JPWO2020255446A1 - 駆動音診断システム、駆動音診断方法および駆動音診断システムの機械学習装置 - Google Patents

Abstract

駆動音診断システム（１０）は、アクチュエータまたは被駆動機械の駆動音を検出する駆動音検出部（１１）、アクチュエータの駆動位置、駆動速度または駆動により発生する力を時系列で取得する運転状態検出部（１２）、音振動時系列スペクトル取得部（１５）、特徴点抽出部（１６）および要因判定部（１８）を備える。音振動時系列スペクトル取得部は、駆動音の時系列データから算出した周波数スペクトルのパワーを周波数および時刻と対応付けた時系列スペクトルを出力する。特徴点抽出部は、時系列スペクトルでの特徴点の周波数、時刻およびその時刻でのアクチュエータの駆動位置、駆動速度または駆動により発生する力を組にした特徴点データを出力する。要因判定部は、現象毎に特徴点の含まれる周波数または時刻とその時刻における運転データとの組み合わせを多次元データとしたときの数値範囲と特徴点データの数値とを比較して駆動音の発生要因を判定する。

Description

本発明は、アクチュエータまたはアクチュエータによって駆動される被駆動機械の駆動音を診断する駆動音診断システム、駆動音診断方法および駆動音診断システムの機械学習装置に関する。

一般に、モータなどの動力源を備える装置において、動力源または動力源の駆動対象である機械の駆動音には、動力源および駆動対象の状態に関する多くの情報が含まれていることが知られている。例えば、動力源または駆動対象に何らかの異常が発生した場合、正常時とは異なる音または振動が発生する。このため、音または振動が異常であるか否かを診断する診断装置が知られている。しかし、装置を、初めて動かす場合、あるいは装置の機械構成および駆動パターンを変更した直後に駆動する場合には、駆動音が正常であるかどうかを即座に判断することは困難である。そのため、装置が発する音または振動である駆動音をセンサで取得し、駆動音の発生要因を容易に特定する技術が求められている。特に、装置の機械構成および設定を限定せずに、より手軽にかつ汎用的に駆動音を用いた診断を行う技術が求められている。

特許文献１には、回転機器を備える装置の発する音または振動を計測し、装置の異常の有無または異常原因を特定する技術が開示されている。この技術によれば、まず装置の実稼働前に異音発生時の動力源および動力源によって駆動される機械である被駆動機械の発する音について周波数および時間に関する特徴の組を予め異常原因別に取得しておく。周波数に関する特徴は、計測した駆動音の時系列データに対し短時間フーリエ変換等を施して求めたスペクトルの時間変化から頂点を生じる周波数である。時間に関する特徴は、周波数特徴量ごとに頂点を生じる時間間隔である。そして、装置の実稼働時に、同様の手法で実稼働中に取得した周波数および時間に関する特徴と、予め取得した周波数および時間に関する特徴と、を比較することによって、異常の有無および原因が特定される。

特開平１０−２７４５５８号公報

しかしながら、特許文献１に記載の技術では、アクチュエータまたは被駆動機械が発する駆動音を計測したデータのみから装置の異常の有無および原因を特定している。そのため、アクチュエータもしくは被駆動機械の位置または速度に依存する異常の原因を特定することが難しいという問題があった。

本発明は、上記に鑑みてなされたものであって、アクチュエータもしくは被駆動機械の位置または速度に依存する異常の原因を特定することができる駆動音診断システムを得ることを目的とする。

上述した課題を解決し、目的を達成するために、本発明に係る駆動音診断システムは、駆動音検出部と、運転状態検出部と、音振動時系列スペクトル取得部と、特徴点抽出部と、要因判定部と、を備える。駆動音検出部は、アクチュエータまたはアクチュエータによって駆動される被駆動機械で発生する音または機械的振動である駆動音を検出する。運転状態検出部は、アクチュエータの駆動位置、駆動速度または駆動により発生する力を時系列で取得する。音振動時系列スペクトル取得部は、検出された駆動音の時系列データである音振動データの各時刻に対応する周波数スペクトルを算出し、算出した周波数スペクトルのパワーを周波数および時刻と対応付けて組にした時系列スペクトルを出力する。特徴点抽出部は、時系列スペクトルのパワーの周波数および時刻に対する波形が定められた条件を満たす点を特徴点として抽出し、特徴点の周波数、時刻、特徴点の波形および特徴点の時刻におけるアクチュエータの駆動位置、駆動速度または駆動により発生する力である運転データを組にした特徴点データを出力する。要因判定部は、駆動音の要因であるアクチュエータまたは被駆動機械に発生する現象毎に、現象に伴って発生する特徴点の含まれる周波数および時刻の少なくとも１つと、その時刻におけるアクチュエータの駆動位置、駆動速度または駆動により発生する力である運転データと、の組み合わせを多次元データとしたときの第１数値範囲を定めた要因判定条件と、特徴点データの数値と、を比較することで検出された駆動音の発生要因を判定する。

本発明に係る駆動音診断システムは、アクチュエータもしくは被駆動機械の位置または速度に依存する異常の原因を特定することができるという効果を奏する。

実施の形態１に係る駆動音診断システムの機能構成の一例を示すブロック図 実施の形態１に係る駆動音診断システムを昇降機に適用した場合のハードウェア構成の一例を示す図 実施の形態１による演算処理部のハードウェア構成の一例を示すブロック図 実施の形態１による図２の演算処理部の機能構成の一例を模式的に示すブロック図 実施の形態１に係る駆動音診断方法の処理手順の一例を示すフローチャート 実施の形態１による音振動データの一例を示す図 実施の形態１による運転データの一例を示す図 実施の形態１による音振動データおよび運転データの同期処理の手順の一例を示すフローチャート 実施の形態１による音振動データと運転データとを同期させる手順を説明するための図 図７の運転データを運転モードで分割した一例を示す図 時刻、周波数およびパワーの３軸による３次元グラフにて、図６の音振動データを周波数変換した時系列のスペクトルデータの一例を示す図 時刻、周波数およびパワーの３軸による３次元グラフにて、図１１の時系列のスペクトルデータから抽出した音の頂点の一例を示す図 実施の形態２に係る駆動音診断システムをピッキングユニットに適用した場合のハードウェア構成の一例を示す図 実施の形態２によるサーバ装置の機能構成の一例を模式的に示すブロック図 実施の形態２による装置データのレコードの一例を示す図 実施の形態２によるユーザ端末の機能構成の一例を模式的に示すブロック図 サーバ装置およびユーザ端末のハードウェア構成の一例を示すブロック図 実施の形態３に係る駆動音診断システムにおける要因判定部の機能構成の一例を示すブロック図 実施の形態４に係る駆動音診断システムの機械学習装置の機能構成の一例を示すブロック図 実施の形態４によるサーバ装置の機能構成の一例を模式的に示すブロック図 実施の形態４によるユーザ端末の機能構成の一例を模式的に示すブロック図

以下に、本発明の実施の形態に係る駆動音診断システム、駆動音診断方法および駆動音診断システムの機械学習装置を図面に基づいて詳細に説明する。なお、これらの実施の形態によりこの発明が限定されるものではない。

実施の形態１．
図１は、実施の形態１に係る駆動音診断システムの機能構成の一例を示すブロック図である。駆動音診断システム１０は、駆動音検出部１１と、運転状態検出部１２と、時刻同期部１３と、運転モード抽出部１４と、音振動時系列スペクトル取得部１５と、特徴点抽出部１６と、運転振動抽出部１７と、要因判定部１８と、を備える。

駆動音検出部１１は、アクチュエータおよびアクチュエータによって駆動される機械である被駆動機械が発する音または振動を検出する。以下では、アクチュエータおよび被駆動機械が発する音または振動を駆動音というものとする。駆動音検出部１１は、音または振動を検出するセンサである。音を検出するマイクロフォン、加速度センサなどの振動センサは駆動音検出部１１の一例である。駆動音検出部１１は、アクチュエータを駆動する駆動機器が発する音を検出してもよい。

運転状態検出部１２は、駆動機器に接続されたアクチュエータの運転状態を時系列で取得する。アクチュエータの運転状態は、アクチュエータの駆動位置、駆動速度または駆動によって発生する力を含む。モータは、アクチュエータの一例である。モータの回転角度を検出するエンコーダ、リニアモータの位置を検出するリニアスケール、位置センサ、変位計、距離センサ、速度検出器、電流検出器、加速度センサ、ジャイロセンサ、力覚センサは、運転状態検出部１２の一例である。

時刻同期部１３は、駆動音検出部１１で検出された駆動音の時系列データである音振動データと、運転状態検出部１２で検出された運転状態の時系列データである運転データと、の時刻の同期を行う。一例では、時刻同期部１３は、音振動データおよび運転データの基準となる時刻の差を求め、この差を用いて音振動データまたは運転データの時刻を補正し、音振動データおよび運転データのうち共通して取得された時刻間のデータを抽出することで、同期した音振動データおよび運転データを取得する。

運転データの一例は、電流、発生トルク、位置、速度の時系列データである。運転データは、駆動機器の情報であってもよいし、一部の検出可能なデータに基づく推定値であってもよい。モータの位置指令、速度指令、トルク指令、電流指令、電圧指令をモータの駆動装置が記憶し、駆動音診断システム１０がモータの駆動装置からこれらを取得してそのまま運転データとしてもよいし、検出可能なデータとの比較演算またはフィルタ処理を含む推定演算によって運転データが求められてもよい。

また、運転データは、アナログ信号に限定されない。速度が指令の速度に達した時にオンとなる二値のデータは運転データの一例である。この他、運転データは、時刻と値の組である必要はない。各時刻の速度パターンを表す時刻を引数とする関数は運転データの一例である。

運転モード抽出部１４は、運転状態を運転状態検出部１２で検出された運転データに基づいて時刻で区切られた２つ以上の区間に区分する。具体的には、運転モード抽出部１４は、運転データを解析することによって、アクチュエータの運転状態の種別を判別し、運転モードとして特定の種類のアクチュエータの運転状態となる時刻の区間を抽出する。運転モードは、時刻同期部１３で音振動データと同期を行った後の運転データから運転状態を判別してもよいし、時刻同期部１３で音振動データと同期を行う前の運転データから運転状態を判別してもよい。

音振動時系列スペクトル取得部１５は、時刻同期部１３で時刻同期を行った音振動データに対して、周波数変換を行い各時刻に対応する音振動データのスペクトルを求めた時系列スペクトルを取得する。時系列スペクトルは、算出した周波数スペクトルのパワーを周波数および時刻と対応付けて組にしたものである。音振動時系列スペクトル取得部１５は、周波数変換を行う際に、運転モード抽出部１４の抽出結果のうち、特定の運転モードの区間のみを周波数変換することによって、周波数変換を行う時刻を選択してもよい。一例として、駆動音が測定される可能性の低いアクチュエータが停止している状態の運転モードを周波数変換の対象から外すことができる。この場合、周波数変換処理を行うデータの量が削減されるため、演算時に使用するメモリの削減と処理時間の短縮が望める。

特徴点抽出部１６は、音振動時系列スペクトル取得部１５で求めた時系列スペクトルのパワーの周波数および時刻に対する波形が、定められた条件を満たすときに、その点を特徴点として抽出する。特徴点抽出部１６は、特徴点の周波数、時刻、パワー、特徴点の波形、特徴点の時刻における運転データを特徴点データとして組にする。

