异常音检测系统 |
|||||||
| 申请号 | CN201280074211.9 | 申请日 | 2012-07-25 | 公开(公告)号 | CN104380063A | 公开(公告)日 | 2015-02-25 |
| 申请人 | 株式会社日立制作所; | 发明人 | 峰村今朝; 汤田晋也; 佐伯崇; | ||||
| 摘要 | 本 发明 的目的是对从设备发生的异常音中振幅强度(声压)的变化未发生或者甚微的情况、并且发生了 相位 变化的异常音进行检测。在异常音检测系统中，将从诊断对象设备采集的声音数据作为输入 信号 ，进行所述设备的异常诊断，所述异常音检测系统具有：零点大小计算部，其计算所述 输入信号 的1周期份的声音数据的零点的大小；零点 密度 分布计算部，其根据所述零点的大小，计算零点密度分布；和正常/异常诊断部，其比较所述输入信号的零点密度分布和正常的声音数据的零点密度分布，来判断所述诊断对象设备是正常还是异常。 | ||||||
| 权利要求 | 1.一种异常音检测系统，将从诊断对象设备采集的声音数据作为输入信号，进行所述设备的异常诊断，所述异常音检测系统的特征在于，具有： |
||||||
| 说明书全文 | 异常音检测系统技术领域[0001] 本发明涉及异常音检测系统。 背景技术[0002] 作为本技术领域的背景技术，为了维持设备的运行率，设备的诊断很重要。在诊断设备时，作为难以在诊断对象部位安装传感器的情况的应对，不需要接触诊断对象部位的基于音响的诊断受到关注。因此，一直以来，采用了利用了音响的诊断。 [0003] 在专利文献1中记载了“一种对发生了异常的情况下以给定周期产生异响的声源的诊断进行支援的音响诊断支援装置”，“使得能够容易掌握异常”。并记载如下：为此，“集音器记录对从旋转机发生的声音以给定频率进行采样比旋转周期长的给定时间而得到的测量数据。诊断支援装置从集音器取得测量数据。诊断支援装置从第1个测量数据中的开头起提取1周期份的基准数据序列，使第n个测量数据中的提取位置错开，提取1周期份的比较数据序列，计算出基准数据序列和比较数据序列的相关度，将相关度最大的提取位置作为偏移量，在使第2个测量数据进行了偏移的基础上，与第1个测量数据相加”。 [0004] 此外，在专利文献2中记载了“一种异常诊断方法，基于从诊断对象发生的音响信号，诊断在所述诊断对象发生的异常，基于在所述诊断对象处于正常的状态时对所述音响信号进行频率分析而得到的频率或者频带与声压的关系，求出各所述频率或者各所述频带的声压和与该所述频率或者频带的周边的其他1个以上的所述频率或者频带相对应的声压的相对差，作为相对声压差”。 [0005] 另外，在专利文献3中记载了“涉及一种信号检测方法，从被蓄积的信号序列之中搜索并检测给定信号、或者与其一部分类似的信号，例如能够应用于音响信号检测。以往，关于信号检测方法，已知一种以在蓄积信号中检测与目的信号类似的地方为目的的信号检索方法。但是，因为仅使用了局部修剪，所以在以庞大的蓄积信号为对象时，存在检索需要较长时间这样的缺点。通过基于L1距离，进行全局分组以及局部分组，高效地缩小搜索空间，从而具有如下优点：保持搜索系统，并且能够高速地进行有效的部分信号检测”。 [0006] 如上所述，对于从设备发生的异常音检测方法以及特征量、类似信息的检索，以前已经得到解决。 [0007] 现有技术文献 [0008] 专利文献 [0009] 专利文献1：JP特开2012-93094号公报 [0010] 专利文献2：JP特开2005-257460号公报 [0011] 专利文献3：国际公开第2006/009035号小册子 发明内容[0012] 发明要解决的课题 [0013] 但是，在现有方法中，以异常音的变化表现在振幅强度(声压)为前提。因此，在振幅强度(声压)没有产生异常而作为相位变化出现的情况下，例如，关于进气口堵塞这样的振幅变化较小的异常，不能进行检测。 [0014] 专利文献1是如下发明：在产生了异常的情况下，将音响数据的周期数据取得多个，通过在取得了同步的基础上使它们叠加，从而掌握周期性地发生的声源的异常。因此，不能掌握不是周期性地发生的声源的异常，例如发生相位变化的异常音。因此，对于振幅变化较小的、进气口堵塞这样的异常、初始异常，不能进行检测。 [0015] 专利文献2是如下发明：基于能够对音响信号进行频率分析而得到的频率或者频带与声压的关系，决定异常判断用电平差上限阈值和异常判断用电平差下限阈值，在诊断时，使用频率成分或者其声压来进行诊断。因此，对于异常音不出现在频带以及声压值(大小)的异常，不能进行检测。 [0016] 专利文献3是如下发明：为了使用L1距离进行高速的搜索，使特征量直方图化来进行检索。此外，以影像的颜色为特征量。所谓L1距离，定义为基于距离之差的一次方的距离。 [0017] 如上所述，对于检测在频带、振幅强度(声压)没有变化而发生了相位变化的异常音的方法，在现有技术文献中没有记载。 [0018] 本发明的目的是检测从设备发生的异常音中振幅强度(声压)的变化未发生或者甚微的情况、并且发生了相位变化的异常音。 [0019] 用于解决课题的手段 [0020] 因此，在本发明中，作为用于异常诊断的特征量，进行专注于零点的诊断。所谓零点，是指在时域的波形的零交叉，是在频域上能量为零的点。零点的大小的密度分布成为与相位变化相应的分布。这可以使时域上的零交叉的间隔作为零点的大小，出现在复平面上，在复平面上按每个大小计算零点的数目。即，在不发生相位变化的情况下，分布唯一确定，在发生相位变化的情况下，零点的密度分布上发生变化。 [0021] 根据以上见解，通过使用零点密度分布，来进行用现有方法不能检测的、未发生振幅强度(声压)变化的异常音中伴随相位变化的异常音的检测。 [0022] 本发明例如是一种异常音检测系统，将从诊断对象设备采集的声音数据作为输入信号，进行所述设备的异常诊断，所述异常音检测系统的特征在于，具有：零点大小计算部，其计算所述输入信号的1周期份的声音数据的零点的大小；零点密度分布计算部，其根据所述零点的大小，计算零点密度分布；和正常/异常诊断部，其比较所述输入信号的零点密度分布和正常的声音数据的零点密度分布，来判断所述诊断对象设备是正常还是异常。 [0023] 发明效果 [0024] 根据本发明，能够实现振幅强度的变化较小且发生了相位变化的异常音的检测。 [0026] 图1是异常音检测系统的构成图的示例。 [0028] 图3是系统流程图的示例。 [0029] 图4是1周期计算部的处理的示例。 [0030] 图5是零点密度分布数据结构的示例。 [0031] 图6是零点密度分布的示例。 [0032] 图7是零点密度分布显示的示例。 [0033] 图8是电动机声音的诊断例。 具体实施方式[0034] 参考附图来说明本发明的实施例。另外，在各图中，对于同一或者类似的构成要素标注相同的标号，并且省略说明。 [0035] 图1是异常音检测系统的构成图的示例。图2是硬件构成的示例。如图1所示，异常音检测系统1具有1周期计算部101、零点计算部102、零点大小计算部103、零点密度分布计算部104、蓄积信号核对部105、正常/异常诊断部106、零点密度数据库107。图1所示的异常音检测系统1，与图2所示的数据处理部H02相对应，例如通过计算机、微型计算机等来实现处理。此外，显示图1所示的显示密度分布等结果的显示器108，对应于图2中的输出结果显示部H03。 [0036] 异常音检测系统1将输入信号I1作为向1周期计算部101的输入，1周期计算部101从所输入的输入信号I1中截出1周期的量，作为输入信号1周期份的信号，输出到零点计算部102。输入信号I1是从诊断对象设备采集的声音数据，对于输入信号I1的输入手段，可以考虑从图2所示的麦克风H01直接向数据处理部H02输入的情况、和从麦克风H01经由数据记录仪等向数据处理部H02输入的情况。 [0037] 零点计算部102根据由1周期计算部101计算出的输入信号1周期份的信号，进行零点的计算，将所算出的零点输入到零点大小计算部103。关于零点的计算方法，通过进行n次多项式近似，对n次的近似式进行求解来进行计算。作为多项式近似方法，公知有基于幂级数展开的方法、基于拉格朗日(Lagrange)插值的方法等、数值计算(参考文献：数值计算法、长嶋秀世著)的方法。 [0038] 在零点大小计算部103中，根据由零点计算部102计算出的零点，来计算零点的大小。零点用复数来进行定义。因此，通过取复数的绝对值来计算大小。由零点大小计算部103计算出的零点的大小，输入到零点密度分布计算部104。 [0039] 零点密度分布计算部104根据所输入的零点的大小的数据，来计算零点密度分布。具体而言，计算零点的全部个数中的具有特定的零点的大小的零点的个数的比例。计算出与进行近似的次数的数目相应的量的零点。例如，在近似为6次函数的情况下，最大计算出6个零点。此外，在存在6周期份的波形，并近似为6次函数的情况下，零点的合计个数是36个。由零点密度分布计算部104计算出的输入信号I1的零点密度分布，输出到蓄积信号核对部105。 [0040] 此外，对于蓄积信号I2，异常音检测系统1在1周期计算部101、零点计算部102、零点大小计算部103、零点密度分布计算部104中也进行相同的计算。这里，蓄积信号I2是在设备正常的状态下所采集的正常音。利用蓄积信号I2而计算出的蓄积信号I2的零点密度分布，记录到零点密度数据库107中。 [0041] 蓄积信号核对部105从零点密度数据库107中构筑的蓄积信号I2的零点密度分布的数据库中，读出用于与利用输入信号I1而计算出的输入信号I1的零点密度分布进行比较的蓄积信号I2的零点密度分布，并将输入信号I1的零点密度分布和蓄积信号I2的零点密度分布输出到正常/异常诊断部106。 [0042] 在零点密度数据库107中，作为正常数据而蓄积有蓄积信号I2的零点密度分布。 [0043] 正常/异常诊断部106对输入信号I1的零点密度分布和蓄积信号I2的零点密度分布进行比较，进行正常或者异常的诊断，并输出诊断结果。对于输入信号I1的零点密度分布和蓄积信号I2的零点密度分布的比较方法，可以考虑通过计算输入信号I1的零点密度分布和蓄积信号I2的零点密度分布的相关系数，来进行比较的方法等。 [0044] 在使用相关系数进行比较的情况下，在相关系数为1.0的情况下，表示相关性较强，表示蓄积信号I2和输入信号I1是相同的，在相关系数为0.0的情况下，表示没有相关性，表示蓄积信号I2和输入信号I1不同。关于相关系数，作为以统计的方式评价随机变量之间的相似度的方法，已经公知。另外，关于用于使用相关系数来识别正常和异常的阈值，需要根据诊断对象设备、进行检测的设备、故障的进展程度等来决定。例如，将正常异常判断阈值设为0.8，若相关系数为正常异常判断阈值以上则判断为正常，若不足正常异常判断阈值则判断为异常，并将判断结果输出给显示器108。 [0045] 显示器108显示由正常/异常诊断部106判断出的正常或者异常的判断结果。异常音检测系统1具有未图示的显示控制部，控制向显示器108的显示。另外，例如像用后述的图7所说明的那样，显示器108也可以一起显示其他信息。 [0046] 图3是系统流程图的示例。在1周期计算步骤F01中，向1周期计算部101输入输入信号I1或者蓄积信号I2、和诊断对象设备的转速I10、诊断对象设备的设备名I50。对于转速I10、设备名I50的输入方法，可以考虑键盘、联机等，对输入方法无要求。1周期计算部101计算并输出输入信号1周期份(或者蓄积信号1周期份)的信号。 [0047] 基于在1周期计算步骤F01中计算出的输入信号1周期份的信号(或者蓄积信号1周期份)，在零点计算步骤F02中，由零点计算部102计算零点并输出。在零点大小计算步骤F03中，由零点大小计算部103计算零点的大小。 [0048] 在零点密度分布计算步骤F04中，通过零点密度分布计算部104来进行零点密度分布的计算。在零点密度分布计算部104中，还输入密度分布的间隔I60。对于间隔I60的输入方法并无要求，可以是来自键盘的直接输入、联机等。所谓间隔I60，是在密度分布计算时，用于计算每个零点大小的个数的间隔。例如，间隔I60为10，表示用每间隔10来计算零点的大小。 [0049] 在蓄积信号核对步骤F05中，向蓄积信号核对部105输入在零点密度分布计算步骤F04中计算出的输入信号I1的零点密度分布、与输入信号I1相对应的诊断对象设备的转速I10、与输入信号I1相对应的诊断对象设备名I50，并从零点密度数据库107读出与输入信号I1所对应的诊断对象设备的转速I10、输入信号I1所对应的诊断对象设备名I50相对应的蓄积信号I2的零点密度分布。而且，在正常/异常诊断步骤F06中，通过正常/异常诊断部106来判断正常/异常。 [0050] 图4是1周期计算部的处理的示例。在1周期计算部101中，根据输入信号I1的转速I10、收录时间I20、采样频率I30来计算输入信号I1的1周期，截出1周期份从而输出输入信号1周期份I40。例如，在转速60(Hz)、收录时间20(秒)、采样频率50000(Hz)的情况下，对于转速I10输入60(Hz)，对于收录时间I20输入20(秒)，对于采样频率I30输入50000(Hz)。对于输入手段并无要求，可以是键盘、联机等的数据。另外，在图4中以输入信号I1的情况下的处理为例进行了表示，但蓄积信号I2的情况下的处理也同样。 [0051] 图5是零点密度分布数据结构的示例。图5所示的零点密度数据库107的数据结构K01，由设备名I50、转速I10、零点密度分布I70、间隔I60构成。对于转速I10，可以认为是每1分钟的转速即rpm、或者每1秒钟的转速即Hz的哪一个。