【０００１】
【発明の属する技術分野】
この発明は、例えば自動車のエンジンなどの機器から発生する振動によりその健全性を診断する機器の診断装置に関するものである。
【０００２】
【従来の技術】
マイクロホンにて診断対象である機器から発生する音を検出して、検出した電気信号に対してウェーブレット変換を行う。ウェーブレット変換して得られる時系列的な周波数成分からなるデータの特徴を演算器により演算して演算値を求め、基準値に対して所定の関係、例えば演算値が基準値の３倍を超えたときに、機器の異常を示す比較結果を出力する。なお、基準値は基準となる健全な機器を用いて当該機器から得られたデータに基づいて決定される（例えば、特許文献１参照）。
【０００３】
【特許文献１】
特開平８−２１９９５５号（段落番号００４３〜００５０及び図１）
【０００４】
【発明が解決しようとする課題】
従来の騒音診断装置は、以上のように構成され、ウェーブレット変換を行うことにより音の信号を変換し、基準値と比較し、所定の関係を超えたときに警報を出力していたが、基準値の設定に多大な時間を要し、騒音診断装置の操作性が悪いという問題があった。
【０００５】
また、従来の機器の騒音診断装置では機器の外部で大きな音が発生しても、機器から発生した騒音として検出し、誤診断を行う可能性がある。さらに、機器の騒音診断は生産ライン中で行われることが多いが、通常、生産ラインには、暗騒音が多く発生している。機器から発生する音を計測している途中に、機器から発生する騒音に似た特徴を持つ大きな暗騒音が発生すると、誤判定を起こす可能性がある。このため、診断の信頼性を十分に確保できない場合がある。
【０００６】
また、従来の機器の騒音診断装置では異なる型式の機器の騒音の判別に対応していない。機器の型式によって、騒音の種類は異なる場合が多い。製品の生産ラインでは、異なる型式の機器が入り交じって流れてくることがあり、騒音診断の信頼性を向上させるためには、型式に応じた基準値を設定する必要がある。以上のようなことから、騒音診断の信頼性の一層の向上が要請されていた。
【０００７】
この発明は、上記のような問題点を解決するためになされたもので、操作性に優れるとともに診断の信頼性を向上させることができる機器の診断装置を得ることを目的とする。
【０００８】
【課題を解決するための手段】
この発明に係る機器の診断装置においては、診断対象である機器から発生する振動を検出する振動検出手段を有し検出した振動をデジタル信号に変換する振動出力装置、デジタル信号を所定の周波数帯域ごとの時系列信号に変換する時系列信号変換手段、時系列信号の特徴を示す演算値を演算する演算手段、演算値をＭＴＳ（Ｍａｈａｌａｎｏｂｉｓ−Ｔａｇｕｃｈｉ Ｓｙｓｔｅｍ）法により処理して演算値についてマハラノビス距離を求めるＭＴＳ法評価手段、及びマハラノビス距離と判定基準値とを比較して機器の健全性の評価を行う振動評価手段を備えたものである。
【０００９】
【発明の実施の形態】
実施の形態１．
以下に、この発明の実施の一形態を図に基づいて説明する。図１は機器の振動診断装置としての騒音診断装置の構成を示す構成図である。図１において、診断対象である機器１（具体的には例えば自動車のエンジン）から発生した音を振動検出手段としてのマイクロホン２にて検出し、電気信号に変換する。増幅器３によりマイクロホンで変換された電気信号を増幅し、Ａ／Ｄ変換器により増幅器３からの増幅されたアナログ信号をデジタル信号に変換する。
【００１０】
時系列信号変換手段としてのウェーブレット変換（Ｗａｖｅｌｅｔ Ｔｒａｎｓｆｏｒｍ）演算器５は、Ａ／Ｄ変換器４から得られるデジタル信号を周波数帯域ごとに分解された時系列信号に変換する。特徴演算器６は、ウェーブレット変換演算器５により分解された周波数帯域ごとの時系列信号から信号の特徴を演算して特徴値に応じた数値を出力するもので、例えば、時系列信号の特徴を実効値、平均値、最大値などの演算値として算出する。
【００１１】
ＭＴＳ法評価器７は、特徴演算器６により演算された演算値を基準データとして、ＭＴＳ法（詳細後述）による処理を行い、マハラノビス距離を出力する。判定値格納器８は、判定基準値を格納しており、当該判定基準値を比較器９へ出力する。比較器９は、ＭＴＳ法評価器７から出力したマハラノビス距離と判定値格納器８から出力された判定基準値とを比較する。
【００１２】
