JP6038347B2 - 異常音診断装置 - Google Patents

Description

本発明は、エレベータや車両等の回転体を有する機械といった診断対象から発生する異常音を診断する異常音診断装置に関する。

従来、回転体から発生する異常音、特に、転がり軸受から発生する異常音の診断に関して、例えば特許文献１及び特許文献２に示すような装置が知られている。
特許文献１の異常検査装置では、音圧または振動から算出される複数の特徴量（単位時間毎の音圧の標準偏差、ピーク数、および、変動幅など）をニューラルネットで学習し、回転機の異音を診断することが開示されている。
また、特許文献２の軸受診断装置では、軸受の振動を周波数帯域毎の時系列信号に変換し、変換された時系列信号の最大値及び平均実効値を抽出して、正常な軸受によって設定された判定値と比較することが開示されている。また、パルス的なピークの周期に基づいて軸受の損傷位置を特定することが開示されている。

特開平１１−２４１９４５号公報 特開２００２−０２２６１７号公報

しかしながら、従来の異常音診断装置は、回転体、特に、転がり軸受からの発生する異常音を対象としたものであるため、回転体と他の部品から構成され、回転体を有する機械に適用する場合、他の部品から発生し、回転体から発生する異常音と類似する音により、精度が低下するという問題があった。すなわち、回転体から発生する異常音の診断において、回転体から発生する異常音と類似する他の部品から発生する成分が、回転体から発生する異常音として誤検出されるという問題があった。また、他の部品から発生する異常音の診断において、回転体から発生する異常音が他の部品から発生する異常音に重畳することによって、他の部品から発生する異常音の検出精度が低下するという問題があった。

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、他の要因で発生する異常音が診断対象の異常音として誤検出されてしまうことを防止することのできる異常音診断装置を得ることを目的とする。

この発明に係る異常音診断装置は、一つの診断対象とする作動音を一つのチャンネルとして、それぞれのチャンネルの診断時の作動音と正常時の作動音とを比較して、複数のチャンネルの作動音の異常を診断する異常音診断装置であって、複数のチャンネルの作動音をそれぞれスペクトル分析し時間周波数分布を取得する複数の時間周波数分析部と、複数の時間周波数分析部のうち、一つの時間周波数分析部を特定の時間周波数分析部とし、当該特定の時間周波数分析部が取得した特定チャンネルの時間周波数分布から、予め定義された特定成分を検出する特定成分検出部と、時間周波数分布において特定成分検出部が検出した特定成分の検出回数を計数する特定成分計数部と、正常時の特定成分計数値と、診断時の特定成分計数値とを比較して設定値以上の増加があったとき異常と判定する判定部と、複数の時間周波数分析部が取得した複数チャンネルの時間周波数分布から、それぞれ、特定成分検出部が検出した特定成分を除去し、当該特定成分が除去された時間周波数分布を求める複数の特定成分除去部と、複数の特定成分除去部で求めた複数の時間周波数分布と、複数の時間周波数分析部の正常時の時間周波数分布とによりそれぞれのチャンネルにおける異常検出を行う複数の異常検出部とを備えたものである。

この発明の異常音診断装置は、時間周波数分布における特定成分の検出回数を計数し、正常時の特定成分計数値より診断時の特定成分計数値が設定値以上の増加があったとき異常と判定するようにしたので、他の要因で発生する異常音が診断対象の異常音として誤検出されるのを防止することができる。

この発明の実施の形態１による異常音診断装置を示す構成図である。 この発明の実施の形態１による異常音診断装置の動作を示すフローチャートである。 この発明の実施の形態１による異常音診断装置の軸受異常音データを時系列に示す説明図である。 この発明の実施の形態１による異常音診断装置の計数履歴保存部に保存されるデータを示す説明図である。 この発明の実施の形態２による異常音診断装置を示す構成図である。 この発明の実施の形態２による異常音診断装置の軸受異常音データを時系列に示す説明図である。 この発明の実施の形態３による異常音診断装置を示す構成図である。 この発明の実施の形態３による異常音診断装置の特定成分除去部と異常検出部の動作を示すフローチャートである。 この発明の実施の形態３による異常音診断装置の異常モードと判定出力との関係を示す説明図である。

