８から第１２の形態例では、図３８のように、軸受４０４−１〜４０４−４の剥離等の劣化を示すパラメータとして、Ｐｅａｋ／ＲＭＳ（Ｒｏｏｔ Ｍｅａｎ Ｓｑｕａｒｅ）を利用することとする。ここで、Ｐｅａｋは一定区間における最大振幅の絶対値、ＲＭＳは一定区間における振動電圧の２乗平均の平方根値である。ここで対象にする波形は、図３９のような車台４０３の振動を表す波形で、レールの継ぎ目による衝撃音や摩擦音等、車両４０１を構成する機械要素の劣化とは関係ないノイズを含んだものである。この種のノイズは、軸受４０４−１〜４０４−４の剥離や車輪４０２−１〜４０２−４のフラット等の異常に起因する振動よりも遙かに大きな振幅を有する。

図２９は、センサユニット４２０の第７の構成例を示すブロック図である。図２９に示すセンサユニット４２０は、振動センサ（Ｓｅｎｓ）４２１と、パラメータ値検出回路であってアナログ演算回路である２乗平均の平方根演算回路（ＲＭＳ−ＤＣ；以後、ＲＭＳ演算回路と記述する。）４２２と、ピーク検出回路（Ｐｅａｋ）４２３と、比較回路である第１比較器（ＣＭＰ１）４２４と、ピーク−参照値比較回路である第２比較器（ＣＭＰ２）４２５と、参照電圧出力回路（Ｖｒｅｆ．）４２６と、を備えている。尚、ＲＭＳ演算回路４２２は、次の計算式（３）に基づき２乗平均の平方根演算を行なう。

Ｘ_ｉ：ｉ番目の実測値（時刻Ｉにおける値）
ｎ：サンプル数（区間長）振動センサ４２１は、圧電セラミックにより鉛直方向の振動を検出するセンサであり、５０Ｈｚ〜１０ｋＨｚの周波数帯域の振動を検出し、その振動波形を電気信号として出力する。振動センサ４２１の出力信号（振動信号）は、増幅回路４２７で増幅された後、ＲＭＳ演算回路４２２とピーク検出回路４２３とに同時に入力される。

ＲＭＳ演算回路４２２は、入力された振動信号を処理することにより、その振動信号の電圧のＲＭＳに相当する電圧（以下、ＲＭＳ電圧と記す。）の直流信号を出力する。このＲＭＳ演算回路４２２には、たとえば、バッファアンプ、絶対値回路、平方・除算回路、出力用フィルタアンプ回路、等を内蔵したＲＭＳｔｏＤＣコンバータＩＣが使用される。このＲＭＳｔｏＤＣコンバータＩＣの具体例としては、商品型番「ＡＤ６３７」：アナログデバイセズ社製などが挙げられる。

ＲＭＳ演算回路４２２の時定数は外付けのコンデンサによって決めることができる。この例では、１００ｍｓとする。また、ＲＭＳ演算回路４２２は、ＲＭＳ電圧を一定の倍率に増幅して出力する回路を含んでいる。この例では、４倍の電圧を出力するものとする。

ピーク検出回路４２３は、入力された振動信号のピーク電圧を出力する。ピーク検出回路４２３の時定数はＲＭＳ演算回路４２２のそれと等しく、出力時の電圧レベルの増幅度は１である。

ＲＭＳ演算回路４２２の出力信号は、第１比較器４２４の第１の入力端子に入力される。ピーク検出回路４２３の出力信号は、第１比較器４２４の第２の入力端子と、第２比較器４２５の第１の入力端子とに入力される。第２比較相２５の第２の入力端子には、参照電圧出力回路４２６からの参照電圧が入力される。

第１比較器４２４は、ＲＭＳ演算回路４２２からの信号電圧すなわちＲＭＳ電圧の４倍の電圧と、ピーク検出回路４２３からの信号電圧すなわちピーク電圧とを比較する。そして、ピーク電圧の方が大きければ＋５Ｖの電圧（第１の電圧）の信号を出力し、ピーク電圧の方が小さければ−５Ｖの電圧（第２の電圧）の信号を出力する。即ち、波高率（Ｐｅａｋ／ＲＭＳ）が４を超えるかどうかを出力している。

第２比較器４２５は、ピーク検出回路４２３からの信号電圧すなわちピーク電圧と、参照電圧出力回路４２６からの参照電圧とを比較する。そして、ピーク電圧の方が参照電圧よりも大きければ＋５Ｖの電圧の信号を出力し、ピーク電圧の方が小さければ−５Ｖの電圧の信号を出力する。参照電圧は、軸受等の異常に起因する信号の電圧レベルよりも高いレベルに選定されている。

第１比較器４２４の出力信号は、ゲート回路４２８の検出信号入力端子に入力される。第２比較器４２５の出力信号は、ゲート回路４２８の制御信号入力端子に入力される。ゲート回路４２８は、第１比較器４２４からの信号（＋５Ｖまたは−５Ｖ）を、第２比較器４２５から−５Ｖの電圧の信号が与えられた場合にはそのまま出力するが、第２比較器４２５から＋５Ｖの電圧の信号が与えられた場合には、常に０Ｖの電圧の信号を出力する。

下記の表４は、センサユニット４２０の第１および第２の比較器４２４、４２５における比較結果とゲート回路４２８の出力との関係を示している。表１において、４×ＲＭＳは第１比較器４２４の入力電圧であり、ｐｅａｋは第２比較器４２５の入力電圧（ピーク電圧）であり、Ｖｒｅｆは参照電圧出力回路４２６の出力電圧（参照電圧）であり、Ｏｕｔｐｕｔはゲート回路４２８の出力電圧である。尚、第１および第２の比較器４２４、４２５の出力電圧それぞれは２値であることに留意されるべきである。ゲート回路４２８は、第２比較器４２５からの信号の真偽によって第１比較器４２４からの信号をそのまま通過させる（−５Ｖまたは＋５Ｖ）か、無効（０Ｖ）にするかを制御する。第２比較器４２５の出力はゲート開閉制御信号、ゲート回路４２８の出力はゲート出力、そして第１比較器４２４の出力は信号源である。

表４に示すように、センサユニット４２０は、振動センサ４２１により検出された振動信号のピーク電圧（ｐｅａｋ）が参照電圧（Ｖｒｅｆ）すなわち軸受等の異常に起因する信号の電圧レベル以下の場合のみ、ピーク電圧（ｐｅａｋ）とＲＭＳ電圧の４倍の電圧との大小関係を示す信号（＋５Ｖまたは−５Ｖ）を出力する。これにより、レールの継ぎ目による衝撃音や摩擦音等、車両４０１を構成する機械要素の劣化とは関係ないノイズに起因する非常に大きな信号によってセンサユニット４２０の出力が飽和してしまうのを防止している。センサユニット４２０の出力電圧が＋５Ｖであるということは、Ｐｅａｋ／ＲＭＳが一定の基準を超えたことを意味し、逆にセンサユニット４２０の出力電圧が−５Ｖであるということは、Ｐｅａｋ／ＲＭＳが一定の基準に満たないことを意味する。

制御盤４３０の診断回路４３１は、センサユニット４２０の出力信号を常時監視し、単位時間（ここでは６０秒間とする。）における＋５Ｖの電圧の信号の出力時間の割合を、Ｐｅａｋ／ＲＭＳが基準を超えたデューティ比として算出する（図３０参照）。そして、算出したデューティ比に応じた警報レベルの警報信号を発する。警報信号は１秒ごとに更新され、デューティ比の算出は常に、センサユニット４２０からの最新の信号を受信した時から６０秒前までの受信信号に基づいて行なわれる。この警報信号が車両４０１内の通信回線を通じて運転台や指令所に送られる。運転台や指令所には、各々色の異なる複数の警報ランプが設けられており、センサユニット４２０から受信した警報信号の警報レベルに応じて所定の色の警報ランプが点灯あるいは点滅するようになっている。

下記の表５は、上記デューティ比と警報レベルとの対応関係を例示している。また、表５中には、警報レベルと警報ランプの色との対応関係も例示されている。

この異常診断装置４１０は、鉄道車両の走行中の異常の有無を監視するものであり、表５に示す警報は、脱線予知等と違って異常を検出した場合に列車を停止させることは想定していない。表５における最高の警報レベルである警報レベルＩＩでも、たとえば１週間以内に目視検査を要するといった程度の警報である。軸受の剥離、車輪のフラットが発生している場合でも、その列車が直ぐに運行不能になるわけではないので、点検の目安を示すことがこの異常診断装置４１０を使用する主な目的であるといえる。ただし、列車の走行速度が高速であるほど、点検の緊急度は高くなる。最高時速が２００ｋｍを超えるような超高速鉄道では、上記警報レベルＩＩの警報が発せられたら速やかに列車を停止させ、点検を実施することが望まれる。
［第８の形態例］
図３１は、センサユニット４２０の第８の形態例を示すブロック図である。図３１に示すセンサユニット４２０は、振動センサ（Ｓｅｎｓ）４２１と、増幅器４２７と、増幅器４２７からの信号が入力される帯域の異なる３つのバンドパスフィルタ（ＢＰＦ）４４１−１〜４４１−３と、各バンドパスフィルタ４４１−１〜４４１−３を通過した信号を各々処理する３つの信号処理部４４２−１〜４４２−３とを備えている。バンドパスフィルタ４４１−１〜４４１−３は、この例では、それぞれ５００Ｈｚ、１．５ｋＨｚ、３ｋＨｚの中心周波数を持つものとする。

各信号処理部４４２−１〜４４２−３は、それぞれ、ＲＭＳ演算回路（ＲＭＳ−ＤＣ）４２２と、ピーク検出回路（Ｐｅａｋ）４２３と、比較器（ＣＭＰ）４２４と、を備えている。

振動センサ４２１は、図２９の例と同様、５０Ｈｚ〜１０ｋＨｚの周波数帯域の振動を検出し、その振動波形を電気信号として出力する。振動センサ４２１の出力信号（振動信号）は、増幅回路４２７で増幅された後、３つのバンドパスフィルタ４４１−１〜４４１−３に同時に入力される。各バンドパスフィルタ４４１−１〜４４１−３を通過した各々帯域の異なる信号は、各々別々の信号処理部４４２−１〜４４２−３内のＲＭＳ演算回路４２２とピーク検出回路４２３とに入力される。すなわち、この例では、第１の信号処理部４４２−１内のＲＭＳ演算回路４２２とピーク検出回路４２３とには、第１のバンドパスフィルタ４４１−１を通過した低帯域（中心周波数５００Ｈｚ）の振動信号が入力される。第２の信号処理部４４２−２内のＲＭＳ演算回路４２２とピーク検出回路４２３とには、第２のバンドパスフィルタ４４１−２を通過した中間帯域（中心周波数１．５ｋＨｚ）の振動信号が入力される。第２の信号処理部４４２−２内のＲＭＳ演算回路４２２とピーク検出回路４２３とには、第３のバンドパスフィルタ４４１−３を通過した高帯域（中心周波数３ｋＨｚ）の振動信号が入力される。

