JP4791093B2 - 乗客コンベアの診断装置 - Google Patents

Description

この発明は、複数のステップが循環移動される乗客コンベアの状態を診断するための乗客コンベアの診断装置に関するものである。

従来のエスカレータでは、ステップを案内するレールの異常を検知するために、ステップの車輪軸に加速度センサが取り付けられることがある。レールの異常は、加速度センサが他の箇所よりも大きな振動を計測したときに検知することができる（特許文献１参照）。

特開平７−１３３０８８号公報

しかし、加速度センサの計測値をそのままレールの異常の判断の基準にすると、例えば外部からの振動や駆動装置からの振動等により突発的に異常値を示すこともあり、レールが異常であるか否かを判断しにくい場合もある。従って、エスカレータの診断の自動化を図ることが困難である。

この発明は、上記のような課題を解決するためになされたものであり、乗客コンベアの状態を自動的に診断することができる乗客コンベアの診断装置を得ることを目的とする。

この発明による乗客コンベアの診断装置は、循環移動されるステップに設けられ、ステップの重力方向についての加速度を計測する加速度センサ、加速度センサからの情報に基づいて、ステップが反転される反転位置を求め、反転位置に基づいて、ステップの移動経路における所定の区間を特定する区間特定部、加速度センサ及び区間特定部のそれぞれからの情報に基づいて、所定の区間における加速度についてのステップ周期成分を統計特徴量として求める統計特徴量算出部、及び統計特徴量と、あらかじめ設定された設定特徴量とを比較することにより、乗客コンベアの異常の有無を判定する判定部を備えている。

この発明に係る乗客コンベアの診断装置では、統計特徴量算出部が、加速度センサからの振動信号について、所定の区間におけるステップ周期成分を統計特徴量として求め、判定部は、統計特徴量と、あらかじめ設定された設定特徴量とを比較することにより、乗客コンベアの異常の有無を判定するようになっているので、乗客コンベアの異常の有無をより明確に区別可能な統計特徴量を基準にして乗客コンベアを診断することができ、乗客コンベアの診断の自動化を図ることができる。

実施の形態１．
図１は、この発明の実施の形態１によるエスカレータを示す側面図である。図において、主枠（図示せず）の長手方向の一端部には上部スプロケット１が配置され、他端部には下部スプロケット２が配置されている。上部スプロケット１は、主枠内に設けられた駆動装置（図示せず）の駆動力により回転される。

主枠内には、踏段チェーン３により無端状に連結された複数のステップ（踏段）４が配置されている。踏段チェーン３は、上部スプロケット１及び下部スプロケット２間に巻き掛けられている。各ステップ４は、上部スプロケット１の回転により、踏段チェーン３とともに循環移動される。

各ステップ４の移動方向は、踏段チェーン３が上部スプロケット１に巻き掛けられている上部反転位置５で反転され、踏段チェーン３が下部スプロケット２に巻き掛けられている下部反転位置６で反転される。また、各ステップ４が循環移動される無端状の経路は、上部反転位置５及び下部反転位置６のうちの一方の反転位置から他方の反転位置へ各ステップ４が移動される往路区間７と、往路区間７よりも下方に位置し、他方の反転位置から一方の反転位置へ各ステップ４が移動される帰路区間８とから構成されている。即ち、往路区間７及び帰路区間８は、上部反転位置５及び下部反転位置６を境界として、互いに連続している。さらに、各ステップ４のうちの少なくとも１つのステップ１０４には、エスカレータの運転状態を診断する診断装置９が設けられている。

図２は、図１のエスカレータのステップ１０４を示す側面図である。また、図３は、図２の診断装置９を示すブロック図である。診断装置９は、ステップ１０４の振動を計測して振動信号を発生する加速度センサ１４と、ステップ１０４の音の大きさを計測して音信号を発生するマイクロホン１５と、加速度センサ１４及びマイクロホン１５のそれぞれからの情報を記録する情報記録装置１６と、情報記録装置１６からの情報に基づいて、エスカレータの異常の有無を判定する処理を行う処理装置１７とを有している。

加速度センサ１４は、ステップ１０４の重力方向についての加速度の大きさ及び向きを計測可能になっている。この例では、ステップ１０４の移動方向が反転されるときに、加速度センサ１４の向きも反転される。従って、ステップ１０４が上部反転位置５及び下部反転位置６を通過するときには、加速度センサ１４によって計測される振動信号の正負が逆転するようになっている。

情報記録装置１６は、振動信号及び音信号のそれぞれを一定時間間隔でサンプリングすることによりデジタル変換するデジタル変換部１８と、デジタル変換部１８で変換された振動信号及び音信号のそれぞれを所定の時間分だけ記憶するメモリ１９とを有している。この例では、メモリ１９に記憶される振動信号及び音信号は、無端状の経路を各ステップ４が少なくとも一周以上移動されるのにかかる時間分の振動信号及び音信号とされている。