本発明は、診断対象とする機械の発する異常な音を診断する装置として、パーソナルコンピュータ（以下、ＰＣと称す）上のソフトウェアとして実装され、正常時の作動音を取り込む学習モードと診断時の作動音を取り込む診断モードを有する。マイク、音響センサ、加速度センサ等の集音器は、検査対象となる機械の作動音を集音可能となるように設置され、集音器からの信号は、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）インタフェースを介してＰＣに取り込まれる。

また、本発明は、診断対象とする機械としては、例えば昇降路内に設置されたエレベータである。このエレベータは、昇降路の上部に設けられた滑車から昇降路の下部方向に張られるロープの一端にカウンタが吊られ、もう一端に乗りかごが吊られている。乗りかごの下部（以下「かご下」と呼ぶ）には、かごを吊るロープの向きを反転させるために、転がり軸受を有する滑車（吊り車）が配置されている。集音器は、かご下と、乗りかごの上部（以下「かご上」と呼ぶ）に設置してある。学習時、及び、診断時には、乗りかごを昇降内で上下に走行させて、昇降路内の各機器やかごの機器から発生する作動音を集音し、集音された作動音をＰＣに取り込み、ＰＣのソフトウェアによって、各機器から発生する異常音の有無を診断する。以下、このようなエレベータを診断対象とする実施の形態を説明する。

以下、この発明をより詳細に説明するために、この発明を実施するための形態について、添付の図面に従って説明する。
実施の形態１．
図１は、この発明の実施の形態１による異常音診断装置を示す構成図である。
図１に示す異常音診断装置は、集音器１、波形取得部２、時間周波数分析部３、特定成分検出部４、特定成分計数部５、計数履歴保存部６、増分計算部７、軸受異常判定部８を備えている。集音器１は、エレベータのかご下に設置された集音器である。波形取得部２は、集音器１からの信号をサンプリングしデジタル信号に変換して波形データ２１を出力する処理部である。時間周波数分析部３は、波形データ２１に時間窓を掛け、時間窓を時間方向にずらしながら高速フーリエ変換（以下、ＦＦＴと称す）演算により波形データ２１を時間周波数分析し、時間と周波数に対する強度を示すスペクトル値からなる時間周波数分布を求め、学習３１時の時間周波数分布３１１及び診断３２時の時間周波数分布３２１を出力する処理部である。特定成分検出部４は、時間周波数分布３１１を参照し、時間周波数分布３２１に含まれる特定成分としての衝撃性成分を検出する処理部である。特定成分計数部５は、特定成分検出部４が検出した衝撃性成分の検出回数を計数する処理部であり、計数履歴保存部６は、特定成分計数部５が計数した検出回数を診断時刻と共に保存する記憶部である。また、増分計算部７は、計数履歴保存部６に保存された学習時の計数値に対する診断時の計数値の増分を計算する処理部である。軸受異常判定部８は、増分計算部７が計算した増加分に基づいて軸受の異常を判定し、軸受異常判定結果８１を出力する判定部である。なお、図１において、実線のブロックは処理部または記憶部を示し、破線のブロックは処理部から出力されるデータ、一点鎖線のブロックは処理の種類を示している。

また、上記の波形取得部２〜特定成分計数部５、増分計算部７、軸受異常判定部８は、それぞれ対応したソフトウェアをＣＰＵやメモリといったハードウェアを用いて実行されることによって実現されている。あるいは、少なくともいずれかの構成を専用のハードウェアで構成してもよい。

次に、実施の形態１の異常音診断装置の動作について説明する。
図２は、実施の形態１の異常音診断装置の動作を示すフローチャートである。
学習時または診断時において、波形取得部２は、集音器１から出力される測定信号を取得して増幅しＡＤ変換することによりサンプリングを行い、サンプリング周波数２４ｋＨｚの１６ビットリニアＰＣＭ（ｐｕｌｓｅ ｃｏｄｅ ｍｏｄｕｌａｔｉｏｎ）のデジタル信号の波形データ２１に変換する（ステップＳＴ１）。
時間周波数分析部３は、波形取得部２が出力する波形データ２１に対して、２５６点の時間窓を５ミリ秒の間隔で時間方向にずらしながらフレームを切出し、各フレームに対してＦＦＴ演算により周波数スペクトルの系列ｙ（ｔ，ｆ）を求め、学習３１時の時間周波数分布３１１、または診断３２時の時間周波数分布３２１として出力する（ステップＳＴ２〜ＳＴ５）。すなわち、ステップＳＴ３において学習モード（正常時）であった場合は学習３１時の時間周波数分布３１１を出力し、学習モードでなかった場合（診断モードの場合）は診断３２時の時間周波数分布３２１を出力する。