振動判定器としての騒音判別器１０は、比較器９からの比較結果に基づいて機器１の騒音を診断する、すなわち騒音により機器の異常の有無を判別、つまりその健全性を診断する。そして、騒音があると診断すると図示しない報知装置に通知する。なお、マイクロホン２、増幅器３及びＡ／Ｄ変換器４にて音の検出からデジタル信号への変換までを行う振動出力装置としての集音出力装置２１が構成されるとともに、判定値格納器８、比較器９及び騒音判定器１０にて、振動評価手段としての騒音評価装置２３が構成されている。また、上記マイクロホン２の代わりに振動センサを用いてもよい。
【００１３】
また、図１において、点線の矢印は判定基準値の設定時における各信号の流れを示し、実線の矢印は騒音診断時における各信号の流れを示す。これらの信号の流れは、後述する各実施の形態においても同様である。
【００１４】
次に、動作について説明する。まず、診断に必要な判定基準値を設定するときの流れを説明する。健全な機器１から発生する音の信号をマイクロホン２により電気信号に変換し、増幅器３により適当な利得を得る。Ａ／Ｄ変換器４は増幅器３からのアナログ信号をデジタル信号に変換する。ウェーブレット変換演算器５は、基底関数（ウェーブレット関数）を拡大あるいは縮小することにより、アナログ信号より変換されたデジタル信号を周波数帯域ごとの時系列信号に分離する。この際に、測定波形や観測したい現象に合わせて適切な基底関数を選択することにより周波数の分離特性や判定の信頼性を向上させることができる。
【００１５】
ウェーブレット変換演算器５により周波数帯域ごとに分離された時系列信号は、特徴演算器６へ出力される。特徴演算器６は時系列信号から信号の特徴を示す最大値や実効値などの演算値を演算し、ＭＴＳ法評価器７へ出力する。ここで、多くの健全な機器からデータを収集し、ＭＴＳ法により基準データを作成して基準空間を求める。また、判定値格納器８には、診断したい機器の騒音レベルに応じた判定基準値を格納しておく。
【００１６】
ここで、ＭＴＳ法について説明する。ＭＴＳ法は、Ｍａｈａｌａｎｏｂｉｓ−Ｔａｇｕｃｈｉ Ｓｙｓｔｅｍのことであり、認識・予測能力をコンピュータに与えるパターン情報処理技術である。パターン認識を行うためには知識が体系的に集まった認識空間が必要であるが、ＭＴＳ法では、この認識空間を「均質性のあるデータ群」から作成する。このようなデータを「基準データ」と呼ぶ。ここでは、均質性のあるデータ群とは、欠陥のない正常なデータ群である。
【００１７】
ＭＴＳ法が、他のパターン情報処理と比較して優れている点は、この基準データという考え方にある。これまでの多くの手法では、正常な状態も非正常な状態も同じ認識空間で処理していた。しかし、正常な状態というのはその特徴量が比較的均質で締まった状態であるのに対し、非正常な状態はその特徴量が様々な方向に大きくばらついている。均質性のあるデータ群から得た認識空間と、それが保証されていない認識空間とでは信頼性や感度に大きな相違が出る。
【００１８】
特徴演算器６は、基準データが揃うと、次にこの基準データから演算値としての特徴量を抽出する。つまり、「基準データ」を収集し、「特徴量の抽出」を行い、認識空間を作成してマハラノビス距離を求める。基準空間に帰属するデータのマハラノビス距離の平均は１であり、基準データと異なる度合が大きいと急激にその値が大きくなる。従って、対象のマハラノビス距離が１前後であれば、その対象は基準データと近い性質にあり、距離が大きければ遠いことになる。基準空間が正常群であったとすると、マハラノビス距離が大きいほど異常の程度も大きいことになる。
【００１９】
次に、診断時の流れについて説明する。判定基準値の設定時と同様、機器１から発生する音の信号をマイクロホン２により電気信号に変換し、増幅器３により適当な利得を得る。Ａ／Ｄ変換器４は増幅器３から出力されたアナログ信号をデジタル信号に変換し、ウェーブレット変換演算器５により、デジタル信号を周波数帯域ごとの時系列信号に分離する。周波数帯域ごとに分離された時系列信号は、特徴演算器６へ出力される。
【００２０】
特徴演算器６では周波数帯域ごとに分離された時系列信号の特徴を表す実効値や平均値や最大値などの演算値を演算し、その演算結果をＭＴＳ法評価器７へ出力する。ＭＴＳ法評価器７では基準空間に対するマハラノビス距離を求め、マハラノビス距離を比較器９に出力する。判定値格納器８から、診断したい機器の騒音レベルに応じて設定している判定基準値を出力する。比較器９では、ＭＴＳ法評価器７より出力されたマハラノビス距離と判定値格納器９より出力された判定基準値とを比較する。そして、ＭＴＳ法評価器７から出力されたマハラノビス距離が判定基準値内に収まっているか否かを騒音判別器１０に出力する。
【００２１】