処理装置１７は、メモリ１９からの振動信号に基づいて、往路区間７及び帰路区間８を所定の区間として特定する区間特定部２０と、区間特定部２０及びメモリ１９のそれぞれから、往路区間７及び帰路区間８のそれぞれにおける振動信号及び音信号を取得し、取得した振動信号及び音信号から所定の法則によって抽出される抽出量を統計特徴量として求める統計特徴量算出部２１と、統計特徴量算出部２１からの情報に基づいて、エスカレータの運転の状態を判定する判定部２２とを有している。

ここで、図４は、図３の区間特定部２０が取得する振動信号及び音信号と、時間との関係を示すグラフである。区間特定部２０は、メモリ１９からの振動信号の正負が逆転する位置を上部反転位置５及び下部反転位置６として特定し、振動信号の符号から往路区間７及び帰路区間８をそれぞれ特定する。図４はエスカレータを上昇運転させた時の例であり、振動信号の符号が負から正になる位置が上部反転位置５とされ、振動信号の符号が正から負になる位置が下部反転位置６とされる。また、振動信号の符号が負である区間が往路区間７とされ、振動信号の符号が正である区間が帰路区間８とされる。

統計特徴量算出部２１は、往路区間７及び帰路区間８のそれぞれについて、平均振幅、尖度及びステップ周期成分を統計特徴量として求めるようになっている。また、平均振幅、尖度及びステップ周期成分は、振動信号及び音信号に基づいて求められ、振動信号に基づく場合と、音信号に基づく場合とで別々に求められる。

平均振幅は、ステップ１０４が往路区間７及び帰路区間８のそれぞれを移動されるときの時刻の範囲をｔ＝［ｍ ｎ］、振動信号及び音信号のいずれかをｖ（ｔ）、時刻の範囲ｔ＝［ｍ ｎ］における振動信号及び音信号のいずれかの平均値をｖ_０とすると、以下の式（１）で表される。

また、尖度は、以下の式（２）で表される。

例えば、振動信号に基づいて往路区間７における平均振幅及び尖度を求めるときには、ステップ１０４が往路区間７を移動されるときの時刻の範囲をｔ＝［ｍ ｎ］、ステップ１０４が往路区間７を移動されるときの振動信号をｖ（ｔ）、時刻の範囲ｔ＝［ｍ ｎ］における振動信号の平均値をｖ_０として、式（１）及び式（２）に適用する。

ステップ周期成分は、各ステップ４が所定の位置を通過する時間間隔に同期して発生する振動及び音のそれぞれの大きさを示す統計特徴量である。各ステップ４が所定の位置を通過する周波数（以下、「ステップ通過周波数」という）は、ステップ４の定格移動速度を、互いに隣り合うステップ４間の配置の間隔で割ることにより求められる。この例では、ステップ４の定格移動速度が５０ｃｍ／ｓｅｃとされ、各ステップ４間の間隔が４０．５ｃｍとされている。従って、ステップ通過周波数は、５０／４０．５≒１．２（Ｈｚ）となる。

図５は、図４の振動信号に対してハイパスフィルタを適用したときの高域信号と時間との関係を示すグラフである。また、図６は、図５の高域信号に対して包絡線処理を行ったときの包絡線信号と時間との関係を示すグラフである。さらに、図７は、図６の包絡線信号に対して高速フーリエ変換を行ったときの包絡線スペクトルを示すグラフである。

図に示すように、統計特徴量算出部２１は、メモリ１９からの振動信号及び音信号のそれぞれにハイパスフィルタを適用することにより高域成分のみを取り出し、高域信号を算出する（図５）。また、統計特徴量算出部２１は、算出した高域信号に対して包絡線の絶対値を求める包絡線処理を行い、包絡線信号を算出する（図６）。さらに、統計特徴量算出部２１は、算出した包絡線信号に対して高速フーリエ変換を行い、包絡線スペクトルを算出する（図７）。

統計特徴量算出部２１は、算出した包絡線スペクトルのうち、ステップ通過周波数における成分をステップ周期成分として算出する。この例では、ステップ周期成分は、ステップ通過周波数が１．２（Ｈｚ）であるときのスペクトル成分とされる。

統計特徴量算出部２１は、往路区間７及び帰路区間８のうちのいずれか１つと、振動信号及び音信号のうちのいずれか１つと、平均振幅、尖度及びステップ周期成分のうちのいずれか１つとをそれぞれ組み合わせた合計１２個の特徴ベクトルを統計特徴ベクトルとして算出する。