ここで、ｔは時間窓をずらすシフト間隔に対応する時刻のインデックス、ｆはＦＦＴ演算の結果の周波数を示す周波数インデックスである（以下、説明を簡潔にするため、「時刻のインデックスｔ」を「時刻ｔ」と記し、「周波数のインデックス」を「周波数ｆ」と記す）。また、ｙ（ｔ，ｆ）は、時刻ｔ、及び、周波数ｆにおけるパワーの大きさを表すデシベル値である。なお、時刻ｔおよび周波数ｆは、それぞれ、１≦ｔ≦Ｔ，０≦ｆ≦Ｆなる関係を満たす。ここで、Ｔは時間周波数分布３１１，３２１の時間方向のフレーム数、Ｆは波形データ２１のサンプリング周波数ｆｓの１／２であるナイキスト周波数（Ｆ＝ｆｓ／２）である。

特定成分検出部４は、診断３２時の時間周波数分布３２１から、以下のようにして、特定成分を検出する（ステップＳＴ６）。
まず、診断３２時の時間周波数分布３２１から、各時刻において所定の周波数帯域に含まれるパワー値の総和を求めることにより、帯域パワー（のデシベル値）の時系列を求める。詳細には、時刻をｔとする帯域パワー時系列Ｂ（ｔ）は、式（１）のように計算される。

ここで、ｆＬ及びｆＵは、それぞれ、所定の周波数範囲を示す下限の周波数と上限の周波数である。例えば、ｆＬ＝１０００Ｈｚ，ｆＵ＝９０００Ｈｚと設定する。

次に、この帯域パワー時系列Ｂ（ｔ）を時間方向に探索することにより、そのピークを検出する。ピークは、時刻ｔを中心とする所定の窓幅（設定幅）Ｗを有する時間窓を設け、時刻ｔにおける帯域パワーの値が、この時間窓中の帯域パワー時系列の最大値と一致するとき、時刻ｔにピークがあるとして、検出する。すなわち、ピークは式（２）のようにして検出される。

ここで、「Ｐｅａｋ（ｔ）」は１のときピークがあることを示し、０のときピークがないことを示す。なお、窓幅Ｗは例えば、Ｗ＝４１フレーム（時間幅換算で２０５ミリ秒）とする。

特定成分計数部５は、特定成分検出部４で求められた特定成分の検出結果から、特定成分の検出数を計数する（ステップＳＴ７）。詳細には、特定成分の検出数は、特定成分検出部４で求められたピークの数を、Ｐｅａｋ（ｔ）の時刻の範囲１≦ｔ≦Ｔにおける総和として、式（３）のように計算する。

ここで、Ｃｏｕｎｔは、検出された特定成分の計数値（ピークの数）である。

図３は、軸受異常音データを時系列に示す図であり、図中（ａ）は、時間周波数分布（スペクトログラム）を示し、図中（ｂ）は、帯域パワー時系列（ｂ）を、また、図中（ｃ）は特定成分の検出結果を丸印により示している。

計数履歴保存部６は、特定成分計数部５が取得した計数値を診断時刻（診断を実施した日付と時間）と共に保存する（ステップＳＴ８）。
図４は、計数履歴保存部６に保存されるデータの構成と保存データの例を示す。図において、「動作」で示す欄は、計数値を得たときの動作モードを記録し、「日付」で示す欄は学習または診断を実施した日付を記録し、「時間」で示す欄は集音を開始した時間を記録し、「計数値」で示す欄は計数値（式（３）のＣｏｕｎｔ）を記録する。

ステップＳＴ９の学習モードの判定において、学習モードであった場合は処理を終了する。一方、診断モードであった場合、増分計算部７は、計数履歴保存部６に記録された計数値を元に、計数値の増分を計算する（ステップＳＴ１０）。すなわち、計数値の増分は式（４）のように計算される。