運転振動抽出部１７は、時刻同期を行った運転データから振動成分を抽出し、その周波数または振幅を含む振動データを取得する。

要因判定部１８は、駆動音の要因として発生する現象毎に定められたその現象に伴って発生する特徴点の含まれる数値範囲である要因判定条件と、特徴点抽出部１６で抽出された特徴点データと、を比較することによって駆動音の発生要因を判定する。このとき、要因判定条件は、駆動音の要因である発生する現象毎に予め定められたその現象に伴って発生する振動データの含まれる数値範囲を含むものであってもよい。この場合には、要因判定部１８は、要因判定条件と、特徴点抽出部１６で抽出された特徴点データおよび運転振動抽出部１７で抽出された振動データと、を比較することによって駆動音の発生要因を推定する。

なお、装置の異常毎に特徴点の含まれる数値範囲を規定した場合には、被駆動機械のすべての種類に対して、装置の異常原因別の特徴点の含まれる数値の範囲を求めなければならない。また、被駆動機械の構成を変更した場合にも同様に、装置の異常原因別の特徴点の含まれる数値の範囲を求めなければならない。多種類の被駆動機械が存在し、また被駆動機械の構成も多種類の変更のバリエーションが存在するので、これらのすべてについて装置の異常原因別の特徴点の含まれる数値範囲を求めるのは現実的ではない。

しかし、実施の形態１では、装置の異常毎ではなく、駆動音の要因として発生する現象毎に、特徴点の含まれる数値範囲を定めている。つまり、特徴量を、モータの回転速度の値などの特定の駆動パターンで規定するのではなく、駆動パターンに依らない条件式、例えばモータの回転速度を変数とした条件式で表現している。そのため、被駆動機械が異なる場合、あるいは被駆動機械の構成を変更した場合でも、駆動音の要因が同じであれば、発生する現象も同じであり、被駆動機械の種類または構成に依らずに同じ要因判定条件を使用することができる。その結果、装置の異常毎に特徴点の含まれる数値の範囲を規定する場合に比して、診断の準備に要する時間を短くすることができ、また汎用的に駆動音の診断を実施することができる。

特徴点データは、特徴点の周波数、時刻、パワー、特徴点の波形、および特徴点の時刻における運転データを組にしたものである。そのため、音または振動についての情報だけではなく、アクチュエータもしくは被駆動機械の位置または速度についての情報が含まれる。つまり、要因判定部１８では、駆動音の発生の要因を判定する際に、アクチュエータもしくは被駆動機械の位置または速度も含めて判定することになるので、アクチュエータもしくは被駆動機械の位置または速度に依存する異常の要因を容易に特定することが可能となる。

また、図１において、時刻同期部１３、運転モード抽出部１４および運転振動抽出部１７は、診断が必要とする性能または装置構成によって、適宜、駆動音診断システム１０に含めてもよいし、駆動音診断システム１０から除去してもよい。一例では、音振動データと運転データとを同一の計測器またはデバイスで取得する場合に、取得するタイミングが同一のＡＤ（Analog to Digital）変換器を使用することで、取得するデータの同期をとることができる。つまり、時刻同期部１３を設けることなく音振動データと運転データとの同期を行うことができる。この場合、時刻同期部１３を除去することによって、駆動音診断システム１０で使用するメモリの削減と処理時間の短縮が望める。

図２は、実施の形態１に係る駆動音診断システムを昇降機に適用した場合のハードウェア構成の一例を示す図である。図２に示されるように、診断対象１００は、アクチュエータであるモータ１１０と、被駆動機械１２０と、モータ１１０を駆動する駆動装置１３０と、を備える。また、この診断対象１００に、駆動音検出部１１、運転状態検出部１２および演算処理部１４０を備える駆動音診断システム１０Ａが設けられる。

モータ１１０は、駆動指令と回転情報との差分に基づき電機子巻線の電流を制御するサーボモータである。モータ１１０は、モータ１１０を駆動する機器からエネルギまたは電気信号を受け取ることによって動力を発生させるアクチュエータであればよい。この例では、モータ１１０は、駆動装置１３０によって制御される。ただし、駆動装置１３０によって制御されるモータ１１０の状態量は、電流に限定されない。油圧、空圧、熱、超音波は、駆動装置１３０により制御されるモータ１１０の状態量の一例である。また、モータ１１０は、回転力を発生させるものに限定されず、並進方向に駆動させるリニアモータでもよい。

被駆動機械１２０は、モータ１１０の回転に応じて上下方向に駆動対象を搬送する昇降機である。被駆動機械１２０は、モータ１１０を架台に固定するブラケット１２１と、モータ１１０で発生した回転力を増幅してボールねじ１２３に伝達するギアボックス１２２と、モータ１１０の回転を上下方向の運動に変換するボールねじ１２３と、ギアボックス１２２とボールねじ１２３とを接続するカップリング１２４と、を備える。

また、昇降機は、ボールねじ１２３の回転により上下方向に駆動されるスライダ１２５と、スライダ１２５に固定され、ワークを搭載するステージ１２６と、スライダ１２５の運動を摺動自在に上下方向に案内するリニアガイド１２７と、ベアリングを介してボールねじ１２３を回転自在にリニアガイド１２７に固定するブラケット１２８と、を備える。

ここでは、被駆動機械１２０がボールねじ１２３を有する昇降機である場合を例示したが、被駆動機械１２０は、モータ１１０の回転に応じて、音または振動が発生する機械であればよい。ねじ、ベルト、ギア、カム、リンク機構、ベアリングもしくはシール、またはこれらの要素を組み合わせた機械は、被駆動機械１２０の一例である。

駆動装置１３０は、モータ１１０にケーブル１５１を介して接続される。駆動装置１３０は、モータドライブ１３１と、モータ制御機器１３２と、表示器１３３と、を備える。モータドライブ１３１は、モータ１１０を駆動する動力をモータ１１０に供給する。また、モータドライブ１３１は、モータ制御機器１３２から伝送された駆動指令に従い、モータ１１０を駆動する。

モータ制御機器１３２は、モータドライブ１３１に指令位置または指令速度などの電気信号を送ることによって、モータドライブ１３１がモータ１１０へ供給する電流の量およびタイミングを制御する。表示器１３３は、駆動音診断システム１０Ａおよび診断対象１００を含むシステム全体の各種状態を表示し、使用者に通知する。

実施の形態１において、モータドライブ１３１は、駆動音検出部１１と運転状態検出部１２とに接続され、駆動音検出部１１および運転状態検出部１２とモータ制御機器１３２との間の通信を中継する機能を有する。

また、モータ制御機器１３２は、モータドライブ１３１にモータ１１０の位置または速度のパターンなどを含む駆動指令を与えるコントローラである。モータ制御機器１３２は、ＰＬＣ（Programmable Logic Controller）、モータ駆動用ＣＰＵ（Central Processing Unit）、ＤＳＰ（Digital Signal Processor）、パルス発生器などを備える制御機器である。

さらに、表示器１３３は、駆動音診断システム１０Ａを含むシステム全体の状態をモータドライブ１３１、モータ制御機器１３２、または演算処理部１４０の少なくとも一つから通信で取得し、使用者に見やすい形式で表示を行う。表示器１３３は、液晶ディスプレイを内蔵していてもよい。表示器１３３をシステムに含めることによって、演算処理部１４０で駆動音の診断を実行した後、通信を介して駆動音の診断の結果を表示器１３３に表示し、使用者に分かりやすく通知することができる。

駆動装置１３０は、少なくとも一つのモータ１１０を駆動する装置であればよく、本実施の形態の一部または複数を組み合わせて構成してもよい。

演算処理部１４０は、ソフトウェアとして後述の駆動音診断システム１０Ａの診断処理を実行することのできる処理装置である。実施の形態１では、モータ制御機器１３２に内蔵されるマイクロコンピュータのＣＰＵが演算処理部１４０の機能を実現する。図３は、実施の形態１による演算処理部のハードウェア構成の一例を示すブロック図である。演算処理部１４０は、プロセッサ１４１と、メモリ１４２と、を有する。プロセッサ１４１とメモリ１４２とは、バスライン１４３を介して接続される。ＣＰＵ、ＧＰＵ（Graphics Processing Units）はプロセッサ１４１の一例である。

図４は、実施の形態１による図２の演算処理部の機能構成の一例を模式的に示すブロック図である。演算処理部１４０は、時刻同期部１３と、運転モード抽出部１４と、音振動時系列スペクトル取得部１５と、特徴点抽出部１６と、運転振動抽出部１７と、要因判定部１８と、を、マイクロコンピュータのＣＰＵが実行するソフトウェアとして備える。なお、図１および図２と同一の構成要素には同一の符号を付して、その説明を省略している。

図２では、演算処理部１４０は、モータ制御機器１３２に内蔵される構成が示されているが、実施の形態はこの構成に限定されない。演算処理部１４０が、駆動装置１３０の他の機器であるモータドライブ１３１に内蔵されてもよいし、表示器１３３に内蔵されてもよい。また、モータ制御機器１３２に別のマイクロコンピュータを取りつけて演算処理部１４０としてもよい。さらには、駆動装置１３０と独立した別の機器として接続されていてもよい。

駆動音検出部１１は、診断対象１００の発する駆動音を検出するマイクロフォンである。検出した駆動音は、ケーブル１５２および駆動装置１３０を経由して、演算処理部１４０に送信される。図２の例では、駆動音検出部１１は昇降機に固定されている。しかし、駆動音検出部１１は、診断対象１００の駆動音を検出できればよく、設置方法は、被駆動機械１２０に固定されることに限定されない。駆動音検出部１１は、モータ１１０に固定されてもよいし、駆動音を検出できる程度の距離で被駆動機械１２０から離して設置されてもよい。

診断の対象とする現象の発音場所が限定されている場合、マイクロフォンを発音場所に隣接させて配置する、あるいは指向性のマイクロフォンを使用するなどの手段で、集音対象となる範囲または集音可能な範囲を限定してもよい。集音を限定することによって、診断を妨げる周囲の雑音を減らし誤診断を減少させることができる。

また、駆動音検出部１１として、複数のマイクロフォンを用いることもできる。複数のマイクロフォンで同一の音または振動を集音することにより、雑音による誤診断を減らすことができる。

さらに、録音機を使用して、診断対象１００が時系列に発する駆動音を音振動データとして記録してもよい。スマートフォンまたはボイスレコーダは録音機の一例である。この他、カメラなどで動画を撮影し、音部分のみ取り出して音振動データとしてもよい。

また、駆動音検出部１１に時系列に発せられる駆動音を音振動データとして記憶する記憶部を設け、必要に応じて上位の演算装置へ記憶した音振動データを送信する方式としてもよい。この場合、駆動音診断を行わないときには、駆動音検出部１１と演算処理部１４０との間の通信が行われず、駆動音診断を実施するときに、駆動音検出部１１が記憶した時系列の音振動データがまとめて送信される。このような構成とすることで、駆動音検出部１１と演算処理部１４０との間の通信に係る処理を削減することができる。

運転状態検出部１２は、モータ１１０に取りつけられ、モータ１１０の回転角度を検出するエンコーダである。エンコーダが検出した回転角度のデータは、運転状態としてケーブル１５３および駆動装置１３０を経由して演算処理部１４０に送信される。