処理装置１７（図２及び図３）には、エスカレータが正常に運転されているときの特徴ベクトルを設定特徴ベクトルとして記憶する判定基準用メモリが搭載されている。即ち、処理装置１７に搭載された判定基準用メモリには、エスカレータが正常に運転されているときの要素として、往路区間７及び帰路区間８のうちのいずれか１つと、振動信号及び音信号のうちのいずれか１つと、平均振幅、尖度及びステップ周期成分のうちのいずれか１つ（設定特徴量）とをそれぞれ組み合わせた合計１２個の特徴ベクトルが設定特徴ベクトルとして記憶されている。

判定部２２は、異常判別手段２３及び異常領域特定手段２４を有している。異常判別手段２３は、統計特徴量算出部２１からの統計特徴ベクトルと判定基準用メモリからの設定特徴ベクトルとを比較することにより、エスカレータの異常の有無を判定する。即ち、異常判別手段２３は、統計特徴量算出部２１により算出された統計特徴ベクトルと、判定基準用メモリに記憶された設定特徴ベクトルとの距離を求め、求めた距離があらかじめ設定された閾値よりも小さいときに正常であると判定し、閾値以上のときに異常であると判定する。閾値は、判定基準用メモリに記憶されている。

なお、エスカレータが正常に運転されているときの複数の設定特徴ベクトルを判定基準用メモリに記憶してもよい。この場合、異常判別手段２３では、各設定特徴ベクトルのそれぞれについて、統計特徴ベクトルとの距離が求められる。そして、異常判別手段２３は、求められた複数個の距離について、少なくとも１つ以上の距離があらかじめ設定された閾値よりも小さいときに正常であると判定し、それ以外のときに異常であると判定する。

異常領域特定手段２４は、異常判別手段２３により異常であると判定された場合に、往路区間７での統計特徴量と、帰路区間８での統計特徴量とを比較することにより、異常発生領域を特定する。

図８は、図３の統計特徴量算出部２１によって算出されたステップ周期成分（以下、「統計ステップ周期成分」という）について、往路区間７における場合と帰路区間８における場合との関係を示すグラフである。図に示すように、異常領域特定手段２４は、往路異常領域２６、帰路異常領域２７及び全路異常領域２８のいずれの領域に統計ステップ周期成分の値が含まれるかを求めることにより、異常が発生した領域を特定するようになっている。

往路異常領域２６は、統計ステップ周期成分の値が帰路区間８よりも往路区間７で大きくなっている領域である。また、帰路異常領域２７は、統計ステップ周期成分の値が往路区間７よりも帰路区間８で大きくなっている領域である。さらに、全路異常領域２８は、統計ステップ周期成分の値が往路区間７と帰路区間８とでほぼ等しくなっている領域である。

異常領域特定手段２４は、統計ステップ周期成分の値が往路異常領域２６内にあるとき（異常Ａ）に、異常が発生している領域を往路区間７であると特定し、統計ステップ周期成分の値が帰路異常領域２７内にあるとき（異常Ｂ）に、異常が発生している領域を帰路区間８であると特定する。さらに、異常領域特定手段２４は、統計ステップ周期成分の値が全路異常領域２８内にあるとき（異常Ｃ）に、異常が発生している領域を往路区間７及び帰路区間８の全区間であると特定する。異常が発生している領域が全区間であると特定されたときには、ステップ１０４の移動経路の全体に異常が発生しているとみなせるだけでなく、例えばステップ１０４の移動に伴って異常源が移動しているとみなすこともできる。

なお、異常領域特定手段２４では、ステップ周期成分についてだけでなく、他の統計特徴量、即ち平均振幅及び尖度についても、同様にして、異常が発生している領域を特定する。

次に、動作について説明する。エスカレータの診断をする際に各ステップ１０４が一周以上循環移動されると、加速度センサ１４及びマイクロホン１５のそれぞれからの振動信号及び音信号が所定の時間分だけメモリ１９に記憶される。

この後、区間特定部２０では、メモリ１９に記憶された振動信号に基づいて、往路区間７及び帰路区間８が特定される。この後、統計特徴量算出部２１では、メモリ１９及び区間特定部２０からの情報に基づいて、統計特徴ベクトルが算出される。

この後、判定部２２では、統計特徴量算出部２１からの統計特徴ベクトルと、判定基準用メモリからの設定特徴ベクトルとが比較され、エスカレータの異常の有無の判定と、異常が発生したときの異常発生領域の特定とが行われる。

このような診断装置９では、統計特徴量算出部２１が、加速度センサ１４からの振動信号について、所定の区間における平均振幅、尖度及びステップ周期成分を統計特徴量として求め、判定部２２は、統計特徴量と、あらかじめ設定された設定特徴量とを比較することにより、エスカレータの異常の有無を判定するようになっているので、エスカレータの異常の有無をより明確に区別可能な統計特徴量を基準にしてエスカレータを診断することができ、エスカレータの診断の自動化を図ることができる。