騒音判別器１０は、マハラノビス距離が判定基準値内に収まっていれば騒音が発生していないことを、判定基準値を超えていれば騒音が発生していると診断する。騒音判別器１０において騒音が発生していると診断されたときは、騒音判別器１０は図示しない報知装置に信号を発し、その旨の報知を行う。
【００２２】
以上のように、健全な機器から発生する振動についてＭＴＳ法を用いて判定基準値となる基準データを作成し、この基準データに対するマハラノビス距離を求め、このマハラノビス距離に基づいて振動の異常の有無を判別し当該機器の健全性を診断するようにしたので、判定基準値の設定が容易で、振動の種類ごとに判定基準値を設定したり、新たな機器を対象に診断を行ったりする際の判定基準値の設定に要する作業時間の短縮や負担の軽減をすることができ、診断装置の操作性を向上させることができる。また、マハラノビス距離に基づいて判定するので、その判定すなわちその診断の信頼性を向上させることができる。
【００２３】
実施の形態２．
図２は、この発明の実施の形態２における機器の騒音診断装置の構成を示す構成図である。図２において、騒音診断装置はマイクロホン２、増幅器３、Ａ／Ｄ変換器４にて構成され音の検出からデジタル信号への変換までを行う振動出力装置としての集音出力装置２１を、複数（図２では３台）備えている。この集音出力装置２１の数は、機器１の騒音が発生する個所の数に応じて適宜増減させるものとする。その他の構成については、図１に示した実施の形態１と同様のものであるので、相当するものに同じ符号を付して説明を省略する。
【００２４】
従来の騒音診断装置では機器から騒音が発生した場合に、機器のどの個所から騒音が発生しているかが判らない。機器から騒音が発生した場合には、騒音発生個所を特定して、その個所の部品を修理、交換等が必要になる。この際、騒音が発生した個所が特定できていれば、該当個所を分解し、修理、交換等を行えばよいが、騒音の発生個所が判らない場合には、最悪の場合、全て分解して発生箇所を特定し手直しを行うことになる。機器の分解、組立て作業は大きな負担になる。この実施の形態は、騒音診断装置の操作性の改善を図ることができるとともに、上記のような問題点をも一緒に可決できるものである。
【００２５】
次に動作について説明する。機器１から発生する音の信号を複数個の集音出力装置２１のマイクロホン２で同時に電気信号に変換し、各々の増幅器３で適当な利得を得て、各々のＡ／Ｄ変換器４により、デジタル信号に変換する。次に、一つのＡ／Ｄ変換器４からデジタル信号を出力し、ウェーブレット変換演算器５に入力する。
【００２６】
以後、ウェーブレット変換演算器５から周波数帯域ごとの時系列信号が特徴演算器６に入力され、騒音判別器１０に結果が出力されるまでの動作は、実施の形態１と同様である。そして、複数の集音出力装置２１のうちの一つのＡ／Ｄ変換器４からのデジタル信号を出力し、騒音判別器１０に結果が出力されれば、別のＡ／Ｄ変換器４からデジタル信号を出力する。
【００２７】
このように処理を順番に行って、複数の集音出力装置２１の各Ａ／Ｄ変換器４からのデジタル信号について騒音判別器１０により判別した結果を得る。騒音判別器１０では、騒音が発生している結果が出たマイクロホンが集音していた機器の個所、すなわち該当するマイクロホンが設置されていた場所を出力する。
【００２８】
これにより、操作性の改善された騒音診断装置を用いて、騒音の発生個所をきめ細くかつ的確に特定できる。従って、騒音の診断作業が容易になるとともに、騒音発生個所の修理、修繕において機器を全て分解することなく、当該個所の修理、修繕を行うことができ、機器の分解、組立てにかかる作業負荷を軽減することができる。
【００２９】
実施の形態３．
図３は、この発明の実施の形態３における機器の騒音診断装置の構成を示す構成図である。別の振動検出手段としての暗騒音用マイクロホン１１は、機器１の外部で発生する暗騒音を検出する。無効化手段としての外部音検出器１２は、機器１の外部で大きな暗騒音が発生しているかどうかを検出し、機器の外部で大きな暗騒音が発生していた場合に騒音判別器１０が行った判断を無効にする。その他の構成については、図１に示した実施の形態１と同様のものであるので、相当するものに同じ符号を付して説明を省略する。
【００３０】
主要な動作は、実施の形態１と同様である。機器１から発生する音をマイクロホン２が検出し、同時にマイクロホン２と反対向きに設置した暗騒音用マイクロホン１１が暗騒音を検出する。機器１から発生した音はマイクロホン２により電気信号に変換し、機器１の外部で発生した暗騒音は暗騒音用マイクロホン１１により電気信号に変換し、各々の増幅器３により適当な利得を得る。
【００３１】