運転状態検出部１２の設置個所は、モータ１１０に固定される場合に限定されない。運転状態検出部１２は、モータ１１０が駆動する機械である被駆動機械１２０の駆動部に固定されてもよい。駆動音検出部１１と同様に、運転状態検出部１２に検出した時系列の運転状態を運転データとして記憶する記憶部を設け、必要に応じて、上位の演算装置へ記憶した運転データを送信する方式としてもよい。

演算処理部１４０は、ケーブル１５２，１５３を介して駆動音検出部１１が検出した駆動音と、運転状態検出部１２が検出した運転状態と、を受け取り、駆動音の要因を診断する。

演算処理部１４０は、駆動音検出部１１と運転状態検出部１２と相応のデータのやりとりを行うため、データ遅延のない高速のネットワークで駆動音検出部１１および運転状態検出部１２と接続されている環境が望ましい。

次に、診断対象１００の動作を説明する。被駆動機械１２０の昇降機の使用者は、昇降機で図示しないワークを搬送するため、モータ１１０の駆動指令をモータ制御機器１３２に入力する。モータ制御機器１３２は、使用者が入力した駆動パターンおよび動作タイミングを含む情報に基づき、モータドライブ１３１へ駆動指令を送信する。モータドライブ１３１は、受信した駆動指令に従い、モータ駆動電流を制御し、モータ１１０を駆動する。昇降機は、動力源であるモータ１１０が回転することで、ボールねじ１２３が回転し、ボールねじ１２３に接続されたスライダ１２５、およびスライダ１２５に接続されたステージ１２６が上下に移動する。

一例では、昇降機の使用者は、上述の動作によって、ステージ１２６の位置がリニアガイド１２７の鉛直下方に移動しているときに、ワークをステージ１２６に搭載する。ステージ１２６は、モータ１１０が回転することで、リニアガイド１２７の鉛直上方へ移動する。この移動に伴い、昇降機はステージ１２６に搭載したワークを搬送する。

診断対象１００は、モータ１１０によって駆動される際に駆動音を発する。具体的には、診断対象１００は、モータ１１０のトルク脈動、ボールねじ１２３の並進および捩じり剛性、カップリング１２４の接続剛性、ギアの噛み合い剛性、機械の移動、変形または衝突、リニアガイド１２７とスライダ１２５との間の摺動摩擦などに起因した駆動音を発する。診断対象１００が発した駆動音は駆動音検出部１１で検出され、モータ１１０の回転角度は運転状態検出部１２で検出され、ケーブル１５２，１５３を介してモータドライブ１３１、モータ制御機器１３２および演算処理部１４０に送信される。ただし、送信方法は必ずしも有線である必要はなく、無線または記録媒体を介してもよい。

表示器１３３は、適宜モータ制御機器１３２との間で通信を行い、運転状態検出部１２が検出したモータ１１０の回転角度、診断対象１００を含むシステム全体の異常の有無を含む使用者が必要とする各種情報を表示器１３３に表示する。

実施の形態１では、時刻同期部１３、運転モード抽出部１４、音振動時系列スペクトル取得部１５、特徴点抽出部１６、運転振動抽出部１７および要因判定部１８は一つのハードウェアである演算処理部１４０上に構成されているが、別々のハードウェアに分割して構成されるようにしてもよい。一例として、時刻同期部１３を演算処理部１４０から分離し、モータドライブ１３１のマイクロコンピュータ上のソフトウェアとして構成することができる。この場合、モータ制御機器１３２と比べて高速で制御処理を行うモータドライブ１３１で時間的要求の厳しい時刻同期の処理が行われ、モータ制御機器１３２の演算処理部１４０で相対的に時間的制約の少ない運転モード抽出部１４、音振動時系列スペクトル取得部１５、特徴点抽出部１６、運転振動抽出部１７および要因判定部１８の処理が行われる。これによって、演算処理部１４０の必要とされる性能を低減することができ、演算処理能力の低いデバイスでも駆動音の要因の診断を実現することが可能となる。

また、各機能の実現はマイクロコンピュータのＣＰＵ上のソフトウェアによる実現に限定されず、ＡＳＩＣ（Application Specific Integrated Circuits）、ＦＰＧＡ（Field Programmable Gate Array）またはＣＰＬＤ（Complex Programmable Logic Device）などの電子回路を用いてもよい。

次に、診断対象１００の発する音または振動を対象にした駆動音診断システム１０Ａでの駆動音の診断手順について説明する。図５は、実施の形態１に係る駆動音診断方法の処理手順の一例を示すフローチャートである。実施の形態１では、上述のとおり、モータ１１０の駆動により被駆動機械１２０を駆動したときに、機械の移動、変形、衝突、剛性、摩擦等に起因して駆動音が発生する。また、駆動音は、モータ１１０の駆動方法によって音圧の大小および周波数が異なる。そこで、実施の形態１では、被駆動機械１２０が発する駆動音の診断方法を説明する。

駆動音診断システム１０Ａの駆動音検出部１１は、駆動音を検出し（ステップＳ１１）、運転状態検出部１２は、モータ１１０の運転状態を検出する（ステップＳ１２）。

時刻同期部１３は、駆動音検出部１１からの駆動音を時系列の音振動データとして取り込む（ステップＳ１３）。図６は、実施の形態１による音振動データの一例を示す図である。この図において、横軸は、時刻を表し、縦軸は振幅を表している。

また、時刻同期部１３は、運転状態検出部１２からの運転状態を時系列の運転データとして取り込む（ステップＳ１４）。図７は、実施の形態１による運転データの一例を示す図である。この図において、横軸は、時刻を示し、縦軸は、回転角度、回転速度、電流を示している。図７では、運転データとして、ボールねじ１２３の基準となる箇所からのモータ１１０の回転角度Ｐｏ、モータ１１０の回転速度ｗおよびモータ電流ｉが示されている。

ここで、音振動データの取得と運転データの取得とは同一の時刻間のデータを取り込む必要がある。ただし、同一の時刻間であれば取り込むデータの取得時刻が異なってもよいし、一部データの取得した時刻が同一の時刻間とは異なってもよい。

また、診断対象１００の発する音または振動の周波数について、その帯域が何らかの知見により予見される場合には、対象の周波数帯域まで音振動データおよび運転データのサンプリングを間引くことが望ましい。間引き処理によって、使用するメモリ量および処理時間を削減することができる。間引き処理を行う場合、駆動音検出部１１および運転状態検出部１２の処理よりも後の処理で音振動データの周波数変換が行われるため、ノイズ除去フィルタによるフィルタ処理が行われることが望ましい。ローパスフィルタ、ハイパスフィルタ、バンドパスフィルタ、ノッチフィルタ、バンドエリミネイトフィルタは、ノイズ除去フィルタの一例である。また、ノイズ除去フィルタとして、例示したフィルタを単独または複数適用してもよい。このようにすることで、間引きによる折り返し雑音を低減する効果が期待できる。

ついで、時刻同期部１３は、音振動データおよび運転データの同期処理を行う（ステップＳ１５）。図８は、実施の形態１による音振動データおよび運転データの同期処理の手順の一例を示すフローチャートである。

最初に、音振動データおよび運転データのそれぞれの基準時刻の差を取得する（ステップＳ３１）。ここで基準時刻とは、各データで時刻０とする時刻である。音振動データと運転データとが同期されていない場合、各データの時刻０とするタイミングは個別に設定されることから、データの取得時刻が同一であっても実際に取得したタイミングが異なる場合がある。そこで、各データにおいて時刻０とするタイミングの実際の時刻の差を求めることで、各データの時刻を補正する。

基準時刻の差を求める方法としては、予めデータを取得するタイミングを一定の時刻差になるよう設計し、その一定の時刻差を基準時刻の差とする方法が挙げられる。また、共通のマスタクロックに事前にアクセスして各データの取得タイミングを同一とし、基準時刻の差を０とする方法も挙げられる。または、データの取得を開始するタイミングの共通のマスタクロックにおける時刻をタイムスタンプとして記憶し、音振動データおよび運転データのタイムスタンプの差を基準時刻の差とする方法も挙げられる。

図９は、実施の形態１による音振動データと運転データとを同期させる手順を説明するための図である。図９の例では、音振動データＤａの時刻０はデータの取得時刻であり、運転データＤｏの時刻０はデータの取得時刻であるものとする。音振動データＤａの時刻０は、基準時刻でのｔ１であるとし、運転データＤｏの時刻０は、基準時刻でのｔ２とする。この場合、基準時刻の差Δｔはｔ２−ｔ１である。

ついで、求めた基準時刻の差を基に各データの取得時刻を補正する（ステップＳ３２）。具体的には、音振動データおよび運転データのうち、先に取得を開始したデータの各データの取得時刻に、求めた基準時刻の差を補正として加える。

図９の例では、先に取得を開始したデータは、音振動データＤａである。そのため、音振動データＤａの取得時刻ｔ１に基準時刻の差Δｔを加えたものが運転データの基準時刻ｔ２となる。

図８に戻り、音振動データと運転データとが共通して取得した時刻間を算出する（ステップＳ３３）。具体的な算出方法の一例は、前述の処理で後から取得を開始したデータの取得開始時刻から、音振動データおよび運転データの最後の取得時刻のうち早いタイミングの取得時刻までを、共通して取得した時刻間とする方法である。図９の例では、運転データＤｏの取得開始時刻ｔ２から、音振動データＤａの最後の取得時刻ｔ３まで、が共通して取得した時刻間Δｔｃになる。

そして、算出した共通で取得した時刻間でない、共通していない時刻のデータを破棄する（ステップＳ３４）。図９の例では、時刻ｔ２よりも前の音振動データＤａと時刻ｔ３よりも後の運転データＤｏとを破棄する。以上によって、音振動データと運転データとを同期させることができ、音振動データおよび運転データの同期処理が終了する。

図５に戻り、運転モード抽出部１４は、時刻同期を行った運転データに基づき被駆動機械１２０の運転状態を推定し、運転モードを抽出する（ステップＳ１６）。実施の形態１では、被駆動機械１２０の運転モードを、停止中、定速運転中または加減速中の３つに分割する。

＜停止中＞
モータ１１０の回転が停止している区間を停止中と定める。ここで、モータ１１０の回転が停止しているとは、一定の時間、運転状態検出部１２で検出するモータ１１０の回転角度のデータの変化量の和が特定の閾値に収まることをいう。このとき、回転角度のデータの変化量の和が特定の閾値に収まっている区間を位置が停止している区間として定める。条件に含まれる一定の時間は、音振動データおよび運転データの検出周期の平均値に応じて定めればよい。

＜定速運転中＞
モータ１１０の回転速度が一定となり、かつ、停止中でない区間を定速運転中と定める。ここで、速度が一定であるとは、停止中と同様に一定の時間、速度のデータの変化量の和が特定の閾値に収まることをいう。このとき、速度のデータの変化量の和が特定の閾値に収まっている区間を速度が一定である、予め定められた時間よりも長い時間を区間として定める。

＜加減速中＞
停止中でも定速運転中でもない区間を加減速中として定める。駆動方向に対して、加速度が正のときを加速中、加速度が負のときを減速中と区別してもよい。図１０は、図７の運転データを運転モードで分割した一例を示す図である。この例では、運転モードは、時刻０からｔ１１までの間が加減速中であり、時刻ｔ１１からｔ１２までが定速運転中であり、時刻ｔ１２からｔ１３までが加減速中であり、時刻ｔ１３以降が停止中である。