各信号処理部４４２−１〜４４２−３内のＲＭＳ演算回路４２２は、入力された振動信号を処理することにより、その振動信号のＲＭＳ電圧の４倍の電圧を出力する。

各信号処理部４４２−１〜４４２−３内のピーク検出回路４２３は、入力された振動信号のピーク電圧を出力する。ピーク検出回路４２３の出力時の電圧レベルの増幅度は１である。各信号処理部４４２−１〜４４２−３内のＲＭＳ演算回路４２２の出力信号は、比較器４２４の第１の入力端子に入力される。ピーク検出回路４２３の出力信号は、比較器４２４の第２の入力端子に入力される。

各信号処理部４４２−１〜４４２−３内の比較器４２４は、ＲＭＳ演算回路４２２からの信号電圧すなわちＲＭＳ電圧の４倍の電圧と、ピーク検出回路４２３からの信号電圧すなわちピーク電圧とを比較する。そして、ピーク電圧の方が大きければ＋５Ｖの電圧の信号を出力し、ピーク電圧の方が小さければ−５Ｖの電圧の信号を出力する。

制御盤４３０の診断回路４３１は、センサユニット４２０の各信号処理部４４２−１〜４４２−３の出力信号を常時監視し、各信号毎に単位時間（ここでは６０秒間とする。）における＋５Ｖの電圧の信号の出力時間の割合を、Ｐｅａｋ／ＲＭＳが基準を超えたデューティ比として算出する（図３２参照）。そして、算出したデューティ比に応じた警報レベルの警報信号を発する。

この例では、図２９の例とは異なり、デューティ比の算出に使用するピーク電圧に上限を設けていないので、ノイズ対策として、デューティ比の基準にノイズ成分を含めている。

表５の例では、正常であることを示すデューティ比２０％未満の中に、レールの継ぎ目による衝撃音や摩擦音等、車両４０１を構成する機械要素の劣化とは関係ないノイズ分を見込んでいるわけである。
［第９の形態例］
図３３は、センサユニット４２０の第９の形態例を示すブロック図である。図３３に示すセンサユニット４２０は、振動センサ（Ｓｅｎｓ）４２１と、増幅器４２７と、増幅器４２７からの信号が入力されるローパスフィルタ（ＬＰＦ）４５１と、ローパスフィルタ４５１を通過した信号を処理する信号処理部４５２とを備えている。ローパスフィルタ４５１は、１ｋＨｚ程度のカットオフ周波数を持つ。１ｋＨｚ程度を超える信号を遮断することにより、レールの継ぎ目による衝撃音や摩擦音等、車両４０１を構成する機械要素の劣化とは関係ないノイズに起因する非常に大きな信号をカットし、機械要素の振動のみを捉えることができる。

信号処理部４５２は、ＲＭＳ演算回路（ＲＭＳ−ＤＣ）４２２と、ピーク検出回路（Ｐｅａｋ）４２３と、比較器（ＣＭＰ）４２４と、を備えている。

振動センサ４２１は、図２９の例と同様、５０Ｈｚ〜１０ｋＨｚの周波数帯域の振動を検出し、その振動波形を電気信号として出力する。振動センサ４２１の出力信号（振動信号）は、増幅回路４２７で増幅された後、ローパスフィルタ４５１に入力される。そして、ローパスフィルタ４５１を通過した１ｋＨｚ程度以下の信号が信号処理部４５２に入力される。信号処理部４５２における処理は、図３１中の各信号処理部４４２−１〜４４２−３における処理と同様である。

この第９の形態例によれば、１ｋＨｚ程度以下の信号のみ捉えて信号処理部４５２に入力するようにしたので、レールの継ぎ目による衝撃音や摩擦音等、車両４０１を構成する機械要素の劣化とは関係ないノイズに起因する非常に大きな信号によってセンサユニット４２０の出力が飽和してしまうのを防止できる。
［第１０の形態例］
図３４は、センサユニット４２０の第１０の構成例を示すブロック図である。図３４に示すセンサユニット４２０は、図３３の構成に加えて、増幅器４２７からの信号が入力されるハイパスフィルタ（ＨＰＦ）４５３と、ハイパスフィルタ４５３を通過した信号を処理する信号処理部４５４とを備えている。信号処理部４５４の構成は、ローパスフィルタ４５１側の信号処理部４５２のそれと同じである。ハイパスフィルタ４５３は、１ｋＨｚのカットオフ周波数を持つ。１ｋＨｚ以上の信号のみ信号処理部４５４に入力することにより、軸受のスポット傷を有効に検出することができる。
［第１１の形態例］
図３５は、センサユニット４２０の第１１の形態例を示すブロック図である。この構成例は、上述したＲＭＳ演算回路４２２、ピーク検出回路４２３および比較器４２４の機能を、制御盤４３０に持たせた場合のものであり、センサユニット４２０内には、振動センサ（Ｓｅｎｓ）４２１、増幅器４２７、およびローパスフィルタ（ＬＰＦ）４５１だけが設けられている。
［第１２の形態例］
図３６は、センサユニット４２０の第１２の形態例を示すブロック図である。図３６に示すセンサユニット４２０は、振動センサ（Ｓｅｎｓ）４２１と、増幅器４２７と、増幅器４２７の出力をデジタル信号に変換するＡ／Ｄ変換器（ＡＤＣ）４５５と、Ａ／Ｄ変換器４５５からの信号を処理するマイクロプロセッサ（ＭＰＵ）４５６と、を備えている。ＭＰＵ４５６は、その内部に格納されたプログラムに従って、Ａ／Ｄ変換器４５５からの入力信号をデジタル処理することにより、上述したＲＭＳ演算回路４２２、ピーク検出回路４２３および比較器４２４の機能を果たすとともに、表５に例示した診断処理も行なう。したがって、この構成例によれば、制御盤４３０の診断回路４３１を省略できる。ＭＰＵ４５６の代わりに、ＤＳＰ（デジタルシグナルプロセッサ）を使用することも可能である。また、ＭＰＵ４５６の代わりに、Ａ／Ｄ変換器を内蔵したマイクロプロセッサを使用すれば、外付けのＡ／Ｄ変換器４５５を省略できる。

しかし、ＭＰＵやＤＳＰを使用して演算処理を行なう場合、ＲＭＳ演算処理はかなり重い処理になりかねない。２乗の総和演算は、固定小数点数演算を行なうシステムでは飽和を起こしやすいし、平方根の命令は存在しないのが普通である。

したがって、ＲＭＳ演算処理がかなり複雑でその他の処理が比較的簡単なものであれば、ＭＰＵやＤＳＰを使用するよりも、ＲＭＳ演算の処理効率を優先した専用のデジタル演算回路をフィールド・プログラマブル・ゲートアレイ（ＦＰＧＡ）により実現する方が有利である。ＦＰＧＡによる演算回路については、マイコンやＤＳＰに対する優位性は実際の信号処理により異なるが、ハードウエアによる高速化を望め、マイコン回路よりも小さくできる可能性が高い。マイコンでは既に最初から搭載されている加算器および乗算器等は、ＦＰＧＡでは後から書き込む必要がある。しかし、これは裏を返せば、演算機能と周辺機能を必要なだけ載せることができるので、装置の小型化や演算の並列化で高速化が期待できる。
［第１３の形態例］
そこで、図３７に示す第１３の形態例では、Ａ／Ｄ変換器（ＡＤＣ）４５５からの入力信号をデジタル処理することにより、上述したＲＭＳ演算回路４２２、ピーク検出回路４２３および比較器４２４の機能を果たすとともに、表５に例示した診断処理も行なう専用のデジタル回路としてＦＰＧＡ４５７を備えている。なお、上記の形態例の説明では、軸受４０４−１〜４０４−４の剥離等の劣化を示すパラメータとしてＰｅａｋ／ＲＭＳ（波高率）を用いたが、これに代えて、尖り度（Ｋｕｒｔｏｓｉｓ）、衝撃指数（Ｐｅａｋ／絶対値平均）または波形率（ＲＭＳ／絶対値平均）を用いることもできる。尚、尖り度（Ｋｕｒｔｏｓｉｓ）は、基本統計量における無次元パラメータであって、次の計算式（４）で算出される。

ｎ：サンプル数（区間長）
Ｘ_ｉ：ｉ番目の実測値（時刻Ｉにおける値）
σ：標準偏差
平均値をゼロにする振動波形では、σはＲＭＳ値に等しいとして構わない。４乗回路は、ＲＭＳ回路に含まれる２乗回路が応用できる。従って、上述した形態例における波高率（Ｐｅａｋ／ＲＭＳ）の代わりに、尖り度（Ｋｕｒｔｏｓｉｓ）を使う形態例も実現可能である。すなわち、上記ＲＭＳ演算回路（ＲＭＳ−ＤＣ）４２２の代わりに、尖り度、衝撃指数または波形率を求める回路を用いたものも本発明の異常診断装置に含まれる。

［第１４の形態例］
まず、図４０〜図４５を参照して、第１４の形態例の異常診断装置について説明する。

図４０に示すように、一両の鉄道車両５００は前後２つの車台によって支持され、各車台には４個の車輪５０１が取り付けられている。各車輪５０１の回転支持装置（軸受箱）５１０には、運転中に回転支持装置５１０から発生する振動を検出する振動センサ５１１が取り付けられている。

鉄道車両５００の制御盤５１５には、４チャネル分のセンサ信号を同時（ほぼ同時）に取り込んで診断処理を実施する異常診断装置５５０が２つ搭載されている。即ち、各車台に設けられている４つの振動センサ５１１の出力信号が各々信号線５１６を介して車台毎に別の異常診断装置５５０に入力される。また、異常診断装置５５０には、車輪５０１の回転速度を検出する回転速度センサ（図示省略）からの回転速度パルス信号も入力される。

図４１に示すように、回転支持装置５１０には、１例として回転部品である車軸軸受５３０が設けられており、車軸軸受５３０は、回転軸（不図示）に外嵌される回転輪である内輪５３１と、ハウジング（不図示）に内嵌される固定輪である外輪５３２と、内輪５３１および外輪５３２との間に配置された複数の転動体である玉５３３と、玉５３３を転動自在に保持する保持器（不図示）とを備える。振動センサ５１１は、重力方向の振動加速度を検出し得る姿勢に保持されてハウジングの外輪５３２近傍に固定されている。振動センサ５１１には、加速度センサ、ＡＥ（ａｃｏｕｓｔｉｃＥｍｉｓｓｉｏｎ）センサ、超音波センサ、ショックパルスセンサ等、種々のものを使用することができる。