ここで、「Ｃｏｕｎｔ（学習時）」は学習時の計数値、「Ｃｏｕｎｔ（診断時）」は診断時の計数値である。

軸受異常判定部８は、増分計算部７が計算した計数値の増分に基づいて、計数値の増分が所定の閾値を超えるとき（予め設定した値以上の増加があったとき）、軸受の異常があると判定し、軸受異常判定結果８１として出力する（ステップＳＴ１１）。すなわち、軸受の異常は式（５）のように判定される。

ここで、「ＪｕｄｇＢｅａｒｉｎｇ」は軸受異常の判定結果で、１は異常があることを示し、０は異常がないことを示す。また、「ＴｈｒｅｓｈｏｌｄＢｅａｒｉｎｇ」は軸受異常判定の閾値である。ＴｈｒｅｓｈｏｌｄＢｅａｒｉｎｇは、例えば、特定成分が毎秒２回ずつ検出される場合異常であるとして、４２と設定する。

図４の例では、２０１２年１０月２９日３時０２分３５秒から開始された診断時において、計数値が８７と閾値４２を超えているため、軸受の異常があると判定される。

以上のように、本実施の形態による異常音診断装置は、学習時に検出された特定成分の計数値に対する、診断時に検出される特定成分の計数値の増分に基づいて、回転体から発生する異常音を検出するように構成したので、学習時から存在する特定成分の影響を排除して、特定成分の検出を容易にするという効果を奏する。

なお、上記例では、特定成分の検出数の計数値として、特定成分の時間周波数分布の全時間区間に渡る計数値を用いたが、特定成分の単位時間当たりの検出数の計数値としても、同様な効果を有することは言うまでもない。

以上説明したように、実施の形態１の異常音診断装置によれば、診断時の作動音と正常時の作動音とを比較して、作動音の異常を診断する異常音診断装置において、診断対象の作動音をスペクトル分析し時間周波数分布を取得する時間周波数分析部と、時間周波数分布の中から、予め定義された特定成分を検出する特定成分検出部と、時間周波数分布において特定成分検出部が検出した特定成分の検出回数を計数する特定成分計数部と、正常時の特定成分計数値と、診断時の特定成分計数値とを比較して設定値以上の増加があったとき異常と判定する判定部とを備えたので、他の要因で発生する異常音が診断対象の異常音として誤検出されるのを防止することができる。

また、実施の形態１の異常音診断装置によれば、特定成分検出部は、時間周波数分布から、帯域パワー時系列を求め、帯域パワー時系列から、設定幅の時間窓に含まれるピークを検出することで特定成分を検出するようにしたので、高い検出精度で異常音を検出することができる。

実施の形態２．
図５は、実施の形態２の異常音診断装置を示す構成図である。
実施の形態２は、特定成分検出部４０において、診断３２時の時間周波数分布３２１から正常時（学習３１時）の時間周波数分布３１１を除去し、正常時の時間周波数分布３１１を除去した後の時間周波数分布から特定成分を検出するようにしたものである。その他の集音器１〜軸受異常判定部８の構成については図１に示す実施の形態１と同様であるため、対応する部分に同一符号を付してその説明を省略する。

次に、実施の形態２の異常音診断装置の動作について説明する。
波形取得部２が集音器１から出力される測定信号を波形データ２１に変換し、時間周波数分析部３が、波形データ２１に基づいて学習３１時に時間周波数分布３１１を出力し、診断３２時に時間周波数分布３２１を出力するのは実施の形態１と同様である。
特定成分検出部４０は、診断モードの場合、診断３２時の時間周波数分布３２１から、学習３１時の時間周波数分布３１１を除去し、除去後の時間周波数分布から、特定成分を検出する。詳細には、先ず、除去後の時間周波数分布は式（６）のように求める。

ここで、ｙ′（ｔ，ｆ）は診断時の時間周波数分布３２１から学習時の時間周波数分布３１１を除去した後の時間周波数分布、ｙ（ｔ，ｆ）は診断時の時間周波数分布３２１、ｙ０（ｔ，ｆ）は学習時の時間周波数分布３１１である。

次に、特定成分検出部４０は、除去後の時間周波数分布ｙ′（ｔ，ｆ）から、以下のようにして特定成分を検出する。先ず、除去後の時間周波数分布ｙ′（ｔ，ｆ）に対して、各時刻で、所定の周波数帯域に含まれるパワー値の総和を求めることにより、帯域パワー時系列を求める。すなわち、時刻ｔの帯域パワー時系列Ｂ′（ｔ）は式（７）のように計算される。