図５に戻り、音振動時系列スペクトル取得部１５は、時刻同期部１３が時刻同期を行った音振動データに対して、周波数変換を行い各時刻における音振動データのスペクトルを算出する（ステップＳ１７）。音振動データのスペクトルは、算出した周波数スペクトルのパワーを周波数および時刻と対応付けて組にした時系列のスペクトルデータである。

周波数変換は、短時間フーリエ変換（Short-Time Fourier Transform：ＳＴＦＴ）またはウェーブレット変換により行うことが望ましい。これらの手法によって時系列スペクトルを求めるために、フィルタ設計などの手間および処理を軽減することができる。

ここで診断対象１００の発する駆動音の周波数について、その帯域が、何らかの知見により予見される場合は、周波数変換の前に予見される帯域内の周波数成分を抽出するフィルタを音振動データに適用してもよい。フィルタの適用によって、より正確に駆動音の診断を行うことが可能となる。

実施の形態１では、音振動時系列スペクトル取得部１５は、時刻同期を行った音振動データのうち、運転モード抽出部１４が抽出した定速運転中の期間に対応する音振動データのみに周波数変換を行い、他の期間のデータは破棄する。

図１１は、時刻、周波数およびパワーの３軸による３次元グラフにて、図６の音振動データを周波数変換した時系列のスペクトルデータの一例を示す図である。この図で、縦軸はパワーを示し、縦軸に垂直な面内における２つの直交する軸は時刻および周波数を示している。

図５に戻り、特徴点抽出部１６は、音振動時系列スペクトル取得部１５で求めた時系列データで表現される音振動データのスペクトルに対して、そのスペクトルのパワーの周波数および時刻が定められた条件となる特徴点を抽出する（ステップＳ１８）。また、特徴点抽出部１６は、この抽出した特徴点についての特徴点データを生成する（ステップＳ１９）。特徴点データは、特徴点の周波数、時刻、パワー、波形および特徴点の時刻における運転データを組にしたものである。

特徴点抽出部１６で特徴点を抽出する際に使用される条件の一例は、頂点、峰、稜線、鞍点である。特徴点として頂点を取得する場合について説明する。

まず、時系列の音振動データのスペクトルはノイズを含むことから、時刻軸と周波数軸に対してローパスフィルタを適用する。ローパスフィルタの時定数は、音振動データのサンプリング周期と周波数変換分解能により決定される。また、ローパスフィルタを適用する代わりに、時系列のスペクトルにヒルベルト変換を適用してもよい。

次に、ローパスフィルタを適用した後の時系列のスペクトルについて、パワーの閾値を決定し、閾値よりパワーが大きい領域と、閾値よりパワーが小さい領域と、に分ける。時系列のスペクトルの中央値はパワーの閾値の一例である。

その後、閾値よりパワーが大きい点ｘ＝（ｔ_x，ｆ_x，ｐ_x）の中から、次の４つの点を取得する。ここで、ｔ_x，ｆ_x，ｐ_xは、それぞれ点ｘでの時刻、周波数およびパワーを示している。
（１）周波数がｆ_xで、取得時刻がｔ_xの次の時刻ｔ_x+1の点ｘ１（ｔ_x+1，ｆ_x，ｐ₁）
（２）周波数がｆ_xで、取得時刻がｔ_xの一つ前の時刻ｔ_x-1の点ｘ２（ｔ_x-1，ｆ_x，ｐ₂）
（３）取得時刻がｔ_xで、周波数がｆ_xの次の周波数ｆ_x+1の点ｘ３（ｔ_x，ｆ_x+1，ｐ₃）
（４）取得時刻がｔ_xで、周波数がｆ_xの一つ前の周波数ｆ_x-1の点ｘ４（ｔ_x，ｆ_x-1，ｐ₄）

次に、上記４つの点ｘ１，ｘ２，ｘ３，ｘ４に元の点ｘを加えた計５つの点のパワーを比較する。５つの点の中で点ｘが他の４つの点よりもパワーが大きいとき、すなわち５つの点の中で他の４つの点ｘ１，ｘ２，ｘ３，ｘ４に囲まれる点ｘがパワー最大の点となるとき、点ｘを頂点の候補とする。なお、この例では、点ｘと、点ｘを中心として、時刻軸方向に隣接する２つの点および周波数軸方向に隣接する２つの点と、を用いてパワーが最大となる点を抽出する場合を示したが、実施の形態がこれに限定されるものではない。すなわち、時刻軸および周波数軸によって形成される平面上で点ｘを囲む複数の点と、点ｘと、を用いて、複数の点に囲まれる点ｘのパワーが最大となる場合に、点ｘをパワーが最大の点として抽出する方法であればよい。

最後に、頂点の候補をパワーが大きい順に並べ、大きい方から一定の数の点を極大として抽出する。

ここで、候補となる点をパワーの大きい順に並べ、大きい方から一定の数だけ取得したものを頂点としてもよいし、パワーが予め定められた閾値を超える全ての候補となる点を頂点としてもよい。また、これらの手法を組み合わせてもよい。

このように時系列のスペクトルのパワーの周波数および時刻に対する波形の頂点を特徴点として取得することにより、処理量の少ない手法で後述の要因診断による計算量を軽減することができる。

特徴点の時刻で運転データを取得していない場合には、特徴点の時刻に最も近い時刻の運転データを用いることによって、あるいは特徴点の時刻前後の複数の時刻の運転データを基に特徴点の時刻の運転データを補間することによって、特徴点の時刻の運転データを定めることができる。

図１２は、時刻、周波数およびパワーの３軸による３次元グラフにて、図１１の時系列のスペクトルデータから抽出した音の頂点の一例を示す図である。この図には、上記で説明した方法によって抽出された頂点１，２，３が示されている。

図５に戻り、運転振動抽出部１７は、時刻同期を行った運転データから振動成分を抽出し、振動データを取得する（ステップＳ２０）。振動成分の周波数、振幅または位相は、振動データの一例である。この処理は、ステップＳ１７の音振動時系列スペクトル取得処理と独立に実施してもよい。

振動成分の抽出手法の一例は、定速運転中の運転データの波の山の頂点から次の山の頂点までの時間を求める方法である。

次に、要因判定部１８は、ステップＳ１９で生成された特徴点データおよびステップＳ２０で取得された振動データを、駆動音の要因毎に登録した要因判定条件と比較することによって、駆動音の発生要因を判定する（ステップＳ２１）。ここで駆動音の要因毎に登録する各要因判定条件は、特徴点データについては、駆動音の要因であるモータ１１０または被駆動機械１２０に発生する現象毎に、この現象に伴って発生する特徴点の含まれる周波数および時刻の少なくとも１つと、上記時刻におけるアクチュエータであるモータ１１０の駆動位置、駆動速度または駆動により発生する力である運転データと、の組み合わせを多次元データとしたときの数値範囲を定めたものである。振動データについては、駆動音の要因としてモータ１１０または被駆動機械１２０に発生する現象毎に、この現象に伴って発生する振動成分が含まれる数値範囲を定めたものである。

要因判定部１８は、特徴点データについては、取得した特徴点データを要因毎の数値範囲と比較することで、音振動データの発生要因を決定する。また、要因判定部１８は、振動データについては、取得した振動データを要因毎の数値範囲と比較すること、つまり、運転データの振動成分と音の頂点とを比較することで、振動データの発生要因を決定する。

一例として、リニアガイド１２７に汚れが付着し、スライダ１２５とリニアガイド１２７との間の摩擦が増加して擦過音が発生する場合には、発生する擦過音は、スライダ１２５が特定の位置区間内にあるときのみ発生する。そこで、特徴点の発生する時刻におけるモータ１１０の位置が特定の位置、または一定の幅の区間Ｐ内に集中する場合に、診断対象１００は、区間Ｐで音が発生していると要因判定部１８は判定する。ここで区間Ｐの幅は、時系列の運転データにおける位置のデータの最大値と最小値との差に対する割合により決定することができる。また、この要因判定条件は、特徴点の時刻におけるモータ１１０の位置の分布具合が、特定の位置に集中することが検査可能な条件であればよい。例えば、一定の幅の区間Ｐより外れた特徴点の数もしくはその割合、特徴点の時刻における位置の平均と分散、または特徴点における周波数と位置の相関係数を算出し、算出した値が予め定められた範囲内となることを検査すればよい。

また、他の例として、カップリング１２４で接続する二軸の中心がずれている場合には、カップリング１２４の回転数の２倍の周波数に特徴的な音が発生することが知られている。そこで、特徴点の発生した時刻における運転データのモータ１１０の速度から、ギアボックス１２２の変換比を乗ずることによって、カップリング１２４の回転速度を算出し、算出した回転速度と特徴点の周波数が２倍の正比例の関係にあるときに、カップリング１２４で接続する二軸の中心がずれていると要因判定部１８は判定する。このとき、モータ１１０の速度の代わりに、運転データとしてモータ１１０の電流を取得し、値を累積することで、速度の代替としてもよい。

さらに他の条件の例として、機械がモータ１１０の駆動により機械共振する場合には、機械共振を励起する特定の速度ｖで、特定の共振周波数ｆの共振音が発生する。そこで、特徴点の発生する時刻におけるモータ１１０の回転速度が特定の速度、または一定の幅の区間Ｖに集中し、かつ特徴点の周波数が特定の周波数、または一定の幅の区間Ｆに集中するときに、診断対象１００は、回転速度ｖで機械共振による周波数ｆの音が発生していると要因判定部１８は判定する。

さらには、運転振動抽出部１７で取得した振動の周波数と機械共振による周波数ｆが発生する特徴点の時刻の周期が同一である場合には、モータ１１０の回転によって、一定の間隔でモータ１１０の振動成分が機械共振を励起していると要因判定部１８は判定する。つまり、運転データの振動成分と、音の頂点とを比較することで、駆動の振動成分によって機械共振が定期的に加振され、共振が励起される現象が要因判定部１８によって判定される。

このように要因判定部１８は、登録された要因判別条件を用いて、特徴点抽出部１６で抽出された特徴点データに対して、あるいは特徴点データおよび運転振動抽出部１７が抽出した振動データに対して、検査をすることで、アクチュエータもしくは被駆動機械１２０の位置または速度に依存する駆動音の要因を判別する。登録する要因判別条件は、あらかじめ類似する条件を整理して二分木探索として検査をしてもよい。このようにすることで、要因の判別で検査する条件の数を減らし、判別時間の短縮が図れる。以上で、駆動音診断方法の処理が終了する。

実施の形態１による駆動音診断システム１０，１０Ａは、アクチュエータもしくは被駆動機械１２０が発する駆動音についての時系列の音振動データと、アクチュエータの運転状態についての時系列の運転データと、を同期させ、運転モードを抽出する。また、音振動データを時間周波数解析して得られる時系列の音振動データのスペクトルから特徴点を抽出し、特徴点の周波数、時刻、パワー、波形および特徴点の時刻における運転データを組にした特徴点データを生成する。そして、特徴点データを予め用意した要因判別条件と比較することによって、駆動音の発生要因を判別した。このように、音振動データと運転データに基づき駆動音の発生要因を診断するので、被駆動機械１２０への異物の付着などによる駆動音の発生箇所を特定することができ、アクチュエータもしくは被駆動機械１２０の位置または速度に依存する異常原因を容易に判定することができる。さらに、アクチュエータまたは被駆動機械１２０の速度に応じて発生する音の周波数が変化する原因を判別することもできる。さらには、装置全体が振動しているような場合でも、音振動が運転によるものであるかを判別することができる。