図４２に示すように、異常診断装置５５０は、センサ信号処理部５５０Ａと、診断処理部（ＭＰＵ）５５０Ｂとを有する。センサ信号処理部５５０Ａは、４つの増幅・濾波器（ＡＦＩＬＴ）５５１を備えている。そして、４つの振動センサ５１１の出力信号が増幅・濾波器５５１に個別に入力されるようになっている。各増幅・濾波器５５１は、アナログアンプの機能とアンチエリアシングフィルタの機能とを兼ね備えている。これら４つの増幅・濾波器５５１で増幅且つ濾波された４チャネルのアナログ信号は、診断処理部（ＭＰＵ）５５０Ｂの信号に基づいて、スイッチ機能として働くマルチプレクサ（ＭＵＸ）５５２にて１チャネルごとの信号に切換えて、ＡＤ変換器（ＡＤＣ）５５３にてデジタル信号に変換されて、診断処理部（ＭＰＵ）５５０Ｂに取り込まれる。一方、回転速度センサからの回転速度パルス信号は、波形整形回路５５５によって整形された後、タイマカウンタ（図示省略）により単位時間当りのパルス数がカウントされ、その値が回転速度信号として診断処理部（ＭＰＵ）５５０Ｂに入力される。診断処理部（ＭＰＵ）５５０Ｂは、振動センサ５１１により検出された振動波形と回転速度センサにより検出された回転速度信号とをもとに異常診断を実行する。診断処理部（ＭＰＵ）５５０Ｂによる診断結果はラインドライバ（ＬＤ）５５６を介して通信回線５２０（図４０参照）に出力される。通信回線５２０は警報機に接続されており、車輪５０１のフラット等の異常発生時には然るべき警報動作がなされるようになっている。

診断処理部（ＭＰＵ）５５０Ｂは、回転速度センサにより検出された回転速度信号が略一定の所定速度（本形態例では、１８５〜３７０ｍｉｎ^−１）であるときに、サンプリング周波数ｆｓと、サンプリング数Ｎｓを一定にした波形ブロックデータを処理して、車輪５０１のフラットの検出を行なう。具体的には、ｆｓ＝２ｋＨｚ、Ｎｓ＝２０００、とすると、ブロックデータの区間長＝１ｓｅｃである。この１秒間にフラットによる振動波形パルスをカウントした回数と、回転速度センサで検出した車速から１秒間に車輪５０１が回転する回数とを比較することでフラットの検出を行なう。

車輪５０１でフラットが発生している状態での振動加速度は大きく、通常の車両の振動で起きる振動加速度の値は、それよりも小さいことが多い。また、レール継ぎ目の振動は、フラットと同等、若しくは、それよりも大きい振動加速度のレベルとなる。さらに、レールのカーブにおけるレールと車輪５０１の摩擦からくる振動加速度のレベルも、フラットやレール継ぎ目によるものと同等である。診断処理部（ＭＰＵ）５５０Ｂは、その内部にメモリ（ＲＡＭ）５５９を有しており、これを利用してＦＦＴやデジタルフィルタリングを極めて高速に実行することができる。このことにより、４チャネルの振動センサ５１１に対して、リアルタイム処理（即ち、サンプリング時間よりもかなり余裕をもった短時間での計算）を実行できる。

一方、フラットは１回転で１回の衝撃が起るのに対して、レールの継ぎ目による衝撃の場合は、より長い周期で発生し、レール摩擦による衝撃の場合は、不規則に発生する。そこで、本形態例では、フラット特有の振動加速度の閾値を越える衝撃（パルス）発生の規則性に着目して、ほぼ一定速度における単位時間あたりの衝撃波回数をカウントし、そのカウント数がほぼ車輪の回転数に一致していれば、フラットが発生している可能性が高い、として異常診断を行なう。

更に、本形態例では、同じ車輪５０１について繰り返し診断処理を行なうアルゴリズムを設計し、パルス数のカウント数のバラツキやノイズの影響等を考慮した、統計的判断手法により異常診断の信頼性を向上させる。

図４３は、異常診断装置５５０による４チャネル分の振動データの取り込みとデータ解析のタイムチャートを示している。振動データは絶え間なく異常診断装置５５０に取り込まれるが、診断対象に応じて一定のサンプリング区間に分割することができる。軸受５３０の診断（はく離検出）に必要な取り込み周期Ｔ１は１秒未満で十分であり、レールと車輪５０１との接触ノイズの影響を減らすためにも、できるだけ短時間であることが望ましい。反対に、車輪５０１の転動面の異常を検出するには、車輪５０１が一回転する毎の衝撃を検出する必要があるので、周期Ｔ１より長い１秒程度の周期Ｔ２が必要である。

軸受診断用の振動データの取り込み周期Ｔ１を４チャネル分の振動データの取り込みに要する時間に一致させてたとえば０．６７秒とし、サンプリング周波数を２０ｋＨｚとすると、１周期Ｔ１の間に４×０．６７×２０，０００点のデータが取り込まれる。したがって、車輪診断用の振動データの取り込み周期Ｔ２を１秒とすると、軸受診断用の振動データの取り込み周期Ｔ１で振動データの取り込みを行なったのでは０．３３秒不足することになる。そこで、１区間、即ち、周期Ｔ１分のデータと一つ前の区間の最後の０．３３秒分のデータを継ぎ足すことにより、周期Ｔ２分のデータとする。ただし、データ数は後述するようにフィルタリング後のデシメート処理により間引くことができるので、１チャネル当り２，０００点以下とすることができる。その結果、車輪５０１と軸受５３０の診断を４チャネル分実行するのに要する時間を周期Ｔ１、即ち、０．６７秒よりも小さくして、車輪・軸受診断データの処理時間に余裕を持たせることができる。

本形態例では、診断処理部（ＭＰＵ）５５０Ｂは、上記振動データの取り込みと車輪・軸受診断データ処理とを並行して行なう。即ち、４チャネル分の振動データの取り込み周期Ｔ１内に車輪・軸受診断データ処理を完了するリアルタイム処理を行なう。このリアルタイム処理は、センサ信号処理部５５０Ａのマルチプレクサ５５２とＡＤ変換器５５３とを診断処理部（ＭＰＵ）５５０Ｂが割り込み制御してデータサンプリングすることにより実現される。また、ダイレクトメモリーアクセスコントローラ（ＤＭＡ）によるデータサンプリングによっても実現できる。

このように、車輪・軸受診断データの処理時間に余裕を持たせ、振動データの取り込みと車輪・軸受診断データの処理とを並行して行なうことにより、データの取りこぼしをなくすことができるので、レールの不規則性や車体の揺れ、荷重変動等による確率過程を含んだデータを統計処理して得られる診断結果の信頼性を高めることができる。

図４４は、診断処理部（ＭＰＵ）５５０Ｂの動作フローを示している。診断処理部（ＭＰＵ）５５０Ｂは、振動データの取り込み、即ち、４チャネル分のセンサ信号のＡＤ変換およびサンプリング（Ｓ３００）と軸受・車輪診断データ処理（Ｓ４００）とを並行して実施する。

車輪・軸受診断データ処理（Ｓ４００）では、４チャネル分の振動データの更新（Ｓ４０１）がなされる度に、回転速度検出処理（Ｓ４０２）、診断処理（Ｓ４０３）、診断結果の記憶保持処理（Ｓ４０４）および判定結果の出力処理（Ｓ４０５）を順次実施する。

回転速度検出処理（Ｓ４０２）は、回転速度センサの信号に基づいて軸受１３０の回転速度を検出する処理である。

診断処理（Ｓ４０３）は、軸受診断処理（Ｓ４１０）と車輪診断処理（Ｓ４２０）とからなる。

軸受診断処理（Ｓ４１０）は、軸受５３０の回転速度と振動のエンベロープ波形を処理して得られる周波数ピークとに基づいて軸受５３０の異常を検出する処理である。軸受診断処理（Ｓ４１０）では、まず取り込んだ振動データから高域（３ｋＨｚ以上）と低域（２００Ｈｚ以下）の成分を減衰させた中域の振動データを抽出するバンドパスフィルタ（ＢＰＦ）処理（Ｓ４１１）を実行し、抽出されたデータに対し、所定の間引き率でデシメート処理（Ｓ４１２）を実行した後、絶対値処理（Ｓ４１３）、低域（１ｋＨｚ以下）の成分を抽出するローパスフィルタ処理（Ｓ４１４）を順次実行する。そして、抽出されたデータに対し更にデシメート処理（Ｓ４１５）を実行した後、ゼロ補間高速フーリエ変換（ＦＦＴ）処理（Ｓ４１６）を実行することにより、分解能１Ｈｚの周波数データを得る。この周波数データに対して平滑化微分によるピーク検出処理（Ｓ４１７）を実施し、回転速度と軸受内部諸元から得られる軸受欠陥の基本周波数（図４５参照）と４次までの比較を行なって一致、不一致を判定する（Ｓ４１８：軸受欠陥判定処理）。

車輪診断処理（Ｓ４２０）は、車輪５０１の回転に同期して衝撃が生じる現象から車輪５０１の異常を検出する処理である。車輪５０１の回転に同期して生じる衝撃の主な発生原因は、車輪５０１の転動面に生じたフラットと呼ばれる平坦部の存在である。車輪診断処理（Ｓ４２０）では、まず取り込んだ振動データから所定周波数（１ｋＨｚ）以下の成分を抽出するローパスフィルタ（ＬＰＦ）処理（Ｓ４２１）を実行し、抽出されたデータに対し、所定の間引き率でデシメート処理（Ｓ４２２）を実行した後、図４３で説明したように、１サンプリング区間（周期Ｔ１）よりも長い区間（周期Ｔ２）のデータを確保するために現在のサンプリング区間の１つ前のサンプリング区間の最後の１／３のデータを現在のサンプリング区間のデータの最初に継ぎ足すオーバーラップ処理（Ｓ４２３）を実行する。次に、このオーバーラップ処理（Ｓ４２３）を経たデータのうち閾値を超えたデータをピークホールド処理（Ｓ４２４）により絶対値化して一定時間（τ）だけ閾値を超えた値に保持する。この保持時間（τ）は、車輪５０１の回転速度によって決まり、車輪１回転分よりも短い値に選定される。この絶対値化して一定時間保持するピークホールド処理は、安定なピーク計測を可能とする。そして、パルスが閾値を越えた回数をカウントして（Ｓ４２５：閾値超え回数カウント処理）、カウント数が車輪５０１の回転数と一致するかどうか判定する（Ｓ４２６：車輪欠陥判定処理）。

軸受診断処理（Ｓ４１０）および車輪診断処理（Ｓ４２０）は、ステップＳ４０１で更新された４チャネル分の振動データに対して繰り返される。即ち、１回のデータ更新毎に軸受診断処理（Ｓ４１０）と車輪診断処理（Ｓ４２０）とがそれぞれ４回ずつ実施される。そして、各回の判定処理（Ｓ４１８、Ｓ４２６）による判定結果は診断処理部（ＭＰＵ）５５０Ｂ内に記憶保持される（Ｓ４０４）。診断処理部（ＭＰＵ）５５０Ｂは、最新の判定結果から遡って過去Ｎ回分の判定処理（Ｓ４１８、Ｓ４２６）の結果を記憶保持しており、そのＮ回分の判定結果から統計的に異常判定を行ない、その結果を出力する（Ｓ４０５）。

即ち、本形態例では、車軸軸受５３０、車輪５０１とも１回の欠陥周波数との一致、車輪回転数の一致があっただけでは異常と判定しない。周波数の一致は確率過程に基づくものであるので、複数回分の集計値から統計的に判断する必要があるからである。