増幅器３から出力されたアナログ信号は、各々のＡ／Ｄ変換器４によりデジタル信号に変換され、外部音検出器１２に出力される。外部音検出器１２では、機器１から発生した音のデジタル信号と機器１の外部で発生した暗騒音のデジタル信号とに基づいて所定の演算を行い、この演算結果に基づいて機器１の外部から大きな音が発生していることが認められる場合には、騒音判別器１０に信号を送り、騒音判別器１０の診断結果を無効にするとともに、再計測を行う指示信号を図示しない報知装置に出す。
【００３２】
上記実施の形態では、振動としての音を検出するものを示したが、例えば載置台上に置かれた対象とする機器の健全性の診断を行う場合、振動センサを機器に取付けて振動を検出するとともに、載置台に別の振動検出手段としてのセンサを取り付け、上記別の振動検出手段を振動検出結果により振動判別器（図３の騒音判別器に対応）の診断結果を無効にすることもできる。また、このような振動による機器の診断装置は、車輌に搭載されたエンジンなどの機器の健全性の診断にも有効なものである。
【００３３】
このように、機器１の外部環境において発生する暗騒音を検出することにより、暗騒音が大きく発生しているときの診断を無効にし、暗騒音検出による誤診断を無くし、診断の信頼性を向上させることができる。
【００３４】
実施の形態４．
図４は、この発明の実施の形態４における機器の騒音診断装置の構成を示す構成図である。図４において、機器型式入力器３３は、機器の型式をＭＴＳ法評価器３７及び判定値格納器３８に入力するためのものである。なお、判定値格納器３８、比較器３９及び騒音判別器１０にて振動評価手段としての騒音評価装置４３を構成している。
【００３５】
主要な動作は、実施の形態１と同様であるが、診断対象の機器１の型式を機器型式入力器３３からＭＴＳ法評価器３７及び判定値格納器３８に入力する。入力された型式に応じて、ＭＴＳ法評価器３７、判定値格納器３８及び比較器３９では、機器の型式ごとにマハラノビス距離及び診断したい機器の型式と騒音レベルに応じて設定している判定基準値を変更することにより、異なる型式の機器の騒音についてより的確に診断できるものである。
【００３６】
このように、診断する機器の型式を入力することにより、発生する騒音の特徴が異なる様々な型式の機器が、製造ライン上に入り交じって流れてくるような場合にも、型式ごとに判別を的確に行うことができ、騒音診断の信頼性が向上する。
【００３７】
上記各実施の形態において、機器が発する振動としての音を振動検出手段であるマイクロホンの代わりに振動センサを用いて振動を検出するようにすることもできる。
【００３８】
【発明の効果】
この発明は以上説明したように、診断対象である機器から発生する振動を検出する振動検出手段を有し検出した振動をデジタル信号に変換する振動出力装置、デジタル信号を所定の周波数帯域ごとの時系列信号に変換する時系列信号変換手段、時系列信号の特徴を示す演算値を演算する演算手段、演算値をＭＴＳ（Ｍａｈａｌａｎｏｂｉｓ−Ｔａｇｕｃｈｉ Ｓｙｓｔｅｍ）法により処理して演算値についてマハラノビス距離を求めるＭＴＳ法評価手段、及びマハラノビス距離と判定基準値とを比較して機器の健全性の評価を行う振動評価手段を備えことにより、判定基準値を容易に設定でき、操作性に優れるとともに診断の信頼性を向上させることができる機器の診断装置を得ることができる。
【図面の簡単な説明】
【図１】この発明の実施の形態１を示す機器の騒音診断装置の構成図である。
【図２】この発明の実施の形態２を示す機器の騒音診断装置の構成図である。
【図３】この発明の実施の形態３を示す機器の騒音診断装置の構成図である。
【図４】この発明の実施の形態４を示す機器の騒音診断装置の構成図である。
【符号の説明】
１ 機器、２ マイクロホン、３ 増幅器、４ Ａ／Ｄ変換器、
５ ウェーブレット変換演算器、６ 特徴演算器、７ ＭＴＳ法評価器、
８ 判定値格納器、９ 比較器、１０ 騒音判別器、
１１ 暗騒音用マイクロホン、１２ 外部音検出器、２１ 集音出力装置、
２３ 騒音評価装置、３３ 機器型式入力器、３７ ＭＴＳ法評価器、
３９ 比較器、３８ 判定値格納器、４３ 騒音評価装置。[0001]
TECHNICAL FIELD OF THE INVENTION
The present invention relates to a device diagnostic device for diagnosing the soundness of a device by vibration generated from a device such as an engine of an automobile.