对于每1分钟的转速即rpm的情况，需要另外变换为每1秒钟的转速即Hz。例如，在输入了600rpm的情况下，需要变换为10Hz。在图5的示例中，设备X、转速10(Hz)、零点密度分布，按照零点的大小的间隔为10分别示出了10％、20％、40％、20％、10％。 [0052] 图6是零点密度分布的示例。对于图6所示的零点密度分布M01，横轴表示零点的大小，纵轴表示零点密度(％)。零点密度(％)是全部零点的个数中的具有特定的零点大小的零点的个数的比例。例如，在图6中示出，在全部零点的个数为600个的情况下，零点的大小为0以上且不足10的个数为60个、同样地大小为10以上且不足20的个数为120个、20以上且不足30的个数为240个、30以上且不足40的个数为120个、40以上且不足50的个数为60个的情况，零点的大小为0以上且不足10的密度是10(％)，10以上且不足20的密度是20(％)，20以上且不足30的密度是40(％)，30以上且不足40的密度是20(％)， 40以上且不足50的密度是10(％)。 [0053] 图7是零点密度分布显示的示例。图7所示的零点密度分布显示D01是显示器108中显示的画面的一例。用虚线表示输入信号I1的零点密度分布M1，用实线表示与输入信号I1相对应的蓄积信号I2的零点密度分布M2，横轴是零点的大小，纵轴是零点密度(％)。此外，在图7中示出了还显示了由正常/异常诊断部106计算出的指标的示例。例如，在使用相关系数来判断正常音和异常音的情况下，在计算出的相关系数为0.7、正常异常判断阈值为0.8的情况下，在图7中示出如下示例：数值评价指标显示为“相关系数0.7”、正常异常判断阈值显示为“相关系数0.8”、判断结果显示为“异常”。另外，这些显示的控制通过异常音检测系统1的未图示的显示控制部来进行。 [0054] 图8是电动机声音的诊断例。在图8中示出了使诊断对象设备为电动机J01的情况。电动机J01连接于用于电动机驱动的电源J02。 [0055] 而且，在电动机J01附近设置麦克风H01。由麦克风H01收录的声音(声音数据)输入到数据记录仪J03。输入到数据记录仪J03中的收录音作为输入信号I1输入到数据处理部H02，进行诊断处理，诊断结果显示于输出结果显示部H03。 [0056] 另外，作为蓄积信号I2，预先收录正常音，由数据处理部H02计算蓄积信号I2的零点密度分布，作为零点密度分布数据预先收录到零点密度数据库107中。 [0057] 作为蓄积信号I2的采集方法，可以考虑例如每60秒分多次进行收录的方法、使设备连续运转蓄积信号的方法。关于输入信号I1也同样地，可以考虑分多次进行输入的方法、连续运转的同时输入信号并进行诊断的方法。 [0058] 如上所述，在异常诊断时，通过使用零点密度分布，能够进行用现有方法不能检测的、未发生振幅强度(声压)变化的异常音中伴随相位变化的异常音的检测。 [0059] 以上，说明了本发明的实施例，但前面的实施例所说明的构成只不过是一例，本发明在不脱离技术思想的范围内可以适当变更。 [0060] 标号说明 [0061] 1 异常音检测系统 [0062] 101 1周期计算部 [0063] 102 零点计算部 [0064] 103 零点大小计算部 [0065] 104 零点密度分布计算部 [0066] 105 蓄积信号核对部 [0067] 106 正常/异常诊断部 [0068] 107 零点密度数据库 [0069] 108 显示器 [0070] H01 麦克风 [0071] H02 数据处理部 [0072] H03 输出结果显示部 [0073] F01 1周期计算步骤 [0074] F02 零点计算步骤 [0075] F03 零点大小计算步骤 [0076] F04 零点密度分布计算步骤 [0077] F05 蓄积信号核对步骤 [0078] F06 正常/异常诊断步骤 [0079] 11 输入信号 [0080] I2 蓄积信号 [0081] I10 转速 [0082] I20 收录时间 [0083] I30 采样频率 [0084] I40 输入信号1周期份 [0085] I50 设备名 [0086] I60 间隔 [0087] I70 零点密度分布 [0088] K01 零点密度分布数据结构 [0089] M01 零点密度分布 [0090] M1 输入信号的零点密度分布 [0091] M2 蓄积信号的零点密度分布 [0092] D01 零点密度分布显示 [0093] J01 电动机 [0094] J02 电源 [0095] J03 数据记录仪 |
||||||
QQ群二维码
意见反馈
意见反馈