また、駆動音診断システム１０，１０Ａは、特徴点の音振動データと運転データとその発生時刻に基づき音または振動の発生要因を診断する。そのため、診断対象の隣で大きな稼働音を発する装置が存在する場合であっても発生時刻と運転データとの因果関係から誤診断を抑制することができる。

さらに、駆動音診断システム１０，１０Ａは、音振動データの周波数スペクトルと運転データとを組み合わせて音の発生要因を診断するので、音振動データのスペクトルの変化を判定する際に、運転パターンの変化による音振動データのスペクトルの変化の影響を除去することができる。特に、ワークの条件により運転パターンが変化する場合であっても、音振動データのスペクトルへの影響を運転データによって除去することができるため、駆動音診断システム１０，１０Ａは適切な診断を実施することができる。

また、駆動音診断システム１０，１０Ａは、音振動データを時間周波数解析して求めた特徴量を、駆動パターンに依らない条件式に代入することで、駆動音の発生要因を診断する。このため、正常時または異常時の運転データを予め用意する必要がない。従って、駆動機器または機械の構成を変更した場合でも、汎用的かつ即座に駆動音の診断を実施することができる。

カップリング１２４で接続する二軸の中心がずれている場合を例に挙げて説明する。この音は、カップリング１２４の回転速度の周波数の２倍の周波数に特徴的な音が発生することが知られている。機械の使用方法の変更によって、駆動パターンが、毎秒１０回転のモータ１１０の回転速度から毎秒２０回転のモータ１１０の回転速度へと変わったものとする。特許文献１に記載の技術では、異常を検知する場合の音のピーク周波数の閾値を、駆動パターンごとに設定しなければならない。ピーク周波数の閾値の一例は、駆動パターンの変更前の場合は次式（１）で示され、駆動パターンの変更後の場合は次式（２）で示される。
変更前のピーク周波数＝１０×ギアボックス１２２の変換比×２±誤差［Ｈｚ］ ・・・（１）
変更後のピーク周波数＝２０×ギアボックス１２２の変換比×２±誤差［Ｈｚ］ ・・・（２）

一方、本実施の形態では、カップリング１２４のずれで発生する音の特徴量であるピーク周波数は、次式（３）で示される。
ピーク周波数＝回転速度の周波数×ギアボックス１２２の変換比×２±誤差［Ｈｚ］ ・・・（３）

つまり、（１）式および（２）式を含むカップリング１２４のずれで発生する音のピーク周波数を、モータ１１０の回転速度を変数とした条件式で表現しており、駆動パターン毎、この場合にはモータ１１０の回転速度毎に条件式を予め用意しておく必要がない。そして、回転速度の周波数は、取得した運転データから求めることができるので、（３）式を使用することで、どのような運転パターンの場合でもカップリング１２４のずれを判定することが可能になる。すなわち、音の特徴量である周波数が駆動パターンに依らない条件式に代入して判別されることになる。なお、ここでは、カップリング１２４で接続する二軸の中心がずれている場合に発生する音について説明したが、他の要因についても同様に、振動データを時間周波数解析して求めた特徴量を、駆動パターンに依らない条件式に代入することで、駆動音の発生要因を診断することができる。

さらに、被駆動機械１２０の発する駆動音を基にその要因を診断する。駆動音を用いて診断することによって、機械剛性の低い場合などでも機械を選ばずに診断することができる。

また、駆動音診断システム１０，１０Ａは、音振動データを時間周波数解析した結果を用いて、音または振動の要因を診断する。時間周波数解析を行うことによって、センサの誤検知またはノイズによる要因診断の誤りを減らすことができる。

さらに、駆動音診断システム１０，１０Ａは、音振動データを時間周波数解析して求めた特徴量を基に駆動音の要因を診断する。これによって、診断の対象となるデータを削減し、処理時間を軽減することができる。また、周波数を用いることによって、駆動音の原因の推定が可能となる。

また、駆動音診断システム１０，１０Ａは、運転データに基づき運転モード抽出部１４が機器の運転状態を推定し、運転モードを抽出する。そして、定速運転中の期間に対応する音振動データのみに周波数変換を行い、アクチュエータの駆動が安定し難い加減速中の音振動データを破棄することができる。したがって、加減速中の音振動データも使用する場合に比して、診断の精度を改善するとともに、診断に適さない音振動データを破棄することで、演算処理で使用するメモリ量と処理時間とを削減することができる。

さらに、駆動音診断システム１０，１０Ａは、運転データに基づき、被駆動機械１２０が動作していない期間などを判定し、動作していない期間の音振動データを省くことで、駆動によらない音による誤検知を防ぐことができる。さらに、被駆動機械１２０が動作していない状態の周波数変換を省略することにより処理コストを軽減することができる。

さらにまた、駆動音の原因を調査する場合に、調査したい駆動音が含まれる運転モードを特定することで、他の現象による駆動音の影響を排除することができる。特に、複数のアクチュエータが設けられる場合に駆動音の原因となるアクチュエータを推定することができる。

また、駆動音診断システム１０，１０Ａは、運転モード抽出部１４が一定の時間、運転データである速度のデータの変化量の和が特定の閾値に収まるときに定速運転中であると定める。このようにすることで、アクチュエータの速度が一定の幅に収まる状態では、被駆動機械１２０の発する駆動音が安定し、均質の状態となり易いので、より正確に音の要因を判定することができる。また、速度を特定せずに安定した状態の音を抽出することができるため、駆動パターンが異なった場合でも定速運転中であれば同じ要因診断をすることができる。さらに、要因推定のために望ましい、アクチュエータまたは被駆動機械１２０の複数の速度で安定したときの音を抽出することができる。

また、駆動音診断システム１０，１０Ａは、運転データから振動成分を抽出する運転振動抽出部１７を備えるので、要因判定部１８は振動成分と特徴点の発生時刻とを比較することができる。これによって、駆動の振動成分により機械共振が定期的に加振され、共振が励起される現象を判定することができる。

また、駆動音診断システム１０，１０Ａは、特徴点と特徴点の時刻におけるモータ１１０の位置の分布具合が、特定の位置に集中することを検出する。このようにすることで、検出された特徴点が運転データに依存する要因で発生した特徴点であるか否かを判定することができる。

また、駆動音診断システム１０，１０Ａは、特徴点を時系列スペクトルのパワーが周波数と時刻に対する波形について頂点となる点を特徴点として抽出する。抽出によって診断を行う点数を減らすことで、要因判定部１８で行う処理を軽減することができる。スペクトルの頂点と運転データとの相関係数を計算することにより、検出された頂点が運転データに依存する要因で発生したものであるか否かを判別することができる。

また、駆動音診断システム１０，１０Ａは、被駆動機械１２０が発した駆動音の要因を判定し、表示器１３３を通じて昇降機の使用者に通知する。このようにすることで、昇降機の使用者は、被駆動機械１２０の駆動音に問題があることを検知し、診断結果を基に適切な対応をとることができる。

実施の形態２．
図１３は、実施の形態２に係る駆動音診断システムをピッキングユニットに適用した場合のハードウェア構成の一例を示す図である。この例では、診断対象２００は、ベルトコンベア２２５上を流れるワーク２９１を別のベルトコンベア２２６へ移し替えるピッキングユニットである。

図１３に示されるように、診断対象２００は、複数のモータ２１１，２１２，２１３，２１４およびアクチュエータ２１５と、被駆動機械２２０と、駆動装置２３０と、を備える。この診断対象２００に、駆動音診断システム１０Ｂが設けられる。駆動音診断システム１０Ｂは、駆動音検出部１１と、運転状態検出部１２と、無線ネットワーク機器２４０と、サーバ装置２５０と、ユーザ端末２６０と、ネットワーク機器２７０と、を備える。サーバ装置２５０とユーザ端末２６０との間は、通信回線２８０を介して接続される。なお、被駆動機械２２０において、上下方向をＺ方向とし、Ｚ方向に垂直な面内で、ベルトコンベア２２５，２２６の延在方向をＹ方向とし、Ｙ方向およびＺ方向に垂直な方向をＸ方向とする。

被駆動機械２２０は、ピッキングユニットである。被駆動機械２２０は、リニアレール２２１と、ボールねじ２２２と、リニアガイド２２３と、ヘッド２２４と、２つのベルトコンベア２２５，２２６と、を備える。

リニアレール２２１は、リニアモータであるモータ２１２の駆動方向を固定するレールである。この例では、リニアレール２２１は、並行して配置される２つのベルトコンベア２２５，２２６の上部に、Ｙ方向に延在して配置される。リニアレール２２１には、モータ２１２、ボールねじ２２２およびリニアガイド２２３を介してヘッド２２４が接続される。モータ２１２を駆動したときのモータ２１２の可動方向は、リニアレール２２１の延在方向に限定される。図１３の例では、モータ２１２の可動方向は、Ｘ方向に限定される。

ボールねじ２２２は、モータ２１１に接続され、モータ２１１の回転によってＺ方向にヘッド２２４を駆動させる。リニアガイド２２３は、ボールねじ２２２の駆動方向をＺ方向に限定するガイドである。リニアガイド２２３は、モータ２１１およびボールねじ２２２と締結され、モータ２１２の可動部に固定される。これによって、ボールねじ２２２はモータ２１２の駆動によってリニアレール２２１に沿って駆動される。

ヘッド２２４は、ボールねじ２２２の駆動によって、Ｚ方向に駆動されるステージである。ヘッド２２４は、Ｙ方向に延在した形状を有し、下部にワーク２９１を保持する機構を有するアクチュエータ２１５を有する。アクチュエータ２１５は、真空吸着機構によってワーク２９１を保持する真空パッドである。アクチュエータ２１５で保持したワーク２９１は、ボールねじ２２２によって上下に移動が可能となる。ワーク２９１は、ピッキングユニットのピッキング対象である。

ベルトコンベア２２５は、Ｙ方向の正側から負側にワーク２９１を供給するフィーダである。ベルトコンベア２２５には、モータ２１３が接続される。モータ２１３の回転によって内蔵されたベルトが駆動されることによって、ベルト上のワーク２９１が運搬される。

ベルトコンベア２２６は、Ｙ方向の正側から負側にワーク２９１を運搬するアンローダである。ベルトコンベア２２６には、モータ２１４が接続される。モータ２１４の回転によって内蔵されたベルトが駆動されることによって、ベルト上のワーク２９１が運搬される。

モータ２１１は、ボールねじ２２２に接続される。モータ２１１は、駆動装置２３０によって制御された電流を受け取り、軸を回転させるサーボモータである。

モータ２１２は、リニアレール２２１に接続される。モータ２１２は、駆動装置２３０によって制御された電流を受け取り、Ｘ方向にモータ２１２を駆動するリニアサーボモータである。

モータ２１３は、ベルトコンベア２２５に接続され、モータ２１４は、ベルトコンベア２２６に接続される。モータ２１３，２１４は、駆動装置２３０からパルス状の電気信号を受け取り、軸を回転させるステッピングモータである。

アクチュエータ２１５は、駆動装置２３０から電気信号を受け取り、ワーク２９１の吸着または脱着を行う複数の真空パッドである。吸着または脱着の動作によって、ピッキングを行うワーク２９１を保持または解放する。