統計的判断手法として一般的にはスペクトルの積算平均をあげることができるが、本形態例で用いている判断手法では、軸受であればスペクトルの一致度を整数値で表したデータを複数回例えば１６回分加算して、基準値に達していれば異常と判断し、そうでなければ異常とは判断しないが、鉄道車両の車軸軸受の異常診断には十分適用できる。軸受に小さな剥離が生じたとしても、潤滑やシール等が十分になされていれば一気に進行することはなく、鉄道車両の走行に影響を及ぼす危険性は小さく、鉄道車両の走行に影響を及ぼす程の異常の発生は通常温度ヒューズ等、別の手段が感知することになっているからである。

上記のように、本形態例の異常診断装置５５０は、車軸軸受５３０または車輪５０１の振動を振動センサ５１１で検出し、振動センサ５１１の出力信号をセンサ信号処理部５５０Ａでサンプリングし、その振動データを基に、診断処理部（ＭＰＵ）５５０Ｂが車軸軸受５３０および車輪５０１の異常診断を行なう。その際、診断処理部（ＭＰＵ）５５０Ｂは、センサ信号処理部５５０Ａからの振動データを連続して取り込みつつ一定周期毎の区間に分割し、１区間分の振動データを軸受診断用の振動データとして処理するとともに、１区間分の振動データの先頭にその１つ前の区間の最後の所定時間分のデータを継ぎ足したものを車輪診断用の振動データとして処理する。このように、軸受診断用の振動データと車輪診断用の振動データとに分けて処理することにより、異常振動が車輪５０１のフラットによるものか、車軸軸受５３０によるのかを特定して正確な診断を実施できる。

また、本形態例の異常診断装置では、各車台の４つの回転支持装置５１０に個々に取り付けられた４つの振動センサ５１１からの４チャネル分のセンサ信号を同時（ほぼ同時）に取り込みつつ、すべてのチャネルについてデータ取り込み時間内に診断データ処理が完了するリアルタイム処理を実施するので、データの取りこぼしがなく、極めて信頼性の高い異常診断を行なうことができる。

［第１５の形態例］
図４６は第１５の形態例（上述した第１４形態例の変形例）のブロック図である。この異常診断装置５５０は、診断処理部５５０Ｂとして、マルチプレクサ（ＭＵＸ）およびＡＤ変換器（ＡＤＣ）を備えたＭＰＵを用いている。即ち、ＭＰＵがセンサ信号処理部５５０Ａの一部の機能を兼ね備えている。この構成によれば、異常診断装置５５０内の回路を簡略化でき、ＤＭＡコントローラ（ＤＭＡＣ）５５７等、他のＭＰＵ内蔵回路との連携をソフトウエアによって簡単に実現できるので、第１４形態例の構成よりも効率の良いソフトウエア制御が可能となる。

［第１６の形態例］
図４７は第１６の形態例（上述した第１５形態例の変形例）のブロック図である。この異常診断装置５５０は、図４６の構成に加えて、記憶素子としてバックアップ電池（Ｂａｔｔ）５６１を有するスタティックランダムアクセスメモリー（ＳＲＡＭ）５６２を備えている。また、ＭＰＵ内蔵のカレンダ時計回路（ＲＴＣ）５６３を有効としたハード構成を採用することにより、異常時のデータを保存可能としている。

図４８は第１６形態例における診断処理部５５０Ｂの車輪・軸受診断データ処理の内容を示している。診断処理部５５０Ｂは、４チャネル分の振動データの更新（Ｓ４０１）がなされる度に、軸受診断処理（Ｓ５１０）と車輪診断処理（Ｓ５２０）とを実施する。そして、軸受診断処理（Ｓ５１０）により得られた軸受振動のエンベロープ波形のスペクトル強度が基準値以上か否かを判定（Ｓ５１１）し、基準値未満の場合は（Ｓ５１１でＦａｌｓｅ）、軸受診断処理（Ｓ５１０）の結果をＮ回分の集計のために記憶保持（Ｓ４０４）する。また、車輪診断処理（Ｓ５２０）により得られた、振動レベル閾値を超えたイベントのカウント数が車輪５０１の回転数と一致したか否かを判定（Ｓ５２１）し、一致しなかった場合は（Ｓ５２１でＦａｌｓｅ）、Ｎ回分の集計のために記憶保持（Ｓ４０４）する。

一方、スペクトル強度が基準値以上（Ｓ５１１でＴｒｕｅ）の場合は、軸受振動のエンベロープ波形のスペクトル強度をカレンダ時計回路（ＲＴＣ）５６３から読み取った日時情報とともにＳＲＡＭ５６２に保存する（Ｓ５３０）。また、振動レベル閾値を超えたイベントのカウント数が車輪５０１の回転数と一致した場合（Ｓ５２１でＴｒｕｅ）は、車輪診断における時間波形のデータをカレンダ時計回路（ＲＴＣ）５６３から読み取った日時情報とともにＳＲＡＭ５６２に保存する（Ｓ５３０）。保存データ量がＳＲＡＭ５６２の許容量に達したら、最も過去のデータを削除する（Ｓ５３１）。

この形態例によれば、異常判定結果を警報機に送信して警報処理を行なうとともに、スペクトルの内容等については、ＳＲＡＭ５６２に保存されているデータを読み出して保守用のコンピュータに送信することにより、車両の保守情報として利用できる。

［第１７の形態例］
図４９は第１７形態例（上述した第１６形態例の変形例）のブロック図である。この異常診断装置５５０は、マルチプレクサ（ＭＵＸ）５５２とＡＤ変換器（ＡＤＣ）５５３とをＭＰＵ内に２組ずつ備えることにより、１つのモジュールで８チャネルのセンサ信号によるリアルタイム診断を可能としている。このようなセンサ信号入力の多チャネル化は、ＭＰＵの計算能力が許すならば、ＡＤ変換器の数を増やすか、変換速度の速いＡＤ変換器とマルチプレクサを使用することで何チャネルでも可能である。尚、図４９の例では、カレンダ時計回路（ＲＴＣ）５６３をＭＰＵに内蔵せず、バックアップ電池（Ｂａｔｔ）付きのものをＭＰＵに外付けにしている。
［第１８の形態例］
図５０は第１８の形態例（上述した第１５形態例の変形例）のブロック図である。この異常診断装置５５０は、図４６で説明した異常診断装置の構成に１回転信号発生分周回路５６５を付加したものである。波形整形回路５５５の出力は、診断処理部（ＭＰＵ）５５０Ｂと１回転信号発生分周回路５６５とに入力される。１回転信号発生分周回路５６５は、波形整形回路５５５により整形された回転数比例正弦波を分周し、１回転に１パルスの回転同期信号を診断処理部（ＭＰＵ）５５０Ｂに与える。診断処理部（ＭＰＵ）５５０Ｂは、一定速度の区間でこの回転同期信号をトリガとしてデータのサンプリングを行ない、そのデータを加算平均処理して異常診断を行なう。車輪５０１が１回転する毎に発せられる回転同期信号をトリガとしてサンプリングしたデータを加算平均処理することにより、車輪５０１の回転に同期する信号以外の成分がキャンセルされ、車輪５０１の回転に同期した成分だけが残るので、衝撃レベルの閾値による判定によって車輪５０１のフラットの検出を精度良く行なうことができる。

［第１９の形態例］
図５１は第１９の形態例のブロック図である。この異常診断装置５５０は、センサ信号処理部５５０Ａと、診断処理部（ＭＰＵ）５５０Ｂとを有する。センサ信号処理部５５０Ａは、１つの増幅器（Ａｍｐ）５７１と１つの濾波器（ＬＰＦ）５７２とを備えている。そして、４つの振動センサ５１１の出力信号（アナログ信号）が１つの増幅器（Ａｍｐ）５７１に入力され、増幅された後、１つの濾波器（ＬＰＦ）５７２に入力されるようになっている。即ち、この形態例では、４つの振動センサ５１１からの４チャネルの出力信号を増幅・濾波するために増幅器（Ａｍｐ）５７１および濾波器（ＬＰＦ）５７２を用いている。そして、増幅器（Ａｍｐ）５７１および濾波器（ＬＰＦ）５７２で増幅且つ濾波されたアナログ信号が診断処理部（ＭＰＵ）５５０Ｂに取り込まれ、診断処理部（ＭＰＵ）５５０Ｂ内のＡＤ変換器（ＡＤＣ）５５３にてデジタル信号に変換されるようになっている。一方、回転速度センサからの回転速度パルス信号は、波形整形回路５５５によって整形された後、診断処理部（ＭＰＵ）５５０Ｂに取り込まれ、診断処理部（ＭＰＵ）５５０Ｂ内のタイマカウンタ（ＴＣＮＴ）５７３により単位時間当りのパルス数がカウントされ、その値が回転速度信号として処理されるようになっている。診断処理部（ＭＰＵ）５５０Ｂは、振動センサ５１１により検出された振動波形と回転速度センサにより検出された回転速度信号とをもとに異常診断を実行する。診断処理部（ＭＰＵ）５５０Ｂによる診断結果はラインドライバ（ＬＤ）５５６を介して通信回線５２０（図４０参照）に出力される。通信回線５２０は警報機に接続されており、車輪５０１のフラット等の異常発生時には然るべき警報動作がなされるようになっている。

振動センサ５１１の出力信号から検出できる異常は、車軸軸受５３０の剥離と車輪５０１のフラット（摩耗）である。どちらも１ｋＨｚ付近までの周波数帯域の振動信号として検知できる。そこで、この第１９形態例では、振動センサ５１１の出力信号を増幅・濾波するために、増幅器（Ａｍｐ）５７１および濾波器（ＬＰＦ）５７２を使用している。そして、濾波器（ＬＰＦ）５７２により濾波されＡＤ変換器（ＡＤＣ）５５３にてデジタル信号に変換されたデータをソフトウエア処理により車軸軸受診断用と車輪診断用とに分離して、両者の異常診断を行なう。

車軸軸受５３０に発生する異常の中で、静止輪の外輪軌道の剥離が最も起こりやすい。そこで、車軸軸受５３０については、静止輪の外輪軌道の剥離を検出対象とする。

車軸軸受５３０の剥離と車輪５０１のフラットとでは欠陥の周波数帯域が１０倍程度異なる。車輪５０１の回転速度（ｓｅｅ^−１）は、車輪フラットの基本周波数に等しい。診断すべき回転速度の範囲は４〜１０ｓｅｃ^−１（基本周波数：４〜１０Ｈｚ）である。これに対して車軸軸受５３０の静止輪の外輪軌道に欠陥がある場合、同じ回転速度の範囲（４〜４０ｓｅｃ^−１）でも、欠陥の基本周波数は３３〜８３Ｈｚである。どちらも４次までの高調波を検査する場合、車輪５０１については４〜４０Ｈｚ、車軸軸受５３０については３３〜３３０Ｈｚがそれぞれの必要とされるＤＦＴ（離散フーリエ変換）による周波数分析範囲である。車軸軸受５３０の診断の際の周波数分解能は１．０Ｈｚで十分である。しかし、車輪５０１の診断には１．０Ｈｚでは分解能が足りない上に、オフセットによるＦＦＴ低域におけるＤＣ成分の影響を受けやすい。