[0002]
[Prior art]
A sound generated from a device to be diagnosed is detected by a microphone, and wavelet transform is performed on the detected electric signal. An arithmetic unit calculates the characteristic of the data composed of time-series frequency components obtained by the wavelet transform to obtain an arithmetic value, and a predetermined relationship with the reference value, for example, the arithmetic value exceeds three times the reference value. Sometimes, a comparison result indicating an abnormality of the device is output. Note that the reference value is determined based on data obtained from a healthy device serving as a reference and obtained from the device (for example, see Patent Document 1).
[0003]
[Patent Document 1]
JP-A-8-219955 (paragraph numbers 0043 to 0050 and FIG. 1)
[0004]
[Problems to be solved by the invention]
The conventional noise diagnostic apparatus is configured as described above, converts a sound signal by performing a wavelet transform, compares the signal with a reference value, and outputs an alarm when a predetermined relationship is exceeded. There is a problem that it takes a lot of time to set the value and the operability of the noise diagnosis device is poor.
[0005]
Further, in the conventional noise diagnosis apparatus for a device, even if a loud sound is generated outside the device, the noise may be detected as noise generated from the device and erroneous diagnosis may be performed. Further, the device noise diagnosis is often performed in a production line, but usually, the production line generates a lot of background noise. If a large background noise having characteristics similar to the noise generated from the device is generated while the sound generated from the device is being measured, an erroneous determination may occur. For this reason, the reliability of diagnosis may not be sufficiently ensured.
[0006]
In addition, the conventional device noise diagnosis apparatus does not support discrimination of noise of different types of devices. The type of noise often differs depending on the type of device. In a product production line, different types of equipment may flow in a mixed manner, and in order to improve the reliability of noise diagnosis, it is necessary to set a reference value according to the type. From the above, further improvement in reliability of noise diagnosis has been demanded.
[0007]
The present invention has been made in order to solve the above-described problems, and has as its object to obtain a device diagnostic apparatus which is excellent in operability and can improve the reliability of diagnosis.
[0008]
[Means for Solving the Problems]
In a device diagnostic apparatus according to the present invention, there is provided a vibration output device that has a vibration detecting unit that detects vibration generated from a device to be diagnosed and converts the detected vibration into a digital signal. Time-series signal conversion means for converting the calculated value into a time-series signal, a calculation means for calculating a calculated value indicating the characteristic of the time-series signal, and processing the calculated value by an MTS (Mahalanobis-Taguchi System) method to obtain a Mahalanobis distance for the calculated value MTS method evaluation means and vibration evaluation means for comparing the Mahalanobis distance with the determination reference value to evaluate the soundness of the device.
[0009]
BEST MODE FOR CARRYING OUT THE INVENTION
Embodiment 1 FIG.
An embodiment of the present invention will be described below with reference to the drawings. FIG. 1 is a configuration diagram showing a configuration of a noise diagnosis device as a device vibration diagnosis device. In FIG. 1, sound generated from a device 1 to be diagnosed (specifically, for example, an engine of an automobile) is detected by a microphone 2 as a vibration detecting means and converted into an electric signal. The amplifier 3 amplifies the electric signal converted by the microphone, and the A / D converter converts the amplified analog signal from the amplifier 3 into a digital signal.
[0010]
The wavelet transform (Wavelet Transform) calculator 5 as a time-series signal conversion unit converts the digital signal obtained from the A / D converter 4 into a time-series signal decomposed for each frequency band. The feature calculator 6 calculates a signal feature from the time-series signal for each frequency band decomposed by the wavelet transform calculator 5 and outputs a numerical value corresponding to the feature value. It is calculated as a calculated value such as an effective value, an average value, and a maximum value.
[0011]
The MTS method evaluator 7 performs processing by the MTS method (details will be described later) using the operation value calculated by the characteristic operation unit 6 as reference data, and outputs a Mahalanobis distance. The judgment value storage 8 stores a judgment reference value, and outputs the judgment reference value to the comparator 9. The comparator 9 compares the Mahalanobis distance output from the MTS evaluator 7 with the judgment reference value output from the judgment value storage 8.