駆動装置２３０は、複数のモータドライブ２３１，２３２，２３３と、モータ制御機器２３４と、を有する。

モータドライブ２３１は、モータ２１１にケーブルで接続され、モータ２１１の回転角度を参照しながら駆動する動力をモータ２１１に供給する。モータドライブ２３２は、モータ２１２にケーブルで接続され、モータ２１２の位置を参照しながら駆動する動力をモータ２１２に供給する。モータドライブ２３３は、モータ２１３，２１４にケーブルで接続され、パルス状の指令をモータ２１３，２１４に送信する。

モータ制御機器２３４は、モータドライブ２３１，２３２，２３３を統括し、各モータ２１１，２１２，２１３，２１４の駆動を制御する。モータドライブ２３１，２３２，２３３およびモータ制御機器２３４はケーブルによって接続され、通信によって相互の情報を交換することができる。また、モータ制御機器２３４は、アクチュエータ２１５と図示しないケーブルによって接続され、アクチュエータ２１５によるワーク２９１に対する吸着、脱着を電気信号によって制御する。ワーク２９１に対する吸着または脱着を行うので、真空ポンプはアクチュエータ２１５の一例である。真空ポンプが動作することで、ワーク２９１に対する吸着が行われ、真空ポンプが動作しないことで、ワーク２９１に対する脱着が行われる。

駆動音検出部１１は、被駆動機械２２０に隣接して配置され、診断対象２００が発する音を検出するマイクロフォンである。駆動音検出部１１には、通信部２４１Ａが設けられる。通信部２４１Ａの一例は、無線通信装置である。駆動音検出部１１は、検出した駆動音を、音を検出した時刻であるタイムスタンプと組にして、通信部２４１Ａを介してサーバ装置２５０に送信する。

運転状態検出部１２は、駆動装置２３０にケーブルを介して接続され、駆動装置２３０の情報を運転状態として取得するロガーである。運転状態検出部１２は、駆動装置２３０と適宜通信を行い、運転状態を含む各種データを取得し、記録する。運転状態検出部１２は、診断対象２００の運転状態として、モータ２１１，２１２，２１３，２１４の速度指令、およびアクチュエータ２１５の吸着状態を取得し、時刻同期部１３に出力する。吸着または脱着の２値データは、吸着状態の一例である。

運転状態検出部１２には、通信部２４１Ｂが設けられる。通信部２４１Ｂの一例は、無線通信装置である。運転状態検出部１２は、取得した運転状態を、運転状態を取得した時刻であるタイムスタンプと組にして、通信部２４１Ｂを介してサーバ装置２５０に送信する。

図１３では、複数軸のモータ２１１，２１２，２１３，２１４およびアクチュエータ２１５に対して、１台の駆動音検出部１１および１台の運転状態検出部１２が設けられる場合が示されているが、複数の駆動音検出部１１または複数の運転状態検出部１２が設けられる構成としてもよい。特に、遮蔽などによって他のモータの駆動音による干渉を排除する構成を有する被駆動機械２２０の場合には、それぞれのモータ２１１，２１２，２１３，２１４およびアクチュエータ２１５に対して駆動音検出部１１を設けることで、より正確な診断が期待できる。

無線ネットワーク機器２４０は、通信部２４１Ａ，２４１Ｂとの間で無線通信を行う装置である。無線ネットワーク機器２４０は、通信部２４１Ｃを有する。無線ネットワーク機器２４０および通信部２４１Ａ，２４１Ｂ，２４１Ｃによって、無線ＬＡＮ（Local Area Network）が構築され、無線ネットワーク機器２４０は、通信部２４１Ａ，２４１Ｂ，２４１Ｃのアクセスポイントとなる。また、無線ネットワーク機器２４０は、同時にルータの役割も有し、各端末と通信回線２８０によるネットワークとの通信を中継している。なお、通信部２４１Ａ，２４１Ｂ，２４１Ｃおよび無線ネットワーク機器２４０は、必要に応じて、通信部２４１Ａ，２４１Ｂ，２４１Ｃおよび無線ネットワーク機器２４０を含む無線設備間の時刻の同期を行う。これは駆動音検出部１１および運転状態検出部１２で使用する時刻を正確な時刻とするためである。

実施の形態２では、音振動データおよび運転データを用いて要因判別を行う機能処理部は、サーバ装置２５０と、ユーザ端末２６０と、に分散して設けられる。サーバ装置２５０とユーザ端末２６０とは通信回線２８０を介して接続される。

サーバ装置２５０は、被駆動機械２２０について駆動音についての要因判別の処理の実行をユーザ端末２６０から指示されると、被駆動機械２２０から取得した駆動音の時系列データである音振動データおよび運転状態の時系列データである運転データを用いて特徴点データを含む装置データを生成する処理を行う。

図１４は、実施の形態２によるサーバ装置の機能構成の一例を模式的に示すブロック図である。サーバ装置２５０は、通信回線２８０によるネットワーク上に設置された情報処理装置である。サーバ装置２５０は、時刻同期部１３、運転モード抽出部１４、音振動時系列スペクトル取得部１５および特徴点抽出部１６の機能を有する。すなわち、サーバ装置２５０は、サーバ装置２５０上のアプリケーションとして、時刻同期部１３と、運転モード抽出部１４と、音振動時系列スペクトル取得部１５と、特徴点抽出部１６と、を備える。なお、実施の形態２では、運転振動抽出部１７が省略される構成を例示している。

また、サーバ装置２５０は、駆動音検出部１１と運転状態検出部１２との間、およびユーザ端末２６０との間で通信を行う通信部２５１を備える。

さらに、サーバ装置２５０は、装置データ記憶部２５２を備える。装置データ記憶部２５２は、ＲＤＢＭＳ（Relational Database Management System）またはNot only ＳＱＬなどのデータベースである。サーバ装置２５０は、駆動音検出部１１および運転状態検出部１２からネットワークに送られた駆動音および運転状態を含む装置データをデータベースに収集し、必要に応じて加工した後、記憶する。一例として、実施の形態１で説明したように、音振動データおよび運転データの同期を取り、音振動データについて時系列のスペクトルデータを取得し、このスペクトルデータから特徴点を抽出し、特徴点の周波数、時刻、パワー、波形および特徴点の時刻における運転データを組にした特徴点データを含む装置データが装置データ記憶部２５２に記憶される。

図１５は、実施の形態２による装置データのレコードの一例を示す図である。装置データの１つのレコードは、登録時刻と、運転モードと、特徴点データと、運転データと、を含む。なお、サーバ装置２５０に収集されたデータをディープラーニングなどによって分析することにより、より精度の高い要因の判別を行うことができる。

ユーザ端末２６０は、被駆動機械２２０の駆動音についての要因判別をサーバ装置２５０に指示し、サーバ装置２５０から受け取った装置データを用いて要因判別の処理を行い、その結果を表示する。ユーザ端末２６０は、被駆動機械２２０の使用者が所持する情報処理装置である。ユーザ端末２６０の一例は、ラップトップ型またはデスクトップ型でのパーソナルコンピュータである。

図１６は、実施の形態２によるユーザ端末の機能構成の一例を模式的に示すブロック図である。ユーザ端末２６０は、実施の形態１で説明した要因判定部１８の機能を有する。すなわち、ユーザ端末２６０は、ユーザ端末２６０上のアプリケーションとして、要因判定部１８を備える。

また、ユーザ端末２６０は、通信部２６１と、入力部２６２と、表示部２６３と、を備える。通信部２６１は、通信回線２８０を介してサーバ装置２５０との間で通信を行う。一例として、使用者によって入力部２６２から入力された要因判別の処理の実行の指示をサーバ装置２５０に送信し、サーバ装置２５０から装置データを含む種々の情報を受信する。また、通信部２６１は、駆動音検出部１１および運転状態検出部１２に接続し、駆動音を時系列データにした音振動データおよび運転状態を時系列データにした運転データを取得することもできる。

入力部２６２は、使用者との間の入力インタフェースである。キーボードまたはマウスは入力部２６２の一例である。入力部２６２から被駆動機械２２０の要因判別の処理の実行の指示の入力などが行われる。

表示部２６３は、被駆動機械２２０の要因判別の処理の実行の際に必要な情報を表示する。液晶ディスプレイは表示部２６３の一例である。表示部２６３には、要因判別の結果またはネットワークを介して取得した装置データなどが表示される。

ネットワーク機器２７０は、被駆動機械２２０に設けられる駆動音検出部１１および運転状態検出部１２、サーバ装置２５０およびユーザ端末２６０の間の通信を中継する通信装置である。ルータはネットワーク機器２７０の一例である。

図１３に示されるように、ネットワークを介して駆動音診断システム１０Ｂを構成することで、被駆動機械２２０が設置される工場とは異なる遠隔地であっても駆動音の診断を行うことができる。

駆動音の診断を行うサーバ装置２５０およびユーザ端末２６０は、上記したように情報処理装置によって実現される。図１７は、サーバ装置およびユーザ端末のハードウェア構成の一例を示すブロック図である。サーバ装置２５０およびユーザ端末２６０は、演算装置４０１と、メモリ４０２と、記憶装置４０３と、通信装置４０４と、入力装置４０５と、表示装置４０６とを有する。演算装置４０１と、メモリ４０２と、記憶装置４０３と、通信装置４０４と、入力装置４０５と、表示装置４０６とは、バスライン４０７を介して接続される。

演算装置４０１は、演算処理を行うＣＰＵをはじめとしたプロセッサである。メモリ４０２は、演算装置４０１が演算処理の途中で使用するデータを格納するワークエリアとして機能する。記憶装置４０３は、コンピュータプログラム、情報などを記憶する。通信装置４０４は、ネットワークに接続される他の装置との間の通信機能を有する。入力装置４０５は、操作者からの入力を受け付ける。入力装置４０５は、キーボード、マウスなどである。表示装置４０６は、表示画面を出力する。表示装置４０６は、モニタ、ディスプレイなどである。なお、入力装置４０５と表示装置４０６とが一体化されたタッチパネルが用いられてもよい。

図１４に示される時刻同期部１３、運転モード抽出部１４、音振動時系列スペクトル取得部１５および特徴点抽出部１６の機能は、演算装置４０１が記憶装置４０３に格納されたコンピュータプログラムを読み出して実行することにより実現される。

また、図１６に示される要因判定部１８の機能は、演算装置４０１が記憶装置４０３に格納されたコンピュータプログラムを読み出して実行することにより実現される。

次に、診断対象２００の動作を説明する。ピッキングユニットの使用者は、ピッキングユニットでワーク２９１を搬送するため、モータ２１１，２１２，２１３，２１４およびアクチュエータ２１５の駆動指令をモータ制御機器２３４に入力する。一例として、使用者は、ユーザ端末２６０からモータ制御機器２３４に対する指令を入力する。そして、ネットワーク機器２７０、通信回線２８０、サーバ装置２５０、無線ネットワーク機器２４０、通信部２４１Ｃ、通信部２４１Ｂを介して、モータ制御機器２３４に指令が送信される。モータ制御機器２３４は、入力された指令に従い、モータドライブ２３１，２３２，２３３に対して、駆動指令を生成し、送信する。

モータドライブ２３１，２３２，２３３は、受信した駆動指令に従い、モータ駆動電流を制御し、モータ２１１，２１２，２１３，２１４およびアクチュエータ２１５を駆動させる。

モータ２１１が駆動することで、モータ２１１に接続されたボールねじ２２２が回転し、ボールねじ２２２に接続されたヘッド２２４およびアクチュエータ２１５がＺ方向に移動する。