そこで、この第１９形態例では、ＡＤ変換器（ＡＤＣ）５５３にてデジタル信号に変換（サンプリング）したデータを、車軸外輪軌道はく離解析用（車軸軸受診断用）と車輪フラット解析用（車輪診断用）のサンプリング周波数の異なる２種類のデータに変換して処理する。

図５２は、第１９形態例における診断処理部（ＭＰＵ）５５０Ｂの動作フローを示している。診断処理部（ＭＰＵ）５５０Ｂは、４つの振動センサ５１１から出力され、増幅器（Ａｍｐ）５７１と濾波器（ＬＰＦ）５７２とを経て送られてくるセンサ信号を、ＡＤ変換器（ＡＤＣ）５５３にてサンプリングしデジタル信号に変換する（Ｓ６０１）。そして、ＡＤ変換器（ＡＤＣ）５５３の出力信号に対してソフトウエアにより実現されるＦＩＲローパスフィルタリングによりデシメーション処理（Ｓ６０２）を施す。この例では、ＡＤ変換器（ＡＤＣ）５５３におけるサンプリングを８ｋＨｚの周波数で３秒間単位で実施している。また、デシメーション処理（Ｓ６０２）では、サンプリング周波数ｆｓを２ｋＨｚに落とすために、デシメーション率Ｍを４としてデータ数を１／４に削減している。

診断処理部（ＭＰＵ）５５０Ｂは、デシメーション処理（Ｓ６０２）を経たデータを、車軸外輪軌道はく離解析用（以下、「軸受用」と記す。）と車輪フラット解析用（以下、「車輪用」と記す。）のサンプリング周波数の異なる２種類のデータに変換する（図５３（ａ）参照）。

軸受用のデータは、デシメーション処理（Ｓ６０２）を経たデータを４分割して０．７５秒ごとのデータ区間に分けることにより得られる（Ｓ６１１）。得られたデータに絶対値化処理（Ｓ６１２）およびＡＣ化処理（Ｓ６１３）を順次施する。そして更に、１区間あたりおよそ０．２５秒（ｓｅｃ）分の０を追加することにより約１秒分のデータ区間長とし（Ｓ６１４）、周波数分解能を約１．０ＨｚにしてＦＦＴを行なう（Ｓ６１５）。ＦＦＴの入力データ数は２０４８個である。ＦＦＴの前にはハニング（Ｈａｎｎｉｎｇ）窓処理を行なっておく。ＦＦＴ後は、車速と軸受諸元データから外輪欠陥周波数Ｚｆｃを求め、基本波から４次までのピーク検出を行なう（Ｓ６１６）。そして、外輪欠陥周波数Ｚｆｃと周波数ピークとの比較を行ない、両者の一致度を算出しておく（Ｓ６１７）。この処理を一定回数繰り返して得られた一致度合計点数に基づいて車軸軸受５３０の異常判定を行なう。

車輪用のデータは、デシメーション処理（Ｓ６０２）を経たサンプリング周波数ｆｓが２ｋＨｚのデータを、絶対値化処理（Ｓ６２１）後、濾波器（ＬＦＰ）によりデシメーション率Ｍを８としてデシメーション処理（Ｓ６２２）することによりサンプリング周波数ｆｓを２５０Ｈｚまで落とすことにより得られる。この時点でのデータ数は７５０個となるが、０詰め補間（Ｓ６２４）を行なって約４秒分のデータとすることで、周波数分解能を約０．２５ＨｚにしてＦＦＴを実施する（Ｓ６２５）。ＦＦＴの前にはハニング（Ｈａｎｎｉｎｇ）窓処理を行なっておく。ＦＦＴ後は、ピーク検出を行なう（Ｓ６２６）。そして、車輪フラットの基本周波数から４次までの高次成分と周波数ピークとの比較を行ない、両者の一致度を算出しておく（Ｓ６２７）。この処理を一定回数繰り返して得られた一致度合計点数に基づいて車輪５０１の異常判定を行なう。車輪フラットの基本周波数はタイマカウンタ（ＴＣＮＴ）５７３により回転速度パルス信号の単位時間当りのパルス数をカウントすることにより求められる。

上記のように、４つの振動センサ５１１の各々に対して、増幅器（Ａｍｐ）５７１および濾波器（ＬＰＦ）５７２を一組ずつ備え、マルチプレクサ（ＭＵＸ）５５２を介してＡＤ変換器（ＡＤＣ）５５３にてデジタル信号に変換（サンプリング）したデータを、軸受用と車輪用のサンプリング周波数の異なる２種類のデータに変換し、２系統に分けてＦＦＴを含む処理を行なうことにより、軸受と車輪の異常診断を高精度且つ高効率に行なうことができる。これに対し、一度のＦＦＴで周波数領域が大部分異なる軸受と車輪の両方の周波数範囲を調べた場合、計算コストに見合った精度（分解能）が実現できない（図５３（ｂ）参照）。

なお、上記の例では、デジタル処理の大部分をソフトウエアによって行なっているが、その一部またはすべてをＦＰＧＡ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）等のハードウエアで実現してもよい。

［第２０の形態例］
図５４は、第２０の形態例における診断処理部（ＭＰＵ）５５０Ｂの動作フローを示している。この例では、ＡＤ変換器（ＡＤＣ）５５３におけるサンプリングを１６ｋＨｚの周波数で３秒間単位で実施している（Ｓ７０１）。また、デシメーション処理（Ｓ７０２）では、サンプリング周波数ｆｓを４ｋＨｚに落とすため、デシメーション率Ｍを４としてデータ数を１／４に削減している。

診断処理部（ＭＰＵ）５５０Ｂは、デシメーション処理（Ｓ７０２）を経たデータを、軸受用と車輪用のサンプリング周波数の異なる２種類のデータに変換する（図５３（ａ）参照）。

軸受用のデータは、デシメーション処理（Ｓ７０２）を経たデータを３分割して１．０秒ごとのデータ区間に分けることにより得られる（Ｓ７１１）。得られたデータに絶対値化処理（Ｓ７１２）およびＡＣ化処理（Ｓ７１３）を順次施する。そして、０補間処理を完全に省略するか或いは僅かな端数のみ、例えば、４０００データに９６個の０を補間するような０補間処理を行ない、周波数分解能を約１．０ＨｚにしてＦＦＴを行なう（Ｓ７１４）。ＦＦＴの前にはハニング（Ｈａｎｎｉｎｇ）窓処理を行なっておく。ＦＦＴ後は、車速と軸受諸元データから外輪欠陥周波数Ｚｆｃを求め、基本波から４次までのピーク検出を行なう（Ｓ７１５）。そして、外輪欠陥周波数Ｚｆｃと周波数ピークとの比較を行ない、両者の一致度を算出しておく（Ｓ７１６）。この処理を一定回数繰り返して得られた一致度合計点数に基づいて車軸軸受５３０の異常判定を行なう。

車輪用のデータは、デシメーション処理（Ｓ７０２）を経たサンプリング周波数ｆｓが４ｋＨｚのデータを、絶対値化処理（Ｓ７２１）後、更に濾波器（ＬＦＰ）によりデシメーション処理（Ｓ７２２）することによりサンプリング周波数ｆｓを５００Ｈｚまで落とすことにより得られる。得られたデータにＡＣ化処理（Ｓ７２３）を順次施する。その後、０詰め補間（Ｓ７２４）を行なって約４秒分のデータとすることで、周波数分解能を約０．２５ＨｚにしてＦＦＴを実施する（Ｓ７２５）。ＦＦＴの前にはハニング（Ｈａｎｎｉｎｇ）窓処理を行なっておく。ＦＦＴ後、ピーク検出を行なう（Ｓ７２６）。そして、車輪フラットの基本周波数から４次までの高次成分と周波数ピークとの比較を行ない、両者の一致度を算出しておく（Ｓ７２７）。この処理を一定回数繰り返して得られた一致度合計点数に基づいて車輪５０１の異常判定を行なう。

この第２０形態例のように、軸受用のデータ処理において、０補間処理を完全に省略するか或いは僅かな端数のみ補間するような０補間処理を行なうことにより、ＦＦＴ処理の回数を減らすことができる。即ち、第１９形態例との比較では、同時間に実行するＦＦＴ処理の回数が４回から３回に減っている。ただし、第１９形態例のように０補間処理を行なってＦＦＴ区間を短い時間に区切った方がレール雑音などを回避できるＦＦＴ区間を増やすことができる。

［第２１形態例］
図５５（ａ）、図５５（ｂ）は第２１の形態例における診断処理部（ＭＰＵ）５５０Ｂの部分ブロック図である。図５５（ａ）では、図５１のハードウエア構成において、診断処理部（ＭＰＵ）５５０Ｂ内のＡＤ変換器（ＡＤＣ）５５３の前段（入力側）に絶対値回路（ＡＢＳ）５８１を設け、更にその後段にローパスフィルタ（ＬＰＦ）５８２を設けている。図５５（ｂ）では、図５１のハードウエア構成において、診断処理部（ＭＰＵ）５５０Ｂ内のＡＤ変換器（ＡＤＣ）５５３の前段（入力側）にエンベロープ回路（ＥＮＶ）５９１を設け、更にその前段にハイパスフィルタ（ＨＰＦ）５９２を設けている。

図５６は、第２１形態例における診断処理部（ＭＰＵ）５５０Ｂの動作フローを示している。診断処理部（ＭＰＵ）５５０Ｂは、４つの振動センサ５１１から出力され、増幅器（Ａｍｐ）５７１と濾波器（ＬＰＦ）５７２とを経て送られてくるセンサ信号を、ＡＤ変換器（ＡＤＣ）５５３にてサンプリングしデジタル信号に変換する（Ｓ８０１）。この例では、ＡＤ変換器（ＡＤＣ）５５３におけるサンプリングを２ｋＨｚの周波数で３秒間単位で実施している。軸受用のデータは、ローパスフィルタ５８２を経てＡＤ変換されたデータを４分割して０．７５秒ごとのデータ区間に分けることにより得られる（Ｓ８１１）。得られたデータにＡＣ化処理（Ｓ８１２）を施す。そして更に、１区間あたりおよそ０．２５秒（ｓｅｃ）分の０を追加することにより約１秒分のデータ区間長とし（Ｓ８１３：０詰め補間）、周波数分解能を約１．０ＨｚにしてＦＦＴを行なう（Ｓ８１４）。ＦＦＴの前にはハニング（Ｈａｎｎｉｎｇ）窓処理を行なっておく。ＦＦＴ後は、車速と軸受諸元データから外輪欠陥周波数Ｚｆｃを求め、基本波から４次までのピーク検出を行なう（Ｓ８１５）。そして、外輪欠陥周波数Ｚｆｃと周波数ピークとの比較を行ない、両者の一致度を算出しておく（Ｓ８１６）。この処理を一定回数繰り返して得られた一致度合計点数に基づいて車軸軸受５３０の異常判定を行なう。