[0012]
The noise discriminator 10 as a vibration discriminator diagnoses the noise of the device 1 based on the comparison result from the comparator 9, that is, determines the presence or absence of abnormality of the device based on the noise, that is, diagnoses its soundness. Then, when it is diagnosed that there is noise, a notification device (not shown) is notified. In addition, the microphone 2, the amplifier 3, and the A / D converter 4 constitute a sound output device 21 as a vibration output device that performs from sound detection to conversion into a digital signal. The comparator 9 and the noise determination device 10 constitute a noise evaluation device 23 as vibration evaluation means. Further, a vibration sensor may be used instead of the microphone 2.
[0013]
Also, in FIG. 1, dotted arrows indicate the flow of each signal when the determination reference value is set, and solid arrows indicate the flow of each signal during the noise diagnosis. The flow of these signals is the same in each embodiment described later.
[0014]
Next, the operation will be described. First, a flow of setting a reference value required for diagnosis will be described. A sound signal generated from the healthy device 1 is converted into an electric signal by the microphone 2, and an appropriate gain is obtained by the amplifier 3. The A / D converter 4 converts an analog signal from the amplifier 3 into a digital signal. The wavelet transform calculator 5 separates a digital signal converted from an analog signal into a time-series signal for each frequency band by expanding or reducing a basis function (wavelet function). At this time, by selecting an appropriate basis function in accordance with the measured waveform and the phenomenon to be observed, it is possible to improve the frequency separation characteristics and the reliability of determination.
[0015]
The time-series signal separated for each frequency band by the wavelet transform calculator 5 is output to the feature calculator 6. The characteristic calculator 6 calculates a calculated value such as a maximum value or an effective value indicating the characteristic of the signal from the time-series signal, and outputs the calculated value to the MTS evaluator 7. Here, data is collected from many healthy devices, and reference data is created by the MTS method to obtain a reference space. The judgment value storage 8 stores a judgment reference value according to the noise level of the device to be diagnosed.
[0016]
Here, the MTS method will be described. The MTS method is a Mahalanobis-Taguchi System, and is a pattern information processing technology that provides a computer with recognition and prediction capabilities. To perform pattern recognition, a recognition space in which knowledge is systematically collected is required. In the MTS method, this recognition space is created from a “homogeneous data group”. Such data is called “reference data”. Here, the data group having homogeneity is a normal data group having no defect.
[0017]
The point that the MTS method is superior to other pattern information processing lies in the concept of the reference data. In many conventional methods, a normal state and an abnormal state are processed in the same recognition space. However, a normal state is a state in which the feature amount is relatively uniform and tight, whereas an abnormal state has a large variation in the feature amount in various directions. There is a great difference in the reliability and sensitivity between the recognition space obtained from a homogeneous data group and the recognition space for which it is not guaranteed.
[0018]
When the reference data is completed, the feature calculator 6 then extracts a feature value as a calculation value from the reference data. That is, “reference data” is collected, “feature amount extraction” is performed, a recognition space is created, and a Mahalanobis distance is obtained. The average of the Mahalanobis distance of the data belonging to the reference space is 1, and when the degree of the difference from the reference data is large, the value rapidly increases. Therefore, if the Mahalanobis distance of the target is around 1, the target has properties close to the reference data, and if the distance is large, the target is far. Assuming that the reference space is a normal group, the larger the Mahalanobis distance, the greater the degree of abnormality.
[0019]
Next, the flow at the time of diagnosis will be described. Similar to the setting of the judgment reference value, the sound signal generated from the device 1 is converted into an electric signal by the microphone 2, and an appropriate gain is obtained by the amplifier 3. The A / D converter 4 converts the analog signal output from the amplifier 3 into a digital signal, and separates the digital signal into a time-series signal for each frequency band by the wavelet transform calculator 5. The time-series signal separated for each frequency band is output to feature calculator 6.
[0020]
The characteristic calculator 6 calculates a calculation value such as an effective value, an average value, or a maximum value representing the characteristics of the time-series signal separated for each frequency band, and outputs the calculation result to the MTS method evaluator 7. The MTS evaluator 7 calculates the Mahalanobis distance with respect to the reference space, and outputs the Mahalanobis distance to the comparator 9. From the judgment value storage 8, a judgment reference value set according to the noise level of the device to be diagnosed is output. The comparator 9 compares the Mahalanobis distance output from the MTS method evaluator 7 with the determination reference value output from the determination value storage 9. Then, it outputs to the noise discriminator 10 whether or not the Mahalanobis distance output from the MTS evaluator 7 is within the determination reference value.