ここで、ｆＬ及びｆＵは、それぞれ、所定の周波数範囲を示す下限の周波数と上限の周波数である。

次に、特定成分検出部４０は、この帯域パワー時系列Ｂ′（ｔ）に対して、そのピークを検出する。ピークは、前述の（２）式に示すように、時刻ｔを中心とする所定の窓幅Ｗを有する時間窓を設け、時刻ｔにおける帯域パワーの値が、この時間窓中の帯域パワー時系列の最大値と一致するとき、時刻ｔにピークがあるとして、検出する。

特定成分計数部５は、前述の（３）式に示すように、特定成分検出部４０で求められた特定成分の検出結果から、特定成分の検出数を計数する。この計数処理は実施の形態１の図２におけるステップＳＴ７と同様であり、また、ステップＳＴ７以降の処理も実施の形態１と同様である。

図６は、実施の形態１の図３と同様に、軸受異常のあるデータを時系列に示す図であり、図中（ａ）に時間周波数分布（スペクトログラム）と、図中（ｂ）に帯域パワー時系列と、図中（ｃ）に特定成分の検出結果を示す。図３（ｃ）と図６（ｃ）を比べると、図６（ｃ）は検出されるピークの値が揃っている。従って、一定の閾値（例えば、閾値５）とピークの値を比較するという簡単ではあるが頑健な処理により、値が小さいピークの検出を抑制することで、軸受異常音とは異なる成分によって生じる小さなピークを抑制することができるようになる。

このように、本実施の形態による異常音検出装置は、特定成分を検出する際、診断時の帯域パワーから学習時の帯域パワーを除去しているため、時刻と共に帯域パワーが変化する場合でも、検出されるピークの値が揃えられる。このため、新たに設ける一定の閾値と比較することにより小さなピークを抑制でき、軸受異常音とは異なる成分によって生じる小さなピークを誤検出する可能性を軽減することができるという効果を奏する。

なお、学習時の時間周波数分布から学習時の帯域パワー時系列を求めると共に、診断時の時間周波数分布から診断時の帯域パワー時系列を求め、診断時の帯域パワー時系列から、学習時の帯域パワー時系列を除去した帯域パワー時系列に対して、ピークを検出するようにしても、同様の功を奏することができる。

以上説明したように、実施の形態２の異常音診断装置によれば、特定成分検出部は、診断時の時間周波数分布から正常時の時間周波数分布を除去して得られる時間周波数分布から帯域パワー時系列を求め、帯域パワー時系列から、設定幅の時間窓に含まれるピークを検出することで特定成分を検出するようにしたので、高い検出精度で異常音を検出することができる。

また、実施の形態２の異常音診断装置によれば、特定成分検出部は、正常時の時間周波数分布から正常時の帯域パワー時系列を求めると共に、診断時の時間周波数分布から診断時の帯域パワー時系列を求め、診断時の帯域パワー時系列から正常時の帯域パワー時系列を除去して得られる帯域パワー時系列を用いて、設定幅の時間窓に含まれるピークを検出することで特定成分を検出するようにしたので、高い検出精度で異常音を検出することができる。

実施の形態３．
実施の形態３は、互に同期して集音可能とした複数の集音器からなる多チャンネル集音手段を設けたもので、かご下にある回転体から発生する異常音の影響を除去して、他の部品から発生する異常音を検出するようにしたものである。

図７は、実施の形態３の異常音診断装置を示す構成図である。
実施の形態３の異常音診断装置は、集音器１ａ，１ｂ、波形取得部２ａ，２ｂ、時間周波数分析部３ａ，３ｂ、特定成分検出部４、特定成分計数部５、計数履歴保存部６、増分計算部７、軸受異常判定部８、特定成分除去部９ａ，９ｂ、異常検出部１０ａ，１０ｂを備えている。

集音器１ａは、所定の特定チャンネルであるかご下に設置された集音器であり、波形取得部２ａは、集音器１ａからの信号をサンプリングしデジタル信号に変換して波形データ２１ａを出力する処理部、時間周波数分析部３ａは、波形データ２１ａから、その時間周波数分布を求め、学習３１ａ時の時間周波数分布３１１ａ及び診断３２ａ時の時間周波数分布３２１ａを出力する処理部である。