車輪用のデータは、振動センサ１１１から出力されるセンサ信号を絶対値回路５８１により絶対値化処理を施し、２ｋＨｚでサンプリングした後、デシメーション率Ｍを８としてデシメーション処理（Ｓ８２１）することによりサンプリング周波数ｆｓを２５０Ｈｚまで落とすことにより得られる。得られたデータにＡＣ化処理（Ｓ８２２）を施す。そして更に、０詰め補間（Ｓ８２３）を行なって約４秒分のデータとすることで、周波数分解能を約０．２５ＨｚにしてＦＦＴを実施する（Ｓ８２４）。ＦＦＴの前にはハニング（Ｈａｎｎｉｎｇ）窓処理を行なっておく。ＦＦＴ後は、基本波から４次までの高次成分のピーク検出を行なう（Ｓ８２５）。そして、車輪フラットの基本周波数から４次までの高次成分と周波数ピークとの比較を行ない、両者の一致度を算出しておく（Ｓ８２６）。この処理を一定回数繰り返して得られた一致度合計点数に基づいて車輪５０１の異常判定を行なう。

この第２１形態例では、図５２においてソフトウエアにより実施されていたデシメーション処理（Ｓ６０２）と絶対値化処理（Ｓ６１２）とを高速処理が可能なハードウエアで実施することにより、ソフトウエアによる信号処理を簡略化している。ＡＤ変換器（ＡＤＣ）５５３におけるサンプリング周波数ｆｓを図５２の場合の８ｋＨｚからその１／４の２ｋＨｚに下げても、高精度且つ高効率の異常判定を可能としている。

［第２２の形態例］
まず、図４０、４１、４５、５１、５７，５８を参照して、第２２の形態例の異常診断装置について説明する。

図４０に示すように、一両の鉄道車両５００は前後２つの車台によって支持され、各車台には４個の車輪５０１が取り付けられている。各車輪５０１の回転支持装置（軸受箱）５１０には、運転中に回転支持装置５１０から発生する振動を検出する振動センサ５１１が取り付けられている。

鉄道車両５００の制御盤５１５には、４チャネル分のセンサ信号を同時（ほぼ同時）に取り込んで診断処理を実施する異常診断装置５５０が２つ搭載されている。即ち、各車台に設けられている４つの振動センサ５１１の出力信号が各々信号線５１６を介して車台毎に別の異常診断装置５５０に入力される。また、異常診断装置５５０には、車輪５０１の回転速度を検出する回転速度センサ（図示省略）からの回転速度パルス信号も入力される。

図４１に示すように、回転支持装置５１０には、１例として回転部品である車軸軸受５３０が設けられており、車軸軸受５３０は、回転軸（不図示）に外嵌される回転輪である内輪５３１と、ハウジング（不図示）に内嵌される固定輪である外輪５３２と、内輪５３１および外輪５３２との間に配置された複数の転動体である玉５３３と、玉５３３を転動自在に保持する保持器（不図示）とを備える。振動センサ５１１は、重力方向の振動加速度を検出し得る姿勢に保持されてハウジングの外輪５３２近傍に固定されている。振動センサ５１１には、加速度センサ、ＡＥ（ａｃｏｕｓｔｉｃ ｅｍｉｓｓｉｏｎ）センサ、超音波センサ、ショックパルスセンサ等、種々のものを使用することができる。

図５１に示すように、異常診断装置５５０は、センサ信号処理部５５０Ａと、診断処理部（ＭＰＵ：Ｍｉｃｒｏ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）５５０Ｂとを有する。センサ信号処理部５５０Ａは、１つの振動センサ５１１のために１つの増幅器（Ａｍｐ）５７１と１つの濾波器（ＬＰＦ）５７２とを備えている｛即ち、４つの増幅器（Ａｍｐ）５７１と４つの濾波器（ＬＰＦ）５７２とを備えている｝。そして、４つの振動センサ５１１の出力信号（アナログ信号）が、対応する増幅器（Ａｍｐ）５７１にそれぞれ入力され、増幅された後、対応する濾波器（ＬＰＦ）５７２にそれぞれ入力されるようになっている。増幅器（Ａｍｐ）５７１および濾波器（ＬＰＦ）５７２で増幅且つ濾波されたアナログ信号が診断処理部（ＭＰＵ）５５０Ｂに取り込まれ、マルチプレクサ（ＭＵＸ）５５２を介して診断処理部（ＭＰＵ）５５０Ｂ内のＡＤ変換器（ＡＤＣ）５５３にてデジタル信号に変換されるようになっている。一方、回転速度センサからの回転速度パルス信号は、波形整形回路５１１によって整形された後、診断処理部（ＭＰＵ）５５０Ｂに取り込まれ、診断処理部（ＭＰＵ）５５０Ｂ内のタイマカウンタ（ＴＣＮＴ）５７３により単位時間当りのパルス数がカウントされ、その値が回転速度信号として処理されるようになっている。診断処理部（ＭＰＵ）５５０Ｂは、振動センサ５１１により検出された振動波形と回転速度センサにより検出された回転速度信号とをもとに異常診断を実行する。診断処理部（ＭＰＵ）５５０Ｂによる診断結果はラインドライバ（ＬＤ）５５６を介して通信回線５２０（図４０も参照。）に出力される。通信回線５２０は警報機に接続されており、異常発生時には然るべき警報動作がなされるようになっている。

振動センサ５１１の出力信号から検出できる異常は、車軸軸受５３０の剥離と車輪５０１のフラット（摩耗）であるが、ここでは、車軸軸受５３０の診断について説明する。車軸軸受５３０に発生する異常の中で、静止輪の外輪軌道の剥離が最も起こりやすいので、車軸軸受５３０の静止輪の外輪軌道の剥離を検出対象とする。

この形態例では、振動センサ５１１の出力信号を増幅・濾波するために、増幅器（Ａｍｐ）５７１および濾波器（ＬＰＦ）５７２を使用している。そして、濾波器（ＬＰＦ）５７２により濾波されＡＤ変換器（ＡＤＣ）５５３にてデジタル信号に変換されたデータをソフトウェアにより実現される演算機能により処理し各振動センサ５１１の出力信号に基づく異常診断を行なう。

振動センサ５１１の出力信号は、増幅器（Ａｍｐ）５７１および濾波器（ＬＰＦ）５７２を通して診断処理部（ＭＰＵ）５５０Ｂ内のＡＤ変換器（ＡＤＣ）５５３に入力される。この形態例におけるＡＤ変換器（ＡＤＣ）５５３の分解能は８ビットである。診断処理部（ＭＰＵ）５５０Ｂは振動データを８ビットの値として読み込む。また、ＡＤ変換器（ＡＤＣ）５５３のサンプリング周波数は一定とし且つＣＰＵ５５８の負荷を抑えるために、コンペアマッチタイマ（ＣＭＴ）５５４とダイレクト・メモリアクセス・コントローラ（ＤＭＡＣ）５５７を使用する。サンプリング周波数は８ｋＨｚである。濾波器（ＬＰＦ）５７２はアンチエリアシング・フィルタとしても機能し、１ｋＨｚ以上の帯域成分を減少させる。

ＡＤ変換器（ＡＤＣ）５５３の入力レンジは０〜３．３Ｖである。振動センサ５１１、増幅器（Ａｍｐ）５７１および濾波器（ＬＰＦ）５７２は、ＡＤ変換器（ＡＤＣ）５５３の入力レンジに振動波形が適合し、振動波形の中心の電圧が１．６５Ｖになるように設計されている。

図５７は、診断処理部（ＭＰＵ）５５０Ｂの動作フローを示している。診断処理部（ＭＰＵ）５５０Ｂは、４つの振動センサ５１１から出力され、増幅器（Ａｍｐ）５７１と濾波器（ＬＰＦ）５７２とを経て送られてくるセンサ信号それぞれを、マルチプレクサ（ＭＵＸ）５５２を介してチャネルを切り替えながらサンプリングすることで多チャネルをほぼ同時にＡＤ変換器（ＡＤＣ）５５３にてサンプリングしデジタル信号（符号なし８ビットデータ）に変換する（ステップＳ９０１）。

そして、ＡＤ変換器（ＡＤＣ）５５３から出力された符号なし８ビットデータを、まず符号付の１６ビットデータに変換する（ステップＳ９０２）。具体的には、図５８（ａ）に示すように、振動波形の中心電圧である１．６５Ｖが０Ｖになるように８ビットデータを符号化し直した後、その下位に８ビットを付け足すことにより１６ビットの値に変換する。

次に、固定小数点デジタルフィルタ処理（ステップＳ９０３）を施し、エンベロープ（絶対値化）処理（ステップＳ９０４）を施した後、１６ビット固定小数点ＦＦＴ処理（ステップＳ９０５）を実施する。そして、ＦＦＴ処理（ステップＳ９０５）の結果から周波数のピークを求める（ステップＳ９０６）。また、車軸回転速度と軸受諸元（図４５参照。）から軸受欠陥周波数を算出する（ステップＳ９０７）。そして、周波数のピークと軸受欠陥周波数との一致度を点数化し（ステップＳ９０８）、一定回数の累積値（累積点数）から異常（ＮＧ）を判断する（ステップＳ９０９）。

１６ビット固定小数点デジタルフィルタ処理（ステップＳ９０３）から１６ビット固定小数点ＦＦＴ処理（ステップＳ９０５）までの固定小数点演算では、１６ビットのうち下位１５ビットを小数点以下の表現に使用する。デジタルフィルタの係数は、実数で表現すると−１．０以上１．０未満であるが、この固定小数点数表現を用いると、コンピュータの中では−２^１５以上２^１５−１以下となる。８ビットのままであれば、符号付の場合、−２^７以上２^７−１以下である。フィルタ処理は波形の振幅を小さくするので、８ビット幅のままのデータでは、更に振幅の小さなデータになり、周波数ピーク検出の精度に支障をきたす。そこで、ＡＤ変換の振幅範囲を実数で−１．０以上１．０未満とし、ＣＰＵ５５８のデータ幅に合わせる。符号付の８ビットデータを符号付の１６ビットデータに変換するには、符号付の８ビットデータの最上位ビットと小数点以下７ビットをそのままにして上位８ビットとし、下位８ビットをすべて０とすればよい。要するに、−１２８〜１２７の範囲の整数を２５６倍拡大して、−３２７６８〜３２７６７の範囲の整数に変換して演算を進める。これに対し、図５８（ｂ）に示すように、１６ビットに拡張しても単に符号拡張するだけで、拡大しなければ効果がない。

ＦＦＴ処理（ステップＳ９０５）は１６ビットデータの固定小数点演算により行なった。その理由は、使用するＣＰＵ５５８が３２ビットＣＰＵであるため、１６ｂｉｔ×１６ｂｉｔの乗算が桁あふれしないようにし、また、浮動小数点数演算装置（ＦＰＵ）を備えていないので浮動小数点も使用しない方が計算速度の点から望ましいからである。

また、ＦＦＴ処理（ステップＳ９０５）では、スケーリング処理を行なっている。つまり、演算点数を２のＮ乗個としてＦＦＴを行なった場合、Ｎ段のバタフライ演算を行なうことになるが、このときオーバーフローを防ぐためにデータを縮小する。

このように固定小数点の演算では、ビット幅の制限があるためダイナミックレンジが小さくなりやすい。更に、入力データが半分の８ビットであれば、計算誤差の中に異常信号が埋もれてしまい、振動のピークの検出がうまくいかなくなる確率が非常に高くなる。そこで、本形態例では８ビットのデータをあらかじめ１６ビットに拡大して演算することにより、検出されるべきピークが消失するのを防いでいる。