[0021]
The noise discriminator 10 diagnoses that no noise is generated when the Mahalanobis distance falls within the determination reference value, and diagnoses that noise is generated when the Mahalanobis distance exceeds the determination reference value. When the noise discriminator 10 is diagnosed as generating noise, the noise discriminator 10 issues a signal to a not-shown notifying device, and notifies the effect.
[0022]
As described above, reference data that is a determination reference value is created using the MTS method for vibration generated from a healthy device, a Mahalanobis distance for this reference data is obtained, and based on this Mahalanobis distance, the presence or absence of vibration abnormality is determined. Since the judgment is made and the soundness of the device is diagnosed, it is easy to set the judgment reference value, and when setting the judgment reference value for each type of vibration or when diagnosing a new device. The work time and the load required for setting the determination reference value can be reduced, and the operability of the diagnostic device can be improved. Further, since the determination is made based on the Mahalanobis distance, the reliability of the determination, that is, the reliability of the diagnosis can be improved.
[0023]
Embodiment 2 FIG.
FIG. 2 is a configuration diagram showing a configuration of a device noise diagnostic apparatus according to Embodiment 2 of the present invention. In FIG. 2, the noise diagnosis device includes a microphone 2, an amplifier 3, and an A / D converter 4, and includes a plurality of sound collection output devices 21 (vibration output devices) that perform sound detection to conversion into digital signals. 2 in FIG. 2). The number of the sound collection output devices 21 is appropriately increased or decreased according to the number of places where noise of the device 1 is generated. Other configurations are the same as those of the first embodiment shown in FIG. 1, and the corresponding components are denoted by the same reference numerals and description thereof is omitted.
[0024]
With a conventional noise diagnosis apparatus, when noise is generated from a device, it is not known from which part of the device the noise is generated. When noise is generated from the device, it is necessary to specify the location where the noise is generated, and to repair or replace parts at the location. At this time, if the location where the noise occurred can be identified, the corresponding location may be disassembled, repaired, replaced, etc., but if the location where the noise occurs is unknown, in the worst case, disassemble all The location of occurrence is identified and reworked. The disassembly and assembly work of the equipment is a heavy burden. This embodiment can improve the operability of the noise diagnostic apparatus and can also solve the above-mentioned problems at the same time.
[0025]
Next, the operation will be described. The sound signal generated from the device 1 is simultaneously converted into an electric signal by the microphones 2 of the plurality of sound output devices 21, an appropriate gain is obtained by each amplifier 3, and each of the A / D converters 4 Convert to digital signal. Next, a digital signal is output from one A / D converter 4 and input to the wavelet transform calculator 5.
[0026]
Thereafter, the operation from the time-series signal for each frequency band from the wavelet transform calculator 5 to the feature calculator 6 until the result is output to the noise discriminator 10 is the same as that of the first embodiment. Then, a digital signal is output from one of the A / D converters 4 of the plurality of sound collection output devices 21, and if the result is output to the noise discriminator 10, the digital signal is output from another A / D converter 4. Output a signal.
[0027]
As described above, the processing is sequentially performed, and the result obtained by discriminating the digital signals from the A / D converters 4 of the plurality of sound collection output devices 21 by the noise discriminator 10 is obtained. The noise discriminator 10 outputs the location of the device from which the microphone generating the result of the noise was collected, that is, the location where the corresponding microphone was installed.
[0028]
This makes it possible to use a noise diagnostic apparatus with improved operability to precisely and precisely specify a location where noise is generated. Therefore, noise diagnosis work becomes easy, and it is possible to repair and repair the noise-generating part without disassembling all the equipment in the repair and repair, thereby reducing the work load for disassembling and assembling the equipment. Can be reduced.
[0029]
Embodiment 3 FIG.
FIG. 3 is a configuration diagram showing a configuration of a device noise diagnostic apparatus according to Embodiment 3 of the present invention. The background noise microphone 11 as another vibration detection unit detects background noise generated outside the device 1. The external sound detector 12 as a nullifying means detects whether or not loud background noise is generated outside the device 1, and when the loud background noise is generated outside the device 1, the noise discriminator 10 performs the process. Invalidate the decision made. Other configurations are the same as those of the first embodiment shown in FIG. 1, and the corresponding components are denoted by the same reference numerals and description thereof is omitted.