モータ２１２が駆動することで、モータ２１２に接続されたリニアガイド２２３と、モータ２１１と、モータ２１１に接続された機器が、Ｘ方向に移動する。

モータ２１３が駆動することで、ベルトコンベア２２５が回転し、ベルトコンベア２２５上のワーク２９１がＹ方向の正側から負側に向かって移動する。同様に、モータ２１４が駆動することで、ベルトコンベア２２６が回転し、ベルトコンベア２２６上のワーク２９１がＹ方向の正側から負側に向かって移動する。

アクチュエータ２１５は、ベルトコンベア２２５の上を移動するワーク２９１を、アクチュエータ２１５の直下に接触するタイミングで吸着することにより、ワーク２９１を保持する。これによって、吸着後のモータ２１１の駆動によりアクチュエータ２１５が上方向に移動したときも、ワーク２９１がアクチュエータ２１５に接触した状態を保持することができる。

その後、モータ２１１が回転することにより、アクチュエータ２１５を上方向に移動する。このとき、ワーク２９１はアクチュエータ２１５に吸着されているため、アクチュエータ２１５の上昇とともにワーク２９１も上昇し、ベルトコンベア２２５から離れた状態となる。

次に、モータ２１２をＹ方向の正側に駆動することにより、ワーク２９１はベルトコンベア２２６の直上へ移動する。その後、再びモータ２１１を回転することにより、ワーク２９１をベルトコンベア２２６に載せる。アクチュエータ２１５は、保持したワーク２９１がベルトコンベア２２６上に接触するタイミングでワーク２９１を解放することにより、ワーク２９１をベルトコンベア２２６上に載せる。アクチュエータ２１５を解放した後、モータ２１１およびモータ２１２を駆動させ、アクチュエータ２１５を開始時の位置に戻す。最後にモータ２１４を回転させることにより、ベルトコンベア２２６のＹ方向負側に向かってワーク２９１を搬出する。

以上説明した動作の過程で、診断対象２００は駆動する際に駆動音を発する。診断対象２００が発生した駆動音およびモータ２１１，２１２，２１３，２１４の回転角度のそれぞれは、駆動音検出部１１および運転状態検出部１２にて収録および取得され、無線通信によって、サーバ装置２５０に送信される。

サーバ装置２５０は、随時無線ネットワーク機器２４０を通じて、駆動音検出部１１および運転状態検出部１２と通信を行い、駆動音および運転状態を含む診断対象２００に関する各種情報を取得し、装置データ記憶部２５２に情報を格納する。装置データ記憶部２５２に格納する前処理として、時刻同期部１３、運転モード抽出部１４、音振動時系列スペクトル取得部１５および特徴点抽出部１６は、取得した時系列データの音振動データおよび運転データに対して処理を実行し、運転モードと特徴点データを算出する。装置データ記憶部２５２は、時刻同期部１３、運転モード抽出部１４、音振動時系列スペクトル取得部１５および特徴点抽出部１６により算出した特徴点データと、特徴点の時刻の同期された運転データと、その他診断対象２００に関する必要な情報を格納する。

ユーザ端末２６０は、使用者の求めに応じて、システムの異常の有無など、使用者が必要とするシステムの各種情報を、サーバ装置２５０を通じて取得し、ユーザ端末２６０の表示部２６３に表示する。また、使用者は、サーバ装置２５０の装置データ記憶部２５２に記憶されたデータベースを用いて、診断対象２００および駆動音診断システム１０Ｂの保守、運用に必要な分析を行うことができる。

次に、実施の形態２おける駆動音診断システム１０Ｂにおける駆動音の診断手順について説明する。なお、基本的な駆動音の診断手順については実施の形態１の場合とほぼ同様であるが、以下では、実施の形態１との相違点を中心に説明する。

実施の形態２では、サーバ装置２５０の時刻同期部１３は、駆動音検出部１１および運転状態検出部１２で組とされたタイムスタンプを用いて、音振動データと運転データとの同期を行う。これにより通信の品質が悪いなどの理由で通信のリアルタイム性が確保できない場合においても、音振動データおよび運転データの同期を行うことが可能となる。

また、サーバ装置２５０の運転モード抽出部１４などにおいて特定の時刻間のデータを必要とする場合に、タイムスタンプにより指定された時刻間のタイムスタンプをもつデータが抽出されるものとする。この方式で抽出することにより、音振動データおよび運転データの取得周期が異なる場合でも、同期されたデータとして解析を行うことが可能となる。

音振動データおよび運転データの検出周期が異なる場合の他の手法としては、同一の周期となるようフィルタ処理を行った後に、データを間引く方法、あるいは逆に間のデータを線形補間などの手法によって補間する方法が考えられる。

また、運転モード抽出部１４は、複数のモータ２１１，２１２，２１３，２１４およびアクチュエータ２１５のうちどのモータが主で動作するのかによって工程を分割して運転モードを設定する。具体的には、運転モード抽出部１４は、運転データを基に、モータ２１１，２１２，２１３，２１４の速度指令とアクチュエータ２１５の圧着状態のデータとから、どのモータ２１１，２１２，２１３，２１４またはアクチュエータ２１５が動作しているのかを判別し、運転モードを決定する。一例では、ワーク搬入中ではモータ２１３が主に動作し、ワーク吊上中ではモータ２１１，２１２が主に動作し、ワーク搬出中では主にモータ２１４が動作し、ポンプ操作中ではアクチュエータ２１５が主に動作する。そこで、一例では、運転モード抽出部１４は、ワーク搬入中、ワーク吊上中、ワーク搬出中、およびポンプ操作中に運転モードを分割する。

ユーザ端末２６０の要因判定部１８は、特徴点データを、要因判定条件であるサーバ装置２５０で生成された数値範囲と比較し、駆動音の要因を判別する。サーバ装置２５０における数値範囲の生成方法としては、知見により要因と推定されるパラメータを基に数値範囲を生成してもよいし、運転データおよび音振動データを基にした機械学習などによって数値範囲を生成してもよい。また、要因判定条件を要因判定部１８で判別する直前にサーバ装置２５０で動的に生成してもよい。この場合には、より喫緊の事例を基にした要因診断が行えるため、より精度の高い診断を実行することができる。

なお、実施の形態２では、図１のように、運転振動抽出部１７が設けられない構成となっている。そのため、要因判定部１８は、振動データを用いず、特徴点データを用いて要因の判別を行う。

実施の形態２による駆動音診断システム１０Ｂは、音振動データおよび運転データを時間周波数解析して求めた特徴点データを、運転モード毎にサーバ装置２５０で生成した数値範囲と比較することで、駆動音の発生要因を診断する。このため、正常時または異常時の運転データを予め用意する必要がなく、駆動機器または機械の構成を変更した場合でも、汎用的かつ即座に駆動音の診断を実施することができる。

また、実施の形態２による駆動音診断システム１０Ｂによれば、複数のモータ２１１，２１２，２１３，２１４およびアクチュエータ２１５によって駆動される被駆動機械２２０が発する駆動音の要因を即座に判定することができる。特にどのモータにより駆動される部分に原因があるかの判別が容易となる。これによって、被駆動機械２２０の駆動音に問題がある場合、使用者は、その要因から適切な対処をとることができ、その対処に要する時間を短縮することができる。

実施の形態３．
図１８は、実施の形態３に係る駆動音診断システムにおける要因判定部の機能構成の一例を示すブロック図である。実施の形態３による駆動音診断システムは、実施の形態１における演算処理部１４０の要因判定部１８を、駆動音の要因判定について学習済みの学習器を用いて駆動音の要因を判別する要因判定部１８Ａへと換えたものである。なお、以下では、実施の形態１と同一の構成要素には、同一の符号を付してその説明を省略し、実施の形態１と異なる部分について説明する。

要因判定部１８Ａは、学習結果保存部３１と、要因推論部３２と、を備える。学習結果保存部３１は、特徴点抽出部１６によって抽出された特徴点データに対する駆動音の要因を推定するための機械学習を予め行った学習結果を保存する。要因推論部３２は、学習結果保存部３１の学習結果に基づいた演算処理を実行する。

要因判定部１８Ａは、特徴点抽出部１６によって抽出された特徴点データを入力とし、学習結果保存部３１の学習結果に基づいた演算処理を要因推論部３２にて行うことによって、駆動音の要因判別を行う。

このとき、学習結果保存部３１で保存される学習結果は、特徴点データの全てを用いて機械学習した結果であってもよいし、特徴点データの一部を用いて機械学習した結果であってもよい。また、要因推論部３２は、学習結果保存部３１の学習時に用いた特徴点データに応じて、入力データを抽出して演算処理を行う。

また、学習結果保存部３１に保存される学習結果を導く機械学習の学習モデルとしては、Ｋ近傍法、決定木、サポートベクターマシーン、カーネル近似が挙げられる。また、学習モデルとして、ディープラーニングが用いられてもよい。

実施の形態３における要因判定部１８Ａは、駆動音の要因判定を学習済みの学習器を用いて判別する。これによって、より精度の高い駆動音の要因判定を提供することができる。また、要因判定部１８Ａは、要因判定部１８と同じデータを用いて機械学習を行った学習器を用いるので、駆動パターンに依らない判別を行うことができる。このことから学習結果保存部３１に保存される学習結果は、多様な駆動装置に適用することができる。

実施の形態４．
図１９は、実施の形態４に係る駆動音診断システムの機械学習装置の機能構成の一例を示すブロック図である。機械学習装置５０は、実施の形態２における音振動データおよび運転データを用いて要因判別を行う機能処理部を有するサーバ装置２５０およびユーザ端末２６０に、機械学習する機能を持たせたものである。なお、以下では、実施の形態１，２と同一の構成要素には、同一の符号を付してその説明を省略し、実施の形態１，２と異なる部分について説明する。

機械学習装置５０は、駆動音検出部１１と、運転状態検出部１２と、音振動時系列スペクトル取得部１５と、特徴点抽出部１６と、要因取得部５１と、要因学習部５２と、学習結果保存部５３と、を備える。

要因取得部５１は、駆動音の発生要因に関するデータを取得する。要因取得部５１は、例えば、設計者または利用者の操作によって入力された計測した駆動音の発生要因に関するデータを取得するものでもよい。あるいは、要因取得部５１は、実施の形態１または実施の形態２に係る駆動音の発生要因の診断結果を取得するものでもよいし、他の駆動音診断システムにおける駆動音の発生要因の診断結果を取得するものでもよい。

要因学習部５２は、特徴点抽出部１６によって抽出された特徴点データと、要因取得部５１によって取得された駆動音の発生要因に関するデータと、の組み合わせに基づいて作成される訓練データセットに従って、駆動音の発生要因を学習する。要因学習部５２で用いる学習モデルは、実施の形態３で挙げられた学習モデルなどを用いることができる。訓練データセットに用いる診断データは、複数の被駆動機械２２０のものを用いてもよい。一例では、通信回線２８０等によって複数の被駆動機械２２０に接続して診断データを収集することによって、より正確な診断とすることができる。学習結果保存部５３は、要因学習部５２による学習結果を保存する。

図２０は、実施の形態４によるサーバ装置の機能構成の一例を模式的に示すブロック図である。サーバ装置２５０Ａは、通信回線２８０によるネットワーク上に設置された情報処理装置である。サーバ装置２５０Ａは、時刻同期部１３と、運転モード抽出部１４と、音振動時系列スペクトル取得部１５と、特徴点抽出部１６と、要因学習部５２と、学習結果保存部５３と、通信部２５１と、を備える。