この異常診断処理では、周波数分析とそのピーク検出が重要であり、元波形を忠実にサンプリングし復元することは要求されないので、当初のＡＤ変換データが８ビットと少なくても演算時に上記のように拡大することで周波数の特徴は十分捉えることができる。

その一検証例として、鉄道車両用の円錐ころ軸受のはく離検出を試みた結果を、比較例とともに表６に示す。

異常振動１は、軸受の外輪軌道面がはく離した軸受が２４０ｒｐｍで回転しているときの振動信号である。異常振動２は、軸受の外輪軌道面に放電加工による人工欠陥が形成された軸受が３６０ｒｐｍで回転しているときの振動信号である。異常振動３は、軸受の外輪軌道面に放電加工による人工欠陥が形成された軸受が９９０ｒｐｍで回転しているときの振動信号である。

いずれの異常振動の場合も、１６ビットＡＤ変換機から得られる１６ビット整数値をそのまま演算に用いた場合は異常の検出に成功した。一方、８ビットＡＤ変換器から得られた８ビット整数値のまま符号拡張のみ行なって演算した場合は異常を検出することができなかった。これに対し、ＡＤ変換機から得られた８ビット整数値を符号化後１６ビットに拡張することにより実質的にレンジを２５６倍に拡大して演算を行なった場合は異常の検出に成功した。

上記のように、振動センサ５１１からのアナログ信号をデジタル信号に変換するＡＤ変換器（ＡＤＣ）５５３からの出力信号をＡＤ変換器（ＡＤＣ）５５３の分解能（この例では８ビット）よりもデータ幅を拡張（この例では１６ビットに拡張）してフーリエ変換処理し、その結果に基づいて異常診断を行なうことにより、低分解能のＡＤ変換器を使用して回路の低コスト化および省スペース化を図り、且つ精度低下を招くことなく異常診断を行なうことができる。

［第２３の形態例］
図５９は本発明に係る異常診断装置の第２３の形態例の要部ブロック図である。この形態例はＡＤ変換器を備えていないマイコンシステム（マイクロコンピュータ・システム）を使用した例を示しており、振動センサ５１１からのアナログ信号（波形信号）は増幅器（Ａｍｐ）５７１で増幅され、濾波器（ＬＰＦ）５７２を通った直後にコンパレータ６７３を介して診断処理部（ＭＰＵ）６５０Ｂのポート（Ｐｏｒｔ）に入力される。即ち、この形態例では、診断処理部（ＭＰＵ）６５０ＢがＡＤ変換器５５３を持たない代わりに、センサ信号処理部５５０Ａにコンパレータ６７３が設けられている。その他の構成は第２２の形態例と同じである。

コンパレータ６７３には、雑音の影響を排除するためにヒステリシスコンパレータが使用される。コンパレータ６７３は、振動センサ５１１からのアナログ信号（図６０（ａ）上部の波形参照。）の電圧と一定の参照電圧ｒｅｆとを比較して、当該アナログ信号の電圧が参照電圧ｒｅｆよりも高か低かを示す１ビットの信号（図６０（ａ）下部の波形参照。）を出力する。参照電圧ｒｅｆは、例えば振動波形の中心電圧（１．６５Ｖ）とする。コンパレータ６７３のサンプリング周波数は３２ｋＨｚとしている。また、診断処理部（ＭＰＵ）６５０Ｂのポート（Ｐｏｒｔ）に入力されたコンパレータ６７３からの上記１ビット（２値）の信号は、診断処理部（ＭＰＵ）６５０Ｂ内でデジタルフィルタ処理され、図６０（ｂ）に示される波形の信号となる。

図６１は、第２３の形態例における診断処理部（ＭＰＵ）６５０Ｂの動作フローを示している。診断処理部（ＭＰＵ）６５０Ｂは、コンパレータ６７３から信号を受け取る（ステップＳ９１０）。診断処理部（ＭＰＵ）６５０Ｂのポートの値は０と１しかとらないが、これはＡＤ変換における符号ビットに相当するので、単純に正負、即ち、０が−１を表し、１が１を表していると考え、符号付１６ビットデータに変換する（ステップＳ９２０）。符号付１６ビット整数で−３２７６８と３２７６７の２値から演算を始める。

次に、ＦＩＲデジタルフィルタ処理（ステップＳ９３０）を施し、エンベロープ（絶対値化）処理（ステップＳ９４０）を施した後、１６ビット固定小数点ＦＦＴ処理（ステップＳ９５０）を実施する。そして、ＦＦＴ処理（ステップＳ９５０）の結果から周波数のピークを求める（ステップＳ９６０）。また、車軸回転速度と軸受諸元（図４５参照。）から軸受欠陥周波数を算出する（ステップＳ９７０）。そして、周波数のピークと軸受欠陥周波数との一致度を数値化し（ステップＳ９８０）、一定回数の累積値から異常（ＮＧ）を判断する（ステップＳ９９０）。

車軸軸受５３０の欠陥周波数としては１ｋＨｚ以下を対象としているが、軸受部材やセンサケース等から発生する振動には１ｋＨｚよりも高い周波数の振動が多く含まれている。振動センサ５１１により検出される振動の伝播は、これらの部材の振動によって行なわれ、欠陥による低周波の振動周波数はそれら高い周波数の振動（搬送波）を変調すると考えることができる。そこで、この形態例では、コンパレータ６７３のサンプリング周波数を３２ｋＨｚと高く設定している。サンプリング周波数を高くすることで、２値のデータでも低い欠陥周波数を回復することができる。その原理はＰＷＭ｛Ｐｕｌｓｅ Ｗｉｄｔｈ Ｍｏｄｕｌａｔｉｏｎ（パルス幅変調）｝の原理と同じである。ＦＩＲローパスフィルタ処理（ステップＳ９３０）は、上記搬送波の成分を除き、欠陥周波数の範囲に波形信号を挟帯域化するために実施される。

このように、ＡＤ変換器を使用せず、より低コストのコンパレータ６７３を使用した場合でも、コンパレータ６７３から出力される２値データを１６ビット幅のデータに拡張して演算処理することで、異常信号のピークを検出するのに十分なＦＦＴ処理による周波数分析を行なうことができる。

［第２４の形態例］
図６２は本発明に係る異常診断装置の第２４の形態例の要部ブロック図である。第２３の形態例と同様、診断処理部（ＭＰＵ）６５０ＢがＡＤ変換器５５３を持たない代わりに、センサ信号処理部５５０Ａにコンパレータ６７３が設けられている。第２３の形態例では参照電圧ｒｅｆを一定としたが、このの形態例では、振動センサ５１１からのアナログ信号よりも高い周波数の正弦波を参照電圧ｒｅｆとして用いている。コンパレータ６７３は、参照電圧ｒｅｆよりも高い周波数で振動センサ５１１からのアナログ信号をサンプリングしてデジタル化（２値化）する。

診断処理部（ＭＰＵ）６５０Ｂは、コンパレータ６７３からの２値信号をデジタル的にローパスフィルタ処理することで、多ビットのＡＤ変換器の機能をソフトウェア的に実現する。上述の第２３形態例は、軸受はく離の特徴周波数のオーダーは高々１ｋＨｚであるが、軸受５３０の軌道輪、転動体あるいは振動センサ５１１の固有振動による高周波成分が振動波形には重畳されており、診断処理部（ＭＰＵ）６５０Ｂのソフトウェアによりローパスフィルタ処理を施しているので、全体的に見れば、この第２４の形態例と同等の処理がなされていることになる。ただし、第２３形態例の方が、正弦波発生回路が不要である点においてコスト面で有利であるといえる。

尚、上記形態例では、車軸軸受５３０の異常診断を行なう場合について説明したが、本発明の異常診断装置は、車輪その他の機械装置の異常診断にも有効に適用可能である。

本発明によれば、異常信号や異常予兆信号と雑音信号とのＳ／Ｎ比が小さい条件下においても、雑音信号を異常あるいは異常予兆信号と誤検出することなく、高精度に異常診断を実施できる。

本発明の異常診断システムによれば、機械設備内の軸受または軸受関連部材の異常診断を高精度に且つ高効率に実施することができる。

本発明によれば、診断対象から検出された信号を、任意の周波数分解能でＦＦＴして高精度に異常診断を実施できる。

本発明の異常診断装置によれば、車両一台あたりに振動センサを１つ設けるのみで、その１つの振動センサからの波形信号を基に、その車両における軸受の剥離、車輪のフラット、等の異常を検出することができるので、異常診断システムを低コストで構築できる。

本発明の異常診断装置によれば、低分解能のＡＤ変換器や単なる比較器を使用して回路の低コスト化および省スペース化を図り、且つ精度低下を招くことなく異常診断を行なうことができる。

Claims (31)