また、区間特定部２０は、加速度センサ１４からの振動信号に基づいて、往路区間７及び帰路区間８のそれぞれを特定するようになっているので、例えば案内レール１３等の支持部材に、ステップ１０４の位置を検出するためのセンサを設ける必要がなくなり、省スペース化及び低コスト化を図ることができる。また、往路区間７と帰路区間８とが連続しているので、ステップ１０４の移動経路全体についての異常の有無の判定をすることができる。

また、判定部２２は、往路区間７での統計特徴量と、帰路区間８での統計特徴量とを比較することにより、異常が発生した領域を特定するようになっているので、エスカレータの診断の自動化をさらに図ることができる。

また、統計特徴量算出部２１は、加速度センサ１４からの振動信号についてだけでなく、ステップ１０４の音の大きさを計測するマイクロホン１５からの音信号についても、平均振幅、尖度及びステップ周期成分を統計特徴量として算出するようになっているので、エスカレータの異常の有無を判定するための統計特徴量を増やすことができ、エスカレータの診断をより正確に行うことができる。

なお、上記の例では、平均振幅、尖度及びステップ周期成分のすべてが統計特徴量として統計特徴量算出部２１により算出されているが、平均振幅、尖度及びステップ周期成分の少なくともいずれかを統計特徴量として算出するようにしてもよい。このようにしても、統計特徴量が算出されるので、エスカレータの異常の有無の判定を行うことができ、エスカレータの診断の自動化を図ることができる。

また、上記の例では、加速度センサ１４及びマイクロホン１５のいずれもがステップ１０４に設けられているが、加速度センサ１４からの振動信号のみに基づいても、往路区間７及び帰路区間８のそれぞれを特定することができ、また統計特徴量を算出することができるので、マイクロホン１５は、なくてもよい。

また、上記の例では、処理装置１７がステップ１０４に設けられているが、ステップ１０４とは異なる箇所、例えばエスカレータの運転を制御する制御装置等に処理装置１７を設けてもよい。この場合、情報記録装置１６からの情報は、無線通信により処理装置１７へ伝送される。

また、上記の例では、往路区間７及び帰路区間８のそれぞれにおける統計特徴量が統計特徴量算出部２１によって算出されるようになっているが、往路区間７及び帰路区間８に限らず、往路区間７の一部、あるいは帰路区間８の一部における統計特徴量を算出するようにしてもよい。

また、上記の例では、この発明がエスカレータに適用されているが、動く歩道にこの発明を適用してもよい。

この発明の実施の形態１によるエスカレータを示す側面図である。 図１のエスカレータのステップを示す側面図である。 図２の診断装置を示すブロック図である。 図３の区間特定部が取得する振動信号及び音信号と、時間との関係を示すグラフである。 図４の振動信号に対してハイパスフィルタを適用したときの高域信号と時間との関係を示すグラフである。 図５の高域信号に対して包絡線処理を行ったときの包絡線信号と時間との関係を示すグラフである。 図６の包絡線信号に対して高速フーリエ変換を行ったときの包絡線スペクトルを示すグラフである。 図３の統計特徴量算出部によって算出されたステップ周期成分について、往路区間における場合と帰路区間における場合との関係を示すグラフである。

符号の説明

４ ステップ、１４ 加速度センサ、１５ マイクロホン、７ 往路区間（所定の区間）、８ 帰路区間（所定の区間）、２０ 区間特定部、２１ 統計特徴量算出部、２２ 判定部。

Claims (2)

1. 循環移動されるステップに設けられ、上記ステップの重力方向についての加速度を計測する加速度センサ、
   上記加速度センサからの情報に基づいて、上記ステップが反転される反転位置を求め、上記反転位置に基づいて、上記ステップの移動経路における所定の区間を特定する区間特定部、
   上記加速度センサ及び上記区間特定部のそれぞれからの情報に基づいて、上記所定の区間における上記加速度についてのステップ周期成分を統計特徴量として求める統計特徴量算出部、及び
   上記統計特徴量と、あらかじめ設定された設定特徴量とを比較することにより、乗客コンベアの異常の有無を判定する判定部
   を備えていることを特徴とする乗客コンベアの診断装置。
2. 上記ステップに設けられ、上記ステップの音の大きさを計測するマイクロホンをさらに備え、
   上記統計特徴量算出部は、上記マイクロホン及び上記区間特定部のそれぞれからの情報に基づいて、上記所定の区間における上記音の大きさについて、平均振幅、尖度及びステップ周期成分の少なくともいずれかを上記統計特徴量として求めるようになっていることを特徴とする請求項１に記載の乗客コンベアの診断装置。

Images