同様に、集音器１ｂはかご上に設置された集音器、波形取得部２ｂは集音器１ｂからの信号をサンプリングしデジタル信号に変換して波形データ２１ｂを出力する処理部、時間周波数分析部３ｂは、波形データ２１ｂから、その時間周波数分布を求め、学習３１ｂ時の時間周波数分布３１１ｂ及び診断３２ｂ時の時間周波数分布３２１ｂを出力する処理部である。なお、波形取得部２ａおよび波形取得部２ｂは互いに同期して動作する。

また、特定成分検出部４は、時間周波数分布３１１ａを参照し時間周波数分布３２１ａに含まれる特定成分としての衝撃性成分を検出する処理部、特定成分計数部５は特定成分検出部４が検出した衝撃性成分の検出回数を計数する処理部、計数履歴保存部６は特定成分計数部５が計数した検出回数を診断時刻と共に保存する記憶部、増分計算部７は計数履歴保存部６に保存された学習時の計数値からの増分を計算する処理部、軸受異常判定部８は増分計算部７が計算した増加に基づいて軸受の異常を判定し、軸受異常判定結果８１を出力する処理部である。すなわち、集音器１ａ、波形取得部２ａ、時間周波数分析部３ａ、特定成分検出部４〜軸受異常判定部８は、実施の形態１における集音器１〜軸受異常判定部８と同様の構成である。

また、特定成分除去部９ａは、特定成分検出部４の出力を参照し診断時の時間周波数分布３２１ａから特定成分を除去し特定成分除去後の時間周波数分布９１ａを出力する処理部、異常検出部１０ａは学習時の時間周波数分布３１１ａを参照し特定成分除去後の時間周波数分布９１ａに含まれる異常音成分を検出し、かご下異常判定結果１０１ａを出力する処理部である。同様に、特定成分除去部９ｂは、特定成分検出部４の出力を参照し診断時の時間周波数分布３２１ｂから特定成分を除去し特定成分除去後の時間周波数分布９１ｂを出力する処理部、異常検出部１０ｂは、学習時の時間周波数分布３１１ｂを参照し特定成分除去後の時間周波数分布９１ｂに含まれる異常音成分を検出し、かご上異常判定結果１０１ｂを出力する処理部である。

次に、実施の形態３の異常音診断装置の動作について説明する。図８は、特定成分除去部９ａ，９ｂと異常検出部１０ａ，１０ｂの動作を示すフローチャートである。なお、集音器１ａから軸受異常判定部８までの動作は実施の形態１と同様であるため、図２のフローチャートを適宜用いて説明する。
特定成分検出部４は、診断時の時間周波数分布３２１ａから、帯域パワー時系列を求め、帯域パワー時系列のピーク検出結果を出力する（図２におけるステップＳＴ６）。検出されたピークの位置は、式（２）と同じ式（８）において、Ｐｅａｋ（ｔ）＝１となるｔの集合として表される。

特定成分除去部９ａは、診断時の時間周波数分布３２１ａから、以下のようにして、特定成分検出部４が検出した特定成分を除去する（図８におけるステップＳＴ１２）。まず、特定成分検出部４が出力するピーク検出結果から、検出されたピークの位置を求める。次に、診断時の時間周波数分布３２１ａに対して、検出された各ピークの位置における特定成分を覆うのに適するように決定した所定の継続時間と周波数帯域を有するマスクを生成し、このマスクが覆う時間周波数成分の値をマスク有という特別の数値（ＮＡと記す）に置き換え、特定成分除去後の時間周波数分布９１ａとして出力する。マスクの継続時間及び帯域幅は、それぞれ、例えば、１０フレーム（５０ミリ秒）及び１００Ｈｚ〜１２０００Ｈｚとする。

同様に、特定成分除去部９ｂは、特定成分検出部４が出力するピーク検出結果から、検出されたピークの位置を求め、診断時の時間周波数分布３２１ｂに対して、検出されたピークの位置における特定成分を覆うのに適するように決定された所定の継続時間と周波数帯域を有するマスクを生成し、このマスクが覆う時間周波数成分の値をマスク有という特別の数値（ＮＡ）に置き換え、特定成分除去後の時間周波数分布９１ｂとして出力する。