サーバ装置２５０Ａは、駆動音検出部１１および運転状態検出部１２から通信回線２８０に送られた駆動音および運転状態を含む装置データを、必要に応じて加工した後、学習し、保存する。一例として、まず、実施の形態２のように、特徴点の周波数、時刻、パワー、波形および特徴点の時刻における運転データを組にした特徴点データの全部または一部が要因学習部５２に入力される。次に、ユーザ端末２６０から通信回線２８０および通信部２５１を介して、駆動音の発生要因を取得し、組み合わせて訓練データセットとする。最後に、訓練データセットを用いて要因学習部５２は駆動音の発生要因を学習し、その結果を学習結果保存部５３に保存する。

図２１は、実施の形態４によるユーザ端末の機能構成の一例を模式的に示すブロック図である。ユーザ端末２６０Ａは、通信部２６１と、入力部２６２Ａと、表示部２６３と、要因判定部１８と、要因取得部５１と、を備える。

要因取得部５１は、駆動音の発生要因に関するデータを、例えば、使用者より取得する。取得した駆動音の発生要因に関するデータは、通信部２６１を介してサーバ装置２５０Ａに送信される。

入力部２６２Ａは、使用者との間の入力インタフェースである。入力部２６２Ａは、被駆動機械２２０の要因判別の処理の実行の指示を使用者が入力する際、また要因取得部５１で取得する駆動音の発生要因に関するデータを使用者が入力する際のインタフェースとなる。

実施の形態４に係る駆動音診断システムでは、駆動音の要因の機械学習機能と機械学習機能の結果を用いた要因判別機能の両方を併せ持つ。これにより、駆動音の要因診断を利用しつつ、学習を進めることによって要因診断の精度を高めていくことが可能となる。

また、通信回線２８０を介して複数の被駆動機械２２０またはユーザ端末２６０Ａと接続することによって、より精度の高い要因診断を被駆動機械２２０の設置個所に依らず複数の場所で利用することができる。その結果、汎用性の高い診断を学習することが可能となる。

実施の形態４に係る駆動音診断システムでは駆動音の要因の機械学習機能と機械学習機能の結果を用いた要因判別機能の両方を併せ持つが、駆動音診断システムの機械学習装置５０が単独で構成され、学習結果を用いる要因判別は他の装置の機能としてもよい。学習結果を用いる要因判別装置の例は実施の形態３の図１８に示した構成のものである。

以上の実施の形態に示した構成は、本発明の内容の一例を示すものであり、別の公知の技術と組み合わせることも可能であるし、本発明の要旨を逸脱しない範囲で、構成の一部を省略、変更することも可能である。

１０，１０Ａ，１０Ｂ 駆動音診断システム、１１ 駆動音検出部、１２ 運転状態検出部、１３ 時刻同期部、１４ 運転モード抽出部、１５ 音振動時系列スペクトル取得部、１６ 特徴点抽出部、１７ 運転振動抽出部、１８，１８Ａ 要因判定部、３１，５３ 学習結果保存部、３２ 要因推論部、５０ 機械学習装置、５１ 要因取得部、５２ 要因学習部、１００，２００ 診断対象、１１０，２１１，２１２，２１３，２１４ モータ、１２０，２２０ 被駆動機械、１３０，２３０ 駆動装置、１３１，２３１，２３２，２３３ モータドライブ、１３２，２３４ モータ制御機器、１３３ 表示器、１４０ 演算処理部、２１５ アクチュエータ、２５０，２５０Ａ サーバ装置、２５１，２６１ 通信部、２５２ 装置データ記憶部、２６０，２６０Ａ ユーザ端末、２７０ ネットワーク機器、２８０ 通信回線。

上述した課題を解決し、目的を達成するために、本発明に係る駆動音診断システムは、駆動音検出部と、運転状態検出部と、音振動時系列スペクトル取得部と、特徴点抽出部と、要因判定部と、を備える。駆動音検出部は、アクチュエータまたはアクチュエータによって駆動される被駆動機械で発生する音または機械的振動である駆動音を検出する。運転状態検出部は、アクチュエータの駆動位置、駆動速度または駆動により発生する力を時系列で取得する。音振動時系列スペクトル取得部は、検出された駆動音の時系列データである音振動データの各時刻に対応する周波数スペクトルを算出し、算出した周波数スペクトルのパワーを周波数および時刻と対応付けて組にした時系列スペクトルを出力する。特徴点抽出部は、時系列スペクトルのパワーの周波数および時刻に対する波形が時系列スペクトルのパワーの周波数および時刻に対する波形の頂点、峰、稜線および鞍点の少なくともいずれか１つとなる点を特徴点として抽出し、特徴点の周波数、時刻、特徴点の波形および特徴点の時刻におけるアクチュエータの駆動位置、駆動速度または駆動により発生する力である運転データを組にした特徴点データを出力する。要因判定部は、駆動音の要因であるアクチュエータまたは被駆動機械に発生する現象毎に、現象に伴って発生する特徴点の含まれる周波数および時刻の少なくとも１つと、その時刻におけるアクチュエータの駆動位置、駆動速度または駆動により発生する力である運転データと、の組み合わせを多次元データとしたときの第１数値範囲を定めた要因判定条件と、特徴点データの数値と、を比較することで検出された駆動音の発生要因を判定する。

Claims (8)

1. アクチュエータまたはアクチュエータによって駆動される被駆動機械で発生する音または機械的振動である駆動音を検出する駆動音検出部と、
   前記アクチュエータの駆動位置、駆動速度または駆動により発生する力を時系列で取得する運転状態検出部と、
   検出された前記駆動音の時系列データである音振動データの各時刻に対応する周波数スペクトルを算出し、算出した前記周波数スペクトルのパワーを周波数および前記時刻と対応付けて組にした時系列スペクトルを出力する音振動時系列スペクトル取得部と、
   前記時系列スペクトルの前記パワーの前記周波数および前記時刻に対する波形が定められた条件を満たす点を特徴点として抽出し、前記特徴点の前記周波数、前記時刻、前記特徴点の前記波形および前記特徴点の前記時刻における前記アクチュエータの駆動位置、駆動速度または駆動により発生する力である運転データを組にした特徴点データを出力する特徴点抽出部と、
   前記駆動音の要因である前記アクチュエータまたは前記被駆動機械に発生する現象毎に、前記現象に伴って発生する前記特徴点の含まれる前記周波数および前記時刻の少なくとも１つと、前記時刻における前記アクチュエータの駆動位置、駆動速度または駆動により発生する力である前記運転データと、の組み合わせを多次元データとしたときの第１数値範囲を定めた要因判定条件と、前記特徴点データの数値と、を比較することで検出された前記駆動音の発生要因を判定する要因判定部と、
   を備えることを特徴とする駆動音診断システム。
2. 前記被駆動機械の運転状態を、前記運転データに基づいて時刻で区切られた２つ以上の区間に区分する運転モード抽出部をさらに備え、
   前記音振動時系列スペクトル取得部は、前記区間の開始時刻と終了時刻との間に検出した少なくとも一点の前記音振動データを用いて前記周波数スペクトルを算出することを特徴とする請求項１に記載の駆動音診断システム。
3. 前記運転モード抽出部は、予め定められた時間よりも長い時間、前記アクチュエータの速度が一定の幅に収まる状態である区間を抽出することを特徴とする請求項２に記載の駆動音診断システム。
4. 前記運転データから振動成分を抽出する運転振動抽出部をさらに備え、
   前記要因判定部は、前記特徴点データの数値と前記第１数値範囲との比較に加え、前記振動成分と、前記現象毎に、前記現象に伴って発生する前記振動成分が含まれる第２数値範囲と、を比較することで検出された前記駆動音の発生要因を判定することを特徴とする請求項１から３のいずれか１つに記載の駆動音診断システム。
5. 前記特徴点抽出部が検査する特徴点は、前記時系列スペクトルの前記パワーの前記周波数および前記時刻に対する波形が頂点となる点であることを特徴とする請求項１から４のいずれか１つに記載の駆動音診断システム。
6. 前記要因判定部は、
   前記特徴点データと、前記運転データに対する音の要因と、を推定するための機械学習を行った学習結果を保存する学習結果保存部と、
   前記多次元データを入力とし、前記学習結果保存部に保存された前記学習結果に基づいた演算処理を実行し、前記駆動音の発生要因を判定する要因推論部と、
   を有することを特徴とする請求項１から５のいずれか１つに記載の駆動音診断システム。
7. アクチュエータまたはアクチュエータによって駆動される被駆動機械で発生する音または機械的振動である駆動音を検出する工程と、
   前記アクチュエータの駆動位置、駆動速度または駆動により発生する力を時系列で取得する工程と、
   検出された前記駆動音の時系列データである音振動データの各時刻に対応する周波数スペクトルを算出し、算出した前記周波数スペクトルのパワーを周波数および前記時刻と対応付けて組にした時系列スペクトルを出力する工程と、
   前記時系列スペクトルの前記パワーの前記周波数および前記時刻に対する波形が定められた条件を満たす点を特徴点として抽出し、前記特徴点の前記周波数、前記時刻、前記特徴点の前記波形および前記特徴点の前記時刻における前記アクチュエータの駆動位置、駆動速度または駆動により発生する力である運転データを組にした特徴点データを出力する工程と、
   前記駆動音の要因である前記アクチュエータまたは前記被駆動機械に発生する現象毎に、前記現象に伴って発生する前記特徴点の含まれる前記周波数および前記時刻の少なくとも１つと、前記時刻における前記アクチュエータの駆動位置、駆動速度または駆動により発生する力である前記運転データと、の組み合わせを多次元データとしたときの数値範囲を定めた要因判定条件と、前記特徴点データの数値と、を比較することで検出された前記駆動音の発生要因を判定する工程と、
   を含むことを特徴とする駆動音診断方法。
8. アクチュエータまたはアクチュエータによって駆動される被駆動機械で発生する音または機械的振動である駆動音を検出する駆動音検出部と、
   前記アクチュエータの駆動位置、駆動速度、または、駆動により発生する力を時系列で取得する運転状態検出部と、
   検出された前記駆動音の時系列データである音振動データの各時刻に対応する周波数スペクトルを算出し、算出した前記周波数スペクトルのパワーを周波数および前記時刻と対応付けて組にした時系列スペクトルを出力する音振動時系列スペクトル取得部と、
   前記時系列スペクトルの前記パワーの前記周波数および前記時刻に対する波形が定められた条件を満たす点を特徴点として抽出し、前記特徴点の前記周波数、前記時刻、前記特徴点の前記波形および前記特徴点の前記時刻における前記アクチュエータの駆動位置、駆動速度、または駆動により発生する力である運転データを組にした特徴点データを出力する特徴点抽出部と、
   前記駆動音の要因である前記アクチュエータまたは前記被駆動機械に発生する現象毎に、前記現象に伴って発生する前記特徴点の含まれる前記周波数および前記時刻の少なくとも１つと、前記時刻における前記アクチュエータの駆動位置、駆動速度または駆動により発生する力である前記運転データと、の組み合わせを多次元データとし、前記多次元データに基づいて前記駆動音の発生要因を学習する要因学習部と、
   前記要因学習部で学習した学習結果を保存する学習結果保存部と、
   前記要因学習部に与える前記駆動音の発生要因を取得する要因取得部と
   を備えることを特徴とする駆動音診断システムの機械学習装置。

Images