1. 機械設備から発生する音または振動を検出し、その検出信号を分析することにより、機械設備内の軸受または軸受関連部材の異常を診断する異常診断システムであって、
   前記検出信号のエンベロープを求めるエンベロープ処理部と、
   当該エンベロープ処理部により得られたエンベロープを周波数スペクトルに変換するＦＦＴ部と、
   当該ＦＦＴ部により得られた周波数スペクトルを移動平均化処理することにより平滑化してそのピークを検出するピーク検出部と、
   前記ピーク検出部によって検出された周波数スペクトルのピークに基づいて異常を診断する診断部と、
   を備えたことを特徴とする機械設備の異常診断システム。
2. 前記ピーク検出部は、前記ＦＦＴ部により得られた周波数スペクトルに対して平滑化微分処理を実施し、得られた微分値の符号が変化する周波数ポイントを周波数スペクトルのピークとして抽出する平滑化微分ピーク抽出部を備えていることを特徴とする請求項１に記載の機械設備の異常診断システム。
3. 前記移動平均化処理における重み係数が左右対称であることを特徴とする請求項１または２に記載の機械設備の異常診断システム。
4. 前記ピーク検出部は、前記平滑化微分ピーク抽出部により抽出されたピークのうち、閾値以上のものを選別する第１の選別部を備えていることを特徴とする請求項２または３に記載の機械設備の異常診断システム。
5. 前記ピーク検出部は、前記第１の選別部により選別されたピークのうち、振幅レベルが大きい方から所定の個数までのピークを選別する第２の選別部を備えていることを特徴とする請求項４に記載の機械設備の異常診断システム。
6. 前記診断部は、前記ピーク検出部によって検出されたピークのうち振動の主成分に対応するピークあるいは振動の主成分および高次成分に対応するピークと診断対象の異常を示す周波数との一致度を求め、その一致度の複数回分の累計結果を評価することにより異常を診断することを特徴とする請求項１〜５のいずれか一つに記載の機械設備の異常診断システム。
7. 機械設備から発生する音または振動を検出し、検出した信号を分析することにより、その機械設備内の軸受または軸受関連部材の異常を診断する異常診断システムであって、
   前記検出した信号から診断に必要な周波数帯域の信号を取り出すフィルタ処理部と、
   当該フィルタ処理部により取り出された信号のエンベロープ信号を求めるエンベロープ処理部と、
   当該エンベロープ処理部により得られたエンベロープ信号を間引き処理するデシメーション処理部と、
   当該デシメーション処理部により間引き処理した後のエンベロープ信号を周波数解析するＦＦＴ演算部と、
   当該ＦＦＴ演算部による解析結果に基づいて異常を診断する診断部と、
   を備えた機械設備の異常診断システム。
8. 機械設備から発生する音または振動を検出し、検出した信号を分析することにより、その機械設備内の軸受または軸受関連部材の異常を診断する異常診断システムであって、
   前記検出した信号を予め必要とされるサンプリング周波数よりも高いサンプリング周波数でサンプリングするサンプリング処理部と、
   当該サンプリング処理部によりサンプリングされた信号から診断に必要な周波数帯域の信号を取り出すフィルタ処理部と、
   当該フィルタ処理部により取り出された信号を間引き処理するデシメーション処理部と、
   当該デシメーション処理部により間引き処理された信号のエンベロープ信号を求めるエンベロープ処理部と、
   当該エンベロープ処理部により得られたエンベロープ信号を周波数解析するＦＦＴ演算部と、
   当該ＦＦＴ演算部による解析結果に基づいて異常を診断する診断部と、
   を備えた機械設備の異常診断システム。
9. 前記エンベロープ信号の周波数帯域を低帯域化するデジタルフィルタ処理部を更に備えた請求項７または８記載の機械設備の異常診断システム。
10. 前記ＦＦＴ演算部をＤＳＰで実現するとともに、前記ＦＦＴ演算部に入力するデータ数を当該ＤＳＰ内のメモリに収容可能なデータ数としたことを特徴とする請求項７〜９のいずれかに記載の機械設備の異常診断システム。
11. 機械設備から発生する音または振動を検出し、その信号を分析することにより、機械設備内の軸受または軸受関連部材の異常を診断する異常診断システムであって、
    前記信号をデジタル信号に変換するＡ／Ｄ変換部と、
    当該Ａ／Ｄ変換部により変換されたデジタル信号から診断に必要な周波数帯域の信号を取り出すデジタルフィルタ処理部と、
    当該デジタルフィルタ処理部により取り出された信号のエンベロープを求めるエンベロープ処理部と、
    当該エンベロープ処理部により求められたエンベロープを任意の周波数分解能で高速フーリエ変換するべくゼロ詰め補間する補間処理部と、
    当該補間処理部によりゼロ詰め補間された信号を高速フーリエ変換するＦＦＴ部と、
    当該ＦＦＴ部により得られた周波数スペクトルに基づいて異常を診断する診断部と、
    を備えたことを特徴とする機械設備の異常診断システム。
12. 前記補間処理部が、前記ＦＦＴ部におけるサンプリング周波数が２のＮ乗ヘルツまたは２のＮ乗の倍数ヘルツになるようにゼロ詰め補間することを特徴とする請求項１１に記載した機械設備の異常診断システム。
13. 前記ＦＦＴ部により得られた周波数スペクトルのピークを検出するピーク検出部を更に
    備え、
    前記診断部が、前記ピーク検出部によって検出されたピークのうち振動の主成分に対応するピークあるいは振動の主成分および高次成分に対応するピークと診断対象の異常を示す周波数との一致度を求め、その一致度の複数回分の累計結果を評価することにより異常を診断することを特徴とする請求項１１または請求項１２に記載した機械設備の異常診断システム。
14. 車両の走行中に異常を診断する異常診断装置であって、
    車両の振動を検出する振動センサと、
    前記振動センサが出力する波形信号に基づいて、波高率、衝撃指数、波形率、および尖
    り度のうちいずれか１つの無次元パラメータ値を求めるパラメータ値検出回路と、
    前記パラメータ値検出回路から出力された無次元パラメータ値が一定の基準を超えたこ
    とを示す第１の電圧の信号または前記無次元パラメータ値が一定の基準以下であることを
    示す第２の電圧の信号を出力する比較回路と、
    を備え、
    前記比較回路の出力に基づいて異常を検出するように構成したことを特徴とする異常診
    断装置。
15. 車両の走行中に異常を診断する異常診断装置であって、
    車両の振動を検出する振動センサと、
    前記振動センサが出力する波形信号に基づいて、ＲＭＳ（２乗平均の平方根）および絶
    対値平均のいずれか一方のパラメータ値を求める演算回路と、
    前記波形信号のピーク値を求めるピーク検出回路と、
    前記パラメータ値の一定倍の値と前記ピーク検出回路から出力されたピーク値とを比較
    し、その比較結果に応じて、前記ピーク値と前記パラメータ値との比として求まる無次元
    パラメータ値が一定の基準を超えたことを示す第１の電圧の信号または前記無次元パラメ
    ータ値が一定の基準以下であることを示す第２の電圧の信号を出力する比較回路と、
    を備え、
    前記比較回路の出力に基づいて異常を検出するように構成したことを特徴とする異常診
    断装置。
16. 前記ピーク検出回路から出力されたピーク値と予め設定した参照値とを比較するピーク
    −参照値比較回路を更に備え、
    前記ピーク−参照値比較回路による比較の結果、前記ピーク値が前記参照値よりも大き
    い場合には、前記比較回路の出力を無効にするように構成したことを特徴とする請求項１５
    に記載の異常診断装置。
17. 前記第１の電圧の信号のデューティ比に基づいて異常を検出するように構成したことを
    特徴とする請求項１５〜請求項１６のいずれか一項に記載の異常診断装置。
18. 前記振動センサの出力信号のうち所定の帯域の信号のみ前記パラメータ値検出回路およ
    び前記ピーク検出回路に入力するためのフィルタ回路を更に備えたことを特徴とする請求
    項１５〜請求項１７のいずれか一項に記載の異常診断装置。
19. 前記車両は鉄道車両であることを特徴とする請求項１４〜請求項１８のいずれか一項に記載
    の異常診断装置。
20. 振動特性の異なる複数の部品を有する機械装置の異常診断装置であって、
    前記機械装置の振動を検出する振動センサの出力信号をサンプリングするセンサ信号処理部と、
    前記センサ信号処理部によりサンプリングした振動データを基に異常診断を行なう診断処理部と、
    を備え、
    前記診断処理部が、
    前記センサ信号処理手段からの振動データを連続して取り込みつつ一定周期毎の区間に分割し、１区間分の振動データを第１の振動特性の部品診断用の振動データとして処理するとともに、１区間分の振動データの先頭にその１つ前の区間の最後の所定時間分のデータを継ぎ足したものを第２の振動特性の部品診断用の振動データとして処理することを特徴とする異常診断装置。
21. 鉄道車両の車軸軸受および車輪の異常診断装置であって、
    車軸軸受および車輪の振動を検出する振動センサの出力信号をサンプリングするセンサ信号処理部と、
    前記センサ信号処理部によりサンプリングした振動データを基に車軸軸受および車輪の異常診断を行なう診断処理部と、
    を備え、
    前記診断処理部が、
    前記センサ信号処理手段からの振動データを連続して取り込みつつ一定周期毎の区間に分割し、１区間分の振動データを軸受診断用の振動データとして処理するとともに、１区間分の振動データの先頭にその１つ前の区間の最後の所定時間分のデータを継ぎ足したものを車輪診断用の振動データとして処理することを特徴とする異常診断装置。
22. 前記診断処理部が、車軸軸受の回転速度と振動のエンベロープ波形を処理して得られる周波数ピークとに基づいて車軸軸受の異常を検出し、車輪の回転に同期して生じる振動のレベルが閾値を超える頻度に基づいて車輪の異常を検出し、それぞれの異常の検出結果に基づいて異常診断を行なうことを特徴とする請求項２１記載の異常診断装置。
23. 前記信号処理手段が、
    複数の振動センサの出力信号を１チャネルずつ切換えてサンプリングすることを特徴とする請求項２１〜２２のいずれか一項記載の異常診断装置。
24. 振動センサの出力信号を車輪の回転に同期してサンプリングし加算平均処理して得られる振動データを基に車軸軸受および車輪の異常診断を行なうように構成したことを特徴とする請求項２２または２３記載の異常診断装置。
25. 振動特性の異なる複数の部品を有する機械装置の異常診断装置であって、
    前記機械装置の振動を検出する振動センサの出力信号をサンプリングするセンサ信号処理部と、
    前記センサ信号処理部によりサンプリングした振動データを基に異常診断を行なう診断処理部と、
    を備え、
    前記診断処理部が、
    前記センサ信号処理手段からの振動データを連続して取り込みつつそれを第１の振動特性の部品診断用と第２の振動特性の部品診断用のサンプリング周波数またはサンプリング長の異なる２種類のデータに変換して処理することを特徴とする異常診断装置。
26. 鉄道車両の車軸軸受および車輪の異常診断装置であって、
    前記機械装置の振動を検出する振動センサの出力信号をサンプリングするセンサ信号処理部と、
    前記センサ信号処理部によりサンプリングした振動データを基に異常診断を行なう診断処理部と、
    を備え、
    前記診断処理部が、
    前記センサ信号処理手段からの振動データを連続して取り込みつつそれを車軸軸受診断用と車輪診断用のサンプリング周波数またはサンプリング長の異なる２種類のデータに変換して処理することを特徴とする異常診断装置。
27. 車軸軸受と車輪それぞれについて複数回異常検出を実施し、それぞれの複数回分の集計値から統計的に異常診断を行なうことを特徴とする請求項２２、２３、２４、２６のいずれか一項記載の異常診断装置。
28. 異常を検出する際に使用したデータを保存しておく機能を有することを特徴とする請求項２０〜２７のいずれか一項記載の異常診断装置。
29. 回転或いは摺動する部品を有する機械装置の異常診断装置であって、
    前記機械装置の振動を検出する振動センサからのアナログ信号をデジタル信号に変換するＡＤ変換器と、
    当該ＡＤ変換器からのデジタル信号をフーリエ変換処理し、その結果に基づいて異常診断を行なう診断処理部と、
    を備え、
    前記診断処理部が、
    前記ＡＤ変換器からのデジタル信号を前記ＡＤ変換器の分解能よりもデータ幅を拡張してフーリエ変換処理するように構成されていることを特徴とする異常診断装置。
30. 回転或いは摺動する部品を有する機械装置の異常診断装置であって、
    前記機械装置の振動を検出する振動センサからのアナログ信号をデジタル信号に変換するＡＤ変換器と、
    当該ＡＤ変換器からのデジタル信号をフーリエ変換処理し、その結果に基づいて異常診断を行なう診断処理部と、
    を備え、
    前記診断処理部が、
    前記ＡＤ変換器の分解能を１ビットとし、これを２ビット以上の所定のデータ幅に拡張してフーリエ変換処理するように構成されていることを特徴とする異常診断装置。
31. 回転或いは摺動する部品を有する機械装置の異常診断装置であって、
    前記機械装置の振動を検出する振動センサからのアナログ信号の電圧と参照電圧とを比較して、当該アナログ信号の電圧が参照電圧よりも高か低かを示す２値の信号を出力するコンパレータを備え、
    前記診断処理部が、
    前記コンパレータからの信号を所定のデータ幅に拡張してフーリエ変換処理するように構成されていることを特徴とする異常診断装置。

Images