異常検出部１０ａは、特定成分除去後の時間周波数分布９１ａと、学習時の時間周波数分布３１１ａを比較し、以下のようにして、異常の有無を判定する（図８におけるステップＳＴ１３）。まず、診断対象とするエレベータで発生し得る異常音の時間周波数分布の経験値に基づいて、時間周波数分布上で定義され、予め事前知識として決められた、Ｋ個の所定の時間周波数領域に対して、特定成分除去後の時間周波数分布９１ａから、ＮＡ以外の数値から算出される平均強度と、このＮＡ以外の数値に対応する学習時の時間周波数分布３１１ａの値から算出される平均強度との差異を計算する。すなわち、差異は、式（９）のように計算する。

ここで、ｙ′（ｔ，ｆ）は特定成分除去後の時間周波数分布、ｙ０（ｔ，ｆ）は学習時の時間周波数分布、Ｋは所定の時間周波数領域の数であり、Ω（ｋ）はｋ番目（１≦ｋ≦Ｋ）の所定の時間周波数領域で、総和記号の下付きの条件式は、Ω（ｋ）に含まれ、かつ、マスク有という特別の数値でないような時間ｔ及び周波数ｆの組について総和をとることを表す。所定の時間周波数領域としては、例えば、時間周波数分布の全体を覆う領域と、時間軸をＮ分割、周波数軸をＭ分割した各部分領域とすることができる。

次に、この差異が所定の閾値を超えるとき、所定の時間周波数領域において、かご下の異常があると判定し、かご下異常判定結果１０１ａを出力する。すなわち、判定は式（１０）のようになされる。

ここで、「ＪｕｄｇＯｔｈｅｒｓ」は、判定結果で、１は異常、０は正常であることを示す。また、「ＴｈｒｅｓｈｏｌｄＯｔｈｅｒｓ」は閾値である。この閾値は、例えば、６デシベルとする。

同様に、異常検出部１０ｂは、予め事前知識として決めた、Ｋ個の所定の時間周波数領域において、特定成分除去後の時間周波数分布９１ｂから、マスク有という特別の数値以外の数値から算出される平均強度と、学習時の時間周波数分布３１１ｂの対応する値から算出される平均強度とを算出し、両者の平均強度の差異が所定の閾値を超えるとき、この所定の時間周波数領域において、かご上の異常があると判定し、かご上異常判定結果１０１ｂを出力する。

本実施の形態において、かご下で発生した軸受異常音は、かごの周りの昇降路内の空間を通して、かご上の集音器１ｂに到達することが分かっている。
また、本実施の形態の異常音診断装置は、３種類（一般的には集音器の数＋１）の異常判定結果、すなわち、軸受異常判定結果８１と、かご下異常判定結果１０１ａ及びかご上異常判定結果１０１ｂを出力する。

図９は、エレベータで起こる可能性のある異常モードと、本実施の形態の判定出力の関係を示す図である。
かご下で軸受異常音が発生していないときは、軸受異常判定結果８１は、常に、正常である。また、かご下異常判定結果１０１ａは、かご下の異常であって、軸受以外の部品の異常があれば異常を判定出力する。同様に、かご上異常判定結果１０１ｂは、かご上の異常があれば異常を判定出力する。
一方、かご下で軸受異常が発生しているときは、軸受異常判定結果８１は、常に、異常である。また、かご下異常判定結果１０１ａは、かご下の異常であって、軸受以外の部品の異常があれば異常を判定出力する。同様に、かご上異常判定結果１０１ｂは、かご上の異常があれば異常を判定出力する。

このように、実施の形態３の異常音診断装置は、かご下で軸受異常が発生していなくても、その他の部品の異常を検出できると共に、かご下で軸受異常が発生している場合でも、かご下で発生している軸受異常音の影響を除去して、その他の部品の異常音を検出することができるという効果を奏する。