[0030]
The main operation is the same as in the first embodiment. The microphone 2 detects the sound generated from the device 1, and at the same time, the background noise microphone 11 installed in the opposite direction to the microphone 2 detects the background noise. The sound generated from the device 1 is converted into an electric signal by the microphone 2, and the background noise generated outside the device 1 is converted into an electric signal by the microphone 11 for background noise, and an appropriate gain is obtained by each amplifier 3.
[0031]
The analog signal output from the amplifier 3 is converted into a digital signal by each A / D converter 4 and output to the external sound detector 12. The external sound detector 12 performs a predetermined calculation based on the digital signal of the sound generated from the device 1 and the digital signal of the background noise generated outside the device 1, and performs a predetermined calculation based on the calculation result from the outside of the device 1. When it is recognized that a loud sound is generated, a signal is sent to the noise discriminator 10 to invalidate the diagnosis result of the noise discriminator 10 and to issue an instruction signal for performing re-measurement to a not-shown notifying device. .
[0032]
In the above embodiment, the detection of sound as vibration has been described.For example, when diagnosing the soundness of a target device placed on a mounting table, a vibration sensor is attached to the device to detect the vibration. At the same time, it is also possible to attach a sensor as another vibration detecting means to the mounting table, and to invalidate the diagnosis result of the vibration discriminator (corresponding to the noise discriminator in FIG. 3) based on the vibration detection result. it can. In addition, such a device diagnostic device for vibration is also effective for diagnosing the soundness of a device such as an engine mounted on a vehicle.
[0033]
As described above, by detecting the background noise generated in the external environment of the device 1, the diagnosis when the background noise is large is invalidated, the erroneous diagnosis by the background noise detection is eliminated, and the reliability of the diagnosis is improved. Can be done.
[0034]
Embodiment 4 FIG.
FIG. 4 is a configuration diagram showing a configuration of a device noise diagnostic apparatus according to Embodiment 4 of the present invention. In FIG. 4, the device type input device 33 is for inputting the device type to the MTS evaluator 37 and the judgment value storage 38. The determination value storage 38, the comparator 39 and the noise discriminator 10 constitute a noise evaluation device 43 as a vibration evaluation means.
[0035]
The main operation is the same as that of the first embodiment, but the type of the device 1 to be diagnosed is input from the device type input device 33 to the MTS evaluator 37 and the judgment value storage 38. In accordance with the input model, the MTS evaluator 37, the judgment value storage 38, and the comparator 39 determine the Mahalanobis distance for each device model, and the judgment criteria set according to the model and noise level of the device to be diagnosed. By changing the value, the noise of different types of equipment can be more accurately diagnosed.
[0036]
In this way, by inputting the type of the device to be diagnosed, even when various types of devices having different characteristics of the generated noise flow into and out of the production line, the type can be determined for each type. It can be performed accurately, and the reliability of noise diagnosis is improved.
[0037]
In each of the above embodiments, the vibration as the vibration generated by the device may be detected by using a vibration sensor instead of the microphone that is the vibration detection unit.
[0038]
【The invention's effect】
As described above, the present invention provides a vibration output device that has vibration detecting means for detecting vibration generated from a device to be diagnosed and converts the detected vibration to a digital signal, and outputs the digital signal for each predetermined frequency band. Time-series signal conversion means for converting to a series signal, calculation means for calculating a calculation value indicating the characteristic of the time-series signal, MTS method for calculating the Mahalanobis distance for the calculation value by processing the calculation value by the MTS (Mahalanobis-Taguchi System) method The evaluation means and the vibration evaluation means for comparing the Mahalanobis distance with the judgment reference value to evaluate the soundness of the device are provided, so that the judgment reference value can be easily set, thereby improving the operability and improving the reliability of the diagnosis. It is possible to obtain a device diagnostic device that can be improved.
[Brief description of the drawings]
FIG. 1 is a configuration diagram of a device noise diagnostic apparatus according to a first embodiment of the present invention.
FIG. 2 is a configuration diagram of a device noise diagnostic apparatus according to a second embodiment of the present invention.
FIG. 3 is a configuration diagram of a device noise diagnosis apparatus according to Embodiment 3 of the present invention.
FIG. 4 is a configuration diagram of a device noise diagnostic apparatus according to a fourth embodiment of the present invention.
[Explanation of symbols]
1 equipment, 2 microphones, 3 amplifiers, 4 A / D converters,
5 wavelet transform calculator, 6 feature calculator, 7 MTS method evaluator,
8 judgment value storage, 9 comparator, 10 noise discriminator,
11 microphone for background noise, 12 external sound detector, 21 sound output device,
23 noise evaluation device, 33 device type input device, 37 MTS method evaluator,
39 comparator, 38 judgment value storage, 43 noise evaluation device.