以上説明したように、実施の形態３の異常音診断装置によれば、一つの診断対象とする作動音を一つのチャンネルとして、それぞれのチャンネルの診断時の作動音と正常時の作動音とを比較して、複数のチャンネルの作動音の異常を診断する異常音診断装置であって、複数のチャンネルの作動音をそれぞれスペクトル分析し時間周波数分布を取得する複数の時間周波数分析部と、複数の時間周波数分析部のうち、一つの時間周波数分析部を特定の時間周波数分析部とし、特定の時間周波数分析部が取得した特定チャンネルの時間周波数分布から、予め定義された特定成分を検出する特定成分検出部と、時間周波数分布において特定成分検出部が検出した特定成分の検出回数を計数する特定成分計数部と、正常時の特定成分計数値と、診断時の特定成分計数値とを比較して設定値以上の増加があったとき異常と判定する判定部と、複数の時間周波数分析部が取得した複数チャンネルの時間周波数分布から、それぞれ、特定成分検出部が検出した特定成分を除去し、特定成分が除去された時間周波数分布を求める複数の特定成分除去部と、複数の特定成分除去部で求めた複数の時間周波数分布と、複数の時間周波数分析部の正常時の時間周波数分布とによりそれぞれのチャンネルにおける異常検出を行う複数の異常検出部とを備え、特定成分検出部として実施の形態１または実施の形態２の特定成分検出部を用いるようにしたので、他の要因で発生する異常音が診断対象の異常音として誤検出されるのを防止することができると共に、特定の異常音の発生が他の要因で発生する異常音の検出精度を低下させてしまうことを防止することができる。

なお、上記実施の形態１〜３では、異常検出としてエレベータの軸受の異常を判定するようにしたが、診断対象としてこれに限定されるものではなく、周期的な動作を行う機構を有する装置であれば適用可能である。

また、本願発明はその発明の範囲内において、各実施の形態の自由な組み合わせ、あるいは各実施の形態の任意の構成要素の変形、もしくは各実施の形態において任意の構成要素の省略が可能である。

この発明の異常音診断装置は、時間周波数分布における特定成分の検出回数を計数し、正常時の特定成分計数値より診断時の特定成分計数値が設定値以上の増加があったとき異常と判定するようにしたので、他の要因で発生する異常音が診断対象の異常音として誤検出されるのを防止することができる。このため、エレベータや車両等の回転体を有する機械から発生する異常音を診断するのに適している。

１，１ａ，１ｂ 集音器、２，２ａ，２ｂ 波形取得部、３，３ａ，３ｂ 時間周波数分析部、４，４０ 特定成分検出部、５ 特定成分計数部、６ 計数履歴保存部、７ 増分計算部、８ 軸受異常判定部、９ａ，９ｂ 特定成分除去部、１０ａ，１０ｂ 異常検出部、２１，２１ａ，２１ｂ 波形データ、３１，３１ａ，３１ｂ 学習、３２，３２ａ，３２ｂ 診断、８１ 軸受異常判定結果、９１ａ，９１ｂ 特定成分除去後の時間周波数分布、１０１ａ かご下異常判定結果、１０１ｂ かご上異常判定結果、３１１，３１１ａ，３１１ｂ 時間周波数分布、３２１，３２１ａ，３２１ｂ 時間周波数分布。

Claims (1)

1. 一つの診断対象とする作動音を一つのチャンネルとして、それぞれのチャンネルの診断時の作動音と正常時の作動音とを比較して、複数のチャンネルの作動音の異常を診断する異常音診断装置であって、
   前記複数のチャンネルの作動音をそれぞれスペクトル分析し時間周波数分布を取得する複数の時間周波数分析部と、
   前記複数の時間周波数分析部のうち、一つの時間周波数分析部を特定の時間周波数分析部とし、当該特定の時間周波数分析部が取得した特定チャンネルの時間周波数分布から、予め定義された特定成分を検出する特定成分検出部と、
   前記時間周波数分布において前記特定成分検出部が検出した前記特定成分の検出回数を計数する特定成分計数部と、
   前記正常時の特定成分計数値と、前記診断時の特定成分計数値とを比較して設定値以上の増加があったとき異常と判定する判定部と、
   前記複数の時間周波数分析部が取得した複数チャンネルの時間周波数分布から、それぞれ、前記特定成分検出部が検出した特定成分を除去し、当該特定成分が除去された時間周波数分布を求める複数の特定成分除去部と、
   前記複数の特定成分除去部で求めた複数の時間周波数分布と、前記複数の時間周波数分析部の正常時の時間周波数分布とによりそれぞれのチャンネルにおける異常検出を行う複数の異常検出部とを備えたことを特徴とする異常音診断装置。

Images